应用泛函分析的知识点

度量空间

线性空间实例：向量空间$K^n$、p方可和数列空间$l^p$、p幂可积函数空间$L^p(E)$、连续函数空间$C[a,b]$、k阶连续导数函数空间$C^k[a,b]$、矩阵空间$M_{mn}$

度量空间=定义了距离的集合。

• Holder不等式$\Rightarrow$柯西不等式$\Rightarrow$向量空间的距离
• Minkowski不等式$\Rightarrow$p方可和数列空间的距离

拓扑性质

• 基于开球（邻域）定义：内点/开集、聚点/导集
• 任意多开集的并是开集、有限个开集的交也是开集、开集的余集是闭集

连续映射：开子集的原像也是开子集

• 稠密集：度量空间X中，$\bar{A}\supseteq B$，则A在B中稠密。B=X时，称A为X的稠密子集。
• 可分性：可数子集稠密$\Rightarrow$可数正交基
• 完备性：柯西序列收敛
• 紧集：任意序列包含收敛子列$\Rightarrow$闭集、有界、完备

赋范线性空间

范数，一个泛函：非负，三角不等式，比例

所有线性空间为凸集，Banach-schauder不动点定理

Shauder基(e)：$\forall x \exists a_i  \left \|  x-\sum_{i=1}^\infty a_ie_i\right \|=0 $

有限维赋范空间的完备性：每个分量构成一个柯西序列

内积空间

内积：非负、比例、共轭对称、共轭双线性函数

内积导出的范数，存在平行四边形公式

正交、正交补、正交和、正交投影、正交基、Gram-Schmit正交化

最佳逼近：$\exists y_0 = \arg \inf_{y\in M} \left \| x-y \right \|$

线性算子

同一数域上的两个线性空间之间的线性映射

有限维空间上的线性算子可用矩阵表示

有界：$\left \| Tx \right \|_Y \leqslant C\left \| x \right \|_X$，这里C为一常数

连续性$\Leftrightarrow$ 有界；一点连续，处处连续

线性算子空间B(X,Y)，如果Y完备，那么B(X,Y)也完备。

线性泛函

对偶空间：赋范空间X上的有界线性泛函构成赋范空间时，称为X的对偶空间；H空间自对偶。

Riesz定理：H空间

• 任意有界线性泛函可用内积表示$\forall f:H\rightarrow K\exists z\in H, \forall x f(x)=<x,z>,\left \| z \right \|=\left \| f \right \|$
• 任意有界双线性泛函$f(x,y)=<Sx,y>，S:H_1\rightarrow H_2\left