Rechenoperationen mit Folgen. Rekursion und Iteration.

Ähnliche Dokumente
Vorlesung. Funktionen/Abbildungen 1

Aufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II. Heinrich Voß

Ergänzungen zur Analysis I

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

Analysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum

Inoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH)

a n auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

Nichtlineare Optimierung ohne Nebenbedingungen

Folgen. Kapitel Zinsrechnung

Absolute Stetigkeit von Maßen

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Modulabschlussklausur Analysis II

Folgen und endliche Summen

Jurgen Muller Analysis I-IV

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

Rekursionen (Teschl/Teschl )

Teil II. Nichtlineare Optimierung

Einführung in die Funktionalanalysis

Mathematik für Physiker, Informatiker und Ingenieure I Skriptum des WS 2007/08

Einführung in die Informatik I

Elemente der Analysis I: Zusammenfassung und Formelsammlung

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

1 Die reellen Zahlen. 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen,

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

Mathematische Ökologie

Numerische Verfahren zur Lösung nichtlinearer Gleichungen

Lösungen zum 3. Aufgabenblatt

TEILWEISE ASYNCHRONE ALGORITHMEN

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

11. Primfaktorzerlegungen

Abschnitt: Algorithmendesign und Laufzeitanalyse

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

Verbessern, immer wieder verbessern... Gleichungen numerisch behandeln

ToDo-Liste für s Mathe-Abi 2009

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

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

Mathematik I für Wirtschaftswissenschaftler

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.

Bitte unbedingt beachten: a) Gewertet werden alle acht gestellten Aufgaben.

Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS. Prof. Dr. M. Voigt

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6

Elementare Zahlentheorie (Version 1)

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

8 Diskrete Optimierung

17. Penalty- und Barriere-Methoden

a n := ( 1) n 3n n 2. a n := 5n4 + 2n 2 2n n + 1. a n := n 5n 2 n 2 + 7n + 8 b n := ( 1) n

Numerische Behandlung des Eigenwertproblems

7 Rechnen mit Polynomen

Handreichung. zur Mathematikvorlesung für. Wirtschaftswissenschaftler)

Formelsammlung. Folgen und Reihen

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Mengensysteme, Wahrscheinlichkeitsmaße

Mathematikaufgaben zur Vorbereitung auf das Studium

3 Konvexe Analysis. 3.1 Grundlagen

22 Die trigonometrischen Funktionen und die Hyperbelfunktionen

Reelle Zahlen. Mathematische Grundlagen Lernmodul 4. Stand: Oktober 2010

Die p-adischen Zahlen

Dirk Hachenberger Mathematik für Informatiker

Mathematik 1 für Wirtschaftsinformatik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Mathematik 2 für Wirtschaftsinformatik

Optimalitätskriterien

Das Briefträgerproblem

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

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

Rekursionen. Georg Anegg 25. November Methoden und Techniken an Beispielen erklärt

Extremwertverteilungen

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

5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c)

Stefan Funken, Dirk Lebiedz, Karsten Urban. Numerik II. (Einführung in die Numerische Analysis)

Nicht-archimedische Zahlen

Die Weierstraßsche Funktion

Serie 13: Online Test

SWP Prüfungsvorbereitung

HEUTE. Datenstrukturen im Computer. Datenstrukturen. Rekursion. Feedback Evaluation. abstrakte Datenstrukturen

Numerische Verfahren und Grundlagen der Analysis

Abitur - Grundkurs Mathematik. Sachsen-Anhalt Gebiet G1 - Analysis

Hilbertraum-Methoden

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Wie viele Nullstellen hat ein Polynom?

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli Fachbereich für Mathematik und Statistik Universität Konstanz

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen

Z = 60! 29!31! 1,

Im Jahr t = 0 hat eine Stadt Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Mathematischer Vorbereitungskurs für Ökonomen

Theoretische Grundlagen des Software Engineering

Unterlagen für die Lehrkraft

Mathematik für Bioinformatik und Systembiologie. - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz

Laufzeit und Komplexität

Lineare Algebra - alles was man wissen muß

Grundlagen der Stochastischen Analysis. Egbert Dettweiler

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März Teil-1-Aufgaben

Klausur Analysis II (SS 2005)

4. Versicherungsangebot

Bestimmung einer ersten

Einführung in die Statistik

Transkript:

Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n ) n N λ(a n ) n N := (λa n ) n N Rekursion und Iteration. Folgen lassen sich rekursiv beschreiben durch a n+1 := Φ(n, a n ), für n N, wobei Φ : N V V eine bestimmte Iterationsvorschrift bezeichnet. Analysis I TUHH, Winter 2006/2007 Armin Iske 77

Das Bisektionsverfahren (Intervallhalbierung). Ziel: Bestimme eine Nullstelle einer stetigen Funktion f : [a, b] R. Voraussetzung: f(a) f(b) < 0. Iteration: Definiere zwei Folgen (u n ) n N0 und (v n ) n N0 rekursiv mit den Startwerten (u 0, v 0 ) = (a, b) und der folgenden Iterationsvorschrift. FOR n = 1, 2,... x := (u n 1 + v n 1 )/2 IF f(x) = 0 THEN RETURN IF (f(x) f(v n 1 ) < 0) THEN u n := x; v n := v n 1 ; ELSE u n := u n 1 ; v n := x; OUTPUT: x mit f(x) = 0, Nullstelle von f in [a, b]. Analysis I TUHH, Winter 2006/2007 Armin Iske 78

Beispiel. f : [1, 2] R mit f(x) = x 2 2, a = 1 und b = 2. Beachte: f( 2) = 0, d.h. 2 = 1.4142 13562... ist Nullstelle von f. n u n v n 0 1.0000 00000 2.0000 00000 1 1.0000 00000 1.5000 00000 2 1.2500 00000 1.5000 00000 3 1.3750 00000 1.5000 00000 10 1.4140 62500 1.4150 39063 20 1.4142 13181 1.4142 14134 30 1.4142 13562 1.4142 13562 2 1.5 1 0.5 0 0.5 1 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2 Graph von f(x) = x 2 2. Beobachtung: Das Bisektionsverfahren konvergiert relativ langsam! Analysis I TUHH, Winter 2006/2007 Armin Iske 79

Das Newton-Verfahren. Ziel: Bestimme eine Nullstelle einer differenzierbaren Funktion f : [a, b] R. Verwende Newton-Iteration: mit Startwert x 0. x n+1 := x n f(x n) f (x n ), für f (x n ) 0, Bemerkung: Verfahren konvergiert, falls x 0 nahe bei einer Nullstelle von f liegt. Beispiel: Für f(x) = x 2 2 und x 0 = 1 erhält man n 0 1 2 3 4 t n 1.0000 1.5000 1.4166 66667 1.4142 15686 1.4142 13562 Erinnerung: f( 2) = 0, d.h. 2 = 1.4142 13562... ist Nullstelle von f. Analysis I TUHH, Winter 2006/2007 Armin Iske 80

Konvergenz von Folgen. Definition: Sei (a n ) n N eine Folge in einem normierten Vektorraum V. Dann heißt (a nj ) j N für n j N mit 1 n 1 < n 2 <... eine Teilfolge von (a n ) n N. die Folge (a n ) n N beschränkt, falls es ein C > 0 gibt mit n N : a n C. die Folge (a n ) n N konvergent mit Grenzwert (Limes) a V, falls ε > 0 : N = N(ε) N : n N : a n a < ε. Eine nicht-konvergente Folge heißt divergent. die Folge (a n ) n N Cauchy-Folge, falls ε > 0 : N = N(ε) N : n, m N : a n a m < ε. Analysis I TUHH, Winter 2006/2007 Armin Iske 81

Satz: Sei (a n ) n N eine Folge in einem normierten Vektorraum. Dann gilt: (a) (a n ) konvergent = (a n ) beschränkt; (b) (a n ) konvergent = (a n ) Cauchy-Folge; (c) Falls (a n ) konvergiert, so ist der Grenzwert von (a n ) eindeutig bestimmt. Beweis von (a): Sei (a n ) konvergent mit Grenzwert a. Dann gilt für vorgegebenes ε > 0 die Abschätzung a n = a n a + a a n a + a < ε + a für alle n N(ε). Damit ist die Folge (a n ) beschränkt mit der Konstanten C = max{ a 1, a 2,..., a N 1, a + ε}. Also n N : a n C. Analysis I TUHH, Winter 2006/2007 Armin Iske 82

Beweis von (b): Sei (a n ) konvergent mit Grenzwert a. Dann gilt für vorgegebenes ε > 0 die Abschätzung a n a m = a n a + a a m a n a + a m a < ε 2 + ε 2 = ε für alle n, m N = N(ε/2) Beweis von (c): Sei (a n ) konvergent mit verschiedenen Grenzwerten a und a. Dann gelten für ε > 0 die Abschätzungen a n a < ε a n a < ε für alle n N(ε) für alle n N(ε) Somit folgt für n max{n,n} die Ungleichung a a = a a n + a n a a n a + a n a < 2ε. Da dies für jedes ε > 0 gilt, folgt a = a im Widerspruch zur Annahme a a. Analysis I TUHH, Winter 2006/2007 Armin Iske 83

Notationen. Für eine konvergente Folge (a n ) mit Grenzwert a schreiben wir lim a n = a oder a n a (n ). n Uneigentliche Konvergenz...... bzw. Divergenz gegen den uneigentlichen Grenzwert ±. Für reelle Folgen definieren wir zusätzlich lim n a n = C > 0: N N : n N :a n > C lim n a n = C > 0: N N : n N :a n < C Analysis I TUHH, Winter 2006/2007 Armin Iske 84

Bemerkungen. Die Umkehrung der Aussage im Satz, Teil (b), (a n ) Cauchyfolge = (a n ) konvergent gilt nur in gewissen normierten Räumen, nämlich in vollständigen Räumen bzw. Banachräumen. Einen vollständigen Euklidischen Vektorraum nennt man Hilbertraum. Beispiele: für vollständige Räume: (R, ), (C, ), (R n, ), (C[a, b], ); für einen nicht vollständigen Raum: (C[a, b], 2 ). Analysis I TUHH, Winter 2006/2007 Armin Iske 85

Satz: Seien (a n ) und (b n ) zwei konvergente Folgen. Dann konvergieren die beiden Folgen (a n + b n ) und (λa n ) für λ R (bzw. λ C), wobei gilt (a) lim n (a n + b n ) = lim n a n + lim n b n, (b) lim n (λa n ) = λ lim n a n. Beweis: Sei a = lim n a n und b = lim n b n, d.h. a sei Grenzwert von (a n ) und b sei Grenzwert von (b n ). (a): Für n max{n 1 (ε/2), N 2 (ε/2)} gilt (a n + b n ) (a + b) a n a + b n b < ε 2 + ε 2 = ε. (b): Sei λ 0. Dann gilt für n N 1 (ε/ λ ) die Abschätzung Der Fall λ = 0 ist trivial. λa n λa = λ a n a < λ ε λ = ε Analysis I TUHH, Winter 2006/2007 Armin Iske 86

Konvergenzgeschwindigkeit. Definition: Sei (a n ) eine konvergente Folge mit Grenzwert a. (a) Die Folge (a n ) heißt (mindestens) linear konvergent, falls eine Konstante 0 < C < 1 und ein Index N N existiert mit n N : a n+1 a C a n a (b) Die Folge (a n ) heißt (mindestens) superlinear konvergent, falls es eine nicht-negative Nullfolge C n 0 gibt mit lim n C n = 0, so dass n: a n+1 a C n a n a (c) Die Folge (a n ) heißt konvergent der Ordnung (mindestens) p > 1, falls es eine nicht-negative Konstante C 0 gibt mit n: a n+1 a C a n a p. Analysis I TUHH, Winter 2006/2007 Armin Iske 87

4 Konvergenz von Folgen und Reihen 4.1 Konvergenzkriterien für reelle Folgen Definition: Eine reelle Folge (a n ) n N heißt monoton wachsend streng monoton wachsend nach oben beschränkt n < m :a n a m n < m :a n < a m C R : n : a n C Analog definiert man die Begriffe monoton fallend streng monoton fallend nach unten beschränkt n < m :a n a m n < m :a n > a m C R : n : a n C Analysis I TUHH, Winter 2006/2007 Armin Iske 88

Satz: Eine monoton wachsende, nach oben beschränkte reelle Folge (a n ) n N ist konvergent mit Grenzwert lim a n = sup{a n n N}. n Beweis: Sei (a n ) n N nach oben beschränkt. Dann gilt s = sup{a n n N} <. Sei nun ε > 0 gegeben. Dann existiert ein N = N(ε) mit s ε < a N s Die Folge (a n ) n N ist monoton wachsend, also folgt s ε < a N a n s n N, d.h. s a n < ε n N N(ε) Analysis I TUHH, Winter 2006/2007 Armin Iske 89

Folgerung (Prinzip der Intervallschachtelung): Sei (a n ) n N eine monoton wachsende reelle Folge und (b n ) n N eine monoton fallende reelle Folge mit a n b n für alle n N. Dann sind beide Folgen konvergent. Gilt weiterhin lim (a n b n ) = 0, n so haben (a n ) n N und (b n ) n N denselben Grenzwert, d.h. es gibt ein ξ R mit ξ = lim n a n = lim n b n. Weiterhin gelten in diesem Fall die Fehlerabschätzungen a n ξ b n a n und b n ξ b n a n. a 1 a 2 a 3 ξ b 3 b 2 b 1 Analysis I TUHH, Winter 2006/2007 Armin Iske 90

Beispiel. Definiere für 0 < a < b zwei Folgen (a n ) und (b n ) rekursiv durch a 0 := a b 0 := b a n+1 := a n b n b n+1 := (a n + b n )/2 für n 0. Die Folgen (a n ) und (b n ) bilden Intervallschachtelung, und es gilt (b n+1 a n+1 ) b n a n 2 Der gemeinsame Grenzwert von (a n ) und (b n ) lim a n = lim b n n n heißt arithmetisch-geometrisches Mittel von a und b. Analysis I TUHH, Winter 2006/2007 Armin Iske 91

Die Bernoullische Ungleichung. Es gilt x 1, n N :(1 + x) n 1 + nx, wobei Gleichheit nur für n = 1 oder x = 0 gilt. Beweis: vollständige Induktion. Die Geometrische Folge. Sei (a n ) n N reelle Folge mit a n := q n für q R. Dann gilt q > 1 : lim n q n = + (q n = (1 + (q 1)) n 1 + n(q 1)) q = 1 : lim n q n = 1 0 < q < 1 : lim n q n = 0 1 < q 0 : lim n q n = 0 ( q n = q n ) ( ) q n 1 1 = (1+(1/q 1)) n 1+n(1/q 1) q = 1 : (q n ) beschränkt, aber nicht konvergent (q n { 1, 1}) q < 1 : (q n ) divergent, kein uneigentlicher Grenzwert Analysis I TUHH, Winter 2006/2007 Armin Iske 92

Weitere Rechenregeln. Satz: Seien (a n ) n N und (b n ) n N konvergente reelle Folgen. Dann gilt (a) lim n (a n b n ) = (lim n a n ) (lim n b n ) (b) n:b n 0 lim n b n 0 = lim n ( an b n ) = lim n a n lim n b n (c) n:a n 0 m N = lim n m a n = m lim n a n Beweis: Seien (a n ) n N und (b n ) n N zwei konvergente Folgen mit lim a n = a und lim b n = b n n Analysis I TUHH, Winter 2006/2007 Armin Iske 93

Beweis von (a): Für ε > 0 und n N N(ε) gilt a n b n ab = a n b n a n b + a n b ab a n b n b + b a n a C a b n b + b a n a < (C a + b )ε Beweis von (b): Da b n 0 und b 0 existiert eine Konstante C b > 0 mit C b b n für alle n N. Damit gilt 1 1 b n b = b b n b n b = 1 b n b b n b für hinreichend große n N N(ε). 1 C b b ε Nun folgt die Aussage in Teil (b) direkt aus Teil (a), denn es gilt 1/b n 1/b. Analysis I TUHH, Winter 2006/2007 Armin Iske 94

Beweis von (c): Wir setzen hierzu folgenden Satz voraus. Satz: Zu a > 0 und m N existiert genau eine Zahl w > 0 mit w m = a. Diese Zahl wird mit w = m a bezeichnet. Fall 1: Sei (a n ) eine Nullfolge und ε > 0 vorgegeben. a n < ε m n N(ε m ) Daraus folgt 0 m a n < ε und daher m a n 0 für n. Analysis I TUHH, Winter 2006/2007 Armin Iske 95

Fall 2: Sei a > 0. Verwende die Identität m (x y) x m j y j 1 j=1 = (x y) (x m 1 y 0 + x m 2 y 1 +... + x 0 y m 1) = x m y 0 + x m 1 y 1 +... + x 1 y m 1 x m 1 y 1... x 1 y }{{ m 1 x } 0 y m =0 = x m y m Setze nun x = m a n und y = m a. Dann folgt für ε > 0 und n N(ε): m a n m a = a n a ( m a n ) m 1 +... + ( m a) m 1 a n a ( m a) m 1 < C ε Analysis I TUHH, Winter 2006/2007 Armin Iske 96