Vorlesungsmitschrieb: Funktionalanalysis 1

Julian Valentin

Dieser Vorlesungsmitschrieb entstand als Hörer in der Vorlesung Funktionalanalysis 1, gelesen

von Priv.-Doz. Dr. Wolf-Patrick Düll an der Universität Stuttgart im Wintersemester 2012/13.
Sie dienten hauptsächlich als Lernhilfe für mich; aus Zeitgründen fehlen viele Skizzen und
mathematische Beweise. Studentische Mitschriebe sind keine offiziellen Skripte; weder die
Universität Stuttgart noch ihre Mitarbeiter sind für sie verantwortlich. Fehler können auf
GitHub gemeldet werden. Der Mitschrieb steht unter der CC-BY-SA-4.0-Lizenz.

Inhaltsverzeichnis
1 Skalarprodukte, Normen und Metriken 3
1.1 Skalarprodukte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Normen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Beispiele für normierte Räume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Metriken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Topologie in Skalarprodukt-, normierten und metrischen Räumen 7

2.1 Topologische Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Konvergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Vollständige Räume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5 Kompaktheit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3 Lineare Abbildungen in normierten Räumen 12

3.1 Stetigkeit und Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2 Lineare, stetige Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3 Operatornormen in Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

4 Differentiation und Integration in Banachräumen 14

4.1 Gâteaux- und Fréchet-Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2 Riemann-Integrale in Banachräumen . . . . . . . . . . . . . . . . . . . . . . . . . 14

5 Orthogonale Projektionen 15
5.1 Der Projektionssatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.2 Orthonormalsysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.3 Der Rieszsche Darstellungssatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

6 Anwendungen bei elliptischen RWP und S OBOLEVräume 18

6.1 Poisson-Gleichung mit Dirichlet-Randbedingungen . . . . . . . . . . . . . . 18
6.2 Sobolevräume und schwache Ableitungen . . . . . . . . . . . . . . . . . . . . . 19
6.3 Schwache Lösung der Poisson-Gleichung mit Dirichlet-RB . . . . . . . . . . 20
6.4 Zusatz: Poisson-Gleichung mit Neumann-Randbedingungen . . . . . . . . . . 21
6.5 Verallgemeinerung auf elliptische Randwertprobleme . . . . . . . . . . . . . . . 21
6.6 Ritz-Galerkin-Approximation für elliptische RWP . . . . . . . . . . . . . . . . 22
Funktionalanalysis 1

7 Der Spektralsatz für kompakte, selbstadjungierte Operatoren 23

7.1 Hilbertraum-Adjungierte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
7.2 Kompakte Operatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
7.3 Das Spektrum linearer Abbildungen über Banachräumen . . . . . . . . . . . . . 26
7.4 Das Spektrum kompakter Operatoren und der Spektralsatz . . . . . . . . . . . 27
7.5 Der Spektralsatz für den Laplace-Operator . . . . . . . . . . . . . . . . . . . . . 28

8 Der Satz von H AHN-B ANACH und die Hauptsätze der B ANACHraumtheorie 29
8.1 Der Satz von Hahn-Banach, Projektions- und Trennungssatz . . . . . . . . . . 29
8.2 Bairescher Kategoriensatz und der Satz von Banach-Steinhaus . . . . . . . 30
8.3 Projektionen in Banachräumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

9 Kompakte Operatoren und adjungierte Operatoren auf Banachräumen 32

9.1 Jordansche Normalform für kompakte Operatoren . . . . . . . . . . . . . . . . 32
9.2 Adjungierter Operator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
9.3 Fredholmsche Alternative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

10 Lokalkonvexe und schwache Topologien 35

10.1 Grundbegriffe aus der Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
10.2 Lokalkonvexe Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
10.3 Schwache Konvergenz und Schwach∗-Konvergenz . . . . . . . . . . . . . . . . . 38
10.4 Distributionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
10.5 Beispiele für Distributionen und distributionelle Ableitung . . . . . . . . . . . . 39
10.6 Eigenschaften der schwachen Konvergenz und der Satz von Alaoglu . . . . . 40
10.7 Beste Approximationen in reflexiven Räumen . . . . . . . . . . . . . . . . . . . . 41

Inhaltsverzeichnis –2–
Funktionalanalysis 1

1 Skalarprodukte, Normen und Metriken

1.1 Skalarprodukte

Bemerkung: Im Folgenden ist K = R oder K = C.

Skalarprodukt: Sei V ein K-Vektorraum.
Eine Abbildung 〈·, ·〉 : V × V → K heißt Skalarprodukt (oder inneres Produkt) auf V , falls
(1) ∀α∈K ∀ x, y,z∈V 〈αx + y, z〉 = α 〈x, z〉 + 〈 y, z〉 (Linearität im ersten Argument),

(2) ∀ x, y∈V 〈x, y〉 = 〈 y, x〉 (Symmetrie bzw. Hermitesche Symmetrie) und

(3) ∀ x∈V 〈x, x〉 ≥ 0 ∧ [〈x, x〉 = 0 ⇐⇒ x = 0] (positive Definitheit).
V zusammen mit 〈·, ·〉 heißt Skalarproduktraum (oder Prä-Hilbertraum).
Bemerkung: Aus (1) und (2) folgt ∀α∈K ∀ x, y,z∈V 〈x, α y + z〉 = α 〈x, y〉 + 〈x, z〉. Ein Skalarprodukt
ist also für K = R bzw. K = C eine positiv definite, symmetrische Bilinearform bzw. eine positiv
definite, hermitesche Sesquilinearform.
Beispiel: Folgende Vektorräume bilden mit den zugehörigen Abbildungen Skalarprodukträume.
Pn
(a) V := Rn , 〈x, y〉 := i=1 x i yi
Pn
(b) V := Cn , 〈x, y〉 := i=1 x i yi
P∞
(c) V := x ∈ RN 〈x, x〉 < ∞ , 〈x, y〉 := i=1 x i yi


P∞
(d) V := x ∈ CN 〈x, x〉 < ∞ , 〈x, y〉 := i=1 x i yi


b
(e) V := C ([a, b], R) mit a < b reell, 〈x, y〉 := a
x(t) y(t) dt

b
(f) V := C ([a, b], C) mit a < b reell, 〈x, y〉 := a
x(t) y(t) dt
Satz (Cauchy-Schwarzsche Ungleichung): Seien X ein Skalarproduktraum und x, y ∈ X .
Dann gilt | 〈x, y〉 | ≤ 〈x, x〉· 〈 y, y〉. Gleichheit gilt genau dann, wenn x und y linear abhängig
p p

sind.

1.2 Normen

Bemerkung: Ein Skalarprodukt kann zur Abstandsmessung verwendet werden.

Norm: Sei X ein K-Vektorraum. Eine Abbildung k·k : X → R heißt Norm, falls
(1) ∀ x∈X kxk ≥ 0 ∧ [kxk = 0 ⇐⇒ x = 0] (Positivität und Definitheit),
(2) ∀α∈K ∀ x∈X kαxk = |α| · kxk (Homogenität) und
(3) ∀ x, y∈X kx + yk ≤ kxk + k yk (Dreiecksungleichung).
V zusammen mit k·k heißt normierter Raum.

1 Skalarprodukte, Normen und Metriken –3–

Funktionalanalysis 1

Satz (induzierte Norm): In jedem Skalarproduktraum X lässt sich durch kxk := 〈x, x〉 eine
p

Norm einführen. Man nennt sie die durch das Skalarprodukt induzierte Norm.
Satz (Parallelogrammgleichung): Seien (X , 〈·, ·〉) ein Skalarproduktraum und k·k die durch 〈·, ·〉
induzierte Norm. Dann gilt ∀ x, y∈X kx + yk2 + kx − yk2 = 2(kxk2 + k yk2 ).
Bemerkung: Nach dem Satz über die induzierte Norm ist jeder Skalarproduktraum auch ein
normierter Raum. Allerdings wird nicht jede Norm von einem Skalarprodukt induziert: Sei
X := R2 mit Norm kxk := maxk=1,2 |x k | für x ∈ X . Für x := (1, 2) T und y := (2, 0) T gilt kxk =
k yk = 2, kx + yk = 3 und kx − yk = 2, also kx + yk2 +kx − yk2 = 13 6= 16 = 2(kxk2 +k yk2 ). Die
Parallelogrammgleichung ist nicht erfüllt, somit kann die Norm nicht von einem Skalarprodukt
induziert werden.
Satz (Bedingung für Induktion von Normen durch Skalarprodukte): Genau diejenigen
normierten Räume X , in denen die Parallelogrammgleichung gilt, sind Skalarprodukträume,
d. h. genau in diesen Räumen gibt es ein Skalarprodukt, welches die Norm induziert.
In diesem Fall lässt sich für K = R durch 〈x, y〉 := 14 (kx + yk2 − kx − yk2 ) und für K = C
durch 〈x, y〉 := 14 (kx + yk2 − kx − yk2 + i · (kx + i yk2 − kx − i yk2 )) (Polarisationsformeln) ein
Skalarprodukt auf X erklären, das die Norm induziert.

Bemerkung: Mithilfe von reellen Skalarprodukten kann man einen Winkelbegriff einführen,
|〈x, y〉|
denn es gilt kxk·k yk ≤ 1 für x, y 6= 0 aufgrund der Cauchy-Schwarz-Ungleichung.
Winkel: Seien X ein reeller Skalarproduktraum und x, y ∈ X \ {0}.
〈x, y〉
Dann heißt α ∈ [0, π] mit cos(α) = kxk·k yk der Winkel zwischen x und y .
orthogonal: Sei X ein Skalarproduktraum.
(1) x, y ∈ X heißen orthogonal zueinander ( x⊥ y ), falls 〈x, y〉 = 0.
(2) X 1 , X 2 ⊂ X mit X 1 , X 2 6= ; heißen orthogonal zueinander (X 1 ⊥X 2 ), falls
∀ x∈X 1 ∀ y∈X 2 x⊥ y .
Satz (Pythagoras): Seien X ein Skalarproduktraum und x, y ∈ X mit x⊥ y .
Dann gilt kx + yk2 = kxk2 + k yk2 .

1.3 Beispiele für normierte Räume

Beispiel: Kn mit der p-Norm

p 1/p
Pn
für p ∈ [1, ∞)


(a) kxk p := k=1
|x k |
(b) kxk∞ := maxk=1,...,n |x k |
Beispiel: Folgenräume
P∞
1/p
(a) ` p := {x ∈ KN | kxk`p < ∞}, kxk`p := k=1
|x k | p für p ∈ [1, ∞)
(b) `∞ := {x ∈ KN | kxk`∞ < ∞}, kxk`∞ := supk∈N |x k |
(c) c0 := {x ∈ KN | limk→∞ x k = 0}, k·k`∞
(d) c := {x ∈ KN | x konvergiert}, k·k`∞
(e) c∗ := {x ∈ KN | x k = 0 für fast alle k ∈ N}, k·k`p für p ∈ [1, ∞]

1 Skalarprodukte, Normen und Metriken –4–

Funktionalanalysis 1

Beispiel: Funktionenräume
Seien M , K, Ω ⊂ Rn nicht-leer mit K kompakt und Ω offen. Die Räume sind auch definiert, falls
K weggelassen wird, in diesem Fall gilt K = R.
(a) B(M , K) := { f : M → K | k f k∞ < ∞}, k f k∞ := sup x∈M | f (x)|,
Raum der beschränkten Funktionen auf M
(b) C 0 (K, K) := { f : K → K | f stetig}, k f kC 0 := sup x∈K | f (x)|,
Raum der stetigen Funktionen auf K
(c) C b0 (Ω, K) := { f : Ω → K | f stetig, k f kC0 < ∞}, k f kC 0 := sup x∈Ω | f (x)|,
Raum der stetigen, beschränkten Funktionen auf Ω
(d) Cc0 (Ω, K) := { f ∈ C b0 (Ω, K) | supp f ⊂ Ω kompakt}, k·kC 0 ,
Raum der stetigen, beschränkten Funktionen mit kompaktem Träger in Ω
0
(e) Cunif (Ω, K) := BUC(Ω, K) := { f ∈ C b0 (Ω, K) | f gleichmäßig stetig auf Ω}, k·kC 0 ,
Raum der gleichmäßig stetigen, beschränkten Funktionen auf Ω
(f) C 0,α (Ω, K) := { f ∈ C b0 (Ω, K) | k f kC 0,α < ∞}, α ∈ (0, 1], k f kC 0,α := k f kC 0 + [ f ]C 0,α ,
| f (x)− f ( y)|
[ f ]C 0,α := sup x, y∈Ω, x6= y kx− ykα , Raum der Hölder-stetigen Funktionen auf Ω,
für α = 1 ist C 0,1 (Ω, K) =: Lip(Ω, K) der Raum der Lipschitz-stetigen Funktionen auf Ω
◦
(g) C m (K, K) := { f : K → K | ∂ xj f stetig auf K = int(K), stetig fortsetzb. auf K, | j| ≤ m},
k f kC m := | j|≤m ∂ xj f C 0 , Raum der m-fach stetig differenzierbaren Funktionen auf K
P

(dabei ist j = ( j1 , . . . , jn ) ∈ N0n ein Multiindex mit | j| := j1 + · · · + jn sowie x = (x 1 , . . . , x n )

und ∂ xj = ∂ xj11 · · · ∂ xjnn )

(h) C bm (Ω, K) := { f : Ω → K | ∂ xj f stetig, ∂ xj f C 0 < ∞, | j| ≤ m}, k·kC m ,

Raum der m-fach stetig diffb., in allen Ableitungen beschränkten Funktionen auf Ω
(i) Ccm (Ω, K) := { f ∈ C bm (Ω, K) | ∂ xj f stetig, supp f ⊂ Ω kompakt}, k·kC m ,
Raum der m-fach stetig diffb. Funktionen mit kompaktem Träger in Ω
m
(j) Cunif (Ω, K) := { f ∈ C bm (Ω, K) | ∂ xj f ∈ Cunif
0
(Ω, K), | j| ≤ m}, k·kC m ,
Raum der m-fach stetig diffb., in allen Ableitungen glm. stetigen Funktionen auf Ω
(k) C m,α (Ω, K) := { f ∈ C bm (Ω, K) | ∂ xj f ∈ C 0,α (Ω, K) für | j| = m},
k f kC m,α := k f kC m−1 + | j|=m ∂ xj f C 0,α (für m ≥ 1),
P

Raum der m-fach stetig diffb., in den m-ten Ableitungen Hölder-stetigen [Link] auf Ω

Halbnorm: Sei X ein K-Vektorraum. Eine Abbildung [·]: X → R heißt Halbnorm, falls sie
alle Norm-Eigenschaften außer die Definitheit ([x] = 0 ⇐⇒ x = 0) erfüllt.
X zusammen mit [·] heißt halbnormierter Raum.
Satz (Faktorisierung von halbnormierten Räumen): Sei (X , [·]) ein halbnormierter Raum.
(1) Kern([·]) := {x ∈ X | [x] = 0} ist ein Unterraum von X .
(2) X /Kern([·]) mit der kanonischen Quotientenvektorraum-Struktur und der Norm
kx + Kern([·])k := [x] ist ein normierter Raum.
Bemerkung: Dabei ist X /Kern([·]) := {b
x | x ∈ X } mit b
x := x + Kern([·]) = { y ∈ X | x ∼ y},
wobei die Äquivalenzrelation ∼ durch x ∼ y ⇐⇒ x − y ∈ Kern([·]) definiert ist. Dadurch
wird X /Kern([·]) mit den Operationen b
x+b x + y und αb
y := × x := α
Ó x zu einem Vektorraum mit
Nullelement Kern([·]).

1 Skalarprodukte, Normen und Metriken –5–

Funktionalanalysis 1

p p p
LK (Ω)-, LK (Ω)-, `K -Räume: Sei (Ω, Σ, λ) ein Maßraum, also Σ eine σ-Algebra über Ω und λ
p
ein Maß über (Ω, Σ). Definiere LK (Ω) := { f : Ω → K | f ist (Σ, λ)-messbar, [ f ] L p < ∞}, wobei

1/p
für 1 ≤ p < ∞ und [ f ] L ∞ := infB∈Σ, λ(B)=0 sup x∈Ω\B | f (x)|.


[ f ] L p := Ω | f | p dλ
p
Dadurch wird (LK (Ω), [·] L p ) zum halbnormierten Raum.
p p
Gemäß obigem Satz ist LK (Ω) := LK (Ω)/Kern([·] L p ) mit k f k L p := [ f ] L p ein normierter Raum,
p
wobei Kern([·] L p ) = { f ∈ LK (Ω) | f = 0 λ-f.ü.}.
Für Ω = N, Σ = P(N) und λ gleich dem Zählmaß (oder Diracmaß), definiert durch λ(B) := |B|
für B ⊂ N, definiert man `K := LK (N) ∼
p p p
= LK (N).
p p p
Außerdem legt man fest, dass K = R ist, wenn K bei LK (Ω), LK (Ω) oder `K weggelassen wird.
konjugierte Zahl: Sei p ∈ [1, ∞].
Dann heißt p0 ∈ [1, ∞] mit 1p + p10 = 1 die zu p konjugierte Zahl (wobei 1
∞ := 0).
0
Lemma (Youngsche Ungleichung): Seien a, b ≥ 0 und p ∈ (1, ∞). Dann ist ab ≤ 1p a p + 1
p0 bp .
0
Satz (Höldersche Ungleichung): Seien p ∈ [1, ∞], f ∈ L p (Ω) und g ∈ L p (Ω).
Dann ist f g ∈ L 1 (Ω) und k f gk L 1 ≤ k f k L p kgk L p0 .
Satz (Minkowskische Ungleichung): Seien p ∈ [1, ∞] und f , g ∈ L p (Ω).
Dann ist f + g ∈ L p (Ω) und k f + gk L p ≤ k f k L p + kgk L p .
Bemerkung: Für λ(Ω) < ∞ (d. h. λ ist ein endliches Maß) und p, q ∈ [1, ∞] mit p < q gilt
L q (Ω) ⊂ L p (Ω), genauer ∃C>0 ∀ f ∈L q (Ω) k f k L p ≤ C k f k L q .

1.4 Metriken

Metrik: Sei X 6= ;. Eine Abbildung d : X × X → R heißt Metrik, falls

(1) ∀ x, y∈X d(x, y) ≥ 0 ∧ [d(x, y) = 0 ⇐⇒ x = y] (Positivität und Definitheit),
(2) ∀ x, y∈X d(x, y) = d( y, x) (Symmetrie) und
(3) ∀ x, y,z∈X d(x, y) ≤ d(x, z) + d(z, y) (Dreiecksungleichung).
X zusammen mit d heißt metrischer Raum.
Halbmetrik: Erfüllt d alle Metrik-Eigenschaften außer die Definitheit
(d(x, y) = 0 ⇐⇒ x = y ), so heißt d Halbmetrik.
X zusammen mit d heißt halbmetrischer Raum.
Bemerkung: Durch Verwendung von Quotientenräumen kann man wie bei halbnormierten
Räumen halbmetrische Räume zu metrischen Räumen machen.
Satz (induzierte Metrik):
(1) Sei (X , k·k) ein normierter Raum. Dann ist durch d(x, y) := kx − yk eine Metrik (die sog.
induzierte Metrik) definiert, die folgende zusätzliche Eigenschaften besitzt:
(4) ∀ x, y,z∈X d(x + z, y + z) = d(x, y) (Translationsinvarianz) und
(5) ∀ x, y∈X ∀α∈K d(αx, α y) = |α| · d(x, y) (Homogenität).
(2) Sei (X , d) ein metrischer Raum. Außerdem sei X ein K-Vektorraum, sodass d translati-
onsinvariant und homogen ist. Dann ist durch kxk := d(x, 0) eine Norm definiert, die die
Metrik d induziert.
Beispiel: Für X 6= ; ist d(x, y) := 0 für x = y und d(x, y) := 1 sonst eine Metrik, die diskrete
Metrik. Falls X ein K-Vektorraum ist, wird sie von keiner Norm induziert, wenn |X | ≥ 2.

1 Skalarprodukte, Normen und Metriken –6–

Funktionalanalysis 1

2 Topologie in Skalarprodukt-, normierten und metrischen

Räumen

2.1 Topologische Definitionen

Bemerkung: Im Folgenden ist (X , d) ein metrischer Raum.

" -Kugel: Für x 0 ∈ X und " > 0 heißt B" (x 0 ) := {x ∈ X | d(x, x 0 ) < "} " -Kugel um x 0 .
offen: O ⊂ X heißt offen, falls ∀ x∈O ∃">0 B" (x) ⊂ O.
abgeschlossen: A ⊂ X heißt abgeschlossen, falls X \ A offen ist.
◦
Inneres: Für M ⊂ X heißt M = int(M ) := {x ∈ M | ∃">0 B" (x) ⊂ M } Inneres von M .
Abschluss: Für M ⊂ X heißt M := X \ int(X \ M ) Abschluss von M .
Rand: Für M ⊂ X heißt ∂ M := M \ int(M ) Rand von M .
dicht: B ⊂ X liegt dicht in A ⊂ X , falls B = A.
beschränkt: C ⊂ X heißt beschränkt, falls ∃ x∈X ∃R>0 C ⊂ BR (x).
zusammenhängend: Z ⊂ X heißt zusammenhängend, falls es keine Zerlegung von Z in zwei
disjunkte, offene und nicht-leere Mengen Z1 , Z2 ⊂ X gibt.
Bemerkung: Die Mengen Z1 , Z2 ⊂ X bei der Definition von Zusammenhang müssen offen bzgl.
der Teilraumtopologie auf Z sein, d. h. Schnitte von offenen Mengen in X mit Z .
Beispiel:
(a) Sei (X , d) = (R2 , k·k2 ). Dann ist B1 (0) = int(B1 (0)) offen und zusammenhängend und
B1 (0) = {x ∈ R2 | kxk2 ≤ 1} ist abgeschlossen und zusammenhängend. Außerdem ist
∂ B1 (0) = {x ∈ R2 | kxk2 = 1}.
(b) Sei (X , d) = (R, | · |). Dann ist M = n∈N 2n , 2n−1 nicht zusammenhängend und weder
S 1 1 

offen noch abgeschlossen. Es gilt ∂ M = { m1 | m ∈ N} ∪ {0}.

Bemerkung: Für normierte Räume X gilt B" (x 0 ) = {x ∈ X | kx − x 0 k ≤ "}.

2.2 Konvergenz

Konvergenz: Eine Folge (x n )n∈N in einem metrischen Raum (X , d) heißt konvergent gegen
n→∞
den Grenzwert x ∈ X für n → ∞ ( x n −−−→ x , limn→∞ x n = x ), falls limn→∞ d(x n , x) = 0, also
∀">0 ∃n" ∈N ∀n≥n" d(x n , x) < " .
Bemerkung: Der Grenzwert einer Folge (x n )n∈N ist eindeutig bestimmt, wenn er existiert. Sind
nämlich x und y Grenzwerte der Folge, dann gilt
n→∞
0 ≤ d(x, y) ≤ d(x, x n ) + d(x n , y) = d(x n , x) + d(x n , y) −−−→ 0, also d(x, y) = 0 und x = y .
Satz (Linearität des Grenzwerts): Seien (X , k·k) ein normierter Raum, (x n )n∈N und ( yn )n∈N Fol-
n→∞ n→∞ n→∞
gen in X sowie (αn )n∈N eine Folge in K, wobei x n −−−→ x , yn −−−→ y und αn −−−→ α.
n→∞
Dann gilt αn x n + yn −−−→ αx + y .
Satz (Abschluss ist Menge aller Grenzwerte): Seien (X , d) ein metrischer Raum und M ⊂ X .
n→∞
Dann gilt M = {x ∈ X | ∃(x n )n∈N Folge in M x n −−−→ x}.

2 Topologie in Skalarprodukt-, normierten und metrischen Räumen –7–

Funktionalanalysis 1

Beispiel:
n→∞
(a) Sei
qP(X , d) = (Rm , k·k2 ). Dann gilt x n −−−→ x genau dann, wenn
m n→∞ n→∞
i=1
((x n )i − (x)i )2 −−−→ 0. Dies ist äquivalent zu ∀i=1,...,m (x n )i −−−→ (x)i .
(b) Sei (X , d) = (C 0 ([0, 1]), d) mit d(x, y) = max t∈[0,1] |x(t) − y(t)|.
n→∞ n→∞
Dann gilt x n −−−→ x genau dann, wenn max t∈[0,1] |x n (t) − x(t)| −−−→ 0
⇐⇒ ∀">0 ∃n" ∈N ∀n≥n" max t∈[0,1] |x n (t) − x(t)| < "
⇐⇒ ∀">0 ∃n" ∈N ∀n≥n" ∀ t∈[0,1] |x n (t) − x(t)| < " ( x n konvergiert gleichmäßig gegen x ).
€
1 Š1/p
(c) Sei (X , d) = (C 0 ([0, 1]), d) mit d(x, y) = 0 |x(t) − y(t)| p dt für p ∈ [1, ∞).
n→∞
€
1
Š 1/p n→∞
Dann gilt x n −−−→ x genau dann, wenn 0 |x n (t) − x(t)| p dt −−−→ 0

1
⇐⇒ ∀">0 ∃n" ∈N ∀n≥n" 0
|x n (t) − x(t)| p dt < " ( x n konvergiert im p-ten Mittel gegen x ).

2.3 Stetigkeit

Bemerkung:
Im Folgenden sind (X , dX ) und (Y, dY ) metrische Räume und T : X → Y eine Abbildung.
stetig in einem Punkt: T heißt stetig in x 0 ∈ X , falls
∀">0 ∃δ=δ(x 0 ,")>0 ∀ x∈X , dX (x,x 0 )<δ dY (T (x), T (x 0 )) < " .
stetig: T heißt stetig (in X ), falls T in jedem Punkt x 0 ∈ X stetig ist.
Homöomorphismus:
T heißt Homöomorphismus, falls T bijektiv ist sowie T und T −1 stetig sind.
Isomorphismus:
T heißt Isomorphismus, falls T bijektiv und linear ist sowie T und T −1 stetig sind.
Isometrie:
T heißt Isometrie, falls T bijektiv und stetig ist und ∀ x 1 ,x 2 ∈X dY (T (x 1 ), T (x 2 )) = dX (x 1 , x 2 ).
Bemerkung: Isometrien werden oft ohne Voraussetzung der Bijektivität definiert. Bijektive
Isometrien heißen in diesem Fall isometrische Isomorphismen.

Satz (äquivalente Beschreibungen von Stetigkeit): Folgende Aussagen sind äquivalent:

(1) T ist stetig.
n→∞
(2) T ist folgenstetig, d. h. ∀ x∈X ∀(x n )n∈N Folge in X , x n →x T (x n ) −−−→ T (x).
(3) Für alle offenen Teilmengen O ⊂ Y ist T −1 (O) ⊂ X offen.
(4) Für alle abgeschlossenen Teilmengen A ⊂ Y ist T −1 (A) ⊂ X abgeschlossen.

2 Topologie in Skalarprodukt-, normierten und metrischen Räumen –8–

Funktionalanalysis 1

2.4 Vollständige Räume

Cauchy-Folge: Eine Folge (x n )n∈N in einem metrischen Raum (X , d) heißt Cauchy-Folge, falls
∀">0 ∃n" ∈N ∀n,m≥n" d(x n , x m ) < " .
Lemma (konvergente Folgen sind Cauchy-Folgen):
Jede konvergente Folge in einem metrischen Raum ist eine Cauchy-Folge.
vollständig: Ein metrischer Raum (X , d) heißt vollständig, falls jede Cauchy-Folge (x n )n∈N
in X gegen einen Punkt x ∈ X konvergiert.
Fréchet-, Banach-, Hilbertraum: Ein vollständiger metrischer Raum, normierter Raum
oder Skalarproduktraum heißt Fréchet-, Banach- bzw. Hilbertraum.
Beispiel:
(a) (R, | · |) und (C, | · |) sind Banachräume.
(b) (Q, d) mit d(x, y) = |x − y| ist nicht vollständig.
p Wählt man z. B. die Folge (x n )n∈N in Q mit
x n gleich der
p Dezimaldarstellung von 2 bis zur n-ten Nachkommastelle, so konvergiert
zwar x n → 2 in R. Die Folge hat aber keinen Grenzwert in Q (obwohl sie eine Cauchy-
Folge ist).

äquivalent: Zwei Normen k·ka und k·k b auf X heißen äquivalent, falls jede Folge, die bzgl.
k·ka konvergiert, auch bzgl. k·k b konvergiert und umgekehrt.
Äquivalent ist ∃c1 ,c2 >0 ∀ x∈X c1 kxk b ≤ kxka ≤ c2 kxk b .
Satz (äquivalente Normen in endlich-dimensionalen Räumen):
In einem endlich-dimensionalen K-Vektorraum X sind alle Normen äquivalent.
Folgerung: Jeder endlich-dimensionale normierte Raum ist ein Banachraum.
Bemerkung: Jeder endlich-dimensionale Unterraum U eines normierten Raums X ist abge-
schlossen. Ist nämlich (x n )n∈N eine Folge in U und x ∈ X mit x = limn→∞ x n , dann ist (x n )n∈N
eine Cauchy-Folge in U . Weil U vollständig ist, existiert ein Grenzwert in U , d. h. auch in X .
Wegen der Eindeutigkeit von Grenzwerten muss dieser mit x übereinstimmen, also x ∈ U .

Satz (vollständige Funktionenräume): Alle oben definierten, normierten Funktionenräume

außer Ccm (Ω, K) sind vollständig, also die Räume B(M , K), C m (K, K), C bm (Ω, K), Cunif
m
(Ω, K)
und C (Ω, K) für M , K, Ω ⊂ R nicht-leer mit K kompakt, Ω offen und m ∈ N0 , α ∈ (0, 1].
0,α n

Bemerkung: Die Ccm -Räume sind nicht vollständig, da es Folgen gibt, bei denen der Träger
immer breiter wird (die Grenzfunktion hätte keinen kompakten Träger mehr).
p p
Satz (`K vollständig): Die Räume (`K , k·k p ) mit p ∈ [1, ∞] sind vollständig, insbesondere
handelt es sich bei p = 2 um einen Hilbertraum.

2 Topologie in Skalarprodukt-, normierten und metrischen Räumen –9–

Funktionalanalysis 1
€
1 Š1/p
Bemerkung: C 0 ([0, 1]) mit k f k := 0 | f (x)| p dx für p ∈ [1, ∞) ist nicht vollständig.
α
Für p = 2 ist zum Beispiel ( f n )n∈N mit f n (x) := n für x ∈ [0, 1/n] und f n (x) := x −α für
x ∈ (1/n, 1] und α ∈ (0, 1/2) eine nicht-konvergente Cauchy-Folge.
Satz ( L p vollständig): Die Räume (L p (Ω), k·k L p ) mit p ∈ [1, ∞] sind vollständig, insbesondere
handelt es sich bei p = 2 um einen Hilbertraum.
Satz (Satz von Beppo-Levi zur monotonen Konvergenz):
Seien D messbar und ( f n )n∈N eine Folge messbarer Funktionen f n : D → R+0 ∪ {∞} mit f n ↑ f
für n → ∞ ( f n konvergiert

monoton gegen f
, also ∀
x∈D limn→∞ f n (x) = f (x), f n (x) ≤ f n+1 (x)).
Dann ist f messbar und D f dλ = limn→∞ D f n dλ .
Satz (Satz von Lebesgue zur majorisierten Konvergenz):
Seien D messbar und ( f n )n∈N eine Folge messbarer Funktionen f n : D → R ∪ {±∞}, sodass
limn→∞ f n (x) =: f (x) λ-f.ü.

existiert, sowie
g λ-integrierbar mit ∀n∈N

| fn| ≤ g .

Dann ist f messbar und D f dλ = limn→∞ D f n dλ sowie limn→∞ D | f − f n |dλ = 0.

Lemma (Äquivalenz für Banachraum): Sei (X , k·k) ein normierter Raum.

Dann sind äquivalent:
(1) (X , k·k) ist ein Banachraum.
P∞ P∞
(2) Jede absolut konvergente Reihe i=1 ai (d. h. i=1 kai k < ∞) ist konvergent.
P∞ f (n) −g (n)
Beispiel: (C b∞ (Ω), d) mit d( f , g) := n=1 2−n · 1+ f (n) −g (n)C 0 ist ein Fréchetraum.
C0

Satz (Vervollständigung): Jeder normierte Raum (X , k·k) ist isometrisch isomorph zu einem
normierten Raum (X ∗ , k·k∗ ) (d. h. es gibt einen Isomorphismus T : X → X ∗ , der gleichzeitig
eine Isometrie ist), wobei (X ∗ , k·k∗ ) ein dichter Unterraum eines Banachraums (Xe , k·kXe ) und
bis auf isometrische Isomorphie eindeutig bestimmt ist. (Xe , k·kXe ) heißt Vervollständigung von
(X , k·kX ).
Satz (Ccm dicht in L p ): Für m ∈ N0 ∪ {∞} und p ∈ [1, ∞) ist Ccm (Ω) dicht in (L p (Ω), k·k L p ).
(L p (Ω), k·k L p ) kann somit mit der Vervollständigung von Ccm (Ω) bzgl. der k·k L p -Norm identifi-
ziert werden.

Satz (Banachscher Fixpunktsatz): Seien (X , d) ein vollständiger metrischer Raum und

F : X → X eine Kontraktion, d. h. ∃λ∈(0,1) ∀ x, y∈X d(F (x), F ( y)) ≤ λ · d(x, y).
Dann besitzt F genau einen Fixpunkt, d. h. ∃! x ∗ ∈X F (x ∗ ) = x ∗ .

2.5 Kompaktheit

kompakt: Seien (X , d) ein metrischer Raum und K ⊂ X . Sn

Dann heißt K kompakt, falls ∀ I Indexmenge ∀Oi ⊂X offen, K⊂Si∈I Oi ∃i1 ,...,in ∈I K ⊂ j=1 Oi j .
Satz (Äquivalenz zu Kompaktheit): Seien (X , d) ein metrischer Raum und K ⊂ X .
Dann sind äquivalent:
(1) K ist kompakt.
(2) K ist folgenkompakt, d. h. ∀(x n )n∈N Folge inK ∃(x n ) x = limk→∞ x nk .
Teilfolge ∃ x∈K
k k∈N

(3) (K, d) ist vollständig und präkompakt, d. h. ∀">0 ∃H⊂X endlich K ⊂ x∈H B" (x).
S

Bemerkung: K ⊂ X ist kompakt ⇐⇒ ∀(x n )n∈N Folge inK ∃(x n ) Teilfolge ∃ x∈X x = limk→∞ x nk .
k k∈N

2 Topologie in Skalarprodukt-, normierten und metrischen Räumen – 10 –

Funktionalanalysis 1

Satz (kompakt ⇒ beschränkt und abgeschlossen):

Jede kompakte Teilmenge eines metrischen Raumes ist beschränkt und abgeschlossen.
Satz (Äquivalenz für Umkehrung): Sei (X , k·k) ein normierter Raum.
Dann sind äquivalent:
(1) Jede beschränkte und abgeschlossene Teilmenge ist kompakt.
(2) X ist endlich-dimensional.
(3) B1 (0) ist kompakt.
Lemma (Lemma von Riesz): Seien (X , k·k) ein normierter Raum und Y $ X ein abgeschlossener
Unterraum. Dann gilt ∀ r∈(0,1) ∃ x r ∈X \Y kx r k = 1, dist(x r , Y ) := inf y∈Y kx r − yk ≥ r .

Satz (beste Approximation):

Seien (X , d) ein metrischer Raum und K ⊂ X eine nicht-leere, kompakte Teilmenge.
Dann gilt ∀ x 0 ∈X ∃ y0 ∈K d(x 0 , y0 ) = dist(x 0 , K) := inf y∈K d(x 0 , y).
In diesem Fall heißt y0 beste Approximation oder bestapproximierendes Element von x 0 in K .
Bemerkung: In nicht-kompakten Mengen gibt es i. A. kein bestapproximierendes
 1 1 Element, z. B.
geht dies nicht für x 0 = −1 und M1 = (0, 1] oder x 0 = −1 und M2 = n∈N 2n , 2n−1 .
S 

Satz (Satz von Arzelà-Ascoli):

Seien (K, d) ein kompakter metrischer Raum und A ⊂ C 0 (K, K). Dann sind äquivalent:
(1) A ist relativ kompakt in C 0 (K, K), d. h. A ist kompakt in C 0 (K, K).
(2) A ist beschränkt (d. h. sup f ∈A k f kC 0 < ∞) und gleichgradig stetig, d. h.
∀ x∈K ∀">0 ∃δ=δ(x,")>0 ∀ y∈Bδ (x) ∀ f ∈A | f (x) − f ( y)| < " .
Bemerkung: Da K kompakt ist, gilt C 0 (K, K) = Cunif 0
(K, K), d. h. das δ(x) kann unabhängig
von x gewählt werden. Diesen als Satz von Heine-Cantor bekannten Sachverhalt kann man so
beweisen: Sei " > 0 beliebig. Zu x ∈ K sei δ(x) :=S δ(x, ") wie in der Definition der Stetigkeit.
n δ(x )
Weil K kompakt ist, gibt es x 1 , . . . , x n ∈ K mit K ⊂ k=1 Bδ(x k )/2 (x k ). Wähle δ := mink=1,...,n 2 k .
Seien x ∈ K und y ∈ Bδ (x) beliebig. Dann gibt es ein ` ∈ {1, . . . , n}, sodass x ∈ Bδ(x ` )/2 (x ` ).
Aus y ∈ Bδ (x) folgt, dass y ∈ Bδ(x ` )/2 (x). Insgesamt gilt also y ∈ Bδ(x ` ) (x ` ). Damit erhält man
| f (x) − f ( y)| ≤ | f (x) − f (x ` )| + | f (x ` ) − f ( y)| < 2" , wobei man jeweils die Stetigkeit von f in
δ(x )
x ` anwendet (d(x, x ` ) < 2 ` < δ(x ` ) und d(x ` , y) < δ(x ` )).
Beispiel: Die Menge A := B1 (0) in (C 1 ([−1, 1]), k·kC 1 ) ist beschränkt in (C 0 ([−1, 1]), k·kC 0 ) (da
k f kC 0 ≤ k f kC 1 < 1 für alle f ∈ A) und gleichgradig stetig, da
∀ x∈[−1,1] ∀">0 ∃δ=δ(x,")>0 ∀ y∈Bδ (x) ∀ f ∈A | f (x) − f ( y)| ≤ |x − y| · supξ∈[−1,1] | f 0 (ξ)| < " für δ(x, ") := " ,
weil supξ∈[−1,1] | f 0 (ξ)| ≤ 1 für alle f ∈ A.
Nach dem Satz von Arzelà-Ascoli ist A relativ kompakt in (C 0 ([−1, 1]), k·kC 0 ).
Satz (Satz von Fréchet-Kolmogorov, Riesz):
Für p ∈ [1, ∞) ist A ⊂ L p (Rm , K) relativ kompakt genau dann, wenn
(1) sup f ∈A k f k L p < ∞,
h∈Rm , khk→0
(2) sup f ∈A k f (· + h) − f (·)k L p −−−−−−−→ 0 und
R→∞
(3) sup f ∈A k f k L p (Rm \BR (0)) −−−→ 0.

2 Topologie in Skalarprodukt-, normierten und metrischen Räumen – 11 –

Funktionalanalysis 1

3 Lineare Abbildungen in normierten Räumen

3.1 Stetigkeit und Beispiele

Satz (Äquivalenz für Stetigkeit bei linearen Operatoren):

Seien (E, k·k E ) und (F, k·k F ) normierte Räume sowie T : E → F eine lineare Abbildung.
Dann sind äquivalent:
(1) T ist stetig.
(2) T ist stetig in 0.
(3) Aus (x n )n∈N Folge in E mit x n → 0 folgt T x n → 0.
(4) ∃α≥0 T B E ⊂ αB F , wobei B E := {x ∈ E | kxk ≤ 1} und αB F := { y ∈ F | k yk ≤ α}.
(5) T ist beschränkt, d. h. ∃β≥0 ∀ x∈E kT xk F ≤ β kxk E .

Dualraum: Sei (E, k·k E ) ein normierter Raum.

Dann heißt E 0 := {T : E → K | T linear und stetig} Dualraum von E .
Beispiel:
(a) Seien E := (Rn , k·k2 ) und F := (Rm , k·k2 ). Dann ist jede lineare Abbildung T : E → F stetig
und kann durch eine Matrix dargestellt werden. Dasselbe gilt auch für alle anderen
Normen (wegen der Normäquivalenz).

b
(b) Seien E := (C 0 ([a, b]), k·kC 0 ) und T : E → K mit T f := a f (s) ds (wobei a, b ∈ R mit
a ≤ b). T ist

t linear und stetig und damit T ∈ E . Außerdem ist V : E → E , f 7→ V f mit
0

(V f )(t) := a f (s) ds linear und stetig, denn kV f kC 0 ≤ (b − a) k f kC 0 . V ist auch stetig als
Abbildung von (C 0 ([a, b]), k·kC 0 ) nach (C 1 ([a, b]), k·kC 1 ).

3 Lineare Abbildungen in normierten Räumen – 12 –

Funktionalanalysis 1

3.2 Lineare, stetige Abbildungen

Raum der linearen, stetigen Abbildungen: Seien (E, k·k E ) und (F, k·k F ) normierte Räu-
me. Dann heißt Lin(E, F ) := {T : E → F | T linear und stetig} der Raum der linearen, stetigen
Abbildungen von E nach F . Man schreibt Lin(E) := Lin(E, E).
Satz (Operatornorm): Für T ∈ Lin(E, F ) sei
kT xk
kT k := sup x∈BE kT xk F = sup x∈int(BE ) kT xk F = sup x∈∂ BE kT xk F = sup x∈E\{0} kxkEF .
Dann ist k·k eine Norm auf Lin(E, F ), die sog. Operatornorm. Ist F vollständig, dann ist auch
(Lin(E, F ), k·k) vollständig. Insbesondere ist der Dualraum E 0 vollständig.
Bemerkung: Das Supremum der Operatornorm muss auf dem Rand angenommen werden,
kT xk
denn würde es in x ∈ E mit kxk E < 1 angenommen, dann wäre kT x 0 k F = kxkEF > kT xk F mit
x
x 0 := kxk E
∈ ∂ B E , d. h. wegen der Stetigkeit von T gäbe es einen Punkt im Inneren von B E , bei
dem das Supremum überschritten wäre (zumindest, wenn kT xk F > 0 – falls das Supremum
verschwindet, ist der Operator gleich dem Nulloperator).
Beispiel: Sei
ψ ∈ C 0 ([0, 1]2 ). Dann ist T : (C 0 ([0, 1]), k·kC 0 ) → (C 0 ([0, 1]), k·k

1 C0
), f 7→ T f mit
1
(T f )(x) := 0 ψ(x, y) f ( y) d y linear und stetig und es gilt kT k = sup x∈[0,1] 0 |ψ(x, y)| d y .

Lemma (Komposition von linearen, stetigen Abbildungen):

Seien (E, k·k E ), (F, k·k F ) und (G, k·kG ) normierte Räume, B ∈ Lin(E, F ) und A ∈ Lin(F, G).
Dann gilt:
(1) A ◦ B ∈ Lin(E, G) und kA ◦ Bk ≤ kAk · kBk
(2) M r : Lin(E, F ) → Lin(E, G), T 7→ A◦ T und M` : Lin(F, G) → Lin(E, G), S 7→ S ◦ B sind linear
und stetig, wobei kM r k ≤ kAk und kM` k ≤ kBk.
Satz (Neumannsche Reihe): Seien (E, k·k E ) ein Banachraum und T ∈ Lin(E) mit
lim supn→∞ kT n k1/n < 1 (z. B. erfüllt, wenn kT k < ).
P1∞
Dann ist id − T bijektiv und es P gilt (id − T )−1 = n=0 T n ∈ Lin(E) (die Reihe konvergiert bzgl.
∞
der Operatornorm). Die Reihe n=0 T n heißt Neumannsche Reihe.

3.3 Operatornormen in Rn

Satz (Operatornormen in Rn ):
(1) Seien E := (Rn , k·k∞ ) und A ∈ Lin(E) beschrieben durch die n × n-Matrix (ai j )i, j=1,...,n .
Dann kann die zugehörige
Pn Operatornorm berechnet werden durch
kAk = maxi=1,...,n j=1 |ai j |, sie heißt Zeilensummennorm kAk∞ .
(2) Seien E := (Rn , k·k1 ) und A ∈ Lin(E) beschrieben durch die n× n-Matrix (ai j )i, j=1,...,n . Dann
kann die zugehörigePn Operatornorm berechnet werden durch
kAk = max j=1,...,n i=1 |ai j |, sie heißt Spaltensummennorm kAk1 .
(3) Seien E := (Rn , k·k2 ) und A ∈ Lin(E) beschrieben durch die n × n-Matrix (ai j )i, j=1,...,n .
Dann ist die zugehörige Operatornorm gleich der Wurzel des größten Eigenwerts der
symmetrischen, positiv definiten Matrix AT A, sie heißt Spektralnorm kAk2 .

3 Lineare Abbildungen in normierten Räumen – 13 –

Funktionalanalysis 1

4 Differentiation und Integration in Banachräumen

4.1 G ÂTEAUX- und F RÉCHET-Ableitung

Gâteaux-Differenzierbarkeit: Seien (X , k·kX ) und (Y, k·kY ) Banachräume, U ⊂ X offen,

x ∈ U und F : X → Y eine Abbildung. Dann heißt F Gâteaux-differenzierbar in x , falls die
Gâteaux-Ableitung DF (x)[v] an der Stelle x in Richtung v für alle v ∈ X existiert, wobei
F (x+hv)−F (x)
DF (x)[v] := limh→0 h mit h ∈ R.
Fréchet-Differenzierbarkeit: F heißt Fréchet-differenzierbar in x , falls die
Fréchet-Ableitung J F (x) ∈ Lin(X , Y ) an der Stelle x existiert, wobei
kF (x+h)−F (x)−J F (x)[h]kY
limh→0 khkX = 0 mit h ∈ X .
Bemerkung: Gâteaux- und Fréchet-Ableitung verallgemeinern die Richtungsableitung bzw. to-
tale Ableitung aus der reellen Differentialrechnung. Für X = R gilt J F (x) = DF (x)[1], d. h.
J F (x)[v] = v · DF (x)[1] für alle v ∈ R. Mithilfe von Gâteaux- und Fréchet-Ableitung lassen
sich zentrale Sätze aus der reellen Differentialrechnung (z. B. der Satz von Taylor, der Satz
über implizite Funktionen und die Sätze über die Berechnung von Extremstellen ohne oder
mit Nebenbedingungen) auf den Fall von Banachräumen verallgemeinern.

4.2 R IEMANN-Integrale in Banachräumen

Riemann-Summe: Seien (X , k·kX ) ein Banachraum, a < b und f : [a, b] → X eine Abbildung.
Seien außerdem P = {x 0 , . . . , x n } mit a = x 0 < · · · < x n = b eine Partition des Intervalls
[a, b] und ξP= (ξ1 , . . . , ξn ) Stützstellen mit ξk ∈ [x k−1 , x k ] für alle k = 1, . . . , n. Dann heißt
n
S( f , P, ξ) := k=1 (x k − x k−1 ) f (ξk ) Riemann-Summe von f zur Partition P mit Stützstellen ξ.
Riemann-integrierbar: f heißt Riemann-integrierbar, falls der Grenzwert
limn→∞ S( f , P(n), ξ(n)) für alle Folgen (P(n), ξ(n))n∈N von Partitionen P(n) und Stützstellen
ξ(n), die limn→∞ |P(n)| = 0 erfüllen, existiert und unabhängig von den Folgen ist (dabei ist

b
|P| := maxk=1,...,n (x k − x k−1 ) die Feinheit der Partition P ). In diesem Fall nennt man a f (x) dx :=
lim|P|→0 S( f , P, ξ) Riemann-Integral von f von a bis b.
Bemerkung: Mithilfe dieses Integralbegriffs lassen sich zentrale Sätze aus der reellen Integral-
rechnung auf den Fall von Banachräumen verallgemeinern, z. B. gilt: Jede stetige Funktion
f : [a, b] → X ist Riemann-integrierbar. Außerdem kann man den lokalen Existenz- und Ein-
deutigkeitssatz von Picard-Lindelöf auf den Fall von gewöhnlichen Differentialgleichungen mit
Werten in Banachräumen verallgemeinern.

4 Differentiation und Integration in Banachräumen – 14 –

Funktionalanalysis 1

5 Orthogonale Projektionen

5.1 Der Projektionssatz

Satz (Existenz und Eindeutigkeit des bestappr. Elements):

Seien H ein Hilbertraum und A ⊂ H eine nicht-leere, abgeschlossene und konvexe Teilmenge,
d. h. ∀ x, y∈A∀λ∈[0,1] λx + (1 − λ) y ∈ A. Dann gilt ∀ x 0 ∈H ∃! y0 ∈A kx 0 − y0 k = dist(x 0 , A).
y0 heißt bestapproximierendes Element an x 0 in A.
Satz (Charakterisierung des bestappr. Elements als orthogonale Projektion):
Seien H ein Hilbertraum und M ⊂ H ein Unterraum. Dann ist y0 ∈ M bestapproximierend an
x 0 ∈ H in M genau dann, wenn ∀ y∈M 〈x 0 − y0 , y〉 = 0 (also x 0 − y0 ∈ M ⊥ ).
y0 heißt in diesem Fall die orthogonale Projektion von x 0 auf M .
Satz (Projektionssatz): Seien H ein Hilbertraum und M ⊂ H ein abgeschlossener Unterraum.
Dann gilt ∀ x 0 ∈H ∃! y0 ∈M ∃! y1 ∈M ⊥ x 0 = y0 + y1 , also H = M ⊕ M ⊥ (direkte Summe).
Dabei ist M ⊥ := { y ∈ H | ∀ x∈M 〈x, y〉 = 0} das orthogonale Komplement von M in H .
Folgerung: Zu jedem abgeschlossenen, echten Unterraum M eines Hilbertraums H ( M 6= H )
gibt es ein z0 ∈ M ⊥ mit z0 6= 0 ( M ⊥ 6= {0}).
Bemerkung: Für jeden Unterraum M ⊂ H gilt stets M ∩ M ⊥ = {0}.
Außerdem ist M ⊥ = x∈M { y ∈ H | 〈x, y〉 = 0} = x∈M 〈x, ·〉−1 (0) abgeschlossen.
T T

5 Orthogonale Projektionen – 15 –
Funktionalanalysis 1

5.2 Orthonormalsysteme

Orthonormalsystem: Seien (E, 〈·, ·〉) ein Skalarproduktraum und ei ∈ E für i ∈ I ( I 6= ;

Indexmenge). Die Familie (ei )i∈I heißt Orthonormalsystem (ONS), falls ∀i, j∈I ei , e j = δi j .
Lemma (orthogonale Projektion durch endliche ONS): Sei (ei )i∈I ein endliches ONS in E .
Dann liefert die Zuordnung PI : E → E I , PI (x) :=P i∈I 〈x, ei 〉 ei die orthogonale Projektion von
P

x auf E I := [{ei | i ∈ I}] und es gilt ∀ x∈E kxk2 = i∈I | 〈x, ei 〉 |2 + kx − PI (x)k2 .
Außerdem sind die (ei )i∈I linear unabhängig.
Lemma (Besselsche Ungleichung): Sei (ei )i∈I ein beliebiges ONS in E .
Dann gilt ∀ x∈E i∈I | 〈x, ei 〉 |2 ≤ kxk2 .
P

Satz (Äquivalenzen für abzählbare ONS): Für jedes höchstens abzählbare ONS (ei )i∈I ( I ⊂ N)
in einem Skalarproduktraum (E, 〈·, ·〉) sind äquivalent:
(1) [{ei | i ∈ I}] ist dicht in E .
(2) ∀ x∈E x = i∈I 〈x, ei 〉 ei
P

(3) ∀ x∈E kxk2 = i∈I | 〈x, ei 〉 |2 (Parsevalsche Gleichung)

P

Ist E ein Hilbertraum, dann ist zusätzlich jede dieser Aussagen äquivalent zu
(4) (ei )i∈I maximal, d. h. es gibt kein y ∈ E \ {0} mit ∀i∈I 〈 y, ei 〉 = 0.
Bemerkung: Wenn die Parsevalsche Gleichung oder eine der äquivalenten Aussagen gilt, so
spricht man auch oft von einer Orthonormalbasis (ONB) (ei )i∈I (i. A. aber keine Vektorraum-
2
Basis) oder einem vollständigen ONS. In diesem Fall gilt i∈I αi ei = i∈I |αi |2 für jede Folge
P P

(αi )i∈I in K, wie man sich leicht herleiten kann (Verallgemeinerung des Satzes von Pythagoras).

separabel: Sei (M , d) ein metrischer Raum. Eine Teilmenge T ⊂ M heißt separabel, falls es
eine höchstens abzählbare Teilmenge A ⊂ M gibt, die dicht in T ist.
Satz (Äquivalenz für separable Hilberträume): Sei H ein Hilbertraum. Dann sind äquivalent:
(1) H ist separabel.
(2) H besitzt ein maximales, höchstens abzählbares ONS.
Beispiel:
(a) Sei H := L 2 ([0, 2π], R). Dann ist { p12π , g1 , h1 , g2 , h2 , . . . } mit g n (x) := p1π cos(nx),
hn (x) := p1π sin(nx) eine abzählbare ONB. Es gilt für alle f ∈ H , dass
1

2π 1
P∞ €
2π Š
f (x) = 2π f (t) dt + π f (t) cos(nt) dt cos(nx) +
∞
€
02π n=1
Š 0

+ π1 n=1 0 f (t) sin(nt) dt sin(nx), wobei diese Reihen bzgl. der L 2 -Norm konvergie-
P

ren.
(b) Sei H := L 2 ([0, 2π], C). Dann ist ( f n )n∈Z mit f n (x) := p12π einx eine abzählbare ONB. Es
P+∞ €
2π Š
gilt für alle f ∈ H , dass f (x) = 2π
1
n=−∞ 0
f (t)e −int
dt einx , wobei diese Reihe bzgl.
der L 2 -Norm konvergiert.

5 Orthogonale Projektionen – 16 –
Funktionalanalysis 1

5.3 Der R IESZsche Darstellungssatz

Bemerkung: Jede lineare Abbildung `: Rn → R  lässt sich

 xdurch
 eine Matrix L = ( 1
L ··· L n ) mit
L1 1

L ∈ R1×n darstellen, d. h. es gilt `(x) = L x = .. , .. = L T , x mit L T ∈ Rn . Es ist

. .
Ln xn 2
überraschend, dass sich das auf Hilberträume verallgemeinern lässt.
Satz (Rieszscher Darstellungssatz): Seien H ein Hilbertraum und ` ∈ H 0 .
Dann gibt es genau ein y ∈ H mit ∀ x∈H `(x) = 〈x, y〉. Es gilt k`k = k yk.
Folgerung:
Seien H ein Hilbertraum und R : H → H 0 , y 7→ R y mit (R y)(x) := 〈x, y〉 für x ∈ H .
Dann ist R für K = R ein isometrischer Isomorphismus und
für K = C ein isometrischer, konjugiert linearer Isomorphismus (d. h. R ist eine Isometrie,
∀ y1 , y2 ∈H ∀α∈C R( y1 + α y2 ) = R y1 + αR y2 , R ist bijektiv und R, R −1 sind stetig).

Satz (Charakterisierung des darstellenden Elements):

Seien H ein Hilbertraum, y ∈ H und ` ∈ H 0 .
Dann gilt ∀ x∈H `(x) = 〈x, y〉 genau dann, wenn

2 〈 y, y〉 − Re(`( y)) = min x∈H 2 〈x, x〉 − Re(`(x)) .
1 1

Satz (Satz von Lax-Milgram): Seien H ein Hilbertraum und a : H × H → K sesquilinear

(d. h. linear im ersten und konjugiert linear im zweiten Argument).
Außerdem gebe es Konstanten c0 , C0 ∈ R mit 0 < c0 < C0 < ∞, sodass
(1) ∀ x, y∈H |a(x, y)| ≤ C0 kxk k yk (Stetigkeit von a) und
(2) ∀ x∈H Re(a(x, x)) ≥ c0 kxk2 (Koerzitivität von a).
Dann gibt es zu jedem ` ∈ H 0 genau ein z ∈ H mit ∀ y∈H `( y) = a( y, z). Es gilt kzk ≤ 1
c0 k`k.
Außerdem existiert genau eine Abbildung A: H → H mit ∀ x, y∈H a( y, x) = 〈 y, Ax〉.
A ist ein Isomorphismus mit kAk ≤ C0 und A−1 ≤ c10 .

5 Orthogonale Projektionen – 17 –
Funktionalanalysis 1

6 Anwendungen bei elliptischen RWP und S OBOLEVräume

6.1 P OISSON-Gleichung mit D IRICHLET-Randbedingungen

Bemerkung: Sei Ω ⊂ Rn ein beschränktes Normalgebiet, d. h. eine beschränkte, offene, nicht-

leere und zusammenhängende Teilmenge
von Rn , sodass der Gaußsche Integralsatz anwendbar
ist. Für f ∈ C 0 (Ω) sei außerdem E(w) := Ω ( 12 |∇w|2 − f w) dx .
Zusätzlich sei A g := C g1 (Ω) ∩ C 2 (Ω), wobei g ∈ C 0 (∂ Ω) und C g1 (Ω) := {w ∈ C 1 (Ω) | w|∂ Ω = g}.
Das Minimumproblem lautet nun: Nimmt E auf A g ein Minimum an?
Beispiele aus der Physik beinhalten eingespannte Membranen im Schwerefeld der Erde, elek-
trische Potentiale oder stationäre Temperaturverteilungen.

Bemerkung: Die Lösung (falls existent) lässt sich wie folgt charakterisieren.
Satz (Charakterisierung der Lösung des Minimumproblems): Für u ∈ A g sind äquivalent:
(1) E(u) = minw∈A g E(w)


(2) ∀ϕ∈Cc∞ (Ω) Ω (∇u∇ϕ − f ϕ) dx = 0
(3) −∆u = f in Ω, u = g auf ∂ Ω
Lemma (Fundamentallemma

der Variationsrechnung): Sei f ∈ C 0 (Ω).
Dann gilt ∀ϕ∈Cc∞ (Ω) Ω f ϕ dx = 0 genau dann, wenn f ≡ 0.

Lemma (Greensche

Formel): Für
alle u, w ∈ C 2 (Ω) gilt
∂u ∂u
Ω ∇u∇w dx = − Ω (∆u)w dx + ∂ Ω ∂ ν wdo , wobei ∂ ν die Ableitung von u in Richtung des äuße-
ren Einheitsnormalenvektors ist.

Bemerkung: „(1) ⇒
(2)“ kann man wie folgt beweisen: Für ϕ ∈ Cc∞ (Ω) und h > 0 gilt
E(u) ≤ E(u ± hϕ) = Ω ( 12 |∇(u ± hϕ)|2 − f (u ± hϕ)) dx

2
2

= Ω ( 12 |∇u|2 + h2 |∇ϕ|2 ± h∇u∇ϕ − f u ∓ h f ϕ) dx = E(u) ± h Ω (∇u∇ϕ − f ϕ) dx + h2 Ω |∇ϕ|2 dx ,



also 0 ≤ ± Ω (∇u∇ϕ
− f ϕ) dx + 2 Ω |∇ϕ| dx . Für h → 0 fällt der zweite Summand weg und
h 2

man erhält 0 ≤ ± Ω (∇u∇ϕ − f ϕ) dx .

„(2) ⇐⇒ (3)“
sieht man wie folgt:
Mit der Greenschen Formel ist (2) äquivalent zu
∀ϕ∈Cc∞ (Ω) 0 = Ω (∇u∇ϕ − f ϕ) dx = Ω (−∆u − f )ϕ dx , weil das Integral über ∂ Ω wegfällt (da
ϕ = 0 auf ∂ Ω). Nach dem Fundamentallemma der Variationsrechnung ist dies äquivalent zu
−∆u = f in Ω. u = g auf ∂ G gilt immer, da u ∈ A g nach Voraussetzung.
„(3) ⇒ (1)“ zeigt man folgendermaßen: Für w ∈ A g beliebig gilt nach der Greenschen Formel



∂u
Ω (∇u∇(u − w) − f (u − w)) dx = Ω ((−∆u)(u − w) − f (u − w)) dx + ∂ Ω ∂ ν (u − w)do = 0, weil
−∆u

= f in Ω und u|
∂ Ω = w|∂ Ω = g . Daraus folgt




Ω (|∇u|2
− f u) dx = Ω (∇u∇w − f w) dx ≤ 12 Ω |∇u|2 dx + 12 Ω |∇w|2 dx − Ω f w dx wegen der
Ungleichung 0 ≤ |∇u
1− ∇w|2 = |∇u| + |∇w|
2 2 2

1 − 2∇u∇w .
Damit gilt E(u) = Ω ( 2 |∇u| − f u) dx ≤ Ω ( 2 |∇w| − f w) dx = E(w).
2

Bemerkung: Notwendige Bedingung für die Existenz einer Lösung von (3) (Poisson-Gleichung
mit inhomogenen Dirichlet-Randbedingungen) ist die Existenz einer Funktion u g ∈ A g (d. h.
A g = C 1 (Ω) ∩ C 2 (Ω) 6= ;). Existiert eine solche Funktion, dann ist (3) äquivalent zu −∆e
g
u = fe
in Ω, u
e = 0 auf ∂ Ω mit u
e := u − u g , fe := f + ∆u g . Daher genügt es, wenn im Folgenden nur
homogene Dirichlet-Randbedingungen (also g ≡ 0) betrachtet werden. (Achtung: C g1 = C01
darf nicht mit Cc1 verwechselt werden!)

6 Anwendungen bei elliptischen RWP und S OBOLEVräume – 18 –

Funktionalanalysis 1

Bemerkung: Nun zeigt man, dass das Minimum überhaupt existiert.

Satz (Poincaré-Ungleichung): Sei Ω ⊂ Rn ein Gebiet, das zwischen zwei parallelen Hyperebe-
nen mit Abstand C liegt. Dann gilt ∀u∈C01 (Ω) kuk L 2 ≤ pC2 k∇uk L 2 .
Pn
Pn 2
Bemerkung: Dabei gilt k∇uk2L 2 = i=1 Ω |∂ x i u|2 dx = i=1 ∂ x i u L 2 .
2
Lemma (" -Ungleichung): Für a, b ∈ R und " > 0 gilt ab ≤ "a2 + 4"
b
.
Satz (Beschränktheit nach unten): E ist auf A0 nach unten beschränkt.

Bemerkung: Da E auf A0 nach unten beschränkt ist, existiert eine Minimalfolge (un )n∈N in
A0 . Weil A0 konvex ist, kann man wie im Beweis des Projektionssatzes mithilfe der Parallelo-
grammgleichung zeigen, dass (∂ x i un )n∈N für alle i = 1, . . . , n eine Cauchy-Folge bzgl. k·k L 2 ist.
Aufgrund der Poincaré-Ungleichung folgt, dass auch (un )n∈N eine Cauchy-Folge bzgl. k·k L 2 ist.
((un )n∈N ist auch eine Cauchy-Folge bzgl. der Norm k·kH 1 mit k f kH 1 := k f k L 2 +k∇ f k L 2 sowie bzgl.
der (in diesem Fall zur H1 -Norm äquivalenten) Norm k·kH01 mit k f kH01 := k∇ f k L 2 . Allerdings ist
A0 bzgl. dieser Normen nicht vollständig.)
k·k L 2 k·k L 2
L 2 ist vollständig, daher existieren u ∈ L 2 mit un −−→ u und „∂ x i u“ mit ∂ x i un −−→ ∂ x i u. „∂ x i u“
ist aber nur eine Schreibweise, i. A. besitzt u keine partiellen Ableitungen.

Zwischen

u und
den Funktionen „∂ x i u“ besteht folgende Beziehung: ∀ϕ∈Cc∞ (Ω) Ω (∂ x i u)ϕ dx = − Ω u∂ x i ϕ dx





(weil Ω (∂ x i u)ϕ dx = limn→∞ Ω (∂ x i un )ϕ dx = − limn→∞ Ω un (∂ x i ϕ) dx = − Ω u∂ x i ϕ dx ). Dies
motiviert die Definition der Sobolevräume.

6.2 S OBOLEVräume und schwache Ableitungen

Sobolevraum: Seien Ω ⊂ Rn offen, m ∈ N und p ∈ [1, ∞].

Dann heißt der Vektorraum W m,p (Ω) := { f ∈ L p (Ω) | ∀s∈N0n , |s|≤m ∃ f (s) ∈L p (Ω) f (0) = f ,



∀ϕ∈Cc∞ (Ω) Ω (∂ xs ϕ) f dx = (−1)|s| Ω ϕ f (s) dx} Sobolevraum der Ordnung m mit Exponent p.
W m,p (Ω) wird mit der Norm k f kW m,p (Ω) := |s|≤m f (s) L p (Ω) versehen. Für p = 2 schreibt man
P

auch H m (Ω) := W m,2 (Ω) bzw. k·kH m (Ω) := k·kW m,2 (Ω) .
schwache Ableitung: Die Funktionen f (s) für |s| ≥ 1 heißen schwache Ableitungen von f
und werden mit ∂ xs f := f (s) bezeichnet.
€P p
Š1/p
Bemerkung: Eine alternative Definition der Norm lautet k f k0W m,p (Ω) := |s|≤m ∂ s
x
f L p (Ω)
(bzw. für p = ∞ das Maximum k f k0W m,∞ (Ω) := max|s|≤m ∂ xs f L ∞ (Ω)
). Allerdings kann man
zeigen, dass k·kW m,p (Ω) und k·k0W m,p (Ω) äquivalent sind.
m,p k·kW m,p (Ω)
Sobolevraum mit Nullrandwerten: Der Raum W0 (Ω) := Cc∞ (Ω) für
p ∈ [1, ∞) heißt Sobolevraum mit (verallgemeinerten) Nullrandwerten der Ordnung m mit
Exponent p. Für p = 2 schreibt man auch H0m (Ω) := W0m,2 (Ω).
1,p
Bemerkung: Für m = 1 gilt WP 0 (Ω) = { f ∈ W
1,p
(Ω) | f |∂ Ω =
0}.
Für p = 2 ist 〈 f , g〉H m (Ω) := |s|≤m ∂ x f , ∂ x g L 2 (Ω) = |s|≤m Ω (∂ xs f )(∂ xs g) dx ein Skalarprodukt
s s
P
Pn

auf H m (Ω). Für m = 1 und p = 2 ist 〈 f , g〉H01 (Ω) := 〈∇ f , ∇g〉 L 2 (Ω) := i=1 Ω (∂ xei f )(∂ xei g) dx mit
ei := (0, . . . , 0, 1, 0, . . . , 0) ∈ N0n ein Skalarprodukt auf H01 (Ω).
Es gilt 〈 f , g〉H 1 (Ω) = 〈 f , g〉 L 2 (Ω) + 〈∇ f , ∇g〉 L 2 (Ω) .

6 Anwendungen bei elliptischen RWP und S OBOLEVräume – 19 –

Funktionalanalysis 1

Satz (schwache Ableitungen):

(1) Alle schwachen Ableitungen sind eindeutig bestimmt (wenn sie existieren).
(2) Besitzt f ∈ W m,p (Ω) eine partielle Ableitung ∂ xs f mit |s| ≤ m, dann stimmt ∂ xs f fast überall
mit der schwachen Ableitung f (s) überein.
Lemma (verallgemeinertes Fundamentallemma der Variationsrechnung):
Seien Ω ⊂ Rn offen und

f ∈ L 1 (Ω).
Dann gilt ∀ϕ∈Cc∞ (Ω) Ω f ϕ dx = 0 genau dann, wenn f = 0 f.ü.
Satz (Eigenschaften der Sobolevräume):
(1) (W m,p (Ω), k·kW m,p (Ω) ) ist ein Banachraum. (H m (Ω), k·kH m (Ω) ) ist ein Hilbertraum.
(2) Für p ∈ [1, ∞) ist W m,p (Ω) separabel.
(3) (W m,p (Ω), k·kW m,p (Ω) ) ist (bis auf isometrische Isomorphie) die Vervollständigung der Räu-
me W m,p (Ω) ∩ C ∞ (Ω) = { f ∈ C ∞ (Ω) | k f kW m,p (Ω) < ∞}.
(4) Für p ∈ [1, ∞) und alle f ∈ W m,p (Ω) gibt es eine Folge ( f n )n∈N in W m,p (Ω) ∩ C ∞ (Ω) mit
k·kW m,p (Ω) k·kW m,p (Ω)
f n −−−−−→ f , es gilt also W m,p (Ω) = W m,p (Ω) ∩ C ∞ (Ω) für p ∈ [1, ∞).

6.3 Schwache Lösung der P OISSON-Gleichung mit D IRICHLET-RB

Satz (verallgemeinerte Poincaré-Ungleichung): Sei Ω ⊂ Rn ein Gebiet, das zwischen zwei

parallelen Hyperebenen mit Abstand C liegt. Dann gilt ∀u∈H01 (Ω) kuk L 2 ≤ pC2 k∇uk L 2 ,
2 1/2
€P n Š
wobei k∇uk L 2 := i=1
∂ x i
u L2
.
Folgerung: Die Normen k·kH 1 (Ω) und k·kH01 (Ω) auf H01 (Ω) sind äquivalent, wenn Ω ein Gebiet wie
im vorherigen Satz ist.

Satz (schwache Lösung):

Seien Ω ⊂ Rn ein beschränktes Normalgebiet, f ∈ L 2 (Ω) und E(w) := Ω ( 12 |∇w|2 − f w) dx .
Dann besitzt E auf H01 (Ω) eine eindeutige Minimalstelle u und u ist die eindeutige schwache
Lösung des Dirichlet-Problems

für die Poisson-Gleichung −∆u = f in Ω, u = 0 auf ∂ Ω, d. h. es
gilt ∀ϕ∈H01 (Ω) Ω (∇u∇ϕ − f ϕ) dx = 0.
Bemerkung: Es gibt eine nur von Ω abhängige Konstante C > 0 mit kukH 1 ≤ C k f k L 2 .

6 Anwendungen bei elliptischen RWP und S OBOLEVräume – 20 –

Funktionalanalysis 1

6.4 Zusatz: P OISSON-Gleichung mit N EUMANN-Randbedingungen

Bemerkung: Sei Ω ⊂ Rn ein beschränktes Normalgebiet.

Für f ∈ C 0 (Ω) und g ∈ C 0 (∂ Ω) sei außerdem E g (w) := Ω ( 12 |∇w|2 − f w) dx − ∂ Ω gwdo.
Zusätzlich sei A := C 1 (Ω) ∩ C 2 (Ω).
Das Minimumproblem lautet nun: Nimmt E g auf A ein Minimum an?

Satz (Charakterisierung der Lösung des Minimumproblems): Sei u ∈ A . Dann sind äquiva-
lent:
(1) E g (u) = minw∈A E g (w)



(2) ∀ϕ∈C ∞ (Ω) Ω (∇u∇ϕ − f ϕ) dx − ∂Ω gϕdo = 0
∂u
(3) −∆u = f in Ω, ∂ν = g auf ∂ Ω



In diesem Fall gilt notwendigerweise Ω f dx + ∂Ω gdo = 0.

Satz (Poincaré-Ungleichung mit Mittelwert): Sei Ω ⊂ Rn ein beschränktes und konvexes Ge-
biet mit
Durchmesser h. Dann gibt es ein C > 0 mit ∀u∈C 1 (Ω) ku − M uk L 2 ≤ Ch k∇uk L 2 , wobei
u dx
M u :=
Ω der Mittelwert von u auf Ω ist.
Ω 1 dx

Satz
(Beschränktheit

nach unten): Seien Ω ⊂ Rn ein beschränktes und konvexes Normalgebiet
und Ω f dx + ∂ Ω g d o = 0. Dann ist E g auf A nach unten beschränkt.

Satz (schwache
Lösung): Seien Ω ⊂ R ein

n

1beschränktes und konvexes Normalgebiet,
f ∈ L (Ω) mit Ω f dx = 0 und E0 (w) := Ω ( 2 |∇w| − f w) dx .
2 2

Dann besitzt E0 auf H 1 (Ω) eine eindeutige Minimalstelle u und u ist die eindeutige schwache
∂f
Lösung des Neumann-Problems

für die Poisson-Gleichung −∆u = f in Ω, ∂ ν = 0 auf ∂ Ω, d. h.
es gilt ∀ϕ∈H 1 (Ω) Ω (∇u∇ϕ − f ϕ) dx = 0.

6.5 Verallgemeinerung auf elliptische Randwertprobleme

elliptische DGL: Sei Ω ⊂ Rn ein beschränktes Normalgebiet.

Gesucht sind Funktionen
€P n Š , die die elliptische DGL − div(A∇u + h) + bu + f = 0
u ∈ C 2 (Ω)
Pn
(d. h. − i=1 ∂ x i a ∂ u + hi + bu + f = 0) erfüllen.
j=1 i j x j
Dabei ist ai j , hi ∈ C (Ω) für i, j = 1, . . . , n, f , P
1
b ∈ C 0 (Ω) und (ai j (x))i, j=1,...,n sei gleichmäßig
n
elliptisch in x , d. h. ∃c0 >0 ∀ x∈Ω ∀ξ∈Rn ξ T A(x)ξ = i, j=1 ai j (x)ξi ξ j ≥ c0 |ξ|2 . (Für jedes c > 0 und
x ∈ Ω beschreibt die Menge ξ ∈ Rn ξ T A(x)ξ = c eine Ellipse.)


Die Matrix (ai j (x))i, j=1,...,n kann auch unsymmetrisch sein.

Bemerkung: Ohne zusätzliche Bedingungen sind elliptische DGL nicht eindeutig lösbar. Meist
bekommt man die eindeutige Lösbarkeit durch Einführung von Randbedingungen. Es folgen
die beiden Randbedingungen, die in der mathematischen Physik am häufigsten vorkommen.
Dirichlet-Randbedingungen:
u löst die elliptische DGL in Ω und erfüllt u = g auf ∂ Ω mit g ∈ C 0 (∂ Ω).
Neumann-Randbedingungen: €P n Š
Pn
u löst die elliptische DGL in Ω und erfüllt −ν(A∇u + h) = − i=1 νi a ∂
j=1 i j x j
u + h i = g auf
∂ Ω mit g ∈ C 0 (∂ Ω), wobei ν der äußere Einheitsnormalenvektor an ∂ Ω ist.

6 Anwendungen bei elliptischen RWP und S OBOLEVräume – 21 –

Funktionalanalysis 1

Bemerkung: Wie bei der Poisson-Gleichung führt man den Begriff einer schwachen Lösung
ein. Seien dafür nun ai j ∈ L ∞ (Ω) und (ai j (x))i, j=1,...,n erfülle die Bedingung der gleichmäßigen
Elliptizität fast überall auf Ω, b ∈ L ∞ (Ω) und hi , f ∈ L 2 (Ω). Aus denselben Gründen wie bei
der Poisson-Gleichung genügt es, wenn man nur den Fall g = 0 betrachtet.

schwache Lösung des Dirichlet-Problems: u ∈ H01 (Ω) heißt schwache Lösung des
Dirichlet-Problems, falls ∀ϕ∈H01 (Ω) Ω (∇ϕ(A∇u + h) + ϕ(bu + f )) dx = 0.

schwache Lösung des Neumann-Problems: u ∈ H 1 (Ω) heißt schwache Lösung des
Neumann-Problems, falls ∀ϕ∈H 1 (Ω) Ω (∇ϕ(A∇u + h) + ϕ(bu + f )) dx = 0.
Bemerkung: Zusätzlich sei vorausgesetzt, dass b ≥ 0 für das Dirichlet-Problem und b ≥ b0 > 0
für das Neumann-Problem gilt. Dann gilt folgender Satz.
Satz (eindeutige Lösung von elliptischen DGL): Unter obigen Voraussetzungen existiert genau
eine schwache Lösung des Dirichlet- bzw. des Neumann-Problems.
Bemerkung: Unter zusätzlichen Regularitätsannahmen an die Daten ai j , hi , b, f und ∂ Ω kann
man zeigen, dass die schwache Lösung so regulär ist, dass sie auch eine klassische Lösung
ist. Beispielsweise folgt aus ai j ∈ C m,1 (Ω), hi ∈ H m+1 (Ω), f ∈ H m (Ω) und ∂ Ω lokal als Graph
von C m+1,1 -Funktionen darstellbar, dass u ∈ H m+2 (Ω), und damit für hinreichend großes m =
m(n), dass u ∈ C 2 (Ω). Details siehe elliptische Regularitätstheorie ( L 2 -, L p - und C 0,α -Theorie)
mithilfe der Sobolevschen Einbettungssätze (siehe Funktionalanalysis 2).

6.6 R ITZ-G ALERKIN-Approximation für elliptische RWP

Satz (Ritz-Galerkin-Approximation): Sei u ∈ H01 (Ω) bzw. u ∈ H 1 (Ω) die schwache Lösung
des Dirichlet- bzw. Neumann-Problems. Für N ∈ N sei X N ein N -dimensionaler Unterraum von
(N )
H01 (Ω) bzw. von H 1 (Ω) mit der Basis {ϕk | k = 1, . . . , N }.
Dann existiert

genau ein uN ∈ X N (Ritz-Galerkin-Approximation), sodass
∀ϕ∈X n Ω (∇ϕ(A∇u + h) + ϕ(buN + f )) dx = 0.
Es gilt uN = k=1 uN ,k ϕk(N ) , wobei sich die Koeffizienten uN ,k ∈ R als eindeutige Lösung des
PN
PN (N ) (N ) (N )

(N ) (N ) (N )
LGS `=1 ak` uN ,` + ck = 0, k = 1, . . . , N mit ck := Ω (∇ϕk h + ϕk f ) dx und ak` :=

(N ) (N ) (N ) (N )
Ω (A∇ϕk ∇ϕ` + bϕk ϕ` ) dx bestimmen lassen.
Bemerkung: Die Nachweis der Struktur des LGS erfolgt durch direktes Nachrechnen. Der Beweis
der eindeutigen Existenz von uN kann man mit Lax-Milgram (angewendet im Hilbertraum X N )
durchführen oder man zeigt, dass die Voraussetzungen an ai j , insbesondere die gleichmäßige
Elliptizitätsbedingung, die Invertierbarkeit der Matrix des LGS implizieren.

Lemma (Céa-Lemma): Es gilt ku − uN kH 1 ≤ C · inf v∈X N ku − vkH 1 , wobei die Konstante C > 0 nur
von den Konstanten im Satz von Lax-Milgram abhängt.
Bemerkung: Das Céa-Lemma ist die zentrale Fehlerabschätzung für Ritz-Galerkin-Approxima-
tionen. Es besagt, dass die Ritz-Galerkin-Approximation bis auf eine multiplikative Konstante
die beste Approximation ist. Weil H 1 separabel ist, können die X N so gewählt werden, dass
N →∞
inf v∈X N ku − vkH 1 −−−→ 0.
Für weitere Fehlerabschätzungen bzgl. numerischer Verfahren, die bei der numerischen Berech-
nung der Ritz-Galerkin-Approximation eingesetzt werden (Interpolation, numerische Integra-
tion, iterative LGS-Löser) siehe Numerik-Veranstaltungen.

6 Anwendungen bei elliptischen RWP und S OBOLEVräume – 22 –

Funktionalanalysis 1

7 Der Spektralsatz für kompakte, selbstadjungierte

Operatoren

7.1 H ILBERTraum-Adjungierte

Bemerkung: Seien H1 , H2 Hilberträume und T ∈ Lin(H1 , H2 ). Für y ∈ H2 ist die Abbildung

x 7→ 〈T x, y〉H2 ein Element des Dualraums von H1 . Nach dem Rieszschen Darstellungssatz gibt
es daher genau ein T ∗ y ∈ H1 mit ∀ x∈H1 〈T x, y〉H2 = 〈x, T ∗ y〉H1 . Somit existiert die Hilbertraum-
Adjungierte T ∗ und ist eindeutig.
Hilbertraum-Adjungierte: Seien H1 , H2 Hilberträume und T ∈ Lin(H1 , H2 ). Dann heißt
die Abbildung T ∗ : H2 → H1 mit ∀ x∈H1 , y∈H2 〈T x, y〉H2 = 〈x, T ∗ y〉H1 Hilbertraum-Adjungierte von
T.
Lemma (Eigenschaften der Hilbertraum-Adjungierten):
(1) T ∗ ∈ Lin(H2 , H1 ) mit kT ∗ k = kT k
(2) (T + S)∗ = T ∗ + S ∗ , (αT )∗ = αT ∗ , (T ◦ S)∗ = S ∗ ◦ T ∗
(3) T ∗∗ = T

Beispiel:
(a) Für H1 = H2 = Rn (mit eukl. Skalarprodukt) und T = (ai j )i, j=1,...,n ist T ∗ = (a ji )i, j=1,...,n .
(b) Für H1 = H2 = Cn ist T ∗ = (a ji )i, j=1,...,n .
(c) Für H1 = H2 = `2R und T ((x n )n∈N ) := (an x n )n∈N für eine Folge (an )n∈N , supn∈N |an | < ∞,
ist T ∗ ((x n )n∈N ) = (an x n )n∈N = T ((x n )n∈N ).
(d) Für H1 = H2 = `2C ist T ∗ ((x n )n∈N ) = (an x n )n∈N .

Beispiel: Seien H1 = L 2 (Ω1 , C) und H2 = L 2 (Ω2 , C), wobei Ω1 ⊂ Rn und Ω2 ⊂ Rm messbar seien.
€

Š1/2
Außerdem sei K : Ω1 × Ω2 → C messbar mit kKk := Ω1 Ω2 |K(x, y)|2 d y dx < ∞. Sei für


f ∈ L (Ω1 , C) die Abbildung T f : Ω2 → C definiert durch (T f )( y) := Ω1 K(x, y) f (x) dx .
2


Dann ist T ∈ Lin(H1 , H2 ) und kT k ≤ kKk. Außerdem gilt (T ∗ g)(x) = Ω2 K(x, y)g( y) d y , wenn
n = m und Ω1 = Ω2 .



2
Dies sieht man wie folgt: Es gilt kT f k2H2 = Ω2 |(T f )( y)| d y =
2
Ω2 Ω1 K(x, y) f (x) dx d y

2

= Ω2 〈K(·, y), f 〉H1 d y ≤ Ω2 kK(·, y)k2H1
kf k2H1
d y = kKk k f also T f ∈ H2 ,
2
k2H1 ,
T ∈ Lin(H1 , H2 ) und kT k ≤ kKk. Die Adjungierte T erhält man durch direktes Nachrechnen
∗

(wobei man die konjugierte Linearität im zweiten Argument beachten muss). Ersetzt man C
durch R, so ist T ∗ = T .

selbstadjungiert: Sei H ein Hilbertraum.

Dann heißt T ∈ Lin(H) selbstadjungiert, falls T ∗ = T (d. h. ∀ x, y∈H 〈T x, y〉 = 〈x, T y〉).

Bemerkung: Ist T ∈ Lin(H) selbstadjungiert, so gilt für x = y , dass 〈T x, x〉 = 〈x, T x〉 = 〈T x, x〉,

also 〈T x, x〉 = 〈x, T x〉 ∈ R für alle x ∈ H . Manchmal ist Selbstadjungiertheit eine zu starke
Eigenschaft, in diesem Fall verwendet man die Verallgemeinerung von normalen Abbildungen.
normal: Sei H ein Hilbertraum. Dann heißt T ∈ Lin(H) normal, falls T ∗ T = T T ∗ .
Lemma (Charakterisierung): T ist normal genau dann, wenn ∀ x∈H kT xk = kT ∗ xk.

7 Der Spektralsatz für kompakte, selbstadjungierte Operatoren – 23 –

Funktionalanalysis 1

7.2 Kompakte Operatoren

kompakter Operator: Seien E, F Banachräume.

Dann heißt T ∈ Lin(E, F ) kompakt, falls T B E = {T x | kxk E ≤ 1} kompakt in F ist.
Äquivalent dazu sind:
(1) Für jede Folge (x n )n∈N in B E besitzt (T x n )n∈N eine konvergente Teilfolge in F .
(2) Für alle " > 0 gibt es eine endliche Menge M ⊂ F mit T B E ⊂ M + "B F .
Die Menge aller kompakten Operatoren von E nach F bezeichnet man mit K (E, F ) und man
schreibt K (E) := K (E, E).
Bemerkung: Ist X ein Banachraum, dann gilt id ∈ K (X ) ⇐⇒ X endl.-dim.
Lemma (K (E, F ) abg. UVR): K (E, F ) ist ein abgeschlossener Unterraum von Lin(E, F ).

Operator mit endlichem Rang: Seien E, F Banachräume. Die Menge aller Operatoren mit
endlichem Rang ist definiert durch F (E, F ) := {T ∈ Lin(E, F ) | dim T E < ∞}.
Beispiel:
(a) Für T ∈ F (E, F ) gilt T ∈ K (E, F ), denn T B E ist beschränkt in T E (für alle x ∈ B E gilt
kT xk F ≤ kT k kxk E ≤ kT k) und somit ist T B E beschränkt und abgeschlossen. Damit ist
T B E kompakt in T E (wegen dim T E < ∞) und insbesondere kompakt in F .
(b) Für dim E < ∞ ist dim T E < ∞ für alle T ∈ Lin(E, F ), also gilt
Lin(E, F ) ⊂ F (E, F ) ⊂ K (E, F ) ⊂ Lin(E, F ), d. h. jeder lineare, stetige Operator ist kom-
pakt, wenn E endlich-dimensional ist.
(c) Es gilt F (E, F ) ⊂ K (E, F ), weil K (E, F ) abgeschlossen ist.
Bemerkung: Lange war ungeklärt, ob die Umkehrung auch gilt, d. h. ob F (E, F ) = K (E, F ).
Die Frage war also, ob jeder kompakte Operator durch Operatoren von endlichem Rang appro-
ximiert werden kann. Per Enflo konnte als Erster ein Gegenbeispiel liefern (1973). Allerdings
stimmt die Aussage, wenn F ein Hilbertraum ist.
Lemma (kpkt.e Operatoren als GW von Operatoren mit endl. Rang):
Seien E ein Banachraum und F ein Hilbertraum. Dann gilt F (E, F ) = K (E, F ).

7 Der Spektralsatz für kompakte, selbstadjungierte Operatoren – 24 –

Funktionalanalysis 1

Beispiel: Obiger Integraloperator T ∈ Lin(H1 , H2 ) ist kompakt. Wählt man ein vollständiges

2
ONS (ek )k∈N von H1 , dann gilt nach Parseval kKk2 = Ω2 K(·, y) dy
H1

P ¬ ¶ 2
P
= Ω2 k∈N K(·, y), ek d y = Ω2 k∈N |(Tek )( y)|2 d y = k∈N kTek k2H2 .
P
H1 Pn
Sei Pn die orthogonale Projektion von H1 auf [e1 , . . . , en ], d. h. Pn f := k=1 〈 f , ek 〉H1 ek .

2
Dann gilt k(T − T Pn ) f k2H2 = kT ( f − Pn f )k2H2 = T
P
k>n 〈 f , ek 〉H1 ek H2
2
2
=
P P
k>n 〈 f , ek 〉H1 Tek H2 ≤ k>n 〈 f , ek 〉H1 kTek kH2
2 P
≤ k>n 〈 f , ek 〉H1 · k>n kTek k2H2 wegen der Cauchy-Schwarz-Ungleichung für `2 . Der erste
P

Faktor ist mit Parseval durch k f k2H1 nach oben beschränkt, während der zweite für n → ∞
gegen Null geht (weil k∈N kTek k2H2 = kKk2 < ∞). Damit gilt
P

k(T − T Pn ) f k2H2 ≤ k>n kTek k2H2 k f k2H1 und somit kT − T Pn k2 ≤ k>n kTek k2H2 → 0 für n → ∞.
P P

Wegen Bild(T Pn ) = T (Bild(Pn )) endlich-dimensional für alle n ∈ N ist T kompakt.

Bemerkung: Man kann bei Vorhandensein entsprechender Integrabilität von K auch Integra-
loperatoren T p,q ∈ Lin(L p (Ω1 , K), L q (Ω2 , K)) für 1p + 1q = 1 bekommen. Auch sie sind stetig
(Nachweis mit Hölder statt Cauchy-Schwarz, ähnlich wie für p = q = 2) und kompakt (Nach-
weis mithilfe von Fréchet-Kolmogorov, Riesz). Man nennt diese Operatoren
Hilbert-Schmidt-Integraloperatoren.

Lemma (Komposition kpkt.): Seien X , Y, Z Banachräume, T1 ∈ Lin(X , Y ) und T2 ∈ Lin(Y, Z).

Dann folgt aus T1 kompakt oder T2 kompakt, dass T2 T1 kompakt ist.
Bemerkung: Algebraisch lässt sich das für X = Y = Z wie folgt ausdrücken: Mit der Verkettung
◦ als Multiplikation ist der Vektorraum (Lin(X ), +, ◦) eine nicht-kommutative Algebra, d. h. ◦
ist assoziativ (aber i. A. nicht-kommutativ), + und ◦ sind distributiv und für alle α ∈ K gilt
α( f ◦ g) = (α f ) ◦ g = f ◦ (αg). Für S, T ∈ Lin(X ) gilt außerdem kS ◦ T k ≤ kSk · kT k. Ein
Banachraum, der eine Algebra ist und dessen Multiplikation diese Beziehung erfüllt, heißt
Banachalgebra. (Lin(X ), +, ◦) ist also eine Banachalgebra und obiges Lemma besagt nun, dass
K (X ) ein Ideal in Lin(X ) ist.

Satz (Eigenwerte kompakter Operatoren):

Seien X ein Banachraum, T ∈ K (X ) und λ ∈ K \ {0}. Dann gilt:
(1) dim Kern(λid − T ) < ∞
(2) Bild(λid − T ) ⊂ X abgeschlossen
(3) λid − T injektiv ⇐⇒ λid − T surjektiv

7 Der Spektralsatz für kompakte, selbstadjungierte Operatoren – 25 –

Funktionalanalysis 1

7.3 Das Spektrum linearer Abbildungen über Banachräumen

Bemerkung: Im Folgenden seien X ein C-Banachraum und T ∈ Lin(X ).

Resolventenmenge:
Die Menge %(T ) := {λ ∈ C | λid − T bijektiv} heißt Resolventenmenge von T .
Spektrum: Die Menge σ(T ) := C \ %(T ) heißt Spektrum von T . Es kann zerlegt werden in
• das Punktspektrum
σ p (T ) := {λ ∈ C | λid − T nicht injektiv},
• das kontinuierliche Spektrum
σc (T ) := {λ ∈ C | λid − T injektiv, aber nicht surjektiv und Bild(λid − T ) = X } und
• das Residualspektrum
σ r (T ) := {λ ∈ C | λid − T injektiv und Bild(λid − T ) 6= X }.
Eigenvektor, Eigenwert, Eigenraum:
Für λ ∈ C gilt λ ∈ σ p (T ) genau dann, wenn ∃ x∈X \{0} T x = λx . In diesem Fall heißt x Eigenvektor
von T zum Eigenwert λ. Ist X ein Funktionenraum, so heißt x auch Eigenfunktion. Der Un-
terraum Kern(λid − T ) von X heißt Eigenraum von T zum Eigenwert λ. Seine Dimension
heißt Vielfachheit des Eigenwerts λ. Der Eigenraum ist ein T -invarianter Unterraum, d. h.
T (Kern(λid − T )) ⊂ Kern(λid − T ).
Bemerkung: Für dim(X ) < ∞ gilt σ(T ) = σ p (T ) für alle T ∈ Lin(X ) (da in diesem Fall λid − T
injektiv ⇐⇒ λid − T surjektiv für alle λ ∈ C).

Bemerkung: Im weiteren Verlauf wird der folgende (nicht-triviale) Satz aus der Banachraum-
Theorie benötigt, der später bewiesen wird.
Satz (Umkehrabbildung stetig): Seien E und F Banachräume und L ∈ Lin(E, F ) bijektiv.
Dann gilt L −1 ∈ Lin(F, E).
Resolvente: Sei λ ∈ %(T ). Dann heißt R(λ, T ) := (λid − T )−1 ∈ Lin(X ) Resolvente von T in λ
und R(·, T ): %(T ) → Lin(X ), λ 7→ R(λ, T ) heißt Resolventenfunktion.
Satz (Resolventenfunktion holomorph): %(T ) ⊂ C ist offen und R(·, T ): %(T ) → Lin(X ) ist
holomorph, d. h. limh→0 R(λ+h,Th)−R(λ,T ) existiert in Lin(X ).
Außerdem gilt ∀λ∈%(T ) kR(λ, T )k−1 ≤ dist(λ, σ(T )).

Spektralradius: supλ∈σ(T ) |λ| heißt Spektralradius von T .

Satz (Spektrum kompakt): σ(T ) ist kompakt und für X 6= {0} auch nicht-leer mit
supλ∈σ(T ) |λ| = limm→∞ kT m k1/m ≤ kT k.
Satz (Spektralradius normaler Operatoren über Hilberträume):
Sei X 6= {0} ein C-Hilbertraum und T ∈ Lin(X ) normal. Dann gilt supλ∈σ(T ) |λ| = kT k.

7 Der Spektralsatz für kompakte, selbstadjungierte Operatoren – 26 –

Funktionalanalysis 1

7.4 Das Spektrum kompakter Operatoren und der Spektralsatz

Satz (Spektrum kompakter Operatoren): Sei T ∈ K (X ).

Dann stimmt σ(T ) mit den Eigenwerten σ p (T ) bis auf 0 überein, d. h. σ(T ) \ {0} = σ p (T ) \ {0}.
Außerdem besteht σ(T ) \ {0}
(1) aus endlich vielen Eigenwerten oder
(2) aus abzählbar unendlich vielen Eigenwerten mit 0 als einzigem Häufungspunkt.
Die Vielfachheit jeden von 0 verschiedenen Eigenwerts λ ∈ σ(T ) \ {0} ist endlich.
Für dim X = ∞ ist 0 ∈ σ(T ).

positiv semidefinit: Seien H ein C-Hilbertraum und T ∈ Lin(H) selbstadjungiert.

Dann heißt T positiv semidefinit, falls ∀ x∈H 〈x, T x〉 ≥ 0.
Satz (Spektralsatz für kompakte, selbstadjungierte Operatoren):
Seien H ein C-Hilbertraum und T ∈ Lin(H) \ {0} kompakt und selbstadjungiert. Dann gilt:
(1) σ p (T ) \ {0} = {λk | k ∈ N } mit N = {1, . . . , n} oder N = N und λk paarweise verschieden.
Für alle k ∈ N gilt dim(Kern(λk id − T )) < ∞ und gibt es Eigenvektoren ek, jk ,
jk = 1, . . . , dim(Kern(λk id − T )), von T zu λk , sodass (ek, jk )k, jk ein ONS in H ist.
Für N = N gilt limk→∞ λk = 0.
(2) H = Kern(T ) ⊕ [{ek, jk | k, jk }] mit Kern(T ) ⊥ [{ek, jk | k, jk }]
(3) ∀ x∈H T x = k jk λk x, ek, jk ek, jk
P P

(4) σ p (T ) ⊂ [− kT k , kT k] ⊂ R
(5) kT k ∈ σ p (T ) oder − kT k ∈ σ p (T )
(6) Ist T positiv semidefinit, dann gilt σ p (T ) ⊂ [0, kT k].
Bemerkung: Dieser Satz ist eine unendlich-dimensionale Verallgemeinerung des Theorems aus
der linearen Algebra, dass jede symmetrische Matrix mithilfe von ONBen aus Eigenvektoren
reell diagonalisierbar ist.
Satz (Spektralsatz für kompakte, normale Operatoren):
Seien H ein C-Hilbertraum und T ∈ Lin(H) \ {0} kompakt und normal.
Dann gelten die Aussagen (1), (2) und (3) aus obigem Satz.
Bemerkung: Anhand des Beweises erkennt man, dass die Aussagen (4) und (6) gelten, wenn
T nur selbstadjungiert (und stetig) ist, aber nicht kompakt.

Bemerkung: Ist X ein R-Banachraum, so kann man X komplexifizieren, d. h. Xe := X × X mit

α·(x 1 , x 2 ) := (a x 1 − b x 2 , a x 2 + b x 1 ) und (x 1 , x 2 ) := (x 1 , −x 2 ) für (x 1 , x 2 ) ∈ Xe und α := a +ib ∈ C
mit a, b ∈ R. Damit wird Xe ein C-Vektorraum.

1/2
Mit kxkXe := supθ ∈R kcos(θ )x 1 − sin(θ )x 2 k2X + ksin(θ )x 1 + cos(θ )x 2 k2X gilt dann
∀ x∈Xe ∀θ ∈R e x Xe = kxkXe und Xe ist ein C-Banachraum.
iθ

1/2
Falls X ein R-Hilbertraum ist, so ist Xe ein C-Hilbertraum sowie kxkXe = kx 1 k2X + kx 2 k2X .
Für T ∈ Lin(X ) ist T ∈ Lin(X ) mit T x := (T x 1 , T x 2 ). Zusätzliche Eigenschaften wie Kompaktheit
e e e
oder Selbstadjungiertheit von T übertragen sich auf Te . Somit kann man mit dieser Komplexi-
fizierung Spektralsätze wie oben auch auf reelle Hilberträume übertragen (analog auch von
komplexen auf reelle Banachräume).

7 Der Spektralsatz für kompakte, selbstadjungierte Operatoren – 27 –

Funktionalanalysis 1

Rayleigh-Quotient: Seien H ein C-Hilbertraum und T ∈ Lin(H) selbstadjungiert.

Dann heißt R T (u) := 〈Tu,u〉
〈u,u〉 der Rayleigh-Quotient von u ∈ H \ {0}.

Bemerkung: Der Rayleigh-Quotient von Eigenvektoren ist gleich dem jeweiligen Eigenwert.
Satz (Eigenwerte kompakter, selbstadjungierter Operatoren):
Seien H ein C-Hilbertraum und T ∈ Lin(H) \ {0} kompakt und selbstadjungiert. Dann gilt:
(1) Wenn λ 6= 0 mit λ := supu∈H\{0} R T (u) = supu∈H, kuk=1 〈Tu, u〉 gilt, dann ist
λ = max(σ p (T ) \ {0}). Das Supremum wird in diesem Fall von allen Eigenvektoren zum
Eigenwert λ angenommen.
(2) Wenn µ 6= 0 mit µ := infu∈H\{0} R T (u) = infu∈H, kuk=1 〈Tu, u〉 gilt, dann ist
µ = min(σ p (T ) \ {0}). Das Infimum wird in diesem Fall von allen Eigenvektoren zum
Eigenwert λ angenommen.
(3) Für supu∈Kern(λid−T )⊥ \{0} R T (u) 6= 0 ist dies der zweitgrößte von 0 verschiedene Eigenwert
usw.
Bemerkung: Für alle von 0 verschiedenen Eigenwerte sind die Lösungen der jeweiligen Eigen-
wert-Gleichungen die Lösungen von Variationsproblemen mit Nebenbedingungen, wobei die
Eigenwerte als Lagrange-Parameter auftreten.

7.5 Der Spektralsatz für den L APLACE-Operator

inverser Laplace-Operator: Sei Ω ⊂ Rn ein beschränktes und stückweise C 1 -berandetes

Gebiet. Dann ist der (schwache) inverse Laplace-Operator (mit homogenen Dirichlet-RB)

H0 (Ω) definiert
∆−1 : L 2 (Ω) → durch die für f ∈ L 2 (Ω) eindeutige Lösung −∆−1 f ∈ H01 (Ω)
1

von ∀ϕ∈H01 (Ω) Ω (∇(−∆−1 f )∇ϕ − f ϕ) dx = 0 (schwache Lösung des Dirichlet-Problems für die
Poisson-Gleichung mit homogenen Randbedingungen).
Satz (Eigenschaften von −∆−1 ): −∆−1 : L 2 (Ω) → L 2 (Ω) ist linear, stetig, injektiv, kompakt,
selbstadjungiert und positiv semidefinit.
Satz (Satz von Rellich): Sei Ω ⊂ Rn ein beschränktes und stückweise C 1 -berandetes Gebiet.
Dann ist die Einbettung id : H 1 (Ω) ,→ L 2 (Ω) ein kompakter Operator, d. h. jede in H 1 (Ω) be-
schränkte Folge enthält eine in L 2 (Ω) konvergente Teilfolge.

schwacher Laplace-Operator:
∆ := (∆−1 )−1 : ∆−1 (L 2 (Ω)) → L 2 (Ω) heißt schwacher Laplace-Operator.
Satz (Spektralsatz für den Laplace-Operator):
Sei Ω ⊂ Rn ein beschränktes und stückweise C 1 -berandetes Gebiet. Dann gilt:
(1) σ p (−∆) = {λk | k ∈ N} mit 0 < λ1 ≤ λ2 ≤ · · · , dim(Kern(λk id + ∆)) < ∞ und
limk→∞ λk = ∞
(2) Es gibt eine Folge (ek )k∈N in H01 (Ω), sodass (ek )k∈N ein vollständiges ONS in L 2 (Ω) aus
Eigenvektoren von −∆ ist, d. h. ∀ϕ∈H01 (Ω) 〈ek , ϕ〉H01 = λk 〈ek , ϕ〉 L 2 und
L 2 P∞ P∞
∀u∈L 2 (Ω) u = k=1 〈u, ek 〉 L 2 ek , kuk2L 2 = k=1 | 〈u, ek 〉 L 2 |2 .
 2 
kuk
H1
(3) Für k ∈ N gilt λk = min kuk2 2
0
u ∈ H01 \ {0}, u ⊥ [e1 , . . . , ek−1 ] .
L

7 Der Spektralsatz für kompakte, selbstadjungierte Operatoren – 28 –

Funktionalanalysis 1

8 Der Satz von H AHN-B ANACH und die Hauptsätze der

B ANACHraumtheorie

8.1 Der Satz von H AHN-B ANACH, Projektions- und Trennungssatz

Bemerkung: Sämtliche Aussagen in diesem Abschnitt basieren auf dem Satz von Hahn-Banach,
für dessen Beweis man das Auswahlaxiom benötigt.
Satz (Satz von Hahn-Banach): Sei X ein R-Vektorraum und Y ⊂ X ein Unterraum.
Außerdem seien
(1) p : X → R sublinear, d. h. ∀ x, y∈X p(x + y) ≤ p(x) + p( y) und ∀ x∈X ∀α≥0 p(αx) = αp(x),
(2) f : Y → R linear und
(3) f ≤ p auf Y .
Dann gibt es eine lineare Abbildung F : X → R mit F |Y = f und F ≤ p auf X .
Satz (Satz von Hahn-Banach für lineare Funktionale):
Seien X ein normierter Raum und Y ⊂ X ein Unterraum (mit der Norm von X ). Dann gilt
∀ y 0 ∈Y 0 ∃ x 0 ∈X 0 [x 0 |Y = y 0 , kx 0 kX 0 = k y 0 kY 0 ].

Satz (Projektionssatz für norm. Räume):

Seien X ein normierter Raum, Y ⊂ X ein abgeschlossener Unterraum und x 0 ∈ X \ Y .
Dann gilt ∃ x 0 ∈X 0 [x 0 |Y = 0, kx 0 kX 0 = 1, x 0 (x 0 ) = dist(x 0 , Y )].
Bemerkung: x 0 ist also eine Art lineare Näherung der Abstandsabbildung dist(·, Y ).
Der Satz kann als Verallgemeinerung des Projektionssatzes für Hilberträume aufgefasst wer-
(id−P)x 0
¬ ¶
den: Ist X sogar ein Hilbertraum, dann erfüllt x ∈ X mit x (x) := x, k(id−P)x 0 k mit P der
0 0 0

orthogonalen Projektion auf Y die Eigenschaften des obigen Satzes. Es gilt (id − P)x 0 ∈ Y ⊥ ,
weil id − P die orthogonale Projektion auf Y ⊥ ist (daraus folgt x 0 |Y = 0). Außerdem gilt mit
x 0 (P x 0 ) = 0 (wegen P x 0 ∈ Y ), dass x 0 (x 0 ) = x 0 ((id − P)x 0 ) = k(id − P)x 0 k = dist(x 0 , Y ), insbe-
sondere gilt also kx 0 kX 0 ≥ 1. x 0 ∈ X 0 gilt wegen |x 0 (x)| ≤ kxkX , also kx 0 kX 0 ≤ 1.

Folgerung: Seien X ein normierter Raum und x 0 ∈ X . Dann gilt:

(1) Ist x 0 6= 0, so gibt es ein x 00 ∈ X 0 mit x 00 X0
= 1 und x 00 (x 0 ) = kx 0 kX .
(2) Wenn ∀ x 0 ∈X 0 x 0 (x 0 ) = 0 gilt, dann ist x 0 = 0.
(3) Sei J x 0 : X 0 → K, J x 0 x 0 := x 0 (x 0 ). Dann ist J x 0 ∈ X 00 mit J x 0 X 00
= kx 0 kX .
Bemerkung: X 00 heißt Bidualraum von X .

Satz (Trennungssatz): Seien X ein normierter Raum, M ⊂ X eine nicht-leere, abgeschlossene

und konvexe Teilmenge und x 0 ∈ X \ M .
Dann gilt ∃ x 0 ∈X 0 ∃α∈R ∀ x∈M Re(x 0 (x)) ≤ α, Re(x 0 (x 0 )) > α.
Insbesondere ist x 0 6= 0 und {x ∈ X | Re(x 0 (x)) = α} ist eine Hyperebene in X .
Bemerkung: Man kann sich den Satz so vorstellen, dass die Hyperebene Re(x 0 (x)) = α den
Raum X in Re(x 0 (x)) ≤ α und Re(x 0 (x)) > α aufteilt, wobei diese beiden Mengen M bzw. x 0
enthalten. Für nicht-konvexe Mengen gilt die Aussage i. A. nicht.

8 Der Satz von H AHN-B ANACH und die Hauptsätze der B ANACHraumtheorie – 29 –
Funktionalanalysis 1

8.2 B AIREscher Kategoriensatz und der Satz von B ANACH-S TEINHAUS

Bemerkung: Der folgende Bairesche Kategoriensatz gilt nur in vollständigen

S metrischen Räu-
men. Ein Gegenbeispiel für nicht-vollständige metrische Räume ist Q = q∈Q {q}.
Satz (Bairescher Kategoriensatz): S Seien X ein nicht-leerer, vollständiger metrischer Raum
und Ak ⊂ X abgeschlossen mit X = k∈N Ak .
Dann gibt es ein k0 ∈ N mit int(Ak0 ) 6= ;.
Satz (Prinzip der gleichmäßigen Beschränktheit): Seien X ein nicht-leerer, vollständiger me-
trischer Raum, Y ein normierter Raum und F ⊂ C 0 (X , Y ) mit ∀ x∈X sup f ∈F k f (x)kY < ∞.
Dann gilt ∃ x 0 ∈X ∃"0 >0 sup x∈B" (x 0 ) sup f ∈F k f (x)kY < ∞.
0

Satz (Satz von Banach-Steinhaus):

Seien X ein Banachraum, Y ein normierter Raum und T ⊂ Lin(X , Y ) mit
∀ x∈X sup T ∈T kT xkY < ∞.
Dann ist T beschränkt, d. h. sup T ∈T kT kLin(X ,Y ) < ∞.
Satz (Satz von Banach-Steinhaus für lineare, stetige Funktionale):
Seien X ein Banachraum, Y ein normierter Raum und T ⊂ Lin(X , Y ) mit
∀ x∈X ∀ y 0 ∈Y 0 sup T ∈T | y 0 (T x)| < ∞.
Dann ist T beschränkt, d. h. sup T ∈T kT kLin(X ,Y ) < ∞.

offene Abbildung: Seien X , Y metrische Räume.

Dann heißt eine Abbildung f : X → Y offen, falls ∀U⊂X offen f (U) ⊂ Y offen.
Bemerkung: Ist f bijektiv, dann ist f offen genau dann, wenn f −1 stetig ist.
Bemerkung: Sind X , Y normierte Räume und T : X → Y linear, dann ist T offen genau dann,
wenn ∃δ>0 Bδ (0) ⊂ T B1 (0) (d. h. 0 ∈ int(T B1 (0))).
Wenn T nämlich offen ist, dann ist T B1 (0) offen in Y (als Bild einer offenen Menge in X ) und
weil 0 ∈ T B1 (0), gibt es eine δ-Kugel um 0 in T B1 (0).
Sei umgekehrt Bδ (0) ⊂ T B1 (0) für ein δ > 0. Ist U ⊂ X offen und T x ∈ T U , dann gibt es ein
" > 0 mit B" (x) ⊂ U . Sei y ∈ B"δ (T x), also k y − T xkY < "δ, dann gilt 1" ( y − T x) ∈ Bδ (0), d. h.
" ( y − T x) ∈ T B1 (0). Daher gibt es ein z ∈ B1 (0) mit " ( y − T x) = T z , also y = T ("z + x). Es gilt
1 1

"z + x ∈ B" (x) ⊂ U , d. h. y ∈ T U und B"δ (T x) ⊂ T U . Damit ist T U offen.

Satz (Satz von der offenen Abbildung): Seien X , Y Banachräume und T ∈ Lin(X , Y ).
Dann ist T surjektiv genau dann, wenn T offen ist.
Satz (Satz von der inversen Abbildung):
Seien X , Y Banachräume und T ∈ Lin(X , Y ) bijektiv. Dann ist T −1 ∈ Lin(Y, X ).

Graph: Seien X , Y Banachräume und T : X → Y eine Abbildung.

Dann heißt graph(T ) := {(x, T x) | x ∈ X } ⊂ X × Y der Graph von T .
Satz (Satz vom abgeschlossenen Graphen): Seien X , Y Banachräume und T : X → Y linear.
Dann ist graph(T ) ⊂ X × Y abgeschlossen genau dann, wenn T ∈ Lin(X , Y ).
Bemerkung: X × Y wird dabei mit der Norm k(x, y)kX ×Y := kxkX + k ykY für (x, y) ∈ X × Y
versehen. Äquivalent dazu ist die Norm k(x, y)k0X ×Y := max(kxkX , k ykY ) (oder allgemeiner
k(x, y)k00X ×Y := (kxkXp + k ykYp )1/p für p ∈ [1, ∞]).

8 Der Satz von H AHN-B ANACH und die Hauptsätze der B ANACHraumtheorie – 30 –
Funktionalanalysis 1

8.3 Projektionen in Banachräumen

Projektion: Seien X ein K-Vektorraum, Y ⊂ X ein Unterraum und P : X → X linear.

Dann heißt P Projektion auf Y , falls P 2 = P und Bild(P) = Y .
Lemma (Eigenschaften von Projektionen):
(1) P ist eine Projektion auf Y genau dann, wenn P : X → Y und P|Y = id.
(2) Wenn P eine Projektion ist, dann ist X = Kern(P) ⊕ Bild(P).
(3) Wenn P eine Projektion ist, dann ist id − P auch eine Projektion mit
Kern(id − P) = Bild(P) und Bild(id − P) = Kern(P).
(4) Zu jedem Unterraum Y ⊂ X existiert eine Projektion auf Y .
Bemerkung: Für den Beweis der vierten Eigenschaft benötigt man das Auswahlaxiom.

Menge der stetigen Projektionen: Sei X ein normierter Raum.

Dann heißt P (X ) := {P ∈ Lin(X ) | P 2 = P} die Menge der stetigen Projektionen.
Lemma (Eigenschaften von stetigen Projektionen): Sei P ∈ P (X ). Dann gilt:
(1) Kern(P) und Bild(P) sind abgeschlossen in X .
(2) kPk ≥ 1 oder P = 0

Satz (Satz vom abgeschlossenen Komplement): Seien X ein Banachraum, Y ⊂ X ein abge-
schlossener Unterraum und Z ⊂ X ein Unterraum mit Y ⊕ Z = X . Dann sind äquivalent:
(1) Es gibt eine stetige Projektion P auf Y mit Z = Kern(P).
(2) Z ist abgeschlossen.
Bemerkung: Ist H ein Hilbertraum und Y ⊂ H ein abgeschlossener Unterraum, dann ist nach
dem Projektionssatz die orthogonale Projektion P auf Y eine stetige Projektion auf Y im Sinne
der obigen Definition und H = Y ⊕ Y ⊥ mit Y ⊥ abgeschlossen. Wegen der Besselschen Unglei-
chung ist kPk ≤ 1, d. h. kPk = 1 oder P = 0.
Satz (Projektionen auf endl.-dim. Unterräume):
Seien X ein normierter Raum, E ⊂ X ein endlich-dimensionaler Unterraum mit Basis
{e1 , . . . , en } und Y ⊂ X ein abgeschlossener Unterraum mit Y ∩ E = {0}. Dann gilt:
(1) ∃e10 ,...,en0 ∈X 0 ∀i, j=1,...,n e0j |Y = 0, e0j (ei ) = δi j
(2) Es gibt eine stetige Projektion P auf E mit Y ⊂ Kern(P).

8 Der Satz von H AHN-B ANACH und die Hauptsätze der B ANACHraumtheorie – 31 –
Funktionalanalysis 1

9 Kompakte Operatoren und adjungierte Operatoren auf

Banachräumen

9.1 J ORDANsche Normalform für kompakte Operatoren

Satz (Jordansche Normalform für kompakte Operatoren):

Seien X ein Banachraum und T ∈ K (X ). Dann gilt:
(1) Die Aussagen aus dem Satz über das Spektrum kompakter Operatoren gelten, d. h.
σ(T ) \ {0} = σ p (T ) \ {0} besteht aus höchstens abzählbar vielen Eigenwerten mit 0 als
einzigem Häufungspunkt (falls |σ(T )| = ∞), die Vielfachheit von λ ∈ σ(T ) \ {0} ist
endlich und für dim X = ∞ ist 0 ∈ σ(T ).
(2) Für λ ∈ σ(T ) \ {0} und nλ := max{n ∈ N | Kern((λid − T )n−1 ) 6= Kern((λid − T )n )} der
Ordnung von λ gilt 1 ≤ nλ < ∞.
(3) Für λ ∈ σ(T ) \ {0} gilt X = Kern((λid − T )nλ ) ⊕ Bild((λid − T )nλ ) (Riesz-Zerlegung). Bei-
de Unterräume sind abgeschlossen und T -invariant. Der charakteristische Unterraum
Kern((λid − T )nλ ) von T zum Eigenwert λ ist endlich-dimensional.
(4) Für λ ∈ σ(T ) \ {0} gilt: Für n = 1, . . . , nλ gibt es Unterräume En ⊂ Kern((λid − T )n ) mit
n
En ∩ Kern((λid − T )n−1 ) = {0}, sodass Kern((λid − T )nλ ) = k=1 λ
Nk mit
L
`
Nk := `=0 (λid − T ) (Ek ).
Lk−1

(5) Nk , k = 1, . . . , nλ , ist T -invariant und die Dimensionen dk := dim((λid − T )` (Ek )) sind

unabhängig von ` ∈ {0, . . . , k − 1}.
(6) Ist {ek, j | j = 1, . . . , dk } eine Basis von Ek für k = 1, . . . , nλ , dann ist
{(λid − TP )` ek | 0 ≤ ` < k ≤ nλ , 1 ≤ j ≤ dk }P eine Basis von Kern((λid − T )nλ ).
Mit x = k, j,` αk, j,` (λid − T ) ek, j und y = k, j,` βk, j,` (λid − T )` ek, j gilt
`
‚ λ −1 Œ  αk, j,0  ‚ ⠌
k, j,0
.. .. .. ..
T x = y ⇐⇒ . . . = . .
λ −1 αk, j,k−1 βk, j,k−1
λ

Folgerung: Seien X ein Banachraum und T ∈ K (X ). Dann gilt:

(1) Für λ ∈ σ(T ) \ {0} gilt σ(T |Bild((λid−T )nλ ) ) = σ(T ) \ {λ}.
(2) Ist Pλ für λ ∈ σ(T ) \ {0} die stetige Projektion auf Kern((λid − T )nλ ) gemäß der Riesz-
Zerlegung, dann gilt ∀λ,µ∈σ(T )\{0} Pλ Pµ = δλµ Pλ .

Folgerung: Seien X ein Banachraum, T ∈ K (X ) und λ ∈ σ(T ) \ {0}. Dann hat die Resolven-
tenfunktion R(·, T ) in λ einen isolierten Pol der Ordnung nλ , d. h. µ 7→ (µ − λ)nλ R(µ, T ) kann
in λ holomorph fortgesetzt werden und der fortgesetzte Wert in λ ist ungleich Null.

9 Kompakte Operatoren und adjungierte Operatoren auf Banachräumen – 32 –

Funktionalanalysis 1

9.2 Adjungierter Operator

Adjungierte: Seien X , Y normierte Räume und T ∈ Lin(X , Y ).

Dann heißt der Operator T 0 ∈ Lin(Y 0 , X 0 ) definiert durch (T 0 y 0 )(x) := y 0 (T x) für y 0 ∈ Y 0 und
x ∈ X der zu T adjungierte Operator.
Satz (Eigenschaften der Adjungierten):
(1) T 7→ T 0 ist eine lineare, isometrische Einbettung von Lin(X , Y ) nach Lin(Y 0 , X 0 ).
(2) Seien X , Y, Z normierte Räume, T1 ∈ Lin(X , Y ) und T2 ∈ Lin(Y, Z).
Dann ist (T2 T1 )0 = T10 T20 .
(3) Seien JX : X → X 00 , x 0 7→ J x 0 mit J x 0 (x 0 ) := x 0 (x 0 ) für x 0 ∈ X 0 und analog JY : Y → Y 00 .
Dann gilt T 00 JX = JY T .
Beispiel:
(a) Für X = Y = Rn mit der euklidischen Norm und T = (ai j )i, j=1,...,n ist
T 0 = (a ji )i, j=1,...,n = T ∗ , wobei T ∗ die Hilbertraum-Adjungierte ist.
(b) Für X = Y = Cn mit der euklidischen Norm und T = (ai j )i, j=1,...,n ist
T 0 = (a ji )i, j=1,...,n 6= (a ji )i, j=1,...,n = T ∗ .

1
(c) Für X = Y = L 2 ([0, 1], C) und T : X → X , (T f )( y) := 0 K(x, y) f (x) dx ist

1
1
(T 0 g)(x) := 0 K(x, y)g( y) d y (nicht gleich (T ∗ g)(x) = 0 K(x, y)g( y) d y ).
(d) Sind X , Y Hilberträume und RX : X → X 0 und RY : Y → Y 0 die Isometrien aus dem
Rieszschen Darstellungssatz (z. B. (RX x 1 )(x 2 ) := 〈x 2 , x 1 〉X ), dann gilt T ∗ = RX−1 T 0 RY .
Für x ∈ X und y ∈ Y gilt nämlich ((T 0 RY )( y))(x) = (T 0 (RY y))(x) = (RY y)(T x)
= 〈T x, y〉Y = 〈x, T ∗ y〉X = (RX (T ∗ y))(x) = ((RX T ∗ )( y))(x).

9 Kompakte Operatoren und adjungierte Operatoren auf Banachräumen – 33 –

Funktionalanalysis 1

9.3 F REDHOLMsche Alternative

Satz (Satz von Schauder): Seien X , Y Banachräume und T ∈ Lin(X , Y ).

Dann gilt T ∈ K (X , Y ) genau dann, wenn T 0 ∈ K (Y 0 , X 0 ).

Annihilator: Seien X ein Banachraum und Z ⊂ X ein Unterraum.

Dann heißt Z ◦ := {x 0 ∈ X 0 | x 0 | Z = 0} Annihilator von Z .
Kodimension: Seien X ein K-Vektorraum und Z ⊂ X ein Unterraum.
Dann ist codim Z := dim X /Z die Kodimension von Z in X .
Bemerkung: Ist Y ein Komplement von Z in X (d. h. X = Y ⊕ Z ), dann gilt codim Z = dim Y .
Satz (Eigenschaften des Annihilators): Seien X , Y Banachräume und Z ⊂ X ein Unterraum.
(1) Ist X ein Hilbertraum, dann ist Z ◦ = RX (Z ⊥ ).
(2) Für T ∈ Lin(X , Y ) gilt Kern(T 0 ) = Bild(T )◦ .
(3) Ist Z abgeschlossen und codim Z < ∞, dann ist dim Z ◦ = codim Z .

Satz (Inverse der Adjungierten): Seien X , Y Banachräume und T ∈ Lin(X , Y ).

Dann existiert T −1 ∈ Lin(Y, X ) genau dann, wenn (T 0 )−1 ∈ Lin(X 0 , Y 0 ) existiert.
In diesem Fall gilt (T −1 )0 = (T 0 )−1 .

Satz (Fredholmsche Alternative): Seien X ein Banachraum, T ∈ K (X ) und λ ∈ K \ {0}.

Dann gilt: Zu y ∈ X besitzt die Gleichung T x − λx = y eine Lösung x ∈ X genau dann, wenn
x 0 ( y) = 0 für alle Lösungen x 0 ∈ X 0 der homogenen adjungierten Gleichung T 0 x 0 − λx 0 = 0 gilt.
Die dadurch gegebene endliche Anzahl der Nebenbedingungen an y ist gleich der Anzahl
linear unabhängiger Lösungen z der homogenen Gleichung T z − λz = 0.
Bemerkung: Der Satz lässt sich auch wie folgt formulieren: Entweder
• T z − λz = 0 besitzt nur die triviale Lösung,
• T 0 x 0 − λx 0 = 0 besitzt nur die triviale Lösung und
• T x − λx = y ist für alle y ∈ Y eindeutig lösbar
oder
• T z − λz = 0 besitzt n := dim(Kern(λid − T )) (1 ≤ n < ∞) linear unabhängige Lösungen,
• T 0 x 0 − λx 0 = 0 besitzt n linear unabhängige Lösungen und
• T x −λx = y ist für y ∈ Y genau dann lösbar, wenn x 0 ( y) = 0 für alle x 0 ∈ Kern(λid0 − T 0 ).

9 Kompakte Operatoren und adjungierte Operatoren auf Banachräumen – 34 –

Funktionalanalysis 1

10 Lokalkonvexe und schwache Topologien

10.1 Grundbegriffe aus der Topologie

topologischer Raum: Seien X eine Menge und T ⊂ P (X ).

Dann heißt (X , T ) topologischer Raum, falls
(1) ; ∈ T , X ∈ T ,

U∈T 0 U ∈ T und
S
(2) ∀T 0 ⊂T
(3) ∀U1 ,U2 ∈T U1 ∩ U2 ∈ T .
In diesem Fall heißt T Topologie auf X und die Elemente von T heißen offen.
Bemerkung: Im Folgenden ist (X , T ) ein topologischer Raum und M ⊂ X .
abgeschlossen: M ⊂ X heißt abgeschlossen, falls X \ M offen ist.
Inneres: int(M ) := {x ∈ M | ∃O∈T O ⊂ M , x ∈ O} heißt das Innere von M .
Abschluss: M := X \ int(X \ M ) heißt Abschluss von M .
Rand: ∂ M := M \ int(M ) heißt Rand von M .
dicht: M heißt dicht in X , falls M = X .
Satz (abgeschlossene Mengen): ; und X sind abgeschlossen. Schnitte beliebig vieler und Ver-
einigungen endlicher vieler abgeschlossener Mengen sind abgeschlossen.

Umgebung: Seien (X , T ) ein topologischer Raum und x ∈ X .

Dann heißt U ⊂ X Umgebung von x , falls ∃O∈T O ⊂ U, x ∈ O (d. h. x ∈ int(U)).
Umgebungsfilter: U (x) := {U ⊂ X | U Umgebung von x} heißt Umgebungsfilter von x .
Umgebungsbasis:
Eine Teilfamilie V (x) ⊂ U (x) heißt Umgebungsbasis von x , falls ∀U∈U (x) ∃V ∈V (x) V ⊂ U .
Satz (Eigenschaften des Umgebungsfilters): Seien (X , T ) ein topologischer Raum und x ∈ X .
Dann gilt:
(1) ∀U∈U (x) x ∈ U
(2) ∀U∈U (x) ∃V ∈U (x) ∀ y∈V U ∈ U ( y)
(3) ∀U∈U (x) ∀V ⊃U V ∈ U (x)
(4) ∀U,V ∈U (x) U ∩ V ∈ U (x)
Satz (Umgebungsfilter induziert Topologie): Sei X eine Menge und U (x) ⊂ P (X ) für jedes
x ∈ X , sodass (1) bis (4) von eben erfüllt sind. Dann gibt es genau eine
S Topologie T auf X ,
sodass U (x) für x ∈ X der Umgebungsfilter von x ist. Es gilt T = x∈X O (x) ∪ {;}, wobei
O (x) := {int(U) | U ∈ U (x)} und int(U) := { y ∈ X | U ∈ U ( y)}.

10 Lokalkonvexe und schwache Topologien – 35 –

Funktionalanalysis 1

Satz (Metrik induziert Topologie): Jeder metrische Raum induziert einen topologischen Raum.
In diesem Fall besitzt jeder Punkt x des topologischen Raums eine abzählbare Umgebungsbasis
V (x). Allerdings ist nicht jeder topologische Raum metrisierbar (d. h. die Topologie wird nicht
von einer Metrik induziert).
feiner/gröber: Seien T1 , T2 Topologien auf X .
Dann heißt T2 stärker/feiner als T1 bzw. T1 schwächer/gröber als T2 , falls T1 $ T2 .
Hausdorff-Raum: Ein topologischer Raum (X , T ) heißt Hausdorff-Raum, falls
∀ x, y∈X , x6= y ∃U∈U (x) ∃V ∈U ( y) U ∩ V = ;.
n→∞
Konvergenz: Eine Folge (x n )n∈N in X konvergiert gegen x ∈ X ( x n −−−→ x ), falls
∀U∈U (x) ∃nU ∈N ∀n≥nU x n ∈ V .
Satz (GWe in Hausdorff-Räumen eindeutig):
Grenzwerte von Folgen in Hausdorff-Räumen sind eindeutig.
folgenabgeschlossen:
A ⊂ X heißt folgenabgeschlossen, falls ∀ x∈X ∀(x n )n∈N Folge in A, x n →x x ∈ A.
Satz (abg. ⇒ folgenabg.): Wenn A ⊂ X abgeschlossen ist,
dann ist A auch folgenabgeschlossen. Die Umkehrung gilt i. A. nicht.

stetig: Seien (X , TX ), (Y, TY ) topologische Räume.

Eine Abbildung T : X → Y heißt stetig, falls ∀ x∈X ∀V ∈U (T x) ∃U∈U (x) T (U) ⊂ V .
Satz (äquivalente Beschreibungen von Stetigkeit): Folgende Aussagen sind äquivalent:
(1) T ist stetig.
(2) Für alle offenen Teilmengen O ⊂ Y ist T −1 (O) ⊂ X offen.
(3) Für alle abgeschlossenen Teilmengen A ⊂ Y ist T −1 (A) ⊂ X abgeschlossen.
Satz (stetig ⇒ folgenstetig): Wenn T stetig ist, dann ist T auch folgenstetig, d. h.
n→∞
∀ x∈X ∀(x n )n∈N Folge in X , x n →x T (x n ) −−−→ T (x). Die Umkehrung gilt i. A. nicht.

kompakt: Sei (X , T ) ein topologischerSRaum. K ⊂ X heißt kompakt, falls

n
∀ I Indexmenge ∀Oi ⊂X offen, K⊂Si∈I Oi ∃i1 ,...,in ∈I K ⊂ j=1 Oi j .
folgenkompakt: K heißt folgenkompakt, falls
∀(x n )n∈N Folge in K ∃(x n
k
)k∈N Teilfolge ∃ x∈K x = limk→∞ x nk .

Bemerkung: Kompaktheit und Folgenkompaktheit sind i. A. nicht äquivalent.

separabel: Sei (X , T ) ein topologischer Raum.

Dann heißt (X , T ) separabel, falls X eine abzählbare, dichte Teilmenge enthält.

Satz (Relativtopologie): Seien (X , T ) ein topologischer Raum und A ⊂ X .

Dann ist (A, TA) ein topologischer Raum mit der Relativtopologie TA := {U ∩ A | U ∈ T }.
Satz (Produkttopologie): Seien I eine Indexmenge, (X i , Ti )i∈I eine Familie topologischer Räu-
me undQX := i∈I X i . Dann ist (X , T ) ein topologischer Raum mit der Produkttopologie T mit
Q

Basis { i∈I Oi | ∀i∈I Oi ∈ Ti , fast alle Oi = X i } (beliebige Vereinigungen hinzunehmen).

Satz (Satz von
QTychonov): Seien I eine Indexmenge, (X i , Ti )i∈I eine Familie topologischer
Räume, X := i∈I X i und T die Produkttopologie auf X .
Dann ist X kompakt genau dann, wenn X i für alle i ∈ I kompakt ist.
Bemerkung: Dieser Satz ist äquivalent zum Auswahlaxiom.

10 Lokalkonvexe und schwache Topologien – 36 –

Funktionalanalysis 1

10.2 Lokalkonvexe Topologie

lokalkonvexe Topologie: Seien X ein K-Vektorraum und (pα )α∈I eine Familie von Halbnor-
men auf X ( I Indexmenge). Für x ∈ X definiert man
• U",H (x) := { y ∈ X | ∀α∈H pα (x − y) < "} für " > 0 und H ⊂ I endlich,
• V (x) := {U",H (x) | " > 0, H ⊂ I endlich},
• U (x) := {U ⊂ X | ∃V ∈V (x) V ⊂ U} und
• T := {O ⊂ X | ∀ x∈O ∃V ∈V (x) V ⊂ O}.
Man kann zeigen, dass (X , T ) ein topologischer Raum ist, wobei U (x) der Umgebungsfilter
und V (x) eine Umgebungsbasis von x ∈ X ist. T heißt die von (pα )α∈I induzierte lokalkonvexe
Topologie auf X und (X , T ) heißt lokalkonvexer (topologischer) Raum.
Bemerkung: Die Topologie heißt deshalb lokalkonvex, weil es für jeden Punkt x ∈ X eine
Umgebungsbasis aus konvexen Mengen U",H (x) gibt.
Bemerkung: (X , T ) ist bereits eindeutig durch die Nullumgebungsbasis V (0) festgelegt, da
V (x) = x + V (0) und U (x) = x + U (0) (weil U",H (x) = x + U",H (0)).

Lemma (Charakterisierung der Konvergenz): Seien (X , T ) ein lokalkonvexer Raum, der durch
(pα )α∈I induziert wird, (x n )n∈N eine Folge in X und x ∈ X . Dann sind äquivalent:
n→∞
(1) x n −−−→ x
n→∞
(2) x n − x −−−→ 0
n→∞
(3) ∀α∈I pα (x n − x) −−−→ 0

Lemma (Charakterisierung von hausdorffsch):

Sei (X , T ) ein lokalkonvexer Raum, der durch (pα )α∈I induziert wird. Dann sind äquivalent:
(1) (X , T ) ist hausdorffsch.
(2) ∀ x∈X \{0} ∃α∈I pα (x) 6= 0

Lemma (Charakterisierung von Stetigkeit): Seien (X , TX ), (Y, TY ) von den Halbnormfamilien

(pα )α∈IX bzw. (qβ )β∈IY induzierte lokalkonvexe Räume und T : X → Y linear.
Dann sind äquivalent:
(1) T ist stetig.
(2) T ist stetig in 0.
(3) ∀β∈IY ∃H⊂IX endlich ∃ M ≥0 ∀ x∈X qβ (T x) ≤ M · maxα∈H pα (x)
Folgerung: Seien (X , T ) ein lokalkonvexer Raum und T : X → K linear.
Dann ist T stetig genau dann, wenn ∃H⊂I endlich ∃ M ≥0 ∀ x∈X |T x| ≤ M · maxα∈H pαi (x).
Dualraum: Sei (X , T ) ein lokalkonvexer Raum.
Dann heißt X 0 := {T : X → K | T linear und stetig} Dualraum von X .
Bemerkung: Es gibt Verallgemeinerungen des Satzes von Hahn-Banach und der Trennungssätze
für lokalkonvexe Räume.

10 Lokalkonvexe und schwache Topologien – 37 –

Funktionalanalysis 1

10.3 Schwache Konvergenz und Schwach∗-Konvergenz

schwache Topologie: Seien X ein normierter Raum und X 0 der Dualraum von X .
(p x 0 ) x 0 ∈X 0 mit p x 0 (x) := |x 0 (x)| für x ∈ X ist eine Familie von Halbnormen auf X .
Die induzierte lokalkonvexe Topologie heißt schwache Topologie σ(X , X 0 ) auf X .
Schwach∗-Topologie: Seien X ein normierter Raum und X 0 der Dualraum von X .
(p x ) x∈X mit p x (x 0 ) := |x 0 (x)| für x 0 ∈ X 0 ist eine Familie von Halbnormen auf X 0 .
Die induzierte lokalkonvexe Topologie heißt Schwach∗-Topologie σ(X 0 , X ) auf X 0 .
schwache Konvergenz: Seien X ein normierter Raum, (x n )n∈N eine Folge in X und x ∈ X .
n→∞
Dann konvergiert (x n )n∈N schwach gegen x ( x n * x ), falls x n −−−→ x bzgl. σ(X , X 0 ).
Schwach∗-Konvergenz: Seien X ein normierter Raum, (x n0 )n∈N eine Folge in X 0 und x ∈ X 0 .
∗ n→∞
Dann konvergiert (x n0 )n∈N schwach∗ gegen x 0 ( x n0 −
* x 0 ), falls x n0 −−−→ x 0 bzgl. σ(X 0 , X ).
n→∞
Bemerkung: Schwache Konvergenz ist äquivalent zu ∀ x 0 ∈X 0 x 0 (x n ) −−−→ x 0 (x).
n→∞
Analog ist Schwach∗-Konvergenz äquivalent zu ∀ x∈X x n0 (x) −−−→ x 0 (x).

10.4 Distributionen

Distributionen: Seien Ω ⊂ Rd offen und D(Ω) := Cc∞ (Ω). Zunächst definiert man Halb-
normen (pm )m∈N0 durch pm (ϕ) := sup|β|≤m ∂ xβ ϕ C 0 (Ω) . Anschließend definiert man (pα )α∈I als
Familie aller Halbnormen pα , sodass ∀K⊂Ω kpkt. ∃C≥0 ∃m∈N0 ∀ϕ∈Cc∞ (K) pα (ϕ) ≤ C · pm (ϕ).
Dann heißt der Dualraum D 0 (Ω) von (D(Ω), TD ) Raum der Distributionen auf Ω, wobei TD die
von (pα )α∈I induzierte lokalkonvexe Topologie auf D(Ω) ist.
Bemerkung: Sei (ϕn )n∈N eine Folge in D(Ω) und ϕ ∈ D(Ω).
n→∞
Dann gilt ϕn −−−→ ϕ (bzgl. TD ) genau dann, wenn es K ⊂ Ω kompakt gibt mit
k·kC 0 (K)
supp(ϕ) ⊂ K , ∀n∈N supp(ϕn ) ⊂ K und ∀β∈N0d ∂ xβ ϕn −−−−→ ∂ xβ ϕ .

Lemma (Eigenschaften des Testfunktionenraums):

(1) Seien K ⊂ Ω kompakt und DK (Ω) := Cc∞ (K). Dann ist die von (pm )m∈N0 erzeugte lokal-
konvexe Topologie auf DK (Ω) gleich der Relativtopologie von (D(Ω), TD ) auf DK (Ω).
(2) (D(Ω), TD ) ist hausdorffsch.
Lemma (Charakterisierung der Stetigkeit): Sei T : D(Ω) → K linear. Dann sind äquivalent:
(1) T ∈ D 0 (Ω)
(2) ∀K⊂Ω kpkt. T |DK (Ω) ∈ (DK (Ω))0
(3) ∀K⊂Ω kpkt. ∃m∈N0 ∃C≥0 ∀ϕ∈DK (Ω) |T ϕ| ≤ C pm (ϕ)
(4) T ist folgenstetig, d. h. aus ϕn → ϕ in (D(Ω), T D ) folgt T ϕn → T ϕ .
(5) T ist folgenstetig in 0, d. h. aus ϕn → 0 in (D(Ω), T D ) folgt T ϕn → 0.

Schwach∗-Topologie für Distributionen: Sei die Familie (pϕ )ϕ∈D(Ω) von Halbnormen auf
D 0 (Ω) definiert durch pϕ (T ) := |T ϕ| für alle T ∈ D 0 (Ω).
Dann heißt die von (pϕ )ϕ∈D(Ω) induzierte lokalkonvexe Topologie Schwach∗-Topologie
σ(D 0 (Ω), D(Ω)) auf D 0 (Ω).
Bemerkung: Sei (Tn )n∈N eine Folge in D 0 (Ω) und T ∈ D 0 (Ω).
n→∞ n→∞
Dann gilt Tn −−−→ T (bzgl. σ(D 0 (Ω), D(Ω))) genau dann, wenn ∀ϕ∈D(Ω) Tn ϕ −−−→ T ϕ .

10 Lokalkonvexe und schwache Topologien – 38 –

Funktionalanalysis 1

10.5 Beispiele für Distributionen und distributionelle Ableitung

induzierte reguläre Distribution:

Sei f ∈ Lloc
1
(Ω) mit Lloc
1
(Ω) := { f : Ω → R
messbar | ∀K⊂Ω kpkt. f ∈ L 1 (K)}.
Dann heißt T f ∈ D (Ω) mit T f (ϕ) := Ω f ( y)ϕ( y) d y für ϕ ∈ D(Ω) die durch f induzierte
0

reguläre Distribution.
Bemerkung: Die Abbildung Lloc 1
(Ω) → D 0 (Ω), f 7→ T f ist injektiv (sie ist linear und aus T f = 0
folgt T f (ϕ) = 0 für alle ϕ ∈ D(Ω), also f = 0 f.ü. nach dem Fundamentallemma der Varia-
tionsrechnung). Daher kann man die Funktionen f ∈ Lloc 1
(Ω) mit den induzierten regulären
Distributionen T f ∈ D 0 (Ω) identifizieren.
Eine Distribution T ∈ D 0 (Ω) heißt regulär, falls ∃ f ∈Lloc
1
(Ω) T = T f , d. h. falls sie im Bild dieser
Abbildung ist. Nicht jede Distribution ist regulär, wie die Delta-Distribution zeigt.
Dirac-/Delta-Distribution: Sei x ∈ Ω. Dann heißt δ x ∈ D 0 (Ω) mit δ x (ϕ) := ϕ(x) für ϕ ∈
D(Ω) Dirac- oder Delta-Distribution zum Punkt x . Man schreibt δ := δ0 .
Bemerkung: δ x ist nicht regulär. Angenommen, es gilt δ x = T f für ein f ∈ Lloc 1
(Ω). Definiere für
ϕ ∈ D(Ω) die Testfunktion ψϕ ∈ D(Ω) durch
ψ ϕ ( y) := | y − x|2
ϕ( y) . Dann gilt für alle ϕ ∈ D(Ω),
dass 0 = ψϕ (x) = δ x (ψϕ ) = T f (ψϕ ) = Ω f ( y)| y − x| ϕ( y) d y . Nach dem Fundamentallemma
2

der Variationsrechnung folgt, dass f ( y)| y − x|2 = 0 für fast alle y ∈ Ω, d. h. f = 0 f.ü. Damit
wäre aber δ x = T f = 0, ein Widerspruch
(es gibt ϕ ∈ D(Ω) mit δ x (ϕ) = ϕ(x) 6= 0).
Trotzdem schreibt man formal häufig Ω δ x ( y)ϕ( y) d y := ϕ(x).
n d/2 n|x|2
€ Š
Satz (Dirac-Folge): Sei f n ∈ Lloc (Ω) mit f n (x) := 4π exp − 4 für n ∈ N.
1

Dann gilt T fn → δ0 bzgl. σ(D 0 (Ω), D(Ω)).

Bemerkung: Seien f ∈ Lloc 1

(Ω)
und β ∈ N0d , sodass die partielle


Ableitung ∂ xβ f der Ordnung β
existiert. Dann gilt T∂ xβ f (ϕ) = Rd (∂ xβ f )(x)ϕ(x) dx = (−1)|β| Rd f (x)(∂ xβ ϕ)(x) dx
= (−1)|β| T f (∂ xβ ϕ) wegen partieller Integration. Die folgende Definition erklärt T∂ xβ f zur „Ablei-
tung“ von T f und verallgemeinert dies für nicht-reguläre Distributionen.
distributionelle Ableitung: Seien T ∈ D 0 (Ω) und β ∈ N0d .
Dann heißt ∂ xβ T ∈ D 0 (Ω) mit (∂ xβ T )(ϕ) := (−1)|β| T (∂ xβ ϕ) distributionelle Ableitung von T der
Ordnung β .
Beispiel: Seien Ω := (−1, 1) und f ∈ Lloc
1
((−1, 1)) mit f (x) := |x|.

0
1
0
1
Dann gilt T f (∂ x ϕ) = −1 (−x)(∂ x ϕ)(x) dx + 0 x(∂ x ϕ)(x) dx = −1 ϕ(x) dx − 0 ϕ(x) dx =
−Tg (ϕ) für alle ϕ ∈ D((−1, 1)) mit g(x) := −1 für x < 0, g(x) := 0 für x = 0 und g(x) := 1 für
x > 0 (Vorzeichenfunktion). Somit ist Tg die distributionelle Ableitung von T f (man identifi-
ziert f und g mit T f bzw. Tg und spricht oft davon, dass g die distributionelle Ableitung von f
ist). Wegen g ∈ L 2 ((−1, 1)) ist g auch die schwache Ableitung von f .

0
1
Außerdem gilt T f (∂ x2 ϕ) = −1 (∂ x ϕ)(x) dx − 0 (∂ x ϕ)(x) dx = 2ϕ(0) = 2δ(ϕ). Daher ist 2δ die
zweite distributionelle Ableitung von T f (bzw. von f ), allerdings besitzt g keine schwache
Ableitung (δ ist keine Funktion).
Satz (distr. Ableitungsoperator stetig):
Die Abbildung ∂ xβ : D 0 (Ω) → D 0 (Ω), T 7→ ∂ xβ T ist stetig bzgl. σ(D 0 (Ω), D(Ω)).

10 Lokalkonvexe und schwache Topologien – 39 –

Funktionalanalysis 1

10.6 Eigenschaften der schwachen Konvergenz und der Satz von

A LAOGLU

Lemma (schwache Konvergenz und Schwach∗-Konvergenz): Seien X ein normierter Raum,

(x n )n∈N eine Folge in X , (x n0 )n∈N eine Folge in X 0 , x ∈ X und x 0 ∈ X 0 . Dann gilt:
∗
* JX x mit JX : X → X 00 , (JX x)(x 0 ) := x 0 (x) für x ∈ X , x 0 ∈ X 0
(1) x n * x ⇐⇒ JX x n −
∗
(2) Aus x n0 * x 0 folgt x n0 −
* x 0.
(3) Der schwache Grenzwert von (x n )n∈N (falls existent) und der Schwach∗-Grenzwert von
(x n0 )n∈N (falls existent) sind eindeutig.
∗
(4) Aus x n → x (bzgl. k·kX ) folgt x n * x und aus x n0 → x 0 (bzgl. k·kX 0 ) folgt x n0 −
* x 0.
∗
(5) Aus x n0 −
* x 0 folgt kx 0 kX 0 ≤ lim infn→∞ x n0 X0
.
(6) Aus x n * x folgt kxkX ≤ lim infn→∞ kx n kX
(Unterhalbstetigkeit der Norm bzgl. der schwachen Konvergenz von Folgen).
(7) Konvergiert (x n )n∈N schwach, so ist (x n )n∈N beschränkt.
Konvergiert (x n0 )n∈N schwach∗, so ist (x n0 )n∈N beschränkt.
∗
(8) Aus x n → x und x n0 −
* x 0 folgt x n0 (x n ) → x 0 (x) in K.
Aus x n * x und x n → x 0 folgt x n0 (x n ) → x 0 (x) in K.
0

Beispiel:
(a) Sei (Ω, Σ, µ) ein Maßraum, p ∈ [1, ∞) und p0 mit 1p + p10 = 1. Im Fall p = 1 sei µ zusätzlich
0

σ-endlich. Dann ist J p0 : L p (Ω) → (L p (Ω))0 mit (J p0 f )(g) := Ω g f dµ für g ∈ L p (µ) ein
konjugiert linearer, isometrischer Isomorphismus. Für p = 2 ist J2 = R L 2 (Ω) gleich dem
konjugiert linearen Isomorphismus aus dem Rieszschen Darstellungssatz.
Seien ( f k )k∈N eine Folge in L p (Ω) und f ∈ L p (Ω).

k→∞

Dann gilt f k * f in L p (Ω) genau dann, wenn ∀ g∈L p0 (Ω) Ω f k gdµ −−−→ Ω f gdµ.
(b) Seien K ⊂ Rn kompakt und rca(K) der Raum der
signierten Borelmaße auf K .
Dann ist J : rca(K) → (C 0 (K))0 mit (Jν)( f ) := K f dν ein isometrischer Isomorphismus.
Seien ( f k )k∈N eine Folge in C 0 (K) und f ∈ C 0 (K).

k→∞

Dann gilt f k * f in C 0 (K) genau dann, wenn ∀ν∈rca(K) K f k dν −−−→ K f dν.
(c) Seien Ω ⊂ Rn offen, m ∈ N und p ∈ [1, ∞],
außerdem (uk )k∈N eine Folge in W m,p (Ω) und u ∈ W m,p (Ω).
Dann gilt uk * u in W m,p (Ω) genau dann, wenn ∀|s|≤m ∂ xs uk * ∂ xs u in L p (Ω).
m,p
Die gleiche Aussage gilt für W0 (Ω).

Satz (beschr. Folge in X 0 besitzt schwach∗ konv. TF für X separabel):

Sei X ein separabler normierter Raum.
Dann ist B1 (0) ⊂ X 0 schwach∗ folgenkompakt.
Bemerkung: In diesem Fall gilt diese Aussage auch für jede andere abgeschlossene Kugel BR (0).
Insbesondere besitzt jede beschränkte Folge in X 0 eine schwach∗ konvergente Teilfolge.
Die Aussage gilt i. A. nicht, wenn X nicht separabel ist.
Satz (Satz von Alaoglu): Sei X ein Banachraum.
Dann ist B1 (0) ⊂ X 0 kompakt bzgl. der Schwach∗-Topologie auf X 0 .

10 Lokalkonvexe und schwache Topologien – 40 –

Funktionalanalysis 1

10.7 Beste Approximationen in reflexiven Räumen

reflexiv: Sei X ein Banachraum.

Dann heißt X reflexiv, falls JX : X → X 00 (mit (JX x)x 0 = x 0 (x)) surjektiv, also bijektiv ist.
Satz ((Gegen-)Beispiele für reflexive Räume):
(1) Jeder Hilbertraum ist reflexiv.
(2) L p (Ω) ist für p ∈ (1, ∞) reflexiv.
(3) W m,p (Ω) ist für p ∈ (1, ∞) reflexiv.
(4) C 0 (K) ist für K kompakt und unendlich nicht reflexiv.
Lemma (Eigenschaften reflexiver Räume): Sei X ein Banachraum.
(1) Ist X reflexiv, dann stimmen schwache Konvergenz in X 0 und Schwach∗-Konvergenz in
X 0 überein.
(2) Ist X reflexiv, dann ist auch jeder abgeschlossene Unterraum von X reflexiv.
(3) Sei Y ein zu X isomorpher Banachraum.
Dann ist X reflexiv genau dann, wenn Y reflexiv ist.
(4) X ist reflexiv genau dann, wenn X 0 reflexiv ist.

Satz (beschr. Folge in X besitzt schwach konv. TF für X reflexiv):

Sei X ein reflexiver Banachraum.
Dann ist B1 (0) ⊂ X schwach folgenkompakt.
Bemerkung: In diesem Fall gilt diese Aussage auch für jede andere abgeschlossene Kugel BR (0).
Insbesondere besitzt jede beschränkte Folge in X eine schwach konvergente Teilfolge.
Lemma (X 0 separabel ⇒ X separabel): Sei X ein Banachraum mit X 0 separabel.
Dann ist auch X separabel.

Vollstetigkeit: Seien X , Y Banachräume und T : X → Y linear. Dann heißt T vollstetig, falls

für alle Folgen (x n )n∈N in X und x ∈ X mit x n * x gilt, dass T x n → T x .
Satz (Vollstetigkeit): Seien X , Y Banachräume und T : X → Y linear.
(1) Ist T kompakt, dann ist T vollstetig.
(2) Ist X reflexiv und T vollstetig, dann ist T kompakt.

Satz (konvexe abg. Menge schwach folgenabg.):

Seien X ein normierter Raum und M ⊂ X nicht-leer, konvex und abgeschlossen.
Dann ist M schwach folgenabgeschlossen.

Satz (bestapproximierendes Element für reflexive Räume):

Seien X ein reflexiver Banachraum und M ⊂ X nicht-leer, konvex und abgeschlossen.
Dann gilt ∀ x 0 ∈X ∃ y0 ∈M kx 0 − y0 k = dist(x 0 , M ).

10 Lokalkonvexe und schwache Topologien – 41 –