Vorlesungsskript

Variationsrechnung
und Sobolevräume

H.D. Alber
Vorbemerkung
Das Dirichletsche Prinzip erlaubt die Lösung von Randwertproblemen zu vielen linea-
ren und nichtlinearen elliptischen partiellen Differentialgleichungen auf die Lösung von
Variationsproblemen zurückzuführen. Ein wichtiges Verfahren zur Lösung dieser Rand-
wertprobleme besteht daher in der Anwendung der “Direkten Methoden der Variations-
rechnung”, und es ist ein wesentliches Ziel der vorliegenden Einführung in die Theorie
der Sobolevräume und in die Variationsrechnung, die Grundlagen für das Studium ellip-
tischer Differentialgleichungen zu legen. Wegen dieser Zielsetzung werden die klassischen
Methoden der Variationsrechnung nur kurz gestreift.
Einen großen Anteil an der Entstehung dieses Skriptums haben Frau M. Tabbert und
Frau E. Schlaf, die den Text in gewohnt vorzüglicher Arbeit mit TEX hergestellt haben.
Ich bedanke mich dafür.

H.D. Alber

2
Inhaltsverzeichnis
1 Einführung, Beispiele für Variationsprobleme, Inhalt der Vorlesung 1
1.1 Das allgemeine Problem der Variationsrechnung . . . . . . . . . . . . . . 1
1.2 Beispiele für Variationsprobleme . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Das Fermatsche Prinzip . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2 Das Brachistochronenproblem . . . . . . . . . . . . . . . . . . . . 3
1.2.3 Systeme von Massenpunkten . . . . . . . . . . . . . . . . . . . . . 5
1.2.4 Dirichletsches Integral . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.5 Hindernisprobleme . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.6 Nichtparametrische Minimalflächen . . . . . . . . . . . . . . . . . 7
1.2.7 Parametrisierte Minimalflächen . . . . . . . . . . . . . . . . . . . 8
1.2.8 Isoperimetrische Ungleichung . . . . . . . . . . . . . . . . . . . . 8
1.3 Klassische und direkte Methoden der Variationsrechnung . . . . . . . . . 9
1.4 Inhalt der Vorlesung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2 Lebesgue- und Sobolevräume 13

2.1 Der Banachraum Lp , Vollständigkeit . . . . . . . . . . . . . . . . . . . . 13
2.1.1 Skalarprodukt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2 Prähilbertraum . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.3 Konvergenz, Cauchyfolgen, Vollständigkeit, . . . . . . . . . . . . 14
2.1.4 Lebesgue-Räume . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
p
2.2 Der Sobolevraum Hm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.1 Schwache Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . 21
p
2.2.2 Sobolevräume Hm (Ω) . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Approximation von Sobolevfunktionen durch glatte Funktionen . . . . . 25
2.3.1 Dirac-Familie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.2 Approximation von Funktionen in Sobolevräumen . . . . . . . . . 29
2.3.3 Überdeckungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.4 Zerlegung der Eins . . . . . . . . . . . . . . . . . . . . . . . . . . 31

3 Klassische Methoden. Eulergleichung und Beispiele. 36

3.1 Die Eulergleichung zum Variationsproblem . . . . . . . . . . . . . . . . . 36
3.2 Spezielle Variationsfunktionale, Beispiele . . . . . . . . . . . . . . . . . . 41
3.2.1 Der Fall f (x, u, ξ) = f (ξ) . . . . . . . . . . . . . . . . . . . . . . 41
3.2.2 Der Fall f (x, u, ξ) = f (x, ξ) . . . . . . . . . . . . . . . . . . . . . 44
3.2.3 Der Fall f (x, u, ξ) = f (u, ξ) . . . . . . . . . . . . . . . . . . . . . 48
3.2.4 Brachistochronenproblem . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.5 Wirtingersche Ungleichung . . . . . . . . . . . . . . . . . . . . . . 51
3.3 Der allgemeine Fall. Das Fermatsche Prinzip . . . . . . . . . . . . . . . . 55

4 Klassische Methoden. Hamilton-Jacobi Theorie 56

4.1 Legendretransformation, Subdifferential . . . . . . . . . . . . . . . . . . . 56
4.2 Hamiltonfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

i
 4.3 Hamiltonsche Differentialgleichungen, kanonische Form der Eulergleichung 64
4.4 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4.1 Das Hamiltonsche Prinzip . . . . . . . . . . . . . . . . . . . . . . 66
4.4.2 Das Fermatsche Prinzip . . . . . . . . . . . . . . . . . . . . . . . 67
4.4.3 Der Fall f (x, u, ξ) = f (ξ) . . . . . . . . . . . . . . . . . . . . . . . 70
4.4.4 Der Fall f (x, u, ξ) = f (x, ξ) . . . . . . . . . . . . . . . . . . . . . 70
4.4.5 Der Fall f (x, u, ξ) = f (u, ξ) . . . . . . . . . . . . . . . . . . . . . 71
4.5 Die Hamilton-Jacobi Gleichung . . . . . . . . . . . . . . . . . . . . . . . 71
4.6 Geometrische Optik und Eikonalgleichung . . . . . . . . . . . . . . . . . 75

5 Schwache Topologie von Banachräumen 78

5.1 Konvexe Mengen in Banachräumen, Trennungssatz . . . . . . . . . . . . 78
5.2 Schwache Topologie, schwache Konvergenz, schwache Folgenkompaktheit 82

6 Konvexe Funktionale 89
6.1 Unterhalbstetige Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.2 Existenz eines Minimums . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.3 Subdifferentiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.3.1 Beispiele für Subdifferentiale. . . . . . . . . . . . . . . . . . . . . 94

7 Direkte Methoden der Variationsrechnung 99

7.1 Konvexe Variationsfunktionale, Existenz eines Minimums . . . . . . . . . 99
7.2 Variationsungleichung zum Variationsfunktional . . . . . . . . . . . . . . 106
7.3 Äquivalenz zwischen Randwertproblemen, Variationsgleichung und Varia-
tionsproblem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
7.3.1 Das Subdifferential . . . . . . . . . . . . . . . . . . . . . . . . . . 108

8 Existenztheorie für das Hindernisproblem bei nichtlinearer Randbedingung.113

8.1 Das Potential beim Hindernisproblem . . . . . . . . . . . . . . . . . . . . 113

ii
1 Einführung, Beispiele für Variationsprobleme, Inhalt der Vor-
lesung
1.1 Das allgemeine Problem der Variationsrechnung Die Variationsrechnung
ist die mathematische Theorie, die sich mit der Lösung des folgenden Grundproblems
befaßt:
Seien n und N natürliche Zahlen, sei Ω ⊆ Rn eine offene Menge und sei

f : Ω × RN × RnN → R

eine stetige Funktion. Einer Funktion

u = (u1 , . . . , uN ) : Ω → RN

werde die reelle Zahl Z

I(u) = f x, u(x), ∇u(x) dx
Ω
zugeordnet. Hierbei sei
 ∂u1 ∂u1

∂x1
(x) ··· ∂xn
(x)
 .. 
∇u(x) =  . 
∂uN ∂uN
∂x1
(x) ··· ∂xn
(x)

die N × n–Matrix der ersten Ableitungen von u , die ich auch als Gradient bezeichnen
werde. I ist also eine Funktion vom Raum der Funktionen u : Ω → RN in die reellen
Zahlen. Man bezeichnet I auch oft als Funktional. Gesucht ist nun eine Funktion u , für
die das Funktional I seinen minimalen Wert annimmt, wobei man oft noch verlangt, daß
u gewisse Nebenbedingungen erfüllt. Beispiele für solche Nebenbedingungen sind zum
Beispiel, daß u zum Raum C1 (Ω) gehören soll, oder daß u am Rand ∂Ω von Ω mit einer
vorgegebenen Funktion u0 übereinstimmen soll.
Man kann das Grundproblem der Variationsrechnung daher auch folgendermaßen for-
mulieren: Sei D eine Menge von ”zulässigen” Funktionen v : Ω → RN . Gesucht ist eine
Funktion u ∈ D mit
I(u) = min I(v) .
v∈D

u heißt Lösung des Variationsproblems.

Ich möchte hier gleich auf die entscheidende Schwierigkeit aufmerksam machen. Die
Menge
{I(v) : v ∈ D}
ist eine Teilmenge der reellen Zahlen. Das Variationsproblem ist lösbar, wenn diese Men-
ge ein Minimum besitzt. Dazu muß sie nach unten beschränkt sein, also müssen das
Funktional I und damit insbesondere die Funktion f und auch die Menge D so vorgege-
ben sein, daß das Infinuum inf I(v) existiert. Natürlich folgt hieraus noch nicht, daß die
v∈D
Bildmenge {I(v) : v ∈ D} auch ein Minimum besitzt, und die gesamte Variationsrech-
nung dreht sich im wesentlichen darum, zu zeigen, daß das Minimum existiert, und eine

1
oder mehrere Funktionen u : Ω → RN zu finden, für die dieses Minimum angenommen
wird.
Zahlreiche Probleme der reinen und angewandten Mathematik und ihren Anwendun-
gen in Physik, Technik, Biologie, Chemie lassen sich auf diese Weise formulieren, und
natürlich ist die Variationsrechnung aus diesen Anwendungen heraus entstanden. Sie ist
ein klassisches Teilgebiet der Mathematik.
Ihre Ursprünge kann man bis zu Zenodor zurückverfolgen, der 200 Jahre vor Chr.
lebte, und der das Problem der Isoperimetrischen Ungleichungen studierte. Fermat stu-
dierte das Problem der Brechung von Lichtstrahlen und entdeckte 1662, daß der Weg des
Lichtes zwischen zwei Punkten derjenige Weg ist, den es in der kürzesten Zeit zurücklegt.
Seither haben viele der besten Mathematiker sich mit Problemen der Variationsrechnung
beschäftigt. Der Name ”Variationsrechnung” für dieses Gebiet stammt von Euler (1707–
1783). Seit dieser Zeit ist die Variationsrechnung ein sehr lebendiges und sich schnell ent-
wickelndes Teilgebiet der Mathematik geblieben. Der Ursprung der Funktionalanalysis
ist mit der Variationsrechnung verknüpft, und heutzutage steht die Variationsrechnung
im engsten Zusammenhang mit der Theorie der partiellen Differentialgleichungen und
der Kontrolltheorie.

1.2 Beispiele für Variationsprobleme Ich will nun eine Reihe von Beispielen für
Variationsprobleme angeben.

1.2.1 Das Fermatsche Prinzip Ein Lichtstrahl verlaufe in der Ebene vom Punkt
(a, α) zum Punkt (b, β) , wobei ich a < b voraussetze. Der vom Ort abhängige Brechungs-
index des Mediums, das der Lichtstrahl durchquert, sei n(x, y) . Der Lichtweg kann dann
durch den Graphen einer Funktion u : [a, b] → R mit u(a) = α , u(b) = β beschrieben
1
werden. Da n(x,y) die Ausbreitungsgeschwindigkeit des Lichtes im Punkt (x, y) ist, ist
die Zeit, die das Licht von (a, α) nach (b, β) braucht, gegeben durch
Z b

p
t= n x, u(x) 1 + u′ (x)2 dx .
a

Unter allen möglichen Wegen von (a, α) nach (b, β) wählt das Licht nun einen solchen,
für den diese Zeit minimal ist. Also gilt für den Lichtweg mit
p
f (x, u, ξ) = n(x, u) 1 + ξ 2 ,
Rb

I(u) = a f x, u(x), u′ (x) dx
und
D = {u ∈ C1 ([a, b], R) : v(a) = α , v(b) = β} ,
daß u ∈ D und
I(u) = min I(v) .
v∈D
Falls die Lösung dieses Variationsproblems eindeutig ist, also falls es nur ein u ∈ D gibt,
für das das Funktional I das Minimum annimmt, kann man durch Lösung des Variations-
problems auch den Lichtweg bestimmen. Andererseits ist durchaus nicht sicher, ob das

2
so formulierte Variationsproblem überhaupt eine Lösung hat. Denn wenn der Lichtstrahl
auf dem Weg von (a, α) nach (b, β) von Luft in Wasser übergeht, dann hat der Licht-
weg an der Wasseroberfläche einen Knick und kann also nicht durch den Graphen einer
Funktion in C1 ([a, b]) dargestellt werden. Man wird also in diesem Fall nicht erwarten,
daß das oben formulierte Variationsproblem lösbar ist. Der Grund ist natürlich, daß der
Brechungsindex sich in diesem Fall nicht stetig ändert, sondern an der Wasseroberfläche
vom kleineren Wert für Luft auf den größeren Wert für Wasser springt. Damit dieses
Variationsproblem lösbar ist, wird man also mindestens voraussetzen müssen, daß der
Brechungsindex n(x, y) eine stetige Funktion ist.
Andererseits gilt das Fermatsche Prinzip auch für den Übergang eines Lichtstrahles
von Luft nach Wasser, und es stellt sich die Frage, ob man das Variationsproblem nicht
auch in diesem Fall lösbar machen kann, indem man einen größeren Raum D zuläßt, der
auch stückweise stetig differenzierbare Funktionen enthält. Dies ist tatsächlich der Fall,
wenn man für D den Sobolevraum H1 ([a, b]) von ”schwach differenzierbaren” Funktionen
zuläßt, und wie sich zeigen wird, ist es vom mathematischen Problem her viel natürlicher,
Lösungen in H1 ([a, b]) zu suchen als in C1 ([a, b]) .

1.2.2 Das Brachistochronenproblem Gesucht ist die Bahn, die ein sich in einer
Ebene bewegender Massenpunkt unter dem Einfluß der Gravitation nehmen nuß, um in
der kürzesten Zeit von einem gegebenen Punkt (a, α) zu einem gegebenen Punkt (b, β)
zu gelangen.
Um das Variationsfunktional zu
6 b (a, α)
.... diesem Problem aufzustellen, sei
....

die gesuchte Bahn durch den Gra-

....
.....
.....
.....
.....

phen der Funktion u : [a, b] → R

......
......
......
.......
........

b (b, β)
.........
gegeben. Auf den Massenpunkt
...........
..............
g ?
...........................................

wirkt die Erdbeschleunigung g in

- vertikaler Richtung.
a b
..
..
..
..
..
...

Z
...
...

Z
...
...

Z
...
...
...
Z
...
...

Z α
...

- Die Bahnbeschleunigung des

...
.....

βZZ
.....
·
...... . ...
...... .. ...
Massenpunktes ist gleich der
.....
......... ............. .........

Z
........
........
.........

Z u Tangentialkomponente g cos β
..........
g
............
s̈(t)
..............

Z
..........

Z
R
· .....
.
....
von g an die Bahn. Wenn s die
Bogenlänge der Bahn zwischen
(a, α) und dem Ort des Massen-
punktes ist, folgt also für den
Massenpunkt zur Zeit t an der
Stelle s(t) :

?

3
 d2 s π

s̈(t) = (t) = g cos β = g cos − α = g sin α
dt2 2
tan α u′ (x)
= g√ = −g p ,
1 + tan2 α 1 + u′ (x)2
wobei x = x(t) die x–Komponente des Ortes des Massenpunktes zur Zeit t ist. Man
beachte nun, daß
d d  ds
 d2 s
dt
ṡ(s) = t(s) = 2 t(s) · (s)
ds ds dt dt ds

1 1
= s̈ t(s) ds
= s̈(s) ,
dt
t(s) ṡ(s)
also
d  d 1

ṡ(s) ṡ(s) = ṡ(s)2 = s̈(s) ,
ds ds 2
und somit ergibt sich für die Bahngeschwindigkeit
Z s Z s
2 2
ṡ(s) = 2 s̈(σ)dσ + ṡ(0) = 2 s̈(σ)ds
0 0
Z s
Z x(s)
−gu′ x(σ)  −gu′ (x) ds
= 2 q
2 dσ = 2 p dx
0 1 + u′ x(σ) 0 1 + u′ (x)2 dx
Z x(s)



= 2g −u′ (x) dx = −2g u x(s) − α = −2g u x(s) .
0

Hierbei sei x(s) die x–Komponente des Massenpunktes. Ich habe benützt, daß die Ge-
schwindigkeit ṡ(0) am Punkt (a, α) verschwindet. Die Vereinfachung im letzten Schritt
ergibt sich, wenn man das Koordinatensystem so wählt, daß α = 0 gilt.
Wenn ℓ die Bogenlänge zwischen (a, α) und (b, β) ist, ergibt sich also für die Laufzeit
T zwischen diesen Punkten
Z ℓ Z ℓ Z ℓ
dt 1 1
T = t(ℓ) − t(0) = (s) ds = ds

ds = ds
0 ds 0 dt t(s) 0 ṡ(s)

Z ℓ Z b Z bs
1 1 ds 1 + u′ (x)2
= q
ds = p dx = dx .
0 −2gu x(s) a −2gu(x) dx a −2gu(x)

Zur Lösung des Brachistochronenproblems setze also m = N = 1 ,

s
1 + ξ2
f (x, u, ξ) =
−2gu

und
D = {v ∈ C1 ([a, b], R) : v(a) = 0 , v(b) = β} .

4
Gesucht ist u ∈ D mit
Z b

I(u) = f x, u(x), u′ (x) dx = min I(v) .
a v∈D

1.2.3 Systeme von Massenpunkten Gegeben seien ℓ Massenpunkte mit den Mas-
sen m1 , . . . , mℓ . Zur Zeit t sei


ui (t) = xi (t), yi (t), zi (t) ∈ R3

der Ort des i–ten Massenpunktes. In der gegebenen Zeit τ bewege sich dieser Punkt
(0) (1)
vom gegebenen Ort ui zum gegebenen Ort ui . In der Zeit zwischen t = 0 und t = τ
bewegen sich dann die Massenpunkte so, daß das Integral
Z Z ℓ
τ
′


τ
1X

T u (t) − U t, u(t) dt = mi |u′i (t)|2 − U t, u(t) dt
0 0 2 i=1

einen Minimalwert annimmt, wobei ich

u(t) = u1 (t), . . . uℓ (t) ∈ R3ℓ


gesetzt habe, U t, u(t) die potentielle Energie des Systems von Massenpunkten zur Zeit
t sei und
ℓ
′

1X
T u (t) = mi |u′i (t)|2
2 i=1
die kinetische Energie bezeichne. In diesem Fall erhält man also ein Variationsproblem
mit n = 1 , N = 3ℓ ,
ℓ
1X
f (t, u, ξ) = mi |ηi |2 − U (t, u) , ξ = (η1 , . . . , ηℓ ) ∈ RN ,
2 i=1

und
D = {u ∈ C1 [0, τ ], RN ) : u(0) = u(0) , u(τ ) = u(1) } .
Gesucht ist u ∈ D mit
Z τ

I(u) = f t, u(t), u′ (t) dt = min I(v) .
0 v∈D

Rτ
Die Aussage, daß sich die Massenpunkte so bewegen, daß 0
T − U dt einen Minimalwert
annimmt, heißt Hamiltonsches Prinzip.

5
1.2.4 Dirichletsches Integral Sei n ≥ 1 , sei Ω ⊆ Rn ein Gebiet mit Rand ∂Ω und
sei u0 : ∂Ω → R eine gegebene Funktion. Gesucht ist eine Funktion u : Ω → R , die am
Rand mit u0 übereinstimmt, und für die das ”Dirichletsche Integral”
Z
1
I(u) = |∇u(x)|2 dx
Ω 2

einen Minimalwert annimmt. Mit N = 1 ,

D = {v ∈ C1 (Ω, R) : v | = u0 }
∂Ω

und
1 2
f (x, u, ξ) = |ξ|
2
ist also u ∈ D gesucht, so daß
Z


I(u) = f ∇u(x) dx = min I(v)
Ω v∈D

gilt.
Dieses Problem hat in der Entwicklung der Variationsrechnung und der Theorie der
partiellen Differentialgleichungen eine entscheidende Rolle gespielt. Es ist ein Modellpro-
blem der Variationsrechnung, weil viele Eigenschaften komplizierterer Variationsproble-
me sich an diesem Problem in einfacher Form studieren lassen. Wie jedem Variations-
problem kann man diesem Problem ein Randwertproblem zu einer gewöhnlichen oder
partiellen Differentialgleichung zuordnen, so daß unter gewissen Zusatzbedingungen die
Lösung des Variationsproblems eine Lösung des Randwertproblems ist. In diesem Fall
ist das Randwertproblem
∆u(x) = 0 in Ω
u|∂Ω = u0 ,
P
wobei ∆ = ni=1 ∂x ∂2
2 der Laplaceoperator ist. Die Gleichung ∆u(x) = 0 heißt Potential-
i
gleichung, weil zum Beispiel das Newtonsche Gravitationspotential und das elektrosta-
tische Potential diese Gleichung erfüllen.
Der erwähnte Zusammenhang zwischen der Variationsrechnung und der Theorie der
partiellen Differentialgleichungen beruht auf dieser Zuordnung von Randwertproblemen
zu Variationsproblemen, weil man durch Lösung des Variationsproblems das Randwert-
problem lösen kann.

1.2.5 Hindernisprobleme In den letzten Jahrzehnten haben Hindernisprobleme in

der Variationsrechnung eine große Rolle gespielt. Ich will an folgendem physikalischen
Beispiel erläutern, worum es sich dabei handelt:
Sei Ω ⊆ R2 ein beschränktes Gebiet, und sei u0 : ∂Ω → R eine gegebene Funktion. Der
Graph dieser Funktion beschreibe einen geschlossenen Drahtbügel. Also sei


x 7→ x, u0 (x) : ∂Ω → R3

6
ein ”Parametrisierung des Drahtbügels”. An diesem Drahtbügel sei eine elastische Mem-
bran befestigt. Außerdem sei eine Funktion ψ : Ω → R gegeben mit

ψ(x) ≤ u0 (x) , x ∈ ∂Ω .

Der Graph dieser Funktion beschreibe die Oberfläche eines Hindernisses, das unter
Umständen in den Bereich der Membran hineinragt und die Membran nach oben drückt.
In gewissen Bereichen liegt die Membran auf dem Hindernis auf. Gesucht ist die Form,
die die Membran annimmt.

......
Membran Das Problem läßt sich in einfacher
... ...
.
...
..
... .....
... ...
...
...
Weise als Variationsproblem for-
mulieren. An der Stelle x ∈ Ω sei
... ...
..... ...
.... ...
...
..
. ...
u(x) die Höhe der Membran über
... ...
..

!! aa
...
. ...
..
.
.
...
..............................

! aa
... .....
der Ebene. Es gilt dann u(x) =
..
.. ..

!!
..
..... .....
..
aa
..... ....
.

!!
...
ψ
.
... ...

b!
.....
a
ab u0 (x) für x ∈ ∂Ω . Die potenti-
.....
..... ......
...
........
. ......
.......
......
. ........
elle Energie V (u) der elastischen
.
...
. ............
...
...
...
...
........
. ................
....... ................
................ .

Membran ist
Ω
Z
1
I(u) = |∇u(x)|2 dx .
Ω 2
Die Membran nimmt diejenige Form an, bei der diese potentielle Energie minimal ist.
Natürlich ist die Menge der möglichen Formen, die die Membran annehmen kann, von
der Hindernisoberfläche mitbestimmt, und man erhält folgendes Variationsproblem: Sei

D : {v ∈ C1 (Ω, R) : v | = u0 und v(x) ≥ ψ(x) für alle x ∈ Ω} .

∂Ω

Gesucht ist u ∈ D mit

I(u) = min I(v) .
v∈D

Vom vorangehenden Beispiel 1.2.4 unterscheidet sich dieses Problem nur durch die andere
Wahl der Menge D von zulässigen Vergleichsfunktionen. Die jetzige Menge D ist kleiner
als die Menge vom Beispiel 1.2.4.

1.2.6 Nichtparametrische Minimalflächen Das Minimalflächenproblem ist

berühmt, und die Theorie zu diesem Problem hat sich in den letzten Jahren schnell
entwickelt und eine große Anziehungskraft ausgeübt. In seiner einfachsten Form geht es
darum, zu einer gegebenen geschlossenen Kurve im R3 eine Fläche mit der gegebenen
Kurve als Rand zu finden, die den kleinsten Flächeninhalt hat. Die genaue Formulierung
des Problems hängt davon ab, was für Flächen man zuläßt. Ich will das Problem erst
für Flächen formulieren, die als Graph einer Funktion dargestellt werden können.
Wie im vorangehenden Beispiel sei Ω ⊆ R2 ein Gebiet, u0 : ∂Ω → R eine Funktion,
und

x 7→ u, u0 (x) : ∂Ω → R3

7
die Parametrisierung einer geschlossenen Kurve. Man stelle sich unter dieser Kurve einen
Drahtbügel vor. Taucht man diesen Drahtbügel in Seifenwasser, dann spannt sich eine
Seifenhaut zwischen diesem Drahtbügel aus, die unter allen möglichen Flächen mit dem-
selben Rand den kleinsten Flächeninhalt hat. Ich nehme an, daß diese Fläche als Graph
einer Funktion u : Ω → R beschrieben werden kann. Es gilt dann u| = u0 . Der
∂Ω
Flächeninhalt dieser Fläche ist
Z p
I(u) = 1 + |∇u(x)|2 dx .
Ω

Sei D = {v ∈ C1 (Ω, R) : v | = u0 } . In diesem Variationsproblem ist also u ∈ D gesucht

∂Ω
mit Z p
I(u) = 1 + |∇u(x)|2 dx = min I(v) .
Ω v∈D

1.2.7 Parametrisierte Minimalflächen Nicht jede Fläche kann als Graph einer
Funktion dargestellt werden, und deswegen muß man im allgemeinen Fall mit Mini-
malflächen, die Mannigfaltigkeiten sind, arbeiten. Ich nehme der Einfachheit halber an,
daß Σ eine Minimalfäche sei, die durch eine einzige Karte u : Ω → Σ ⊆ R3 parametrisiert
werden kann, wobei Ω ⊆ R2 eine offene Menge sei. Sei also

Σ = {u(x, y) ∈ R3 : (x, y) ∈ Ω} .

Hierbei habe ich Σ mit der Bildmenge von u identifiziert. Der Flächeninhalt von Σ ist
Z
I(u) = |ux (x, y) × uy (x, y)| d(x, y) ,
Ω

∂ ∂
wobei ux × uy das Vektorprodukt der Tangentialvektoren ux = ∂x u und uy = ∂y
u sei.
3
Sei u0 : ∂Ω → R eine Parametrisierung der Randkurve von Σ , und sei

D = {v ∈ C1 (Ω, R3 ) : v | = u0 } .
∂Ω

In diesem Variationsproblem ist u ∈ D gesucht, so daß

Z
I(u) = |ux × uy | d(x, y) = min I(v)
Ω v∈D

1.2.8 Isoperimetrische Ungleichung In der isoperimetrischen Ungleichung für ebe-

ne Gebiete wird die Länge der Randkurve des Gebietes mit dem Flächeninhalt des Ge-
bietes verglichen. Genau lautet das Problem folgendermaßen: Sei Ω ⊆ R2 eine offene
beschränkte Menge, deren Rand ∂Ω eine einfach geschlossene, ”hinreichend reguläre”
Kurve ist. Wenn L(∂Ω) die Länge der Randkurve und meas (Ω) das Lebesguemaß von
Ω ist, dann gilt nach der Isoperimetrischen Ungleichung

2
L(∂Ω) ≥ 4π meas (Ω) ,

8
und Gleichheit tritt in dieser Ungleichung genau dann ein, wenn Ω ein Kreis ist. Mit
den Methoden der Variationsrechnung kann diese Ungleichung bewiesen werden. Dazu
muß die Aussage im Rahmen, der in Abschnitt 1.1 angegeben wurde, formuliert werden.
Hierzu sei u : [a, b] → R2 eine Parametrisierung von ∂Ω . Nach dem Gaußschen Satz gilt
Z Z  
1 ∂ ∂
meas Ω = dy = y1 + y2 d(y1 , y2 )
Ω 2 Ω ∂y1 ∂y2
Z Z
1 1
= (div y) dy = n(y) · y dsy
2 Ω 2 ∂Ω
Z  ′   
1 b 1 u2 (x) u1 (x) p ′
= p · u1 (x)2 + u′2 (x)2 dx
2 a u′1 (x)2 + u′2 (x)2 −u′1 (x) u2 (x)
Z
1 b

= u1 (x)u′2 (x) − u2 (x)u′1 (x) dx .
2 a
Außerdem gilt Z bp
L(∂Ω) = u′1 (x)2 + u′2 (x)2 dx .
a
Für A > 0 sei also
Z b
2
D(A) = {v ∈ C1 [a, b], R ) : v(a) = v(b) und (v1 v2′ − v2 v1′ )dx = 2A}
a

und sei Z bp
I(v) = v1′ (x)2 + v2′ (x)2 dx .
a

Gesucht ist u ∈ D(A) mit

I(u) = min I(v) .
v∈D(A)
√
Weiterhin muß gezeigt werden, daß I(u) = 4πA , daß das Minimum u eindeutig ist,
und daß u die Parametrisierung eines Kreises ist.

1.3 Klassische und direkte Methoden der Variationsrechnung Das Problem

der Variationsrechnung besteht darin, das Minimum eines Funktionals auf einer Teil-
menge eines Funktionenraumes zu finden, der normalerweise unendlichdimensional ist.
Aus der Infinitesimalrechung ist das Problem wohlbekannt, das Minimum einer reell-
wertigen Funktion auf einer Teilmenge des Rm zu finden. Gegenüber diesem Problem
ergeben sich in den Minimumproblemen der Variationsrechnung neue Schwierigkeiten,
die hauptsächlich in der Unendlichdimensionalität des Definitionsbereiches des Funktio-
nals begründet sind.
Grundsätzlich jedoch kann man zur Lösung von Variationsproblemen genauso vorge-
hen wie im Problem, das Minimum einer Funktion auf einer Teilmenge des Rm zu finden.
Deswegen will ich die Lösungswege zu diesem Problem kurz besprechen:

9
 Eine Möglichkeit, das Minimum einer Funktion f : U ⊆ Rm → R zu finden, besteht
darin, die stationären Punkte von f zu bestimmen, das heißt die Punkte x ∈ U mit

∇f (x) = 0 .

Durch Studium der höheren Ableitungen von f in den stationären Punkten können dann
Kriterien gefunden werden, mit denen man entscheiden kann, ob ein stationärer Punkt
von f auch ein Minimum von f ist oder nicht. Die zweite Methode ist, f direkt zu
minimieren: Man wählt eine Minimalfolge aus, das heißt eine Folge {xn }∞
n=1 mit xn ∈ U
und
lim f (xn ) = inf f (x) .
n→∞ x∈U

Dann muß gezeigt werden, daß {xn }∞

n=1eine in U konvergente Teilfolge besitzt. Hierzu
benötigt man Kompaktheitskriterien. Nach dem Satz von Bolzano-Weierstraß genügt es
zum Beispiel, daß {xn }∞
n=1 eine beschränkte Folge ist und U abgeschlossen ist, um eine
konvergente Teilfolge {xnℓ }∞
ℓ=1 auswählen zu können. Wenn f stetig ist, gilt dann für
den Grenzwert x0 dieser Folge

f (x0 ) = f ( lim xnℓ ) = lim f (xnℓ ) = inf f (x) ,

ℓ→∞ ℓ→∞ x∈U

also ist x0 eine Minimalstelle von f .

Auch in der Variationsrechnung werden beide Methoden angewandt. Die erste Metho-
de wurde in der Entstehung der Variationsrechnung zuerst entwickelt und heißt daher
auch klassische Methode der Variationsrechnung. Die Gleichung ∇f (x) = 0 wird dabei
ersetzt durch die gewöhnliche oder partielle Differentialgleichung
Xn
∂ 


fξi x, u(x), ∇u(x) = fu x, u(x), ∇u(x) , x ∈ Ω,
i=1
∂xi

die als notwendige Bedingung von jeder Lösung u des Variationsproblems erfüllt werden
muß, die zu C2 (Ω) gehört, und die Eulersche Differentialgleichung genannt wird. Zu die-
ser Differentialgleichung kommen in der Regel noch weitere Bedingungen hinzu, die die
Lösung des Variationsproblems erfüllen muß und die durch die Wahl des Raumes D der
zulässigen Vergleichsfunktionen bestimmt ist. Häufig tritt als Bedingung zum Beispiel
auf, daß die Lösung u am Rande ∂Ω mit einer vorgegebenen Funktion übereinstimmen
muß:
u| = u0 .
∂Ω
Diese beiden Bedingungen zusammen bilden ein Randwertproblem für die Eulersche
Differentialgleichung, und jede Lösung u ∈ C2 (Ω) des Variationsproblems, also jedes
zweimal stetig differenzierbare Minimum des Variationsfunktionales muß dieses Rand-
wertproblem erfüllen. Genau wie im Fall einer Funktion auf dem Rn ist es aber nicht
sicher, ob eine Lösung dieses Randwertproblems auch ein Minimum des Variationsfunk-
tionales ist. Analog zu den Kriterien für Funktionen im Rn , die garantieren, daß ein
stationärer Punkt auch ein Minimum der Funktion ist, und die man durch Untersu-
chung der höheren Ableitungen von f erhält, sind in der Variationsrechnung eine ganze

10
Reihe verschiedener Kriterien entwickelt worden, die garantieren, daß eine Lösung des
Randwertproblems zur Eulerschen Differentialgleichung auch ein Minimum des Variati-
onsfunktionales ist. Solche Kriterien sind hauptsächlich für den Fall n = 1 aufgestellt
worden. Dazu gehören die Theorie der Felder und die Kriterien von Jacobi, Weierstraß,
Zermelo, Legendre und andere.
Abgesehen davon, daß diese Kriterien häufig schwer nachzuprüfen sind, bestehen die
Probleme der klassischen Methode der Variationsrechnung darin, daß man von einem
Minimum des Funktionals verlangt, daß es zweimal stetig differenzierbar sein soll, und
daß man das Minimum dann als Lösung eines Randwertproblems für eine Differenti-
algleichung zweiter Ordnung bestimmt. Minima von Variationsfunktionalen sind aber
häufig gar nicht zweimal stetig differenzierbar, und überdies ist die Lösung eines Rand-
wertproblems für eine Differentialgleichung zweiter Ordnung oft eine schwierige Aufgabe.
Wie man heute weiß, führt man auf diese Weise in vielen Fällen ein leichter zu lösendes
Problem auf ein schwieriger zu lösendes ”zurück”.
Beginnend mit Hilbert sind daher seit der Jahrhundertwende die direkten Methoden
der Variationsrechnung entwickelt worden, die dem oben besprochenen zweiten Zugang
zur Auffindung von Minima von Funktionen auf dem Rn entsprechen. Man versucht, ein
Minimum des Variationsfunktionales dadurch zu bestimmen, daß man aus einer Mini-
malfolge zum Variationsfunktional eine konvergente Teilfolge aussucht. Die Schwierigkeit
ist nun, daß man für den Fall von unendlichdimensionalen Funktionenräumen kein so
einfaches Kompaktheitskriterium zur Verfügung hat wie das von Bolzano-Weierstraß
im endlichdimensionalen Fall. Aus diesem Grund arbeitet man mit Hilbert- und Ba-
nachräumen, und daher speziell mit Sobolevräumen. Allgemein wendet man Methoden
der Funktionalanalysis an und ersetzt das Bolzano-Weierstraßsche Kompaktheitskrite-
rium durch verschiedene Kompaktheitskriterien aus dieser Theorie. Dazu gehört der
Kompaktheitssatz von Rellich für Sobolevräume oder die schwache Kompaktheit der
Einheitskugel des Dualraumes eines Banachraumes. Wie erwähnt, hat die Funktional-
analysis ihren Ursprung in der Theorie der Hilberträume, die Hilbert gerade für den
Zweck entwickelt hat, spezielle Variationsfunktionale, und insbesondere das Dirichlet-
sche Integral, zu minimieren.

1.4 Inhalt der Vorlesung Mein Interesse in dieser Vorlesung gilt mehr den modernen
direkten Methoden als den klassischen. Die direkten Methoden spielen heute eine große
Rolle in der Mathematik. Ich habe schon angedeutet, daß man heute zur Lösung von
Randwertproblemen zu elliptischen partiellen Differentialgleichungen den umgekehrten
Weg geht wie in der klassischen Methode der Variationsrechnung: Zu einer gegebenen
elliptischen partiellen Differentialgleichung sucht man ein Variationsfunktional, dessen
Eulergleichung gerade die gegebene elliptische Differentialgleichung ist. Dann löst man
das Variationsproblem mit direkten Methoden. Das Minimum des Variationsfunktionals
löst dann gleichzeitig auch die gegebene elliptische Differentialgleichung. Mein Ziel mit
dieser Vorlesung ist daher auch auf die Theorie der elliptischen Differentialgleichungen
vorzubereiten, die ich im nächsten Semester in einer Vorlesung behandeln möchte.
Ich habe schon erwähnt, daß die Theorie der Sobolevräume für die direkten Methoden

11
der Variationsrechnung und für die moderne Theorie der partiellen Differentialgleichun-
gen eine zentrale Rolle spielt. Wie im Titel meiner Vorlesung angekündigt, möchte ich
daher in den beiden anschließenden Kapiteln eine recht ausführliche Einführung in die
Theorie der Lp – und Sobolevräume geben. Daraufhin will ich die klassischen Metho-
den der Variationsrechnung behandeln, mich dabei aber kurz fassen. Behandeln möchte
ich dabei aber den Formalismus von Hamilton-Jacobi. Für die direkten Methoden der
Variationsrechnung braucht man Kompaktheitskriterien. Eine große Rolle spielt dabei
die Kompaktheit der Einheitskugel des Dualraumes eines Banachraumes bezüglich der
schwachen Topologie. Zur Vorbereitung auf die direkten Methoden werde ich daher im
sechsten Kapitel die schwache Topologie und im siebten konvexe Funktionale auf Hilber-
träumen behandeln. Die Ergebnisse dieser beiden Kapitel werde ich im achten Kapitel
bei der Behandlung der direkten Methoden der Variationsrechnung anwenden.

12
2 Lebesgue- und Sobolevräume
2.1 Der Banachraum Lp , Vollständigkeit

2.1.1 Skalarprodukt Sei V ein Vektorraum über K = R oder C . Eine Abbildung

(·, ·) : V × V → K heißt Skalarprodukt, falls gilt:

(i) Für alle x, y ∈ V : (x, y) = (y, x)

(ii) Für alle λ ∈ K , x, y ∈ V : (λx, y) = λ(x, y)
(iii) Für alle x1 , x2 , y ∈ V : (x1 + x2 , y) = (x1 , y) + (x2 , y) .
(iv) (x, x) ≥ 0 , (x, x) = 0 ⇐⇒ x = 0 .

Aus (i) und (ii) zusammen folgt

(x, λy) = (λy, x) = λ(y, x) = λ (y, x) = λ(x, y)

und aus (i) und (iii) folgt

(x, y1 + y2 ) = (y1 + y2 , x) = (y1 , x) + (y2 , x) = (y1 , x) + (y2 , x)

= (x, y1 ) + (x, y2 ) ,

also ist das Skalarprodukt linear im ersten und antilinear im zweiten Argument.

Lemma 2.1 Sei (·, ·) ein Skalarprodukt auf einem Vektorraum V . Dann gilt für alle
x, y ∈ V

(i) |(x, y)| ≤ (x, x)1/2 (y, y)1/2 (Cauchy-Schwarzsche Ungleichung)

(ii) (x + y , x + y)1/2 ≤ (x, x)1/2 + (y, y)1/2 (Dreiecksungleichung)

(iii) (x + y , x + y) + (x − y , x − y) = 2 (x, x) + (y, y)

(Parallelogrammgleichung)

Beweis: (i) Sei (x, x) + (y, y) > 0 . O.b.d.A. nehmen wir an, daß (y, y) > 0 ist. Setze
z = (y,y)y 1/2 . Dann folgt



0 ≤ x − (x, z)z , x − (x, z)z = (x, x) − (x, z)z, x



− x, (x, z)z + (x, z)z , (x, z)z

= (x, x) − (x, z)(x, z) − (x, z)(x, z) + (x, z)(x, z)(z, z)

 y y 
2 2
= (x, x) − 2|(x, z)| + |(x, z)| ,
(y, y)1/2 (y, y)1/2
= (x, x) − |(x, z)|2 ,

13
also
|(x, z)|2 ≤ (x, x) ,
oder
1
|(x, z)|2 ≤ (x, x) ,
(y, y)
somit |(x, y)|2 ≤ (x, x)(y, y) . Dies ist (i).

(ii) Aus (i) folgt

(x + y , x + y) = (x, x) + (x, y) + (y, x) + (y, y)

≤ (x, x) + 2(x, x)1/2 (y, y)1/2 + (y, y)
 2
= (x, x)1/2 + (y, y)1/2 .

(iii) (x + y , x + y) + (x − y , x − y)
= (x, x) + 2 Re (x, y) + (y, y) + (x, x) − 2 Re (x, y) + (y, y)


= 2 (x, x) + (y, y) .

2.1.2 Prähilbertraum Auf dem Vektorraum V sei ein Skalarprodukt (·, ·) :

V × V → K erklärt. Dann wird durch

kxk := (x, x)1/2

eine Norm auf V erklärt. Denn aus 2.1 (ii), (iv) und 2.2 (ii) folgt
(i) kxk ≥ 0 , kxk = 0 ⇐⇒ x = 0
(ii) kλxk = |λ| kxk
(iii) kx + yk = (x + y , x + y)1/2 ≤ (x, x)1/2 + (y, y)1/2 = kxk + kyk .
Mit dieser Norm wird V zum normierten Raum. Dieser normierte Raum zusammen mit
dem Skalarprodukt heißt Prähilbertraum.

2.1.3
 Konvergenz, Cauchyfolgen, Vollständigkeit,  Sei V ein normierter Raum,
∞ ∞
xn n=1 ⊆ V eine Folge, x0 ∈ V . Dann heißt die Folge xn n=1 konvergent gegen x0 ,
wenn
lim kxn − x0 k = 0 .
n→∞
 ∞
xn n=1 heißt Cauchyfolge, wenn zu jedem ε > 0 ein n0 ∈ N existiert mit

kxn − xm k < ε

für alle n, m ≥ n0 .
Jede konvergente Folge ist eine Cauchyfolge. Ein Raum, in dem jede Cauchyfolge
konvergiert, heißt vollständig. Ein vollständiger normierter Raum heißt Banachraum.
Ein vollständiger Prähilbertraum heißt Hilbertraum.

14
2.1.4 Lebesgue-Räume Sei M ⊆ Rn eine meßbare Menge, und sei µ das Lebesgue-
Maß auf Rn Sei 1 ≤ p < ∞ und sei Lp (M, µ, K) (kürzer: Lp (M ) ) die Menge aller
µ–meßbaren Funktionen f : M → K mit
Z Z
p
|f | dµ = |f (x)|p dµ(x) < ∞ .
M M

Lp (M, µ, K) ist ein Vektorraum über K . Setze

Z 1/p
kf kp = |f |p dµ .
M

Für p = ∞ sei L∞ (M, µ, K) die Menge aller µ–meßbaren Funktionen

f : M → K mit

kf k∞ = ess sup |f | := inf sup |f (x)| < ∞ .

M µ(N )=0 x∈M \N

Auch L∞ (M, µ, K) ist ein Vektorraum über K . Da abzählbare Vereinigungen von Null-
mengen wieder Nullmengen sind, gibt es dann eine µ–Nullmenge N , so daß

kf k∞ = sup |f (x)| .
x∈M \N

Beachte, daß k · kp keine Norm ist auf Lp (M, µ, K) , weil kf kp = 0 ist für alle f , die nur
auf einer µ–Nullmenge von Null verschieden sind. Aus kf kp = 0 folgt also nicht f = 0 .
Andererseits gilt für 1 ≤ p < ∞ und für alle n ∈ N
1h  1
i1/p
kf kp ≥ µ x ∈ M |f (x)| ≥ .
n n
Aus kf kp = 0 folgt also
 1

µ x ∈ M |f (x)| ≥ =0
n
für alle n ∈ N , somit


[
∞
 1 
µ x ∈ M |f (x)| > 0 = µ x ∈ M |f (x)| ≥
n=1
n
[m
 1 
= lim µ x ∈ M |f (x)| ≥
m→∞
n=1
n
 1 
= lim µ x ∈ M |f (x)| ≥ = lim 0 = 0 .
m→∞ m m→∞

Also folgt für 1 ≤ p < ∞

kf kp = 0 ⇐⇒ f = 0 µ – fast überall.

15
Diese Relation gilt auch für p = ∞ . Dann wenn kf k∞ = 0 ist, gibt es eine Nullmenge
N mit
0 = kf k∞ = sup |f (x)| .
x∈M \N

Mit dieser Relation können wir nun einen normierten Raum folgendermaßen definieren:
Für 1 ≤ p ≤ ∞ sei Lp (M, µ, K) (kürzer: Lp (M ) ) die Menge aller Äquivalenzklassen in
Lp (M, µ, K) zur Äquivalenzrelation

f ∼ g ⇐⇒ f = g µ – fast überall.

Auf Lp (M ) werden die Vektorraumoperationen folgendermaßen erklärt: Seien [f ], [g] ∈

Lp (M ) Äquivalenzklassen zu den Repräsentanten f und g . Setze

[f ] + [g] = [f + g]
λ[f ] = [λf ] , λ∈K.

Hiermit wird Lp (M, µ, K) zum Vektorraum über K . Außerdem setze

Z 1/p
p
k[f ]kp := kf kp = |f | dµ .
M

k · kp : Lp (M ) → [0, ∞] ist eine sinnvoll definierte Funktion, weil kf kp = kgkp gilt für
alle f, g ∈ Lp (M ) mit [f ] = [g] .
Außerdem gilt nun

k[f ]kp = 0 ⇐⇒ kf kp = 0 ⇐⇒ f = 0 µ – fast überall.

⇐⇒ f ∼ 0 ⇐⇒ [f ] = [0] .

Daß k · kp : Lp (M ) → [0, ∞] auch die anderen Eigenschaften einer Norm hat, werden
wir unten zeigen. Für L∞ (M, µ, K) ist dies jedoch offensichtlich. Also ist L∞ (M, µ, K)
ein normierter Raum.
Zur Vereinfachung der Schreibweise läßt man überlicherweise die Klammern in [f ] weg
und benutzt für die Äquivalenzklasse und ihren Repräsentanten dasselbe Zeichen.

Lemma 2.2 (Vollständigkeit von L∞ ) L∞ (M, µ, K) ist vollständig, also ist

L∞ (M, µ, K) ein Banachraum.
 ∞
Beweis: Sei fk k=1 eine Cauchy-Folge in L∞ (M, µ, K). Dann gibt es zu jedem n ∈ N
ein k0 (n) mit
1
kfk − fl kµ ≤ , kfk k∞ ≤ C < ∞
n
für alle k, l ≥ k0 , also gibt es für alle k, l ≥ k0 eine Nullmenge N (l, k) mit
1
sup |fk (x) − fl (x)| = kfk − fl k∞ ≤ , sup |fk (x)| ≤ C ,
x∈M \N (l,k) n x∈M \N (l,k)

16
also
1
(∗) sup |fk (x) − fl (x)| ≤ , sup |fk (x)| ≤ C
x∈M \N n x∈M \N

für alle n ∈ N und alle k, l ≥ k0 (n) , mit

[
N (n) = N (l, k) l, k ≥ k0 (n)
∞
[
N = N (n) .
n=1

N ist eine Nullmenge als abzählbare Vereinigung von Nullmengen. Also ist insbesondere
 ∞
fk (x) k=1 eine Cauchyfolge in K für alle x ∈ M \N . Da K vollständig ist, hat diese
Folge einen Grenzwert f (x) , und es gilt für alle x ∈ M \N

|f (x)| = |f (x) − fk (x) + fk (x)|

= lim |f (x) − fk (x) + fk (x)|
k→∞

≤ lim |f (x) − fk (x)| + lim |fk (x)| ≤ lim C = C ,

k→∞
| {z } k→∞ k→∞
=0

wegen (∗). Definiert man F auf N durch

f (x) = 0 , x∈N,

dann ist also f beschränkt und meßbar, also f ∈ L∞ (m, µ, K) . Weiter folgt aus (∗) für
alle x ∈ M \N

|f (x) − fk (x)| = lim |f (x) − fl (x) + fl (x) − fk (x)|

l→∞

≤ lim |f (x) − fl (x)| + lim |fl (x) − fk (x)|

l→∞ l→∞

1 1
≤ lim |fl (x) − fk (x)| ≤ lim = ,
l→∞ l→∞ n n
für alle k ≥ k0 , also
1
kf − fk k∞ ≤ sup |f (x) − fk (x)| ≤ ,
x∈M \N n

k ≥ k0 . Hieraus folgt limk→∞ fk = f in L∞ (M, µ, K) , also ist dieser Raum vollständig.

1 1
Lemma 2.3 (Höldersche Ungleichung) Seien p, q ∈ [1, ∞] mit p
+ q
= 1 . Ist dann
f ∈ Lp (M ) und g ∈ Lq (M ) , dann ist f g ∈ L1 (M ) und

kf gk1 ≤ kf kp kgkq .

17
Beweis: f g ist meßbar als Produkt meßbarer Funktionen. Für p = 1 ist q = ∞ , also
|(f g)(x)| = |f (x)g(x)| ≤ kgk∞ |f (x)|
für fast alle x ∈ M , also ist |f g| fast überall durch eine integrierbare Funktion be-
schränkt, also ist f g ∈ L1 (M ) . Weiter folgt
Z Z
|f (x)g(x)|dµ(x) ≤ kgk∞ |f (x)|dµ(x) = kgk∞ kf k1 ,
M M

und dies ist die Höldersche Ungleichung.

Die Behauptung ist auch klar für kf kp = 0 oder kgkq = 0 , weil dann f (x) g(x) = 0
fast überall. Sei also 1 < p < ∞ und kf kp > 0 und kgkq > 0 . Für a, b ≥ 0 gilt
1 1
ab ≤ ap + bq (Youngsche Ungleichung).
p q
Für ab = 0 ist diese Ungleichung trivial. Zum Beweis für a > 0 und b > 0 bilde man den
Logarithmus
p q
log ab = log a + log b = log a + log b
p q
1 1 1 1 
= log ap + log bq ≤ log ap + bq .
p q p q
Die letzte Ungleichung gilt wegen der Konkavität des Logarithmus. Denn wegen p1 + 1q = 1
ist p1 log ap + 1q log bq der in der Skizze eingezeichnete Wert auf der Sehne
..............
6
.....................
.................
log( p1 ap 1 a ............
+ q b............)......................................
.........r.....
...................
.......... ..............
......... .
r ........ ...............
........
........ ...............
1 1
...
log ap + log bq
... r
.
...
....... .
...........
.
....... ........
.......
....... ...............
.
p q
...... ........
..........................
....................
............
r
......
.....
.....
log .
.....
..
......
.
.....
....
1 p
pa + 1q bq
r -
ap bp
|f (x)| |g(x)|
Nun setze man a = kf kp
,b= kgkq
. Es folgt

|f (x) g(x)| |f (x)|p |g(x)|q

≤ + .
kf kp kgkq pkf kpp qkgkqq
Die rechte Seite ist integrierbar, also auch die linke, und es folgt
R R R
|f g|dµ 1 |f |p dµ 1 |g|q dµ
≤ +
kf kp kgkq p kf kpp q kgkqq
1 kf kpp 1 kgkqq 1 1
= p + q = + = 1.
p kf kp q kgkq p q

18
Lemma 2.4 (Minkowski-Ungleichung) Sei 1 ≤ p ≤ ∞ . Sind f, g ∈ Lp (M ) , dann
auch f + g ∈ Lp (M ) und
kf + gkp ≤ kf kp + kgkp .
Beweis: Für p = 1 und p = ∞ ist diese Ungleichung trivial. Sei nun 1 < p < ∞ . Dann
folgt
|f (x) + g(x)|p = |f (x) + g(x)| |f (x) + g(x)|p−1
(∗)
≤ |f (x)| |f (x) + g(x)|p−1 + |g| |f (x) + g(x)|p−1

fast überall. Nach Voraussetzung sind f, g ∈ Lp (M ) , und |f + g|p−1 ∈ Lq (M ) mit

1
p
+ 1q = 1 , wegen

q
|f + g|p−1 = |f + g|q(p−1) = |f + g|p ≤ 2p−1 |f |p + 2p−1 |g|p ,
also sind nach der Hölderschen Ungleichung
|f | |f + g|p−1 , |g| |f + g|p−1 ∈ L1 (M ) ,
und damit wegen (∗) auch |f + g|p . Dies bedeutet, daß
|f + g| ∈ Lp (M ) .
Weiter folgt aus (∗) und aus der Hölderschen Ungleichung
Z
|f + g|p dµ ≤ kf kp k |f + g|p−1 kq + kgkp k |f + g|p−1 kq
Z


q 1/q
= kf kp + kgkp |f + g|p−1 dµ
Z

 p
1− p1
= kf kp + kgkp |f + g| dµ .
R
Wenn |f + g|p dµ = 0 ist, ist die Behauptung klar. Im anderen Fall ergibt sie sich aus
der letzten Ungleichung durch Kürzen.

Aus der Minkowskischen Ungleichung folgt nun, daß k · kp : Lp (M, µ, K) → [0, ∞) eine
Norm ist für 1 ≤ p ≤ ∞ , und daß also Lp (M, µ, K) und auch lp normierte Räume sind.
Aus der Hölderschen Ungleichung und aus f, g ∈ L2 (M, µ, K) folgt (f g) ∈ L1 (M, µ, K) .
Für f, g ∈ L2 (M, µ, K) existiert also das Integral
Z
(f, g) = f (x) g(x) dµ(x) ,
M

und stellt, wie man sofort nachprüft, ein Skalarprodukt dar mit
kf k2 = (f, f )1/2 .
Also ist L2 (M, µ, K) ein Prähilbertraum. Im nächsten Satz wird gezeigt, daß Lp (M, µ, K)
vollständig ist für alle p mit 1 ≤ p ≤ ∞ . Der Raum Lp (M ) ist also sogar ein Banachraum
und L2 (M ) ist ein Hilbertraum.

19
Satz 2.5 (von ) Lp (M, µ, K) ist vollständig für 1 ≤ p ≤ ∞ .
 ∞
Beweis: Sei fk k=1 eine Cauchy-Folge in Lp (M ) . Es genügt zu zeigen, daß die Folge
eine konvergente Teilfolge hat, weil der Grenzwert dann Häufungspunkt der Folge ist,
und
 eine Cauchy-Folge gegen ihren Häufungspunkt konvergiert. Wähle eine Teilfolge
∞
fki i=1 aus mit
X∞
kfki+1 − fki kp < ∞ .
i=1

Um diese Teilfolge zu konstruieren, wähle k̃i , so daß

kfk − fl kp < 2−i

gilt für k,l ≥ k̃i , und setze ki = max(ki−1 +1, k̃i ) . Im folgenden bezeichnen wir die
∞ ∞
Teilfolge fki i=1 wieder mit fk k=1 . Setze

l
X
gl = |fk+1 − fk | .
k=1

Wir zeigen nun, daß diese Folge punktweise  µ–fast überall konvergiert. Für diejenigen
∞
x , für die gl (x) konvergiert, ist dann fk (x) k=1 eine Cauchy-Folge und besitzt also
 ∞
einen Grenzwert f (x) . Wir werden dann zeigen, daß f ∈ Lp (M ) ist, und daß fk k=1
auch in der Norm k · kp gegen f konvergiert. Nach dem Lemma von Fatou und der
Minkowskischen Ungleichung gilt wegen glp (x) ≥ 0
Z Z
p
lim inf gl (x) dµ(x) ≤ lim inf glp (x) dµ(x)
M l→∞ l→∞ M
 p
= lim inf kgl kpp = lim inf kgl kp
l→∞ l→∞

 l
X p
≤ lim inf kfk+1 − fk kp
l→∞
k=1

X
∞ p
= kfk+1 − fk kp < ∞.
k=1

Aus dem Lemma von Fatou folgt dann, daß

lim glp (x) = lim inf glp (x)

l→∞ l→∞

µ – fast überall. Also existiert auch

lim fk (x) = f (x)

k→∞

20
µ – fast überall. Da |f (x)−fl (x)|p ≥ 0 ist, kann das Lemma von Fatou erneut angewendet
werden, und es folgt
Z Z
p
|f (x) − fl (x)| dµ(x) = lim |fk (x) − fl (x)|p dµ(x)
M M k→∞
Z
= lim inf |fk (x) − fl (x)|p dµ(x)
M k→∞
Z
≤ lim inf |fk (x) − fl (x)|p dµ(x)
k→∞ M

p
= lim inf kfk − fl kp
k→∞

 k−1
X p
≤ lim inf kfi+1 − fi kp
k→∞
i=l

X
∞ p
= kfi+1 − fi kp → 0 für l → ∞ .
i=l

Hieraus folgt f − fl ∈ Lp (M ) , und damit nach der Minkowskischen Ungleichung auch

∞
f ∈ Lp (M ) . Außerdem folgt hieraus, daß fk k=1 in Lp (M ) gegen f konvergiert. Damit
ist der Satz bewiesen.

p
2.2 Der Sobolevraum Hm

2.2.1 Schwache Ableitung Sei Ω ⊆ Rn eine offene Menge; sei 1 ≤ p ≤ ∞ , und sei
◦
∞ n
C ∞ (Ω) = {ϕ ∈ C (R ) | supp ϕ ⊆ Ω , supp ϕ kompakt} .

Seien u, v ∈ Lp (Ω) . v heißt schwache Ableitung von u nach xi , wenn

Z Z
∂
v(x) ϕ(x)dx = − u(x) ϕ(x) dx
Ω Ω ∂xi
◦
gilt für alle ϕ ∈ C ∞ (Ω) .

Lemma 2.6 Seien v1 , v2 schwache Ableitungen nach xi von u . Dann gilt v1 = v2 .

◦
Beweis: Für alle ϕ ∈ C ∞ (Ω) gilt
Z Z Z
∂
v1 (x) ϕ(x) dx = − u(x) ϕ(x)dx = v2 (x) ϕ(x) dx ,
Ω Ω ∂xi Ω

also Z
(v1 − v2 )ϕ dx = 0 .
Ω

21
Die Behauptung folgt aus dieser Formel und aus dem später folgenden Lemma 2.15, falls
v1 − v2 ∈ L1,loc (Ω) gilt. Also bleibt dies zu beweisen.
Hierzu sei Ω1 ⊆ Ω eine kompakte Menge. Dann folgt aus der Hölderschen Ungleichung
für v1 − v2 ∈ Lp (Ω) , 1 ≤ p ≤ ∞ ,
Z hZ i 1q h Z i p1
q
|v1 − v2 |dx ≤ 1 dx |v1 − v2 |p dx < ∞ ,
Ω Ω1 Ω1

und somit ist v1 − v2 ∈ L1,loc (Ω) . Dies beweist das Lemma.

Nach Definition ist für u ∈ C1 (Ω) die gewöhnliche Ableitung auch schwache Ableitung,
also stimmen starke und schwache Ableitungen überein. Schwache Ableitungen sind also
Verallgemeinerungen von gewöhnlichen (starken) Ableitungen und werden daher auch
mit ∂x∂ i u , ∂i u oder mit u′ bezeichnet. Entsprechend werden höhere schwache Ableitungen
P
definiert. Hierzu sei α = (α1 , . . . , αn ) ∈ Nn0 ein Multiindex. Man setzt |α| = ni=1 αi und
∂ |α|
Dα ϕ(x) = ϕ(x) .
∂ α1 x 1 . . . ∂ αn x n
◦
Seien u, v ∈ Lp (Ω) . v heiße α–te schwache Ableitung von u , wenn für alle ϕ ∈ C ∞ (Ω)
gilt Z Z
|α|
v(x)ϕ(x)dx = (−1) u(x)Dα ϕ(x)dx .
Ω Ω

p
2.2.2 Sobolevräume Hm (Ω) Für 1 ≤ p ≤ ∞ und m ∈ N0 sei
p

Hm (Ω) = {f ∈ Lp (Ω) | f hat schwache Ableitungen Dα f ∈ Lp (Ω)
.
bis zur Ordnung |α| ≤ m
p p
Hm (Ω) ist ein Vektorraum. Eine Norm auf Hm (Ω) ist
X
kf kp,m,Ω = kDα f kp,Ω .
|α|≤m

2
Für p = 2 ist ein Skalarprodukt auf Hm (Ω) = Hm (Ω) definiert durch
X
(f, g)m,Ω = (Dα f, Dα g)Ω ,
|α|≤m

mit Z
(u, v)Ω = u(x) v(x) dx .
Ω
Die zugehörige Norm ist sX
kf k2,m,Ω = kDα f k22,Ω ,
|α|≤m

die äquivalent ist zur oben definierten Norm kf k2,m,Ω , und die wir deshalb der Einfach-
heit halber mit demselben Symbol bezeichnen.

22
 p
Satz 2.7 (Vollständigkeit der Sobolevräume) Die Räume Hm (Ω) sind vollständig,
p 2
also ist jeder der Räume Hm (Ω) ein Banachraum, und Hm (Ω) ist ein Hilbertraum.
 ∞ p
Beweis: Sei fl l=1 ⊆ Hm (Ω) eine Cauchy-Folge. Zu jedem ε > 0 gibt es dann ein l0
mit
kfl − fk kp,m,Ω < ε
für alle l, k ≥ l0 . Hieraus folgt für jeden Multiindex α mit |α| ≤ m

kDα fl − Dα fk kp,Ω ≤ kfl − fk kp,m,Ω < ε ,

 ∞
also ist Dα fl eine Cauchy-Folge in Lp (Ω) . Lp (Ω) ist vollständig. Sei f (α) ∈ Lp (Ω)
l=1
 α ◦
der Grenzwert von Dα fl l=1 . Dann folgt für jedes ϕ ∈ C ∞ (Ω)

Z Z h i
α p α
f (x) ϕ(x) dx = L − lim D fl (x) ϕ(x) dx
Ω Ω l→∞
Z
= lim Dα fl (x) ϕ(x) dx
l→∞ Ω
Z
|α|
= lim (−1) fl (x)Dα ϕ(x) dx
l→∞ Ω
Z h i
|α|
= (−1) L − lim fl (x) Dα ϕ(x) dx
p
Ω l→∞
Z
= (−1)|α| f (x)Dα ϕ(x) dx .
Ω

Also ist f α die α–te Ableitung von f, f α = Dα f , somit ist f ∈ Hmp

(Ω) . Schließlich gilt
X
lim kf − fl kp,m,Ω = lim kDα f − Dα fl kp,m,Ω = 0 ,
l→∞ l→∞
|α|≤m

 ∞ p p
d.h. fl l=1
konvergiert in Hm (Ω) gegen f . Also ist Hm (Ω) vollständig.

Wir setzen für alle 1 ≤ p ≤ ∞ und m ∈ N0 ∪ {∞}

p

Cm (Ω) = {f : Ω → K | f ist m–fach stetig differenzierbar 
mit Dα f ∈ Lp (Ω) für alle

Multiindizes α mit |α| ≤ m .
p
Satz 2.8 (Dichtheit von C∞ (Ω) im Sobolevraum) Sei 1 ≤ p < ∞ . Dann gilt
p k·km,p
p
C∞ (Ω) = Hm (Ω) .
p
 ∞ p
Das heißt, daß jedes f ∈ Hm (Ω) durch eine Folge fl l=1 ⊆ C∞ (Ω) bezüglich der Norm
k · kp,m,Ω approximiert werden kann.

23
Ich werde diesen Satz später beweisen. Dieser Satz gilt nicht für p = ∞ . Denn
k·km,∞ ∞
∞ (Ω)
Cm = Cm (Ω) ,

also
k·k1,∞
∞ (Ω)
C∞ = C1∞ (Ω) .
Für Ω = (−1, 1) ist
f (x) := |x|
in H1∞ (Ω) enthalten mit 
′ −1, x < 0
f (x) = ,
+1, x ≥ 0
aber natürlich ist
f 6∈ C1∞ (Ω) ,
also
k·k1,∞
∞
C∞ ⊆ H1∞ (Ω) .
p
Die Elemente von Hm (Ω) sind als Elemente von Lp (Ω) Äquivalenzklassen von meßba-
p
ren Funktionen. Etwas unpräzise sagt man, f ∈ Hm (Ω) sei stetig oder differenzierbar,
falls die Äquivalenzklasse von f eine stetige oder differenzierbare Funktion enthält. Die
Äquivalenzklasse von f enthält höchstens eine stetige oder differenzierbare Funktion.
Alle anderen Funktionen aus dieser Äquivalenzklasse unterscheiden sich dann von der
p
stetigen Funktion nur auf einer Menge vom Maß Null. Zwar ist Hm (Ω) eine Teilmenge
von Lp (Ω) , aber natürlich braucht nicht jedes Element f von Hm p
(Ω) stetig oder gar
differenzierbar zu sein. Man kann aber beweisen, daß f stetig oder differenzierbar ist,
falls m genügend groß ist (Sobolevscher Einbettungssatz).
Bei der Lösung von Randwertproblemen für partielle Differentialgleichungen möchte
man haben, daß die Lösung, die man häufig in Sobolevräumen sucht, gewisse Werte auf
dem Rand annimmt. Wenn der Rand einer offenen Menge Ω glatt ist, ist er eine Null-
menge, und somit ist nicht klar, was die Randwerte einer “Funktion” (Äquivalenzklasse)
p
u ∈ Hm (Ω) sein sollen. Man kann aber unter gewissen Voraussetzungen an ∂Ω solche
Randwerte definieren. Das folgende ist eine besonders elegante Definition von Funktionen
in Sobolevräumen, die “im verallgemeinerten Sinn” auf dem Rand ∂Ω verschwinden.
◦
p
Definition 2.9 (Sobolevräume H m (Ω)) Für 1 ≤ p < ∞ und m ∈ N0 sei
p
Hm (Ω)
◦ ◦
p
H m (Ω) = C ∞ (Ω)
◦
)
p
= {f ∈ Hm (Ω) | Es gibt eine Folge {ϕl }∞
⊆ C ∞ (Ω)
l=1
mit kf − ϕl kp,m,Ω → 0 für l → ∞ .
◦
H pm (Ω) ist ein abgeschlossener Unterraum des Banachraumes Hm p
(Ω) , also selbst ein Ba-
◦ ◦
nachraum. Für p = 2 insbesondere ist H 2m (Ω) = H m (Ω) ein abgeschlossener Unterraum

24
des Hilbertraumes Hm (Ω) , also selbst ein Hilbertraum mit dem Skalarprodukt
X
(u, v)m,Ω = (Dα u, Dα v)Ω .
|α|≤m

2.3 Approximation von Sobolevfunktionen durch glatte Funktionen

Satz 2.10 (Faltung) Sei 1 ≤ p ≤ ∞ , ϕ ∈ L1 (Rn ) , f : Rn × Rn → K mit x →
f (y, x) ∈ Lp (Rn ) für alle y ∈ Rn und suph∈supp ϕ kf (·, · − h)kp < ∞ . Dann existiert für
fast alle x ∈ Rn das Integral
Z Z
F (x) = ϕ(x − y) f (x, y)dy = ϕ(y) f (x, x − y)dy ,
Rn Rn
und es gilt
kF kp ≤ kϕk1 sup kf (·, · − h)kp .
h∈supp ϕ

Beweis: Sei p = ∞ . Dann folgt

Z
ess sup |F (x)| = ess sup | ϕ(y) f (x, x − y)dy|
x∈Rn x∈Rn Rn
Z
≤ ess sup |ϕ(y)| |f (x, x − y)|dy
x∈Rn supp ϕ
Z
≤ |ϕ(y)| sup ess sup |f (x, x − h)|dy
supp ϕ h∈supp ϕ x∈Rn

= kϕk1 sup kf (·, · − h)k∞ .

h∈supp ϕ

Hieraus folgt die Behauptung.

Sei p < ∞ , und sei 1 < q ≤ ∞ mit p1 + 1q = 1 . Dann folgt aus der Hölderschen
Ungleichung
Z Z Z p
p
|F (x)| dx = ϕ(x − y) f (x, y)dy dx
Rn Rn Rn
Z Z p
1 1
≤ |(ϕ(x − y)| |ϕ(x − y)| |f (x, y)| dy dx
q p

Rn Rn
Z Z  pq Z 
p
≤ |ϕ(x − y)|dy |ϕ(x − y)| |f (x, y)| dy dx
Rn Rn Rn
p
Z Z
= kϕk1 q
|ϕ(y)| |f (x, x − y)|p dx dy
Rn Rn
p
Z  Z 
q p
≤ kϕk1 |ϕ(y)| sup |f (x, x − y)| dx dy
Rn y∈supp ϕ Rn
p
+1
= kϕk1q sup kf (·, · − y)kpp .
y∈supp ϕ

25
 1 1
Also, wegen p
+ q
=1
kF kp ≤ kϕk1 sup kf (·, · − y)kp .
y∈supp ϕ

Wenn f (y, x) nicht von y abhängt, schreibt man auch

Z
F (x) = ϕ(x − y) f (y)dy = (ϕ ∗ f )(x) .
Rn

Der Operator ∗ heißt Faltung von ϕ und f . In diesem Fall nimmt die bewiesene Unglei-
chung die Form an
kϕ ∗ f kp ≤ kϕk1 kf kp .
Die Faltung ist also eine lineare und stetige Abbildung auf Lp (Rn ) mit Norm ≤ kϕk1 .
◦
Lemma 2.11 Sei f ∈ Lp (Rn ) und ϕ ∈ C ∞ (Rn ) . Dann ist F = ϕ ∗ f ∈ C∞ p
(Rn ) , und
die partiellen Ableitungen erhält man durch Ableiten unter dem Integral.
Beweis: Übung.

Im folgenden sei Ω ⊆ Rn eine offene Menge und

◦  n
C (Ω) = f ∈ C(R ) supp f ⊆ Ω , supp f kompakt .
Lemma 2.12 Sei 1 ≤ p < ∞ und f ∈ Lp (Rn ) . Dann gilt
lim kf (· − h) − f kp = 0 .
h→0
◦
Beweis. Aus der Lebesgueschen Integrationstheorie folgt, daß C (Rn ) dicht ist in Lp (Rn )
◦
für 1 ≤ p < ∞ . Also existiert zu f ∈ Lp (Rn ) eine Folge {fk }∞ n
k=1 ⊆ C (R ) mit kf −fk kp →
0 für k → ∞ . Dann gilt
kf (· − h) − f kp ≤ kf (· − h) − fk (· − h)kp + kfk (· − h) − fk kp + kfk − f kp
Z 1/p
p
≤ 2 kf − fk kp + |fk (x − h) − fk (x)| dx
supp fk ∪ supp fk (·−h)
Z 1/p
≤ 2 kf − fk kp + sup |fk (x − h) − fk (x)| dx .
x∈Rn supp fk ∪ supp fk (·−h)

Da fk stetig ist auf Rn und außerhalb einer kompakten Menge verschwindet, ist fk
gleichmäßig stetig auf Rn . Also gilt supx∈Rn |fk (x − h) − fk (x)| → 0 für h → 0 . Zu ε > 0
wähle man k groß genug, so daß kf − fk kp < ε/2 . Für dieses k wähle man h0 so klein,
daß Z
sup |fk (x − h) − fk (x)| < ε/(2 [2 dx]1/p )
x∈Rn supp fk
gilt für alle h mit |h| ≤ h0 . Es folgt
kf (· − h) − f kp < ε
für alle |h| ≤ h0 .

26
2.3.1 Dirac-Familie Eine Familie {ϕε }ε>0 ⊆ L1 (Rn ) mit
Z Z
ϕε ≥ 0 , ϕε (x)dx = 1 , ϕε (x)dx → 0 für alle δ > 0
Rn Rn \Bδ (0)

heißt Dirac-Familie.
1 n
R Beispiel für eine solche Familie nehme man ϕ ∈ L (R ) mit ϕ ≥ 0 und mit
Als
Rn
ϕ(x)dx = 1 und setze x
ϕε (x) = ε−n ϕ .
ε
Satz 2.13 Sei 1 ≤ p < ∞ , und sei {ϕε }ε>0 eine Dirac-Familie. Dann gilt für alle
f ∈ Lp (Rn )
lim kϕε ∗ f − f kp = 0 .
ε→0
R
Beweis: Wegen Rn
ϕε (x)dx = 1 folgt
Z
(ϕε ∗ f )(x) − f (x) = ϕε (x − y) [f (y) − f (x)] dy .
Rn

Für δ > 0 sei

( (
ϕε (x) , |x| < δ 0 , |x| < δ
ϕεδ (x) = , ψεδ (x) = .
0 , |x| ≥ δ ϕε (x) , |x| ≥ δ

Dann folgt
Z
kϕε ∗ f − f kp = k ϕεδ (x − y) [f (y) − f (x)] dy
Rn
Z
+ ψεδ (x − y) [f (y) − f (x)] dykp
Rn

≤ kϕεδ k1 sup kf (· − h) − f kp + kψεδ k1 sup kf (· − h) − f kp .

n
| {z } |h|≤δ
| {z } | {z } h∈R
| {z }
≤ 1 → 0 , nach Lemma 4.3 →0 ≤ 2kf kp
für δ → 0 für ε → 0

◦ ◦
Satz 2.14 (Dichtheit von C ∞ (Ω) in Lp (Ω)) Sei Ω ⊆ Rn offen. Dann ist C ∞ (Ω)
dicht in Lp (Rn ) für 1 ≤ p < ∞ .
◦
Beweis: Sei ψ ∈ C ∞ (Rn ) mit ψ ≥ 0 , ψ 6= 0 , ψ(x) = 0 für |x| ≥ 1 .

(Beispiel:   

exp − 1 2 , |x| < 1
ψ(x) = 1 − |x|

0 , |x| ≥ 1 . )

27
Setze
1 x
ϕ(x) = ψ(x) , ϕε (x) = ε−n ϕ( ) .
kψk1 ε
◦
Sei f ∈ Lp (Rn ) und θ > 0 . Finde fε ∈ C ∞ (Ω) mit kf − fε kp ≤ θ . Setzt man fε = ϕε ∗ f ,
dann ist fε ∈ C∞ (Ω) mit kf − fε kp → 0 für ε → 0 , hat aber im allgemeinen keinen
kompakten Träger in Ω . Daher setze für δ > 0
 
1
Ωδ = x ∈ Ω | dist(x, ∂Ω) > δ , |x| ≤
δ

und (
f (x) , x ∈ Ωδ
fδ (x) =
0 , x ∈ Rn \Ωδ .
Es folgt Z
kf − fδ kpp = |f (x) − fδ (x)|p dx → 0
Ω
p
für δ → 0 , wegen |f (x) − fδ (x)| → 0 für δ → 0 und alle x ∈ Ω , und wegen |f (x) −
fδ (x)|p ≤ |f (x)|p (Satz von Lebesgue). Für hinreichend kleines δ ist also kf −fδ kp < θ/2 .
Nun setze
fε = ϕε ∗ fδ .
Es existiert ε0 > 0 mit
kfδ − fε kp < θ/2
für alle ε ≤ ε0 . Außerdem gilt für ε < δ/2 und x ∈ Ω\Ωδ/2
Z
|fε (x)| = | ϕε (y) fδ (x − y)dy|
Rn
Z
≤ |ϕε (y)| |fδ (x − y)|dy = 0
|y|≤ε

wegen
δ
dist(x − y , ∂Ω) ≤ ε + dist(x, ∂Ω) < ε + <δ,
2
◦
für |y| ≤ ε , also fδ (x − y) = 0 . Also ist fε ∈ C ∞(Ω) mit

kf − fε kp < θ .

Lemma 2.15 (Fundamentallemma der Variationsrechnung) Sei Ω ⊆ Rn offen

und g ∈ L1,loc (Ω) mit Z
g(x) ϕ(x)dx = 0
Ω
◦
für alle ϕ ∈ C ∞ (Ω) . Dann folgt g(x) = 0 fast überall in Ω .

28
Beweis: Sei E ⊆ Ω meßbar und beschränkt, und sei E ⊆ Ω , also dist(E, Rn \Ω) > 0 .
Sei {ϕε }ε>0 wie im vorangehenden Beweis und setze
Z
φε (x) = ϕε (x − y)dy = ϕε ∗ χE .
E

Dann folgt φε → χE in Lp (Rn ) nach Satz 4.5. Außerdem gilt

Z Z
(∗) |φε (x)| ≤ ϕε (x − y)dy ≤ ϕε (x − y)dy = 1 .
E Rn
R
Weil Rn |φε (x)−χE (x)|dx → 0 gilt für ε → 0 , also |φε (x)−χE (x)| in der L1 –Norm gegen
Null konvergiert, gibt es nach einem Resultat aus der Lebesgueschen Integrationstheorie
eine Folge φεk mit φεk (x) − χE (x) → 0 fast überall in Rn . Zusammen mit (∗) folgt aus
dem Satz von Lebesgue somit
Z
(gφεk − gχE )dx → 0 ,
Ω

◦
also, wegen φεk ∈ C ∞ (Ω) für k genügend groß,
Z Z
g dx = lim g φεk dx = 0 .
E k→∞ Ω

Nun sei Ωδ wie im vorangehenden Beweis und setze

E± = {x ∈ Ωδ | ±g(x) > 0}
(bei reellwertigem g ; sonst betrachte Re g und Im g getrennt). Es folgt
Z Z Z
|g|dx = g dx − g dx = 0 .
Ωδ ∩ B 1 (0) E+ E−
δ

[
Da Ω = Ωδ folgt g = 0 f.ü. auf Ω .
δ>0

2.3.2 Approximation von Funktionen in Sobolevräumen Sei 1 ≤ p < ∞ , sei

◦
Ω ⊆ Rn offen und zu ϕ ∈ C ∞ (B1 (0)) sei
x
ϕε (x) = ε−n ϕ( )
ε
p
eine Dirac-Familie. Für u ∈ Hm (Ω) setze
Z
uε (x) = ϕε ∗ u = ϕε (x − y) u(y)dy .
Ω

29
Dann gilt uε ∈ C∞ (Rn ) und ku − uε kp,Ω → 0 für ε → 0 . Außerdem gilt für α ∈ Nn0 mit
|α| ≤ m
Z Z
α α |α|
 α 
D uε (x) = Dx ϕε (x − y) u(y)dy = (−1) Dy ϕε (x − y) u(y)dy .
Ω Ω

Da supp ϕε ⊆ Bε (0) gilt, ist

◦
y 7→ ϕε (x − y) ∈ C ∞ (Ω)
für alle x ∈ Ωδ = {x ∈ Ω | dist(x, ∂Ω) > δ} mit δ > ε . Also gilt nach Definition der
schwachen Ableitungen von u
Z
α |α|
 α 
D uε (x) = (−1) Dy ϕε (x − y) u(y)dy
Ω
Z
= ϕε (x − y) Dα u(y) dy = (Dα u)ε (x) ,
Ω

also
[Dα uε ] | = [(Dα u)ε ] | .
Ωδ Ωδ

Nach Satz 4.5 gilt kDα u − (Dα u)ε kp,Ω → 0 für ε → 0 , also resultiert für 0 < ε < δ
X
ku − uε kp,m,Ωδ = kDα u − Dα uε kp,Ωδ
|α|≤m
X
= kDα u − (Dα u)ε kp,Ωδ → 0
|α|≤m

p
für ε → 0 . Also kann u ∈ Hm (Ω) in jeder offenen Menge D ⊆ Ω mit dist(D, ∂Ω) > 0
p
durch C∞ –Funktionen in der Hm –Norm approximiert werden. Als Folgerung erhalten
wir hieraus:
Folgerung 2.16 Sei Ω ⊆ Rn eine offene und beschränkte Menge, 1 ≤ p < ∞ , u ∈
p
Hm (Ω) . Falls u(x) = 0 ist für alle x ∈ Ω mit dist(x, ∂Ω) < δ , dann existiert eine Folge
◦
{uk }∞
k=1 ⊆ C ∞ (Ω) mit
ku − uk kp,m,Ω → 0 , k →∞.

p
Beweis: f kann durch Null zu einer Funktion in Hm (Rn ) fortgesetzt werden, also gilt
D α uε = [(Dα u)ε ] ,
Ω Ω

und ku − uε kp,m,Ω → 0 für ε → 0 .

Es gilt dist(supp u , Rn \Ω) = δ > 0 , also verschwindet
Z
uε (x) = ϕε (x − y) u(y) dy
Rn

30
für alle x mit dist(x, supp u) > 2δ falls ε < 2δ ist, also ist supp uε beschränkt, und damit
kompakt, und in Ω enthalten. Hieraus folgt die Behauptung.

p
Die Approximation von beliebigem u ∈ Hm (Ω) auf Ω ist schwieriger und erfordert einige
Vorbereitungen, denen wir uns jetzt zuwenden.

2.3.3 Überdeckungen Sei Ω ⊆ Rn . Eine Familie {Ui }∞

i=1 von Teilmengen Ui von R
n

heißt Überdeckung von Ω , wenn

∞
[
Ω⊆ Ui .
i=1

Wenn jedes Ui offen ist heißt {Ui }∞

offene Überdeckung von Ω . Gibt es zu jedem x ∈ Ω
i=1
n
eine Umgebung V von x in R mit Ui ∩ V 6= ∅ für höchstens endlich viele i ∈ N , dann
heißt {Ui }∞
i=1 lokalendliche Überdeckung von Ω .
Sei Ω ⊆ Rn offen. Wir benötigen im folgenden eine offene, lokalendliche Überdeckung
{Ui }∞
i=1 von Ω mit Ui beschränkt und mit Ui ⊆ Ω für jedes i ∈ N .
Eine solche Überdeckung kann man folgendermaßen konstruieren:
Sei Ω0 = ∅ und für i ∈ N
1
Ωi = {x ∈ Ω |x| < i , dist(x, ∂Ω) > } .
i
Dann ist Ωi offen und beschränkt,
∞
[
Ωi ⊆ Ωi+1 ⊆ Ωi+1 ⊆ Ω , Ωi = Ω .
i=1

Setze Ui = Ωi+1 \Ωi−1 . Dann ist Ui offen und beschränkt,

Ui ⊆ Ωi+1 ⊆ Ω ,
∞
[ ∞
[ ∞
[ ∞
[
Ω⊇ Ui = (Ωi+1 \Ωi−1 ) ⊇ (Ωi+1 \Ωi ) ∪ Ω2 = Ωi = Ω .
i=1 i=1 i=2 i=1
Schließlich ist {Ui }∞
i=1 lokalendlich, weil für m ≥ i + 2 gilt
Um ∩ Ui = (Ωm+1 \Ωm−1 ) ∩ (Ωi+1 \Ωi−1 )
⊆ (Ωm+1 \Ωm−1 ) ∩ Ωm−1 = ∅ .

2.3.4 Zerlegung der Eins Sei Ω ⊆ Rn offen und {Ui }∞

i=1 eine lokalendliche, offene
◦
Überdeckung von Ω . Eine Folge {ηi }∞ n ∞
i=1 ⊆ C ∞ (R ) heißt eine der Überdeckung {Ui }i=1
untergeordnete Zerlegung der Eins, wenn gilt
∞
X
◦
ηi ∈ C ∞ (Ui ) , ηi ≥ 0 , ηi (x) = 1 für alle x ∈ Ω .
i=1

Beachte, daß zu jedem x ∈ Rn in dieser Summe höchstens endlich viele Summanden von
Null verschieden sind.

31
Lemma 2.17 Sei Ω ⊆ Rn offen und {Ui }∞ i=1 eine offene, lokalendliche Überdeckung
von Ω . Ist jedes der Ui beschränkt mit Ui ⊆ Ω , dann existiert eine dieser Überdeckung
untergeordnete Zerlegung der Eins {ηi }∞i=1 .

Beweis: Durch Induktion können wir eine Folge offener Mengen {Vi }∞ i=1 mit Vi ⊆ Ui
∞
[
und mit Vi = Ω finden. (Also ist auch {Vi }∞
i=1 eine offene, lokalendliche Überdeckung
i=1
von Ω aus beschränkten Mengen.)
Dann seien V1 , . . . , Vm so gewählt, daß
m
[ ∞
[
Ω=( Vi ) ∪ ( Ui )
i=1 i=m+1

gilt. Für die abgeschlossene und beschränkte, also kompakte Menge ∂Um+1 gilt dann

∂Um+1 ∩ Um+1 = ∅ und

m
[ ∞
[
∂Um+1 ⊆ Um+1 ⊆ Ω = ( Vi ) ∪ ( Ui ) ,
i=1 i=m+1

also sogar
m
[ ∞
[
∂Um+1 ⊆ ( Vi ) ∪ ( Ui ) = M
i=1 i=m+2

d.h.
dist(Ω\M , ∂Um+1 ) ≥ dist(Rn \M , ∂Um+1 ) = δ > 0 .
Setze Vm+1 = {x ∈ Um+1 | dist(x, ∂Um+1 ) > 2δ } . Dann folgt
m+1
[ ∞
[
Ω=( Vi ) ∪ ( Ui ) .
i=1 i=m+2

Für die so konstruierte Folge {Vi }∞

i=1 gilt nun

∞
[
Ω= Vi .
i=1

Denn für x ∈ Ω gibt es höchstens endlich viele i1 , . . . , ik mit x ∈ Uil , l = 1, . . . , k . Also

folgt
[∞ [ ik [∞
x 6∈ Uj , somit x ∈ Vj ⊆ Vj ,
j=ik +1 j=1 j=1

d.h. ∞
[
Ω= Vj .
j=1

32
Wegen Vi ⊆ Ui ist dist(Vi , ∂U[
i ) = δi > 0 . Deswegen kann man eine offene Zwischen-
menge Ei wählen (etwa Ei = Bδi /2 (x) ) mit
x∈Vi

Vi ⊆ Ei ⊆ Ei ⊆ Ui ,

also
dist(∂Ei , Vi ∪ (Rn \Ui )) = εi > 0 .
◦
Für eine Dirac-Folge {ϕε }ε>0 zu ϕ ∈ C ∞ (B1 (0) ) setze dann
Z
ηei (x) = (ϕεi ∗ χEi )(x) = ϕεi (x − y)dy .
Ei
Z
◦
◦
Wegen ϕεi ∈ C ∞ Bεi (0) , ϕεi (z)dz = 1 ist dann ηei ∈ C ∞ (Ui ) mit
|z|<εi

χVi ≤ ηei ≤ 1 ,

also ∞ ∞
X X
ηei ≥ χVi ≥ χΩ ,
i=1 i=1

wobei jeweils höchstens endlich viele Summanden von Null verschieden sind. Setze nun
für x ∈ Ω
ηei (x) ◦
ηi (x) = P∞ ∈ C ∞ (Ui ) .
j=1 η ej (x)
Damit ist Lemma 2.17 bewiesen.
◦
p p
Lemma 2.18 () Sei f ∈ Hm (Ω) , 1 ≤ p ≤ ∞ und η ∈ C ∞ (Ω) . Dann ist ηf ∈ Hm (Ω) ,
und die schwachen Ableitungen erhält man aus der Leibnizschen Regel:
X α 
α
D (ηf ) = Dβ η Dα−β f ,
β≤α
β
     
α α1 αn
wobei β ≤ α ⇔ βi ≤ αi und = ... .
β β1 βn
◦
Beweis: (Durch Induktion) Für ϕ ∈ C ∞ (Ω) gilt
Z Z Z
∂ ∂ ∂
ηf ϕ dx = f (ηϕ)dx − f ( η)ϕ dx
Ω ∂xi Ω ∂xi Ω ∂xi
Z  
∂ ∂
= − ( f )η + f η ϕ dx .
Ω ∂xi ∂x i

33
Also hat ηf die schwache partielle Ableitung
∂ ∂
fη+f η ∈ Lp (Ω) .
∂xi ∂xi
Für die zweiten Ableitungen ergibt sich die Aussage durch Anwendung dieser Schlüsse
auf ( ∂x∂ i f )η und f ∂x∂ i η , und entsprechend geht man bei den höheren Ableitungen vor.

Beweis von Satz 2.8: Sei 1 ≤ p < ∞ , Ω ⊆ Rn sei eine offene Menge, f ∈ Hm p
(Ω) und
p
sei ε > 0 . Zum Beweis des Satzes muß eine Funktion g ∈ C∞ (Ω) konstruiert werden mit
kf − gkp,m,Ω < ε .
Sei {Ui }∞ ∞
i=1 eine offene, lokalendliche Überdeckung von Ω , und sei {ηi }i=1 eine dieser
Überdeckung untergeordnete Zerlegung der Eins auf Ω . Nach 2.3.3 und Lemma 2.17
gibt es solche Überdeckungen und eine Zerlegung der Eins.
◦
p
Da ηi ∈ C ∞ (Ui ) ist, ist nach Lemma 2.18 ηi f ∈ Hm (Ui ) mit supp (ηi f ) ⊆ supp ηi ⊂⊂
◦
Ui . Nach Folgerung 2.16 gibt es eine Funktion fi ∈ C ∞ (Ui ) mit
ε
kηi f − fi kp,m,Ω < i .
2
P∞
Setze g(x) = i=1 fi (x) , wobei für jedes x ∈ Ω nur eine endliche Anzahl der Summanden
von Null verschieden ist. Also gilt g ∈ C∞ (Ω) , und
∞
X ∞
X
kf − gkp,m,Ω = k ηi f − fi kp,m,Ω
i=1 i=1
∞
X
= k (ηi f − fi )kp,m,Ω
i=1
∞
X
≤ kηi f − fi kp,m,Ω
i=1

X∞
ε
< i
=ε.
i=1
2
Als zunächst letztes Ergebnis aus der Sobolevraumtheorie zeige ich:
Satz 2.19 (Poincarésche Ungleichung) Sei 1 ≤ p < ∞ und sei Ω ⊆ Rn eine offene,
beschränkte Menge. Sei
d = dim Ω = sup |x − y| .
x,y∈Ω
◦p
Dann gilt für alle Funktionen u ∈ H 1 (Ω)
kukp,Ω ≤ p−1/p d |u|p,1,Ω
mit X
|u|p,1,Ω = kDα ukp,Ω .
|α|=1

34
 ◦
Beweis: Sei ϕ ∈ C ∞ (Ω) , sei x = (x1 , . . . , xn ) ∈ Ω , sei
y = (y1 , x2 , . . . , xn ) ∈ ∂Ω . Dann folgt
Z x1
∂
ϕ(x) = ϕ(ξ, x2 , . . . , xn )dξ ,
y1 ∂x1

also, wegen der Hölderschen Ungleichung

Z x1
p ∂
|ϕ(x)| ≤ ( | ϕ(ξ, x2 , . . . , xn )| dξ)p
y1 ∂x1
Z x1
p ∂
≤ |x1 − y1 | q | ϕ|p dξ
y1 ∂x 1
Z ∞ X
p
≤ |x1 − y1 | q |Dα ϕ(ξ, x2 , . . . , xn )|p dξ .
−∞ |α|=1

Integration bezüglich x1 ergibt

Z y1 +d Z ∞ X
1 1+ pq
|ϕ(x)|p dx1 ≤ p d |Dα ϕ(ξ, x2 , . . . , xn )|p dξ .
y1 1+ q −∞ |α|=1

Nach Integration bezüglich der anderen Variablen ergibt sich

Z Z X
p 1 p
|ϕ(x)| dx ≤ d |Dα ϕ(x)|p dx
Ω p Ω |α|=1

und somit
kϕkp,Ω ≤ p−1/p d |ϕ|p,1,Ω .
◦ ◦
Also ist die behauptete Ungleichung richtig für ϕ ∈ C ∞ (Ω) . Nun sei u ∈ H p1 (Ω) . Wähle
p ◦
eine Folge {ϕk }∞
k=1 ⊆ H 1 (Ω) mit

lim ku − ϕk kp,1,Ω = 0 .
k→∞

Dann folgt

kukp,Ω ≤ lim (ku − ϕk kp,Ω + kϕk kp,Ω )

k→∞

≤ lim kϕk kp,Ω ≤ p−1/p d lim |ϕ|p,1,Ω

k→∞ k→∞

≤ p−1/p d lim (|ϕ − u|p,1,Ω + |u|p,1,Ω )

k→∞

= p−1/p d |u|p,1,Ω .

35
3 Klassische Methoden. Eulergleichung und Beispiele.
3.1 Die Eulergleichung zum Variationsproblem In diesem Abschnitt soll eine
Einführung in die klassischen Methoden der Variationsrechnung gegeben werden. Zur
Vorbereitung benötige ich ein Resultat für konvexe Funktionen.
Definition 3.1 (Konvexe Mengen und konvexe Funktionen) Sei X ein Vektor-
raum über K .
(i) Eine Menge M ⊆ X heißt konvex, wenn für alle x, y ∈ M und alle t ∈ [0, 1] gilt
tx + (1 − t)y ∈ M .

(ii) Sei M ⊆ X eine konvexe Menge und f : M → (−∞, ∞] . Die Funktion f heißt
konvex, wenn für alle x, y, ∈ M und alle t ∈ [0, 1] gilt


f tx + (1 − t)y ≤ tf (x) + (1 − t)f (y) .

(iii) f heißt strikt konvex, wenn für alle x, y ∈ M mit x 6= y und alle t ∈ (0, 1) gilt


f tx + (1 − t)y < tf (x) + (1 − t)f (y) .
Lemma 3.2 (Eigenschaften konvexer Abbildungen) Sei f : Rn → R .
(i) Falls f ∈ C1 (Rn , R) ist, gilt: f ist konvex genau dann wenn die Ungleichung
f (x) ≥ f (y) + ∇f (y) · (x − y)
gültig ist für alle x, y ∈ Rn .
(ii) Falls f ∈ C2 (Rn , R) ist, gilt: f ist konvex genau dann wenn die Hessesche Matrix


∇2 f (x) = Dα f (x) |α|=2
positiv semidefinit ist für alle x ∈ Rn .
Beweis: (i) Sei f konvex. Aus der Differenzierbarkeit von f folgt für alle x, y ∈ Rn


f y + t(x − y) = f (y) + ∇f (y) · t(x − y) + o(t)
für t → 0 , also
∇f (y) · (x − y) = lim ∇f (y) · (x − y)
t→0
t>0
1h
i
= lim f y + t(x − y) − f (y)
t→0 t
t>0
1h
i
= lim f tx + (1 − t)y − f (y)
t→0 t
t>0
1 
≤ lim tf (x) − tf (y)
t→0 t
t>0
= f (x) − f (y) ,

36
also
f (x) ≥ f (y) + ∇f (y) · (x − y) .
Umgekehrt sei diese Ungleichung für alle x, y ∈ Rn gültig. Für x, y ∈ Rn und t ∈ [0, 1]
setze
z = tx + (1 − t)y .
Dann folgt
f (y) ≥ ∇f (z)(y − z) + f (z)
f (x) ≥ ∇f (z)(x − z) + f (z) ,
also
tf (x) + (1 − t)f (y) ≥ t∇f (z)(x − z) + tf (z)
+ (1 − t)∇f (z)(y − z) + (1 − t)f (z)


= f (z) + ∇f (z) · t(x − z) + (1 − t)(y − z)


= f (z) + ∇f (z) · tx + (1 − t)y − z
| {z }
=0
= f (z)


= f tx + (1 − t)y
Also ist f konvex.
(ii) Wenn f ∈ C2 (Rn , R) ist, gilt für x, y ∈ Rn und t ∈ R
 
f (tx + y) = f (y) + ∇f (y) · tx + tx ∇2 f (y) tx + o(t2 ) ,
falls t → 0 . Falls f konvex ist, folgt hieraus und aus der eben bewiesenen Aussage (i),
daß
   
x ∇2 f (y) x = lim x ∇2 f (y) x
t→0
1 
= lim 2
f (tx + y) − f (y) − ∇f (y) · tx − o(t2 )
t→0 t
1 
= lim 2 f (tx + y) − f (y) − ∇f (y) · tx
t→0 t
≥ 0.
Also ist ∇2 f (y) positiv semidefinit. Wenn umgekehrt ∇2 f (y) positiv semidefinit ist, folgt
für alle x, y ∈ Rn aus der Taylorformel
 
f (x) = f (y) + ∇f (y) · (x − y) + (x − y) ∇2 f (y ∗ ) (x − y)
 
für ein geeignetes y ∗ aus der Verbindungsstrecke von x und y . Da (x − y) ∇2 f (y ∗ ) (x −
y) ≥ 0 ist, folgt
f (x) ≥ f (y) + ∇f (y) · (x − y)
für alle x, y ∈ Rn . Aus der Aussage (i) ergibt sich also, daß f konvex ist.
Ich komme nun zur Ableitung der Eulergleichung für eindimensionale Variationsproble-
me. Mit der Bezeichnung des Abschnitts 1.1 gilt also n = N = 1 .

37
Satz 3.3 (Eulergleichung) Seien a < b, f ∈ C2 ([a, b] × R × R) , α, β ∈ R ,
n 
o
D = v ∈ C1 [a, b], R : v(a) = α, v(b) = β ,

und I : D → R mit Z b

I(v) = f x, v(x), v ′ (x) dx .
a

(i) Es existiere ein Minimum u von I in D , und für dieses Minimum gelte zusätzlich
u ∈ C2 ([a, b], R) . Dann gilt für dieses Minimum
h
i

d ′
dx
fξ x, u(x), u (x) = fu x, u(x), u′ (x) , x ∈ [a, b]
(E)
u(a) = α , u(b) = β
∂ ∂
wobei fξ (x, u, ξ) = ∂ξ
f (x, u, ξ), fu = ∂u
f (x, u, ξ) bedeute.
(ii) Sei umgekehrt u ∈ C2 ([a, b]) eine Lösung des Randwertproblems (E) und sei

(u, ξ) 7→ f (x, u, ξ) : R2 → R

eine konvexe Funktion für jedes x ∈ [a, b] . Dann gilt

I(u) = min I(v) .

v∈D

(iii) Sei (u, ξ) 7→ f (x, u, ξ) strikt konvex für jedes x ∈ [a, b] . Dann besitzt I höchstens ein
lokales Minimum. Wenn ein lokales Minimum existiert, ist dies gleichzeitig ein globales
Minimum (das dann natürlich auch eindeutig ist).

Die Differentialgleichung im Randwertproblem heißt Eulergleichung zum Variations-

funktional I(v) . Die Eulergleichung ist eine Differentialgleichung zweiter Ordnung.

Beweis: (i) Es sei u ∈ D ∩ C2 ([a, b], R) ein Minimum des Variationsfunktionals I(v) .
◦
Dann ist für jedes ϕ ∈ C ∞ ((a, b), R) und t ∈ R die Funktion u + tϕ ∈ D wegen
(u + tϕ)(a) = u(a) + 0 = α , (u + tϕ)(b) = u(b) + 0 = β , sowie

I(u) ≤ I(u + tϕ) .

Also hat die reelle Funktion t 7→ I(u + tϕ) : R → R ein Minimum an der Stelle t = 0 ,
und somit folgt

38
 d
0 = I(u + tϕ)|t=0
dt
Z
d b

= f x, u(x) + tϕ(x), u′ (x) + tϕ′ (x) dx
dt a
Z b
d

= f x, u(x) + tϕ(x), u′ (x) + tϕ′ (x) |t=0 dx
a dt
Z b



= fξ x, u(x), u′ (x) ϕ′ (x) + fu x, u(x), u′ (x) ϕ(x)dx .
a

◦
Diese Gleichung, die für alle ϕ ∈ C ∞ ((a, b)) gilt, heißt schwache Form der Eu-
lerschen Differentialgleichung. Zur Herleitung dieser Gleichung benötigt man nur
f ∈ C1 ([a, b] × R × R) und u ∈ C1 ([a, b]) .

Zur Ableitung der Eulergleichung benutzt man nun, daß wegen der Voraussetzungen
f ∈ C2 ([a, b] × R × R) und u ∈ C2 ([a, b]) partiell integriert werden darf. Es folgt
Z b 
dh ′

i ′


0 = − fξ x, u(x), u (x) ϕ(x) + fu x, u(x), u (x) ϕ(x) dx
a dx



+ fξ b, u(b), u′ (b) ϕ(b) − fξ a, u(a), u′ (a) ϕ(a)
Z bh
d

i
= − fξ x, u(x), u′ (x) + fu x, u(x), u′ (x) ϕ(x)dx ,
a dx

weil ϕ(a) = ϕ(b) = 0 . Wegen

d




− fξ x, u(x), u′ (x) + fu x, u(x), u′ (x) ∈ C0 [a, b] ⊆ L1,loc (a, b)
dx
folgt aus dem Fundamentallemma der Variationsrechnung (Lemma 2.15), daß

d


fξ x, u(x), u′ (x) − fu x, u(x), u′ (x) = 0
dx
gilt für alle x ∈ [a, b] . Also ist das Minimum u eine Lösung des Randwertproblems (E).
(ii) Sei u ∈ C2 ([a, b]) eine Lösung von (E) . Wenn (µ, ξ) 7→ f (x, µ, ξ) konvex ist, gilt nach
Lemma 3.2 (i) für alle µ, ξ ∈ R


f (x, µ, ξ) ≥ f x, u(x), u′ (x)



+ fu x, u(x), u′ (x) µ − u(x)



+ fξ x, u(x), u′ (x) ξ − u′ (x) .

39
Also folgt für alle v ∈ D
Z b

I(v) = f x, v(x)v ′ (x) dx
a
Z b

≥ f x, u(x), u′ (x) dx
a
Z bh



+ fu x, u(x), u′ (x) v(x) − u(x)
a


i
+ fξ x, u(x), u′ (x) v ′ (x) − u′ (x) dx
Z b


= I(u) + fu x, u(x)u′ (x)
a

dh ′

i

− fξ x, u(x), u (x) v(x) − u(x) dx
dx



+ fξ b, u(b), u′ (b) v(b) − u(b)



− fξ a, u(a), u′ (a) v(a) − u(a)
= I(u) ,

wegen v(b) = u(b) = β , v(a) = u(a) = α . Also ist u ein Minimum des Variationsfunk-
tionals.
(iii) Seien u ∈ D eine lokale Minimalstelle von I , wobei ich als Topologie auf C1 ([a, b])
die Norm
kwk∞,1 = sup |w(x)| + sup |w′ (x)|
x∈[a,b] x∈[a,b]

benutze. Dann existiert eine Umgebung U von u in C1 ([a, b]) mit I(w) ≥ I(u) für alle
w ∈ D ∩ U . Ich zeige, daß für alle v ∈ D mit v 6= u gilt

I(v) > I(u) .

Hieraus folgt, daß u ein globales Minimum ist, und daß es nur ein einziges Minimum
gibt.
Zum Beweis setze ich für v ∈ D mit v 6= u und für t ∈ (0, 1)

wt = tv + (1 − t)u .

Aus der strikten Konvexität von (µ, ξ) 7→ f (x, µ, ξ) folgt dann

f x, wt , (x), wt′ (x) = f x, tv(x) + (1 − t)u(x), tv ′ (x) + (1 − t)u′ (x)



≤ tf x, v(x), v ′ (x) + (1 − t)f x, u(x), u′ (x) ,

wobei das echte Ungleichheitszeichen steht falls

(u(x), u′ (x)) 6= (v(x), v ′ (x)) ist. Da nach Voraussetzung u 6= v gilt, gibt es eine offene

40
Teilmenge von [a, b] , auf der sich u(x) und v(x) unterscheiden. Also folgt durch Integra-
tion
Z b


I(wt ) = f x, wt (x), wt′ (x) dx
a
Z b Z b
′



< t f x, v(x), v (x) dx + (1 − t) f x, u(x), u′ (x) dx
a a
= tI(v) + (1 − t)I(u) .

Wäre nun I(v) ≤ I(u), dann folgte für alle t ∈ (0, 1)

I(wt ) < tI(v) + (1 − t)I(u)

≤ tI(u) + (1 − t)I(u)
= I(u) .

Wegen wt → u für t → 0 gibt es aber ein t0 > 0 mit wt ∈ U für alle 0 < t < t0 . Für diese
t muß somit I(wt ) ≥ I(u) gelten, im Widerspruch zur eben hergeleiteten Ungleichung.
Also muß I(v) > I(u) gelten.

3.2 Spezielle Variationsfunktionale, Beispiele

3.2.1 Der Fall f (x, u, ξ) = f (ξ) In diesem Fall lautet die Eulergleichung
d ′ ′ 
f (u ) = 0 ,
dx


also f ′ u′ (x) = const . Eine Lösung des Randwertproblems (E) ist also

β−α
u(x) = (x − a) + α ,
b−a
und wenn f konvex ist, folgt aus Satz 3.3 (ii), daß dieses u auch eine Lösung des Varia-
tionsproblems
I(u) = min I(v)
v∈D

ist mit Z b

I(v) = f v ′ (x) dx .
a

Wenn f nicht konvex ist, braucht dieses u aber keine Lösung des Variationsproblems zu
sein. Dies zeigen die folgenden beiden Beispiele.
a) Es sei
2
f (ξ) = e−ξ
und n
o
D = v ∈ C1 [−1, 1] : v(−1) = v(1) = 0 .

41
Ich zeige zunächst, daß
inf I(v) = 0
v∈D
R1 R1 ′ 2
gilt für I(v) = −1
f (v ′ (x))dx = −1
e−(v (x)) dx . Hierzu sei m ∈ N und

vm (x) = m(x2 − 1) .
′
Dann gilt vm (x) = 2mx und
Z 1
2
I(vm ) = e(2mx) dx
−1
Z 2m
1 2
= e−y dy
2m −2m
Z ∞
1 2
≤ e−y dy → 0
2m −∞

für m → ∞ . Da I(v) ≥ 0 ist für alle v ∈ D , folgt also inf v∈D I(v) = 0 . I hat aber
′ 2
kein Minimum u auf D , denn sonst müßte I(u) = 0 und folglich e−(u (x)) = 0 sein für
fast alle x ∈ [−1, 1] , was unmöglich ist. Die Lösung u von (E) ist also nicht Lösung des
Variationsproblems.
b) Sei f (ξ) = (ξ 2 − 1)2 und
n
o
D = v ∈ C1 [−1, 1] : v(−1) = v(1) = 0 .

Die Eulergleichung zum Variationsfunktional

Z 1 Z 1
′


2
I(v) = f v (x) dx = v ′ (x)2 − 1 dx
−1 −1

ist dann
d ′ ′
d  ′ ′2 
f u (x) = 4 u (u − 1) = 0 ,
dx dx
und u = 0 ist eine Lösung des Randwertproblems (E) . Ich zeige aber, daß auch in diesem
Fall I kein Minimum auf D besitzt. Hierzu beweise ich, daß

inf I(v) = 0
v∈D

ist. Für das Minimum müßte dann gelten

Z 1
I(u) = u′ (x)2 − 1)2 dx = 0 ,
−1

also
u′ (x) = ±1

42
für alle x ∈ [−1, 1] . Wenn u stetig differenzierbar wäre, würde hieraus u′ (x) = const mit
|const| = 1 folgen, was der Bedingung u(−1) = u(1) = 0 widerspräche.
Um zu zeigen, daß inf v∈D I(v) = 0 gilt, sei
 1
 e− 1−x2 , |x| < 1
ψ(x) =

0 , |x| ≥ 1

und
1 1 x
ϕε (x) = ϕ( ) .
kϕk1 ε ε
{ϕε }ε>0 ist also die Dirac–Familie aus Satz 2.14. Sei

1, x ≥ 0
H(x) = ,
−1, x < 0
R∞
und Hε (x) = (ϕε ∗ h)(x) = −∞ ϕε (x − y)H(y)dy . Für diese Funktion gilt Hε ∈ C∞ (R) ,
und aus ϕε (−z) = ϕε (z) und H(−z) = −H(z) folgt
Z ∞
Hε (x) = ϕε (x − y)H(y)dy
Z−∞
∞
= ϕε (y − x)H(y)dy
−∞
Z −∞
= − ϕε (−z − x)H(−z)dz
∞
Z ∞
= ϕε (−x − z)H(−z)dz
−∞
Z ∞
= − ϕε (−x − z)H(z)dz
−∞
= − Hε (−x) .

Außerdem folgt
Z ∞ Z ∞
|Hε (x)| = ϕε (x − y)H(y)dy ≤ ϕε (x − y)dy = 1 ,
−∞ −∞

sowie 
−1, x ≤ −ε
Hε (x) =
1, x ≥ ε .
Ich setze nun Z x
uε (x) = Hε (y)dy , −1 ≤ x ≤ 1 .
−1

Dann gilt uε (−1) = 0 und Z 1

uε (1) = Hε (y)dy = 0 ,
−1

43
also uε ∈ D , und
Z 1
2
I(uε ) = u′ε (x)2 − 1 dx
−1
Z 1
2
= Hε (x)2 − 1 dx
Z−1ε

2
= Hε (x)2 − 1 dx
Z−εε
≤ dx = 2ε → 0
−ε

für ε → 0 , also inf v∈D I(v) = 0 , wie behauptet, und I hat kein Minimum auf D .
Jedoch nimmt I auf einem größeren Raum D̃ das Minimum an. Zur Konstruktion von
D̃ beachte man, daß die Familie {uε }ε>0 für ε → 0 im Raum H1p ((−1, 1)) mit 1 ≤ p < ∞
gegen die Funktion 
−(x + 1), − 1 ≤ x ≤ 0
u(x) =
x − 1, 0≤x≤1
konvergiert. Wegen u ∈ H1p ((−1, 1)) mit u′ (x) = H(x) gilt I(u) = 0 . Also ist u ein
Minimum von I auf dem Raum
H1p ((−1,1))
D̃ = D ⊆ H1p ((−1, 1)) .

Dieses Minimum ist aber nicht eindeutig, vielmehr gibt es unendlich viele Minima in D̃ .
Ein weiteres Minimum ist zum Beispiel −u .

3.2.2 Der Fall f (x, u, ξ) = f (x, ξ) In diesem Fall lautet die Eulergleichung

d 
fξ (x, u′ ) = 0 ,
dx
also
fξ (x, u′ ) = const .
Das folgende Beispiel für diesen Fall stammt von Weierstraß: Seien f (x, ξ) = xξ 2 und
n
o
D = v ∈ C1 [0, 1] : v(0) = 1, v(1) = 0 .

Ich werde zeigen, daß das Funktional

Z 1 Z 1
′


2
I(v) = f x, v (x) dx = x v ′ (x) dx
0 0

kein Minimum auf D besitzt. Die Eulergleichung zu diesem Funktional ist

xu′ (x) = c = const ,

44
also
c
u′ (x) = .
x
Die allgemeine Lösung lautet
u(x) = c log x + d
mit beliebigen Konstanten c und d . Das Randwertproblem (E) ist also nicht lösbar, weil
es nicht möglich ist, c und d so zu bestimmen, daß

u(0) = 1, u(1) = 0

gilt. Dies bedeutet, daß I auf D kein Minimum u ∈ D ∩ C2 ([0, 1]) besitzt. Ich zeige, daß
I überhaupt kein Minimum u ∈ D besitzt. Hierzu beweise ich wieder, daß

inf I(v) = 0 (∗)

v∈D

ist. Für ein Minimum würde hieraus folgen x(u′ (x))2 = 0 für fast alle x ∈ [0, 1] , also
u′ ≡ 0 . Natürlich gibt es keine Funktion u ∈ C1 ([0, 1]) mit u(0) = 1, u(1) = 0 und
u′ ≡ 0 .

Zum Beweis, daß inf v∈D I(v) = 0 ist, sei m ∈ N und

(
1, 0 ≤ x ≤ m1
vm (x) = log x
, m1 ≤ x ≤ 1
log 1 m

Es ist vm ∈ H1p ((0, 1)) für 1 ≤ p < ∞ mit

(
′
0, 0 ≤ x ≤ m1
vm (x) = 1 1
≤ x ≤ 1,
1 , m
x log m

also
Z 1 Z 1
′

2 1
I(vm ) = x vm (x) dx = dx
1 x(log m)2
0 m
1  1 1 1
=
log x 1 =−
log
1 2 1 2 m
log m
m
log m
1
=
log m

Hieraus folgt limm→∞ I(vm ) = 0 . Dies genügt nicht zum Beweis von (∗) wegen vm ∈
/ D.
Deswegen konstruiere ich zu jedem m ∈ N eine Folge {ϕmk }∞ k=1 mit ϕ mk ∈ D und

lim kvm − ϕmk k2,1,(0,1) = 0 .

k→∞

45
Es folgt dann


lim I(ϕmk ) = lim I ϕmk − vm + vm
k→∞ k→∞
Z 1


′ 2
= lim x (ϕmk − vm )′ + vm dx
k→∞ 0
hZ 1
= lim x(ϕ′mk − vm
′ 2
) dx
k→∞ 0
Z 1 i
+ 2x(ϕ′mk − vm
′ ′
)vm dx + I(vm )
0
= I(vm ) ,

wegen
Z 1 Z 1
lim x(ϕ′mk − ′ 2
vm ) dx ≤ lim |ϕ′mk − vm
′ 2
| dx
k→∞ 0 k→∞ 0
= lim kϕ′mk − vm
′
k2 ≤ lim kϕmk − vm k2,1 = 0
k→∞ k→∞

und
Z 1 Z 1
lim 2x(ϕ′mk − ′
vm ′
)vm dx ≤ lim |(ϕ′mk − vm
′ ′
)vm |dx
k→∞ 0 k→∞ 0
≤ lim kϕ′mk − vm
′ ′
k2 kvm ′
k2 ≤ lim kϕmk − vm k2,1 kvm k2 = 0 .
k→∞ k→∞

Aus limk→∞ I(ϕmk ) = I(vm ) = log1m folgt (∗) . Also bleibt zu zeigen, daß die Folge
{ϕmk }∞
k=1 existiert. Dies ergibt sich aus folgendem

Lemma 3.4 Sei u ∈ H12 ((a, b)) .

(i) Dann ist u hölderstetig auf [a, b] mit |u(x) − u(y)| ≤ |x − y|1/2 kuk2,1,(a,b) .
(ii) Sei {ψk }∞ 2
k=1 eine Folge mit ψk ∈ C∞ ((a, b)) ∩ H1 ((a, b)) und mit limk→∞ ku −
ψk k2,1,(0,1) = 0 .
Dann gilt
lim ψk (y) = u(y)
k→∞

für alle y ∈ [a, b] .

(iii) Es gibt eine Folge {ϕk }∞
k=1 mit

ϕk ∈ C∞ ((a, b)) ∩ C([a, b]) ∩ H12 ((a, b)), ϕk (a) = u(a), ϕk (b) = u(b)

und mit
lim ku − ϕk k2,1,(0,1) = 0 .
k→∞

46
Beweis: Sei a < y < b . Sei

α1 sinh(x) + β1 cosh(x) , a ≤ x < y
χy (x) =
α2 sinh(x) + β2 cosh(x) , y < x ≤ b ,
wobei die Koeffizienten α1 , β1 , α2 , β2 so bestimmt werden, daß
χ′y (a) = 0, χ′y (b) = 0 , χy (y−) = χy (y+), χ′y (y−) − χ′y (y+) = 1 .
Dies führt auf ein lineares Gleichungssystem für α1 , . . . , β2 , das immer lösbar ist. Für
x 6= y gilt dann auch χ′′y (x) = χy (x) .
Für y = a setze
χa (x) = α sinh(x) + β cosh(x)
mit
−χ′a (a) = 1, χ′a (b) = 0
und entsprechend für y = b .
Für v ∈ H12 ((0, 1)) ∩ C([0, 1]) ergibt sich nun
(v, χy )1,(a,b) = (v, χy )(a,b) + (v ′ , χ′y )(a,b)
= (v, χy )(a,y) + (v ′ , χ′y )(a,y)
+ (v, χy )(y,b) + (v ′ , χ′y )(y,b)
(∗)
= (v, χy )(a,y) − (v, χ′′ )(a,y) + (v, χy )(y,b) − (v, χ′′y )(y,b)
′ ′
 ′ y (y) − v(a)χ
+ v(y)χ y (a)
 + v(b)χ′y (b) − v(y)χ′y (y+)
= v(y) χy (y−) − χ′y (y+) = v(y) ,
und somit
|ψk (y) − ψl (y)| = |(ψk , χy )1,(a,b) − (ψl , χy )1,(a,b) |
= |ψk − ψl , χy )1,(a,b) |
≤ kψk − ψl k2,1,(a,b) kχy k2,1,(a,b)
→ 0 für k, l → ∞
Also ist {ψk (y)}∞
k=1 eine Cauchyfolge und somit konvergent in K . Da es eine Nullmenge
N und eine Teilfolge {ψkl }∞
l=1 gibt mit

lim ψkl (y) = u(y)

l→∞

für alle y ∈ [a, b]\N , gilt für diese y sogar

lim ψk (y) = u(y) .
k→∞

Aus der Hölderschen Ungleichung folgt für alle x, y ∈ [a, b]

Z y
|ψk (x) − ψk (y)| = | ψk′ (z)dz|
x
Z y
1/2

1/2
≤ |x − y| |ψk′ (z)|2 dz
x
≤ |x − y|1/2 kψk k2,1,(a,b) ;

47
für x, y ∈ [a, b]\N ergibt sich also

|u(x) − u(y)| = lim |ψk (x) − ψk (y)|

k→∞

≤ lim |x − y|1/2 kψk k2,1(a,b)

k→∞

= |x − y|1/2 kuk2,1(a,b)

Folglich ist u gleichmäßig hölderstetig auf [a, b]\N , und kann damit in eindeutiger Weise
zu einer hölderstetigen
T Funktion auf [a, b] fortgesetzt werden. Dies beweist (i). Wegen
u ∈ H12 ((a, b)) C([a, b]) folgt aus (∗) für alle y ∈ [a, b] :

lim ψk (y) = lim (ψk , χy )1,(a,b) = (u, χy )1,(a,b)

k→∞ k→∞

Hiermit ist (ii) gezeigt.

Zum Beweis von (iii) setze

 x − a  b − x
hk (x) = u(b) − ψk (b) + u(a) − ψk (a)
b−a b−a
Dann gilt hk ∈ C∞ ([a, b]), hk (b) = u(b) − ψk (b), hk (a) = u(a) − ψk (a) , sowie
 x − a
khk k2,1(a,b) ≤ u(b) − ψk (b)
b − a 2,1
 b − x
+ u(a) − ψk (a)
b − a 2,1
x−a b−x
≤ |u(b) − ψk (b)| 2,1
+ |u(a) − ψk (a)| 2,1
→0
x−b b−a
für k → ∞ , nach Aussage (i) des Lemmas. Für ϕk = ψk + hk ergibt sich folglich



ϕk ∈ C∞ (a, b) ∩ C [a, b] , ϕk (b) = u(b), ϕk (a) = u(a)

und

ku − ϕk k2,1,(a,b) = ku − ψk − hk k2,1
≤ ku − ψk k2,1 + khk k2,1 → 0 für k → ∞ .

3.2.3 Der Fall f (x, u, ξ) = f (u, ξ) In diesem Fall lautet die Eulergleichung
d 
fξ (u, u′ ) = fu (u, u′ ) ,
dx
also
dh

i d
f u(x), u (x) − u (x)fξ u(x), u (x) = fu u′ + fξ u′′ − u′′ fξ − u′ fξ
′ ′ ′
dx dx
d  
= −u′ fξ (u, u′ ) − fu (u, u′ ) = 0 .
dx

48
Also ist u ∈ C2 ([a, b]) eine Lösung der Eulergleichung genau dann wenn



f u(x), u′ (x) − u′ (x)fξ u(x), u′ (x) = const (∗)

gilt. Wie in den anderen bisher betrachteten Fällen konnte die Eulergleichung auf eine
Differentialgleichung erster Ordnung zurückgeführt werden. (Man sagt, es existiere ein
erstes Integral der Differentialgleichung.)
In den folgenden beiden Beispielen 3.2.4 und 3.2.5 ist f von dieser Form:

3.2.4 Brachistochronenproblem Ich betrachte das Brachistochronenproblem aus

Abschnitt 1.2.2. Sei β < 0,
n
o
D = v ∈ C1 [a, b], R : v(a) = 0, v(b) = −β ,

und sei
Z bs Z b
1 + v ′ (x)2 1
I(v) = dx = √ v −1/2 (1 + v ′2 )1/2 dx .
a 2gv(x) 2g a

Gesucht ist u ∈ D mit I(u) = minv∈D I(v) . Dann ist w = −u Lösung des Brachistochro-
nenproblems, und u stellt die Fallhöhe dar. Die Eulergleichung zu diesem Funktional
lautet  
d u′ 1
1/2 ′2 1/2
= − u−3/2 (1 + u′2 )1/2 ,
dx u (1 + u ) 2
und die Gleichung (∗) ist

−1/2 ′2 1/2 ′ u′ (1 + u′2 ) − u′2

u (1 + u ) − u 1/2 = 1/2
u (1 + u′2 )1/2 u (1 + u′2 )1/2
= u−1/2 (1 + u′2 )−1/2 = c ,

wobei c eine Konstante sei. Um diese Gleichung zu lösen, sei

ϕ(x) := arg tan u′ (x) ,

also
u′ (x) = tan ϕ(x) .
Die Eulergleichung ergibt dann

u−1/2 (1 + u′2 )−1/2 = u−1/2 (1 + tan2 ϕ)−1/2 = c ,

also
u(x)−1/2 cos ϕ(x) = c ,
folglich
1
2
u(x) = cos ϕ(x) .
c2

49
Dies hilft zunächst nicht weiter, da weder u(x) noch ϕ(x) bekannt sind, aber man kennt
nun u als Funktion von ϕ . Mit χ(h) = c12 (cos h)2 und ψ = ϕ−1 folgt somit wegen
ϕ−1 = u−1 ◦ χ , daß
d d −1 1 ′
ψ(h) = (u ◦ χ)(h) = 
 χ (h)
dh dh ′ −1
u u χ(h)
2 −1
=
i c2 (cos h sin h)
h
tan ϕ ϕ−1 (h)
2 cos h sin h 2
= − 2
= − 2 cos2 h ,
c tan h c
folglich
2 1

ψ ′ (h) = − cos(2h) + 1 ,
c2 2
oder
1 1
x(h) = ϕ−1 (h) = ψ(h) = − 2
sin(2h) − 2 h + k
2c c
1 2 1 1
u(h) = χ(h) = 2 cos h = 2 cos(2h) + 2
c 2c 2c
und somit mit k ′ = − c12

1 ′
x(h) =k sin(2h) + k ′ h + k
2
1 1
w(h) = − u(h) = k ′ cos(2h) + k ′
2 2
Dies ist die Parameterdarstellung einer Zykloide. Die beiden Konstanten k, k ′ müssen
aus
x(h0 ) = a, w(h0 ) = α = 0
x(h1 ) = b, w(h1 ) = β < 0
bestimmt werden.
w
6
aa b -x
....... ......
... ...... .... ....
...
..
.... .... ...
..
. .... .....
. ...
.... .... ...
.... ...
..
......
.
....
..
.. .
.....
. ...
..
....
. ....
.. ..
...
. ...
....
..
.....
. .....
.. ...
.... ....
..... ..... .
... ....
... ..
..... ..
. ....
..
..
.... ..
. ...
....
. ....
.....
. ...... ....
. .....
... ..
........ ...
.
...
...... ..
......... ..
..
..
.... .....
......
..
......
. ..
.. .
..
..
.....
. ......
.
. ........... ..
. .
...... ......
.............. ..
β
.
..........................................................
..
.. .......
a ...............

Es folgt: Falls das Brachistochronenproblem eine zweimalig stetig differenzierbare Lösung

hat, muß es eine Zykloide sein.

50
3.2.5 Wirtingersche Ungleichung Sei λ ≥ 0 und seien
1 2
fλ (u, ξ) = (ξ − λ2 u2 ) ;
2


D = v ∈ C1 [0, 1] : v(0) = v(1) = 0
und
Z 1 Z


′ 1 1

I(v) = fλ u(x), u (x) dx = |u′ (x)|2 − λ2 |u(x)|2 dx
0 2 0
1

= |u|22,1,(0,1) − λ2 kuk22,(0,1) .
2
∂ ∂
Die Eulergleichung lautet in diesem Fall wegen f (u, ξ)
∂ξ λ
= ξ und f (u, ξ)
∂u λ
= −λ2 u :

u′′ + λ2 u = 0 ,
u(0) = u(1) = 0 .
 
Das erste Integral dieser Gleichung ist −u′ (x)2 + 12 u′ (x)2 − λ2 u(x)2 = c , also
1 ′ 2 λ2
u (x) + u(x)2 = c .
2 2
Für jedes λ ist u = 0 eine Lösung des Eulergleichung. Dies ist jedoch nicht in jedem Fall
ein Minimum des Funktionals I, wie ich gleich zeigen werde.
Falls eine Funktion u ∈ D existiert mit I(u) < 0 , dann besitzt I kein Minimum, wegen
αu ∈ D für α ∈ R und
Z
1 1

I(αu) = |αu′ (x)|2 − λ2 |αu(x)|2 dx
2 0
= α2 I(u) → −∞
für |α| → ∞ .

Wenn also I ein Minimum auf D besitzt, folgt I(u) ≥ 0 für alle u ∈ D , also
Z 1 Z 1
′ 2 2
|u (x)| dx ≥ λ |u(x)|2 dx
0 0

für alle u ∈ C1 ([0, 1]) mit u(0) = u(1) = 0 . Natürlich ist in diesem Fall die Funktion
u ≡ 0 ein Minimum von I auf D , wegen
0 = I(u) ≤ I(v) , v ∈ D .
Aus der Poincaréschen Ungleichung (Satz 2.19) folgt, daß die obenstehende Ungleichung
gilt für λ2 ≤ 2 , wegen
Z 1
|u′ (x)|2 dx = |u|22,1,(0,1)
0
Z 1
2 2
≥ 2kuk2,(0,1) ≥ λ |u(x)|2 dx .
0

51
Es gilt aber sogar Z Z
1 1
′ 2 2
|u (x)| dx ≥ π |u(x)|2 dx .
0 0
Diese Ungleichung heißt Wirtingersche Ungleichung. Bevor ich diese Ungleichung bewei-
se, zeige ich noch, daß diese Ungleichung für λ2 > π 2 nicht gilt: Denn für

u(x) = sin πx ∈ D

ist
Z 1
1
I(u) = u′ (x)2 − λ2 u(x)2 dx
2 0
Z
1 1
= − u(x)u′′ (x) + λ2 u(x)2 dx
2 0
Z
1 1  ′′ 
= − u (x) + λ2 u(x) u(x)dx
2 0
Z 1
1 2 2
= (π − λ ) (sin πx)2 dx < 0 .
2 0

∞
q Wirtingerschen Ungleichung. Ich zeige zuerst, daß {um }m=1 mit
Beweis der
2
um (x) = 1+(mπ)2
sin(mπx) ein vollständiges Orthonormalsystem ist im Hilbertraum
◦ ◦ ◦
H 1 ((0, 1)) = H 21 ((0, 1)) . Hierzu muß zuerst gezeigt werden, daß um ∈ H 1 ((0, 1)) ist für
m ∈ N . Sei für ε > 0 und x ∈ R


um (1 + ε)(x − 12 ) + 21 , 2(1+ε)
ε 2+ε
≤ x ≤ 2(1+ε)
vm,ε (x) =
0, sonst
ε 2+ε
Wegen vm,ε (x) = 0 für x = 2(1+ε) und x = 2(1+ε) ist vm,ε ∈ H1 (R) mit der schwachen
Ableitung


′ (1 + ε)u′m (1 + ε)(x − 21 ) + 12 , 2(1+ε)
ε 2+ε
≤ x ≤ 2(1+ε)
vm,ε (x) =
0, sonst,

und verschwindet in einer Umgebung der Randpunkte x = 0 und x = 1 . Nach Folgerung

◦
2.16 gibt es eine Folge {ϕk }∞
k=1 mit ϕk ∈ C ∞ ((0, 1)) und kvm,ε −ϕk k2,1,Ω → 0 für k → ∞ ,
◦
also ist vm,ε ∈ H 1 ((0, 1)) . Außerdem gilt kum − vm,ε k2,1,(0,1) → 0 für ε → 0 , also folgt

◦ ◦
um ∈ H 1 ((0, 1)) = H 1 ((0, 1)) .

52
Weiter muß gezeigt werden, daß {um }∞
m=1 ein Orthonormalsystem ist. Es gilt

(uk , um )1,(0,1) = (u′k , u′m )(0,1) + (uk , um )(0,1)

(  
−(u′′k , um ) + (uk , um ) = (kπ)2 + 1 (uk , um )(0,1)
=  
−(uk , u′′m ) + (uk , um ) = (mπ)2 + 1 (uk , um )[0,1) ,

und somit  
(kπ)2 − (mπ)2 (uk , um )(0,1) = 0 ,
was für k 6= m nur sein kann wenn (uk , um )(0,1) = 0 und somit auch

(uk , um )1,(0,1) = 0 .

Für k = m erhält man

 
(um , um )1,(0,1) = (mπ)2 + 1 (um , um )0,1
Z 1
 2
 2
= (mπ) + 1 sin(mπx)2 dx
(mπ)2 + 1 0
= 1.

Also ist {um }∞

m=1 ein Orthonormalsystem. Es bleibt zu zeigen, daß dieses Orthonormal-
system vollständig ist.
◦
Es sei X der von {um }∞ m=1 aufgespannte Teilraum von H 1 ((0, 1)) , d.h. die Menge aller
endlichen Linearkombinationen der u′m s. Es sei X der Abschluß von X . Bekanntlich gilt
( ∞ ∞
)
X X
X= αm um : αm um konvergiert bezüglich der H12 –Norm .
m=1 m=1

◦
Wenn für diesen abgeschlossenen Unterraum X = H 1 ((0, 1)) gilt, dann ist {um }∞
m=1
◦ ◦ ◦
vollständig. Ich zeige, daß C ∞ ((0, 1)) ⊆ X ist. Wegen C ∞ ((0, 1)) = C 1 ((0, 1)) , folgt
dann
◦
◦ ◦

H 1 (0, 1) = C ∞ ((0, 1)) ⊆ X ⊆ H 1 (0, 1) ,
◦
und somit muß {um }∞ m=1 vollständig sein. Sei ϕ ∈ C ∞ (0, 1) und αm = (ϕ, um )1,(0,1) . Es
folgt mit partieller Integration

αm = (ϕ, um )1,(0,1) = (ϕ, um )(0,1) + (ϕ′ , u′m )(0,1)

= (ϕ, um )(0,1) − (ϕ, u′′m )(0,1) = (ϕ, um )(0,1) + (πm)2 (ϕ, um )(0,1)
s

2

= 1 + (πm)2 ϕ, sin(mπx) (0,1)
1 + (πm)2
q


= 2 1 + (πm)2 ϕ, sin(mπx) (0,1) .

53
 P ◦
Die Reihe ∞ m=1 αm um konvergiertPin H 1 ((0, 1)) . Die Grenzfunktion bezeichne ich mit
ψ . Insbesondere konvergiert dann ∞ 2
m=1 αm um bezüglich der L –Norm gegen ψ . Ande-
rerseits gilt
∞ ∞ q
s
X X
2

αm um = 2 1 + (mπ)2 2
ϕ, sin(mπx) (0,1) sin(mπx)
m=1 m=1
1 + (mπ)
∞
X √
√ 
= ϕ, 2 sin(mπx) (0,1) 2 sin(mπx) ,
m=1
√
und diese Reihe konvergiert bezüglich der L2 –Norm gegen ϕ , weil { 2 sin(mπx)}∞ m=1 ein
2
vollständiges Orthonormalsystem ist in L ((0, 1)) , also gilt ϕ = ψ fast überall. Folglich
P ◦ ◦
ist ϕ = ∞ m=1 αm um ∈ X . Da ϕ ∈ C ∞ ((0, 1)) beliebig war, folgt C ∞ ((0, 1)) ⊆ X , also
ist {um }∞
m=1 vollständig.

Nun kann die Wirtingersche Ungleichung bewiesen werden. Für u ∈

◦
H 1 ((0, 1)) sei
αm = (u, um )1,(0,1) .
Dann gilt
∞
X
u= αm um ,
m=1

und Z ∞
1 X 2
′ 2
|u (x)| dx = ku′ k20,1 = αm u′m (0,1)
.
0 m=1
P∞ ′
Die Reihe m=1 αm um konvergiert bezüglich der L2 –Norm. Wegen der Stetigkeit der
Norm folgt somit
Z 1 k
X
′ 2
|u (x)| dx = k lim αmu′m k2(0,1)
0 k→∞
m=1
Xk k
X k
X

= lim k αm u′m k2(0,1) = lim αm u′m , αl u′l (0,1)
k→∞ k→∞
m=1 m=1 l=1
k X
X k k
X
= lim (αm u′m , αl u′l )(0,1) = lim αm αl (u′m , u′l )(0,1)
k→∞ k→∞
m=1 l=1 m,l=1
k
X k
X
= − lim αm αl (u′′m , ul )(0,1) = lim αm αl (πm)2 (um , ul )(0,1)
k→∞ k→∞
m=1 m=1
k
X ∞
X
2 2 2
= lim |αm | (πm) (um , um )(0,1) ≥ π lim |αm |2 (um , um )(0,1)
k→∞ k→∞
m=1 m=1

54
 k
X k
X k
X

= π 2 lim αm αl (um , ul )(0,1) = π 2 lim αm um , αl ul (0,1)
k→∞ k→∞
m,l=1 m=1 l=1
k
X
2
= π lim k αm um k2(0,1) = π 2 kuk2(0,1)
k→∞
m=1
Z 1
= π2 |u(x)|2 dx ,
0
P∞
weil m=1 αm um bezüglich der L2 –Norm gegen u konvergiert, und (um , ul )(0,1) = 0 ist
für m 6= l .
Dies beweist die Wirtingersche Ungleichung.

3.3 Der allgemeine Fall. Das Fermatsche Prinzip Bei der Bestimmung des
kürzesten Lichtweges (Beispiel 1.2.1) ist das Funktional
Z b

I(v) = f x, v(x), v ′ (x) dx
a

zu minimieren mit p
f (x, u, ξ) = n(x, u) 1 + ξ 2 .
In diesem Fall lautet die Eulersche Differentialgleichung
!
d
u′ (x) ∂
p
n x, u(x) p = n x, u(x) 1 + u′ (x)2 .
dx 1 + u′ (x)2 ∂u

Diese Gleichung ist sehr unübersichtlich. Eine übersichtlichere Form erhält man später
mit der Hamilton–Jacobi–Theorie.

Lemma 3.5 (Zweite Form der Eulergleichung) Sei f ∈ C2 ([a, b] × R × R) . Wenn

u ∈ C2 ([a, b]) eine Lösung der Eulergleichung ist, dann gilt

dh

i

f x, u(x), u′ (x) − u′ (x)fξ x, u(x), u′ (x) = fx x, u(x), u′ (x)
dx
Beweis: Es gilt
d 
f (x, u, u′ ) − u′ fξ (x, u, u′ ) − fx (x, u, u′ )
dx
d d

= fx + fu u′ + fξ u′′ − fξ u′′ − u′ fξ − fx = u′ fu − fξ = 0 ,
dx dx
d
weil fu − f
dx ξ
= 0 ist. Damit ist das Lemma bewiesen.

55
4 Klassische Methoden. Hamilton-Jacobi Theorie
4.1 Legendretransformation, Subdifferential In diesem Abschnitt werde ich die
Hamilton-Jacobi Theorie darstellen, die auch zu den klassischen Methoden der Varia-
tionsrechnung gehört. Ich diskutiere die kanonische Form der Eulergleichung und die
Hamilton-Jacobi Gleichung. Neben anderen Beispielen für die Anwendung der Theo-
rie betrachte ich das Fermatsche Prinzip des kürzesten Lichtweges, leite die kanonische
Form der Eulergleichung zu diesem Variationsproblem her und zeige, daß in diesem Bei-
spiel die Hamilton-Jacobi Gleichung mit der Eikonalgleichung der geometrischen Optik
übereinstimmt.
Als Hilfsmittel benötige ich die Legendretransformation, die ich zunächst studiere.
Nach Lemma 3.2 (i) gilt für jede konvexe Funktion f ∈ C1 (Rn , R) , daß

f (x) ≥ f (y) + ∇f (y) · (x − y)

für alle x, y ∈ Rn . Im folgenden Satz wird dieses Ergebnis auf beliebige konvexe Funk-
tionen verallgemeinert:
Satz 4.1 Sei f : Rn → R konvex. Dann gibt es zu jedem y ∈ Rn ein z ∈ Rn mit

f (x) ≥ f (y) + z · (x − y)

für alle x ∈ Rn .
Beweis: Im Beweis brauche ich die beiden folgenden Resultate:
(i) Jede konvexe Funktion f : Rn → R ist stetig. (Diese Aussage gilt nicht für konvexe
Funktionen f : X → R mit beliebigem Vektorraum X als Definitionsbereich .)
(ii) (Trennungssatz.) Sei C eine nichtleere, konvexe und offene Teilmenge des Rm und
sei ξ ein Punkt des Rm , der nicht zu C gehört. Dann gibt es eine Hyperebene im Rm ,
die C von ξ trennt.
Ich will beide Aussagen nicht beweisen. Die erste ist ein Ergebnis aus der Infinitesimal-
rechnung für Funktionen mehrerer Variablen, und die zweite ist ein einfacher Spezialfall
eines funktionalanalytischen Resultates, das für allgemeine topologische Vektorräume
gilt (siehe H.H. Schäfer: Topological Vector Spaces, Springer 1966, S. 64).
Es sei nun f : R → R eine konvexe Funktion und

epi (f ) = {(x, λ) ∈ Rn × R : λ ≥ f (x)}

der Epigraph von f . Weil f nach (i) stetig ist, ist das Innere der Menge epi (f ) nicht
leer, also
◦
⌢
epi (f ) 6= ∅ .
Aus der Konvexität von f folgt sofort, daß epi f eine konvexe Teilmenge von Rn+1
ist. Sei nun y ∈ Rn . Dann gehört der Punkt (y, f (y)) zum Rand von epi (f ) , also
◦
⌢
/ epi (f ) , und somit gibt es nach (ii) eine Hyperebene in Rn+1 , die die
ist (y, f (y)) ∈

56
 ◦
⌢
nichtleere, konvexe und offene Menge epi (f ) von der einpunktigen, also konvexen und
nichtleeren Menge {(y, f (y))} trennt.

Diese Hyperebene muß den Punkt (y, f (y)) enthalten. Also kann man diese Hyperebene
als Graph einer Funktion
x 7→ z · (x − y) + f (y)
◦
⌢
darstellen mit geeignetem z ∈ Rn . Da die Hyperebene keinen Punkt von epi (f ) enthält,
gilt für alle x ∈ Rn
z · (x − y) + f (y) ≤ f (x) .
Damit ist der Satz bewiesen.

Beispiel. Die Funktion x 7→ f (x) := |x| : Rn → R ist konvex. Für y 6= 0 ist f

differenzierbar mit
y
∇f (y) =
|y|
und es gilt in diesem Fall
y
f (x) ≥ f (y) + ∇f (y) · (x − y) = f (y) + (x − y) .
|y|

Für y = 0 gilt für alle z ∈ Rn mit |z| ≤ 1

z · x ≤ |z| |x| ≤ |x| ,

also
f (x) ≥ z · x = f (0) + z · (x − 0) ,
Falls f (x) ≥ f (y) + z · (x − y) für alle x ∈ Rn gilt, dann ist der Graph der Funktion
x 7→ z · (x − y) + f (y) eine Hyperebene durch den Punkt (y, f (y)) , die ganz unter dem
Graphen der Funktion f liegt, und z ist der Gradient der Funktion x 7→ z ·(x−y)+f (y) .
.
... ....
.....
... .....
... .....
.... ..
.......
.. .....
.. .... ..
.. ..... ......
.. ..... ......
.... ..... ......
6
..
f
.... .
..
.... .
.
.
.
.... .
... .
.........
.... .. .... ....
..... .. ..... ......
..... .. ..... .......... .......
...
..... .. ..... .. .......
....
.... .. .
...... ..........
. .......
.... .
.
.
.
..
.. .
... ........ .. ...........
.... .. .... .....
..... ..... .......
.... .. .......
....
.... .. ..... ...... ............. .......
..... .. ..... ..... .. .............
..... ... ................... .............. .............
..... . .
.. ............. .........
. ............
.
..... .............
...... .. ............................................................
....... ..........................
.........................................................................................................................................................................................................................................................
... ..
............. ..................
....
.. ................... .................................
.. ... .. .
............. ....... ..... .....
............. ....... ..... .....
............. ....... ..................
-
............. ....... .
.. ........... .......... ........
.. ...... .....
....... ..... .........
.......
y
... .... ..
...
....... .... ........
....... ...... .
....... ...... .........
...... ...
.
.. ....... .
. ....
.
..
...... .......
......
.. .....
..... .....
..... .....
.....
........
.
.....
.....
.....
.....
....

Der Satz 4.1 motiviert die folgende

57
Definition 4.2 (Subdifferentiale für Funktionen von n Variablen) Sei
f : Rn → (−∞, ∞] . Das Subdifferential ∂f von f ist eine Funktion ∂f : Rn → P(R\ )
(= Potenzmenge von Rn ) , die folgendermaßen definiert ist:

z ∈ ∂f (y) ⇐⇒ ∀x ∈ Rn : f (x) ≥ f (y) + z · (x − y) .

Satz 4.1 sagt also, daß bei einer konvexen Funktion f das Subdifferential an keiner Stelle
leer ist: ∂f (y) 6= ∅ für alle y ∈ Rn .

Ich werde das Subdifferential später genauer untersuchen.

Definition 4.3 (Legendretransformation) Sei f : Rn → [−∞, ∞] und sei f ∗ : Rn →

[−∞, ∞] definiert durch
f ∗ (y) = sup {x · y − f (x)} .
x∈Rn

f ∗ heißt Legendretransformierte von f .

Lemma 4.4 (Eigenschaften der Legendretransformation) Sei f : Rn →

[−∞, ∞] . Dann gilt:
(i) f ∗ ist konvex.
(ii) Es gilt (f ∗ )∗ ≤ f . Ist f : Rn → R konvex, dann gilt (f ∗ )∗ = f .
(iii) Sei f ∈ C1 (Rn , R) konvex. Dann gilt


f ∗ ∇f (x) = ∇f (x) · x − f (x)

für alle x ∈ Rn .
(iv) Sei f strikt konvex und [
R(∂f ) = ∂f (x) .
x∈Rn

Dann ist f ∗ stetig differenzierbar auf R(∂f ) .

(v) Sei f ∈ C1 (Rn , R) strikt konvex. Dann ist die Abbildung x 7→ ∇f (x) : Rn → Rn
injektiv. Gilt außerdem
f (x)
lim = ∞,
|x|→∞ |x|

dann ist diese Abbildung sogar bijektiv, und es gilt für ihre Inverse g


f ∗ (y) = y · g(y) − f g(y)

sowie
g(y) = ∇f ∗ (y) .
Die Aussage (iv) will ich hier nicht beweisen.

58
Beweis: (i) Seien y, z ∈ Rn und t ∈ [0, 1] . Dann gilt

h
i
f ∗ ty + (1 − t)z = sup ty + (1 − t)z · x − f (x)
x∈Rn
h

i
= sup t y · x − f (x) + (1 − t) z · x − f (x)
x∈Rn



≤ t sup y · x − f (x) + (1 − t) sup z · x − f (x)
x∈Rn x∈Rn
∗ ∗
= tf (y) + (1 − t)f (z)

(ii) Es ist f ∗ (y) = supx∈Rn x · y − f (x) , also f ∗ (y) ≥ x · y − f (x) , und somit f (x) ≥
x · y − f ∗ (y) für alle x, y ∈ Rn . Wegen


(f ∗ )∗ (x) = sup x · y − f ∗ (y)
y∈Rn

folgt
(f ∗ )∗ (x) ≤ f (x) .
Sei f : Rn → R konvex. Es gilt nach Definition für z ∈ Rn


(f ∗ )∗ (z) = sup z · y − f ∗ (y)
y∈Rn

  
= sup z · y − sup y · x − f (x) = sup inf z · y − y · x + f (x)
y∈Rn x∈Rn y∈Rn x∈Rn
 
= sup inf y · (z − x) + f (x) .
y∈Rn x∈Rn

Da f konvex ist, ist nach Satz 4.1 die Menge ∂f (z) 6= ∅ . Sei y0 ∈ ∂f (z) . Dann folgt

f (x) ≥ f (z) + y0 · (x − z) ,

also
y0 · (z − x) + f (x) ≥ f (z)
und somit  
infn y0 · (z − x) + f (x) ≥ f (z) ,
x∈R

also
 
(f ∗ )∗ (z) = sup inf y · (z − x) + f (x)
y∈Rn x∈Rn
 
≥ infn y0 · (z − x) + f (x) ≥ f (z) .
x∈R

Wegen (f ∗ )∗ (z) ≤ f (z) folgt

(f ∗ )∗ (z) = f (z)
für alle z ∈ Rn , also (f ∗ )∗ = f .

59
(iii) Sei x ∈ Rn . Das Funktional

h(z) = f (z) − ∇f (x) · z

ist konvex wegen

f ty + (1 − t)z − ∇f (x) · ty + (1 − t)z
≤ tf (y) + (1 − t)f (z) − t∇f (x)y − (1 − t)∇f (x) · z
   
= t f (y) − ∇f (x) · y + (1 − t) f (z) − ∇f (x) · z .

Außerdem gilt
∇h(z) = ∇f (z) − ∇f (x) ,
also ∇h(x) = 0 . Aus Lemma 3.2 folgt somit

h(z) ≥ h(x) + ∇h(x) · (z − x) = h(x) ,

also hat h ein Minimum im Punkt x . Somit hat −h ein Maximum im Punkt x , also gilt

 
f ∗ ∇f (x) = sup ∇f (x) · z − f (z)
z∈Rn



= sup −h(z) = maxn − h(z)
z∈Rn z∈R

= − h(x) = ∇f (x) · x − f (x) .

(v) Zum Beweis, daß x 7→ ∇f (x) : Rn → Rn injektiv ist, seien y, z ∈ Rn mit ∇f (y) =
∇f (z) . Nach Lemma 3.2 (i) gilt für alle x ∈ Rn

f (x) ≥ f (y) + ∇f (y)(x − y) .

Gäbe es ein x ∈ Rn mit x 6= y und mit

f (x) = f (y) + ∇f (y)(x − y) ,

dann folgte wegen der strikten Konvexität von f für 0 < t < 1


f tx + (1 − t)y < tf (x) + (1 − t)f (y)
 
= t f (y) + ∇f (y)(x − y) + (1 − t)f (y)


= f (y) + ∇f (y)t(x − y) ≤ f y + t(x − y)


= f tx + (1 − t)y .

Folglich muß für alle x ∈ Rn mit x 6= y gelten, daß

f (x) > f (y) + ∇f (y)(x − y)

ist, und ebenso für alle x 6= z

f (x) > f (z) + ∇f (z)(x − z) .

60
Wäre nun y 6= z , dann folgte
f (z) > f (y) + ∇f (y)(z − y)
> f (z) + ∇f (z)(y − z) + ∇f (y)(z − y)
 
= f (z) + ∇f (y) (y − z) + (z − y) = f (z) .
Also muß y = z sein, also ist x 7→ ∇f (x) injektiv.
f (x)
Nun zeige ich, daß diese Abbildung surjektiv ist falls lim|x|7→∞ |x|
= ∞ gilt. Sei y ∈ Rn .
Nach Voraussetzung gibt es dann ein C > 0 mit
f (x)
≥ |y| + 1
|x|
x
≥ y· +1
|x|
f (x)
für alle |x| ≥ C , wegen lim|x|→∞ = ∞ . Also gilt
|x|

   x f (x) 
lim y · x − f (x) = lim y · − · |x|
|x|→∞ |x|→∞ |x| |x|
≤ lim (−|x|) = −∞ .
|x|→∞

Wegen der Stetigkeit von x 7→ y · x − f (x) gibt es also ein z ∈ Rn mit

y · z − f (z) = maxn y · x − f (x) .
x∈R
n
Da f ∈ C1 (R , R) ist, folgt


0 = ∇x y · x − f (x) | = y − ∇f (z) ,
x=z

also ∇f (z) = y . Somit ist x 7→ ∇f (x) surjektiv, und folglich bijektiv. Sei g die Inverse
dieser Abbildung. Dann gilt mit (iii)


f ∗ (y) = f ∗ ∇f g(y)



= ∇f g(y) · g(y) − f g(y)


= y · g(y) − f g(y) .
Es bleibt zu zeigen, daß g(y) = ∇f ∗ (y) ist. Nach (i) und (iv) ist f ∗ ∈ C1 (Rn ) und
konvex, und nach (ii) und (iii) gilt für alle y ∈ Rn



f ∇f ∗ (y) = (f ∗ )∗ ∇f ∗ (y)
= ∇f ∗ (y) · y − f ∗ (y)


= ∇f ∗ (y) · y − g(y) · y + f g(y)


Da g die Inverse von x 7→ ∇f (x) ist, gilt y = ∇f g(y) , und somit folgt aus dieser
Gleichung


 
f ∇f ∗ (y) = f g(y) + ∇f g(y) · ∇f ∗ (y) − g(y) .
Oben wurde gezeigt, daß wegen der strikten Konvexität von f diese Gleichung nur gelten
kann wenn ∇f ∗ (y) = g(y) gilt. Damit ist Lemma 4.4 bewiesen.

61
4.2 Hamiltonfunktion
Definition 4.5 Sei a < b, f : [a, b] × R × R → R . Dann heißt die Funktion H :
[a, b] × R × R → [−∞, ∞]


H(x, u, v) = sup vξ − f (x, u, ξ)
ξ∈Rn

die Hamiltonfunktion von f . H ist die Legendretransformierte von f (x, u, ξ) bezüglich

der Variablen ξ .

Satz 4.6 (Eigenschaften der Hamiltonfunktion) Sei f ∈ C2 ([a, b] × R × R) so daß

die Funktion ξ 7→ f (x, u, ξ) strikt konvex ist für alle (x, u) ∈ [a, b] × R . Für (x, u) ∈
[a, b] × R sei

W (x, u) = fξ (x, u, ξ) : ξ ∈ R ,

W = (x, u, v) : (x, u) ∈ [a, b] × R, v ∈ W (x, u) ,

und sei H die Hamiltonfunktion von f . Dann ist H ∈ C1 (W, R) , und die Funkti-
on v 7→ H(x, u, v) : W (x, u) → R ist konvex. Sei (u, v) ∈ C2 ([a, b]) × C1 ([a, b]) mit
(x, u(x), v(x)) ∈ W für alle x ∈ [a, b] eine Lösung von

u′ (x) = Hv x, u(x), v(x)

(1)
v ′ (x) = − Hu x, u(x), v(x)

in [a, b] . Dann ist u eine Lösung der Eulergleichung

dh
i

fξ x, u(x), u (x) = fu x, u(x), u′ (x)
′
(2)
dx
in [a, b] . Wenn umgekehrt u ∈ C2 ([a, b], R) eine Lösung von (2) ist, dann ist die Funktion
(u, v) mit

v(x) = fξ x, u(x), u′ (x)
eine Lösung von (1) . Gilt außerdem
f (x, u, ξ)
lim =∞
|ξ|→∞ |ξ|
für alle (x, u) ∈ [a, b] × R , dann ist W (x, u) = R für alle (x, u) ∈ [a, b] × R und somit
W = [a, b] × R × R .

Beweis: Ich beweise den Satz nur unter der Voraussetzung, daß fξξ (x, u, ξ) > 0 sei
für alle (x, u, ξ) ∈ [a, b] × R × R . Diese Voraussetzung ist etwas stärker als die strikte
Konvexität von ξ 7→ f (x, u, ξ) . Aus Lemma 4.4 (i) folgt, daß v 7→ H(x, u, v) konvex ist.
Nach Lemma 4.4 (v) ist ξ 7→ fξ (x, u, ξ) : R → W (x, u) injektiv. Sei v 7→ g(x, u, v) :
W (x, u) → R die Inverse. Dann gilt


v = fξ x, u, g(x, u, v) .

62
Wegen fξξ (x, u, g(x, u, v)) > 0 folgt hieraus und aus dem Satz über inplizite Funktionen,
daß g : W → R stetig differenzierbar ist. Nach Lemma 4.4 (iv) ist v 7→ H(x, u, v) :
W (x, u) → R stetig differenzierbar, und nach Lemma 4.4 (iii) gilt


H x, u, fξ (x, u, ξ) = fξ (x, u, ξ) · ξ − f (x, u, ξ) .

Durch Ableiten dieser Gleichung nach ξ folgt

Hv x, u, fξ (x, u, ξ) fξξ (x, u, ξ) = fξξ (x, u, ξ) · ξ + fξ (x, u, ξ) − fξ (x, u, ξ) ,

also h
i
Hv x, u, fξ (x, u, ξ) − ξ · fξξ (x, u, ξ) = 0 ,
und folglich

Hv x, u, fξ (x, u, ξ) = ξ
für alle ξ ∈ Rn , weil fξξ (x, u, ξ) 6= 0 ist. Für ξ = g(x, u, v) folgt

Hv (x, u, v) = g(x, u, v) ∈ C1 (W ) .

Durch Integration folgt hieraus H ∈ C1 (W ) . Falls

f (x, u, ξ)
lim =∞
|ξ|→∞ |ξ|

gilt, folgt aus Lemma 4.4 (v), daß ξ 7→ fξ (x, u, ξ) : R → R bijektiv ist, also W (x, u) = R
gilt. Um die verbleibenden Behauptungen zu beweisen benütze ich, daß nach Lemma 4.4
(v) gilt

H(x, u, v) = v · g(x, u, v) − f x, u, g(x, u, v) .
Wegen g ∈ C1 (W ) resultiert also für alle (x, u, v) ∈ W


Hu (x, u, v) = v · gu (x, u, v) − fu x, u, g(x, u, v)


− fξ x, u, g(x, u, v) gu (x, u, v)
h
i
= v − fξ x, u, g(x, u, v) gu (x, u, v)


− fu x, u, g(x, u, v) .


Wegen fξ x, u, g(x, u, v) = v folgt also


Hu (x, u, v) = −fu x, u, g(x, u, v)

sowie
Hv (x, u, v) = g(x, u, v) .
Sei nun u ∈ C2 ([a, b]) eine Lösung von (2). Man definiert


v(x) = fξ x, u, (x), u′ (x) .

63
Dann ist v(x) ∈ W (x, u(x)) , also (x, u(x), v(x)) ∈ W für alle x ∈ [a, b] , und es folgt
durch Anwendung der Inversen auf diese Gleichung


u′ (x) = g x, u(x), v(x)


= Hv x, u, (x), v(x)
′ dh ′

i
v (x) = fξ x, u(x), u (x)
dx

= fu x, u(x), u′ (x)


= fu x, u(x), g x, u(x), v(x)


= − Hu x, u(x), v(x) .

Also ist (u, v) eine Lösung von (1). Sei umgekehrt (u, v) ∈ C2 ([a, b]) × C1 ([a, b]) eine
Lösung von (1). Dann folgt



u′ (x) = Hv x, u(x), v(x) = g x, u(x), v(x) ,

also durch Anwendung der Inversen



fξ x, u(x), u′ (x) = fξ x, u(x), g x, u(x), v(x) = v(x) ,

und


v ′ (x) =− Hu x, u(x), v(x)


= fu x, u(x), g x, u(x), v(x)


= fu x, u(x), u′ (x) .

Durch Kombination der beiden letzten Gleichungen ergibt sich

dh
i d

fξ x, u(x), u′ (x) = v(x) = fu x, u(x), u′ (x) .
dx dx
Also ist u eine Lösung von (2). Damit ist der Satz bewiesen.

4.3 Hamiltonsche Differentialgleichungen, kanonische Form der Eulerglei-

chung Für (u, v) ∈ C1 ([a, b]) × C([a, b]) sei
Z bh

i
J(u, v) = u′ (x)v(x) − H x, u(x), v(x) dx .
a

Um die Eulergleichung zu diesem Variationsfunktional auszurechnen, sei w = (u, v) ∈

C2 ([a, b]) × C1 ([a, b]) ein stationärer Punkt von J , d.h. für alle ϕ ∈
◦
C ∞ ((a, b), R2 ) sei
d
J(w + tϕ)| = 0 ,
dt t=0

64
also
d
0 = J(w + tϕ)|
dt t=0
Z b h
∂


= u′ (x) + tϕ′1 (x) v(x) + tϕ2 (x)
a ∂t

i
− H x, u(x) + tϕ1 (x), v(x) + tϕ2 (x) | dx
t=0
Z bh
= v(x)ϕ′1 (x) + u′ (x)ϕ2 (x)
a


i
− Hu x, u(x), v(x) ϕ1 (x) − Hv x, u(x), v(x) ϕ2 (x) dx
Z b


= − v ′ (x) − Hu x, u(x), v(x) ϕ1 (x)
a


+ u′ (x) − Hv x, u(x), v(x) ϕ2 (x)dx
◦
Insbesondere gilt dies für alle ϕ ∈ C ∞ ((a, b), R2 ) der Form ϕ = (ϕ1 , 0) und der Form
ϕ = (0, ϕ2 ) , also folgt


u′ (x) = Hv x, u(x), v(x)


v ′ (x) = − Hu x, u(x), v(x) .

Die Eulergleichungen zum Funktional J stimmen als mit dem Gleichungssystem (1) aus
Satz 4.6 überein. Unter gewissen Bedingungen an f ist die Bestimmung der stationären
Punkte von I äquivalent zur Bestimmung der stationären Punkte von J . Dabei ver-
steht man unter einem stationären Punkt von I beziehungsweise J eine Lösung der
entsprechenden Eulergleichung. Man sagt, das Gleichungssystem (1) von Satz 4.6 sei die
kanonische Form der Eulergleichungen. Man nennt es auch das Hamiltonsche
Differentialgleichungssystem.
Wegen H ∈ C1 (W ) gilt nach Lemma 4.4



f x, u, Hv (x, u, v) = H ∗ x, u, Hv (x, u, v)
= Hv (x, u, v) · v − H(x, u, v) .

Falls u′ (x) = Hv (x, u(x)v(x)) erfüllt ist, gilt also

f x, u(x), u′ (x) = u′ (x)v(x) − H x, u(x), v(x) ,

und somit
Z bh

i
J(u, v) = u′ (x)v(x) − H x, u(x), v(x) dx
a
Z b

= f x, u(x), u′ (x) dx
a
= I(u) .

65



Da u′ (x) = Hv x, u(x), v(x) genau dann gilt, wenn v(x) = fξ x, u(x), u′ (x) ist, gilt
n

′
o
(u, v) ∈ C2 [a, b] × C1 [a, b] : u (x) = Hv x, u(x), v(x)
n


o
= (u, v) ∈ C2 [a, b] × C1 [a, b] : v(x) = fξ x, u(x), u′ (x) .

Dies ist eine Untermannigfaltigkeit von C2 ([a, b]]×C1 ([a, b]) . Die obenstehende Gleichung
zeigt, daß auf dieser Untermannigfaltigkeit J(u, v) mit I(u) übereinstimmt. Dies zeigt,

daß das Minimieren von J(u, v) unter der Nebenbedingung v(x) = fξ x, u(x), u′ (x)
äquivalent ist zum Minimieren von I(u) .

4.4 Beispiele

4.4.1 Das Hamiltonsche Prinzip Nach 1.2.3 bewegt sich ein Massenpunkt vom Ort
α ∈ R zur Zeit a nach dem Ort β ∈ R zur Zeit b , so daß
Z b Z bh i
′


1
T u (t) − U t, u(t) dt = mu′ (t)2 − k(t)u(t) dt
a a 2

stationär ist, wobei −k(t) die zur Zeit t auf den Massenpunkt wirkende Kraft ist. Also
ist
1
f (t, u, ξ) = mξ 2 − k(t)u .
2
Die Eulergleichung ist
d


fξ t, u(t), u′ (t) = fu t, u(t), u′ (t) ,
dt
also
mu′′ (t) = −k(t) .
Dies ist das Newtonsche Bewegungsgesetz. Die Hamiltonfunktion H ist


H(t, u, v) = v · g(t, u, v) − f t, u, g(t, u, v) ,

wobei v 7→ g(t, u, v) die Inverse von

ξ → fξ (t, u, ξ) = mξ

ist, also
1
g(t, u, v) = v,
m
und somit
1 2 1  v 2 v2
H(t, u, v) = v − m + k(t)u = + k(t)u .
m 2 m 2m

66
In kanonischer Form lauten die Eulergleichungen

v(t)
u′ (t) = Hv t, u(t), v(t) =

m
′
v (t) = −Hu t, u(t), v(t) = − k(t) .
Das zugehörige Variationsfunktional ist
Z bh i
′ v(t)2
J(u, v) = u (t)v(t) − − k(t)u(t) dt
a 2m
Das Hamiltonsche Differentialgleichungsystem kann man auch folgendermaßen interpre-
tieren: v(t) ist der Impuls des Teilchens zur Zeit t , u′ (t) die Geschwindigkeit. Durch
Angabe der Geschwindigkeit zu jeder Zeit wird die Bewegung des Teilchens vorgeschrie-
ben. Die Gleichung u′ (t) = m1 v(t) sagt nun, daß die Bewegung des Teilchens nicht
unabhängig vom Impuls ist, den das Teilchen trägt, sondern daß der Impuls die Ge-
schwindigkeit bestimmt. Dagegen ist v ′ (t) = −k(t) die Newtonsche Bewegungsgleichung
in ihrer allgemeinen Form.

4.4.2 Das Fermatsche Prinzip Nach 3.3 ist zur Bestimmung des kürzesten Licht-
weges zwischen (a, α) und (b, β) das Funktional
Z b


I(u) = f x, u(x), u′ (x) dx
a

zu minimieren mit p
f (x, u, ξ) = n(x, u) 1 + ξ 2 .
n(x,u)
Wegen fξξ (x, u, ξ) = (1+ξ 2 )3/2
> 0 ist f strikt konvex. Wegen ξ 7→
fξ (x, u, ξ) = n(x, u) √ ξ ist der Wertbereich dieser Abbildung das offene Intervall
1+ξ 2
(−n(x, u), n(x, u)) . Die Hamiltonfunktion ist
   p 
H(x, u, v) = sup v · ξ − f (x, u, ξ) = sup v · ξ − n(x, u) 1 + ξ 2
ξ∈R ξ∈R

Also gilt

p

H x, u, n(x, u) = n(x, u) supξ∈R ξ − 1 + ξ2 = 0,

p

H x, u, −n(x, u) = − n(x, u) inf ξ∈R ξ + 1 + ξ2 = 0
und für |v| > n(x, u)
 v p 
H(x, u, v) = n(x, u) sup ξ − 1 + ξ 2 = +∞ .
ξ∈R n(x, u)
Die Abbildung
ξ

ξ 7→ fξ (x, u, ξ) = n(x, u) p : R → − n(x, u), n(x, u)
1 + ξ2

67
ist invertierbar. Mit der Inversen


v 7→ g(x, u, v) : − n(x, u), n(x, u) → R

gilt

H(x, u, v) = v · g(x, u, v) − f x, u, g(x, u, v) ,
wobei v 7→ ξ = g(x, u, v) die Inverse ist von

ξ
ξ 7→ v = fξ (x, u, ξ) = n(x, u) p ,
1 + ξ2

also (1 + ξ 2 )v 2 = n(x, u)2 ξ 2 , oder

n(x, u)2 − v 2 ξ 2 = v 2 ,

und somit, da ξ und v immer dasselbe Vorzeichen haben und |v| < n(x, u) gilt
v
ξ=p = g(x, u, v) .
n(x, u)2 − v 2

Also ist
s
v2 v2
H(x, u, v) = p − n(x, u) 1+
n(x, u)2 − v 2 n(x, u)2 − v 2
v2 n(x, u)2
= p −p
n(x, u)2 − v 2 n(x, u)2 − v 2
n(x, u)2 − v 2
= −p
n(x, u)2 − v 2
p
= − n(x, u)2 − v 2

−n(x, u)
b
...
....
b
.
....
-
....
n(x, u)
....
.... ....
....
..... ......
.
..... ...
...... .....
....... ......
.......... .......
.......................................

Für das Hamiltonsche Differentialgleichungsystem ergibt sich nun

v(x)
u′ (x) = Hv x, u(x), v(x) =
2 q
n x, u(x) − v(x)2


′

n x, u(x)

v (x) = − Hu x, u(x), v(x) = q
2 nu x, u(x) .
n x, u(x) − v(x)2

68
Man kann diese
Gleichungen folgendermaßen interpretieren: Da |v| < n ist, gibt es
ϕ(x) ∈ − π2 , π2 mit

v(x) = n x, u(x) sin ϕ(x) .
V (x)
6 
Dies bedeutet, daß v(x) die zweite ....

Komponente eines Vektors V (x) ∈ R2 ϕ........

.

mit |V (x)| = n(x, u(x)) ist:

V (x) = n x, u(x) cos ϕ(x), sin ϕ(x) .
Es gilt nun



n x, u(x) n x, u(x)
q
2 = q
2
2
n x, u(x) − v(x) 2 n x, u(x) − n x, u(x) sin2 ϕ(x)
1
= p
1 − sin2 ϕ(x)
1
= ,
cos ϕ(x)
also kann die zweite der Hamiltonschen Differentialgleichungen in der Form
1

v ′ (x) = nu x, u(x) ,
cos ϕ(x)
oder
d

cos ϕ(x) v(x) = nu x, u(x)
dx
geschrieben werden. Da v nicht von u abhängt, kann man dies auch schreiben als
V d d

· ∇(x,u) v(x) = cos ϕ(x) v(x) + sin ϕ(x) v(x) = nu x, u(x) .
|V | dx du
Da |VV | · ∇(x,u) die Ableitung in Richtung des Vektors V ist, sagt diese Gleichung, daß
die Ableitung der zweiten Komponente des Vektors V (x) in Richtung von V (x) mit der
Ableitung von n(x, u) in Richtung der zweiten Variablen übereinstimmt.
Falls u bekannt ist, bestimmt somit die zweite Hamiltonsche Gleichung die Funktion v
und damit auch V . “Bei der Bewegung entlang des Graphen von u trägt das Licht den
Vektor V mit sich.“
Die erste Hamiltonsche Gleichung ist
v(x)
u′ (x) = q
2
n x, u(x) − v(x)2
n sin ϕ(x)
= p
n − n2 sin2 ϕ(x)
2

sin ϕ(x)
=
cos ϕ(x)
= tan ϕ(x)

69
Diese Gleichung bedeutet, daß der Tangentenvektor (1, u′ (x)) an den Graphen von u im
Punkt (x, u(x)) die Richtung des Vektors V (x) hat. Diese erste Hamiltonsche Gleichung
erzwingt also, daß die Bewegung des Lichtes nicht unabhängig vom “mitgetragenen“
Vektor V (x) ist, sondern daß sich das Licht in Richtung des Vektors V (x) bewegt.

4.4.3 Der Fall f (x, u, ξ) = f (ξ) Die Eulergleichung ist in diesem Fall
d ′ ′
f (u ) = 0 ,
dx
also f ′ (u′ (x)) = λ = const . Die Hamiltonfunktion H ist gegeben durch
H(x, u, v) = H(v) = f ∗ (v) ,
also
′
u′ = Hv (v) = f ∗ (v)
v′ = − Hu (v) = 0 .
Hieraus folgt v(x) = µ = const und
′
u′ = f ∗ (µ) ,
also
′
u(x) = f ∗ (µ)x + ν .

4.4.4 Der Fall f (x, u, ξ) = f (x, ξ) In diesem Fall ist die Eulergleichung
d

fξ x, u′ (x) = 0 ,
dx
also

fξ x, u′ (x) = const
Für die Hamiltonfunktion gilt
H(x, u, v) = sup[vξ − f (x, ξ)] = H(x, v) .
ξ∈R

Also sind die Hamiltonschen Differentialgleichungen

u′ (x) = Hv x, v(x)


v ′ (x) = − Hu x, v(x) = 0 ,
also v(x) = µ und
u′ (x) = Hv (x, µ) ,
und somit
Z x
u(x) = Hv (y, µ)dy + u(a) .
a
Das Hamiltonsche Differentialgleichungssystem heißt in diesem Fall vollständig integra-
bel.

70
4.4.5 Der Fall f (x, u, ξ) = f (u, ξ) Nach 3.2.3 gilt in diesem Fall für die Eulergleichung



f u(x), u′ (x) − u′ (x)fξ u(x), u′ (x) = const .

Für die Hamiltonfunktion gilt

 
H(x, u, v) = sup v · ξ − f (u, ξ) = H(u, v) ,
ξ∈R

also


u′ (x) = Hv u(x), v(x)


v ′ (x) = − Hu u(x), v(x) .

Hieraus folgt
d



H u(x), v(x) = Hu u(x), v(x) u′ (x) + Hv u(x), v(x) v ′ (x) = 0 ,
dx
also

x 7→ H u(x), v(x) = const .
Wenn die Funktion f nicht von x abhängt, ist die Hamiltonfunktion entlang von Lösungs-
kurven x 7→ (u(x), v(x)) des Hamiltonschen Differentialgleichungssystems konstant.

4.5 Die Hamilton-Jacobi Gleichung

Definition 4.7 Die partielle Differentialgleichung

Sx (x, u) + H x, u, Su (x, u) = 0 .

für die Funktion S : [a, b] × R → R heißt Hamilton–Jacobi Gleichung.

Man beachte, daß u hier die Bedeutung einer Variablen und nicht einer Funktion hat.
Die Hamilton–Jacobi Gleichung steht im engen Zusammenhang mit dem Hamiltonschen
Differentialgleichungssystem, wie der folgende Satz zeigt.

Satz 4.8 (Eigenschaften der Lösung der Hamilton–Jacobi Gleichung) Sei

Γ ⊆ R ein Intervall und sei S ∈ C2 ([a, b] × R × Γ, R) für jedes γ ∈ Γ eine Lösung der
Hamilton–Jacobi Gleichung:


Sx (x, u, γ) + H x, u, Su (x, u, γ) = 0 , (x, u) ∈ [a, b] × R .

Sei γ ∈ R und sei (u, v) eine Lösung von

u′ (x) = Hv x, u(x), v(x)

(H)
v ′ (x) = − Hu x, u(x), v(x)

71


für x ∈ [a, b] und mit v(a) = Su a, u(a), γ . Dann existiert eine Konstante c mit


Sγ x, u(x), γ = c


Su x, u(x), γ = v(x)

für alle x ∈ [a, b] . Entlang des Graphen von u ist also Sγ konstant.

Sei umgekehrt Sγu (x, u, γ) 6= 0 für alle (x, u, γ) ∈ [a, b] × R × Γ . Sei γ ∈ Γ , sei c ∈ R
und sei u ∈ C2 ([a, b]) mit

Sγ x, u(x), γ = c
für alle x ∈ [a, b] . Setze

v(x) = Su x, u(x), γ .
Dann ist (u, v) eine Lösung von (H).

Beweis: Sei (u, v) eine Lösung von (H). Dann gilt

d

Su x, u(x), γ = Sux + u′ Suu
dx

= Sux + Hv x, u(x), v(x) Suu .

Es gilt



Sux x, u(x), γ = Sxu x, u(x), γ
∂
= Sx (x, u, γ)|
∂u u=u(x)
∂ 

= − H x, u(x), Su x, u(x), γ
∂u 


= − Hu x, u(x), Su x, u(x), γ


− Hv x, u(x), Su x, u(x), γ Suu .

Kombination mit der vorangehenden Gleichung ergibt

d


Su x, u(x), γ = − Hu x, u(x), Su x, u(x), γ
dx h 


i
+ Hv x, u(x), v(x) − Hv x, u(x), Su x, u(x), γ Suu .

Dies kann man auffassen als Differentialgleichung erster Ordnung für die Funktion
w(x) = Su (x, u(x), γ) . Su (x, u(x), γ) erfüllt diese Differentialgleichung und die Anfangs-
bedingung Su (a, u(a), γ) = v(a) . Wegen (H) ist auch v(x) eine Lösung dieses Anfangs-
wertproblems. Die Lösung ist aber eindeutig, also folgt


v(x) = Su x, u(x), γ .

72
Hiermit folgt
dh
i
Sγ x, u(x), γ = Sxγ + Suγ u′
dx

= Sxγ + Hv x, u(x), v(x) Suγ


= Sxγ + Hv x, u(x), Su x, u(x), γ Suγ
d h

i
= Sx x, u(x), γ + H x, u(x), Su x, u(x), γ
dγ
= 0,
also folgt

Sγ x, u(x), γ = const
für alle x ∈ [a, b] .

Sei umgekehrt Sγ x, u(x), γ = c für x ∈ [a, b] . Es folgt dann
dh
i
Sxγ + Suγ u′ = Sγ x, u(x), γ = 0 .
dx
Außerdem folgt
d h

i
Sxγ + Hv Suγ = Sx u, u(x), γ + H x, u, Su x, u(x), γ = 0.
dγ
Durch Kombination beider Gleichungen folgt
h 
 i

Hv x, u(x), Su x, u(x), γ − u′ (x) Suγ x, u(x), γ = 0 .

Wegen v = Su und wegen Suγ 6= 0 folgt

u′ (x) = Hv x, u(x), v(x) .
Außerdem folgt
dh
i
v ′ (x) = Su x, u(x), γ
dx
= Sxu + Suu u′
= Sxu + Suu Hv
 
= Sx + H(x, u, Su ) u − Hu


= − Hu x, u(x), Su x, u(x), γ


= − Hu x, u(x), v(x) .
Also ist (u, v) eine Lösung von (H) .

Dieser Satz erlaubt aus der Lösung der Hamilton–Jacobi Gleichung die Lösung des Ha-
miltonschen Differentialgleichungssystems zu bestimmen. Es bleibt aber die Frage offen,
ob überhaupt eine Lösung der Hamilton–Jacobi Gleichung existiert. Dies ergibt sich aus
folgendem Satz:

73
Satz 4.9 (Existenz von Lösungen der Hamilton–Jacobi Gleichung) Mit den
Bezeichnungen von Satz 5.7 sei H ∈ C3 (W, R) . Sei S0 ∈ C2 (R) eine Funktion mit
v0 (u) := S0′ (u) ∈ W (a, u)
für alle u ∈ R . Dann gibt es eine in [a, b] × R relativ offene Teilmenge U von [a, b] × R
mit {a} × R ⊆ U und eine Lösung S ∈ C2 (U, R) der Hamilton–Jacobischen Differenti-
algleichung 
Sx (x, u) + H x, u, Su (x, u) = 0
in U zur Anfangsbedingung
S(a, u) = S0 (u) .
Beweis: Aus der Theorie der gewöhnlichen Differentialgleichungen folgt, daß es eine
in [a, b] × R relativ offene Teilmenge U von [a, b] × R gibt mit {a} × R ⊆ U , die in
eineindeutiger Weise von den Kurven x 7→ (x, u, (x, α)) überdeckt wird, wobei u(x, α)
die erste Komponente der Lösung (u, v) = (u(x, α), v(x, α)) von


u′ (x, α) = Hv x, u(x, α), v(x, α) ,
u(a, α) = α
v ′ (x, α) = − Hu x, u(x, α), v(x, α) , v(a, α) = v0 (α)
ist. Hierbei sei
∂ ∂
u′ (x, α) =u(x, α), v ′ (x, α) = v(x, α) .
∂x ∂x
Es sei V ⊆ [a, b] × R die Menge alle (x, α) mit (x, u(x, α)) ∈ U . Wenn nötig durch
Verkleinerung von U und V kann erreicht werden, daß U von der Form
U = {(x, y) : a ≤ x < c(y)}
ist mit a < c(y) ≤ b , und daß die Funktionaldeterminante der Abbildung (x, α) 7→
(x, u(x, α)) in V von Null verschieden ist:
"
#
∂ x, u(x, α) 1 0 ∂u
det = ∂u ∂u = (x, α) > 0 ,
∂(x, α) ∂x ∂α ∂α
∂u
wegen ∂α (a, α) = ∂α
∂α
= 1, . Es existiert dann die Inverse (x, u) 7→ (x, α(x, u)) : U → V
von (x, α) 7→ (x, u(x, α)) , die dieselbe Differenzierbarkeitsordnung hat wie (x, α) 7→
u(x, α) . Wegen H ∈ C3 ist u(x, α) ∈ C2 , also auch α(x, u) . Ich definiere die Abbildung
ṽ : U → R durch

ṽ(x, u) = v x, α(x, u) .
Sei nun S die Lösung von


(∗) Sx (x, u) = −H x, u, ṽ(x, u) , S(a, u) = S0 (u) ,

in U , also Z x

S(x, u) = S0 (u) − H y, u, ṽ(y, u) dy
0

74
für alle (x, u) ∈ U . Ich werde zeigen, daß

Su (x, u) = ṽ(x, u)

gilt. Wenn dies gezeigt ist, folgt direkt aus der Definition (∗) von S , daß S eine Lösung
der Hamilton–Jacobischen Differentialgleichung zur Anfangsbedingung S(a, u) = S0 (u)
ist.
Zum Beweis beachte man, daß durch Einsetzen von u = u(x, α) in die Definition von ṽ
folgt

v(x, α) = ṽ x, u(x, α) ,
also
∂ d

v(x, α) = ṽ x, u(x, α)
∂x dx


∂u
= ṽx x, u(x, α) + ṽu x, u(x, α) (x, α)


∂x
= ṽx x, u(x, α) + ṽu x, u(x, α) u′ (x, α) ,

d. h.


vx x, α(x, u) = ṽx (x, u) + ṽu (x, u)u′ x, α(x, u) .
Aus (∗) ergibt sich somit

Sux (x, u) = Sxu (x, u)

dh
i
= − H x, u, ṽ(x, u)
du


= − Hu x, u, ṽ(x, u) − Hv x, u, ṽ(x, u) ṽu (x, u)



= vx x, α(x, u) − ux x, α(x, u) ṽu (x, u)



= ṽx (x, u) + ṽu (x, u)u′ x, α(x, u) − u′ x, α(x, u) ṽu (x, u)
= ṽx (x, u) .

Wegen (∗) folgt hieraus durch Integration

Su (x, u) − ṽ(x, u) = Su (a, u) − ṽ(a, u)

= S0′ (u) − v(a, u)
= S0′ (u) − v0 (u)
= 0.

Damit ist der Satz bewiesen.

4.6 Geometrische Optik und Eikonalgleichung In 4.4.2 wurde gezeigt, daß die
Hamiltonfunktion zum Fermatschen Prinzip des kürzesten Lichtweges durch
p
H(x, u, v) = − n(x, u)2 − v 2 , −n(x, u) < v < n(x, u)

75
gegeben ist. Die Hamilton–Jacobi Gleichung lautet in diesem Fall
p
Sx (x, u) − n(x, u)2 − Su (x, u)2 = 0 .
Aus Symmetriegründen ersetze ich die Bezeichnung u durch y . Dann kann die Hamilton–
Jacobi Gleichung auch in der Form
Sx (x, y)2 + Sy (x, y)2 = n(x, y)2
oder
|∇S(x, y)|2 = n(x, y)2
geschrieben werden. Diese Gleichung nennt man in der geometrischen Optik auch Eiko-
nalgleichung.

Sei (u(x, α), v(x, α)) die Lösung von

u′ (x, α) = Hv x, u(x, α), v(x, α) ,
u(a, α) = α
v ′ (x, α) = − Hu x, u(x, α), v(x, α) , v(a, α) = v0 (α)


mit v0 (y) = S0′ (y) ∈ W (a, y) = (−n(a, y), n(a, y) . In 4.4.2 wurde gezeigt, daß v(x, α)
die zweite Komponente eines Vektors V mit |V | = n(x, y) ist. Wegen


Sy (x, y) = ṽ(x, y) = v x, α(x, y) , |∇S(x, y)| = n(x, y)
folgt
∇S(x, y) = V .
Es wurde auch gezeigt, daß der Tangentenvektor (1, u′ (x, α)) an die Kurve x 7→
(x, u(x, α)) die Richtung von V , also von ∇S(x, u(x, α)) hat. Die Kurven x 7→
(x, u(x, α)) sind also die Kurven des steilsten Anstiegs der Funktion S(x, y) , sie ste-
hen senkrecht auf den Niveaulinien S(x, y) = const von S .

Schreibt man zum Beispiel die Anfangsbedingung S0 (y) = 0 vor (also v0 (y) = S0′ (y) =
0 ) , dann ist die Gerade {a} × R selbst eine Niveaulinie von S . Die Kurven x 7→
(x, u(x, α)) beginnen also im Punkt (a, α) senkrecht zu dieser Geraden:

Zeichnung - Niveaulinien

In diesem Beispiel ist die Gerade {a} × R eine “leuchtende Linie“ . Die Kurven x 7→

76
(x, u(x, α)) sind die von dieser Linie ausgehenden Lichtstrahlen. Entlang der Lichtstrah-
len, also jeweils in Richtung von ∇S , breitet sich das Licht mit der Geschwindigkeit
1 1
n(x,y)
= |∇S(x,y)| aus. Daher ist die Niveaulinie S(x, y) = t eine Linie, die alle Punkte
auf den Lichtstrahlen verbindet, die vom Licht zum Zeitpunkt t erreicht werden. Wenn
(x1 , y1 ) und (x2 , y2 ) zwei Punkte auf demselben Lichtstrahl sind, dann gibt die Differenz

S(x2 , y2 ) − S(x1 , y1 )

die Zeit an, die das Licht entlang des Lichtstrahles vom Punkt (x1 , y1 ) zum Punkt (x2 , y2 )
benötigt.

77
5 Schwache Topologie von Banachräumen
5.1 Konvexe Mengen in Banachräumen, Trennungssatz
Definition 5.1 (Konvexe Hülle) Sei V ein normierter Raum und M ⊆ V . Die Menge
X X
conv M = { λi xi | N endliche Teilmenge von N , xi ∈ M , λi ≥ 0 , λi = 1 }
i∈N i∈N

heißt konvexe Hülle von M .

Ist M konvex, dann auch M . Ist M offen, dann auch conv M , wegen
[ X

conv M = λM .
I⊆[0,1] λ∈I
I endlich
P
λ∈I λ=1

Satz 5.2 Sei H ein Hilbertraum, und sei M ⊆ H abgeschlossen und konvex, M 6= ∅ .
Dann existiert für jedes x ∈ H ein eindeutiges y ∈ M mit

kx − yk = inf kx − ηk .
η∈M

Beweis. Sei ηk ∈ M mit limk→∞ kηk − xk = inf η∈M kη − xk = d .

Die Parallelogrammgleichung

ku + vk2 + ku − vk2 = 2kuk2 + 2kvk2

ergibt mit u = x − ηk , v = x − ηl
1
(∗) kηk − ηl k2 = 2kx − ηk k2 + 2kx − ηl k2 − 4kx − (ηk + ηl )k2 .
2
Da M konvex ist, ist 21 (ηk + ηl ) ∈ M , somit
1
d2 ≤ kx − (ηk + ηl )k2 .
2
Zu jedem ε > 0 gibt es l0 mit kηl − xk < d + ε für alle l ≥ l0 . Aus (∗) folgt also für
0 < ε ≤ 1 und k, k ≥ l0

kηk − ηl k2 ≤ 2kx − ηk k2 + 2kx − ηl k2 − 4d2

≤ 2(d + ε)2 + 2(d + ε)2 − 4d2
= 8dε + 4ε2 ≤ (8d + 4)ε .

Also ist {ηl }∞

l=1 eine Cauchyfolge und hat den Grenzwert y . Da M abgeschlossen ist, ist
y ∈ M und für dieses y gilt

kx − yk = kx − lim ηk k = lim kx − ηk k = d .
k→∞ k→∞

78
Zum Beweis des Satzes genügt es also zu zeigen, daß y eindeutig ist. Sei y ′ ein zweites
Element aus M mit kx − y ′ k = d . Dies ergibt
1
ky − y ′ k = 2kx − yk2 + 2kx − y ′ k2 − 4kx − (y + y ′ )k2
2
≤ 4d2 − 4d2 = 0 ,

also y = y ′ , also ist y eindeutig bestimmt.

Folgerung 5.3 Sei S ein abgeschlossener Unterraum des Hilbertraumes H, S 6= ∅ , sei

x ∈ H und sei δ = inf{kx−yk | y ∈ S} . Dann gibt es genau ein y0 ∈ S mit kx−y0 k = δ .

Beweis: Ergibt sich aus dem vorangehenden Satz mit M = S .

Definition 5.4 (Projektion auf konvexe Mengen) Sei H ein Hilbertraum und
M ⊆ H abgeschlossen und konvex. Für x ∈ H bezeichne ProjM x das nach dem letzten
Satz eindeutig bestimmte Element aus M mit

kProjM x − xk = inf kx − ηk .
η∈M

ProjM : H → M heißt die Projektion von H nach M .

Lemma 5.5 Sei M ⊆ H eine abgeschlossene und konvexe Menge. Dann gilt y =
ProjM x genau dann, wenn y ∈ M ist und

Re (y, η − y) ≥ Re (x, η − y)

für alle η ∈ M .

Beweis: Sei x ∈ H , y = ProjM x . Da M konvex ist, folgt

(1 − t)y + tη = y + t(η − y) ∈ M

für alle 0 ≤ t ≤ 1 , folglich nimmt

ϕ(t) = kx − y − t(η − y)k2 = kx − yk2 − 2t Re (x − y, η − y) + t2 kη − yk2

das Minimum an für t = 0 . Also gilt

0 ≤ ϕ′ (0) = −2 Re (x − y, η − y) ,

somit
Re (y, η − y) ≥ Re (x, η − y) .
Umgekehrt sei für y ∈ M und für alle η ∈ M

Re (y, η − y) ≥ Re (x, η − y) .

79
Dies ergibt


0 ≤ Re y − x , (η − x) + (x − y) = −kx − yk2 + Re (y − x, η − x) ,

also
kx − yk2 ≤ Re (y − x, η − x) ≤ kx − yk kη − xk ,
somit
kx − yk ≤ kη − xk
für alle η ∈ M . Also ist y = ProjM x .

Folgerung 5.6 Sei H ein Hilbertraum und S ein abgeschlossener Unterraum von
H, S 6= ∅ . Dann gilt y = ProjS x , genau dann, wenn y ∈ S mit

(x − y, z) = 0

für alle z ∈ S . (In diesem Fall ist ProjS also die orthogonale Projektion auf S .)

Beweis. Sei (x − y, z) = 0 für alle z ∈ H . Dann folgt für alle η ∈ S

Re (y − x, η − x) = 0 ≥ 0 ,

wegen η − y ∈ S , also y = ProjS x , nach Lemma 5.5. Sei umgekehrt y = ProjS x . Aus
Lemma 5.5 folgt dann
Re (y − x, z) ≥ 0
für alle z ∈ S , also
Re (λ(y − x, z)) = Re (y − x, λz) ≥ 0
für alle λ ∈ K , somit (y − x, z) = 0 für z ∈ S .

Definition 5.7 (Reell lineare Abbildungen) Sei V ein Vektorraum über K . Eine
Abbildung f : V → R heißt reell linear, wenn für alle x, x1 , x2 ∈ V und alle λ ∈ R gilt

f (x1 + x2 ) = f (x1 ) + f (x2 )

f (λx) = λf (x) .

Bemerkung 5.8 Sei V ein normierter Raum über K . Für eine reell lineare Abbildung
f gilt genau wie für eine lineare Abbildung, daß sie stetig ist, genau dann, wenn sie
beschränkt ist. D.h. die reell lineare Abbildung f : V → R ist stetig, genau dann, wenn
eine Konstante C ≥ 0 existiert mit

|f (x)| ≤ C kxk

für alle x ∈ V . Denn V ist auch ein normierter Vektorraum über R , und für diesen
normierten Vektorraum sind die reell linearen Abbildungen gerade die linearen Abbil-
dungen.

80
Satz 5.9 (Trennungssatz) Sei H ein Hilbertraum über K , sei M ⊆ H eine abge-
schlossene, nichtleere, konvexe Teilmenge von H , und sei x ∈ H\M . Dann gibt es eine
stetige, reell lineare Abbildung f : H → R mit

f (x) > sup f (z) .

z∈M

Beweis: Sei y = ProjM x . Dann ist f = H → R mit

f (z) = Re (x − y, z)

eine reell lineare Abbildung mit

|f (z)| ≤ |Re (x − y, z)| ≤ kx − yk kzk ,

also ist f stetig. Außerdem gilt nach Lemma 5.5 für alle η ∈ M

f (x) = Re (x − y, x) = (x − y, x − y) + Re (x − y, y)
= kx − yk2 + Re [(y − x, η − y) + (x − y, η)]
≥ kx − yk2 + Re (x − y, η) = kx − yk2 + f (η) ,

und somit
sup f (η) ≤ f (x) − kx − yk2 < f (x) ,
η∈M

wegen x ∈ H\M , y ∈ M , also x 6= y .

Folgerung 5.10 Sei H ein Hilbertraum. Dann ist jede nichtleere abgeschlossene, kon-
vexe Teilmenge M von H der Durchschnitt aller abgeschlossenen Halbräume, die diese
Menge enthalten.
(Wenn f : H → R eine stetige, reell lineare Abbildung ist und α ∈ R , dann heißen die
abgeschlossenen Mengen
{x ∈ H | f (x) ≥ α}
und
{x ∈ H | f (x) ≤ α}
abgeschlossene Halbräume.)

Beweis: Sei x ∈ H\M . Nach Satz 5.9 gibt es α ∈ R und eine stetige, reell lineare
Abbildung f : H → R mit supz∈M f (z) ≤ α < f (x) , also ist x nicht Element des
Durchschnitts aller abgeschlossenen Teilräume, die M enthalten.

81
5.2 Schwache Topologie, schwache Konvergenz, schwache Folgenkompaktheit
Sei V ein normierter Raum und V ′ der Dualraum, d.h. der Raum aller stetigen linearen
Abbildungen f : V → K .
Für f ∈ V ′ sei
Uf = {x ∈ V |f (x)| < 1} .
Die schwache Topologie auf V wird folgendermaßen erklärt. Eine Menge U ⊆ V ist nach
Definition eine Umgebung von 0 (Nullumgebung), genau dann, wenn es endlich viele
stetige lineare Abbildungen f1 , . . . , fn ∈ V ′ gibt mit
n
\
Ufi ⊆ U .
i=1

Für beliebiges x ∈ V ist W ⊆ V eine Umgebung von x , genau dann, wenn es eine
Nullumgebung U gibt mit

W = x + U = {x + y | y ∈ U } .

Das so definierte System von Umgebungen erfüllt die Axiome, die von einem System
von Umgebungen verlangt werden, und definiert damit eine Topologie auf V . Die so
definierte Topologie auf V hat außerdem noch folgende Eigenschaft: Versieht man V mit
der schwachen Topologie, und versieht man K mit der üblichen Topologie, dann sind die
Vektorraumaddition und Multiplikation

(x, y) → x + y : V × V → V
(λ, x) → λx : K×V → V

stetige Abbildungen. Also ist die schwache Topologie auf V eine Vektorraumtopologie
auf V , und V ist ein topologischer Vektorraum mit der schwachen Topologie.
Die schwache Topologie auf V ist die gröbste Vektorraumtopologie auf V , in der noch
alle f ∈ V ′ stetig sind. Umgekehrt ist jede lineare Abbildung g : V → K , die in der
schwachen Topologie stetig ist, auch in der Normtopologie stetig, weil die Normtopolo-
gie feiner ist als die schwache Topologie, also stimmt der Dualraum V ′ zu V mit der
Normtopologie überein mit dem Dualraum zu V mit der schwachen Topologie.
Nach dem Satz von Hahn-Banach gibt es zu jedem x ∈ V mit x 6= 0 ein f ∈ V ′ mit
|f (x)| > 1 , also ist x 6∈ Uf , folglich ist die schwache Topologie eine separierte Topologie,
d.h. Grenzwerte sind eindeutig.

Satz 5.11 Sei V ein normierter Raum. Eine Folge {xn }∞ n=1 ⊆ V konvergiert schwach
gegen x ∈ V (d.h. in der schwachen Topologie von V ), genau dann, wenn für alle f ∈ V ′
gilt
lim f (xn ) = f (x) .
n→∞

Beweis. Wenn {xn }∞ n=1 schwach gegen x ∈ V konvergiert, gilt

limn→∞ f (xn ) = f (x) , da jedes f ∈ V ′ stetig ist in der schwachen Toplogie. Umgekehrt

82
gelte limn→∞ f (xn ) = f (x) für alle f ∈ V ′ . Sei x + U eine Umgebung von x , wobei U
eine Nullumgebung ist. Dann gibt es f1 , . . . , fm ∈ V ′ mit
m
\
Ufi = {x ∈ V | ∀ |fi (x)| < 1} ⊆ U .
i=1,...,m
i=1

Wegen limn→∞ fi (xn ) = fi (x) für i = 1, . . . , m gibt es ki mit

|fi (xn − x)| = |fi (xn ) − fi (x)| < 1

für alle n ≥ ki , also auch für alle n ≥ k0 = max{k1 , . . . , km } , somit

m
\
xn − x ∈ Ufi ⊆ U
i=1

für alle n ≥ k0 , also

xn = x + (xn − x) ∈ x + U , n ≥ u0 .

Da x + U eine beliebige Umgebung von x ist, bedeutet dies, daß limn→∞ xn = x gilt in
der schwachen Topologie von V .

Wenn {xn }∞ n=1 in der schwachen Topologie gegen x konvergiert, schreibt man auch
xn ⇀ x . In einem Hilbertraum gilt xn ⇀ x , genau dann, wenn

lim (xn , z) = (x, z)

n→∞

gilt für alle z ∈ H , weil in einem Hilbertraum jede stetige lineare Abbildung f ∈ H ′
dargestellt werden kann in der Form

f (x) = (x, z)

mit einem geeigneten z = z(f ) ∈ H .

Lemma 5.12 (Abschätzung der Norm des schwachen Grenzwertes) Sei H ein
Hilbertraum und xn ⇀ x .
(i) Dann gilt
kxk ≤ lim inf kxn k .
n→∞

(ii) Aus lim sup kxn k ≤ kxk folgt xn → x .

n→∞

Beweis: (i)
kxn − xk2 = kxn k2 − 2(x, xn ) + kxk2
folgt wegen (xn , x) → (x, x) = kxk2 , daß

0 ≤ lim inf kxn − xk2 = lim inf kxn k2 − 2 lim (xn , x) + kxk2
n→∞ n→∞ n→∞
2 2
= lim inf kxn k − kxk ,
n→∞

83
also kxk2 ≤ lim inf kxn k2 .
n→∞

(ii) Es gilt
lim sup kx − xn k2 = lim sup kxn k2 − 2 lim (xn , x) + kxk2
n→∞ n→∞ n→∞

= lim sup kxn k2 − kxk2 ≤ 0 ,

n→∞

folglich
0 ≤ lim kx − xn k2 ≤ lim sup kx − xn k2 ≤ 0 ,
n→∞ n→∞
d.h. xn → x .
Satz 5.13 (Abschluß konvexer Mengen in der schwachen und in der Normto-
pologie) Sei H ein Hilbertraum, und sei M eine konvexe Teilmenge. Dann stimmen
der Abschluß von M in der Normtopologie und in der schwachen Topologie überein.
k·k W
Beweis. Sei M der Abschluß von M in der Normtopologie, und sei M der Abschluß
von M in der schwachen Topologie. Da die Normtopologie feiner ist als die schwache
W
Topologie, ist auch M in der Normtopologie abgeschlossen, also
k·k W
M ⊆M .
Nach Folgerung 5.10 ist jede in der Normtopologie abgeschlossene konvexe Menge der
Durchschnitt von (in der Normtopologie) abgeschlossenen Halbräumen.
k·k k·k
Also ist M der Durchschnitt von abgeschlossenen Halbräumen, da mit M auch M
konvex ist.
Es wird nun gezeigt, daß diese Halbräume auch in der schwachen Topologie abgeschlos-
k·k
sen sind. Wenn dies gezeigt ist, folgt, daß M der Durchschnitt von in der schwachen
k·k
Topologie abgeschlossenen Mengen ist, also ist M selbst schwach abgeschlossen, somit
folgt
W k·k
M ⊆M ,
W k·k
zusammen also M = M .
Jeder abgeschlossene Halbraum ist nach Definition von der Form
{x ∈ H | f (x) ≤ α}
mit einer geeigneten stetigen, reell linearen Abbildung f : H → R und mit geeignetem
α ∈ R.
Ein solches f ist aber auch in der schwachen Topologie stetig, also ist der Halbraum
auch in der schwachen Topologie abgeschlossen als Urbild einer abgeschlossenen Menge
unter einer stetigen Abbildung.
Um zu zeigen, daß f schwach stetig ist, sei K = C , weil sonst nichts zu zeigen ist.
Dann ist die Abbildung g : H → C ,
g(x) = f (x) − if (ix)

84
eine stetige, (komplex) lineare Abbildung. Denn für λ = λ1 + iλ2 ∈ C mit λ1 , λ2 ∈ R gilt

g((λ1 + iλ2 )x) = f ((λ1 + iλ2 )x) − if (i(λ1 + iλ2 )x)

= λ1 f (x) + λ2 f (ix) − λ1 if (ix) + λ2 if (x)
= (λ1 + iλ2 )f (x) − (λ1 + iλ2 )if (ix)
= (λ1 + iλ2 )g(x) .

Somit ist g ∈ H ′ , also ist g auch in der schwachen Topologie stetig, also auch f = Re g ,
als Hintereinanderausführung von g und der Projektion auf die reelle Achse.
Definition 5.14 (Beschränkte Mengen) Sei V ein topologischer Vektorraum. Eine
Menge M ⊆ V heißt beschränkt, wenn es zu jeder Nullumgebung U eine Zahl λ0 > 0
gibt mit M ⊆ λU für alle λ ∈ K mit |λ| ≥ λ0 .

Als Beispiel betrachte man folgenden Spezialfall: Sei V normierter Raum: Eine Menge
M ⊆ V ist beschränkt, genau dann, wenn

sup kxk < ∞ .

x∈M

M ist beschränkt in der schwachen Topologie, genau dann, wenn für jedes f ∈ V ′ gilt

sup |f (x)| < ∞ .

x∈M

Satz 5.15 (Äquivalenz von schwacher und Normbeschränktheit) Sei V ein

normierter Raum und M ⊆ V . Es gilt: M ist schwach beschränkt, genau dann, wenn
M beschänkt ist.

Zum Beweis braucht man folgenden

Satz 5.16 (von Banach-Steinhaus) Sei X ein Banachraum, Y ein normierter Raum
und F eine Menge von stetigen linearen Abbildungen von X nach Y mit

sup kT xkY < ∞

T ∈F

für alle x ∈ X . Dann gilt

sup kT k < ∞ .
T ∈F

Hierbei ist die Norm von T wie üblich definiert:

kT k = sup kT xkY .
kxk≤1

Beweis von Satz 5.15: Wenn M beschränkt ist, folgt für alle f ∈ V ′

sup |f (x)| ≤ sup kf k kxk ≤ kf k sup kxk < ∞ ,

x∈M x∈M x∈M

85
also ist M schwach beschränkt.
Sei umgekehrt M schwach beschränkt. V ′ ist ein Banachraum, und jedes x ∈ V
definiert eine lineare stetige Abbildung J[x] ∈ V ′′ durch

(J[x])(f ) = f (x) mit kJ[x]kV ′′ = kxkV .

Wenn M schwach beschränkt ist, bedeutet dies für alle f ∈ V ′ , daß

sup |(J[x])(f )| = sup |f (x)| < ∞ .

x∈M x∈M

Die Menge {J[x] | x ∈ M } von stetigen linearen Abbildungen auf dem Banachraum V ′
ist also punktweise beschränkt. Aus dem Satz von Banach-Steinhaus folgt somit, daß

sup kxkV = sup kJ[x]kV ′′ < ∞

x∈M x∈M

gilt, also ist M normbeschränkte Teilmenge von V .

Folgerung 5.17 Sei H ein Hilbertraum mit {xn }∞ ∞

n=1 , {yn }n=1 ⊆ H . Es gelte

xn → x ∈ H , yn ⇀ y ∈ H .

Dann gilt (xn , yn ) → (x, y) .

Beweis: Es gilt (yn , z) → (y, z) für alle z ∈ H , also gilt für alle z ∈ H

sup |(yn , z)| < ∞ ,

n∈N

folglich ist {yn }∞

n=1 schwach beschränkt, und somit auch beschränkt:

kyn k ≤ C

für alle n ∈ N . Also ergibt sich

|(x, y) − (xn , yn )| = |(x, y) − (xn − x, yn ) − (x, yn )|

≤ |(x, y) − (x, yn ) − (xn − x, yn )|
≤ |(x, y) − (x, yn )| + kxn − xkC → 0

für n → ∞ .

Satz 5.18 (Schwache Folgenkompaktheit der Einheitskugel) Sei H ein Hilber-

traum. Dann ist die abgeschlossene Einheitskugel B1 (0) = {x ∈ H | kxk ≤ 1} schwach
folgenkompakt.

86
Beweis: Sei {xn }∞ ∞
n=1 ⊆ B1 (0) . Es muß gezeigt werden, daß es eine Teilfolge {xnk }k=1
und x ∈ B1 (0) gibt mit
(y, xnk ) → (y, x)
für alle y ∈ H . Hierzu sei
Ĥ = span {xn }∞
n=1 .

Dies ist ein abgeschlossener Unterraum von H , also selbst ein Hilbertraum. Außerdem
ist Ĥ separabel, das heißt, es gibt eine abzählbare dichte Teilmenge {yl }∞
l=1 von Ĥ .
∞
Es genügt nun zu zeigen, daß es eine Teilfolge {xnk }k=1 und x ∈ Ĥ ∩ B1 (0) gibt mit

(∗) (z, xnk ) → (z, x)

für alle z ∈ Ĥ . Denn sei H ⊥ der Orthogonalraum von Ĥ . Dann kann jedes y ∈ H zerlegt
werden in
y = z + z⊥
mit z ∈ Ĥ und z ⊥ ∈ H ⊥ . Aus (∗) folgt dann
(y, xnk ) = (z, xnk ) + (z ⊥ , xnk ) = (z, xnk )
−→ (z, x) = (z, x) + (z ⊥ , x) = (y, x) ,
wegen xnk , x ∈ Ĥ .

Zum Beweis von (∗) wähle mit dem Diagonalverfahren eine Teilfolge {xnk }∞
k=1 so aus,
daß die Folge
{(yl , xnk )}∞
k=1

in K konvergiert für alle l . Dann konvergiert auch die Folge

{(y, xnk )}∞
k=1

für jedes y ∈ Y = span {yl }∞

l=1 ⊆ Ĥ , wegen

y = α1 yl1 + . . . + αm ylm
für jedes y ∈ Y mit geeigneten m und α1 , . . . , αm ∈ K . Definiere eine Abbildung f :
Y → K durch
f (y) = lim (y, xnk ) .
k→∞
Es gilt für y, z ∈ Y
f (y + z) = lim (y + z, xnk ) = lim (y, xnk ) + lim (z, xnk )
k→∞ k→∞ k→∞

= f (y) + f (z) ,
und ebenso f (λy) = λf (y) , also ist f linear. Weiterhin gilt
|f (y)| = | lim (y, xnk )| ≤ lim |(y, xnk )|
k→∞ k→∞

≤ lim sup kyk kxnk k ≤ kyk ,

k→∞

87
also, für y, z ∈ Y
|f (y) − f (z)| = |f (y − z)| ≤ ky − zk ,
d.h. f ist gleichmäßig stetig auf Y , und kann somit zu einer stetigen Abbildung g auf
Y = Ĥ fortgesetzt werden. g ist automatisch auch linear, also g ∈ Ĥ ′ mit kgk ≤ 1 ,
und folglich existiert nach dem Rieszschen Darstellungssatz ein eindeutiges x ∈ Ĥ mit
f (z) = (z, x) für alle z ∈ Ĥ und mit kxk = kgk ≤ 1 , also x ∈ B1 (0) ∩ Ĥ . Sei nun z ∈ Ĥ
beliebig und ε > 0 . Wähle y ∈ Y mit kz − yk < ε/3 . Es folgt

|(z, x) − (z, xnk )| ≤ |(z, x) − (y, x)| + |(y, x) − (y, xnk )| + |(y, xnk ) − (z, xnk )|
≤ kz − yk kxk + |f (y) − (y, xnk )| + ky − zk kxnk k
< ε/3 + ε/3 + ε/3 = ε

für k ≥ k0 , k0 = k0 (ε) geeignet. Also folgt

lim (z, xnk ) = (z, x)

k→∞

für alle z ∈ Ĥ . Damit ist (∗) bewiesen, und es folgt xnk ⇀ x .

88
6 Konvexe Funktionale
6.1 Unterhalbstetige Funktionen In diesem Abschnitt sei H ein Hilbertraum.

Definition 6.1 Sei M ⊆ H, M 6= ∅ und sei f : M → (−∞, ∞] . f heißt von unten

halbstetig im Punkt x ∈ M , wenn für jede Folge {xn }∞
n=1 ⊆ M mit xn → x gilt

f (x) ≤ lim inf f (xn ) .

n→∞

f heißt schwach von unten halbstetig im Punkt x ∈ M , wenn für jede Folge {xn }∞
n=1 ⊆ M
mit xn ⇀ x gilt
f (x) ≤ lim inf f (xn ) .
n→∞

f heißt (schwach) von unten halbstetig, wenn f in jedem Punkt von M (schwach) von
unten halbstetig ist.

Lemma 6.2 (i) Seien f1 , f2 : M → R konvex. Dann ist f1 + f2 konvex. Ist f1 strikt
konvex und f2 konvex, dann ist f1 + f2 strikt konvex.
(ii) Eine reell linear Abbildung H → R ist konvex.

Beweis: klar.

Satz 6.3 (Äquivalenz von Unterhalbstetigkeit und schwacher Unterhalb-

stetigkeit bei konvexen Funktionalen) Sei M ⊆ H eine konvexe Menge und sei
f : M → (−∞, ∞] konvex. Dann gilt: f ist schwach von unten halbstetig genau dann
wenn f von unten halbstetig ist.

Beweis: Wenn f schwach von unten halbstetig ist, ist f auch von unten halbstetig.
Denn aus xn → x folgt xn ⇀ x und somit

f (x) ≤ lim inf f (xn ) .

n→∞

Um die Umkehrung zu beweisen beachte man, daß f schwach von unten halbstetig ist
falls die Menge
{x ∈ M f (x) ≤ ε}
für jedes ε ∈ R schwach abgeschlossen ist in der auf M durch die schwache Topologie
induzierten Topologie. Denn sei {xn }∞ ∞
n=1 ⊆ M mit xn ⇀ x0 ∈ M und sei {xnk }k=1 eine
Teilfolge mit
f (xnk ) → lim inf f (xn ) = a .
n→∞

Für jedes δ > 0 gibt es dann ein m mit

f (xnk ) ≤ a + δ

also
xnk ∈ {x ∈ M f (x) ≤ a + δ}

89
für alle k ≥ m . Wenn diese Menge schwach abgeschlossen ist, gehört folglich auch der
schwache Grenzwert x0 von {xnk }∞k=1 zu dieser Menge, also

f (x0 ) ≤ a + δ ,

und somit
f (x0 ) ≤ a = lim inf f (xn ) ,
n→∞

weil δ > 0 beliebig war. Somit ist f schwach von unten halbstetig.

Um den Beweis von Satz 6.3 fertig zu machen, sei also f von unten halbstetig. Es genügt
zu zeigen, daß die Menge {x ∈ M f (x) ≤ ε} für jedes ε ∈ R schwach abgeschlossen ist.
Da M und f konvex sind, ist auch diese Menge konvex wegen


f tx + (1 − t)y ≤ tf (x) + (1 − t)f (y) ≤ ε .

Konvexe Mengen sind nach Satz 5.13 schwach abgeschlossen, genau dann wenn sie ab-
geschlossen sind. Da f von unten halbstetig ist, ist Aε = {x ∈ M f (x) ≤ ε} aber
abgeschlossen, also schwach abgeschlossen. Somit ist f schwach von unten halbstetig.
Zum Beweis sei x0 ∈ Aε und {xn }∞ n=1 ⊆ Aε mit xn → x0 . Wegen der Halbstetigkeit von
f folgt dann
f (x0 ) ≤ lim inf f (xn ) ≤ ε ,
n→∞

also x0 ∈ Aε und somit Aε = Aε .

Beispiel 6.4 (Konvexität der Norm) Sei H ein Hilbertraum mit Norm k · k . Dann
ist x 7→ kxk2 : H → R stetig und strikt konvex. Denn für 0 < t < 1 und x 6= y gilt

d2 2 d2 h 2 2 2 2
i
ktx + (1 − t)yk = t kxk + 2t(1 − t)Re (x, y) + (1 − t) kyk
dt2 dt2
= 2kxk2 − 4Re (x, y) + 2kyk2 = 2kx − yk2 > 0 .

Somit ist die Abbildung strikt konvex. Da diese Abbildung stetig ist, ist sie auch von
unten halbstetig, und somit schwach von unten halbstetig, d.h. für xn ⇀ x gilt

kxk2 ≤ lim inf kxn k2 .

n→∞

Dies wurde schon in Lemma 5.12 (i) gezeigt.

6.2 Existenz eines Minimums

Definition 6.5 (Koerzitivität) Eine Funktion f : H → (−∞, ∞] heißt koerzitiv,

wenn Konstanten c1 > 0, c2 ≥ 0 existieren mit

f (x) ≥ c1 kxk2 − c2 .

90
Lemma 6.6 Sei H ein Hilbertraum, sei f1 : H → (−∞, ∞] koerzitiv. Sei f2 : H →
(−∞, ∞] und sei g : H → R eine stetige, reell lineare Abbildung mit

f2 (x) ≥ g(x) − C

für alle x ∈ H . Dann ist f1 + f2 koerzitiv.

Beweis: Es gibt c1 > 0 und c2 ∈ R mit

f1 (x) + f2 (x) ≥ c1 kxk2 − c2 + g(x) − C

 x 
= c1 kxk2 + kxkg − C − c2
kxk
≥ c1 kxk2 − kxk sup |g(y)| − C − c2
kyk≤1
c1
≥ kxk2 + C1 − C − c2 ,
2
wobei c 
1 2 1  2
C1 = min kxk − kxk sup |g(y)| = − sup |g(y)| .
x∈H 2 kyk≤1 2c1 kyk≤1
Folglich ist f1 + f2 koerzitiv.

Satz 6.7 (Existenz eines Minimums bei konvexen Funktionalen) Sei f : H →

(−∞, ∞] eine konvexe, von unten halbstetige, koerzitive Funktion. Dann gibt es ein
x0 ∈ H mit
f (x0 ) = min f (x) .
x∈H

Wenn f strikt konvex ist, ist das Minimum eindeutig.

Beweis: Wenn f ≡ ∞ gilt, ist die Behauptung richtig. Also sei

inf f (x) = a < ∞ .

x∈H

a+1+c2
Wegen der Koerzitivität gilt für alle x ∈ H mit kxk2 ≥ r = c1
, daß

(∗) f (x) ≥ c1 kxk2 − c2 ≥ a + 1 + c2 − c2 = a + 1 .

Wähle nun eine Folge {xn }∞

n=1 ⊆ H mit

lim f (xn ) = a = inf f (x) .

n→∞ x∈H

Wenn (∗) existiert eine Zahl n0 mit

kxn k ≤ r ,

also 
xn ∈ Br (0) = x ∈ H kxk ≤ r

91
für alle n ≥ n0 . Nach Satz 5.18 ist Br (0) schwach folgenkompakt, also gibt es x0 ∈ Br (0)
und eine Teilfolge {xnk }∞k=1 mit
xnk ⇀ x0 .
Da f konvex und von unten halbstetig ist, ist f nach Satz 6.3 auch schwach von unten
halbstetig, also gilt
f (x0 ) ≤ lim inf f (xnk ) = lim f (xnk )
k→∞ k→∞
= lim f (xn ) = inf f (x) ,
n→∞ x∈H

und somit
f (x0 ) = min f (x) .
x∈H

Um zu zeigen, daß das Minimum eindeutig ist, soll angenommen werden, daß x0 , x′0 ∈ H
existierten mit x0 6= x′0 und mit
f (x0 ) = f (x′0 ) = min f (x) .
x∈H

Dann folgte für alle t ∈ (0, 1)

f tx0 + (1 − t)x′0 < tf (x0 ) + (1 − t)f (x′0 ) = min f (x) .
x∈H

Dies ist ein Widerspruch, also kann das Minimum nur in einem Punkt angenommen
werden.
Lemma 6.8 (Beschränktheit konvexer, unterhalbstetiger Funktionale) Sei f :
H → (−∞, ∞] eine konvexe, von unten halbstetige Funktion. Dann existiert ein reell
lineares, stetiges Funktional g : H → R und eine Konstante c0 ∈ R mit
f (x) > g(x) + c0
für alle x ∈ H .
Beweis: Falls f ≡ ∞ ist, ist die Behauptung klar. Also genügt es den Fall zu betrachten,
wo ein x0 ∈ H existiert mit f (x0 ) < ∞ . Beachte zunächst, daß der Raum H × K ein
Hilbertraum ist mit dem Skalarprodukt


(x, λ) , (y, µ) H×K = (x, y)H + λµ
und der Norm q
k(x, λ)kH×K = kxk2H + |λ|2 .
Sei nun 
K(f ) = (x, λ) ∈ H × R f (x) ≤ λ ⊆ H × K .
Dies ist eine konvexe, abgeschlossene, nichtleere Menge. Denn seien (x, λ) und (y, µ) ∈
K(f ) . Dann folgt für 0 < t < 1


f tx + (1 − t)y ≤ tf (x) + (1 − t)f (y)
≤ tλ + (1 − t)µ ,

92
also ist

t(x, λ) + (1 − t)(y, µ) = tx + (1 − t)y, tλ + (1 − t)µ ∈ K(f ) ,
und somit ist K(f ) konvex.
Um zu sehen, daß K(f ) abgeschlossen ist, sei (x, λ) ∈ K(f ) und
{(xm , λm )}∞m=1 ⊆ K(f ) eine Folge mit limm→∞ (xm , λm ) = (x, λ) . Da f von unten halb-
stetig ist, folgt

f (x) ≤ lim inf f (xm ) ≤ lim inf λm

m→∞ m→∞
= lim λm = λ ,
m→∞

also (x, λ) ∈ K(f ) ; folglich ist K(f ) abgeschlossen.

Sei nun µ ∈ R mit µ < f (x0 ) . Dann ist (x0 , µ) ∈ / K(f ) , also gibt es nach Satz 5.9 eine
stetige, reel lineare Abbildung G : H × K → R mit



(∗) G (x0 , µ) > sup G (x, λ) .
(x,λ)∈K(f )

Definiere die Abbildung h : H → R durch

h(x) = G (x, 0) .


Dann ist h reell linear und stetig. Auch die Abbildung λ 7→ G (0, λ) : K → R ist reell
linear und stetig, also gibt es ein ω ∈ K mit


G (0, λ) = Re (λ, ω)K = Re (λω)

für alle λ ∈ K . Zum Beweis beachte man, daß für jede stetige reell lineare Abbildung u
gilt
u = Re û
mit einer stetigen linearen Abbildung û . Dies wurde im Beweis von Satz 5.13 gezeigt.
Also gilt für alle (x, λ) ∈ H × K




G (x, λ) = G (x, 0) + G (0, λ) = h(x) + Re (λω) ,

und wegen µ ∈ R kann somit (∗) auch in der Form

h
i
G (x0 , µ) = h(x0 ) + µ(Re ω) > sup sup h(x) + λ(Re ω)
x∈H λ≥f (x)

geschrieben werden. Insbesondere folgt hieraus

G (x0 , µ) = h(x0 ) + (Re ω)µ > h(x0 ) + (Re ω) sup λ ,
λ≥f (x0 )

was wegen f (x0 ) < ∞ nur sein kann wenn (Re ω) < 0 . Außerdem folgt


G (x0 , µ) > h(x) + f (x)(Re ω)

93
für alle x ∈ H , d.h.
1 1

f (x) > − h(x) + G (x0 , µ) = g(x) + c0
Re ω Re ω
mit g(x) = − Re1 ω h(x) und
1

c0 = G (x0 , µ) .
Re ω
Folgerung 6.9 Sei H ein Hilbertraum und f : H → (−∞, ∞] eine konvexe, von unten
halbstetige Funktion. Dann ist die Funktion
α
x 7→ f (x) + kxk2
2
für jedes α > 0 strikt konvex, von unten halbstetig und koerzitiv. Also gibt es ein ein-
deutiges x0 ∈ H mit
α α

f (x0 ) + kx0 k2 = min f (x) + kxk2 .
2 x∈H 2
Beweis: f (x) + α2 kxk2 ist von unten halbstetig als Summe einer von unten halbstetigen
und einer stetigen Funktion. Im Beispiel 6.4 wurde gezeigt, daß die Abbildung x 7→ kxk2
strikt konvex ist. Also ist α2 kxk2 strikt konvex, folglich nach Lemma 6.2 auch f (x) +
α
2
kxk2 . Nach Lemma 6.8 gibt es eine Konstante c0 ∈ R und ein reell lineares, stetiges
Funktional g : H → R mit f (x) > g(x) + c0 für alle x ∈ H . Da x 7→ α2 kxk2 koerzitiv ist,
ist also auch f (x) + α2 kxk2 koerzitiv nach Lemma 6.6. Der Rest der Behauptung ergibt
sich nun aus Satz 6.7.

6.3 Subdifferentiale Für den Rest dieses Kapitels sei H immer ein reeller Hilber-
traum. Dies ist keine Einschränkung der Allgemeinheit, weil jeder Hilbertraum mit dem
Skalarprodukt Re (·, ·) zu einem reellen Hilbertraum wird.
Definition 6.10 Seien M ⊆ H und f : M → (−∞, ∞] . Das Subdifferential ∂f von
f ist eine Abbildung ∂f : M → P(H)(= Potenzmenge von H) , die folgendermaßen
definiert ist
y ∈ ∂f (x) ⇐⇒ ∀ξ ∈ M : f (ξ) ≥ (y, ξ − x) + f (x) .

6.3.1 Beispiele für Subdifferentiale. a) Sei H = R und sei f : R → R definiert

durch 
 0, x ≤ 0
f (x) = 1, 0 < x ≤ 1

∞, x > 1
Dann gilt 

 {0} , x<0


 {y ∈ R | 0 ≤ y ≤ 1} , x=0
∂f (x) = ∅, 0<x<1



 {y ∈ R | 1 ≤ y}, x=1

∅, x > 1.

94
b) Sei H ein reeller Hilbertraum, sei M ⊆ H eine offene und konvexe Menge und sei
f : M → (−∞, ∞] ein konvexes Funktional. Sei x ∈ M . Dann gilt:
Existiert grad f (x) , dann ist

∂f (x) = {grad f (x)} .

Beweis: Es gilt für alle z ∈ M und alle 0 ≤ t ≤ 1

tf (z) + (1 − t)f (x) ≥ f (1 − t)x + tz = f x + t(z − x) .

Wenn grad f (x) existiert, folgt hieraus

1h
i
f (z) − f (x) ≥ lim f x + t(z − x) − f (x)
t→0+ t


= grad f (x), z − x ,

also grad f (x) ∈ ∂f (x) . Angenommen, es sei y ∈ ∂f (x) und y 6= grad f (x) . Dann
existiert h ∈ H mit

grad f (x), h < (y, h) .
khk kann so klein gewählt werden, daß x + th ∈ M ist für alle t mit 0 ≤ t ≤ 1 , weil M
offen ist. Also folgt


f (th + x) − f (x) = t grad f (x), h + o(1)
< t(y, h) = (y, th + x − x) ≤ f (th + x) − f (x)

für genügend kleines t > 0 . Dies ist ein Widerspruch, also folgt
y = grad f (x) , also
∂f (x) = {grad f (x)} .
c) In Beispiel 6.4 wurde gezeigt, daß f (x) = kxk2 konvex ist. In einem reellen Hilber-
traum gilt

1 
grad f (x), h = lim f (x + th) − f (x)
t→0 t
1
= lim (kx + thk2 − kxk2 )
t→0 t


= lim 2(x, h) + tkhk2 = 2(x, h) ,
t→0

also grad f (x) = 2x , und somit

∂f (x) = {2x} ,
also, wenn x mit der Menge {x} identifiziert wird,

∂f = 2I

95
(I = Identität).
d) Sei g : H → R eine stetige lineare Abbildung. Nach dem Rieszschen Darstellungssatz
gibt es dann ein eindeutiges y ∈ H mit

g(x) = (y, x)

für alle x ∈ H , und es gilt

1

grad g(x), h = lim g(x + th) − g(x)
t→0 t
1
= lim (y, th) = (y, h) ,
t→0 t

also ∂g(x) = {y} .

Definition 6.11 (Wertebereich des Subdifferentials) Sei f : H → (−∞, ∞] eine

konvexe Funktion und α ≥ 0 . Die Menge
[ 
R(αI + ∂f ) = αx + ∂f (x)
x∈H

heißt Wertebereich der Abbildung αI + ∂f : H → P(H) , die durch


(αI + ∂f )(x) = αx + ∂f (x) = αx + y y ∈ ∂f (x)

definiert ist.

In den nächsten Abschnitten wird gezeigt, daß es zu vielen elliptischen Differentialope-

ratoren der Form
∂  
X n
ai ∇u(x)
i=1
∂xi
in Sobolevräumen eine konvexe Funktion f gibt mit
( n )
X ∂  
∂f (u) = − ai ∇u(x) .
i=1
∂x i

Die Gleichung
∂  
Xn
− ai ∇u(x) + αu(x) = g(x)
i=1
∂xi
kann also für jede beliebige gegebene Funktion g aus dem Hilbertraum H (meistens ist
H = L2 (Ω) ) gelöst werden, genau dann wenn R(αI + ∂f ) = H gilt. Um die Frage zu
untersuchen, wann dies gilt, benötigen wir folgendes Lemma.

Lemma 6.12 Sei f : H → (−∞, ∞] eine konvexe Funktion und g : H → R eine lineare
stetige Funktion mit
g(x) = (y, x)

96
für alle x ∈ H . Dann nimmt f + g das Minimum an an der Stelle x0 , genau dann wenn
−y ∈ ∂f (x0 ) . Insbesondere nimmt f das Minimum an an der Stelle x0 , genau dann
wenn 0 ∈ ∂f (x0 ) .

Beweis: −y ∈ ∂f (x0 ) ist äquivalent zu

f (x) ≥ (−y, x − x0 ) + f (x0 ) für alle x ∈ H ,

und dies ist äquivalent zu

f (x) + g(x) = f (x) + (y, x) ≥ f (x0 ) + (y, x0 ) = f (x0 ) + g(x0 )

für alle x ∈ H, und dies ist schließlich äquivalent zu

f (x0 ) + g(x0 ) = min f (x) + g(x) .
x∈H

Satz 6.13 (Surjektivität und Injektivität des Subdifferentials) Sei f : H →

(−∞, ∞] eine konvexe, von unten halbstetige, koerzitive Funktion. Dann gilt

R(∂f ) = H .

Wenn f strikt konvex ist, dann ist ∂f injektiv, d.h. zu jedem y ∈ H gibt es genau ein
x ∈ H mit
y ∈ ∂f (x) .
Beweis: Sei y ∈ H . Um zu zeigen, daß y ∈ R(∂f ) ist, betrachte die stetige lineare
Abbildung g : H → R mit
g(x) = (−y, x) .
Die Funktion f + g ist von unten halbstetig als Summe einer stetigen und einer von
unten halbstetigen Funktion. Nach Lemma 6.2 ist f + g konvex beziehungsweise strikt
konvex, und nach Lemma 6.6 ist f + g koerzitiv. Nach Satz 6.7 gibt es also ein x0 ∈ H
mit

f (x0 ) + g(x0 ) = min f (x) + g(x) ,
x∈H

und nach Lemma 6.12 ist dies äquivalent zu

y ∈ ∂f (x0 ) ,

also ist R(∂f ) = H . Wenn f + g strikt konvex ist, nimmt nach Satz 6.7 f + g das
Minimum an in genau einem Punkt x0 ∈ H, also gilt y ∈ ∂f (x0 ) nur genau für dieses
x0 , also ist ∂f injektiv.
Folgerung 6.14 Sei f : H → (−∞, ∞] eine konvexe, von unten halbstetige Funktion.
Dann gilt für alle α > 0 , daß
R(αI + ∂f ) = H ,
und αI + ∂f ist injektiv.

97
Beweis: Sei g(x) = f (x) + α2 kxk2 . Nach Beispiel 6.3.1 c) ist

∂(kxk2 ) = {2x} ,

also folgt für alle y ∈ H und alle z ∈ ∂f (x)

α α 
g(y) = f (y) + kyk2 ≥ (z, y − x) + f (x) + (2x, y − x) + kxk2
2 2
α 2
= (z + αx, y − x) + f (x) + kxk = (z + αx, y − x) + g(x) ,
2
also z + αx ∈ ∂g(x) , und somit αx + ∂f (x) ⊆ ∂g(x) . Es gilt auch ∂g(x) ⊆ αx + ∂f (x) ,
also ∂g(x) = αx+∂f (x) . Denn angenommen, es gäbe ein z ∈ ∂g(x) mit z −αx ∈ / ∂f (x) .
Dann existierte ein h ∈ H, h 6= 0 , und ein ε > 0 mit f (x + h) ≤ (z − αx, h) + f (x) − ε .
Aus der Konvexität von f folgte dann für alle 0 < t < 1


f (x + th) = f t(x + h) + (1 − t)x ≤ tf (x + h) + (1 − t)f (x)
≤ t(z − αx, h) + tf (x) − tε + (1 − t)f (x)
= t(z − αx, h) − tε + f (x) ,

also
α
g(x + th) = f (x + th) + kx + thk2
2
α

≤ t(z − αx, h) + f (x) − tε + kxk2 + 2t(x, h) + t2 khk2
2
2α
= t(z, h) + g(x) − tε + t khk2
2
α
= (z, th) + g(x) − t(ε − t khk2 ) < (z, th) + g(x)
2
für hinreichend kleines t > 0 . Dies ist ein Widerspruch zu z ∈ ∂g(x) , also ist ∂g(x) =
αx + ∂f (x) , und somit
∂g = αI + ∂f .
Nach Folgerung 6.9 ist g = f + α2 kxk2 strikt konvex, von unten halbstetig und koerzitiv,
also ergibt Satz 6.13 daß R(∂g) = R(αI + ∂f ) = H , und daß αI + ∂f injektiv ist.

98
7 Direkte Methoden der Variationsrechnung
7.1 Konvexe Variationsfunktionale, Existenz eines Minimums In diesem Ab-
schnitt werde ich die Ergebnisse der beiden vorangehenden Abschnitte benützen, um die
Existenz der Lösung von Variationsproblemen zu beweisen.
Die dabei angewandten Beweismethoden heißen direkte Methoden der Variationsrech-
nung. Ich studiere das folgende Variationsproblem im Rn : Sei Ω ⊆ Rn , sei b eine
nichtnegative Zahl oder sei b = +∞ , und sei F : Rn → R . Gesucht ist eine Funktion
u : Ω → R , die für alle Punkte x des Randes ∂Ω von Ω die Bedingung

0 ≤ u(x) ≤ b

erfüllt, und für die das Integral Z

F ∇u(x) dx
Ω
unter allen derartigen Funktionen einen Minimalwert annimmt. Diese Randbedin-
gung heißt “Hindernisrandbedingung“und ist allgemeiner als die früher betrachtete
“Dirichletsche Randbedingung“. Für b = 0 erhält man jedoch die homogene Dirich-
letsche Randbedingung
u(x) = 0 , x ∈ ∂Ω .
Der Einfachheit halber betrachte ich nur Integranden, die nicht explizit von x und
u(x) abhängen. Es ist aber möglich, die folgenden Beweise auf Integranden der Form
F (x, u(x), ∇u(x)) zu verallgemeinern.

Bevor ich den allgemeinen Existenzsatz formulieren kann, benötige ich einige Definitio-
nen: Wie im letzten Abschnitt werde ich in diesem Abschnitt nur reellwertige Funktionen
betrachten. Sei

M̃ (b) = {u ∈ C1 (Ω) ∩ H1 (Ω) | ∀x ∈ ∂Ω : 0 ≤ u(x) ≤ b} ,

und
H1 (Ω)
M (b) = M̃ (b) ,
wobei C1 (Ω) die Menge aller Funktionen u ∈ C1 (Ω) ist, die selbst und deren erste Ablei-
tungen stetig auf Ω fortgesetzt werden können. Die Menge M (b) ist eine abgeschlossene
und konvexe Teilmenge des Hilbertraumes H1 (Ω) und es gilt
◦
C ∞ (Ω) ⊆ M̃ (b) ⊆ M (b) .
Zum Beweis genügt es zu zeigen, daß M̃ (b) konvex ist, weil der Abschluß einer konvexen
Menge wieder konvex ist. Für u, v ∈ M̃ (b) und 0 ≤ t ≤ 1 gilt aber tu + (1 − t)v ∈
C1 (Ω) ∩ H1 (Ω) . Für x ∈ ∂Ω gilt außerdem

0 ≤ tu(x) + (1 − t)v(x) ≤ tb + (1 − t)b = b ,

also tu + (1 − t)v ∈ M̃ (b) , und somit ist M̃ (b) konvex.

99
Definition 7.1 (Strikte Koerzitivität) Sei f : Rn → (−∞, ∞] . f heißt strikt koer-
zitiv, wenn eine Konstante c > 0 existiert mit
f (x) ≥ c |x|2
für alle x ∈ Rn .
In Zukunft werde ich immer voraussetzen, daß F : Rn → R stetig differenzierbar, konvex
und strikt koerzitiv ist. Insbesondere gilt dann F (ξ) ≥ 0 für alle ξ ∈ Rn . Sei
Z
M (F, b) = {u ∈ M (b) | F (∇u(x))dx < ∞} .
Ω

Es gilt M (F, b) ⊆ M (b) ⊆ H1 (Ω) , und wenn Ω beschränkt ist oder wenn F (0) = 0
◦
gilt, folgt C ∞ (Ω) ⊆ M (F, b) . Wenn jedoch Ω unbeschränkt ist und F (0) 6= 0 gilt, kann
M (F, b) = ∅ sein. Ich will diesen Fall ausschliessen und setze daher immer M (F, b) 6= ∅
voraus.

Die Funktionale V : H1 (Ω) → (−∞, ∞] und Ṽ : L2 (Ω) → (−∞, ∞] seien definiert durch
 Z

 F ∇u(x) dx , u ∈ M (F, b)
V (u) = Ω

+∞ , u ∈ H1 (Ω)\M (F, b)
 Z

 F ∇u(x) dx , u ∈ M (F, b)
Ṽ (u) = Ω

+∞ , u ∈ L2 (Ω)\M (F, b) .
Satz 7.2 (Existenz eines Minimums für Variationsfunktionale) Sei F : Rn →
R stetig differenzierbar, konvex, strikt koerzitiv und sei M (F, b) 6= ∅ .
(i) Sei λ > 0 . Dann gibt es zu jedem f ∈ L2 (Ω) ein eindeutiges u ∈ M (F, b) mit
λ h λ i
2 2
Ṽ (u) + kukΩ − (f, u)Ω = min Ṽ (v) + kvkΩ − (f, v)Ω .
2 v∈L2 (Ω) 2
(ii) Sei Ω ⊆ Rn offen und beschränkt. Dann gibt es zu jedem f ∈ L2 (Ω) ein u ∈ M (F, b)
mit h i
Ṽ (u) − (f, u)Ω = min
2
Ṽ (v) − (f, v)Ω .
v∈L (Ω)

Ich beweise diesen Satz in mehreren Schritten. Zunächst benötige ich folgendes grundle-
gende Resultat:
Satz 7.3 (Konvexität und Unterhalbstetigkeit von Variationsfunktionalen
auf H1 (Ω)) Sei F : Rn → R stetig differenzierbar, konvex und strikt koerzitiv. Dann
ist M (F, b) konvex, V ist konvex, von unten halbstetig, und es existiert eine Konstante
c > 0 mit
V (u) ≥ c |u|21,Ω
für alle u ∈ H1 (Ω) .

100
Beweis: Seien v1 , v2 ∈ M (F, b) und t ∈ (0, 1) . Dann folgt
Z
F (∇(tv1 (x) + (1 − t)v2 (x)))dx
Ω
Z Z
= F (t∇v1 (x) + (1 − t)∇v2 (x))dx ≤ tF (∇v1 (x)) + (1 − t)F (∇v2 (x))dx
Ω Ω

= tV (v1 ) + (1 − t)V (v2 ) < ∞ .

Hieraus folgt zunächst, daß tv1 + (1 − t)v2 ∈ M (F, b) ist, also ist M (F, b) konvex. Dann
aber folgt auch
Z
V (tv1 + (1 − t)v2 ) = F (∇(tv1 (x) + (1 − t)v2 (x)))dx
Ω

≤ tV1 (v1 ) + (1 − t)V (v2 ) .

Diese Ungleichung ist auch richtig, wenn wenigstens eine der Funktionen v1 , v2 nicht in
M (F, b) enthalten ist, weil dann die rechte Seite den Wert +∞ hat, also ist V konvex.

Wenn F strikt koerzitiv ist, gibt es eine Konstante c > 0 mit F (ξ) ≥ c |ξ|2 . Also folgt
Z Z
V (u) = F (∇u(x))dx ≥ c |∇u(x)|2 dx = c |u|21,Ω .
Ω Ω

Also bleibt zu zeigen, daß V von unten halbstetig ist. Hierzu muß bewiesen werden, daß
für {um }∞
m=1 ⊆ H1 (Ω) und u ∈ H1 (Ω) mit ku − um k1,Ω → 0 gilt

V (u) ≤ lim inf V (um ) .

m→∞

Es genügt eine Folge {um }∞

m=1 mit lim inf V (um ) = α < ∞ zu betrachten, weil sonst
m→∞
nichts zu zeigen ist. Wähle eine Teilfolge {u′m }∞
m=1 aus mit

lim V (u′m ) = α .
m→∞

Nach Definition von V folgt hieraus u′m ∈ M (F, b) ⊆ M (b) für alle genügend großen
m . Da {u′m }∞ m=1 in der Norm von H1 (Ω) gegen u konvergiert, und da M (b) in H1 (Ω)
abgeschlossen ist, folgt hieraus
u ∈ M (b) .
R
Da Ω | ∂x∂ i u(x) − ∂x∂ i u′m (x)|2 dx → 0 gilt für m → ∞ und für i = 1, . . . , n gibt es
nach einem Satz aus der Lebesgueschen Integrationstheorie eine Teilfolge {u′′m }∞ m=1 von
{u′m }∞m=1 mit
lim ∇u′′m (x) = ∇u(x)
m→∞
für fast alle x ∈ Ω . Nach Voraussetzung ist F : Rn → R differenzierbar, also insbesondere
stetig. Daher folgt
lim F (∇u′′m (x)) = F (∇u(x))
m→∞

101
für fast alle x ∈ Ω . Nach Voraussetzung gilt außerdem F (∇u′′m (x)) ≥ 0 und
Z
lim F (∇u′′m (x))dx = lim V (u′′m ) = lim V (um ) = α .
m→∞ Ω m→∞ m→∞

Somit sind die Voraussetzungen des Lemmas von Fatou erfüllt, und es folgt
Z Z
F (∇u(x))dx = lim F (∇u′′m (x))dx
Ω Ω m→∞
Z Z
= lim inf F (∇u′′m (x))dx ≤ lim inf F (∇u′′m (x))dx
Ω m→∞ m→∞ Ω
Z
= lim F (∇u′′m (x))dx = α = lim inf V (um ) < ∞ .
m→∞ Ω m→∞

Dies bedeutet zunächst, daß u ∈ M (F, b) ist. Dann aber folgt

Z
V (u) = F (∇u(x))dx ,
Ω

und somit
V (u) ≤ lim inf V (um ) ,
m→∞
folglich ist V von unten halbstetig.
Als nächstes brauche ich folgendes Resultat:
Lemma 7.4 Sei M ⊆ H1 (Ω) eine konvexe und bezüglich der H1 (Ω)–Norm abgeschlos-
sene Teilmenge, und sei
W : L2 (Ω) → (−∞, ∞] mit W | 2 = +∞ .
L (Ω)\M

Außerdem sei W | konvex, bezüglich der H1 (Ω)–Norm von unten halbstetig, und es gebe
M
Konstanten c1 > 0 , c2 ≥ 0 mit
W (u) ≥ c1 |u|21,Ω − c2
für alle u ∈ M . Dann ist W konvex und bezüglich der L2 –Norm von unten halbstetig.
Ist W | auch koerzitiv bezüglich der H1 (Ω)–Norm, dann ist W zusätzlich auch koerzitiv
M
bezüglich der L2 –Norm.
Beweis: Um zu zeigen, daß W konvex ist, muß für alle u, v ∈ L2 (Ω) und für alle 0 < t < 1
gezeigt werden, daß
(∗) W tu + (1−t)v) ≤ tW (u) + (1−t)W (v)
gilt. Wenn u, v ∈ M sind, ist dies nach Voraussetzung klar. Wenn wenigstens eine der
Funktionen u, v nicht zu M gehört, dann ist der Wert der rechten Seite dieser Unglei-
chung +∞ , also ist sie erfüllt. Somit ist W konvex. Wenn W | koerzitiv ist, existieren
M
Konstanten c1 > 0 , c2 ≥ 0 mit
W (u) ≥ c1 kuk21,Ω − c2 ≥ c1 kuk2Ω − c2

102
für alle u ∈ M . Für alle anderen u ist W (u) = +∞ , also ist W koerzitiv.

Es bleibt zu zeigen, daß W von unten halbstetig ist. Hierzu muß bewiesen werden, daß
für u ∈ L2 (Ω) und für {um }∞ 2
m=1 ⊆ L (Ω) mit ku − um kΩ → 0 gilt

W (u) ≤ lim inf W (um ) .

m→∞

Falls lim inf m→∞ W (um ) = +∞ gilt, ist dies richtig. Sei also
lim inf m→∞ W (um ) = a < ∞ . Wähle eine Teilfolge {u′m }∞ ∞
m=1 von {um }m=1 aus mit
limm→∞ W (u′m ) = α . Für alle genügend großen m ist dann W (u′m ) < ∞ , also u′m ∈ M ;
ohne Beschränkung der Allgemeinheit kann also angenommen werden, daß {u′m }∞ m=1 ⊆
◦
M ⊆ H 1 (Ω) ist. Nach Voraussetzung gilt für alle m ∈ N
1

|u′m |21,Ω ≤ W (u′m ) + c2 ≤ r2
c1
mit einer geeigneten Konstanten r > 0 , also ist
 ∂ ′ ∞ 
u ⊆ Br (0) = v ∈ L2 (Ω) kvkΩ ≤ r , i = 1, . . . , n .
∂xi m m=1

Da Br (0) nach Satz 5.18 schwach folgenkompakt ist, gibt es eine Teilfolge {u′′m }∞
m=1 von
′ ∞
{um }m=1 und Funktionen w1 , . . . , wn ∈ Br (0) mit

∂ ′′
u ⇀ wi ,
∂xi m L2 (Ω)
◦
für alle i = 1, . . . , n . Für alle ϕ ∈ C ∞ (Ω) folgt nun

∂ ′′
∂
∂

(wi , ϕ)Ω = lim um , ϕ Ω = − lim u′′m , ϕ Ω = − u, ϕ ,
m→∞ ∂xi m→∞ ∂xi ∂xi Ω
und dies bedeutet, daß u ∈ H1 (Ω) ist mit

∂
u = wi , i = 1, . . . , n .
∂xi
∂ ∂
Es gilt somit ∂xi
u′′m ⇀
2 ∂xi
u , und daraus folgt für alle v ∈ H1 (Ω)
L (Ω)

 
lim (u′′m , v)1,Ω = lim (u′′m , v)Ω + (∇u′′m , ∇v)Ω
m→∞ m→∞

= (u, v)Ω + (∇u, ∇v)Ω = (u, v)1,Ω ,

also
u′′m ⇀ u .
H1 (Ω)

103
Nach Voraussetzung ist M konvex und bezüglich der H1 (Ω)–Norm abgeschlossen. Nach
Satz 5.13 ist M also auch bezüglich der schwachen Toplogie von H1 (Ω) abgeschlossen,
folglich gilt u ∈ M .

Wieder nach Voraussetzung ist W | konvex und bezüglich der H1 (Ω)–Norm von unten
M
halbstetig. Nach Satz 6.3 ist somit W | auch schwach von unten halbstetig bezüglich
M
der schwachen Topologie von H1 (Ω) , also folgt
W (u) ≤ lim inf W (u′′m ) = lim W (u′m )
m→∞ m→∞

= lim inf W (um ) ;

m→∞

dies bedeutet, daß W von unten halbstetig ist.

Folgerung 7.5 (Konvexität und Unterhalbstetigkeit von Variationsfunktiona-
len auf L2 (Ω)) Sei F : Rn → R stetig differenzierbar, konvex und strikt koerzitiv. Dann
ist Ṽ : L2 (Ω) → (−∞, ∞] konvex und von unten halbstetig.
Beweis: Satz 7.3 zeigt, daß die Voraussetzungen von Lemma 7.4 erfüllt sind. Also folgt
die Behauptung aus diesem Lemma.

Als letztes Zwischenergebnis benötige ich

Lemma 7.6 (Eine Version der Poincaréschen Ungleichung) Sei Ω ⊆ Rn eine of-
fene und beschränkte Menge mit
d = sup |x − y| ,
x,y∈Ω

und sei 0 ≤ b < ∞ . Dann gilt für u ∈ M

kuk2Ω ≤ d2 |u|21,Ω + 2b2 meas Ω ,
R
wobei meas Ω = Ω
dx sei.
Beweis: Sei zunächst u ∈ M̃ (b) = {u ∈ C1 (Ω) ∩ H1 (Ω) | ∀x ∈ ∂Ω : 0 ≤ u(x) ≤ b} ,
sei x = (x1 , . . . , xn ) ∈ Ω , x′ = (x2 , . . . , xn ) und sei L(x′ ) = {z ∈ Rn | (z2 , . . . , zn ) =
x′ } . Schließlich sei y ∈ (L(x′ ) ∩ ∂Ω) der Randpunkt von Ω mit y1 < x1 und mit der
Eigenschaft, daß alle Punkte auf der Geraden L(x′ ) zwischen y und x zu Ω gehören. Dann
folgt aus dem Hauptsatz der Differential– und Integralrechung und aus der Cauchy-
Schwarzschen Ungleichung
Z x1
∂
u(x) = u(z)dz1 + u(y) ,
y1 ∂x1

also
Z x1
2
|u(x)| ≤ 2| u(z)dz1 |2 + 2 |u(y)|2
y1
Z x1
∂
≤ 2(x1 − y1 ) | u(z)|2 dz1 + 2 |u(y)|2 ,
y1 ∂x1

104
folglich
Z x1 Z x1 Z x1
2 ∂
2
|u(z)| dz1 ≤ (x1 − y1 ) | u(z)|2 dz1 + 2 |u(y)|2 dz1
y1 y1 ∂x1 y1
Z x1 Z x1
2 2
≤ d |∇u(z)| dz1 + 2 b2 dz
y1 y1

und somit
Z Z Z
2 2 2 2
|u(z)| dz ≤ d |∇u(z)| dz + 2b dz .
L(x′ )∩Ω L(x′ )∩Ω L(x′ )∩Ω

Die behauptete Ungleichung ergibt sich aus dieser Ungleichung für u ∈ M̃ (b) durch
Integration bezüglich x′ . Um diese Ungleichung für u ∈ M (b) zu beweisen, wähle man
eine Folge {um }∞
m=1 ⊆ M1 mit ku − um k1,Ω → 0 . Dann folgt

kuk2Ω = lim kum k2Ω ≤ lim (d2 |um |21,Ω + 2b2 meas Ω)
m→∞ m→∞

= d2 |u|21,Ω + 2b2 meas Ω .

Beweis von Satz 7.2 (i) Nach Folgerung 7.5 und Folgerung 6.9 ist für λ > 0
λ
v 7→ Ṽ (v) + kvk2Ω : L2 (Ω) → L2 (Ω)
2
strikt konvex, von unten halbstetig und koerzitiv. Nach Lemma 6.6 gilt dies auch für
λ
v 7→ Ṽ (v) + kvk2Ω − (f, v)Ω .
2
Also besitzt Ṽ (v) + λ2 kvk2Ω − (f, v)Ω nach Satz 6.7 ein eindeutiges Minimum u ∈ L2 (Ω) .
Wegen M (F, b) 6= ∅ ist Ṽ (u) + λ2 kuk2Ω − (f, u)Ω < ∞ , und somit u ∈ M (F, b) .
(ii) Der Beweis folgt aus Lemma 7.6. Denn nach Satz 7.3 folgt aus
u ∈ M (b) ⊆ H1 (Ω)

d2
kuk2Ω ≤ d2 |u|21,Ω + 2b2 meas Ω ≤ V (u) + 2b2 meas Ω
c
mit d = supx,y∈Ω |x − y| . Wegen Ṽ (u) = ∞ für u ∈ L2 (Ω)\M (b) folgt hieraus

c 2 2cb2
Ṽ (u) ≥ kukΩ − meas (Ω)
d2 d2
für alle u ∈ L2 (Ω) . Also ist Ṽ koerzitiv, und folglich ist Ṽ (v) − (f, v) koerzitiv, konvex
und von unten halbstetig. Nach Satz 6.7 existiert also ein Minimum u von Ṽ (v) − (f, v) .
Wie oben folgt, daß u ∈ M (F, b) .
Im nächsten Schritt wird das Subdifferential von Ṽ bestimmt.

105
7.2 Variationsungleichung zum Variationsfunktional

Satz 7.7 (Subdifferential und Variationsungleichung) Sei F : Rn → R stetig dif-

ferenzierbar, konvex, strikt koerzitiv und sei M (F, b) 6= ∅ . Genau dann ist w ∈ ∂ Ṽ (u) ,
wenn u ∈ M (F, b) , wenn
Z
|a(∇u(x)) · (∇v(x) − ∇u(x))|dx < ∞
Ω

und wenn Z
a(∇u(x)) · (∇v(x) − ∇u(x))dx ≥ (w, v − u)Ω
Ω

für alle v ∈ M (F, b) . Hierbei ist a(ξ) = grad F (ξ) .

Beweis: Beachte zunächst, daß für u, v ∈ M (F, b) , 0 ≤ t ≤ 1 und für alle x ∈ Ω die
Funktion
1
[F (t∇v(x) + (1 − t)∇u(x)) − F (∇u(x))]
t
monoton fallend ist für t ց 0 . Denn sei

H(t) = F (t∇v(x) + (1 − t)∇u(x)) ,

t1
0 < t1 ≤ t2 ≤ 1 und α = t2
. Dann ist H konvex, und somit folgt

1 1 1
(H(t1 ) − H(0)) = (H(αt2 + (1 − α)0) − H(0))
t1 t2 α
1 1
≤ (αH(t2 ) + (1 − α) H(0) − H(0))
t2 α
1
= (H(t2 ) − H(0)) .
t2
Hieraus folgt die Behauptung. Da tv + (1 − t)u ∈ M (F, b) ist, ist also
1
x→ [F (t∇v(x) + (1 − t)∇u(x)) − F (∇u(x))]
t
für t ց 0 eine monoton fallende Folge integrierbarer Funktionen.
Sei nun w ∈ ∂ Ṽ (u) . Dann folgt für alle v ∈ L2 (Ω) , daß

Ṽ (v) ≥ (w, v − u) + Ṽ (u)

gilt. Da M (F, b) nicht leer ist, gibt es v ∈ M (F, b) mit Ṽ (v) < ∞ . Dies kann nur sein,
wenn Ṽ (u) < ∞ ist, und dies impliziert u ∈ M (F, b) . Für v ∈ M (F, b) folgt also aus

106
dem Satz von Beppo Levi
1
(w, v − u)Ω ≤ lim [Ṽ (tv + (1 − t)u) − Ṽ (u)]
tց0 t
Z
1
= lim [F (t∇v(x) + (1 − t)∇u(x)) − F (∇u(x))] dx
tց0 Ω t
Z
1
= lim [F (t∇v(x) + (1 − t)∇u(x)) − F (∇u(x))] dx
Ω tց0 t
Z
d
= F (t∇v(x) + (1 − t)∇u(x)) t=0 dx
Ω dt
Z Z
= grad F (∇u(x)) · (∇v(x) − ∇u(x))dx = a(∇u) · (∇v − ∇u)dx ,
Ω Ω

und der Satz von Beppo Levi liefert auch, daß das letzte Integral existiert, also daß
Z
(∗) |a(∇u) · (∇v − ∇u)| dx < ∞ .
Ω

Wenn umgekehrt u ∈ M (F, b) ist, das Integral (∗) endlich ist, und
Z
a(∇u) · (∇v − ∇u)dx ≥ (w, v − u)
Ω

gilt für alle v ∈ M (F, b) , dann folgt

Z
(w, v − u)Ω ≤ a(∇u) · (∇v − ∇u)dx
Ω
Z
1
= [F (t∇v + (1 − t)∇u) − F (∇u)] dx
lim
Ω tց0 t
Z
≤ (F (∇v) − F (∇u))dx = Ṽ (v) − Ṽ (u) ,
Ω

also
Ṽ (v) ≥ (w, v − u)Ω + Ṽ (u) .
Diese Ungleichung gilt auch für alle v ∈ L2 (Ω)\M (F, b) , weil dann Ṽ (v) = +∞ ist, also
ist w ∈ ∂ Ṽ (u) .
Folgerung 7.8 (Variationsungleichung zum Variationsfunktional, schwache
Form der Eulergleichung) Sei Ω ⊆ Rn eine offene Menge. F : Rn → R sei stetig
differenzierbar, konvex, strikt koerzitiv und sei M (F, b) 6= 0 . Sei f ∈ L2 (Ω) und sei
λ ≥ 0 . Dann sind die folgenden Aussagen (i) und (ii) äquivalent:
(i) u ∈ L2 (Ω) und
λ λ
Ṽ (u) + kuk2Ω − (f, u)Ω = min [Ṽ (v) + kvk2Ω − (f, v)Ω ] ;
2 2
v∈L (Ω 2

107
(ii) u ∈ M ∗ , Z
|a(∇u(x)) · (∇v(x) − ∇u(x))| dx < ∞
Ω
und
Z
(∗∗) [a(∇u(x)) · (∇v(x) − ∇u(x)) + (λu(x) − f (x)) (v(x) − u(x)) ] dx ≥ 0
Ω

für alle v ∈ M ∗ . Hierbei sei a(ξ) = grad f (ξ) .

Bemerkung. Die Ungleichung (∗∗) heißt Variationsungleichung. Dies ist eine Verallge-
meinerung der schwachen Eulergleichung aus Satz 3.3.

Beweis: Im Beweis von Folgerung 6.14 wurde gezeigt, daß

λ
∂(Ṽ (u) + kuk2Ω ) = λu + ∂ Ṽ (u)
2
λ
ist. Da Ṽ (u) + 2
kuk2Ω konvex ist, ist (i) nach Lemma 6.12 äquivalent zu

λ
f ∈ ∂(Ṽ (u) + kuk2Ω ) = λu + ∂ Ṽ (u) ,
2
also äquivalent zu
f − λu ∈ ∂ Ṽ (u) ,
und dies ist nach Satz 7.7 äquivalent zu (ii) .

7.3 Äquivalenz zwischen Randwertproblemen, Variationsgleichung und Va-

riationsproblem

7.3.1 Das Subdifferential Es soll nun der Zusammenhang zwischen der Variations-
ungleichung und der partiellen Differentialgleichung untersucht werden. Nach Satz 7.7
ist w ∈ ∂ Ṽ (u) genau dann, wenn u ∈ M (F, b) und
Z
(∗) a(∇u(x)) · (∇v(x) − ∇u(x))dx ≥ (w, v − u)Ω
Ω

gilt für alle v ∈ M (F, b) . Hieraus folgt, daß

⊥
w + − u + M (F, b) ⊆ ∂ Ṽ (u)

gilt, wobei w ein beliebiges Element aus ∂ Ṽ (u) ist. Also kann

∂ Ṽ (u) = {−div a(∇u)}

höchstens dann gelten, wenn (−u + M (F, b))⊥ = {0} ist. Um schwache Ableitungen
◦
definieren zu können, möchte man insbesondere haben, daß C ∞ (Ω) ⊆ −u + M (F, b) gilt,

108
 ◦
weil man dann in (∗) v = u ± ϕ setzen kann für jedes ϕ ∈ C ∞ (Ω) . Falls F (ξ) jedoch sehr
schnell wächst für |ξ| → ∞ , kann M (F, b) eine kleine Menge sein, und es ist nicht klar,
◦
ob C ∞ (Ω) in −u + M (F, b) enthalten ist. Aus diesem Grunde und um weitere technische
Schwierigkeiten zu vermeinden, werde ich im folgenden voraussetzen, daß F : Rn → R
stetig differenzierbar ist mit

F (0) = 0
und mit
|a(ξ)| = | grad F (ξ)| ≤ c |ξ|
für eine geeignete Konstante c > 0 . Es folgt dann aus dem Mittelwertsatz (oder aus der
Konvexität von F ) und aus F (0) = 0 , daß

|F (ξ)| ≤ | grad F (ξ ∗ ) · ξ + F (0)|

≤ c |ξ|2 + |F (0)| = c |ξ|2

und somit Z Z
F (∇u(x))dx ≤ c |∇u(x)|2 dx = c |u|21,Ω
Ω Ω
H1 (Ω)
gilt. Dies ergibt M (F, b) = M (b) = M̃ (b) . Nach Definition von M̃ (b) ist zu allen
◦
u ∈ M̃ (b) und ϕ ∈ C ∞ (Ω) auch u + ϕ ∈ M̃ (b) und folglich ist u + ϕ ∈ M (b) für alle
u ∈ M (b) . Es folgt
◦
C ∞ (Ω) ⊆ −u + M (F, b) = −u + M (b) ,
also (−u + M (F, b))⊥ = {0} . Weiterhin folgt für alle u ∈ M (b)
Z Z
2 2
|a(∇u(x))| dx ≤ c |∇u(x)|2 dx = c2 |u|21,Ω < ∞ ,
Ω Ω

also a(∇u(x)) ∈ L2 (Ω, Rn ) . Bevor ∂ Ṽ (u) nun genau bestimmt werden kann, benötigt
man folgende Definition.
Definition 7.9 (Schwache Divergenz) Sei Ω ⊆ Rn eine offene Menge und g ∈
L2 (Ω, Rn ) . Wenn eine Funktion f ∈ L2 (Ω, R) existiert mit

(g, ∇ϕ)Ω = −(f, ϕ)Ω

◦
für alle ϕ ∈ C ∞ (Ω) , dann wird f mit divg bezeichnet, und man sagt divg (die Divergenz
von g ) existiere im verallgemeinerten Sinn.

Definition 7.10 (Schwache Definition von Differentialoperatoren mit Rand-

bedingung) Sei Ω ⊆ Rn eine offene Menge. Der im allgemeinen nichtlineare Operator
A : D(A) ⊆ L2 (Ω) → L2 (Ω) mit Definitionsbereich D(A) sei folgendermaßen definiert:
Es sei D(A) die Menge aller u ∈ M (b) , für die div a(∇u) ∈ L2 (Ω) existiert, und für die

(a(∇u), ∇v − ∇u)Ω ≥ −(div a(∇u), v − u)Ω

109
gilt für alle v ∈ M (b) . Für u ∈ D(A) sei

Au = −div a(∇u) .

Hierbei wird vorausgesetzt, daß a die Voraussetzungen aus 7.3.1 erfüllt.

Zur Motivation dieser Definition beachte man, daß div g eindeutig bestimmt ist (Beweis
wie in Lemma 2.6), undPdaß für g ∈ C1 (Ω) die verallgemeinerte Divergenz von g mit der
klassischen Divergenz ni=1 ∂x∂ i g(x) übereinstimmt. Wenn a ∈ C1 (Rn ) und u ∈ C2 (Ω)
ist, ist also div a(∇u(x)) die klassische Divergenz. Der Gaußsche Satz liefert dann für
Gebiete mit glattem Rand ∂Ω und für v ∈ M̃ (b)

(a(∇u), ∇v − ∇u)Ω + (div a(∇u), v − u)Ω

Z
= [a(∇u(x)) · (∇v(x)) − ∇u(x)) + div a(∇u(x)) (v(x) − u(x)) ] dx
(∗) ZΩ
= div [a(∇u(x)) (v(x) − u(x)) ] dx
ZΩ

= n(x) · a(∇u(x)) (v(x) − u(x)) dSx ,

∂Ω

wobei n(x) die äußere Einheitsnormale an ∂Ω im Punkte x ∈ ∂Ω ist. Wenn u zu D(A)

gehört, muß die rechte Seite dieser Gleichung größer oder gleich Null sein, und für b > 0
ist dies genau dann der Fall, wenn

 ≥ 0 , u(x) = 0

(∗∗) n(x) · a(∇u(x)) = 0 , 0 < u(x) < b


≤ 0 , u(x) = b

gilt. Denn daß die rechte Seite von (∗) nicht negativ ist, wenn (∗∗) erfüllt ist, ist klar.
Die Umkehrung erhält man ähnlich wie in Abschnitt 1.1, indem man v = u + ψ ∈
M (b) setzt mit Funktionen ψ ∈ C∞ (Ω) , die am Rande ∂Ω geeignete Werte annehmen.
◦
Solche Funktionen ψ können wie im dritten Kapitel durch Faltung mit geeigneten C ∞ –
Funktionen konstruiert werden. Die Einzelheiten bleiben dem Leser überlassen. Dies
zeigt, daß die Forderung

(a(∇u), ∇v − ∇u)Ω ≥ −(div a(∇u), v − u)Ω

eine Verallgemeinerung der Randbedingung (∗∗) ist auf Gebiete mit nichtglattem Rand
und auf Funktionen, für die ∇u(x) am Rande nicht unbedingt zu existieren braucht.

Satz 7.11 (Dirichletsches Prinzip) Sei Ω ⊆ Rn eine offene Menge, sie F : Rn → R

stetig differenzierbar, konvex und strikt koerzitiv. Außerdem gelte F (0) = 0 , und es gebe
eine Konstante c > 0 mit
|a(ξ)| = |grad F (ξ)| ≤ c |ξ|

110
für alle ξ ∈ Rn . Dann gilt
(
{Au} , u ∈ D(A) .
∂ Ṽ (u) =
∅ , u ∈ L2 (Ω)\D(A) .

Für f ∈ L2 (Ω) und λ ≥ 0 sind folglich äquivalent:

(i) u ∈ D(A) und Au + λu = f
(ii) u ∈ M (b) = M (F, b) und

(a(∇u), ∇v − ∇u) + λ(u, v − u)Ω ≥ (f, v − u)Ω

für alle v ∈ M (b) .

(iii) u ∈ L2 (Ω) und

λ λ
Ṽ (u) + kuk2Ω − (f, u)Ω = min [Ṽ (v) + kvk2Ω − (f, v)Ω ] .
2 v∈L2 (Ω) 2

Wenn λ > 0 ist, gibt es ein eindeutiges u , das diese drei äquivalenten Eigenschaften
hat. Wenn λ = 0 ist, gibt es für b < ∞ bei beschränktem Ω wenigstens ein u , das diese
drei Eigenschaften hat.

Bemerkung 7.12 Dies bedeutet natürlich, daß das Randwertproblem

−div a(∇u(x)) + λu(x) = f (x) , x ∈ Ω

0 ≤ u(x) ≤ b , x ∈ ∂Ω
 
 ≥ 0,
 u(x) = 0 

n(x) · a(∇u(x)) = 0 , 0 < u(x) < b x ∈ ∂Ω

 

≤ 0, u(x) = b
unter den angegebenen Bedingungen verallgemeinerte Lösungen besitzt.

Beweis. Sei u ∈ L2 (Ω) und ∂ Ṽ (u) 6= ∅ . Dann gibt es ein w ∈ L2 (Ω) mit w ∈ ∂ Ṽ (u) ,
und nach Satz 7.7 ist dies äquivalent zu u ∈ M (F, b) = M (b) und

(∗) (a(∇u), ∇v − ∇u)Ω ≥ (w, v − u)Ω

für alle v ∈ M (b) . Nach 7.3.1 ist unter den angegebenen Voraussetzungen v = u ± ϕ ∈
◦
M (b) für alle ϕ ∈ C ∞ (Ω) . Für diese v ergibt sich nun

±(a(∇u), ∇ϕ)Ω ≥ ±(w, ϕ)Ω ,

folglich
(a(∇u), ∇ϕ)Ω = (w, ϕ)Ω

111
 ◦
für alle ϕ ∈ C ∞ (Ω) . Da a(∇u) ∈ L2 (Ω) ist, bedeutet dies nach Definition 7.9,
daß div (a(∇u)) existiert, und daß w = −div (a(∇u)) . Dies impliziert ∂ Ṽ (u) =
{−div (a(∇u))} , und (∗) nimmt die Form

(a(∇u), ∇v − ∇u)Ω ≥ −(div a(∇u), v − u)Ω

an. Nach Definition 7.10 ist daher u ∈ D(A) und ∂ Ṽ (u) = {Au} . Sei umgekehrt u ∈
D(A) . Nach Definition 7.10 bedeutet dies u ∈ M (b) und

(a(∇u), ∇v − ∇u)Ω ≥ −(div a(∇u), v − u)Ω

für alle v ∈ M (b) . Satz 7.7 zeigt nun, daß

−div a(∇u) ∈ ∂ Ṽ (u) ,

also ist ∂ Ṽ (u) 6= ∅ . Zusammen folgt

(
{Au} , u ∈ D(A)
∂ Ṽ (u) =
∅ , u ∈ L2 (Ω)\D(A) .

Aus diesem Ergebnis folgt, daß u ∈ D(A) und Au + λu = f äquivalent ist zu f − λu ∈

∂ Ṽ (u) . Nach Satz 7.7 ist dies aber äquivalent zu (ii). Also ist (i) äquivalent zu (ii). Die
Äquivalenz von (ii) und (iii) wurde schon in Folgerung 7.8 bewiesen. Die Existenz von
u ergibt sich aus Satz 7.2.

112
8 Existenztheorie für das Hindernisproblem bei nichtlinearer
Randbedingung.
8.1 Das Potential beim Hindernisproblem Wir werden nun die Lösbarkeit des in
Abschnitt 1.2 betrachteten Hindernisproblems für die Membran studieren. Sei Ω ⊆ Rn
eine offene beschränkte Menge mit Lipschitzrind ∂Ω und sei ψ ∈ C∞ (Ω, R) . Weiterhin sei
j : R → R eine stetige differenzierbare, konvexe, strikt koerzitive Funktion mit j(0) = 0 .
Aus diesen Voraussetzungen folgt j(ξ) ≥ 0 für alle ξ ∈ R . Schließlich sei

M = u ∈ H1 (Ω) u(x) ≥ ψ(x) fast überall in Ω .

M ist abgeschlossen in H1 (Ω) , und nach Satz ?? existieren die Randwerte u|∂Ω = Bu
für alle u ∈ M . Sei
 Z 
∗


M = u∈M j Bu(x) dSx < ∞ .
∂Ω

Wir definieren nun das Funktional Ṽ : L2 (Ω) → L2 (Ω) durch

 R 1 R

Ω 2
|∇u(x)|2 dx + ∂Ω j Bu(x) dSx < ∞ , u ∈ M ∗
Ṽ (u) =
+∞ , u ∈ L2 (Ω)\M ∗ .

Ṽ ist das Potential, das zum in 1.2 betrachteten Hindernisproblem gehört. Die Aufgabe
ist, zu zeigen, daß dieses Potential sein Minimum annimmt.

Satz 8.1 Sei j stetig differenzierbar, konvex, strikt koerzitiv und erfülle j(0) = 0 . Dann
ist M ∗ konvex, Ṽ ist konvex und von unten halbstetig und Ṽ|M ∗ ist strikt konvex.

Beweis: Wie in Beispiel ?? sieht man, daß ω 7→ 21 |ω|21Ω : H1 (Ω) → R strikt konvex ist.
Also folgt für u, v ∈ M ∗ mit u 6= v und für t ∈ (0, 1)

1
R

2
|tv + (1 − t)u|21,Ω + ∂Ω
j tv + (1 − t)u dS
R


(∗) < 12 t|v1,Ω
2
+ 21 (1 − t)|u|21,Ω + ∂Ω tj v(x) + (1 − t)j u(x) dSx

= tṼ (u) + (1 − t)Ṽ (v) < ∞ ,

weil j konkex ist. Außerdem gilt

tv(x) + (1 − t)u(x) ≥ tψ(x) + (1 − t)ψ(x) = ψ(x)

für fast alle x ∈ Ω , also ist tv + (1 − t)u ∈ M ∗ , und somit ist diese Menge konvex. Aus
(∗) folgt nun aber

Ṽ tv + (1 − t)u < tṼ (u) + (1 − t)Ṽ (v)
für alle u, v ∈ M ∗ mit u 6= v und für alle t ∈ (0, 1) , also ist Ṽ|M ∗ strikt konvex. Wenn


mindestens eine der Funktionen u, v ∈ L2 (Ω)\M ∗ ist, dann gilt Ṽ tv + (1 − t)u ≤

113
tṼ (u) + (1 − t)Ṽ (v) , weil dann die rechte Seite den Wert +∞ hat. Also ist Ṽ konvex.
Sei nun V1 : H1 (Ω) → (−∞, ∞] definiert durch
 R

∂Ω
j u(x) dSx , u ∈ M ∗
V1 (u) =
+∞ , u ∈ H1 (Ω)\M ∗ .

Außerdem setzen wir V = Ṽ|H1 (Ω) . Dann gilt

1
V (v) = |v|21,Ω + V1 (v)
2
für alle v ∈ H1 (Ω) . Wir zeigen nun, daß V1 von unten halbstetig ist. Da v 7→ 21 |v|21,Ω :
H1 (Ω) → R stetig ist, folgt dann, daß auch V : H1 (Ω) → (−∞, ∞] von unten halbstetig
ist.
Sei {um }∞ m=1 ⊆ H1 (Ω) und u ∈ H1 (Ω) mit ku − um k1,Ω → 0 für m → ∞ .
Zu zeigen ist, daß
V1 (u) ≤ lim inf V1 (um )
m→∞

gilt. Ohne Beschränkung der Allgemeinheit sei

lim inf V1 (um ) < ∞ ,

m→∞

weil sonst nichts zu beweisen ist. Wähle eine Teilfolge {u′m }∞ ∞

m=1 von {um }m=1 mit

lim V1 (u′m ) = lim inf V1 (um ) .

m→∞ m→∞

Es folgt, daß V1 (u′m ) < ∞ ist für alle genügend großen m , also ist u′m ∈ M ∗ ⊆ M für
alle genügend großen m . Da M abgeschlossen ist in H1 (Ω) und da {u′m }∞ m=1 in H1 (Ω)
gegen u konvergiert, ergibt sich u ∈ M .
Nach Satz ?? ist die Abbildung u 7→ u|∂Ω : H1 (Ω) → L2 (∂Ω) stetig, also gilt
Z
|Bu(x) − Bu′m (x)|2 dSx = ku|∂Ω − u′m|∂Ω k2∂Ω → 0
∂Ω

für m → ∞ . Also gibt es nach einem Satz aus der Lebesgueschen Integrationstheorie
′′
und nach Definition des Randintegrals in 7.3 eine Teilfolge {um }∞ ′ ∞
m=1 von {um }m=1 mit
′′
lim [Bum ](x) = [Bu](x)
m→∞

für fast alle x ∈ ∂Ω . Nach Vorasussetzung ist j stetig differenzierbar. Also folgt
′′


lim j Bum (x) = j Bu(x)
m→∞

114
für fast alle x ∈ ∂Ω . Wegen j(ξ) ≥ 0 folgt aus dem Lemma von Fatou
Z Z

′′

j [Bu](x) dSx = lim j [Bum ](x) dSx
∂Ω m→∞
Z∂Ω
′′

= lim inf j [Bum ](x) dSx
∂Ω m→∞
Z
′′

≤ lim inf j [Bum ](x) dSx
m→∞ ∂Ω
′′
= lim inf V1 (um )
m→∞
′′
= lim V1 (um )
m→∞
′
= lim V1 (um )
m→∞
= lim inf V1 (um )
m→∞
< ∞,
also ist u ∈ M ∗ und somit
Z


V1 (u) = j [Bu](x) dSx ≤ lim inf V1 (um ) .
∂Ω m→∞

Dies bedeutet, daß V1 von unten halbstetig ist, und somit auch V : H1 (Ω) → (−∞, ∞] .
Um zu zeigen, daß Ṽ : L2 (Ω) → (−∞, ∞] von unten halbstetig ist, beachte daß nach
Definition j(ξ) ≥ 0 , also V1 (v) ≥ 0 und somit
1 2 1
V (v) = |v1,Ω + V1 (v) ≥ |v|21,Ω
2 2
gilt für alle v ∈ H1 (Ω) . Also erfüllt Ṽ die Voraussetzung von Lemma ??, und dies
bedeutet, daß Ṽ nach Lemma ?? von unten halbstetig ist. Satz 8.1 ist bewiesen.
Satz 8.2 Sei Ω ⊆ Rn eine offene und beschränkte Menge mit Lipschitzrand. Sei j : R →
R eine stetig differenzierbare, konvexe und strikt koerzitive Funktion mit j(0) = 0 .
Genau dann ist ω ∈ ∂ Ṽ (u) , wenn u ∈ M ∗ ist und wenn für alle v ∈ M ∗
Z



j ′ Bu(x) Bv(x) − Bu(x) dSx < ∞
∂Ω

sowie
Z


∇u(x) · ∇v(x) − ∇u(x) dx
Ω
Z


+ j ′ Bu(x) Bv(x)
∂Ω


− Bu(x) dSx
≥ (ω, v − u)Ω
gilt.

115
Beweis: Wie im Beweis zu Satz ?? folgt, daß für u, v ∈ M ∗ , t ∈ (0, 1] und x ∈ ∂Ω
1h

i
j tBv(x) + (1 − t)Bu(x) − j Bu(x)
t
monoton fallend ist für t ց 0 . Also ist
1h

i
x 7→ j tBv(x) + (1 − t)Bu(x) − j Bu(x)
t
eine für t ց 0 monoton fallende Folge über ∂Ω integrierbarer Funktionen.
Sei nun u ∈ L2 (Ω) und ω ∈ ∂ Ṽ (u) . Dies bedeutet, daß


Ṽ tv + (1 − t)u ≥ ω, tv + (1 − t)u − u)Ω + Ṽ (u)
(∗)
= t(ω, v − u)Ω + Ṽ (u)

gilt für alle v ∈ L2 (Ω) und t ∈ [0, 1] . Da ψ ∈ C∞ (Ω) ist und da Ω beschränkt ist, ist
supx∈Ω |ψ(x)| < ∞ , also ist ψ ∈ M ∗ und Ṽ (ψ) < ∞ nach Definition von M ∗ und von
Ṽ . Setzt man also t = 1 und v = ψ in (∗) , so folgt, daß auch Ṽ (u) < ∞ sein muß, also
daß u ∈ M ∗ gelten muß.
Aus (∗) und aus dem Satz von Beppo Levi folgt nun für alle v ∈ M ∗
1h
i
(ω, v − u)Ω ≤ lim Ṽ tv + (1 − t)u − Ṽ (u)
tց0 t
hZ 1

= lim |t∇v + (1 − t)∇u|2 − |∇u|2 dx
tց0 Ω 2t
Z   i
1

+ j tBv + (1 − t)Bu − j(Bu) dS
t
Z ∂Ω  
t 1
= lim |∇v|2 + (1 − t)∇v · ∇u + (t − 2)|∇u|2 dx
t→0 2 2
ZΩ h i
1

+ lim j tBv + (1 − t)Bu − j(Bu) dS
tց0 t
Z∂Ω Z
d

= ∇u · (∇v − ∇u)dx + j tBv + (1 − t)Bu |t=0 dS
dt
ZΩ Z∂Ω



= ∇u · (∇v − ∇u)dx + j ′ Bu(x) Bv(x) − Bu(x) dSx .
Ω ∂Ω

Außerdem ergibt der Satz von Beppo Levi, daß

Z



j ′ Bu(x) Bv(x) − Bu(x) dSx
∂Ω

existiert. Wenn umgekehrt u ∈ M ∗ ist, dieses Integral für alle v ∈ M ∗ exitiert und die
im Satz behauptete Variationsungleichung erfüllt ist, dann folgt für alle v ∈ M ∗
Z Z
(ω, v − u)Ω ≤ ∇u · (∇v − ∇u)dx + j ′ (Bu)(Bv − Bu)dS
Ω ∂Ω

116
 Z
1 
= lim |t∇v − (1 − t)∇u|2 − |∇u|2 dx
tց0 2t
ZΩ
1h
i
+ lim j tBv + (1 − t)Bu − j(Bu) dS
tց0 t
Z∂Ω  Z
1 2 1 2


≤ |∇v| − |∇u| dx + j(Bv) − j(Bu) dS
Ω 2 2 ∂Ω
= Ṽ (v) − Ṽ (u) ,

also
Ṽ (v) ≥ (ω, v − u)Ω + Ṽ (u) ,
weil auch
1 
t→ |t∇v(x) − (1 − t)∇u(x)|2 − |∇u(x)|2
2t
wegen der Konvexität von
2
t 7→ t∇v(x) + (1 − t)∇u(x)

monoton fallend ist für t ց 0 . Diese Ungleichung gilt auch für alle v ∈ L2 (Ω)\M ∗ weil
dann Ṽ (v) = ∞ ist, also ist ω ∈ ∂ Ṽ (u) . Damit ist der Satz bewiesen. Es bleibt zu
zeigen, daß Ṽ koerzitiv ist.
Lemma 8.3 Sei Ω ⊆ Rn eine offene und beschränkte Menge mit Lipschitzrand. Sei
j : R → R stetig differenzierbar, konvex und strikt koerzitiv mit j(0) = 0 . Dann ist Ṽ
koerzitiv.
Zum Beweis brauchen wir das folgende Ergebnis:
Lemma 8.4 Sei Ω ⊆ Rn eine offene und beschränkte Menge mit Lipschitzrand. Dann
existiert eine Konstante C > 0 mit


kuk2Ω ≤ C kuk22,0,∂Ω + |u|21,Ω

für alle u ∈ H1 (Ω) .

Beweis von Lemma 8.3. Da j strikt koerzitiv ist, existiert eine Konstante c > 0 mit
j(ξ) ≥ cξ 2 . Also folgt für u ∈ M ∗ aus Lemma 8.4
Z
1 2

Ṽ (u) = |u|1,Ω + j Bu(x) dSx
2 ∂Ω
Z
1 2
≥ |u| + c |Bu(x)|2 dSx
2 1,Ω ∂Ω
1 2
= |u|1,Ω + ckuk22,0,∂Ω
2
1 1 
≥ min , c kuk2Ω .
C 2
Wegen Ṽ (u) = ∞ für u ∈ L2 (Ω)\M ∗ ist also Ṽ koerzitiv.

117
Beweis von Lemma 8.4. (Durch Widerspruch.) Angenommen, die Behauptung sei
falsch. Dann existierte eine Folge {um }∞
m=1 ⊆ H1 (Ω) mit kum k0,Ω = 1 und mit

kum k22,0,∂Ω + |um |21,Ω → 0

für m → ∞ . Somit ist {um }∞ m=1 eine beschränkte Folge im Hilbertraum H1 (Ω) und hat
damit nach Satz ?? eine in L2 (Ω) konvergente Teilfolge {u′m }∞ ′
m=1 . Wegen |um |1,Ω → 0
ist diese Teilfolge sogar in H1 (Ω)konvergent mit Grenzwert u ∈ H1 (Ω) . Wegen

kuk0,Ω − ku′m k0,Ω ≤ ku − u′m k0,Ω ≤ ku − u′m k1,Ω → 0 ,

|u|1,Ω − |u′m |1,Ω ≤ |u − u′m |1,Ω ≤ ku − u′m |1,Ω → 0

und
kuk2,0,∂Ω − ku′m k2,0,∂Ω ≤ ku − u′m k2,0∂Ω ≤ Cku − u′m k1,Ω → 0
für m → ∞ folgt

(∗) kuk0,Ω = 1, |u|1,Ω = 0 und Bu = 0 .

◦
Nach Satz ?? ist dann u ∈H 1 (Ω) . Die Poincarésche Ungleichung (Satz 2.19) liefert
folglich
kuk0,Ω ≤ C|u|1,Ω = 0 ,
im Widerspruch zu (∗) , also muß die ursprüngliche Annahme falsch gewesen sein.

Folgerung 8.5 Sei Ω ⊆ Rn eine offene und beschränkte Menge mit Lipschitzrand. Sei
j : R → R eine stetig differenzierbare, konvexe und strikt koerzitive Funktion mit j(0) =
0 . Sei f ∈ L2 (Ω) . Dann sind äuqivalent:

a.) u ∈ M ∗ , für alle v ∈ M ∗ gilt

Z



j ′ Bu(x) Bv(x) − Bu(x) dS < ∞ ,
∂Ω

und es ist R h

Ω
∇u(x) · ∇v(x) − ∇u(x)

i
− f (x) v(x) − u(x) dz
R

+ ∂Ω j ′ Bu(x) Bv(x)


− Bu(x) dS

≥ 0
für alle v ∈ M ∗ .

118
 b.) u ∈ M und

R h1 2
i R 
Ω 2
|∇u(x)| − f (x)u(x) dx + ∂Ω
j Bu(x) dS
nR h i R
o
1 2
= minv∈M Ω 2
|∇v(x)| − f (x)v(x) dx + ∂Ω
j Bv(x) dS .

Schließlich gilt, daß es zu jedem f ∈ L2 (Ω) ein eindeutiges u gibt, das diese beiden
äquivalenten Eigenschaften hat.

Beweis: Nach Satz 8.2 ist a.) äquivaltent zu f ∈ ∂ Ṽ (u), und nach Lemma ?? ist dies
äquivalent zu
h i
(∗) Ṽ (u) − (f, u)Ω = min 2
Ṽ (v) − (f, v)Ω .
v∈L (Ω)

Nach Definition ist aber Ṽ (v) = ∞ für v ∈ L2 (Ω)\M ∗ ⊇ L2 \M, also ist (∗) äquivalent
zu u ∈ M und h i
Ṽ (u) − (f, u)Ω = min Ṽ (v) − (f, v) .
v∈M

Dies ist äquivalent zu b.) .

Nach Satz 8.1 und Lemma 8.3 ist Ṽ konvex, von unten halbstetig und koerzitiv. Also
nimmt nach Lemma ?? und Satz ?? Ṽ (v) − (f, v)Ω das Minimum an in wenigstens einem
u ∈ L2 (Ω) . Dieses u hat also die Eigenschaft b.) und damit auch a.) . Seien u und u′ zwei
Elemente mit diesen Eigenschaften. Dann sind u, u′ ∈ M ∗ , also sind u und u′ Minima
von [Ṽ (v) − (f, v)Ω ]v∈M ∗ . Nach Satz 8.1 und Lemma ?? ist dieses Funktional aber strikt
konvex, also sind Minima nach Satz ?? eindeutig und somit gilt u = u′ .

Bemerkung 8.6 Das eindeutig bestimmte u aus Folgerung 8.5 ist die eindeutige Lösung
des Hindernisproblems aus Abschnitt 1.2 . Analog zum Vorgehen in Kapitel 6 und wie in
1.2 skizziert kann ein Randwertproblem zur elliptischen partiellen Differentialgleichung

−∆u = f

gefunden werden, für das u Lösung ist. In 1.2 wurde schon gezeigt, daß u nur in den Be-
reichen von Ω Lösung dieser Gleichung ist, wo es nicht auf dem Hindernis aufliegt. Diese
Bereiche hängen von der Lösung ab und sind daher zunächst nicht bekannt, müssen
vielmehr gleichzeitig mit der Lösung mitbestimmt werden. Solche Probleme heißen freie
Randwertprobleme. Mit solchen freien Randwertproblemen sind interessante Fragen ver-
bunden. Zum Beispiel kann man untersuchen, ob der Rand der Menge, in der u auf dem
Hindernis aufliegt, glatt oder sogar analytisch ist.

119
Lehrbücher
[1] D. Agmon: Lectures on Elliptic Boundary Value Problems. Van Nostrand, New
York, 1965.

[2] H.W. Alt: Lineare Funktionalanalysis. Berlin, Springer, 1985.

[3] H. Brezis: Operateurs maximaux monotones et semi–groupes de contractions dans

les espaces de Hilbert. North–Holland, Amsterdam, 1973.

[4] B. Dacorogna: Direct methods in the calculus of variations. Springer, 1989.

[5] B. Dacorogna: Introduction au calcul des variations. Presse Polytechniques et Uni-

versitaires Romandes, Lausanne, 1992.

[6] K. Deimling: Nonlinear Functional Analysis. Springer, Berlin, 1985.

[7] G. Duvaut; J.L. Lions: Inequalities in mechanics and physics. Springer, Berlin, 1976.

[8] L. C. Evans: Weak convergence methods for nonlinear partial differential equations.
Regional Conference Series in Mathematics 74. Amer. Math. Soc., 1990.

[9] S. Fučik; J. Nečas; V. Souček: Einführung in die Variationsrechnung. Teubner, Leip-

zig, 1977.

[10] D. Gilbarg; N.S. Trudinger: Elliptic partial differential equations of second order.
Springer, Berlin, 1977.

[11] L. Hörmander: The analysis of linear partial differential operators. Vol. 1–4. Sprin-
ger, Berlin, 1985.

[12] D. Kinderlehrer; G. Stampacchia: An introduction to variational inequalities and

their applications. Academic Press, New York, 1980.

[13] E. Klingbeil: Variationsrechnung. BI–Wissenschaftsverlag, Mannheim, 1988.

[14] N. Koshlyakov; M. Smirnov; E. Gliner: Differential equations of mathematical phy-

sics. North-Holland, Amsterdam, 1964.

[15] O.A. Ladyzhenskaja: The boundary value problems of mathematical physics. Ame-
rican Math. Society, 1977.

[16] A. Langenbach: Monotone Potentialoperatoren in Theorie und Anwendung. Sprin-

ger, Berlin, 1977.

[17] R. Leis: Vorlesungen über partielle Differentialgleichungen zweiter Ordnung. Biblio-

graphisches Institut, Mannheim, 1967.

[18] R. Leis: Initial boundary value problems in mathematical physics. Teubner, Stutt-
gart, 1986.

120
[19] A. Sommerfeld: Partielle Differentialgleichungen der Physik. 5. Auflage, Akademi-
sche Verlagsgesellschaft, Leipzig, 1962.

[20] M. Struwe: Variational methods: Applications to nonlinear partial differential equa-

tions and Hamiltonian systems. Springer, 1990.

[21] M Vainberg: Variational method und method of monotone operators in the theory
of nonlinear equations. Wiley, Chichester, 1972.

[22] W. Velte: Direkte Methoden der Variationsrechnung. Teubner, Stuttgart, 1976.

[23] E. Zeidler: Vorlesungen über nichtlineare Funktionalanalysis I–III. Teubner, Leipzig,

1978. Erweiterte Fassung: Nonlinear functional analysis and its applications I–IV,
Springer, 1985/86

121
Index
Brachistochronenproblem, 49 Trennungssatz, 81

Dirac-Familie, 27 Ueberdeckungen, 31
Dirichletsches Prinzip, 110 unterhalbstetige Funktionen, 89

Eikonalgleichung, 75 Vollständigkeit, 14
Eulergleichung, 38
Wirtingersche Ungleichung, 51
Faltung, 25
Fermatsche Prinzip, 55, 67 Zerlegung der Eins, 31
Fundamentallemma der Variationsrech- zweite Form der Eulergleichung, 55
nung, 28

Geometrische Optik, 75

Höldersche Ungleichung, 17
Hamilton-Jacobi Gleichung, 71
Hamiltonfunktion, 62
Hamiltonsche Differentialgleichungen, 64
Hamiltonsche Prinzip, 66
Hilbertraum, 14

kanonische Form der Eulergleichung, 64

konvexe Mengen und konvexe Funktio-
nen, 36

Legendretransformation, 58
Leibnizsche Regel für schwache Ablei-
tungen, 33

Minkowski-Ungleichung, 19

Poincarésche Ungleichung, 34
Prähilbertraum, 14

Satz von Banach-Steinhaus, 85

Satz von Fischer-Riesz, 20
schwache Ableitung, 21
schwache Folgenkompaktheit, 86
schwache Form der Eulergleichung, 107
schwache Topologie, 82
strikte Koerzitivität, 100
Subdifferential, 94
Subdifferentiale, 58

122