6 Räume integrierbarer Funktionen

Größe: px
Ab Seite anzeigen:

Download "6 Räume integrierbarer Funktionen"

Transkript

1 $Id: L.tex,v /01/19 15:07:43 hk Ex $ $Id: green.tex,v /01/19 15:18:26 hk Ex hk $ 6 Räume integrierbarer Funktionen In der letzten Sitzung hatten wir die sogenannte L -Norm ( 1/ f := f(x) dµ(x)) R 0 auf dem Vektorraum L(, Σ, µ; K) eingeführt. Bisher ist dies nur ein Name, wir wissen noch nicht ob es sich wirklich um eine Norm handelt. Zwei der drei Normeigenschaften waren einfach zu sehen, nur die Dreiecksungleichung ist nicht offensichtlich. Man bezeichnet die Dreiecksungleichung für die L -Norm auch als die Minkowski-Ungleichung, und diese wird üblicherweise, und auch bei uns, als Folgerung aus der am Ende der letzten Sitzung bewiesenen Hölder-Ungleichung f(x)g(x) dµ(x) f g q hergeleitet. Dabei war q der sogenannte zu konjugierte Exonent, dieser ist durch die Bedingung 1/ + 1/q = 1 gegeben. Dabei erfordert der Randfall = einen ganz anderen Beweis als der Hautfall <, und wird daher in einer Übungsaufgabe behandelt. Korollar 6.3 (Minkowski Ungleichung) Seien (, Σ, µ) ein Maßraum, K {R, C} und [1, ]. Dann gilt für alle f, g L(, Σ, µ) die Minkoswki-Ungleichung f + g f + g. Beweis: Für = ist dies Übungsaufgabe (39.a), wir nehmen im folgenden also < an. Ist f = oder g =, so ist die Ungleichung trivial, wir können also f, g L (, Σ, µ; K) annehmen. Für = 1 haben wir die Ungleichung bereits eingesehen, wir müssen also nur noch den Fall 1 < < behandeln. Für jedes x haben wir f(x) + g(x) = f(x) + g(x) f(x) + g(x) 1 f(x) f(x) + g(x) 1 + g(x) f(x) + g(x)

2 Bezeichnet q := den konjugierten Exonenten, so liefert Satz 2 f(x) f(x) + g(x) 1 dµ(x) f ( = f ( ) 1/q f(x) + g(x) ( 1)q dµ(x) ) 1/q f(x) + g(x) dµ(x) = f f + g /q und analog ist auch g(x) f(x) + g(x) 1 dµ(x) g f + g /q. Insgesamt ist damit f + g = f(x) + g(x) dµ(x) f(x) f(x) + g(x) 1 dµ(x) + g(x) f(x) + g(x) 1 dµ(x), ( f + g ) f + g /q, also f + g f + g q = f + g. Mittels der Minkowski-Ungleichung können wir schließlich L als einen normierten Raum einführen, denn diese besagt ja insbesondere das für f, g L (, Σ, µ; K) stets auch f + g f + g <, also f + g L (, Σ, µ; K), ist. Korollar 6.4 (Die L -Räume) Seien K {R, C}, (, Σ, µ) ein Maßraum und [1, ]. Dann ist L (, Σ, µ; K) ein Untervektorraum von L(, Σ, µ; K) und die L -Norm ist eine Norm auf L (, Σ, µ; K). Beweis: Klar nach Korollar 3. Wir wollen uns jetzt einige kleine Beisiele anschauen. Zunächst eine Bemerkung zur Schreibweise, oftmals und besonders an der Tafel, schreibt man nicht L (, Σ, µ; K) sondern läßt diejenigen Argumente weg die aus dem Kontext klar sind. Ist beisielsweise n N mit n 1 und A R n eine Lebesguemenge, so schreiben wir für jedes [1, ] einfach L (A) := L (A, L n A, λ n ; K) oder auch L (A; K) wenn wir den Skalarenbereich K {R, C} hervorheben wollen. Entsrechend schreiben wir auch bei allgemeinen Maßraum (, Σ, µ) manchmal einfach L () oder L (µ) anstelle des vollständigen L (, Σ, µ; K). Wenn auch A beziehungsweise aus dem Kontext gegeben ist, schreibt man manchmal sogar einfach L. 22-2

3 Ein Sezialfall erhält traditionell noch eine eigene Bezeichnung, ist (, Σ) = (N, P(N)) versehen wir mit dem Zählmaß µ, so setzt man { } l := L (N, P(N), µ; K) = x K N x n < für 1 <, { l := L (N, P(N), µ; K) = n=0 x K N su x n < n N Die Beschreibung durch Reihen ergibt sich dabei aus Aufgabe (34.b). Kommen wir nun noch zu einigen konkreten Beisielen. Sei α R. Bekanntlich ist also ist für [1, ) auch x α dλ 1 (x) < α > 1, x α dλ 1 (x) < α < 1, }. x α L (0, 1) α > 1, xα L (1, ) α < 1. Insbesondere gilt für 1 q < auch das x α L q (0, 1) auch α > 1/q 1/, also x α L (0, 1) imliziert. Tatsächlich ist sogar L q (0, 1) L (0, 1). Dies hat in Wahrheit nichts mit dem Intervall (0, 1) oder dem Lebesguemaß zu tun, sondern trifft auf jeden endlichen Maßraum zu. Seien hierzu ein Maßraum (, Σ, µ), K {R, C} und 1 < q < gegeben und sei f L q (, Σ, µ; K) gegeben. Es ist 1 q/ < und der zu q/ konjugierte Exonent r ist gegeben als r = q q 1 = Mit der Hölderschen Ungleichung Satz 2 folgt also ist auch q q. ( ) 1/r ( ) /q f(x) dµ(x) dµ(x) f(x) q = µ() q q f q, ( ) 1/ f = f(x) dµ(x) µ() 1 1 q f q <, und insbesondere haben wir f L (, Σ, µ; K). Im Fall des Einheitsintervalls ist dabei L q (0, 1) L (0, 1), denn wählen wir ein 1/ < α < 1/q so ist x α L (0, 1) aber x α / L q (0, 1). Zwischen den verschiedenen L -Räumen auf (1, ) bestehen dagegen keine Inklusionen. Sind nämlich 1 < q < gegeben, so gibt es wieder ein 1/ < 22-3

4 α < 1/q und wir haben x α L q (1, ) aber x α / L (1, ) also L q (1, ) L (1, ). Ebenso ist (x 1) α χ (1,2) L (1, ) aber (x 1) α χ (1,2) / L q (1, ) also ist auch L (1, ) L q (1, ). Es gibt aber durchaus auch unendliche Maßräume bei denen Inklusionen zwischen den L -Räumen auftreten. Wir nehmen beisielsweise einmal (, Σ) = (N, P(N)) bezüglich des Zählmaßes. Seien wieder 1 q < gegeben. Sei x l mit x = 1. Für jedes n N gilt dann x n x = 1, also auch x n 1 und somit ist x n q x n. Es folgt ( ) 1/q ( ) 1/q x q = x n q x n n=0 n=0 = x /q = 1. Ist also 0 x l, so ist x q = x x x 1, also haben wir x q x. q Dies zeigt l l q und x q x für jedes x l. Wir wollen als nächstes Ziel den Satz von Riesz-Fischer beweisen, dieser besagt das L ein vollständiger normierter Raum ist. Dies wurde seziell für = 2 von Fischer und für allgemeines von Riesz bewiesen. Was am Fall = 2 so besonders ist, werden wir am Ende dieses Kaitels kurz ansrechen. Wir beginnen mit der Besrechung konvergenter Reihen. Lemma 6.5 (Absolut konvergente Reihen in L ) Seien (, Σ, µ) ein Maßraum, [1, ), K {R, C} und (f n ) n N eine Folge in L (, Σ, µ; K) mit n=0 f n <. Dann existiert in L (, Σ, µ; K) der Grenzwert f = n=0 f n und die Reihe n=0 f n konvergiert fast überall unktweise gegen f. Beweis: Für jedes n N ist die Funktion ( n ( n g n := f k ) : (, Σ) (R 0, B(R 0 )); x f k (x) meßbar und mit der Minkowski Ungleichung Satz 3 folgt ( n ( n n ) g n dµ = f k ) dµ(x) = f k f k ( n ) ( ) = f k f k <. Für jedes n N ist dabei g n g n+1, also ist nach dem Satz von Beo Levi 4.Satz 5 auch die Funkion g : (, Σ) (R 0, B(R 0 )); x su g n (x) = n N ( ) f n (x) 22-4 n=0 )

5 meßbar mit ( ) g dµ = su g n dµ f k <, n N d.h. g ist integrierbar. Nach 4.Lemma 4.(e) gilt für die Menge N := g 1 ( ) Σ dann µ(n) = 0 und für jedes x \N ist n=0 f n(x) = g(x) 1/ <, d.h. die Reihe n=0 f n(x) ist absolut konvergent. Mit 2.Lemma 8 erhalten wir die meßbare Funktion f : (, Σ) (K, B(K)); x { n=0 f n(x), x \N, 0, x N mit f(x) = n=0 f n(x) für fast alle x. Wegen ( f(x) dµ(x) f n (x) ) dµ(x) = n=0 g dµ < ist dabei f L (, Σ, µ; K). Für jedes n N und jedes x \N haben wir weiter ( n f(x) f k (x) = f k (x) f k (x) ) g(x) und lim n k=n+1 n f(x) f k (x) k=n+1 = 0, also ergibt der Satz von der dominierten Konvergenz 5.Satz 2 auch lim n ( n f f k = lim n Damit gilt n=0 f n = f in L (, Σ, µ; K). n f(x) f k (x) dµ(x)) 1/ = 0. In L (, Σ, µ; K) sind absolut konvergente Reihen also auch konvergent. Hieraus folgt bereits die Vollständigkeit der L -Norm, ganz allgemein ist ein normierter Raum in dem jede absolut konvergente Reihe auch konvergent ist bereits vollständig. Wir können dem Lemma aber noch eine weitere Aussage entnehmen, wir haben ja sogar gezeigt das die Reihe n=0 f n = f nicht nur in L (, Σ, µ; K) konvergiert, sondern das sie zugleich auch unktweise fast überall konvergiert. Für konvergente Folgen trifft dies so nicht mehr unbedingt zu, aber durch Übergang zu einer Teilfolge können wir stets auch fast überall unktweise Konvergenz erhalten. Die Aussage des Lemmas ist auch im Fall = wahr, für diesen Fall ist das Lemma aber nicht besonders hilfreich da es einfacher ist die Vollständigkeit von L direkt zu begründen und zum anderen gilt dann auch eine etwas bessere Aussage. 22-5

6 Satz 6.6 (Satz von Riesz-Fischer) Seien (, Σ, µ) ein Maßraum, K {R, C} und [1, ]. Dann ist L (, Σ, µ; K) vollständig. Weiter gibt es im Fall < für jede Cauchyfolge (f n ) n N in L (, Σ, µ; K) stets eine Teilfolge (f nk ) k N die fast überall unktweise gegen den Grenzwert f von (f n ) n N in L (, Σ, µ; K) konvergiert. Beweis: Der Fall = ist Übungsaufgabe (39.a), hier untersuchen wir nur den Fall [1, ). Sei (f n ) n N eine Cauchyfolge in L (, Σ, µ; K). Dann existiert eine Teilfolge (f nk ) k N mit f nk+1 f nk 1/2 k für jedes k N. Insbesondere ist f n k+1 f nk < und nach Lemma 5 existiert in L (, Σ, µ; K) der Grenzwert f = (f nk+1 f nk ) und es gibt eine Menge N Σ mit µ(n) = 0 so, dass für jedes x \N stets f(x) = (f n k+1 (x) f n k (x)) gilt. Damit existiert in L (, Σ, µ; K) auch der Grenzwert f := lim k f nk = f + f n0 und für jedes x \N gilt lim k f nk (x) = f(x) + f n0 (x) = f(x). Da (f n ) n N eine Cauchyfolge ist, konvergiert schließlich auch (f n ) n N in L (, Σ, µ; K) gegen f. Dem Satz können wir auch noch eine gelegentlich nützliche Aussage über die Folgenkonvergenz in L entnehmen. Dabei tritt = als ein Ausnahmefall auf. Korollar 6.7 (Folgenkonvergenz in L ) Seien (, Σ, µ) ein Maßraum, K {R, C} und [1, ]. Weiter seien (f n ) n N eine Folge in L (, Σ, µ; K) und f : (, Σ) (K, B(K)) eine meßbare Funktion. Dann gelten: (a) Ist < und konvergiert die Folge (f n ) n N in L (, Σ, µ; K) gegen die Funktion f L (, Σ, µ; K), so existiert eine Teilfolge (f nk ) k N von (f n ) n N, die fast überall unktweise gegen f konvergiert. (b) Ist = so ist genau dann f L (, Σ, µ; K) und (f n ) n N konvergiert in L (, Σ, µ; K) gegen f wenn es eine Menge N Σ mit µ(n) = 0 gibt so, dass die Folge (f n \N) n N gleichmäßig gegen f \N konvergiert. (c) Sei < und die Folge (f n ) n N konvergiere fast überall unktweise gegen f. Gibt es dann eine Funktion g L (, Σ, µ; R) mit f n µ g für jedes n N, so ist auch f L (, Σ, µ; K) und die Folge (f n ) n N konvergiert in L (, Σ, µ; K) gegen f. Beweis: (a) Klar nach Satz

7 (b) Dies ist Übungsaufgabe (39.b). (c) Zunächst ist auch f µ g, also haben wir f(x) dµ(x) g(x) dµ(x) = g <, d.h. es ist f L (, Σ, µ; K). Weiter konvergiert die Folge ( f f n ) n N fast überall unktweise gegen 0, und für jedes n N gilt f f n µ 2 g und da 2 g integrierbar ist, liefert der Satz von der dominierten Konvergenz 5.Satz 2 auch ( 1/ lim f f n = lim f(x) f n (x) dµ(x)) = 0, n n d.h. (f n ) n N konvergiert in L (, Σ, µ; K) gegen f. Aussage (c) des Korollars gilt tatsächlich nicht im Fall =. Betrachten wir etwa die Funktionen f n = χ (0,1/n) L (0, 1), so ist f n 1 L (0, 1) für jedes n N und die Folge (f n ) n N konvergiert unktweise gegen die Nullfunktion, aber es ist f n = 1 für jedes n N, d.h. (f n ) n N ist in L (0, 1) keine Nullfolge. Zum Abschluß unserer Überlegungen zu den L -Räumen wollen wir noch einsehen das die Treenfunktionen einen dichten Teilraum bilden. Streng genommen bilden die Treenfunktionen eigentlich nicht einmal eine Teilmenge von L(, Σ, µ; K), wir nennen aber auch die Äquivalenzklassen von Treenfunktionen als Elemente von L(, Σ, µ; K) einfach weiterhin Treenfunktionen. Satz 6.8 (Die Treenfunktionen sind dicht in L ) Seien (, Σ, µ) ein Maßraum, K {R, C} und [1, ]. (a) Ist < so ist T (, Σ, µ; K) dicht in L (, Σ, µ; K). (b) Genau dann ist T (, Σ, µ; K) dicht in L (, Σ, µ; K) wenn µ() < ist. Beweis: (a) Als ersten Schritt behandeln wir den reellen Fall K = R. Sei f : (, Σ) (R 0, B(R 0 )) meßbar mit f <. Nach 2.Lemma 8 existiert eine Folge (ϕ n ) n N in T + (, Σ) mit f(x) = su n N ϕ n (x) für jedes x und ϕ n ϕ n+1 für jedes n N. Sei n N und sei 0 c ϕ n (). Setze A := ϕ 1 n (c) Σ. Für jedes x A gilt dann c = ϕ n (x) f(x), also auch c f(x) und es folgt c µ(a) f(x) dµ(x) f(x) dµ(x) = f <, A d.h. wir haben µ(a) <. Dies zeigt ϕ n T (, Σ, µ; R) für jedes n N. Für jedes n N ist auch ϕ n = ϕ n f L (, Σ, µ; R), also liefert Korollar 7.(c) auch f = lim n ϕ n in L (, Σ, µ; R). 22-7

8 Nun sei f L (, Σ, µ; R) beliebig. Dann sind auch f +, f L (, Σ, µ; K) und wie bereits gezeigt existieren Folgen (ϕ n ) n N, (ψ n ) n N in L (, Σ, µ; R) mit f + = lim n ϕ n und f = lim n ψ n in L (, Σ, µ; R). Dann ist auch (ϕ n ψ n ) n N eine Folge in T (, Σ, µ; R) mit lim n (ϕ n ψ n ) = f + f = f in L (, Σ, µ; R). Damit ist die Behautung im reellen Fall bewiesen und wir kommen nun zu K = C. Sei also f L (, Σ, µ; C) gegeben. Dann sind Re f L (, Σ, µ; R) und Im f L (, Σ, µ; R), also existieren Folgen (ϕ n ) n N, (ψ n ) n N in T (, Σ, µ; R) mit Re f = lim n ϕ n und Im f = lim n ψ n in L (, Σ, µ; R). Für jedes n N ist dann θ n := ϕ n + iψ n T (, Σ, µ; C) und es gilt f = lim n θ n in L (, Σ, µ; C). (b) Dies ist Übungsaufgabe (39.c). In den Übungsaufgaben wird dies Aussage noch einmal verbessert werden, und insbesondere wird dort gezeigt das für alle a, b R mit a < b der Teilraum R[a, b] der auf [a, b] Riemannintegrierbaren Funktionen ein dichter Teilraum von L 1 [a, b] ist. Es ist aber R[a, b] L 1 [a, b] und insbesondere sind die Riemannintegrierbaren Funktionen bezüglich der L 1 -Norm nicht vollständig, was wir schon ganz zu Beginn dieses Semesters in 1.2 als die entscheidende Schwäche des Riemann-Integrals benannt haben. Um einzusehen das R[a, b] L 1 [a, b] ist, müssen wir eine Lebesgueintegrierbare Funktion auf [a, b] angeben, die nicht fast überall gleich einer Riemannintegrierbaren Funktion ist. Hierzu können wir Aufgabe (15) heranziehen, mit dieser folgt das es eine komakte, total unzusammenhängende Teilmenge C [a, b] mit λ 1 (C) > 0 gibt. Dann ist χ C L 1 [a, b]. Angenommen es gibt eine Riemannintegrierbare Funktion f : [a, b] R mit f λ1 χ C, d.h. es gibt eine Menge N 1 B([a, b]) mit λ 1 (N 1 ) = 0 und f(x) = χ C (x) für jedes x [a, b]\n 1. Nach 4.Satz 8 gibt es weiter eine Menge N 2 B([a, b]) mit λ 1 (N 2 ) = 0 so, dass f in jedem Punkt x [a, b]\n 2 stetig ist. Wegen λ 1 (C) > 0 existiert ein x [a, b]\(n 1 N 2 ) und insbesondere ist f(x) = χ C (x) = 1. Da f in x stetig ist, gibt es weiter ein ɛ > 0 mit f(y) > 0 für jedes y [a, b] mit y x < ɛ. Ist also J := [a, b] (x ɛ, x + ɛ), so ist für jedes x J\N 1 stets χ C (y) = f(y) > 0, also y C. Dies zeigt J C N 1. Hieraus folgt weiter J C, denn ist y J und δ > 0, so ist J (y δ, y + δ) C N 1 und wegen λ 1 (J (y δ, y + δ)) > 0 muss (J (y δ, y + δ)) C sein. Dies zeigt y C = C, also haben wir J C. Aber C ist total unzusammenhängend, und wir haben einen Widersruch erhalten. Als allerletzte Bemerkung in diesem Abschnitt wollen wir jetzt kurz erwähnen wieso = 2 so seziell ist. Der zu [1, ] konjugierte Exonent q [1, ] war durch die Bedingung 1/ + 1/q = 1 definiert. Insbesondere ist genau dann q = wenn = 2 ist. Sind also (, Σ, µ) ein Maßraum, K {R, C} und f, g L 2 (, Σ, µ; K), so ergibt die Höldersche Ungleichung Satz 2 f(x)g(x) dµ(x) = f(x)g(x) dµ(x) f 2 g 2 <. Damit ist f g integrierbar und wir können ein Skalarrodukt f g := f(x)g(x) dµ(x) K 22-8

9 definieren. Mit den Grundeigenschaften des Integrals folgt sofort das ein Skalarrodukt auf dem Vektorraum L 2 (, Σ, µ; K) ist, dessen zugehörige Norm für f L 2 (, Σ, µ; K) durch f f = ( 1/2 ( 1/2 f(x)f(x) dµ(x)) = f(x) dµ(x)) 2 = f 2 gegeben ist. Der Satz von Riesz-Fischer Satz 6 besagt dann das L 2 (, Σ, µ; K) ein Hilbertraum ist, dies ist der Satz von Fischer. Die Höldersche Ungleichung für = q = 2 wird zur Cauchy-Schwartz Ungleichung in L 2 (, Σ, µ; K). 7 Kurvenintegrale und die Greensche Formel Während wir uns in den bisherigen Abschnitten in allgemeinen Maßräumen bewegt haben, wird es in diesem Abschnitt hautsächlich um den R n, und seziell sogar um den R 2 gehen. Wir werden sogenannte Kurvenintegrale diskutieren, und hierzu brauchen wir zunächst einmal einen ganzen Satz neuer Begriffe. Bei den Kurvenintegralen wird über eine sogenannte Kurve im R n integriert und der Integrand ist keine Funktion sondern ein sogenanntes Vektorfeld. 7.1 Kurven und Vektorfelder Wie schon bemerkt wird es in diesem Abschnitt hautsächlich um eine ganze Reihe von Definitionen gehen. Grundlegend für alles folgende sind die Kurven im R n. Kurven sind einfach Abbildungen von Intervallen in den R n, wir müssen allerdings entscheiden welche Regularitätsbedingungen wir fordern wollen. Die stetige Differenzierbarkeit ist eine etwas zu starke Bedingung, wir wollen auch Kurven zulassen die scharf abbiegen können, wie beisielsweise der Rand eines Quadrates. Beim Quadrat läßt sich der Rand aus vier stetig differenzierbaren Teilen zusammensetzen, und allgemein werden wir fordern das sich unsere Kurven in endlich viele solche Stücke zerlegen lassen. Dies führt uns auf die folgende Definition. Definition 7.1: Seien n N und U R n eine offene Menge. (a) Eine stückweise C 1 -Kurve in U ist eine stetige Abbildung γ : [a, b] U, wobei a, b R mit a < b sind, für die es eine Zerlegung (t 0,..., t r ) des Intervalls [a, b] gibt bei der γ [t i 1, t i ] für jedes 1 i r stetig differenzierbar ist. Jede solche Zerlegung heißt eine C 1 -Zerlegung von γ. Wir nennen γ := γ(a) den Startunkt und γ + := γ(b) den Endunkt von γ. Die Kurve γ heißt geschlossen wenn γ + = γ ist. 22-9

10 (b) Ist γ i : [a i, b i ] U für i = 1, 2 eine stückweise C 1 -Kurve in U mit γ 1+ = γ 2, so nennen wir die Abbildung { γ 1 (t), t [a 1, b 1 ], γ 1 + γ 2 : [a 1, b 1 + b 2 a 2 ]; t γ 2 (t b 1 ), t [b 1, b 1 + b 2 a 2 ] die Summe von γ 1 und γ 2. Dann ist γ 1 + γ 2 wieder eine stückweise C 1 -Kurve, denn wählen wir für i = 1, 2 eine C 1 -Zerlegung (t i0,..., t iri ) von γ i, so ist (t 10,..., t 1r1, b 1 + t 21 a 2,..., b 1 + t 2r2 a 2 ) eine C 1 -Zerlegung von γ 1 + γ 2. Dabei ist γ 1 der Startunkt von γ 1 + γ 2 und γ 2+ der Endunkt von γ 1 + γ 2, d.h. (γ 1 + γ 2 ) = γ 1, (γ 1 + γ 2 ) + = γ 2+. Gilt γ 1+ = γ 2, so nennen wir γ 1 und γ 2 auch zusammensetzbar. (c) Ist γ : [a, b] U eine stückweise C 1 -Kurve in U, so nennen wir die Abbildung γ : [a, b] U; t γ(a + b t) die zu γ entgegengesetzte Kurve. Ist (t 0,..., t r ) eine C 1 -Zerlegung von γ, so ist (a+b t r,..., a+b t 0 ) eine C 1 -Zerlegung von γ. Damit ist auch γ stückweise C 1 -Kurve in U mit Startunkt γ + und Endunkt γ, d.h. γ = γ +, γ + = γ

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

6 Reelle und komplexe Zahlenfolgen

6 Reelle und komplexe Zahlenfolgen $Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen

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

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

Konvergenz im quadratischen Mittel - Hilberträume

Konvergenz 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

Mehr

6 Reelle und komplexe Zahlenfolgen

6 Reelle und komplexe Zahlenfolgen Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

Kapitel 3. Konvergenz von Folgen und Reihen Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden

Mehr

2 Allgemeine Integrationstheorie

2 Allgemeine Integrationstheorie 2 Allgemeine Integrationstheorie In diesem Abschnitt ist (,S,µ) ein Maßraum, und wir betrachten R immer mit der σ Algebra B(R). Ziel ist es, messbare Funktionen f : R zu integrieren. Das Maß µ wird uns

Mehr

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über

Mehr

3 Vektorbündel und das Tangentialbündel

3 Vektorbündel und das Tangentialbündel $Id: vektor.tex,v 1.6 2014/06/30 10:20:57 hk Ex $ $Id: fluss.tex,v 1.2 2014/06/30 12:36:06 hk Ex hk $ 3 Vektorbündel und das Tangentialbündel 3.4 Ableitungen von C q -Funktionen In der letzten Sitzung

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

$Id: reihen.tex,v /06/12 10:59:50 hk Exp $ unendliche Summe. a 1 + a 2 + a 3 +.

$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

Mehr

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus 4. Dualräume und schwache Topologien Den Begriff des Dualraums hatten wir bereits in Kapitel 2 definiert. Der Dualraum X eines Banachraums X ist X = B(X, C). X ist mit der Abbildungsnorm F = sup x =1 F

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

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

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

7 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. 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

Mehr

also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges

also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges 11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir

Mehr

Beispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt

Beispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist 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)

Mehr

Maß- und Integrationstheorie

Maß- und Integrationstheorie Maß- und Integrationstheorie Manuskript zur Vorlesung in SS26 Bálint Farkas farkas@mathematik.tu-darmstadt.de Inhaltsverzeichnis Einführung...................................................................

Mehr

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte. Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...

Mehr

Kapitel 5 KONVERGENZ

Kapitel 5 KONVERGENZ Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz

Mehr

KAPITEL 2. Folgen und Reihen

KAPITEL 2. Folgen und Reihen KAPITEL 2 Folgen und Reihen 1. Konvergenz und Divergenz Definition 2.1 (Folgen). Eine Abbildung a : N R (bzw. a : N 0 R) nennt man Folge. Statt a : N R schreibt man meist (a n ) n N und a n statt a(n).

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

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist

Mehr

Topologische Begriffe

Topologische 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

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

$Id: stetig.tex,v /06/26 15:40:18 hk Exp $

$Id: stetig.tex,v /06/26 15:40:18 hk Exp $ $Id: stetig.tex,v 1.11 2012/06/26 15:40:18 hk Exp $ 9 Stetigkeit 9.1 Eigenschaften stetiger Funktionen Am Ende der letzten Sitzung hatten wir eine der Grundeigenschaften stetiger Funktionen nachgewiesen,

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

Höhere Mathematik für Physiker II

Höhere Mathematik für Physiker II Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei

Mehr

SS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.

SS 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

Mehr

Konvergenz, Filter und der Satz von Tychonoff

Konvergenz, Filter und der Satz von Tychonoff Abschnitt 4 Konvergenz, Filter und der Satz von Tychonoff In metrischen Räumen kann man topologische Begriffe wie Stetigkeit, Abschluss, Kompaktheit auch mit Hilfe von Konvergenz von Folgen charakterisieren.

Mehr

Faltung und Approximation von Funktionen

Faltung und Approximation von Funktionen Faltung und Approximation von Funktionen Lisa Bauer und Anja Moldenhauer 9. Juni 2008 1 Die Faltung von Funktionen 1.1 Die Faltung Eine kleine Widerholung mit einem Zusatz: Vergleiche den Vortrag von Benjamin

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

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

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) 1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,

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

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

11. Folgen und Reihen.

11. 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

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

3 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.

3 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

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

Analysis I für Studierende der Ingenieurwissenschaften

Analysis 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

Analysis I - Einige Lösungen und Ergänzungen

Analysis I - Einige Lösungen und Ergänzungen Christian-Albrechts-Universität zu Kiel Mathematisch-Naturwissenschaftliche Fakultät Mathematisches Seminar Analysis I - Einige Lösungen und Ergänzungen von Dipl.-Math. Joscha Prochno Dipl.-Math. Dennis

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

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

Folgen und Reihen von Funktionen

Folgen und Reihen von Funktionen Folgen und Reihen von Funktionen Sehr häufig treten in der Mathematik Folgen bzw. Reihen von Funktionen auf. Ist etwa (f n ) eine Folge von Funktionen, dann können wir uns für ein festes x fragen, ob die

Mehr

4 Das Riemann-Integral im R n

4 Das Riemann-Integral im R n $Id: nintegral.tex,v 1.11 2012/11/27 14:07:09 hk Exp hk $ 4 Das Riemann-Integral im R n 4.3 Jordan-meßbare engen In der letzten Sitzung hatten wir schließlich das n-dimensionale Riemann-Integral auch auf

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

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

Kap. 10: Folgen und Reihen. Eine Funktion a : N Ñ R

Kap. 10: Folgen und Reihen. Eine Funktion a : N Ñ R Definition: Zahlenfolge Kap. 10: Folgen und Reihen 10.1 Definition: Zahlenfolge Eine Funktion a : N Ñ R poder Cq heißt reelle (oder komplexe) Zahlenfolge. Man nennt a n apnq das n-te Folgenglied und schreibt

Mehr

Analysis I. 4. Beispielklausur mit Lösungen

Analysis 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

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

7 Vektorräume und Körperweiterungen

7 Vektorräume und Körperweiterungen $Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig

Mehr

Taylorentwicklung von Funktionen einer Veränderlichen

Taylorentwicklung von Funktionen einer Veränderlichen Taylorentwicklung von Funktionen einer Veränderlichen 17. Januar 2013 KAPITEL 1. MATHEMATISCHE GRUNDLAGEN 1 Kapitel 1 Mathematische Grundlagen 1.1 Stetigkeit, Differenzierbarkeit und C n -Funktionen Der

Mehr

Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16)

Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16) 1 Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16) Kapitel 7: Konvergenz und Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.

Mehr

Thema 4 Limiten und Stetigkeit von Funktionen

Thema 4 Limiten und Stetigkeit von Funktionen Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.

Mehr

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen: Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere

Mehr

1 Modulare Arithmetik

1 Modulare Arithmetik $Id: modul.tex,v 1.10 2012/04/12 12:24:19 hk Exp $ 1 Modulare Arithmetik 1.2 Euklidischer Algorithmus Am Ende der letzten Sitzung hatten wir den größten gemeinsamen Teiler zweier ganzer Zahlen a und b

Mehr

Spickzettel Mathe C1

Spickzettel Mathe C1 Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

Ferienkurs Analysis 1 - Wintersemester 2014/15. 1 Aussage, Mengen, Induktion, Quantoren

Ferienkurs 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

Mehr

Folgen und Reihen. 1 Konvergenz

Folgen und Reihen. 1 Konvergenz Folgen und Reihen Man betrachte viele Zahlen hintereinander geschrieben. Solche Folgen von Zahlen können durch nummeriert werden. Es entsteht eine Zuordnung der natürlichen Zahlen zu den Gliedern der Folge.

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

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

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x

Mehr

1 Reihen von Zahlen. Inhalt:

1 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

Die komplexe Exponentialfunktion und die Winkelfunktionen

Die komplexe Exponentialfunktion und die Winkelfunktionen Die komplexe Exponentialfunktion und die Winkelfunktionen In dieser Zusammenfassung werden die für uns wichtigsten Eigenschaften der komplexen und reellen Exponentialfunktion sowie der Winkelfunktionen

Mehr

n=1 a n mit reellen Zahlen a n einen

n=1 a n mit reellen Zahlen a n einen 4 Unendliche Reihen 4. Definition und Beispiele Ein altes Problem der Analysis ist es, einer Reihe mit reellen Zahlen einen Wert zuzuordnen. Ein typisches Beispiel ist die unendliche Reihe + +..., die

Mehr

Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen

Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung

Mehr

Mathematik I. Vorlesung 19. Metrische Räume

Mathematik 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

Mehr

Regulär variierende Funktionen

Regulär variierende Funktionen KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,

Mehr

Eigenschaften kompakter Operatoren

Eigenschaften kompakter Operatoren Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

Ljapunov Exponenten. Reiner Lauterbach

Ljapunov Exponenten. Reiner Lauterbach Ljapunov Exponenten Reiner Lauterbach 28. Februar 2003 2 Zusammenfassung n diesem Teil betrachten wir ein wichtiges Thema: sensitive Abhängigkeit. Zunächst hat man ja stetige Abhängigkeit, wie man sie

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

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R

Mehr

x k = s k=1 y k = y konvergent. Dann folgt (cx k ) = cx für c K. Partialsummenfolge konvergiert

x k = s k=1 y k = y konvergent. Dann folgt (cx k ) = cx für c K. Partialsummenfolge konvergiert 4 Reihen Im Folgenden sei K R oder K C. 4. Definition. Es sei (x k ) Folge in K. Wir schreiben x k s und sagen, die Reihe x k konvergiere, falls die sogenannte Partialsummen-Folge s n x k n, 2,... in K

Mehr

Folgen, Reihen, Grenzwerte u. Stetigkeit

Folgen, 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

Mehr

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Wintersemester 2008/2009 Übung 11 Einleitung Es wird eine 15-minütige Mikroklausur geschrieben. i) Sei D R oderd C. Wann heißt

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

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

Kapitel 16 : Differentialrechnung

Kapitel 16 : Differentialrechnung Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als

Mehr

9 Konvergenz und absolute Konvergenz von Reihen

9 Konvergenz und absolute Konvergenz von Reihen 9 Konvergenz und absolute Konvergenz von Reihen 9.2 Konvergenz von Reihen 9.5 Monotoniekriterium für Reihen 9.6 Konvergenzkriterium von Cauchy für Reihen 9.9 Rechenregeln für konvergente Reihen 9.10 Absolute

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

Aufgaben zur Analysis I aus dem Wiederholungskurs

Aufgaben zur Analysis I aus dem Wiederholungskurs Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 Hilfskräfte: A. Weiß, W. Thumann 6.3.29 NWF I - Mathematik Universität Regensburg Aufgaben zur Analysis I aus dem Wiederholungskurs Die folgenden

Mehr

Mathematik für Naturwissenschaftler I WS 2009/2010

Mathematik für Naturwissenschaftler I WS 2009/2010 Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 8 10. November 2009 Kapitel 2. Konvergenz von Folgen und Reihen Definition 27. Eine (reelle bzw. komplexe) Zahlenfolge ist eine R- bzw. C-wertige

Mehr

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N

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

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen Definition: Eine Folge ist eine geordnete Menge von Elementen an (den sogenannten Gliedern ), die

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen Definition: Eine Folge ist eine geordnete Menge von Elementen an (den sogenannten Gliedern ), die 3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen Definition: Eine Folge ist eine geordnete Menge von Elementen an (den sogenannten Gliedern ), die eindeutig den natürlichen Zahlen zugeordnet sind ( n N, auch

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

Übungen zur Linearen Algebra 1

Übungen 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

Mehr

MAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.

MAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss. 1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

Stetigkeit von Funktionen

Stetigkeit 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

Mehr

6 Komplexe Integration

6 Komplexe Integration 6 Komplexe Integration Ziel: Berechne für komplexe Funktion f : D W C Integral der Form f(z)dz =? wobei D C ein Weg im Definitionsbereich von f. Fragen: Wie ist ein solches komplexes Integral sinnvollerweise

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