<p>This thesis treats inequalities of Carlson type, i.e. inequalities of the form</p><p><mml:math><mml:semantics><mml:mrow><mml:mrow><mml:msub><mml:mi>∥f∥</mml:mi><mml:mi>x</mml:mi></mml:msub><mml:mo mml:stretchy="false">≤</mml:mo><mml:mi>K</mml:mi></mml:mrow><mml:mrow><mml:munderover><mml:mo mml:stretchy="false">∏</mml:mo><mml:mrow><mml:mi>i</mml:mi><mml:mo mml:stretchy="false">=</mml:mo><mml:mn>1</mml:mn></mml:mrow><mml:mi>m</mml:mi></mml:munderover><mml:msubsup><mml:mi>∥f∥</mml:mi><mml:msub><mml:mi>A</mml:mi><mml:mi>i</mml:mi></mml:msub><mml:msub><mml:mo mml:stretchy="false">θ</mml:mo><mml:mi>i</mml:mi></mml:msub></mml:msubsup></mml:mrow></mml:mrow></mml:semantics></mml:math></p><p>where <mml:math><mml:semantics><mml:mrow><mml:mrow><mml:munderover><mml:mo mml:stretchy="false">∑</mml:mo><mml:mrow><mml:mi>i</mml:mi><mml:mo mml:stretchy="false">=</mml:mo><mml:mn>1</mml:mn></mml:mrow><mml:mi>m</mml:mi></mml:munderover><mml:msub><mml:mo mml:stretchy="false">θ</mml:mo><mml:mn>i </mml:mn></mml:msub></mml:mrow><mml:mo mml:stretchy="false">=</mml:mo><mml:mn>1</mml:mn></mml:mrow></mml:semantics></mml:math> and <i>K</i> is some constant, independent of the function <i>f</i>. <i>X</i> and <mml:math><mml:semantics><mml:msub><mml:mi>A</mml:mi><mml:mi>i</mml:mi></mml:msub></mml:semantics></mml:math> are normed spaces, embedded in some Hausdorff topological vector space. In most cases, we have <mml:math><mml:semantics><mml:mrow><mml:mi>m</mml:mi><mml:mo mml:stretchy="false">=</mml:mo><mml:mn>2</mml:mn></mml:mrow></mml:semantics></mml:math>, and the spaces involved are weighted Lebesgue spaces on some measure space. For example, the inequality</p><p><mml:math><mml:semantics><mml:mrow><mml:mrow><mml:munderover><mml:mo mml:stretchy="false">∫</mml:mo><mml:mn>0</mml:mn><mml:mo mml:stretchy="false">∞</mml:mo></mml:munderover><mml:mi>f</mml:mi></mml:mrow><mml:mrow><mml:mo mml:stretchy="false">(</mml:mo><mml:mi>x</mml:mi><mml:mo mml:stretchy="false">)</mml:mo></mml:mrow><mml:mrow><mml:mi mml:fontstyle="italic">dx</mml:mi><mml:mo mml:stretchy="false">≤</mml:mo><mml:msqrt><mml:mo mml:stretchy="false">π</mml:mo></mml:msqrt></mml:mrow><mml:msup><mml:mfenced mml:open="(" mml:close=")"><mml:mrow><mml:mrow><mml:munderover><mml:mo mml:stretchy="false">∫</mml:mo><mml:mn>0</mml:mn><mml:mo mml:stretchy="false">∞</mml:mo></mml:munderover><mml:msup><mml:mi>f</mml:mi><mml:mn>2</mml:mn></mml:msup></mml:mrow><mml:mrow><mml:mo mml:stretchy="false">(</mml:mo><mml:mi>x</mml:mi><mml:mo mml:stretchy="false">)</mml:mo></mml:mrow><mml:mi mml:fontstyle="italic">dx</mml:mi></mml:mrow></mml:mfenced><mml:mrow><mml:mn>1</mml:mn><mml:mo mml:stretchy="false">/</mml:mo><mml:mn>4</mml:mn></mml:mrow></mml:msup><mml:msup><mml:mfenced mml:open="(" mml:close=")"><mml:mrow><mml:mrow><mml:munderover><mml:mo mml:stretchy="false">∫</mml:mo><mml:mn>0</mml:mn><mml:mo mml:stretchy="false">∞</mml:mo></mml:munderover><mml:msup><mml:mi>x</mml:mi><mml:mn>2 </mml:mn></mml:msup></mml:mrow><mml:msup><mml:mi>f</mml:mi><mml:mn>2 </mml:mn></mml:msup><mml:mrow><mml:mo mml:stretchy="false">(</mml:mo><mml:mi>x</mml:mi><mml:mo mml:stretchy="false">)</mml:mo></mml:mrow><mml:mi mml:fontstyle="italic">dx</mml:mi></mml:mrow></mml:mfenced><mml:mrow><mml:mn>1</mml:mn><mml:mo mml:stretchy="false">/</mml:mo><mml:mn>4</mml:mn></mml:mrow></mml:msup></mml:mrow></mml:semantics></mml:math></p><p>first proved by F. Carlson, is the above inequality with <mml:math><mml:semantics><mml:mrow><mml:mi>m</mml:mi><mml:mo mml:stretchy="false">=</mml:mo><mml:mn>2</mml:mn></mml:mrow></mml:semantics></mml:math>, <mml:math><mml:semantics><mml:mrow><mml:mrow><mml:msub><mml:mo mml:stretchy="false">θ</mml:mo><mml:mn>1 </mml:mn></mml:msub><mml:mo mml:stretchy="false">=</mml:mo><mml:msub><mml:mo mml:stretchy="false">θ</mml:mo><mml:mn>2 </mml:mn></mml:msub></mml:mrow><mml:mo mml:stretchy="false">=</mml:mo><mml:mfrac><mml:mn>1 </mml:mn><mml:mn>2</mml:mn></mml:mfrac></mml:mrow></mml:semantics></mml:math>, <mml:math><mml:semantics><mml:mrow><mml:mrow><mml:mi>X</mml:mi><mml:mo mml:stretchy="false">=</mml:mo><mml:msub><mml:mi>L</mml:mi><mml:mn>1</mml:mn></mml:msub></mml:mrow><mml:mrow><mml:mo mml:stretchy="false">(</mml:mo><mml:mrow><mml:msub><mml:mo mml:stretchy="false">ℝ</mml:mo><mml:mrow><mml:mo mml:stretchy="false">+</mml:mo><mml:mn>, </mml:mn></mml:mrow></mml:msub><mml:mi mml:fontstyle="italic">dx</mml:mi></mml:mrow><mml:mo mml:stretchy="false">)</mml:mo></mml:mrow><mml:mn>, </mml:mn><mml:mrow><mml:msub><mml:mi>A</mml:mi><mml:mn>1 </mml:mn></mml:msub><mml:mo mml:stretchy="false">=</mml:mo><mml:msub><mml:mi>L</mml:mi><mml:mn>2 </mml:mn></mml:msub></mml:mrow><mml:mrow><mml:mo mml:stretchy="false">(</mml:mo><mml:mrow><mml:msub><mml:mo mml:stretchy="false">ℝ</mml:mo><mml:mrow><mml:mo mml:stretchy="false">+</mml:mo><mml:mn>, </mml:mn></mml:mrow></mml:msub><mml:mi mml:fontstyle="italic">dx</mml:mi></mml:mrow><mml:mo mml:stretchy="false">)</mml:mo></mml:mrow></mml:mrow></mml:semantics></mml:math> and <mml:math><mml:semantics><mml:mrow><mml:mrow><mml:msub><mml:mi>A</mml:mi><mml:mn>2 </mml:mn></mml:msub><mml:mo mml:stretchy="false">=</mml:mo><mml:msub><mml:mi>L</mml:mi><mml:mn>2 </mml:mn></mml:msub></mml:mrow><mml:mrow><mml:mo mml:stretchy="false">(</mml:mo><mml:mrow><mml:msub><mml:mo mml:stretchy="false">ℝ</mml:mo><mml:mrow><mml:mo mml:stretchy="false">+</mml:mo><mml:mn>, </mml:mn></mml:mrow></mml:msub><mml:msup><mml:mi>x</mml:mi><mml:mn>2 </mml:mn></mml:msup><mml:mi mml:fontstyle="italic">dx</mml:mi></mml:mrow><mml:mo mml:stretchy="false">)</mml:mo></mml:mrow></mml:mrow></mml:semantics></mml:math>. In different situations, suffcient, and sometimes necessary, conditions are given on the weights in order for a Carlson type inequality to hold for some constant <i>K</i>. Carlson type inequalities have applications to e.g. moment problems, Fourier analysis, optimal sampling, and interpolation theory.</p>

<p>Suppose that <b>X</b> and <b>Y</b> are Banach couples and suppose that there is a bounded linear couple map Q from <b>Y</b> to <b>X</b> which has the property that Q restricted to the endpoint spaces is injective and the images of the endpointspaces of <b>Y</b> are closed in the endpoint spaces of <b>X</b>, then we say that <b>Y</b> is a subcouple of <b>X.</b> </p><p>If F is an interpolation functor we want to know how F(<b>Y</b>) is related to F(<b>X</b>). In particular we want to know for which F it holds that Q is an injection that maps F(<b>Y</b>) onto a closed subspace of F(<b>X</b>). In recent years interest has been paid to subcouples of finite codimension and in particular to subcouples of codimension one. We will in this thesis present an interpolation theory for subcouples of codimension one and then generalize it to finite codimension. Our theory will include both a larger class of couples and a larger class of interpolation functors than earlier results.</p><p>The interpolation method that will be considered is the regular real method. Our general theory will imply older results by Kalton, Ivanov and Löfström. We will use the theory to answer questions about Hardy-type inequalities that were raised by Krugljak, Maligranda and Persson in 1999 and our new theory will also answer a question concerning interpolation of Banach algebras.</p>

Many problems in early vision can be formulated in terms of minimizing an energy or cost function. Examples are shape-from-shading, edge detection, motion analysis, structure from motion and surface interpolation (Poggio, Torre and Koch, 1985). It has been shown that all quadratic variational problems, an important subset of early vision tasks, can be "solved" by linear, analog electrical or chemical networks (Poggio and Koch, 1985). IN a variety of situateions the cost function is non-quadratic, however, for instance in the presence of discontinuities. The use of non-quadratic cost functions raises the question of designing efficient algorithms for computing the optimal solution. Recently, Hopfield and Tank (1985) have shown that networks of nonlinear analog "neurons" can be effective in computing the solution of optimization problems. In this paper, we show how these networks can be generalized to solve the non-convex energy functionals of early vision. We illustrate this approach by implementing a specific network solving the problem of reconstructing a smooth surface while preserving its discontinuities from sparsely sampled data (Geman and Geman, 1984; Marroquin 1984; Terzopoulos 1984). These results suggest a novel computational strategy for solving such problems for both biological and artificial vision systems.

The terrestrial biosphere impacts considerably on the global carbon cycle. In particular, ecosystems contribute to set off anthropogenic induced fossil fuel emissions and hence decelerate the rise of the atmospheric CO₂ concentration. However, the future net sink strength of an ecosystem will heavily depend on the response of the individual processes to a changing climate. Understanding the makeup of these processes and their interaction with the environment is, therefore, of major importance to develop long-term climate mitigation strategies. Mathematical models are used to predict the fate of carbon in the soil-plant-atmosphere system under changing environmental conditions. However, the underlying processes giving rise to the net carbon balance of an ecosystem are complex and not entirely understood at the canopy level. Therefore, carbon exchange models are characterised by considerable uncertainty rendering the model-based prediction into the future prone to error. Observations of the carbon exchange at the canopy scale can help learning about the dominant processes and hence contribute to reduce the uncertainty associated with model-based predictions. For this reason, a global network of measurement sites has been established that provides long-term observations of the CO₂ exchange between a canopy and the atmosphere along with micrometeorological conditions. These time series, however, suffer from observation uncertainty that, if not characterised, limits their use in ecosystem studies. The general objective of this work is to develop a modelling methodology that synthesises physical process understanding with the information content in canopy scale data as an attempt to overcome the limitations in both carbon exchange models and observations. Similar hybrid modelling approaches have been successfully applied for signal extraction out of noisy time series in environmental engineering. Here, simple process descriptions are used to identify relationships between the carbon exchange and environmental drivers from noisy data. The functional form of these relationships are not prescribed a priori but rather determined directly from the data, ensuring the model complexity to be commensurate with the observations. Therefore, this data-led analysis results in the identification of the processes dominating carbon exchange at the ecosystem scale as reflected in the data. The description of these processes may then lead to robust carbon exchange models that contribute to a faithful prediction of the ecosystem carbon balance. This work presents a number of studies that make use of the developed data-led modelling approach for the analysis and interpretation of net canopy CO₂ flux observations. Given the limited knowledge about the underlying real system, the evaluation of the derived models with synthetic canopy exchange data is introduced as a standard procedure prior to any real data employment. The derived data-led models prove successful in several different applications. First, the data-based nature of the presented methods makes them particularly useful for replacing missing data in the observed time series. The resulting interpolated CO₂ flux observation series can then be analysed with dynamic modelling techniques, or integrated to coarser temporal resolution series for further use e.g., in model evaluation exercises. However, the noise component in these observations interferes with deterministic flux integration in particular when long time periods are considered. Therefore, a method to characterise the uncertainties in the flux observations that uses a semi-parametric stochastic model is introduced in a second study. As a result, an (uncertain) estimate of the annual net carbon exchange of the observed ecosystem can be inferred directly from a statistically consistent integration of the noisy data. For the forest measurement sites analysed, the relative uncertainty for the annual sum did not exceed 11 percent highlighting the value of the data. Based on the same models, a disaggregation of the net CO₂ flux into carbon assimilation and respiration is presented in a third study that allows for the estimation of annual ecosystem carbon uptake and release. These two components can then be further analysed for their separate response to environmental conditions. Finally, a fourth study demonstrates how the results from data-led analyses can be turned into a simple parametric model that is able to predict the carbon exchange of forest ecosystems. Given the global network of measurements available the derived model can now be tested for generality and transferability to other biomes. In summary, this work particularly highlights the potential of the presented data-led methodologies to identify and describe dominant carbon exchange processes at the canopy level contributing to a better understanding of ecosystem functioning. / Der Kohlenstoffhaushalt der Erde wird maßgeblich von der bewachsenen Landoberfläche beeinflusst. Insbesondere tragen terrestrische Ökosysteme dazu bei, den Anstieg der atmosphärischen Kohlenstoffdioxid- (CO₂-) Konzentration durch anthropogen verursachte Emissionen fossiler Brennstoffe zu verlangsamen. Die Intensität der Netto-CO₂-Aufnahme wird allerdings in einem sich verändernden Klima davon abhängen, wie einzelne Prozesse auf Änderungen der sie beeinflussenden Umweltfaktoren reagieren. Fundierte Kenntnisse dieser Prozesse und das Verständnis ihrer Wechselwirkungen mit der Umwelt sind daher für eine erfolgreiche Klimaschutzpolitik von besonderer Bedeutung. Mit Hilfe von mathematischen Modellen können Vorhersagen über den Verbleib des Kohlenstoffs im System Boden-Pflanze-Atmosphäre unter zukünftigen Umweltbedingungen getroffen werden. Die verantwortlichen Prozesse und ihre Wechselwirkungen mit der Umwelt sind jedoch kompliziert und bis heute auf der Ökosystemskala nicht vollkommen verstanden. Entwickelte Modelle und deren Vorhersagen sind deshalb derzeit mit erheblichen Unsicherheiten behaftet. Messungen von CO₂-Austauschflüssen zwischen einem Ökosystem und der Atmosphäre können dabei helfen, Vorgänge besser verstehen zu lernen und die Unsicherheiten in CO₂-Austausch-Modellen zu reduzieren. Allerdings sind auch diese Beobachtungen, wie alle Umweltmessungen, von Unsicherheiten durchsetzt. Ziel dieser Arbeit ist es Methoden zu entwickeln, die physikalisches Prozessverständnis mit dem dennoch großen Informationsgehalt dieser Daten vorteilhaft zu vereinigen. Dabei soll vereinfachtes Prozessverständnis dazu genutzt werden, Zusammenhänge zwischen dem CO₂-Austausch und den umgebenden Umweltbedingungen aus den Beobachtungen abzuleiten. Das Besondere hierbei ist, dass diese Zusammenhänge direkt aus den Daten geschätzt werden, ohne vorher Annahmen über ihre funktionale Form zu machen. Die Daten als Ausgangspunkt der Modellentwicklung zu wählen gewährleistet, dass die Komplexität der Modelle dem Informationsgehalt der Messungen entspricht. Auf diese Weise lassen sich diejenigen Prozesse identifizieren, welche für den CO₂-Austausch mit der Atmosphäre dominant sind. Die gewonnenen Erkenntnisse können dann in robuste CO₂-Austauschmodelle für Ökosysteme überführt werden und zur Vorhersage von Kohlenstoffbilanzen beitragen. In der vorliegenden Arbeit werden diese entwickelten, datenbasierten Methoden zur Analyse und Interpretation von Netto-CO₂-Flüssen eingesetzt. Die erste Studie führt ein datenbasiertes Modell ein, das unvermeidliche Lücken in Messzeitreihen zuverlässig interpoliert. Dies ermöglicht erweiterte Anwendungen der Daten. In einer nächsten Studie wird ein Verfahren vorgestellt, mit dem die Unsicherheiten in den Beobachtungen charakterisiert werden können. Dies ist nötig, um jährliche Kohlenstoffbilanzen von Ökosystemen unter Berücksichtigung der Messungenauigkeiten direkt aus den Daten herzuleiten. Dabei liegt die Unsicherheit in den betrachteten Waldstandorten bei maximal 11% des Jahreswertes. In einer weiteren Studie werden dieselben Modelle genutzt, um die Netto-CO₂-Flüsse in Einzelkomponenten der CO₂-Assimilation und -Abgabe zu bestimmen. Diese Komponenten sowie die Nettobilanz sind zusammen mit ihren Ungenauigkeiten für Vorhersagen über das Kohlenstoffsenkenpotential eines Ökosystems von besonderer Bedeutung und können Abschätzungen des globalen Kohlenstoffhaushaltes maßgeblich unterstützen. Abschließend zeigt die letzte Studie ein Beispiel für die datenbasierte Entwicklung eines Modells, das die dominanten Prozesse des Kohlenstoffaustausches in Waldökosystemen beschreibt und erfolgreich vorhersagen kann. Dies unterstreicht insbesondere das Potenzial des vorgestellten Modellierungsansatzes, vorherrschende Prozesse zu identifizieren, zu beschreiben und damit zum verbesserten Verständnis des CO₂-Austauschs zwischen Ökosystem und Atmosphäre beizutragen.

This thesis treats inequalities of Carlson type, i.e. inequalities of the form &lt;mml:math&gt;&lt;mml:semantics&gt;&lt;mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:msub&gt;&lt;mml:mi&gt;∥f∥&lt;/mml:mi&gt;&lt;mml:mi&gt;x&lt;/mml:mi&gt;&lt;/mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;≤&lt;/mml:mo&gt;&lt;mml:mi&gt;K&lt;/mml:mi&gt;&lt;/mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:munderover&gt;&lt;mml:mo mml:stretchy="false"&gt;∏&lt;/mml:mo&gt;&lt;mml:mrow&gt;&lt;mml:mi&gt;i&lt;/mml:mi&gt;&lt;mml:mo mml:stretchy="false"&gt;=&lt;/mml:mo&gt;&lt;mml:mn&gt;1&lt;/mml:mn&gt;&lt;/mml:mrow&gt;&lt;mml:mi&gt;m&lt;/mml:mi&gt;&lt;/mml:munderover&gt;&lt;mml:msubsup&gt;&lt;mml:mi&gt;∥f∥&lt;/mml:mi&gt;&lt;mml:msub&gt;&lt;mml:mi&gt;A&lt;/mml:mi&gt;&lt;mml:mi&gt;i&lt;/mml:mi&gt;&lt;/mml:msub&gt;&lt;mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;θ&lt;/mml:mo&gt;&lt;mml:mi&gt;i&lt;/mml:mi&gt;&lt;/mml:msub&gt;&lt;/mml:msubsup&gt;&lt;/mml:mrow&gt;&lt;/mml:mrow&gt;&lt;/mml:semantics&gt;&lt;/mml:math&gt; where &lt;mml:math&gt;&lt;mml:semantics&gt;&lt;mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:munderover&gt;&lt;mml:mo mml:stretchy="false"&gt;∑&lt;/mml:mo&gt;&lt;mml:mrow&gt;&lt;mml:mi&gt;i&lt;/mml:mi&gt;&lt;mml:mo mml:stretchy="false"&gt;=&lt;/mml:mo&gt;&lt;mml:mn&gt;1&lt;/mml:mn&gt;&lt;/mml:mrow&gt;&lt;mml:mi&gt;m&lt;/mml:mi&gt;&lt;/mml:munderover&gt;&lt;mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;θ&lt;/mml:mo&gt;&lt;mml:mn&gt;i &lt;/mml:mn&gt;&lt;/mml:msub&gt;&lt;/mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;=&lt;/mml:mo&gt;&lt;mml:mn&gt;1&lt;/mml:mn&gt;&lt;/mml:mrow&gt;&lt;/mml:semantics&gt;&lt;/mml:math&gt; and K is some constant, independent of the function f. X and &lt;mml:math&gt;&lt;mml:semantics&gt;&lt;mml:msub&gt;&lt;mml:mi&gt;A&lt;/mml:mi&gt;&lt;mml:mi&gt;i&lt;/mml:mi&gt;&lt;/mml:msub&gt;&lt;/mml:semantics&gt;&lt;/mml:math&gt; are normed spaces, embedded in some Hausdorff topological vector space. In most cases, we have &lt;mml:math&gt;&lt;mml:semantics&gt;&lt;mml:mrow&gt;&lt;mml:mi&gt;m&lt;/mml:mi&gt;&lt;mml:mo mml:stretchy="false"&gt;=&lt;/mml:mo&gt;&lt;mml:mn&gt;2&lt;/mml:mn&gt;&lt;/mml:mrow&gt;&lt;/mml:semantics&gt;&lt;/mml:math&gt;, and the spaces involved are weighted Lebesgue spaces on some measure space. For example, the inequality &lt;mml:math&gt;&lt;mml:semantics&gt;&lt;mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:munderover&gt;&lt;mml:mo mml:stretchy="false"&gt;∫&lt;/mml:mo&gt;&lt;mml:mn&gt;0&lt;/mml:mn&gt;&lt;mml:mo mml:stretchy="false"&gt;∞&lt;/mml:mo&gt;&lt;/mml:munderover&gt;&lt;mml:mi&gt;f&lt;/mml:mi&gt;&lt;/mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;(&lt;/mml:mo&gt;&lt;mml:mi&gt;x&lt;/mml:mi&gt;&lt;mml:mo mml:stretchy="false"&gt;)&lt;/mml:mo&gt;&lt;/mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:mi mml:fontstyle="italic"&gt;dx&lt;/mml:mi&gt;&lt;mml:mo mml:stretchy="false"&gt;≤&lt;/mml:mo&gt;&lt;mml:msqrt&gt;&lt;mml:mo mml:stretchy="false"&gt;π&lt;/mml:mo&gt;&lt;/mml:msqrt&gt;&lt;/mml:mrow&gt;&lt;mml:msup&gt;&lt;mml:mfenced mml:open="(" mml:close=")"&gt;&lt;mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:munderover&gt;&lt;mml:mo mml:stretchy="false"&gt;∫&lt;/mml:mo&gt;&lt;mml:mn&gt;0&lt;/mml:mn&gt;&lt;mml:mo mml:stretchy="false"&gt;∞&lt;/mml:mo&gt;&lt;/mml:munderover&gt;&lt;mml:msup&gt;&lt;mml:mi&gt;f&lt;/mml:mi&gt;&lt;mml:mn&gt;2&lt;/mml:mn&gt;&lt;/mml:msup&gt;&lt;/mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;(&lt;/mml:mo&gt;&lt;mml:mi&gt;x&lt;/mml:mi&gt;&lt;mml:mo mml:stretchy="false"&gt;)&lt;/mml:mo&gt;&lt;/mml:mrow&gt;&lt;mml:mi mml:fontstyle="italic"&gt;dx&lt;/mml:mi&gt;&lt;/mml:mrow&gt;&lt;/mml:mfenced&gt;&lt;mml:mrow&gt;&lt;mml:mn&gt;1&lt;/mml:mn&gt;&lt;mml:mo mml:stretchy="false"&gt;/&lt;/mml:mo&gt;&lt;mml:mn&gt;4&lt;/mml:mn&gt;&lt;/mml:mrow&gt;&lt;/mml:msup&gt;&lt;mml:msup&gt;&lt;mml:mfenced mml:open="(" mml:close=")"&gt;&lt;mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:munderover&gt;&lt;mml:mo mml:stretchy="false"&gt;∫&lt;/mml:mo&gt;&lt;mml:mn&gt;0&lt;/mml:mn&gt;&lt;mml:mo mml:stretchy="false"&gt;∞&lt;/mml:mo&gt;&lt;/mml:munderover&gt;&lt;mml:msup&gt;&lt;mml:mi&gt;x&lt;/mml:mi&gt;&lt;mml:mn&gt;2 &lt;/mml:mn&gt;&lt;/mml:msup&gt;&lt;/mml:mrow&gt;&lt;mml:msup&gt;&lt;mml:mi&gt;f&lt;/mml:mi&gt;&lt;mml:mn&gt;2 &lt;/mml:mn&gt;&lt;/mml:msup&gt;&lt;mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;(&lt;/mml:mo&gt;&lt;mml:mi&gt;x&lt;/mml:mi&gt;&lt;mml:mo mml:stretchy="false"&gt;)&lt;/mml:mo&gt;&lt;/mml:mrow&gt;&lt;mml:mi mml:fontstyle="italic"&gt;dx&lt;/mml:mi&gt;&lt;/mml:mrow&gt;&lt;/mml:mfenced&gt;&lt;mml:mrow&gt;&lt;mml:mn&gt;1&lt;/mml:mn&gt;&lt;mml:mo mml:stretchy="false"&gt;/&lt;/mml:mo&gt;&lt;mml:mn&gt;4&lt;/mml:mn&gt;&lt;/mml:mrow&gt;&lt;/mml:msup&gt;&lt;/mml:mrow&gt;&lt;/mml:semantics&gt;&lt;/mml:math&gt; first proved by F. Carlson, is the above inequality with &lt;mml:math&gt;&lt;mml:semantics&gt;&lt;mml:mrow&gt;&lt;mml:mi&gt;m&lt;/mml:mi&gt;&lt;mml:mo mml:stretchy="false"&gt;=&lt;/mml:mo&gt;&lt;mml:mn&gt;2&lt;/mml:mn&gt;&lt;/mml:mrow&gt;&lt;/mml:semantics&gt;&lt;/mml:math&gt;, &lt;mml:math&gt;&lt;mml:semantics&gt;&lt;mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;θ&lt;/mml:mo&gt;&lt;mml:mn&gt;1 &lt;/mml:mn&gt;&lt;/mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;=&lt;/mml:mo&gt;&lt;mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;θ&lt;/mml:mo&gt;&lt;mml:mn&gt;2 &lt;/mml:mn&gt;&lt;/mml:msub&gt;&lt;/mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;=&lt;/mml:mo&gt;&lt;mml:mfrac&gt;&lt;mml:mn&gt;1 &lt;/mml:mn&gt;&lt;mml:mn&gt;2&lt;/mml:mn&gt;&lt;/mml:mfrac&gt;&lt;/mml:mrow&gt;&lt;/mml:semantics&gt;&lt;/mml:math&gt;, &lt;mml:math&gt;&lt;mml:semantics&gt;&lt;mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:mi&gt;X&lt;/mml:mi&gt;&lt;mml:mo mml:stretchy="false"&gt;=&lt;/mml:mo&gt;&lt;mml:msub&gt;&lt;mml:mi&gt;L&lt;/mml:mi&gt;&lt;mml:mn&gt;1&lt;/mml:mn&gt;&lt;/mml:msub&gt;&lt;/mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;(&lt;/mml:mo&gt;&lt;mml:mrow&gt;&lt;mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;ℝ&lt;/mml:mo&gt;&lt;mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;+&lt;/mml:mo&gt;&lt;mml:mn&gt;, &lt;/mml:mn&gt;&lt;/mml:mrow&gt;&lt;/mml:msub&gt;&lt;mml:mi mml:fontstyle="italic"&gt;dx&lt;/mml:mi&gt;&lt;/mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;)&lt;/mml:mo&gt;&lt;/mml:mrow&gt;&lt;mml:mn&gt;, &lt;/mml:mn&gt;&lt;mml:mrow&gt;&lt;mml:msub&gt;&lt;mml:mi&gt;A&lt;/mml:mi&gt;&lt;mml:mn&gt;1 &lt;/mml:mn&gt;&lt;/mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;=&lt;/mml:mo&gt;&lt;mml:msub&gt;&lt;mml:mi&gt;L&lt;/mml:mi&gt;&lt;mml:mn&gt;2 &lt;/mml:mn&gt;&lt;/mml:msub&gt;&lt;/mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;(&lt;/mml:mo&gt;&lt;mml:mrow&gt;&lt;mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;ℝ&lt;/mml:mo&gt;&lt;mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;+&lt;/mml:mo&gt;&lt;mml:mn&gt;, &lt;/mml:mn&gt;&lt;/mml:mrow&gt;&lt;/mml:msub&gt;&lt;mml:mi mml:fontstyle="italic"&gt;dx&lt;/mml:mi&gt;&lt;/mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;)&lt;/mml:mo&gt;&lt;/mml:mrow&gt;&lt;/mml:mrow&gt;&lt;/mml:semantics&gt;&lt;/mml:math&gt; and &lt;mml:math&gt;&lt;mml:semantics&gt;&lt;mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:msub&gt;&lt;mml:mi&gt;A&lt;/mml:mi&gt;&lt;mml:mn&gt;2 &lt;/mml:mn&gt;&lt;/mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;=&lt;/mml:mo&gt;&lt;mml:msub&gt;&lt;mml:mi&gt;L&lt;/mml:mi&gt;&lt;mml:mn&gt;2 &lt;/mml:mn&gt;&lt;/mml:msub&gt;&lt;/mml:mrow&gt;&lt;mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;(&lt;/mml:mo&gt;&lt;mml:mrow&gt;&lt;mml:msub&gt;&lt;mml:mo mml:stretchy="false"&gt;ℝ&lt;/mml:mo&gt;&lt;mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;+&lt;/mml:mo&gt;&lt;mml:mn&gt;, &lt;/mml:mn&gt;&lt;/mml:mrow&gt;&lt;/mml:msub&gt;&lt;mml:msup&gt;&lt;mml:mi&gt;x&lt;/mml:mi&gt;&lt;mml:mn&gt;2 &lt;/mml:mn&gt;&lt;/mml:msup&gt;&lt;mml:mi mml:fontstyle="italic"&gt;dx&lt;/mml:mi&gt;&lt;/mml:mrow&gt;&lt;mml:mo mml:stretchy="false"&gt;)&lt;/mml:mo&gt;&lt;/mml:mrow&gt;&lt;/mml:mrow&gt;&lt;/mml:semantics&gt;&lt;/mml:math&gt;. In different situations, suffcient, and sometimes necessary, conditions are given on the weights in order for a Carlson type inequality to hold for some constant K. Carlson type inequalities have applications to e.g. moment problems, Fourier analysis, optimal sampling, and interpolation theory.

Suppose that <b>X</b> and <b>Y</b> are Banach couples and suppose that there is a bounded linear couple map Q from <b>Y</b> to <b>X</b> which has the property that Q restricted to the endpoint spaces is injective and the images of the endpointspaces of <b>Y</b> are closed in the endpoint spaces of <b>X</b>, then we say that <b>Y</b> is a subcouple of <b>X.</b> If F is an interpolation functor we want to know how F(<b>Y</b>) is related to F(<b>X</b>). In particular we want to know for which F it holds that Q is an injection that maps F(<b>Y</b>) onto a closed subspace of F(<b>X</b>). In recent years interest has been paid to subcouples of finite codimension and in particular to subcouples of codimension one. We will in this thesis present an interpolation theory for subcouples of codimension one and then generalize it to finite codimension. Our theory will include both a larger class of couples and a larger class of interpolation functors than earlier results. The interpolation method that will be considered is the regular real method. Our general theory will imply older results by Kalton, Ivanov and Löfström. We will use the theory to answer questions about Hardy-type inequalities that were raised by Krugljak, Maligranda and Persson in 1999 and our new theory will also answer a question concerning interpolation of Banach algebras.

Cette thèse s'articule autour de la reconstruction géométrique de formes. Plusieurs méthodes, basées sur les diagrammes de Voronoï, sont proposées pour la reconstruction automatique d'objets naturels. L'application principale est la modélisation et l'imagerie géologique. Une première méthode permet la reconstruction de volumes et surfaces géologiqu- es à partir de données incomplètes et hétérogènes : données ponctuelles sur des affleurements, portions de contours cartographiques, sondages, coupes incomplètes ou interprétées, modèles numériques de terrains... L'idée majeure de la méthode consiste à assembler les objets différents selon leurs proximités, en utilisant le diagramme de Voronoï de ces objets. Les diagrammes de Voronoï sont des structures géométriques permettant de partitionner l'espace en régions d'influence. En pratique toutes les données sont discrétisées en un ensemble de points colorés, les couleurs représentant ici les caractéristiques géologiques ou géophysiques des données, que nous souhaitons imager. La partition "colorée" de ces points nous donne une première solution topologique au problème de reconstruction. Elle nous fournit en outre, une représentation du bord de l'objet géologique et de son intérieur. L'utilisation de courbes et de surfaces déformables sous contraintes (tension, courbure et respect de la topologie initiale) permet ensuite d'obtenir des interfaces plus lisses et plus conformes. Une étape particulière permet de prendre en compte des surfaces de discontinui- té comme les failles. Afin de représenter un objet S, non plus par des éléments discrets (polyèdres de Voronoi), mais par les valeurs positives d'une fonction continue, nous avons introduit une nouvelle méthode. L'objectif de la méthode est de définir une fonction interpolante s telle que l'ensemble des zéros de s passe exactement par les données de départ et soit une approximation cohérente et lisse de S par ailleurs. Dans un premier temps nous définissons, une fonction caractéristique locale en chaque donnée (point, contour...) et l'objet volumique final résulte alors d'une interpolation de ces fonctions.

En animation tridimensionnelle, on distingue principalement deux grandes approches basées soit sur des modèles descriptifs, soit sur des modèles générateurs. Dans la première, les possibilités de contrôle sur les trajectoires d'interpolation sont essentielles. Je décris une méthode offrant à l'utilisateur les mêmes possibilités d'interaction sur les trajectoires d'orientations que sur les positions. Le contrôle en temps réel des orientations est rendu possible par une paramétrisation à base de logarithme et d'exponentielle de quaternions et par la notion de tangente sphérique. Une interface 3d de haut niveau gère les interactions avec l'utilisateur. La vitesse de déplacement le long des trajectoires est déterminée par une paramétrisation automatique reprenant des principes de mécanique élémentaire. Enfin, ces techniques sont appliquées a la modélisation interactive de cylindres généralises. Les systèmes par paramètres-clés montrent vite leurs limitations dès qu'il s'agit d'animer de façon réaliste des objets complexes. Pour cela, les systèmes d'animation dits générateurs intégrant les lois de la mécanique ont été introduits. Dans la deuxième partie, je propose une approche alliant les possibilités de contrôle des systèmes descriptifs au réalisme des modèles générateurs. Le principe est de minimiser l'énergie au cours du mouvement. Les équations du mouvement pour des solides rigides articules sont construites sous forme symbolique. L'étape de minimisation est réalisée par un algorithme de contrôle optimal, traitant les équations du mouvement sous leur forme continue.

Invasive species often threaten biodiversity and environmental processes in their introduced range by extirpating native species due to competition for resources. Nylanderia fulva (formerly N. (=Paratrechina) sp. nr. pubens) is an ecologically dominant and economically important invasive species in the United States. This dissertation addresses aspects of the biology, behavior, management, and collection techniques for N. fulva. Specifically, topics investigated include a modified drip technique for extracting ants from their substrate, the effectiveness of a broadcast ant bait as a stand-alone treatment, the foraging preference and peak activity of workers, the reproductive potential of queens, and the ability of this species to translocate pathogenic microorganisms. The primary goal of these works was to better understand the biological idiosyncrasies of this species that may ultimately lead to the mitigation N. fulva populations. A modified drip technique was developed to quickly and efficiently extract N. fulva from their nesting substrates. Ants and their associated substrates were collected in 18.9 L buckets lined with talcum powder and transported to the laboratory. Substrates were weighted down and a cardboard tower was provided for the immigration of ants as they were forced out of substrates with a slow influx of water. Three applications of Advance Carpenter Ant Bait (ACAB) were applied to a N. fulva population in East Columbia, TX. A series of GIS interpolated maps depict achieved management and subsequent rebound of N. fulva populations. As great as 77% population reduction was achieved by 1 week post treatment, but N. fulva populations rebounded within 3-4 weeks. As a stand-alone treatment, this bait did not provide adequate ant management in treatment plots. Diet preference experiments were performed using artificial diets and food lures. These results of these trials indicated that N. fulva preferred the most carbohydrate rich diet offered through all seasons and that mint apple jelly or hot dog slices were the favored food lures. Diel foraging behavior was observed when temperatures were between 9.95 and 37.26 degrees C. Peak foraging activity occurred at 28.24 +/- 3.12 degrees C. A laboratory investigation of N. fulva suggested that as the number of queens increased, individual queen fecundity increased. This phenomenon is a novel observation among ants and suggests an alternative mechanism for intracolony dominance. Hexagyne colony fecundity of 0.25 +/- 0.12 eggs/queen/hr was the maximum fecundity observed. Results of laboratory experiments showed that N. fulva were capable of transferring E. coli up to 4.5 m in 6 hrs after acquisition from a contaminated source. Pyrosequencing of ectomicrobial assemblages revealed a suite of 518 bacteria and 135 fungi species associated with N. fulva, many of which are known pathogens of plants and animals, including humans. These results suggested that N. fulva should be regarded as both a medically and agriculturally important species.

Aeroelastic behavior prediction is often confined to analytical or highly computational methods, so I developed a low degree of freedom computational method using structural finite elements and unsteady loading to cover a gap in the literature. Finite elements are readily suitable for determination of the free vibration characteristics of eccentric, elastic structures, and the free vibration characteristics fundamentally determine the aeroelastic behavior. I used Theodorsen’s unsteady strip loading formulation to model the aerodynamic loading on linear elastic structures assuming harmonic motion. I applied Hassig’s ‘p-k’ method to predict the flutter boundary of nonsymmetric, aeroelastic systems. I investigated the application of a quintic interpolation assumed displacement shape to accurately predict higher order characteristic effects compared to linear analytical results. I show that quintic interpolation is especially accurate over cubic interpolation when multi-modal interactions are considered in low degree of freedom flutter behavior for high aspect ratio HALE aircraft wings.