III. Prinzipien der Funktionalanalysis
|
|
- Nadja Geiger
- vor 5 Jahren
- Abrufe
Transkript
1 III. Prinzipien der Funktionalanalysis 9 Der Satz von Hahn-Banach 9.1 Momentenproblem. a) Es seien X ein normierter Raum, (x n ) n=0 eine Folge in X und (α n ) n=0 eine Folge in K. Gibt es eine stetige Linearform f X mit f(x n ) = α n, n = 0, 1, 2,...? (1) b) Eine notwendige Bedingung für (1) ist n λ k α k C n λ k x k, n N 0, λ k K, (2) k=0 k=0 mit C = f. Gilt umgekehrt (2), so kann man auf V := sp {x n } n=0 eine Linearform durch f 0 ( n λ k x k ) := k=0 n k=0 definieren, und man hat f 0 C. λ k α k, n N 0, (3) c) Man erhält so eine Lösung von (1), wenn man die stetige Linearform f 0 V zu einer solchen auf ganz X fortsetzen kann. Dies ist in der Tat möglich; in 9.3 und 9.4 wird ein etwas allgemeineres Resultat bewiesen. 9.2 Definition. Es sei E ein Vektorraum über R. Ein sublineares Funktional auf E ist eine Abbildung p : E R mit p(x + y) p(x) + p(y), x, y E, (4) p(tx) = t p(x), x E, t 0. (5) Halbnormen sind Beispiele sublinearer Funktionale. 9.3 Theorem (Hahn-Banach). Es seien E ein reeller Vektorraum und V E ein Unterraum. Weiter seien p : E R sublinear und f 0 : V R linear mit f 0 (x) p(x) für alle x V. Dann gibt es eine Linearform f : E R mit f V = f 0 und p( x) f(x) p(x), x E. (6) Zum Beweis wird der Definitionsbereich von f 0 sukzessive um jeweils eine Dimension erweitert und dann das Zornsche Lemma verwendet. 9.4 Theorem (Hahn-Banach). Es seien E ein Vektorraum über K = R oder K = C und V E ein Unterraum. Weiter seien p : E R eine Halbnorm und f 0 : V R linear mit f 0 (x) p(x) für alle x V. Dann gibt es eine Linearform f : E R mit f V = f 0 und f(x) p(x), x E. (7)
2 9.5 Spezialfall des Satzes von Hahn-Banach. Es seien X ein normierter Raum über K = R oder K = C, V X ein Unterraum und f 0 V eine stetige Linearform auf V. Dann hat f 0 eine Fortsetzung zu einer stetigen Linearform f X auf X mit f = f 0. Zum Beweis wählt man in 9.4 einfach p(x) = f 0 x. Für Hilberträume X folgt diese Aussage sofort aus Kanonische Einbettung. a) Es seien X ein normierter Raum und x X. Dann gibt es f X mit f = 1 und f(x) = x. Folglich gilt x = max { f(x) f X, f = 1}, x E. (8) b) Die kanonische Einbettung ι = ι X : X X von X in den Bidualraum X = (X ) ist gegeben durch (ιx) (f) := f(x), x E, f X. (9) Nach (8) ist ι X eine Isometrie. c) Mittels der kanonischen Einbettung läßt sich eine Vervollständigung von X konstruieren (vgl. 1.14). Man nimmt als X einfach den Abschluß von ι(x) im Banachraum X. 9.7 Definition. Ein normierter Raum X heißt reflexiv, falls die kanonische Einbettung ι = ι X : X X surjektiv ist. 9.8 Bemerkungen. a) Hilberträume sind reflexiv wegen 6.7. b) Reflexive normierte Räume sind vollständig. c) Mit X ist auch jeder zu X isomorphe Banachraum reflexiv. d) Nach R.C. James gibt es nicht reflexive Banachräume J mit J = J. 9.9 Bemerkungen. a) Ist X reflexiv, so gilt für alle f X wegen (8) f = max { f(x) x X, x = 1} ; (10) das Supremum in (2.4) wird in diesem Fall also angenommen. b) Für X = c 0 oder X = C[0, 1] dagegen ist dies nicht der Fall. Diese Räume sind also nicht reflexiv Satz. Es seien V ein abgeschlossener Unterraum eines normierten Raumes X und x 0 X\V. Dann gibt es eine stetige Linearform f X mit f V = 0 und f(x 0 ) 0. Zum Beweis wendet man 9.6 a) auf den Quotientenraum X /V an Satz. Ein Banachraum X ist genau dann reflexiv, wenn dies auf den Dualraum X zutrifft Satz. Es sei X ein normierter Raum, dessen Dualraum X separabel ist. Dann ist auch X separabel.
3 9.13 Beispiel. Der Banachraum C[a, b] ist nach dem Weierstraßschen Approximationssatz 4.11 separabel. Dagegen ist der Dualraum C[a,b] nicht separabel, da für die überabzählbar vielen δ -Funktionale stets δ x δ y = 2 für x y [a,b] gilt. Insbesondere ist C[a,b] nicht reflexiv (vgl. auch 9.9 b)). Aus Satz 9.10 und der Jensen-Formel aus der Funktionentheorie erhält man die folgende Verallgemeinerung des Weierstraßschen Approximationssatzes: 9.14 Theorem (Müntz-Szasz). Es seien (0 < λ 1 < λ 2 < λ 3 <...) eine streng monoton wachsende Folge und V der Abschluß von sp {1,t λ 1,t λ 2,t λ 3,...} in C[0, 1]. a) Es gilt genau dann V = C[0, 1], wenn b) Im Fall 1 λ k = ist. 1 λ k < gilt t λ V für alle 0 λ {λ k }.
4 10 Dualräume und duale Operatoren 10.1 Definition. Es seien X,Y normierte Räume. Für T L(X,Y ) definiert man den dualen oder transponierten Operator T : Y X durch T y := y T für y Y Notation. Für x X und x X wird die Notation x,x := x (x) (1) verwendet. Definition 10.1 läßt sich dann so schreiben: Tx,y = x,t y, x X, y Y. (2) Dies betont die Analogie zu adjungierten Operatoren im Hilbertraumfall. Es gibt allerdings i. a. keine selbstdualen Operatoren, da T und T auf verschiedenen Räumen operieren Satz. Für T L(X,Y ) gilt T L(Y,X ) und T = T. Aus dem Satz von Arzelà-Ascoli 7.6 ergibt sich (vgl. auch 8.14 a)): 10.4 Satz (Schauder). Für einen kompakten Operator T K(X,Y ) ist auch T K(Y,X ) kompakt Definition. Es sei X ein normierter Raum. Für nichtleere Mengen M X und N X werden die Annihilatoren definiert durch M := {x X x,x = 0 für x M}, (3) N := {x X x,x = 0 für x N}. (4) Analog zu 6.6 und 6.10 gilt aufgrund von Satz 9.10: 10.6 Satz. a) Es ist N ein abgeschlossener Unterraum von X. b) Für M X gilt (M ) = sp M. c) Für T L(X,Y ) hat man R(T) = N(T ) und R(T) = N(T ). (5) Ist R(T) abgeschlossen, so gilt also R(T) = N(T ) Minimalmodul. a) Für einen Operator T L(X,Y ) schneidet man den Kern weg durch die Definition ˆX := X /N(T) und ˆT : ˆX Y, ˆT(ˆx) := Tx, x X. (6) Es ist ˆT L( ˆX,Y ) wohldefiniert und injektiv mit ˆT = T und R( ˆT) = R(T). b) Der (reduzierte) Minimalmodul von T L(X, Y ) ist Tx γ(t) := inf { dist (x,n(t)) x X\N(T)} = inf { ˆT ˆx ˆx ˆx ˆX\{0}}. (7)
5 10.8 Satz. Für T L(X,Y ) gelte γ(t) > 0. Dann ist R(T) abgeschlossen und T : X R(T) eine offene Abbildung. Dies ist eine Verallgemeinerung von In?? wird auch die Umkehrung dieser Aussage gezeigt Satz. Es seien X ein normierter Raum und V X ein abgeschlossener Unterraum. Dann hat man die kanonischen Isometrien V = X /V und ( X /V ) = V. (8) Satz. Es seien X ein reflexiver Banachraum und V X ein abgeschlossener Unterraum. Dann sind auch V und X /V reflexiv Dualität von l p -Räumen. a) Durch die Formel (Jy)(x) := x k y k, x = (x k ) c 0, y = (y k ) l 1, (9) wird eine bijektive Isometrie J : l 1 c 0 definiert, kurz: c 0 = l 1. b) Es seien 1 p < und = 1. Durch (9) wird auch eine bijektive Isometrie p q J q : l q l p definiert, kurz: l p = l q. c) Die kanonische Einbettung ι p : l p l p ist gegeben durch ι p = (J q) 1 J p ; (10) für 1 < p < ist sie daher bijektiv und l p reflexiv. d) Die Abbildung J 1 : l 1 l ist isometrisch, aber nicht surjektiv. Andernfalls wäre l separabel und nach Satz 9.12 auch l separabel. Wegen c 0 = l liefert dieses Argument auch, daß die Räume c 0, l 1 und l nicht reflexiv sind. Die Aussagen von b)-d) gelten auch für allgemeinere L p -Räume, die Beweise sind dann aber wesentlich schwieriger. Ein positives Maß µ auf einer σ -Algebra in einer Menge M heißt σ -endlich, wenn M = M k mit µ(m k ) < für k N gilt Theorem. Es seien 1 p <, = 1 und µ ein σ -endliches Maß auf p q einer σ -Algebra in einer Menge M. Durch die Formel (Jg)(f) := M f(t)g(t)dµ, f L p(µ), g L q (µ), (11) wird eine bijektive Isometrie J : L q (µ) L p (µ) definiert, kurz: L p (µ) = Lq (µ). Beweis. a) Man sieht leicht, daß J : L q (µ) L p (µ) eine Isometrie ist. b) Ein möglicher Beweis der Surjektivität von J beruht auf dem Satz von Radon- Nikodym (vgl. Meise-Vogt, 13 oder Rudin: Real and Complex Analysis, Ch. 6). c) Für 1 p 2 kann man die Surjektivität auch unter Verwendung des trivialen Spezialfalls p = 2 (vgl. 6.7) beweisen, zuerst für den Fall µ(m) <. d) Ein anderer Beweis für den Fall 1 < p < folgt in Abschnitt 12; dabei braucht µ nicht σ -endlich zu sein.
6 10.13 Satz. Es seien 1 < p <, = 1 und µ ein positives Maß auf einer p q σ -Algebra in einer Menge M. Dann ist der Raum L p (µ) reflexiv. Dies folgt aus Theorem wie in c). In Abschnitt 12 wird umgekehrt der noch unbewiesene Teil d) von Theorem aus Satz hergeleitet Theorem (Riesz). Es seien M ein kompakter metrischer (oder topologischer) Raum und ϕ C(M) eine stetige Linearform auf C(M). Dann gibt es genau ein reguläres positives Borel-Maß µ auf M mit µ(m) = ϕ und genau eine Funktion g L (µ) mit g(t) = 1 fast überall mit ϕ(f) = M f(t)g(t)dµ, f C(M). (12) Beweis. a) Es sei ϕ = 1. Für 0 f C(M) setzt man λ(f) := sup { ϕ(h) h C(M), h f} (13) und erweitert λ zu einer positiven Linearform auf C(M). Dann gilt ϕ(f) λ( f ) f, f C(M). (14) b) In der Integrationstheorie wird gezeigt, daß es zu λ ein eindeutig bestimmtes reguläres positives Borel-Maß µ auf M mit µ(m) = 1 gibt mit λ(f) = M f(t)dµ, f C(M) (15) (vgl. etwa [A3], Kap. I). c) Wegen ϕ(f) f L1 (µ) aufgrund von (14) kann ϕ zu einer stetigen Linearform auf L 1 (µ) fortgesetzt werden, und man verwendet Theorem Einzelheiten des Beweises findet man wieder bei Meise-Vogt, 13.9/10 oder Rudin: Real and Complex Analysis, 6.19.
7 11 Schwache Konvergenz 11.1 Definition. Es sei X ein normierter Raum. a) Eine Folge (x n ) in X konvergiert schwach gegen x X, Notation: x n w x, falls gilt x n,x x,x für alle x X. (1) b) Eine Folge (x n) in X konvergiert schwach* gegen x X, Notation: x w n x, falls gilt x,x n x,x für alle x X. (2) 11.2 Beispiele. a) Es sei e n = (δ nj ) j=1 der n -te Einheitsvektor in l p. Offenbar ist e n = 1 für alle 1 p. b) Für 1 < p < und y = (y j ) j=1 l q = l p gilt e n,y = y n 0, also e n w 0. c) In l 1 gilt e n w 0 aber nicht e n w 0. Für x = (x j ) j=1 c 0 hat man in der Tat x,e n = x n 0, für y := (1, 1, 1,...) j=1 l = l 1 aber e n,y = y n Bemerkungen. a) Norm-Konvergenz impliziert die schwache Konvergenz und diese (in Dualräumen) die schwach*-konvergenz. b) Aus x n w x in X bzw. x n w x in X folgt x lim inf x n bzw. x lim inf x n. (3) Dies bedeutet, daß die Norm schwach unterhalbfolgenstetig bzw. schwach* unterhalbfolgenstetig ist. Die Beispiele 11.2 zeigen, daß man in (3) i. a. keine Gleichheit hat. Die Norm ist auch nicht schwach oberhalbfolgenstetig, da die Aussage x lim sup x n nicht gilt. c) Es sei T L(X,Y ). Aus x w n x in X bzw. y n w y in Y folgt dann Tx w n Tx in Y bzw. T y n w T y in X. d) Es sei V ein Unterraum des normierten Raumes X. Für eine Folge (v n ) in V gilt dann aufgrund des Satzes von Hahn-Banach 9.5 v n w v in V v n w v in X. (4) 11.4 Satz. Schwach konvergente Folgen in X und schwach*-konvergente Folgen in X sind norm-beschränkt. Ein Beweis folgt in Beispiele. a) Es sei M ein kompakter metrischer (oder topologischer) Raum. Eine Folge (f n ) konvergiert genau dann schwach gegen f in C(M), wenn sup f n < und f n (x) f(x) für alle x M (5) n N gilt. Zum Beweis verwendet man Theorem und den Satz über majorisierte Konvergenz.
8 b) Es seien 1 p < und 1 p + 1 q = 1. Eine Folge (y(n) ) konvergiert genau dann schwach* gegen y in l q = l p, wenn sup y (n) < und y (n) k y k für alle k N (6) n N gilt. Diese Bedingung beschreibt auch die schwache Konvergenz in l p für 1 < p < und die schwach*-konvergenz in l 1 = c 0. Dagegen gilt: 11.6 Satz. Eine Folge in l 1 ist genau dann schwach konvergent, wenn sie Normkonvergent ist. Der Beweis benutzt die Methode des gleitenden Buckels. Mit 11.3 d) ergibt sich, daß l p für 1 < p < nicht zu einem Unterraum von l 1 isomorph ist Trennungssatz. Es seien X ein normierter Raum und A,B X disjunkte konvexe Mengen. a) Ist A offen, so gibt es x X und γ R mit Re a,x < γ Re b,x für a A, b B. (7) b) Ist A kompakt und B abgeschlossen, so gibt es x X und γ 1 < γ 2 R mit Re a,x γ 1 < γ 2 Re b,x für a A, b B. (8) 11.8 Folgerung. Es seien X ein normierter Raum und B X eine konvexe abgeschlossene Menge. Dann ist B auch schwach folgenabgeschlossen, d. h. aus B b n w x X folgt stets x B. Nach 11.2 gilt dies nicht für die Einheitssphäre von l p für 1 < p < Folgerung (Mazur). In einem normierten Raum X gelte x w n x. Zu ε > 0 n gibt es dann n N und s k [0, 1] mit s k = 1 und n s k x k x < ε Absolutkonvexe Mengen. a) Eine Teilmenge B E eines Vektorraums heißt absolutkonvex, falls gilt x,y B und s,t K mit s + t 1 s x + t y B. (9) Kugeln in normierten Räumen sind absolutkonvex. Durch Γ(M) := { n s k x k n N, x k M, s k [0, 1], ist die absolutkonvexe Hülle von M E gegeben. n s k 1} (10) b) Es seien X ein normierter Raum, B X eine absolutkonvexe Menge und a X\B. Ist B offen, so gibt es x X mit x,x < a,x für alle x B, (11) ist B abgeschlossen, so gibt es x X mit sup x,x < a,x. (12) x B
9 11.11 Polaren. a) Es sei X ein normierter Raum. Für nichtleere Mengen M X und N X werden die Polaren definiert durch M := {x X x,x 1 für x M}, (13) N := {x X x,x 1 für x N}. (14) b) Polaren sind stets absolutkonvex. Es gilt der Bipolarensatz (M ) = Γ(M) für M X. (15) Definition. Es sei X ein normierter Raum. Eine Menge M X [bzw. N X ] heißt schwach folgenkompakt, [ schwach*-folgenkompakt,] wenn jede Folge in M [ N ] eine in M [ N ] schwach [ schwach*-] konvergente Teilfolge hat Satz. Es sei X ein separabler normierter Raum. Dann ist die duale Einheitskugel B := {x X x 1} schwach*-folgenkompakt Beispiel. a) Man definiert stetige Linearformen auf X := L [0, 1] durch ε 0 ϕ ε (f) := 1 f(t)dt, ε > 0. (16) ε Dann ist ϕ ε = 1, und für f C[0, 1] gilt ϕ ε (f) f(0) = δ(f). Es gibt aber keine Nullfolge ε k 0, für die (ϕ εk ) in L [0, 1] schwach*-konvergiert. b) Satz ist also ohne die Annahme der Separabilität von X i. a. so nicht richtig. Nach dem Satz von Alaoglu-Bourbaki ist aber B stets kompakt in der schwach*- Topologie, vgl. dazu?? Satz. In einem reflexiven Banachraum X ist die Einheitskugel B := {x X x 1} schwach folgenkompakt. Es ist B sogar genau dann schwach (folgen)kompakt, wenn X reflexiv ist. Aus den Sätzen von Mazur 11.9 und ergibt sich: Satz. Es seien X ein reflexiver Banachraum und = C X eine abgeschlossene konvexe Menge. Eine unterhalbstetige konvexe Funktion u : C [0, ) mit u(x) für x C, x (17) besitzt ein Minimum auf C. Ein Spezialfall ist die folgende Verallgemeinerung des Projektionssatzes 6.1: Satz. Es seien X ein reflexiver Banachraum und = C X eine abgeschlossene konvexe Menge. Zu x X gibt es ein c C mit x c = d C (x) = inf { x y y C}. (18) Die Frage der Eindeutigkeit der Minimalstelle wird im nächsten Abschnitt untersucht Satz. Es seien X,Y Banachräume und T : X Y ein kompakter linearer Operator. Aus x n w x in X folgt dann Tx Tx n Y Satz. Es seien X,Y Banachräume, X reflexiv und T : X Y ein stetiger linearer Operator, der schwach konvergente Folgen in norm-konvergente Folgen abbildet. Dann ist T kompakt. Nach Satz 11.6 ist dies für X = l 1 nicht richtig.
10 12 Uniform konvexe Räume 12.1 Definition. Ein normierter Raum X heißt strikt normiert, wenn seine Einheitssphäre S = {x X x = 1} keine Strecke enthält, wenn also gilt x = y = 1 und 1 (x + y) = 1 x = y. (1) Beispiele. a) Die Räume l 2 1 und l 2 sind nicht strikt normiert, und dies gilt auch für alle Räume mit L 1 - und L -Normen. b) Für 1 < p < sind L p -Räume strikt normiert Satz. Es seien X ein strikt normierter Banachraum und = C X eine abgeschlossene konvexe Menge. Zu x X gibt es dann höchstens ein c C mit x c = d C (x) = inf { x y y C}. (2) 12.4 Definition. Ein normierter Raum X heißt uniform konvex, falls für je zwei Folgen (x n ) und (y n ) in X mit n lim x n = n lim y n = 1 gilt: lim n 1 2 (x n + y n ) = 1 n lim x n y n = 0. (3) Uniform konvexe Räume sind strikt normiert Lemma. Für 2 p < und Zahlen a,b C gilt a + b p + a b p 2 p 1 ( a p + b p ). (4) 12.6 Satz. Es sei µ ein positives Maß auf einer σ -Algebra in einer Menge M. Für 2 p < ist dann der Raum L p (µ) uniform konvex. Beweis. Es seien (f n ) und (g n ) Folgen in L p (µ) mit n lim f n = n lim g n = 1. Wegen (4) ist dann lim sup ( f n + g n p + f n g n p ) 2 p, und aus lim n 1 2 (f n + g n ) = 1 folgt sofort lim n f n g n = 0. Der Satz gilt auch für 1 < p < 2 ; der Beweis eines zu 12.5 analogen Lemmas ist dann schwieriger (vgl. Hirzebruch-Scharlau, 17). Eine Variante von 9.1 ist: 12.7 Satz (Helly). Gegeben seien ein normierter Raum X, stetige Linearformen {f 1,...,f n } X und Zahlen {α 1,...,α n } K. Es gebe C > 0 mit n λ k α k C n λ k f k für alle λ k K. (5) Zu ε > 0 gibt es dann einen Vektor x X mit x < C + ε und f k (x) = α k, k = 1,..., n. (6)
11 Beweis. a) Man definiert T L(X, K n ) durch Tx := (f k (x)) n. Dann ist (vgl. 10.7) ˆT : X /N(T) R(T) K n ein Isomorphismus und daher T : X R(T) eine offene Abbildung. b) Ist die Behauptung für ε > 0 falsch, so gilt also α := (α k ) n T(B C+ε (0)). Nach Satz 9.10 bzw b) gibt es dann λ = (λ k ) n (K n ) mit Tx,λ < α,λ für alle x B C+ε (0) im Widerspruch zu (5) Satz (Milman-Pettis). Ein uniform konvexer Banachraum X ist reflexiv. Beweis. a) Es sei F X mit F = 1. Es gibt eine Folge (f n ) in X mit f n = 1 und F(f n ) > 1 1 n für n N. Nach Satz 12.7 gibt es x n X mit f k (x n ) = F(f k ), k = 1,..., n und x n n. (7) b) Für m n hat man 2 2 n F(f n) + F(f n ) = f n (x n ) + f n (x m ) x n + x m n, (8) und wegen (3) ist (x n ) eine Cauchy-Folge in X. Für x := lim n x n X gilt dann x = 1 und f k (x) = F(f k ), k N. (9) c) Wegen (8) ist x X durch (9) eindeutig bestimmt. Ist nun f 0 X beliebig, so konstruiert man zu der Folge (f n ) n 0 wie in b) ein x 0 X mit (9). Es folgt x = x 0 und somit f 0 (x) = F(f 0 ), also F = ι X (x) Folgerung. Es sei µ ein positives Maß auf einer σ -Algebra in einer Menge M. Für 1 < p < ist dann der Raum L p (µ) reflexiv. Beweis. Für 2 p < folgt dies unmittelbar aus den Sätzen 12.6 und Für 1 < p < 2 ist dann L q (µ) reflexiv, also auch L q (µ) und der zu einem Unterraum von L q (µ) isometrische Raum L p (µ) (vgl ) Beweis von Theorem Es sei 1 < p < und J : L q (µ) L p (µ) nicht surjektiv. Nach 9.10 gibt es 0 F L p (µ) mit F(J(L q (µ))) = 0. Nach 12.9 ist F = ι(f) mit f L p (µ). Es folgt M f(t)g(t)dµ = 0 für alle g L q(µ) und somit der Widerspruch f = 0.
Extremalpunkte und der Satz von Krein-Milman. 1 Lokalkonvexe topologische Vektorräume
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
Mehr([0, 1]) und int K = p 1
126 III. Der Satz von Hahn-Banach und seine Konsequenzen wie man durch Einsetzen unmittelbar erkennt. Zeigen wir noch die Halbstetigkeit von f: Sei(x n ) eine Folge in L p (R) mitx n x in L p (R) und f(x
MehrVollständiger Raum, Banachraum
Grundbegriffe beschränkte Menge Cauchyfolge Vollständiger Raum, Banachraum Kriterium für die Vollständigkeit Präkompakte Menge Kompakte Menge Entropiezahl Eigenschaften kompakter und präkompakter Mengen
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
MehrFUNKTIONALANALYSIS. Carsten Schütt WS 2006/7
1. Eine Teilmenge K eines topologischen Raumes heißt folgenkompakt, wenn jede Folge in K eine Teilfolge enthält, die in K konvergiert. Die Menge K heißt abzählbar kompakt, wenn jede unendliche Teilmenge
MehrWiederholung. Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen.
Wiederholung Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen. Definition. Sei X eine Menge und d : X X R eine Abbildung mit den Eigenschaften 1.
Mehr4 Die Prinzipien der Funktionalanalysis
4 Die Prinzipien der Funktionalanalysis 4.1 Der Satz von Baire und das Prinzip der gleichmäßigen Beschränktheit Sei X ein topologischer Raum und A X. A heißt nirgends dicht, wenn A keine inneren Punkte
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)
MehrBezeichnungen und Hilfsmittel aus der Analysis
Finite Elemente I 169 A Bezeichnungen und Hilfsmittel aus der Analysis A Bezeichnungen und Hilfsmittel aus der Analysis TU Bergakademie Freiberg, WS 2010/111 Finite Elemente I 170 A.1 Normierte Vektorräume
MehrLösungsvorschlag zur Klausur
FAKULTÄT FÜ MATHEMATIK Prof. Dr. Patrizio Neff Frank Osterbrink Johannes Lankeit 27.7.23 Lösungsvorschlag zur Klausur Hinweise zur Bearbeitung: - Die Bearbeitungszeit für die Klausur beträgt 8 Minuten.
MehrHöhere Funktionalanalysis WS2016/17 Übungsblatt
Höhere Funktionalanalysis WS2016/17 Übungsblatt 1 11.10.2016 Aufgabe 1. Berechne die Normen der Operatoren (a) f L [0, 1], M f : L 2 [0, 1] L 2 [0, 1], (M f g)(x) = f(x)g(x). (b) g C[0, 1], T g : C[0,
MehrFunktionalanalysis. Martin Brokate. 1 Normierte Räume 2. 2 Hilberträume Das Prinzip der gleichmäßigen Beschränktheit 31
Funktionalanalysis Martin Brokate Inhaltsverzeichnis 1 Normierte Räume 2 2 Hilberträume 2 3 Das Prinzip der gleichmäßigen Beschränktheit 31 4 Fortsetzung, Reflexivität, Trennung 36 5 Kompakte Mengen in
Mehr12 Aufgaben zu linearen Funktionalen
266 12. Aufgaben zu linearen Funktionalen A B C 12 Aufgaben zu linearen Funktionalen 12.1 Stetige Funktionale (siehe auch 11.6.E, 12.2, 13.4.A) Sei E ein topologischer Vektorraum und ϕ: E K (ϕ ) linear.
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
Mehr45 Hilberträume. v = 2 <v, v>.
45 Hilberträume Zusammenfassung Unter dem Begriff Hilbertraum werden solche euklidische oder unitäre Vektorräume zusammengefasst, die auch noch vollständig sind. Damit werden die in 41, 42 und in 43, 44
Mehr22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion
KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von
MehrInhaltsverzeichnis. 6 Topologische Grundlagen. 6.1 Normierte Räume
Inhaltsverzeichnis 6 Topologische Grundlagen 1 6.1 Normierte Räume................................ 1 6.2 Skalarprodukte................................. 2 6.3 Metrische Räume................................
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
MehrFunktionalanalysis. Wintersemester 2010/2011 Dr. Tomáš Dohnal, Universität Stuttgart. Inhalt der Vorlesung im Detail
Funktionalanalysis Wintersemester 21/211 Dr. Tomáš Dohnal, Universität Stuttgart Inhalt der Vorlesung im Detail 1. Metrische Räume, normierte Räume und Innenprodukträume; Funktionenräume Metrische Räume
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 1 Definition: Sei M R, alsom
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
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
MehrDer Satz von Hahn-Banach und seine geometrische Bedeutung Seminararbeit im Rahmen des PS Funktionalanalysis 2 SS 2008
Der Satz von Hahn-Banach und seine geometrische Bedeutung Seminararbeit im Rahmen des PS Funktionalanalysis 2 SS 2008 Brigitte Kertelits (9925250) 16. November 2008 1 Zusammenfassung Diese Arbeit befasst
MehrÜbungen zur Funktionalanalysis Lösungshinweise Blatt 2
Übungen zur Funktionalanalysis Lösungshinweise Blatt 2 Aufgabe 5. Beweisen Sie: Ein kompakter Hausdorffraum, welcher dem ersten Abzählbarkeitsaxiom genügt, ist folgenkompakt. Lösung. Es sei X ein kompakter
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.
MehrDer Satz von Krein-Milman und einige Konsequenzen
TU Wien SS 2009 Der Satz von Krein-Milman und einige Konsequenzen Seminararbeit aus Funktionalanalysis Markus Faustmann Satz von Krein-Milman 1 1 Extremalpunkte und der Satz von Krein-Milman Definition
MehrProjektpraktikum Schwache Kompaktheit
Projektpraktikum Schwache Kompaktheit Thomas Wannerer 1. Juni 2008 Inhaltsverzeichnis 1 Einleitung 2 2 Die beschränkte schwach* Topologie 2 3 Der Satz von Eberlein-Šmulian 9 4 Der Satz von James 14 5 Reflexivität
Mehr4 Kompakte Operatoren
4.1 Kompakte Op. auf dem Hilbertraum 57 4 Kompakte Operatoren 4.1 Kompakte Operatoren auf dem Hilbertraum 4.1.1 Folg. (id H kompakt H endlichdim.) Die identische Abbildung eines Prähilbertraumes X ist
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
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
MehrDer Schaudersche Fixpunktsatz liefert daher einen Fixpunkt für F C und deshalb erst recht einen Fixpunkt für F. 2
IV.8 Aufgaben 187 Der Schaudersche Fixpunktsatz liefert daher einen Fixpunkt für F C und deshalb erst recht einen Fixpunkt für F. 2 Formal schließt der Darbo-Sadovskiĭsche Fixpunktsatz sowohl den Banachschen
MehrFunktionalanalysis. Delio Mugnolo. Wintersemester 2011/12. Institut für Analysis, Universität Ulm. Funktionalanalysis.
Institut für Analysis, Universität Ulm Wintersemester 2011/12 1 / 379 Metrische Räume Immer: K = R oder K = C X, Y,... Vektorräume über K Definition. Ein Abstand d auf X ist s.d. (1) d(x, y) = 0 x = y,
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,
MehrFunktionalanalysis II. Carsten Schütt SS 2012
1. Jeder Filter ist in einem Ultrafilter enthalten. 2. Es sei X ein topologischer Hausdor Raum. X ist genau dann kompakt, wenn jeder Ultrafilter konvergiert. 3. (Skript) (i) {0, 1} [0,1] mit der Produkttopologie
MehrL 2 -Theorie und Plancherel-Theorem
L -Theorie und Plancherel-Theorem Seminar Grundideen der Harmonischen Analysis bei Porf Dr Michael Struwe HS 007 Vortrag von Manuela Dübendorfer 1 Wiederholung aus der L 1 -Theorie Um die Fourier-Transformation
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
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,
MehrDefinition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR
0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen
Mehr8.1. DER RAUM R N ALS BANACHRAUM 17
8.1. DER RAUM R N ALS BANACHRAUM 17 Beweis. Natürlich ist d 0 und d(x, y) = 0 genau dann, wenn x = y. Wegen (N2) ist x = x und damit d(x, y) = d(y, x). Die letzte Eigenschaft einer Metrik schließt man
Mehr(c) Ein inneres Produkt (Skalarprodukt) auf H ist eine positiv definite hermitesche Form auf H.
11 Hilberträume Sei H ein Vektorraum über K = R oder K = C. Definition 11.1. (a) Eine sesquilineare Form auf H ist eine Abbildung, : H H K so, dass für alle x, x, y, y H und α, β K gilt αx + βx, y = α
Mehr12 Biholomorphe Abbildungen
12 Biholomorphe Abbildungen 2 Funktionenräume Wir erinnern zunächst an den Weierstraßschen Konvergenzsatz : 2.1 Satz. Sei G C ein Gebiet, (f n ) eine Folge holomorpher Funktionen auf G, die auf G kompakt
MehrEinführung in die Funktionalanalysis
Einführung in die Funktionalanalysis Kapitel III Reinhold Meise und Dietmar Vogt ii Inhaltsverzeichnis Inhaltsverzeichnis Vorwort.......................................................................
Mehr53 Die Parsevalsche Gleichung
53 Die Parsevalsche Gleichung 53 Die Parsevalsche Gleichung 5 53. Skalarprodukte auf Räumen quadratintegrierbarer Funktionen. a) Die Orthogonalitätsrelationen (5.5) legen die Interpretation des Ausdrucks
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
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.
MehrRechenoperationen mit Folgen. Rekursion und Iteration.
Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )
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.
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
MehrFunktionalanalysis I. Vadim Kostrykin Institut für Mathematik Johannes Gutenberg-Universität Mainz. Sommersemester 2015 Vorlesungsbegleitendes Skript
Funktionalanalysis I Vadim Kostrykin Institut für Mathematik Johannes Gutenberg-Universität Mainz Sommersemester 2015 Vorlesungsbegleitendes Skript Stand: 20. Juli 2015 Vorbemerkungen Das vorliegende Skriptum
MehrLineare Funktionalanalysis
Hans Wilhelm Alt Lineare Funktionalanalysis Eine anwendungsorientierte Einführung Zweite, verbesserte Auflage mit 19 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo Hong Kong
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
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
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.
MehrFunktionalanalysis I und II. Eine Zusammenfassung
Funktionalanalysis I und II Eine Zusammenfassung Kai Gehrs acrowley@mupad.de 16. Februar 2007 Zusammenfassung Der folgende Text soll einen groben Überblick über die grundlegenden Konzepte und Resultate
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
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
MehrKommutativität. De Morgansche Regeln
1. Formale Logik Proposition 1.1. Die logischen Elementarverknüpfungen gehorchen folgenden Äquivalenzen: (1.1) (1.2) p p p p p p Idempotenz (1.3) (1.4) p q q p p q q p Kommutativität (1.5) (1.6) (p q)
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
MehrFunktionalanalysis I. Vadim Kostrykin Institut für Mathematik Johannes Gutenberg-Universität Mainz. Sommersemester 2018 Vorlesungsbegleitendes Skript
Funktionalanalysis I Vadim Kostrykin Institut für Mathematik Johannes Gutenberg-Universität Mainz Sommersemester 2018 Vorlesungsbegleitendes Skript Stand: 14. Februar 2018 Vorbemerkungen Das vorliegende
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
MehrKompakte Operatoren in Hilberträumen
Kompakte Operatoren in Hilberträumen 1 Vorbemerkungen Im Folgenden bezeichne H immer einen seperablen Hilbertraum über C Mit B(H 1, H 2 ) bezeichnen wir die Menge aller beschränkten linearen Operatoren
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
Mehr9 Metrische und normierte Räume
9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik
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
MehrFunktionalanalysis und Anwendungen
UNIVERSITÄT HAMBURG FACHBEREICH MATHEMATIK Funktionalanalysis und Anwendungen Michael Ulbrich Februar 2005 Inhaltsverzeichnis 1 Grundlegende Konzepte 4 11 Vektorräume 4 111 Grundlagen 4 112 Lineare Abbildungen
MehrAktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 5: Endliche Maße und schwache Konvergenz von Maßen in metrischen Räumen
Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 5: Endliche Maße und schwache Konvergenz von Maßen in metrischen Räumen Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut
Mehr1 Endlich additive Volumen auf R n
Endlich additive Volumen auf R n In Satz. im Skript haben wir gezeigt, dass kein σ-additives Volumen auf der Potenzmenge P (R n ) definiert werden kann. Man könnte sich vorstellen, das Problem ist aus
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
MehrMessbare Vektorräume
Messbare Vektorräume Hans-Jörg Starkloff TU Bergakademie Freiberg Westsächsische Hochschule Zwickau Dezember 2010 / Januar 2011 Hans-Jörg Starkloff Messbare Vektorräume 1 1. Definition Geg. X linearer
Mehrp(z +λx 0 ) ϕ(z). λ sup w W ψ(x 0 ) inf Dazu wollen wir nachweisen, dass für alle w,z W und alle λ,µ > 0 λ λ+µ p(w µx 0) λ+µ p(z +λx 0)+ λ
34 4. DER SATZ VON HAHN-BANACH 4. Der Satz von Hahn-Banach 4.1. Der Satz von Hahn-Banach. Der Satz von Hahn-Banach besagt, dass sich ein lineares Funktional normerhaltend fortsetzen lässt. Der Beweis benutzt
Mehr4. Folgen. Folge in R 2 mit Grenzwert (1, 1 2 ).
8 4. Folgen Im Folgenden sei X = K n (oder ein K-Vektorraum) mit der Norm.(Eslangtvöllig,sichden Fall X = R 2 vorzustellen.) Auf R bzw. C verwenden wir als Norm stets den Betrag. 4.. Definition. Eine Folge
MehrFunktionalanalysis. Prof. Dr. Y. Kondratiev. 20. Oktober 2015
Funktionalanalysis Prof. Dr. Y. Kondratiev 20. Oktober 2015 1 Inhaltsverzeichnis 1 Grundlagen 1 1.1 Metrische Räume.................................... 1 1.2 Konvergente Folgen...................................
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
MehrNormierte Vektorräume und lineare Abbildungen 61
Normierte Vektorräume und lineare Abbildungen 61 denn x + h = xe + x 1 h: x 1 h x 1 h α 17.4 = e + x 1 h IA, also x + h IA und x + h 1 x 1 + x 1 hx 1 = [ e + x 1 h 1 e + x 1 h ] x 1 : mit y := x 1 h aus
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?
MehrKonversatorium zu Lineare Algebra und Analysis Analysis - Übungsbeispiele
Univ.-Prof. Dr. Radu Ioan Boţ, Axel Böhm Konversatorium zu Lineare Algebra und Analysis Analysis - Übungsbeispiele SS18 A1. Sei f : [, + ) R so, dass und dass ein M existiert mit Zeigen Sie, dass f(s +
MehrFunktionalanalysis. Vorlesungsskript Wintersemester 2015/16. Bernd Schmidt
Funktionalanalysis Vorlesungsskript Wintersemester 2015/16 Bernd Schmidt Institut für Mathematik, Universität Augsburg, Universitätsstr. 14, 86135 Augsburg, bernd.schmidt@math.uni-augsburg.de 1 Inhaltsverzeichnis
MehrNormierte Vektorräume und lineare Abbildungen 71. kanonische Einbettung (von E in E ).
Normierte Vektorräume und lineare Abbildungen 71 Zunächst ist κx: E K linear. κxx = x x x x zeigt κx x. Mit 20.5 b dann κx = x. Damit : 21.1 Bemerkung κ : E E ist linear mit κx = x für x E. Somit ist κ
Mehrheißt Exponentialreihe. Die durch = exp(1) = e (Eulersche Zahl). n! + R m+1(x) R m+1 (x) = n! m m + 2
9 DIE EXPONENTIALREIHE 48 absolut konvergent. Beweis. Wegen x n+ n! n + )!x n = x n + < 2 für n 2 x folgt dies aus dem Quotientenkriterium 8.9). Definition. Die Reihe x n heißt Exponentialreihe. Die durch
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
MehrStetigkeit, Konvergenz, Topologie
Ferienkurs Seite 1 Technische Universität München Ferienkurs Analysis 1 Hannah Schamoni Wintersemester 2011/12 Stetigkeit, Konvergenz, Topologie 21.03.2012 Inhaltsverzeichnis 1 Stetigkeit und Konvergenz
MehrLösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version A)
Lösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, 10.1.009 (Version A) Kennwort: Übungsgruppe: (Sie können ein beliebiges Kennwort wählen, um Ihre Anonymität zu wahren! Da die Probeklausur
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,
Mehr4 Holomorphie-Konvexität. Definition Satz. 42 Kapitel 2 Holomorphiegebiete
42 Kapitel 2 Holomorphiegebiete 4 Holomorphie-Konvexität Wir wollen weitere Beziehungen zwischen Pseudokonvexität und affiner Konvexität untersuchen. Zunächst stellen wir einige Eigenschaften konvexer
MehrProseminar Analysis Vollständigkeit der reellen Zahlen
Proseminar Analysis Vollständigkeit der reellen Zahlen Axel Wagner 18. Juli 2009 1 Voraussetzungen Zunächst wollen wir festhalten, was wir als bekannt voraussetzen: Es sei (Q, +, ) der Körper der rationalen
MehrD-MATH Funktionalanalysis II FS 2014 Prof. M. Struwe. Lösung 2
D-MATH Funktionalanalysis FS 214 Prof. M. Struwe Lösung 2 1. a) Wir unterscheiden zwei Fälle. Fall 1: 1 < p < : Seien u L p () und (u k ) W 1,p () eine beschränkte Folge, so dass u k u in L p () für k.
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
Mehr72 Orthonormalbasen und Konvergenz im quadratischen Mittel
72 Orthonormalbasen und Konvergenz im quadratischen Mittel 30 72 Orthonormalbasen und Konvergenz im quadratischen Mittel Wir untersuchen nun die Konvergenz von Fourier-Reihen im quadratischen Mittel in
Mehr12. Trennungssätze für konvexe Mengen 83
12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C
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
MehrRiesz scher Darstellungssatz und Duale Räume
Riesz scher Darstellungssatz und Duale Räume LV Numerik Partieller Differentialgleichungen Bärwolff SS 2010 14.06.2010 Julia Buwaya In der Vorlesung wurde der Riesz sche Dartsellungssatz als wichtiges
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
MehrV. Lineare Algebra. 35 Lineare Abbildungen und Matrizen. 156 V. Lineare Algebra
156 V. Lineare Algebra V. Lineare Algebra 35. Lineare Abbildungen und Matrizen 156 36. Eigenwerte und Eigenvektoren 161 37. Hauptvektoren 165 38. Normen und Neumannsche Reihe 168 39. Numerische Anwendungen
Mehrsign: R R, sign(x) := 0 falls x = 0 1 falls x < 0 Diese ist im Punkt x 0 = 0 nicht stetig, denn etwa zu ε = 1 finden wir kein δ > 0
ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 81 3. Stetigkeit 3.1. Stetigkeit. Im Folgenden sei D R eine beliebige nichtleere Teilmenge. Typischerweise wird D ein allgemeines Intervall sein, siehe Abschnitt
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
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,
MehrSchauderbasen und das Beispiel der Riesz-Basen auf Hilberträumen
Schauderbasen und das Beispiel der Riesz-Basen auf ilberträumen Bernhard Stiftner 0. Dezember 0 Inhaltsverzeichnis Allgemeines zu Schauderbasen Spezielle Schauderbasen auf ilberträumen 8 3 Literatur 8
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
Mehr