Maximumprinzip und Minimumprinzip
|
|
|
- Hedwig Beutel
- vor 8 Jahren
- Abrufe
Transkript
1 Maximumprinzip und Minimumprinzip Daniela Rottenkolber LMU München Zillertal / Daniela Rottenkolber Maximumprinzip und Minimumprinzip 1/14
2 Übersicht Motivation mit Beispielen Schwaches Maximumprinzip Schwaches Minimumprinzip Starkes Maximumprinzip Starkes Minimumprinzip Daniela Rottenkolber Maximumprinzip und Minimumprinzip 2/14
3 Beispiel im Eindimensionalen f : x x 2 x ] R, R[ für ein R R u (x) = 2 > 0 = kein Maximum im Inneren = max I f = max I f : x x 2 x ] R, R[ für ein R R u (x) = 2 < 0 = kein Minimum im Inneren = min f = min f I I f Daniela Rottenkolber Maximumprinzip und Minimumprinzip 3/14
4 Beispiel im Zweidimensionalen u : (x, y) x 2 y 2 auf B r (M) u = 2u + x 2u = 2 2 = 0 y = kein Maximum und kein Minimum im Inneren = max B = min B u = max B u = min B u u Daniela Rottenkolber Maximumprinzip und Minimumprinzip 4/14
5 Das schwache Maximumprinzip Es soll gelten : (i) ij aij (x) 2 Λ 2 (ii) a ij (x)ξ i ξ j λ ξ 2 x Ω, ξ R n und für das schwache Maximumprinzip: u W 1,2 (Ω) Lu 0 auf Ω sup Ω u sup Ω u + mit Lu = Σ ij xi (a ij (x) xj u) Ω R n Daniela Rottenkolber Maximumprinzip und Minimumprinzip 5/14
6 Beweis Annahme : u ist lipschitz stetig Lu : C 0 R es soll gelten Lu 0, also Lu = Σ ij xi (a ij (x) xj u) 0 Wir multiplizieren Lu nun mit ϕ W 1,2 0 beliebig, L(u, ϕ) = Σ ij xi (a ij (x) xj u)ϕ 0 Σ ij Ω x i(a ij xj u)ϕ dx = Σ ij Ω (a ij xj u) xi ϕ dx 0 ϕ in W 1,2 0 u + δω Setze ϕ = max {u k, 0} und k = sup { i u wenn u > k (ϕ 0) i ϕ = 0 wenn u k (ϕ = 0) Daniela Rottenkolber Maximumprinzip und Minimumprinzip 6/14
7 Beweis Annahme : u ist lipschitz stetig Lu : C 0 R es soll gelten Lu 0, also Lu = Σ ij xi (a ij (x) xj u) 0 Wir multiplizieren Lu nun mit ϕ W 1,2 0 beliebig, L(u, ϕ) = Σ ij xi (a ij (x) xj u)ϕ 0 Σ ij Ω x i(a ij xj u)ϕ dx = Σ ij Ω (a ij xj u) xi ϕ dx 0 ϕ in W 1,2 0 u + δω Setze ϕ = max {u k, 0} und k = sup { i u wenn u > k (ϕ 0) i ϕ = 0 wenn u k (ϕ = 0) Daniela Rottenkolber Maximumprinzip und Minimumprinzip 6/14
8 Beweis Annahme : u ist lipschitz stetig Lu : C 0 R es soll gelten Lu 0, also Lu = Σ ij xi (a ij (x) xj u) 0 Wir multiplizieren Lu nun mit ϕ W 1,2 0 beliebig, L(u, ϕ) = Σ ij xi (a ij (x) xj u)ϕ 0 Σ ij Ω x i(a ij xj u)ϕ dx = Σ ij Ω (a ij xj u) xi ϕ dx 0 ϕ in W 1,2 0 u + δω Setze ϕ = max {u k, 0} und k = sup { i u wenn u > k (ϕ 0) i ϕ = 0 wenn u k (ϕ = 0) Daniela Rottenkolber Maximumprinzip und Minimumprinzip 6/14
9 Beweis Σ ij Ω a ij xj u xi ϕ dx = Σ ij Ω {u>k} a ij xj u xi u dx 0 0 Σ ij Ω {u>k} a ij xj u xi u dx λσ ij {u>k} u 2 0 u = 0 fast überall auf {u > k} kein Supremum auf Ω sup Ω u sup Ω u + Daniela Rottenkolber Maximumprinzip und Minimumprinzip 7/14
10 Beweis Σ ij Ω a ij xj u xi ϕ dx = Σ ij Ω {u>k} a ij xj u xi u dx 0 0 Σ ij Ω {u>k} a ij xj u xi u dx λσ ij {u>k} u 2 0 u = 0 fast überall auf {u > k} kein Supremum auf Ω sup Ω u sup Ω u + Daniela Rottenkolber Maximumprinzip und Minimumprinzip 7/14
11 Beweis Σ ij Ω a ij xj u xi ϕ dx = Σ ij Ω {u>k} a ij xj u xi u dx 0 0 Σ ij Ω {u>k} a ij xj u xi u dx λσ ij {u>k} u 2 0 u = 0 fast überall auf {u > k} kein Supremum auf Ω sup Ω u sup Ω u + Daniela Rottenkolber Maximumprinzip und Minimumprinzip 7/14
12 Beweis Σ ij Ω a ij xj u xi ϕ dx = Σ ij Ω {u>k} a ij xj u xi u dx 0 0 Σ ij Ω {u>k} a ij xj u xi u dx λσ ij {u>k} u 2 0 u = 0 fast überall auf {u > k} kein Supremum auf Ω sup Ω u sup Ω u + Daniela Rottenkolber Maximumprinzip und Minimumprinzip 7/14
13 Das schwache Minimumprinzip Es gelten die gleichen Voraussetzungen (i,ii) wie im schwachen Maximumprinzip. Auÿerdem soll gelten: u W 1,2 (Ω) Lu 0 auf Ω inf u inf Ω Ω u Daniela Rottenkolber Maximumprinzip und Minimumprinzip 8/14
14 Beweis. Wende das schwache Maximumprinzip auf L( u) = Lu 0 an, Wenn Lu 0 sup u sup( u) + Ω Ω inf u inf Ω Ω u inf Ω u inf Ω u Daniela Rottenkolber Maximumprinzip und Minimumprinzip 9/14
15 Korollar der Eindeutigkeit: Sei u W 1,2 0 (Ω) und Lu = 0 auf Ω Dann gilt u = 0 auf Ω Beweis. Lu = 0 sup Ω u = sup u + inf u = inf Ω Ω Ω u Aber da u W 1,2 0 (Ω) sind die Randwerte gleich Null. u = 0 auf Ω Daniela Rottenkolber Maximumprinzip und Minimumprinzip 10/14
16 Das starke Maximumprinzip Es gelten die gleichen Voraussetzungen wie beim schwachen Maximumprinzip (i,ii) Theorem F ür das starke Maximumprinzip gilt nun : u W 1,2 (Ω) und Lu 0 auf Ω Dann folgt aus : sup u = sup u 0 f ür einen Ball B Ω u muss in Ω konstant sein B Ω Daniela Rottenkolber Maximumprinzip und Minimumprinzip 11/14
17 Beweis. Setze B = B R (y) o.b.d.a. sei B 4R (y) Ω. Sei M = sup u und wende die schwache Harnack Ungleichheit B f ür die Sublösung v = (M u) + an 0 R n (M u) B + dx C inf(m u) = 0 2R B u M auf B R und wir erhalten u M auf Ω Daniela Rottenkolber Maximumprinzip und Minimumprinzip 12/14
18 Das starke Minimumprinzip Es gelten die gleichen Voraussetzungen (i, ii) wie im starken Maximumprinzip. Es sei u W 1,2 (Ω) und Lu 0 auf Ω Dann folgt aus: inf u = inf u 0 f ür einen Ball B Ω B Ω u muss auf Ω konstant sein Daniela Rottenkolber Maximumprinzip und Minimumprinzip 13/14
19 Vielen Dank für eure Aufmerksamkeit! Daniela Rottenkolber Maximumprinzip und Minimumprinzip 14/14
Ritz-Galerkin-Verfahren Courant Element
Ritz-alerkin-Verfahren Courant Element Moritz Scherrmann LMU München Zillertal am 09.01.2015 Moritz Scherrmann Ritz-alerkin-Verfahren Courant Element 1/15 Erinnerung Sei R n beschränktes ebiet, f C 0 ()
Analysis der Eikonal-Gleichung Teil I
Analysis der Eikonal-Gleichung Teil I Seminararbeit zur angewandten Mathematik Matthäus Deutsch vorgelegt bei Prof Dr. Wolfgang Ring Institut für Mathematik und Wissenschaftliches Rechnen Universität Graz
Stetige 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
Schwache Konvergenz von Wahrscheinlichkeitsmaßen
Schwache Konvergenz von Wahrscheinlichkeitsmaßen 6. Juli 2010 Inhaltsverzeichnis 1 Definition 2 3 Lindeberg-Bedingung Interpretation Definition Motivation (Konvergenz von Wahrscheinlichkeitsmaßen) Sind
Lösungen zu Übungsblatt 9
Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da
Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator
Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung
Finite Elemente I 2. 1 Variationstheorie
Finite Elemente I 2 1 Variationstheorie 1 Variationstheorie TU Bergakademie Freiberg, SoS 2007 Finite Elemente I 3 1.1 Bilinearformen Definition 1.1 Sei V ein reeller normierter Vektorraum. Eine Bilinearform
Optimale 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
4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden
Kapitel 4 Das Dirichlet Prinzip Bevor wir uns der Lösung von Randwertproblemen mithilfe der eben entwickelten Techniken zuwenden, wollen wir uns einer Idee zur Lösung widmen, die einige Elemente dieser
4 Absolutstetige Verteilungen und Zufallsvariablen 215/1
4 Absolutstetige Verteilungen und Zufallsvariablen 215/1 23. Bemerkung Integralbegriffe für Funktionen f : R d R (i) Lebesgue-Integral (Vorlesung Analysis IV). Spezialfall: (ii) Uneigentliches Riemann-Integral
1.3 Differenzierbarkeit
1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man
Inverse Fourier Transformation
ETH Zürich HS 27 Departement Mathematik Seminararbeit Inverse Fourier Transformation Patricia Hinder Sandra König Oktober 27 Prof. M. Struwe Im Vortrag der letzten Woche haben wir gesehen, dass die Faltung
Numerische Verfahren zur Lösung der Monge-Ampère-Gleichung, Teil II
für zur Lösung der Monge-Ampère-Gleichung, Teil II Andreas Platen Institut für Geometrie und Praktische Mathematik RWTH Aachen Seminar zur Approximationstheorie im Wintersemester 2009/2010 1 / 27 Gliederung
Lösungsvorschlag 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
Lineare partielle Differentialgleichungen, Teile I+II
Lineare partielle Differentialgleichungen, Teile I+II Reiner Schätzle, Ruben Jakob Wintersemester 2014/15 und Sommersemester 2015 Universität Tübingen Inhaltsverzeichnis I Vorbereitungen 1 1 Typen von
Definition 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
Gesetze der großen Zahlen
Kapitel 0 Gesetze der großen Zahlen 0. Einführung Im ersten Kapitel wurde auf eine Erfahrungstatsache im Umgang mit zufälligen Erscheinungen aufmerksam gemacht, die man gewöhnlich als empirisches Gesetz
Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried
Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie Tobias Ried. März 2 2 Aufgabe (Messbarkeit der Komposition zweier Abbildungen). Seien (X, A), (Y, B) und (Z, C) Messräume und f : (X,
(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.
8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =
5 Lagrangeformalismus
63 5 Lagrangeformalismus 5.1 Lagrange und Sattelfunktionen Eine typische Aufgabe ist, daß eine Funktion zweier Veränderlicher L(x, y) gegeben ist und diese Funktion bezüglich einer Variabler (hier x) maximiert
Stationäre Newtonsche Strömung
Stationäre Newtonsche Strömung Bettina Suhr Inhaltsverzeichnis 1 Einleitung 2 2 Die Navier-Stokes-Gleichungen 2 3 Die schwache Formulierung 2 4 Die Ortsdiskretisierung 5 4.1 Taylor-Hood Elemente........................
κ Κα π Κ α α Κ Α
κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ
µ( k= U j,k \K j,k ) µ(u j,k \K j,k ) < 2 j ε. µ(u\k j ) < ε.
3.5. LUSIN, TITZE-URYSOHN UND RIESZ 7 3.5. Lusin, Titze-Urysohn und Riesz. Theorem 3.5. (Lusin). Sei f : X R messbar. Zu U X offen mit µ(u) < und ε > 0 gibt es ein kompaktes K U, so dass gilt: () f K stetig,
Reelle Zufallsvariablen
Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen
Orlicz-Räume. Toni Scharle. Zillertal / LMU München. Motivation N-Funktionen Orlicz-Räume Ausblick
Orlicz-Räume Toni Scharle LMU München Zillertal / 12.12.2013 15.12.2013 Toni Scharle Orlicz-Räume 1/14 Motivation Erinnerung: u L p () = u(x) p dx A ( u(x) ) dx < mit A : R + 0 R+ 0 t t p Mögliche Verallgemeinerung:
Brownsche Bewegung. Satz von Donsker. Bernd Barth Universität Ulm
Brownsche Bewegung Satz von Donsker Bernd Barth Universität Ulm 31.05.2010 Page 2 Brownsche Bewegung 31.05.2010 Inhalt Einführung Straffheit Konvergenz Konstruktion einer zufälligen Funktion Brownsche
4 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
Allgemeine Punktprozesse
Allgemeine Punktprozesse Michael Auchter 17. Mai 2010 Seite 2 Allgemeine Punktprozesse 17. Mai 2010 Inhaltsverzeichnis Definitionen Definition von Punktprozessen Das Intensitätsmaß Stationarität, Isotropie
Gitterfreie Methoden. Florian Hewener. 29. Oktober 2013
Gitterfreie Methoden 1D 2D Florian Hewener 29. Oktober 2013 Gliederung 1 Interpolationsprobleme Problemstellung Haar-Räume 2 Mehrdimensionale Polynominterpolation 3 Splines Kubische Splines und natürliche
Einführung in die Boltzmann-Gleichung. Flavius Guiaş Universität Dortmund
Einführung in die Boltzmann-Gleichung Flavius Guiaş Universität Dortmund Antrittsvorlesung, 19.04.2007 INHALT 1 Herleitung der Boltzmann-Gleichung 2 Boltzmann-Ungleichung und Maxwell-Verteilung 3 H-Theorem
Der Fundamentalsatz der Algebra. 1 Motivation
Vortrag im Rahmen des Proseminars zur Analysis, 24. April 2006 Micha Bittner Motivation Den ersten des Fundamentalsatzes der Algebra erbrachte C.F. Gauss im Jahr 799 im Rahmen seiner Dissertation. Heute
Partielle Differentialgleichungen Kapitel 11
Partielle Differentialgleichungen Kapitel Die Laplace- und Poisson- Gleichungen Die Struktur bei elliptischen Gleichungen zweiter Ordnung ist nicht wesentlich verschieden bei Operatoren mit konstanten
Bootstrap-Methoden zur Ermittlung kritischer Werte für asymptotische FWER-Kontrolle
Bootstrap-Methoden zur Ermittlung kritischer Werte für asymptotische FWER-Kontrolle [Dudoit, van der Laan, Pollard: Multiple Testing. Part I Single-Step Procedures for Control of General Type-I-Error Rates]
Kapitel 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:
Mathematik III. Vorlesung 74. Folgerungen aus dem Satz von Fubini. (( 1 3 x3 1 2 x2 y +2y 3 x) 1 2)dy. ( y +2y y +4y3 )dy
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 74 Folgerungen aus dem Satz von Fubini Beispiel 74.1. Wir wollen das Integral der Funktion f :R 2 R, (x,y) x 2 xy +2y 3, über dem Rechteck
I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...
Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................
3 Das n-dimensionale Integral
3 Das n-dimensionale Integral Ziel: Wir wollen die Integrationstheorie für f : D R n R entwickeln. Wir wollen den Inhalt (beziehungsweise das Maß ) M einer Punktmenge des R n definieren für eine möglichst
Finite Elemente am Beispiel der Poissongleichung
am Beispiel der Poissongleichung Roland Tomasi 11.12.2013 Inhalt 1 2 3 Poissongleichung Sei R n ein Gebiet mit abschnittsweise glattem Rand und f L 2 (). Wir suchen u : R, so dass u = f in, u = 0 Physikalische
Hausdorff Dimension, Zufälligkeit und Berechenbarkeit
Hausdorff Dimension, Zufälligkeit und Berechenbarkeit Jan Reimann Institut für Informatik, Universität Heidelberg Hausdorff Dimension, Zufälligkeit und Berechenbarkeit p.1/34 Hausdorff-Maße Caratheodory-Hausdorff
Die 27 Geraden einer nichtsingulären kubischen Fläche
Die 27 Geraden einer nichtsingulären kubischen Fläche Tobias Peter Semesterarbeit in Mathematik ETH Zürich, 2005 Betreuer: Prof. Dr. Richard Pink Inhaltsverzeichnis 1 Einleitung 1 2 Grundlagen 2 2.1 Grassmannsche
Step-Down Prozeduren
Step-Down Prozeduren zur Kontrolle der Family-Wise Error Rate WS 2010/2011 Jakob Gierl HU Berlin 07.02.2011 1 / 19 Modell Schrittweise Step-Down Modell mathematische Stichprobe X 1,..., X n iid im R J
Kapitel 5. Schwache Lösungen und Regularität. 5.1 Operatoren in Divergenzform. Inhaltsangabe
Kapitel 5 Schwache Lösungen und Regularität Inhaltsangabe 5.1 Operatoren in Divergenzform........... 91 5.2 Schwache Lösbarkeit................. 92 5.3 Schwaches Maximumprinzip............ 106 5.4 Differenzenquotienten................
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :
24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar
Übungen zu Partielle Differentialgleichungen, WS 2016
Übungen zu Partielle Differentialgleichungen, WS 2016 Ulisse Stefanelli 16. Januar 2017 1 Beispiele 1. Betrachten Sie die Beispiele von nichtlinearen PDG und Systemen, die wir im Kurs diskutiert haben,
Lösungen 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
KONSTRUKTION VON MASSEN
KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer
Probeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen
MATHEMATISCHES INSTITUT SoSe 24 DER UNIVERSITÄT MÜNCHEN Probeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen Musterlösung Prof. Dr. P. Pickl Aufgabe Zeigen Sie, dass
10 Der Integralsatz von Gauß
10 Der Integralsatz von Gauß In diesem Abschnitt beweisen wir den Integralsatz von Gauß, die mehrdimensionale Verallgemeinerung des Hauptsatzes der Differential- und Integralrechnung. Aussage des Satzes
Finite Elemente. bzw. F + E K = 1. (1)
Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 25 Finite Elemente Übung 2 Aufgabe 6 (Eulerscher Polyedersatz für Triangulierung)
f(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
Finite Elemente Methode für elliptische Differentialgleichungen
Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte
Examenskurs Analysis Probeklausur I
Georg Tamme Sommersemester 14 Examenskurs Analysis Probeklausur I 5.6.14 F1II1. Sei f : C C eine ganze Funktion. Entscheiden Sie, ob die folgenden Behauptungen wahr sind. Begründen Sie Ihre Antwort jeweils
Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.
Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.
Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses
Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses Thomas Steinle Seminar Zufällige Felder Universität Ulm 18. November, 2008 Einleitung Inhalt Einleitung Wiederholung und Themenvorstellung Wichtiges
Algebra. Aufgabe 7 Es sei R ein Ring. Zeige, daß das Zentrum Z(R) ein Unterring von R ist. Ist das Zentrum ein Ideal in R?
Fachbereich Mathematik Prof. Dr. Nils Scheithauer Walter Reußwig TECHNISCHE UNIVERSITÄT DARMSTADT WS 08/09 21. Oktober 2008 Algebra 2. Übung mit Lösungshinweisen Aufgabe 7 Es sei R ein Ring. Zeige, daß
Kapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
Axiomatik der reellen Zahlen
Kapitel 13 Axiomatik der reellen Zahlen 13.1 Motivation Analysis beschäftigt sich mit Grenzwerten, Differentiation und Integration. Viele Phänomene in den Natur- und Ingenieurswissenschaften lassen sich
Statistik - Fehlerrechnung - Auswertung von Messungen
Statistik - Fehlerrechnung - Auswertung von Messungen TEIL II Vorbereitungskurs F-Praktikum B (Physik), RWTH Aachen Thomas Hebbeker Eindimensionaler Fall: Parameterbestimmung - Beispiele [Übung] Mehrdimensionaler
10. Elliptische Regularitätstheorie.
10. Elliptisce Regularitätsteorie. Wir disutieren zunäcst die Fragestellung, um die es in diesem Paragrapen get. Sei u 0 scwace Lsg. des elliptiscen RWPs { Lu = f in, u = 0 auf, 10.1) d.., es sei u 0 H
5 Numerische Iterationsverfahren
In diesem Kapitel besprechen wir numerische Iterationsverfahren (insbesondere Fixpunktverfahren) als eine weitere Lösungsmethode zur Lösung von linearen Gleichungssystemen (Kapitel 4) sowie zur Lösung
Entwicklung einer hp-fast-multipole-
Entwicklung einer hp-fast-multipole- Boundary-Elemente-Methode Übersicht: 1. Motivation 2. Theoretische Grundlagen a) Boundary-Elemente-Methode b) Fast-Multipole-Methode 3. Erweiterungen a) Elementordnung
Extrapolation und Interpolation von räumlichen Mustern
Extrapolation und Interpolation von räumlichen Mustern 01. Juli 2008 Inhaltsverzeichnis 1 Interpolation Extrapolation Beispiel: Mammutbaumsetzlinge 2 Grundlagen Keim-Korn- Clusterprozesse Cox-Clusterprozess
Stochastische Finanzmathematik I
Notizen zu der Vorlesung Stochastische Finanzmathemati I 1 Zum Ein-perioden-Modell 1.1 Beispiel: Zwei-wertiges Modell: π 0 = 1, S 0 =, { b Wahrs. p S 1 = a Wahrs. 1 p Arbitrage frei: Es gibt p 0, 1) mit
Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.
Lösungen Klausur Aufgabe (3 Punkte) Zeigen Sie, dass n k k (n + ) n k für alle n N. IA: Für n ist k kk 2 2. IV: Es gilt n k kk (n + ) n für ein n N. IS: Wir haben n+ k k k n k k + (n + ) n+ k IV (n + )
Wenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
6 Die Bedeutung der Ableitung
6 Die Bedeutung der Ableitung 24 6 Die Bedeutung der Ableitung Wir wollen in diesem Kapitel diskutieren, inwieweit man aus der Kenntnis der Ableitung Rückschlüsse über die Funktion f ziehen kann Zunächst
Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)
M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.
Stochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
=!'04 #>4 )-:!- / )) $!# & $ % # %)6 ) + # 6 0 %% )90 % 1% $ 9116 69)" %" :"6. 1-0 &6 -% ' 0' )%1 0(,"'% #6 0 )90 1-11 ) 9 #,0. 1 #% 0 9 & %) ) '' #' ) 0 # %6 ;+'' 0 6%((&0 6?9 ;+'' 0 9)&6? #' 1 0 +& $
Nichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
15 Hauptsätze über stetige Funktionen
15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen
8 Konvergenzkriterien und Häufungswerte von Folgen in R
8 Konvergenzkriterien und Häufungswerte von Folgen in R 8.1 Konvergenz monotoner Folgen 8.2 Die Zahl e 8.3 Existenz monotoner Teilfolgen 8.4 Auswahlprinzip von Bolzano-Weierstraß 8.5 Konvergenzkriterium
Seminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
Eine Eigenwertabschätzung und Ihre Anwendungen
Eine Eigenwertabschätzung und Ihre Anwendungen Marcel Hansmann, TU Chemnitz Hagen, den 09.02.2011 M. Hansmann (TU Chemnitz) Hagen, den 09.02.2011 1 / 32 Inhalt 1 Einleitung 2 Die Eigenwertabschätzung 3
Cauchy-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
Die Determinante. Lineare Algebra I. Kapitel Mai 2013
Die Determinante Lineare Algebra I Kapitel 7 21. Mai 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: [email protected] Assistent:
Die Perronsche Methode
Emilia Finsterwald und Peter Schrank 21.06.2012 Gliederung 1 Oskar Perron 2 3 4 5 6 7 8 Oskar Perron (1880-1975) b7.mai 1880 in Frankenthal - d22.feb. 1975 in München Lösung eines speziellen s Im Fall
Ziel: 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,
MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016
MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/17 MARK HAMILTON LMU MÜNCHEN 1.1. Grundbegriffe zu Mengen. 1. 17. OKTOBER 2016 Definition 1.1 (Mengen und Elemente). Eine Menge ist die Zusammenfassung
9 Metrische und normierte Räume
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
Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
A. Maß- und Integrationstheorie
A. Maß- und Integrationstheorie Im folgenden sind einige Ergebnisse aus der Maß- und Integrationstheorie zusammengestellt, die wir im Laufe der Vorlesung brauchen werden. Für die Beweise der Sätze sei
f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
Klassische Differentialgeometrie
Klassische Differentialgeometrie Das Plateausche Problem Julius Lang Sommersemester 2017 Das Plateausche Problem Struktur der Vorlesung 1. Die Problemstellung 2. Mathematische Setting und ein Ansatz 3.
Übungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.
Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.
Übungsblatt 2 - Analysis 2, Prof. G. Hemion
Tutor: Martin Friesen, [email protected] 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.
Optimaler Transport. Marzena Franek. Skiseminar Februar Institut für Numerische und Angewandte Mathematik
Institut für Numerische und Angewandte Mathematik Skiseminar Februar 2009 1 Das Problem von Monge 1 Das Problem von Monge 2 1 Das Problem von Monge 2 3 1 Das Problem von Monge 2 3 4 1 Das Problem von Monge
