Extremalpunkte und der Satz von Krein-Milman. 1 Lokalkonvexe topologische Vektorräume
|
|
- Erna Salzmann
- vor 6 Jahren
- Abrufe
Transkript
1 Extremalpunkte und der Satz von Krein-Milman Seminar zu ausgewählten Kapiteln der Banachraumtheorie Vortrag von Michael Hoffmann 1 Lokalkonvexe topologische Vektorräume Im folgenden betrachten wir stets Vektorräume über einem Körper K, wobei K entweder R oder C ist. Definition 1.1. Sei X ein K-Vektorraum und P = {p i i I} eine Menge von Halbnormen auf X. Weiterhin sei T P die Topologie auf X, die von den Umgebungsbasen U(x 0 ) = {x 0 + U F,ε F P endlich, ε > 0} für x 0 X und U F,ε = {x X p(x) ε für alle p F } erzeugt wird. (X, T P ) heißt dann lokalkonvexer topologischer Vektorraum. Beispiele Normierte Vektorräume.. Fréchet Räume und induktive Limiten von Fréchet Räumen. (a) Räume differenzierbarer Funktionen C k (Ω), C (Ω) (b) Testfunktionen D(Ω) (c) Schwartzraum S(R d ) 3. Lokalkonvexe Topologie induziert durch ein duales Paar. (a) Schwache Topologie (b) Schwach -Topologie Der Satz von Krein-Milman ist eine Aussage über kompakte konvexe Mengen in lokalkonvexen Hausdorffräumen. Daher ist es sinnvoll diese Eigenschaft genauer zu charakterisieren. Lemma 1.3. Sei (X, T P ) ein lokalkonvexer Raum. Dann sind äquivalent: 1. (X, T P ) ist Hausdorffraum.. Zu x 0 existiert ein p P mit p(x) Es gibt eine Nullumgebungsbasis U 0 mit U U 0 U = {0}. Ebenso kann Stetigkeit näher charakterisiert werden. Satz 1.4. Seien (X, T P ) und (Y, T Q ) lokalkonvexe Räume und T : X Y linear. Dann sind äquivalent: 1. T ist stetig.
2 . T ist stetig bei Ist q eine stetige Halbnorm auf Y, so ist q T eine stetige Halbnorm auf X. 4. Für alle q Q existieren ein endliches F P und M 0 mit q(t x) M max p(x) x X. p F Beweis. Siehe Werner (007) Satz VIII..3. Der Dualraum wird wie für normierte Vektorräume definiert. Definition 1.5. Dualraum Sei (X, T P ) ein lokalkonvexer Raum über K. Dann bezeichnet X = (X P ) den Raum der stetigen linearen Funktionale von X nach K. Der Dualraum kann beispielsweise durch punktweise Konvergenz lokalkonvex topologisiert werden. Es gibt auch Hahn-Banach Theoreme für lokalkonvexe Räume. Theorem 1.6. Fortsetzungssatz von Hahn-Banach Sei X lokalkonvexer Raum und U X ein Untervektorraum, sowie l U. Dann existiert eine Fortsetzung L von l mit L X. Beweis. Siehe Werner (007) Satz VIII..8. Theorem 1.7. Trennungssatz von Hahn-Banach Sei X ein lokalkonvexer Raum, V X sei abgeschlossen und konvex, und es sei x / V. Dann existieren ein x X und ε > 0 mit R(x (x)) < R(x (x)) + ε R(x (v)) v V, wobei R(z) den Realteil einer komplexen Zahl z C bezeichnet. Beweis. Siehe Werner (007) Theorem VIII..1. Korollar 1.8. Der Dualraum X eines lokalkonvexen Hausdorffraums X ist punktetrennend, d.h. zu x y X existiert ein x X mit x (x) x (y). Konvexitätsbegriffe und Extremalpunkte Definition.1. Sei X ein Vektorraum über K. 1. Eine Menge K X heißt konvex, wenn für alle x, y K und λ (0, 1) auch λx + (1 λ)y K gilt.. Für eine Teilmenge U X bezeichnet co(u) die kleinste konvexe Menge in X, welche U enthält. 3. Sei X versehen mit einer lokalkonvexen Topologie. co(u) sei die kleinste abgeschlossene und konvexe Menge in X, welche U enthält.
3 4. Eine Menge K X heißt kreisförmig, falls {λ : λ 1} K K. 5. Eine Menge K X heißt absolutkonvex, falls K konvex und kreisförmig ist. 6. Eine Teilmenge F K einer konvexen Menge K X heißt Seite (oder auch Extremalmenge) von K, falls F konvex ist und gilt. x 1, x K, λ (0, 1), λx 1 + (1 λ)x F = x 1, x F 7. Ein Element x K einer konvexen Menge K X heiße Extremalpunkt genau dann, wenn {x} eine Seite von K ist, d.h., wenn x 1, x K, λ (0, 1), λx 1 + (1 λ)x = x = x 1 = x = x gilt. ex(k) bezeichnet die Menge der Extremalpunkte von K. 8. Eine konvexe Menge K X heißt strikt konvex, wenn jeder Randpunkt Extremalpunkt ist. Ein normierter Raum heißt strikt konvex, wenn seine abgeschlossene Einheitskugel strikt konvex ist. 9. Sei eine Norm auf X. Dann heißt X gleichmäßig konvex bezüglich, falls ε > 0 : δ > 0 : x, y X : x = y = 1 und x y ε : x + y 1 δ gilt. Der Konvexitätsmodul eines gleichmäßig konvex normierten Raums X ist die auf (0, ] definierte Funktion { δ X (ε) = inf 1 x + y } x = y = 1 und x y = ε { = inf 1 x + y } x 1, y 1 und x y ε. Bemerkung.. Die Extremalpunkte einer konvexen Menge K sind genau diejenigen Punkte welche nicht Mittelpunkt einer (nicht ausgearteten) Strecke in K sind. Wie das Beispiel des R versehen mit der max-norm und der euklidischen Norm zeigt, hängt die Eigenschaft der gleichmäßigen Konvexität in der Tat von der Norm ab. Der Konvexitätsmodul eines gleichmäßig konvex normierten Raums X ist monoton steigend. Lemma.3. Ist K konvex, F K eine Seite in K und G F eine Seite in F, so ist G eine Seite in K. Außerdem gilt ex(f ) = (ex(k)) F. Lemma.4.
4 1. Ein K X ist genau dann absolutkonvex, wenn x, y K, λ, η K mit λ + η 1 = λx + ηy K gilt.. Jeder gleichmäßig konvexe Raum ist strikt konvex. 3. Für eine Teilmenge U eines K-Vektorraums X gilt { n co(u) = λ i x i n N, 0 λ i R, x i U und i=1 } n λ i = 1. i=1 4. Für eine Teilmenge U eines lokalkonvexen Raums X ist co(u) stets der Abschluß von co(u). Satz.5. Milman-Pettis Jeder gleichmäßig konvexe Raum ist reflexiv. Beweis. Siehe Werner (007) Satz IV.7.1. Lemma.6. Sei 1 < p <. Dann gibt es zu jedem ε > 0 eine Zahl 0 < τ p (ε) < 1 mit der Eigenschaft, dass w + z p (1 τ p (ε)) w p + z p für alle w, z C mit w, z 1 und w z ε gilt. Satz.7. Sei (Ω, A, µ) ein Maßraum und 1 < p <. Dann ist der Raum L p (µ) = L p (Ω, A, µ), versehen mit der üblichen L p -Norm, gleichmäßig konvex. Bemerkung.8. Für einen Maßraum (Ω, A, µ) sind die Räume L 1 und L im Allgemeinen nicht gleichmäßig konvex. Sie sind im Allgemeinen nicht einmal strikt konvex. Definition.9. Sei Z ein lokal-kompakter Hausdorffraum. 1. C c (Z) bezeichne den Raum der reell-(oder komplex-)wertigen stetigen Funktionen mit kompaktem Träger in Z versehen mit der sup-norm. Dessen Vervollständigung sei bezeichnet mit C 0 (Z), der Raum der im Unendlichen verschwindenden Funktionen (versehen mit der sup-norm).. M(Z) bezeichne den Raum der regulären (oder komplexwertigen) Borelmaße auf Z versehen mit der Totalvariationsnorm. Theorem.10. Rieszscher Darstellungssatz Sei Z ein lokal-kompakter Hausdorffraum. Dann ist M(Z) isometrisch isomorph zu C 0 (Z) unter der Abbildung Φ(µ)(f) = fdµ. Z
5 Beweis. Siehe Rudin (1974) Theorem Beispiele.11. zu Konvexitätsbegriffen und Extremalpunkten 1. Für X = R, a < b R ist ex([a, b]) = {a, b} und ex((a, b)) =.. Für einen Maßraum (Ω, A, µ) und X = L (µ), sowie K = {x L (µ) 0 x(ω) 1 für µ fast alle ω Ω} gilt ex(k) = {1 A A A}. 3. In einem normierten Raum X gilt stets für die abgeschlossene Einheitskugel B X = {x X x 1} ex(b X ) S X = {x X x = 1}. Weiterhin ist X genau dann strikt konvex, wenn ex(b X ) = S X. 4. Jeder Hilbertraum ist strikt konvex. 5. Satz.7 zusammen mit Lemma.4() zeigen, dass ex(b X ) = S X in allen L p -Räumen (und auch in l p ) mit 1 < p < gilt. 6. Es gibt in unendlichdimensionalen normierten Räumen beschränkte abgeschlossene konvexe Mengen ohne Extremalpunkte. Zum Beispiel B X in X = c 0 oder in X = L 1 [0, 1]. 7. Sei Z ein kompakter topologischer Hausdorffraum. Dann gilt ex(b M(Z) ) = {αδ z z Z, α = 1}, wenn δ z das Diracmaß mit Masse in z bezeichnet. Insbesondere gilt ex(p (Z)) = {δ z z Z}, wenn P (Z) M(Z) die Menge der regulären Wahrscheinlichkeitsmaße auf der Borel-σ-Algebra von Z bezeichnet. 3 Der Satz von Krein-Milman Um den Satz von Krein-Milman zu zeigen brauchen wir folgendes Lemma. Lemma 3.1. Sei X ein lokalkonvexer Raum, und seien K 1,..., K n X kompakt und konvex. Dann ist K = co(k 1... K n ) kompakt. Der Satz von Krein-Milman besagt im Wesentlichen, dass man eine kompakte und konvexe Menge aus der Menge ihrer Extremalpunkte zurückgewinnen kann. Theorem 3.. Satz von Krein-Milman Sei X ein lokalkonvexer Hausdorffraum, und K X sei kompakt, konvex und nicht leer. Dann gilt: (a) ex(k) (b) K = co(ex(k)) (c) Gilt K = co(b) für ein B X, so ist ex(k) B. Beweis. Beruht wesentlich auf den Hahn-Banach Theoremen und dem Lemma von Zorn.
6 Bemerkung 3.3. Teil (b) ist der eigentliche Satz von Krein-Milman. Teil (c) wird oft auch Milmansche Umkehrung des Satzes genannt. Beispiel 3.4. Sei Z = [0, 1] und dazu betrachten wir die Menge der Diracmaße D(Z) M(Z), wobei wir M(Z) mit der schwach -Topologie versehen sei. Dann ist D(Z) ein Beispiel einer kompakten Menge deren konvexe Hülle co(d(z)) nicht kompakt ist! Bemerkung 3.5. Der Abschluß in Theorem 3.(b) ist in der Topologie zu verstehen, in der die Menge K kompakt ist. Korollar 3.6. Für einen normierten Raum X gilt B X = co(ex(b X )), wobei der Abschluß in der schwach -Topologie gebildet wird. Korollar 3.7. Die Räume c 0 und L 1 [0, 1] sind nicht zu einem Dualraum eines normierten Raums isometrisch isomorph. Der Satz von Krein-Milman ermöglicht auch einen sehr schnellen Beweis des Satzes von Stone-Weierstraß. Satz 3.8. Satz von Stone-Weierstraß Sei Z ein kompakter Hausdorffraum und A C(Z) eine Unteralgebra, welche (1) die konstanten Funktionen enthält und () die Punkte von Z trennt, sowie im Fall K = C (3) selbstadjungiert ist, d.h. f A f A gilt. Dann liegt A dicht in C(Z) bezüglich sup-norm. Beweis. Der Beweis basiert auf dem Satz von Krein-Milman, dem Satz von Hahn- Banach, dem Satz von Radon-Nikodym, dem Rieszschen Darstellungssatz und dem Satz von Alaoglu-Bourbaki. References Rudin, W. (1974). Real and Complex Analysis ( ed.). McGraw-Hill, Series in Higher Mathematics. ISBN: Werner, D. (007). Funktionalanalysis. Springer. ISBN: (6. Auflage).
Merkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
Mehrist 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
MehrZusammenfassung 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
MehrEinführung in die Funktionalanalysis
Einführung in die Funktionalanalysis Kapitel III Reinhold Meise und Dietmar Vogt ii Inhaltsverzeichnis Inhaltsverzeichnis Vorwort.......................................................................
MehrMaximale Generatoren Integral Stochastischer Ordnungen - Fortsetzung Eigenschaften von stochastischen Ordnungen Kleine Generatoren
Universität Hamburg Fachbereich Mathematik Schwerpunkt Mathematische Statistik und Stochastische Prozesse Bundesstr. 55 D-20146 Hamburg Maximale Generatoren Integral Stochastischer Ordnungen - Fortsetzung
MehrAnalyis I -Metrische Räume - eine Einführung in die Topologie
Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X
Mehr8 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
MehrUltrametrik. 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..........................
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
MehrStrassen Type Theorems Proseminar Stochastik
Strassen Type Theorems Proseminar Stochastik Cecelie Hector Universität Hamburg Fachbereich Mathematik SoSe 2004 Vortrag am 25.06.04 Definition (a). Ein topologischer Raum E heißt polnisch, wenn es eine
Mehrα + 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
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
MehrMeßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :
24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar
MehrWarum brauchen wir hier den Begriff eines Erzeugendensystems? - Verknüpfungen von Kommutatoren müssen nicht Kommutatoren sein.
Protokoll zur Diplomprüfung Algebra 1, Funktionalanalysis 1 Datum: 29.11.2013 Prüfer: Dr. Schulte, Dr. Spreng Note: 1,3 Dauer: 2 x 20 min Ich kann mich nicht mehr an alle Fragen zur Algebra erinnern da
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrDarstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012
Darstellungssatz von Riesz in vollständig regulären Räumen Carina Pöll 0726726 Wintersemester 2012 Inhaltsverzeichnis 1 Einleitung 1 2 Definitionen und Resultate aus der Topologie 1 3 Der Darstellungssatz
MehrCauchy-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
Mehr34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen
34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlich-dimensionalen R-Vektorräumen 34.1 Äquivalenz von Normen 34.3 Stetigkeit und Normen linearer Abbildungen 34.4 Äquivalente Normen sind gegeneinander
MehrSchwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik
Institut für Stochastik 18. Juni 2013 Inhalt 1 2 3 4 5 Nach ZGWS konvergiert für n F n (x) = P{ X 1+...+X n np npq x} gegen F(x) = 1 2π x e 1 2 u2 du, wenn die X i unabhängig und bernoulliverteilt sind
MehrEINFÜHRUNG IN DIE HÖHERE MATHEMATIK
* v. MANGOLDT/KNOPP EINFÜHRUNG IN DIE HÖHERE MATHEMATIK FÜR STUDIERENDE UND ZUM SELBSTSTUDIUM VIERTER BAND MENGENLEHRE LEBESGUESCHES MASS UND INTEGRAL TOPOLOGISCHE RÄUME VEKTORRÄUME FUNKTIONALANALYSIS
MehrTopologische Trennung
Kapitel 2 Topologische Trennung Give me a support point and I will move the world Archimedes Wir wollen uns nun mit konvexen Mengen in normierten Räumen beschäftigen. Damit unterscheidet sich die Situation
MehrDefinition 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
Mehrd(x, z) = z x = y x + z y y x + z y = d(x, y) + d(y, z). d(x, y) = 0, falls x = y.
Metrische Räume K bezeichnet entweder den Körper R oder den Körper C. Genauer bedeutet dies: K wird in denjenigen Situationen verwendet, in denen die Ersetzung von K sowohl durch R als auch durch C einen
MehrTopologische Begriffe
Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer
MehrVollständiger Raum, Banachraum
Grundbegriffe beschränkte Menge Cauchyfolge Vollständiger Raum, Banachraum Kriterium für die Vollständigkeit Präkompakte Menge Kompakte Menge Entropiezahl Eigenschaften kompakter und präkompakter Mengen
MehrDie 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).
Mehr1.3 Zufallsvariablen
1.3 Zufallsvariablen Beispiel Irrfahrt zwischen drei Zuständen Start in G bei t = 0, Zeithorizont T N Grundraum σ-algebra Ω = {ω = (ω 0, ω 1,..., ω T ) {G, R, B} T +1, ω 0 = G} Wahrscheinlichkeitsmaß P
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
Mehr8 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
MehrDer Satz von Gelfand. 1 Spektrum einer kommutativen Banachalgebra mit Eins
Vortrag zum Seminar zur Funktionalanalysis, 23.10.2008 Cornelia Wirtz In diesem Vortrag werden wir uns mit dem Spektrum (oder auch dem maximalen Idealraum oder Strukturraum genannt) einer kommutativen
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,
MehrWichtige Klassen reeller Funktionen
0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei
MehrPositive lineare Funktionale. 1 Eigenschaften positiver linearer Funktionale
Vortrag zum Seminar zur Funktionalanalysis, 11.12.2008 Holger Wintermayr Durch die Gelfand-Transformation können wir die Struktur einer abelschen C*- Algebra vollständig im Sinne der eines Funktionenraumes
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.
MehrAnalysis 2. Contents. Torsten Wedhorn. June 12, Notation. Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen
Analysis 2 Torsten Wedhorn June 12, 2012 Notation Es bezeichne K immer den Körper R der reellen Zahlen oder den Körper C der komplexen Zahlen. Contents 12 Metrische Räume 2 (A) Definition metrischer Räume........................
MehrMetrische äußere Maße, Borel-Maße
Metrische äußere Maße, Borel-Maße Zum einen haben wir mit dem Fortsetzungssatz gesehen, dass man mit einem äußeren Maß (auf P(X) ) stets eine σ-algebra und ein Maß auf dieser bekommt. Liegt nun ein metrischer
MehrTopologische Aspekte: Eine kurze Zusammenfassung
Kapitel 1 Topologische Aspekte: Eine kurze Zusammenfassung Wer das erste Knopfloch verfehlt, kommt mit dem Zuknöpfen nicht zu Rande J. W. Goethe In diesem Kapitel bringen wir die Begriffe Umgebung, Konvergenz,
Mehrmit 0 <b<1 und einer ungeraden natürlichen Zahl a mit ab > π.was die Bairesche Methode aber zeigt, ist, dass solche
I.9 Aufgaben 47 mit 0
MehrTopologische Grundbegriffe II. 1 Begriffe auf Mengen
Vortrag zum Seminar zur Analysis, 03.05.2010 Dennis Joswig, Florian Goy Aufbauend auf den Resultaten der Vorlesung Topologische Grundbegriffe I untersuchen wir weitere topologische Eigenschaften von metrischen
MehrBeispiele. 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
Mehri=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,
MehrVollständigkeit. 1 Konstruktion der reellen Zahlen
Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente
MehrI Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...
Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................
MehrFunktionalanalysis, WS 2005/06, by HGFei
Funktionalanalysis, WS 2005/06, by HGFei Hinweise zum Inhalt (laufende Chronologie) Version vom 15. Oktober 2005 (HGFei) 1. Stunde 1: TEST: l, (l, ), l 1, (l 1, 1 ), l 2, (l 2, 2 ) QUESTION: Was ist Funktionalanalysis?
MehrAufgaben zu Kapitel 0
Aufgaben zu Kapitel 0 0.1. Seien A und B zwei Mengen. Wie kann man paarweise disjunkte Mengen A 1, A 2 und A 3 so wählen, dass A 1 A 2 A 3 = A B gilt? 0.2. Seien E ein Menge und A eine Teilmengen von E.
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)
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
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
Mehr1 Formen und äußeres Differential
1 Formen und äußeres Differential Wir betrachten den n-dimensionalen reellen Raum R n = { x = x 1,...,x n ) : x i R für i = 1,...,n }. Definition 1.1 Ein Tangentialvektor an R n im Punkt x R n ist ein
Mehr13 Auswahlaxiom und Zornsches Lemma
13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses
MehrKonvexe Mengen und Funktionen
Konvexe Mengen und Funktionen von Corinna Alber Seminararbeit Leiter: Prof. Jarre im Rahmen des Seminars Optimierung III am Lehrstuhl für Mathematische Optimierung an der Heinrich-Heine-Universität Düsseldorf
MehrTopologie. Ernst Albrecht. Vorlesung im Sommersemester 2007 Universität des Saarlandes Saarbrücken Stand: 20. Juli 2007
Topologie Ernst Albrecht e Vorlesung im Sommersemester 2007 Universität des Saarlandes Saarbrücken Stand: 20. Juli 2007 Inhaltsverzeichnis Kapitel 1. Topologische Grundbegriffe in metrischen und topologischen
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
Mehr2. Stetige lineare Funktionale
-21-2. Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn
Mehr(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e)
27 15. Metrische Räume Mit Hilfe einer Norm können wir den Abstand x y zweier Punkte x, y messen. Eine Metrik ist eine Verallgemeinerung dieses Konzepts: 15.1. Metriken. Es sei M eine beliebige Menge.
Mehr7. Übungsblatt zur Mathematik II für Inf, WInf
Fachbereich Mathematik Prof. Dr. Streicher Dr. Sergiy Nesenenko Pavol Safarik SS 2010 27.-31.05.10 7. Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G24 (Grundlegende Definitionen) Betrachten
MehrVollständigkeit. Andreas Schmitt. Ausarbeitung zum Proseminar zur Topologie im WS 2012/13
Vollständigkeit Andreas Schmitt Ausarbeitung zum Proseminar zur Topologie im WS 2012/13 1 Einleitung Bei der Konvergenz von Folgen im Raum der reellen Zahlen R trifft man schnell auf den Begriff der Cauchy-Folge.
MehrUngleichung von Hausdorff-Young
Seminararbeit aus Analysis Notationen Für normierte Räume X und Y bezeichne B(X, Y ) die Menge aller beschränkten linearen Abbildungen T : X Y. Sei X ein topologischer Raum. Wir bezeichnen mit X den topologischen
Mehr68 Hilberträume - Grundbegriffe
- 235-68 Hilberträume - Grundbegriffe In 21 haben wir uns ausführlich mit R und C Vektorräumen mit Skalarprodukt beschäftigt, dort allerdings hauptsächlich mit endlichdimensionalen Vektorräumen. Im Folgenden
MehrDas Lebesgue-Maß im R p
Das Lebesgue-Maß im R p Wir werden nun im R p ein metrisches äußeres Maß definieren, welches schließlich zum Lebesgue-Maß führen wird. Als erstes definieren wir das Volumen von Intervallen des R p. Seien
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
MehrFunktionalanalysis. Wolfgang Arendt. Vorlesungsskript
Funktionalanalysis Wolfgang Arendt Vorlesungsskript Februar 2006 ii Inhaltsverzeichnis 1 Metrische und normierte Räume 3 1.1 Konvergenz in metrischen Räumen............... 3 1.2 Topologische Begriffe.......................
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,
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,
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 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
MehrUniversität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla
Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann
Mehr5 Die Picardschen Sätze
03 5 Die Picardschen Sätze Für eine zweimal stetig differenzierbare reell- oder komplexwertige Funktion f auf einem Gebiet G C ist der Laplace-Operator definiert durch Behauptung: = 4 Beweis: Daraus folgt:
MehrNormen zur Charakterisierung der schwach*- Konvergenz beschränkter Folgen
Math. Semesterber. 48, 247 260 (2002) c Springer-Verlag 2002 Folkmar Bornemann Normen zur Charakterisierung der schwach*- Konvergenz beschränkter Folgen Eingegangen am 16. Februar 2001 / Angenommen am
MehrFinite Elemente Methode für elliptische Differentialgleichungen
Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte
Mehrµ( k= U j,k \K j,k ) µ(u j,k \K j,k ) < 2 j ε. µ(u\k j ) < ε.
3.5. LUSIN, TITZE-URYSOHN UND RIESZ 7 3.5. Lusin, Titze-Urysohn und Riesz. Theorem 3.5. (Lusin). Sei f : X R messbar. Zu U X offen mit µ(u) < und ε > 0 gibt es ein kompaktes K U, so dass gilt: () f K stetig,
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
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
MehrKonvergenz, 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.
MehrAnalysis 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
MehrMAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.
1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine
MehrDie von Neumannsche Ungleichung
Die von Neumannsche Ungleichung Dominik Schillo 12. November 2012 Satz (Die von Neumannsche Ungleichung) Seien p C[z] ein Polynom in einer Variablen und T L(H) eine Kontraktion (d.h. T 1). Dann gilt: p(t
MehrÜbungen 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
MehrElemente der mengentheoretischen Topologie
Elemente der mengentheoretischen Topologie Es hat sich herausgestellt, dass das Konzept des topologischen Raumes die geeignete Struktur darstellt für die in der Analysis fundamentalen Begriffe wie konvergente
MehrDer Fundamentalsatz der Algebra. 1 Motivation
Vortrag im Rahmen des Proseminars zur Analysis, 24. April 2006 Micha Bittner Motivation Den ersten des Fundamentalsatzes der Algebra erbrachte C.F. Gauss im Jahr 799 im Rahmen seiner Dissertation. Heute
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
MehrFakultät für Mathematik Universität Duisburg-Essen
FUNKTIONALANALYSIS I Vorlesungsskript, Sommersemester 2015 Christian Clason Stand vom 16. Juli 2015 Fakultät für Mathematik Universität Duisburg-Essen INHALTSVERZEICHNIS I TOPOLOGISCHE GRUNDLAGEN 1 metrische
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
Mehr1.1 Analytische Formulierung des Satzes von Hahn-Banach
Kapitel 1 Der Satz von Hahn-Banach Der Satz von Hahn-Banach befasst sich mit der Fortsetzung von linearen Funktionalen, welche auf einem linearen Teilraum definiert sind, auf den ganzen Vektorraum - dies
MehrKonvergenz gegen einen Prozess mit unabhängigen Zuwächsen - Anwendungen
Konvergenz gegen einen rozess mit unabhängigen Zuwächsen - Anwendungen Saskia F. Glaffig 20.07.17 "Wiederholung" Definition (vgl. Jacod, Shiryaev, I.3.26: oissonprozess). Ein erweiterter oissonprozess
MehrTopologische 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
MehrAktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume
Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 3: Metrische und polnische Räume Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Oktober/November 2017
MehrFunktionalanalysis I
Funktionalanalysis I Wintersemester 21/22 Skript zur Vorlesung von Prof. E. Zehnder Christian Frei D-MATH chrfrei@student.ethz.ch Version Februar 26 INHALTSVERZEICHNIS i Inhaltsverzeichnis 1 Metrische
MehrFerienkurs Analysis 3. Ari Wugalter März 2011
Ari Wugalter 07. - 08. März 2011 1 1 Hilberträume Im ersten Kapitel wollen wir uns mit den grundlegenden Eigenschaften von Hilberträumen beschäfitgen. Hilberträume habe die herausragende Eigenschaft, dass
MehrLösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried
Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie Tobias Ried. März 2 2 Aufgabe (Messbarkeit der Komposition zweier Abbildungen). Seien (X, A), (Y, B) und (Z, C) Messräume und f : (X,
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
Mehr1 Konvergenz im p ten Mittel
Konvergenz im p ten Mittel 1 1 Konvergenz im p ten Mittel In diesem Paragraphen werden zunächst in Abschnitt 1.1 die L p Räume eingeführt. Diese erweisen sich als vollständige, lineare Räume über R. In
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
MehrLehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler
Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik II Wahrscheinlichkeitstheorie I Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 26. November 2002
MehrNormierte, metrische und topologische Räume Stetige und gleichmäßig stetige Abbildungen
Kapitel VIII Normierte, metrische und topologische Räume Stetige und gleichmäßig stetige Abbildungen 33 Normierte und metrische Räume 34 Äquivalenz von Normen; Stetigkeit und Kompaktheit in endlichdimensionalen
MehrKompaktheit und Überdeckungen. 1 Überdeckungskompaktheit
Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer 1 Überdeckungskompaktheit Einleitung P T Q A R S U B (a) (b) Abbildung 1: Beispiele verschiedener Überdeckungen (1.1) Definition (Überdeckung)
Mehr1 Definition und Grundeigenschaften
Christian Bönicke Vektorbündel I Im Folgenden sei immer F = R, C oder H. 1 Definition und Grundeigenschaften 1.1 Definition Ein k-dimensionales Vektorbündel ξ über F ist ein Bündel (E, p, B) mit folgenden
MehrA. Maß- und Integrationstheorie
A. Maß- und Integrationstheorie Im folgenden sind einige Ergebnisse aus der Maß- und Integrationstheorie zusammengestellt, die wir im Laufe der Vorlesung brauchen werden. Für die Beweise der Sätze sei
MehrErwartungswert als Integral
Erwartungswert als Integral Anton Klimovsky Gemischte ZVen, allgemeine ZVen, Erwartungswert für allgemeine ZVen, Lebesgue-Integral bzgl. WMaß, Eigenschaften des Integrals, Lebesgue-Maß, Lebesgue-Integral
Mehr