泛函分析笔记(十三) 傅里叶级数、紧自伴算子

• 1. 前置知识
  • 1.1. 规范正交系
  • 1.2. Gram-Schmidt规范正交化方法
• 2. Hilbert 基和 Fourier 级数
  • 2.1. 可分Hilbert空间的 Fourier级数
  • 2.2. 常见的傅里叶级数
    • 2.2.1. 正余弦
    • 2.2.2. 复数
• 3. 自伴算子
  • 3.1. 自伴算子的性质
  • 3.2. 紧自伴算子的谱定理

1. 前置知识

1.1. 规范正交系

设 $(X,(\cdot ,\cdot ))$ 是实或复的内积空间，由 $e_i\in X$ 组成的元素系 $(e_i{)}_{i\in I}$ 称之为规范正交系，是指对所有的的 $i,j\in I$ 均有
$$(e_i,e_j)={\delta }_{ij}$$
（就是相互正交的单位向量呗。。。）

如果 $(e_i{)}_{i\in I}$ 是内积空间X的规范正交系，如果 $\overline{Span(e_i{)}_{i\in I}}=X$ ，那么它是极大的（拥有向量个数最多）

可分内积空间中： 设 $(X,(\cdot ,\cdot ))$ 是可分的无限维内积空间，有

• 存在可数无限个向量 $e_n\in X$ 组成的极大规范正交系 $(e_n{)}_{n=0}^{\infty }$。
• 任何规范正交系或为有限，或为可数无限（可数无限就是可列举但是无穷多的意思）

存在性： 设 $(X,(\cdot ,\cdot ))$ 是内积空间，则存在向量 $e_i\in X$ 组成的向量族 $(e_i{)}_{i\in I}$ 满足对任何的 $i,j\in I$ ,
$$(e_i,e_j)={\delta }_{ij}$$
且对 $x\in X$ ，若对所有的 $i\in I$ 均有当 $(x,e_i)=0$ 时，则必有 $x=0$

1.2. Gram-Schmidt规范正交化方法

这个线代里面肯定学了
在 $(X,(\cdot ,\cdot ))$ 实或复的无限维内积空间中， $(f_n{)}_{n=0}^{\infty }$ 可列为无限个向量 $f_n\in X$ 组成的线性无关向量族，令
$$\tilde{x}:=f_0,\widetilde{e_k}=f_k-P_k{f}_k,k=1,2,\dots$$

其中 $P_k$ 为X到 $Span(f_n{)}_{n=0}^{k-1}$ 上的投影算子，那么对所有的 $k\ge 1,{\tilde{e}}_k\ne 0$ ,记向量
$$e_n:=\frac{\widetilde{e_n}}{||{\tilde{e}}_n||},n\ge 0$$
则向量族 $(e_n{)}_{n=0}^{\infty }$ 是规范正交系，满足对一切 $k\ge 1$ 有
$$Span(e_n{)}_{n=0}^k=Span(f_n{)}_{n=0}^k$$
$$Span(e_n{)}_{n=0}^{\infty }=Span(f_n{)}_{n=0}^{\infty }$$

2. Hilbert 基和 Fourier 级数

Hilbert 基 Hilbert空间X中的极大规范正交系被称为X的Hilbert基

2.1. 可分Hilbert空间的 Fourier级数

若 $(X,(\cdot ,\cdot ))$ 是无限维可分 Hilbert 空间， $(e_n{)}_{n=1}^{\infty }$ 是X的一个Hilbert基

• $\forall x\in X,x={\sum }_{n=1}^{\infty }(x,e_n)e_n$ ，这被称之为傅里叶级数。
• 对 $n\ge 1$ ，数 $(x,e_n)\in \mathbb{K}$ 称之为x 的 傅里叶系数，满足Parseval公式 $||x|{|}^2={\sum }_{n=1}^{\infty }|(x,e_n){|}^2$ （啊这，Parseval能量公式？熟悉的信号与系统）
• 若 $(X,(\cdot ,\cdot ))$ ，为实或复的无限维可分 Hilbert 空间，则存在从X到实或相应复空间 $l^2$ 上的线性双射 $\sigma$ ，使得对任何 $x,y\in X$ , $(x,y{)}_X=(\sigma x,\sigma y{)}_{l^2}$ ，因此借助于保持内积的线性灯具，任何无限维可分Hilbert 空间恒同于空间 $l^2$ 。

2.2. 常见的傅里叶级数

2.2.1. 正余弦

$a_k:=\frac{1}{\pi }{\int }_0^{2\pi }g(\varphi )\cos k\varphi d\varphi ,k\ge 0$
$b_k:=\frac{1}{\pi }{\int }_0^{2\pi }g(\varphi )\sin k\varphi d\varphi ,k\ge 1$
$(S_{n}g)(\theta ):=\frac{a_0}{2}+{\sum }_{k=1}^n(a_k\cos k\theta +b_k\sin k\theta ),0\le \theta \le 2\pi$

2.2.2. 复数

$c_k:\frac{1}{2\pi }{\int }_0^{2\pi }g(\varphi )e^{-ik\varphi }d\varphi ,k\ge 0$
$g_n(\theta )={\sum }_{k=-n}^n{c}_k{e}^{ik\theta },0\le \theta \le 2\pi$

这两个理工科应该都贼熟了！！
不多赘述。

3. 自伴算子

设 $(X,(\cdot ,\cdot ))$ 是 $\mathbb{K}$ 上的内积空间，如果线性算子 $A:X\to X$ 和它的伴随算子 $A^{\ast }$
相等，即对 $\forall x,y\in X,(Ax,y)=(x,Ay)$ 则称A是自伴算子。当 $\mathbb{K}=\mathbb{R}$ 时候也称作对称算子，当 $\mathbb{K}=\mathbb{C}$ 也称作 Hermite算子。

(啊这很像厄米算符的解释啊)

简而言之，就是一个算子的伴随算子($(Ax,y)=(x,A^{\ast }y)$)还是自身，那它就是一个自伴算子。

正定和非负定： 如果对所有 $x\in X$ 均有 $(Ax,x)\ge 0$ 则称A为非负定的，如果对所有的非零的 $x\in X$ 均有 $(Ax,x)>0$ ，称A为正定的。 正定A的 K e r    A = { 0 } Ker ~~ A = \{0\} Ker  A={0}

3.1. 自伴算子的性质

如果 $(X,(\cdot ,\cdot ))$ 是内积空间， $A:X\to X$ 是自伴线性算子，有

• 对任何 $x\in X$ ，数 $(Ax,x)$ 是实的
• 设 $\lambda$ 为 A 的任意的特征值，则 $\lambda$ 必是实数，若A是非负定， 则 $\lambda \ge 0$ ;若A是正定的，则 $\lambda >0$
• 对应于不同特征值的特征向量相互正交
• 如果 $A\in \mathcal{L}(X)$ ,A的算子范数，即 $||A||:=su{p}_{x\ne 0}\frac{||Ax||}{||x||}$ ，也可由 $||A||=su{p}_{x\ne 0}\frac{(Ax,x)}{||x|{|}^2}$ 给出

3.2. 紧自伴算子的谱定理

紧线性算子： 线性算子 $A:X\to Y$ 是线性算子，如果X中任何有界子集在A作用下的像是Y中的相对紧子集，即当B在X中有界时， $\overleftarrow{A(B)}$ 是紧集，A是紧算子。 （最接近有限维空间的线性算子了）
(紧算子把有界子集映射为Y中的相对紧子集)

紧自伴算子自然就是又紧又自伴的线性算子。

无限维值域的紧自伴算子的谱定理： 设 $(X,(\cdot ,\cdot ))$ 为无限维内积空间， $A:X\to X$ 是紧自伴算子，具有无限维的值域，则有

• 1. 存在A的特征值的无限序列 $({\lambda }_n{)}_{n=1}^{\infty }$ 和相应的特征向量的无限序列 $(p_n{)}_{n=1}^{\infty }$ ，满足
  • $|{\lambda }_1|=||A||,{\lambda }_1\ge {\lambda }_2\ge \dots \ge |{\lambda }_n|\ge \dots$
  • ${\lambda }_n\ne 0,n\ge 1;{\lim }_{n\to \infty }{\lambda }_n=0$
  • $A{p}_n={\lambda }_n{p}_n,n\ge 1$
  • $(p_k,p_l)={\delta }_{k,l},k,l\ge 1$
  • $|{\lambda }_1|=\frac{|(A{p}_1,p_1)|}{||p_1|{|}^2}=su{p}_{x\ne 0}\frac{|(Ax,x)|}{||x|{|}^2}$
  • $|{\lambda }_n|=\frac{|(A{p}_n,p_n)|}{||p_n|{|}^2}=\underset{x\ne 0,(x,p_k)=0,1\le k\le n-1}{\sup }\frac{|(Ax,x)|}{||x|{|}^2},n\ge 2$
• 2. 对任何向量 $x\in X$, $Ax=\sum _{n=1}^{\infty }{\lambda }_n(x,p_n)p_n$
• 3. 设 $\lambda$ 为 A 的任何非零特征值，则存在 $n\ge 1$ ,使得 ${\lambda }_n=\lambda$ ，而且集合 I ( λ ) : = { n ≥ 1 ; λ n = λ } I(\lambda):=\{n\ge 1;\lambda_n = \lambda \} I(λ):={n≥1;λn​=λ} 是有限集， { p ∈ X ; A p = λ p } = S p a n ( p n ) n ∈ I ( λ ) \{p\in X;Ap=\lambda p\} = Span (p_n)_{n\in I(\lambda)} {p∈X;Ap=λp}=Span(pn​)n∈I(λ)​
• 4. A的核空间为 $KerA=(Span(p_n{)}_{n=1}^{\infty }{)}^{\perp }$

啊这，好多啊。
1说明的应该是存在这样一个特征值和特征向量序列，然后这些特征值是按大小排列的，而特征向量则是构成了一族正交基。
2则是经过A得到的Ax可以被分解为特征向量的线性组合，并给出了系数。
3是说不会有无穷多个重复的特征值嘛。
4则是A的核空间由特征值对应的特征向量张成的子空间的直交补。