-
Notifications
You must be signed in to change notification settings - Fork 1
/
03_lineare_abbildungen.tex
165 lines (140 loc) · 6.15 KB
/
03_lineare_abbildungen.tex
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
\chapter{%
Lineare Abbildungen in normierten Räumen%
}
\section{%
Stetigkeit und Beispiele%
}
\begin{Satz}{Äquivalenz für Stetigkeit bei linearen Operatoren}\\
Seien $(E, \norm{\cdot}_E)$ und $(F, \norm{\cdot}_F)$ normierte Räume
sowie $T\colon E \rightarrow F$ eine lineare Abbildung.\\
Dann sind äquivalent:
\begin{enumerate}
\item
$T$ ist stetig.
\item
$T$ ist stetig in $0$.
\item
Aus $(x_n)_{n \in \natural}$ Folge in $E$ mit $x_n \to 0$ folgt $Tx_n \to 0$.
\item
$\exists_{\alpha \ge 0}\; TB_E \subset \alpha B_F$, wobei
$B_E := \{x \in E \;|\; \norm{x} \le 1\}$ und
$\alpha B_F := \{y \in F \;|\; \norm{y} \le \alpha\}$.
\item
$T$ ist \begriff{beschränkt},
d.\,h. $\exists_{\beta \ge 0} \forall_{x \in E}\; \norm{Tx}_F \le \beta \norm{x}_E$.
\end{enumerate}
\end{Satz}
\linie
\begin{Def}{Dualraum}
Sei $(E, \norm{\cdot}_E)$ ein normierter Raum.\\
Dann heißt $E' := \{T\colon E \rightarrow \KK \;|\; T \text{ linear und stetig}\}$
\begriff{Dualraum} von $E$.
\end{Def}
\begin{Bsp}
\begin{enumerate}[label=\emph{(\alph*)}]
\item
Seien $E := (\real^n, \norm{\cdot}_2)$ und $F := (\real^m, \norm{\cdot}_2)$.
Dann ist jede lineare Abbildung $T\colon E \rightarrow F$ stetig und kann
durch eine Matrix dargestellt werden.
Dasselbe gilt auch für alle anderen Normen (wegen der Normäquivalenz).
\item
Seien $E := (\C^0([a, b]), \norm{\cdot}_{\C^0})$ und $T\colon E \rightarrow \KK$
mit $Tf := \int_a^b f(s)\ds$ (wobei $a, b \in \real$ mit $a \le b$).
$T$ ist linear und stetig und damit $T \in E'$.
Außerdem ist $V\colon E \rightarrow E$, $f \mapsto Vf$ mit
$(Vf)(t) := \int_a^t f(s)\ds$ linear und stetig, denn
$\norm{Vf}_{\C^0} \le (b - a) \norm{f}_{\C^0}$.
$V$ ist auch stetig als Abbildung von
$(\C^0([a, b]), \norm{\cdot}_{\C^0})$ nach
$(\C^1([a, b]), \norm{\cdot}_{\C^1})$.
\end{enumerate}
\end{Bsp}
\pagebreak
\section{%
Lineare, stetige Abbildungen%
}
\begin{Def}{Raum der linearen, stetigen Abbildungen}
Seien $(E, \norm{\cdot}_E)$ und $(F, \norm{\cdot}_F)$ normierte Räume.
Dann heißt
$\Lin(E, F) := \{T\colon E \rightarrow F \;|\; T \text{ linear und stetig}\}$
der \begriff{Raum der linearen, stetigen Abbildungen} von $E$ nach $F$.
Man schreibt $\Lin(E) := \Lin(E, E)$.
\end{Def}
\begin{Satz}{Operatornorm}
Für $T \in \Lin(E, F)$ sei\\
$\norm{T} := \sup_{x \in B_E} \norm{Tx}_F =
\sup_{x \in \interior{B_E}} \norm{Tx}_F = \sup_{x \in \partial B_E} \norm{Tx}_F =
\sup_{x \in E \setminus \{0\}} \frac{\norm{Tx}_F}{\norm{x}_E}$.\\
Dann ist $\norm{\cdot}$ eine Norm auf $\Lin(E, F)$, die sog. \begriff{Operatornorm}.
Ist $F$ vollständig, dann ist auch $(\Lin(E, F), \norm{\cdot})$ vollständig.
Insbesondere ist der Dualraum $E'$ vollständig.
\end{Satz}
\begin{Bem}
Das Supremum der Operatornorm muss auf dem Rand angenommen werden,
denn würde es in $x \in E$ mit $\norm{x}_E < 1$ angenommen,
dann wäre $\norm{Tx'}_F = \frac{\norm{Tx}_F}{\norm{x}_E} > \norm{Tx}_F$ mit
$x' := \frac{x}{\norm{x}_E} \in \partial B_E$,
d.\,h. wegen der Stetigkeit von $T$ gäbe es einen Punkt im Inneren von $B_E$,
bei dem das Supremum überschritten wäre
(zumindest, wenn $\norm{Tx}_F > 0$ -- falls das Supremum verschwindet, ist der
Operator gleich dem Nulloperator).
\end{Bem}
\begin{Bsp}
Sei $\psi \in \C^0([0, 1]^2)$.
Dann ist $T\colon (\C^0([0, 1]), \norm{\cdot}_{\C^0}) \rightarrow
(\C^0([0, 1]), \norm{\cdot}_{\C^0})$, $f \mapsto Tf$ mit\\
$(Tf)(x) := \int_0^1 \psi(x, y) f(y)\dy$ linear und stetig und es gilt
$\norm{T} = \sup_{x \in [0, 1]} \int_0^1 |\psi(x, y)| \dy$.
\end{Bsp}
\linie
\begin{Lemma}{Komposition von linearen, stetigen Abbildungen}\\
Seien $(E, \norm{\cdot}_E)$, $(F, \norm{\cdot}_F)$ und $(G, \norm{\cdot}_G)$
normierte Räume,
$B \in \Lin(E, F)$ und $A \in \Lin(F, G)$.\\
Dann gilt:
\begin{enumerate}
\item
$A \circ B \in \Lin(E, G)$ und
$\norm{A \circ B} \le \norm{A} \cdot \norm{B}$
\item
$M_r\colon \Lin(E, F) \rightarrow \Lin(E, G)$, $T \mapsto A \circ T$ und
$M_\ell\colon \Lin(F, G) \rightarrow \Lin(E, G)$, $S \mapsto S \circ B$
sind linear und stetig, wobei
$\norm{M_r} \le \norm{A}$ und $\norm{M_\ell} \le \norm{B}$.
\end{enumerate}
\end{Lemma}
\begin{Satz}{\name{Neumann}sche Reihe}
Seien $(E, \norm{\cdot}_E)$ ein Banachraum und $T \in \Lin(E)$ mit\\
$\limsup_{n \to \infty} \norm{T^n}^{1/n} < 1$
(z.\,B. erfüllt, wenn $\norm{T} < 1$).\\
Dann ist $\id - T$ bijektiv und es gilt
$(\id - T)^{-1} = \sum_{n=0}^\infty T^n \in \Lin(E)$
(die Reihe konvergiert bzgl. der Operatornorm).
Die Reihe $\sum_{n=0}^\infty T^n$ heißt \begriff{\name{Neumann}sche Reihe}.
\end{Satz}
\section{%
Operatornormen in \texorpdfstring{$\real^n$}{ℝⁿ}%
}
\begin{Satz}{Operatornormen in $\real^n$}
\begin{enumerate}
\item
Seien $E := (\real^n, \norm{\cdot}_\infty)$ und $A \in \Lin(E)$
beschrieben durch die $n \times n$-Matrix $(a_{ij})_{i,j=1,\dotsc,n}$.
Dann kann die zugehörige Operatornorm berechnet werden durch\\
$\norm{A} = \max_{i=1,\dotsc,n} \sum_{j=1}^n |a_{ij}|$,
sie heißt \begriff{Zeilensummennorm} $\norm{A}_\infty$.
\item
Seien $E := (\real^n, \norm{\cdot}_1)$ und $A \in \Lin(E)$
beschrieben durch die $n \times n$-Matrix $(a_{ij})_{i,j=1,\dotsc,n}$.
Dann kann die zugehörige Operatornorm berechnet werden durch\\
$\norm{A} = \max_{j=1,\dotsc,n} \sum_{i=1}^n |a_{ij}|$,
sie heißt \begriff{Spaltensummennorm} $\norm{A}_1$.
\item
Seien $E := (\real^n, \norm{\cdot}_2)$ und $A \in \Lin(E)$
beschrieben durch die $n \times n$-Matrix $(a_{ij})_{i,j=1,\dotsc,n}$.
Dann ist die zugehörige Operatornorm gleich der Wurzel des größten Eigenwerts
der symmetrischen, positiv definiten Matrix $A^T A$,
sie heißt \begriff{Spektralnorm} $\norm{A}_2$.
\end{enumerate}
\end{Satz}
\pagebreak