also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges

Größe: px
Ab Seite anzeigen:

Download "also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges"

Transkript

1 11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir schreiben B (X, Y ) (bz. B (X), falls X = Y ) für die Menge der kompakten Operatoren von X nach Y. Hierbei genügt es, nachzuprüfen, dass T (K 1 (0)) kompakt ist, denn eine beliebige beschränkte Menge B X ist in einer Kugel K R (0) enthalten, und somit ist T (B) T (K R (0)) = R T (K 1 (0)) als abgeschlossene Teilmenge der kompakten Menge T (K 1 (0)) selbst kompakt (hier benutzen ir, dass Y ein Hausdorff-Raum ist). Kompakte Operatoren sind immer beschränkt (also T B(X, Y )), denn T (K 1 (0)) ist in einer kompakten und somit auch beschränkten Teilmenge von Y enthalten. Schließlich ist T genau dann kompakt, enn zu jeder beschränkten Folge x n X eine Teilfolge x nj existiert, für die T x nj konvergiert. Tatsächlich zeigt die Folgencharakterisierung von Kompaktheit in metrischen Räumen sofort, dass diese Bedingung gelten muss, enn T kompakt ist. Zum Beeis der Umkehrung geben ir uns eine Folge y n T (K 1 (0)) vor und müssen zeigen, dass y n eine konvergente Teilfolge enthält. Es gibt z n T (K 1 (0)) mit y n z n 0; es ist also z n = T x n mit x n < 1. Nach Voraussetzung existiert eine Teilfolge x nj, so dass T x nj = z nj z. Dann gilt aber auch y nj z y nj z nj + z nj z 0 (j ). Satz Seien S, T B (X), A B(X) und α C. Dann sind auch S + T, αs, AS, SA B (X). Beeis. Wir benutzen das unmittelbar vor der Formulierung des Satzes diskutierte Kriterium. Sei also x n X eine beschränkte Folge. Wähle zunächst eine Teilfolge x n und dann eine Teilfolge x n von x n, so dass Sx n und T x n konvergieren. Offensichtlich konvergieren dann auch (S + T )x n, αsx n und ASx n. Schließlich ist egen der Beschränktheit von A die Folge Ax n ebenfalls beschränkt, also können ir auch eine Teilfolge x n ausählen, für die SAx n konvergiert. Satz B (X, Y ) ist eine abgeschlossene Teilmenge von B(X, Y ). Beeis. Seien S n B (X, Y ), S B(X, Y ), S n S 0. Sei x m X eine beschränkte Folge; setze C = sup x m. Ein Diagonalverfahren liefert eine Teilfolge x m, so dass lim m S n x m für alle n N existiert. Zu vorgegebenem ɛ > 0 können ir ein n N bestimmen mit 4C S n S < ɛ. Zu diesem n bestimmen ir dann ein m 0 N, so dass S n (x k x m) < ɛ/2 für alle k, m m 0. Für diese k, m ist dann auch S(x k x m) S n (x k x m) + S n S x k x m < ɛ 2 + 2C S n S < ɛ 2 + ɛ 2 = ɛ, also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zeiseitiges Ideal in B(X) ist. Wir nennen einen Operator T B(X, Y ) endlich-dimensional, enn dim R(T ) <. Endlich-dimensionale Operatoren sind kompakt: Wenn x n X eine beschränkte 64

2 KOMPAKTE OPERATOREN 65 Folge ist, so ist {T x n } eine beschränkte Teilmenge von R(T ) = C N, muss also nach dem Satz von Bolzano-Weierstraß eine konvergente Teilfolge enthalten. Insbesondere sehen ir also, dass alle Matrizen T C n n = B(C n ) kompakte Operatoren erzeugen (für beliebige Normen auf C n ). Eine eitere Klasse von Beispielen liefert die folgende Übungsaufgabe. Aufgabe Sei T B(l p ) (1 p ) der Multiplikationsoperator (T x) n = t n x n, obei t n C, t n 0. Dann ist T B (l p ). { Hineis: Approximiere T durch t n x n n N die endlich-dimensionalen Operatoren (T N x) n =, und ende Satz 0 n > N 11.2 an. Ab jetzt betrachten ir kompakte Operatoren nur noch in Hilberträumen H. Satz Sei T B(H). Dann ist T B (H) T B (H) T T B (H). Beeis. Wegen Satz 11.1 ist klar, dass T T B (H), falls T B (H) oder T B (H). Sei jetzt T T B (H), und sei x n H eine beschränkte Folge, C = sup x n. Dann gibt es eine Teilfolge x n, so dass T T x n konvergiert. Es folgt, dass T (x m x n) 2 = T (x m x n), T (x m x n) = T T (x m x n), x m x n T T (x m x n) x m x n 2C T T (x m x n) 0 (m, n ), also konvergiert auch T x n, und T ist kompakt. Wenn T kompakt ist, so ist auch T T kompakt ieder nach Satz 11.1, und jetzt liefert eine Anendung des gerade Gezeigten auf T an Stelle von T, dass T B (H). Die Umkehrung (T B (H) = T B (H)) ist dieselbe Aussage, angeendet auf T an Stelle von T. Satz Sei T : H H linear. a) Die folgenden Aussagen sind äquivalent: (i) T B(H) bz. x n 0 = T x n 0; (ii) x n 0 = T xn 0; (iii) xn 0 = T x n 0 b) Die folgenden Aussagen sind äquivalent: (i) T B (H); (ii) x n 0 = T xn 0 Beeis. a) (i) = (ii): Wenn x n 0, so konvergiert für alle y H y, T xn = T y, x n 0, also T x n 0. (ii) = (iii): ist trivial. (iii) = (i): Wir nehmen an, dass T / B(H). Dann gibt es x n H mit x n = 1, aber T x n n 2. Also konvergiert (1/n)x n 0, aber (1/n)T x n kann nicht schach gegen 0 konvergieren, da schach konvergente Folgen beschränkt sind (siehe Blatt 5, Aufgabe 1). b) (i) = (ii): Sei x n H mit x n 0. Da xn insbesondere beschränkt ist, gibt es eine Teilfolge x n, so dass T x n y. Da dann aber auch T x n y, zeigt Teil a), dass y = 0. Hieraus folgt, dass auch für die ursprüngliche Folge T x n 0 gelten muss, denn sonst gäbe es eine Teilfolge x n von x n und ein ɛ > 0, so dass T x n ɛ. Eine Anendung des gerade Gezeigten auf x n an Stelle von x n ergibt einen Widerspruch.

3 66 CHRISTIAN REMLING (ii) = (i): Für den Beeis dieser Implikation brauchen ir das folgende auch für sich interessante Lemma. Falls H separabel ist, folgt das Lemma übrigens auch aus dem Satz von Banach-Alaoglu und der Tatsache, dass die schache und die schache -Topologie übereinstimmen, eil Hilberträume reflexiv sind. Lemma Jede beschränkte Folge x n H enthält eine schach konvergente Teilfolge. Beeis von Lemma Für jedes feste m N ist ( x n, x m ) n N eine beschränkte Folge in C. Der Satz von Bolzano-Weierstraß und ein Diagonalverfahren liefern also eine Teilfolge x n, so dass lim n x n, x m für jedes m N existiert. Wegen der Linearität des Skalarprodukts existiert dann lim n x n, y aber auch für jedes y L({x m }), und eine Untersuchung der Cauchybedingung zeigt, dass dieser Limes sogar für jedes y L({x m }) existiert. eine be- Aufgabe Begründe diese letzte Aussage. Benutze dabei, dass x n schränkte Folge ist. Falls aber z L({x m }), so ist x n, z = 0 für alle n, also existiert der Limes in diesem Fall trivialereise ebenfalls. Insgesamt folgt, dass der betrachtete Grenzert für alle z L({x m }) L({x m }) = H existiert. Also können ir eine Abbildung F : H C durch F (y) = lim n x n, y definieren. F ist offensichtlich linear, und egen F (y) sup x n, y sup x n y C y n N n N ist F auch stetig. Der Riesz sche Darstellungssatz zeigt also, dass es ein x H gibt, so dass lim n x n, y = x, y für alle y H. Mit anderen Worten, es konvergiert x x n Wir kehren nun zum Beeis des letzten Teils von Satz 11.4 zurück. Sei x n H eine beschränkte Folge. Nach Lemma 11.2 können ir eine schach konvergente Teilfolge x n x ausählen. Dann konvergiert x n x 0, also liefert die Voraussetzung, dass T (x n x) 0 bz. T x n T x. Wir untersuchen nun die spektralen Eigenschaften von kompakten Operatoren. Wir beginnen mit normalen Operatoren. Es ird sich zeigen, dass diese ie bei Matrizen aus der Kenntnis der Eigenerte und Eigenvektoren rekonstruiert erden können (für nicht kompakte normale Operatoren ist diese Aussage dagegen im Allgemeinen völlig falsch, z.b. muss ein normaler Operator überhaupt keine Eigenerte haben). Dabei nennen ir z C einen Eigenert von T, enn N(T z) {0}. Entsprechend heißt ein x N(T z), x 0 Eigenvektor von T zum Eigenert z. Die Menge der Eigenerte nennen ir das Punktspektrum von T und notieren sie als σ p (T ). Offensichtlich ist σ p (T ) σ(t ), denn enn z σ p (T ), so ist T z bereits als Abbildung nicht invertierbar und kann somit erst recht keine Inverse in B(H) besitzen. Satz Sei T B (H), T normal. Dann ist σ(t ) \ {0} = σ p (T ) \ {0}, σ(t ) ist abzählbar und dim N(T z) < für alle z σ p (T ) \ {0}. Es gilt T = z n P n,

4 KOMPAKTE OPERATOREN 67 obei die z n die von Null verschiedenen Eigenerte von T sind und die P n sind die Projektionen auf N(T z n ). Die Reihe konvergiert (für jede Anordnung der z n ) in B(H). Falls dim H =, so ist 0 σ(t ). Für den Beeis brauchen ir folgende Aussage: Lemma Sei T B(H) normal mit Spektralschar E und z C. Dann ist E({z}) die Projektion auf N(T z). Aufgabe Beeise Lemma 11.3 Beeis. Nach dem Spektralsatz ist T = z de(z). Setze M ɛ = R(E(C \ K ɛ (0))). Dann ist M ɛ ein abgeschlossener Teilraum von H. Wir behaupten, dass dim M ɛ < für alle ɛ > 0. Wäre nämlich dim M ɛ =, so gäbe es x n M ɛ mit x n = 1, x n 0 (ähle ein ONS in Mɛ ). Nach Satz 11.4b) gilt dann T x n 0, aber andererseits ist T x n 2 = z 2 dµ xn,x n (z) > ɛ 2, da µ xn,x n (K ɛ (0)) = E(K ɛ (0))x n 2 = 0, also z 2 > ɛ 2 für µ xn,x n -f.a. z C und µ xn,x n (C) = x n 2 = 1. Dieser Widerspruch zeigt, dass unsere Behauptung doch gelten muss. Da R(E({z})) R(E(C \ K ɛ (0)) für alle z C mit z > ɛ, zeigt Lemma 11.3 jetzt, dass dim N(T z) < für alle z 0. Außerdem ist P T P ein normaler Operator in M ɛ, obei ir kurz P = E(C \ K ɛ (0)) für die Projektion auf M ɛ schreiben. Für z > ɛ ist T z bereits dann invertierbar in B(H), enn P T P invertierbar in B(M ɛ ) ist. Aufgabe Beeise diese Aussage. P T P ist aber ein normaler Operator in einem endlich-dimensionalen Raum, also besteht das Spektrum von T außerhalb von 0 nur aus höchstens abzählbar vielen Eigenerten. Außerhalb von K ɛ (0) gibt es sogar nur endlich viele Punkte von σ(t ). Schreibe σ p (T )\{0} = {z n } und P n = E({z n }). Dann ist E(C\({z n } {0})) = 0, also gilt für alle x, y H, dass (11.1) x, T y = z dµ x,y (z) = z n x, P n y. C Andererseits bilden die Partialsummen N z np n eine Cauchyfolge in B(H) (enn die Reihe überhaupt unendlich ist), denn da die Wertebereiche der P n paareise orthogonal sind, gilt also N n=n+1 z n P n x 2 = N n=n+1 z n 2 P n x 2 ( ) sup z n 2 x 2, n>n ( ) sup z n 2 n>n N N z n P n z n P n sup z n, n>n N n=n+1 P n x 2 und dieses Supremum konvergiert gegen Null für N. Also existiert ein Limes in B(H), aber jetzt zeigt (11.1), dass dieser Grenzert mit T übereinstimmen muss.

5 68 CHRISTIAN REMLING Wenn dim H =, so muss es unendlich viele Eigenerte z n geben, die dann (ie bereits oben gesehen) gegen 0 konvergieren müssen. Da σ(t ) abgeschlossen ist, folgt 0 σ(t ). Umgekehrt definieren die Reihen aus Satz 11.5 immer kompakte, normale Operatoren. Wir ändern die Notation leicht und schreiben x, x für den Operator, der y auf x, y x abbildet. Wenn x = 1, so ist x, x die Projektion auf L(x). Satz Sei {x n } ein ONS in H, und seien z n C mit z n 0, z n 0 (falls die Folge unendlich ist). Dann konvergiert die Reihe (falls unendlich) T := z n x n, x n in B(H) gegen einen kompakten, normalen Operator T. Es ist σ p (T ) \ {0} = {z n }. Beeis. Wie im Beeis von Satz 11.5 sehen ir, dass die Reihe konvergiert. Dabei N ist T := lim N z n x n, x n als Limes endlich-dimensionaler Operatoren kompakt. Außerdem ist N N N T T = lim z m P m z n P n = lim z n 2 P n N m=1 = lim N N z n P n N m=1 z m P m = T T N (ir schreiben hier x n, x n = P n ), also ist T normal. Offensichtlich ist T x n = z n x n, und es ist auch nicht scher zu sehen, dass es (außer vielleicht 0) keine eiteren Eigenerte gibt. Aufgabe Beeise diese Aussage. Für beliebiges (also nicht notendigereise normales oder kompaktes) T B(H) ist T T ein positiver Operator. Nach Satz 10.8 gibt es also eine eindeutige positive Quadraturzel. Wir schreiben (T T ) 1/2 =: T. Für normales T stimmt diese Definition mit dem mit Hilfe des Funktionalkalküls definierten Operator T überein. Aufgabe Beeise diese Aussage. Satz Sei T B (H). Dann ist T B (H) und T x = T x für alle x H. Ferner gibt es eine unitäre Abbildung V : R( T ) R(T ), so dass T = V T. Die Darstellung T = V T kann als Verallgemeinerung der Formel z = e iϕ z für z C aufgefasst erden und heißt deshalb auch Polarzerlegung von T. Beeis. T T ist kompakt und positiv, also zeigt Satz 11.5, dass T T = t n P n mit t n > 0 und t n 0, falls die Summe unendlich ist. Es folgt, dass T = t 1/2 n P n, und nun folgt aus Satz 11.6, dass T kompakt ist. Es gilt T x 2 = T x, T x = x, T 2 x = x, T T x = T x 2. Definiere V 0 : R( T ) R(T ) durch V 0 ( T x) = T x. Das ist möglich, denn enn T x = T y, so ist egen der gerade beiesenen Gleichheit der Normen auch T x = T y. Aus dieser Gleichheit folgt auch, dass V 0 y = y für alle y R( T ). Außerdem ist V 0 surjektiv, und nach Konstruktion gilt V 0 T = T. Das gesuchte V erhalten ir nun als die eindeutige stetige Fortsetzung von V 0 auf R( T ).

6 KOMPAKTE OPERATOREN 69 Für T B (H) schreiben ir s 1 (T ) s 2 (T ) > 0 für die von 0 verschiedenen Eigenerte von T ; dabei iederholen ir einen Eigenert entsprechend seiner Vielfachheit. Die s n (T ) heißen die singulären Werte von T. Wenn es unendlich viele singuläre Werte gibt, so gilt s n (T ) 0. Mit Hilfe der singulären Werte und der Eigenvektoren von T und T können ir nun einen beliebigen kompakten Operator darstellen: Satz Sei T B (H). Dann ist s n (T ) = s n (T ) = s n ( T ) = s n ( T ). Seien {x n }, {y n } ONS von zugehörigen Eigenvektoren von T und T (also T x n = s n x n, T y n = s n y n ). Dann gilt T = s n x n, x n, T = s n y n, y n T = s n x n, y n, T = s n y n, x n. Falls die Summen unendlich sind, so konvergieren die Reihen in B(H). Beeis. Die Konvergenz der Reihen (für ONS {x n }, {y n }) folgt ieder ähnlich ie in Satz Aus diesem Satz folgt auch die behauptete Darstellung für T, obei ir zunächst s n = s n (T ) setzen. Aus der Definition der singulären Werte ist bereits klar, dass s n (T ) = s n ( T ) und entsprechend für T. Satz 11.7 zeigt jetzt, dass T x = V T x = V s n x n, x x n = s n x n, x y n mit y n = V x n. Da V unitär ist, ist {y n } ein ONS. Für beliebige x, y H gilt x, T y = T x, y = s n x n, x y n, y = s n x, x n y n, y = x, s n y n, y x n. Hieraus folgt die behauptete Darstellung für T (obei nach ie vor s n = s n (T )). Schließlich rechnen ir auf ähnliche Weise aus, dass ( ) T T y = T sn y n, y x n = s m s n y n, y x m, x n y m m,n = s 2 n y n, y y n, da x m, x n = δ mn. In dieser Darstellung stehen aber genau die von Null verschiedenen Eigenerte (siehe Satz 11.6), also ist s n (T ) = s n (T ). Schließlich sehen ir jetzt auch, dass T die behauptete Darstellung hat und dass T y n = s n y n. Korollar T B(H) ist genau dann kompakt, enn es endlich-dimensionale Operatoren T n B(H) gibt mit T n T. Beeis. Wenn T kompakt ist, also T = s n x n, y n, so erhalten ir die gesuchten endlich-dimensionalen approximierenden Operatoren als T N = N s n x n, y n. Die Umkehrung folgt aus Satz 11.2.

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

Kompakte Operatoren in Hilberträumen

Kompakte Operatoren in Hilberträumen Kompakte Operatoren in Hilberträumen 1 Vorbemerkungen Im Folgenden bezeichne H immer einen seperablen Hilbertraum über C Mit B(H 1, H 2 ) bezeichnen wir die Menge aller beschränkten linearen Operatoren

Mehr

Eigenschaften kompakter Operatoren

Eigenschaften kompakter Operatoren Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften

Mehr

Vollständiger Raum, Banachraum

Vollständiger Raum, Banachraum Grundbegriffe beschränkte Menge Cauchyfolge Vollständiger Raum, Banachraum Kriterium für die Vollständigkeit Präkompakte Menge Kompakte Menge Entropiezahl Eigenschaften kompakter und präkompakter Mengen

Mehr

Höhere Funktionalanalysis WS2016/17 Übungsblatt

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,

Mehr

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

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

Mehr

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

Definition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR 0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen

Mehr

i=1 i=1,...,n x K f(x).

i=1 i=1,...,n x K f(x). 2. Normierte Räume und Banachräume Ein normierter Raum ist ein Vektorraum, auf dem wir Längen messen können. Genauer definieren wir: Definition 2.1. Sei X ein Vektorraum über C. Eine Abbildung : X [0,

Mehr

Wiederholung. Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen.

Wiederholung. Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen. Wiederholung Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen. Definition. Sei X eine Menge und d : X X R eine Abbildung mit den Eigenschaften 1.

Mehr

Übungen zur Funktionalanalysis Lösungshinweise Blatt 2

Übungen zur Funktionalanalysis Lösungshinweise Blatt 2 Übungen zur Funktionalanalysis Lösungshinweise Blatt 2 Aufgabe 5. Beweisen Sie: Ein kompakter Hausdorffraum, welcher dem ersten Abzählbarkeitsaxiom genügt, ist folgenkompakt. Lösung. Es sei X ein kompakter

Mehr

Übungen zur Funktionalanalysis Lösungshinweise Blatt 4

Übungen zur Funktionalanalysis Lösungshinweise Blatt 4 Übungen zur Funktionalanalysis Lösungshinweise Blatt 4 Aufgabe 13 Wie üblich sei l 1 = {x : N K x n < } mit Norm x l 1 = x n und l = {x : N K sup n N x n < } mit x l = sup n N x n Für die Unterräume d

Mehr

Konvergenz, Filter und der Satz von Tychonoff

Konvergenz, Filter und der Satz von Tychonoff Abschnitt 4 Konvergenz, Filter und der Satz von Tychonoff In metrischen Räumen kann man topologische Begriffe wie Stetigkeit, Abschluss, Kompaktheit auch mit Hilfe von Konvergenz von Folgen charakterisieren.

Mehr

8.1. DER RAUM R N ALS BANACHRAUM 17

8.1. DER RAUM R N ALS BANACHRAUM 17 8.1. DER RAUM R N ALS BANACHRAUM 17 Beweis. Natürlich ist d 0 und d(x, y) = 0 genau dann, wenn x = y. Wegen (N2) ist x = x und damit d(x, y) = d(y, x). Die letzte Eigenschaft einer Metrik schließt man

Mehr

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus

α + x x 1 F c y + x 1 F (y) c z + x 1 F (z) für alle y, z M. Dies folgt aus 4. Dualräume und schwache Topologien Den Begriff des Dualraums hatten wir bereits in Kapitel 2 definiert. Der Dualraum X eines Banachraums X ist X = B(X, C). X ist mit der Abbildungsnorm F = sup x =1 F

Mehr

Beispiele. Grundlagen. Kompakte Operatoren. Regularisierungsoperatoren

Beispiele. Grundlagen. Kompakte Operatoren. Regularisierungsoperatoren Beispiele Grundlagen Kompakte Operatoren Regularisierungsoperatoren Transportgleichung Dierenzieren ( nx ) (f δ n ) (x) = f (x) + n cos, x [0, 1], δ Regularisierung!! Inverse Wärmeleitung Durc f (f δ n

Mehr

4 Kompakte Operatoren

4 Kompakte Operatoren 4.1 Kompakte Op. auf dem Hilbertraum 57 4 Kompakte Operatoren 4.1 Kompakte Operatoren auf dem Hilbertraum 4.1.1 Folg. (id H kompakt H endlichdim.) Die identische Abbildung eines Prähilbertraumes X ist

Mehr

1 Hilbertraum. 1.1 Denition und einführende Beispiele. Im Folgenden sei K {R, C}.

1 Hilbertraum. 1.1 Denition und einführende Beispiele. Im Folgenden sei K {R, C}. 1 1 Hilbertraum Im Folgenden sei K {R, C}. 1.1 Denition und einführende Beispiele Denition 1.1 (inneres Produkt, Skalarprodukt) Ein inneres Produkt auf einem K-Vektorraum V ist eine positiv denite hermitesche

Mehr

Lösungsvorschlag zur Klausur

Lösungsvorschlag zur Klausur FAKULTÄT FÜ MATHEMATIK Prof. Dr. Patrizio Neff Frank Osterbrink Johannes Lankeit 27.7.23 Lösungsvorschlag zur Klausur Hinweise zur Bearbeitung: - Die Bearbeitungszeit für die Klausur beträgt 8 Minuten.

Mehr

5 Teilmengen von R und von R n

5 Teilmengen von R und von R n 5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung

Mehr

Wie in der reellen Analysis üblich notiert man Folgen f in der Form

Wie in der reellen Analysis üblich notiert man Folgen f in der Form 2.1.3 Folgen und Konvergenz Viele aus der Analysisvorlesung bekannte Begriffe lassen sich in den Bereich der metrischen Räume verallgemeinern. Diese Verallgemeinerung hat sich als sehr nützliches mathematisches

Mehr

L 2 -Theorie und Plancherel-Theorem

L 2 -Theorie und Plancherel-Theorem L -Theorie und Plancherel-Theorem Seminar Grundideen der Harmonischen Analysis bei Porf Dr Michael Struwe HS 007 Vortrag von Manuela Dübendorfer 1 Wiederholung aus der L 1 -Theorie Um die Fourier-Transformation

Mehr

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist. 8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =

Mehr

2.3 Eigenschaften linearer Operatoren

2.3 Eigenschaften linearer Operatoren 2.3. LINEARE OPERATOREN 47 2.3 Eigenschaften linearer Operatoren Es seien V, W normierte Räume. Die Elemente von L(V ; W ) werden oft als lineare Operatoren bezeichnet. Wir hatten gesehen, dass die Stetigkeit

Mehr

Holomorphe Funktionen

Holomorphe Funktionen 1 Kapitel 1 Holomorphe Funktionen 1 Komplexe Differenzierbarkeit Ist z = (z 1,..., z n ) ein Element des C n und z ν = x ν + i y ν, so können wir auch schreiben: z = x + i y, mit x = (x 1,..., x n ) und

Mehr

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von

Mehr

45 Hilberträume. v = 2 <v, v>.

45 Hilberträume. v = 2 <v, v>. 45 Hilberträume Zusammenfassung Unter dem Begriff Hilbertraum werden solche euklidische oder unitäre Vektorräume zusammengefasst, die auch noch vollständig sind. Damit werden die in 41, 42 und in 43, 44

Mehr

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

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

Mehr

Analysis I für Studierende der Ingenieurwissenschaften

Analysis I für Studierende der Ingenieurwissenschaften Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom

Mehr

Lösungsvorschlag zu den Hausaufgaben der 8. Übung

Lösungsvorschlag zu den Hausaufgaben der 8. Übung FAKULTÄT FÜR MATHEMATIK Prof Dr Patrizio Ne Frank Osterbrink Johannes Lankeit 9503 Lösungsvorschlag zu den Hausaufgaben der 8 Übung Hausaufgabe : Beweise den Satz über die Parallelogrammgleichung Sei H

Mehr

FUNKTIONALANALYSIS. Carsten Schütt WS 2006/7

FUNKTIONALANALYSIS. Carsten Schütt WS 2006/7 1. Eine Teilmenge K eines topologischen Raumes heißt folgenkompakt, wenn jede Folge in K eine Teilfolge enthält, die in K konvergiert. Die Menge K heißt abzählbar kompakt, wenn jede unendliche Teilmenge

Mehr

(alternierendes Vorzeichen) a n := ( 1)n n + 1 a n := 3n 2 7n a n := n(n 1)(n 2), n 3

(alternierendes Vorzeichen) a n := ( 1)n n + 1 a n := 3n 2 7n a n := n(n 1)(n 2), n 3 ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 43 2. Folgen und Reihen Folgen und Reihen werden in jedem Analysislehrbuch besprochen, siehe etwa [H, Kapitel III], [K, Kapitel 5], [J2, Kapitel 23] oder [M,

Mehr

Funktionalanalysis II. Carsten Schütt SS 2012

Funktionalanalysis II. Carsten Schütt SS 2012 1. Jeder Filter ist in einem Ultrafilter enthalten. 2. Es sei X ein topologischer Hausdor Raum. X ist genau dann kompakt, wenn jeder Ultrafilter konvergiert. 3. (Skript) (i) {0, 1} [0,1] mit der Produkttopologie

Mehr

Satz Eine Teilmenge U von M ist genau dann offen, wenn jeder Punkt von U innerer Punkt ist. U x, und U ist als Vereinigung offener Mengen offen.

Satz Eine Teilmenge U von M ist genau dann offen, wenn jeder Punkt von U innerer Punkt ist. U x, und U ist als Vereinigung offener Mengen offen. Ergänzungen zu offenen und abgeschlossenen Mengen Definition Ist L Teilmenge eines topologischen Raums M, so heißt x L innerer Punkt von L, wenn es eine offene Umgebung von x gibt, die ganz in L liegt.

Mehr

Vorlesung Lineare Funktionale LINEARE FUNKTIONALE 69

Vorlesung Lineare Funktionale LINEARE FUNKTIONALE 69 13.1. LINEARE FUNKTIONALE 69 Vorlesung 13 13.1 Lineare Funktionale Der Begriff der schwachen Konvergenz wird klarer, wenn man lineare Funktionale betrachtet. Das Skalarprodukt f, g in Hilberträumenkann

Mehr

17. Orthogonalsysteme

17. Orthogonalsysteme 17. Orthogonalsysteme 17.1. Winkel und Orthogonalität Vorbemerkung: Sei V ein Vektorraum mit Skalaprodukt, und zugehöriger Norm, dann gilt nach Cauchy-Schwarz: x, y V \ {0} : x, y x y 1 Definition: (a)

Mehr

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1 24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx

Mehr

a 0, a 1, a 2, a 3,... Dabei stehen die drei Pünktchen für unendlich oft so weiter.

a 0, a 1, a 2, a 3,... Dabei stehen die drei Pünktchen für unendlich oft so weiter. 7 Folgen 30 7 Folgen Wir betrachten nun (unendliche) Folgen von Zahlen a 0, a, a 2, a 3,.... Dabei stehen die drei Pünktchen für unendlich oft so weiter. Bezeichnung Wir bezeichnen mit N die Menge der

Mehr

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 11. d(x, y) := n 0. 2 n d n (x n, y n ),

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 11. d(x, y) := n 0. 2 n d n (x n, y n ), D-MATH Topologie FS 15 Theo Bühler Musterlösung 11 1. a) Da (C n, d n ) kompakt ist, nimmt die stetige Funktion d n : C n C n [0, ), (x, y) d(x, y) ihr Maximum diam C n an. Ersetzen wir d n durch d n =

Mehr

Schauderbasen und das Beispiel der Riesz-Basen auf Hilberträumen

Schauderbasen und das Beispiel der Riesz-Basen auf Hilberträumen Schauderbasen und das Beispiel der Riesz-Basen auf ilberträumen Bernhard Stiftner 0. Dezember 0 Inhaltsverzeichnis Allgemeines zu Schauderbasen Spezielle Schauderbasen auf ilberträumen 8 3 Literatur 8

Mehr

Lösungen der Übungsaufgaben von Kapitel 3

Lösungen der Übungsaufgaben von Kapitel 3 Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen

Mehr

Übungen zu Grundbegriffe der Topologie

Übungen zu Grundbegriffe der Topologie Übungen zu Grundbegriffe der Topologie A. Čap Wintersemester 2018 (1) Wiederholen Sie die Definition des Durchschnittes i I A i einer beliebigen Familie {A i : i I} von Mengen und zeigen Sie, dass für

Mehr

Inhaltsverzeichnis. 6 Topologische Grundlagen. 6.1 Normierte Räume

Inhaltsverzeichnis. 6 Topologische Grundlagen. 6.1 Normierte Räume Inhaltsverzeichnis 6 Topologische Grundlagen 1 6.1 Normierte Räume................................ 1 6.2 Skalarprodukte................................. 2 6.3 Metrische Räume................................

Mehr

Konstruktion der reellen Zahlen

Konstruktion der reellen Zahlen Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert

Mehr

Übungsblatt 2 - Analysis 2, Prof. G. Hemion

Übungsblatt 2 - Analysis 2, Prof. G. Hemion Tutor: Martin Friesen, martin.friesen@gmx.de Übungsblatt 2 - Analysis 2, Prof. G. Hemion Um die hier gestellten Aufgaben zu lösen brauchen wir ein wenig Kentnisse über das Infimum bzw. Supremum einer Menge.

Mehr

8 KAPITEL 1. GRUNDLAGEN

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

Mehr

Tag der Mathematik 2016

Tag der Mathematik 2016 Tag der Mathematik 016 Mathematischer Wettbeerb, Klassenstufe 11 1/13 30. April 016, 9.00 1.00 Uhr Aufgabe 1 Zeigt: Die Funktion f : R R, f(x) x, kann nicht als Summe von zei periodischen Funktionen geschrieben

Mehr

Analysis I. Vorlesung 13. Gleichmäßige Stetigkeit

Analysis I. Vorlesung 13. Gleichmäßige Stetigkeit Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 13 Gleichmäßige Stetigkeit Die Funktion f: R + R +, x 1/x, ist stetig. In jedem Punkt x R + gibt es zu jedem ǫ > 0 ein δ > 0 mit f(u (x,δ))

Mehr

Technische Universität München. Aufgaben Mittwoch SS 2012

Technische Universität München. Aufgaben Mittwoch SS 2012 Technische Universität München Andreas Wörfel Ferienkurs Analysis 2 für Physiker Aufgaben Mittwoch SS 2012 Aufgabe 1 Äquivalente Aussagen für Stetigkeit( ) Beweisen Sie folgenden Satz: Seien X und Y metrische

Mehr

$Id: folgen.tex,v /05/31 12:40:06 hk Exp $ an 1 2 n 1 ist gerade, 3a n 1 + 1, a n 1 ist ungerade.

$Id: folgen.tex,v /05/31 12:40:06 hk Exp $ an 1 2 n 1 ist gerade, 3a n 1 + 1, a n 1 ist ungerade. $Id: folgen.tex,v. 202/05/3 2:40:06 hk Exp $ 6 Folgen Am Ende der letzten Sitzung hatten wir Folgen in einer Menge X als Abbildungen a : N X definiert, die dann typischerweise in der Form (a n ) n N, also

Mehr

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

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

Mehr

Differentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11

Differentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11 Institut für Analysis Prof. Dr. Wolfgang Reichel Dipl.-Math. Anton Verbitsky Aufgabe 1 Differentialgleichungen und Hilberträume Sommersemester 14 Übungsblatt 11 5 Punkte In dieser Aufgabe geht es um die

Mehr

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

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist: Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,

Mehr

11 Logarithmus und allgemeine Potenzen

11 Logarithmus und allgemeine Potenzen Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren

TECHNISCHE UNIVERSITÄT MÜNCHEN. Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. H. Spohn Max Lein Ulrich Mauthner Quantendynamik SoSe 006 en Blatt 8 006.06.6 Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren Aufgabe 1

Mehr

Kapitel 8 - Kompakte Räume

Kapitel 8 - Kompakte Räume Kapitel 8 - Kompakte Räume Ein Vortrag von Philipp Dittrich nach B.v.Querenburg: Mengentheoretische Topologie Inhalt 8.1 Definition Kompaktheit....................... 2 Beispiel - das Intervall (0,1).....................

Mehr

GRUNDLAGEN MATHEMATIK

GRUNDLAGEN MATHEMATIK Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 2. Folgen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen Mathematik

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr

35 Stetige lineare Abbildungen

35 Stetige lineare Abbildungen 171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.

Mehr

Stetigkeit, Konvergenz, Topologie

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

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

Mathematik I. Vorlesung 19. Metrische Räume

Mathematik I. Vorlesung 19. Metrische Räume Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 19 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines Vektors

Mehr

12 Biholomorphe Abbildungen

12 Biholomorphe Abbildungen 12 Biholomorphe Abbildungen 2 Funktionenräume Wir erinnern zunächst an den Weierstraßschen Konvergenzsatz : 2.1 Satz. Sei G C ein Gebiet, (f n ) eine Folge holomorpher Funktionen auf G, die auf G kompakt

Mehr

(c) Ein inneres Produkt (Skalarprodukt) auf H ist eine positiv definite hermitesche Form auf H.

(c) Ein inneres Produkt (Skalarprodukt) auf H ist eine positiv definite hermitesche Form auf H. 11 Hilberträume Sei H ein Vektorraum über K = R oder K = C. Definition 11.1. (a) Eine sesquilineare Form auf H ist eine Abbildung, : H H K so, dass für alle x, x, y, y H und α, β K gilt αx + βx, y = α

Mehr

10 Kriterien für absolute Konvergenz von Reihen

10 Kriterien für absolute Konvergenz von Reihen 10 Kriterien für absolute Konvergenz von Reihen 10.1 Majoranten- und Minorantenkriterium 10.3 Wurzelkriterium 10.4 Quotientenkriterium 10.9 Riemannscher Umordnungssatz 10.10 Äquivalenzen zur absoluten

Mehr

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN 8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es

Mehr

,...) ist eine Folge, deren Glieder der Null beliebig nahe kommen. (iii) Die Folge a n = ( 1) n + 1 n oder (a n) = (0, 3 2, 2 3, 5 4, 4 5

,...) ist eine Folge, deren Glieder der Null beliebig nahe kommen. (iii) Die Folge a n = ( 1) n + 1 n oder (a n) = (0, 3 2, 2 3, 5 4, 4 5 3 Folgen 3.1 Definition und Beispiele Eine Abbildung a : Æ Ê heißt (reelle) Zahlenfolge. Statt a(n) schreiben wir kürzer a n und bezeichnen die ganze Folge mit (a n ) n Æ oder einfach (a n ), was aber

Mehr

Übungsaufgaben zu Analysis 1 Lösungen von Blatt VI vom

Übungsaufgaben zu Analysis 1 Lösungen von Blatt VI vom Prof. Dr. Moritz Kaßmann Fakultät für Mathematik Wintersemester 04/05 Universität Bielefeld Übungsaufgaben zu Analysis Lösungen von Blatt VI vom 0..4 Aufgabe VI. (6 Punkte) Gegeben sind die Folgen (a n)

Mehr

9 Metrische und normierte Räume

9 Metrische und normierte Räume 9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik

Mehr

Hierbei heißt ein komplexes Maß µ regulär, wenn die totale Variation µ regulär ist, also

Hierbei heißt ein komplexes Maß µ regulär, wenn die totale Variation µ regulär ist, also 10. Der Spektralsatz Als Höhepunkt der Vorlesung wollen wir in diesem Kapitel den Spektralsatz für normale Operatoren in verschiedenen Versionen beweisen. Für den Spezialfall endlich-dimensionaler Hilberträume

Mehr

Zusammenfassung Analysis 2

Zusammenfassung Analysis 2 Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge

Mehr

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen

Mehr

7.3 Unitäre Operatoren

7.3 Unitäre Operatoren Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren

Mehr

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

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N

Mehr

4. Folgen. Folge in R 2 mit Grenzwert (1, 1 2 ).

4. Folgen. Folge in R 2 mit Grenzwert (1, 1 2 ). 8 4. Folgen Im Folgenden sei X = K n (oder ein K-Vektorraum) mit der Norm.(Eslangtvöllig,sichden Fall X = R 2 vorzustellen.) Auf R bzw. C verwenden wir als Norm stets den Betrag. 4.. Definition. Eine Folge

Mehr

Lösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version A)

Lösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version A) Lösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, 10.1.009 (Version A) Kennwort: Übungsgruppe: (Sie können ein beliebiges Kennwort wählen, um Ihre Anonymität zu wahren! Da die Probeklausur

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92 Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene

Mehr

30 Metriken und Normen

30 Metriken und Normen 31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für

Mehr

Kapitel 5 KONVERGENZ

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

Mehr

6. Normale Abbildungen

6. Normale Abbildungen SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische

Mehr

4 Messbare Funktionen

4 Messbare Funktionen 4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und

Mehr

4 Funktionenfolgen und normierte Räume

4 Funktionenfolgen und normierte Räume $Id: norm.tex,v 1.9 2011/06/01 15:13:45 hk Exp $ $Id: jordan.tex,v 1.3 2011/06/01 15:30:12 hk Exp hk $ 4 Funktionenfolgen und normierte Räume 4.5 Normierte Räume In der letzten Sitzung hatten wir den Begriff

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

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

Mehr

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über

Mehr

sign: R R, sign(x) := 0 falls x = 0 1 falls x < 0 Diese ist im Punkt x 0 = 0 nicht stetig, denn etwa zu ε = 1 finden wir kein δ > 0

sign: R R, sign(x) := 0 falls x = 0 1 falls x < 0 Diese ist im Punkt x 0 = 0 nicht stetig, denn etwa zu ε = 1 finden wir kein δ > 0 ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 81 3. Stetigkeit 3.1. Stetigkeit. Im Folgenden sei D R eine beliebige nichtleere Teilmenge. Typischerweise wird D ein allgemeines Intervall sein, siehe Abschnitt

Mehr

Ultrametrik. Christian Semrau Metrische Räume

Ultrametrik. Christian Semrau Metrische Räume Ultrametrik Christian Semrau 05.11.2002 Inhaltsverzeichnis 1 Metrische Räume 1 1.1 Definition der Metrik.................................. 1 1.2 Offene und abgeschlossene Mengen..........................

Mehr

1 Gewöhnliche Differentialgleichungen

1 Gewöhnliche Differentialgleichungen $Id: ode.tex,v 1.12 2012/04/24 18:33:45 hk Exp hk $ 1 Geöhnliche Differentialgleichungen 1.3 Die charakteristische Funktion In der letzten Sitzung hatten ir mit der Behandlung der verschiedenen Abhängigkeitssätze

Mehr

Die Topologie von R, C und R n

Die Topologie von R, C und R n Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).

Mehr

Folgen und Reihen. Thomas Blasi

Folgen und Reihen. Thomas Blasi Folgen und Reihen Thomas Blasi 02.03.2009 Inhaltsverzeichnis Folgen und Grenzwerte 2. Definitionen und Bemerkungen............................. 2.2 Konvergenz und Beschränktheit.............................

Mehr

Topologische Grundbegriffe II. Inhaltsverzeichnis

Topologische Grundbegriffe II. Inhaltsverzeichnis Vortrag zum Seminar zur Analysis, 03.05.2010 Dennis Joswig, Florian Goy Aufbauend auf den Resultaten des Vortrages Topologische Grundbegriffe I untersuchen wir weitere topologische Eigenschaften von metrischen

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1). Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)

Mehr

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1. Lösungen Klausur Aufgabe (3 Punkte) Zeigen Sie, dass n k k (n + ) n k für alle n N. IA: Für n ist k kk 2 2. IV: Es gilt n k kk (n + ) n für ein n N. IS: Wir haben n+ k k k n k k + (n + ) n+ k IV (n + )

Mehr

11.2 Orthogonalität. Wintersemester 2013/2014

11.2 Orthogonalität. Wintersemester 2013/2014 Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 2013/2014 Markus Scheighofer Lineare Algebra I 11.2 Orthogonalität Definition 11.2.1. Seien V ein K-Vektorraum mit Skalarprodukt

Mehr

D-MATH Funktionalanalysis II FS 2014 Prof. M. Struwe. Lösung 2

D-MATH Funktionalanalysis II FS 2014 Prof. M. Struwe. Lösung 2 D-MATH Funktionalanalysis FS 214 Prof. M. Struwe Lösung 2 1. a) Wir unterscheiden zwei Fälle. Fall 1: 1 < p < : Seien u L p () und (u k ) W 1,p () eine beschränkte Folge, so dass u k u in L p () für k.

Mehr

Analysis I. Guofang Wang Universität Freiburg

Analysis I. Guofang Wang Universität Freiburg Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum

Mehr

( ) ( ) < b k, 1 k n} (2) < x k

( ) ( ) < b k, 1 k n} (2) < x k Technische Universität Dortmund Fakultät für Mathematik Proseminar Analysis Prof. Dr. Röger Benjamin Czyszczon Satz von Heine Borel Gliederung 1. Zellen und offene Überdeckungen 2. Satz von Heine Borel

Mehr

2.7. TEILMENGEN VON R 51

2.7. TEILMENGEN VON R 51 2.7. TEILMENGEN VON R 51 für M. Denn zu x M, x > K, gibt es ein b Q mit b (K, x), insbesondere b > K. Dann ist aber K nicht die reelle Zahl, die dem Dedekindschen Schnitt der Mengen A, B entspricht. Ist

Mehr

12. Trennungssätze für konvexe Mengen 83

12. Trennungssätze für konvexe Mengen 83 12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C

Mehr