泛函分析 02.02 赋范空间-完备的赋范空间

$\color{blue}{\S 2.2 完备的赋范空间}$

$赋范空间是一类重要的空间,这类空间在泛函分析的理论$
$及其应用中都是十分重要的.$
$第一节中$
$我们通过在线性空间中引入范数, 定义了赋范空间.$
$给出了一般线性空间中元素“长度”的定义.建立了空间的拓扑结构.$
$由于范数可以诱导距离, 从而赋范空间也是距离空间,$
$第一章讨论的有关距离空间的概念、性质(如完备性、可分性、$
$紧性等)都可以在赋范空间中加以讨论.$
$这一节中，我们重点讨论完备的赋范空间.$

$\color{blue}{2.2.1 连续函数上定义的不同范数}$

$例2.2.1 C[a, b]. 闭区间[a, b]上的全体连续函数, 对加法、$
$数乘封闭,是一个线性空间. 定义:$
$\qquad \Vert x \Vert = \max \limits_{a \leq t \leq b} | x(t) |$
$则C[a, b]是一个完备的可分的赋范空间.$
$(参见 例1.1.5、例1.3.19、例1.4.11)$
$类似地可以考虑C(\Omega), 其中\Omega \subset \mathbb{R}^n, 是列紧的闭集.$
$即: C(\Omega)为\Omega上定义的全体连续函数, 其上的范数定义为$
$\qquad \Vert x \Vert = \max \limits_{t \in \Omega} |x(t)|$
$可以证明C(\Omega)是完备的, 可分的赋范空间.$

$例2.2.2 设X表示[a, b]上的全体连续函数, 在X上定义$
$\qquad \Vert x \Vert _1 = \int_a^b |x(t)| dt \quad (2.2.1)$
$利用积分的线性性质和绝对值的三角不等式, 可以证明$
$\Vert \cdot \Vert_1是一个范数, 即(X, \Vert \cdot \Vert_1)是一个赋范空间.$
$但在由此范数诱导的距离$
$\qquad d(x, y) = \Vert x - y \Vert _1 = \int_a^b |x(t) - y(t)| dt \quad (2.2.2)$
$下是不完备的(见例(1.4.14)).$
$因而赋范空间(X, \Vert \cdot \Vert_1)是不完备的.$
$同样可以证明在[a, b]上的全体连续函数组成的线性空间中, 赋以范数:$
$\qquad \Vert x \Vert _2 = [\int_a^b |x(t)|^2 dt ] ^{\frac{1}{2}} \quad (2.2.3)$
$形成的赋范空间也是不完备的.$
$注:上述例子说明, 同一个集合上赋以不同的范数,生成空间的完备性可能不一样.$

$\color{blue}{2.2.2 赋范空间的完备化}$

$赋范空间中有了距离就可以考虑空间的完备性,有了完备性,$
$极限运算(微积分)才能很好的进行.$
$任何一个距离空间都可以完备化.$
$赋范空间是距离空间, 因而任何赋范空间都可以完备化.$

$\color{blue}{定理2.2.3 赋范空间可以完备化.}$

$分析：根据距离空间可以完备化来证明赋范空间可以完备化.$
$证明大意: 对于不完备的赋范空间X, 作为距离空间可以完备化, 称为\widetilde X.$
$(注意: \widetilde X 现在是一个距离空间)$
$设\widetilde x, \widetilde y \in \widetilde X, \widetilde x = \lbrace x_n \rbrace, \widetilde y = \lbrace y_n \rbrace 是X中的Cauchy列,$
$在\widetilde X 中定义线性运算和范数$
$\qquad \widetilde x + \widetilde y = \lbrace x_n + y_n \rbrace, \alpha \widetilde x = \lbrace \alpha x_n \rbrace \quad (2.2.4)$
$\qquad \Vert \widetilde x \Vert = \lim \limits_{n \to \infty} \Vert x_n \Vert \quad (2.2.5)$
$则\widetilde X 是 Banach 空间,$
$并且 X 与 \widetilde X 的稠密子集等距同构. 即赋范空间X可以完备化.$
$完备化以后的空间, 填补了原来的“缝隙”， 空间中的元素$
$增加了, 使得所有的 Cauchy 列都收敛.$
$注: 上例X表示[a, b]上的全体连续函数, 在X上定义$
$\qquad \Vert x \Vert _1 = \int_a^b |x(t)| dt$
$(X, \Vert \cdot \Vert_1)不是Banach空间, 它可以完备化.$
$完备化空间为:$
$\qquad (\widetilde X, \Vert \cdot \Vert_1) = \lbrace 在[a, b]上绝对可积的函数\rbrace$
$\qquad = \lbrace x(t) |\int_a^b |x(t)| dt < \infty \rbrace$
$可以看到这个新的空间中的元素比C[a, b]中的元素增加了,$
$使得所有的Cauchy列都收敛.$
$问题: 全体连续函数组成的线性空间, 在范数(2.2.3)下, 完备化的空间是什么?$

$\color{blue}{2.2.3 L^{p}空间}$

$下面将讨论的主要内容:$
$(1)验证L^{p}空间是赋范空间.建立 H \ddot{o} lder不等式和 Minkowski 不等式.$
$(2)讨论了赋范空间L^{p}的完备性、可分性.$
$(3)p=\infty的情形.$
$(4) 研究L^{p}的离散情形l^{p}, 建立离散情形的 H \ddot{o} lder不等式和 Minkowski 不等式.$

$赋范函数空间L^{p}[a, b](1 \leq p < \infty):$
$定义2.2.4 设f(x)是定义在[a, b]区间上的可测函数, 1 \leq p < \infty, 若$
$|f|^{p}在[a, b]上可积,称f是p次幂可积的. 全体在[a, b]区间上p次幂可积$
$的函数,记为L^{p}[a, b], 简称为L^{p}空间.即$
$\qquad L^p[a, b] = \lbrace x(t) | \int_a^b |x(t)|^p dt < \infty \rbrace \quad (2.2.6)$
$在L^p[a, b]中, 引入范数:$
$\qquad \Vert x \Vert = (\int_a^b |x(t)|^p dt)^{\frac{1}{p}} \quad (2.2.7)$
$为验证\Vert \cdot \Vert 是L^p[a, b]上的范数,需验证以下4条:$
$(i) \Vert x \Vert \geq 0;$
$(ii) \Vert x \Vert = 0 当且仅当x(t) = 0 (a.e);$
$(iii) \Vert \alpha x \Vert = |\alpha| \Vert x \Vert, 即$
$\qquad (\int_a^b |\alpha x(t)|^p dt)^{\frac{1}{p}} = |\alpha|(\int_a^b |x(t)|^p dt)^{\frac{1}{p}}$
$(iv) \Vert x + y \Vert \leq \Vert x \Vert + \Vert y \Vert, 即$
$(\int_a^b |x(t) + y(t)|^p dt)^{\frac{1}{p}} \leq (\int_a^b |x(t)|^p dt)^{\frac{1}{p}} + (\int_a^b |y(t)|^p dt)^{\frac{1}{p}}$
$其中(i),(ii),(iii)显然,为证明(iv), 我们需要 H\ddot{o}lder不等式和Minkowski不等式.$

$引理2.2.5 p, q是正数,且\dfrac{1}{p} + \dfrac{1}{q} = 1(p, q称为共轭数),$
$则对于\forall a, b, 有$
$\qquad |ab| \leq \dfrac{|a|^p}{p} + \dfrac{|b|^q}{q} \quad (2.2.8)$
$证明: (1)当b = 0 时不等式显然成立.$
$(2)当b \neq 0 时,考虑函数$
$\qquad \phi(t) = t^{\frac{1}{p}} - \dfrac{1}{p} t$
$当t = 1时, \phi(t) 取到最大值$
$\qquad \phi(1) = 1 - \dfrac{1}{p} = \dfrac{1}{q}$
$用t = \dfrac{|a|^p}{|b|^q}代入得$
$\qquad \dfrac{|a|}{|b|^{\frac{q}{p}}} - \dfrac{1}{p} \dfrac{|a|^p}{|b|^q} \leq \dfrac{1}{q},$
$两边同乘|b|^q, 注意到 q - \dfrac{q}{p} = 1, 整理可得$
$\qquad |ab| \leq \dfrac{|a|^p}{p} + \dfrac{|b|^q}{q}$

$下面的H\ddot{o}lder不等式是为了证明 Minkowski 不等式做准备的.$
$引理2.2.6(H\ddot{o}lder不等式)设E是Lebesgue可测集,$
$x(t), y(t)是E上可测函数, 且p和q是共轭数, 则$
$\int_E |x(t) y(t)| dt \leq (\int_E |x(t)^p dt)^{\frac{1}{p}}(\int_E|y(t)|^q dt)^{\frac{1}{q}} \quad (2.2.9)$
$证明:令A = (\int_E |x(t)|^p dt)^{\frac{1}{p}}, B = (\int_E |y(t)|^q dt)^{\frac{1}{q}}$
$(1)如果A, B中有一个为0或无穷,下面不等式显然成立(2.2.9)$
$\int_E |x(t)y(t)| dt \leq (\int_E |x(t)|^p dt)^{\frac{1}{p}}(\int_E |y(t)|^{q} dt)^{\frac{1}{q}}$
$(2)不妨设0 < A < \infty, 0 < B < \infty.$
$对每个t \in E, 由不等式(2.2.8)知:$
$\qquad \dfrac{|x(t)y(t)|}{AB} \leq \dfrac{1}{p}|\dfrac{x(t)}{A}|^p + \dfrac{1}{q}|\dfrac{y(t)}{B}|^q$
$上式两边积分得$
$\qquad \dfrac{1}{AB} \int_E |x(t)y(t)| dt$
$\qquad \leq \dfrac{A^{-p}}{p}\int_E |x(t)|^p dt + \dfrac{B^{-q}}{q} \int_E |y(t)|^q dt$
$\qquad = \dfrac{1}{p} + \dfrac{1}{q} = 1$
$所以$
$\qquad \int_E |x(t)y(t)| dt$
$\qquad \leq AB = (\int_E |x(t)|^p dt )^{\frac{1}{p}} \cdot (\int_E |y(t)|^q dt )^{\frac{1}{q}}$
$注:当 p = 2时, 不等式为:$
$\qquad \int_E |x(t) y(t)| dt$
$\qquad \leq (\int_E |x(t)|^2 dt)^{\frac{1}{2}} (\int_E |y(t)|^2 dt)^{\frac{1}{2}} \quad (2.2.10)$

$下面建立的 Minkowski 不等式可以验证 L^p 为赋范空间(三角不等式成立).$
$引理2.2.7(Minkowski不等式)设E是Lebesgue可测集, x(t), y(t) 可测, 1 \leq p < \infty, 则$
$\qquad (\int_E |x(t) + y(t)|^p dt)^{\frac{1}{p}}$
$\qquad \leq (\int_E |x(t)|^p dt)^{\frac{1}{p}} + (\int_E |y(t)|^p dt)^{\frac{1}{p}} \quad (2.2.11)$
$证明: 当p = 1 时, 结论显然成立. 当p > 1时,$
$若 \int_E |x(t) + y(t)|^p dt = 0, 结论显然成立.$
$下面假设p > 1 且 \int_E |x(t) + y(t)|^p dt > 0.$
$\int_E |x(t) + y(t)|^p dt = \int_E |x(t) + y(t)|^{p-1} \cdot |x(t) + y(t)| dt$
$\leq \int_E |x(t)| |x(t) + y(t)|^{p-1} dt + \int_E |y(t)||x(t) + y(t)|^{p-1} dt$
$利用 H\ddot{o} lder不等式(2.2.9), 设q是p的共轭数,我们有$
$\int_E |x(t)||x(t) + y(t)|^{p-1} dt + \int_E |y(t)||x(t) + y(t)|^{p-1} dt$
$\leq (\int_E |x(t)|^p dt)^{\frac{1}{p}} (\int_E |x(t) + y(t)|^{q(p-1)} dt)^{\frac{1}{q}}$
$+ (\int_E |y(t)|^p dt)^{\frac{1}{p}} (\int_E |x(t) + y(t)|^{q(p-1)} dt)^{\frac{1}{q}}$
$由\dfrac{1}{p} + \dfrac{1}{q} = 1, 有 q(p-1) = p, 于是$
$\int_E |x(t) + y(t)|^p dt$
$\leq (\int_E |x(t) + y(t)|^p dt)^{\frac{1}{q}}((\int_E |x(t)|^p dt)^{\frac{1}{p}} + (\int_E |y(t)|^p dt)^{\frac{1}{p}})$
$即$
$(\int_E |x(t) + y(t)|^p dt)^{\frac{1}{p}} \leq (\int_E |x(t)|^p dt)^{\frac{1}{p}} + (\int_E |y(t)|^p dt)^{\frac{1}{p}}$
$注1: 由Minkowski不等式可知,在L^p[a, b]中由(2.2.7)式定义的函数$
$\Vert \cdot \Vert 满足三角不等式, 因此(L^p[a, b], \Vert \cdot \Vert)是一赋范空间.$
$注2:L^2[a, b]是赋范空间, 由其范数诱导的距离就是第一章$
$第一节(1.1.10)式定义的距离, 即:$
$\qquad d(x, y) = (\int_a^b |x(t) - y(t)|^2 dt)^{\frac{1}{2}}$
$一般地, 设可测集E满足m(E) < +\infty,可以在$
$\qquad L^p(E) = \lbrace x(t) | \int_E|x(t)|^p dt < \infty \rbrace \quad (2.2.12)$
$定义:$
$\qquad \Vert x \Vert = (\int_E |x(t)|^p dt)^{\frac{1}{p}} \quad (2.2.13)$
$由 Minkowski 不等式, L^p(E)是赋范空间.$

$定理2.2.8 L^p(E)(1 \leq p < \infty)是Banach空间.$

$证明思路: 只要证明它中的任意 Cauchy 列都收敛. 事实$
$上只要证明 Cauchy 列必存在一收敛子列, 再证明此收敛$
$子列的极限就是该 Cauchy 列的极限.$
$证明分以下几步(详细证明见附录III.1):$
$(1)从Cauchy列\lbrace x_n(t) \rbrace 中选取一个点点收敛的子列\lbrace x_{n_k}(t) \rbrace, 令$
$\qquad \lim \limits_{k \to \infty} x_{n_k}(t) = x_0(t);$
$选取的办法是:选取满足条件 \Vert x_{n_{k+1}} - x_{n_k} \Vert < \dfrac{1}{2^k}的子$
$列, 由级数的收敛, 推出这个函数列点点收敛.$
$(2)证明x_0(t) \in L^p;$
$(3)证明\lbrace x_n(t) \rbrace 按L^p中的范数趋近于 x_0(t).$

$定理2.2.9 L^p[a, b]是可分的.$
$证明思路: 只要找到L^p[a, b]中的可数稠密子集就可以.$
$我们采取逐步逼近的方式证明: 有理系数多项式全体是$
$L^p[a, b]中的可数稠密子集.$
$(1) 对\forall \varepsilon > 0, \forall x \in L^p[a, b], 首先找到连续函数 y(t), 使得$
$\qquad \Vert x(t) - y(t) \Vert < \varepsilon$
$(2)进一步可以找到有理系数多项式p(t), 使得$
$\qquad \Vert y(t) - p(t) \Vert < \varepsilon$
$于是$
$\qquad \Vert x(t) - p(t) \Vert < 2 \varepsilon$
$(3) 由于全体有理系数多项式是L^p[a, b]中的可数子集,$
$所以L^p[a, b]可分.$
$证明:(1) i)对于任意x(t) \in L^p, 令$
$x_n(t) = \left \lbrace \begin{array}{l} x(t), |x(t)| \leq n, \\ 0, \quad |x(t)| > n \end{array} \right. (n = 1, 2, \cdots) \quad (2.2.14)$
$显然, x_n(t) \in L^p 且 |x_n(t)| \leq n$
$ii) 由于$
$n^p m \lbrace t| |x(t)| > n \rbrace \leq \int_{ \lbrace t | |x(t)| > n \rbrace } |x(t)|^p dt$
$\qquad < \int_a^b |x(t)|^p dt < \infty$
$所以 m \lbrace t | |x(t)| > n \rbrace \to 0 (n \to \infty)$
$iii) 由积分的绝对连续, 我们有$
$\Vert x - x_n \Vert ^p = \int_{\lbrace t | |x(t)| > n \rbrace } |x(t)|^p dt \to 0 (n \to \infty)$
$即对于 \forall \varepsilon, \exists N, 当 n \geq N 时, \Vert x_n - x \Vert < \varepsilon$
$(2) 对于上面的 x_N(t), 由鲁津定理, 存在连续函数y(t),$
$除去一个可测子集A外,$
$\qquad x_N(t) = y(t), |y(t)| \leq N,$
$且这个可测子集的测度满足 mA < (\dfrac{\varepsilon}{2N})^p. 于是$
$\Vert x_N(t) - y(t) \Vert = (\int_A |x_N(t) - y(t)|^p dt)^{\frac{1}{p}}$
$\qquad \leq (\int_A (|x_N(t)| + |y(t)|)^p dt)^{\frac{1}{p}}$
$\qquad \leq (\int_A (2N)^p dt)^{\frac{1}{p}}$
$\qquad = 2N(mA)^{\frac{1}{p}} < \varepsilon$
$(3)对于连续函数y(t), 由Weierstrass 定理, y(t)可以$
$用有理系数的多项式p(t)一致逼近, 即:$
$\qquad |y(t) - p(t)| < \dfrac{\varepsilon}{(b-a)^{\frac{1}{p}}}(\forall t \in [a, b])$
$我们有$
$\qquad \Vert y(t) - p(t) \Vert = (\int_a^b |y(t) - p(t) |^p dt )^{\frac{1}{p}} < \varepsilon$
$即$
$\qquad \Vert x - p \Vert \leq \Vert x - x_N \Vert + \Vert x_N - y \Vert + \Vert y - p(t) \Vert < 3\varepsilon$
$注: 在[a, b]上连续的函数属于L^p[a, b], 但连续函数的全体在L^p的范数下不完备.$
$但它们是L^p[a, b]中的稠子集, 也就是说:$
$L^p[a, b]是C[a, b]在L^p范数下的完备化空间.$

$\color{blue}{2.2.4 L^{\infty}空间}$

$讨论 p = \infty 的情况.$
$定义2.2.10 设E是可测集, x(t)是E上可测函数.如果存在E的可测子集E_0 \subset E,$
$mE_0 = 0, 且x(t) 在 E \setminus E_0 上有界, 则称x(t)为本性有界.$

$例2.2.11 L^{\infty}(E).$
$L^{\infty}(E)表示E上全体本性有界的可测函数, 其上定义$
$\qquad \Vert x \Vert = \inf \limits_{mE_0 = 0, \\ E_0 \subset E} \sup \limits_{E \setminus E_0} |x(t)| \quad (2.2.15)$
$注1：上述下确界是可以达到的, 即存在E_0, 使得$
$\qquad \Vert x \Vert = \sup \limits_{E \setminus E_0} |x(t)|$
$原因：由下确界的定义, 对\forall \dfrac{1}{n}, 存在 E_n \subset E, mE_n = 0, 且$
$\qquad \sup \limits_{E \setminus E_n} |x(t)| < \Vert x \Vert + \dfrac{1}{n}$
$令 E_0 = \bigcup \limits_{n=1}^{\infty} E_n, 则E_0 \subset E, mE_0 = 0, 且对于 \forall n,$
$\qquad \Vert x \Vert \leq \sup \limits_{E \setminus E_0} |x(t)| \leq \sup \limits_{E \setminus E_n} |x(t)| \leq \Vert x \Vert + \dfrac{1}{n}$
$因此 \Vert x \Vert = \sup \limits_{E \setminus E_0} |x(t)|. 即$
$x(t)在 E \setminus E_0 上有界(几乎处处有界).$
$注2：称\Vert x \Vert 是x(t)的本性上确界, 记为$
$\qquad \Vert x \Vert = ess \sup \limits_{E} |x(t)| \quad (2.2.16)$
$注3：\Vert x \Vert 是X上的范数.$
$注4：L^{\infty}(E)上的收敛性.$
$\qquad x_n \stackrel{d}{\to} x(n \to \infty), \Vert x_n - x \Vert \to 0(n \to \infty),$
$即\lbrace x_n(t) \rbrace 除去一零测集外, x_n(t)一致收敛到x(t).$

$定理2.2.12 L^{\infty}(E)是不可分的Banach空间.$

$命题2.2.13 当mE < \infty时, 如果 1 \leq p_2 < p_1 < \infty, 则$
$\qquad L^{\infty}(E) \subset L^{p_1}(E) \subset L^{p_2}(E) \quad (2.2.17)$
$证明:(i)设x(t) \in L^{\infty}, x(t)本性有界, 结合mE < \infty,$
$显然有 x(t) \in L^{p_1}(E_1), 即L^{\infty}(E) \subset L^{p_1}(E).$
$(ii) \forall x \in L^{p_1}(E), 令 B = \lbrace t \in E | |x(t)| \leq 1 \rbrace. 则$
$\qquad \int_E |x(t)|^{p_2} dt = \int_B |x(t)|^{p_2} dt + \int_{E \setminus B} |x(t)|^{p_2} dt$
$\qquad \leq m B + \int_{E \setminus B} |x(t)|^{p_1} dt$
$即 x(t) \in L^{p_2}(E).$
$注：由此可证明, 对于任意的x(t) \in L^{\infty}(E), mE < \infty,$
$有 \Vert x \Vert _p \to \Vert x \Vert _{\infty}. 即$
$\qquad \lim \limits_{p \to \infty} (\int_E |x(t)|^p dt )^{\frac{1}{p}} = \Vert x \Vert _{\infty} \quad (2.2.18)$
$因此也可把L^{\infty}(E)看作L^p(E)的极限情形.$

$\color{blue}{2.2.5 l^p空间}$

$l^p(1 \leq p < \infty)表示全体p次方可和的数列, 即$
$\qquad l^p = \lbrace x = \lbrace \xi_k \rbrace |\sum \limits_{k=1}^{\infty} |\xi_k|^p < \infty \rbrace \quad (2.2.19)$
$类似地可证明:$
$离散的H\ddot{o}lder不等式和Minkowski不等式.$

$定理2.2.14 设\lbrace \xi_k \rbrace \in l^p 和 \lbrace \eta_k \rbrace \in l^q(这里p, q 是正数且\dfrac{1}{p} + \dfrac{1}{q} = 1), 则$
$H\ddot{o}lder不等式:$
$\qquad \sum \limits_{k=1}^{\infty} |\xi_k \eta_k| \leq (\sum \limits_{k=1}^{\infty} |\xi_k|^p)^{\frac{1}{p}}(\sum \limits_{k=1}^{\infty} |\eta_k|^q)^{\frac{1}{q}}$
$Minkowski不等式:$
$\qquad (\sum \limits_{k=1}^{\infty} |\xi_k + \eta_k|^p)^{\frac{1}{p}} \leq (\sum \limits_{k=1}^{\infty} |\xi_k|^p)^{\frac{1}{p}} + (\sum \limits_{k=1}^{\infty} |\eta_k|^p)^{\frac{1}{p}}$
$类似定义l^p(1 \leq p < \infty)、l^{\infty}赋范空间.$
$利用离散情形的两个重要不等式, 我们类似于L^p(E),$
$L^{\infty}(E)空间可以定义赋范空间l^p、l^{\infty}.$

$例2.2.15 在线性空间l^p(1 \leq p < \infty)上赋以范数$
$\qquad \Vert x \Vert _p = (\sum \limits_{k=1}^{\infty} |\xi_k|^p)^{\frac{1}{p}} \quad (2.2.20)$
$则l^p是赋范空间.$

$例2.2.16 设l^{\infty}是全体有界的数列, 即$
$\qquad l^{\infty} = \lbrace x = \lbrace \xi_k \rbrace | \lbrace \xi_k \rbrace 是有界的数列 \rbrace \quad (2.2.21)$
$在其上赋以范数$
$\qquad \Vert x \Vert _{\infty} = \sup \limits_{k} |\xi_k| \quad (2.2.22)$
$则 l^{\infty} 是赋范空间.$
$注: l^p (1 \leq p < \infty) 是一个可分的 Banach 空间.$
$l^{\infty}是不可分的 Banach 空间.$
$特别的, 对于 p = 2, 在 L^2 空间上定义:$
$\qquad \Vert x \Vert_2 = (\int_a^b |x(t)|^2 dt)^{\frac{1}{2}} \quad (2.2.23)$
$则 \Vert x \Vert _2 是一个范数. 由这个范数诱导出的距离是:$
$\qquad d_2(x, y) = \lbrace \int_a^b |x(t) - y(t) |^2 dt \rbrace ^{\frac{1}{2}} \quad (2.2.24)$
$L^2 是一个完备、可分的赋范(距离)空间.$
$相似地, 在离散的l^2空间, 其范数为:$
$\qquad \Vert x \Vert _2 = (\sum \limits_{k=1}^{\infty} |\xi_k|^2)^{\frac{1}{2}} \quad (2.2.25)$
$l^2 是一个完备、可分的赋范(距离)空间.$
$进一步地, 我们以后会看到:它们是内积空间.$