9 Konvexe Funktionen, Stütz- und Distanzfunktion
|
|
- Fritzi Kaiser
- vor 5 Jahren
- Abrufe
Transkript
1 U BREHM: Konvexgeometrie 9-9 Konvexe Funktionen, Stütz- un Distanzfunktion Definition: Sei K IR, f : K IR eine Abbilung f heißt konvex, wenn K konvex ist un für alle x, y K un alle, gilt f( x( ) y) f( x) ( ) f( y) Sei f : K IR eine Abbilung E f x y ( ): m(, ) IR xk, y f( x) r E( f ) heißt er Epigraph von f f heißt konkav, wenn f konvex ist Lemma 9: Sei f : K IR eine Abbilung Dann gilt: ) E( f ) ist konvex genau ann, wenn f konvex ist ) Falls f konvex ist, ann sin für alle a IR lxk f( x) aq un lxk f ( x ) aq konvex ) "": Sei E( f ) konvex Dann ist K p E( f ), wobei p auf ie ersten Komponenten ist, also K konvex Seien x, y K,, Dann gilt ( x, f ( x)) ( )( y, f ( y)) E( f ), also f( x) ( ) f( y) f( x ( ) y) "": Sei f konvex ( xs, ),( yt, ) E( f),,, also f( x) s, f( y) t, also f ( x) ( ) f ( y) s ( ) t, also ( xs, ) ( )( yt, ) E( f) ) Klar (einsetzen) :IR IR ie Projektion Wir untersuchen nun Stetigkeits- un Differenzierbarkeitseigenschaften konvexer Funktionen Dazu zunächst
2 9- U BREHM: Konvexgeometrie Lemma 9: Sei f : K IR eine konvexe Funktion, seien x, x K Seien Dann gilt für ie Differenzenquotienten 3 f( x 3( xx)) f( x) f( x ( x x)) f( x) 3 f( x ( xx)) f( x), sofern x ( x x ) K i Sei 3 l qir efiniert urch g( ): f( x ( x x )) Sei g: x ( x x ) K g ist konvex, a f konvex ist (betrachte en Schnitt von konv{ x, x} IR mit em Epigraphen) F I g( ) g g( ) g( ) H K, also g( ) g( ) g( ) g( ), woraus sofort ie Ungleichung folgt Entsprechen F I 3 3 g( ) g 3 g( 3) g( ) H 3 3 K, also 3 3 g( 3) g( ) g( ) g( ) 3 Satz 9: Sei f x : K IR konvex, ann ist f in K stetig un es existieren in jeem Punkt K un für jee Richtung u ie einseitige Richtungsableitung f lim ( x u ) f ( x ) Sei x K Dann gibt es einen Würfel W mit Mittelpunkt x un W K Seien x,, x ie Ecken von W Dann gilt für y W F f ( y ) f x f ( x ) max f ( x ) max f ( x H G I K J F H G I K J ), i i i i i i i i i i i i wobei i, i i
3 U BREHM: Konvexgeometrie 9-3 Sei M: max f( x ) i i Wir erhalten nun mit Lemma 9 urch ie Spezialisierung bzw 3, y: x : f( x ( y x )) f( x ) ( f( y) f( x )) ( M f( x )) bzw ( f( x ( y x )) f( x )) ( f( x ( y x )) f( x )) ( M f( x )) (unter Beachtung er Zentralsymmetrie von W bezüglich x, h yw x ( yx ) W ), also f( x ( yx )) f( x )) f( x ) ( M f( x )) ( ) Also ist f in x stetig Ferner folgt aus Lemma 9, ass f ( x u) f ( x) für : min RST M f( x ),, Seitenlänge von W für eine monoton wachsene nach unten beschränkte Funktion ist, so ass f lim ( x u ) f ( x ) f ( x u) f ( x) inf existiert UVW Definition: f :IR IR heißt positiv homogen, wenn für alle gilt f( x) f( x) Beispiel: Sei :IR IR eine beliebige Norm Dann gilt nach Definition einer Norm für x, yir,, x( ) y x ( ) y x x für alle, also ist eine Norm konvex un positiv homogen Definition: Sei K K Dann bezeichne hku (, ): max l xu, xkq für u IR h heißt ie Stützfunktion von K Das Maximum existiert wegen er Kompaktheit von K Sei int K Dann bezeichne: gku (, ): inf l, ukq g heißt ie Distanzfunktion von K
4 9-4 U BREHM: Konvexgeometrie Die geometrische Beeutung er Stützfunktion ist leicht zu sehen: Sei H( K, u) ie Stützebene an K mit äußerem Normalenvektor u, also m m r r HKu (, ) yir yu,, wobei K yir y, u un es x K gibt mit xu,, also xu, yu, für y K, also u x u K H( K, u) x, u max y, u h( K, u), also y K HKu (, ) myir yu, hku (, ) r Insbesonere ist für u hku (, ) er Abstan er Stützhyperebene H( K, u) von Geometrische Beeutung von g (vgl auch Satz 93a): gku (, ) u u, wobei u er auf em Strahl von urch u liegene von u u u K K möglichst weit entfernte Punkt aus K ist gku (, ) Satz 9: Sei K K ) Die Stützfunktion h( K,_): IR IR ist positiv homogen un konvex m r (Polarmenge) ) K xir h( K, x) 3) Falls int K, ann gilt für alle x IR hkx (, ) gk (, x) un g( K, x) h( K, x) 4) Für gilt h( K, x) h( K, x) für alle x IR 5) Für K, K K un alle x IR gilt: h( K K, x) h( K, x) h( K, x) 6) Die Distanzfunktion gk (,_): IR IR ist positiv homogen un konvex 7) Für K, K K mit h( K, x) h( K, x) für alle x IR folgt K K Für K, K K, int K i mit gk (, x) gk (, x) für alle x IR folgt K K
5 U BREHM: Konvexgeometrie 9-5 ) Positiv homogen: klar Konvex: Sei,, ann ist h( K, x( ) y) max x( ) y, u uk ) Klar nach Definition von K max xu, ( ) max yv, hkx (, )+( ) hk (, y) uk vk 3) Sei int K Dann folgt aus K K, ass K K un int K (vgl Satz 5) hku (, ) max xu, xk min l, ux, für alle xkq min m, umyir y, x für alle xk gk (, u) gkx (, ) gk (, x) hk (, x) 4) h( K, x) max x, u uk max l xu, uk hkx (, ) l 5) hk ( K, x) max uu, x uk, uk max u, x u K max u, x u K hk (, x) hk (, x) 6) Klar nach ) un 3) q l q l q l q rr 7) Sei K K, oba K / K Dann gibt es xk \ K Dann lassen sich x un K urch eine Hyperebene H echt trennen (Satz 33)) Sei H myir y, u ar un K my IR y, u ar Dann gilt hk (, u) a xu, hk (, u), also hk (, u) hk (, u) Die entsprechene Aussage für g folgt aus er für h mit 3) Bemerkung: Aus Satz 95 un 97 folgt sofort Lemma 8a), nämlich KK K K K K für K, K; KK
6 9-6 U BREHM: Konvexgeometrie Bemerkung: Sei K K Dann gilt int K genau ann, wenn hkx (, ) für alle x IR \ Dies folgt irekt aus er geometrischen Deutung von h Bemerkung: Nach Satz 9, 3) sin Stützfunktion un Distanzfunktion ual, für K K mit int K Falls int K, ann ist nur noch ie Stützfunktion sinnvoll zu efinieren (entsprechen ist ie Distanzfunktion auch für unbeschränkte Mengen efinierbar) Satz 93: a) Sei g:ir IR eine positiv homogene konvexe Funktion mit g( x) für x Dann gibt es genau eine kompakte konvexe Menge K mit K, so ass g( K, x) g( x) für alle x IR gilt Dabei kann K als K: mxir g( x) r efiniert weren b) Sei h:ir IR eine positive homogene konvexe Funktion mit h( x) für x Dann gibt es genau eine kompakte konvexe Menge K mit K, so ass hkx (, ) hx ( ) für alle x IR gilt a) Die Eineutigkeit von K hatten wir schon in Satz 97 gezeigt m Sei K: xir g( x) r Wegen er Konvexitität von g ist K konvex nach Lemma 9 Ferner ist g nach Satz 9 stetig un aher K abgeschlossen l Sei c: min g( x) x q Dieses Minimum existiert wegen er Stetigkeit von g un er Kompaktheit von x x q; c wegen gx ( ) für x l Wegen er positiven Homogenität von g ist gx ( ) für x c, also K B ( ) beschränkt un amit kompakt c Sei M: max lg( x) x q Dann gilt B ( ) K, also int K M Wir zeigen K mxir g( K, x) r Für x K gilt x K, also gkx (, ) Falls gkx (, ) gilt x g( K, x) K K, a wegen K kompakt as Infimum { } angenommen wir inf, (, ) x K g K x
7 U BREHM: Konvexgeometrie 9-7 Also xir g K x xir g x m r m r Da nun gk (,_) un g positiv homogen sin folgt gkx (, ) gx ( ) für alle x IR, enn für alle a gilt ba g b a g un gx gx ( ) a g x gk, x gkx (, ) a ( ) für alle x b) folgt nun aus a) wegen Satz 93 un 97, sowie wegen K K mit int K K K mit intk un K K für K K mit int K Bemerkung: K mxir g( K, x) r liefert folgene anschauliche Interpretation von g: Der Epigraph von g ist ie positive Hülle (er aufgespannte Kegel mit Spitze ) von ( x, ) xk l q IR Bemerkung: Seien K, KK un int K int K Dann sin äquivalent: a) K K b) gk (, u) gk (, u) für alle uir c) hk (, u) hk (, u) für alle uir a) c) ist klar nach Definition von h c) b) wegen Satz 93 un K K K K b) a) klar, a K xir g( K, x) i m i r für i, Bemerkung (ohne Beweis): Satz 93b kann moifiziert weren zu: Sei h:ir IR eine positiv homogene konvexe Funktion Dann gibt es genau eine Menge K K mit hkx (, ) hx ( ) für alle x IR (Dh ie Voraussetzung hx ( ) für x un ie Behauptung K wuren gestrichen) Wir wollen nun ie Stetigkeit es Volumens (bezüglich er HAUSDORFF-Metrik) zeigen Unter Volumen wollen wir abei as LEBESGUE-Maß im IR verstehen Bei beschränkten konvexen Mengen existiert as Volumen sogar im Sinne von PEANO- JORDAN, a er Ran einer beschränkten konvexen Menge eine Nullmenge ist
8 9-8 U BREHM: Konvexgeometrie Die wichtigsten Eigenschaften es (-imensionalen) Volumens V: Sei K K, IR ) V( K) un V( K) genau ann, wenn im K ) V( K) V( K) 3) V( f K t) V( K) et( f ), wobei f :IR (Translationsvektor) 4) K K V( K ) V( K ) IR linear sei un t IR Für en Stetigkeitsnachweis von V zeigen wir zunächst Lemma 93: Seien K, K K un K int K Dann gibt es mit K K für alle K K mit ( K, K) Wegen K int K un K kompakt gibt es mit K B( ) K (wähle ( K, IR \ K )) Sei nun K K mit ( K, K), also K B( ) K K B( ), woraus K K folgt ( hk (, u) u hku (, ) u, also hk (, u) hku (, ) für alle uir, also K K nach Bemerkung) Satz 94: Das Volumen V : K IR ist eine stetige Funktion Sei K K un Zu zeigen ist ie Existenz eines mit V( K) V( K ~ ) für alle K ~ K mit ( KK, ~ ) Fall: V( K) Dann liegt K in einer Hyperebene H Ist ( KK, ~ ), so gilt ~ K K B ( ) K BH SH, abei sei B H er Durchschnitt von B ( ) mit er zu H parallelen Hyperebene urch un S H ie zu H senkrechte Strecke er Länge mit em Mittelpunkt in Es folgt (FUBINI) V( K ~ ) V( K B S ) V ( K B ), H H H K wobei V as ( ) -imensionale Volumen von Teilmengen einer Hyperebene bezeichne, un amit ie Behauptung Fall: V( K) OBA sei ann int K Wähle mit ( ) V( K) Wegen int K gibt es eine Kugel Br( ) intk
9 U BREHM: Konvexgeometrie 9-9 Nach Lemma 93 gibt es mit ( ) r un mit Br K ~ für alle K ~ K mit ( KK, ~ ) Sei nun ( KK, ~ ) Dann gilt ~ ~ ~ ~ ~ K K B( ) K B( ) r( ) K ( ) K K, ~ K K analog, also ~ ~ V( K) V( K ) V ( K ), also V( K) V( K ~ ) ( ) V( K ~ ) ( ) V( K) V( K ~ ) V( K) ( ) V( K ~ ), also V( K) V( K ~ ) Bezeichne V as ( ) -imensionale Volumen einer Teilmenge einer Hyperebene es IR Für eine Pyramie P über er Basis B mit Höhe h gilt V( P) hv ( P ) B e w e i s : Bezeichne B t en Schnitt von P mit er Hyperebene parallel zur Basis im Abstan t von er Spitze Dann ist V ( ) t Bt V( P), also gilt h h z h z e j V( P) V B t t tv B h ( t) V B h ( ) ( ) h hv ( B ) Lemma 94: Sei P IR ein -imensionales Polytop mit en Facetten Fi { xir x, ui h( P, ui)} P, wobei u i er ins äußere von P weisene Normalenvektor an F i sei mit u i, i,, k Dann gilt V( P) h( P, ui) V ( Fi) k i Falls P, ann lässt sich P als bis auf nieerimensionale Mengen (: essentiell isjunkte ) isjunkte Vereinigung von k Pyramien schreiben mit Basis F i un Spitze, also Höhe hpu (, i ), woraus sich ie Behauptung sofort ergibt
10 9- U BREHM: Konvexgeometrie Falls P, ann lässt sich P schreiben als essentiell isjunkte Vereinigung erjenigen Prismen mit Basis F i un Spitze (also Höhe hpu (, i )) für ie hpu (, i ) minus er essentiell isjunkten Vereinigung er übrigen solchen Pyramien (mit hpu (, i ) ) Dabei liegen ie Pyramien er Sorte ganz in er Vereinigung von enen er Sorte Daraus ergibt sich ie Behauptung Beispiel:
3 Trennungs- und Stützeigenschaften, sowie elementare Hilfssätze
U BREHM: Konvegeoetrie 3-1 3 Trennungs- un Stützeigenschaften, sowie eleentare Hilfssätze Zunächst einige Hilfssätze, in enen Begriffe aus er Konveität it topologischen Eigenschaften zusaengebracht weren
Mehr12. Trennungssätze für konvexe Mengen 83
12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C
MehrDifferentialrechnung
Differentialrechnung Um Funktionen genauer zu untersuchen bzw. sie zu analysieren, ist es notwenig, etwas über ihren Verlauf, as qualitative Verhalten er Funktion, sagen zu können. Das heisst, wir suchen
MehrUltrametrik. 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..........................
MehrDer 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
Mehr15 Differentialrechnung in R n
36 15 Differentialrechnung in R n 15.1 Lineare Abbilungen Eine Abbilung A : R n R m heißt linear falls A(αx + βy) = αa(x) + βa(y) für alle x, y R n un alle α, β R. Man schreibt oft Ax statt A(x) un spricht
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
MehrMathematik III. Vorlesung 87. Die äußere Ableitung
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 87 Die äußere Ableitung In ieser Vorlesung weren wir ein neuartiges mathematisches Objekt kennenlernen, ie sogenannte äußere Ableitung.
MehrProjektionen auf abgeschlossene konvexe Mengen
Projektionen auf abgeschlossene konvexe Mengen Seminarvortrag von Veronika Pick Seminar Optimierung bei Herrn Prof. Dr. F. Jarre Heinrich-Heine-Universität Düsseldorf SS 2006 1 Vorbemerkung Das Seminarthema
Mehr8. Konvexe Polytope. Tobias Boelter. Mittwoch, 5. März TopMath Frühlingsschule
1 / 31 8. Konvexe Tobias Boelter TopMath Frühlingsschule Mittwoch, 5. März 2014 2 / 31 Es können auch nicht konvexe untersucht werden, wir beschränken uns hier aber auf konvexe. Mit einem Polytop ist hier
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
Mehr3.4 Kombinatorische Äquivalenz und Dualität von Polytopen
222 Diskrete Geometrie (Version 3) 12. Januar 2012 c Rudolf Scharlau 3.4 Kombinatorische Äquivalenz und Dualität von Polytopen Dieser Abschnitt baut auf den beiden vorigen auf, indem er weiterhin den Seitenverband
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 1. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 013/1 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 1. Übungsblatt Aufgabe
MehrDas 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
Mehr6 Lineare Kongruenzen
6 Lineare Kongruenzen Sei m > 0 un a, b beliebig. Wir wollen ie Frage untersuchen, unter welchen Beingungen an a, b un m eine Zahl x 0 existiert, so aß ax 0 b mo m. Wenn ein solches x 0 existiert, sagen
MehrLösung zu Kapitel 5 und 6
Lösung zu Kapitel 5 und 6 (1) Sei f eine total differenzierbare Funktion. Welche Aussagen sind richtig? f ist partiell differenzierbar f kann stetig partiell differenzierbar sein f ist dann immer stetig
MehrDer Satz von Krein-Milman und der Satz von der trennenden Hyperebene
Der Satz von Krein-Milman und der Satz von der trennenden Hyperebene Sascha Schleef 28.10.2011 Ausarbeitung im Rahmen des Proseminars Analysis auf Grundlage des Buches A course in convexity von Alexander
MehrAnalyis 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
MehrLUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 2. Übung/Lösung Mathematik für Studierende der Biologie
LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR BIOLOGIE Prof. Anreas Herz, Dr. Stefan Häusler email: haeusler@biologie.uni-muenchen.e Department Biologie II Telefon: 089-80-74800 Großhaernerstr. Fa:
Mehr3 Polytope. 3.1 Polyeder
28 3 Polytope 3.1 Polyeder Polytope in der Ebene und im Raum standen neben Kreis und Kugel schon während der griechischen Antike im Mittelpunkt des mathematischen (und philosophischen) Interesses. Durch
MehrVollständigkeit. 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
Mehr6 Beispiele von Polytopen
U. BREHM: Konvexgeometrie 6-1 6 Beispiele von Polytopen Die 0-imensionalen Polytope sin genau ie Punkte. Die 1-imensionalen Polytope sin genau ie abgeschlossenen Intervalle (= Strecken). Die 2-imensionalen
MehrProf. Dr. H. Garcke, D. Depner WS 2009/10 NWF I - Mathematik Universität Regensburg. Analysis III
Prof. Dr. H. Garcke, D. Depner WS 2009/10 NWF I - Mathematik 18.11.2009 Universität Regensburg Analysis III Verbesserung der Zusatzaufgabe von Übungsblatt 4 Zusatzaufgabe Wir definieren die Cantormenge
MehrAnalysis I. Guofang Wang , Universität Freiburg
Universität Freiburg 10.1.2017, 11.1.2017 Definition 1.1 (Ableitung) Die Funktion f : I R n hat in x 0 I die Ableitung a R n (Notation: f (x 0 ) = a), falls gilt: f(x) f(x 0 ) lim = a. (1.1) x x 0 x x
Mehr2.4 Verallgemeinerte Ungleichungen
2.4 Verallgemeinerte Ungleichungen 2.4.1 Eigentliche Kegel und verallgemeinerte Ungleichungen Ein Kegel K R heißt eigentlicher Kegel, wenn er die folgenden Bedingungen erfüllt: K ist konvex K ist abgeschlossen
MehrÜbungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 9
Prof. Rolan Gunesch Sommersemester 2010 Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt 9 Aufgabe 1: Eine Isometrie eines metrischen Raums X ist eine Abbilung f :
Mehr3.3 Der Seitenverband
Diskrete Geometrie (Version 3) 10. Januar 2012 c Rudolf Scharlau 217 3.3 Der Seitenverband Wir setzen die Untersuchung der Relation ist Seite von auf der Menge aller konvexen Polytope in einem gegebenen
MehrAnalysis 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
MehrKonvexe Mengen und Funktionen
Konvexe Mengen und Funktionen von Corinna Alber Seminararbeit Leiter: Prof. Jarre im Rahmen des Seminars Optimierung III am Lehrstuhl für Mathematische Optimierung an der Heinrich-Heine-Universität Düsseldorf
Mehr4.1 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
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,
MehrÜbungsklausur Lineare Algebra I - Wintersemester 2008/09
1 Übungsklausur Lineare Algebra I - Wintersemester 008/09 Teil 1: Multiple Choice (1 Punkte Für ie ganze Klausur bezeichne K einen beliebigen Körper. 1. Welche er folgenen Aussagen sin ann un nur ann erfüllt,
Mehr2. Umkehrfunktionen und ihre Ableitung, Hyperbelfunktionen 2.1. Höhere Ableitungen. Die Ableitung der Ableitung von f bezeichnet man, x 2, fur x < 0,
. Umkehrfunktionen un ihre Ableitung, Hyperbelfunktionen.. Höhere Ableitungen. Die Ableitung er Ableitung von f bezeichnet man, falls sie existiert, mit f x) oer f ) x) oer fx)) oer fx) bzw. allgemein
Mehrε 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
MehrVorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)
1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 4: Konvergenz und Stetigkeit Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 22. November 2007) Folgen Eine Folge
MehrDie 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).
MehrStetigkeit vs Gleichmäßige Stetigkeit.
Stetigkeit vs Gleichmäßige Stetigkeit. Beispiel: Betrachte ie Funktion f(x) = 1/x auf em Intervall D = (0, 1]. f ist in jeem Punkt p (0, 1] stetig. Denn: Sei p (0, 1] un ε > 0 gegeben. Setze δ = min (
MehrAnalysis 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
MehrHöhere Funktionalanalysis WS2016/17 Übungsblatt
Höhere Funktionalanalysis WS2016/17 Übungsblatt 1 11.10.2016 Aufgabe 1. Berechne die Normen der Operatoren (a) f L [0, 1], M f : L 2 [0, 1] L 2 [0, 1], (M f g)(x) = f(x)g(x). (b) g C[0, 1], T g : C[0,
Mehr4 Holomorphie-Konvexität. Definition Satz. 42 Kapitel 2 Holomorphiegebiete
42 Kapitel 2 Holomorphiegebiete 4 Holomorphie-Konvexität Wir wollen weitere Beziehungen zwischen Pseudokonvexität und affiner Konvexität untersuchen. Zunächst stellen wir einige Eigenschaften konvexer
Mehr7. Übungsblatt zur Mathematik II für Inf, WInf
Fachbereich Mathematik Prof. Dr. Streicher Dr. Sergiy Nesenenko Pavol Safarik SS 2010 27.-31.05.10 7. Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G24 (Grundlegende Definitionen) Betrachten
MehrInhaltsverzeichnis. 6 Topologische Grundlagen. 6.1 Normierte Räume
Inhaltsverzeichnis 6 Topologische Grundlagen 1 6.1 Normierte Räume................................ 1 6.2 Skalarprodukte................................. 2 6.3 Metrische Räume................................
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof. Dr. M. Keyl M. Kech TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 3 (Analysis 2 MA9203 http://www-m5.ma.tum.e/allgemeines/ma9203 2016S Sommersem. 2016 Lösungsblatt 9 (10.6.2016
Mehr8 Tangenten an Quadriken
8 Tangenten an Quadriken A Geraden auf Quadriken: Sei A 0 eine symmetrische n n Matri und Q : t A + b t + c = 0 eine nicht leere Quadrik im R n, b R n, c R. g = p + R v R n ist die Gerade durch p mit Richtung
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
MehrInstitut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark Dr. Markus Lange. Analysis 1. Aufgabenzettel 14
Institut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark 03.02.2019 Dr. Markus Lange Analysis 1 Aufgabenzettel 14 Dieser Zettel wird in der letzten Übung des Semesters am 08.02.2019 besprochen Aufgabe
MehrInsbesondere sind nach dieser Definition also auch die leere Menge und einpunktige Teilmengen konvex.
Konvexe Mengen 2 Wie am Ende des vorigen Kapitels bereits erwähnt, ist die notwendige Gradientenbedingung aus Satz 1.4.6 für konvexe Zielfunktionen auch hinreichend. Diese Tatsache mag als erste Motivation
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrTopologische Grundbegriffe II. Inhaltsverzeichnis
Vortrag zum Seminar zur Analysis, 03.05.2010 Dennis Joswig, Florian Goy Aufbauend auf den Resultaten des Vortrages Topologische Grundbegriffe I untersuchen wir weitere topologische Eigenschaften von metrischen
MehrLUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 3. Übung/Lösung Mathematik für Studierende der Biologie
LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR BIOLOGIE Prof. Anreas Herz, Dr. Stefan Häusler email: haeusler@biologie.uni-muenchen.e Department Biologie II Telefon: 089-80-74800 Großhaernerstr. Fax:
MehrProseminar Lineare Algebra LA Gym Mengentheoretische Topologie - Trennungseigenschaften. Dirk Lauschner
Proseminar Lineare Algebra LA Gym Mengentheoretische Topologie - Trennungseigenschaften Dirk Lauschner 14.01.2014 Einleitung Diese Ausarbeitung behandelt die Seiten 83 bis 93 der Seminarlektüre: Querenburg,
Mehr10 Der Satz von Fubini
er Satz von Fubini ie Bezeichnungen seien wie in den Paragraphen 8 und 9. Satz. (Satz von Tonelli Es sei f : d [, + ] messbar. (Aus 8 folgt dann, dass f, f y messbar sind, wobei klar ist, dass f, f y sind.
Mehr7 Anwendungen der Linearen Algebra
7 Anwenungen er Linearen Algebra 7.1 Extremwertaufgaben mit Nebenbeingungen Bemerkung 7.1. Wir behaneln as Problem: Gegeben ist eine zweimal stetig ifferenzierbare Funktion f : R n R un ein stetig ifferenzierbares
Mehr4 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
MehrMathematik 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
MehrSerie 6 - Funktionen II + Differentialrechnung
Analysis D-BAUG Dr. Meike Akvel HS 05 Serie 6 - Funktionen II + Differentialrechnung. a) Sei Lösung 3, falls < 0, f : R R, f) c +, falls 0, + 8, falls >. Bestimmen Sie c R un R, so ass f überall stetig
Mehr2. Stetige lineare Funktionale
-21-2. Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn
MehrCauchy-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
Mehrc < 1, (1) c k x k0 c k = x k0
4.14 Satz (Quotientenkriterium). Es sei (x k ) Folge in K. Falls ein k 0 existiert, so dass für k k 0 gilt x k 0 und x k+1 x k c < 1, (1) so ist x k absolut konvergent. Beweis. Aus (1) folgt mit vollständiger
Mehr10. Vorlesung Wintersemester
10. Vorlesung Wintersemester 1 Existenz von Potentialen Für einimensionale Bewegungen unter er Einwirkung einer Kraft, ie nur vom Ort abhängt, existiert immer ein Potential, a man immer eine Stammfunktion
MehrOptimale 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
MehrIntegration (handgestrickt)
Integration (handgestrickt) C c (R n ) :={f : R n R; f stetig, Träger(f) beschränkt}. B + b (Rn ) := { f : R n R; abei bedeutet f m konvergiert. J (R n ) := {f; a) f beschränkt, b) Träger(f) beschränkt,
MehrKommutativität. De Morgansche Regeln
1. Formale Logik Proposition 1.1. Die logischen Elementarverknüpfungen gehorchen folgenden Äquivalenzen: (1.1) (1.2) p p p p p p Idempotenz (1.3) (1.4) p q q p p q q p Kommutativität (1.5) (1.6) (p q)
MehrTopologische Grundbegriffe II. 1 Begriffe auf Mengen
Vortrag zum Seminar zur Analysis, 03.05.2010 Dennis Joswig, Florian Goy Aufbauend auf den Resultaten der Vorlesung Topologische Grundbegriffe I untersuchen wir weitere topologische Eigenschaften von metrischen
MehrKonvexe Optimierungsprobleme
von: Veronika Kühl 1 Konvexe Optimierungsprobleme Betrachtet werden Probleme der Form (P) min x C f(x) wobei f : C R eine auf C konvexe, aber nicht notwendigerweise differenzierbare Funktion ist. Ziel
MehrDualitätssätze der linearen Optimierung
Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =
MehrWichtige Klassen reeller Funktionen
0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei
MehrKapitel 8 - Kompakte Räume
Kapitel 8 - Kompakte Räume Ein Vortrag von Philipp Dittrich nach B.v.Querenburg: Mengentheoretische Topologie Inhalt 8.1 Definition Kompaktheit....................... 2 Beispiel - das Intervall (0,1).....................
MehrDarstellungssatz 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
Mehr1 Lokale Umkehrbarkeit und implizite Funktionen
Christina Schinler Karolina Stoiber Ferienkurs Analysis 2 für Physiker SS 2013 A 1 Lokale Umkehrbarkeit un implizite Funktionen In iesem Kapitel weren Kriterien vorgestellt, wann eine Funktion umkehrbar
MehrVorlesungen Analysis von B. Bank
Vorlesungen Analysis von B. Bank vom 23.4.2002 und 26.4.2002 Zunächst noch zur Stetigkeit von Funktionen f : D(f) C, wobei D(f) C. (Der Text schliesst unmittelbar an die Vorlesung vom 19.4.2002 an.) Auf
Mehr12 Gewöhnliche Differentialgleichungen
2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert
Mehr1 Lokale Umkehrbarkeit und implizite Funktionen
Karolina Stoiber Aileen Wolf Ferienkurs Analysis 2 für Physiker SS 2016 A 1 Lokale Umkehrbarkeit un implizite Funktionen In iesem Kapitel weren Kriterien vorgestellt, wann eine Funktion umkehrbar ist oer
MehrSatz 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.
MehrTopologische Begriffe
Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer
MehrDie komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe
Die komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe Matthias Nagel Riemannsche Flächen Stets sei X eine 2-dimensionale Mannigfaltigkeit (Fläche). Definition. ) Eine komplexe Karte auf X ist
MehrWiederholung. Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen.
Wiederholung Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen. Definition. Sei X eine Menge und d : X X R eine Abbildung mit den Eigenschaften 1.
MehrKapitel 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
Mehr1 Die direkte Methode der Variationsrechnung
Die direkte Methode der Variationsrechnung Betrachte inf I(u) = f(x, u(x), u(x)) dx : u u + W,p () wobei R n, u W,p mit I(u ) < und f : R R n R. (P) Um die Existenz eines Minimierers direkt zu zeigen,
Mehr1 0, x C X (A). = 1 χ A(x).
Aufgabe 1 a) Wir müssen nur zeigen, dass χ A B (x) = χ A (x) χ B (x) für alle x X gilt. (Dass χ A χ B Abbildung von X in {0, 1} ist, ist klar.) Sei also x X beliebig. Fall 1: x A B. Dies bedeutet x A und
Mehrsign: R R, sign(x) := 0 falls x = 0 1 falls x < 0 Diese ist im Punkt x 0 = 0 nicht stetig, denn etwa zu ε = 1 finden wir kein δ > 0
ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 81 3. Stetigkeit 3.1. Stetigkeit. Im Folgenden sei D R eine beliebige nichtleere Teilmenge. Typischerweise wird D ein allgemeines Intervall sein, siehe Abschnitt
MehrVon Skalarprodukten induzierte Normen
Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus
MehrÜbungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 8
Prof. Roland Gunesch Sommersemester 2010 Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt 8 Aufgabe 1: Sei (X, d) ein kompakter metrischer Raum. Die Hausdorff-Metrik
Mehr15. Bereichsintegrale
H.J. Oberle Analysis III WS 212/13 15. Bereichsintegrale 15.1 Integrale über uadern Ziel ist die Berechnung des Volumens unterhalb des Graphen einer Funktion f : R n D R, genauer zwischen dem Graphen von
Mehr5 Teilmengen von R und von R n
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 Nullpunkt. Die entsprechende Verallgemeinerung
MehrMathematik II für Inf und WInf
Gruppenübung Mathematik II für Inf und WInf 8. Übung Lösungsvorschlag G 28 (Partiell aber nicht total differenzierbar) Gegeben sei die Funktion f : R 2 R mit f(x, ) := x. Zeige: f ist stetig und partiell
MehrANALYSIS 1 Kapitel 6: Stetige Funktionen
ANALYSIS 1 Kapitel 6: Stetige Funktionen MAB.01012UB MAT.101UB Vorlesung im WS 2017/18 Günter LETTL Institut für Mathematik und wissenschaftliches Rechnen Karl-Franzens-Universität Graz 6.1 Grundbegrie
MehrVollständigkeit. 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.
MehrIm 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
MehrGewöhnliche Differentialgleichungen Woche 7. Globale Existenz einer Lösung
Gewöhnliche Differentialgleichungen Woche 7 Globale Existenz einer Lösung 7.1 Von lokal zu global Wir betrachten wiederum das Anfangswertproblem { y (x = f (x, y(x, y( = y 0. (7.1 Eine erste Erweiterung
MehrEigenschaften stetiger Funktionen Buch Kap. 2.5
Eigenschaften stetiger Funktionen Buch Kap. 2.5 Satz 2.6: (Nullstellensatz) Ist f : [a, b] R stetig und haben f (a) und f (b) unterschiedliche Vorzeichen, so besitzt f in (a, b) mindestens eine Nullstelle.
MehrAufgabensammlung zur Analysis 1
Analysis 1 18.12.2017 Prof. Dr. H. Koch Dr. F. Gmeineder Abgabe: Keine Abgabe. Aufgabensammlung zur Analysis 1 Anmerkungen: Das vorliegende Blatt enthält eine Auswahl von Aufgaben, die auf Klausuren zur
Mehr0 1 0 b Die inverse Funktion muss die Translation um b sein und hat daher die homogene Matrix b b 1
Homogene Koorinaten Aufgabe. In homogener Darstellung ist ie Translation f R 4 R 4 um einen Vektor b R 3 eine lineare Funktion un kann aher urch eine Matri Vektor Multiplikation realisiert weren. Wie sieht
Mehr2.6 Der Satz von Fubini
1 2.6 Der Satz von Fubini Unser Ziel ist der Beweis des folgenden Ergebnisses. 6.1. Satz von Fubini Sei f : R n+m R integrierbar. Dann gibt es eine Nullmenge N R m, so dass gilt: 1. Für alle y R m \ N
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 25.06.2018 20. Juni 2018 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2018 Steven Köhler 20. Juni 2018 Konvergenz
Mehrzul. Kurve g 1 C zul dθ (0) y = dϕ dθ (0) =
2. Grundlagen der nicht-linearen konvexen Optimierung 2.1. Die Karush-Kuhn-Tucker Bedingungen. Unser Basisproblem (NLO) sei geben durch min f(x) NLO g i (x) 0, i I = {1,..., m} x R n f, g i stetig differenzierbar.
Mehr