Dette materiale er ophavsretligt beskyttet og må ikke videregives

Størrelse: px
Starte visningen fra side:

Download "Dette materiale er ophavsretligt beskyttet og må ikke videregives"

Transkript

1

2

3 Grundlæggende mål- og integralteori

4

5 Grundlæggende mål- og integralteori Steen Thorbjørnsen Aarhus Universitetsforlag

6 Grundlæggende mål- og integralteori Steen Thorbjørnsen og Aarhus Universitetsforlag 2014 Tilrettelægning: Lars Madsen Omslag: Trefold Bogen er sat med Kp-Fonts på Munken Premium Cream Tryk: Narayana Press, Gylling Printed in Denmark 2014 ISBN Aarhus Universitetsforlag

7 Forord Nærværende tekstbog i mål- og integralteori er kulminationen på en række forelæsningsnoter udarbejdet gennem årene til brug i kurserne Målteori, Sandsynlighedsteori 1.1 og Reel Analyse og Sandsynlighedsteori ved Institut for Matematik, Aarhus Universitet. Det har fra starten været hensigten at give en solid fremstilling af mål- og integralteori, som er (relativt) let læselig, også for studerende med kun et enkelt års universitetsstudier bag sig. Dette har afstedkommet et forholdsvis stort antal sider, hvilket naturligvis kan virke begrænsende på læserens overblik over det gennemgåede stof. Det sidste er søgt imødekommet med en ganske stram struktur af teksten, som i vid udstrækning er opdelt i definitioner, sætninger, beviser, bemærkninger, eksempler etc. Teksten er indholdsmæssigt struktureret således, at efter introduktionen af σ-algebraer og mål i Kapitel 1 etableres entydighed og eksistens af Lebesguemålene på R d allerede i hhv. Kapitel 2 og 3. Har man imidlertid primær fokus på Lebesgue-integralet, og er man villig til at lade eksistens og entydighed af Lebesgue-målene stå til troende, da kan man uden problemer overspringe de to førnævnte kapitler og gå direkte til Kapitel 4 om målelige afbildninger og derefter til Kapitel 5, hvor Lebesgue-integralet udvikles. Jeg benytter selv denne strategi i 7-ugers kurset Målteori, hvor fokus ved den skriftlige eksamen naturligt er på Lebesgue-integralet. Hvor materialet i Kapitel 3 i meget lille udstrækning danner grundlag for senere kapitler i bogen, er resultater og teknikker fra Kapitel 2 (bl.a. Dynkins Lemma) derimod af afgørende betydning for materialet i Kapitel 6 om produktmål, Kapitel 10 om absolut kontinuitet og tætheder, Kapitel 11 om transformation af mål og Kapitel 13, hvor fundamentale begreber og resultater fra sandsynlighedsteorien studeres på basis af mål- og integralteori. I Kapitel 7 studeres L p -rummene og de tilhørerende integral-uligheder og konvergensbegreber. Tilfældet p = 2 leder frem til teorien for Hilbert-rum, der behandles særskilt i Kapitel 9 i en abstrakt ramme, men naturligvis med L 2 -rummene som gennemgående eksempel. Idet Kapitel 9 fokuserer på Hilbert-rum over de komplekse tal, udvides teorien for Lebesgue-integralet i Kapitel 8 til funktioner med komplekse værdier. Af bekvemmelighedsgrunde omhandler de foregående kapitler kun integraler i

8 Forord af funktioner med reelle værdier (evt. suppleret med værdierne ± ). Kapitel 12 giver på baggrund af den foregående teori en indføring i Fourier-transformationen for funktioner på R. Med henblik på at imødekomme overgangen fra førsteårsstudier afsluttes bogen med appendikser om bl.a. elementær mængdeteori, den udvidede reelle tallinje, tællelige mængder samt supremum, infimum, limes superior og limes inferior. Visse videregående emner, som kort berøres i hovedteksten, er ligeledes behandlet i appendikser. En stor del af materialet i bogen bygger indholdsmæssigt i høj grad på Svend Erik Graversens noter [Gr], der tidligere blev benyttet i de førnævnte kurser Målteori og Sandsynlighedsteori 1.1. Materialet om Hilbert-rum og Fourier-transformation er tilsvarende inspireret af noterne [Ve] af Jørgen Vesterstøm, og bogen [Ru87] af Walter Rudin. Andre inspirationskilder til noterne generelt har været bogen [BM] af Christian Berg og Tage Gutman Madsen samt bogen [Sc] af René L. Schilling. Hvert kapitel i noterne afsluttes af en række opgaver. En del af disse opgaver er udarbejdet under afviklingen af de førnævnte kurser. Andre opgaver henter inspiration fra især [Gr] og [BM]. En lang række studerende og instruktorer har gennem årene bidraget i større eller mindre grad til forbedringer af materialet i bogen, og jeg er dem stor tak skyldig. Det vil imidlertid føre for vidt at nævne dem alle her, så jeg vil nøjes med at fremhæve Jesper Bjørnholts og Nina Ankers mange sproglige kommentarer samt Jacob Harris Cryer Kragh og Thomas Norman Dam, der bl.a. har bidraget direkte til forbedringer af argumentationen enkelte steder i teksten. Det er afslutningsvist en stor fornøjelse at takke Jan Pedersen for hans grundige gennemlæsning af en tidligere version af manuskriptet og hans indsigtsfulde kommentarer, der har forbedret dele af teksten betragteligt. Det er ligeledes en fornøjelse at takke Svend Erik Graversen, Jørgen Hoffmann-Jørgensen, Henrik Stetkær og Bent Ørsted for berigende diskussioner og forslag. En stor tak skal også lyde til Søren Mogensen Larsen fra Aarhus Universitetsforlag for frugtbart samarbejde under tilblivelsen af bogen. Sidst og absolut ikke mindst er det en stor fornøjelse at takke Lars Madsen for hans ihærdige og vedvarende arbejde med at forbedre tekstens layout med stor fokus på øget læsbarhed for de studerende. Aarhus, juni 2014 Steen Thorbjørnsen ii

9 Forord Nogle få ord om bogens struktur Hovedteksten er opdelt 13 kapitler, der igen er opdelt i afsnit. Hovedteksten efterfølges af 8 appendikser. Som nævnt i forordet er afsnittene i vid udstrækning yderligere opdelt i tekstenheder som sætninger, definitioner, bemærkninger, eksempler etc. De to førstnævnte enheder er i teksten markeret med en farvet baggrund. Til at markere afslutningen på nogle af de andre enheder benyttes følgende slutsymboler : _ markerer afslutningen på et bevis. markerer afslutningen på en bemærkning. markerer afslutningen på et eksempel. Læseren skal være opmærksom på, at tekstenhederne (også de farvede), sagtens kan forsætte på den efterfølgende side. iii

10

11 Indhold Forord Prolog i ix 1 σ-algebra og mål Målelige mængder begrebet σ-algebra Borel-algebraen i R d Mål og deres grundlæggende egenskaber Opgaver Dynkins Lemma og entydighed af mål δ-systemer og Dynkins Lemma Entydighedsresultater for mål Regularitet af Borel-mål Opgaver Konstruktion af mål Problemstillingen Det ydre mål Carathéodorys Lemma Hvornår løser det ydre mål problemstillingen? Lebesgue-Stieltjes-mål på R Opgaver Målelige funktioner og afbildninger Målelige afbildninger Målelige funktioner med værdier i R Målelighed ved grænseovergang Målelighed i delrum Simple funktioner Opgaver Lebesgue-integralet Integralet af positive simple funktioner v

12 Indhold 5.2 Integration af positive målelige funktioner Nulmængder og µ-næsten overalt Integration af reelle funktioner Konvergenssætninger for integralet Integration over delmængde Lebesgue-integralet vs. Riemann-integralet Opgaver Produktmål Produktrummet af to målelige rum Produktrum af flere end to målelige rum Eksistens og entydighed af produktmål Integration med hensyn til produktmål Tonellis og Fubinis Sætninger Opgaver Integral-uligheder og L p -rum Konvekse funktioner og Jensens ulighed Young, Hölder, Markov og Borel-Cantelli L p -rummene og semi-normerne p Konvergens i µ-p-middel Rummene L p (µ) Approksimation med kontinuerte funktioner Opgaver Målelighed og integration af komplekse funktioner Målelighed af komplekse funktioner Integration af komplekse funktioner L p -rum af komplekse funktioner Opgaver Hilbert-rum Indre produkter Ortogonalitet Projektionssætningen Ortonormalsystemer og ortonormalbaser Lineære funktionaler på et Hilbert-rum Opgaver Tætheder og absolut kontinuitet Mål med tæthed Entydighed af tæthed Absolut kontinuitet og singularitet Lebesgue-dekompositionen og Radon-Nikodyms Sætning Opgaver vi

13 Indhold 11 Transformation Transformation af mål Translationsinvariante mål i R d Affine, bijektive transformationer af Lebesgue-målet Transformation af Lebesgue-målet med injektive C 1 -afbildninger Bevis for Transformationssætningen Opgaver Fourier-transformationen Definition og grundlæggende egenskaber Foldning Riemann-Lebesgues Lemma Inversionssætningen Fourier-transformationen på L 2 C (λ) Opgaver Grundlæggende begreber i sandsynlighedsteori Sandsynlighedsfelter, stokastiske variable og fordelinger Diskrete stokastiske variable og vektorer Absolut kontinuerte stokastiske variable og vektorer Momenter, kovarians og korrelation Uafhængige stokastiske variable Store tals lov og frekvensfortolkningen af sandsynligheder Kolmogorovs 0-1-lov og Borel-Cantellis andet Lemma Opgaver Appendikser 381 A.1 Elementær mængdelære A.2 Tællelige mængder A.3 Udvalgsaksiomet og Zorns Lemma A.4 Den udvidede reelle tallinje R A.5 Infimum, supremum, limes inferior og limes superior A.6 Generelle partitions σ-algebraer og kardinalitet af σ-algebraer. 406 A.7 Borel-målelighed i generelle metriske rum A.8 Vitalis Sætning Litteratur 417 Indeks 419 vii

14

15 Prolog For at illustrere de problemstillinger og begreber, vi skal studere i de indledende kapitler af denne bog, betragter vi først den 2-dimensionale euklidiske plan R 2. Et af hovedformålene med bogen er at give en stringent matematisk beskrivelse af begrebet areal af delmængder af R 2. Lidt mere præcist ønsker vi at indføre en mængde-funktion λ 2, som til en delmængde A af R 2 knytter et ikke-negativt tal λ 2 (A), der på rimelig vis stemmer overens med vores intuitive opfattelse af arealet af A. Med denne intuitive opfattelse i baghovedet er det rimeligt at forlange, at λ 2 bl.a. bør opfylde følgende betingelser: (i) λ 2 ( ) = 0. (ii) λ 2 ( ni=1 A i ) = ni=1 λ 2 (A i ), når A 1,...,A n er disjunkte delmængder af R 2. (iii) λ 2 s værdi på et vilkårligt (åbent) rektangel (a 1,b 1 ) (a 2,b 2 ) i R 2 er lig med produktet af sidernes længder: λ 2 ((a 1,b 1 ) (a 2,b 2 )) = (b 1 a 1 ) (b 2 a 2 ). (iv) Hvis A er en delmængde af R 2, og a er en fast vektor i R 2, så gælder der, at λ 2 (A + a) = λ 2 (A). (v) Hvis A er en delmængde af R 2, υ ( π,π], og R υ (A) betegner rotationen af A med vinkelen υ (omkring origo), så gælder der, at λ 2 (R υ (A)) = λ 2 (A). Betingelserne (iv) og (v) udtrykker, at λ 2 s værdi på en mængde A ikke ændres, hvis man forskyder A med længden og i retningen svarende til en vektor a, eller hvis man roterer A med en vinkel υ. Betingelserne (ii) og (iii) sikrer, at λ 2 antager den rigtige værdi på vilkårlige (åbne) rektangler i R 2 og på mængder, der kan skrives som foreningsmængden af endeligt mange disjunkte rektangler. Men hvad med andre delmængder af R 2, f.eks. en cirkelskive D? Her kan man let forestille sig, at man kan overdække D med (endeligt mange) små disjunkte rektangler, således at det samlede areal af disse rektangler tilnærmelsesvist er lig med arealet af D. Det er intuitivt klart, at approksimationen kan blive så god, som man måtte ønske, og intuitivt må en mængdefunktion λ 2, der opfylder betingelserne (i) (iii), således også forventes at antage den rigtige værdi på ix

16 Prolog cirkelskiver og andre pæne delmængder af R 2. Men hvad så, hvis man f.eks. betragter foreningsmængden af uendeligt mange disjunkte rektangler i R 2, f.eks. R = (n n 1,n) (n n 1,n). n=1 Her bør der intuitivt gælde (jvf. (ii)), at λ 2 (R) = lim N n=1 N ( λ 2 (n 1 n,n) (n n 1,n)) = lim N N n=1 1 n 2 = n=1 1 n 2 = π2 6, og overvejelser som denne leder til, at mængdefunktionen λ 2 rimeligvis bør opfylde følgende skærpelse af (ii): ( ) (II) λ 2 A i = λ 2 (A i ), når (A i ) i N er en følge af disjunkte delmængder i=1 af R 2. i=1 Her kan man imidlertid vise (se Appendiks A.8), at der ikke findes en afbildning λ 2 defineret på hele potensmængden 1 P (R 2 ), som opfylder betingelserne (i), (II), (iii) og (iv) ovenfor, når det forudsættes, at (II) og (iv) skal være opfyldte for vilkårlige følger (A i ) i N af disjunkte delmængder af R 2 hhv. vilkårlige delmængder A af planen 2. For overhovedet at kunne indføre et rimeligt arealbegreb bliver man således nødt til at acceptere, at mængdefunktionen λ 2 kun er defineret på et passende delsystem B(R 2 ) af P (R 2 ). Med andre ord må man altså acceptere, at der findes delmængder af R 2, som man ikke på fornuftig vis kan tilskrive et areal, og mængderne i B(R 2 ) omtales tilsvarende som de målelige mængder. Systemet B(R 2 ), som man i første omgang 3 stiller sig tilfreds med at kunne definere λ 2 på, kan beskrives som det mindste system af delmængder af R 2, der opfylder følgende betingelser: 1. R 2 B(R 2 ). 2. Hvis B B(R 2 ), gælder der også, at B c B(R 2 ). 3. For enhver følge (B i ) i N af mængder fra B(R 2 ) gælder der også, at i N B i B(R 2 ). 4. B(R 2 ) indeholder ethvert rektangel i R 2. Betingelserne 1 3 ovenfor sikrer, at man kan arbejde frit inden for systemet B(R 2 ) med hensyn til de sædvanlige mængdeoperationer (anvendt tælleligt mange gange), og de udtrykker, at B(R 2 ) er en såkaldt σ-algebra (se Definition 1.1.1). Som vi skal se i Afsnit 2.2 og Afsnit 6.3, så findes der én og kun én afbildning 1 Potensmængden P (R 2 ) er systemet af alle delmængder af R 2 ; jvf. Appendiks A.1. 2 Her forudsættes det sædvanlige ZFC-aksiomsystem for mængdelæren; specielt udvalgsaksiomet (se Appendiks A.3). 3 Man kan udvide λ 2 til større klasser af delmængder af R 2 end B(R 2 ), men altså ikke til hele P (R 2 ) (se Bemærkning A.8.3(2)). x

17 Prolog λ 2 : B(R 2 ) [0, ], der opfylder betingelserne (i), (II), (iii) for mængder i B(R 2 ). Denne afbildning opfylder endvidere betingelserne (iv) og (v) for alle mængder A i B(R 2 ), hvilket etableres i hhv. Afsnit 11.2 og Afsnit Det viser sig heldigvis, at B(R 2 ) er stor nok til at omfatte alle i praksis forekommende delmængder af R 2, og set i det lys skal det umulige i at definere λ 2 på hele P (R 2 ) måske mere end en praktisk begrænsning opfattes som et udtryk for, at der inden for det sædvanligvis anvendte aksiomsystem for mængdelæren findes yderst komplicerede delmængder af R 2. Når vi i Kapitel 5 skal indføre integralet af (i første omgang) ikke-negative funktioner med hensyn til λ 2, er vi ligeledes nødt til at stille os tilfredse med at kunne integrere en delklasse af mængden af alle funktioner f : R 2 [0, ). Sådan som integralet konstrueres ud fra λ 2, viser det sig, at den nødvendige betingelse på f f.eks. kan udtrykkes som betingelsen, at {x R 2 : f (x) b} B(R 2 ) for alle b i [0, ), hvilket er et udtryk for, at man kan måle størrelsen af f med målet λ 2. Funktionerne som opfylder denne betingelse kaldes så for målelige funktioner. De målelige funktioner på R 2 udgør en bred klasse af funktioner, som bl.a. omfatter alle kontinuerte funktioner på R 2. Den ovenfor skitserede konstruktion kan uden yderligere komplikationer gennemføres i alle de endeligt dimensionale euklidiske rum R d, og en stor del af overvejelserne giver uden videre mening i langt større generalitet. Når vi i de næste kapitler for alvor går i gang med at opbygge målteorien, skal vi således i stedet for R 2 (eller R d ) arbejde med en abstrakt (ikke-tom) grundmængde X og studere σ-algebraer i X, dvs. systemer E af delmængder af X, der opfylder følgende betingelser: (σ1) X E. (σ2) For alle mængder A i E gælder der også, at A c E. (σ3) Hvis (A n ) er en følge af mængder fra E, så gælder der også, at n N A n E. Vi skal endvidere studere generelle mængdefunktioner, kaldet mål, µ: E [0, ], som opfylder følgende to betingelser: (m1) µ( ) = 0. (m2) µ ( n=1 A n ) = n=1 µ(a n ), når (A n ) n N er en følge af disjunkte mængder fra E. Den abstrakte tilgang har den fordel, at overvejelserne bliver renset for irrelevante forhold, som kun er gyldige i R 2 (eller R d ). Vigtigere er det imidlertid, at den resulterende generelle teori omfatter en lang række matematiske situationer, hvor man naturligt ledes til at størrelsesangive mængder på en måde, der er analog til arealbegrebet. Det vigtigste eksempel herpå er nok sandsynlighedsteorien, hvor man i udgangspunktet ønsker at give en matematisk beskrivelse af eksperimenter med tilfældige udfald. Man har så brug for at bestemme sandsynligheden for, at udfaldet af det betragtede eksperiment havner i en bestemt delmængde A af xi

18 Prolog mængden X af samtlige mulige udfald. I dette tilfælde skal µ(a) således opfattes som sandsynligheden for, at udfaldet af eksperimentet havner i mængden A, og vores intuitive opfattelse af sandsynligheder retfærdiggør, at mængdefunktionen µ skal opfylde betingelserne (m1) og (m2) ovenfor. Endvidere forudsættes µ i denne sammenhæng kun at antage værdier i [0, 1], og µ omtales som et sandsynlighedsmål. Udviklingen af selve mål- og integralteorien skal tilskrives en lang række matematikere fra det 20. århundrede. Nogle af deres navne vil vi støde på undervejs, som teorien bliver gennemgået. Blandt de væsentligste er H. Lebesgue, E. Borel, C. Carathéodory, J. Dynkin, T.J. Stieltjes, P. Fatou, L. Tonelli og G. Fubini, hvoraf de to førstnævnte allerede har optrådt implicit i den benyttede notation λ 2 hhv. B(R 2 ). Den skitserede tilgang til sandsynlighedsteori baseret på mål- og integralteori skyldes først og fremmest den russiske matematiker A.N. Kolmogorov. Den har været af helt afgørende betydning for udviklingen af den moderne sandsynlighedsteori. xii

19 Kapitel 1 σ-algebra og mål Vi skal i dette kapitel introducere begrebet et mål og etablere en række grundlæggende egenskaber for disse. Vi skal endvidere studere en række simple eksempler på mål, idet hovedeksemplet, Lebesgue-målet på R d, d N, kun indføres formelt, mens dets eksistens og entydighed først etableres i senere kapitler (kapitlerne 2, 3 og 6). Som beskrevet i prologen er et mål typisk ikke defineret på systemet af alle delmængder af den betragtede grundmængde men kun på delsystemer kaldet σ-algebraer. Kapitlet starter derfor med at indføre σ-algebraer og studere nogle af deres væsentligste egenskaber. I særdeleshed skal vi udstyre det euklidiske rum R d med en kanonisk σ-algebra kaldet Borel-algebraen. 1.1 Målelige mængder begrebet σ-algebra I dette afsnit betragter vi, på nær i eksemplerne, en (abstrakt) ikke-tom mængde X. Vi starter med at indføre forskellige systemer af delmængder af X Definition. Et system E af delmængder af X kaldes for en σ-algebra i X, hvis det opfylder følgende tre betingelser: (σ1) X E. (σ2) For alle mængder A i E gælder der også, at A c E. (σ3) Hvis (A n ) n N er en følge af mængder fra E, så gælder der desuden, at n N A n E. Mængderne i E kaldes for E-målelige mængder eller blot målelige mængder, når E er underforstået af sammenhængen Bemærkning. Hvis E er en σ-algebra i X, så opfylder E specielt betingelsen: Hvis n N, og A 1,A 2,...,A n er mængder fra E, så gælder der også, at n j=1 A j E. (1.1) Dette følger ved at benytte (σ3) på følgen (A j ) j N af mængder fra E, hvor A 1,...,A n er de givne mængder i (1.1), mens A j = A n, når j n + 1. Et system E af delmæng- 1

20 Kapitel 1. σ-algebra og mål der af X, som opfylder betingelserne (σ1), (σ2) og (1.1) kaldes en (mængde-) algebra i X. Som for en række andre begreber i matematikken benyttes sigmaet i terminologien σ-algebra til at udtrykke, at begrebet omhandler tælleligt mange operationer. Terminologien belyser således den faktiske forskel mellem en algebra og en σ-algebra. Bemærk i øvrigt, at hvis E kun består af endeligt mange mængder, så er E en σ-algebra, hvis og kun hvis det er en algebra. Det næste resultat viser specielt, at man inden for en σ-algebra E kan arbejde frit med de sædvanlige mængdeoperationer uden at ryge ud af E, så længe man holder sig til tælleligt mange mængdeoperationer Lemma. Hvis E er en (mængde-) algebra i X, så gælder der yderligere følgende regler: (i) E. (ii) Hvis A,B E, så er også A B element i E. (iii) Hvis A,B E, så er også A \ B element i E. Hvis E er en σ-algebra i X, så gælder der endvidere: (iv) Hvis (A n ) n N er en følge af mængder fra E, så er også n N A n element i E. Bevis. Alle udsagnene følger ved anvendelse af (de relevante af) betingelserne (σ1) (σ3) samt regneregler for mængdeoperationerne (jvf. Appendiks A.1). Antag således først, at E er en algebra, og at A,B E. Vi finder da, at Regel (i): = X c E ifølge (σ1) og (σ2). Regel (ii): A B = ( (A B) c) c = (A c B c ) c E ifølge (σ2) og (1.1). Regel (iii): A \ B = A B c E ifølge (σ2) og (ii). Antag nu, at E er en σ-algebra, og at (A n ) n N er en følge af mængder fra E. Vi finder da, at ( ( Regel (iv): n N A n = n N A ) c ) c ( c n = n N n) Ac E ifølge (σ2) og (σ3). Dermed er lemmaet vist Eksempler. (A) Systemerne {,X} og P (X) = {A : A X} er begge σ-algebraer i X; hhv. den mindste og den største af alle σ-algebraer i X. (B) For enhver delmængde A af X er systemet E = {,A,A c,x} en σ-algebra i X (overvej!). Det er oplagt den mindste σ-algebra i X, der indeholder A, i den forstand at enhver σ-algebra i X, der indeholder A, også vil indeholde alle mængderne fra E. 2

21 1.1. Målelige mængder begrebet σ-algebra (C) Lad A 1,...,A n være disjunkte delmængder af X, således at n j=1 A j = X. I denne situation gælder der, at systemet er en σ-algebra i X: E := { A j : I {1,...,n} } (1.2) j I Betingelse (σ1): At X E følger fra antagelsen: n j=1 A j = X, ved at benytte I = {1,...,n} i formel (1.2). Betingelse (σ2): For en delmængde I af {1,...,n} følger det ved anvendelse af begge antagelserne om A 1,...,A n, at ( ) c A j = A j E, j I j {1,...,n}\I hvilket viser, at E er lukket over for komplementærmængdedannelse. Betingelse (σ3): at Lad (I k ) k N være en følge af delmængder af {1,...,n}. Vi skal vise, k N ( j I k A j ) E. Da der kun er 2 n forskellige delmængder af {1,...,n}, kan der højst være 2 n forskellige blandt mængderne I k, k N, og dermed kan der også højst være 2 n forskellige blandt mængderne j I k A j, k N. Derfor reduceres problemet til at vise, at N ( ) A j E, j I k k=1 hvis I 1,...,I N er endeligt mange (forskellige) delmængder af {1,...,n}. Men i denne situation er det ikke svært at indse, at som ønsket. N ( ) A j = A j E, j I k j I 1 I N k=1 Som i (B) følger det umiddelbart, at E er den mindste σ-algebra i X, der indeholder alle mængderne A 1,...,A n. (D) Systemet E := {B R : B eller B c er tællelig} udgør en σ-algebra i R: Betingelse (σ1): Da R c (= ) er tællelig, følger det, at R E. Betingelse (σ2): For enhver delmængde B af R følger det umiddelbart fra definitionen af E, at B E, hvis og kun hvis B c E. 3

22 Kapitel 1. σ-algebra og mål Betingelse (σ3): Lad (B n ) være en følge af mængder fra E. Hvis B n er tællelig for alle n, så bliver n N B n igen tællelig (se Sætning A.2.8(iii)) og dermed igen et element i E. Vi kan derfor antage, at B c n 0 er tællelig for (mindst) et n 0 i N. Idet ( n N B n ) c B c n0, følger det så, at n N B n har tælleligt komplement, og dermed at n N B n E, som ønsket. _ Øvelse. Overvej, om følgende systemer af delmængder af R udgør σ-algebraer: Systemet G af åbne delmængder af R. Systemet F af lukkede delmængder af R. Systemet G F af alle åbne eller lukkede delmængder af R. Systemet af alle begrænsede delmængder af R. Systemet af alle intervaller i R. Det næste resultat viser, at fællesmængder af σ-algebraer altid fører til nye σ- algebraer. Resultatet kan evt. sammenlignes med det fra lineær algebra velkendte resultat, at fællesmængden af en vilkårlig familie af underrum af et givet vektorrum V altid udgør et nyt underrum af V Sætning. Lad (E i ) i I være en (vilkårlig) familie af σ-algebraer i X. Da er også systemet E i := {A X : A E i for alle i I} en σ-algebra i X. i I Bevis. Vi viser, at i I E i opfylder betingelserne (σ1), (σ2) og (σ3) fra Definition 1.1.1: Betingelse (σ1): Da X E i for alle i, gælder der også, at X i I E i. Betingelse (σ2): Antag, at A i I E i, dvs. A E i for alle i. Så gælder der også, at A c E i for alle i, idet hvert E i opfylder (σ2). Men dette betyder, at A c i I E i. Betingelse (σ3): Lad (A n ) n N være en følge af mængder fra i I E i. For hvert i gælder der da, at (A n ) n N er en følge af mængder fra E i, og dermed at n N A n E i, da E i opfylder (σ3). Men dette betyder, at n N A n i I E i. Dermed er sætningen vist. Selvom beviset for Sætning næsten er trivielt (når man har indstillet sig på abstraktionsniveauet), så er selve resultatet afgørende for definitionen af frembragte σ-algebraer, som vi nu skal indføre. Som det fremgår af (løsningen til) 4

23 1.1. Målelige mængder begrebet σ-algebra Øvelse 1.1.5, så udgør f.eks. systemet G af åbne mængder i R ikke i sig selv en σ-algebra, og man kan naturligt spørge om, hvilke delmængder af R man skal supplere G med for at opnå en σ-algebra. I den sammenhæng er det nyttigt at vide, at der findes en σ-algebra i R, som indeholder G, og som er den mindste af alle σ-algebraer i R med denne egenskab. Dette er et specialtilfælde af Sætning nedenfor. Resultatet kan ses som en analog til det fra lineær algebra velkendte resultat, at der for enhver delmængde M af et vektorrum V findes et mindste underrum span(m) af V, som indeholder M. 1 I forhold til beviset for Sætning er det endvidere værd at huske på, at span(m) kan defineres som fællesmængden af samtlige underrum af V, der indeholder M Sætning. Lad D være en vilkårlig familie af delmængder af X. Så findes en mindste σ-algebra σ(d) i X, som indeholder D, dvs. σ(d) opfylder følgende to betingelser: (a) σ(d) er en σ-algebra i X og D σ(d). (b) For enhver σ-algebra E i X, som indeholder D, gælder der også, at σ(d) E. Bevis. Vi sætter Σ(D) := {E P (X) : E er en σ-algebra i X, og D E}, og bemærker, at Σ(D) ikke er tom, idet P (X) Σ(D). Vi definerer så σ(d) := E. E Σ(D) Ifølge Sætning er σ(d) en σ-algebra i X, og den opfylder betingelserne (a) og (b) som følge af definitionen af Σ(D) Definition. (a) Hvis D er et system af delmængder af X, så kaldes σ-algebraen σ(d) fra Sætning for den af D frembragte σ-algebra, og D kaldes for et frembringersystem for σ(d). (b) En σ-algebra E i X siges at være tælleligt frembragt, hvis der findes en tællelig familie D af delmængder af X, således at E = σ(d) Bemærkninger. (1) Hvis E er en σ-algebra i X, og D er et system af delmængder af X, så svarer betingelse (b) i Sætning til implikationen: D E = σ(d) E. (1.3) Specielt har vi for systemer D 1 og D 2 af delmængder af X implikationerne: D 1 D 2 = D 1 σ(d 2 ) = σ(d 1 ) σ(d 2 ). (1.4) 1 Analogien holder dog ikke, for så vidt angår den konstruktive beskrivelse af elementerne i span(m) ud fra elementerne i M. 5

Sandsynlighedsteori 1.1 Uge 44.

Sandsynlighedsteori 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 mere

Side 9 sætningen: Kolmogorov s konsistensætning Tue Tjur, Institut for Matematisk Statistik

Side 9 sætningen: Kolmogorov s konsistensætning Tue Tjur, Institut for Matematisk Statistik Side 9 sætningen: Kolmogorov s konsistensætning Tue Tjur, Institut for Matematisk Statistik Advarsel: I denne artikel gives udtryk for holdninger til sandsynlighedsregningens grundlag. Disse er forfatterens

Læs mere

Eksamen 2014/2015 Mål- og integralteori

Eksamen 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 mere

Supplerende opgaver. S1.3.1 Lad A, B og C være delmængder af X. Vis at

Supplerende 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

= λ([ x, y)) + λ((y, x]) = ( y ( x)) + (x y) = 2(x y).

= 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 mere

Gult Foredrag Om Net

Gult Foredrag Om Net Gult Foredrag Om Net University of Aarhus Århus 8 th March, 2010 Introduktion I: Fra Metriske til Topologiske Rum Et metrisk rum er en mængde udstyret med en afstandsfunktion. Afstandsfunktionen bruges

Læs mere

Wigner s semi-cirkel lov

Wigner 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 mere

Hilbert rum. Chapter 3. 3.1 Indre produkt rum

Hilbert 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 mere

Analyse 2. Gennemgå bevis for Sætning Supplerende opgave 1. Øvelser. Sætning 1. For alle mængder X gælder #X < #P(X).

Analyse 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 mere

[BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001.

[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 mere

Punktmængdetopologi. Mikkel Stouby Petersen. 1. marts 2013

Punktmængdetopologi. Mikkel Stouby Petersen. 1. marts 2013 Punktmængdetopologi Mikkel Stouby Petersen 1. marts 2013 I kurset Matematisk Analyse 1 er et metrisk rum et af de mest grundlæggende begreber. Et metrisk rum (X, d) er en mængde X sammen med en metrik

Læs mere

[BM] Mål- og integralteori, af Christian Berg og Tage Gutmann Madsen, Københavns Universitet, 2001.

[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 mere

Eksamensnoter til Analyse 1

Eksamensnoter 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 mere

standard normalfordelingen på R 2.

standard 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 mere

Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige. Histogrammetoden. Histogrammetoden.

Histogrammetoden 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 mere

Histogrammetoden 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 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 mere

4 Oversigt over kapitel 4

4 Oversigt over kapitel 4 IMM, 2002-09-14 Poul Thyregod 4 Oversigt over kapitel 4 Introduktion Hidtil har vi beskæftiget os med data. Når data repræsenterer gentagne observationer (i bred forstand) af et fænomen, kan det være bekvemt

Læs mere

MATEMATIK 6 INTEGRATIONSTEORI 3. marts 2015 Oversigt nr. 1

MATEMATIK 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 mere

Nogle grundlæggende begreber

Nogle grundlæggende begreber BE2-kursus 2010 Jørgen Larsen 5. februar 2010 Nogle grundlæggende begreber Lidt simpel mængdelære Mængder består af elementer; mængden bestående af ingen elementer er, den tomme mængde. At x er element

Læs mere

Elementær Matematik. Mængder og udsagn

Elementær Matematik. Mængder og udsagn Elementær Matematik Mængder og udsagn Ole Witt-Hansen 2011 Indhold 1. Mængder...1 1.1 Intervaller...4 2. Matematisk Logik. Udsagnslogik...5 3. Åbne udsagn...9 Mængder og Udsagn 1 1. Mængder En mængde er

Læs mere

Skriftlig eksamen - med besvarelse Topologi I (MM508)

Skriftlig eksamen - med besvarelse Topologi I (MM508) INSTITUT FOR MATEMATIK OG DATALOGI SYDDANSK UNIVERSITET, ODENSE Skriftlig eksamen - med besvarelse Topologi I (MM508) Mandag d. 14. januar 2007 2 timer med alle sædvanlige hjælpemidler tilladt. Opgavesættet

Læs mere

Supplerende note om Hilbertrum og Banachrum

Supplerende note om Hilbertrum og Banachrum Supplerende note om Hilbertrum og Banachrum Jimi Lee Truelsen Om Noten Vi vil i denne note uddybe nogle af emnerne fra de første 3 apitler af [Ve] og komme med nogle eksempler. Det drejer sig især om begreberne

Læs mere

Aarhus Universitet 5. februar Meddelelse 2

Aarhus Universitet 5. februar Meddelelse 2 fdeling for Teoretisk Statistik IOSTTISTIK Institut for Matematiske Fag Preben læsild arhus Universitet 5. februar 2003 Meddelelse 2 Forelæsningerne i uge 6 (3-7.2) Ved forelæsningen den 4.2 gav Frank

Læs mere

Analyse 2. Bevis af Fatous lemma (Theorem 9.11) Supplerende opgave 1. Øvelser

Analyse 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 mere

Meddelelse 2. Forelæsningerne i uge 6 ( ) Gennemgangen af BPT fortsættes. Vi afslutter Kapitel 4 og når sikkert et godt stykke ind i Kapitel 5.

Meddelelse 2. Forelæsningerne i uge 6 ( ) Gennemgangen af BPT fortsættes. Vi afslutter Kapitel 4 og når sikkert et godt stykke ind i Kapitel 5. Institut for Matematiske Fag arhus Universitet STTISTIK(2003-ordning) Jens Ledet Jensen Jørgen Granfeldt 2. februar 2006 Meddelelse 2 Forelæsningerne i uge 5 (30.1 5.2) Ved forelæsningen mandag den 30.

Læs mere

GEOMETRI-TØ, UGE 8. X = U xi = {x i } = {x 1,..., x n }, U α, U α = α. (X \ U α )

GEOMETRI-TØ, UGE 8. X = U xi = {x i } = {x 1,..., x n }, U α, U α = α. (X \ U α ) GEOMETRI-TØ, UGE 8 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imf.au.dk. Opvarmningsopgave 1. Lad X være en mængde og T familien af alle delmængder

Læs mere

Lad os som eksempel se på samtidigt kast med en terning og en mønt:

Lad os som eksempel se på samtidigt kast med en terning og en mønt: SANDSYNLIGHEDSREGNING Stokastisk eksperiment Et stokastisk eksperiment er et eksperiment, hvor vi fornuftigvis ikke på forhånd kan have en formodning om resultatet af eksperimentet Til gengæld kan vi prøve

Læs mere

Integration m.h.t. mål med tæthed

Integration 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 mere

Projekt 1.4 De reelle tal og 2. hovedsætning om kontinuitet

Projekt 1.4 De reelle tal og 2. hovedsætning om kontinuitet Projekt 1.4 De reelle tal og 2. hovedsætning om kontinuitet Mens den 1. hovedsætning om kontinuerte funktioner kom forholdsvis smertefrit ud af intervalrusebetragtninger, så er 2. hovedsætning betydeligt

Læs mere

Banach-Tarski Paradokset

Banach-Tarski Paradokset 32 Artikeltype Banach-Tarski Paradokset Uden appelsiner Andreas Hallbäck Langt de fleste af os har nok hørt om Banach og Tarskis såkaldte paradoks fra 1924. Vi har hørt diverse poppede formuleringer af

Læs mere

Matematik YY Foråret Kapitel 1. Grupper og restklasseringe.

Matematik YY Foråret Kapitel 1. Grupper og restklasseringe. Matematik YY Foråret 2004 Elementær talteori Søren Jøndrup og Jørn Olsson Kapitel 1. Grupper og restklasseringe. Vi vil i første omgang betragte forskellige typer ligninger og søge efter heltalsløsninger

Læs mere

Reeksamen 2014/2015 Mål- og integralteori

Reeksamen 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 mere

Kalkulus 2 - Grænseovergange, Kontinuitet og Følger

Kalkulus 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 mere

Grundlæggende Matematik

Grundlæggende Matematik Grundlæggende Matematik Hayati Balo, AAMS August 2012 1. Matematiske symboler For at udtrykke de verbale udsagn matematisk korrekt, så det bliver lettere og hurtigere at skrive, indføres en række matematiske

Læs mere

Masterprojekt udarbejdet af Søren Naundrup Vejleder Steen Andersson

Masterprojekt 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 mere

TØ-opgaver til uge 45

TØ-opgaver til uge 45 TØ-opgaver til uge 45 Først laver vi en liste over de ligninger med mere i [IPT], der skal bruges: [1]: Ligning (2.5) på side 4. [2]: Ligning (2.6) på side 5. [3]: Sætning 3.1, ligning (3.3) på side 7.

Læs mere

t a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42

t a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42 Slide 1/42 Hvad er matematik? 1) Den matematiske metode 2) Hvad vil det sige at bevise noget? 3) Hvor begynder det hele? 4) Hvordan vælger man et sæt aksiomer? Slide 2/42 Indhold 1 2 3 4 Slide 3/42 Mængder

Læs mere

Første konstruktion af Cantor mængden

Første konstruktion af Cantor mængden DYNAMIK PÅ CANTOR MÆNGDEN KLAUS THOMSEN Første konstruktion af Cantor mængden For de fleste der har hørt on Cantor-mængden, er den blevet defineret på flg måde: I = 0 I = I = 0 0 OSV Cantor mængden C er

Læs mere

Oversigt nr. 1. n+2. n(n + 2) n=1. konvergerer ikke uniformt på [0, 1], så teknikkerne fra

Oversigt 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

MASO Uge 5. Topologi i euklidiske rum. Jesper Michael Møller. Uge 5. Formålet med MASO. Department of Mathematics University of Copenhagen

MASO Uge 5. Topologi i euklidiske rum. Jesper Michael Møller. Uge 5. Formålet med MASO. Department of Mathematics University of Copenhagen MASO Uge 5 Topologi i euklidiske rum Jesper Michael Møller Department of Mathematics University of Copenhagen Uge 5 Formålet med MASO Oversigt Åbne og afsluttede mængder Det indre, det ydre, afslutningen,

Læs mere

Matematisk modellering og numeriske metoder. Lektion 8

Matematisk modellering og numeriske metoder. Lektion 8 Matematisk modellering og numeriske metoder Lektion 8 Morten Grud Rasmussen 18. oktober 216 1 Fourierrækker 1.1 Periodiske funktioner Definition 1.1 (Periodiske funktioner). En periodisk funktion f er

Læs mere

Tonelli light. Eksistensbeviset for µ ν gav målet. for G E K ved succesiv integration. Alternativ definition:

Tonelli light. Eksistensbeviset for µ ν gav målet. for G E K ved succesiv integration. Alternativ definition: 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

Læs mere

Mat H /05 Note 2 10/11-04 Gerd Grubb

Mat H /05 Note 2 10/11-04 Gerd Grubb Mat H 1 2004/05 Note 2 10/11-04 Gerd Grubb Nødvendige og tilstrækkelige betingelser for ekstremum, konkave og konvekse funktioner. Fremstillingen i Kapitel 13.1 2 af Sydsæters bog [MA1] suppleres her med

Læs mere

Lineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable

Lineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable E6 efterår 999 Notat 8 Jørgen Larsen 22. november 999 Lineære normale modeller ) udkast Ved hjælp af lineær algebra kan man formulere og analysere de såkaldte lineære normale modeller meget overskueligt

Læs mere

Borel-σ-algebraen. Definition (EH 1.23)

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 mere

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2 Affine rum I denne note behandles kun rum over R. Alt kan imidlertid gennemføres på samme måde over C eller ethvert andet legeme. Et underrum U R n er karakteriseret ved at det er en delmængde som er lukket

Læs mere

MASO Uge 5. Topologi i euklidiske rum. Jesper Michael Møller. Uge 5. Formålet med MASO. Department of Mathematics University of Copenhagen

MASO Uge 5. Topologi i euklidiske rum. Jesper Michael Møller. Uge 5. Formålet med MASO. Department of Mathematics University of Copenhagen MASO Uge 5 Topologi i euklidiske rum Jesper Michael Møller Department of Mathematics University of Copenhagen Uge 5 Formålet med MASO Oversigt Åbne og afsluttede mængder Det indre, det ydre, afslutningen,

Læs mere

Hilbert rum. Chapter Indre produkt rum

Hilbert 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

Gruppeteori. Michael Knudsen. 8. marts For at motivere indførelsen af gruppebegrebet begynder vi med et eksempel.

Gruppeteori. Michael Knudsen. 8. marts For at motivere indførelsen af gruppebegrebet begynder vi med et eksempel. Gruppeteori Michael Knudsen 8. marts 2005 1 Motivation For at motivere indførelsen af gruppebegrebet begynder vi med et eksempel. Eksempel 1.1. Lad Z betegne mængden af de hele tal, Z = {..., 2, 1, 0,

Læs mere

UENDELIG, MERE UENDELIG, ENDNU MERE UENDELIG, Indledning

UENDELIG, MERE UENDELIG, ENDNU MERE UENDELIG, Indledning UENDELIG, MERE UENDELIG, ENDNU MERE UENDELIG, ESBEN BISTRUP HALVORSEN 1 Indledning De fleste kan nok blive enige om, at mængden {a, b, c} er større end mængden {d} Den ene indeholder jo tre elementer,

Læs mere

Indblik i statistik - for samfundsvidenskab

Indblik i statistik - for samfundsvidenskab Indblik i statistik - for samfundsvidenskab Læs mere om nye titler fra Academica på www.academica.dk Nikolaj Malchow-Møller og Allan H. Würtz Indblik i statistik for samfundsvidenskab Academica Indblik

Læs mere

ANALYSE 1. Uge 7, 4. juni juni, 2007

ANALYSE 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 mere

Grundlæggende Matematik

Grundlæggende Matematik Grundlæggende Matematik Hayati Balo, AAMS Juli 2013 1. Matematiske symboler For at udtrykke de verbale udsagn matematisk korrekt, så det bliver lettere og hurtigere at skrive, indføres en række matematiske

Læs mere

Noter til Perspektiver i Matematikken

Noter til Perspektiver i Matematikken Noter til Perspektiver i Matematikken Henrik Stetkær 25. august 2003 1 Indledning I dette kursus (Perspektiver i Matematikken) skal vi studere de hele tal og deres egenskaber. Vi lader Z betegne mængden

Læs mere

Om begrebet relation

Om begrebet relation Om begrebet relation Henrik Stetkær 11. oktober 2005 Vi vil i denne note diskutere det matematiske begreb en relation, herunder specielt ækvivalensrelationer. 1 Det abstrakte begreb en relation Som ordet

Læs mere

Momenter som deskriptive størrelser. Hvad vi mangler fra onsdag. Momenter for sandsynlighedsmål

Momenter 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 mere

Hvad vi mangler fra onsdag. Vi starter med at gennemgå slides fra onsdag.

Hvad 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 mere

Funktionsterminologi

Funktionsterminologi Funktionsterminologi Frank Villa 17. januar 2014 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

Læs mere

1.1. n u i v i, (u, v) = i=1

1.1. 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 mere

n=1 er veldefineret for alle følger for hvilke højresiden er endelig. F.eks. tilhører følgen

n=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 mere

GEOMETRI-TØ, UGE 6. . x 1 x 1. = x 1 x 2. x 2. k f

GEOMETRI-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 mere

Funktionsterminologi

Funktionsterminologi Funktionsterminologi Frank Nasser 12. 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

Læs mere

Elementær sandsynlighedsregning

Elementær 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 mere

Normale tal. Outline. Hvad er tilfældighed? Uafhængighed. Matematiklærerdag Simon Kristensen. Aarhus Universitet, 24/03/2017

Normale tal. Outline. Hvad er tilfældighed? Uafhængighed. Matematiklærerdag Simon Kristensen. Aarhus Universitet, 24/03/2017 Matematiklærerdag 2017 Institut for Matematik Aarhus Universitet Aarhus Universitet, 24/03/2017 Outline 1 2 3 Hvad er tilfældighed? I statistik, sandsynlighedsteori og ikke mindst i programmering er det

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik og Sandsynlighedsregning 2 Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R Helle Sørensen Uge 6, mandag SaSt2 (Uge 6, mandag) Tætheder og kont. fordelinger 1 / 19 Program Velkommen I dag:

Læs mere

Matematik 3 MI. Mål og integralteori. Christian Berg. Tage Gutmann Madsen

Matematik 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 mere

Potensrækker. Morten Grud Rasmussen 1 10. november 2015. Definition 1 (Potensrække). En potensrække er en uendelig række på formen

Potensrækker. Morten Grud Rasmussen 1 10. november 2015. Definition 1 (Potensrække). En potensrække er en uendelig række på formen Potensrækker Morten Grud Rasmussen 1 10 november 2015 Definition og konvergens af potensrækker Definition 1 Potensrække) En potensrække er en uendelig række på formen a n pz aq n, 1) hvor afsnittene er

Læs mere

Sandsynlighedsteori. Sandsynlighedsteori. Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et. Et Bayesiansk argument

Sandsynlighedsteori. 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 mere

ANALYSE 1, 2014, Uge 5

ANALYSE 1, 2014, Uge 5 ANALYSE, 204, Uge 5 Afleveringsfrist for Prøve 2 er Tirsdag den 20/5 kl 0:5. Forelæsninger Tirsdag Vi går videre med Afsnit 4 om uniform konvergens af Fourierrækker, hvor hovedsætningen er Sætning 4.3.

Læs mere

5.3 Konvergens i sandsynlighed Konvergens i sandsynlighed 55. Hvis vi regner den karakteristiske funktion for X, v ud i argumentet 1, fås

5.3 Konvergens i sandsynlighed Konvergens i sandsynlighed 55. Hvis vi regner den karakteristiske funktion for X, v ud i argumentet 1, fås 5.3. Konvergens i sandsynlighed 55 BEVIS: Lad φ 1, φ 2,... og φ være de karakteristiske funktioner for X 1, X 2,... og X. Hvis vi regner den karakteristiske funktion for X, v ud i argumentet 1, fås φ X,v

Læs mere

Et eksperiment beskrives af et udfaldsrum udstyret med et. alle mulige resultater af eksperimentet

Et 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 mere

Definition. Definitioner

Definition. Definitioner Definition Landmålingens fejlteori Lektion Diskrete stokastiske variable En reel funktion defineret på et udfaldsrum (med sandsynlighedsfordeling) kaldes en stokastisk variabel. - kkb@math.aau.dk http://people.math.aau.dk/

Læs mere

Integration m.h.t. mål med tæthed

Integration 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 mere

2. Fourierrækker i en variabel

2. 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 mere

Differentialregning i R k

Differentialregning 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 mere

Antag 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

Antag 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 mere

z 1 = z 1z 1z 1 z 1 2 = z z2z 1 z 2 2

z 1 = z 1z 1z 1 z 1 2 = z z2z 1 z 2 2 M å l e p u n k t R i e m a n n s k G e o m e t r i E 8 J a ko b L i n d b l a d B l a ava n d 2 5 3 6 7 5 27 oktober 28 I n s t i t u t fo r M at e m at i s k e Fag A a r h u s U n i v e r s i t e t indledning

Læs mere

Om hypoteseprøvning (1)

Om hypoteseprøvning (1) E6 efterår 1999 Notat 16 Jørgen Larsen 11. november 1999 Om hypoteseprøvning 1) Det grundlæggende problem kan generelt formuleres sådan: Man har en statistisk model parametriseret med en parameter θ Ω;

Læs mere

13 Markovprocesser med transitionssemigruppe

13 Markovprocesser med transitionssemigruppe 13 Markovprocesser med transitionssemigruppe I nærværende kapitel vil vi antage at tilstandsrummet er polsk, hvilket sikrer, at der findes regulære betingede fordelinger. Vi skal se på eksistensen af Markovprocesser.

Læs mere

Lineær Algebra F08, MØ

Lineær Algebra F08, MØ Lineær Algebra F08, MØ Vejledende besvarelser af udvalgte opgaver fra Ugeseddel 3 og 4 Ansvarsfraskrivelse: Den følgende vejledning er kun vejledende. Opgaverne kommer i vilkårlig rækkefølge. Visse steder

Læs mere

Archimedes Princip. Frank Nasser. 12. april 2011

Archimedes Princip. Frank Nasser. 12. april 2011 Archimedes Princip Frank Nasser 12. 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

Læs mere

MM501 forelæsningsslides

MM501 forelæsningsslides MM501 forelæsningsslides uge 40, 2010 Produceret af Hans J. Munkholm bearbejdet af JC 1 Separabel 1. ordens differentialligning En generel 1. ordens differentialligning har formen s.445-8 dx Eksempler

Læs mere

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Statistik Lektion 3 Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Repetition En stokastisk variabel er en funktion defineret på S (udfaldsrummet, der antager

Læs mere

Polynomier. Indhold. Georg Mohr-Konkurrencen. 1 Polynomier 2. 2 Polynomiumsdivision 4. 3 Algebraens fundamentalsætning og rødder 6

Polynomier. Indhold. Georg Mohr-Konkurrencen. 1 Polynomier 2. 2 Polynomiumsdivision 4. 3 Algebraens fundamentalsætning og rødder 6 Indhold 1 Polynomier 2 Polynomier 2 Polynomiumsdivision 4 3 Algebraens fundamentalsætning og rødder 6 4 Koefficienter 8 5 Polynomier med heltallige koefficienter 9 6 Mere om polynomier med heltallige koefficienter

Læs mere

8 Regulære flader i R 3

8 Regulære flader i R 3 8 Regulære flader i R 3 Vi skal betragte særligt pæne delmængder S R 3 kaldet flader. I det følgende opfattes S som et topologisk rum i sportopologien, se Definition 5.9. En åben omegn U af p S er således

Læs mere

Elementær sandsynlighedsregning

Elementær 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 mere

1 Beviser for fornyelsessætningen

1 Beviser for fornyelsessætningen Hvordan beviser man fornyelsessætningen? 1 1 Beviser for fornyelsessætningen I dette notat skal vi diskutere, hvorman man kan bevise fornyelsessætningen. Vi vil starte med at se på tilfældet, hvor ventetidsfordelingen

Læs mere

Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable

Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable Forskningsenheden for Statistik ST501: Science Statistik Bent Jørgensen Modul 2: Sandsynlighedsmodeller og diskrete stokastiske variable 2.1 Sandsynlighedsbegrebet............................... 1 2.1.1

Læs mere

MATEMATIK 6 INTEGRATIONSTEORI 1. februar 2017 Oversigt nr. 1

MATEMATIK 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 mere

Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec.

Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec. Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec. 1 Komplekse vektorrum I defininitionen af vektorrum i Afsnit 4.1 i Niels Vigand Pedersen Lineær Algebra

Læs mere

En martingalversion af CLT

En martingalversion af CLT Kapitel 11 En martingalversion af CLT Når man har vænnet sig til den centrale grænseværdisætning for uafhængige, identisk fordelte summander, plejer næste skridt at være at se på summer af stokastiske

Læs mere

MM501/MM503 forelæsningsslides

MM501/MM503 forelæsningsslides MM501/MM503 forelæsningsslides uge 50, 2009 Produceret af Hans J. Munkholm 1 Separabel 1. ordens differentialligning En generel 1. ordens differentialligning har formen dx Eksempler = et udtryk, der indeholder

Læs mere

Statistik og Sandsynlighedsregning 2

Statistik 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 mere

Besvarelses forslag til Tag-hjemeksamen Vinteren 02 03

Besvarelses 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 mere

Tidligere Eksamensopgaver MM505 Lineær Algebra

Tidligere Eksamensopgaver MM505 Lineær Algebra Institut for Matematik og Datalogi Syddansk Universitet Tidligere Eksamensopgaver MM55 Lineær Algebra Indhold Typisk forside.................. 2 Juni 27.................... 3 Oktober 27..................

Læs mere

Implikationer og Negationer

Implikationer og Negationer Implikationer og Negationer Frank Villa 5. april 2014 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

Læs mere

Konstruktion af de reelle tal

Konstruktion af de reelle tal Konstruktion af de reelle tal Rasmus Villemoes 17. oktober 2005 Indledning De fleste tager eksistensen af de reelle tal R for givet. I Matematisk Analyse-bogen Funktioner af en og flere variable af Ebbe

Læs mere

Introduktion til differentialregning 1. Jens Siegstad og Annegrethe Bak

Introduktion til differentialregning 1. Jens Siegstad og Annegrethe Bak Introduktion til differentialregning 1 Jens Siegstad og Annegrete Bak 16. juli 2008 1 Indledning I denne note vil vi kort introduktion til differentilregning, idet vi skal bruge teorien i et emne, Matematisk

Læs mere

Oversigt [LA] 1, 2, 3, [S] 9.1-3

Oversigt [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 mere