9 Konvexe Funktionen, Stütz- und Distanzfunktion

Größe: px
Ab Seite anzeigen:

Download "9 Konvexe Funktionen, Stütz- und Distanzfunktion"

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

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

Mehr

12. Trennungssätze für konvexe Mengen 83

12. 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

Mehr

Differentialrechnung

Differentialrechnung 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

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

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

15 Differentialrechnung in R n

15 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

Mehr

Stetige 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. 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

Mehr

Mathematik III. Vorlesung 87. Die äußere Ableitung

Mathematik 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.

Mehr

Projektionen auf abgeschlossene konvexe Mengen

Projektionen 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

Mehr

8. Konvexe Polytope. Tobias Boelter. Mittwoch, 5. März TopMath Frühlingsschule

8. 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

Mehr

5 Stetigkeit und Differenzierbarkeit

5 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.

Mehr

Lösungen der Übungsaufgaben von Kapitel 3

Lösungen 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

Mehr

3.4 Kombinatorische Äquivalenz und Dualität von Polytopen

3.4 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

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 1. Übungsblatt

Höhere 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

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

6 Lineare Kongruenzen

6 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

Mehr

Lösung zu Kapitel 5 und 6

Lösung 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

Mehr

Der Satz von Krein-Milman und der Satz von der trennenden Hyperebene

Der 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

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

LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 2. Übung/Lösung Mathematik für Studierende der Biologie

LUDWIG-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:

Mehr

3 Polytope. 3.1 Polyeder

3 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

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

6 Beispiele von Polytopen

6 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

Mehr

Prof. 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 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

Mehr

Analysis I. Guofang Wang , Universität Freiburg

Analysis 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

Mehr

2.4 Verallgemeinerte Ungleichungen

2.4 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

Mehr

Übungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 9

Übungen 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 :

Mehr

3.3 Der Seitenverband

3.3 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

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

Konvexe Mengen und Funktionen

Konvexe 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

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

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

Übungsklausur Lineare Algebra I - Wintersemester 2008/09

Übungsklausur 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,

Mehr

2. Umkehrfunktionen und ihre Ableitung, Hyperbelfunktionen 2.1. Höhere Ableitungen. Die Ableitung der Ableitung von f bezeichnet man, x 2, fur x < 0,

2. 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

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

Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)

Vorlesung 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

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

Stetigkeit vs Gleichmäßige Stetigkeit.

Stetigkeit 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 (

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

Höhere Funktionalanalysis WS2016/17 Übungsblatt

Höhere 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,

Mehr

4 Holomorphie-Konvexität. Definition Satz. 42 Kapitel 2 Holomorphiegebiete

4 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

Mehr

7. Übungsblatt zur Mathematik II für Inf, WInf

7. 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

Mehr

Inhaltsverzeichnis. 6 Topologische Grundlagen. 6.1 Normierte Räume

Inhaltsverzeichnis. 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................................

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE 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

Mehr

8 Tangenten an Quadriken

8 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

Mehr

Der n-dimensionale Raum

Der 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

Mehr

Institut 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 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

Mehr

Insbesondere sind nach dieser Definition also auch die leere Menge und einpunktige Teilmengen konvex.

Insbesondere 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

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,...} Ganze Zahlen : Aus

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

Topologische Grundbegriffe II. Inhaltsverzeichnis

Topologische 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

Mehr

LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 3. Übung/Lösung Mathematik für Studierende der Biologie

LUDWIG-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:

Mehr

Proseminar Lineare Algebra LA Gym Mengentheoretische Topologie - Trennungseigenschaften. Dirk Lauschner

Proseminar 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,

Mehr

10 Der Satz von Fubini

10 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.

Mehr

7 Anwendungen der Linearen Algebra

7 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

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

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

Serie 6 - Funktionen II + Differentialrechnung

Serie 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

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

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

c < 1, (1) c k x k0 c k = x k0

c < 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

Mehr

10. Vorlesung Wintersemester

10. 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

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

Integration (handgestrickt)

Integration (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,

Mehr

Kommutativität. De Morgansche Regeln

Kommutativität. 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)

Mehr

Topologische Grundbegriffe II. 1 Begriffe auf Mengen

Topologische 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

Mehr

Konvexe Optimierungsprobleme

Konvexe 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

Mehr

Dualitätssätze der linearen Optimierung

Dualitätssätze 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 =

Mehr

Wichtige Klassen reeller Funktionen

Wichtige 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

Mehr

Kapitel 8 - Kompakte Räume

Kapitel 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).....................

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

1 Lokale Umkehrbarkeit und implizite Funktionen

1 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

Mehr

Vorlesungen Analysis von B. Bank

Vorlesungen 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

Mehr

12 Gewöhnliche Differentialgleichungen

12 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

Mehr

1 Lokale Umkehrbarkeit und implizite Funktionen

1 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

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

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

Die komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe

Die 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

Mehr

Wiederholung. 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. 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.

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

1 Die direkte Methode der Variationsrechnung

1 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,

Mehr

1 0, x C X (A). = 1 χ A(x).

1 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

Mehr

sign: 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

sign: 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

Mehr

Von Skalarprodukten induzierte Normen

Von 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

Mehr

Übungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 8

Übungen 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

Mehr

15. Bereichsintegrale

15. 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

Mehr

5 Teilmengen von R und von R n

5 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

Mehr

Mathematik II für Inf und WInf

Mathematik 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

Mehr

ANALYSIS 1 Kapitel 6: Stetige Funktionen

ANALYSIS 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

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

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

Gewöhnliche Differentialgleichungen Woche 7. Globale Existenz einer Lösung

Gewöhnliche 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

Mehr

Eigenschaften stetiger Funktionen Buch Kap. 2.5

Eigenschaften 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.

Mehr

Aufgabensammlung zur Analysis 1

Aufgabensammlung 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

Mehr

0 1 0 b Die inverse Funktion muss die Translation um b sein und hat daher die homogene Matrix b b 1

0 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

Mehr

2.6 Der Satz von Fubini

2.6 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

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: 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

Mehr

zul. Kurve g 1 C zul dθ (0) y = dϕ dθ (0) =

zul. 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