Kompakte Operatoren in Hilberträumen

Größe: px
Ab Seite anzeigen:

Download "Kompakte Operatoren in Hilberträumen"

Transkript

1 Kompakte Operatoren in Hilberträumen 1 Vorbemerkungen Im Folgenden bezeichne H immer einen seperablen Hilbertraum über C Mit B(H 1, H 2 ) bezeichnen wir die Menge aller beschränkten linearen Operatoren von H 1 nach H 2 Weiters setzen wir B(H) = B(H, H) Wir verwenden im Weiteren folgende Bezeichnungen und Symbole: I : H H, x x bezeichnet den Identitätsoperator T bezeichnet die Hilbertraumadjungierte eines Operators T B(H) ρ(t ) bezeichnet die Resolventenmenge eines Operators T B(H), dh ρ(t ) = {λ C : (T λi) ist invertierbar} Das Spektrum σ(t ) eines Operators T B(H) wird definiert als σ(t ) = C\ρ(T ) Der Spektralradius r(t ) eines Operators T B(H) bezeichnet die Zahl r(t ) = sup{ λ : λ σ(t )} Als nächstes benötigen wir den Begriff eines kompakten Operators Definition 11 Ein Operator T aus B(H 1, H 2 ) heißt kompakt, wenn T (U) kompakt ist, wobei U die Einheitskugel in H 1 bezeichnet Die Menge aller kompakten Operatoren wird mit K(H 1, H 2 ) bezeichnet, und K(H, H) mit K(H) Wir setzen folgende Tatsachen über kompakte Operatoren und Spektren als bekannt voraus: Ist T B(H 1, H 2 ), und ist dim ran T <, so ist T kompakt K(H 1, H 2 ) ist ein bezüglich der Operatornorm abgeschlossener linearer Teilraum von B(H 1, H 2 ) Ist T B(H 1, H 2 ) und S B(H 2, H 3 ), und ist einer der beiden Operatoren kompakt, so sind ST und T S kompakt T B(H 1, H 2 ) ist genau dann kompakt, wenn seine adjungierte T B(H 2, H 1 ) kompakt ist σ(t ) ist für alle T B(H) eine kompakte nichtleere Teilmenge von C σ(t ) R für alle selbstadjungierten T B(H), dh für alle T B(H) mit T = T r(t ) = T für alle normalen T B(H), dh für alle T B(H) mit T T = T T Im folgenden bezeichnen wir mit c 0 die Menge aller reellen Nullfolgen Der bekannte Spektralsatz für selbstadjungierte kompakte Operatoren lässt sich dann wie folgt formulieren 1

2 Satz 12 (Spektralsatz für selbstadjungierte kompakte Operatoren) Sei T K(H) selbstadjungiert, dann existiert eine Orthonormalbasis (e n ) n N von H und Folge (λ k ) k N c 0, so dass T x = λ k (x, e k )e k, x H Dabei sind die λ k die entsprchend ihrer Vielfachheit gezählten Eigenwerte von T, e k ist ein Eigenvektor zu λ k und die Reihe konvergiert punktweise absolut Eine äquivalente Darstellung ist T = λ k E k Hierbei bezeichnen die λ k wieder die Eigenwerte von T, E k die Projektion auf den Eigenraum von λ k und die Reihe konvergiert in der Operatornorm 2 Singulärwertezerlegung Kompakte Operatoren sind jene Abbildungen zwischen unendlichdimensionalen Räumen, die sich am leichtesten mit Matrizen (also linearen Abbildungen zwischen endlichdimensionalen Räumen) vergleichen lassen, da sich einige Ergebnisse über Matrizen auf kompakte Operatoren erweitern lassen Ersetze man in diesem Abschnitt unendlichdimensionale Hilberträume durch endlichdimensionale Vektorräume, erhält man also bekannte Ergebnisse aus der linearen Algebra Zunächst benötigen wir für unsere Überlegungen den Begriff eines positiven Operators Definition 21 Ein selbstadjungierter Operator T K(H) heißt Positiv, wenn für alle x H gilt (T x, x) 0 Wir schreiben dann T 0 Lemma 22 Ein selbstadjungierter Operator K(H) ist positiv σ(t ) [0, + ) = folgt aus dem Spektralsatz (siehe Rechnung im Beweis des nächsten Satzes) und = ist klar, denn für Eigenwerte ist (T x, x) = λ x 2 Damit erhalten wir als erstes Ergebnis den folgenden Satz Satz 23 (Quadratwurzelsatz) Sei T K(H) selbstadjungiert und positiv Dann existiert genau ein positiver selbstadjungierter Operator S K(H) mit S 2 = T Wir schreiben S = T 1/2 Sei T x = λ k (x, e k )e k Da T 0, sind alle λ k 0 Definiere S durch Sx = λk (x, e k )e k Es gilt klarerweise S 2 = T Weiters gilt (Sx, x) = ( λk (x, e k )e k, x) = = λk (x, e k )(e k, x) = λk (x, e k )(x, e k ) = (x, λk (x, e k )e k ) = (x, Sx), 2

3 also ist S selbstadjungiert Außerdem sieht man mit Hilfe von (Sx, x) = λk (x, e k ) 0, dass S 0 Berücksichtigen wir, dass die Norm eines selbstadjungierten Operators gleich dem größten Eigenwert ist, so folgt die Kompaktheit aus N S λk (, e k )e k = λk (, e k )e k = sup λk 0 für N k>n k=n+1 und der Tatsache, dass K(H) abgeschlossen ist Sei nun R K(H) ein weiterer Operator mit R 0, R 2 = T und R = R Schreibt man laut Spektralsatz Rx = ν k(x, f k )f k, so folgt, dass T x = ν2 k (x, f k)f k Daraus folgt sofort, dass die ν 2 k die Eigenwerte von T sind und die f k die zugehörigen Eigenvektoren Da R 0, folgt daraus, dass ν k für alle k positiv ist Das heißt, die Reihendarstellungen von S und R sind bis auf Umordnung identisch, und da die Reihen punktweise absolut konvergieren, muss S = R gelten Das folgende Lemma zeigt nun, wie man jedem beliebigen kompakten Operator einen Operator zuweisen kann, der die Voraussetzungen des obigen Satzes erfüllt Lemma 24 Sei T K(H 1, H 2 ) Dann ist T T : H 1 H 1 positiv, selbstadjungiert und kompakt Daher ist T = (T T ) 1/2 wohldefiniert Betrachte für beliebiges x H 1 (T T x, x) = (T x, T x) = (x, T T x) Daraus folgt, dass T T selbstadjungiert ist Da der mittlere Term gerade T x ist, folgt T T 0 Dass der Operator kompakt ist, ist klar Wir können nun die aus der linaren Algebra bekannte Polarzerlegung von Matrizen auch für kompakte Operatoren zeigen Satz 25 (Polarzerlegung) Zu T K(H 1, H 2 ) existiert ein U B(H 1, H 2 ) mit T = U T U ist unitär, also isometrisch, zwischen (ker U) und ran U U ist durch die Forderung ker U = ker T eindeutig bestimmt Aus der Selbstadjungiertheit von T erhalten wir T x 2 = ( T x, T x) = (x, T 2 x) = (x, T T x) = (T x, T x) = T x 2 Daraus folgt für x, y H 1 mit x y T x T y = T (x y) = T (x y) = T x T y, also bildet T zwei Elemente auf ein einziges ab, genau dann, wenn T diese zwei Elemente auf ein einziges abbildet Daher ist die Abbildung U mit U( T x) = T x wohldefiniert und unitär von ran T nach ran T Wir setzen U isometrisch auf ran T ran T fort Setzen wir weiters U = 0 auf (ran T ) = ker T, so ist die Existenz von U gezeigt Aus obiger Gleichung folgt, dass 3

4 ker T = ker T ; daraus folgt die Eindeutigkeit Der nächste Satz, der der bekannten Singulärwertezerlegung entspricht, verallgemeinert nun den Spektralsatz für selbstadjungierte kompakte Operatoren auf einem Hilbertraum auf beliebige kompakte Operatoren zwischen nicht mehr notwendigerweise identischen Hilberträumen Satz 26 (Singulärwertezerlegung) Zu T K(H 1, H 2 ) existiert eine Orthonormalbasis (e n ) n N in H 1, ein Orthonormalsystem (f n ) n N in H 2 sowie eine Folge (s n ) n N c 0, so dass für alle x H 1 gilt: T x = s k (x, e k )f k Die Zahlen s 2 k sind die in ihrer Vielfachheit gezählten Eigenwerte von T T Die s k nennt man singuläre Zahlen oder Singulärwerte von T Die zu T gehörige Folge wird mit s n (T ) bezeichnet sei Sei T = U T die Polarzerlegung von T und die Darstellung von T laut Spektralsatz T x = s k (x, e k )e k, und weiters setzen wir f n = U(e n ) Dann haben die s k die gewünschten Eigenschaften und da U unitär ist, ist (f n ) n N ein Orthonormalsystem Wir erhalten aus diesem Satz nun einige Korollare: Korollar 27 Jeder Operator der Form T x = a n(x, e n )f n, mit (a n ) n N c 0 und (e n ) n N, (f n ) n N Orthonormalsysteme in in H 1 bzw in H 2, ist kompakt Weiter gilt ( a n ) n N = s n (T ) Die erste Aussage ist klar, da die Folge der Partialsummen gleichmäßig gegen T konvergiert Einfaches Nachrechnen zeigt, dass T = a n (, e n )e n gilt, woraus die zweite Aussage folgt Korollar 28 Die Operatoren mit endlichdimensionalem Bild liegen dicht in K(H 1, H 2 ) Folgt aus Korollar (27) und Satz (26) Korollar 29 Für T K(H 1, H 2 ) gilt T = s n (T ) Mit Hilfe von Satz (25) und der Tatsache, dass T selbstadjungiert ist und die s n (T ) die Eigenwerte von T sind, erhalten wir T = sup T x = sup U T x = sup T x = T = sup s n (T ) = s n (T ) x =1 x =1 x =1 n N 4

5 3 Nukleare Operatoren Laut Satz (26) definiert jeder Operator K(H) eine Nullfolge s n (T ) Man kann sich daher fragen, für welche Operatoren die zugehörige Folge im l 1 liegt Definition 31 Die Menge aller nuklearen Operatoren wird definiert als N (H) = { T K(H) : s n (T ) l 1} Ein Operator T N (H) heißt nuklearer Operator Bemerkung: Natürlich kann man sich für jedes p mit 1 p < fragen, ob s n (T ) l p Dies führt zur Theorie der sogenannten Schattenklassen, die viele Gemeinsamkeiten mit der Theorie der l p -Räume hat Satz 32 Für T K(H) sind äquivalent: (i) T N (H) (ii) Es gibt Folgen (y n ) n N und (z n ) n N in H mit y n = z n = 1 und eine Folge (a n ) n N l 1, so dass für alle x H T x = a n (x, z n )y n (iii) Es gibt Folgen (y n ) n N und (z n ) n N in H mit y n z n <, so dass für alle x H T x = (x, z n )y n Weiters gilt s n (T ) l 1 = inf a n l 1 = inf y n z n wobei das Infimum über alle (a n ) genommen wird, mit denen laut (ii) der Operator T dargestellt werden kann, bzw über alle Folgen (y n ), (z n ) mit denen laut (iii) T dargestellt werden kann (i) (ii): Folgt aus der Singulärwertezerlegung (ii) (i): Sei T x = a n(x, z n )y n eine solche Darstellung und sei T x = s k(x, e k )f k die Singulärwertedarstellung Dann gilt sowohl T e k = s k f k als auch T e k = a n(e k, z n )y n Also folgt mit der Cauchy-Schwarzschen und Besselschen Ungleichung: a n (e k, z n ) (y n, f k ) = ( a n 1/2 (e k, z n ) )( a n 1/2 (y n, f k ) ) s k = k, a n (e k, z n ) 2 1/2 k, k, a n (y n, f k ) 2 ( ) 1/2 ( ) 1/2 a n (e k, z n ) 2 a n (y n, f k ) 2 ( ) 1/2 ( ) 1/2 a n z n 2 a n y n 2 ( ) 1/2 ( 1/2 a n a n ) = 5 a n 1/2

6 Also ist s n (T ) l 1 (ii) (iii): trivial Der Zusatz folgt direkt aus obiger Rechnung Wir wollen nun zeigen, dass N (H) ein Banachraum ist Zuvor benötigen wir noch ein Lemma, dass es uns ermöglicht, die Vollständigkeit eines normierten Raumes zu zeigen Lemma 33 Sei (X, ) ein normierter Raum, dann sind äquivalent: (i) X ist vollständig (ii) Jede absolut konvergente Reihe konvergiert gegen ein x X (i) (ii): ist klar, denn ( N x n) N N ist Cauchyfolge (ii) (i): Sei (x n ) n N eine Cauchyfolge Wähle zu ɛ k = 2 k ein N k N mit x n x m 2 k für n, m N k Dann existiert eine Teilfolge mit x nk+1 x nk 2 k für alle k N Setzen wir y k = x nk+1 x nk, so gilt y k < Laut Voraussetzung existiert also ein y X mit K y y k = y (x nk+1 x n1 ) 0 für K Daher konvergiert eine Teilfolge von (x n ) n N Da (x n ) n N selbst eine Cauchyfolge ist, folgt, dass die Folge selbst konvergiert Satz 34 N (H) versehen mit der Norm T NUK = s n (T ) l 1 für T N (H) ist ein Banachraum Weiters gilt T T NUK Wir zeigen zuerst die Normabschätzung Sei dazu T x = s k(x, e k )f k Dann gilt T x = s k (x, e k )f k = s k (x, e k ) x s k l 1 = x T NUK Daraus folgt sofort T T NUK Hieraus erhalten wir auch sogleich T NUK = 0 T = 0 T = 0 Dass λt NUK = λ T NUK gilt, sieht man aus der Definition Seien nun T 1, T 2 N (H) Es gelte T i x = k s i,k(x, e i,k )f i,k Dann ist (T 1 + T 2 )(x) = s 1,1 (x, e 1,1 )f 1,1 + s 2,1 (x, e 2,1 )f 2,1 + s 1,2 (x, e1, 2)f 1,2 + s 2,2 (x, e 2,2 )f 2,2 +, und dies ist eine Darstellung von T 1 + T 2 laut Satz (32) (ii) mit a 2n = s 2,n und a 2n 1 = s 1,n Ebenfalls aus Satz (32) und der Dreiecksungleichung im l 1 folgt: T 1 + T 2 NUK a n l 1 s n (T 1 ) l 1 + s n (T 2 ) l 1 = T 1 NUK + T 2 NUK Für die Vollständigkeit wähle (T m ) m N N (H) mit m=1 T m NUK < Dann gilt T m m=1 T m NUK < m=1 6

7 Da K(H) ein Banachraum ist, existiert T = m=1 T m Laut Satz (32) gilt auch tatsächlich M T T m NUK s m,n T m NUK 0 m=1 m>m m>m Der nächste Satz besagt, dass die nuklearen Operatoren ein Ideal bilden Satz 35 Seien R, T B(H) und S N (H) Dann ist RST N (H) mit RST NUK R S NUK T Sei S = s n(, e n )f n Man sieht leicht, dass in diesem Falle RST = s n (, T e n )Rf n Es folgt laut Satz (32) RST NUK s n T e n Rf n R T s n Da N (H) ein Banachraum ist, können wir natürlich auch seinen Dualraum betrachten Im folgenden wird ein spezielles Funktional auf N (H) von interesse sein Um es zu definieren, benötigen wir zunächst folgendes Lemma Lemma 36 Sei T N (H), (e n ) n N sei eine beliebige Orthonormalbasis von H, und sei T x = a n(, x n )y n eine Darstellung von T mit (a n ) l 1 und x n = y n = 1 Dann gilt a n (y n, x n ) = wobei beide Reihen absolut konvergieren (T e n, e n ), Da (a n ) l 1 und (y n, x n ) 1 ist, konviergt die linke Reihe absolut Mit der Parsevalschen Gleichung gilt a n (y n, x n ) = a n (y n, e k )(e k, x n ) = a n (y n, e k )(e k, x n ) = (T e k, e k ) Daher konvergieren beide Reihen unbedingt zum selben Limes, also konvergiert auch letztere absolut Definition 37 Sei T N (H) und (e n ) n N eine Orthonormalbasis von H Die Spur von T wird definiert als tr(t ) = (T e n, e n ) 7

8 Es gilt tr(t ) = s n(f n, e n ) für die singuläre Darstellung und allgemein tr(t ) = a n(x n, y n ) für jede zulässige Darstellung Wir wollen nun einige Eigenschaften des Spurfunktionals festhalten Satz 38 Es gilt: (i) tr ist ein stetiges lineares Funktional auf N (H) mit tr = 1 (ii) Ein Operator T ist genau dann nuklear, wenn T nuklear ist und in diesem Fall gilt tr(t ) = tr(t ) (iii) Ist T N (H) und S B(H), so gilt tr(st ) = tr(t S) (i): Die linearität folgt sofort aus der Definition, die Beschränktheit folgt aus: tr(t ) s n (f n, e n ) s n = T NUK Der Operator T = (, e)e zeigt sogar T = 1 (ii): Ist T = s n(, e n )f n so ist T = s n(, f n )e n Beschreibt eine der Darstellungen einen nuklearen Operator, so tut dies die andere klarerweise auch Weiters gilt tr(t ) = s n (f n, e n ) = s n (e n, f n ) = tr(t ) (iii): Ist T = a n(, x n )y n, so ist ST = a n (, x n )Sy n, T S = und folglich tr(st ) = a n (Sy n, x n ) = a n (, S x n )y n, a n (y n, S x n ) = tr(t S) Für selbstadjungierte Operatoren ist die Spur besonders leicht auszurechnen Außerdem kann man bei selbstadjungierten Operatoren leicht überprüfuen, ob sie nuklear sind: Korollar 39 Sei T K(H) selbstadjungiert und (λ n ) n N die zugehörige Folge von Eigenwerten entsprechend ihrer Vielfachheit gezählt Dann ist T genau dann nuklear, wenn λ n < In diesem Fall ist T NUK = λ n und tr(t ) = λ n Laut Spektralsatz sind die λ n genau die singulären Zahlen von T Die Darstellung der Spur von T erhält man, indem man in der Definition die zugehörige Orthonormalbasis aus Eigenvektoren von T einsetzt Zum Abschluss wollen wir mit Hilfe der nuklearen Operatoren den Dualraum der Kompakten Operatoren beschreiben Dazu benötigen wir zunächst folgendes Lemma, das uns eine hinreichende Bedingung für die Kompaktheit eines Operators gibt 8

9 Lemma 310 Sei S B(H) Für je zwei Orthonormalsysteme (g n ) n N und (h n ) n N gelte (Sg n, h n ) 0 Dann ist S kompakt Wenn S nicht kompakt ist, existiert ein ɛ > 0, so dass S T > ɛ für alle T K(H) gilt Wir konstruieren mit Hilfe dieser Tatsache Orthonormalsysteme (g n ) n N und (h n ) n N, so dass (Sg n, h n ) > ɛ für alle n N Ist n = 1, so setze T = 0 und finde g 1 und h 1 mit g 1 = h 1 = 1 und (Sg 1, h 1 ) > ɛ Seien nun g 1,, g n und h 1,, h n bereits wie gewünscht konstruiert Sei E (bzw F ) die Orthogonalprojektion auf lin{g 1,, g n } (bzw lin{h 1,, h n }) Setze nun T = SE + F S F SE Dann erhalten wir aus S T > ɛ für gewisse x, y H\{0} ((I F )S(I E)x, y) = ((S T )x, y) > ɛ x y Insbesondere ist Ex x, F y y Setzen wir nun g n+1 = x Ex x Ex, h n+1 = y F y y F y, so folgt g n+1 g i und h n+1 h i für i n sowie (Sg n+1, h n+1 ) > ɛ Wir benötigen für den Beweis auch das Ergebnis aus der l p -Theorie, dass l 1 isometrisch Isomorph zum Dualraum von c 0 ist Genauer: (c 0 ) = l 1 vermöge T : l 1 c 0, (T x)(y) = s nt n (x = (s n ) n N l 1, y = (t n ) n N c 0 ) Satz 311 Die Abbildung Φ : N (H) K(H), S Φ S mit Φ S (T ) = tr(st ) ist ein isometrischer Isomorphismus; es gilt also K(H) = N (H) Die Abbildung Φ ist wohldefiniert und linear Durch Φ S (T ) = tr(st ) ST NUK S NUK T sieht man, dass Φ S S NUK Es gelte Φ S (T ) = 0 für alle T K(H) Setze T = (, x)y, dann gilt für alle x, y H 0 = Φ S (T ) = tr(st ) = tr((, x)sy) = (Sy, x) Also ist S = 0 und daher Φ injektiv Betrachte nun zu f K(H) die Abbildung (x, y) f((, y)x) Dabei handelt es sich um eine stetige Sesquilinearform Daher existiert ein S B(H) mit (Sx, y) = f((, y)x) für alle x, y H Seien nun (g n ) n N und (h n ) n N Orthonormalsysteme und (a n ) n N c 0 Der Operator T = a n(, g n )h n ist dann kompakt mit T = sup n a n Es folgt f(t ) = a n f((, g n )h n ) = a n (Sg n, h n ) f T = f (a n) Daher ist (a n ) a n(sg n, h n ) ein stetiges Funktional auf c 0 mit norm f Laut Konstruktion wird es von der Folge ((Sg n, h n )) n N dargestellt Daher gilt (Sg n, h n ) f und insbesondere (Sg n, h n ) 0 und S ist kompakt Schreibe nun S = s n(, e n )f n Einfaches Nachrechnen zeigt (s n ) n N = (Se n, f n ) n N l 1 Daher ist S nuklear und es gilt S NUK = s n f Daher stimmen f und Φ S auf allen Operatoren der Form (, x)y überein, also auch auf deren linearen Hülle und aufgrund der Stetigkeit von f und Φ S auch auf deren Abschluss Dieser ist aber bereits K(H), da die Operatoren mit endlichdimensionalem Bild dort ja dicht liegen Es folgt also Φ S = f 9

Höhere Funktionalanalysis WS2016/17 Übungsblatt

Höhere Funktionalanalysis WS2016/17 Übungsblatt Höhere Funktionalanalysis WS2016/17 Übungsblatt 1 11.10.2016 Aufgabe 1. Berechne die Normen der Operatoren (a) f L [0, 1], M f : L 2 [0, 1] L 2 [0, 1], (M f g)(x) = f(x)g(x). (b) g C[0, 1], T g : C[0,

Mehr

Eigenschaften kompakter Operatoren

Eigenschaften kompakter Operatoren Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften

Mehr

also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges

also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges 11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir

Mehr

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

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

Vollständiger Raum, Banachraum

Vollständiger Raum, Banachraum Grundbegriffe beschränkte Menge Cauchyfolge Vollständiger Raum, Banachraum Kriterium für die Vollständigkeit Präkompakte Menge Kompakte Menge Entropiezahl Eigenschaften kompakter und präkompakter Mengen

Mehr

Beispiele. Grundlagen. Kompakte Operatoren. Regularisierungsoperatoren

Beispiele. Grundlagen. Kompakte Operatoren. Regularisierungsoperatoren Beispiele Grundlagen Kompakte Operatoren Regularisierungsoperatoren Transportgleichung Dierenzieren ( nx ) (f δ n ) (x) = f (x) + n cos, x [0, 1], δ Regularisierung!! Inverse Wärmeleitung Durc f (f δ n

Mehr

Wiederholung. Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen.

Wiederholung. Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen. Wiederholung Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen. Definition. Sei X eine Menge und d : X X R eine Abbildung mit den Eigenschaften 1.

Mehr

1 Hilbertraum. 1.1 Denition und einführende Beispiele. Im Folgenden sei K {R, C}.

1 Hilbertraum. 1.1 Denition und einführende Beispiele. Im Folgenden sei K {R, C}. 1 1 Hilbertraum Im Folgenden sei K {R, C}. 1.1 Denition und einführende Beispiele Denition 1.1 (inneres Produkt, Skalarprodukt) Ein inneres Produkt auf einem K-Vektorraum V ist eine positiv denite hermitesche

Mehr

Der Satz von Hahn-Banach und seine geometrische Bedeutung Seminararbeit im Rahmen des PS Funktionalanalysis 2 SS 2008

Der Satz von Hahn-Banach und seine geometrische Bedeutung Seminararbeit im Rahmen des PS Funktionalanalysis 2 SS 2008 Der Satz von Hahn-Banach und seine geometrische Bedeutung Seminararbeit im Rahmen des PS Funktionalanalysis 2 SS 2008 Brigitte Kertelits (9925250) 16. November 2008 1 Zusammenfassung Diese Arbeit befasst

Mehr

Analysis I für Studierende der Ingenieurwissenschaften

Analysis I für Studierende der Ingenieurwissenschaften Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom

Mehr

Vollständigkeit. 1 Konstruktion der reellen Zahlen

Vollständigkeit. 1 Konstruktion der reellen Zahlen Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1). Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)

Mehr

Differentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11

Differentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11 Institut für Analysis Prof. Dr. Wolfgang Reichel Dipl.-Math. Anton Verbitsky Aufgabe 1 Differentialgleichungen und Hilberträume Sommersemester 14 Übungsblatt 11 5 Punkte In dieser Aufgabe geht es um die

Mehr

Merkblatt zur Funktionalanalysis

Merkblatt zur Funktionalanalysis Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.

Mehr

Funktionalanalysis, WS 2005/06, by HGFei

Funktionalanalysis, WS 2005/06, by HGFei Funktionalanalysis, WS 2005/06, by HGFei Hinweise zum Inhalt (laufende Chronologie) Version vom 15. Oktober 2005 (HGFei) 1. Stunde 1: TEST: l, (l, ), l 1, (l 1, 1 ), l 2, (l 2, 2 ) QUESTION: Was ist Funktionalanalysis?

Mehr

8.1. DER RAUM R N ALS BANACHRAUM 17

8.1. DER RAUM R N ALS BANACHRAUM 17 8.1. DER RAUM R N ALS BANACHRAUM 17 Beweis. Natürlich ist d 0 und d(x, y) = 0 genau dann, wenn x = y. Wegen (N2) ist x = x und damit d(x, y) = d(y, x). Die letzte Eigenschaft einer Metrik schließt man

Mehr

3 Vektorräume abstrakt

3 Vektorräume abstrakt Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare

Mehr

Lösungsvorschlag zu den Hausaufgaben der 8. Übung

Lösungsvorschlag zu den Hausaufgaben der 8. Übung FAKULTÄT FÜR MATHEMATIK Prof Dr Patrizio Ne Frank Osterbrink Johannes Lankeit 9503 Lösungsvorschlag zu den Hausaufgaben der 8 Übung Hausaufgabe : Beweise den Satz über die Parallelogrammgleichung Sei H

Mehr

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von

Mehr

Konstruktion der reellen Zahlen

Konstruktion der reellen Zahlen Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert

Mehr

10 Unitäre Vektorräume

10 Unitäre Vektorräume 10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;

Mehr

7.3 Unitäre Operatoren

7.3 Unitäre Operatoren Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren

Mehr

4.4 Hermitesche Formen

4.4 Hermitesche Formen 44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr

10 Hilberträume. (b) λx,y = λ x,y für x,y X, λ K. (c) x, y = y, x für x, y X (Komplexe Konjugation nur im Falle K = C)

10 Hilberträume. (b) λx,y = λ x,y für x,y X, λ K. (c) x, y = y, x für x, y X (Komplexe Konjugation nur im Falle K = C) 10 Hilberträume 10.1. Definition. Sei X ein Vektorraum über K. Eine Abbildung, : X X K heißt Skalarprodukt, falls (a) x 1 + x,y = x 1,y + x,y für x 1,x,y X (b) λx,y = λ x,y für x,y X, λ K (c) x, y = y,

Mehr

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN 8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es

Mehr

FUNKTIONALANALYSIS. Carsten Schütt WS 2006/7

FUNKTIONALANALYSIS. Carsten Schütt WS 2006/7 1. Eine Teilmenge K eines topologischen Raumes heißt folgenkompakt, wenn jede Folge in K eine Teilfolge enthält, die in K konvergiert. Die Menge K heißt abzählbar kompakt, wenn jede unendliche Teilmenge

Mehr

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

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über

Mehr

Satz 2.3. Jeder lineare normierte Raum wird durch Einführung einer Metrik

Satz 2.3. Jeder lineare normierte Raum wird durch Einführung einer Metrik Kapitel Lineare normierte Räume.1 Allgemeiner Überblick Definition.1. Eine Menge X, in der über einem Zahlenkörper K (K = R oder K = C) die Addition und λ-multiplikation mit den üblichen Verbindungsaxiomen

Mehr

Zusammenfassung Analysis 2

Zusammenfassung Analysis 2 Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i

Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i 3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und

Mehr

Existenzsatz von Lions

Existenzsatz von Lions II.4. Darstellung von Sesquilinearformen 37 Existenzsatz von Lions Im Satz von Lax-Milgram wurde mittels einer Sesquilinear- bzw. Bilinearform ein Operator T L (H) eines Hilbertraumes H und seine Invertierbarkeit

Mehr

L 2 -Theorie und Plancherel-Theorem

L 2 -Theorie und Plancherel-Theorem L -Theorie und Plancherel-Theorem Seminar Grundideen der Harmonischen Analysis bei Porf Dr Michael Struwe HS 007 Vortrag von Manuela Dübendorfer 1 Wiederholung aus der L 1 -Theorie Um die Fourier-Transformation

Mehr

53 Die Parsevalsche Gleichung

53 Die Parsevalsche Gleichung 53 Die Parsevalsche Gleichung 53 Die Parsevalsche Gleichung 5 53. Skalarprodukte auf Räumen quadratintegrierbarer Funktionen. a) Die Orthogonalitätsrelationen (5.5) legen die Interpretation des Ausdrucks

Mehr

Kapitel 5 KONVERGENZ

Kapitel 5 KONVERGENZ Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz

Mehr

i=1 i=1,...,n x K f(x).

i=1 i=1,...,n x K f(x). 2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,

Mehr

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

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

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

Kapitel 3. Konvergenz von Folgen und Reihen Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden

Mehr

Schauderbasen und das Beispiel der Riesz-Basen auf Hilberträumen

Schauderbasen und das Beispiel der Riesz-Basen auf Hilberträumen Schauderbasen und das Beispiel der Riesz-Basen auf ilberträumen Bernhard Stiftner 0. Dezember 0 Inhaltsverzeichnis Allgemeines zu Schauderbasen Spezielle Schauderbasen auf ilberträumen 8 3 Literatur 8

Mehr

68 Hilberträume - Grundbegriffe

68 Hilberträume - Grundbegriffe - 235-68 Hilberträume - Grundbegriffe In 21 haben wir uns ausführlich mit R und C Vektorräumen mit Skalarprodukt beschäftigt, dort allerdings hauptsächlich mit endlichdimensionalen Vektorräumen. Im Folgenden

Mehr

Warum brauchen wir hier den Begriff eines Erzeugendensystems? - Verknüpfungen von Kommutatoren müssen nicht Kommutatoren sein.

Warum brauchen wir hier den Begriff eines Erzeugendensystems? - Verknüpfungen von Kommutatoren müssen nicht Kommutatoren sein. Protokoll zur Diplomprüfung Algebra 1, Funktionalanalysis 1 Datum: 29.11.2013 Prüfer: Dr. Schulte, Dr. Spreng Note: 1,3 Dauer: 2 x 20 min Ich kann mich nicht mehr an alle Fragen zur Algebra erinnern da

Mehr

7 Lineare Abbildungen und Skalarprodukt

7 Lineare Abbildungen und Skalarprodukt Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u

Mehr

35 Stetige lineare Abbildungen

35 Stetige lineare Abbildungen 171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.

Mehr

72 Orthonormalbasen und Konvergenz im quadratischen Mittel

72 Orthonormalbasen und Konvergenz im quadratischen Mittel 72 Orthonormalbasen und Konvergenz im quadratischen Mittel 30 72 Orthonormalbasen und Konvergenz im quadratischen Mittel Wir untersuchen nun die Konvergenz von Fourier-Reihen im quadratischen Mittel in

Mehr

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ). 1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ

Mehr

Proseminar Analysis Vollständigkeit der reellen Zahlen

Proseminar Analysis Vollständigkeit der reellen Zahlen Proseminar Analysis Vollständigkeit der reellen Zahlen Axel Wagner 18. Juli 2009 1 Voraussetzungen Zunächst wollen wir festhalten, was wir als bekannt voraussetzen: Es sei (Q, +, ) der Körper der rationalen

Mehr

(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e)

(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e) 27 15. Metrische Räume Mit Hilfe einer Norm können wir den Abstand x y zweier Punkte x, y messen. Eine Metrik ist eine Verallgemeinerung dieses Konzepts: 15.1. Metriken. Es sei M eine beliebige Menge.

Mehr

4 Funktionenfolgen und normierte Räume

4 Funktionenfolgen und normierte Räume $Id: norm.tex,v 1.9 2011/06/01 15:13:45 hk Exp $ $Id: jordan.tex,v 1.3 2011/06/01 15:30:12 hk Exp hk $ 4 Funktionenfolgen und normierte Räume 4.5 Normierte Räume In der letzten Sitzung hatten wir den Begriff

Mehr

Von Skalarprodukten induzierte Normen

Von Skalarprodukten induzierte Normen Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus

Mehr

Übungen zur Funktionalanalysis Lösungshinweise Blatt 4

Übungen zur Funktionalanalysis Lösungshinweise Blatt 4 Übungen zur Funktionalanalysis Lösungshinweise Blatt 4 Aufgabe 13 Wie üblich sei l 1 = {x : N K x n < } mit Norm x l 1 = x n und l = {x : N K sup n N x n < } mit x l = sup n N x n Für die Unterräume d

Mehr

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1 24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx

Mehr

([0, 1]) und int K = p 1

([0, 1]) und int K = p 1 126 III. Der Satz von Hahn-Banach und seine Konsequenzen wie man durch Einsetzen unmittelbar erkennt. Zeigen wir noch die Halbstetigkeit von f: Sei(x n ) eine Folge in L p (R) mitx n x in L p (R) und f(x

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).

Mehr

10.2. SELBSTADJUNGIERTE OPERATOREN 67

10.2. SELBSTADJUNGIERTE OPERATOREN 67 10.2. SELBSTADJUNGIERTE OPERATOREN 67 10. Spektralsatz 10.1. Spektrum. Sei K entweder R oder C. Definition 10.1.1. Sei X ein Banachraum und T L(X,X) L(X). (i) Die Menge ρ(t) K aller rellen oder komplexen

Mehr

44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall

44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall 44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall 44 1 Zusammenfassung Dieser Paragraf richtet sich im Aufbau weitgehend nach 42, um den Zerlegungssatz (44.7) analog zum Satz über die

Mehr

Lineare Algebra und Geometrie II, Übungen

Lineare Algebra und Geometrie II, Übungen Lineare Algebra und Geometrie II, Übungen Gruppe (9 9 45 ) Sei A 2 Bestimmen Sie A und A Finden Sie weiters Vektoren u, v R 2 mit u und Au A, beziehungsweise v und Av A Zunächst die Berechnung der Norm

Mehr

Die Determinante ist eine Abbildung

Die Determinante ist eine Abbildung SS 2005 Mathematik II für inf/swt 20.4.05 Die Determinante ist eine Abbildung det : M n,n (K) K : A det A =: A mit den Eigenschaften: (D1) det a 1. α a k + β b. a n = α det = a 1. a k. a n + β det a 1.

Mehr

Karhunen-Loeve Entwicklung stochastischer Prozesse

Karhunen-Loeve Entwicklung stochastischer Prozesse Karhunen-Loeve Entwicklung stochastischer Prozesse Wintersemester 2015/16 Erstellt von Manuel Summer Inhaltsverzeichnis 1 Einleitung 3 2 Kompakte Operatoren 4 2.1 Hilbert-Schmidt Operator..........................

Mehr

Rechenoperationen mit Folgen. Rekursion und Iteration.

Rechenoperationen mit Folgen. Rekursion und Iteration. Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 0/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 4. Übungsblatt Aufgabe

Mehr

Häufungspunkte und Satz von Bolzano und Weierstraß.

Häufungspunkte und Satz von Bolzano und Weierstraß. Häufungspunkte und Satz von Bolzano und Weierstraß. Definition: Sei (a nk ) k N eine konvergente Teilfolge der Folge (a n ) n N.Dannwirdder Grenzwert der Teilfolge (a nk ) k N als Häufungspunkt der Folge

Mehr

Lineare Algebra für Physiker 11. Übungsblatt

Lineare Algebra für Physiker 11. Übungsblatt Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche

Mehr

Positive lineare Funktionale. 1 Eigenschaften positiver linearer Funktionale

Positive lineare Funktionale. 1 Eigenschaften positiver linearer Funktionale Vortrag zum Seminar zur Funktionalanalysis, 11.12.2008 Holger Wintermayr Durch die Gelfand-Transformation können wir die Struktur einer abelschen C*- Algebra vollständig im Sinne der eines Funktionenraumes

Mehr

Konvergenz im quadratischen Mittel - Hilberträume

Konvergenz im quadratischen Mittel - Hilberträume CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften

Mehr

6 Räume integrierbarer Funktionen

6 Räume integrierbarer Funktionen $Id: L.tex,v 1.5 2012/01/19 15:07:43 hk Ex $ $Id: green.tex,v 1.3 2012/01/19 15:18:26 hk Ex hk $ 6 Räume integrierbarer Funktionen In der letzten Sitzung hatten wir die sogenannte L -Norm ( 1/ f := f(x)

Mehr

Klausur zur Höheren Mathematik IV

Klausur zur Höheren Mathematik IV Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene

Mehr

Ferienkurs Analysis 3. Ari Wugalter März 2011

Ferienkurs Analysis 3. Ari Wugalter März 2011 Ari Wugalter 07. - 08. März 2011 1 1 Hilberträume Im ersten Kapitel wollen wir uns mit den grundlegenden Eigenschaften von Hilberträumen beschäfitgen. Hilberträume habe die herausragende Eigenschaft, dass

Mehr

2. Stetige lineare Funktionale

2. Stetige lineare Funktionale -21-2. Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn

Mehr

6. Normale Abbildungen

6. Normale Abbildungen SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische

Mehr

Übungsblatt 2 - Analysis 2, Prof. G. Hemion

Übungsblatt 2 - Analysis 2, Prof. G. Hemion Tutor: Martin Friesen, martin.friesen@gmx.de Übungsblatt 2 - Analysis 2, Prof. G. Hemion Um die hier gestellten Aufgaben zu lösen brauchen wir ein wenig Kentnisse über das Infimum bzw. Supremum einer Menge.

Mehr

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das

Mehr

Lösungen zur Übungsserie 9

Lösungen zur Übungsserie 9 Analysis 1 Herbstsemester 2018 Prof. Peter Jossen Montag,? November Lösungen zur Übungsserie 9 Aufgaben 1,2,3,5,6,8,9,11 Aufgabe 1. Sei a R. Berechnen Sie die folgenden Grenzwerte, falls sie existieren.

Mehr

7.2 Die adjungierte Abbildung

7.2 Die adjungierte Abbildung 7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

4.2 Die adjungierte Abbildung

4.2 Die adjungierte Abbildung 4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,

Mehr

Funktionalanalysis. Martin Brokate. 1 Normierte Räume 2. 2 Hilberträume Das Prinzip der gleichmäßigen Beschränktheit 31

Funktionalanalysis. Martin Brokate. 1 Normierte Räume 2. 2 Hilberträume Das Prinzip der gleichmäßigen Beschränktheit 31 Funktionalanalysis Martin Brokate Inhaltsverzeichnis 1 Normierte Räume 2 2 Hilberträume 2 3 Das Prinzip der gleichmäßigen Beschränktheit 31 4 Fortsetzung, Reflexivität, Trennung 36 5 Kompakte Mengen in

Mehr

Kommutativität. De Morgansche Regeln

Kommutativität. De Morgansche Regeln 1. Formale Logik Proposition 1.1. Die logischen Elementarverknüpfungen gehorchen folgenden Äquivalenzen: (1.1) (1.2) p p p p p p Idempotenz (1.3) (1.4) p q q p p q q p Kommutativität (1.5) (1.6) (p q)

Mehr

B) Lineare Operatoren 7. Algebra, Norm, Konvergenzen, Strukturen

B) Lineare Operatoren 7. Algebra, Norm, Konvergenzen, Strukturen B) Lineare Operatoren 7. Algebra, Norm, Konvergenzen, Strukturen 7.1. Def: Linearer Operator: Lineare Abbildung zwischen Vektorräumen A( ) AA A: V W Spezieller: zwischen normierten Räumen, Banachräumen

Mehr

Analysis IV für Physiker

Analysis IV für Physiker Analysis IV für Physiker nach den Vorlesungen von Prof. Dr. Werner Timmermann (Sommersemester 2008) Herausgegeben von Jeffrey Kelling Felix Lemke Stefan Majewsky Stand: 23. Oktober 2008 Inhaltsverzeichnis

Mehr

1 Die Jordansche Normalform

1 Die Jordansche Normalform Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme

Mehr

7. Übungsblatt zur Mathematik II für Inf, WInf

7. Übungsblatt zur Mathematik II für Inf, WInf Fachbereich Mathematik Prof. Dr. Streicher Dr. Sergiy Nesenenko Pavol Safarik SS 2010 27.-31.05.10 7. Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G24 (Grundlegende Definitionen) Betrachten

Mehr

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

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt. 7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim

Mehr

$Id: hilbert.tex,v /06/21 13:11:01 hk Exp hk $

$Id: hilbert.tex,v /06/21 13:11:01 hk Exp hk $ $Id: hilbert.tex,v 1.5 2013/06/21 13:11:01 hk Exp hk $ 7 Hilberträume In der letzten Sitzung hatten wir die Theorie der Hilberträume begonnen, und sind gerade dabei einige vorbereitende elementare Grundtatsachen

Mehr

12 Biholomorphe Abbildungen

12 Biholomorphe Abbildungen 12 Biholomorphe Abbildungen 2 Funktionenräume Wir erinnern zunächst an den Weierstraßschen Konvergenzsatz : 2.1 Satz. Sei G C ein Gebiet, (f n ) eine Folge holomorpher Funktionen auf G, die auf G kompakt

Mehr

Ein Crashkurs zum Spektralsatz

Ein Crashkurs zum Spektralsatz Ein Crashkurs zum Spektralsatz Zum Seminar partielle Differentialgleichungen 1 2 (WS 1999/2000) 17. Oktober 1999 1 Fragen an sick@math.uni-bonn.de oder mueller@math.uni-bonn.de 2 Dieses Skript ist auch

Mehr

Gleichmäßige Konvergenz und Funktionenräume

Gleichmäßige Konvergenz und Funktionenräume Gleichmäßige Konvergenz und Funktionenräume Isabella Lukasewitz und Andreas Brack 07.06.2010 Vortrag zum Proseminar zur Analysis Konvergenz und Funktionenräume INHALTSVERZEICHNIS Bereits in den Vorlesungen

Mehr

Extremalpunkte und der Satz von Krein-Milman. 1 Lokalkonvexe topologische Vektorräume

Extremalpunkte und der Satz von Krein-Milman. 1 Lokalkonvexe topologische Vektorräume Extremalpunkte und der Satz von Krein-Milman Seminar zu ausgewählten Kapiteln der Banachraumtheorie Vortrag von Michael Hoffmann 1 Lokalkonvexe topologische Vektorräume Im folgenden betrachten wir stets

Mehr

Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses

Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses Thomas Steinle Seminar Zufällige Felder Universität Ulm 18. November, 2008 Einleitung Inhalt Einleitung Wiederholung und Themenvorstellung Wichtiges

Mehr

8 KAPITEL 1. GRUNDLAGEN

8 KAPITEL 1. GRUNDLAGEN 8 KAPITEL 1. GRUNDLAGEN Beweis. 1. Sei A X abgeschlossen, dann ist X \ A offen und jede offene Überdeckung von A lässt sich durch Hinzunahme von X \ A auf ganz X fortsetzen. Die Kompaktheit von X erlaubt

Mehr

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium

Mehr

Technische Universität München. Aufgaben Mittwoch SS 2012

Technische Universität München. Aufgaben Mittwoch SS 2012 Technische Universität München Andreas Wörfel Ferienkurs Analysis 2 für Physiker Aufgaben Mittwoch SS 2012 Aufgabe 1 Äquivalente Aussagen für Stetigkeit( ) Beweisen Sie folgenden Satz: Seien X und Y metrische

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 53 Norm von Endomorphismen und Matrizen Definition 53.1. Es seien V und W endlichdimensionale normierte K-

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

8.1 Beschränkte Operatoren auf Hilberträumen

8.1 Beschränkte Operatoren auf Hilberträumen $Id: operator.tex,v 1.4 2013/10/23 20:41:41 hk Exp $ 8 Beschränkte Operatoren auf Hilberträumen 8.1 Beschränkte Operatoren auf Hilberträumen In der letzten Sitzung hatten wir den Adjungierten T eines Operators

Mehr

30 Metriken und Normen

30 Metriken und Normen 31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für

Mehr

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

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das

Mehr

Der Schaudersche Fixpunktsatz liefert daher einen Fixpunkt für F C und deshalb erst recht einen Fixpunkt für F. 2

Der Schaudersche Fixpunktsatz liefert daher einen Fixpunkt für F C und deshalb erst recht einen Fixpunkt für F. 2 IV.8 Aufgaben 187 Der Schaudersche Fixpunktsatz liefert daher einen Fixpunkt für F C und deshalb erst recht einen Fixpunkt für F. 2 Formal schließt der Darbo-Sadovskiĭsche Fixpunktsatz sowohl den Banachschen

Mehr

9 Metrische und normierte Räume

9 Metrische und normierte Räume 9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik

Mehr