Własności spektralne operatorów unitarnych na przestrzeniach Focka

Wielkość: px
Rozpocząć pokaz od strony:

Download "Własności spektralne operatorów unitarnych na przestrzeniach Focka"

Transkrypt

1 Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Katedra Teorii Ergodycznej i Układów Dynamicznych Joanna Kułaga nr albumu: Praca magisterska na kierunku matematyka Własności spektralne operatorów unitarnych na przestrzeniach Focka Opiekun pracy dyplomowej prof. dr hab. Mariusz Lemańczyk Katedra Teorii Ergodycznej i Układów Dynamicznych TORUŃ 2008 Pracę przyjmuję i akceptuję... data i podpis opiekuna pracy Potwierdzam złożenie pracy dyplomowej... data i podpis pracownika dziekanatu

2

3 Spis treści Wstęp v 1 Wiadomości z teorii spektralnej 1 2 Iloczyn tensorowy 5 3 Teoria miary, działanie grup na zbiorach Miary warunkowe Działanie grup na zbiorach Przykłady analizy spektralnej Iloczyn tensorowy dwóch operatorów Słaba zbieżność Funkcja krotności spektralnej. Rozłączność miar Bibliografia 45 Lista symboli 47 Skorowidz 49 iii

4

5 Wstęp Opis skończonych produktów tensorowych przestrzeni Hilberta i operatorów na unitarnych tych przestrzeniach został podany przez J. von Neumanna oraz F. Murraya w roku 1936 w pracy On Rings of Operators (Ann. Math. (2) 37, ) ([14]). Produkty tensorowe przestrzeni skończenie wymiarowych były jednak znane o wiele wcześniej. Operatory unitarne na przestrzeniach Focka związane są z układami dynamicznymi Gaussa ([7], [10]) i Poissona ([15]). Przestrzenie Focka są również ważnym narzędziem w mechanice kwantowej. Przy ich pomocy można np. wyjaśnić zjawiska anihilacji i tworzenia się cząstek ([5]). W pracy nie będziemy się zajmować znanymi faktami dotyczącymi operatorów unitarnych na przestrzeniach Focka związanymi z maksymalnym typem spektralnym, czy problemem ograniczoności funkcji krotności spektralnej (patrz [7], [10]). Skoncentrujemy się na kilku mniej znanych rezultatach. Najpierw podamy kryterium na prostotę widma dla produktów tensorowych (na podstawie preprintu [9]). Wskażemy też inny dowód niedawnego wyniku O. Ageeva ([2]) dotyczącego częściowo zsymetryzowanych produktów tensorowych. Na koniec uogólnimy rezultat F. Parreau i E. Roy związany z wzajemną zależnością warunków na prostotę widma operatora unitarnego na symetrycznej przestrzeni Focka. Praca składa się z czterech rozdziałów: 1. Wiadomości z teorii spektralnej W tym rozdziale zamieszczone są wiadomości z teorii spektralnej wykorzystywane w pracy. 2. Iloczyn tensorowy Przedstawiono tutaj konstrukcje iloczynu tensorowego, symetrycznego iloczynu tensorowego oraz przestrzeni Focka i symetrycznej przestrzeni Focka. 3. Teoria miary, działanie grup na zbiorach Podane są tu podstawowe wiadomości o miarach warunkowych oraz działaniach grup na zbiorach. 4. Przykłady analizy spektralnej Przeprowadzona została analiza spektralna produktu tensorowego v

6 dwóch operatorów unitarnych z prostym widmem. W następnej części założono pewne słabe zbieżności, by uzyskać proste widmo dla produktów tensorowych. Na koniec badana jest funkcja krotności spektralnej. Wskazane są pewne zależności między miarami spektralnymi na naturalnych podprzestrzeniach symetrycznej przestrzeni Focka przy założeniu prostego widma na tych podprzestrzeniach. U czytelnika założono podstawową znajomość następujących działów matematyki: algebry liniowej, teorii miary, analizy funkcjonalnej, topologii i analizy harmonicznej. vi

7 Rozdział 1 Wiadomości z teorii spektralnej Definicje i twierdzenia z tego rozdziału oraz ich dowody można znaleźć w [13]. W dalszej części pracy będziemy swobodnie korzystać z podanych tutaj informacji. Niech H będzie ośrodkową przestrzenią Hilberta, zaś U : H H operatorem unitarnym, tzn. izomorfizmem liniowym spełniającym warunek Uh, Ug = h, g dla dowolnych elementów h, g H. Definicja 1.1. Ciąg liczb zespolonych {r n } + n= nazywamy dodatnio określonym, gdy dla dowolnego ciągu {a n } + n=0 C i dowolnego N > 0 zachodzi warunek N r n m a n ā m 0. n,m=0 Przykładem ciągu dodatnio określonego jest ciąg { U n h, h } + n=. Istotnie: Nn,m=0 U n m h, h a n ā m = N n,m=0 U n h, U m h a n ā m = = N n=0 a n U n h, N m=0 a m U m h = N n=0 a n U n h 2 0. Twierdzenie 1.1 (G. Herglotz). Jeśli ciąg {r n } + n= jest dodatnio określony, to istnieje dokładnie jedna nieujemna, skończona miara borelowska σ na T taka, że dla wszystkich n Z r n = z n dσ(z). T Ponadto dla dowolnej miary nieujemnej, skończonej, borelowskiej σ na T ciąg r n zadany powyższym wzorem jest dodatnio określony. Wniosek 1.2. Dla każdego x H istnieje jedyna miara σ x na okręgu spełniająca dla wszystkich n Z warunek U n x, x = z n dσ(z). 1 T

8 2 1. Wiadomości z teorii spektralnej Definicja 1.2. Miarę σ h nazywamy miarą spektralną elementu h. Definicja 1.3. Przestrzeń Z(x) = span{u n x, n Z} nazywamy przestrzenią cykliczną elementu h. Przestrzeń ta jest U-niezmiennicza. Głównym twierdzeniem w teorii spektralnej operatorów unitarnych jest następujące twierdzenie o rozkładzie ośrodkowej przestrzeni Hilberta na sumę prostą podprzestrzeni cyklicznych: Twierdzenie 1.3. Niech U : H H będzie operatorem unitarnym ośrodkowej przestrzeni Hilberta. Wówczas istnieją elementy x n H takie, że H = Z(x n ) oraz σ x1 σ x2... (1.1) n=1 Ponadto, jeśli H = n=1 Z(y n ) dla pewnych y 1,..., y n σ y1 σ y2..., to dla dowolnego n 1, σ xn σ yn. H takich, że Definicja 1.4. Każdy rozkład przestrzeni H spełniający warunek (1.1) nazywamy rozkładem spektralnym. Definicja 1.5. Typ miary σ x1 nazywamy maksymalnym typem spektralnym operatora U. Niech A n = supp dσxn dσ x1 ( dµ dν oznacza pochodną Radona-Nikodyma miary µ wględem miary ν, gdzie µ ν, patrz [4]). Zbiory A n są zdefiniowane prawie wszędzie względem miary σ x1. Ponadto więc dσ xn+1 dσ x1 = dσ x n+1 dσ xn dσ x n dσ x1, A 1 A 2 A Definiujemy funkcję M U : T N { } wzorem M U (z) = χ An (z). n=1 Funkcja ta jest zdefiniowana z dokładnością do zbioru miary σ U zero. Definicja 1.6. Funkcję M U nazywamy funkcją krotności spektralnej operatora U. Definicja 1.7. Powiemy, że operatory unitarne U i : H i H i, i = 1, 2 są spektralnie izomorficzne, jeśli istnieje W : H 1 H 2 izometria na taka, że W U 1 = U 2 W. Piszemy wtedy U 1 U 2.

9 3 Twierdzenie 1.4. Operatory U 1, U 2 ośrodkowych przestrzeni Hilberta odpowiednio H 1, H 2 są spektralnie izomorficzne wtedy i tylko wtedy, gdy mają te same maksymalne typy spektralne i funkcje krotności spektralnej. Definicja 1.8. Powiemy, że operator U ma proste widmo, jeśli jego ciąg miar spektralnych jest postaci σ x , U ma jednorodne widmo krotności n, jeśli jego ciąg miar spektralnych jest postaci σ x1 σ xn 0... Stwierdzenie 1.5. Przestrzeń L 2 (T, µ) z operatorem mnożenia przez zmienną niezależną V (f)(z) = zf(z) jest przestrzenią cykliczną z typem spektralnym µ. Stwierdzenie 1.6. Operator unitarny U : Z(x) Z(x) jest spektralnie izomorficzny z operatorem V x : L 2 (T, σ x ) L 2 (T, σ x ). Twierdzenie 1.7 (Lemat Wienera). Jeśli H 0 jest domkniętą podprzestrzenią V -niezmienniczą (tzn. V H 0 = H 0 ) przestrzeni L 2 (T, µ) (gdzie V jest operatorem mnożenia przez zmienną niezależną), to H 0 = χ A L 2 (T, µ) dla pewnego zbioru borelowskiego A T. Stwierdzenie 1.8. Jeśli H 1 Z(x) jest domkniętą podprzestrzenią U-niezmienniczą, to H 1 jest także przestrzenią cykliczną. Stwierdzenie 1.9. Jeśli µ σ x, to istnieje y Z(x) takie, że σ y = µ. Stwierdzenie Jeśli y Z(x), to σ y σ x, przy czym σ x σ y dokładnie wtedy, gdy Z(x) = Z(y). Stwierdzenie Jeśli σ jest maksymalnym typem spektralnym operatora U : H H, to dla każdego x H, σ x σ. Jeśli µ σ, to istnieje x H takie, że σ x = µ. Stwierdzenie Jeśli σ x σ y, to Z(x) Z(y), σ x+y = σ x + σ y oraz Z(x + y) = Z(x) Z(y). Stwierdzenie Jeśli miary {σ xn } n=1 są parami ortogonalne oraz szereg x n jest zbieżny, to przestrzenie Z(x n ) (n 1) również są parami n=1 ortogonalne, σ = n=1 xn n=1 σ xn oraz Z( x n ) = n=1 Z(x n ). n=1

10

11 Rozdział 2 Iloczyn tensorowy W niniejszym rozdziale przedstawimy konstrukcję iloczynu tensorowego przestrzeni Hilberta, iloczynu tensorowego symetrycznego, przestrzeni Focka oraz symetrycznej przestrzeni Focka. Wiadomości te pochodzą z [12] oraz [14]. Tam również można znaleźć dowody przytaczanych faktów. Zdefiniujemy najpierw iloczyn tensorowy przestrzeni liniowych. Niech E 1, E 2 będą przestrzeniami liniowymi nad ciałem K. Będziemy analizować jedynie przypadek, gdy K = C. Niech E 1 E 2 będzie przestrzenią liniową, której bazą jest zbiór E 1 E 2. Niech N E 1 E 2 oznacza podprzestrzeń generowaną przez wektory postaci n n ( a i x 1,i, x 2 ) a i (x 1,i, x 2 ), (2.1) i=1 i=1 n n (x 1, a i x 2,i ) a i (x 1, x 2,i ), (2.2) i=1 i=1 gdzie a i C, x 1,i, x 1 E 1, x 2,i, x 2 E 2, 1 i n, n 1. Definicja 2.1. Przestrzeń ilorazową E 1 E 2 /N nazywamy (algebraicznym) produktem (iloczynem) tensorowym przestrzeni liniowych E 1, E 2 i oznaczamy ją E 1 E 2. Niech π : E 1 E 2 E 1 E 2 /N = E 1 E 2 będzie naturalnym homomorfizmem. Dla x 1 E 1, x 2 E 2 stosujemy oznaczenie x 1 x 2 = π((x 1, x 2 )). Wówczas (2.1) i (2.2) oznaczają, że n n ( a i x 1,i ) x 2 = a i x 1,i x 2, i=1 i=1 5

12 6 2. Iloczyn tensorowy n n x 1 ( a i x 2,i ) = a i x 1 x 2,i. i=1 i=1 Zasadniczą własnością produktu tensorowego jest następujące stwierdzenie: Stwierdzenie 2.1. Niech E 1, E 2, F będą przestrzeniami liniowymi. Istnieje naturalny izomorfizm liniowy pomiędzy przestrzenią odwzorowań liniowych E 1 E 2 w F : Lin(E 1 E 2, F ), a przestrzenią odwzorowań dwuliniowych E 1 E 2 w F : Lin 2 (E 1 E 2, F ). Izomorfizm ten wyznaczony jest przez zależność Â(x 1 x 2 ) = A(x 1, x 2 ), dla A: E 1 E 2 F. Stwierdzenie 2.2. Niech X 1, X 2 będą niepustymi zbiorami i niech V 1 C X 1, V 2 C X 2 będą podprzestrzeniami liniowymi. Wówczas przestrzeń V 1 V 2 jest izomorficzna z poprzestrzenią W C X 1 X 2 generowaną przez funkcje postaci f 1 f 2, gdzie dla dowolnych (x 1, x 2 ) X 1 X 2. f 1 f 2 (x 1, x 2 ) = f 1 (x 1 ) f 2 (x 2 ) Stwierdzenie 2.3. Niech H 1, H 2 będą przestrzeniami prehilbertowskimi z iloczynami skalarnymi odpowiednio, H1,, H2. Wówczas przestrzeń liniowa H 1 H 2 jest również przestrzenią prehilbertowską, z iloczynem skalarnym danym wzorem x 1 x 2, y 1 y 2 = x 1, y 1 H1 x 2, y 2 H2. Definicja 2.2. Produktem tensorowym (iloczynem tensorowym) przestrzeni Hilberta H 1, H 2 nazywamy uzupełnienie przestrzeni metrycznej H 1 H 2 z metryką wyznaczoną przez określony powyżej iloczyn skalarny. Oznaczamy ją w ten sam sposób: H 1 H 2. W dalszym ciągu pracy przez H 1 H 2 będziemy rozumieć przestrzeń Hilberta. Stwierdzenie 2.4. Jeśli {x i ; i I} oraz {y j ; j J} generują przestrzenie Hilberta odpowiednio H 1 i H 2, to rodzina {x i y j ; (i, j) I J} generuje przestrzeń Hilberta H 1 H 2. Ponadto, jeśli {x i ; i I} oraz {y j ; j J} są bazami ortonormalnymi odpowiednio przestrzeni H 1, H 2, to {x i y j ; (i, j) I J} jest bazą ortonormalną przestrzeni H 1 H 2. Stwierdzenie 2.5. Produkt tensorowy przestrzeni Hilberta L 2 (X 1, B 1, µ 1 ) L 2 (X 2, B 2, µ 2 )

13 7 jest izomorficzny z przestrzenią L 2 (X 1 X 2, B 1 B 2, µ 1 µ 2 ) oraz z przestrzenią L 2 (X 1, µ 1 ; L 2 (X 2, µ 2 )). Pierwszy z izomorfizmów otrzymujemy przez identyfikację tensora f 1 f 2 z funkcją (x 1, x 2 ) f 1 (x 1 ) f 2 (x 2 ), a drugi przez jego identyfikację z funkcją x 1 f 1 (x 1 ) f 2 ( ) L 2 (X 2, µ 2 ). W podobny sposób, jak w przypadku dwóch przestrzeni Hilberta, można rozpatrywać produkt tensorowy dowolnej skończonej liczby przestrzeni Hilberta H 1,..., H n. Odwzorowania dwuliniowe zamienia się na wieloliniowe, przy czym z konstrukcji wynika reguła łączności produktu tensorowego. Iloczyn skalarny w przestrzeni H 1 H n spełnia równość x 1 x n, y 1 y n = x 1, y 1 H1 x n, y n Hn. Uwaga 2.1. x, y = x, y n dla x, y H. Definicja 2.3. Niech U 1, U 2 będą operatorami unitarnymi przestrzeni Hilberta odpowiednio H 1, H 2. Operator U 1 U 2 : H 1 H 1 H 1 H 2 definiujemy w następujący sposób: (U 1 U 2 )(x 1 x 2 ) = U 1 (x 1 ) U 2 (x 2 ), (2.3) dla dowolnych elementów x 1 H 1, x 2 H 2 i nazywamy go produktem (iloczynem) tensorowym operatorów U 1, U 2. Uwaga 2.2. Powyższa definicja jest poprawna, to znaczy wzór (2.3) rozszerza się w sposób jednoznaczny do operatora unitarnego zadanego na przestrzeni H 1 H 2. Definicja 2.4. Niech H będzie ośrodkową przestrzenią Hilberta. Przestrzeń gdzie H F (H) = H, n=0 = H H, H }{{} 0 = C, nazywamy przestrzenią Focka. Dla n operatora unitarnego U : H H przez F (U) oznaczać będziemy odpowiadający operator unitarny przestrzeni Focka: F (U) = U : F (H) F (H). n=0 Zdefiniujemy teraz symetryczny produkt tensorowy.

14 8 2. Iloczyn tensorowy Stwierdzenie 2.6. Niech H będzie przestrzenią Hilberta, niech n 1 oraz niech σ S(n), gdzie S(n) oznacza grupę permutacji zbioru {1,..., n}. Istnieje dokładnie jeden operator unitarny na H, oznaczany przez U σ, który spełnia warunek: U σ (x 1 x n ) = x σ(1) x σ(n) dla dowolnych x 1,..., x n H. Uwaga 2.3. Operatorem odwrotnym do U σ jest operator U σ 1. Definicja 2.5. Niech H będzie ośrodkową przestrzenią Hilberta. Przestrzeń H n = { x H ; U σ ( x) = x dla dowolnej permutacji σ S(n)} nazywamy n-tą symetryczną potęgą tensorową przestrzeni H. Stwierdzenie 2.7. Dla dowolnej przestrzeni Hilberta H oraz n 1, proj H n = 1 n! Niech x 1,..., x n H. Kładziemy x 1 x n = 1 n! Wówczas = 1 n! π S(n) π S(n) π S(n) U π. x π(1) x π(n) = x 1 x n, y 1 y n = W szczególności, dla x H mamy U π (x 1 x n ) = n! proj H nx 1 x n. π S(n) x n = n! x x 1, y π(1) x n, y π(n). oraz x n, y n = n! x, y n. Stwierdzenie 2.8. Niech {x i ; i I} będzie bazą ortonormalną ośrodkowej przestrzeni Hilberta H. Wówczas rodzina 1 { rs=1 k s! x k 1 i 1 x kr i r ; i 1 < < i r, 0 < k s (s = 1,..., r), k k r = n} jest bazą ortonormalną przestrzeni H n.

15 9 Definicja 2.6. Niech U : H H będzie operatorem unitarnym ośrodkowej przestrzeni Hilberta. Ograniczenie U do podprzestrzeni H n będziemy oznaczać przez U n. Przestrzeń F sym (H) = H n, H 0 = C, n=0 nazywamy symetryczną przestrzenią Focka. Przez F sym (U) oznaczamy odpowiadający operator unitarny symetrycznej przestrzeni Focka: F sym (U) = n=0 U n.

16

17 Rozdział 3 Teoria miary, działanie grup na zbiorach W niniejszym rozdziale wprowadzimy pojęcia i zacytujemy twierdzenia, które są potrzebne w dalszej części pracy. 3.1 Miary warunkowe Zdefiniujemy teraz warunkową wartość oczekiwaną. Twierdzenie 3.1. Niech (X, B, µ) będzie przestrzenią probabilistyczną, zaś A B pod-σ-algebrą. Wówczas istnieje odwzorowanie (nazywane warunkową wartością oczekiwaną) które spełnia poniższe własności: E( A): L 1 (X, B, µ) L 1 (X, A, µ), 1. Dla f L 1 (X, B, µ), E(f A) jest wyznaczona jednoznacznie prawie wszędzie przez następujące warunki: E(f A) jest funkcją A-mierzalną, dla dowolnego zbioru A A, A E(f A)dµ = A fdµ. 2. E( A) jest operatorem liniowym o normie 1. Ponadto E(f A) 0, gdy f 0 dla f L 1 (X, B, µ). 3. Dla f L 1 (X, B, µ), g L (X, A, µ) 4. Jeśli A A jest pod-σ-algebrą, to E(gf A) = ge(f A) p.w. E(E(f A) A ) = E(f A ) p.w. 11

18 12 3. Teoria miary, działanie grup na zbiorach 5. Dla f L 1 (X, A, µ) E(f A) = f p.w. 6. Dla dowolnej funkcji f L 1 (X, B, µ), E(f A) E( f A) p.w. Uwaga 3.1. Operator E( A) działa na przestrzeni L 2 (X, B, µ) jako projekcja ortogonalna na podprzestrzeń L 2 (X, A, µ). Przykład 3.1. Jeśli A = σ(ξ) jest skończoną σ-algebrą generowaną przez skończone rozbicie ξ = {A 1,..., A n } przestrzeni X, to E(f A)(x) = 1 fdµ dla x A i. µ(a i ) A i Przykład 3.2. Rozpatrzmy przestrzeń X = [0, 1] 2 z dwuwymiarową miarą Lebesgue a. Niech A = B {, [0, 1]} będzie σ-algebrą złożoną ze zbiorów postaci B [0, 1] (B B). Wówczas E(f A)(x 1, x 2 ) = 1 0 f(x 1, t)dt. Zauważmy, że wartości funkcji E(f A) są otrzymywane przez obliczenie średniej funkcji f na zbiorze dwuwymiarowej miary Lebesgue a zero. W świetle własności z twierdzenia 3.1 oraz powyższych przykładów, na E(f A)(x) możemy patrzeć jak na średnią funkcji f na pewnej części przestrzeni mierzalnej, gdzie wybór tej części zależy od argumentu x. Definicja 3.1. Niech X będzie zwartą przestrzenią metryczną z miarą probabilistyczną zadaną na σ-algebrze B zbiorów borelowskich tej przestrzeni. Przestrzeń (X, B, µ) nazywamy standardową borelowską przestrzenią probabilistyczną. Definicja 3.2. Dla σ-algebr C, C równość C µ = C oznacza, że dla dowolnych zbiorów A C, B C istnieją zbiory B C, A C takie, że µ(a A ) = 0 oraz µ(b B ) = 0. Zachodzi następujące twierdzenie: Twierdzenie 3.2. Niech (X, B, µ) będzie standardową borelowską przestrzenią probabilistyczną, zaś A B pod-σ-algebrą. Istnieje podzbiór X X taki, że µ(x \ X ) = 0 oraz układ {µ A x ; x X } miar na X, nazywany układem miar warunkowych o następujących własnościach: 1. µ A x jest miarą probabilistyczną na X oraz dla wszystkich f L 1 (X, B, µ) zachodzi E(f A)(x) = f(y)dµ A x (y) p.w. Innymi słowy, dla dowolnej funkcji f L 1 (X, B, µ), f(y)dµ A x (y) zależy w sposób A-mierzalny od x oraz f(y)dµ A x (y)dµ(x) = fdµ dla wszystkich A A. A A

19 3.1. Miary warunkowe Dla dowolnej σ-algebry A takiej, że A µ = A zachodzi µ A x = µ A x p.w. x X. dla 3. Jeśli σ-algebra A jest przeliczalnie generowana, to µ A x ([x] A ) = 1 p.w., gdzie [x] A = A x A A jest atomem σ-algebry A, do którego należy x. Ponadto, jeśli [x] A = [y] A, to µ A x = µ A y. 4. Własność 1 w jednoznaczny sposób wyznacza µ A x dla p.w. x X. Co więcej, wystarczy, by własność 1 zachodziła dla gęstego przeliczalnego zbioru funkcji ciągłych na X, by miary µ A x były w jednoznaczny sposób wyznaczone dla p.w. x X. Definicja 3.3. Układ miar warunkowych z powyższego twierdzenia nazywamy dezintegracją miary µ. Twierdzenie 3.2 charakteryzuje miary warunkowe w terminach warunkowej wartości oczekiwanej. Podamy teraz bardziej geometryczną charakteryzację. Twierdzenie 3.3. Niech (X, B, µ) będzie standardową borelowską przestrzenią probabilistyczną i niech A będzie pod-σ-algebrą σ-algebry B. Przypuśćmy, że istnieje zbiór X B pełnej miary µ oraz układ {ν x ; x X } miar probabilistycznych takich, że: odwzorowanie x ν x jest mierzalne, to znaczy dla dowolnej funkcji f L (X, B, µ) funkcja fdν x jest mierzalna, ν x = ν y dla x, y X takich, że [x] A = [y] A, ν x ([x] A ) = 1, µ = ν x dµ(x), to znaczy fdµ = fdν x dµ(x) dla wszystkich funkcji f L (X, B, µ). Wówczas ν x = µ A x dla p.w. x. Teza jest również prawdziwa w przypadku, gdy powyższe własności zachodzą dla gęstęgo przeliczalnego zbioru rzeczywistych funkcji ciągłych na X. Dowody twierdzeń dotyczących warunkowych wartości oczekiwanych i miar warunkowych oraz więcej informacji na ten temat można znaleźć w [6]. Stamtąd pochodzą też przytoczone przykłady.

20 14 3. Teoria miary, działanie grup na zbiorach 3.2 Działanie grup na zbiorach Niech G będzie grupą, a X niepustym zbiorem. Poniższe definicje i stwierdzenia pochodzą z [3]. Definicja 3.4. Niech δ : G X X. Oznaczmy δ(g, x) = g(x) X. Funkcję δ nazywamy działaniem grupy G na zbiorze X, o ile spełnione są następujące warunki: 1. x X e(x) = x, 2. x X g,h G (gh)(x) = g(h(x)). Definicja 3.5. Stabilizatorem elementu x X nazywamy zbiór G x = {g G; g(x) = x}. Definicja 3.6. Orbitą elementu x X nazywamy zbiór Gx = {y X; g G y = g(x)}. Niech grupa skończona G działa na zbiorze X. Prawdziwe są wówczas następujące stwierdzenia: Stwierdzenie 3.4. Dla dowolnego x X stabilizator G x elementu x jest podgrupą grupy G. Stwierdzenie 3.5. Moc orbity dowolnego elementu grupy jest równa indeksowi jego stabilizatora: #(Gx) = #(G: G x ). Lemat 3.6 (Cauchy, Frobenius, Burnside). Liczba o G orbit wyznaczonych przez działanie grupy G na zbiorze X jest równa gdzie X g = {x X; g(x) = x}. o G = 1 #X g, #G g G

21 Rozdział 4 Przykłady analizy spektralnej 4.1 Iloczyn tensorowy dwóch operatorów Niech U i : H i H i, i = 1, 2 będą operatorami unitarnymi ośrodkowych przestrzeni Hilberta. Twierdzenie 4.1. Maksymalny typ spektralny σ U1 U 2 jest równy σ U1 σ U2. Dowód. Ponieważ przestrzeń H 1 H 2 jest generowana przez tensory postaci x 1 x 2 oraz (U 1 U 2 ) n (x 1 x 2 ), x 1 x 2 = U n 1 x 1, x 1 U n 2 x 2, x 2, więc zachodzi następująca równość współczynników Fouriera miar: dla dowolnego n Z. Zatem σ x1 x 2 [n] = σ x1 [n] σ x2 [n] σ x1 x 2 = σ x1 σ x2 σ U1 σ U2. Stąd miara spektralna dowolnego elementu przestrzeni H 1 H 2 względem operatora U 1 U 2 jest absolutnie ciągła względem miary σ U1 σ U2. Ponadto miara ta jest realizowana przez iloczyn tensorowy elementów realizujących maksymalne typy spektralne operatorów U 1, U 2. Wskażemy teraz metodę obliczania krotności spektralnej produktu tensorowego operatorów unitarnych. Przeprowadzimy analizę przypadku, gdy U 1, U 2 mają proste widmo. Niech σ, ν będą miarami dodatnimi na T. Rozpatrzmy operator V σ V ν. Przy identyfikacji przestrzeni L 2 (T, σ) L 2 (T, ν) 15

22 16 4. Przykłady analizy spektralnej z przestrzenią L 2 (T T, σ ν) ze stwierdzenia 2.5 operator V σ V ν staje się równy operatorowi W, dla którego W (F )(z 1, z 2 ) = z 1 z 2 F (z 1, z 2 ) dla dowolnej funkcji F L 2 (T T, σ ν). Niech s: T T T będzie dane wzorem s(z 1, z 2 ) = z 1 z 2. Zatem s (σ ν) = σ ν, a ponadto σ ν = µ z d(σ ν)(z), T gdzie miary warunkowe µ z są skupione na zbiorach s 1 (z) dla σ ν prawie wszystkich z T. Zauważmy, że wówczas dla A B(T) mamy Rzeczywiście, σ ν(a) = 0 µ z (s 1 (A)) = 0 dla σ µ-p.w. z A. (4.1) σ µ(a) = 0 s (σ µ)(a) = 0 σ µ(s 1 (A)) = 0 µ z (s 1 (A))dσ µ(z) = 0 µ z (s 1 (A)) = 0 dla σ µ-p.w. z A. A Zauważmy ponadto, że operator U s : L 2 (T, σ µ) L 2 (T T, σ µ) określony wzorem U s (f)(z 1, z 2 ) = f(s(z 1, z 2 )) = f(z 1 z 2 ) jest izometrią (na ogół nieodwracalną, gdyż odwzorowanie s nie musi być różnowartościowe p.w.). Ponadto Rozbijamy teraz okrąg T: W U s = U s V σ ν. (4.2) T = Z n Z Z c, (4.3) n=1 gdzie dla z Z n miara warunkowa µ z jest miarą atomową o n atomach (n 1), dla z Z miara µ z jest miarą dyskretną o nieskończenie wielu atomach, natomiast dla z Z c miara warunkowa nie jest miarą dyskretną. Aby wykazać mierzalność powyższego rozbicia skorzystamy z następującego lematu Lebesgue a (jego dowód można znaleźć np. w [8]): Twierdzenie 4.2 (H. Lebesgue). Niech (X, d) będzie zwartą przestrzenią metryczną i niech U = {U λ } λ Λ będzie otwartym pokryciem X. Wówczas istnieje liczba δ > 0 (nazywana liczbą Lebesgue a) taka, że dla dowolnego podzbioru A X o średnicy diam(a) < δ istnieje λ Λ taka, że A U λ. Lemat 4.3. Rozbicie (4.3) jest mierzalne.

23 4.1. Iloczyn tensorowy dwóch operatorów 17 Dowód. Niech {x i ; i N} będzie podzbiorem gęstym (np. zbiorem liczb zespolonych o module jeden i argumentach będących wymierną wielokrotnością π). Oznaczmy przez A i,j (i, j N) następujące zbiory: A i,j = {(z 1, z 2 ) T 2 ; Arg(x i ) Arg(z 2 ) Arg(x j ) lub Niech funkcje f n 1, f z : T R będą dane wzorami Arg(x j ) Arg(z 2 ) Arg(x i )}. f1 n (z) = sup {µ z (A i,j ); Arg(x i ) Arg(x j ) < 1 i,j N n }, f 1 (z) = inf n N f n 1 (z). Ze względu na twierdzenie 3.2, funkcje f1 n dla n 1 są mierzalne, więc również funkcja f 1 jest mierzalna. Pokażemy, że wartość funkcji f 1 dla argumentu z T to miara największego atomu miary µ z, a w przypadku miary ciągłej wartość ta wynosi zero. Istotnie, załóżmy, że f 1 (z 0 ) > ε dla pewnego ε > 0. Pokażemy, że miara µ z0 ma atom. Przypuśćmy, że tak nie jest, tzn. miara ta jest ciągła. Z definicji funkcji f 1, f1 n otrzymujemy, że f 1 n(z 0) > ε dla wszystkich n N, a następnie, że dla dowolnego n N istnieją i n, j n N takie, że Arg(x in ) Arg(x jn ) < 1 n oraz µ z 0 (A in,jn ) > ε. Weźmy teraz otwarte pokrycie T 2 zbiorami miary ε postaci T U λ, gdzie λ T oraz λ U λ dla dowolnego λ T. Niech δ > 0 będzie liczbą Lebesgue a dla tego pokrycia. Istnieje n N takie, że Arg(x in ) Arg(x jn ) < δ. Oznacza to, że istnieje takie λ Λ, że A in,jn T U λ. Zatem ε < µ z0 (A in,j n ) µ z0 (T U λ ) = ε. Otrzymaliśmy więc sprzeczność. Z drugiej strony, jeśli punkt (zz0 1, z 0) jest atomem miary µ z, to f1 n(z) µ z({(zz0 1, z 0)}) dla wszystkich n N, więc również f 1 (z) = inf n N f1 n(z) µ z({(zz0 1, z 0)}) > 0, co kończy dowód faktu, że f 1 (z) przyjmuje wartość miary największego atomu miary µ z. Niech funkcje fk n, f k : T R dla k 1 dane będą wzorami: f n k (z) = sup i1,...,i k,j 1,...,j k N{µ z (A i1,j 1 A ik,j k ); zbiory A i1,j 1,..., A ik,j k są parami rozłączne oraz x is x js < 1 n dla 1 s k}, f k (z) = inf n N f n k (z). Podobnie, jak wcześniej, można pokazać, że wartość funkcji f k dla argumentu z T to suma miar k atomów miary µ z o największej mierze. Niech funkcja g : T R będzie dana wzorem g(z) = µ z (T 2 ) lim k f k(z).

24 18 4. Przykłady analizy spektralnej Funkcja g jest funkcją mierzalną i przyjmuje wartość zero dla tych argumentów z T, dla których miara µ z jest czysto atomowa i przyjmuje wartość większą od zera dla tych z T, dla których miara µ z ma część ciągłą. Zauważmy, że Z n = {z T; f n+1 (z) = f n (z)} g 1 ({0}) dla n 1, Z c = g 1 ((0, + )), Z = T \ n=1z n \ Z c. Są to więc zbiory mierzalne. Tym samym dowód lematu został zakończony. 1 Twierdzenie 4.4. Operator V σ V ν ma: jednorodną krotność spektralną n na Z n z typem σ ν Zn, n 1, nieskończoną krotność jednorodną na Z Z c z typem σ ν Z Z c. Dowód. Zauważmy, że dla dowolnego Z B(T) podprzestrzeń χ s 1 (Z)L 2 (T T, σ ν) jest podprzestrzenią niezmienniczą dla operatora W. Ustalmy n 1 i niech ρ n = σ ν Zn. Istnieje rozbicie mierzalne 2 n s 1 (Z n ) = Z n,i, i=1 dla którego zbiór Z n,i s 1 (z) zawiera dokładnie jeden atom miary µ z dla ρ n -p.w. z Z n (tzn. istnieje mierzalna metoda wyboru po jednym atomie miar warunkowych z włókien odwzorowania s). Oznacza to, że odwzorowanie s Zn,i jest różnowartościowe (p.w.), a ponadto (s Zn,i ) (σ ν s 1 (Z n,i )) σ ν Zn, co (patrz (4.2)) oznacza, że odpowiednie obcięcie operatora U s ustala izomorfizm działania operatora W na podprzestrzeni χ Zn,i L 2 (T T, σ ν) z obcięciem działania operatora V σ ν do χ Zn L 2 (T, s (σ ν) Zn,i ). Ale ze względu na (4.1), s (σ ν) Zn,i (σ ν) Zn. Ponieważ V σ ν χzn L 2 (T,σ ν) ma proste widmo, więc na χ s 1 (Z n)l 2 (T T, σ ν) operator W ma krotność jednorodną równą n (a maksymalny typ spektralny wynosi σ ν Zn ). 1 Funkcje, których wartościami są miary kolejnych atomów miar warunkowych pojawiają się w [1], jednak bez dowodu ich mierzalności. 2 W. A. Rochlin, Ob osnownych poniatiach tieorii miery, Mat. Sbornik 67 (1949), (patrz [10])

25 4.2. Słaba zbieżność 19 Podobne rozumowanie przeprowadzamy dla Z. Dla (p.w.) z Z c kładziemy µ z = µ (d) z + µ (c) z, gdzie µ (c) z jest (z założenia niezerową) częścią ciągłą miary µ z. Zauważmy, że maksymalny typ spektralny operatora W na podprzestrzeni χ s 1 (Z c)l 2 (T T, σ ν) jest równy σ ν Zc. Weźmy dowolną liczbę naturalną k 1. Ponieważ miary µ (c) z są ciągłe, więc istnieje rozbicie mierzalne k s 1 (Z c ) = Z c,i i=1 takie, że µ (c) z (Z c,i ) > 0 dla (p.w.) z Z c. Wtedy, ze względu na (4.1) miara s (σ ν) Zc,i jest miarą równoważną mierze σ ν Zc. Oznacza to, że znaleźliśmy k podprzestrzeni niezmienniczych (dla operatora W ) przestrzeni χ s 1 (Z c,i )L 2 (T T, σ ν) parami ortogonalnych, na których ich maksymalny typ spektralny jest typem miary σ ν Zc. Ponieważ maksymalny typ spektralny operatora W na χ s 1 (Z c,i )L 2 (T T, σ ν) jest równy σ ν Zc, więc na χ s 1L 2 (T T, σ ν) operator W ma nieskończoną krotność jednorodną (zauważmy, że ewentualne atomy miar warunkowych dla z Z c już niczego nie wnoszą do tego rozumowania). Powyższe twierdzenia wraz z dowodami (oprócz twierdzenia 4.2 i lematu 4.3) pochodzą z [11]. 4.2 Słaba zbieżność W tej części pracy będziemy zakładać pewne słabe zbieżności, aby otrzymać proste widmo dla produktów tensorowych rozpatrywanych operatorów. Będziemy się opierać na [9]. Lemat 4.5. Niech V : H H będzie operatorem unitarnym przestrzeni Hilberta. Jeśli F H jest domkniętą podprzestrzenią V -niezmienniczą, oraz V nt A w słabej topologii operatorowej, gdzie A jest operatorem liniowym i ciągłym na H, to AF F. Dowód. Z twierdzenia Mazura przestrzeń F jako domknięta podprzestrzeń przestrzeni Hilberta H jest słabo domknięta, co pociąga zawieranie AF F. Lemat 4.6. Niech V i : H i H i będzie operatorem unitarnym (i = 1, 2) oraz Vi nt A i słabo, gdzie A i są operatorami liniowymi i ograniczonymi na przestrzeniach H i. Wówczas (Vi )nt A i słabo oraz (V 1 V 2 ) nt A 1 A 2 słabo. Dowód. Dowód wynika wprost z definicji słabej zbieżności.

26 20 4. Przykłady analizy spektralnej Twierdzenie 4.7. Niech V 1 i V 2 będą operatorami unitarnymi ośrodkowych przestrzeni Hilberta odpowiednio H 1, H 2 oraz załóżmy następujące słabe zbieżności: gdzie c 1 c 2. Wówczas σ V1 σ V2. V nt 1 c 1 Id, V nt 2 c 2 Id, Dowód. Przypuśćmy, że σ V1 σ V2. Wówczas istnieje niezerowa miara µ taka, że µ σ V1, σ V2. Zatem istnieją niezerowe elementy y i H i takie, że σ y1,v 1 = σ y2,v 2 = µ. Stąd Z drugiej strony jednak µ[ n t ] = ˆσ y1,v 1 [ n t ] = V nt 1 y 1, y 1 c 1 y 1 2. µ[ n t ] = ˆσ y2,v 2 [ n t ] = V nt 2 y 2, y 2 c 2 y 2 2. Obie te równości nie mogą zachodzić jednocześnie przy c 1 c 2, gdyż y 1 2 = σ y1,v 1 (T) = ν(t) = σ y2,v 2 (T) = y 2 2. Lemat 4.8. Załóżmy, że W : H H jest operatorem liniowym i ograniczonym przestrzeni Hilberta. Jeśli F H jest podprzestrzenią W - oraz W -niezmienniczą, to proj F W = W proj F. Dowód. Zauważmy, że W (F ) F. Istotnie, niech x F. Wówczas dla f F mamy W x, f = x, W f. Ponieważ W (F ) F, więc x W (F ), co pociąga W x F. Niech x H. Wówczas ze względu na liniowość rozpatrywanych operatorów otrzymujemy, że proj F W (x) = proj F (W (proj F (x)) + W (x proj F (x))) = W proj F (x). }{{}}{{} F F Twierdzenie 4.9. Niech V i : H i H i, i = 1, 2 będą operatorami unitarnymi z prostym widmem. Przypuśćmy ponadto, że 1. V nt i 1 2 (Id + V i) słabo (i = 1, 2),

27 4.2. Słaba zbieżność V mt i 1 2 (Id + c iv i ) słabo (i = 1, 2). Jeśli c 1 c 2, to również operator V 1 V 2 : H 1 H 2 H 1 H 2 ma proste widmo. że Dowód. Niech f i H i będą takie, że H i = Z Vi (f i ) (i = 1, 2). Pokażemy, Połóżmy F := Z V1 V 2 (f 1 f 2 ). Mamy dla dowolnego k Z. Ponieważ z lematu 4.6 więc H 1 H 2 = Z V1 V 2 (f 1 f 2 ). (4.4) V k 1 f 1 V k 2 f 2 F (4.5) (V 1 V 2 ) nt 1 4 (Id + V 1) (Id + V 2 ), (f 1 + V 1 f 1 ) (f 2 + V 2 f 2 ) F, a zatem, korzystając z (4.5) otrzymujemy, że f 1 V 2 f 2 + V 1 f 1 f 2 = = (f 1 + V 1 f 1 ) (f 2 + V 2 f 2 ) f 1 f 2 V 1 f 1 V 2 f 2 F. (4.6) Podobnie, (f 1 + c 1 V 1 f 1 ) (f 2 + c 2 V 2 f 2 ) F, skąd c 1 V 1 f 1 f 2 + f 1 (c 2 V 2 f 2 ) = Z (4.6) oraz (4.7) wynika, że c 1 f 1 V 2 f 2 c 2 f 1 V 2 f 2 = = (f 1 + c 1 V 1 f 1 ) (f 2 + c 2 V 2 f 2 )+ f 1 f 2 (c 1 V 1 f 1 ) (c 2 V 2 f 2 ) F. (4.7) = c 1 (f 1 V 2 f 2 + V 1 f 1 f 2 ) (c 1 V 1 f 1 f 2 + f 1 (c 2 V 2 f 2 )) F, c 2 V 1 f 1 f 2 c 1 V 1 f 1 f 2 = = c 2 (f 1 V 2 f 2 + V 1 f 1 f 2 ) (c 1 V 1 f 1 f 2 + f 1 (c 2 V 2 f 2 )) F. Ponieważ c 1 c 2, więc f 1 V 2 f 2 F, V 1 f 1 f 2 F. Załóżmy teraz, że f 1 V j 2 f 2 F, V j 1 f 1 f 2 F dla j = 0, 1,..., s. Wówczas ze względu na założone słabe zbieżności 4V nt 1 V nt 2 (V s 1 f 1 f 2 ) (V s 1 f 1 + V s+1 1 f 1 ) (f 2 + V 2 f 2 ) F.

28 22 4. Przykłady analizy spektralnej Po opuszczeniu nawiasów mamy więc V s 1 f 1 f 2 + V s 1 f 1 V 2 f 2 + V s+1 1 f 1 f 2 + V s+1 1 f 1 V 2 f 2 F. Zauważmy, że pierwszy, drugi i czwarty składnik sumy należą do F z założenia indukcyjnego. W związku z tym, również musi zachodzić V1 s+1 f 1 f 2 F. Podobnie, (f 1 + V 1 f 1 ) (V2 sf 2 + V2 s+1 f 2 ) F. Po opuszczeniu nawiasów otrzymujemy, że f 1 V s 2 f 2 + f 1 V s+1 2 f 2 + V 1 f 1 V s 2 f 2 + V 1 f 1 V s+1 2 f 2 F. Tak, jak wcześniej, pierwszy, trzeci i czwarty składnik już z założenia należą do F, zatem również drugi składnik musi należeć do tej podprzestrzeni: f 1 V s+1 2 f 2 F. Wykazaliśmy zatem, że V1 sf 1 V2 rf 2 F dla dowolnych r, s Z, skąd już wynika (4.4) i dowód twierdzenia jest tym samym zakończony. Twierdzenie Niech V : H H będzie operatorem unitarnym z prostym ciągłym widmem. Przypuśćmy, że V nt 1 2 (Id+V ). Wówczas operator V V ma widmo jednorodne krotności 2. Dowód. Pokażemy najpierw, że krotności spektralne operatora V V są parzyste. Weźmy dezintegrację miary σ V σ V nad σ V σ V : σ V σ V = µ z dσ V σ V. T Niech miary µ z dla z T dane będą wzorem P (µ z ) gdzie przekształcenie P : T 2 T 2 zdefiniowane jest jako P ((z 1, z 2 )) = (z 2, z 1 ). Wówczas σ V σ V = P (σ V σ V ) = P (µ z )dσ V σ V = µ z dσ V σ V, T więc z twierdzenia 3.3 mamy µ z = µ z dla p.w. z T. Pokażemy, że dla p.w. z T prawdziwa jest następująca własność: jeśli punkt (z 1, z 2 ) T 2 jest atomem miary µ z, to również (z 2, z 1 ) T 2 jest jej atomem. (4.8) Istotnie, niech z T będzie takie, że µ z = µ z. Załóżmy, że µ z ({(z 1, z 2 )}) > 0. Wówczas µ z ({(z 2, z 1 )}) = µ z ({(z 1, z 2 )}) = µ z ({(z 1, z 2 )}) > 0. T Ponieważ σ V σ V {(z, z) T 2 ; z T} = 0, (4.9)

29 4.2. Słaba zbieżność 23 więc z (4.8) wynika, że ilość atomów miar warunkowych nie leżących na przekątnej {(z, z) T 2 ; z T} jest parzysta i tym samym, z twierdzenia 4.4 (po modyfikacji uwzględniającej (4.9)), funkcja krotności spektralnej operatora V V może przyjować tylko wartości parzyste. Oznaczmy F = Z V V (f V f) + Z V V (V f f), gdzie f H jest taki, że H = Z V (f). Pokażemy, że F = H H. Postępując podobnie jak w dowodzie poprzedniego twierdzenia mamy (V nt V )(f V f) 1 2 (f + V f) V 2 f, więc (ponieważ (V V )(f V f) = V f V 2 f F ) otrzymujemy, że f V 2 f F i podobnie f V k f F dla k 1, a następnie dla k 1. Podobnie, jak wcześniej, korzystając z lematu 4.6 (V nt V )(V f f) 1 2 V f f + f f F, więc również V k f V k f F dla dowolnego k Z (wiemy już, że V f f F ). Oznacza to, że dla dowolnych k, l N mamy V k f V l f F, a zatem H H F. Oczywiście zawieranie odwrotne również zachodzi. Zatem funkcja krotności spektralnej operatora V V jest ograniczona z góry przez 2, co kończy dowód. Uwaga 4.1. Zauważmy, że zamiast założenia o ciągłym widmie w powyższym twierdzeniu wystarczy przyjąć, że σ V ({1}) = 0. Istotnie, przypuśćmy, że funkcja f jest wektorem własnym dla operatora V, to znaczy V f = cf dla pewnego c T. Mamy więc c nt f 2 = V nt f, f 1 2 f + cf, f = 1 2 (1 + c) f 2, skąd c nt 1 2 (1 + c), co jest możliwe jedynie dla c = 1. Zatem jedyną możliwą wartością własną operatora V jest jeden. Jeśli wykluczymy tę możliwość, prawdziwa będzie równość (4.9). Jest to jedyne miejsce w dowodzie, w którym została wykorzystana ciągłość miary σ V. W dalszej części rozpatrywać będziemy operatory unitarne V z prostym widmem takie, że dla nieskończenie wielu κ ( κ 1) istnieje ciąg nieskończony n (κ) t taki, że V n(κ) t 1 2 (κ Id + V ) w słabej topologii operatorowej. Uwaga 4.2. Zauważmy, że takie operatory mają czysto ciągłe widmo. Istotnie, przypuśćmy, że widmo nie jest czysto ciągłe. Jeśli V f = cf ( c = 1, bo V unitarny), to c nt 1 2 (κ+c), co jest możliwe tylko dla κ = c, a założyliśmy istnienie nieskończonie wielu takich κ. Otrzymaliśmy więc sprzeczność.

30 24 4. Przykłady analizy spektralnej Poniższe twierdzenie - w nieco słabszej wersji - udowonił O. Ageev. Podany tu dowód pochodzi natomiast z [9]. Twierdzenie Załóżmy, że V i W są operatorami unitarnymi przestrzeni Hilberta odpowiednio H i G oraz mają proste widmo. Niech S C będzie zbiorem przeliczalnym. Załóżmy ponadto, że dla dowolnego κ S istnieją podciągi (n (κ) t ), (m (κ) t ) takie, że zachodzą następujące zbieżności w słabej topologii operatorowej: V n(κ) t V m(κ) t 1 n(κ) (κ Id + V ), W t 1 (κ Id + W ), (4.10) m(κ) (κ Id + V ), W t 1 ( κ Id + W ), (4.11) 2 2 gdzie κ κ. Wówczas operator F sym (V ) W ma proste widmo. W szczególności, dla dowolnego k 1 operator V k W ma proste widmo. Dowód. Ustalmy k 1. Pokażemy, że V k W ma proste widmo. Załóżmy, że H = Z V (f), G = Z W (g) dla pewnych elementów f H, g G. Udowodnimy, że H k G = Z V k W (f k g). (4.12) Pokażemy najpierw, że H k = Z V k(f k ). (4.13) Oznaczmy F = Z V k(f k ). Z (4.10), dla dowolnego κ S, ponieważ przestrzeń H k jest V k -niezmiennicza oraz ( (κ Id + V ) k) -niezmiennicza i z le- więc jest również (κ Id + V ) k - oraz matu 4.8 (V k ) nκ t 1 2 k (κ Id + V ) k, proj H k (κ Id + V ) k = (κ Id + V ) k proj H k. (4.14) Udowodnimy, że ) proj H k (f i 0 (V n 1 f) i 1 (V np f) ip F (4.15) dla dowolnych i 0,..., i p 0, i 0 + i i p = k, 0 = n 0 < n 1 < < n p. Istotnie, (4.15) zachodzi, gdy p = 0 (wtedy n p = 0). Przypuśćmy, że równość ta jest prawdziwa dla wszystkich dopuszczalnych wyborów parametrów takich, że n p N. Pokażemy teraz, że zależność ta jest też prawdziwa dla ograniczenia N + 1. W tym celu przypuśćmy, że j 0,..., j p 0, p s=0 j s = k, n p = N oraz proj H k(f j 0 (V n 1 f) j 1 (V np f) jp ) F.

31 4.2. Słaba zbieżność 25 Ponieważ, podobnie jak H k, podprzestrzeń F jest V k -niezmiennicza, mamy ( z (4.10), że przestrzeń ta jest też (κ Id + V ) k -niezmiennicza oraz (κ Id + V ) k) -niezmiennicza. Korzystając więc z lematu 4.5 otrzymujemy, że ( )) (κ Id + V ) k proj H k (f j 0 (V n 1 f) j 1 (V np f) jp F. Z (4.14) wynika, że proj H k ( (κ Id + V ) k (f j 0 (V n 1 f) j 1 (V np f) jp )) F. (4.16) Innymi słowy, ze względu na liniowość operatora rzutowania, proj H k(κ k f j 0 (V np F ) jp + κ k 1 (... ) +... ) = = κ k proj H k(f j 0 (V np f) jp ) + κ k 1 proj H k(... ) + F. Popatrzmy na tę zależność, jak na pewne równanie algebraiczne, konkretnie κ k (proj H k(f j 0 (V np f) jp )+F )+κ k 1 (proj H k(... )+F )+ = 0 w H k /F. Ponieważ powyższa równość jest spełniona dla nieskończonej ilości κ, zatem współczynniki z H k /F znikają, to znaczy należą wszystkie do F. Faktycznie, wystarczy zadziałać na powyższą równość elementami z (H k /F ) (gdyby któryś ze współczynników nie należał do F, to po zadziałaniu na nim pewnym funkcjonałem z przestrzeni sprzężonej otrzymalibyśmy liczbę różną od zera, co nie jest możliwe ze względu na nieskończoną ilość wartości κ, dla których równość ma być spełniona oraz teorię równań algebraicznych). Zwróćmy teraz uwagę na współczynnik przy κ k 1. Otrzymujemy, że proj H k( f f (V n 1 f) j 1 (V np f) jp + }{{} jedno f zastąpione przez V f + f j 0 V n 1 f V n 1 f }{{} (V np f) jp + + jedno V n 1 f zastąpione przez V n 1 +1 f + f j 0 (V n 1 f) j 1 V np f V np f }{{} ) F. jedno V np f zastąpione przez V np+1 f Korzystając z liniowości operatora proj H k oraz założenia indukcyjnego otrzymujemy, że wszystkie składniki oprócz ostatniego są już elementami F. Stąd proj H k(f j 0 (V n 1 f) j 1 (V np f) (jp 1) V np+1 f) F

32 26 4. Przykłady analizy spektralnej i tym samym wykazaliśmy (4.15) dla ograniczenia N + 1 i wszystkich dopuszczalnych parametrów z ostatnim elementem j q = 1. Spójrzmy na współczynnik przy κ k 2. Otrzymujemy, że proj H k( f j 1 V nu f V nu f }{{} u w jedno V nu f zastąpione przez V nu+1 f V nw f V nw f }{{} jedno V nw f zastąpione przez V nw+1 f (V np f) jp ) F. Jeśli w < p, możemy skorzystać z założenia indukcyjnego - odpowiednie projekcje są już elementami podprzestrzeni F. Jeśli u < w = p również tak jest, gdyż wykazaliśmy już (4.15) dla N + 1 oraz j q = 1. Zatem ostatni składnik jest jedynym, który nie pojawił się wcześniej. Stąd proj H k(f j 1 (V n 1 f) j 1 (V np f) (jp 2) (V np+1 ) 2 ) F. Pokazaliśmy zatem (4.15) dla ograniczenia N + 1 z j q = 2. Rozpatrując współczynniki przy κ k 3, κ k 4 itd., otrzymujemy, że (4.15) zachodzi. Ponieważ Z(f) = H, span({f i 0 (V n 1 f) i 1 (V np f) ip ; i 0,..., i p 0, i 0 + i i p = k, n 0, n 1,..., n p Z}) = H k. Zatem, z (4.15), F = Z V k(f k ) = H k i (4.13) zachodzi, więc operator V k ma proste widmo. Oznaczmy przez F 1 = Z V k W (f k g). Tak jak wcześniej, wykazujemy, że dla dowolnego κ S (κf + V f) k (κg + W g) F 1, (κf + V f) k ( κg + W g) F 1, więc po wzięciu różnicy mamy (κf + V f) k (κ κ)g F 1 i dalej (κf + V f) k g F 1. Powtarzając wcześniejsze rozumowanie, patrzymy tym razem na współczynnik przy κ 0 i orzymujemy, że (V f) k g F 1. (4.17) Ponieważ jednak przestrzeń F 1 jest niezmiennicza ze względu na operatory (κ Id + V ) k (κ Id + W ) oraz (κ Id + V ) k ( κ Id + W ), więc (κv f + V 2 f) k (κg + W g) F 1, (κv f + V 2 f) k ( κg + W g) F 1, skąd (κv f + V 2 f) k g F 1 i - powtarzając argumenty, które uzasadniały (4.17) - również (V 2 f) k g F 1 oraz (indukcyjnie) (V r f) k g F 1

33 4.2. Słaba zbieżność 27 dla dowolnego r 0. Stosując lemat 4.6, pokażemy, że jest tak również dla ujemnych r. Ponieważ (κ Id + V ) = κ Id + V 1, więc całe powyższe rozumowanie możemy powtórzyć, zamiast V i κ pisząc V 1 i κ. Tym samym, dowód (4.12) został zakończony. Aby udowodnić, że operator F sym (U) ma również proste widmo, wystarczy pokazać, że dla dowolnego N 1 Wprowadźmy oznaczenie N Z N k=1 V ( f k ) = k k=1 N H k. (4.18) k=1 N F = Z N k=1 V ( f k ). k Ponieważ N k=1 f k F, więc dla dowolnego κ S, N k=1 (κf +V f) k F. Stąd k=1 κ N f N + κ N 1 (f (N 1) + N! proj H N (f N 1 V f)) (V f + + (V f) N ) F. Rozpatrując N k=1 H k / F, tak jak wcześniej, otrzymujemy, że f N F, a zatem H N F. Ponadto f (N 1) + N! proj H N (f (N 1) V f) }{{} H N F F, więc f (N 1) F. Wynika stąd, że H (N 1) H N F. Postępując dalej w ten sam sposób wykazujemy, że dla 1 k N f k F, a zatem (4.18) zachodzi. Aby pokazać, że również operator k=0 V k W ma proste widmo, postępujemy podobnie. Przy ustalonym N 1, oznaczamy przez F 1 podprzestrzeń cykliczną generowaną przez N k=1 f k g i mamy ( N ) (κf + V f) k g F 1. k=1 Wówczas, powtarzając wcześniejszy argument, ( ) κ N f N g + κ N 1( ) f (N 1) g + N! proj H N (f (N 1) V f) g + + κ N 2( f (N 2) g + (N 1)! proj H (N 1)(f (N 2) V f) g+ ( ) N ) ( ) + proj 2 H N (f (N 2) (V f) 2 ) g + + V f+ +(V f) N g F 1.

34 28 4. Przykłady analizy spektralnej Zatem f N g F 1, więc H N G F 1. Ponadto f (N 1) g + proj H N (f (N 1) V f) g F 1, }{{} H N G F1 więc f (N 1) g F 1. Wynika stąd, że (H (N 1) H N ) G F 1. W ten sam sposób f k g F 1 dla dowolnego 1 k N. Oznacza to, że F 1 = N k=1 H k G. Zatem operator F sym (V ) W ma proste widmo, co kończy dowód. Uwaga 4.3. Z powyższego dowodu można wywnioskować jeszcze jedną własność: przy tych samych założeniach operator unitarny F sym (V ) F sym (V ) W również ma proste widmo. Istotnie, wystarczy pokazać, że dla dowolnych k, l N σv k σ l V σ W. Aby otrzymać tę własność wykażemy, że H k (H l G) = Z V k V l W (f k + f l g). (4.19) Kładąc F 2 = Z V k V l W (f k + f l g) i postępując, jak w dowodzie twierdzenia 4.11, otrzymujemy, że 1 2 k (κf + V f) k l (κf + V f) l (κg + W g) F 2, 1 2 k (κf + V f) k l (κf + V f) l ( κg + W g) F 2, więc biorąc różnicę, (κf + V f) l g F 2. Ponieważ takich κ jest nieskończona ilość, więc (V f) l g F 2, a zatem H l G F 2. Ponieważ f k + f l g F 2, więc również f k F 2, skąd już wynika (4.19). Uwaga 4.4. Niech V i W będą operatorami unitarnymi przestrzeni Hilberta odpowiednio H i G oraz niech dla nieskończenie wielu 0 < κ < 1 istnieją podciągi (n (κ) t ), (m (κ) t ) takie, że zachodzą następujące zbieżności w słabej topologii operatorowej: V n(κ) t κ Id + (1 κ)v, W n(κ) t κ Id + (1 κ)w, V m(κ) t κ Id + (1 κ)v, W m(κ) t κ κ Id + (1 κ)w, dla pewnego κ 1, κ C. Wówczas zachodzą tezy twierdzenia 4.11 oraz uwagi 4.3. Istotnie, zauważmy, że odwzorowanie x x 1 x jest 1 1 na odcinku (0, 1), a przestrzenie są niezmiennicze ze względu na mnożenie wektorów przez stałe. Wystarczy teraz powtórzyć argumenty z dowodów twierdzenia 4.11 oraz uwagi 4.3.

35 4.3. Funkcja krotności spektralnej. Rozłączność miar Funkcja krotności spektralnej. Rozłączność miar Niech U : H H będzie operatorem unitarnym ośrodkowej przestrzeni Hilberta. Zdefiniujmy I k = { i = (i k,1,..., i k,k ) {1,..., n} k ; i k,r i k,s, r s}. Niech G będzie podgrupą grupy S(n). G działa na zbiorze I k w następujący sposób: π((i k,1,..., i k,k )) = (π(i k,1 ),..., π(i k,k )) dla π G. Zauważmy, że G(I k ) = I k. Na I k możemy rozpatrywać relację równoważności daną przez orbity działania grupy G na zbiorze I k : i k i k π G π( i k ) = i k. Oznaczmy przez o k liczbę orbit działania grupy G na I k. Udowodnimy teraz następujące własności wymienione w [2]: Lemat Przy powyższych oznaczeniach prawdziwe są poniższe stwierdzenia: 1. (o 1,..., o n ) = (1,..., 1) dla G = S(n). 2. (o 1,..., o n ) = (n, n(n 1),..., n!, n!) dla G = {e}. 3. (o 1,..., o n ) = (2, 3,..., n, n) dla G = {g S(n); g(n) = n}. 4. o k o m dla k < m. 5. o n 1 = o n. 6. o 2 o 1 (o 1 1). 7. o n = n! #G. Dowód. 1. Ponieważ G = S(n), więc dla dowolnych i k1, i k2 I k istnieje π G takie, że π( i k1 ) = i k2, więc cały zbiór I k jest jedną orbitą. 2. k 1 o k = #{ i k I k ; i k = i k } = #I k = (n i) 3. Orbity działania grupy G na zbiorze I k można wypisać wprost: {(i 1,..., i k ); 1 i j n 1}, {(n, i 2,..., i k ); 1 i j n 1}, i=0 {(i 1, n, i 3,..., i k ); 1 i j n 1},..., {(i 1, i 2,..., i k 1, n); 1 i j n 1}.

36 30 4. Przykłady analizy spektralnej 4. Zauważmy, że I k widzimy w zbiorze I k+l jako jego pierwsze k współrzędnych. Elementy I k odpowiadające elementom z I k+l, które zostały sklejone, również zostaną sklejone. Zatem uzasadniane nierówności zachodzą. 5. Równość ta wynika z faktu, że elementy zbioru I n są wyznaczone jednoznacznie przez pierwszych n 1 współrzędnych. 6. Dla (i 1, j 1 ), (i 2, j 2 ) I 2, jeśli (i 1, j 1 ) (i 2, j 2 ), to i 1 i 2 oraz j 1 j 2. Oznacza to, że o 2 szacuje się z dołu przez liczbę par (i, j), gdzie wybieramy po jednym i oraz j z klas abstrakcji działania G na I 1. Takich par jest o 1 (o 1 1). 7. Zauważmy, że jeśli g id, to { i n I n ; g( i n ) = i n } =, jeśli zaś g = id, to { i n ; g( i n ) = i n } = I n. Zatem z lematu 3.6 o n = 1 #G #I n = n! #G. Przez Hinv (G) oznaczmy podprzestrzeń przestrzeni H tensorów niezmienniczych ze względu na U π dla wszystkich π G. Lemat Dla dowolnych x 1,..., x n H, 1 #G π G x π(1) x π(n) H inv (G). Dowód. Niech τ G. Ponieważ G jest podgrupą, U τ ( 1 #G π G = 1 #G x π(1) x π(n) ) = 1 #G π G U τ (x π(1) x π(n) ) = π G x τ π(1) x τ π(n) = 1 #G x π(1) x π(n). π G Lemat Przy powyższych oznaczeniach zachodzi następujący wzór: proj H inv (G) = 1 #G U π. Dowód. Połóżmy p = 1 #G π G U π. Ze względu na lemat 4.13, p: H Hinv (G). Ponadto dla dowolnych tensorów x H, ỹ H mamy x, ỹ = x, 1 #G π 1 G π G U π 1ỹ = 1 #G U π x, ỹ, π G inv (G)

37 4.3. Funkcja krotności spektralnej. Rozłączność miar 31 co kończy dowód. Wskażemy teraz pewne zależności między widmem operatorów U oraz U n = U H n. Twierdzenie Załóżmy, że σ U = σ jest miarą bezatomową oraz że U ma proste widmo. Ponadto załóżmy, że operator U n ma proste widmo. Wówczas M U (T) = {o H n } σ n p.w. inv (G) Dowód. Ponieważ U ma proste widmo, więc możemy przyjąć, że H = L 2 (T, σ U ) oraz Uf(z) = zf(z). Będziemy wykorzystywać porządek na T pochodzący z przyporządkowania liczbom zespolonym ich argumentów głównych. Niech oraz A i = {(z 1,..., z n ) T n ; z i1 <... < z in } F i = 1 A i L2 (T n, σ U ) dla i I n. Zauważmy, że zbiory A i są parami rozłączne, więc dla i j mamy F i F j. Niech B = {(z 1,..., z n ) T n ; z i = z j dla pewnych i, j, i j}. Wówczas z twierdzenia Fubiniego σ (B) Z ciągłości miary σ mamy więc Zatem Stąd Otrzymujemy więc, że ( ) n σ 2 ({(z, z) T 2 ; z T}). 2 σ (B) = 0. T n = H = i I n A i B. π S(n) F π(1,...,n). H inv (G) = proj H inv (G)H = proj H inv (G)( π S(n) F π(1,...,n) ).

38 32 4. Przykłady analizy spektralnej Zauważmy, że U π (F i ) = F π( i) (4.20) dla π S(n) oraz i I n. Jeśli i j, to i = τ( j) dla pewnego τ G. Pokażemy, że wówczas proj H inv (G)F i = proj H inv (G)F j. Niech więc f i F i. Z lematu 4.14 oraz faktu, że G jest podgrupą wynika, że proj H inv (G) = 1 #G π G Ponieważ U τ (f i ) F τ( i) = F j, więc proj H inv (G)f i U π (f i ) = 1 #G ( 1 #G U π U τ (f i ). π G ) ( U π F j π G Zamieniając rolami i oraz j, otrzymujemy żądaną równość. Jeśli zaś i j, to dla dowolnych π, π G mamy π( i) π ( j), więc zbiory A π( i) i A π ( j) są rozłączne i F π( i) F π ( j). Pokażemy, że Weźmy f i F i, f j F j. Wtedy proj H inv (G)F i proj H inv (G)F j. proj H inv (G)f i = 1 #G proj H inv (G)f j = 1 #G U π (f i ), π G π G U π (f j ). Ponieważ zachodzi (4.20), więc składniki w powyższych wzorach na rzutowanie są parami prostopadłe, co dowodzi ortogonalności przestrzeni proj H (G)F inv i i proj H (G)F inv j. Oznacza to, że Zauważmy, że H inv (G) = o n k=1 proj H inv (G)F i k. F i proj H (G)F inv i, U U F. i projh inv (G)F i Istotnie, izomorfizm spektralny dany jest następująco: ). F i f = 1 A i f #Gproj H inv (G)f proj H inv (G)F i.

39 4.3. Funkcja krotności spektralnej. Rozłączność miar 33 Sprawdźmy warunek izometryczności. Z lematu 4.14, a następnie z (4.20) i twierdzenia Pitagorasa oraz z faktu, że U π zachowuje miarę σu mamy: #Gproj H T n inv (G)f 2 dσu = #G 1 U π (f) 2 dσ T n U #G = π G 1 = U π (f) 2 dσ T n U #G = #G 1 #G = π G f 2 dσ T n U T n f 2 dσ U. Rozpatrywane przyporządkowanie jest w oczywisty sposób na, pozostaje więc sprawdzić ekwiwariantność. Należy pokazać, że dla f F i ( ) ( U proj H inv (G) (f) = proj H inv (G) U ) (f). (4.21) Jednak z lematu 4.8 powyższa równość jest prawdziwa dla dowolnego elementu f H, zatem w szczególności zachodzi ona dla f F i. Stąd H o n inv (G) Fi k. Ponadto dla dowolnych i, j I k zachodzi U F U i F (izomorfizm j zadany jest przez U π dla odpowiedniego π S(n)). Zatem H k=1 o n inv (G) F (1,...,n). k=1 Aby zakończyć dowód twierdzenia, wystarczy pokazać, że przestrzenie F i są przestrzeniami cyklicznymi. Istotnie. Ponieważ operatory U projh inv (G)F i i U F są spektralnie izomorficzne dla dowolnej podgrupy grupy S(n), i więc w szczególności otrzymujemy izomorfizm między U n i U. F i Zauważmy ponadto, że ze względu na warunek ekwiwariantności operator wyznaczający izomorfizm przenosi podprzestrzenie cykliczne na podprzestrzenie cykliczne. Ponieważ zaś operator H n ma proste widmo, więc przestrzeń H n, a tym samym przestrzeń F i, jest przestrzenią cykliczną. Jej generatorem jest funkcja 1. A i Bardziej złożona sytuacja to przypadek miary ciągłej z jednym atomem w jedynce. Udowodnimy dla takich miar twierdzenie analogiczne do poprzedniego. Nieco inny dowód można znaleźć w [2]. Niech więc teraz σ U = σ + δ 1, gdzie σ jest miarą bezatomową. Załóżmy ponadto, że przestrzeń wektorów U-niezmienniczych jest jednowymiarowa. Twierdzenie Niech n 2. Załóżmy, że U (H n ) 0 ma proste widmo, gdzie (H n ) 0 = H n Cx 0. Wówczas M U (T) = {o (H k ; k = 1,..., n} inv (G)) 0 σ + σ σ n p.w., gdzie (Hinv (G)) 0 = Hinv (G) Cx n 0

40 34 4. Przykłady analizy spektralnej Dowód. Weźmy x 0 H taki, że x 0 = 1 oraz Ux 0 = x 0. Taki element istnieje, gdyż miara δ 1 jest absolutnie ciągła względem maksymalnego typu spektralnego operatora U. Oznaczmy przez H 0 uzupełnienie ortogonalne podprzestrzeni Cx 0 : H = H 0 Cx 0. Wówczas H n = (H 0 Cx 0 ) n. Przy oznaczeniu Cx 0 = H 1 mamy więc dalej H n = n k=0 H0 k H1 n k. Zatem (H n ) 0 = n k=1 H k 0 H n k 1. Ponieważ na (H n ) 0 widmo jest proste, to musi być ono proste również na podprzestrzeniach H0 k H1 n k oraz maksymalne typy spektralne tych podprzestrzeni muszą być wzajemnie singularne: σ k σ l dla k l. W szczególności, możemy zakładać, że H = L 2 (T, σ U ) oraz Uf(z) = zf(z). Przy tej reprezentacji H 0 = 1 T\{1} L 2 (T, σ U ), H 1 = 1 {1} L 2 (T, σ U ). Istotnie, H 0 i H 1, jako domknięte podprzestrzenie niezmiennicze, są z lematu Wienera postaci 1 Bi L 2 (T, σ U ), i = 0, 1, a ich maksymalne typy spektralne to σ U Bi, i = 1, 2. Stąd B 0 = T \ {1}, B 1 = {1}. Tak jak w dowodzie poprzedniego twierdzenia, będziemy wykorzystywać porządek na T pochodzący z przyporządkowania liczbom zespolonym ich argumentów głównych. Ustalmy 1 k n. Niech oraz A i k = {(z 1,..., z n ) T n ; z ik,1 <... < z ik,k ; z j = 1, j i k,l } F i k = 1 A i k L 2 (T n, σ U ), gdzie i k I k. Zbiory Ai k są parami rozłączne, a więc dla i k j k mamy Fi k Fj k. Niech B i1,i 2 = {(z 1,..., z n ) T n ; oraz I {1,...,n} #I = n k, i1,i 1 {1,...,n}i 1 i 2 ; i 1, i 2 / I; z i1 = z i2, B = Wówczas z twierdzenia Fubiniego σu = (B i 1,i 2 ) = σu (B n 1,n) = ( ) n 2 σu n k ({(z 1,..., z n ) T n ; 1 i 1 <i 2 n z i = 1 dla i I, z i 1 dla i / I} B i1,i 2. z 1 = = z n k = 1, z n k+1,..., z n 2 < 1, z n 1 = z n < 1}) = ( ) n 2 = σ U ({1}) n k σ U (T \ {1}) k 2 σ U σ U ({(z 1, z 2 ) T 2 ; z 1 = z 2 < 1}). n k

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? a) X = R, d(x, y) = arctg x y ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i

Bardziej szczegółowo

Zadania do Rozdziału X

Zadania do Rozdziału X Zadania do Rozdziału X 1. 2. Znajdź wszystkie σ-ciała podzbiorów X, gdy X = (i) {1, 2}, (ii){1, 2, 3}. (b) Znajdź wszystkie elementy σ-ciała generowanego przez {{1, 2}, {2, 3}} dla X = {1, 2, 3, 4}. Wykaż,

Bardziej szczegółowo

Twierdzenie spektralne

Twierdzenie spektralne Twierdzenie spektralne Algebrę ograniczonych funkcji borelowskich na K R będziemy oznaczać przez B (K). Spektralnym rozkładem jedności w przestrzeni Hilberta H nazywamy odwzorowanie, które każdemu zbiorowi

Bardziej szczegółowo

Informacja o przestrzeniach Hilberta

Informacja o przestrzeniach Hilberta Temat 10 Informacja o przestrzeniach Hilberta 10.1 Przestrzenie unitarne, iloczyn skalarny Niech dana będzie przestrzeń liniowa X. Załóżmy, że każdej parze elementów x, y X została przyporządkowana liczba

Bardziej szczegółowo

Zadania z Analizy Funkcjonalnej I* - 1

Zadania z Analizy Funkcjonalnej I* - 1 Zadania z Analizy Funkcjonalnej I* - 1 1. Która z następujących przestrzeni jest przestrzenią Banacha w normie supremum: C(R); C ogr (R) przestrzeń funkcji ciągłych ograniczonych; C zw (R) przestrzeń funkcji

Bardziej szczegółowo

G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28

G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28 G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28 1.9 Zadania 1.9.1 Niech R będzie pierścieniem zbiorów. Zauważyć, że jeśli A, B R to A B R i A B R. Sprawdzić, że (R,, ) jest także pierścieniem w sensie

Bardziej szczegółowo

Zadania z Algebry liniowej 4 Semestr letni 2009

Zadania z Algebry liniowej 4 Semestr letni 2009 Zadania z Algebry liniowej 4 Semestr letni 2009 Ostatnie zmiany 23.05.2009 r. 1. Niech F będzie podciałem ciała K i niech n N. Pokazać, że niepusty liniowo niezależny podzbiór S przestrzeni F n jest także

Bardziej szczegółowo

7 Twierdzenie Fubiniego

7 Twierdzenie Fubiniego M. Beśka, Wstęp do teorii miary, wykład 7 19 7 Twierdzenie Fubiniego 7.1 Miary produktowe Niech i będą niepustymi zbiorami. Przez oznaczmy produkt kartezjański i tj. zbiór = { (x, y : x y }. Niech E oraz

Bardziej szczegółowo

1 Ciągłe operatory liniowe

1 Ciągłe operatory liniowe 1 Ciągłe operatory liniowe Załóżmy, że E, F są przestrzeniami unormowanymi. Definicja 1.1. Operator liniowy T : E F nazywamy ograniczonym, jeżeli zbiór T (B) F jest ograniczony dla dowolnego zbioru ograniczonego

Bardziej szczegółowo

F t+ := s>t. F s = F t.

F t+ := s>t. F s = F t. M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną

Bardziej szczegółowo

n=0 Dla zbioru Cantora prawdziwe są wersje lematu 3.6 oraz lematu 3.8 przy założeniu α = :

n=0 Dla zbioru Cantora prawdziwe są wersje lematu 3.6 oraz lematu 3.8 przy założeniu α = : 4. Zbiory borelowskie. Zbiór wszystkich podzbiorów liczb naturalnych będziemy oznaczali przez ω. Najmniejszą topologię na zbiorze ω, w której zbiory {A ω : x A ω \ y}, gdzie x oraz y są zbiorami skończonymi,

Bardziej szczegółowo

1 Przestrzenie Hilberta

1 Przestrzenie Hilberta M. Beśka, Wykład monograficzny, Dodatek 1 1 Przestrzenie Hilberta 1.1 Podstawowe fakty o przestrzeniach Hilberta Niech H będzie przestrzenią liniową nad ciałem liczb rzeczywistych. Określmy odwzorowanie,

Bardziej szczegółowo

Teoria miary i całki

Teoria miary i całki Teoria miary i całki Spis treści 1 Wstęp 3 2 lgebra zbiorów 5 3 Pierścienie, ciała, σ ciała zbiorów. 7 3.1 Definicja pierścienia ciała i σ ciała............... 7 3.2 Pierścień, ciało i σ ciało generowane

Bardziej szczegółowo

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami. M. Beśka, Wstęp do teorii miary, rozdz. 3 25 3 Miara 3.1 Definicja miary i jej podstawowe własności Niech X będzie niepustym zbiorem, a A 2 X niepustą rodziną podzbiorów. Wtedy dowolne odwzorowanie : A

Bardziej szczegółowo

1 Relacje i odwzorowania

1 Relacje i odwzorowania Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X

Bardziej szczegółowo

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi M. Beśka, Wstęp do teorii miary, Dodatek 158 10 Dodatek 10.1 Przestrzenie metryczne Niech X będzie niepustym zbiorem. Funkcję d : X X [0, ) spełniającą dla x, y, z X warunki (i) d(x, y) = 0 x = y, (ii)

Bardziej szczegółowo

Analiza Funkcjonalna - Zadania

Analiza Funkcjonalna - Zadania Analiza Funkcjonalna - Zadania 1 Wprowadzamy następujące oznaczenia. K oznacza ciało liczb rzeczywistych lub zespolonych. Jeżeli T jest dowolnym zbiorem niepustym, to l (T ) = {x : E K : x funkcja ograniczona}.

Bardziej szczegółowo

Robert Kowalczyk. Zbiór zadań z teorii miary i całki

Robert Kowalczyk. Zbiór zadań z teorii miary i całki Robert Kowalczyk Zbiór zadań z teorii miary i całki 2 Zadanie 1 Pokazać, że poniższe dwie definicje σ-ciała M są równoważne: (i) Rodzinę M podzbiorów przestrzeni X nazywamy σ-ciałem jeżeli zachodzą następujące

Bardziej szczegółowo

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?. a) X = R, x = arctg x ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i y i ;

Bardziej szczegółowo

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające

Bardziej szczegółowo

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X. 1 σ-ciała Definicja 1.1 (σ - ciało) σ - ciałem (σ - algebrą) w danym zbiorze X (zwanym przestrzenią) nazywamy rodzinę M pewnych podzbiorów zbioru X, spełniającą trzy warunki: 1 o M; 2 o jeśli A M, to X

Bardziej szczegółowo

Teoria miary. WPPT/Matematyka, rok II. Wykład 5

Teoria miary. WPPT/Matematyka, rok II. Wykład 5 Teoria miary WPPT/Matematyka, rok II Wykład 5 Funkcje mierzalne Niech (X, F) będzie przestrzenią mierzalną i niech f : X R. Twierdzenie 1. NWSR 1. {x X : f(x) > a} F dla każdego a R 2. {x X : f(x) a} F

Bardziej szczegółowo

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista.

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista. Literatura P. Billingsley, Miara i prawdopodobieństwo, PWN, Warszawa 1997, P. R. Halmos, Measure theory, Springer-Verlag, 1994, W, Kołodziej, naliza matematyczna, PWN, Warszawa 1978, S. Łojasiewicz, Wstęp

Bardziej szczegółowo

7. Miara, zbiory mierzalne oraz funkcje mierzalne.

7. Miara, zbiory mierzalne oraz funkcje mierzalne. 7. Miara, zbiory mierzalne oraz funkcje mierzalne. Funkcję rzeczywistą µ nieujemną określoną na ciele zbiorów S będziemy nazywali miarą, gdy dla dowolnego ciągu A 0, A 1,... zbiorów rozłącznych należących

Bardziej szczegółowo

Wykłady ostatnie. Rodzinę P podzbiorów przestrzeni X nazywamy σ - algebrą, jeżeli dla A, B P (2) A B P, (3) A \ B P,

Wykłady ostatnie. Rodzinę P podzbiorów przestrzeni X nazywamy σ - algebrą, jeżeli dla A, B P (2) A B P, (3) A \ B P, Wykłady ostatnie CAŁKA LBSGU A Zasadnicza różnica koncepcyjna między całką Riemanna i całką Lebesgue a polega na zamianie ról przestrzeni wartości i przestrzeni argumentów przy konstrukcji sum górnych

Bardziej szczegółowo

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11 M. Beśka, Wstęp do teorii miary, rozdz. 2 11 2 Rodziny zbiorów 2.1 Algebry i σ - algebry zbiorów Niech X będzie niepustym zbiorem. Rodzinę indeksowaną zbiorów {A i } i I 2 X nazywamy rozbiciem zbioru X

Bardziej szczegółowo

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ.

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ. 8 Baza i wymiar Definicja 8.1. Bazą przestrzeni liniowej nazywamy liniowo niezależny układ jej wektorów, który generuję tę przestrzeń. Innymi słowy, układ B = (v i ) i I wektorów z przestrzeni V jest bazą

Bardziej szczegółowo

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami:

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami: 9 Wykład 9: Przestrzenie liniowe i podprzestrzenie Definicja 9 Niech F będzie ciałem Algebrę (V, F, +, ), gdzie V, + jest działaniem w zbiorze V zwanym dodawaniem wektorów, a jest działaniem zewnętrznym

Bardziej szczegółowo

zbiorów domkniętych i tak otrzymane zbiory domknięte ustawiamy w ciąg. Oznaczamy

zbiorów domkniętych i tak otrzymane zbiory domknięte ustawiamy w ciąg. Oznaczamy 5. Funkcje 1 klasy Baire a. Pod koniec XIX i początkiem XX wieku kilku matematyków zajmowało się problemami dotyczącymi klasyfikacji funkcji borelowskich: między innymi R. Baire, E. Borel, H. Lebesgue

Bardziej szczegółowo

Grzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe

Grzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe Grzegorz Bobiński Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe Wydział Matematyki i Informatyki Uniwersytet Mikołaja Kopernika w Toruniu 2012 Spis treści Notacja 1 1 Podstawowe pojęcia

Bardziej szczegółowo

Analiza funkcjonalna 1.

Analiza funkcjonalna 1. Analiza funkcjonalna 1. Wioletta Karpińska Semestr letni 2015/2016 0 Bibliografia [1] Banaszczyk W., Analiza matematyczna 3. Wykłady. (http://math.uni.lodz.pl/ wbanasz/am3/) [2] Birkholc A., Analiza matematyczna.

Bardziej szczegółowo

9 Przekształcenia liniowe

9 Przekształcenia liniowe 9 Przekształcenia liniowe Definicja 9.1. Niech V oraz W będą przestrzeniami liniowymi nad tym samym ciałem F. Przekształceniem liniowym nazywamy funkcję ϕ : V W spełniającą warunek (LM) v1,v 2 V a1,a 2

Bardziej szczegółowo

Uwaga 1.2. Niech (G, ) będzie grupą, H 1, H 2 < G. Następujące warunki są równoważne:

Uwaga 1.2. Niech (G, ) będzie grupą, H 1, H 2 < G. Następujące warunki są równoważne: 1. Wykład 1: Produkty grup. Produkty i koprodukty grup abelowych. Przypomnijmy konstrukcje słabych iloczynów (sum) prostych i iloczynów (sum) prostych grup znane z kursowego wykładu algebry. Ze względu

Bardziej szczegółowo

Wykład 10. Stwierdzenie 1. X spełnia warunek Borela wtedy i tylko wtedy, gdy każda scentrowana rodzina zbiorów domkniętych ma niepusty przekrój.

Wykład 10. Stwierdzenie 1. X spełnia warunek Borela wtedy i tylko wtedy, gdy każda scentrowana rodzina zbiorów domkniętych ma niepusty przekrój. Wykład 10 Twierdzenie 1 (Borel-Lebesgue) Niech X będzie przestrzenią zwartą Z każdego pokrycia X zbiorami otwartymi można wybrać podpokrycie skończone Dowód Lemat 1 Dla każdego pokrycia U przestrzeni ośrodkowej

Bardziej szczegółowo

Wykłady... b i a i. i=1. m(d k ) inf

Wykłady... b i a i. i=1. m(d k ) inf Wykłady... CŁKOWNIE FUNKCJI WIELU ZMIENNYCH Zaczniemy od konstrukcji całki na przedziale domkniętym. Konstrukcja ta jest, w gruncie rzeczy, powtórzeniem definicji całki na odcinku domkniętym w R 1. Przedziałem

Bardziej szczegółowo

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1 Zbiory 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1.3 Pokazać, że jeśli A, B oraz (A B) (B A) = C C, to A = B = C. 1.4 Niech {X t } będzie rodziną niepustych

Bardziej szczegółowo

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki.

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki. 3. Funkcje borelowskie. Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki. (1): Jeśli zbiór Y należy do rodziny F, to jego dopełnienie X

Bardziej szczegółowo

O pewnych związkach teorii modeli z teorią reprezentacji

O pewnych związkach teorii modeli z teorią reprezentacji O pewnych związkach teorii modeli z teorią reprezentacji na podstawie referatu Stanisława Kasjana 5 i 12 grudnia 2000 roku 1. Elementy teorii modeli Będziemy rozważać język L składający się z przeliczalnej

Bardziej szczegółowo

1 Określenie pierścienia

1 Określenie pierścienia 1 Określenie pierścienia Definicja 1. Niech P będzie zbiorem, w którym określone są działania +, (dodawanie i mnożenie). Mówimy, że struktura (P, +, ) jest pierścieniem, jeżeli spełnione są następujące

Bardziej szczegółowo

1 Elementy analizy funkcjonalnej

1 Elementy analizy funkcjonalnej M. Beśka, Dodatek 1 1 Elementy analizy funkcjonalnej 1.1 Twierdzenia o reprezentacji Zaczniemy od znanego twierdzenia Riesza Twierdzenie 1.1 (Riesz) Niech będzie zwartą przestrzenią metryczną i załóżmy,

Bardziej szczegółowo

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych) (niekoniecznie ograniczonych) Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza, Poznań Będlewo, 25-30 maja 2015 Funkcje prawie okresowe w sensie Bohra Definicja Zbiór E R nazywamy względnie

Bardziej szczegółowo

Iloczyn skalarny. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 10. wykład z algebry liniowej Warszawa, grudzień 2013

Iloczyn skalarny. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 10. wykład z algebry liniowej Warszawa, grudzień 2013 Iloczyn skalarny Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 10. wykład z algebry liniowej Warszawa, grudzień 2013 Mirosław Sobolewski (UW) Warszawa, grudzień 2013 1 / 14 Standardowy

Bardziej szczegółowo

Informacja o przestrzeniach Sobolewa

Informacja o przestrzeniach Sobolewa Wykład 11 Informacja o przestrzeniach Sobolewa 11.1 Definicja przestrzeni Sobolewa Niech R n będzie zbiorem mierzalnym. Rozważmy przestrzeń Hilberta X = L 2 () z iloczynem skalarnym zdefiniowanym równością

Bardziej szczegółowo

Podstawowe struktury algebraiczne

Podstawowe struktury algebraiczne Maciej Grzesiak Podstawowe struktury algebraiczne 1. Wprowadzenie Przedmiotem algebry było niegdyś przede wszystkim rozwiązywanie równań. Obecnie algebra staje się coraz bardziej nauką o systemach matematycznych.

Bardziej szczegółowo

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013 Zdzisław Dzedzej Politechnika Gdańska Gdańsk, 2013 1 PODSTAWY 2 3 Definicja. Przestrzeń metryczna (X, d) jest zwarta, jeśli z każdego ciągu {x n } w X można wybrać podciąg zbieżny {x nk } w X. Ogólniej

Bardziej szczegółowo

φ(x 1,..., x n ) = a i x 2 i +

φ(x 1,..., x n ) = a i x 2 i + Teoria na egzamin z algebry liniowej Wszystkie podane pojęcia należy umieć określić i podać pprzykłady, ewentualnie kontrprzykłady. Ponadto należy znać dowody tam gdzie to jest zaznaczone. Liczby zespolone.

Bardziej szczegółowo

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u W ) Rzeczywiście U W jest podprzetrzenią przestrzeni

Bardziej szczegółowo

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę

Bardziej szczegółowo

Zasada indukcji matematycznej

Zasada indukcji matematycznej Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.

Bardziej szczegółowo

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler GAL (Informatyka) Wykład - formy hermitowskie Wersja z dnia 23 stycznia 2014 Paweł Bechler 1 Formy hermitowskie Niech X oznacza przestrzeń liniową nad ciałem K. Definicja 1. Funkcję φ : X X K nazywamy

Bardziej szczegółowo

Dystrybucje, wiadomości wstępne (I)

Dystrybucje, wiadomości wstępne (I) Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów

Bardziej szczegółowo

Lista. Przestrzenie liniowe. Zadanie 1 Sprawdź, czy (V, +, ) jest przestrzenią liniową nadr :

Lista. Przestrzenie liniowe. Zadanie 1 Sprawdź, czy (V, +, ) jest przestrzenią liniową nadr : Lista Przestrzenie liniowe Zadanie 1 Sprawdź, czy (V, +, ) jest przestrzenią liniową nadr : V = R[X], zbiór wielomianów jednej zmiennej o współczynnikach rzeczywistych, wraz ze standardowym dodawaniem

Bardziej szczegółowo

Jak łatwo zauważyć, zbiór form symetrycznych (podobnie antysymetrycznych) stanowi podprzestrzeń przestrzeni L(V, V, K). Oznaczamy ją Sym(V ).

Jak łatwo zauważyć, zbiór form symetrycznych (podobnie antysymetrycznych) stanowi podprzestrzeń przestrzeni L(V, V, K). Oznaczamy ją Sym(V ). Odwzorowania n-liniowe; formy n-liniowe Definicja 1 Niech V 1,..., V n, U będą przestrzeniami liniowymi nad ciałem K. Odwzorowanie G: V 1 V n U nazywamy n-liniowym, jeśli dla każdego k [n] i wszelkich

Bardziej szczegółowo

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ WSHE, O/K-CE 10. Homomorfizmy Definicja 1. Niech V, W będą dwiema przestrzeniami liniowymi nad ustalonym ciałem, odwzorowanie ϕ : V W nazywamy homomorfizmem

Bardziej szczegółowo

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski Notatki z Analizy Matematycznej 2 Jacek M. Jędrzejewski Definicja 3.1. Niech (a n ) n=1 będzie ciągiem liczbowym. Dla każdej liczby naturalnej dodatniej n utwórzmy S n nazywamy n-tą sumą częściową. ROZDZIAŁ

Bardziej szczegółowo

2.7 Przestrzenie unormowane skończenie wymiarowe

2.7 Przestrzenie unormowane skończenie wymiarowe 2.7 Przestrzenie unormowane skończenie wymiarowe Rozważamy teraz przestrzenie unormowane X skończenie wymiarowe. Załóżmy, że dimx = m. Niech dalej e,e 2,...,e m będzie bazą algebraiczną tej przestrzeni

Bardziej szczegółowo

Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011).

Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Poprzedniczka tej notatki zawierała błędy! Ta pewnie zresztą też ; ). Ćwiczenie 3 zostało zmienione, bo żądałem, byście dowodzili czegoś,

Bardziej szczegółowo

Rozdział 5. Szeregi liczbowe. 5.1 Szeregi liczbowe. Definicja sumy częściowej ciągu. Niech dany będzie ciąg liczbowy (a n ) n=1.

Rozdział 5. Szeregi liczbowe. 5.1 Szeregi liczbowe. Definicja sumy częściowej ciągu. Niech dany będzie ciąg liczbowy (a n ) n=1. Rozdział 5 Szeregi liczbowe 5. Szeregi liczbowe Definicja sumy częściowej ciągu. Niech dany będzie ciąg liczbowy ( ). Ciąg (s n ) określony wzorem s n = n a j, n N, nazywamy ciągiem sum częściowych ciągu

Bardziej szczegółowo

Rozdział 6. Ciągłość. 6.1 Granica funkcji

Rozdział 6. Ciągłość. 6.1 Granica funkcji Rozdział 6 Ciągłość 6.1 Granica funkcji Podamy najpierw dwie definicje granicy funkcji w punkcie i pokażemy ich równoważność. Definicja Cauchy ego granicy funkcji w punkcie. Niech f : X R, gdzie X R oraz

Bardziej szczegółowo

Dystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5

Dystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5 Dystrybucje Marcin Orchel Spis treści 1 Wstęp 1 1.1 Dystrybucje................................... 1 1.2 Pochodna dystrybucyjna............................ 3 1.3 Przestrzenie...................................

Bardziej szczegółowo

Temperatura w atmosferze (czy innym ośrodku) jako funkcja dł. i szer. geogr. oraz wysokości.

Temperatura w atmosferze (czy innym ośrodku) jako funkcja dł. i szer. geogr. oraz wysokości. Własności Odległości i normy w Będziemy się teraz zajmować funkcjami od zmiennych, tzn. określonymi na (iloczyn kartezja/nski egzemplarzy ). Punkt należący do będziemy oznaczać jako Przykł. Wysokość terenu

Bardziej szczegółowo

Baza w jądrze i baza obrazu ( )

Baza w jądrze i baza obrazu ( ) Przykład Baza w jądrze i baza obrazu (839) Znajdź bazy jądra i obrazu odwzorowania α : R 4 R 3, gdzie α(x, y, z, t) = (x + 2z + t, 2x + y 3z 5t, x y + z + 4t) () zór ten oznacza, że α jest odwzorowaniem

Bardziej szczegółowo

ZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH

ZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH ZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH Punkty okresowe, zbiory graniczne, sprzężenia Zadanie 1. Pokazać, że trajektoria (w przód) punktu x w przestrzeni metrycznej X pod działaniem ciągłego

Bardziej szczegółowo

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009 Zadania z Algebry liniowej 3 semestr zimowy 2008/2009 1. Niech V będzie przestrzenią wektorową nad ciałem K i niech 0 K oraz θ V będą elementem zerowym ciała K i wektorem zerowym przestrzeni V. Posługując

Bardziej szczegółowo

1 Działania na zbiorach

1 Działania na zbiorach M. Beśka, Wstęp do teorii miary, rozdz. 1 1 1 Działania na zbiorach W rozdziale tym przypomnimy podstawowe działania na zbiorach koncentrując się na własnościach tych działań, które będą przydatne w dalszej

Bardziej szczegółowo

jest ciągiem elementów z przestrzeni B(R, R)

jest ciągiem elementów z przestrzeni B(R, R) Wykład 2 1 Ciągi Definicja 1.1 (ciąg) Ciągiem w zbiorze X nazywamy odwzorowanie x: N X. Dla uproszczenia piszemy x n zamiast x(n). Przykład 1. x n = n jest ciągiem elementów z przestrzeni R 2. f n (x)

Bardziej szczegółowo

Wykład 5. Ker(f) = {v V ; f(v) = 0}

Wykład 5. Ker(f) = {v V ; f(v) = 0} Wykład 5 Niech f : V W będzie przekształceniem liniowym przestrzeni wektorowych Wtedy jądrem przekształcenia nazywamy zbiór tych elementów z V, których obrazem jest wektor zerowy w przestrzeni W Jądro

Bardziej szczegółowo

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski, Procesy Stochastyczne, wykład, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 27 luty, 2012 Ośrodkowość procesów Dalej zakładamy, że (Ω, Σ, P) jest zupełną przestrzenią miarową. Definicja.

Bardziej szczegółowo

Skończone rozszerzenia ciał

Skończone rozszerzenia ciał Skończone rozszerzenia ciał Notkę tę rozpoczniemy od definicji i prostych własności wielomianu minimalnego, następnie wprowadzimy pojecie rozszerzenia pojedynczego o element algebraiczny, udowodnimy twierdzenie

Bardziej szczegółowo

(b) Suma skończonej ilości oraz przekrój przeliczalnej ilości zbiorów typu G α

(b) Suma skończonej ilości oraz przekrój przeliczalnej ilości zbiorów typu G α FUNKCJE BORELOWSKIE Rodzinę F podzbiorów zbioru X (tzn. F X) będziemy nazywali ciałem gdy spełnione są warunki: (1) Jeśli zbiór Y F, to dopełnienie X \ Y też należy do rodziny F. (2) Jeśli S F jest skończoną

Bardziej szczegółowo

Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych

Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych Marcin Michalski 14.11.014 1 Wprowadzenie Jedną z intuicji na temat liczb rzeczywistych jest myślenie o nich jako liczbach,

Bardziej szczegółowo

Algebra liniowa z geometrią

Algebra liniowa z geometrią Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........

Bardziej szczegółowo

5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów.

5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów. 5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów. Algebra jest jednym z najstarszych działów matematyki dotyczącym początkowo tworzenia metod rozwiązywania równań

Bardziej szczegółowo

Zbiory liczbowe widziane oczami topologa

Zbiory liczbowe widziane oczami topologa Zbiory liczbowe widziane oczami topologa Aleksander Błaszczyk Instytut Matematyki Uniwersytetu Ślaskiego Brenna, 25 wrzesień 2018 Aleksander Błaszczyk (UŚ) Zbiory liczbowe widziane oczami topologa Brenna,

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań 9: Przestrzenie wektorowe. Podprzestrzenie () Wykazać, że V = C ze zwykłym dodawaniem jako dodawaniem wektorów i operacją mnożenia przez skalar : C C C, (z, v) z v := z v jest przestrzenią

Bardziej szczegółowo

Rozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone

Rozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone Rozdział 4 Ciągi nieskończone W rozdziale tym wprowadzimy pojęcie granicy ciągu. Dalej rozszerzymy to pojęcie na przypadek dowolnych funkcji. Jak zauważyliśmy we wstępie jest to najważniejsze pojęcie analizy

Bardziej szczegółowo

Prawa wielkich liczb, centralne twierdzenia graniczne

Prawa wielkich liczb, centralne twierdzenia graniczne , centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

Układy równań i równania wyższych rzędów Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem

Bardziej szczegółowo

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ. Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.

Bardziej szczegółowo

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki WYKŁAD Z ANALIZY MATEMATYCZNEJ I dr. Elżbieta Kotlicka Centrum Nauczania Matematyki i Fizyki http://im0.p.lodz.pl/~ekot Łódź 2006 Spis treści 1. CIĄGI LICZBOWE 2 1.1. Własności ciągów liczbowych o wyrazach

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja

Bardziej szczegółowo

1 + iϕ n. = cos ϕ + i sin ϕ. e n z n n n. c M n z n, c n z Mn.

1 + iϕ n. = cos ϕ + i sin ϕ. e n z n n n. c M n z n, c n z Mn. WRAiT 2 #1 1. Dla jakich a C ciągi o wyrazach na n, a n 1 + a n, an /n, są zbieżne? 2. Wykaż zbieżność i znajdź granice ciągów n a k, a n 1 + a 2n ( a < 1), a n 1 + a 2n ( a > 1), 1 n 3. Dla danego ϕ R

Bardziej szczegółowo

Wykład 1. Przestrzeń Hilberta

Wykład 1. Przestrzeń Hilberta Wykład 1. Przestrzeń Hilberta Sygnały. Funkcje (w języku inżynierów - sygnały) które będziemy rozważali na tym wykładzie będą kilku typów Sygnały ciągłe (analogowe). ) L (R) to funkcje na prostej spełniające

Bardziej szczegółowo

Liczby zespolone. x + 2 = 0.

Liczby zespolone. x + 2 = 0. Liczby zespolone 1 Wiadomości wstępne Rozważmy równanie wielomianowe postaci x + 2 = 0. Współczynniki wielomianu stojącego po lewej stronie są liczbami całkowitymi i jedyny pierwiastek x = 2 jest liczbą

Bardziej szczegółowo

Analiza matematyczna / Witold Kołodziej. wyd Warszawa, Spis treści

Analiza matematyczna / Witold Kołodziej. wyd Warszawa, Spis treści Analiza matematyczna / Witold Kołodziej. wyd. 5. - Warszawa, 2010 Spis treści Wstęp 1. Podstawowe pojęcia mnogościowe 13 1. Zbiory 13 2. Działania na zbiorach 14 3. Produkty kartezjańskie 15 4. Relacje

Bardziej szczegółowo

z = x + i y := e i ϕ z. cos ϕ sin ϕ = sin ϕ cos ϕ

z = x + i y := e i ϕ z. cos ϕ sin ϕ = sin ϕ cos ϕ Izometrie liniowe Przypomnijmy, że jeśli V jest przestrzenią euklidesową (skończonego wymiaru), to U End V jest izometrią wtedy i tylko wtedy, gdy U U = UU = E, to znaczy, gdy jest odwzorowaniem ortogonalnym.

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

= b i M i [x], gdy charf = p, to a i jest pierwiastkiem wielomianu x n i

= b i M i [x], gdy charf = p, to a i jest pierwiastkiem wielomianu x n i 15. Wykład 15: Rozszerzenia pierwiastnikowe. Elementy wyrażające się przez pierwiastniki. Rozwiązalność równań przez pierwiastniki. Równania o dowolnych współczynnikach. 15.1. Rozszerzenia pierwiastnikowe.

Bardziej szczegółowo

spis treści 1 Zbiory i zdania... 5

spis treści 1 Zbiory i zdania... 5 wstęp 1 i wiadomości wstępne 5 1 Zbiory i zdania............................ 5 Pojęcia pierwotne i podstawowe zasady 5. Zbiory i zdania 6. Operacje logiczne 7. Definicje i twierdzenia 9. Algebra zbiorów

Bardziej szczegółowo

Wykład 4. Określimy teraz pewną ważną klasę pierścieni.

Wykład 4. Określimy teraz pewną ważną klasę pierścieni. Wykład 4 Określimy teraz pewną ważną klasę pierścieni. Twierdzenie 1 Niech m, n Z. Jeśli n > 0 to istnieje dokładnie jedna para licz q, r, że: m = qn + r, 0 r < n. Liczbę r nazywamy resztą z dzielenia

Bardziej szczegółowo

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka

Bardziej szczegółowo

3 1 + i 1 i i 1 2i 2. Wyznaczyć macierze spełniające własność komutacji: [A, X] = B

3 1 + i 1 i i 1 2i 2. Wyznaczyć macierze spełniające własność komutacji: [A, X] = B 1. Dla macierzy a) A = b) A = c) A = d) A = 3 1 + i 1 i i i 0 i i 0 1 + i 1 i 0 0 0 0 1 0 1 0 1 + i 1 i Wyznaczyć macierze spełniające własność komutacji: A, X = B. Obliczyć pierwiaski z macierzy: A =

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń

Bardziej szczegółowo

Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań

Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań Przekształcenia liniowe, diagonalizacja macierzy 1. Podano współrzędne wektora v w bazie B. Znaleźć współrzędne tego wektora w bazie B, gdy: a) v = (1,

Bardziej szczegółowo

Łatwy dowód poniższej własności pozostawiamy czytelnikowi.

Łatwy dowód poniższej własności pozostawiamy czytelnikowi. Rozdział 3 Logarytm i potęga 3.1 Potęga o wykładniku naturalnym Definicja potęgi o wykładniku naturalnym. Niech x R oraz n N. Potęgą o podstawie x i wykładniku n nazywamy liczbę x n określoną następująco:

Bardziej szczegółowo

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ. Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.

Bardziej szczegółowo

Dwa równania kwadratowe z częścią całkowitą

Dwa równania kwadratowe z częścią całkowitą Dwa równania kwadratowe z częścią całkowitą Andrzej Nowicki Wydział Matematyki i Informatyki Uniwersytet M. Kopernika w Toruniu anow @ mat.uni.torun.pl 4 sierpnia 00 Jeśli r jest liczbą rzeczywistą, to

Bardziej szczegółowo

Zadania z Algebry Studia Doktoranckie Instytutu Matematyki Uniwersytetu Śląskiego 1

Zadania z Algebry Studia Doktoranckie Instytutu Matematyki Uniwersytetu Śląskiego 1 Zadania z Algebry Studia Doktoranckie Instytutu Matematyki Uniwersytetu Śląskiego 1 1. (a) Udowodnić, że jeśli grupa ilorazowa G/Z(G) jest cykliczna, to grupa G jest abelowa (Z(G) oznacza centrum grupy

Bardziej szczegółowo