VERALLGEMEINERTE FUNKTIONEN. und ELEMENTE DER FUNKTIONALANALYSIS KURZSKRIPTUM. Prof. Dr. K. Pilzweger
|
|
- Kristian Baumann
- vor 6 Jahren
- Abrufe
Transkript
1 VERALLGEMEINERTE FUNKTIONEN und ELEMENTE DER FUNKTIONALANALYSIS KURZSKRIPTUM Prof. Dr. K. Pilzweger UNIVERSITÄT DER BUNDESWEHR MÜNCHEN FAKULTÄT FÜR ELEKTROTECHNIK UND INFORMATIONSTECHNIK Herbsttrimester 2012
2 -1- KAP I. EINFÜHRUNG 1. Einführendes Beispiel: * - Funktion Das bekannteste Beispiel für eine verallgemeinerte Funktion ist die Diracsche Deltafunktion *(t), die oft auch als Diracsche Impulsfunktion oder Einheitsimpulsfunktion bezeichnet wird. Man kann sie durch ihre sog. Ausblendeigenschaft definieren. Darunter versteht man die Aussage, dass (1.1) für jedes t 0 0 ú und jede in t ' t 0 stetige Funktion f : ú 6 ú. Speziell für t 0 ' 0 folgt daraus, dass (1.2) für jede in t ' 0 stetige Funktion f : ú 6 ú. Mit Hilfe der Substitution u ' t & t 0 erkennt man, dass umgekehrt auch (1.1) aus (1.2) folgt, so dass beide Aussagen zueinander äquivalent sind. Nun kann man sich aber relativ schnell davon überzeugen (s. Vorlesung), dass es keine gewöhnliche Funktion * : ú 6 ú geben kann, so dass (1.2) oder, gleichbedeutend damit, (1.1) richtig ist. Die Deltafunktion *(t) ist daher keine gewöhnliche Funktion, sondern ein anderes mathematisches Objekt, eben eine verallgemeinerte Funktion oder, wie man auch sagt, eine Distribution. Wenn auch keine Funktion im üblichen Sinne, so lässt sich *(t) doch durch solche Funktionen beliebig genau approximieren. Daraus ergibt sich dann eine Möglichkeit, sich eine Vorstellung von *(t) zu machen. Um dies zu erklären, betrachten wir irgendeine Funktion D : ú 6 ú, die außerhalb eines abgeschlossenen Intervalls [a, b] d ú verschwindet (d. h.: D(t) ' 0 für t ó [a, b]) und für die gilt. Beispiele dafür sind etwa (1.3) oder Damit definieren wir dann für jedes g > 0 die Funktion die aus D(t) durch eine Kontraktion in waagrechter und eine Dilatation in senkrechter Richtung jeweils um den Faktor 1/g hervorgeht. Bei g denke man vor allem an eine kleine positive Zahl. Für die obigen zwei Beispiele gilt bzw. Auch das Integral von D g (t) von &4 bis %4 ist für jedes g > 0 gleich 1, denn:
3 Dabei wurde die Substitutionsregel der Integralrechnung mit u ' t/g angewandt. Wie in der Vorlesung weiter gezeigt wird, gilt nun -2- für jede in t ' 0 stetige Funktion f : ú 6 ú, so dass D g (t) für g 6 0% die Gleichung (1.2) immer genauer und schließlich beliebig genau erfüllt. Weil diese Gleichung die Deltafunktion *(t) definiert, kann man sich deshalb *(t) als den idealen Grenzfall der Funktion D g (t) für g 6 0% vorstellen. Für die Beispiele (1.3) ergeben sich die folgenden Bilder: 2. Ergänzungen zur Analysis (2.1) Stückweise stetige Funktionen. Unter einer (gewöhnlichen) Funktion wird im Folgenden immer eine Funktion vom Typ f : A 6 ú oder f : A 6, wobei A d ú, verstanden. Ohne es jedes Mal besonders zu erwähnen, setzen wir stets voraus, dass sie stetig oder wenigstens stückweise stetig auf ú ist. Sie heißt stetig auf ú, wenn sie in jedem t 0 ú definiert und stetig ist. Es ist dann A ' ú. Zur Erklärung des Begriffs stückweise stetig auf ú zuerst die folgende (2.1.1) Definition: Eine Menge S d ú heißt diskret, wenn in jedem Intervall [a, b] d ú höchstens endlich viele Punkte aus S liegen. Jede endliche Menge S ' {t 1, t 2,..., t n } ist diskret. Eine unendliche Menge S d ú ist es genau dann, wenn sich ihre Punkte nirgendwo auf der reellen Achse häufen. Die für uns wichtigsten Beispiele für eine unendliche diskrete Menge sind S ' {n)t* n 0 ù 0 }' {0,)t, 2 )t, 3 )t,...} und S ' {k)t* k 0 }' {0, ± )t, ± 2 )t, ± 3 )t,...}, wobei )t > 0 fest vorgegeben. ù 0 bezeichnet die Menge der nichtnegativen ganzen Zahlen, kurz: ù 0 :' ù c {0}. (2.1.2) Definition: Eine Funktion f : A (d ú) 6 ú heißt stückweise stetig auf ú, wenn es eine nichtleere diskrete Menge S d ú gibt, so dass f nur für jedes t 0 ú\s definiert und stetig ist und in jedem Punkt t 0 0 S die einseitigen Grenzwerte
4 -3- und eigentlich oder uneigentlich existieren. Einen Punkt t 0 0 S nennen wir eine singuläre Stelle von f. In einer singulären Stelle ist f entweder nicht definiert oder zwar definiert, aber nicht stetig. Eine t 0 0 S heißt eine Unendlichkeitsstelle von f, wenn oder. Wenn nicht für alle t 0 ú definiert, ist eine stückweise stetige Funktion immerhin noch für fast alle t 0 ú, d. h. für alle t 0 ú außerhalb einer diskreten Teilmenge von ú definiert. (2.3) Definition: Eine Funktion f : A (d ú) 6 heißt stückweise stetig auf ú, wenn Re[f] und Im[f], Real- und Imaginärteil von f, stückweise stetig auf ú sind. Ein Punkt t 0 0 ú ist eine singuläre Stelle von f, wenn er eine von Re[f] oder Im[f] ist. (2.2) Heavisidesche Sprungfunktion. (2.2.1) Definition: Die durch definierte Funktion s : ú 6 ú heißt Heavisidesche Sprungfunktion oder Einheitssprungfunktion. Wichtig ist auch die Sprungfunktion s(t & t 0 ), wobei t 0 0 ú fest. Sie entsteht aus s(t) durch eine Translation um t 0 in t - Richtung. Die Bedeutung der Sprungfunktion s(t) liegt u. a. darin, dass mit ihr stückweise definierte Funktionen in geschlossener Form dargestellt werden können. (2.2.2) Beispiel: Seien t 1, t 2 0 ú mit t 1 < t 2 und sei mit irgendwelchen Funktionen f 1, f 2 und f 3. Dann gilt:
5 -4- für alle t 0 ú\{t 1, t 2 }. (2.3) Ergänzungen zur Integralrechnung. Sei f : A (d ú) 6 ú eine auf ú stückweise stetige Funktion und seien a, b 0 ú mit a < b. Enthält das Intervall [a, b] keine singuläre Stellen von f, so ist das Integral unproblematisch, weil f dann stetig auf [a, b] ist und so das Integral (als Grenzwert Riemannscher Summen) eigentlich existiert. Ein Problem entsteht erst, wenn im Integrationsintervall eine oder mehrere singuläre Stellen von f liegen. Wir behandeln zuerst die Fälle, dass es genau eine singuläre Stelle t 0 von f enthält und diese mit einem seiner beiden Randpunkte zusammenfällt. (2.3.1) Definition: Sei t 0 eine singuläre Stelle von f und seien a, b 0 ú mit a < t 0 < b und derart, dass in [a, b] außer t 0 keine weitere singuläre Stelle von f liegt. Dann ist definiert: 1) ; 2). Die Integrale heißen konvergent, wenn die sie definierenden Grenzwerte eigentlich existieren, divergent sonst. Existiert der Grenzwert eigentlich, ist das Integral immer konvergent. Ist dagegen so kann es konvergieren oder auch nicht. Wenn nicht, divergiert es bestimmt gegen den Wert von also gegen % 4 oder & 4. Analoge Bemerkungen gelten für das Integral. (2.3.2) Satz: Seien t 0, a und b wie in (2.3.1) und seien F 1 und F 2 Stammfunktionen von f auf den Intervallen [a, t 0, bzw. +t 0, b]. Dann gilt: 1) wobei 2) wobei
6 -5- Als nächstes besprechen wir das Integral wobei t 1 und t 2 zwei aufeinander folgende singuläre Stellen von f seien. Die Funktion f ist dann stetig auf dem offenen Intervall +t 1, t 2,. (2.3.3) Definition: Seien t 1 und t 2 zwei aufeinander folgende singuläre Stellen von f. Dann ist definiert: mit irgendeinem c 0 +t 1, t 2,. Das Integral heißt konvergent, wenn die zwei Integrale auf der rechten Seite der definierenden Gleichung konvergieren, anderenfalls divergent. Diese Definition von ist unabhängig von c, d. h., jedes c 0 +t 1, t 2, führt auf dasselbe Ergebnis. Das zeigt auch der folgende (2.3.4) Satz: Seien t 1 und t 2 wie in (2.3.3) und sei F eine Stammfunktion von f auf dem Intervall +t 1, t 2,. Dann gilt: Schließlich diskutieren wir noch den allgemeinen Fall, in dem das Integrationsintervall [a, b] eine oder mehrere singuläre Stellen von f enthält. (2.3.5 Definition: Seien t 1,..., t n mit a # t 1 <... < t n # b alle singulären Stellen von f im Intervall [a, b], wobei a, b 0 ú mit a < b. Dann ist definiert:. Das Integral heißt konvergent, wenn alle Integrale auf der rechten Seite der definierenden Gleichung konvergieren, divergent sonst. Konvergiert, sagt man auch, die Funktion f sei über dem Intervall [a, b] integrierbar. (2.3.6) Definition: Eine Funktion f : A (d ú) 6 ú heißt lokal integrierbar, wenn sie über jedem Intervall [a, b] d ú integrierbar ist.
7 -6- Alle stetigen und alle stückweise stetigen Funktionen, die keine Unendlichkeitsstellen haben, sind lokal integrierbar. Es gibt aber auch stückweise stetige Funktionen mit Unendlichkeitsstellen, die lokal integrierbar sind. Ein Beispiel dafür ist die Funktion f(t) ' ln *t*; t 0. Bisher war f als reellwertig vorausgesetzt. Die obigen Definitionen und die darin geprägten Begriffe sind aber für den Fall einer komplexwertigen Funktion f genauso sinnvoll und können daher ohne jede Änderung dafür übernommen werden. Die Sätze (2.3.2) und (2.3.4) bleiben dann wortwörtlich gültig. Weiter gilt mit u :' Re[f] und v :' Im[f] für jedes Intervall [a, b] d ú: liegen in [a, b] singuläre Stellen von f, so ist genau dann konvergent, wenn die (reellen) Integrale und es sind, und es ist dann. Enthält [a, b] keine singulären Stellen von f, gilt diese Gleichung sowieso. Es folgt, dass eine Funktion f : A (d ú) 6 genau dann lokal integrierbar ist, wenn u und v lokal integrierbar sind. Zum Schluss noch eine Aussage, die wir im Folgenden immer wieder brauchen werden. Dabei spielt die durch *f*(t) :'*f (t)* für alle t 0 A definierte Funktion eine Rolle. (2.3.7) Satz: Sei f : A (d ú) 6 lokal integrierbar. Dann ist auch *f* lokal integrierbar, und es gilt: für jedes Intervall [a, b] d ú.
8 -7- KAP II. BEGRIFFE DER FUNKTIONALANALYSIS 1. Lineare Funktionale (1.1) Vektorräume. Sei ' ú oder '. (1.1.1) Definition: Ein Vektorraum (auch: linearer Raum) über ist eine nichtleere Menge X, ausgestattet mit zwei algebraischen Operationen, von denen die erste je zwei Elementen x, y 0 X eindeutig eine Summe x r y 0 X und die zweite jeder Zahl " 0 und jedem Element x 0 X eindeutig ein Produkt ". x 0 X derart zuordnet, dass die folgenden Gesetze erfüllt sind: (A 1) x r y ' y r x œ x, y 0 X. (A 2) (x r y) r z ' x r (y r z) œ x, y, z 0 X. (A 3) Es gibt genau ein Element 00 X, so dass x r 0 ' x œ x 0 X. (A 4) Zu jedem x 0 X gibt es genau ein xn 0 X mit x r xn ' 0. (M 1) (" $). x '".($. x) œ ", $ 0, œ x 0 X. (M 2) ("% $). x '". x r $. x œ ", $ 0, œ x 0 X. (M 3) ". (x r y) '". x r ". y œ " 0, œ x, y 0 X. (M 4) 1. x ' x œ x 0 X. Die Elemente von X bezeichnet man als Vektoren, die Zahlen aus auch als Skalare. Die zwei algebraischen Operationen sind die Addition von Vektoren und die Multiplikation von Skalar und Vektor. Man nennt sie die Vektorraumoperationen. Die Gesetze (A 1) - (A 4) und (M 1) - (M4) sind die sog. Vektorraumaxiome. Den Vektor 0 aus (A 3) nennt man den Nullvektor von X, und der für jedes x 0 X eindeutig bestimmte Vektor xn aus (A 4) heißt der zu x entgegengesetzte Vektor; wir bezeichnen ihn - zunächst einmal - mit s x. (1.1.2) Beispiele: 1. Sei n 0 ù und sei n die Menge aller n - stelligen Spalten von Zahlen aus, also: n :' {x * wobei x 1, x 2,..., x n 0 }. Die Vektorraumoperationen r und. werden definiert durch und für alle x, y 0 X und alle " 0. Man prüft leicht nach, dass damit die Vektorraumaxiome (A 1) - (A 4) und (M 1) - (M 4) erfüllt sind, so dass n, ausgestattet mit diesen Operationen, ein Vektor-
9 -8- raum über ist. Der Nullvektor und der zu einem x 0 n entgegengesetzte Vektor s x sind gegeben durch und. Dieses Beispiel ist von der Linearen Algebra her bekannt. Nur die Bezeichnungen sind vielleicht etwas befremdlich. 2. Sei F(ú) die Menge aller Funktionen x : ú 6, kurz: F(ú) :' {x* x : ú 6 }. Führt man auf F(ú) die durch (x r y)(t) :' x(t) % y(t) œ t 0 ú und (". x)(t) :'" x(t) œ t 0 ú (() definierten Operationen ein, sind wieder die Vektorraumaxiome erfüllt. Die Menge F(ú) wird dadurch zu einem Vektorraum über und jede Funktion x : ú 6 damit zu einem Vektor aus F(ú). Der Nullvektor von F(ú) ist die Nullfunktion 0, definiert durch 0(t) :' 0 für alle t 0 ú, und der zu einem x 0 F(ú) entgegengesetzte Vektor s x ist die durch (s x)(t) ' & x(t) für alle t 0 ú gegebene Funktion. Einen Vektorraum, der wie F(ú) aus Funktionen besteht, nennt man einen Funktionenraum. 3. Weitere Beispiele für einen Funktionenraum sind: - C(ú), der Raum aller stetigen Funktionen x : ú 6, - C (m) (ú), der Raum aller m - mal stetig differenzierbaren Funktionen x : ú 6, wobei m 0 ù, - C (4) (ú), der Raum aller beliebig oft differenzierbaren Funktionen x : ú 6. Die Vektorraumoperationen r und. auf diesen Räumen sind wie in (() definiert. Offensichtlich gilt C (4) (ú) d C (m) (ú) d C(ú) d F(ú). Die Inklusionen sind alle echt, d. h., das Inklusionszeichen d kann überall durch das Zeichen für eine echte Inklusion ersetzt werden. Bevor wir fortfahren, vereinfachen wir noch unsere Bezeichnungsweisen. Was die Vektorraumoperationen angeht, schreiben wir fortan anstelle von x r y, ". x und s x einfacher x % y, " x und &x. Die Elemente (Vektoren) eines allgemeinen Vektorraums, so wie er in unseren Definitionen und Sätzen immer vorkommt, werden nach wie vor durch Unterstreichen gekennzeichnet. Bei den Elementen eines Funktionenraums hingegen unterlassen wir das und bezeichnen sie von jetzt an immer mit kleinen lateinischen, manchmal auch griechischen Buchstaben ohne Unterstrich. Nur an dem Symbol 0 für die Nullfunktion halten wir weiter fest. Dies geschieht, um sie von der Zahl 0 zu unterscheiden. (1.1.3) Definition: Sei X ein Vektorraum über. Eine nichtleere Teilmenge U von X heißt ein
10 -9- Unterraum von X, wenn sie die folgenden Eigenschaften hat: (U 1) x, y 0 U Y x % y 0 U, (U 2) " 0, x 0 U Y " x 0 U, d. h., wenn U mit x, y 0 X auch x % y und mit x 0 X auch " x für jedes " 0 enthält. Man sagt dann, U sei abgeschlossen gegenüber den Vektorraumoperationen. Ein Unterraum U von X, ausgestattet mit den auf ganz X definierten Vektorraumoperationen, ist selbst wieder ein Vektorraum über. Wendet man die Eigenschaften (U 1) und (U 2) wiederholt an, erkennt man, dass ein Unterraum U mit endlich vielen Vektoren x 1, x 2,..., x n 0 X auch jede Linearkombination von x 1, x 2,..., x n, d. h. jeden Vektor x 0 X der Form, enthält. In Zeichen: (U 3) " 1," 2,...," n 0, x 1, x 2,..., x n 0 U Y 0 U. Die einfachsten Beispiele für einen Unterraum von X sind U ' {0} und U ' X. Ein anspruchvolleres Beispiel ist die lineare Hülle einer nichtleeren Menge A d X. (1.1.4) Definition: Sei X ein Vektorraum über und sei A eine nichtleere Teilmenge von X. Dann heißt die Menge aller Linearkombinationen, die man mit endlich vielen Vektoren aus A bilden kann, die lineare Hülle von A; sie wird mit Lin[A] bezeichnet. Kurz: Lin[A] :' x 1, x 2,..., x n 0 A, " 1," 2,...," n 0, n 0 ù}. Lin[A] erfüllt offensichtlich die Bedingungen (U 1) und (U 2) und ist somit ein Unterraum von X. (1.1.5) Beispiel: Seien f i : ú 6, wobei i ' 0, 1, 2,..., die Potenzfunktionen f i (t)' t i. (f 0 ist die konstante Funktion f 0 (t)' 1). Weil beliebig oft differenzierbar auf ú, ist f i für jedes i ' 0, 1, 2,... ein Element des Funktionenraums C (4) (ú) und die Menge A :' {f 0, f 1, f 2,...} deshalb eine Teilmenge von C (4) (ú). Da jede Linearkombination x von endlich vielen Elementen..., aus A, wobei 0 # i 1 < i 2 <... < i n, auf die Form mit N :' i n und Zahlen " 1," 2,...," N 0 gebracht werden kann, und weil œ t 0 ú, ist Lin[A] einfach der aus allen Polynomen x : ú 6 bestehende Unterraum von C (4) (ú). (1.1.6) Definition: Sei X ein Vektorraum über.
11 1) Eine endliche Teilmenge A ' {x 1, x 2,..., x n } von X heißt linear unabhängig, wenn die Vektorgleichung -10- nur die triviale Lösung (" 1," 2,...," n )' (0, 0,..., 0) besitzt. 2) Eine unendliche Teilmenge A von X heißt linear unabhängig, wenn jede endliche Teilmenge von A linear unabhängig ist. 3) Eine nicht linear unabhängige (endliche oder unendliche) Teilmenge von X heißt linear abhängig. Eine einelementige Menge A ' {x} ist genau dann linear unabhängig, wenn x 0, und eine endliche mehrelementige Menge A ' {x 1, x 2,..., x n } ist es genau dann, wenn sich keiner der n Vektoren x 1, x 2,..., x n als Linearkombination der übrigen n&1 darstellen lässt. Die Dimension eines Vektorraums X, in Zeichen: dim X, ist definiert als die maximale Anzahl der Elemente, die eine linear unabhängige Teilmenge von X haben kann. Dass dim X ' n, wobei n 0 ù, bedeutet daher, dass es linear unabhängige Teilmengen von X mit genau n Elementen gibt, dass aber jede Teilmenge von X mit mehr als n Elementen linear abhängig ist. Ein Beispiel dafür ist der Vektorraum n. Die oben eingeführten Funktionenräume C (4) (ú), C (m) (ú), C(ú) und F(ú) enthalten dagegen auch linear unabhängige Teilmengen mit unendlich vielen Elementen, so dass man ihnen die Dimension 4 zuordnen muss; sie sind also unendlichdimensional. In der Vorlesung wird dazu gezeigt, dass etwa die unendliche Menge A ' {f 0, f 1, f 2,...} aus Beispiel (1.1.5) eine linear unabhängige Teilmenge des Funktionenraums C (4) (ú) ist. (1.2) Raum der Testfunktionen. (1.2.1) Definition: Man sagt, eine Funktion f : ú 6 habe einen kompakten Träger, wenn sie außerhalb eines Intervalls [a, b] d ú verschwindet (d. h.: f (t) ' 0 für alle t ó[a, b]). Wie das Bild zeigt, gibt es zu einer Funktion f : ú 6 mit kompaktem Träger immer ein bez. t ' 0 symmetrisches Intervall [&a, a], außerhalb dem f verschwindet. Es ist nicht schwer, auf ganz ú stetige oder auch differenzierbare Funktionen mit einem kompakten Träger anzugeben. Schwierig ist es jedoch, eine Funktion mit kompakten Träger zu finden, die auf ganz ú beliebig oft differenzierbar ist. Solche Funktionen gibt es aber (s. u.: (1.2.3)), und
KAP III. DISTRIBUTIONEN AUF ú
-29- KAP III. DISTRIBUTIONEN AUF ú Wiederholen wir: eine - wertige Distribution (oder: verallgemeinerte Funktion) auf ú ist ein stetiges lineares Funktional T : D(ú) 6. Für den Wert T(n), den T in einem
Mehr2. Stetige lineare Funktionale
-21-2. Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
MehrGegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
MehrDonnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.
Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehr3.3 Das Abtasttheorem
17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann
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
MehrZusammenfassung der Lebesgue-Integrationstheorie
Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
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,
Mehr4. Vektorräume und Gleichungssysteme
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume
MehrDie Dimension eines Vektorraumes
Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
MehrVektorräume und Lineare Abbildungen
Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit
MehrKapitel 6 Folgen und Stetigkeit
Kapitel 6 Folgen und Stetigkeit Mathematischer Vorkurs TU Dortmund Seite 76 / 226 Definition 6. (Zahlenfolgen) Eine Zahlenfolge (oder kurz: Folge) ist eine Funktion f : 0!. Statt f(n) schreiben wir x n
Mehr11. BASIS, UNTERRAUM, und DIMENSION
11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen
MehrKap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v
Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht
MehrLineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich
Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,
MehrZusammenfassung zur Konvergenz von Folgen
Zusammenfassung zur Konvergenz von Folgen. Definition des Konvergenzbegriffs Eine Folge reeller Zahlen a n n heißt konvergent gegen a in Zeichen a n = a, falls gilt > 0 n 0 n n 0 : an a < Hinweise: Bei
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene
Mehr2 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
MehrAlgebraische Kurven. Holger Grzeschik
Algebraische Kurven Holger Grzeschik 29.04.2004 Inhaltsübersicht 1.Einführung in die Theorie algebraischer Kurven 2.Mathematische Wiederholung Gruppen, Ringe, Körper 3.Allgemeine affine Kurven 4.Singuläre
Mehr1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale
Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
MehrVektorgeometrie Layout: Tibor Stolz
Hanspeter Horlacher Vektorgeometrie Layout: Tibor Stolz 1. Einführung Eine Grösse, zu deren Festlegung ausser einer Zahl auch noch die Angabe einer Richtung nötig ist, heisst VEKTOR. P 2 P 1 P 1 P 2 P
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrWenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +
8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die
MehrVektoren. Jörn Loviscach. Versionsstand: 11. April 2009, 23:42
Vektoren Jörn Loviscach Versionsstand:. April 29, 23:42 Rechnen mit Pfeilen Bei den komplexen Zahlen haben wir das Rechnen mit Pfeilen schon kennen gelernt. Addition und Subtraktion klappen in drei wie
MehrAufgaben zu Kapitel 15
Aufgaben zu Kapitel 5 Aufgaben zu Kapitel 5 Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrMathematik I Herbstsemester 2014
Mathematik I Herbstsemester 2014 www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 32 1 Stetigkeit Grenzwert einer
MehrKonvergenz einer Folge. 1-E1 Ma 1 Lubov Vassilevskaya
Konvergenz einer Folge 1-E1 Ma 1 Lubov Vassilevskaya Konvergenz einer Folge: Inhalt Drei Verhaltensmuster von Folgen. Beispiele 1 ) = 1 n, = n n +1, 2 ) = ( 1)n n +1 n und ihre graphischen Darstellungen.,
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
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
MehrFolgen, Reihen, Grenzwerte u. Stetigkeit
Folgen, Reihen, Grenzwerte u. Stetigkeit Josef F. Bürgler Abt. Informatik HTA Luzern, FH Zentralschweiz HTA.MA+INF Josef F. Bürgler (HTA Luzern) Einf. Infinitesimalrechnung HTA.MA+INF 1 / 33 Inhalt 1 Folgen
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
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
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit
MehrFolgen und Reihen. Inhaltsverzeichnis. Fragen und Antworten. (bitte nur für den Eigengebrauch verwenden)
Fragen und Antworten Folgen und Reihen (bitte nur für den Eigengebrauch verwenden) Inhaltsverzeichnis 1 Folgen und Reihen 2 1.1 Fragen............................................... 2 1.1.1 Folgen...........................................
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrKapitel 5. Stetige Funktionen 5.1. Stetigkeit
Kapitel 5. Stetige Funktionen 5.1. Stetigkeit Reelle Zahlen sind ideale Objekte, die es uns ermöglichen, eine transparente und leistungsfähige Theorie aufzubauen. Ein Computer kann jedoch nur mit Approximationen
Mehr7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.
7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim
MehrAffine Geometrie (Einfachere, konstruktive Version)
Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit
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
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
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
Mehr1 Elemente der Wahrscheinlichkeitstheorie
H.-J. Starkloff Unendlichdimensionale Stochastik Kap. 01 11. Oktober 2010 1 1 Elemente der Wahrscheinlichkeitstheorie 1.1 Messbare Räume Gegeben seien eine nichtleere Menge Ω und eine Menge A von Teilmengen
MehrThema 3 Folgen, Grenzwerte
Thema 3 Folgen, Grenzwerte Definition Eine Folge von reellen Zahlen ist eine Abbildung von N in R d.h. jedem n N ist eine Zahl a n zugeordnet. Wir schreiben für eine solche Folge. Beispiele. (a n ) n N
MehrEinführung in die Analysis
Ergänzungen zur Vorlesung Einführung in die Analysis Christian Schmeiser 1 Vorwort In dieser Vorlesung werden Grundbegriffe der Analysis wie Folgen und Reihen, Konvergenz und Vollständigkeit am Beispiel
MehrKapitel 6. Exponentialfunktion
Kapitel 6. Exponentialfunktion 6.1. Potenzreihen In Kap. 4 haben wir Reihen ν=0 a ν studiert, wo die Glieder feste Zahlen sind. Die Summe solcher Reihen ist wieder eine Zahl, z.b. die Eulersche Zahl e.
Mehr10 Kapitel I: Anschauliche Vektorrechnung
10 Kapitel I: Anschauliche Vektorrechnung haben. In Mengenschreibweise ist G = {x x = a + tb für ein t R}. Wir werden für diese einführenden Betrachtungen im Interesse einer knappen Redeweise jedoch häufig
MehrDer Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also
Festlegung Definitionsbereich 11.1 Festlegung Definitionsbereich Festlegung: Wir betrachten Funktionen f : D Ñ R, deren Definitionsbereich eine endliche Vereinigung von Intervallen ist, also z.b. D ra,
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrKapitel 4. Reihen 4.1. Definition und Beispiele
Kapitel 4. Reihen 4.1. Definition und Beispiele Ist (a n ) eine Folge von Zahlen, so heißt der formale Ausdruck a ν = a 0 + a 1 + a 2 +... eine Reihe; die einzelnen a ν sind die Glieder dieser Reihe. Um
Mehrist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).
Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)
Mehr3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba.
Die Eindeutigkeit nach Satz 3 ergibt schließlich (5). (6) folgt aus (2) und () wegen Aussage (7) ergibt sich aus () und (6). 0 = log b = log b ( a a) = log b a +log ba. 3 Reihen 3. Konvergenz und Divergenz
MehrFolgen und Reihen. Katharina Brazda 9. März 2007
Katharina Brazda 9. März 2007 Inhaltsverzeichnis 1 Folgen 2 1.1 Definition von Folgen - explizite und rekursive Darstellung.............. 2 1.2 Wachstumsverhalten von Folgen - Monotonie und Beschränktheit..........
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrInhalt. Vorwort Mittelwertsatz der Integralrechnung... 31
Inhalt Vorwort... 5 1 Stammfunktionen... 7 1.1 Erklärung der Stammfunktionen........................................... 7 1.2 Eigenschaften der Stammfunktionen.................................... 10 1.3
MehrAnhang A. Etwas affine Geometrie. A.1 Die affine Hülle
Anhang A Etwas affine Geometrie In diesem Anhang stellen wir die wichtigsten Grundbegriffe aus der affinen Geometrie zusammen, soweit sie eben für uns von Nutzen sind. Für weiterführende Ergebnisse sei
MehrREIHENENTWICKLUNGEN. [1] Reihen mit konstanten Gliedern. [2] Potenzreihen. [3] Reihenentwicklung von Funktionen. Eine kurze Einführung Herbert Paukert
Reihenentwicklungen Herbert Paukert 1 REIHENENTWICKLUNGEN Eine kurze Einführung Herbert Paukert [1] Reihen mit konstanten Gliedern [2] Potenzreihen [3] Reihenentwicklung von Funktionen Reihenentwicklungen
MehrWas sind Vektoren? Wozu braucht man sie?
Was sind Vektoren? Wozu braucht man sie? Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 30. März 2005 1 Einleitung Dieser
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrLineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.
Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v
Mehr1 Reihen von Zahlen. Inhalt:
5 Kapitel 3 Reihen Reihen von Zahlen Inhalt: Konvergenz und Divergenz von Reihen reeller oder komplexer Zahlen, geometrische Reihe, harmonische Reihe, alternierende Reihen. Cauchy-Kriterium, absolute Konvergenz,
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
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,
MehrVorlesung: Analysis I für Ingenieure
Vorlesung: Analysis I für Ingenieure Dozent: Dr. Michael Karow Thema: unendliche Reihen Definition. Eine unendliche Reihe ist der Grenzwert einer Folge von Summen: a k = lim k a k, wobei a k C. Falls der
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
Mehr4. DIE ABLEITUNG (DERIVATIVE)
31 Dieses Skript ist ein Auszug mit Lücken aus Einführung in die mathematische Behandlung der Naturwissenschaften I von Hans Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie das Buch auch
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
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem
MehrKapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen
Kapitel 7 Funktionentheorie In diesem Kapitel geht es meistens um Funktionen, die auf einem Gebiet G C definiert sind und komplexe Werte annehmen. Nach Lust, Laune und Bedarf wird C mit R identifiziert,
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
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.
Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige
Mehr11 Logarithmus und allgemeine Potenzen
Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den
MehrLineare Algebra I. - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Monday 12 September 16
Lineare Algebra I - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß 1. Mengen und Abbildungen: Mengen gehören zu den Grundlegendsten Objekten in der Mathematik Kurze Einführung in die (naive) Mengelehre
Mehr1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,
Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
MehrStetigkeit von Funktionen
Stetigkeit von Funktionen Definition. Es sei D ein Intervall oder D = R, x D, und f : D R eine Funktion. Wir sagen f ist stetig wenn für alle Folgen (x n ) n in D mit Grenzwert x auch die Folge der Funktionswerte
Mehrλ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n.
Folgen Es sei X eine beliebige Menge. Eine Folge mit Werten in X ist eine Abbildung von N nach X. Es wird also jeder natürlichen Zahl n (dem Index) ein Element a n aus X zugeordnet (das n-te Folgenglied).
MehrMatrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische
MehrKapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen
Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit
MehrKapitel VIII: Der Raum R n ; allgemeine Vektorräume
Kapitel VIII: Der Raum R n ; allgemeine Vektorräume a) Vektoren: Definition und Grundlagen Größen, die sich durch Angabe eines Zahlenwertes und einer Einheit vollständig beschreiben lassen, nennt man Skalare
Mehr$Id: reihen.tex,v /06/12 10:59:50 hk Exp $ unendliche Summe. a 1 + a 2 + a 3 +.
Mathematik für Informatiker B, SS 202 Dienstag 2.6 $Id: reihen.tex,v.8 202/06/2 0:59:50 hk Exp $ 7 Reihen Eine Reihe ist eine unendliche Summe a + a 2 + a 3 +. Die Summanden a i können dabei reell oder
Mehr3 Vom Zählen zur Induktion
7 3 Vom Zählen zur Induktion 3.1 Natürliche Zahlen und Induktions-Prinzip Seit unserer Kindheit kennen wir die Zahlen 1,, 3, 4, usw. Diese Zahlen gebrauchen wir zum Zählen, und sie sind uns so vertraut,
MehrKapitel 4 Folgen und Reihen
Kapitel 4 Folgen und Reihen Inhalt 4.1 4.1 Konvergenzkriterien für für Folgen 4.2 4.2 Reihen 4.3 4.3 Achilles und und die die Schildkröte Seite 2 4.1 Konvergenzkriterien für Folgen Wiederholung (vgl. (vgl.
MehrTopologische Räume und stetige Abbildungen Teil 2
TU Dortmund Mathematik Fakultät Proseminar zur Linearen Algebra Ausarbeitung zum Thema Topologische Räume und stetige Abbildungen Teil 2 Anna Kwasniok Dozent: Prof. Dr. L. Schwachhöfer Vorstellung des
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrVokabelliste FB Mathematik Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II. Mengenbegriffe:
Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II Mathematik Symbol, Definition Deutsch Erklärung Mengenbegriffe: natürlichen Zahlen natürlichen Zahlen inkl. der 0 ganzen Zahlen rationalen
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 3.2 Konvergenzkriterien
Mehr