Tonelli light. Eksistensbeviset for µ ν gav målet. for G E K ved succesiv integration. Alternativ definition:
|
|
- Ulrik Lassen
- 7 år siden
- Visninger:
Transkript
1 Tonelli light Eksistensbeviset for µ ν gav målet ( ) λ(g) = G (x, y)dν(y) dµ(x) for G E K ved succesiv integration. Alternativ definition: ( ) λ(g) = G (x, y)dµ(x) dν(y). Som λ(a B) = µ(a)ν(b) gælder λ(a B) = µ(a)ν(b), og entydighed af produktmål giver det ikke-trivielle resultat om ombytning af integrationsrækkefølgen for σ-endelige mål: ( ) ( ) G (x, y)dµ(x) dν(y) = G (x, y)dν(y) dµ(x) Slide /5 Niels Richard Hansen MI forelæsninger. November,
2 Lebesguemålet af hyperplaner For lebesguemålet gælder m k = m k m. En hyperplan i R k er en mængde af formen H = {x R k x T v = c} for v R k ikke nul, og c R. Hvis v k m k (H) = H (y, t)dm(t) dm k (y) = } {{ } m(h y )= eftersom H y = {(c k i= v iy i )/v k }. Slide /5 Niels Richard Hansen MI forelæsninger. November,
3 Vægtede gennemsnit ν f = i,j= f ij µ i ν j ν ν µ µ µ f = (... ((((µ ν + µ ν ) + µ ν ) + µ ν ) + µ ν ) µ ν ) Slide /5 Niels Richard Hansen MI forelæsninger. November,
4 Vægtede gennemsnit ν f = i,j= f ij µ i ν j ν ν Addition er associativ µ µ µ f = µ ν + µ ν + µ ν + µ ν + µ ν µ ν Slide /5 Niels Richard Hansen MI forelæsninger. November,
5 Vægtede gennemsnit ν f = i,j= f ij µ i ν j ν ν Addition er kommutativ µ µ µ f = µ ν + µ ν + µ ν + µ ν + µ ν + µ ν + µ ν + µ ν + µ ν Slide /5 Niels Richard Hansen MI forelæsninger. November,
6 Vægtede gennemsnit ν f = i,j= f ij µ i ν j ν ν Multiplikation er distributiv µ µ µ f = (µ ν + µ ν + µ ν ) + (µ ν + µ ν + µ ν + µ ν ) + (µ ν + µ ν ) Slide /5 Niels Richard Hansen MI forelæsninger. November,
7 Vægtede gennemsnit og lebesgueintegralet Formlen f dµ ν = f ij µ i ν j i,j= = (µ ν + µ ν + µ ν ) + (µ ν + µ ν + µ ν + µ ν ) + (µ ν + µ ν ) = µ ν({(, ), (, ), (, )}) + µ ν({(, ), (, ), (, ), (, )}) + µ ν({(, ), (, )}) er analog til den måde lebesgueintegralet indføres ved approksimation med endelige summer. Værdimængden for f deles op, originalmængderne (her f ({}), f ({}), f ({})) findes, og integralet approksimeres nedefra som et vægtet gennemsnit. Slide 4/5 Niels Richard Hansen MI forelæsninger. November,
8 Hvad regnereglerne for + og giver Konsekvenserne af den associative, kommutatitive og distributive lov er betydelige. Summer af en aritmetisk progression n (a + bk) = an + bn(n + ). k= Binomialformlen (x + y) n = n k= ( ) n x k y n k. k Horners metode til evaluering af et polynomium p(x) = a + x(a + x(a +... x(a n + a n x)...)). Slide 5/5 Niels Richard Hansen MI forelæsninger. November,
9 Vægtede gennemsnit igen ν f = i,j= f ij µ i ν j ν ν µ µ µ f = µ ν + µ ν + µ ν + µ ν + µ ν + µ ν + µ ν + µ ν + µ ν Slide 6/5 Niels Richard Hansen MI forelæsninger. November,
10 Vægtede gennemsnit igen ν f = i,j= f ij µ i ν j ν ν Multiplikation er distributiv µ µ µ f = (µ + µ + µ )ν + (µ + µ + µ )ν + (µ + µ + µ )ν Slide 6/5 Niels Richard Hansen MI forelæsninger. November,
11 Vægtede gennemsnit igen ν f = i,j= f ij µ i ν j ν ν µ µ µ f = µ ν + µ ν + µ ν + µ ν + µ ν + µ ν + µ ν + µ ν + µ ν Slide 6/5 Niels Richard Hansen MI forelæsninger. November,
12 Vægtede gennemsnit igen ν f = i,j= f ij µ i ν j ν ν Multiplikation er distributiv µ µ µ f = (ν + ν + ν )µ + (ν + ν + ν )µ + (ν + ν + ν )µ Slide 6/5 Niels Richard Hansen MI forelæsninger. November,
13 Fubinis sætning for endelige summer Formlen (µ + µ + µ )ν +(µ + µ + µ )ν +(µ + µ + µ )ν = f = (ν + ν + ν )µ + (ν + ν + ν )µ + (ν + ν + ν )µ er Fubinis sætning for endelige summer. Dens generelle formulering er ( n n ) n n f = f ij µ i ν j = f ij ν j µ i. j= i= i= j= Slide 7/5 Niels Richard Hansen MI forelæsninger. November,
14 Produktmål på endelige mængder ν G {,..., n} {,..., n} ν Specielt gælder ν µ µ µ n µ ν(g) = G (i, j)µ i ν j = i,j= n ν(g i )µ i i= for snitmængder G i = {j (i, j) G}. Slide 8/5 Niels Richard Hansen MI forelæsninger. November,
15 Produktmål på endelige mængder ν G {,..., n} {,..., n} ν Specielt gælder ν µ µ µ n µ ν(g) = G (i, j)µ i ν j = i,j= n ν(g i )µ i = i= n µ(g j )ν j j= for snitmængder G i = {j (i, j) G} hhv. G j = {i (i, j) G}. Slide 8/5 Niels Richard Hansen MI forelæsninger. November,
16 Forurening Riemanns tilgang y x Slide 9/5 Niels Richard Hansen MI forelæsninger. November,
17 Forurening Riemanns tilgang Hvis g : G [, ) betegner den lokale PAH koncentration henover byggegrunden G R, så er riemannapproksimation af den totale forurening Rie n (g) := i g(z i ) G (z i )areal(b i ) hvor B i erne er disjunkte kasser med sidelængder n, G i B i, og z i = (x i, y i ) B i. Dvs. areal(b i ) = n n = n. Slide /5 Niels Richard Hansen MI forelæsninger. November,
18 Forurening Riemanns tilgang y x Slide /5 Niels Richard Hansen MI forelæsninger. November,
19 Forurening Riemanns tilgang Per konstruktion Rie n (f ) = ( m m ) G x k (y l )g(x k, y l ) n k= l= ( m ) b(xk ) g(x k, y) dy k= d c a(x k ) ( ) b(x) g(x, y) dy dx a(x) n n for n stor. Her er G x = {y R (x, y) G} = (a(x), b(x)) Slide /5 Niels Richard Hansen MI forelæsninger. November,
20 Det multivariate riemannintegral Det er muligt at indføre det multivariate riemannintegral af kontinuerte funktioner g over pæne mængder G (specielt kasser), således at lim Rie n(g) = g(x, y) dxdy n G ( d ) b(x) = g(x, y) dy dx = c b a a(x) ( ) d(y) g(x, y) dx dy c(y) Riemannintegralet kræver ikke målteoriens abstraktion, på bekostning af et betydeligt bøvl med geometriske betingelser på G. Slide /5 Niels Richard Hansen MI forelæsninger. November,
21 Forurening Lebesgues tilgang En lebesgueapproksimation til den totale forurening er Leb n (g) := n s i m (B i ) i= with B i = g ([s i, s i+ )) G and s < s <... < s n+. For G B, og g er B B-målelig Leb n (g) g dm =?? for n. Det er ikke oplagt, hvordan vi rent faktisk skal beregne lebesgueintegralet. G Slide 4/5 Niels Richard Hansen MI forelæsninger. November,
22 Forurening Lebesgues tilgang y x Mængderne B i = g ([s i, s i+ )) Leb 5 (g) = s m (B )+s m (B )+s m (B )+s 4 m (B 4 )+s 5 m (B 5 ) Slide 5/5 Niels Richard Hansen MI forelæsninger. November,
23 Tonellis sætning Sætning (EH 9.4, 9.5) Hvis (X, E, µ) og (Y, K, ν) er to σ-endelige målrum, og f M + (X Y, E K) så gælder ( ) ( ) f dµ ν = f (x, y)dν(y) dµ(x) = f (x, y)dµ(x) dν(y). Hvis f M + (X, E) og g M + (Y, K), så gælder ( ) ( ) fgdµ ν = f dµ gdν. I ord: Integralet af et produkt mht. et produktmål er produktet af integralerne. Slide 6/5 Niels Richard Hansen MI forelæsninger. November,
24 Example 9.9 y x x dx = z y dz Tonelli (og Cor. 6. igen) medfører x = = n= n= y x dydx = (zy) n dz y n n + n= en ikke-triviel men klassisk substitution ombytning af summation og integration ved Cor. 6. Slide 7/5 Niels Richard Hansen MI forelæsninger. November, (n + )
25 Eksempel 9.9 eftersom Det giver (n + ) = n= = y x dy = arcsin( x) x d dw arcsin(w) =. w arcsin( x) x x dx w arcsin(w)dw (subst. w = x) = (arcsin(w)) = π 8 Slide 8/5 Niels Richard Hansen MI forelæsninger. November, = ( π )
26 Eksempel 9.9 Identiteten y x x dxdy = følger af Tonelli. Den medfører n= (n + ) = π 8. y x x dydx Slide 9/5 Niels Richard Hansen MI forelæsninger. November,
27 Forurening reduktion fra d to d Den teoretiske (gennemsnitlige) koncentration er c = f (x, y, z) dm (x, y, z) m (G [, ]) G [,] hvor f : G [, ] [, ). Da m = m m er m (G [, ]) = m (G)m([, ]) = m (G). Ved Tonelli er f (x, y, z) dm (x, y, z) = f (x, y, z) dm(z) dm (x, y). G [,] G [,] } {{ } g(x,y) Dvs. c = g(x, y) dm (x, y). m (G) G Slide /5 Niels Richard Hansen MI forelæsninger. November,
28 Målelighed Lad (X, E) og (Y, K) være målbare rum. Sætning (EH 8.7, 8.8) Hvis ν er et σ-endeligt mål på (X, E) og ϕ(x) = f (x, y) dν(y) så gælder at ϕ er veldefineret, tager værdier in [, ] og er målelig, hvis f tager værdier i [, ] og er målelig. ϕ er veldefineret, tager værdier i R, og er målelig, hvis f tager værdier i R, er målelig, og har ν-integrable snit y f (x, y) for alle x. Slide /5 Niels Richard Hansen MI forelæsninger. November,
29 Bevis for sætning 8.7 Vi beviste sidst målelighed af ϕ(x) = G (x, y) dν(y) for G E K. Dvs. for en simpel funktion s = n i= c i Gi er funktionen n ϕ(y) = s(x, y) dµ(x) = c i Gi (x, y) dµ(x) målelig. Ved approksimation af f M + (X Y, E K) nedefra med en voksende følge af simple funktioner, s n f, følger af monoton konvergens at ϕ(x) = f (x, y) dν(y) = lim s n (x, y) dν(y) n er målelig. Slide /5 Niels Richard Hansen MI forelæsninger. November, i=
30 Bevis for Tonellis sætning Som på foregående slide f (x, y) dν(y) = ϕ(x) = lim n n i= Gi (x, y) dν(y) og ved monoton konvergens og linearitet n ( ) ϕ(x)dµ(x) = lim Gi (x, y) dν(y) dµ(x) n = lim n i= n µ ν(g i ) i= n = lim Gi dµ ν n i= = f dµ ν. Slide /5 Niels Richard Hansen MI forelæsninger. November,
31 Fubinis Sætning Sætning (EH 9.) Hvis (X, E, µ) og (Y, K, ν) er to σ-endelige målrum, og hvis f M(X Y, E K) er integrabel mht. µ ν så gælder ( ) ( ) f dµ ν = f (x, y)dν(y) dµ(x) = f (x, y)dµ(x) dν(y) A B hvor A E med µ(a c ) = og B K med ν(b c ) =. Mængderne A og B kan vælges som A = {x X f (x, y) dν(y) < } og B = {y Y f (x, y) dµ(x) < }. Slide 4/5 Niels Richard Hansen MI forelæsninger. November,
32 Bevis for sætning 8.8 og Fubini Ved for f med ν-integrable snit er ϕ(x) = f (x, y) dν(y) = f (x, y) = f + (x, y) f (x, y) f + (x, y) dν(y) f (x, y) dµ(y) for alle x. Højresiden er en differens af to reelle, og ved sætning 8.7, målelige funktioner. Dvs. ϕ(x) R og ϕ er målelig. Integrabilitet af f mht. µ ν og Tonelli giver µ(a c ) = ν(b c ) =, og igen ved Tonelli ϕ(x) dµ(x) = f + dµ ν f dµ ν = f dµ ν. A Slide 5/5 Niels Richard Hansen MI forelæsninger. November,
Borel-σ-algebraen. Definition (EH 1.23)
Borel-σ-algebraen Definition (EH 1.23) Borel-σ-algebraen B k på R k er σ-algebraen frembragt af de åbne mængder O k. Andre frembringersystemer for B k : De afsluttede mængder. De åbne kasser I k (k = 1,
Læs mereHistogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige
Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige længde: z = 1 n hvor z i = xi 2 + yi 2. n z i = 1 n i=1 n i=1 x 2 i + y 2 i Indfør tabellen samt vægtene Da er a k = #{i
Læs merestandard normalfordelingen på R 2.
Standard normalfordelingen på R 2 Lad f (x, y) = 1 x 2 +y 2 2π e 2. Vi har så f (x, y) = 1 2π e x2 2 1 2π e y2 2, og ved Tonelli f dm 2 = 1. Ved µ(a) = A f dm 2 defineres et sandsynlighedsmål på R 2 målet
Læs mereIntegration m.h.t. mål med tæthed
Integration m.h.t. mål med tæthed Sætning (EH 11.7) Lad ν = f µ på (X, E). For alle g M + (X, E) gælder at gdν = g f dµ. Bevis: Standardbeviset: 1) indikatorfunktioner 2) simple funktioner 3) M + -funktioner.
Læs mereHistogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige. Histogrammetoden. Histogrammetoden.
For ( i, y i ) R 2, i =,, n, ser vi på den gennemsnitlige længde: z = n hvor z i = i 2 + yi 2 Indfør tabellen samt vægtene Da er z i = n 2 i + y 2 i a k = #{i 00z i = k}, k N 0 z ned := ν k = a k n 00kν
Læs mereEksamensnoter til Analyse 1
ksamensnoter til Analyse 1 Martin Geisler gimpster@daimi.au.dk Sommer 23 Indledning Disse noter gennemgår de 26 spørgsmål stillet til den mundtlige eksamen i Analyse 1 ved Aarhus Universitet sommeren 23.
Læs mereIntegration m.h.t. mål med tæthed
Integration m.h.t. mål med tæthed Sætning (EH 11.7) Lad ν = f µ på (X, E). For alle g M + (X, E) gælder at gdν = g f dµ. Bevis: Standardbeviset: 1) indikatorfunktioner 2) simple funktioner 3) M + -funktioner.
Læs mereEksamen 2014/2015 Mål- og integralteori
Eksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål Ved bedømmelsen indgår de spørgsmål med samme vægt
Læs mereReeksamen 2014/2015 Mål- og integralteori
Reeksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål. Ved bedømmelsen indgår de spørgsmål med samme vægt.
Læs mereNøgleord og begreber Analysens hovedsætning Stamfunktioner Itereret integral Test itereret integral Fubinis sætning Test Fubini Eksempler Test produkt
Oversigt [S] 5., 5.3, 5.4,.,. Nøgleord og begreber Analysens hovedsætning Stamfunktioner Itereret integral Test itereret integral Fubinis sætning Test Fubini Eksempler Test produkt Calculus - 6 Uge 39.
Læs mereSandsynlighedsteori. Sandsynlighedsteori. Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et. Et Bayesiansk argument
Sandsynlighedsteori Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (, E, ν). Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål,
Læs mereMomenter som deskriptive størrelser. Hvad vi mangler fra onsdag. Momenter for sandsynlighedsmål
Hvad vi mangler fra onsdag Momenter som deskriptive størrelser Sandsynlighedsmål er komplicerede objekter de tildeler numeriske værdier til alle hændelser i en σ-algebra. Vi har behov for simplere, deskriptive
Læs mereHvad vi mangler fra onsdag. Vi starter med at gennemgå slides fra onsdag.
Hvad vi mangler fra onsdag Vi starter med at gennemgå slides 34-38 fra onsdag. Slide 1/17 Niels Richard Hansen MI forelæsninger 6. December, 2013 Momenter som deskriptive størrelser Sandsynlighedsmål er
Læs mereMasterprojekt udarbejdet af Søren Naundrup Vejleder Steen Andersson
ELEMENTÆR MÅLTEORI SØREN NAUNDRUP Masterprojekt udarbejdet af Vejleder Steen Andersson Dato 19. december 2014. Indholdsfortegnelse 1. Indledning 3 2. σ-algebraer og deres egenskaber 3 2.1. Om σ-algebraer.
Læs mereEt eksperiment beskrives af et udfaldsrum udstyret med et. alle mulige resultater af eksperimentet
Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (X, E, ν). Udfaldsrummet X indeholder alle mulige resultater af eksperimentet men ofte også yderligere elementer
Læs mereFortolkning. Foldning af sandsynlighedsmål. Foldning af tætheder. Foldning af Γ-fordelinger Eksempel: Hvis X og Y er uafhængige og. Sætning (EH 20.
Foldning af sandsnlighedsmål Lad µ og ν være to sandsnlighedsmål på (R, B). Fortolkning Lad φ : R R være φ(, ) = + for (, ) R. Lad X og Y være to reelle stokastiske variable defineret på (Ω, F, P). Definition
Læs mereAnalyse 2. Bevis af Fatous lemma (Theorem 9.11) Supplerende opgave 1. Øvelser
Analyse 2 Øvelser Rasmus Sylvester Bryder 24. og 27. september 203 Bevis af Fatous lemma (Theorem 9.) Hvis (u j ) j er en følge af positive, målelige, numeriske funktioner (dvs. med værdier i [, ]) over
Læs mereSupplerende opgaver. S1.3.1 Lad A, B og C være delmængder af X. Vis at
Supplerende opgaver Analyse Jørgen Vesterstrøm Forår 2004 S.3. Lad A, B og C være delmængder af X. Vis at (A B C) (A B C) (A B) C og find en nødvendig og tilstrækkelig betingelse for at der gælder lighedstegn
Læs mere[BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001.
INTEGRATIONS- OG FOURIERTEORI 2. februar 2009 Oversigt nr. 1 Lærebogen for kurset er [BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den skulle være
Læs mereIntegration og desintegration af mål
Kapitel 20 Integration og desintegration af mål Lad som i kapitel 8 (X,E) og (Y,K) være to målbare rum. Vi vil i dette kapitel gå i detaljer med forholdet mellem mål på (X Y, E K) og mål på de to faktorrum
Læs mereNøgleord og begreber Analysens hovedsætning Stamfunktioner Itereret integral Test itereret integral Fubinis sætning Test Fubini Eksempler Test produkt
Oversigt [S] 5.2, 5.3, 5.4, 2., 2.2 Nøgleord og begreber Analysens hovedsætning Stamfunktioner Itereret integral Test itereret integral Fubinis sætning Test Fubini Eksempler Test produkt Calculus - 26
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder
Læs mereMATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 3. fjerdedel
MATEMATIK Eksamensopgaver Juni 995 Juni 200, 3. fjerdedel August 998 Opgave. Lad f : R \ {0} R betegne funktionen givet ved f(x) = ex x for x 0. (a) Find eventuelle lokale maksimums- og minimumspunkter
Læs mereOversigt nr. 1. n+2. n(n + 2) n=1. konvergerer ikke uniformt på [0, 1], så teknikkerne fra
INTEGRATIONSTEORI 1. februar 2019 Oversigt nr. 1 Lærebog. I dette kursus følger vi i store træk mine noter, som I kan finde på moodle-siden. Det vil løbende blive opdateret, så nøjes venligst med at printe
Læs mere[BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001.
INTEGRATIONS- OG FOURIERTEORI 31. januar 2012 Oversigt nr. 1 Lærebogen for kurset er [BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den skulle være
Læs mereHilbert rum. Chapter 3. 3.1 Indre produkt rum
Chapter 3 Hilbert rum 3.1 Indre produkt rum I det følgende skal vi gøre brug af komplekse såvel som reelle vektorrum. Idet L betegner enten R eller C minder vi om, at et vektorrum over L er en mængde E
Læs mereBetingning med en uafhængig variabel
Betingning med en uafhængig variabel Sætning Hvis X er en reel stokastisk variabel med første moment og Y er en stokastisk variabel uafhængig af X, så er E(X Y ) = EX. Bevis: Observer at D σ(y ) har formen
Læs mereKonvergens i L 1 -forstand. Definition af L 1 -seminorm. Topologi i pseudometrisk rum. Seminorm til norm
Definition af L 1 -seminorm Konvergens i L 1 -forstand Lad (X, E, µ) være et målrum. Husk at L(µ) er et reelt vektorrum. Vi definerer f 1 = f dµ for f L Definition En følge af funktioner f 1, f 2, L siges
Læs mereProgram. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål
Program Statistik og Sandsynlighedsregning Sandsynlighedstætheder og kontinuerte fordelinger på R Varians og middelværdi Normalfordelingen Susanne Ditlevsen Uge 48, tirsdag Tætheder og fordelingsfunktioner
Læs mereMatematik 3 MI. Mål og integralteori. Christian Berg. Tage Gutmann Madsen
Matematik 3 MI Mål og integralteori Christian Berg og Tage Gutmann Madsen FORORD Nærværende notesæt er forfattet af Christian Berg, og har tidligere været anvendt til kurset 2MA, hvor det indgik som kapitel
Læs mereNote om endelige legemer
Note om endelige legemer Leif K. Jørgensen 1 Legemer af primtalsorden Vi har i Lauritzen afsnit 2.1.1 set følgende: Proposition 1 Lad n være et positivt helt tal. Vi kan da definere en komposition + på
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Uafhængighed og reelle transformationer Helle Sørensen Uge 8, mandag SaSt2 (Uge 8, mandag) Uafh. og relle transf. 1 / 16 Program I dag: Uafhængighed af kontinuerte
Læs mereIndledning. 1 Martingalerepræsentationssætningen
Indledning I disse noter vil uddybe nogle af Øksendals resultater i afsnittene 4 og 7 samt give andre beviser for dem. Disse resultater er gennemgået til forelæsningerne. 1 Martingalerepræsentationssætningen
Læs mereMATEMATIK 6 INTEGRATIONSTEORI 3. marts 2015 Oversigt nr. 1
INTEGRATIONSTEORI 3. marts 2015 Oversigt nr. 1 Lærebogen for kurset er [BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den kan nok købes på KU, men kan
Læs meret a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25
Slide 1/25 Indhold 1 2 3 4 5 6 7 8 Slide 2/25 Om undervisningen Hvorfor er vi her? Hvad kommer der til at ske? 1) Teoretisk gennemgang ved tavlen. 2) Instruktion i eksempler. 3) Opgaveregning. 4) Opsamling.
Læs meren+2 n(n + 2) n=1 konvergerer ikke uniformt på [0, 1], så teknikkerne fra
INTEGRATIONSTEORI 1. februar 2018 Oversigt nr. 1 Lærebog. I dette kursus følger vi i store træk [BM] Mål- og integralteori; Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den kan
Læs mereMATEMATIK 6 INTEGRATIONSTEORI 28. januar 2016 Oversigt nr. 1
INTEGRATIONSTEORI 28. januar 2016 Oversigt nr. 1 Lærebogen for kurset er [BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den kan tilgås via nettet: http://www.math.ku.dk/uddannelser/noter/
Læs mereEksamen i Mat F, april 2006
Eksamen i Mat F, april 26 Opgave Lad F være et vektorfelt, givet i retvinklede koordinater som: Udregn F og F: F x F = F x i + F y j + F z k = F y = z 2 F z xz y 2 F = F x + F y + F z = + + x. F = F z
Læs mereBachelor projekt: Invariant integration
Bachelor projekt: Invariant integration Jens erlach Christensen Dan Rasmussen 19. maj 1997 1 Indledning Dette bachelorprojekt er skrevet i forårssemestret 1997 ved Københavns Universitet Matematisk Institut.
Læs mereDesignMat Komplekse tal
DesignMat Komplekse tal Preben Alsholm Uge 7 Forår 010 1 Talmængder 1.1 Talmængder Talmængder N er mængden af naturlige tal, 1,, 3, 4, 5,... Z er mængden af hele tal... 5, 4, 3,, 1, 0, 1,, 3, 4, 5,....
Læs mereEpistel E2 Partiel differentiation
Epistel E2 Partiel differentiation Benny Lautrup 19 februar 24 Funktioner af flere variable kan differentieres efter hver enkelt, med de øvrige variable fasthol Definitionen er f(x, y) x f(x, y) f(x +
Læs meret a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 7. november 2015 Slide 1/25
Slide 1/25 Indhold 1 2 3 4 5 6 7 8 Slide 2/25 Om undervisningen Hvorfor er vi her? Slide 3/25 Om undervisningen Hvorfor er vi her? Hvad kommer der til at ske? 1) Teoretisk gennemgang ved tavlen. 2) Instruktion
Læs mereDesignMat Uge 1 Repetition af forårets stof
DesignMat Uge 1 Repetition af forårets stof Preben Alsholm Efterår 008 01 Lineært ligningssystem Lineært ligningssystem Et lineært ligningssystem: a 11 x 1 + a 1 x + + a 1n x n = b 1 a 1 x 1 + a x + +
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA], 2, 3, [S] 9.-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis
Læs mereAnalyse 2. Gennemgå bevis for Sætning Supplerende opgave 1. Øvelser. Sætning 1. For alle mængder X gælder #X < #P(X).
Analyse 2 Øvelser Rasmus Sylvester Bryder 3. og 6. september 2013 Gennemgå bevis for Sætning 2.10 Sætning 1. For alle mængder X gælder #X < #P(X). Bevis. Der findes en injektion X P(X), fx givet ved x
Læs mereKursusgang 3 Matrixalgebra Repetition
Kursusgang 3 Repetition - froberg@mathaaudk http://peoplemathaaudk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 12 september 2008 1/12 Lineære ligningssystemer Et lineært ligningssystem
Læs meren=1 er veldefineret for alle følger for hvilke højresiden er endelig. F.eks. tilhører følgen
2 Hilbert rum 2. Eksempler på Hilbert rum Vi skal nu først forsøge at begrunde, at de indre produkt rum af funktioner eller følger, som blev indført i Kapitel, ikke er omfattende nok til vores formål.
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Normalfordelingen og transformation af kontinuerte fordelinger Helle Sørensen Uge 7, mandag SaSt2 (Uge 7, mandag) Normalford. og transformation 1 / 16 Program Paretofordelingen,
Læs mereFunktionsrum. Kapitel 1. 1.1 Funktionsrummet L = L(X, E, µ)
Kapitel Funktionsrum. Funktionsrummet L = L(X, E, µ) For et vilkårligt målrum (X,E,µ) er mængdenl=l(x,e,µ) afµ-integrable funktioner f :X R et reelt vektorrum ifølge Theorem 7.3 i [EH]. Hvis vi indfører
Læs mereGEOMETRI-TØ, UGE 6. . x 1 x 1. = x 1 x 2. x 2. k f
GEOMETRI-TØ, UGE 6 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imfaudk Opvarmningsopgave 1 Lad f : R 2 R være tre gange kontinuert differentierbar
Læs mereDesignMat Uge 8 Integration og elementære funktioner
DesignMat Uge 8 Integration og elementære funktioner Preben Alsholm Forår 008 Hyperbolske funktioner. sinh og cosh sinh og cosh Sinus hyperbolsk efineres sålees for alle x R sinh x = ex e x Cosinus hyperbolsk
Læs mereDeskriptiv teori i flere dimensioner
Kapitel 17 Deskriptiv teori i flere dimensioner I kapitel 13 og 14 udviklede vi en række deskriptive værktøjer til at beskrive sandsynlighedsmål på (R, B). Vi vil i dette kapitel forsøge at udvikle varianter
Læs mereNATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. MI 2007 Obligatorisk opgave 4
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. MI 2007 Obligatorisk opgave 4 Sættet består af 3 opgaver med ialt 15 delopgaver. Besvarelsen vil blive forkastet, medmindre der er gjort et
Læs mereDifferentialregning i R k
Differentialregning i R k Lad U R k være åben, og lad h : U R m være differentiabel. Den afledte i et punkt x U er Dh(x) = h 1 (x) x 1 h 2 (x) x 1. h m (x) x 1 h 1 (x) x 2... h 2 (x) x 2.... h m (x) x
Læs mereAntag at. 1) f : R k R m er differentiabel i x, 2) g : R m R p er differentiabel i y = f(x), . p.1/18
Differentialregning i R k Kæderegel Lad U R k være åben, og lad h : U R m være differentiabel Antag at Den afledte i et punkt x U er Dh(x) = 1) f : R k R m er differentiabel i x, 2) g : R m R p er differentiabel
Læs mereIntegration. Frank Villa. 8. oktober 2012
Integration Frank Villa 8. oktober 2012 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion 1
Læs mereDette materiale er ophavsretligt beskyttet og må ikke videregives
Grundlæggende mål- og integralteori Grundlæggende mål- og integralteori Steen Thorbjørnsen Aarhus Universitetsforlag Grundlæggende mål- og integralteori Steen Thorbjørnsen og Aarhus Universitetsforlag
Læs mereKalkulus 2 - Grænseovergange, Kontinuitet og Følger
Kalkulus - Grænseovergange, Kontinuitet og Følger Mads Friis 8. januar 05 Indhold Grundlæggende uligheder Grænseovergange 3 3 Kontinuitet 9 4 Følger 0 5 Perspektivering 4 Grundlæggende uligheder Sætning
Læs mereSandsynlighedsregning Oversigt over begreber og fordelinger
Tue Tjur Marts 2007 Sandsynlighedsregning Oversigt over begreber og fordelinger Stat. MØK 2. år Kapitel : Sandsynlighedsfordelinger og stokastiske variable En sandsynlighedsfunktion på en mængde E (udfaldsrummet)
Læs mereProgram. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål
Program Statistik og Sandsynlighedsregning 2 Middelværdi og varians Helle Sørensen Uge 6, onsdag I formiddag: Tætheder og fordelingsfunktioner kort resume fra i mandags og et par eksempler mere om sammenhængen
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Middelværdi og varians Helle Sørensen Uge 6, onsdag SaSt2 (Uge 6, onsdag) Middelværdi og varians 1 / 18 Program I formiddag: Tætheder og fordelingsfunktioner kort resume
Læs merehvor a og b er konstanter. Ved middelværdidannelse fås videre
Uge 3 Teoretisk Statistik. marts 004. Korrelation og uafhængighed, repetition. Eksempel fra sidste gang (uge ) 3. Middelværdivektor, kovarians- og korrelationsmatrix 4. Summer af stokastiske variable 5.Den
Læs mereANALYSE 1. Uge 7, 4. juni juni, 2007
ANALYSE 1 Uge 7, 4. juni - 10. juni, 2007 Forelæsninger Mandag 4. juni Formålet med denne dags forelæsninger er at etablere en overgang til emnet metriske rum, hvis hovedformål er at udvide begreber som
Læs mereMATEMATIK 6 INTEGRATIONSTEORI 1. februar 2017 Oversigt nr. 1
INTEGRATIONSTEORI 1. februar 2017 Oversigt nr. 1 Lærebog. I dette kursus følger vi [BM] Mål- og integralteori; Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001. Den kan tilgås via nettet:
Læs mere2. Fourierrækker i en variabel
.1. Fourierrækker i en variabel I Kapitel II 7 blev der indført, dels funktionsrummene L p (X, µ) (mere udførligt skrevet L p (X, E, µ)), dels rummene L p (X, µ), der fås af L p (X, µ) ved at funktioner
Læs mereMatematik 2 MA Matematisk Analyse
Matematik 2 MA Matematisk Analyse 1992 93 Kapitel II. Mål og integralteori FORORD Efterårsdelen af Matematik 2 MA består af Kapitel I: Metriske rum og Kapitel II: Mål og integralteori, der behandles i
Læs mereSandsynlighedsteori 1.1 Uge 44.
Institut for Matematiske Fag Aarhus Universitet Den 18. oktober 2004. Sandsynlighedsteori 1.1 Uge 44. Forelæsninger: Vi afslutter foreløbigt den rene mål- og integralteori med at gennemgå afsnittet Produktmål,
Læs mereDesignMat Uge 1 Gensyn med forårets stof
DesignMat Uge 1 Gensyn med forårets stof Preben Alsholm Efterår 2010 1 Hovedpunkter fra forårets pensum 11 Taylorpolynomium Taylorpolynomium Det n te Taylorpolynomium for f med udviklingspunkt x 0 : P
Læs mereLøsning af præmieopgaven: Famøs årgang 22, nr. 1
26 Opgaveløsninger Knæk og bræk Løsninger til sidste bloks opgaver Sune Precht Reeh Jeg antager som udgangspunkt at pinden i opgaverne er uden tykkelse og er formet som et ret linjestykke af længde l.
Læs mereMM502+4 forelæsningsslides
MM502+4 forelæsningsslides uge 9, 2009 Produceret af Hans J. Munkholm, delvis på baggrund af lignende materiale udarbejdet af Mikael ørdam 1 Egentlige og uegentlige dobbeltintegraler: efinition (Egentlige
Læs mereBesvarelses forslag til Tag-hjemeksamen Vinteren 02 03
IMFUFA Carsten Lunde Petersen Besvarelses forslag til Tag-hjemeksamen Vinteren 02 0 Hvor ikke andet er angivet er henvisninger til W.R.Wade An Introduction to analysis. Opgave a) Idet udtrykket e x2 cos
Læs mereVi indleder med at minde om at ( a) = a gælder i enhver gruppe.
0.1: Ringe 1. Definition: Ring En algebraisk struktur (R, +,, 0,, 1) kaldes en ring hvis (R, +,, 0) er en kommutativ gruppe og (R,, 1) er en monoide og hvis er såvel venstre som højredistributiv mht +.
Læs mereFlerdimensionale transformationer
Kapitel 18 Flerdimensionale transformationer Når man i praksis skal opstille en sandsynlighedsmodel for et eksperiment, vil man altid tage udgangspunkt i uafhængighed. Ofte kan man tænke på det udførte
Læs mereMATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 4. fjerdedel
Juni 2000 MATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 4. fjerdedel Opgave 1. (a) Find den fuldstændige løsning til differentialligningen y 8y + 16y = 0. (b) Find den fuldstændige løsning til differentialligningen
Læs mereMatricer og Matrixalgebra
enote 3 1 enote 3 Matricer og Matrixalgebra Denne enote introducerer matricer og regneoperationer for matricer og udvikler hertil hørende regneregler Noten kan læses uden andet grundlag end gymnasiet,
Læs mereIntegration. Frank Nasser. 15. april 2011
Integration Frank Nasser 15. april 2011 c 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk: Dette er en arkiveret
Læs mereDeskriptiv teori: den karakteristiske funktion
Kapitel 15 Deskriptiv teori: den karakteristiske funktion Når man forsøger at karakterisere et sandsynlighedsmål ν på R ved hjælp af dets momenter, fortæller man essentielt hvordan man skal integrere polynomier
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Et sandsynlighedsmål er en
Læs mereKarakteristiske funktioner og Den Centrale Grænseværdisætning
E6 efterår 1999 Notat 10 Jørgen Larsen 20. oktober 1999 Karakteristiske funktioner og Den Centrale Grænseværdisætning Karakteristiske funktioner som er nære slægtninge til Fourier-transformationen) er
Læs mereTransformation: tætheder pår k
Kapitel 19 Transformation: tætheder pår k I dette kapitel vil vi angribe følgende version af transformationsproblemet: Lad X 1,, X k være reelle stokastiske variable, defineret på (Ω,F, P), sådan at den
Læs mereWigner s semi-cirkel lov
Wigner s semi-cirkel lov 12. december 2009 Eulers Venner Steen Thorbjørnsen Institut for Matematiske Fag Århus Universitet Diagonalisering af selvadjungeret matrix Lad H være en n n matrix med komplekse
Læs mereKomplekse tal og algebraens fundamentalsætning.
Komplekse tal og algebraens fundamentalsætning. Michael Knudsen 10. oktober 2005 1 Ligningsløsning Lad N = {0,1,2,...} betegne mængden af de naturlige tal og betragt ligningen ax + b = 0, a,b N,a 0. Findes
Læs mereHeisenbergs usikkerhedsrelationer. Abstrakt. Hvorfor? Funktionsrum. Nils Byrial Andersen Institut for Matematik. Matematiklærerdag 2013
Heisenbergs usikkerhedsrelationer Nils Byrial Andersen Institut for Matematik Matematiklærerdag 013 1 / 17 Abstrakt Heisenbergs usikkerhedsrelationer udtrykker at man ikke på samme tid både kan bestemme
Læs mereLandmålingens fejlteori - Lektion 3. Estimation af σ Dobbeltmålinger Geometrisk nivellement Linearisering
Landmålingens fejlteori Lektion 3 Estimation af σ Dobbeltmålinger Geometrisk nivellement Linearisering - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/31 Repetition: Middelværdi og
Læs mereHilbert rum. Chapter Indre produkt rum
Chapter 4 Hilbert rum 4.1 Indre produkt rum I det følgende skal vi gøre brug af komplekse såvel som reelle vektorrum. Idet L betegner enten R eller C minder vi om, at et vektorrum over L er en mængde E
Læs mere= λ([ x, y)) + λ((y, x]) = ( y ( x)) + (x y) = 2(x y).
Analyse 2 Øvelser Rasmus Sylvester Bryder 17. og 20. september 2013 Supplerende opgave 1 Lad λ være Lebesgue-målet på R og lad A B(R). Definér en funktion f : [0, ) R ved f(x) = λ(a [ x, x]). Vis, at f(x)
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA] 1, 2, 3, [S] 9.1-3 Nøgleord og begreber Talpar, taltripler og n-tupler Linearkombination og span Test linearkombination Hvad er en matrix Matrix multiplikation Test matrix multiplikation
Læs mereDiskriminantformlen. Frank Nasser. 11. juli 2011
Diskriminantformlen Frank Nasser 11. juli 2011 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Læs mereSandsynlighedsregning 5. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 3.5 og 4.1 Poissonfordelingen
Læs mereBachelorprojekt. Fourieranalyse på lokalkompakte abelske grupper. Fourier analysis on locally compact abelian groups. SDU, 28.
Bachelorprojekt Fourieranalyse på lokalkompakte abelske grupper Fourier analysis on locally compact abelian groups SDU, 28. februar 2007 Asger Christiansen Projektformulering Bachelorprojektet skal indeholde
Læs mereDesignMat Uge 2. Preben Alsholm. Efterår Lineære afbildninger. Preben Alsholm. Lineære afbildninger. Eksempel 2 på lineær.
er DesignMat Uge 2 er er lineær lineær lineær lineære er I smatrix lineære er II smatrix I smatrix II Efterår 2010 Lad V og W være vektorrum over samme skalarlegeme L (altså enten R eller C for begge).
Læs mereKomplekse tal og rækker
Komplekse tal og rækker John Olsen 1 Indledning Dette sæt noter er forelæsningsnoter til foredraget Komplekse tal og rækker. Noterne er beregnet til at blive brugt sammen med foredraget. I afsnit 2 bliver
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA] 1, 2, 3, [S] 9.1-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis
Læs mereTaylors formel. Kapitel Klassiske sætninger i en dimension
Kapitel 3 Taylors formel 3.1 Klassiske sætninger i en dimension Sætning 3.1 (Rolles sætning) Lad f : [a, b] R være kontinuert, og antag at f er differentiabel i det åbne interval (a, b). Hvis f (a) = f
Læs mere1.1. n u i v i, (u, v) = i=1
1.1 1. Hilbert rum 1.1. Hilbert rum og deres geometri. Definition 1.1. Et komplekst vektor rum V kaldes et indre produkt rum (eller præ-hilbert rum), når det er forsynet med en funktion (, ): V V C, som
Læs mereDifferentiation af sammensatte funktioner
1/7 Differentiation af sammensatte funktioner - Fra www.borgeleo.dk En sammensat funktion af den variable x er en funktion, vor x først indsættes i den såkaldte indre funktion. Resultatet fra den indre
Læs mereInstitut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med
Repetition: Varians af linear kombination Landmålingens fejlteori Lektion 5 Fejlforplantning - rw@math.aau.dk Antag X 1, X,..., X n er uafhængige stokastiske variable, og Y er en linearkombination af X
Læs mereBesvarelse, Eksamen Analyse 1, 2013
Københavns Universitet Prøve ved Det naturvidenskabelige Fakultet juni 23 Besvarelse, Eksamen Analyse, 23 Opgave Lad, for n N, funktionen f n : [, ) R være givet ved NB. Trykfejl. Burde være x. f n (x)
Læs mereDifferentiabilitet. f(h) = f(x 0 +h) f(x 0 ). y = f(x) f(h) df(h) Figur 1: Tangent, tilvækst og differential. lim. df(h) = f (x 0 )h.
Differentiabilitet 1 Funktioner af én reel variabel Tilvækstfunktionen f med udgangspunkt i x 0 er en reel funktion af tilvæksten : f() = f(x 0 +) f(x 0 ). y = f(x) Tangent (x 0,f(x 0 )) df() f() x 0 x
Læs mereN 0 3gleord og begreber 7 0 Dobbelt integral 7 0 Fubinis s 0 3tning 7 0 Generelle omr 0 2der. 7 0 Regneregler 7 0 Nem ulighed
1 3Oversigt 7 4 [S] 12.1, 12.2, 12.3 N 0 3gleord og begreber 7 0 obbelt integral 7 0 Fubinis s 0 3tning 7 0 Generelle omr 0 2der 7 0 Type I 7 0 Type II 7 0 Regneregler 7 0 Nem ulighed Calculus 2-2006 Uge
Læs mere