Lösungsvorschläge für das 5. Übungsblatt

Ähnliche Dokumente
Lösungen zu Übungsblatt 9

4 Messbare Funktionen

2 Allgemeine Integrationstheorie

Zusammenfassung der Lebesgue-Integrationstheorie

Lebesgue-Integral und L p -Räume

Lösungsvorschlag zur Übungsklausur zur Analysis I

11. Übungsblatt zur Mathematik I für Maschinenbau

Analysis III Wintersemester 2003/2004. W. Ebeling

Maße auf Produkträumen

Analysis I - Stetige Funktionen

Mathematik III. Vorlesung 71

3. Übungsblatt zur Analysis II

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0

Aufgaben zur Analysis I aus dem Wiederholungskurs

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass

Konvergenz im quadratischen Mittel - Hilberträume

Modellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben.

ε δ Definition der Stetigkeit.

Lösungsvorschläge zum 14. Übungsblatt.

Konvergenz im quadratischen Mittel und Parsevalsche Gleichung

Höhere Analysis. dω = Reiner Lauterbach. Vorlesung. Universität Hamburg, WS 2015/2016

Teil III. Fourieranalysis

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92

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

Technische Universität Berlin. Klausur Analysis I

Kapitel 19. Das Lebesgue Maß σ Algebren und Maße

n 1, n N \ {1}, 0 falls x = 0,

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.

Definition: Differenzierbare Funktionen

IV. Stetige Funktionen. Grenzwerte von Funktionen

Lösungshinweise zu den Hausaufgaben:

Absolute Stetigkeit von Maßen

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

Monotone Approximationen durch die Stirlingsche Formel. Wir beginnen mit einem einfachen Beweis einer schwachen Form von Stirlings

Stetigkeit. Definitionen. Beispiele

18 Höhere Ableitungen und Taylorformel

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

2 Stetigkeit und Differenzierbarkeit

Kurzskript zur Maßtheorie (Teil der Vorlesung Analysis III, Wintersemester 2010/11, gehalten von D. Grieser)

Folgen und Reihen von Funktionen

11 Logarithmus und allgemeine Potenzen

Kapitel 16 : Differentialrechnung

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 9. Übungsblatt

x j I j (1 j n)}. und erhält dann, wenn Q j, Q j

Stochastik I. Vorlesungsmitschrift

2. Teilklausur. Analysis 1

Regulär variierende Funktionen

Analytische Zahlentheorie

13 Die trigonometrischen Funktionen

KONSTRUKTION VON MASSEN

Maß- und Integrationstheorie

Übersicht Wahrscheinlichkeitsheorie

Beispiel: Bestimmung des Werts 3 2 ( 2 1, 4142) Es gilt 3 1,41 = 3 141/100 = , 707. Es gilt 3 1,42 = 3 142/100 = , 759.

Stetigkeit von Funktionen

Existenz des Lebesgue-Borel-Maßes

Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen

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

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

Wahrscheinlichkeitstheorie 2 & 3. Prof. Dr. Barbara Gentz mitgeschrieben von Arthur Sinulis 30. Januar 2015

30 Metriken und Normen

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

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

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

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

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

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES MAß-, INTEGRATIONS-

Gesetze der großen Zahlen

Funktionsgrenzwerte, Stetigkeit

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

3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten

Die Varianz (Streuung) Definition

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)

Kapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C

MIII (WS 03/04) BERNHARD HANKE

Analysis I. 4. Beispielklausur mit Lösungen

10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit

Schwache Konvergenz. Kapitel 8

5 Stetigkeit und Differenzierbarkeit

1. Proseminar Höhere Mathematik I

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.

Vorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)

11. Folgen und Reihen.

TECHNISCHE UNIVERSITÄT MÜNCHEN

Varianz und Kovarianz

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.

4 Fehlerabschätzungen und Konvergenz der FEM

Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16)

Übungen zur Vorlesung MATHEMATIK II

2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n)

Thema 4 Limiten und Stetigkeit von Funktionen

ETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld

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

Kapitel 6. Exponentialfunktion

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

A k R n. Dann ist der Durchschnitt A k integrierbar mit λ(a) = lim λ(a k ). deshalb. Damit gilt

Untersuchen Sie die angegebenen Funktionenfolgen auf gleichmäßige Konvergenz. = 1 n, (1 Punkt ) x 2. x 1 = 1. x n + (1 Punkt )

Übungen Ingenieurmathematik

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag

Transkript:

Lösungsvorschläge für das 5. Übungsblatt Aufgabe 6 a) Sei = [0, ], f(x) := [e x ] für x. Hierbei ist [y] := maxk Z k y} für y. Behauptung: f ist messbar und es ist f(x) dx = 2 log 2. falls x [0, log 2), Beweis. Weil e (2, 3) ist, gilt f(x) = und damit f = [0,log 2) + 2 falls x [log 2, ] 2 [log 2,]. Also ist f als Summe von charakteristischen Funktionen messbarer Mengen messbar und nach Definition des Lebesgue-Integrals für einfache Funktionen gilt f(x) dx = λ([0, log 2]) + 2λ([log 2, ]) = log 2 + 2( log 2) = 2 log 2. b) Seien = (0, ], f(x) := sin x für x. x 3 Behauptung: f ist messbar und (0,] Beweis. f ist auf (0, ] stetig und damit messbar. Die Funktion h : [0, ], x sin x x x > 0, x = 0, ist stetig und positiv, also ist C := min x h(x) > 0 wegen der Kompaktheit von [0, ]. Wir schließen f(x) C x 2 für alle x (0, ]. Wir definieren nun g n := n 2 (0, n ] für n N. Dann ist g n einfach, also messbar, und g n (x) dx = n 2 λ((0, n ]) = n2 n (0,] für alle n N. Weiter ist g n (x) für alle x (0, ] und n N, da im Fall x x 2 n die Ungleichung g n (x) = n 2 gilt und g x 2 n (x) = 0 für x > n ist. Dies impliziert mit der Monotonie und Linearität des Integrals C f(x) dx (0,] (0,] x 2 dx = C dx C g (0,] x2 n (x) dx = Cn (0,] für alle n N. Also ist (0,] c) Seien =, f(x) := x 4 e x falls x Q, 0 falls x \ Q. Behauptung: f ist messbar und f(x) dx = 0. Beweis. Es ist = Q (\Q) und die Vereinigung ist disjunkt, weiter sind Q, \Q B. Weil f Q stetig und damit messbar und f \Q konstant also auch messbar sind, ist f nach Folgerung 3.3 ebenfalls messbar. Es gilt λ(f > 0}) = λ(q\0}) = 0. Nach Satz 4.5(3) ist also f(x) dx = 0.

d) Seien =, f(x) := x 4 e x falls x \ Q, 0 falls x Q. Behauptung: f ist messbar und Beweis. Ähnlich wie im vorherigen Teil c) folgt die Messbarkeit von f auch hier. x e 4 x falls x Q, Setze nun wie im vorherigen Teil h(x) := 0 falls x \ Q. Dann gilt f + h [, ) auf und mit Teil c) sowie der Linearität des Lebesgue-Integrals folgt = λ([, )) = [, ) (x) dx f(x) + h(x) dx = f(x) dx + h(x) dx = f(x) dx. Aufgabe 7 (K, 6 Punkte) a) Seien d N, B d und f : [0, ] messbar. Behauptung: Durch µ : B() [0, ], A A f(x) dx wird ein Maß auf B() definiert. Beweis. f : [0, ] ist messbar, also auch A f für jedes A B(). Also ist A f(x) dx wohldefiniert. Wir weisen im Folgenden die Eigenschaften eines Maßes nach. Zu (M): Es gilt µ( ) = f(x) dx = (x)f(x) dx = 0. Zu (M2): Es sei (A j ) j N eine disjunkte Folge in B(). Wir setzen für n N B n := und sehen ein, dass (B n ) n N eine aufsteigende Folge in B() ist. Wir setzen B := n= n A j B n = und (f n ) n N mit f n := Bn f. Dann folgt f n f n+ und f n (x) B (x)f(x) für n für alle x. Der Satz von Beppo Levi liefert nun f(x) dx = B (x)f(x) dx = lim Bn f(x) dx. Außerdem B µ ( ) A j = µ(b) = = lim B A j f(x) dx = lim Bn f(x) dx = lim Aj (x)f(x) dx Aj (x)f(x) dx = lim µ(a j ) = µ(a j ). 2

b) Seien y d, f : d und τ y f : d mit τ y f(x) := f(x y) die Translation von Blatt 4. Behauptung: f ist genau dann integrierbar, wenn τ y f integrierbar ist. In diesem Fall gilt f(x) dx = τ y f(x) dx. d d Beweis. ist. (i) Wir wissen aus Aufgabe 3 (c), dass f genau dann messbar ist, wenn τ y f messbar (ii) Wir zeigen die Behauptung zuerst für einfache Funktionen. Sei also f 0 einfach mit einer Darstellung n α i Ai. Zusätzlich sei f integrierbar. Wir setzen y + A i := y + x x A i }. Dann folgt für x d τ y f(x) = f(x y) = α i Ai (x y) = α i y+ai (x). Also ist τ y f ebenfalls einfach und τ y f(x) dx = d α i λ d (y + A i ) = α i λ d (A i ) = f(x) dx <, d wobei wir die Translationsinvarianz des Lebesguemaßes ausgenutzt haben. (iii) Sei nun f : d [0, ] integrierbar und (f n ) n N eine zulässige Folge von einfachen Funktionen für f. Dann ist (τ y f n ) n N eine zulässige Folge für τ y f, denn für x d gilt τ y f n (x) = f n (x y) f n+ (x y) = τ y f n+ (x) und τ y f n (x) = f n (x y) f(x y) für n. Insbesondere ist τ y f n für n N einfach (siehe (ii)). Dann folgt per Definition des Integrals und Teil (ii) τ y f(x) dx = lim d τ y f n (x) dx = lim d f n (x) dx = d f(x) dx <. d (iv) Sei nun f : d integrierbar. Dann sind f +, f : d [0, ] integrierbar und f = f + f. Es gilt für x d (τ y f) + (x) = maxf(x y), 0} = f + (x y) = (τ y f + )(x) und (τ y f) (x) = (τ y f )(x). Also folgt direkt durch Anwendung des Ergebnisses aus (iii) τ y f(x) dx = (τ y f) + (x) dx + (τ y f) (x) dx = (τ y f + )(x) dx + (τ y f )(x) dx d d d d d = f + (x) dx + f (x) dx = f(x) dx <. d d d (v) Sei nun τ y f integrierbar. Dann schreiben wir f = τ y (τ y f) und erhalten die Integrierbarkeit von f aus (iv). 3

Aufgabe 8 (K, 6 Punkte) a) Seien d N und B d. Gegeben seien messbare Funktionen f n : [0, ], die eine monoton fallende Folge bilden. Weiter existiere der Grenzwert f(x) := lim f n(x) für alle x und es sei f (x) dx <. Behauptung: Es gilt lim f n (x) dx = f(x) dx. Auf die Voraussetzung f (x) dx < kann dabei nicht verzichtet werden. Beweis. Definiere für i N die Funktion g i : [0, ] durch g i = f f i. Weil die Folge (f n ) n monoton fällt und nichtnegativ ist, gilt für i N 0 = f f }} f f i f }} f i+... f }}. =g =g i =g i+ Wir erhalten insbesondere mit der Voraussetzung f (x) dx <, dass jede Funktion g i auf integrierbar ist. Ferner ist für alle x lim g n(x) = f (x) lim f n(x) = f (x) f(x). Mit Satz 4. und dem Satz von der monotonen Konvergenz, angewandt auf die Folge (g n ) n, folgt lim f n (x) dx = lim f (x) g n (x) dx = f (x) dx lim g n (x) dx = f (x) dx (f (x) f(x)) dx = f(x) dx. Im letzten Schritt verwenden wir wieder Satz 4. und die Integrabilität von f und f f auf. Wir belegen nun mittels eines Gegenbeispiels, dass man auf die Voraussetzung f (x) dx < nicht verzichten kann. Wir wählen d =, = und f n := n für n N. Dann ist die Funktionenfolge (f n ) n messbar, da jede Funktion der Folge konstant ist, und es ist lim f n (x) = 0 =: f(x) für alle x. Weiter ist die Folge (f n ) n monoton fallend. Allerdings gilt lim f n (x) dx = lim = 0 = f(x) dx. b) (i) Behauptung: Es gilt lim n cos(x) dx = π. Beweis. Wir definieren (f n ) n N mit f n : [0, π] [0, ] durch f n (x) := n cos(x). Dann gilt wegen cos(x) [0, ] für x [0, π], dass f n (x) = n cos(x) n+ cos(x) = f n+ (x) ist. Außerdem konvergiert f n punktweise auf [0, π] gegen die Funktion, x [0, π] \ π f : [0, π] 0, }; x 2 }, 0, x = π 2. 4

Weil f n stetig ist, ist es messbar für n N. Der Satz von Beppo Levi liefert nun n lim cos(x) dx = lim f n (x) dx = f(x) dx = π. (ii) Behauptung: Es ist lim [, ) e nx2 dx = 0. Beweis. Wir setzen f n : [, ) [0, ]; x e nx2 für n N, was als stetige Funktion messbar ist. Dann gilt für x [, ) f n (x) = e nx2 e (n+)x2 = f n+ (x). Weiter konvergiert die Folge (f n ) n auf [, ) punktweise gegen 0, x [, ) \ 0}, f : [, ) [0, ]; x, x = 0. Wir wollen Teil a) anwenden und zeigen dafür f L ([, )). Für x [, ] gilt e x2 und für x (, ) gilt e x2, x [, ],. Also folgt f x 2 g mit g : [, ) [0, ]; x, x (, ). x 2 Es gilt nun g(x) dx = dx + dx <. [, ) [,] (, ) x2 Folglich ist f L ([, )). Dann folgt mit dem Teil a) f n (x) dx = f(x) dx = 0. lim [, ) [, ) c) Sei a k := x dx für k N. (x+) k Behauptung: Die eihe a k konvergiert gegen. Beweis. Es sei (f k ) k N definiert durch f k : [0, ] [0, ); x f k (x) := x für k N. (x+) k Dann folgt für n N und x [0, ] S n (x) := f k (x) = x (x + ) k = x n x + (x + ) k 0, x = 0,, x (0, ], k=0 n. Folglich gilt S n (0,] punktweise auf [0, ] für n. Da (S n ) n N eine aufsteigende Folge messbarer Funktionen ist, liefert der Satz von Beppo Levi a k = lim f k (x) dx = lim S n (x) dx = (0,] (x) dx = λ ((0, ]) =. 5