Zusammenfassung
In vielen Fällen erweist sich der Konvergenzbegriff bezüglich der Norm als zu restriktiv. Wir werden daher in diesem Abschnitt einen schwächeren Konvergenzbegriff einführen, mit dessen Hilfe sich zum Beispiel Minimumprobleme unter weitaus schwächeren Voraussetzungen lösen lassen. So hatten wir in 2.17 den Projektionssatz in Hilberträumen bewiesen und anschließend bemerkt, daß die gleiche Aussage in allgemeinen Banachräumen nicht zu erwarten ist. Die Schwierigkeit liegt darin, aus einer Minimalfolge eine konvergente Teilfolge auszuwählen, was bezüglich der Normkonvergenz unmöglich ist, da Kugeln in unendlichdimensionalen Räumen nicht präkompakt sind (siehe 2.22). Wir werden sehen (siehe 5.7), daß die Folgenkompaktheit jedoch bezüglich der schwachen Konvergenz gewährleistet ist, jedenfalls für die Klasse der reflexiven Räume (siehe 5.6). Die Stetigkeit der Norm geht dann zwar verloren, aber sie bleibt immerhin noch unterhalbstetig (siehe 5.3.3). Dies wird wesentlich in den Existenzaussagen 5.12 und 5.13 benutzt.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1992 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Alt, H.W. (1992). Schwache Konvergenz. In: Lineare Funktionalanalysis. Springer-Lehrbuch. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-22101-3_7
Download citation
DOI: https://doi.org/10.1007/978-3-662-22101-3_7
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-54724-2
Online ISBN: 978-3-662-22101-3
eBook Packages: Springer Book Archive