Supplerende note om Hilbertrum og Banachrum

Størrelse: px
Starte visningen fra side:

Download "Supplerende note om Hilbertrum og Banachrum"

Transkript

1 Supplerende note om Hilbertrum og Banachrum Jimi Lee Truelsen Om Noten Vi vil i denne note uddybe nogle af emnerne fra de første 3 apitler af [Ve] og komme med nogle eksempler. Det drejer sig især om begreberne Hilbertrum og Banachrum, samt at forstå de begrænsede operatorer. Selvom emnet ikke fylder så meget i kurset Reel Analyse, er det en meget stor og (efter min mening) ganske elegant teori, og det er i øvrigt hovedtemaet for kurset Advanced Analysis/Analyse 2. Hvis I gerne vil læse mere om Banachrum og begrænsede operatorer, kan jeg anbefale, at I kigger i [Pe], [Ru] eller [St]. Alle 3 bøger har været anvendt i kurset Analyse 2 ([Ru] er den, der bruges i øjeblikket). Umiddelbart er [St] nok den, der er lettest at gå til. De to andre bøger dækker til gengæld væsentlig mere stof. Lige et par kommentarer om notation og terminologi. I [BM] lægges der en del vægt på at skelne mellem funktionsrummene L p (X, E, µ) og kvotientrummet L p (X, E, µ) hvor man tager L p (X, E, µ) og dividerer ud med funktionerne, som er 0 næsten overalt (mht. målet µ). I [Ve] lægges der mindre vægt på dette. Det er naturligvis vigtigt, at forstå forskellen mellem L p (X, E, µ) og L p (X, E, µ), men da vi i denne note arbejder med Banachrum, vil vi kun betragte L p (X, E, µ) og ikke dvæle så meget ved dette. Som hovedregel vil betegne normer på normerede rum, mens, vil betegne indre produkter på vektorrum med indre produkt. Hvis I har spørgsmål eller finder fejl, er I velkomne til at kontakte mig på lee@imf.au.dk. Rettelser og kommentarer vil være at finde på nettet: Hilbertrum og Banachrum I lineær algebra studerer man vektorrummene R n og C n. Disse vektorrum er begge eksempler på Banachrum. Da R n og C n har endelig dimension, er det ofte sådan, at man ikke behøver, at bekymre sig om topologiske begreber som kontinuitet og fuldstændighed, for i det tilfælde er et normeret rum automatisk fuldstændigt, og en lineær afbildning er automatisk kontinuert. Det er vigtigt at gøre sig klart, at et normeret rum specielt er et metrisk rum (se [Gr] Appendiks B): Sætning 1. Lad X være et normeret rum med normen. Da definerer afbildningen d : X X R givet ved d(x, y) = x y en metrik på X. Bevis. Det er oplagt, at d er ikke-negativ. Lad x, y X. Vi ser at d(x, y) = 0 x y = 0 x = y. Vi mangler derfor kun at vise trekantsuligheden. Lad x, y, z X. Vi ser at d(x, z) = x z x y + y z = d(x, y) + d(y, z) Vi vil bruge metrikken ovenfor til at give mening til begreber som konvergens, fuldstændighed samt åbne og lukkede mængder, altså ting hørende til den såkaldte topologiske struktur. Et Banachrum er et normeret rum, som er fuldstændigt. Man skal være opmærksom på, om der er tale om et vektorrum over R eller C. Det viser sig senere, 1

2 Supplerende note om Hilbertrum og Banachrum 2 at komplekse Banachrum er de pæneste, men det vil vi ikke komme yderligere ind på her. Her er et par eksempler på Banach rum: Eksempel 2. Lad A være et Banachrum. Da er ethvert lukket underrum af A igen et Banachrum (se [Ve] Sætning 1.2). Eksempel 3. votientrummet L p (X, E, µ) er et Banachrum (se [BM] Sætning 7.18), og måske det vigtigste eksempel fra kurset. Eksempel 4. Lad være en kompakt delmængde af R n. Vektorrummet C() af kontinuerte funtioner f : C med normen f = sup f(x) x er et Banachrum. Det følger af Sætning i [ST]. Normen defineret ovenfor kaldes supremumsnormen. Et Hilbertrum er et Banachrum, hvor normen kommer fra et indre produkt. At et indre produkt giver anledning til en norm vises i [Ve] Sætning 2.4. Her er så et par eksempler på Hilbertrum: Eksempel 5. votientrummet L 2 (X, E, µ) er et Hilbertrum, hvor det indre produkt er givet ved: f, g = f(x)g(x)dµ(x). X Dette Hilbertrum må i mange henseender anses for at være det vigtigste Hilbertrum. Eksempel 6. C n er et Hilbertrum, hvor det indre produkt er givet ved: n x, y = x i y i, hvor x = (x 1,..., x n ) og y = (y 1,..., y n ). Helt analogt er R n et Hilbertrum over de reelle tal. At C n (hhv. R n ) er fuldstændigt følger af at C (hhv. R) er fuldstændigt (se Sætning 4.44 i [Po]). For en god ordens skyld kommer vi med et eksempel på et normeret rum, som ikke generelt er fuldstændigt: Eksempel 7. Vektorrummet C c (R n ) af kontinuerte funktioner på R n med kompakt støtte udstyret med det indre produkt (for et Radon mål µ): f, g = f(x)g(x)dµ(x) R n er ikke generelt et Hilbertrum. Fra Sætning 7.28 i [BM] ved vi at C c (R n ) er tæt i L 2 (R n, µ). På den anden side er der mange ækvivalensklasser af funktioner i L 2 (R n, µ), som ikke indeholder en kontinuert repræsentant. Dermed er C c (R n ) ikke et lukket underrum (for i såfald ville det være det hele) og dermed heller ikke et Hilbertrum jvf. Sætning 1.2 i [Ve]. Pr. definition er et Hilbertrum også et Banachrum mht. normen v = v, v, men det omvendte gælder ikke (med andre ord, der findes fuldstændige normer, som ikke kommer fra et indre produkt), som vi skal se i følgende eksempel (opgave 2.9 i [Ve]): Eksempel 8. Betragt Banachrummet C([0, 1]) med supremumsnormen (jvf. Eksempel 4). Lad f, g : [0, 1] C være givet ved f(x) = x og g(x) = 1 x. Bemærk at f = g = f + g = f g = 1.

3 Supplerende note om Hilbertrum og Banachrum 3 Heraf ses specielt at f + g 2 + f g 2 2 f g 2. Dvs. parallelogramloven (se [Ve] 2.5) er ikke opfyldt, og dermed kan supremumsnormen ikke komme fra et indre produkt. Ortonormalbaser for Hilbertrum I lineær algebra arbejder man også med basis-begrebet (en såkaldt Hamelbasis), men det er ikke helt det samme som begrebet ortonormalbasis for Hilbertrum. Forskellen er, at en Hamelbasis er et rent algebraisk begreb, hvor ortonormalbasisbegrebet for Hilbertrum også involverer topologien for rummet. Lad os lige genopfriske et par definitioner. Definition 9. Lad V være et vektorrum over legemet F. For A V defineres udspændingen (eller span et eller det lineære hylster ) af A til at være mængden af alle endelige linearkombinationer af elementer fra A, dvs. { N } span(a) = a i v i N N, ai F, v i A. Definition 10. Lad V være et vektorrum over legemet F. En delmængde B af V kaldes en Hamelbasis for V, hvis span(b) = V og der for alle v B gælder v / span(b\{v}). Definition 11. Lad H være et Hilbertrum. Et ortonormalsystem (e j ) j J kaldes en ortonormalbasis hvis span({e j j J}) = H. Husk at aflukningen af en mængde A H er den mindste lukkede mængde i H, som indeholder A. Aflukningen af A kan også defineres som mængden af alle grænsepunkter for A forenet med A. Bemærk at topologien indgår i definitionen af en ortonormalbasis for et Hilbertrum (dvs. konvergens og lukkethed mht. Hilbertrumsnormen), mens der ikke er nogen reference til topologien i definitionen af en Hamelbasis. Hvis der er tale om Hilbertrum af endelig dimension er en ortonormalbasis for Hilbertrummet også en Hamelbasis, men de sjoveste Hilbertrum er nu engang dem af uendelig dimension, og i det tilfælde er en ortonormalbasis ikke generelt en Hamelbasis. Som et kuriosum kan det nævnes, at ethvert vektorrum har en Hamelbasis. Beviset for denne påstand er ikke konstruktivt, da det kræver, at man bruger Zorns lemma (og dermed udvalgsaksiomet). Hamelbaser for Hilbertrum er imidlertid uinteressante for os, da de fuldstændig ignorerer Hilbertrummets topologiske struktur. Et Hilbertrum siges at være separabelt, hvis det er separabelt som metrisk rum, dvs. hvis der findes en tællelig delmængde, som er tæt i rummet. Vi har følgende udvidelse af Sætning 2.15 fra [Ve]: Sætning 12. Et Hilbertrum H er separabelt hvis og kun hvis H har en endelig eller tællelig ortonormalbasis. Bevis. Fra Sætning 2.15 i [Ve] ved vi, at hvis H er separabel, så findes der er endelig eller tællelig ortonormalbasis for H. Antag nu at der findes en tællelig ortonormalbasis (e i ) i N for H (for nemheds skyld antager vi også, at H er et Hilbertrum over R). Mængden { N } A = a i e i N N, ai Q

4 Supplerende note om Hilbertrum og Banachrum 4 er tællelig. Det kan f.eks. ses ved at udnytte, at en tællelig forening af tællelige mængder igen er tællelig. Lad x H. Fra Sætning 2.12 i [Ve] ved vi, at x kan skrives som x = x, e i e i hvor x 2 = x, e i 2 <. Lad nu ε > 0 være givet. Der findes N N så x, e i 2 < ε2 2. i=n+1 Vælg a 1,..., a N Q således at a i x, e i < ε 2N for alle i. Vi ser vha. Pythagoras sætning for Hilbertrum (se [Ve] Afsnit 2.1) at N 2 N x a i e i = a i x, e i 2 + x, e i 2 < ε2 2 + ε2 2 = ε 2. i=n+1 Dvs. A = H og dermed er H separabelt. Tilfældet hvor H er et komplekst Hilbertrum klares på tilsvarende vis, og det samme gælder tilfældet, hvor H har en endelig ortonormalbasis. Fra lineær algebra er det velkendt, at to vektorrum af endelig dimension over samme legeme er isomorfe, hvis de har samme dimension. Tilsvarende er to separable Hilbertrum H og H over samme legeme isometrisk isomorfe. En isometrisk isomorfi kan konstrueres ved at ved at vælge tællelige ortonormalbaser (e i ) i N og (e i ) i N for H hhv. H og derefter betragte den entydig bestemte lineære afbildning fra H til H, som sender e i til e i. Som konsekvens heraf ses, at L 2([0, 2π]) er isomorf med følgerummet l 2. Man kunne fristes til at tro, at denne isomorfi skulle være meget nyttig, men i praksis viser det sig at ovenstående observation har begrænsede anvendelser, ikke mindst fordi den konkrete form af Hilbertrummet ofte har betydning. F.eks. er f(x) = x en meget pæn funktion i L 2 ([0, 2π]), mens Fourierrækken for f ikke er specielt pæn. Vi starter med en definition: Begrænsede Operatorer Definition 13. Lad X og X være normerede rum. En lineær afbildning T : X X kaldes en begrænset operator, hvis der findes C R + således at T (x) C x for alle x X. I såfald defineres operatornormen af T til at være T = sup T (x). x X x 1 Ofte skriver man bare T x i stedet for T (x). Bemærk at hvis T (x) C x for alle x X så gælder at T (x) C for alle x X med x 1. Dvs. T <. Bemærk at T x T x, og at T er den mindste konstant C der kan bruges i ovenstående definition. Vi har følgende vigtige sætning:

5 Supplerende note om Hilbertrum og Banachrum 5 Sætning 14. Lad X og X være normerede rum og T en lineær afbildning fra X til X. Da er følgende 4 punkter ækvivalente: (1) T er en begrænset operator. (2) T er kontinuert. (3) T er kontinuert i mindst ét punkt. (4) { T x x 1, x X } R er begrænset. Bevis. Vi starter med (1) (2). Da T er begrænset findes der C R + så T x T y = T (x y) C x y. Dvs. x y 0 medfører at T x T y 0. Dermed er T kontinuert. Da (2) (3) er triviel springer vi videre til (3) (4). Vi antager at T er kontinuert i x 0 X. Dvs. der findes specielt et δ > 0 så: Lad nu y X, y 1. Vi ser at x x 0 < δ T (x x 0 ) < 1. (x δy) x 0 = δ y < δ. 2 Derfor har vi at 2 1 δt y = T ((x δy) x 0 ) < 1. og dermed T y < 2 δ. Så { T x x 1, x X } [0, 2δ 1 ]. Betragt nu (4) (1). Antag at { T x x 1, x X } [0, C] hvor C R +. Da ses, at for alle x X, x 0 gælder T ( x 1 x) C, og dermed har vi, at T x C x for alle x X. Følgende sætning forklarer sprogbrugen og notation for operatornormen: Sætning 15. Lad X og X være normerede rum over det samme legeme. De begrænsede operatorer fra X til X udgør et vektorrum (over samme legeme som X og X ), som er et nomeret rum i operatornormen. Hvis X er fuldstændigt (dvs. et Banachrum), så udgør de begrænsede operatorer et Banachrum, som ofte skrives som B(X, X ). Bevis. Det er helt ligeud af landevejen at verificere, at de begrænsede operatorer bliver et normeret vektorrum med operatornormen. Antag nu at X er et Banachrum. Vi vil gerne vise at rummet af begrænsede operatorer bliver fuldstændigt i operatornormen. Antag at (T n ) n 1 er en Cauchyfølge af begrænsede operatorer fra X til X. Da er følgen er Cauchy, ses at (T n x) n 1 er en Cauchyfølge i X for alle x X. Vi definerer afbildningen T : X X ved T x = lim n T n x (dette er veldefineret, da X er et Banachrum), og det er klart, at T er lineær. Pga. kontinuitet af normen fås at T x = lim T n x lim sup T n x. n n Så T er begrænset. Bemærk nemlig at lim sup n T n <, da (T n ) n 1 er en Cauchyfølge i det normerede rum B(X, X ) og dermed en begrænset følge. Desuden ses at (T T n )x = lim (T m T n )x lim sup (T m T n ) x m m

6 Supplerende note om Hilbertrum og Banachrum 6 da (T n ) n 1 er en Cauchyfølge. Dvs. da lim n lim sup m T m T n = 0 fås T T n 0 for n, så (T n ) n 1 er konvergent med grænseværdi T. Lad os nu se på et par konkrete eksempler: Eksempel 16. Lad H være et Hilbertrum over C og x 0 H. Afbildningen T x0 : H C defineret ved T x0 (x) = x, x 0 er en begrænset operator (husk at C er et Hilbertrum). T x0 er lineær, da det indre produkt er lineært i første variabel og T x0 er begrænset pga. Cauchy-Schwarz ulighed ([Ve] Sætning 2.3): T x0 (x) = x, x 0 x 0 x. Bemærk at T x0 x 0. Hvis x 0 0 ses at T x0 ( x 0 1 x 0 ) = x 0 1 x 0, x 0 = x 0 så T x0 x 0. Samlet kan vi altså konkludere at T x0 = x 0. Generelt kaldes begrænsede operatorer fra et normeret rum til R eller C for begrænsede lineære funktionaler. Eksempel 17. Lad T være en lineær afbildning fra R n R m (dvs. en matrix). Lad e 1,..., e n betegne standardbasisvektorerne i R n. Det ses at T (a 1 e a n e n ) a 1 T (e 1 ) + + a n T (e n ) n a i 2 n T (e i ) 2 Da a a n 2 = a 1 e a n e n 2 ses at T (x) n T (e i) 2 x for alle x R n. Dette generaliserer uden videre til lineære afbildninger mellem normerede vektorrum af endelig dimension. Eksempel 18. Fouriertransformationen på L 2 (R n ) er også en begrænset operator. Det følger af Sætning 8.22 i [BM], da isometrier er kontinuerte, og kontinuitet er det samme som begrænsethed (jvf. Sætning 14). Eksempel 19. Lad H være et Hilbertrum og M H et lukket underrum (som i Projektionssætningen, [Ve] Sætning 2.17). Ortogonalprojektionen P på M er en begrænset operator (se [Ve] Afsnit 3.1). Eksempel 20. Lad være en kompakt delmængde af R n og ϕ : C være begrænset ( τ(x, y) C for alle x, y ) og målelig. Lad f L 2 (). Vi ser at τ(x, y)f(y) dy C f(y) dy C m n () f 2 hvor vi i sidste ulighed har brugt Cauchy-Schwartz ulighed. Vi påstår at funktionen x τ(x, y)f(y)dy ligger i L 2(). Det ses som følger: ( τ(x, y)f(y)dy 2 2 dx τ(x, y)f(y) dy) dx C 2 m n () f(y) 2 dydx = C 2 m n () 2 f 2 2. Heraf ses det at T : L 2 () L 2 () defineret ved T (f(x)) = τ(x, y)f(y)dy

7 Supplerende note om Hilbertrum og Banachrum 7 er en begrænset operator, idet lineariteten af T følger af lineariteten af integralet. Sprogbrugen begrænset operator antyder, at der findes operatorer (altså lineære afbildninger) som ikke er begrænsede. Hvis en operator ikke er begrænset, kan den ifølge Sætning 14 ikke være kontinuert i ét eneste punkt! Her er to eksempler på ubegrænsede operatorer Eksempel 21. Lad H være et separabelt, men uendeligdimensionalt Hilbertrum og (e i ) i N en ortonormalbasis for H. Betragt underrummet V = span({e i i N}). Lad S : V V være den entydigt bestemte lineære afbildning, som opfylder at S(e j ) = je j. Da er mængden { Sx x 1, x V } ikke begrænset og dermed er S ikke begrænset (jvf. Sætning 14). Bemærk at V ikke er et lukket underrum af H og dermed ikke et Hilbertrum. Lad os se på et konkret eksempel i stil med det foregående eksempel: Eksempel 22. Betragt underrummet V = span({f k k Z}) af L 2 ([0, 2π]), hvor f k (x) = eikx 2π. Elementerne i V er klart differentiable, og da i d dx eikx = ke ikx er i d dx en veldefineret lineær afbildning på V. Men denne udregning viser også at { idf/dx 2 f 1, f V } ikke er begrænset, og dermed er i d dx ikke begrænset. Operatorer der er defineret på underrum af L 2 ([a, b]) og som involverer differentiation ( differentialoperatorer ) er generelt ubegrænsede. I de to eksempler ovenfor har vores operatorer ikke været defineret overalt på de pågældende Hilbertrum. Det er som regel (men ikke altid) sådan, at hvis en operator kan defineres overalt på et Hilbertrum, så er den begrænset. Duale Rum Vi har allerede set at de begrænsede lineære funktionaler på et Banachrum igen udgør et Banachrum jvf. Sætning 15. Helt generelt omtaler man rummet af de begrænsede lineære funktionaler på et normeret rum X (dvs. de begrænsede operatorer fra X til R eller C, afhængig af om X er et komplekst eller reelt vektorrum) som det duale rum til X, og man skriver X. Bemærk at der i apitel 3 i [Ve] kun betragtes komplekse vektorrum. Hovedsætningen i apitel 3 i [Ve] er Riesz-Fréchets sætning. Lad os for en god ordens skyld lige uddybe den her: Sætning 23. Lad H være et komplekst Hilbertrum. For x H defineres T x H ved T x (y) = y, x. Afbildningen T : H H defineret ved T (x) = T x er konjugeret lineær og afbilder H isometriskt og surjektivt på H. Bevis. Vi har set i Eksempel 16 at T x H og at T x = x. At T er konjugeret lineær følger af at det indre produkt er konjugeret lineært i anden variabel: T λx+x (y) = y, λx + x = λ y, x + y, x = λt x (y) + T x (y) hvor λ C og x, x, y H. Vi ser også at for x, x H gælder: T x T x = T x x = x x idet vi udnytter, at T er konjugeret lineær samt at T x = x. Det viser at T er en isometri. Nu mangler vi kun surjektiviteten. Her vil vi følge [Ve]. Lad f H. Hvis f = 0 har vi at f = T 0. Antag derfor at f 0. Vi ved at M = ker f er et lukket underrum af H (lukket da f er kontinuert, og et underrum da f er lineær). Da M og M danner direkte sum (jvf. Projektionssætningen, [Ve] Sætning 2.17)

8 Supplerende note om Hilbertrum og Banachrum 8 findes x 0 M så f(x 0 ) 0 (ellers ville f = 0). Bemærk at f(x 0 ) 0 medfører at x 0 0, da f er lineær. Vi kan antage at f(x 0 ) = 1 (idet vi ellers kan erstatte x 0 med ). Lad y H. Vi ser at x0 f(x 0) f(y f(y)x 0 ) = f(y) f(y)f(x 0 ) = 0, så y f(y)x 0 M. Da x 0 M har vi at y, x 0 f(y) x 0, x 0 = y f(y)x 0, x 0 = 0 og dermed at f(y) = y, x 0 2 x 0. Dvs. f = T x0 2 x 0. Man bør bemærke, at afbildningen T ikke er lineær, så vi kan ikke umiddelbart slutte, at H og H er isometrisk isomorfe som Banachrum. Det er dog sandt, og vi vil kort skitsere et bevis. Vi kan bruge afbildningen T til at hilbertificere H, dvs. lægge et indre produkt på H som på diagonalen stemmer overens med operatornormen på H. Det gøres ved at sætte T x, T y = y, x. Man kan vise, at ethvert Hilbertrum har en ortonormalbasis (igen må man have Zorns lemma i sving, se f.eks. [Pe] Proposition ). Ovenstående konstruktion viser, at hvis (e j ) j J er en ortonormalbasis for H, så er (T ej ) j J en ortonormalbasis for H. Vi kan nu konstruere en lineær isometrisk isomorfi fra H til H, ved at tage den lineære afbildning som sender e j til T ej. Selvom vi nu har fået konstrueret en isometrisk isomorfi, er afbildningen T langt mere interessant, og det er den identifikation af H med H, som er vigtig. Det andet er blot en simpel konsekvens. Riesz-Fréchets sætning kan let kan modificeres til at fungere i det reelle tilfælde også, og i det tilfælde bliver T en isometrisk isomorfi, da det reelle indre produkt er bilineært. Bemærk at Riesz-Fréchets sætning minder om den fra lineær algebra velkendte identifikation af lineære afbildninger på vektorrum af endelig dimension med matricer. Udover at Riesz-Fréchets sætning er ganske smuk i sig selv, har den faktisk en utrolig vigtig anvendelse i funktionalanalysen. Fra lineær algebra er det velkendt, at hvis A er en kompleks m n matrix og A er den hermitisk adjungerede (dvs. den matrix der fås ved at transponere A og komplekskonjugere indgangene) så gælder at Av, w = v, A w for alle v C n og w C m, hvor det indre produkt bare er det sædvanlige hermitiske skalarprodukt på C m hhv. C n. Vha. Riesz-Fréchets sætning generaliserer dette let til Hilbertrum: Sætning 24. Lad H, H være Hilbertrum og T : H H en begrænset operator. Da findes en entydig operator T således at for alle x H og y H. T x, y = x, T y Bevis. Da det indre produkt er lineært i første variabel ses at for fast y H er afbildningen H x T x, y C lineær. Afbildningen er desuden begrænset, da T x, y T x y T x y hvor vi har brugt Cauchy-Schwarz ulighed. Dvs. afbildningen er et lineært funktional. Riesz-Fréchets sætning siger, at der findes et entydigt (så T bliver en afbildning) element T y H så T x, y = x, T y

9 Supplerende note om Hilbertrum og Banachrum 9 for alle x H. At T : H H er lineær følger af, at det indre produkt er konjugeret lineær i anden variabel. At T er begrænset ses som følger: T y 2 = T y, T y = T T y, y T T y y hvor vi igen har brugt Cauchy-Schwarz ulighed. Dvs. T y T y. Nu til entydigheden. Antag at der findes en begrænset operator S : H H så x, Sy = x, T y for alle x H og y H. Da ses at x, (S T )y = 0. Men da x, x = 0 medfører at x = 0, ses at S T = 0, dvs. S = T. At den adjungerede operator spiller en central rolle i Hilbertrumsteorien kan ikke komme bag på nogen, der har haft lineær algebra. Et af hovedresultaterne i elementær lineær algebra, er at en normal matrix (dvs. matricen kommuterer med sin hermitisk adjungerede) har en ortonormalbasis af egenvektorer (Spektralsætningen, se [FB] Sætning 9.7), og det generaliserer faktisk (i passende forstand) til begrænsede operatorer på et Hilbertrum. Lad os slutte af med at se på duale rum for nogle Banachrum, som ikke er Hilbertrum Eksempel 25. I [Ve] apitel 3 vises det, at hvis p og q er Hölderkonjugerede så er l p = lq. Tilsvarende gælder L p ([a, b]) = L q ([a, b]). Vi vil ikke vise dette men blot forklare, hvordan elementer i L q ([a, b]) kan opfattes som elementer i L p ([a, b]). Lad g L q ([a, b]). Fra Hölders ulighed ved vi at fg er integrabel for f L p ([a, b]) og b a f(x)g(x) dx f p g q. Da integralet er lineært, viser dette at L p ([a, b]) f b f(x)g(x)dx C er et a begrænset lineært funktional. Litteratur [BM] C. Berg og T. G. Madsen. Mål- og integralteori. Noter (2001). [FB] J. B. Fraleigh og R. A. Beauregard. Linear Algebra. 3. udgave Addison Wesley (1995). [Gr] S. E. Graversen. Forelæsningsnoter til Målteori og Sandsynlighedsteori 1.1. Noter (2005). [Pe] G.. Pedersen. Analysis Now. Springer-Verlag New York (1995). [Po] E. T. Poulsen. Funktioner af en og flere variable. Gads forlag (2001). [Ru] W. Rudin. Functional Analysis. 2. udgave, McGraw-Hill (1991). [St] H. Stetkær. Notes for Analysis II, Noter (2000). [ST] H. Stetkær,. Thomsen og C. Tønnesen-Friedman. Indledning til Matematisk Analyse II. Noter (2002). [Ve] J. Vesterstrøm. Forelæsningsnoter til Analyse 1. Noter, 5. udgave (2003).

1.1. n u i v i, (u, v) = i=1

1.1. n u i v i, (u, v) = i=1 1.1 1. Hilbert rum 1.1. Hilbert rum og deres geometri. Definition 1.1. Et komplekst vektor rum V kaldes et indre produkt rum (eller præ-hilbert rum), når det er forsynet med en funktion (, ): V V C, som

Læs mere

Hilbert rum. Chapter Indre produkt rum

Hilbert rum. Chapter Indre produkt rum Chapter 4 Hilbert rum 4.1 Indre produkt rum I det følgende skal vi gøre brug af komplekse såvel som reelle vektorrum. Idet L betegner enten R eller C minder vi om, at et vektorrum over L er en mængde E

Læs mere

Hilbert rum. Chapter 3. 3.1 Indre produkt rum

Hilbert rum. Chapter 3. 3.1 Indre produkt rum Chapter 3 Hilbert rum 3.1 Indre produkt rum I det følgende skal vi gøre brug af komplekse såvel som reelle vektorrum. Idet L betegner enten R eller C minder vi om, at et vektorrum over L er en mængde E

Læs mere

Punktmængdetopologi. Mikkel Stouby Petersen. 1. marts 2013

Punktmængdetopologi. Mikkel Stouby Petersen. 1. marts 2013 Punktmængdetopologi Mikkel Stouby Petersen 1. marts 2013 I kurset Matematisk Analyse 1 er et metrisk rum et af de mest grundlæggende begreber. Et metrisk rum (X, d) er en mængde X sammen med en metrik

Læs mere

GEOMETRI-TØ, UGE 6. . x 1 x 1. = x 1 x 2. x 2. k f

GEOMETRI-TØ, UGE 6. . x 1 x 1. = x 1 x 2. x 2. k f GEOMETRI-TØ, UGE 6 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imfaudk Opvarmningsopgave 1 Lad f : R 2 R være tre gange kontinuert differentierbar

Læs mere

ANALYSE 1, 2014, Uge 6

ANALYSE 1, 2014, Uge 6 ANALYSE 1, 2014, Uge 6 Forelæsninger Tirsdag Topologiske begreber i generelle metriske rum, dvs. begreber som åbne og afsluttede delmængder og rand af en mængde. For talrummene R k er disse begreber indført

Læs mere

6.1 Reelle Indre Produkter

6.1 Reelle Indre Produkter SEKTION 6.1 REELLE INDRE PRODUKTER 6.1 Reelle Indre Produkter Definition 6.1.1 Et indre produkt på et reelt vektorrum V er en funktion, : V V R således at, for alle x, y V, I x, x 0 med lighed x = 0, II

Læs mere

MATEMATIK 4 OPR. I HILBERTRUM 6. februar 2001 Oversigt nr. 1

MATEMATIK 4 OPR. I HILBERTRUM 6. februar 2001 Oversigt nr. 1 OPR. I HILBERTRUM 6. februar 2001 Oversigt nr. 1 Lærebogen for kurset er [P] Functional analysis in applied mathematics and engineering, CRC Press 1999. Jeg regner med at vi gennemgår kapitel 1 6 med tillæg

Læs mere

Konvergens i L 1 -forstand. Definition af L 1 -seminorm. Topologi i pseudometrisk rum. Seminorm til norm

Konvergens i L 1 -forstand. Definition af L 1 -seminorm. Topologi i pseudometrisk rum. Seminorm til norm Definition af L 1 -seminorm Konvergens i L 1 -forstand Lad (X, E, µ) være et målrum. Husk at L(µ) er et reelt vektorrum. Vi definerer f 1 = f dµ for f L Definition En følge af funktioner f 1, f 2, L siges

Læs mere

Gult Foredrag Om Net

Gult Foredrag Om Net Gult Foredrag Om Net University of Aarhus Århus 8 th March, 2010 Introduktion I: Fra Metriske til Topologiske Rum Et metrisk rum er en mængde udstyret med en afstandsfunktion. Afstandsfunktionen bruges

Læs mere

MATEMATIK 4 PROJEKT 3. marts 2006 Oversigt nr. 1

MATEMATIK 4 PROJEKT 3. marts 2006 Oversigt nr. 1 PROJEKT 3. marts 2006 Oversigt nr. 1 1. og 2. møde (15/2 og 2/3). Her har vi læst og gennemgået kapitel 1 i [GKP] om mængdeteoretisk topologi. Dog er følgende kursorisk: 1.1; 1.5.10 13; 1.6.13 14. 3. gang,

Læs mere

3. Operatorer i Hilbert rum

3. Operatorer i Hilbert rum 3.1 3. Operatorer i Hilbert rum 3.1. Riesz repræsentationssætning og den adjungerede operator. Vi vil nu se mere systematisk på lineære afbildninger mellem Hilbert rum. Der er en tradition for at afbildninger

Læs mere

ANALYSE 1. Uge 7, 4. juni juni, 2007

ANALYSE 1. Uge 7, 4. juni juni, 2007 ANALYSE 1 Uge 7, 4. juni - 10. juni, 2007 Forelæsninger Mandag 4. juni Formålet med denne dags forelæsninger er at etablere en overgang til emnet metriske rum, hvis hovedformål er at udvide begreber som

Læs mere

Analyse 2. Gennemgå bevis for Sætning Supplerende opgave 1. Øvelser. Sætning 1. For alle mængder X gælder #X < #P(X).

Analyse 2. Gennemgå bevis for Sætning Supplerende opgave 1. Øvelser. Sætning 1. For alle mængder X gælder #X < #P(X). Analyse 2 Øvelser Rasmus Sylvester Bryder 3. og 6. september 2013 Gennemgå bevis for Sætning 2.10 Sætning 1. For alle mængder X gælder #X < #P(X). Bevis. Der findes en injektion X P(X), fx givet ved x

Læs mere

ANALYSE 1, 2014, Uge 5

ANALYSE 1, 2014, Uge 5 ANALYSE, 204, Uge 5 Afleveringsfrist for Prøve 2 er Tirsdag den 20/5 kl 0:5. Forelæsninger Tirsdag Vi går videre med Afsnit 4 om uniform konvergens af Fourierrækker, hvor hovedsætningen er Sætning 4.3.

Læs mere

Analyse 1, Prøve 4 Besvarelse

Analyse 1, Prøve 4 Besvarelse Københavns Universitet Prøve ved Det naturvidenskabelige Fakultet juni 2011 1 Analyse 1, Prøve 4 Besvarelse Lad Opgave 1 (50%) M = {T R 2 T er en åben trekant} og lad A : M R være arealfunktionen, dvs.

Læs mere

z 1 = z 1z 1z 1 z 1 2 = z z2z 1 z 2 2

z 1 = z 1z 1z 1 z 1 2 = z z2z 1 z 2 2 M å l e p u n k t R i e m a n n s k G e o m e t r i E 8 J a ko b L i n d b l a d B l a ava n d 2 5 3 6 7 5 27 oktober 28 I n s t i t u t fo r M at e m at i s k e Fag A a r h u s U n i v e r s i t e t indledning

Læs mere

2. Fourierrækker i en variabel

2. Fourierrækker i en variabel .1. Fourierrækker i en variabel I Kapitel II 7 blev der indført, dels funktionsrummene L p (X, µ) (mere udførligt skrevet L p (X, E, µ)), dels rummene L p (X, µ), der fås af L p (X, µ) ved at funktioner

Læs mere

Supplerende opgaver. S1.3.1 Lad A, B og C være delmængder af X. Vis at

Supplerende opgaver. S1.3.1 Lad A, B og C være delmængder af X. Vis at Supplerende opgaver Analyse Jørgen Vesterstrøm Forår 2004 S.3. Lad A, B og C være delmængder af X. Vis at (A B C) (A B C) (A B) C og find en nødvendig og tilstrækkelig betingelse for at der gælder lighedstegn

Læs mere

Eksamensnoter til Analyse 1

Eksamensnoter til Analyse 1 ksamensnoter til Analyse 1 Martin Geisler gimpster@daimi.au.dk Sommer 23 Indledning Disse noter gennemgår de 26 spørgsmål stillet til den mundtlige eksamen i Analyse 1 ved Aarhus Universitet sommeren 23.

Læs mere

Eksamen 2014/2015 Mål- og integralteori

Eksamen 2014/2015 Mål- og integralteori Eksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål Ved bedømmelsen indgår de spørgsmål med samme vægt

Læs mere

n=1 er veldefineret for alle følger for hvilke højresiden er endelig. F.eks. tilhører følgen

n=1 er veldefineret for alle følger for hvilke højresiden er endelig. F.eks. tilhører følgen 2 Hilbert rum 2. Eksempler på Hilbert rum Vi skal nu først forsøge at begrunde, at de indre produkt rum af funktioner eller følger, som blev indført i Kapitel, ikke er omfattende nok til vores formål.

Læs mere

Kalkulus 2 - Grænseovergange, Kontinuitet og Følger

Kalkulus 2 - Grænseovergange, Kontinuitet og Følger Kalkulus - Grænseovergange, Kontinuitet og Følger Mads Friis 8. januar 05 Indhold Grundlæggende uligheder Grænseovergange 3 3 Kontinuitet 9 4 Følger 0 5 Perspektivering 4 Grundlæggende uligheder Sætning

Læs mere

Matematik 2 AN. Hilbert rum. med anvendelser. Bergfinnur Durhuus

Matematik 2 AN. Hilbert rum. med anvendelser. Bergfinnur Durhuus Matematik 2 AN Hilbert rum med anvendelser Bergfinnur Durhuus 1997 Matematisk Afdeling Universitetsparken 5 2100 København Ø c Matematisk Afdeling 1997 Forord Sammen med hæftet Metriske rum ved Christian

Læs mere

Lineær Algebra, TØ, hold MA3

Lineær Algebra, TØ, hold MA3 Lineær Algebra, TØ, hold MA3 Lad mig allerførst (igen) bemærke at et vi siger: En matrix, matricen, matricer, matricerne. Og i sammensætninger: matrix- fx matrixmultiplikation. Injektivitet og surjektivitet

Læs mere

Endeligdimensionale vektorrum

Endeligdimensionale vektorrum Endeligdimensionale vektorrum I det følgende betegner X, Y og Z endeligdimensionale vektorrum Gerne udstyret med en norm, evt et indre produkt Eksempel: En skævt beliggende plan i rummet, X = {v R 3 v,

Læs mere

Første konstruktion af Cantor mængden

Første konstruktion af Cantor mængden DYNAMIK PÅ CANTOR MÆNGDEN KLAUS THOMSEN Første konstruktion af Cantor mængden For de fleste der har hørt on Cantor-mængden, er den blevet defineret på flg måde: I = 0 I = I = 0 0 OSV Cantor mængden C er

Læs mere

Lineær Algebra F08, MØ

Lineær Algebra F08, MØ Lineær Algebra F08, MØ Vejledende besvarelser af udvalgte opgaver fra Ugeseddel 3 og 4 Ansvarsfraskrivelse: Den følgende vejledning er kun vejledende. Opgaverne kommer i vilkårlig rækkefølge. Visse steder

Læs mere

Endeligdimensionale vektorrum

Endeligdimensionale vektorrum Endeligdimensionale vektorrum I det følgende betegner X, Y og Z endeligdimensionale vektorrum Gerne udstyret med en norm, evt et indre produkt Eksempel: En skævt beliggende plan i rummet, X = {v R 3 v,

Læs mere

Mat2AN Minilex. Indhold. Henrik Dahl 6. januar Definitioner 2. 2 Sætninger Uligheder 28

Mat2AN Minilex. Indhold. Henrik Dahl 6. januar Definitioner 2. 2 Sætninger Uligheder 28 Mat2AN Minilex Henrik Dahl hdahl@tdc-broadband.dk 6. januar 2004 Resumé ADVARSEL - dette er et total underground-dokument!. Det er livsfarligt at bruge ukritisk. Der er næsten sikkert graverende fejl.

Læs mere

1 Vektorrum. MATEMATIK 3 LINEÆR ALGEBRA M. ANV. 4. oktober Miniprojekt: Lineær algebra på polynomier

1 Vektorrum. MATEMATIK 3 LINEÆR ALGEBRA M. ANV. 4. oktober Miniprojekt: Lineær algebra på polynomier MATEMATIK 3 LINEÆR ALGEBRA M. ANV. 4. oktober 2017 Miniprojekt: Lineær algebra på polynomier Grupperne forventes at regne de små opgaver i afsnittene 1 5 i løbet af de første 4 halve dage. Dernæst tilføjes

Læs mere

Ølopgaver i lineær algebra

Ølopgaver i lineær algebra Ølopgaver i lineær algebra 30. maj, 2010 En stor del af de fænomener, vi observerer, er af lineær natur. De naturlige matematiske objekter i beskrivelsen heraf bliver vektorrum rum hvor man kan lægge elementer

Læs mere

Side 9 sætningen: Kolmogorov s konsistensætning Tue Tjur, Institut for Matematisk Statistik

Side 9 sætningen: Kolmogorov s konsistensætning Tue Tjur, Institut for Matematisk Statistik Side 9 sætningen: Kolmogorov s konsistensætning Tue Tjur, Institut for Matematisk Statistik Advarsel: I denne artikel gives udtryk for holdninger til sandsynlighedsregningens grundlag. Disse er forfatterens

Læs mere

Teoretiske Øvelsesopgaver:

Teoretiske Øvelsesopgaver: Teoretiske Øvelsesopgaver: TØ-Opgave 1 Subtraktion division i legemer: Er subtraktion division med elementer 0 i legemer veldefinerede, eller kan et element b have mere end ét modsat element -b eller mere

Læs mere

DesignMat Uge 1 Gensyn med forårets stof

DesignMat Uge 1 Gensyn med forårets stof DesignMat Uge 1 Gensyn med forårets stof Preben Alsholm Efterår 2010 1 Hovedpunkter fra forårets pensum 11 Taylorpolynomium Taylorpolynomium Det n te Taylorpolynomium for f med udviklingspunkt x 0 : P

Læs mere

Mat H /05 Note 2 10/11-04 Gerd Grubb

Mat H /05 Note 2 10/11-04 Gerd Grubb Mat H 1 2004/05 Note 2 10/11-04 Gerd Grubb Nødvendige og tilstrækkelige betingelser for ekstremum, konkave og konvekse funktioner. Fremstillingen i Kapitel 13.1 2 af Sydsæters bog [MA1] suppleres her med

Læs mere

Besvarelses forslag til Tag-hjemeksamen Vinteren 02 03

Besvarelses forslag til Tag-hjemeksamen Vinteren 02 03 IMFUFA Carsten Lunde Petersen Besvarelses forslag til Tag-hjemeksamen Vinteren 02 0 Hvor ikke andet er angivet er henvisninger til W.R.Wade An Introduction to analysis. Opgave a) Idet udtrykket e x2 cos

Læs mere

Sylvesters kriterium. Nej, ikke mit kriterium. Sætning 9. Rasmus Sylvester Bryder

Sylvesters kriterium. Nej, ikke mit kriterium. Sætning 9. Rasmus Sylvester Bryder Sætning 9 Sylvesters kriterium Nej, ikke mit kriterium Rasmus Sylvester Bryder Inspireret af en statistikers manglende råd om hvornår en kvadratisk matrix er positivt definit uden at skulle ud i at bestemme

Læs mere

Tidligere Eksamensopgaver MM505 Lineær Algebra

Tidligere Eksamensopgaver MM505 Lineær Algebra Institut for Matematik og Datalogi Syddansk Universitet Tidligere Eksamensopgaver MM55 Lineær Algebra Indhold Typisk forside.................. 2 Juni 27.................... 3 Oktober 27..................

Læs mere

Matematik 2 AN. Matematisk Analyse. Metriske rum. Christian Berg

Matematik 2 AN. Matematisk Analyse. Metriske rum. Christian Berg Matematik 2 AN Matematisk Analyse Metriske rum Christian Berg 1997 Matematisk Afdeling Universitetsparken 5 2100 København Ø c Matematisk Afdeling 1997 Forord Nærværende notehæfte er oprindelig skrevet

Læs mere

1 Vektorrum. MATEMATIK 3 LINEÆR ALGEBRA 6. oktober 2016 Miniprojekt: Lineær algebra på polynomier

1 Vektorrum. MATEMATIK 3 LINEÆR ALGEBRA 6. oktober 2016 Miniprojekt: Lineær algebra på polynomier MATEMATIK 3 LINEÆR ALGEBRA 6. oktober 2016 Miniprojekt: Lineær algebra på polynomier Grupperne forventes at regne en mængde af opgaver, som tilsammen dækker 100 point. De små opgaver giver hver 5 point,

Læs mere

Lidt alment om vektorrum et papir som grundlag for diskussion

Lidt alment om vektorrum et papir som grundlag for diskussion Definition : vektorrum, vektorer Et vektorrum er en mængde af elementer med operationerne sum (+) og numerisk multiplikation (), så følgende regler gælder for alle a, b, c og for alle reelle tal s, t R.

Læs mere

Symmetriske og ortogonale matricer Uge 7

Symmetriske og ortogonale matricer Uge 7 Symmetriske og ortogonale matricer Uge 7 Preben Alsholm Efterår 2009 1 Symmetriske og ortogonale matricer 1.1 Definitioner Definitioner En kvadratisk matrix A = [ a ij kaldes symmetrisk, hvis aij = a ji

Læs mere

Symmetriske og ortogonale matricer Uge 6

Symmetriske og ortogonale matricer Uge 6 Symmetriske og ortogonale matricer Uge 6 Preben Alsholm Efterår 2010 1 Symmetriske og ortogonale matricer 1.1 Skalarprodukt og Cauchy-Schwarz ulighed Skalarprodukt og Cauchy-Schwarz ulighed Det sædvanlige

Læs mere

Dette materiale er ophavsretligt beskyttet og må ikke videregives

Dette materiale er ophavsretligt beskyttet og må ikke videregives Grundlæggende mål- og integralteori Grundlæggende mål- og integralteori Steen Thorbjørnsen Aarhus Universitetsforlag Grundlæggende mål- og integralteori Steen Thorbjørnsen og Aarhus Universitetsforlag

Læs mere

Matematik 2 MA Matematisk Analyse. Gerd Grubb

Matematik 2 MA Matematisk Analyse. Gerd Grubb 1 Matematik 2 MA Matematisk Analyse 1994 95 Kapitel IV. Fourier Analyse Gerd Grubb 1 1 Matematik 2. Matematisk Analyse 1994-95 Kapitel IV. Fourier analyse 0. Indledning 1. Hilbert rum 1.1. Hilbert rum

Læs mere

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2 Affine rum I denne note behandles kun rum over R. Alt kan imidlertid gennemføres på samme måde over C eller ethvert andet legeme. Et underrum U R n er karakteriseret ved at det er en delmængde som er lukket

Læs mere

9.1 Egenværdier og egenvektorer

9.1 Egenværdier og egenvektorer SEKTION 9.1 EGENVÆRDIER OG EGENVEKTORER 9.1 Egenværdier og egenvektorer Definition 9.1.1 1. Lad V være et F-vektorrum; og lad T : V V være en lineær transformation. λ F er en egenværdi for T, hvis der

Læs mere

Heisenbergs usikkerhedsrelationer. Abstrakt. Hvorfor? Funktionsrum. Nils Byrial Andersen Institut for Matematik. Matematiklærerdag 2013

Heisenbergs usikkerhedsrelationer. Abstrakt. Hvorfor? Funktionsrum. Nils Byrial Andersen Institut for Matematik. Matematiklærerdag 2013 Heisenbergs usikkerhedsrelationer Nils Byrial Andersen Institut for Matematik Matematiklærerdag 013 1 / 17 Abstrakt Heisenbergs usikkerhedsrelationer udtrykker at man ikke på samme tid både kan bestemme

Læs mere

Lineær Algebra eksamen, noter

Lineær Algebra eksamen, noter Lineær Algebra eksamen, noter Stig Døssing, 20094584 June 6, 2011 1 Emne 1: Løsninger og least squares - Løsning, ligningssystem RREF (ERO) løsninger Bevis at RREF matrix findes Løsninger til system (0,

Læs mere

Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 15, 16, 17

Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 15, 16, 17 Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 15, 16, 17 Nøgleord og begreber 1. ordens lineær ligning Løsningsmetode August 2002, opgave 7 1. ordens lineært system Løsning ved egenvektor Lille opgave Stor opgave

Læs mere

Matematik 3AN. Søren Eilers. Trykt version, fjerde udgave

Matematik 3AN. Søren Eilers. Trykt version, fjerde udgave Matematik 3AN Nøgle Søren Eilers Trykt version, fjerde udgave Søren Eilers, email: eilers@math.ku.dk Matematik 3AN: Nøgle Matematisk Afdeling Universitetsparken 5 2100 København Ø ISBN 87-91180-09-0 c

Læs mere

Lineære 1. ordens differentialligningssystemer

Lineære 1. ordens differentialligningssystemer enote enote Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses enoten er i forlængelse af enote, der beskriver lineære

Læs mere

GEOMETRI-TØ, UGE 8. X = U xi = {x i } = {x 1,..., x n }, U α, U α = α. (X \ U α )

GEOMETRI-TØ, UGE 8. X = U xi = {x i } = {x 1,..., x n }, U α, U α = α. (X \ U α ) GEOMETRI-TØ, UGE 8 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imf.au.dk. Opvarmningsopgave 1. Lad X være en mængde og T familien af alle delmængder

Læs mere

= λ([ x, y)) + λ((y, x]) = ( y ( x)) + (x y) = 2(x y).

= λ([ x, y)) + λ((y, x]) = ( y ( x)) + (x y) = 2(x y). Analyse 2 Øvelser Rasmus Sylvester Bryder 17. og 20. september 2013 Supplerende opgave 1 Lad λ være Lebesgue-målet på R og lad A B(R). Definér en funktion f : [0, ) R ved f(x) = λ(a [ x, x]). Vis, at f(x)

Læs mere

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. MI 2007 Obligatorisk opgave 4

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. MI 2007 Obligatorisk opgave 4 NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. MI 2007 Obligatorisk opgave 4 Sættet består af 3 opgaver med ialt 15 delopgaver. Besvarelsen vil blive forkastet, medmindre der er gjort et

Læs mere

DesignMat Uge 1 Repetition af forårets stof

DesignMat Uge 1 Repetition af forårets stof DesignMat Uge 1 Repetition af forårets stof Preben Alsholm Efterår 008 01 Lineært ligningssystem Lineært ligningssystem Et lineært ligningssystem: a 11 x 1 + a 1 x + + a 1n x n = b 1 a 1 x 1 + a x + +

Læs mere

Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec.

Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec. Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec. 1 Komplekse vektorrum I defininitionen af vektorrum i Afsnit 4.1 i Niels Vigand Pedersen Lineær Algebra

Læs mere

Fundamentale begreber fra Analysen. Introduktion. De reelle tal. Carsten Lunde Petersen

Fundamentale begreber fra Analysen. Introduktion. De reelle tal. Carsten Lunde Petersen IMFUFA Carsten Lunde Petersen Fundamentale begreber fra Analysen Introduktion Disse noter udgør et meget ltreret udkik over de grundlæggende begreber i reel analyse. Noten indeholder meget lidt om det

Læs mere

Indhold. Litteratur 11

Indhold. Litteratur 11 Indhold Forord ii 00-sættet 1 Opgave 1....................................... 1 Spørgsmål (a).................................. 1 Spørgsmål (b).................................. 1 Spørgsmål (c)..................................

Læs mere

N o t e r t i l G e o m e t r i

N o t e r t i l G e o m e t r i N o t e r t i l G e o m e t r i I b M a d s e n o g J o h a n D u p o n t J a n u a r 2 0 0 5 I n s t i t u t f o r M a t e m a t i s k e Fa g D e t N a t u rv i d e n s k a b e l i g e Fa k u l t e t

Læs mere

Matematisk modellering og numeriske metoder. Lektion 8

Matematisk modellering og numeriske metoder. Lektion 8 Matematisk modellering og numeriske metoder Lektion 8 Morten Grud Rasmussen 18. oktober 216 1 Fourierrækker 1.1 Periodiske funktioner Definition 1.1 (Periodiske funktioner). En periodisk funktion f er

Læs mere

DesignMat Uge 11 Lineære afbildninger

DesignMat Uge 11 Lineære afbildninger DesignMat Uge Lineære afbildninger Preben Alsholm Forår 008 Lineære afbildninger. Definition Definition Lad V og W være vektorrum over samme skalarlegeme L (altså enten R eller C for begge). Afbildningen

Læs mere

Lineær Algebra - Beviser

Lineær Algebra - Beviser Lineær Algebra - Beviser Mads Friis 8 oktober 213 1 Lineære afbildninger Jeg vil i denne note forsøge at give et indblik i, hvor kraftfuldt et værktøj matrix-algebra kan være i analyse af lineære funktioner

Læs mere

Nøgleord og begreber. Definition 15.1 Den lineære 1. ordens differentialligning er

Nøgleord og begreber. Definition 15.1 Den lineære 1. ordens differentialligning er Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 15, 16, 17 Nøgleord og begreber 1. ordens lineær ligning Løsningsmetode August 2002, opgave 7 1. ordens lineært system Løsning ved egenvektor Lille opgave Stor opgave

Læs mere

Konvekse mængder. Erik Christensen. 6. januar 2003

Konvekse mængder. Erik Christensen. 6. januar 2003 Konvekse mængder Erik Christensen 6. januar 2003 Indholdsfortegnelse Afsnit 0 ELEMENTÆRE DEFINITIONER OG DET FUNDAMENTALE RESULTAT, 4 Afsnit 1 REPETITION, AFSTANDSMÅLET I Rn OG LINEÆRE AFBILDNINGER, 9

Læs mere

DesignMat Uge 2. Preben Alsholm. Efterår Lineære afbildninger. Preben Alsholm. Lineære afbildninger. Eksempel 2 på lineær.

DesignMat Uge 2. Preben Alsholm. Efterår Lineære afbildninger. Preben Alsholm. Lineære afbildninger. Eksempel 2 på lineær. er DesignMat Uge 2 er er lineær lineær lineær lineære er I smatrix lineære er II smatrix I smatrix II Efterår 2010 Lad V og W være vektorrum over samme skalarlegeme L (altså enten R eller C for begge).

Læs mere

Oversigt [LA] 1, 2, 3, [S] 9.1-3

Oversigt [LA] 1, 2, 3, [S] 9.1-3 Oversigt [LA], 2, 3, [S] 9.-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis

Læs mere

1 Punktmængdetopologi. metriske rum, fuldstændighed

1 Punktmængdetopologi. metriske rum, fuldstændighed Punktmængdetopologi, metriske rum, fuldstændighed Morten Grud Rasmussen 23. november 2015 1 Punktmængdetopologi I algebra beskæftiger man sig bl.a. med abstrakte strukturer, hvori forskellige regneoperationer

Læs mere

Symmetriske matricer

Symmetriske matricer Symmetriske matricer Preben Alsholm 17. november 008 1 Symmetriske matricer 1.1 Definitioner Definitioner En kvadratisk matrix A = a ij kaldes symmetrisk, hvis aij = a ji for alle i og j. Altså hvis A

Læs mere

DesignMat. Preben Alsholm. September Egenværdier og Egenvektorer. Preben Alsholm. Egenværdier og Egenvektorer

DesignMat. Preben Alsholm. September Egenværdier og Egenvektorer. Preben Alsholm. Egenværdier og Egenvektorer DesignMat September 2008 fortsat Eksempel : et Eksempel 4 () af I II uden I Lad V være et vektorrum over L (enten R eller C). fortsat Eksempel : et Eksempel 4 () af I II uden I Lad V være et vektorrum

Læs mere

Nøgleord og begreber Separable ligninger 1. ordens lineær ligning August 2002, opgave 7 Rovdyr-Byttedyr system 1. ordens lineært system Opgave

Nøgleord og begreber Separable ligninger 1. ordens lineær ligning August 2002, opgave 7 Rovdyr-Byttedyr system 1. ordens lineært system Opgave Oversigt [S] 7.3, 7.4, 7.5, 7.6; [LA] 14, 15 Nøgleord og begreber Separable ligninger 1. ordens lineær ligning August 2002, opgave 7 Rovdyr-Byttedyr system 1. ordens lineært system Opgave Calculus 2-2005

Læs mere

Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige

Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige længde: z = 1 n hvor z i = xi 2 + yi 2. n z i = 1 n i=1 n i=1 x 2 i + y 2 i Indfør tabellen samt vægtene Da er a k = #{i

Læs mere

Konvekse mængder. Erik Christensen

Konvekse mængder. Erik Christensen Konvekse mængder Erik Christensen Indholdsfortegnelse Afsnit 0 ELEMENTÆRE DEFINITIONER OG DET FUNDAMENTALE RESULTAT, 4 Afsnit 1 REPETITION, AFSTANDSMÅLET I Rn OG LINEÆRE AFBILDNINGER, 9 Afsnit 2 AFFINE

Læs mere

Lineære 1. ordens differentialligningssystemer

Lineære 1. ordens differentialligningssystemer enote 7 enote 7 Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses Der bruges egenværdier og egenvektorer i løsningsproceduren,

Læs mere

Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 2016

Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 2016 Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 206 Mikkel Findinge http://findinge.com/ Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan.

Læs mere

Funktion af flere variable

Funktion af flere variable Funktion af flere variable Preben Alsholm 6. oktober 2008 1 Funktion af flere variable 1.1 Punktmængder i R k : Definitioner Punktmængder i flerdimensionale rum: Definitioner q Normen af x 2 R k er kxk

Læs mere

Komplekse tal og algebraens fundamentalsætning.

Komplekse tal og algebraens fundamentalsætning. Komplekse tal og algebraens fundamentalsætning. Michael Knudsen 10. oktober 2005 1 Ligningsløsning Lad N = {0,1,2,...} betegne mængden af de naturlige tal og betragt ligningen ax + b = 0, a,b N,a 0. Findes

Læs mere

Lineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable

Lineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable E6 efterår 999 Notat 8 Jørgen Larsen 22. november 999 Lineære normale modeller ) udkast Ved hjælp af lineær algebra kan man formulere og analysere de såkaldte lineære normale modeller meget overskueligt

Læs mere

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål Program Statistik og Sandsynlighedsregning Sandsynlighedstætheder og kontinuerte fordelinger på R Varians og middelværdi Normalfordelingen Susanne Ditlevsen Uge 48, tirsdag Tætheder og fordelingsfunktioner

Læs mere

Archimedes Princip. Frank Nasser. 12. april 2011

Archimedes Princip. Frank Nasser. 12. april 2011 Archimedes Princip Frank Nasser 12. april 2011 c 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk: Dette er

Læs mere

Den Brownske Bevægelse

Den Brownske Bevægelse Den Brownske Bevægelse N.J. Nielsen 1 Notation I dette notesæt vil vi generelt benytte samme notation som i det øvrige undervisningsmateriale i MM23. For ethvert n N betegner B n Borelalgebraen på R, og

Læs mere

Matematisk modellering og numeriske metoder. Lektion 5

Matematisk modellering og numeriske metoder. Lektion 5 Matematisk modellering og numeriske metoder Lektion 5 Morten Grud Rasmussen 19. september, 2013 1 Euler-Cauchy-ligninger [Bogens afsnit 2.5, side 71] 1.1 De tre typer af Euler-Cauchy-ligninger Efter at

Læs mere

Chapter 3. Modulpakke 3: Egenværdier. 3.1 Indledning

Chapter 3. Modulpakke 3: Egenværdier. 3.1 Indledning Chapter 3 Modulpakke 3: Egenværdier 3.1 Indledning En vektor v har som bekendt både størrelse og retning. Hvis man ganger vektoren fra højre på en kvadratisk matrix A bliver resultatet en ny vektor. Hvis

Læs mere

3.1 Baser og dimension

3.1 Baser og dimension SEKTION 3 BASER OG DIMENSION 3 Baser og dimension Definition 3 Lad V være et F-vektorrum Hvis V = {0}, så har V dimension 0 2 Hvis V har en basis bestående af n vektorer, så har V dimension n 3 Hvis V

Læs mere

Fordybelsesprojekt Matematik 2, forår 2005 Potensrækker

Fordybelsesprojekt Matematik 2, forår 2005 Potensrækker Fordybelsesprojekt Matematik 2, forår 2005 Potensrækker Arne Jensen 7. 11. marts 2005 1 Indledning I forbindelse med kurset i Reelle og Komplekse Funktioner afholdes et fordybelsesprojekt med et omfang

Læs mere

Funktionsrum. Kapitel 1. 1.1 Funktionsrummet L = L(X, E, µ)

Funktionsrum. Kapitel 1. 1.1 Funktionsrummet L = L(X, E, µ) Kapitel Funktionsrum. Funktionsrummet L = L(X, E, µ) For et vilkårligt målrum (X,E,µ) er mængdenl=l(x,e,µ) afµ-integrable funktioner f :X R et reelt vektorrum ifølge Theorem 7.3 i [EH]. Hvis vi indfører

Læs mere

Lineære 1. ordens differentialligningssystemer

Lineære 1. ordens differentialligningssystemer enote enote Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses enoten er i forlængelse af enote, der beskriver lineære

Læs mere

MATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 3. fjerdedel

MATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 3. fjerdedel MATEMATIK Eksamensopgaver Juni 995 Juni 200, 3. fjerdedel August 998 Opgave. Lad f : R \ {0} R betegne funktionen givet ved f(x) = ex x for x 0. (a) Find eventuelle lokale maksimums- og minimumspunkter

Læs mere

Sandsynlighedsteori 1.1 Uge 44.

Sandsynlighedsteori 1.1 Uge 44. Institut for Matematiske Fag Aarhus Universitet Den 18. oktober 2004. Sandsynlighedsteori 1.1 Uge 44. Forelæsninger: Vi afslutter foreløbigt den rene mål- og integralteori med at gennemgå afsnittet Produktmål,

Læs mere

8 Regulære flader i R 3

8 Regulære flader i R 3 8 Regulære flader i R 3 Vi skal betragte særligt pæne delmængder S R 3 kaldet flader. I det følgende opfattes S som et topologisk rum i sportopologien, se Definition 5.9. En åben omegn U af p S er således

Læs mere

Oversigt [LA] 11, 12, 13

Oversigt [LA] 11, 12, 13 Oversigt [LA] 11, 12, 13 Nøgleord og begreber Ortogonalt komplement Tømrerprincippet Ortogonal projektion Projektion på 1 vektor Projektion på basis Kortest afstand August 2002, opgave 6 Tømrermester Januar

Læs mere

Analyse 2. Bevis af Fatous lemma (Theorem 9.11) Supplerende opgave 1. Øvelser

Analyse 2. Bevis af Fatous lemma (Theorem 9.11) Supplerende opgave 1. Øvelser Analyse 2 Øvelser Rasmus Sylvester Bryder 24. og 27. september 203 Bevis af Fatous lemma (Theorem 9.) Hvis (u j ) j er en følge af positive, målelige, numeriske funktioner (dvs. med værdier i [, ]) over

Læs mere

Gamle eksamensopgaver (MASO)

Gamle eksamensopgaver (MASO) EO 1 Gamle eksamensopgaver (MASO) Opgave 1. (Vinteren 1990 91, opgave 1) a) Vis, at rækken er divergent. b) Vis, at rækken er konvergent. Opgave 2. (Vinteren 1990 91, opgave 2) Gør rede for at ligningssystemet

Læs mere

Definition. og lœngden, normen. og afstanden mellem vektorer a og b. Der gælder

Definition. og lœngden, normen. og afstanden mellem vektorer a og b. Der gælder Oversigt [LA] 11, 1, 13 Prikprodukt Nøgleord og begreber Ortogonalitet Ortogonalt komplement Tømrerprincippet Ortogonal projektion Pythagoras formel Kortest afstand August 00, opgave 6 Cauchy-Schwarz ulighed

Læs mere

p = d, q = multiplikation med x, dx hvor d T θ har entydig (normaliseret) spor, dvs. en linear afbilding τ : T θ C

p = d, q = multiplikation med x, dx hvor d T θ har entydig (normaliseret) spor, dvs. en linear afbilding τ : T θ C 1. Den ikke-kommutative verden 1.1. Lidt historie. Historien begynder samtidig med det tyvende århundrede, med opdagelse af de sære egenskaber af mikrokosmos såsom spektra af atomer og molekyler, fotoelektrisk

Læs mere

Besvarelse, Eksamen Analyse 1, 2013

Besvarelse, Eksamen Analyse 1, 2013 Københavns Universitet Prøve ved Det naturvidenskabelige Fakultet juni 23 Besvarelse, Eksamen Analyse, 23 Opgave Lad, for n N, funktionen f n : [, ) R være givet ved NB. Trykfejl. Burde være x. f n (x)

Læs mere

4.1 Lineære Transformationer

4.1 Lineære Transformationer SEKTION 41 LINEÆRE TRANSFORMATIONER 41 Lineære Transformationer Definition 411 ([L], s 175) Lad V, W være F-vektorrum En lineær transformation L : V W er en afbildning, som respekterer lineær struktur,

Læs mere

Taylors formel. Kapitel Klassiske sætninger i en dimension

Taylors formel. Kapitel Klassiske sætninger i en dimension Kapitel 3 Taylors formel 3.1 Klassiske sætninger i en dimension Sætning 3.1 (Rolles sætning) Lad f : [a, b] R være kontinuert, og antag at f er differentiabel i det åbne interval (a, b). Hvis f (a) = f

Læs mere