Analysis I & II UniBas Basel
Gesammter Stoff für die Mündliche Prüfung,Enthält die wichtigsten Sätze aus dem SkriptUniBas Analysis I & II, HS2020 - FS2021
Gesammter Stoff für die Mündliche Prüfung,Enthält die wichtigsten Sätze aus dem SkriptUniBas Analysis I & II, HS2020 - FS2021
Fichier Détails
Cartes-fiches | 93 |
---|---|
Langue | Deutsch |
Catégorie | Mathématiques |
Niveau | Université |
Crée / Actualisé | 05.01.2022 / 22.04.2025 |
Lien de web |
https://card2brain.ch/box/20220105_analysis_i_ii
|
Intégrer |
<iframe src="https://card2brain.ch/box/20220105_analysis_i_ii/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Riemann - Integrierbarkeit
Wenn das ober und unterintegral einer funktion gleich sind, ist die Funktion Riemann-Integrierbar.
\(\displaystyle \int_a^b f(x) dx := \overline{\int_a^b} f(x) dx \quad\left(= \underline{\int_a^b} f(x) dx\right)\)
Die Menge an integrierbaren Funktionen auf \([a,b]\) ist bezeichnet als
\(\mathcal{R}[a,b] := \left\{f: [a,b] \to \mathbb{R}: f \text{ ist integrierbar}\right\}\)
Darboux Kriterium (Integrierbarkeit)
Eine beschränkte Funktion \(f: [a,b] \to \mathbb{R} \) ist integrierbar genau dann wenn gilt: Für jedes \(\varepsilon > 0\) existieren Treppenfunktionen \(\varphi, \psi \in \mathcal{T}[a,b] \text{ mit } \varphi \leq f \leq \psi\) und
\(\displaystyle \int_a^b \psi(x) dx - \int_a^b \varphi(x)dx \leq \varepsilon\)
Beweis
Wenn man für jede \(\varepsilon\) die Treppenfunktionen findet, dann müssen ober und unterintegral konvergieren, da diese über die Treppenfunktion definiert sind.
Beweise: Jede stetige Funktion ist Integrierbar
Beweis: Der fehler für Obersumme - Untersumme geht gegen null, da es keine sprünge in der Funktion gibt.
(Riemann-) Integrierbare Funktionentypen, nicht integrierbare Funktionen
Integrierbar
- Treppenfunktionen
- Stetige Funktionen
- Monotone Funktionen
Nicht integrierbare Funktion:
Dirichlet Funktion:
\(\displaystyle D: \mathbb{R} \to \mathbb{R}, \quad D(x) = \begin{cases} 0 & x \in \mathbb{Q}\\ 1 & x \not\in \mathbb{Q} \end{cases}\) ( das ober und unterintegral ist nicht gleich)
Mittelwertsatz der Integralrechnung
Sei \(\varphi \in \mathcal{R}[a,b]\) mit \(\varphi \geq 0\). Dann gibt es für jede stetige Funktion \(f: [a,b] \to \mathbb{R} \) eine stelle \(\xi \in [a,b] \) so dass
\(\displaystyle \int_a^b f(x) \varphi(x) dx = f(\xi) \int_a^b\varphi(x)dx.\)
Mittelwertsatz der Integralrechnung: Im spezialfall \(\varphi \equiv 1\) ergibt sich
\(\displaystyle \int_a^b f(x)dx = f(\xi)(b-a)\)
Beweis:
f hat ein infimum \(m\) und ein supremum \(M\) im intervall.
Daraus ergibt sich \(\int_a^b m \varphi(x) dx \leq \int_a^b f(x) \varphi(x) dx \leq \int_a^b M\varphi(x) dx\)
=> \(m\int_a^b \varphi(x) dx \leq \int_a^b f(x) \varphi(x) dx \leq M\int_a^b \varphi(x) dx\)
Wegen Zwischenwertsatz: f nimmt alle werte zwischen m und M an im intervall [a,b]
Hauptsatz der Differenzial- und Integralrechnung
Kurz ausgedrückt: Die Integration ist die Umkehroperation zur Differentiation einer Funktion.
Sei \(f: I \to \mathbb{R}\) stetig und \(F\) eine Stammfuntkion von \(f\) . Dann gitl für alle \(a,b \in I\):
\(\displaystyle \int_a^b f(x) dx = F(b) - F(a)\)
Beweis:
Die Stammfunktion \(F_0(x)\) bezeichnet die Fläche unter der Funktion \(f(x) = F'(x)\) von 0 bis \(x\). Es folgt dass \(\displaystyle F(b) - F(a) = \int_a^bf(x)dx\) die Fläche unter \(f\) von \(a\) nach \(b\) bezeichnet.
Punktweise Konvergenz (Funktionenfolgen)
Eine Folge von Funktionen \(f_n: D \to \mathbb{R} \) mit \(n \in N\) heisst punktweise konvergent auf \(D \) gegen \(f: D \to \mathbb{R}\) falls gilt: Für jedes \( x \in D\) und jedes \(\varepsilon > 0\) existiert \(N = N(x,\varepsilon) \in \mathbb{N}\) , so dass:
\(|f_n(x) - f(x)| < \varepsilon\) für alle \(n \geq N\)
In anderen worten gilt
\(\displaystyle \lim_{n \to \infty} f_n(x) = f(x)\) für jedes \(x \in D\)
Veranschaulichung:
Wenn man jeden punkt einzeln anschaut dann konvergiert dierser punkt gegen einen wert.
Gleichmässige Konvergenz
Eine Funktionenfolge \(f_n: D \to \mathbb{R} \) heisst gleichmässig konvergent auf \(D\) gegen \(f: D \to \mathbb{R}\) , falls für jedes \(\varepsilon > 0\) ein \(N = N(\varepsilon) \in \mathbb{N}\) existiert, so dass:
\(|f_n(x) - f(x)| < \varepsilon\) für alle \(n \geq N\) und \(x \in D\).
Bemerkungen:
- N hängt nur von \(\varepsilon\) ab, nicht aber von \(x\)
- Es gilt \(f_n \to f\) gleichmässig \(\quad \Longrightarrow \quad\)\(f_n \to f\) punktweise
Veranschaulichung:
Es existiert ein "Epsilon-Schlauch" um f. Es existiert ein N für welches alle n>N f_n in diesem Epsilon schlauch liegen.
Stetigkeit der Grenzfunktion wenn eine Reihe stetiger funktionen konvergiert
Stetig
Taylorsche Formel
Sei \(f: I \to \mathbb{R}\) eine (n+1) mal stetig differenzierbare Funktion und \(a \in I\). Dann gilt für alle \(x \in I:\)
\(\displaystyle f(x) = f(a) + \frac{f'(a)}{1!}(x-a) + \frac{f''(a)}{2!}(x-a)^2+...+\frac{f^{(n)}(a)}{n!} (x-a) ^{n} + R_{n+1}(x)\)
Diese Formel approximiert eine Funktion um den Entwicklungspunkt \(a\).
Wenn \(|x-a|\) genügend klein, der rest geht schneller als linear gegen null.
Andere Darstellung:
\(\displaystyle f(x) = \sum_{k=0}^n\frac{f^{(k)}(a)}{k!}(x-a)^k + \varphi(x) (x-a)^n\)
wobei \(\displaystyle \lim_{x\to a} \varphi (x) = 0\)
Taylor-Reihen
Die Tailor-Reihe von f mit Entwicklungspunkt a:
\(\displaystyle T[f,a](x) := \sum_{k=0}^\infty \frac{f^{(k)}(a)}{k!}(x-a)^k\)
Die Partialsummen \(T_n[f,a]\) sind analog mit der summe von \(k=0\) bis \(n\).
Verwendung: Approximation einer komplexen funktion durch eine einfachere funktion.
Metrik
Eine Metrik ist eine Abbildung \(d: X \times X \to \mathbb{R}_{\geq 0}\) mit den folgenden Eingenschaften
- Definitheit: \(\quad d(x,y) = 0 \Leftrightarrow x=y\)
- Symmetrie\(\quad d(x,y) = d(y,x)\)
- Dreiecksungleichung\(\quad d(x,z) \leq d(x,y) + d(y, z)\)
Wie wird ein Metrischer Raum definiert?
Eine Menge \(X\) zusammen mit einer Metrik \(d\) heisst ein metrischer Raum \((X,d)\).
Metriken Beispiele
Euklidische Standartmetrik
\(\displaystyle d(x,y) = \sqrt{(x_1 - y_1)^2 + (x_2 - y_2)^2}\)
Manhattan Metrik
\(\displaystyle d(x,y) = |x_1 - y_1| + |x_2 - y_2|\)
Maximumsmetrik
\(d(x,y) = \max\{|x_1 - y_1|, |x_2 - y_2|\}\)
Triviale Metrik
\(\displaystyle d(x,y) = \begin{cases}0 & ,x=y\\ 1 &, x\neq y\end{cases}\)
Offener Ball
In einem metrische Raum \((X,d)\) ist ein offener Ball die Menge \(B_r(a) = \left\{ x \in X : d(a,x) < r \right\}\) aller Elemente von \(X\) welche einen Abstand (\(d(a,x)\)) von weniger als \(r\) haben.
Umgebung eines Punktes
In einem metrischen Raum \((X,d)\) heisst die Teilmenge \(U \subset X\) eine Umgebung eines Punktes \(x\) falls ein \(\varepsilon > 0\) existiert mit \(B_{\varepsilon}(x) \subset U\).
Es lässt sich ein offener Ball finden der vollständig in U liegt.
Hausdorffsche Trennungseigenschaft
Sei \((X,d)\) ein metrischer Raum.
Sei \(x,y \in X\) zwei punkte mit \(x \neq y\).
Es existieren umgebungen \(U\) von \(x\) und \(V\) von \(y\) die disjunkt sind: \(U \cap V = \emptyset\).
Beweis: Umgebung um x: ball mit radium \(d(x,y)/3\), offenbar überschneiden sich die bälle nicht.
Offene Menge
In einem metrischen raum (X,d) nennen wir eine Teilmenge \(U \subset X\) offen falls U umgebung für jeden ihrer Punkte ist.
Das hesiist für jeden punkt \(x \in U\) gibt es ein \(\varepsilon > 0\) so dass \(B_{\varepsilon}(x) \subset U\).
(X,d) ist ein metrischer Raum, es gilt:
- \(X\) und \(\emptyset\) sind offen
- \(U,V \subset X\) offen \(\quad \Rightarrow \quad U\cap V \) offen
- Alle mengen \(U_i\) offen ⇒ dann ist auch \(\displaystyle \bigcup_{i} U_i\) offen.
Bemerkungen:
- X ist offen (jedes \(\varepsilon\) führt zu einem offenen ball welcher in X ist.)
- \(\emptyset\) ist offen (enthält keine punkte, bedingung trifft also zu)
- Offene bälle sind offene mengen
- Offene Intervalle zb \((a,b)\) sind offene Teilmengen (mit der Standardmetrik)
Abgeschlossene Mengen
In einem metrischen Raum \((X,d)\) heisst eine Menge \(A\) abgeschlossen wenn ihr komplement \(A^c = X \setminus A\) offen ist.
Eigenschaften:
- \(X\) und \(\emptyset\) sind abgeschlossen
- \(A,B \subset X\) abgeschlossen \(\quad \Rightarrow A \cup B \) abgeschlossen
- \(A_i \) ist eine famile abgeschlossener Teilmengen in X, dann ist der Durchschnitt \(\displaystyle \bigcap_i A_i\) abgeschlossen
Weitere Eigenschaften zu offenen und abgeschlossenen Mengen
- Da offene Mengen offen sind, sind ihre Komplemente stets abgeschlossen.
- Sog. halboffene Intervalle \([a, b) \in \mathbb{R}\) sind weder offen noch abgeschlossen
Randpunkt
In einem metrischen Raum \((X,d)\) heisst ein punkt \(p \in X\) randpunkt von einer Menge \(Y \subset X\) wenn git:
in jeder umgebung von \(x\) git \(U \cap Y \neq \emptyset\).
Das heisst in jeder umgebung von x sind sowol punkte in als auch ausserhalb der Menge Y enthalten, egal wie klein wir die Umgebung machen.
Die menge aller Randpunkte von \(Y\) bezeichnen wir mit \(\partial Y\).
Eigenschaften:
- \(Y \setminus \partial Y\) ist offen
- \(Y \cup \partial Y\) ist abgeschlossen
- \(\partial Y\) ist abgeschlossen
Weiteres:
- \(\partial \emptyset = \emptyset\)
- \(\partial \mathbb{Z} = \mathbb{Z}\)
Topologische Räume
Sei \(X\) eine Menge, eine Menge \(\mathcal{T}\) von Teilmengen von \(X\) heisst eine Topologie auf X falls golgende Eigenschaften gelten:
- \(\emptyset, X \in \mathcal{T}\)
- \(U,V \in \mathcal{T} \quad \Rightarrow \quad U \cap V \in \mathcal{T}\)
- \(\displaystyle U_i \in \mathcal{T} \quad \Rightarrow \quad \bigcup_{i} U_i \in \mathcal{T}\)
Offene Überdeckung
\(A \subset X \) ist eine Teilmenge, eine offene Überdeckung von \(A\) ist eine Familie offener Mengen \(U_i, \quad i \in I\) so dass
\(\displaystyle A \subset \bigcup_{i \in I} U_i\)
Das heisst. A wird von der Vereinigung der Mengen \(U_i\) komplett überdeckt.
Kompaktheit
Eine Teilmenge \(A \subset X \) heisst kompakt falls jede offene Überdeckung von \(A\) eine endliche Teilüberdeckung besitzt.
Das heisst es existieren endlich viele Indicies \(i_1, i_2, ... , i_n \in I\) so dass
\(A \subset U_{i_1} \cup ... \cup U_{i_n}\).
- Das offene Interval \(I = (0,1)\) ist nicht kompakt:
- Offene überdeckung \(U_n = (\frac{1}{n},1)\) hat keine endliche Teilabdeckung
- Das abgeschlossene Intervall \(I = [a,b] \) ist kompakt
Eingenschaften:
- Endliche Teilmengen sind immer kompakt
- \(A \subset X \) kompakt ⇒ A beschränkt
- \(K \subset X\) kompakt
- \(\Rightarrow K\) abgeschlossen
- \(A\subset K \) abgeschlossen \(\Rightarrow A\) kompakt
- Jeder abgeschlossene Quader Kompakt
- (Heine Borel)
Heine Borel (kompaktheit, beschränktheit, abgeschlossenheit)
& Beweis
Im \(R^n\) gilt die Äquivalenz:
\(A \subset \mathbb{R}^n\) kompakt \(\quad \Longleftrightarrow \quad K \subset \mathbb{R}^n\) ist beschränkt und abgeschlossen
Beweis:
\(\Rightarrow\) gilt immer
\(\Leftarrow\):
\(K \subset \mathbb{R}^n\) beschränkt und abgeschlossen
Da K beschränkt, existiert ein ball der K überdeckt.
Es existiert also auch ein abgeschlossener Quader der den Ball überdeckt.
Abgeschlossene Teilmenge einer Kompakten menge ist auch Kompakt.
Beweis Kompakte Menge ist abgeschlossen
Für eine offene mengen würden wir nicht für jede überdeckung eine endliche Teilüberdeckung finden.
Beweis Kompakte Menge ist Beschränkt
Wenn sie nicht beschränkt wäre, gäbe es nicht für jede überdeckung eine endliche Teilüberdeckung.
Gradient
\(\displaystyle\text{grad} f(x) := \triangledown f(x) := \begin{pmatrix}\frac{\partial f}{\partial x_1}\\...\\\frac{\partial f}{\partial x_n}\end{pmatrix}\)
Es gilt \(\displaystyle \frac{\partial^2f}{\partial x_1 \partial x_2} = \frac{\partial^2f}{\partial x_2 \partial x_1} \) wenn f zweimal stetig partiell differenzierbar.
Laplace Operator \(\triangle\)
\(\displaystyle \triangle f(x) := \text{div grad}f(x) = \sum_{i=1}^{n} \frac{\partial^2f}{\partial x_i^2}(x)\)
Wenn \(\triangle f(x) = 0\) für alle x dann heisst \(f\) eine harmonische Funktion. Für n = 1 ist das gleichbedeutend mit \(f''(x) = 0\).
Totale Differenzierbarkeit (mehrdimensional)
Eine funktion \(f:U \to \mathbb{R}^m\) mit \(U \subset \mathbb{R}^n \) offen heisst an der Stelle x total differenzierbar falls eine lineare Abbildung
\(A:\mathbb{R}^n \to \mathbb{R}^m\) existiert so dass in einer umgebung von x gilt:
\(f(x+\xi) = f(x) + A\xi + \varphi(\xi)\)
Wobei \(\varphi(\xi)\) "schneller als linear" gegen null geht für \(\xi \to 0\).
A ist in diesem Fall die Jakobi matrix.
Konvergenz "schneller als linear" (Fehlerterm)
Oft wird ein Fehlerterm \(\varphi(\xi)\) verwendet der sehr schnell gegen 0 gehen soll für \(\xi \to 0\).
Dies kann formalisiert werden:
\(\displaystyle \lim_{\xi \to 0} \frac{\varphi(\xi)}{||\xi||} = 0\) Wobei \(||\xi|| = \sqrt{\xi_1^2 + ... \xi_n^2}\) die euklidische standart norm ist.
Erklärung:
Der limes geht gegen null. In einem Bruch ist das nur der fall wenn der zähler schneller kleiner wird als der nenner.
Der nenner geht linear gegen null ⇒ Der zähler geht "schneller als linear" gegen null.
Jakobi Matrix
\(\displaystyle(D f) (x) := J_f(x) := \frac{\partial(f1,..., f_m)}{\partial (x_1,...,x_n)}\)
Eine matrix, wobei jede zeile \(i\) der transponierte Gradient von \(f_i\) ist:
\(J_f := \begin{pmatrix}\frac{\partial f_1}{\partial x_1} & ... & \frac{\partial f_1}{\partial x_n}\\\vdots&&\vdots\\\frac{\partial f_m}{\partial x_1}&...&\frac{\partial f_m}{\partial x_n}\end{pmatrix}\)
Tailor Formel in \(\mathbb{R}^n\)
Qualitative Taylorsche Formel
\(\displaystyle f(x+\xi) = \sum_{|\alpha|\leq k} \frac{D^\alpha f(x)}{\alpha!}\xi^{\alpha}+o(||\xi||^k)\)
Quantitative Taylorsche Formel
\(\displaystyle f(x+\xi) = \sum_{|\alpha|\leq k} \frac{D^\alpha f(x)}{\alpha!}\xi^{\alpha}+\sum_{|\alpha|=k+1} \frac{D^\alpha f(x+\theta\xi)}{\alpha!}\xi^\alpha\)
Lokale Extrema in \(\mathbb{R}^n\)
Notwendige Bedingung:
\(\triangledown f(x) = 0\) : gradient ist 0, analog zu f'(x) = 0.
Hinreichendes Kriterium:
Notwendige bedingung ist erfüllt und Hesse matrix
- Positiv Definit => striktes lokales minimum
- negativ definit => striktes lokales maximum
- indefinit => kein lokales extremum
Hurwitz Kriterium
Sei \(A \in \mathbb{R}^{n\times n}\) eine symmetrische reelle \(n \times n\) matrix (d.h. \(A = A^T\)) in der Form
\(A = \begin{pmatrix}a_{11}& ...& a_{1n}\\ \vdots&&\vdots\\a_{n1}&...& a_{nn} \end{pmatrix}\)
Dann ist A positiv definit genau dann wenn
\(det \begin{pmatrix}a_{11}& ...& a_{1k}\\ \vdots&&\vdots\\a_{k1}&...& a_{kk} \end{pmatrix} > 0\) für alle \(k = 1, ..., n\)
Achtung: iterativ für alle k= 1,... prüfen!
Hesse Matrix
\(H = \begin{pmatrix}\frac{\partial^2f}{\partial x_1\partial x_1} & ... & \frac{\partial^2f}{\partial x_1\partial x_n}\\\vdots&&\vdots\\\frac{\partial^2f}{\partial x_n\partial x_1}&...&\frac{\partial^2f}{\partial x_n\partial x_n}\end{pmatrix}\)
Banachraum
Ein normierter Vektorraum \((V, ||.||)\) heisst Banachraum falls:
\(V\) ist vollständig (jede Cauchy-Folge in V konvergiert).
- zB \(\mathbb{R}\) mit der euklidischen standardnorm
Banachscher Fixpunktsatz
Sei \(A \subset V\) eine abgeschlossene, nicht-leere Teilmenge eines Banachraums \((V, ||.||)\). Die Abbildung \(\Phi : A \to A\) sei eine Kontraktion, d.h. es gibt eine Konstante \(0<\theta < 1\), so dass
\(|| \Phi (x) - \Phi(y)|| \leq \theta || x-y||\) für alle \(x,y \in A\).
Dann hat \(\Phi\) genau einen Fixpunkt. D.h. es existiert genau ein \(x_* \in A\) mit \(\Phi(x_*) = x_*\).
Ferner gilt für jeden Startwert \(x_0 \in A\) dass die Folge \(x_{k+1} := \Phi(x_k)\) gegen \(x_*\) konvergiert.
Beweis:
Eindeutigkeit: Nehme an \(x_1, x_2\) sind fixpunkte \(\Phi(x_1) = x_1, \Phi(x_2) = x_2\)=> \(||x_1 - x_2|| \leq \theta ||x_1 - x_2||\)
Daraus folgt \(|| x_1 - x_2 || = 0 \Rightarrow x_1 = x_2\)
Existenz:
\(|| x_{n+1} - x_n|| \leq \theta || x_n - x_{n-1}|| \leq ... \leq \theta^n||x_1 - x_0||\)
konvergiert gegen einen punkt für n -> unendlich
Anwendung Banachscher Fixpunktsatz
Wird gebraucht um fixpunkte zu finden. zB bei impliziten Funktionen.