12 Aufgaben zu linearen Funktionalen
|
|
- Monika Maier
- vor 5 Jahren
- Abrufe
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
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
MehrWichtige 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
MehrL 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
Mehr22 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
Mehrist 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)
MehrHöhere 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,
Mehr30 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
MehrFUNKTIONALANALYSIS. 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
MehrInhaltsverzeichnis. 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................................
MehrWiederholung. 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.
MehrLösungen 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
MehrBezeichnungen 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
MehrDifferentialgleichungen 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
MehrExtremalpunkte 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
MehrZusammenfassung 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
Mehr10 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,
MehrKapitel 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.
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
MehrImplizite 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,
Mehr2 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,
MehrAnalysis 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........................
Mehr7. 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
MehrLösungen 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.
MehrDer 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
MehrInhaltsverzeichnis. 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
MehrHöhere 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
Mehr4 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
MehrKonversatorium 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 +
MehrIII. 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
Mehra) 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
Mehr4 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
MehrDer 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
Mehr10 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
MehrAnalysis 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
Mehrϕ 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
MehrNachklausur 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,
Mehr12 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
MehrPositive 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
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
MehrTopologische 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
MehrListe 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
Mehrx, 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,
MehrTonnelierte 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..............................
Mehr102 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
Mehr6 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
Mehr4.2 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
MehrLösungsvorschlag 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.
Mehr3 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
MehrOptimale 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
MehrKompakte 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
MehrMathematik 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
Mehr8.1. 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
Mehr53 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
MehrDie 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
MehrTopologische 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
MehrMeßbare 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
Mehrist 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
MehrVorlesung 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
MehrKommutativität. 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)
Mehr8 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
Mehr34 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
MehrDer 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
MehrStetige 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
MehrVollständiger 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
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
MehrSatz 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
Mehr1 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
Mehri=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,
MehrAufgabensammlung 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
MehrDie 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
MehrAnalysis 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
Mehr4 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
MehrDas 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
Mehr1, 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
MehrFunktionentheorie 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
Mehr4.2 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,
MehrUniversität 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)).
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
MehrÜbungen 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
Mehr3 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
Mehr9 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
MehrZusammenfassung 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,
MehrFunktionalanalysis. 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
MehrWie 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
Mehr5. 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.
MehrVorlesungen 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
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,
MehrD-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 =
MehrKapitel 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:
Mehrµ( 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,
Mehr22 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
MehrKlausur 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
MehrLineare 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
MehrKonvexe 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
MehrLineare 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.
MehrKapitel 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.
MehrSkript zur Vorlesung Analysis 3
Skript zur Vorlesung Analysis 3 Herbstsemester 204 Prof. Benjamin Schlein Inhaltsverzeichnis Gewöhnliche Differentialgleichungen 2. Differentialgleichungen erster Ordnung, elementare Lösungsmethoden..
MehrLösungen 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 + )
MehrMessbare 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