Funk Tion Al Analysis

MathematikOnlineKurs
Funktionalanalysis
x
http://www.mathematik-online.org/
2 http://www.mathematik-online.org/
MathematikOnlineKurs
Funktionalanalysis
Stand: 13. Mai 2011
Konzipiert von K. Hollig unter Mitwirkung von A. App, M. Bole
und J. Horner
c 2011 Mathematik-Online
Diese Veroentlichung ist urheberrechtlich gesch utzt.
Weder Mathematik-Online noch einer der Autoren
ubernehmen Haftung f ur die Aktualitat, Korrektheit,
Vollstandigkeit oder Qualitat dieser Veroentlichung. Haf-
tungsanspr uche, welche sich auf Schaden materieller oder
ideeller Art beziehen, die durch die Nutzung oder Nichtnut-
zung der dargebotenen Informationen bzw. durch die Nut-
zung fehlerhafter und unvollstandiger Informationen ver-
ursacht wurden, sind grundsatzlich ausgeschlossen.
Vorwort
Diese Brosch ure wurde im Rahmen des Projektes
Mathematik Online begleitend zu dem

entsprechenden Kursmodul erstellt. Es richtet sich an Studenten der Ingenieur- und Naturwis-
senschaften und ist insbesondere zum Selbststudium und zur Pr ufungsvorbereitung geeignet.
Auf den Kurs abgestimmte Aufgaben,

Ubungseinheiten und Tests stehen in den entsprechenden
Rubriken von
Mathematik Online zur Verf ugung.

An der Entwicklung des Kurses haben eine Reihe meiner Mitarbeiter mitgewirkt. Ich danke
insbesondere J. Horner f ur die technische Leitung sowie A. App, M. Bole und J. Horner f ur
die Ausarbeitung der mathematischen Grundlagen.
Die gemeinsame Arbeit an dem Projekt hat mir viel Freude bereitet, und ich w unsche den
Lesern viel Spa mit
Mathematik Online und Erfolg in ihrem Studium.

Stuttgart, im Mai 2004 Klaus Hollig
http://www.mathematik-online.org/ 5
Inhaltsverzeichnis
1 Topologische Vektorraume 9
1.1 Metrische Raume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.1 Metrische Raume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.2 Konvergenz in metrischen Raumen . . . . . . . . . . . . . . . . . . . . . 10
1.1.3 Cauchy-Folgen in metrischen Raumen . . . . . . . . . . . . . . . . . . . . 10
1.1.4 Vervollstandigung eines metrischen Raumes . . . . . . . . . . . . . . . . 11
1.1.5 Norm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.6 Halbnorm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.1.7 Epsilon-Netz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.1.8 Kompakte und relativ kompakte Mengen in metrischen Raumen . . . . . 14
1.1.9 Stetige Funktionen auf einem Gebiet . . . . . . . . . . . . . . . . . . . . 14
1.1.10 Testfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.1.11 Schwache Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2 Banach-Raume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.1 Banach-Raum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.2 Stetige Funktionen auf einer kompakten Menge . . . . . . . . . . . . . . 15
1.2.3 Dierenzierbare Funktionen auf einer kompakten Menge . . . . . . . . . 16
1.2.4 p-integrierbare Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.5 Beschrankte Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.6 Ungleichung zwischen dem gewichteten arithmetischen und geometri-
schen Mittel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.7 Holdersche Ungleichung f ur Integrale . . . . . . . . . . . . . . . . . . . . 18
1.2.8 Minkowskische Ungleichung f ur Integrale . . . . . . . . . . . . . . . . . . 18
1.2.9 Sobolev-Raume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2.10 Sobolevscher Einbettungssatz . . . . . . . . . . . . . . . . . . . . . . . . 22
1.2.11 Banachscher Fixpunktsatz . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3 Hilbert-Raume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.1 Skalarprodukt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.2 Hilbert-Raum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.3 Quadratsummierbare Folgen . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.3.4 Quadratintegrierbare Funktionen . . . . . . . . . . . . . . . . . . . . . . 26
1.3.5 Sobolev-Raum der quadratintegrierbaren Funktionen . . . . . . . . . . . 27
1.3.6 Hardy-Lebesgue-Raum . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.3.7 Fourier-Projektion in Hilbert-Raumen . . . . . . . . . . . . . . . . . . . . 28
1.3.8 Beste Approximation von konvexen Mengen in Hilbert-Raumen . . . . . 29
1.3.9 Orthogonales Komplement in Hilbert-Raumen . . . . . . . . . . . . . . . 30
1.3.10 Bessel-Ungleichung in Hilbert-Raumen . . . . . . . . . . . . . . . . . . . 31
1.3.11 Parseval-Identitat in Hilbert-Raumen . . . . . . . . . . . . . . . . . . . . 31
INHALTSVERZEICHNIS
2 Lineare Operatoren 33
2.1 Lineare Funktionale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.1 Stetiges lineares Funktional . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.2 Fortsetzungssatz von Hahn-Banach . . . . . . . . . . . . . . . . . . . . . 35
2.1.3 Dualraum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.1.4 Bidualraum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.1.5 Dualraum der p-integrierbaren Funktionen . . . . . . . . . . . . . . . . . 37
2.1.6 Darstellungssatz von Riesz . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.1.7 Schwache Konvergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2 Fundamentale Satze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.2.1 Beschrankte lineare Operatoren . . . . . . . . . . . . . . . . . . . . . . . 39
2.2.2 Konvergenz linearer Operatoren . . . . . . . . . . . . . . . . . . . . . . . 40
2.2.3 Prinzip der gleichmaigen Beschranktheit . . . . . . . . . . . . . . . . . . 40
2.2.4 Satz von Banach-Steinhaus . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.2.5 Kompakte Operatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.2.6 Satz uber oene Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2.7 Satz vom abgeschlossenen Graphen . . . . . . . . . . . . . . . . . . . . . 44
2.3 Operatoren auf Hilbert-Raumen . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3.1 Matrix eines linearen Operators im Hilbert-Raum . . . . . . . . . . . . . 44
2.3.2 Adjungierter Operator . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.3.3 Unitarer Operator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.3.4 Eigenwerte eines linearen Operators . . . . . . . . . . . . . . . . . . . . . 47
2.3.5 Eigenwerte hermitescher Operatoren . . . . . . . . . . . . . . . . . . . . 48
3 Distributionen 49
3.1 Denition und Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.1.1 Schnell abfallende Testfunktionen . . . . . . . . . . . . . . . . . . . . . . 49
3.1.2 Temperierte Distributionen . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.1.3 Ableitung von temperierten Distributionen . . . . . . . . . . . . . . . . 51
3.1.4 Dirac- und Heavyside-Funktional . . . . . . . . . . . . . . . . . . . . . . 51
3.1.5 Multiplikation von temperierten Distributionen . . . . . . . . . . . . . . 51
3.1.6 Faltung von temperierten Distributionen . . . . . . . . . . . . . . . . . . 52
3.1.7 Approximierende Identitat . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.2 Fourier-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2.1 Fourier-Transformation schnell abfallender Testfunktionen . . . . . . . . 53
3.2.2 Fourier-Transformation einer temperierten Distribution . . . . . . . . . 53
3.2.3 Regeln f ur die Fourier-Transformation von temperierten Distributionen . 54
Kapitel 1
Topologische Vektorr
aume
1.1 Metrische Raume
1.1.1 Metrische Raume
Eine Menge M heit metrischer Raum, wenn auf M eine Abstandsfunktion d mit folgenden
Eigenschaften deniert ist:
Positivitat
d(x, y) 0 und d(x, y) = 0 genau dann, wenn x = y
Symmetrie
d(x, y) = d(y, x)
Dreiecksungleichung
d(x, z) d(x, y) +d(y, z)
f ur alle x, y, z M.
Die Funktion d wird auch als Metrik von M bezeichnet.
Durch die Metrik wird in kanonischer Weise eine Topologie auf M deniert. Dazu bezeichnet
man mit
B(x
0
; r) = x M : d(x, x
0
) < r
die oene Kugel um x
0
mit Radius r. Eine Teilmenge U M heit dann oen, wenn es zu
jedem x U einen Radius r > 0 gibt, so da
B(x; r) U
ist.
Beispiel:
Endliche Folgen aus 0 und 1 nennt man in der Kodierungstheorie (Binar-)Worter. Der
Hamming-Abstand zweier n-stelliger Worter x und y
d
H
(x, y) = Anzahl der k mit x
k
,= y
k
ist eine Metrik auf der Menge der n-stelligen Binarworter.
Beispielsweise ist f ur n = 3
d(011, 110) = 2
KAPITEL 1. TOPOLOGISCHE VEKTORR
AUME
und die (oene) Kugel B(101; 2) um x = 101 mit Radius 2 enthalt die Elemente
001, 111, 100 .
Die Elemente, die sich von 101 an zwei Stellen unterscheiden, gehoren nicht dazu, da der
Abstand kleiner als zwei sein muss.
Die Positivitat und Symmetrie sind oensichtlich. Die Dreiecksungleichung folgt aus der aqui-
valenten Denition
d
H
(x, y) =
n
j=1
[x
j
y
j
[
und der Dreiecksungleichung f ur Betrage
[x
j
z
j
[ = [x
j
y
j
+ y
j
z
j
[ [x
j
y
j
[ +[y
j
z
j
[ .
1.1.2 Konvergenz in metrischen Raumen
Eine Folge (x
n
) in einem metrischen Raum M heit konvergent gegen x M, wenn
lim
n
d(x
n
, x) = 0
gilt.
Das Element x heit Grenzwert der Folge (x
n
) und ist eindeutig.
Beweis:
Strebt (x
n
) gegen x und gegen y, so gilt
d(x, y) d(x
n
, x) + d(x
n
, y)
f ur alle n, und da
lim
n
d(x
n
, x) = lim
n
d(x
n
, y) = 0
ist, mu auch
d(x, y) = 0
und damit x = y gelten, d. h. der Grenzwert ist eindeutig.
1.1.3 Cauchy-Folgen in metrischen Raumen
Eine Folge (x
n
) in einem metrischen Raum M heit Cauchy-Folge, wenn es f ur jedes r > 0
einen Index n
0
gibt, so da f ur alle m, n > n
0
d(x
m
, x
n
) < r
gilt. Insbesondere ist jede konvergente Folge eine Cauchy-Folge.
Besitzt jede Cauchy-Folge in einem metrischen Raum M einen Grenzwert in M, so heit M
vollstandig.
1.1. METRISCHE R
AUME
Beweis:
Sei (x
n
) in M eine konvergente Folge mit dem Grenzwert x M. Zu jedem r > 0 gibt es einen
Index n
0
, so da f ur alle n > n
0
d(x
n
, x) < r/2
gilt. Dann folgt nach der Dreiecksungleichung
d(x
m
, x
n
) d(x
m
, x) + d(x, x
n
) < r/2 + r/2 = r
f ur alle m, n > n
0
. Folglich ist jede in M konvergente Folge auch eine Cauchy-Folge.
1.1.4 Vervollstandigung eines metrischen Raumes
Ist die Abstandsfunktion d eines metrischen Raumes M auf einer Obermenge

M M deniert,
die alle Grenzwerte von Cauchy-Folgen in M enthalt, so wird der Abschluss M

M bez uglich
d als Vervollstandigung von M bezeichnet.
Allgemein kann die Vervollstandigung ohne Einbettung vom M in eine Obermenge deniert
werden. Man identiziert dazu M mit

Aquivalenzklassen konvergenter Folgen.
Die Vervollstandigung spielt bei der Analyse stetiger Abbildungen eine wichtige Rolle. Eigen-
schaften, die auf M gelten, lassen sich durch Grenzwert-Bildung auf den Abschlu M ubertra-
gen. Insbesondere ist eine stetige Abbildung durch ihre Werte auf M bereits eindeutig festge-
legt.
1.1.5 Norm
Eine Norm auf einem reellen oder komplexen Vektorraum V ist eine Abbildung
| | : V R
mit den folgenden Eigenschaften:
Positivitat:
|v| > 0 f ur v ,= 0
Homogenitat:
|v| = [[|v|
Dreiecksungleichung:
|u + v| |u| +|v|
.
Dabei sind u, v beliebige Vektoren und ein beliebiger Skalar.
Mit Hilfe einer Norm kann durch
d(u, v) = |u v|
ein Abstand zwischen zwei Vektoren deniert werden.
AUME
1.1.6 Halbnorm
Eine Halbnorm auf einem reellen oder komplexen Vektorraum V ist eine Abbildung
p : V R
mit den folgenden Eigenschaften:
Nichtnegativitat:
p(v) 0
Homogenitat:
p(v) = [[p(v)
Dreiecksungleichung:
p(u + v) p(u) + p(v)
f ur alle u, v V und Skalare .
Eine Halbnorm ist genau dann eine Norm, wenn p(x) = 0 nur f ur x = 0 gilt.
F ur die Denition der Halbnorm gen ugen die beiden letztgenannten Eigenschaften. Die Nicht-
negativitat lat sich aus diesen herleiten.
Beweis:
Aus der Homogenitat folgt direkt
p(0) = p(0 x) = 0p(x) = 0
und mit der Dreiecksungleichung
0 = p(0) = p(x + (x)) p(x) +p(x) = p(x) +[ 1[p(x) = 2p(x) ,
d. h. die Nichtnegativitat
p(x) 0
f ur alle x V .
Beispiel:
Gilt f ur eine Folge von Halbnormen (p
k
) auf einem Vektorraum V
p
k
(v) = 0, k N =v = 0
f ur alle v V , so induzieren die Halbnormen eine Metrik. Die kanonische Abstandsfunktion ist
d(u, v) =
k=1
2
k
p
k
(u v)
1 + p
k
(u v)
.
Bez uglich dieser Metrik konvergiert eine Folge (v
n
) genau dann gegen v, wenn
lim
n
p
k
(v
n
v) = 0
1.1. METRISCHE R
AUME
f ur alle k N gilt.
Diese Aussagen werden nun bewiesen.
Von den Axiomen f ur eine Metrik ist lediglich die Dreiecksungleichung nicht trivial. Es gilt
p
k
(u w)
1 + p
k
(u w)
= 1
1
1 + p
k
(u w)
1
1
1 + p
k
(u v) + p
k
(v w)
p
k
(u v)
1 + p
k
(u v)
+
p
k
(v w)
1 + p
k
(v w)
und damit ist
d(u, w) d(u, v) +d(v, w) .
F ur die Konvergenz wird zunachst angenommen, da
lim
n
d(v
n
, v) = 0
gilt und es ein k gibt, so da
lim
n
p
k
(v
n
v) = 0
nicht gilt. Damit existiert aber eine Teilfolge (v
n
j
) f ur die immer
p
k
(v
n
j
v) > > 0
und deshalb
d(v
n
j
, v) 2
k

1 +
> 0
gilt, was ein Widerspruch ist.
Sei nun andererseits > 0 und es gelte
lim
n
p
k
(v
n
v) = 0
f ur alle k. Dann existiert ein k
0
, so da
k=k
0
+1
2
k
p
k
(v
n
v)
1 + p
k
(v
n
v)
<

2
gilt. Weiterhin folgt aus der Konvergenz bez uglich der Halbnormen, da es f ur jedes k zwischen
1 und k
0
ein n
k
gibt, so da f ur alle n > n
k
p
k
(v
n
v) <
2
k1
k
0
gilt. Setzt man nun

n
0
= max
k=1,...,k
0
n
k
,
so gilt f ur alle n > n
0
d(v
n
, v) =
k
0
k=1
2
k
p
k
(v
n
v)
1 + p
k
(v
n
v)
+
k=k
0
+1
2
k
p
k
(v
n
v)
1 + p
k
(v
n
v)
<
k
0
k=1
2
k
2
k1
k
0
+

2
=

2
+

2
= ,
was die Konvergenz bez uglich der Metrik beweist.
AUME
1.1.7 Epsilon-Netz
Ein -Netz f ur eine Teilmenge K eines metrischen Raumes M ist eine

Uberdeckung, die aus
endlich vielen Kugeln
B(x
1
; ), . . . , B(x
n
; )
besteht. Der minimale Radius
n
(K), der bei optimaler Wahl von n Mittelpunkten x
i
zur
Uberdeckung von M ausreicht, wird als -Entropie bezeichnet.

Existiert zu einer Teilmenge K f ur alle > 0 ein -Netz, so heit K total beschrankt.
1.1.8 Kompakte und relativ kompakte Mengen in metrischen
Raumen
Kompakte Teilmengen K eines metrischen Raumes M konnen auf drei aquivalente Arten cha-
rakterisiert werden.
Jede

Uberdeckung von K mit oenen Mengen besitzt eine endliche Teil uberdeckung.
Jede Folge in K besitzt eine konvergente Teilfolge mit Grenzwert in K.
K ist total beschrankt und vollstandig.
Man beachte, dass die dritte Bedingung der im R
n
geltenden Charakterisierung kompakter
Mengen als beschrankt und abgeschlossen entspricht.
Eine Teilmenge R eines metrischen Raumes M wird als relativ kompakt bezeichnet, wenn der
Abschlu R kompakt ist, oder aquivalent dazu, wenn jede Folge in R eine konvergente Teilfolge
besitzt.
Beispiel:
Als Beispiel werden verschiedene Teilmengen der rellen Zahlen betrachtet.
Das Intervall [0, 1] ist eine kompakte (und damit auch relativ kompakte) Teilmenge von
R, da es abgeschlossen und beschrankt ist.
Das Intervall (0, 1] ist keine kompakte Teilmenge von R, da z. B. der Grenzwert der Folge
1/n, n N, nicht enthalten ist. Da (0, 1] = [0, 1] ist, ist das halboene Intervall jedoch
relativ kompakt.
Das Intervall [0, ) ist keine kompakte Teilmenge von R, da es zwar von den oenen Men-
gen (n 1, n + 1), n N
0
, uberdeckt wird, es aber dazu keine endliche Teil uberdeckung
gibt. Das halbunendliche Intervall ist ebenfalls nicht relativ kompakt, da z. B. die Folge
1, 2, . . . der nat urlichen Zahlen keine konvergente Teilfolge besitzt.
1.1.9 Stetige Funktionen auf einem Gebiet
F ur ein Gebiet D R
d
sei
K
1
K
2
K
3
D
eine das Gebiet ausschopfende Folge kompakter Mengen. Dann wird auf dem Raum C(D) der
(reell- oder komplexwertigen) stetigen Funktionen auf D durch die Halbnormen
[f[
j
= max
xK
j
[f(x)[
1.2. BANACH-R
AUME
eine Metrik induziert mit
d(f, g) =
j=1
2
j
[f g[
j
1 +[f g[
j
.
Konvergenz bez uglich dieser Metrik entspricht gleichmaiger Konvergenz auf beliebigen kom-
pakten Teilmengen K D. Damit folgt die Vollstandigkeit, denn Stetigkeit bleibt bei
gleichmaiger Konvergenz erhalten.
Mit C
0
(D) wird die Menge der stetigen Funktionen auf D mit kompaktem Trager bezeichnet.
1.1.10 Testfunktionen
F ur ein Gebiet D R
d
ist C
(D) der Raum der unendlich oft dierenzierbaren Funktionen

auf D. Der Unterraum der Funktionen, die auerhalb einer kompakten Teilmenge K D
verschwinden, wird mit C
0
(D) oder als Raum der Testfunktionen T bezeichnet. Dieser Raum,
der von Schwartz eingef uhrt wurde, spielt bei der Behandlung partieller Dierentialgleichungen
und in der Distributionentheorie eine wichtige Rolle.
1.1.11 Schwache Ableitung
Mit Hilfe von partieller Integration lasst sich der klassische Ableitungsbegri verallgemeinern.
Man bezeichnet eine Funktion
f,
_

x
als schwache Ableitung einer auf einem Gebiet D denierten Funktion f, wenn
_
D
f(x)g(x) dx = (1)
||
_
D
f(x)
g(x) dx, g C
0
(D),
mit = (
1
, . . . ,
n
), [[ =
1
+
n
gilt. Dabei wird vorausgesetzt, da beide Integrale f ur
alle Testfunktionen g existieren. Dies ist z. B. der Fall, wenn
f und f auf jeder kompakten

Teilmenge von D absolut integrierbar sind.
1.2 Banach-Raume
1.2.1 Banach-Raum
Ein normierter Vektorraum V heit Banach-Raum, wenn er bez uglich der durch die Norm
induzierten Metrik vollstandig ist, d. h. wenn jede Cauchy-Folge einen Grenzwert in V besitzt.
Jeder abgeschlossene Untervektorraum U V ist ebenfalls ein Banach-Raum. Insbesondere
sind endlich dimensionale normierte Vektorraume Banach-Raume.
1.2.2 Stetige Funktionen auf einer kompakten Menge
Der Raum C(K) der stetigen (reell- oder komplexwertigen) Funktionen auf einer kompakten
Teilmenge K R
n
ist ein Banach-Raum bez uglich der durch
|f|
= max
xK
[f(x)[
AUME
denierten Norm. Die Vollstandigkeit folgt, da Stetigkeit bei gleichmaiger Konvergenz erhalten
bleibt.
Die Kompaktheit des Denitionsbereichs ist wesentlich. Stetige Funktionen auf oenen oder
unbeschrankten Mengen m ussen kein Maximum besitzen, haben daher unter Umstanden keine
endliche Norm.
1.2.3 Dierenzierbare Funktionen auf einer kompakten Menge
Der Raum C
m
(K) der m-mal stetig dierenzierbaren (reell- oder komplexwertigen) Funktionen
auf einer kompakten Teilmenge K R
n
ist ein Banach-Raum bez uglich der durch
|f|
k,
=
||k
|
f|
denierten Norm. Die Vollstandigkeit folgt, da stetige Dierenzierbarkeit der partiellen Ablei-
tungen
f, = (
1
, . . . ,
n
), bei gleichmaiger Konvergenz erhalten bleibt.
Die Kompaktheit des Denitionsbereichs ist wesentlich. Stetige Funktionen auf oenen oder
unbeschrankten Mengen m ussen kein Maximum besitzen, haben daher unter Umstanden keine
endliche Norm.
1.2.4 p-integrierbare Funktionen
F ur ein Gebiet D R
n
bezeichnet L
p
(D), 1 p < , den Banach-Raum der Funktionen, die
bez uglich der Norm
|f|
p
=
_
_
_
D
[f[
p
_
_
1/p
durch stetige Funktionen mit kompaktem Trager approximierbar sind, d. h. L
p
(D) ist der
Abschlu von C
0
(D) bez uglich | |
p
.
Funktionen f L
p
(D) sind punktweise nur bis auf Mengen vom Ma Null deniert. Man
schreibt
f = g f. u. (fast uberall) bzw. a. e. (almost everywhere)
f ur Funktionen, die sich nur auf einer Nullmenge unterscheiden und identiziert solche Funk-
tionen. Genauer betrachet man die

Aquivalenzklasse, f ur die f oder g ein Reprasentant ist.
Mit Hilfe des Lebesgue-Integrals kann L
p
(D) allgemein f ur beliebige Lebesgue-mebare Mengen
deniert werden. Zur Approximation werden dann, analog zum Riemann-Integral, Treppenfunk-
tionen verwendet, die auf Lebesgue-mebaren Teilmengen von D konstant sind.
1.2.5 Beschrankte Funktionen
F ur ein Gebiet D R
n
bezeichnet L
(D) den Banach-Raum der Lebesgue-mebaren Funk-

tionen f, die bis auf eine Nullmenge beschrankt sind, d. h.
[f(x)[ c <
fast uberall. Die kleinste Schranke c wird mit
|f|
= ess sup
xD
[f(x)[
1.2. BANACH-R
AUME
bezeichnet.
Der Raum L
(D) ist ein echter Teilraum des Raumes aller fast uberall beschrankten Funktio-
nen auf D. Beide Raume lassen sich bez uglich | |
nicht durch Approximation mit stetigen

Funktionen konstruieren. Dies ist ein wesentlicher Unterschied zu den Raumen L
p
(D) der p-
integrierbaren Funktionen.
1.2.6 Ungleichung zwischen dem gewichteten arithmetischen und
geometrischen Mittel
F ur positive relle Zahlen a
1
, . . . , a
n
ist das arithmetische nicht kleiner als das geometrische
Mittel:
a
1
+ + a
n
n

n
a
1
. . . a
n
.
Allgemeiner gilt f ur positive Gewichte
i
mit
n
i=1
i
= 1
1
a
1
+ +
n
a
n
a
1
1
a
n
n
.
Die Gleichheit gilt genau dann wenn a
1
= = a
n
.
Beweis:
Mit a =
i
a
i
und b = ln a erhalt man nach Logarithmieren die zur der gewichteten Unglei-
chung aquivalente Behauptung
i
ln a
i
ln a .
1
a a
2
a
3
b
0
a
1
Nutzt man aus, dass, wie in der Abbildung illustriert ist, die Tangente
g : y = b +
1
a
(x a)
oberhalb des Graphen des Logarithmus liegt, so folgt wegen
i
= 1
i
ln a
i

i
_
b +
1
a
(a
i
a)
_
= b +
1
a
_
i
a
i
a
_
= b
wie behauptet.
AUME
1.2.7 Holdersche Ungleichung f ur Integrale
Es sei f L
p
(D) und g L
q
(D) mit 1 < p < und 1/p +1/q = 1. Dann ist fg L
1
(D) und
es gilt die Holdersche Ungleichung
_
D
[f(x)g(x)[ dx
_
_
_
D
[f(x)[
p
dx
_
_
1/p
_
_
_
D
[g(x)[
q
dx
_
_
1/q
.
Gleichheit gilt dabei genau dann, wenn eine der Funktionen [f[
p
, [g[
q
fast uberall ein Vielfaches
der anderen ist.
F ur den Grenzfall p = , q = 1 (bzw. p = 1, q = mit f und g vertauscht) gilt
_
D
[f(x)g(x)[ dx |f|
_
D
[g(x)[ dx.
F ur p = q = 2 wird diese Ungleichung auch als Cauchy-Schwarzsche Ungleichung bezeichnet.
Beweis:
Es wird nur der nicht-triviale fall 1 < p < betrachtet. Des weiteren kann o. B. d. A.
angenommen werden, da die Integrale
I
1
=
_
D
[f(x)[
p
dx und I
2
=
_
D
[g(x)[
q
dx
positiv sind. Ware z. B. I
1
= 0, so w urde [f[
p
und damit f fast uberall verschwinden, d. h.
_
D
[f(x)g(x)[ dx = 0 und die Ungleichung ware trivialerweise erf ullt. Da die Ungleichung ge-
gen uber Skalierungen f rf, g sg invariant ist, kann dar uberhinaus I
1
= I
2
= 1 angenom-
men werden.
Nach der Ungleichung zwischen dem gewichteten arithmetischen und geometrischen Mittel gilt
[fg[ = ([f[
p
)
1/p
([g[
q
)
1/q
1
p
[f[
p
+
1
q
[g[
q
.
Damit ist fg L
1
(D) und nach Integration folgt
_
D
[f(x)g(x)[ dx
1
p
I
1
+
1
q
I
2
= 1 .
1.2.8 Minkowskische Ungleichung f ur Integrale
F ur zwei Funktionen f und g in L
p
(D) mit 1 p < gilt die Minkowskische Ungleichung
_
_
_
D
[f(x) + g(x)[
p
dx
_
_
1/p
_
_
_
D
[f(x)[
p
dx
_
_
1/p
+
_
_
_
D
[g(x)[
p
dx
_
_
1/p
.
Gleichheit gilt dabei genau dann, wenn eine der Funktionen f, g fast uberall ein nichtnegatives
Vielfaches der anderen ist.
1.2. BANACH-R
AUME
Beweis:
Da der Fall p = 1 trivial ist, wird im folgenden p > 1 angenommen. Des Weiteren sei 1/p+1/q =
1 und das Integral
I =
_
D
[f(x) + g(x)[
p
dx
sei o. B. d. A. positiv. Dann folgt mit der Dreiecksungleichung
I =
_
D
[f(x) + g(x)[ [f(x) + g(x)[
p1
dx
_
D
[f(x)[ [f(x) +g(x)[
p1
dx +
_
D
[g(x)[ [f(x) +g(x)[
p1
dx.
Mit der Holderschen Ungleichung und (p 1)q = p lasst sich diese Summe durch
_
_
_
D
[f(x)[
p
dx
_
_
1/p
_
_
_
D
[f(x) +g(x)[
(p1)q
dx
_
_
1/q
+
_
_
_
D
[g(x)[
p
dx
_
_
1/p
_
_
_
D
[f(x) + g(x)[
(p1)q
dx
_
_
1/q
=
_
_
_
_
_
_
D
[f(x)[
p
dx
_
_
1/p
+
_
_
_
D
[g(x)[
p
dx
_
_
1/p
_
_
_
I
1/q
abschatzen. Nach Division durch I
1/q
erhalt man die Minkowskische Ungleichung.
1.2.9 Sobolev-Raume
F ur ein Gebiet D R
n
bezeichnet
W
k,p
(D), k N
0
, 1 p ,
den Banach-Raum der Funktionen mit schwachen partiellen Ableitungen der Ordnung k in
L
p
(D) und
|f|
k,p
=
_
_
||k
_
D
[
f(x)[
p
dx
_
_
1/p
, 1 p <
bzw.
|f|
k,
= max
||k
|
f|
= max
||k
ess sup
xD
[
f(x)[
die zugehorige Norm. Die zugehorige Halbnorm
[f[
k,p
=
_
_
||=k
_
D
[
f(x)[
p
dx
_
_
1/p
, 1 p <
AUME
bzw.
[f[
k,
= max
||=k
|
f|
= max
||=k
ess sup
xD
[
f(x)[
verwendet nur die Ableitungen der hochsten Ordnung.
Insbesondere ist
W
0,p
(D) = L
p
(D) .
Beispiel:
Als Beispiel wird die Funktion
f(x) = [x[
s
, s ,= 0,
auf der n-dimensionalen Einheitskugel
D = x R
n
: [x[ < 1
betachtet. F ur s > n ist f integrierbar, denn mit Kugelkoordinaten (r = [x[) erhalt man
|f|
0,1
=
_
D
[x[
s
dx = c
n
1
_
0
r
s
r
n1
dr ,
wobei c
n
das n 1-dimensionale Volumen der Einheitssphare ist. Desweiteren ist
f(x) = s[x[
s2
x
eine integrierbare schwache Ableitung von f f ur s > 1 n, trotz der Singularitat im Ursprung.
In Kugelkoordinaten erhalt man
|f|
2
1,2
=
_
D
[f(x)[
2
dx +
n
=1
_
D
[
f(x)[
2
dx
= const.
1
_
0
_
r
2s
+ s
2
r
2s2
_
r
n1
dr
mit r = [x[. Damit ist f W
1,2
f ur s > 1 n/2. Da f ur n > 2 auch negative Exponenten s
auftreten konnen, folgt daraus, dass quadrat-integrierbare Ableitungen nicht notwendigerweise
beschrankt sind. Schwache Ableitbarkeit impliziert nicht Stetigkeit.
Betrachtet man dieselbe Funktion auf dem Gebiet
D = x R
n
: [x[ > 1
so ist f quadratintegrierbar f ur s < n/2 und die schwachen Ableitungen sind quadratinte-
grierbar f ur s < 1 n/2, was sich wiederum mit Kugelkoordinaten
n
=1
_
D
[
f(x)[
2
dx = const
_
1
r
2s2
r
n1
dr
verizieren lat.
1.2. BANACH-R
AUME
Beispiel:
Schwache Ableitung verallgemeinert zwar den klassischen Ableitungsbegri, es sind jedoch keine
zu starken Singularitaten zulassig. Als Beispiel wird die Funktion
f(x) =
_
1, x
1
0,
0, sonst
auf dem n-dimensionale Intervall
D = (1, 1)
n
betrachtet. Die Funktion f ist unstetig an der Hyperebene
S = x R
n
: x
1
= 0
und besitzt keine quadrat-integrierbare schwache Ableitung g =
1
f L
2
(D), d. h. die Glei-
chung
_
D
g(x)(x) dx =
_
D
f(x)
1
(x) dx
ist f ur kein g f ur alle C
0
(D) erf ullbar. Um dies zu zeigen, wahlt man eine Testfunktion
(x) = (x
1
, x
2
, . . . , x
n
) 0, (0) > 0 ,
und dazu f ur 1 > > 0
(x) =
_
(x
1
/, x
2
, . . . , x
n
), x
1
(, )
0, sonst
.
Damit ergibt sich in obiger Gleichung f ur die rechte Seite
_
D
f(x)
1
(x) dx =
_
x
1
0
(x) dx
=
_
(1,1)
n1
(0, x
2
, . . . , x
n
) dx
2
. . . dx
n
=
_
(1,1)
n1
(0, x
2
, . . . , x
n
) dx
2
. . . dx
n
= const > 0
wahrend die linke Seite nach der Cauchy-Schwarzschen Ungleichung
_
D
g(x)
(x) dx
|g|
2
_
_
_
D
[(x
1
/, x
2
, . . . , x
n
)[
2
dx
_
_
1/2
=
_
_
_
D
[(y
1
, y
2
, . . . , y
n
)[
2
dy
_
_
1/2
= O
_
1/2
_
mit gegen 0 geht.
AUME
1.2.10 Sobolevscher Einbettungssatz
F ur ein Lipschitz-Gebiet D R
n
gelten f ur die Sobolev-Raume die Inklusionen
W
k,p
(D) W
l,q
(D), q > p,
k l
n
>
1
p

1
q
,
wobei f ur q = genauer eine Einbettung nach W
l,
(D) C
l
(D) besteht.
F ur beschrankte Gebiete sind die Einbettungen kompakt, d. h. beschrankte Mengen in W
k,p
(D)
besitzen konvergente Teilfolgen in W
l,q
(D).
Beispiel:
Als Beispiel wird die Inklusion
W
1,p
W
0,q
= L
q
anhand der Funktion
f(x) = [x[
s
, s ,= 0
D = x R
n
: [x[ < 1
betrachtet. Die Funktion ist q-integrierbar f ur s > n/q, denn mit Kugelkoordinaten (r = [x[)
erhalt man
|f|
q
0,q
=
_
D
[x[
sq
dx = c
n
1
_
0
r
sq
r
n1
dr ,
wobei c
n
das (n 1)-dimensionale Volumen der Einheitssphare ist. Desweiteren ist
f(x) = s[x[
s2
x
eine schwache Ableitung von f, die p-integrierbar f ur s > 1 n/p ist. Dies lat sich wiederum
mit Kugelkoordinaten verizieren
_
D
[
f(x)[
p
dx [s[
p
1
_
0
r
(s1)p
r
n1
dr ,
wobei
[x
[
p
[x
[
2
_
p/2
= r
p
verwendet wurde. Nach dem Einbettungssatz ist W
1,p
W
0,q
, falls
1
n
>
1
p

1
q
bzw.
1
n
p
= n
_
1
n

1
p
_
> n
_
1
q
_
gilt, was mit obigen Bedingungen an s konsistent ist.
1.2. BANACH-R
AUME
1.2.11 Banachscher Fixpunktsatz
Ist g eine kontrahierende Abbildung, die eine nichtleere, abgeschlossene Menge D R
n
in sich
abbildet, d.h. gilt
D = D
x D g(x) D
|g(x) g(y)| c|x y| x, y D
mit c < 1 , dann besitzt g einen eindeutigen Fixpunkt x
= g(x
) D. Ausgehend von x
0
D
kann x
durch die Iterationsfolge

x
0
, x
1
= g(x
0
), x
2
= g(x
1
), . . .
approximiert werden. F ur den Fehler gilt
|x
x
k
|
c
k
1 c
|x
1
x
0
|
d.h. die Iterationsfolge konvergiert f ur jeden Startwert linear.
Der Fixpunktsatz gilt allgemein in vollstandigen metrischen Raumen. Da die Translationsinva-
rianz und Homogenitat der Norm nicht benotigt wird, kann man |xy| durch eine allgemeine
Abstandfunktion d(x, y) ersetzen.
Beweis:
Da g(D) D, gilt x
D f ur alle > 0, und aus der Kontraktionsbedingung folgt

|x
+1
x
| = |g(x
) g(x
1
)| c |x
x
1
| .
Die Iteration dieser Ungleichung ergibt
|x
+1
x
| c
|x
1
x
0
|.
F ur j > folgt aus der Dreiecksungleichung
|x
j
x
| |x
j
x
j1
| +|x
j1
x
j2
| + +|x
+1
x
|
(c
j1
+ + c
)|x
1
x
0
| =
c
j
c
c1
|x
1
x
0
|
1c
|x
1
x
0
| ,
und damit die Cauchy-Konvergenz der Folge x
gegen einen Grenzwert x
. Geht man in der

Ungleichung
|g(x
) x
| |g(x
) g(x
j
)| +|g(x
j
) x
| c |x
x
j
| +|x
j+1
x
|
zum Grenzwert j uber, so sieht man, dass x
ein Fixpunkt von g ist. Dies ist auch der

einzige Fixpunkt. Nimmt man namlich an, es gabe einen weiteren Fixpunkt x
,= x
, so folgt
aus der Kontraktionsbedingung der Widerspruch
| x
| = |g( x
) g(x
)| c| x
| .
Die Abschatzung f ur den Fehler folgt aus der Ungleichung f ur |x
j
x
| ebenfalls durch

Ubergang
zum Grenzwert j .
AUME
Beispiel:
Als elementares Beispiel wird die Abbildung
x g(x) = 1 +
x
betrachtet. Wahlt man
D = [1, ) ,
so sind zwei Voraussetzungen oensichtlich erf ullt: D ist abgeschlossen, und g(D) D, da
g(x) 1 f ur x 1.
Zum Nachweis der Kontraktionbedingung schreibt man
[g(x) g(y)[ = [
y[ =
[x y[
x +
y
.
Da der Nenner f ur x, y D groer oder gleich 2 ist, kann c = 1/2 < 1 gewahlt werden.
Wird die Iteration mit x
0
= 1, x
1
= 2 gestartet, so folgt
[x
[ 2 2
.
Eine Genauigkeit von 10
6
wird damit erreicht, wenn
2
1
10
6
1 6 ld(10) 19.931 ,
d.h. nach hochstens 21 Schritten.
Beispiel:
Als typische Anwendung wird ein leicht gestortes lineares System betrachtet:
Ax + f(x) = b
mit einer quadratischen Matrix A. F ur hinreichend kleines dominiert der lineare Anteil, und
das System kann mit der Iteration
x g(x) = A
1
(b f(x))
gelost werden. Dabei wird angenommen, dass A invertierbar und die Funktion f Lipschitz-stetig
mit Konstante c
f
ist.
Zur

Uberpr ufung der Voraussetzungen des Banachschen Fixpunktsatzes wahlt man
D = y : |y p| r, p = A
1
b .
F ur beliebiges x D ist dann
|g(x) p| = |A
1
f(x)| |A
1
| max
yD
|f(y)| .
Wahlt man

r
|A
1
| max
yD
|f(y)|
,
so ist g(x) D, d.h. g bildet in D ab. Eine Abschatzung f ur die Kontraktionskonstante c folgt
aus
|g(x) g(y)| = |A
1
(f(x) f(y)| |A
1
|c
f
. .
c
|x y|
mit c
f
der Lipschitz-Konstanten von f. Man erhalt c < 1, wenn
<
1
|A
1
|c
f
gefordert wird. Beide Bedingungen sind oensichtlich f ur hinreichend kleines erf ullt.
1.3. HILBERT-R
AUME
1.3 Hilbert-Raume
1.3.1 Skalarprodukt
Ein Skalarprodukt auf einem komplexen Vektorraum V ist eine Abbildung
, ) : V V C
mit folgenden Eigenschaften:
Positivitat:
v, v) > 0 f ur v ,= 0
Schiefsymmetrie:
u, v) = v, u)
Linearitat:
u + v, w) = u, w) + v, w)
Dabei sind u, v, w V und , C beliebige Vektoren bzw. Skalare.
Aufgrund der Schiefsymmetrie ist ein komplexes Skalarprodukt bzgl. der zweiten Variablen
nicht linear:
u, v + w) = u, v) + u, w) .
Lediglich f ur reelle Skalare ist die komplexe Konjugation ohne Bedeutung.
1.3.2 Hilbert-Raum
Ein Hilbert-Raum H ist ein vollstandiger normierter (reeller oder komplexer) Vektorraum, bei
dem die Norm durch ein Skalarprodukt deniert ist:
|v| =
_
v, v) .
Insbesondere gilt die Cauchy-Schwarzsche Ungleichung
[u, v)[ |u||v|
sowie die Parallelogramm-Identitat
|u + v|
2
+|u v|
2
= 2|u|
2
+ 2|v|
2
.
Man bezeichnet einen Hilbert-Raum als separabel, wenn eine abzahlbare orthonormale Basis
e
1
, e
2
, . . . , e
i
, e
j
) =
i,j
,
existiert. In diesem Fall besitzt jedes v H die Fourier-Entwicklung
v =
k=1
v, e
k
)e
k
,
die bzgl. obiger Norm konvergiert.
AUME
1.3.3 Quadratsummierbare Folgen
Die quadratsummierbaren Folgen
c
1
, c
2
, . . . , c
i
C
bilden den Hilbert-Raum l
2
bzgl. des Skalarprodukts
c, d) =
k=1
c
k
d
k
.
Der Raum l
2
ist der Prototyp eines separablen Hilbert-Raums H, denn jedes Element
v =
k=1
c
k
e
k
H
kann mit den Koezienten c
k
einer orthonormalen Basis identiziert werden. Dabei gilt
|v|
H
= |c|
l
2 ,
d. h. die Raume H und l
2
sind isomorph.
1.3.4 Quadratintegrierbare Funktionen
F ur ein Gebiet D R
n
bezeichnet L
2
(D) den Raum der Funktionen f : D C mit
_
D
[f(x)[
2
dx <
und der durch das Skalarprodukt
f, g)
2
=
_
D
f(x)g(x) dx
induzierten Norm | |
2
.
Alternativ kann L
2
(D) auch als Abschluss der glatten Funktionen deniert werden, d.h. jede
quadratintegrierbare Funktion lasst sich durch eine Folge unendlich oft dierenzierbarer Funk-
tionen f
n
approximieren:
|f f
n
| 0, n .
Beispiel:
Als Beispiel wird die Funktion
f(x) = [x[
s
D = x R
n
: [x[ < 1
betrachtet.
1.3. HILBERT-R
AUME
Mit Kugelkoordinaten (r = [x[) erhalt man
_
D
[f(x)[
2
dx = c
1
_
0
r
2s
r
n1
dr = c
_
r
2s+n
2s + n
_
1
0
,
d.h. f ist quadratintegrierbar f ur 2s > n.
Betrachtet man dieselbe Funktion auf dem Gebiet
D = x R
n
: [x[ > 1 ,
so erhalt man wiederum mit Kugelkoordinaten
|f|
2
2
=
_
D
[x[
2s
dx = c
_
1
r
2s
r
n1
dr ,
d.h. f ist quadratintegrierbar f ur 2s < n.
1.3.5 Sobolev-Raum der quadratintegrierbaren Funktionen
F ur ein Gebiet D R
n
bezeichnet H
k
(D) = W
k,2
(D) den Hilbert-Raum der (reell- oder
komplexwertigen) Funktionen mit quadratintegrierbaren schwachen partiellen Ableitungen der
Ordnung k mit der durch das Skalarprodukt
f, g)
k,2
=
||k
_
D
f(x)
g(x) dx
induzierten Norm | |
k,2
. Die zugehorige Halbnorm
[f[
k,2
=
_
_
||=k
_
D
[
f(x)[
2
dx
_
_
1/2
verwendet nur die Ableitungen hochster Ordnung.
Beispiel:
Die Fourier-Reihe
f(x) =
kZ
c
k
e
ikx
ist auf D = [, ] quadratintegrierbar, falls
kZ
[c
k
[
2
< ,
denn
[f(x)[
2
dx =
j,kZ
c
k
e
ikx
c
j
e
ijx
dx = 2
kZ
[c
k
[
2
aufgrund der Orthogonalitat der Fourier-Basis e
ikx
.
AUME
Die Ableitung
f
(x) =
kZ
ikc
k
e
ikx
ist quadratintegrierbar, falls
kZ
k
2
[c
k
[
2
< ,
denn
[f
(x)[
2
dx =
j,kZ
kc
k
e
ikx
jc
j
e
ijx
dx = 2
kZ
k
2
[c
k
[
2
.
Da die zweite Bedingung die erste implziert, ist f H
1
f ur
kZ
k
2
[c
k
[
2
< .
1.3.6 Hardy-Lebesgue-Raum
Der Hardy-Lebesgue-Raum HL besteht aus allen auf der Einheitskreisscheibe
D = z C : [z[ < 1
holomorphen Funktionen
f(z) =
k=0
c
k
z
k
mit
|f|
2
HL
= f, f)
HL
=
k=0
c
k
c
k
< .
1.3.7 Fourier-Projektion in Hilbert-Raumen
Die Fourier-Projektion eines Vektors v in einem separablen Hilbert-Raum H mit Orthonormal-
system e
1
, e
2
, . . .,
p
n
v =
n
k=1
c
k
e
k
, c
k
= v, e
k
)
ist die beste Approximation zu v in der durch das Skalarprodukt , ) induzierten Norm | | ,
d. h.
|v p
n
v| = min
q=
n
P
k=1
d
k
e
k
|v q| .
Beweis:
Man bemerkt zunachst, da
v p
n
v, e
j
) = 0, 1 j n.
Dies folgt unmittelbar aus der Orthonormalitat der e
j
, denn
p
n
v, e
j
) =
n
k=1
c
k
e
k
, e
j
) =
n
k=1
c
k
k,j
= c
j
, 1 j n.
1.3. HILBERT-R
AUME
F ur eine beliebige Approximation q =
n
k=1
d
k
e
k
gilt
|v q|
2
= |v p
n
v + p
n
v q|
2
= |v p
n
v|
2
+v p
n
v, p
n
v q
. .
n
P
k=1
(c
k
d
k
)e
k
) + p
n
v q
. .
n
P
k=1
(c
k
d
k
)e
k
, v p
n
v) +|p
n
v q|
2
= |v p
n
v|
2
+|p
n
v q|
2
,
d. h. der Fehler wird minimal, wenn q die Fourier-Projektion p
n
v ist.
1.3.8 Beste Approximation von konvexen Mengen in Hilbert-
Raumen
F ur eine abgeschlossene konvexe Teilmenge K eines Hilbert-Raums H existiert zu jedem u H
eine eindeutige beste Approximation v K mit
|u v| = inf
wK
|u w| .
v
u
K
Die beste Approximation ist dabei eindeutig durch

u v, w v) 0, f ur alle w K
charakterisiert, d. h. der Winkel zwischen den Vektoren u v und w v ist stumpf.
Insbesondere existieren eindeutige beste Approximationen von abgeschlossenen linearen Un-
terraumen U. In diesem Fall ist das obige Skalarprodukt Null, d. h. der Fehler u v ist ortho-
gonal zu U.
Beweis:
Setzt man
d = inf
wK
|u w|
und wahlt eine Folge (u
n
) in K mit
|u u
n
| d, n ,
AUME
so gilt wegen der Konvexitat von K
1
2
(u
n
+ u
m
) K
und weiter
|2u (u
n
+ u
m
)|
2
4d
2
.
Mit der Parallelogramm-Identitat folgt
|(u u
n
) (u u
m
)|
2
= 2|u u
n
|
2
+ 2|u u
m
|
2
|(u u
n
) + (u u
m
)|
2
2|u u
n
|
2
+ 2|u u
m
|
2
4d
2
.
Da der Ausdruck in geschweiften Klammern gegen 4d
2
strebt, ist
lim
n,m
|u
m
u
n
|
2
= 0
und (u
n
) eine Cauchy-Folge in H, d. h. es existiert ein v K mit
lim
n
u
n
= v und |u v| = d .
Der Grenzwert ist eindeutig, denn gabe es ein w K mit |u w| = d, so w urde die Folge
v, w, v, w, . . . wie oben konvergieren, und es mu
v = w
gelten.
1.3.9 Orthogonales Komplement in Hilbert-Raumen
Zu jedem abgeschlossenen Unterraum U eines Hilbert-Raums H existiert ein orthogonales Kom-
plement, d. h. ein abgeschlossener Unterraum
U
= v H : u, v) = 0, u U ,
mit
H = U U
.
Beweis:
Da U
ein Unterrraum von H ist folgt direkt aus den Eigenschaften des Skalarprodukts u, v),
und durch die Cauchy-Schwarzsche Ungleichung folgt die Abgeschlossenheit.
Falls u U und u U
gilt u, u) = 0 und damit u = 0 bzw.

U U
= 0 .
Da U konvex ist, existiert f ur w H eine beste Approximation u U, die die Norm
|w u|
minimiert. Setzt man v = w u, so gilt f ur alle u U und alle
|v|
2
|v u|
2
= |v|
2
v, u) u, v) + | u|
2
.
1.3. HILBERT-R
AUME
Mit
=
v, u)
| u|
2
, bzw. =
u, v)
| u|
2
folgt
|v|
2
|v|
2
[ u, v)[
2
| u|
2
und damit
u, v) = 0 bzw. v U
.
Da w = u + v ist
H = U U
gezeigt.
1.3.10 Bessel-Ungleichung in Hilbert-Raumen
F ur die orthonormale Basis e
1
, e
2
, . . . in einem separablen Hilbert-Raum H gilt
k=1
[v, e
k
)[
2
|v|
2
f ur alle v H.
Beweis:
Mit c
k
= v, e
k
) folgt aus der Orthonormalitat der e
k
0
_
_
_
_
_
v
n
k=1
c
k
e
k
_
_
_
_
_
2
= |v|
2
k=1
c
k
e
k
, v)
n
k=1
c
k
v, e
k
) +
n
k=1
[c
k
[
2
= |v|
2
k=1
[v, e
k
)[
2
+
n
k=1
[v, e
k
) c
k
[
2
. .
=0
.
Die resultierende Ungleichung
n
k=1
[v, e
k
)[
2
|v|
2
bleibt auch beim Grenz ubergang n erhalten.
1.3.11 Parseval-Identitat in Hilbert-Raumen
F ur einen separablen Hilbert-Raum H gilt
k=1
[v, e
k
)[
2
= |v|
2
, v H ,
d.h. die Norm von v stimmt mit der l
2
-Norm der Basis-Koezienten uberein.
AUME
Beweis:
Es ist nach der Stetigkeit des Skalarprodukts
_
v
k=1
v, e
k
)e
k
, e
j
_
= lim
n
_
v
n
k=1
v, e
k
)e
k
, e
j
_
= v, e
j
) v, e
j
) = 0
f ur alle e
j
, d. h.
v =
k=1
v, e
k
)e
k
.
Daraus folgt
|v|
2
= lim
n
_
_
_
_
_
n
k=1
v, e
k
)e
k
_
_
_
_
_
2
= lim
n
n
k=1
[v, e
k
)[
2
=
k=1
[v, e
k
)[
2
d. h. die Parseval-Identitat.
Kapitel 2
Lineare Operatoren
2.1 Lineare Funktionale
2.1.1 Stetiges lineares Funktional
Ein stetiges lineares Funktinal auf einem reellen (komplexen) topologischen Vektorraum V
ist eine stetige lineare Abbildung von V nach R (C).
In einem normierten Vektorraum ist Stetigkeit von aquivalent zu der Beschranktheit des
Bildes der Einheitskugel um Null. Man deniert in diesem Fall
|| = sup
v=1
[v[
als die Norm des linearen Funktionals.
Aufgrund der Homogenitat der Norm, sind ebenfalls die aquivalenten Denitionen
|| = sup
v=0
[v[
|v|
= sup
v1
[v[
moglich.
Beweis:
Um zu zeigen, da die Stetigkeit die Beschranktheit impliziert, wird angenommen, da auf
einem normierten Vektorraum stetig ist, das Bild der Einheitskugel um Null aber unbeschrankt
ist, d. h. f ur jedes n N existiert ein v
n
in V mit
|v
n
| 1 und [v
n
[ > n.
Setzt man
u
n
=
1
n
v
n
,
so erhalt man
|u
n
|
1
n
,
d. h. u
n
0 f ur n und aufgrund der Stetigkeit des Funktionals folgt damit (u
n
) (0).
Mit der Linearitat des Funktionals gilt
0 = (0 v) = 0v = 0
KAPITEL 2. LINEARE OPERATOREN
f ur alle v V und damit [u
n
[ 0. Andererseits ist
[u
n
[ =
1
n
[v
n
[ > 1 ,
was einen Widerspruch darstellt.
Umgekehrt folgt aus der Beschranktheit die Stetigkeit, wenn man annimmt, da
[u[ < c
f ur alle u aus der Einheitskugel um Null. Hat man nun eine beliebige Folge (v
n
) in V mit v
n
v
und v
n
,= v f ur alle n, so erhalt man
[v
n
v[ = [(v
n
v)[ = |v
n
v|
_
v
n
v
|v
n
v|
_
|v
n
v|c 0 ,
d. h. die Stetigkeit des Funktionals.
Beispiel:
Als Beispiel wird das lineare Funktional
f = f(1)
f ur f C[0, 1] betrachtet.
Mit der Maximumsnorm auf C[0, 1],
|f|
= max
x[0,1]
[f(x)[ ,
ergibt sich
|| = sup
f
=1
[f(1)[ sup
f
=1
|f|
= 1 ,
d. h. das Funktional ist stetig. Mit der Funktion f(x) = 1 f ur alle x [0, 1] ergibt sich f ur die
Norm des Funktionals
|| = 1 .
Verwendet man stattdessen die L
2
-Norm auf C[0, 1],
|f|
2
=
_
_
1
_
0
[f(x)[
2
dx
_
_
1/2
,
und betrachtet die Funktionenfolge
f
n
(x) =
2n + 1x
n
, n N,
so erhalt man
|f
n
|
2
2
=
1
_
0
(2n + 1)x
2n
dx = 1 ,
aber
f
n
(1) =
2n + 1
wachst unbeschrankt, d. h. das Funktional ist nicht stetig.
2.1. LINEARE FUNKTIONALE
2.1.2 Fortsetzungssatz von Hahn-Banach
Zu jedem stetigen linearen Funktional auf einem Unterraum U eines normierten Vektorraums
V existiert eine normtreue Fortsetzung, d. h. es gibt ein stetiges lineares Funktional

auf V ,
mit
u = u, u U
und
sup
vV,v=1
[
v[ = |
| = || = sup
uU,u=1
[u[ .
Beispiel:
Als Beispiel wird das lineare Funktional
f = f(0)
auf dem Unterraum
U = span1, x, x
2
von L
2
(1, 1) mit der zugehorigen Norm
|f|
2
=
_
_
1
_
1
[f(x)[
2
dx
_
_
1/2
betrachtet.
Eine Funktion
f = a + bx + cx
2
aus U hat die Norm
|f|
2
2
=
1
_
1
(a + bx + cx
2
)
2
dx = 2a
2
+
2
3
b
2
+
4
3
ac +
2
5
c
2
.
Somit folgt f ur die Norm von auf U
|[
U
|
2
= max
0=fU
[f[
2
|f|
2
2
= max
(a,b,c)=(0,0,0)
a
2
2a
2
+
2
3
b
2
+
4
3
ac +
2
5
c
2
.
Bei festem a wird der Nenner minimal f ur b = 0, c =
5
3
a, d. h.
|[
U
| =
a
2
8
9
a
2
=
3
4
2 .
Oensichtlich sind Auswertungs-Funktionale auf L
2
nicht stetig. Um eine Fortsetzung f ur zu
gewinnen, macht man den Ansatz
f =
1
_
1
( + x + x
2
)
. .
p(x)
f(x) dx
und bestimmt die Koezienten , , aus der Forderung, da

mit auf einer Basis von U
ubereinstimmen mu
_
_
_
1
x
x
2
_
_
_
=
_
_
_
2 +
2
3
2
3
2
3
+
2
5
_
_
_
=
_
_
_
1
0
0
_
_
_
=

_
_
_
1
x
x
2
_
_
_
.
Daraus folgt
=
9
8
, = 0, =
15
8
.
Aufgrund der Cauchy-Schwarzschen Ungleichung ist
[
f[ |p|
2
|f|
2
,
also |
| |p|
2
. Da p U gilt ebenfalls
|
[
U
|
[
p[
|p|
2
=
_
1
1
[p(x)[
2
dx
|p|
2
= |p|
2
.
Folglich ist
|
| = |p|
2
=
2
_
9
8
_
2
+ 0 +
4
3
9
8
_
15
8
_
+
2
5
_
15
8
_
2
=
3
4
2 ,
d. h.

ist eine normtreue Fortsetzung von .
2.1.3 Dualraum
Der Dualraum V
eines normierten Vektorraums V besteht aus den stetigen linearen Funktio-

nalen auf V . Versehen mit der Norm
|| = sup
v=1
[v[
ist V
ein Banach-Raum.
Beweis:
Es ist direkt zu sehen, da V
ein normierter Vektorraum ist. Zu zeigen bleibt die Vollstandigkeit

von V
. Sei nun (
n
) eine Cauchy-Folge in V
, d. h. f ur alle > 0 existiert ein n

0
, so da f ur
alle n, m > n
0
|
n
m
| <
gilt. F ur jedes v V gilt dann
|
n
v
m
v| = |(
n
m
)v| |
n
m
|[v[ < [v[
d. h. (
n
v) ist eine skalare Cauchy-Folge, besitzt also einen Grenzwert lim
n
n
v. Die durch
v = lim
n
n
v denierte Abbildung ist linear und durch die Stetigkeit der Norm folgt aus
obiger Abschatzung f ur m
|(
n
)v| [v[
f ur n > n
0
. Daraus folgt, da
n
0
und damit auch = (
n
0
)
n
0
stetig sind, und
|
n
| <
f ur n > n
0
gilt, d. h.
lim
n
n
= .
2.1. LINEARE FUNKTIONALE
2.1.4 Bidualraum
Der Bidualraum V
eines normierten Vektorraums V ist der Dualraum von V
. Da jedes Element
v V vermoge
v, V
ein stetiges lineares Funktional auf V
induziert, kann V mit einem Unterraum von V
identi-
ziert werden. Gilt
V
= V ,
so bezeichnet man V als reexiv.
Reexive Banach-Raume sind beispielsweise die Raume L
p
(D), 1 < p < , sowie jeder endlich-
dimensionale Vektorraum. L
1
(D) und C[0, 1] sind Beispiele nicht-reexiver Banach-Raume.
2.1.5 Dualraum der p-integrierbaren Funktionen
f ur ein Gebiet D R
n
und 1 p < ist
L
p
(D)
= L
q
(D),
1
p
+
1
q
= 1 .
Beweis:
Es wird nur die Inklusion L
q
(D) L
p
(D)
bewiesen.
Zu jedem g L
q
(D) wird durch
: f f =
_
D
f(x)g(x) dx, f L
p
(D),
ein stetiges lineares Funktional auf L
p
(D) deniert, denn nach der Holderschen Ungleichung
f ur Integrale ist
_
D
[f(x)g(x)[ dx
_
_
_
D
[f(x)[
p
dx
_
_
1/p
_
_
_
D
[g(x)[
q
dx
_
_
1/q
= |f|
p
|g|
q
<
mit
1
p
+
1
q
= 1. Daraus folgt
|| = sup
f
p
=1
[f[ |g|
q
.
F ur f = sign(g)[g[
q1
ist die Ungleichung scharf, d. h. man erhalt
|| = |g|
q
.
2.1.6 Darstellungssatz von Riesz
F ur einen Hilbertraum H und ein festes v H wird durch
: u u = u, v), u H
ein stetiges lineares Funktional auf H mit
|| = |v|
deniert.
Umgekehrt gibt es zu jedem stetigen linearen Funktional H
genau ein v H, so da obige

Gleichung gilt.
Beispiel:
Als Beispiel wird der Raum der quadratsummierbaren Folgen l
2
betrachtet. Sei (l
2
)
, dann
existiert genau eine Folge d = (d
1
, d
2
, . . .) in l
2
mit
c = c, d) =
k=1
c
k
d
k
, c l
2
.
Durch die eindeutige Zuordnung von d zu lat sich der Raum l
2
mit seinem Dualraum (l
2
)
identizieren.
Beispiel:
Als Beispiel wird der Raum der quadratintegrierbaren Funktionen L
2
(D) auf einem Gebiet
D R
n
betrachtet. Sei L
2
(D)
, dann existiert genau eine Funktion g L

2
(D) mit
f = f, g) =
_
D
f(x)g(x) dx, f L
2
(D) .
Durch die eindeutige Zuordnung von g zu lat sich der Raum L
2
mit seinem Dualraum (L
2
)
identizieren.
2.1.7 Schwache Konvergenz
Eine Folge (v
n
) in einem normierten Vektorraum V konvergiert schwach gegen v,
v
n
v ,
wenn
(v
n
v) 0, V
.
Aufgrund der Stetigkeit von ist jede konvergente Folge
v
n
v |v
n
v| 0
auch schwach konvergent. Die Umkehrung gilt jedoch im allgemeinen nicht.
Beispiel:
Als Beispiel werden im Raum der quadratsummierbaren Folgen l
2
die Folgen
e = (0, 0, 0, . . .)
e
1
= (1, 0, 0, . . .)
e
2
= (0, 1, 0, . . .)
.
.
.
.
.
.
betrachtet. Da sich jedes stetige lineare Funktional auf l
2
nach dem Darstellungssatz von
Riesz als
c = c, d) =
k=1
c
k
d
k
2.2. FUNDAMENTALE S
ATZE
mit festem d l
2
schreiben lat, folgt
(e
n
e) = e
n
, d) = d
n
0, n ,
da d quadratsummierbar ist, d. h.
e
n
e, n .
Allerdings ist
|e
n
e| = 1,
d. h
e
n
,e .
2.2 Fundamentale Satze
2.2.1 Beschrankte lineare Operatoren
Eine lineare Abbildung
L : V W
zwischen zwei normierten Vektorraumen heit beschrankter linearer Operator, wenn die Ope-
ratornorm
|L| = sup
v=1
|Lv|
endlich ist. Die Beschranktheit ist gleichbedeutend mit der Stetigkeit von L.
Man verwendet die Bezeichnung linearer Operator an Stelle der in der linearen Algebra ublichen
Bezeichnung lineare Abbildung, um den unendlich-dimensionalen Kontext hervorzuheben.
Der Raum aller beschrankter linearer Operatoren von V nach W wird mit L(V, W) bezeichnet.
Er ist ein Banach-Raum, wenn W ein Banach-Raum ist.
Beispiel:
F ur eine Funktion
K : D D (x, y) K(x, y) R, D R
n
,
wird durch
(Lf)(x) =
_
D
K(x, y)f(y) dy
ein linearer Operator deniert. Die geeignete Wahl der Urbild- und Bildraume V und W hangt
dabei von den Eigenschaften der sogenannten Kernfunktion K ab.
Im folgenden sind einige Beispiele solcher Integraloperatoren angegeben, sowie jeweils die zu-
gehorige Operatornorm.
K stetig auf D D, D beschrankt,
L : C(D) C(D)
|L| = max
xD
_
D
[K(x, y)[ dy
K L
2
(D D)
L : L
2
(D) L
2
(D)
|L|
_
_
_
D
_
D
[K(x, y)[
2
dxdy
_
_
1/2
K(x, y) = (x y), D = R
n
L : L
p
(D) L
p
(D)
|L| =
_
D
[(z)[ dz
2.2.2 Konvergenz linearer Operatoren
F ur Folgen beschrankter linearer Operatoren verwendet man die folgenden beiden Konvergenz-
begrie.
Punktweise Konvergenz
Eine Folge L
n
L(V, W) konvergiert punktweise gegen einen Operator L, wenn
L
n
v Lv, v V .
Gleichmaige Konvergenz
Eine Folge L
n
L(V, W) konvergiert gleichmaig gegen einen Operator L, wenn
|L
n
L| = sup
v=1
|L
n
v Lv| 0 .
Aus der gleichmaigen Konvergenz folgt die punktweise Konvergenz, die Umkehrung gilt jedoch
im allgemeinen nicht.
2.2.3 Prinzip der gleichmaigen Beschranktheit
Gilt f ur eine Folge beschrankter linearer Operatoren (L
n
) eines Banach-Raums V in einen
normierten Vektorraum W
sup
n
|L
n
v| < v V ,
dann folgt
sup
n
|L
n
| < ,
d. h. die gleichmaige Beschranktheit der Operator-Normen.
2.2.4 Satz von Banach-Steinhaus
Seien V, W Banach-Raume und U eine dichte Teilmenge von V . Dann konvergiert eine Folge
L
n
L(V, W) genau dann punktweise gegen einen beschrankten linearen Operator L,
L
n
v Lv , v V,
wenn
L
n
u konvergiert u U ,
sup
n
|L
n
| < .
2.2. FUNDAMENTALE S
ATZE
Beweis:
Es seien beide Bedingungen erf ullt und v eine beliebiger Vektor aus V . Da U in V dicht ist,
existiert f ur > 0 ein u U, so da
|u v| <

3 sup
n
|L
n
|
.
Die Folge (L
n
u) konvergiert nach Voraussetzung, also existiert ein Index n
0
, so da f ur m, n > n
0
|L
m
u L
n
u| <

3
gilt. Daraus folgt
|L
m
v L
n
v| |L
m
v L
m
u| +|L
m
u L
n
u| +|L
n
u L
n
v|
< sup
n
|L
n
|

3 sup
n
|L
n
|
+

3
+ sup
n
|L
n
|

3 sup
n
|L
n
|
= ,
d. h. (L
n
v) ist eine Cauchy-Folge in W. Da W vollstandig ist existiert der Grenzwert
lim
n
L
n
v = Lv W .
Die Beschranktheit und Linearitat von L folgt unmittelbar aus der Stetigkeit der Norm.
F ur die Umkehrung ist nur die zweite Bedingung zu zeigen. Diese folgt aus dem Prinzip der
gleichmaigen Beschranktheit, denn
lim
n
L
n
v = Lv
impliziert, da sup
n
|L
n
v| f ur alle v endlich ist.
Beispiel:
Seien
s
n
f =
n
j=1
w
j,n
f(x
j,n
)
Naherungen f ur das Integral
sf =
1
_
0
f(x) dx.
Sind die Gewichte w
i,n
positiv und ist s
n
exakt f ur Polynome vom Grad < n, so folgt
sf = lim
n
s
n
f
f ur f C[0, 1].
Die Behauptung folgt unmittelbar aus dem Satz von Banach-Steinhaus, angewandt auf s
n

L(C[0, 1], R) und den Raum der Polynome als dichte Teilmenge von C[0, 1]. Die Konvergenz
von s
n
p f ur Polynome p ist oensichtlich, da s
n
p = sp f ur n > Grad p.
Um die gleichmaige Beschranktheit zu zeigen, bemerkt man, da
n
j=1
w
j,n
= 1,
da s
n
exakt f ur konstante Funktionen f(x) = c ist. Damit folgt
|s
n
| = sup
f
=1
[s
n
f[ = 1.
2.2.5 Kompakte Operatoren
Ein Operator L L(V, W) zwischen Banach-Raumen ist kompakt, wenn das Bild der Einheits-
kugel B von V in W relativ kompakt ist, d. h. wenn f ur jede Folge (v
n
) in B die Folge (Lv
n
)
eine konvergente Teilfolge besitzt.
Beispiel:
Als Beispiele werden zwei Operatoren in L(V, W) mit V = W = l
2
betrachtet.
Der Operator
L : (c
1
, c
2
, c
3
. . .) (c
1
, c
2
, c
3
. . .)
ist nicht kompakt, da z. B. die Folge der Folgen
e
1
= Le
1
= (1, 0, 0, . . .)
e
2
= Le
2
= (0, 1, 0, . . .)
.
.
.
.
.
.
in B keine konvergente Teilfolge besitzt.
Der Operator
L : (c
j
) = (c
1
, c
2
, c
3
, . . .) (c
1
, c
2
/2, c
3
/3, . . .) = ( c
j
) , c
j
= c
j
/j
hingegen ist kompakt. Dazu sei (c
n
) eine beliebige Folge von Folgen in B. Dann stellt
man zunachst fest, da oenbar f ur jedes Element
c
n
= (c
n,1
, c
n,2
, c
n,3
, . . .)
dieser Folge alle Stellen c
n,j
beschrankt sind
[c
n,j
[ 1 .
Betrachtet man von dieser Folge jeweils nur die erste Stelle
(c
n,1
)
aller Folgenelemente, so lat sich aufgrund der Beschranktheit eine Teilfolge (c
n
k
(1)
) nden,
f ur die die erste Stelle konvergiert. Betrachtet man von dieser Teilfolge nun von jedem
Element die ersten beiden Stellen
(c
n
k
(1),1
, c
n
k
(1),2
),
so lat sich wiederum aufgrund der Beschranktheit eine Teilfolge (c
n
k
(2)
) nden, f ur die
die ersten beiden Stellen konvergieren. Dieser Vorgang lat sich beliebig weiter fortsetzen,
d. h. man wahlt sukzessive weitere Teilfolgen (c
n
k
(3)
), (c
n
k
(4)
), . . .. F ur die Diagonalfolge
(d
k
) = (c
n
k
(k)
), k N
konvergiert dann f ur jedes feste J der Vektor (d
k,1
, . . . , d
k,J
) der ersten J Stellen. Um zu
zeigen, da (d
k
) die gew unschte Teilfolge ist, wird f ur ein beliebiges > 0 ein Index K so
bestimmt, da
j=K+1
4
j
2
<

2
2.2. FUNDAMENTALE S
ATZE
gilt. Da die Teilfolge (d
k
) nach dem obigen Kostruktionsprinzip f ur die ersten K Stellen
konvergiert, existiert ein Index N, so da f ur k, l > N
K
j=1
[d
k,j
d
l,j
[
2
j
2
<

2
gilt. Damit ist f ur k, l > N
|Ld
k
Ld
l
|
2
l
2 =
K
j=1
[d
k,j
d
l,j
[
2
j
2
+
j=K+1
4
..
[d
k,j
d
l,j
[
2
j
2
<

2
+

2
= .
2.2.6 Satz uber oene Abbildungen
Ein surjektiver bechrankter linearer Operator L zwischen Banach-Raumen bildet oene Mengen
auf oene Mengen ab.
Ist L ebenfalls injektiv, so folgt die Beschranktheit von L
1
. Damit existieren reelle Zahlen a, b
mit
a|v| |Lv| b|v|
f ur alle v aus dem Urbildraum von L, wobei die zweite Ungleichung bereits aus der Be-
schranktheit von L folgt.
Beispiel:
In diesem Beispiel wird gezeigt, dass man im Satz uber oene Abbildungen nicht auf die Vor-
aussetzung verzichten kann, da L zwischen Banach-Raumen operiert. Dazu wird die Identitat
L L(V, W) betrachtet, wobei V = l
1
versehen mit der Norm
|v|
1
=
k=1
[v
k
[
und der Bildraum W mit der Norm
|w|
= sup
kN
[w
k
[
versehen wird. Wegen
|v|
|v|
1
ist die Identitat L ein bijektiver beschrankter linearer Operator, aber da
_
_
_
_
_
n
k=1
e
k
_
_
_
_
_
= 1
und
_
_
_
_
_
n
k=1
e
k
_
_
_
_
_
1
= n
mit e
1
= (1, 0, 0, . . .), e
2
= (0, 1, 0, . . .), . . ., ist L
1
unbeschrankt.
2.2.7 Satz vom abgeschlossenen Graphen
Ist der Graph eines linearen Operators L : V W zwischen Banch-Raumen abgeschlossen,
d. h. folgt aus
v
n
v und w
n
= Lv
n
w
da w = Lv ist, so ist L beschrankt.
Beispiel:
In diesem Beispiel wird gezeigt, dass man im Satz vom abgeschlossenen Graphen nicht auf
die Voraussetzung verzichten kann, da L zwischen Banach-Raumen operiert. Dazu wird der
Dierentialoperator
L(V, W) L : f f
betrachtet, wobei V = C
1
[0, 1] versehen mit der Supremumsnorm | |
und W = C[0, 1],

ebenfalls mit der Supremumsnorm ist. L ist ein linearer Operator, aber weil f ur f(x) = x
n
|f|
= 1, |Lf|
= n
gilt, ist L nicht beschrankt. Der Graph von L ist jedoch abgeschlossen, da f ur eine Folge (f
n
)
in V mit f
n
f V , Lf
n
g W gilt
f
n
f gleichmaig, f
n
g gleichmaig .
Daraus folgt, da f dierenzierbar ist, und
f
= g
gilt.
2.3 Operatoren auf Hilbert-Raumen
2.3.1 Matrix eines linearen Operators im Hilbert-Raum
Ein linearer Operator
L : H H
auf einem separablen Hilbert-Raum mit Orthonormalbasis e
1
, e
2
, . . . lat sich durch die Matrix
(a
j,k
) : a
j,k
= Le
k
, e
j
)
beschreiben. Es gilt
w = Lv w
j
=
k=1
a
j,k
v
k
,
wobei u
l
= u, e
l
) die Basis-Koezienten bezeichnen.
2.3. OPERATOREN AUF HILBERT-R
AUMEN
Beweis:
Aufgrund der Konvergenz der Fourier-Projektion und der Linearitat von L gilt
w
j
= Lv, e
j
) =
_
lim
n
n
k=1
v
k
Le
k
, e
j
_
.
Vertauscht man Grenzwert und Summe mit dem Skalarprodukt, so erhalt man die Matrix-
Darstellung von L.
Beispiel:
Als Beispiele werden f ur eine stetige 2-periodische Funktion
=
k=
k
e
k
, e
k
(x) = e
ikx
zwei lineare Operatoren auf L
2
2
betrachtet.
(i) Multiplikation L : f f: Nach Denition der Fourier-Koezienten erhalt man f ur die
Matrix-Eintrage
a
j,k
=
1
2
(x)e
i(kj)x
dx =
jk
.
Mit anderen Worten entspricht die Multiplikation von f mit einer diskreten Faltung der
Fourier-Koezienten von f und .
(ii) Faltung L : f f: Substituiert man in der Denition der Matrix-Eintrage
a
j,k
=
1
2
(x t)e
i(ktjx)
dt dx
y = x t, so ergibt wegen
e
i(ktjx)
= e
i((kj)x)
e
iky
die Integration uber y
a
j,k
=
k
e
i(kj)x
dx = 2
k
j,k
.
Die Faltungsmatrix ist also diagonal; die Fourier-Koezienten von f werden mit dem 2-fachen
der Fourier-Koezienten von multipliziert.
2.3.2 Adjungierter Operator
F ur einen beschrankten linearen Operator L auf einem separablen Hilbert-Raum H wird durch
Lv, w) = v, L
w), v, w H,
der sogenannte adjungierte Operator L
mit der Matrix

(a
j,k
) = (a
k,j
)
deniert. Gilt L
= L, so bezeichnet man L als selbstadjungiert oder hermitesch.

Beispiel:
Als Beispiel wird ein Integraloperator auf L
2
(D) betrachtet. Sei K eine Kernfunktion mit
_
D
_
D
[K(x, y)[
2
dxdy < ,
dann wird durch
(Lf)(x) =
_
D
K(x, y)f(y) dy
f ur jedes f L
2
(D) ein linearer Operator deniert. Aus der Cauchy-Schwarzschen Ungleichung
f ur Integrale folgt
_
D
[(Lf)(x)[
2
_
D
_
D
[K(x, y)[
2
dy dx
_
D
[f(y)[
2
dy ,
d. h. L ist ein beschrankter linearer Operator auf L
2
(D) mit
|L|
_
_
_
D
_
D
[K(x, y)[
2
dy dx
_
_
1/2
.
Der zugehorige adjungierte Operator L
wird durch
(L
g)(x) =
_
D
K(y, x)g(y) dy
deniert, d. h. L ist genau dann selbstadjungiert, wenn fast uberall
K(x, y) = K(y, x)
gilt.
2.3.3 Unitarer Operator
Ein beschrankter linearer Operator Q : H H in einem Hilbert-Raum ist unitar, falls
QQ
= I = Q
Q,
wobei I die Identitat bezeichnet.
Aquivalente Charakterisierungen unitarer Operatoren sind

Qv, Qw) = v, w), v, w H ,
|Qv| = |v|, v H ,
wobei jeweils die Surjektivitat von Q vorausgesetzt wird.
2.3. OPERATOREN AUF HILBERT-R
AUMEN
Beweis:
Falls Q unitar ist, folgt sofort, da Q surjektiv ist und
Qv, Qw) = v, Q
Qw) = v, w), v, w H,
da Q
Q = I, d. h. Eigenschaft a).
Es ist leicht zu sehen, dass aus Eigenschaft a) mit v = w sofort b) folgt.
Schlielich folgt aus b)
Q
Qv, v) = Qv, Qv) = |Qv|

2
= |v|
2
= v, v), v H
Mit L = Q
QI = L
ergibt sich daraus

Lv, v) = 0
f ur alle v H, bzw.
0 = L(v + w), v + w) = Lv, v) +Lv, w) +Lw, v) +Lw, w)
= Lv, w) +w, Lv) = Lv, w) +Lv, w)
= 2 ReLv, w)
f ur alle v, w H. Setzt man speziell w = Lv so ergibt sich
ReLv, Lv) = Lv, Lv) = |Lv|
2
= 0
und damit Lv = 0 f ur alle v H, also L = 0 bzw.
Q
Q = I .
Beispiel:
Als Beispiel wird die skalierte Fourier-Transformation auf L
2
(R
n
) mit
(Lf)(y) = (2)
n/2
_
R
n
f(x)e
iy
t
x
dx, y R
n
betrachtet. Da |Lf| = |f|, ist L unitar, und der adjungierte Operator ist durch die, entspre-
chend skalierte, inverse Fourier-Transformation gegeben:
(L
g)(x) = (2)
n/2
_
R
n
f(x)e
ix
t
y
dy, x R
n
.
2.3.4 Eigenwerte eines linearen Operators
Gilt f ur einen linearen Operator L eines Vektorraums V in sich
Lv = v, v ,= 0, C,
so bezeichnet man als Eigenwert und v als Eigenvektor (bzw. Eigenfunktion f ur einen Funk-
tionenraum V ). Der Raum
E
= v V : Lv = v
heit Eigenraum und m
= dimE
die Vielfachheit des Eigenwertes.

Beispiel:
Als Beispiele werden f ur eine stetige nicht-konstante 2-periodische Funktion
(x) =
k=
k
e
ikx
zwei lineare Operaotren auf L
2
2
betrachtet.
(i) Der Multiplikationsoperator
L : f f
besitzt keine Eigenwerte, denn aus Lf = f w urde (x) = , x (, ), folgen.
(ii) Der Faltungsoperator
L : f
( t)f(t) dt
besitzt die Exponentialfunktionen e
j
(x) = e
ijx
als Eigenfunktionen. Es gilt
(Le
j
)(x) =
e
ik(xt)
e
ijt
dt =
k
(2)
j,k
e
ikx
= 2
j
e
j
(x) ,
d. h. 2
j
sind die entsprechenden Eigenwerte.
2.3.5 Eigenwerte hermitescher Operatoren
Die Eigenwerte eines hermiteschen Operators L : H H sind reell und Eigenvektoren zu
verschiedenen Eigenwerten sind orthogonal.
Beweis:
Falls L hermitesch ist, gilt
Lv, v) = v, Lv) = Lv, v) ,
d. h. Lv, v) ist reell f ur alle v H. Sei nun v ,= 0 ein Eigenvektor von L zum Eigenwert , so
ist
Lv, v) = v, v) = v, v)
. .
=0
bzw.
=
Lv, v)
v, v)
reell.
Ist nun w ,= 0 ein Eigenvektor von L zum Eigenwert , so gilt
v, w) = Lv, w) = v, Lw) = v, w)
und mit ,=
v, w) = 0 .
Kapitel 3
Distributionen
3.1 Denition und Eigenschaften
3.1.1 Schnell abfallende Testfunktionen
Der Raum der schnell abfallenden Testfunktionen o enthalt die komplexwertigen Funktionen
f C
(R
n
) mit
[f[
,
= sup
xR
n
[x
f(x)[ <
f ur alle Multiindizes , .
Die Halbnorm [ [
,
deniert eine Metrik auf o. F ur eine beliebige fest gewahlte Folge (
k
,
k
)
der Multiindexpaare setzt man
k
(f) =
[f[
k
,
k
1 +[f[
k
,
k
und deniert
d(f, g) =
k=1
2
k
k
(f g)
als kanonische Abstandsfunktion.
Der Raum T = C
0
(R
n
) der Testfunktionen von Schwartz ist ein dichter Unterraum von o.
Bei der Analysis stetiger Abbildungen auf o kann man sich deshalb auf Testfunktionen mit
kompaktem Trager beschranken.
Beispiel:
Typische Beispiele f ur schnell abfallende Funktionen sind Funktionen mit einem exponentiellen
Abklingverhalten, wie z. B.
f(x) = p(x) exp([x[
2
) ,
wobei p ein beliebiges Polynom ist.
Die Funktion
g(x) =
_
exp
_
1
1|x|
2
_
, [x[ < 1 ,
0 sonst
ist ein Beispiel f ur eine Funktion in T. Ebenso gehort gh mit h C
(R
n
) zu T und damit zu
o.
Die Funktion f(x) = exp([x[) klingt zwar gen ugend schnell ab, ist jedoch im Ursprung nicht
stetig dierenzierbar und gehort damit nicht zu o.
KAPITEL 3. DISTRIBUTIONEN
3.1.2 Temperierte Distributionen
Temperierte Distributionen bilden den Dualraum o
zum Raum o der schnell abfallenden Test-

funktionen. Eine temperierte Distribution ist also ein lineares Funktional, das jeder Funktion
f mit
[f[
,
= sup
xR
n
[x
f(x)[ <
eine komplexe Zahl f zuordnet und der Abschatzung
[f[ c
||,||n
[f[
,
f ur hinreichend groes n() gen ugt.
Beispiel:
Im folgenden sind zwei typische Beispiele temperierter Distributionen beschrieben.
(i) schwach wachsende Funktionen:
Gilt f ur ein k N
_
R
n
[(x)[
dx
(1 +[x[
2
)
k/2
<
so deniert
f =
_
R
n
f , f o ,
eine temperierte Distribution. Wegen
(1 +[x[
2
)
k/2
c
||k
[x
[ ,
lat sich namlich [
f[ durch
c
_
R
n
[(x)[
(1 +[x[
2
)
k/2
_
_
||k
[x
f[
_
_
c
||k
[f[
,0
abschatzen
(ii) Linearkombination von Ableitungen:
Jede gewichtete Summe von Ableitungen
f =
f(x)
deniert eine temperierte Distribution. Oensichtlich gilt
[f[
_
max
[c
[
_
[f[
0,
.
Beispiele f ur lineare Funktionale auf Testfunktionen die auf o nicht stetig sind, sind
f =
_
R
n
exp(x
2
)f(x) dx
und
f =
k=1
f
(k)
(k) .
3.1. DEFINITION UND EIGENSCHAFTEN
3.1.3 Ableitung von temperierten Distributionen
Die partielle Ableitung einer Distribution o
ist die durch

f (
) f = (1)
||
(
f) , f o ,
denierte Distribution. Diese Denition verallgemeinert das Konzept der schwachen Ableitung
und stimmt f ur
f =
_
D
(x)f(x) dx, C
0
(D) ,
mit dem ublichen Ableitungsbegri uberein:
.
Denitionsgema ist jede temperierte Distribution unendlich oft dierenzierbar.
3.1.4 Dirac- und Heavyside-Funktional
Das Heaviside-Funktional H ist die Distribution, die durch die Funktion
h : x
_
1 x > 0
0 x 0
induziert wird, d.h.
Hf =
_
0
f .
F ur die Ableitung H
ergibt sich
f H
f = H(f
) =
_
0
f
=
_
lim
x
f(x) f(0)
_
= f(0) = f ,
wobei das Dirac-Funktional ist.
3.1.5 Multiplikation von temperierten Distributionen
Das Produkt einer schwach wachsenden Funktion C
(R
n
) mit einer temperierten Distri-
bution o
ist die durch

() f = (f) , f o ,
denierte temperierte Distribution (). Schwach wachsend heit, dass
sup
x
_
1 +[x[
2
_
s/2
<
f ur alle Multiindizes und s() > 0. Diese Bedingung ist insbesondere f ur alle Polynome
erf ullt.
3.1.6 Faltung von temperierten Distributionen
F ur eine temperierte Distribution o
und eine schnell abfallende Testfunktion o ist

durch
( ) (x) = (x )
eine Faltung deniert.
Die Funktion ist unendlich oft dierenzierbar und schwach wachsend, kann also mit einer
temperierten Distribution identiziert werden.
Ist =
mit T, so ist
( ) (x) =
_
R
n
(x y)(y) dy ,
die Faltung mit Distributionen verallgemeinert also die ubliche Denition f ur Funktionen.
3.1.7 Approximierende Identitat
Sei T eine Testfunktion mit
0 ,
_
R
n
= 1
und
(x) =
n
(x/), dann gilt
lim
0
f = f , f L
p
(R
n
) .
x
Die Abbildung zeigt
f ur = 1, .75, .5, .25, .125 und = c exp(1/(x

2
1)) , x R.
Die Faltung kann zur Glattung von Funktionen verwendet werden, denn
f L
p
C
.
Mit Hilfe dieses Approximations-Prozesses gen ugt es beispielsweise, Identitaten f ur stetige li-
neare Operatoren nur f ur glatte Funktionen zu beweisen.
3.2. FOURIER-TRANSFORMATION
3.2 Fourier-Transformation
3.2.1 Fourier-Transformation schnell abfallender Testfunktionen
Die Fourier-Transformation
f

f(y) =
_
R
n
f(x) exp(ixy) dx
und die inverse Fourier-Transformation
g g(x) =
1
(2)
n
_
R
n
g(y) exp(ixy) dy
sind stetige lineare Operatoren auf dem Raum o der schnell abfallenden Testfunktionen.
Beweis:
Bis auf einen Normierungsfaktor sind die Fourier-Transformation und die inverse Fourier-
Transformation Isometrien auf L
2
(R
n
), die zueinander invers sind. Da o L
2
(R
n
) bleibt
die Stetigkeit in der Topologie von o zu zeigen.
Nach den Regeln f ur Fourier-Transformationen gilt
(iy)

f(y)
_
R
n
_
(ix)
f(x)
_
exp(ixy) dy
_
R
n
_
1 +[x[
2
_
n
_
1 +[x[
2
_
n
_
x
f(x)
_
dx.
Da
_
R
n
(1 +[x[
2
)
n
dx < , lasst sich die rechte Seite durch die Halbnormen von o abschatzen.
F ur die inverse Fourier-Transformation verfahrt man analog.
3.2.2 Fourier-Transformation einer temperierten Distribution
Die Fourier-Transformation einer temperierten Distribution o
ist durch
= , o
deniert und ein stetiger linearer Operator auf o.
Die Distribution

kann in vielen Fallen durch
(y) =
x
e
ixy
berechnet werden. F ur allgemeine temperierte Distributionen muss diese Identitat jedoch mit
Hilfe eines Approximations-Prozesses interpretiert werden, da e
ixy
keine zulassige Testfunktion
ist.
F ur Funktionen o ergibt sich die klassische Denition der Fouriertransformation, d.h.
=

.
3.2.3 Regeln f ur die Fourier-Transformation von temperierten Dis-
tributionen
Analog zur Fourier-Transformation von Funktionen gelten die folgenden Identitaten f ur schnell
abfallende Testfunktionen o und temperierte Distributionen o
:
Dierentiation und Multiplikation:
F ur ein Polynom p(y) =
gilt
p(i) = p
.
Dabei ist p(i) =
(i)
||
. Insbesondere entspricht also der partiellen Ableitung

i
die Multiplikation mit y
(hierbei ist p(y) = y
).
Entsprechend gilt
p = p(i)
.
Faltung:
.
3.2. FOURIER-TRANSFORMATION

Funk Tion Al Analysis

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Funk Tion Al Analysis

Hochgeladen von

Copyright:

Verfügbare Formate

MathematikOnlineKurs

Mathematik Online begleitend zu dem

Mathematik Online zur Verf ugung.

Mathematik Online und Erfolg in ihrem Studium.

gilt. Setzt man nun

Uberdeckung von M ausreicht, wird als -Entropie bezeichnet.

(D) der Raum der unendlich oft dierenzierbaren Funktionen

f und f auf jeder kompakten

(D) den Banach-Raum der Lebesgue-mebaren Funk-

nicht durch Approximation mit stetigen

durch die Iterationsfolge

D f ur alle > 0, und aus der Kontraktionsbedingung folgt

gegen einen Grenzwert x

. Geht man in der

ein Fixpunkt von g ist. Dies ist auch der

Die beste Approximation ist dabei eindeutig durch

gilt u, u) = 0 und damit u = 0 bzw.

eines normierten Vektorraums V besteht aus den stetigen linearen Funktio-

ein normierter Vektorraum ist. Zu zeigen bleibt die Vollstandigkeit

, d. h. f ur alle > 0 existiert ein n

eines normierten Vektorraums V ist der Dualraum von V

ein stetiges lineares Funktional auf V

induziert, kann V mit einem Unterraum von V

genau ein v H, so da obige

, dann existiert genau eine Funktion g L

und W = C[0, 1],

mit der Matrix

= L, so bezeichnet man L als selbstadjungiert oder hermitesch.

Aquivalente Charakterisierungen unitarer Operatoren sind

Qv, v) = Qv, Qv) = |Qv|

ergibt sich daraus

die Vielfachheit des Eigenwertes.

zum Raum o der schnell abfallenden Test-

ist die durch

ist die durch

und eine schnell abfallende Testfunktion o ist

Die Abbildung zeigt

f ur = 1, .75, .5, .25, .125 und = c exp(1/(x

. Insbesondere entspricht also der partiellen Ableitung

die Multiplikation mit y

(hierbei ist p(y) = y

Das könnte Ihnen auch gefallen