泛函分析笔记5：Hahn-Banach定理的应用

1. 共轭算子

赋范空间 $X,Y$，$T\in B(X,Y)$，对于任意的 $f\in Y^{\prime }$，$X\stackrel{T}{⟶}Y\stackrel{f}{⟶}\mathbb{K}$，可以得到 $f\circ T\in X^{\prime }$。因此我们可以定义映射
$$\begin{array}{rl}{T}^{\times }:Y^{\prime }& \to X^{\prime }\\ f& \mapsto f\circ T\end{array}$$
称其为共轭算子。他有如下性质（容易验证，不再证明）：

• $T^{\times }\in B(Y^{\prime },X^{\prime })$
• $\Vert T^{\times }\Vert =\Vert T\Vert$（证明过程用到了 Hahn-Banach定理）
• $(S+T{)}^{\times }=S^{\times }+T^{\times },S,T\in B(X,Y)$
• $(\lambda T{)}^{\times }=\lambda T^{\times }$
• $(AB{)}^{\times }=B^{\times }{A}^{\times },A\in B(X,Y),B\in B(Y,Z)$

例子 1：设 $X=Y={\mathbb{C}}^n,T\in B({\mathbb{C}}^n,{\mathbb{C}}^n)$，则 $\exists !A$ 为 $n$ 阶方阵使得 $Tx=Ax$，而 $T^{\times }\in B(({\mathbb{C}}^n{)}^{\prime },({\mathbb{C}}^n{)}^{\prime })$。实际上 $f\in ({\mathbb{C}}^n{)}^{\prime }$ 可以表示为 $f(x)={\sum }_i^n{\alpha }_i{x}_i={\alpha }^{T}x$，$T^{\times }f(x)={\sum }_i^n{\beta }_i{x}_i={\beta }^{T}x$。容易验证 $\beta =A^T\alpha .$

在这里，我们可以联想到伴随算子，$T\in B(H_1,H_2)$，其伴随算子 $T^{\star }\in B(H_2,H_1)$ 满足 $⟨Tx,y⟩=⟨x,T^{\star }y⟩.$ 而这里的共轭算子则是 $T^{\times }\in B(H_2^{\prime },H_1^{\prime }).$

回忆第二章我们讲等距同构概念的时候，提到了 $({\mathbb{K}}^n,\Vert \cdot {\Vert }_2{)}^{\prime }=({\mathbb{K}}^n,\Vert \cdot {\Vert }_2)$，也就是说实际上我们可以找到某个映射 $A:H^{\prime }\to H$。如果能找到这样的一个双射，就可以认为 $T^{\star }$ 与 $T^{\times }$ 是等价的。

一般的空间未必有如此良好的性质，但对于 Hilbert 空间来说，任意 $f\in H^{\prime }$ 都可以唯一地表示为 $f(x)=⟨x,z⟩,z\in H$，那么我们就可以定义映射
$$\begin{array}{rl}A:H^{\prime }& \to H\\ f& \mapsto z\end{array}$$
容易证明 $A$ 时共轭线性的（并且是双射），即 $A(\lambda f+\mu g)=\bar{\lambda }Af+\bar{\mu }Ag$。

此时我们可以得到如下图所示的映射关系，可以看到实际上 $T^{\times }=A_1^{-1}{T}^{\star }{A}_2$

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yEKlB6g0-1609322243909)(https://raw.githubusercontent.com/Glooow1024/ImgHosting/master/hexo/2020/ch4-1-conjugate-operator.png)]

例子 2：考虑 Hilbert 空间 $H_1,H_2$，$g\in H_2^{\prime }$ 可以表示为 $g(y)=⟨y,y_0⟩$，因此实际上有 $A_{2}g=y_0\in H_2$，令 $f=T^{\times }g\in H_1^{\prime }$，因此可以表示为 $f(x)=⟨x,x_0⟩$，这可以表示为 $A_{1}f=x_0\in H_1$，因此有 $A_1{T}^{\times }g=x_0$，结合 $A_1{T}^{\times }=T^{\star }{A}_2$ 就有 $x_0=T^{\star }{y}_0.$

2. 自反空间

前面我们研究了 $X$ 与 $X^{\prime }$ 的关系，当 $X$ 为 Hilbert 空间时二者等距同构。这一小节我们想再研究研究 $X$ 与 $X^{\prime \prime }$ 的关系。为什么要研究他们的关系呢？因为不论原始空间 $X$ 怎么样，对偶空间 $X^{\prime }$ 总是 Banach 空间。友情提示，接下来这部分会比较绕。

2.1 典范映射

如果想要研究 $X$ 与 $X^{\prime \prime }$ 的关系，考虑映射 $J:X\to X^{\prime \prime }$，那么就需要考虑 $J$ 是否是等距同构的，或者是否是单射、满射、双射？如何定义 $J$ 呢？考虑 $J(x)\in X^{\prime \prime }$，记 $g_x=J(x):X^{\prime }\to \mathbb{K}$，即
$$\begin{array}{rl}J:X& \to X^{\prime \prime }\\ x& \mapsto g_x\end{array}$$
那么对于任意 $f\in X^{\prime }$，定义 $g_x(f)=f(x)\in \mathbb{K}$，因此 $(J(x))(f)=f(x)$。其中 $x$ 为 $J$ 的自变量，$J(x)$ 是一个泛函，$f$ 为 $J(x)$ 的自变量。

首先来看按照上面的方法给出的 $J$ 的定义是否满足 $J:X\to X^{\prime \prime }.$ 首先来看 $J(x)=g_x$ 是否为 $X^{\prime }$ 上的线性泛函？$g_x(\lambda f+\mu h)=\lambda f(x)+\mu h(x)=\lambda g_x(f)+\mu g_x(h)$，因此 $g_x\in (X^{\prime }{)}^{\star }$，接下来还需要验证 $\Vert g_x\Vert$ 是否是有界的。
$$\Vert g_x\Vert =\underset{f\in X^{\prime }}{\sup }\frac{\Vert g_x(f)\Vert }{\Vert f\Vert }=\underset{f\in X^{\prime }}{\sup }\frac{|f(x)|}{\Vert f\Vert }=\Vert x\Vert$$
因此有 $J(x)=g_x\in X^{\prime \prime },\forall x\in X$，说明我们定义的 $J$ 确实是 $X\to X^{\prime \prime }$ 的映射，我们称之为典范映射。

那么这个映射有什么性质呢？$J$ 是否为线性映射？$g_{\lambda x+\mu y}=J(\lambda x+\mu y)\in X^{\prime \prime }$，对于 $\forall f\in X^{\prime }$，都有
$$\begin{gathered} g_{\lambda x+\mu y}(f)=f(\lambda x+\mu y)=\lambda f(x)+\mu g(y)=\lambda g_x(f)+\mu g_y(f) \\ ⟹g_{\lambda x+\mu y}=\lambda g_x+\mu g_y \\ ⟹J(\lambda x+\mu y)=\lambda J(x)+\mu J(y) \end{gathered}$$
这说明 $J$ 是线性映射，那么 $\Vert J\Vert$ 是多少？是否是有界线性映射？
$$\Vert J\Vert =\underset{x\in X}{\sup }\frac{\Vert J(x)\Vert }{\Vert x\Vert },\Vert J(x)\Vert =\Vert x\Vert$$
因此 $\Vert J\Vert =1.$

由于任意 $x\in X$ 都可以得到 $J(x)\in X^{\prime \prime }$，因此 $X$ 可以视为 $X^{\prime \prime }$ 的“赋范子空间”，也就是说 $X$ 的势小于 $X^{\prime \prime }$。那么是否有 $X^{\prime \prime }$ 的势就等于 $X$ 的势呢？如果二者势相等，由于 $J$ 是保范映射，就说明 $X$ 与 $X^{\prime \prime }$ 是等距同构的！但是遗憾的是并不是任意赋范空间 $X$ 都有这个结论，只有某些条件下，比如 Hilbert 空间有这个性质。

若 $J$ 为满射，则称 $X$ 为自反空间（意味着 $X$ 与 $X^{\prime \prime }$ 等距同构），这有如下两种等价表示：
$$\begin{array}{rl}⟺& \forall F\in X^{\prime \prime },\exists !x\in X,F=J(x)\\ ⟺& \forall F\in X^{\prime \prime },\exists !x\in X,F(f)=f(x),\forall f\in X^{\prime }\end{array}$$

如果 $X$ 为自反的，由于 $X^{\prime \prime }$ 为 Banach 空间，那么 $X$ 也是 Banach 空间。

命题：Hilbert 空间均为自反的。

证明：这个证明的思路非常巧妙！直接按照上面的定义来证明很难证出来。为此我们首先考虑 $H^{\prime }$，我们已经知道他是 Banach 空间了，但它实际上是一个 Hilbert 空间，怎么证明呢？

对 $\forall f,g\in H^{\prime }$，我们前面提到 $f(x)=⟨x,Af⟩,Af\in H$，因此定义
$$⟨f,g{⟩}_1=⟨Ag,Af⟩$$
验证内积的定义可以证明 $⟨\cdot ,\cdot {⟩}_1$ 就是 $H^{\prime }$ 上的内积，因此 $H^{\prime }$ 是 Hilbert 空间。这样的话就太好了，因为 $\forall F\in H^{\prime \prime }$，都存在唯一的 $f_0\in H^{\prime }$，使得 $F(f)=⟨f,f_0{⟩}_1=⟨A{f}_0,Af⟩=f(A{f}_0)$！因此 $H$ 为自反空间。证毕。

例子 1：若 $1<p<\infty$，${\ell }^p$ 是自反的。

证明：我们首先知道 $({\ell }^p{)}^{\prime }$ 与 ${\ell }^q$ 是等距同构的，而 $({\ell }^p{)}^{\prime \prime }=({\ell }^q{)}^{\prime }={\ell }^p$，因此 ${\ell }^p$ 是自反的（$1/p+1/q=1$）。

不过这个证明不太严谨，也可以利用自反空间的等价定义（跟上面的表述是等价的）。任意的 $f\in ({\ell }^p{)}^{\prime }$，可以表示为 $f(x)=⟨x,y⟩,x\in {\ell }^p,y\in {\ell }^q$，对任意的 $F\in ({\ell }^p{)}^{\prime \prime }$，现在问题来了，$F(f)$ 是个什么东西？我们怎么定义 $F(f)$？$f$ 是一个函数，如何将其映射到 $\mathbb{K}$ 上去呢？这是时候还是要应用等距同构的性质，$({\ell }^p{)}^{\prime }$ 与 ${\ell }^q$ 等距同构，因此我们可以用 $y\in {\ell }^q$ 来等价的代替 $f\in ({\ell }^p{)}^{\prime }$，这样的话 $F(f)$ 就很容易定义了，$F(f)\triangleq F_1(y)\in \mathbb{K}$，那么我们就能找到唯一的 $x_0\in {\ell }^p$，使得 $F_1(y)=⟨y,x_0⟩=⟨x_0,y⟩=f(x_0)$，这样的话任意 $F\in ({\ell }^p{)}^{\prime \prime }$，我们都能找到对应的唯一的 $x_0\in {\ell }^p$，使得 $F(f)=f(x_0)$。证毕。

例子 2：有限维赋范空间自反。

证明：假设 $\text{dim}X=n<\infty$，那么应用 Hamel 基的性质（参考教材例 2.5.3）$\text{dim}{X}^{\star }=n$。再应用下面的引理（可参考第2章），可以知道有限维赋范空间的 $X^{\prime }=X^{\star }$ 等距同构，因此 $\text{dim}{X}^{\prime }=n$，因此也有 $\text{dim}{X}^{\prime \prime }=n$，因此 $J:X\to X^{\prime \prime }$ 为满射，$X$ 为自反的。证毕。

引理：$X,Y$ 为 $\mathbb{K}$ 上的赋范空间，假设 $\text{dim}X=n<\infty$，$T:X\to Y$ 是线性算子，那么 $T$ 一定是有界的。

2.2 可分性

研究集合的可分性，可以通过验证典范映射 $J$ 是否为双射，也有另一个思路，就是下面要讲的可分性。

定理(Hahn-Banach) 5：$(X,\Vert \cdot \Vert )$，$Y$ 为 $X$ 的线性子空间，$Y⊊X$，对 $\forall x_0\in Y^c$，令
$$\delta =\rho (x_0,Y)=\underset{y\in Y}{\inf }\Vert x_0-y\Vert$$
则存在 $f\in X^{\prime }$，使得 $\Vert f\Vert =1,f{|}_Y=0,f(x_0)=\delta .$

NOTE：这个定理在说什么事呢？前面在讲内积空间的时候，我们提到了 Hilbert 空间上的有界线性泛函实际上可以表示为 $f(x)=⟨x,z_0⟩$，这实际上可以看成是以 $z_0$ 为法向量的超平面，因此 $N(f{)}^{\perp }$ 是一维的，也就是说 $f$ 在 $z_0$ 方向上是非零的，在正交于 $z_0$ 的平面内都是 0。而这个定理当中，寻找这个 $f$ 要做的就是找到一个合适的法向量，使得 $z_0\perp Y$，并且添加一个线性系数使得刚好有 $f(x_0)=\delta$。不过这个定理更加强大的一个地方在于不要求 $X$ 是 Hilbert 空间，只要求赋范空间即可。

证明：考虑 M = span ( Y ∪ { x 0 } ) M=\text{span}(Y\cup \{x_0\}) M=span(Y∪{x0​}) 是 $X$ 的线性子空间，则 $\forall x\in M$，存在唯一的分解方式 $x=y+\lambda x_0$，$y\in Y,\lambda \in \mathbb{K}$，定义 $f_0(x)=\lambda \delta .$ 容易验证 $f_0\in M^{\prime },\Vert f_0\Vert \le 1$，也可以验证 $\Vert f_0\Vert \ge 1$（需要思考一下）。因此存在 $f\in X^{\prime }$ 使得 $\Vert f\Vert =\Vert f_0\Vert$，$f{|}_Y=f_0{|}_Y=0$，并且 $f(x_0)=f_0(x_0)=\delta .$ 证毕。

推论：$(X,\Vert \cdot \Vert )$，若 $X^{\prime }$ 为可分空间，则 $X$ 为可分空间。

NOTE：这个推论可用于证明某个空间不是自反空间：如果 $X$ 可分，但是 $X’$ 不可分，那么 $X$ 一定不自反。否则的话 $X^{\prime \prime }=X$ 是可分的，应该有 $X^{\prime }$ 也是可分的，矛盾。

证明： 参考教材，略。

例子 3：$c_o,{\ell }^1,{\ell }^{\infty },C[a,b]$ 都不是自反空间。

证明：$c_0^{\prime }={\ell }^1,({\ell }^1{)}^{\prime }={\ell }^{\infty },({\ell }^{\infty }{)}^{\prime }={\ell }^1$（参考课本 P68），但是由于 $c_0,{\ell }^1$ 是可分的，而 ${\ell }^{\infty }$ 不是可分的，因此 ${\ell }^1$ 不自反。

$C[a,b{]}^{\prime }$ 是不可分的，$C[a,b]$ 是可分的， 细节参考课本，懒得写了…后面心情好了再补吧…

3. Riemann-Stieltjes积分

称函数 $\omega :[a,b]\to \mathbb{K}$ 为有界变差函数，若存在常数 $C\ge 0$，使得任取 $[a,b]$ 的分划
$$a=t_0<t_1<\cdots <t_n=b$$
都有 ${\sum }_{i=1}^n|\omega (t_i)-\omega (t_{i-1})|\le C$。记所有 $[a,b]$ 上的有界变差函数构成的集合为 $BV[a,b]$。并定义 $[a,s],a\le s\le b$ 上的全变差为
$${\text{Var}}_{[a,s]}(\omega )=\sup \sum _{i=1}^n|\omega (t_i)-\omega (t_{i-1})|$$
其中上确界是对所有 $[a,s]$ 上的分划来取。

命题：若 $\omega :[a,b]\to \mathbb{R}$ 单调，则 $\omega \in BV[a,b]$，并且此时有 ${\text{Var}}_{[a,b]}(\omega )=|\omega (b)-\omega (a)|.$

命题：若 $\omega :[a,b]\to \mathbb{R}$ 为有界变差的，则存在 ${\omega }_1,{\omega }_2$ 单调递增，使得 $\omega ={\omega }_1-{\omega }_2.$

证明：取 ${\omega }_1(t)={\text{Var}}_{[a,t]}(\omega )$，那么易证 ${\omega }_1$ 是单调递增的。取 ${\omega }_2=\omega -{\omega }_1$ 也是递增的，这是因为 $\forall t<s$，$t,x\in [a,b]$ 都有
$$\begin{array}{rl}{\omega }_2(s)-{\omega }_2(t)& ={\text{Var}}_{[a,s]}(\omega )-{\text{Var}}_{[a,t]}(\omega )-\omega (s)+\omega (t)\\ & ={\text{Var}}_{[t,s]}(\omega )-(\omega (s)-\omega (t))\ge 0\end{array}$$
其中第二个等号用到了下面的引理。

引理：${\text{Var}}_{[a,s]}(\omega )={\text{Var}}_{[a,t]}(\omega )+{\text{Var}}_{[t,s]}(\omega ).$

证明：略。

在 $BV[a,b]$ 上定义范数 $\Vert \omega {\Vert }_{bv}={\text{Var}}_{[a,b]}(\omega )+|\omega (a)|$，则可以证明 $\Vert \cdot {\Vert }_{bv}$ 为 $BV[a,b]$ 上的范数，并且 $BV[a,b]$ 为 Banach 空间。

对 $\forall \omega \in BV[a,b],x\in C[a,b]$，若 $\mathcal{P}$ 为 $[a,b]$ 的分划 $a=t_0<t_1<\cdots <t_n=b$，令
$$S(x,\omega ,\mathcal{P})=\sum _{i=1}^{n}x(t_{i-1})(\omega (t_i)-\omega (t_{i-1}))$$
是 $x$ 关于有界变差函数 $\omega$ 和分划 $\mathcal{P}$ 的 Darboux 和。记 $\eta (\mathcal{P})={\max }_i(t_i-t_{i-1})\to 0$，若存在唯一的 $A\in \mathbb{K}$ 使得 $S(x,\omega ,\mathcal{P})\to A$，则称 $A$ 为 $x$ 关于 $\omega$ 的 Riemann-Stieltjes 积分，记为
$$A={\int }_a^{b}x(t)d\omega (t).$$
定义线性泛函 ${\varphi }_{\omega }:C[a,b]\to \mathbb{K}$ 为
$${\varphi }_{\omega }(x)={\int }_a^{b}x(t)d\omega (t)$$
则 ${\varphi }_{\omega }\in C[a,b{]}^{\prime }$，并且有 $\Vert {\varphi }_{\omega }\Vert \le {\text{Var}}_{[a,b]}(\omega )$。

定理：$\forall \varphi \in C[a,b{]}^{\prime }$，$\exists !\omega \in BV[a,b]$，满足 $\omega (a)=0$，$\forall x\in C[a,b]$，$\varphi (x)={\int }_a^{b}x(t)d\omega (t)$，此时有 $\Vert \varphi \Vert =\Vert \omega {\Vert }_{bv}.$

证明：略。

最后给我的博客打个广告，欢迎光临
https://glooow1024.github.io/
https://glooow.gitee.io/

前面的一些博客链接如下
泛函分析专栏
泛函分析笔记 0：绪论
泛函分析笔记 1：度量空间
泛函分析笔记 2：赋范空间
泛函分析笔记 3：内积空间
泛函分析笔记 4：Hahn-Banach定理
泛函分析笔记 5：Hahn-Banach定理的应用