Funktionalanalysis. Wintersemester 2010/2011 Dr. Tomáš Dohnal, Universität Stuttgart. Inhalt der Vorlesung im Detail

Größe: px
Ab Seite anzeigen:

Download "Funktionalanalysis. Wintersemester 2010/2011 Dr. Tomáš Dohnal, Universität Stuttgart. Inhalt der Vorlesung im Detail"

Transkript

1 Funktionalanalysis Wintersemester 21/211 Dr. Tomáš Dohnal, Universität Stuttgart Inhalt der Vorlesung im Detail 1. Metrische Räume, normierte Räume und Innenprodukträume; Funktionenräume Metrische Räume Vollständigkeit Banachsche Fixpunktsatz abgeschlossene, offene Menge Vervollständigung Normierte Räume Satz: l p sind Banach-Raueme Lebesgue Integral in R n (sigma-algebra, äusseres Mass, Treppenfunktionen,...) Sätze: monotone Konvergenz, Fatou, majorisierte Konvergenz (ohne Beweise) Satz: L p ist Banach-Raum Satz: X R n, p [1, ) C c (X) dicht in L p (X) bezüglich p Satz: X R n C c (X) dicht in C (X) bezüglich (ohne Beweis) Inneprodukträume Inneprodukt, Hilbertraum Parallelogramidentität Satz: l p, p 2 ist kein I.P.R. Satz: L p, p 2 ist kein I.P.R. (Beweis auf Blatt 3) Kompaktheit in metr. Räumen Satz: Menge ist überdeckungskompakt folgenkompakt Satz von Arzela-Ascoli (mit Beweis) Orthogonalität, Separabilität: orthogonales Komplement direkte Summe Projektionssatz in Hilberträumen Separabilität Satz: l p, p < sind separabel, l nicht separabel Satz: S R n. C(S) ist separabel, (ohne Beweis) Satz: S R n. L p (S), p < ist separabel, L (S) nicht. (ohne Beweis) Schauder Basis Satz: X norm. Raum, X besitzt Schauder Basis X separabel (ohne Beweis) Orthogonalsystem, Orthonormalsystem 1 January 24, 211

2 Orthonormalbasis Satz: Fur Orthonormalsysteme (e n ) gilt: (e n ) Schauder Basis Darstellung durch veralgemeinerte Four. Reihe Parseval Identität Satz: X Hilbertraum. Dann X separabel X besitzt eine O.N.-Basis Sonstiges: Satz (Approximation in L p mittels Faltung durch glatte Funktionen): S R n offen C (S) dicht in L p (S) (Skizze) Hauptsatz über endlich-dimensionale normierte Räume Y : dimy < B 1 () kompakt 2. Stetige lineare Operatoren Satz: Operator ist stetig stetig in x beschränkt Operatornorm Beispiele: Fredholm Integraloperator, Differenzialoperator Satz: (L(X, Y ), ) mit Operatornorm ist Banachraum falls Y Banachraum ist. Satz: Für A : X Y (X, Y norm. Räume) gilt A 1 : D(A) X stetig m > : Ax Y m x X Beispiel 1: Integration (Af)(x) = x f(s)ds ist bijektiv, stetig aber A 1 unstetig (mit. Norm) Beispiel 2: Lösungsoperator (I K) 1 der Reaktionsdiffusionsgl. ist stetig Neumann Reihe für stetige lineare Operatoren A mit lim sup A m 1/m < 1. analytische Funktionen von Operatoren (exp(a) als Beispiel) 3. Stetige lineare Funktionale, Dualräume Def.: Funktional, Dualraum Rieszscher Darstellungssatz (mit isometrischem Isomorphimus) Sesquilinearform (Definition, 2 Beispiele) Satz von Lax-Milgram Sobolevräume, schwache Randwertaufgaben: Sobolevräume H m,p (Konstruktion durch Vervollständigung von C ) schwache Ableitung (Definition, 2 Beipiele: x und eine unstetige Funktion) Satz: Sobolevräume sind Banchräume (p < ) Spursatz in H 1,p (ohne Beweis) Sobolevräume H m,p variationelle Formulierung von Randwertaufgaben schwache Formulierung von Randwertaufgaben Satz: Existenz von schwachen Lösungen zu elliptischen Randwertaufgaben 2. Ordnung (A u) + bu = f, RB: Neumann oder Dirichlet Bemerkung über das Bild des Spuroperators (kleiner als L p ( Ω)) Dualräume: für Hilberträume für l p, p < für c und c (Beweis Blatt 6) für L p (ohne Beweis) Satz: X norm. Raum X Banachraum 2 January 24, 211

3 Bidualraum, Reflexivität normierter Raume kanonische Injektion, Reflexivität Beispiel: jeder Hilbertraum ist reflexiv Beispiel: L p, 1 < p < ist reflexiv Sätze von Hahn-Banach Satz von Hahn-Banach über Fortsetzung von Funktionalen auf Vektorräumen (reelle und komplexe Version) Korollar: Hahn-Banach über Fortsetzung von Funktionalen auf norm. Räumen Korollar: X norm. Raum, Y abgeschlossener UVR, x X Y ψ X : ψ Y, ψ(x ) = 1 Korollar: X nichtrivialer norm. Raum, x 1 X ψ X : ψ = 1, ψ(x 1 ) = x 1 X Korollar: (Punkttrennung) X norm. Raum, x 1, x 2 X, x 1 x 2 ψ X : ψ(x 1 ) ψ(x 2 ) Korollar: x X = sup ψ X, ψ =1 ψ(x) (Beweis - Blatt 7) Anwendung von Hahn-Banach: X separabel X separabel (l ) nicht isomorph zu l 1 Geometrische Version von Hahn-Banach absorbierende Menge A im K Vektorraum Minkowski Funktional µ A Satz: A konvex, absorbierend µ A sublinear Lemma: X norm. Raum, ψ X. Dann gilt (U Xoffen ψ(u) Koffen) Hyperebene Trennungssatz für konvexe disjunkte Mengen A, B X 4. Gleichmässige Beschränktheit, Hauptsätze der Funktionalanalysis Baierscher Kategoriesatz Prinzip der gleichm. Beschränktheit fuer Funktionen aus metrischen Räumen in normierte Raeume Banach-Steinhaus: Prinzip der gleichm. Beschränktheit für lineare stetige Operatoren Anwendung: Existenz einer stetigen Funktion deren Fourier Reihe nicht punktweise konvergiert Lemma: X, Y norm. Raume, A : X Y linear. Dann gilt A offen ( δ > : B δ () A(B 1 ())) Satz der offenen Abbildung Satz der stetigen Inversen Satz vom abgeschlossenen Graphen Anwendung des Graphensatzes: H Hilbertraum, A : H H symmetrisch. Dann ist A stetig. 5. Schwache Konvergenz Motivation: Bedarf an ein Konvergenzbegriff in dem bechränkte Folge konvergente Teilfolge besitzen (Minimierung von Funktionals) Def.: schwache Konvergenz, schwach* Konvergenz, schwach(schwach*) folgenkompaktheit Beispiele der schwachen Konvergenz l 2 : e n f L p (R), p (1, ) f n (x) := f(x n) (für p = 1 gilt nicht) Proposition: u n u in H 1,p (u n u L p und u n / xi u/ xi in L p ) Lemma: 3 January 24, 211

4 (a) schwaches (schwach*) Limes ist eindeutig (b) starke Konvergenz schwache (schwach*) Konvergenz (c) schwache (schwach*) Konvergenz Unterhalbstetigkeit (d) x n x, φ n φ φ n (x n ) φ(x) (e) x n x, φ n φ φ n (x n ) φ(x) Satz von Banach-Alaoglu: X separabler Banachraum B 1 () X schwach* folgenkompakt Kontrabeispiel in L Satz: Für Banachram X ist X swach*-vollständig Lemma (Eigenschaften reflexiver Räume) X reflexiv schwach und schwach* Konvergenz sind aequivalent X reflexiv jeder abgeschl. Unterraum ist reflexiv Satz: X reflexiver Banachraum B 1 () X schwach folgenkompakt Beispiel: H 1,p (Ω), 1 < p < ist reflexiv Satz: X norm. Raum, M X konvex, abgeschl. M schwach folgenabgeschl. Lemma von Mazur: schwaches Limes liegt in der konvexen Hülle Projektionssatz für reflexive normierte Räume Anwendung: Existenz von Minimierern von Funktionalen Satz: Stetige, konvexe Funktionale auf norm. Konvergenz. Räumen sind unterhalbstetig bezüglich der schwachen Satz: Stetige, koerzive, konvexe Funktionale auf reflexiven Banachräumen haben Minimierer. Beispiel: Minimierung der Energie zu einer elliptichen PDE in H 1,2 Existenz und Eindeutigkeit des Minimierers Minimierer ist die schwache Lösung des Dirichlet Problems 6. Kompakte Operatoren Definition: kompakter Operator Beispiel: Integraloperator (Typ 1) Beispiel: Identität Lemma: Eigenschaften kompakter linearer Operatoren (a) A kompakt A stetig (b) A, B kompakt lineare Kombination kompakt (c) A oder B kompakt, der andere stetig AB kompakt (d) A kompakt, A 1 stetig dimx < (e) A stetig, range(a) < A kompakt (f) dim X <, A stetig A kompakt Beweise für b, c, e, f in der Übung - Blatt 11 Beispiel: Integraloperator (Typ 1) auf C[, 1] hat keine stetige Inverse Satz: X norm. Raum, Y Banachraum. K(X, Y ) ist abgeschl. Unterraum von L(X, Y ). Satz: X norm. Raum, Y Hilbertraum. Dann gilt A K(X, Y ) (A n ) L(X, Y ) mit dimr(a n ) < und A A n Satz (Vollstetigkeit kompakter Operatoren): X, Y norm. Räume, X reflexiv, A : X Y linear, dann gilt: A K(X, Y ) (x n x Ax n Ax) 4 January 24, 211

5 Spektrum stetiger linearer Operatoren Definition (für stetige lineare Operatoren auf Banachräumen): Resolventenmenge, Spektrum, Punktspektrum, kontinuierliches und Residualspektrum, Resolvente, Eigenwert, Eigenfunktion Beispiel: endlichdimensionaler Fall - nur Punktspektrum Beispiel: Shift-Operator in l 2 : σ r. Beispiel: X = l 2, Ax = (λ 1 x 1, λ 2 x 2,...) mit (λ n ) l 2, λ n >. Dann σ p (A) = {λ 1, λ 2,...} aber σ p (A) σ(a), da σ c (A). Satz (für stetige lineare Operatoren auf Banachräumen): Resolventemenge ist offen, Resolvente ist eine komplex-analytische Abbildung von ρ(a) nach L(X). Und R(λ; A) 1 dist(λ, σ(a)) für λ ρ(a). Satz (für stetige lineare Operatoren auf Banachräumen): Spektrum ist kompakt und nichtleer und r(a) = lim m A m 1/m A. Proposition: Sei X Banachraum, dim X =, A K(X). Dann σ(a), abe muss nicht ein Eigenwert sein. Satz: Sei X Banachraum, T K(X) und A = I T. Dann dimn(a) <, R(A) abgeschlossen, (N(A) = {} R(A) = X). Spektralsatz für kompakte Operatoren (Riesz-Schauder): Sei A K(X). Dann (a) σ(a)\{} besteht aus abzählbar vielen Eigenwerten und ist der einsig möglicher Häufungspunkt von σ(a). (b) σ(a) \ {} ist endlich oder σ(a) \ {} ist eine Folge, die gegen konvergiert. (c) Für λ σ(a) \ {} ist die Vielfachheit von λ endlich. Fredholm Alternative (kurze Version): Für A K(X), λ ist entweder Ax λx = y für jedes y X eindeutig lösbar, oder hat Ax λx = nichtriviale Lösungen. Beispiel: Integraloperator A K(C([, 1])), (Af)(x) = x k(x, y)f(y)dy. Wird gezeigt, dass σ(a) = σ r (A) = {}. Adjungierte und Selbstadjungierte Operatoren Def.: Hilbert-adjungierter Operator A ; adjungierter Operator A für normierte Räume Proposition: A = Φ 1 X A Φ Y, wobei Φ X : X X, Φ Y : Y Y die Isomorphismen aus Riesz schem Darstellungssatz sind. Beispiel: Jeder Operator A L(l p, l q ) mit 1 < p, q < kann als eine unendliche Matrix M (A) representiert werden und A = M (A)T. Beispiel: A L(L 2 ([, 1])), (Af)(x) := 1 k(x, y)f(y)dy. Dann (A f)(x) := 1 k(y, x)f(y)dy. Satz: (a) (αa 1 + A 2 ) = αa 1 + A 2, (αa 1 + A 2 ) = ᾱa 1 + A 2 für alle α K (b) I = I (c) (A 2 A 1 ) = A 1A 2 (d) A I X = I Y A für A L(X, Y ), wobei I X : X X, I Y : Y Y die kanonische Injektionen sind. (e) A = A Satz (Schauder): A K(X, Y ) A K(Y, X ) Lemma: (a) N(A ) = R(A), wobei Z der Annihilator des Raumes Z ist. (b) Sie Z abgeschlossener Unterraum mit codim(a) <, dann dim Z =codim Z Satz: T K(X), A := I T. Dann gilt dim N(A)= codim R(A) 5 January 24, 211

6 Satz: Fredholm Alternative (volle Version): A K(X), λ. Dann ist für y X die Gleichung Ax λx = y eindeutig lösbar, falls φ(y) = für alle Lösungen φ der homogenen Gleichung A φ λφ =. Die Anzahl der linear unabhängiger Lösungen von A φ λφ = ist gleich der Anzahl der linear unabhängiger Lösungen von Ax λx =. Woche : Normale Operatoren Def.: normaler Operator auf einem Hilbertraum Lemma: A normal Ax X = A x X x X Satz: A normal r(a) = A Spektralsatz für kompakte normale Operatoren Satz: X Hilbertraum über C, A L(X) selbstadjungiert σ p (A) [ T, T ] R und falls A kompakt, dann ist A oder A Eigenwert. Beispiel für selbstadjungierte kompakte Operatoren: selbstadjungierter Integraloperator Woche : Endlich-dimensionale Approximation (Motivation - FEM): - Galerkin-Approximation - Céa-Lemma References [1] H.W. Alt, Lineare Funktionalanalysis: eine anwendungsorientierte Einführung. Springer [2] B.D. Reddy, Introductory Functional Analysis: With Applications to Boundary Value Problems and Finite Elements, Springer, [3] E. Kreyszig, Introductory Functional Analysis with Applications. Wiley [4] W. Rudin, Reelle und Komplexe Analysis, Oldenbourg, [5] H. Heuser, Funktionalanalysis: Theorie und Anwendung. Teubner

35 Stetige lineare Abbildungen

35 Stetige lineare Abbildungen 171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.

Mehr

Lösungsvorschlag zu den Hausaufgaben der 8. Übung

Lösungsvorschlag zu den Hausaufgaben der 8. Übung FAKULTÄT FÜR MATHEMATIK Prof Dr Patrizio Ne Frank Osterbrink Johannes Lankeit 9503 Lösungsvorschlag zu den Hausaufgaben der 8 Übung Hausaufgabe : Beweise den Satz über die Parallelogrammgleichung Sei H

Mehr

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science an der Technischen Universität Berlin Verfasser:

Mehr

INVERSE PROBLEME. Christian Clason. Fakultät für Mathematik Universität Duisburg-Essen

INVERSE PROBLEME. Christian Clason. Fakultät für Mathematik Universität Duisburg-Essen INVERSE PROBLEME Vorlesungsskript, Wintersemester 2014/15 Christian Clason Stand vom 12. Februar 2015 Fakultät für Mathematik Universität Duisburg-Essen INHALTSVERZEICHNIS I FUNKTIONALANALYTISCHE GRUNDLAGEN

Mehr

BILDVERARBEITUNG. Christian Clason. Fakultät für Mathematik Universität Duisburg-Essen

BILDVERARBEITUNG. Christian Clason. Fakultät für Mathematik Universität Duisburg-Essen MATHEMATISCHE BILDVERARBEITUNG Vorlesungsskript, Sommersemester 2015 Christian Clason Stand vom 24. Juli 2015 Fakultät für Mathematik Universität Duisburg-Essen INHALTSVERZEICHNIS I GRUNDLAGEN 1 grundlagen

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92 Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

2. Stetige lineare Funktionale

2. 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

Stetigkeit von Funktionen

Stetigkeit von Funktionen 9 Stetigkeit von Funktionen Definition 9.1 : Sei D R oder C und f : D R, C. f stetig in a D : ε > 0 δ > 0 mit f(z) f(a) < ε für alle z D, z a < δ. f stetig auf D : f stetig in jedem Punkt a D. f(a) ε a

Mehr

2 Euklidische Vektorräume

2 Euklidische Vektorräume Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,

Mehr

Gleichmäßige Konvergenz und Funktionenräume

Gleichmäßige 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

Mehr

Iterative Verfahren, Splittingmethoden

Iterative Verfahren, Splittingmethoden Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem

Mehr

Probeklausur am

Probeklausur am Mathematik IV für Studierende der Physik Dr. Vsevolod Shevchishin Probeklausur am 7.07.2010 Bearbeitungszeit: 60 min Name, Vorname:.......................................................................

Mehr

Analysis I - Stetige Funktionen

Analysis I - Stetige Funktionen Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt

Mehr

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C. Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines

Mehr

Wir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung).

Wir 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

Mehr

ε δ Definition der Stetigkeit.

ε δ Definition der Stetigkeit. ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x

Mehr

Hilbertraum-Methoden

Hilbertraum-Methoden Skript zur Vorlesung Hilbertraum-Methoden SS 2013 Peter Junghanns Hinweis: Das vorliegende Skript stellt nur ein Gerüst zu den Inhalten der Vorlesung dar. Die Vorlesung selbst bietet weiterführende Erläuterungen,

Mehr

Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla

Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann

Mehr

Funktionalanalysis. Prof. Dr. W. Timmermann. TU Dresden Fakultät Mathematik Institut Analysis. Francesco Kriegel SS 2008 & WS 2008/2009

Funktionalanalysis. Prof. Dr. W. Timmermann. TU Dresden Fakultät Mathematik Institut Analysis. Francesco Kriegel SS 2008 & WS 2008/2009 Funktionalanalysis Prof. Dr. W. Timmermann Francesco Kriegel TU Dresden Fakultät Mathematik Institut Analysis SS 2008 & WS 2008/2009 15. April 2009 Inhaltsverzeichnis Kapitel 1 Grundlagen aus der Topologie

Mehr

Lineare Abbildungen und Darstellungsmatrizen

Lineare Abbildungen und Darstellungsmatrizen KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen

Mehr

2 Stetige Abbildungen

2 Stetige Abbildungen Stetige Abbildungen Übersicht. Definitionen................................................. 43. Sätze und Beweise............................................ 45.3 Erklärungen zu den Definitionen...............................

Mehr

Berechenbare Funktionalanalysis und kompakte Operatoren

Berechenbare Funktionalanalysis und kompakte Operatoren Berechenbare Funktionalanalysis und kompakte Operatoren Volker Bosserhoff Oberseminar der Fakultät für Informatik, 22. Juli 2008 Typ-2-Berechenbarkeit Rechnen mit endlichen Objekten Σ := {0, 1}. f : Σ

Mehr

Lösungsvorschläge zum 14. Übungsblatt.

Lösungsvorschläge zum 14. Übungsblatt. Übung zur Analysis III WS / Lösungsvorschläge zum 4. Übungsblatt. Aufgabe 54 Sei a R\{}. Ziel ist die Berechnung des Reihenwertes k a + k. Definiere dazu f : [ π, π] R, x coshax. Wir entwickeln f in eine

Mehr

n 1, n N \ {1}, 0 falls x = 0,

n 1, n N \ {1}, 0 falls x = 0, IV.1. Stetige Funktionen 77 IV. Stetigkeit IV.1. Stetige Funktionen Stetige Funktionen R R sind vielen sicher schon aus der Schule bekannt. Dort erwirbt man sich die naive Vorstellung, dass eine stetige

Mehr

Einführung in die Funktionalanalysis

Einführung in die Funktionalanalysis Einführung in die Funktionalanalysis Bernhard Gsell Skriptum zur Vorlesung gelesen von Prof. Wolfgang Woess 21. August 2014 Dies ist die Umsetzung meiner Vorlesungsmitschrift zu Einführung in die Funktionalanalysis,

Mehr

Mathematische Methoden der Physik: Funktionalanalytische Methoden. Technische Universität Clausthal WS 1998/99

Mathematische Methoden der Physik: Funktionalanalytische Methoden. Technische Universität Clausthal WS 1998/99 Mathematische Methoden der Physik: Funktionalanalytische Methoden Technische Universität Clausthal WS 1998/99 W. Lücke 3 Vorwort Als Funktionalanalysis bezeichnet man die Analysis von Funktionen, deren

Mehr

Einführung in die Analysis

Einführung 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

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010 Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver

Mehr

Analysis II. Prof. Dr. H. Brenner Osnabrück SS 2014

Analysis II. Prof. Dr. H. Brenner Osnabrück SS 2014 Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 51 Für eine stetig differenzierbare Funktion ϕ: R R mit ϕ (P) > 0 in einem Punkt P R gibt es ein offenes Intervall P I =]P δ,p +δ, auf dem ϕ

Mehr

Funktionsgrenzwerte, Stetigkeit

Funktionsgrenzwerte, Stetigkeit Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn

Mehr

Skript zur Vorlesung Einführung in Sobolevräume. Prof. Dr. R. Herzog. gehalten im SS2010 Technische Universität Chemnitz

Skript zur Vorlesung Einführung in Sobolevräume. Prof. Dr. R. Herzog. gehalten im SS2010 Technische Universität Chemnitz Skript zur Vorlesung Einführung in Sobolevräume Prof. Dr. R. Herzog gehalten im SS2010 Technische Universität Chemnitz Dieses Skript ist als Begleitmaterial für andere Vorlesungen oder zum Selbststudium

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +

Wenn 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

Mehr

Mathematik III. Vorlesung 71

Mathematik III. Vorlesung 71 Prof. Dr. H. Brenner Osnabrück WS 2010/2011 athematik III Vorlesung 71 Ausschöpfungseigenschaften Die folgenden Rechenregeln für Integrale beruhen auf dem Ausschöpfungssatz für aße. an kann den Subgraphen

Mehr

Lineare Algebra II 9. Übungsblatt

Lineare Algebra II 9. Übungsblatt Lineare Algebra II 9. Übungsblatt Fachbereich Mathematik SS Prof. Dr. Kollross 5./6. Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest: ohne Benutzung des Skripts und innerhalb von Minuten!)

Mehr

Übungen zur Vorlesung MATHEMATIK II

Übungen zur Vorlesung MATHEMATIK II Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom

Mehr

4 Elementare Vektorraumtheorie

4 Elementare Vektorraumtheorie 4. ELEMENTARE VEKTORRAUMTHEORIE 51 4 Elementare Vektorraumtheorie Im folgenden sei K stets ein Körper. Definition. (i) Eine homogene Gleichung in den Unbekannten ξ 1,..., ξ n ist ein Ausdruck der Gestalt

Mehr

Mathematik II. Vorlesung 49. Der Banachsche Fixpunktsatz

Mathematik II. Vorlesung 49. Der Banachsche Fixpunktsatz Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 49 Der Banachsche Fixpunktsatz Satz 49.1. Es sei M ein nicht-leerer vollständiger metrischer Raum und f :M M eine stark kontrahierende Abbildung.

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Funktionalanalysis. Frühlingssemester Prof. Dr. Camillo de Lellis. 31. Juli Mitschrift: Amrein Mario Fortunati Paolo

Funktionalanalysis. Frühlingssemester Prof. Dr. Camillo de Lellis. 31. Juli Mitschrift: Amrein Mario Fortunati Paolo Funktionalanalysis Frühlingssemester 2008 Prof. Dr. Camillo de Lellis 31. Juli 2008 Mitschrift: Amrein Mario Fortunati Paolo Šerić Marko Inhaltsverzeichnis 1 Einführung 1 2 Strukturen 5 2.1 Skalarprodukte..............................

Mehr

Definition 4.2. Die Menge Q der rationalen Zahlen ist definiert durch. Wir führen jetzt auf Z eine Addition und eine Multiplikation ein durch

Definition 4.2. Die Menge Q der rationalen Zahlen ist definiert durch. Wir führen jetzt auf Z eine Addition und eine Multiplikation ein durch Kapitel 4 Die rationalen Zahlen Wir haben gesehen, dass eine Gleichung a x = b mit a, b Z genau dann eine Lösung x Z besitzt, wenn a b. Zum Beispiel hat 2 x = 1 keine Lösung x Z. Wir wollen nun den Zahlbereich

Mehr

Analysis II (FS 2015): Vektorfelder und Flüsse

Analysis II (FS 2015): Vektorfelder und Flüsse Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

Modern Methods in Nonlinear Optimization

Modern Methods in Nonlinear Optimization Modern Methods in Nonlinear Optimization Regularisierung Inverser Probleme Prof. Dr. Bastian von Harrach Technische Universität München, Fakultät für Mathematik - M1 Wintersemester 2010/2011 http://www-m1.ma.tum.de/bin/view/lehrstuhl/harrach_ws1011_modernmethods

Mehr

Kapitel 5. Stetige Funktionen 5.1. Stetigkeit

Kapitel 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

Mehr

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH ) Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon

Mehr

Exkurs: Polnische Räume

Exkurs: Polnische Räume Ein normaler Hausdorff-Raum mit abzählbarer Basis kann auf viele Weisen metrisiert werden; man kann insbesondere eine einmal gewonnene Metrik in vielerlei Weise abändern, ohne die von ihr erzeugte Topologie

Mehr

Kapitel III. Lineare Abbildungen

Kapitel III. Lineare Abbildungen Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,

Mehr

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.

Mehr

Vorlesungsmanuskript zu. Topologie. Werner Balser Institut für Angewandte Analysis. Wintersemester 2008/09

Vorlesungsmanuskript zu. Topologie. Werner Balser Institut für Angewandte Analysis. Wintersemester 2008/09 Vorlesungsmanuskript zu Topologie Werner Balser Institut für Angewandte Analysis Wintersemester 2008/09 Inhaltsverzeichnis 1 Topologische Räume 5 1.1 Normierte und metrische Räume................................

Mehr

3.3 Klassifikation quadratischer Formen auf R n

3.3 Klassifikation quadratischer Formen auf R n 3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen

Mehr

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum Kapitel II Lineare Algebra und analytische Geometrie 6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum geometrischen

Mehr

Lineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche

Lineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche Lineare Algebra für Informatiker TUM Sommersemester 20 Dozent: Christian Pötzsche Janosch Maier 3. Juli 20 Herzlichen Dank an Lucas Westermann, Florian Scheibner (https://github. com/lswest/lamitschrift)

Mehr

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor GNS-Konstruktion und normale Zustände 1 Rückblick Wir betrachten von-neumann-algebren M B(H), d.h. Unteralgebren mit 1 H M, die in der schwachen Operatortopologie (und damit in jeder der anderen) abgeschlossen

Mehr

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge 1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten

Mehr

18 Höhere Ableitungen und Taylorformel

18 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

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. 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

Mehr

1 Eingebettete Untermannigfaltigkeiten des R d

1 Eingebettete Untermannigfaltigkeiten des R d $Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die

Mehr

Grundlagen der Variationsrechnung

Grundlagen der Variationsrechnung Universität des Saarlandes Fachrichtung 6.1 Mathematik /home/lehrstuhl/ag-fuchs/olli/work/texstyles/eule-eps-conv Grundlagen der Variationsrechnung Eine anwendungsorientierte Einführung in die lineare

Mehr

1 Rechnen mit 2 2 Matrizen

1 Rechnen mit 2 2 Matrizen 1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12

Mehr

Mathematik für Anwender I. Beispielklausur I mit Lösungen

Mathematik für Anwender I. Beispielklausur I mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.

Mehr

1 Mengen und Abbildungen

1 Mengen und Abbildungen 1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra

Mehr

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1 Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =

Mehr

Definition 27 Affiner Raum über Vektorraum V

Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

STETIGKEITS- UND KONVERGENZMODI FÜR FUNKTIONEN UND FUNKTIONENFOLGEN

STETIGKEITS- UND KONVERGENZMODI FÜR FUNKTIONEN UND FUNKTIONENFOLGEN STETIGKEITS- UN KONVERGENZMOI FÜR FUNKTIONEN UN FUNKTIONENFOLGEN. Vorbemerungen Im folgenden seien stets: (M, d), (K, ρ) metrische Räume, (V, V ) ein Banach-Raum (nicht notwendigerweise endlichdimensional!),

Mehr

Inhaltsverzeichnis. 1 Lineare Algebra 12

Inhaltsverzeichnis. 1 Lineare Algebra 12 Inhaltsverzeichnis 1 Lineare Algebra 12 1.1 Vektorrechnung 12 1.1.1 Grundlagen 12 1.1.2 Lineare Abhängigkeit 18 1.1.3 Vektorräume 22 1.1.4 Dimension und Basis 24 1.2 Matrizen 26 1.2.1 Definition einer

Mehr

Lineare Algebra I: Eine Landkarte

Lineare Algebra I: Eine Landkarte Bild F Algebra I: Eine Landkarte Faser Versuch einer Übersicht der Themen und Zusammenhänge der n Algebra 1. 1 Algebra I: Bild F Faser Sei B Basis von V. Jedes v V läßt sich eindeutig aus den Basisvektoren

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel 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

Mehr

Kapitel 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 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

Mehr

Der Konsistenzsatz von Kolmogorov

Der Konsistenzsatz von Kolmogorov Der Konsistenzsatz von Kolmogorov Im Rahmen der Theorie stochastischer Prozesse betrachten wir W-Maße auf unendlichen Produkträumen wie bspw. (R N, B N ) als Bildraum eines Prozesses (X t ) t N in diskreter

Mehr

Dynamische Systeme eine Einführung

Dynamische Systeme eine Einführung Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,

Mehr

Jürgen Hausen Lineare Algebra I

Jürgen Hausen Lineare Algebra I Jürgen Hausen Lineare Algebra I 2. korrigierte Auflage Shaker Verlag Aachen 2009 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

4. Vektorräume und Gleichungssysteme

4. 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

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. 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

Mehr

B-P 11: Mathematik für Physiker

B-P 11: Mathematik für Physiker B-P 11: Mathematik für Physiker Status: freigegeben Modulziele Erwerb der Grundkenntnisse der Analysis, der Linearen Algebra und Rechenmethoden der Physik Modulelemente Mathematik für Physiker I: Analysis

Mehr

8 Konvergenzkriterien und Häufungswerte von Folgen in R

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

Mehr

Analysis I. Vorlesung 16. Funktionenfolgen

Analysis I. Vorlesung 16. Funktionenfolgen Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Analysis I Vorlesung 16 Funktionenfolgen Eine (vertikal gestauchte) Darstellung der ersten acht polynomialen Approximationen der reellen Exponentialfunktion

Mehr

2.2 Kern und Bild; Basiswechsel

2.2 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

00. Einiges zum Vektorraum R n

00. 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

Mehr

Lösung der Prüfung Sommer 2009

Lösung der Prüfung Sommer 2009 Prof. D. Salamon Analysis I/II D-MATH, D-PHYS, D-CHAB ETH Zürich. Juni 9 Lösung der Prüfung Sommer 9. Berechnen Sie folgende Grenzwerte: (a) (b) Hinweis: Regel von de l Hospital. ( ( )) lim n n cos n lim

Mehr

Stetige 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. 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

Mehr

Stetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543

Stetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543 Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen

Mehr

MATHEMATIK II FÜR STUDIERENDE DER PHYSIK

MATHEMATIK II FÜR STUDIERENDE DER PHYSIK - 87 - MATHEMATIK II FÜR STUDIERENDE DER PHYSIK 21 Vektorräume mit Skalarprodukt Wir halten uns hier im Wesentlichen an das Buch G.Fischer : Lineare Algebra, 14. Auflage, Kap. 5. 21.1 Definition und Beispiele

Mehr

Analysis II. Vorlesung 48. Die Hesse-Form

Analysis II. Vorlesung 48. Die Hesse-Form Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen

Mehr

48 Symplektische Geometrie und Klassische Mechanik

48 Symplektische Geometrie und Klassische Mechanik 48 Symplektische Geometrie und Klassische Mechanik Zusammenfassung Zum Schluss der Vorlesung gehen wir noch auf eine geometrische Struktur ein, die wie die euklidische oder die Minkowski-Struktur im Rahmen

Mehr

fraktal kommt von f : C C : x x 3.

fraktal kommt von f : C C : x x 3. Kapitel 4 Fraktale und Dimension 4.1 Selbstähnlichkeit Was sind Fraktale? Das Wort fraktal kommt von zerbrochen und steht für die nicht-ganzzahlige Dimension. Wir betrachten also Objekte deren Dimension

Mehr

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also

Der 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,

Mehr

Konvergenz von Folgen

Konvergenz von Folgen 6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2

Übungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Die Kirchhoffsche Knotenregel gilt nicht am Rand unendlicher Graphen

Die Kirchhoffsche Knotenregel gilt nicht am Rand unendlicher Graphen Die Kirchhoffsche Knotenregel gilt nicht am Rand unendlicher Graphen Johannes Carmesin 20. August 2010 1 Einleitung Elektrische Netzwerke sind ein wichtiger Bestandteil unseres täglichen Lebens. Ebenfalls

Mehr

Fachschaft 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 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

Mehr

Surjektive, injektive und bijektive Funktionen.

Surjektive, injektive und bijektive Funktionen. Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens

Mehr