Sie sind auf Seite 1von 114

# Fourier-Transformation und Wavelets

## Otto Forster, Joachim Wehler

Vorlesung im Wintersemester 2000/2001, LMU Mnchen,
Version 1.0
Inhalt 2
1 HILBERT-RUME...................................................................................................................................... 6
1.1 DEFINITION (PR-HILBERT-RAUM) .......................................................................................................... 6
1.2 SATZ (UNGLEICHUNG VON CAUCHY-SCHWARZ) ...................................................................................... 6
1.3 DEFINITION (HILBERT-RAUM) .................................................................................................................. 7
1.4 DEFINITION (LINEARER OPERATOR) ......................................................................................................... 7
1.5 BEMERKUNG (STETIGKEIT UND BESCHRNKTHEIT) ................................................................................. 7
1.6 DEFINITION (ORTHOGONALITT, ORTHONORMALITT)............................................................................ 8
1.7 DEFINITION (FOURIER-KOEFFIZIENTEN BZGL. EINES ORTHONORMAL-SYSTEMS) ..................................... 8
1.8 SATZ (BESTE APPROXIMATION DURCH EIN ORTHONORMAL-SYSTEM) ..................................................... 8
1.9 KOROLLAR (BESSEL-UNGLEICHUNG, PARSEVAL-GLEICHUNG) .............................................................. 10
1.10 DEFINITION (HILBERT-BASIS)................................................................................................................. 10
2 L
2
-RUME .................................................................................................................................................. 11
2.1 SATZ (HILBERT-RAUM DER QUADRAT-SUMMIERBAREN FOLGEN) .......................................................... 11
2.2 BEMERKUNG (BANACH-RAUM DER P-SUMMIERBAREN FOLGEN) ........................................................... 12
2.3 BEMERKUNG (ABSOLUTE KONVERGENZ DURCH Z-INDIZIERTER REIHEN).............................................. 12
2.4 ALGORITHMUS (SCHMIDTSCHES ORTHONORMALISIERUNGSVERFAHREN) .............................................. 13
2.5 BEZEICHNUNG (RUME INTEGRIERBARER FUNKTIONEN)....................................................................... 14
2.6 BEISPIEL (LEGENDRE POLYNOME) ......................................................................................................... 15
2.7 BEMERKUNG (LEGENDRE POLYNOME)................................................................................................... 16
2.8 DEFINITION (HAAR'SCHE FUNKTIONEN) ................................................................................................. 16
2.9 SATZ (HILBERT-BASIS DER HAAR'SCHEN FUNKTIONEN) ........................................................................ 17
3 FOURIER-REIHEN ................................................................................................................................... 20
3.1 DEFINITION (TRIGONOMETRISCHES POLYNOM)...................................................................................... 20
3.2 BEMERKUNG (ORTHONORMAL-SYSTEM DER TRIGONOMETRISCHEN MONOME)..................................... 20
3.3 DEFINITION (FOURIER-REIHE) ................................................................................................................ 21
3.4 LEMMA (VERHALTEN BZGL. TRANSLATION UND DIFFERENTIATION) ..................................................... 21
3.5 DEFINITION (STCKWEISE STETIGE DIFFERENZIERBARKEIT) .................................................................. 22
3.6 DEFINITION (DIRICHLET-KERN) ............................................................................................................. 22
3.7 LEMMA (DIRICHLET-KERN) ................................................................................................................... 22
3.8 SATZ (RIEMANN-LEBESGUE LEMMA)..................................................................................................... 23
3.9 SATZ (GLEICHMIGE KONVERGENZ DER FOURIER-REIHE UNTER DIFFERENZIERBARKEITS-
VORAUSSETZUNGEN) ......................................................................................................................................... 24
3.10 KOROLLAR (WEIERSTRA'SCHER APPROXIMATIONSSATZ, PERIODISCHER FALL).................................... 26
3.11 KOROLLAR (HILBERT-BASIS DER TRIGONOMETRISCHEN MONOME)....................................................... 26
3.12 KOROLLAR (WEIERSTRA'SCHER APPROXIMATIONSSATZ) ..................................................................... 27
3.13 KOROLLAR (HILBERT-BASIS DER LEGENDRE-POLYNOME)..................................................................... 27
3.14 BEMERKUNG (FALTUNG, DISTRIBUTION) ............................................................................................... 27
3.15 SATZ (DIFFERENZIERBARKEIT UND KONVERGENZVERHALTEN) ............................................................. 28
4 FOURIER-INTEGRALE ........................................................................................................................... 30
4.1 DEFINITION (EXPONENTIALFUNKTION UND SKALIERUNG) ...................................................................... 30
4.2 DEFINITION (FOURIER-TRANSFORMATION) ............................................................................................ 30
4.3 BEMERKUNG (FOURIER-TRANSFORMATION UND KOMPLEXE KONJUGATION) ........................................ 30
4.4 BEISPIEL (FOURIER-TRANSFORMATION DER NORMALVERTEILUNG) ...................................................... 31
4.5 LEMMA (STETIGKEIT DER FOURIER-TRANSFORMATION) ........................................................................ 32
4.6 BEISPIEL (NICHT INTEGRIERBARE FOURIER-TRANSFORMATION)............................................................ 33
4.7 LEMMA (TRANSLATION UND DILATATION BEI FOURIER-TRANSFORMATION) ......................................... 33
4.8 LEMMA .................................................................................................................................................. 34
4.9 DEFINITION (TEMPERIERTE FUNKTIONEN).............................................................................................. 34
4.10 BEMERKUNG.......................................................................................................................................... 35
4.11 LEMMA (PRODUKT UND DIFFERENTIATION TEMPERIERTER FUNKTIONEN) ............................................. 35
4.12 BEMERKUNG.......................................................................................................................................... 36
4.13 SATZ (FOURIER-TRANSFORMATION TEMPERIERTER FUNKTIONEN) ........................................................ 36
4.14 LEMMA (STETIGKEIT DER FOURIER-TRANSFORMATION) ........................................................................ 37
4.15 SATZ (UMKEHRFORMEL DER FOURIER-TRANSFORMATION) ................................................................... 38
4.16 KOROLLAR (FOURIER-TRANSFORMATION ALS ISOMETRIE) .................................................................... 40
4.17 SATZ (FOURIER-TRANSFORMATION ALS L
2
-ISOMORPHISMUS) ............................................................... 40
Inhalt 3
5 DISTRIBUTIONEN.................................................................................................................................... 42
5.1 DEFINITION (TESTFUNKTIONEN)............................................................................................................. 42
5.2 DEFINITION (DIRAC-DISTRIBUTION) ....................................................................................................... 42
5.3 DEFINITION (REGULRE DISTRIBUTIONEN) ............................................................................................ 43
5.4 SATZ (APPROXIMATION DER DIRAC-DISTRIBUTION) .............................................................................. 43
5.5 DEFINITION (DISTRIBUTION)................................................................................................................... 43
5.6 BEMERKUNG.......................................................................................................................................... 43
5.7 DEFINITION (MULTIPLIKATION MIT FUNKTIONEN) .................................................................................. 44
5.8 DEFINITION (TRANSLATION UND DILATION EINER DISTRIBUTION) ......................................................... 44
5.9 DEFINITION (ABLEITUNG EINER DISTRIBUTION) ..................................................................................... 44
5.10 BEISPIEL (ABLEITUNG DER HEAVISIDE-DISTRIBUTION) .......................................................................... 45
5.11 DEFINITION (KONVERGENZ VON DISTRIBUTIONEN)................................................................................ 45
5.12 BEISPIEL................................................................................................................................................. 45
6 FOURIER-TRANSFORMATION TEMPERIERTER DISTRIBUTIONEN........................................ 46
6.1 SATZ (TESTFUNKTIONEN UND TEMPERIERTE FUNKTIONEN) ................................................................... 46
6.2 BEMERKUNG.......................................................................................................................................... 47
6.3 DEFINITION (TEMPERIERTE DISTRIBUTION)............................................................................................ 47
6.4 SATZ (TEMPERIERTE DISTRIBUTION)...................................................................................................... 47
6.5 BEMERKUNG (TEMPERIERTE DISTRIBUTIONEN) ..................................................................................... 47
6.6 DEFINITION (FOURIER-TRANSFORMATION TEMPERIERTER DISTRIBUTIONEN) ........................................ 48
6.7 LEMMA (FOURIER-TRANSFORMATION DER DIRAC-DISTRIBUTION) ........................................................ 48
6.8 LEMMA (TRANSLATION UND DILATATION BEI FOURIER-TRANSFORMATION TEMPERIERTER
DISTRIBUTIONEN)............................................................................................................................................... 49
6.9 SATZ (KONVERGENZ DER DIRICHLET-KERNE) ....................................................................................... 49
6.10 FOLGERUNG (POISSON FORMEL) ............................................................................................................ 49
6.11 BEISPIEL (TRANSFORMATIONSFORMEL DER THETA-FUNKTION)............................................................. 50
7 FALTUNG................................................................................................................................................... 52
7.1 BEMERKUNG (INTEGRIERBARKEIT IM PRODUKTRAUM).......................................................................... 52
7.2 DEFINITION (FALTUNG) .......................................................................................................................... 52
7.3 SATZ (FOURIER-TRANSFORMATION DER FALTUNG VON FUNKTIONEN) .................................................. 53
7.4 DEFINITION (FALTUNG EINER DISTRIBUTION)......................................................................................... 54
7.5 BEMERKUNG (FALTUNG EINER DISTRIBUTION) ...................................................................................... 54
7.6 LEMMA (FALTUNG EINER REGULREN DISTRIBUTION)........................................................................... 54
7.7 LEMMA (FALTUNG EINER DISTRIBUTION)............................................................................................... 55
7.8 BEISPIEL (FALTUNG DER DIRAC-DISTRIBUTION) .................................................................................... 55
7.9 SATZ (FOURIER-TRANSFORMATION DER FALTUNG MIT EINER DISTRIBUTION) ....................................... 55
7.10 SATZ (ABTAST-THEOREM VON SHANNON)............................................................................................. 56
7.11 BEMERKUNG (ABTASTDISTANZ) ............................................................................................................ 57
7.12 BEMERKUNG (ABTASTUNG) ................................................................................................................... 58
8 KONTINUIERLICHE WAVELET-TRANSFORMATION................................................................... 60
8.1 ALGORITHMUS (GEFENSTERTE FOURIER-TRANSFORMATION)................................................................ 60
8.2 ALGORITHMUS (WAVELET-TRANSFORMATION) ..................................................................................... 60
8.3 BEMERKUNG (GEFENSTERTE FOURIER-TRANSFORMATION VERSUS WAVELET-TRANSFORMATION) ...... 61
8.4 SCHREIBWEISE (WAVELET).................................................................................................................... 61
8.5 DEFINITION (WAVELET UND WAVELET-TRANSFORMATION).................................................................. 62
8.6 LEMMA (WAVELET-TRANSFORMATION ALS FALTUNG).......................................................................... 62
8.7 BEISPIEL (HAAR WAVELET) ................................................................................................................... 63
8.8 BEMERKUNG (WAVELET)....................................................................................................................... 64
8.9 LEMMA (ERZEUGUNG VON WAVELETS) ................................................................................................. 64
8.10 BEISPIEL (WAVELET MEXIKANER-HUT)................................................................................................. 65
8.11 SATZ (WAVELET-TRANSFORMATION ALS ISOMETRIE)............................................................................ 65
8.12 SATZ (UMKEHRFORMEL DER WAVELET-TRANSFORMATION) ................................................................. 66
9 GIBBSCHES PHNOMEN....................................................................................................................... 68
10 SCHNELLE FOURIER-TRANSFORMATION.................................................................................. 69
Inhalt 4
11 FOURIERTHEORIE UND QUANTENCOMPUTING....................................................................... 70
12 BILDKOMPRESSION........................................................................................................................... 71
13 WAVELET-FRAME............................................................................................................................... 72
13.1 DEFINITION (SKALIERUNGS- UND TRANSLATIONSPARAMETERN) ........................................................... 72
13.2 BEMERKUNG (ANFORDERUNG AN DIE DISKRETE WAVELET-TRANSFORMATION) ................................... 73
13.3 BEISPIEL (HAAR WAVELET) ................................................................................................................... 73
13.4 DEFINITION (FRAME).............................................................................................................................. 74
13.5 BEMERKUNG (FRAME) ........................................................................................................................... 74
13.6 LEMMA (NORM IN EINEM HILBERT-RAUM) ............................................................................................ 75
13.7 SATZ (FRAME-OPERATOR) ..................................................................................................................... 75
13.8 DEFINITION (WAVELET-FRAME) ............................................................................................................ 78
13.9 LEMMA (STRAFFER FRAME UND HILBERT-BASIS).................................................................................. 78
13.10 SATZ (WAVELET-FRAME) .................................................................................................................. 79
13.11 DEFINITION (MEYER-WAVELET) ........................................................................................................ 85
13.12 BEMERKUNG (MEYER-WAVELET) ..................................................................................................... 85
13.13 SATZ (MEYER-WAVELET).................................................................................................................. 86
13.14 SATZ (REKONSTRUKTION AUS DEN WAVELET-KOEFFIZIENTEN)......................................................... 87
13.15 BEMERKUNG (MEXIKANER-HUT)....................................................................................................... 89
14 MULTI-SKALEN-ANALYSE ............................................................................................................... 90
14.1 BEISPIEL (SKALIERUNGSFUNKTION) ....................................................................................................... 90
14.2 DEFINITION (SKALIERUNGSFUNKTION) ................................................................................................... 91
14.3 LEMMA (ORTHOGONALITTSRELATION) ................................................................................................ 91
14.4 BEMERKUNG (UNTERRAUM-STRUKTUR ZU EINER SKALIERUNGSFUNKTION).......................................... 92
14.5 SATZ (MULTI-SKALEN-ANALYSE) .......................................................................................................... 93
14.6 SATZ (WAVELETS EINER MULTI-SKALEN-ANALYSE) ............................................................................. 97
14.7 BEMERKUNG (WAVELETS EINER MULTI-SKALEN-ANALYSE) ................................................................. 99
14.8 LEMMA (SKALIERUNG IM FREQUENZRAUM)......................................................................................... 100
14.9 SATZ (KONSTRUKTION VON SKALIERUNGSFUNKTIONEN) ..................................................................... 103
14.10 SATZ (EXTREMALPUNKT)................................................................................................................. 104
14.11 BEISPIEL (DAUBECHIES-WAVELETS IM BERBLICK) ........................................................................ 104
15 SCHNELLE WAVELET-TRANSFORMATION.............................................................................. 107
15.1 BEZEICHNUNG (SKALIERUNGSFUNKTION UND WAVELET).................................................................... 107
15.2 DEFINITION (ZERLEGUNGS-OPERATOREN) ........................................................................................... 107
15.3 BEMERKUNG........................................................................................................................................ 108
15.4 ALGORITHMUS (SCHNELLE WAVELET-ANALYSE) ................................................................................ 108
15.5 ALGORITHMUS (SCHNELLE WAVELET-SYNTHESE)............................................................................... 110
15.6 BEMERKUNG (KOMPLEXITT).............................................................................................................. 111
16 ZUSAMMENFASSUNG....................................................................................................................... 112
17 LITERATUR......................................................................................................................................... 114
Einleitung 5
Einleitung
Fourier-Transformation ist die klassische Methode zur Zerlegung eines Signals in seine ein-
zelnen Frequenzen und die anschlieende Rekonstruktion aus dem Frequenzspektrum. Die
Fourier-Transformation spielt eine wichtige Rolle in vielen Gebieten der Mathematik, der
Physik und in ingenieurwissenschaftlichen Anwendungen. Fr letztere ist insbesondere die
"Schnelle Fourier-Transformation", eine effiziente numerische Implementierung, wichtig.
Auch bei den Algorithmen des Quanten-Computing ist die schnelle Fourier-Transformation
ein entscheidendes Hilfsmittel.
Daneben ist der Fourier-Transformation in der Praxis ein Konkurrent erwachsen in der Wa-
velet-Transformation. Wavelets liefern ein mathematisches Verfahren, das aufgrund der zeit-
lichen Lokalisierung des Frequenzspektrums eine bessere Auflsung bei der Rekonstruktion
des Signals ergibt. Hierzu werden die Signale mit zeitlich lokalisierten "kleinen Wellen" (Wa-
velets) gescannt, statt mit den unendlich ausgedehnten Sinus- oder Cosinusschwingungen der
Fourier-Transformation.
Die Vorlesung gibt eine Einfhrung in die Mathematik beider Arten von Transformationen.
Aus theoretischer Sicht beurteilt hat das moderne Gebiet der Wavelet-Theorie die klassische
Fourier-Theorie keinesfalls abgelst. Vielmehr setzen Wavelet-Transformationen die theoreti-
schen Eigenschaften der Fourier-Transformation einschlielich ihrer Anwendung auf Distri-
butionen als selbstverstndliche Hilfsmittel voraus.
Das vorliegende Script gibt den Stoff wieder, den wir in einer 4-stndigen Vorlesung behan-
delt haben. An Vorwissen haben wir bei unseren Hrern gute Kenntnisse in der Analysis vor-
ausgesetzt. Es ist geplant, auch den Inhalt der Kapitel 9, 10, 11, 12 unter einem separaten Link
auf der Homepage von O. Forster bereitzustellen.
Mnchen, April 2001
Hilbert-Rume 6
1 Hilbert-Rume
Intergrierbare Funktionen bilden bezglich der Addition und der Multiplikation mit Skalaren
einen komplexen Vektorraum. Seine Dimension ist i.a. nicht mehr endlich. Zum Studium un-
endlich-dimensionaler Vektorrume verwendet man neben der Linearen Algebra zustzlich
Hilfsmittel aus der Topologie. Mit Hilfe einer oder mehrerer Normen fhrt man einen Kon-
vergenzbegriff ein. Die einfachste Klasse von unendlich-dimensionalen Vektorrumen dieser
Art sind Hilbert-Rume. Bei ihnen leitet sich die Norm aus einem Hermitesches Skalarpro-
dukt ab. Damit ist in Hilbert-Rumen nicht nur die Lnge eines Vektors definiert, sondern
auch der Winkel zwischen zwei beliebigen Vektoren. Insbesondere hat man einen Orthogona-
litts-Begriff.
So lange nichts anderes gesagt wird, werden wir in dieser Vorlesung Vektorrume stets als
komplexe Vektorrume voraussetzen.
1.1 Definition (Pr-Hilbert-Raum)
Ein Pr-Hilbert-Raum ist ein komplexer Vektorraum X zusammen mit einem Hermiteschen
Skalarprodukt
< -, - >: X x X C.
Ein Hermitesches Skalarprodukt erfllt die Bedingungen:
< x
1
+ x
2
, y > = < x
1
, y > + < x
2
, y >
< x, y > = < x, y >
x , y y , x
< x, x > 0 und es gilt
< x, x > = 0 x = 0 (positiv definit).
Das Skalarprodukt ist also linear in der ersten und antilinear in der zweiten Komponente.
Die wichtigste Aussage ber das Skalarprodukt ist die Abschtzung von Cauchy-Schwarz:
1.2 Satz (Ungleichung von Cauchy-Schwarz)
In einem Pr-Hilbert-Raum X gilt fr das Skalarprodukt zweier Elemente x, y X die Ab-
schtzung von Cauchy-Schwarz
2 2
2
y x y , x .
Beweis. Wir betrachten fr einen Parameter C das Skalarprodukt
y , y x , y y , x x , x y x , y x 0
2
+ + + + +
Falls 0 y , y setzen wir
y , y
y , x
: und erhalten
Hilbert-Rume 7
y , y
y , x
y , y
y , x
y , y
y , x
x , x 0
2 2 2
+
d.h.
2
y , x y , y x , x .
Falls 0 y , y folgt y = 0, und die Behauptung gilt offensichtlich, QED.
1.3 Definition (Hilbert-Raum)
Ein Pr-Hilbert-Raum ( X, < -, - > ) heit Hilbert-Raum, wenn der Vektorraum X bzgl. der
induzierten Norm
x , x : x
vollstndig ist, d.h. wenn jede Cauchy-Folge konvergiert.
Dabei folgt die Dreiecksungleichung aus der Cauchy-Schwarz'schen Ungleichung.
1.4 Definition (Linearer Operator)
Ein linearer Operator zwischen zwei Hilbert-Rumen
(X
1
, < -, - >
1
) (X
2
, < -, - >
2
)
ist eine C-lineare Abbildung
f: X
1
X
2
.
Der Operator heit isometrisch, wenn er das Skalarprodukt respektiert, d.h. wenn gilt
< f(x), f(y) >
2
= < x, y >
1
.
Ein surjektiver isometrischer Operator heit unitr.
1.5 Bemerkung (Stetigkeit und Beschrnktheit)
Anders als im Falle endlich-dimensionaler Vektorrume sind lineare Operatoren
f: X Y
i.a. nicht beschrnkt, d.h. es braucht keine Konstante K zu geben mit
( ) x K x f fr alle x X.
Ein linearer Operator ist genau dann beschrnkt, wenn
<

) x ( f sup
1 x
.
Hilbert-Rume 8
Man nennt dann
) x ( f sup : f
1 x

die Operator-Norm von f. Die Beschrnktheit ist gleichwertig mit der Stetigkeit des Opera-
tors.
Analog zu Definition 1.1 lassen sich auch reelle Hilbert-Rume definieren. Bei ihnen ist der
unterliegende Vektorraum euklidisch, und man betrachtet dann R-lineare Abbildungen.
Da man in einem Hilbert-Raum ber das Skalarprodukt Winkel messen kann, lt sich auch
der Begriff der Orthogonalitt einfhren. Er verschft den Begriff der linearen Unabhngig-
keit.
1.6 Definition (Orthogonalitt, Orthonormalitt)
Eine Familie (x
i
)
iI
von Elementen eines Hilbert-Raumes X heit ein Orthogonal-System,
wenn alle Elemente paarweise aufeiander senkrecht stehen, d.h. fr alle i j I gilt
< x
i
, x
j
> = 0.
Die Familie (x
i
)
iI
heit Orthonormal-System, wenn zustzlich alle Elemente auf die Lnge 1
normiert sind, d.h. fr alle i, j I gilt
< x
i
, x
j
> =
ij
.
1.7 Definition (Fourier-Koeffizienten bzgl. eines Orthonormal-
Systems)
In einem Hilbert-Raum X sind die Fourier-Koeffizienten eines Elementes x X bzgl. eines
Orthonormal-Systems (x
i
)
iI
definiert als die Familie der Skalarprodukte
( )
I i
i
x , x

.
Die Fourier-Koeffizienten erlauben, jedes Element des Hilbert-Raumes nach einem Ortho-
normal-System zu entwickeln. Der folgende Satz zeigt, da die endlichen Teilsummen dieser
Entwicklung die beste Approximation von x liefern.
1.8 Satz (Beste Approximation durch ein Orthonormal-System)
Sei } e ,..., e {
n 1
ein endliches Orthonormal-System in einem (Pr-)Hilbert-Raum X und sei
x X ein beliebiger Vektor. Es seien
n ,..., 1 i fr e , x :
i i
C
die Fourier-Koeffizienten von x. Dann gilt fr jede Wahl von Koeffizienten
( )
n
n 1
,..., C
Hilbert-Rume 9
die Abschtzung

n
1 i
i i
n
1 i
i i
e x e x .
Die Approximation mit den Fourier-Koeffizienten liefert die Differenz

n
1 i
2
i
2
2
n
1 i
i i
x e x .
Beweis. Anschaulich gesprochen handelt es sich um die beste Approximation von x durch ei-
nen geeigneten Vektor in dem von } e ,..., e {
n 1
aufgespannten Unterraum
} e ,..., e { span : E
n 1
.
Der Vektor

n
1 i
i i
e
ist die Orthogonalprojektion von x auf E, whrend

n
1 i
i i
e
ein beliebiger Vektor von E ist. Fr das Skalarprodukt gilt die Formel von Pythagoras
b , a Re 2 b a b , b a , b b , a a , a b a , b a b a
2 2 2
+ + + + + + + + ,
im Falle des Senkrecht-Stehens b a also
2 2 2
b a b a + + .
Diese Formel bertrgt sich auf endlich viele Summanden. Man erhlt in der Situation des
Satzes:
+

2
n
1 i
n
1 i
i i
n
1 i
i i i i
2
n
1 i
i i
) e e ( ) e x ( e x
2
n
1 i
i i
n
1 i
2
i i
2
n
1 i
i i
e x e x

+ .
Eine weitere Anwendung der Formel von Pythagoras zeigt
2
n
1 i
i i
n
1 i
2
i
2
n
1 i
i i
n
1 i
i i
2
e x e x e x

+
,
_

+ , QED.
Hilbert-Rume 10
1.9 Korollar (Bessel-Ungleichung, Parseval-Gleichung)
Es sei (e
i
)
iI
ein Orthonormalsystem eines (Pr-)Hilbert-Raumes X mit abzhlbarer Index-
menge I. Dann gilt fr jedes Element x X:

2 2
I i
i
x e , x

(Bessel-Ungleichung)

2 2
I i
i
x e , x

(Parseval-Gleichung)
i
I i
i
e e , x x

(Fourier-Entwicklung)
Beweis. Die Gleichung von Satz 1.8 zeigt, da fr jede endliche Teilfamilie J I gilt
2 2
J i
i
x e , x

.
Da die rechte Seite unabhngig von J ist, konvergiert die Reihe der Absolutbetrge. Die Un-
gleichung gilt auch im Limes und stellt die Bessel-Ungleichung dar.
Ebenso ergibt die Gleichung von Satz 1.8 im Grenzwert die quivalenz der Parseval-
Gleichung mit der Fourier-Entwicklung, QED.
Dieselbe Bedeutung, die fr die endlich-dimensionale Theorie der Begriff der Basis hat,
kommt in Hilbert-Rumen dem Begriff der Hilbert-Basis zu. In endlich-dimensionalen Ru-
men fallen beide Begriffe zusammen, im unendlich-dimensionalen Fall sind sie dagegen ver-
schieden. Hier tritt der Begriff der Basis in seiner Bedeutung zurck, es wird fast ausschlie-
lich mit dem Begriff der Hilbert-Basis gearbeitet. Jede Hilbert-Basis ist auch linear-
unabhngig. Sie erzeugt jedoch die Elemente des Hilbert-Raumes i.a. nicht mehr als endliche
Linearkombinationen, sondern nur als unendliche Reihen.
1.10 Definition (Hilbert-Basis)
Ein abzhlbares Orthonormalsystem (e
i
)
iI
von Elementen eines Hilbert-Raumes X heit Hil-
bert-Basis, wenn es vollstndig ist, d.h. wenn jedes Element x X die Fourier-Entwicklung
hat
i
I i
i
e e , x x

.
Der Hilbert-Raum X heit separabel, wenn er eine abzhlbare Hilbert-Basis hat.
L
2
-Rume 11
2 L
2
-Rume
Im folgenden werden wir nur separable Hilbert-Rume betrachten. Die allgemeinere Theorie
von Hilbert-Rumen mit berabzhlbarer Hilbert-Basis wird in dieser Vorlesung nicht behan-
delt. Alle separablen Hilbert Rume sind untereinander isometrisch isomorph. Ein Standard-
repsentant ist der Raum l
2
= l
2
2.1 Satz (Hilbert-Raum der quadrat-summierbaren Folgen)
Der Pr-Hilbert-Raum l
2
= l
2
} z : ) z ( {
n
2
n n n
<

N
N
N
C ,
zusammen mit dem Skalarprodukt
< (x
n
)
nN
, (y
n
)
nN
> :=

N n
n n
y x .
ist vollstndig, also ein Hilbert-Raum. Die Familie ( )
N i i
e mit
,...) 0 , 1 , 0 ,..., 0 ( e
i
mit der i-ten Komponente = 1
ist eine Hilbert-Basis.
Beweis. Wir gehen aus von einer Cauchy-Folge ( )
N
x von Elementen
2
l x

. Fr jedes
0 > existiert nach Voraussetzung ein N N mit

2
0 n
n , n ,
2
x x x x fr alle , N.
Wegen der Vollstndigkeit der komplexen Zahlen existiert fr jedes feste n N der Grenz-
wert
n , n ,
x lim : x

.
Zu zeigen bleibt, da hierdurch ein Element
( )
2
n
n ,
l x : x

N
definiert wird und da die Konvergenz sogar im l
2
-Sinne stattfindet.
Es gilt fr alle m N und , N

2
m
0 n
n , n ,
2
m
0 n
n , n ,
x x x x .
Damit existiert fr N der Grenzwert

2
0 n
n , n ,
x x .
Wir whlen ein N. Wegen
L
2
-Rume 12
2 2
l x und l x x

liegt auch die Summe beider Elemente im Vektorraum l
2
( )
2
l x x x x +

,
und obige Abschtzung

2
0 n
n , n ,
2
x x x x fr N
bedeutet die Konvergenz im l
2
-Sinne

x lim x .
Da die kanonischen Einheitsvektoren eine Hilbert-Basis bilden, folgt sofort aus der Parseval-
schen Gleichung (Korollar 1.9), QED.
2.2 Bemerkung (Banach-Raum der p-summierbaren Folgen)
Allgemeiner definiert man fr jedes relle p 1 den Vektorraum
} z : ) z ( { : ) ( l l
n
p
n n n
p p
<

N
N
N
C N
mit der Norm
p
p
n
n n n
z : ) z (

N
N
.
Man zeigt, da hierdurch ein normierter Vektorraum definiert wird, der sogar vollstndig, d.h.
ein Banach-Raum ist.
Es gilt l
1
l
2
und allgemeiner
l
p
l
q
fr p < q.
2.3 Bemerkung (Absolute Konvergenz durch Z-indizierter Rei-
hen)
Eine durch eine abzhlbare Menge I indizierte Reihe komplexer Zahlen

I n
n
z
heit absolut-konvergent, wenn die Folge der endlichen Partialsummen der Absolutbetrge in
irgendeiner Anordnung konvergiert. In diesem Falle ist die Konvergenz unabhngig von der
Anordnung. Im Falle der Indizierung durch die ganzen Zahlen I = Z werden wir im folgenden
stets die Folge der symmetrischen Partialsummen
L
2
-Rume 13

N
N n
n N
z : S
betrachten.
Analog zu Satz 2.1 zeigt man, da der Vektorraum
l
2
(Z) := } z : ) z ( {
n
2
n Z n n
<

Z
C
mit dem Skalarprodukt
< (x
n
)
nZ
, (y
n
)
nZ
> :=

Z n
n n
y x
ebenfalls ein Hilbert-Raum ist. Die Familie ( )
Z i i
e mit
,...) 0 , 1 , 0 ,..., 0 (..., e
i
mit der i-ten Komponente = 1
ist eine Hilbert-Basis. hnlich definiert man den Hilbert-Raum
l
2
(Z
2
) :=
( )
( )
} z : ) z ( {
n , m
2
n , m
n , m
n , m
<

2
2
2
Z
Z
Z
C ,
der bei der diskreten Wavelet-Transformation auftreten wird, und allgemeiner fr eine belie-
bige abzhlbare Menge I den Hilbert-Raum
l
2
( I ).
Alle Hilbert-Rume l
2
( I ) sind untereinander isometrisch-isomorph, insbesondere kann man
als einen Reprsentanten den Hilbert-Raum l
2
(N) whlen.
2.4 Algorithmus (Schmidtsches Orthonormalisierungsverfah-
ren)
Der folgende Algorithmus transformiert eine linear-unabhngige Folge von Elementen eines
Hilbert-Raumes X in ein Orthonormal-System:
Input. Linear-unabhngige Folge (x
i
)
iN
von Elementen aus X.
Output. Orthonormal-System (e
i
)
iN
mit: Fr alle n N
span < e
i
: i = 0, 1,.., n > = span < x
i
: i = 0, 1,.., n >.
L
2
-Rume 14
n = 0
e
n
=
n
n
x
x
n = n + 1
i
1 n
0 i
i n n n
e e , x x : v

e
n
=
n
n
v
v
Abbildung 1 Schmidtsches Orthonormalisierungsverfahren
Die kontinuierliche Version der Folgen-Rume l
2
sind die Funktionen-Rume L
2
integrierbaren Funktionen. Sie bilden ebenfalls separable Hilbert-Rume. Daher sind l
2
und L
2
vom abstrakten Standpunkt aus betrachtet isomorph. Der Unterschied liegt jedoch in der Re-
presentation ihrer Elemente: Folgenrume fhren in Kapitel 3 zur Theorie der Fourier-Reihen,
die Representation mit Funktionen fhrt in Kapitel 4 zur Fourier'schen Integral-
Transformation.
2.5 Bezeichnung (Rume integrierbarer Funktionen)
i) Wir bezeichnen mit L
2
= L
2
(R) den Vektorraum der Klassen von mebaren Funktionen
f: R C
mit

<
R
dt ) t ( f
2
,
versehen mit dem Skalarprodukt
dt ) t ( g ) t ( f g , f

R
.
Bei der Bildung von quivalenzklassen werden zwei Funktionen identifiziert, wenn sie sich
nur auf einer Nullmenge unterscheiden. Man beweist in der Integrationstheorie, da L
2
voll-
stndig, also ein Hilbert-Raum ist ([For1983], 10, Satz 4).
ii) Allgemeiner sei I R ein abgeschlossenes Intervall und
: I R
*
+
eine mebare Funktion. Dann bezeichnet L
2
( I, (t)dt ) den Vektor-Raum der Klassen meba-
rer Funktionen
f: I C
L
2
-Rume 15
mit

<
I
2
dt ) t ( ) t ( f ,
versehen mit dem Skalarprodukt
dt ) t ( ) t ( g ) t ( f g , f

R
.
iii) Analog zu Bemerkung 2.2 definiert man fr relle p 1 die Vektor-Rume
L
p
( I, (t)dt )
von Funktionenklassen. Man zeigt, da sie vollstndig, also Banach-Rume sind (fr das
Standard-Ma 1 siehe [For1983], 10, Satz 4).
2.6 Beispiel (Legendre Polynome)
Die Legendre-Polynome
[ ]
n 2 n
n n
) 1 x ( D
! n 2
1
: ) x ( P , n N,
n
n
n
dx
d
: D Differentialoperator,
bilden ein Orthogonal-System von L
2
( [-1, 1] ). Die ersten Legendre-Polynome sind
P
0
(x) = 1, P
1
(x) = x, ( ) 1 x 3
2
1
) x ( P
2
2
, ( ) x 3 x 5
2
1
) x ( P
3
3
.
Beweis. i) Wir beweisen fr die Funktionen
[ ]
m 2 k
m , k
) 1 x ( D : g
durch Induktion ber k die Hilfsaussage: Fr k < m gilt
( ) ) x ( 1 x g
k m
2
m , k

mit einem Polynom .
Offensichtlich gilt die Aussage fr k = 0 mit = 1. Zum Beweis des Induktionsschrittes be-
rechnen wir
( ) ( )
( )
( ) ( )
( ) ( ) ( ) [ ] ) x ( ' 1 x ) x ( k m x 2 1 x
x ' 1 x ) x ( x 2 1 x k m ) x ( g D g
2
) 1 k ( m
2
k m
2
1 k m
2
m , k m , 1 k
+
+
+
+
+
ii) Sei n > m. Wir berechnen mit partieller Integration
[ ]

1
1
m , 1 m n , 1 n
1
1
1
1 m , m n , 1 n m , m n , n
dx ) x ( g ) x ( g g g dx ) x ( g ) x ( g .
L
2
-Rume 16
Aufgrund der in Teil i) bewiesenen Formel verschwindet der erste Summand an den Rand-
stellen x = 1 und x = -1. Auf das Integral des zweiten Summanden wenden wir sukzessive
weitere partielle Integrationen an und erhalten schlielich
( )

1
1
m , n m n , 0
1
1
n
m , m n , n
dx ) x ( g ) x ( g 1 dx ) x ( g ) x ( g = 0,
da wegen n > m auch
m + n > 2m,
also
[ ]
m 2 n m
m , n m
) 1 x ( D : g
+
+
= 0, QED.
2.7 Bemerkung (Legendre Polynome)
Die Legendre Polynome sind durch folgende beide Bedingungen charakterisiert:
Das n-te Legendre-Polynom ist ein Polynom vom Grad n, das in L
2
( [-1, 1]) auf allen Po-
lynomen vom Grad n - 1 senkrecht steht.
Es gilt P
n
(1) = 1.
Die zweite Bedingung rechnet man nach. Da durch beide Bedingungen eindeutig ein Poly-
nom bestimmt wird, folgt daraus, da die Monome
(x
n
)
nN
in L
2
( [-1, 1] ) eine linear-unabhngige Familie bilden. Der Untervektorraum V
n
, der von allen
Monomen vom Grad n aufgespannt wird, hat die Dimension
dim V
n
= n + 1,
sein Unterraum V
n-1
hat also die Codimension 1.
Die Legendre-Polynome haben bzgl. der Norm von L
2
( [-1, 1] ) nicht die Lnge 1. Es gilt
vielmehr
1 n 2
2
P
2
n
+
.
Nach Normierung auf die Lnge 1 bilden die normierten Legendre-Polynome sogar ein voll-
stndiges Orthonormal-System, d.h. eine Hilbert-Basis von L
2
( [-1, 1] ). Wir werden diese
Aussage in Kapitel 3 aus dem Weierstraschen Approximationssatz (Korollar 3.13) folgern.
Eine fr die Wavelet-Theorie grundlegende Klasse von Funktionen sind die Haar'schen Funk-
tionen.
2.8 Definition (Haar'sche Funktionen)
Aus der Funktion
L
2
-Rume 17
[ ] ( )

'

<
<

sonst 0
1 t 2 1 1
2 1 t 0 1
: t , 1 , 1 : R
leitet man die skalierten und translatierten Funktionen
[ ] Z R

,
_

m , k , m
2
t
2
1
: ) t ( , 1 , 1 :
k
k
m , k m , k
,
ab. Sie bilden die Familie ( )
2
m , k
m , k
Z
der Haar'schen-Funktionen.
Der Faktor
k
2
1
ist so gewhlt, da jede Haar'sche Funktion als Element von L
2
(R) auf die
Lnge 1 normiert ist.
2.9 Satz (Hilbert-Basis der Haar'schen Funktionen)
Die Familie der Haar'schen Funktionen (
k,m
)
(k,m)ZxZ
ist eine Hilbert-Basis des Hilbert-
Raumes L
2
(R).
Beweis. i) Zwei Haar'sche Funktionen
k,m
zu festem Skalierungsparameter k aber unter-
schiedlichem Translationsparameter m, haben disjunkten Trger bis auf evtl. Randpunkte,
sind also orthogonal zu einander. Fr zwei Haar'sche Funktionen zu unterschiedlichem Skalie-
rungsparameter m ist eine der beiden konstant auf dem Trger der anderen, also sind sie auch
wieder orthogonal. Also bilden die Haar'schen Funktionen ein Orthogonal-System. Nach
Wahl des Normierungsfaktors sind sie dann sogar ein Orthonormal-System.
ii) Zum Beweis der Vollstndigkeit ist eine beliebige Funktion L
2
(R) zu approximieren.
Wir nehmen zunchst an, da kompakten Trger hat, also o.E.
L
2
( [0, 1] ).
Wir zeigen: Die gestauchten Haar'schen-Funktionen (
-k,m
) zu den Indizes
(-k, m), k N, 0 m < 2
k
,
also zu negativen Skalierungsparametern, approximieren zusammen mit der konstanten
Funktion
1 :
0
L
2
( [0, 1] )
die vorgegebene Funktion .
Jede quadrat-integrierbare Funktion aus dem Raum L
2
( [0, 1] ) lt sich ber dem kompakten
Intervall [0, 1] durch Treppenfunktionen, d.h. stckweise konstante Funktionen, bzgl. der
L
2
-Norm approximieren. Hierbei kann man sich auf dyadische Treppenfunktionen beschrn-
ken, sie sind konstant jeweils auf den dyadischen Intervallen
L
2
-Rume 18
k
k k m , k
2 m 0 und m ,
2
1 m
,
2
m
: I <
1
]
1

N .
Wir bezeichnen mit V
-k
, k N, den endlich-dimensionalen Vektorraum der dyadischen Trep-
penfunktionen zu den Konstanzintervallen der Lnge
k
k
2
1
2

I
-k,m
, 0 m < 2
k
.
Die Vektorrume bilden eine aufsteigende Folge
V
0
V
-1
... V
-k
V
-(k+1)
...
Es gilt die Dimensionsformel
dim V
0
= 1, dim V
-1
= 2, ..., dim V
-k
= 2
k
.
Anderseits gilt fr die Vektorrume der translatierten Haar'schen Funktionen zum Skalenfak-
tor k
W
-k
:= span <
-k,m
: 0 m < 2
k
>, k N, und W
-1
:= C
0
.
die Dimensionsformel
dim W
-k
= 2
k
, k N.
Offensichtlich gilt
W
-(k+1)
V
-k
, k N.
Damit folgt die Gleichheit von Vektorrumen
k i
1 k
1 i
V W

aus der Abzhlung ihrer Dimensionen
k
k
k 1 k
0 i
i
i
1 k
1 i
V dim 2
1 2
1 2
1 2 1 W dim

+ +

.
Da sich jede Funktion aus L
2
([0, 1]) durch Elemente aus den Vektorrumen V
-k
approximie-
ren lt, lt sie sich auch durch Elemente aus den Vektorrumen W
-k
approximieren. Damit
ist die erste Behauptung bewiesen.
iii) Nun beweisen wir die Vollstndigkeit fr den allgemeinen Fall. Bekanntlich kann jede
2
(R) durch quadrat-integrierbare Funktionen mit kom-
paktem Trger approximiert werden ([For1983], 10, Satz 3). Es gengt also, eine Funktion
mit kompaktem Trger, o.E. mit Trger in [0, 1], zu approximieren. Nach Teil ii) lt sie sich
durch die Haar'schen Funktionen und die konstante Funktion
1 :
0

approximieren. Daher bleibt zu zeigen, da
0
im Raum L
2
(R) durch die Haar'schen Funktio-
nen approximiert werden kann. Hierfr verwenden wir die gestreckten Haar'schen Funktionen

k,m
zu positivem Skalierungsparameter k N. Wir definieren fr k N die Funktionen
L
2
-Rume 19
[ [

'

sonst 0
2 , 0 t
2
1
: ) t ( g , :
k
k
k k
C R
Fr ihre L
2
-Norm gilt
k
2
2
0
k
2
k
2
1
dt
2
1
k

,
_

,
sie bilden also eine Nullfolge. Durch Induktion ber k zeigt man
k
k
1 i
0 , i
i
0
2
1
+

weil
1 k 0 , 1 k
1 k
k
2
1
+ +
+
+ .
Hieraus folgt im Grenzwert k die Behauptung, QED.
Die im Beweis von Satz 2.9 durchgefhrte Approximation der konstanten Funktion durch
Funktionen, die symmetrisch zur x-Achse sind, zeigt da die Approximation bzgl. der L
2
-
Norm der Anschauung widersprechen kann.
Fourier-Reihen 20
3 Fourier-Reihen
Wir verstehen in diesem Kapitel unter einer periodischen integrierbaren Funktion eine Funk-
tion
C R : f
mit der Periode 2, d.h.
R + x alle fr ) x ( f ) 2 x ( f ,
deren Einschrnkung auf das abgeschlossenen Intervall [ -, ] integrierbar ist im Sinne von
Lebesgue. Periodische Funktionen
C R : f
mit der Periode 2 entsprechen bijektiv den Funktionen
C Z R/2 : f
auf dem Kreis
Z R 2 / S
1
.
Das Hauptresultat dieses Kapitels ist die gleichmige Approximation einer periodischen,
stetigen Funktion mit geeigneten Differenzierbarkeitseigenschaften durch ihre Fourier-Reihe.
Aus diesem Ergebnis folgt eine Reihe bekannter Aussagen, unter anderem der Weierstra'sche
Approximationssatz.
3.1 Definition (Trigonometrisches Polynom)
Ein trigonometrisches Polynom N-ten Grades, N N, ist eine Funktion der Gestalt

N
N n
x n i
n N N
e c : ) x ( p , : p C R mit komplexen Koeffizienten c
n
C.
Spezielle trigonometrische Polynome sind die trigonometrischen Monome
Z n , e ) x ( e
x n i
n
.
3.2 Bemerkung (Orthonormal-System der trigonometrischen
Monome)
Die trigonometrischen Monome bilden ein Orthonormal-System des Hilbert-Raumes

,
_

2
dt
], , [ L
2
,
d.h. des Raumes L
2
( [ -, ] ) der quadratintegrablen Funktionen mit dem Skalarprodukt

dt ) t ( g ) t ( f
2
1
g , f .
Fourier-Reihen 21
3.3 Definition (Fourier-Reihe)
Die Fourier-Reihe einer periodischen integrierbaren Funktion f ist die formale Reihe
[ ]

Z n
n n
e f c : ] f [ F
trigonometrischer Polynome mit den Fourier-Koeffizienten
[ ] Z

n , ) t ( e ) t ( f dt
2
1
e , f : f c
n n n
.
Man nennt die endlichen Summen
[ ] N

N , e f c : ] f [
N n
n n N
F
die N-ten Partialsummen der Fourier-Reihe.
3.4 Lemma (Verhalten bzgl. Translation und Differentiation)
Es sei f eine periodische integrierbare Funktion und
[ ]

Z n
n n
e f c : ] f [ F
ihre Fourier-Reihe.
i) Wir bezeichnen mit f
a
die mit dem Translationsoperator
a
um den festen Wert a verschobe-
ne Funktion, d.h.
) f ( : f
a a
: R C, ) a x ( f : ) x )( f (
a
.
Fr ihre Fourier-Koeffizienten gilt:
[ ] f c ) a ( e ] f [ c
n n a n
(Phasenfaktor der Fourier-Koeffizienten).
ii) Wenn f sogar stetig-differenzierbar ist, so gilt fr die Fourier-Koeffizienten der Ableitung
f ':
[ ] f c n i ] ' f [ c
n n
(Multiplikation der Fourier-Koeffizienten).
Beweis. ad i) Wir wenden auf die Berechnung der Fourier-Koeffizienten die Substitutions-
formel der Integration fr Parametertransformation an:
[ ]

+
+

d e ) ( f
2
e
d e ) ( f
2
1
dt e ) a t ( f
2
1
dt e ) t ( f
2
1
f c
in
a
a
ina
) a ( in int int
a a n
mit der Substitution
t = - a.
ad ii) Der Beweis beruht auf der partiellen Integration
[ ] [ ]

dt e ) t ( f
2
n i
e ) t ( f
2
1
dt e ) t ( ' f
2
1
' f c
int int int
n
, QED.
Fourier-Reihen 22
Das Hauptresultat dieses Kapitels ist Satz 3.9 ber die Konvergenz der Fourier-Reihe im Falle
einer stetigen, stckweise stetig-differenzierbaren Funktion.
3.5 Definition (Stckweise stetige Differenzierbarkeit)
Eine Funktion
f: I C
auf einem abgeschlossenen Interval I R heit stckweise stetig-differenzierbar, wenn es eine
endliche Zerlegung von I in abgeschlossene Intervalle
I
k
, k = 1,...,n
gibt, die jeweils nur die Randpunkte gemeinsam haben, so da gilt: Im Innern jedes Intervalles
ist die Einschrnkung von f stetig-differenzierbar, und an jedem Randpunkt x
0
eines Interval-
les existieren die halbseitigen Grenzwerte
der Funktion ) x ( f lim : ) x ( f
0
x x
0

+
und ) x ( f lim : ) x ( f
0
x x
0

und ihrer Ableitungen
0
0
x x
0
x x
) x ( f ) x ( f
lim : ) x ( ' f
0

+
und
0
0
x x
0
x x
) x ( f ) x ( f
lim : ) x ( ' f
0

.
Grundlegende Bedeutung fr die Theorie der Fourier-Reihen hat die unendliche Reihe aller
trigonometrischen Monome. Wir approximieren sie durch ihre endlichen Partialsummen.
3.6 Definition (Dirichlet-Kern)
Der N-te Dirichlet-Kern ist die N-te Partialsumme der trigonometrischen Monome
C R

: e : D
N n
n N
.
3.7 Lemma (Dirichlet-Kern)
Fr den Dirichlet-Kern gilt
R
+
x ,
2
x
sin
x )
2
1
N ( sin
) x ( D
N
.
Die Funktion ist gerade, sie hat die Periode 2, und es gilt

1 dt ) t ( D
2
1
N
.
Beweis. Der Beweis beruht auf der Formel fr die endliche geometrische Reihe
Fourier-Reihen 23

N
0 n
1 N
n
1 q
1 q
q
und der Euler-Formel
x sin i x cos e
ix
+ , x R.
Es gilt
1 e
e e
1 e
1 e
e e e e : ) x ( D
ix
iNx x ) 1 N ( i
ix
x ) 1 N 2 ( i
iNx
N 2
0 n
inx iNx
N n
inx
N

+ +

Wir erweitern den Bruch mit
2
x
i
e

und erhalten
2
x
sin
] x )
2
1
N ( [ sin
e e
e e
1 e
e e
2
x
i
2
x
i
x )
2
1
N ( i x )
2
1
N ( i
ix
iNx x ) 1 N ( i +

+ +
+
.
Die brigen Aussagen des Lemmas sind leicht nachzurechnen, QED.
Der folgende Satz 3.8 ist der Schlssel im Konvergenzbeweis von Satz 3.9.
3.8 Satz (Riemann-Lebesgue Lemma)
Es sei I R ein abgeschlossenes Intervall und
g L
1
( I )
eine integrierbare Funktion. Dann gilt

I
ixt
x
0 dt e ) t ( g lim .
Beweis. i) Jede Funktion g L
1
( I ) lt sich bzgl. der L
1
-Norm durch stetig-differenzierbare
Funktionen mit kompaktem Trger im offenen Kern
o
I approximieren ([For1983], 10, Co-
rollar zu Satz 3). Man reduziert daher die Behauptung des Satzes auf den Fall eines kompak-
ten Intervalls
I = [ a, b ]
und einer stetig-differenzierbaren Funktion g mit Trger in
o
I .
ii) Wir berechnen mit partieller Integration fr jedes feste x R
dt ) t ( ' g e
x i
1
) t ( g
x i
e
dt ) t ( g e
b
a
b
a
ixt
b
a
ixt
ixt

1
]
1

.
Wegen des Faktors
x i
1
folgt die Behauptung
Fourier-Reihen 24

I
ixt
x
0 dt e ) t ( g lim , QED.
3.9 Satz (Gleichmige Konvergenz der Fourier-Reihe unter
Differenzierbarkeits-Voraussetzungen)
Wenn die periodische Funktion
f: R C
stetig und stckweise stetig-differenzierbar ist, so konvergiert ihre Fourier-Reihe gleichmig
und absolut und hat die gegebene Funktion als Grenzwert.
Beweis. ad i) Wir zeigen zunchst die punktweise Konvergenz der Fourier-Reihe
[ ] [ ]

int
n
n n n
e ) t ( f dt
2
1
f c mit e f c
Z
gegen die Funktion. Hierzu stellen wir die N-te Partialsumme als die "Faltung" mit dem N-ten
Dirichlet-Kern dar:
( ) [ ]

dt ) e e ) t ( f (
2
1
e ) dt e ) t ( f
2
1
( e f c : x ] f [
inx
N n
int
N n
inx int
N n
inx
n N
F
dt ) t ( f ) t x ( D
2
1
dt e ) t ( f
2
1
N
N n
) t x ( in

,
_

Wir behandeln zunchst die Konvergenz im Nullpunkt x = 0. Nach evtl. Abziehen einer Kon-
stante drfen wir
f(0) = 0
annehmen. Nach Voraussetzung ist f stetig im Nullpunkt, und es existieren dort die halbseiti-
gen Ableitungen
) 0 ( ' f und ) 0 ( ' f
+
.
Daher lt sich f ebenso wie die Sinus-Funktion in einer Umgebung des Nullpunktes durch
lineare Funktionen approximieren. Wegen
f(0) = sin (0) = 0
ist die Funktion
2
t
sin
) t ( f
: ) t ( g
in einer Umgebung des Nullpunktes beschrnkt, insbesondere also integrierbar. Im Komple-
ment der Nullumgebung ist die Funktion
Fourier-Reihen 25
2
t
sin
1
stetig-differenzierbar, also g(t) ebenfalls integrierbar. Satz 3.8 und Lemma 3.7, angewendet
mit
] t )
2
1
N ( i [ exp Im ] t )
2
1
N ( [ sin + + ,
liefern
0 dt ] t )
2
1
N ( [ sin
2
t
sin
) t ( f
lim dt ) t ( D ) t ( f lim
N
N
N
+

.
Insgesamt haben wir damit gezeigt
) 0 ( f 0 dt ) t ( D ) t ( f
2
1
lim ) 0 ]( f [
N
N

F .
Zum Beweis der punktweisen Konvergenz an einer beliebigen festen Stelle x wenden wir auf
die translatierte Funktion f
-x
die Aussage von Lemma 3.4, Teil i) an. Es folgt mit der bereits
bewiesenen Konvergenz im Nullpunkt:
[ ] [ ] [ ] [ ] ) x ( f lim f c e lim f c lim ) 0 ( f lim ) 0 ( f ) x ( f
N
N
N n
n
inx
N
N n
x n
N
x N
N
x
F F

.
ad ii) Wir zeigen, da die formale Fourier-Reihe absolut und gleichmig konvergiert. Dann
folgt nach Teil i) die Behauptung, da sie punktweise gegen f konvergiert.
Zunchst zeigen wir, da die Familie der Fourier-Koeffizienten der Funktion f summierbar ist,
d.h. da die Partialsummen
[ ]

N n
n
f c
, n N,
konvergieren: Da f ' L
2
([-, ]) folgt aus der Besselschen Ungleichung im Hilbert-Raum

,
_

2
dt
], , [ L
2

<
Z n
2 2
n
' f
der Fourier-Koeffizienten von f'

dt ) t ( e ) t ( ' f
2
1
e , ' f :
n n n
bzgl. des Orthonormal-Systems der trigonometrischen Monome
( )
Z

n
x n i
n
e ) x ( e .
Nach Lemma 3.4, Teil ii) gilt
Fourier-Reihen 26
[ ] f c n i
n n
fr alle n Z.
Mit der Ungleichung von Cauchy-Schwarz (Satz 1.2) folgt die absolute Sumierbarkeit
[ ] [ ] ( )

<
Z Z Z Z Z n
2
n
2
n
n
n
n n
n
n
n
1
n
1
n
1
f c n f c
.
Aus der Summierbarkeit der Fourier-Koeffizienten folgt die absolute und gleichmige Kon-
vergenz der Fourier-Reihe
[ ]

Z n
n n
e f c , QED.
3.10 Korollar (Weierstra'scher Approximationssatz, periodi-
scher Fall)
Jede stetige periodische Funktion
f: R C
lt sich gleichmig durch trigonometrische Polynome approximieren.
Beweis. Zunchst approximieren wir f gleichmig durch stetige, stckweise-lineare Funktio-
nen:
Wegen der Kompaktheit des Intervalles [ -, ] ist die stetige Funktion f gleichmig stetig.
Zu vorgegebenem > 0 finden wir eine Intervall-Lnge > 0, so da f auf allen Teilinterval-
len der Lnge um hchstens den Betrag schwankt. Wir zerlegen [ -, ] in endlich viele
Teilintervalle der Lnge und approximieren f auf jedem Teilintervall durch die Gerade
durch die Funktionswerte am linken und rechten Rand. Die resultierende Funktion g ist stetig
und stckweise-stetig differenzierbar.
Nach Satz 3.9 konvergiert die Fourier-Reihe von g gleichmig gegen g. Also lt sich auch f
gleichmig durch trigonometrische Polynome approximieren, QED.
3.11 Korollar (Hilbert-Basis der trigonometrischen Monome)
Die Familie der trigonometrischen Monome
( )
Z

n
x n i
n
e ) x ( e
ist eine Hilbert-Basis des Hilbert-Raumes

,
_

2
dt
], , [ L
2
,
d.h. des Raumes L
2
( [ - , ] )mit dem Skalarprodukt

dt ) t ( g ) t ( f
2
1
g , f .
Beweis. Es bleibt die Vollstndigkeit des Orthonormal-Systems der trigononometrischen Mo-
nome zu zeigen.
Fourier-Reihen 27
Jede stetige periodische Funktion lt sich nach Korollar 3.10 gleichmig durch trigonome-
trische Polynome approximieren. Die Approximation gilt dann insbesondere im L
2
-Sinne. Da
sich andererseits jede Funktion aus

,
_

2
dt
], , [ L
2
im L
2
-Sinne durch stetige Funktionen approximieren lt ([For1983], 10, Satz 3), ist das
Orthonormal-System der trigonometrischen Monome vollstndig, also eine Hilbert-Basis,
QED.
3.12 Korollar (Weierstra'scher Approximationssatz)
ber einem kompakten Intervall I R lt sich jede stetige Funktion
f: I C
gleichmig durch Polynome approximieren.
Beweis. Wir nehmen o.E. an I = [ -, 0 ] und setzen die gegebene Funktion zu einer periodi-
schen Funktion der Periode 2
F: R C
fort: Zunchst spiegeln wir die Funktion f an der Geraden t = 0, dann setzen wir sie mit der
Periode 2 fort. Die stetige periodische Funktion F lt sich nach Korollar 3.10 gleichmig
durch trigonometrische Polynome approximieren. Jedes dieser trigonometrischen Polynome
lt sich auf dem kompakten Intervall [ -, ] gleichmig durch die Partialsummen seiner
Taylor-Reihe, also durch Polynome approximieren, QED.
3.13 Korollar (Hilbert-Basis der Legendre-Polynome)
Die Familie der normierten Legendre-Polynome
N

,
_

+
n
n 2 n
n
] ) 1 x [( D
! n 2
1
2
1 n 2
,
n
n
n
dx
d
: D ,
ist eine Hilbert-Basis des Hilbert-Raumes L
2
([-1, 1]).
Beweis. Zur Normierung und der Orthogonalitt vgl. Beispiel 2.6 und Bemerkung 2.7. Zum
Beweis der Vollstndigkeit approximieren wir eine gegebene integrierbare Funktion zunchst
im L
2
-Sinne durch stetige Funktionen. Nach Korollar 3.12 lt sich jede stetige Funktion ber
dem kompakten Intervall
[-1, 1]
gleichmig durch Polynome approximieren. Der von den Polynomen eines Grades n aufge-
spannte Teilraum von L
2
([-1, 1]) stimmt aus Dimensionsgrnden mit dem von den ersten n+1
Legendre Polynomen aufgespannten Teilraum berein. Insgesamt lt sich jede integrierbare
Funktion im L
2
-Sinne durch die Legendre-Polynome approximieren, QED.
3.14 Bemerkung (Faltung, Distribution)
i) Im Beweis von Satz 3.9 tritt der Ausdruck
Fourier-Reihen 28
dt ) t ( f ) t x ( D
2
1
N

auf. Man nennt die hierdurch an der Stelle x R definierte Funktion die Faltung
D
N

*
f: C
der Funktion D
N
mit der Funktion f. Damit lt sich die N-te Partialsumme der Fourier-Reihe
kompakt schreiben als Faltung mit dem N-ten Dirichlet-Kern
. f * D ] f [
N N
F
ii) Wte man bereits, da der Dirichlet-Kern als Distribution auf geeigneten Testfunktionen,
zu denen f gehrt, gegen die Delta-Distribution
0
konvergiert
) x ( ) x ( D
2
1
lim
0 N
N

und da Summation und Integration vertauschen, so erhielte man sofort
[ ] ( ) [ ] ( ) ) x ( f dt ) t ( f ) t x ( dt ) t ( f ) t x ( D
2
1
lim x f lim x f
0 N
N
N
N

1
]
1

F F .
Der wesentliche Teil des Beweises von Satz 3.9 ist die Rechtfertigung dieser Heuristik. Wir
werden in Kapitel 5 eine Einfhrung in die Theorie der Distributionen geben.
Im Beweis von Satz 3.9 wurde aus der Existenz der Ableitung die Summierbarkeit der Fou-
rier-Koeffizienten abgeleitet. Diese Aussage ist der Spezialfall eines allgemeinen Zusammen-
hanges zwischen dem Grad der Differenzierbarkeit einer Funktion und der Summierbarkeit
ihrer Fourier-Koeffizienten.
3.15 Satz (Differenzierbarkeit und Konvergenzverhalten)
Die periodische integrierbare Funktion
f: R C
sei k-mal stetig-differenzierbar. Dann gibt es eine Konstante M, so da alle Fourier-Koeffi-
zienten von f die Abschtzung erfllen
[ ] Z n ,
n
M
f c
k n
.
Beweis. Durch Induktion ber k. Fr k = 0 folgt die Behauptung ber die Beschrnktheit der
Fourier-Koeffizienten c
n
[ f ], n Z, aus der Abschtzung
[ ]

M : dt ) t ( f
2
1
dt e ) t ( f
2
1
f c
int
n
.
Im Induktionsschritt k a k+1 wendet man die Induktionsvoraussetzung auf die k-te Ableitung
von f ' an. Es gilt nach Lemma 3.4:
Fourier-Reihen 29
[ ] [ ] f c n i ' f c
n n
,
also
[ ]
[ ]
Z n ,
n n
M
n
' f c
f c
k
n
n
, QED.
Fourier-Integrale 30
4 Fourier-Integrale
In diesem Kapitel erweitern wir die Klasse der betrachteten Funktionen, indem wir auf die
Voraussetzung der Periodizitt verzichten. Fr integrierbare Funktionen fhren wir in Verall-
gemeinerung der Fourier-Reihe das Fourier-Integral ein. Whrend in der Fourier-Reihe nur ein
diskrete Folge von Frequenzen auftritt, wird bei einem Fourier-Integral ber das Kontinuum
aller rellen Frequenzen integriert.
Ausgehend von der Definition des Fourier-Integrals fr integrierbare Funktionen konstruieren
wir die Fourier-Transformation auf dem Hilbert-Raum der quadrat-integrierbaren Funktionen.
Der Hauptsatz dieses Kapitels ist die Umkehrformel der Fourier-Transformation (Satz 4.15).
4.1 Definition (Exponentialfunktion und Skalierung)
Wir bezeichnen fr festes a R mit
e
a
: R C, e
a
(t) := e
iat
die Exponentialfunktion. Sie stellt die Aufnahme eines Phasenfaktors dar.
Wir bezeichnen fr festes a R* mit
( ) )
a
t
( f : ) t ( f , : f
a a
C R
die um den Faktor a skalierte Funktion. Sie stellt fr a > 1 eine Streckung und fr a < 1 eine
Stauchung dar.
4.2 Definition (Fourier-Transformation)
Wir definieren die Fourier-Transformation einer integrierbaren Funktion
( ) R
1 1
L L f
als die Funktion

R R
C R dt e f(t)
2
1
dt ) t ( e f(t)
2
1
: ) ( f

, : f

t i -

.
Manchmal fat man die Variable t R als die Zeit auf. Dann beschreibt f(t) ein Signal und
die Fourier-Transformation ( ) f

## das zugehrige Frequenzspektrum.

4.3 Bemerkung (Fourier-Transformation und komplexe Konju-
gation)
Es gilt
Fourier-Integrale 31
( ) ( ) ( )
^
f f

## und fr eine relle Funktion f

) ( f

) ( f

.
4.4 Beispiel (Fourier-Transformation der Normalverteilung)
Die standardisierte Normalverteilung ist die Funktion
( )
2
t
2
e
2
1
: t f , : f

R R .
Es handelt sich um eine Wahrscheinlichkeitsdichte wegen der Normierung
1 dt e
2
1
2
t
2

R
.
Fr die Berechnung dieses nicht-trivialen Integrals siehe [For1976], 20.8.
Die standardisierte Normalverteilung geht bei Fourier Transformation in sich ber, d.h.
f f

.
Zum Beweis berechnen wir
( ) dt e e : g
t i
2
t
2

R
.
Wir setzen
t i
2
t
e e : ) , t ( h
2

.
Fr die partielle Ableitung
t i
2
t
e e it : ) , t ( h
2

## gilt die Abschtzung

2
t
2
e t : ) , t ( h

.
Also ist die Ableitung ebenfalls integrierbar. Nach dem Satz ber die Differenzierbarkeit eines
Integrals nach einem Parameter ([For1983], 11, Satz 2) folgt
( ) ( )
( )
dt e e t i dt
, t h
dt , t h
d
d
: ' g
t i
2
t
2

R R R
.
Zur Berechnung des letzten Integrals verwenden wir partielle Integration
Fourier-Integrale 32

1
1
]
1

R
R -
t i
2
t
R
R
t i
2
t R
R -
t i
2
t
dt e e i e e dt e e t
2 2 2
.
Der Grenzbergang R liefert fr die gesuchte Funktion g die lineare Differentialglei-
chung
( ) ( ) g : ' g .
Separation der Variablen liefert
d
g
dg
also
( ) ( ) 0 g e g
2
2

.
Aufgrund der Normierung gilt
( ) 2 0 g ,
also
( ) ( ) ( )

f e
2
1
g
2
1
f
2
2
, QED.
4.5 Lemma (Stetigkeit der Fourier-Transformation)
Die Fourier-Transformation einer integrierbaren Funktion ist eine stetige, beschrnkte Funkti-
on: Fr
( ) R
1
L f
gilt
R

alle fr f
2
1
) ( f

1
L
.
Es gilt
0 ) ( f

lim
/

+
.
Beweis. Die Stetigkeit folgt aus dem Satz ber die stetige Parameterabhngigkeit des Integrals
([For1983], 11, Satz 1), die Beschrnktheit aus der Gleichung
1 e
t i

.
Die Aussage ber das Grenzwertverhalten im Unendlichen folgt aus Satz 3.8, QED.
Fourier-Integrale 33
Wie folgendes Beispiel zeigt, ist die Fourier-Transformierte einer integrierbaren Funktion i.a.
nicht mehr integrierbar. Vielmehr hngt das Abklingverhalten bzgl. der Frequenzen im Un-
endlichen von den Differenzierbarkeitseigenschaften des Ausgangssignals ab.
4.6 Beispiel (Nicht integrierbare Fourier-Transformation)
Die charakteristische Funktion des kompakten Intervalls [-1, 1]

'

sonst 0
] 1 , 1 [ t 1
: ) t ( f , : f R R
hat die Fourier-Transformation
( )

sin 2
f

, : f

R R .
Diese Funktion ist nicht integrierbar.
Beweis. Wir berechnen
( ) ( ) ( )

1
]
1

sin 2
] e e [
2
i
i
e
2
1
dt e t f
2
1
dt e t f
2
1
f

t i t i
1
1
t i
t i
1
1 -
t i
R
Da die Funktion f

## nicht-integrierbar ist, liegt an der Divergenz der harmonischen Reihe

1 n
n
1
, QED.
In Analogie zu Lemma 3.4, Teil i), untersuchen wir das Verhalten der Fourier-Transformation
bei Translation.
4.7 Lemma (Translation und Dilatation bei Fourier-Transfor-
mation)
Fr die Fourier-Transformation einer integrierbaren Funktion
( ) R
1
L f
gilt:
Bezglich der Translation
a
mit festem a R
f

e )

f (
a - a

f

f e (
a a

Bezglich der Skalierung mit festem a R*
f

a )

f (
1
a
a

.
Beweis. ad i) Der Beweis beruht auf der Substitution s = t a bei der Integration
Fourier-Integrale 34
( ) ( ) ( ) ( ) ( ) ) ( f

e ds e e f(s)
2
1
dt e a) - f(t
2
1
dt e t f
2
1
f
a
s i a i t i t i
a
^
a

R R R
( ) ( ) ( ) ( )

R R
) ( f

dt e f(t)
2
1
dt e t f e
2
1
f e
a
t ) a i( t i iat ^
a
.
ad ii) Der Beweis beruht auf der Substitution
a
t
s bei der Integration
( ) ( ) ( )

,
_

R R
) ( f

a ds e ) s f(
2
a
dt e
a
t
f
2
1
f
1
a
sa i t i ^
a
, QED.
Das folgende Lemma wird im Beweis von Satz 4.15 verwendet.
4.8 Lemma
Fr zwei integrierbare Funktionen
( ) R
1
L g , f
gilt die Formel

R R
dt ) t ( g ) t ( f

dt ) t ( g ) t ( f .
Beweis. Man wendet den Satz von Fubini an auf die integrierbare Funktion zweier Vernder-
licher
ixy
e ) y ( g ) x ( f

, QED.
Der Weg von der Fourier-Transformation fr integrierbare Funktionen zur Fourier-Transfor-
mation quadrat-integrierbarer Funktionen fhrt ber die Teilklasse der schnell abfallenden
(temperierten) Funktionen. Einerseits fhrt Fourier-Transformation nicht heraus aus dieser
Teilklasse, andererseits ist die Klasse gro genug, um alle quadrat-integrierbaren Funktionen
zu approximieren.
Auf dem Raum der temperierten Funktionen fhren wir eine Topologie ein. Da die Funktio-
nen differenzierbar sind, sollte die Topologie nicht nur die Funktionen, sondern auch die Gr-
e ihrer Ableitungen messen. Da die Funktionen schnell abfallen, bedeutet, da jede Funkti-
on und jede ihrer Ableitungen im Unendlichen schneller abfllt als jedes Polynom. Daher de-
finieren wir die Topologie durch eine Folge von Semi-Normen: Die Semi-Norm
k , n
mit
das Wachstum der k-ten Ableitungen im Vergleich zu dem Monom n-ten Grades.
4.9 Definition (Temperierte Funktionen)
Auf der Menge der beliebig oft differenzierbaren Funktionen fhren wir eine Folge von Semi-
Normen ein: Fr ) ( C f R

sei
Fourier-Integrale 35
( )
( )
( ) t f t 1 sup : f
k
n
R t
k , n
+

, n, k N.
Der Vektorraum S= S(R) der temperierten Funktionen (oder Schwartz-Raum) ist die Menge
} k , n alle fr f : ) ( C f {
k , n
N R <

der beliebig oft differenzierbaren Funktionen, die selbst und deren jede Ableitung schneller
abfallen als jede inverse Potenz, versehen mit der Addition und der Multiplikation mit kom-
plexen Skalaren.
Auf Sfhren wir folgenden Konvergenzbegriff ein: Eine Folge
N
) f ( von temperierten
Funktionen konvergiert gegen Null
0 f
S
,
wenn fr alle Semi-Normen gilt:
0 f lim
k , n

, n, k N.
4.10 Bemerkung
i) Wegen der binomischen Formel

,
_

+
n
0
n
t
n
) t 1 (
sind die Abschtzungen von
( )
) t ( f ) t 1 ( sup
k n
t
+
R
fr jedes Paar n, k N
gleichwertig zu entsprechenden Abschtzungen von
( )
<

) t ( f t sup
k n
t R
fr jedes Paar n, k N,
ii) Der Schwarz-Raum ist vollstndig. Die Topologie lt sich durch auch die abzhlbare Fa-
milie von Normen beschreiben (Frchet-Raum)
( )
( )
( ) t f t 1 sup sup : f
k p
t p k
p
+
R
, p N.
4.11 Lemma (Produkt und Differentiation temperierter Funktio-
nen)
i) Beliebige Ableitungen und Produkte temperierter Funktionen sind wieder temperiert.
ii) Das Produkt einer temperierten Funktion mit einer Funktion, fr die jede Ableitung hch-
stens polynomial wchst, ist wieder temperiert.
Fourier-Integrale 36
4.12 Bemerkung
Temperierte Funktionen sind integrierbar, d.h.
1
L S .
Zum Beweis verwendet man die Abschtzung

<
+
+
+
+

R R
R
R
dt
) t 1 (
1
) x ( f ) x 1 ( sup dt
) t 1 (
1
) t ( f ) t 1 ( dt ) t ( f
2
2
x
2
2
.
In Analogie zu Lemma 3.4, Teil ii), untersuchen wir das Verhalten der Fourier-
Transformation bei Differentiation. Gem dem folgenden Satz 4.13 werden Differentiation
und Multiplikation jeweils ineinander bergefhrt.
4.13 Satz (Fourier-Transformation temperierter Funktionen)
Gegeben sei eine temperierte Funktion
S f
und ein Polynom P(t) einer Vernderlichen. Wir bezeichnen mit
dx
d
D
den Differentialoperator.
Dann ergeben sich die Fourier-Transformationen der Ableitungen von f durch Multiplika-
tion aus der Fourier-Transformation von f:
( ) ( ) ( ) ( ) ( ) f

i P ^ f D P
Die Fourier-Transformation von f gehrt wieder zu S. Die Ableitungen der Fourier-
Transformation von f sind die Fourier-Transformationen von Multiplikationen von f:
( ) ( )^ f P f

D i P .
Man hat also zwei kommutative Diagramme
f

i f

^ ^
' f f
i
dt
d

und
f

i f

^ ^
f it f
d
d
it

## Beweis. Es gengt, die Behauptung fr ein Monom

Fourier-Integrale 37
P(t) = t
k
und hier nur fr den Fall k = 1 zu beweisen. Die Behauptung durch Einsetzen der Definition
und partielle Integration bzw. Differentiation nach einem Parameter:
( ) ( ) [ ] ( ) ) ( f

i dt e i ) t ( f
2
1
e ) t ( f
2
1
dt e ) t ( ' f
2
1
^ ' f
t i t i t i

R R
und
( ) dt e ) it ( ) t ( f
2
i
dt e
d
d
) t ( f
2
i
e ) t ( f dt
d
d
2
i
d
f

d
i
t i t i t i

R R R
) ( )^ f P ( dt e f(t) t
2
1
t i -
R

.
Zum Beweis, da die Fourier-Transformation wieder temperiert ist, sind die Suprema
( )

(k) n
f

sup
R
, n, k N,
abzuschtzen. Wir setzen fr vorgegebenes k N
(t) := t
k
f(t).
Dann gilt nach der bereits bewiesenen zweiten Formel angewendet auf f:
( )
( )
( )
k k
f

i ,
also fr vorgegebenes n N
f

n (k) n
.
Weiter gilt nach der bereits bewiesenen ersten Formel angewendet auf :
( ) ( )
( )
( ) ( )
^
n n
i ,
also
)

(
(n) n
.
Nach Lemma 4.5 ist die Fourier-Transformation )

(
(n)
beschrnkt, da
(n)
als temperierte
Funktion integrierbar ist. Also gilt
( )
( )
<

1
L
n (k) n
2
1
f

sup
R
, QED.
4.14 Lemma (Stetigkeit der Fourier-Transformation)
Die Fourier-Transformation
F: f

f , a S S
ist eine stetige lineare Abbildung auf dem Raum der temperierten Funktionen.
Fourier-Integrale 38
Beweis. Nach Satz 4.13 ist die Abbildung wohldefiniert. Zum Beweis der Stetigkeit gengt es,
den Fall einer Nullfolge
N
) f ( von temperierten Funktionen zu betrachten. Mit
) t ( f t : ) t (
k

folgt analog zu Satz 4.13, Teil i) die Abschtzung
( )

R
R R
dt ) t (
2
1
) ( )

( sup ) ( f

sup
n (n) ) k ( n
( )

+
+

R
R
dt
) t 1 (
1
2
1
) t 1 ( ) t ( sup
2
2 ) n (
t
Wegen
( ) ( ) t f t t
k

und der Leibniz-Formel
( )
( )
( ) j n k
j
n
0 j
n
f t D
j
n
t

,
_

konvergieren nach Voraussetzung die Suprema
( )

(k) n
f

sup
R
gegen Null, also konvergiert
0 f

S
, QED.
Die Aussage von Lemma 4.14 lt sich wesentlich verschrfen.
4.15 Satz (Umkehrformel der Fourier-Transformation)
Die Fourier-Transformation
F: , a S S ,
ist ein Homomorphismus. Die Umkehrabbildung hat die Gestalt

R
d e ) (
2
1
) t )( ( , :
t i 1 - 1 -
F S S F .
Beweis. Die Abbildung

R
d e ) (
2
1
) t )( ( , :
t i
G S S G
ist wohldefiniert, analog zu Bemerkung 4.12.
i) Wir zeigen zunchst die Gleichheit
Fourier-Integrale 39
id = Go F.
Sei S vorgegeben und ) ( : F gesetzt. Die Gleichheit der Funktionswerte an der
Stelle x = 0
) 0 )( )( o ( ) 0 ( F G
bedeutet

R
) ( d
2
1
) 0 (
Wir beweisen diese Aussage als die Gleichheit zweier Grenzwerte. Wir approximieren die
Dirac-Distribution durch einen Grenzwert von Integralen: Sei
2
x
2
e
2
1
) x (

die standardisierte Normalverteilung. Nach Lemma 4.8 gilt mit der Dilatation

a
, a R
+
*,
die Gleichung
( )

R R
d ) )( ( ) ( d ) ( ) (
a
^
a
.
Fr die linke Seite dieser Gleichung folgt nach Lemma 4.8 und wegen (Beispiel 4.4)
( ) ( )

d ) ( ) )( ( dy ) y ( ) y )( ( d ) ( a ) ( d ) ( ) (
a a
a
^
a
1
R R R R
Nach dem Satz von der majorisierten Konvergenz ([For1983], 9, Satz 2) ergibt sich der
) 0 ( d ) ( ) 0 ( d ) ( ) )( ( lim d ) ( ) )( ( lim
a
a
a
a

R R R
.
Wiederum mit dem Satz von der majorisierten Konvergenz ergibt sich der Grenzwert der
rechten Seite als

d ) (
2
1
d ) )( ( lim ) ( d ) )( ( ) ( lim
a a
R R R
Die Gleichheit beider Grenzwerte bedeutet

R
d ) (
2
1
) 0 ( .
Aus Lemma 4.7, angewendet auf die Fourier-Transformation einer Translation, folgt hieraus
fr beliebiges festes Argument x R die Behauptung:
( ) ) x )( ( ) o ( d ) ( e
2
1
d ) (
2
1
) 0 )( ( ) x (
x i ^
x x

F G
R R
.
Fourier-Integrale 40
ii) Die Gleichheit bei umgekehrter Kompositionreihenfolge
id = F o G
folgt - zunchst wieder fr x = 0 - aus der Tatsache
(F o G)()(0) = (Go F)(
-1
)(0),
und der bereits bewiesenen Aussage
(Go F)(
-1
)(0) = (
-1
)(0) = (0).
Hieraus folgt wie oben durch Translation der Fall eines beliebigen Argumentes x R.
iii) Die Stetigkeit von F wurde in Satz 4.14 gezeigt; analog folgt die Stetigkeit von G, QED.
Obiger Satz 4.15 erlaubt nun die Fortsetzung der Fourier-Transformation zu einem isometri-
schen Isomorphismus des Hilbert-Raumes L
2
. Wir verwenden an dieser Stelle nur die Aussage
ber die Umkehrfunktion. Die Stetigkeit der Fourier-Transformation bzgl. der Schwarz-Topo-
logie werden wir erst Kapitel 6 bei der Definition temperierter Distributionen und ihrer Fou-
rier-Transformation benutzen.
4.16 Korollar (Fourier-Transformation als Isometrie)
Die temperierten Funktionen bilden einen dichten Teilraum des Hilbert-Raumes L
2
, auf dem
die Fourier-Transformation eine Isometrie ist: Fr zwei temperierte Funktionen
S g , f
gilt:
. g , f

## g , f > < > <

Beweis. Die beliebig oft differenzierbaren Funktionen mit kompaktem Trger, also eine Teil-
menge von S, liegen bereits dicht in L
2
([For1983] 10, Corollar zu Satz 3). Mit Satz 4.15 und
Bemerkung 4.3 folgt

,
_

> <

R R R
dt d e ) ( f

2
1
) t ( g dt ) t ( g ) t ( f g , f
t i
( ) > <

,
_

g , f

d g ) t ( f

d ) ( g ) ( f

d dt e ) t ( g
2
1
) ( f

^
1
t i
R R R R
, QED.
4.17 Satz (Fourier-Transformation als L
2
-Isomorphismus)
Die Fourier-Transformation lt sich zu einem isometrischen Isomorphismus
2 2
L L : F
von Hilbert-Rumen fortsetzen.
Beweis. Zunchst ist die Abbildung auf dem dichten Teilraum der temperierten Funktioen
wohldefiniert
Fourier-Integrale 41
2
L : S F
und bildet diesen Teilraum nach Korollar 4.16 isometrisch auf sich ab. Als Hilbert-Raum
ist L
2
vollstndig, so da eine eindeutige stetige Fortsetzung
2 2
L L : F
existiert. Diese ist ebenfalls eine Isometrie, QED.
Distributionen 42
5 Distributionen
Distributionen sind eine Erweiterung des Begriffes der Funktion. Die erste Erweiterung dieser
Art ist die von Dirac eingefhrte Delta-Distribution. Sie selbst ist keine Funktion, kann aber in
einem geeigneten Sinne als Grenzwert von Funktionen aufgefat werden. Whrend Funktio-
nen im einfachsten Fall reelle Zahlen als Argument haben, leben Distributionen auf einer h-
heren Ebene: Ihr Definitionsbereich enthlt als Argumente ganze Funktionen, sogenannte
Testfunktionen. Man nennt Distributionen daher auch Funktionale. Jede integrierbare Funkti-
on lt sich als Distribution auffassen, indem man sie als Integraloperator auf die Klasse der
Testfunktionen anwendet.
Die Bedeutung der Distributionen fr die Analysis liegt darin, da man Distributionen belie-
big oft differenzieren kann und sie generell gute Eigenschaften bzgl. der Grenzwertbildung
zeigen. Fr Distributionen mit temperierten Funktionen als Testfunktionen lt sich die Fou-
rier-Transformierte definieren. Ein etwas kleinerer Definitionsbereich fr Distributionen sind
ist der Raum Daller der Testfunktionen mit kompaktem Trger. In Analogie zum Schwarz-
Raum Sfhren wir auch auf Deine Topologie ein, die ihn zu einem vollstndigen topologi-
schen Vektorraum macht.
5.1 Definition (Testfunktionen)
Der Vektorraum D= D(R) der Testfunktionen ist die Menge ) ( C
c
R

## der beliebig oft differen-

zierbaren Funktionen mit kompaktem Trger, versehen mit der Addition und der Multiplikati-
on mit komplexen Skalaren. Auf Dfhren wir folgenden Konvergenzbegriff ein: Eine Folge
N
) ( von Testfunktionen konvergiert gegen eine Testfunktion ,

D
wenn eine kompakte Menge K R existiert mit
K ) ( supp

fr alle N,
so da fr jedes k N die Folge der k-ten Ableitungen
( )
, ,
k
N

## gleichmig konvergiert auf K gegen die k-te Ableitung

( ) k
.
5.2 Definition (Dirac-Distribution)
Das lineare Funktional
[ ] (a) : :
a
C, D
mit einer festen Stelle a R heit Dirac-Distribution (oder Delta-Distribution) an der Stelle
a.
Distributionen 43
5.3 Definition (Regulre Distributionen)
Jede lokal-integrierbare Funktion f definiert ein lineares Funktional auf den Testfunktionen:
[ ] dt (t) (t) f : T : T
f f

R
C, D .
5.4 Satz (Approximation der Dirac-Distribution)
Fr jede integrierbare Funktion f L
1
(R) mit
1 dt ) t ( f

R
approximieren die regulren Distributionen
C D : T
a
f
,
die von den skalierten Funktionen
, 0 a , f
a
1
: f
a a
>
erzeugt werden, bzgl. des Grenzbergangs a 0 die Dirac-Distribution
0
, d.h. fr jede Test-
funktion Dgilt:
[ ] [ ] ). 0 ( T lim
0 f
0 a
a

## Beweis. Wir berechnen fr festes a > 0 mit der Substitution t = a x

[ ] ( ) ( ) ( ) dx x a x f dt t
a
t
f
a
1
T
a
f

,
_

R R
.
Nach dem Satz von der majorisierten Konvergenz ([For1983], 9, Satz 2) darf man Integrati-
on und Limesbildung vertauschen und erhlt
[ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) 0 dx 0 x f dx x a lim x f dx x a x f lim T lim
0 a 0 a
f
0 a
a

R R R
, QED.
5.5 Definition (Distribution)
Eine Distribution ist eine lineares Funktional auf dem Raum der Testfunktionen
C D : T ,
das stetig ist bzgl. der Topologie von D. Wir bezeichnen mit D' den komplexen Vektorraum
der Distributionen.
5.6 Bemerkung
i) Die Dirac-Distribution ist eine Distribution im Sinne von Definition 5.5.
ii) Jede regulre Distribution
f
T ist eine Distribution im Sinne von Definition 5.5. Zum Be-
weis beachte man, da nur ber ein festes Kompaktum integriert werden mu und hier die
Distributionen 44
Konvergenz der Testfunktionen sogar gleichmig ist. Durch den bergang zur Distribution
erhlt man eine kanonische Abbildung
f
2
T f , L a D' ,
vermge derer sich jede L
2
-Funktion auch als Distribution auffassen lt. Der Kern dieser
Abbildung sind diejenigen quadrat-integrierbaren Funktionen, die fast berall Null sind.
iii) Die Dirac-Distribution ist nicht regulr.
Viele aus der Analysis bekannte Operationen bertrgt man auf Distributionen, indem man sie
auf ihre Argumente anwendet - also auf die Testfunktionen.
5.7 Definition (Multiplikation mit Funktionen)
Das Produkt einer Distribution
C D : T
mit einer beliebig oft differenzierbaren Funktion g C

## ist definiert als die Distribution

( ) [ ] [ ] g T : T g : T g C, D .
Das Produkt ist wohldefiniert, da fr jede Testfunktion D auch das Produkt
g
wieder kompakten Trger hat.
5.8 Definition (Translation und Dilation einer Distribution)
Fr eine Distribution D T definiert man die Translation um die Strecke a R als die Dis-
tribution
( ) [ ] [ ]
a a a
T : T , : T C D
und die Dilation um den Faktor a R* als die Distribution
( )[ ] [ ] [ ]
1 1
a a
a a
T a a T : T , : T C D .
5.9 Definition (Ableitung einer Distribution)
Die Ableitung einer Distribution T D ist definiert als das Funktional
T: D C, T[ ]:= - T[ ].
Offensichtlich ist die Ableitung wieder ein stetiges Funktional, also eine Distribution.
Das negative Vorzeichen in Definition 5.9 ist motiviert durch die Ableitung von regulren Di-
stributionen T
f
mit einer stetig-differenzierbaren Funktion f. Durch partielle Integration erhlt
man unter Bercksichtigung der Tatsache, da Testfunktionen kompakten Trger haben:
Distributionen 45
( ) [ ] [ ] [ ] +

R R
dt (t) (t) ' f ) t ( ) t ( f dt ) t ( ' ) t ( f ' T ' T
f f
[ ]
' f
T ,
also in diesem Fall
( )
' f f
T ' T .
5.10 Beispiel (Ableitung der Heaviside-Distribution)
Die Heaviside'sche Sprungfunktion ist definiert als
H: R C,

'

<

0 t 1
0 t 0
: ) t ( H .
Sie hat aufgefat als regulre Distribution T
H
als Ableitung die Dirac-Distribution
0
.
Beweis. Sei Deine Testfunktion. Dann gilt
[ ] [ ] [ ] [ ]

R
0 0
0
H H
) 0 ( ) t ( dt ) t ( ' dt ) t ( ' ) t ( H ' T ' T , QED.
5.11 Definition (Konvergenz von Distributionen)
Eine Folge von Distributionen T
n
D, n N, konvergiert gegen eine Distribution T D,
T T
' n

D
,
wenn sie auf allen Testfunktionen konvergiert, d.h. wenn fr jede Testfunktion Dgilt:
[ ] [ ]

T T lim
n
n
.
In diesem Sinne konvergieren die in Satz 5.4 betrachteten Funktionen aufgefat als Distribu-
tionen gegen die Dirac-Distribution.
5.12 Beispiel
Der Grenzwert

N
N n
n 2
N
N
n 2
lim :
Z
existiert als Grenzwert von Distributionen.
Zum Beweis beachte man, da eine Aussage ber Testfunktionen zu zeigen ist. Diese haben
nach Definition kompakten Trger, so da sich beide unendlichen Reihen auf eine endliche
Summe reduzieren. Wir werden diese Distribution noch einmal in Satz 6.9 berechnen.
Fourier-Transformation temperierter Distributionen 46
6 Fourier-Transformation temperierter Distributionen
In diesem Kapitel bertragen wir die Fourier-Transformation, die wir bisher fr Funktionen
aus den Klassen L
1
und L
2
kennen, auf die grere Klasse der Distributionen. Allerdings wer-
den wir nicht den allgemeinsten Fall, sondern nur den Fall temperierter Distributionen be-
trachten. Als Hauptsatz dieses Kapitels berechnen wir den Grenzwert der Dirichlet-Kerne und
folgern daraus mit der Fourier-Transformation temperierter Distributionen die Poisson-
Formel.
6.1 Satz (Testfunktionen und temperierte Funktionen)
Die Inklusion
S D
der Testfunktionen in die Klasse der temperierten Funktionen
ist stetig, d.h.

S D
impliziert ,
und hat dichtes Bild, d.h. zu jeder temperierten Funktion S existiert eine Folge von
Testfunktionen
N
) ( , D

,
mit

S
.
Beweis. ad i) Fr die Stetigkeit ist zu zeigen, da eine Nullfolge von Testfunktionen in Dauch
eine Nullfolge in Sist, d.h. bzgl. der Familie der Semi-Normen
( )
( )
( ) t f t 1 sup : f
k
n
t
k , n
+
R
, k, n N,
gegen Null konvergiert.
Nach Voraussetzung haben alle Testfunktionen einer gegebenen Nullfolge ihren Trger in ei-
nem festen Kompaktum. Die gleichmige Konvergenz gegen Null aller Ableitungen auf die-
sem Kompaktum impliziert die Konvergenz gegen Null in jeder Semi-Norm.
ad ii) Um zu zeigen, da Deine dichte Teilmenge von Sist, whlen wir eine C

-Funktion
C R : mit [ ] 1 1 , 1 | und supp () [ -2, 2 ]
und bezeichnen mit

N
, N N*,
die um den Faktor N gestreckte Funktion
C R :
N
mit [ ] 1 N , N |
N
und supp (
N
) [ -2N, 2N ].
Zu einer gegebenen temperierten Funktion f Sbilden wir die Folge
Distributionen 47
( ) *
N

N N N
f : f
von Testfunktionen mit kompaktem Trger. Aus der Leibniz-Formel
[ ] f D ) 1 ( D
i
k
f ) 1 ( D ) f f ( D
i k N i
k
0 i
N k N k

,
_

erhalten wir unter Bercksichtigung von
( )
i i N i
D
N
1
) 1 ( D , i 1, und
[ ] N , N ) 1 ( supp
N
R
die gesuchten Grenzwerte
0 f f lim
n , k
N
N

, k, n N, QED.
6.2 Bemerkung
Die in Definition 5.1 angegebene Topologie von Dist echt feiner als die von Sinduzierte Un-
terraumtopologie. Insbesondere ist Dbzgl. der Unterraum-Topologie nicht vollstndig.
6.3 Definition (Temperierte Distribution)
Eine Distribution T D heit temperiert, wenn sie auch bezglich der grberen von Sauf D
induzierten Topologie stetig ist.
6.4 Satz (Temperierte Distribution)
Jede temperierte Distribution T lt sich eindeutig zu einer stetigen linearen Abbildung T
temp
auf Sfortsetzen.
D
C
S
T T
temp
Hierdurch entsprechen die temperierten Distributionen genau den stetigen linearen Funktio-
nalen auf dem Vektorraum der temperierten Funktionen.
Beweis. Eine temperierte Distribution ist stetig bzgl. jeder der in der Definition von Sauftre-
tenden Semi-Normen. Als lineare Abbildung ist sie in jeder dieser Semi-Normen gleichmig
stetig. Da Dnach Satz 6.1 ein dichter Teilraum von Sist, kann man T stetig nach Sfortsetzen,
und diese Fortsetzung ist eindeutig bestimmt, QED.
6.5 Bemerkung (Temperierte Distributionen)
i) Die Dirac-Distribution ist temperiert.
ii) Jedes Polynom P definiert durch Integration gem Bemerkung 5.6 eine regulre Distribu-
tion T
P
. Diese Distribution ist temperiert.
Distributionen 48
6.6 Definition (Fourier-Transformation temperierter Distributio-
nen)
Die Fourier-Transformation einer temperierten Distribution
T: S C
ist definiert als die Komposition
[ ] C S F F : o T : T : T

,
d.h. fr eine temperierte Funktion Sist definiert:
[ ] ( ) [ ] [ ] [ ] F F T : T .
Wegen der Stetigkeit der Fourier-Transformation temperierter Funktionen (Satz 4.14)
S S F :
ist die Fourier-Transformation einer temperierten Distribution wieder eine temperierte Distri-
bution.
6.7 Lemma (Fourier-Transformation der Dirac-Distribution)
i) Die Fourier-Transformation der Funktion e
ia
- aufgefat als regulre Distribution - ist die
Dirac-Distribution, genauer: Es gilt
( )
a
^
ia
2 e
als Aussage ber temperierte Distributionen.
ii) Die Fourier-Transformation der Dirac-Distribution ist die Exponentialfunktion
( )
ia
^
a
e
2
1

.
Beweis. ad i) Nach der Umkehrformel, Satz 4.15, gilt fr eine temperierte Funktion
( ) [ ] ( )[ ] ( ) ( ) [ ]

a
ia
e
^
e
2 a 2 d e T T
ia ia
R
.
ad ii) Nach Definition gilt fr eine temperierte Funktion S
( ) [ ] [ ] ( ) ( ) [ ]

ia
e ia a
^
a
T
2
1
dt t e t
2
1
) a (
R
, QED.
Wir beweisen als eine weitere Anwendung des Permanenz-Prinzips, da sich unter Fourier-
Transformation Translation und Skalierung bei temperierten Distributionen genauso verhalten
wie bei Funktionen.
Distributionen 49
6.8 Lemma (Translation und Dilatation bei Fourier-Transforma-
tion temperierter Distributionen)
Es sei T S' eine temperierte Distribution. Dann gilt
( ) T e T
a
^
a
und ( ) T

a T
1
a
^
a

.
Beweis. Der Beweis besteht in der Anwendung von Lemma 4.7 auf die Definition 5.8, QED.
6.9 Satz (Konvergenz der Dirichlet-Kerne)
Die in Definition 3.6 eingefhrten Dirichlet Kerne D
N
, N N, konvergieren als Distribution:

Z n
n 2 N
N
D
2
1
lim .
Beweis. Sei Deine vorgegebene Testfunktion. Wir fhren die Behauptung auf den peri-
odischen Fall zurck: Wir definieren die periodische C

-Funktion
( ) ( )

+
Z
C R
n
n 2 t : t , : .
Die Funktion ist wohldefiniert, da kompakten Trger hat. Wir setzen zur Abkrzung (vgl.
Beispiel 5.12)

Z n
n 2
: T .
Einerseits gilt
[ ] [ ] ( ) ( )

Z Z n n
n 2
0 n 2 T .
Andererseits gilt
[ ] ( ) ( )
( )
( )

N
N n k
2
0
int
N
N n k
1 k 2
k 2
int
N
N n
int
N
dt k 2 t e
2
1
dt t e
2
1
dt t e
2
1
D
2
1
Z Z
R
( ) ( ) [ ]

N
N n
2
0
Z k
N
N n
2
0
N
N n
n
int int
c dt t e
2
1
dt k 2 t e
2
1
.
Mit Satz 3.9 folgt:
[ ] [ ] ( ) [ ]

T 0 c D
2
1
lim
Z n
n N
N
, QED.
6.10 Folgerung (Poisson Formel)
Es gilt folgende Aussage als Gleichheit temperierter Distributionen

,
_

Z Z n
n 2
^
n
n
2
1
.
Distributionen 50
Beweis. Wir stellen die linke Seite der Gleichung von Satz 6.9

Z Z n
n 2
n
in
e
2
1
als Fourier-Transformation temperierter Distributionen dar: Nach Lemma 6.7, Teil ii) gilt
n in

e
2
1

.
Wir erhalten

,
_

Z Z Z n
n 2
n
n
^
n
n

2
1
2
1
, QED
6.11 Beispiel (Transformationsformel der Theta-Funktion)
Wir wenden die Poisson-Formel auf eine bestimmte temperierte Funktion an, nmlich auf die
Gauss-Funktion
( )
2
at
e : t f , : f

C R
mit festem, aber beliebigem Parameter a > 0. Mit Folgerung 6.10 erhalten wir:

Z Z n n
) n 2 ( f ) n ( f

2
1
.
Fr die Gauss-Kurve
( )
2
t
2
e : t g , : g

R R
gilt nach Beispiel 4.4
g g .
Es ist
a 2
1
b mit g f
b
.
Es folgt nach Lemma 4.7
f b g b g b f

2 1 1
b b b

.
Wir erhalten

Z Z Z n n
2
n
) n 2 ( f ) n b ( f
2
b
) n ( f

2
1
,
d.h.

Z Z n
) n 2 ( a
n
) n b ( a
2 2 2
e e
2
b
Distributionen 51

Z Z n
n 4 a
n
a 4
n
2 2
2
e e
a 2
1
Mit
0 a 4 : >
folgt fr die Theta-Funktion

Z n
n
2
e : ) ( , > 0,
die Transformationsformel

Z Z n
n
n
n
2
2
e e
1
,
d.h.
0 ), ( : )
1
(
1
>

.
Faltung 52
7 Faltung
In diesem Abschnitt definieren wir die Faltung zweier Funktionen und erweitern die Definiti-
on auf die Faltung einer Distribution mit einer Funktion. Wir beweisen den Faltungssatz ber
die Fourier-Transformation einer Faltung. Das Hauptresultat dieses Kapitels ist das Abtast-
Theorem von Shannon fr frequenzbeschrnkte Signale.
7.1 Bemerkung (Integrierbarkeit im Produktraum)
Fr zwei integrierbare Funktionen
1
L g , f
ist die Funktion zweier Vernderlicher
) y ( g ) x ( f ) y , x ( ,
2
a C R
integrierbar, ebenso die Funktion
) x y ( g ) x ( f ) y , x ( ,
2
a C R .
Nach dem Satz von Fubini ([For1983], 7, Satz 7) ist - bis auf eine Nullmenge - fr jedes fe-
ste y R die Einschrnkung
) x y ( g ) x ( f x , a C R
integrierbar, und das Integral definiert eine integrierbare Funktion

R
C R dx ) x y ( g ) x ( f y , a .
Aufgrund von Bemerkung 7.1 kann man die Faltung mit einer L
1
-Funktion definieren:
7.2 Definition (Faltung)
Eine integrierbare Funktion
1
L g
definiert eine C-lineare Abbildung, die Faltung mit g,
( ) dt ) t ( g ) t ( f : ) ( g * f mit g * f f , L L
1 1

R
a .
Offensichtlich ist das Faltungsprodukt kommutativ, d.h. es gilt
f * g g * f .
Distributionen 53
Der Vektorraum L
1
bildet bzgl. Addition und Faltung von Funktionen eine kommutative
C-Algebra ohne 1-Element. Die Fourier-Transformation berfhrt die Faltung in ein Produkt.
Da das Produkt zweier integrierbarer Funktionen nicht notwendig wieder integrierbar sein
mu, setzen wir bei der Umkehrung beide Faktoren als temperiert voraus.
7.3 Satz (Fourier-Transformation der Faltung von Funktionen)
i) Fr die Fourier-Transformation der Faltung zweier integrierbarer Funktionen
( ) R
1
L g , f
gilt die Formel
( ) g f

2 g * f
^
.
ii) Umgekehrt gilt fr zwei temperierte Funktionen
S g , f
die Formel
( ) g f

g f 2
^

Beweis. ad i) Die angegebene Formel folgt durch explizites Einsetzen der Definition, die Sub-
stitution
t - y = s
und die Anwendung des Satzes von Fubini:
( ) ( )

2
dy dt e ) y t ( g ) y ( f
2
1
dt e ) t ( g f
2
1
) ( g f
t i t i ^
R R

+
2
) ( g ) ( f

2 ds e g(s) dy e f(y)
2
1
dy ds e ) s ( g ) y ( f
2
1
s i y i ) y s ( i
R R R
.
Die Faltung zweier integrierbarer Funktionen ist wieder integrierbar, ihre Fourier-
Transformierte ist stetig nach Lemma 4.5. Daher macht Teil i) eine Aussage ber die Gleich-
heit zweier stetiger, aber nicht notwendig integrierbarer Funktionen.
ad ii) Das Produkt zweier temperierter Funktionen ist wieder temperiert, also insbesondere
integrierbar. Daher ist die Fourier-Transformierte wohldefiniert. Wir fhren den Beweis auf
die Aussage von Teil i) zurck, indem wir als Korollar des Umkehrsatzes 4.15 die Formel
verwenden
( ) ) x ( h ) x ( h ) x ( h

1
.
Nach Teil i) gilt
( ) ( )
^ ^
^
g f 2 g

2 g * f

.
Die Fourier-Transformation temperierter Funktionen ist ein Isomorphismus nach Satz 4.15,
also gilt auch
Distributionen 54
( )
^
g f 2 g * f

, QED.
7.4 Definition (Faltung einer Distribution)
Es sei T D' eine Distribution und g Deine Testfunktion. Dann definieren wir als die Fal-
tung von T mit g die Funktion
( ) C R : g T mit ( ) ( ) [ ] g T : x g T
x

(
,
wobei
( ) ( ) ( ) y x g : y g , : g
x x

( (
C R .
7.5 Bemerkung (Faltung einer Distribution)
i) Die in Definition 7.4 eingefhrte Faltung
( ) C R : g T
ist eine beliebig oft differenzierbare Funktion. Sie heit die Regularisierung der Distributi-
on T durch die Funktion g.
ii) Analog zu Definition 7.4 kann man die Faltung einer temperierten Distribution mit einer
temperierten Funktion definieren.
iii) Im Falle von Distributionen mit kompaktem Trger wie der Dirac-Distribution, kann man
auch Faltungen mit Funktionen aus den greren Funktionenklassen C

## oder der Klasse C der

stetigen Funktionen definieren.
Definition 7.4 verallgemeinert die in Definition 7.2 eingefhrte Faltung integrierbarer Funk-
tionen. Es gilt:
7.6 Lemma (Faltung einer regulren Distribution)
Im Falle einer regulren Distribution
f
T T
mit einer lokal-integrierbaren Funktion f gilt fr die Faltung mit einer Testfunktion g die
Gleichheit von Funktionen
g f g T
f
.
Beweis. Es gilt
( ) dt ) t ( g ) t ( f : ) ( g * f

R
,
andererseits ist
( ) [ ] dt ) t ( g ) t ( f g T ) ( g T
R
f f

(
, QED.
Distributionen 55
7.7 Lemma (Faltung einer Distribution)
Es seien T S' eine temperierte Distribution und g Seine temperierte Funktion. Dann gilt
fr die Anwendung auf eine Testfunktion S
( ) [ ] ( ) [ ]

g T g T
1
.
Beweis.
( ) [ ] [ ] [ ] [ ]dt ) t ( ) y t ( g T dt ) t ( ) y t ( g T dt ) t ( g T g T
y y t

R R R
(
Wir verwenden - ohne Beweis - als Folgerung aus der Stetigkeit der Distribution, da wir die
Integration und die Anwendung der Distribution vertauschen drfen. Wir erhalten
[ ] ( ) ( ) [ ]
1
]
1

1
]
1

g T dt ) t ( ) t y ( g T dt ) t ( ) y t ( g T dt ) t ( ) y t ( g T
1 1 y y y
R R R
7.8 Beispiel (Faltung der Dirac-Distribution)
Die Regularisierung der Dirac-Distribution mit einer Testfunktion g Sist die translatierte
Testfunktion:
g g
a a
.
Insbesondere wirkt die Dirac-Distribution im Nullpunkt
0
als Einheit bezglich des Fal-
tungsproduktes.
Beweis. Es gilt
( ) ( ) [ ] ( ) ( ) ) t ( g a t g g t g
a t a a

(
, QED.
Der Faltungssatz 7.3 lt sich auf die Faltung einer Distribution erweitern.
7.9 Satz (Fourier-Transformation der Faltung mit einer Distribu-
tion)
Es sei T S' eine temperierte Distribution und g Seine temperierte Funktion. Dann gilt
( ) g T

2 g T
^
und ( ) g T

2
1
g T
^

.
Beweis. ad i) Sei Seine temperierte Testfunktion. Wir berechnen die linke Seite mit
Lemma 7.7
( ) [ ] ( ) [ ] ( ) [ ]

g T g T g T
1
^
Fr die rechte Seite gilt mit der Faltungsformel fr Funktionen, Satz 7.3,
( )[ ] [ ] ( ) [ ] ( ) [ ]

g T g 2 T g 2 T

g T

2
1
^
.
Distributionen 56
Die Formel des zweiten Teils folgt wie im Beweis von Satz 7.3 aus dem ersten Teil, QED.
Die Bedeutung des folgenden Theorems 7.10 liegt darin, da es die Rekonstruktion einer
Funktion aus einem diskreten Satz von Funktionswerten erlaubt - unter der Voraussetzung,
da die Fourier-Transformation der Funktion nur Frequenzen aus einem beschrnkten Inter-
vall enthlt.
7.10 Satz (Abtast-Theorem von Shannon)
Gegeben sei eine stetige, quadratintegrierbare Funktion
f L
1
L
2
mit endlicher Bandbreite, d.h. die Fouriertransformation
2
L f

## habe kompakten Trger, o.E.

[ ] , f

supp .
Dann ist die Funktion bereits durch die Folge ( f (n) )
nZ
ihrer Funktionswerte bestimmt, es
gilt punktweise
( ) ( )
( ) ( )
( ) n t
n t sin
n f t f
n

Z
, t R.
Beweis. Wir bezeichnen mit
[ ] 1 , 0 : R
die charakteristische Funktion des Intervalles [ -, ] im Frequenzbereich. Hier gilt nach Vor-
aussetzung
f

.
Wegen der Integrierbarkeit von f ist die Fourier-Transformierte f

## stetig (Lemma 4.5). Wegen

0 ) ( f

) ( f

knnen wir die Einschrnkung
[ ] , | f

zu einer periodischen stetigen Funktion F auf R fortsetzen. Sie hat nach Korollar 3.11 die Fou-
rier-Reihe
[ ]
inx
n
n
e F c ) x ( F

Z
mit Fourier-Koeffizienten
[ ]

d e ) ( F
2
1
F c
in
n
.
Nach dem Umkehrsatz 4.15 gilt
Distributionen 57

d e ) t ( F
2
1
d e ) t ( f

2
1
d e ) t ( f

2
1
) t ( f
t i t i t i
.
Diese Gleichheit der Funktionswerte gilt zunchst bis auf eine Nullmenge. Da beide Seiten
jedoch stetige Funktionen sind, stimmen sie punktweise berein, insbesondere gilt
[ ] ) n ( f
2
1
F c
n

, n Z.
Auf die Gleichung

,
_

Z Z n
in
n
in
) e ( ) n ( f
2
1
e ) n ( f
2
1
f

## wenden wir die Fourier-Transformation an. Einerseits gilt

) t ( f ) t ( f

.
Andererseits fassen wir die beiden Funktionen
e
-in
und
nach Bemerkung 5.6 als temperierte Funktionen auf und berechnen nach Satz 7.3, Teil ii),
Lemma 6.7 und Lemma 7.8:

* * e
2
1
) e (
n n in
^
in
.
bertrgt man Beispiel 4.6 auf das Intervall [ -, ], so gilt:
x
) x sin(
2 ) x (

.
Insgesamt erhalten wir
) n t (
) ) n t ( sin(
2 f(n)
2
1
) t ( f
n
+
+

Z
,
also
) n t (
) ) n t ( sin(
f(n) ) t ( f
n

Z
, QED.
7.11 Bemerkung (Abtastdistanz)
Falls die Fourier-Transformierte ihren Trger im Intervall
[-, ], N,
hat, gilt analog zu Satz 7.10
n t
) n t ( sin
) n ( f ) t ( f
n

Z
.
Distributionen 58
Bei einem greren Frequenzbereich mu also die Abtastdistanz um den Faktor

: ver-
ringert werden.
Beweis. Wir reduzieren die Behauptung durch Skalierung auf Satz 7.10. Wir betrachten die
skalierte Funktion
( ) f : g
1

.
Ihre Fourier-Transformation lautet nach Lemma 4.7
( ) f

1
g

und hat kompakten Trger
[ ] , g supp .
Wir wenden Satz 7.10 auf die Funktion g an der Stelle s R an und erhalten
) n s (
) ) n s ( sin(
n) f( ) s ( f
n

Z
,
bzw. mit
s : t
die Behauptung
n t
) n t sin(
n) f( ) t ( f
n

Z
, QED.
Als direkte Folgerung aus der Poisson-Formel und der Faltungsformel lt sich eine anschau-
liche Darstellung des Abtastvorganges in Satz 7.10 geben.
7.12 Bemerkung (Abtastung)
Zu einer gegebenen Signalfunktion f nennt man die temperierte Distribution

Z n
n S
f : f
die Abtastung (Sampling) von f. Durch Fourier-Transformation erhlt man mit der Faltungs-
formel (Satz 7.9) unter etwas allgemeineren Voraussetzungen, der Poisson-Formel (Folgerung
6.10) und Lemma 7.8
f

2
1
: f

n
n 2
n
n 2
^
n
n S

,
_

Z Z Z
,
d.h.

Z n
S
) n 2 ( f

) ( f

.
Distributionen 59
Falls f bandbeschrnkt im Intervall [ -, ] ist, gilt

S
f

.
Hieraus folgt, da die Funktion gerade ist,

f
2
1
f
S
,
d.h. man kann die bandbeschrnkte Funktion f aus ihrer Abtastung f
S
gewinnen.
Kontinuierliche Wavelet-Transformation 60
8 Kontinuierliche Wavelet-Transformation
In diesem Kapitel beginnen wir mit der Wavelet-Theorie. Die Wavelet-Transformation kann
in Analogie zur Fourier-Trnasformation gesehen werden. In beiden Fllen werden 1-
dimensionale zeitliche Signale f(t) in ihr Frequenzspektrum zerlegt. Diese Zerlegung ge-
schieht ohne Informationsverlust, so da sich das Ausgangssignal aus seinem Frequenzspek-
trum wieder zurckgewinnen lt.
Die Fourier-Transformation liefert die Frequenzanalyse ) ( f

## ohne Information ber den ge-

nauen Zeitpunkt, zu dem die einzelnen Frequenzen auftreten. Dennoch enthlt die Fourier-
Transformierte die volle Information, denn mit Hilfe der inversen Fourier-Transformation
kann man das Signal gem dem Umkehrsatz ja wieder rekonstruieren.
Eine Wavelet-Transformation liefert die Information besser voneinander abgegrenzt: Man er-
hlt sowohl die Frequenzanalyse als auch die Zeitpunkte des Auftretens der einzelnen Fre-
quenzen. Folgendes Beispiel illustriert den Sachverhalt: Der Komponist bringt die Musik in
Form einer Wavelet-Transformation (Partitur) auf das 2-dimensionalen Notenpapier, das Or-
chester macht daraus in einer inversen Wavelet-Transformation hrbare Musik.
Zwischen beiden Arten der Signaltransformation steht die von D. Gabor eingefhrte "gefen-
sterte" Fourier-Transformation, die zu jedem Zeitpunkt nur ein kleines Zeitfenster des Signals
betrachtet und fr diesen Ausschnitt eine Fourier-Analyse durchfhrt. Unter einem Zeitfenster
verstehen wir dabei eine auf der Zeitachse definierte Funktion, die nur in einer kleinen Umge-
bung von t = 0 von Null verschieden ist.
Nach der Definition der Wavelet-Transformation stellt die Umkehrformel fr die Wavelet-
Transformation (Satz 8.11) das Hauptresultat dieses Kapitels dar.
8.1 Algorithmus (Gefensterte Fourier-Transformation)
Input. Signal f, Zeitfenster .
Output. Familie von Fourier-Tranformierten
b ,
f

zu zeitverschobenen Zeitfenstern

b
, b R.
Fr jeden Zeitpunkt b R
Bilde Fourier-Transformation des Zeitfensters bei b

R
dt e ) b t ( ) t ( f
2
1
: ) ( f

t i
b ,
Abbildung 2 Gefensterte Fourier-Transformation
8.2 Algorithmus (Wavelet-Transformation)
Input. Signal f, Zeitfenster .
Kontinuierliche Wavelet-Transformation 61
Output. Familie von Wavelet-Tranformierten von f zu skalierten und zeitverschobenen Zeit-
fenstern
( )
a b
a
1
, (a, b) R* x R.
Fr jeden Zeitpunkt b R und Skalenparameter a R*
Bilde Wavelet-Transformation
[ ] ( ) dt ) t ( ) t ( f
a
1
) b , a ( f
a b

R
W
Abbildung 3 Wavelet-Transformation
8.3 Bemerkung (Gefensterte Fourier-Transformation versus
Wavelet-Transformation)
Bei der gefensterten Fourier-Transformation erfat jede Abtastfunktion
t i
e ) b t ( t

a
ein Fenster der festen Gre
supp
um den Zeitpunkt b und berstreicht dieses Fester mit harmonischen Schwingungen der va-
riablen Frequenzen .
Bei der Wavelet-Transformation erfat jede Abtastfunktion
( )

,
_

a
b t
a
1
) t (
a
1
t
a b
a
ein Fenster der variablen Gre
a
1
supp()
um den Zeitpunkt b und berstreicht dieses Fenster mit einer Schwingung des skalierten Wa-
velets ("kleine Welle")
a
.
8.4 Schreibweise (Wavelet)
Fr die Komposition der Operationen Translation, Skalierung und Normierung bei einer
Funktion
C R :
fhren wir die Schreibweise
Kontinuierliche Wavelet-Transformation 62

a b a , b
a
1
: ,
ein. Es gilt also

,
_

a
b t
a
1
) t (
a , b
.
Der Faktor
a
1
stellt sicher, da und
a , b
dieselbe L
2
-Norm haben.
8.5 Definition (Wavelet und Wavelet-Transformation)
Ein Wavelet ist eine quadrat-integrierbare Funktion
L
2
,
deren Fourier-Transformation sogar logarithmisch quadrat-integrierbar ist, d.h.
( )
<

<

2 : c 0
2
R
(Zulssigkeitsbedingung).
Die Wavelet-Transformation einer quadrat-integrierbaren Funktion f L
2
mit dem Wavelet
ist die Funktion
W

[ f ]: R* x R C, [ ]( ) dt ) t ( ) t ( f
c
1
: b , a f
a , b

R
W .
Die Wavelet-Transformation einer Funktion sollte in Analogie zur Fourier-Transformation in
Definition 4.2 gesehen werden. Ein wesentlicher Unterschied zwischen beiden Transforma-
tionen ist die Tatsache, da die Wavelet-Transformierte eine Funktion zweier Vernderlicher
ist.
8.6 Lemma (Wavelet-Transformation als Faltung)
Fr jeden festen Skalenfaktor a R* ist die Wavelet-Transformation bezglich der zeitlichen
Translation eine Faltung:
[ ] ( ) ( ) ) b ( * f
c a
1
b , a f
a

W .
Ihre Fourier-Transformation bzgl. des Argumentes b hat die Gestalt
[ ] ( ) ( ) ( ) ( )

a f

c
a 2
, a f
^
^
W .
Kontinuierliche Wavelet-Transformation 63
Als Fourier-Transformation der L
1
-Funktion
^
f

## ist fr jedes feste a R* die Funktion

[ ] ) b , a ( f b

W a
stetig und erfllt
[ ] . 0 ) b , a ( f lim
/ b

+
W
[ ] ( )

R R
dt )
a
b t
( ) t ( f
c a
1
dt ) t ( ) t ( f
c
1
b , a f
a , b
W
( ) ( ) ) b ( * f
c a
1
dt ) t b ( ) t ( f
c a
1
a a

R
ad ii) Nach Satz 7.3 folgt aus Teil i)
[ ] ( ) ( )
( )
( ) ( )( ) ( ) ( )

a f

c
a 2
f

c
a 2
, a f
^ ^
a
^
1
W .
Die letzte Aussage folgt aus Lemma 4.5, QED.
8.7 Beispiel (Haar Wavelet)
Die Haar'sche-Funktion (Definition 2.8)
[ ] ( )

'

<
<

sonst 0
1 t 2 1 1
2 1 t 0 1
: t , 1 , 1 : R
ist quadrat-integrierbar. Sie hat die Fourier-Transformation
( )

,
_

,
_

4 4
sin e
2
i
, :
2
i
sinc C R mit ( )
( )
x
x sin
: x sinc ,
und es gilt
( )
.

d 2
2
<

Also ist die Haar'sche Funktion ein reelles Wavelet.
Beweis. Bezeichnet
[ ] 1 , 1
die charakteristische Funktion des Intervalles [-1, 1], so gilt

3
4
1 1
4
1
,
also mit Lemma 4.7
[ ] )
4
( ] e e [
4
1
) ( ) e e (
4
1
) (
4
3
i
4
i
3 1 4

.
Kontinuierliche Wavelet-Transformation 64
Es ist
4
sin i 2 e e
e
e e
] e e [
2
i
2
i
2
i
4
3
i
4
i
4
3
i
4
i

,
und nach Beispiel 4.6 gilt
4
sinc
2
)
4
(

.
Die Abschtzung
( )
. d

2
2
<

folgt aus der Abschtzung des Integranden
( ) ( )
3
4
2
sin

,
der sowohl fr 0 also auch fr integrierbar ist, QED.
8.8 Bemerkung (Wavelet)
Die Fourier-Transformierte eines Wavelets L
1
ist stetig (Lemma 4.5); also gilt wegen der

R
dt ) t ( ) 0 ( 0 ,
d.h. der Mittelwert des Wavelets verschwindet.
8.9 Lemma (Erzeugung von Wavelets)
Wenn die k-te Ableitung, k 1, einer quadrat-integrierbaren Funktion existiert und wieder-
( ) 2 k
L ,
so ist sie ein Wavelet
( ) k
: .
Beweis. Fr die Fourier-Transformation gilt nach Satz 4.13
) ( ) i ( : ) (
k
.
Es folgt - da die Fourier-Transformation nach Satz 4.17 eine Isometrie ist -
Kontinuierliche Wavelet-Transformation 65

d
) (
d
) (
d
) (
d
) (
1
2
k 2
1
1
2
k 2
2
k 2
2
R R
( ) ( ) 2
L
k 2
L
2
L
k
2
L
1
2 k 2 2
2
2
2
2
d ) ( d ) ( + + +

R
, QED.
8.10 Beispiel (Wavelet Mexikaner-Hut)
Die Funktion
( ) ( )
4
1
2
t
2
2
t
2
2
3
2
: mit e t 1 e
dt
d
: t , :
2 2

,
_

R R ,
heit Mexikaner-Hut. Sie ist durch den Faktor so normiert, da
. 1
2
L

Ihre Fourier-Transformation berechnet sich nach Satz 4.13 und Beispiel 4.4 als
( )
2
2
2
e

mit der Zulssigkeitsbedingung
( )

d e 2 d e 2 d e d
) (
0
2 2
0
3 2
3
2
2
2 2 2
R R
2
0
2
0
2 2
0
2
2
2
2
2
e d e 2
2
e
2
1
1
]
1

+
1
1
]
1

.
Also ist der Mexikaner-Hut ein reelles Wavelet.
Beim Beweis der Isometrie-Eigenschaft und der Umkehrformel fr die Wavelet-
Transfomation bentigen wir, da das Wavelet die Zulssigkeitsbedingung erfllt.
8.11 Satz (Wavelet-Transformation als Isometrie)
Fr ein Wavelet L
2
(R) ist die Wavelet-Transformation

,
_

2
2 2
a
db da
, x * L ) ( L : R R R W
eine Isometrie.
Beweis. Wir setzen Zur Abkrzung fr die beiden Hilbert-Rume

,
_

2
2 2
a
db da
, x * L : Y und ) ( L : X R R R .
Kontinuierliche Wavelet-Transformation 66
Wir berechnen die Norm des Bildes, indem wir auf die zweite Vernderliche die Fourier-
Transformation anwenden und ausnutzen, da diese eine Isometrie ist (Satz 4.17). Auerdem
wenden wir Lemma 8.6 an und die Gleichheit (Bemerkung 4.3)
) a ( ) a (
^
.
Wir erhalten
[ ] [ ] ( ) [ ] ( )

,
_

,
_

2
2 ^
2
2 2
Y
a
da
d , a f
a
da
db b , a f f
R R R R
W W W
( ) ( )

,
_

,
_

d f

a
da
) a ( a
c
2
a
da
d f

) a ( a
c
2
2
2
2
2
2
2
^
R R R R
( )

,
_

d f

d
) (
c
2
2
2
R R
( )
2
X
2
X
2
2
f f

d f

d
) (
c
2

R R
, QED.
8.12 Satz (Umkehrformel der Wavelet-Transformation)
Fr die Wavelet-Transformation

,
_

2
2 2
a
db da
, x * L ) ( L : R R R W
mit einem Wavelet L
2
(R) gilt die Umkehrformel
( ) [ ]( ) ( )
2
x *
a , b
a
db da
t b , a f
c
1
t f

R R
W fr alle f L
2
(R).
Beweis. Der folgende Beweis beruht auf der Formel von Calderon. Wir setzen
[ ] ( )
2 a , b
a
db da
) t ( b , a f
c
1
: ) t ( F
2

R
W .
Dann gilt
[ ] ( ) ( )

,
_

a a
da
db ) b t ( b , a f
c
1
: ) t ( F
2
a
R R
W
[ ] ( ) ( ) ( ) ( ) ( ) ( )
2 a a
2
a
a a
da
) t ( * f
c
1
a a
da
) t ( , a f
c
1

R R
W
Anwendung des Faltungssatzes 7.3 und der Formel aus Bemerkung 4.3
) t a ( ) t a (
^

Kontinuierliche Wavelet-Transformation 67
liefert
( ) ( )

R R
2
^ 2
2 a
^
a
2
a a
da
) t a ( ) t a ( a
c
2
) t ( f

a a
da
) t ( a
c
2
) t ( f

) t ( F

1 1
) t ( f

d
) (
c
2
) t ( f

a
da
) t a (
c
2
) t ( f

2
2

R R
.
Da die Fourier-Transformation ein Isomorphismus ist (Satz 4.17), folgt
F = f, QED.
Gibbsches Phnomen 68
9 Gibbsches Phnomen
Schnelle Fourier-Transformation 69
10 Schnelle Fourier-Transformation
Fouriertheorie und Quantencomputing 70
11 Fouriertheorie und Quantencomputing
Bildkompression 71
12 Bildkompression
Wavelet-Frame 72
13 Wavelet-Frame
Die Wavelet-Transformation transformiert eine Funktion einer Vernderlichen f(t) in eine
Funktion zweier Vernderlichen W

[ f ] (a, b). Aus dieser lt sich nach Satz 8.12 das Aus-
gangssignal zurckgewinnen. Somit enthlt die Wavelet-Transformierte viel redundante In-
formation. In diesem Kapitel geht es darum, diese Redundanz zu verringern. Wir werden in
(Satz 13.10) ein Resultat von der Art des Abtast-Theorem von Shannon beweisen: Unter ge-
eigneten Voraussetzungen enthlt bereits eine diskrete Folge
(a, b) R* x R
von Skalierungsparametern a und zugehrigen Translationen b die vollstndige Information
eines beliebigen Signals.
13.1 Definition (Skalierungs- und Translationsparametern)
i) Wir whlen einen festen Zoom-Faktor
a > 1
und betrachten als Folge von Skalierungsparametern die Potenzen
a
k
:= a
k
, k Z.
Auerdem whlen wir eine feste Translations-Distanz
b > 0
und betrachten zu jedem festen Skalierungsparameter a
k
, k Z, die Folge von Translationen
b
k,m
:= m b a
k
, m Z.
deren Lnge ein Vielfaches von
b a
k
ist. Durch die Abhngigkeit von a
k
wird sichergestellt, da die Translationsschritte zu ver-
schiedenen Skalierungen ineinander enthalten sind.
a
0
= 1
a
-1
= 0.5
a = a
1
= 2
a
k
b
k,m
b= 1
Abbildung 4 Gitter zum Wavelet-Sampling mit a=2, b=1
Wavelet-Frame 73
ii) Fr ein Wavelet setzen wir unter Verwendung von Schreibweise 8.4 zur Abkrzung
( )
2
a , b m , k
m , k , :
k m , k
Z ,
also
( ) ( )

,
_

k
k
k
a b
k
m , k
a
a b m t
a
1
) t (
a
1
t
k m , k
( ) ( )
2
Z

m , k , b m t a
a
1
k
k
.
Nach der Umkehrformel (Satz 8.11) kann man jede Funktion aus ihrer Wavelet-Transforma-
tion rekonstruieren.
13.2 Bemerkung (Anforderung an die diskrete Wavelet-
Transformation)
i) Welche Voraussetzungen mssen ein Wavelet , der Zoom-Faktor a und die Translations-
Distanz b erfllen, damit die Wavelet-Transformation einer beliebigen Funktion f L
2
bereits
durch die Folge ihrer Wavelet-Koeffizienten
[ ] ( )
2
Z

) n , m (
n , m m
) b , a ( f W
festgelegt ist? Wann lt sich in diesem Falle das Ausgangssignal stetig aus seinen Wavelet-
Koeffizienten rekonstuieren?
ii) Um diese Frage zu formalisieren, fassen wir die Wavelet-Transformation mit als ein
Skalarprodukt im Hilbert-Raum L
2
(R) auf:
[ ] > <

a , b a , b
, f
c
1
dt ) t ( ) t ( f
c
1
) b , a ( f
R
W
und betrachten fr einen festen Zoom-Faktor a und eine feste Translations-Distanz b die hier-
durch definierte lineare Abbildung
( )
2
2
n , m
n , m
2
, f : ) f ( T , ) ( L : T
Z
Z
C R

> < .
Dann heien die in Teil i) formulierten Fragen: Unter welchen Voraussetzungen liegt das Bild
dieser Abbildung im Hilbert-Raum l
2
(Z
2
), wann ist T eine stetige Abbildung zwischen Hil-
bert-Rumen und wann ist die Abbildung injektiv mit stetiger Umkehrung?
13.3 Beispiel (Haar Wavelet)
Nach Satz 2.9 ist die aus dem Haar'schen Wavelet mit Zoom-Faktor a = 2 und Translations-
Distanz b = 1 abgeleitete Folge
( )
( )
2
Z

n , m
n , m
,
Wavelet-Frame 74
eine Hilbert-Basis des Hilbertraumes L
2
(R). Insbesondere gilt fr alle f L
2
(R)

> <
2
) n , m (
n , m n , m
, f f
Z
.
Nach der Parseval'schen Gleichung (Korollar 1.9)
( )

> <
2
) n , m
2
n , m
2
, f f
Z
ist die Abbildung
( )
( )
2
Z
2
Z R

> <
n , m
n , m
2 2
, f : ) f ( T ), ( l ) ( L : T
ein isometrischer Isomorphismus von Hilbert-Rumen, insbesondere also stetig mit stetiger
Umkehrabildung.
Dieses Beispiel wird im folgenden verallgemeinert. Zuchst wird die Parseval'sche Gleichung
fr eine Hilbert-Basis zu einer Abschtzung fr einen Frame verallgemeinert.
13.4 Definition (Frame)
Eine Folge (x
i
)
iI
von Elementen eines Hilbert-Raumes X heit ein Frame von X, wenn es
Konstanten
0 < A B
gibt, so da fr alle x X gilt:
2
I i
2
i
2
x B x , x x A > <

.
Man nennt A und B ein Paar von Frame-Konstanten. Falls man A = B whlen kann, so heit
der Frame straff.
13.5 Bemerkung (Frame)
i) Jeder Frame eines Hilbert-Raumes X ist ein Erzeugendensystem, d.h. fr einen Frame (x
i
)
iI
gilt
. X I i : x span
i
> <
Zum Beweis gengt es zu zeigen, da der Orthogonalraum nur aus dem Nullvektor besteht,
d.h.
0 y I i alle fr 0 x , y
i
.
Diese Aussage folgt aus der linken Seite der Frame-Abschtzung wegen 0 < A:

> <
I i
2
i
2
x , y y A , QED.
ii) Jede Hilbert-Basis (x
i
)
iI
ist ein straffer Frame mit Frame-Konstanten
Wavelet-Frame 75
A = B = 1
wegen der Parseval-Gleichung (Korollar 1.9)

> <
I i
2
i
2
x , x x .
Wir erinnern an die Berechnung der Norm in einem Hilbert-Raum, insbesondere fr be-
schrnkte, symmetrische Operatoren.
13.6 Lemma (Norm in einem Hilbert-Raum)
i) In einem Hilbert-Raum X kann man die Norm eines Elementes x X berechnen als
y , x sup x
1 y
.
ii) Fr eine lineare stetige Abbildung zwischen zwei Hilbert-Rumen
f: X Y
existiert die Operator-Norm
<

) x ( f sup : f
1 x
und berechnet sich als
> <

y ), x ( f sup f
1 y , 1 x
.
Wenn f zustzlich symmetrisch ist, d.h.
> < > < ) y ( f , x y ), x ( f fr alle x X, y Y,
so gilt bereits
> <

x ), x ( f sup f
1 x
.
Beweis. ad ii) vgl. [Heu1986], Satz 29.5.
13.7 Satz (Frame-Operator)
Ein Frame (x
i
)
iI
in einem Hilbert-Raum X mit Frame-Konstanten A und B definiert eine li-
neareAbbildung
( ) ( )
I i i
2
x , x ) x ( T , I l X : T

> < .
i) Diese Abbildung ist stetig und injektiv mit Norm
B T .
Die Umkehrabbildung
X ) X ( T : T
1

Wavelet-Frame 76
ist ebenfalls stetig mit Norm
A
1
T
1

.
ii) Bezeichnet
( ) X I l : * T
2
,
den adjungierten Operator und whlt man speziell
2
1
2
T
1
: A und T : B

,
so hat der Frame-Operator
( ) X X : T * T
B A
2
: S
+
o
des Frames folgende Eigenschaften:
Fr jedes x X berechnet sich

I i
i i
x x , x
B A
2
) x ( S
Fr den Abstand von der Identitt gilt:
B A
A B
S id
+

.
Der Frame-Operator eines straffen Frames ist die Identitt
( )
X
id T * T
A
1
S o .

## < > <

I i
2 2
i
2
x B x , x ) x ( T
zeigt, da T wohldefiniert und durch B beschrnkt ist. Fr x 0 folgt aus
2 2
) x ( T x A 0 < ,
da T(x) 0. Also ist die lineare Abbildung T injektiv. Die Umkehrabbildung auf dem Bild
X ) X ( T : T
1

## erfllt fr alle y = T(x) T(X):

2 2 2
2
1
2
1
y
A
1
) x ( T
A
1
x )) x ( T ( T ) y ( T

,
also ist T
-1
durch
A
1
beschrnkt.
Wavelet-Frame 77
ad ii) Als stetiger Operator hat T einen adjungierten Operator T*, der durch die Eigenschaft
> < > < ) y ( * T , x y ), x ( T fr alle x X, y l
2
(I)
charakterisiert ist ([HS1971], Definition 22.1). Der adjungierte Operator ist ebenfalls stetig
mit gleicher Norm. O. E. sei I = N. Fr beliebiges x X ist die Folge
N

,
_

N
N
0 i
i i N
x x , x : s
eine Cauchy-Folge: Fr M N ist nach Lemma 13.6
> < > < > <

+

2
M
1 N i
i i
1 z
2
M N
1 z
2
M N
z , x x , x sup z , s s sup s s
B x , x z , x sup x , x
M
1 N i
2
i
M
1 N i
2
i
1 z
M
1 N i
2
i
> < > < > <

+ +

+
.
Da die Reihe
2
i
2
i
x B x , x

> <
N
konvergiert, lt sich der Reihenrest

+
> <
M
1 N i
2
i
x , x
beliebig klein abschtzen. Da der Hilbert-Raum vollstndig ist, wird durch die unendliche
Reihe

+
N i
i i
x x , x
B A
2
ein Element von X definiert.
Andererseits ist fr jedes Element e X
( ) ( ) > < > < > < > <
+
i i i i
x , e , x , x ) e ( T ), x ( T e ), x ( S
2
B A
> < > < > < > <

e , x x , x x , e x , x
i
i
i
i
i i
N N
,
also
i
i
i
x x x,
B A
2
) x ( S

N
.
Insbesondere gilt

> <
+
> < > <
+

N N i
2
i
i
i i
x , x
B A
2
x , x x , x
B A
2
x ), x ( S .
Mit den Frame-Bedingungen folgt hieraus
Wavelet-Frame 78
2 2
x
B A
B 2
x ), x ( S x
B A
A 2
+
> <
+
und
( )
2 2
x
B A
A 2
1 x ), x ( S id x
B A
B 2
1

,
_

+
> <

,
_

+
,
also mit Lemma 13.6:
B A
A B
S id
+

, QED.
13.8 Definition (Wavelet-Frame)
Ein Tupel (, a, b) mit einem Wavelet L
2
(R), einem Zoom-Faktor a > 1 und einer Trans-
lations-Distanz b > 0 heit Wavelet-Frame, wenn die erzeugte Folge
( )
( )
2
Z

n , m
n , m
quadrat-integrierbarer Funktionen einen Frame im Hilbert-Raum L
2
(R) bildet. Ist dieser Frame
straff, so spricht man von einem straffen Wavelet-Frame.
Man kann zeigen, da eine beliebige quadrat-integrierbare Funktion L
2
(R) bereits dann
ein Wavelet ist, d.h. zustzlich logarithmisch quadrat-integrierbar ist, wenn das Tupel (, a, b)
die Frame-Bedingung von Definition 13.4 erfllt ([LMR1998], Lemma 2.1.3). Denn dann gilt
mit jedem Paar von Frame-Konstanten (A, B):
( )

R
B d

a ln b
A
2
.
Insbesondere definiert das Haar-Wavelet einen straffen Wavelet-Frame (, 2, 1), der zuge-
hrige Frame ist sogar eine Hilbert-Basis.
13.9 Lemma (Straffer Frame und Hilbert-Basis)
Fr ein normiertes Wavelet L
2
(R), d.h.
1 ,
erzeugt jeder straffer Wavelet-Frame (, a, b) mit Frame-Konstanten A = B = 1 eine Hilbert-
Basis von L
2
(R).
Beweis. Jedes Element des Frames
( )
2 2
a b
m
n , m
n , m ), ( L
a
1
:
m n , m
Z R ,
Wavelet-Frame 79
hat dieselbe L
2
-Norm wie , also sind auch alle Elemente des Frames auf die Lnge 1 nor-
miert. Zum Nachweis der Orthogonalitt berechnen wir fr ein gegebenes Frame-Mitglied
:=
m,n
( ) ( ) ( )
> < + > < > <

n , m l , k
2
l , k
2
l k,
2
l , k
2
, , ,
( ) ( )

> < +
n , m l , k
2
l , k
2
, .
Die Aussage
( ) ( )

> <
n , m l , k
2
l , k
, 0
liefert die Orthogonalitt des Frames. Die Frame-Bedingung folgt aus der Parseval'schen
Gleichung
( )

> <
2
n , m
2
n , m
2
, f f
Z
,
und damit ist der Frame auch vollstndig, d.h. fr alle f L
2
(R) gilt
( )
n , m
n , m
n , m 2
, f f > <

Z
, QED.
Der folgende Satz 13.10 zeigt, unter welchen Voraussetzungen ein Wavelet bei einem ge-
eigneten Zoom-Parameter a fr verschiedene Translations-Distanzen b einen Wavelet-Frame
(, a, b) bildet.
13.10 Satz (Wavelet-Frame)
Gegeben sei ein Wavelet und ein Zoom-Faktor a > 1. Wir setzen voraus:
[ ]

<
Z m
2
m
a , 1
) a ( inf : ) a , ( m 0 ,
[ ]
<

Z m
2
m
a , 1
) a ( sup : ) a , ( M .
i) Es gebe Konstanten K, > 0, so da
( )
[ ]
( ) ( ) s a a sup : s
m
Z m
m
a , 1
+

gleichmig in s R die Abschtzung
( )
+

,
_

+

2
1
2
s 1
1
K s
erfllt. Dann existiert eine Schranke b
max
> 0, so da fr alle Translations-Distanzen
0 < b < b
max
das Tupel (, a, b) ein Wavelet-Frame ist.
ii) Im Falle a = 2 (Verdopplung) ist (, 2, b) ein Wavelet-Frame, wenn die Translations-
Distanz b die Abschtzung
Wavelet-Frame 80
( ) ( ) ( )

,
_

,
_

,
_

>
0 l
2
1
1 1
1 l 2
b
2
1 l 2
b
2
2 2 , m
mit
( )
[ ]
( ) ( ) ( ) < +

+

Z N m n
m n n m
2 , 1
1
s 2 2 2 sup : s
erfllt. In diesem Fall gelten fr jedes Paar von Frame-Konstanten (A, B) die Abschtzungen
( ) ( ) ( ) A 1 l 2
b
2
1 l 2
b
2
2 2 , m
b
2
0 l
2
1
1 1

1
1
]
1

,
_

,
_

,
_

( ) ( ) ( )
1
1
1
]
1

,
_

,
_

,
_

0 l
2
1
1 1
1 l 2
b
2
1 l 2
b
2
2 2 , M
b
2
B .
1. Wir berechnen fr eine gegebene Funktion f L
2
unter Benutzung der Isometrie-
Eigenschaft der Fourier-Transformation (Satz 4.17)
> < > < > < > < , f

, , f

, f

, f
n , m n , m
2
n , m
2
n , m

d ) ( f

) ( dy ) y ( ) y ( f

n , m n , m
R R
Nach Lemma 4.7 gilt
) a ( e a ) (
m
ib
m n , m
n , m

und
) y a ( e a ) y (
m
y ib
m n , m
n , m
.
Wir erhalten
> <
2
n , m
, f

,
_

dy d e ) ( f

) a ( ) y a ( ) y ( f

a
) y ( ib
m m m
n , m
R R
dy dz e ) z y ( f

) ) z y ( a ( ) y a ( ) y ( f

a
z inba
m m m
m

,
_

R R
Wir verwenden Satz 6.9 - nach Anwendung der Skalierung
1

,
m
a b , -

Z Z k
k
2
n
z in
2
e :
Wavelet-Frame 81
Also

,
_

> <

dy dz e ) z y ( f

)) z y ( a ( ) y a ( ) y ( f

a , f
n
z inba
m m m
n
2
n , m
m
Z
R R
Z
dy ) k
a b
2
y ( f

) k
b
2
y a ( ) y a ( ) y ( f

b
2
m
m
k
m

,
_

Z
R
.
Insgesamt erhalten wir
dy ) k
a b
2
y ( f

) y ( f

) k
b
2
y a ( ) y a (
b
2
, f
k m
m
m
m
) n , m (
2
n , m
2

> <
Z Z
R Z
.
2. Der Summand fr k = 0 ist

Z
R
m
2
2
m
dy ) y ( f

) y a ( .
Wir schtzen ihn ab durch

dy ) y ( f

) y a ( dy ) y ( f

) y a (
m
2
2
m
m
2
2
m
R
Z Z
R
[ ]
2
2
m
2
m
a , 1 y
f ) a , ( M dy ) y ( f

) y a ( sup
,
_

R
Z
bzw.
[ ]
2
2
m
2
m
a , 1 y
2
2
m
m
f ) a , ( m dy ) y ( f

) y a ( inf dy ) y ( f

) y a (
,
_

R
Z Z
R
3. Die brigen Summanden fr k 0 werden betragsmig abgeschtzt, indem wir die Un-
gleichung von Cauchy-Schwarz zunchst auf das Integral und dann auf die Summation ber
den Index m anwenden:

dy ) k
a b
2
y ( f

) y ( f

) k
b
2
y a ( ) y a (
k m
m
m
m
* Z Z
R

dy ) k
a b
2
y ( f

) y ( f

) k
b
2
y a ( ) y a (
k m m
m m
* Z Z
R

dy ) k
a b
2
y ( f

) k
b
2
y a ( ) y a ( ) y ( f

) k
b
2
y a ( ) y a (
k m m
2
1
m m
2
1
m m
* Z Z
R

,
_

* Z Z
R
k
2
1
m
2
m m
dy ) y ( f

) k
b
2
y a ( ) y a (
Wavelet-Frame 82
1
1
1
]
1

,
_

2
1
m
2
m m
dz ) z ( f

) k
b
2
z a ( ) z a (
Z
R
Dabei haben wir im zweiten Integral bei festem (k, m) die Substitution
k
a b
2
y z
m

vorgenommen. Bei der ueren Summation ber den Index k schtzen wir jeden Summanden
ab

dy ) y ( f

) k
b
2
y a ( ) y a (
m
2
m m
Z
R
[ ]

dy ) y ( f

) k
b
2
y a ( ) y a ( sup dy ) y ( f

) k
b
2
y a ( ) y a (
2
m
m m
a 1, y
m
2
m m
Z
R R
Z
2
f k
b
2

,
_

und analog
2
m
2
m m
f k
b
2
dy ) y ( f

) k
b
2
y a ( ) y a (

,
_

Z
R
.
Zusammen also

,
_

* Z Z
R
k
2
1
m
2
m m
dy ) y ( f

) k
b
2
y a ( ) y a (

1
1
1
]
1

,
_

2
1
m
2
m m
dz ) z ( f

) k
b
2
z a ( ) z a (
Z
R

,
_

* Z k
2
1
2
) k
b
2
( ) k
b
2
- ( f .
Nach Voraussetzung konvergiert die Reihe
( ) b C : ) k
b
2
( ) k
b
2
- (
k
2
1

,
_

* Z
.
4. Wegen
0 ) b ( C lim
0 b

.
existiert eine Konstante b
max
> 0 mit
Wavelet-Frame 83
0 ) b ( C ) a , ( m > fr alle 0 < b < b
max
.
Fr jede dieser Translation-Distanzen b ist (, a, b) ein Wavelet-Frame mit
( ) ( )
( )

> <

2
n , m
2 2
n , m
2
f ) b ( C ) a , ( M
b
2
f, f ) b ( C ) a , ( m
b
2
Z
.
ad ii) Wir schtzen die in obigem Beweis, Teil 3 auftretende Summe

* Z Z
R
k
m m
m
m
) k 2
b
2
y ( f

) y ( f

) k
b
2
y 2 ( ) y 2 ( dy : S
schrfer ab: Jeder Summationsindex k Z* lt sich eindeutig zerlegen in ein Produkt
j 2 k
n
mit n N und ungeradem j Z.
Bei der Summation

ungerade j n m * k m
... ...
N Z Z Z
substituieren wir
m = n + l
und erhalten die Abschtzung

,
_

,
_

+
dy ) j 2
b
2
y ( f

) y ( f

j
b
2
y 2 2 ) y 2 ( S
l l n
l
l n
N Z
R

,
_

,
_

+
l l n l n
dy ) j 2
b
2
y ( f

) y ( f

j
b
2
y 2 2 ) y 2 (
Z
R
N

,
_

,
_

dy ) j 2
b
2
y ( f

) y ( f

j
b
2
y 2 2 ) y 2 (
l
l n l n
Z
R
N
) y ( f

j
b
2
y 2 2 ) y 2 (
2
1
n
l n l n

,
_

,
_

Z
R
N

1
1
1
]
1

,
_

,
_

dy ) j 2
b
2
y ( f

j
b
2
y 2 2 ) y 2 (
l
2
1
n
l n l n
N

+

,
_

,
_

,
_

2
1
2
n
l n l n
dy ) y ( f

j
b
2
y 2 2 ) y 2 (
Z
R
N
Wavelet-Frame 84

1
1
1
]
1

,
_

,
_

,
_

+
2
1
2
n
l n l n
dy ) y ( f

j
b
2
y 2 2 ) y 2 (
R
N
2
1
2
n
l n l n
dy ) y ( f

j
b
2
y 2 2 ) y 2 (

,
_

,
_

,
_

+
Z
R
N
1
1
1
]
1

,
_

,
_

,
_

+
2
1
l
2
n
l n l n
dy ) y ( f

j
b
2
y 2 2 ) y 2 (
Z
R
N
Wieder schtzen wir bei der ueren Summation ber j Z jeden Summanden einzeln ab:

,
_

,
_

,
_

Z
R
N l
2
n
l n l n
dy ) y ( f

j
b
2
y 2 2 ) y 2 (

,
_

,
_

+
dy ) y ( f

j
b
2
y 2 2 ) y 2 (
2
l n
l n l n
R
Z N
[ ]
2
1
2
l n
l n l n
2 , 1
f j
b
2
dy ) y ( f

j
b
2
2 2 ) 2 ( sup

,
_

,
_

,
_

+

R
Z N
und analog
2
1
l
2
n
l n l n
f j
b
2
dy ) y ( f

j
b
2
y 2 2 ) y 2 (

,
_

,
_

,
_

,
_

+
Z
R
N
.
Zusammen erhalten wir
2
2
1
1 1
f j
b
2
j
b
2
S

,
_

,
_

,
_

= ( ) ( )

,
_

,
_

,
_

0 j
2
2
1
1 1
f 1 j 2
b
2
1 j 2
b
2
2 .
Also ist (, 2, b) ein Wavelet-Frame fr alle Translations-Distanzen b mit
( ) ( ) ( )

,
_

,
_

,
_

>
0 l
2
1
1 1
1 l 2
b
2
1 l 2
b
2
2 2 , m .
In diesem Fall erfllen die Wavelet-Konstanten (A, B) die oben genannten Abschtzungen,
QED.
Das Haar'sche Wavelet hat kompakten Trger, aber es ist nicht differenzierbar. Wir benutzen
Satz 13.10 zur Konstruktion eines weiteren Wavelets, des Meyer-Wavelets, mit entgegenge-
setzten Eigenschaften: Das Meyer-Wavelet ist zwar differenzierbar, aber es hat keinen kom-
pakten Trger. In beiden Fllen erzeugt der Wavelet-Frame (, 2, 1) eine Hilbert-Basis von
L
2
(R).
Wavelet-Frame 85
13.11 Definition (Meyer-Wavelet)
Das Meyer-Wavelet
2
L ist ber seine Fourier-Transformierte
2
L definiert: Mit der
Hilfsfunktion
[ ] 1 , 0 : R ,

'

x 1 1
1 x 0 x 6 x 15 x 10
0 x 0
: ) x (
5 4 3
definieren wir
C R : , )] ( w ) ( w [ e
2
1
: ) (
2
i
+

,
mit

'

sonst 0
3
8
3
4
] ) 1
4
3
(
2
[ cos
3
4
3
2
] ) 1
2
3
(
2
[ sin
: ) ( w
und definieren
( ) ( ) t

: t : C, R ,
ber die inverse Fourier-Transformierte von .
Da kompakten Support hat
]
3
8
,
3
2
[ ]
3
2
,
3
8
[ supp ,
13.12 Bemerkung (Meyer-Wavelet)
Entscheidend bei der Wahl der Hilfsfunktion in Definition 13.11 ist, da sie 2-mal stetig
differenzierbar ist mit
Randverhalten (x) = 0 fr x 0 und (x) = 1 fr 1 x
und Symmetrie bzgl. des Punktes

,
_

2
1
,
2
1
(x) = 1 - (1 - x) .
Wavelet-Frame 86
13.13 Satz (Meyer-Wavelet)
Das Meyer-Wavelet L
2
ist beliebig oft differenzierbar. Das Tupel (, 2, 1) ist ein Wave-
let-Frame, der sogar eine Hilbert-Basis von L
2
ist.
Beweis. i) Da die Funktion
2
L
kompakten Trger hat, ist ihre Fourier-Transformation beliebig oft differenzierbar. Ihre Ab-
leitungen knnen analog zu Satz 4.13 berechnet werden.
ii) Um Satz 13.10, Teil ii) anzuwenden, zeigen wir
( ) ( ) ( )

2
1
2 2 , M 2 , m
m
2
m
Z
:
Sei [ ] 2 , 1 vorgegeben, o. E. [ ] 2 , 1 . Dann gibt es
entweder genau ein k Z mit
3
8
2
3
4
2
3
2
1 k k

<

< <

+
In diesem Falle gilt

+1 k k
2
4
3
2
2
3
,
also
( )

,
_

1
]
1

,
_

+
1
]
1

,
_

2
1
1 2
4
3
2
cos 1 2
2
3
2
sin
2
1
2
1 k 2 k 2
m
2
m
Z
oder es gibt ein genau ein k Z mit
3
4
2
k

.
In diesem Falle gilt
( )

Z m
2
m
2

,
_

1
]
1

,
_

+
1
]
1

,
_

+
1
]
1

,
_

1
3
8
4
3
2
cos 1
3
4
2
3
2
sin 1
3
2
2
3
2
sin
2
1
2 2 2

,
_

+
2
1
2
cos
2
sin 0 sin
2
1
2 2 2
.
iii) Mit den Bezeichnungen von Satz 13.10 gilt
( ) ( ) 0 1 l 2 2
1
+ , l N:
Denn fr jedes [1, 2] gilt
Wavelet-Frame 87
( ) 0 2
m n

+
oder ( ) ( ) 0 1 l 2 2 2 2
n m n
+ +
+
fr l, n N, m Z.
Nach Satz 13.10, Teil ii), ist (, 2, 1) ein Wavelet-Frame mit den Frame-Konstanten
b
1
B A
b
1
,
also A = B = 1.
iv) Das Meyer-Wavelet ist normiert:

2 2

1
]
1

,
_

+
1
]
1

,
_

dy 1 y
4
3
2
cos
2
2
dy 1 y
2
3
2
sin
2
2
3
8
y
3
4
2
3
4
y
3
2
2
( ) ( )
1
]
1

+
1
]
1

dz z
2
cos
3
4
dz z
2
sin
3
2
1
0
2
1
0
2
( )

,
_

1
]
1

dz z
2
cos 1
3
2
1
0
2
Wegen der Symmetrie
( ) ( )

,
_

,
_

+ + x
2
1
1
2
1
x . h . d , 1 x 1 x ,
gilt
( ) ( )
1
]
1

,
_

,
_

+
1
]
1

1
]
1

dz z
2
1
1
2
cos dz z
2
cos dz z
2
cos
2
1
0
2
2
1
0
2
1
0
2
( ) ( )
2
1
dz z
2
sin dz z
2
cos
2
1
0
2
2
1
0
2

1
]
1

+
1
]
1

.
Es folgt
1
2
3
3
2

2 2
.
Nach Lemma 13.9 definiert der Wavelet-Frame (, 2, 1) eine Hilbert-Basis, QED.
13.14 Satz (Rekonstruktion aus den Wavelet-Koeffizienten)
Es seien (, a, b) ein Wavelet-Frame mit Frame-Operator
S: L
2
L
2
und f L
2
ein Signal.
Wavelet-Frame 88
i) Wenn der Frame eine Hilbert-Basis ist, so gilt
[ ] ( )
( )

n , m
n , m n , m m
b , a f c f W .
ii) Im Falle eines straffen Frames mit Frame-Konstanten A = B gilt
[ ]
( )
( )
n , m n , m m
n , m
b , a f
A
c
f

W .
iii) Im Falle allgemeiner Frame-Konstanten 0 < A B gilt
( )
[ ]
( )
( ) ( )
n , m
1
n , m m
n , m
S b , a f
B A
c 2
f
+

W .
Dabei kann S
-1
durch die Partialsummen der geometrischen Reihe
( )

N k
k 1
S id S
approximiert werden, deren Konvergenzgeschwindigkeit vom Verhltnis
1
A B
A B
<
+

abhngt.
Beweis. Alle Aussagen folgen aus Satz 13.7, Teil ii). Zum Beweis von Teil iii) verwenden wir
die Darstellung
( )
( )
[ ]
( )
( )
n , m n , m m
n , m
b , a f
B A
c 2
f S
+

W .
Man zeigt ([Heu1986], Satz 12.4), da aus der Abschtzung
1
A B
A B
S id <
+

die Konvergenz der Neumann'schen Reihe
( )

N k
k
S id : F
in der Operator-Norm folgt. Dann gilt:
( ) ( ) id F S id F S id
1 k
k

und ( ) ( ) id F S id S id F
1 k
k

,
also
F - S F = F - id und F- F S = F - id,
d.h.
S F = id und F S = id.
Es folgt
Wavelet-Frame 89
F = S
-1
und
( ) ( )
( )
[ ]
( )
( ) ( )
n , m
1
n , m m
n , m
1
S b , a f
B A
c 2
f S S f
+

W , QED.
13.15 Bemerkung (Mexikaner-Hut)
Der Mexikaner-Hut aus Beispiel 8.10 definiert einen Wavelet-Frame (, 2, ) mit den Wa-
velet-Konstanten
A 3.223 und B 3.596, also 0547 . 0
A B
A B

.
Multi-Skalen-Analyse 90
14 Multi-Skalen-Analyse
Die Multi-Skalen-Analyse zerlegt ein Signal in seine Bestandteile wachsender Detailge.
Jede Skala hat eine feste Genauigkeit, durch Verdopplung des Skalierungsparamter erhlt man
Details doppelter Genauigkeit. Mathematisch gesehen stellt sich der gesamte Proze als eine
sukzessive Projektion des Ausgangssignals auf abgeschlossene Unterrume des Hilbert-
Raumes dar.
In diesem Kapitel beziehen wir alle aus einer Funktion
L
2
durch Skalierung und Translation abgeleiteten Funktionen
( )
2 2
m , k
m , k , L Z ,
mit
( ) ( )

,
_

k
k
k
2 2 m
k
m , k
2
2 m t
2
1
) t (
2
1
: t
k k
( ) m t 2
2
1
k
k

auf den festen Zoom-Parameter a = 2 (Verdopplung) und die feste Translations-Distanz b = 1.
Basis der Multiskalen-Analyse ist eine Skalierungsfunktion , die bezglich der Verdopplung
selbsthnlich ist.
14.1 Beispiel (Skalierungsfunktion)
Die einfachste Skalierungsfunktion ist die charakteristische Funktion
[ ]
2
1 , 0
L .
Sie erfllt die "Skalierungsgleichung"
1 , 1 1 0 , 1 0
h h

+
mit
2
1
h h
1 0
,
denn
[ ] [ ] 1 , 2 1 1 , 1 2 1 , 0 0 , 1
2 und 2

.
Multi-Skalen-Analyse 91
0.5 1

0.5 1

-1,0
0.5 1

-1,1
Abbildung 5 Skalierungsfunktion
14.2 Definition (Skalierungsfunktion)
Eine Funktion
2
L
heit Skalierungsfunktion, wenn sie mit geeigneten Koeffizienten , , Z C k h
m
eine Glei-
chung
m , 1
m
m
h

Z
(Skalierungsgleichung)
erfllt, d.h. wenn fr alle x R gilt
( ) ( ) m x 2 h 2 x
m
m

Z
.
Die Skalierungsfunktion heit orthonormal, wenn die Folge ihrer Translationen
Z

m m
) (
ein Orthonormal-System im Raum L
2
ist.
Offensichtlich ist die Skalierungsfunktion von Beispiel 14.1 orthonormal.
14.3 Lemma (Orthogonalittsrelation)
Es sei
2
L eine orthonormale Skalierungsfunktion.
i) Die Skalierungskoeffizienten
, m , h
m
Z C
aus der Skalierungsgleichung erfllen die Orthogonalittsrelationen
Multi-Skalen-Analyse 92
n 0, 2n m
m
m
h h
+

Z
fr jedes Z n .
ii) Wenn zustzlich kompakten Trger hat, so sind nur endlich viele Skalierungskoeffizien-
ten
, Z m , h
m
von Null verschieden.
Beweis. ad i) Nach Voraussetzung gilt

Z Z s
2
1
2
s n s
m
2
1
2
m m n n , 0
h 2 , h 2 ,

+

Z Z Z m
n 2 m m
j , m
2
1
2
j
2
1
2
m n 2 j m
s , m
2
1
2
s n 2 s
2
1
2
m m
h h , 2 h h h , h 2 .
Z

m m
) (
bilden auch die skalierten Funktionen
Z

m
2
1
2
m m , 1
) 2 (
ein Orthonormal-System. Aus der Skalierungsgleichung
m , 1
m
m
h

Z
folgt fr jedes k Z
k k , 1 m , 1
m
m k , 1
h , h ,

Z
.
Im Falle eines kompakten Trgers supp sind fr groe Werte von k die Trger disjunkt

k , 1
supp supp ,
also
h
k
= 0, QED.
14.4 Bemerkung (Unterraum-Struktur zu einer Skalierungs-
funktion)
Fr eine gegebene Skalierungsfunktion fat man den Unterraum
2
m , 0 0
L m : span : V Z
C
als den Raum der Signale mit Details der Mindestgre 1 2
0
auf, der in den Raum
2
m , 1 1
L m : span : V

Z
C
Multi-Skalen-Analyse 93
der Signale mit Details der Mindestgre
2
1
2
1

## eingebettet ist. Die Orthogonalprojektion

V
-1
V
0
projiziert auf den niederfrequenten Teilraum der Signale mit Details doppelter Mindestgre.
Das orthogonale Komplement
1 0 0
V V : W

ist der Raum der Signale, welche die Details der genauen Gre
2
1
2
1

## erfassen. Wir iterie-

ren das Verfahren, die niederfrequenten Anteile herauszuprojizieren, und setzen fr beliebiges
k Z:
2
m , k k
L m : span : V Z
C
der Unterraum der Signale mit Details der Mindestgre
k
2 und
1 k k k
V V : W

,
der Unterraum der Signale mit Details der genauen Gre 2
k-1
. Das Ergebnis ist eine aufstei-
gende Folge von Unterrumen von Signalen:
2
2 1 0 1 2
L ... V V V V V ... 0

Frequenzen hheren zu Details feinerer Hinzunahme
Frequenzen n niedrigere zu Details grbere auf duktion Re
Wir zeigen, da diese Unterraum-Struktur bereits unter einer schwachen Zusatzvoraussetzung
an die Skalierungsfunktion eine separable Ausschpfung des gesamten Hilbert-Raumes liefert.
14.5 Satz (Multi-Skalen-Analyse)
Eine orthonormale Skalierungsfunktion
1 2
L L mit ( ) 0 0
erzeugt eine Multi-Skalen-Analyse, d.h. die aufsteigende Folge
2
2 1 0 1 2
L ... V V V V V ... 0

von abgeschlossenen Unterrumen des Hilbert-Raumes L
2
, k , m : span : V
m , k C k
Z Z
ist eine separable Ausschpfung:
I
Z

k
k
V 0 und
U
Z

k
k
2
V L .
Multi-Skalen-Analyse 94
Beweis. i) Die Skalierungsgleichung liefert
1 0
V V

,
und durch weitere Skalierung folgt
V
k+1
V
k
fr alle k Z.
ii) Zum Beweis der Ausschpfungseigenschaft ist zu zeigen, da der Orthogonalraum von
U
Z

k
k
2
V L
nur die Null enthlt.
Wir bezeichnen mit
, k , V L : P
k
2
k
Z
die Orthogonalprojektion und betrachten ein beliebiges Element f L
2
mit
( ) 0 f P
k
fr alle k Z.
Zu vorgegebenem > 0 whlen wir eine Funktion g L
2
, deren Fourier-Transforma-
tion g kompakten Trger hat
[ ] , R , R , R g supp R
und die Fourier-Transformation von f approximiert
. g f

<
Dann gilt auch
. g f <
Es folgt
( ) ( ) ( ) ( ) f g P f P g P g P
k k k k

und
( ) ( ) < f g f g P g P
k k
.
Fr jedes k N ist die Folge
Z

,
_

m
2
2
m
k
m , k
k
2
1
eine Hilbert-Basis von V
k
, also gilt
( )

Z Z m
2
m , k
m
2
m , k
2
k
, g , g g P .
Unter Verwendung von
( ) ( )
k 2 im k
m , k
2 e 2
k
Multi-Skalen-Analyse 95
gem Lemma 4.7 berechnen wir
( ) ( )

d e 2 g 2 , g
k
2 im
R
R
k k
m , k
( ) ( )

d e 2 g
2
2
k
2 im
R
R
k
1 k
.
Fr den Grenzbergang
k -
betrachten wir die Hilbert-Rume [ ]

,
_

1 k
k k 2
2
d
, 2 , 2 L , in denen jeweils die Folgen
der trigonometrischen Monome
( )
Z

m
2 im
k
e
nach Satz 3.11 eine Hilbert-Basis sind. Das feste Integrationsintervall
[ ] R , R
ist fr groe Werte von -k enthalten in den Intervallen
[ ]
k k
2 , 2 .
Damit ist
m , k
, g
bis auf den Faktor 2 der m-te Fourier-Koeffizient der Funktion
[ ]

,
_

1 k
k k 2
2
2
d
, 2 , 2 L g
k
.
Es gilt also fr groe Werte von -k

Z m
2
2
2
m , k
g 2 , g
k
und insgesamt
( )
2
2
2
k
g 2 g P
k

.
Wegen
1
L
Multi-Skalen-Analyse 96
ist nach Lemma 4.5 die Fourier-Transformierte stetig. Da g auerdem kompakten Trger
hat, folgt im Grenzbergang
( ) 0 g g lim
k
2
k

,
also
( ) ( )
2
2
2
2
k
k
k
0 g 2 g 2 lim g P lim
k

und
( )
2
2 2
0 2
g g

.
Aus der Abschtzung
( )
2
0 2
g g f f

+ +
folgt die Behauptung
f = 0.
iii) Es sei eine Funktion
I
Z

k
k
V f
vorgegeben. Zu vorgegebenem > 0 whlen wir als Approximation von f eine stetige Funkti-
on f

L
2
mit kompaktem Trger
[ ] , R , R , R f supp R

und
<

f f .
Es folgt fr alle k Z
( ) ( ) ( ) ( ) ( ) +

f P f P f P f P f
k k k k
( ) ( ) ( ) ( )

+ < + f P f P f P f P
k k k k
,
da fr die Orthogonalprojektion P
k
gilt
. 1 P
k

Wir berechnen
( ) ( ) ( )

Z Z m
2
R
R
m , k
2
m
m , k
2
k
dx x x f , f f P
Multi-Skalen-Analyse 97
( ) ( )

Z m
R
R
R
R
2
m , k
2
dx x dx x f
( )

Z m
R
R
2
k k
2
dx m x 2 2 f
( ) ( )

Z Z m
I
2
2
m
m R 2
m R 2
2
2
m , k
k
k
dz z f dz z f
mit Intervallen
[ ] m R 2 , m R 2 I
k k
m , k

,
die fr groes k bzgl. m paarweise disjunkt sind:
( ) ( )

Z
Z
m
I I
2 2
m , k
m
m k,
dz z dz z
U
.
Da die Lnge der Intervalle im Grenzwert k verschwindet, folgt aus dem Satz von der
majorisierten Konvergenz
( )

Z m
I
2
k
m , k
0 dz z lim ,
also insgesamt
( ) 0 f P lim
2
k
k

und
f .
Da > 0 beliebig ist, folgt
f = 0, QED.
Die Multi-Skalen-Analyse hat die wichtige Eigenschaft, da sie ber ihre Skalierungsfunktion
ein Wavelet liefert. Und dieses Wavelet erzeugt sogar einen Wavelet-Frame (, 2, 1), der
eine Hilbert-Basis ist.
14.6 Satz (Wavelets einer Multi-Skalen-Analyse)
Es sei
1 2
L L mit
( ) 0 0
eine orthonormale Skalierungsfunktion mit Skalierungsgleichung
m , 1
m
m
h

Z
.
Multi-Skalen-Analyse 98
Definiert man die folgenden Koeffizienten
, , Z C m h ) 1 ( : g m 1
m
m
so gilt:
i) Die Funktion
2
m , 1
m
m
L g :

Z
ist ein Wavelet.
ii) Bzgl. der zu gehrigen Multi-Skalen-Analyse ist fr jedes k Z die Familie
Z

,
_

m
2 2 m
k
m , k
k k
2
1
eine Hilbert-Basis des Orthogonalraumes
1 k k k
V V : W

.
Insbesondere ist das Tupel (, 2, 1) ein Wavelet-Frame, der sogar eine Hilbert-Basis von L
2
liefert.
Beweis. Die Funktion
2
m , 1
m
m
L g :

Z
ist wohldefiniert, weil die Folge
Z

m m , 1
) ( ein Orthonormal-System ist und die Koeffizienten
(g
m
)
mZ
<

1 h g
m
2
m
m
2
m
Z Z
.
Es gengt, die Hilbert-Basis Eigenschaft fr k = 0 zu zeigen. Nach Definition gilt
1
V

.
Zunchst steht auf allen Translationen

m
, m Z,
der Skalierungsfunktion senkrecht steht: Wir berechnen - unter Verwendung von
k m 2 , 1 k , 1 m +

+

s m 2 , k
s , k
s
k s m 2 , 1 k , 1
s , k
s
k s , 1 m k , 1
s , k
s
k m
h g , h g , h g ,
Z Z Z
( ) ( ) ( )

+ +

Z Z Z s
1 s 2 1 s m 2 1
s
s 2 s m 2 1
s
s s m 2 1
s
h h h h h h 1
( )
0 h h h h
s
s 2 1 s m 2 ) m ( 2 2 1

+ + + +
Z Z
.
Also gilt
1 0 0
V V : W

.
Multi-Skalen-Analyse 99
Die Folge ( )
Z

m m
ist ein Orthogonalsystem:

+ +

+ +

l n 2 , k m 2
l , k
k l n 2 , 1 m k m 2 , 1
l , k
l k n m
l
g g , g g ,
Z Z
( ) ( )
n m , 0 k ) n m ( 2
k
k ) n m ( 2 1
k
k 1
k
h h h 1 h 1

Z Z
.
Die Folge ( )
Z

m m
ist vollstndig im Unterraum W
0
- oder gleichwertig: Die Folge
( )
Z

m m
( )
Z

m m
ist vollstndig im Unterraum
0 0 1
W V V

.
Hierfr ist nur die Darstellbarkeit der Funktion
-1,0
zu zeigen. Wie verwenden die Parseval-
sche Gleichung (Korollar 1.9):

+
Z m
2
m 0 , 1
2
m 0 , 1
, ,
+

+

+
Z Z Z m
2
k
k m 2 , 1 0 , 1
k
2
k
k m 2 , 1 0 , 1 k
, h , g

+

+

+
+ +
Z Z Z Z Z m m
2
m
2
m 2
2
m 2 1
m
2
k
k m 2 , 0
k
2
k
k m 2 , 0 k
1 h h h h g
nach Lemma 14.3. Andererseits gilt
1
2
0 , 1

.
Nach Satz 14.5 schpfen die Rume ( )
Z k k
V und damit auch die Rume ( )
Z k k
W den gesam-
ten Hilbert-Raum L
2
aus.
Die Zulssigkeitsbedingung folgt aus dem bereits in Kapitel 12 erwhnten allgemeinen Sach-
verhalt ([LMR1998], Lemma 2.1.3), da ein fester Frame (, a, b) mit Frame-Konstante A die
Zulssigkeitbedingung
( )
<

R
a ln b A 2 d

2 c
2
erfllt. Daher ist (, 2, 1) ein Wavelet-Frame, der sogar eine Hilbert-Basis von L
2
liefert,
QED.
14.7 Bemerkung (Wavelets einer Multi-Skalen-Analyse)
Die orthonormale Skalierungsfunktion aus Beispiel 14.1 definiert ber ihre Multi-Skalen-
Analyse das Haar-Wavelet. Es gibt jedoch Wavelets, die nicht ber eine Multiskalenanalyse
gewonnen werden knnen, vgl. [LMR1998], Kapitel 2.2.
Multi-Skalen-Analyse 100
Nach Satz 14.6 erhlt man ein Wavelet, wenn man von einer orthonormalen Skalierungsfunk-
tion ausgeht, die eine schwache Zusatzvoraussetzung erfllt. Das aus der Folge ihrer Skalie-
rungs-Koeffizienten ( )
Z k k
h konstruierte Wavelet liefert einen Frame, der sogar eine Hilbert-
Basis ist. Welche Voraussetzungen mu umgekehrt eine Folge von Koeffizienten
( )
Z k k
h
erfllen, damit sie als Skalierungs-Koeffizienten eine solche Skalierungsfunktion definieren?
Wir betrachten die Frage im Frequenzraum und formulieren eine notwendige Bedingung:
14.8 Lemma (Skalierung im Frequenzraum)
i) Eine Funktion
2
L
erfllt genau dann die Skalierungsgleichung
m , 1
m
m
h

Z
,
wenn fr ihre Fourier-Tranformierte gilt
)
2
( )
2
( H ) (

mit der trigonometrischen Reihe

Z m
ik
m
e h
2
1
: ) ( H ,
dem Fourier-Filter der Skalierungs-Koeffizienten ( )
Z m m
h .
ii) Eine Skalierungsfunktion
2
L ist genau dann orthonormal, wenn fr ihre Fourier-Trans-
formation gilt
( )

+
Z k
2
2
1
2 k fr fast alle R.
Fr eine orthonormale Skalierungsfunktion
2 1
L L mit ( ) 0 0
gilt bereits
( )

2
1
0 und ( ) 0 2 k fr k 0.
iii) Das Fourier-Filter einer orthonormalen Skalierungsfunktion
2 1
L L mit ( ) 0 0
erfllt die Orthogonalittsbedingung
Multi-Skalen-Analyse 101
( ) ( ) R + + , 1 H H
2 2
.
Insbesondere gilt H( 0 ) = 1 und H( ) = 0, d.h.

Z m
m
2 h und ( )

Z m
m
m
0 h 1 .
Beweis. ad i) Zum Beweis wenden wir auf die Darstellung

2
1
2
m
m
m
h 2
Z
die Fourier-Transformation und die Formeln von Lemma 4.7 an:
( )

,
_

2
e h
2
1
2
2
m
i
m
m
Z
.
Die umgekehrte Richtung folgt aus der Tatsache, da die Fourier-Transformation ein Isomor-
phismus ist.
ad ii) Fr eine orthonormale Skalierungsfunktion gilt
( ) ( )

+
Z
R
k
im
2
im
2
m m m , o
d e 2 k d e e , , .
Die periodische Funktion
( )

+
Z
C R
k
2
2 k , a
hat also den m-ten Fourier-Koeffizienten

2
m , 0
.
Aus Satz 3.11 folgt die Behauptung
( )

+
Z k
2
2
1
2 k fr fast alle R.
In der umgekehrten Richtung erhlt man aus der Berechnung der Fourier-Koeffizienten die
Orthonormalitt.
Nun sei
2 1
L L orthonormal mit ( ) 0 0 .
Wir whlen eine Funktion g L
2
, g 0, mit
[ ] 1 , 1 g supp .
Analog zum Beweis von Satz 14.5 gilt fr groe Werte von -k
2
2
2
m
m , k
2
k
2
k
g 2 , g g P g P
k

Z
.
Nach Satz Satz 14.5 gilt
Multi-Skalen-Analyse 102
2 2 2
k
k
g g g P lim

,
andererseits
( )
2 2
2
2
k
g 0 2 g 2 lim
k

.
Es folgt
( )

2
1
0
2
.
Da die Fourier-Transformierte stetig ist, gilt die Gleichung
( )

+
Z k
2
2
1
2 k
fr alle Argumente R, insbesondere also fr = 0. Hieraus folgt
( ) 0 2 k fr k 0.
ad iii) Aus der Skalierungsgleichung im Fourier-Raum folgt nach Teil i) unter der Vorausset-
zung
( ) 0 0
die Gleichung
H(0) = 1.
Zum Beweis der Orthogonalittsbedingung des Fourier-Filters berechnen wir nach Teil i)
und ii)
( )

,
_

,
_

Z Z k k
2 2
2
k
2
k
2
H k 2
2
1

,
_

+ +

,
_

+ +

,
_

,
_

Z Z k k
2 2 2 2
k 2
2
k 2
2
H k 2
2
k 2
2
H

,
_

+ +

,
_

,
_

,
_

Z Z k k
2 2 2 2
k 2
2

2
H k 2
2

2
H

,
_

,
_

2
1
2
H
2
1
2
H
2 2
also
1
2
H
2
H
2 2

,
_

,
_

fr alle R, QED.
Der folgende Satz formuliert hinreichende Bedingungen dafr, da eine Koeffizientenfolge als
Folge von Skalierungskoeffizienten von einer Skalierungsfunktion stammt.
Multi-Skalen-Analyse 103
14.9 Satz (Konstruktion von Skalierungsfunktionen)
Gegeben sei ein Fourier-Filter

Z m
im
m
2
, e h
2
1
: ) ( H , L H mit
Orthogonalittsbedingung
( ) ( ) R + + alle fr 1 H H
2 2
Normierung
H(0) = 1
Hlderstetigkeit im Nullpunkt, d.h.
es gibt C, > 0 mit

< C ) ( H ) 0 ( H fr alle R
und "Cohen-Bedingung", d.h.
ohne Nullstelle im Intervall
1
]
1

2
,
2
.
Dann konvergieren die Funktionen ( )
Z

m m

( )
[ ]
( )

,
_

m
1 j
2 , 2 j m
m m
2
H
2
1
:
im Hilbert-Raum L
2
gegen eine Funktion , deren inverse Fourier-Transformation L
2
eine
orthonormale Skalierungsfunktion ist.
Beweis. [LMR1998], Satz 2.4.7.
Wir studieren nun Fourier-Filter H, welche die Voraussetzungen von Satz 14.9 erfllen. Dabei
beschrnken wir uns auf trigonometrische Polynome mit reellen Skalierungskoeffizienten:
N ,..., 0 k fr h , e h
2
1
: ) ( H , L H
k
N
0 k
ik
k
2

R .
Die Beschrnkung auf Polynome bewirkt, da die resultierenden Skalierungsfunktionen kom-
pakten Trger haben. Da die Skalierungskoeffizienten reell sind, ist die Funktion
q :=
2
2
L H
wegen
( ) ( ) H H
( ) ( ) q q
mit
Multi-Skalen-Analyse 104
q 0, q ( 0 ) = 1 und q ( ) + q ( + ) = 1.
Die Fourier-Reihe eines geraden trigonometrischen Polynoms mit rellen Fourier-
Koeffizienten enthlt nur cos-Terme. Wegen der Periodizittsbedingung enthlt die Fourier-
Entwicklung von q zudem nur ungerade Koeffizienten. Also gehrt q zur Menge der trigono-
metrischen Reihen
[ ]

'

+

1 k 1 k
k k
2
2
1
a , ) 1 k 2 ( cos a
2
1
) ( f , 0 f : 2 , 0 L f : K .
Diese Menge ist konvex, ihre endlich-dimensionalen Teilmengen trigonometrischer Polynome
[ ]

'

+

1 k
k
N
1 k
k
2
N
2
1
a , ) 1 k 2 ( cos a
2
1
) ( f , 0 f : 2 , 0 L f : K , N N,
sind konvexe und beschrnkte Teilmengen von R
N
. Damit lassen sie sich als konvexe Kombi-
nation ihrer Extremalpunkte darstellen:
14.10 Satz (Extremalpunkt)
Fr jede konvexe und beschrnkte Menge
[ ]

'

+

2
1
a , ) 1 k 2 ( cos a
2
1
) ( f , 0 f : 2 , 0 L f : K
N
1 k
k
N
1 k
k
2
N
, N N,
ist die Funktion

0
1 N 2
0
1 N 2
N N N
dt t sin
dt t sin
1 : ) ( q , K q
ein Extremalpunkt von K
N
.
Beweis. Vgl. [LMR1998], Lemma 2.4.21. Man konstruiert q
N
als Durchschnitt von N-1 Sttz-
Hyperflchen und der durch die Gleichung
2
1
a
N
1 k
k

## definierten Hyperflche. Dieses System von N linear-unabhngigen linearen Gleichungen in

N Vernderlichen hat eine eindeutig bestimmte Lsung.
14.11 Beispiel (Daubechies-Wavelets im berblick)
Die Extremalpunkte aus Satz 14.10 liefern eine Folge von Wavelets, die Daubechies-
Wavelets
N
, N 2. Ihre Bedeutung liegt darin, da sie kompakten Trger haben und mit
wachsendem N immer bessere Differenzierbarkeitseigenschaften. Auerdem liefert jedes
N
ber den Wavelet-Frame (
N
, 2, 1) eine Hilbert-Basis von L
2
.
Wir gehen aus von dem Extremalpunkt fr N = 2.
Multi-Skalen-Analyse 105

0
3
0
3
2 2 2
dt t sin
dt t sin
1 : ) ( q , K q .
Es ist
3
2
3 cos
12
1
cos
4
3
dt t sin
0
3
+ +

,
also
3
4
dt t sin
0
3

und
( ) + 3 cos
16
1
cos
16
9
2
1
q
2
.
Fr das Fourier-Filter machen wir den Ansatz
( )

3
0 k
k
k i
k 2
. 3 , 2 , 1 , 0 k , h mit e h H R
Die Gleichung
2
H q
liefert ber einen Koeffizientenvergleich das folgende System von vier quadratischen Glei-
chungen:
1 h h h h
2
3
2
2
2
1
2
0
+ + +

16
9
h h h h h h
2 3 1 2 0 1
+ +
0 h h h h
1 3 0 2
+

16
1
h h
0 3
.
Es hat die eindeutige Lsung
2 4
3 1
h
0

,
2 4
3 3
h
1

,
2 4
3 3
h
2
+
,
2 4
3 1
h
3
+
.
Das Fourier-Filter H ist als trigonometrische Polynom Hlder-stetig und hat - wie sein Qua-
drat q - keine Nullstelle im Intervall
1
]
1

2
,
2
.
Multi-Skalen-Analyse 106
Nach Satz 14.9 konvergieren die Funktionen ( )
Z

m m

( )
[ ]
( )

,
_

m
1 j
2 , 2 j m
m m
2
H
2
1
:
gegen die Fourier-Transformation einer orthonormalen Skalierungsfunktion . Das zugehri-
ge Wavelet
2
, heit 2-tes Daubechies-Wavelet. Sein Wavelet-Frame (
2
, 2, 1) ist eine Hil-
bert-Basis von L
2
aus stetigen Funktionen mit kompaktem Trger.
Die allgemeine Konstruktion fr beliebiges N N liefert das N-te Daubechies-Wavelet
N
,
dessen Frame (
N
, 2, 1) ebenfalls eine Hilbert-Basis ist. Das N-te Daubechies-Wavelet hat
kompakten Trger. Seine Differenzierbarkeitsklasse C
k
wchst linear mit N; bereits fr N = 5
ist
5
stetig differenzierbar.
Schnelle Wavelet-Transformation 107
15 Schnelle Wavelet-Transformation
Unter der schnellen Wavelet-Transformation versteht man Algorithmen zur schnellen Berech-
nung der diskreten Wavelet-Transformation. Die Analyse berechnet die Folge der Wavelet-
Koeffizienten eines gegebenen Signals, die Synthese rekonstruiert aus den Wavelet-
Koeffizienten das Ausgangssignal.
Alle vorgestellten Algorithmen beruhen auf der Multi-Skalen-Analyse und benutzen als we-
sentliche mathematische Operationen Faltungsoperatoren im Hilbert-Raum l
2
(Z).
15.1 Bezeichnung (Skalierungsfunktion und Wavelet)
Wie legen in diesem Kapitel eine feste Multi-Skalen-Analyse zugrunde, die von einer ortho-
normalen Skalierungsfunktion
1 2
L L mit ( ) 0 0
und Skalierungsgleichung
m , 1
m
m
h

Z
erzeugt wird. Es sei das gem Satz 14.6 erzeugte orthonormale Wavelet
2
m , 1
m
m
L g

Z
mit Z C m h ) 1 ( : g m 1
m
m
, .
Da einen Wavelet-Frame (, 2, 1) bildet, ist ein beliebiges Signal bereits durch seine Wa-
velet-Koeffizienten bzgl. des Frames festgelegt. Diese Koeffizienten sind die Fourier-Koeffi-
zienten, da der Frame sogar eine Hilbert-Basis von L
2
ist. Die zu analysierenden Signale wer-
den als Elemente des Grundraumes
, k , m : span : V f
m , 0 C 0
Z Z
vorausgesetzt und dort durch ihre Fourier-Koeffizienten
< f,
0,m
>, m Z,
beschrieben. Allgemein bezeichnen wir mit
, k , m : span : V
m , k C k
Z Z
den Raum der Signale mit Details der Mindestgre 2
k
und mit
, k , V m : span : W
1 k m , k C k
Z Z

den Raum der Signale mit Details der genauen Gre 2
k
,

das orthogonale Komplement von V
k
in V
k-1
.
15.2 Definition (Zerlegungs-Operatoren)
Fr eine summierbare Folge
Schnelle Wavelet-Transformation 108
( ) ( ) Z
Z
1
m m
l h

## von Skalierungskoeffizienten definieren wir auf dem Hilbert-Raum l

2
= l
2
(Z) die linearen
Operatoren:
"Faltung" mit den Skalierungskoeffizienten
H: l
2
l
2
,

Z n
n
2m - n
m
c h : ) c ( H und H*: l
2
l
2
,

Z n
n 2n - m m
c h : ) c ( * H
und "Faltung" mit den abgeleiteten Koeffizienten
G: l
2
l
2
,

Z n
n 2m - n m
c g : ) c ( G und G*: l
2
l
2
,

Z n
n 2n - m m
c g : ) c ( * G .
15.3 Bemerkung
i) Die beiden Operatoren G und H sind durch die l
1
-Norm von (h
n
)
nZ
bzw. (g
n
)
nZ
be-
schrnkt.
ii) Die Paare (H, H*) und (G, G*) sind jeweils zueinander adjungiert:
< H(x), y > = < x, H*(y) > und < G(x), y > = < x, G*(y) >.
iii) Die Operatoren haben im Unterschied zur blichen Faltung einen Faktor 2 bei der Ver-
schiebung des Index.
Der folgende Algorithmus berechnet die Wavelet-Koeffizienten eines Signals
0
V f aus dem
Grundraum auf einer Anzahl von Skalen mit immer grberen Details bezglich der orthogo-
nalen Zerlegung

K
1 k
k K 0
W V V , K 1.
Er ermittelt die Fourier-Koeffizienten von f
in den Rumen W
k
der Details der genauen Gre 2
0
,2
1
,...,2
K-1
und im Raum V
K
der Details der Mindestgre 2
K
.
15.4 Algorithmus (Schnelle Wavelet-Analyse)
Input.
Signal
0
V f , reprsentiert durch seine Fourier-Koeffizienten
c
0
m
:= < f,
0,m
>, m Z.
Anzahl der gewnschten Skalen K 1
Output.
Fourier-Koeffizienten der Projektion von f auf V
K
Schnelle Wavelet-Transformation 109
c
K
m
:= < f,
K,m
>, m Z,
Wavelet-Koeffizienten aus W
k
von f
d
k
m
:= < f,
k,m
>, m Z, k = 1,...,K.
Algorithmus.
k = 1
k K
d
k
= G (c
k-1
)
c
k
= H (c
k-1
)
k = k + 1
Abbildung 6 Schnelle Wavelet-Analyse
Beweis. Wir definieren
d
k
:= (d
k
m
)
mZ
mit d
k
m
:= < f,
k,m
>
und c
k
:= (c
k
m
)
mZ
mit c
k
m
:= < f,
k,m
>, m Z, k Z,
und zeigen fr alle k 1:
c
k
= H (c
k-1
) und d
k
= G (c
k-1
).
Aus der Skalierungsgleichung
n , 1
n
n 0 , 0
h

Z
folgt
m 2 n , 1 k
n
n m , k
h
+

Z
,
also
m
1 k
n
1 k
n
2m - n m 2 n
1 k
n
n
m 2 n , 1 k
n
n
m , k
m
k
) c ( H c h c h , f h , f c

Z Z Z
.
Mit der Definition des Wavelet
n , 1
n
n 0 , 0
g

Z
folgt
m
1 k
n
1 k
n
2m - n m 2 n
1 k
n
n m 2 n , 1 k
n
n m , k
m
k
) c ( G c g c g , f g , f d

Z Z Z
, QED.
Schnelle Wavelet-Transformation 110
Der folgende Algorithmus rekonstruiert die Funktion
2
m , 0 C 0
L m : span : V f Z .
aus ihren Wavelet-Koeffizienten zu Skalen mit Details verschiedener Gre gem der ortho-
gonalen Zerlegung

K
1 k
k K 0
W V V , K 1.
15.5 Algorithmus (Schnelle Wavelet-Synthese)
Input.
Fourier-Koeffizienten der Projektion von f auf V
K
c
K
m
:= < f,
K,m
>, m Z.
Wavelet-Koeffizienten aus W
k
von f
d
k
m
:= < f,
k,m
>, m Z, k = 1,...,K.
Output.
Signal
0
V f , reprsentiert durch seine Fourier-Koeffizienten
c
0
m
:= < f,
0,m
>, m Z.
Algorithmus.
k = K
k 1
c
k-1
= H*(c
k
) + G*(d
k
)
k = k - 1
Abbildung 7 Schnelle Wavelet-Synthese
Beweis. Aufgrund der orthogonalen Zerlegungen
k k 1 k
W V V

## und bzgl. der ausgezeichneten Hilbert-Basen dieser Rume gilt

+
Z Z Z i
i , k i , k
i
i , k i , k
m
m , 1 k m , 1 k
, f , f , f
also
( )

+
Z Z i
i , k
i
k
i , k
i
k
m
m , 1 k
m
1 k
d c c
( )

+ +

+
Z Z Z i j
i 2 j , 1 k j
i
k
i 2 j , 1 k j
i
k
m
m , 1 k
m
1 k
g d h c c .
Schnelle Wavelet-Transformation 111
Durch Koeffizientenvergleich bei
j + 2i = m, d.h. j = m - 2i
folgt
( )
m
k
m
k
i
i 2 m
i
k
i 2 m
i
k
m
1 k
) d ( * G ) c ( * H g d h c c + +

Z
, QED.
15.6 Bemerkung (Komplexitt)
Im Falle
von Signalen f mit nur endlich vielen von Null verschiedenen Fourier-Koeffizienten
Z m
m
0
) c ( der Anzahl n
und der Verwendung einer festen Skalierungsfunktion mit nur endlich vielen Skalierungs-
koeffizienten der Anzahl N << n
hat die schnelle Wavelet-Analyse die Komplexitt O(n).
Beweis. [LMR1998], Kapitel 2.3. Entscheidend ist, da sich bei jedem Skalenbergang
k a k+1
die Anzahl der von Null verschiedenen Koeffizienten
Z m
m
k
) c ( in etwa halbiert.
Zusammenfassung 112
16 Zusammenfassung
Kapitel 1 Hilbert-Rume
Satz (Beste Approximation durch ein Orthonormal-System)
Kapitel 2 L2-Rume
Satz (Hilbert-Basis der Haar'schen Funktionen)
Kapitel 3 Fourier-Reihen
Satz (Gleichmige Konvergenz der Fourier-Reihe unter Differenzierbarkeits-
Voraussetzungen)
Korollar (Hilbert-Basis der trigonometrischen Monome)
Kapitel 4 Fourier-Integrale
Satz (Umkehrformel der Fourier-Transformation)
Satz (Fourier-Transformation als L2-Isomorphismus)
Kapitel 5 Distributionen
Definition (Distribution)
Kapitel 6 Fourier-Transformation temperierter Distributionen
Satz (Konvergenz der Dirichlet-Kerne)
Kapitel 7 Faltung
Satz (Fourier-Transformation der Faltung von Funktionen)
Satz (Abtast-Theorem von Shannon)
Kapitel 8 Kontinuierliche Wavelet-Transformation
Definition (Wavelet und Wavelet-Transformation)
Satz (Umkehrformel der Wavelet-Transformation)
Kapitel 9 Gibbsches Phnomen
Kapitel 10 Schnelle Fourier-Transformation
Kapitel 11 Fouriertheorie und Quantencomputing
Kapitel 12 Bildkompression
Kapitel 13 Wavelet-Frame
Satz (Wavelet-Frame)
Satz (Rekonstruktion aus den Wavelet-Koeffizienten)
Kapitel 14 Multi-Skalen-Analyse
Schnelle Wavelet-Transformation 113
Satz (Wavelets einer Multi-Skalen-Analyse)
Satz (Konstruktion von Skalierungsfunktionen)
Kapitel 15 Schnelle Wavelet-Transformation
Algorithmus (Schnelle Wavelet-Analyse)
Algorithmus (Schnelle Wavelet-Synthese)
Literatur 114
17 Literatur
[AAG2000] Ali, Syed Twareque; Antoine, Jean-Pierre; Gazeau, Jean-Pierre: Coherent Sta-
tes, Wavelets and their Generalizations. Springer, New York 2000
[Bla1998] Blatter, Christian: Wavelets - Eine Einfhrung. Vieweg, Wiesbaden 1998
[Bur1998] Burke Hubbard, Barbara: The World According to Wavelets. A K Peters, Natick,
Massachusetts, 2
ed
1998
[BNB2000] Bachmann, Georg; Narici, Lawrence; Beckenstein, Edward: Fourier and Wavelet
Analysis. Springer, New York et al. 2000
[Dau1992] Daubechies, Ingrid: Ten Lectures on Wavelets. CBMS-NSF Regional Conference
Series in Applied Mathematics; 61. SIAM, Philadelphia 1992
[For1983] Forster, Otto: Analysis 3. Integralrechnung im R
n
mit Anwendungen. Vieweg,
Braunschweig 1983
[For1985] Forster, Otto: Fourierreihen und andere Orthogonalentwicklungen der Mathemati-
schen Physik. Vorlesung Wintersemester 1973/74. Nachdruck Mathematisches Institut der
LMU, Mnchen 1985
[Heu1986] Heuser, Harro: Funktionalanalysis. Teubner, Stuttgart 1986
[HS1971] Hirzebruch, Friedrich; Scharlau, Winfried: Einfhrung in die Funktionalanalysis.
Bibliographisches Institut, Mannheim et al. 1971
[LMR1998] Louis, Alfred; Maa, Peter; Rieder, Andreas: Wavelets. Theorie und Anwendun-
gen. Teubner, Stuttgart 1998
[Rud1973] Rudin, Walter: Functional Analysis. Tata McGraw-Hill. New Delhi 1973
[Wei1976] Weidmann, Joachim: Lineare Operatoren in Hilbertrumen. Teubner, Stuttgart
1976
[Woj1997] Wojtaszczyk, P.: A Mathematical Introduction to Wavelets. Cambridge University
Press, Cambridge 1997