Topologie

Topologische, normierte und metrische Räume.

Ein Raum ist eine Menge von mathematischen Objekten zusammen mit einer Struktur. Topologische Räume sind Räume, in denen es einen Nachbarschaftsbegriff gibt und wo man von stetigen Abbildungen sprechen kann, die benachbarte Elemente wieder auf benachbarte Elemente abbilden. Man spricht von Eigenschaften oder Parametern als topologische Invariante, wenn sie unter solchen Abbildungen erhalten bleiben. Eine solche Invariante ist zum Beispiel die Dimension des Raumes, was für die Analysis wichtig ist.

Andere interessante Räume ergeben sich dann, wenn eine Topologie mit einer anderen Struktur verträglich ist: zum Beispiel topologische Gruppen, topologische Vektorräume und darauf aufbauend normierte und metrische Räume (Vektorräume, in denen eine Norm oder Metrik eine zusätzliche Struktur vorgeben).

Topologische Räume

Die mengentheoretische Topologie ist die Theorie von offenen und abgeschlossenen Mengen.

Eine Topologie auf einer Menge XX ist definiert als System TT von Teilmengen von XX mit folgenden Eigenschaften:

  • \emptyset und XX sind in TT .
  • Der Schnitt zweier Mengen in TT ist auch wieder in TT .
  • Die Vereinigung beliebig vieler Mengen in TT ist auch wieder in TT .

(X,T)(X,T) ist dann ein topologischer Raum.

Man nennt die Mengen UTU\subseteq T offen, d.h. TT umfasst alle offenen Mengen, sowie deren Durchschnitt und Vereinigung (wieder offene Mengen). Eine Menge UU ist abgeschlossen, wenn X\UX\backslash U offen ist. So sind z.B. \emptyset und XX beide nicht nur offen, sondern auch abgeschlossen. Für die Definition eines topologischen Raumes ist es tatsächlich gleich, ob man TT als die offenen oder abgeschlossenen Mengen definiert.

Beispiele:

  • Triviale Topologie: T={,X}T=\{\emptyset,X\}
  • Diskrete Topologie: TT ist die Potenzmenge von XX , d.h. alle Teilmengen von XX sind offen.
  • Die Menge R\mathbb{R} der reellen Zahlen, wobei die offenen Mengen genau die URU\subseteq\mathbb{R} sind, die sich als Vereinigung von offenen Intervallen darstellen lassen.

Grundbegriffe

Eine Menge UU heißt Umgebung von xXx\in X , wenn es eine offene Menge VUV\subset U gibt mit xVx\in V , d.h. wenn es eine offene Teilmenge von UU gibt, in der xx liegt.

Ein Punkt xx ist für eine Menge MM

  • ein Häufungspunkt, wenn in jeder Umgebung von xx unendlich viele Elemente der Menge liegen
  • ein innerer Punkt, wenn MM eine Umgebung von xx ist
  • ein äußerer Punkt, wenn X\MX\backslash M eine Umgebung von xx ist
  • ein Randpunkt, wenn weder MM noch X\MX\backslash M eine Umgebung von xx ist

Die Menge M˚\mathring{M} aller inneren Punkte von MM heißt das Innere oder der offene Kern.

Die Menge M\overline{M} aller Punkte, die nicht äußere Punkte von MM sind, heißt die abgeschlossene Hülle.

Trennungseigenschaften

Hausdorffsches Trennungsaxiom: Ein topologischer Raum heißt Hausdorff-Raum, wenn man zu je zwei verschiedenen Punkten disjunkte Umgebungen finden kann.

Jeder metrische Raum ist ein Hausdorff-Raum.

Beispiele für Nicht-Hausdorff-Räume:

  • Eine Menge XX mit mehr als einem Element und der trivialen Topologie (da dann jede Umgebung automatisch die ganze Menge enthält).

In einem Hausdorff-Raum kann eine Folge höchstens einen Grenzwert haben. In einem trivialen topologischen Raum konvergiert jede Folge gegen jeden Punkt.

Kompaktheit

Ein topologischer Raum (X,T)(X,T) heißt kompakt, wenn jede offene Überdeckung

X=iIUiX=\bigcup_{i\in I} U_i mit UiTU_i\in T (und UiU_i offen)

eine endliche Teilüberdeckung

X=jJUjX=\bigcup_{j\in J} U_j mit UjTU_j\in T und JIJ\subseteq I endlich

enthält. Und eine Teilmenge AXA\subset X ist genau dann kompakt, wenn (A,T)(A,T) kompakt ist.

Wichtig ist nicht, dass es eine endliche Überdeckung gibt (die gibt es immer), sondern dass man aus jeder beliebigen Überdeckung eine endliche auswählen kann. Zum Beispiel ist X:={1nnN+}X:=\{\frac{1}{n}\,\mid\,n\in\mathbb{N}_+\} nicht kompakt, da man für die Überdeckung, in der jede Umgebung genau einen Punkt enthält (z.B. Un=(1n+1,1n1)U_n=(\frac{1}{n+1},\frac{1}{n-1}) ) keine endliche Teilüberdeckung finden kann. Anders sieht das aus, wenn es um die Punkte einer konvergenten Folge geht und ihr Grenzwert enthalten ist: Da es in jeder Überdeckung eine Umgebung gibt, die den Grenzwert enthält, liegen schon alle bis auf endlich viele Punkte in dieser Umgebung (und man muss nur noch endlich viele weitere Umgebungen für die endlich vielen anderen Punkte auswählen).

Kompakte Räume kann man verstehen als eine Verallgemeinerung endlicher Räume. Zum Beispiel kann man mithilfe der Kompaktheit den Schritt von unendlich vielen Umgebungen zu endlich vielen machen und Beweise dann sehr ähnlich führen wie im endlichen Fall.

Kompaktheit nach der obigen Definition heißt auch überdeckunsgkompakt. Zusätzlich ist ein topologischer Raum folgenkompakt, wenn jede Folge in der Menge eine konvergente Teilfolge besitzt, deren Grenzwert zur Menge gehört (anders ausgedrückt: wenn jede Folge Häufungspunkte hat, die zur Menge gehören). Metrische Räume sind überdeckungskompakt genau dann, wenn sie folgenkompakt sind, aber in beliebigen topologischen Räumen sind diese beiden Arten von Kompaktheit nicht unbedingt gleich.

Jede überdeckungskompakte Menge ist beschränkt. Wenn ein metrischer Raum kompakt ist, dann ist er abgeschlossen und beschränkt; für Teilmengen von Rn\mathbb{R}^n gilt auch die Umkehrung (Satz von Heine-Borel). So sind zum Beispiele alle abgeschlossenen Intervalle in R\mathbb{R} (wie [0,1][0,1] ) kompakt, während offene und halboffene Intervalle nicht kompakt sind. Rn\mathbb{R}^n selber ist nicht kompakt. N\mathbb{N} ist auch nicht kompakt.

Normierte und metrische Räume

Begriffe wie der der Umgebung, des Grenzwerts und der Konvergenz benutzen das Konzept des Abstandes. Konvergenz, zum Beispiel, kann man über die ε\varepsilon -Umgebung von xx definieren (so dass jedes Folgenglied ab einem bestimmten nn einen Abstand zu xx hat, der kleiner als ε\varepsilon ist) oder direkt über den Abstand dd zweier reeller Zahlen:

Eine reelle Folge (xn)(x_n) konvergiert gegen xx gdw limnd(xn,x)=0\text{lim}_{n\to\infty} d(x_n,x)=0 .

Will man diese Begriffe verallgemeinern für andere mathematische Objekte, wie Folgen von Vektoren, komplexe Zahlen und Funktionen, müsste man sie spezifisch für jedes dieser Objekte neu definieren. Viel effizienter ist es, eine allgemeine Klasse von Räumen zu definieren, zusammen mit einem allgemeinen Konzept für Abstand zwischen Objekten in diesen Räumen, und darauf aufbauend allgemeine Begriffe wie den der Konvergenz.

Metrische Räume sind Räume, auf denen ein Abstandsbegriff definiert ist. Eine Metrik ist eine Abbildung dd zweier Vektoren auf eine reelle Zahl, die den Abstand zwischen diesen Vektoren ausdrückt, indem sie die folgenden Eigenschaften erfüllt:

  • d(x,y)0d(x,y)\geq 0 (Positive Definitheit)
  • d(x,y)=d(y,x)d(x,y)=d(y,x) (Symmetrie)
  • d(x,y)d(x,z)+d(z,y)d(x,y)\leq d(x,z) + d(z,y) (Dreiecksungleichung)

Normierte Räume sind Vektorräume, auf denen eine Norm definiert ist, die die Länge oder Größe eines Vektors ausdrückt (z.B. im Fall von Koordinatenvektoren der Abstand des Punktes zum Koordinatenursprung).

Eine Norm x\|x\| ist eine Abbildung eines Vektors xx auf eine reelle Zahl (die Länge des Vektors), die die folgenden Eigenschaften erfüllt:

  • x0\|x\|\geq 0 und x=0\|x\| = 0 gdw x=0x = 0 (Definitheit, es reicht zu zeigen: x=0x=0\|x\| = 0\Rightarrow x = 0 )
  • αx=αx\|\alpha x\| = |\alpha| \|x\| für alle αR\alpha\in\mathbb{R} (Homogenität)
  • x+yx+y\|x+y\| \leq \|x\| + \|y\| (Dreiecksungleichung)

Eine Norm setzt eine lineare Struktur voraus, ist also nur für Vektorräume definiert. Beispiele:

  • R1\mathbb{R}^1 mit dem Betrag |\cdot|

  • Rn\mathbb{R}^n mit der p-Norm xp:=(k=1nxkp)1p\|x\|_p := \left(\sum_{k=1}^n |x_k|^p\right)^{\frac{1}{p}}

    Spezialfälle:

    • 1\|\cdot\|_1 Summennorm
    • 2\|\cdot\|_2 euklidische Norm
    • x:=max{xk1kn}\|x\|_\infty := \text{max}\,\{|x_k|\,\mid\,1\leq k\leq n\} Maximumnorm
  • Vektorraum aller beschränkten Funktionen f:MYf:M\to Y mit der Supremumsnorm f:=supxMf(x)Y\|f\|_\infty := \sup_{x\in M}\|f(x)\|_Y

Eine Norm kann vom Skalarprodukt ,\langle\cdot,\cdot\rangle abgeleitet werden: x=x,x\|x\| = \sqrt{\langle x,x\rangle} Und jede Norm induziert eine Metrik (aber nicht zwangsläufig umgekehrt), nämlich: d(x,y)=xyd(x,y) = \|x-y\| D.h. der Abstand zweier Vektoren wird definiert als die Länge des Differenzvektors. Jeder normierte Raum ist also auch ein metrischer Raum. Aber nicht zwangsläufig umgekehrt: Ein metrischer Raum ist nicht unbedingt ein Vektorraum, denn eine Metrik muss die lineare Struktur eines Raumes nicht respektieren.

Beispiele für Metriken, die von keiner Norm induziert werden:

  • Diskrete (oder triviale) Metrik d(x,y):={0wenn x=y1sonstd(x,y) := \begin{cases} 0 & \text{wenn }x=y \\ 1 & \text{sonst}\end{cases}
  • Französische Eisenbahnmetrik (wo die Abstandsmessung immer durch einen zentralen Punkt PP gehen muss) d(x,y):={xywenn x,y auf einer Geraden durch P liegenxP+Pysonstd(x,y) := \begin{cases} \|x-y\| & \text{wenn }x,y\text{ auf einer Geraden durch }P\text{ liegen} \\ \|x-P\| + \|P-y\| & \text{sonst}\end{cases}
  • p-adische Metrik auf Z\mathbb{Z}

Alle Normen über einem endlich-dimensionalen Vektorraum Rn\mathbb{R}^n sind bis auf eine Konstante (d.h. bis auf Streckung oder Stauchung) äquivalent, d.h. es gibt c1,c2c_1,c_2 , so dass xac1xb\|x\|_a \leq c_1\|x\|_b und xbc2xa\|x\|_b\leq c_2 \|x\|_a . Sie induzieren also die gleiche Topologie. So kann man z.B. bestimmte Eigenschaften auf der Maximumsnorm zeigen, wo sie einfacher zu beweisen sind, und dann auf äquivalente Normen übertragen.

Ein normierter Raum ist genau dann vollständig, wenn jede Cauchy-Folge konvergiert. Vollständige Räume umfassen immer geschlossene Mengen, es gibt also keine Lücken im Raum. Ein vollständiger normierter Raum heißt Banachraum. Zum Beispiel ist jeder endlich-dimensionale Raum über R\mathbb{R} (also Rn\mathbb{R}^n ) mit einer beliebigen Norm vollständig.

Metrische und normierte Räume als topologische Räume

In einem metrischen Raum (M,d)(M,d) lässt sich eine ε\varepsilon -Umgebung UεU_\varepsilon von x0x_0 definieren als: Uε(x0)={xMd(x,x0)<ε}U_\varepsilon(x_0)=\{ x\in M \,|\, d(x,x_0) < \varepsilon \} Eine Menge UU heißt Umgebung von x0x_0 , wenn es ein ε\varepsilon gibt, so dass Uε(x0)UU_\varepsilon(x_0)\subseteq U .

Ein Punkt xx ist Häufungspunkt einer Menge, wenn in jeder ε\varepsilon -Umgebung Uε(x)U_\varepsilon(x) mindestens ein von xx verschiedenes Element liegt. (Es liegen dann sogar unendlich viele Elemente der Menge in jeder ε\varepsilon -Umgebung.) Zum Beispiel ist jede rationale Zahl Häufungspunkt der irrationalen Zahlen und umgekehrt. Auf normierte Räume übertragen sich diese Definitionen, indem man die durch die Norm induzierte Metrik betrachtet.

Nun ist jeder metrische Raum auch ein topologischer Raum (und sogar ein Hausdorff-Raum), mit der folgenden induzierten Topologie:

  • Eine Menge MM ist offen, wenn es für jedes xMx\in M eine ε\varepsilon -Umgebung von xx gibt, die ganz in MM liegt. Eine Menge ist also genau dann offen, wenn sie nur aus inneren Punkten besteht, d.h. keinen ihrer Randpunkte enthält.

  • Eine Menge ist geschlossen, wenn es für jeden Punkt außerhalb der Menge eine ε\varepsilon -Umgebung gibt, die auch außerhalb liegt. Das heißt eine Menge ist genau dann geschlossen, wenn sie alle ihre Häufungspunkte enthält.

Zum Beispiel induziert die diskrete Metrik die diskrete Topologie, unter der alle Teilmengen offen sind.

Eine Teilmenge von Rn\mathbb{R}^n ist offen oder geschlossen unabhängig davon, welche Metrik bzw. Norm betrachtet wird.

Faustregeln:

  • Offene Intervalle in R\mathbb{R} sind offen, abgeschlossene Intervalle sind abgeschlossen.

    Die Grundmenge ist hierbei wichtig. Zum Beispiel ist [0,1)[0,1) nicht offen in R\mathbb{R} , aber offen in [0,)[0,\infty) . Analog ist [0,1)[0,1) nicht abgeschlossen in R\mathbb{R} , aber abgeschlossen in (1,1)(-1,1) .

  • Mengen, die mit strikten Ungleichungen zwischen stetigen Funktionen definiert sind, sind offen (z.B. {(x,y)R2x<y2}\{(x,y)\in\mathbb{R}^2 \,|\, x<y^2\} ).

  • Mengen, die mit =,,=,\leq,\geq zwischen stetigen Funktionen definiert sind, sind abgeschlossen (z.B. {(x,y)R2xy2}\{(x,y)\in\mathbb{R}^2 \,|\, x\leq y^2\} ).

Für jede Metrik dd ist auch d(x,y):=d(x,y)1+dx,yd'(x,y):=\frac{d(x,y)}{1+d{x,y}} eine Metrik und die erzeugte Topologie ist die gleiche.

Stetige Funktionen auf topologischen Räumen

Sind Definitions- und Wertebereich einer Funktion topologische Räume, so ist die Wahl der Topologie entscheidend für die Stetigkeit der Funktion. Stetigkeit lässt sich in diesem Kontext allgemein wie folgt definieren: Sind (X,TX)(X,T_X) und (Y,TY)(Y,T_Y) topologische Räume, dann ist eine Funktion f:XYf:X\to Y stetig in xXx\in X , wenn für jede Umgebung UU von f(x)f(x) (bzgl. (X,TX)(X,T_X) ) das Urbild f1(U)f^{-1}(U) eine Umgebung von xx (bzgl. (Y,TY)(Y,T_Y) ) ist.

Eine Abbildung zwischen topologischen Räumen ist genau dann stetig, wenn das Urbild jeder offenen (oder abgeschlossenen) Menge auch offen (oder abgeschlossen) ist.

Stetige Abbildungen erhalten Kompaktheit: Seien X,YX,Y Hausdorff-Räume und f:XYf:X\to Y eine stetige Abbildung. Ist AXA\subset X kompakt, so ist auch f(A)Yf(A)\subset Y kompakt. Wenn X,YX,Y metrische Räume sind, ist ff sogar gleichmäßig stetig.

Für reellwertige, stetige Funktionen gilt der Satz von Weierstraß: Eine stetige Funktion f:ARf:A\to\mathbb{R} , die auf einer kompakten Teilmenge AA eines Hausdorff-Raumes definiert ist, ist beschränkt und nimmt ihr Minimum und Maximum an.

Folgen und Reihen

Eine Folge ist eine Abbildung mit N\mathbb{N} als Wertebereich. Eine reelle Folge z.B. ist eine Abbildung f:NRf:\mathbb{N}\to\mathbb{R} . (Eine Folge hat also immer unendlich viele Elemente.)

Konvergenz von Folgen von Punkten in einem Raum

Konvergenz lässt sich über Umgebungen und Abstände definieren, die Idee ist jeweils die gleiche.

Konvergenz im topologischen Raum: Eine Folge (xn)(x^n) konvergiert gegen xx genau dann, wenn für jede Umgebung von xx gilt, dass es ein n0Nn_0\in\mathbb{N} gibt, so dass für alle nn0n\geq n_0 gilt, dass xnx_n in dieser Umgebung liegt (dass also ab einem bestimmten Element alle Folgenglieder in der Umgebung liegen).

Konvergenz im metrischen Raum: Eine Folge (xn)(x^n) konvergiert gegen xx genau dann, wenn es für jedes ε>0\varepsilon > 0 ein n0Nn_0\in\mathbb{N} gibt, so dass für alle nn0n\geq n_0 gilt, dass d(xn,x)<εd(x_n,x)<\varepsilon .

Konvergente Folgen sind immer Cauchy-Folgen, d.h. für jedes ε>0\varepsilon > 0 gibt es ein n0Nn_0\in\mathbb{N} , so dass für alle m,nn0m,n\geq n_0 gilt, dass d(xn,xm)<εd(x_n,x_m)<\varepsilon (der Abstand zwischen Folgengliedern wird also ab einem bestimmten Index beliebig klein). Die Umkehrung gilt nicht immer.

Das Cauchy-Kriterium für Konvergenz ist vor allem dann praktisch, wenn man den Wert nicht kennt, gegen den die Folge konvergiert.

Ein Raum heißt vollständig, wenn jede Cauchy-Folge in diesem Raum konvergiert (d.h. ihr Grenzwert auch in der Grundmenge liegt).

Der Grenzwert einer Folge ist immer auch Häufungspunkt. In einem metrischen Raum kann eine Folge mehrere Häufungspunkte haben, aber nur einen Grenzwert (Hausdorff).

Konvergenz von Folgen von Funktionen zwischen Räumen

  • punktweise Konvergenz
  • gleichmäßige Konvergenz
  • andere Konvergenzen (z.B. L1L^1 - und L2L^2 -Konvergenz)