Faltungstheorie

Faltungstheorie befasst sich mit der Faltung (Convolution) als binärer Operation, die zwei Funktionen, Maßfunktionen oder Verteilungen zu einer dritten Funktion zusammenfasst. In der eindimensionalen Analysis auf den reellen Zahlen definiert sich die Faltung zweier Funktionen f und g durch (f∗g)(t) = ∫_{−∞}^{∞} f(τ) g(t−τ) dτ, sofern das Integral existiert. Die Faltung besitzt grundlegende Eigenschaften wie Verschiebungsinvarianz, Glättungseffekt und Kommutativität, Assoziativität sowie Linearität. Als neutrale Einselement wirkt die Dirac-Delta-Verteilung δ, da δ∗f = f.

Existenz und Räume: Für Funktionenräume wie L¹(ℝ) und Lᵖ(ℝ) gelten typische Stetigkeits- und Regularitätsergebnisse. Beispielsweise gilt die Young’sche Ungleichung: Wenn f ∈ Lᵖ und g ∈ Lᑫ, dann f∗g ∈ Lʳ mit 1/p + 1/q = 1 + 1/r. In vielen Fällen folgt aus f ∈ L¹, g ∈ Lᵖ, dass f∗g ∈ Lᵖ und ‖f∗g‖ₚ ≤ ‖f‖₁‖g‖ₚ.

Erweiterungen: Die Faltung lässt sich auf Maße und Verteilungen verallgemeinern. So ist der Faltungsoperator mit einem Maß definierbar, und Verteilungen wie die Delta-Distribution können mit Funktionen faltiert werden. In der Distributionstheorie gilt δ∗f=f, und die Faltung mit glatten, kompaktnormalisierten Testfunktionen dient zum Glätten von Verteilungen. Approximate Identities (Mollifieren) liefern eine Folge φₑ, die Faltung φₑ∗f→f bei ε→0.

Fourier- und Laplace-Theorie: Die Faltungstheorie steht im engen Zusammenhang mit Transformationsmethoden. Der Faltungssatz besagt, dass die Fourier-Transformation der Faltung das Produkt der Fourier-Transformationen ist (unter geeignet gewählten Normalisierungen). Das erlaubt die Lösung von Integralgleichungen und PDEs.

Anwendungen: In der Signalverarbeitung als Filter, in der Bildverarbeitung als Glättung oder Kantenfilter, in der Wahrscheinlichkeitstheorie beim Addieren unabhängiger Zufallsvariable(n) bzw. beim Auflösen von Diffusionsprozessen, sowie in der numerischen Mathematik bei der Implementierung von Faltungsoperatoren.

---