Kapitel 5. Schwache Lösungen und Regularität. 5.1 Operatoren in Divergenzform. Inhaltsangabe

Größe: px
Ab Seite anzeigen:

Download "Kapitel 5. Schwache Lösungen und Regularität. 5.1 Operatoren in Divergenzform. Inhaltsangabe"

Transkript

1 Kapitel 5 Schwache Lösungen und Regularität Inhaltsangabe 5.1 Operatoren in Divergenzform Schwache Lösbarkeit Schwaches Maximumprinzip Differenzenquotienten Randwerte Differenzierbarkeit Globale Regularität Eigenwertaufgaben für elliptische Operatoren Operatoren in Divergenzform Zur Erinnerung: ein elliptischer Operator zweiter Ordnung hat die Form Lu = i,j a ij (x)d ij u + i b i (x)d i u + c(x)u. Sind die Funktionen a ij genügend glatt, so gilt D i (a ij D j u) = (D i a ij D j u + a ij D ij u) i,j i,j 91

2 92 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT und Lu hat die Form Lu = i,j D i (a ij D j u + b i u) + i c i D i u + du. Dabei sind b i, c i andere Funktionen als zuvor. Wir haben also gezeigt: Lemma Ist L ein elliptischer Operator zweiter Ordnung mit genügend glatten Koeffizientenfunktionen a ij, so kann der Operator in der Form Lu = i,j D i (a ij D j u + b i u) + i c i D i u + du. geschrieben werden. Ebenso kann man bei C 1 Koeffizienten diese Form in die ursprüngliche zurückverwandeln. Definition Die Form Lu = i,j D i (a ij D j u + b i u) + i c i D i u + du heißt Divergenzform. Definition Ist L ein Differentialoperator zweiter Ordnung, so nennt man L H u = i,j a ij D i D j u den Hauptteil (oder auch Symbol) von L. Wir haben also gesehen, dass bei ausreichender Glattheit der Koeffizienten ein Operator in Divergenzform geschrieben werden kann, ohne dass man den Hauptteil verändert. 5.2 Schwache Lösbarkeit des Dirichletproblems In diesem Abschnitt sei immer ein beschränktes Gebiet im Ê n.

3 5.2. SCHWACHE LÖSBARKEIT 93 Definition Es sei ψ H 1 () und f, g 1,...,g n L 2 (). L sei ein elliptischer Differentialoperator zweiter Ordnung in Divergenzform. Wir sagen u H 1 () ist eine schwache Lösung des Dirichlet Problems Lu = f + i D i g i in (5.1) u = ψ, (5.2) falls für jedes ϕ C0 () gilt ( ( a ij D j u + b i u)d i ϕ + ( i,j i ) c i D i u + du)ϕ dx = ( g i D i ϕ+fϕ)dx und ist. u ψ H 1 0() Bemerkung Die Formulierung der rechten Seite ist an dieser Stelle noch gewöhnungsbedürftig. Die schwache Formulierung würde normalerweise von rechten Seiten in L 2 () ausgehen. Wir wollen dies noch etwas verallgemeinern, die rechten Seiten dürfen sogar im Dualraum von H 1 () sein, die hier gewählte Schreibweise deutet dies an, wir werden noch darauf hinweisen. In der Physik würde man z.b. die Delta-Funktion als rechte Seite zulassen wollen, obwohl diese nicht in L 2 () ist. Man kann sie aber als Element eines geeigneten Dualraumes auffassen, denn sie beschreibt z.b. die Auswertung von stetigen Funktionen. Lemma Das Dirichlet Problem mit f, g i L 2 () und ψ H 1 () kann genau dann schwach gelöst werden, wenn es für f, g i L 2 () und ψ = 0 gelöst werden kann. Beweis. Wir betrachten die linke Seite und schreiben w = u ψ oder auch u = w + ψ. Dies ergibt ( ( a ij D j (w + ψ) + ( b i (w + ψ))d i ϕ + c i D i (w + ψ) ) ) + d(w + ψ))ϕ dx. i,j i

4 94 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT Dies führt auf eine Differentialgleichung gleichen Typs mit der neuen rechten Seite (fϕ g i D i ϕ)dx + τ i D i ϕdx + σϕdx. i Wir haben damit eine neue rechte Seite des Dirichlet Problems konstruiert, welches u + ψ als schwache Lösung besitzt. Um das Dirichlet Problem schwach lösen zu können, brauchen wir den Satz von Lax Milgram 1. Im folgenden bezeichnet X wieder den Dualraum von X, d.h. den Raum aller stetigen Linearformen f : X Ê. Definition Eine stetige Bilinearform B : X X Ê heißt koerziv, falls es eine positive Konstante µ > 0 gibt, so dass B(x, x) µ x 2 ist. Satz (Lax-Milgram) Es sei X ein Hilbertraum, B : X X Ê eine Bilinearform. Ist B beschränkt und koerziv, so gibt es zu jedem beschränkten linearen Funktional x X ein y X mit B(x, y) = x (x). Im Beweis brauchen wir den Rieszschen 2 Darstellungssatz. Wir erinnern zunächst kurz daran. Satz Für jedes stetige lineare Funktional x : X Ê auf einem Hilbertraum X gibt es ein eindeutig bestimmtes Element x 0 X mit x (x) = x, x 0 X. Beweis. Siehe eines der zitierten Werke über Funktionalanalysis. Beweis des Satzes Aus dem Satz von Riesz folgt die Existenz einer Abbildung T : X X mit B(x, y) = x, Ty X, 1 A. M. Milgram 2 Frédéric Riesz ( ) übertrug die Begriffe, die Fredholm und Hilbert im Kontext von Integralgleichungen entwickelt hatten, auf allgemeinere Räume und begründete damit die moderne, abstrakte Funktionalanalysis. Er zeigte im Jahr 1907 die Vollständigkeit des Raumes L 2. Von ihm stammt die Spektraltheorie für beschränkte selbstadjungierte Operatoren (1929). Er zeigte einen Darstellungssatz für lineare Funktionale auf dem Raum der stetigen Funktionen. Schon 1910 hatte er die Dualität der Räume L p und L q mit p 1 + q 1 = 1 erkannt. Auf ihn gehen darüberhinaus Beiträge zur Ergodentheorie, Topologie und Funktionentheorie zurück. i

5 5.2. SCHWACHE LÖSBARKEIT 95 denn B(, y) ist eine lineare Abbildung X Ê und als solche durch ein Skalarprodukt darstellbar. T ist offenkundig linear und stetig, denn B(x, y) K x y und damit ist wegen Ty K y. Aus K x y B(x, y) = x, Ty X µ x 2 B(x, x) = x, Tx X x Tx. erhalten wir Ty µ y. Also ist T injektiv, die Inverse existiert und ist beschränkt. Insbesondere ist das Bild von T abgeschlossen. Angenommen R(T) X. Dann existiert ein x X mit B(x, y) = x, Ty) X = 0 für alle y X. Insbesondere ist B(x, x) = 0. Also folgt x = 0. Deshalb ist T 1 ein beschränkter linearer Operator auf X. Der Satz folgt nun mit y = T 1 x, wobei x das dem Funktional mit dem Riesz schen Satz zugeordnete Element in X ist. Um den soeben angegebenen Satz anzuwenden, benötigen wir eine Bilinearform auf H0(). 1 Wir setzen ( B L (u, ϕ) = a ij D j u + ) ( ) b i u D i ϕdx c i D i u + du ϕdx i,j i i (5.3) für u H0() 1 und ϕ C0 (). Durch Fortsetzen erhalten wir eine Form auf H0 1() H1 0 (). Für v H1 0 () setzen wir F(v) = ( fv + g i D i v)dx. (5.4) Damit ist u H 1 0() eine Lösung von Lu = F im schwachen Sinn v H 1 0 () gilt B L(u, v) = F(v). F ist eine Linearform. Nach dem Satz von Lax Milgram hat diese Gleichung immer dann eine Lösung, falls B L beschränkt und koerziv und F beschränkt ist. Wir haben: Lemma F ist eine stetige Linearform auf H 1 0 ().

6 96 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT 2. Ist L stark elliptisch und gibt es Konstanten M, q mit ( b i 2 + c i 2)) + λ 1 d q 2, (5.5) i,j a ij 2 M, λ 2 ( i so ist B L beschränkt auf H0 1 () und es gilt B L (u, u) λ Du 2 dx 2λq 2 2 u 2 dx, (5.6) Beweis. 1. wobei Du = ( i D iu 2 ) 1/2. F(v) i g i L 2 () v 1,2 + f L 2 () v 1,2 C v 1,2. Dabei hängt C nur von der rechten Seite ab ) Stetigkeit von B L : B L (u, v) i,j a ij D j u + i b i u D i v dx + i c i D i u + du v dx a ij D j ud i v + i ij C u 1,2 v 1,2. b i ud i v + i c i D i uv + duv dx 2.) Koerzivität von B L : ( B L (u, u) = a ij D j ud i u + ) (b i c i )(D i u)u du 2 dx i,j i (λ Du 2 ( b i c i ) (D i u)u du 2 )dx i λ 2 Du 2 dx λq 2 u 2 dx,

7 5.2. SCHWACHE LÖSBARKEIT 97 denn mit der Cauchy-Schwarz schen Ungleichung folgert man du 2 + b i c i ud i u bi c i 2 u Du + d u 2 ( bi + c i ) 2 u Du + du 2 ( bi c i 2 ) u Du + d u 2 1 2λ ( bi λ 2 + c i 2 )( ε u2 + ε 2 Du 2 ) + d u 2 2λ q 2 d λ (ε 1 2 u2 + ε 2 Du 2 ) + d u 2 2λq ε 2 Du 2 + 2λq ε 1 2 u2 + d u 2 λ 2 Du 2 + (λq 2 + d )u 2 (ε = 1 2q ) λ 2 Du 2 + (λq 2 + λq 2 )u 2 λ 2 Du 2 + 2λq 2 u 2. Definition Für σ Ê setzen wir L σ u = Lu σu. Korollar Genügen die Koeffizienten des stark elliptischen Operators L den Voraussetzungen (5.5), so ist die dem Operator L σ zugeordnete Bilinearform B Lσ für alle genügend großen σ Ê koerziv. Insbesondere ist das Dirichlet Problem schwach lösbar. L σ u = f + D i g i u = ψ Um eine allgemeine Lösungstheorie zu erhalten, betrachten wir L σ0 u + Áu = F, F (H 1 0 ()), Á : H 1 0 () (H1 0 ()) für ein so groß, so dass B Lσ0 beschränkt und koerziv ist. Á sei die Abbildung Á : H 1 0 () (H1 0 ()), die durch das L 2 Skalarprodukt definiert ist (siehe

8 98 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT unten). Dann existiert nach dem Satz von Lax-Milgram Wir erhalten also die Gleichung L 1 : (H 1 0 ()) H 1 0 (). u + L 1 Áu = L 1 F. Wir erinnern an den Begriff der kompakten Abbildung. Definition Sind X, Y Banachräume, K : X Y sei stetig und linear. Dann heißt K kompakt, wenn für alle beschränkten Mengen U X gilt, dass K(U) Y relativ kompakt ist, d.h. also K(U) ist kompakt. Die Menge der kompakten, linearen Abbildungen bezeichnen wir mit K(X; Y ). Ist eine Einbettungsabbildung kompakt, so nennen wir die Einbettung kompakt Lemma Sind W, X, Y, Z vier Banachräume, ist K K(X; Y ) und sind L 1 L(W; X), L 2 L(Y ; Z) so sind K L 1 K(W; Y ) und L 2 K K(X; Z). Beweis. Stetige Bilder von beschränkten Mengen sind beschränkt, stetige Bilder von relativ kompakten Mengen sind relativ kompakt, damit folgen beide Aussagen unmittelbar. Definition Eine Teilmenge V eines metrischen Raumes (X, d) heißt total beschränkt, wenn zu jedem ε > 0 eine endliche Menge N X existiert mit V n N B ε (n). Lemma In einem vollständigen metrischen Raum ist eine Menge genau dann relativ kompakt, wenn sie total beschränkt ist. Beweis. Die nichttriviale Richtung folgt aus den Eigenschaften der Lebesguezahl. Lemma Die Einbettung Á : W 1,2 0 () L 2 () ist kompakt.

9 5.2. SCHWACHE LÖSBARKEIT 99 Beweis. Wir führen den Beweis in mehreren Schritten. Wir zeigen die entsprechende Aussage zuerst für die Einbettung Á 1 : W 1,1 0 () L 1 (). Dazu sei A W 1,1 0 () beschränkt. Sei ε > 0 und U ε = } d(u, A) < ε. { u W 1,1 0 () Setze A ε = U ε C0(; 1 Ê). A ε ist beschränkt in W 1,1 0 () und liegt in C0(; 1 Ê). Für h > 0 und { u A ε betrachte die Regularisierung J h u. Fixiere h > 0 und setze A h = J h u u A ε }. Nach Definition von J h u gilt J h u(x) = z 1 ρ(z)u(x hz) dz sup ρ u L 1 () und (beachte da ρ = 0 für z = 1 ergeben sich bei der partiellen Integration keine Randterme) xi J h u(x) ρ(z) xi u(x hz) dz z 1 = ρ(z)( 1 h ) z i u(x zh) dz z 1 1 zi ρ(z)u(x zh) dz h z 1 1 h sup z i ρ(z) u(x zh) dz Damit ergibt sich z h h sup n z i ρ(z) u L 1 (). J h u 1 h n+1 sup ρ(z) u L 1 (). Damit ist A h gleichmäßig beschränkt mit gleichmäßiger Schranke für die ersten Ableitungen der Funktionen in A h, also ist A h gleichgradig stetig und in

10 100 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT C() relativ kompakt. Damit A h auch in L 1 () relativ kompakt: eine Überdeckung mit ρ-kugeln in in L 1 () umfasst eine Überdeckung mit ρ-kugeln in C(). Wegen der relativen Kompaktheit reichen davon endlich viele diese zu überdecken. Zu diesen gibt es dann die endlich vielen entsprechenden ursprünglichen ρ-kugeln in L 1 (). Diese überdecken dann A h, damit ist A h total beschränkt in L 1 () und damit auch relativ kompakt. Dann ist A ε relativ kompakt, denn es ist offensichtlich total beschränkt. Schließlich folgt die relative Kompaktheit von A, wiederum aus der totalen Beschränktheit. Im Fall A W 2,1 0 () beachten wir für beschränktes die stetige Einbettung L 2 () L 1 (), die eine stetigen Einbettung W 1,2 0 () W 1,1 0 () induziert. Daher ist A L 1 () total beschränkt, nach dem vorigen Schritt. Dies impliziert die totale Beschränktheit in L 2 (). Lemma Die Abbildung ist kompakt. Á : H 1 0() (H 1 0()) : u u,. L 2 () Beweis. Man hat den sogenannten Gelfand 3 Dreier H 1 0 () L2 () = (L 2 ()) (H 1 0 ()), der einem erlaubt, Á als Hintereinanderausführung Á = Á 1 J Á 2, zu schreiben, wobei J durch den Riesz schen Darstellungssatz gegeben ist und Á 2 Á 1 : H 1 0 () L2 () : (L 2 ()) (H 1 0 ()) die jeweiligen Einbettungen sind, mit Á 1 = Á 2. Da H1 1,2 0 () = W0 () ist, und letzterer kompakt in L 2 () eingebettet ist, ist Á 2 eine kompakte Einbettung. Die Operatoren Á 1, J sind stetig, also ist Á 1 J Á 2 kompakt. 3 Israil Moisejewitsch Gelfand ( ) arbeitet vornehmlich über Funktionalanalysis. Er studierte Algebren von Operatoren und darauf aufbauend nichtkommutative Banachalgebren und nichtendlichdimensionale Darstellungen von Lie-Gruppen. Er arbeitet auch auf dem Gebiet der Differentialgleichungen, vor allem Randwertprobleme und Hamilton sche Systeme. Er ist auch an Anwendungen außerhalb der Mathematik interessiert.

11 5.2. SCHWACHE LÖSBARKEIT 101 Definition Es sei X ein Banachraum. Ein beschränkter linearer Operator T : X X heißt Fredholm-Operator 4, falls dim ker T <, das Bild von T abgeschlossen ist und einen endlich dimensionalen Komplementärraum besitzt. Für dessen Dimension schreibt man oft codim R(T). Die Differenz ind(t) = dim ker T codim R(T) heißt (Fredholm-)Index von T. Beispiel Lineare Abbildungen zwischen endlich-dimensionalen linearen Räumen über Ê sind immer Fredholm-Operatoren, sind die Räume von gleicher Dimension, so ist der Index 0. Bemerkung Kompakte Operatoren spielen in der Theorie der Fredholm-Operatoren eine spezielle Rolle. Fredholm-Operatoren kann man so charakterisieren, dass man sie bis auf einen kompakten Operator umkehren kann. Ohne Beweis zitieren wir zunächst den naheliegenden aber nicht ganz einfach zu beweisenden Satz. Satz Die Menge der Fredholmoperatoren ist offen in L(X; Y ). 2. Der Index eines Fredholmoperators ist stabil gegenüber kleinen Störungen in L(X; Y ), d.h. ist T ein Fredholmoperator vom Index k, so gibt es ein δ > 0, so dass S L(X; Y ) mit S T L(X;Y ) < δ impliziert S ist Fredholmoperator und ind(s) = ind(t). Beweis. siehe mein Skript [17] über Funktionalanalysis aus dem SS Satz Es seien X, Y Banachräume und es sei T L(X; Y ). Dann ist T genau dann ein Fredholmoperator, wenn es S L, S R L(Y ; X) gibt, mit S L T 1l X K(X), TS R 1l Y K(Y) 4 Ivar Fredholm ( ) nutzte Erkenntnisse über Integralgleichungen für die Theorie partieller Differentialgleichungen. Insbesondere erkannte er die strukturelle Ähnlichkeit der Lösungstheorie gewisser partieller Differentialgleichungen mit der endlich dimensionaler linearer Gleichungen. Er ist der Begründer der nach ihm benannten Alternative.

12 102 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT Beweis. Ist S L T 1l X kompakt, so ist dim ker(s L T) < und wegen ker(t) ker(s L T) ist ker T endlich dimensional. Aus TS R 1l Y kompakt, folgt BILD(TS R ) hat endliche Kodimension und wegen BILD(T) BILD(TS R ) ist die Kodimension von BILD(T) endlich. Dann ist BILD(T) abgeschlossen und T ist ein Fredholmoperator. Ist umgekehrt T ein Fredholmoperator, so gibt es jeweils ein abgeschlossenes Komplement V zu ker T in X und ein abgeschlossenes Komplement W zu BILD(T) in Y, d.h. X = V ker T Y = BILD(T) W. Dann ist T = T V : V BILD(T) linear, beschränkt und surjektiv, also offen und T 1 ist stetig. Definiere S L(Y ; X) mit S : Y X : (t, w) T 1 t. Dann ist (ST 1l X )(v + k) = T 1 Tv (v + t) = (v + 0) (v + t) = t die negative Projektion auf ker T und (TS 1l Y )(t + w) = T T 1 t (t + w) = w ist die negative Projektion auf den Komplementärraum von BILD(T). Projektionen auf endlich dimensionale Unterräume sind stetig, also folgt die gewünschte Eigenschaft. Satz Es gilt allgemein: ist L : X X ein Fredholm-Operator und ist T : X X kompakt, so ist ind(l) = ind(l + T) Beweis. Seien S L, S R wie im letzten Satz gewählt. Dann ist S L (T + K) 1l X = (S L T 1l X ) + S L K

13 5.2. SCHWACHE LÖSBARKEIT 103 als Summe zweier kompakter Operatoren kompakt, entsprechendes gilt für (T + K)S R 1l Y = (TS R 1l Y ) + KS R. Also ist T + K ein Fredholmoperator. Die Abbildung Ê L(X; Y ) : t T + tk ist stetig, also ist aufgrund unseres Satzes die Abbildung Ê : t ind(t + tk) lokal konstant, also konstant und ind(t) = ind(t + K). Von Satz benötigen wir nur einen wichtigen Spezialfall. Korollar Ist T : X X kompakt, so ist ind(1l + T) = 0. Beweis. Folgt sofort aus der vorigen Aussage. Damit hat man sofort: Lemma Der Operator 1l + L 1 Á ist auf H0 1 () ein Fredholm Operator vom Index 0. Insbesondere gilt u + L 1 Áu = F ist immer lösbar ker(1l + L 1 Á) ist trivial. Für den Hauptsatz dieses Abschnittes, der das allgemeine Lösungsverhalten charakterisiert, benötigen wir den adjungierten Operator L σ. Definition Der zu L formal adjungierte Operator ist definiert durch L f u = i (D i ( j a ji D j u c i u) b i D i u) + du.

14 104 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT Formal erhält man für Funktionen u, v C 0 () das L2 innere Produkt Lu, v L 2 () = u, L f v L 2 (). Es gilt jedoch mehr als nur formale Adjungiertheit: Satz Also ist L f in H 1 0() zu L adjungiert. B L (u, v) = B L f(v, u) u, v H 1 0 (). Beweis. B L (u, v) = B L f(v, u) für u, v H0 1 () ist offensichtlich. Ferner gilt für u D(L) = D(L f ) L f v, u L 2 () = B L f(v, u) = B L (u, v) = Lu, v L 2 (). Lemma Betrachte auf H 1 0() den Operator Dann ist T σ = ( σ)l 1 Á. T σ = ( σ)(l f ) 1 Á. Beweis. Es reicht den Operator L 1 Á : 1() H1 0 () zu betrachten. Der adjungierte Operator ist eine Abbildung H0() 1 H0() 1 und wir müssen zeigen, dass dieser für u H0 1() H1 0 () durch (L f ) 1 Á gegeben ist. Dann ist (L 1 Á) : H0() 1 H0() 1 und ist gegeben durch mit Á (L 1 ) : H 1 0 () H 1 0 () H 1 0 () Á (L 1 ) (v )(u) = (L 1 ) (v )(Áu) = v (L 1 Áu) mit v H 1 0 () und u H 1 0 (). Für v = Áv ergibt sich dies zu v, L 1 Áu L 2 ().

15 5.2. SCHWACHE LÖSBARKEIT 105 Andrerseits ergibt sich Dies zeigt die Behauptung. (L f ) 1 Áu, v L 2 () = Áv ( (L σ0 ) 1 )Áu ) = Áv ( ((L f ) 1 ) Áu ) = Áv ( ((L f ) ) 1 Áu ) = Áv(L 1 (Áu)) = v, L 1 Áu L 2 (). Satz Ist L stark elliptisch und genügt der Abschätzung (5.5), dann existiert eine abzählbare, diskrete Teilmenge Σ Ê, so dass für σ Σ das Dirichlet Problem L σ u = f + D i g i, L f σ u = f + D i g i i i u = ψ auf für beliebige f, g i L 2 (), ψ H 1 () eindeutig lösbar ist. Ist hingegen σ Σ, so bilden die Lösungsmengen der homogenen Randwertprobleme L σ u = 0, L f σ u = 0, u = 0 auf positiv und endlich dimensionale Unterräume von H 1 0(). Das Problem L σ u = f + i D i g i in u = ψ auf ist genau dann lösbar, falls {( f ) ( c i D i ψ dψ + σψ v g i i i i,j für alle v mit L f σv = 0, v = 0 auf. a ij D j ψ i ) } b i ψ D i v dx = 0 Beweis. Folgt aus dem zuvor Gesagten und der Charakterisierung des Spektrums kompakter Operatoren, vgl. [17].

16 106 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT Lemma G σ = L 1 σ, σ Σ, ist beschränkt. Beweis. L 1 σ = (L σ0 (σ )Á) 1 = ( 1l + ( σ)l 1 Á ) 1 L 1. Da ( σ)l 1 Á kompakt ist, ist 1l + (σ )L 1 Á für σ Σ beschränkt invertierbar. Daraus folgt eine sogenannte à priori Abschätzung. Korollar Ist u H 1 () eine Lösung von L σ u = f + i D ig i, u = ψ auf, σ Σ, so existiert eine Konstante C = C(L, σ, ) mit u 1,2 C f 2 + 1/2 D i g i 2 + ψ 1,2. i 5.3 Das schwache Maximumprinzip und eindeutige Lösbarkeit Wir hatten die Eindeutigkeit einer eventuell existierenden Lösung für das klassische Dirichlet Problem aus dem Maximumprinzip gefolgert. Das hilft hier natürlich nicht weiter. Wir müssen den entsprechenden Satz in einer Situation für die schwache Formulierung des Problems beweisen. Dabei treten natürliche Probleme auf, etwa was bedeutet u 0 für u H 1 (). Entsprechende Probleme gibt es mehrere. Definition Es sei u H 1 (). Wir sagen u 0 auf, falls u + H0 1 () ist. Dabei ist u + definiert durch 2. u 0 auf u 0 auf, 3. u v auf u v 0. u + (x) = max {u(x), 0}.

17 5.3. SCHWACHES MAXIMUMPRINZIP 107 Lemma Ist u nahe dem Punkt x 0, von der Klasse C 1, stetig, so folgt aus u 0, dass diese Bedingung auch punktweise nahe x 0 erfüllt ist. Beweis. Annahme: u(x 0 ) > 0. Dann gibt es eine Umgebung, auf der gilt u + > 0. Es sei u ν C 1 0() eine Folge, die in H 1 () gegen u + konvergiert. Dann gibt es ein ν 0, so dass für alle ν > ν 0 gilt u ν (x 0 ) > 0. Dies ist ein Widerspruch. Für das klassische Maximumprinzip benötigt man eine Vorzeichenbedingung an den Koeffizienten d. Für das schwache Maximumprinzip wird diese Bedingung durch eine andere Ungleichung ersetzt. Satz Sei L stark elliptisch mit (dv b i D i v)dx 0 (5.7) für alle v C0 1 (), v 0, und wir nehmen an, dass die Koeffizienten für Zahlen M, q Ê punktweise den Abschätzungen a ij 2 M und λ 2 ( b i 2 + c i 2 ) + λ 1 d q 2 (5.8) genügen. Dann gilt für u H 1 () mit Lu 0 ( 0) in sup u sup u + (inf u inf u ). Beweis. Für u H 1 (), v H0 1() gilt uv H1 0 () und D i(uv) = vd i u + ud i v. Es gilt ( B(u, v) 0 a ij D j ud i v (b i + c i )vd i u ) dx duv b i D i (uv)dx 0, für alle v 0 mit uv 0. Daraus folgt dann a ij D j ud i vdx 2λq v Du dx

18 108 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT für alle v 0 mit uv 0. Im Spezialfall b i + c i = 0 nehme man v = max{u l, 0} mit l = sup u + und mit 0 < λ a ij D i vd j v dx = λ a ij D i ud j ; dxle0 supp Dv erh alt man einen Widerspruch. Im allgemeinen gilt: sei (l wie eben definiert) l k < sup u, v = (u k) +, so ist v H0 1 (). Nebenbei sei bemerkt, dass im Falle der Nichtexistenz eines solchen k, der Satz wahr ist. Damit ist { Du, u > k Dv = 0, u k. Also hat man λ Dv 2 dx a ij D j vd i vdx 2λq v Dv dx Γ mit Γ = supp Dv supp v. Also hat man Dv 2 dx 2q v Dv dx 2q v L 2 (Γ) Dv L 2 (). Γ Dv L 2 () 2q v L 2 (Γ). Im weiteren sei n 3 (die andren Fälle müssen getrennt behandelt werden). Also ist v L 2n n 2 () C v L 2 (Γ) C supp Dv 1 n v L 2n n 2 (). supp Dv C n. Also nimmt u sein Maximum auf einer Menge vom positiven Maß an und es gilt Du = Dv auf der gleichen Menge. Dies ist ein Widerspruch.

19 5.4. DIFFERENZENQUOTIENTEN Differenzenquotienten Definition Für h 0 ist h i u(x) = u(x + he i) u(x), h wobei e i der i-te Standardeinheitsvektor ist, der i-te Differenzenquotient. Lemma Für u W 1,p () und mit h < dist(, Ê n \) gilt für alle 1 i n h i u L p ( ) und es gilt h i u L p ( ) D i u L p (). Beweis. Für u C 1 () W 1,p () hat man h i u(x) = u(x + he i) u(x) h h = 1 D i u(x 1,...,x i 1, x i + ξ, x i+1,...,x n )dξ. h 0 Damit folgt h i u(x) p 1 h h D i u(...,x i + ξ,...) p dξ. Integration dieser Ungleichung ergibt 0 h i u(x) p dx 1 h h 0 B h ( ) D i u p dxdξ D i u p dx. Fortsetzung auf W 1,p Funktionen durch Approximation. Für das nächste Lemma benötigen wir die schwache Topologie auf einem Banachraum X. Definition Die gröbste Topologie auf X, für die jedes Element x X stetig ist, heißt schwache Topologie auf X.

20 110 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT 2. Die gröbste Topologie auf X, für die jedes Element x J(X) stetig ist, heißt schwach* Topologie auf X. Es gilt der folgende fundamentale Satz. Satz Die Einheitskugel in X ist in der schwach* Topologie kompakt. 2. Ist X reflexiv, so ist die Einheitskugel schwach kompakt. 3. Ist X separabel so kann in beiden Fällen kompakt durch folgenkompakt ersetzt werden. Beweis. Für einen Beweis ziehe man ein Lehrbuch der Funktionalanalysis oder [17] zu Rate. Wir zeigen einen wichtigen Spezialfall: ist X separabel und reflexiv, so enthält jede beschränkte Folge in X eine schwach*konvergente Teilfolge. Sei X separabel, und {y n } n Æ eine beschränkte Folge in X. Da X separabel ist, existiert eine abzählbare dichte Teilmenge S X. Sei x n eine Abzählung dieser Menge. Dann ist mit s n = Jx n {s n (y j )} j Æ für jedes n eine beschränkte reelle Folge und besitzt damit eine konvergente Teilfolge. Durch Iteration konstruieren wir eine Teilfolge {yj n } n(k) k Æ, so dass s m (yj n ) für m n und k konvergiert. Betrachte die Folge n(k) yn j. n(n) Nach Konstruktion ist für jedes k Æ s k (yj n n(n) ) konvergent. Also hat man für die Folge {x n } n Æ y n j n(n)(x m ) = s m (y n j n(n)) α m Ê für n. Die Abbildung, die auf S definiert ist, und jedem x m S den Wert α m zuordnet ist beschränkt. Da S X dicht liegt, definiert dies eine Abbildung y : X Ê die stetig und linear ist. Fasst man nun, im reflexiven Fall, X mittels der Isomorphie J als Dualraum von X auf, so folgt eine entsprechende Aussage für die schwache Konvergenz in X. Lemma Ist u L p () für 1 < p < und existiert eine Konstante K, so dass für alle h > 0 und jedes mit dist(, Ê n \ ) > h gilt h i u Lp ( ), h i u L p ( ) K,

21 5.5. RANDWERTE 111 so existiert die schwache Ableitung D i u und es gilt D i u L p () K. Beweis. Da beschränkte Mengen in L p ( ) schwach kompakt sind (L p ( ) ist reflexiv), gibt es eine Folge h m 0 und ein v L p (), v L p () K, so dass für jedes ϕ C0() 1 gilt ϕ hm i udx ϕvdx. Für h < dist(supp ϕ, ) folgt ϕ hm i udx ud i ϕdx. Daraus folgt nun ϕvdx = ud i ϕdx. Also ist v = D i u. 5.5 Randwerte Lemma Ist u W m,p 0 () C m 1 (), C m, so gilt für α = 0,..., m 1 auf. α u x α = 0 Beweis. Wir betrachten den Fall m = 1, der Rest ist eine Induktion. Sei x 0, U eine Umgebung von x 0. Für U gibt es eine Funktion h, so dass (o.b.d.a.) x n = h(x 1,...,x n 1 ) und U = {(x 1,...,x n ) x n > h(x 1,...,x n 1 )}

22 112 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT ist. Betrachte F(x) = y gegeben durch y i = x i, i = 1,..., n 1, (5.9) y n = x n h(x 1,...,x n 1 ). (5.10) Wir betrachten zunächst den Fall u(x 0 ) = 0 und u C 1 (). Betrachte einen Zylinder Z der Höhe h und einer Kreisscheibe um y 0 mit Radius R in y 1,...,y n 1 als Boden. Definiere eine Funktion v durch v(y) = u(f 1 (y)). Dann folgt y 2 n v(y) 2 v y n y n dy n h v 2 y n dy n. Insbesondere hat man Daraus folgt F 1 (Z) Z 0 v 2 dy h 2 u 2 dx Ch 2 Z F 1 (Z) 0 v y n 2 dy. n u x i Ist nun u W m,p 0 (), so existiert eine Folge {u ν } ν Æ C 0 i=1 u ν u in W m,p () 2 dx. (5.11) () mit für ν. Da (5.11) für jedes u ν gilt, hat man (5.11) auch für u. Daraus folgt nun 1 n 2 v(y) 2 dy Ch u h x Z i=1 i dx. F 1 (Z) Da v stetig ist, folgt mit h 0, dass v(y) = 0 auf der Kreisscheibe mit Radius R ist, also u(x 0 ) = 0. Da x 0 beliebig in gewählt ist, folgt der Satz. Korollar Ist p > n, von der Klasse C 1 und u W 1,p 0 (), so ist u = 0 auf. Beweis. Es folgt sofort, dass u C(). Dies impliziert die Behauptung.

23 5.6. DIFFERENZIERBARKEIT Differenzierbarkeit schwacher Lösungen Satz Es sei u H 1 () eine schwache Lösung der Gleichung Lu = f in, wobei 1. L stark elliptisch ist, 2. a ij, b i gleichmäßig Lipschitz stetig sind, 3. c i, d L () sind, 4. f L 2 () ist. Dann gilt 1. für alle ist u H 2 ( ) und 2. u 2,2 C ( u 1,2 + f ) L 2 () für eine Konstante C = C(n, λ, K, d ) mit K = max{ a ij C 0,1 (), b i C 0,1 (), c i L (), d L ()} und d = dist(, Ê n \ ). Außerdem erfüllt u die Gleichung punktweise f.ü.. Beweis. Da u schwache Lösung ist, folgt für v C0 1() a ij D j ud i vgx = gv dx, (5.12) wobei g L 2 () durch g = (b i + c i )D i u + (D i b i + d)u f gegeben ist. Sei 2h < dist(supp v, Ê n \ ). Dann ist für 1 k n h k v C0(). 1 In der Gleichung 5.12 ersetzen wir v durch h k v und erhalten g h k vdx = a ij D j ud i ( h k v)dx = = a ij D j u h k D ivdx h k (aij D j u)d i vdx.

24 114 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT Wir berechnen den Ausdruck h k (aij D j u)(x) = 1 ( a ij (x + he k )D j u(x + he k ) a ij (x)d j u(x) ) h = 1 ( a ij (x + he k )D j u(x + he k ) a ij (x + he k )D j u(x) h +a ij (x + he k )D j u(x) a ij (x)d j u(x) ) = a ij (x + he k ) h k D ju(x) + ( h k aij (x) ) D j u(x) und erhalten a ij (x + he k )D j h k ud ivdx = GD i v g h k vdx mit G = (G 1,...G n ), G j = ( h k aij )D j u. Damit schätzen wir ab (nach Lemma 5.4.5) a ij (x + he k )D j h kud i vdx ( G L 2 () + g L ()) 2 Dv L 2 () ( C(n)K u 1,2 + f L 2 ()) Dv L 2 (). Fürs weitere sei η C0 1() mit 0 η 1 und v = η2 h k u C1 0 (). Dann folgt aus a ij (x)ξ i ξ j λ ξ 2, (D = (D 1,...,D n )), λ ηd h k u 2 dx η 2 a ij (x + he k ) h k D iu h k D judx a ij (x + he k )D j h k u(d iv 2 h k uηd iη)dx ( C(n)K u 1,2 + f ( L ()) 2 ηd h k u L 2 () + 2 h k udη ) L 2 () +C(n)K ηd h k u L 2 () h k udη L 2 (). Setze a = ηd h k u, A = C(n)K, b = u H 1 (), c = f L 2 (), d = h k udη L 2 (). Damit haben wir λa 2 (Ab + c)(a + 2d) + Aad (Ab + c)a + (Ab + d)2d Ada εa 2 + (Ab + c) 2 ε 1 (Ab + c)2d + (Ad)2 ε + a 2 ε

25 5.6. DIFFERENZIERBARKEIT 115 und damit (λ 2ε)a 2 (Ab + c) 2 ε 1 (Ab + c)2d + (Ad)2 ε und weiter a 2 1 ε(λ 2ε) ((Ab + c) 2 + 2d(Ab + c) + A 2 d 2 ). Dabei haben wir o.b.d.a. angenommen, dass ε < 1. Durch Wurzelziehen auf beiden Seiten erhält man Rückeinsetzen ergibt a C(A(b + d) + c). η h kdu L 2 () C ( ) u 1,2 + f L 2 () + δkudη h L 2 () ( ) ( u C 1 + sup Dη 1,2 + f L ()) 2 ) mit C = C(n, λ, K). Wir wählen speziell η = 1 auf und sup Dη 2 d mit d = dist(, Ê n \ ). Daraus folgt dann 1. Du H 1 ( ) für alle Kompakta in und daher 2. u H 2 ( ) (mit einer entsprechenden Abschätzung) und 3. Lu L 2 loc () mit Lu = f punktweise fast überall. Satz Es sei L = (a ij D i D j + b i D i + c) stark elliptisch mit Koeffizienten a ij C 0,1 (), b i, c L () und c 0. Dann gibt es für f L 2 () und ϕ H 1 () eine Funktion u H 1 () H 2 loc () mit Lu = f in und u ϕ H1 0 (). Beweis. Folgt aus dem soeben gezeigten. Satz Gegeben sei die Gleichung Lu = f, L stark elliptisch mit a ij, b i C k,1 (), c i, d C k 1,1 (), f H k () für k 1.

26 116 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT Dann gilt für eine schwache Lösung u H 1 (), dass für jedes Kompaktum u H k+2 ( ) ist und es gilt eine Abschätzung der Form u k+2,2 C ( u 1,2 + ) f k,2 mit C = C(n, λ, K, d, k) wobei { } K = max a ij C k,1 (), bi C k,1 (), ci C k 1,1 (), d C k 1,1 (). Beweis. Induktion über k! Satz Sei u H 1 () eine schwache Lösung des stark elliptischen Problems Lu = f mit a ij, b i, c i, d, f C (). Dann ist u C (). Beweis. Folgt sofort aus den Sobolev schen Einbettungssätzen. 5.7 Globale Regularität Bisher hatten wir Glattheitsresultate in Hloc 2 () erhalten. Unter entsprechenden Regularitätsannahmen an den Rand wollen wir globale Regularität, d.h. u H 2 () nachweisen. Satz Es sei der Operator L stark elliptisch mit gleichmäßig Lipschitz stetigen Koeffizienten a ij, b i und wesentlich beschränkten Koeffizienten c i, d. Ferner sei u H 1 () eine schwache Lösung von Lu = f, f L 2 (). Zusätzlich sei von der Klasse C 2 und es existieren ϕ H 2 (), so dass u ϕ H0() 1 ist. Dann ist u H 2 () und es gilt die a-priori Abschätzung. u 2,2 C ( ) u L 2 () + f L 2 () + ϕ 2,2 (5.13) mit C = C(n, λ, K, ). Beweis: Zeigen wir (5.13) für w = u ϕ, so erhalten wir w 2,2 C ( ) w L 2 () + f L 2 ()

27 5.7. GLOBALE REGULARITÄT 117 also und damit u ϕ 2,2 C ( ) u L 2 () + f L 2 () + ϕ L 2 () u 2,2 C ( u L 2 () + f L 2 () + ϕ 2,2). Es reicht also (5.13) für w = u ϕ zu beweisen. Zunächst folgt aus Lemma 5.6.1, dass u H 1 0 () durch u 1,2 C ( u L 2 () + f L 2 ()) abgeschätzt werden kann. Da C 2, existiert zu jedem x 0 eine Kugel B r0 (x 0 ) und eine Funktion ψ : B r0 (x 0 ) D 0 Ê n mit und ψ(b r0 (x 0 ) ) Ê n + = {x Ên x n > 0}, ψ(b r0 (x 0 ) ) Ê n +, ψ C 2 (B r0 (x 0 )), ψ 1 C 2 (D 0 ). Sei R 0 < r 0, so dass B R0 (x 0 ) B r0 (x 0 ). Setze B + = B R0 (x 0 ), D = ψ(b R0 (x 0 )) und D + = ψ(b + ). Unter der Abbildung ψ wird die Gleichung Lu = f in B + auf eine Gleichung gleichen Typs in D + transformiert. Beachte mit v(y) = u(ψ 1 (y)) erhält man D i v = j D ju ψ 1 j j,l D jlu ψ 1 j y i Weiter gilt ψ 1 l y j. B T ATξ, ξ = ABξ, Bξ λ Bξ 2 λb ξ 2, y i und daher D ik v = mit B = inf{ Bx, x = 1}. Weiterhin ist mit B = Dψ(x) und A = (a ij ) die Matrix B T AB durch â ij = (B T AB) ij = l,k (B T ) il a lk B kj = l,k a lk b li b kj, B = (b ij ) i,j=1,...n. Der transformierte Operator hat nun die Form L ψ H v(y) = ij â ij (y)d ij v(y). Durch Differenzieren der Gleichung ψ 1 (ψ(x)) = x erhält man Dψ 1 (ψ(x))dψ(x) = 1l.

28 118 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT Die Konstanten K, λ der transformierten Gleichung erhält man aus K, λ und den Ableitungen von ψ. Da u H 1 0() ist v = u ψ 1 H 1 (D + ). Für alle η C 1 0 (D ) gilt ηv H 1 0 (D+ ). Wir nehmen also an v H 1 0 (D+ ) genügt Lv = f in D +, ηv H 1 0 (D+ ) η C 1 0 (D ). Für h < dist(supp η, ) und für 1 k < n 1 gilt η 2 h k v H1 0 (D+ ). Daher folgt aus dem Beweis von Satz 5.6.1, dass D ij v L 2 (ψ(b ρ0 (x 0 ) )) für alle ρ 0 < R 0 und falls k n ist. Es bleibt eine zweite Ableitung D nn u übrig. Aber die läßt sich sofort aus der Differentialgleichung abschätzen. Damit ist u H 2 (B ρ0 (x 0 )). Da x 0 beliebig ist, gibt es endlich viele Kugeln B ρk (x k ), so dass u H 2 (B ρk (x k )) ist und die Vereinigung k B ρk (x k ) überdeckt. Zusätzlich ist u H 2 loc, also ist u H2 () Nun folgen weitere Glättungseigenschaften wie im vorigen Abschnitt. Satz Unter den Voraussetzungen des Satzes mit C k+2, ϕ H k+2 () mit u ϕ H 1 0() folgt u H k+2 () und u k+2,2 C ( u L 2 () + f k,2 + ϕ k+2,2 mit C = C(n, λ, K, k, ). Sind a ij, b i, c i, d, f C (), C, so ist u C (). Schließlich ergeben die bisherigen Resultate zusammen: Satz Es sei L stark elliptisch mit Koeffizienten in C () und c 0. Ferner sei C. Dann gibt es zu f, ϕ C () genau eine Lösung des Randwertproblems Lu = f in, u = ϕ auf. Es gilt u C (). )

29 5.8. EIGENWERTAUFGABEN FÜR ELLIPTISCHE OPERATOREN Eigenwertaufgaben für elliptische Operatoren Definition Der elliptische Operator L heißt symmetrisch, falls Lu, v = u, Lu, u, v D L. 2. Definiere den Operator L durch: v D L, wenn es zu jedem u D L ein w gibt mit Lu, v = u, w. Wir setzen dann L v = w. 3. L heißt selbstadjungiert, falls L symmetrisch ist und D L = D L. Bemerkung Die Symmetrie eines elliptischen Operators ist leicht nachzuprüfen, die Selbstadjungiertheit ist etwas schwieriger nachzuweisen. Der Satz von K.O. Friedrichs 5 besagt, dass symmetrische Operatoren im wesentlichen selbstadjungiert sind. Wir zitieren diesen Satz ohne Beweis (vgl. Übungsblatt 12). Satz (Friedrichs) Zu einem symmetrischen Operator L gibt es eine Erweiterung L mit D L D L und L ist selbstadjungiert. Lemma Es sei L ein elliptischer Operator L in Divergenzform mit D L = H 2 () H 1 0() und a ij = a ji für alle i, j. L ist symmetrisch genau dann, wenn c i = b i. Beweis: Es sei u, v H 2 () H0 1 (), dann gilt Lu, v = ij D i (a ij D j u) + i D i (b i u) i b i D i u + du, v = i,j a ij D j u, D i v i b i u, D i v i u, D i v + u, dv = u, Lv. 5 Kurt Otto Friedrichs ( ) arbeitete über Analysis und mathematische Physik. In seiner Dissertation beschäftigte er sich mit Beulproblemen elastischer Platten, später untersuchte er neben hyperbolischen Gleichungen auch hydrodynamische Probleme und mathematische Fragen in der Quantenfeldtheorie.

30 120 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT Satz Es sei L stark elliptisch auf einem beschränkten Gebiet mit Dirichlet- Randbedingungen und symmetrisch. Dann ist Σ(L) reell. Beweis: Klar ist, dass alle Eigenwerte reell sind. Da L kompakte Resolvente hat, besteht das Spektrum nur aus Eigenwerten. Bemerkung Selbstadjungierte Operatoren haben reelles Spektrum, unabhängig von der Kompaktheit der Resolvente. Satz (Charakterisierung des kleinsten Eigenwertes) Es sei L wie in Lemma Dann ist der kleinste Eigenwert von L durch charakterisiert. min Lu, u u, u, u H1 0(), Beweis: Der Beweis wird in den Übungen für L = erbracht. Die Rechnungen sind identisch mit den hier benötigten. Satz (Charakterisierung der restlichen Eigenwerte) Es sei L wie in Satz Es seien λ 1,...,λ n die ersten n kleinsten Eigenwerte mit zugehörigen Eigenfunktionen ϕ 1,...,ϕ n. Dann ist Lu, u λ n+1 = min u, u u H1 0(), uϕ j dx = 0, j = 1,..., n. Beweis: Wie zuvor. Satz (Alternative Charakterisierung der Eigenwerte) Es sei L wie in Satz Es seien λ i, i Æ Eigenwerte mit zugehörigen Eigenfunktionen ϕ i. Dann ist Lu, u λ n+1 = max min u, u u H1 0(), uψ j dx = 0, j = 1,...,n 1, ψ j H0(). 1

31 5.8. EIGENWERTAUFGABEN FÜR ELLIPTISCHE OPERATOREN 121 Beweis: Zu zeigen ist, das für eine beliebige Auswahl von n-funktionen v i das Infimum kleiner oder gleich λ n ist. Sei λ Lu, u = max min u, u u H1 0 (), uψ j dx = 0, j = 1,...,n 1, ψ j H0 1 (). Wir zeigen λ = λ n indem wir einerseits beweisen, dass λ n λ und andrerseits λ λ n gilt. Sei W n der lineare Spann der Funktionen ψ 1,...,ψ n 1, H n der Spann der Funktionen ϕ 1,..., ϕ n. Dann ist W n H n. Sei u aus diesem Schnitt von Länge 1, also u = c i ϕ i mit c 2 i = 1. Dann ist λ = n c 2 iλ i. i=1 Da alle c 2 i zwischen 0 und 1 liegen und als Summe den Wert 1, ist dies eine konvexe Kombination der Zahlen λ 1,...,λ n und insbesondere λ λ n. Mit der speziellen Wahl v i = ϕ i, i = 1,...,n 1 bekommt man die umgekehrte Ungleichung und damit ist der Satz gezeigt. Die Charakterisierung durch Variationsprobleme erlaubt Vergleichssätze für Eigenwerte auf unterschiedlichen Gebieten. Satz Ist, L ein gleichmäßig stark elliptischer Operator mit reellen und glatten Koeffizienten. Seien σ 1,...,σ n,... die Eigenwerte von L in H 2 () 1() und entsprechend σ 1,..., σ n,... die Eigenwerte von L in H2 ( ) H0( 1 ). Dann gilt σ j σ j. Beweis: Der Satz folgt aus der Charakterisierung durch Variationsprinzipien. Durch triviales Fortsetzen wird aus u H0 1( ) eine Funktion in H0 1 (). Der Fortsetzungsoperator H0 1( ) H0 1 () werde mit F bezeichnet.

32 122 KAPITEL 5. SCHWACHE LÖSUNGEN UND REGULARITÄT σ n Dann ist { { BL (u, u) = max min u, u L 2 { { BL (u, u) = max min u, u L 2 { { BL (u, u) = max min u, u L 2 { { BL (u, u) max min u, u L 2 u H 1 0( ), u v 1,...,v n 1 }, (v 1,..., v n 1 ) H 1 0( ) n 1 } u H 1 0 ( ), Fu Fv 1,...,Fv n 1 }, (v 1,...,v n 1 ) H 1 0 ( ) u H 1 0 ( ), Fu v 1,...,v n 1 }, (v 1,..., v n 1 ) H 1 0 ()n 1 u H 1 0(), u v 1,...,v n 1 }, (v 1,...,v n 1 ) H 1 0() n 1 } Dabei wird im letzten Schritt jedes der Infima vergrößert, da wir mehr Funktionen u zur Konkurrenz zugelassen habe. Für den vorletzten Schritt beachte man, dass bei der Berechnung des Skalarproduktes u, v L 2 () nur auf integriert wird und daher die Werte der v i auserhalb von keine Rolle spielen. Fur ein vollständiges Argument approximiere man noch u durch Funktionen ηu, η C 1 0(). Dann ist ηu, v = u, ηv und ηv H 1 0( ).

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science an der Technischen Universität Berlin Verfasser:

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010 Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver

Mehr

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor GNS-Konstruktion und normale Zustände 1 Rückblick Wir betrachten von-neumann-algebren M B(H), d.h. Unteralgebren mit 1 H M, die in der schwachen Operatortopologie (und damit in jeder der anderen) abgeschlossen

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Einführung in die Funktionalanalysis

Einführung in die Funktionalanalysis Einführung in die Funktionalanalysis Bernhard Gsell Skriptum zur Vorlesung gelesen von Prof. Wolfgang Woess 21. August 2014 Dies ist die Umsetzung meiner Vorlesungsmitschrift zu Einführung in die Funktionalanalysis,

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Modern Methods in Nonlinear Optimization

Modern Methods in Nonlinear Optimization Modern Methods in Nonlinear Optimization Regularisierung Inverser Probleme Prof. Dr. Bastian von Harrach Technische Universität München, Fakultät für Mathematik - M1 Wintersemester 2010/2011 http://www-m1.ma.tum.de/bin/view/lehrstuhl/harrach_ws1011_modernmethods

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Geometrische Mannigfaltigkeiten

Geometrische Mannigfaltigkeiten Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 15: Differentialgleichungen FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen

Mehr

Grundlagen der Variationsrechnung

Grundlagen der Variationsrechnung Universität des Saarlandes Fachrichtung 6.1 Mathematik /home/lehrstuhl/ag-fuchs/olli/work/texstyles/eule-eps-conv Grundlagen der Variationsrechnung Eine anwendungsorientierte Einführung in die lineare

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Definition 27 Affiner Raum über Vektorraum V

Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

4. Übungsblatt Matrikelnr.: 6423043

4. Übungsblatt Matrikelnr.: 6423043 Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613

Mehr

17. Penalty- und Barriere-Methoden

17. Penalty- und Barriere-Methoden H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

Fraktale Geometrie: Julia Mengen

Fraktale Geometrie: Julia Mengen Fraktale Geometrie: Julia Mengen Gunnar Völkel 1. Februar 007 Zusammenfassung Diese Ausarbeitung ist als Stoffsammlung für das Seminar Fraktale Geometrie im Wintersemester 006/007 an der Universität Ulm

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:

Mehr

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

Analytische Methoden und die Black-Scholes Modelle

Analytische Methoden und die Black-Scholes Modelle Analytische Methoden und die Black-Scholes Modelle Diplomverteidigung Universität Rostock Institut für Mathematik 20.01.2011 Agenda 1 Das Ornstein-Uhlenbeck Volatilitätsmodell 2 in L 2 (R 2 ) 3 4 Problem

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Hilbertraum-Methoden

Hilbertraum-Methoden Skript zur Vorlesung Hilbertraum-Methoden SS 2013 Peter Junghanns Hinweis: Das vorliegende Skript stellt nur ein Gerüst zu den Inhalten der Vorlesung dar. Die Vorlesung selbst bietet weiterführende Erläuterungen,

Mehr

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern

Mehr

Die Methode der Finiten Elemente

Die Methode der Finiten Elemente KAPITEL 2 Die Methode der Finiten Elemente 1. Theoretische Grundlagen Wir bezeichnen im Folgenden mit H m (Ω) L 2 (Ω), Ω R n offen, den Sobolevraum aller Funktionen mit schwachen Ableitungen α u in L 2

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen

Mehr

Stabilisierung durch lokale Projektion für inkompressible Strömungsprobleme

Stabilisierung durch lokale Projektion für inkompressible Strömungsprobleme Stabilisierung durch lokale Projektion für inkompressible Strömungsprobleme Diplomarbeit vorgelegt von Johannes Löwe aus Göttingen angefertigt im Institut für Numerische und Angewandte Mathematik der Georg-August-Universität

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

8 Diskrete Optimierung

8 Diskrete Optimierung 8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

FEM in 1D. Kapitel 1. 1.1 Variationsformulierung. Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem

FEM in 1D. Kapitel 1. 1.1 Variationsformulierung. Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem apitel 1 FEM in 1D Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem 1.1 Variationsformulierung u = f auf := (0, 1) (1.1a) u(0) = u(1) = 0 (1.1b) Eine klassische Lösung

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

Mathematische Methoden der Physik: Funktionalanalytische Methoden. Technische Universität Clausthal WS 1998/99

Mathematische Methoden der Physik: Funktionalanalytische Methoden. Technische Universität Clausthal WS 1998/99 Mathematische Methoden der Physik: Funktionalanalytische Methoden Technische Universität Clausthal WS 1998/99 W. Lücke 3 Vorwort Als Funktionalanalysis bezeichnet man die Analysis von Funktionen, deren

Mehr

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

13. Abzählen von Null- und Polstellen

13. Abzählen von Null- und Polstellen 13. Abzählen von Null- und Polstellen 77 13. Abzählen von Null- und Polstellen Als weitere Anwendung des Residuensatzes wollen wir nun sehen, wie man ot au einache Art berechnen kann, wie viele Null- bzw.

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration

Mehr

Kevin Caldwell. 18.April 2012

Kevin Caldwell. 18.April 2012 im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig

Mehr

Algebra. Patrik Hubschmid. 8. Oktober 2013

Algebra. Patrik Hubschmid. 8. Oktober 2013 Algebra Patrik Hubschmid 8. Oktober 2013 Inhaltsverzeichnis 1 Fortführung der Gruppentheorie 7 1.1 Sylowsätze.................................... 7 3 Vorwort Dieses Skript zur Vorlesung Algebra im Wintersemester

Mehr

Semidiskretisierung der PDA-Systeme

Semidiskretisierung der PDA-Systeme Kapitel 4 Semidisretisierung der PDA-Systeme Eine Möglicheit zur numerischen Behandlung von Anfangsrandwertproblemen partieller Differentialgleichungen ist die Linienmethode method of lines, MOL, vgl.

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Nichtlineare hyperbolische Gleichungen.

Nichtlineare hyperbolische Gleichungen. Nichtlineare hyperbolische Gleichungen. 1 Hyperbolische Gleichungen 1.1 Einleitung In dieser Vorlesung geht es um hyperbolische Gleichungen. Es sind Evolutionsgleichungen. Das heißt, wir haben ein System

Mehr

Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung

Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Ulrich Loup 24.03.2006 Prüfungsstoff: Alegebra I, Analysis IV, Graphentheorie I Prüfer: Prof. Dr. Wilhelm Plesken Protokollant: Dipl.

Mehr

1 Stochastische Prozesse in stetiger Zeit

1 Stochastische Prozesse in stetiger Zeit 1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.

Mehr

Expander Graphen und Ihre Anwendungen

Expander Graphen und Ihre Anwendungen Expander Graphen und Ihre Anwendungen Alireza Sarveniazi Mathematisches Institut Universität Göttingen 21.04.2006 Alireza Sarveniazi (Universität Göttingen) Expander Graphen und Ihre Anwendungen 21.04.2006

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

Definition und Eigenschaften Finiter Elemente

Definition und Eigenschaften Finiter Elemente Definition und Eigenschaften Finiter Elemente 1 Das letzte Mal Im letzten Vortrag haben wir zum Schluss das Lemma von Lax Milgram präsentiert bekommen, dass ich hier nocheinmal in Erinnerung rufen möchte:

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung

Mehr

TEILWEISE ASYNCHRONE ALGORITHMEN

TEILWEISE ASYNCHRONE ALGORITHMEN TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen

Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen von Christian Brennecke Bachelorarbeit in Mathematik vorgelegt der Fakultät für Mathematik

Mehr

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. 2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es

Mehr

Stochastische Eingangsprüfung, 17.05.2008

Stochastische Eingangsprüfung, 17.05.2008 Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)

Mehr

BONUS MALUS SYSTEME UND MARKOV KETTEN

BONUS MALUS SYSTEME UND MARKOV KETTEN Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,

Mehr

Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung

Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung Fakultät für Mathematik und Informatik Ruprecht-Karls-Universität Heidelberg Diplomarbeit Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung Bärbel Janssen

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

3. Grundlagen der Linearen Programmierung

3. Grundlagen der Linearen Programmierung 3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations

Mehr

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschftsmthemtik für Interntionl Mngement (BA) und Betriebswirtschft (BA) Wintersemester 2013/14 Stefn Etschberger Hochschule Augsburg Mthemtik: Gliederung 1 Aussgenlogik 2 Linere Algebr 3 Linere

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada Stochastische Analysis für Zufallsmatrizen Roland Speicher Queen s University Kingston, Kanada Was ist eine Zufallsmatrix? Zufallsmatrix = Matrix mit zufälligen Einträgen A : Ω M N (C) Was ist eine Zufallsmatrix?

Mehr

Skalare Differentialgleichungen

Skalare Differentialgleichungen Kapitel 2 Skalare Differentialgleichungen 2.1 Skalare lineare Differentialgleichungen 2.2 Bernoulli und Riccati Differentialgleichungen 2.3 Differentialgleichungen mit getrennten Variablen 2.4 Exakte Differentialgleichungen

Mehr

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die

Mehr

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen .3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt

Mehr

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik Einheit 1 Mathematische Methodik 1. Problemlösen 2. Beweistechniken 3. Wichtige Grundbegriffe Methodik des Problemlösens Klärung der Voraussetzungen Welche Begriffe sind zum Verständnis

Mehr

Analysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum

Analysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum Analysis I III Vorlesungsskriptum WS 2005/06 WS 2006/07 R. Verfürth Fakultät für Mathematik, Ruhr-Universität Bochum Inhaltsverzeichnis Kapitel I. Aufbau des Zahlsystems 5 I.1. Die natürlichen Zahlen

Mehr