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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 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 Noch spezieller: H H von einem Hilbertraum in den selben Hilbertraum Auch: Transformation, z.b. Fourier Transformation (Verschiedene Interpretationen als aktive oder als passive Transformation) 7.2. Def: Stetigkeit Abbildung A ist stetig Jede normkonvergente Folge von Vektoren wird wieder in eine normkonvergente Folge abgebildet. 1

2 7.3. Lemma: Stetigkeit genügt bei Null Wie bei den linearen Funktionalen (Diese sind ja Spezialfälle von linearen Operatoren) 7.4. Def. und Lemma: Norm; Banachraum Operator A, zwischen normierten Räumen, heißt beschränkt, wenn A A: sup sup A, 1 Im Hilbertraum: A B(H). Ist W ein Banachraum, so bilden die beschränkten Operatoren V W selber einen Banachraum: (A + B)ψ = (Aψ) + Bψ, Norm A, Dreiecksungleichung gilt Beweis wie für lineare Funktionale, analog zum Beweis der Dreiecksungleichung für die Supremumsnorm von Funktionen Norm Limes von Operatoren ist wieder ein beschränkter Operator. 2

3 7.5. Satz: B.L.T. über Beschränkte Lineare Transformationen Ein Operator, der auf einem dichten Teilraum definiert und beschränkt ist, läßt sich eindeutig ohne Vergrößerung der Norm auf den ganzen Raum fortsetzen. Beweis: A definiert auf T V, ψ V, Folge ψn T konvergiert gegen ψ Die Vektoren Aψn bilden eine Cauchyfolge, denn A A A( ) A 0 m n m n m n Es existiert Aψ := Limes Aψn 7.6. Satz: Beschränkt stetig Beweis wie bei den linearen Funktionalen. 3

4 7.7. Beispiele a) mn Matrizen, reell m n, oder komplex m n b) Lineare Funktionale V c) X Operator, ist beschränkt auf C([a,b]), nicht auf C 0 () d) Differenzieren im Raum der Testfunktionen (Schwartzsche Klasse S) e) Verschiebung im Ortsraum T a : ψ(x) (x) = ψ(x a) L p L p f) Zeit Entwicklung durch Diffusion, für Funktionen im L 1 g) Fourier Reihen, C([a,b]) l p, L 2 ([a,b]) l 2 über B.L.T. definiert h) Fourier Transformation, L 1 L 7.8. Algebra B(H) : Produkte, Rechenregeln, Einheit Algebra = Vektorraum mit Produkt Es gelten die üblichen Rechenregeln. Aber: Produkte sind i.a. nicht kommutativ! B(H):= Algebra der beschränkten Operatoren H H In B(H) gibt es den Einheits Operator 4

5 7.9. Lemma: Norm des Produkts A B A B Beispiele a) 2 2 Matrizen. Jede mm Matrix ist beschränkt als Operator 2 2, aber es gibt keine einfache Rechenregel für die Norm , , , b) Dyaden in B(H): :, A c) Verschiebung im Ortsraum: T a : ψ(x) (x) = ψ(x a), L 2 L 2, Ta 1 d) Fourier Transformation F des L 2 (), über B.L.T. definiert, zuerst als Op. L 1 L, daher L 2 L 1 L, dann B.L.T., dann Beweis, dass auch die Fψ im L 2 sind, z.b. mit Transformationen der Energie Eigenfunktionen des harmonischen Oszillators. 5

6 7.11. Def: Norm, stark, schwach konvergent a) Norm Konvergenz, n: n b) Starke Konvergenz, s: n A A 0 : (A A) 0, : (A A) 0 c) Schwache K. weak convergence, w: n Schwache Konvergenz und alles hier Folgende gibt es im Hilbertraum Bemerkung: Konvergenz aller Erwartungswerte A w; Beweis: jedes Matrixelement A kann man mit Erwartungswerten darstellen. (Üb. Aufgabe) Beispiele a) A n ist Multiplikation mit messbarem f n (x) im L 2 (); A n = ess sup{f n (x)}; f n f in Supremumsnorm (Gleichmäßige Konvergenz) Normkonvergenz der A n b) A n ist Multiplikation mit f n (x) = tanh(x n) starke Konvergenz c) Translation T n : ψ(x) n (x) = ψ(x n) schwache Konvergenz d) Multiplikation im X Raum mit exp(ixn) = Verschiebung im Impulsraum, ins Unendliche bei n schwache Konvergenz gegen den Null Vektor e) Verschiebung um a n, a n a,? (Übungsaufgabe) 6

7 7.13. Lemma: Norm stark schwach Lemma: Norm im Limes Wie bei den linearen Funktionalen: Norm kann im s oder w Limes nicht hinauf springen Konvergenz für Verknüpfungen in der Algebra n+n=n, s+s=s, w+w=w, s+w=w,... Das schwächste ist immer bestimmend nn=n, Produkte sonst diffizil, Produkte konvergenter Folgen sind nicht immer konvergent Def: Direkte Summe (Struktur!) A B AB Lemma: Norm, Konvergenz, bei direkten Summen AB sup A, B, nn = n,... nw =w, Das schwächste ist bestimmend 7

8 7.18. Beispiele a) Translationen im Fockraum b) Zeitentwicklung gebundener und freier Zustände Def: Tensorprodukt (Struktur!) AB ( ) (A ) (B ) Norm, Konvergenz beim Tensorprodukt AB A B, (Beweis folgt in 8.20, siehe auch Reed Simon VIII 10) Konvergenzen: normnorm = norm,..., Das schwächste ist bestimmend Beispiele a) Spin Operatoren für zwei Teilchen mit Spin b) Drehung eines Teilchens mit Spin, im Ortsraum und im Spin Raum 8

4) Strukturen: Direkte Summe; Tensor Produkt

4) Strukturen: Direkte Summe; Tensor Produkt 4) Strukturen: Direkte Summe; 4.1. Zur Motivation Tensor Produkt Einander (im klassischen Fall) ausschließende Möglichkeiten Direkte Summe Gleichzeitige verschiedene Eigenschaften Tensor Produkt 4.2. Def:

Mehr

10. Unbeschränkte selbstadjungierte. Operatoren

10. Unbeschränkte selbstadjungierte. Operatoren 10. Unbeschränkte selbstadjungierte 10.1. Motivation Operatoren Observable hermitescher Operator, quadratische Form mit reellen Erwartungswerten Erzeugende einer Gruppe von Transformationen (z. B. Schrödinger

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

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

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

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

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

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

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

Kompakte Operatoren in Hilberträumen

Kompakte Operatoren in Hilberträumen 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

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

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

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

Inhaltsverzeichnis. 6 Topologische Grundlagen. 6.1 Normierte Räume

Inhaltsverzeichnis. 6 Topologische Grundlagen. 6.1 Normierte Räume Inhaltsverzeichnis 6 Topologische Grundlagen 1 6.1 Normierte Räume................................ 1 6.2 Skalarprodukte................................. 2 6.3 Metrische Räume................................

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

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

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

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

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

TECHNISCHE UNIVERSITÄT MÜNCHEN. Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren

TECHNISCHE UNIVERSITÄT MÜNCHEN. Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. H. Spohn Max Lein Ulrich Mauthner Quantendynamik SoSe 006 en Blatt 8 006.06.6 Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren Aufgabe 1

Mehr

Kapitel I. Hilberträume.

Kapitel I. Hilberträume. Kapitel I. Hilberträume. 1. Grundbegriffe. Ein Prä-Hilbertraum ist ein Vektorraum über C mit einem inneren Produkt (=Skalarprodukt, positive Form). Wir beginnen daher mit (Sesquilinear-) Formen. 1.1. Definition.

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

4. Folgen. Folge in R 2 mit Grenzwert (1, 1 2 ).

4. Folgen. Folge in R 2 mit Grenzwert (1, 1 2 ). 8 4. Folgen Im Folgenden sei X = K n (oder ein K-Vektorraum) mit der Norm.(Eslangtvöllig,sichden Fall X = R 2 vorzustellen.) Auf R bzw. C verwenden wir als Norm stets den Betrag. 4.. Definition. Eine Folge

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. 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

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

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

Analysis. Lineare Algebra

Analysis. Lineare Algebra Analysis Ableitung Ableitungsregeln totale und partielle Ableitung Extremwertbestimmung Integrale partielle Integration Substitution der Variablen Koordinatentransformationen Differentialgleichungen Lineare

Mehr

13. Funktionen von Operatoren, Diagonalisierung

13. Funktionen von Operatoren, Diagonalisierung 13. Funktionen von Operatoren, Diagonalisierung 13.1. Def.: Normale Operatoren a) Beschränkte Operatoren, die mit ihrer Adjungierten vertauschen [A, A*] = 0 b) Falls A unbeschränkt ist, verlangt man, dass

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

Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen

Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen Proseminar Lineare Algebra SS10 Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen Simon Strahlegger Heinrich-Heine-Universität Betreuung: Prof. Dr. Oleg Bogopolski Inhaltsverzeichnis:

Mehr

Theoretical Biophysics - Quantum Theory and Molecular Dynamics. 6. Vorlesung. Pawel Romanczuk WS 2016/17

Theoretical Biophysics - Quantum Theory and Molecular Dynamics. 6. Vorlesung. Pawel Romanczuk WS 2016/17 Theoretical Biophysics - Quantum Theory and Molecular Dynamics 6. Vorlesung Pawel Romanczuk WS 2016/17 http://lab.romanczuk.de/teaching Zusammenfassung letzte VL Streuzustände Potentialschwelle Potentialbarriere/Tunneleffekt

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

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

Spickzettel Mathe C1

Spickzettel Mathe C1 Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine

Mehr

3 Konvergenz von Folgen und Reihen

3 Konvergenz von Folgen und Reihen 3 KONVERGENZ VON FOLGEN UND REIHEN 3 Konvergenz von Folgen und Reihen 3.1 Normierte Vektorräume Definition: SeiV ein normierter Vektorraum überr. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden

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

Das Newton Verfahren.

Das Newton Verfahren. Das Newton Verfahren. Ziel: Bestimme eine Nullstelle einer differenzierbaren Funktion f :[a, b] R. Verwende die Newton Iteration: x n+1 := x n f x n) f x n ) für f x n ) 0 mit Startwert x 0. Das Verfahren

Mehr

Schwartz-Raum (Teil 1)

Schwartz-Raum (Teil 1) Schwartz-Raum (Teil 1) Federico Remonda, Robin Krom 10. Januar 2008 Zusammenfassung Der Schwartz-Raum ist ein Funktionenraum, der besondere Regularitätseigenschaften besitzt, die uns bei der Fouriertransformation

Mehr

Schwartz Raum und gemässigte Distributionen

Schwartz Raum und gemässigte Distributionen 1 ETH Zürich (Pro)Seminar: Grundideen der Harmonischen Analysis Schwartz Raum und gemässigte Distributionen David Bernhardsgrütter und David Umbricht 18 Dezember 2007 Schwartz Raum und gemässigte Distributionen

Mehr

Riesz scher Darstellungssatz und Duale Räume

Riesz scher Darstellungssatz und Duale Räume Riesz scher Darstellungssatz und Duale Räume LV Numerik Partieller Differentialgleichungen Bärwolff SS 2010 14.06.2010 Julia Buwaya In der Vorlesung wurde der Riesz sche Dartsellungssatz als wichtiges

Mehr

Kapitel 2. Zahlenbereiche

Kapitel 2. Zahlenbereiche Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:

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

Folgen und Reihen. Kapitel Zahlenfolgen

Folgen und Reihen. Kapitel Zahlenfolgen Kapitel 2 Folgen und Reihen 2. Zahlenfolgen Definition. Eine Folge reeller Zahlen a 0,a,a 2,..., die gewonnen wird durch eine Vorschrift, die jeder natürlichen Zahl n N genau eine reelle Zahl a n zuordnet,

Mehr

Einleitung Grundlagen Einordnung. Normen. Thomas Gerstner. Institut für Mathematik Goethe-Universität Frankfurt am Main

Einleitung Grundlagen Einordnung. Normen. Thomas Gerstner. Institut für Mathematik Goethe-Universität Frankfurt am Main Institut für Mathematik Goethe-Universität Frankfurt am Main Einführungsvortrag Proseminar 25. Januar 2013 Outline 1 Einleitung Motivation Anwendungsbereiche 2 3 Wichtige Outline Einleitung Motivation

Mehr

Funktionalanalysis II. Carsten Schütt SS 2012

Funktionalanalysis II. Carsten Schütt SS 2012 1. Jeder Filter ist in einem Ultrafilter enthalten. 2. Es sei X ein topologischer Hausdor Raum. X ist genau dann kompakt, wenn jeder Ultrafilter konvergiert. 3. (Skript) (i) {0, 1} [0,1] mit der Produkttopologie

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

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

Der n-dimensionale Raum

Der n-dimensionale Raum Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand

Mehr

Vorlesung Lineare Funktionale LINEARE FUNKTIONALE 69

Vorlesung Lineare Funktionale LINEARE FUNKTIONALE 69 13.1. LINEARE FUNKTIONALE 69 Vorlesung 13 13.1 Lineare Funktionale Der Begriff der schwachen Konvergenz wird klarer, wenn man lineare Funktionale betrachtet. Das Skalarprodukt f, g in Hilberträumenkann

Mehr

Kapitel 2. Zahlenbereiche

Kapitel 2. Zahlenbereiche Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,...} = N {0} N. Rationale Zahlen Q := { m } n m Z, n N. Beachte:

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

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

Chr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A =

Chr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A = Chr.Nelius: Lineare Algebra SS 28 4: Matrizenrechnung 4. DEF: a Die Summe A + B zweier m n Matrizen A a ik und B b ik ist definiert als m n Matrix C c ik, wobei c ik : a ik + b ik für alle i, 2,..., m

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

Analysis I. Vorlesung 13. Gleichmäßige Stetigkeit

Analysis I. Vorlesung 13. Gleichmäßige Stetigkeit Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 13 Gleichmäßige Stetigkeit Die Funktion f: R + R +, x 1/x, ist stetig. In jedem Punkt x R + gibt es zu jedem ǫ > 0 ein δ > 0 mit f(u (x,δ))

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

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

Partielle Differentialgleichungen Kapitel 7

Partielle Differentialgleichungen Kapitel 7 Partielle Differentialgleichungen Kapitel 7 Intermezzo zu Distributionen Die Physik hat der Mathematik die Dirac-δ-Funktion gebracht. Diese δ-funktion soll folgende Eigenschaften haben: n δ (x ϕ (x dx

Mehr

(1+x 2 )x α D β f C 0 ( α,β (f)+ α+2,β (f)).

(1+x 2 )x α D β f C 0 ( α,β (f)+ α+2,β (f)). 5 Entwicklungen nach Hermite-Funktionen Wir zeigen in diesem Paragraphen zunächst, daß der Raum S(R m ) topologisch isomorph zum Folgenraum s m ist Zu diesem Zwecke definieren wir auf S eine äquivalente

Mehr

Stetigkeit, Konvergenz, Topologie

Stetigkeit, Konvergenz, Topologie Ferienkurs Seite 1 Technische Universität München Ferienkurs Analysis 1 Hannah Schamoni Wintersemester 2011/12 Stetigkeit, Konvergenz, Topologie 21.03.2012 Inhaltsverzeichnis 1 Stetigkeit und Konvergenz

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

Zusammenfassung der Lebesgue-Integrationstheorie

Zusammenfassung der Lebesgue-Integrationstheorie Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,

Mehr

Kurzskript zur Vorlesung Analysis 2

Kurzskript zur Vorlesung Analysis 2 Kurzskript zur Vorlesung Analysis 2 Prof G Friesecke Zentrum Mathematik, TU München SS 2009 Abstract Dieses Kurzskript ersetzt weder die Teilnahme an, noch die Mitschrift aus, der Vorlesung Es enthält

Mehr

Übungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Lösungsvorschlag Serie 12

Übungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Lösungsvorschlag Serie 12 Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen Übungsaufgaben zur Vorlesung ANALYSIS I (WS 2/3) Lösungsvorschlag

Mehr

Serie 3: Ringe, Körper, Vektorräume

Serie 3: Ringe, Körper, Vektorräume D-MATH Lineare Algebra I HS 2016 Dr. Meike Akveld Serie 3: Ringe, Körper, Vektorräume 1. Im Folgenden sei n N und Z n bezeichne die Menge der Äquivalenzklassen von Z bezüglich der Relation: k n l n k l

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

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

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

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

2 Stetigkeit. lim x n = a ) lim f(x n)=f(a) für jede Folge (x n )inx. Es heißt f : X! Y folgenstetig, wennf in jedem Punkt x 2 X folgenstetig ist.

2 Stetigkeit. lim x n = a ) lim f(x n)=f(a) für jede Folge (x n )inx. Es heißt f : X! Y folgenstetig, wennf in jedem Punkt x 2 X folgenstetig ist. Wir führen zunächst den Begri der Folgenstetigkeit ein. Dieser ist in metrischen Räumen äquivalent zur Stetigkeit und folgt in topologischen Räumen zumindest aus der Stetigkeit. Folgenstetigkeit von Abbildungen

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

Lösungsvorschlag zur Klausur

Lösungsvorschlag zur Klausur FAKULTÄT FÜ MATHEMATIK Prof. Dr. Patrizio Neff Frank Osterbrink Johannes Lankeit 27.7.23 Lösungsvorschlag zur Klausur Hinweise zur Bearbeitung: - Die Bearbeitungszeit für die Klausur beträgt 8 Minuten.

Mehr

Fourier-Transformation von W-Maßen. Fourier-Transformation von Wahrscheinlichkeitsmaßen! Vortragender: Daniel Krizanovic

Fourier-Transformation von W-Maßen. Fourier-Transformation von Wahrscheinlichkeitsmaßen! Vortragender: Daniel Krizanovic Fourier-Transformation von Wahrscheinlichkeitsmaßen! Vortragender: Integraltransformation Def. 1.1: Eine Integraltransformation bildet eine Originalfunktion f auf eine Bildfunktion F ab mittels F (y) :=

Mehr

3 Lineare Differentialgleichungen

3 Lineare Differentialgleichungen 3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,

Mehr

Zusammenfassung. 2.7 Eigenwerte und Eigenvektoren 53. in 2.1: Lösung eines linearen Gleichungssystems

Zusammenfassung. 2.7 Eigenwerte und Eigenvektoren 53. in 2.1: Lösung eines linearen Gleichungssystems 7 Eigenwerte und Eigenvektoren 53 Zusammenfassung in : Lösung eines linearen Gleichungssystems Formalisierung: a x + a x + + a n x n b a x + a x + + a n x n b a m x + a m x + + a mn x n b m A x b Lösungsmethode:

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

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

Problemblatt. zur Linearen Funktionalanalysis. Stetigkeit von Funktionen?

Problemblatt. zur Linearen Funktionalanalysis. Stetigkeit von Funktionen? Universität Potsdam Sommersemester 2009 Steffen Fröhlich Problemblatt zur Linearen Funktionalanalysis Normen und Metriken 1. Definieren Sie den Begriff Vektorraum. 2. Nennen Sie die Normaxiome. 3. Wann

Mehr

3.3 Konvergenzkriterien für reelle Folgen

3.3 Konvergenzkriterien für reelle Folgen 3.3 Konvergenzkriterien für reelle Folgen Satz: Eine monoton wachsende, nach oben beschränkte reelle Folge a n ) n N ist konvergent mit Grenzwert lim a n = sup{a n n N} Beweis: Sei a n ) n N nach oben

Mehr

4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).

4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k). 4 Matrizenrechnung Der Vektorraum der m n Matrizen über K Sei K ein Körper und m, n N\{0} A sei eine m n Matrix über K: a a 2 a n a 2 a 22 a 2n A = = (a ij) mit a ij K a m a m2 a mn Die a ij heißen die

Mehr

Polynome, Stetigkeit, Dierenzierbarkeit

Polynome, Stetigkeit, Dierenzierbarkeit Polynome, Stetigkeit, Dierenzierbarkeit Inhaltsverzeichnis 1 Polynome 1 1.1 Denitionen...................................................... 1 1.2 Nullstellen.......................................................

Mehr

Ferienkurs Quantenmechanik. Grundlagen und Formalismus

Ferienkurs Quantenmechanik. Grundlagen und Formalismus Ferienkurs Quantenmechanik Sommersemester 203 Seite Daniel Rosenblüh und Florian Häse Fakultät für Physik Technische Universität München Grundlagen und Formalismus In der Quantenmechanik werden Zustände

Mehr

(c) Ein inneres Produkt (Skalarprodukt) auf H ist eine positiv definite hermitesche Form auf H.

(c) Ein inneres Produkt (Skalarprodukt) auf H ist eine positiv definite hermitesche Form auf H. 11 Hilberträume Sei H ein Vektorraum über K = R oder K = C. Definition 11.1. (a) Eine sesquilineare Form auf H ist eine Abbildung, : H H K so, dass für alle x, x, y, y H und α, β K gilt αx + βx, y = α

Mehr

L5 Matrizen I: Allgemeine Theorie

L5 Matrizen I: Allgemeine Theorie L5 Matrizen I: Allgemeine Theorie Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen

Mehr

GRUNDLAGEN MATHEMATIK

GRUNDLAGEN MATHEMATIK Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 2. Folgen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen Mathematik

Mehr

AM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:

AM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man: AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 (x 1, x 2,..., x n ) x 2... f 2 (x 1, x 2,..., x n )... x n f m (x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man:

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

12. Trennungssätze für konvexe Mengen 83

12. Trennungssätze für konvexe Mengen 83 12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C

Mehr

Proseminar: Normierte Vektorräume und Banachräume Vortrag: L und Maß-Räume

Proseminar: Normierte Vektorräume und Banachräume Vortrag: L und Maß-Räume Proseminar: Normierte Vektorräume und Banachräume Vortrag: L und Maß-Räume Dozent: Prof.Dr.Hans Crauel Student: Yassin El Karrouchi Goethe-Universität-Frankfurt am Main nhaltsverzeichnis 1 Einleitung 1.1

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

35 Matrixschreibweise für lineare Abbildungen

35 Matrixschreibweise für lineare Abbildungen 35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir

Mehr

31: Normierte Vektorräume

31: Normierte Vektorräume 31: Normierte Vektorräume Für eine systematische Behandlung von Grenzwert-Prozessen für Funktionenfolgen benötigen wir die allgemeine Definition der normierten Vektorräume und einen passenden Abstandsbegriff.

Mehr

Seminar: Integralgleichungen (WS 06/07)

Seminar: Integralgleichungen (WS 06/07) Seminar: Integralgleichungen (WS 06/07) Numerische Behandlung der Fredholmschen Integralgleichung - Teil 1 Melanie Seifried Erik Ivar Fredholm (1866-1927) Schwedischer Mathematiker, der große Beiträge

Mehr

Kapitel 2: Mathematische Grundlagen

Kapitel 2: Mathematische Grundlagen [ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen

Mehr

Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +

Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 + 8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die

Mehr

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen

Mehr

Schwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik

Schwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik Institut für Stochastik 18. Juni 2013 Inhalt 1 2 3 4 5 Nach ZGWS konvergiert für n F n (x) = P{ X 1+...+X n np npq x} gegen F(x) = 1 2π x e 1 2 u2 du, wenn die X i unabhängig und bernoulliverteilt sind

Mehr