Beruflich Dokumente
Kultur Dokumente
Arbeitsbuch Grundwissen
Mathematikstudium
Höhere Analysis, Numerik und Stochastik
Springer Spektrum
© Springer-Verlag Berlin Heidelberg 2016
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Ur-
heberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung des Verlags. Das gilt insbesondere für Vervielfältigungen,
Bearbeitungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne be-
sondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-
Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften.
Der Verlag, die Autoren und Herausgeber gehen davon aus, dass die Angaben und Informationen in diesem Werk zum
Zeitpunkt der Veröffentlichung vollständig und korrekt sind. Weder der Verlag noch die Autoren oder die Herausgeber
übernehmen, ausdrücklich oder implizit, Gewähr für den Inhalt des Werkes, etwaige Fehler oder Änderungen.
Springer-Verlag GmbH Berlin Heidelberg ist Teil der Fachverlagsgruppe Springer Science+Business Media
(www.springer.com)
Vorbemerkungen
Auf verschiedentlichen Wunsch bieten wir alle Aufgaben des Ein Punktesystem unterscheidet leichte Aufgaben •, mittel-
Buchs Brokate et al., Grundwissen Mathematikstudium – schwere •• und anspruchsvolle ••• Aufgaben. Die Lösungs-
Höhere Analysis, Numerik und Stochastik mit Hinweisen, hinweise helfen Ihnen, falls Sie bei einer Aufgabe partout
Lösungen und Lösungswegen als gedrucktes Buch. Die In- nicht weiterkommen. Für einen optimalen Lernerfolg schla-
halte des Buchs stehen als PDF-Dateien auch auf der Website gen Sie die Lösungen und Lösungswege bitte erst nach, wenn
matheweb zur Verfügung. Sie selber zu einer Lösung gekommen sind.
Verweise auf Seiten, Formeln, Abschnitte und Kapitel bezie-
Die Aufgaben gliedern sich in drei Kategorien: Anhand der
hen sich auf das Buch Grundwissen Mathematikstudium –
Verständnisfragen können Sie prüfen, ob Sie die Begriffe
Höhere Analysis, Numerik und Stochastik von Brokate et al.
und zentralen Aussagen verstanden haben, mit den Rechen-
aufgaben üben Sie Ihre technischen Fertigkeiten und die Be- Wir wünschen Ihnen viel Freude und Spaß mit diesem Ar-
weisaufgaben geben Ihnen Gelegenheit, zu lernen, wie man beitsbuch und in Ihrem Studium.
Beweise findet und führt.
Der Verlag und die Autoren
Inhaltsverzeichnis
Kapitel 7: Grundzüge der Maß- und Integrations- Kapitel 14: Numerik linearer Gleichungs-
theorie – vom Messen und Mitteln 47 systeme – Millionen von Variablen im Griff 104
Aufgaben . . . . . . . . . . . . . . . . . . . . . . . 47 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . 104
Hinweise . . . . . . . . . . . . . . . . . . . . . . . 50 Hinweise . . . . . . . . . . . . . . . . . . . . . . . 105
Lösungen . . . . . . . . . . . . . . . . . . . . . . . 51 Lösungen . . . . . . . . . . . . . . . . . . . . . . . 105
Lösungswege . . . . . . . . . . . . . . . . . . . . . 52 Lösungswege . . . . . . . . . . . . . . . . . . . . . 106
Aufgabe 2.2 • Gibt es eine reelle 2 × 2-Matrix A mit jeweils eine Fundamentalmatrix an.
−1 0 Aufgabe 2.10 •• Bestimmen Sie jeweils ein reelles
eA = ?
0 −4 Fundamentalsystem für die Differenzialgleichung y =
Ai y , i = 1, 2, 3 mit
Aufgabe 2.3 •• Die Funktionen y1 (x) = x 3 und ⎛ ⎞ ⎛ ⎞
−1 1 −1 3 −3 2
y2 (x) = |x|3 sind linear unabhängig auf (−1, 1), aber A1 = ⎝ 2 −1 2 ⎠ , A2 = ⎝ −1 5 −2 ⎠ ,
W [y1 , y2 ](x) = 0. Wie ist das möglich? 2 2 −1 −1 3 0
Aufgabe 2.4 • Welche der folgenden Funktionen 6 −17
A3 = .
a) y(x) = (2ex + e−x , e2x ) 1 −2
b) y(x) = (2ex + e−x , ex )
Aufgabe 2.11 • Berechnen Sie jeweils die Lösungen
c) y(x) = (2ex + e−x , xex )
der Differenzialgleichungen zu den Anfangsbedingungen
d) y(x) = (ex + 3e−x , ex + 3e−x )
y(0) = 1 und y (0) = 0:
kann eine Lösung einer Differenzialgleichung
a) y (x) = −y(x), b) y (x) = y(x).
y (x) = Ay(x)
mit A ∈ R2×2 sein? Aufgabe 2.12 •• Wie muss die rechte Seite f gewählt
werden, damit bei der linearen Differenzialgleichung
Aufgabe 2.5 • Formulieren Sie die Differenzialglei-
y (x) + 2y (x) + y (x) + 2y(x) = f (x)
chungen
a) y − (y )2 y sin x = cosh x − y 2 , Resonanz auftritt?
b) y + 2y + y = 2e3x ,
Aufgabe 2.13 •• Bestimmen Sie die Lösung der Diffe-
jeweils als ein System 1. Ordnung. renzialgleichung
zu den Anfangsbedingungen y(0) = y (0) = 1.1. Wählen Aufgabe 2.22 •• Die logistische Gleichung
Sie für die Partikulärlösung den Ansatz
y (x) = λy(x)(K − y(x)) = λKy(x) − λy 2 (x) ,
yp (x) = d cos(x + δ) .
die wir zu Beginn dieses Kapitels kennengelernt haben, ist
Aufgabe 2.16 •• Gesucht ist eine Lösung der Differen- eine Bernoulli’sche Differenzialgleichung mit γ = 2. Lö-
zialgleichung sen Sie die logistische Differenzialgleichung und verifizieren
Sie, dass
y (x) + y (x) = x + 1 . K
y(x) =
1 + ( y0 − 1)e−λKx
K
Aufgabe 2.17 •• Bestimmen Sie die allgemeine Lö-
sung der Differenzialgleichung 3. Ordnung die Lösung zur Anfangsbedingung y(0) = y0 ist.
Die stetigen Funktionen a1 , a2 und f hängen nicht von der Aufgabe 2.18 •• Eine weitere Methode, Differenzial-
gesuchten Funktion y ab. gleichungen höherer Ordnung zu lösen, ist der Potenzreihen-
ansatz. Ist
Aufgabe 2.2 • Matrixexponentialfunktion.
y (n) (x) = f (x, y (x), . . . , y (n−1) (x))
Aufgabe 2.3 •• Es gilt: Für zwei stetig differenzierbare mit den Anfangsbedingungen y(x0 ), . . . , y (n−1) (x0 ) gege-
linear abhängige Funktionen y1 und y2 ist W [y1 , y2 ](x) = ben, so setzt man als Lösung eine Potenzreihe der Form
0, x ∈ I . Gilt die Umkehrung?
∞
Aufgabe 2.4 • Jede Lösung einer solchen Differenzi- y(x) = ak (x − x0 )k ,
k=0
algleichung lässt sich in der Form
(k)(x0 )
y(x) = c1 v 1 eλ1 x + c2 v 2 eλ2 x mit ak = y k! für k ≤ n − 1 an. Durch das Einsetzen der
Potenzreihe in die Differenzialgleichung und anschließenden
mit Eigenwerten λi und Eigenvektoren v i i = 1, 2 von A Koeffizientenvergleich bekommt man die Koeffizienten ak
darstellen. für k ≥ n rekursiv.
Beweisaufgaben Rechenaufgaben
Aufgabe 2.23 •• – Aufgabe 2.6 • y(x) = 2x 2 + 1
Aufgabe 2.16 •• y(x) = c1 +c2 e−x + 21 x 2 , c1 , c2 ∈ C a) Durch das Produkt y(x)y (x) liegt hier eine nichtlineare
Differenzialgleichung vor.
b) Das ist eine lineare, homogene Differenzialgleichung 1.
Aufgabe 2.17 •• Ordnung mit a1 (x) = 1 und a2 (x) = x.
3 c) Hier liegt eine lineare, inhomogene Differenzialglei-
y(x) = c1 ex + c2 xex + c3 e−2x + x 2 ex , c1 , c2 , c3 ∈ C
2 chung 1. Ordnung vor, wobei a1 (x) = x, a2 (x) = 3.
d) Hier liegt ebenfalls eine lineare, inhomogene Differenzi-
algleichung 1. Ordnung vor.
Aufgabe 2.18 •• y(x) = eλx
Aufgabe 2.2 • Aus der Definition der Matrixexponen-
Aufgabe 2.19 •• tialfunktion folgt, dass Diagonalgestalt vom eA nur möglich
1
n−1
ist, falls A eine Diagonalmatrix mit a1 , a2 ∈ C
y0 = 1 , yn = yk yn−1−k
n
k=0
a1 0
∞
A=
1 0 a2
y(x) = xn = , |x| < 1
1−x
n=0
ist, also
Aufgabe 2.20 •• z (x) = (1 − γ )a(x)z(x) + −1 0 ea1 0
eA = = .
(1 − γ )b(x) 0 −4 0 ea2
Es gilt
Aufgabe 2.21 •• v (x) = (2r(x)u(x) + p(x))v(x) +
r(x)v 2 (x)
ea1 = −1 ⇒ a1 = iπ, da eiπ = cos π + i sin π = −1,
b) Falls y(x) eine Lösung ist, dann sind λ1 = 1 und Aufgabe 2.8 •• Die Eigenwerte der Matrix A sind
λ2 = −1 die Eigenwerte der Matrix A und da sich λ1 = −1 mit der algebraischen Vielfachheit 2 und der geo-
jede Lösung von y (x) = Ay(x) in der Form y(x) = metrischen Vielfachheit 1, sowie λ2 = −2. Die Eigenvekto-
c1 v 1 ex +c2 v 2 e−x mit Eigenvektoren v 1 und v 2 schreiben ren und Hauptvektoren sind gegeben durch
lässt, folgt aus y(x), dass v 1 = (3, 1) und v 2 = (1, 0) . ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
Daraus kann die Matrix A berechnet werden. 1 0 0
c) y(x) ist keine Lösung, da ein Term xex nur im Fall von v 1 = ⎝ 0 ⎠ , h1 = ⎝ −1 ⎠ , v 2 = ⎝ 0 ⎠ .
Resonanz, also bei einem doppelten Eigenwert von A 0 0 1
auftreten kann.
d) Die Eigenwerte sind verschieden, und falls y(x) eine Lö- Es gilt eA = T eJ T −1 mit T = (v 1 , h1 , v 2 ) und
sung wäre, dann müssten die beiden Eigenvektoren linear ⎛ ⎞
−1 1 0
abhängig sein, was unmöglich ist. J = ⎝ 0 −1 0 ⎠ = D + N
0 0 −2
Aufgabe 2.5 • Da die Differenzialgleichungen auch in ⎛ ⎞ ⎛ ⎞
expliziter Form geschrieben werden können, ist es möglich, −1 0 0 0 1 0
sie als Systeme 1. Ordnung zu formulieren. Wir setzen ui = = ⎝ 0 −1 0 ⎠ + ⎝ 0 0 0 ⎠ ,
y (i−1) für i = 1 . . . n , wobei n die Ordnung der skalaren 0 0 −2 0 0 0
Differenzialgleichung höherer Ordung ist.
wobei N eine nilpotente Matrix mit N 2 = 0 ist und daher
a) y = (y )2 y sin x + cosh x − y 2 , gilt eN = I + N . Also ist eJ = eD+N = eD eN , und
u1 = y ⎛ −1 ⎞
e − e−1 0
u2 = y eA = T eJ T −1 = ⎝ 0 e−1 0 ⎠.
0 0 e −2
u1 u2
⇒ =
u2 u22 u1 sin x + cosh x − u21
Aufgabe 2.9 •• Es gilt Y (x) = T eJ x .
b) y = −2y − y + 2e3x ,
Die Matrix A1 hat den doppelten Eigenwert λ = 2 und schon
u1 = y Diagonalgestalt, also gilt T = I,
u2 = y
1 0
u3 = y Y 1 (x) = T eAx = eAx = e2x .
0 1
⎛ ⎞ ⎛ ⎞
u1 u2
⇒ ⎝u2 ⎠ = ⎝ u3 ⎠
A2 hat auch den doppelten Eigenwert λ = 2, aber mit geo-
u3 −2 u3 − u2 + 2 e 3x
metrischer Vielfachheit 1. Also gilt A = T J T −1 mit
0 1 2 1
Rechenaufgaben T = (v, h) = und J = =D+N,
1 0 0 2
Aufgabe 2.6 • Die allgemeine Lösung ist
Y 2 (x) = T e Jx
= Te Dx N x
e =e 2x 0 1
.
1 x
y(x) = y (x) dx = 4x dx = 2x 2 + c , c ∈ R.
Wir bestimmen die Konstante c durch Einsetzen der Anfangs- A3 hat die Eigenwerte λ1 = −2 und λ2 = 2. Es gilt A =
bedingung y(0) = 1, aus der c = 1 folgt. Die gesuchte Lö- T DT −1 mit
sung ist daher y(x) = 2x 2 + 1.
1 1 −2 0
T = (v 1 , v 2 ) = und D = ,
Aufgabe 2.7 • Diese Aufgabe lösen wir, indem wir die 0 2 0 2
Lösung einmal ableiten und dann y und y in die Differen-
Dx e−2x e2x
zialgleichung einsetzen, Y 3 (x) = T e = .
0 2e2x
c(1 + x) − cx c
y (x) = = .
(1 + x)2 (1 + x)2 Aufgabe 2.10 •• Das Fundamentalsystem ist durch die
Einsetzen in die gegebene Differenzialgleichung führt auf Spalten der Fundamentalmatrix Y (x) = T eJ x gegeben, wo-
bei J die Jordansche Normalform von A = T J T −1 ist.
x(1 + x)y (x) − y(x)
c cx cx cx A1 : Die Eigenwerte von A1 , die wir mithilfe des charakte-
= x(1 + x) − = − = 0, ristischen Polynoms
(1 + x) 2 1+x 1+x 1+x
also liegt wirklich eine Lösung der gegebenen Gleichung vor. p(λ) = det(A1 − λI ) = (−1 − λ)(1 − λ)(−3 − λ2 )
Lösungswege zu Kapitel 2 7
berechnen, sind λ1 = −1, λ2 = 1, λ3 = −3. Zu diesen b) Die charakteristische Gleichung ist p(λ) = λ2 − 1 = 0
drei verschiedenen Eigenwerten finden wir drei linear mit den Lösungen λ1 = 1 und λ2 = −1. Die allgemeine
unabhängige Eigenvektoren v 1 , v 2 , v 3 mit Lösung ist y(x) = c1 e−x + c2 ex mit Ableitung y (x) =
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ −c1 e−x + c2 ex . Aus den Anfangsbedingungen y(0) = 1
−1 0 2
und y (0) = 0 folgt schließlich c1 = c2 = 21 , also
v 1 = ⎝ 1 ⎠ , v 2 = ⎝ 1 ⎠ , v 3 = ⎝ −3 ⎠ .
1 1 1 1 −x
y(x) = (e + ex ) = cosh x.
2
Daraus ergibt sich ein Fundamentalsystem
Aufgabe 2.12 •• Der Ansatz y(x) = eλx führt bei die-
y 1 (x) = v 1 e−x , y 2 (x) = v 2 ex , y 3 (x) = v 3 e−3x . sem Beispiel auf die charakteristische Gleichung
A2 : Die Eigenwerte von A2 berechnen sich mithilfe des λ3 + 2λ2 + λ + 2 = 0
charakteristischen Polynoms
mit den Lösungen λ1 = −2, λ2 = i, λ2 = −i. Resonanz
p(λ) = det(A2 − λI ) = −(x − 4)(x − 2)2 tritt hier auf, wenn die Funktion f (x) = ceμx , c ∈ C und
μ = λi für ein i = 1, 2 oder 3 ist oder einen solchen Term
zu λ1 = 4 und λ2 = λ3 = 2. Zu λ1 finden wir einen Ei- enthält.
genvektor v 1 , zu λ2 = λ3 gibt es nur einen Eigenvektor
v 2 und einen zugehörigen Hauptvektor h1 : Aufgabe 2.13 •• Zunächst lösen wir die homogene Dif-
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ferenzialgleichung durch getrennte Integration auf der linken
−1 −2 3
v 1 = ⎝ 1 ⎠ , v 2 = ⎝ 0 ⎠ , h1 = ⎝ 1 ⎠ . und rechten Seite
dy
1 1 0 y (x) = = xy(x)
dx
Daraus erhalten wir ein Fundamentalsystem dy
= xdx
y
y 1 (x) = v 1 e4x , y 2 (x) = v 2 e2x , y 3 (x) = hx e4x .
ln y = x 2 + c
A3 : Die Eigenwerte von A3 berechnen sich mithilfe des
x2
charakteristischen Polynoms y(x) = ce 2 .
p(λ) = det(A3 − λI ) = (2 + i − λ)(2 − i − λ) Die Partikulärlösung erhalten wir durch Variation der Kon-
x2
zu λ1 = 2 + i und λ2 = 2 − i mit den Eigenvektoren stanten mit dem Ansatz yp (x) = c(x)e 2 ,
v 1 und v 2 =
v1 x2 x2
yp (x) = c (x)e 2 + c(x)xe 2
4+i 4 1
v1 = = +i , = xy(x) + x = xc(x)e
x2
+x.
1 1 1 2
4−i 4 1 x2 2
v2 = = −i . Aus c (x) = xe 2 folgt durch Substitution − x2 = u und
1 1 1
x2 −x 2 x2
Integration von 0 bis x yp (x) = c(x)e 2 = −e 2 e 2 = −1.
Wir erhalten ein reelles Fundamentalsystem als Real- x2
und Imaginärteil von e1λ v 1 Die allgemeine Lösung ist daher y(x) = − 1 und nach
ce 2
Einsetzen der Anfangsbedingung folgt c = 3.
y 1 (x) = Re (e(2+i)x v 1 )
Aufgabe 2.14 •• Die charakteristische Gleichung lau-
2x 4 1
=e cos x − sin x , tet
1 0
λ2 + 2bλ + c = 0
y 2 (x) = Im (e(2+i)x v 1 )
mit Lösung
2x 1 4
=e cos x + sin x . λ1,2 = −b ± b2 − c = −b ± B .
0 1
Wir unterscheiden drei Fälle
Aufgabe 2.11 •
b2 = c ⇒
a) Die charakteristische Gleichung ist p(λ) = λ2 + 1 = 0
mit den Lösungen λ1 = i und λ2 = −i. Die allge- λ1 = λ2 = −b y1 (x) = e−bx , y2 (x) = xe−bx
meine Lösung dieser homogenen Differenzialgleichung b2 > c ⇒
reell geschrieben ist y(x) = c1 cos x + c2 sin x mit Ab-
λ1 , λ2 ∈ R y1 (x) = e(−b+B)x , y2 (x) = e(−b−B)x
leitung y (x) = −c1 sin x + c2 cos x. Aus den Anfangs-
bedingungen y(0) = 1 und y (0) = 0 folgt schließlich b2 < c ⇒
c1 = 1 und c2 = 0, also λ1 , λ2 ∈ C y1 (x) = e−bx cos(Bx),
y(x) = cos x . y2 (x) = e−bx sin(Bx)
8 Lösungswege zu Kapitel 2
Aufgabe 2.15 •• Die Nullstellen der charakteristischen ein Fundamentalsystem der homogenen Differenzialglei-
Gleichung λ2 + 5λ + 6 = 0 sind λ1 = −2 und λ2 = −3. chung. Für die Inhomogenität gilt f (x) = x + 1 = q(x) e0x
Die allgemeine Lösung yh der entsprechenden homogenen mit q(x) = x + 1. Da hier Resonanz auftritt, wählen
Differenzialgleichung ist daher wir den Ansatz yp (s) = x(bx + a) e0x = bx 2 + ax zur
Berechnung einer Partikulärlösung. Es gilt yp (x) = 2bx + a
yh (x) = c1 e−3x + c2 e−2x , c1 , c2 ∈ R . und yp (x) = 2b . Einsetzen in die Differenzialgleichung
führt auf
Ansatz für die Partikulärlösung: yp (x) = d cos(x + δ),
2b + 2bx + a = x + 1 ,
y (x) + 5y (x) + 6y(x) = cos x durch Koeffizientenvergleich erhalten wir a = 0 und b =
1 1 2
d(− cos(x + δ) − 5 sin(x + δ) + 6 cos(x + δ)) = cos x 2 . Eine Partikulärlösung ist daher yp (x) = 2 x und die
allgemeine Lösung ist
5d(cos(x + δ) − sin(x + δ)) = 5dD(x) = cos x ,
1
wobei y(x) = c1 + c2 e−x + x 2 , c1 , c2 ∈ C.
2
D(x) = cos(x + δ) − sin(x + δ)
= cos x cos δ − sin x sin δ − (sin x cos δ + cos x sin δ) Aufgabe 2.17 •• Für die charakteristische Gleichung
= sin x(− sin δ − cos δ) + cos x(cos δ − sin δ) . gilt
λ3 − 3λ + 2 = (λ − 1)2 (λ + 2) = 0 ,
Wir wollen, dass nur ein cos–Term übrigbleibt, also wählen die allgemeine homogene Lösung ist daher
wir δ so, dass
yh (x) = c1 ex + c2 xex + c3 e−2x , c1 , c2 , c3 ∈ C .
sin δ = − cos δ ⇐⇒ tan δ = −1 ,
Es liegt Resonanz vor, und da 1 eine doppelte Nullstelle der
im Intervall [0, 2π] ist das für charakteristischen Gleichung ist, ist der Ansatz für die Parti-
3π √ kulärlösung
δ= ⇒ cos δ − sin δ = − 2 und yp (x) = cx 2 ex .
4
7π √ Für die Ableitungen erhalten wir
δ= ⇒ cos δ − sin δ = + 2
4
yp (x) =ex (2cx + cx 2 )
erfüllt. Dann ist
yp (x) =ex (2c + 4cx + cx 2 )
√ 3π
5dD(x) = − 5d 2 cos x für δ= und yp (x) =ex (6c + 6cx + cx 2 ) ,
4
√ 7π
5dD(x) = + 5d 2 cos x für δ= . und nach Einsetzten in die inhomogene Differenzialglei-
4
chung erhalten wir c = 23 . Die allgemeine Lösung der gege-
√
Aus 5dD(x) = cos x folgt d = − 102 für δ = 3π
und benen Differenzialgleichung ist daher
√ 4
d= + 102 für δ = 7π
4 . Für die Partikulärlösung folgt 3
y(x) = c1 ex + c2 xex + c3 e−2x + x 2 ex , c1 , c2 , c3 ∈ C .
√ √ 2
2 3π 2 7π
yp (x) = − cos x + =+ cos x +
10 4 10 4
√ Aufgabe 2.18 •• Zum Lösen des gegebenen Anfangs-
2 π wertproblems setzen wir
=+ cos(x − ) ,
10 4
∞
die allgemeine Lösung ist y(x) = ak x k
√ k=0
2 π
y(x) = yh (x)+yp (x) = c1 e−2x +c2 e−3x + cos x− an. Aus der Anfangsbedingung y(0) = 1 folgt a0 = 1. Für
10 4
die Ableitung gilt
und nach Einsetzen der Anfangsbedingungen folgt c1 = 4
∞
∞
und c2 = −3.
y (x) = lal x l−1 = (k + 1)ak+1 x k .
Es zeigt sich eine starke Dämpfung gegen die Partikulärlö- l=1 k=0
sung hin für wachsendes x.
Einsetzen in die Differenzialgleichung ergibt
Aufgabe 2.16 •• Das charakteristische Polynom ∞
∞
p(λ) = λ2 + λ hat die einfachen Nullstellen λ1 = 0 und (k + 1)ak+1 x k = λak x k .
λ2 = −1 . Daher bilden y1 (x) = e0x = 1 und y2 (x) = e−x k=0 k=0
Lösungswege zu Kapitel 2 9
∞
Aufgabe 2.21 •• Sei u(x) eine spezielle Lösung von
y(x) = yn x n y (x) = q(x) + p(x)y(x) + r(x)y 2 (x). Mit
n=0
y(x) = u(x) + v(x) ,
als Taylorreihe mit den Koeffizienten yn . Zur Berechnung y (x) = u (x) + v (x) und
dieser Koeffizienten verwenden wir die Differenzialglei-
chung und das Cauchy-Produkt zweier Reihen. Es gilt y 2 (x) = u2 (x) + v 2 (x) + 2u(x)v(x) ,
∞ folgt
n
y(x) = yn x y (x) = u (x) + v (x)
n=0
∞ = q(x) + p(x)(u(x) + v(x))
n−1
y (x) = n yn x + r(x)(u2 (x) + v 2 (x) + 2u(x)v(x)) .
n=1
∞
2 Wir erhalten eine Bernoulli’sche Differenzialgleichung in v
2 n
= y (x) = yn x
v (x) = ((2r(x)u(x) + p(x))v(x) + r(x)v 2 (x)) .
n=0
∞
n
= yk x k yn−k x n−k Diese Differenzialgleichung kann mittels z(x) = v −1 (x) in
n=0 k=0 eine inhomogene lineare Differenzialgleichung in z
∞
n−1
z (x) = −(2r(x)u(x) + p(x))z(x) − r(x)
= x n−1 yk yn−1−k .
n=1 k=0 transformiert werden, die schließlich mit den Standardme-
thoden gelöst werden kann.
Ein Koeffizientenvergleich und die Anfangsbedingung
y(0) = 1 führt auf die Rekurrenz Aufgabe 2.22 •• Die logistische Gleichung
1
n−1
y (x) = λy(x)(K − y(x))
y0 = 1 , yn = yk yn−1−k .
n
k=0 = λKy(x) − λy 2 (x)
10 Lösungswege zu Kapitel 2
Aufgabe 2.28 •• Die Funktion u(x) = 1 ist eine spezi- Kommentar: Ein Spezialfall ist der Fall einer linearen
elle Lösung von y (x) = 2x + (1 − 2x)y(x) − y 2 (x). Mit Differenzialgleichung 1. Ordnung
Diese Differenzialgleichung kann mittels z(x) = v −1 (x) Aufgabe 2.30 ••• Sei Y (x) eine Fundamentalmatrix,
1
oder v(x) = z(x) in die inhomogene lineare Differenzial- W (x) = det Y (x) die dazugehörige Wronski-Determinante,
gleichung in z x̂ ∈ I und Z(x) eine Hauptfundamentalmatrix.
z (x) = (1 + 2x)z(x) + 1 Die Matrix Ŷ (x) := Z(x)Y (x̂) ist ebenfalls eine Fundamen-
talmatrix mit Ŷ (x̂) = Y (x̂). Daher gilt Ŷ (x) = Y (x) für alle
transformiert werden. Die Lösung der homogenen linearen x ∈ I und es folgt
Differenzialgleichung ist
W (x) = det Y (x) = det Z(x) det Y (x̂) = det Z(x)W (x̂)
x+x 2
zh (x) = ce ,
und
d d
mit einer Integrationskonstante c ∈ C. Mit dem Ansatz W (x) = W (x̂) det Z(x) .
dx dx
2
zp (x) = c(x)ex+x Da det Z(x) = det(z1 (x), . . . , zn (x)) linear bezüglich jeder
12 Lösungswege zu Kapitel 2
d d d
det Z(x) = det(z1 , . . . , zn ) W (x̂) = Sp A(x̂) W (x̂).
dx dx dx
n
∂ det(z1 , . . . , zn ) dzk
= Da x̂ beliebig war, folgt
∂zk dx
k=1
d
n
dzk W (x) = Sp A(x)W (x) , ∀x ∈ I .
= det(z1 , . . . , , . . . , zn ) dx
dx
k=1
n
Kommentar: Die Wronski-Determinante ist daher entwe-
= det(z1 , . . . , A(x)zk (x), . . . , zn ) .
der identisch gleich 0 oder im gesamten Intervall I von 0
k=1
verschieden. Aus diesem Resultat folgt wieder, dass eine Lö-
Die Auswertung an der Stelle x = x̂ ergibt sungsmatrix genau dann eine Fundamentalmatrix ist, wenn
ihre Spalten an einer Stelle x̂ ∈ I linear unabhängig sind.
d n
det Z(x̂) = det(e1 , . . . , A(x̂) ek , . . . , en )
dx
k=1
n
= akk (x̂) = Sp A(x̂).
k=1
Kapitel 3 Aufgabe 3.9 •• Berechnen Sie die Lösung (in implizi-
ter Form) der Differenzialgleichung
y 2 − xy
Aufgaben y (x) = − .
2xy 3 + xy + x 2
Aufgabe 3.18 •• Bestimmen Sie mithilfe der Lapla- Aufgabe 3.22 ••• Bestimmen Sie die Eigenwerte und
ce–Transformation der Ableitung und der Transformationsta- Eigenfunktionen des Sturm-Liouville-Eigenwertproblems
bellen die Bildfunktionen der ersten Ableitung der folgenden
λ
Funktionen: −(xu ) = u, u(1) = 0 , u(e) = 0 .
x
a) f (t) = sinh(at)
b) f (t) = t 3
Beweisaufgaben
Aufgabe 3.19 ••• Die Funktion f (t) = sin(wt) ist eine
Lösung der Schwingungsgleichung Aufgabe 3.23 ••• Lösen Sie das Anfangswertproblem
f (t) = −ω2 f (t) . y (x) = 2 y(x) , x ≥ 0 , y(0) = 0 .
Bestimmen Sie die zugehörige Bildfunktion L[f (t)] = Ist die Lösung eindeutig? Geben Sie eine Begründung!
F (s), indem Sie die Laplace-Transformation auf die Diffe-
renzialgleichung anwenden und dabei die Transformation der
Ableitung verwenden. Aufgabe 3.24 ••• Beweisen Sie die Energieerhaltungs-
gleichung
Aufgabe 3.20 ••• Gegeben ist die Wellengleichung mit
1
Randbedingungen (ϕ (t))2 − ω2 cos ϕ(t) = const
2
utt = uxx , u(0, t) = u(1, t) = 0 , x ∈ [0, 1] , t ∈ R . für die nichtlineare Pendelgleichung
Führen Sie einen Separationsansatz durch, d. h. bestimmen ϕ (t) + ω2 sin ϕ(t) = 0 .
Sie alle Lösungen der Form u(x, t) = w(t)v(x) . Dieser An-
satz führt auf ein Sturm-Liouville-Eigenwertproblem für die
Funktion v.
Bestimmen Sie damit die Lösung der Wellengleichung, die
zusätzlich zu den Randbedingungen auch die Anfangsbedin- Hinweise
gungen
Verständnisfragen
u(x, 0) = g(x), ut (x, 0) = h(x) , x ∈ [0, 1]
Aufgabe 3.1 • Überprüfen Sie die Integrabilitätsbe-
mit geeigneten Funktion g , h erfüllt. Entwickeln Sie dazu dingung.
die Lösung in eine Fourierreihe
∞ Aufgabe 3.2 •• –
u(x, t) = (ak cos(kπt) + bk sin(kπt)) sin(kπx).
k=1 Aufgabe 3.3 •• –
Aufgabe 3.15 •• –
Aufgabe 3.3 ••
2
a) F (s) =
Aufgabe 3.16 •• – (s + 4)2
a
b) F (s) = 2
s − a2
Aufgabe 3.17 •• – 2
c) F (s) =
s(s 2 + 4)
Aufgabe 3.18 •• L[f (t)] = s L[f (t)] − f (0)
Rechenaufgaben
Aufgabe 3.19 ••• L[f (t)] = s 2 L[f (t)]−sf (0)−f (0) Aufgabe 3.4 •• Diese Differenzialgleichung ist separa-
3
bel mit Lösung y(x) = tan x3 + x + π4 .
Aufgabe 3.20 ••• Der Separationsansatz führt auf
w (t)v(x) = w(t)v (x), und Division durch wv ergibt Aufgabe 3.5 ••
b c
y(x) = u1−γ (x) mit u(x) = + exp(a(γ −1)x) , c ∈ R
w v a a
= .
w v
Aufgabe 3.6 • y(x) = ce−x − 2 + 2x , c∈R
Die linke Seite hängt nur noch von t ab und die rechte nur
von x. Die Gleichung kann nur dann für alle x und t erfüllt Aufgabe 3.7 •• Die vorliegende Differenzialgleichung
sein, wenn gilt ist exakt mit Stammfunktion
ϕ(x, y) = x 2 y .
w u
= λ, = λ, mit λ ∈ R. Die Lösungen y(x) dieser Differenzialgleichung sind für
w u
x = 0 durch
c
y(x) = 2 , c ∈ R
x
Aufgabe 3.21 •• –
gegeben.
Aufgabe 3.22 ••• Zeigen Sie zuerst, dass alle Eigen- Aufgabe 3.8 •• Mit dem integrierenden Faktor
werte positiv sind und man daher λ = μ2 , μ ∈ R setzen u(x, y) = ex ist die Differenzialgleichung
kann. Multiplizieren Sie dazu die Gleichung mit u und in- ex (y 2 − 2x − 2) + 2ex y y (x) = 0
tegrieren Sie über das Intervall [1, e]. Es handelt sich hier
um eine Euler’sche Differenzialgleichung. Machen Sie daher exakt. Die Lösung lautet
einen Ansatz u(x) = x α , α ∈ C .
y(x) = ± 2x + ce−x , c ∈ R.
Aufgabe 3.11 •• Die Differenzialgleichung ist exakt, Die Transformation bewirkt beim Eigenwertproblem, dass λ
ihre Lösung lautet ein Eigenwert von L ist, genau dann wenn λ ein Eigenwert
von L̄ mit L̄v = v + k(x)v .
1
x 2 + xy − y 2 = c , c∈R Die Hermitesche Differenzialgleichung wird zu
2
und in expliziter Form, wenn wir nach y auflösen v + (1 − x 2 + 2n)v = 0 .
y = x ± 3x 2 − 2c .
Aufgabe 3.22 ••• Die Eigenfunktionen sind uk (x) =
sin(π k ln x) zu den Eigenwerten λk = k 2 π 2 , k ∈ N.
Aufgabe 3.12 ••
1
u(x) = , x = 0
x Beweisaufgaben
ist ein integrierender Faktor. Aufgabe 3.23 ••• Es gibt zwei Lösungen y(x) ≡ 0 und
√
y(x) = x 2 . Da die Funktion f (y) = 2 y(x) die Bedingung
Aufgabe 3.13 •• –
der Lipschitz-Stetigkeit an der Stelle y = 0 nicht erfüllt, stellt
das keinen Widerspruch zum Satz von Picard-Lindelöf dar.
Aufgabe 3.14 •• y(x) = xz(x) = x(cx − 1) = cx 2 − x,
c∈R
Aufgabe 3.24 ••• –
Aufgabe 3.15 ••
1
y(x) = (x 2 + c)2
4
1 2 Lösungswege
y(0) = 1 ⇒ y(x) = (x + 2)2
4
1
y(0) = 0 ⇒ y(x) = x 4 Verständnisfragen
4
1 Aufgabe 3.1 • –
y(0) = − 1 ⇒ y(x) = (x 2 + 2i)2
4
Für y(0) = −1 existiert keine reelle Lösung. Aufgabe 3.2 •• Diese Differenzialgleichung ist separa-
bel, da die beiden Variablen x und y getrennt werden können.
ex + e−x − 2 Es gilt
Aufgabe 3.16 •• y(x) =
2
dy
= ex e−y ,
Aufgabe 3.17 •• y(x) = c1 sin x , c1 ∈ R beliebig dx
ey dy = ex dx ,
Aufgabe 3.18 ••
und nach Integration erhalten wir
a) L[f (t)] = L[a cosh(at)] = as
s 2 −a 2
b) L[f (t)] = L[3t 2 ] = 6
s3 ey = ex + c , c ∈ R ,
ω y(x) = ln(ex + c) .
Aufgabe 3.19 ••• L[f (t)] = L[sin(ωt)] = F (s) = s 2 +ω 2
Damit existiert eine Stammfunktion, die durch Integration mit c2 (x) = 2x ex und c1 (y) = 0 ergibt. Die Lösung der
ermittelt werden kann: Differenzialgleichung lautet daher
ϕ(x, y) = 2xy dx = x 2 y + c1 (y) , y(x) = ± 2x + ce−x , c ∈ R.
ϕ(x, y) = x 2 dy = x 2 y + c2 (x). Aufgabe 3.9 •• Durch Umformung erhalten wir die
Differenzialgleichung in gewohnter Form
Die Integrationskonstanten c1 , c2 können jeweils noch von
der Variablen abhängen, nach der nicht integriert wurde. (y 2 − xy) + (2xy 3 + xy + x 2 )y = 0 .
Durch ϕ(x, y) = x 2 y ist eine Stammfunktion gegeben und
durch Auflösen der Gleichung x 2 y = c für c ∈ R nach y Diese Differenzialgleichung ist nicht exakt, wie man
erhalten wir eine Lösung y(x) der Differenzialgleichung, leicht nachrechnet. Wir versuchen als integrierenden Faktor
u(x, y) = x a y b mit a, b ∈ R . Das führt auf
c
y(x) = für x = 0 . ∂u(x, y) ∂u(x, y) ∂q ∂p
x2 p −q − u(x, y) + u(x, y) = 0 ,
∂y ∂x ∂x ∂y
(y 2 − xy)bx a y b−1 − (2xy 3 + xy + x 2 )ax a−1 y b
Aufgabe 3.8 •• Diese Differenzialgleichung ist zu-
nächst nicht exakt, da −(2y 3 + y + 2x)x a y b + (2y − x)x a y b = 0 ,
∂ϕ zur Berechnung des entsprechenden integrierenden Faktors.
ϕ(x, y) = dx = p(x, y) dx Nach dem Ausmultiplizieren und der Division durch x a y b
∂x
folgt
= (y 2 − 2x − 2) dx = y 2 x − x 2 − 2x + c1 (y) ,
(−2a − 2)y 3 + (−a + b + 1)y + (−a − b − 3)x = 0 .
∂ϕ
ϕ(x, y) = dy = q(x, y) dy
∂y Alle Koeffizienten müssen verschwinden,
= 2y dy = y 2 + c2 (x) −2a − 2 = 0 ,
−a + b + 1 = 0 ,
und die Konstanten c2 (x) und c1 (y) nicht so gewählt werden
−a − b − 3 = 0 ,
können, dass die Integrabilitätsbedingungen erfüllt sind. Wir
versuchen daher einen integrierenden Faktor u(x, y) zu fin- woraus wir a = −1 und b = −2 erhalten. Für den integrie-
den, der die Differenzialgleichung exakt macht und probieren renden Faktor ergibt sich
den einfachsten Fall u(x, y) = u(x) aus. Wir berechnen die
entsprechende Integrabilitätsbedingung 1
u(x, y) =
xy 2
du(x) du(x) ∂q ∂p
p −q − u(x) + u(x) = 0 und die Differenzialgleichung
dy dx ∂x ∂y
du(x) 1 1
(y 2 − 2x − 2) · 0 − 2y − (0 − 2y) u(x) = 0 (y 2 − xy) + 2 (2xy 3 + xy + x 2 )y = 0
dx xy 2 xy
du(x)
−2y + 2yu(x) = 0 , ist exakt mit Stammfunktion ϕ(x, y) und Lösung (in impli-
dx
ziter Form)
woraus für den integrierenden Faktor u(x) = ex folgt. Also
x
ist die Differenzialgleichung ϕ(x, y) = ln(xy) − + y2 = c , c ∈ R.
y
ex (y 2 − 2x − 2) + 2ex y y (x) = 0 Kommentar: Die Entscheidung, nach welcher der beiden
Variablen aufgelöst werden kann, kann im Allgemeinen mit-
exakt mit Stammfunktion hilfe des Satzes über implizite Funktionen getroffen werden.
ϕ(x, y) = ex (y 2 − 2x) ,
Aufgabe 3.10 ••• Wir schreiben die Differenzialglei-
die sich aus der Berechnung der Integrale chung in der Form
y(1 + xy)dx − x dy = 0
ex (y 2 − 2x − 2) dx = ex (y 2 − 2x) + c1 (y) ,
d. h.,
2ex y dy = y 2 ex + c2 (x) ,
p dx+q dy = 0 , p(x, y) = y+xy 2 , q(x, y) = −x .
Lösungswege zu Kapitel 3 19
Es ist py = 1 + 2xy = qx = −1, also nicht exakt. Wir und daher muss gelten
versuchen u = u(y) so zu finden, dass
x2
c(x) − = c(y)
u(y) (y + xy 2 ) dx −u(y) x dy = 0
2
hängt nur von y ab
hängt nur von x ab
=: P (x,y) =: Q(x,y)
x2 x2
exakt ist, d. h., wir versuchen die Integrabilitätsbedingungen const = c(y) = c(x) − ⇒ c(x) =
2 2
für P und Q zu erfüllen:
und
x x2
2
Py = u(y)(1 + 2xy) + u (y)(y + xy ) = Qx = −u(y) . ϕ(x, y) =
+
y 2
Wir wollen ist die gesuchte Stammfunktion.
für const = 0 und die allgemeine Lösung erfüllt Aufgabe 3.14 •• Diese homogene Differenzialglei-
chung lässt sich durch die Substitution y(x) = xz(x) fol-
1
x 2 + xy − y 2 = c , c ∈ R . gendermaßen umschreiben:
2
Wir können nach y (oder x) auflösen und erhalten für die y (x) = z(x) + x z (x) = 1 + 2z(x) ,
Lösung y(x) xz (x) = 1 + z(x) .
y(x) = x ± 3x 2 − 2c , c ∈ R . Das ist eine separable Differenzialgleichung, die durch Tren-
nung der Variablen gelöst werden kann
Aufgabe 3.12 •• Wir versuchen, einen integrierenden dz
Faktor u(x) zu finden, der nur von x abhängt, und überprüfen xz (x) = x = 1 + z(x) ,
dx
die Integrabilitätsbedingung, wobei P (x, y) = p(x, y) u(x) dz dx
und Q(x, y) = q(x, y) u(x): = ,
1+z x
∂P ∂ ∂ dz dx
= (p(x, y) u(x)) = ((1 − xy) u(x)) = −x u(x) , = ,
∂y ∂y ∂y 1+z x
∂Q ∂ ∂ ln(z + 1) = ln(x) + c1 , c1 ∈ R ,
= (q(x, y) u(x)) = ((xy − x 2 ) u(x))
∂x ∂x ∂x z + 1 = ec1 x = cx ,
= (y − 2x) u(x) + (xy − x 2 ) u (x) . z(x) = cx − 1 , c ∈ R.
∂P ∂Q
Aus ∂y = ∂x folgt Rücksubstitution führt auf die allgemeine Lösung
ein Fundamentalsystem und die allgemeine homogene Lö- Aufgabe 3.17 •• Die Funktionen
sung hat die Form
y1 (x) = cos x , y2 (x) = sin x
yh (x) = c1 y1 (x) + c2 y2 (x) .
bilden ein Fundamentalsystem für die gegebene homogene
Die Partikulärlösung bestimmen wir durch Variation der Differenzialgleichung. Die allgemeine Lösung ist
Konstanten:
y(x) = c1 y1 (x) + c2 y2 (x) , c1 , c2 ∈ R .
yp (x) = c1 (x)y1 (x) + c2 (x)y2 (x) , c1 , c2 ∈ R .
Wir bestimmen c1 und c2 durch Einsetzen der Lösung in die
Da wir nur an einer speziellen Lösung interessiert sind, kön- Randbedingungen:
nen wir zusätzliche Voraussetzungen an c1 (x) und c2 (x) fest-
legen, etwa 0 = c1 cos 0 + c2 sin 0 = c1 .
0 = c1 cos π + c2 sin π = −c1 ,
c1 (x)y1 (x) + c2 (x)y2 (x) = 0 .
also c1 = 0, c2 ∈ R beliebig und die Lösungen haben die
Wenn wir diesen Ansatz für yp (x) in die Gleichung einsetzen,
Gestalt
erhalten wir
y(x) = c2 sin x, c2 ∈ R .
1 = yp (x) − yp (x) = c1 (x)y1 (x) + c2 (x)y2 (x) .
Aufgabe 3.18 ••
Das ist ein lineares Gleichungssystem für c1 , c2 :
a) Es gilt: f (t) = a cosh(at) und f (0) = sinh 0 = 0.
ex c1 (x) + e−x c2 (x) = 0 ,
ex c1 (x) − e−x c2 (x) = 1 . L[f (t)] = L[a cosh(at)] = s L[sinh(at)] − 0
a as
=s = 2
Daraus folgt s 2 − a2 s − a2
c1 (x) =
1 −x
e ,
1
c2 (x) = − ex , b) Es gilt: f (t) = 3t 2 und f (0) = 03 = 0.
2 2
L[f (t)] = L[3t 2 ] = s L[t 3 ] − 0
und durch Integration
6 6
1 1 =s = 3
c1 (x) = − e−x , c2 (x) = − ex s4 s
2 2
also ist Aufgabe 3.19 ••• Es gilt: f (0) = sin 0 = 0, f (t) =
ω cos(ωt) und daher f (0) = ω. Aus
yp (x) = c1 (x)y1 (x) + c2 (x)y2 (x) ,
L[f (t)] = L[−ω2 f (t)] = −ω2 L[f (t)] = −ω2 F (s)
1 1
= − e−x ex − ex e−x = −1 ,
2 2 L[f (t)] = s 2 F (s) − s · 0 − ω
eine Partikulärlösung. (Man könnte auch sofort sehen, dass folgt durch Gleichsetzen
yp (x) = −1 die Gleichung yp − yp = 1 erfüllt.)
s 2 F (s) − ω = −ω2 F (s)
Kommen wir nun zur Lösung des Randwertproblems: oder
ω
x
y(x) = c1 e + c2 e −x
−1 F (s) = = L[sin(ωt)] .
s2 + ω2
ist die allgemeine Lösung. Einsetzen der Randbedingungen
führt auf Aufgabe 3.20 ••• Wir machen einen Separationsansatz
u(x, t) = w(t)v(x) und differenzieren
y(0) = c1 + c2 − 1 = 0 ,
utt (x, t) = w (t) v(x) ,
y (0) = c1 − c2 = 0.
uxx (x, t) = w(t) v (x) ,
Wir lösen dieses Gleichungssystem und erhalten w (x) v(x) = w(t) v (x) ,
1 1 w v
c1 = , c2 = . = = λ.
2 2 w v
Die Lösung des Randwertproblems ist daher Das führt auf ein Sturm-Liouville Eigenwertproblem
v = λv mit der Lösung
ex + e−x − 2
y(x) = . √ √
2 v(x) = c1 exp( λ x) + c2 exp(− λ x) .
22 Lösungswege zu Kapitel 3
y = Ay
Aufgaben mit
0 −1
A= , a ∈ R.
a−1 a
Verständnisfragen
Geben Sie für a = −1 und a = 3 jeweils ein Fundamental-
Aufgabe 4.1 • Gegeben sei das Anfangswertproblem system an und zeichnen Sie die Phasenporträts.
mit dem Parameter ε ∈ R
Aufgabe 4.7 •• Gegeben ist das System von Differen-
y = −y + sin(εy) , y(0) = a ∈ R .
zialgleichungen
Es sei y(t, a, ε) die Lösung dieses Anfangswertproblems.
y1 = −y1 y2
Begründen Sie, warum y(t, a, ε) differenzierbar von ε ab-
hängt. y2 = (2y1 − 1) y2 (y1 , y2 ) ∈ R2 .
Aufgabe 4.2 • Bestimmen Sie allgemeine reelle Lö- a) Bestimmen Sie alle Gleichgewichtspunkte.
sungen der folgenden Differenzialgleichungen. Wie verhal- b) Zeigen Sie, dass die y1 - und y2 -Achse invariant sind.
ten sich die Lösungen für t → ∞ ? Welche Lösungen bleiben c) Zeichnen Sie das Phasenporträt.
für t → ∞ beschränkt? Aufgabe 4.8 •• Gegeben ist die Differenzialgleichung
a) y (4) − y
=0
y = −y 2 sin t .
b) y (4) − y = 0 , y(1) = y (1) = 1 , y (1) = y (1) = 0
c) y + y = 0 a) Skizzieren Sie das Richtungsfeld.
d) y (4) + 4y + 4y = 0 b) Lösen Sie das Anfangswertproblem y(0) = y0 , y0 ∈ R.
c) Untersuchen Sie in Abhängigkeit von y0 ∈ R für welche
Rechenaufgaben t ≥ 0 die Lösung existiert.
d) Ist die Lösung y(t) = 0 für t ≥ 0 stabil oder asympto-
Aufgabe 4.3 •• Betrachten Sie das Differenzialglei- tisch stabil?
chungssystem
Aufgabe 4.9 • Gegeben ist die Differenzialgleichung
y1 = − y1 − 2y2 + y12 y22 ⎛ ⎞
1 −1 −2 0
y2 = y1 − y2 − y13 y2 . y = Ay , A = ⎝ 2 −1 0 ⎠ .
2
0 0 3
Konstruieren Sie eine Ljapunov-Funktion V von der Form
V (y1 , y2 ) = ay12 + by22 mit geeigneten a, b ∈ R. Was kön- Untersuchen Sie, ob der Gleichgewichtspunkt ȳ = 0 stabil
nen Sie über die Stabilität des Gleichgewichtspunktes (0, 0) ist.
aussagen?
Aufgabe 4.10 •Gegeben ist die Differenzialgleichung
Aufgabe 4.4 • Gegeben ist das nichtlineare Differen-
zialgleichungssystem 0 1
y = Ay , A = .
−2 −1
−y1 − 3y22
y (t) = , y(t0 = 0) = y 0 . Zeigen Sie, dass die Funktion
y1 y2 − y23
1 2 1 7 1
Zeigen Sie, dass V (y) = +
2 (y1 y22 )
eine Ljapunov- V (y) = y P y ,T
P =
4 1 3
Funktion ist und schließen Sie daraus auf die Stabilitätsei-
genschaften des Gleichgewichtspunktes ȳ = 0 ∈ R2 . eine Ljapunov-Funktion ist. Prüfen Sie mit ihrer Hilfe die
Stabilitätseigenschaften der Nulllösung ȳ = 0.
Aufgabe 4.5 • Überprüfen Sie, dass V (y) = 21 (y12+y22 )
eine Ljapunov-Funktion des Differenzialgleichungssystems Aufgabe 4.11 • Skizzieren Sie für die skalare Diffe-
renzialgleichung
y1 −y1 + y22
y = = f (y) = y = y − sin t
y2 −y23 − y1 y2
die Isoklinen und das Richtungsfeld. Zeichnen Sie außerdem
ist und zeigen Sie, dass der Ursprung 0 ∈ R2 ein stabiler die Lösungskurven durch ( π2 , 1) bzw. ( π2 , −1). Welche Aus-
Gleichgewichtspunkt des Systems ist. Welche Aussage lässt sagen hinsichtlich Beschränktheit der beiden Lösungskurven
sich mittels Linearisierung treffen? für t ≥ π2 bzw. t ≤ π2 lassen sich analytisch begründen?
M. Brokate et al., Arbeitsbuch Grundwissen Mathematikstudium – Höhere Analysis, Numerik und
Stochastik, DOI 10.1007/978-3-642-54946-5_3, © Springer-Verlag Berlin Heidelberg 2016
Hinweise zu Kapitel 4 25
Aufgabe 4.12 •• Untersuchen Sie die Stabilität bzw. Aufgabe 4.17 ••• Beweisen Sie die folgende allgemeine
asymptotische Stabilität des Gleichgewichtspunktes ȳ = 0 Version des Lemmas von Gronwall:
der folgenden Differenzialgleichungen. Geben Sie jeweils
Seien u und δ , L : I = [t0 , t1 ] → [0, ∞] stetige Funktionen.
auch die an ȳ = 0 linearisierte Differenzialgleichung an.
Falls
a) y = y sin t
t
b) y = sin y u(t) ≤ δ(t) + L(x)u(x) dx , ∀t ∈ I ,
t0
c) y = − sin y
d) y = −t sin y dann gilt
t
e) y = −y 2 sin t t
L(v) dv
u(t) ≤ δ(t) + δ(x)L(x)e x dx , ∀t ∈ I .
t0
Aufgabe 4.13 •• Betrachten Sie das ebene System
y1 = −y2 + ay1 (y12 + y22 ) , Aufgabe 4.18 • Betrachten Sie die skalare autonome
Differenzialgleichung y = f (y), wobei f ∈ C 1 (R, R) mit
y2 = y1 + ay2 (y12 + y22 ) , a ∈ R. f (0) = f (1) = 0 und f (y) > 0 für y ∈ (0, 1) . Geben Sie
Zeigen Sie: den ω-Limes ω(y0 ) für y0 ∈ [0, 1] an.
Rechenaufgaben Beweise
Aufgabe 4.3 •• Die Ljapunov-Funktion ist V =
1 2 Aufgabe 4.16 •• –
2 (y1 + y2 ) . Der Gleichgewichtspunkt (0, 0) ist asympto-
2
tisch stabil.
Aufgabe 4.17 ••• –
Aufgabe 4.4 • Der Gleichgewichtspunkt ȳ = 0 ist
Aufgabe 4.18 • ω(0) = 0 und ω(y0 ) = 1 für y0 ∈ (0, 1]
asymptotisch stabil.
mit den Lösungen λ1,2 = 0 , λ3 = 1 und λ4 = −1 . Die Aufgabe 4.4 • Es gilt V (ȳ) = 0 und V (y) > 0 für
allgemeine Lösung dieser homogenen Differenzialglei- y = ȳ . Des Weiteren gilt
chung ist daher
V (y(t)) = grad V (y) · y (t)
y(t) = c1 + c2 t + c3 et + c4 e−1 mit c1 , c2 , c3 , c4 ∈ R . y1 −y1 − 3y22
= · = −(y1 + y22 )2 < 0 ,
y2 y1 y2 − y23
Die Lösung ist beschränkt für t → ∞, falls c2 = c3 = 0 .
für y = ȳ. Folglich ist ȳ = 0 asymptotisch stabil.
b) Die allgemeine Lösung dieser Differenzialgleichung ist
Aufgabe 4.5 • Der Ursprung 0 ∈ R2 ist ein Gleichge-
y(t) = c1 + c2 t + c3 et + c4 e−1 mit c1 , c2 , c3 , c4 ∈ R . wichtspunkt des Systems. Die Funktion V ist eine Ljapunov-
Funktion, denn es ergibt sich mit der Kettenregel
Aus den gegebenen Anfangsbedingungen y(1) =
y (1) = 1 und y (1) = y (y) = 0 folgt c1 = c3 = V (y(t)) = grad V (y) · y = −y12 − y24 < 0 ,
c4 = 0 , c2 = 1. Die Lösung y(t) = t ist unbeschränkt. für y = 0 . Des Weiteren gilt V (y) > 0 für y ∈ R2 \ {0} und
c) Der Ansatz y(t) = eλt führt auf die charakteristische V (0) = 0. Daher ist 0 ein striktes lokales Minimum von V
Gleichung und der Ursprung ist asymptotisch stabil.
p(λ) = λ3 + 1 = 0 Die Linearisierung liefert in diesem Fall keine Aussage, da
√
mit den Lösungen λ1 = −1 und λ2,3 = 21 (1 ± i 3) . die Jacobi-Matrix
Die allgemeine Lösung dieser homogenen Differenzial- −1 0
J =
gleichung ist daher y =0
0 0
√ √ der Funktion f an 0 den Eigenwert λ = 0 hat.
−t t 3 t 3
y(t) = c1 e + c2 e 2 cos t + c3 e 2 sin t
2 2 Aufgabe 4.6 • Wir berechnen jeweils die Eigenwerte
λ1 , λ2 und die Eigenvektoren v 1 ,v 2 von A. Dann bilden
mit c1 , c2 , c3 ∈ R . Die Lösung ist beschränkt für t → ∞,
y 1 (t) = v1 eλ1 t und y 2 (t) = v2 eλ2 t ein Fundamentalsystem.
falls c2 = c3 = 0 .
d) Der Ansatz y(t) = eλt führt auf die charakteristische a = −1
Gleichung Die Eigenwerte sind die Nullstellen des charakteristischen
Polynoms
p(λ) = λ4 + 4λ2 + 4 = 0 p(λ) = det(A − λ I2×2 ) = λ2 + λ − 2 = (λ + 2)(λ − 1)
√ √
mit den Lösungen λ1,2 = i 2 und λ3,4 = −i 2 . Die und wir berechnen λ1 = 1 und λ2 = −2. Für die Eigen-
allgemeine Lösung dieser homogenen Differenzialglei- vektoren gilt
chung ist daher Av i = λi v i i = 1, 2 ,
√ √ √ und wir erhalten v 1 = [1, −1]T und v 2 = [1, 2]T . Daher
y(t) = c1 sin( 2t) + c2 t sin( 2t) + c3 cos( 2t)
√ bilden
t
+ c4 t cos( 2t) e e−2t
y 1 (t) = und y 2 (t) =
−et 2 e−2t
mit c1 , c2 , c3 , c4 ∈ R .
ein Fundamentalsystem. Da die beiden Eigenwerte un-
Die Lösung ist beschränkt für t → ∞, falls c2 = c4 = 0 .
terschiedliche Vorzeichen haben, ist der Gleichgewichts-
punkt ȳ = 0 für a = −1 ein Sattelpunkt.
Rechenaufgaben y2
V (y1 , y2 ) =
= grad V · y = (2ay1 , 2by2 )T · (y1 , y2 )T
1
= 2a − y12 − 2y1 y2 + y13 y22 + 2b y1 y2 − y22 − y13 y22
2 y1
2
1 1 2
= − y1 + y2 + y2 < 0, falls (y1 , y2 ) = (0, 0) .
2 4
a=3 y2
Die Eigenwerte sind die Nullstellen des charakteristischen
Polynoms
y1
Aufgabe 4.7 ••
a) Es gilt y = 0 genau dann, wenn y2 = 0 und y1
beliebig. Damit erhalten wir die Gleichgewichtspunkte b) Wir lösen die Differenzialgleichung mittels Separation
y a = [a, 0]T mit a ∈ R. der Variablen
b) Aus y1 = 0 folgt y1 = 0 und aus y2 = 0 folgt y2 = 0 , dy
= −y 2 sin t ,
daher sind die beiden Achsen invariant.
dt
1
c) Wir betrachten dy = − sin t dt ,
y2
y2 dy2 1 1
= = −2 + − = cos t + c , c ∈ R ,
y1 dy1 y1 y
1
y(t) = ,
und lösen diese Differenzialgleichung durch Separation − cos t − c
der Variablen. 1
Anfangswert: y0 = y(0) = ,
−1 − c
1
dy2 = −2 + dy1 , 1 + y0
y1 ⇐⇒ c = − ,
y0
y2 = −2y1 + ln |y1 | + c , c ∈ R. 1
Lösung: y(t) = .
− cos t + 1+yy0
0
Das Phasenporträt ist durch diese Kurven bestimmt.
Lösungswege zu Kapitel 4 29
c) Für t = arccos 1+y
y0
0
existiert y(t) nicht. Die Lösung der zugehörigen homogenen Differenzialglei-
d) Die Lösung y = 0 ist nicht asymptotisch stabil, denn chung ist y(t) = c et , c ∈ R. Mit dem Ansatz yp (t) = c(t)et
1 erhalten wir eine Partikulärlösung yp (t) = 21 (cos t + sin t)
lim |y(t)| = lim | 1+y0
| = 0 . und die allgemeine Lösung der inhomogenen Differenzial-
t→∞ t→∞ − cos t + y0 gleichung ist
Die Lösung y = 0 ist aber stabil, denn für jedes ε > 0 1
existiert ein δ > 0 sodass y(t) = (cos t + sin t) + c et , c ∈ R.
2
1 1 In der Abbildung sind die Lösungen zu den Anfangsbedin-
≤ = |y0 | < ε .
1+y0 1 gungen y( π2 ) = 1 und y( π2 ) = −1 , also
− cos t + y | − 1 + y0 + 1|
0
Wähle δ = ε . 1 π
y(t) = (cos t + sin t + e− 2 +t ) und
2
Aufgabe 4.9 • Wir berechnen die Eigenwerte der Ma- 1 π
y(t) = (cos t + sin t + −3e− 2 +t )
trix A mithilfe des charakteristischen Polynoms 2
p(λ) = (3 − λ)((−1 − λ)2 + 4) = (3 − λ)(λ2 + 2λ + 5) gezeichnet.
und erhalten
y (t)
λ1 = −3 ,
λ2 = −1 + 2i ,
λ3 = −1 − 2i .
Die Realteile der Eigenwerte sind alle negativ, der Gleichge-
wichtspunkt ȳ = 0 ist daher stabil.
b) Bei skalaren autonomen Differenzialgleichungen stabil, aber nicht asymptotisch stabil (siehe Aufgabe 4.6).
y = f (y) kann die asymptotische Stabilität des Gleich- Die Linearisierung dieser Differenzialgleichung ist
gewichtspunktes ȳ durch das Vorzeichen der Funktion f
y = −2t sin(t)y|t=0 = 0 .
bestimmt werden.
Der Gleichgewichtspunkt ȳ ist asymptotisch stabil, wenn Aufgabe 4.13 ••
in einem Intervall (ȳ − δ, ȳ + δ) f (y) > 0 für y < ȳ und
f (y) < 0 für y > ȳ gilt. Der Gleichgewichtspunkt ȳ ist a) Wir berechnen die Linearisierung y = J y am Ur-
y =0
instabil, wenn in einem Intervall (ȳ − δ, ȳ + δ) f (y) < 0 sprung (0, 0) , es ist
für y < ȳ oder f (y) > 0 für y > ȳ gilt.
−y2 + ay1 (y12 + y22 )
f (y1 , y2 ) = ,
Hier ist der Gleichgewichtspunkt ȳ = 0 instabil, da für y1 + ay2 (y12 + y22 )
0 < δ < π2 gilt f (−δ) < 0 und f (δ) > 0 . 3ay12 + ay22 −1 + 2ay1 y
Die zugehörige linearisierte Differenzialgleichung ist J = ,
y =0 1 + 2ay1 y2 ay12 + 3ay22
df 0 −1
y = (0) y = y cos 0 = y , y =
1 0
y.
dy
woraus ebenfalls die Instabilität von ȳ folgt. Die Eigenwerte der Jacobi-Matrix J von f an (0, 0) sind
c) Hier gilt f (−δ) > 0 und f (δ) < 0, und es folgt die asym- λ = ±i , daher ist ȳ = 0 ein Zentrum für die Linearisie-
ptotische Stabilität von ȳ. Die am Gleichgewichtspunkt rung.
linearisierte Differenzialgleichung ist b) Wir transformieren die Differenzialgleichung auf Polar-
koordinaten
y = − cos(0)y = −y , T:
r
→
r cos φ
.
φ r sin φ
daher ist ȳ asymptotisch stabil. Es gilt
d) Hier kann die Lösung der Differenzialgleichung mittels
Separation der Variablen berechnet werden y1 = r cos φ − r sin φ φ ,
y2 = r sin φ + r cos φ φ ,
1
dy = −t dt , und nach Einsetzen in die Differenzialgleichung erhalten
sin y
wir
y 1 t2
mit u = tan du = − +c, c∈R r cos φ − r sin φ φ = −r sin φ + ar 3 cos φ ,
2 u 2
y t2 r sin φ + r cos φ φ = r cos φ + ar 3 sin φ .
ln tan = − +c,
2 2
Es gilt r = ar 3 und φ = 1 , woraus folgt, dass
y t2
tan = c e− 2 , limt→∞ r(t) = 0 für a < 0 und limt→∞ r(t) = ∞
2 für a > 0 . Daher liegt für a < 0 eine stabile und für
t2
y(t) = 2 arctan c e− 2 , c ∈ R. a > 0 eine instabile Spirale vor.
c) In den folgenden Abbildungen sind die Phasenporträts
Der Gleichgewichtspunkt ȳ = 0 ist stabil und asympto- für a < 0, a = 0, und a > 0 gezeichnet.
tisch stabil, denn es gilt für ε > 0 y2
y(0) − t 2
|y(t)| = 2 arctan tan e
2
2
y(0) − t 2
≤ 2 tan e 2
2
y(0)
≤ 2 tan
2
ε
≤ ε ⇐⇒ y0 < 2 arctan =: δ
2 y1
0
und limt→∞ y(t) = 0.
Die zugehörige linearisierte Differenzialgleichung ist
y2 Aufgabe 4.15 ••
a) Bestimmung aller Gleichgewichtspunkte
(y1 = 0 ∧ 3 − y1 − 2y2 = 0) ∨ (y2 = 0 ∧ 2 − y1 − y2 = 0)
ȳ 0 = (0, 0)
ȳ 1 = (1, 1)
ȳ 2 = (0, 2)
ȳ 3 = (3, 0)
0 y1
b) Wir betrachten die Eigenwerte der Jacobi-Matrix an den
Gleichgewichtspunkten,
3 − 2y1 − 2y2 −2y1
J = ,
−y2 2 − y1 − 2y2
3 0
J = y 0 ist ein instabiler Knoten.
y =y 0
0 2
−1 −2 √
y2 J = Eigenwerte − 1 ± 2 ,
y =y
−1 −1
1
1
Aufgabe 4.14 ••
a) Wir bestimmen die Eigenwerte der Matrix A(t) über das
charakteristische Polynom
det(A − λI ) = 1 2 3
y1
3 2 3 2
−1 + cos t − λ −1 + sin t − λ
2 2
3 3 Beweise
− 1 − sin t cos t −1 − sin t cos t
2 2
Aufgabe 4.16 •• Sei zn ∈ ω(y 0 ) und limn→∞ zn = z .
λ 1
= λ2 + + = 0 Es ist zu zeigen, dass auch z ∈ ω(y 0 ). Sei zn1 mit zn1 −z <
2 2 1 1
√ 2 . Da zn1 ∈ ω(y 0 ) existiert ein t1 sodass y(t1 )−zn1 < 2 .
und erhalten Mithilfe der Dreiecksungleichung folgt
−1 ± i 7
λ1,2 = . 1 1
4 y(t1 ) − z < y(t1 ) − zn1 + zn1 − z < + = 1 .
Die Eigenwerte der Matrix A(t) haben negative Realteile. 2 2
b) Wir überprüfen, ob y(t) die Differenzialgleichung erfüllt Sei jetzt zn2 mit zn2 − z < 41 und da zn2 ∈ ω(y 0 ) exi-
t t
e 2 sin t − 21 e 2 cos t stiert ein t2 > t1 , sodass y(t2 ) − zn2 < 41 . Mithilfe der
y (t) = t t ,
e 2 cos t + 21 e 2 sin t Dreiecksungleichung folgt wieder
t t
1 1 1
− 21 e 2 cos t + e 2 sin t y(t2 ) − z < y(t2 ) − zn2 + zn2 − z < + = .
A(t)y(t) = t t . 4 4 2
e 2 cos t + 21 e 2 sin t 1
Für tn bekommen wir y(tn ) − z < 2n , sodass
c) y(t) beschreibt eine instabile Spirale. limtn →∞ y(tn ) − z = 0 folgt und daher z ∈ ω(y 0 ) .
32 Lösungswege zu Kapitel 4
Aufgabe 4.17 ••• Falls L(t) = 0, ist die Aussage Daraus folgt
des Satzes trivial erfüllt. Daher nehmen wir im Folgenden
t t
L(t) = 0 an. L(x)u(x) dx = y(t) ≤ L(x)δ(x) e−B(x)+B(t) dx
t t0 t0
Wir setzen y(t) := t0 L(x)u(x) dx . Die Funktion y ist stetig
differenzierbar und es gilt und durch Ableitung
t
t
− tt L(v)dv
y (t) = L(t)u(t) ≤ L(t) δ(t) + L(x)u(x) dx L(t)u(t) ≤ L(t)δ(t) + L(x)δ(x)L(t)e 0 dx ,
t0 t0
= Lδ + Ly .
woraus schließlich
t
− L(x) dx
t
Wir setzen z(t) := y(t)e t0 und verwenden die Ab- − tt L(v)dv
t u(t) ≤ δ(t) + L(x)δ(x)e 0 dx
kürzung B(t) := t0 L(x) dx . Für die Ableitung gilt t0
Stellen Sie fest, für welche a, b ∈ R die Funktion u Realteil Aufgabe 5.19 •• Sei f : C → C holomorph, es gelte
einer holomorphen Funktion f : C → C ist, und bestimmen
Sie alle solchen Funktionen f . max |f (z)| ≤ Cr m
|z|=r
für alle r > 0 mit festen C > 0 und m ∈ N. Zeigen Sie: f (a) Zeigen Sie: Ist ψ − ϕ hinreichend klein, so gilt
ist ein Polynom vom Grad kleiner oder gleich m. ∂S f (z) dz = 0.
(b) Zeigen Sie, dass ∂S f (z) dz = 0 auch ohne Einschrän-
Aufgabe 5.20 •• Zeigen Sie, dass für die Laplace- kung an ϕ und ψ gilt, und beweisen Sie damit den Integralsatz
Transformation L auf {s : Re s > α} gilt von Cauchy für Kreisringe auf Seite 132.
(L(f ))(s) = s(Lf )(s) − f (0) ,
Aufgabe 5.30 •• Sei γ ein geschlossener Weg in C und
falls f : [0, ∞) → C stetig differenzierbar ist und sowohl c ein nicht auf γ liegender Punkt.
|f (t)| als auch |f (t)| für alle t ≥ 0 durch Ceαt für geeignete (a) Zeigen Sie: Ist
C > 0 und α ∈ R beschränkt sind.
G(t) = (γ (t) − c) e−g(t) ) ,
Aufgabe 5.21 •• Beweisen Sie den Fundamentalsatz wobei
der Algebra:
t γ (τ )
g(t) = dτ ,
(a) Jedes nichtkonstante Polynom p : C → C hat eine Null- a γ (τ ) − c
stelle. so ist G konstant.
(b) Jedes Polynom p : C → C vom Grad n ≥ 1 lässt (b) Schließen Sie daraus, dass
sich in n Linearfaktoren zerlegen, das heißt, es gilt p(z) =
a(z − c1 ) · · · (z − cn ) für geeignete komplexe Zahlen 1
exp dz = 1 .
a, c1 , . . . , cn . γ z−c
der Kreissektor zum Winkelbereich (ϕ, ψ). Aufgabe 5.10 • Definition des Wegintegrals.
Lösungen zu Kapitel 5 35
Aufgabe 5.11 • Partialbruchzerlegung und geometri- Aufgabe 5.29 •• (a) Integralsatz von Cauchy. (b) Zer-
sche Reihe. legung des Sektors in kleine Sektoren und Zusammensetzen
der Integrale.
Aufgabe 5.12 •• Partialbruchzerlegung und geometri-
sche Reihe. Aufgabe 5.30 •• (a) Betrachten Sie die Ableitung von
G. (b) Nutzen Sie aus, dass G(b) = G(a).
Aufgabe 5.13 • Untersuchung der Laurentreihe von f
in c.
Beweisaufgaben
Rechenaufgaben
Aufgabe 5.16 • Erweitern Sie mit 1 − z.
Aufgabe 5.3 • a) Für reelle oder rein imaginäre z.
Aufgabe 5.17 • Euler’sche Formel. b) Für reelle z.
Aufgabe 5.18 •• Der Kreis K liegt in einer Ebene im Aufgabe 5.4 • f (K) ist die senkrechte Gerade gege-
R3 , also gilt a, k = α für alle k auf K mit geeignetem ben durch Re w = 1/2.
a ∈ R3 und α ∈ R. Gewinnen Sie daraus eine Gleichung
für p(K) und zeigen Sie, dass diese eine Gerade oder einen Aufgabe 5.5 • f (H) = C− = C \ {z : z ≤ 0}, die
Kreis darstellt. längs der negativen reellen Achse aufgeschnittene Ebene. f
ist auf H injektiv.
Aufgabe 5.19 •• Verallgemeinerte Integralformel von
Cauchy. Aufgabe 5.6 •• f (Cx ) = C, f (∂ E) = [−1, 1] und
f (Ex ) = C \ [−1, 1]. Auf Ex ist f bijektiv.
Aufgabe 5.20 •• Partielle Integration über [0, R] und
Grenzübergang R → ∞. Aufgabe 5.7 •••
Aufgabe 5.21 •• (a) Kontraposition (= indirekter Be- Aufgabe 5.8 ••• Die einzige solche Funktion ist die
weis) mit dem Satz von Liouville, angewendet auf 1/p. Konstante f = 1.
(b) Entwicklung von p um die Nullstelle nach (a) und Induk-
tion. Aufgabe 5.9 •• Es muss b = −1 sein, a ∈ R ist belie-
big. Die gesuchten Funktionen haben die Form
Aufgabe 5.22 •• Satz von Liouville, angewendet auf
h = exp ◦f . f (x, y) = x 2 + 2axy − y 2 + i(2xy + ay 2 − ax 2 + d)
Aufgabe 5.10 • 1 + 13 i.
Aufgabe 5.24 •• Offenheit und Kriterium für lokale
Biholomorphie.
Aufgabe 5.11 •
Aufgabe 5.25 • Definition einer Polstelle. 1
f (z) = − − 1 − z − z2 − . . .
z
Aufgabe 5.26 •• Satz von Casorati-Weierstraß.
Aufgabe 5.12 ••
Aufgabe 5.27 •• Betrachten Sie die Entwicklung von 1−i 1+i i k
∞
f nahe c. f (z) = + ( ) (z − i)k .
z−i 2i 2
k=0
Aufgabe 5.28 •• Verwenden Sie das Ergebnis der vor-
angehenden Aufgabe. Aufgabe 5.13 • (a) Res (f, 0) = 3. (b) Res (f, 1) = −1/4.
36 Lösungswege zu Kapitel 5
Aufgabe 5.14 •• (a) Res (f, 0) = 1. Variante 3: Für u = Re f und v = Im f gelten u(x, y) = x,
(b) Die Singularitätenmenge von f besteht aus den Punkten v(x, y) = −y, also ∂x u = 1 = −1 = ∂y v. Die
ck = πi+2kπi für k ∈ Z. Es gilt Res (f, ck ) = −1−ck2 )/eck Cauchy-Riemann’schen Differenzialgleichungen sind in kei-
für alle k ∈ Z. nem Punkt erfüllt.
Aufgabe 5.15 •• Das Integral hat den Wert 1/3. Aufgabe 5.2 •• Da E beschränkt ist, ist jedes holomor-
phe f : C → E konstant.
Beweisaufgaben
Aufgabe 5.16 • – Rechenaufgaben
Aufgabe 5.3 • a) Variante 1 (kartesische Koordina-
Aufgabe 5.17 • –
ten): Ist z = x + iy, so ist z2 = x 2 − y 2 + i(xy + yx).
Aufgabe 5.18 •• – Also ist Im z = 0 genau dann, wenn x = 0 oder y = 0.
a) Variante 2 (Polarkoordinaten): Ist z = reiϕ , so ist
Aufgabe 5.19 •• – z2 = r 2 e2iϕ und damit z ∈ R genau dann, wenn ϕ = kπ/2
für ein k ∈ Z.
Aufgabe 5.20 •• –
b) Variante 1: Die Zusatzforderung 0 ≤ z2 = x 2 −y 2 schließt
Aufgabe 5.21 •• – aus, dass y = 0.
b) Variante 2: Es ist z2 ≥ 0 genau dann, wenn ϕ = kπ für
Aufgabe 5.22 •• –
ein k ∈ Z.
Aufgabe 5.23 •• –
Aufgabe 5.4 • Für w ∈ Cx gilt w ∈ f (K) genau dann,
Aufgabe 5.24 •• – wenn 1/w ∈ K gilt, was gleichbedeutend ist mit
1 2 1 1
Aufgabe 5.25 • – 1 = − 1 = −1 · −1
w w w
1 − (w + w)
Aufgabe 5.26 •• – =1+ .
ww
Aufgabe 5.27 •• – Dieses wiederum gilt genau dann, wenn 1 = w + w =
2 Re w.
Aufgabe 5.28 •• –
Aufgabe 5.5 • Für gegebenes w = reiϕ hat die Glei-
Aufgabe 5.29 •• –
chung z2 = −w = rei(ϕ+π) die beiden Lösungen z0 =
√ i(ϕ+π)/2
re und z1 = −z0 . Es gilt z0 ∈ H genau dann,
Aufgabe 5.30 •• –
wenn r = 0 und (ϕ + π )/2 ∈ (0, π ), was gleichbedeutend
ist mit r = 0 und ϕ ∈ (−π, π ), und damit mit w ∈ C− . Für
ϕ = −π gilt z0 ∈ R. Es folgt z1 = −z0 ∈ / H, also ist f auf
Lösungswege H injektiv, und f (H) = C− .
Aufgabe 5.19 •• Als Konsequenz der verallgemeiner- einem Polynom vom Grad n − 1. Nach Induktionsvorausset-
ten Integralformel von Cauchy haben wir die Abschätzung zung lässt sich q schreiben als q(z) = a(z−c1 ) · · · (z−cn−1 ).
Hieraus erhalten wir die Behauptung, indem wir cn = c set-
Mr zen.
|ak | ≤ , Mr = max |f (z)|
rk |z|=r
Aufgabe 5.22 •• Sei h(z) = ef (z) , es gelte |Re f (z)|
für die Koeffizienten ak der Potenzreihenentwicklung
≤ M für alle z ∈ C. Dann gilt
von f im Nullpunkt erhalten. Gemäß Voraussetzung gilt
Mr ≤ Cr m . Es folgt |h(z)| = |eRe f (z)+iIm f (z) | = eRe f (z) ≤ eM ,
|ak | ≤ Cr m−k .
also ist h beschränkt und nach dem Satz von Liouville kon-
stant. Der Wertebereich f (C) von f ist daher in der diskreten
Grenzübergang r → ∞ zeigt, dass ak = 0 gilt für k > m.
Menge {f (0) + 2π ki : k ∈ Z} enthalten. Wäre f nicht kon-
Also ist f ein Polynom, dessen Grad nicht größer als m sein
stant, so wäre f (C) ein Gebiet, ein Widerspruch.
kann.
Aufgabe 5.23 •• Hat f den kompakten Träger K ⊂ G,
Aufgabe 5.20 •• Es gilt
so ist G \ K nichtleer und offen, und es gilt f = 0 auf G \ K.
R t=R
R Nach dem Identitätssatz muss f = 0 auf ganz G gelten.
e−st f (t) dt = e−st f (t) − −se−st f (t) dt
0 t=0 0
R Aufgabe 5.24 •• Da f auf dem Gebiet G nichtkonstant
−sR −st
=e f (R) − f (0) + s e f (t) dt . (5.3) ist, ist f (G) offen (und sogar, was wir nicht benötigen, ein
0 Gebiet). Zu zeigen ist, dass f −1 auf f (G) holomorph ist.
Gemäß Kriterium über lokale Biholomorphie genügt es zu
Aus der Wachstumsbedingung folgt, dass |e−st f (t)| ≤
zeigen, dass f (z) = 0 gilt für alle z ∈ G. Wie in dessen
Ce−(Re s−α)t und damit für Re s > α
Beweis können wir aus der Injektivität von f schließen, dass
∞
−sR jedes z ∈ G eine endliche f (z)-Stelle ist und dass deren
lim e f (R) = 0 = lim −se−st f (t) dt . Ordnung gleich 1 sein muss. Somit folgt f (z) = 0 für alle
R→∞ R→∞ R
z ∈ G.
Grenzübergang in (5.3) ergibt
∞
∞ Aufgabe 5.25 • Wir betrachten die Funktion
e−st f (t) dt = −f (0) + s e−st f (t) dt ,
0 0 h(z) = (z − c)m (f + g)(z) = (z − c)m f (z)+(z − c)m g(z)
das ist die Behauptung. =: f1 (z) + g1 (z) .
Aufgabe 5.21 •• (a) Hat p keine Nullstelle, so ist f = Nach Voraussetzung an f ist f1 holomorph fortsetzbar auf
1/p auf C holomorph. Da p(z) → ∞ gilt für z → ∞, U ∪ {c} mit f1 (c) = 0. Dasselbe gilt auch für h, da g1
gibt es C, R > 0 mit |f (z)| ≤ C für alle |z| ≥ R. Da holomorph ist auf U ∪ {c} und g1 (c) = 0 gilt. Somit ist c ein
außerdem f auf dem Kompaktum {|z| ≤ R} beschränkt ist, m-facher Pol von f + g gemäß Definition.
ist f auf C beschränkt und nach dem Satz von Liouville
konstant. Folglich ist auch p konstant. Aufgabe 5.26 •• Nach dem Satz von Casorati-
(b) Induktion über n. Für n = 1 ist p(z) = az + b mit Weierstraß liegt f (B x ) dicht in C für jede hinreichend
a = 0, also p(z) = a(z − c1 ) mit c1 = −b/a. Für den kleine punktierte Kreisscheibe B x um c. Da z → 1/z die
Induktionsschritt von n − 1 nach n sei c eine Nullstelle von punktierte Ebene Cx biholomorph auf sich abbildet, liegt
p gemäß (a), sei auch (1/f )(B x ) dicht in C für jedes solche B x . Der Punkt
c kann daher weder eine hebbare Singularität noch ein Pol
n von 1/f sein.
p(z) = ak (z − c)k .
k=0 Aufgabe 5.27 •• Ist c ein m-facher Pol von f , so lässt
Wegen p(c) = 0 gilt a0 = 0 und daher sich f in einer hinreichend kleinen Kreisscheibe B x um c
darstellen in der Form
n
∞ −1
p(z) = ak (z − c)k = (z − c)q(z)
f (z) = r(z) + ak (z − c)k , r(z) = ak (z − c)k ,
k=1
k=0 k=−m
mit
n−1 wie wir in (5.103) gesehen haben. Folglich hat f − r in c
q(z) = ak+1 (z − c)k , eine hebbare Singularität. Da r holomorph ist in C \ {c}, ist
k=0 jeder von c verschiedene Pol von f auch ein Pol von f − r.
40 Lösungswege zu Kapitel 5
Aufgabe 5.28 •• Sei P (f ) = {c1 , . . . , cN } die Menge da sich die Wegintegrale über die radialen Teile der Ränder
der Pole von f . Zu jedem cj wählen wir gemäß der vorange- gegenseitig wegheben, siehe Bild 5.3.
henden Aufgabe eine rationale Funktion rj mit P (f − rj ) =
P (f ) \ {cj } und P (rj ) = {cj }. Wir setzen r = N
j =1 rj . An
der Darstellung
S2
f − r = (f − rj ) − rk , 1 ≤ j ≤ N ,
k =j
S1
erkennen wir, dass jedes cj eine hebbare Singularität von S3
f − r ist. Ist g die holomorphe Fortsetzung von f − r auf U , γR γr
so liefert f = r + g die erwünschte Zerlegung.
c
Aufgabe 5.29 •• (a) Ist ψ − ϕ hinreichend klein, so ist
S ein Sterngebiet mit dem Mittelpunkt
R + r i(ψ+ϕ)/2
S4 S5
p=c+ e
2
von S als Bezugspunkt, siehe Bild 5.2.
Hinweise Lösungen
Rechenaufgaben Rechenaufgaben
Aufgabe 6.1 • Prüfen Sie die definierenden Eigen- Aufgabe 6.1 • d ∈ A2 (R4 ), f ∈ L3 (R4 ), g ∈
schaften. 2 4
L (R ), h ist kein Tensor
Aufgabe 6.2 • –
Aufgabe 6.2 •
Aufgabe 6.3 • – f ⊗ g = 2(1,2,2,2,1) − (2,3,1,2,1) − 10(1,2,2,3,1)
+(2,3,1,3,1)
Aufgabe 6.4 •• Nutzen Sie die Eigenschaft f σ =
sgn(σ )f für alternierende Tensoren (siehe Seite 165).
f ⊗ g(x, y, z, u, v) = 2x1 y2 z2 u2 v1 − x2 y3 z1 u2 v1
Aufgabe 6.5 • –
−10x1 y2 z2 u3 v1 + 5x2 y3 z1 u3 v1 .
Aufgabe 6.6 • –
Aufgabe 6.3 • σ = e4 ◦ e3 ◦ e1 ◦ e2
Beweisaufgaben
Aufgabe 6.7 •• – Aufgabe 6.4 ••
#
(−1)l+1 , |I ∩ J | = d
Aufgabe 6.8 •• Betrachten Sie I (aj1 , . . . , ajd ) =
0 sonst.
k j −1
i=1 pi
(−1) ω1 ∧ . . . ∧ dωj ∧ . . . ∧ ωk ,
j =1 Aufgabe 6.5 •
dα1 ∧ dα3 ∧ dα5
wobei 0i=1 pi := 0, und zeigen Sie, dass dies die gesuchte
Produktformel ist. ∂(α1 , α3 , α5 )
= det dx1 ∧ dx2 ∧ dx3
∂(x1 , x2 , x3 )
Aufgabe 6.9 •• Zeigen Sie df ∧ dg = dg ∧ df und
argumentieren Sie anschließend mit der Antikommutativität 1
des Dachprodukts. Aufgabe 6.6 • M ω= 2
Aufgabe 6.13 •• Benutzen Sie den Satz von Stokes. Aufgabe 6.13 •• –
Aufgabe 6.14 •• Benutzen Sie den Satz von Stokes. Aufgabe 6.14 •• –
Lösungswege zu Kapitel 6 43
n
x2 Parametrisierung auf A = (0, π2 ) × (0, 2π ) ein, so wird M
= i
(−1)i−1 dxi +i ∧ . . . ∧ dxn
∧ dx1 ∧ . . . ∧ dx
r2 von α bis auf eine Menge vom Maß null überdeckt. Nach
i=1
dem Satz von Seite 195 gilt dann
n
x2
i
= (−1)i−1 (−1)i−1 dx1 ∧ . . . ∧ dxn
r2 ω
i=1
M
1 2
n
= xi dx1 ∧ . . . ∧ dxn = α∗ ω
r2
A
i=1
= dx1 ∧ . . . ∧ dxn . = (xy ◦ α)α ∗ (dx ∧ dy) + (2x ◦ α)α ∗ (dy ∧ dz)
A
+(2y ◦ α)α ∗ (dx ∧ dz)
Aufgabe 6.8 •• Wir zeigen per vollständiger Induk- ∂α1,2
tion, dass = sin2 ϑ cos ϕ sin ϕ det dϕ ∧ dϑ
A ∂(ϕ, ϑ)
∂α2,3
k j −1
+2 sin ϑ cos ϕ det dϕ ∧ dϑ
i=1 pi
d(ω1 ∧. . .∧ωk ) = (−1) ω1 ∧. . .∧dωj ∧. . .∧ωk ∂(ϕ, ϑ)
j =1 ∂α1,3
+2 sin ϑ sin ϕ det dϕ ∧ dϑ
ist. Die Formel gilt offensichtlich im Fall k = 1, da ∂(ϕ, ϑ)
= sin3 ϑ(cos ϕ sin ϕ cos θ − 2 cos2 ϕ
1 0 A
i=1 pi
dω1 = (−1) dωj = dω1 .
+2 sin2 ϕ)dϕ ∧ dϑ
j =1
π
2π
2
Gelte die Formel nun für ein festes k ∈ N, dann gilt Sie auch = sin3 ϑ 2 sin2 ϕ − 2 cos2 ϕ
0 0
für k + 1, denn − cos ϕ sin ϕ cos ϑ dλ(ϕ, ϑ).
d(ω1 ∧ . . . ∧ ωk ∧ ωk+1 )
= d(ω1 ∧ . . . ∧ ωk ) ∧ ωk+1 Für das innere Integral erhält man
k
i=1 pi
2π
+(−1) (ω1 ∧ . . . ∧ ωk ) ∧ dωk+1
⎛ ⎞ 2 sin2 ϕ − 2 cos2 ϕ − cos ϕ sin ϕ cos ϑ dλ(ϕ)
k j −1
p 0
= ⎝ (−1) i=1 i ω1 ∧ . . . ∧ dωj ∧ . . . ∧ ωk ⎠ . . . = [(ϕ − sin ϕ cos ϕ) − (φ + sin ϕ cos ϕ)
j =1 2π
1 2
k −(− cos ϕ cos ϑ)
i=1 pi 2
∧ωk+1 + (−1) (ω1 ∧ . . . ∧ ωk ) ∧ dωk+1 0
= 0
k+1 j −1
i=1 pi
= (−1) ω1 ∧ . . . ∧ dωj ∧ . . . ∧ ωk+1 . und daher ist
j =1
ω = 0.
M
für i = 1, . . . , d (vgl. Seite 186). Setzt man E = Aufgabe 6.13 •• Betrachtet man die Form ω ∧ η ∈
[e1 , . . . , ed ], B = [b1 , . . . , bd ] und V = [v1 , . . . , vd ], so d+l (M), so gilt
folgt
d(ω ∧ η) = dω ∧ η + (−1)d ω ∧ dη.
ωv (p)((p; v1 ), . . . , (p; vd ))
⎡ ⎤
v1 · b1 . . . v1 · bd Nach Voraussetzung ist ∂M = ∅ und daher folgt mit dem
⎢ .. ⎥
= det ⎣ ... . ⎦
allgemeinen Satz von Stokes
vd · b1 . . . vd · bd
d(ω ∧ η) = dω ∧ η + (−1)d ω ∧ dη
= det(V B) M
M M
= det(V AE) = ω∧η
= det(A) det(V E) ∂M
= 0.
= det(V E)
= ωv (p)((p; v1 ), . . . , (p; vd )), Also ist
also ist ωv unabhängig von der gewählten Basis von Tp (M). dω ∧ η = (−1) d+1
ω ∧ dη
M M
Aufgabe 6.12 •• Sei A ⊆ Rd offen und α : A → Rn
und somit ist die Behauptung mit a = (−1)d+1 gezeigt.
die Karte, die M überdeckt, dann gilt
α ∗ ωv = hdx1 ∧ . . . ∧ dxd ∈ d (U ). Aufgabe 6.14 •• Setzt ω = P dx + Qdy, dann gilt
Für x ∈ U folgt dω = dP ∧ dx + dQ ∧ dy
2 ∗ 2 ∂P ∂P
h(x) = α ωv (x)((x; e1 ), . . . , (x; ed )) = dx + dy ∧ dx
∂x ∂y
= ωv (α(x))(α∗ (x; e1 ), . . . , α∗ (x; ed ))2
2 ∂Q ∂Q
∂α ∂α + dx + dy ∧ dy
= ωv (p) p; , . . . , p; ∂x ∂y
∂x1 ∂xd
⎡ ∂α ⎤2 ∂P ∂Q
∂α = dy ∧ dx + dx ∧ dy
∂x · e1 . . . ∂x1 · ed ∂y ∂x
⎢ 1. .. ⎥
= det ⎢
⎣ .. . ⎦
⎥ ∂Q ∂P
= − dx ∧ dy.
∂α ∂α ∂x ∂y
∂x · e1 . . . ∂xd · ed
⎡ ∂αd ∂α ⎤
∂x1 · ∂x1 . . . ∂x1 · ∂xd
∂α ∂α Mit dem allgemeinen Satz von Stokes folgt nun direkt die
⎢ ⎥ Green’sche Formel, denn
= det ⎢
⎣
..
.
..
.
⎥
⎦
∂α ∂α ∂α ∂α
∂xd · ∂x1 . . . ∂xd · ∂xd P dx + Qdy = d(P dx + Qdy)
= det G ∂M M
∂Q ∂P
= − dx ∧ dy
und somit ist M ∂x ∂y
√
α ∗ ωv = det Gdx1 ∧ . . . ∧ dxd .
Kapitel 7 Aufgabe 7.10 • Es seien (, A, μ) ein Maßraum,
( , A ) ein Messraum und f : → eine (A, A )-
messbare Abbildung. Zeigen Sie: Ist h : → R̄ eine nicht-
Aufgaben negative A -messbare Funktion, so gilt
h dμf = h ◦ f dμ, A ∈ A .
Verständnisfragen A f −1 (A )
Maß?
Aufgabe 7.3 • Es sei G : R → R eine maßdefinie- Aufgabe 7.12 •• Es seien eine überabzählbare
rende Funktion mit zugehörigem Maß μG . Für x ∈ R Menge und A := {A ⊆ | A abzählbar oder Ac abzählbar}
bezeichne G(x−) := limy↑x,y<x G(y) den linksseitigen die σ -Algebra der abzählbaren oder co-abzählbaren Mengen.
Grenzwert von G an der Stelle x. Wegen der Monotonie von Die Maße ν und μ auf A seien durch ν(A) := 0, falls A ab-
G ist dabei limn→∞ G(yn ) nicht von der speziellen Folge zählbar und ν(A) := ∞ sonst sowie μ(A) := |A|, falls A
(yn ) mit yn ≤ yn+1 , n ∈ N, und yn → x abhängig, was endlich und μ(A) := ∞ sonst definiert. Zeigen Sie:
die verwendete Kurzschreibweise rechtfertigt. Zeigen Sie:
a) ν # μ.
Es gilt
G(x) − G(x−) = μG ({x}) , x ∈ R . b) ν besitzt keine Dichte bezüglich μ.
c) Warum steht dieses Ergebnis nicht im Widerspruch zum
Aufgabe 7.4 • Zeigen Sie: Jede monotone Funktion Satz von Radon-Nikodym?
f : R → R ist Borel-messbar.
Aufgabe 7.13 •• Es seien (, A) ein Messraum und
Aufgabe 7.5 • Es seien (, A) ein Messraum und μ, ν Maße auf A. Weisen Sie in Teil a) – c) ν # μ nach. Ge-
f : → R̄ eine numerische Funktion. Zeigen Sie, dass aus ben Sie jeweils eine Radon–Nikodym-Dichte f von ν bzgl.
der Messbarkeit von |f | im Allgemeinen nicht die Messbar- μ an.
keit von f folgt.
a) (, A) beliebig, μ ein beliebiges Maß auf A, A0 ∈ A
Aufgabe 7.6 • Zeigen Sie, dass das System Ī := fest, ν(A) := μ(A ∩ A0 ), A ∈ A.
{[−∞, c]| | c ∈ R} einen Erzeuger der σ -Algebra B̄ über b) (, A) := (N, P (N)), P und Q beliebige Wahrschein-
R̄ bildet. lichkeitsmaße auf P (N), μ := P + Q, ν := P .
c) (, A) beliebig, λ ein σ -endliches Maß auf A, P und
Aufgabe 7.7 • Es sei μ ein Inhalt auf einer σ -Algebra Q Wahrscheinlichkeitsmaße auf A mit Dichten f bzw. g
A ⊆ P (). Zeigen Sie: Ist μ stetig von unten, so ist μ σ - bzgl. λ (P = f λ, Q = gλ), μ := P + Q, ν := P .
additiv und somit ein Maß.
Aufgabe 7.17 •• Es seien (, A, μ) := (R>0 , B ∩ Aufgabe 7.26 •• Es seien := (0, 1] und H der Halb-
R>0 , λ1 |R>0 ) und p ∈ (0, ∞). Zeigen Sie: Es existiert ring aller halboffenen Intervalle der Form (a, b] mit 0 ≤ a ≤
eine Funktion f ∈ Lp (, A, μ) mit der Eigenschaft f ∈/ b ≤ 1. Für (a, b] ∈ H sei μ((a, b]) := b − a gesetzt, falls
Lq (, A, μ) für jedes q ∈ (0, ∞) mit q = p. 0 < a; weiter ist μ((0, b]) := ∞, 0 < b ≤ 1. Zeigen Sie: μ
ist ein Inhalt, aber kein Prämaß.
Aufgabe 7.18 • Die Funktion f : R2 → R sei durch
⎧ Aufgabe 7.27 •• Zeigen Sie: Die im Lemma von Cara-
⎨ 1, falls x ≥ 0, x ≤ y < x + 1, théodory auf Seite 222 auftretende σ -Algebra
f (x, y) := −1, falls x ≥ 0, x + 1 ≤ y < x + 2,
⎩
0 sonst, A(μ∗ )
Aufgabe 7.33 •• Es sei (, A, μ) ein Maßraum. Aufgabe 7.41 •• Es seien (, A, μ) ein Maßraum und
f , g messbare numerische Funktionen auf . Zeigen Sie:
a) Zeigen Sie: μ ist genau dann σ -endlich, wenn eine Zer-
legung von in abzählbar viele messbare Teilmengen a) f · g1 ≤ f 1 · g∞ .
endlichen μ-Maßes existiert.
b) Falls μ() < ∞, so gilt
b) Es sei nun μ σ -endlich, und es gelte μ() = ∞. Zeigen
Sie, dass es zu jedem K mit 0 < K < ∞ eine Menge f q ≤ f p · μ()1/q−1/p (1 ≤ q < p ≤ ∞).
A ∈ A mit K < μ(A) < ∞ gibt.
(Konsequenz: Lp ⊆ Lq .)
Aufgabe 7.34 •• Es sei (, A, μ) ein Maßraum. Zei-
gen Sie die Äquivalenz der folgenden Aussagen: Aufgabe 7.42 •• Es seien (, A, μ) ein Maßraum und
a) μ ist σ -endlich, (fn )n≥1 eine Folge nichtnegativer messbarer numerischer
b) Es existiert eine Borel-messbare Abbildung h: → R Funktionen auf . Zeigen Sie: Für jedes p ∈ [1, ∞] gilt
/∞ /
mit h(ω) > 0 für jedes ω ∈ und h dμ < ∞. / / ∞
/ /
/ fn / ≤ fn p .
Aufgabe 7.35 •• Für eine reelle Zahl κ = 0 sei / /
n=1 p n=1
Hκ : Rk → Rk die durch Hκ (x) := κ ·x, x ∈ Rk , definierte
zentrische Streckung. Zeigen Sie: Für das Bildmaß von λk Aufgabe 7.43 •• Es seien (, A, μ) ein Maßraum und
unter Hκ gilt p ∈ (0, ∞]. (fn )n≥1 sei eine Funktionenfolge aus Lp mit
1 limn→∞ fn = f μ-f.ü. für eine reelle messbare Funktion f
Hκ (λk ) = · λk .
|κ|k auf . Es existiere eine messbare numerische Funktion g ≥ 0
Aufgabe 7.36 •• Es seien a1 , . . . , ak > 0 und E das auf mit g p dμ < ∞ und |fn | ≤ g μ-f.ü. für jedes n ≥ 1.
Ellipsoid E := {x ∈ Rk | x12 /a12 + . . . + xk2 /ak2 < 1}. Zeigen Zeigen Sie:
Sie: Es gilt E ∈ Bk , und es ist a) |f |p dμ < ∞.
Lp
λk (E) = a1 · . . . · ak · λk (B), b) limn→∞ |fn − f |p dμ = 0 (d.h. fn → f ).
wobei B := {x ∈ Rk | x < 1} die Einheitskugel im Rk Aufgabe 7.44 •• Es seien (, A, μ) ein Maßraum so-
bezeichnet. wie 0 < p < ∞. Zeigen Sie: Die Menge
Aufgabe 7.38 •• Es seien (, A, μ) ein Maßraum und Aufgabe 7.45 ••• Für A ⊆ N sei dn (A) := n−1 |A ∩
f : → N0 ∪ {∞} eine messbare Abbildung. Zeigen Sie: {1, . . . , n}| sowie
∞
f dμ = μ (f ≥ n) . C := {A ⊆ N | d(A) := lim dn (A) existiert} .
n→∞
n=1
Die Größe d(A) heißt Dichte von A. Zeigen Sie:
Aufgabe 7.39 •• Es seien (, A, μ) ein Maßraum und
f : → R̄ eine nichtnegative messbare numerische Funk- a) Die Mengenfunktion d : C → [0, 1] ist endlich-additiv,
tion. Zeigen Sie: aber nicht σ -additiv.
b) C ist nicht ∩-stabil.
f
lim n log 1 + dμ = f dμ . c) Ist C ein Dynkin-System?
n→∞ n
Aufgabe 7.46 ••• Es seien Ok , Ak und Kk die Systeme
Aufgabe 7.40 •• Es seien (, A, μ) ein endlicher der offenen bzw. abgeschlossenen bzw. kompakten Teilmen-
Maßraum und (fn )n≥1 eine Folge μ-integrierbarer reeller gen des Rk . Beweisen Sie folgende Regularitätseigenschaft
Funktionen auf mit f := limn→∞ fn gleichmäßig auf . eines endlichen Maßes μ auf Bk :
Zeigen Sie:
a) Zu jedem B ∈ Bk und zu jedem ε > 0 gibt es ein O ∈ Ok
und ein A ∈ Ak mit der Eigenschaft μ(O \ A) < ε.
f dμ = lim fn dμ .
n→∞ b) Es gilt μ(B) = sup{μ(K) | K ⊆ B, K ∈ Kk }.
50 Hinweise zu Kapitel 7
Aufgabe 7.47 ••• Es seien (j , Aj ) Messräume und Aufgabe 7.11 • Für festes a > 0 ist die durch h(x) :=
Mj ⊆ Aj mit σ (Mj ) = Aj (j = 1, . . . , n). In Mj exi- a p +x p −(a+x)p definierte Funktion h : R≥0 → R monoton
stiere eine Folge (Mj k )k≥1 mit Mj k ↑ j bei k → ∞. wachsend.
πj : 1 × · · · × n → j bezeichne die j -te Projektions-
abbildung und Aufgabe 7.12 •• –
2 3
M1×· · ·×Mn := M1 × · · · ×Mn | Mj ∈ Mj , j = 1, . . . , n Aufgabe 7.13 •• –
4
n
b) πj−1 (Mj ) ⊆ σ (M1 × · · · × Mn ), Aufgabe 7.16 • –
j =1
5n
c) j =1 Aj = σ (M1 × · · · × Mn ). Aufgabe 7.17 •• Betrachten Sie die Funktion g(x) =
x −1 · (1 + | log(x)|)−2 .
Aufgabe 7.48 ••• Es seien μ und ν Maße auf einer σ -
Algebra A ⊆ P () mit ν() < ∞. Beweisen Sie folgendes Aufgabe 7.18 • –
ε-δ-Kriterium für absolute Stetigkeit:
Aufgabe 7.6 • Bezeichnen σ (M) bzw. σ̄ (M) die von Aufgabe 7.30 •• –
M ⊆ P (R) bzw. M ⊆ P (R̄) über R bzw. über R̄ erzeugte σ -
Algebra, so gilt im Fall M ⊆ P (R) die Inklusionsbeziehung Aufgabe 7.31 •• Vollständige Induktion!
σ (M) ⊆ σ̄ (M).
Aufgabe 7.32 ••• Beachten Sie den Satz über den von
Aufgabe 7.7 • – einem Halbring erzeugten Ring auf Seite 215.
Aufgabe 7.2 • –
Aufgabe 7.37 •• –
Aufgabe 7.3 • –
Aufgabe 7.38 •• –
Aufgabe 7.4 • –
Aufgabe 7.8 •• –
Aufgabe 7.41 •• –
Aufgabe 7.9 •• –
Aufgabe 7.11 • –
Aufgabe 7.43 •• Benutzen Sie den Satz von der domi-
nierten Konvergenz.
Aufgabe 7.12 •• –
Aufgabe 7.13 •• –
Aufgabe 7.44 •• Es kann o.B.d.A. f ≥ 0 angenommen
werden.
Rechenaufgaben
Aufgabe 7.45 ••• Um7 b) zu zeigen,
6 2k 6 setzen7 Sie A := G, Aufgabe 7.14 • –
B := ∪∞ k=1 2 , 2 2k+1 ∩ G ∪ 22k−1 , 22k ∩ U , wobei
G die Menge der geraden und U die Menge der ungeraden Aufgabe 7.15 • –
Zahlen bezeichnen.
Aufgabe 7.16 • –
Aufgabe 7.46 ••• Zeigen Sie zunächst, dass das System Aufgabe 7.17 •• –
G aller Borelmengen, die die in a) angegebene Eigenschaft
besitzen, eine σ -Algebra bildet, die das System Ak enthält. Aufgabe 7.18 • –
Eine abgeschlossene Menge lässt sich durch eine absteigende
Folge offener Mengen approximieren. Beachten Sie noch,
dass die Vereinigung von endlich vielen abgeschlossenen Beweisaufgaben
Mengen abgeschlossen ist.
Aufgabe 7.19 • –
Aufgabe 7.47 ••• Für Teil c) ist (7.19) hilfreich. Aufgabe 7.20 • –
Aufgabe 7.21 • –
Aufgabe 7.48 ••• Betrachten Sie zu einer Folge (An )
mit μ(An ) ≤ 2−n und ν(An ) > ε die Menge A := Aufgabe 7.22 • –
∩∞ ∞
n=1 ∪k=n Ak .
Aufgabe 7.23 • –
Aufgabe 7.49 •• Nach dem Satz von Radon-Nikodym Aufgabe 7.24 • a) μ ist σ -endlich ⇐⇒ ist abzähl-
hat ν eine Dichte g bezüglich μ. Zeigen Sie: μ({g > 1}) = 0. bar.
52 Lösungswege zu Kapitel 7
Aufgabe 7.31 •• – ist jedoch keine σ -Algebra, da sie nicht ∪-stabil ist, denn
sie enthält nicht die Vereinigung {1, 2} der einelementigen
Aufgabe 7.32 ••• – Mengen {1} und {2}.
Aufgabe 7.37 •• – Aufgabe 7.3 • Es sei (yn ) eine Folge mit yn≤ yn+1< x,
n ≥ 1, und limn→∞ yn = x. Dann ist ((−∞, yn ])n≥1 eine
Aufgabe 7.38 •• – aufsteigende Mengenfolge mit (−∞, yn ] ↑ (−∞, x). Da
μG stetig von unten ist, folgt G(yn ) = μG ((−∞, yn ]) ↑
Aufgabe 7.39 •• – μG ((−∞, x)) = G(x−) und somit wegen (−∞, x)+{x} =
(−∞, x] und der Subtraktivität von μG die Behauptung.
Aufgabe 7.45 ••• – Aufgabe 7.6 • Wir schicken voraus, dass die im Hin-
weis formulierte Behauptung eine Konsequenz der Tatsache
ist, dass für jede σ -Algebra A über R̄ deren Spur A ∩ R eine
Aufgabe 7.46 ••• – σ -Algebra über R ist. Wegen Ī ⊆ B̄ ist nur die Inklusion
I ⊆ σ̄ (Ī ). Zusammen mit dem Satz von Seite 215 über c) Das Maß μ ist nicht σ -endlich, denn die Existenz einer
Erzeugendensysteme der Borelmengen sowie dem Hinweis aufsteigenden Folge An ↑ von Mengen aus A mit
folgt dann μ(An ) < ∞ zöge die Endlichkeit der Mengen An und so-
B = σ (I ) ⊆ σ̄ (I ) ⊆ σ̄ (Ī ) mit die Abzählbarkeit von nach sich, im Widerspruch zur
Voraussetzung!
und somit wegen B̄ = {B ∪ E | B ∈ B, E ⊆ {−∞, ∞}} die
Behauptung.
Aufgabe 7.13 •• a) Mit μ(A) = 0 gilt auch ν(A) =
Aufgabe 7.7 • Es seien A1 , A2 , . . . paarweise dis- μ(A ∩ A0 ) = 0. Somit ist ν absolut stetig bzgl. μ. Wegen
∞
junkte Mengen aus A sowie A := j =1 Aj . Weiter sei
n
Bn := j =1 Aj . Wegen Bn ↑ A liefern die Stetigkeit von ν(A) = μ(A ∩ A0 ) = 1A∩A0 dμ = 1A 1A0 dμ
unten und die endliche Additivität von μ wie behauptet
n ∞
gilt ν = 1A0 μ.
μ(A) = lim μ(Bn ) = lim μ(Aj ) = μ(Aj ).
n→∞ n→∞ b) Wegen P ≤ P + Q gilt P # P + Q. Da für eine Dichte
j =1 j =1
f von P bzgl. P + Q
Aufgabe 7.8 •• a) Diese Implikation gilt nicht, wie das P ({n}) = 1{n} dP = 1{n} f (ω) (P + Q)(dω)
Beispiel (, A, μ) = (R, B, λ1 ), ( , A ) = (N, P (N)) und
die durch f (x) := 1, x ∈ R, definierte Abbildung f : R → N = f (n) · (P ({n}) + Q({n}))
zeigt. Es gilt μf (A) = 0 bzw. μf (A) = ∞ je nachdem, ob
1∈ / A oder 1 ∈ A zutrifft. Das Borel-Lebesgue-Maß λ1 ist gelten muss, setzen wir
σ -endlich, sein Bildmaß unter f jedoch nicht. ⎧
⎨ 0 , falls P ({n})+Q({n}) = 0,
b) Istμf σ -endlich, so gibt es eine Folge An ↑ mit f (n) := P ({n})
μ (An ) < ∞, n ≥ 1. Setzen wir An := f −1 (An ), n ≥ 1,
f ⎩ , sonst.
P ({n}) + Q({n})
so ist (An ) eine Folge von Mengen aus A mit An ↑ und
μ(An ) = μf (An ) < ∞, n ≥ 1. Folglich ist μ σ -endlich. Nach Definition von f gilt dann P ({n}) = f (n)(P ({n}) +
Q({n})) für jedes n ∈ N und somit
Aufgabe 7.9 •• Setzt man kn := 1[n,n+1] , n ≥ 1, so
gilt limn→∞ kn (x) = 0, x ∈ R. Die Funktionen fn := n · kn , P (A) = P ({n}) = f (n)(P ({n}) + Q({n}))
gn := kn und hn := (−1)
· kn , 1n ∈ N, leisten
n
das Verlangte; n∈A n∈A
es gilt f dλ 1 = n, g dλ = 1, h dλ1 = 1 und
n n 2n
h2n+1 dλ1 = −1. = f d(P + Q),
A
Aufgabe 7.10 • Die Behauptung ergibt sich unmittel- was zu zeigen war.
bar aus Teil a) des Transformationssatzes für Integrale auf
Seite 243, wenn man die dort auftretende Funktion h durch c) Wegen P ≤ P + Q folgt P # P + Q. Wir setzen
h1{A } ersetzt, denn es gilt (h1{A }) ◦ f = (h ◦ f ) · ⎧
1{f −1 (A )}. ⎨ 0 , falls f (ω) + g(ω) = 0,
h(ω) := f (ω)
⎩ , sonst.
Aufgabe 7.11 • Die im Hinweis gemachte Aussage f (ω) + g(ω)
bestätigt man durch Differentiation. Es gilt dann für alle
a, b ∈ [0, ∞] die Ungleichung (a + b)p ≤ a p + bp und Wegen P = f λ und Q = gλ folgt dann
somit |f (ω) + g(ω)|p ≤ |f (ω)|p + |g(ω)|p , ω ∈ . Inte-
griert man bezüglich μ, so folgt die Behauptung. P (A) = 1A dP = 1A f dλ
f
Aufgabe 7.12 •• a): Da die leere Menge ∅ die einzige = 1A · (f + g) dλ
μ-Nullmenge ist und ν(∅) = 0 gilt, folgt ν # μ. {f +g>0} f +g
b) Aus der Existenz einer nichtnegativen
(A, B̄1 )-messbaren = 1A hf dλ + 1A hg dλ
Funktion f : → R̄ mit ν(A) = A f dμ, A ∈ A, würde
für beliebiges ω ∈ = 1A h dP + 1A h dQ
0 = ν({ω}) = f dμ = f (ω) · μ({ω}) = f (ω), = 1A h d(P + Q),
{ω}
also f ≡ 0 und somit ν() = 0 dμ = 0 folgen, was ein A ∈ A. Somit ist (die messbare nichtnegative Funktion) h
Widerspruch zu ν() = ∞ ist. eine Dichte von P bezüglich P + Q.
54 Lösungswege zu Kapitel 7
Da μ∗ (B c ∩ E) ≤ μ∗ (E) gilt, folgt zusammen Aufgabe 7.30 •• „⇒“: Für A ∈ A gilt fn−1 (A ) =
{ω ∈ An | fn (ω) ∈ A } = An ∩ f −1 (A ) ∈ An ∩ A = An .
μ∗ (B ∩ E) + μ∗ (B c ∩ E) = μ∗ (E), E ⊆ , „⇐“: Es sei A ∈ A und A := f −1 (A ). Nun ist A =
∞ ∞
was zu zeigen war. n=1 An ∩ A = n=1 {ω ∈ An | f (ω) ∈ A } =
∞ −1 −1
n=1 fn (A ). Wegen fn (A ) ∈ An ∩ A gibt es eine
Aufgabe 7.28 ••• a) Setzt man in der Definition von Aμ Menge Bn ∈ A, sodass fn−1 (A ) = An ∩ Bn ∈ A, n ≥ 1. Da
E := F := , so folgt ∈ Aμ . Sind A ∈ Aμ und E, F ∈ A A eine σ -Algebra ist, gilt auch A ∈ A, was zu zeigen war.
mit E ⊆ A ⊆ F und μ(F \ E) = 0, so gilt F c ⊆ Ac ⊆ E c Um die Folgerung zu zeigen, sei A1 := {x ∈ Rk | f
mit E c , F c ∈ A und μ(E c \ F c ) = μ(F \ E) = 0. Folglich unstetig an der Stelle x}. Dann ist f1 := f |A1 (A1 ∩ Bk , Bs )-
enthält Aμ mit jeder Menge auch deren Komplement. Sind messbar, denn die Urbilder von Borelmengen unter f1 sind
schließlich A1 , A2 , . . . ∈ Aμ , so gibt es Folgen (En ) und abzählbare Teilmengen von A1 . Es sei A2 := Rk \ A1 sowie
(Fn ) aus A mit En ⊆ An ⊆ Fn und μ(Fn \ En ) = 0, f2 := f |A2 . Ist O ⊆ Bs offen, so ist f2−1 (O) = {x ∈ A2 |
n ≥ 1. Es folgt ∪∞ ∞ ∞
n=1 En ⊆ ∪n=1 An ⊆ ∪n=1 Fn , wobei f (x) ∈ O} eine offene Menge und liegt somit in A2 ∩ Bk .
∞ ∞
∪n=1 En ∈ A, ∪n=1 Fn ∈ A sowie μ(∪n=1 Fn \ ∪∞
∞
n=1 En ) ≤ Nach dem Messbarkeitskriterium ist dann f2 (A2 ∩ Bk , Bs )-
μ(∪n=1 (Fn \ En )) ≤ ∞
∞
n=1 μ(F n \ E n ) = 0. Folglich gilt messbar, und die Behauptung folgt nach dem oben Gezeigten.
∪∞n=1 A n ∈ A μ , womit A μ als σ -Algebra nachgewiesen ist.
Da man zu jedem A ∈ A die Mengen E und F als A wählen Aufgabe 7.31 •• Wir zeigen die Behauptung durch In-
kann, gilt A ⊆ Aμ . duktion über n. Der Fall n = 1 ergibt sich unmittelbar aus
der Definition eines Halbrings. Für den Induktionsschluss
b) Offenbar gilt μ̄(∅) = 0. Um die σ -Additivität von μ̄ zu
n → n + 1 setzen wir die oben angegebene Darstellung vor-
zeigen, stellen wir eine Vorüberlegung an. Sind A ∈ Aμ und
aus. Es folgt
E, F ∈ A mit E ⊆ A ⊆ F und μ(F \ E) = 0 , so gilt
μ̄(A) = μ(E), d.h. es ist μ(E) = sup{μ(B) : B ∈ A, B ⊆
k
A}. Offenbar gilt hier „≤“, und würde „<“ gelten, so gäbe A ∩ Ac1 ∩ . . . ∩ Acn ∩ Acn+1 = (Cj \ An+1 ).
es ein B ∈ A mit B ⊆ A und μ(B) > μ(E). Dann wäre j =1
B ∪ E ∈ A mit B ∪ E ⊆ A und μ(B ∪ E) > μ(E). Da jede der Mengen Cj \An+1 als Vereinigung endlich vieler
Wegen 0 = μ(F \ E) = μ(F \ (B ∪ E)) + μ((B ∪ E) \ E) paarweise disjunkter Mengen aus H dargestellt werden kann,
würde dann μ(B ∪ E) = μ(E) + μ((B ∪ E) \ E) = μ(E) ergibt sich die Behauptung.
folgen, was ein Widerspruch ist. Nach dieser Vorüberlegung n
seien A1 , A2 , . . . ∈ Aμ paarweise disjunkt und (En ), (Fn ) Aufgabe 7.32 ••• a) Sind A = j =1 Aj und A =
m
Folgen aus A mit En ⊆ An ⊆ Fn , n ≥ 1, sowie μ(Fn \ B
i=1 i zwei Darstellungen von A als disjunkte Vereinigung
En ) = 0, n ≥ 1. Nach der Vorüberlegung gilt μ̄(An ) = endlich vieler Mengen aus H, so gilt wegen der Additivität
μ(E ), n ≥ 1, sowiewegen μ(∪∞
n∞
∞
n=1 Fn \ ∪n=1 En ) = 0 auch
von μ
∞
μ̄( n=1 An ) = μ( n=1 En ) (die En sind wegen En ⊆ An m
n n m n
paarweise disjunkt). Es folgt μ(Aj )= μ Aj ∩ Bi = μ Aj ∩ B i
∞ ∞ ∞ ∞ j =1 j =1 i=1 j =1 i=1
μ̄ An = μ En = μ(En ) = μ̄(An ). n m
f −1 ( \A ) ∈ f −1 (A ). Sind schließlich Aj = f −1 (Aj ) ∈ b) Es seien nun μ als σ -additiv vorausgesetzt und A1 , A2 , . . .
paarweise disjunkte Mengen aus R mit A := ∞ j =1 Aj ∈
f −1 (A ), j = 1, 2, . . ., so folgt ∪∞
j =1 Aj = f
−1 (∪∞ A ) ∈
j =1 j R. Wegen A ∈ R gibt es paarweise disjunkte Mengen
f −1 (A ). B1 , . . . , Bm ∈ H mit A = m i=1 Bi , und zu jedem j exi-
c) Wegen f −1 ( ) = ∈ A liegt in Af . Gilt A ∈ Af , stieren paarweise disjunkte Mengen Cj,l (l = 1, . . . , nj )
nj
so folgt f −1 ( \ A ) = \ f −1 (A ) ∈ Af , da A als σ - aus H, sodass Aj = l=1 Cj,l . Da
Algebra das Komplement von f −1 (A ) enthält. Mit Mengen ∞ ∞
nj
A1 , A2 , . . . ∈ Af liegt auch ∪∞
j =1 Aj in Af , denn es gilt Bi = Bi ∩ A j = Bi ∩ Cj,l
f −1 (∪∞ ∞
j =1 Aj ) = ∪j =1 f
−1 (A ) ∈ A.
j j =1 j =1 l=1
Lösungswege zu Kapitel 7 57
eine disjunkte Vereinigung von abzählbar vielen Mengen aus Aufgabe 7.35 •• Es sei (a, b] ∈ I k beliebig. Für
H ist, liefern die σ -Additivität von μ auf H und die Definition κ > 0 gilt Hκ−1 ((a, b]) = (a/κ, b/κ], im Fall κ <
von ν 0 ist Hκ−1 ((a, b]) = [−b/|κ|, −a/|κ|). Nach (7.33) gilt
λk (Hκ−1 ((a, b])) = |κ|−k λk ((a, b]), sodass der Eindeu-
∞
nj ∞
tigkeitssatz für Maße die Behauptung liefert. Speziell für
μ(Bi ) = μ(Bi ∩ Cj,l ) = ν(Bi ∩ Aj )
κ = −1 ergibt sich die Spiegelungsinvarianz von λk .
j =1 l=1 j =1
für jedes feste i = 1, . . . , m und somit Aufgabe 7.36 •• Als offene Menge ist E eine Borel-
menge. Es sei A := diag(1/a1 , . . . , 1/ak ) die Diagonalma-
m ∞
m trix mit Einträgen 1/aj , j = 1, . . . , k, und T : Rk → Rk
ν(A) = μ(Bi ) = ν(Bi ∩ Aj ) die durch T (x) := Ax, x = (x1 , . . . , xk ) , definierte bi-
i=1 j =1 i=1 jektive affine Transformation. Nach Definition von E und B
∞ ∞
gilt dann E = T −1 (B) und somit λk (E) = λk (T −1 (B)) =
= ν(A ∩ Aj ) = ν(Aj ), T (λk )(B). Nach Teil a) der Folgerung auf 9 Seite 235 gilt
j =1 j =1 T (λk ) = |det A|−1 λk . Wegen |det A|−1 = kj =1 aj folgt
die Behauptung.
was die σ -Additivität von μ zeigt.
Aufgabe
∞ 7.37 •• a) Es gilt Bk = {ω ∈ |
Aufgabe 7.33 •• a) Ist μ σ -endlich, so gibt es eine −1 ([m, ∞]), wobei f :=
∞ n=1 1{A n } ≥ k}, also Bk = f
Folge (An ) aus A mit An ↑ und μ(An ) < ∞, n ≥ 1.
n=1 1{An }. Da f als Limes messbarer Funktionen messbar
Setzen wir B1 := A1 sowie Bn := An \ (∪n−1 i=1 Ai ), n ≥ 2, ist und [m, ∞] ∈ B̄ gilt, folgt Bk ∈ A.
so sindB1 , B2 , . . . paarweise disjunkte Mengen aus A mit
∞ b) Es gilt (punktweise auf ) k1{Bk } ≤ f mit f wie in a)
= n=1 Bn und μ(Bn ) ≤ μ(An ) < ∞, n ≥ 1. Ist
umgekehrt = ∞ n=1 Bn eine Zerlegung in paarweise dis-
und somit k1{Bk } dμ = kμ(Bk ) ≤ f dμ. Nach dem Satz
junkte Mengen aus A mit jeweils endlichem Maß, so ist (An ) von der monotonen Konvergenz ist f dμ = ∞ n=1 μ(An ).
mit An := ∪nj=1 Bj eine Folge aus A mit An ↑ und
Aufgabe 7.38 •• Wir unterscheiden die Fälle
μ(An ) ≤ nj=1 μ(Bj ) < ∞, n ≥ 1.
μ(f = ∞) > 0 und μ(f = ∞) = 0. Im ersten Fall
b) Es sei (An ) wie oben. Wegen limn→∞ μ(An ) = μ() gilt
gibt es zu K ∈ (0, ∞) ein m ∈ N mit K < μ(Am ) < ∞. ∞ ∞
μ(f ≥ n) ≥ μ(f = ∞) = ∞
Aufgabe 7.34 •• „a) ⇒ b)“: Aufgrund
∞ der vorigen Auf-
n=1 n=1
gabe gibt es eine Zerlegung = n=1 Bn mit Bn ∈ A, sowie f dμ ≥ f 1{f=∞} dμ = ∞. Im Fall μ(f = ∞) = 0
n ≥ 1, und μ(Bn ) < ∞ für jedes n. Außerdem kann (nach setzen wir fk := k1{f = k}, k ∈ N0 . Dann gilt f =
∞
eventueller Vereinigung von Mengen) o.B.d.A μ(Bn ) > 0 k=1 fk μ-fast überall. Mit dem Satz von der monotonen
für jedes n angenommen werden. Wir setzen Konvergenz folgt
∞
∞
1
h := · 1{Bn }. f dμ = fk dμ
2n μ(Bn )
n=1 k=1
∞
Dann ist h eine messbare strikt positive Funktion auf , und = k1{f = k} dμ
nach dem Satz von der monotonen Konvergenz gilt k=1
∞ ∞
k
∞
1 = kμ(f = k) = μ(f = k)
h dμ = 1{Bn } dμ
2n μ(Bn ) k=1 k=1 n=1
n=1
∞ ∞
∞
1 = (μ(f = k) + μ(f = ∞))
= = 1.
2n n=1 k=n
n=1
∞
„b) ⇒ a)“: Die Mengen An := {h > 1/n}, n ∈ N, liegen in = μ(f ≥ n).
A, und wegen der strikten Positivität von h gilt = ∪∞
n=1 An .
n=1
Weiter gilt An ⊆ An+1 , n ∈ N, sowie unter Beachtung der
Markov-Ungleichung (vgl. Seite 245)
Aufgabe 7.39 •• Es sei fn (ω) := n log(1 + f (ω)/n),
ω ∈ . Dabei ist log ∞ := ∞ gesetzt. Als Verkettung
μ(An ) = μ(h ≥ 1/n) ≤ n · h dμ < ∞, n ∈ N. messbarer Funktionen ist fn messbar, und nach dem Hin-
weis ist die Folge (fn ) isoton. Im Fall f (ω) = ∞ gilt
Somit ist μ σ -additiv. fn (ω) = ∞ für jedes n und somit limn→∞ fn (ω) = f (ω).
58 Lösungswege zu Kapitel 7
Letztere Limesbeziehung gilt auch im Fall f (ω) < ∞, da zu zeigen. Mit an := fn ∞ gilt für jedes ε > 0
#∞ : #∞ :
(1 + f (ω)/n)n → exp(f (ω)). Die Behauptung folgt dann ∞
∞
ε
aus dem Satz von der monotonen Konvergenz. fn > an + ε = fn > an + n
2
n=1 n=1 n=1 n=1
∞ 0
Aufgabe 7.40 •• Es sei ε > 0 beliebig. Da (fn ) 4 ε 1
gleichmäßig gegen f konvergiert, gibt es ein n0 ∈ N mit ⊆ fn > an +
2n
n=1
ω∈ |fn (ω) − f (ω)| ≤ ε für jedes n ≥ n0 . Wegen
sup
1 dμ = μ() < ∞ folgt für jedes solche n und somit
∞
∞
∞
ε
μ fn > an + ε ≤ μ fn > an + n = 0.
fn dμ − f dμ ≤ |fn − f | dμ ≤ ε · μ() 2
n=1 n=1 n=1
Lässt man ε gegen null streben, so folgt die Behauptung.
und hieraus die Behauptung, da ε beliebig war.
Aufgabe 7.43 •• a) Aus |fn | ≤ g μ-f.ü. folgt |fn |p ≤
Aufgabe 7.41 •• a) Wir können o.B.d.A. g∞ < ∞ g μ-f.ü. Wegen lim fn = f μ-f.ü. erhalten wir |f |p ≤ g p
p
annehmen. Wegen |g| ≤ g∞ μ-f.ü. gilt μ-f.ü. und somit die μ-Integrierbarkeit von |f |p .
b) Aus lim fn = f μ-f.ü. folgt |fn −f |p → 0 μ-f.ü. Für p ≥ 1
fg1 = |fg| dμ ≤ |f |·g∞ dμ ≤ g∞ |f | dμ. gilt |fn − f |p ≤ 2p |fn |p + 2p |f |p und somit |fn − f |p ≤
2p+1 g p μ-f.ü. Im Fall p < 1 gilt |fn − f |p ≤ |fn |p + |f |p
b) Es sei o.B.d.A. f p < ∞. Setzen wir r := p/q > 1 (vgl. Aufgabe 7.11) und somit |fn − f |p ≤ 2g p μ-f.ü. Da
und s := p/(p − q), so gilt 1/r + 1/s = 1. Wendet man g p integrierbar ist, ergibt sich die Behauptung aus dem Satz
die Hölder-Ungleichung auf die Funktionen |f |q und 1 an, von der dominierten Konvergenz.
so folgt
Aufgabe 7.44 •• Die im Hinweis gemachte Aussage
1/r
1/s
q qr s folgt aus der Zerlegung f = f + − f − von f in Positiv- und
|f | dμ ≤ |f | dμ 1 dμ
Negativteil. Gibt es zu f + und f − Funktionen u, v ∈ F mit
q/p ε ε
= |f |p dμ · μ()(p−q)/p f + − up < , f − − vp < , (7.6)
2 2
so gilt für p ≥ 1 aufgrund der Minkowski-Ungleichung f −
und somit (u−v)p ≤ f + −up +f − −vp < ε. Dabei gilt u−v ∈
1/q F . Im Fall p < 1 liefert (7.6) zusammen mit Ungleichung
f q = |f |q dμ (7.43)
ε p
f − (u − v)p ≤ f + − up + f − − vp < 2 ·
p p p
1/p
2
≤ |f |p dμ μ()(p−q)/(pq) ,
und somit f − (u − v)p < 21/p−1 ε. Es kann also in der
Tat o.B.d.A. der Fall f ≥ 0 angenommen werden. Aufgrund
was zu zeigen war. des Satzes über die Approximation nichtnegativer messbarer
∞ Funktionen durch Elementarfunktionen auf Seite 239 gibt es
Aufgabe 7.42 •• Wir können o.B.d.A. n=1 fn p eine isotone Folge (un ) aus E + mit 0 ≤ un ↑ f . Wegen
< ∞ annehmen.
Es sei zunächst
p < ∞. Wegen fn ≥ 0 f ∈ Lp gilt auch un ∈ Lp und somit un ∈ F (letztere Aus-
gilt dann ( kn=1 fn )p ↑ ( ∞ n=1 f n )p für k → ∞, und der
sage gilt, weil ein in der Darstellung einer Elementarfunktion
Satz von der monotonen Konvergenz liefert eventuell auftretender Summand 0 · 1A mit μ(A) = ∞ weg-
/ k / /∞ / gelassen werden kann). Wegen 0 ≤ f − un ≤ f liefert der
/ / / /
/ / / / Satz von der dominierten Konvergenz limn→∞ f − un p
lim / fn / = / fn / .
k→∞ / / / / = 0. Es gibt also ein u ∈ F mit 0 ≤ u ≤ f und f −up < ε.
n=1 p n=1 p
Aufgabe 7.45 ••• a) Sind A1 , . . . , Ak paarweise dis-
Nach der Minkowski-Ungleichung gilt für jedes k
junkte Mengen aus C , so gilt dn (A1 + . . . + Ak ) = dn (A1 ) +
/ k / . . . + dn (Ak ), n ≥ 1. Da d(Aj ) = limn→∞ dn (Aj ) für
/ /
k ∞
/ /
/ fn / ≤ fn p ≤ fn p . jedes j existiert, folgt d( nj=1 Aj )) = kj =1 d(Aj ); also
/ /
n=1 p n=1 n=1 ist d endlich-additiv. Wegen d({j }) = 0, j ∈ N, gilt
1 = d(N) = 0 = ∞ j =1 d({j }), sodass d nicht σ -additiv
Hieraus folgt die Behauptung. Im Fall p = ∞ ist ist.
∞
∞
b) Es gilt dn (A) = 1/2 oder dn (A) = (n − 1)/(2n)
μ fn > fn ∞ = 0 je nachdem, ob n gerade oder ungerade ist. Hieraus folgt
n=1 n=1 A ∈ C , wobei d(A) = 1/2. Nach Konstruktion von
Lösungswege zu Kapitel 7 59
B = {3, 4, 6, 8, 9, 11, 13, 15, 16, 18, . . .} unterscheidet sich [−n, n]k =: Kn ↑ A sowie der Endlichkeit von μ gibt es
|B ∩ {1, . . . , n}| von |A ∩ {1, . . . , n}| betragsmäßig um höch- ein n ∈ N mit μ(A) − μ(Kn ) < ε/2. Wegen Kn ∈ Kk
stens 1, und deshalb gelten auch B ∈ C und d(B) = 1/2. existiert also eine kompakte Menge Kn mit Kn ⊆ B und
Nun gilt |G ∩ [22k , 22k+1 ]| = 1 + 22k−1 und folglich μ(B) − μ(Kn ) < ε. Hieraus folgt die Behauptung.
1
k
1 Aufgabe 7.47 ••• a) Es sei Mi ∈ Mi , i = 1, . . . , n.
d22k+1 (A ∩ B) = (1 + 22l−1 ) → bei k → ∞, Wegen M1 × . . . × Mn = ∩ni=1 πi−1 (Mi ) und πi−1 (Mi ) ∈
22k+1 3 ;
l=1 n −1
σ j =1 πj (Mj ) für jedes i folgt die Behauptung.
andererseits aber auch
b) Wir zeigen π1−1 (M1 ) ⊆ σ (M1 ×· · ·× Mn ). Die Behaup-
1
k−1
1 tung folgt dann aus Symmetriegründen. Wegen π1−1 (M1 ) =
d22k (A ∩ B) = (1 + 22l−1 ) → bei k → ∞. M1 × 2 × . . . × n und M1 × 2 × . . . × n =
22k 6
l=1
∪∞k=1 M1 × M2k × . . . × Mnk ∈ σ (M1 × · · · × Mn ) folgt
Somit kann dn (A ∩ B) nicht konvergieren. Die Menge A ∩ B π1−1 (M1 ) ⊆ σ (M1 × · · · × Mn ), was zu zeigen war.
liegt also nicht in C . 5n −1
j =1 Aj = σ (∪j =1 πj (Aj )) folgt „⊇“ aus
c) Wegen n
Aufgabe 8.3 •• Formulieren Sie das Anfangswertpro- und dem iterierten Kernen
blem
t
(t − s)2n+1
kn+1 (t, s) = k(t, τ ) kn (τ, s) dτ = ,
x (t) + g(t)x(t) = h(t), x(0) = a, x (0) = b s (2n + 1)!
mit g, h ∈ C([0, ∞)) und a, b ∈ R als Volterra-Integral- n ∈ N, wobei k1 (t, s) = k(t, s) gesetzt ist.
gleichung und zeigen Sie, dass das Lösen der Volterra-Inte-
gralgleichung in den stetigen Funktionen äquivalent ist zum Aufgabe 8.8 • Beschreiben Sie das Randwertproblem
Lösen des Anfangswertproblems für zweimal stetig differen-
zierbare Funktionen. x (t) = x 2 (t) + 1, x(0) = x(1) = 0
Aufgabe 8.12 •• Seien X, Y normierte Räume, A ∈ Konvergenz der Folgenglieder und zeige dann, dass diese
L(X, Y ) und X̃, Ỹ zugehörige Vervollständigungen von X Folge in lp ist.
bzw. Y . Zeigen Sie, dass es genau einen linearen, beschränk-
ten Operator à : X̃ → Ỹ gibt mit Ãx ∼ = Ax für x ∈ X. Aufgabe 8.3 •• Die Integralgleichung ergibt sich durch
Beweisen Sie weiterhin à = A. zweimaliges Integrieren der Differenzialgleichung und Ver-
tauschen der Integrationsreihenfolge.
Aufgabe 8.13 •••
(a) Zeigen Sie, dass für ein lineares Funktional ϕ : X → R Aufgabe 8.4 • Linearität und auch Beschränktheit
mit ϕ = 0 auf einem normierten Raum X folgende Be- sind relativ offensichtlich. Für den Wert der Operator-Norm
dingungen äquivalent sind. lassen sich passende Beispiele finden. Gegenbeispiele bele-
(i) ϕ ist stetig. gen, dass R nicht surjektiv und L nicht injektiv ist.
(ii) Kern(ϕ) = {x ∈ X : ϕ(x) = 0} ⊆ X ist abgeschlos-
sen. Aufgabe 8.5 • Für Teilaufgabe (b) zeige man, dass
(iii) Kern(ϕ) ist nicht dicht in X. (xn ) Cauchy-Folge ist, wenn die Folge (Lxn ) in Y konver-
(b) Sei X = {x ∈ C([−1, 1]) : x ist in 0 diff’bar} mit der giert.
Maximumsnorm ausgestattet. Zeigen Sie, dass {x ∈
X : x (0) = 0} dicht liegt in X. Rechenaufgaben
Aufgabe 8.14 •• Mit dem Satz über die stetige Inverse Aufgabe 8.6 •• Um die Normeigenschaften zu prüfen,
lässt sich die Stetigkeit eines linearen Operators auf Ba- zeige man, dass durch sup |(f (|xx))−f
−y |α
(y )|
eine Halbnorm ge-
nachräumen auch anders beschreiben. Zeigen Sie den Satz x =y
vom abgeschlossenen Graphen: geben ist, d. h., es gelten alle Normeigenschaften bis auf die
Definitheit.
Ein linearer Operator A : X → Y auf Banachräumen
X, Y ist genau dann beschränkt, wenn der Graph der Für die Vollständigkeit in der zweiten Teilaufgabe betrachte
Abbildung man eine Cauchy-Folge und nutze, dass die stetigen Funktio-
nen vollständig sind und die Funktionen gleichmäßig stetig
G = {(x, Ax) ∈ X × Y | x ∈ X} ⊆ X × Y sind.
eine abgeschlossene Teilmenge ist.
Aufgabe 8.7 • Im zweiten Teil führt jeweils eine In-
Aufgabe 8.15 •• Ist X normierter Raum und M ⊆ X. duktion auf die Rekursionsgleichung und auf die explizite
Zeigen Sie, dass M genau dann beschränkt ist, wenn l(M) Darstellung der iterierten Kerne. Ein Einsetzen der expliziten
beschränkt ist für jedes l ∈ X . Darstellung in die Neumann’sche Reihe liefert die Lösung.
Aufgabe 8.16 • Beweisen Sie den folgenden strikten Aufgabe 8.8 • Zweimaliges Integrieren der Differen-
Trennungssatz: Ist X ein normierter Raum, A ⊆ X eine zialgleichung und Vertauschen der Integrationsreihenfolge
konvexe, abgeschlossenen Teilmenge und x ∈ X mit x ∈ A, führt auf eine Integralgleichung.
dann gibt es ein Funktional l ∈ X und γ ∈ R mit
Aufgabe 8.9 •• Zu (yn ) ∈ l∞ betrachte das lineare
l(y) ≤ γ < l(x) , für jedes y ∈ A .
Funktional ly : l1 → C mit
Beweisaufgaben
Hinweise
Aufgabe 8.10 • Zeigen Sie zu den angegebene Dar-
stellungen die Identitäten AA−1 = I , BB −1 = I , A−1 A = I
Verständnisfragen und B −1 B = I .
Aufgabe 8.1 •• Hölder’sche Ungleichung!
Aufgabe 8.11 • Zeigen Sie induktiv, dass aus AB −
Aufgabe 8.2 • Man betrachte eine Cauchy-Folge in lp , BA = I die Gleichung AB n − B n A = nB n−1 folgt und
definiere sich einen Kandidaten für die Grenzfolge aus der folgern Sie daraus einen Widerspruch.
62 Lösungswege zu Kapitel 8
Aufgabe 8.13 ••• Für die Implikation „(i) ⇒ (ii)“ be- Aufgabe 8.9 •• –
trachte man den Quotienten X̃/Kern(ϕ) und zeige, dass durch
x̃ = inf x∈X̃ xX eine Norm auf diesem eindimensiona-
len Raum gegeben ist. Beweisaufgaben
Aufgabe 8.10 • –
Aufgabe 8.14 •• Für eine der beiden zu zeigenden Im-
plikationen wende man den Satz über die stetige Inverse auf
Aufgabe 8.11 • –
die lineare Abbildung B : G → X mit B(x, Ax) = x an.
Aufgabe 8.12 •• –
Aufgabe 8.15 •• Für die nicht offensichtliche Richtung
des Beweises nutze man das Prinzip der gleichmäßigen Be-
Aufgabe 8.13 ••• –
schränktheit.
Aufgabe 8.14 •• –
Aufgabe 8.16 • Anwenden des Trennungssatzes von
Eidelheit.
Aufgabe 8.15 •• –
Aufgabe 8.17 • Verwenden Sie den Trennungssatz aus
Aufgabe 8.16 • –
Aufgabe 8.16.
Aufgabe 8.17 • –
Aufgabe 8.18 ••• Nutzen Sie die Notationen Jx ∈ X
und Ll ∈ X für Funktionale, die x ∈ X bzw. l ∈ X zuge-
ordnet werden. Für eine Richtung des Beweises zeige man, Aufgabe 8.18 ••• –
dass, wenn X nicht reflexiv ist, die Menge {Jx | x ∈ X} ⊆
X ein abgeschlossener echter Unterraum ist und verwende
die Folgerung von Seite 300.
Lösungswege
Verständnisfragen
Lösungen
Aufgabe 8.1 •• Die erste Ungleichung ist korrekt; denn
mit der Hölder’schen Ungleichung im Spezialfall, dass beide
Verständnisfragen Potenzen 21 sind, gilt
Aufgabe 8.1 •• 1. richtig, 2. falsch, 3. richtig.
1
1
1 1 2 1 2
p+q p q
2 2
Aufgabe 8.2 • – |f (t)| 2 dt ≤ (|f (t)| 2 ) dt (|f (t)| 2 ) dt
0 0 0
1
1
Aufgabe 8.3 •• Die äquivalente Formulierung ist die 1
p
2 1
q
2
mit der Hölder’schen Ungleichung Da g und x stetig sind, lassen sich mit dem Satz von Fubini
die Integrationsreihenfolgen vertauschen und es folgt
1 1 1 1
− p1
t
τ
t
t
|f (t)| p dt = |f (t)g(t)| p |g(t)| dt
0 0 g(s)x(s) ds dτ = dτ g(s)x(s) ds
1
1 0 0 0 s
1 p 1
− pq
q
t
≤ |f (t)g(t)| dt |g(t)| dt . = (t − s)g(s)x(s) ds .
0 0 0
p
Mit q = p−1 , d. h. q
= 1
und 1
= p−1 Analog vertauschen wir die Integrationsreihenfolge auf der
p p−1 q p , ergibt sich die
Ungleichung. rechten Seite und erhalten, dass x Lösung der Volterra-
Integralgleichung
Aufgabe 8.2 • Zunächst überlegen wir uns generell
x(t) + Ax(t) = f (t)
noch einmal, dass Cauchy-Folgen in einem normierten Raum
beschränkt sind; denn ist (x n ) Cauchy-Folge, so gibt es n ∈ N ist mit dem Integraloperator
mit x n − x m ≤ 1 für alle n, m > N und somit ist
t
x n ≤ x n − x N + x N ≤ 1 + x N Ax(t) = (t − s)g(s)x(s) ds
0
für jedes n ≥ N . und der stetigen Funktion f ∈ C([0, ∞)) gegeben durch
Sei nun (x n ) eine Cauchy-Folge in l p . Dann ist für die Fol-
t
genglieder zu festen k ∈ N die Folge (xkn )n∈N eine Cauchy- f (t) = (t − s)h(s) ds + bt + a .
0
Folge in R bzw. C und somit konvergent. Wir definieren
xk = limn→∞ xkn und erhalten mit der Folge (xk )k∈N einen „⇐“ : Sei x ∈ C([0, ∞)) Lösung der Integralgleichung
Kandidaten für den Grenzwert.
Es bleibt zu zeigen, dass diese Folge in lp liegt. Dies sehen wir x(t) + Ax(t) = f (t)
mithilfe der Dreiecksungleichung in l p , d. h. der Minkowski- mit dem oben definierte Volterra-Operator A und der stetigen
Ungleichung. Es gilt Funktion f . Offensichtlich folgt aus der Gleichung x(0) = a.
p1 K p1 Mit dem Hauptsatz der Differenzial- und Integralrechnung
K
p
|xk | = |xk − xkn + xkn |p sind die Funktionen Ax und f differenzierbar. Da x die In-
k=1 k=1 tegralgleichung erfüllt, ist deswegen auch x ∈ C 1 ([0, ∞))
K p1 p1 und wir erhalten durch Differenzieren
K
t
t
≤ |xk − xkn |p + |xkn |p .
k=1 k=1
x (t) + g(s)x(s) ds = h(s) ds + b .
0 0
Aufgabe 8.3 •• „⇒“ : Ist x ∈ C 2 ([0, ∞)) eine Lösung Aufgabe 8.4 • Mit Folgen (xn ) und (yn ) in lp ist Li-
des Anfangswertproblems, so folgt durch Integration nearität, d. h. R((λxn + μyn )) = λR((xn )) + μR((yn )), ana-
t
t log für L, gewährleistet. Weiter folgt aus
x (t) + g(s)x(s) ds = h(s) ds + b , ∞
0 0
Rxp = |xn−1 |p = xp ,
wobei sich die Integrationskonstante aus der Anfangsbedin- n=2
gung x (0) = b ergibt.
dass R beschränkt ist mit der Operatornorm R = 1.
Eine weitere Integration führt zusammen mit der Bedingung
Für den Operator L gilt
x(0) = a auf
t
τ
t
τ ∞
∞
x(t)+ g(s)x(s) ds dτ = h(s) ds dτ +bt +a . Lxp = |xn+1 |p ≤ |xn |p = xp .
0 0 0 0 n=1 n=1
64 Lösungswege zu Kapitel 8
Somit ist auch L beschränkt mit L ≤ 1. Wählen wir eine Wir wissen bereits, dass durch f ∞ = supx ∈ |f (x)| eine
Folge x̂ ∈ lp \{0} mit x̂1 = 0, so ist Lx̂ = x̂ und es folgt Norm zu den beschränkten Funktionen auf gegeben ist.
L = supx∈X\{0} Lx Lx̂
x ≥ x = 1. Wir haben gezeigt,
Außerdem ist durch
dass L = 1 ist. |(f (x)) − f (y)|
|f |α = sup
Aus Rx = 0 ergibt sich direkt xn = 0 für jedes n ∈ N. Also x =y |x − y|α
ist R injektiv. Da etwa die Folge y = (1, 0, 0, . . . ) ∈ lp sich
nicht durch Rx für eine Folge x = (xn ) beschreiben lässt, ist eine Halbnorm gegeben, d. h., | . |α erfüllt alle Normeigen-
R nicht surjektiv. schaften mit Ausnahme der Definitheit. Wir zeigen dazu:
Für den Operator L lässt sich zur Gleichung Lx = y durch Es gilt für f ∈ C 0,α () stets |f |α ≥ 0, d. h., die Abbil-
die Folge (xn ) = (1, y1 , y2 , . . . ) ∈ lp zu jeder Folge y ∈ lp dung ist positiv,
ein Urbild finden. Somit ist L surjektiv. Da aber alle Folgen weiterhin ist | · |α homogen wegen |λf |α = |λ| |f |α für
der Form x = (λ, 0, 0, . . . ) durch Lx = 0 auf die Nullfolge λ ∈ K,
abgebildet werden, ist L nicht injektiv. und es gilt die Dreiecksungleichung
Bemerkung: Man beachte, dass LR = I gilt, aber die einzel- |((f + g)(x)) − (f + g)(y)|
|f + g|α = sup
nen Operatoren nicht invertierbar sind. Insbesondere sehen x =y |x − y|α
wir an dem Beispiel, dass im Gegensatz zum endlich dimen- |f (x)) − f (y)| + |g(x)) − g(y)|
≤ sup
sionalen Fall die Injektivität/Surjektivität im Allgemeinen x =y |x − y|α
nicht Surjektivität/Injektivität impliziert.
≤ |f |α + |g|α .
Aufgabe 8.5 • zu (a): Aus Lx = 0 folgt x = Betrachten wir nun die Summe aus Norm und Halbnorm, so
Lx = 0, d. h., L ist injektiv. Für den inversen Operator folgt auch die Definitheit und wir erhalten, dass durch
L−1 : L(X) → X gilt, wenn y = Lx ∈ L(X) ist, dass
f 0,α = f ∞ + |f |α
L−1 y = L−1 Lx = x = Lx = y .
eine Norm gegeben ist.
Somit ist auch L−1 : L(X) → X isometrisch. Nun nehmen wir zusätzlich an, dass kompakt ist. Sei (fn )
zu (b): Sei (xn ) eine Folge in X für die eine Cauchy-Folge in C 0,α (). Dann gilt
folgt y = L(x) ∈ L(X). Also ist die Menge L(X) abge- für x, y ∈ und n ≥ N. Also ist fn − f ∈ C 0,α (). Damit
schlossen. ist auch f ∈ C 0,α () und es gilt die Konvergenz
fn − f 0,α → 0, n → ∞.
Rechenaufgaben
Bemerkungen: Im Fall α = 1 werden die Funktionen lip-
Aufgabe 8.6 •• Die Vektorraum-Eigenschaften der
schitzstetig genannt (siehe Band 1, Abschnitt 9.3).
Menge C 0,α () sind aufgrund der Dreiecksungleichung
für den Betrag offensichtlich. Es bleiben die Eigenschaften Der Raum C 0,α () ist zwischen den stetigen und den
einer Norm zu prüfen. stetig differenzierbaren Funktionen angesiedelt. So ist
Lösungswege zu Kapitel 8 65
g : (− 21 , 21 ) → R mit g(t) = 1/ ln(|t|) für t = 0 und Aufgabe 8.8 • Zweimaliges Integrieren der Differen-
g(0) = 0 stetig, aber nicht hölderstetig.
√ Andererseits ist etwa zialgleichung und vertauschen der Integrationsreihenfolge
f : (− 21 , 21 ) → R mit f (t) = |t| auf (−1/2, 1/2) hölder- führt auf
stetig mit α = 1/2, aber f ist nicht differenzierbar.
t
τ
t
x(t) = x 2 (s) ds dτ + (τ + α) dτ + β
Aufgabe 8.7 • (a) Es handelt sich um eine Volterra- 0 0 0
t
Integralgleichung 2. Art mit stetigem Kern, d. h., die IGL ist 1
= (t − s)x 2 (s) ds + t 2 + αt + β.
eindeutig lösbar. Ist x ∈ C[0, 1] Lösung der Integralglei- 0 2
chung, so ist
t
x(t) = (t − s) x(s) ds + 1 ∈ C 1 [0, a] Aus x(0) = 0 folgt β = 0 und aus x(1) = 0 ergibt sich
0
1
1
und Differenzieren führt auf α=− − (1 − s)x 2 (s) ds .
t 2 0
x (t) = 0 + x(s) ds ∈ C 1 [0, a] .
0 Also erhalten wir durch Einsetzen von α
t
Eine weitere Ableitung ergibt die Differenzialgleichung
x(t) = s(t − 1)x 2 (s) ds
x (t) = x(t) . 0
1 1
+ t (s − 1)x 2 (s) ds + t (t − 1)
Die allgemeine Lösung dieser gewöhnlichen Differenzial- t 2
gleichung ist x(t) = Aet +Be−t (siehe Beispiel auf Seite 28).
Aus den Anfangsbedingungen x(0) = 1, x (0) = 0 folgt Mit der Definition
1 t (t − 1)s, 0≤s≤t ≤1
x(t) = (e + e−t ) = cosh t. k(t, s) =
2 (s − 1)t, 0 ≤ t ≤ s ≤ 1.
(b) Zunächst erhalten wir induktiv aus ergibt sich eine nichtlineare Integralgleichung zweiter Art
t
1
An y(t) = k(t, s)An−1 y(s) ds x(t) − k(t, s) x 2 (s) ds =
1
t (t − 1) ,
0 2
t
s 0
= k(t, s) kn−1 (s, σ )y(σ ) dσ ds d. h., dieses Randwertproblem ist beschrieben durch eine
0 0
t
t Operatorgleichung F (x) = y in den stetigen Funktionen
= k(t, s)kn−1 (s, σ ) ds y(σ ) dσ mit y(t) = 21 t (t − 1) und dem nichtlinearen Operator
0 σ
F : C([0, 1]) → C([0, 1]), der durch
= kn (t, σ )
1
die angegebene Darstellung der Neumann’schen Reihe mit- F (x)(t) = x(t) − k(t, s) x 2 (s) ds
0
hilfe der iterierten Kerne.
definiert ist.
Eine weitere Induktion beweist aus
t
kn+1 (t, s) = k(t, τ ) kn (τ, s) ds Aufgabe 8.9 ••
s
Zu y = (yn ) ∈ l∞ definieren wir ly : l1 → C durch
t(τ − s)2n−1
= (t − τ ) dτ ∞
s (2n − 1)!
t ly (x) = xn yn , für x = (xn ) ∈ l1 ,
(τ − s)2n
= 0+ dτ n=1
s (2n)!
(t − s)2n+1 Wegen
=
(2n + 1)! ∞
∞
für den Kern k(t, s) = t − s die angegebene Formel. |ly (x)| ≤ |xn yn | ≤ sup |yn | |xn | = y∞ x1
n=1 n∈N n=1
Damit erhalten wir
t ist ly beschränkt durch ly ≤ y∞ .
t 2n
kn (t, s) 1 ds = . Wir können die Abbildung J : l∞ → (l1 ) mit J y =
0 (2n)! ly definieren. Nach Konstruktion ist J linear und es gilt
Folglich ist J y ≤ y∞ . Andererseits gilt
∞
t 2n |ly (x)|
x(t) = 1 + = cosh t. J y = sup ≥ sup |ly (ek )| = sup |yk )| = y∞
(2n)!
n=1 x∈l \{0}
1 x 1 k∈N k∈N
66 Lösungswege zu Kapitel 8
für ek = (0, . . . , 0, 1, 0, . . . ) ∈ l1 mit ekk = 1 an der k-ten (l1 ) separabel ist. Mit dem Lemma auf Seite 306 ist l∞
Stelle. Also ist Jy = y∞ und insbesondere injektiv. separabel im Widerspruch zum Beispiel auf Seite 306.
Es bleibt zu zeigen, dass J surjektiv ist. Also ist l1 nicht reflexiv.
Dazu sei l ∈ (l1 ) und wir definieren yk = l(ek ) mit den
oben angegebenen Folgen ek . Aus |yk | ≤ lek 1 = l
ergibt sich für die so definierte Folge y= (yk ) ∈ l∞ . Beweisaufgaben
Weiter konvergiert zu x ∈ l1 die Folge N k
k=1 xk e in l
1
Aufgabe 8.10 • Definieren wir die Operatoren A−1 =
gegen x und mit der Stetigkeit von l ist B(AB) und B = A(AB)−1 wie im Text angegeben, so
−1 −1
N gilt offensichtlich
k
l(x) = lim l xk e AA−1 = A B(AB)−1 = I
N→∞
k=1
N und mit der Vertauschbarkeit der Operatoren auch
= lim xk l(ek )
N→∞
k=1 BB −1 = B A(AB)−1 = (AB) (AB)−1 = I .
N
= lim xk yk = ly (x) . Weiter erhalten wir aus der letzten Gleichung
N→∞
k=1
A−1 AB = B(AB)−1 AB = B
Damit ist J surjektiv und wir haben insgesamt gezeigt,
dass J einen Normisomorphismus zwischen l∞ und dem und es folgt
Dualraum (l1 ) liefert.
A−1 A = A−1 A (BB −1 ) = (A−1 AB)B −1 = BB −1 = I .
Für die zweite Aussage betrachten wir wiederum, diesmal
zu y ∈ l1 , das lineare Funktional Entsprechend ergibt sich mit der ersten Identität
∞
B −1 AB = A(AB)−1 AB = A
ly (x) = xn yn , für x = (xn ) ∈ c0 .
n=1
und es ist
Offensichtlich gilt |ly (x)| ≤ x∞ y1 , d. h., das Funk-
B −1 B = B −1 B(AA−1 ) = (B −1 AB)A−1 = AA−1 = I .
tional ist beschränkt. Wir erhalten durch Jy = ly eine
lineare Abbildung J : l1 → (c0 ) mit Jy ≤ y1 . Mit den vier Gleichungen ist die Invertierbarkeit sowohl von
Weiter gilt A als auch von B gezeigt.
|ly (x)|
Jy = sup ≥ sup |ly (bk )| Aufgabe 8.11 • Angenommen es gilt AB − BA = I .
x∈c0 \{0} x∞ k∈N
Dies impliziert induktiv AB n − B n A = nB n−1 ; denn mit
k AB − BA = I haben wir einen Induktionsanfang und aus
= sup |yk | = y1
k∈N j =1 AB n+1 − B n+1 A = (AB n − B n A)B + B n (AB − BA)
= nB n−1 B + bn = (n + 1)B n
für bk = (1, . . . , 1, 1, 0, . . . ) ∈ c0 mit bjk = 1 für j ≤ k
und bjk = 0 für j > k. Also ist Jy = y1 und insbe- ergibt sich der Induktionsschritt.
sondere ist J injektiv.
Da die beiden Operatoren beschränkt sind, folgt aus dieser
Es bleibt auch in diesem Beispiel noch zu zeigen, dass
Identität mithilfe der Dreiecksungleichung für hinreichend
J surjektiv ist. Dazu sei l ∈ (c0 ) und wir definieren die
große n ∈ N der Widerspruch
Folge (yk ) durch yk = l(ek ), wobei die Folgen ek wie im
ersten Teil definiert sind, d. h., es gilt Jy = l, wenn wir nB n−1 ≤ 2ABB n−1
noch beweisen, dass y ∈ l1 gilt. Dazu betrachte man
bzw. n ≤ 2AB.
N
N
k N N
|yk | = l(sgn(yk )e ) = l(b ) ≤ l b ∞ = l
Aufgabe 8.12 •• Ohne Einschränkung interpretieren
k=1 k=1
wir X ⊆ X̃ als eine dichte Teilmenge von X̃ und entspre-
für die Nullfolge bN ∈ c0 mit bkN = sgn(yk ) für k ≤ N chend Y ⊆ Ỹ .
und bkN = 0 für k > N . Diese Abschätzung gilt für jedes Da X dicht liegt in X̃, existiert zu einem x ∈ X̃ eine Folge
N ∈ N und es folgt y ∈ l1 . Die Abbildung J liefert somit (xn ) ⊆ X mit xn → x für n → ∞. Insbesondere ist (xn )
auch in diesem Fall einen Normisomorphismus. eine Cauchy-Folge in X ⊆ X̃. Da A auf X beschränkt ist,
Angenommen l1 ist reflexiv, d. h. (l1 ) ∼
= l1 . Da der l1 se- folgt (Axn ) ⊆ Y ist eine Cauchy-Folge in Y . Also existiert
parabel ist, folgt mit der ersten Teilaufgabe, dass (l∞ ) ∼= y ∈ Ỹ mit Axn → y, n → ∞.
Lösungswege zu Kapitel 8 67
Sei (zn ) ⊆ X eine weitere Folge mit zn → x, n → ∞. Dann Auf dem eindimensionalen normierten Raum (X̃, .) defi-
folgt nieren wir die lineare Abbildung
Aufgabe 8.15 •• Ist M beschränkt, so ist auch die im Widerspruch zu limn→∞ l(xn ) = l(x). Also ist der
Menge l(M) beschränkt, da l ∈ X ein beschränktes lineares schwache Grenzwert x ∈ A. Diese Aussage wird in der Li-
Funktional ist und somit teratur auch als Satz von Mazur bezeichnet.
T x(t) = tx(t) , t ∈ [0, 1] Aufgabe 9.7 ••• Bestimmen Sie in Abhängigkeit von
λ die Riesz’sche Zahl des Integraloperators λ1 A in
kompakt? L = (λI − A) : C([−1, 1]) → C([−1, 1]) mit
1
Aufgabe 9.2 •• Zeigen Sie mithilfe des Satzes von Lx(t) = λx(t) − (1 − |t − s|)x(s) ds .
Arzela-Ascoli, dass durch −1
b
Ax(t) = k(t, s)x(s) ds Aufgabe 9.8 •• Finden Sie zu dem homogenen Rand-
a wertproblem
mit stetigem Kern k ∈ C([a, b] × [a, b]) ein kompakter Ope- (px ) − qx = f mit x(0) = x(1) = 0
rator A : C([a, b]) → C([a, b]) gegeben ist.
mit p ∈ C 1 ([0, 1]), p > 0 und q, f ∈ C([0, 1]) eine äqui-
Aufgabe 9.3 • Durch valente Fredholm’sche
t 1 Integralgleichung, wobei vorausge-
setzt ist, dass 0 p(s) ds existiert. Formulieren Sie die Fred-
2π holm’sche Alternative für das Randwertproblem.
f, g = g(0) f (t) dt
0
N (I −A) bzw. N (I −A∗ ) die Gram’sche Matrix T ∈ Cm×m Aufgabe 9.7 ••• Beachten Sie, dass A = A∗ bzgl. des
mit Tij = ϕi , ψj für i, j = 1, . . . , m regulär ist. L2 -Skalarprodukts symmetrisch ist, und unterscheiden Sie
die Fälle Im(λ) = 0 und λ ∈ R. Überlegen Sie sich im
Aufgabe 9.13 • Sind X, Y reflexive normierte Räume zweiten Fall zunächst, dass r ≤ 1 gilt, und betrachten Sie
und ist A ∈ L(X, Y ), dann gilt (A∗ )∗ = A, wenn wir die dann die beiden Situationen λ = 0 und λ = 0.
Bidualräume mit den Räumen identifizieren.
Aufgabe 9.8 •• Zweimaliges Integrieren und eine Ver-
Aufgabe 9.14 ••• Man nennt einen Operator R ∈ tauschung der Integrationsreihenfolge führt auf die gesuchte
L(Y, X) einen Regularisierer zum Operator L ∈ L(X, Y ) Integralgleichung, die mit der Fredholm-Theorie analysiert
auf normierten Räumen X, Y , wenn es kompakte Operato- werden kann.
ren A1 : X → X bzw. A2 : Y → Y gibt, sodass
RL = I − A1 und LR = I − A2 Beweisaufgaben
gilt und somit die Fredholm-Theorie genutzt werden kann. Aufgabe 9.9 • Beachten Sie, dass Y genau dann end-
Zeigen Sie mit y ∈ Y die folgenden beiden Aussagen. liche Dimension hat, wenn es ε > 0 gibt, sodass
– Ist R injektiv, so gilt: x ∈ X ist genau dann Lösung zu
Lx = y, wenn x Lösung zu (I − A1 )x = Ry ist. B(0, ε) = {y ∈ Y | y ≤ ε} ⊆ Y
– Ist R surjektiv, so gilt: x ∈ X ist genau dann Lösung zu
kompakt ist.
Lx = y, wenn z mit x = Rz Lösung zu (I − A2 )z = y
ist. Aufgabe 9.10 • Man beachte, dass P nach dem
Finden Sie für den Volterra-Operator L : C([0, 1]) → Lemma auf Seite 330 ein kompakter Operator ist.
C,1 ([0, 1]) = {y ∈ C 1 ([0, 1]) | y(0) = 0} mit
t Aufgabe 9.11 •• Zeigen Sie zunächst, dass E invertier-
Lx(t) = k(t, s) x(s) ds bar ist.
0
und differenzierbarer Kernfunktion k ∈ C 1 ([0, 1]×[0, 1]) Aufgabe 9.12 •• Für die eine Richtung des Beweises
mit k(t, t) = 1 für t ∈ [0, 1] einen Regularisierer. zeige man, dass T injektiv ist und für die Rückrichtung führe
man die Annahme r > 1 zum Widerspruch.
Aufgabe 9.3 • –
Rechenaufgaben
Aufgabe 9.5 •• Verwenden Sie den Satz von Arzela- Aufgabe 9.4 • –
Ascoli.
Rechenaufgaben
Aufgabe 9.6 • Überlegen Sie sich, dass die Partial-
summen der Reihe eine Folge kompakter Operatoren liefern, Aufgabe 9.5 •• –
die gegen den Operator T in der Operatornorm konvergiert.
Warum sind Banachräume vorausgesetzt? Aufgabe 9.6 • –
Lösungswege zu Kapitel 9 71
Aufgabe 9.7 ••• – für t, t˜, s ∈ [a, b] und |t − t˜| ≤ δ. Mit dieser Abschätzung
ergibt sich
Aufgabe 9.8 •• –
b
Ax(t) − Ax(t˜) =
k(t, s) − k(t˜, s) x(s) ds
a
Beweisaufgaben
≤ c|b − a| max |k(t, s) − k(t˜, s)| ≤ ε
Aufgabe 9.9 • – t,s∈[a,b]
Aufgabe 9.14 ••• – Aufgabe 9.3 • zu (a): Man wähle etwa f (x) = cos x,
x ∈ [0, 1].
zu (b): Die Operatoren A, B besitzen endlich dimensionale
Bildräume und sind bzgl. || · ||∞ beschränkt. Also sind die
Lösungswege Operatoren kompakt. Aus
Somit besitzt die Bildfolge T xn keine konvergente Teilfolge Aufgabe 9.4 • Ist A : X → Y invertierbar, so gilt
in den stetigen Funktionen und wir haben gezeigt, dass der IX = A−1 A und IY = AA−1 . Außerdem erhalten wir auf
Multiplikationsoperator nicht kompakt ist. den Dualräumen aus (IX l)(x) = l(IX x) die Darstellung
IX = (IX )∗ = (A−1 A)∗ . Mit der Folgerung auf Seite 329
Aufgabe 9.2 •• Sei M ⊆ C([a, b]) eine beschränkte ergibt sich
Teilmenge, d. h., es gibt c > 0 mit x∞ ≤ c für alle x ∈ M. IX = A∗ (A−1 )∗ .
Damit folgt
Analog folgt IY = (A−1 )∗ A∗ und wir haben gezeigt, dass
|Ax(t)| ≤ c|b − a| max |k(t, s)| A∗ invertierbar ist mit (A∗ )−1 = (A−1 )∗ .
t,s∈[a,b]
für jedes t ∈ [a, b] und jede Funktion x ∈ C([a, b]). Also Rechenaufgaben
ist die Menge A(M) ⊆ C([a, b]) beschränkt.
Weiter ist k gleichmäßig stetig auf der kompakten Menge Aufgabe 9.5 •• zu (a) Sei U ⊆ C 0,β (G) eine be-
[a, b] × [a, b], d. h., insbesondere zu ε > 0 gibt es δ > 0 mit schränkte Teilmenge, d. h., es existiert C > 0 mit ϕ0,β ≤ C
für alle ϕ ∈ U . Also gelten insbesondere folgende Abschät-
ε zungen
|k(t, s) − k(t˜, s)| ≤
c|b − a| |ϕ(t) − ϕ(s)| ≤ C |t − s|β
72 Lösungswege zu Kapitel 9
t
d. h., es gilt die Randbedingung x(−1) + x(1) = 0. Analog Wir setzen P (t) = 0 1/p(s) ds. Dann folgt aus der Rand-
erhalten wir aus der Gleichung (9.7) die Bedingung x (−1)+ bedingung für t = 1
x (1) = 0. Daraus ergibt sich
1
1
1 − P (1) − P (τ ) r(τ ) dτ = αP (1) .
0 < |x (s)|2 ds = x (s)x (s) ds 0
−1 −1
Einsetzen dieser Darstellung für α in die IGL ergibt
1
= [x(s)x (s)]1−1 − x(s)x (s) ds
t
−1 x(t) − P (t) − P (τ ) r(τ ) dτ
1 0
2 2
= − |x(s)|2 ds = − x2L2 P (t) 1
λ −1 λ + P (1) − P (τ ) r(τ ) dτ = 0.
P (1) 0
Also ist N (λI − A) = {0} für λ > 0.
Also erhalten wir die Fredholm’sche Integralgleichung
Sei nun λ < 0. Aus der DGL (9.8) folgt
1
1
? x(t) − k(t, s)q(s)x(s) ds = k(t, s)f (s) ds
2 0 0
x(t) = A cos μt + B sin μt mit μ =
|λ|
mit dem stetigen Kern
und die Randbedingungen liefern das LGS
1 P (t)(P (1) − P (s)), t ≤ s
k(t, s) =
P (1) P (s)(P (1) − P (t)), s ≤ t.
0 = 2A cos μ, 0 = 2Bμ cos μ .
Ist cos μ = 0, so folgt A = B = 0, also auch x = 0, und wir Lesen wir die Herleitung von unten nach oben, so folgt ins-
erhalten r = 0. gesamt die Äquivalenz der IGL mit dem RWP, wobei wir
berücksichtigen müssen, dass aus der allgemeinen Theorie
Im anderen Fall, d. h. μk = π
2 +kπ mit k ∈ N0 (man beachte: parameterabhängiger Integrale aus der Fredholmgleichung
μ > 0), erhalten wir mit zunächst die Regularität x ∈ C 1 ([0, 1]) folgt. Die Identität
nach der Integration der Differenzialgleichung am Anfang
2 8
λk = = , k ∈ N0 , des Beweises liefert dann x ∈ C 2 ([0, 1]).
μ2k (2k + 1)2 π 2
(b) Der adjungierte Integraloperator ist
nicht-triviale Lösungen der DGL und somit auch der IGL.
1
Also gilt in diesem Fall r = 1. A∗ x(t) = q(t) k(t, s)x(s) ds.
0
Bem.: (a) Die Lösbarkeit der IGL im zweiten Fall wird durch
die Fredholm-Theorie geklärt. Die speziellen Werte λk hei- Aus der Fredholm’schen Alternative erhalten wir, dass die
ßen Eigenwerte zu A (siehe Kapitel 10). Integralgleichung genau dann lösbar ist, wenn
(b) A ist ein „positiver Operator“, denn alle Eigenwerte sind
1
positiv. g(t) = k(t, s)f (s) ds ∈ (N (I − A∗ ))⊥
0
Aufgabe 9.8 •• zu (a) Sei x ∈ C 2 ([0, 1]) eine Lösung gilt. Analog zum Beispiel auf Seite 335 folgt, dass das RWP
der Randwertaufgabe. Integration liefert genau dann lösbar ist, wenn
1
t
p(t)x (t) − [q(s)x(s) + f (s)] ds = α f (t)z(t) dt = 0
0 0
mit Integrationskonstanten α. Sei r(t) = q(t)x(t) + f (t). ist für alle z ∈ C 2 ([0, 1]), die das homogene RWP
Eine weitere Integration ergibt
(pz ) − qz = 0, z(0) = z(1) = 0
t
s
t
1 1
x(t) − r(τ ) dτ ds = α ds, lösen.
0 p(s) 0 0 p(s)
Weiter wissen wir, da A kompakt ist, dass A() ⊆ Y kom- wobei das erste Gleichheitszeichen aus der Fredholm’schen
pakt ist. Es folgt, B(0, ε) ⊆ A() ist kompakt. Strecken wir Alternative folgt
und das zweite aus dem dritten Riesz’schen
die Kugel mit dem Faktor 1/ε, so folgt, dass die Einheitsku- Satz. Folglich ist ak ψk = 0 und wegen der linearen Unab-
gel in Y relativ kompakt ist, und nach dem Satz auf Seite 315 hängigkeit der ψk folgt a = 0. Also ist T injektiv und somit
ist Y endlich dimensional. regulär.
Aufgabe 9.10 • Mit der Riesz-Theorie genügt es zu „⇐“: Für die Rückrichtung des Beweises müssen wir zeigen,
zeigen, dass L − P injektiv ist, da L − P = I − (A + P ) dass I − A die Riesz’sche Zahl r = 1 hat.
und A + P kompakt ist.
Angenommen N (I − A) N ((I − A)2 ), d. h., es gibt ein
Sei x ∈ X mit (L − P )x = 0. Es folgt Lx = P x ∈ N (Lr ) x ∈ N ((I − A)2 ) \ N (I − A). Dann ist ϕ1 := (I − A)x = 0
bzw. Lr+1 x = Lr P x = 0. Also ist x ∈ N (Lr+1 ) = N (Lr ) und (I − A)ϕ1 = 0, d. h. ϕ1 ∈ N (I − A). Nun ergänzen wir
und wir erhalten Lx = P x = x. Damit ergibt sich x = Lx = ϕ1 zu einer Basis von N (I − A). Ist weiter ψ1 , . . . , ψm eine
L(Lx) = . . . = Lr x und schließlich x ∈ N (Lr )∩Lr (X) = {0}. Basis von N (I − A∗ ), so folgt
Für die Riesz-Zahl zeigen wir N ((E − A)2 ) = N (E − A). Also muss unter der Voraussetzung, dass dieser Fall nicht
Betrachten wir (x, y) ∈ N ((E − A)2 ), d. h., es gilt eintritt, N (I −A) = N ((I −A)2 ) sein und für die Riesz’sche
2 Zahl gilt r ≤ 1. Nach Voraussetzung ist {0} = N (I − A),
I − A11 T − A12 x 0 und daher ist die Riesz-Zahl von I − A gleich 1.
=
0 I − A22 y 0
bzw. Aufgabe 9.13 • Wir betrachten die Abbildungen
A : X → Y , A∗ : Y → X und A∗∗ = (A∗ )∗ : X → Y .
(I − A11 )2 x Außerdem nutzen wir die Bezeichnung Jx ∈ X bzw.
+ [(I − A11 )(T − A12 ) + (T − A12 )(I − A22 )] y = 0 Jy ∈ Y für Elemente in den Bidualräumen, die wir auf-
grund der Reflexivität eindeutig den Elementen x ∈ X bzw.
und
y ∈ Y durch Jx l = l(x) bzw. Jy l˜ = l(y)
˜ zuordnen können.
(I − A22 )2 y = 0 . ˜
Damit erhalten wir für Elemente l ∈ Y die Gleichungen
Da wegen der vorausgesetzten Riesz-Zahl I − A22 injektiv
ist, folgt aus der zweiten Gleichung y = 0. Damit liefert die (A∗∗ Jx )(l)
˜ = Jx (A∗ l)
˜ = (A∗ l)(x)
˜
erste Zeile (I − A11 )2 x = 0. Mit der Riesz-Zahl r = 1 von
˜
= l(Ax) = JAx l˜ .
A11 ergibt sich x ∈ N (I − A11 )2 = N (I − A11 ). Somit
ist (x, y) ∈ N (E − A) und wir haben bewiesen, dass die
Riesz’sche Zahl von E − A durch r = 1 gegeben ist. Damit ist gezeigt, dass (A∗∗ Jx ) = JAx gilt und mit der Iden-
tifizierung der Bidualräume können wir diese Identität auch
Aufgabe 9.12 •• Man beachte, dass nach dem ersten durch A∗∗ = A beschreiben.
Fredholm’schen Satz gilt
„⇒“: Sei r = 1 die Riezsche Zahl von (I − A) und (I − A∗ ) Ist x ∈ X Lösung zu Lx = y, so folgt direkt
und T := ϕi , ψj i,j =1,...,m mit Basen zu den Nullräumen.
Wir wollen zeigen, dass T regulär ist. Ry = RLx = (I − A1 )x .
Dazu sei a ∈
Cm
mT a = 0. Also gilt 0 =
mit
m
k=1 ϕ i , ψk a k = ϕi , k=1 ak ψk , i = 1, . . . , m. Also
Andererseits, wenn x Lösung zu (I − A1 )x = Ry ist, so
ist gilt
m R(Lx − y) = 0 .
ak ψk ∈ N (I − A∗ ) ∩ N (I − A)⊥
k=1 Da R injektiv vorausgesetzt ist, ergibt sich Lx = y, d. h.,
= N (I − A∗ ) ∩ (I − A∗ )(Y ) = {0} , X ist eine Lösung der ursprünglichen Gleichung.
Lösungswege zu Kapitel 9 75
Ist z Lösung zu (I − A2 )z = y, so gilt LRz = y, d. h., Andererseits ist x = z = Dz mit z ∈ C,1 ([0, 1]), so ergibt
x = Rz ist Lösung der ursprünglichen Gleichung. sich durch partielle Integration
Andererseits gibt es zu einer Lösung x der Gleichung
t
Lx = y, da R surjektiv vorausgesetzt ist, ein z ∈ Y mit LRz(t) = k(t, s) z (s) ds
x = Rz und es folgt 0
t
∂k(t, s)
= z(t) − z(s) ds ,
y = Lx = LRz = (I − A2 )z . 0 ∂s
d. h., wir erhalten
Abschließend betrachten wir den Volterra-Operator
LR = I − A2
t
Lx(t) = k(t, s) x(s) ds . mit dem Integraloperator
0
t
∂k(t, s)
Differenzieren wir diese Funktion, so erhalten wir mit der A2 z(t) = z(s) ds .
0 ∂s
Produktregel
Es bleibt zu zeigen, dass A2 : C,1 ([0, 1]) → C,1 ([0, 1])
t ∂k(t, s) kompakt ist. Da A2 als Integraloperator mit stück-
DLx(t) = x(t) − x(s) ds .
0 ∂t weise stetigem Kern gegeben ist, gilt wie oben, dass
A2 : C,1 ([0, 1]) → C([0, 1]) kompakt ist. Für eine be-
Wie im Lemma auf Seite 284 gezeigt, lässt sich der In- schränkte Folge zn ∈ C 1 ([0, 1]) existiert somit eine in
tegraloperator durch Operatoren mit stetigem Kern, also C([0, 1]) konvergierende Teilfolge. Wir wählen eine sol-
kompakte Operatoren approximieren. Da der Unterraum che Teilfolge (zn ) ohne eine neue Notation einzuführen.
der kompakten Operatoren abgeschlossen ist, ist der Inte- Weiter ist
graloperator A1 : C([0, 1]) → C([0, 1]) mit
DA2 = D(I − (I − A2 )) = D(I − LD)
t ∂k(t, s) = (I − DL)D = A1 D .
A1 x(t) = x(s) ds
0 ∂t
Da die Verkettung A1 D : C, ([0, 1]) → C([0, 1]) kom-
kompakt. Definieren wir den beschränkten Operator pakt ist, gilt dies entsprechend für DA2 . Damit existiert
R : C,1 ([0, 1]) → C([0, 1]) durch Ry(t) = Dy(t), so auch für die Ableitung (A2 zn ) eine konvergente Teil-
folgt die gewünschte Darstellung folge bzgl. .∞ und wir haben gezeigt, dass (A2 zn )
in C,1 ([0, 1]) eine konvergente Teilfolge besitzt, d. h.,
RLy = I − A1 . A2 : C,1 ([0, 1]) → C,1 ([0, 1]) ist kompakt.
Kapitel 10 (b) Beweisen Sie, dass der Integraloperator A : X → X mit
dem Kern
(t − 1)s, 0 ≤ s ≤ t ≤ 1
Aufgaben k(t, s) =
(s − 1)t, 0 ≤ t ≤ s ≤ 1
bzgl. der vom Skalarprodukt induzierten Norm kompakt ist.
Verständnisfragen
(j )
Aufgabe 10.1 • Sei X Prä-Hilbertraum über C und Aufgabe 10.7 •• Wir bezeichnen mit (en ) die Folgen
(j ) (j )
sind x, y ∈ X mit x = 0. Zeigen Sie, dass genau dann mit ej = 1 und en = 0 für n = j und betrachten den
Gleichheit in der Cauchy-Schwarz’schen Ungleichung gilt, Prä-Hilbertraum
wenn ein μ ∈ C existiert mit y = μx.
lend = {(xn )n∈N ∈ R | xn = 0 für endlich viele n ∈ N}
Aufgabe 10.2 •• Es seien X, Y Hilberträume und {xn |
mit dem Skalarprodukt (xn ), (yn ) = ∞ n=1 xn yn . Weiter-
n ∈ N} ⊆ X und {yn | n ∈ N} ⊆ Y Orthonormalsysteme. hin definieren wir zu einer reellen Folge (λj ) mit λj < 1 und
Weiter ist eine monotone Nullfolge (an ) in C gegeben. Zeigen limj →∞ λj = 1 den Operator A : lend → lend durch
Sie, dass durch
∞
∞
(j ) (j )
Kx = (x, xn )an yn A(xn ) = λj ((xn ), (en ))en .
n=0 j =1
ein kompakter Operator K : X → Y definiert ist.
Zeigen Sie:
Aufgabe 10.3 • Wir betrachten eine beschränkte, (j )
Die Menge {(en ) | j ∈ N} ist ein vollständiges Ortho-
koerzive Sesquilinearform a : X × X → C in einem Hilbert- normalsystem in lend .
raum X, d. h., es gilt |a(u, v)| ≤ Cu v und |a(u, u)| ≥ A : lend → lend ist beschränkt mit A = 1
Ku2 für u, v ∈ X mit Konstanten C, K > 0. Ist l ∈ X und Der Operator I − A ist bijektiv, aber λ = 1 ∈ ρ(A) liegt
bezeichnen wir mit Uh ⊆ X einen abgeschlossenen Unter- im Spektrum des Operators.
raum, so gibt es nach dem Satz von Lax-Milgram Lösungen
u ∈ X und uh ∈ Uh zu Aufgabe 10.8 •• Bestimmen Sie die Eigenwerte und
a(v, u) = l(v) , für alle v ∈ X Eigenfunktionen der Operatoren A1 , A2 , A1 + A2 : L2 (0, 1)
und → L2 (0, 1) mit
a(v, uh ) = l(v) , für alle v ∈ Uh .
1
Man zeige das Cea-Lemma: A1 x(t) = min{t, s} x(s) ds,
C 0
u − uh ≤ inf u − v .
1
K v∈Uh A2 x(t) = max{t, s} x(s) ds.
0
Aufgabe 10.4 •• Zeigen Sie, dass es zu einem kom-
pakten, selbstadjungierten, positiv definiten Operator A ∈
K(X, X) in einem Hilbertraum X genau eine k-te Wurzel Aufgabe 10.9 •• Sei T ein kompakter, selbstadjungier-
gibt, d. h., zu k ∈ N gibt es genau einen kompakten, selbst- ter Operator im Hilbertraum X mit den Eigenwerten λn = 0,
adjungierten, positiv definiten Operator B : X → X mit n ∈ N, und zugehörigen orthonormierten Eigenvektoren
A = Bk. xn ∈ X.
(a) Zeigen Sie, dass für λ = 0 und λ = λn , n ∈ N, die
Rechenaufgaben eindeutige Lösung von
Aufgabe 10.5 • Zeigen Sie, dass zu quadratischen Ma- (λI − T )x = y, y∈X
trizen A, B ∈ Cn×n durch (A, B) = Spur(AB ∗ ) ein Ska-
larprodukt definiert ist. gegeben ist durch
√ ∞
Aufgabe 10.6 •• Seien h : [0, 1] → R mit h(t) = t 1 λn
−1
(λI − T ) y= y+ (y, xn ) xn .
und λ λ − λn
n=1
X = {x ∈ (0, 1) : hx ∈ L2 (0, 1)}
gegeben. Warum konvergiert diese Reihe?
(a) Zeigen Sie, dass X mit (b) Wenden Sie Teil (a) an auf die Sturm’sche Randwertauf-
gabe
1
(x, y) = t x(t) y(t) dt x − λx = f in [0, 1], x(0) = x(1) = 0
0
ein Hilbertraum ist. mit f ∈ C([0, 1]).
M. Brokate et al., Arbeitsbuch Grundwissen Mathematikstudium – Höhere Analysis, Numerik und
Stochastik, DOI 10.1007/978-3-642-54946-5_9, © Springer-Verlag Berlin Heidelberg 2016
Hinweise zu Kapitel 10 77
Beweisaufgaben Hinweise
Aufgabe 10.10 • Zeigen Sie in Hilberträume X, Y ,
dass ein Operator A ∈ L(X, Y ) genau dann eine Isometrie Verständnisfragen
ist, wenn
Aufgabe 10.1 • Man verwende den Projektionssatz.
(Ax, Az)Y = (x, z)X
für alle x, z ∈ X gilt. Aufgabe 10.2 •• Betrachten Sie die Partialsummen der
Reihe von Operatoren und verwenden Sie die Abgeschlos-
Aufgabe 10.11 •• Es sei X Hilbertraum und A ∈ senheit der Menge kompakter Operatoren.
L(X, X). Zeigen Sie:
⊥ Aufgabe 10.3 • Schätzen Sie a(u−uh , u−uh ) sowohl
(A(X))⊥ = N (A∗ ) und N (A∗ ) = A(X).
nach oben als auch nach unten ab.
Aufgabe 10.12 •• Zeigen Sie, dass die Dimension Aufgabe 10.4 •• Mit dem Spektralsatz lässt sich
des Nullraums N (I − A) zu einem Integraloperator
∞
A : C([0, 1]) → C([0, 1]) mit
Bx = k
λn (x, xn ) xn
1
n=1
Ax(t) = k(t, s)x(s) ds
0 mit den Eigenwerten λn und Eigenvektoren xn , n ∈ N von A
mit stetigem Kern k ∈ C([0, 1] × [0, 1]) durch definieren. Man zeige die angegebenen Eigenschaften.
dim (N (I − A)) ≤ k2∞
Rechenaufgaben
abgeschätzt werden kann.
Aufgabe 10.5 • Es müssen alle Eigenschaften eines
Aufgabe 10.13 • Es sei A ∈ L(X, X) ein linearer be- Skalarproduktes explizit gezeigt werden.
schränkter Operator in einem Hilbertraum X. Zeigen Sie,
dass A genau dann kompakt ist, wenn A∗ A kompakt ist. Aufgabe 10.6 •• Für den zweiten Teil verwende man,
dass Integraloperatoren über kompakten Intervallen mit ste-
Aufgabe 10.14 •• Ist X Hilbertraum über dem Grund- tigem Kern kompakt sind (siehe Seite 321).
körper C, dann ist A ∈ L(X, X) genau dann selbstadjungiert,
wenn (Ax, x) ∈ R für alle x ∈ X gilt. Aufgabe 10.7 •• Für die Vollständigkeit des Orthonor-
malsystems betrachte man den Fourier-Entwicklungssatz.
Aufgabe 10.15 •• Die Hermite-Polynome sind defi-
niert durch Aufgabe 10.8 •• Die auftretenden Operatoren sind
dn −t 2
n t2 selbstadjungiert, somit sind nur die Fälle λ = 0, λ > 0 und
Hn (x) = (−1) e e , t ∈ R , n ∈ N0 .
dt n λ < 0 zu untersuchen. Dazu leite man aus der jeweiligen In-
Zeigen Sie die Rekursionen tegralgleichung eine Differenzialgleichung zweiter Ordnung
Hn+1 (t) = 2tHn (t) − 2nHn−1 (t) her.
und
Hn (t) = 2nHn−1 (t) , Aufgabe 10.9 •• Für den ersten Teil wende man den
für n ∈ N, und folgern Sie daraus, dass Hn Lösung der Spektralsatz an. Umformulieren des Randwertproblems zu
Differenzialgleichung einer Integralgleichung ermöglicht dann die Anwendung des
ersten Teils der Aufgabe.
u (t) − 2tu (t) + 2nu(t) = 0 , t ∈ R,
ist.
Beweisen Sie, dass mit den Funktionen
Beweisaufgaben
1 −t 2 Aufgabe 10.10 • Für eine der beiden Implikationen
hn (t) = √ e 2 Hn (t) , betrachte man Elemente x + λy ∈ X mit x, y ∈ X und
π 2n n!
λ ∈ C.
n ∈ N0 , ein Orthonormalsystem in L2 (−∞, ∞) gegeben
ist. Aufgabe 10.11 •• Mit der Definition des adjungierten
Operators in Hilberträumen ergeben sich entsprechende In-
Aufgabe 10.16 ••• Sei a ∈ C([0, 1]). Zeigen Sie zum klusionen relativ direkt, wobei nur eine aufwendiger ist. Hier
Multiplikationsoperator Ma : L2 (0, 1) → L2 (0, 1) mit hilft der Projektionssatz weiter.
Ma x = ax die Identität
Aufgabe 10.12 •• Die Abschätzung lässt sich mithilfe
σ (Ma ) = {z ∈ C : ∃t ∈ [0, 1] mit z = a(t)}
einer Orthonormalbasis von N (I − A) bezüglich des L2 -
für das Spektrum des Operators. Skalarprodukts und der Bessel’schen Ungleichung zeigen.
78 Lösungswege zu Kapitel 10
y = μx + x ⊥ .
Lösungen Setzen wir die Darstellung in die Voraussetzung ein, so folgt
Aufgabe 10.13 • –
M
= |(x, xn )|2 |an |2 yn 2
n=N+1
Aufgabe 10.14 •• –
M
≤ |aN +1 |2 |(x, xn )|2
Aufgabe 10.15 •• –
n=N+1
2 2
Aufgabe 10.16 ••• – ≤ |aN +1 | x
Lösungswege zu Kapitel 10 79
Aufgabe 10.3 • Wir subtrahieren die beiden Gleichun- d. h., B ist selbstadjungiert, und
gen und erhalten ∞
(Bx, x) = k
λn |(x, xn )|2 ≥ 0 ,
a(u − uh , v) = 0 für v ∈ Uh .
n=1
Setzen wir unter anderem v = uh in diese Identität ein, so
ergibt sich mit der Koerzitivität und der Beschränktheit der d. h., der Operator ist auch positiv definit.
Sesquilinearform Es bleibt noch zu zeigen, dass der Operator eindeutig be-
1 stimmt ist. Nehmen wir an, es gibt einen weiteren kompakten,
u − uh 2 ≤ a(u − uh , u − uh ) selbstadjungierten, positiv definiten Operator C ∈ K(X, X).
k
= a(u − uh , u) − a(u − uh , v) Wegen des Spektralsatzes angewendet auf C gibt es ein voll-
ständiges System von Eigenwerten σn und Eigenwerten yn .
= a(u − uh , u − v)
Weiter folgt aus Ayn = C k yn = σnk yn , dass σ k Eigenwert
c
≤ u − uh u − v und yn Eigenvektor zu A ist. Da die Systeme von Eigen-
k vektoren maximal sind, folgt {yn : n ∈ N} = {xn : n ∈ N}
für jedes v ∈ Uh und wir haben die Behauptung gezeigt. und A(X) = C k (X). Sind die Eigenwerte monoton fallend
Kommentar: Das Lemma spielt eine wichtige Rolle in geordnet, so gilt σnk = λn und wir erhalten
der numerischen Mathematik, speziell bei sogenannten ∞
Galerkin-Verfahren; denn ist Uh ein endlich dimensionaler Cx = C (x, xn )xn
Unterraum, so liefert das Lemma eine Fehlerabschätzung n=1
zwischen der Lösung u des kontinuierlichen Problems und ∞
der endlich dimensionalen Näherung uh . = (x, xn )σn xn
n=1
Aufgabe 10.4 •• Da A kompakt und selbstadjungiert ∞
ist, lässt sich der Spektralsatz anwenden. Wir bezeichnen mit = (x, xn ) k λn xn = Bx
λn und xn die Eigenwerte und Eigenvektoren zu A und defi- n=1
nieren die linearen beschränkten Operatoren
und wir haben auch die Eindeutigkeit gezeigt.
N
BN x = k
λn (x, xn )xn .
n=1 Rechenaufgaben
Da das Bild von BN endlich dimensional ist, ist Bn kompakt. Aufgabe 10.5 • Aus
Außerdem gilt
n
n
N Spur(AB ∗ ) = aij bi,j
BN x − BM x = k
λn (x, xn )xn
i=1 j =1
n=M+1
≤ sup{ k λn : M + 1 ≤ n ≤ N}x → 0 ergeben sich direkt die Eigenschaften eines Skalarprodukts;
denn offensichtlich gilt
für M, N → ∞. Es handelt sich also um eine Cauchy-Folge
und wir erhalten den kompakten Operator B = limN →∞ BN
n
n
(siehe auch Aufgabe 10.2) mit (λA, B) = λaij bi,j = λ(A, B)
∞ i=1 j =1
BN x = k
λn (x, xn )xn . und
n=1
n
n
Mit der Konvergenz der Reihe ergibt sich (λA+C, B) = λ(aij +cij )bi,j = λ(A, B)+(C, B)
∞
∞ i=1 j =1
B2x = k
λn k λj (x, xj )(xj , xn )xn
für A, B, C ∈ Cn×n . Weiterhin erhalten wir
n=1 j =1
∞
n
n
n
n
= λn (x, xn )xn = Ax . (A, B) = aij bi,j = aij bi,j = (B, A)
n=1 i=1 j =1 i=1 j =1
80 Lösungswege zu Kapitel 10
Somit haben wir die Eigenschaften eines inneren Pro- Dies ist die Fourier-Entwicklung von (xn ). Da die Entwick-
dukts überprüft. Insbesondere erhalten wir die Cauchy- lung für jedes (xn ) ∈ lend erfüllt ist, ergibt sich mit dem
Schwarz’sche Ungleichung Entwicklungssatz die Vollständigkeit des ONS.
Als Nächstes zeigen wir, dass A beschränkt ist. Dazu sei
SpurAB ∗ ≤ Spur(AA∗ )1/2 Spur(BB ∗ )1/2 .
wiederum (xn ) ∈ lend und k = max{n ∈ N | xn = 0}.
Wir erhalten mit ONS und der Parzeval’schen Gleichung die
Abschätzung
Aufgabe 10.6 •• (a) Die Sesquilinearform
1
A(xn )2
⎛ ⎞
(x, y) = t x(t) y(t) dt k
(j )
k
(j )
=⎝ λj (xn ), (en ) (en )⎠
0 (j ) (j )
λj (xn ), (en (en ) ,
ist offensichtlich positiv, definit und hermitesch. Außerdem j =1 j =1
ist X vollständig. Denn mit (xn ) in X konvergiert auch
√
k
(j ) 2
t xn (t) in L2 . Also ist X ein Hilbertraum. = λ2j (xn ), (en )
√ j =1
(b) Setze J : X → L2 (0, 1) mit J x(t) = t x(t). Die Abbil-
dung ist nach Definition von X wohldefiniert. Weiter ist J of-
k
(j ) 2
≤ (xn ), (en )
fensichtlich injektiv und mit x(t) = √1 y(t) für y ∈ L2 (0, 1)
t j =1
auch surjektiv. J ist sogar ein Normisomorphismus wegen ∞
(j ) 2
1√ = (xn ), (en ) = (xn )2 .
√
x2X = (x, x) = t x(t) t x(t) dt = J x2L2 . j =1
0
Also folgt A ≤ 1.
Insbesondere folgt J ∈ L(X, Y ) und J −1 ∈ L(Y, X) bzgl.
Betrachten wir weiterhin
der durch die Skalarprodukte induzierten Normen. Setze
A(en(k) ) = |λk |(en(k) ) → (en(k) ) , k → ∞,
1
Ax(t) = k(t, s)x(s) ds . so folgt A ≥ 1. Also gilt insgesamt, dass A beschränkt ist
0
mit A = 1.
Es ist
√
√ 1 t √ Nun zeigen wir Injektivität von I − A. Nehmen wir an, für
tAx(t) = √ k(t, s) s x(s) ds . (xn ) ∈ lend gilt
0 s
(I − A)(xn ) = 0 .
Mit
Dann folgt mit der Fourier-Entwicklung
⎧√
√ ⎨ ts(t − 1), 0≤s≤t ≤1
t (j ) (j )
k̃(t, s) = √ k(t, s) = √ xj = (xn ), (en ) = λj (xn ), (en ) λj xj
s ⎩ t (s − 1) √ t , 0≤t ≤s≤1
s für jedes j ∈ N. Also ist λj = 1 oder xj = 0. Da λj < 1
vorausgesetzt ist, bleibt nur xj = 0 für alle j ∈ N, d. h.,
ist k̃ stetig und aus A = J −1 ÃJ folgt, dass A ∈ K(X, X), da für die Folge (xn ) = 0, und wir haben gezeigt, dass I − A
der Integraloperator à : L2 (0, 1) → L2 (0, 1) mit dem Kern injektiv ist.
k̃ kompakt ist (siehe Seite 320).
Surjektivität des Operators zeigen wir durch explizite Kon-
Aufgabe 10.7 •• Direkt aus struktion: Zu (yn ) ∈ lend mit k = max{j ∈ N | yj = 0}
definieren wir
∞ #
(j ) 1, für j = k 1
(en ), (en(k) ) =
(j )
en en(k) = yj , für j ≤ k
0, sonst xj = 1−λj
n=1 0, für j > k .
folgt, dass es sich um ein Orthonormalsystem handelt. Dann ist (xn ) ∈ lend und wir haben die Fourierkoeffizienten
Vollständigkeit erhalten wir aus folgender Überlegung: Ist (j ) 1 (j )
(j ) (xn ), (en ) = (yn ), (en ) .
(xn ) ∈ lend , so gilt mit xj = (xn ), (en für j ∈ N und mit 1 − λj
Lösungswege zu Kapitel 10 81
Damit erhalten wir (ii) Analog erhalten wir für einen Eigenwert λ mit EF x zu
∞
A2 , d. h. A2 x = λx, dass x ∈ C 2 (0, 1) ist mit
(j ) (j )
t
(I − A)(xn ) = (1 − λj ) (xn ), (en ) (en )
j =1 λx (t) = x(s) ds und λx (t) = x(t)
0
k
1 − λj (j ) (j )
= (yn ), (en ) (en ) Außerdem gelten die Randbedingungen x (0) = 0 und
1 − λj
j =1
x(1) = x (1).
∞ Wiederum ist λ = 0 offensichtlich kein Eigenwert.
(j ) (j )
= (yn ), (en ) (en ) = (yn ) . √
j =1
1. Fall λ > 0: Mit ω = 1/ λ ist die allgemeine Lösung der
Differenzialgleichung
Es bleibt noch zu zeigen, dass λ = 1 nicht in der Resolven-
x(t) = αeωt + βe−ωt .
tenmenge liegt. Dazu zeigen wir, dass der inverse Operator
(I − A)−1 unbeschränkt ist. Dies folgt mit der eben angege- Aus den Randbedingungen folgt α = β und f (ω) :=
benen Konstruktion aus ω tanh ω = 1. Da f (0) = 0, limω→∞ f (ω) = ∞ und
1 f (ω) > 0 für ω > 0 ist, folgt aus dem Zwischenwertsatz
(I − A)−1 (en ) =
j
→ ∞, j → ∞, und der Monotonie, dass es genau einen positiven Eigenwerte
1 − λj
zu A2 gibt.
da limj →∞ λj = 1 gilt. √
2. Fall λ < 0: In diesem Fall ist mit ω = 1/ |λ| durch
x(t) = α cos(ωt) + β sin(ωt) die allgemeine Lösung gege-
Aufgabe 10.8 •• Offensichtlich sind die Operatoren ben. Aus den Randbedingungen erhalten wir β = 0 und die
selbstadjungiert und es gilt Fixpunktgleichung ω = − cot ω. Diese Gleichung besitzt ab-
t
1
zählbar unendlich viele Lösungen mit ωn ∈ [(n − 1)π, nπ],
A1 x(t) = sx(s) ds + tx(s) ds n ∈ N. Also ergeben sich abzählbar unendlich viele negative
0 t EW λ = −ωn2 mit Eigenfunktionen xn (t) = α cos ωn t.
t
1
A2 x(t) = tx(s) ds + sx(s) ds (c) Für die Summe L = A1 + A2 erhalten wir, wenn λ Ei-
0 t
genwert mit Eigenfunktion x zu L ist, dass x ∈ C 2 (0, 1) gilt
1
mit
Bx(t) = A1 x(t) + A2 x(t) = (t + s)x(s) ds 1
0 λx (t) = x(s) ds und λx (t) = 0 .
0
(i) Sei λ Eigenwert mit Eigenfunktion x zu A1 , d. h., es gilt Außerdem gelten die Anfangsbedingungen λx(0) =
1
1
A1 x = λx. Dann ist x ∈ C 2 (0, 1) mit 0 sx(s) ds und λx (0) = 0 x(s) ds.
1 Offensichtlich ist wieder λ = 0 kein Eigenwert. Die allge-
λx (t) = x(s) ds und λx (t) = −x(t) . meine Lösung der Differenzialgleichung ist x(t) = αt + β
t
und aus den Randbedingungen ergibt sich die quadratische
Außerdem gilt x(0) = x (1) = 0. Gleichung
2
1 1
Aus λx = −x folgt sofort, dass λ = 0 kein Eigenwert ist. −λ =
√ 2 3
1. Fall λ < 0: Setze ω = 1/ |λ|. Dann ist die allgemeine mit den beiden Lösungen
Lösung der Differenzialgleichung durch
1 1
ωt −ωt λ1,2 = ±√ .
x(t) = αe + βe 2 3
Also erhalten wir genau einen positiven und einen negativen
gegeben. Aus den Randbedingungen folgt aber α = β = 0.
Eigenwert.
Also ist λ < 0 kein EW.
2. Fall λ > 0: In diesem Fall ist x(t) = √
α cos(ωt)+β sin(ωt) Aufgabe 10.9 •• Zu (a): Nach dem Spektralsatz gibt es
die allgemeine Lösung, wenn ω = 1/ λ ist. Aus x(0) = 0 zu x, y ∈ X Elemente x0 , y0 ∈ N(T ) mit
folgt α = 0 und x (1) = 0 impliziert β = 0 oder cos ω = 0. ∞ ∞
Also ist λ > 0 genau dann EW, wenn ω = (n − 21 )π, n ∈ N x = x0 + (x, xn )xn und y = y0 + (y, xn )xn .
gilt. Wir erhalten alle EW n=1 n=1
Projektion auf xm bzw. auf N (T ) ergibt durch Koeffizienten- Andererseits gehen wir davon aus, dass A eine Isometrie ist,
vergleich λx0 − y0 = 0 und (λ − λn )(x, xn ) − (y, xn ) = 0 dann gilt etwa
für alle n ∈ N. Also ist x0 = yλ0 und (x, xn ) = (y,x n)
λ−λn und
A(x + λy)2 = x + λy2 .
∞
1 (y, xn )
x = y0 + xn Mit dem Skalarprodukt folgt
λ λ − λn
n=1
∞
∞ x + λy2 = (x + λy, x + λy)
1 (y, xn )
= y− (y, xn )xn + xn = x2 + 2Re(λ(x, y) + y2
λ λ − λn
n=1 n=1
∞
1 λn und
= y+ (y, xn )xn .
λ λ − λn A(x + λy)2 = (Ax + λAy, Ax + λAy)
n=1
Wegen der Orthonormalität der xn und der Vollständigkeit = Ax2 + 2Re(λ(Ax, Ay) + Ay2
∞X konvergiert
von
λn
die Reihe genau dann, wenn die Reihe = x2 + 2Re(λ(Ax, Ay) + y2 .
|
n=1 λ−λn (y, xn )| 2 konvergiert.
Somit ergibt sich die Identität
Die Folge (λn ) ist durch T beschränkt. Ferner gibt es ein
δ > 0 mit |λ−λn | ≥ δ, denn sonst wäre λ ein Häufungspunkt Re(λ(x, y) = Re(λ(Ax, Ay) .
der Folge (λn ), was wegen λ = 0 nicht sein kann. Mit der
Bessel’sche Ungleichung folgt Dies gilt für jedes λ ∈ C. Wählen wir λ = 1 und λ = i so
∞ 2 ∞
folgt die gesuchte Gleichung
λn 2
(y, x ) ≤ T |(y, xn )|2
λ − λ n δ2 (Ax, Az)Y = (x, z)X .
n
n=1 n=1
T 2
≤ y2 . Aufgabe 10.11 •• Sei v ∈ (A(X))⊥ , d. h. (Ax, v) = 0
δ2
für alle x ∈ X bzw.
(b) Das Randwertproblem ist äquivalent zur Integralglei-
chung (x, A∗ v) = 0
1
1 für alle x ∈ X. Dies ist äquivalent zu A∗ v = 0, also ist v ∈
x(t) − λ k(t, s)x(s) ds = k(t, s)f (s) ds N (A∗ ). Andererseits folgt offensichtlich mit v ∈ N (A∗ ),
0 0
= y(t), 0≤t ≤1 für jedes x ∈ X die Identität (Ax, v) = (x, A∗ v) = 0, d. h.
v ∈ (A(X))⊥ .
mit k(t, s) = ts − min(t, s). Dies lässt sich für λ = 0 in
Nun zeigen wir die zweite Identität: Nach dem ersten Teil ist
der Form λ1 I − A x = λ1 y schreiben, wobei Ax(t) = ⊥
1 (N (A∗ ))⊥ = (A(X))⊥ und somit
0 k(t, s)x(s) ds. Man beachte, dass im Fall λ = 0 die Inte-
gralgleichung eine explizite Lösungsformel liefert. A(X) ⊆ (N (A∗ ))⊥ .
Die Eigenwerte und Eigenfunktionen von A sind λn = n−1
√ Also bleibt noch A(X) ⊇ (N (A∗ ))⊥ zu zeigen. Da A(X)
2π 2
mit xn (t) = 2 sin(nπt) für n ∈ N . Für λ1 = λn erhalten ein abgeschlossener Unterraum ist, existiert mit dem Projek-
wir tionssatz zu x ∈ X eine Zerlegung x = u + v mit u ∈ A(X)
−1
1 −1 und v ∈ (A(X))⊥ . Sei nun x = u + v ∈ (N (A∗ ))⊥ =
x = I −A y ⊥
λ λ (A(X))⊥ , so gilt
∞ −1
1 1
= λ y+ n2 π 2
( y, xn )xn 0 = (x, v) = (u, v) + (v, v) = v2 .
1 1
λ + 2 2
λ λ
n=1 n π
Also folgt x = u ∈ A(X), d. h.
∞
1
= y−λ (y, xn )xn (N (A∗ ))⊥ ⊆ A(X),
n2 π 2 + λ
n=1
und die Reihe konvergiert absolut und gleichmäßig. und wir haben insgesamt auch die zweite Identität gezeigt.
Man vergleiche das Resultat mit dem Lemma auf Seite 329
Beweisaufgaben in allgemeinen Dualsystemen.
Aufgabe 10.10 • Die eine Richtung der Äquivalenz ist Aufgabe 10.12 •• Nach dem ersten Riesz’schen Satz
offensichtlich, denn gilt (Ax, Az)Y = (x, z)X für alle x, z ∈ X, ist die Dimension des Nullraums endlich. Wir setzen
so folgt mit x = z die Isometrie-Eigenschaft Ax = x. n = dim(N (I − A)) und wählen eine Orthonormalbasis
Lösungswege zu Kapitel 10 83
m = n ergibt sich mit der Rekursionsgleichung für die Aufgabe 10.16 ••• Sei λ ∈ ρ(Ma ) in der Resolventen-
Ableitung durch m-malige partielle Integration menge, d. h., λI − Ma = Mλ−a ist beschränkt invertierbar.
∞
Wir zeigen die Behauptung: Mψ : L2 (0, 1) → L2 (0, 1) mit
hn (t) hm (t) dt
−∞ ψ ∈ C([0, 1]) ist beschränkt invertierbar genau dann, wenn
(−1)n ψ(t) = 0 ist für alle t ∈ [0, 1]. Denn mit ψ = λ − a folgt
= √ n die gesuchte Aussage der Aufgabe.
π 2 n!
2 ∞
∞
dn−1 e−t dn−1 e−t
2 Bew.: „⇐“ Aus ψ(t) = 0 folgt (Mψ )−1 = M 1 ist ein
· Hn (t) − Hn (t) dt ψ
dt n−1 −∞ dt n−1 beschränkter linearer Operator in L2 .
−∞
∞
dn−1 e−t
2
−(−1)n „⇒“ Sei Mψ beschränkt invertierbar. Dann existiert insbe-
= √ n 2nHn−1 (t) dt sondere die Lösung x ∈ L2 (0, 1) zu Mψ x = 1. Also ist
π 2 n! −∞ dt n−1 1
ψ = x ∈ L (0, 1). Weiter gilt Mψ (xy) = Mψ (x)y =
2
= ...
∞ y ∈ L2 (0, 1), sodass aus der beschränkten Invertierbarkeit
(−1)n (−1)n −t 2
= √ H0 (t) e dt = 1 . xy ∈ L2 (0, 1) für alle y ∈ L2 (0, 1) folgt.
π −∞
Dabei wird genutzt, dass die Randterme wegen des Faktors Angenommen es sei ψ(t0 ) = 0 für ein t0 ∈ [0, 1]. Dann ist
durch
e−t stets verschwinden.
2
Im Fall m > n führen wir m + 1 partielle Integrationen 1 1
aus und erhalten, da Hn Polynom vom Grad n ist, In = t ∈ [0, 1] : < ψ(t) ≤ , n∈N
n+1 n
∞
hn (t) hm (t) dt eine disjunkte Zerlegung der Menge {t ∈ [0, 1] : ψ(t) ≤ 1}
−∞ ⊆ [0, 1] gegeben und es gilt μ(In ) = 0. Setze
2 ∞
(−1)m dm−1 e−t #
= √ Hn (t) √1 t ∈ In
π 2n+m n! m! dt m−1 fn (t) = n μ(In )
,
−∞
∞ 0, sonst.
d m−1 e −t 2
− Hn (t) dt
−∞ dt m−1 Es folgt
= ...
∞ ∞
∞
1 1
| fn |2 dt = |fn |2 dt = < ∞,
∞ dm−n−1 e−t
2
(−1)n+1 (−1)m n2
= √ Hn(n+1) (t) dt 0 n=1 n=1 In n=1
π 2n+m n! m! −∞ dt m−n−1
∞
= 0. d. h. f = ∈ L2 (0, 1). Weiter ist aber
n=1 fn
Insgesamt haben wir gezeigt, dass es sich bei den Funk-
N N
N
tionen {hn ∈ L2 (−∞, ∞) | n ∈ N0 } um ein Orthonor- 1
2
malsystem handelt. |x fn | dt = |xfn |2 dt ≥ 1→∞
0 n=1 n=1 In n=1
Bemerkung: Die Vollständigkeit dieses Orthonormalsys-
tems über dem unbeschränkten Intervall (−∞, ∞) erfor-
für N → ∞ im Widerspruch zu xf ∈ L2 (0, 1).
dert einige weitere Überlegungen und kann mithilfe der
sogenannten generierenden Funktion oder mithilfe der Bemerkung: Die Aussage lässt sich wie folgt verallgemei-
Fouriertransformation gezeigt werden (siehe etwa Cou- nern: Mψ , Mψ−1 ∈ L(L2 (I ), L2 (I )) genau dann, wenn
rant, Hilbert; Methoden der Mathematischen Physik). ψ, 1/ψ ∈ L∞ (I ) gilt.
Kapitel 11 Beweisaufgaben
Aufgabe 11.5 •• Seien @ x2 , . . . , @
x1 , @ xn Approximatio-
nen an die reellen Zahlen x1 , x2 , . . . , xn und der maximale
Aufgaben Fehler sei in jedem Fall e. Zeigen Sie, dass die Summe
n
Verständnisfragen @
xi
i=1
Aufgabe 11.1 • Auf einer Maschine, die im Dezimal-
einen maximalen Fehler von ne aufweist.
system mit 4 Stellen und maximal 2 Stellen im Exponenten
rechnet, soll die Zahl 0.012345·10−99 in normalisierter Form
Aufgabe 11.6 •• Für die Summe der ersten n Quadrat-
dargestellt werden. Ist das auf dieser Maschine möglich?
zahlen, n ∈ N, gilt
Aufgabe 11.2 •• Gegeben sei die für alle x ∈ R defi-
n
1 1
nierte Funktion Sn := i2 = n n+ (n + 1).
3 2
i=1
1 3 1 2 1
Sx := x + x + x. Zeigen Sie
3 2 6
Gilt Sx = O(x 3 ) oder Sx = O(x)? Ist eine solche Frage (a) Sn = O n3 ,
ohne die Angabe x → x0 überhaupt sinnvoll? (b) Sn = 13 n3 + O n2 ,
42
(c) Sn = O n ,
Aufgabe 11.3 •• Warum eignet sich die Potenzreihe
und diskutieren Sie, welche „Güte“ diese drei Abschätzungen
x2 x4 x6 relativ zueinander haben.
cos x = 1 − + − ± ...
2! 4! 6!
Aufgabe 11.7 • Zeigen Sie, dass der Diskretisierungs-
ganz hervorragend zur numerischen Berechnung von cos 0.5, fehler der zentralen Differenz
aber überhaupt nicht zur Berechnung von cos 2?
u(x + h) − 2u(x) + u(x − h)
Du :=
Aufgabe 11.4 ••• Wir wollen eine Differenzialglei- h2
chung von zweiter Ordnung ist, wenn man mit Du die zweite Ablei-
y (x) = f (x, y) tung u = d2 u/dx 2 einer glatten Funktion u approximiert.
auf dem Intervall [0, 1] numerisch lösen, wobei eine An-
fangsbedingung y(0) = y0 gegeben sei und die Lösung bei
Rechenaufgaben
x = 1 gesucht ist. Die Schrittweite des Gitters G sei h = 1/n,
wobei n ∈ N frei wählbar ist. Das Gitter ist damit gegeben Aufgabe 11.8 •• Die Zahl π wird durch die rationalen
als Zahlen
G := {kh | k = 0, 1, . . . , n} . 22 355
x1 = und x2 =
7 113
Die numerische Methode soll das einfache Euler’sche Poly-
angenähert.
gonzugverfahren sein, das durch
Y (kh) − Y ((k − 1)h) (a) Wie groß sind die absoluten Fehler?
= f (Y ((k − 1)h)) (b) Welcher Fehler hat der mit x1 bzw. x2 berechnete Kreis
h
vom Durchmesser 10 m?
gegeben ist. Der Anfangswert für das Verfahren ist Y0 , die
Projektion von y0 auf das Gitter (Ein Anfangswert y0 = π Runden Sie jeweils auf 6 Nachkommastellen.
ist numerisch auf einer Maschine nicht realisierbar, daher ist
Y0 eine Approximation an π im Rahmen der Darstellbarkeit Aufgabe 11.9 •• Berechnen Sie auf einem Taschen-
der Maschinenzahlen). rechner oder mithilfe eines Computers die Summe
100 √
Im Hinblick auf Abbildung 11.3 seien die Räume E und F k,
mit den jeweiligen Normen als k=1
E = C 1 ([0, 1]),yE := max |y(x)|, in dem Sie jede Wurzel mit nur zwei Nachkommastellen be-
x∈[0,1] rechnen. Welchen Gesamtfehler erwarten Sie im Hinblick auf
/ /
/ d0 / Aufgabe 11.5?
F = R × C([0, 1]), // / := |d0 | + max |d(x)|
d /F x∈[0,1]
Aufgabe 11.10 •• Gegeben sei das Gleichungssystem
definiert. Geben Sie die Operatoren L1 , L2 , φh , T und Th an, Ax = b,
sodass das Diagramm in Abbildung 11.3 die Diskretisierung 1 1 x 22
2 1 = 43 .
der Euler’schen Polygonzugmethode zeigt. 21 9 y 20
Beweisaufgaben
Hinweise Aufgabe 11.5 •• –
Aufgabe 11.6 •• –
Verständnisfragen
Aufgabe 11.1 • Runden Sie die Zahl auf das Format Aufgabe 11.7 • –
der Maschine.
Rechenaufgaben
Aufgabe 11.2 •• Bedenken Sie, für welches x0 in
x → x0 Sie eine asymptotische Aussage treffen möchten. Aufgabe 11.8 •• –
Beweisaufgaben Lösungswege
Aufgabe 11.5 •• –
Verständnisfragen
Aufgabe 11.6 •• Multiplizieren Sie die Faktoren in der Aufgabe 11.1 • –
Definition von Sn aus und schätzen dann ab.
Aufgabe 11.2 •• Natürlich muss immer die Angabe
Aufgabe 11.7 • Taylor-Entwicklung. x → x0 Aussagen mit den Landau-Symbolen begleiten.
Reflektieren Sie die Definition: Sx = O(x 3 ) für x → x0
bedeutet die Existenz einer Konstanten c und eines ε > 0,
Rechenaufgaben sodass
|Sx | ≤ c|x 3 |
Aufgabe 11.8 •• –
für alle x mit |x − x0 | < ε gilt. Es muss also Sxx3 eine
Aufgabe 11.9 •• Wenn jede Wurzel nur auf zwei Stel- Konstante sein. Wegen
len genau berechnet wird, dann ist der maximale Fehler jedes
Summanden 0.005. Sx 1 1 1
= + + 2
x3 3 2x 6x
Aufgabe 11.10 •• (b). Berechnen Sie den Schnittwin- ist aber Sx /x 3 unbeschränkt für x → 0. Andererseits gilt
kel der beiden Geraden. limx→∞ Sx /x 3 = 13 . Es gilt also
aber sicher nicht für x → 0. Ganz analog sehen wir, dass Beweisaufgaben
xi − e ≤ xi ≤ @
@ xi + e
aber das gilt sicher nicht für x → ∞, da in diesem Fall Sx /x
unbeschränkt ist.
schreiben. Summation über i liefert
Für die Operatoren L1 und L2 gilt (c) Da n ∈ N, gilt für alle k ≥ 3 natürlich Sn = O(nk ), also
auch für k = 42.
L1 y(kh) = y(kh),
Die Angabe (b) ist spezifischer als (a). Abschätzung (c) gilt,
d0 ; k = 0, aber ist sehr grob.
L2 d = ,
d((k − 1)h) ; k = 1, 2, . . . , n
Aufgabe 11.7 • Die Taylorentwicklungen
wobei
d0 h2 h3
d := . u(x +h) = u(x) + hu (x) + u (x) + u (x) + O(h4 ),
d(x) 2 3!
h2 h3
Schließlich ist der Operator φh gegeben durch u(x −h) = u(x) − hu (x) + u (x) − u (x) + O(h4 )
2 3!
φh (T )(kh) = liefern
⎧
⎨Y0 − y0 ; k =0
Y (kh) − Y ((k − 1)h) u(x + h) + u(x − h) = 2u(x) + h2 u (x) + O(h4 ),
⎩ −f (Y ((k−1)h)) ; k = 1, 2, . . . , n
h
also
Die diskreten Räume Eh und Fh sind beides Räume von
u(x + h) − 2u(x) + u(x − h)
Funktionen vom Gitter nach R, jeweils mit den konkordanten Du = = u (x) + O(h2 ).
Normen h2
Benutzen wir den Operator Lu(x) := uh (x) := u(x)|G ,
Y Eh := max |Y (kh)|, um unsere kontinuierlichen Größen auf ein Gitter G mit Ma-
k=0,1,...,n
schenweite h zu transferieren, dann folgt für den Approxi-
δFh := |δ0 | + max |δ(kh)|
k=0,1,...,n mationsfehler
22
φ1 = x1 − π = − 3.141593 = 0.001264,
7 15
355
φ2 = x2 − π = − 3.141593 = 0. 10
113
5
•
Ui = U (xi )φi , -10
•
U1 = 10 m · 0.001264 = 0.01264 m.
Dieser harmlos erscheinende Wert des Schnittwinkels
Wir erhalten damit im Fall von x1 die Abschätzung
erweist sich erst bei einer Veranschaulichung der bei-
10π m − 1.26 cm ≤ U ≤ 10π m − 1.26cm. den Geraden als das eigentliche Problem. Die schlechte
Kondition des Gleichungssystems bedeutet geometrisch
Im Fall von x2 erhalten wir (im Rahmen der gewählten einen sehr kleinen Schnittwinkel der beiden Geraden.
Genauigkeit) das exakte Ergebnis.
100 √ Aufgabe 11.11 •• Die Eigenwerte von A sind die Null-
Aufgabe 11.9 •• Sie müssten k=1 k ≈ 671.38 stellen des charakteristischen Polynoms
erhalten haben. Da Sie nur mit zwei Nachkommastellen
gerechnet haben, ist der maximale Fehler je Summand 1−λ 1
pA (λ) = = λ2 − λ − 1.
e = 0.005. Nach Aufgabe 11.5 erhalten wir damit den Ma- 1 −λ
ximalfehler 100 · 0.005 = 0.5, sodass unsere Summe nicht
Mit quadratischer Ergänzung folgt für die Nullstellen
einmal in der ersten Nachkommastelle richtig ist!
1 2 5
Aufgabe 11.10 •• λ− − = 0,
2 4
1 1 7 −63
(a) Die Inverse von A = ist A−1 =
. also
2 1 −6 63 1 1√ 1 √
21 9
Dementsprechend lauten die Frobenius-Normen ±
λ1,2 = 5 = (1 ± 5).
2 2 2
A
B Der Spektralradius ist der betragsgrößte Eigenwert von A,
B 2 2
B 4 1 hier also
√
AF = C |aij |2 = 1+1+ + = 2.021416 1
441 81 ρ(A) = (1 + 5).
i=1 j =1 2
Zur Berechnung der Spektralnorm benötigen wir das Produkt
und entsprechend A−1 F = 49 + 26569 + 36 +
26569 = 53223. Damit ergibt sich für die Kondition A∗ A =
1 1 1 1
=
2 1
.
1 0 1 0 1 1
κ(A) = AF A−1 F = 107585.824.
Wieder benötigen wir die Eigenwerte aus den Nullstellen des
Man würde das Gleichungssystem also als schlecht kon- charakteristischen Polynoms
ditioniert bezeichnen.
(b) Das Gleichungssystem lösen ist äquivalent zur Berech- 3 2 5
pA∗ A (λ) = (2−λ)(1−λ)−1 = λ2 −3λ+1 = λ − − ,
nung des Schnittpunktes der beiden Geraden 2 4
x + y = 22, also √
3 1√ 3± 5
2 1 43 λ1,2 = ± 5= .
x+ y= . 2 2 2
21 9 20 √
Die Steigung der ersten Geraden ist m1 = −1 wegen Damit ist ρ(A∗ A) = 3+ 5
und wir erhalten
2
y = −x + 22, die Steigung der zweiten Geraden ist ? √
3+ 5
m2 = −18/21 wegen y = − 18 387
21 x + 20 . Ihr Schnittwin- ∗
A2 = ρ(A A) = .
kel ist mithin 2
Kapitel 12 Aufgabe 12.7 ••• Beweisen Sie die Hermite’sche Dar-
stellung III. der dividierten Differenzen aus der Hinter-
grund-und-Ausblick-Box auf Seite 411: Ist die Abbildung
Aufgaben u : Rn → R definiert durch
Überlegen Sie sich zuerst, welchen Spline Sie auf Anhieb nach der (n+1)-ten Zeile und beweisen
verwenden würden, den natürlichen oder den vollständigen?
Berechnen Sie auf jeden Fall beide Arten von Splines und
n
D= (−1)n++2 f (x ) (xj − xi ).
vergleichen Sie die Ergebnisse. 0≤i<j ≤n
=0
i,j =
Aufgabe 12.11 • –
Hinweise
Aufgabe 12.12 • –
Verständnisfragen Aufgabe 12.13 ••• Die zweite Ableitung von sin x ver-
Aufgabe 12.1 • – schwindet an den Rändern. Daher läge es nahe, zuerst den
natürlichen Spline zu berechnen.
Aufgabe 12.2 • –
Aufgabe 12.14 •• Verwenden Sie (12.57) und (12.58).
Aufgabe 12.3 • –
Aufgabe 12.4 •• –
Lösungen
Beweisaufgaben
Aufgabe 12.5 ••• Verwenden Sie vollständige Induk- Verständnisfragen
tion über k.
Aufgabe 12.1 • Die Polynome (b) und (c) sind Mo-
9 nome. Die Polynome (a) und (d) bestehen aus Summen von
Aufgabe 12.6 ••• Beginnen Sie mit P := 0≤i<j ≤n
Monomen, sind also selbst keine Monome.
(xj − xi ) und zeigen Sie zuerst, dass für 0 ≤ ≤ n
Aufgabe 12.2 • Da alle Daten auf einer horizontalen
P =(x − x0 )(x − x1 ) · . . . · (x − x−1 )
Geraden liegen, ist das eindeutig bestimmte Interpolations-
· (−1)n− [(x − x+1 ) · . . . · (x − xn )] polynom p(x) = 3.
· (xj − xi )
0≤i<j ≤n Aufgabe 12.3 • Da f ein Polynom vom Grad 4 ist, ist
i,j = p∗ = f .
n
=(−1)n− (x − xm ) · (xj − xi ) Aufgabe 12.4 •• –
m=0 0≤i<j ≤n
m= i,j =
Aufgabe 12.14 •• –
Durch Auseinanderziehen und Erweitern in der Form
f (xi+2 )
Lösungswege f [xi , xi+1 , xi+2 ] = −
(xi+2 − xi+1 )(xi+2 − xi )
f (xi+1 )(xi+1 − xi )
Verständnisfragen
(xi+2 − xi+1 )(xi+2 − xi )(xi+1 − xi )
Aufgabe 12.1 • –
f (xi+1 )(xi+2 − xi+1 )
−
Aufgabe 12.2 • – (xi+1 − xi )(xi+2 − xi )(xi+2 − xi+1 )
gilt. Ist f selbst kein Polynom, dann kann man die rechte Jetzt zum Induktionsschluss. Die Behauptung sei richtig
Seite nicht kleiner als ein beliebig wählbares ε > 0 machen. für
Beweisaufgaben
i+k−1
f (x )
Aufgabe 12.5 ••• Wir beweisen durch Induktion über k. f [xi , . . . , xi+k−1 ] =
9
i+k−1
Für k = 1 gilt =i (x − xm )
m=i
f [xi+1 ] − f [xi ] m=
f [xi , xi+1 ] =
xi+1 − xi
f (xi ) f (xi+1 ) und
= +
xi − xi+1 xi+1 − xi
i+1
f (x )
i+k
f (x )
= . f [xi+1 , . . . , xi+k ] = .
9
i+1 9
i+k
=i (x − xk ) =i+1 (x − xm )
k=i m=i+1
k= m=
92 Lösungswege zu Kapitel 12
i+k−1
f (x )
− ⎛ ⎞ . 9
Aufgabe 12.6 ••• Sei P := 0≤i<j ≤n (xj − xi ). Für
=i 9
i+k−1
⎝ (x − xm )⎠ (xi+k − xi ) 0 ≤ ≤ n bemerken wir
m=i
m=
P =(x1 − x0 )(x2 − x0 ) · . . . · (x − x0 ) · . . . · · · (xn − x0 )·
· (x2 − x1 )(x3 − x1 ) · . . . · (x − x1 ) · . . . · (xn − x1 )·
Lösen wir die beiden Summen auf in der Form · ···
· (x − x−1 )(x+1 − x−1 ) · . . . · (xn − x−1 )·
f (xi )
f [xi , . . . , xi+k ] = ⎛ ⎞ · (x+1 − x ) (x+2 − x ) · . . . · (xn − x )·
9
i+k−1
⎝ (xi − xm )⎠ (xi − xi+k ) · (x+2 − x+1 )(x+3 − x+1 ) · . . . · (xn − x+1 )·
m=i
m=i · ···
f (xi+k ) · (xn − xn−1 )
+⎛ ⎞
= (x − x0 )(x − x1 ) · . . . · (x − x−1 )
9
i+k
⎝ (xi+k − xm )⎠ (xi+k − xi ) Alle unterstrichenen Terme der ersten Zeilen
m=i+1 6 7
m=i+k · (−1)n− (x − x+1 ) · . . . · (x − xn )
⎛
Alle unterstrichenen Terme in Zeile
⎜ + 1 mit jeweils reversem Vorzeichen
⎜
⎜
i+k−1
⎜ f (x )(x − xi ) · (xj − xi )
+ ⎜⎛ ⎞ 0≤i<j ≤n
⎜ i+k
=i+1 ⎜ 9
i,j =
⎝⎝ (x − xm )⎠ (xi+k − xi )(x − xi )
m=i+1 Alle nichtunterstrichenen Terme
m=
⎞ Schreiben wir unsere Umformung in etwas abgekürzter Form
auf, dann ergibt sich
⎟
⎟
n
f (x )(x − xi+k ) ⎟
⎟ (xj − xi ) = (−1)n− (x − xm )
− ⎛ ⎞ ⎟,
⎟ 0≤i<j ≤n
9
i+k−1 ⎟ m=0
⎝ (x − xm )⎠ (xi+k − xi )(x − xi+k ) ⎠
m=
m=i
m= · (xj − xi ).
0≤i<j ≤n
i,j =
dann ergibt sich die letzte große Klammer in der Summe Setzen wir die eben gewonnene Darstellung in Darstellung I
gerade zu ein, dann folgt
n
f (x )
f (x ) f [x0 , . . . , xn ] = (12.9)
9
n
9
i+k =0 (x − xm )
(x − xm ) m=0
m=i m=
m= 9
(−1)n− f (x ) (xj − xi )
0≤i<j ≤n
n
i,j =
und eine Indexverschiebung in den beiden ersten Summan- = 9 .
(xj − xi )
=0
den führt dann auf 0≤i<j ≤n
Lösungswege zu Kapitel 12 93
Wir untersuchen nun Darstellungen einer Determinante. Ent- Nun sei die behauptete Darstellung richtig für n. Es gilt
wicklung nach den Elementen der (n + 1)-ten Zeile von
tn
f (n+1) (un+1 ) dtn+1
1 1 ··· 1
0
tn
f (n) ((1−t1 )x0 +(t1 −t2 )x1 +. . .+(tn −tn+1 )xn +tn+1 xn+1 )
x0 x1 · · · xn =
xn+1 −xn
. .. .. .. tn+1 =0
D := .. . . .
f (n) ((1−t1 )x0 +(t1 −t2 )x1 +. . .+(tn−1 −tn )xn−1 +tn xn+1 )
x n−1 x n−1 · · · x n−1 =
0 n xn+1 −xn
f (x ) f 1(x ) · · · f (x )
0 1 n f (n) ((1 − t1 )x0 + (t1 − t2 )x1 + . . . + (tn−1 − tn )xn−1 + tn xn )
−
xn+1 − xn
liefert
f (n) (un )
1 =
··· 1 xn − xn+1
x1 · · · xn f (n) ((1 − t1 )x0 + (t1 − t2 )x1 + . . . + (tn−1 − tn )xn−1 + tn xn+1 )
−
D = (−1)n+2 f (x0 ) .. .. ..
xn − xn+1
. . .
.. und damit folgt
x n−1 . xnn−1
1
t1
1 tn
··· f (n+1) (un+1 ) dtn+1
1 1 ··· 1
0 0 0
..
x0 x2 . xn f [x0 , . . . , xn−1 , xn ] − f [x0 , . . . , xn−1 , xn+1 ]
+ (−1) f (x1 ) .
n+3
= ,
..
.. .. ..
xn − xn+1
. . .
x n−1 x2n−1 · · · xn
n−1 was nach dem Satz über die Symmetrie der dividierten Dif-
0
ferenzen auf Seite 410 dasselbe ist wie
+ ... f [xn , x1 , x2 , . . . ,xn−1 , x0 ]−f [x1 , x2 , . . . ,xn−1 , x0 , xn+1 ]
.
1 ··· 1 xn − xn+1
x0 · · · xn−1
2n+2 Nun gilt
+ (−1) f (xn ) .. .. .. .
. . .
f [xn , x1 , . . . , xn−1 , x0 , xn+1 ]
x n−1 n−1
· · · xn−1
0 f [x1 , . . . , xn−1 , x0 , xn+1 ] − f [xn , x1 , . . . , xn−1 , x0 ]
=
Wir haben damit die Darstellung xn+1 − xn
und wiederum wegen des Satzes über die Symmetrie der di-
n
D= (−1)n++2 f (x ) (xj − xi ) vidierten Differenzen
=0 0≤i<j ≤n
i,j =
f [xn , x1 , . . . , xn−1 , x0 , xn+1 ] = f [x0 , . . . , xn+1 ].
Damit folgt
gewonnen. Ist n + ungerade, dann auch n − , und ist n +
1
t1
tn
gerade, dann auch n − . Wir haben daher
··· f (n+1) (un+1 ) dtn+1 . . . dt1 = f [x0 ,. . . ,xn+1 ].
0 0 0
n
D= (−1)n− f (x ) (xj − xi )
=0 0≤i<j ≤n
Aufgabe 12.8 • Mit dem Ansatz
i,j =
n
und setzen wir dies nun in (12.9) ein, dann ergibt sich die p(x) = ai (x − x0 )i
gesuchte Darstellung i=0
= a0 + a1 (x − x0 ) + a2 (x − x0 )2 + . . .
D
f [x0 , . . . , xn ] = . + an (x − x0 )n
det V (x0 , · · · , xn )
folgt
p (x) = a1 + 2a2 (x − x0 ) + 3a3 (x − x0 )2 + . . .
Aufgabe 12.7 ••• Der Beweis der Hermite’schen Dar-
stellung wird mit vollständiger Induktion geführt. Für n = 1 + nan (x − x0 )n−1
erhalten wir p (x) = 2a2 + 2 · 3a3 (x − x0 ) + . . .
1
1
+ n(n − 1)(x − x0 )n−2 ,
f (u1 ) dt1 = f ((1 − t1 )x0 + t1 x1 ) dt1
0 0 p (x) = 2 · 3a3 + 2 · 3 · 4a4 (x − x0 ) + . . .
f ((1 − t1 )x0 + t1 x1 ) 1 + n(n − 1)(n − 2)(x − x0 )n−3 ,
=
x −x 1 0 t1 =0 ..
f (x1 ) − f (x0 ) .
= .
x1 − x 0 p (n) (x) =n!an .
94 Lösungswege zu Kapitel 12
!
Aus den Bedingungen p (k) (x0 ) = f (k) (x0 ) für k = 0, Wenn die Interpolation noch bis auf die fünfte Nachkomma-
1, . . . , n erhalten wir sukzessive stelle genau sein soll, dann muss
p(x) = a0 + a1 x + a2 x 2
Rechenaufgaben
führt mit den gegebenen Daten auf das Gleichungs-
Aufgabe 12.9 •• Wir betrachten die ersten vier Daten- system
punkte x0 = 1, x1 = 1 + h, x2 = 1 + 2h, x3 = 1 + 3h,
!
durch die ein Interpolationspolynom vom Grad drei eindeutig p(0) = a0 = f0 = 1,
bestimmt ist. Aus (12.22) erhalten wir !
p(1) = a0 + a1 + a2 = f1 = 3,
f (4) (ξ ) !
p(3) = a0 + 3a1 + 9a2 = f2 = 2,
|f (x) − p(x)| = (x −x0 )(x −x1 )(x −x2 )(x −x3 )
4!
also ⎛ ⎞⎛ ⎞ ⎛ ⎞
für ein min{x, x0 , x1 , x2 , x3 } < ξ < max{x, x0 , x1 , x2 , x3 }. 1 0 0 a0 1
Um abschätzen zu können, wählen wir auf der rechten Seite ⎝1 1 1⎠ ⎝a1 ⎠ = ⎝3⎠ .
immer die maximalen Terme. Zur Berechnung des Maxi- 1 3 9 a2 2
mums von ω4 (x) = (x −1)(x −1−h)(x −1−2h)(x −1−3h)
leiten wir einmal ab und erhalten die drei reellen Nullstellen Als Lösung ergibt sich
√ √ ⎛ ⎞ ⎛ ⎞
h( 5 + 3) + 2 h( 5 − 3) − 2 a0 1
xN,1 = , xN,2 = − , ⎝a1 ⎠ = ⎝ 17 ⎠
2 2 6
3h + 2 a2 − 56
xN,3 = ,
2
und damit lautet das Interpolationspolynom
von denen xN,1 und xN,2 außerhalb des Interpolationsinter-
valls [1, 1 + 3h] liegen. Der Wert 17 5
p(x) = 1 + x − x2.
9 4 6 6
ω4 (xN,3 ) = h
16 (b) Die drei Lagrange’schen Basispolynome lauten
liefert daher das Maximum. Für die vierte Ableitung von x − x 1 x − x2 x−1 x−3
√
f (x) = x erhalten wir L0 (x) = · = ·
x0 − x1 x0 − x2 −1 −3
15 1 1 2
f (4) (x) = − √ , = (x − 4x + 3),
16 x 7 3
x − x0 x − x 2 x x−3
sodass das Maximum dieser vierten Ableitung bei x = x0 = 1 L1 (x) = · = ·
x1 − x0 x1 − x2 1 −2
angenommen wird. Mit 4! = 24 folgt damit 1
= (3x − x 2 ),
2
f (4) (ξ ) x − x0 x − x1 x x−1
|f (x)−p(x)| = (x −x0 )(x −x1 )(x −x2 )(x −x3 ) L2 (x) = · = ·
4! x2 − x0 x2 − x1 3 2
9 4 15 1 1 2
≤ h · . = (x − x).
16 16 24 6
Lösungswege zu Kapitel 12 95
Damit ergibt sich das Lagrange’sche Interpolationspoly- Aufgabe 12.12 • Wir berechnen die dividierten Diffe-
nom zu renzen
p(x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x) f [x0 ] = f0 = f1 = f [x1 ] = 0,
1 3 2 f [x2 ] = f2 = 1,
= (x 2 − 4x + 3) + (3x − x 2 ) + (x 2 − x)
3 2 6 f [x3 ] = f3 = f4 = f [x4 ] = 0,
5 2 17
= − x + x + 1. f [x1 ] − f [x0 ] 0−0
f [x0 , x1 ] = = = 0,
6 6 x1 − x0 4−2
f [x2 ] − f [x1 ] 1−0 1
f [x1 , x2 ] = = = ,
Aufgabe 12.11 • Die erste Spalte des Neville-Tab- x2 − x1 6−4 2
leaus f [x3 ] − f [x2 ] 0−1 1
f [x2 , x3 ] = = =− ,
x3 − x2 8−6 2
x0 F0,0 f [x4 ] − f [x3 ] 0−0
f [x3 , x4 ] = = = 0,
x4 − x3 10 − 8
x1 F1,0 f [x1 , x2 ] − f [x0 , x1 ]
f [x0 , x1 , x2 ] =
x2 − x0
x2 F2,0 1/2 − 0 1
= = ,
enthält die Werte Fj,0 = fj , j = 0, 1, 2, also 6−2 8
f [x2 , x3 ] − f [x1 , x2 ]
f [x1 , x2 , x3 ] =
x3 − x1
x0 = 0 1 −1/2 − 1/2 1
= =− ,
8−4 4
x1 = 1 3 f [x3 , x4 ] − f [x2 , x3 ]
f [x2 , x3 , x4 ] =
x4 − x2
x2 = 3 2
0 + 1/2 1
= = ,
Für die zweite Spalte sind die Größen 10 − 6 8
f [x1 , x2 , x3 ] − f [x0 , x1 , x2 ]
Fj,0 − Fj −1,0 f [x0 , x1 , x2 , x3 ] =
Fj,1 = Fj,0 + , j = 1, 2 x3 − x 0
x−xj −1
−1 −1/4 − 1/8 1
x−xj = =− ,
8−2 16
mit x = 2 zu berechnen. Das geht einfach durch Blick auf f [x2 , x3 , x4 ] − f [x1 , x2 , x3 ]
f [x1 , x2 , x3 , x4 ] =
das Anfangstableau: x4 − x 1
1/8 + 1/4 1
3−1 = = ,
F1,1 = 3 + = 5, 10 − 4 16
2−0
2−1 −1 f [x1 , x2 , x3 , x4 ] − f [x0 , x1 , x2 , x3 ]
f [x0 , x1 , x2 , x3 , x4 ] =
2−3 x4 − x0
F2,1 = 2 + = 2.5,
2−1
−1 1/16 + 1/16 1
2−3 = = .
10 − 2 64
womit wir Bei Handrechnung kann die Berechnung auch vorteilhaft im
m=1 Tableau der dividierten Differenzen erfolgen. Damit lautet
0 1 das Newton’sche Interpolationspolynom
5
1 3 p(x) =f [x0 ] + f [x0 , x1 ](x − x0 )
2.5 + f [x0 , x1 , x2 ](x − x0 )(x − x1 )
3 2 + f [x0 , x1 , x2 , x3 ](x − x0 )(x − x1 )(x − x2 )
erhalten. Nun bleibt uns nur noch, + f [x0 , x1 , x2 , x3 , x4 ](x − x0 )(x − x1 )(x − x2 )
· (x − x3 )
F2,1 − F1,1
F2,2 = F2,1 + 1 1
x−x0
x−x2 −1 = (x − 2)(x − 4) − (x − 2)(x − 4)(x − 6)
8 16
2.5 − 5 10 1
= 2.5 + 2−0
= = p(2). + (x − 2)(x − 4)(x − 6)(x − 8)
2−3 −1 3 64
1 3 49 39
= x 4 − x 3 + x 2 − x + 10.
zu berechnen. 64 8 16 4
96 Lösungswege zu Kapitel 12
1 lösen, also
p(x)
⎛ ⎞⎛ ⎞ ⎛ ⎞
0.8 2 1 S1 3
⎜π 4π π ⎟ ⎜S2 ⎟ 3 √ ⎜π ⎟
⎜3 ⎟⎜ ⎟ 3⎜ ⎟
π ⎠ ⎝S ⎠ =
0.6 3 3
⎝ π 4π
3 2π ⎝−π ⎠ .
3 3 3
0.4
2 1 S4 −3
p(x)
0.2
Als Lösungsvektor ergibt sich
0 ⎛ √ ⎞
⎛ ⎞ 15 3
–0.2
S1 ⎜ 38π√ ⎟
⎜S2 ⎟ ⎜ 3 ⎟
⎜ ⎟ = ⎜ 4π√ ⎟ .
–0.4 ⎝ S3 ⎠ ⎜ − 3 3 ⎟
⎝ 8π √ ⎠
S4 15 3
–0.6
2 3 4 5 6 7 8 9 10 − 4π
x
Nach (12.33) ist auf jedem [xi , xi+1 ], i = 1, 2, 3, ein kubi-
Abbildung 12.1 Das Newton’sche Interpolationspolynom zu den gegebenen sches Polynom der Form
Daten.
si (x) = c1,i + c2,i (x − xi ) + c3,i (x − xi )2 + c4,i (x − xi )3
Aufgabe 12.13 ••• Die zweite Ableitung der Sinusfunk- für i = 1, 2, 3 definiert. Aus (12.34) entnehmen wir
tion an den Rändern des Intervalls ist
c1,i = fi , c2,i = Si ,
− sin(0) = 0, − sin(π) = 0,
also
also bietet sich hier der natürliche Spline an. Mit den Be- √ √
3 3
zeichnungen aus (12.39)–(12.41) berechnen wir c1,1 = f1 = 0, c1,2 = f2 = , c1,3 = ,
2 2
π
x1 = x2 − x1 = √
3 15 3
π c2,1 = S1 = ,
l1 = x2 = x3 − x2 = 8π
3 √
π 3 3
l2 = x3 = x4 − x3 = c2,2 = S2 = ,
3 4π
√
4π 3 3
d1 = 2(x2 + x1 ) = c2,3 = S3 = − .
3 8π
4π
d2 = 2(x3 + x2 ) = Die zwei verbleibenden Sätze von Koeffizienten berechnen
3 wir aus (12.35) und (12.36):
π
r1 = x1 =
3 3f2 − 3f1 − 2S1 x1 − S2 x1
π c3,1 =
r2 = x2 = (x1 )2
3 3
√ 30
√ π 3
√ π
2 3 − 8π 3 3 − 4π 3 3
=
und π2
⎛ ⎞ 9
3 fx22 −f 1 ⎛ f −f ⎞ = 0,
⎜ (f −f )x −x1 ⎟ 3 2 1
⎜3 3 2 1
+ (f2 −f1 )x 2 ⎟ ⎜ x2 −x1 ⎟
⎜ ⎟ = ⎜ 3(f3 − f1 )⎟
R + = ⎜ (f −f 2)x
x x1
⎜3 (f3 −f2 )x3 ⎟⎟
⎜
⎝3(f
⎟
4 − f2 )⎠
3f3 − 3f2 − 2S2 x2 − S3 x2
⎝
4 3
x3
2
+ x2 ⎠ c3,2 =
f4 −f3 (x2 )2
3 x4 −x3
3 fx44 −f
−x3
3
6
√ π 3
√ π
− 4π 3 3 + 8π 33
⎛ 9 √ ⎞ ⎛ ⎞ =
2π√ 3 3 π2
⎜ 3 3 ⎟ 3 √ ⎜π ⎟ √
9
=⎜ 2 √ ⎟
⎝ − 3 3 ⎠ = 2π 3 ⎝−π ⎠ .
⎜ ⎟
27 3
2 √ =− ,
− 2π9
3 −3 8π 2
Allerdings können wir mit dem Spline nicht zufrieden sein, Ein natürlicher Spline muss also nicht zwangsweise „natür-
wenn wir auf die Abbildung 12.2 blicken. Der Spline berück- licher“ sein als ein vollständiger Spline!
sichtigt nicht die Symmetrie der Sinus-Funktion auf [0, π].
Geben wir die Steigungen der Sinus-Funktion bei x = 0 und Aufgabe 12.14 •• Wir haben n = 5 Daten gegeben und
x = π mit σ1 = 1 und σ4 = −1 vor und berechnen den damit ist n = 2N + 1 ungerade mit N = 2. Wir erwarten
vollständigen Spline nach (12.45), dann folgen aus nach (12.58) daher ein Polynom der Form
⎛ ⎞⎛ ⎞ ⎛ ⎞
1 S1 √ 1
⎜ π 4π π ⎟ ⎜ S2 ⎟ ⎜ 3 3 ⎟
a0
N
⎜ 3 3 3 ⎟⎜ ⎟ ⎜ 2√ ⎟
⎝ π 4π π ⎠ ⎝ S ⎠ = ⎝
3 3 3 3 − 23 3 ⎠ p(x) = + (ak cos kx + bk sin kx).
2
1 S4 −1 k=1
98 Lösungswege zu Kapitel 12
1
0.9
2
0.8 a2 = (2 cos 4π/5 + cos 8π/5 + 2 cos 12π/5 + cos 16π/5)
5
0.7
= −0.6
0.6
0.5 und
0.4
2
0.3 b1 = (2 sin 2π/5 + sin 4π/5 + 2 sin 6π/5 + sin 8π/5)
5
0.2
= 0.145309,
0.1
2
0 b2 = (2 sin 4π/5 + sin 8π/5 + 2 sin 12π/5 + sin 16π/5)
5
–0.1
0 0.5 1 1.5 2 2.5 3 = 0.615537.
Abbildung 12.3 Der vollständige Spline korrespondiert zu dem als Linie darge-
stellten Graphen. Die Kreise liegen mit ihrem Mittelpunkt auf dem Graphen der
2.5
Funktion y = sin x.
2
Nach (12.57) folgen die Koeffizienten zu
1.5
2
aj = (f0 cos 0 + f1 cos xj + f2 cos 2xj
n
1
+ f3 cos 3xj + f4 cos 4xj ),
2
bj = (f0 sin 0 + f1 sin xj + f2 sin 2xj 0.5
n
+ f3 sin 3xj + f4 sin 4xj ). 0
b−a
Aufgaben Q[f ] =
2
(f (a) + f (b))
b
Verständnisfragen für a f (x) dx durch Integration des Interpolationsfehlers
f (x) − p(x) bei Interpolation von f durch ein lineares Poly-
Aufgabe 13.1 •• Die Gewichte αi der geschlossenen nom p(x) = f (a) + f (b)−f (a)
(x − a).
b−a
Newton-Cotes-Formeln bzw. die σi := sαi mit dem Haupt-
nenner s der αi werden in der Tabelle auf Seite 446 für wach- Aufgabe 13.9 •• Die zusammengesetzte Trapezregel
sendes n immer größer. Gilt limi→∞ σi = ∞? lautet
Aufgabe 13.2 • Warum ist es keine gute Idee, Poly- 1 1
QzTr
2,m = h f (a) + f (x 1 ) + . . . + f (x m−1 ) + f (b) .
nome möglichst hohen Grades zu verwenden, um auf äqui- 2 2
distanten Stützstellen interpolatorische Quadraturregeln zu
konstruieren? Die Daten f (xk ) seien nicht exakt bekannt, sondern es ste-
hen nur Näherungen yk zur Verfügung, deren Fehler ek :=
Aufgabe 13.3 • Gegeben seien äquidistante Daten auf f (xk ) − yk jeweils im Betrag durch eine obere Schranke E
einer sehr großen Anzahl von Datenpunkten. Sie wollen beschränkt sind. Welchen Effekt haben diese Fehler auf die
keine zusammengesetzten Newton-Cotes-Formeln verwen- zusammengesetzte Trapezformel
den. Welche Möglichkeit zur Konstruktion einer interpola-
torischen Quadraturregel auf äquidistanten Gittern sehen Sie @zTr = h 1 y0 + y1 + . . . + ym−1 + 1 ym ?
Q 2,m
noch? 2 2
1 1 Aufgabe 13.7 •• Aufgabe 13.6.
QzTr
2,m = h f (a) + f (x1 ) + . . . + f (xm−1 ) + f (b)
2 2
!m−1 " Aufgabe 13.8 •• Kapitel 12, (12.22).
1
=h f (xk ) + (f (a) + f (b))
2 Aufgabe 13.9 •• –
k=1
für das Integral
1 Aufgabe 13.10 •• Kapitel 13.3.
e−x dx
2
I [exp(−x 2 )] =
0 Aufgabe 13.11 ••• Kapitel 13.3 und Aufgabe 13.10.
so, dass das Resultat sicher auf 6 Nachkommastellen genau
ist.
Rechenaufgaben
Aufgabe 13.14 •• Die Funktion
Aufgabe 13.12 •• –
∞
1 1
f (x) = cos(7k πx) Aufgabe 13.13 ••• Schätzen Sie den Fehlerterm der zu-
π 2k
k=1 sammengesetzten Trapezformel auf [0, 1] ab.
ist stetig, aber nirgends differenzierbar. Berechnen Sie das
b Aufgabe 13.14 •• –
Integral a f (x) dx für das Intervall [a, b] = [0, 0.1] bzw.
für [a, b] = [0.4, 0.5] jeweils mit der Trapezformel und der Aufgabe 13.15 ••• Vergessen Sie nicht die affine Trans-
Simpson-Regel. Die exakten Vergleichswerte sind: formation von [−1, 1] auf [0, 1]!
für [a, b] = [0, 0.1]: 0.0189929,
für [a, b] = [0.4, 0.5]: −0.0329802.
Verwenden Sie eine Schrittweite von h = 0.001 und brechen Lösungen
Sie die Reihe an einer Stelle ab, an der die weiteren Sum-
manden keinen Einfluss mehr haben (für k = 200 ist bereits
2k = 1.6 · 1060 !). Berechnen Sie die Quadraturfehler und
Verständnisfragen
vergleichen Sie diese. Rechnen Sie unbedingt mit doppelter Aufgabe 13.1 •• Das ist in der Tat der Fall und ein gu-
Genauigkeit. ter Grund, Newton-Cotes-Formeln nicht für ngroßes n zu ver-
wenden! Wie
wir gezeigt haben, gilt stets i=0 αi = n, also
Aufgabe 13.15 ••• Schreiben Sie ein Programm zur limn→∞ ni=0 αi = ∞.
Gauß-Quadratur von Funktionen f : [0, 1] → R, wobei
Sie 2 und 4 Integrationspunkte zulassen. Berechnen Sie Aufgabe 13.2 • Polynome höheren Grades zeigen auf
1 dx
0 1+x 4 bis auf acht Nachkommastellen. Der Vergleichswert
äquidistanten Knoten das Runge-Phänomen, d. h., sie oszil-
ist 0.86697299. lieren zwischen den Knoten.
Aufgabe 13.3 • Suchen Sie nach alternativen Interpo- Aufgabe 13.5 •• Die Knoten sind Nullstellen von Or-
lationen in Kapitel 12. thogonalpolynomen und das sind in der Regel irrationale
Zahlen. Man hat also in der Regel mit zahlreichen Nach-
Aufgabe 13.4 •• – kommastellen bei den Knoten zu rechnen, was die Gauß-
Quadraturen für Handrechnung unattraktiv macht.
Aufgabe 13.5 •• –
Beweisaufgaben Beweisaufgaben
Aufgabe 13.6 ••• Die Definition des Stetigkeitsmoduls Aufgabe 13.6 ••• –
bedeutet, dass für |x −y| ≤ δ die Abschätzung |f (x)−f (y)|
≤ w(δ) folgt. Nutzen Sie diese Abschätzung mit δ := h. Aufgabe 13.7 •• –
Lösungswege zu Kapitel 13 101
Aufgabe 13.2 • –
Aufgabe 13.11 ••• –
Aufgabe 13.3 • –
Rechenaufgaben
Aufgabe 13.4 •• –
Aufgabe 13.12 •• –
Aufgabe 13.5 •• –
Aufgabe 13.13 ••• –
Beweisaufgaben
Aufgabe 13.14 •• Für das Intervall [0, 0.1] erhält man
mit der Trapezformel den Wert 0.0189876, also einen Feh- Aufgabe 13.6 ••• Wir schreiben
ler im Betrag von 0.000053, während die Simpson-Regel
b
n−1
den Wert 0.0190144 und damit den Fehler von 0.0000215
f (x) dx − h f (a + (k + 1)h)
liefert. Im Intervall [0.4, 0.5] liefert die Trapezregel den a k=0
Wert −0.0330067 und einen Fehler von 0.0000265, und
die Simpson-Regel −0.0328827 mit einem Fehler von
a+(k+1)h
n−1
= (f (x) − f (a + (k + 1)h)) dx.
0.0000975.
k=0 a+kh
Der Fehler der (eigentlich genaueren!) Simpson-Regel ist
damit höher als der der Trapezregel. Unsere Fehlerabschät- Gilt nun a + kh ≤ x ≤ a + (k + 1)h, dann ist
zungen basieren stets auf der Differenzierbarkeit von f . Ist
|f (x) − f (a + (k + 1)h)| ≤ w(h),
diese Differenzierbarkeit wie in diesem Fall nicht gegeben,
macht die Verwendung eines aufwendigeren Verfahrens kei-
denn das folgt sofort aus der Definition des Stetigkeitsmo-
nen Sinn.
duls. Damit gilt aber
Aufgabe 13.15 ••• Für die Gauß-Quadratur mit zwei a+(k+1)h
Stützstellen ergibt sich (f (x) − f (a + (k + 1)h)) dx ≤ hw(h),
a+kh
1 1 1
QG = 4 + 4 und wenn wir n von diesen Ungleichungen addieren, folgt
1 + x4 −1
1+ √ 1 + √1 n−1
3 3
a+(k+1)h
√
mit x0 = −x1 = −1/ 3 und α0 = α1 = 1. Die affine f (x) dx
a+kh
k=0
Transformation auf [0, 1] liefert
n−1
a+(k+1)h
xi + 1
αi − f (a + (k + 1)h) dx ≤ nhw(h),
yi := , αi :=
@ , i = 0, 1, a+kh
2 2 k=0
Aufgabe 13.7 •• Der Stetigkeitsmodul ist nach Defini- und der zu erwartende Fehlerterm ist die Differenz
@zTr
tion Q2,m − QzTr 2,m . Gilt |ek | ≤ E für alle k = 0, 1, . . . , m,
√ √
w(1/n) = max | x − y|. dann folgt
|x−y|≤1/n
√√ √ √ √ 1 1
Wegen
√ | x − y| ≤ |x − y| folgt | x − x + 1/n| ≤
h e0 + e1 + . . . + em−1 + em
2 2
1/n und damit gilt
1 1
≤ h |e0 | + |e1 | + . . . + |em−1 | + |em |
1 2 2
w(1/n) ≤ √ .
n ≤ hmE = (b − a)E.
√
Der schlimmstenfalls auftretende Fehler ist also 1/ n.
Aufgabe 13.10 •• Da Ks nach Voraussetzung auf [a, b]
b
Aufgabe 13.8 •• Für p(x) dx erhalten wir sein Vorzeichen nicht ändert, ist der Mittelwertsatz der Inte-
a
gralrechnung auf
b f (b) − f (a)
b
f (a) + (x − a) dx
a b−a Rn+1 [f ] = f (s) (x)Ks (x) dx
a
1 f (b)−f (a) 2 2
= f (a)(b−a) − af (b)+af (a)+ (b −a ) anwendbar, d. h., es existiert ein ξ ∈ (a, b), sodass wegen
2 b−a
1 des obigen Hauptsatzes über Peano-Kerne die Gleichung
= bf (a) − af (b) + (bf (b) − bf (a) + af (b) − af (a))
b
2
b−a b−a b−a Rn+1 [f ] = f (s) (ξ ) Ks (x) dx
= f (a) + f (b) = (f (a) + f (b)) a
2 2 2
= Q[f ]. gilt. Das Integral über den Peano-Kern Ks hängt nicht von f
ab, daher folgt
Es gilt nach (12.22)
Rn+1 [x s ] (s)
Rn+1 [f ] = f (ξ ).
1 s!
f (x) − p(x) = (x − a)(x − b)f (ξ )
2
Aufgabe 13.11 ••• Nach Definition der Peano-Kerne ist
für ein ξ ∈ (a, b) und damit
in unserem Fall s = 4 und n = 2. Damit ist
b
b ! "
f (x) dx − p(x) dx (· − x)3+ 1
K4 (x) = R3 = R3 [(· − x)3+ ]
a a 3! 6
b b−a
= f (x) dx − (f (a) + f (b)) wegen der Linearität des Fehlerfunktionals. Damit folgt
a 2
b
1
= (x − a)(x − b)f (ξ ) dx K4 (x) =
1 1 4 1
(−1 − x)3+ + (0 − x)3+ + (1 − x)3+
2
a 6 3 3 3
b
1
1
= f (ξ ) (x − a)(x − b) dx
2 a − (z − x)3+ dz .
1 1 h −1
= − f (ξ ) (b − a) = − f (ξ )
2 6 12
Aus der Definition der abgeschnittenen Funktion (z − x)3+
für ein ξ ∈ (a, b) und h := b − a. auf [−1, 1] folgt sofort
1
1
1
Aufgabe 13.9 •• Wir schreiben yk = f (xk ) − ek und (z − x)3+ dz = (z − x)3 dz = (1 − x)4 .
@zTr ein, um −1 x 4
setzen dies in Q 2,m
Weiterhin folgt
@zTr 1
Q2,m = h (f (a) − e0 ) + (f (x1 ) − e1 ) + . . . 0 ; x≥0
2 (−1 − x)3+ = 0, (0 − x)3+ = ,
−x 3 ; x < 0
1
. . . + (f (xm−1 ) − em−1 ) + (f (b) − em )
2 (1 − x)3+ = (1 − x)3
zu erhalten. Damit ergibt sich und damit ist K4 gegeben durch
1
(1 − x)3 (1 + 3x) ; 0≤x≤1
@zTr = QzTr − h 1 e0 + e1 + . . . + em−1 + 1 em
Q K4 (x) = 722 3 1 .
2,m 2,m
2 2 − 9 x + 72 (1 − x)3 (1 + 3x) ; −1 ≤ x < 0
Lösungswege zu Kapitel 13 103
Der Peano-Kern K4 ändert auf [−1, 1] sein Vorzeichen nicht. wobei wir aber über die Lage von ξ nichts wissen. Bestenfalls
Daher ist das Resultat aus Aufgabe 13.10 anwendbar und es können wir verlangen, dass der Fehler im Betrag nicht größer
folgt mit ist als die obere Schranke
1
R3 [x 4 ] 1 |f (τ )|m−2
= Q3 [x 4 ] − x 4 dx max .
4! 4! −1 0≤τ ≤1 12
1
1 1 4 1 4 Wegen f (x) = −2xe−x folgt
2
= ·1+ ·0+ ·1− x dx
24 3 3 3 −1
f (x) = −2e−x + 4x 2 e−x = e−x (4x 2 − 2).
2 2 2
1 2 2 1
= − = ,
24 3 5 90
Gesucht ist nun das Maximum dieser zweiten Ableitung
dass auf [0, 1]. Dazu setzen wir die dritte Ableitung von f zu
Rn+1 [x 4 ] (4) 1 (4) null,
R3 [f ] = f (ξ ) = f (ξ ) !
f (x) = 4xe−x (3 − 2x 2 ) = 0,
2
4! 90
gilt. √
und bemerken, dass f bei x1 = 0 und bei x2,3 = ± 3/2
verschwindet. In der Tat ist f eine auf [0, 1] monoton fal-
Rechenaufgaben lende Funktion, sodass das Maximum bei x = 0 auftritt,
Aufgabe 13.12 •• Für n = 2 ergibt sich R = 21 (f (0) + max |f (τ )| = |f (0)| = 2.
√ 0≤τ ≤1
f (1/2)) = 21 1/2 = 0.35355339, für n = 4096 erhält man
R = 0.666533537.
Genauigkeit bis zur sechsten Nachkommastelle bedeutet
2 1 √ 1
Der wahre Wert des Integrals ist 0 x 2 dx = 23 x 3 =
0 2m−2
2
= 0.66666667. Für n = 2 ergibt sich daher ein Fehler von < 5 · 10−7 ,
3 12
0.313113277, für n = 4096 folgt ein Fehler von 0.00013313.
Die Konvergenz ist also ausgesprochen langsam. vergl. Kapitel 11. Damit folgt m2 > 106 /3 und es ergibt sich
Beweisaufgaben
Rechenaufgaben
Aufgabe 14.3 • Zeigen Sie: Bei einer positiv definiten
Matrix A ∈ Rn×n sind alle Hauptabschnittsmatrizen eben- Aufgabe 14.10 • Bestimmen Sie für das System
falls positiv definit. ⎛ ⎞⎛ ⎞ ⎛ ⎞
4 0 2 x1 4
⎝0 5 2 ⎠ ⎝x2 ⎠ = ⎝−3⎠
Aufgabe 14.4 • Beweisen Sie das auf Seite 493 aufge- 5 4 10 x3 2
führte Korollar.
die Spektralradien der Iterationsmatrizen für das Gesamt-
Aufgabe 14.5 •• Zeigen Sie, dass für zwei lineare Itera- und Einzelschrittverfahren und schreiben Sie beide Verfah-
tionsverfahren φ, ψ mit den Iterationsmatrizen M φ und M ψ ren in Komponenten. Zeigen Sie, dass die Matrix konsistent
die beiden Produktiterationen φ ◦ ψ und ψ ◦ φ die gleichen geordnet ist und bestimmen Sie den optimalen Relaxations-
Konvergenzeigenschaften im Sinne von parameter für das Einzelschrittverfahren.
Aufgabe 14.14 •
Berechnen Sie die QR-Zerlegung der Aufgabe 14.9 •• Beachten Sie den Einheitskreis be-
Matrix züglich der sogenannten Betragssummennorm .1 im Ab-
1 3
A= schnitt zur Funktionalanalysis auf Seite 277.
−1 1
und lösen Sie hiermit das lineare Gleichungssystem
Ax = (16, 0)T . Rechenaufgaben
Aufgabe 14.15 • Berechnen Sie eine Cholesky-Zerle- Aufgabe 14.10 • Nutzen Sie den Satz zur Konvergenz
gung der Matrix des SOR-Verfahrens.
⎛ ⎞
9 3 9 Aufgabe 14.11 •• Die Konvergenzgeschwindigkeit
A = ⎝3 9 11⎠ hängt vom Spektralradius der Iterationsmatrix ab. Hiermit
9 11 17 steht somit auch die benötigte Iterationszahl in Verbindung
und lösen Sie hiermit das lineare Gleichungssystem mit dem Spektralradius.
⎛ ⎞
24 Aufgabe 14.12 •• Nutzen Sie das Skalarprodukt beim
Ax = ⎝16⎠ . Nachweis der positiven Definitheit.
32
Aufgabe 14.13 • Betrachten Sie das Beispiel auf
Aufgabe 14.16 •• Sei Seite 494.
⎛ ⎞
2 −1 −1 0 Aufgabe 14.14 • Betrachten Sie das Beispiel auf
⎜−1 2.5 0 −1⎟
A=⎜ ⎝−1 0 2.5 −1⎠
⎟ Seite 493.
Zeigen Sie, dass A irreduzibel ist und dass das Jacobi- Aufgabe 14.16 •• Nutzen Sie die graphentheoretische
Verfahren sowie das Gauß-Seidel-Verfahren konvergent sind. Betrachtung zum Nachweis der Irreduzibilität.
Lösungen
Hinweise
Verständnisfragen
Verständnisfragen
Aufgabe 14.1 •• –
Aufgabe 14.1 •• Setzen Sie geeignete Diagonalmatri-
zen für die Iterationsmatrizen an. Aufgabe 14.2 •• Es gibt positiv definite Matrizen, für
die das Jacobi-Verfahren nicht konvergiert.
Aufgabe 14.2 •• Betrachten Sie im Teil (c) die Schnitt-
menge der Mengen aus Werten für a, die Konvergenz nach
sich ziehen und die, die positive Definitheit liefern. Beweisaufgaben
Aufgabe 14.3 • –
Beweisaufgaben
Aufgabe 14.4 • –
Aufgabe 14.3 • Betrachten Sie xT A[k]x.
Aufgabe 14.5 •• –
Aufgabe 14.4 • Nutzen Sie komplexe Zahlen der
Form ei Aufgabe 14.6 • –
x T A[k]x = y T Ay > 0, 0 0 1 0
sodass alle A[k] für k = 1, . . . , n positiv definit sind. ergibt sich für P A ein LR-Zerlegung für a = 10 .
sodass
41
1 ρ(M GS ) = <1
100
x2 folgt. Wir erhalten
x1
x3 C(α) = −(αD −1 L + α −1 D −1 R)
⎛ 1 ⎞
0 0 2α
x0 ⎜
= ⎝ 0 0 5α 2 ⎟,
⎠
1
α 2α
2 5 0
womit
2α 2 α 1
det C(α) − λ I = λ λ2 − · + ·λ·
5 5α 2 2α
4 1
= λ λ2 − + λ
Abbildung 14.1 Konvergenzverlauf. 25 4
gilt und daher die Eigenwerte von C(α) keine Abhängigkeit
Damit gilt von α aufweisen. Die Matrix ist folglich konsistent geordnet
und erfüllt alle im Satz auf Seite 510 geforderten Eigenschaf-
1 ten. Für den optimalen Relaxationsparameter gilt somit
xm+1,1 = − xm,3 + 1
2
2
2
xm+1,2 = − xm,3 −
3 wopt = * ≈ 1.131 .
41
5 5 1+ 1− 100
2 1 1
xm+1,3 = − xm,1 − xm,2 + Aufgabe 14.11 •• Mit q := M2 und
5 2 5
sowie wegen x m − x2 ≤ q m x 0 − x2
erhalten wir die Forderung
41
det(M J − λ I ) = λ λ2 − q m ≤ 10−6
100
respektive
zudem ln 10−6
D D m ≥ .
ln q
41 41 Für das Jacobi-Verfahren gilt
λ1 = 0 , λ2,3 =± , ρ(M J ) = < 1.
100 100 0 13 * 1
Für das Gauß-Seidel-Verfahren ermittelt man unter Verwen- MJ = 1 sowie M J 2 = ρ(M ∗J M J ) = .
3 0
3
dung von
Somit ergibt sich mit
⎛ 1 ⎞
4 0 0 ln 10−6
⎜ ⎟ m≥ ≈ 12.575
(D + L)−1 = ⎝ 0 1
5 0⎠ ln 13
− 18 − 25
2 1
10
ein Bedarf von 13 Iterationen.
Für jeden Vektor x ∈ Rn \ {0} erhalten wir aufgrund der Aufgabe 14.15 • Wir erhalten durch die bekannte Eli-
Invertierbarkeit der Matrix P direkt y = P T x ∈ Rn \{0} und minationstechnik
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
folglich ergibt sich die behauptete Eigenschaft der positiven 24 24 1
Definitheit gemäß x = A−1 ⎝16⎠ = L−T L−1 ⎝16⎠ = ⎝−1⎠ .
32 32 2
Bx, x = P AP T x, x = AP T x, P T x = Ay, y > 0.
Beweisaufgaben Rechenaufgaben
Aufgabe 15.2 • Zeigen Sie: Jede strikt diagonaldomi- Aufgabe 15.10 • Berechnen Sie die Gerschgorin-
nante Matrix A ∈ Cn×n ist regulär. Kreise für die gegebene Matrix
⎛ ⎞
3 3 2
Aufgabe 15.3 ••• Sei H ∈ Rn×n spaltenstochastisch
A = ⎝2 4 1 ⎠ ∈ R3×3
und M := αH + (1 − α) n1 E mit E = (1)i,j =1,...,n und
1 0 −4
α ∈ [0, 1[.
und nehmen Sie hiermit eine Eigenwerteinschließung vor.
Zeigen Sie:
Können Sie unter Verwendung der Gerschgorin-Kreise ge-
(a) M ist spaltenstochastisch und positiv, d. h., mij > 0 für nauere Aussagen über die Lage einzelner Eigenwerte ma-
alle i, j = 1, ..., n. chen?
(b) Der Eigenvektor x zum Eigenwert λ = 1 der Matrix M
besitzt entweder ausschließlich positive oder ausschließ- Aufgabe 15.11 • Nehmen Sie eine Eigenwertein-
lich negative Einträge. schließung auf der Grundlage geeigneter Wertebereiche be-
(c) Der Eigenraum von M zum Eigenwert λ = 1 ist ein- zogen auf die Matrix
dimensional. ⎛ ⎞
1 2 1
Aufgabe 15.4 ••• Zeigen Sie: Zu gegebener Matrix A ∈ A = ⎝1 1 1⎠ ∈ R3×3
Cn×n sei λ ∈ σ (A) ein Punkt auf dem Rand des Wertebe- 0 2 2
reichs W (A). Zudem sei M die Menge aller Eigenvektoren
w zu Eigenwerten μ ∈ σ (A) \ {λ}, dann gilt v ⊥ M für alle vor.
Eigenvektoren v zum Eigenwert λ. Aufgabe 15.12 ••
Gegeben sei die Matrix
⎛ ⎞
Aufgabe 15.5 •• Weisen Sie nach: Erfüllen die Kom- 1 2 1
ponenten der gegebenen Matrix L ∈ Cn×n die Bedingung A = ⎝1 1 1⎠ ∈ R3×3 .
⎧ 0 2 2
⎪
⎨ 0 , für i < j,
ij = 1 , für i = j, Berechnen Sie mit der Potenzmethode den betragsgrößten
⎪
⎩
O(q ), k → ∞ , für i > j
k Eigenwert der obigen Matrix nebst zugehörigem Eigenvek-
tor. Reduzieren Sie anschließend mit der Deflation die Di-
mit 0 < q < 1, dann gilt für die Matrix W = V L bei mension des Problems und verfahren Sie in dieser Kombina-
beliebig gewähltem V ∈ Cn×n die Darstellung tion weiter, bis alle Eigenwerte der Matrix A ermittelt wur-
W = V + E k mit E k 2 = O(q k ), k → ∞ . den. Überprüfen Sie hiermit auch das Ergebnis der Aufgabe .
M. Brokate et al., Arbeitsbuch Grundwissen Mathematikstudium – Höhere Analysis, Numerik und
Stochastik, DOI 10.1007/978-3-642-54946-5_14, © Springer-Verlag Berlin Heidelberg 2016
Lösungen zu Kapitel 15 111
Aufgabe 15.13 •• Geben Sie die Gerschgorin-Kreise Aufgabe 15.11 • Verwenden Sie den Satz von Bendix-
für die Matrix son und die Gerschgorin-Kreise für die Mengenabschätzung
⎛ ⎞ der eingehenden Wertebereiche.
1 0.3 0 2.1
⎜0.3 2.7 −0.3 0.9⎟ Aufgabe 15.12 •• –
A=⎜
⎝ 0 −0.3 5 0.1⎠
⎟
an und leiten Sie aus diesen eine Konvergenzaussage für die Aufgabe 15.14 • –
Potenzmethode sowie eine bestmögliche Abschätzung für
dessen Konvergenzgeschwindigkeit ab.
Aufgabe 15.6 • –
Beweisaufgaben
Aufgabe 15.2 • Eine Matrix ist genau dann regulär, Aufgabe 15.7 • –
wenn λ = 0 kein Eigenwert der Matrix ist.
Aufgabe 15.8 • –
Aufgabe 15.3 ••• – Aufgabe 15.9 •• –
Aufgabe 15.6 • Führen Sie einen Widerspruchs- Aufgabe 15.11 • σ (A) ⊂ [−4, 8] + [−2i, 2i] .
beweis, bei dem Sie die Existenz eines nicht reellwertigen
Eigenwertes annehmen. Aufgabe 15.12 •• Die Eigenwerte lauten λ1 = 23 +
1
√ 3 1
√
2 17 ≈ 3.56, λ1 = 1 und λ3 = 2 − 2 17 ≈ −0.56.
Aufgabe 15.7 • Führen sie den Nachweis durch ein- Dabei liegen wie zu erwarten alle Eigenwerte in der Menge
faches Nachrechnen. [−2, 4] + [−2i, 2i].
Aufgabe 15.8 • Nutzen Sie aus, dass in disjunkten Aufgabe 15.13 •• Die Gerschgorin-Kreise lauten
Gerschgorin-Kreisen stets nur ein Eigenwert liegt.
K1 = K(1, 2.4), K2 = K(2.7, 1.5)
Aufgabe 15.9 •• Es gilt WR (A) = {α}. K3 = K(5, 0.4), K4 = K(−1, 3.1) .
n
n n
1
Verständnisfragen mij = α hij +(1 − α) = α + (1 − α) = 1
n
i=1 i=1 i=1
Aufgabe 15.1 ••
=1 =1
(a) Offensichtlich sind alle Gerschgorin-Kreise durch
K(0, 1) gegeben, sodass hiermit die getroffene Behaup- für j = 1, ..., N.
tung nachgewiesen ist. (b) Als spaltenstochastische Matrix besitzt M laut dem auf
(b) Die Multiplikation eines Vektors mit der Matrix S be- der Seite 549 aufgeführten Beispiel den Eigenwert λ =
wirkt lediglich eine Permutation der Vektoreinträge und 1. Sei x ∈ RN \{0} der zum Eigenwert λ = 1 gehörige
z(k) stellt stets den Koordinateneinheitsvektor ej mit Eigenvektor, dann gilt Mx = x respektive
j = 1 + (k mod n) dar.
(c) Die Folge der Iterierten z(k) zeigt, dass die Potenz-
N
xi = mij xj für i = 1, ..., N.
methode bei dem obigen Startvektor nicht konvergiert.
j =1
Elementares Nachrechnen liefert das charakteristische
Polynom in der Form pA (λ) = (−1)n (λn − 1). So- Aufgrund der in (a) nachgewiesenen Positivität aller Ko-
mit repräsentieren die n-ten komplexen Einheitswurzeln effizienten mij ergibt sich somit
2πk
λk = ei n für k = 1, . . . , n die Eigenwerte der Ma-
trix. Wie leicht zu sehen ist, weisen alle Eigenwerte
N
N
den gleichen Betrag auf, wodurch die für den Konver- |xi | = | mij xj | ≤ mij |xj |,
genzsatz grundlegende Bedingung der Existenz eines j =1 j =1
betragsgrößten Eigenwertes nicht erfüllt ist. Die Auf-
gabe belegt demzufolge noch einmal nachdrücklich die wobei Gleichheit genau dann gilt, wenn alle Komponen-
Notwendigkeit dieser Forderung und steht folglich auch ten des Vektors x nicht negativ oder nicht positiv sind.
nicht im Widerspruch zum Konvergenzsatz. Nehmen wir an, dass x = 0 sowohl positive als auch
negative Komponenten aufweist. Dann liefert
Beweisaufgaben
N
N
N
N
N
|xi | < mij |xj | = |xj | mij = |xj |
Aufgabe 15.2 • Wir nutzen den Satz von Gerschgorin i=1 i,j =1 j =1 i=1 j =1
und müssen lediglich zeigen, dass die Null nicht in der Ver- =1
einigungsmenge der Gerschgorin-Kreise liegt. Aufgrund der
strikten Diagonaldominanz der Matrix gilt einen Widerspruch. Folglich sind alle Komponenten von
x entweder nicht negativ oder nicht positiv.
n
Sei xi = 0 für mindestens ein i ∈ {1, ..., N}, dann ergibt
|aii | > |aij | für i = 1, . . . , n,
sich wegen
j =1,j =i
N
gilt und M einen Kreis mit positivem Radius darstellt, kann
so erhalten wir mit der Wahl β = − vi die
i=1 λ im Widerspruch zur Voraussetzung kein Randpunkt von
Schlussfolgerung W (A) sein. Damit folgt die Behauptung aus v ∗ w = 0.
N
N
N Aufgabe 15.5 •• Zunächst lässt sich die Matrix L in
zj = αvj + βwj = (wi vj − vi wj ) = 0. der Form L = I + @ L mit E E
ij = ij für i = j und ii = 0
j =1 j =1 i,j =1 schreiben. Folglich ergibt sich
schreiben. Somit gilt Somit stellt auch λ = λ einen Eigenwert von A dar und wir
erhalten wegen |λ| = |λ| den gewünschten Widerspruch zur
λ + (μ − λ)δ(a) ∈ W (A) Voraussetzung der Aussage.
für alle a ∈ C. Aufgabe 15.7 • Wir führen den Nachweis nur für den
Fall eines Produktes unitärer Matrizen, da sich die Vorge-
Wir beginnen nun den Widerspruchsbeweis und nehmen an,
hensweise direkt auf orthogonale Matrizen übertragen lässt.
dass v und w nicht senkrecht aufeinanderstehen.
Seien A, B ∈ Cn×n unitär, dann folgt die Behauptung un-
Unter Verwendung der Abkürzung c := v ∗ w = 0 ergibt sich mittelbar aus
beschreibt folglich einen Kreis um b|c|2 ∈ R mit Radius Aufgabe 15.9 •• Da der allgemeine Wertebereich einer
r = b|c|2 > 0. Da schiefsymmetrischen Matrix stets ein Intervall auf der imagi-
näre Achse darstellt und andererseits WR (S) ⊂ R gilt, erhal-
λ + (μ − λ)ξ ∈ W (A) für alle ξ ∈ M ten wir WR (S) = {0}. Folglich ergibt sich für alle x ∈ Rn \{0}
114 Lösungswege zu Kapitel 15
σ (S) ⊂ K(0, 2) ∩ {z ∈ C | Re(z) = 0} = [−2i, 2i]. und die spaltenstochastische Matrix weist somit die Form
⎛ ⎞
0 1 0 0
Damit ergibt sich unter Berücksichtigung von W (H ) ⊆ ⎜ ⎟
[−2, 4] und W (S) ⊆ [−2i, 2i] die gesuchte Eigenwertein- @ = ⎜1 0 0 0⎟ ∈ R4×4
H ⎝0 0 0 1⎠
schließung in der Form
0 0 1 0
σ (A) ⊂ W (A) ⊆ R
auf. Damit ergeben sich zum Eigenwert λ = 1 mit
= W (H ) + W (S) ⊆ [−2, 4] + [−2i, 2i]. ⎛1⎞ ⎛ ⎞
2
0
Aufgabe 15.12 •• – ⎜1⎟ ⎜0⎟
⎜ ⎟ ⎜ ⎟
w 1 = ⎜ 2 ⎟ und w2 = ⎜ 1 ⎟
⎝0⎠ ⎝2⎠
Aufgabe 15.13 •• Die Gerschgorin-Kreise lauten 0 1
2
K1 = K(1, 2.4), K2 = K(2.7, 1.5), zwei linear unabhängige Eigenvektoren, die jeweils den Be-
K3 = K(5, 0.4), K4 = K(−1, 3.1). dingungen wi ≥ 0 und w1 = 1 genügen.
Kapitel 16 k
tk
0
−2
1
−1
2
1
3
2
bk 1 3 2 3
Aufgaben Ist das resultierende Polynom von der Variation der Koeffizi-
enten innerhalb des Lösungsraums der Normalgleichungen
Verständnisfragen abhängig?
Aufgabe 16.1 •• Untersuchen Sie die Existenz und Ein- Aufgabe 16.9 • Bestimmen Sie eine Ausgleichskurve
deutigkeit der Lösung des bereits auf Seite 584 vorgestellten der Form y(t) = a1 sin t + a2 cos t derart, dass für die durch
Problems
1 1 k 0 1 2 3 4
α0 = ,
1 2 tk −π −π /2 0 π /2 π
=A =b yk 2 4 1 2 0
wobei anstelle von Aα0 − b2 die Minimierung von 4
gegebenen Messdaten der Ausdruck k=0 (yk − y(tk ))2 mi-
Aα0 − b1 respektive Aα0 − b∞ betrachtet wird. Veran- nimal wird.
schaulichen Sie Ihr Ergebnis in beiden Fällen auch geome-
trisch. Aufgabe 16.10 • Für gegebene Daten
minimal wird.
Berechnen Sie für alle vier obigen Fälle den minimalen
Beweisaufgaben Wert und begründen Sie ausschließlich durch Betrachtung
der Werte yk , zk , k = 0, . . . , 4 die erzielten Ergebnisse
Aufgabe 16.5 • Beweisen Sie die Behauptung: Jede
Permutationsmatrix ist orthogonal.
4
4
(yk − g(tk ))2 0 (yk − p(tk ))2
Aufgabe 16.6 • Zeigen Sie: Die Matrix A ∈ Rm×n k=0 k=0
mit m ≥ n besitzt genau dann maximalen Rang, wenn die
und
Matrix A A ∈ Rn×n invertierbar ist.
4
4
(zk − g(tk ))2 # (zk − p(tk ))2 .
Aufgabe 16.7 • Sei eine Matrix A mit Moore- k=0 k=0
Penrose-Inverse A/ gegeben. Zeigen Sie, dass für B = cA
mit c ∈ R \ {0} die Eigenschaft
Aufgabe 16.11 •• Bestimmen Sie die Moore-Penrose-
1 Inverse A/ der Matrix
B/ = A/
c 3 4
A= .
gilt. 6 8
den Ausdruck 3k=0 (bk − p(tk ))2 über die Menge aller af- Aufgabe 16.6 • –
fin linearen Funktionen minimiert. Tragen Sie zunächst die
Punkte in ein Koordinatensystem ein und stellen Sie eine Aufgabe 16.7 • Nutzen Sie die explizite Darstellung
grafische Vorabvermutung für die Lösung auf. der Matrix A innerhalb der Singulärwertzerlegung.
Das Polynom ist unabhängig von der Variation der Koeffizi- womit wir analog zum euklidischen Abstandsbegriff die Lö-
enten innerhalb des Lösungsraums der Normalgleichungen. sung gemäß
3
1 α = arg min f (α0 ) =
Aufgabe 16.9 • y(t) = − sin t − 3 cos t α 0 ∈R 2
erhalten.
Aufgabe 16.10 •
y-Werte: g(t) = 2.04 + 1.94 t, p(t) = 0.969 + 1.004 t 2
z-Werte: g(t) = −2.89 + 1.99 t, p(t) = −3.072 + 0.724 t 2
Aufgabe 16.11 ••
1 3 6
A/ = .
125 4 8
Aufgabe 16.12 ••
p(t) = 2 + 0.6 t
Aufgabe 16.13 ••
1 Abbildung 16.1 Geometrische Interpretation der Lösung für die Maximum-
s(v) = (5.71 v + 12.68 v 2 ) norm.
100
Für die jeweilige Pseudoinverse ergibt sich schreiben lässt. Die Moore-Penrose-Inversen stehen damit in
der Beziehung
1 2
A/ = und B / = (0, 1). 1 F−1
5 1 / S 0
B =V c U
0 0
Nachrechnen zeigt
1 F −1 1
= V S 0 U = A/ .
1
B / A/ = = 1 = (AB)/ . c 0 0 c
5
Rechenaufgaben
Beweisaufgaben
Aufgabe 16.8 ••
Die Normalgleichungen lauten
Aufgabe 16.5 • Jede Permutationsmatrix P ∈ Rn×n ⎛ ⎞ ⎛ ⎞
lässt sich mittels einer Permutation π : {1, . . . , n} → 10 −20 0 3
⎝−20 74 34⎠ x = ⎝15⎠ ,
{1, . . . , n} darstellen. Die Form der Matrix lautet dabei unter
Verwendung der Koordinateneinheitsvektoren e1 , . . . , en 0 34 34 21
nahe, während die z-Werte besser einer Geraden entgegen- und damit der Lösungsvektor gemäß
kommen. Demzufolge sind auch die Zusammenhänge −1
−2 −5 −7.00 2
4
4 x= = .
0 −2.23 −1.34 0.6
(yk − g(tk ))2 = 4.14 0 0.59 = (yk − p(tk ))2
k=0 k=0 Mittels der Normalgleichungen
4
4
(zk − g(tk ))2 = 0.60 # 3.41 = (zk − p(tk ))2 4 10
x=
14
k=0 k=0 10 30 38
nicht weiter verwunderlich. = A A = A b
Aufgabe 16.11 •• Mit ergibt sich, wie auch über den QR-Ansatz berechnet, die Lö-
sung zu
1 3 4
W = −1 14 2
5 4 −3 x = (A A) = .
38 0.6
erhalten wir Bezugnehmend auf die erste Annahme der Lösungsgestalt
aufgrund der grafischen Betrachtung, erhalten wir hiermit
1 3 4 3 4 5 0
AW = = . durch p(t) = 2 + 0.6 t ein abweichendes Polynom. Verglei-
5 6 8 4 −3 10 0
chen wir die Fehlerterme für p und q, so zeigt sich in der Tat,
Die QR-Zerlegung dieser Matrix schreibt sich in der Form dass
√
1 1 2 5 5 0
3
3
AW = √ ,
5 2 −1 0 0 (bk − p(tk ))2 = 3.2 < 4 = (bk − q(tk ))2
k=0 k=0
=Q
gilt und q entgegen der ersten Vermutung nicht der Lösung
womit sich die Moore-Penrose-Inverse zu entspricht.
√
5 1 3 6
/
A = W 25 0 Q =
0 0 125 4 8 Aufgabe 16.13 •• Das überbestimmte Gleichungssy-
stem lautet
ergibt. ⎛ ⎞ ⎛ ⎞
2.78 7.72 1.2
⎜ 5.56 30.86 ⎟ ⎜ 3.8 ⎟
Aufgabe 16.12 •• Trägt man die Punkte in ein Koor- ⎜ ⎟ @ ⎜ ⎟
⎜ 8.33 69.44 ⎟ β = ⎜ 9.2 ⎟ .
dinatensystem ein und legt gedanklich jeweils eine Gerade ⎜ ⎟ @
γ ⎜ ⎟
⎝11.11 123.46⎠ ⎝ 17 ⎠
durch die Punkte (1, 3) und (3, 5) sowie (2, 2) und
(4, 4) , so kommt eventuell die Vermutung auf, dass die 13.89 192.90 24.9
Lösung parallel und in der Mitte dieser beiden Geraden ver- =A =b
laufen könnte und folglich q(t) = 1 + t lautet. Gehen wir
von dieser visuellen Anschauung zurück zur mathematisch Mittels der zugehörigen Normalgleichungen
fundierten Vorgehensweise und betrachten das lineare Aus- 4.24 48.23 @
β 635.83
! 100 = ,
gleichsproblem Ax −b2 = min mit den eingehenden Grö- 48.23 582.87 @
γ 7667.43
ßen ⎛ ⎞ ⎛ ⎞
1 1 3 = A A = A b
⎜1 2⎟ ⎜2⎟
A=⎜ ⎟
⎝1 3⎠ und b = ⎝5⎠ .
⎜ ⎟ wodurch sich das Ergebnis
1 4 4 @
β 1 5.71
= (A A)−1 A b =
Mit der QR-Zerlegung @
γ 100 12.68
⎛ ⎞⎛ ⎞
−0.50 0.67 0.02 0.55 −2 −5 und hiermit die Lösungsdarstellung
⎜−0.50 0.22 −0.44 −0.71⎟ ⎜ 0 −2.23⎟
A=⎜ ⎟⎜
⎝−0.50 −0.22 0.81 −0.22⎠ ⎝ 0
⎟ 1
0 ⎠ s(v) = (5.71 v + 12.68 v 2 )
−0.50 −0.67 −0.39 0.38 0 0 100
sowie die Prognosewerte
=Q =R
v [m/s] 22.22 27.78 41.67
ergibt sich ⎛ ⎞ s(v) [m] 63.90 99.44 222.56
−7.00
⎜−1.34⎟ ergeben. Die hier ermittelten Koeffizienten erfüllen in Bezug
b=Q b=⎜
F
⎝ 1.66 ⎠
⎟
auf die im erwähnten Beispiel erhaltenen Werte den Zusam-
0.66 menhang β @ = 3.6 β und @ γ = 3.62 γ .
120 Lösungswege zu Kapitel 16
Aufgabe 16.14 • Die Normalgleichungen lauten Lösungsmenge hat demzufolge die Darstellung
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
2 0 2 5 5 −1
1
⎝0 2 2⎠ x = ⎝3⎠ . x = ⎝3⎠ +λ ⎝−1⎠ mit λ ∈ R.
2
2 2 4 8 0 1
= x
= A A = A b
Mit ⎛ ⎞
−1
Offensichtlich ist die Matrix A A nicht invertierbar. Subtra- 1 ⎝ ⎠
ξ= √ −1
hieren der ersten und zweiten Zeile von der dritten ergibt das 3 1
äquivalente System
⎛ ⎞ ⎛ ⎞ liegt eine Orthonormalbasis des Kerns von A A vor. Laut
2 0 2 5 Seite 591 ergibt sich die Optimallösung somit gemäß
⎝0 2 2⎠ x = ⎝3⎠ .
x = x − x , ξ ξ
0 0 0 0 ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
5 −1 7
1 ⎝ ⎠ −4 1 ⎝ ⎠ 1 ⎝ ⎠
Setzen wir x3 = t, so folgt aus der zweiten Zeile x2 = 3/2−t = 3 −√ √ −1 = 1 .
und entsprechend aus der ersten Zeile x1 = 5/2 − t. Die 2 3 3 1 6
0 8
Kapitel 17 Aufgabe 17.9 ••• Beweisen Sie mithilfe des Satzes von
Newton-Kantorowitsch auf Seite 639 die folgende Verallge-
meinerung:
Aufgaben Gibt es eine Matrix C ∈ Rm×m , sodass
1. Cf (x 0 ) ≤ η,
Verständnisfragen 2. Cf (x 0 ) − I ≤ τ ,
Aufgabe 17.1 • Warum ergibt jeder Schritt des Bisek- 3. Cf (x) ≤ δ für x ∈ Ur (x 0 ),
tionsverfahrens eine weitere Ziffer in der Dualdarstellung und gelten
der Näherungslösung?
δη 1
h := ≤ , τ <1
Aufgabe 17.2 • Wie lautet der absolute Fehler im n- (1 − τ ) 2 2
ten Schritt des Bisektionsverfahrens?
und √
Aufgabe 17.3 • Geben Sie ein Beispiel einer Funktion 1−1 − 2h η
r ≥ r0 := ,
f auf [a, b], bei der f (a) · f (b) < 0 gilt, die aber keine h 1−τ
Nullstelle in [a, b] besitzt. dann hat die Gleichung f (x) = 0 eine Lösung ξ in der Kugel
x − x 0 ≤ r0 . Ist
Aufgabe 17.4 •• Die Funktion f (x) = x 42 besitzt im √
Punkt x = 0 eine 42-fache Nullstelle. Bleibt das Newton- 1 − 1 − 2h η
r1 := ,
Verfahren ohne Modifikationen anwendbar? Falls ja: Wie h 1−τ
groß ist die Konvergenzgeschwindigkeit?
dann ist für h < 1/2 diese Lösung eindeutig, wenn r < r1 .
Für h = 1/2 folgt die Eindeutigkeit im Fall r = r1 .
Beweisaufgaben
Aufgabe 17.5 • Zeigen Sie, dass das Iterationsverfah- Aufgabe 17.10 ••• Im Satz von Newton-Kantorowitsch
ren auf Seite 639 ist die Größe Gf (x) abzuschätzen. Natürlich
(xn )p − q kann man immer
xn+1 = xn − , p ∈ N, q ∈ R ,
p(xn )p−1
Gf (x) ≤ G f (x)
die p-te Wurzel aus q liefert.
abschätzen, wobei die erste Norm auf der rechten Seite der
Aufgabe 17.6 •• Leonardo von Pisa (ca. 1180–1241), Ungleichung eine Matrixnorm und die zweite die Norm einer
genannt Fibonacci, berechnete auf heute unbekannte Weise Bilinearform ist, vergleiche (17.41) und (17.42). Zeigen Sie
die Nullstelle ξ = 1.368808107 der Gleichung stattdessen, wie das Produkt Gf (x) tatsächlich aussieht,
f (x) = x 3 + 2x 2 + 10x − 20 . und beweisen Sie die Normabschätzung (17.42)
Betrachten Sie die Iteration xn+1 = (xn ) mit der Iterati- m m m
∂ 2f
onsfunktion
(Gf (x)) ∞ ≤ max gkμ
μ
(x)
i=1 j =1 μ=1
20 k=1,...,m ∂x ∂x
i j
(x) = 2 .
x + 2x + 10
a) Zeigen Sie die Konvergenz der Iteration auf [1, 2]. für diese Bilinearform.
b) Erklären Sie die Konvergenzgeschwindigkeit.
aus Aufgabe 17.6. Wenden Sie das Newton-Verfahren an mit beobachten. Erstellen Sie drei Dateien: In die k-te Datei
x0 = 1 und iterieren Sie so lange, bis sich Fibonaccis Ziffern- (k = 1, 2, 3) schreiben Sie alle diejenigen Punkte, bei denen
folge 1.368808107 ergibt. Rechnen Sie dazu mit 10 Nach- die Iteration gegen z(k) konvergiert. Plotten Sie die Inhalte
kommastellen. der drei Dateien mit jeweils anderer Farbe übereinander. Was
beobachten Sie?
Aufgabe 17.13 •• Zu berechnen sind die Schnittpunkte
des Kreises x 2 + y 2 = 2 mit der Hyperbel x 2 − y 2 = 1
a) direkt durch Einsetzen, Hinweise
b) mithilfe des Newton-Verfahrens für Systeme.
Wählen Sie x 0 = (1, 1) und rechnen Sie mit sechs Nach- Verständnisfragen
kommastellen. Brechen Sie nach der Berechnung von x 3 ab.
Aufgabe 17.1 • –
Aufgabe 17.14 ••• Stellen Sie das Newton-Verfahren
Aufgabe 17.2 • –
für das System
Aufgabe 17.3 • Eine solche Funktion kann nicht stetig
f1 (x, y) = 3x 2 y + y 2 − 1 = 0
sein.
f2 (x, y) = x 4 + xy 2 − 1 = 0
Aufgabe 17.4 •• –
auf. Dazu bestimmen Sie bitte graphisch eine Näherung für
die Nullstelle x 0 = (x0 , y0 ) im Rechteck (0, 2) × (0, 1)
und verwenden Sie diese Näherung als Startwert. Berech-
Beweisaufgaben
nen Sie die Matrix G = f (x 0 ))−1 und finden Sie Ab- Aufgabe 17.5 • Führen Sie das Iterationsverfahren auf
schätzungen für Gf (x 0 ) und Gf (x) im Rechteck das Newton-Verfahren zurück.
[0.93, 1] × [0.27, 0.34]. Verwenden Sie im R2 die Vektor-
norm x∞ = max{|x|, |y|}, Aufgabe 17.6 •• a) Zeigen Sie: ist eine Selbstabbil-
die verträgliche Matrixnorm
A∞ = max{ 2k=1 |a1k |, 2k=1 |a2,k |} und dementspre- dung von [1, 2] und sup1≤x≤2 | (x)| < 1.
chend Norm (17.42) für die symmetrische Bilinearform b) Drücken Sie den Fehler im n-ten Schritt aus durch einen
Gf (x). Berechnen Sie in der Abschätzung für Gf (x) Faktor mal den Fehler des (n − 1)-ten Schrittes und verwen-
nur den ersten Summanden. den Sie das ξ aus der Aufgabenstellung.
Aufgabe 17.15 ••• Wir wissen aus Aufgabe 17.5, dass Aufgabe 17.7 • –
das Iterationsverfahren
Aufgabe 17.8 • –
(xn )p − q
xn+1 = xn − , p ∈ N, q ∈ R,
p(xn )p−1 Aufgabe 17.9 ••• Weisen Sie die Voraussetzungen des
Satzes von Newton-Kantorowitsch auf Seite 639 nach. Um
die p-te Wurzel aus q liefert. Setzt man q = 1, p = 3, und
auf die Existenz von (f (x 0 ))−1 schließen zu können, ver-
wendet das Verfahren auf komplexe Zahlen z = x + iy an,
wenden Sie das Störungslemma von Seite 283 mit den sich
dann lautet es
anschließenden Folgerungen in der folgenden Form:
z3 − 1 1 1 Ist U ∈ Rm×m mit
zn+1 = zn − n 2 = zn − zn − 2 .
3zn 3 zn
U ≤ q < 1,
Leiten Sie aus dieser komplexen Form zwei Iterationsver-
fahren für Real- bzw. Imaginärteil von zn = xn + iyn her. dann hat die Matrix U − I eine Inverse mit
Schreiben Sie ein Computerprogramm in der Sprache Ihrer 1
(U − I )−1 ≤ .
Wahl, das das Quadrat [−2, 2] × [−2, 2] ∈ C in 8002 Punkte 1−q
zerlegt und jeden dieser Punkte als Startwert für die Itera-
tion verwendet. Iterieren Sie 2000 Mal. Sie werden je nach
Aufgabe 17.10 ••• Beachten Sie, dass G = f (x 0 ) eine
Startwert Konvergenz gegen die drei möglichen dritten Ein-
Matrix mit konstanten Einträgen ist! Sie können daher die
heitswurzeln
zweite Fréchet-Ableitung des Produkts Gf (x) berechnen.
z(1) = 1 + i0 = 1,
i√ Rechenaufgaben
z(2) = cos 60◦ − i sin 60◦ = 0.5 − 3,
2 Aufgabe 17.11 •• –
i√
z(3) = − sin 30◦ − i cos 30◦ = −0.5 − 3
2 Aufgabe 17.12 •• –
Lösungswege zu Kapitel 17 123
Aufgabe 17.1 • Das Bisektionsverfahren liefert als be- Aufgabe 17.4 •• Für f (xn ) = (xn )42 ist f (xn ) =
ste Schätzung der Nullstelle xn = (an +bn )/2, wobei [an , bn ] 42(xn )41 , also folgt für das Newton-Verfahren
das im n-ten Schritt durch Bisektion konstruierte Teilintervall
ist. Division durch 2 = (10)2 bedeutet im Dualsystem das f (xn ) (xn )42 1
xn+1 =xn − = xn − = xn − xn
Streichen der letzten Stelle des Dividenden („Rechtsshift“). f (xn ) 42(xn )41 42
41
= xn .
Aufgabe 17.2 • Als absoluter Fehler im n-ten Schritt 42
ergibt sich Das Verfahren ist also uneingeschränkt anwendbar. Da wir
bn − an
|ξ − xn | ≤ . eine lineare Gleichung erhalten haben, kann die Konvergenz
2n nicht quadratisch sein. In der Tat gilt
41
Aufgabe 17.3 • – |xn−1 − 0| = |xn − 0|,
42
Aufgabe 17.4 •• – und damit ist die Konvergenz linear.
Beweisaufgaben
Beweisaufgaben
√
Aufgabe 17.5 • Die Zahl p q ist Nullstelle der Funk-
Aufgabe 17.5 • –
tion f (x) = x p − q. Dann ist f (x) = px p−1 und das
Newton-Verfahren liefert
Aufgabe 17.6 •• –
f (xn ) (xn )p − q
xn+1 = xn −
= xn − .
Aufgabe 17.7 • – f (xn ) p(xn )p−q
und erhalten und dann folgen die an als arithmetische Mittel an = (an−1 +
bn−1 )/2 und die bn werden jeweils so angepasst, dass an ·
−40(x + 1) 40
(x) ≤ 2
=− (x + 1), bn = 2 erfüllt ist, also bn = 2/an und damit bn−1 = 2/an−1 .
13 169 Setzen wir das in das arithmetische Mittel für an ein, so folgt
also | (x)| ≤ 120
169 < 1. Nach (17.17) haben wir damit die an−1 + bn−1 1 2
Lipschitz-Konstante an = = an−1 + .
2 2 an−1
C := sup | (x)| < 1 Damit ist bereits die geforderte Form erreicht. Will man die
1≤x≤2
Wurzel aus einer anderen positiven Zahl als 2 ziehen, dann
gefunden. Die Iterationsfunktion ist also auf [1, 2] folgt
eine Kontraktion und die Iteration ist konvergent für alle
an−1 + bn−1 1 r
x0 ∈ [1, 2]. an = = an−1 + .
2 2 an−1
b) Der Fehler im n-ten Iterationsschritt ist en = ξ − xn und √
mit dem Mittelwertsatz der Differenzialrechnung folgt die Die Zahl r ist Nullstelle der Funktion f (x) = x 2 −r. Dann
Existenz einer Zahl η zwischen ξ und xn , sodass folgt f (x) = 2x und das Newton-Verfahren liefert
Aufgabe 17.7 • 1
Für die Ableitung der Iterationsfunk- (U − I )−1 = Cf (x 0 ) ≤ .
tion ergibt sich 1−τ
1
(x) = − (4x + 3x 2 ). Aufgabe 17.10 ••• Schreiben wir
10
⎛ ⎞
Die Ableitung ist auf [1, 2] monoton fallend und es gilt g11 · · · g1m
⎜ ⎟
G = ⎝ ... . . . ... ⎠ ,
7
min | (x)| = | (1)| = , gm1 · · · gmm
1≤x≤2 10
max | (x)| = | (2)| = 2. dann ist
1≤x≤2
⎛ ⎞⎛ ⎞
Damit kann auf [1, 2] keine Kontraktion sein. Die Ablei- g11 · · · g1m f1 (x)
⎜ . ⎟⎜ . ⎟
tung der Iterationsfunktion wird bei etwa x = 1.277 kleiner Gf (x) = ⎝ ... ..
. .. ⎠ ⎝ .. ⎠
als −1, aber in [1, 1.277] liegt keine Nullstelle von f . Schon gm1 · · · gmm fm (x)
die erste Iterierte x1 liegt außerhalb von [1, 1.277] und damit ⎛ m ⎞ ⎛ G ⎞
in dem Bereich, in dem nicht kontrahierend ist. i=1 g1i fi (x) f1 (x)
⎜ . ⎟ ⎜ . ⎟
=⎝ . ⎠ =: ⎝ .. ⎠ .
m .
Aufgabe 17.8 •√ Das klassische Heron-Verfahren zur i=1 gmi fi (x) fmG (x)
Berechnung von 2 sucht die Berechnung der Kantenlänge
eines Quadrats der Fläche 2. Dazu setzte man Da die gij Konstante sind, folgt für die erste Fréchet-
Ableitung
a0 = 1, b0 = 2 (Gf (x)) = Gf (x),
Lösungswege zu Kapitel 17 125
√
also also sind die Schnittpunkte bei x1,2 = ± 3/2 ≈
⎛ m m ⎞ ±1.224745
∂fi
···
i=1 g1,i ∂x1 (x)
∂fi
i=1 g1,i ∂xm (x)
√ und wir erhalten die zugehörigen y-Werte als
⎜ ⎟ y1,2 = ± 1/2 ≈ ±0.707107.
(Gf (x)) = ⎜
⎝
..
.
..
.
..
.
⎟.
⎠ b) Das zu lösende System lautet
m ∂fi m ∂fi 2
i=1 gm,i ∂x1 (x) · · · i=1 gm,i ∂xm (x) f (x, y) x + y2 − 2
f (x) = 1 = = 0.
Die zweite Fréchet-Ableitung ist eine dreifach indizierte Ma- f2 (x, y) x2 − y2 − 1
trix Wir erhalten die Funktionalmatrix
(Gf (x)) = (aij ), i, j, k = 1, . . . , m
(k)
∂f ∂f
1 1
∂x ∂y 2x 2y
mit f (x) = ∂f = ,
2 ∂f2 2x −2y
∂x ∂y
(k) ∂ 2 fkG
m
∂ 2 fμ
aij = = gkμ (x), i, j = 1, . . . , m. daraus die Inverse
∂xi ∂xj ∂xi ∂xj
μ=1
1 1
−1 1
Die Normabschätzung (17.42) lautet damit f (x) = x
1
x ,
4 − y1
y
m m m
2
∂ fμ und damit das Newton-Verfahren
(Gf (x)) ∞ ≤ max g (x) .
kμ
i=1 j =1 μ=1
∂xi ∂xj
x n+1 =x n − (f (x n ))−1 f (x n )
k=1,...,m
1 1
n 1 xn xn xn2 + yn2 − 2
=x −
Rechenaufgaben 4 y1 − y1 xn2 − yn2 − 1
n n
xn 3
x 3
2 − 4xn 2 + 4xn
n
Aufgabe 17.11 •• Wir suchen F
x11 aus der Beziehung xn
= − yn 1 = yn 1 .
2 − 4yn 2 + 4y
yn
(x11 )2
F
x11 = x12 − ,
2 x10 Wählen wir x0 = y0 = 1, dann folgen die Vektoren
also 5/4 1.225 1.224745
x1 = , x2 = , x3 =
(x12 − x11 )2 3/4 0.708333 0.707108
x11 =x12 −
F = 1.368786102
x12 − 2x11 + x10
Aufgabe 17.14 ••• Löst man die beiden quadratischen
(−0.000071586)2 Gleichungen für y in den Zeilen des Systems, dann erhält
− = 1.368808107.
−0.000232877 man
D
Mit der 2 -Methode erhält man also bereits nach der 12. 3 9 4
Iteration die Ziffernfolge des Fibonacci. y = − x2 ± x + 1,
2 4
?
Aufgabe 17.12 •• Das Newton-Verfahren ist für n = 0, 1 − x4
y= .
1, . . . gegeben durch x
f (xn ) x 3 + 2x 2 + 10x − 20 Wählt man in der oberen Gleichung für y das positive Vorzei-
xn+1 = xn −
= xn − . chen der Wurzel, dann ergibt sich im Rechteck (0, 2) ×(0, 1)
f (xn ) 3x 2 + 4x + 10
ein Schnittpunkt der beiden Graphen bei etwa
Startend mit x0 = 1 erhält man folgende Ergebnisse.
x 0 = (x0 , y0 ) = (0.98, 0.32).
n xn
1 1.4117647059 Für die Jacobi-Matrix
2 1.3693364706 6xy 3x 2 + 2y
f (x) =
3 1.3688081886 4x 3 + y 2 2xy
4 1.3688081078
folgt an der Stelle x 0
5 1.3688081078
1.8816 3.5212
Die Ziffernfolge des Fibonacci erhält man also bereits in der f (x 0 ) = .
3.867168 0.6272
vierten Iteration.
Als Inverse ergibt sich
Aufgabe 17.13 ••
−0.05043 0.283124
a) Aus der Gleichung der Hyperbel folgt y2 = x2 − 1 und G := (f (x 0 ))−1 =
0.310942 −0.151291
Einsetzen in die Kreisgleichung liefert
g g
=: 11 12
2x 2 − 1 = 2, g21 g22
126 Lösungswege zu Kapitel 17
∂ 2 f1 2 2xn yn
max (x) = 2 · 1 = 2, yn+1 = yn − .
x ∈R ∂x 2
2 3 3(xn − yn2 )2 + 12xn2 yn2
2
Lösungswege zu Kapitel 17 127
Die Inhalte der drei Dateien sind in Abbildung 17.1 in drei un-
terschiedlichen Färbungen zu sehen. Offenbar ist die Struktur
der Mengen der drei Attraktoren z(k) , k = 1, 2, 3, außer-
ordentlich kompliziert. Man kann zeigen, dass diese Men-
gen fraktale Dimension besitzen, d. h., es sind keine zwei-
dimensionalen Mengen, sondern ihre Dimension (die soge-
nannte Hausdorff-Dimension) liegt zwischen 1 und 2. Die
Mengen heißen Julia-Mengen nach Gaston Maurice Julia
(1893–1978). Das Studium solcher Mengen ist die Aufgabe
der Komplexen Dynamik, aber jeder Anwender von Ite-
rationsverfahren bei nichtlinearen Gleichungen oder Glei-
chungssystemen sollte wissen, dass häufig eine sehr kom-
plizierte Dynamik hinter dem Konvergenzverhalten des ge-
wählten Verfahrens steht.
γ γ 0 j =1 akj xj
mink∈{1,...,n} xk ist nicht-negativ und das Supre-
1−γ 1 −γ mit xk >0
1/4 3/4 mum aller ξ ≥ 0 für die Ax ≥ ξ x gilt.
Aufgabe 18.3 • Zeigen Sie, dass außer der impliziten Aufgabe 18.10 ••• Sei A ∈ Rn×n nicht-negativ und ir-
Mittelpunktsregel kein einstufiges Runge-Kutta-Verfahren reduzibel sowie r (aus Aufgabe 18.8) und die Menge der
der Ordnung p = 2 existiert. Extremalvektoren der Matrix A durch {z ∈ Rn≥0 \ {0} | Az ≥
rz ∧ w ∈ Rn≥0 : Aw > rw} gegeben. Zeigen Sie: z ist ein
positiver Eigenvektor der Matrix A zum Eigenwert r > 0.
Beweisaufgaben D. h. Az = rz und z > 0.
Aufgabe 18.4 • Weisen Sie ohne Verwendung des
Satzes zur maximalen Ordnung expliziter Runge-Kutta- Aufgabe 18.11 ••• (Satz von Perron-Frobenius)
Verfahren folgende Aussage nach: Jedes explizite dreistufige Zeigen Sie, dass zu jeder nicht-negativen Matrix A ∈ Rn×n
Runge-Kutta-Verfahren dritter Ordnung besitzt eine Stabili- ein nicht-negativer Eigenwert λ = ρ(A) mit zugehörigem
tätsfunktion der Form nicht-negativen Eigenvektor x ≥ 0 existiert.
ξ2 ξ3
R(ξ ) = 1 + ξ + + .
2 6 Aufgabe 18.12 • Weisen Sie die Konservativität des
auf Seite 693 vorgestellten modifizierten Patankar-Runge-
Aufgabe 18.5 •• Weisen Sie nach, dass das implizite Kutta-Verfahrens nach.
Einschrittverfahren
1 1 Aufgabe 18.13 •• Füreine gegebene Matrix A ∈ Cn×n
yi+1 = yi + t f ti + t, (yi+1 + yi )
2 2 sei die Folge der Matrizen Ak k∈N beschränkt. Zeigen Sie,
mit dem Startwert y0 = Fy0 die exakte Lösung des Anfangs- dass dann der Spektralradius der Bedingung ρ(A) ≤ 1 ge-
wertproblems y (t) = −2at, y(t0 ) = F
y0 für ti = t0 + it nügt und für jeden Eigenwert λ ∈ C von A mit |λ| = 1 alge-
liefert. braische und geometrische Vielfachheit übereinstimmen.
Aufgabe 18.17 •• Bestimmen Sie den Stabilitätsbe- Aufgabe 18.2 •• Betrachten Sie die Verfahrensfunk-
reich des Verfahrens tion und führen Sie eine Taylor-Entwicklung durch.
Aufgabe 18.18 • Wie müssen die freien Koeffizienten Aufgabe 18.4 • Nutzen Sie den Satz zur Konsistenz
des Runge-Kutta-Verfahrens von Runge-Kutta-Verfahren.
Aufgabe 18.16 •• Verwenden Sie den auf Seite 666 Aufgabe 18.13 •• –
aufgeführten Satz zur Konsistenz von Runge-Kutta-
Verfahren.
Rechenaufgaben
Aufgabe 18.17 •• Man stelle die Stabilitätsfunktion R
auf und bestimme die Menge der Werte ξ ∈ C− , für die Aufgabe 18.14 •• S = {ξ ∈ C | |1 + ξ | < 1}
|R(ξ )| < 1 gilt.
Aufgabe 18.15 •• Die Konsistenzordnung ist p = 4.
Aufgabe 18.18 • Nutzen Sie den auf Seite 666 aufge-
führten Satz zur Konsistenz von Runge-Kutta-Verfahren. Aufgabe 18.16 •• Es handelt sich um ein Verfahren
dritter Ordnung.
Aufgabe 18.19 • –
Aufgabe 18.17 •• –
Aufgabe 18.20 • Nutzen Sie den Satz zur Konsistenz
linearer Mehrschrittverfahren auf Seite 675. Aufgabe 18.18 • c2 beliebig und c3 = 21 .
Aufgabe 18.21 •• Betrachten Sie das Polynom
Aufgabe 18.19 • –
p : C → C, p(ξ ) = m−1 j
j =0 αj ξ .
Aufgabe 18.22 •• – Aufgabe 18.20 • Das Verfahren besitzt genau die Kon-
sistenzordnung p = 3.
Aufgabe 18.23 • Führen Sie eine sukzessive Entwick-
lung nach der jeweils letzten Spalte durch. Aufgabe 18.21 •• –
Aufgabe 18.22 •• –
Verständnisfragen
Aufgabe 18.1 • Das Verfahren ist genau dann explizit,
wenn γ = 0 gilt. Konsistenzordnung p = 1 liegt für alle γ Lösungswege
vor. Konsistenzordnung p = 2 gilt ausschließlich für γ = 0.5.
Verständnisfragen
Aufgabe 18.2 •• –
Aufgabe 18.1 • Es handelt sich genau dann um ein ex-
Aufgabe 18.3 • – plizites Verfahren, wenn innerhalb des Butcher-Arrays eine
strikte linke untere Dreiecksmatrix vorliegt. In der betrach-
teten Aufgabenstellung ist dies genau dann der Fall, wenn
Beweisaufgaben γ = 0 gilt. Die Bedingungen für die Konsistenzordnung
Aufgabe 18.4 • – p = 1 sind für alle γ ∈ R erfüllt und es liegt genau dann ein
Verfahren der Ordnung p = 2 vor, wenn
Aufgabe 18.5 •• –
1
2
1 3
= bj cj = γ + (1 − γ )
Aufgabe 18.6 •• – 2 4 4
j =1
Da die Lösung der Differenzialgleichung als Exponential- Aufgabe 18.6 •• Nutzen wir eine Taylorentwicklung
funktion keine verschwindende dritte Ableitung aufweist, für die Lösung der zugrunde liegenden Differenzialgleichung
liegt eine Methode genau dritter Ordnung vor.
y(ti + t)
Aufgabe 18.3 • t 2
Das Butcher-Array eines einstufigen = y(ti ) + ty (ti ) + y (ti ) + O(t 3 )
Runge-Kutta-Verfahrens lautet 2
t 2 df
= y(ti ) + tf (ti , y(ti )) + (ti , y(ti )) + O(t 3 )
c1 a11 2 dt
b1 t 2
= y(ti ) + tf (ti , y(ti )) + ft + fy · f (ti , y(ti ))
2
Um ein Verfahren mindestens erster Ordnung vorliegen zu + O(t 3 )
haben, müssen die Bedingungen c1 = a11 und b1 = 1 erfüllt
sein. Die Bedingung für die Konsistenzordnung p = 2 lautet und ebenso für die Näherungslösung
somit 21 = b1 c1 = c1 , sodass alle Koeffizienten eindeutig
yi+1
bestimmt sind und die implizite Mittelpunktsregel vorliegt.
Mit 13 = b1 c12 ist diese Verfahren zudem genau von zweiter t t
= yi + tf ti + , yi + f (ti , yi )
Ordnung. 2 2
t
= yi + t f (ti , yi ) + ft (ti , yi )
2
Beweisaufgaben t
+ fy (ti , yi ) f (ti , yi ) + O(t 2 )
2
Aufgabe 18.4 • Mit
t 2
⎛ ⎞ ⎛ ⎞ = yi + tf (ti , yi ) + ft + fy · f (ti , yi ) + O(t 3 ),
0 0 0 0 0 0 2
A = ⎝a21 0 0⎠ und A2 = ⎝ 0 0 0⎠ so folgt für die Konsistenzbetrachtung mit der Voraussetzung
a31 a32 0 a21 a32 0 0 yi = y(ti ) durch einfache Subtraktion der beiden obigen
Darstellungen
folgt
y(ti + t) = O(t 3 ).
R(ξ ) = 1 + ξ bT (I + ξ A + ξ 2 A2 )e Hiermit liegt die Konsistenzordnung und mit dem Satz zur
2
= 1 + ξ(b1 + b2 + b3 ) + ξ (b2 a21 + b3 (a31 + a32 )) Konvergenz von Einschrittverfahren auch die Konvergenz-
ordnung p = 2 vor.
+ ξ 3 b3 a32 a21 .
Aufgabe 18.7 ••• Dazu definiere die Folge
Berücksichtigen wir die Ordnungsbedingung gemäß des
oben erwähnten Satzes, so ergibt sich b1 + b2 + b3 = 1, x k+1 := (I + A)x k
b2 a21 + b3 (a31 + a32 ) = b2 c2 + b3 c3 = 1/2 sowie
b3 a32 a21 = 1/6 und folglich mit x 0 := x. Im Folgenden wird gezeigt, dass, sofern x k noch
Einträge gleich null besitzt, die Anzahl der Nulleinträge von
ξ2 ξ3 x k+1 kleiner ist. Wegen
R(ξ ) = 1 + ξ + + .
2 6 x k+1 := x k +
A xk
≥0
Aufgabe 18.5 •• Der Induktionsanfang ist durch die kann sich die Anzahl der positiven Einträge offensichtlich
Anfangsbedingung y0 = F
y0 = y(t0 ) gegeben. Gelte yi = nicht reduzieren.
132 Lösungswege zu Kapitel 18
Angenommen, x k und x k+1 hätten die gleiche Anzahl m Aufgabe 18.10 ••• Sei e = (1, . . . , 1)T , so ist, da A ≥ 0
an Nulleinträgen, mit 1 ≤ m < n. Sei P ∈ Rn×n eine und irreduzibel, Ae > 0. Folglich ist
Permutationsmatrix mit ⎧ ⎫
+ + ⎪
⎨ n ⎪
⎬ n
x k+1 xk j =1 aij xj j =1 aij ej
P x k+1 = , P xk = r = sup min ≥ min
0 0 ⎪
x ≥0 ⎩ i∈{1,...,n} xi ⎪
⎭ i∈{1,...,n} ei
x =0 mit xi >0
mit x+ +
k+1 , x k ∈ Rm
>0 := {x ∈ R |x ≥ 0}. Betrachte nun
m
n
= min aij > 0.
i∈{1,...,n}
T j =1
P x k+1 = P x k + P AP P x k
Da Qn kompakt und rz stetig auf Qn ist, existiert ein z ∈ Qn
respektive die äquivalente Formulierung
mit rz = r. Würde ein w ∈ Rn≥0 mit Aw > rw existie-
+ + + ren, so wäre nach Aufgabe 18.8 rw > r, da Aw ≥ rw w
x k+1 xk A11 A12 xk
= + mit Gleichheit in mindestens einer Komponente gälte, was
0 0 A21 A22 0
der Supremumseigenschaft von r widerspräche. Somit ist z
mit A11 ∈ R(n−m)×(n−m) , A22 ∈ Rm×m und A12 , AT21 ∈ positiver Extremalvektor.
R(n−m)×m . Wegen x + k > 0 folgt A21 = 0, was der Irre- Sei nun z ∈ Qn ein Extremalvektor mit Az − rz = η ≥ 0
duzibilität von A widerspricht. Folglich hat x k+1 weniger und η = 0. Multiplikation von links mit (I + A)n−1 > 0
Nulleinträge als x k . Da x maximal n − 1 Nulleinträge besit- (Aufgabe 18.7) liefert
zen kann und sich die Anzahl der Nulleinträge mindestens
um einen pro Produkt verringert, ist spätestens A (I + A)n−1 z −r (I + A)n−1 z = (I + A)n−1 η > 0
=w =w
x n−1 = (I + A)n−1 x
und somit
ein positiver Vektor.
Aw − rw > 0,
Aufgabe 18.8 •• Wegen A ≥ 0 und x ≥ 0 ist rx ≥ 0
also Aw > rw, was ein Widerspruch dazu darstellt, dass z
klar. Betrachte nun
⎛ ⎞ ⎛ ⎞ Extremalvektor ist. Folglich ist η = 0. Somit ist wegen
n n
aij xj
(Ax)i = ⎝ aij xj ⎠ = ⎝ xi ⎠ Az = rz
xi
j =1 i j =1 i
⎛ ⎧ ⎫ ⎞ z ein positiver Eigenvektor zum Eigenwert r.
⎨ a x ⎬
n
⎜ kj j ⎟
≥ ⎝ min xi ⎠ = (rx x)i = rx xi . Aufgabe 18.11 ••• Falls A irreduzibel ist, sei λ ein Ei-
k∈{1,...,n} ⎩ xk ⎭
mit xk >0 j =1 genwert von A mit zugehörigem Eigenvektor y. Dann gilt
i
A ||y| = A|y|,
|λ||y| = |λy| = |Ay| ≤ |
≥0
Offensichtlich gilt (Ax)k = rx xk und wegen xk > 0 folglich
(Ax)k < ξ xk für alle ξ > rx . womit wegen der Aufgaben 18.8, 18.9 und 18.10
R jj = 0. Mit der Aussage zu irreduziblen, nicht-negativen und wir erkennen, dass die erste Komponente des Vektors
Matrizen folgt, dass R jj einen positiven Eigenwert gleich des J ki e2 betragsmäßig unbeschränkt mit k anwächst. Folglich
Spektralradius ρ(R jj ) besitzt. ρ(A) ≥ 0 folgt dann wegen gilt
σ (A) = ∪m i=1 σ (R ii ).
Zum Nachweis eines nicht-negativen Eigenvektors zu ρ(A) Ak ∞ = J k ∞ ≥ J ki ∞ → ∞, k → ∞
betrachte Aε := A + ε mit ε > 0. Somit ist Aε offen-
sichtlich irreduzibel und positiv. Mit der Aussage zu irre- und es liegt wiederum ein Widerspruch zur Potenz-
duziblen, nicht-negativen Matrizen existiert also ein Eigen- beschränktheit von A vor.
wert λε = ρ(Aε ) mit zugehörigem Eigenvektor x ε > 0 mit
||x ε || = 1. Da die Eigenwerte als Polynomnullstellen stetig
von ε abhängen und die Menge {x | ||x|| = 1} kompakt ist, Rechenaufgaben
findet man eine konvergente Teilfolge x εν → x mit x ≥ 0,
sodass Aufgabe 18.14 •• Graphisch erhalten wir die folgende
Abbildung:
0 = lim Aεν x εν − λεν x εν = Ax − λx
ν→∞
aus
Im( )
0
N
(yi,n+1 − yi,n ) −0.5
i=1 −1
t 0
N
yj,n+1 −1.5
= (pij (y n ) + pij (y (1) )) (1) −2.5 −2 −1.5 −1
Re( )
−0.5 0 0.5
2 y
i,j =1 j
Abbildung 18.1 Stabilitätsgebiet des expliziten Euler-Verfahrens.
yi,n+1 1
− (dij (y n ) + dij (y (1) )) (1) = 0.
y
i
pj i (y n )+pj i (y (1) ) Aufgabe 18.15 •• Da es sich beim klassischen Runge-
Kutta-Verfahren um eine explizite Methode handelt und
durch elementares Nachrechnen leicht gezeigt werden kann,
Aufgabe 18.13 •• Angenommen, es gilt ρ(A) > 1,
dass die auf Seite 668 aufgeführten Bedingungen erfüllt sind,
dann ergibt sich
handelt es sich um eine Methode 4. Ordnung.
Ak ∞ ≥ ρ(Ak ) ≥ ρ(A)k → ∞, k → ∞,
Aufgabe 18.16 •• Einfaches Nachrechnen der Bedin-
womit ein Widerspruch zur Potenzbeschränktheit der Matrix
gungen aus dem oben erwähnten Satz zeigt die minimale
A vorliegt.
Konsistenzordnung. Nutzen wir zudem die auf Seite 668 auf-
Sei ρ(A) = 1, wobei ein Eigenwert λi mit |λi | = 1 geführten Bedingungen, so wird deutlich, dass die Konsis-
existiert, bei dem algebraische und geometrische Vielfach- tenzordnung genau p = 3 ist.
heit nicht übereinstimmen. Dann ergibt sich bei der Jordan-
Normalform J = T −1 AT das zugehörige Jordan-Kästchen
Aufgabe 18.17 •• Ausgehend von der Testgleichung
die Form
y(t) = λy(t) ergibt sich für das Verfahren yi+1 =
⎛ ⎞ 1+tλμ
λi 1 1+tλ(μ−1) yi und folglich die Stabilitätsfunktion
⎜ .. .. ⎟
⎜ . . ⎟
Ji = ⎜ ⎜ ⎟ ∈ Rni ×ni mit ni ≥ 2 1 + ξμ
. ⎟
⎝ .. 1 ⎠ R(ξ ) = .
1 + ξ(μ − 1)
λi
Mit ξ = a + ib, a, b ∈ R ergibt sich
auf. Mit e2 = (0, 1, 0, . . . , 0)T gilt
⎛ k−1 ⎞ |R(ξ )| < 1 ↔ 2a < (1 − 2μ)(a 2 + b2 ). (18.10)
kλi
⎜ λk ⎟
⎜ i ⎟
⎜ ⎟ Wir betrachten eine Fallunterscheidung bezüglich μ. Für
J ki e2 = ⎜ 0 ⎟
⎜ . ⎟
⎝ .. ⎠ μ = 21 ergibt sich die Bedingung 2a < 0. Das Stabilitäts-
0 gebiete ist somit C− und die Methode ist A-stabil.
134 Lösungswege zu Kapitel 18
1
μ> 2 folgen aus (18.10) die äquivalenten Ungleichungen Aufgabe 18.20 • Die Koeffizienten bezogen auf die
allgemeine Darstellung eines linearen Mehrschrittverfahrens
2a lauten
a2 − + b2 < 0 und
1 − 2μ
2 α0 = −5, α1 = 4, α2 = 1, β0 = 2, β1 = 4, β2 = 0.
1 1
a− + b2 > .
1 − 2μ (1 − 2μ)2 Einfaches Nachrechnen der Ordnungsbedingungen im Satz
zur Konsistenz linearer Mehrschrittverfahren liefert
Als Stabilitätsgebiet erhalten wir alle Punkte in C− , die au-
ßerhalb des abgeschlossenen Kreises um (1/(1−2μ), 0)T
2
mit Radius 1/(1 − 2μ) liegen. Das Verfahren ist somit ge- q=0: αj = 0,
nau dann A-stabil, wenn μ = 0 gilt und wir das implizite j =0
Euler-Verfahren vorliegen haben.
2
2
μ < 21 erhalten wir analog zur obigen Herleitung als Sta- q=1: αj j 1 = 6 = 1 · βj j 0 ,
bilitätsgebiet alle Punkte im offenen Kreis um (1/(1 − j =0 j =0
2μ), 0)T mit Radius 1/(1 − 2μ). Keine der Methoden ist
2
2
A-stabil. q=2: αj j 2 = 8 = 2 · βj j 1 ,
j =0 j =0
Aufgabe 18.19 • Das zugehörige Butcher-Array hat Aufgabe 18.21 •• Sei (α0 , . . . , αm−1 )T Lösung des
die Form Gleichungssystem
0 0 0 ⎛ ⎞⎛ ⎞ ⎛ ⎞
1 ξ1 . . . ξ1m−1 α0 0
1 1
0 . ⎜. . . ⎟ ⎜ .. ⎟ ⎜ .. ⎟
k k ⎝ .. .. .. ⎠ ⎝ . ⎠ = ⎝ . ⎠ ,
0 1 1 ξm . . . ξmm−1 αm−1 0
Folglich ist das Verfahren für k ∈ N\{2} genau erster Ord- yi = ξ i , yi+1 = ξ i+1 , . . . , yi+m−1 = ξ i+m−1
nung und für k = 2 mindestens zweiter Ordnung. Abschlie-
ßend erhalten wir für k = 2 aus die Schlussfolgerung
1
m−1
2
1 1 1
bj cj2 = 2 = = , yi+m = − αj yi+j
k 4 3 αm
j =1 j =0
1
m−1
die Aussage, dass das Verfahren für k = 2 genau zweiter =− αj ξ i+j = ξ i+m .
αm
Ordnung ist. j =0
Lösungswege zu Kapitel 18 135
Aufgabe 18.23 • Der Nachweis ergibt sich aus einer Sukzessive Anwendung liefert
einfachen Entwicklung
⎛ ⎞ m m−1 2 λ −1
λ −1 p(λ) = −λ − λ am−1 − . . . − λ a2 − det
a0 a1
⎜ .. .. ⎟
⎜ . . ⎟ = −λm − λm−1 am−1 − . . . − λ2 a2 − λa1 − a0 .
⎜ ⎟
p(λ) = − det ⎜
⎜ . .. . ..
⎟
⎟
⎜ ⎟
⎝ λ −1 ⎠
a0 . . . am−2 λ + am−1
⎛ ⎞
λ −1
⎜ .. .. ⎟
⎜ . . ⎟
⎜
= − (λ + am−1 ) det ⎜ ⎟
. ⎟
⎝ . . −1⎠
λ
=λm−1
⎛ ⎞
λ −1
⎜ .. .. ⎟
⎜ . . ⎟
⎜ ⎟
− det ⎜
⎜ . .
.. ..
⎟
⎟
⎜ ⎟
⎝ λ −1 ⎠
a0 ... am−2
= − λm − λm−1 am−1 − λm−2 am−2
⎛ ⎞
λ −1
⎜ .. .. ⎟
⎜ . . ⎟
⎜ ⎟
− det ⎜
⎜ . .
.. ..
⎟.
⎟
⎜ ⎟
⎝ λ −1 ⎠
a0 ... am−3
Kapitel 19 a) 1 2 3 4
1
Aufgaben 2
2
Verständnisfragen b) c) 1 3
3
Aufgabe 19.1 • In einer Schachtel liegen fünf von 1
bis 5 nummerierte Kugeln. Geben Sie einen Grundraum für 4
2 4
a) Drei nicht unterscheidbare 1-€-Münzen werden gleich-
zeitig geworfen. Schaltbilder zu Stromkreisen
b) Eine 1-€-Münze wird dreimal hintereinander geworfen.
c) Eine 1-Cent-Münze und eine 1-€-Münze werden gleich-
zeitig geworfen. a) In der zweiten Versuchsreihe treten mindestens zwei Tref-
fer auf,
Aufgabe 19.3 • Eine technische Anlage bestehe aus b) bei beiden Versuchsreihen treten unterschiedlich viele
einem Generator, drei Kesseln und zwei Turbinen. Jede dieser Treffer auf,
sechs Komponenten kann während eines gewissen, definier- c) die zweite Versuchsreihe liefert weniger Treffer als die
ten Zeitraums ausfallen oder intakt bleiben. Geben Sie einen erste,
Grundraum an, dessen Elemente einen Gesamtüberblick über d) in jeder Versuchsreihe gibt es mindestens einen Treffer.
den Zustand der Komponenten am Ende des Zeitraums lie-
fern. Aufgabe 19.8 •• Ein Würfel wird höchstens dreimal
geworfen. Erscheint eine Sechs zum ersten Mal im j -ten Wurf
Aufgabe 19.4 • Es seien A, B, C, D Ereignisse in (j = 1, 2, 3), so erhält eine Person aj €, und das Spiel ist be-
einem Grundraum . Sei E das Ereignis, dass von den Ereig- endet. Hierbei sei a1 = 100, a2 = 50 und a3 = 10. Erscheint
nissen A, B, C, D höchstens zwei eintreten. Drücken Sie das auch im dritten Wurf noch keine Sechs, so sind 30 € an die
verbal beschriebene Ereignis E durch A, B, C und D aus. Bank zu zahlen, und das Spiel ist ebenfalls beendet. Beschrei-
ben Sie den Spielgewinn mithilfe einer Zufallsvariablen auf
einem geeigneten Grundraum.
Aufgabe 19.5 •• In einem Stromkreis befinden sich
vier nummerierte Bauteile, die jedes für sich innerhalb eines
Aufgabe 19.9 • Das gleichzeitige Eintreten der Ereig-
gewissen Zeitraums intakt bleiben oder ausfallen können. Im
nisse A und B ziehe das Eintreten des Ereignisses C nach
letzteren Fall ist der Stromfluss durch das betreffende Bauteil
sich. Zeigen Sie, dass dann gilt:
unterbrochen. Es bezeichnen Aj das Ereignis, dass das j -te
Bauteil intakt bleibt (j = 1, 2, 3, 4) und A das Ereignis, dass
P(C) ≥ P(A) + P(B) − 1 .
der Stromfluss nicht unterbrochen ist. Drücken Sie für jedes
der vier Schaltbilder das Ereignis A durch A1 , A2 , A3 , A4
aus. Aufgabe 19.10 •• Es sei c ∈ (0, ∞) eine beliebige
(noch so große) Zahl. Gibt es Ereignisse A, B in einem ge-
Aufgabe 19.6 • In der Situation von Aufgabe 19.3 sei eigneten Wahrscheinlichkeitsraum, sodass
die Anlage arbeitsfähig (Ereignis A), wenn der Generator,
mindestens ein Kessel und mindestens eine Turbine intakt P(A ∩ B) ≥ c · P(A) · P(B)
sind. Die Arbeitsfähigkeit des Generators, des i-ten Kessels
und der j -ten Turbine seien durch die Ereignisse G, Ki und gilt?
Tj (i = 1, 2, 3; j = 1, 2) beschrieben. Drücken Sie A und
Ac durch G, K1 , K2 , K3 und T1 , T2 aus. Aufgabe 19.11 • Ist es möglich, dass von drei Ereig-
nissen, von denen jedes die Wahrscheinlichkeit 0.7 besitzt,
Aufgabe 19.7 • Ein Versuch mit den möglichen Er- nur genau eines eintritt?
gebnissen Treffer (1) und Niete (0) werde 2n-mal durchge-
führt. Die ersten (bzw. zweiten) n Versuche bilden die sog. Aufgabe 19.12 • Zeigen Sie, dass es unter acht paar-
erste (bzw. zweite) Versuchsreihe. Beschreiben Sie folgende weise disjunkten Ereignissen stets mindestens drei gibt, die
Ereignisse mithilfe geeigneter Zählvariablen: höchstens die Wahrscheinlichkeit 1/6 besitzen.
M. Brokate et al., Arbeitsbuch Grundwissen Mathematikstudium – Höhere Analysis, Numerik und
Stochastik, DOI 10.1007/978-3-642-54946-5_18, © Springer-Verlag Berlin Heidelberg 2016
Aufgaben zu Kapitel 19 137
a) Auf wie viele Weisen kann er den Punkt (m, n) rechts 0.04 den Fehler A hat,
oben erreichen? 0.005 beide Fehler aufweist,
b) Wie viele Wege von (0, 0) nach (m, n) gibt es, die durch 0.01 nur den Fehler B hat.
den Punkt (a, b) verlaufen? a) Mit welcher Wahrscheinlichkeit weist das Werkstück den
Fehler B auf?
b) Mit welcher Wahrscheinlichkeit ist das Werkstück fehler-
Aufgabe 19.15 • Wie viele Möglichkeiten gibt es, k
haft bzw. fehlerfrei?
verschiedene Teilchen so auf n Fächer zu verteilen, dass im j -
c) Mit welcher Wahrscheinlichkeit besitzt das Werkstück
ten Fach kj Teilchen liegen (j = 1, . . . , n, k1 , . . . , kn ∈ N0 ,
genau einen der beiden Fehler?
k1 + · · · + kn = k)?
Aufgabe 19.21 • Es seien A, B Ereignisse in einem
Aufgabe 19.16 • Es sei f eine auf einer offenen Teil- Wahrscheinlichkeitsraum (, A, P). Zeigen Sie:
menge des Rn definierte stetig differenzierbare reellwertige
a) P(Ac ∩ B c ) + P(A) + P(Ac ∩ B) = 1,
Funktion. Wie viele verschiedene partielle Ableitungen k-ter
Ordnung besitzt f ? b) P(A ∩ B) − P(A)P(B) = P(Ac ∩ B c ) − P(Ac )P(B c ).
a) Welche 7-stelligen Gewinnzahlen hatten hierbei die Man mache sich klar, dass A nur dann gleich der vollen Po-
größte und die kleinste Ziehungswahrscheinlichkeit, und tenzmenge von ist, wenn jedes Aj einelementig (und somit
wie groß sind diese Wahrscheinlichkeiten? insbesondere abzählbar) ist.
b) Bestimmen Sie die Gewinnwahrscheinlichkeit für die
Zahl 3 143 643. Aufgabe 19.30 • Es seien A und B Ereignisse in einem
c) Wie würden Sie den Ziehungsmodus abändern, um al- Grundraum . Zeigen Sie:
len Gewinnzahlen die gleiche Ziehungswahrscheinlich- a) 1A∩B = 1A · 1B ,
keit zu sichern?
b) 1A∪B = 1A + 1B − 1A∩B ,
c) 1A+B = 1A + 1B ,
Aufgabe 19.25 •• Bei der Auslosung der 32 Spiele der
ersten Hauptrunde des DFB-Pokals 1986 gab es einen Eklat, d) 1{Ac } = 1 − 1A ,
als der Loszettel der Stuttgarter Kickers unbemerkt buchstäb- e) A ⊆ B ⇐⇒ 1A ≤ 1B .
lich unter den Tisch gefallen und schließlich unter Auslosung
des Heimrechts der zuletzt im Lostopf verbliebenen Mann- Aufgabe 19.31 • Es seien (, A, P) ein Wahrschein-
schaft Tennis Borussia Berlin zugeordnet worden war. Auf lichkeitsraum und (An ) eine Folge in A mit An ↓ A. Zeigen
einen Einspruch der Stuttgarter Kickers hin wurde die ge- Sie:
samte Auslosung der ersten Hauptrunde neu angesetzt. Ku- P(A) = lim P(An ).
n→∞
rioserweise ergab sich dabei wiederum die Begegnung Tennis
Borussia Berlin – Stuttgarter Kickers. Aufgabe 19.32 • Es seien (, A) ein Messraum und
P : A → [0, 1] eine Funktion mit
a) Zeigen Sie, dass aus stochastischen Gründen kein Ein-
wand gegen die erste Auslosung besteht. P(A + B) = P(A) + P(B), falls A, B ∈ A mit A ∩ B = ∅,
b) Wie groß ist die Wahrscheinlichkeit, dass sich in der zwei- P(B) = limn→∞ P(Bn ) für jede Folge (Bn ) aus A mit
ten Auslosung erneut die Begegnung Tennis Borussia Bn ↑ B.
Berlin – Stuttgarter Kickers ergibt?
Zeigen Sie, dass P σ -additiv ist.
Aufgabe 19.26 •• Die Zufallsvariable Xk bezeichne Aufgabe 19.33 ••• Beweisen Sie die Formel des Ein-
die k-kleinste der 6 Gewinnzahlen beim Lotto 6 aus 49. Wel- und Ausschließens auf Seite 717 durch Induktion über n.
che Verteilung besitzt Xk unter einem Laplace-Modell?
Aufgabe 19.34 •• In einer geordneten Reihe zweier
Aufgabe 19.27 •• Drei Spieler A, B, C spielen Skat. verschiedener Symbole a und b heißt jede aus gleichen Sym-
Berechnen Sie unter einem Laplace-Modell die Wahrschein- bolen bestehende Teilfolge maximaler Länge ein Run. Als
lichkeiten Beispiel betrachten wir die Anordnung b b a a a b a, die mit
einem b-Run der Länge 2 beginnt. Danach folgen ein a-Run
a) Spieler A erhält alle vier Buben, der Länge 3 und jeweils ein b- und ein a-Run der Länge 1.
b) irgendein Spieler erhält alle Buben, Es mögen nun allgemein
m Symbole a und n Symbole b vor-
c) Spieler A erhält mindestens ein Ass, liegen, wobei alle m+n
m Anordnungen im Sinne von Aus-
wahlen von m der m + n Komponenten in einem Tupel für
d) es liegen ein Bube und ein Ass im Skat. die a’s (die übrigen Komponenten sind dann die b’s) gleich
wahrscheinlich seien. Die Zufallsvariable X bezeichne die
Aufgabe 19.28 • Eine Warenlieferung enthalte 20 in- Gesamtanzahl der Runs. Zeigen Sie:
takte und 5 defekte Stücke. Wie groß ist die Wahrscheinlich- n−1
keit, dass eine Stichprobe vom Umfang 5 2 m−1
s−1 s−1
P(X = 2s) = m+n , 1 ≤ s ≤ min(m, n) ,
a) genau zwei defekte Stücke enthält? m
n−1m−1 n−1m−1
b) mindestens zwei defekte Stücke enthält? s s−1 +
P(X = 2s + 1) = m+ns−1 s
,
m
Aufgabe 19.37 ••• Es fallen rein zufällig der Reihe nach Rechenaufgaben
Teilchen in eines von n Fächern. Die Zufallsvariable Xn be-
zeichne die Anzahl der Teilchen, die nötig sind, damit zum Aufgabe 19.18 • –
ersten Mal ein Teilchen in ein Fach fällt, das bereits belegt
ist. Zeigen Sie: Aufgabe 19.19 • –
a) 1 − exp − k(k−1)
2n ≤ P(Xn ≤ k), Aufgabe 19.20 • –
k(k−1)
b) P(Xn ≤ k) ≤ 1 − exp − 2(n−k+1) ,
Aufgabe 19.21 • –
c) für jedes t > 0 gilt
Xn t2 Aufgabe 19.22 • Man betrachte das komplementäre
lim P √ ≤ t = 1 − exp − . Ereignis.
n→∞ n 2
Aufgabe 19.23 • –
Aufgabe 19.6 • –
Aufgabe 19.28 • –
Aufgabe 19.7 • –
Aufgabe 19.26 •• –
Verständnisfragen
Aufgabe 19.1 • – Aufgabe 19.27 •• –
Aufgabe 19.3 • –
Beweisaufgaben
Aufgabe 19.4 • –
Aufgabe 19.29 •• –
Aufgabe 19.5 •• a) A = A1 ∩ A2 ∩ A3 ∩ A4
Aufgabe 19.30 • –
b) A = A1 ∪ A2 ∪ A3 ∪ A4 c) A = A1 ∩ (A2 ∪ A3 ∪ A4 )
d) A = (A1 ∪ A2 ) ∩ (A3 ∪ A4 ).
Aufgabe 19.31 • –
Aufgabe 19.6 • A = G ∩ (K1 ∪ K2 ∪ K3 ) ∩ (T1 ∪ T2 ),
Ac = Gc ∪ (K1c ∩ K2c ∩ K3c ) ∪ (T1c ∩ T2c ). Aufgabe 19.32 • –
Aufgabe 19.12 • –
Natürlich kann man die Ergebnisse Z und W auch als 1 bzw. Aufgabe 19.8 •• Wie bei Modellierungsproblemen üb-
0 notieren. lich gibt es auch hier mehrere Möglichkeiten. Eine besteht
darin, den Grundraum := {1, 2, 3, 4, 5, 6}3 zu wählen,
c) Ein möglicher Grundraum ist also gedanklich auch für den Fall, dass im ersten oder zwei-
:= {(E, W ), (E, Z), (Z, W ), (Z, Z)}. ten Wurf eine Sechs fällt, weiterzuwürfeln. Hierbei steht im
Tripel ω = (a1 , a2 , a3 ) die Komponente aj für das Ergeb-
Dabei stehe E für Eichenblatt, und die erste Komponente nis des j -ten Wurfs. Der Spielgewinn wird dann auf diesem
bezeichne das Ergebnis der 1-Cent-Münze. Grundraum durch die Zufallsvariable X : → R mit
⎧
⎪
⎪ 100, falls a1 = 6
Aufgabe 19.3 • Nummerieren wir zwecks Identifizie- ⎪
⎪
⎨50, falls a ≤ 5 und a = 6,
rung die Kessel von 1 bis 3 und die Turbinen von 1 bis 2, so X(ω) :=
1 2
ist die Menge ⎪10, falls max(a1 , a2 ) ≤ 5 und a3 = 6,
⎪
⎪
⎪
⎩−30, sonst,
:= {(a1 , . . . , a6 ) | aj ∈ {0, 1} für j = 1, . . . , 6}
(ω = (a1 , a2 , a3 ) ∈ ) beschrieben. Dabei bedeutet der
ein möglicher Grundraum. Dabei stehe eine 1 (0) für intaktes
negative Wert −30 einen Verlust. Eine andere Möglichkeit
Verhalten (Ausfall); a1 beschreibe den Zustand des Gene-
besteht darin, den auf den ersten Blick attraktiven, weil einfa-
rators, aj +1 den des j -ten Kessels (j = 1, 2, 3) und aj +4 ˜ := {0, 1, 2, 3} zu wählen. Hier modelliert
chen Grundraum
denjenigen der j -ten Turbine (j = 1, 2).
j ∈ {1, 2, 3} das Ergebnis die erste Sechs tritt im j -ten Wurf
Aufgabe 19.4 • „Am elegantesten“ ist es, die Indika- auf, und 0 bedeutet, dass keiner der drei Würfe eine Sechs
torsumme X := 1A + 1B + 1C + 1D zu definieren. Das ergibt. In diesem Fall beschreibt die durch X̃(0) := −30,
gesuchte Ereignis ist dann E = {X ≤ 2}. Eine andere Mög- X̃(1) = 100, X̃(2) = 50 und X̃(3) = 10 definierte Zufalls-
variable X̃ : ˜ → R den Spielgewinn. Der Vorteil des ersten
lichkeit besteht darin, das Ereignis E in die Ereignisse Ej
aufzuspalten, wobei genau j der vier Ereignisse eintreten Raumes offenbart sich, wenn wir etwa die Wahrscheinlich-
(j = 0, 1, 2). Dann wäre E = E0 + E1 + E2 zu setzen. keit dafür angeben wollen, dass das Spiel mit einer Zahlung
Hierbei gilt an die Bank endet oder die Frage stellen, ob das Spiel für
den Spieler vorteilhaft ist. Die Ergebnisse ω ∈ würde man
E0 = Ac B c C c D c , unter der Annahme, dass der Würfel exakt gefertigt ist, als
E1 = AB c C c D c + Ac BC c D c + Ac B c CD c + Ac B c C c D, gleich wahrscheinlich ansehen. Für die Ergebnisse im Grund-
raum ˜ trifft dies nicht zu.
E2 = ABC c D c + AB c CD c + Ac BCD c + AB c C c D
+Ac BC c D + Ac B c CD. Aufgabe 19.9 • Die verbal beschriebene Vorausset-
zung besagt A ∩ B ⊆ C, und somit folgt P(A ∩ B) ≤ P(C).
Man beachte, dass Ej = {X = j } gilt (j = 0, 1, 2). Weiter gilt
Aufgabe 19.5 •• a) Es muss jedes der Ereignisse ein- P(A ∩ B) = 1 − P((A ∩ B)c ) = 1 − P(Ac ∪ B c )
treten. b) Es muss mindestens eines der Ereignisse eintreten. ≥ 1 − P(Ac ) − P(B c )
c) Es muss A1 und dazu noch mindestens eines der anderen
= 1 − (1 − P(A)) − (1 − P(B))
Ereignisse eintreten. d) Es müssen mindestens eines der Er-
eignisse A1 , A2 und mindestens eines der Ereignisse A3 , A4 = P(A) + P(B) − 1.
eintreten.
Zusammen folgt die Behauptung.
Aufgabe 19.6 • Die Darstellung für A ergibt sich aus Aufgabe 19.10 •• Mit der obigen Wahl von und P
der Bedingung, dass der Generator und mindestens einer der als Gleichverteilung auf sei A := {1, 2, . . . , k} und B :=
Kessel und mindestens eine der Turbinen arbeiten muss so- {2, 3, . . . , k + 1} gesetzt, wobei k ≤ n − 1. Dann gilt
wie der Tatsache, dass das logische und dem Durchschnitt-
szeichen und das nicht ausschließende logische oder dem k k−1
P(A) = P(B) = , P(A ∩ B) =
Vereinigungszeichen entspricht. Die Darstellung für Ac folgt n n
aus der de Morgan’schen Regel. und somit
P(A ∩ B) (k − 1)n
= .
Aufgabe 19.7 • Es sei := {0, 1}2n .Für j = 1, P(A) · P(B) k2
. . . , n bezeichne Aj := {(a1 , . . . , a2n ) ∈ | aj = 1} das Wählt man jetzt zu gegebenem c die Zahl m als kleinste
Ereignis, dass der j -te Versuch einen Treffer n ergibt. Dann natürliche Zahl, die größer oder gleich c+1 ist sowie n := m2 ,
beschreiben die Zufallsvariablen X := j =1 1{Aj } und k := m, so geht obige Gleichung in
2n
Y := j =n+1 1{Aj } die Trefferanzahlen in der ersten bzw.
P(A ∩ B) (m − 1)m2
zweiten Versuchsreihe. Hiermit nehmen die verbal beschrie- = =m−1≥c
benen Ereignisse formal folgende Gestalt an: a) {Y ≥ 2} P(A) · P(B) m2
b) {X = Y } c) {Y < X} d) {X ≥ 1} ∩ {Y ≥ 1}. über, was zu zeigen war.
142 Lösungswege zu Kapitel 19
Aufgabe 19.11 • Ja. Ein Beispiel ist der Grundraum 561/5047 ≈ 0.111,
:= {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} mit der Gleichverteilung 610/5047 ≈ 0.121,
P. Für die Ereignisse A := {1, 2, 3, 4, 5, 6, 7}, B := 663/5047 ≈ 0.131.
{3, 4, 5, 6, 7, 8, 9}, C := {0, 2, 3, 4, 5, 6, 7} gilt P(A) =
Dabei wurde auf 3 Nachkommastellen gerundet.
P(B) = P(C) = 0.7 sowie P(A ∩ B c ∩ C c ) = P({1}) = 0.1,
P(Ac ∩ B ∩ C c ) = P({8, 9}) = 0.2, P(Ac ∩ B c ∩ C) = b) Wenn jede Zahl nach 5047 Ausspielungen k mal gezogen
P({0}) = 0.1. wurde, gilt k · 49 = 6 · 5047 und somit k = 618. Die relative
Häufigkeit ist dann 618/5047 = 6/49 ≈ 0.122.
Aufgabe 19.12 • Würde etwa nur P(A1 ) ≤ 1/6 und
P(A2 ) ≤ 1/6 gelten, so wäre P(Aj ) > 1/6 für j = 3, . . . , 8. Aufgabe 19.19 • Wegen pk ≥ 0 ist nur die Normie-
Da sich die Ereignisse paarweise ausschließen, wäre dann rungsbedingung ∞ k=1 pk = 1 zu zeigen. Wegen
P(A3 ∪ . . . ∪ A8 ) = P(A3 ) + . . . + P(A8 ) > 6 · 1/6 = 1,
was ein Widerspruch zu P(A) ≤ 1, A ∈ A, wäre. 1 1 1
= −
k(k + 1) k k+1
Aufgabe 19.13 • a) Für die beiden ersten Zahlen gibt
es genauso viele Paare (i, j ) mit i < j wie es Paare mit i > j gilt unter Ausnutzung eines Teleskop-Effektes nk=1 pk =
gibt. Die Wahrscheinlichkeit ist somit 1/2. 1 − 1/n, woraus die Behauptung folgt. Diese Verteilung ent-
steht im Zusammenhang mit einem Urnenmodell, wenn auf
b) Eine der drei ersten Zahlen ist die kleinste. Aus Symme- das erstmalige Auftreten einer roten Kugel gewartet wird.
triegründen ist die Antwort 1/3.
c) Eine der 6 gezogenen Zahlen ist die größte aller 6 Zahlen. Aufgabe 19.20 • Es sei A bzw. B das Ereignis, dass
Die Antwort ist ebenfalls aus Symmetriegründen 1/6. das Werkstück den Fehler A bzw. den Fehler B aufweist. Aus
der Aufgabenstellung ist bekannt: P(A) = 0.04, P(A ∩ B) =
Aufgabe 19.14 •• a) Da von insgesamt
m+n Schritten 0.005, P(B ∩ Ac ) = 0.01.
m für ’rechts’ zu wählen sind, gibt es m+n
m Möglichkeiten.
a): Mit Eigenschaft b) auf Seite 714 folgt P(B) = P(A ∩
b) Mit
a+b a) und der Multiplikationsregel ist die Anzahl gleich
m−a B) + P(Ac ∩ B) = 0.005 + 0.01 = 0.015.
a · n−b .
b): Aus Eigenschaft f) auf Seite 714 ergibt sich P(A ∪ B) =
Aufgabe 19.15 • Es gibt
P(A)+ P(B)− P(A∩B) = 0.04+0.015−0.005 = 0.05. Ein
k k! Werkstück ist also mit Wahrscheinlichkeit 0.05 fehlerhaft und
=
k1 , . . . , kn k1 ! · . . . · kn ! somit (komplementäre Wahrscheinlichkeit) mit Wahrschein-
k lichkeit 0.95 fehlerfrei.
Möglichkeiten, nämlich k1 Möglichkeiten, k1 Teilchen in
1
Fach 1 zu legen, dann k−k k2 Möglichkeiten, von den rest- c): Es ist P(A ∩ B c ) + P(B ∩ Ac ) = P(A ∪ B) − P(A ∩ B) =
lichen Teilchen k2 für Fach 2 auszuwählen usw. (vgl. die 0.05 − 0.005 = 0.045.
Herleitung des Multinomialkoeffizienten auf Seite 724).
Aufgabe 19.21 • a): Die Behauptung folgt aus der
Aufgabe 19.16 • Es handelt sich um k-Kombinationen Darstellung = A + Ac ∩ B c + Ac ∩ B und der endli-
aus n Objekten (den Variablen) mit Wiederholung. chen Additivität von P sowie P() = 1.
Aufgabe 19.17 • Die zufällige Anzahl X der Frauen b): Es gilt P(Ac ∩ B c ) = 1 − P(A ∪ B) = 1 − P(A) − P(B) +
in der Stichprobe besitzt die hypergeometrische Verteilung P(A ∩ B) sowie P(Ac ) = 1 − P(A), P(B c ) = 1 − P(B).
Hyp(n, r, s) mit n = r = s = 7. Es folgt Hieraus folgt die Behauptung.
3 3 7 7
P(X ≤ 3) = P(X = k) =
k 7−k
14 Aufgabe 19.22 • Jede 6-Kombination
k=0 k=0 7
1 ≤ b1 < . . . < b6 ≤ 49
12 + 72 + 21 + 352
2 1
= =.
3432 2 ohne Zwilling lässt sich gemäß
Dieses Ergebnis ist auch aus Symmetriegründen klar, da es
genauso viele Frauen wie Männer gibt und das zu {X ≤ 3} aj := bj − j + 1, j = 1, . . . , 6,
komplementäre Ereignis {X ≥ 4} gleichbedeutend damit ist,
dass die Stichprobe höchstens drei Männer enthält. zu einer 6-Kombination 1 ≤ a1 . . . < a6 ≤ 44 aus
K644 (oW ) „zusammenziehen“ und umgekehrt. Die gesuchte
49
Wahrscheinlichkeit ist somit 1 − 44
6 / 6 = 0.495 . . .
Rechenaufgaben
Aufgabe 19.18 • a) Die relativen Häufigkeiten der Aufgabe 19.23 • Die Wahrscheinlichkeit, mindestens
Zahlen 13, 19 und 43 sind eine Sechs in vier Würfen zu werfen, ist 1 − (5/6)4 ≈ 0.518
Lösungswege zu Kapitel 19 143
(vgl. die Ausführungen auf Seite 715). Die Wahrscheinlich- der Multiplikationsregel und der Anzahlformel für Kombi-
keit, mindestens eine Doppelsechs in 24 Doppelwürfen zu nationen ohne Wiederholung folgt
werfen, berechnet sich analog zu 1 − (35/36)24 ≈ 0.491 . j −1 49−j
Man sollte also eher auf das Eintreten von mindestens einer k−1 · 6−k
P (Xk = j ) = 49 , j = k, k + 1, . . . , k + 43.
Sechs in vier Würfen wetten.
6
Aufgabe 19.24 •
a) 7-stellige Gewinnzahlen mit lauter verschiedenen (glei- Aufgabe 19.27 •• Wir verwenden den Grundraum
chen) Ziffern hatten die größte (kleinste) Wahrschein-
:= {(A, B, C) | A + B + C ⊆ K, |A + B + C| = 30}
lichkeit, gezogen zu werden. Als Grundraum kann
die Menge der 7-Permutationen ohne Wiederholung aus auf Seite 724 mit der Gleichverteilung P auf . Die Teilmen-
{01 , 02 , . . . , 07 , 11 , 12 , . . . , 17 , . . . , 91 , 92 , . . . , 97 } ge- gen S, Bu und As bezeichnen den Skat, die vier Buben bzw.
wählt werden, wenn man jede Ziffer gedanklich von 1 die vier Asse.
bis 7 nummeriert. Bei Annahme eines Laplace-Modells
besitzt jede Zahl mit lauter verschiedenen (bzw. glei- a): Das beschriebene Ereignis ist D1 := {(A, B, C) ⊆ |
chen) Ziffern die gleiche Wahrscheinlichkeit 77 /(70)7 Bu ⊆ A}. Wegen Bu ⊆ A stehen zur Bildung der Teilmenge
(bzw. 7!/(70)7 ). Der Quotient von größter zu kleinster der Karten für A nur 28 Karten zur Verfügung. Nach der
Ziehungswahrscheinlichkeit ist 77 /7! ≈ 163.4. Multiplikationsregel folgt
b) 7 · 7 · 7 · 6 · 7 · 6 · 5/(70)7 ≈ 7.153 · 10−8 282212
|D1 | 6 10 10 21
c) Jede Ziffer der Gewinnzahl wird aus einer separaten P(D1 ) = = = ≈ 0.00584.
Trommel, welche die Ziffern 0, 1, . . . , 9 je einmal ent- || 32! 3596
10!3 ·2!
hält, gezogen. Gleichwertig hiermit ist das 7-fache Ziehen
mit Zurücklegen aus einer Trommel, die jede der Ziffern
b): Das beschriebene Ereignis D2 ist die Vereinigung der
0, 1, . . . , 9 einmal enthält.
drei paarweise disjunkten Ereignisse, dass entweder A oder
B oder C alle vier Buben erhalten. Mit a) folgt aus Symme-
Aufgabe 19.25 •• a) Seien = P64 64 (oW ) die Menge
triegründen
aller regulären Auslosungen mit der am Ende des Hinweises
gemachten Interpretation sowie P die Gleichverteilung auf . 63
Ohne Beschränkung der Allgemeinheit sei 1 die Nummer der P(D2 ) = 3 · P(D1 ) = ≈ 0.0175.
3596
Stuttgarter Kickers und 2 die von Tennis Borussia Berlin. Das
Ereignis „Mannschaft j hat gegen Mannschaft k Heimrecht“
c): Gefragt ist nach P(D3 ), wobei D3 := {(A, B, C) ∈ |
ist formal durch Aj k := {(a1 , . . . , a64 ) ∈ | a2i−1 = j und
A ∩ As = ∅}. Das komplementäre Ereignis D3c bedeutet,
a2i = k für ein i ∈ {1, . . . , 32}} gegeben. Wegen || = 64!
dass A kein Ass erhält, also seine 10 Karten aus den 28
und |Aj k | = 32 · 1 · 62! gilt nach der Multiplikationsregel
Nicht-Assen ausgewählt werden. Nach der Multiplikations-
P(Aj k ) = |Aj k |/|| = 1/126, 1 ≤ j = k ≤ 64, also ins-
regel folgt
besondere P(A21 ) = 1/126. Dieses Ergebnis kann auch so
eingesehen werden: Für Mannschaft 1 gibt es 63 gleichwahr- 282212
10 10 10 1463
scheinliche Gegner, wobei nach Auswahl des Gegners noch P(D3 ) = 1−P(D3c ) = 1− 32!
= 1− ≈ 0.797.
2 Möglichkeiten für das Heimrecht vorhanden sind. 7192
10!3 ·2!
Die Menge der möglichen Paarungen der „nicht regulären“
ersten Auslosung ist 0 := {(a1 , . . . , a64 ) ∈ | 1 ∈ d): Das beschriebene Ereignis ist D4 := {(A, B, C) ⊆ |
{a63 , a64 }}. Dabei sei im Folgenden P0 die Gleichvertei- |Bu ∩ S| = 1 = |As ∩ S|}. Die günstigen Fälle hierfür sind,
lung auf 0 . Setzen wir für j = 1, k = 1, j = k dass zunächst sowohl von den vier Buben als auch von den
A0j k := {(a1 , . . . , a64 ) ∈ 0 | a2i−1 = j und a2i = k für ein vier Assen je eine Karte für den Skat ausgewählt werden,
i = 1, . . . , 31}, so liefert die Multiplikationsregel P0 (A0j k ) = wofür es 16 Möglichkeiten gibt. Danach kann man die restli-
|A0j k |/|0 | = 31 · 1 · 2 · 61!/(2 · 63!) = 1/126 = P(Aj k ). chen 30 Karten beliebig auf die drei Spieler verteilen. Nach
der Multiplikationsformel ergibt sich
Mit A01k := {(a1 , . . . , a64 ) ∈ 0 | a63 = 1, a64 = k} und
302010
A0k1 := {(a1 , . . . , a64 ) ∈ 0 | a63 = k, a64 = 1} (k = 1) |D4 | 16 · 1
10 10 10
ergibt sich ebenso P0 (A01k ) = 62!/(2 · 63!) = 1/126 = P(D4 ) = = = ≈ 0.0323.
|| 32! 31
10!3 ·2!
P0 (A0k1 ).
b) 1/126.
Aufgabe 19.28 • Wir interpretieren die defekten Ex-
Aufgabe 19.26 •• Das Ereignis {Xk = j } tritt genau emplare als rote und die intakten Exemplare als schwarze Ku-
dann ein, wenn k − 1 der Lottozahlen kleiner als j , die k- geln und unterstellen Ziehen ohne Zurücklegen. Dann besitzt
kleinste gleich j und 6 − k Lottozahlen größer als j sind. Mit die Anzahl X der defekten Exemplare in einer rein zufälligen
144 Lösungswege zu Kapitel 19
Stichprobe die hypergeometrische Verteilung Hyp(n, r, s) Aufgabe 19.32 • Es seien A1 , A2 , . . . paarweise dis-
mit n = 5, r = 5, s = 20. Es folgt junkte Mengen aus A sowie Bn := A1 + . . . + An , n ≥ 1.
5 20 Dann gilt wegen der endlichen Additivität
P(X = k) =
k 5−k
25 , k = 0, 1, . . . , 5,
n
5
P(Bn ) = P(Aj ),
j =1
und somit auf drei Nachkommastellen genau
und die Stetigkeit von unten liefert
⎛ ⎞
P(X = 0) = 0.292, P(X = 1) = 0.328, P(X = 2) = 0.215. ∞
lim P(Bn ) = P ⎝ Aj ⎠ .
Es folgt a) P(X = 2) = 0.215 und b) P(X ≥ 2) = 1−P(X ≤ 1) n→∞
j =1
= 1 − 0.292 − 0.328 = 0.380.
Es gilt also ⎛ ⎞
∞
∞
Beweisaufgaben P⎝ Aj ⎠ = P(Aj ),
j =1 j =1
Aufgabe 19.29
•• Setzt man T = N, so folgt ∈ A.
Ist B = was zu zeigen war.
n∈T n ∈ A, so stellt sich mit
A S := N \ T
das Komplement von B in der Form B c = n∈S An dar.
Aufgabe 19.33 ••• Der Induktionsanfang n = 2 ist mit
Also gilt B c ∈ A. Sind B1 , B2 , . . . ∈ A paarweise disjunkt,
(19.17) erbracht, und die Beweisidee für den Induktions-
so gibt ⊆ N mit
es paarweise disjunkte Mengen T1 , T2 , . . .
schluss von n auf n + 1 ist die Gleiche wie bei der Herleitung
Bj = n∈Tj An ∈ A für jedes j ≥ 1. Mit T := ∞ j =1 Tj von (19.18) aus (19.17): Sind A1 , . . . , An+1 Ereignisse, so
gilt dann
setzen wir kurz Bn := A1 ∪. . .∪An und erhalten mit (19.17)
∞
∞
⎛ ⎞
Bj = An = An 4
n+1
P⎝ Aj ⎠ = P Bn ∪ An+1
j =1 j =1 n∈Tj n∈T
j =1
∞
und somit j =1 Bj ∈ A. = P(Bn ) + P(An+1 ) − P Bn ∩ An+1 .
Man mache sich klar, dass A nur dann gleich der vollen Po- Hier stehen mit Bn = A1 ∪ . . . ∪ An und Bn ∩ An+1 =
; n
tenzmenge von ist, wenn jedes Aj einelementig (und somit j =1 (Aj ∩An+1 ) Vereinigungen von jeweils n Ereignissen,
insbesondere abzählbar) ist. sodass wir zweimal die Induktionsvoraussetzung anwenden
können. Mit Sr wie in (19.19) und
Aufgabe 19.30 • a) ergibt sich, indem man für ω ∈ S̃r := P Ai1 ∩ . . . ∩ Air ∩ An+1
die Fälle ω ∈ A ∩ B und ω ∈ / A ∩ B unterscheidet. Im 1≤i1 <...<ir ≤n
ersten Fall sind beide Seiten der zu beweisenden Identität ergibt sich
gleich Eins, im zweiten gleich Null. Zum Nachweis von b) ⎛ ⎞
betrachtet man wegen = AB c +AB+BAc +Ac B c die vier 4
n+1
n
P⎝ Aj ⎠ = (−1)r−1 · Sr + P(An+1 )
Fälle ω ∈ AB c , ω ∈ AB, ω ∈ BAc und ω ∈ Ac B c . In jedem
j =1 r=1
der ersten drei Fälle nehmen beide Seiten der zu zeigenden
Gleichheit den Wert Eins an, im letzten Fall den Wert Null.
n
− (−1)r−1 · S̃r
Gleichung c) folgt wegen A ∩ B = ∅ und 1∅ ≡ 0 aus b).
r=1
Gleichung d) folgt aus c) mit B = Ac , da 1 ≡ 1. Gilt A ⊆
B, so folgt für jedes ω ∈ durch Unterscheiden der beiden = S1 + P(An+1 ) + (−1)n · S̃n
Fälle ω ∈ A und ω ∈ Ac die Ungleichung 1A (ω) ≤ 1B (ω). n
Gilt umgekehrt die letzte Ungleichung für jedes ω ∈ , so + (−1)r−1 (Sr + S̃r−1 ).
gilt sie insbesondere für jedes ω ∈ A, was A ⊆ B und somit r=2
e) beweist. Es
n+1bleibt zu zeigen, dass die rechte Seite die Gestalt
r−1 S
r=1 (−1) n+1,r mit
Aufgabe 19.31 • Wir verwenden, dass P nach Fol-
gerung h) auf Seite 714 stetig von unten ist und setzen Sn+1,r = P(Ai1 ∩ . . . ∩ Air )
1≤i1 <...<ir ≤n+1
Bn := Acn , n ≥ 1, sowie B := Ac . Aus An ↓ A folgt
dann Bn ↑ B und somit nach Teil c) und Teil h) der oben annimmt. Zerlegt man diese Summe danach, ob ir ≤ n oder
zitierten Folgerung ir = n + 1 gilt, so folgt
Sn+1,1 = S1 + P(An+1 ),
1 − P(A) = P(B) = lim P(Bn ) = lim (1 − P(An ))
n→∞ n→∞ Sn+1,r = Sr + S̃r−1 , 2 ≤ r ≤ n,
= 1 − lim P(An ).
n→∞ Sn+1,n+1 = S̃n (= P(A1 A2 . . . An+1 )),
Hieraus folgt die Behauptung. was zu zeigen war.
Lösungswege zu Kapitel 19 145
1
gilt nach der Formel des Ein- und Ausschließens k−1
j
≥ −
4n
n n 1 − (k − 1)/n
j =1
Aj = (−1)r−1 Sr .
(k − 1)k
j =1 r=1 = −
2n(n − k + 1)
Offenbar gilt A1 ∩. . .∩An = ∅, denn irgendeinen Wert muss
und daraus b).
ja eine Funktion von M1 nach M2 annehmen. Für r < n ist
Ai1∩. . .∩Air die Menge derjenigen Funktionen f : M1 → M2 , c): Zu vorgegebenem t > 0 existiert für jede genügend große
die jeden der r Werte i1 , . . . , ir auslässt. Für jedes i ∈ M1 √
Zahl n eine natürliche Zahl kn mit kn ≤ nt ≤ kn + 1, und
gibt es also nur n − r mögliche Funktionswerte. Nach der es folgt
Anzahlformel für Permutationen mit Wiederholung gilt dann
√
|Ai1 ∩ . . . ∩ Air | = (n − r)k , und es folgt P(Xn ≤ kn ) ≤ P(Xn ≤ nt) ≤ P(Xn ≤ kn + 1).
4n
n−1 r−1 n
Wegen
Aj = (−1) (n − r)k .
j =1
r (kn − 1)kn (kn − 1)kn
r=1 lim = lim = t2
n→∞ 2n n→∞ 2(n − kn + 1)
Die Anzahl der surjektiven Abbildungen ist somit
liefern die in a) und b) erhaltenen Schranken beim Grenz-
n−1
n−1 übergang n → ∞
r−1 n r n
nk − (−1) k
(n − r) = (−1) (n − r)k .
r r √ t2
r=1 r=0
lim sup P(Xn ≤ nt) ≤ exp − ,
n→∞ 2
Aufgabe 19.36 •• Analog zur Herleitung von |Aj | in √ t2
lim inf P(Xn ≤ nt) ≥ exp − ,
(19.42) besetzen wir zur Bestimmung von |Ai ∩Aj | zuerst die n→∞ 2
i-te, danach die j -te Stelle und danach die restlichen Stellen
des Tupels (a1 , . . . , an ) (z.B. von links nach rechts). Diese was zu zeigen war.
Kapitel 20 Kirschen werden an zwei Maschinen entkernt. Maschine A
liefert 70% dieser Kirschen, wobei 8% der von A gelieferten
Kirschen den Kern noch enthalten. Maschine B produziert
Aufgaben 30% der benötigten Kirschen, wobei 5% der von B geliefer-
ten Kirschen den Kern noch enthalten. Bei einer abschließen-
den Gewichtskontrolle werden 95% der Pralinen, in denen
Verständnisfragen ein Kirschkern enthalten ist, aussortiert, aber auch 2% der
Aufgabe 20.1 •• (3-Kasten-Problem von Joseph Ber- Pralinen ohne Kern.
trand (1822–1900)) a) Modellieren Sie diesen mehrstufigen Vorgang geeignet.
Drei Kästen haben je zwei Schubladen. In jeder Schublade Wie groß ist die Wahrscheinlichkeit, dass eine Praline mit
liegt eine Münze, und zwar in Kasten 1 je eine Gold- und Kirschkern in den Verkauf gelangt?
in Kasten 2 je eine Silbermünze. In Kasten 3 befindet sich b) Ein Kunde kauft eine Packung mit 100 Pralinen. Wie groß
in einer Schublade eine Gold- und in der anderen eine Sil- ist die Wahrscheinlichkeit, dass nur gute Pralinen, also
bermünze. Es wird rein zufällig ein Kasten und danach aufs Pralinen ohne Kirschkern, in der Packung sind?
Geratewohl eine Schublade gewählt, in der sich eine Gold-
münze befinde. Mit welcher bedingten Wahrscheinlichkeit ist Aufgabe 20.7 •• Ein homogenes Glücksrad mit den
dann auch in der anderen Schublade des gewählten Kastens Ziffern 1, 2, 3 wird gedreht. Tritt das Ergebnis 1 auf, so wird
eine Goldmünze? das Rad noch zweimal gedreht, andernfalls noch einmal.
Aufgabe 20.2 •• Es seien A, B und C Ereignisse in a) Modellieren Sie diesen zweistufigen Vorgang.
einem Wahrscheinlichkeitsraum (, A, P). b) Das Ergebnis im zweiten Teilexperiment sei die Ziffer
bzw. die Summe der Ziffern. Mit welcher Wahrschein-
a) A und B sowie A und C seien stochastisch unabhängig.
lichkeit tritt das Ergebnis j auf, j = 1, . . . , 6?
Zeigen Sie an einem Beispiel, dass nicht unbedingt auch
A und B ∩ C unabhängig sein müssen. c) Mit welcher Wahrscheinlichkeit ergab die erste Drehung
b) A und B sowie B und C seien stochastisch unabhän- eine 1, wenn beim zweiten Teilexperiment das Ergebnis
gig. Zeigen Sie anhand eines Beispiels, dass A und C 3 auftritt?
nicht notwendig unabhängig sein müssen. Der Unabhän-
gigkeitsbegriff ist also nicht transitiv ! Aufgabe 20.8 •• Beim Skatspiel werden 32 Karten rein
zufällig an drei Spieler 1, 2 und 3 verteilt, wobei jeder 10
Aufgabe 20.3 • Es bezeichne Xn , n ≥ 1, die Anzahl Karten erhält; zwei Karten werden verdeckt als Skat auf den
roter Kugeln nach dem n-ten Zug im Pólya’schen Urnenmo- Tisch gelegt. Spieler 1 gewinnt das Reizen, nimmt den Skat
dell von Seite 738 mit c > 0. Zeigen Sie: Mit der Festsetzung auf und will mit Karo-Buben und Herz-Buben einen Grand
X0 := r ist (Xn )n≥0 eine nicht homogene Markov-Kette. spielen. Mit welcher Wahrscheinlichkeit besitzt
a) jeder der Gegenspieler einen Buben?
Aufgabe 20.4 • Es sei (Xn )n≥0 eine Markov-Kette mit
Zustandsraum S. Ein Zustand i ∈ S heißt wesentlich, falls b) jeder der Gegenspieler einen Buben, wenn Spieler 1 bei
gilt: Spieler 2 den Kreuz-Buben (aber sonst keine weitere
∀j ∈ S : i → j ⇒ j → i. Karte) sieht?
Andernfalls heißt i unwesentlich. Ein wesentlicher Zustand c) jeder der Gegenspieler einen Buben, wenn Spieler 1 bei
führt also nur zu Zuständen, die mit ihm kommunizieren. Spieler 2 einen (schwarzen) Buben erspäht (er ist sich
Zeigen Sie: Jede Kommunikationsklasse hat entweder nur jedoch völlig unschlüssig, ob es sich um den Pik-Buben
wesentliche oder nur unwesentliche Zustände. oder den Kreuz-Buben handelt)?
s r
lim Pc (X = 0) = , lim Pc (X = n) = . Aufgabe 20.10 •• Drei-Türen-Problem, Ziegenpro-
c→∞ r +s c→∞ r +s blem
Dabei haben wir die betrachtete Abhängigkeit der Verteilung In der Spielshow Let’s make a deal! befindet sich hinter einer
von c durch einen Index hervorgehoben. von drei rein zufällig ausgewählten Türen ein Auto, hinter
den beiden anderen jeweils eine Ziege. Ein Kandidat wählt
Aufgabe 20.6 •• Eine Schokoladenfabrik stellt Prali- eine der Türen aufs Geratewohl aus; diese bleibt aber vorerst
nen her, die jeweils eine Kirsche enthalten. Die benötigten verschlossen. Der Spielleiter öffnet daraufhin eine der beiden
M. Brokate et al., Arbeitsbuch Grundwissen Mathematikstudium – Höhere Analysis, Numerik und
Stochastik, DOI 10.1007/978-3-642-54946-5_19, © Springer-Verlag Berlin Heidelberg 2016
Aufgaben zu Kapitel 20 147
anderen Türen, und es zeigt sich eine Ziege. Der Kandidat Aufgabe 20.15 • Eine Urne enthalte eine rote und eine
kann nun bei seiner ursprünglichen Wahl bleiben oder die schwarze Kugel. Es wird rein zufällig eine Kugel gezogen.
andere verschlossene Tür wählen. Er erhält dann den Preis Ist diese rot, ist das Experiment beendet. Andernfalls werden
hinter der von ihm zuletzt gewählten Tür. Mit welcher Wahr- die schwarze Kugel sowie eine weitere schwarze Kugel in
scheinlichkeit gewinnt der Kandidat bei einem Wechsel zur die Urne gelegt und der Urneninhalt gut gemischt. Dieser
verbleibenden verschlossenen Tür das Auto, wenn wir unter- Vorgang wird so lange wiederholt, bis die (eine) rote Kugel
stellen, dass gezogen wird. Die Zufallsvariable X bezeichne die Anzahl
der dazu benötigten Züge. Zeigen Sie:
a) der Spielleiter weiß, hinter welcher Tür das Auto steht,
diese Tür nicht öffnen darf und für den Fall, dass er 1
P(X = k) = , k ≥ 1.
eine Wahlmöglichkeit hat, mit gleicher Wahrscheinlich- k(k + 1)
keit eine der beiden verbleibenden Türen wählt?
b) der Spielleiter aufs Geratewohl eine der beiden verblei- Aufgabe 20.16 •• In der auf Seite 742 ff. geschilderten
benden Türen öffnet, und zwar auch auf die Gefahr hin, Situation habe sich eine Person r-mal einem ELISA-Test un-
dass das Auto offenbart wird? terzogen. Wir nehmen an, dass die einzelnen Testergebnisse
– unabhängig davon, ob eine Infektion vorliegt oder nicht –
als stochastisch unabhängige Ereignisse angesehen werden
Aufgabe 20.11 •• Eine Mutter zweier Kinder sagt:
können. Zeigen Sie: Die bedingte Wahrscheinlichkeit, dass
a) „Mindestens eines meiner beiden Kinder ist ein Junge.“ die Person infiziert ist, wenn alle r Tests positiv ausfallen, ist
b) „Das älteste meiner beiden Kinder ist ein Junge.“ in Verallgemeinerung von (20.26) durch
q · pse
r
Wie schätzen Sie jeweils die Chance ein, dass auch das andere
Kind ein Junge ist? q · pse
r + (1 − q) · (1 − p )r
sp
gegeben. Was ergibt sich speziell für q = 0.0001, pse =
Aufgabe 20.12 • 95% der in einer Radarstation ein- 0.999, psp = 0.998 und r = 1, 2, 3?
treffenden Signale sind mit einer Störung überlagerte Nutzsi-
gnale, und 5% sind reine Störungen. Wird ein gestörtes Nutz- Aufgabe 20.17 • Von einem regulären Tetraeder seien
signal empfangen, so zeigt die Anlage mit Wahrscheinlich- drei der vier Flächen mit jeweils einer der Farben 1, 2 und
keit 0.98 die Ankunft eines Nutzsignals an. Beim Empfang 3 gefärbt; auf der vierten Fläche sei jede dieser drei Farben
einer reinen Störung wird mit Wahrscheinlichkeit 0.1 fälsch- sichtbar. Es sei Aj das Ereignis, dass nach einem Wurf des
licherweise ein Nutzsignals angezeigt. Mit welcher Wahr- Tetraeders die unten liegende Seite die Farbe j enthält (j =
scheinlichkeit ist ein als Nutzsignal angezeigtes Signal wirk- 1, 2, 3). Zeigen Sie:
lich ein (störungsüberlagertes) Nutzsignal? a) Je zwei der Ereignisse A1 , A2 und A3 sind unabhängig.
b) A1 , A2 , A3 sind nicht unabhängig.
Aufgabe 20.13 •• Es bezeichne ak ∈ {m, j } das Ge-
schlecht des k-jüngsten Kindes in einer Familie mit n ≥ 2 Aufgabe 20.18 •• Es sei (, P (), P) ein La-
Kindern (j = Junge, m = Mädchen, k = 1, . . . , n). P sei die place’scher Wahrscheinlichkeitsraum mit
Gleichverteilung auf der Menge = {m, j }n aller Tupel
a) || = 6 (echter Würfel),
(a1 , . . . , an ). Weiter sei
b) || = 7.
A = {(a1 , . . . , an ) ∈ | |{a1 , . . . , an } ∩ {j, m}| = 2} Wie viele Paare (A, B) unabhängiger Ereignisse mit 0 <
= {„die Familie hat Kinder beiderlei Geschlechts“} , P(A) ≤ P(B) < 1 gibt es jeweils?
B = {(a1 , . . . , an ) ∈ | |{j : 1 ≤ j ≤ n, aj = m}| ≤ 1}
Aufgabe 20.19 • Ein kompliziertes technisches Gerät
= {„die Familie hat höchstens ein Mädchen“} . bestehe aus n Einzelteilen, die innerhalb eines festen Zeit-
raumes unabhängig voneinander mit derselben Wahrschein-
Beweisen oder widerlegen Sie: A und B sind stochastisch lichkeit p ausfallen. Das Gerät ist nur funktionstüchtig, wenn
unabhängig ⇐⇒ n = 3. jedes Einzelteil funktionstüchtig ist.
Aufgabe 20.14 •• Zwei Spieler A und B drehen in un- a) Welche Ausfallwahrscheinlichkeit besitzt das Gerät?
abhängiger Folge abwechselnd ein Glücksrad mit den Sek- b) Durch Parallelschaltung identischer Bauelemente zu je-
toren A und B. Das Glücksrad bleibt mit Wahrscheinlichkeit dem der n Einzelteile soll die Ausfallsicherheit erhöht
p im Sektor A stehen. Gewonnen hat derjenige Spieler, wel- werden. Bei Ausfall eines Bauelements übernimmt dann
cher als Erster erreicht, dass das Glücksrad in seinem Sektor eines der noch funktionierenden Parallel-Elemente des-
stehen bleibt. Spieler A beginnt. Zeigen Sie: sen Aufgabe. Zeigen Sie: Ist jedes Einzelteil k-fach par-
√ allel geschaltet, und sind alle Ausfälle voneinander unab-
Gilt p = (3 − 5)/2 ≈ 0.382, so ist das Spiel fair, d. h., hängig, so ist die Ausfallwahrscheinlichkeit des Gerätes
beide Spieler haben die gleiche Gewinnchance. gleich 1 − (1 − pk )n .
148 Aufgaben zu Kapitel 20
c) Welche Ausfallwahrscheinlichkeiten ergeben sich für das Ereignis, im j -ten Zug eine rote Kugel zu erhalten (j =
n = 200, p = 0.0015 und die Fälle k = 1, k = 2 1, . . . , n). Zeigen Sie: Für jedes k = 1, . . . , n und jede Wahl
und k = 3? von i1 , . . . , ik mit 1 ≤ i1 < . . . < ik ≤ n gilt
Zeigen Sie:
Beweisaufgaben
a) Durch P(A) := ω∈A p(ω), A ⊆ , wird ein Wahr-
Aufgabe 20.25 •• Es seien (, A, P) ein Wahrschein- scheinlichkeitsmaß auf P () definiert.
lichkeitsraum und C1 , C2 , . . . endlich oder abzählbar-
b) Je n − 1 der Ereignisse A1 , . . . , An sind unabhängig.
unendlich viele paarweise disjunkte
Ereignisse mit positiver
Wahrscheinlichkeit sowie C := j ≥1 Cj . Besitzt A ∈ A c) A1 , . . . , An sind nicht unabhängig.
die Eigenschaft, dass P(A|Cj ) nicht von j abhängt, so gilt
Aufgabe 20.30 •• Es seien A1 , . . . , An Ereignisse in
P(A|C) = P(A|C1 ) . einem Wahrscheinlichkeitsraum (, A, P). Zeigen Sie, dass
A1 , . . . , An genau dann unabhängig sind, wenn die Indika-
Aufgabe 20.26 •• Im Pólya’schen Urnenmodell von torfunktionen 1{A1 }, . . . , 1{An } unabhängig sind.
Seite 738 sei
Aufgabe 20.31 •• Beweisen Sie die Identitäten in
Aj := {(a1 , . . . , an ) ∈ | aj = 1} (20.38).
Hinweise zu Kapitel 20 149
Aufgabe 20.34 •• Es seien An , Bn , n ≥ 1, Ereignisse Aufgabe 20.11 •• Nehmen Sie an, dass die Geschlech-
in einem Wahrscheinlichkeitsraum (, A, P). Zeigen Sie: ter der Kinder stochastisch unabhängig voneinander und
Mädchen- sowie Jungengeburten gleichwahrscheinlich sind.
a) lim sup An ∩ lim sup Bn ⊇ lim sup(An ∩ Bn ),
n→∞ n→∞ n→∞
b) lim sup An ∪ lim sup Bn = lim sup(An ∪ Bn ), Aufgabe 20.12 • Interpretieren Sie die Prozentzahlen
n→∞ n→∞ n→∞ als Wahrscheinlichkeiten.
c) lim inf An ∩ lim inf Bn = lim inf (An ∩ Bn ),
n→∞ n→∞ n→∞
d) lim inf An ∪ lim inf Bn ⊆ lim inf (An ∪ Bn ). Aufgabe 20.13 •• –
n→∞ n→∞ n→∞
Geben Sie Beispiele für strikte Inklusion in a) und d) an. Aufgabe 20.14 •• –
Aufgabe 20.17 • –
Aufgabe 20.32 ••• –
Aufgabe 20.18 •• –
Aufgabe 20.33 •• –
Aufgabe 20.19 • –
Aufgabe 20.34 •• –
Aufgabe 20.20 • –
Aufgabe 20.35 •• Es reicht, die Aussage für eine Teil-
folge von (Ak ) zu zeigen. Aufgabe 20.21 • –
Lösungswege Rechenaufgaben
Aufgabe 20.5 • Nach (20.13) gilt
Verständnisfragen
Aufgabe 20.1 •• In einem zweistufigen Verfahren wird s s + jc
n−1
Pc (X = 0) = ·
jede der sechs Schubladen mit gleicher Wahrscheinlichkeit r +s r + s + jc
j =1
1/6 ausgewählt. Wird eine Goldmünze gefunden, so handelt
es sich entweder um die Goldmünze in der einen Schublade
von Kasten 1 oder um die Goldmünze in der anderen Schub- sowie
lade von Kasten 1 oder um die (eine) Goldmünze in Kasten r r + jc
n−1
3. In zwei der drei Fälle ist in der anderen Schublade eine Pc (X = n) = ·
r +s r + s + jc
Goldmünze. Die Wahrscheinlichkeit ist also 2/3. j =1
und P(Xn+1 = j |Xn = k) = 0, falls j ∈ / {k, k + 1}. Die Man beachte, dass p3 nicht von ω1 abhängt.
Übergangswahrscheinlichkeiten hängen also vom Zeitpunkt Sei C := {(A, mK, V ), (B, mK, V )} das Ereignis, dass
n ab, sodass keine Homogenität vorliegt. eine Praline mit Kirschkern in den Verkauf gelangt. Dann
ist
Aufgabe 20.4 • Es seien i, j ∈ S mit i → j . Der
Zustand i sei wesentlich. Wir behaupten, dass auch j we- P(C) = 0.7 · 0.08 · 0.05 + 0.3 · 0.05 · 0.05 = 0.00355.
sentlich ist. Zum Beweis betrachten wir ein beliebiges k ∈ S
mit j → k. Wegen i → j gilt dann mit der Transitivität der
Mit 0.355-prozentiger Wahrscheinlichkeit gelangt also
Relation → auch i → k. Da i wesentlich ist, folgt k → i und
eine Praline mit Kirschkern in den Verkauf.
somit wegen i → j auch k → j , was zeigt, dass j wesentlich
ist. Mit mindestens einem wesentlichen Zustand sind somit b) Wir müssen zunächst berechnen, mit welcher Wahr-
alle Zustände einer Kommunikationsklasse wesentlich, was scheinlichkeit eine Praline ohne Kirschkern in den Ver-
die Behauptung liefert. kauf gelangt, d. h. die Wahrscheinlichkeit des Ereig-
152 Lösungswege zu Kapitel 20
P(oK ∩ V ) 1
P(oK|V ) = P(B4 ) = p1 (1)p2 (1|4) = ,
P(V ) 9
2
P(oK ∩ V ) P(B5 ) = p1 (1)p2 (1|5) = ,
= 27
P(mK ∩ V ) + P(oK ∩ V )
1
P(D) P(B6 ) = p1 (1)p2 (1|6) = .
= 27
P(C) + P(D)
91042 c) Es ist
= ≈ 0.9961
91397
P(A1 ∩ B3 ) P(A1 )P(B3 |A1 )
P(A1 |B3 ) = =
Damit ergibt sich die Wahrscheinlichkeit p, dass in einer P(B3 ) P(B3 )
Packung mit 100 Pralinen nur gute sind, zu 1/3 · 2/9 1
= = .
8/27 4
100
91042
p = ≈ 0.6776. Aufgabe 20.8 ••
91397
a) Da Spieler
1 seine Karten und den Skat kennt, sind für
ihn alle 20
10 Kartenverteilungen (Möglichkeiten, aus 20
Aufgabe 20.7 •• Karten 10 für Spieler 2 auszuwählen) gleichwahrschein-
20
a) Als Grundraum kann := {(i, j ) | 1 ≤ i ≤ 3, 1 ≤ lich. Die gesuchte Wahrscheinlichkeit ist 2 · 18
9 / 10 =
10
j ≤ 6} gewählt werden. Dabei bezeichne i das Ergeb- 19 ≈ 0.526. Der Faktor 2 rührt daher, dass wir festlegen
nis der ersten Drehung und j das Ergebnis des zweiten müssen, wer den Kreuz-Buben erhält.
Teilexperiments. Da das Glücksrad homogen ist, wäh- b) Unter der gegebenen Information sind für Spieler 1 alle
len wir als Startwahrscheinlichkeiten p1 (i) := 1/3 für 19
9 Möglichkeiten, Spieler 2 noch 9 Karten zu geben,
i = 1, 2, 3. Im Fall i = 1 wird das Rad noch zweimal gleichwahrscheinlich. Die Wahrscheinlichkeit,
19 dass Spie-
gedreht. Damit ergeben sich die Übergangswahrschein- ler 2 den Pik-Buben nicht erhält, ist 189 / 9 = 10
19 . Der
lichkeiten p2 (1|1) = 0, p2 (1|2) = 1/9, p2 (1|3) = 2/9, Vergleich mit a) zeigt, dass die gegebene Information die
p2 (1|4) = 3/9, p2 (1|5) = 2/9 und p2 (1|6) = 1/9. Da Aussicht auf verteilt sitzende Buben nicht verändert hat.
für i = 2 und i = 3 nur eine weitere Drehung erfolgt, c) Wir müssen genau modellieren, auf welche Weise die er-
gilt p2 (i|j ) = 1/3 für i ∈ {1, 2} und j ∈ {1, 2, 3} so- haltene Information zu uns gelangt. Kann Spieler 1 über-
wie p2 (i|j ) = 0 für i ∈ {1, 2} und j ∈ {4, 5, 6}. Das haupt nur die ganz links in der Hand von Spieler 2 befind-
WahrscheinlichkeitsmaßP auf (der Potenzmenge von) liche Karte sehen, so ergibt sich die gleiche Antwort wie in
ist durch P(A) := (i,j )∈A p(i, j ) mit p(i, j ) := a) und b), wenn wir unterstellen, dass Spieler 2 seine Kar-
p1 (i)p2 (i|j ) definiert. ten in der aufgenommenen rein zufälligen Reihenfolge in
b) Es sei Bj := {(1, j ), (2, j ), (3, j )} das Ereignis, dass das der Hand hält (bitte nachrechnen nen Buben grundsätz-
zweite Teilexperiment den Wert j ergibt (j = 1, 2, 3). lich auf der linken Seite seiner Hand einsortiert, so ist
Weiter sei Ai := {(i, j ) | 1 ≤ j ≤ 6} das Ereignis, dass die gegebene Information gleichwertig damit, dass Spie-
die erste Drehung den Wert i liefert. Nach der Formel von ler 2 mindestens einen der beiden schwarzen Buben erhält
der totalen Wahrscheinlichkeit gilt (Ereignis
20 B). Bezeichnet P die Gleichverteilung auf allen
10 möglichen Kartenverteilungen der Gegenspieler, so
18 20
3 gilt P(B) = 1 − P(B c ) = 1 − 10 / 10 = 29/38 und
P(Bj ) = P(Ai ) · P(Bj |Ai ) somit P (Spieler 2 erhält genau einen schwarzen Buben
20
i=1 |B) = (2 · 189 / 10 )/(29/38) = 20/29 = 0.689 . . . Die
1 gegenüber b) „schwächere Information“ hat somit unter
3
= · P(Bj |Ai ). der gemachten Annahme die Aussicht auf verteilte Buben
3
i=1 erheblich vergrößert.
Lösungswege zu Kapitel 20 153
Aufgabe 20.9 • Die Behauptung ergibt sich unmittel- Im Gegensatz zu den in a) gemachten Annahmen ist es also
bar aus der für k ∈ {0, 1, 2, 3} geltenden Darstellung jetzt für den Kandidaten egal, ob er bei seiner ursprüngli-
n chen Wahl bleibt oder zur verbleibenden verschlossenen Tür
P(Ak ) k3 wechselt.
P(Ak |B) = n n .
P(A1 ) 13 + P(A2 ) 23 + P(A3 ) · 1
Aufgabe 20.11 •• Als Grundraum kann die Menge
Aufgabe 20.10 •• := {(m, m), (w, m), (m, w), (m, m)} mit der Gleichver-
teilung P auf gewählt werden. Dabei gibt die erste bzw.
a) Es bezeichne Aj das Ereignis, dass sich das Auto hinter
zweite Komponente das Geschlecht des älteren bzw. jünge-
Tür Nr. j befindet und Bj das Ereignis, dass der Spiel-
ren Kindes an.
leiter Tür Nr. j öffnet (j = 1, 2, 3). Da das Auto rein
zufällig platziert wird, gilt P(Aj ) = 1/3 (j = 1, 2, 3). a) Es können sich verschiedene Situationen abgespielt ha-
Aufgrund unserer Annahmen, dass der Kandidat Tür Nr. ben, wie es zu der gemachten Aussage kam. Wenn die
1 wählt, ergeben sich aus der Aufgabenstellung die be- Frau gebeten wurde, den Satz „Mindestens eines meiner
dingten Wahrscheinlichkeiten Kinder ist ein Junge“ zu sagen, falls er zutrifft, so ist die
P(B1 |A1 ) = 0, P(B2 |A1 ) = P(B3 |A1 ) = 1/2, gesuchte bedingte Wahrscheinlichkeit gleich
P(B1 |A2 ) = 0, P(B2 |A2 ) = 0, P(B3 |A2 ) = 1,
P({(m, m)}) 1
P(B1 |A3 ) = 0, P(B2 |A3 ) = 1, P(B3 |A3 ) = 0. = .
P({(m, m), (m, w), (w, m)}) 3
Nehmen wir an, dass der Spielleiter Tür Nr. 2 öffnet, so
folgt nach der Bayes-Formel Wenn die Frau jedoch gebeten wurde, den Satz „Minde-
P(A3 ∩ B2 ) P(A3 )P(B2 |A3 ) stens eines meiner beiden Kinder ist ...“ mit „ein Junge“
P(A3 |B2 ) = = 3
P(B2 ) j =1 P(Aj )P(B2 |Aj )
oder „ein Mädchen“ zu ergänzen und bei unterschied-
lichen Geschlechtern der Kinder aufs Geratewohl eine
1 2
= = . dieser beiden Ergänzungen gibt, liegt das untenstehende
1/2 + 0 + 1 3 Baumdiagramm für ein zweistufiges Experiment vor, bei
Der Kandidat gewinnt also das Auto mit der Wahrschein- dem in der ersten Stufe die Gleichverteilung auf allen vier
lichkeit 2/3, wenn er zur verbleibenden verschlossenen Geschlechterkombinationen erzeugt wird. Liegen zwei
Tür wechselt. Das gleiche Ergebnis erhält man, wenn der Jungen bzw. zwei Mädchen vor, so gibt die Mutter jeweils
Moderator Tür 3 öffnet, denn es gilt auch P(A2 |B3 ) = mit Wahrscheinlichkeit eins die einzig mögliche Ergän-
2/3 zung „ein Junge“ bzw. „ein Mädchen“. Im Fall verschie-
b) Die Ereignisse Ai , Bj seien wie in a) definiert. Wie oben dener Geschlechter wählt sie rein zufällig eine der beiden
gilt P(Aj ) = 1/3 (j = 1, 2, 3). Im Gegensatz zu a) öff- möglichen Ergänzungen aus.
net jetzt der Moderator aufs Geratewohl eine der beiden
Türen 2 oder 3. Wir haben es also daraufhin mit den be-
dingten Wahrscheinlichkeiten
P(B1 |A1 ) = 0, P(B2 |A1 ) = P(B3 |A1 ) = 1/2,
P(B1 |A2 ) = 0, P(B2 |A2 ) = P(B3 |A2 ) = 1/2,
P(B1 |A3 ) = 0, P(B2 |A3 ) = P(B3 |A3 ) = 1/2.
zu tun (beachten Sie, dass die vom Kandidaten gewählte Tür
Nr. 1 nicht geöffnet werden darf). Nehmen wir an, der Spiel-
leiter öffnet Tür 3, und es zeigt sich eine Ziege. Die Bedin-
gung ist also jetzt B3 ∩ Ac3 . Wegen A2 ⊆ Ac3 folgt
P(A2 ∩ B3 ∩ Ac3 )
P(A2 |B3 ∩ Ac3 ) =
P(B3 ∩ Ac3 )
Abbildung 20.1 Baumdiagramm zum Zwei-Jungen-Problem.
P(A2 ∩ B3 )
=
P(B3 ) − P(B3 ∩ A3 )
Die von der Mutter gegebene Ergänzung findet sich im
P(A2 )P(B3 |A2 )
= 3 Baumdiagramm am Ende der Pfeile der zweiten Stufe.
j =1 P(Aj)P(B3 |Aj )− P(A3)P(B3 |A3 ) Bezeichnet A das Ereignis, dass die Mutter die Ergänzung
1/2 „ein Junge“ gibt, so folgt wegen
=
1/2 + 1/2
1 1 1 1 1 1 1
= . P(A) = ·1+ · + · =
2 4 4 2 4 2 2
154 Lösungswege zu Kapitel 20
P({m, m} ∩ A) ben und danach die rote Kugel gezogen wird. Aufgrund des
P({(m, m)}|A) =
P(A) Ziehungsmodus ist die Wahrscheinlichkeit hierfür nach der
P({(m, m)})P(A|{(m, m)}) ersten Pfadregel
=
1/2
1 2 k−1 1 1
1/4 · 1 1 P(X = k) = · · ... · · = .
= = , 2 3 k k+1 k(k + 1)
1/2 2
also eine andere Antwort.
Aufgabe 20.16 •• Es bezeichne N das Ereignis, dass
b) Die Antwort ist P ({mm}|{wm, mm}) = 1/2. Man be- mindestens einer der r Tests negativ ausfällt. Weiter sei K
achte, dass die Geschlechter der beiden Kinder stocha- das Ereignis, dass die Person krank ist und q := P(K) die
stisch unabhängig voneinander sind. A-priori-Wahrscheinlichkeit für K. Die vorausgesetzte Un-
abhängigkeit bedeutet P(N c |K) = pse r und P(N|K c ) =
Aufgabe 20.12 • Es sei A das Ereignis, dass ein ein-
1 − (1 − psp ) . Die Bayes-Formel liefert dann
r
treffendes Signal ein störungsüberlagertes Nutzsignal dar-
stellt, und B bezeichne das Ereignis, dass ein eintreffendes q · pse
r
Signal eine Störung ist. Weiter stehe C für das Ereignis, P(K|N c ) = .
q · pse
r + (1 − q) · (1 − p )r
sp
dass ein Nutzsignal angezeigt wird. Interpretieren wir die in
der Aufgabenstellung angegebenen Prozentzahlen als Wahr- Im Fall q = 0.0001, pse = 0.999, psp = 0.998 nimmt
scheinlichkeiten, so gilt nach Voraussetzung P(A) = 0.95, diese Wahrscheinlichkeit für r = 1, 2, 3 die Werte 0.0476 (!),
P(B) = 0.05, P(C|A) = 0.98, P(C|B) = 0.1. Gesucht ist 0.9615 (!) und 0.99992 (!) an.
P(A|C). Es gilt
Aufgabe 20.17 •
P(A ∩ C) P(C|A)P(A)
P(A|C) = = a) Da jede Farbe auf genau zwei der vier Flächen vertreten
P(C) P(C|A)P(A) + P(C|B)P(B)
= 0.9946 . . . ist, gilt P(A1 ) = P(A2 ) = P(A3 ) = 1/2. Weiter gilt
P(A1 A2 ) = P(A1 A3 ) = P(A2 A3 ) = 1/4, denn nur eine
Fläche enthält zwei der drei Farben. Folglich sind die drei
Aufgabe 20.13 •• Das komplementäre Ereignis Ac be- Ereignisse paarweise unabhängig.
deutet, dass die Familie nur Jungen oder nur Mädchen hat.
b) Wegen 1/4 = P(A1 A2 A3 ) = P(A1 ) · P(A2 ) · P(A3 ) sind
Wegen der Gleichverteilungsannahme folgt P(Ac ) = 2 ·
A1 , A2 , A3 nicht unabhängig.
(1/2)n und somit P(A) = 1 − 2 · (1/2)n . Das Ereignis B
setzt sich zusammen aus den beiden Fällen, dass kein Mäd- Aufgabe 20.18 •• In einem Laplace-Raum der Ord-
chen oder genau ein Mädchen vorhanden ist. Es gilt somit nung n ist die Unabhängigkeit von A und B zu
P(B) = (1/2)n + n · (1/2)n . Das Ereignis A ∩ B ist gleich-
bedeutend damit, dass die Familie genau ein Mädchen hat. n · |A ∩ B| = |A| · |B|
Es gilt also P(A ∩ B) = n · (1/2)n und somit
n 2n 2n äquivalent, und nach Voraussetzung gilt 1 ≤ |A| ≤ |B| ≤
1 1 1 n − 1.
P(A ∩ B) = P(A)P(B) ⇔ −2 − 2n =0
2 2 2
a) Es gibt 360 solcher Paare (A, B) , und zwar je 180 mit
⇔ 2n − 2 − 2n = 0 |A| = 2, |B| = 3, |A ∩ B| = 1 und 180 mit |A| = 3,
⇔ 2n−1 = n + 1 |B| = 4, |A ∩ B| = 2.
⇔ n = 3. b) Es kann kein solches Paar geben, denn die Gleichung
n|A ∩ B| = |A| · |B| mit 1 ≤ |A| ≤ |B| ≤ n − 1 ist nicht
erfüllbar, wenn n eine Primzahl ist.
Aufgabe 20.14 •• Spieler A gewinnt genau dann, wenn
entweder beim ersten Versuch A auftritt oder für ein k ∈ N
Aufgabe 20.19 •
k-mal die Sequenz BA und danach A. Mit q := 1 − p folgt
somit wegen der stochastischen Unabhängigkeit der Ergeb- a) Die Wahrscheinlichkeit, dass alle Bauteile funktionieren,
nisse der einzelnen Drehungen ist (1 − p)n . Die Ausfallwahrscheinlichkeit ist somit 1 −
∞ (1 − p)n .
p
P(A gewinnt) = p (qp)k = . b) Geht man zum komplementären Ereignis über und nutzt
1 − qp
k=0 die Unabhängigkeit aus, so ergibt sich die Wahrschein-
Dieser Ausdruck ist genau dann 1/2, wenn p Lösung der lichkeit, dass ein Bauteil intakt ist, zu 1 − p k . Die Wahr-
quadratischen Gleichung p 2 − 3p + 1 = 0 ist. Die √ einzige scheinlichkeit, dass alle Bauteile intakt sind, ist somit we-
Lösung dieser Gleichung im Intervall [0, 1] ist (3 − 5)/2. gen der vorausgesetzten Unabhängigkeit gleich (1−pk )n .
Komplementbildung liefert jetzt die Behauptung.
Aufgabe 20.15 • Es gilt X = k genau dann, wenn die c) Es ergeben sich die Werte 0.2593 . . . für k = 1,
ersten k − 1 Ziehungen jeweils eine schwarze Kugel erge- 0.0004498 . . . für k = 2 und 0.0000006749 . . . für k = 3.
Lösungswege zu Kapitel 20 155
Aufgabe 20.20 • Wegen Xn = Y0 + . . . + Yn gilt Aufgabe 20.22 •• Die σ -Additivität von P und die De-
Y0 = X0 und Yk = Xk − Xk−1 für k ≥ 1. Es folgt finition der bedingten Wahrscheinlichkeit liefern
Aufgrund der Ziehungs- und Umverteilungsvorschrift gilt so wird durch die Festsetzung
ferner pij = 0, falls |i − j | > 1. Somit ist die Übergangs-
f ((a1 , . . . , an )) := (1, . . . , 1, b1 , . . . , bn−k )
matrix eine Tridiagonalmatrix. Wegen
eine bijektive Abbildung f : C → D definiert. Diese trans-
k−1
pj,j +1 m − j 2
k−1 2
m portiert die an den Stellen i1 , . . . , ik stehenden Einsen im
= =
pj +1,j j +1 k Tupel (a1 , . . . , an ) auf die ersten k Plätze und sortiert die üb-
j =0 j =0
rigen Komponenten des Tupels entsprechend ihrer ursprüng-
und lichen Reihenfolge ab der k + 1-ten Stelle des Tupels ein.
k−1
m−1 m 2
2 Da die Abbildung f die Anzahl der Einsen des Tupels nicht
pj,j +1 m 2m ändert, folgt
1+ = =
k=0 j =0
pj +1,j k m
P({ω }) =
k=0
P(D) = P({f (ω)})
folgt aus (20.50) – mit m anstelle von s und der Änderung, ω ∈D ω∈C
dass k und j ab null und nicht ab 1 laufen – = P({ω}) = P(C).
m2 ω∈C
k
αk = 2m , k = 0, 1, . . . , m.
m Aufgabe 20.27 •
Die invariante Verteilung ist also die hypergeometrische Ver- a) Wegen A∩∅ = ∅ und P(∅) = 0 sind A und ∅ unabhängig.
teilung Hyp(n, r, s) mit n = r = s = m. Diese entsteht, In gleicher Weise sind wegen A ∩ = A und P() = 1
wenn man aus 2m Kugeln, von denen m weiß und m schwarz die Ereignisse A und unabhängig.
sind, rein zufällig ohne Zurücklegen m Kugeln zieht und in b) A und A sind unabhängig genau dann, wenn P(A ∩ A) =
Behälter A legt, wobei die anderen m Kugeln in Behälter B P(A)2 und somit P(A) = P(A)2 gilt. Diese Gleichung
gelangen. Füllt man die Behälter zu Beginn auf diese Weise, besitzt nur die Lösungen P(A) = 0 und P(A) = 1.
so startet die Markov-Kette mit dieser in der Physik auch als c) Im Fall A ⊆ B gilt A ∩ B = A. Die Unabhängigkeit von
Gleichgewichtsverteilung bezeichneten Verteilung. A und B ist dann also zu P(A) = P(A) · P(B) äquivalent,
sodass aus P(B) = 1 die Unabhängigkeit von A und B
Beweisaufgaben folgt. Die Umkehrung muss nicht notwendig gelten, da
P(A) = 0 möglich ist.
Aufgabe 20.25 •• Es sei PC die bedingte Verteilung
b) A und B sind nur dann unabhängig, wenn P(A) = 0 oder
von P unter der Bedingung C, also PC (B) := P(B|C), B ∈ A.
P(B) = 0 gilt.
Wegen PC (C) = 1 liefert die Formel von der totalen Wahr-
scheinlichkeit e) Aus der Voraussetzung folgt
P(Ac ∩ B) P(B)− P(A ∩ B)
PC (A) = PC (Cj ) · PC (A|Cj ). P(Ac |B) = = = 1,
P(B) P(B)
j ≥1
P(A ∩ B c ) P(A)− P(A ∩ B) P(A)
P(A|B c ) = = = .
Mit P(B c ) 1 − P(B) 1− P(B)
P(A ∩ C ∩ Cj ) P(A ∩ Cj ) Beide Ausdrücke sind genau dann gleich, wenn P(A) +
PC (A|Cj ) = =
P(C ∩ Cj ) P(Cj ) P(B) = 1 gilt.
= P(A|Cj ) = P(A|C1 ),
Aufgabe 20.28 ••
j ≥ 1, sowie j ≥1 PC (Cj ) = 1 folgt die Behauptung.
a) Die Lösung sollte zunächst intuitiv klar sein. Die Wahr-
scheinlichkeit, dass die an der k-ten Stelle stehende Zahl
Aufgabe 20.26 •• Nach Gleichung (20.12) hängt die
die größte der ersten k Zahlen ist, ist aus Symmetrie-
Wahrscheinlichkeit P({ω}) eines Tupels ω = (a1 , . . . , an )
gründen gleich 1/k, denn eine dieser Zahlen ist ja die
nur von der Anzahl a1 + . . . + an der Einsen im Tupel ab.
größte. Für einen formalen Beweis müssen wir die An-
Sind i1 , . . . , ik wie in der Aufgabenstellung, so sei
zahl aller (a1 , . . . , an ) ∈ bestimmen, für die ak =
C := {(a1 , . . . , an ) ∈ | ai1 = 1, . . . , aik = 1} max(a1 , . . . , ak ) ist. Hierzu wählen wir zunächst k der n
Zahlen
n für die ersten k Stellen des Tupels aus, was auf
und Weisen möglich ist. Dann platzieren wir die größte
k
D := {(a1 , . . . , an ) ∈ | a1 = 1, . . . , ak = 1}. dieser Zahlen an die k-te Stelle. Jetzt kann man die übri-
gen k − 1 der ausgewählten Zahlen beliebig auf die ersten
Zu zeigen ist P(C) = P(D), denn es gilt C = Ai1 ∩ . . . ∩ Aik k −1 Plätze des Tupels verteilen und die nicht ausgewähl-
und D = A1 ∩ . . . ∩ Ak . Sind b1 , . . . , bn−k mit 1 ≤ b1 < ten Zahlen auf die Plätze k + 1, . . . , n. Es folgt
. . . < bn−k ≤ n und n
|Ak | (k − 1)! · (n − k)! 1
P(Ak ) = = k = .
{b1 , . . . , bn−k } = {1, . . . , n} \ {i1 , . . . , ik }, || n! k
Lösungswege zu Kapitel 20 157
=
n! σ (Z1 ) = σ ⎝ σ (Xj )⎠
i 1 · i 2 · . . . · ik j =1
Aufgabe 20.32 ••• Es sei ω0 ∈ mit 0 < P({ω0 }) be- Diese Indizes müssen sich also unendlich oft abwechseln,
liebig. Für jedes n ≥ 1 gilt ω0 ∈ Bn , wobei Bn ∈ {An , Acn }. was zur Folge hat, dass es unendlich viele k ∈ N mit
Die Ereignisse B1 , B2 , . . . sind stochastisch unabhängig, und ω ∈ Ak und ω ∈ / Ak+1 geben muss.
folglich gilt für jedes k ≥ 1
Aufgabe 20.34 ••
0 < P({ω0 }) ≤ P(B1 ∩ . . . ∩ Bk )
a) Es ist
k
= P(Bn ) ∞ 4
< ∞
n=1 lim sup(An ∩ Bn ) = (Ak ∩ Bk )
n→∞
k n=1 k=n
∞
= exp log(1 − (1 − P(Bn )) <∞ 4 ∞
4
n=1 ⊆ Ak ∩ Bk
k n=1 k=n k=n
≤ exp − (1 − P(Bn )) . <∞ 4∞ ∞ 4
< ∞
n=1 = Ak ∩ Bk
n=1 k=n n=1 k=n
Dabeihaben wir die Ungleichung log t ≤ t − 1 benutzt. Es = lim sup An ∩ lim sup Bn .
folgt ∞n=1 (1 − P(Bn )) <∞. Wegen min(pn , 1 − pn ) ≤ n→∞ n→∞
1 − P(Bn ) muss die Reihe ∞n=1 min(pn , 1 − pn ) nach dem
Majorantenkriterium konvergieren. b) Mit dem Distributivgesetz folgt
∞ 4
< ∞
Aufgabe 20.33 •• lim sup(An ∪ Bn ) = (Ak ∪ Bk )
n→∞
n=1 k=n
a) Nach der de Morgan’schen Regel gilt
∞
∞ ∞
< 4 4
∞ 4
< ∞ = Ak ∪ Bk
lim sup Acn = Ack n=1 k=n k=n
n→∞ ∞ 4∞ ∞ ∞
n=1 k=n
∞ ∞ c < <4
4< = Ak ∪ Bk
= Ak n=1 k=n n=1 k=n
n=1 k=n = lim sup An ∪ lim sup Bn .
n→∞ n→∞
= (lim inf An )c .
n→∞
c) folgt, indem man in b) Acn und Bnc anstelle von An bzw.
b) folgt aus a), indem man An durch Acn ersetzt. Bn einsetzt und Aufgabe a) und b) verwendet.
c) Wegen A \ B = A ∩ B c ergibt sich zunächst mit der de d) ist die komplementäre Aussage zu a). Sie folgt analog zu
Morgan’schen Regel c), wenn man in a) Acn und Bnc anstelle von An bzw. Bn
einsetzt und Aufgabe a) und b) verwendet.
lim sup An \ lim inf An
n→∞ n→∞
∞ ∞ ∞ c Die folgende allgemeine Konstruktion liefert ein Beispiel
∞
< 4 4< für strikte Inklusion in a) und d). Sind C und D dis-
= Ak ∩ Ak junkte Ereignisse mit C = ∅ und D = ∅, und setzt man
n=1 k=n n=1 k=n
∞ ∞ A2k := C, A2k−1 := D für k ≥ 1 sowie B2k := D und
<∞ 4 ∞
< 4 B2k−1 := C für k ≥ 1, so gilt An ∩ Bn = ∅, n ≥ 1
= Ak ∩ Ack
und somit lim supn→∞ (An ∩ Bn ) = ∅. Andererseits gilt
n=1 k=n n=1 k=n
∞
! ∞ ∞ " lim supn→∞ An = C + D und lim supn→∞ Bn = C + D,
< 4 4
= Ak ∩ Acl was strikte Inklusion in a) bedeutet. Wegen
n=1 k=n
∞
l=n
lim inf An = ∅ = lim inf Bn
<∞ 4 n→∞ n→∞
⊇ Ak ∩ Ack und lim inf n→∞ (An ∪ Bn ) = C + D ergibt sich auch ein
n=1 k=n
Beispiel für strikte Inklusion in d).
= lim sup(An ∩ Acn+1 ).
n→∞
Aufgabe 20.35 •• Es sei Bs := A1+(s−1)r , s ≥ 1. Da
Anstelle des Inklusionszeichens gilt aber auch „⊆“, denn Bs nur von X(s−1)r+1 , X(s−1)r+2 , . . . , Xsr abhängt und die
∞
! ∞ ∞ " Indexmengen Is := {(s − 1)r + 1, (s − 1)r + 2, . . . , sr}
< 4 4
ω∈ Ak ∩ Alc für verschiedene s paarweise disjunkt sind, sind die Ereig-
n=1 k=n l=n nisse B1 , B2 , . . . (im Gegensatz zu A1 , A2 , . . .) stochastisch
unabhängig. Wegen der Unabhängigkeit der Xj gilt
bedeutet, dass es sowohl unendlich viele Indizes k mit
ω ∈ Ak als auch unendlich viele Indizes l mit ω ∈ Acl gibt. P(Bs ) ≥ δ := min(p, 1 − p)r > 0, s ≥ 1.
Lösungswege zu Kapitel 20 159
Da die Reihe ∞s=1 P(Bs ) divergiert, liefert Teil b) des Lem- Aufgabe 20.36 •• Unter Verwendung des Hinweises
mas von Borel-Cantelli sei n = qN + r mit 0 ≤ r ≤ N − 1. Nehmen wir an,
es gälte q < N − 1. Dann wäre
P(lim sup Bs ) = 1
s→∞
n = qN + r < N(N − 1) + N − 1 = (N + 1)(N − 1),
und damit wegen lim sups→∞ Bs ⊆ lim supk→∞ Ak auch
P(lim supk→∞ Ak ) = 1. was im Widerspruch zur Voraussetzung n ≥ n0 stünde. Somit
gilt q ≥ N − 1 und folglich q − r ≥ 0. Wegen 1 = P − N
Anmerkung: Steht Aj für das Ereignis, dass mein persönli- ergibt sich
cher Tipp beim Lotto 6 aus 49 in der j -ten Ausspielung einen
Sechser erzielt (die Wahrscheinlichkeit hierfür ist positiv), so n = qN + r(P − N) = (q − r)N + rP ,
besagt obiges Resultat, dass meine Zahlenreihe in einer Folge
von unendlich vielen Ausspielungen mit Wahrscheinlichkeit und aus q − r ≥ 0 und der Abgeschlossenheit von A gegen-
eins 176-mal direkt hintereinander jeweils einen Sechser lan- über der Addition folgt (q − r)N + rP ∈ A, was zu zeigen
det. war.
Kapitel 21 gelten muss, und bestätigen Sie diese Einsicht durch formale
Rechnung. Die bedingte Verteilung von X unter der Bedin-
gung X+Y = k ist also eine Gleichverteilung auf den Werten
Aufgaben 0, 1, . . . , k.
Leiten Sie analog zum Fall der Binomialverteilung den Er- Beweisaufgaben
wartungswert
r Aufgabe 21.17 ••• Beim Coupon-Collector-Problem
E(X) = n · oder Sammlerproblem wird einer Urne, die n gleichartige,
r +s
von 1 bis n nummerierte Kugeln enthält, eine rein zufäl-
von X auf zwei unterschiedliche Weisen her. lige Stichprobe von s Kugeln (Ziehen ohne Zurücklegen
bzw. „mit einem Griff“) entnommen. Nach Notierung
Aufgabe 21.10 • Zeigen Sie, dass die auf Seite 717 der gezogenen Kugeln werden diese wieder in die Urne
formulierte Formel des Ein- und Ausschließens aus der Jor- zurückgelegt und der Urneninhalt neu gemischt.
dan’schen Formel auf Seite 777 folgt.
Die Zufallsvariable X bezeichne die Anzahl der verschiede-
nen Kugeln, welche in den ersten k (in unabhängiger Folge
Aufgabe 21.11 •• In der Situation des Beispiels auf entnommenen) Stichproben aufgetreten sind. Zeigen Sie:
Seite 795 soll die mittlere quadratische Abweichung E(M −
h(X1 ))2 durch geeignete Wahl einer Funktion h minimiert s k
a) EX = n · 1 − 1 −
werden. Dabei darf h nur die Werte 1, 2, . . . , 6 annehmen. n
r −j = n k
Zeigen Sie: Die unter diesen Bedingungen optimale Funktion r
n j r
h ist durch h(1) ∈ {3, 4}, h(2) = h(3) = 4, h(4) ∈ {4, 5}, b) P(X = r) = (−1)
r j s s
h(5) = 5 und h(6) = 6 gegeben. j =0
(0 ≤ r ≤ n).
Aufgabe 21.12 • Die Zufallsvariablen X und Y seien
stochastisch unabhängig, wobei X ∼ Bin(m, p) und Y ∼ Aufgabe 21.18 •• Es sei X eine N0 -wertige Zufallsva-
Bin(n, p), 0 < p < 1. Zeigen Sie: Für festes k ∈ riable mit EX < ∞ (für a)) und EX 2 < ∞ (für b)). Zeigen
{1, 2, . . . , m + n} ist die bedingte Verteilung von X unter Sie:
der Bedingung X + Y = k die hypergeometrische Verteilung
Hyp(k, m, n). Ist dieses Ergebnis ohne Rechnung einzuse- a) EX = ∞ n=1 P(X ≥ n).
hen? b) EX 2 = ∞ n=1 (2n − 1)P(X ≥ n).
Aufgabe 21.13 •• Es seien X1 , X2 und X3 unabhängige Aufgabe 21.19 •• Es sei X eine Zufallsvariable mit der
Zufallsvariablen mit identischer Verteilung. Zeigen Sie: Eigenschaft b ≤ X ≤ c, wobei b < c. Zeigen Sie:
1
1 a) V(X) ≤ (c − b)2 .
E(X1 |X1 + X2 + X3 ) = · (X1 + X2 + X3 ) . 4
3 1 1
b) V(X) = (c − b)2 ⇐⇒ P(X = b) = P(X = c) = .
4 2
Aufgabe 21.14 •• Die Zufallsvariable X besitze die Bi- Aufgabe 21.20 •• Es sei X eine Zufallsvariable mit
nomialverteilung Bin(n, p). Zeigen Sie: EX = 0 und EX 2 < ∞. Zeigen Sie:
0 J n K1 V(X)
1 + (1 − 2p)n P(X ≥ ε) ≤ ε > 0.
P X ∈ 0, 2, . . . , 2 · = . V(X) + ε 2
2 2
Aufgabe 21.21 ••
Aufgabe 21.15 •• Es sei (Mn )n≥0 ein Galton-Watson- a) X1 , . . . , Xn seien Zufallsvariablen mit EXj =: μ und
Prozess wie auf Seite 804 mit M0 = 1, EM1 = μ und V(Xj ) =: σ 2 für j = 1, . . . , n. Weiter existiere eine na-
V(M1 ) = σ 2 < ∞. Zeigen Sie mithilfe von Aufgabe 21.52: türliche Zahl k, sodass für |i −j | ≥ k die Zufallsvariablen
Xi und Xj unkorreliert sind. Zeigen Sie:
a) E(Mn ) = μn ,
⎛ ⎞
b) 1 n
lim P ⎝ Xj − μ ≥ ε⎠ = 0 für jedes ε > 0 .
⎧ 2 n−1 n n→∞ n
⎨ σ μ (μ − 1) j =1
, falls μ = 1
V(Mn ) = μ−1
⎩
n · σ 2, falls μ = 1. b) Ein echter Würfel werde in unabhängiger Folge geworfen.
Die Zufallsvariable Yj bezeichne die beim j -ten Wurf
erzielte Augenzahl, und für j ≥ 1 sei Aj := {Yj < Yj +1 }.
Aufgabe 21.16 ••• Kann man zwei Würfel (möglicher-
Zeigen Sie mithilfe von Teil a):
weise unterschiedlich) so fälschen, d. h. die Wahrschein- ⎛ ⎞
lichkeiten der einzelnen Augenzahlen festlegen, dass beim n
1 5
gleichzeitigen Werfen jede Augensumme 2, 3, . . . , 12 gleich lim P⎝ 1{Aj } − ≥ ε⎠ = 0 für jedes ε > 0 .
wahrscheinlich ist?
n→∞ n j =1 12
162 Aufgaben zu Kapitel 21
Aufgabe 21.22 •• Es sei X eine N0 -wertige Zufallsva- sind. Die Zahl 0 besitzt die Farbe Grün. Man kann auf ge-
riable mit 0 < P(X = 0) < 1 und der Eigenschaft wisse Mengen von n Zahlen setzen und erhält dann im Ge-
winnfall in Abhängigkeit von n zusätzlich zum Einsatz das
P(X = m + k|X ≥ k) = P(X = m) (21.13) k(n)-fache des Einsatzes zurück. Die Setzmöglichkeiten mit
den Werten von n und k(n) zeigt die folgende Tabelle:
für jede Wahl von k, m ∈ N0 . Zeigen Sie: Es gibt ein p ∈
(0, 1) mit X ∼ G(p).
n Name k(n)
n 4 Carré 8
j −1
P(X ≥ k) = (−1)j −k Sj , k = 0, 1, . . . , n . 6 Transversale simple 5
k−1
j =k 12 Douzaines, Colonnes 2
18 Rouge/Noir, Pair/Impair, Manque/Passe 1
Aufgabe 21.24 •• Wir betrachten wie auf Seite 718 die
Gleichverteilung P auf der Menge Es bezeichne X den Spielgewinn bei Einsatz einer Geldein-
heit. Zeigen Sie: Unabhängig von der gewählten Setzart gilt
:= {(a1 , . . . , an ) | {a1 , . . . , an } = {1, . . . , n}} , EX = −1/37. Man verliert also beim Roulette im Durch-
schnitt pro eingesetztem Euro ungefähr 2,7 Cent.
also eine rein zufällige Permutation der Zahlen 1, 2, . . . , n.
Mit Aj := {(a1 , a2 , . . . , an ) ∈ | aj= j } für j ∈ Aufgabe 21.28 ••• n Personen haben unabhängig von-
{1, . . . , n} gibt die Zufallsvariable Xn := nj=1 1{Aj } die einander und je mit gleicher Wahrscheinlichkeit p eine
Anzahl der Fixpunkte einer solchen Permutation an. Zeigen Krankheit, die durch Blutuntersuchung entdeckt werden
Sie: kann. Dabei sollen von den n Blutproben dieser Personen die
a) E(Xn ) = 1, Proben mit positivem Befund möglichst kostengünstig her-
ausgefunden werden. Statt alle Proben zu untersuchen bietet
1 (−1)j
n−k sich ein Gruppen-screening an, bei dem jeweils das Blut von
b) P(Xn = k) = , k = 0, 1, . . . , n, k Personen vermischt und untersucht wird. In diesem Fall
k! j!
j =0 muss nur bei einem positiven Befund jede Person der Gruppe
e−1 einzeln untersucht werden, sodass insgesamt k+1 Tests nötig
c) limn→∞ P(Xn = k) = , k ∈ N0 ,
k! sind. Andernfalls kommt man mit einem Test für k Personen
aus.
d) V(Xn ) = 1.
Es sei Yk die (zufällige) Anzahl nötiger Blutuntersuchungen
Aufgabe 21.25 ••• In der Situation des Beispiels von bei einer Gruppe von k Personen. Zeigen Sie:
Seite 796 (Warten auf den ersten Doppeltreffer) sei wn :=
a) EYk = k + 1 − k(1 − p)k .
P(X = n), n ≥ 2, gesetzt. Zeigen Sie: √
b) Für p < 1 − 1/ 3 3 = 0.3066 . . . gilt E(Yk ) < k.
a) wk+1 = q · wk + pq · wk−1 , k ≥ 3 , c) Welche Gruppengröße ist im Fall p = 0.01 in Bezug auf
∞
k=2 wk = 1 ,
b) die erwartete Ersparnis pro Person optimal?
√
∞ d) Begründen Sie die Näherungsformel k ≈ 1/ p für die
c) k=2 k · wk < ∞ (d. h., EX existiert). optimale Gruppengröße bei sehr kleinem p.
Aufgabe 21.31 •• In Kommunikationssystemen wer- Aufgabe 21.38 • Ein echter Würfel wird 8-mal in un-
den die von der Informationsquelle erzeugten Nachrichten in abhängiger Folge geworfen. Wie groß ist die Wahrschein-
eine Bitfolge umgewandelt, die an den Empfänger übertragen lichkeit, dass jede Augenzahl mindestens einmal auftritt?
werden soll. Um die durch Rauschen und Überlagerung ver-
ursachten Störungen zu unterdrücken und die Zuverlässigkeit Aufgabe 21.39 •• Beim Spiel Kniffel werden fünf Wür-
der Übertragung zu erhöhen, fügt man einer binären Quell- fel gleichzeitig geworfen. Mit welcher Wahrscheinlichkeit
folge kontrolliert Redundanz hinzu. Letztere hilft, Übertra- erhält man
gungsfehler zu erkennen und eventuell sogar zu korrigieren. a) einen Kniffel (5 gleiche Augenzahlen)?
Wir machen die Annahme, dass jedes zu übertragende Bit un-
b) einen Vierling (4 gleiche Augenzahlen)?
abhängig von anderen Bits mit derselben Wahrscheinlichkeit
p in dem Sinne gestört wird, dass 0 in 1 und 1 in 0 umgewan- c) ein Full House (Drilling und Zwilling, also z. B. 55522)?
delt wird. Die zu übertragenden Codewörter mögen jeweils d) einen Drilling ohne weiteren Zwilling (z. B. 33361)?
aus k Bits bestehen. e) zwei Zwillinge (z. B. 55226)?
a) Es werden n Wörter übertragen. Welche Verteilung besitzt f) einen Zwilling (z. B. 44153)?
die Anzahl X der nicht (d. h. in keinem Bit) gestörten g) fünf verschiedene Augenzahlen?
Wörter?
Aufgabe 21.40 •• Der Zufallsvektor (X1 , . . . , Xs ) be-
b) Zur Übertragung werden nur Codewörter verwendet, die
sitze die Multinomialverteilung Mult(n, p1 , . . . , ps ). Leiten
eine Korrektur von bis zu zwei Bitfehlern pro Wort gestat-
Sie aus (21.31) durch Zerlegung des Ereignisses {X1 = k1 }
ten. Wie groß ist die Wahrscheinlichkeit, dass ein über-
nach den Werten der übrigen Zufallsvariablen die Vertei-
tragenes Codewort korrekt auf Empfängerseite ankommt
lungsaussage X1 ∼ Bin(n, p1 ) her.
(evtl. nach Korrektur)? Welche Verteilung besitzt die An-
zahl der richtig erkannten unter n übertragenen Codewör-
Aufgabe 21.41 •• Leiten Sie die Varianz np(1 − p)
tern?
einer Bin(n, p)-verteilten Zufallsvariablen X über die Dar-
stellungsformel her.
Aufgabe 21.32 •• Peter wirft 10-mal in unabhängiger
Folge einen echten Würfel. Immer wenn eine Sechs auftritt, Aufgabe 21.42 •• Es seien X1 , . . . , Xn unabhängige
wirft Claudia eine echte Münze (Zahl/Wappen). Welche Ver- Zufallsvariablen mit gleicher Verteilung und der Eigenschaft
teilung besitzt die Anzahl der dabei erzielten Wappen? EX12 < ∞. Ferner seien μ := EX1 , σ 2 := V(X1 ) und
X̄n := nk=1 Xk /n. Zeigen Sie:
Aufgabe 21.33 •• Es sei X ∼ G(p). Zeigen Sie:
a) E(X̄n ) = μ.
1−p
a) E(X) = , b) V (X̄n ) = σ 2 /n.
p
1−p c) Cov(Xj , X̄n ) = σ 2 /n.
b) V(X) = . √
p2 d) ρ(X1 − 2X2 , X̄n ) = −1/ 5n.
Aufgabe 21.34 • Es sei X ∼ Po(λ). Zeigen Sie: Aufgabe 21.43 •• Der Zufallsvektor (X1 , . . . , Xs ) be-
sitze die Multinomialverteilung Mult(n, p1 , . . . , ps ), wobei
E(X) = V(X) = λ . p1 > 0, . . . , ps > 0 vorausgesetzt ist. Zeigen Sie:
a) Cov(Xi , Xj ) = −n · pi · pj (i = j ) ,
D
pi · pj
Aufgabe 21.35 •• Ein echter Würfel wird in unabhän- b) ρ(Xi , Xj ) = − (i = j ) .
giger Folge geworfen. Bestimmen Sie die Wahrscheinlich- (1 − pi ) · (1 − pj )
keiten folgender Ereignisse:
Aufgabe 21.44 •• In der Situation des zweifachen
a) mindestens eine Sechs in sechs Würfen, Wurfs mit einem echten Würfel seien Xj die Augenzahl des
b) mindestens zwei Sechsen in 12 Würfen, j -ten Wurfs sowie M := max(X1 , X2 ). Zeigen Sie:
c) mindestens drei Sechsen in 18 Würfen. M 2 + M(M − 1)/2
E(X1 |M) = .
2M − 1
Aufgabe 21.36 • Es sei (pn )n≥1 eine Folge aus (0, 1)
mit limn→∞ npn = λ, wobei 0 < λ < ∞. Zeigen Sie: Aufgabe 21.45 •• In einer Bernoulli-Kette mit Treffer-
wahrscheinlichkeit p ∈ (0, 1) sei X die Anzahl der Versuche,
n k λk bis erstmalig
lim pn (1 − pn )n−k = e−λ · , k ∈ N0 .
n→∞ k k! a) die Sequenz 01 aufgetreten ist. Zeigen Sie: Es gilt
EX = 1/(p(1 − p)).
Aufgabe 21.37 • Es sei X ∼ Po(λ). Für welche Werte b) die Sequenz 111 aufgetreten ist. Zeigen Sie: Es gilt
von k wird P(X = k) maximal? EX = (1 + p + p 2 )/p 3 .
164 Hinweise zu Kapitel 21
Aufgabe 21.20 •• Schätzen Sie den Indikator des Er- Aufgabe 21.42 •• –
eignisses {X ≥ ε} möglichst gut durch ein Polynom zweiten
Grades ab, das durch den Punkt (ε, 1) verläuft. Aufgabe 21.43 •• Es gilt Xi + Xj ∼ Bin(n, pi + pj ).
Aufgabe 21.22 •• Leiten Sie mit k = 1 in (21.13) eine Aufgabe 21.45 •• Gehen Sie analog wie im Beispiel
Rekursionsformel für P(X = m) her. auf Seite 796 vor.
n
Aufgabe 21.23 •• Es gilt P(X ≥ k) = l=k P(X = l) Aufgabe 21.46 •• –
sowie (vollständige Induktion über m!)
Aufgabe 21.47 •• (Y1 , Y3 ) hat die gleiche gemeinsame
m
j j −1 Verteilung wie (X1 , X1 + X2 + X3 ), wobei X1 , X2 , X3 un-
(−1)ν = (−1)m , m = 0, 1, . . . , j − 1.
ν m abhängig und je G(p)-verteilt sind.
ν=0
Aufgabe 21.48 •• –
Aufgabe 21.24 •• –
Aufgabe 21.49 • –
Aufgabe 21.25 ••• Verwenden Sie die im Beispiel auf
Seite 796 verwendeten Ereignisse A1 , A2 und A3 . Aufgabe 21.50 • –
Aufgabe 21.52 •• –
Rechenaufgaben
Aufgabe 21.26 •• EX = 1/4, EY = 0, EX 2 = 3/2,
EY 2 = 1/2, V(X) = 23/16, V(Y ) = 1/2, E(XY ) = −1/4.
Lösungswege
Aufgabe 21.27 • –
Verständnisfragen
Aufgabe 21.28 ••• –
Aufgabe 21.1 •• a) Bezeichnet Aj das Ereignis, dass
bei der j -ten Geburt ein Mädchen geboren wird, so sind auf-
Aufgabe 21.29 •• 0.04508 . . .
grund der getroffenen Annahmen A1 , . . . , An unabhängige
Ereignisse mit gleicher Wahrscheinlichkeit 1/2. Somit be-
Aufgabe 21.30 •• – n
sitzt die Anzahl Xn = j =1 1{Aj } der Mädchen unter n
Geburten die Binomialverteilung Bin(n, 1/2). Damit wird
Aufgabe 21.31 •• –
10
10 386
Aufgabe 21.32 •• – a10 = P(X10 ≥ 6) = 2−10 = = 0.376 . . .
j 1024
j =6
Aufgabe 21.33 •• –
b) Mit Xn wie in a) und der Tschebyschow-Ungleichung gilt
Aufgabe 21.34 • – V(X100 )
a100 = P(X100 ≥ 60) ≤ P(|X100 − 50| ≥ 10) ≤ .
100
Aufgabe 21.35 •• –
1 1
Wegen V(X100 ) = 100 · 2 · 2 = 25 folgt a100 < a10 .
Aufgabe 21.36 • –
c) Mit Rn := Xn /n ist
Aufgabe 21.37 • Der Maximalwert wird im Fall λ ∈
/N
1
für k = 2λ3 und für λ ∈ N für die beiden Werte k = λ und an = P(Xn ≥ n · 0.6) ≤ P Rn − ≥ 0.1 .
2
k = λ − 1 angenommen.
Nach dem Schwachen Gesetz großer Zahlen konvergiert die
Aufgabe 21.38 • – letzte Wahrscheinlichkeit für n → ∞ gegen null.
Lösungswege zu Kapitel 21 167
Aufgabe 21.2 •• Die Zufallsvariable Xj bezeichne die Verteilung G(1/2) als Verteilung der Anzahl der geworfenen
Anzahl der Kugeln, die nötig sind, um das (j + 1)-te Fach Einsen vor der ersten Sechs heraus. Wer ein wenig rechnen
zu besetzen, wenn schon j Fächer besetzt sind. Dann gilt möchte, könnte so vorgehen: Es bezeichne X die Anzahl der
vor dem Auftreten der ersten Sechs geworfenen Einsen und
Wn = X0 + X1 + . . . + Xn−1 , Y die Anzahl der Würfe bis zum Auftreten der ersten Sechs.
Es gilt
und offenbar ist X0 = 1. Sind j < n Fächer besetzt, so be- n−1
5 1
findet man sich unabhängig von den Nummern der bereits P(Y = n) = · , n ∈ N.
besetzten Fächer und unabhängig von der Dauer der bishe- 6 6
rigen Besetzungsvorgänge in der Situation, auf den ersten Unter der Bedingung Y = n mit n ≥ 2 tritt bei keinem der
Treffer in einer Bernoulli-Kette zu warten. Dabei bedeutet ersten n−1 Würfe eine Sechs auf, und bei jedem dieser Würfe
ein Treffer, eines der n − j noch nicht besetzten Fächer zu ist jede der Zahlen 1,2,3,4,5 gleich wahrscheinlich. Unter der
belegen. Die mit pj bezeichnete Trefferwahrscheinlichkeit Bedingung Y = n besitzt somit X die Binomialverteilung
ist also (n − j )/n. Die Zahl der Nieten vor dem ersten Tref- Bin(n − 1, 1/5), d. h., es gilt
fer besitzt die geometrische Verteilung G(pj ). Da der Treffer
mitgezählt wird, hat Xj − 1 die Verteilung G(pj ). Es gilt so- k
n−1 1 1 n−1−k
mit P(X = k|Y = n) = 1−
k 5 5
1 − pj n
EXj = 1 + = , für k = 0, . . . , n − 1 sowie P (X = k|Y = n) = 0 für k ≥ n.
pj n−j
Nach der Formel von der totalen Wahrscheinlichkeit ergibt
1 − pj nj sich für jedes feste k ∈ N0
V(Xj ) = = .
pj2 (n − j )2
∞
Unterstellen wir für die Varianz die stochastische Unabhän- P(X = k)= P(Y = n) · P(X = k|Y = n)
gigkeit von X2 , . . . , Xn , so ergibt sich: n=k+1
∞ n−1
5 1 n − 1 1 k 4 n−1−k
a) =
6 6 k 5 5
n=k+1
n
n−1
n k ∞
E(Wn ) = E(Xj ) = 1 1 n−1 2 n−1
n−j = .
j =1 j =0 6 4 k 3
n=k+1
1 1 1
= n · 1 + + + ... + Die hier auftretende unendliche Reihe wird mit
2 3 n
∞
b) d k d 1 k!
x = k = , |x| < 1,
dx k dx 1 − x (1 − x)k+1
n−1
n−1
nj k=0
V(Wn ) = V(Xj ) =
(n − j )2 zu
j =1 j =1
∞ j
∞ j −k
n−1
n(j − n) + n2 j 2 (2/3)k 2
= = (j )k
(n − j )2 j =k
k 3 k!
j =k
3
j =1
n−1
1
n−1
1 (2/3)k k!
= n2 · − n . = ·
k2 k k! (1/3)k+1
k=1 k=1
= 3 · 2k .
Im Fall n = 6 ist die Situation gedanklich gleichwertig damit,
einen echten Würfel solange wiederholt zu werfen, bis jede Insgesamt folgt
Augenzahl mindestens einmal aufgetreten ist. Man benötigt k k+1
hierfür nach a) im Mittel 6 · (1 + 1/2 + . . . + 1/6) = 14.7 1 1 k 1
P(X = k) = 3·2 = ,
Würfe. 6 4 2
Aufgabe 21.3 •• Die durch den Hinweis angedeutete was zu zeigen war.
begriffliche Lösung arbeitet mit einem einfachen Modell, das
die nicht interessierenden Zahlen 2 bis 5 einfach ausblendet. Aufgabe 21.4 ••• Wir verwenden den Hinweis und be-
Ihr Auftreten bedeutet nur Zeitverschwendung. Wir können zeichnen mit Xj die Anzahl der Würfe, die Person j bis
genauso gut eine echte Münze werfen und die eine Seite mit zum Auftreten der ersten Sechs benötigt. Dann besitzt die
6 und die andere mit 1 beschriften. Deuten wir die 6 als Tref- Zufallsvariable Mn die gleiche Verteilung wie das Maxi-
fer und die Eins als Niete, so schält sich die geometrische mum maxj =1,...,n Xj . Da X1 , . . . , Xn stochastisch unabhän-
168 Lösungswege zu Kapitel 21
gig sind und P(Xj > k) = (5/6)k gilt, ergibt sich Aufgabe 21.6 •• a) Die idealisierenden Annahmen sind
gleichwertig mit der Annahme einer Bernoulli-Kette, in der
P(Mn > k) = 1 − P(Mn ≤ k)
ein Sohn einen „Treffer“ und ein Mädchen eine „Niete“ be-
= 1 − P(X1 ≤ k, . . . , Xn ≤ k) deuten. Als Anzahl der Nieten vor dem ersten Treffer ist die
= 1 − P(X1 ≤ k)n mit M bezeichnete zufällige Anzahl der Mädchen in einer
= 1 − (1 − P(X1 > k))n Familie geometrisch verteilt mit Parameter 1/2. Nach dem
k n Satz auf Seite 783 gilt somit insbesondere EM = 1 und
5 V(M) = 2.
= 1− 1−
6
b) Die Anzahl J der Jungen in einer Familie ist eine Zufalls-
und damit a). Mit Aufgabe a) und variable, die nur den Wert 1 annimmt. Somit gilt EJ = 1 und
n k(n−j ) V(J ) = 0.
n n−j 5
P(Mn > k) = 1 − (−1)
j 6 c) Als Summe von n unabhängigen geometrisch G(1/2) ver-
j =0
(n−j )k teilten Zufallsvariablen (den Anzahlen der Mädchen in den
n−1
5
n−j −1 n einzelnen Familien) besitzt Sn die negative Binomialvertei-
= (−1)
j 6 lung Nb(n, 1/2). Wegen ESn = n und V(Sn ) = 2n folgt mit
j =0
der Tschebyschow-Ungleichung
folgt
√ V(Sn ) 1
∞
P(|Sn − n| ≥ K 2n) ≤ = 2.
K 2 · 2n K
E(Mn ) = P(Mn > k)
k=0 Geht man zum komplementären Ereignis über, so ergibt sich
n−1
∞ (n−j )k für K = 10
n−j −1 n 5
= (−1)
j =0
j 6
k=0 P(490 001 ≤ S500 000 ≤ 509 999) ≥ 0.99.
n−1
n−j −1 n 1 Wir werden in Aufgabe 23.40 sehen, dass für jede Wahl
= (−1) n−j . √
j von a, b mit a < b die Wahrscheinlichkeit P(n + a n ≤
j =0 1− 5 √
6 Sn ≤ n + b n) für n → ∞ konvergiert. Insbesondere gilt
Führen wir jetzt den Summationsindex k := n − j ein, so limn→∞ P(Sn ≥ n) = 1/2.
ergibt sich b). Der Erwartungswert von Mn wächst recht lang-
sam mit n. So ist EM1 = 6, EM5 ≈ 13.02, EM10 ≈ 16.56, Aufgabe 21.7 •
EM20 ≈ 20.23 und EM50 ≈ 25.18. a) Es handelt sich um ein wiederholt in unabhängiger
Folge durchgeführtes Experiment mit den 4 Ausgän-
Aufgabe 21.5 •• Wir können X als Anzahl der Nie- gen rot, blau, weiß und schwarz, die in dieser Reihen-
ten vor dem ersten und Y als Anzahl der Nieten zwischen folge die Wahrscheinlichkeiten p1 := 10/100, p2 :=
dem ersten und dem zweiten Treffer in einer Bernoulli-Kette 20/100, p3 := 30/100 und p4 := 40/100 besitzen.
mit Trefferwahrscheinlichkeit p ansehen. Die Bedingung Nach der Erzeugungsweise der Multinomialverteilung
X + Y = k besagt, dass insgesamt k Nieten vor dem zwei- gilt (R, B, W, S) ∼ Mult(25; p1 , p2 , p3 , p4 ).
ten Treffer aufgetreten sind. Wegen der Unabhängigkeit und
b) In diesem Fall werden die Trefferarten rot und blau zu
Gleichartigkeit aller Versuche sollte der Zeitpunkt (= Num-
einer Trefferart zusammengefasst, die die Wahrschein-
mer des Versuchs) des ersten Treffers eine Gleichverteilung
lichkeit p1 + p2 besitzt. Wiederum nach der Erzeugungs-
auf den Werten 1, 2, . . . , k+1 und damit die um eins kleinere
weise der Multinomialverteilung gilt (R + B, W, S) ∼
Zahl der Nieten vor dem ersten Treffer eine Gleichverteilung
Mult(25; p1 + p2 , p3 , p4 ).
auf den Werten 0, 1, . . . , k besitzen. Diese Einsicht wird wie
folgt bestätigt: Für j ∈ {0, . . . , k} ist c) In diesem Fall werden rot, blau und weiß zu einer Treffer-
art vereinigt. Es gibt daneben nur noch das als Niete inter-
P(X = j, X + Y = k) pretierbare schwarz. Nach der Erzeugungsweise der Bi-
P(X = j |X + Y = k) =
P(X + Y = k) nomialverteilung gilt R+B+W ∼ Bin(25; p1 +p2 +p3 ).
P(X = j, Y = k − j )
=
P(X + Y = k) Aufgabe 21.8 •• Es sei kurz m := r1 + . . . + rs gesetzt.
P(X = j ) · P(Y = k − j ) Die einfachste Möglichkeit besteht darin, mit dem Grund-
= raum := Knm (oW ) zu arbeiten, also alle Kugeln zu unter-
P(X + Y = k)
(1 − p)j p · (1 − p)k−j p scheiden, aber nicht darauf zu achten, in welcher Reihenfolge
= k+1 die Kugeln gezogen werden. Gedanklich gleichwertig hier-
k p (1 − p)
2 k
mit ist, die n Kugeln „blind mit einem Griff zu ziehen“. Die
1 Wahrscheinlichkeitsverteilung P sei die Gleichverteilung auf
= .
k+1 . Günstig für das Ereignis {X1 = k1 , . . . , Xs = ks } sind
Lösungswege zu Kapitel 21 169
n
diejenigen unter den n-Auswahlen aller m Kugeln, die für je- Aufgabe 21.10 • Mit X = j =1 1{Aj } und der Jor-
des j ∈ {1, . . . , s} genau kj Kugeln der Farbe j aufweisen.
dan’schen Formel gilt wegen S0 = 1 und j0 = 1
Nach der Multiplikationsregel der Kombinatorik ist die Zahl
der günstigen Fälle gleich P(A1 ∪ . . . ∪ An ) = P(X ≥ 1)
= 1 − P(X = 0)
r1 r2 rs
· · ... · , n
k1 k2 ks = 1− (−1)j Sj
j =0
denn es müssen unabhängig voneinander für jedes j aus den
n
rj Kugeln der Farbe j genau kj Kugeln ausgewählt wer- = (−1)j −1 Sj ,
den. Wegen || = m n folgt die Behauptung. Eine andere j =1
Möglichkeit besteht darin, die Reihenfolge zu beachten, in
der die Kugeln gezogen werden. Dann arbeitet man mit dem was zu zeigen war.
Grundraum Pnm (oW ) und geht wie im Beispiel auf Seite 725
vor. Aufgabe 21.11 •• Es gilt
1 1
6 6
Aufgabe 21.9 •• Die hypergeometrische Verteilung
E(M −h(X1 ))2 = (max(i, j )−h(i))2 = ai ,
Hyp(n, r, s) entsteht im Zusammenhang mit dem n-maligen 36 36
i,j =1 i=1
rein zufälligen Ziehen ohne Zurücklegen von Kugeln aus
einer Urne, die r rote und s schwarze Kugeln enthält. Be-
wobei ai := i(i − h(i))2 + 6j =i+1 (j − h(i))2 von h(i)
zeichnet Aj das Ereignis, dass die j -tegezogene Kugel rot abhängt. Es ist
ist, so hat die Indikatorsumme X := nj=1 1{Aj } die Ver-
a6 = 6(6 − h(6))2 ,
teilung Hyp(n, r, s). Ein konkreter Grundraum, auf dem X
definiert ist, ist in dem auf Seite 725 beginnenden Beispiel woraus h(6) = 6 folgt. Weiter gilt
angegeben. In der Selbstfrage auf Seite 725 haben Sie sich
überlegt, dass P(Aj ) = r/(r + s), j = 1, . . . , n, gilt. Somit a5 = 5(5 − h(5))2 + (6 − h(5))2 .
ergibt sich
Dieser Ausdruck wird minimal, wenn h(5) := 5 gesetzt wird.
n
n
r In gleicher Weise fährt man mit den Werten 4, 3, 2 und 1 für
EX = E1{Aj } = P(Aj ) = n · . i fort.
r +s
j =1 j =1
Aufgabe 21.12 • Es ist
Eine Herleitung des Erwartungswertes mithilfe von (21.9) ist
wie folgt: Durch elementare Umformung von Binomialkoef- P(X = j |X + Y = k)
fizienten erhält man P(X = j, X + Y = k)
=
P(X + Y = k)
n
EX = k · P(X = k) P(X = j ) · P(Y = k − j )
k=0 =
P(X + Y = k)
r s m n k−j
n ·
k n−k pj (1 − p)m−j k−j
j p (1 − p)n−(k−j )
= k· = m+n
r +s
k p (1 − p)
k m+n−k
k=1
n m n
r −1 s j k−j
n · = m+n ,
r k−1 (n − 1) − (k − 1)
= n· · k
r +s r −1+s
k=1
n−1 X+Y =k = Hyp(k, m, n).
und damit gilt wie behauptet PX
r −1 s
n−1 · Dieses Resultat erschließt sich wie folgt auch intuitiv: Den-
r j (n − 1) − j
= n· · . ken wir uns X und Y als Trefferzahlen in den ersten m
r +s r −1+s bzw. letzten n Versuchen einer Bernoulli-Kette vom Umfang
j =0
n−1 m+n mit Trefferwahrscheinlichkeit p, so besagt das Ereignis
n−1 X + Y = k, dass insgesamt k Treffer
aufgetreten sind. Aus
Die letzte Summe ist gleich j =0 P(Y = j ), wobei Y Symmetriegründen sind alle m+n k Auswahlen derjenigen k
eine Zufallsvariable mit der hypergeometrischen Verteilung aller m + n Versuche mit dem Ausgang Treffer gleichwahr-
Hyp(n − 1, r − 1, s) ist, also gleich 1, und somit folgt die scheinlich. Interpretiert man die ersten m Versuche als rote
schon auf eleganterem Wege erhaltene Darstellung für E(X). und die übrigen als schwarze Kugeln und die Zuordnung
170 Lösungswege zu Kapitel 21
„Treffer“ zu einem Versuch als Ziehen einer von m + n Ku- auf den Werten 2, . . . , 12 besitzen soll, gilt nach dem Multi-
geln, so ist die Situation von Seite 725 mit r = m, s = n und plikationssatz für erzeugende Funktionen die Darstellung
n = k gegeben, und X = j bedeutet gerade, j rote Kugeln
zu ziehen. 1 2 t 2 t 11−1
g(t)h(t) = t + t 3 + . . . + t 12 = · , t = 1.
11 11 t − 1
Aufgabe 21.13 •• Wir setzen kurz Z := X1 + X2 + X3
Die Augensummen 2 und 12 können nur auftreten, wenn X
und betrachten ein beliebiges z ∈ R mit P(Z = z) > 0. Nach
und Y die Werte 1 und 6 mit positiven Wahrscheinlichkeiten
der Substitutionsregel gilt
annehmen. Aus diesem Grund können wir in den erzeugen-
den Funktionen g und h den Faktor t abspalten und erhalten
E(X1 + X2 + X3 |Z = z) = E(z|Z = z) = z.
die Darstellungen
Andererseits ist wegen der Additivität des bedingten Erwar-
g(t) = t · P (t), h(t) = t · Q(t), t ∈ R,
tungswertes
mit Polynomen P und Q vom jeweiligen Grad 5, wobei
3
E(X1 + X2 + X3 |Z = z) = E(Xj |Z = z).
P (0) = 0, P (1) = 0, Q(0) = 0, Q(1) = 0
j =1
Wegen der gemachten Annahmen sind die bedingten Erwar- gilt. Damit folgt
tungswerte E(Xj |Z = z) für jedes j = 1, 2, 3 gleich, und
1 t 11 − 1
wir erhalten P (t) · Q(t) = · , t ∈ R \ {0, 1},
z 11 t − 1
E(X1 |Z = z) = .
3
was bedeuten würde, dass weder P noch Q eine reelle Null-
Nach Definition der bedingten Erwartung folgt die Behaup- stelle besäßen. Da jedoch jedes Polynom fünften Grades min-
tung. destens eine reelle Nullstelle hat, muss die eingangs gestellte
Frage negativ beantwortet werden.
Aufgabe 21.14 •• Es ist
n
Beweisaufgaben
g(t) = P (X = k)t k = (1 − p + pt)n .
k=0 Aufgabe 21.17 ••• Es bezeichne Aj das Ereignis, dass
in keiner der k Stichproben die Kugeln mit der Nummer j
Aus auftritt, j ∈ {1, 2, . . . , n}. Dann ist
n
n
g(−1) = (−1)k P(X = k) = (1 − 2p)n X =n− 1{Aj }
k=0
j =1
und
n die Anzahl der verschiedenen Kugelnummern aus den k
1= P(X = k) Stichproben. Dass bei einer Ziehung die Kugel Nr. j nicht
n
k=0 auftritt, hat die Wahrscheinlichkeit n−1
s / s . Wegen der sto-
chastischen Unabhängigkeit der Stichproben gilt
folgt durch Addition
n−1 k
2n/23 s k
P(Aj ) = ns = 1−
n
1 + (1 − 2p) = 2 P(X = 2k) n
s
k=0
und folglich
und hieraus die Behauptung.
s k
EX = n − n · P(A1 ) = n · 1 − 1 − .
Aufgabe 21.15 •• Aus der Reproduktionsgleichung n
(21.60) und Aufgabe 21.52 ergibt sich für jedes n ≥ 0
Für j ∈ {1, . . . , n − s} und i1 , . . . , ij mit 1 ≤ i1 < . . . <
E(Mn+1 ) = E(Mn ) · μ, ij ≤ n gilt
V(Mn+1 ) = V(Mn ) · μ2 + E(Mn ) · σ 2 , n−j k
P(Ai1 ∩ . . . ∩ Aij ) = ns ,
sodass die Behauptung durch Induktion über n folgt.
s
Aufgabe 21.16 ••• Wir verwenden die Bezeichnungen denn bei jeder der k unabhängigen Stichproben dürfen die s
des Hinweises. Da die Summe X + Y eine Gleichverteilung Kugeln nur aus der (n − j )-elementigen Menge aller Kugeln
Lösungswege zu Kapitel 21 171
mit Nummern aus {1, . . . , n} \ {i1 , . . . , ij } gewählt werden. b) Aus Gleichung (21.14) ist ersichtlich, dass das Ungleich-
Mit heitszeichen in a) genau dann zu einem Gleichheitszeichen
E(X − a)2
Aufgabe 21.18 •• a) Mit dem ersten Hinweis folgt E1{X ≥ ε} = P(X ≥ ε) ≤ .
(ε − a)2
∞ ∞
k
EX = k P(X = k) = 1 P(X = k) Wegen EX = 0 ist der Zähler gleich EX 2 +a 2 = V(X)+a 2 .
k=1 k=1 n=1 Minimiert man die Funktion a → (V(X) + a 2 )/(ε − a)2 ),
∞
∞ ∞ a < ε, bezüglich a, so ergibt sich als Lösung a = −V(X)/ε.
= P(X = k) = P(X ≥ n). Setzt man diesen Wert für a ein, so folgt die Behauptung nach
n=1 k=n n=1 direkter Rechnung.
b) Der zweite Hinweis liefert Aufgabe 21.21 •• a): Aus der Regel V(aX + b) =
a 2 V(X) und der Eigenschaft f) der Kovarianz auf Seite 789
∞
∞
folgt
EX 2 = k 2 P(X = k) = [k(k + 1) − k] · P(X = k) ⎛ ⎞
k=1 k=1
1 n
k
∞
∞ V(X̄n ) = 2 · V⎝ Xj⎠
n
= 2 n P(X = k) − k P(X = k) j =1
⎛ ⎞
k=1 n=1 k=1
∞
∞ ∞ 1⎝ 2
= 2 nσ + 2 Cov(Xi , Xj )⎠.
= 2 n P(X = k) − P(X ≥ n) n
1≤i<j ≤n
n=1 k=n n=1
∞ ∞
Da die Unkorreliertheit von Xi und Xj für |i − j | ≥ k
= 2 nP(X ≥ n) − P(X ≥ n) und
die Cauchy-Schwarz-Ungleichung die2 Abschätzung
1≤i<j ≤n | Cov(Xi , Xj )| ≤ n(k − 1)σ liefern, folgt
n=1 n=1
∞
limn→∞ V(X̄n ) = 0 und somit die Behauptung wegen
= (2n − 1) P(X ≥ n).
E(X̄n ) = μ aus der Tschebyschow-Ungleichung.
n=1
b): Die Behauptung ergibt sich aus Teil a) mit Xj := 1{Aj }
und k = 2, denn es ist P(Y1 < Y2 ) = 5/12.
Aufgabe 21.19 •• a) Mit dem Hinweis gilt
2 2 Aufgabe 21.22 •• Wir schreiben pj := P(X = j ) und
b+c b+c
E X− = V(X) + EX − . (21.14) setzen in k = 1 in (21.13). Es ergibt sich
2 2
P(X = m + 1, X ≥ 1)
Wegen b ≤ X ≤ c folgt |X − (b + c)/2| ≤ (c − b)/2, und = P(X = m), m ∈ N0 ,
P(X ≥ 1)
somit ergibt sich
2 und somit wegen P(X ≥ 1) = 1 − p0 die Beziehung
b+c (c − b)2
V(X) ≤ E X − ≤ .
2 4 pm+1 = pm · (1 − p0 ), m ∈ N0 .
172 Lösungswege zu Kapitel 21
∞
Da 0 < p0 < 1 vorausgesetzt wurde, folgt hieraus pm > 0 Wegen ex = k=0 x
k /k!, x ∈ R, folgt c) aus b). Mit (21.32)
für jedes m ≥ 0, also
folgt
pm+1
= 1 − p0 , m ∈ N0 .
pm 1 1 (n − 2)! 1
V(Xn ) = n · 1− + n(n − 1) − 2
Wir erhalten n n n! n
k−1 = 1,
pm+1
pk = · p0 = (1 − p0 )k · p0 ,
pm was d) zeigt.
m=0
(vgl. (21.11)) folgt a), und b) ergibt sich mit der Jordan’schen
also
Formel auf Seite 777, denn danach gilt
n
j en ≤ 2w2 + 3w3 + qen + qsn + pqen + 2pqsn
P(X = k) = (−1)j −k Sj ,
k
j =k
mit sn wie in b). Somit ist die Folge (en ) beschränkt, was zu
wobei zeigen war.
Sj = P(Ai1 ∩ . . . ∩ Aij )
1≤i1 <...<ij ≤n
Rechenaufgaben
n (n − j )!
= ·
j n! Aufgabe 21.26 •• Die gemeinsame Verteilung von X
1 und Y ist nachstehend in tabellarischer Form zusammen mit
= .
j! den Marginalverteilungen von X und Y aufgeführt.
Lösungswege zu Kapitel 21 173
Hieraus ergibt sich, dass das Maximum der Wahrscheinlich- und somit
keiten P(X = k) im Fall (n + 1)p ∈ / N für k = 2(n + 1)p3
und andernfalls für die beiden Werte k = (n + 1)p und V(X) = EX(X − 1) + EX − (EX)2
2
k = (n + 1)p − 1 angenommen wird. 2(1 − p)2 1−p 1−p
= + −
p2 p p
Aufgabe 21.31 •• 1−p
= .
a) Die Wahrscheinlichkeit, dass kein Bit in einem aus k Bits p2
bestehenden Wort gestört wird und damit das Wort feh-
lerfrei übertragen wird, beträgt (1 − p)k . Bezeichnet Aj
das Ereignis, dass das j -te Codewort fehlerfrei übertragen Aufgabe 21.34 • Mit der Darstellungsformel gilt
wird, so hat X als Indikatorsumme der stochastisch unab- ∞
∞
λk
hängigen Ereignisse A1 , . . . , An die Binomialverteilung EX = k P(X = k) = e−λ k
Bin(n, (1 − p)k ). k!
k=1 k=1
∞
b) Für jedes Codewort besitzt die Anzahl der gestörten Bits λk−1
die Binomialverteilung Bin(k, p). Ein übertragenes Co- = e−λ λ = e−λ λ eλ
(k − 1)!
dewort kommt (eventuell nach Korrektur) fehlerfrei beim k=1
Empfänger an, wenn es an höchstens 2 Stellen gestört ist. = λ.
Die Wahrscheinlichkeit hierfür ist
In gleicher Weise ist
k 2
r := (1 − p)k + kp(1 − p)k−1 + p (1 − p)k−2 . ∞
2
EX(X − 1) = k(k − 1) P(X = k)
Die Anzahl der richtig erkannten Wörter besitzt somit die k=2
Binomialverteilung Bin(n, r). ∞
λk
= e−λ k(k − 1)
k!
Aufgabe 21.32 •• Claudia kann 10-mal gleichzeitig k=1
mit Peter und unabhängig von ihm ihre Münze werfen. Ge- ∞
λk−2
zählt werden hierbei die Versuche, bei denen sowohl eine = e−λ λ2 = e−λ λ2 eλ
(k − 2)!
Sechs als auch Wappen auftritt. Die Wahrscheinlichkeit für k=2
einen solchen „Doppeltreffer“ ist 1/12. Somit besitzt die in = λ2
der Aufgabenstellung beschriebene „Anzahl der dabei erziel-
ten Wappen“ die Verteilung Bin(10, 1/12). und somit
Aufgabe 21.33 •• Die beiden ersten Ableitungen der V(X) = EX(X − 1) + EX − (EX)2 = λ2 + λ − λ2 = λ.
geometrischen Reihe ∞
k=0 x = 1/(1 − x), |x| < 1, sind
k
∞
1
∞
2 Aufgabe 21.35 •• Indem man jeweils zum komple-
k x k−1 = , k(k−1) x k−2 = . mentären Ereignis übergeht, gilt mit p := 1/6 und q := 5/6
(1 − x)2 (1 − x)3
k=1 k=2
a) 1 − q 6 = 0.665 . . .
Hiermit und mit der Transformationsformel folgt 11
b) 1 − (q 12 + 121 pq ) = 0.618 . . .
∞
∞
17 18 2 16
EX = k · P(X = k) = k p(1 − p)k c) 1 − (q 18 + 181 pq + 2 p q ) = 0.597 . . .
k=0 k=1
∞ Wir sehen auf Seite 889, dass die Wahrscheinlichkeit, in 6n
= p(1 − p) k(1 − p)k−1 Würfen mindestens n Sechsen zu erzielen, für n → ∞ gegen
k=1 1/2 konvergiert.
1 1−p
= p(1 − p) = . Aufgabe 21.36 • Wegen
(1 − (1 − p)) 2 p
In gleicher Weise ergibt sich n k 1 (n)k λk
pn = · · (npn )k →
∞ k k! n! k!
EX(X − 1) = k(k − 1) p(1 − p)k
und (1 − pn )−k → 1 ist nur
k=2
∞ npn n
1− → e−λ
= p(1 − p)2 k(k − 1) (1 − p)k−2 n
k=2
zu zeigen. Die im Hinweis gegebenen Ungleichungen liefern
2 2(1 − p)2
= p(1 − p)2 =
(1 − (1 − p))3 p2 log(1 − (npn )/n)n = n log(1 − (npn )/n) ≤ −npn → −λ
Lösungswege zu Kapitel 21 175
6
und e) 2 · 4 · P(X1 = 2, X2 = 2, X3 = 1, X4 = 0, X5 = 0,
npn n npn X6 = 0) = 1800/65 ≈ 0.23148,
log 1 − = n log 1 −
n n f) 6 · 53 · P(X1 = 2, X2 = 1, X3 = 1, X4 = 1, X5 = 0,
npn −1 X6 = 0) = 3600/65 ≈ 0.46296,
≥ n 1− 1−
n g) 6 · P(X1 = 1, X2 = 1, X3 = 1, X4 = 1, X5 = 1,
npn X6 = 0) = 720/65 ≈ 0.09259.
= − → −λ,
1 − pn
Aufgabe 21.40 •• Das Ereignis {X1 = k1 } ist die
also zusammen
Vereinigung der für verschiedene Tupel (k2 , . . . , ks ) mit
npn n
lim log 1 − = −λ. k2 + . . . + ks = n − k1 paarweise disjunkten Ereignisse
n→∞ n {X1 = k1 , . . . , Xs = ks }. Mit der Maßgabe, dass die
Hieraus folgt die Behauptung. Summen in der ersten und zweiten Zeile über alle Tupel
(k2 , . . . , ks ) ∈ Ns−1
0 mit k2 + · · · + ks = n − k1 laufen,
Aufgabe 21.37 • Wegen P(X = k) = e−λ λk /k! ist folgt
P(X = k + 1) λ P(X1 = k1 ) = P(X1 = k1 , . . . , Xs = ks )
= , k ∈ N0 ,
P(X = k) k+1 k
n! p11 (n − k1 )! k
= · · p 2 . . . psks
und damit k1 !(n − k1 )! k2 ! . . . ks ! 2
⎧ ⎫ ⎧ ⎫ n k
⎪
⎪ ⎪ ⎪ ⎪ = · p11 · (p2 + · · · + ps )n−k1
⎪>⎪
⎨ ⎪
⎬ ⎪<⎪
⎪
⎨ ⎪
⎬ k1
P(X = k + 1) = P(X = k) ⇐⇒ k + 1 = λ. n k
⎪ ⎪
⎪ ⎪ ⎪
⎪ ⎪
⎪ = · p11 · (1 − p1 )n−k1
⎩<⎪
⎪ ⎭ ⎩>⎪
⎪ ⎭ k1
(k1 = 0, 1, . . . , n).
Hieraus folgt die Behauptung.
Aufgabe 21.41 •• Nach der allgemeinen Darstellungs-
Aufgabe 21.38 • Ist Xj die Anzahl der Würfe, bei formel gilt
denen die Augenzahl j auftritt (j = 1, . . . , 6), so gilt
n
(X1 , . . . , X6 ) ∼ Mult(8; 1/6, . . . , 1/6). Das beschriebene n k
EX(X − 1)= k(k − 1) p (1 − p)n−k
Ereignis tritt genau dann ein, wenn entweder eine Augenzahl k
k=2
3-mal und die übrigen fünf je einmal oder zwei Augenzah-
n
len je 2-mal und die übrigen vier je einmal auftreten. Aus n−2 k−2
=n(n−1)p2 p (1−p)n−2−(k−2)
Symmetriegründen folgt k−2
k=2
P(X1 ≥ 1, . . . , X6 ≥ 1) = 6P(X1 = 3, X2 = · · · = X6 = 1)
n−2
n−2 j
=n(n − 1)p 2 p (1 − p)n−2−j
+15P(X1 = X2 = 2, X3 = ... = X6 = 1) j =0
j
8! 1 8 8! 1 8 2
= 6 + 15 =n(n − 1)p
3! 6 2!2! 6
= 0.114 . . . und somit
1
n Tritt A0 ein, so befindet man sich in der Situation, nach einem
Cov(X1 − 2X2 , X̄n ) = Cov(X1 , Xj ) gezählten Versuch auf den ersten Treffer in einer Bernoulli-
n
j =1 Kette zu warten. Die Zahl der Nieten vor dem ersten Tref-
2
n fer besitzt (geometrische Verteilung!) den Erwartungswert
− Cov(X2 , Xj ) (1 − p)/p. Da der Treffer mitgezählt wird und ein erster Ver-
n
j =1 such stattfand, gilt E(X|A0 ) = 1 + 1/p. Nach der Formel
σ2 vom totalen Erwartungswert folgt
= − .
n
EX = p(1 + EX) + q(1 + 1/p).
Weiter ist wegen der Unabhängigkeit von X1 und −2X2
Hieraus ergibt sich die Behauptung.
V(X1 −2X2 ) = V(X1 )+V(−2X2 ) = σ 2 +(−2)2 σ 2 = 5σ 2 .
b) Es sei analog zu a) die Menge aller endlichen Sequenzen
Zusammen mit b) erhält man aus Nullen und Einsen, die auf 111 enden und vorher diese
Sequenz nicht enthalten. Seien A0 (bzw. A10 bzw. A110 bzw.
−σ 2 /n 1 A111 ) die Menge aller Sequenzen aus , die mit 0 (bzw. 10
ρ(X1 − 2X2 , X̄n ) = = −√ .
5σ · σ /n
2 2 5n bzw. 110 bzw. 111) beginnen. Es gilt A0 + A10 + A110 +
A111 = , P(A0 ) = q, P(A10 ) = pq, P(A110 ) = p2 q,
P(A111 ) = p 3 sowie
Aufgabe 21.43 •• a) Wegen Xi +Xj ∼ Bin(n, pi +pj )
folgt E(X|A0 ) = 1 + EX,
E(X|A10 ) = 2 + EX,
V(Xi + Xj ) = n(pi + pj )(1 − pi − pj ).
E(X|A110 ) = 3 + EX,
Andererseits gilt E(X|A111 ) = 3.
V(Xi + Xj ) = V(Xi ) + V(Xj ) + 2 Cov(Xi , Xj ). Die Formel vom totalen Erwartungswert ergibt
Aus Xi ∼ Bin(n, pi ) folgt V(Xi ) = npi (1 − pi ) (analog für EX = q(1+ EX) + pq(2+ EX) + p 2 q(3+ EX) + 3p 3 .
Xj ), und man erhält
Hieraus folgt die Behauptung.
n(pi + pj )(1 − pi − pj )
= npi (1 − pi ) + npj (1 − pj ) + 2 Cov(Xi , Xj ). Aufgabe 21.46 •• Es seien Xj das Ergebnis des j -ten
Wurfs sowie A das Ereignis, dass in den (ersten) k Wür-
Hieraus ergeben sich die Behauptungen durch direkte Rech- fen keine Sechs auftritt. Unter der Bedingung A ist in je-
nung. dem der ersten k Würfe jede der Augenzahlen 1, 2, 3, 4, 5
Lösungswege zu Kapitel 21 177
gleich wahrscheinlich, es gilt also P(Xj = l|A) = 1/5 wegen der Unabhängigkeit von X1 , . . . , Xs
(l = 1, . . . , 5) und somit E(Xj |A) = 3. Aufgrund der Addi-
tivität des bedingten Erwartungswertes folgt dann P(X1 = k1 , . . . , Xs = ks |T = n)
P(X1 = k1 , . . . , Xs = ks )
=
E(G|A) = E(X1 + . . . + Xk |A) = 3k. P(T = n)
9s
j =1 P (X j = kj )
Wegen P(A) = (5/6)k und E(G|Ac ) = 0 liefert Formel =
P(T = n)
(21.45) 9s k
j =1 e−λj λjj /kj !
=
E(G) = E(G|A)P(A) + E(G|Ac )P(Ac ) = 3k(5/6)k . e−λ λn /n!
k1 ks
n! λ1 λs
= ... .
Der Maximalwert 6.02816 . . . wird für k = 5 und k = 6 k1 ! . . . ks ! λ λ
angenommen. Die auf Seite 798 vorgestellte Strategie, ab
einer gewürfelten Augensumme von 15 zu stoppen, ist also
etwas besser. Aufgabe 21.49 • Wir verwenden die Darstellung
Aufgabe 21.47 •• Wir verwenden den Hinweis, der −r r
P(X = k) = p (−(1 − p))k , k ∈ N0 ,
aus dem Additionsgesetz für die negative Binomialverteilung k
folgt. Wegen X1 + X2 ∼ Nb(2, p) und X1 + X2 + X3 ∼
Nb(3, p) folgt mit der Unabhängigkeit von X1 und X2 + X3 von Seite 783 und erhalten mithilfe der Binomialreihe (21.25)
für jedes t mit |t| < 1
P(Y1 = j |Y3 = k) = P(X1 = j |X1 + X2 + X3 = k) ∞
−r
P(X1 = j, X2 + X3 = k − j ) gX (t) = p r (−(1 − p)t)k = pr (1 − (1 − p)t )−r .
= k
P(X1 + X2 + X3 = k) k=0
+1 2
p(1 − p)j · k−jk−j p (1 − p)
k−j
= k+2
k p (1 − p)
3 k
Aufgabe 21.50 • a) Eine Zufallsvariable X mit der
2(k + 1 − j )
= . Poisson-Verteilung Po(λ) hat die erzeugende Funktion
(k + 1)(k + 2) g(t) = eλ(t−1) . Es gilt
EX = λ und λ = V(X) = EX 2 − λ2 . Weiter ist Aufgabe 21.52 •• Sei h(t) := Et SN die erzeugende
∞
Funktion von SN . Mit (21.59) gilt
g (t) = k(k − 1)(k − 2)P(X = k)t k−3 = λ3 eλ(t−1) .
k=3 h (t) = ϕ (g(t)) · g (t),
2
Also gilt g (1) = E[X(X − 1)(X − 2)] = λ3 . h (t) = ϕ (g(t)) · g (t) + ϕ (g(t)) · g (t).
b) Es ist λ3 = EX(X − 1)(X − 2) = EX 3 − 3EX 2 + 2EX. Wegen h (1) = ESN und (21.58) folgt
Hieraus folgt
h (1) = ESN = ϕ (1)g (1) = EN · EX1 ,
3 3 2 3 2
EX = λ + 3(λ + λ) − 2λ = λ + 3λ + λ. h (1) = ESN (SN − 1)
2
c) Mit der binomischen Formel ergibt sich = ϕ (1) g (1) + ϕ (1)g (1)
= EN(N − 1) · (EX1 )2 + EN · EX1 (X1 − 1).
E(X − λ)3 = EX 3 − 3λEX 2 + 3λ2 EX − λ3
= λ3 + 3λ2 + λ − 3λ3 − 3λ2 + 2λ3 Hieraus folgt der angegebene Ausdruck für die Varianz durch
= λ. direkte Rechnung.
Kapitel 22 a) Stimmen F und G auf einer in R dichten Menge (deren
Abschluss also ganz R ist) überein, so gilt F = G.
b) Die Menge
Aufgaben W (F ) := {x ∈ R | F (x + ε) − F (x − ε) > 0 ∀ ε > 0}
Aufgabe 22.8 ••• Es seien F, G : R → [0, 1] Vertei- Dabei bezeichne u den zu einem Zeilenvektor u transpo-
lungsfunktionen. Zeigen Sie: nierten Spaltenvektor. Zeigen Sie:
M. Brokate et al., Arbeitsbuch Grundwissen Mathematikstudium – Höhere Analysis, Numerik und
Stochastik, DOI 10.1007/978-3-642-54946-5_21, © Springer-Verlag Berlin Heidelberg 2016
180 Aufgaben zu Kapitel 22
a) Zi − Z0 ≡ (zi − z0 )(1 a a 2 · · · a d−1 ) (mod m), i ≥ 0. Aufgabe 22.20 ••• Es sei (X1 , X2 ) ein zweidimensio-
b) Bezeichnet G die Menge der ganzzahligen Linearkombi- naler Zufallsvektor mit 0 < V(X1 ) < ∞, 0 < V(X2 ) < ∞.
nationen der d Vektoren Zeigen Sie: Mit ρ := ρ(X1 , X2 ) gilt für jedes ε > 0:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0 42 0 * 1 1 + 1 − ρ2
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ P⎝ |Xj − EXj | ≥ ε V(Xj ) ⎠ ≤
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ .
⎜ a ⎟ ⎜m⎟ ⎜0⎟ ε2
⎜ ⎟, ⎜ ⎟ , ··· , ⎜ ⎟ , j =1
⎜ .. ⎟ ⎜ .. ⎟ ⎜ .. ⎟
⎜ . ⎟ ⎜.⎟ ⎜.⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
a d−1 0 m Aufgabe 22.21 ••• Es sei X eine Zufallsvariable mit
E|X| < ∞. Zeigen Sie: Ist a0 ∈ R mit
so gilt Zi − Z0 ∈ G für jedes i.
1 1
P(X ≥ a0 ) ≥ , P(X ≤ a0 ) ≥ ,
Aufgabe 22.13 •• Die Zufallsvariablen X1 , . . . , Xk , 2 2
k ≥ 2, seien stochastisch unabhängig mit gleicher,
überall positiver differenzierbarer Dichte f . Dabei hänge so folgt E|X − a0 | = mina∈R E|X − a|. Insbesondere gilt
9k also
j =1 (xj ) von (x1 , . . . , xk ) ∈ R nur über x1 + . . . + xk
f k 2 2
ab. Zeigen Sie: Es gibt ein σ > 0 mit E|X − Q1/2 | = min E|X − a|.
a∈R
1 x2
f (x) = √ exp − 2 , x ∈ R . Aufgabe 22.22 •• Die Zufallsvariable X sei symme-
σ 2π 2σ
trisch verteilt und besitze die stetige, auf {x | 0 < F (x) <
1} streng monotone Verteilungsfunktion F . Weiter gelte
Aufgabe 22.14 •• Leiten Sie die auf Seite 832 angege- EX 2 < ∞. Zeigen Sie:
bene Dichte gr,n der r-ten Ordnungsstatistik Xr:n über die
Beziehung Q3/4 − Q1/4 ≤ 8V(X) .
P(t ≤ Xr:n ≤ t + ε)
lim = gr,n (t)
ε→0 ε
Aufgabe 22.23 •• Es gelte X ∼ Nk (μ, ). Zeigen Sie,
für jede Stetigkeitsstelle t der Dichte f von X1 her. dass die quadratische Form (X − μ) −1 (X − μ) eine χk2 -
Verteilung besitzt.
Aufgabe 22.15 •• Leiten Sie die Darstellungsformel
für den Erwartungswert auf Seite 837 her. Aufgabe 22.24 • Zeigen Sie: Für die charakteristische
Funktion ϕX einer Zufallsvariablen X gelten:
Aufgabe 22.16 •• Es seien X eine Zufallsvariable und
p eine positive reelle Zahl. Man prüfe, ob die folgenden Aus- a) ϕX (−t) = ϕX (t), t ∈ R,
sagen äquivalent sind: b) ϕaX+b (t) = eitb ϕX (at), a, b, t ∈ R.
a) E|X|p < ∞,
∞ Aufgabe 22.25 •• Es sei X eine Zufallsvariable mit
b) P |X| > n1/p < ∞. charakteristischer Funktion ϕ und Dichte f . Weiter sei ϕ
n=1 reell und nichtnegativ, und es gelte c := ϕ(t) dt < ∞.
Zeigen Sie:
Aufgabe 22.17 ••
a) Es gilt c > 0, sodass durch g(x) := ϕ(x)/c, x ∈ R, eine
a) Es sei X eine Zufallsvariable mit E|X|p < ∞ für ein p > Dichte g definiert wird.
0. Zeigen Sie: Es gilt E|X|q < ∞ für jedes q ∈ (0, p). b) Ist Y eine Zufallsvariable mit Dichte g, so besitzt Y die
b) Geben Sie ein Beispiel für eine Zufallsvariable X mit charakteristische Funktion
E|X| = ∞ und E|X|p < ∞ für jedes p mit 0 < p < 1
an. 2π
ψ(t) = f (t) , t ∈ R.
c
Aufgabe 22.18 ••• Es sei X eine Zufallsvariable mit
EX 4 < ∞ und EX = 0, EX 2 = 1 = EX 3 . Zeigen Sie: Aufgabe 22.26 ••
EX 4 ≥ 2. Wann tritt hier Gleichheit ein?
a) Es seien X und Y unabhängige und je Exp(1)-verteilte
Zufallsvariablen. Bestimmen Sie Dichte und charakteri-
Aufgabe 22.19 •• Die Zufallsvariablen X1 , X2 , . . .
stische Funktion von Z := X − Y .
seien identisch verteilt, wobei E|X1 | < ∞. Zeigen Sie:
b) Zeigen Sie: Eine Zufallsvariable mit der Cauchy-
1 Verteilung C(0, 1) besitzt die charakteristische Funktion
lim E max |Xj | = 0 .
n→∞ n j =1,...,n ψ(t) = exp(−|t|), t ∈ R.
Aufgaben zu Kapitel 22 181
c) Es seien X1 , . . . , Xn unabhängig und identisch verteilt Aufgabe 22.34 • Die Zufallsvariable X sei N(μ, σ 2 )-
mit Cauchy-Verteilung C(α, β). Dann gilt: verteilt. Wie groß ist die Wahrscheinlichkeit, dass X vom
Erwartungswert μ betragsmäßig um höchstens das k-Fache
1
n
Xj ∼ C(α, β) . der Standardabweichung σ abweicht, k ∈ {1, 2, 3}?
n
j =1
Aufgabe 22.35 • Zeigen Sie, dass die Verteilungs-
Aufgabe 22.27 ••• Es sei h eine positive reelle Zahl. Die funktion der Standardnormalverteilung die Darstellung
Zufallsvariable X besitzt eine Gitterverteilung mit Spanne h, ∞
falls ein a ∈ R existiert, sodass PX ({a + hm | m ∈ Z}) = 1 1 1 (−1)k x 2k+1
(x) = +√ , x > 0,
gilt. (Beispiele für a = 0, h = 1: Binomialverteilung, Pois- 2 2π k=0 2k k!(2k + 1)
sonverteilung). Beweisen Sie die Äquivalenz der folgenden
Aussagen: besitzt.
a) X besitzt eine Gitterverteilung mit Spanne h. Aufgabe 22.36 •• Es sei F0 (x) := (1 + exp(−x))−1 ,
2π x ∈ R.
b) ϕX = 1.
h a) Zeigen Sie: F0 ist eine Verteilungsfunktion, und es gilt
2π
c) |ϕX (t)| ist periodisch mit Periode . F0 (−x) = 1 − F0 (x) für x ∈ R.
h
Aufgabe 22.28 •• Es sei X eine Zufallsvariable mit b) Skizzieren Sie die Dichte von F0 . Die von F0 erzeugte
charakteristischer Funktion ϕ. Zeigen Sie: Es gilt Lokations-Skalen-Familie heißt Familie der logistischen
Verteilungen. Eine Zufallsvariable X mit der Verteilungs-
1 T −ita funktion
lim e ϕ(t) dt = P(X = a), a ∈ R.
T →∞ 2T −T
x − a −1 x−a
F (x) = 1 + exp − = F0
Rechenaufgaben σ σ
heißt logistisch verteilt mit Parametern a und σ , σ > 0,
Aufgabe 22.29 •
kurz: X ∼ L(a, σ ).
a) Zeigen Sie, dass die Festsetzung c) Zeigen Sie: Ist F wie oben und f = F die Dichte von
1 F , so gilt
F (x) := 1 − , x ≥ 0,
1+x 1
f (x) = F (x)(1 − F (x)) .
und F (x) := 0 sonst, eine Verteilungsfunktion definiert. σ
b) Es sei X eine Zufallsvariable mit Verteilungsfunktion F . Die Verteilungsfunktion F genügt also einer logistischen
Bestimmen Sie P(X ≤ 10) und P(5 ≤ X ≤ 8). Differenzialgleichung.
c) Besitzt X eine Dichte?
Aufgabe 22.37 • Die Zufallsvariable X habe die
Aufgabe 22.30 •• Der Zufallsvektor (X, Y ) besitze Gleichverteilung U(0, 1). Welche Verteilung besitzt Y :=
eine Gleichverteilung im Einheitskreis B := {(x, y) : x 2 + 4X(1 − X)?
y 2 ≤ 1}. Welche marginalen Dichten haben X und Y ? Sind
X und Y stochastisch unabhängig? Aufgabe 22.38 •• Die Zufallsvariablen X1 , X2 besit-
zen die gemeinsame Dichte
Aufgabe 22.31 •• Die Zufallsvariable X habe die ste- √
2 3 2 3 2
tige Verteilungsfunktion F . Welche Verteilungsfunktion be- f (x1 , x2 ) = exp − x1 − x1 x2 − x2 , (x1 , x2 ) ∈ R2 .
π 2 2
sitzen die Zufallsvariablen
a) Bestimmen Sie die Dichten der Marginalverteilungen von
a) X 4 , b) |X|, c) − X? X1 und X2 . Sind X1 , X2 stochastisch unabhängig?
b) Welche gemeinsame Dichte besitzen Y1 := X1 + X2 und
Y2 := X1 − X2 ? Sind Y1 und Y2 unabhängig?
Aufgabe 22.32 • Wie ist die Zahl a zu wählen, damit
die durch f (x) := a exp(−|x|), x ∈ R, definierte Funktion
Aufgabe 22.39 •• Die Zufallsvariablen X, Y seien un-
eine Dichte wird? Wie lautet die zugehörige Verteilungsfunk-
abhängig und je Exp(λ)-verteilt, wobei λ > 0. Zeigen Sie:
tion?
Der Quotient X/Y besitzt die Verteilungsfunktion
Aufgabe 22.33 • Der Messfehler einer Waage kann t
G(t) = , t > 0,
aufgrund von Erfahrungswerten als approximativ normalver- 1+t
teilt mit Parametern μ = 0 (entspricht optimaler Justierung) und G(t) = 0 sonst.
und σ 2 = 0.2025 mg2 angenommen werden. Wie groß ist
die Wahrscheinlichkeit, dass eine Messung um weniger als Aufgabe 22.40 •• In der kinetischen Gastheorie wer-
0.45 mg (weniger als 0.9 mg) vom wahren Wert abweicht? den die Komponenten Vj des Geschwindigkeitsvektors V =
182 Aufgaben zu Kapitel 22
(V1 , V2 , V3 ) eines einzelnen Moleküls mit Masse m als sto- Aufgabe 22.49 • Die Zufallsvariable X besitze die
chastisch unabhängige und je N(0, kT /m)-verteilte Zufalls- Weibull-Verteilung Wei(α, 1). Zeigen Sie: Es gilt
variablen betrachtet. Hierbei bezeichnen k die Boltzmann- 1/α
Konstante 1
* und T die absolute Temperatur. Zeigen Sie, dass X ∼ Wei(α, λ) .
λ
Y := V12 + V22 + V32 die Dichte
D Aufgabe 22.50 •• Die Zufallsvariable X besitzt die
2 m 3/2 2 m y2
g(y) = y exp − 1(0,∞) (y) Weibull-Verteilung Wei(α, λ). Zeigen Sie:
π kT 2kT
" 1 + αk
a) EX k = , k ∈ N.
besitzt (sog. Maxwell’sche Geschwindigkeitsverteilung). λk/α
b) Q1/2 < E X.
Aufgabe 22.41 •• Die gemeinsame Dichte f der Zu-
fallsvariablen X und Y habe die Gestalt f (x, y) = ψ(x 2+y 2 )
Aufgabe 22.51 •• Zeigen Sie, dass eine χk2 -verteilte
mit einer Funktion ψ : R≥0 → R≥0 . Zeigen Sie: Der Quo-
Zufallsvariable X die Dichte
tient X/Y besitzt die Cauchy-Verteilung C(0, 1), also die
1 k x
Dichte
1 fk (x) := x 2 −1 e− 2 , x>0
g(t) = , t ∈ R. 2k/2 "(k/2)
π(1 + t 2 )
und fk (x) := 0 sonst besitzt.
Aufgabe 22.52 •• –
x
− arcsin y
arcsin y
Aufgabe 22.53 •• –
Da die Wahrscheinlichkeit, dass X in ein Intervall fällt, gleich konvexe Funktion g(x) = − log x, und im Fall c) ist M = R
der durch 2π dividierten Intervalllänge ist, folgt sowie g(x) = exp(x). Da alle Funktionen strikt konvex sind
und die Verteilung von X nicht in einem Punkt degeneriert
π arcsin y π − (π − arcsin y) ist, folgt die Behauptung.
G(y) = + +
2π 2π 2π
1 1 Aufgabe 22.6 • Für einen Zufallsvektor X =
= + arcsin y.
2 π (X1 , . . . , Xs ) ∼ Mult(n; p1 , . . . , ps ) gilt
Aus Symmetriegründen gilt G(y) + G(−y) = 1, sodass man ⎛ ⎞
die Verteilungsfunktion auch für y ∈ [−1, 0) zu s
P⎝ Xj = n⎠ = 1
j =1
1 1
G(y) = 1 − + arcsin(−y)
2 π (vgl. die Definition der Multinomialverteilung auf Seite 788).
1 1 Es besteht also eine lineare Beziehung zwischen den Kom-
= + arcsin y
2 π ponenten von X, was die Behauptung zeigt.
erhält. Es gilt somit
Aufgabe 22.7 • „⇒“: Besitzen X und −X dieselbe
1 1 Verteilung, so besitzen sie auch dieselbe charakteristische
G(y) = + arcsin y, −1 ≤ y ≤ 1. Funktion. Es gilt also ϕX (t) = ϕ−X (t), t ∈ R. Wegen
2 π
ϕ−X (t) = ϕX (t) ist ϕX (t) reellwertig.
Natürlich gilt G(y) = 0 für y < −1 und G(y) = 1 für
y > 1. Die Dichte von Y ist „⇐“: Gilt ϕX (t) ∈ R ∀ t ∈ R, so ist
1 ϕX (t) = ϕX (t) = ϕ−X (t), t ∈ R.
g(y) = , |y| < 1,
π(1 − y 2 )
Somit besitzen X und −X dieselbe charakteristische Funk-
und g(y) = 0 sonst. tion und damit nach dem Eindeutigkeitssatz auf Seite 857
f (x ) = sinx dieselbe Verteilung.
1
y
Beweisaufgaben
Aufgabe 22.8 ••• a) Es seien M := {x ∈ R | F (x) =
x G(x)} und x0 ∈ R beliebig. Da M in R dicht liegt, gibt es
− arcsin y
arcsin y
Eigenschaft widerspricht aber der Konvergenz F (x) → 1 im Fall u = i/m (bzw. . . . = (j − i)/m im Fall u > i/m).
bei x → ∞. Wegen
c) Es seien Q =: {q1 , q2 , . . .} eine Aufzählung von Q, X eine j −i j +1−i
Zufallsvariable mit P(X = qj ) = 2−j für j ≥ 1 und F die ≤ v−u ≤
m m
Verteilungsfunktion von X. Wegen P(X ∈ Q) = 1 und der
Abzählbarkeit von Q ist F eine diskrete Verteilungsfunktion. im Fall u = i/m (bzw. (j −i−1)/m < v−u < (j +1−i)/m
Zu beliebigem x ∈ R und beliebigem ε > 0 gibt es minde- im Fall u > i/m) folgt die Behauptung.
stens eine rationale Zahl im Intervall (x − ε, x + ε]. Folglich
ist 0 < P(x − ε < X ≤ x + ε) = F (x + ε) − F (x − ε), was
Aufgabe 22.11 •• a) Wir zeigen die Behauptung durch
W (F ) = R zeigt.
Induktion über n, wobei der Induktionsanfang n = 1 unmit-
telbar klar ist. Der Induktionsschluss n → n + 1 folgt we-
Aufgabe 22.9 •• Die im Hinweis gegebene Darstellung
gen r1 . . . rn+1 − s1 . . . sn+1 = (r1 . . . rn − s1 . . . sn )rn+1 +
spiegelt die Tatsache wider, dass das Ereignis {X ≤ x} die
s1 . . . sn (rn+1 − sn+1 ) aus der Dreiecksungleichung und
Vereinigung der disjunkten Ereignisse {X ∈ (x, y]} und
0 ≤ rj , sj ≤ 1.
∪nj=1 Aj ist. Nach der Formel des Ein- und Ausschließens
auf Seite 717 gilt b) Wenden wir (22.16) auf rj := Pm ({aj ∈ m : uj ≤ aj ≤
⎛ ⎞ vj }) und sj := vj − uj an, wobei 0 ≤ uj < vj ≤ 1,
4
k k
P⎝ Aj ⎠ = (−1)r−1 Sr , j = 1, . . . , n, so ergibt sich unter Beachtung von (22.15) die
j =1 r=1
Behauptung.
für eine Funktion g : [0, ∞) → (0, ∞) folgt Aufgabe 22.15 •• Führt man die im Hinweis angege-
bene Integration aus, so ergibt sich
k
∞
x
log f (xj ) = log g x12 + . . . + xk2 1B dPX⊗λ1 = 1B (x, y)λ1 (dy)PX (dx)
j =1
0 ∞ 0
und somit für festes m ∈ {1, . . . , k} = x PX (dx).
0
für ein K > 0. Da f eine Wahrscheinlichkeitsdichte ist, kann folgt. Integriert man die Indikatorfunktion der Menge
nur c < 0 gelten. Hieraus folgt die Behauptung. A := {(x, y) ∈ R2 | −∞ ≤ x ≤ y ≤ 0}
Aufgabe 22.14 •• Wir überlegen uns zunächst, dass bezüglich PX ⊗ λ1 , so erhält man in gleicher Weise
die zweite Aussage im Hinweis richtig ist. Wegen Nε :=
0
0
N[t,t+ε] ∼ Bin(n, pε ), wobei pε = F (t +ε)−F (t) ∼ f (t)ε − F (y) dy = x PX (dx).
für ε → 0 gilt −∞ −∞
was „⇒“ zeigt, wenn man k gegen unendlich streben lässt. Mit √
Die umgekehrte Implikation folgt aus der Darstellungsformel 1 1− 5
=−
und der für jedes k ∈ N geltenden Ungleichungskette a 2
gilt
k+1 k+1
n 1 1
(1 − G(t)) dt = (1 − G(t)) dt 2 a− − a 2 −4+ 2 − 1 = 2,
0
a a
n=1 n−1
k+1 und somit folgt EX 4 ≥ 2. Weiter gilt
≤ (1 − G(n − 1))
1
n=1 EX 4 = 2 ⇐⇒ P(X = a) + P X = − = 1.
a
k
= 1 − G(0) + P(Y > n) Setzen wir p := P(X = a), so liefert die Bedingung EX = 0
n=1 die Gleichung
∞
≤ 1+ P(Y > n) 1 1 1
n=1
0 = p a − (1 − p) = p a + −
a a a
beim Grenzübergang k → ∞. und somit
1 2
p= = √ .
Aufgabe 22.17 •• 1 + a2 5+ 5
a) Es gilt (punktweise auf ) |X|q ≤ 1 + |X|p . Hieraus Direktes Nachrechnen ergibt, dass hiermit auch die Bedin-
folgt gungen EX 2 = EX 3 = 1 erfüllt sind.
E|X|q ≤ 1 + E|X|p < ∞.
Aufgabe 22.19 •• Zunächst existiert der rechts ste-
b) Es sei X ∼ C(0, 1) mit Dichte f (x) = 1/(π(1 + x 2 )), hende Erwartungswert, denn es ist
x ∈ R. Dann gilt
n
∞ max |Xj | ≤ |Xj |
|x| j =1,...,n
E|X| = dx = ∞. j =1
−∞ π(1 + x 2 )
und E|Xj | = E|X1 | < ∞. Nach der Darstellungsformel auf
Ist p ∈ (0, 1), so folgt Seite 837 gilt für jedes a mit 0 < a < ∞
∞
∞
2 xp
E|X|p = dx, E max |Xj | = P max |Xj | > t dt
π 0 1 + x2 j =1...,n 0 j =1...,n
∞
und wegen ≤ a+ P max |Xj | > t dt.
j =1...,n
∞
∞
a
xp 1
dx ≤ 1 + dx < ∞ Aufgrund der identischen Verteilung der Xj gilt
0 1 + x2 1 x 2−p
⎛ ⎞
4n
ergibt sich E|X|p < ∞.
P max |Xj | > t = P ⎝ {|Xj | > t}⎠
j =1...,n
j =1
Aufgabe 22.18 ••• Multipliziert man das im Hinweis
angegebene Polynom aus, so ergibt sich
n
≤ P |Xj | > t
j =1
1 3 1 1
p(x) = x 4 −2 a − x + a 2 −4+ 2 x 2 +2 a − x+1. = n P (|X1 | > t)
a a a
√
Wegen p(x) ≥ 0, x ∈ R, folgt aufgrund der Monotonie und und somit – wenn wir a := n setzen –
Linearität der Erwartungswertbildung
∞
√
E max |Xj | ≤ n + n √ P (|X1 | > t) dt.
j =1...,n
0 ≤ Ep(X) n
4 1 Dividiert man beide Seiten durch n, so folgt die Behauptung,
= EX − 2 a − EX 3
a denn wegen
1 1
∞
+ a 2 −4+ 2 EX 2 + 2 a − EX + 1
a a E|X1 | = P (|X1 | > t) dt < ∞
0
1 1
= EX 4 − 2 a − + a 2 −4+ 2 + 1. ∞
√
a a gilt n P (|X1 | > t) dt → 0 für n → ∞.
190 Lösungswege zu Kapitel 22
Das letzte Gleichheitszeichen gilt wegen 0 ∈ R. Da der Aufgabe 22.30 •• X und Y haben die gemeinsame
Integrand nichtnegativ ist und die Gleichung 0 = 1 − Dichte
cos(2πx/ h − α) zu 1
h(x, y) := , falls x 2 + y 2 ≤ 1
π
αh und h(x, y) := 0 sonst. Wegen h(x, y) = 0, falls |x| > 1
x∈ + mhm ∈ Z
2π oder |y| > 1 ergibt sich die marginale Dichte von X aus der
gemeinsamen Dichte gemäß (22.14) zu
äquivalent ist, folgt die Behauptung mit a := αh/(2 π ),
denn ganz allgemein
gilt ja für Maßintegrale die Implikation
√1−x 2
„f ≥ 0 und f dμ = 0 ⇒ f = 0 μ-f.ü.“ (siehe Folgerung 1 2
f (x) = √ 1 dy = 1 − x 2 , (22.17)
a) auf Seite 245). π − 1−x 2 π
Aufgabe 22.28 •• Es ist falls |x| ≤ 1 und f (x) = 0 für |x| > 1 (siehe nachstehende
Abbildung). Aus Symmetriegründen besitzt Y die gleiche
T
T
∞
1 −ita 1 −ita marginale Dichte wie X.
e ϕ(t) dt= e eitx PX (dx) dt
2T −T 2T −T −∞
∞
T f (x )
1
= eit (x−a) dt PX (dx)
2T −∞ −T
1
∞ eit (x−a) T
= PX (dx)
2T ∞ i(x − a) −T
∞
1 2 sin(T (x −a)) X
= P (dx) 1 1 x
2T −∞ x−a
∞
sin(T (x − a)) X Marginale Dichte der Gleichverteilung im Einheitskreis
= P (dx).
−∞ T (x − a)
X und Y sind nicht unabhängig, denn es gilt etwa P(X >
Dabei wurde beim zweiten Gleichheitszeichen der Satz von 0.8, Y > 0.8) = 0, aber P(X > 0.8) P(Y > 0.8) > 0.
Fubini verwendet. Der Integrand im letzten Integral konver-
giert für T → ∞ gegen 0, falls x = a bzw. gegen 1, falls Aufgabe 22.31 •• a) Nach Definition ist die Vertei-
x = a. Da der Integrand betragsmäßig durch 1 nach oben lungsfunktion G einer Zufallsvariablen Y durch G(t) :=
beschränkt ist, ergibt sich mit dem Satz von der dominierten P(Y ≤ t), t ∈ R, gegeben. Hiermit folgt wegen {X 4 ≤
Konvergenz t} = ∅ für t < 0 und {X 4 ≤ t} = {−t 1/4 ≤ X ≤ t 1/4 }
T
∞ sowie P(−t 1/4 ≤ X ≤ t 1/4 ) = F (t 1/4 ) − F (−t 1/4 ) (hier
1
lim e−ita ϕ(t) dt = 1{a} (x) PX (dx) ging P(X = −t 1/4 ) = 0 und somit die Stetigkeit von F ein!)
T →∞ 2T −T −∞
#
= P(X = a). F (t 1/4 ) − F (−t 1/4 ), falls t ≥ 0,
4
G(t) := P(X ≤ t) =
0 sonst.
Rechenaufgaben
b) Analog zu oben ist
Aufgabe 22.29 • a) Die Funktion F ist monoton wach-
#
send und stetig, also insbesondere rechtsseitig stetig, und es F (t) − F (−t), falls t ≥ 0,
gilt F (x) → 0 für x → −∞ sowie F (x) → 1 für x → ∞. G(t) := P(|X| ≤ t) =
0 sonst.
Somit ist F eine Verteilungsfunktion.
die Verteilungsfunktion von |X|.
b) Es ist
c) Wegen der Stetigkeit von F gilt
P(X ≤ 10) = F (10) = 1 − 1/(1 + 10) = 10/11 ≈ 0.909
G(t) := P(−X ≤ t) = P(X ≥ −t) = 1 − P(X < −t)
sowie wegen der Stetigkeit von F
= 1 − P(X ≤ −t) = 1 − F (−t), t ∈ R.
P(5 ≤ X ≤ 8) = P(5 < X ≤ 8) = F (8) − F (5)
1 1 1
= − = ≈ 0.0556. Aufgabe 22.32 • Für jedes a > 0 liegt eine Borel-
6 9 18
messbare nichtnegative Funktion vor.
∞ Eine Dichte entsteht,
c) Die Funktion F ist mit Ausnahme des Punktes x = 0 stetig wenn die Normierungsbedingung −∞ f (x)dx = 1 erfüllt
differenzierbar, und die Ableitung ist F (x) = 0 für x < 0 ist. Wegen f (x) = f (−x), x ∈ R, gilt
und F (x) = 1/(1+x)2 für x > 0. Setzen wirf (x) := F (x)
∞
∞
x
für x = 0 und f (0) := 0, so gilt F (x) = −∞ f (t) dt für f (x) dx = 2a exp(−x) dx = 2a.
jedes x ∈ R. Also ist f eine Dichte von F . −∞ 0
Lösungswege zu Kapitel 22 193
Eine Dichte entsteht also für a = 1/2. Wegen der Symmetrie Da die Konvergenz dieser Reihe auf dem kompakten Intervall
der Dichte um 0 genügt die zugehörige Verteilungsfunktion [0, x] gleichmäßig ist, kann über diesem Intervall gliedweise
F der Gleichung F (x) + F (−x) = 1, x ∈ R. Insbesondere integriert werden. Wegen
gilt also F (0) = 1/2. Für x > 0 folgt
x
1
(x) = + ϕ(t) dt
1 1 x 2 0
F (x) = + exp(−t) dt
2 2 0
x für x > 0 folgt die Behauptung.
1 1 1
= + (− exp(−t)) = 1 − exp(−x).
2 2 0 2 Aufgabe 22.36 •• a) Es gilt
1
Aufgabe 22.33 • Modellieren wir den Messfehler als lim F0 (x) = lim= 0,
x→−∞ 1 + e−x
x→−∞
Zufallsvariable X mit der Verteilung N(0, 0.2025), so gilt
1
wegen 0.2025 = 0.452 unter Verwendung von Tabelle 22.21 lim F0 (x) = lim = 1.
x→∞ x→∞ 1 + e−x
X F ist stetig auf R, und für x, y mit x ≤ y gilt
P(|X| ≤ 0.45) = P −1 ≤ ≤1
0.45
= (1) − (−1) = 2(1) − 1 1 1
F0 (x) = ≤ = F0 (y).
≈ 2 · 0.8413 − 1 = 0.6826. 1 + e−x 1 + e−y
Somit ist F0 eine Verteilungsfunktion. Außerdem gilt für je-
In gleicher Weise folgt des x ∈ R
X 1 1 + e−x − 1
P(|X| ≤ 0.9) = P −2 ≤ ≤2 1 − F0 (x) = 1 − =
0.45 1 + e−x 1 + e−x
= (2) − (−2) = 2(2) − 1 e −x 1
= = x
≈ 2 · 0.9772 − 1 = 0.9544. 1 + e−x e +1
= F0 (−x).
@ ≤ k)
P(|X − μ| ≤ k σ ) = P(|X|
y
= (k) − (−k)
= 2(k) − 1.
Aufgabe 22.37 • Wegen P(0 < X < 1) = 1 gilt X1 und X2 sind nicht stochastisch unabhängig, denn sonst
P(0 < Y < 1) = 1. Bezeichnet G die Verteilungsfunktion wäre
von Y , so gilt somit G(y) = 0, falls y ≤ 0 und G(y) = 1,
falls y ≥ 1. Für y ∈ (0, 1) gilt (siehe nachstehende Abbil- 1 x12 + x22
f@(x1 , x2 ) := f1 (x1 )f2 (x2 ) = 2 exp −
dung des Graphen von x −→ 4 x (1 − x)) σ 2π 2σ 2
b) Es gilt
⎛ ⎞ ⎛ ⎞
Y1 X1
−1 0 1 x ⎝ ⎠ = A ⎝ ⎠,
Y2 X2
Aufgabe 22.39 •• Für t > 0 ist Mit (22.29) ergibt sich dann die Dichte von X/Y zu
∞
G(t) = P(X < tY )
∞
ty g(t) = f (ts, s) |s| ds
−λx
= λe dx λ e−λy dy
−∞
∞
0 0
∞ = ψ((t 2 + 1)s 2 ) |s| ds
= (1 − exp(−λty)) λ e−λy dy −∞
∞
0
∞ = 2 ψ((t 2 + 1)s 2 ) s ds
= 1−λ exp(−λ(t + 1)y) dy 0
∞
0 2
1 = ψ(r 2 ) rdr
= 1− 1 + t2 0
t +1 1
t = .
= . π(1 + t 2 )
t +1
Wegen P(X/Y > 0) = 1 ist G(t) = 0 für t ≤ 0. Aufgabe 22.42 • Nach der auf Seite 827 formulierten
Aussage sind mit unabhängigen und je U(0, 1)-verteilten Zu-
Aufgabe 22.40 •• Es gilt fallsvariablen U1 , U2 die Zufallsvariablen
D
kT Y1 := −2 log U1 sin (2π U2 ) ,
(V1 , V2 , V3 ) ∼ (Z1 , Z2 , Z3 ),
m
Y2 := −2 log U1 cos (2π U2 )
wobei Z1 , Z2 , Z3 stochastisch unabhängig und je N(0, 1)-
normalverteilt sind. Somit gilt mit dem Hinweis unabhängig und je standardnormalverteilt. Aus diesem
D Grund besitzt der Quotient zweier unabhängiger und je stan-
*
kT √ dardnormalverteilter Zufallsvariablen die gleiche Verteilung
Y = V1 + V 2 + V 3 ∼
2 2 2 Z,
m wie Y1 /Y2 = tan(2π U2 ). Da die Tangensfunktion die Pe-
riode π besitzt, hat tan(2π U2 ) die gleiche Verteilung wie
wobei Z eine χ32 -Verteilung und somit die Dichte T := tan(π U2 ). Aus dem Verlauf des Graphen der Tangens-
x funktion auf dem Intervall (0, π ) ergibt sich für t ≥ 0
1
f (x) = exp − x 3/2−1 , x > 0,
23/2 "(3/2) 2 1 1
P(T ≤ t) = + P U2 ≤ arctan t
und f (x) := 0 sonst besitzt. Mit der Abkürzung a := 2 π
√ 1 1
(kT )/m hat Y nach dem Satz (Methode Verteilungsfunk- = + arctan t
tion) auf Seite 824 die Verteilungsfunktion 2 π
√ y2 und aus Symmetriegründen für t < 0 ebenfalls
G(y) := P(Y ≤ y) = P(a Z ≤ y) = P Z ≤ 2 , y > 0,
a
P(T ≤ t) = 1 − P(T ≤ −t)
sowie G(y) := 0 für y ≤ 0. Somit ist die Dichte von Y durch 1 1
= 1− + arctan(−t)
2 π
y 2 2y 1 1
g(y) = f = + arctan t.
a2 a2 2 π
D
2 m 3/2 2 m y2 Durch Ableiten erhält man die Dichte f (t) = 1/(π(1 + t 2 )).
= y exp −
π kT 2kT Man beachte, dass die in der Aufgabenstellung geschilderte
Situation ein Spezialfall von Aufgabe 22.41 ist.
für y > 0 und g(y) = 0 sonst gegeben.
Aufgabe 22.41 •• Durch Übergang zu Polarkoordina- Aufgabe 22.43 •• Es gilt (X1 , X2 ) ∼ (Y1 , Y2 ), wobei
ten x = r cos θ, y = r sin θ, dxdy = rdrdθ erhält man
∞
∞
∞
Y1 := −2 log U1 sin (2π U2 ) ,
2π
1= ψ(x 2 +y 2 ) dxdy = ψ(r 2 )rdr 1dθ Y2 := −2 log U1 cos (2π U2 )
−∞ −∞ 0 0
also unter Berücksichtigung der Positivitätsbereiche beider sowie det( ) = σ12 . . . σk2 , und die gemeinsame Dichte von
Dichten für t > 0 X1 , . . . , Xk hat somit die Gestalt
min(1,1/t) ⎛ ⎞
1 1 k
(xj − μj )2
g(t) = s ds = (min(1, 1/t))2 . f (x) = exp ⎝− ⎠
0 2 (2π )k/2 σ1 . . . σk 2σj2
j =1
Die zugehörige Verteilungsfunktion ist
k
1 (xj − μj )2
# = √ exp − ,
t/2, falls 0 ≤ t ≤ 1, j =1
σj 2π 2σj2
G(t) = P(X/Y ≤ t) =
1 − 2t1 , falls 1 < t < ∞,
x = (x1 , . . . , xk ) ∈ Rk . Die gemeinsame Dichte ist also
das Produkt der marginalen Dichten von X1 , . . . , Xk . Nach
sowie G(t) := 0 sonst.
dem Unabhängigkeitskriterium für Dichten auf Seite 821
sind X1 , . . . , Xk stochastisch unabhängig.
Aufgabe 22.45 •• Auf Seite 850 wurden die margina-
len Dichten f und g von X und Y zu Aufgabe 22.47 •• Wir beziehen uns im Folgenden auf
Abb. 22.23. Da zwischen und X die Gleichung
f (x) = 2(1 − x), g(x) = 2x, 0 ≤ x ≤ 1,
π X−α
tan − =
und f (x) = g(x) := 0 sonst bestimmt. Hieraus ergibt sich 2 β
a) und b) wie folgt: besteht, folgt mit P( ≤ y) = y/π , 0 ≤ y ≤ π, für die
1 Verteilungsfunktion F von X
1
EX = 2 x(1 − x) dx = , X−α x−α
0 3 F (x) = P(X ≤ x) = P ≤
1 β β
2
EY = 2 y 2 dy = , π x−α
0 3 = P ≤ + arctan
1 2 β
1
EX 2 = 2 x 2 (1 − x) dx = , 1 1 x−α
0 6 = + arctan , x ∈ R.
1 2 π β
V(X) = EX 2 − (EX)2 = ,
18 Nach (22.44) gilt X ∼ C(α, β).
1 1
EY 2 = 2 y 3 dy = , Aufgabe 22.48 •Die Verteilungsfunktion von X ist
0 2
1 1 1 x−α
V(Y ) = EY 2 − (EY )2 = . F (x) = + arctan , x ∈ R.
18 2 π β
Lösungswege zu Kapitel 22 197
bezüglich y maximieren können. Der Wert y0 , an dem diese b) Die Behauptung folgt unmittelbar aus a) und V(X) =
Funktion ihr Maximum annimmt, ist y0 = μ−σ 2 . Die Rück- EX 2 − (EX)2 .
transformation x = exp(y) liefert dann a).
c) Wir bestimmen zunächst die Dichte von Y := W/V . Diese
b) Da die Lognormalverteilung LN(μ, σ 2 ) die Verteilungs- ergibt sich nach Teil c) des Satzes über die Dichte einer Dif-
funktion F (x) = ((log x − μ)/σ ), x > 0, besitzt, führt die ferenz, eines Produktes und eines Quotienten unabhängiger
Gleichung F (x) = 1/2 auf die Lösung x = exp(μ). Zufallsvariablen auf Seite 831 zu
c) Mit der Substitution u = log x und quadratischer Ergän-
∞
zung ergibt sich fY (t) = fW (ts) fV (s) s ds
0
∞
λβ λα ∞
1 1 (log x − μ)2
EX = √ x · exp − dx = (ts)β−1 e−λts s α−1 e−λs s ds
σ 2π 0 x 2σ 2 "(β) "(α) 0
∞
∞ λα+β t β−1
1 u (u − μ)2 = s α+β−1 e−λ(t+1)s ds.
= √ e exp − du "(α)"(β) 0
σ 2π −∞ 2σ 2
μ2 (μ + σ 2 )2 Mit der Substitution u := λ(t + 1)s und
= exp − 2 exp ×
2σ 2σ 2
∞
∞ uα+β−1 e−u du = "(α + β)
1 (u − (μ + σ 2 ))2
× √ exp − du 0
σ 2π −∞ 2σ 2
folgt
= exp μ + σ 2 /2 .
zk
P(X = k|Z = z) = e−z , k ∈ N0 , z > 0,
k!
für jedes k ∈ N0
∞
P(X = k) = P(X = k|Z = z) g(z) dz
0
∞ zk β r r−1 −βz
= e−z z e dz
0 k! "(r)
∞
βr
= zk+r−1 exp(−(1 + β)z) dz
"(r) k! 0
∞
βr
= uk+r−1 e−u du
(r − 1)! k! (1 + β)k+r 0
βr
= "(k + r)
(r − 1)! k! (1 + β)k+r
r k
k+r −1 β 1
= .
r −1 1+β 1+β
1 Zeigen Sie:
P(Xn = 1) = P(Xn = −1) = (1 − 2−n ),
2 f.s.
a) σn2 −→ σf2 für n → ∞.
1
P(Xn = 2n ) = P(Xn = −2n ) = n−1 . √ D
2 b) n(In − I )/σn −→ N(0, 1) für n → ∞.
M. Brokate et al., Arbeitsbuch Grundwissen Mathematikstudium – Höhere Analysis, Numerik und
Stochastik, DOI 10.1007/978-3-642-54946-5_22, © Springer-Verlag Berlin Heidelberg 2016
Aufgaben zu Kapitel 23 201
Aufgabe 23.14 •• Zeigen Sie: b) Ein echter Würfel werde in unabhängiger Folge gewor-
n fen. Die Zufallsvariable Yj beschreibe die beim j -ten
nk 1
a) lim e−n = , Wurf erzielte Augenzahl, j ≥ 1. Zeigen Sie:
n→∞ k! 2
k=0
1
n
2n f.s. 5
−n n
k
1{Yj < Yj +1 } −→ .
b) lim e = 1. n 12
n→∞ k! j =1
k=0
Aufgabe 23.15 •• Die Zufallsvariable Sn besitze die Aufgabe 23.21 •• Es seien (Xn )n≥1 und (Yn )n≥1 Fol-
Binomialverteilung Bin(n, pn ), n ≥ 1, wobei 0 < pn < 1 gen von Zufallsvariablen auf einem Wahrscheinlichkeits-
und pn → p ∈ (0, 1) für n → ∞. Zeigen Sie: raum (, A, P) mit
Sn − npn ∞
D
√ −→ N(0, 1) für n → ∞. P(Xn = Yn ) < ∞.
npn (1 − pn )
n=1
1 1
n n
f.s. f.s.
Beweisaufgaben Zeigen Sie: Yj −→ 0 ⇒ Xj −→ 0.
n n
j =1 j =1
Aufgabe 23.16 • Beweisen Sie den Satz zur Äquiva-
lenz der fast sicheren bzw. stochastischen Konvergenz von Aufgabe 23.22 •• Es sei (Xn ) eine Folge unabhän-
Zufallsvektoren zur jeweils komponentenweisen Konvergenz giger Zufallsvariablen auf einem Wahrscheinlichkeitsraum
auf Seite 871. (, A, P) mit Xn ∼ Bin(1, 1/n), n ≥ 1. Zeigen Sie:
Aufgabe 23.17 ••• Es sei (Xn )n≥1 eine Folge von 1
n
Zufallsvariablen auf einem Wahrscheinlichkeitsraum lim Xj = 1 P-fast sicher.
n→∞ log n
(, A, P). j =1
1
n
f.s. f.s.
a) Zeigen Sie: Xn −→ 0 ⇒ Xj −→ 0. Aufgabe 23.23 •• Es sei (Xn ) eine u.i.v.-Folge mit
n
j =1 X1 ∼ U(0, 1). Zeigen Sie:
b) Gilt diese Implikation auch, wenn fast sichere Konver-
D
genz durch stochastische Konvergenz ersetzt wird? a) n 1 − max Xj −→ Exp(1) für n → ∞.
1≤j ≤n
Aufgabe 23.18 •• Es sei (Xn ) eine Folge unabhän- D
b) n min Xj −→ Exp(1) für n → ∞.
giger Zufallsvariablen auf einem Wahrscheinlichkeitsraum 1≤j ≤n
(, A, P) mit P(Xn = 1) = 1/n und P(Xn = 0) = 1 − 1/n,
n ≥ 1. Zeigen Sie, dass die Folge (Xn ) stochastisch, aber Aufgabe 23.24 •• Es seien X, X1 , X2 , . . . ; Y1 , Y2 , . . .
nicht fast sicher gegen null konvergiert. Zufallsvariablen auf einem Wahrscheinlichkeitsraum
D P
(, A, P) mit Xn −→ X und Yn −→ a für ein a ∈ R.
Aufgabe 23.19 •• Es sei V die Menge aller reellen Zu- Zeigen Sie:
fallsvariablen auf einem Wahrscheinlichkeitsraum (, A, P) D
Xn Yn −→ a X.
und d : V × V → [0, 1] durch
d(X, Y ) := inf{ε ≥ 0 | P(|X − Y | > ε) ≤ ε} Aufgabe 23.25 •• Es seien Xn , Yn , n ≥ 1, Zufallsva-
riablen auf einem Wahrscheinlichkeitsraum (, A, P) sowie
definiert. Zeigen Sie: Für X, Y, Z, X1 , X2 , . . . ∈ V gelten:
(an ), (bn ) beschränkte Zahlenfolgen mit limn→∞ an = 0.
a) d(X, Y ) = min{ε > 0 | P(|X − Y | > ε) ≤ ε} Weiter gelte Xn = OP (1) und Yn = OP (1). Zeigen Sie:
b) d(X, Y ) = 0 ⇐⇒ X = Y P-f.s., a) Xn + Yn = OP (1), Xn Yn = OP (1),
c) d(X, Z) ≤ d(X, Y ) + d(Y, Z), b) Xn + bn = OP (1), bn Xn = OP (1),
P c) an Xn = oP (1).
d) limn→∞ d(Xn , X) = 0 ⇐⇒ Xn −→ X.
sin t
∞
t reelle Zahlenfolge mit an = 0, n ≥ 1. Weiter sei
(an ) eine
= cos j , t ∈ R. Tn := nj=1 aj Wj . Zeigen Sie:
t 2
j =1
max1≤j ≤n |aj | Tn D
Aus lim * = 0 folgt √ −→ N(0, 1).
Aufgabe 23.28 •• Es seien μ ∈ R, (Zn ) eine Folge von
n→∞ n 2 V (T n )
j =1 aj
Zufallsvariablen und (an ) eine Folge positiver reeller Zahlen
mit
D P
an (Zn − μ) −→ N(0, 1) und Zn −→ μ Aufgabe 23.35 •• Es sei (Xn )n≥1 eine Folge von un-
abhängigen Indikatorvariablen und Sn := nj=1 Xj . Zeigen
für n → ∞. Weiter sei g : R → R eine stetig differenzier-
bare Funktion mit g (μ) = 0. Zeigen Sie: Sie: Aus ∞n=1 V(Xn ) = ∞ folgt die Gültigkeit des Zentra-
√ D
len Grenzwertsatzes (Sn − ESn )/ V(Sn ) −→ N(0, 1).
D
an (g(Zn ) − g(μ)) −→ N 0, (g (μ))2 für n → ∞
Aufgabe 23.38 •• Die Zufallsvariablen X1 , X2 , . . . Aufgabe 23.7 •• Der Durchschnitt endlich vieler Eins-
seien stochastisch unabhängig, wobei Xk ∼ N(0, k!), k ≥ 1. Mengen ist ebenfalls eine Eins-Menge.
Zeigen Sie:
Aufgabe 23.8 •• Wählen Sie in b) Yn := Xn 1
a) Es gilt der Zentrale Grenzwertsatz.
{Xn = ±1}.
b) Die Lindeberg-Bedingung ist nicht erfüllt.
Aufgabe 23.9 •• Die Vereinigung endlich vieler kom-
Aufgabe 23.39 •• In einer Bernoulli-Kette mit Treffer- pakter Mengen ist kompakt.
wahrscheinlichkeit p ∈ (0, 1) bezeichne Tn die Anzahl der
Versuche, bis der n-te Treffer aufgetreten ist. Aufgabe 23.10 •• Rechnen Sie die charakteristische
Funktion der Gleichverteilung U(0, 1) aus.
a) Zeigen Sie:
√ Aufgabe 23.11 •• Beachten Sie das Lemma von Sluzki.
n + a n(1 − p)
lim P Tn > = 1−(a), a ∈ R.
n→∞ p
Aufgabe 23.12 •• –
b) Wie groß ist ungefähr die Wahrscheinlichkeit, dass bei
fortgesetztem Werfen eines echten Würfels die hunderts- Aufgabe 23.13 •• Verwenden Sie für b) das Lemma
te Sechs nach 650 Würfen noch nicht aufgetreten ist? von Sluzki.
Aufgabe 23.40 •• Wir hatten in Aufgabe 21.6 gesehen, Aufgabe 23.14 •• Deuten Sie die Summen wahrschein-
dass in einer patriarchisch orientierten Gesellschaft, in der lichkeitstheoretisch.
Eltern so lange Kinder bekommen, bis der erste Sohn ge-
boren wird, die Anzahl der Mädchen in einer aus n Fami- Aufgabe 23.15 •• Es liegt ein Dreiecksschema vor.
lien bestehenden Gesellschaft die negative Binomialvertei-
lung Nb(n, 1/2) besitzt. Zeigen Sie:
Beweisaufgaben
a) Für jede Wahl von a, b ∈ R mit a < b gilt
Aufgabe 23.16 • –
√ √ b a
lim P n + a n ≤ Sn ≤ b + n = √ − √ .
n→∞ 2 2 Aufgabe 23.17 ••• Wählen Sie für b) unabhängige Zu-
1 fallsvariablen X1 , X2 , . . . mit P(Xn = 0) = 1 − n1 und
b) lim P(Sn ≥ n) = . P(Xn = 2n) = n1 , n ≥ 1, und schätzen Sie die Wahrschein-
n→∞ 2
lichkeit P(n−1 nj=1 Xj > 1) nach unten ab. Verwenden Sie
dabei die Ungleichung log t ≤ t − 1 sowie die Beziehung
Hinweise
k
1
− log k − γ → 0 für k → ∞,
j
j =1
Verständnisfragen
Aufgabe 23.1 • Betrachten Sie die Ereignisse wobei γ die Euler-Mascheroni’sche Konstante bezeichnet.
{|Xn − X| ≤ 1/k}.
Aufgabe 23.18 •• Wenden Sie das Lemma von Borel-
Aufgabe 23.2 • Verwenden Sie die auf Seite 868 an- Cantelli einmal auf die Ereignisse An = {Xn = 1}, n ≥ 1,
gegebene Charakterisierung der fast sicheren Konvergenz. und zum anderen auf die Ereignisse Bn = {Xn = 0}, n ≥ 1,
an.
Aufgabe 23.3 •• In einem diskreten Wahrscheinlich-
keitsraum (, A, P) gibt es eine abzählbare Teilmenge Aufgabe 23.19 •• Überlegen Sie sich, dass das Infi-
0 ∈ A mit P(0 ) = 1. mum angenommen wird.
Aufgabe 23.4 • Verwenden Sie das Teilfolgenkrite- Aufgabe 23.20 ••• Betrachten Sie die Teilfolge
rium für stochastische Konvergenz. X1 , Xk+1 , X2k+1 , . . .
Aufgabe 23.5 •• Der Durchschnitt endlich vieler Eins- Aufgabe 23.21 •• Verwenden Sie das Lemma von
Mengen ist ebenfalls eine Eins-Menge. Borel-Cantelli.
Aufgabe 23.6 • Zerlegen Sie Xn in Positiv- und Ne- Aufgabe 23.22 •• Verwenden Sie das Kolmogorov-
gativteil. Kriterium und beachten Sie ∞
n=2 1/(n(log n) ) < ∞.
2
204 Lösungen zu Kapitel 23
Aufgabe 23.2 • –
Aufgabe 23.25 •• –
Aufgabe 23.3 •• –
Aufgabe 23.26 •• Verwenden Sie für „⇐“ die Markov-
Ungleichung P(|Xn | > L) ≤ L−2 E Xn2 . Überlegen Sie sich Aufgabe 23.4 • –
für „⇒“ zunächst, dass die Folge (μn ) beschränkt ist.
Aufgabe 23.5 •• –
Aufgabe 23.27 ••• –
Aufgabe 23.6 • –
Aufgabe 23.28 •• Taylorentwicklung von g um μ! Aufgabe 23.7 •• Es sei (Xn )n≥1 eine Folge stocha-
stisch unabhängiger und identisch verteilter k-dimensionaler
Aufgabe 23.29 •• Schätzen Sie die Differenz Fn (x) − Zufallsvektoren auf einem Wahrscheinlichkeitsraum
F (x) mithilfe der Differenzen Fn (xj k ) − F (xj k ) ab, wobei (, A, P) mit EX∞ < ∞. Dann gilt
für k ≥ 2 xj k := F −1 (j/k), 1 ≤ j < k, sowie x0k := −∞,
1
n
xkk := ∞. f.s.
Xj −→ EX1 ,
n
j =1
Aufgabe 23.30 •• –
wobei EX1 der Vektor der Erwartungswerte der Komponen-
ten von X1 ist.
Aufgabe 23.31 •• Weisen Sie die Lindeberg-Bedin-
gung nach. Aufgabe 23.8 •• –
Aufgabe 23.10 •• –
Aufgabe 23.33 • –
Aufgabe 23.11 •• –
Aufgabe 23.34 •• Prüfen Sie die Gültigkeit der
Lindeberg-Bedingung. Aufgabe 23.12 •• c) (1).
Aufgabe 23.13 •• –
Aufgabe 23.35 •• Mit aj = EXj gilt E(Xj − aj )4 ≤
aj (1 − aj ).
Aufgabe 23.14 •• –
Aufgabe 23.36 •• –
Beweisaufgaben
Aufgabe 23.37 •• Zentraler Grenzwertsatz! Aufgabe 23.16 • –
Aufgabe 23.18 •• –
Aufgabe 23.39 •• Stellen Sie Tn als Summe von unab-
hängigen Zufallsvariablen dar. Aufgabe 23.19 •• –
1
n
Es folgt
Xj (ω)Yj (ω) → EX1 Y1 , ω ∈ 1 ,
n ∞ ∞ ∞ n
j =1 V(Xn ) 1 − 2−n + 2n 2
2
= 2
≥
n n n2
1 1
n n
n=1 n=1 n=1
Xj (ω) → EX1 , ω ∈ 2 , Yj (ω) → EY1 , ω ∈ 3 , ∞
n n n
j =1 j =1 ≥ = ∞,
n2
1 2 1 2
n n n=1
Xj (ω) → EX12 , ω ∈ 4 , Yj (ω) → EY12, ω ∈ 5 .
n n sodass die Folge (Xn ) nicht dem Kolmogorov-Kriterium ge-
j =1 j =1
nügt.
Wegen 0 < V(X1 ) = EX12 − (EX1 )2 , 0 < V(Y1 ) =
b) Wir setzen Yn := Xn 1{Xn = ±1}, also
EY12 − (EY1 )2 gilt dann für jedes ω aus der Eins-Menge
1 ∩ . . . ∩ 5 die Konvergenz Rn (ω) → #(X1 , Y1 ). 1 1
P(Yn = 1) = P(Yn = −1) = (1−2−n ), P(Yn = 0) = n .
2 2
Aufgabe 23.6 • Es sei Xn = Xn+ − Xn− die Zerlegung
Es gilt
von Xn in Positivteil Xn+ = max(Xn , 0) und Negativteil
Xn− = − min(Xn , 0). Gilt ∞
∞
∞
1
P(Xn = Yn ) = P(Yn = 0) = <∞
2n
1 + f.s. 1 − f.s.
n n
n=1 n=1 n=1
Xj −→ EX1+ , Xj −→ EX1−
n n
j =1 j =1 sowie V(Yn ) = EYn2 = 1 − 2−n . Nach dem Kolmogorov-
f.s.
und somit punktweise Konvergenz der Folge der ersten bzw. Kriterium gilt n−1 nj=1 Yj −→ 0 und zusammen mit Auf-
f.s.
zweiten Mittelwerte auf Eins-Mengen 1 bzw. 2 , so folgt gabe 23.21 dann auch n−1 nj=1 Xj −→ 0.
für jedes ω ∈ 1 ∩ 2 die Konvergenz
Aufgabe 23.9 •• Es seien Q = {Q1 , . . . , Qk } und
1 1 + 1 −
n n n
Xj (ω) = Xj (ω) − Xj (ω) ε > 0 beliebig. Wegen [−n, n] ↑ R und der Tatsache,
n n n dass ein Wahrscheinlichkeitsmaß stetig von unten ist, exi-
j =1 j =1 j =1
stiert zu jedem j ∈ {1, . . . , k} eine kompakte Menge Kj mit
→ EX1+ − EX1− = EX1 .
Qj (Kj ) ≥ 1 − ε. Die Menge K := K1 ∪ . . . ∪ Kk ist kom-
n f.s. pakt, und es gilt Qm (K) ≥ 1 − ε für jedes m = 1, . . . , k,
Wegen P(1 ∩ 2 ) = 1 gilt also n−1 j =1 Xj −→ EX1 . was zu zeigen war.
(1) (k)
Aufgabe 23.7 •• Es sei Xn = (Xn , . . . , Xn ), n ≥ 1, Aufgabe 23.10 •• Eine Zufallsvariable mit der Gleich-
(1) (k)
sowie EX1 = (EX1 , . . . , EX1 ). Nach Voraussetzung verteilung U(−n, n) besitzt die auf (−n, n) konstante Dichte
ist für jedes j ∈ {1, . . . , k} die j -te Komponentenfolge 1/(2n) und somit aus Symmetriegründen die charakteristi-
(j ) sche Funktion
(Xn )n≥1 eine Folge von unabhängigen identisch verteilten
(j )
n
Zufallsvariablen mit existierendem Erwartungswert EX1 . 1
ψ(t) = eitx dx
Nach dem starken Gesetz großer Zahlen gibt es eine Menge 2n −n
j ∈ A mit P(j ) = 1, sodass für jedes ω ∈ j die Kon-
n
1
vergenz = cos(tx) dx
2n −n
1 (j )
n
n
(j )
lim Xk (ω) = EX1 =
1
cos(tx) dx
n→∞ n
k=1 n 0
besteht. Für die Menge 0 := ∩kj =1 j gilt P(0 ) = 1, und sin(nt)
= , t = 0,
für jedes ω ∈ 0 gilt die (vektorielle) Konvergenz nt
und ψ(0) = 0. Nach dem Eindeutigkeitssatz für charakteri-
1
n
lim Xl (ω) = EX1 , stische Funktionen gilt Xn ∼ U(−n, n). Ist k ∈ N beliebig,
n→∞ n
l=1 so gilt für n ≥ k
Sei ε > 0 beliebig und a so, dass (a) ≥ 1−ε. Für genügend Aufgabe 23.17 ••• a) Für jedes ω ∈ folgt aus
√
großes n gilt n ≥ a und somit Xn (ω) → 0 nach
dem Grenzwertsatz von Cauchy (vgl.
Seite 875) n−1 nj=1 Xj (ω) → 0. Somit gilt unter der Vor-
Sn − n √ Sn − n
P √ ≤ n ≥ P √ ≤a aussetzung
n n
⎛ ⎞
→ (a)
n
1
≥ 1 − ε. P ⎝ lim Xj = 0⎠ ≥ P lim Xn = 0 = 1.
n→∞ n n→∞
j =1
Insgesamt folgt
2n
nk b) Seien X1 , X2 , . . . wie im Hinweis. Wegen P(|Xn | > ε) =
lim inf e−n ≥1−ε P
n→∞ k! P(Xn = 2n) = 1/n → 0 gilt dann Xn −→ 0. Andererseits
k=0
gilt aufgrund der Unabhängigkeit von X1 , X2 , . . . und wegen
und damit die Behauptung, da ε > 0 beliebig war.
der Ungleichung log(1 + x) ≤ x für jedes n ≥ 3
Aufgabe 23.15 •• Es gilt Sn ∼ Xn,1 + . . . + Xn,n mit ⎛ ⎞ ⎛ ⎞
unabhängigen Zufallsvariablen Xn,j ∼ Bin(1, pn ), 1 ≤ j ≤ 1 n n
P⎝ Xj > 1⎠ = P ⎝ Xj > n⎠
n. Es liegt also ein Dreiecksschema {Xn,j : n ≥ 1, 1 ≤ j ≤ n
j =1 j =1
n} vor. Wir prüfen die Gültigkeit der Ljapunov-Bedingung ⎛ ⎞
(23.37) mit δ = 2 nach. Es gilt 4n
≥ P⎝ {Xj > n}⎠
σn2 = V(Sn ) = npn (1 − pn ) j =4n/25
⎛ ⎞
und an,j = E(Xn,j ) = pn . Wegen |Xn,j − an,j |4 ≤ 1 ergibt <
n
sich = 1 − P⎝ {Xj ≤ n}⎠
j =4n/25
1
n
n·1
E|Xn,j − an,j |4 ≤
n
σn4 n2 pn2 (1 − pn )2
j =1 = 1− P(Xj ≤ n)
→ 0 j =4n/25
n
für n → ∞, was zu zeigen war. = 1− 1−
1
j
j =4n/25
Beweisaufgaben ⎛ ⎞
n
1
f.s. = 1 − exp ⎝ log 1 − ⎠
Aufgabe 23.16 • a) : Es gelte Xn −→ X, also j
j =4n/25
Xn (ω) → X(ω), ω ∈ 0 , wobei 0 ∈ A und P(0 ) = 1. ⎛ ⎞
(j )
Dann folgt Xn (ω) → X (j ) (ω), ω ∈ 0 , für jedes j = n
1⎠
≥ 1 − exp ⎝− .
1, . . . , k, also die komponentenweise fast sichere Konver- j
(j ) f.s. j =4n/25
genz. Gilt umgekehrt Xn −→ X (j ) für jedes j = 1, . . . , k,
so existieren Mengen 1 , . . . , k ∈ A mit P(j ) = 1 und Mit dem Hinweis und einer mit o(1) bezeichneten Nullfolge
(j )
Xn (ω) → X (j ) (ω), ω ∈ j , für jedes j = 1, . . . , k. Für gilt
die Menge 0 := 1 ∩ . . . ∩ k gilt P(0 ) = 1, und für
n
1
jedes ω ∈ 0 konvergiert Xn (ω) gegen X(ω). Es gilt also = log n − log (4n/25 − 1)) + o(1)
f.s. j
Xn −→ X. j =4n/25
b) : Für jedes l = 1, . . . , k und jedes ε > 0 gilt ≥ log n − log (4n/25)) + o(1)
{|Xn(l) (l)
− X | > ε} ⊆ {Xn − X∞ > ε} 3
≥ log n − log n + o(1)
4
4
k
(j )
= {|Xn − X (j ) | > ε}. 4
= log + o(1).
j =1 3
P (l) n
Aus Xn −→ X folgt also P(|Xn − X (l) | > ε) → 0, l = Somit kann n−1 j =1 Xj nicht stochastisch gegen null kon-
(j ) P
1, . . . , k, und umgekehrt zieht Xn −→ X (j ) , j = 1, . . . , k, vergieren.
die Abschätzung
Aufgabe 23.18 •• Es sei ε > 0. Wegen P(|Xn | ≥
k
P
P (Xn − X∞ > ε) ≤
(j )
P(|Xn −X (j )
| > ε) ε)
∞ = P(Xn = 1) = 1/n gilt Xn −→ 0. Andererseits gilt
j =1 n=1 P(Xn = 1) = ∞. Weil die Ereignisse An := {Xn =
1}, n ≥ 1, unabhängig sind, liefert Teil b) des Lemmas von
P
und somit Xn −→ X nach sich. Borel-Cantelli die Beziehung P(lim supn→∞ An ) = 1. Für
Lösungswege zu Kapitel 23 209
jedes ω ∈ lim sup An gilt Xn (ω) = 1 für unendlich viele n (ii) Gilt d(Xn , X) → 0, so existiert zu jedem δ > 0 ein
und somit n0 ∈ N mit d(Xn , X) < δ für jedes n ≥ n0 , d. h.P(|Xn −
lim sup Xn (ω) = 1. (23.18) X| > δ) ≤ δ. Setzt man δ := min(ε, η) zu beliebigen ε > 0,
n→∞
η > 0, so erhält man für jedes n ≥ n0
In gleicher Weise gilt aber auch P(lim supn→∞ Bn ) = 1,
wobei Bn := {Xn = 0} und somit P(|Xn − X| > ε) ≤ P(|Xn − X| > δ) ≤ δ ≤ η
für jedes ω ∈ lim sup Bn . Für jedes ω aus der Eins-Menge Aufgabe 23.20 ••• Ohne Beschränkung der Allgemein-
lim sup An ∩ lim sup Bn gilt also sowohl (23.18) als auch heit seien alle Xn nichtnegativ (andernfalls betrachte man
(23.19), was zeigt, dass die Folge (Xn ) P-fast sicher nicht Positiv- und Negativteil getrennt). Nach Voraussetzung be-
konvergiert. stehen für j ∈ {1, . . . , k} die Folgen (X(l−1)k+j )l∈N aus un-
abhängigen und identisch verteilten Zufallsvariablen. Setzen
Aufgabe 23.19 •• a) Für εn > 0, n ≥ 1, mit εn ↓ d := wir JnK
d(X, Y ) gilt ln := + 1,
k
P(|X − Y | > εn ) ≤ εn ≤ εm so gilt
n
für m ≥ n. Wegen 1{|X − Y | > εn } ↑ 1{|X − Y | > d} folgt ln − 1 ≤ < ln ,
k
aus dem Satz von der monotonen Konvergenz
und es folgt
P(|X − Y | > d) = lim P(X − Y | > εn ) ≤ εm
1 1
n→∞ n ln k
Xj ≤ Xj
für jedes m ≥ 1. Also ist P(|X − Y | > d) ≤ d, d. h., das n n
j =1 j =1
Infimum wird angenommen.
1
k ln
b) Nach a) ist = X(l−1)k+j
n
j =1 l=1
d(X, Y ) = 0 ⇐⇒ P(|X−Y | > 0) = 0 ⇐⇒ P(X = Y ) = 1.
ln 1
k ln
= X(l−1)k+j .
n ln
c) Nach a) ist j =1 l=1
P(|X − Y | > d(X, Y )) ≤ d(X, Y ), Zu jedem j ∈ {1, . . . , k} existiert eine Menge j ∈ A mit
P(j ) = 1, sodass gilt:
P(|Y − Z| > d(Y, Z)) ≤ d(Y, Z).
1
ln
Aus der Teilmengenbeziehung
lim X(l−1)k+j (ω) = EX1 für jedes ω ∈ j .
n→∞ ln
{|X − Y | + |Y − Z| > d(X, Y ) + d(Y, Z)} l=1
⊂ {|X − Y | > d(X, Y )} ∪ {|Y − Z| > d(Y, Z)} Für 0 := ∩kj =1 j gilt P(0 ) = 1, und für jedes ω ∈ 0
erhält man
ergibt sich daher
ln 1
k ln
P(|X − Y | + |Y − Z| > d(X, Y ) + d(Y, Z)) 1
X(l−1)k+j (ω) → · k · EX1 = EX1 .
n ln k
≤ P(|X − Y | > d(X, Y )) + P(|Y − Z| > d(Y, Z)) j =1 l=1
≤ d(X, Y ) + d(Y, Z).
Daraus ergibt sich
Weiter folgt aus der Dreiecksungleichung |X − Z| ≤
1
n
|X − Y | + |Y − Z| lim sup Xj ≤ EX1 P-fast sicher.
n→∞ n
j =1
P(|X − Z| > d(X, Y ) + d(Y, Z)) ≤ d(X, Y ) + d(Y, Z),
In gleicher Weise zeigt man
also insgesamt d(X, Z) ≤ d(X, Y ) + d(Y, Z).
1
n
P
d) (i) Aus Xn −→ X folgt, dass zu jedem m ∈ N ein n(m) lim inf Xj ≥ EX1 P-fast sicher,
n→∞ n
existiert, sodass j =1
1 1 woraus die Behauptung folgt.
P |Xn − X| > ≤ für n ≥ n(m).
m m
b) Es sei Xj := 1{Yj < Yj +1 } für j ≥ 1. Dann ist (Xn )n≥1
Somit gilt d(Xn , X) → 0. eine Folge identisch verteilter Zufallsvariablen. Weiter sind
210 Lösungswege zu Kapitel 23
Xn und Xm stochastisch unabhängig, falls |n − m| ≥ 2. die die Stammfunktion G(x) = −1/ log x besitzt. Nach dem
Wegen Kolmogorov-Kriterium gilt
5
EX1 = P(Y1 < Y2 ) = n
12 1 1
lim Xj − = 0 P-fast sicher.
n→∞ log n j
folgt die Behauptung aus Teil a). j =1
Wegen
Aufgabe 23.21 •• Aus der Voraussetzung folgt mit
1 1
n
dem Lemma von Borel-Cantelli lim = 1
n→∞ log n j
j =1
P lim sup{Xn = Yn } = 0. folgt die Behauptung. Für die Gültigkeit der letzten Limes-
n→∞
beziehung
beachte man, dass die n-te harmonische Zahl
Damit gibt es ein 0 ∈ A mit P(0 ) = 1, und es gilt: Hn = nj=1 j −1 mittels Integralabschätzung (Vergleich mit
den Funktionen f (x) = 1/x und g(x) = 1/(1 + x)) die
∀ ω ∈ 0 ∃ n0 (ω) ∈ N : Xn (ω) = Yn (ω) ∀ n ≥ n0 . Ungleichungen
f.s. log(n + 1) ≤ Hn ≤ 1 + log n
Wegen n−1 nj=1 Yj −→ 0 existiert ein 1 ∈ A mit
P(1 ) = 1, und es gilt: erfüllt.
1
n
∀ ω ∈ 1 : lim Yj (ω) = 0. Aufgabe 23.23 •• a) Für jedes t > 0 gilt
n→∞ n
j =1
P n 1 − max Xj ≤ t
1≤j ≤n
Setzen wir 2 := 0 ∩ 1 , so gilt P(2 ) = 1. Für jedes
ω ∈ 2 und jedes n ≥ n0 (ω) folgt t
= P max Xj ≥ 1 −
1≤j ≤n n
1
1
n n
t
Xj (ω) − Yj (ω) = 1 − P max Xj < 1 −
n n 1≤j ≤n n
j =1 j =1 n
1 0 −1
n t
1 = 1 − P X1 < 1 −
n
= Xj (ω) + Xj (ω) n
n n
j =1 j =n0 t n
= 1− 1− (falls n ≥ t)
n0 −1
1 1
n n
− Yj (ω) + Yj (ω) → 1 − exp(−t).
n n
j =1 j =n0
Für t ≤ 0 gilt
0 −1
n
1
≤ |Xj (ω)| + |Yj (ω)| .
n
j =1 P n 1 − max Xj ≤t = 0.
1≤j ≤n
Da diese obere Schranke für n → ∞ gegen null konvergiert, Da die durch F (t) = 1 − exp(−t) für t > 0 und F (t) =
folgt die Behauptung. 0 sonst, die Verteilungsfunktion der Exponentialverteilung
Exp(1) ist, folgt die Behauptung.
Aufgabe 23.22 •• Es sei an := log n für n ≥ 2. Wegen
Xn ∼ Bin(1, 1/n) gilt b) Wegen Xj ∼ 1 − Xj und der stochastischen Unabhängig-
keit der Xj gilt die Verteilungsgleichheit
1 1 1
EXn = , V(Xn ) = 1− . (X1 , . . . , Xn ) ∼ (1 − X1 , . . . , 1 − Xn ).
n n n
Es folgt
Es folgt
∞ ∞
max Xj ∼ max (1 − Xj )
V(Xn ) 1 1≤j ≤n 1≤j ≤n
≤ < ∞. = 1 − min Xj
an2 n(log n)2 1≤j ≤n
n=2 n=2
Dabei ergibt sich die Konvergenz der Reihe durch eine Inte- und damit
gralabschätzung mit der Funktion
n 1 − max Xj ∼ n min Xj .
1≤j ≤n 1≤j ≤n
1
g(x) := ,
x(log x)2 Hieraus folgt zusammen mit a) die Behauptung.
Lösungswege zu Kapitel 23 211
Aufgabe 23.24 •• Im Fall a = 0 gilt wegen Xn = b) folgt aus a) mit der Wahl P(Yn = bn ) = 1 für jedes n.
P
OP (1) nach Aufgabe c) Xn Yn −→ 0 und somit nach dem c) Es sei ε > 0 beliebig. Zu zeigen ist
D
Satz auf Seite 881 auch Xn Yn −→ 0. Wir können uns also
im Folgenden auf den Fall a = 0 beschränken, wobei wir lim P(|an Xn | > ε) = 0.
n→∞
o.B.d.A. a > 0 annehmen. Sei Fn (t) := P(Xn Yn ≤ t),
Für jedes positive C folgt aus |an Xn | > ε, dass entwe-
F (t) := P(X ≤ t) und G(t) := P(aX ≤ t), t ∈ R. Sei t eine
der |an | > ε/C oder |Xn | > C (oder beides) gilt. Wäh-
beliebige Stetigkeitsstelle von G. Zu zeigen ist
len wir zu beliebig vorgegebenem η > 0 ein C so, dass
lim Fn (t) = G(t). (23.20) P(|Xn | > C) ≤ η, n ≥ 1, gilt (dies ist wegen der Straffheit
n→∞ von (Xn ) möglich), so müssen wir nur noch die Konvergenz
Zum Nachweis von (23.20) beschränken wir uns auf den Fall limn→∞ an = 0 ausnutzen, um zum gewünschten Ergebnis
t ≥ 0. Es sei ε mit 0 < ε < a beliebig. Es gilt zu gelangen. Wegen dieser Konvergenz gibt es ein von ε und
C abhängendes n0 , sodass für jedes n > n0 die Ungleichung
Fn (t) |an | ≤ ε/C gilt. Für solche n gilt also nach obiger Überle-
=P(Xn Yn ≤ t, |Yn − a| ≤ ε) + P(Xn Yn ≤ t, |Yn − a| > ε) gung die Inklusion
≤P(Xn (a − ε) ≤ t) + P(|Yn − a| > ε) {|an Xn | > ε} ⊂ {|Xn | > C}
t
=P Xn ≤ + P(|Yn − a| > ε). und folglich
a−ε
lim sup P(|an Xn | > ε) ≤ η.
Ist t/(a − ε) eine Stetigkeitsstelle von F , so folgt wegen n→∞
D
Xn −→ X Da η beliebig war, folgt die Behauptung.
t Aufgabe 23.26 •• „⇐“: Falls |μn | ≤ C und σn2 ≤ C,
lim sup Fn (t) ≤ F .
n→∞ a−ε n ≥ 1, für ein C < ∞, so liefert die Markov-Ungleichung
Lassen wir ε eine Nullfolge mit der Nebenbedingung EXn2 σn2 + μ2n C + C2
t/(a − ε) ∈ C (F ) durchlaufen, so folgt P(|Xn | > L) ≤ = ≤ .
L2 L 2 L2
t Wählt man zu vorgegebenem ε > 0
lim sup Fn (t) ≤ F = G(t).
n→∞ a
C + C2
L := √ ,
Ganz analog zeigt man ε
t so folgt
lim inf Fn (t) ≥ F = G(t).
n→∞ a P(Xn ∈ [−L, L]) ≥ 1 − ε, n ≥ 1.
Dies zeigt, dass die Folge (Xn ) straff ist, also Xn = OP (1)
Aufgabe 23.25 •• a) Es sei ε > 0 gegeben. Wir wählen gilt.
C > 0 so, dass für jedes n ≥ 1
ε „⇒“: Wäre die Folge (μn ) unbeschränkt, so gäbe es eine
P(|Xn | ≤ C) ≥ 1 − , Teilfolge (μnk )k≥1 mit |μnk | → ∞ für k → ∞. Wegen
2
ε 1
P(|Yn | ≤ C) ≥ 1 − P(Xnk ≥ μnk ) = P(Xnk ≤ μnk ) =
2 2
gilt. Die Existenz eines solchen C ist wegen der Straffheit kann es dann zu vorgegebenem ε > 0 kein kompaktes Inter-
der Folgen (Xn ) und (Yn ) gesichert. Es folgt vall K mit P(Xn ∈ K) ≥ 1 − ε für jedes n ≥ 1 geben. Somit
muss die Folge (μn ) notwendigerweise beschränkt sein. Es
P(|Xn + Yn | ≤ 2C) ≥ P(|Xn | ≤ C, |Yn | ≤ C) gibt also ein C > 0 mit |μn | ≤ C für jedes n ≥ 1. Wäre die
ε
≥ 1−2· Folge (σn2 ) unbeschränkt, so gäbe es eine Teilfolge (σn2k )k≥1
2 mit σnk → ∞ für k → ∞. Für L > 0 gilt dann
= 1−ε
Xnk − μnk L − μnk
für jedes n ≥ 1. Da das Intervall [−2C, 2C] kompakt ist, ist P(Xnk > L) = P >
σn σnk
die Folge (Xn + Yn ) straff. Wegen k
L − μnk
= 1−
P(|Xn Yn | ≤ C 2 ) ≥ P(|Xn | ≤ C, |Yn | ≤ C) σnk
ε
≥ 1−2· L+C
2 ≥ 1−
σnk
= 1−ε
1
→ für k → ∞.
für jedes n ≥ 1 ist auch die Folge (Xn Yn ) straff. 2
212 Lösungswege zu Kapitel 23
Da L beliebig groß gewählt werden kann, gibt es auch in die- Aufgabe 23.28 •• Für jedes t ∈ R gilt
sem Fall zu vorgegebenem ε > 0 kein kompaktes Intervall K
mit P(Xn ∈ K) ≥ 1 − ε für jedes n ≥ 1. Konsequenterweise g(t) = g(μ) + g (δ)(t − μ)
muss also auch die Folge (σn2 ) beschränkt sein. mit δ = δ(t, μ) und |δ − μ| ≤ |t − μ|. Somit ist (punktweise
auf dem zugrunde liegenden Wahrscheinlichkeitsraum)
Aufgabe 23.27 ••• a) Wegen N ⊂ Q ist N abzählbar.
Damit gilt P(N) = 0. g(Zn ) = g(μ) + g (n )(Zn − μ) ,
1 −it 1
ϕj (t) = e + eit = cos t, j ≥ 1. Fn (xj k ) − F (xj k ) − = Fn (xj k ) − F (xj +1,k )
2 k
≤ Fn (x) − F (x)
Es gilt
≤ Fn (xj +1,k ) − F (xj k )
n 1
Zn := Yj 2−j = Fn (xj +1,k ) − F (xj +1,k ) + .
k
j =1
Also ergibt sich
n
n
= 2 Xj 2−j − 2−j 1
j =1 j =1 sup |Fn (x) − F (x)| ≤ max |Fn (xj k ) − F (xj k )| + .
x∈R 0≤j <k k
→ 2id − 1
D
=: Z P-fast sicher. Aufgrund der Verteilungskonvergenz Xn −→ X gilt für je-
des j ∈ {0, 1, . . . , k} die Konvergenz |Fn (xj k ) − F (xj k )|
Wegen id ∼ U(0, 1) gilt Z ∼ U(−1, 1), und damit besitzt → 0 für n → ∞ und folglich
Z die charakteristische Funktion ϕ(t) = t −1 sin t. Wegen
f.s. D 1
Zn −→ Z gilt auch Zn −→ Z, und nach dem Stetigkeitssatz lim sup sup |Fn (x) − F (x)| ≤ für jedes k ≥ 2.
n→∞ x∈R k
von Lévy-Cramér folgt
Mit k → ∞ gilt dann
n
t sin t
ϕn (t) = cos j → ϕ(t) = für n → ∞. lim sup |Fn (x) − F (x)| = 0.
2 t n→∞ x∈R
j =1
Lösungswege zu Kapitel 23 213
Aufgabe 23.30 •• Es sei p ∈ (0, 1) beliebig. Wir zei- Aufgabe 23.32 •• a) Es gilt
gen in einem ersten Schritt, dass
1
n
2
Sn2 = (Xj − μ) − (X n − μ)
lim inf Fn−1 (p) ≥ F −1 (p) (23.22) n−1
n→∞ j =1
⎛ ⎞
1 ⎝
gilt. Sei hierzu ε > 0 beliebig. Da die Stetigkeitsstellen von n
F in R dicht liegen, finden wir ein x ∈ C (F ) mit = (Xj − μ)2 − n(X n − μ)2 ⎠
n−1
j =1
F −1 (p) − ε < x < F −1 (p). n 1 n
n 2
= · (Xj − μ)2 − Xn − μ .
Hieraus folgt F (x) < p, und wegen der Konvergenz n−1 n n−1
j =1
Fn (x) → F (x) gilt dann auch für genügend großes n die
Ungleichung Fn (x) < p und somit x < Fn−1 (p). Somit Nach dem starken Gesetz großer Zahlen gelten
1
ergibt sich n
f.s.
(Xj − μ)2 −→ E(X1 − μ)2 = σ 2
lim inf Fn−1 (p) ≥ x > F −1 (p) − ε. n
j =1
n→∞
f.s. f.s.
Da ε > 0 beliebig war, folgt (23.22). und X n − μ −→ 0. Hieraus folgt Sn2 −→ σ 2 .
Wohingegen (23.22) ohne weitere Voraussetzungen an p gilt, b) Mit der in a) erhaltenen Darstellung von Sn2 ergibt sich
benötigen wir für die Ungleichung ⎛ ⎞
√ n 1 n
b) Mit σn2 := V(Sn ) = 1 + 2! + . . . + n! ergibt sich Mit dem Zentralen Grenzwertsatz von Lindeberg-Lévy folgt
⎛ ⎞
√
n! ≤ σn2 ≤ n! + n(n − 1)! = 2n! Tn − pn n a n(1 − p)
P ⎝√ * ≤ a ⎠ = P Tn − ≤
n 1−p p p
und somit p2
1 n! √
≤ 2 ≤ 1. n+a n(1 − p)
2 σn = P Tn ≤
p
√
Wegen Xk ∼ k! N mit N ∼ N(0, 1) folgt → (a) für n → ∞
und damit die Behauptung.
1 2
n
Ln (ε) = 2
E Xk 1{|Xk | > εσn } b) Wir verwenden Teil a) mit p = 1/6 und n = 100 und
σn
k=1 setzen √
1 2 n + a n(1 − p)
≥ 2 E Xn 1{|Xn | > εσn } 650 = .
σn p
1 √ Hieraus folgt
= 2 n!E N 2 1{|N| > εσn / n!} 650
σn 6 − 100
a = * ≈ 0.913
1 √ 100 · 56
≥ E N 2 1{|N| > 2ε} .
2
und somit P(Tn > 650) ≈ 1 − (0.913) ≈ 1 − 0.819 =
Somit ist die Lindeberg-Bedingung Ln (ε) → 0 ∀ ε > 0 nicht 0.181.
erfüllt.
Aufgabe 23.40 •• a) Nach dem Additionsgesetz für
Aufgabe 23.39 •• a) Die Zufallsvariable Tn − n zählt n negative Binomialverteilung auf Seite 784 gilt Sn ∼
die
die Zahl der Nieten vor dem n-ten Treffer und besitzt folglich j =1 Xj , wobei X1 , . . . , Xn unabhängig sind und die glei-
die negative Binomialverteilung NB(n, p), vgl. Seite 783. che geometrische Verteilung G(1/2) mit EXj = 1 und
Nach dem Additionsgesetz für die negative Binomialvertei- V(Xj ) = 2 besitzen. Nach dem Zentralen Grenzwertsatz
lung auf Seite 784 gilt Tn − n ∼ Y1 + . . . + Yn , wobei von Lindeberg-Lévy folgt somit
Y1 , . . . , Yn stochastisch unabhängig sind und die gleiche geo- Sn − n D
√ −→ N(0, 1)
metrische Verteilung G(p) besitzen. Somit ergibt sich 2n
und deshalb für a, b ∈ R mit a < b
Tn ∼ X1 + . . . + Xn ,
√ √ a Sn − n b
wobei Xj = Yj + 1, j = 1, . . . , n. Die Zufallsvariablen P n + a n ≤ Sn ≤ b + n = P √ ≤ √ ≤ √
2 2n 2
X1 , . . . , Xn sind unabhängig und identisch verteilt mit
b a
→ √ − √ .
1 2 2
EXj = EYj + 1 = ,
p b) Es ist
1−p Sn − n 1
V(Xj ) = V(Yj ) = . P(Sn ≥ n) = P √ ≥0 → 1 − (0) = .
p2 2n 2
Kapitel 24 a) Ist C : X → P () ein Konfidenzbereich für ϑ zur Konfi-
denzwahrscheinlichkeit 1−α, so ist für beliebiges ϑ0 ∈
die Menge Kϑ0 := {x ∈ X | C(x) 6 ϑ0 } ein kri-
Aufgaben tischer Bereich für einen Niveau-α-Test der Hypothese
H0 : ϑ = ϑ0 gegen die Alternative H1 : ϑ = ϑ0 .
b) Liegt für jedes ϑ0 ∈ ein nichtrandomisierter Niveau-
Verständnisfragen α-Test für H0 : ϑ = ϑ0 gegen H1 : ϑ = ϑ0 vor, so lässt
Aufgabe 24.1 •• Konstruieren Sie in der Situation von sich hieraus ein Konfidenzbereich zur Konfidenzwahr-
Aufgabe eine obere Konfidenzschranke für ϑ zur Konfiden- scheinlichkeit 1 − α gewinnen.
zwahrscheinlichkeit 1 − α.
Aufgabe 24.7 •• Es seien U und V unabhängige Zu-
Aufgabe 24.2 •• Die Zufallsvariablen X1 , . . . , Xn fallsvariablen, wobei U ∼ N(0, 1) und V ∼ χk2 , k ∈ N. Ist
seien stochastisch unabhängig mit gleicher Poisson- δ ∈ R, so heißt die Verteilung des Quotienten
Verteilung Po(λ), wobei λ ∈ (0, ∞) unbekannt sei.
Konstruieren Sie in Analogie zum Beispiel auf Seite 925 U +δ
Yk,δ := √
einen asymptotischen Konfidenzbereich zum Niveau 1 − α V /k
für λ. Welches konkrete 95%-Konfidenzintervall ergibt
nichtzentrale t-Verteilung mit k Freiheitsgraden und Nicht-
sich für die Daten des Rutherford-Geiger-Experiments auf
zentralitätsparameter δ. Zeigen Sie: Für die Gütefunktion
Seite 787?
(24.52) des einseitigen t-Tests gilt
Aufgabe 24.3 • In einem Buch konnte man lesen: „Die
Wahrscheinlichkeit α für einen Fehler erster Art bei einem gn (ϑ) = P Yn−1,δ > tn−1;1−α ,
statistischen Test gibt an, wie oft aus der Beantwortung der √
wobei δ = n(μ − μ0 )/σ.
Testfrage falsch auf die Nullhypothese geschlossen wird.
Wird α = 0.05 gewählt und die Testfrage mit ja beantwortet,
Aufgabe 24.8 • a) Zeigen Sie die Beziehung Fr,s;p =
dann ist die Antwort ja in 5% der Fälle falsch und mithin in
1/Fs,r;1−p für die Quantile der F-Verteilung.
95% der Fälle richtig.“ Wie ist Ihre Meinung hierzu?
b) Weisen Sie nach, dass die Gütefunktion des einseitigen F -
Aufgabe 24.4 • Der Leiter der Abteilung für Material-
Tests für den Varianzquotienten eine streng monoton wach-
beschaffung hat eine Sendung von elektronischen Schaltern
senden Funktion von σ 2 /τ 2 ist.
mit einem Test zum Niveau 0.05 stichprobenartig auf Funk-
tionsfähigkeit überprüft. Bei der Stichprobe lag der Anteil
Aufgabe 24.9 •• Die Zufallsvariable X besitze eine Bi-
defekter Schalter signifikant über dem vom Hersteller be-
nomialverteilung Bin(3, ϑ), wobei ϑ ∈ := {1/4, 3/4}.
haupteten Ausschussanteil. Mit den Worten „Die Chance,
Bestimmen Sie die Risikomenge des Zwei-Alternativ-
dass eine genaue Überprüfung zeigt, dass die Sendung den
Problems H0 : ϑ = ϑ0 := 1/4 gegen H1 : ϑ = ϑ1 := 3/4.
Herstellerangaben entspricht, ist höchstens 5%“ empfiehlt er,
die Lieferung zu reklamieren und zurückgehen zu lassen. Ist
Aufgabe 24.10 •• Leiten Sie die Beziehung
seine Aussage richtig?
Aufgabe 24.5 • Der Statistiker einer Firma, die Werk- (n − 1) Q(X)−2/n − 1 = Tn2
stücke zur Weiterverarbeitung bezieht, lehnt eine Lieferung im Beispiel von Seite 948 her.
dieser Werkstücke mit folgender Begründung ab: „Ich habe
meinen Standard-Test zum Niveau 0.05 anhand einer zu-
Aufgabe 24.11 •• Es seien X1 , . . . , Xn unabhängige
fälligen Stichprobe durchgeführt. Diese Stichprobe enthielt
Zufallsvariablen mit gleicher stetiger Verteilungsfunktion F
einen extrem hohen Anteil defekter Exemplare. Wenn der
und empirischer Verteilungsfunktion Fn . Bestimmen Sie die
Ausschussanteil in der Sendung wie vom Hersteller behaup-
Verteilung von
tet höchstens 2% beträgt, ist die Wahrscheinlichkeit für das
Auftreten des festgestellten oder eines noch größeren Anteils F = sup Fn (x) − F (x)
n
defekter Werkstücke in der Stichprobe höchstens 2.7%.“Der x∈R
Werkmeister entgegnet: „Bislang erwiesen sich 70% der von im Fall n = 1.
Ihnen beanstandeten Sendungen im Nachhinein als in Ord-
nung. Aller Wahrscheinlichkeit nach liegt auch in diesem Aufgabe 24.12 •• Die Zufallsvariablen X1 , . . . , X2n
Fall ein blinder Alarm vor.“ Muss mindestens eine der bei- seien stochastisch unabhängig mit gleicher symmetrischer
den Aussagen falsch sein? Verteilung. Es gebe also ein a ∈ R mit X1 − a ∼ a − X1 .
Zeigen Sie: Ist m := n/2, so gilt (im Fall E|X1 | < ∞)
Aufgabe 24.6 •• (Zusammenhang zwischen Konfidenz-
bereichen und Tests) Es sei (X , B, (Pϑ )ϑ∈ ) ein statistisches Xm:2n + Xm+1:2n
Modell. Zeigen Sie: E = a.
2
M. Brokate et al., Arbeitsbuch Grundwissen Mathematikstudium – Höhere Analysis, Numerik und
Stochastik, DOI 10.1007/978-3-642-54946-5_23, © Springer-Verlag Berlin Heidelberg 2016
Aufgaben zu Kapitel 24 217
Aufgabe 24.13 •• Es seien X1 , . . . , Xn unabhängige Aufgabe 24.19 • Zeigen Sie, dass die Gütefunktionen
Zufallsvariablen mit gleicher stetiger Verteilungsfunktion. des ein- bzw. zweiseitigen Gauß-Tests durch (24.47) bzw.
Zeigen Sie: In Verallgemeinerung von (24.88) gilt: durch (24.48) gegeben sind.
s−1
n j
P X(r) ≤ Qp < X(s) = p (1 − p)n−j Aufgabe 24.20 •• Weisen Sie für die Verteilungsfunk-
j tion und die Dichte ϕ der Normalverteilung N(0, 1) die
j =r
Ungleichung
Aufgabe 24.14 • In welcher Form tritt die Verteilung
ϕ(x)
einer geeigneten Wilcoxon-Rangsummenstatistik bei der 1 − (x) ≤ , x > 0,
x
Ziehung der Lottozahlen auf?
nach. Zeigen Sie hiermit: Für die in (24.47) gegebene Gü-
Beweisaufgaben tefunktion gn (μ) des einseitigen Gauß-Tests gilt für jedes
μ > μ0 und jedes hinreichend große n
Aufgabe 24.15 •• Die Zufallsvariable X besitze eine
hypergeometrische Verteilung Hyp(n, r, s), wobei n, r ∈ N 1 n(μ − μ0 )2
bekannt sind und s ∈ N0 unbekannt ist. Der zu schätzende 1 − gn (μ) ≤ √ exp − .
2π e 2σ 2
unbekannte Parameter sei ϑ := r +s ∈ := {r, r +1, r +2,
. . .}. Zeigen Sie: Es existiert kein erwartungstreuer Schätzer
Die Wahrscheinlichkeit für einen Fehler zweiter Art konver-
T : X → für ϑ. Dabei ist X := {0, 1, . . . , n} der Stich-
giert also exponentiell schnell gegen null.
probenraum für X.
Aufgabe 24.16 •• Zeigen Sie: Aufgabe 24.21 •• Die Zufallsvariable Q habe eine Fis-
her’sche Fr,s -Verteilung. Zeigen Sie:
a) Für ϑ ∈ [0, 1] und k ∈ {1, 2, . . . , n} gilt
n
ϑ a) Q besitzt die in (24.55) angegebene Dichte.
n j n!
ϑ (1−ϑ)n−j = t k−1 (1−t)n−k dt. s
j =k
j (k−1)!(n−k)! 0 b) E(Q) = , s > 2.
s−2
b) Die in (24.24), (24.25) eingeführten Funktionen 2s (r + s − 2)
2
c) V(Q) = , s > 4.
a(·), A(·) : → X sind (schwach) monoton wach- r(s − 2)2 (s − 4)
send, a ist rechtsseitig und A linksseitig stetig, und es
gilt a ≤ A. Aufgabe 24.22 •• Die Zufallsvariablen X1 , X2 , . . . ,
c) Es gilt die Aussage (24.29). Xn , . . . seien stochastisch unabhängig und je Poisson-verteilt
Po(λ), wobei λ ∈ (0, ∞) unbekannt ist. Konstruieren Sie
Aufgabe 24.17 •• Zeigen Sie, dass für die in (24.27) analog zum „Binomialfall“ auf Seite 938 eine Testfolge
und (24.28) eingeführten Funktionen l(·) bzw. L(·) gilt: (ϕn ) zum asymptotischen Niveau α für das Testproblem
α 1/n α 1/n H0 : λ ≤ λ0 gegen H1 : λ > λ0 und weisen Sie deren Kon-
a) l(0) = 0, L(0) = 1− , l(n) = , L(n) = 1. sistenz nach. Dabei ist λ0 ∈ (0, ∞) ein vorgegebener Wert.
2 2
b) Für x = 1, 2, . . . , n − 1 ist
1) l(x) die Lösung ϑ der Gleichung Aufgabe 24.23 ••• √ Zeigen Sie, dass die Konstante Kλ in
n (24.62) durch Kλ = 1/ 2π λ gegeben ist.
n j α
ϑ (1 − ϑ)n−j = ,
j 2
j =x
Aufgabe 24.24 •• Der Zufallsvektor X besitze
2) L(x) die Lösung ϑ der Gleichung eine nichtausgeartete k-dimensionale Normalverteilung
x Nk (μ, ). Zeigen Sie, dass die quadratische Form
n j α
ϑ (1 − ϑ)n−j = . (X − μ) −1 (X − μ) eine χk2 -Verteilung besitzt.
j 2
j =0
Aufgabe 24.25 •• Beweisen Sie die Konsistenz des
Aufgabe 24.18 •• Es seien X1 , X2 , . . . unabhängige Chi-Quadrat-Tests.
und je Bin(1, ϑ)-verteilte Zufallsvariablen, wobei ϑ ∈ :=
(0, 1). Weiter sei hα := −1 (1 − α/2), wobei α ∈ (0, 1).
−1 n Aufgabe 24.26 •• Zeigen Sie, dass für die Risikomenge
Zeigen Sie: Mit Tn := n j =1 Xj und Wn := Tn (1 − Tn ) R aller Fehlerwahrscheinlichkeitspunkte (α(ϕ), β(ϕ)) von
gilt Tests ϕ : X → [0, 1] im Zwei-Alternativ-Problem gilt:
hα hα
lim Pϑ Tn − √ Wn ≤ ϑ ≤ Tn + √ Wn = 1 − α, a) R enthält die Punkte (1, 0) und (0, 1),
n→∞ n n b) R ist punktsymmetrisch zu (1/2, 1/2),
ϑ ∈ . c) R ist konvex.
218 Aufgaben zu Kapitel 24
Aufgabe 24.28 •• Es seien X1 , X2 , . . . unabhängige Aufgabe 24.33 •• Es sei die Situation des Beispiels von
Zufallsvariablen mit gleicher stetiger Verteilungsfunktion Seite 911 (Taxi-Problem) zugrunde gelegt. Zeigen Sie:
F . Die Ordnungsstatistiken von X1 , . . . , Xn seien mit a) Die Folge (F
ϑn ) der ML-Schätzer ist asymptotisch erwar-
X1:n , . . . , Xn:n bezeichnet. Zeigen Sie: Ist für α ∈ (0, 1) tungstreu und konsistent für ϑ.
hα := −1 (1 − α/2) gesetzt, und sind zu p ∈ (0, 1) b) Der durch
rn , sn ∈ N durch
ϑn (x)n+1 − (F
F ϑn (x) − 1)n+1
Tn (x) =
rn := 2np − hα np(1 − p)3, F
ϑn (x)n − (F
ϑn (x) − 1)n
sn := 2np + hα np(1 − p)3 definierte Schätzer Tn ist erwartungstreu für ϑ.
a) Eϑ (F
ϑn ) = n
n−1 ϑ, n ≥ 2. Aufgabe 24.43 •• a) Leiten Sie die in (24.35) angege-
bene Dichte der tk -Verteilung her.
b) Vϑ (F
ϑn ) = n2 ϑ 2
(n−1)2 (n−2)
, n ≥ 3.
b) Zeigen Sie: Besitzt X eine tk -Verteilung, so existieren Er-
c) Die Schätzfolge (F
ϑn ) ist konsistent für ϑ. wartungswert und Varianz von X genau dann, wenn k ≥ 2
bzw. k ≥ 3 gelten. Im Fall der Existenz folgt
Aufgabe 24.38 •• Es seien X1 , . . . , Xn stochastisch
unabhängige identisch verteilte Zufallsvariablen mit k
E(X) = 0, V(X) = .
EX12 < ∞. Zeigen Sie: Mit σ 2 := V(X1 ) gilt k−2
⎛ ⎞
1
n Aufgabe 24.44 •• a) Zeigen Sie: In der Situation des
E⎝ (Xj − X n )2 ⎠ = σ 2 . Taxi-Problems auf Seite 911 ist die durch
n−1 0 1
j =1
C (x1 , . . . , xn ) := ϑ ∈ | ϑ ≤ α −1/n max xj
j =1,...,n
Aufgabe 24.39 •• Die Zufallsvariablen X1 , . . . , Xn definierte Abbildung C ein Konfidenzbereich für ϑ zum Ni-
seien stochastisch unabhängig und je N(μ, σ 2 )-verteilt, wo- veau 1 − α.
bei μ und σ 2 unbekannt seien. Als Schätzer für σ 2 betrachte
b) Wir groß muss n mindestens sein, damit die größte beob-
man
n achtete Nummer, versehen mit einem Sicherheitsaufschlag
Sn (c) := c (Xj − Xn )2 , c > 0. von 10% (d. h. 1.1 · maxj =1,...,n xj ) eine obere Konfidenz-
j =1 schranke für ϑ zum Niveau 0.99 darstellt, also
Für welche Wahl von c wird die mittlere quadratische Ab-
Pϑ ϑ ≤ 1.1 · max Xj ≥ 0.99 ∀ϑ ∈
weichung E(Sn (c) − σ 2 )2 minimal? j =1,...,n
gilt?
Aufgabe 24.40 •• Die Zufallsvariablen X1 , . . . , Xn
seien stochastisch unabhängig und je gleichverteilt U[0, ϑ], Aufgabe 24.45 •• Um die Übertragbarkeit der Krank-
wobei ϑ ∈ := (0, ∞) unbekannt sei. Zeigen Sie: heit BSE zu erforschen, wird 275 biologisch gleichartigen
a) Der ML-Schätzer für ϑ ist F
ϑn := maxj =1,...,n Xj . Mäusen über einen gewissen Zeitraum täglich eine bestimmte
b) Der Schätzer Menge Milch von BSE-kranken Kühen verabreicht. Inner-
n+1 halb dieses Zeitraums entwickelte keine dieser Mäuse irgend-
ϑn∗ := F
ϑn
n welche klinischen Symptome, die auf eine BSE-Erkrankung
hindeuten könnten. Es bezeichne ϑ die Wahrscheinlichkeit,
ist erwartungstreu für ϑ. Bestimmen Sie Vϑ (ϑn∗ ).
dass eine Maus der untersuchten Art unter den obigen Ver-
c) Der Momentenschätzer für ϑ ist
suchsbedingungen innerhalb des Untersuchungszeitraumes
1 BSE-spezifische Symptome zeigt.
n
@
ϑn := 2 · Xj .
n a) Wie lautet die obere Konfidenzschranke für ϑ zur Garan-
j =1
tiewahrscheinlichkeit 0.99?
d) Welcher der Schätzer ϑn∗ und @ ϑn ist vorzuziehen, wenn b) Wie viele Mäuse müssten anstelle der 275 untersucht wer-
als Gütekriterium die mittlere quadratische Abweichung den, damit die obere Konfidenzschranke für ϑ höchstens
zugrunde gelegt wird? 10−4 ist?
c) Nehmen Sie vorsichtigerweise an, die obere Konfidenz-
schranke aus Teil a) sei die „wahre Wahrscheinlichkeit“
Aufgabe 24.41 •• Die Zufallsvariablen X1 , . . . , Xn
ϑ. Wie viele Mäuse mit BSE-Symptomen würden Sie
seien unabhängig und je "(α, λ)-verteilt. Der Parameter
dann unter 10 000 000 Mäusen erwarten?
ϑ := (α, λ) ∈ := (0, ∞)2 sei unbekannt. Zeigen Sie:
Die Loglikelihood-Gleichungen führen auf
Aufgabe 24.46 •
F
αn 1
n
d a) In einer repräsentativen Umfrage haben sich 25% aller
Xn = , log Xj = αn ) − log F
log "(F λn .
F
λn n dα 1250 Befragten für die Partei A ausgesprochen. Wie ge-
j =1
nau ist dieser Schätzwert, wenn wir die Befragten als
rein zufällige Stichprobe aus einer Gesamtpopulation von
vielen Millionen Wahlberechtigten ansehen und eine Ver-
Aufgabe 24.42 •• Zeigen Sie, dass die folgenden Ver-
trauenswahrscheinlichkeit von 0.95 zugrunde legen?
teilungsklassen einparametrige Exponentialfamilien bilden:
b) Wie groß muss der Stichprobenumfang mindestens sein,
a) {Bin(n, ϑ), 0 < ϑ < 1}, damit der Prozentsatz der Wähler einer Volkspartei (zu
b) {Po(ϑ), 0 < ϑ < ∞}, erwartender Prozentsatz ca. 30%) bis auf ± 1% genau
c) {Exp(ϑ), 0 < ϑ < ∞}. geschätzt wird (Vertrauenswahrscheinlichkeit 0.95)?
220 Hinweise zu Kapitel 24
Aufgabe 24.48 •• Es sei die Situation des Beispiels von Aufgabe 24.2 •• Verwenden Sie den Zentralen Grenz-
Seite 932 (Konsumenten- und Produzentenrisiko) zugrunde wertsatz von Lindeberg-Lévy auf Seite 887.
gelegt. Eine Verbraucherorganisation möchte dem Herstel-
ler nachweisen, dass die mittlere Füllmenge μ kleiner als Aufgabe 24.3 • –
μ0 := 1000 ml ist. Hierzu wird der Produktion eine Stich-
probe vom Umfang n entnommen. Die gemessenen Füllmen- Aufgabe 24.4 • –
gen werden als Realisierungen unabhängiger und je N(μ, 4)
normalverteilter Zufallsvariablen angenommen. Aufgabe 24.5 • –
Aufgabe 24.14 • –
Aufgabe 24.21 •• Nutzen Sie die Erzeugungsweise der Aufgabe 24.35 •• Verwenden Sie die Jensen’sche Un-
Verteilung aus. gleichung auf Seite 834.
Aufgabe 24.46 • –
Aufgabe 24.26 •• –
Aufgabe 24.47 •• –
Aufgabe 24.27 •• Verwenden Sie die σ -Subadditivität
von P und den Satz von Tonelli auf Seite 262. Aufgabe 24.48 •• –
Aufgabe 24.28 •• Verwenden Sie das Resultat von Aufgabe 24.49 • Legen Sie die auf Seite 935 gemach-
Aufgabe und den Zentralen Grenzwertsatz von de Moivre- ten Annahmen zugrunde.
Laplace.
Aufgabe 24.50 • –
Aufgabe 24.29 •• a) X besitzt die Varianz s/(s − 2). b)
√ Aufgabe 24.51 • –
Es gilt "(x + 1/2) ≤ "(x) x, x > 0.
Aufgabe 24.52 • Nach den auf Seite 957 gemachten
Aufgabe 24.30 •• Nutzen Sie die Summen-Struktur Voraussetzungen haben die Differenzen Zj = Yj − Xj eine
von Wm,n sowie die Tatsache aus, dass der Vektor symmetrische Verteilung mit unbekanntem Median μ.
(r(X1 ), . . . , r(Yn )) unter H0 auf den Permutationen von
(1, . . . , m + n) gleichverteilt ist. Beachten Sie auch, dass
die Summe aller Ränge konstant ist.
Lösungen
Rechenaufgaben
Verständnisfragen
Aufgabe 24.31 • Betrachten Sie die Fälle k = 0,
k = n und 1 ≤ k ≤ n − 1 getrennt. Aufgabe 24.1 •• α −1/n max(X1 , . . . , Xn ).
Aufgabe 24.25 •• –
und somit – wenn wir zum komplementären Ereignis über- von H0 in einer langen Serie unabhängiger Testläufe unter-
gehen und t := ϑα 1/n setzen stellen. Dann würde man aber nicht testen!
Pϑ Mn > ϑα 1/n = 1 − α. Aufgabe 24.4 • Nein. Auch in diesem Fall handelt es
sich um den auf Seite 932 diskutierten Trugschluss, es exi-
Da wir hier das Kleiner- durch das Kleiner-gleich-Zeichen er- stiere eine „bedingte Wahrscheinlichkeit P(H0 gilt | Test führt
setzen können, ohne die Wahrscheinlichkeit zu ändern, folgt zur Ablehnung von H0 )“, und diese „Wahrscheinlichkeit“ sei
höchstens α (= 0.05).
Pϑ (0, Mn α −1/n ] 6 ϑ = 1 − α ∀ϑ ∈ ,
Aufgabe 24.5 • Nein. Der Statistiker hat aufgrund sei-
ner Stichprobe die Hypothese H0 , der Auschussanteil betrage
und somit ist Mn α −1/n eine obere Konfidenzschranke für ϑ höchstens 2%, zum 5%-Niveau abgelehnt, weil der beobach-
zur Konfidenzwahrscheinlichkeit 1 − α. tete p-Wert 0.027 betrug. Dass in 70% aller Fälle, in denen
n ein Widerspruch zu H0 (d. h. eine Beanstandung) auftrat, in
Aufgabe 24.2 •• Es sei Sn = j =1 Xj = nTn . Da Wirklichkeit H0 zutraf, steht hierzu nicht im Widerspruch.
X1 , . . . , Xn unabhängig und identisch verteilt sind mit Nach den auf Seite 932 angestellten Überlegungen hätten es
sogar 100% aller Fälle sein können, wenn alle Sendungen der
Eλ (X1 ) = Vλ (X1 ) = λ,
Behauptung des Herstellers entsprochen hätten, d. h. stets H0
liefert der Zentrale Grenzwertsatz von Lindeberg-Lévy auf gegolten hätte.
Seite 887 zunächst für beliebiges h > 0:
Aufgabe 24.6 •• a) Es gilt
√
n(Tn −λ) Sn −nλ Pϑ0 (Kϑ0 ) = Pϑ0 (C(X) 6 ϑ0 )
lim Pλ
n→∞
√ ≤ h = n→∞lim Pλ √
nλ
≤h
λ = 1 − Pϑ0 (C(X) 6 ϑ0 )
= (h) − (−h) ≤ 1 − (1 − α)
= 2(h) − 1. = α,
Setzt man speziell h = −1 (1−α/2), so gilt 2(h)−1 = α. was die Behauptung zeigt.
Ferner transformiert sich das asymptotisch hochwahrschein-
liche Ereignis b) Die Voraussetzung besagt, dass es zu jedem ϑ0 ∈
√ eine (messbare) Menge Kϑ0 ⊆ X mit der Eigenschaft
n(Tn −λ)
√ ≤h Pϑ0 (Kϑ0 ) ≤ α gibt. Mit Aϑ0 := X \ Kϑ0 gilt dann
λ
Pϑ0 (Aϑ0 ) ≥ 1 − α. Setzen wir
wie folgt: Es gilt
C(x) := {ϑ ∈ | Kϑ 6 x},
√ √
n|Tn − λ| ≤ h λ ⇔ n Tn2 − 2Tn λ + λ2 − λh2 ≤ 0 so folgt wegen
2 h2 x ∈ Aϑ ⇐⇒ Kϑ 6 x
⇔ λ − 2 Tn + λ + Tn2 ≤ 0
2n ⇐⇒ C(x) 6 ϑ
2
h2 T n h2 h4 die Abschätzung
⇔ λ− Tn + ≤ + 2
2n n 4n Pϑ (C(X) 6 ϑ) = Pϑ (Aϑ ) ≥ 1 − α, ϑ ∈ ,
⇔ Un ≤ λ ≤ On was zu zeigen war.
mit den im Resultat angegebenen Größen Un und On , was Aufgabe 24.7 •• Teilt man in der Darstellung (24.51)
zu zeigen war. Zähler und Nenner durch σ , so ergibt sich
Für die Daten des Rutherford-Geiger-Experiments auf U +δ
Seite 787 nimmt Tn den Wert 3.87 an, und es ist n = 10 097. Tn = ,
W
Zu α = 0.05 ist h = 1.96. Damit ergeben sich die konkreten wobei
Werte für Un und On (auf 4 Nachkommastellen gerundet) zu √ √
3.8317 bzw. zu 3.9087. Man erhält also das konkrete Konfi- n(X n − μ) n(μ − μ0 ) Sn
U= , δ= , W = .
denzintervall [3.8317, 3.9087]. σ σ σ
Nach dem Satz von Student über die Eigenschaften der ML-
Aufgabe 24.3 • Hier liegt der in der Box auf Seite 932 Schätzer der Parameter der Normalverteilung auf Seite 911
angesprochene Trugschluss vor. Die Formulierung in 5% al- sind U und W stochastisch unabhängig, und es gelten U ∼
ler Fälle bezieht sich auf diejenigen „Fälle“ (Testergebnisse), N(0, 1) sowie (n − 1)Sn2 /σ 2 = (n − 1)W 2 =: V ∼ χn−1 2 .
in denen ein signifikanter Widerspruch zu H0 erhoben wird. Nach Definition der nichtzentralen tn−1 -Verteilung folgt die
Die Aussage hätte nur einen Sinn, wenn wir die Gültigkeit Behauptung.
224 Lösungswege zu Kapitel 24
Aufgabe 24.8 • a) Besitzt Q eine Fr,s -Verteilung, d. h., jeder NP-Test ist eine Konvexkombination von
so hat 1/Q nach Definition der Fr,s -Verteilung eine Fs,r - zwei nichtrandomisierten NP-Tests. Setzen wir für c ∈
Verteilung. Es gilt dann {−1, 0, 1, 2, 3}
#
1 − p = P(Q ≤ Fr,s;1−p ) 1, falls k > c,
ψc (k) :=
1 1 0, falls k ≤ c,
= P ≥
Q Fr,s;1−p
so ergeben sich wegen
1 1
= 1−P ≤ .
Q Fr,s;1−p j 0 1 2 3
27 27 9 1
Damit gilt 1/Fr,s;1−p = Fs,r;p , was zu zeigen war. P1/4 (X = j ) 64 64 64 64
1 9 27 27
P3/4 (X = j )
b) Mit ϑ = (μ, ν, σ 2 , τ 2 ) und κ := Fm−1,n−1;1−α gilt 64 64 64 64
Das letzte Gleichheitszeichen gilt, weil die Fm−1,n−1 - Die Risikomenge ist nachstehend skizziert. Die Fehlerwahr-
Verteilung von scheinlichkeitspunkte der nichtrandomisierten Tests ψj für
j ∈ {−1, 0, 1, 2, 3} sind durch schwarze Kreise hervorgeho-
1/σ 2
Qm,n ben.
1/τ 2
unter ϑ nicht von ϑ abhängt. Dabei bezeichnet Fm−1,n−1 (·)
die Verteilungsfunktion der Fm−1,n−1 -Verteilung. Da
Fm−1,n−1(·) streng monoton
wächst, wächst die Funktion
ϑ → Pϑ Qm,n ≥ κ streng monoton in σ 2 /τ 2 .
n
n s−1
n
(Xj − μ0 )2 = (Xj − Xn )2 + n(X n − μ0 )2 P X(r) ≤ Qp < X(s) = p j (1 − p)n−j ,
j =1 j =1
j
j =r
folgt und dies war zu zeigen. Wählt man r und s so, dass die obige
n(X n − μ0 )2 Summe mindestens gleich 1 − α ist, so ist [X(r) , X(s) ] ein
Q(X)−n/2 = 1 + n Konfidenzintervall für Qp zur Konfidenzwahrscheinlichkeit
j =1 (Xj − X n )
2
1 − α.
und damit die angegebene Darstellung.
Aufgabe 24.14 • Die Summe der sechs Gewinnzahlen
hat die gleiche Verteilung wie W6,43 unter H0 , wenn wir
Aufgabe 24.11 •• Nach Darstellung (24.81) und dem
unterstellen, dass beim Lotto jede Sechserauswahl der Zahlen
Hinweis besitzt Fn die gleiche Verteilung wie
1, 2, . . . , 49 die gleiche Ziehungswahrscheinlichkeit besitzt.
W := max(X1 , 1 − X1 ),
n
n l(x) < ϑ < L(x) ⇐⇒ a(ϑ) ≤ x ≤ A(ϑ).
u (ϑ)= j ϑ j −1 (1−ϑ)n−j − (n−j )ϑ j (1−ϑ)n−j −1
j
j =k Es gilt
n
n!
= ϑ j −1 (1−ϑ)n−j ϑ < L(x) = sup{ϑ | a(ϑ) = x} ⇐⇒ ∃ϑ1 > ϑ : a(ϑ1 ) = x
(j − 1)!(n − j )!
j =k ⇐⇒ a(ϑ) ≤ x.
n−1
n!
− ϑ j (1−ϑ)n−j −1 Dabei folgt die Richtung „⇐“ der zweiten Äquivalenz aus
j !(n − j − 1)! der rechtsseitigen Stetigkeit von a(·) und der Tatsache, dass
j =k
die Funktion a(·) nur ganzzahlige Werte annimmt. Völlig
n−1
n! analog ergibt sich die Äquivalenz l(x) < ϑ ⇐⇒ x ≤ A(ϑ).
= ϑ i (1−ϑ)n−i−1
i!(n − i − 1)!
i=k−1
Aufgabe 24.17 •• a) Es ist l(0) = inf{ϑ | A(ϑ) = 0}.
n−1
n! Nach Definition von A(ϑ) gilt
− ϑ j (1−ϑ)n−j −1
j !(n − j − 1)! n
j =k n α
n! A(ϑ) = 0 ⇐⇒ ϑ j (1 − ϑ)n−j ≤
= ϑ k−1 (1 − ϑ)n−k j 2
j =1
(k − 1)!(n − k)!
α
=v (ϑ). ⇐⇒ 1 − (1 − ϑ)n ≤ .
2
Hieraus ergibt sich die Behauptung. Wegen 1 − (1 − 0)n ≤ α/2 folgt hieraus l(0) = 0.
b) Da die in (24.24) stehende Summe nach Teil a) streng
monoton in ϑ fällt, ist die Funktion a(·) monoton wachsend. Nach Definition ist L(0) = sup{ϑ | a(ϑ) = 0}. Nun ist
In gleicher Weise ist die Funktion A(·) monoton wachsend,
denn die in (24.25) stehende Summe wächst nach Teil a) 0
n α
streng monoton in ϑ. Nach Definition von a(ϑ) und A(ϑ) a(ϑ) = 0 ⇐⇒ ϑ j (1 − ϑ)n−j >
j 2
gelten j =0
α
⇐⇒ (1 − ϑ)n >
a(ϑ)−1 .
n j α 1 2
ϑ (1−ϑ)n−j ≤ < ,
j =0
j 2 2 Hieraus folgt, dass L(0) die Gleichung (1 − ϑ)n = α/2
n erfüllt, was zu
n j α 1
ϑ (1−ϑ)n−j ≤ < . α 1/n
j =A(ϑ)+1
j 2 2 L(0) = 1 −
2
Hieraus folgt A(ϑ) + 1 − (a(ϑ) − 1) ≥ 2 und somit äquivalent ist. Völlig analog zeigt man die Gleichungen
a(ϑ) ≤ A(ϑ). l(n) = (α/2)1/n und L(n) = 1.
Sei kurz
n j
pn,j (ϑ) := ϑ (1 − ϑ)n−j b) 1) Es ist l(x) = inf{ϑ ∈ | A(ϑ) = x}. Weiter gilt
j
A(ϑ) = x genau dann, wenn die Ungleichungen
gesetzt. Ist (ϑl ) eine Folge aus [0, 1] mit ϑl+1 ≤ ϑl ,
n
l ≥ 1, und liml→∞ ϑl = ϑ, so konvergiert – da die in (24.24) n j α
ϑ (1 − ϑ)n−j ≤ ,
stehende Summe nach Teil a) streng monoton in ϑ fällt – die j 2
j =x+1
Summe
n
a(ϑ)−1
n j α
pn,j (ϑl ) ϑ (1 − ϑ)n−j >
j 2
j =0 j =x
für l → ∞ von unten gegen erfüllt sind. Da die beide Summen streng monoton fallende
Funktionen von ϑ sind, erfüllt das Infimum aller ϑ mit der
a(ϑ)−1 α
pn,j (ϑ) ≤ . Eigenschaft A(ϑ) = x die Gleichung
2
j =0 n
n α
ϑ j (1 − ϑ)n−j = ,
Hieraus folgt, dass a(ϑl ) wegen der Ganzzahligkeit der Funk- j 2
j =x
tion a(·) für hinreichend großes l gleich a(ϑ) sein muss. Dies
zeigt, dass a(·) rechtsseitig stetig ist. Analog folgt, dass A(·) was zu zeigen war. Ganz analog zeigt man die zweite Be-
linksseitig stetig ist. hauptung.
Lösungswege zu Kapitel 24 227
Aufgabe 24.18 •• Nach dem Zentralen Grenzwertsatz gleichen Ziel wie oben folgt
von de Moivre-Laplace auf Seite 889 gilt, wenn wir für das
√
dortige Sn die Zufallsvariable nTn einsetzen und durch n gn∗ (μ) = Pμ (|Gn | > h∗α )
kürzen, √
√ = Pμ |X n − μ0 | > h∗α σ/ n
n(Tn − ϑ) Dϑ √
Zn := √ −→ Z, = Pμ X n > μ0 + h∗α σ/ n
ϑ(1 − ϑ) √
+ Pμ X n < μ0 − h∗α σ/ n
√ √
Pϑ Pϑ
wobei Z ∼ N(0, 1). Wegen Tn −→ ϑ gilt Wn −→ ϑ(1 − ϑ) n(X n − μ) n(μ0 − μ) ∗
= Pμ > + hα
und somit σ σ
? √ √
ϑ(1 − ϑ) Pϑ n(X n − μ) n(μ0 − μ) ∗
−→ 1. + Pμ < − hα
Wn σ σ
√
∗ n(μ0 − μ)
Mit Teil b) des Lemmas von Sluzki auf Seite 881 folgt = 1 − hα +
σ
? √
√ n(μ0 − μ)
n(Tn − ϑ) ϑ(1 − ϑ) Dϑ + 1 − h∗α −
√ = · Zn −→ Z. σ
Wn Wn √
n(μ − μ0 )
= 2 − h∗α −
σ
Damit ergibt sich √
n(μ − μ0 )
√ − h∗α + ,
n(Tn − ϑ) σ
lim Pϑ √ ≤ hα = 1 − α.
n→∞ W n
was zu zeigen war.
Dies war zu zeigen, denn das hier stehende Ereignis ist iden-
tisch mit dem in der Aufgabenstellung. Man beachte, dass Aufgabe 24.20 •• Für x > 0 ist
wir auch bei den Symbolen für Verteilungskonvergenz und
stochastische Konvergenz den Parameter ϑ als Index hervor- 1 ∞
t2
gehoben haben. 1 − (x) = √ exp − dt
2π x 2
∞
1 t t2
Aufgabe 24.19 • Wir betrachten zunächst den einsei- ≤ √ exp − dt
tigen Gauß-Test. Da die Hypothese H0 : μ ≤ μ0 genau 2π x x 2
dann zum Niveau α abgelehnt wird, wenn die Prüfgröße t2 ∞
√ 1 1
Gn = n(Xn − μ0 )/σ größer als hα := −1 (1 − α) ist, = √ − exp −
x 2π 2 x
gilt
ϕ(x)
= .
gn (μ) = Pμ (Gn > hα ) x
√
n(Xn − μ0 ) √
= Pμ > hα Setzen wir kurz q := −1 (1 − α) und δ := n(μ − μ0 )/σ ,
σ so gilt
σ hα
= Pμ X n > √ + μ 0
n 1 − gn (μ) = (q − δ) = 1 − (δ − q).
√ √
n(Xn − μ) n(μ0 − μ)
= Pμ > + hα Für δ > q (und somit für hinreichend großes n) folgt also
σ σ
√
n(μ − μ0 ) 1 1 1
= 1 − hα − . 1 − gn (μ) ≤ 2
√ exp − (δ − q) .
σ δ − q 2π 2
Dabei wurde beim letzten Gleichheitszeichen verwendet, Nutzt man noch die aus dem Mittelwertsatz der Analysis
√
dass n(Xn − μ)/σ standardnormalverteilt ist, wenn μ der folgende Ungleichung
wahre Parameter ist. Alle Umformungen liefen darauf hin-
aus, diese Tatsache auszunutzen. 1 δ2
−1/2
exp − (δ − q)2 ≤ e exp − (δ − q)
Beim zweiseitigen Gauß-Test wird die Hypothese H0∗ : μ = 2 2
μ0 zugunsten der Alternative H1∗ : μ = μ0 abgelehnt, wenn
|Gn | > h∗α gilt. Dabei ist h∗α := −1 (1 − α/2). Mit dem aus, so folgt die Behauptung.
228 Lösungswege zu Kapitel 24
Aufgabe 24.21 •• a) Nach Definition der Fr,s -Ver- c) Analog zu b) folgt mit E(R 2 ) = V(R) + E(R)2
teilung können wir
R/r s2 1
Q = E(Q2 ) = 2
E(R 2
) E
S/s r S2
mit unabhängigen Zufallsvariablen R und S setzen. Dabei 2
s 1
gelten R ∼ χr2 und S ∼ χs2 . Die Dichte der χk2 -Verteilung = 2 (2r + r 2 ) E .
r S2
besitzt nach (22.4) die Gestalt
1 k x Nun ist für s > 4
fk (x) := x 2 −1 e− 2 , x > 0.
∞
2k/2 "(k/2) 1 1 1 s/2−1 −t/2
E = s/2 t e dt
Nach dem Satz auf Seite 824 (Methode Verteilungsfunktion) S2 2 "(s/2) 0 t 2
sind die mit gr bzw. gs bezeichneten Dichten von R/r bzw.
∞
2 · 2s/2−3
S/s durch = s/2 us/2−2−1 e−u du
2 "(s/2) 0
gr (u) = fr (ru) r 1 s
r r/2 = " −2
= r/2 e−ur/2 ur/2−1 , 4"(s/2) 2
2 "(r/2) 1
gs (u) = fs (su) s = .
(s − 2)(s − 4)
s s/2
= s/2 e−us/2 us/2−1
2 "(s/2) Wegen V(Q) = E(Q2 ) − E(Q)2 folgt die Behauptung nun
für u > 0 und gr (u) = gs (u) = 0 sonst, gegeben. Nach Teil mit b) und direkter Rechnung.
c) des Satzes über die Dichte von Differenz, Produkt und
Quotient auf Seite 831 ergibt sich die Dichte von Q zu Aufgabe 24.22 •• Es sei
∞
fQ (t) = fr (tz)fs (z) z dz. cn := nλ0 + −1 (1 − α) nλ0
0
Setzt man hier die Ausdrücke für fr (tz) und fs (z) ein, zieht und Sn := X1 + . . . + Xn gesetzt. Zunächst gilt für die
Konstanten vor das Integral und führt anschließend die Sub- Gütefunktion Gϕn von ϕn mit dem Zentralen Grenzwertsatz
stitution u := z(tr + s)/2 durch, so folgt von Lindeberg-Lévy
∞
r r/2 s s/2 t r/2−1 lim Gϕn (λ0 ) = lim Pλ0 (Sn ≥ cn )
fQ (t) = u(r+s)/2−1 e−u du. n→∞ n→∞
"(r/2)"(s/2)(tr + s)(r+s)/2 0
Sn − nλ0
Da das Integral gleich "((r +s)/2) ist, ergibt sich mit (22.55) = lim Pλ0 √ ≥ −1 (1 − α)
n→∞ nλ0
und (22.56) nach Division von Zähler und Nenner durch
s (r+s)/2 die Behauptung. = 1 − (−1 (1 − α))
= α.
b) Aufgrund der Darstellung von Q und der Unabhängigkeit
von Zähler und Nenner gilt Setzen wir
s
R
E(Q) = E ·E kn := 4cn 5 = min{k ∈ N | k ≥ cn },
r S
s 1 so gilt mit dem Hinweis für jedes λ ≤ λ0
= E(R) E
r S
∞
1 λj
= sE . Gϕn (λ) = e−λ
S j!
j =kn
Hierbei wurde E(R) = r ausgenutzt. Weiter gilt mit der λ
1
Substitution u := t/2 und der Funktionalgleichung "(x + = e−t t kn −1 dt
(kn − 1)! 0
1) = x"(x) für die Gamma-Funktion
λ0
∞ 1
1 1 1 s/2−1 −t/2 ≤ e−t t kn −1 dt
E = s/2 t e dt (kn − 1)! 0
S 2 "(s/2) 0 t
∞ ∞
j
2 · 2s/2−2 λ0
= s/2 us/2−1−1 e−u du = e−λ0
2 "(s/2) 0 j!
j =kn
s
1 = Gϕn (λ0 )
= " −1
2"(s/2) 2
1 und damit für jedes λ mit λ ≤ λ0
= ,
s−2
lim sup Gϕn (λ) ≤ α.
woraus die Behauptung folgt. n→∞
Lösungswege zu Kapitel 24 229
Die Testfolge (ϕn ) besitzt also das asymptotische Niveau α. Aufgabe 24.25 •• Es sei ϑ = (p1 , . . . , ps ) =
Um die Konsistenz der Folge (ϕn ) nachzuweisen, sei λ1 mit (π1 , . . . , πs ) = ϑ0 . Damit ist o.B.d.A. p1 = π1 sowie
λ1 > λ0 beliebig gewählt. Sei ε > 0 so gewählt, dass λ1 −
ε > λ0 . Wegen limn→∞ cn /n = λ0 gibt es ein n0 , sodass
s
(Xj − nπj )2
für jedes n ≥ n0die Ungleichung cn /n < λ1 − ε erfüllt ist. Tn =
nπj
Mit Xn := n−1 nj=1 gilt für solche n j =1
(X1 − nπ1 )2
cn ≥
Gϕn (λ1 ) = Pλ1 X n ≥ nπ1
n 2
n X1
≥ Pλ1 X n − λ1 < ε . = − π1 .
π1 n
Da die letzte Wahrscheinlichkeit nach dem Gesetz großer Wegen X1 ∼ Bin(n, p1 ) unter Pϑ konvergiert X1 /n nach
Zahlen für n → ∞ gegen eins konvergiert, folgt die Be- dem Gesetz großer Zahlen Pϑ -stochastisch gegen p1 , und
hauptung. somit gilt
Aus A A = −1 folgt A = −1 A−1 und somit b) Zu ϕ ∈ betrachten wir den Test ψ := 1 − ϕ ∈ . Für
diesen gelten α(ψ) = Eϑ0 (1 − ϕ) = 1 − α(ϕ) und analog
A A = A −1 −1
A = Ik . β(ψ) = 1 − β(ϕ).
Nach Aufgabe 22.46 sind die Komponenten Y1 , . . . , Yk von c) Sind (αj , βj ) ∈ R und δ ∈ [0, 1], so existieren Tests
Y stochastisch unabhängige und je N(0, 1)-verteilte Zufalls- ϕj ∈ mit (αj , βj ) = (α(ϕj ), β(ϕj )), j = 1, 2. Für die
variablen. Wegen Konvexkombination ϕ := δϕ1 + (1 − δ)ϕ2 gilt ϕ ∈ und
k
α(ϕ)=Eϑ0 (δϕ1 + (1 − δ)ϕ2 ) = δ Eϑ0 ϕ1 + (1 − δ)Eϑ0 ϕ2
(X − μ) −1
(X − μ) = Y Y = Yj2
j =1
=δα1 + (1 − δ)α2
folgt die Behauptung aus der Erzeugungsweise der Chi- und analog β(ϕ) = δβ1 + (1 − δ)β2 . Folglich gehört der
Quadrat-Verteilung auf Seite 844. Punkt δ(α1 , β1 ) + (1 − δ)(α2 , β2 ) zu R.
230 Lösungswege zu Kapitel 24
Aufgabe 24.27 •• Die σ -Subadditivität von P liefert Da die Dichte symmetrisch um a ist, ist a der Median von
zunächst X. Die Ableitung Fs (Q1/2 ) ist also durch
⎛ ⎞
4 " s+1
P⎝ {Xi = Xj }⎠ ≤ P(Xi = Xj ). 2
Fs (Q1/2 ) = fs (a) = √
1≤i<j <∞ 1≤i<j <∞ π s " 2s
Wendet man den Satz von Tonelli auf Seite 262 mit 1 = gegeben. Da die Varianz σF2s nach Aufgabe 24.43 b) gleich
2 = R, A1 = A2 = B und μ1 = PXi sowie μ2 = PXj und s/(s − 2) ist, ergibt sich
f = 1 mit = {(x, y) ∈ R2 | x = y} an, so folgt
AREFs (Qn,1/2 , X n ) = 4Fs (a)2 σF2s
P(Xi = Xj ) = 1 PXi (dx)PXj (dy)
R2 4" 2 s+1
∞
=
2
,
= PXj (dy) PXi (dx) (s − 2)π " 2 2s
−∞ {x}
∞ was zu zeigen war.
= P(Xj = x) PXi (dx) b) Für die Fälle s = 3, s = 4 und s = 5 folgt unter Verwen-
−∞ √
dung von "(x + 1) = x"(x) und "(1/2) = π
= 0,
16
da aufgrund der Stetigkeit von Fj P(Xj = x) = 0 gilt. AREF3 (Qn,1/2 , X n ) = = 1.6211 . . .
π2
9
Aufgabe 24.28 •• Nach Aufgabe 24.13 gilt AREF4 (Qn,1/2 , X n ) = = 1.125,
8
n −1
s 256
n j AREF5 (Qn,1/2 , X n ) = = 0.9606 . . .
P Xrn :n ≤ Qp < Xsn :n = p (1 − p)n−j 27π 2
j
j =rn
Für den Fall s ≥ 6 verwenden wir die im Hinweis angegebene
= P(rn ≤ Sn ≤ sn − 1), Ungleichung
wobei Sn eine Zufallsvariable mit der Binomialverteilung 1 √
Bin(n, p) bezeichnet. Nach Standardisierung gilt also " x+ ≤ x "(x), x > 0,
2
Sn − np
P Xrn :n ≤ Qp < Xsn :n = P an ≤ √ ≤ bn , die mit f (t) := e−t/2 t x/2 , g(t) := e−t/2 t x/2−1/2 aus der
np(1 − p) Cauchy-Schwarz’schen Ungleichung
wobei
∞
∞ 1/2
∞ 1/2
rn − np sn − 1 − np f (t)g(t)dt ≤ f (t)2 dt g(t)2 dt
an := √ , bn := √ . 0 0 0
np(1 − p) np(1 − p)
folgt. Hiermit ergibt sich
Wegen
lim an = −hα , lim bn = hα 4 2s " 2 ( 2s )
n→∞ n→∞ AREFs (Qn,1/2 , X n ) ≤
liefern der Zentrale Grenzwertsatz von de Moivre-Laplace (s − 2)π " 2 2s
und Aufgabe 23.12 2s
=
(s − 2)π
lim P Xrn :n ≤ Qp < Xsn :n = (hα ) − (−hα ) < 1, falls s ≥ 6,
n→∞
= 2(hα ) − 1
α und damit insbesondere
= 2 1− −1
2 2
= 1 − α. lim sup AREFs (Qn,1/2 , X n ) ≤ .
s→∞ π
Wegen P(Qp = Xsn :n ) = 0 (vgl. die Selbstfrage auf Andererseits gilt
Seite 954) kann zu Beginn dieser Gleichungskette das
Kleiner-Zeichen auch durch das Kleiner-gleich-Zeichen er- s+1 s−1
" = " +1
setzt werden, sodass die Behauptung folgt. 2 2
s−1 s−1
= " .
Aufgabe 24.29 •• a) Die Verteilungsfunktion Fs ist auf 2 2
R differenzierbar, mit der Ableitung (Dichte)
Mit der obigen Ungleichung ergibt sich
s+1 −(s+1)/2
1 " 2 (t − a)2 s−1 1 s
fs (t) = √ s 1+ . " ≥ √ " ,
πs " 2 s 2 (s − 1)/2 2
Lösungswege zu Kapitel 24 231
und man erhält tere ist die Gleichverteilung auf den Paaren (i, j ) mit i, j ∈
{1, . . . , k} und i = j . Es folgt
2(s − 1)
AREFs (Qn,1/2 , Xn ) ≥ ,
(s − 2)π E(R1 R2 ) = i j P(R1 = i, R2 = j )
i=j
also insbesondere 1
= ij
2 k(k − 1)
i=j
lim inf AREFs (Qn,1/2 , X n ) ≥ . ⎛ ⎞
s→∞ π
1 k
= i⎝ j⎠
Zusammen mit der Abschätzung nach oben folgt die behaup- k(k − 1)
i=1 j :j =i
tete Grenzwertaussage
k
1 k(k + 1)
2 = i −i
lim AREFs (Qn,1/2 , X n ) = . k(k − 1) 2
s→∞ π i=1
k 2 (k + 1)2 2
k
1
= − i
k(k − 1) 4
Aufgabe 24.30 •• Wir setzen kurz k := m + n sowie
i=1
Ri := r(Xi ) für i = 1, . . . , m. Da aus Symmetriegründen 1 k 2 (k + 1)2 k(k + 1)(2k + 1)
jedes Ri die gleiche Verteilung besitzt und auch die Paare = −
k(k − 1) 4 6
und j mit i = j identisch verteilt
(Ri , Rj ) für jede Wahl von i
sind, folgt wegen Wm,n = m (k + 1)(3k + 2)
i=1 Ri nach den Rechenregeln =
für Erwartungswert und Varianz 12
und damit
E(Wm,n ) = m E(R1 ),
Cov(R1 , R2 ) = E(R1 R2 ) − ER1 · ER2
V(Wm,n ) = mV(R1 ) + m(m − 1) Cov(R1 , R2 ).
(k + 1)(3k + 2) (k + 1)2
= −
12 4
Mit dem Hinweis folgt, dass R1 auf den Werten 1, 2, . . . , k
k+1
gleichverteilt ist. Damit ergibt sich = − .
12
k+1 k2 − 1 Hiermit ergibt sich b) durch direkte Rechnung.
E(R1 ) = , V(R1 ) =
2 12
Rechenaufgaben
(vgl. das Beispiel auf Seite 774 sowie (21.17)), woraus un-
mittelbar Aussage a) folgt. Aufgabe 24.31 • Wir betrachten zunächst die beiden
Fälle k = 0 und k = n. Im ersten gilt h(ϑ) = (1 − ϑ)n ,
Aussage b) ergibt sich am einfachsten, wenn man zu den oben und das Maximum wird für ϑ = 0 = k/n angenommen.
eingeführten Zufallsvariablen R1 , . . . , Rm die Rangzahlen Im zweiten Fall ist h(ϑ) = ϑ n , und diese Funktion wird für
Rm+j := r(Yj ), j = 1, . . . , n, hinzunimmt. Wegen ϑ = 1 = k/n maximal. Im verbleibenden Fall 1 ≤ k ≤
n − 1 gilt h(0) = h(1) = 0, sodass das Maximum von h
k
k
k(k + 1) im offenen Intervall (0, 1) angenommen wird. Differenziert
Rj = j =
2 man die Funktion h, so ergibt sich als notwendige Bedingung
j =1 j =1
für ein Extremum
gilt dann V( kj =1 Rj ) = 0. Andererseits ist mit Rechenre- n k−1
0 = h (ϑ) = ϑ (1 − ϑ)n−k−1 (k − nϑ)
geln für die Varianz k
⎛ ⎞ und damit ϑ = k/n. Wegen h (ϑ) > 0 für ϑ < k/n und
k
h (ϑ) < 0 für ϑ > k/n liegt an der Stelle k/n ein Maximum
V⎝ Rj ⎠ = k V(R1 ) + k(k − 1) Cov(R1 , R2 ) vor.
j =1
Aufgabe 24.32 •• Mit der Abkürzung
und somit
V(R1 ) t m := t (t − 1) . . . (t − m + 1)
Cov(R1 , R2 ) = − .
k−1 für t ∈ R und m ∈ N sowie t 0 := 1 ist die Likelihood-
Mit dem oben angegebenen Ausdruck für V(R1 ) folgt dann Funktion zu x durch
b) durch Einsetzen. ϑ k (N − ϑ)n−k
Lx (ϑ) = Pϑ (X = x) = ,
Alternativ (aber umständlicher) kann man Cov(R1 , R2 ) über Nn
die gemeinsame Verteilung von R1 und R2 berechnen. Letz- k = x1 + . . . + xn , gegeben.
232 Lösungswege zu Kapitel 24
Wir unterscheiden die Fälle a) k = 0, b) k = n und c) b) Mit (24.24) gilt für jedes ϑ ∈
1 ≤ k ≤ n − 1.
ϑ
k n+1 − (k − 1)n+1
Zu a) Es ist Eϑ Tn = Pϑ Fϑn = k
(N − ϑ)n k − (k − 1)
n n
Lx (ϑ) = k=1
Nn
ϑ
k n+1 − (k − 1)n+1
und somit F
ϑ (x) = 0. =
ϑn
k=1
Zu b) Hier gilt ϑ
1 n+1
ϑ
ϑn
Lx (ϑ) = = n k − (k − 1) n+1
Nn ϑ
k=1 k=1
und folglich F
ϑ (x) = N. 1
= n ϑ n+1
Zu c) Im Fall 1 ≤ k ≤ n − 1 betrachten wir die Quotienten ϑ
= ϑ.
Lx (ϑ + 1) (ϑ + 1)k (N − ϑ − 1)n−k Nn
= · k
Lx (ϑ) N n
ϑ (N − ϑ)n−k
ϑ +1 N −ϑ +k−n Aufgabe 24.34 •• a) Die Likelihood-Funktion Lx zu
= · . x = (x1 , . . . , xn ) ∈ X := Nn0 ist durch
ϑ −k+1 N −ϑ
Eine direkte Rechnung liefert Lx (ϑ) = f (x, ϑ) = Pϑ (X = x)
n n
Lx (ϑ + 1) k(N + 1) ϑ xj
> 1 ⇐⇒ ϑ < − 1, = Pϑ (Xj = xj ) = exp(−ϑ)
Lx (ϑ) n xj !
j =1 j =1
Lx (ϑ + 1) k(N + 1) 1 nj=1 xj
n
= 1 ⇐⇒ ϑ = − 1.
Lx (ϑ) n = exp(−nϑ) ϑ
xj !
j =1
Hieraus folgt die Behauptung.
n
gegeben. Ist j =1 xj = 0, so wird Lx offenbar für
Aufgabe 24.33 •• a) Aus dem Beispiel auf Seite 911
wissen wir bereits, dass EF ϑn ≤ ϑ für jedes ϑ ∈ gilt. Nun 1
n
ist für k = 1, . . . , ϑ F
ϑ (x) := 0 = xj
n
n j =1
k
Pϑ max Xj ≤ k = n
j =1,...,n ϑ maximal. Im Fall j =1 xj > 0 betrachten wir die
Loglikelihood-Funktion
und somit
n
n
n
k k−1 n log Lx (ϑ) = −nϑ − log xj ! + xj log ϑ.
Pϑ max Xj = k = − . (24.24)
j =1,...,n ϑ ϑ j =1 j =1
n
Wegen j =1 Xj ∼ Po(nϑ) ergibt sich Wegen der Unabhängigkeit von X1 , . . . , Xn folgt somit
⎛ ⎞
n 4 ϑ2 − 1
1 Vϑ (@
ϑn ) = ·n·
If (ϑ) = Vϑ (Uϑ ) = 2 Vϑ ⎝ Xj ⎠ n 2 12
ϑ
j =1 ϑ2 − 1
1 n = .
= nϑ = . 3n
ϑ2 ϑ
c) Mit Aufgabe 24.37 •• a) Sei S := nj=1 Xj . Wegen X1 ∼
Vϑ (X1 ) ϑ Exp(ϑ) gilt nach dem Additionsgesetz für die Gammavertei-
Vϑ X n = =
n n lung auf Seite 844 S ∼ "(n, ϑ). Die Zufallsvariable S hat
also nach (22.52) unter Pϑ die Dichte
gilt Vϑ Xn = 1/If (ϑ), ϑ ∈ , was zu zeigen war.
ϑ n n−1 −ϑt
Aufgabe 24.35 •• a) Die Zufallsvariable X, deren Rea- g(t, ϑ) = t e
"(n)
lisierung k beobachtet wird, ist die Anzahl der Nieten vor
dem ersten Treffer. Sie besitzt also die geometrische Vertei- für t > 0 und g(t, ϑ) = 0 sonst. Es folgt für n ≥ 2
lung G(ϑ). Die Likelihood-Funktion ist
n
k Eϑ (F
ϑn ) = Eϑ
Lk (ϑ) = Pϑ (X = k) = (1 − ϑ) ϑ, 0 < ϑ < 1.
∞S
1
Diese nimmt ihr Maximum für den ML-Schätzwert = n g(t, ϑ) dt
0 t
∞
F
1 ϑn
ϑ (k) := = n t n−2 e−ϑt dt
1+k "(n) 0
∞
ϑn 1
an. = n un−2 e−u du
"(n) ϑ n−1 0
b) Da die durch g(t) := 1/(1 + t) definierte Funktion g :
ϑn 1
R≥0 → R strikt konvex ist und die Verteilung von X unter Pϑ = n "(n − 1)
nicht ausgeartet ist, folgt mit der Jensen’schen Ungleichung "(n) ϑ n−1
n
auf Seite 834 = ϑ.
n−1
1
Eϑ (F
ϑ ) = Eϑ = Eϑ g(X) b) In gleicher Weise wie ergibt sich für n ≥ 3
1+X
> g (Eϑ X)
n2
1 Eϑ (F
ϑn2 ) = Eϑ
= 1 = ϑ. S2
ϑ −1+1
∞1
Der ML-Schätzer ist somit nicht erwartungstreu. = n2 2
g(t, ϑ) dt
0 t
∞
ϑn
Aufgabe 24.36 •• Es ist = n2 t n−3 e−ϑt dt
"(n) 0
∞
ϑn 1
1
ϑ
ϑ +1 = n2 un−3 e−u du
Eϑ (X1 ) = k = "(n) ϑ n−2 0
ϑ 2
k=1 ϑn 1
= n2 "(n − 2)
und somit "(n) ϑ n−2
n2
2
n = ϑ2
Eϑ (@
ϑn ) = Eϑ Xj − 1 (n − 1)(n − 2)
n
j =1
und somit
2 ϑ +1
= ·n· −1 2
n 2 n2 ϑ 2 nϑ
= ϑ, Vϑ (F
ϑn ) = −
(n − 1)(n − 2) n−1
was die Erwartungstreue von @
ϑn zeigt. ϑ 2 n2
= .
(n − 1)2 (n − 2)
Nach (21.17) gilt
c) Wegen limn→∞ Eϑ (F ϑn ) = ϑ und limn→∞ Vϑ (F ϑn ) = 0
ϑ2 − 1 für jedes ϑ folgt die Behauptung aus der Selbstfrage auf
Vϑ (X1 ) = .
12 Seite 969.
234 Lösungswege zu Kapitel 24
Aufgabe 24.38 •• Der Hinweis gründet auf der Glei- b) Wir bestimmen zunächst Erwartungswert und Varianz von
chung EX1 = EX n , es sei also im Folgenden EX1 := 0 ge- ϑn unter Pϑ . Unter Pϑ hat F
F ϑn die Verteilungsfunktion
setzt. Wegen der Linearität der Erwartungswertbildung und
der identischen Verteilung der Xj gilt zunächst Gϑ (t) := Pϑ F ϑn ≤ t
⎛ ⎞ = Pϑ max Xj ≤ t
n j =1,...,n
1 n 2 ⎛ ⎞
E⎝ (Xj − X n )2 ⎠ = E X1 − X n .
n−1 n−1 <n
2 3
j =1 = Pϑ ⎝ Xj ≤ t ⎠
j =1
Weiter gilt
= Pϑ (X1 ≤ t)n
n
2 t
(X1 − Xn )2 = X12 − 2X1 X n + X n =
ϑ
2 1
n n
= X12 − X1 Xj + 2 Xi Xj . für 0 ≤ t ≤ ϑ sowie Gϑ (t) = 0 für t ≤ 0 und Gϑ (t) = 1
n n
j =1 i,j =1 für t ≥ ϑ. Hieraus folgt, dass F
ϑn unter Pϑ die Dichte
n−1
Wegen der Unabhängigkeit der Xj und EX1 = 0 gilt n t
gϑ (t) := , 0 < t < ϑ,
EX12 = σ 2 und E(Xi Xj ) = 0 für i = j , und man erhält ϑ ϑ
und g(t) := 0 sonst, besitzt. Es ergibt sich
2 2 1
E(X1 − X n )2 = σ 2 − σ + 2 nσ2
ϑ
ϑ
n n n n
F
Eϑ (ϑn ) = t gϑ (t) dt = n t n dt = ϑ,
n−1 2 ϑ n + 1
= σ 0 0
n
ϑ
ϑ
n n
F 2
Eϑ ϑn = 2
t gϑ (t) dt = n t n+1 dt = ϑ2
und damit die Behauptung. 0 ϑ 0 n + 2
und somit
Aufgabe 24.39 •• Wegen 2
n n
Vϑ (F
ϑn ) = ϑ2 − ϑ
n n+2 n+1
(Xj − X n )2 ∼ σ 2 Y nϑ 2
j =1 = .
(n + 2)(n + 1)2
mit Y ∼ χn−1
2 gilt Wegen
n+1
ϑn∗ = F
ϑn
n
E(Sn (c) − σ 2 )2 = E(cσ 2 Y − σ 2 )2
folgt
= σ 4 E c2 Y 2 − 2cY + 1
n+1
Eϑ (ϑn∗ ) = Eϑ (F
ϑn ) = ϑ,
= σ 4 c2 EY 2 − 2cEY + 1 . n
2
n+1 ϑ2
Vϑ (ϑn∗ ) = Vϑ (Fϑn ) = .
Die rechte Seite ist ein Polynom zweiten Grades in c, das für n n(n + 2)
Aufgabe 24.41 •• Die Dichte der Gammaverteilung c) Die Dichte der Exponentialverteilung Exp(ϑ) auf
"(α, λ) ist X := [0, ∞) ist
λα α−1
f (t; α, λ) = t exp (−λt) f (x, ϑ) = ϑ exp(−ϑx).
"(α)
für t > 0 und f (t; α, λ) = 0 sonst. Die Likelihood-Funktion Es liegt also eine einparametrige Exponentialfamilie mit
zu x = (x1 , . . . , xn ) ∈ (0, ∞)n ist somit durch b(ϑ) = ϑ, h(x) ≡ 1, T (x) = x und Q(ϑ) = −ϑ vor.
⎛ ⎞α−1 ⎛ ⎞
α n n
n Aufgabe 24.43 •• a) Nach Gleichung c) auf Seite 831
λ ⎝
Lx (α, λ) = xj ⎠ exp ⎝−λ xj ⎠ ist die Dichte f des Quotienten zweier unabhängiger Zufalls-
"(α)
j =1 j =1 variablen X1 und X2 mit Dichten f1 bzw. f2 durch
gegeben. Für die Loglikelihood-Funktion folgt daher
∞
f (t) = f1 (ts) f2 (s) |s| ds, t ∈ R, (24.26)
log Lx (α, λ) = n (α log λ − log "(α)) −∞
n
n
+(α − 1) log xj − λ xj . √ Im Fall der tk -Verteilung gilt X1 ∼ N(0, 1) sowie
gegeben.
j =1 j =1
X2 ∼ Yk /k, wobei Yk ∼ χk2 . Wir bestimmen zunächst die
Verteilungsfunktion und dann die Dichte von X2 . Es ist für
Die Ableitungen dieser Funktion nach α und λ sind u>0
n
∂ d
log Lx (α, λ) = n log λ − log "(α) + log xj , P(X2 ≤ u) = P Yk /k ≤ u = P Yk ≤ ku2 .
∂α dα
j =1
Da Yk nach (22.4) die Dichte
∂ α
n
log Lx (α, λ) = n − xj , 1
∂λ λ g(t) = t k/2−1 exp(−t/2), t > 0,
j =1
2k/2 "(k/2)
sodass Nullsetzen dieser Ableitungen das zu zeigende Resul-
besitzt, hat X2 (Differenziation!) die Dichte
tat liefert.
Setzt man Fλn = Fαn /X n in die zweite Gleichung der Auf- f2 (s) = 2ks g(ks 2 ), s > 0,
gabenstellung ein, so ergibt sich als numerisch zu lösende
und f2 (s) = 0 sonst. Wegen
Bestimmungsgleichung für F αn
1 t 2s2
n 1
log F
αn − (F
αn ) = log X n − log Xj . f1 (ts) = √ exp −
n 2π 2
j =1
Mit der Substitution u := t/2 und der Definition der Gam- gelten.
mafunktion folgt dann
Aufgabe 24.46 • a) Wir verwenden ein Binomialmo-
dell, betrachten also die Ergebnisse der Befragungen als Rea-
∞ lisierungen von n = 1250 unabhängigen Zufallsvariablen
k 2k/2−1
E(X 2 ) = uk/2−2 e−u du mit gleicher Binomialverteilung Bin(n, ϑ). Aufgrund des
k/2 k
2 " 2 0 großen Stichprobenumfangs machen wir Gebrauch von den
2k k k in (24.43) und (24.45) angegebenen Konfidenzgrenzen ln∗ und
= " −1 = , L∗n . Einsetzen liefert, dass die Konfidenzgrenzen durch
" k 2 k−2
2
1.96 √
da "(x + 1) = x"(x) für x > 0. 0.25 ± √ 0.25 · 0.75 = 0.25 ± 0.024
n
Aufgabe 24.44 •• a) Zu zeigen ist gegeben sind. Das konkrete Konfidenzintervall ist somit
[0.226, 0.274].
Pϑ ϑ ≤ α −1/n max Xj ≥ 1 − α ∀ϑ ∈ .
j =1,...,n
b) Wie in a) verwenden wir die in (24.43) und (24.45) ange-
Sei Mn := max(X1 , . . . , Xn ). Es ist gebenen Konfidenzgrenzen ln∗ und L∗n . Danach ist die Länge
des Konfidenzintervalls durch
Pϑ ϑ ≤ α −1/n Mn = 1 − Pϑ Mn < ϑα 1/n 2hα
n √ Tn (1 − Tn )
= 1 − Pϑ X1 < ϑα 1/n n
n gegeben. Da Tn der Mittelpunkt des Intervalls mit den Gren-
ϑα 1/n
≥ 1− zen ln∗ und L∗n ist und der Prozentsatz bis auf ±1% genau
ϑ geschätzt werden soll, muss die Läge des Intervalls 0.02
= 1 − α. betragen. Da für die Realisierung von Tn ein Wert in der
Lösungswege zu Kapitel 24 237
√
Nähe von 0.3 erwartet √ wird und sich die Werte der Funk- und somit wegen 0.9 = (1.282) die Gleichung n(μ0 −
tion t → g(t) := t (1 − t) bei kleinen Abweichungen μ1 )/2 − 2.326 = 1.282. Hieraus ergibt sich der Mindest-
von t zu 0.3 kaum ändern (so ist g(0.3) ≈ 0.458 und stichprobenumfang zu n = 53.
g(0.28) ≈ 0.449), setzen wir in die obige Darstellung der
(zufälligen) Intervalllänge für Tn den Wert 0.3 ein und lösen Aufgabe 24.49 • Wir sehen die Differenzen zi :=
mit hα = 1.96 die Ungleichung yi − xi als Realisierungen unabhängiger und je N(μ, σ 2 )-
verteilter Zufallsvariablen Z1 , . . . , Z8 an, wobei μ und σ 2
2 · 1.96
√ 0.3(1 − 0.3) ≤ 0.02 unbekannt sind. Aufgrund der Aufgabenstellung testen wir
n die Hypothese H0 : μ ≤ 0 gegen die Alternative H1 : μ > 0.
nach n auf. Das kleinste (ganzzahlige) n, das dieser Unglei- Der Mittelwert z8 von z1 , . . . , z8 ist 0.06125, und es gilt
chung genügt, ist 8059.
1
8
(zj − z8 )2 = 0.002807 . . .
Aufgabe 24.47 •• Die Situation entspricht der einer 8−1
j =1
Urne mit r roten und s = 100 − r schwarzen Kugeln (diese
stehen für die defekten bzw. intakten Glühbirnen), aus wel- Wegen
cher n(= 10)-mal ohne Zurücklegen gezogen wird. Die An-
zahl X der gezogenen roten Kugeln besitzt die hypergeo- √
8 · z8
metrische Verteilung Hyp(10, r, s). Der Stichprobenraum ist * = 3.269 . . .
1 8
X := {0, 1, 2, . . . , 10}, und der Parameterbereich für r(= ϑ) 8−1 j =1 (z j − z 8 ) 2
ist := {0, 1, . . . , 100}. Hypothese und Alternative lauten
H0 : r ≤ 10 bzw. H1 : r > 10. Der Händler wählt den kriti- wird H0 auf dem 5%-Niveau abgelehnt, denn nach Ta-
schen Bereich K := {1, 2, . . . , 10}. belle 24.2 gilt t7;0.95 = 1.895.
Mit s := 100 − r gilt
Aufgabe 24.50 • Wir führen einen χ 2 -Test durch. Die
s · (s − 1) · . . . · (s − 9) Teststatistik (vgl. (24.63)) nimmt mit s = 6, π1 = π2 =
Pr (X ∈ K) = 1−Pr (X = 0) = 1− .
100 · 99 · . . . · 91 . . . = π6 = 1/6 und k1 = 32, k2 = 35, k3 = 41, k4 = 38,
Diese Wahrscheinlichkeit ist monoton wachsend in r. Für k5 = 28 und k6 = 26 den Wert
r = 10, s = 90 ergibt sich P10 (X ∈ K) = 0.6695 . . ., d. h.,
6
der Test besitzt das approximative Niveau 0.67. 6 200 2
χn2 (k1 , . . . , k6 ) = kj − = · · · = 5.02
200 6
j =1
Aufgabe 24.48 •• a) Wird H0 : μ ≥ μ0 als Hypothese
gewählt und ein Test zum Niveau 0.01 gegen die Alternative
an. Aus Tabelle 24.3 liest man den kritischen Wert zu
H1 : μ < μ0 durchgeführt, so dient diese Vorgehensweise 2
χ5;0.9 = 9.24 ab. Wegen 5.02 ≤ 9.24 wird die Hypothese
zum einen dem Schutz des Herstellers, denn man würde nur
der Echtheit bei einer zugelassenen Wahrscheinlichkeit von
mit der kleinen Wahrscheinlichkeit 0.01 zu einer falschen
0.1 für einen Fehler erster Art nicht verworfen.
Entscheidung gelangen, wenn in Wirklichkeit μ ≥ μ0 gilt.
Es bedeutet aber auch, dass man im Fall der Ablehnung der
Hypothese praktisch sicher sein kann, dass H0 nicht zutrifft. Aufgabe 24.51 • Mit (24.89) gilt
n
b) Wegen σ = 2 ist die Prüfgröße des Gauß-Tests nach 1
√ P(X(1) ≤ Q1/2 ≤ X(n) ) = 1 − 2 · .
(24.46) durch Gn = n(X n − μ0 )/2 gegeben. Wegen 2
−1 (0.99) = 2.326 lehnt dieser Test H0 ab, falls Gn ≤
−2.326 gilt, was zur behaupteten Ungleichung äquivalent Wegen
ist. 1
1− ≥ 0.95 ⇐⇒ 2n−1 ≥ 20
2n−1
c) Es sei μ1 := 999. Nach Wunsch der Verbraucherorgani-
√
sation soll 0.9 = Pμ1 (X n ≤ μ0 − 4.652/ n) gelten. Da muss n mindestens 6 sein.
√
N := n(X n − μ1 )/2 eine N(0, 1)-Normalverteilung be-
sitzt, wenn μ1 der wahre Parameter ist, folgt Aufgabe 24.52 • Da sieben der acht Differenzen yj −
xj in der Tabelle zu Aufgabe 24.49 positiv sind, nimmt die
4.652
0.9 = Pμ1 X n ≤ μ0 − √ Vorzeichen-Testgröße T = 8j =1 1{Zj > 0} den Wert 7 an.
n
√ Im Fall μ = 0 hat T die Binomialverteilung Bin(8, 1/2). Da
n(μ0 − μ1 )
= P μ1 N ≤ − 2.326 die Wahrscheinlichkeit P(T ≥ 7) monoton mit μ wächst,
2 gilt unter H0 (d. h. für jedes μ ≤ 0) P(T ≥ 7) = 9/256 =
√
n(μ0 − μ1 ) 0.0351 . . . Somit wird H0 : μ ≤ 0 auf dem 5%-Niveau ab-
= − 2.326
2 gelehnt.