Hilbertraum-Methoden
|
|
|
- Hilke Holzmann
- vor 10 Jahren
- Abrufe
Transkript
1 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, Beweise und die ausführliche Behandlung der Beispiele.
2 2
3 Inhaltsverzeichnis 1 Einleitung Der Hilbertraum Lineare und beschränkte Operatoren Räume messbarer Funktionen Spezielle Klassen von Operatoren Selbstadjungierte Operatoren Orthoprojektoren Isometrische und unitäre Operatoren Spektraleigenschaften Stetige Funktionen selbstadjungierter Operatoren Spektralzerlegung selbstadjungierter Operatoren Kompakte Operatoren Spektralintegrale Im Allgemeinen unbeschränkte Operatoren Selbstadjungierte Operatoren Differentialoperatoren in L 2 (a, b) 29 3
4 4 INHALTSVERZEICHNIS
5 Literaturverzeichnis [1] N. I. Achieser, I. M. Glasmann, Theorie der linearen Operatoren im Hilbert-Raum, Akademie- Verlag, Berlin, [2] S. Brehmer, Hilbert-Räume und Spektralmaße, Akademie-Verlag, Berlin, [3] M. Reed, B. Simon, Methods of Modern Mathematical Physics, I, Functional Analysis, Academic Press, [4] J. Weidmann, Lineare Operatoren in Hilberträumen, Teil I, Grundlagen, B. G. Teubner,
6 6 LITERATURVERZEICHNIS
7 Kapitel 1 Einleitung 1.1 Der Hilbertraum Es sei H ein linearer Raum (i.a. über dem Körper der komplexen Zahlen). Eine Abbildung H H C, (x, y) x, y heißt Skalarprodukt oder inneres Produkt auf H, wenn folgende Axiome erfüllt sind: (S1) x, x 0 x H und x, x = 0 x = Θ, (S2) x, y = y, x x, y H, (S3) αx + βy, z = α x, z + β y, z x, y, z H, α, β C. Es gilt die Cauchy-Schwarz sche Ungleichung x, y x, x y, y x, y H. (1.1) Unter Verwendung dieser Ungleichung kann man zeigen, dass x = x, x (1.2) eine Norm auf H ist. Ein linearer Raum (H,.,. ) mit Skalarprodukt heißt Hilbertraum, wenn (H,. ) ein Banachraum ist. Wir werden uns im Weiteren vorwiegend mit unendlichdimensionalen Hilberträumen befassen, für die also zu jedem n N ein linear unabhängiges System mit n Elementen existiert. Satz 1.1 Es sei (H,.,. ) ein Hilbertraum. (a) Die Abbildung.,. : H H C, (x, y) x, y ist stetig. (b) Ist L H ein linearer Teilraum von H, so ist L := {x H : x, y = 0 y L} ein abgeschlossener linearer Teilraum von H, das sog. orthogonale Komplement zu L. Dabei gilt L L = {Θ}. (c) Es sei L H ein abgeschlossener linearer Teilraum von H. Dann lässt sich jedes x H auf eindeutige Weise in der Form x = y + z mit y L und z L darstellen. Dabei gilt x y = inf { x w : w L}. Der Vektor y heißt orthogonale Projektion von x auf L. Man schreibt auch H = L L. 7
8 8 KAPITEL 1. EINLEITUNG Ist L H ein linearer Teilraum, so gilt L = H genau dann, wenn kein x H \ {Θ} existiert, so dass x, x = 0 für alle x L gilt. Dies ist äquivalent zu: Aus x H und x, x = 0 x L folgt x = Θ. (1.3) Ein System B = {b n : n N 0 } = {b 0, b 1,..., b n,...} =: {b n } n=0 H heißt linear unabhängig, wenn jedes endliche Teilsystem linear unabhängig ist. Das System B nennt man ein Orthonormalsystem (ONS), wenn b j, b k = δ jk für alle j, k = 0, 1, 2,... gilt. Man beachte, dass ein ONS automatisch linear unabhängig ist. Folgerung 1.2 (Schmidt sches Orthogonalisierungsverfahren) Es sei {b n } unabhängiges System. Wir setzen 1 a 0 = b0, b 0 b 0. Dann gilt a 0, a 0 = 1. Wir bestimmen β 10 C so, dass ã 1 = b 1 + β 10 a 0 orthogonal zu a 0 ist, d.h. β 10 = b 1, a 0. Da ã 1 Θ gilt, können wir a 1 = 1 ã1, ã 1 ã1 setzen. Sind a 0,..., a m 1 span {b 0,..., b m 1 } so bestimmt, dass a j, a k = δ jk, j, k = 0, 1,..., m 1, n=0 ein linear gilt, so setzen wir und m 1 ã m = b m + β mk a k mit β mk = b m, a k k=0 a m = 1 ãm, ã m ãm. Auf diese Weise erhalten wir ein ONS {a n } n=0 mit der Eigenschaft span {a 0,..., a n } = span {b 0,..., b n }, n = 0, 1, 2,... Folgerung 1.3 Es seien {e n } n=0 ein ONS in H, und Dann ist L m = span {e 0,..., e m }, m = 0, 1, 2,..., { m } L = α k e k : α k C, m = 0, 1, 2,.... k=0 m x, e k e k k=0 die beste Approximation an x H durch Elemente aus L m. Die Zahlen γ k = x, e k werden die Fourierkoeffizienten von x bzgl. des ONS {e n } n=0 genannt. Dabei gilt die Bessel sche Ungleichung x, e k 2 x 2 x H. k=0
9 1.2. LINEARE UND BESCHRÄNKTE OPERATOREN 9 Ist L = H, so gilt lim m m x x, e k e k = 0, d.h. x = k=0 In diesem Fall gilt die Parseval sche Gleichung x, e k e k, x H. k=0 x, e k 2 = x 2 x H, k=0 und man nennt {e n } n=0 ein vollständiges Orthonormalsystem (VONS) in H und die Abbildung F : H l 2, x ( x, e n ) Fouriertransformation, die wegen der Parsevalschen Gleichung ein isometrischer Isomorphismus ist. Wir halten noch fest: Nach Satz 1.1,(d) ist ein ONS {e n } x, e n = 0 n N 0 folgt x = Θ. n=0 genau dann vollständig, wenn aus x H und Ist {e n } n=0 ein ONS und gilt für alle x H die Parseval sche Gleichung, so ist {e n} ein VONS. n=0 1.2 Lineare und beschränkte Operatoren Es seien X und Y lineare Räume über dem Körper K der reellen oder der komplexen Zahlen. Bekanntlich nennen wir eine Abbildung f : X Y, x f(x) linear, wenn für beliebige x 1, x 2 X und α 1, α 2 K die Beziehung f(α 1 x 1 + α 2 x 2 ) = α 1 f(x 1 ) + α 2 f(x 2 ) gilt. Oft nennen wir eine solche lineare Abbildung auch linearen Operator und schreiben f(x) in der Form Ax. Die Menge aller linearen Operatoren zwischen X und Y bezeichnen wir mit L(X, Y). Sie ist mit der Definition (αa + βb)x = α(ax) + β(bx), α, β K, A, B L(X, Y), selbst wieder ein linearer Raum über K. Satz 1.4 Es seien (X,. X ) und (Y,. Y ) zwei normierte Räume über K sowie A L(X, Y). Dann sind folgende Aussagen äquivalent: (a) A : X Y ist eine stetige Abbildung. (b) A : X Y ist gleichmäßig stetig. (c) A : X Y ist im Punkt Θ X stetig. (d) Es existiert eine Konstante M R mit der Eigenschaft Ax Y M x X x X. (1.4)
10 10 KAPITEL 1. EINLEITUNG Wenn es nicht zu Missverständnissen kommen kann, verzichten wir im Weiteren auf die Indizierung der Normen. Die Menge der Operatoren A L(X, Y), für die eine (und somit jede) der Aussagen (a)-(d) des Satzes 1.4 erfüllt ist, bezeichnen wir mit L(X, Y). Definieren wir für A L(X, Y) A X Y := sup { Ax : x X, x 1}, (1.5) so wird (L(X, Y),. X Y ) zu einem normierten Raum, dem Raum der beschränkten linearen Operatoren. Satz 1.5 Ist Y ein Banachraum, so ist auch L(X, Y) ein Banachraum. Für A L(X, Y) ist der Nullraum von A, N(A) := {x X : Ax = Θ}, stets ein abgeschlossener linearer Teilraum von X. Die Elemente von L(X, K) nennt man lineare Funktionale. Der Raum (L(X, K),. X K ) der linearen stetigen Funktionale heißt dualer Raum zu X und wird mit X bezeichnet. Theorem 1.6 (Riesz sches Darstellungstheorem) Es seien H ein Hilbertraum und f H. Dann existiert genau ein x f H, so dass Dabei gilt f H = x f H. Man kann also H mit H identifizieren. f(x) = x, x f x H. 1.3 Räume messbarer Funktionen Wir erinnern an einige Sätze aus der Maß- und Integrationstheorie. Dabei seien (Ω, Σ, P ) ein Maßraum und f n : Ω C messbare Funktionen. (A) (Beppo Levi, Lebesgue) Gilt 0 f 1 (ω) f 2 (ω)... f.ü. und f n (ω) f(ω) f.ü., so ist f : Ω [0, ] messbar und f(ω) P (dω) = lim f n (ω) P (dω). n Ω (B) (Fatou) Für messbare Funktionen f n : Ω [0, ] gilt lim inf f n(ω) P (dω) lim inf f n (ω)p (dω). n n Ω (C) (Lebesgue) Es seien g : Ω [0, ] integrierbar und f n (ω) f(ω) f.ü. sowie f n (ω) g(ω) f.ü., n = 1, 2,... Dann ist f : Ω C integrierbar, und es gilt f(ω) P (dω) = lim f n (ω) P (dω). n Ω (D) (Lusin) Es seien f : [0, 1] C Lebesgue-messbar und beschränkt und ε > 0 beliebig. Dann existiert eine stetige Funktion f 0 : [0, 1] C mit den Eigenschaften (m - Lebesgue- Maß) m ({t [0, 1] : f(t) f 0 (t)}) < ε und sup { f 0 (t) : t [0, 1]} sup { f(t) : t [0, 1]}. Ω Ω Ω
11 1.3. RÄUME MESSBARER FUNKTIONEN 11 (E) (Fréchet) Jede Lebesgue-messbare Funktion f : [0, 1] C ist Grenzwert einer dem Maße nach konvergenten Folge von Polynomen. (F) (Riesz) Konvergiert f n gegen f dem Maße nach, so existiert eine Teilfolge (f nk ) k=1, die gegen f f.ü. konvergiert. Auf der Menge der bez. des Lebesgue-Maßes m messbaren Funktionen f : [0, 1] C betrachten wir die Äquivalenzrelation f g m ({t [0, 1] : f(t) g(t)}) = 0 und identifizieren im weiteren die messbare Funktion f mit der zugehörigen Äquivalenzklasse [f]. Mit S = S(0, 1) bezeichnen wir den Raum dieser Äquivalenzklassen versehen mit der Metrik 1 f(t) g(t) ρ(f, g) = 1 + f(t) g(t) dt. 0 Satz 1.7 Die Konvergenz in S ist die Konvergenz dem Maße nach, d.h., es gilt f n f in S genau dann, wenn für jedes ε > 0 lim m ({t [0, 1] : f n(t) f(t) > ε}) = 0. n Satz 1.8 Der metrische Raum S ist vollständig und separabel. Unter L 2 = L 2 (0, 1) verstehen wir den Teilraum von S der Funktionen (genauer Äquivalenzklassen von Funktionen) f, für die f 2 integrierbar ist. Auf L 2 definieren wir f, g L 2 = 1 0 f(t)g(t) dt. Satz 1.9 Der Raum ( L 2,.,. L 2) ist ein separabler Hilbertraum.
12 12 KAPITEL 1. EINLEITUNG
13 Kapitel 2 Spezielle Klassen von Operatoren 2.1 Selbstadjungierte Operatoren Für A L(H) ist A L(H) definiert durch Ax, y = x, A y x, y H. Dabei gilt (A ) = A und A = A. Wir nennen A L(H) selbstadjungiert, wenn A = A gilt. Wir werden im Weiteren, falls nichts Anderes gesagt wird, komplexe Hilberträume betrachten (d.h., H ist linearer Raum über dem Körper C der komplexen Zahlen). Satz 2.1 Der Operator A L(H) ist genau dann selbstadjungiert, wenn Ax, x R x H gilt. Satz 2.2 Ist A L(H) selbstadjungiert, so gilt A = sup { Ax, x : x H, x 1}. Da für selbstadjungierte Operatoren A, B L(H) gilt (A B) = B A = B A, ist das Produkt zweier selbstadjungierter Operatoren genau dann selbstadjungiert, wenn sie vertauschbar sind, d.h., wenn B A = A B ist. Wir nennen A L(H) invertierbar, wenn A 1 L(H) existiert. In diesem Fall gilt (A 1 ) = (A ) 1. Sei A L(H). Mit N(A) und R(A) bezeichnen wir den Nullraum bzw. den Bildraum des Operators A, N(A) = {x H : A x = Θ}, R(A) = {A x : x H}. Das Spektrum σ(a) des Operators A ist die Menge der λ C, für die der Operator A λi nicht beschränkt invertierbar ist, d.h. für die (A λi) 1 L(H) nicht existiert. Ein λ C heißt Eigenwert von A, wenn N(A λi) {Θ}, und ein x N(A λi) \ {Θ} Eigenvektor zum Eigenwert λ. Ist H 0 H ein linearer Teilraum, so gilt ( H ) 0 = H0. Satz 2.3 Sei A L(H). (a) Es gilt N(A ) = R(A) und R(A) = N(A ). (b) A L(H) ist genau dann invertierbar, wenn ein ε > 0 existiert, so dass gilt. A x ε x und A x ε x x H 13
14 14 KAPITEL 2. SPEZIELLE KLASSEN VON OPERATOREN (c) Ein selbstadjungierter Operator A L(H) ist also genau dann invertierbar, wenn ein ε > 0 existiert, so dass A x ε x x H gilt. (d) Für einen selbstadjungierten Operator A L(H) gilt σ(a) R, und Eigenvektoren zu verschiedenen Eigenwerten sind zueinander orthogonal. Ferner gilt σ(a) [m A, M A ] mit m A = inf { Ax, x : x H, x = 1} und M A = sup { Ax, x : x H, x = 1}. Definition 2.4 Ein Operator A L(H) heißt positiv, wenn Ax, x 0 für alle x H gilt. Wegen Satz 2.1 ist also jeder positive Operator selbstadjungiert. Für zwei selbstadjungierte Operatoren A, B L(H) schreiben wir A B bzw. B A, wenn B A positiv ist, also A x, x B x, x für alle x H erfüllt ist. Satz 2.5 Für einen positiven Operator A L(H) gilt A x, y 2 A x, x A y, y, x, y H (verallgemeinerte Cauchy-Schwarz sche Ungleichung). Satz 2.6 Sind A, B, C L(H) selbstadjungierte Operatoren und T L(H), so gilt: (a) A B, B C = A C (b) A B = A + C B + C (c) A B, B A = A = B (d) A Θ = T A T Θ (e) A Θ = A n Θ, n N (f) γ R, Θ A γi = A 2 γ A Aus m A I A M A I folgt 0 A m A I (M A m A )I, also (A m A I) 2 (M A m A )(A m A I) = (M A I A)(A m A I) + (A m A I) 2 und somit (M A I A)(A m A I) Θ. Satz 2.7 Ist A L(H) selbstadjungiert, so gilt m A, M A σ(a) (vgl. Satz 2.3). Eine Folge von Operatoren A n L(H) nennt man stark konvergent, wenn ein Operator A L(H) existiert, so dass lim A nx Ax = 0 x H gilt. Man schreibt dann auch n A n A. Eine Folge von Operatoren A n L(H) heißt beschränkt, wenn die Zahlenfolge ( A n ) n=1 beschränkt ist. Eine Folge selbstadjungierter Operatoren A n L(H), n N, nennen wir monoton, wenn entweder A n A n+1 n N oder A n A n+1 n N gilt. Satz 2.8 Jede beschränkte und monotone Folge selbstadjungierter Operatoren ist stark konvergent. Man beachte: Der starke Grenzwert einer Folge selbstadjungierter Operatoren ist selbstadjungiert, was durch Grenzübergang in der Gleichung A n x, y = x, A n y zu sehen ist.
15 2.2. ORTHOPROJEKTOREN 15 Für eine stetige Funktion k : [0, 1] 2 C betrachten wir den Operator K : L 2 (0, 1) L 2 (0, 1) mit (Kx)(t) = 1 0 k(t, s)x(s) ds. Im Fall k(t, s) = k(s, t), (t, s) [0, 1] 2 ist dieser Operator selbstadjungiert. Dabei gilt K sup { k(t, s) : (t, s) [0, 1] 2}. Ist k(t, s) von der Form k(t, s) = N g r (t)g r (s) r=1 mit stetigen Funktionen g r : [0, 1] C, so ist K positiv. Das Spektrum eines Operators A L(H) ist stets abgeschlossen. Das ergibt sich aus der Tatsache, dass die Menge GL(H) der invertierbaren Operatoren offen ist in L(H). Ist nämlich E L(H) mit E < 1, so gilt (I E) 1 = E n. Für beliebige A, E L(H) mit E < A 1 1 folgt die Invertierbarkeit von A + E dann aus A + E = A(I + A 1 E) und A 1 E < 1. Insbesondere sieht man damit, dass A λi = λ(i λ 1 A) für λ > A invertierbar ist, d.h. σ(a) {λ C : λ A }. Das Spektrum des Verschiebungsoperators n=0 V : l 2 l 2, (ξ 0, ξ 1, ξ 2,...) (0, ξ 0, ξ 1,...) ist gleich der Einheitskreisscheibe D = {λ C : λ 1}. 2.2 Orthoprojektoren Nach Satz 1.1 existiert zu jedem abgeschlossenen linearen Teilraum L H eines Hilbertraumes H das orthogonale Komplement L, so dass H = L L. Jedes x H lässt sich dann auf eindeutige Weise in der Form x = x L + x L mit x L L und x L L darstellen. Definition 2.9 Der durch P L x = x L definierte Operator P L : H H heißt Orthoprojektor von H auf L. Folgerung 2.10 Für P = P L gilt P 2 = P und P L(H) = 1, falls P Θ (d.h. P L(H)). Folgerung 2.11 Ein linearer Operator P : H H ist genau dann ein Orthoprojektor, wenn für alle x, y H gilt P 2 x, y = P x, y = x, P y, also genau dann, wenn P 2 = P und P = P. Ist P Orthoprojektor, so gilt Außerdem haben wir Θ P I. x = P x x = P x.
16 16 KAPITEL 2. SPEZIELLE KLASSEN VON OPERATOREN Satz 2.12 Es seien P L, P M : H H zwei Orthoprojektoren. (a) Das Produkt P L P M ist genau dann ein Projektor, wenn P L P M = P M P L gilt. In diesem Fall ist P L P M = P L M. (b) Es gilt L M genau dann, wenn P L P M = Θ. (c) Die Summe P L + P M ist genau dann ein Orthoprojektor, wenn L M ist. (d) Die Differenz P L P M ist genau dann ein Orthoprojektor, wenn M L erfüllt ist. (e) Die Inklusion M L ist sowohl äquivalent zu P M x P L x x H als auch äquivalent zu P M P L. In Anlehnung an Satz 2.12,(b) nennen wir zwei Orthoprojektoren P und Q orthogonal, falls P Q = Θ gilt. Folgerung 2.13 Sind P 0, P 1,..., P n Orthoprojektoren, so ist ihre Summe P 0 + P P n genau dann ein Orthoprojektor, wenn sie paarweise orthogonal sind. Eine Reihe P n paarweise orthogonaler Orthoprojektoren konvergiert stark gegen einen Orthoprojektor. Wir sagen, dass A n L(H) schwach gegen A L(H) konvergiert, falls gilt. lim A nx, y = Ax, y für alle x, y H n Satz 2.14 Es sei (P n ) n=1 eine Folge von Orthoprojektoren P n : H H. (a) Ist diese Folge (P n ) H H. n=1 (b) Konvergiert die Folge (P n ) stark. n=0 monoton, so konvergiert sie stark gegen einen Orthoprojektor P : n=1 schwach gegen einen Orthoprojektor, so konvergiert sie auch Definition 2.15 Unter der Öffnung zweier linearer Teilräume M 1, M 2 H versteht man die Zahl O(M 1, M 2 ) := P 2 P 1 L(H), wobei P j = P Mj, j = 1, 2. Folgerung 2.16 Für zwei lineare Teilräume M 1, M 2 H gilt (a) O(M 1, M 2 ) = O(M 1, M 2 ) = O(M 1, M 2 ), { (b) O(M 1, M 2 ) = max sup x M 2, x =1 (I P 1 )x, sup y M 1, y =1 (I P 2 )y Satz 2.17 Ist die Öffnung zweier linearer Teilräume kleiner als 1, so haben beide Räume gleiche Dimension. Definition 2.18 Einen linearen Teilraum M H nennen wir invarianten Teilraum des Operators A L(H), falls A x M x M. Ein linearer Teilraum M H heißt reduzierender Teilraum des Operators A L(H), wenn M und M invariante Teilräume von A sind. }.
17 2.3. ISOMETRISCHE UND UNITÄRE OPERATOREN 17 Sei P = P M und A L(H). M invariant bzgl. A = M invariant bzgl. A P AP = AP M invariant bzgl. A P AP = P A M invariant bzgl. A M reduzierend bzgl. A M invariant bzgl. A und A A = A : M reduzierend bzgl. A M invariant bzgl. A P A = AP M reduzierend bzgl. A = Ax = P AP x + (I P )A(I P )x x H Beispiel 2.19 Es sei H = l 2 (Z). Für x = (ξ n ) n= l2 (Z) definieren wir f(t) = k= ξ k t k, k= t T := {z C : z = 1}, so dass f L 2 (T) und ξ k = f k := 1 f(e is )e iks ds gilt, wenn 2π 0 man das innere Produkt in L 2 (T) als f, g := 1 2π f(e is )g(e 2π is ) ds definiert. Für a C(T) sei ( ) 0 T o (a) : H H der durch T o (a)x = (af) j, j Z, definierte Operator. Dieser ist linear und ( j ) beschränkt. Außerdem gilt T o (a)x = â j k ξ k, und T o (a) ist genau dann selbstadjun- j Z giert, wenn a(t) reellwertig ist. Der Teilraum l 2 +(Z) = { x = (ξ n ) n= l2 (Z) : ξ k = 0, k < 0 } ist genau dann ein invarianter Teilraum des Operators T o (a), wenn â k = 0 k < 0 gilt. Der Operator T (a) : l 2 +(Z) l 2 +(Z), x P T o (a)x, wobei P (ξ n ) n= = (..., 0,..., 0, ξ 0, ξ 1,...), heißt Toeplitz-Operator mit dem Symbol a(t). Beispiel 2.20 Für [a, b] { (0, 1) betrachten wir den Orthoprojektor P : L 2 (0, 1) L 2 (0, 1), u(t) : t [a, b], u P u, wobei (P u)(t) = Weiterhin seien k : [0, 1] [0, 1] C 0 : t (0, 1) \ [a, b]. eine stetige Funktion und K : L 2 (0, 1) L 2 (0, 1) der durch (Ku)(t) = 1 0 k(t, s)u(s) ds 2π definierte Operator (vgl. Abschnitt 2.1). Dann ist P KP gegeben durch b k(t, s)u(s) ds : t [a, b], (P KP )(t) = a 0 : t (0, 1) \ [a, b]. 2.3 Isometrische und unitäre Operatoren Es seien (H,.,. ) und (H j,.,. j ), j = 1, 2, Hilberträume. Definition 2.21 Eine surjektive Abbildung V : H 1 H 2 nennen wir eine Isometrie oder isometrischen Operator, wenn V x, V y 2 = x, y 1 x, y H 1 gilt. Eine Isometrie U : H H heißt unitärer Operator. Folgerung 2.22 Ein isometrischer Operator ist invertierbar und linear.
18 18 KAPITEL 2. SPEZIELLE KLASSEN VON OPERATOREN Definition 2.23 Man nennt einen Operator V L(H) eine partielle Isometrie, falls V x, V x = x, x x N(V ). Folgerung 2.24 Sind V L(H 1, H 2 ), R(V ) = H 2 und V x, V x 2 = x, x 1 x H 1, so ist V : H 1 H 2 eine Isometrie. Satz 2.25 Ist V L(H), so sind folgende Aussagen äquivalent: (a) V ist eine partielle Isometrie. (b) V = V V V. (c) V V ist ein Orthoprojektor. Beispiel 2.26 Es sei (e n ) n=0 ein VONS in H. Dann ist der Operator V : H H, x x, e n+1 e n eine partielle Isometrie. Beispiel 2.27 Mit ϕ(t) = 1 t 2, t [ 1, 1] definieren wir den Hilbertraum L 2 ϕ aller bzgl. des Gewichtes ϕ(t) quadratisch integrierbaren (Klassen von) Funktionen f : ( 1, 1) C, versehen mit dem inneren Produkt f, g ϕ = 1 1 n=0 f(t)g(t)ϕ(t) dt. Die Systeme (ϕ n ) n=0 und (U n) n=0 sind VONS in L2 ϕ, wobei ϕ n (t) = T n(t) 1 t 2 und T 0 (t) = 1 2 2, T n (cosθ) = π π cos(nθ), n > 0, U sin((n + 1)θ) n(cos θ) =, n 0, π sin θ die Tschebyscheff-Polynome erster und zweiter Art sind. Die Beziehungen 1 π p.v. 1 1 zeigen, dass der durch T n (s) ds (s t) 1 s 2 = U n 1(t), 1 < t < 1, n N 0, U 1 (t) := 0, (Sf)(t) = 1 π p.v. 1 1 f(s) ds s t, 1 < t < 1, auf dem linearen Teilraum span {ϕ n : n N 0 } definierte Operator zu einem Operator S L(L 2 ϕ) stetig fortgesetzt werden kann, nämlich durch die Beziehung Sf = f, ϕ n ϕ U n 1. Der so definierte Operator S : L 2 ϕ L 2 ϕ ist eine partielle Isometrie. n=1 Beispiel 2.28 Der Operator F : L 2 (R) L 2 (R), 1 n f lim n 2π ist ein Beispiel für einen unitären Operator. n e ist f(s) ds
19 Kapitel 3 Spektraleigenschaften selbstadjungierter und kompakter Operatoren 3.1 Stetige Funktionen selbstadjungierter Operatoren Mit P(R) bezeichnen wir die Menge aller algebraischen Polynome mit reellen Koeffizienten. Ist A L(H) ein selbstadjungierter Operator, so sei C A (R) die Menge aller stetigen Funktionen f : [m A, M A ] R. Für f C A (R) setzen wir und m A (f) = min {f(t) : m A t M A }, M A (f) = max {f(t) : m A t M A } γ A (f) = max { f(t) : m A t M A }. Weiterhin werden wir die Bezeichnung comm(a) für die Menge aller Operatoren aus L(H), die mit A L(H) vertauschbar sind, verwenden. Satz 3.1 Ist p P(R) auf dem Spektralintervall [m A, M A ] des selbstadjungierten Operators A L(H) nichtnegativ, so gilt p(a) Θ. Satz 3.2 Sei A L(H) selbstadjungiert. Die Abbildung P(R) L(H), p p(a) kann auf eindeutige Weise zu einer linearen und multiplikativen Abbildung C A (R) L(H), f f(a) fortgesetzt werden, die f(a) γ A (f) erfüllt. Dabei gilt für alle Funktionen f C A (R) und g C([m A (f), M A (f)], R) (a) m A (f)i f(a) M A (f)i, (b) comm(a) comm(f(a)), (c) g(f(a)) = (g f)(a). Bemerkung 3.3 Die im Satz 3.2 erwähnte Multiplikativität der Abbildung f f(a) bedeutet, dass für alle f, g C A (R) gilt (fg)(a) = f(a)g(a). Folgerung 3.4 Die Abbildung C A (R) L(H), f f(a) ist positiv, d.h., f(t) 0 t [m A, M A ] impliziert f(a) Θ. 19
20 20 KAPITEL 3. SPEKTRALEIGENSCHAFTEN Folgerung 3.5 Zu jedem positiven Operator A L(H) gibt es genau einen positiven Operator B L(H) mit B 2 = A, nämlich B = A. Folgerung 3.6 Sind die positiven Operatoren A, B L(H) vertauschbar, so ist auch AB positiv. Folgerung 3.7 Sei A L(H) selbstadjungiert. Dann sind die Operatoren positive Operatoren, und es gilt A und A ± = 1 ( A ± A) 2 A = A 2 und A + A = Θ. Es sei bemerkt, dass man A = A A für alle Operatoren A L(H) definieren kann. Für A = A fällt diese Definition mit der obigen zusammen. Satz 3.8 (Polardarstellung) Zu jedem Operator A L(H) existiert genau ein Operator V L(H) mit A = V A A und N(A) N(V ). Dabei ist der Operator V eine partielle Isometrie, A A = V A, und I V V = P N(A). 3.2 Spektralzerlegung selbstadjungierter Operatoren { 1 : t < λ, Für λ R und n N definieren wir e λ (t) = 0 : λ t, und 1 : t < λ 1 n, e λ,n (t) = n(λ t) : λ 1 n 0 : λ < t. Dann gilt für einen selbstadjungierten Operator A L(H), für n N, und für λ µ (siehe Folgerung 3.4) (Ea) Θ e λ,n (A) e λ,n+1 (A) I, (Eb) I e λ,2n (A) [I e λ,n (A)] 2 I e λ,n (A), (Ec) e λ,n (A) e µ,n (A). Satz 2.8 und (Ea) liefern die Existenz eines Operators E λ L(H) mit Satz 3.9 Sind f C A (R), a, b R und λ µ, so gilt (a) a(e µ E λ ) f(a)(e µ E λ ), falls a f(t), t [λ, µ], (b) f(a)(e µ E λ ) b(e µ E λ ), falls f(t) b, t [λ, µ]. e λ,n (A) E λ =: e λ (A). (3.1) Satz 3.10 Die Operatoren E λ, λ R, sind Orthoprojektoren mit folgenden Eigenschaften: (a) E λ = Θ für λ m A und E λ = I für M A < λ, (b) (A λi)e λ Θ (A λi)(i E λ ),
21 3.2. SPEKTRALZERLEGUNG SELBSTADJUNGIERTER OPERATOREN 21 (c) E λ E µ für λ µ, (d) λ(e µ E λ ) A(E µ E λ ) µ(e µ E λ ) für λ µ, (e) E λ x = θ, falls A x = λx. Außerdem sind λ R und B comm(a) die Räume R(E λ ) reduzierende Teilräume von B. Satz 3.11 Zu jedem selbstadjungierten Operator A L(H) und zu jeder Zahl λ R gibt es genau einen mit A vertauschbaren Orthoprojektor E λ L(H) der (b) und (e) von Satz 3.10 erfüllt. Dabei gilt A(I E 0 ) = A +, A E 0 = A, (3.2) und A(I 2E 0 ) = A, A = A (I 2E 0 ). (3.3) Folgerung 3.12 Für jeden selbstadjungierten Operator B comm(a) mit ±A B gilt A B, d.h., A ist der kleinste selbstadjungierte Operator mit diesen Eigenschaften. Folgerung 3.13 Im Sinne der starken Operatorkonvergenz existieren die einseitigen Grenzwerte E λ 0 = lim E µ, E λ+0 = lim E µ, E + = lim E µ, E = lim E µ µ λ µ λ µ + µ für alle λ R, wobei E λ 0 = E λ E λ+0 gilt. Mit O(H) L(H) bezeichen wir die Menge der Orthoprojektoren in H. Definition 3.14 Eine Abbildung R O(H), λ E λ nennen wir Spektralschar, falls E λ E µ für λ µ und E = Θ, E = I. Diese Schar heißt linksseitig stetig, wenn E λ 0 = E λ für alle λ R erfüllt ist. Im Weiteren sei λ E λ die für den selbstadjungierten Operator A L(H) durch (3.1) definierte Spektralschar. Satz 3.15 Es sei A L(H) selbstadjungiert. Dann gilt (a) R(E λ+0 E λ ) = N(A λi) λ R, (b) λ R \ σ(a) ε > 0: E λ = E µ µ (λ ε, λ + ε). Die Zahlen aus σ(a), die keine Eigenwerte von A sind, werden Punkte des stetigen Spektrums σ c (A) des Operators A genannt, die Menge σ p (A) der Eigenwerte von A heißt dagegen Punktspektrum. Folglich gilt λ σ c (A) genau dann, wenn E λ+0 = E λ und E λ+ε E λ ε für alle ε > 0 erfüllt sind. Beispiel 3.16 Es seien H = L 2 ( 1, 1) und A L(H) definiert durch (A x)(t) = t x(t). Wir zeigen, dass dann σ(a) = σ c (A) = [ 1, 1] gilt. Es seien f : [a, b) R eine Funktion, Z = {λ 0, λ 1,..., λ n } Z[a, b] eine Zerlegung des Intervalls [a, b] und n S(f, Z, µ) = f(µ j ) ( ) E λj E λj 1 j=1 eine entsprechende Riemann-Stieltjes-Summe bezüglich der Spektralschar E λ, wobei µ = {µ j : j = 1,..., n} mit λ j 1 µ j < λ j. Mit d(z) = max { λ j λ j 1 : j = 1,..., n} bezeichnen wir den Durchmesser der Zerlegung Z.
22 22 KAPITEL 3. SPEKTRALEIGENSCHAFTEN Definition 3.17 Wir nennen eine Funktion f : [a, b] R Riemann-Stieltjes-integrierbar bzw. gleichmäßig Riemann-Stieltjes-integrierbar auf [a, b] bzgl. E λ, wenn für jede Folge von Zerlegungen (Z m ) m=1, Z m Z[a, b], mit lim m d(z m ) = 0 eine beliebige Folge zugehöriger Riemann-Stieltjes-Summen (S(f, Z m, µ m )) m=1 in der starken bzw. Normtopologie konvergiert. In diesem Fall setzen wir und b a b 0 a f(λ) de λ := f(λ) de λ := lim m S(f, Z m, µ m ) b 0 a f(λ) de λ + f(b) (E b+0 E b ). Satz 3.18 Bezüglich einer linksseitig stetigen Spektralschar E λ ist jede stetige Funktion f : [a, b] R gleichmäßig Riemann-Stieltjes-integrierbar. Es sei E λ eine linksseitig stetige Spektralschar. Wir setzen J b a (f) := C([a, b], R). Für f, g C([a, b], R) sind dann folgende Regeln gültig: 1. J b a (f) = J c a (f) + J b c (f), a < c < b. 2. J b a (f) (E d E c ) = J d c (f), a c < d b. 3. J b a (f + g) = J b a (f) + J b a (g), J b a (αf) = αj b a (f), α R. 4. J b a (fg) = J b a (f)j b a (g). 5. J b a (f) Θ, falls f(t) 0 t [a, b]. b 0 a f(λ) de λ, f Jedem Operator A L(H) kann man einen Realteil Re A = 1 2 (A+A ) und einen Imaginärteil Im A = 1 2i (A A ) zuordnen. Es gilt dann A = Re A + i Im A und A = Re A i Im A. Dabei sind Re A und Im A selbstadjungierte Operatoren. Umgekehrt folgt aus A = A 1 + i A 2 mit selbstadjungierten Operatoren A j L(H), dass A 1 = Re A und A 2 = Im A. Wir nennen einen Operator A L(H) normal, wenn A A = A A gilt. Ein Operator A L(H) ist genau dann normal, wenn Re A und Im A kommutieren, was auch äquivalent ist zu A A = A A = (Re A) 2 + (Im A) 2. Für einen selbstadjungierten Operator A L(H) und eine Funktion f = f 1 + i f 2 C A (C) mit f j C A (R) ist der Operator f(a) = f 1 (A) + i f 2 (A) wohldefiniert, wobei f 1 (A) = Re f(a) und f 2 (A) = Im f(a). Außerdem gilt 1. f(a) = f(a), 2. (λf + µg)(a) = λf(a) + µg(a), f, g C A (C), λ, µ C, 3. (fg)(a) = f(a)g(a), f, g C A (C). Sei A L(H) ein selbstadjungierter Operator. Definieren wir e i A = cos(a) + i sin(a) =: V, so folgt V V = V V = I, d.h., V ist ein unitärer Operator. Satz 3.19 Sind A L(H) selbstadjungiert, f C[a, b], a m A M A < b und E λ die Spektralschar von A, so gilt und comm(a) = comm {E λ : λ R}. f(a) = b a f(λ) de λ
23 3.3. KOMPAKTE OPERATOREN Kompakte Operatoren Ein linearer Operator T : H H heißt kompakt, wenn er jede beschränkte Folge (x n ) n=1 mit x n H in eine präkompakte Folge (T x n ) n=1 überführt. Eine Folge (x n) n=1 heißt präkompakt, wenn jede Teilfolge von (x n ) n=1 eine konvergente Teilfolge enthält. Die Menge aller linearen und kompakten Operatoren bezeichnen wir mit K(H). Es gilt K(H) L(H), und K(H) ist eine abgeschlossene Menge (bzgl. der Operatornormtopologie). Beispiel 3.20 Ist h : [0, 1] 2 C eine Lebesgue-messbare Funktion mit [0,1] 2 h(t, s) 2 ds dt <, so ist der durch (T u)(t) = 1 0 h(t, s)u(s) ds definierte Operator T : L 2 (0, 1) L 2 (0, 1) ein kompakter Operator. Das ergibt [ sich z.b. ] wie folgt: Mit χ (n) j (t) bezeichnen wir die charakteristische Funktion des Intervals j 1 n, j n, j = 1,..., n N. Für ein beliebiges ε > 0 existieren ein n N und Zahlen λ (n) jk C, so dass [0,1] 2 h(t, s) n Der Operator T : L 2 (0, 1) L 2 (0, 1) mit ( T u)(t) = n λ (n) jk χ(n) j j=1 k=1 1 n n λ (n) jk χ(n) j 0 j=1 k=1 (t)χ (n) k (s) 2 ds dt < ε. (t)χ (n) (s)u(s) ds k hat endlichdimensionales Bild (der Bildraum wird von den χ (n) j (t) aufgespannt), ist somit kompakt und genügt der Relation T T < ε. Wählen wir also eine Nullfolge (ε m) positi- L(L 2 (0,1)) ver Zahlen, so finden wir Operatoren T m K(L 2 (0, 1)), die in der Norm gegen T konvergieren. Die Abgeschlossenheit von K(L 2 (0, 1)) in der Operatornormtopologie liefert die Kompaktheit des Operators T. Satz 3.21 Für T K(H) ist R(I T ) abgeschlossen. Folgerung 3.22 Sind T K(H) und λ C \ {0}, so ist R(T λi) abgeschlossen. Satz 3.23 Für einen Operator T K(H) gilt: (a) Sind λ C und dim N(T λi) =, so ist λ = 0. (b) Der einzig mögliche Häufungspunkt der Menge der Eigenwerte von T ist die Null. (c) Sind λ C und (x n ) n=0, x n H, eine Punktfolge mit x 0 Θ, (T λi)x 0 = Θ und (T λi)x n+1 = x n, n = 0, 1, 2,..., so ist λ = 0. Für einen Operator T L(H) sind folgende Aussagen äquivalent: (A) T K(H),
24 24 KAPITEL 3. SPEKTRALEIGENSCHAFTEN (B) T T K(H), (C) T K(H). Folgerung 3.24 Ist T K(H), so gilt dim N(T λi) < für alle λ C \ {0}, die Menge σ(t ) \ {0} besteht aus höchstens abzählbar vielen Eigenwerten, die sich nur in 0 häufen können. Ist λ 0 ein Eigenwert von T, so ist λ ein Eigenwert von T. Es ist stets 0 σ(t ). Für einen kompakten Operator T L(H) und A = I µt, µ C haben wir also: 1. Fredholmsche Alternative: Ax = y ist genau dann für jedes y H in H lösbar, wenn die Gleichung eindeutig lösbar ist. 2. Endlich viele Lösbarkeitsbedingungen: Ax = y H ist genau dann in H lösbar, wenn y N(A ) gilt. Dabei ist dim N(A ) <. Satz 3.25 Für jeden kompakten und selbstadjungierten Operator T L(H) existieren eine endliche Folge oder eine Nullfolge reeller Zahlen λ 0, λ 1,... mit λ 0 λ 1 λ 2... und paarweise orthonormale Vektoren e k H, so dass T x = k λ k x, e k e k x H. Definiert man P k x = x, e k e k, x H, so ist P k ein Orthoprojektor, und es gilt P k P j = Θ für k j sowie T = λ k P k, k wobei im Fall unendlich vieler Eigenwerte die Reihe in der Operatornorm konvergiert. Satz 3.26 Ein linearer Operator T : H H ist genau dann kompakt, wenn eine Folge linearer Operatoren mit endlichdimensionalem Bild existiert, die in der Operatornorm gegen T konvergiert. Beispiel 3.27 Der Operator K : L 2 σ( 1, 1) L 2 σ( 1, 1), wobei σ(t) = (1 t 2 ) 1 2, definiert durch (Ku)(t) = 1 π 1 1 ln s t u(s) σ(s) ds ist kompakt. Wir geben seine Diagonaldarstellung entsprechend Satz 3.25 an.
25 Kapitel 4 Spektralintegrale 4.1 Im Allgemeinen unbeschränkte Operatoren Einen Operator A : D(A) H H nennen wir linear, wenn sein Definitionsbereich D(A) ein linearer Teilraum von H ist und wenn für alle x, y D(A), λ, µ C gilt A(λ x + µ y) = λ A x+µ A y. Die Menge aller dieser linearen Operatoren bezeichnen wir mit L(H). Ein Operator A L(H) heißt Einschränkung von B L(H) (oder B ist Fortsetzung von A, in Zeichen: A B oder B A), falls D(A) D(B) und A x = B x x D(A) gilt. Wir definieren für A, B L(H) und λ C D(λ A) = D(A) und (λ A)x = λ A x, x D(A), D(A + B) = D(A) D(B) und (A + B)x = A x + B x, x D(A + B), D(AB) = {x D(B) : B x D(A)} und (AB)x = A(B x), x D(AB). Folglich ist D(A λ I) = D(A) A L(H), λ C. Sind A n L(H), n N, so schreiben wir A = lim A n, falls n { } D(A) = x H : n 0 = n 0 (x) mit x D(A n ) und n=n 0 A x = lim n A nx x D(A). Offenbar gilt lim n A n L(H). Außerdem definieren wir für A L(H) comm(a) = {B L(H) : B x D(A), AB x = BA x x D(A)}. Beispiel 4.1 Wir betrachten zwei Beispiele unbeschränkter Operatoren: { } (a) H = L 2 (R), D(A) = x H : t 2 x(t) 2 dt <, (A x)(t) = t x(t). R { } (b) H = L 2 (R), D(B) = S(R) := x C (R) : sup t n x (m) (t) <, n, m N 0, t R (B x)(t) = x (t) + t 2 x(t). Definition 4.2 Sind A L(H) und D(A) = H, so kann der adjungierte Operator A L(H) eindeutig mittels { } D(A ) = y H : sup { Ax, y : x D(A), x = 1} < 25
26 26 KAPITEL 4. SPEKTRALINTEGRALE und definiert werden. Ax, y = x, A y x D(A), y D(A ), Aus A B folgt B A. Definition 4.3 Es seien A L(H) und D(A) = H. Die Zahl λ C heißt regulärer Punkt von A, wenn ein Operator R λ L(H) existiert, so dass R λ (A λ I)x = x x D(A) und (A λ I)R λ x = x x H. Die Menge aller λ C, die keine regulären Punkte von A sind wird Spektrum von A genannt und mit σ(a) bezeichnet. Die Menge ρ(a) = C \ σ(a) heißt Resolventenmenge von A. Man beachte: Erfüllt R λ die Definition 4.3, so gilt D(A) = R(R λ ). Satz 4.4 Sind A L(H) und D(A) = H, so sind ρ(a) offen und somit σ(a) abgeschlossene Teilmengen von C. Außerdem gilt Sind λ, µ ρ(a), so gilt comm(a) = comm(r λ ) λ ρ(a). R λ R µ = (λ µ)r µ R λ und R λ R µ = R µ R λ. Falls λ ρ(a), so schreibt man auch R λ = (A λi) 1, weil in diesem Fall A λi : D(A) H eine Bijektion mit beschränktem inversen Operator ist. Definition 4.5 Wir nennen den Operator A L(H) symmetrisch, falls D(A) = H und A x, y = x, A y x, y D(A) gilt. Der Operator A L(H) heißt selbstadjungiert, wenn A = A ist. Satz 4.6 Für A L(H) sind folgende Aussagen äquivalent: (a) A ist symmetrisch. (b) A A. (c) D(A) = H und A x, x R x D(A). Ein Operator A L(H) ist genau dann selbstadjungiert, wenn erfüllt sind. D(A) = H, A x, x R x D(A) und D(A ) D(A) Als Graph von A L(H) bezeichnet man die Menge Γ(A) = {(x, A x) : x D(A)} H H. Für A, B L(H) sind A B und Γ(A) Γ(B) äquivalente Bedingungen. Wir versehen H H mit dem inneren Produkt (x 1, y 1 ), (x 2, y 2 ) H H := x 1, x 2 + y 1, y 2. Der Operator A L(H) heißt abgeschlossen, wenn Γ(A) eine abgeschlossene Teilmenge von H H ist. Das ist äquivalent zu x n D(A), x n x, y n = A x n y = x D(A), y = A x. Das Theorem vom abgeschlossenen Graphen besagt, dass ein abgeschlossener Operator A L(H) mit D(A) = H zu L(H) gehört.
27 4.2. SELBSTADJUNGIERTE OPERATOREN 27 Folgerung 4.7 Sind A L(H) selbstadjungiert, B L(H) symmetrisch und A B, so gilt A = B. Ist A L(H) symmetrisch mit D(A) = H, so gilt A L(H). Definition 4.8 Ein Operator A L(H) wird abschließbar genannt, wenn es einen abgeschlossenen Operator B L(H) mit A B gibt. Satz 4.9 Falls A abschließbar ist, so existiert eine kleinste abgeschlossene Fortsetzung A, die Abschließung von A, in dem Sinne, dass A B für jede abgeschlossene Fortsetzung B von A gilt. Ist A L(H) abschließbar, so gilt Γ(A) = Γ(A). Beispiel 4.10 Wir zeigen, dass zu jedem unendlichdimesndionalen Hilbertraum ein nicht abschließbarer linearer Operator existiert. Bemerkung 4.11 Ist A L(H) ein abgeschlossener Operator mit D(A) = H, so gehört λ zu ρ(a) genau dann, wenn A λi : D(A) H eine Bijektion ist. 4.2 Selbstadjungierte Operatoren Satz 4.12 Es seien f : R R eine stetige Funktion, E λ eine linksseitig stetige Spektralschar, J n (f) = { } n 0 n f(λ) de λ, D(A) = x H : lim J n(f)x und A x = lim J n(f)x. Dann ist n n A = J(f) L(H) ein selbstadjungierter Operator, für den wir auch A = J(f) = f(λ) de λ := lim n schreiben. Falls f beschränkt ist, so gilt A L(H). n 0 n f(λ) de λ Satz 4.13 Es sei A L(H) ein selbstadjungierter Operator. Dann gilt: (a) σ(a) R. (b) R λ = (A λi) 1 ist ein normaler Operator für λ ρ(a) und selbstadjungiert für λ ρ(a) R. (c) Es existiert eine eindeutig bestimmte linksseitig stetige Spektralschar E λ mit A = λ de λ. Außerdem ist comm(a) = comm(e λ ). Folgendes Lemma wird für den Beweis von Satz 4.13,(c) benötigt. Lemma 4.14 Es sei A L(H). (a) Ist A = V A A die Polarzerlegung von A (vgl. Satz 3.8), so ist A Polarzerlegung von A. Außerdem gilt A A = V A AV. = V A A die (b) Ist A ein normaler Operator, so existiert ein unitärer Operator V L(H) mit V A = A V und A = V A A.
28 28 KAPITEL 4. SPEKTRALINTEGRALE
29 Kapitel 5 Differentialoperatoren in L 2 (a, b) Wir erinnern daran, dass wir mit Γ(A) den Graphen des Operators A L(H) bezeichnen. Ferner definieren wir V : H H H H, (x, y) ( y, x), wobei wir H H mit dem inneren Produkt (x, y), (z, w) := x, z + y, w ausstatten. Lemma 5.1 Es seien A L(H) und D(A) = H. Dann gilt: (a) Γ(A ) = V (Γ(A)). (b) A ist abgeschlossen. (c) A ist genau dann abschließbar, wenn D(A ) = H gilt. In diesem Fall ist A = (A ) =: A. (d) Ist A abschließbar, so gilt (A) = A. (e) A ist genau dann selbstadjungiert, wenn Γ(A) V (Γ(A)) und Γ(A) + V (Γ(A)) = H H gilt. Lemma 5.2 Es seien F : X C und F j : X C, j = 1,..., n, lineare Funktionale auf dem linearen Raum X, wobei n N(F j ) N(F ) j=1 gelte. Dann existieren γ 1,..., γ n C, so dass F = n γ j F j. Im Weiteren seien a < b und H = L 2 (a, b). Eine Funktion f : (a, b) C heißt absolut stetig, wenn eine lokal integrierbare Funktion g : (a, b) C existiert (in Zeichen: g L 1 loc (a, b)), so dass f(x) = f(c) + x c j=1 g(y) dy x (a, b), c (a, b). In diesem Fall schreiben wir g = f. Mit A n (a, b) bezeichnen wir die Menge aller n 1 mal stetig differenzierbaren Funktionen f : (a, b) C, für die f (n 1) : (a, b) C absolut stetig ist. Satz 5.3 Für jedes n N und jedes ε > 0 existiert eine Konstante c 0 = c 0 (n, ε), so dass 1 0 f (j) (x) 2 dx ε f (n) (x) 2 dx + c 0 f(x) 2 dx f A n (0, 1), j = 0, 1,..., n
30 30 KAPITEL 5. DIFFERENTIALOPERATOREN IN L 2 (A, B) Folgerung 5.4 Sind f A n (a, b) L 2 (a, b) und f (n) L 2 (a, b), so gilt auch f (j) L 2 (a, b), j = 1,..., n 1, < a < b <. Wir definieren W 2 r(a, b) := { f A r (a, b) L 2 (a, b) : f (r) L 2 (a, b) } (Sobolevraum r-ter Ordnung). Folgerung 5.5 Ist f W 2 r(a, b), so folgt f (j) C[a, b], j = 0, 1,..., r 1, wobei f (j) ( ) = 0 (f (j) ( ) = 0), falls b = (a = ), j = 0, 1,..., r 1. Mit D : A 1 (a, b) L 1 loc (a, b) bezeichnen wir den Differentialoperator Df = f, und wir definieren D(A 0 r) = C 0 (a, b), A 0 rf = ( id) r f sowie Satz 5.6 Es gilt (a) A 0 r ist symmetrisch, b (b) R(A 0 r) = {g C 0 (a, b) : (c) ( A 0 r) = Ar, A r = A 0 r, D(A r ) = W 2 r(a, b), A r f = ( id) r f. a } x j g(x) dx = 0, j = 0, 1,..., r 1 =: C 0,r (a, b), (d) D(A 0 r) = { f W 2 r(a, b) : f (j) (a) = f (j) (b) = 0, j = 0, 1,..., r 1 } =: W 2,0 r (a, b). Folgerung 5.7 Ist (a, b) = R, so ist der Operator A r selbstadjungiert. Ist aber (a, b) R, so sind A 0 r und A r keine selbstadjungierten Operatoren. Satz 5.8 Im Fall (a, b) = R gilt σ(a 2r ) = [0, ) und σ(a 2r 1 ) = R. Wir bemerken, dass in Satz 5.3 das Intervall (0, 1) durch ein beliebiges beschränktes Intervall (a, b) ersetzt werden kann, wobei die Konstante c 0 nicht von a und b abhängt, wenn nur b a l 0 mit einer geeigneten positiven Konstanten l 0 gilt. Hier aus folgt, dass b a f (j) (x) 2 dx ε b a b f (n) (x) 2 dx + c 0 f(x) 2 dx f A n (a, b), j = 0, 1,..., n 1 und Folgerung 5.4 auch für unbeschränkte Intervalle (a, b) gelten. Begründung: Im Beweis von Satz 5.3 hatten wir die Ungleichung β α f (x) 2 dx 2 34 L 2 a β α β f(y) 2 dy + 2L 2 f (y) 2 dy erhalten, wobei L = β α > 0 ist. Anwendung dieser Ungleichung auf α = a + (b a)(j 1) β = a + (b a)j und Aufaddieren für j = 1,..., m ergibt m b a f (x) 2 dx 2 34 m 2 (b a) 2 b a f(y) 2 dy + α 2(b a)2 m 2 Ist nun b a l 0 := ε 2, so wählen wir m {2, 3,...} so, dass gilt, und erhalten b a f (x) 2 dx 8 34 ε 2(b a) 2 m 2 ε b a 2(b a)2 (m 1) 2 β β f(y) 2 dy + ε f (y) 2 dy. α Damit kann man den Induktionsbeweis für Satz 5.3 dann fortsetzen. α f (y) 2 dy. m,
31 Index A ±, 20 D(A), 25 L(X, Y), 9 M A (f), 19 N(A), 10, 13 R(A), 13 C A (R), 19 L L, 7 L 2 L 2 (0, 1), 11 L, 7 S = S(0, 1), 11 Wr(a, 2 b), 30 Wr 2,0 (a, b), 30 X, 10 A n (a, b), 29 K(H), 23 L(X, Y), 10 O(H), 21 P(R), 19 Z[a, b], 21 γ A (f), 19 A X Y, 10 ρ(a), 26 σ(a), 13, 26 f, g L 2, 11 x, y, 7 A, 20 d(z), 21 f(a), 19 m A (f), 19 comm(a), 19, 25 Öffnung, 16 abgeschlossener Operator, 26 abschließbarer Operator, 27 Abschließung eines Operators, 27 absolut stetige Funktion, 29 adjungierter Operator, 25 beschränkte Operatorfolge, 14 beschränkter linearer Operator, 10 Bessel sche Ungleichung, 8 beste Approximation, 8 Bildraum, 13 Cauchy-Schwarz sche Ungleichung, 7 Cauchy-Schwarz sche Ungleichung, verallgemeinerte, 14 dualer Raum, 10 Eigenvektor, 13 Eigenwert, 13 Einschränkung eines Operators, 25 Fortsetzung eines Operators, 25 Fourierkoeffizient, 8 Fouriertransformation, 9 gleichmäßig Riemann-Stieltjes-integrierbar, 22 Graph, 26 Hilbertraum, 7 Imaginärteil eines Operators, 22 inneres Produkt, 7 invarianter Teilraum, 16 Isometrie, 17 isometrischer Isomorphismus, 9 isometrischer Operator, 17 kompakter Operator, 23 linear unabhängiges System, 8 lineare Abbildung, 9 linearer Operator, 25 lineares Funktional, 10 monotone Operatorfolge, 14 normaler Operator, 22 Nullraum, 13 Nullraum eines Operators, 10 orthogonale Orthoprojektoren, 16 orthogonale Projektion, 7 orthogonales Komplement, 7 Orthonormalsystem (ONS), 8 Orthoprojektor, 15 31
32 32 INDEX Parseval sche Gleichung, 9 partielle Isometrie, 18 Polardarstellung, 20 positiver Operator, 14 präkompakte Folge, 23 Punktspektrum, 21 Realteil eines Operators, 22 reduzierender Teilraum, 16 regulärer Punkt eines Operators, 26 Resolventenmenge, 26 Riemann-Stieltjes-integrierbar, 22 Riemann-Stieltjes-Summe, 21 Riesz sches Darstellungstheorem, 10 Schmidt sches Orthogonalisierungsverfahren, 8 schwache Konvergenz, 16 selbstadjungierter Operator, 13, 26 Skalarprodukt, 7 Sobolevraum, 30 Spektralschar, 21 Spektrum, 13, 26 stark konvergente Operatorfolge, 14 stetiges Sprektrum, 21 symmetrischer Operator, 26 Toeplitz-Operator, 17 unitärer Operator, 17, 22 verallgemeinerte Cauchy-Schwarz sche Ungleichung, 14 vollständiges Orthonormalsystem (VONS), 9
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
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
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
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
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
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
Eigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
Musterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
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
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
8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
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]
Mathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
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
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
Die reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33
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.
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
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
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
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.
Lineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
Höhere Funktionalanalysis WS2016/17 Übungsblatt
Höhere Funktionalanalysis WS2016/17 Übungsblatt 1 11.10.2016 Aufgabe 1. Berechne die Normen der Operatoren (a) f L [0, 1], M f : L 2 [0, 1] L 2 [0, 1], (M f g)(x) = f(x)g(x). (b) g C[0, 1], T g : C[0,
Approximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
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
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 ; : :
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
1 Konvexe Funktionen. 1.1 Definition. 1.2 Bedingung 1.Ordnung. Konvexität und Operationen, die die Konvexität bewahren Seite 1
Konvexität und Operationen, die die Konvexität bewahren Seite 1 1 Konvexe Funktionen 1.1 Definition Eine Funktion f heißt konvex, wenn domf eine konvexe Menge ist und x,y domf und 0 θ 1: f(θx + (1 θ)y)
Lineare Algebra und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
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.
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
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
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,
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
1.9 Eigenwerte und Eigenvektoren
.9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..
Algorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
Primzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
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
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
4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
Lineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
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.
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)
Erinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin ([email protected]) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW
Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6
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
Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen
Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes
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
1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.
Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften
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
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,
Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
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 +
Gleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
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
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.
Lineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
!(0) + o 1("). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen.
Bifurkationen an geschlossenen Orbits 5.4 167 der Schnittabbldung konstruiert. Die Periode T (") der zugehörigen periodischen Lösungen ergibt sich aus =! + o 1 (") beziehungsweise Es ist also t 0 = T (")
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;.
Zusatztutorium, 25.01.2013
Zusatztutorium, 25.01.2013 David Müßig muessig[at]mi.fu-berlin.de http://page.mi.fu-berlin.de/def/tutorium/ WiSe 12/13 1 Der Homomorphiesatz Der Homomorphiesatz scheint für viele eine Art rotes Tuch zu
Der Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
Mathematik I für Wirtschaftswissenschaftler
1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden [email protected] WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V
Korrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
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
Kap. 8: Speziell gewählte Kurven
Stefan Lucks 8: Spezielle Kurven 82 Verschl. mit Elliptischen Kurven Kap. 8: Speziell gewählte Kurven Zur Erinnerung: Für beliebige El. Kurven kann man den Algorithmus von Schoof benutzen, um die Anzahl
Vorkurs Mathematik Übungen zu Differentialgleichungen
Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)
7. Ringe und Körper. 7. Ringe und Körper 49
7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich
PD Dr. R. Schätzle 9.4.2001 Dr. A. Karlsson. Funktionentheorie II SS 2001
ETH Zürich Departement der Mathematik PD Dr. R. Schätzle 9.4.2001 Dr. A. Karlsson Funktionentheorie II SS 2001 1.Übung AUFGABE 1: Zeigen Sie, daß die Riemannschen Flächen CI und D := {z CI z < 1 } mit
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)
Lösungen zu Kapitel 7
Lösungen zu Kapitel 7 Lösung zu Aufgabe 1: Nach Definition 7.1 ist eine Verknüpfung auf der Menge H durch eine Abbildung : H H H definiert. Gilt H = {a 1,..., a m }, so wird eine Verknüpfung auch vollständig
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
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,
DAS ABI-PFLICHTTEIL Büchlein
DAS ABI-PFLICHTTEIL Büchlein für Baden-Württemberg Alle Originalaufgaben Haupttermine 004 0 Ausführlich gerechnete und kommentierte Lösungswege Mit vielen Zusatzhilfen X π Von: Jochen Koppenhöfer und Pascal
MATHEMATISCHER FITNESSTEST - LÖSUNGEN. (2) Welche Menge stellt die schraerte Fläche dar?
MATHEMATISCHER FITNESSTEST - LÖSUNGEN DR. ROGER ROBYR Die Aufgaben sollten alle ohne Unterlagen und ohne programmierbare oder graphikfähige Rechner gelöst werden können. Lösung. ) Gegeben sind die Mengen
Die Optimalität von Randomisationstests
Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis
Lineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
3.1. Die komplexen Zahlen
3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen
Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
Gleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
( ) als den Punkt mit der gleichen x-koordinate wie A und der
ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:
Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend
Mathematischer Vorkurs für Physiker WS 2009/10
TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,
a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n
Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen
Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
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
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
Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
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.
