泛函分析 02.06 赋范分析-习题课

$\color{blue}{\S 2.6 赋范空间习题课}$

$1.在 l^{\infty}中按坐标定义线性运算, 且对 x = \lbrace \xi_k \rbrace \in l^{\infty}, 定义$
$\qquad \Vert x \Vert = \sup \limits_n |\xi_n|$
$证明: l^{\infty}是一个赋范空间.$
$分析: 根据范数的定义(定义2.1.1) 证明即可.$
$证明: (i) \Vert x \Vert = \sup_n |\xi_n| \geq 0 (非负性);$
$(ii) \Vert x \Vert = 0 \Leftrightarrow \sup_n |\xi_n| = 0 \Leftrightarrow \xi_n = 0 \Leftrightarrow x = 0 (正定性);$
$(iii)\Vert \alpha x \Vert = \sup_n |\alpha \xi_n| = |\alpha| \sup_n |\xi_n| = |\alpha| \Vert x \Vert (正齐次);$
$(iv) \Vert x + y \Vert = \sup_n |\xi_n + \eta_n \Vert \leq \sup_n |\xi_n| + \sup_n |\eta_n| = \Vert x \Vert + \Vert y \Vert$
$(三角不等式)$
$故(l^{\infty}, \Vert \cdot \Vert) 是赋范线性空间.$

$2.设在线性空间X中定义的距离d满足平移不变性和相似性, 即$
$\qquad d(x + z, y + z) = d(x, y) \quad (0.0.1)$
$\qquad d(\alpha x, \alpha y) = |\alpha| d(x, y) \quad (0.0.2)$
$令 \Vert x \Vert = d(x, 0). 证明 (X, \Vert \cdot \Vert) 是赋范线性空间.$
$分析: 根据范数的定义(定义2.1.1), 只需验证满足范数的4个条件.$
$注意(0.0.1)和(0.0.2)是范数诱导的距离要满足的必要条件,见定理2.1.5.$
$证明:$
$(i) \Vert x \Vert = d(x, 0) \geq 0 (非负性);$
$(ii) \Vert x \Vert = 0 \Leftrightarrow d(x, 0) = 0 \Leftrightarrow x = 0 (正定性);$
$(iii)根据相似性(0.0.2),$
$d(\alpha x, 0) = d(\alpha x, \alpha 0) = |\alpha| d(x, 0), 我们有$
$\qquad \Vert \alpha x \Vert = d(\alpha x, 0) = |\alpha| d(x, 0) = |\alpha| \Vert x \Vert (正齐次);$
$(iv)由距离的三角不等式,$
$\Vert x + y \Vert = d(x + y, 0) \leq d(x + y, y) + d(y, 0)$
$根据平移不变性(0.0.1)可得 d(x + y, y) = d(x, 0),$
$故\Vert x + y \Vert \leq d(x, 0) + d(y, 0) = \Vert x \Vert + \Vert y \Vert (三角不等式)$
$所以(X, \Vert \cdot \Vert) 是赋范线性空间.$

$3.设(X, \Vert \cdot \Vert)是赋范空间, 对于x, y \in X, 令$
$\qquad d(x, y) = \left \lbrace \begin{array}{l} 0, \qquad x = y; \\ \Vert x - y \Vert + 1, x \neq y. \end{array} \right. \quad(0.0.3)$
$证明: d是距离, 但不是由范数诱导的距离.$
$即不存在X上的范数 \Vert \cdot \Vert _1, 使得$
$\qquad d(x, y) = \Vert x - y \Vert_1, x, y \in X.$
$分析: 注意一般距离和范数诱导距离(定理2.1.5)的区别.$
$一般的距离满足:$
$(1) d(x, y) \geq 0 (非负性);$
$(2) d(x, y) = 0 当且仅当 x = y (严格正);$
$(3) d(y, x) = d(x, y) (对称性);$
$(4) d(x, y) \leq d(x, z) + d(z, y) (三角不等式).$
$范数诱导的距离除了满足以上4个性质, 还需满足:$
$(5) d(x, y) = d(x + z, y + z) (平移不变性);$
$(6) d(\alpha x, \alpha y) = |\alpha| d(x, y) (相似性).$
$证明:d(x, y)满足非负性、严格正、对称性是明显的.$
$下证距离三角不等式成立.$
$若 x = y, 则$
$\qquad d(x, y) = 0 \leq d(x, z) + d(z, y);$
$若 x \neq y, d(x, y) = \Vert x - y \Vert + 1,$
$根据范数(2.1.1)三角不等式, 我们有:$
$d(x, y) = \Vert x - y \Vert + 1 \leq \Vert x - z \Vert + \Vert z - y \Vert + 1.$
$由于z不能同时等于x和y,不妨假定x \neq z, 上式成为:$
$d(x, y) = \Vert x-y \Vert + 1 \leq \Vert x - z \Vert + \Vert z - y \Vert + 1$
$\qquad = d(x, z) + \Vert z - y \Vert \leq d(x, z) + d(z, y)$
$注意: 根据定义, d(z, y) \geq \Vert z - y \Vert 总成立.$
$即三角不等式成立.所以d(x, y)是距离.$
$但因为$
$\qquad d(\alpha x, 0) = \left \lbrace \begin{array}{l}\Vert \alpha x \Vert + 1, x \neq 0; \\ 0 , x = 0 \end{array} \right.$
$显然若 \alpha \notin \lbrace 1, -1, 0 \rbrace, x \neq 0, 则d(\alpha x, 0) \neq |\alpha| d(x, 0), 即不$
$满足正齐次性, 所以d(x, y)不是范数诱导的距离.$
$注: 在2-3题中, 注意赋范空间中距离和一般距离空间中的距离的不同点.$

$4.设(X, \Vert \cdot \Vert) 是赋范空间, X \neq \lbrace 0 \rbrace.$
$证明:X 为Banach 空间的充要条件是X中单位球面$
$\qquad S = \lbrace x \in X | \Vert x \Vert = 1 \rbrace$
$是完备的.$
$分析:赋范空间X完备 \Leftrightarrow X中的任意Cauchy列\lbrace x_n \rbrace 都收敛.$
$证明:必要性:设\lbrace x_n \rbrace \subset S为基本列, 因为X完备, 所以$
$存在x \in X 使得 x_n \to x. 则由范数的连续性(定理2.1.4),$
$我们有$
$\qquad \Vert x \Vert = \Vert \lim \limits_{n \to \infty} x_n \Vert = \lim \limits_{n \to \infty} \Vert x_n \Vert = 1,$
$故 x \in S, 即S完备.$
$充分性: 设S完备, 任取X中基本列\lbrace x_n \rbrace, 因为$
$| \Vert x_n \Vert - \Vert x_m \Vert | \leq \Vert x_n - x_m \Vert \to 0 (n, m \to \infty),$
$所以 \lbrace \Vert x_n \Vert \rbrace 为收敛数列.$
$(1)若 \lim \limits_{n \to \infty} \Vert x_n \Vert = 0, 则 \lim \limits_{n \to \infty} x_n = 0;$
$(2)若 \lim \limits_{n \to \infty} \Vert x_n \Vert = a > 0,$
$则n充分大时 \Vert x_n \Vert \geq \dfrac{a}{2} > 0, 令 x_n^{\prime} = \dfrac{x_n}{\Vert x_n \Vert}, 则 x_n^{\prime} \in S.$
$\qquad \Vert x_n^{\prime} - x_m^{\prime} \Vert = \Vert \dfrac{\Vert x_m \Vert x_n - \Vert x_n \Vert x_m}{\Vert x_n \Vert \cdot \Vert x_m \Vert}$
$\qquad \leq \dfrac{\Vert x_n - x_m \Vert}{\Vert x_n \Vert} + \dfrac{|\Vert x_m \Vert - \Vert x_n \Vert |}{\Vert x_n \Vert}$
$\qquad \leq \dfrac{2}{a}(\Vert x_n - x_m \Vert + | \Vert x_m \Vert - \Vert x_n \Vert |)(n 充分大)$
$我们有$
$\qquad \lim \limits_{n, m \to \infty} \Vert x_n^{\prime} - x_m^{\prime} \Vert = 0,$
$所以\lbrace x_n^{\prime} \rbrace 为S中的基本列.$
$因为S完备, 必存在 x^{\prime} \in S, 使得 x_n^{\prime} \to x^{\prime} (n \to \infty)$
$于是$
$\qquad x_n = \Vert x_n \Vert x_n^{\prime} \to a x^{\prime} \in X,$
$即X完备.$

$5.证明 l^p(1 \leq p < \infty) 是可分的 Banach 空间.$
$分析: 可分性和完备性是拓扑性质, 赋范空间的可分性$
$和完备性在范数诱导的距离下来考虑.$
$X 完备 \Leftrightarrow 任意的X中的 Cauchy 列收敛.$
$X 可分是指X中存在可数稠密子集.$
$证明: 我们知道 l^p, 1 \leq p <\infty 上的范数为$
$\qquad \Vert x \Vert _p = (\sum \limits_{k=1}^{\infty} |\xi_k|^p)^{\frac{1}{p}},$
$且由范数诱导的距离是$
$\qquad d(x, y) = (\sum \limits_{n=1}^{\infty} |\xi_n - \eta_n|^p)^{\frac{1}{p}}$
$(i)完备性:$
$设x_n \subset l^{p}为基本列, 其中 x_n = \lbrace \xi_i{(n)} \rbrace,$
$则对任给的 \varepsilon >0, 存在 N, 当n, m \geq N 时, 有$
$\qquad d(x_n, x_m) = (\sum \limits_{n=1}^{\infty} |\xi_i^{(n)} - \xi_i^{(m)}|^p)^{\frac{1}{p}} < \varepsilon \quad (0.0.4)$
$则当n, m \geq N 时,$
$\qquad |\xi_i^{(n)} - \xi_i^{(m)} \rbrace < \varepsilon (i = 1, 2, 3, \cdots) \quad (0.0.5)$
$故对每个i, 数列\lbrace \xi_i^{(n)} \rbrace收敛. 设$
$\qquad \xi_i = \lim \limits_{n \to \infty} \xi_i^{(n)}, x = \lbrace \xi_i \rbrace _{i=1}^{\infty}$
$下面证明 x \in l^p, 且 x_n \to x.$
$由(0.0.4) 式知, 对任意的自然数k都有$
$\qquad \sum \limits_{i=1}^k|\xi_i^{(n)} - \xi_i^{(m)}|^p < \varepsilon ^p (n,m \geq N),$
$固定 n \geq N, 上m \to \infty, 得$
$\qquad \sum \limits_{i=1}^k |\xi_i^{(n)} - \xi_i|^p \leq \varepsilon ^p (n \geq N),$
$再令 k \to \infty, 得$
$\qquad \sum \limits_{i=1}^{\infty} |\xi_i^{(n)} - \xi_i|^p \leq \varepsilon ^p (n \geq N)$
$故 x \in l^p, x_n \to x, 完备性得证.$
$(ii) 可分性, 令$
$\qquad E_0 = \lbrace x: x = (r_1, \cdots, r_n, 0, \cdots), n \in \mathbb{N}^{+}, r_i \in \mathbb{Q} \rbrace,$
$这里不妨设 l^p 为实的, 则 E_0 为 l^p 的一个可数子集.$
$下面证明 E_0 在 l^p 中稠密.$
$对于 \forall x = \lbrace \xi_i \rbrace \in l^p, \forall \varepsilon > 0, 存在 N, 使得$
$\qquad \sum \limits_{i=N+1}^{\infty} |\xi_i|^p < \dfrac{\varepsilon^p}{2},$
$对\xi_i (i=1, 2, \cdots, N)(注意这里是N项, 是有限项),$
$存在r_1, r_2, \cdots, r_N \in \mathbb{Q}, 使得$
$\qquad \sum \limits_{i=1}^{N} |\xi_i - r_i|^p < \dfrac{\varepsilon ^p}{2},$
$故存在点 x_0 = (r_1, r_2, \cdots, r_N, 0, 0, \cdots) \in E_0, 使得$
$\qquad d(x, x_0) = (\sum \limits_{i=1}^N |\xi_i - r_i|^p + \sum \limits_{i=N+1}^{\infty} |\xi_i| ^p) ^{\frac{1}{p}}$
$\qquad < (\dfrac{\varepsilon ^p}{2} + \dfrac{\varepsilon ^p}{2})^{\frac{1}{p}} = \varepsilon,$
$即 l^p 可分.$
$注1:证明的第一部分中, 注意如何在有限和无穷中转化,$
$注2:证明的第二部分中, 使用了无穷级数证明中的重要方$
$法, 把无穷级数分成两部分, 后一部分很小, 前面的部分是$
$有限项. 有限项容易处理.$

$6.设x(t)是[a, b]上连续函数, 令$
$\qquad \Vert x \Vert _p = (\int_a^b |x(t)|^p dt)^{\frac{1}{p}}, \Vert x \Vert _{\infty} = \max \limits_{a \leq t \leq b} |x(t)|,$
$证明: \lim \limits_{p \to \infty} \Vert x \Vert _p = \Vert x \Vert _{\infty}$
$证明:若x(t) \equiv 0, 命题显然成立.$
$若x(t)不恒等于零, |x(t)|是连续函数. 由闭区间上的$
$连续函数的性质, 存在 t_0 \in [a, b]使得$
$\qquad |x(t_0)| = \max \limits_{a \leq x \leq b}|x(t)| = \Vert x \Vert _{\infty} > 0.$
$\qquad \because \Vert x \Vert _p = (\int_a^b |x(t)|^p dt)^{\frac{1}{p}}$
$\qquad \leq (\int_a^b |x(t_0)|^p dt )^{\frac{1}{p}} = \Vert x \Vert _{\infty} (b-a)^{\frac{1}{p}}$
$于是$
$\qquad \overline{\lim \limits _ {p \to \infty}} \Vert x \Vert _ p \leq \Vert x \Vert _ {\infty} \quad (0.0.6)$
$另一方面, 由|x(t)| 在 t_0 点处的连续性, 对任意的$
$\varepsilon > 0, 存在 \delta > 0, 使得$
$|x(t)| > |x(t_0)| - \varepsilon > 0, \forall t \in (t_0 - \delta, t_0 + \delta) \subset [a, b]$
$于是$
$\qquad \Vert x \Vert _p = (\int_a^b |x(t)|^p dt)^{\frac{1}{p}}$
$\qquad \geq (\int_{t_0 - \delta}^{t_0 + \delta} (|x(t_0) - \varepsilon)^{p} dt)^{\frac{1}{p}} = (\Vert x \Vert_{\infty} - \varepsilon)(2\delta)^{\frac{1}{p}},$
$所以$
$\qquad \underline \lim _{p \to \infty} \Vert x \Vert _p \geq \Vert x \Vert _{\infty} - \varepsilon$
$由\varepsilon 的任意性可知$
$\qquad \underline \lim _{p \to \infty} \Vert x \Vert_p \geq \Vert x \Vert _{\infty} \quad (0.0.7)$
$结合(0.0.6) 和 (0.0.7) 可得$
$\qquad \Vert x \Vert _{\infty} \geq \overline \lim _{p \to \infty} \Vert x \Vert _p \geq \underline \lim _{p \to \infty} \Vert x \Vert _p \geq \Vert x \Vert _{\infty},$
$综上可知 \lim _{p \to \infty} \Vert x \Vert _p = \Vert x \Vert _{\infty}$
$注1: 这里用到的仅仅是数学分析的知识, 但是反映出泛函$
$分析中的赋范空间范数之间的关系.$
$注2: 如果x(t) \in L^{\infty}, 命题亦然成立.$
$考虑证明有什么不同?$

$7.设X为m维赋范线性空间, E_0是X的真闭子空间,$
$证明存在 x_0 \in X, 使得 \Vert x_0 \Vert = 1, 且$
$\qquad d(x_0, E_0) = \inf \limits_{x \in E_0} \Vert x_0 - x \Vert = 1$
$分析: 利用 Riesz 引用2.3.11 和有限维空间有界集的列紧性证明.$
$证明: 取 \varepsilon_n = \dfrac{1}{2^n}, 根据 Riesz 引理2.3.11,$
$对每个n, 存在 x_n \in X, 使得 \Vert x_n \Vert = 1 满足$
$\qquad d(x_n, E_0) > 1 - \dfrac{1}{2^n}$
$因为X是有限维空间, 根据定理(2.4.17), 有限维空间中$
$的有界集是列紧的.$
$因为\lbrace x_n \rbrace 在X中有界, 于是列紧, 即存在\lbrace x_n \rbrace 的子列$
$\lbrace x_{n_k} \rbrace 收敛.$
$设 x_{n_k} \to x_0 (k \to \infty), 则\Vert x_0 \Vert = 1. 我们有$
$\qquad (d(x_0, E_0) = \lim \limits_{k \to \infty} d(x_{n_k}, E_0) \geq 1,$
$另一方面, 因为 0 \in E_0,$
$1 = \Vert x_0 \Vert = \Vert x_0 - 0 \Vert \geq \inf \limits_{x \in E_0} \Vert x_0 - x \Vert = d(x_0, E_0),$
$故d(x_0, E_0) = 1.$
$注: 注意有限维空间的和无穷维空间的不同.$
$在无穷维空间Riesz引理(2.3.11)中的结论是$
$“> 1 - \varepsilon”, 一般不能改进为 “=1”.$