L p Räume und der Satz von Riesz-Fischer
|
|
- Tomas Buchholz
- vor 6 Jahren
- Abrufe
Transkript
1 Kolloqium Partielle Differentialgleichungen Carsten Erdmann L p Räume und der Satz von Riesz-Fischer 1.1. Definition. Sei p R, p >, dann setzen wir p :=, p :=. Sei f : K meßbar, dann ist f M + (, A) und N p (f) := ( f p dµ) 1/p (p R, p ) ist sinnvoll definiert. Weiterhin ist Für p = definieren wir N p (αf) = α N p (f) (α K). N (f) := inf{α [, ] : f α µ f.ü.}. Dann ist f N (f) µ -f.ü., denn für N (f) < ist { f > N (f)} = n=1 { f > N (f) + 1/n} eine µ -Nullmenge. Mann nennt N (f) das essentielle oder wesentliche Supremum von f und schreibt N (f) = ess sup f(x). x Weiterhin ist N (αf) = α N (f) (α K) und N (f + g) N (f) + N (g), falls f, g : K meßbar Definition L p. Sei L p := L p (µ) := L p (, A, µ), < p die Menge aller meßbaren Funktionen f : K mit N p (f) <, und weiterhin f p := N p (f) f L p. Falls p >, ist L p also genau die Menge aller meßbaren Funktionen f : K, für die f p µ -integrierbar ist und f p = ( f p dµ) 1/p (f L p ). Falls p =, ist L p die Menge aller meßbaren Funktionen f : K, für die gilt dass f := ess sup f(x) <. x 1
2 Eine Funktion x : [a, b] K ist genau dann essentiell beschränkt, wenn es zu jedem x L ([a, b]) eine positive Konstante M x gibt, für die x(t) M x fast überall auf [a, b] gilt. Das kleinste M x, das man in einer solchen Abschätzung wählen kann, wird als essentielles Supremum von x bezeichnet. Bemerkungen zu 1.2. L p ist ein K -Vektorraum für p >, da L p nur Funktionen mit Werten in K enthält. Soll der Skalarenkörper besonders hervorgehoben werden, so schreibt man auch L p R oder L p C. Für alle f L p gilt f p = f = µ -f.ü Satz. Für 1 p ist L p ein halbnormierter Vektorraum bezüglich p und für < p < 1 ist eine Halbmetrik auf L p. d p (f, g) := f g p p (f, g L p ) Nachzuprüfen sind die Eigenschaften einer Halbnorm, da durch eine Halbnorm eine Halbmetrik induziert wird. 1. Positivität: 2. Homogenität: f p = ( f p dµ) 1/p αf p = ( αf dµ) 1/p = α( f dµ) 1/p = α f p 3. Dreiecksungleichung: f + g p = ( Minkow. ( f + g p dµ) 1/p f p dµ) 1/p + ( = f p + g p g p dµ) 1/p 2
3 Bemerkungen zu 1.3. L p ist für < p < 1 ein topologischer Vektorraum. Das heißt bezüglich der durch d p definierten Topologie sind die Addition L p L p L p und die skalaren Multiplikation K L p L p stetig. Der topologische Raum L p erfüllt nicht das Hausdorffsche Trennungsaxiom, wenn es eine nicht-leere µ -Nullmenge gibt. Jedoch lässt sich dies wie folgt beheben. Die Menge N aller meßbaren Funktionen f : K mit f = µ -f.ü. ist ein Untervektorraum von L p, also ist der Quotientenraum sinnvoll definiert L p := L p (µ) := L p /N ( < p ) Elemente von L p sind die Nebenklassen F = f + N (f L p ). Dabei liegen 2 Funktionen f, g L p genau dann in der selben Nebenklasse, wenn sie fast überall gleich sind. Addition und skalare Multiplikation werden mit Hilfe von Nebenklassenvertretern definiert, somit ist L p ein K -Vektorraum. Ist F L p, so hat f p für alle f F den selben Wert, daher ist die Definition F p := f p (f F ) sinnvoll. Für alle F L p ist F p = F =, das heißt L p erfüllt das Hausdorffsche Trennungsaxiom Satz. Für 1 p ist L p bezüglich p ein normierter Vektorraum und für < p < 1 ist eine Metrik auf L p. d p (f, g) := f g p p (f, g L p ) 3
4 2.1. Definition. Sei < p und f n L p (n N). Die Folge (f n ) n 1 heißt im p-ten Mittel konvergent gegen f L p, falls lim f n f p =, also wenn (f n ) n 1 L p gegen f L p konvergiert. Die Folge (f n ) n 1 heißt eine Cauchy-Folge in L p oder eine Cauchy-Folge für die Konvergenz im p-ten Mittel, falls zu jedem ɛ > ein n (ɛ) N existiert, sodass f m f n p < ɛ für alle m, n n o (ɛ). Ist p = 2 so spricht man von Konvergenz im quadratischen Mittel. Ist p = 1 so spricht man von Konvergenz im Mittel. in 2.2. Definition. Sei A, dann verstehen wir unter der charakteristischen oder Indikatorfunktion von A eine Funktion χ A : R { 1 x A χ A (x) := x A c Für A, B gilt A B genau dann, wenn χ A χ B ist. Daher ist eine Folge (A n ) n N von Teilmengen genau dann monoton wachsend (fallend), wenn die Folge (χ An ) n N wachsend (fallend) ist. Weiterhin gilt χ A B = χ A χ B χ A + χ B = χ A B + χ A B χ A c = 1 χ A χ A\B = χ A (1 χ B ) 2.3. Satz. Für jede wachsende Folge (u n ) n N von Funktionen aus T + und jedes v T + mit v lim u n gilt vdµ lim u n dµ. Sei v = m α jχ Aj mit α 1,..., α m und disjunkten A 1,..., A m A. Für ein festes β > 1 und n N setzen wir B n := {βu n v} ( A). Ist x und v(x) =, so ist x B n n N. Im Falle v(x) > ist lim k βu k (x) > v(x), also x B n für hinreichend große n N. Es folgt B n und nach Definition von B n ist βu n v χ Bn. Weiterhin folgt dann, dass vdµ = m α j µ(a j ) = lim m α j µ(a j B n ) = lim v χ Bn dµ lim β Der Grenzübergang β 1 liefert die Behauptung. u n dµ = β lim u n dµ. 4
5 2.4. Korollar. Für alle f M + gilt fdµ = sup{ udµ : u T +, u f}. Für alle u T + mit u f gilt fdµ udµ, also fdµ sup{ udµ : u T +, u f}. Die Umkehrung gilt aufgrund der Integraldefinition ebenfalls Satz. (monotone Konvergenz) Für jede wachsende Folge (f n ) n N von Funktionen aus M + gilt ( lim f n )dµ = lim f n dµ. : Zunächst ist f := lim f n M +. Für alle k N ist f k f, also f kdµ fdµ und daher lim f k dµ fdµ. k Sei u T +, u f. Für β > 1 setzen wir B n := {βf n u} und erhalten: B n A, B n und βf n u χ Bn. Hier gilt u χ Bn T + und u χ Bn u. Nun impliziert Satz 2.3. udµ lim u χ Bn dµ β lim f n dµ, und da β > 1 beliebig, folgt weiter udµ lim f n dµ Satz. (Lemma von Fatou) Für jede Folge von Funktionen f n M + (n N) gilt: lim f n dµ lim f n dµ. 5
6 Es gilt, dass f := lim f n M + und für g n := inf k n f k M + gilt g n f. Der Satz der monotonen Konvergenz liefert lim g n dµ = fdµ. Für alle k n ist aber g n f k und daher g ndµ inf k n f kdµ,also fdµ lim inf f k dµ = lim f n dµ. k n 2.7. Satz. (majorisierte Konvergenz) Die Funktionen f, f n : K (n N) seien meßbar und es gelte lim f n = f µ -f.ü.. Ferner gebe es eine integrierbare Funktion g M +, so dass für alle n N gilt f n g µ -f.ü..dann sind f und alle f n (n N) integrierbar und es gilt lim f n dµ = fdµ und lim f n f dµ =. Wir wissen, dass f und f n (n N) integrierbar sind. Daher können wir annehmen, dass f, g und alle f n (n N) überall Werte in K haben und dass überall gilt, dass lim f n = f, f n g (n N). Dann ist g n := f + g f n f M + (n N), und das Lemma von FATOU liefert ( f + g)dµ = = lim g n dµ lim g n dµ ( f + g)dµ lim f n f dµ. Hier ist das Integral von f + g endlich. Daher folgt: lim f n f dµ =. Wegen f n dµ fdµ f n f dµ. folgt die Behauptung. 6
7 2.8. Satz. (von Riesz-Fischer) Die Räume L p ( < p ) sind vollständig, das heißt: Zu jeder Cauchy-Folge (f n ) n 1 in L p gibt es ein f L p, sodass f n f p (n ). 1 p < :. Es gibt eine Teilfolge (f nk ) k 1 von (f n ) n 1, sodass f nk f m p 2 k m n k, k 1. Mit g k := f nk f nk+1 gilt dann für alle n 1 : n n n k=1 g k p k=1 g k p k=1 2 k < 1. Der Satz der monotonen Konvergenz impliziert N p ( k=1 g k ) 1, also konvergiert die Reihe k=1 g k µ -f.ü. absolut. Daher konvergiert die Folge (f n1 f nk ) k 1 µ -f.ü. gegen eine meßbare Funktion K, das heißt es gibt eine meßbare Funktion f : K, sodass f nk f (k ) µ -f.ü. Wir zeigen, dass f L p und f n f p (n ). Dazu sei ɛ >, dann gibt es ein n (ɛ), sodass f l f m p < ɛ l, m n o (ɛ). Eine Anwendung des Lemmas von FATOU auf die Folge ( f nk f m p ) k 1 ergibt: Für alle m n (ɛ) ist f f m p dµ = Falls 1 p < folgt die Behauptung. lim k f nk f m p dµ lim k f nk f m p dµ ɛ p. < p < 1 : p p genügt der Dreiecksungleichung und die obigen Schlüsse liefern bei Ersetzung von p durch p p die Behauptung. p = : Sei (f n ) n 1 eine Cauchy-folge in L. Dann ist N := { f n > f n } n=1 eine Nullmenge und x N c gilt m,n=1 { f m f n > f m f n } f m (x) f n (x) f m f n (m, n N). Daher konvergiert (f n ) n 1 auf N c gleichmäßig gegen f := lim χ N c f n L. Insbesondere ist f L und lim f n f = Korrolar. Für 1 p ist L p ein Banach-Raum und für < p < 1 ist L p ein vollständiger metrischer Raum. 7
8 2.1. Korrolar. Es sei < p. (a) Zu jeder Cauchy-folge (f n ) n 1 in L p gibt es eine Teilfolge (f nk ) k 1 und ein f L p sodass f nk f µ -f.ü. (b) Konvergiert die Folge (f n ) n 1 gegen ein f L p, so existiert eine Teilfolge (f nk ) k 1, die µ -f.ü. gegen f konvergiert. (a) folgt unmittelbar aus dem Beweis des Satzes von RIESZ-FISCHER (b) (f n ) n 1 ist eine Cauchy-Folge in L p. Nach dem Beweis des Satzes von RIESZ-FISCHER gibt es ein g L p mit f n g p und eine Teilfolge (f nk ) k 1, die µ -f.ü. gegen g konvergiert. Wegen f n f p ist aber f = g µ -f.ü Beispiel. Es seien = [, 1], A := B 1, µ = β1. Wir zählen die Intervalle [, 1], [, 1 2 ], [ 1 2, 1], [, 1 3 ], [ 1, 2], [ 2, 1], [, 1],.. ab zu einer Folge von Intervallen I n (n 1). Dann gibt es zu jedem x unendlich viele n N mit x I n und unendlich viele n N mit x / I n. Die Folge der Funktionen f n := χ In (n N) divergiert daher in jedem Punkt x. Andererseits gilt für < p < f n p p = f n p dβ 1 = β 1 (I n ) (n ), das heißt (f n ) n 1 konvergiert in jedem L p (µ) ( < p < ) gegen Null Beispiel. Jede Cauchy-Folge (f n ) n 1 in L p ( < p ) ist beschränkt in dem Sinne, dass die Folge ( f n p ) n 1 in R beschränkt ist. Es stellt sich nun die Frage, ob jede beschränkte Folge von Funktionen aus L p eine fast überall konvergente Teilfolge hat. Die Antwort ist negativ: Es seien (, A, µ) wie in Beispiel und f n (x) := exp(2πinx). Dann ist f n p = 1 n N und < p. Angenommen, es gebe eine streng monoton wachsende Folge (n k ) k 1 natürlicher Zahlen und eine Funktion f : K mit f nk f f.ü.. Offenbar gilt f nk+1 f nk dβ 1 = k 1, und der Satz von der majorisierten Konvergenz liefert f nk+1 f nk dβ 1 f 2 dβ 1 Daher ist f = f.ü. im Widerspruch zu f nk = 1. (k ). 8
9 2.13. Satz. Ist < p < p und µ() <, so ist L p L p und f p µ() 1/p 1/p f p f L p, das heißt Konvergenz in L p impliziert Konvergenz in L p (mit gleichem Limes). Der Fall p = ist klar. Für < p < p < setzen wir r := p /p, s := (1 1/r) 1. Wir wenden die Höldersche Ungleichung, unter Verwendung der Exponenten r, s, auf die Funktionen f p, 1 an, wobei f L p. Dann folgt f p dµ ( f pr dµ) 1/r (µ()) 1/s. Es folgt: f L p und f p (µ()) 1/p 1/p f p. 9
10 3.1. Definition. Ein Banach-Raum (V, ) über K heißt eine Banach-Algebra, wenn eine Multiplikation : V V V erklärt ist, die V zu einer K -Algebra macht, sodass x y x y (x, y V ). Eine Banach-Algebra mit kommutativer Multipliaktion heißt kommutativ Beispiel. Für jedes Kompaktum R n ist die Menge C() der stetigen Funktionen f : K mit der Supremumsnorm f := sup { f(x) : x } und den üblichen punktweisen Verknüpfungen eine kommutative Banach-Algebra mit Einselement Definition. (Faltung auf L 1 (R p, B p, β p ) ) Die Faltung zweier Funktionen f, g L 1 (β p ), ist die Funktion f g : R p K { f(x y)g(y)dβ p (y) x A c R f g(x) := p x A Diese Funktion ist Borel-meßbar und f g L 1 (β p ). Weiterhin ist sie kommutativ, assoziativ und distributiv Definition. (Fourier-Transformation) Anstelle von β p verwenden wir nun µ p := (2π) p/2 β p als Maß. Für komplexwertiges f L 1 (µ p ) heißen ˆf, ˇf : R p C ˆf(t) := e i t,x f(x)dµ p (x) R p (t R p ) die Fourier-Transformierte von f und ˇf(t) := e i t,x f(x)dµ p (x) = ˆf( t) R p (t R p ) die inverse Fourier-Transformierte von f. Die C -lineare Abbildung, die jedem f L 1 (µ p ) seine Fourier-Transformierte ˆf zuordnet, heißt Fourier-Transformation Satz. L 1 (R m, B m, β m ) ist bezüglich der Faltung als Multiplikation eine kommutative Banach-Algebra ohne Einselement. 1
11 4.1. Definition: Hilbert-Raum L 2 (µ). Für f, g L 2 (µ) ist fg L 1 (µ), denn fg ist meßbar und fg 1 2 ( f 2 + g 2 ). Offenbar ist, : L 2 L 2 K, f, g := fgdµ (f, g L 2 ) eine positiv semidefinite hermitesche Form auf L 2 (das heißt es ist f, f, αf +βg, h = α f, h + β g, h und f, g = g, f f, g, h L 2, α, β K), und es gilt f 2 = f, f 1/2 (f L 2 ). Die Form, hat alle Eigenschaften eines Skalarproduktes mit Ausnahme der Definitheit, denn es ist f, f = genau dann, wenn f = f.ü.. Die Definitheit wird nun durch Übergang zu L 2 (µ) hergestellt: Sind F, G L 2, so hat f, g für alle Vertreter f, g von F bzw. G denselben Wert und F, G := f, g definiert ein Skalarprodukt auf L 2, welches durch F 2 = F, F 1/2 die Norm von L 2 induziert. Ein Banach-Raum (H, ) auf dem ein Skalarprodukt,, das kann z.b. x = x, x 1/2 (x H) sein, die Norm von H induziert, heißt Hilbert-Raum Satz. L 2 (µ) ist ein Hilbert-Raum mit dem Skalarprodukt f, g = fgdµ (f, g L 2 (µ)) Bemerkung. Wählt man insbesondere µ gleich dem Zählmaß auf I = N oder Z, so folgt: Der Hilbertsche Folgenraum { l 2 (I) := x K I : j I x j 2 < } ist ein Hilbert-Raum mit dem Skalarprodukt x, y = j I x j y j (x, y l 2 (I)) Definition Orthonormalsystem Es sei H ein Hilbert-Raum mit dem Skalarprodukt,. Eine Familie (e j ) j I Elementen von H heißt ein Orthonormalsystem, falls e j, e k = δ jk j, k I. (I Z) von 11
12 Ein Orthonormalsystem (e j ) j I liegt. in H heißt vollständig, falls Span(e j : j I) dicht in H 4.5. Satz von der besten Approximation. Ist (e j ) 1 j n ein Orthonormalsystem in H, so gibt es zu jedem f H genau ein g Span(e 1,..., e n ) mit und zwar f g = inf { f h : h Span(e 1,..., e n )}, Für dieses g gilt: g = n f, e j e j. n f g 2 = f 2 f, e j 2. Für λ 1,..., λ n K ist n 2 f λ j e j = f 2 2Re n n n n λ j f, e j + λ j 2 = f 2 f, e j 2 + f, e j λ j Besselsche Ungleichung. Sind (e j ) j I es gilt ein Orthonormalsystem in H und f H, so konvergiert j I f, e j 2, und f, e j 2 f 2. j I 4.7. Korollar. Sind (e j ) j I ein Orthonormalsystem in H und λ j K (j I), so gilt: Es gibt ein f H mit f, e j = λ j (j I) genau dann, wenn j I λ j 2 <. Die Notwendigkeit der Bedingung folgt aus (1.3). Ist umgekehrt j I λ j 2 < und E eine endliche Teilmenge von I, so ist 2 λ j e j = λ j 2. j E j E 12
13 Das heißt das Cauchy-Kriterium für die Konvergenz der Reihe j I λ je j ist erfüllt. Wegen der Vollständigkeit von H definiert die Reihe also ein Element f H und die Stetigkeit des Skalarproduktes impliziert f, e j = λ j (j I) Satz. Ist (e j ) j I ein Orthonormalsystem in H, so sind die folgenden Aussagen äquivalent: (a) (e j ) j I ist vollständig. (b) Für jedes f H gilt der Entwicklungssatz f = f I f, e j e j (c) Für alle f, g H gilt die Parsevalsche Gleichung f, g = j I f, e j e j, g. (d) Für alle f H gilt die Vollständigkeitsrelation f 2 = j I f, e j 2. (e) (e j ) j I ist ein maximales Orthonormalsystem. (f) Ist f H und f, e j = für alle j I, so gilt f =. (a) (b) : Zu jedem ɛ > gibt es eine endliche Menge E I und Elemente λ j K (j E), so dass f j E λ je j < ɛ. Nach dem Satz von der besten Approximation gilt daher für jede endliche Menge J mit E J I : f f, e j e j f λ j e j < ɛ. j J j E (b) (c) : Für jede endliche Menge E I ist nach der Cauchy-Schwarzschen Ungleichung für das Skalarprodukt f, g f, e j e j, g = f e j e j, g j E j E f, f f, e j e j g. j E (c) (d) : offensichtlich. (d) (a) : Für jede endliche Menge E I ist nach (1.2) f, g 2 f, e j e j = f 2 f, e j 2. j E j E 13
14 (b) (f) : offensichtlich. (f) (e) : Ist (e j ) j I nicht maximal, so existiert ein f H, f = 1 mit f, e j = j I im Widerspruch zu (f). (e) (b) : Für jedes f H ist g := j I f, e j e j H und es gilt f, e j = g, e j j I. Gilt (b) nicht, so existiert ein f H mit f g. Dies widerspricht (e), da sich (e j ) j I um f g 1 (f g) erweitern lässt Satz. (F. Riesz) Ist (e j ) j I ein Orthonormalsystem in L 2 (µ) und α j K (j I), so ist j I α j 2 < die notwendige und hinreichende Bedingung dafür, dass es ein f L 2 (µ) gibt mit f, e j = α j j I Definition. Sind (H 1,, 1 ) und (H 2,, 2 ) zwei Hilbert-Räume, so heißt eine bijektive lineare Abbildung φ : H 1 H 2 mit φ(u), φ(u) 2 = u, v 1 (u, v H 1 ) eine Isometrie Isomorphiesatz. Ist (e j ) j I ein vollständiges Orthonormalsystem in L 2 (µ), so ist die Abbildung φ : l 2 (I) L 2 (µ), mit φ((α j ) j I ) := j I α j e j ((α j ) j I l 2 (I)) ein Isomorphismus Vollständigkeit des trigonometrischen Systems. Gegeben sei der Maßraum ([, 1], B 1 [,1], β1 [,1] ) und die zugehörigen Räume Lp ([, 1]) (1 p ), K := C. Es sei e n (t) := exp(2πint) (n Z, t [, 1]). Dann ist e n L ([, 1]) und (e n ) n Z ist ein Orthonormalsystem in L 2 ([, 1]). Dann ist das Orthonormalsystem (e n ) n Z in L 2 ([, 1]) vollständig. Wir beweisen im folgenden eine noch schärfere Aussage: Für jedes f L 1 ([, 1]) und n Z ist der n-te Fourier-Koeffizient ˆf(n) := 1 f(t)e 2πint dt und somit die Fourier-Transformation ˆ : L 1 ([, 1]) C Z, f ( ˆf(n)) n Z erklärt. Die Vollständigkeit von (e n ) n Z in L 2 ([, 1]) ist bewiesen, wenn wir zeigen können, dass die Fourier-Transformation L 1 ([, 1]) C Z injektiv ist. Wir werden zeigen, dass aus f L 1 C ([, 1]) und ˆf =, f = f.ü. folgt. Dies tuen wir in 2 Schritten 14
15 (1) Es sei zunächst f : [, 1] C stetig mit ˆf =. Für jedes trigonometrische Polynom, das heißt für jede (endliche) Linearkombination T der e n (n Z) gilt 1 f(x)t (x)dx =. Wegen e n = e n (n Z) sind mit T auch T und daher auch Re(T ), Im(T ) trigonometrische Polynome. Aus (1.4.) folgt dann für alle T : 1 (Re(f(x)))T (x)dx =, 1 (Im(f(x))T (x)dx =. Somit kann man sich im Folgenden auf die Betrachtung reellwertiger f beschränken. Angenommen, es sei f. Dann gibt es ein x (, 1) mit f(x ). Sei o.b.d.a. f(x ) >. Dann gibt es ein ɛ > und ein δ >, sodass f(x) ɛ für < x δ x x + δ < 1. Wir setzen nun für n N : Dann ist T n T n (x) := (1 + cos 2π(x x ) cos 2πδ) n. ein trigonometrisches Polynom mit folgende Eigenschaften: 1. T n (x) für x δ x x + δ; 2. T n (x) (1 + cos πδ cos 2πδ) n für x x δ/2 ; 3. T n (x) 1 für x [, x δ] [x + δ, 1]. Daher gilt: 1 f(x)t n (x)dx x +δ x δ x δ f(x)t n (x)dx ɛδ(1 + cos πδ cos 2πδ) n 1 f(x)t n (x)dx + 1 f(x) dx x +δ f(x)t n (x)dx Das ist ein Widerspruch zu (1.4.). Es folgt, dass f =. (2) Es sei nun f L 1 C ([, 1]) mit x ˆf = und F (x) := f(t)dt (x [, 1]). Dann ist F : [, 1] K stetig mit F (1) = ˆf() = = F (). Mittels partieller Integration folgt nun für alle n : ˆF (n) = 1 F (x)e 2πinx dx = 1 f(x)( 1 2πin )(e 2πinx 1)dx = 1 2πin ( ˆf(n) ˆf()) =. Daher ist h := F ˆF () eine stetige Funktion mit ĥ = und nach dem ersten Schritt ist h =, also F = ˆF (). Wegen F () = ist F =, demnach f = f.ü.. 15
16 4.13. Korrollar. Die Fourier-Transformation ˆ : L 2 ([, 1]) l 2 (Z) ist ein Isomorphismus. Folgt aus den Sätzen (4.11.) und (4.12.) Korollar. Für jedes f L 2 ([, 1]) konvergiert die Reihe n Z ˆf(n)e n im quadratischen Mittel gegen f und es gelten die Vollständigkeitsrelation und die Parsevalsche Gleichung f 2 2 = n Z ˆf(n) 2 f, g = n Z ˆf(n)ĝ(n) (f, g L 2 ([, 1])). Folgt aus (4.9.) und (4.12.) Bemerkung. Ist f L 2 ([, 1]), so existiert nach (2.8.) eine Teilfolge der Folge der Partialsummen ˆf(k)e k n k (n N) der Fourier-Reihe von f, die punktweise f.ü. gegen f konvergiert. Weiterhin konvergiert selbst die Folge der Teilsummen punktweise f.ü. gegen f. Literatur [1] Jürgen Elstrodt Maß- und Integrationstheorie, Springer Verlag, Heidelberg, 27 [2] Harro Heuser Analysis 2, B.G. Teubner Verlag, Wiesbaden, 24 [3] Harro Heuser Funktionalanalysis, B.G. Teubner Verlag, Wiesbaden, 26 [4] I. N. Bronstein und K. A. Semendjajew, Taschenbuch der Mathematik, Verlag Harri Deutsch, Frankfurt am Main, 23 16
Ferienkurs in Maß- und Integrationstheorie
Zentrum Mathematik Technische Universität München Dipl. Math. Wolfgang Erb WS 9/ Übungsblatt Ferienkurs in Maß- und Integrationstheorie Aufgabe. (σ-algebren Sei eine Menge und A eine σ-algebra in. Seien
Mehr1 Konvergenz im p ten Mittel
Konvergenz im p ten Mittel 1 1 Konvergenz im p ten Mittel In diesem Paragraphen werden zunächst in Abschnitt 1.1 die L p Räume eingeführt. Diese erweisen sich als vollständige, lineare Räume über R. In
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
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,
Mehr2 Allgemeine Integrationstheorie
2 Allgemeine Integrationstheorie In diesem Abschnitt ist (,S,µ) ein Maßraum, und wir betrachten R immer mit der σ Algebra B(R). Ziel ist es, messbare Funktionen f : R zu integrieren. Das Maß µ wird uns
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
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
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
MehrKonvergenz im quadratischen Mittel und Parsevalsche Gleichung
Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen
MehrKonvergenz im quadratischen Mittel und die Parsevelsche Gleichung
Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das
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
Mehr2. Integration. {x : f(x) <a+ 1 n }
9 2.1. Definition. 2. Integration in Maß ist eine nichtnegative, abzählbar additive Mengenfunktion. in Maßraum ist ein Tripel (X,,µ) bestehend aus einem messbaren Raum X mit der -lgebra und einem auf definierten
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,
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,
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
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
MehrA. Maß- und Integrationstheorie
A. Maß- und Integrationstheorie Im folgenden sind einige Ergebnisse aus der Maß- und Integrationstheorie zusammengestellt, die wir im Laufe der Vorlesung brauchen werden. Für die Beweise der Sätze sei
MehrVollständigkeit. 1 Konstruktion der reellen Zahlen
Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente
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
MehrLebesgue-Integral und L p -Räume
Lebesgue-Integral und L p -Räume Seminar Integraltransformationen, WS 2012/13 1 Treppenfunktionen Grundlage jedes Integralbegriffs ist das geometrisch definierte Integral von Treppenfunktionen. Für A R
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
MehrStetigkeit, 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
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
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................................
MehrAnalysis I. Guofang Wang Universität Freiburg
Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum
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)
MehrWestfälische Wilhelms-Universität Münster. Seminararbeit. Fourier-Reihen. vorgelegt von. Stefan Marczinzik
Westfälische Wilhelms-Universität Münster Seminararbeit Fourier-Reihen vorgelegt von Stefan Marczinzik Fachbereich Mathematik und Informatik Seminar: Integraltransformationen (WS /3) Seminarleiter: Prof.
Mehrsign: R R, sign(x) := 0 falls x = 0 1 falls x < 0 Diese ist im Punkt x 0 = 0 nicht stetig, denn etwa zu ε = 1 finden wir kein δ > 0
ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 81 3. Stetigkeit 3.1. Stetigkeit. Im Folgenden sei D R eine beliebige nichtleere Teilmenge. Typischerweise wird D ein allgemeines Intervall sein, siehe Abschnitt
Mehr8 KAPITEL 1. GRUNDLAGEN
8 KAPITEL 1. GRUNDLAGEN Beweis. 1. Sei A X abgeschlossen, dann ist X \ A offen und jede offene Überdeckung von A lässt sich durch Hinzunahme von X \ A auf ganz X fortsetzen. Die Kompaktheit von X erlaubt
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
Mehr6 Räume integrierbarer Funktionen
$Id: L.tex,v 1.5 2012/01/19 15:07:43 hk Ex $ $Id: green.tex,v 1.3 2012/01/19 15:18:26 hk Ex hk $ 6 Räume integrierbarer Funktionen In der letzten Sitzung hatten wir die sogenannte L -Norm ( 1/ f := f(x)
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
MehrDarstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012
Darstellungssatz von Riesz in vollständig regulären Räumen Carina Pöll 0726726 Wintersemester 2012 Inhaltsverzeichnis 1 Einleitung 1 2 Definitionen und Resultate aus der Topologie 1 3 Der Darstellungssatz
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
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.
MehrFourier-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) :=
MehrMathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript
Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript Janko Latschev Fachbereich Mathematik Universität Hamburg www.math.uni-hamburg.de/home/latschev Hamburg,
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
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrLösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried
Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie Tobias Ried. März 2 2 Aufgabe (Messbarkeit der Komposition zweier Abbildungen). Seien (X, A), (Y, B) und (Z, C) Messräume und f : (X,
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
MehrCauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit
Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das
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
Mehr10 Der Satz von Radon-Nikodym
uch im Sinne einer Vorabinformation vor der Stochastik-Vorlesung wollen wir abschließend kurz absolut stetige Maße und den Satz von Radon-Nikodym streifen. Definition 10.1. Seien (, M) ein messbarer Raum
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
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
MehrSchwartz 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
MehrKapitel 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
MehrSchwartz-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
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
MehrDas Lebesgue-Integral
Das Lebesgue-Integral Bei der Einführung des Integralbegriffs gehen wir schrittweise vor. Zunächst erklären wir das Integral von charakteristischen Funktionen, danach von positiven einfachen Funktionen
MehrVorlesung Der Satz von Fubini. 6.2 Der Satz von Beppo Levi 6.1. DER SATZ VON FUBINI 33
6.1. DER SATZ VON FUBINI 33 Vorlesung 6 6.1 Der Satz von Fubini Das Lebesgue-Integralkann natürlichauchüber mehrdimensionale Gebiete definiert werden. Wir haben uns hier auf den eindimenionalen Fallbeschränkt.
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
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
MehrFolgen und Reihen. Thomas Blasi
Folgen und Reihen Thomas Blasi 02.03.2009 Inhaltsverzeichnis Folgen und Grenzwerte 2. Definitionen und Bemerkungen............................. 2.2 Konvergenz und Beschränktheit.............................
MehrProseminar: 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
Mehr2.6 Der Satz von Fubini
1 2.6 Der Satz von Fubini Unser Ziel ist der Beweis des folgenden Ergebnisses. 6.1. Satz von Fubini Sei f : R n+m R integrierbar. Dann gibt es eine Nullmenge N R m, so dass gilt: 1. Für alle y R m \ N
Mehr20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen
20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
MehrEinführung in die Fourier-Reihen. 1 Fourier-Reihen: Definitionen
Vortrag zum Seminar zur Analysis, 05.07.2010 André Stollenwerk, Eva-Maria Seifert Die Fourieranalysis beschäftigt sich mit dem Problem, inwiefern sich Funktionen mittels Sinus und Cosinus, das heißt periodischen
MehrLösungen zu Übungsblatt 9
Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da
Mehrf(x ϱz) f(x) p dx dz Im letzten Integral geht der Integrand punktweise gegen Null mit ϱ 0 nach Lemma 11.1(ii). Außerdem gilt die Abschätzung
11 Faltung und Fouriertransformation 109 Beweis: Durch Substitution sieht man η ϱ L 1 = η L 1, daher gilt f η ϱ L p ( ) und f η ϱ L p f L p η L 1 nach Satz 11.. Weiter folgt mit der Substitution y = ϱz
Mehr2 Normierte Räume. 2.1 Grundbegriffe
2 Normierte Räume Die Ergebnisse des Abschnitts 1.7 zeigen, dass Funktionenräumen wie der Raum der stetigen, reellwertigen Funktionen C([a, b], R) Metriken tragen, die anwendungsrelevant sind. Zusätzlich
MehrAufgaben zu Kapitel 0
Aufgaben zu Kapitel 0 0.1. Seien A und B zwei Mengen. Wie kann man paarweise disjunkte Mengen A 1, A 2 und A 3 so wählen, dass A 1 A 2 A 3 = A B gilt? 0.2. Seien E ein Menge und A eine Teilmengen von E.
Mehr10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit
10 Aus der Analysis Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit Zahlenfolgen Ein unendliche Folge reeller Zahlen heißt Zahlenfolge. Im Beispiel 2, 3, 2, 2 2, 2
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
Mehr1.3 Zufallsvariablen
1.3 Zufallsvariablen Beispiel Irrfahrt zwischen drei Zuständen Start in G bei t = 0, Zeithorizont T N Grundraum σ-algebra Ω = {ω = (ω 0, ω 1,..., ω T ) {G, R, B} T +1, ω 0 = G} Wahrscheinlichkeitsmaß P
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 +
MehrPartielle 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
MehrSinguläre Integrale 1 Grundideen der harmonischen Analysis
Singuläre Integrale Grundideen der harmonischen Analsis Jens Hinrichsen und Annina Saluz November 2007 Motivation Ein tpisches Beispiel für ein singuläres Integral ist die Hilbert-Transformation, welche
MehrKapitel I. Maßtheorie
Aufgabenvorschläge für das Proseminar zur Maß- und Integrationstheorie (WS 10/11) Shantanu Dave & Günther Hörmann Kapitel I. Maßtheorie zu 1. Maße und σ-algebren 1 Sei Ω eine Menge. Zeige: (a) Ist A eine
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
MehrGleichmäßige 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
MehrDefinition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR
0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
Mehrd(x, z) = z x = y x + z y y x + z y = d(x, y) + d(y, z). d(x, y) = 0, falls x = y.
Metrische Räume K bezeichnet entweder den Körper R oder den Körper C. Genauer bedeutet dies: K wird in denjenigen Situationen verwendet, in denen die Ersetzung von K sowohl durch R als auch durch C einen
Mehr45 Hilberträume. v = 2 <v, v>.
45 Hilberträume Zusammenfassung Unter dem Begriff Hilbertraum werden solche euklidische oder unitäre Vektorräume zusammengefasst, die auch noch vollständig sind. Damit werden die in 41, 42 und in 43, 44
MehrInverse Fourier Transformation
ETH Zürich HS 27 Departement Mathematik Seminararbeit Inverse Fourier Transformation Patricia Hinder Sandra König Oktober 27 Prof. M. Struwe Im Vortrag der letzten Woche haben wir gesehen, dass die Faltung
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
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)
Mehr9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben
9. Übung zur aß- und Integrationstheorie, Lösungsskizze Aufgaben A 50 (Eine Flächenberechnung mit dem Cavalierischen Prinzip). Es seien a, b > 0 und : { (x, y) R 2 : (x/a) 2 + (y/b) 2 1 }. (a) Skizzieren
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
MehrDie Fourier-Transformierte
Die Fourier-Transformierte Proseminar Analysis Sommersemester 008 Natalia Dück 6.06.08 Inhaltsverzeichnis Einleitung/Fourier-Transformierte. Definition..................................... Beispiele......................................3
MehrFourierreihen. Die erste dieser Aussagen folgt direkt aus der Definition. Für die zweite bemerken
Fachbereich Mathematik SS 0 J. Latschev Analysis II Fourierreihen In diesem Kapitel der Vorlesung widmen wir uns der Frage, inwieweit man jede periodische Funktion als Reihe in gewissen Standardfunktionen
MehrSpickzettel 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
MehrKapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen
Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N
MehrKlausur zur Höheren Mathematik IV
Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
MehrSerie 2 Lösungsvorschläge
D-Math Mass und Integral FS 214 Prof. Dr. D. A. Salamon Serie 2 Lösungsvorschläge 1. Seien folgende Mengen gegeben: und für a, b R R := [, ] := R {, }, (a, ] := (a, ) { }, [, b) := (, b) { }. Wir nennen
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
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
MehrGrundlagen der Fourier Analysis
KAPITEL A Grundlagen der Fourier Analysis Wir definieren wie üblich die L p -Räume { ( } 1/p L p (R) = f : R C f(x) dx) p =: f p < 1. Fourier Transformation in L 1 (R) Definition A.1. (Fourier Transformation,
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
MehrKurzskript 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
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 0/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
MehrJ.M. Sullivan, TU Berlin B: Metrische Räume Analysis II, WS 2008/09
B. METRISCHE RÄUME B1. Definition Definition B1.1. Sei X eine Menge. Eine Funktion oder Abbildung d : X X R heißt dann eine Metrik auf X, falls für alle x, y, z X die folgenden (axiomatischen) Bedingungen
Mehr