Hausdorff-Maß und Hausdorff-Dimension. Jens Krüger

Größe: px
Ab Seite anzeigen:

Download "Hausdorff-Maß und Hausdorff-Dimension. Jens Krüger"

Transkript

1 Hausdorff-Maß und Hausdorff-Dimension Jens Krüger

2 Inhaltsverzeichnis 1 Einleitung 2 2 Grundlagen aus der Maßtheorie 3 3 Die Konstruktion des Hausdorff-Maßes 4 4 Eigenschaften des Hausdorff-Maßes und Hausdorff-Dimension 6 5 Bestimmung von Hausdorff-Dimensionen 8 6 Literaturverzeichnis 11 1

3 1 Einleitung Zu Anfang dieser kurzen Ausarbeitung über das Hausdorff-Maß soll zunächst einmal geklärt werden, welche besondere Bedeutung diesem Maß zukommt. Maße sind Abbildungen aus einer Menge von Mengen in die reellen Zahlen, sie ordnen jeder Menge aus ihrem Urbild eine Zahl zu, die als Inhalt der Menge angesehen werden kann, und zum Vergleich der Mengen dient. Das Hausdorff-Maß bildet auch Mengen auf reelle Zahlen ab, das interessante am Hausdorff-Maß ist jedoch, dass während der Abbildung auf den Inhalt einer Menge eine zweite charakteristische Größe der Menge produziert wird. Die so genannte Hausdorff-Dimension. Diese ist für Mengen auf dem n gleich n, aber für Fraktale oft keine ganze Zahl mehr. Das Hausdorff-Maß schafft also eine Vergleichsgröße für Mengen, die sich meistens einem sinnvollen Vergleich über einen Inhalt entziehen. 2

4 2 Grundlagen aus der Maßtheorie Für die Konstruktion des Hausdorff-Maßes und allgemein für das Thema Maße sind ein paar Grundlagen aus der Maßtheorie notwendig. Um uns einen möglichst einfachen Umgang mit dem Hausdorff-Maß zu erlauben werden wir das Maß etwas anders definieren, als es in der Maßtheorie normalerweise üblich ist. Definition 2.1. (σ-algebra) Sei Ω eine Menge. P (Ω) heißt σ-algebra, falls gilt: (i) (ii) A = A C (iii) Für jede abzählbare Familie A n von Elementen aus gilt: n A n n Bemerkung 2.2. Sei M P (Ω), dann existiert eine kleinste σ-algebra P (Ω) mit M. heißt die von M erzeugte σ-algebra und M heißt erzeuger von. Man erhält über den Schnitt aller σ-algebren, die M enthalten. Der Operator der Erzeugung ist σ. σ (M) = A = M A A σ Al g. Definition 2.3. (Borel-σ-Algebra) Sei (X, dist) ein metrischer Raum. Die von den offenen Teilmengen von X erzeugte σ-algebra (X ) heißt Borel-σ-Algebra. A (X ) heißt Borelmenge. Besonders wichtig ist ( n ) n. Definition 2.4. (Maß) Sei Ω eine Menge, Eine Funktion µ: P (Ω) [0, ] heißt Maß, falls gilt: (i) µ () = 0 (ii) A, B P (Ω) und A B = µ (A) µ (B) (Monotonie) (iii) Für jede abzählbare Familie A n von Elementen aus P (Ω) gilt: n µ A n µ A n n (iv) Sind die A n disjunkte Borelmengen, so gilt außerdem: µ A n = µ A n n Beispiele 2.5. (Maße) Sei A n. Punktmaß Zählmaß a (A) := µ (A) := 0, a / A 1, a A A, falls A <, sonst Lebesgue-Maß Sei A = (a, b) n : a = a 1, a 2,..., a n, b = b1, b 2,..., b n, ai b i, i {1,..., n} λ (A) := n b i a i 3

5 3 Die Konstruktion des Hausdorff-Maßes Wir beginnen nun mit der Konstruktion des Hausdorff-Maßes. von nun an sei (X, dist) ein metrischer Raum und eine Familie von Teilmengen von X. Des Weiteren wird angenommen: Für jedes > 0 gibt es E 1, E 2,..., so dass X = E i und d E i Definition 3.1. Für E X sei der so genannte Durchmesser von E. d (E) = sup x y : x, y E Definition 3.2. Für 0 <, s > 0 und A X definieren wir die Abbildung s (A) = inf d s E i : A E i, d E i, Ei Wir wollen nun sup s (A) >0 für A X bilden. Betrachtet man die Definition 3.1, so fällt auf, dass d E i neben Ei die einzige Einschränkung für die Wahl der überdeckenden Elemente E i ist. Wird also kleiner, so stehen weniger Elemente E i für die Überdeckung von A zur Verfügung. Da die Abbildung ein Infimum über die Summe der überdeckenden Elemente ist, kann sie nur größer werden, oder gleich bleiben s (A) s (A) für > 2 und alle A X. Aus dieser Beobachtung folgt die Definition des Hausdorff-Maßes. Definition 3.3. (s-dimensionales Hausdorff-Maß) Sei s > 0, die Abbildung s (A) = sup >0 s (A) = lim s 0 (A) für A X heißt s-dimensionales Hausdorff-Maß von A. Wir zeigen nun, dass es sich hierbei um ein Maß handelt. Beweis. (i) s d () = inf s E i : d Ei, Ei s 0 0 (ii) Sei A, B P (X ) und A B, dann ist jede Überdeckung von B auch eine Überdeckung von A, und somit für alle > 0, also gilt für 0 s s (B) (A) s (B) s (A) 4

6 (iii) Sei A n eine abzählbare Familie von Elementen aus P (X ), dann gilt: n s A n = inf d s E i : A n E i, d E i, Ei n n inf d s E i : An E i, d E i, Ei = s An Da s 1 (A) s 2 (A) für 1 > 2 und A X, gilt: s A n n s An s A n für alle > 0 und mit 0 folgt: s A n n s A n (iv) Um (iv) zu zeigen, reicht es zu zeigen, dass für alle A, B n mit dist(a, B) := inf x y : x A, y B gilt: s (A B) = s (A) + s (B) Den Beweis der Äquivalenz wollen wir nicht führen. Dem interessierten Leser sei jedoch das Buch von P. Mattila [Ma] empfohlen. Sei nun > 0 mit 0 < < dist(a,b) und E 2 i i sei eine Überdeckung von A B mit d E i für alle i, dann gilt entweder E i A = oder E i B = für alle i. Also gilt: d(e i ) s A E i d(e i ) s + B E i Sei nun E i eine minimale Überdeckung von A B, dann gilt: s (A B) s d(e i ) s s s (A) + (B) dist(a, B) s (A) + (B) für alle 0 < < 2 und mit 0 folgt: s (A B) s (A) + s (B) Die umgekehrte Ungleichung folgt aus der zweiten Eigenschaft des Maßes, also gilt: s (A B) = s (A) + s (B) 5

7 4 Eigenschaften des Hausdorff-Maßes und Hausdorff-Dimension Wir wollen nun s (A), A s für ganzzahlige s betrachten, ohne die Eigenschaften zu Beweisen. Für s = 0 ist d E i s = 1 für alle Ei. Da d E i für alle > 0, ist 0 (A) gleich der Anzahl der Punkte in A, für alle A X. Also ist 0 gleich dem Zählmaß. Für s = 1 ist s (A) gleich der Länge einer rektifizierbaren Kurve A in n. Sei A n dann gilt: n (A) = λn (A) k n dabei ist k n das Volumen der n-dimensionalen Kugel mit Durchmesser eins und λ n das n-dimensionale Lebesgue-Maß. Daraus und auch aus der Definition von s folgt, dass s translations- und skalierungs-invariant ist. Es gilt also Also: s (A + a) = s (A) mit A + a := {x + a: x A} s (ca) = c s s (A) mit ca := {cx : x A} Nun wollen wir die Hausdorff-Dimension näher betrachten. Sei t > s und E i i eine Überdeckung von A n mit d E i für alle i. So gilt: d t E i d s t s E i d Ei t s d s E i Also für 0 gilt nun: und t (A) t s s (A) s (A) < t (A) = 0 t (A) > 0 s (A) = Durch diese Beobachtung erhalten wir folgende Definition der Hausdroff-Dimension. Definition 4.1. (Hausdorff-Dimension) dim H (A) = sup {s: s (A) > 0} = inf t : t (a) < Anders ausgedrückt ist die Hausdorff-Dimension dim H (A) einer Menge A n die eindeutige Zahl, für die gilt: s < dim H (A) s (A) = t > dim H (A) t (A) = 0 6

8 Das bedeutet aber, dass dim H (A) nicht trivial zu berechnen ist, da für s = dim H (A) die drei Fälle s (A) = 0, 0 < s (A) < und s (A) = auftreten können. Gilt aber 0 < s (A) <, so folgt s = dim H (A) Satz 4.2. Die Hausdorff-Dimension ist monoton: dim H (A) dim H (B), A B X Beweis. Da s (A) s (B) für alle s folgt die Behauptung. Satz 4.3. Die Hausdorff-Dimension ist stabil unter abzählbaren Vereinigungen: dim H E i = sup dim H Ei, Ei X, i = 1, 2,... i Beweis. Da E i j=1 E j für alle i gilt, folgt aufgrund der Monotonie der Hausdorff-Dimension: sup i dim H Ei dimh E i Sei s > dim H Ei für alle i, dann ist s E i = 0 für alle i woraus folgt: mit s sup i dim H Ei =: t folgt: s E i : t (E i)>0 E i s E i s E i = 0 E i : t (E i)>0 s E i dimh E i sup dim H Ei i 7

9 5 Bestimmung von Hausdorff-Dimensionen Wir wollen nun die Hausdorff-Dimension einiger Fraktale bestimmen. Wichtig dabei ist, dass diese Konstruktionen nicht eindeutig sind, sondern Parameter enthalten, durch deren Änderung das Hausdorff-Maß sowie die Hausdorff-Dimension der Menge geängert werden können. Beispiel 5.1. (Cantormenge) Dies sind die ersten sechs Konstruktionsschritte für die eindimensionale Cantormenge. Sei 0 < α < 1 2, Sei I 0,1 = [0, 1] das Startintervall und I 1,1 = [0, α] und I 1,2 = [1 α, 1] die Intervalle nach dem ersten Konstruktionsschritt der Cantormenge. In der Abbildung oben ist α = 1. Die Menge der Intervalle verdoppelt sich bei 3 jedem Konstruktionsschritt und es wird ein Intervall der Länge (1 2α) d(i k 1 ) = (1 2α) α k 1 aus der Mitte aller Intervalle I k 1,1,..., I k 1,2 k 1 gelöscht. Die Länge aller erhaltenen Intervalle ist α k. Die durch unendliche Wiederholung dieses Konstruktionsschrittes erhaltene Menge ist die Cantor Menge C(α). Da bei jedem Schritt Intervalle verschwinden, ist jede Menge zwischen zwei Konstruktionsschritten eine Überdeckung von C(α). Wir versuchen nun ein 0 < s < zu finden, so dass 0 < s (C(α)) < gilt, woraus dim H (C(α)) = s folgen würde. s α k (C(α)) 2 k j=1 d I k,j s = 2 k α sk = (2α s ) k Da wir hoffen eine obere Grenze für s (C(α)) zu finden, die endlich ist, sollte die Summe für k konvergieren. Der kleinste wert s für den das gilt ist 2α s = 1 also: s = ln 2 ln 1 α daraus folgt: s (C(α)) = lim k s α k (C(α)) 1 und damit gilt dim H (C(α)) s. Die Abschätzung nach unten ist etwas komplizierter. Wir wollen zeigen, dass s (C(α)) 1 ist. Dafür reicht es zu zeigen, dass 4 j d I j s 1 4 (5.1) für alle Überdeckungen offener Intervalle I 1, I 2,... von C(α) gilt, da dass Hausdorff-Maß ein Infimum über Überdeckungen bildet. Da C(α) kompakt ist, gibt es eine endliche Überdeckung I 1, I 2,..., I n für C(α). Sei M := [ 1, 2] \ n I j die Menge der Punkte in [-1,2] die nicht von I 1, I 2,..., I n überdeckt werden. j=1 8

10 Da C(α) keine inneren Punkte hat, gilt: γ = dist(m, C(α)) > 0. Nun wählen wir k so groß, dass γ > α k = d(i k,i ) gilt. Das bedeutet, dass jedes I k,i, das ja mindestens einen Punkt aus C(α) beinhalten muss, kürzer ist, als der minimale Abstand von einem Punkt der Cantormenge zu einem Punkt, der nicht von einem I j überdeckt wird, folglich werden alle I k,i von einem I j überdeckt. Nun zeigen wir, dass für jedes offene Intervall I und jedes feste l gilt: d s I l,i 4d (I) s I l,i I (5.2) Daraus folgt (5.1), da 4 d s I j s 2 k Ik,i d s I k,i = 1 d j j I k,i I j Um (5.2) zu zeigen, nehmen wir an es liegen ein paar Intervalle I l,i in I und n sei die kleinste ganze Zahl, für die I Intervalle I n,i überdeckt. Dann ist n l und es gibt höchstens vier Intervalle I n,j1,..., I n,j4 deren Schnitt mit I nicht leer ist. Andernfalls gäbe es ein Intervall I n 1,i, so dass I n 1,i I gelten würde. Daraus folgt: 4 4d (I) s d s 4 I n,jm m=1 m=1 I l,i In,j m d s Il,i d s I l,i I l,i I und somit: 1 4 s (C(α)) 1, mit s = ln 2 ln 1 α 9

11 Beispiel 5.2. (Cantorstaub) Dies sind die ersten drei Konstruktionsschritte für den Cantorstaub. Die Konstruktionsvorschrift unterteilt ein Quadrat im n-ten Schritt in 16 gleich große Quadrate und lässt nur jedes dritte Quadrat am Rand des Quadrates aus dem (n-1)-ten Schritt stehen. Der bei unendlicher Wiederholung resultierende Cantorstaub soll hier mit C bezeichnet werden. Wir versuchen nun wie bei der Cantormenge s (C) für ein s nach oben und unten positiv endlich abzuschätzen, woraus dim H (C) = s folgen würde. Wir betrachten zunächst das Hausdorff-Maß eines beliebigen Konstruktionsschrittes. Sei C n die Menge der Quadrate nach dem n-ten Konstruktionsschritt. C n besteht aus 4 n Quadraten mit der Seitenlänge 4 n und dem Durchmesser 2 = 4 n n, mit der Konvention, dass das Anfangsquadrat die Seitenlänge eins hat. Da in weiteren Konstruktionsschritten nur noch Teile der Quadrate entfernt werden, ist jede Menge C n eine Überdeckung von C. n Man erhält so die Abschätzung 1 (C) 2 mit n geht auch n 0 und es folgt 1 (C) 2. n 4 4 Nun definieren wir uns eine Abbildung p, für die 0 < 1 (p(c n )) 1 (C n ) gilt. Was durch die Translations- und Skalierunginvarianz des Hausdorff-Maßes ermöglicht wird. p ist die orthogonale Projektion aller Punkte aus C n auf die x-achse. p vergrößert keine Abstände, es gilt also: p(x) p(y) x y für alle x, y 2. Der Skalierungsfaktor von p ist damit kleiner oder gleich 1, woraus folgt: 1 (p(c n )) 1 (C n ). C n besteht aus 4 n Quadraten mit Kantenlänge 4 n und alle Schnitte zweier abgebildeter Quadrate enthalten höchstens einen Punkt. Also wird das Intervall [0,1] von den abgebildeten Quadraten voll ausgefüllt. s ([0, 1]) = 1 womit 0 < 1 (p(c n )) 1 (C n ) gezeigt ist und dim H (C) = 1 folgt. 10

12 6 Literaturverzeichnis [Ma] P. Mattila, Geometry of Sets and Measures in Euclidean Spaces, Cambridge Studies in Advanced Mathematics 44, Cambridge University Press, [Ed] G. A. Edgar, Measure, topology and fractal geometry, Springer, 2008 [El] J. Elstrodt, Maß-und Integrationstheorie, Springer, pdf 11

Fraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß:

Fraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß: Universität Regensburg Sommersemester 013 Daniel Heiß: 9: Metrische äußere Maße II I Das mehrdimensionale Lebesguemaß 1.1 Definition (i) Für reelle Zahlen a b, c d ist ein Rechteck im R die Menge R = a,

Mehr

Hausdorff-Maß und Hausdorff-Dimension

Hausdorff-Maß und Hausdorff-Dimension Hausdorff-Maß und Hausdorff-Dimension Ausarbeitung zum Seminarvortrag vom 07. November 2006 im Rahmen des Seminars Fraktale Geometrie und ihre Anwendungen Tobias Krämer WS 2006/07 Universität Ulm Inhaltsverzeichnis

Mehr

Das Lebesgue-Maß im R p

Das Lebesgue-Maß im R p Das Lebesgue-Maß im R p Wir werden nun im R p ein metrisches äußeres Maß definieren, welches schließlich zum Lebesgue-Maß führen wird. Als erstes definieren wir das Volumen von Intervallen des R p. Seien

Mehr

KONSTRUKTION VON MASSEN

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

Mehr

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :

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

Mehr

Techniken zur Berechnung der Dimension

Techniken zur Berechnung der Dimension Seminarvortrag Ulm, 21.11.2006 Übersicht Masse-Verteilungs-Prinzip Berechnung der Dimension von Fraktalen Es ist oft nicht einfach die Hausdorff - Dimension allein durch deren Definition zu berechnen.

Mehr

Musterlösung Analysis 3 - Maßtherorie

Musterlösung Analysis 3 - Maßtherorie Musterlösung Analysis 3 - Maßtherorie 10. März 2011 Aufgabe 1: Zum Aufwärmen (i) Zeige, dass die Mengensysteme {, X} und P(X) σ-algebren sind. Es sind jeweils nur die Charakteristika nachzuweisen. (1)

Mehr

Existenz des Lebesgue-Borel-Maßes

Existenz des Lebesgue-Borel-Maßes A Existenz des Lebesgue-Borel-Maßes In diesem (nicht prüfungsrelevanten) Anhang tragen wir u.a. die Existenz des Lebesgue- Borel-Maßes nach. 52 Es empfiehlt sich, diesen Anhang erst nach Kapitel 5 zu lesen

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof. Dr. D. Castrigiano Dr. M. Prähofer Zentralübung 38. Einschränkung eines Maßes TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 4 (Analysis 3) http://www.ma.tum.de/hm/ma9204

Mehr

4 Messbare Funktionen

4 Messbare Funktionen 4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und

Mehr

Skriptbausteine zur Vorlesung Maßtheorie

Skriptbausteine zur Vorlesung Maßtheorie Skriptbausteine zur Vorlesung Maßtheorie Vorlesender: Prof. Dr. Bernd Hofmann Der folgende Text soll die Nacharbeit der Vorlesung erleichtern und dabei an Definitionen, Sätze und Beispiele erinnern. Das

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

Mehr

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler

Lehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik II Wahrscheinlichkeitstheorie I Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 26. November 2002

Mehr

Metrische äußere Maße, Borel-Maße

Metrische äußere Maße, Borel-Maße Metrische äußere Maße, Borel-Maße Zum einen haben wir mit dem Fortsetzungssatz gesehen, dass man mit einem äußeren Maß (auf P(X) ) stets eine σ-algebra und ein Maß auf dieser bekommt. Liegt nun ein metrischer

Mehr

σ-algebren, Definition des Maßraums

σ-algebren, Definition des Maßraums σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven

Mehr

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012 Darstellungssatz von Riesz in vollständig regulären Räumen Carina Pöll 0726726 Wintersemester 2012 Inhaltsverzeichnis 1 Einleitung 1 2 Definitionen und Resultate aus der Topologie 1 3 Der Darstellungssatz

Mehr

A. Maß- und Integrationstheorie

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

Mehr

Lösungen zu Übungsblatt 9

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

Mehr

Maßtheorie. Wie interpretiert man Volumenmessung? Ziel :

Maßtheorie. Wie interpretiert man Volumenmessung? Ziel : 23 Maßtheorie Ziel : Entwicklung allgemeiner Konzepte, die es gestatten, z.b. Volumina und Oberflächen von Körpern R 3 sinnvoll zu definieren und zu berechnen; sinnvoll soll heißen : für den Einheitswürfel

Mehr

Die Topologie von R, C und R n

Die Topologie von R, C und R n Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).

Mehr

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße Kapitel 19 Das Lebesgue Maß 19.1 σ Algebren und Maße 19.2 Das äußere Lebesgue Maß 19.3 Das Lebesgue Maß 19.4 Charakterisierungen des Lebesgue Maßes 19.5 Messbare Funktionen 19.1 σ Algebren und Maße Wir

Mehr

Wahrscheinlichkeitstheorie und Maßtheorie

Wahrscheinlichkeitstheorie und Maßtheorie KAPITEL 7 Wahrscheinlichkeitstheorie und Maßtheorie 7.1. Vorüberlegungen Die folgenden drei Beispiele sind Spezialfälle des Oberbegriffs Maß. Beispiel 7.1.1 (Verteilung der Ladung oder der Masse). Man

Mehr

Zufallsvariable, Verteilung, Verteilungsfunktion

Zufallsvariable, Verteilung, Verteilungsfunktion Kapitel 5 Zufallsvariable, Verteilung, Verteilungsfunktion 5.1 Zufallsvariable Sei (Ω, A, P ) ein beliebiger Wahrscheinlichkeitsraum. Häufig interessiert nicht ω selbst, sondern eine Kennzahl X(ω), d.h.

Mehr

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit

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

Mehr

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen

Mehr

Aufgaben zu Kapitel 0

Aufgaben zu Kapitel 0 Aufgaben zu Kapitel 0 0.1. Seien A und B zwei Mengen. Wie kann man paarweise disjunkte Mengen A 1, A 2 und A 3 so wählen, dass A 1 A 2 A 3 = A B gilt? 0.2. Seien E ein Menge und A eine Teilmengen von E.

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 11. Oktober 2013 3 Fortsetzung von Prämassen zu Massen Der Begriff des Prämasses ist nicht ausreichend, um eine geschmeidige Integrationstheorie

Mehr

Vollständigkeit. 1 Konstruktion der reellen Zahlen

Vollständigkeit. 1 Konstruktion der reellen Zahlen Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente

Mehr

Analysis 3. Stand 12. April Alle Rechte beim Autor.

Analysis 3. Stand 12. April Alle Rechte beim Autor. Analysis 3 Steffen Börm Stand 12. April 2011 Alle Rechte beim Autor. Inhaltsverzeichnis 1 Einleitung 5 2 Grundlagen der Maßtheorie 7 2.1 Motivation................................... 7 2.2 Systeme von

Mehr

Kompaktheit in topologischen Räumen

Kompaktheit in topologischen Räumen Kompaktheit in topologischen Räumen Joel Gotsch 21. Januar 2011 Inhaltsverzeichnis 1 Notation und Allgemeines 2 2 Definitionen 2 2.1 Allgemeine Definitionen..................... 2 2.2 Globale Kompaktheitseigenschaften...............

Mehr

Maße auf Produkträumen

Maße auf Produkträumen Maße auf Produkträumen Es seien (, Ω 1 ) und (X 2, Ω 2 ) zwei Meßräume. Wir wollen uns zuerst überlegen, wie wir ausgehend davon eine geeignete σ-algebra auf X 2 definieren können. Wir betrachten die Menge

Mehr

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume Kapitel II Kontinuierliche Wahrscheinlichkeitsräume 1. Einführung 1.1 Motivation Interpretation der Poisson-Verteilung als Grenzwert der Binomialverteilung. DWT 1.1 Motivation 211/476 Beispiel 85 Wir betrachten

Mehr

Ultrametrik. Christian Semrau Metrische Räume

Ultrametrik. Christian Semrau Metrische Räume Ultrametrik Christian Semrau 05.11.2002 Inhaltsverzeichnis 1 Metrische Räume 1 1.1 Definition der Metrik.................................. 1 1.2 Offene und abgeschlossene Mengen..........................

Mehr

Übungsblatt 5 zur Vorlesung Wahrscheinlichkeitstheorie

Übungsblatt 5 zur Vorlesung Wahrscheinlichkeitstheorie Dr. Christoph Luchsinger Übungsblatt 5 zur Vorlesung Wahrscheinlichkeitstheorie Allgemeine Masse Herausgabe des Übungsblattes: Woche 13, Abgabe der Lösungen: Woche 14 (bis Freitag, 16.15 Uhr), Besprechung:

Mehr

8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W.

8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W. 8. Formelsammlung 8.1 Gesetze zum Rechnen mit Ereignissen Im Folgenden seien A und B, sowie A 1,..., A n Ereignisse. Die Notation A B steht für A B und zugleich A B = (disjunkte Vereinigung). A 1... A

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

Scheinklausur zur Vorlesung Stochastik II

Scheinklausur zur Vorlesung Stochastik II Institut für Mathematische Stochastik WS 2007/2008 Universität Karlsruhe 25. 02. 2008 Dr. B. Klar Scheinklausur zur Vorlesung Stochastik II Muster-Lösung Dauer: 90 Minuten Name: Vorname: Matrikelnummer:

Mehr

Meßbare Funktionen. Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen.

Meßbare Funktionen. Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen. Meßbare Funktionen Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen. Definition. Seien (X, Ω 1 ) und (Y, Ω 2 ) Meßräume. Eine Abbildung f : X Y heißt Ω 1 -Ω 2 -meßbar oder kurz

Mehr

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist: Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,

Mehr

Analyis I -Metrische Räume - eine Einführung in die Topologie

Analyis I -Metrische Räume - eine Einführung in die Topologie Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X

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

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

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

Mehr

Primzahlen Primzahlsatz Satz von Szemerédi Verallg. von Green/Tao Anwendung. Arithmetische Progressionen von Primzahlen

Primzahlen Primzahlsatz Satz von Szemerédi Verallg. von Green/Tao Anwendung. Arithmetische Progressionen von Primzahlen Arithmetische Progressionen von Primzahlen Sei N := {1, 2, 3,... } die Menge der natürlichen Zahlen. Definition Eine Primzahl ist eine natürliche Zahl > 1, die nur durch 1 und durch sich selbst teilbar

Mehr

Übungsblatt 2 - Analysis 2, Prof. G. Hemion

Übungsblatt 2 - Analysis 2, Prof. G. Hemion Tutor: Martin Friesen, martin.friesen@gmx.de Übungsblatt 2 - Analysis 2, Prof. G. Hemion Um die hier gestellten Aufgaben zu lösen brauchen wir ein wenig Kentnisse über das Infimum bzw. Supremum einer Menge.

Mehr

Zusammenfassung Analysis 2

Zusammenfassung Analysis 2 Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge

Mehr

Zusammenfassung der Lebesgue-Integrationstheorie

Zusammenfassung 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,

Mehr

Der Satz von Lusin. Markus Schuster Juni 2012 Universita t Ulm

Der Satz von Lusin. Markus Schuster Juni 2012 Universita t Ulm Der Satz von Lusin Markus Schuster 29-30 Juni 2012 Universita t Ulm Maßtheorie Seminar 2012 Seite 2 Der Satz von Lusin Markus Schuster 29-30 Juni 2012 Inhaltsverzeichnis Motivation Definitionen Der Satz

Mehr

Definition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR

Definition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR 0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Grundstudium Mathematik Wahrscheinlichkeitsrechnung Bearbeitet von Dominique Foata, Aime Fuchs 1. Auflage 1999. Taschenbuch. xv, 383 S. Paperback ISBN 978 3 7643 6169 3 Format (B x L): 17 x 24,4 cm Gewicht:

Mehr

Grundlagen Mengenlehre, Maßtheorie

Grundlagen Mengenlehre, Maßtheorie Grundlagen Mengenlehre, Maßtheorie 12. März 2011 1 Grundlagen der Mengenlehre - Rechnen mit Mengen Im folgenden bezeichnen wir mit P(X) die Menge aller Teilmengen von X, die sogenannte Potenzmenge von

Mehr

Ferienkurs in Maß- und Integrationstheorie

Ferienkurs in Maß- und Integrationstheorie Zentrum Mathematik Technische Universität München Dipl. Math. Wolfgang Erb WS 9/ Übungsblatt Ferienkurs in Maß- und Integrationstheorie Aufgabe. (σ-algebren Sei eine Menge und A eine σ-algebra in. Seien

Mehr

GRUNDLAGEN MATHEMATIK

GRUNDLAGEN MATHEMATIK Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 2. Folgen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen Mathematik

Mehr

(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e)

(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e) 27 15. Metrische Räume Mit Hilfe einer Norm können wir den Abstand x y zweier Punkte x, y messen. Eine Metrik ist eine Verallgemeinerung dieses Konzepts: 15.1. Metriken. Es sei M eine beliebige Menge.

Mehr

Projektive Räume und Unterräume

Projektive Räume und Unterräume Projektive Räume und Unterräume Erik Slawski Proseminar Analytische Geometrie bei Prof. Dr. Werner Seiler und Marcus Hausdorf Wintersemester 2007/2008 Fachbereich 17 Mathematik Universität Kassel Inhaltsverzeichnis

Mehr

Satz Eine Teilmenge U von M ist genau dann offen, wenn jeder Punkt von U innerer Punkt ist. U x, und U ist als Vereinigung offener Mengen offen.

Satz Eine Teilmenge U von M ist genau dann offen, wenn jeder Punkt von U innerer Punkt ist. U x, und U ist als Vereinigung offener Mengen offen. Ergänzungen zu offenen und abgeschlossenen Mengen Definition Ist L Teilmenge eines topologischen Raums M, so heißt x L innerer Punkt von L, wenn es eine offene Umgebung von x gibt, die ganz in L liegt.

Mehr

i=1 i=1,...,n x K f(x).

i=1 i=1,...,n x K f(x). 2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,

Mehr

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried

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,

Mehr

heißt Exponentialreihe. Die durch = exp(1) = e (Eulersche Zahl). n! + R m+1(x) R m+1 (x) = n! m m + 2

heißt Exponentialreihe. Die durch = exp(1) = e (Eulersche Zahl). n! + R m+1(x) R m+1 (x) = n! m m + 2 9 DIE EXPONENTIALREIHE 48 absolut konvergent. Beweis. Wegen x n+ n! n + )!x n = x n + < 2 für n 2 x folgt dies aus dem Quotientenkriterium 8.9). Definition. Die Reihe x n heißt Exponentialreihe. Die durch

Mehr

Inhaltsfunktion für beliebige Mengen aus? 1, falls x Ω 0, falls x 6 Ω. Beispielsweise ermitteln wir für das kompakte Intervall [a,b] R

Inhaltsfunktion für beliebige Mengen aus? 1, falls x Ω 0, falls x 6 Ω. Beispielsweise ermitteln wir für das kompakte Intervall [a,b] R Kaitel 10 Das Lebesguesche Maß 10.1 Das Maßroblem Das ursrüngliche Problem der Geometrie ist das sogenannten Maßroblem, dessen Behandlung im Zentrum der folgenden Kaitel steht. Worum geht es? Ebenen, linear

Mehr

3 Markov-Eigenschaft der Brownschen Bewegung

3 Markov-Eigenschaft der Brownschen Bewegung Man verifiziert 2.) für P n = Q n, und somit gilt: jede Teilfolge von (P n ) n N besitzt eine konvergente Teilfolge. Betrachte nun die endlich-dimensionalen Randverteilungen der Maße P n. Dazu sei π t1,...,t

Mehr

3 Das n-dimensionale Integral

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

Mehr

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.

(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 =

Mehr

Analysis III. Vorlesung 61

Analysis III. Vorlesung 61 Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Analysis III Vorlesung 61 In diesem Kurs beschäftigen wir uns mit dem Flächeninhalt von ebenen Gebilden und den Volumina von räumlichen Gebilden. Für ein Rechteck

Mehr

Mengenlehre. Aufgaben mit Lösungen

Mengenlehre. Aufgaben mit Lösungen Mengenlehre Aufgaben mit Lösungen Inhaltsverzeichnis 1 Hilfsmittel 1 1. Zahlenmengen........................................ 1 2. Symbole........................................... 1 3. Intervalle: Schreibweise...................................

Mehr

Mathematik III. Prof. Dr. H. Brenner Osnabrück WS 2010/2011. Vorlesung 62 In diesem Kurs beschäftigen wir uns mit dem

Mathematik III. Prof. Dr. H. Brenner Osnabrück WS 2010/2011. Vorlesung 62 In diesem Kurs beschäftigen wir uns mit dem Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 62 In diesem Kurs beschäftigen wir uns mit dem Flächeninhalt von ebenen Gebilden und den Volumina von räumlichen Gebilden. Für ein Rechteck

Mehr

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...

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........................

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 91

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 91 Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : R R systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene

Mehr

Lösungsvorschläge für das 5. Übungsblatt

Lösungsvorschläge für das 5. Übungsblatt Lösungsvorschläge für das 5. Übungsblatt Aufgabe 6 a) Sei = [0, ], f(x) := [e x ] für x. Hierbei ist [y] := maxk Z k y} für y. Behauptung: f ist messbar und es ist f(x) dx = 2 log 2. falls x [0, log 2),

Mehr

Serie 2 Lösungsvorschläge

Serie 2 Lösungsvorschläge D-Math Mass und Integral FS 214 Prof. Dr. D. A. Salamon Serie 2 Lösungsvorschläge 1. Seien folgende Mengen gegeben: und für a, b R R := [, ] := R {, }, (a, ] := (a, ) { }, [, b) := (, b) { }. Wir nennen

Mehr

Klausur zur Vorlesung Stochastik II

Klausur zur Vorlesung Stochastik II Institut für Mathematische Stochastik WS 24/25 Universität Karlsruhe 7. März 25 Priv-Doz. Dr. D. Kadelka Klausur zur Vorlesung Stochastik II Dauer: 9 Minuten Name: Vorname: Matrikelnummer: Diese Klausur

Mehr

Grundlagen der Maßtheorie

Grundlagen der Maßtheorie Kapitel 4 Grundlagen der Maßtheorie 4.1 Das Maßproblem Das vielleicht ursprünglichste Problem der Geometrie ist das sogenannten Maßproblem. Dessen Behandlung steht im Zentrum dieses vierten Kapitels. Unsere

Mehr

Kardinalzahlen. Bemerkung. Eine unendliche Kardinalzahl α muss eine Limesordinalzahl sein. (Beweis zur Übung)

Kardinalzahlen. Bemerkung. Eine unendliche Kardinalzahl α muss eine Limesordinalzahl sein. (Beweis zur Übung) Kardinalzahlen Kardinalzahlen sollen die Größe von Mengen messen, daher suchen wir eine Aussage der Form, dass jede Menge bijektiv auf eine Kardinalzahl abgebildet werden kann. Um eine brauchbare Theorie

Mehr

x, 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

x, 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,

Mehr

8 KAPITEL 1. GRUNDLAGEN

8 KAPITEL 1. GRUNDLAGEN 8 KAPITEL 1. GRUNDLAGEN Beweis. 1. Sei A X abgeschlossen, dann ist X \ A offen und jede offene Überdeckung von A lässt sich durch Hinzunahme von X \ A auf ganz X fortsetzen. Die Kompaktheit von X erlaubt

Mehr

9 Metrische und normierte Räume

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

Mehr

Topologische Aspekte: Eine kurze Zusammenfassung

Topologische Aspekte: Eine kurze Zusammenfassung Kapitel 1 Topologische Aspekte: Eine kurze Zusammenfassung Wer das erste Knopfloch verfehlt, kommt mit dem Zuknöpfen nicht zu Rande J. W. Goethe In diesem Kapitel bringen wir die Begriffe Umgebung, Konvergenz,

Mehr

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11.1 g-adische Entwicklung von Zahlen aus [0, 1[ 11.2 g-adische Entwicklung reeller Zahlen 11.3 g-adische Entwicklung nicht-negativer

Mehr

Vollständigkeit. Andreas Schmitt. Ausarbeitung zum Proseminar zur Topologie im WS 2012/13

Vollständigkeit. Andreas Schmitt. Ausarbeitung zum Proseminar zur Topologie im WS 2012/13 Vollständigkeit Andreas Schmitt Ausarbeitung zum Proseminar zur Topologie im WS 2012/13 1 Einleitung Bei der Konvergenz von Folgen im Raum der reellen Zahlen R trifft man schnell auf den Begriff der Cauchy-Folge.

Mehr

Das Banach-Tarski-Paradoxon

Das Banach-Tarski-Paradoxon Das Das Universität Konstanz 8. März 2007 auf R n Das Definition auf R n ist eine Abbildung m, die jeder Teilmenge A R n eine reelle Zahl m(a) (oder + ) zuordnet, mit folgenden Eigenschaften: wenn A R

Mehr

Topologische Räume und stetige Abbildungen Teil 2

Topologische 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

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

4.5 Schranken an die Dichte von Kugelpackungen

4.5 Schranken an die Dichte von Kugelpackungen Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen

Mehr

4. Vortrag - Garben. Ling Lin, Kristijan Cule Datum: 26. April 2009

4. Vortrag - Garben. Ling Lin, Kristijan Cule Datum: 26. April 2009 4. Vortrag - Garben Datum: 26. April 2009 1 Graduierte Ringe Definition 4.1.1. Eine k-algebra R heißt graduiert, wenn sie dargestellt werden kann als eine direkte Summe R = R n, wobei die R n als k-unterräume

Mehr

Schwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik

Schwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik Institut für Stochastik 18. Juni 2013 Inhalt 1 2 3 4 5 Nach ZGWS konvergiert für n F n (x) = P{ X 1+...+X n np npq x} gegen F(x) = 1 2π x e 1 2 u2 du, wenn die X i unabhängig und bernoulliverteilt sind

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

Zahlen und metrische Räume

Zahlen 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,

Mehr

11 Logarithmus und allgemeine Potenzen

11 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

Mehr

Skript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich

Skript zur Vorlesung. Mass und Integral. Urs Lang. Sommersemester 2005 ETH Zürich Skript zur Vorlesung Mass und Integral Urs Lang Sommersemester 2005 ETH Zürich Version vom 12. September 2006 Literatur [Rudin] W. Rudin, Real and Complex Analysis, Third Edition. McGraw-Hill Book Co.,

Mehr

30 Metriken und Normen

30 Metriken und Normen 31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für

Mehr

Kapitel II - Wahrscheinlichkeitsraum

Kapitel II - Wahrscheinlichkeitsraum Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel II - Wahrscheinlichkeitsraum Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh

Mehr

2 Zufallsvariable, Verteilungen, Erwartungswert

2 Zufallsvariable, Verteilungen, Erwartungswert 2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments

Mehr

Analysis 2. Contents. Torsten Wedhorn. June 12, Notation. Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen

Analysis 2. Contents. Torsten Wedhorn. June 12, Notation. Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen Analysis 2 Torsten Wedhorn June 12, 2012 Notation Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen Zahlen. Contents 12 Metrische Räume 2 (A) Definition metrischer Räume........................

Mehr

Analysis I. Guofang Wang Universität Freiburg

Analysis I. Guofang Wang Universität Freiburg Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum

Mehr

Thema 3 Folgen, Grenzwerte

Thema 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

Mehr

01145 Maß- und Integrationstheorie

01145 Maß- und Integrationstheorie 01145 Maß- und Integrationstheorie Eine Einführung Prof. Dr. Werner Kirsch Wissenschaftliche Mitarbeit: Dr. Tobias Mühlenbruch Lehrgebiet Stochastik FernUniversität in Hagen LG.Stochastik@fernuni-hagen.de

Mehr

Analysis III. Inhaltsverzeichnis. Martin Brokate. 1 Maße 1. 2 Das Lebesgue-Integral Normierte und metrische Räume 38

Analysis III. Inhaltsverzeichnis. Martin Brokate. 1 Maße 1. 2 Das Lebesgue-Integral Normierte und metrische Räume 38 Analysis III Martin Brokate Inhaltsverzeichnis 1 Maße 1 2 Das Lebesgue-Integral 26 3 Normierte und metrische Räume 38 4 Konvergenzsätze und L p -Räume 48 5 Mehrfachintegrale, Satz von Fubini 63 6 Metrische

Mehr

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit

Kompaktheit und Überdeckungen. 1 Überdeckungskompaktheit Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer 1 Überdeckungskompaktheit Einleitung P T Q A R S U B (a) (b) Abbildung 1: Beispiele verschiedener Überdeckungen (1.1) Definition (Überdeckung)

Mehr

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus

Mehr