L p Räume und der Satz von Riesz-Fischer

Größe: px
Ab Seite anzeigen:

Download "L p Räume und der Satz von Riesz-Fischer"

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

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

Mehr

1 Konvergenz im p ten Mittel

1 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

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

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

2 Allgemeine Integrationstheorie

2 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

Mehr

Konvergenz im quadratischen Mittel - Hilberträume

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

Mehr

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

(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

Konvergenz im quadratischen Mittel und Parsevalsche Gleichung

Konvergenz 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

Mehr

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung

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

Mehr

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

2. Integration. {x : f(x) <a+ 1 n }

2. 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

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

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

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

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

A. Maß- und Integrationstheorie

A. 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

Mehr

Vollständigkeit. 1 Konstruktion der reellen Zahlen

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

Mehr

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

Lebesgue-Integral und L p -Räume

Lebesgue-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

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

Stetigkeit, Konvergenz, Topologie

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

Mehr

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

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

Analysis I. Guofang Wang Universität Freiburg

Analysis 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

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

Westfälische Wilhelms-Universität Münster. Seminararbeit. Fourier-Reihen. vorgelegt von. Stefan Marczinzik

Westfälische 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.

Mehr

sign: 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

sign: 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

Mehr

8 KAPITEL 1. GRUNDLAGEN

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

Mehr

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

6 Räume integrierbarer Funktionen

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

Mehr

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

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012

Darstellungssatz 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

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

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

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

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

Mehr

Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript

Mathematik 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,

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

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

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

Mehr

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried

Lösung 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,

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

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

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

Mehr

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

10 Der Satz von Radon-Nikodym

10 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

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

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

Schwartz Raum und gemässigte Distributionen

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

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

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

Mehr

Schwartz-Raum (Teil 1)

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

Mehr

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

Das Lebesgue-Integral

Das 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

Mehr

Vorlesung Der Satz von Fubini. 6.2 Der Satz von Beppo Levi 6.1. DER SATZ VON FUBINI 33

Vorlesung 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.

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

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:

Musterlösung. 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,

Mehr

Folgen und Reihen. Thomas Blasi

Folgen 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.............................

Mehr

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

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

Mehr

2.6 Der Satz von Fubini

2.6 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

Mehr

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

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

Mehr

Kapitel 5 KONVERGENZ

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

Mehr

Einführung in die Fourier-Reihen. 1 Fourier-Reihen: Definitionen

Einführung 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

Mehr

Lösungen zu Übungsblatt 9

Lösungen 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

Mehr

f(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

f(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

Mehr

2 Normierte Räume. 2.1 Grundbegriffe

2 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

Mehr

Aufgaben zu Kapitel 0

Aufgaben 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.

Mehr

10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit

10 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

Mehr

ε δ Definition der Stetigkeit.

ε 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

Mehr

1.3 Zufallsvariablen

1.3 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

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

Partielle Differentialgleichungen Kapitel 7

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

Mehr

Singuläre Integrale 1 Grundideen der harmonischen Analysis

Singuläre 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

Mehr

Kapitel I. Maßtheorie

Kapitel 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

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

Gleichmäßige Konvergenz und Funktionenräume

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

Mehr

Definition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR

Definition 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

Mehr

1 Euklidische und unitäre Vektorräume

1 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

Mehr

d(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.

d(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

Mehr

45 Hilberträume. v = 2 <v, v>.

45 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

Mehr

Inverse Fourier Transformation

Inverse 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

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

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

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben

9. 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

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

Die Fourier-Transformierte

Die Fourier-Transformierte Die Fourier-Transformierte Proseminar Analysis Sommersemester 008 Natalia Dück 6.06.08 Inhaltsverzeichnis Einleitung/Fourier-Transformierte. Definition..................................... Beispiele......................................3

Mehr

Fourierreihen. Die erste dieser Aussagen folgt direkt aus der Definition. Für die zweite bemerken

Fourierreihen. 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

Mehr

Spickzettel Mathe C1

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

Mehr

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen

Kapitel 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

Mehr

Klausur zur Höheren Mathematik IV

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

Mehr

5 Stetigkeit und Differenzierbarkeit

5 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.

Mehr

Serie 2 Lösungsvorschläge

Serie 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

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

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

Grundlagen der Fourier Analysis

Grundlagen 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,

Mehr

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen

Topologische 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

Mehr

Kurzskript zur Vorlesung Analysis 2

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

Mehr

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

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

Mehr

J.M. Sullivan, TU Berlin B: Metrische Räume Analysis II, WS 2008/09

J.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