【泛函分析】 2 赋范线性空间

1  线性空间

满足加法数乘的线性运算

  1. 线性包spanA:\left \{ y= \lambda _{1}x_{1}+\lambda _{2}x_{2}+...+\lambda _{n}x_{n}|\lambda _{i}\in \mathbb{K},x_{i}\in A,i=1,2,...n,n\in \mathbb{N}\right \}
  2. 凸包coA:\left \{ y= \lambda _{1}x_{1}+\lambda _{2}x_{2}+...+\lambda _{n}x_{n}|\lambda _{i}\geq 0,\sum_{i=1}^{n}\lambda _{i}=1,x_{i}\in A,i=1,2,...n,n\in \mathbb{N}\right \}
    即有限凸组合组成的集合
  3. 同构:T:X\rightarrow Y是双射且T\left ( \alpha x+\beta y \right )=\alpha Tx+\beta Ty
  4. 线性流形:线性子空间对某个向量的平移,M,M_{0}\subset X,\exists x_{0}\in X,\,s.t.M=M_{0}+x_{0}= \left \{ x+x_{0} |x\in M_{0}\right \}

 

2  赋范线性空间

 2.1  定义

1.准范数\left \| \cdot \right \|
[1]正定性:\left \| x \right \|\geq 0,\forall x\in X:\left \| x \right \|=0\Leftrightarrow x=\theta;                                                                                                           

[2]三角不等式:|\left | x+y \right ||\leq \left \| x \right \|+\left \| y \right \|,\forall x,y\in X;                                                                                                       

[3]偶性:\left \| -x \right \|=\left \| x \right \|,\forall x\in X ;                                                                                                                                     
[4]连续性:\lim_{\alpha _{n}\rightarrow 0}\left \| \alpha _{n}x \right \|=0;\lim_{\left \| x_{_{n}} \right \|\rightarrow 0}\left \| \alpha x_{n} \right \|=0,\forall \alpha ,\alpha _{n}\in \mathbb{K},x,x_{n}\in X

2.F^{*}空间:X是赋准范数空间,若X上距离\rho (x,y)=\left \| x-y \right \|,则称它为F^{*}空间;特别地,完备的F^{*}空间称为F空间。

3.范数\left \| \cdot \right \|
[1]正定性:\left \| x \right \|\geq 0,\forall x\in X:\left \| x \right \|=0\Leftrightarrow x=\theta;                                                                                                           

[2]三角不等式:|\left | x+y \right ||\leq \left \| x \right \|+\left \| y \right \|,\forall x,y\in X;                                                                                                          

[3]齐次性:\left \| ax \right \|=\left | a \right |\left \| x \right \|,\forall x\in X

4.B^{*}空间:赋范线性空间;特别地, 完备的B^{*}空间称为B(Banach)空间。   

 2.2   Araela-Ascoli 定理

  F是C(M)的一个子集,M是距离空间

  1. 一致有界:\exists L>0,s.t.\,\,\forall f\in F,\left | f(x) \right |\leq L(\left \| f \right \|\leq L)\,\,holds.
  2. 等度连续:\forall \varepsilon > 0,\exists \delta >0,s.t.\,\,\forall f\in F,if\,\,\rho (x,y)<\delta ,\,\,then\,\,\left | f(x)-f(y) \right |<\varepsilon .
  3. F列紧\LeftrightarrowF一致有界,等度连续.

 2.3   等价范数

  1. \left \| x \right \|_{1}\left \| x \right \|_{2}强:\left \| x_{n} \right \|_{1}\rightarrow 0\Rightarrow \left \| x_{n} \right \|_{2}\rightarrow 0(n\rightarrow \infty)
  2. 范数等价:\left \| x \right \|_{1}\left \| x \right \|_{2}强且\left \| x \right \|_{2}\left \| x \right \|_{1}

 2.4   有限维空间

  1. Riesz引理:E_{0}是赋范线性空间E的真闭子空间,\forall \varepsilon _{0}\in (0,1),存在x_{_{0}}\in E,满足\left \| x_{_{0}} \right \|=1,且对一切x\in E_{0},有\left \| x_{0} -x\right \|\geq 1-\varepsilon _{0}

  2. 局部列紧性:赋范线性空间E是有限维的,当且仅当E中的单位球是列紧的。

3  内积空间

 3.1  定义

  1. 正定性;共轭对称性;共轭齐次性;加法等式。
  2. 赋范线性空间能引入内积\Leftrightarrow它的范数满足平行四边形法则\left \| x+y \right \|^{2}+\left \| x-y \right \|^{2}=2(\left \| x \right \|^{^{2}}+\left \| y \right \|^{2})
  3. 完备的内积空间称为Hilbert空间

 3.2   正交与正交基  

    M^{\perp }:集合\left \{ x\in X|x\perp M \right \}

    X是内积空间,MX的非空子集:

 [正交分解(不知道这个讲义为啥将这两部分分开)]

1.M是Hilbert空间X中的一个非空闭凸集,对于x\in X,存在唯一的y\in M,使得\left \| x-y \right \|=dist(x,M)

2.M是Hilbert空间X中的一个闭子空间,对于\forall x\in X,存在唯一的y\in M,使得\left \| x-y \right \|=dist(x,M)

3.M是Hilbert空间X中的一个真闭子空间,对于\forall x\in X,存在唯一分解x=y+zy\in M,z\in M^{\perp }

4.X=M+M^{\perp }?

 

 3.3  Bessel不等式

  • x\perp y_{n}(n=1,2,...),y_{n}\rightarrow y\Rightarrow x\perp y:;
  • x\perp M\Rightarrow x\perp spanM
  • M^{\perp }X的闭线性子空间;
  • X是Hilbert空间,则(M^{\perp })^{\perp }={spanM}

 

Define:\left \{ e_{i} \right \}是X的一组基,\bg_white x=\sum_{i\in I}(x,e_{i})e_{i},\forall x\in X

Bessel不等式:\sum _{i\in I}\left | (x,e_{i}) \right |^{2}\leq \left \| x \right \|^{2}

Parseval等式:\sum _{i\in I}\left | (x,e_{i}) \right |^{2}=\left \| x \right \|^{2}

 3.4  Hilbert空间的同构

同构:T:X\rightarrow Y ,T是双射且T(a\circ b)=(Ta) \bullet(Tb)

线性同构:同构+线性,即双射且T(a\circ b)=(Ta) \circ (Tb)

等距同构:线性同构+等距,即双射且T(a\circ b)=(Ta) \circ (Tb)\rho _{1}(a,b)=\rho _{2}(Ta,Tb)

 

你可能感兴趣的:(泛函分析,泛函分析)