Funktionalanalysis. Wintersemester 2010/2011 Dr. Tomáš Dohnal, Universität Stuttgart. Inhalt der Vorlesung im Detail
|
|
- Samuel Georg Kuntz
- vor 6 Jahren
- Abrufe
Transkript
1 Funktionalanalysis Wintersemester 21/211 Dr. Tomáš Dohnal, Universität Stuttgart Inhalt der Vorlesung im Detail 1. Metrische Räume, normierte Räume und Innenprodukträume; Funktionenräume Metrische Räume Vollständigkeit Banachsche Fixpunktsatz abgeschlossene, offene Menge Vervollständigung Normierte Räume Satz: l p sind Banach-Raueme Lebesgue Integral in R n (sigma-algebra, äusseres Mass, Treppenfunktionen,...) Sätze: monotone Konvergenz, Fatou, majorisierte Konvergenz (ohne Beweise) Satz: L p ist Banach-Raum Satz: X R n, p [1, ) C c (X) dicht in L p (X) bezüglich p Satz: X R n C c (X) dicht in C (X) bezüglich (ohne Beweis) Inneprodukträume Inneprodukt, Hilbertraum Parallelogramidentität Satz: l p, p 2 ist kein I.P.R. Satz: L p, p 2 ist kein I.P.R. (Beweis auf Blatt 3) Kompaktheit in metr. Räumen Satz: Menge ist überdeckungskompakt folgenkompakt Satz von Arzela-Ascoli (mit Beweis) Orthogonalität, Separabilität: orthogonales Komplement direkte Summe Projektionssatz in Hilberträumen Separabilität Satz: l p, p < sind separabel, l nicht separabel Satz: S R n. C(S) ist separabel, (ohne Beweis) Satz: S R n. L p (S), p < ist separabel, L (S) nicht. (ohne Beweis) Schauder Basis Satz: X norm. Raum, X besitzt Schauder Basis X separabel (ohne Beweis) Orthogonalsystem, Orthonormalsystem 1 January 24, 211
2 Orthonormalbasis Satz: Fur Orthonormalsysteme (e n ) gilt: (e n ) Schauder Basis Darstellung durch veralgemeinerte Four. Reihe Parseval Identität Satz: X Hilbertraum. Dann X separabel X besitzt eine O.N.-Basis Sonstiges: Satz (Approximation in L p mittels Faltung durch glatte Funktionen): S R n offen C (S) dicht in L p (S) (Skizze) Hauptsatz über endlich-dimensionale normierte Räume Y : dimy < B 1 () kompakt 2. Stetige lineare Operatoren Satz: Operator ist stetig stetig in x beschränkt Operatornorm Beispiele: Fredholm Integraloperator, Differenzialoperator Satz: (L(X, Y ), ) mit Operatornorm ist Banachraum falls Y Banachraum ist. Satz: Für A : X Y (X, Y norm. Räume) gilt A 1 : D(A) X stetig m > : Ax Y m x X Beispiel 1: Integration (Af)(x) = x f(s)ds ist bijektiv, stetig aber A 1 unstetig (mit. Norm) Beispiel 2: Lösungsoperator (I K) 1 der Reaktionsdiffusionsgl. ist stetig Neumann Reihe für stetige lineare Operatoren A mit lim sup A m 1/m < 1. analytische Funktionen von Operatoren (exp(a) als Beispiel) 3. Stetige lineare Funktionale, Dualräume Def.: Funktional, Dualraum Rieszscher Darstellungssatz (mit isometrischem Isomorphimus) Sesquilinearform (Definition, 2 Beispiele) Satz von Lax-Milgram Sobolevräume, schwache Randwertaufgaben: Sobolevräume H m,p (Konstruktion durch Vervollständigung von C ) schwache Ableitung (Definition, 2 Beipiele: x und eine unstetige Funktion) Satz: Sobolevräume sind Banchräume (p < ) Spursatz in H 1,p (ohne Beweis) Sobolevräume H m,p variationelle Formulierung von Randwertaufgaben schwache Formulierung von Randwertaufgaben Satz: Existenz von schwachen Lösungen zu elliptischen Randwertaufgaben 2. Ordnung (A u) + bu = f, RB: Neumann oder Dirichlet Bemerkung über das Bild des Spuroperators (kleiner als L p ( Ω)) Dualräume: für Hilberträume für l p, p < für c und c (Beweis Blatt 6) für L p (ohne Beweis) Satz: X norm. Raum X Banachraum 2 January 24, 211
3 Bidualraum, Reflexivität normierter Raume kanonische Injektion, Reflexivität Beispiel: jeder Hilbertraum ist reflexiv Beispiel: L p, 1 < p < ist reflexiv Sätze von Hahn-Banach Satz von Hahn-Banach über Fortsetzung von Funktionalen auf Vektorräumen (reelle und komplexe Version) Korollar: Hahn-Banach über Fortsetzung von Funktionalen auf norm. Räumen Korollar: X norm. Raum, Y abgeschlossener UVR, x X Y ψ X : ψ Y, ψ(x ) = 1 Korollar: X nichtrivialer norm. Raum, x 1 X ψ X : ψ = 1, ψ(x 1 ) = x 1 X Korollar: (Punkttrennung) X norm. Raum, x 1, x 2 X, x 1 x 2 ψ X : ψ(x 1 ) ψ(x 2 ) Korollar: x X = sup ψ X, ψ =1 ψ(x) (Beweis - Blatt 7) Anwendung von Hahn-Banach: X separabel X separabel (l ) nicht isomorph zu l 1 Geometrische Version von Hahn-Banach absorbierende Menge A im K Vektorraum Minkowski Funktional µ A Satz: A konvex, absorbierend µ A sublinear Lemma: X norm. Raum, ψ X. Dann gilt (U Xoffen ψ(u) Koffen) Hyperebene Trennungssatz für konvexe disjunkte Mengen A, B X 4. Gleichmässige Beschränktheit, Hauptsätze der Funktionalanalysis Baierscher Kategoriesatz Prinzip der gleichm. Beschränktheit fuer Funktionen aus metrischen Räumen in normierte Raeume Banach-Steinhaus: Prinzip der gleichm. Beschränktheit für lineare stetige Operatoren Anwendung: Existenz einer stetigen Funktion deren Fourier Reihe nicht punktweise konvergiert Lemma: X, Y norm. Raume, A : X Y linear. Dann gilt A offen ( δ > : B δ () A(B 1 ())) Satz der offenen Abbildung Satz der stetigen Inversen Satz vom abgeschlossenen Graphen Anwendung des Graphensatzes: H Hilbertraum, A : H H symmetrisch. Dann ist A stetig. 5. Schwache Konvergenz Motivation: Bedarf an ein Konvergenzbegriff in dem bechränkte Folge konvergente Teilfolge besitzen (Minimierung von Funktionals) Def.: schwache Konvergenz, schwach* Konvergenz, schwach(schwach*) folgenkompaktheit Beispiele der schwachen Konvergenz l 2 : e n f L p (R), p (1, ) f n (x) := f(x n) (für p = 1 gilt nicht) Proposition: u n u in H 1,p (u n u L p und u n / xi u/ xi in L p ) Lemma: 3 January 24, 211
4 (a) schwaches (schwach*) Limes ist eindeutig (b) starke Konvergenz schwache (schwach*) Konvergenz (c) schwache (schwach*) Konvergenz Unterhalbstetigkeit (d) x n x, φ n φ φ n (x n ) φ(x) (e) x n x, φ n φ φ n (x n ) φ(x) Satz von Banach-Alaoglu: X separabler Banachraum B 1 () X schwach* folgenkompakt Kontrabeispiel in L Satz: Für Banachram X ist X swach*-vollständig Lemma (Eigenschaften reflexiver Räume) X reflexiv schwach und schwach* Konvergenz sind aequivalent X reflexiv jeder abgeschl. Unterraum ist reflexiv Satz: X reflexiver Banachraum B 1 () X schwach folgenkompakt Beispiel: H 1,p (Ω), 1 < p < ist reflexiv Satz: X norm. Raum, M X konvex, abgeschl. M schwach folgenabgeschl. Lemma von Mazur: schwaches Limes liegt in der konvexen Hülle Projektionssatz für reflexive normierte Räume Anwendung: Existenz von Minimierern von Funktionalen Satz: Stetige, konvexe Funktionale auf norm. Konvergenz. Räumen sind unterhalbstetig bezüglich der schwachen Satz: Stetige, koerzive, konvexe Funktionale auf reflexiven Banachräumen haben Minimierer. Beispiel: Minimierung der Energie zu einer elliptichen PDE in H 1,2 Existenz und Eindeutigkeit des Minimierers Minimierer ist die schwache Lösung des Dirichlet Problems 6. Kompakte Operatoren Definition: kompakter Operator Beispiel: Integraloperator (Typ 1) Beispiel: Identität Lemma: Eigenschaften kompakter linearer Operatoren (a) A kompakt A stetig (b) A, B kompakt lineare Kombination kompakt (c) A oder B kompakt, der andere stetig AB kompakt (d) A kompakt, A 1 stetig dimx < (e) A stetig, range(a) < A kompakt (f) dim X <, A stetig A kompakt Beweise für b, c, e, f in der Übung - Blatt 11 Beispiel: Integraloperator (Typ 1) auf C[, 1] hat keine stetige Inverse Satz: X norm. Raum, Y Banachraum. K(X, Y ) ist abgeschl. Unterraum von L(X, Y ). Satz: X norm. Raum, Y Hilbertraum. Dann gilt A K(X, Y ) (A n ) L(X, Y ) mit dimr(a n ) < und A A n Satz (Vollstetigkeit kompakter Operatoren): X, Y norm. Räume, X reflexiv, A : X Y linear, dann gilt: A K(X, Y ) (x n x Ax n Ax) 4 January 24, 211
5 Spektrum stetiger linearer Operatoren Definition (für stetige lineare Operatoren auf Banachräumen): Resolventenmenge, Spektrum, Punktspektrum, kontinuierliches und Residualspektrum, Resolvente, Eigenwert, Eigenfunktion Beispiel: endlichdimensionaler Fall - nur Punktspektrum Beispiel: Shift-Operator in l 2 : σ r. Beispiel: X = l 2, Ax = (λ 1 x 1, λ 2 x 2,...) mit (λ n ) l 2, λ n >. Dann σ p (A) = {λ 1, λ 2,...} aber σ p (A) σ(a), da σ c (A). Satz (für stetige lineare Operatoren auf Banachräumen): Resolventemenge ist offen, Resolvente ist eine komplex-analytische Abbildung von ρ(a) nach L(X). Und R(λ; A) 1 dist(λ, σ(a)) für λ ρ(a). Satz (für stetige lineare Operatoren auf Banachräumen): Spektrum ist kompakt und nichtleer und r(a) = lim m A m 1/m A. Proposition: Sei X Banachraum, dim X =, A K(X). Dann σ(a), abe muss nicht ein Eigenwert sein. Satz: Sei X Banachraum, T K(X) und A = I T. Dann dimn(a) <, R(A) abgeschlossen, (N(A) = {} R(A) = X). Spektralsatz für kompakte Operatoren (Riesz-Schauder): Sei A K(X). Dann (a) σ(a)\{} besteht aus abzählbar vielen Eigenwerten und ist der einsig möglicher Häufungspunkt von σ(a). (b) σ(a) \ {} ist endlich oder σ(a) \ {} ist eine Folge, die gegen konvergiert. (c) Für λ σ(a) \ {} ist die Vielfachheit von λ endlich. Fredholm Alternative (kurze Version): Für A K(X), λ ist entweder Ax λx = y für jedes y X eindeutig lösbar, oder hat Ax λx = nichtriviale Lösungen. Beispiel: Integraloperator A K(C([, 1])), (Af)(x) = x k(x, y)f(y)dy. Wird gezeigt, dass σ(a) = σ r (A) = {}. Adjungierte und Selbstadjungierte Operatoren Def.: Hilbert-adjungierter Operator A ; adjungierter Operator A für normierte Räume Proposition: A = Φ 1 X A Φ Y, wobei Φ X : X X, Φ Y : Y Y die Isomorphismen aus Riesz schem Darstellungssatz sind. Beispiel: Jeder Operator A L(l p, l q ) mit 1 < p, q < kann als eine unendliche Matrix M (A) representiert werden und A = M (A)T. Beispiel: A L(L 2 ([, 1])), (Af)(x) := 1 k(x, y)f(y)dy. Dann (A f)(x) := 1 k(y, x)f(y)dy. Satz: (a) (αa 1 + A 2 ) = αa 1 + A 2, (αa 1 + A 2 ) = ᾱa 1 + A 2 für alle α K (b) I = I (c) (A 2 A 1 ) = A 1A 2 (d) A I X = I Y A für A L(X, Y ), wobei I X : X X, I Y : Y Y die kanonische Injektionen sind. (e) A = A Satz (Schauder): A K(X, Y ) A K(Y, X ) Lemma: (a) N(A ) = R(A), wobei Z der Annihilator des Raumes Z ist. (b) Sie Z abgeschlossener Unterraum mit codim(a) <, dann dim Z =codim Z Satz: T K(X), A := I T. Dann gilt dim N(A)= codim R(A) 5 January 24, 211
6 Satz: Fredholm Alternative (volle Version): A K(X), λ. Dann ist für y X die Gleichung Ax λx = y eindeutig lösbar, falls φ(y) = für alle Lösungen φ der homogenen Gleichung A φ λφ =. Die Anzahl der linear unabhängiger Lösungen von A φ λφ = ist gleich der Anzahl der linear unabhängiger Lösungen von Ax λx =. Woche : Normale Operatoren Def.: normaler Operator auf einem Hilbertraum Lemma: A normal Ax X = A x X x X Satz: A normal r(a) = A Spektralsatz für kompakte normale Operatoren Satz: X Hilbertraum über C, A L(X) selbstadjungiert σ p (A) [ T, T ] R und falls A kompakt, dann ist A oder A Eigenwert. Beispiel für selbstadjungierte kompakte Operatoren: selbstadjungierter Integraloperator Woche : Endlich-dimensionale Approximation (Motivation - FEM): - Galerkin-Approximation - Céa-Lemma References [1] H.W. Alt, Lineare Funktionalanalysis: eine anwendungsorientierte Einführung. Springer [2] B.D. Reddy, Introductory Functional Analysis: With Applications to Boundary Value Problems and Finite Elements, Springer, [3] E. Kreyszig, Introductory Functional Analysis with Applications. Wiley [4] W. Rudin, Reelle und Komplexe Analysis, Oldenbourg, [5] H. Heuser, Funktionalanalysis: Theorie und Anwendung. Teubner
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.
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
MehrGalerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen
Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science an der Technischen Universität Berlin Verfasser:
MehrINVERSE PROBLEME. Christian Clason. Fakultät für Mathematik Universität Duisburg-Essen
INVERSE PROBLEME Vorlesungsskript, Wintersemester 2014/15 Christian Clason Stand vom 12. Februar 2015 Fakultät für Mathematik Universität Duisburg-Essen INHALTSVERZEICHNIS I FUNKTIONALANALYTISCHE GRUNDLAGEN
MehrBILDVERARBEITUNG. Christian Clason. Fakultät für Mathematik Universität Duisburg-Essen
MATHEMATISCHE BILDVERARBEITUNG Vorlesungsskript, Sommersemester 2015 Christian Clason Stand vom 24. Juli 2015 Fakultät für Mathematik Universität Duisburg-Essen INHALTSVERZEICHNIS I GRUNDLAGEN 1 grundlagen
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
Mehr4.1 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
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
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
MehrStetigkeit von Funktionen
9 Stetigkeit von Funktionen Definition 9.1 : Sei D R oder C und f : D R, C. f stetig in a D : ε > 0 δ > 0 mit f(z) f(a) < ε für alle z D, z a < δ. f stetig auf D : f stetig in jedem Punkt a D. f(a) ε a
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,
MehrGleichmäßige Konvergenz und Funktionenräume
Gleichmäßige Konvergenz und Funktionenräume Isabella Lukasewitz und Andreas Brack 07.06.2010 Vortrag zum Proseminar zur Analysis Konvergenz und Funktionenräume INHALTSVERZEICHNIS Bereits in den Vorlesungen
MehrIterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
MehrProbeklausur am
Mathematik IV für Studierende der Physik Dr. Vsevolod Shevchishin Probeklausur am 7.07.2010 Bearbeitungszeit: 60 min Name, Vorname:.......................................................................
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
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
MehrWir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung).
Kapitel 4 Metrische Räume und Stetigkeit 4.1 Metrische und normierte Räume 4.2 Folgen in metrischen Räumen 4.3 Offene und abgeschlossene Mengen 4.4 Stetige Funktionen 4.5 Grenzwerte von Funktionen 4.6
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
MehrHilbertraum-Methoden
Skript zur Vorlesung Hilbertraum-Methoden SS 2013 Peter Junghanns Hinweis: Das vorliegende Skript stellt nur ein Gerüst zu den Inhalten der Vorlesung dar. Die Vorlesung selbst bietet weiterführende Erläuterungen,
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
MehrFunktionalanalysis. Prof. Dr. W. Timmermann. TU Dresden Fakultät Mathematik Institut Analysis. Francesco Kriegel SS 2008 & WS 2008/2009
Funktionalanalysis Prof. Dr. W. Timmermann Francesco Kriegel TU Dresden Fakultät Mathematik Institut Analysis SS 2008 & WS 2008/2009 15. April 2009 Inhaltsverzeichnis Kapitel 1 Grundlagen aus der Topologie
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
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
Mehr2 Stetige Abbildungen
Stetige Abbildungen Übersicht. Definitionen................................................. 43. Sätze und Beweise............................................ 45.3 Erklärungen zu den Definitionen...............................
MehrBerechenbare Funktionalanalysis und kompakte Operatoren
Berechenbare Funktionalanalysis und kompakte Operatoren Volker Bosserhoff Oberseminar der Fakultät für Informatik, 22. Juli 2008 Typ-2-Berechenbarkeit Rechnen mit endlichen Objekten Σ := {0, 1}. f : Σ
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
Mehrn 1, n N \ {1}, 0 falls x = 0,
IV.1. Stetige Funktionen 77 IV. Stetigkeit IV.1. Stetige Funktionen Stetige Funktionen R R sind vielen sicher schon aus der Schule bekannt. Dort erwirbt man sich die naive Vorstellung, dass eine stetige
MehrEinführung in die Funktionalanalysis
Einführung in die Funktionalanalysis Bernhard Gsell Skriptum zur Vorlesung gelesen von Prof. Wolfgang Woess 21. August 2014 Dies ist die Umsetzung meiner Vorlesungsmitschrift zu Einführung in die Funktionalanalysis,
MehrMathematische Methoden der Physik: Funktionalanalytische Methoden. Technische Universität Clausthal WS 1998/99
Mathematische Methoden der Physik: Funktionalanalytische Methoden Technische Universität Clausthal WS 1998/99 W. Lücke 3 Vorwort Als Funktionalanalysis bezeichnet man die Analysis von Funktionen, deren
MehrEinführung in die Analysis
Ergänzungen zur Vorlesung Einführung in die Analysis Christian Schmeiser 1 Vorwort In dieser Vorlesung werden Grundbegriffe der Analysis wie Folgen und Reihen, Konvergenz und Vollständigkeit am Beispiel
MehrInduktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010
Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver
MehrAnalysis II. Prof. Dr. H. Brenner Osnabrück SS 2014
Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 51 Für eine stetig differenzierbare Funktion ϕ: R R mit ϕ (P) > 0 in einem Punkt P R gibt es ein offenes Intervall P I =]P δ,p +δ, auf dem ϕ
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
MehrSkript zur Vorlesung Einführung in Sobolevräume. Prof. Dr. R. Herzog. gehalten im SS2010 Technische Universität Chemnitz
Skript zur Vorlesung Einführung in Sobolevräume Prof. Dr. R. Herzog gehalten im SS2010 Technische Universität Chemnitz Dieses Skript ist als Begleitmaterial für andere Vorlesungen oder zum Selbststudium
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrWenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +
8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die
MehrMathematik III. Vorlesung 71
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 athematik III Vorlesung 71 Ausschöpfungseigenschaften Die folgenden Rechenregeln für Integrale beruhen auf dem Ausschöpfungssatz für aße. an kann den Subgraphen
MehrLineare Algebra II 9. Übungsblatt
Lineare Algebra II 9. Übungsblatt Fachbereich Mathematik SS Prof. Dr. Kollross 5./6. Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest: ohne Benutzung des Skripts und innerhalb von Minuten!)
MehrÜbungen zur Vorlesung MATHEMATIK II
Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom
Mehr4 Elementare Vektorraumtheorie
4. ELEMENTARE VEKTORRAUMTHEORIE 51 4 Elementare Vektorraumtheorie Im folgenden sei K stets ein Körper. Definition. (i) Eine homogene Gleichung in den Unbekannten ξ 1,..., ξ n ist ein Ausdruck der Gestalt
MehrMathematik II. Vorlesung 49. Der Banachsche Fixpunktsatz
Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 49 Der Banachsche Fixpunktsatz Satz 49.1. Es sei M ein nicht-leerer vollständiger metrischer Raum und f :M M eine stark kontrahierende Abbildung.
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrFunktionalanalysis. Frühlingssemester Prof. Dr. Camillo de Lellis. 31. Juli Mitschrift: Amrein Mario Fortunati Paolo
Funktionalanalysis Frühlingssemester 2008 Prof. Dr. Camillo de Lellis 31. Juli 2008 Mitschrift: Amrein Mario Fortunati Paolo Šerić Marko Inhaltsverzeichnis 1 Einführung 1 2 Strukturen 5 2.1 Skalarprodukte..............................
MehrDefinition 4.2. Die Menge Q der rationalen Zahlen ist definiert durch. Wir führen jetzt auf Z eine Addition und eine Multiplikation ein durch
Kapitel 4 Die rationalen Zahlen Wir haben gesehen, dass eine Gleichung a x = b mit a, b Z genau dann eine Lösung x Z besitzt, wenn a b. Zum Beispiel hat 2 x = 1 keine Lösung x Z. Wir wollen nun den Zahlbereich
MehrAnalysis II (FS 2015): Vektorfelder und Flüsse
Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
MehrModern Methods in Nonlinear Optimization
Modern Methods in Nonlinear Optimization Regularisierung Inverser Probleme Prof. Dr. Bastian von Harrach Technische Universität München, Fakultät für Mathematik - M1 Wintersemester 2010/2011 http://www-m1.ma.tum.de/bin/view/lehrstuhl/harrach_ws1011_modernmethods
MehrKapitel 5. Stetige Funktionen 5.1. Stetigkeit
Kapitel 5. Stetige Funktionen 5.1. Stetigkeit Reelle Zahlen sind ideale Objekte, die es uns ermöglichen, eine transparente und leistungsfähige Theorie aufzubauen. Ein Computer kann jedoch nur mit Approximationen
MehrDEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )
Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon
MehrExkurs: Polnische Räume
Ein normaler Hausdorff-Raum mit abzählbarer Basis kann auf viele Weisen metrisiert werden; man kann insbesondere eine einmal gewonnene Metrik in vielerlei Weise abändern, ohne die von ihr erzeugte Topologie
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
MehrThema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen
Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.
MehrVorlesungsmanuskript zu. Topologie. Werner Balser Institut für Angewandte Analysis. Wintersemester 2008/09
Vorlesungsmanuskript zu Topologie Werner Balser Institut für Angewandte Analysis Wintersemester 2008/09 Inhaltsverzeichnis 1 Topologische Räume 5 1.1 Normierte und metrische Räume................................
Mehr3.3 Klassifikation quadratischer Formen auf R n
3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen
Mehr6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum
Kapitel II Lineare Algebra und analytische Geometrie 6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum geometrischen
MehrLineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche
Lineare Algebra für Informatiker TUM Sommersemester 20 Dozent: Christian Pötzsche Janosch Maier 3. Juli 20 Herzlichen Dank an Lucas Westermann, Florian Scheibner (https://github. com/lswest/lamitschrift)
MehrGNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor
GNS-Konstruktion und normale Zustände 1 Rückblick Wir betrachten von-neumann-algebren M B(H), d.h. Unteralgebren mit 1 H M, die in der schwachen Operatortopologie (und damit in jeder der anderen) abgeschlossen
MehrIm gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge
1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
Mehr1 Eingebettete Untermannigfaltigkeiten des R d
$Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die
MehrGrundlagen der Variationsrechnung
Universität des Saarlandes Fachrichtung 6.1 Mathematik /home/lehrstuhl/ag-fuchs/olli/work/texstyles/eule-eps-conv Grundlagen der Variationsrechnung Eine anwendungsorientierte Einführung in die lineare
Mehr1 Rechnen mit 2 2 Matrizen
1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12
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.
Mehr1 Mengen und Abbildungen
1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra
MehrMat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1
Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =
MehrDefinition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrSTETIGKEITS- UND KONVERGENZMODI FÜR FUNKTIONEN UND FUNKTIONENFOLGEN
STETIGKEITS- UN KONVERGENZMOI FÜR FUNKTIONEN UN FUNKTIONENFOLGEN. Vorbemerungen Im folgenden seien stets: (M, d), (K, ρ) metrische Räume, (V, V ) ein Banach-Raum (nicht notwendigerweise endlichdimensional!),
MehrInhaltsverzeichnis. 1 Lineare Algebra 12
Inhaltsverzeichnis 1 Lineare Algebra 12 1.1 Vektorrechnung 12 1.1.1 Grundlagen 12 1.1.2 Lineare Abhängigkeit 18 1.1.3 Vektorräume 22 1.1.4 Dimension und Basis 24 1.2 Matrizen 26 1.2.1 Definition einer
MehrLineare Algebra I: Eine Landkarte
Bild F Algebra I: Eine Landkarte Faser Versuch einer Übersicht der Themen und Zusammenhänge der n Algebra 1. 1 Algebra I: Bild F Faser Sei B Basis von V. Jedes v V läßt sich eindeutig aus den Basisvektoren
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
MehrKapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen
Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit
MehrDer Konsistenzsatz von Kolmogorov
Der Konsistenzsatz von Kolmogorov Im Rahmen der Theorie stochastischer Prozesse betrachten wir W-Maße auf unendlichen Produkträumen wie bspw. (R N, B N ) als Bildraum eines Prozesses (X t ) t N in diskreter
MehrDynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
MehrJürgen Hausen Lineare Algebra I
Jürgen Hausen Lineare Algebra I 2. korrigierte Auflage Shaker Verlag Aachen 2009 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
Mehr4. Vektorräume und Gleichungssysteme
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrB-P 11: Mathematik für Physiker
B-P 11: Mathematik für Physiker Status: freigegeben Modulziele Erwerb der Grundkenntnisse der Analysis, der Linearen Algebra und Rechenmethoden der Physik Modulelemente Mathematik für Physiker I: Analysis
Mehr8 Konvergenzkriterien und Häufungswerte von Folgen in R
8 Konvergenzkriterien und Häufungswerte von Folgen in R 8.1 Konvergenz monotoner Folgen 8.2 Die Zahl e 8.3 Existenz monotoner Teilfolgen 8.4 Auswahlprinzip von Bolzano-Weierstraß 8.5 Konvergenzkriterium
MehrAnalysis I. Vorlesung 16. Funktionenfolgen
Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Analysis I Vorlesung 16 Funktionenfolgen Eine (vertikal gestauchte) Darstellung der ersten acht polynomialen Approximationen der reellen Exponentialfunktion
Mehr2.2 Kern und Bild; Basiswechsel
22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
MehrLösung der Prüfung Sommer 2009
Prof. D. Salamon Analysis I/II D-MATH, D-PHYS, D-CHAB ETH Zürich. Juni 9 Lösung der Prüfung Sommer 9. Berechnen Sie folgende Grenzwerte: (a) (b) Hinweis: Regel von de l Hospital. ( ( )) lim n n cos n lim
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.
Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen
MehrStetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543
Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen
MehrMATHEMATIK II FÜR STUDIERENDE DER PHYSIK
- 87 - MATHEMATIK II FÜR STUDIERENDE DER PHYSIK 21 Vektorräume mit Skalarprodukt Wir halten uns hier im Wesentlichen an das Buch G.Fischer : Lineare Algebra, 14. Auflage, Kap. 5. 21.1 Definition und Beispiele
MehrAnalysis II. Vorlesung 48. Die Hesse-Form
Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen
Mehr48 Symplektische Geometrie und Klassische Mechanik
48 Symplektische Geometrie und Klassische Mechanik Zusammenfassung Zum Schluss der Vorlesung gehen wir noch auf eine geometrische Struktur ein, die wie die euklidische oder die Minkowski-Struktur im Rahmen
Mehrfraktal kommt von f : C C : x x 3.
Kapitel 4 Fraktale und Dimension 4.1 Selbstähnlichkeit Was sind Fraktale? Das Wort fraktal kommt von zerbrochen und steht für die nicht-ganzzahlige Dimension. Wir betrachten also Objekte deren Dimension
MehrDer Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also
Festlegung Definitionsbereich 11.1 Festlegung Definitionsbereich Festlegung: Wir betrachten Funktionen f : D Ñ R, deren Definitionsbereich eine endliche Vereinigung von Intervallen ist, also z.b. D ra,
MehrKonvergenz von Folgen
6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung
MehrBeispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =
Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.
MehrDie Kirchhoffsche Knotenregel gilt nicht am Rand unendlicher Graphen
Die Kirchhoffsche Knotenregel gilt nicht am Rand unendlicher Graphen Johannes Carmesin 20. August 2010 1 Einleitung Elektrische Netzwerke sind ein wichtiger Bestandteil unseres täglichen Lebens. Ebenfalls
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
Mehr