72 Orthonormalbasen und Konvergenz im quadratischen Mittel
|
|
- Manuela Gerstle
- vor 6 Jahren
- Abrufe
Transkript
1 72 Orthonormalbasen und Konvergenz im quadratischen Mittel Orthonormalbasen und Konvergenz im quadratischen Mittel Wir untersuchen nun die Konvergenz von Fourier-Reihen im quadratischen Mittel in Verbindung mit den zugrunde liegenden elementaren Resultaten über Hilberträume. Letztere sind auch für die mathematischen Grundlagen der Quantenmechanik wichtig (vgl. HM 4). Endlichdimensionale Hilberträume wurden bereits in Abschnitt 5 untersucht, lineare Operatoren auf solchen Räumen in Abschnitt Räume quadratintegrierbarer Funktionen. a) Für eine meßbare Menge A M(R n ) sei L 2 (A) := {f M(A,C) A f(x) 2 dx < } () der Raum der quadratintegrierbaren Funktionen auf A. b) Wegen 2 fg(x) f(x) 2 + g(x) 2 wird durch f,g := Af(x)g(x)dx (2) ein Halbskalarprodukt auf L 2 (A) definiert mit f,f = 0 f(x) = 0 fast überall. (3) c) Analog zu 56.5 erhält man durch Identifikation fast überall gleicher Funktionen den Raum L 2 (A) := L 2(A) / N(A), (4) auf dem (2) ein Skalarprodukt definiert. d) Im Zusammenhang mit Fourier-Reihen verwendet man auf L 2 [ π,π] an Stelle von (2) meist das Skalarprodukt f,g := π f(x)g(x)dx. (5) 72.2 Hilberträume. a) Es sei, ein Skalarprodukt auf einem Vektorraum E. Für x,y E gilt dann die binomische Formel x+y,x+y = x,x +2Re x,y + y,y. (6) b) Weiter hat man die Schwarzsche Ungleichung x,y 2 x,x y,y, x,y E. (7) c) Durch x := x,x (8) wird eine Norm auf E definiert. Ist E unter dieser Norm vollständig, so heißt E ein Hilbertraum. d) Die Räume L 2 (A) und L 2 (A) sind vollständig; L 2 (A) ist ein Hilbertraum.
2 302 XI. Fourier - Analysis 72.3 Orthonormalsysteme. Es sei E ein Hilbertraum und Z eine Indexmenge. a) Eine Menge von Vektoren {v k } E heißt Orthonormalsystem (ONS), falls v k,v l = δ kl für k,l Z gilt. b) Nach (7.5) sind die Funktionen {e ikx } ein ONS in L 2 [ π,π]. Die Skalarprodukte f,e ikx = f(k) = π f(x)e ikx dx (9) sind gerade die Fourier-Koeffizienten von f L 2 [ π,π]; daher werden auch für ein allgemeines ONS {v k } in E die Zahlen x(k) := x,v k Fourier-Koeffizienten von x E bezüglich {v k } genannt. c) Für ein endliches ONS {v k } in E und ξ k K gilt der Satz des Pythagoras ξ k v k 2 = ξ k 2. (0) Insbesondere ist ein ONS {v k } linear unabhängig. d) Für Vektoren x E ergibt sich aus (6) und (0) x x(k)v k 2 = x 2 Aus () ergibt sich sofort die x(k) 2. () 72.4 Satz (Besselsche Ungleichung). Es seien Z eine Indexmenge und {v k } ein ONS in E. Für jede endliche Teilmenge Z Z gilt dann x(k) 2 x 2, x E. (2) Wir untersuchen nun, motiviert durch konkrete Fourier-Reihen, durch Z indizierte abzählbare ONSe; statt dessen kann man auch andere abzählbare Indexmengen, insbesondere N oder N 0 betrachten Orthogonale Summen. Es sei {v k } ein ONS in einem Hilbertraum E. Für Zahlen ξ k K mit ξ k 2 < ist dann die aus paarweise orthogonalen Summanden bestehende Reihe ξ k v k in E konvergent; in der Tat bilden die Partialsummen eine Cauchy-Folge wegen n k m ξ k v k 2 = n k m ξ k 2. Wie bei absolut konvergenten skalaren Reihen (vgl. Theorem 28.7) ist hier die Konvergenz unbedingt, d. h. alle Umordnungen der Reihe konvergieren gegen die gleiche Summe. Eine solche orthogonale Summe ist daher über beliebige abzählbare Indexmengen definiert Theorem. Für ein ONS {v k } in einem Hilbertraum E sind äquivalent: (a) Für alle x E gilt die Fourier-Entwicklung x = x(k)v k = x,v k v k. (3)
3 72 Orthonormalbasen und Konvergenz im quadratischen Mittel 303 (b) Für alle x E gilt die Parsevalsche Gleichung x 2 = (c) Der Raum [v k ] ist dicht in E. x(k) 2. (4) (d) Das ONS {v k } ist maximal, d.h. es gilt {v k } = {0}. Beweis. (a) (b) folgt sofort aus (), (a) (c) ist klar. (c) (d) : Für x {v k} gilt x,v = 0 für alle v [v k] und somit x = 0. (d) (a) :Fürx E setzenwirx := x(k)v k E. Dannist x x,v k = 0 für alle k Z und somit x x = Orthonormalbasen. Ein ONS {v k } in einem Hilbertraum E heißt Orthonormalbasis (ONB) von E, falls die Aussagen (a)-(d) aus Theorem 72.6 gelten Separable Räume. Essei E einnormierter Raum.EineMengeM E heißt separabel, wenn es eine in M dichte abzählbare Menge {x,x 2,x 3,...} gibt. TeilmengenseparablerRäumesindwiederseparabel(vgl.[K2],Satz4.0).DieRäumeL (A) und L 2 (A) sind für alle meßbaren Mengen A M(R n ) separabel (vgl. [K3], Satz 0.5) Satz. Ein Hilbertraum E ist genau dann separabel, wenn er eine abzählbare ONB besitzt. Beweis. : Es sei {x,x 2,x 3,...} eine in E dichte abzählbare Menge. Durch Weglassen geeigneter Vektoren erhält man eine Folge linear unabhängiger Vektoren, deren lineare Hülle in E dicht ist und daraus durch Gram-Schmidt-Orthonormalisierung (vgl. 5.0) eine ONB von E. : Für eine ONB {v k} von E ist die Menge { n ξ k v k n N, ξ k Q+iQ} k= n abzählbar und dicht in E. Nicht separable Hilberträume besitzen überabzählbare Orthonormalbasen. Allerdings sind alle in der Quantenmechanik auftretenden Hilberträume separabel, und dies gilt auch für die allermeisten in der Analysis vorkommenden Hilberträume. Nun können wir ähnlich wie in 5.9 orthogonale Projektionen auf beliebige abgeschlossene Unterräume konstruieren: 72.0 Theorem. Es seien E ein separabler Hilbertraum und F E ein abgeschlossener Unterraum. a) Zu x E gibt es genau einen Vektor Px F mit der Eigenschaft x Px F. Mit einer ONB {v k } von F ist diese gegeben durch Px := P F x := x(k)v k = x,v k v k, x E. (5)
4 304 XI. Fourier - Analysis b) Unter allen Vektoren y F wird der Abstand x y genau für y = Px minimal. Insbesondere gilt x Px = d F (x) x y für alle y F. (6) c) Die orthogonale Projektion P : E F, P(x) := Px, ist linear mit P = und P(x) = x für x F. Für x,y E gilt Px,y = Px,Py = x,py. (7) Man hat R(P) = F und N(P) = F sowie die direkte Zerlegung E = F F. (8) Beweis. a)nachsatz72.9besitzt F eineonb,undnach72.5istdiesummein(5) erklärt. Nun rechnet man x P F x,v l = 0 für l Z einfach nach. Ist auch y F mit x y F, so folgt P F x y F und auch P F x y = (P F x x)+(x y) F, also P F x y = 0. b) Für x E und y F gilt auch z := y P F x F. Mit dem Satz des Pythagoras folgt x y 2 = x P F x z 2 = x P F x 2 + z 2, (9) und dies ist genau für z 2 = 0 minimal. c) Offenbar ist P F : E F linear. Mit y = 0 in (9) ist z = P F x, und man erhält P F x x für alle x E. Wegen (5) gilt P F (x) = x für x F und P F x = 0 für x F. Formel (7) folgt aus Px,y Py = x Px,Py = 0, und (8) ergibt sich aus x = Px+(I P)x. Nun kommen wir auf konkrete Fourier-Reihen zurück: 72. Theorem. Die Funktionen {e ikx } bilden eine Orthonormalbasis des Hilbertraums L 2 [ π,π]. Für f L 2 [ π,π] konvergiert also die Fourier-Reihe im quadratischen Mittel gegen f, d.h. es gilt f n k= n f(k)e ikx 2 0 für n. (20) Man hat die Parsevalsche Gleichung f(k) 2 = f 2 2 = und für f,g L 2 [ π,π] gilt π f(x) 2 dx, (2) f(k)ĝ(k) = f,g = π f(x)g(x)dx. (22) Beweis. Die Dichtheit von [e ikx ] folgt aus dem Satz von Fejér 7.7a) und der Dichtheit von C (R) in L 2 [ π,π]. Formel (22) ergibt sich aus (2) mittels der Polarformel 4 f,g = f +g 2 f g 2 +i f +ig 2 i f ig 2. (23)
5 72 Orthonormalbasen und Konvergenz im quadratischen Mittel Beispiele und Bemerkungen. a) Mit den Koeffizienten a k, b k der reellen Fourier-Entwicklung von f L 2 [ π,π] (vgl. (7.) (7.4)) gilt die Parsevalsche Gleichung in der Form a a k 2 + b k 2 = π π f(x) 2 dx. (24) b) Aus der Entwicklung π x = 2 die Eulersche Formel k 2 = π 0 sinkx k 72.3 Satz. Für f C (R) Cst (R) gilt für 0 < x < (vgl. (7.25)) ergibt sich ( ) π x 2 dx = 2 6. (25) f(k) < ; (26) insbesondere konvergiert die Fourier-Reihe von f gleichmäßig gegen f. Beweis. Partielle Integration liefert f(k) = ik f (k), (27) da sich die ausintegrierten Terme wegen der Periodizität wegheben. Aus der Schwarzschen Ungleichung im R 2n und der Besselschen Ungleichung folgt weiter n k = f(k) = n f n k (k) ( k = k = ) / 2 n ( k 2 k = f (k) 2 ) / 2 π 3 f Satz. Für f L 2 [ π,π] konvergiert die Fourier-Reihe auch in der L -Norm gegen f. Für π a < b π gilt b a f(x)dx = f(k) b a eikx dx. (28) Beweis. Für Funktionen h L 2 [ π,π] gilt nach der Schwarzschen Ungleichung b a h(x) dx π h(x) dx ( π h(x) 2 dx) / 2. (29) 72.5 Beispiel. a) Ersetzt man x durch x in (7.25)), so erhält man B (x) := x 2 = π Wegen Satz 72.4 ist f(x) := sin 2kπx k, 0 < x <. (30) cos 2kπx k 2 (0,), und es folgt f(x) = x 2 x+c. Wegen muß c = 6 0 f(x)dx = sein, und es folgt B 2 (x) := x 2 x+ 6 = k 2 0 cos2kπxdx = 0 eine Stammfunktion von 2x auf cos 2kπx k 2, 0 < x <. (3)
6 306 XI. Fourier - Analysis Da beide Seiten von (3) auf R stetige Funktionen definieren, gilt (3) sogar für x [0,]. Mit x = 0 erhält man wieder (25), und x = 2 liefert ( ) k+ k 2 = = π2 2. (32) b) Durchweitere Integrationvon (3)kannmanauch diesummen m N berechnen, vgl. dazu auch (74.9). k m fürgerade Eine Anwendung der Parsevalschen Gleichung und der Flächenformel (6.7) ist die Lösung des isoperimetrischen Problems nach A. Hurwitz: 72.6 Satz. Für Gebiete G G st (R 2 ) mitstückweiseglattem Rand in der Ebene ist λ(g) 4π L( G)2, (33) und Gleichheit gilt nur für Kreise. Beweis. Man kann annehmen, daß G nur aus einer Kurve besteht und daß L( G) = gilt; dann ist λ(g) π zu zeigen. Für die ausgezeichnete Parametrisierung γ = x+iy C st ([0,],C) von G gilt γ (0) = 0 sowie γ (s) = für s [0, ]. Aus der Flächenformel (6.7), der Parsevalschen Gleichung (22) und Formel (27) ergibt sich λ(g) = 2 0 (x(s)y (s) y(s)x (s))ds = Im 2 0 γ (s)γ(s)ds = π Im γ (k) γ(k) = π k γ(k) 2 π = π. k 2 γ(k) 2 = π γ (k) 2 = 2 0 γ (s) 2 ds Dabei hat man nur dann Gleichheit, wenn γ(k) = 0 für alle k Z\{0,} ist, und dann parametrisiert γ(s) = γ(0)+ γ()e is eine Kreislinie.
= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
Mehr10 Hilberträume. (b) λx,y = λ x,y für x,y X, λ K. (c) x, y = y, x für x, y X (Komplexe Konjugation nur im Falle K = C)
10 Hilberträume 10.1. Definition. Sei X ein Vektorraum über K. Eine Abbildung, : X X K heißt Skalarprodukt, falls (a) x 1 + x,y = x 1,y + x,y für x 1,x,y X (b) λx,y = λ x,y für x,y X, λ K (c) x, y = y,
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
MehrSkalarprodukt, Norm & Metrik
Skalarprodukt, Norm & Metrik Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 11. Mai 2016 Stefan Ruzika 5: Skalarprodukt, Norm & Metrik 11. Mai 2016 1 / 13 Gliederung 1
MehrSatz 2.3. Jeder lineare normierte Raum wird durch Einführung einer Metrik
Kapitel Lineare normierte Räume.1 Allgemeiner Überblick Definition.1. Eine Menge X, in der über einem Zahlenkörper K (K = R oder K = C) die Addition und λ-multiplikation mit den üblichen Verbindungsaxiomen
Mehr30 Metriken und Normen
31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
Mehr9. Übung zur Linearen Algebra II -
9. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 33 (i) Beweise oder widerlege: In einem euklidischen VR gilt x + y = x + y x y (Satz von Pythagoras).
MehrKonvergenz im quadratischen Mittel und Parsevalsche Gleichung
Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
MehrDie komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.
Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines
Mehrr i w i (siehe (3.7)). r i v, w i = 0.
Orthogonales Komplement und Orthogonalprojektion Wir betrachten weiterhin einen euklidischen Vektorraum V,,. (6.13) Def.: Ist M V, so heißt das orthogonale Komplement von M. (6.14) Fakt. (i) M ist Untervektorraum
MehrVon Skalarprodukten induzierte Normen
Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus
Mehrcos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
MehrLösungen zu Übungsblatt 9
Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da
Mehrϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).
1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ
Mehrist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).
Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)
MehrKlausur zur Höheren Mathematik IV
Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene
MehrLineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß
Lineare Algebra I - 26. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Donnerstag 8.12.: 8:30 Uhr - Vorlesung 10:15 Uhr - große Übung / Fragestunde Klausur: Mittwoch, 14.12. 14:15 Uhr, A3 001 Cauchy-Schwarz
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
Mehr3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153
3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
MehrLineare 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.
Mehr5 Potenzreihenansatz und spezielle Funktionen
5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
MehrTeil III. Fourieranalysis
Teil III Fourieranalysis 3 / 3 Fourierreihen Ziel: Zerlegung einer gegebenen Funktion in Schwingungen Konkret: f : (, L) R gegebene Funktion Gesucht: Darstellung der Form ( f (x) = a + a n cos ( n L x)
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
Mehr9 Vektorräume mit Skalarprodukt
9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
MehrModellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben.
Modellfall Anwendungen: Fragen: Digitalisierung / digitale Darstellung von Funktionen, insbesondere für Ton- und Bilddaten Digitale Frequenzfilter Datenkompression: Abspeichern der unteren Frequenzen Lösung
MehrLösungsvorschlag 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
MehrAufgaben zu Kapitel 20
Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v
MehrMathematik 2, SS 2015 Prof. F. Brock Zusammenfassung. Permutationen, Inversionen. Explizite Formel für die Determinante einer n n-
I. Lineare Algebra Mathematik 2, SS 2015 Prof. F. Brock Zusammenfassung 1. Determinanten (siehe Fischer/Kaul I, S.329-339) Matrix. Determinanten von 2 2- und 3 3-Matrizen. Alternierende Multilinearformen
MehrSkalarprodukt. Das gewöhnliche Skalarprodukt ist für reelle n-tupel folgendermaßen erklärt: Sind. und v := reelle n-tupel, dann ist
Orthogonalität p. 1 Skalarprodukt Das gewöhnliche Skalarprodukt ist für reelle n-tupel folgendermaßen erklärt: Sind u := u 1 u 2. u n reelle n-tupel, dann ist und v := v 1 v 2. v n u v := u 1 v 1 + u 2
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
Mehr2. 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
MehrKapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen
Kapitel 7 Funktionentheorie In diesem Kapitel geht es meistens um Funktionen, die auf einem Gebiet G C definiert sind und komplexe Werte annehmen. Nach Lust, Laune und Bedarf wird C mit R identifiziert,
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
MehrKlausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
Mehr2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n)
2 Folgen und Reihen 2.1 Folgen in C 2.1.1 Konvergenz von Folgen Eine Folge komplexer Zahlen ist eine Funktion f : N C. Mit a n schreibt man (a n ) n=1, (a n ) oder auch a 1, a 2,.... := f(n) (a n ) heißt
Mehr2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.
Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum
MehrLineare Algebra und analytische Geometrie II
Prof Dr H Brenner Osnabrück SS 26 Lineare Algebra und analytische Geometrie II Vorlesung 2 Orthogonalität Mit dem Skalarprodukt kann man die Eigenschaft zweier Vektoren, aufeinander senkrecht zu stehen,
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
Mehr5 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
MehrLösungsvorschlag zur Übungsklausur zur Analysis I
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden
Mehr10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit
10 Aus der Analysis Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit Zahlenfolgen Ein unendliche Folge reeller Zahlen heißt Zahlenfolge. Im Beispiel 2, 3, 2, 2 2, 2
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
Mehr= 3 e e x 1 + 2x 2. + x 2. = x. x 1 = 5 x 2 = 2
Lösungsvorschläge zu Blatt 7: ) x ( ) 3 3 e + e ( ) ( ) ( )! x x + x + x x + x x x Wir haben hier also zwei verschiedene Darstellungen für einen Vektor, da zwei verschiedene Basen verwendet werden. b b
MehrKapitel 5. Die trigonometrischen Funktionen Die komplexen Zahlen Folgen und Reihen in C
Kapitel 5. Die trigonometrischen Funktionen 5.1. Die komplexen Zahlen 5.. Folgen und Reihen in C 5.10. Definition. Eine Folge (c n n N komplexer Zahlen heißt konvergent gegen c C, falls zu jedem ε > 0
Mehr35 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.
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 3.2 Konvergenzkriterien
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Auf dem R n gibt es sehr viele verschiedene Normen, allerdings hängen sehr viele wichtige Begriffe wie die Konvergenz
MehrMusterlösungen zur Linearen Algebra II Weihnachtszettel
Musterlösungen zur Linearen Algebra II Weihnachtszettel Aufgabe. Welche der folgenden Matrizen 3 0 0 A = 0 4, B = 3, C = 0 0 0 6 0 0 0 sind über R und welche über C diagonalisierbar? Bestimmen Sie dazu
Mehr10.2. SELBSTADJUNGIERTE OPERATOREN 67
10.2. SELBSTADJUNGIERTE OPERATOREN 67 10. Spektralsatz 10.1. Spektrum. Sei K entweder R oder C. Definition 10.1.1. Sei X ein Banachraum und T L(X,X) L(X). (i) Die Menge ρ(t) K aller rellen oder komplexen
Mehr3.6 Approximationstheorie
3.6 Approximationstheorie Bisher haben wir uns im Wesentlichen mit der Interpolation beschäftigt. Die Approximation ist weiter gefasst: wir suchen eine einfache Funktion p P (dabei ist der Funktionenraum
MehrLösungsvorschläge zum 14. Übungsblatt.
Übung zur Analysis III WS / Lösungsvorschläge zum 4. Übungsblatt. Aufgabe 54 Sei a R\{}. Ziel ist die Berechnung des Reihenwertes k a + k. Definiere dazu f : [ π, π] R, x coshax. Wir entwickeln f in eine
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013
Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrLineare Algebra 2 (SS 13) Blatt 13: Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra 2 (SS ) Blatt : Musterlösung Aufgabe. Es sei C (R) der R-Vektorraum der unendlich oft differenzierbaren Funktionen auf R und : C (R) C (R), f f die Abbildung,
Mehr3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten
Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C
MehrKlausurenkurs zum Staatsexamen (SS 2015): Differential und Integralrechnung 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem
MehrDie komplexe Exponentialfunktion und die Winkelfunktionen
Die komplexe Exponentialfunktion und die Winkelfunktionen In dieser Zusammenfassung werden die für uns wichtigsten Eigenschaften der komplexen und reellen Exponentialfunktion sowie der Winkelfunktionen
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
MehrZusammenfassung der Lebesgue-Integrationstheorie
Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,
Mehr11.2 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
MehrANALYSIS I FÜR TPH WS 2016/17 3. Übung Übersicht
ANALYSIS I FÜR TPH WS 206/7 3. Übung Übersicht Aufgaben zu Kapitel 5 und 6 Aufgabe : Untersuchung von Reihen mittels Konvergenzkriterien Aufgabe 2: Konvergenz und Berechnung von Reihen I Aufgabe 3: ( )
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
MehrVorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)
1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
Mehralso ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges
11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir
Mehr4 Messbare Funktionen
4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
MehrSerie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015
Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum
MehrÜbungsblatt 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.
Mehr44 Orthogonale Matrizen
44 Orthogonale Matrizen 44.1 Motivation Im euklidischen Raum IR n haben wir gesehen, dass Orthonormalbasen zu besonders einfachen und schönen Beschreibungen führen. Wir wollen das Konzept der Orthonormalität
Mehrx k = s k=1 y k = y konvergent. Dann folgt (cx k ) = cx für c K. Partialsummenfolge konvergiert
4 Reihen Im Folgenden sei K R oder K C. 4. Definition. Es sei (x k ) Folge in K. Wir schreiben x k s und sagen, die Reihe x k konvergiere, falls die sogenannte Partialsummen-Folge s n x k n, 2,... in K
MehrFolgen und Reihen von Funktionen
Folgen und Reihen von Funktionen Sehr häufig treten in der Mathematik Folgen bzw. Reihen von Funktionen auf. Ist etwa (f n ) eine Folge von Funktionen, dann können wir uns für ein festes x fragen, ob die
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Probeklausur Mathematik 4 für Physiker (Analysis 3) I... Hinweise: II...
................ Note I II Name Vorname Matrikelnummer tudiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNICHE UNIVEITÄT MÜNCHEN Fakultät für Mathematik
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
Mehr5.6 Potential eines Gradientenfelds.
die Zirkulation des Feldes v längs aufintegriert. 5.6 Potential eines Gradientenfelds. Die Ableitung einer skalaren Funktion ist der Gradient, ein Vektor bzw. vektorwertige Funktion (Vektorfeld). Wir untersuchen
MehrLebesgue-Integral und L p -Räume
Lebesgue-Integral und L p -Räume Seminar Integraltransformationen, WS 2012/13 1 Treppenfunktionen Grundlage jedes Integralbegriffs ist das geometrisch definierte Integral von Treppenfunktionen. Für A R
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
Mehr27 Taylor-Formel und Taylor-Entwicklungen
136 IV. Unendliche Reihen und Taylor-Formel 27 Taylor-Formel und Taylor-Entwicklungen Lernziele: Konzepte: klein o - und groß O -Bedingungen Resultate: Taylor-Formel Kompetenzen: Bestimmung von Taylor-Reihen
MehrTutorium 7. Definition. Sei V ein C-Vektorraum. Eine Abbildung, : V V C heißt komplexes Skalarprodukt : det F k > 0 mit F k := (f i,j ) C k k
Skalarprodukte Tutorium 7 Bemerkung. Für jeden komplexen Vektorraum V mit dim V und jede komplexe Bilinearform P auf V findet man einen Vektor v mit P (v, v) =. Es gibt also keine positiv definite Bilinearformen
MehrThema 3 Folgen, Grenzwerte
Thema 3 Folgen, Grenzwerte Definition Eine Folge von reellen Zahlen ist eine Abbildung von N in R d.h. jedem n N ist eine Zahl a n zugeordnet. Wir schreiben für eine solche Folge. Beispiele. (a n ) n N
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
MehrPRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF.
Zuname: Vorname: Matrikelnummer: PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF. (GITTENBERGER) Wien, am 5. Februar 2013 (Ab hier freilassen!) Arbeitszeit: 100 Minuten 1) 2) 3) 4) 5) 1)(8
MehrHöhere Mathematik I/II
Markus Stroppel Höhere Mathematik I/II Z. Zusätze. Z.. Skalarprodukte in Funktionenräumen. Wir wollen an einigen Beispielen zeigen, dass es nützlich sein kann, Skalarprodukte auch in ganz allgemeinen (reellen)
MehrMathematik 1 für Informatiker und Wirtschaftsinformatiker Wintersemester 07/08 (Winkler) Musterprüfung mit Lösungen
Mathematik für Informatiker und Wirtschaftsinformatiker Wintersemester 07/08 (Winkler Musterprüfung mit Lösungen. Sei T N. (a Unter welchen beiden Voraussetzungen an T garantiert das Induktionsaxiom (nach
Mehr1 Übungen zu Mengen. Aufgaben zum Vorkurs B S. 1. Aufgabe 1: Geben Sie folgende Mengen durch Aufzählen ihrer Elemente an:
Aufgaben zum Vorkurs B S. 1 1 Übungen zu Mengen Geben Sie folgende Mengen durch Aufzählen ihrer Elemente an: A = {x N 0 < x < 4, 8} B = {t N t ist Teiler von 4} C = {z Z z ist positiv, durch 3 teilbar
Mehr