12 Aufgaben zu linearen Funktionalen

Größe: px
Ab Seite anzeigen:

Download "12 Aufgaben zu linearen Funktionalen"

Transkript

1 Aufgaben zu linearen Funktionalen A B C 12 Aufgaben zu linearen Funktionalen 12.1 Stetige Funktionale (siehe auch 11.6.E, 12.2, 13.4.A) Sei E ein topologischer Vektorraum und ϕ: E K (ϕ ) linear. Man beweise die in Satz angegebenen Äquivalenzen zur Stetigkeit von ϕ. Ist ϕ(x) := k=1 x k ein stetiges Funktional auf l 1 bzgl. 1? (bzgl.?) Ist x [a, b], so ist die Punktauswertung π x : f f(x) auf C[a, b] bzgl der Sup-Norm stetig, bzgl der Integralnorm unstetig. D ϕ(f) := f() + f (1) ist ein lineares Funktional auf C 1 [, 1]. Berechne seine Norm bzgl f 1 := f + f und bzgl f 2 := max { f, f }. E Sei g C[, 1]. Bestimme ϕ für ϕ: C[, 1] K ; ϕ(f) := 1 f(t) g(t) dt. F Ein lineares Funktional ϕ: l R heißt Banachlimes, wenn gilt (i) für den Links-Shift S l (x 1, x 2,...) = (x 2, x 3,...) ist ϕ S l = ϕ, (ii) sind alle x k, so ist ϕ(x), (iii) für die Eins-Folge e = (1, 1,...) ist ϕ(e) = 1. Man beweise für Banachlimiten ϕ: l R : 1) Für alle x = (x n ) l gilt lim x n ϕ(x) lim x n. 2) ϕ ist stetig mit Norm ϕ = 1. 3) ϕ ist nicht multiplikativ, d.h. i.a. gilt ϕ(x y) ϕ(x) ϕ(y). 4) Es gibt Banachlimiten. G Sei < p < 1 und L p := { f : [, 1] R f messbar, 1 f(t) p dt < }. Mit der Metrik d(f, g) := 1 f g p ist L p ein metrischer Vektorraum. und L p sind die einzigen offenen konvexen Teilmengen von L p. Auf L p ist nur die Nullform stetig, d.h. es ist (L p ) = {}. H Sei E ein topologischer Vektorraum. Dann ist E {} genau dann, wenn es eine konvexe offene Menge A gibt mit A E. I Beweisen Sie den Darstellungssatz von Fréchet-Riesz (6.4-14) für Hilberträume. In nicht-vollständigen Innenprodukt-Räumen ist dieser Satz i.a. falsch. J Nimmt ϕ: c K, ϕ(x) := x n /2 n seine Norm auf der abgeschlossenen Einheitskugel B c an?

2 12.1 Stetige Funktionale 267 Lösungen: A Seien E ein topologischer Vektorraum und ϕ E, ϕ. Zu zeigen ist die Äquivalenz von: (i) ϕ ist stetig. (ii) Ker ϕ ist abgeschlossen. (iii) Ker ϕ ist nicht dicht in E. (iv) ϕ ist auf einer Null-Umgebung beschränkt. (v) Es gibt eine offene Teilmenge G E mit ϕ(g) K. (vi) Re ϕ ist stetig. (i) (ii) : Ist ϕ stetig, so ist N := Ker ϕ als stetiges Urbild der abgeschlossenen Menge {} K abgeschlossen. (ii) (iii) : Ist ϕ und N abgeschlossen, so ist N = N E. (iii) (iv) : Ist N E, so gibt es ein x E und eine kreisförmige Null-Umgebung U mit (x + U) N =. Dann muss ϕ auf U beschränkt sein. Da U kreisförmig und absorbierend ist, wäre nämlich sonst ϕ(u) = K. Also gäbe es ein u U mit ϕ(u) = ϕ(x) bzw ϕ(x + u) =. Dies widerspricht (x + U) N =. (iv) (i) : Ist ϕ auf der Null-Umgebung U durch M > beschränkt, so ist Also ist ϕ stetig in und damit in ganz E. ε M U ϕ 1( { t t ε } ). (1) (i) (v) : Wenn ϕ stetig ist, so gibt es eine offene -Umgebung G E mit ϕ(g) B 1 () K. (v) (iii) : Ist α K\ϕ(G), so ist ϕ 1 (α) nicht dicht in E. Für a ϕ 1 (α) ist Ker ϕ = ϕ 1 () = ϕ 1 (α) a. Also ist auch Ker ϕ nicht dicht. (i) (vi) : folgt aus (i) (iv). Ist nämlich ϕ auf einer Null-Umgebung beschränkt, so auch Re ϕ. (vi) (i) : klar wegen ϕ(x) = Re ϕ(x) ire ϕ(ix) für alle x E. B Wie üblich sei l 1 = { x = (x k ) K N x k < }. Dann ist wohl-definiert und linear. ϕ: l 1 K ; ϕ(x) := k=1 x k. (2) Bzgl der Sup-Norm auf l 1 ist ϕ ist aber nicht beschränkt, also nicht stetig! Zum Beweis seien die Folgen x (n) = (x n k ) k l 1 definiert durch x (n) k := 1 für k n und x (n) k := sonst. (3)

3 Aufgaben zu linearen Funktionalen Dann ist x (n) = 1. Also liegen alle x (n) in der Einheitskugel von ( l 1,. ). Aber es gilt ϕ(x (n) ) = k x(n) k = n. Also ist ϕ nicht beschränkt. Wegen ϕ(x) x k = x 1 ist ϕ bzgl der üblichen 1-Norm auf l 1 beschränkt und damit stetig. C Sei x [a, b] und π x (f) := f(x) für alle f C[a, b]. Wegen π x (f) = f(x) f = sup t [a,b] f(t) (4) ist die Punktauswertung π x stetig bzgl der Supremums-Norm. Es gibt aber stetige Funktionen f C[a, b] mit f 1 = b f(t) dt = 1 (5) a und beliebig großem f(x). Also ist π x bzgl der Integralnorm unstetig. D ϕ(f) := f() + f (1) ist ein Funktional auf C 1 [, 1]. Bzgl f 1 := f + f ist ϕ stetig mit ϕ = 1! 2/ε y x a a+ε b Für f C 1 [, 1] gilt ϕ(f) f() + f (1) f + f = f 1. Also ist ϕ 1. Für e(x) : 1 gilt andererseits e 1 = 1 und ϕ(e) = 1, also ist ϕ = sup { ϕ(f) f 1 = 1 } 1. Bzgl f 2 := max { f, f } ist ϕ stetig mit ϕ = 2! Für f C 1 [, 1] gilt ϕ(f) f() + f (1) f + f 2 f 2. Also ist ϕ = sup { ϕ(f) f 2 = 1 } 2. Für g(x) := (x 1 2 ) gilt andererseits g 2 = 1 und ϕ(g) = 2, also ϕ 2. Bemerkung: Die beiden Normen sind auf C 1 [, 1] äquivalent. Also ist ϕ genau dann bzgl der einen Norm stetig, wenn es bzgl der anderen stetig ist. E Sei g C[, 1] und M(g) := 1 g(t) dt. Sei ϕ: C[, 1] K def. durch ϕ(f) := 1 f(t) g(t) dt (6) und C[, 1] wie üblich mit der Sup-Norm versehen. Dann gilt für f C[, 1] ϕ(f) 1 f(t) g(t) dt f M(g). (7)

4 12.1 Stetige Funktionale 269 Also ist ϕ M(g). Für ε > sei f ε (t) := g(t) g(t) +ε. Dann ist f ε C[, 1] und f ε 1. Ferner ist ϕ(f ε ) = 1 Also ist ϕ M(g) ε. g(t) 2 g(t) + ε dt 1 g(t) 2 ε 2 g(t) + ε dt = M(g) ε. (8) F Wir betrachten l R N als Vektorraum über R. (F.1) Sei ϕ: l R ein Banachlimes, M := lim x n < und ε >. Dann ist M + ε x n ab einem n. Wegen ϕ S n l = ϕ ist ϕ ( (M + ε)e x ) = (M + ε) ϕ(e) ϕ(x). (9) Da ε beliebig war, folgt ϕ(x) M. Analog zeigt man ϕ(x) lim x n. Insbesondere gilt ϕ(x) = lim x n für alle x = (x n ) c l. (F.2) Ist x 1, so ist 1 lim x n lim x n 1. Wegen (F.1) folgt ϕ(x) 1. Also sind Banachlimiten ϕ stetig mit ϕ 1. Wegen ϕ(e) = 1 ist ϕ = 1. (F.3) Sei z.b. x := (a, b, a, b,...) und y := S l x = (b, a, b, a,...). Dann ist ϕ(x) = ϕ(y) und ϕ(x + y) = a + b, also ϕ(x) = a+b 2. Aber i.a. ist (ϕ(x)) 2 ϕ(x y) = ab. Also sind Banachlimiten nicht multiplikativ. (F.4) Für x = (x k ) R N sei µ x R N definiert durch µ x (n) := x1+...+xn n. Es gilt ( Analysis I) : lim x n lim µ x (n) lim µ x(n) lim x n. (1) n n n n q : l R sei definiert durch q(x) := lim µ x(n). n Funktional auf l. Sei q ist ein sublineares Y := { x l limn µ x (n) existiert } l (11) und f : Y R definiert durch f(x) := lim n µ x (n). f ist ein stetiges lineares Funktional auf Y und es ist f(x) q(x) für alle x Y. Nach Hahn-Banach (7.2-2) existiert ein lineares Funktional ϕ (l ) mit ϕ(x) q(x) für alle x l und ϕ(x) = f(x) für alle x Y. Wegen (1) gilt ϕ(e) = 1 und ϕ(x) falls alle x n. Ferner gilt ϕ(x) q(x) lim x n und lim x n = lim( x n ) lim µ x (n) = q(x) ϕ( x) = ϕ(x). (12) Dann muss aber ϕ S l = ϕ sein. (Beweis!) Also ist ϕ ein Banachlimes.

5 Aufgaben zu linearen Funktionalen G Dass L p := { f : [, 1] R 1 f messbar, f(t) p dt < } für < p < 1 mit der translationsinvarianten Metrik d(f, g) := 1 f g p ein metrischer Vektorraum ist, zeigt man analog wie für l p in Aufgabe 11.6.J. (G.1) Sei G L p offen und konvex und o.b.d.a. G. Sonst kann man G verschieben. Sei f L p beliebig. Z.z. f G. Sei ε > derart, dass B ε () G. Wegen < p < 1 gibt es ein n N mit f p := d(f, ) < ε n 1 p. (Achtung:. p ist für < p < 1 keine Norm!) Wegen der Stetigkeit von f x f(t) p dt existiert eine Zerlegung xj = x < x 1 <... < x n = 1 mit x j 1 f(t) p dt = 1 n f p (13) für j = 1,..., n. Sei f j L p def. durch f j (t) := { n f(t) für x j 1 t x j, sonst. (14) H Dann ist f j p = n p 1 f p < ε, also f j G. Da G konvex ist, ist dann auch f = n j=1 1 n f j G. (G.2) Auf L p ist nur die Nullform stetig, also (L p ) = {}. Dies folgt mit Aufgabe 12.1.H direkt aus (G.1). Bemerkung: Nach Hahn-Banach (7.2-6) gibt es in nicht-trivialen lokalkonvexen Räumen stets stetige lineare Funktionale ϕ. Also kann L p nicht lokalkonvex sein. Dies kann man auch direkt wie in Aufgabe 11.6.J für l p zeigen. Bemerkung: Auf dem Folgenraum l p mit < p < 1 (11.6.J) gibt es nichttriviale stetige Linearformen, z.b. sind die Projektionen π j (x) := x j stetig. Nachrechnen! Sei E ein topologischer Vektorraum. Ist ϕ E, so ist A := { x E ϕ(x) < 1 } nichtleer, offen und konvex. Ist ϕ, so ist A E. Sei umgekehrt A E offen und konvex. Sei zunächst K = R. Sei y A und o.b.d.a. A. Sei p A : E [, ] das Minkowski-Funktional (5.3-6) von A, also { inf {ϱ > x ϱa} falls ϱ > : x ϱa, p A (x) = (15) sonst. Wegen y A und der Konvexität von A ist p A (y ) 1.

6 12.1 Stetige Funktionale 271 Nach ist p A stetig. Sei Y der eindimensionale Unterraum Y := lin {y } und ϕ: Y R def. durch ϕ(t y ) := t p A (y ). (16) Dann ist ϕ(y) p A (y) für alle y Y, denn für t ist ϕ(ty ) p A (ty ) und für t > ist ϕ(ty ) = p A (ty ). Nach Hahn-Banach gibt es eine lineare Fortsetzung ϕ: E R von ϕ mit ϕ p A. Nach ist ϕ stetig und wegen ϕ(y ) = p A (y ) 1 ist ϕ. Der Fall K = C folgt mit Hilfe der Bemerkungen I (I.1) Sei H ein Hilbertraum und y H. Dann sei T y : H K definiert durch T y(x) := x, y. (17) Die Linearität von T y rechnet man nach. Die Stetigkeit folgt aus der Schwarzschen Ungleichung T y(x) = x, y x y, also T y y. (18) Also ist T y H und damit T : H H ; y T y (19) wohldefiniert. Dass T konjugiert linear ist, rechnet man direkt nach. Es ist T y(y) = y, y = y 2, und damit T y y. (2) Wegen (18) ist T isometrisch und infolgedessen auch injektiv. Bleibt die Surjektivität von T zu zeigen. Darin steckt - wie oft bei Darstellungssätzen - die Hauptarbeit. Sei x H und P die orthogonale Projektion auf den abgeschlossenen Unterraum Ker x (vgl ). Wähle y 1 H mit x (y 1 ) = 1 und definiere y 2 := y 1 P y 1 ; y := 1 y 2 y 2. (21) Dann ist x (y 2 ) = 1 und z, y 2 = für alle z Ker x. Für x H folgt x = x x (x)y 2 + x (x)y 2, (22) x, x = x (x)y 2, y 2 = x (x) y 2 2, (23) x (x) = x, y 2 2 y 2 = x, y = T y(x). (24) Also ist x = T y und wir sind fertig.

7 Aufgaben zu linearen Funktionalen (I.2) Wir betrachten den (nicht vollständigen) Unterraum c c := { x l 2 xk für höchstens endlich viele k } l 2 (25) mit dem üblichen inneren Produkt x, y = x k y k. Durch x : c c K ; x (x) := k= 1 k x k (26) wird ein stetiges lineares Funktional auf c c definiert. Es ist die Einschränkung eines Funktionals ϕ (l 2 ). Dies x lässt sich nicht in der Form x (x) = x, y mit einem y c c beschreiben. Jedes y c c ist ja von der Bauart y = n k=1 y ke (k) mit den Einheitsfolgen e (k) (j) = δj k. Dann ist aber e (n+1), y = 1 n+1 = x (e (n+1) ). (27) J ϕ: c K, ϕ(x) := x k /2 k nimmt seine Norm nicht auf der abgeschlossenen Einheitskugel von c an. Für die Einsfolge e = (1, 1, 1,...) und die Projektionen P n (A.7-1) gilt nämlich P n e = 1 und ϕ(p n e) = 1 2 n 1. Es ist aber ϕ(x) x k /2 k < 1 für alle x c mit x 1.

([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

Wichtige Klassen reeller Funktionen

Wichtige Klassen reeller Funktionen 0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei

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

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

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

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

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

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

Lösungen der Übungsaufgaben von Kapitel 3

Lösungen der Übungsaufgaben von Kapitel 3 Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen

Mehr

Bezeichnungen und Hilfsmittel aus der Analysis

Bezeichnungen und Hilfsmittel aus der Analysis Finite Elemente I 169 A Bezeichnungen und Hilfsmittel aus der Analysis A Bezeichnungen und Hilfsmittel aus der Analysis TU Bergakademie Freiberg, WS 2010/111 Finite Elemente I 170 A.1 Normierte Vektorräume

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

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 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

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

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

(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

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,

Mehr

2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt

2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt 2 Linere Opertoren Im Folgenden seien X,Y, Z stets normierte Räumen über dem selben Körper K = C oder K = R. 2.1. Definition. () Eine Abbildung T : X Y heißt liner, flls T(αx + βy) = αtx + βty x,y X, α,

Mehr

Analysis 2. Contents. Torsten Wedhorn. June 12, Notation. Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen

Analysis 2. Contents. Torsten Wedhorn. June 12, Notation. Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen Analysis 2 Torsten Wedhorn June 12, 2012 Notation Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen Zahlen. Contents 12 Metrische Räume 2 (A) Definition metrischer Räume........................

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

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

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

Inhaltsverzeichnis. 1 Einleitung Konstruktion der Topologie auf D(Ω) Der Testfunktionenraum D(Ω), T... 8

Inhaltsverzeichnis. 1 Einleitung Konstruktion der Topologie auf D(Ω) Der Testfunktionenraum D(Ω), T... 8 Inhaltsverzeichnis 1 Einleitung...................................... 2 2 Konstruktion der Topologie auf D(Ω)...................... 3 ( ) 3 Der Testfunktionenraum D(Ω), T....................... 8 1 1 Einleitung

Mehr

Höhere Mathematik III für die Fachrichtung Physik Wintersemester 2016/17. Lösungsvorschlag zu Übungsblatt 5

Höhere Mathematik III für die Fachrichtung Physik Wintersemester 2016/17. Lösungsvorschlag zu Übungsblatt 5 Institut für Analysis Dr. Christoph Schmoeger M.Sc. Jonathan Wunderlich Höhere Mathematik III für die Fachrichtung Physik Wintersemester 6/7..7 Lösungsvorschlag zu Übungsblatt 5 Aufgabe 6: Zeigen Sie mit

Mehr

4 Differenzierbarkeit einer konjugierten Funktion

4 Differenzierbarkeit einer konjugierten Funktion 4 Differenzierbarkeit einer konjugierten Funktion (Eingereicht von Corinna Vits) 4.1 Differenzierbarkeit 1.Ordnung Theorem 4.1.1: Sei f ConvR n strikt konvex. Dann ist int dom und f ist stetig differenzierbar

Mehr

Konversatorium zu Lineare Algebra und Analysis Analysis - Übungsbeispiele

Konversatorium zu Lineare Algebra und Analysis Analysis - Übungsbeispiele Univ.-Prof. Dr. Radu Ioan Boţ, Axel Böhm Konversatorium zu Lineare Algebra und Analysis Analysis - Übungsbeispiele SS18 A1. Sei f : [, + ) R so, dass und dass ein M existiert mit Zeigen Sie, dass f(s +

Mehr

III. Prinzipien der Funktionalanalysis

III. Prinzipien der Funktionalanalysis III. Prinzipien der Funktionalanalysis 9 Der Satz von Hahn-Banach 9.1 Momentenproblem. a) Es seien X ein normierter Raum, (x n ) n=0 eine Folge in X und (α n ) n=0 eine Folge in K. Gibt es eine stetige

Mehr

a) Sei [G : B] = n und [B : A] = m. Seien weiter X G,B = {g 1,..., g n } vollständiges Repräsentantensystem der Linksnebenklassen von A in G.

a) Sei [G : B] = n und [B : A] = m. Seien weiter X G,B = {g 1,..., g n } vollständiges Repräsentantensystem der Linksnebenklassen von A in G. 5. Übungszettel zur Vorlesung Geometrische Gruppentheorie Musterlösung WiSe 2015/16 WWU Münster Prof. Dr. Linus Kramer Nils Leder Cora Welsch Aufgabe 5.1 Sei G eine Gruppe und seien A, B G Untergruppen

Mehr

4 Messbare Funktionen

4 Messbare Funktionen 4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und

Mehr

Der Satz von Krein-Milman und einige Konsequenzen

Der Satz von Krein-Milman und einige Konsequenzen TU Wien SS 2009 Der Satz von Krein-Milman und einige Konsequenzen Seminararbeit aus Funktionalanalysis Markus Faustmann Satz von Krein-Milman 1 1 Extremalpunkte und der Satz von Krein-Milman Definition

Mehr

10 Untermannigfaltigkeiten

10 Untermannigfaltigkeiten 10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und

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

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

Nachklausur Analysis 2

Nachklausur Analysis 2 Nachklausur Analysis 2. a) Wie ist der Grenzwert einer Folge in einem metrischen Raum definiert? Antwort: Se (a n ) n N eine Folge in dem metrischen Raum (M, d). Diese Folge besitzt den Grenzwert g M,

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

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

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

Topologische Grundbegriffe II. Inhaltsverzeichnis

Topologische Grundbegriffe II. Inhaltsverzeichnis Vortrag zum Seminar zur Analysis, 03.05.2010 Dennis Joswig, Florian Goy Aufbauend auf den Resultaten des Vortrages Topologische Grundbegriffe I untersuchen wir weitere topologische Eigenschaften von metrischen

Mehr

Liste wichtiger Stammfunktionen

Liste wichtiger Stammfunktionen Liste wichtiger Stammfunktionen Funktion Stammfunktion x n, x ln(x) n R \ { } n + xn+ ln( x ) x ln(x) x a x, a > sin(x) cos(x) sin 2 (x) cos 2 (x) x 2 x 2 a x ln(a) cos(x) sin(x) (x sin(x) cos(x)) 2 (x

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

Tonnelierte Räume und der Satz von Banach-Steinhaus. David Pavlicek

Tonnelierte Räume und der Satz von Banach-Steinhaus. David Pavlicek Tonnelierte Räume und der Satz von Banach-Steinhaus David Pavlicek 6.11.2010 Inhaltsverzeichnis 1 Einleitung 2 1.1 Topologische Vektorräume.......................... 2 1.2 Tonnelierte Räume..............................

Mehr

102 KAPITEL 14. FLÄCHEN

102 KAPITEL 14. FLÄCHEN 102 KAPITEL 14. FLÄCHEN Definition 14.3.1 (Kurve) Es sei M eine k-dimensionale Untermannigfaltigkeit des R n. Eine C 1 - Kurve γ : ( a, a) R n mit γ(( a, a)) M heißt Kurve auf M durch x 0 = γ(0). Definition

Mehr

6 Der Fixpunktsatz von Banach

6 Der Fixpunktsatz von Banach 6 Der Fixpunktsatz von Banach Es sei (V, ) ein vollständiger NLR Satz 24 (Fixpunktsatz von Banach) Ist A V abg und nicht leer, und g : A A eine Abbildung mit g(x) g(y) q x y (x, y V ) für ein 0 q < 1 Dann

Mehr

4.2 Grenzwerte und Stetigkeit reeller Funktionen

4.2 Grenzwerte und Stetigkeit reeller Funktionen 4. Grenzwerte und Stetigkeit reeller Funktionen 73 4. Grenzwerte und Stetigkeit reeller Funktionen Definition 4.. Gegeben sei eine Funktion y = mit D(f). (i) Sei D(f). heißt stetig in, falls es für alle

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

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

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

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

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

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

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

Die von Neumannsche Ungleichung

Die von Neumannsche Ungleichung Die von Neumannsche Ungleichung Dominik Schillo 12. November 2012 Satz (Die von Neumannsche Ungleichung) Seien p C[z] ein Polynom in einer Variablen und T L(H) eine Kontraktion (d.h. T 1). Dann gilt: p(t

Mehr

Topologische Vektorräume und Distributionen. Ché Netzer

Topologische Vektorräume und Distributionen. Ché Netzer Topologische Vektorräume und Distributionen Ché Netzer 26. Juni 2014 Inhaltsverzeichnis 1 Topologische Vektorräume 1 2 Lokalkonvexe Räume 9 3 Dualräume und der Satz von Hahn-Banach 18 4 Induktive Limites

Mehr

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 : 24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar

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

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

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

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

34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen

34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen 34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen R-Vektorräumen 34.1 Äquivalenz von Normen 34.3 Stetigkeit und Normen linearer Abbildungen 34.4 Äquivalente Normen sind gegeneinander

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

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige

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

= ( n x j x j ) 1 / 2

= ( n x j x j ) 1 / 2 15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors

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

1 Endlich additive Volumen auf R n

1 Endlich additive Volumen auf R n Endlich additive Volumen auf R n In Satz. im Skript haben wir gezeigt, dass kein σ-additives Volumen auf der Potenzmenge P (R n ) definiert werden kann. Man könnte sich vorstellen, das Problem ist aus

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

Aufgabensammlung zu Funktionalanalysis 1 im Wintersemester 2006/2007

Aufgabensammlung zu Funktionalanalysis 1 im Wintersemester 2006/2007 Aufgabensammlung zu Funktionalanalysis 1 im Wintersemester 2006/2007 22. Februar 2007 Serie 1 (Kompaktheit) Definition 1. Eine Teilmenge K eines topologischen Raumes X heißt total beschränkt (oder auch

Mehr

Die komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe

Die komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe Die komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe Matthias Nagel Riemannsche Flächen Stets sei X eine 2-dimensionale Mannigfaltigkeit (Fläche). Definition. ) Eine komplexe Karte auf X ist

Mehr

Analysis I. Guofang Wang , Universität Freiburg

Analysis I. Guofang Wang , Universität Freiburg Universität Freiburg 10.1.2017, 11.1.2017 Definition 1.1 (Ableitung) Die Funktion f : I R n hat in x 0 I die Ableitung a R n (Notation: f (x 0 ) = a), falls gilt: f(x) f(x 0 ) lim = a. (1.1) x x 0 x x

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

Das Bang-Bang-Prinzip

Das Bang-Bang-Prinzip Das Bang-Bang-Prinzip Tanja Binder 15. Dezember 2004 1 Mathematische Grundlagen Wir wollen mit einigen Sätzen und Definitionen beginnen. Diese werden wir benötigen, wenn wir anschließend das Bang-Bang-Prinzip

Mehr

1, 0 < y < x 2 0, sonst f besitzt alle Richtungsableitungen in (0, 0), ist aber unstetig dort

1, 0 < y < x 2 0, sonst f besitzt alle Richtungsableitungen in (0, 0), ist aber unstetig dort ANALYSIS II Lösung der. Klausur vom /7 (von D. Reding Aufgabe (a Richtig sind die Aussagen (iii, (iv und (vii. (b Gegenbeispiel zu (i: f: R R, (x, y x ist stetig, aber nicht partiell differenzierbar nach

Mehr

Funktionentheorie auf Riemannschen Flächen

Funktionentheorie auf Riemannschen Flächen Funktionentheorie auf Riemannschen Flächen Universität Regensburg Sommersemester 2014 Daniel Heiß: 5: Maximale analytische Fortsetzung 20.05.2014 Abstract Zunächst werden Garben und weitere benötigte Begriffe

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

Universität Ulm Abgabe: Mittwoch,

Universität Ulm Abgabe: Mittwoch, Universität Ulm Abgabe: Mittwoch, 8.5.23 Prof. Dr. W. Arendt Jochen Glück Sommersemester 23 Punktzahl: 36+4* Lösungen Halbgruppen und Evolutionsgleichungen: Blatt 2. Sei X ein Banachraum und (T (t)) t

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

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

3 Das n-dimensionale Integral

3 Das n-dimensionale Integral 3 Das n-dimensionale Integral Ziel: Wir wollen die Integrationstheorie für f : D R n R entwickeln. Wir wollen den Inhalt (beziehungsweise das Maß ) M einer Punktmenge des R n definieren für eine möglichst

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

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

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

Wie in der reellen Analysis üblich notiert man Folgen f in der Form

Wie in der reellen Analysis üblich notiert man Folgen f in der Form 2.1.3 Folgen und Konvergenz Viele aus der Analysisvorlesung bekannte Begriffe lassen sich in den Bereich der metrischen Räume verallgemeinern. Diese Verallgemeinerung hat sich als sehr nützliches mathematisches

Mehr

5. Beschränkte Operatoren im Hilbertraum. Im Folgenden sei H ein K-Hilbertraum Satz. Zu jedem A L(H) existiert genau ein Operator A L(H) mit (1)

5. Beschränkte Operatoren im Hilbertraum. Im Folgenden sei H ein K-Hilbertraum Satz. Zu jedem A L(H) existiert genau ein Operator A L(H) mit (1) 32 Im Folgenden sei H ein K-Hilbertraum. 5. Beschränkte Operatoren im Hilbertraum 5.1. Satz. Zu jedem A L(H) existiert genau ein Operator A L(H) mit (1) Ax, y = x, A y x, y H. Ferner gilt (a) (A ) = A.

Mehr

Vorlesungen Analysis von B. Bank

Vorlesungen Analysis von B. Bank Vorlesungen Analysis von B. Bank vom 23.4.2002 und 26.4.2002 Zunächst noch zur Stetigkeit von Funktionen f : D(f) C, wobei D(f) C. (Der Text schliesst unmittelbar an die Vorlesung vom 19.4.2002 an.) Auf

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 11. d(x, y) := n 0. 2 n d n (x n, y n ),

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 11. d(x, y) := n 0. 2 n d n (x n, y n ), D-MATH Topologie FS 15 Theo Bühler Musterlösung 11 1. a) Da (C n, d n ) kompakt ist, nimmt die stetige Funktion d n : C n C n [0, ), (x, y) d(x, y) ihr Maximum diam C n an. Ersetzen wir d n durch d n =

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

µ( k= U j,k \K j,k ) µ(u j,k \K j,k ) < 2 j ε. µ(u\k j ) < ε.

µ( k= U j,k \K j,k ) µ(u j,k \K j,k ) < 2 j ε. µ(u\k j ) < ε. 3.5. LUSIN, TITZE-URYSOHN UND RIESZ 7 3.5. Lusin, Titze-Urysohn und Riesz. Theorem 3.5. (Lusin). Sei f : X R messbar. Zu U X offen mit µ(u) < und ε > 0 gibt es ein kompaktes K U, so dass gilt: () f K stetig,

Mehr

22 Charakteristische Funktionen und Verteilungskonvergenz

22 Charakteristische Funktionen und Verteilungskonvergenz 22 Charakteristische Funktionen und Verteilungskonvergenz Charakteristische Funktionen (Fourier-Transformierte liefern ein starkes analytisches Hilfsmittel zur Untersuchung von W-Verteilungen und deren

Mehr

Klausur Analysis II

Klausur Analysis II WS 28/9 Prof. Dr. John M. Sullivan Kerstin Günther Technische Universität Berlin Fakultät II Institut für Mathematik Klausur Analysis II 6.2.28 Name: Vorname: Matr.-Nr.: Studiengang: Mit der Veröffentlichung

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2018 Lineare Algebra und analytische Geometrie II Vorlesung 52 Auf dem R n gibt es sehr viele verschiedene Normen, allerdings hängen sehr viele wichtige Begriffe wie die

Mehr

Konvexe Optimierungsprobleme

Konvexe Optimierungsprobleme von: Veronika Kühl 1 Konvexe Optimierungsprobleme Betrachtet werden Probleme der Form (P) min x C f(x) wobei f : C R eine auf C konvexe, aber nicht notwendigerweise differenzierbare Funktion ist. Ziel

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

Kapitel I. Hilberträume. 2. Orthogonalität und der Darstellungssatz von Riesz.

Kapitel I. Hilberträume. 2. Orthogonalität und der Darstellungssatz von Riesz. Kapitel I. Hilberträume. 2. Orthogonalität und der Darstellungssatz von Riesz. Von zentraler Bedeutung für die Geometrie des HRs ist der Begriff der Orthogonalität. 2.1. Definition. Sei E ein Prä-Hilbertraum.

Mehr

Skript zur Vorlesung Analysis 3

Skript zur Vorlesung Analysis 3 Skript zur Vorlesung Analysis 3 Herbstsemester 204 Prof. Benjamin Schlein Inhaltsverzeichnis Gewöhnliche Differentialgleichungen 2. Differentialgleichungen erster Ordnung, elementare Lösungsmethoden..

Mehr

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1. Lösungen Klausur Aufgabe (3 Punkte) Zeigen Sie, dass n k k (n + ) n k für alle n N. IA: Für n ist k kk 2 2. IV: Es gilt n k kk (n + ) n für ein n N. IS: Wir haben n+ k k k n k k + (n + ) n+ k IV (n + )

Mehr

Messbare Vektorräume

Messbare Vektorräume Messbare Vektorräume Hans-Jörg Starkloff TU Bergakademie Freiberg Westsächsische Hochschule Zwickau Dezember 2010 / Januar 2011 Hans-Jörg Starkloff Messbare Vektorräume 1 1. Definition Geg. X linearer

Mehr