泛函分析 04.01 有界线性算子 - 有界线性算子与有界线性泛函

$\color{blue}{第四章 有界线性算子}$

数学主要研究的对象是函数、运算.
在这之前我们关注的空间基本上是函数空间(或数列组成的空间).
建立了距离空间、赋范空间、内积空间、Hilbert空间的概念.
运用类比、联想、归纳等数学研究方法, 把有限维空间的代数结构
和几何特征延伸、拓展到无穷维空间.
许多数学问题,例如:中学解析几何中的平移和旋转是线性变换(运算).
高等数学研究微分积分，而微分、积分也都是线性运算,
它们与 $\mathbb{R}^n$ 空间中线性变换有很多相同的运算性质.
线性方程组、微分方程、积分方程都可以看做是特定空间中的线性
运算(或者称为线性变换或线性映射).
我们将把它们称之为线性算子.
线性算子是泛函分析中最重要的基本概念之一.
我们将全体有界线性算子看作一个线性空间,并赋予范数,
成为赋范空间,线性算子看作赋范空间中的元素.
线性算子空间是线性泛函分析研究的主要对象.
在线性算子空间的框架下,研究线性运算的性质,解决
分析、代数、几何中的问题.
在赋范空间中讨论有界线性算子的本质特征,我们可以
得到一些很深刻的结论:
一致有界原则；
开映射定理、逆算子定理；
闭图像定理.

$\color{blue}{\S 4.1 有界线性算子与有界线性泛函}$

$\color{blue}{4.1.1 有界线性算子与有界线性泛函的定义}$

$微分运算是线性的:$
$\qquad (x + y)^{\prime} = x^{\prime} + y^{\prime}, (\alpha x)^{\prime} = \alpha x^{\prime},$
$积分运算是线性的:$
$\qquad \int(x+y) dt = \int x dt + \int y dt,$
$\qquad \int \alpha x dt = \alpha \int x dt,$
$即满足性质 T(\alpha x + \beta y) = \alpha Tx + \beta Ty.$
$我们把具有这样性质的运算, 称为\color{blue}{线性算子}$

$定义 4.1.1 设 X, X_1 是赋范空间, \mathscr{D}(T) \subset X 是一个线$
$性子空间, T 是从 \mathscr{D}(T) 到 X_1的\color{red}{映射}, 满足$
$\qquad T(x + y) = Tx + Ty,$
$\qquad T(\alpha x) = \alpha Tx,$
$其中 x, y \in \mathscr{D}(T), \alpha \in \mathbb{K} (\mathbb{K} 是数域),$
$则称T是从X到X_1的\color{blue}{线性算子}.$
$\mathscr{D}(T)称为 \color{blue}{T的定义域}$
$注1：一般地, \mathscr{D}(T) \subsetneqq X.$
$\color{red}{如果 \mathscr{D}(T) = X}, 则称T是从 \color{blue}{X 上}到 X_1的线性算子.$
$注2：若 X_1 = \mathbb{K}(\color{blue}{数域}), T: \mathscr{D}(T) \to \mathbb{K}, 这样的线性算子$
$称为是{\color{blue}{线性泛函}}.$
$即{\color{red}{线性泛函}}T(或者 f)是从{\color{red}{赋范空间 X}} 到{\color{red}{数域\mathbb{K}}}的线性算子.$
$当\mathbb{K}是实数域, 称为是{\color{blue}{实线性泛函}}.$
$当\mathbb{K}是复数域, 称为是{\color{blue}{复线性泛函}}.$
$*下面给出{\color{red}{有界线性算子、有界线性泛函}}的定义.$

$定义 4.1.2 设 T 是从 X 到 X_1 的线性算子, 若存在常数$
$M > 0, 使得$
$\qquad \Vert Tx \Vert _1 \leq M \Vert x \Vert, \forall x \in X. \quad (4.1.1)$
$则称 T 为{\color{blue}{有界线性算子}}.$
$如果一个线性泛函 f 是有界的, 如果存在常数 M > 0,$
$使得$
$\qquad |f(x)| \leq M \Vert x \Vert, \forall x \in X. \quad (4.1.2)$
$则称 f 是{\color{blue}{有界线性泛函}}.$
$注1:{\color{red}{线性算子(泛函)的有界}}和{\color{red}{函数的有界}}意义并不相同.$
$例如:在实数空\mathbb{R}中, {\color{blue}{y = Tx = x }} 看作普通的{\color{blue}{实函数}}是{\color{blue}{无界函数}}.$
$但是把{\color{red}{Tx = x}} 看作是从\mathbb{R}到\mathbb{R}的{\color{red}{线性算子}},则T是$
${\color{red}{有界线性算子}}((4.1.1)式中的M = 1).$
$\bullet 有界线性算子的{\color{green}{有界}}是指映射{\color{green}{“放大的倍数”不超过一个常数}}.$
$注2:由于内积可以产生范数,内积空间也是范数空间,因此,有关$
${\color{blue}{赋范空间}}上有界线性算子、有界线性泛函的讨论在{\color{blue}{内积空间}}依然成立.$

$命题 4.1.3 有界线性算子把有界集映射称有界集.$

$定义 4.1.4 设 X, X_1 是赋范空间, T 是从 X 到 X_1的线性$
$算子, 若{\color{red}{x_n \to x_0 时, Tx_n \to Tx_0,}} 则称{\color{blue}{T在x_0点连续}}.$
$由于线性算子{\color{red}{运算是线性的}}, 关于有界线性算子的连续性$
$由下述结论:$

$定理 4.1.5 设 X, X_1 是赋范空间, T是从X 到 X_1的线性算子,$
$T: X \to X_1. {\color{blue}{如果 T 在 x_0 点连续, 则T在X上连续}}.$
$分析: 要证 T 在 X 上连续,$
$需证: {\color{brown}{对于 X 中的任何一点y, T 在 y 连续.}}$
$即证:{\color{blue}{若 y_n \to y, 则 Ty_n \to Ty.}}$
$证明: 设 T 在 x_0 点连续, 即$
$\qquad {\color{red}{x_n \to x_0 \Rightarrow Tx_n \to Tx_0.}}$
$设 y_n \to y, 即 y_n - y \to 0, 故 {\color{green}{y_n - y + x_0 \to x_0.}}$
$于是 T(y_n - y + x_0) \to Tx_0, 由于算子是{\color{red}{线性的}}, 有$
$\qquad {\color{blue}{T(y_n - y) + Tx_0}} \to Tx_0.$
$于是 T(y_n - y) \to 0. 由 T 是线性的 \Rightarrow {\color{blue}{Ty_n \to Ty.}}$
$注1: 对于线性算子来说, {\color{red}{一点连续意味着点点连续}}.$
$注2: 线性算子 T 连续意味着:$
$\qquad {\color{blue}{\lim \limits_{n \to \infty} T(x_n) = T(\lim \limits_{n \to \infty} x_n)}},$
$极限运算和T可以交换顺序.$

$定理 4.1.6 设 X, X_1 是赋范空间, T 是从 X 到 X_1的$
$线性算子, 则 {\color{red}{T 是连续的当且仅当 T 是有界的.}}$
$证明: “\Rightarrow” {\color{blue}{由 T 连续 \Rightarrow T 有界}}.$
$反证法.(1)假若T无界, 则对于 \forall n > 0, \exists x_n, 使得$
$\qquad \Vert Tx_n \Vert > n \Vert x_n \Vert.$
$(2)令 y_n = \dfrac{x_n}{n \Vert x_n \Vert}. 可见 {\color{blue}{ \Vert y_n \Vert \to 0,}} 于是 y_n \to 0.$
$由于 T 连续, 所以 Ty_n \to T0 = 0. 但$
$\qquad {\color{red}{\Vert T y_n \Vert}} = \dfrac{1}{n} \Vert \dfrac{T x_n}{\Vert x_n \Vert} \Vert {\color{red}{> 1}} .$
$与 {\color{blue}{\Vert Ty_n \Vert \to 0 矛盾}}. 所以 T 有界.$
$“\Leftarrow"{\color{blue}{由T有界 \Rightarrow T连续.}}$
$即证:{\color{green}{若 x_n \to x, 则有 Tx_n \to Tx.}}$
$事实上, 若 x_n \to x, 由于 T 有界, 存在 M > 0, 使得$
$对于 {\color{red}{\forall x \in X, 有 \Vert Tx \Vert \leq M \Vert x \Vert}}. 于是$
$\qquad \Vert Tx_n - Tx \Vert = \Vert T(x_n - x) \Vert$
$\qquad \leq M \Vert x_n - x \Vert \to 0 \quad (n \to \infty),$
$这表明 T 是连续的.$
$注: {\color{blue}{线性算子连续等价于有界.}}$
$线性算子 T 有界, 则$
$\qquad {\color{red}{\lim \limits_{n \to \infty} T(x_n) = T(\lim \limits_{n \to \infty} x_n).}}$
${\color{blue}{无界线性算子不连续}}(线性和连续非常重要).$

$\color{blue}{4.1.2 有界线性算子组成的赋范空间}$

$\bullet下面我们把有界线性算子看作一个元素, 构成一个新的$
$线性空间,即由{\color{blue}{全体有界线性算子构成的空间.}}$
$\bullet 从赋范空间的角度研究线性算子的性质.$

$定义 4.1.7 设 X, X_1 是赋范空间, \mathscr{B}(X, X_1) 表示$
$\color{blue}{从X到X_1的全体有界线性算子}.$
$如果X = X_1, 我们把 \mathscr{B}(X, X_1)简记为 \mathscr{B}(X).$
$\bullet 在 \mathscr{B}(X, X_1)中可以自然地{\color{blue}{定义线性运算.}}$
$\bullet 即对于任给的 A, B \in \mathscr{B}(X, X_1) 及 \alpha \in \mathbb{K}, 定义:$
$\qquad (A + B)(x) = Ax + Bx, (\alpha A)(x) = \alpha A x.$
$又由于$
$\qquad \Vert (A + B) x \Vert = \Vert Ax + Bx \Vert$
$\qquad \leq \Vert Ax \Vert + \Vert Bx \Vert$
$\qquad \leq {\color{blue}{(M_1 + M_2) \Vert x \Vert, }}$
$\qquad \Vert \alpha Ax \Vert = |\alpha| \Vert Ax \Vert {\color{blue}{\leq |\alpha| M_1 \Vert x \Vert.}}$
$所以 \mathscr{B}(X, X_1) {\color{red}{对加法、数乘运算封闭}}, 称为线性空间.$
$\bullet 下面我们把{\color{blue}{有界线性算子}}看成空间中的{\color{blue}{元素}}, 定义$
${\color{brown}{有界线性算子的范数}}.$

$定义 4.1.8 设 T 是从赋范空间 X 到 X_1 的有界线性算子,$
$即存在 M > 0, 使得$
$\qquad \Vert Tx \Vert \leq M \Vert x \Vert, \forall x \in X. \quad (4.1.3)$
$令$
$\qquad \Vert T \Vert = \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert Tx \Vert}{\Vert x \Vert}, \quad (4.1.4)$
$\Vert T \Vert 称为{\color{blue}{线性算子T的范数}}.$
$注: 由(4.1.3),(4.1.4)可得$
$\qquad \Vert T \Vert = \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert Tx \Vert}{\Vert x \Vert} \leq \sup \limits_{x \in X, \\ x \neq 0} \dfrac{M \Vert x \Vert}{\Vert x \Vert} = M.$
$这说明 \Vert T \Vert 的定义是有意义的(是有限非负实数).$
$\bullet 由 \dfrac{\Vert Tx \Vert}{\Vert x \Vert} \leq \Vert T \Vert, 有 \Vert Tx \Vert \leq \Vert T \Vert \Vert x \Vert.$
$\bullet {\color{blue}{即 \Vert T \Vert 是使 \Vert Tx \Vert \leq M \Vert x \Vert 成立的最小M, }}$
$\Vert T \Vert = \inf \lbrace M | \Vert Tx \Vert \leq M \Vert x \Vert, \forall x \in X \rbrace. \quad (4.1.5)$
$下面我们验证$
$\blacklozenge {\color{blue}{\Vert T \Vert 是一个范数,}} 即满足定义2.1.1的4个条件.$

$命题 4.1.9 由(4.1.4)式定义的 \Vert T \Vert 是线性算子空间$
$\mathscr{B}(X, X_1)上的范数, 这里$
$\qquad \Vert T \Vert = \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert Tx \Vert}{\Vert x \Vert} .$
$证明:(i)({\color{blue}{非负}}) \Vert T \Vert = \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert Tx \Vert}{\Vert x \Vert} \geq 0;$
$(ii)({\color{blue}{正定}}) \Vert T \Vert = \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert Tx \Vert}{\Vert x \Vert} = 0 \Rightarrow$
$\qquad \Vert Tx \Vert = 0, \forall x \in X, x \neq 0, \Rightarrow T = 0;$
$(iii)({\color{blue}{正齐次}})\Vert \alpha T \Vert = \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert \alpha Tx \Vert}{\Vert x \Vert} = |\alpha| \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert Tx \Vert}{\Vert x \Vert};$
$(iv)({\color{blue}{三角不等式}})$
$\Vert T_1 + T_2 \Vert = \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert (T_1 + T_2)x \Vert}{\Vert x \Vert} \leq \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert T_1x \Vert + \Vert T_2x \Vert}{\Vert x \Vert}$
$\qquad \leq \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert T_1x \Vert}{\Vert x \Vert} + \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert T_2x \Vert}{\Vert x \Vert} = \Vert T_1 \Vert + \Vert T_2 \Vert.$
$因此 \Vert T \Vert 是一个范数.$
$注:(\mathscr{B}(X, X_1), \Vert \cdot \Vert)是一个赋范空间.$
$\qquad \mathscr{B}(X, X_1)中的{\color{blue}{元素是有界线性算子}}.$

$定理 4.1.10 设 T 是从赋范空间 X 到 X_1 的有界线性算子, 则$
$\qquad \Vert T \Vert = \sup \limits_{\Vert x \Vert = 1} \Vert Tx \Vert = \sup \limits_{\Vert x \Vert \leq 1} \Vert Tx \Vert \quad (4.1.6)$
$证明:$
$\Vert T \Vert = \sup \limits_{x \in X, \\ x \neq 0} \dfrac{\Vert Tx \Vert}{\Vert x \Vert} \geq \sup \limits_{x \neq 0, \\ \Vert x \Vert \leq 1} \dfrac{\Vert Tx \Vert}{\Vert x \Vert}$
$\geq \sup \limits_{x \neq 0, \\ \Vert x \Vert \leq 1} \Vert Tx \Vert = \sup \limits_{\Vert x \Vert \leq 1} \Vert Tx \Vert \geq \sup \limits_{\Vert x \Vert = 1} \Vert Tx \Vert \quad (4.1.7)$
$另一方面, 对于任意的 y \in X, y \neq 0,$
$\qquad \Vert T \dfrac{y}{\Vert y \Vert} \Vert \leq \sup \limits_{\Vert x \Vert = 1} \Vert Tx \Vert,$
${\color{blue}{取上确界}}, 得$
$\qquad \sup \limits_{y \in X, \\ y \neq 0} \dfrac{\Vert T y \Vert}{\Vert y \Vert} \leq \sup \limits_{\Vert x \Vert = 1} \Vert Tx \Vert,$
$即 \Vert T \Vert \leq \sup \limits_{\Vert x \Vert = 1} \Vert Tx \Vert.$
$结合上面的不等式(4.1.7)有:$
$\qquad \Vert Tx \Vert = \sup \limits_{\Vert x \Vert = 1} \Vert Tx \Vert = \sup \limits_{\Vert x \Vert \leq 1} \Vert Tx \Vert.$
$\bullet 当 A, B \in \mathscr{B}(X), 还可以定义$
$\qquad (A \cdot B)(x) = A(Bx) (记为 AB).$
$\bullet 显然 {\color{blue}{AB 也是线性算子, 并且}}$
$\qquad \Vert AB \Vert \leq \Vert A \Vert \Vert B \Vert \quad (4.1.8)$
$\ast 这是因为, 对于 \forall x \in X,$
$\qquad \Vert (AB)x \Vert = \Vert A(Bx) \Vert \leq \Vert A \Vert \Vert Bx \Vert$
$\qquad \leq \Vert A \Vert \Vert B \Vert \Vert x \Vert,$
${\color{blue}{根据算子范数的定义}}, 有(4.1.8)成立.$
$\bullet 进一步有$
$\qquad \Vert A^n \Vert \leq \Vert A \Vert ^n. \quad (4.1.9)$

$\color{blue}{4.1.3 有界线性算子的例}$

$例 4.1.11 考虑n阶方阵 A = (a_{ij})(i, j = 1, 2, \cdots, n),$
$对于任意的 x \in \mathbb{R}^n, x = (\xi_1, \cdots, \xi_n), 令$
$\qquad Ax = (a_{ij})\begin{pmatrix}\xi_1\\ \vdots \\ \xi_n \end{pmatrix} = \begin{pmatrix}\eta_1 \\ \vdots \\ \eta_n \end{pmatrix} = y, \quad (4.1.10)$
$其中 \eta_i = \sum \limits_{j=1}^n a_{ij} \xi_j. 则 A 是从 \mathbb{R}^n 到 \mathbb{R}^n 的线性算子.$
$\Vert Ax \Vert = (\sum \limits_{i=1}^n |\eta_i|^2)^{\frac{1}{2}} = {\color{blue}{(\sum \limits_{i=1}^n |\sum \limits_{j=1}^n a_{ij} \xi_j|^2)^{\frac{1}{2}} }}$
$\leq (\sum \limits_{i=1}^n \sum \limits_{j=1}^n |a_{ij}|^2)^{\frac{1}{2}}(\sum \limits_{j=1}^n |\xi_j|^2)^{\frac{1}{2}} = (\sum \limits_{i=1}^n \sum \limits_{j=1}^n |a_{ij}|^2)^{\frac{1}{2}} \Vert x \Vert.$
$因此 {\color{red}{A是有界线性算子.}}$
$\bullet 一般来说, {\color{blue}{\Vert A \Vert \neq (\sum \limits_{i=1}^n \sum \limits_{j=1}^n |a_{ij}|^2)^{\frac{1}{2}} }}$
$\blacktriangleright 进一步:{\color{red}{有限维空间}} 上的线性算子都是 {\color{red}{有界线性算子}}.$

$定理 4.1.12 {\color{blue}{设 (X, \Vert \cdot \Vert)是有限维赋范空间,}} {\color{brown}{(Y, \Vert \cdot \Vert)是任意一个赋范空间}},$
$T 是从 X 到 Y 的线性算子, 则 T是 {\color{blue}{有界线性算子}}.$
$证明:(1)在 X 上定义一个新范数:$
$\qquad \Vert x \Vert _1 = \Vert x \Vert + \Vert Tx \Vert \quad (4.1.11)$
$显然范数前三个条件 \Vert \cdot \Vert _1 都满足, 且$
$\Vert x+y \Vert _1 = \Vert x+y \Vert + \Vert T(x+y) \Vert = \Vert x+y \Vert + \Vert Tx + Ty \Vert$
$\leq \Vert x \Vert + \Vert y \Vert + \Vert Tx \Vert + \Vert Ty \Vert = \Vert x \Vert _1 + \Vert y \Vert _1$
$即 \Vert \cdot \Vert _1 是X上定义的另一个范数.$
$(2)因为 X 是有限维的赋范空间, {\color{blue}{根据同一个有限维空间}}$
${\color{blue}{上定义的范数都是等价的,}}$
$于是 \Vert \cdot \Vert 和 \Vert \cdot \Vert _1 等价, 即: 存在 K > 0, 使得对任意$
$的 x \in X, 有$
$\qquad \Vert x \Vert _1 \leq K \Vert x \Vert \quad (4.1.12)$
$(3) 根据(4.1.11)式和(4.1.12)式, 我们有$
$\qquad \Vert Tx \Vert \leq \Vert x \Vert _1 \leq K \Vert x \Vert,$
$这说明 T 是有界的.$
$注:{\color{blue}{定义域是有限维空间的线性算子都是有界的.}}$

$在{\color{red}{无穷维空间}}我们考虑$
$例 4.1.13 无穷维矩阵(a_{ij}), 满足:$
$\qquad \sum \limits_{i=1}^{\infty} \sum \limits_{k=1}^{\infty} |a_{ik}|^{q} < \infty \quad (q > 1)$
$对 \forall x \in l^p (\frac{1}{p} + \frac{1}{q} = 1), x = (\xi_1, \xi_2, \cdots, \xi_k, \cdots), 令$
$\qquad \eta_i = \sum \limits_{k=1}^{\infty} a_{ik} \xi_k (i = 1, 2, \cdots),$
$定义线性算子: Tx = y, y = (\eta_1, \eta_2, \cdots, \eta_k, \cdots),$
${\color{blue}{则T是从 l^p 到 l^q 的有界线性算子.}}$
$事实上,$
$\qquad \sum \limits_{i=1}^{\infty} |\eta_i|^q = \sum \limits_{i=1}^{\infty} |\sum \limits_{k=1}^{\infty} a_{ik} \xi_k|^q$
$\qquad \leq \sum \limits_{i=1}^{\infty} \lbrace (\sum \limits_{k=1}^{\infty} |a_{ik}|^q)^{\frac{1}{q}}(\sum \limits_{k=1}^{\infty}|\xi_k|^p)^{\frac{1}{p}} \rbrace ^{q}$
$\qquad = \sum \limits_{i=1}^{\infty} \sum \limits_{k=1}^{\infty} |a_{ik}|^q \Vert x \Vert ^q.$
$即$
$\qquad \Vert Tx \Vert _q = \Vert y \Vert _q \leq (\sum \limits_{i=1}^{\infty} \sum \limits_{k=1}^{\infty} |a_{ik}|^q)^{\frac{1}{q}} \Vert x \Vert$
$这说明 {\color{blue}{T 是 l^p \to l^q 的有界线性算子}}.$

$例 4.1.14 设T是从 C[0, 1]到实数\mathbb{R}的一个映射:$
$\qquad T(x) = x(0), \forall x \in C[0, 1],$
${\color{blue}{则 T 是一个有界线性泛函}}.$
$事实上,$
$|T(x)| = |x(0)| \leq \sup \lbrace |x(t)| | t \in [0, 1] \rbrace = \Vert x \Vert$
$所以 \Vert T \Vert \leq 1.$
$另一方面, 对于 x_0(t) \equiv 1 \in C[0, 1],$
$\qquad {\color{red}{T(x_0) = 1 = \Vert x \Vert}},$
$于是, {\color{blue}{我们有 \Vert T \Vert = 1 }}.$
$线性泛函: 1.是线性赋范空间{\color{blue}{到数域}}的{\color{blue}{映射}},$
$\qquad \qquad 2.必须是{\color{blue}{线性}}的.$

$例 4.1.15 设X是线性赋范空间, 则X上的范数 \Vert \cdot \Vert$
$定义了一个从X到\mathbb{R}的泛函,$
$\qquad f(x) = \Vert x \Vert : X \to \mathbb{R},$
${\color{blue}{f是有界的, 但 不是线性的}}.$
$f 有界是显然的.假设 f 是线性的, 设 x \neq 0, 则$
$0 = \Vert 0 \Vert = f(0) = f(x + (-x)) = f(x) + f(-x)$
$\qquad = \Vert x \Vert + \Vert -x \Vert = {\color{red}{2 \Vert x \Vert}}.$
$矛盾.所以{\color{blue}{范数不是线性泛函}}.$

$例 4.1.16 设 a = (a_1, a_2, \cdots, a_n) \in \mathbb{R}^n. 对于任意的$
$x = (x_1, x_2, \cdots, x_n) \in \mathbb{R}^n, 定义$
$\qquad f(x) = \sum \limits_{i=1}^{n} a_i x_i \quad (4.1.13)$
$则{\color{blue}{f是\mathbb{R}^n 上的有界线性泛函}}.$
$证明:(1) f 是 \mathbb{R}^n 上的{\color{red}{线性泛函}}.$
$\qquad f(\alpha x + \beta y) = \sum \limits_{i=1}^n a_i(\alpha x_i + \beta y_i)$
$\qquad = \alpha \sum \limits_{i=1}^n a_i x_i + \beta \sum \limits_{i=1}^n a_i y_i$
$\qquad = \alpha f(x) + \beta f(y).$
$(2){\color{blue}{有界性}}可由 {\color{red}{H\ddot{o}lder 不等式}}证出.$
$|f(x)| = |\sum \limits_{i=1}^n a_i x_i| \leq \sum \limits_{i=1}^n |a_i x_i|$
$\leq (\sum \limits_{i=1}^n |a_i|^2)^{\frac{1}{2}}(\sum \limits_{i=1}^n |x_i|^2)^{\frac{1}{2}} = \Vert a \Vert \Vert x \Vert$
$即 f 是 \mathbb{R}^n 上的有界线性泛函.$
$注:以后会看到, \mathbb{R}^n 上的{\color{red}{任何有界性性泛函}}一定可以写成$
$(4.1.13)的形式, {\color{blue}{f(x) = (a, x)}}.$
$即\mathbb{R}^n 上的有界线性泛函f, {\color{green}{可以由 \mathbb{R}^n中的元素a确定}}.$
$\ast 在 \mathbb{R}^3中可看到, {\color{blue}{a = (a_1, a_2, a_3)}}正是平面$
${\color{blue}{f(x) = a_1x_1 + a_2x_2 + a_3x_3 = 0}}的{\color{red}{法向量}}.$
$\ast 进一步的结论参阅第5章 {\color{blue}{Riesz表示定理}}.$

$例 4.1.17 设 y_0(t) 是 [a, b]上的连续函数, 对于任意的$
$x \in C[a, b], 定义$
$\qquad f(x) = \int_a^b x(t) y_0(t) dt \quad (4.1.14)$
$则 f 是 C[a, b] 上的{\color{blue}{线性泛函}}.$
$事实上,$
$|f(x)| \leq \int_a^b |x(t) y_0(t)| dt$
$\quad \leq \int_a^b |y_0(t)| \max \limits_{a \leq t \leq b} |x(t)| dt = (\int_a^b |y_0(t)| dt) \Vert x \Vert,$
$即 f 是 C[a, b] 上的 {\color{blue}{有界线性泛函}}.$
$注1: 可以证明 \Vert f \Vert = \int_a^b |y_0(t)| dt.$
$注2:特别地, 若 y_0(t) \equiv 1, 定积分 f(x) = \int_a^b x(t) dt 是$
$C[a, b] 上的有界线性泛函.$
$\bigstar 不是所有的线性算子都是有界的, 例如是否重要的$
${\color{blue}{微分算子就是一类无界算子}}.$

$例 4.1.18 ({\color{red}{微分算子}}) 设 X = C[0, 1],$
$\qquad T: \mathscr{D}(T) \subset C[0, 1] \to C[0, 1],$
$\qquad Tx(t) = x^{\prime}(t),$
$其中{\color{blue}{\mathscr{D}(T) = \lbrace x(t) \in C[0, 1] | x(t) 的导数连续\rbrace}}.$
$可以证明: {\color{red}{T 是无界的线性算子}}.$
$事实上, 对于 \sin nt \in C[0, 1], 我们有:$
$\qquad T(\sin nt) = n \cos nt, \Vert x_n \Vert = 1, (n \geq 2)$
$但是 \Vert Tx_n \Vert = n \to \infty (n \to \infty).$
$即 T 是无界的(注意 {\color{blue}{\mathscr{D}(T)不是定义在全空间上的}}).$
$注：{\color{green}{微分算子是一类十分重要的无界线性算子}}.$
$\bullet 微分算子虽然是{\color{blue}{无界}}的, 但它是{\color{blue}{闭的}}线性算子.$
$(闭算子的定义见第 4.5 节)$
$\bullet 闭的线性算子也有{\color{red}{“类似连续”的很好的性质}}.$

$\color{blue}{4.1.4 有界线性算子范数的计算}$

$例 4.1.19 设 T 是如下从 L[a, b] 到 C[a, b]的线性算子:$
$\qquad (Tx)(t) = \int_a^t x(\tau) d \tau,$
$则T 是有界的, 且 \Vert T \Vert = 1.$
$证明:(1) 对于任意的 x \in L[a, b] 满足:$
$\qquad \Vert x \Vert = \int_a^b |x(\tau)| d \tau = 1,$
$我们有$
${\color{blue}{\qquad \Vert Tx \Vert = \max \limits_{a \leq t \leq b} |\int_a^t x(\tau) d\tau|}}$
$\qquad \leq \max \limits_{a \leq t \leq b} \int_a^t |x(\tau)| d \tau = \int_a^b |x(\tau)| d \tau = 1,$
$即 \Vert T \Vert \leq 1.$
$(2)另一方面, 令$
$\qquad x_0(t) = \dfrac{1}{b-a} \in L[a, b], \Vert x_0 \Vert = 1,$
$因此$
$\qquad {\color{blue}{\Vert T \Vert \geq \Vert Tx_0 \Vert}} = \max \limits_{a \leq t \leq b} |\int_a^t x_0(\tau) d \tau |$
$\qquad = \max \limits_{a \leq t \leq b} \int_a^t \dfrac{1}{b-a} d \tau = 1.$
$于是 \Vert T \Vert = 1.$
$注：上列中的线性算子T若看作是{\color{blue}{从L[a, b] 到 L[a, b]的线性算子}},$
$则{\color{red}{\Vert T \Vert = b - a}}.$

$例 4.1.20 ({\color{blue}{积分算子}})设 K(t, s) 是 a \leq t, s \leq b 上的$
$二元连续函数. 令$
$\qquad Kx(t) = \int_a^b K(t, s) x(s) ds \quad (4.1.15)$
$则{\color{blue}{K 是 C[a, b] \to C[a, b] 的有界线性算子}},$
$并且 {\color{red}{\Vert K \Vert = \max \limits_{a \leq t \leq b} \int_a^b |K(t, s)| ds}}.$
$(1)事实上:$
${\color{blue}{\Vert Kx \Vert = \max \limits_{a \leq t \leq b} |\int_a^b K(t, s) x(s) ds |}}$
$\qquad \leq (\max \limits_{a \leq t \leq b} \int_a^b |K(t, s)| ds) \Vert x \Vert = \beta \Vert x \Vert \quad (4.1.16)$
$其中$
$\qquad \beta = \max \limits_{a \leq t \leq b} \int_a^b |K(t, s)| ds,$
$即 \Vert K \Vert \leq \beta. 因此{\color{blue}{K 是有界线性算子}}.$
$(2)另一方面, 由于 \int_a^b K(t, s) ds 是关于 t 的连续函数,$
$注意到$
$\qquad \beta = \max \limits_{a \leq t \leq b} \int_a^b |K(t, s)| ds,$
$故 \exists t_0 \in [a, b], 使得$
$\qquad \beta = \int_a^b |K(t_0, s)| ds,$
$令$
$\qquad x_0(s) = sgn K(t_0, s),$
$则 x_0(s) 可测, 且 |x_0(s)| \leq 1.$
${\color{red}{由鲁津定理}}, 对于 \forall n, 存在 [a, b] 上的连续函数 x_n(s),$
$使得 |x_n(s)| \leq 1,$
$且{\color{blue}{除去测度小于\dfrac{1}{2Mn}的可测集 E_n 外}}, x_n(s) = x_0(s),$
$其中 M = \max \limits_{a \leq t \leq b, \\ a \leq s \leq b} K(t, s).$

$于是$
$\beta = \int_a^b |K(t_0, s)| ds = | \int_a^b K(t_0, s) x_0(s) ds|$
$\leq |\int_a^b K(t_0, s) x_n(s) ds| + |\int_a^b K(t_0, s)(x_0(s) - x_n(s)) ds|$
$\leq \Vert K \Vert \Vert x_n \Vert + 2 M \cdot m E_n \leq \Vert K \Vert + \dfrac{1}{n}$
$当 n \to \infty 时, 有 \beta \leq \Vert K \Vert.$
$结合(4.1.16)式, 有\Vert K \Vert = \beta.$