(I = Identität).d) Sei g : H → R eine stetige lineare Abbildung. Nach dem Rieszschen Darstellungssatzgibt es dann ein eindeutiges y ∈ H mitfür alle x ∈ H , <strong>und</strong> es giltalso ∂g(x) = {y}.g(x) = (y,x)( ) 1( )grad g(x),h = lim g(x + th) − g(x)t→0 t= lim (y,th) = (y,h),tt→01Definition 6.11 (Wertebereich des Subdifferentials) Sei f : H → (−∞, ∞] einekonvexe Funktion <strong>und</strong> α ≥ 0. Die MengeR(αI + ∂f) = ⋃ x∈H[αx + ∂f(x)]heißt Wertebereich der Abbildung αI + ∂f : H → P(H), die durch(αI + ∂f)(x) = αx + ∂f(x) = { αx + y ∣ ∣ y ∈ ∂f(x) }definiert ist.In den nächsten Abschnitten wird gezeigt, daß es zu vielen elliptischen Differentialoperatorender Formn∑ ∂( )a i ∇u(x)∂x iin Sobolevräumen eine konvexe Funktion f gibt mit{n∑ ∂(∂f(u) = − a i ∇u(x)) } .∂x iDie Gleichung−n∑i=1i=1i=1∂( )a i ∇u(x) + αu(x) = g(x)∂x ikann also für jede beliebige gegebene Funktion g aus dem Hilbertraum H (meistens istH = L 2 (Ω) ) gelöst werden, genau dann wenn R(αI + ∂f) = H gilt. Um die Frage zuuntersuchen, wann dies gilt, benötigen wir folgendes Lemma.Lemma 6.12 Sei f : H → (−∞, ∞] eine konvexe Funktion <strong>und</strong> g : H → R eine linearestetige Funktion mitg(x) = (y,x)96
für alle x ∈ H . Dann nimmt f +g das Minimum an an der Stelle x 0 , genau dann wenn−y ∈ ∂f(x 0 ). Insbesondere nimmt f das Minimum an an der Stelle x 0 , genau dannwenn 0 ∈ ∂f(x 0 ).Beweis: −y ∈ ∂f(x 0 ) ist äquivalent zu<strong>und</strong> dies ist äquivalent zuf(x) ≥ (−y,x − x 0 ) + f(x 0 ) für alle x ∈ H ,f(x) + g(x) = f(x) + (y,x) ≥ f(x 0 ) + (y,x 0 ) = f(x 0 ) + g(x 0 )für alle x ∈ H, <strong>und</strong> dies ist schließlich äquivalent zu( )f(x 0 ) + g(x 0 ) = min f(x) + g(x) .x∈HSatz 6.13 (Surjektivität <strong>und</strong> Injektivität des Subdifferentials) Sei f : H →(−∞, ∞] eine konvexe, von unten halbstetige, koerzitive Funktion. Dann giltR(∂f) = H .Wenn f strikt konvex ist, dann ist ∂f injektiv, d.h. zu jedem y ∈ H gibt es genau einx ∈ H mity ∈ ∂f(x).Beweis: Sei y ∈ H . Um zu zeigen, daß y ∈ R(∂f) ist, betrachte die stetige lineareAbbildung g : H → R mitg(x) = (−y,x).Die Funktion f + g ist von unten halbstetig als Summe einer stetigen <strong>und</strong> einer vonunten halbstetigen Funktion. Nach Lemma 6.2 ist f + g konvex beziehungsweise striktkonvex, <strong>und</strong> nach Lemma 6.6 ist f + g koerzitiv. Nach Satz 6.7 gibt es also ein x 0 ∈ Hmit( )f(x 0 ) + g(x 0 ) = min f(x) + g(x) ,x∈H<strong>und</strong> nach Lemma 6.12 ist dies äquivalent zuy ∈ ∂f(x 0 ),also ist R(∂f) = H . Wenn f + g strikt konvex ist, nimmt nach Satz 6.7 f + g dasMinimum an in genau einem Punkt x 0 ∈ H, also gilt y ∈ ∂f(x 0 ) nur genau für diesesx 0 , also ist ∂f injektiv.Folgerung 6.14 Sei f : H → (−∞, ∞] eine konvexe, von unten halbstetige Funktion.Dann gilt für alle α > 0, daßR(αI + ∂f) = H ,<strong>und</strong> αI + ∂f ist injektiv.97
- Seite 1 und 2:
VorlesungsskriptVariationsrechnungu
- Seite 4 und 5:
4.3 Hamiltonsche Differentialgleich
- Seite 6 und 7:
oder mehrere Funktionen u : Ω →
- Seite 8 und 9:
¨s(t) = d2 sdt 2 (t) = g cos β =
- Seite 10 und 11:
1.2.4 Dirichletsches Integral Sei n
- Seite 12 und 13:
die Parametrisierung einer geschlos
- Seite 14 und 15:
Eine Möglichkeit, das Minimum eine
- Seite 16 und 17:
der Variationsrechnung und für die
- Seite 18:
alsoodersomit |(x,y)| 2 ≤ (x,x)(y
- Seite 21 und 22:
also(∗)sup |f k (x) − f l (x)|
- Seite 23 und 24:
Lemma 2.4 (Minkowski-Ungleichung) S
- Seite 25 und 26:
µ - fast überall. Da |f(x)−f l
- Seite 27 und 28:
Satz 2.7 (Vollständigkeit der Sobo
- Seite 29 und 30:
des Hilbertraumes H m (Ω) , also s
- Seite 31 und 32:
2.3.1 Dirac-Familie Eine Familie {
- Seite 33 und 34:
Beweis: Sei E ⊆ Ω meßbar und be
- Seite 35 und 36:
für alle x mit dist(x, supp u) >
- Seite 37 und 38:
Wegen V i ⊆ U i ist dist(V i ,
- Seite 39 und 40:
Beweis: Sei ϕ ∈ C∞(Ω) ◦ , s
- Seite 41 und 42:
alsof(x) ≥ f(y) + ∇f(y) · (x
- Seite 43 und 44:
0 = d dt I(u + tϕ) | t=0= d dt==
- Seite 45 und 46:
Teilmenge von [a,b], auf der sich u
- Seite 47 und 48:
für alle x ∈ [−1, 1]. Wenn u s
- Seite 49 und 50: alsou ′ (x) = c x .Die allgemeine
- Seite 51 und 52: Beweis: Sei a < y < b. Seiχ y (x)
- Seite 53 und 54: Also ist u ∈ C 2 ([a,b]) eine Lö
- Seite 55 und 56: 3.2.5 Wirtingersche Ungleichung Sei
- Seite 57 und 58: Weiter muß gezeigt werden, daß {u
- Seite 59 und 60: = π 2 limk∑k→∞m,l=1= π 2 li
- Seite 61 und 62: nichtleere, konvexe und offene Meng
- Seite 63 und 64: Beweis: (i) Seien y,z ∈ R n und t
- Seite 65 und 66: Wäre nun y ≠ z , dann folgtef(z)
- Seite 67 und 68: Wegen f ξξ (x,u,g(x,u,v)) > 0 fol
- Seite 69 und 70: also0 = d dt J(w + tϕ) | t=0∫ b
- Seite 71 und 72: In kanonischer Form lauten die Eule
- Seite 73 und 74: Man kann diese Gleichungen folgende
- Seite 75 und 76: 4.4.5 Der Fall f(x,u,ξ) = f(u,ξ)
- Seite 77 und 78: Hiermit folgtd[ ( ) ]S γ x,u(x),γ
- Seite 79 und 80: für alle (x,u) ∈ U . Ich werde z
- Seite 81 und 82: (x,u(x,α)) sind die von dieser Lin
- Seite 83 und 84: Zum Beweis des Satzes genügt es al
- Seite 85 und 86: Satz 5.9 (Trennungssatz) Sei H ein
- Seite 87 und 88: gelte lim n→∞ f(x n ) = f(x) f
- Seite 89 und 90: eine stetige, (komplex) lineare Abb
- Seite 91 und 92: Beweis: Sei {x n } ∞ n=1 ⊆ B 1
- Seite 93 und 94: 6 Konvexe Funktionale6.1 Unterhalbs
- Seite 95 und 96: Lemma 6.6 Sei H ein Hilbertraum, se
- Seite 97 und 98: also istt(x,λ) + (1 − t)(y,µ) =
- Seite 99: ) Sei H ein reeller Hilbertraum, se
- Seite 103 und 104: 7 Direkte Methoden der Variationsre
- Seite 105 und 106: Beweis: Seien v 1 ,v 2 ∈ M(F,b) u
- Seite 107 und 108: für alle u ∈ M . Für alle ander
- Seite 109 und 110: folglichund somit∫ x1y 1|y 1|u(z)
- Seite 111 und 112: dem Satz von Beppo Levi1(w,v − u)
- Seite 113 und 114: weil man dann in (∗) v = u±ϕ se
- Seite 115 und 116: für alle ξ ∈ R n . Dann gilt∂
- Seite 117 und 118: 8 Existenztheorie für das Hinderni
- Seite 119 und 120: für fast alle x ∈ ∂Ω. Wegen j
- Seite 121 und 122: =+≤=∫1 [lim |t∇v − (1 − t
- Seite 123 und 124: .) u ∈ M und∫ []1Ω 2 |∇u(x)|
- Seite 125 und 126: [19] A. Sommerfeld: Partielle Diffe