泛函分析 02.04 赋范空间-有限维赋范空间

$\color{blue}{\S 2.4 有限维赋范空间}$

$\color{blue}{2.4.1 等价的范数}$

$如同在一个空间上可以定义不同的距离一样, 我们也可以在同一线性空间上$
$定义不同的范数, 从而产生不同的赋范空间.$
$实际上, 要根据所研究的具体问题,选择定义一个合理、简单、$
$易于解决问题的范数.$

$例2.4.1 \mathbb{R}^n 按通常意义下的加法、数乘, 称为一个线性空间.$
$我们在这一空间中可以定义不同的范数.$
$(1) 对于任意的 x = (\xi_1, \cdots, \xi_n), 定义范数:$
$\qquad \Vert x \Vert = (\sum \limits_{k=1}^n |\xi_k|^2)^{\frac{1}{2}} \quad (2.4.1)$
$它诱导的距离为:$
$\qquad d(x, y) = (\sum \limits_{k=1}^{\infty} |\xi_k - \eta_k|^2)^{\frac{1}{2}} \quad (2.4.2)$
$在这一范数下, （\mathbb{R}^n, \Vert x \Vert)是完备的, 可分的.$
$(2) \mathbb{R}^n 中可定义范数 \Vert \cdot \Vert_{\infty}:$
$\qquad \Vert x \Vert_{\infty} = \max \limits_{1 \leq k \leq n} |\xi_k| \quad (2.4.3)$
$(\mathbb{R}^n, \Vert \cdot \Vert_{\infty}) 是一个赋范空间.$
$(3) 定义范数 \Vert \cdot \Vert _1 :$
$\qquad \Vert x \Vert _1 = \sum \limits_{k=1}^n |\xi_k| \quad(2.4.4)$
$(\mathbb{R}^n, \Vert \cdot \Vert _1) 是一赋范空间.$
$一般地, X 是一个线性空间, 可赋以不同的范数 \Vert \cdot \Vert _1 和 \Vert \cdot \Vert _2,$
$这样(X, \Vert \cdot \Vert _1) 与 (X, \Vert \cdot \Vert _2)称为两个不同的赋范空间.$
$然而不同的范数之间可能具有等价关系,$
$即这样的空间中收敛性一样.$
$下面我们给出两个范数等价的定义:$

$定义2.4.2 设 \Vert \cdot \Vert _1 和 \Vert \cdot \Vert _2 是线性空间 X 上的两个范数,$
$如果存在 a > 0, b > 0, 使得$
$\qquad a \Vert \cdot \Vert _1 \leq \Vert \cdot \Vert _2 \leq b \Vert \cdot \Vert _1 \quad (2.4.5)$
$则称范数 \Vert \cdot \Vert _1 和 \Vert \cdot \Vert _2 是等价的.$

$命题 2.4.3 在两个等价范数产生的赋范空间中, 点列\lbrace x_n \rbrace 的收敛性一样.$
$证明: 事实上, 由 (2.4.5) 式可知,$
$\Vert x_n - x_0 \Vert _1 \to 0 \Longrightarrow \Vert x_n - x_0 \Vert _2 \to 0 (n \to \infty) (2.4.6)$
$反之$
$\Vert x_n - x_0 \Vert _2 \to 0 \Longrightarrow \Vert x_n - x_0 \Vert _1 \to 0 (n \to \infty) (2.4.7)$
$结合(2.4.6)式和(2.4.7)式, 命题得证.$
$注：在两个等价范数产生的赋范空间中, 同一个元素的范数$
$可能不同, 但是空间中点列的收敛性一样.$

$进一步的我们有$
$推论2.4.4 设X是一个线性空间, \Vert \cdot \Vert _1 和 \Vert \cdot \Vert _2 是X$
$上定义的两个等价的范数, 令d_1(x, y) = \Vert x - y \Vert _1 和$
$d_2(x, y) = \Vert x - y \Vert _2 分别是 \Vert \cdot \Vert _1 和 \Vert \cdot \Vert _2 诱导出的距离. 则$
$(1) \lbrace x_n \rbrace 在 (X, d_1) 中收敛到 x 当且仅当 \lbrace x_n \rbrace 在(X, d_2) 中收敛到x ;$
$(2) \lbrace x_n \rbrace 是 (X, d_1) 中的 Cauchy 列当且仅当 \lbrace x_n \rbrace 是 (X, d_2) 中的 Cauchy 列;$
$(3) (X, d_1) 是完备的当且仅当 (X, d_2) 是完备的.$
$注:(X, \Vert \cdot \Vert _1) (X, \Vert \cdot \Vert _2) 拓扑同胚(收敛性一样, 闭集、开集一样)$

$例2.4.5 在例2.4.1 中 \mathbb{R}^n 上定义了三个不同的范数$
$\Vert x \Vert, \Vert x \Vert_1, \Vert x \Vert _{\infty}, 它们满足$
$\qquad \Vert x \Vert = (\sum \limits_{k=1}^n |\xi_k| ^2)^{\frac{1}{2}} \leq \sum \limits_{k=1}^n |\xi_k| = \Vert x \Vert _1$
$\qquad \leq \sqrt{n}(\sum \limits_{k=1}^n |\xi_k|^2)^{\frac{1}{2}} = \sqrt{n} \Vert x \Vert; \quad (2.4.8)$
$\qquad \Vert x \Vert_{\infty} = \max \limits_{1 \leq k \leq n} |\xi_k| \leq (\sum \limits_{k=1}^n |\xi_k|^2)^{\frac{1}{2}} = \Vert x \Vert$
$\qquad \leq \sqrt{n} \max \limits_{1 \leq k \leq n} |\xi_k| = \sqrt{n} \Vert x \Vert _{\infty} \quad (2.4.9)$
$因而 \Vert x \Vert, \Vert x \Vert _1, \Vert x \Vert _{\infty} 三个范数等价.$

$下面我们将看到, \mathbb{R}^n 上定义的所有范数都等价.$

$\color{blue}{2.4.2 有限维空间}$

$下面我们将证明实的有限维空间代数上与 \mathbb{R}^n 同构,$
$在拓扑意义下与 \mathbb{R}^n 同胚.$

$定理2.4.6 任意实的n维赋范空间必与\mathbb{R}^n代数同构、拓扑同胚.$
$证明: (X, \Vert \cdot \Vert) 是实的n维赋范空间, 于是存在一组基$
$\lbrace e_1, \cdots, e_n\rbrace, \forall x \in X, 可以唯一表示为$
$\qquad x = \xi_1 e_1 + \xi_2 e_2 + \cdots + \xi_n e_n$
$令 \overline x = (\xi_1, \xi_2, \cdots, \xi_n) \in \mathbb{R}^n, 设$
$\qquad T: x \in X \to \overline x \in \mathbb{R}^n$
$则T是一个从X到\mathbb{R}^n 的同构映射.$
$可以证明, 存在常数\alpha > 0 和\beta > 0, 满足对 \forall x \in X,$
$\qquad \alpha \Vert \overline x \Vert \leq \Vert x \Vert \leq \beta \Vert \overline x \Vert$
$事实上由 H\ddot{o}lder 不等式, 我们有 \forall x \in X,$
$\qquad \Vert x \Vert = \Vert \sum \limits_{k=1}^n \xi_k e_k \Vert \leq \sum \limits_{k=1}^n |\xi_k| \Vert e_k \Vert$
$\qquad \leq (\sum \limits_{k=1}^n |\xi_k|^2)^{\frac{1}{2}}(\sum \limits_{k=1}^n \Vert e_k \Vert ^2)^{\frac{1}{2}} = \beta \Vert \overline x \Vert \quad (2.4.10)$
$其中 \beta = (\sum \limits_{k=1}^n \Vert e_k \Vert ^2)^{\frac{1}{2}} 是与x无关的常数.$
$另一方面, 在\mathbb{R}^n中的单位球面S上. S \subset \mathbb{R}^n,$
$\qquad S = \lbrace \overline x = (\xi_1, \xi_2, \cdots, \xi_n) |\sum \limits_{k=1}^n |\xi_k|^2 = 1 \rbrace$

$定义$
$f(\overline x) = f(\xi_1, \xi_2, \cdots, \xi_n)$
$\qquad = \Vert x \Vert = \Vert \xi_1 e_1 + \xi_2 e_2 + \cdots + \xi_n e_n \Vert \quad (2.4.11)$
$在S上, \xi_1, \xi_2, \cdots, \xi_n 不同时为零, 且e_1, \cdots, e_n 线性无关,$
$于是\xi_1 e_1 + \xi_2 e_2 + \cdots + \xi_n e_n 不等于零.$
$所以 f(\overline x) > 0 (\forall \overline x \in S).$
$对于任意的 \overline x = (\xi_1, \cdots, \xi_n), \overline y = (\eta_1, \cdots, \eta_n), 结合$
$(2.4.10)式有$
$|f(\xi_1, \xi_2, \cdots, \xi_n) - f(\eta_1, \eta_2, \cdots, \eta_n) = | \Vert x \Vert - \Vert y \Vert |$
$\qquad \leq \Vert x - y \Vert \leq \beta \Vert \overline x - \overline y \Vert$
$所以f(\overline x) 是连续的.$
$因为S是\mathbb{R}^n中的闭的有界集, 从而是自列紧的集合.$
$所以f(\overline x) 在S上取到最小值,$
$即存在\alpha > 0, \forall \overline x \in S, 有 f(\overline x) = \Vert x \Vert \geq \alpha$
$对于 \forall x \in X 且 x \neq 0, 则 \overline x \in \mathbb{R}^n 满足 \dfrac{\overline x}{\Vert \overline x \Vert} \in S, 于是$
$\qquad f(\dfrac{\overline x}{\Vert \overline x \Vert}) = \Vert \dfrac{x}{\Vert \overline x \Vert} \Vert \geq \alpha \quad (2.4.12)$
$即\alpha \Vert \overline x \Vert \leq \Vert x \Vert \leq \beta \Vert \overline x \Vert. 所以X与 \mathbb{R}^n 同胚.$
$注1：定理说明实的有限维空间中定义的范数与\mathbb{R}^n的范数$
$等价(代数同构意义), 收敛性与 \mathbb{R}^n 相同, 即按坐标收敛.$
$注2：对于复的有限维空间可以证明类似的结果.$
$有限维的赋范空间都是 Banach 空间.$

$\color{blue}{2.4.3 有限维赋范空间的几何特征}$

$有限维空间中的有界集是列紧集.$

$定理2.4.7 赋范空间是有限维的当且仅当 X 中的任何有界集是列紧的.$
$证明：必要性由定理2.4.6 可知.$
$下证充分性. 假如不然, X是无穷维的.$
$考虑 S = \lbrace x | \Vert x \Vert = 1 \rbrace, 任取 x_1 \in S, 记 X_1 为由 x_1$
$生成的子空间.$
$因为X是无穷维的,$
$所以由 x_1 生成的子空间是 X 的真闭子空间.$
$因为由 Riesz 引理, 存在 x_2 \in S, \Vert x_2 \Vert = 1, 使得$
$\qquad \Vert x_2 - x \Vert > \dfrac{1}{2}, \forall x \in X_1,$
$特别地, \Vert x_2 - x_1 \Vert > \dfrac{1}{2}$
$令 X_2 是由 \lbrace x_1, x_2 \rbrace 生成的子空间,$
$同样存在 x_3 \in S, \forall x \in X_2, \Vert x_3 - x \Vert > \dfrac{1}{2}.$
$特别地, \Vert x_3 - x_2 \Vert > \dfrac{1}{2}, \Vert x_3 - x_1 \Vert > \dfrac{1}{2}.$
$这样一直做下去, 得到S中的无穷点列 \lbrace x_n \rbrace,$
$\qquad \Vert x_i - x_j \Vert > \dfrac{1}{2}(i \neq j),$
$所以 \lbrace x_n \rbrace 中不存在收敛的子列, 与 S 列紧矛盾.$
$所以 X 是有限维的.$

$从上面的真没过程我们得到:赋范空间是有限维的当且仅当$
$单位球(面)是列紧的.由此可以得到下面的推论.$

$推论2.4.8 设X是一个无穷维的赋范空间, 那么单位球$
$B(0, 1)和单位球面S(0, 1)都不是列紧的.$
$注1：在无穷维空间, 单位球(面)不是列紧的.$
$如果单位球(面)列紧, 则X是有限维的.$
$注2：列紧性是距离空间十分重要的性质,$
$在有限维空间, 任何有界闭集都是自列紧的,$
$但是在无穷维赋范空间, 有界集就可能不是列紧集合,$
$这是有限维空间和无穷维空间的重要区别.$