9 Metrische und normierte Räume
|
|
- Ilse Jaeger
- vor 6 Jahren
- Abrufe
Transkript
1 9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik auf X ist eine Abbildung d : X X R, (x, y) d(x, y). Dabei soll gelten: (M1) Für alle u, v X ist d(u, v) = d(v, u) 0 (symmetrisch und positiv) (M2) Es gilt d(u, v) = 0, wenn u = v (M3) Für u, v, w X gilt d(u, w) d(u, v) + d(v, w) (Dreiecksungleichung) Man nennt (X, d) dann einen metrischen Raum. 9.2 Beispiel a) X = R, d(u, v) = u v. Dann gelten (M1), (M2) und (M3) ist die Dreiecksungleichung der Betragsfunktion 1.8. Also ist R mit d(u, v) = u v ein metrischer Raum. { 1, falls u v b) X eine beliebige Menge. Setzte d(u, v) = 0, falls u = v. (M1) und (M2) gelten. Ist u = w d(u, w) = 0 d(u, v) + d(v, w) ( ). Ist u w d(u, w) = 1. Für alle v X gilt entweder v u oder v w, also folgt d(u, v) + d(v, w) 1 = d(u, w). Folglich gilt (M3) und d ist eine Metrik auf X. Man nennt d die diskrete Metrik auf X. c) X = R 2. Für u = (u 1, u 2 ), v = (v 1, v 2 ). Setze d(u, v) = u 1 v 1 + u 2 v 2 l 1 -Metrik auf R 2 oder Manhattan-Taxi-Metrik. 69
2 KAPITEL 9. METRISCHE UND NORMIERTE RÄUME (u 1, u 2 ) (v 1, v 2 ) (M1) und (M2) gelten. (M3) gilt. Also ist d eine Metrik auf R 2. d(u, w) = u 1 w 1 + u 2 w 2 = u 1 v 1 + v 1 w 1 + u 2 v 2 + v 2 w 2 u 1 v 1 + v 1 w 1 + u 2 v 2 + v 2 w 2 = d(u, v) + d(v, w) 9.3 Beobachtung Ist (X, d) ein metrischer Raum und A X, dann ist A mit der Metrik d ebenfalls ein metrischer Raum, ein Unterraum. 9.4 Definition Sei (X, d) ein metrischer Raum, sei r > 0 und x X. Dann heißt B r (x) = {v X d(v, x) < r} der offene r-ball um x. In den drei Beispielen: a) B r (x) = (x r, x + r) offenes Intervall ( x ) X r r b) B r (x) = {x}, falls r 1 B r (x) = X, falls r > 1 70 getext: Julia Wolters
3 Vorlesung WS SS 2010 Analysis 1 und 2 Prof. Dr. Linus Kramer c) B r (x) in der Taximetrik: r x r r r 9.5 Definition Sei J N eine unendliche Indexmenge, sei (X, d) ein metrischer Raum. Eine Folge in X mit Indexmenge J ist eine Abbildung J X, j x j (Folgenglied). Ist K J eine unendliche Teilmenge, dann heißt (x k ) k K Teilfolge der Folge (x j ) j J. Wir sagen, die Folge (x j ) j J konvergiert gegen x X, wenn gilt: Zu jedem ε > 0 gibt es n N, so dass d(x, x j ) ε j J, j n In Beispiel a X = R, d(u, v) = u v liefert das genau den Konvergenzbegriff aus Analysis I für reelle Folgen. 9.6 Lemma Sei (X, d) metrischer Raum, (x j ) j J eine Folge in X. Die Folge konvergiert gegen x X genau dann, wenn gilt: Für jedes r > 0 gibt es ein n N, so dass x j B r (x) für alle j > n. Ebenfalls äquivalent dazu: Für jedes r > 0 liegen fast alle Folgenglieder x j in B r (x). Beweis: Wenn die Folge gegen x konvergiert, dann gibt es zu jedem r > 0 ein n N, so dass d(x j, x) r 2 = ε für alle j n. Es folgt x j B r (x) für alle j n. Ist das Kriterium aus Lemma 9.6 erfüllt, dann gibt es zu jedem ε > 0 ein n N, so dass x j B ε (x) für alle j n d(x j, x) < ε für alle j n. getext: Julia Wolters 71
4 KAPITEL 9. METRISCHE UND NORMIERTE RÄUME 9.7 Lemma (Eindeutigkeit des Grenzwertes) Eine Folge (x j ) j J x X. in einem metrischen Raum (X, d) konvergiert höchstens gegen ein Beweis: Angenommen, (x j ) j J konvergiert gegen x und gegen y und x y. Setze r = d(x, y) > 0. Dann gilt B r (x) B r (y) = (denn z B r (x) B r (y) d(x, z) < r und d(y, z) < r d(x, y) < r + r = r ). Dann kann aber nicht für fast alle j J gelten, dass x j B r (x) und x j B r (y). 2 2 Der eindeutige Grenzwert einer konvergenten Folge (x j ) j J wird (wie in Analysis I) geschrieben: lim j J x j = x Beispiel a): X = R, d(u, v) = u v. Das ist genau der Konvergenzbegriff aus Analysis I für reelle Folgen. Beispiel b): X mit diskreter Metrik. Konvergente Folgen sind genau die Folgen in X, die ab einem gewissen Index konstant sind. 9.8 Definition (X, d) metrischer Raum (a i ) i I Folge. Dies heißt Cauchy-Folge, falls ε > 0 N N i, j I mit i Nundj N : d(a i, a j ) ε 9.9 Satz (X, d) metrischer Raum. Dann ist jede konvergente Folge eine Cauchy-Folge. Beweis: Sei (a i ) i I konvergent gegen x X. Sei ε > 0. Wichtig, da (a i ) konvergent, gilt ein N N, so dass i I mit i N und j N, so dass i I mit i N gilt: d(a, x) ε. 2 Seien i, j I mit i N und j N d(a i, a j ) d(a i, X) + d(a j, X) ε + ε = ε Definition Ein metrischer Raum (X, d) heißt vollständig, falls jede Cauchy-Folge in X konvergiert. 72 getext: Julia Wolters
5 Vorlesung WS SS 2010 Analysis 1 und 2 Prof. Dr. Linus Kramer Beispiel: a) X = R, d(x, y) = x y ist vollständig, vgl. 3.2 a ) X = Q, d(x, y) = x y ist nicht vollständig, denn es gilt Folgen (a i ) rationaler Zahlen die (in R) gegen 2 konvergieren. b) Diskrete Räume sind vollständig. Falls (a i ) Cauchy-Folge in X, gilt für ε > 1 : N N, 2 so dass i, j I mit i N und j N: d(a, a j ) ε d(a 2 i, a j ) = 0, also a i = a j. c) R 2 mit Mannhattan Matrix ist vollständig. Achtung: (X, d) vollständig. Y X Unterraum nicht notwendig vollständig Definition (X, d) metrischer Räume. Eine Teilmenge A X heißt abgeschlossen in X, falls für jede Folge in A, die in X konvergiert, der Grenzwert in A liegt. Beispiel: i), X sind immer abgeschlossen ii) u, v R, u < v, A = [u, v] ist abgeschlossen. Dann (a i ) in A i I gilt u a v. Insbesondere gilt für x := lim a, u x v (vgl. Ana I) x A. iii) A = (0, 1) = {x R 0 < x < 1} nicht abgeschlsosen, dann setzte a i = 1 2, I = N. Dann gilt lim a = 0 / A Satz (X, d) metrischer Raum i) Vereinigung endlich vieler abgeschlossener Mengen sind abgeschlossen. ii) Beliebige Durchschnitte abgeschlossener Mengen sind abgeschlossene. Beweis: getext: Julia Wolters 73
6 KAPITEL 9. METRISCHE UND NORMIERTE RÄUME i) Zunächst: A, B X abgeschlossen. ZZ A B abgeschlossen. Sei (x i ) i I Folge in A B mit Grenzwert x X i. ZZ/, x A B I 1 := {i I x i A} und I 2 := {i I x i B} mit I = I 1 I 2. I unendlich I 1 unendlich oder I 2 unendlich. OE I 1 unendlich. (a i ) i I. Teilfolge liegt in A x = lim a i A. i I1 Allgemein per Induktion: A 1, A 2,..., A n abgeschlossen, A := A 1 A 2... A n. Zeige A abschlossen. Induktion nach n: IA: n = 1 IS: n n + 1: A = A 1 A 2... A }{{ n A } n+1 abgeschlossen (s.o.). abg. nach IV ii) Sei A eine Menge abgeschlossener Teilmengen von X. B = x A A = {x X A A : x A}. ZZB abgeschlossen. Sei (b j ) j J Folge in B mit Grenzwert x X. ZZx B Sei A A beliebig b j A, für alle j J. Da A abgeschlossen x A. Also x A für jedes A A x B. Bemerkung: Satz 9.12 falsch für beliebige Vereinigungen. Beispiel: Für n N sei A n := [ 1, 1 ] 1 n n, n 2. A2 = { } 1 2, A3 = [ 1, 2 3 3],.... A = A n = (0, 1) nicht abgeschlossen. n Satz Sei (X, d) vollständiger metrischer Raum A X ist abgeschlossen A ist als Teilmenge vollständig. 1 Beweis: Angenommen, A X ist abgeschlossen. Sei (a j ) j J eine Cauchy-Folge in A. Weil X vollständig ist, hat diese Folge einen Grenzwert x = lima j X. Da A abgeschlossen in j J X ist, folgt x A. Sei nun A vollständig als metrischer Raum. Sei (a j ) j J Folge in A mit Grenzwert x X. Da (a j ) j J eine konvergente Folge in X ist, ist sie eine Cauchy-Folge. Da A vollständig ist, hat diese Folge ihren Grenzwert in A, dh. x A. Also ist A abgeschlossen in X. Achtung: Beispiel: X = (0, 1) R, d(u, v) = u v A = ( 0, 2] 1 X. Die Teilmenge A ist abgeschlossen in X (aber nicht in R!). Aber: A ist nicht vollständig. a n = 1, n 1 ist Cauchy-Folge in A, hat aber keinen 2 Grenzwert in A. Das ist KEIN Widerspruch zu Satz 9.13! Denn X ist selber gar nicht vollständig. 1 Umformulierung: Sei (X, d) vollständiger metrischer Raum. Eine Teilmenge A X ist genau dann vollständig, wenn sie abgeschlossen ist in X. 74 getext: Julia Wolters
7 Vorlesung WS SS 2010 Analysis 1 und 2 Prof. Dr. Linus Kramer Vollständigkeit ist eine innere Eigenschaft von metrischen Räumen. Abgeschlossenheit ist eine Eigenschaft von Teilmengen eines metrischen Raumes, man muss dazu sagen: abgeschlossen in folgenden Raum Definition Sei V ein reeller Vektorraum (beliebiger, evt. unendlicher Dimension). Eine Norm auf V ist eine Abbildung : V R, v v. Dann soll folgendes gelten: (N1) v 0 für alle v V. v = 0 v = 0 (Nullvektor). (N2) Für alle v V, r R gilt v r = v r. Insbesondere gilt v = v. (N3) Für alle u, v V ist u + v u + v (Dreiecksungleichung) Das Paar (V, ) heißt normierter (Vektor)Raum. Beispiele a) V = R n, v = (v 1,..., v n ) R n, v 1 = n v k. Sogenannte l 1 -Norm auf R n. k=1 b) V = R n, v = = max { v 1,..., v n } ebenfalls Norm. Sogenannte l -Norm oder Supremumsnorm Satz Sei (V, ) ein normierter Vektorraum. Setze d(u, v) = u v. Das ist eine Metrik auf V. Beweis: (M1) u v = v u 0, also gilt (M1). (M2) u v = 0 u = v, also gilt (M2). (M3) u w = u v + v w u v + v + w, also gilt (M3). Jeder normierte Vektorraum ist also ein metrischer Raum und wir können nun über Konvergenz, Abgeschlossen, Cauchy-Folgen usw. in normierten Räumen sprechen. getext: Julia Wolters 75
8 KAPITEL 9. METRISCHE UND NORMIERTE RÄUME 9.16 Definition Ein normierter Vektorraum, der vollständig ist, heißt Banachraum 2. Beispiel: R n mit der l 1 -Norm oder l -Norm ist ein Banachraum. Beweis: Sei (v j ) j J eine Folge von Vektoren, die Cauchy-Folge ist. v k = (v 1,j, v 2,j,..., v n,j ). Es gilt (für beide Normen) v k,l v k,m v l v m v l v m 1 Folglich ist die reelle Folge (v k,j ) j J eine Cauchy-Folge in R. Sei u k R ihr Grenzwert, sei u = (u 1,..., u n ). Beh: Die Folge der (v j ) j J konvergiert gegen u. Es sei ε > 0 gegeben. Wähle n 0 N so, dass v k,j u k ε für alle k = 1,..., n und alle n j n 0. Es folgt v j u 1 ε + ε ε = ε für j n n n n 0, v j u v j u 1 ε für j n 0. Damit sind (R n, 1 ) und (R n, ) Banachräume. 3 Beispiele: [a, b] R B([a, b], R) = {f : [a, b] R f beschränkt}. Setze f = sup { f(x) x [a, b]} Supremumsnorm, vlg Analysis I. Das ist eine Norm und (B([a, b], R), ) ist vollständig, vlg. Analysis I. R([a, b], R) = {f : [a, b] R f Regelfunktion}. Nach Satz 5.11 ist (R([a, b], R), ) vollständig. C([a, b], R) = {f : [a, b] R f stetig} ist ebenfalls vollständig, vlg Kapitel 4 Übungsaufgabe Fazit: (B([a, b], R), ), (R([a, b], R), ) und (C([a, b], R), ) sind Banachräume Definition Sei V ein reeller Vektorraum. Eine Abbildung h : V V R, (u, v) h(u, v) heißt bilinear, falls für alle u, v, w V, r R gilt: h(u + v, w) = h(u, w) + h(v, w), h(u, v + w) = h(u, v) + h(u, w) h(u r, v) = h(u, v r) = h(u, v) r 3 Später: R n ist bzgl. jeder Norm vollständig. 76 getext: Julia Wolters
9 Vorlesung WS SS 2010 Analysis 1 und 2 Prof. Dr. Linus Kramer h ist Bilinearform. Falls h(u, v) = h(v, u) für alle u, v, so heißt h symmetrische Bilinearform. Falls weiter gilt: h(u, u) 0 für alle u V und h(u, u) = 0 u = 0, dann heißt h inneres Produkt oder Skalarprodukt. Beispiel: V = R n, A = (a i,j ) n i,j 1, n n-matrix, Bilinearform ist genau dann symmetrisch, wenn die Matrix A symmetrisch ist, a ij = a ji für alle i, j, d.h. wenn A T = A. 1 0 Beispiel: Die Einheitsmatrix =... = A 0 1 n u i a ij v j = n u i v i Standardskalarprodukt auf R n i,j=1 h(u, u) = n u 2 i 0, n u 2 i = 0 genau dann, wenn alle u i = 0. Skalarprodukt Definition und Satz Sei V ein reeller Vektorraum, sei h ein inneres Produkt / Skalarprodukt. Setze u = h(u, u). Behauptung: Das ist eine Norm auf V. Das Paar (V, h) heißt Prä-Hilbert-Raum 4 Warum ist das eine Norm? u 0 und u = 0 genau dann, wenn u = 0. ( ) u r = h(u r, u r) = h(u, u)r 2 = h(u, u) r = u r. ( ) Fehlt noch die Dreieckungleichung. Dazu benötige wir die Cauchy-Schwarz-Ungleichung Satz (Cauchy-Schwarz-Ungleichung) Sei h ein inneres Produkt auf V. Dann gilt für alle u, v V h(u, v) h(u, u) h(v, v) Beweis, dass u = h(u, u) die Dreiecksungleichung erfüllt u + v 2 = h(u + v, u + v) = u 2 + v 2 + 2h(u, v) Cauchy Schwarz Ungleichung u 2 + v u v = ( u + v ) 2 u + v u + v getext: Julia Wolters 77
10 KAPITEL 9. METRISCHE UND NORMIERTE RÄUME Beispiel R n, h(u, v) = n u i v i (Standard-Skalarprodukt) Die zugehörige Norm ist eine l 2 -Norm, die euklidsche Norm u 2 = n Man nennt (R n, 2 ) einen (den) euklidschen Vektorraum. Die Cauchy-Schwarz-Ungleichung für den R n besagt ( n ) 2 ( n u i v i Klassische Formulierung: Es gilt im R n u 2 i u 2 i ) ( n v 2 i ) u 1 u 2 u 1 n u 1 Folgerung: Alle drei Normen liefern den selben Begriff von Konvergenz, Abgeschlossenheit, Cauchy-Folgen, etc. Insbesondere ist der R n bzgl. aller drei Normen vollständig Definition Ein Vektorraum mit innerem Produkt, der vollständig ist in der zugehörigen Norm heißt Hilbert-Raum. Beispiel: R n ist Hilbert-Raum mit dem Standard-Skalarprodukt. Hilbert-Räume sind also spezielle Banach-Räume. Beispiel: (R n, 1 ) Banach-Raum, aber kein Hilbert-Raum (es gibt keine Bilinearform zur 1 -Norm) 9.21 Beispiel (Der Hilbert-Raum l 2 (R)) l 2 (R) ist die Menge aller reellen Folgen (a n ) n N, a n R mit der Eigenschaft n a 2 n < i=0 78 getext: Julia Wolters
11 Vorlesung WS SS 2010 Analysis 1 und 2 Prof. Dr. Linus Kramer Satz: l 2 (R) ist ein Hilbert-Raum mit innerem Produkt h(a, b) = a i b i mit a i = (a i ) i N, b = (b i ) i N. Beispiel: l 2 (R), Folgen (a n ) R, h(a, b) = n=0 a n b n. Wir hatten gezeigt, l 2 (R) ist ein Vektorraum. Bleibt zu zeige l 2 (R) ist vollständig. Angenommen (a j ) j J ist eine Cauchy-Folge in l 2 (R). Jedoch ist eine reelle Folge (a k,j ) k N. Für jedes k N gilt (a k,l a 2 k,m a l a m 2 2) Folglich ist für jedes k N die Folge (a k,j ) j J eine Cauchy-Folge. Sei also b k = lim j J a k,j. Sei ε > 0 geben, sei n 0 N, so dass Grenzumgebung n k=0 a l a n 2 2 ε 2 l, m n 0 a k,l a n,m 2 < ε l, m n 0 n b k a n,m 2 ε l, m n 0 k=0 dabei ist n beliebig. Nun lassen wir n laufen. Es folgt b k a k,m 2 ε m n 0 k=0 Insbesondere ist also b = (b k ) k N l 2 (R) und die Folge (a j ) j J konvergent gegen b Bemerkung Nicht jede Norm kommt von einem inneren Produkt. Das kann man so sehen: u 2 = h(u, u), so folgt: h(u + v, u + v) = h(u, u) + h(v, v) +2h(u, v) }{{}}{{}}{{} u+v 2 u 2 v 2 = h(u, v) = 1 2 ( u + v 2 u 2 v 2 ) d.h. aus der Norm kann man h gewinnen. Aber wenn man rechts zum Beispiel die l 1 -Norm auf R 2 einsetzt, so ist die linke Seite keine Bilinearform. getext: Julia Wolters 79
(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e)
27 15. Metrische Räume Mit Hilfe einer Norm können wir den Abstand x y zweier Punkte x, y messen. Eine Metrik ist eine Verallgemeinerung dieses Konzepts: 15.1. Metriken. Es sei M eine beliebige Menge.
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
MehrAnalysis 2. Prof. Dr. Linus Kramer SS getext von Julia Wolters
Analysis 2 Prof. Dr. Linus Kramer SS 2010 getext von Julia Wolters Inhaltsverzeichnis 9. Metrische und normierte Räume 1 10.Stetigkeit 13 11.Offene Mengen und Kurven 23 12.Differentialgleichung in Vektorräumen
Mehrist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1
24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrMathematik I. Vorlesung 19. Metrische Räume
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 19 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines Vektors
MehrVollständigkeit. Andreas Schmitt. Ausarbeitung zum Proseminar zur Topologie im WS 2012/13
Vollständigkeit Andreas Schmitt Ausarbeitung zum Proseminar zur Topologie im WS 2012/13 1 Einleitung Bei der Konvergenz von Folgen im Raum der reellen Zahlen R trifft man schnell auf den Begriff der Cauchy-Folge.
MehrUltrametrik. Christian Semrau Metrische Räume
Ultrametrik Christian Semrau 05.11.2002 Inhaltsverzeichnis 1 Metrische Räume 1 1.1 Definition der Metrik.................................. 1 1.2 Offene und abgeschlossene Mengen..........................
MehrDefinition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR
0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen
MehrDie Topologie von R, C und R n
Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).
Mehr30 Metriken und Normen
31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für
MehrCauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit
Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das
MehrÜbungsblatt 2 - Analysis 2, Prof. G. Hemion
Tutor: Martin Friesen, martin.friesen@gmx.de Übungsblatt 2 - Analysis 2, Prof. G. Hemion Um die hier gestellten Aufgaben zu lösen brauchen wir ein wenig Kentnisse über das Infimum bzw. Supremum einer Menge.
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
MehrEtwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann
Etwas Topologie Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Literatur Abraham, Marsden, Foundations of Mechanics, Addison Wesley 1978, Seiten 3 17 Definition. Ein topologischer
Mehr5 Teilmengen von R und von R n
5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 32 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines
Mehrd(x, z) = z x = y x + z y y x + z y = d(x, y) + d(y, z). d(x, y) = 0, falls x = y.
Metrische Räume K bezeichnet entweder den Körper R oder den Körper C. Genauer bedeutet dies: K wird in denjenigen Situationen verwendet, in denen die Ersetzung von K sowohl durch R als auch durch C einen
MehrTopologische Begriffe
Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
MehrFerienkurs Analysis 1
Skript Ferienkurs Analysis 1 Fabian Hafner und Thomas Baldauf TUM Wintersemester 2016/17 04.04.2017 Das Skript wurde teilweise übernommen vom Skript des Ferienkurses WS 2014, verfasst von Andreas Wörfel.
MehrAnalysis I. Guofang Wang Universität Freiburg
Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum
MehrZusammenfassung Analysis 2
Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge
Mehr20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen
20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium
Mehr12 Biholomorphe Abbildungen
12 Biholomorphe Abbildungen 2 Funktionenräume Wir erinnern zunächst an den Weierstraßschen Konvergenzsatz : 2.1 Satz. Sei G C ein Gebiet, (f n ) eine Folge holomorpher Funktionen auf G, die auf G kompakt
Mehr22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion
KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 0/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
MehrGleichmäßige Konvergenz und Funktionenräume
Gleichmäßige Konvergenz und Funktionenräume Isabella Lukasewitz und Andreas Brack 07.06.2010 Vortrag zum Proseminar zur Analysis Konvergenz und Funktionenräume INHALTSVERZEICHNIS Bereits in den Vorlesungen
MehrRechenoperationen mit Folgen. Rekursion und Iteration.
Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )
MehrMetrische Räume. Kapitel Begriff des metrischen Raumes
Kapitel 8 Metrische Räume 8.1 Begriff des metrischen Raumes Bemerkung 8.1 Motivation. In diesem Abschnitt wird der Begriff des Abstandes zwischen reellen Zahlen verallgemeinert. Das ist notwendig, um Analysis
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
MehrKompaktheit und Überdeckungen. 1 Überdeckungskompaktheit
Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer In diesem Vortrag werden die Eigenschaften von kompakten, metrischen Räumen vertieft. Unser Ziel ist es Techniken zu erlernen, um
Mehr8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN
8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
Mehr$Id: folgen.tex,v /05/31 12:40:06 hk Exp $ an 1 2 n 1 ist gerade, 3a n 1 + 1, a n 1 ist ungerade.
$Id: folgen.tex,v. 202/05/3 2:40:06 hk Exp $ 6 Folgen Am Ende der letzten Sitzung hatten wir Folgen in einer Menge X als Abbildungen a : N X definiert, die dann typischerweise in der Form (a n ) n N, also
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
Mehrdie gewünschte Schranke gefunden, denn es gilt (trivialerweise) für n N
.5. VOLLSTÄNDIGKEIT VON R 37 Lemma.5. (Beschränktheit konvergenter Folgen) Konvergente Folgen in R sind beschränkt. Beweis. Angenommen die Folge a n n N konvergiert gegen A R. Zu ε > 0 existiert ein N
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
Mehr4.4 Hermitesche Formen
44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:
MehrHauptsatz der Zahlentheorie.
Hauptsatz der Zahlentheorie. Satz: Jede natürliche Zahl n N läßt sich als Produkt von Primzahlpotenzen schreiben, n = p r 1 1 p r 2 2... p r k k, wobei p j Primzahl und r j N 0 für 1 j k. Beweis: durch
Mehr34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen
34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen R-Vektorräumen 34.1 Äquivalenz von Normen 34.3 Stetigkeit und Normen linearer Abbildungen 34.4 Äquivalente Normen sind gegeneinander
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
MehrHäufungspunkte und Satz von Bolzano und Weierstraß.
Häufungspunkte und Satz von Bolzano und Weierstraß. Definition: Sei (a nk ) k N eine konvergente Teilfolge der Folge (a n ) n N.Dannwirdder Grenzwert der Teilfolge (a nk ) k N als Häufungspunkt der Folge
MehrLineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß
Lineare Algebra I - 26. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Donnerstag 8.12.: 8:30 Uhr - Vorlesung 10:15 Uhr - große Übung / Fragestunde Klausur: Mittwoch, 14.12. 14:15 Uhr, A3 001 Cauchy-Schwarz
Mehr2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n)
2 Folgen und Reihen 2.1 Folgen in C 2.1.1 Konvergenz von Folgen Eine Folge komplexer Zahlen ist eine Funktion f : N C. Mit a n schreibt man (a n ) n=1, (a n ) oder auch a 1, a 2,.... := f(n) (a n ) heißt
MehrLösungsvorschlag zur Übungsklausur zur Analysis I
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden
MehrTopologische Grundbegriffe II. 1 Begriffe auf Mengen
Vortrag zum Seminar zur Analysis, 03.05.2010 Dennis Joswig, Florian Goy Aufbauend auf den Resultaten der Vorlesung Topologische Grundbegriffe I untersuchen wir weitere topologische Eigenschaften von metrischen
MehrMathematik für Naturwissenschaftler I WS 2009/2010
Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 8 10. November 2009 Kapitel 2. Konvergenz von Folgen und Reihen Definition 27. Eine (reelle bzw. komplexe) Zahlenfolge ist eine R- bzw. C-wertige
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,
MehrTeil III: Mehrdimensionale Analysis
23. Topologische Grundbegriffe 283 Teil III: Mehrdimensionale Analysis 23. Topologische Grundbegriffe Wir haben nun unser Studium der linearen Algebra beendet und wenden uns wieder der Analysis zu. Unser
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,...} = N {0} N. Rationale Zahlen Q := { m } n m Z, n N. Beachte:
MehrZiel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.
6.4 Fixpunkt-Iteration Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. Möglichkeiten: Bisektionsverfahren (Intervallhalbierung) Newton-Verfahren, x k+1 = x k f(x k) f (x k ) für k = 0, 1,
MehrKlausur - Analysis I Lösungsskizzen
Klausur - Analysis I Lösungsskizzen Aufgabe 1.: 5 Punkte Entscheiden Sie, ob folgende Aussagen wahr oder falsch sind. Kennzeichnen Sie wahre Aussagen mit und falsche Aussagen mit. Es sind keine Begründungen
Mehr2 Mengen, Abbildungen und Relationen
Vorlesung WS 08 09 Analysis 1 Dr. Siegfried Echterhoff 2 Mengen, Abbildungen und Relationen Definition 2.1 (Mengen von Cantor, 1845 1918) Eine Menge M ist eine Zusammenfassung von wohlbestimmten und wohl
Mehr9 Vektorräume mit Skalarprodukt
9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden
MehrLebesgue-Integral und L p -Räume
Lebesgue-Integral und L p -Räume Seminar Integraltransformationen, WS 2012/13 1 Treppenfunktionen Grundlage jedes Integralbegriffs ist das geometrisch definierte Integral von Treppenfunktionen. Für A R
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Auf dem R n gibt es sehr viele verschiedene Normen, allerdings hängen sehr viele wichtige Begriffe wie die Konvergenz
MehrAufgabensammlung Grundbegriffe der Topologie
Aufgabensammlung Grundbegriffe der Topologie Sommersemester 2015 (Version 21. Juni 2015) Die vorliegende Aufgabensammlung dient als Grundlage für die Übungen zu,,grundbegriffe der Topologie, die die gleichnamige
MehrDas Newton Verfahren.
Das Newton Verfahren. Ziel: Bestimme eine Nullstelle einer differenzierbaren Funktion f :[a, b] R. Verwende die Newton Iteration: x n+1 := x n f x n) f x n ) für f x n ) 0 mit Startwert x 0. Das Verfahren
MehrAnalysis 2. Contents. Torsten Wedhorn. June 12, Notation. Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen
Analysis 2 Torsten Wedhorn June 12, 2012 Notation Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen Zahlen. Contents 12 Metrische Räume 2 (A) Definition metrischer Räume........................
MehrAnalysis I. Vorlesung 13. Gleichmäßige Stetigkeit
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 13 Gleichmäßige Stetigkeit Die Funktion f: R + R +, x 1/x, ist stetig. In jedem Punkt x R + gibt es zu jedem ǫ > 0 ein δ > 0 mit f(u (x,δ))
Mehr1 Metrische Räume. In diesem Abschnitt wollen wir den Begriff des metrischen Raumes einführen und an einigen Beispielen illustrieren.
1 Metrische Räume 1 Metrische Räume In diesem Abschnitt wollen wir den Begriff des metrischen Raumes einführen und an einigen Beispielen illustrieren. Definition und Beispiele (1.1) Definition (Metrischer
MehrKAPITEL 2. Folgen und Reihen
KAPITEL 2 Folgen und Reihen 1. Konvergenz und Divergenz Definition 2.1 (Folgen). Eine Abbildung a : N R (bzw. a : N 0 R) nennt man Folge. Statt a : N R schreibt man meist (a n ) n N und a n statt a(n).
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Oliver Matte Max Lein Zentralübung Mathematik für Physiker 2 Analysis ) Wintersemester 200/20 Lösungsblatt 5 2..200) 32. Häufungspunkte Sei a
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 2. Folgen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen Mathematik
MehrAnalyis I -Metrische Räume - eine Einführung in die Topologie
Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
MehrProseminar Analysis Vollständigkeit der reellen Zahlen
Proseminar Analysis Vollständigkeit der reellen Zahlen Axel Wagner 18. Juli 2009 1 Voraussetzungen Zunächst wollen wir festhalten, was wir als bekannt voraussetzen: Es sei (Q, +, ) der Körper der rationalen
MehrFerienkurs Analysis 1 - Wintersemester 2014/15. 1 Aussage, Mengen, Induktion, Quantoren
Ferienkurs Analysis 1 - Wintersemester 2014/15 Können Sie die folgenden Fragen beantworten? Sie sollten es auf jeden Fall versuchen. Dieser Fragenkatalog orientiert sich an den Themen der Vorlesung Analysis
Mehr1 Einleitung. 2 Reelle Zahlen. 3 Konvergenz von Folgen
1 Einleitung Können Sie die folgenden Fragen beantworten? Sie sollten es auf jeden Fall versuchen. Dieser Fragenkatalog orientiert sich an den Themen der Vorlesung Analysis 1 aus dem Wintersemester 2008/09
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
Mehra 0, a 1, a 2, a 3,... Dabei stehen die drei Pünktchen für unendlich oft so weiter.
7 Folgen 30 7 Folgen Wir betrachten nun (unendliche) Folgen von Zahlen a 0, a, a 2, a 3,.... Dabei stehen die drei Pünktchen für unendlich oft so weiter. Bezeichnung Wir bezeichnen mit N die Menge der
Mehr,...) ist eine Folge, deren Glieder der Null beliebig nahe kommen. (iii) Die Folge a n = ( 1) n + 1 n oder (a n) = (0, 3 2, 2 3, 5 4, 4 5
3 Folgen 3.1 Definition und Beispiele Eine Abbildung a : Æ Ê heißt (reelle) Zahlenfolge. Statt a(n) schreiben wir kürzer a n und bezeichnen die ganze Folge mit (a n ) n Æ oder einfach (a n ), was aber
Mehr3. Folgen und Reihen. 3.1 Folgen und Grenzwerte. Denition 3.1 (Folge) Kapitelgliederung
Kapitelgliederung 3. Folgen und Reihen 3.1 Folgen und Grenzwerte 3.2 Rechenregeln für konvergente Folgen 3.3 Monotone Folgen und Teilfolgen 3.4 Ein Algorithmus zur Wurzelberechnung 3.5 Reihen 3.6 Absolut
MehrMathematik II. Vorlesung 46. Der Gradient
Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 46 Der Gradient Lemma 46.1. Es sei K ein Körper und V ein K-Vektorraum, der mit einer Bilinearform, versehen sei. Dann gelten folgende Aussagen
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.9 2011/06/01 15:13:45 hk Exp $ $Id: jordan.tex,v 1.3 2011/06/01 15:30:12 hk Exp hk $ 4 Funktionenfolgen und normierte Räume 4.5 Normierte Räume In der letzten Sitzung hatten wir den Begriff
MehrFolgen und Reihen. Thomas Blasi
Folgen und Reihen Thomas Blasi 02.03.2009 Inhaltsverzeichnis Folgen und Grenzwerte 2. Definitionen und Bemerkungen............................. 2.2 Konvergenz und Beschränktheit.............................
MehrÜbungen zur Funktionalanalysis Lösungshinweise Blatt 4
Übungen zur Funktionalanalysis Lösungshinweise Blatt 4 Aufgabe 13 Wie üblich sei l 1 = {x : N K x n < } mit Norm x l 1 = x n und l = {x : N K sup n N x n < } mit x l = sup n N x n Für die Unterräume d
Mehr11. Folgen und Reihen.
- Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
Mehr3.3 Konvergenzkriterien für reelle Folgen
3.3 Konvergenzkriterien für reelle Folgen Satz: Eine monoton wachsende, nach oben beschränkte reelle Folge a n ) n N ist konvergent mit Grenzwert lim a n = sup{a n n N} Beweis: Sei a n ) n N nach oben
MehrKapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen
Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
MehrKlausur zur Höheren Mathematik IV
Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene
MehrFolgen und Reihen. Mathematik-Repetitorium
Folgen und Reihen 1.1 Vollständige Induktion 1.2 Zahlenfolgen 1.3 Eigenschaften konvergenter Zahlenfolgen 1.4 Konvergenzkriterien 1.5 Unendliche Reihen 1.6 Eigenschaften unendlicher Reihen 1.7 Rechnen
MehrTechnische Universität München. Aufgaben Mittwoch SS 2012
Technische Universität München Andreas Wörfel Ferienkurs Analysis 2 für Physiker Aufgaben Mittwoch SS 2012 Aufgabe 1 Äquivalente Aussagen für Stetigkeit( ) Beweisen Sie folgenden Satz: Seien X und Y metrische
MehrWir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung).
Kapitel 4 Metrische Räume und Stetigkeit 4.1 Metrische und normierte Räume 4.2 Folgen in metrischen Räumen 4.3 Offene und abgeschlossene Mengen 4.4 Stetige Funktionen 4.5 Grenzwerte von Funktionen 4.6
Mehr4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 91
Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : R R systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene
Mehr8 KAPITEL 1. GRUNDLAGEN
8 KAPITEL 1. GRUNDLAGEN Beweis. 1. Sei A X abgeschlossen, dann ist X \ A offen und jede offene Überdeckung von A lässt sich durch Hinzunahme von X \ A auf ganz X fortsetzen. Die Kompaktheit von X erlaubt
MehrNormierte, metrische und topologische Räume Stetige und gleichmäßig stetige Abbildungen
Kapitel VIII Normierte, metrische und topologische Räume Stetige und gleichmäßig stetige Abbildungen 33 Normierte und metrische Räume 34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlichdimensionalen
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
MehrSpickzettel Mathe C1
Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. SS 6 9.4.6 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum. Übungsblatt Aufgabe
Mehr