泛函分析 第一章 度量空间

参考来源于《泛函分析讲义》，张恭庆，林源渠编著，北京大学出版社

第一章 度量空间

压缩映像原理

定义1.1.1 距离

$\mathcal{X}$上定义一个双变量实值函数$\rho (x,y)$满足下列三个条件:
(1) $\rho (x,y)=0\iff x=y$
(2) $\rho (x,y)=\rho (y,x)$
(3) $\rho (x,z)=\rho (x,y)+\rho (y,z)$
$\rho$叫做$\mathcal{X}$上的一个距离，以$\rho$为距离的距离空间$\mathcal{X}$记做$(\mathcal{X},\rho )$

定义1.1.3 收敛

距离空间$(\mathcal{X},\rho )$上的点列 { x n } \{x_n\} {xn​}收敛到$x_0$是指$\rho (x_n,x_0)\to 0(n\to \infty )$，记做$\underset{n\to \infty }{\lim }{x}_n=x_0$

定义1.1.4 闭集

$E$为度量空间$(\mathcal{X},\rho )$中的子集。若 ∀ { x n } ⊂ E \forall \{x_n\}\subset E ∀{xn​}⊂E有$x_n\to x_0$，则$x_0\in E$

定义1.1.5 基本列与完备

(1) $\rho (x_n,x_m)\to 0(n,m\to \infty )$
(2) $\forall \epsilon >0,\exists N(\epsilon )s.t.m,n⩾N(\epsilon )\Rightarrow \rho (x_n,x_m)<\epsilon$
所有收敛列都是基本列
所有基本列都收敛，则空间完备
完备度量空间的闭子集必完备

定义1.1.8 连续

$T:(\mathcal{X},\rho )\to (\mathcal{Y},r)$为连续映射
(1) $\rho (x_n,x_0)\to 0\Rightarrow r(T(x_n),T(x_0))\to 0$
(2) $\forall \epsilon >0,\forall x_0\in \mathcal{X},\exists \delta =\delta (x_0,\epsilon ),s.t.\rho (x,x_0)<\delta \Rightarrow r(T(x),T(x_0))<\epsilon (\forall x\in \mathcal{X})$
(3) $\underset{n\to \infty }{\lim }{x}_n=x_0\Rightarrow \underset{n\to \infty }{\lim }T(x_n)=T(\underset{n\to \infty }{\lim }{x}_n)=T(x_0)$

定义1.1.10 压缩映射

称$T:(\mathcal{X},\rho )\to (\mathcal{X},\rho )$是一个压缩映射，如果存在$0<\alpha <1,s.t.\rho (T(x),T(y))⩽\alpha \rho (x,y)(\forall x,y\in \mathcal{X})$

定理1.1.11 Banach不动点定理——压缩映像原理

设$(\mathcal{X},\rho )$是一个完备的距离空间，$T$是$(\mathcal{X},\rho )$到自身的一个压缩映射，则$T$在$\mathcal{X}$上存在唯一不动点。

注：
(1) $\alpha =0$时也成立
(2) $\alpha =1$时为弱压缩映射，此时$T$可以有不动点，也可以没有不动点

完备化

定义1.2.1 等距同构

设$(\mathcal{X},\rho ),({\mathcal{X}}_1,{\rho }_1)$是两个度量空间，如果存在映射$\phi :\mathcal{X}\to {\mathcal{X}}_1$满足
(1) $\phi$是满射
(2) $\rho (x,y)={\rho }_1(\phi (x),\phi (y))(\forall x,y\in \mathcal{X})$
则称$(\mathcal{X},\rho )和({\mathcal{X}}_1,{\rho }_1)$是等距同构的，并称$\phi$为等距同构映射，有时简称等距同构。
注： 由(2)还可以推出$\phi$是单射。

定义1.2.2 稠密性

设$(\mathcal{X},\rho )$是度量空间，集合$E\subset \mathcal{X}$为在$\mathcal{X}$的稠密子集
⇔ ∀ x ∈ X , ∀ ε > 0 , ∃ z ∈ E , s . t . ρ ( x , z ) < ε ⇔ ∀ x ∈ X , ∃ { x n } ⊂ E , s . t . x n → x ⇔ ∀ ε > 0 ， 有 X = ⋃ z ∈ E B ( z , ε ) \begin{aligned} &\Leftrightarrow\forall x\in\mathscr X,\forall\varepsilon>0,\exists z\in E,s.t.\quad \rho(x,z)<\varepsilon \\ &\Leftrightarrow\forall x\in\mathscr X,\exists\{x_n\}\subset E,s.t.\quad x_n\to x \\ &\Leftrightarrow\forall\varepsilon>0，有\mathscr X=\bigcup\limits_{z\in E}\mathcal B(z,\varepsilon) \end{aligned} ​⇔∀x∈X,∀ε>0,∃z∈E,s.t.ρ(x,z)<ε⇔∀x∈X,∃{xn​}⊂E,s.t.xn​→x⇔∀ε>0，有X=z∈E⋃​B(z,ε)​

定义1.2.4 完备化空间

包含给定度量空间$(\mathcal{X},\rho )$的最小的完备度量空间成为$\mathcal{X}$的完备化空间。

最小的完备度量空间不是唯一的。

若要求度量空间在其完备化空间中稠(在等距同构意义下)，则可证其完备化度量空间必在等距同构下唯一。

命题1.2.5
若$({\mathcal{X}}_1,{\rho }_1)$是一个以$(\mathcal{X},\rho )$为子空间的完备度量空间，并且$\mathcal{X}$等距同构于${\mathcal{X}}_1$的一个稠子集，则${\mathcal{X}}_1$是$\mathcal{X}$的唯一完备化空间。

定理1.2.6
每一个度量空间有一个其自身在其中稠的唯一完备化空间。

例1.2.7
设$\rho (x,y)=\underset{a⩽t⩽b}{\max }|x(t)-y(t)|$，由weitrstrass定理，$P[a,b]$在$C[a,b]$中稠，且$(C[a,b],\rho )$完备。

例1.2.8
设${\rho }_1(x,y)={\int }_a^b|x(t)-y(t)|dt$，$C[a,b]$在$L^1[a,b]$中稠，且$(L^1[a,b],{\rho }_1)$完备。

列紧集

有界

设$(\mathcal{X},\rho )$是一个距离空间，A是$\mathcal{X}$的子集。如果$\exists x_0\in \mathcal{X}$及$r>0$使得$A\subset \mathcal{B}(x_0,r)$，则称A是有界的。

定义1.3.1 列紧

设$(\mathcal{X},\rho )$是一个距离空间，$A$是$\mathcal{X}$的子集。如果$A$的任意点列在$\mathcal{X}$中有收敛子列，则称$A$是列紧的。若这个子列还收敛到$A$中的点，则称$A$是自列紧的。如果空间$\mathcal{X}$是列紧的，则称$\mathcal{X}$是列紧空间。

定义1.3.5 $\epsilon$网

对$\epsilon >0,N\subset M$有
$$M\subset \bigcup _{y\in N}\mathcal{B}(y,\epsilon )$$
则$N$为$M$的$\epsilon$网。若$N$有穷集，则为有穷$\epsilon$网

定义1.3.6 完全有界

$M$完全有界，则$\forall \epsilon >0$，都存在$M$的一个有穷$\epsilon$网

定理1.3.7 Hausdorff

列紧集$\Rightarrow$完全有界$\Rightarrow$有界，完全有界$\stackrel{完备}{⟹}$列紧集

定义1.3.8 可分

一个距离空间若有可数个稠密子集，则称为是可分的。
完全有界的距离空间是可分的。

定义1.3.10 紧

拓扑空间$\mathcal{X}$中，称集合$M$是紧的，如果$\mathcal{X}$中每个覆盖$M$的开集族中都有有穷个开集覆$M$。
紧$\iff$自列紧

定义1.3.14 一致有界、等度连续(一致连续)

设$M$紧的距离空间，$F\subset C(M)$。若$\exists M_1>0$，使得$|\phi (x)|⩽M_1(\forall x\in M,\forall \phi \in F)$则F是一致有界的。
等价于$F$为$C(M)$的有界集。
如果$\forall \epsilon >0，\exists \delta (\epsilon )>0$，使得$|\phi (x_1)-\phi (x_2)|<\epsilon (\forall x_1,x_2\in M,\rho (x_1,x_2)<\delta ,\forall \phi \in F)$，则称$F$是等度连续的。

定理1.3.15 Arzela-Ascoli

$F\subset C(M)$是一个列紧集$⟺F$为一致有界且等度连续的函数族。

线性赋范空间

定义1.4.1

线性流形 $E=E_0+x_0,E_0$为线性子空间
线性流形还是线性子空间$\iff x_0\in E_0$
线性包 { x λ } \{x_\lambda\} {xλ​}的有穷线性组合，也称 { x λ } \{x_\lambda\} {xλ​}张成的线性子空间，记为 s p a n { x λ } span\{x_\lambda\} span{xλ​}
s p a n { x λ } = ⋂ { x λ } ⊂ M , M 为 线 性 子 空 间 M span\{x_\lambda\}=\bigcap_{\{x_\lambda\}\subset M,M为线性子空间}M span{xλ​}={xλ​}⊂M,M为线性子空间⋂​M

定义1.4.2 准范数

$||\cdot ||:\mathcal{X}\to {\mathbb{R}}^1$满足条件：
(1) $||x||⩾0(\forall x\in \mathcal{X});||x||=0\iff x=\theta$
(2) $||x+y||⩽||x||+||y||(\forall x,y\in \mathcal{X})$
(3) $||-x||=||x||(\forall x\in \mathcal{X})$
(4) $\underset{a_n\to 0}{\lim }||a_{n}x||=0,\underset{||x_n\to 0||}{\lim }||a{x}_n||=0$

对$\mathcal{X}$赋予准范数$||\cdot ||$后称为$F^{\ast }$空间
完备的$F^{\ast }$空间称为$F$空间

定义1.4.3 范数

$||\cdot ||:\mathcal{X}\to {\mathbb{R}}^1$满足条件：
(1) $||x||⩾0(\forall x\in \mathcal{X});||x||=0\iff x=\theta$（正定性）
(2) $||x+y||⩽||x||+||y||(\forall x,y\in \mathcal{X})$（三角不等式）
(3) $||ax||=|a|||x||(\forall a\in \mathbb{K},\forall x\in \mathcal{X})$（齐次性）

对$\mathcal{X}$赋予范数$||\cdot ||$后称为$B^{\ast }$空间
完备的$B^{\ast }$空间称为$B$空间或Banach空间。

$L^p$范数：$({\int }_{\Omega }|u(x){|}^{p}d\mu {)}^{\frac{1}{p}}$
$l^p$范数： $({\sum }_{n=1}^{\infty }|u(x){|}^p{)}^{\frac{1}{p}}$
$L^{\infty }$范数: $\underset{\mu (E_0)=0,E_0\subset \Omega }{\inf }(\underset{x\in \Omega \setminus E_0}{\sup }|u(x)|)$,又记$ess\underset{x\in \Omega }{\sup }|u(x)|$

定义1.4.15 范数等价

$||\cdot |{|}_2$比$||\cdot |{|}_1$强，是指
$$||x_n|{|}_2\to 0\Rightarrow ||x_n|{|}_1\to 0(当n\to \infty )$$
如果$||\cdot |{|}_2$比$||\cdot |{|}_1$强且$||\cdot |{|}_1$比$||\cdot |{|}_2$强，则称$||\cdot |{|}_1$与$||\cdot |{|}_2$等价。
为了$||\cdot |{|}_2$比$||\cdot |{|}_1$强，必需且仅须存在常数$C>0$，使得$||x|{|}_1⩽C||x|{|}_2(\forall x\in \mathcal{X})$
所以$||\cdot |{|}_1$与$||\cdot |{|}_2$等价必须且仅须存在常数$C_1,C_2>0$，使得$$C_1||x|{|}_1⩽||x|{|}_2⩽C_2||x|{|}_1$$
注：
(1) 有穷维任意两个范数等价，无穷维不成立
(2) 相同维度的两个有穷维线性赋范空间在代数上是同构的，在拓扑上是同胚的
(3) 有穷维${\mathcal{B}}^{\ast }$空间必是$\mathcal{B}$空间
(4) $B^{\ast }$空间上的任意有穷维子空间必是闭子空间

定义1.4.21 次线性泛函

$P:\mathcal{X}\to {\mathbb{R}}^1$满足条件：
(1) $P(x+y)⩽P(x)+P(y)(\forall x,y\in \mathcal{X})$（次可加性）
(2) $P(\lambda x)=\lambda P(x)(\forall \lambda >0,\forall x\in \mathcal{X})$（正齐次性）
则称$P$是$\mathcal{X}$上的一个次线性泛函

若$P$还满足$P(x)⩾0(\forall x\in \mathcal{X})$并且(2)是齐次性，即$P(ax)=|a|P(x)(\forall a\in \mathbb{K},\forall x\in \mathcal{X})$，则称$P$是一个半范数或半模

设$P$是有穷维$B^{\ast }$空间$\mathcal{X}$上的一个次线性泛函，如果$P(x)⩾0(\forall x\in x)$，并且$P(x)=0\iff x=\theta$，则存在正常数$c_1,c_2$使得$$c_1||x||⩽P(x)⩽c_2||x||(\forall x\in \mathcal{X})$$

定义1.4.23 最佳逼近

设$\mathcal{X}$是一个$B^{\ast }$空间，若$e_1,e_2,...,e_n$是$\mathcal{X}$中给定的向量组，则$\forall x\in \mathcal{X}$，存在着最佳逼近系数${\lambda }_1,{\lambda }_2,...,{\lambda }_n$满足
$$||x-\sum _{i=1}^n{\lambda }_i{e}_i||=\underset{a\in {\mathbb{K}}^n}{\min }||x-\sum _{i=1}^n{a}_i{e}_i||$$

若记$M:=span{e}_1,e_2,...,e_n;\rho (x,M):=\underset{y\in M}{\inf }||x-y||;x_o:={\sum }_{i=1}^n{\lambda }_i{e}_i$，则有$\rho (x,x_0)=\rho (x.M)$。称$x_0\in M$为$x$在$M$上的最佳逼近元。在$B^{\ast }$空间中，任意指定元素在给定的有限维子空间上的最佳逼近元总是存在的，但唯一性需要依靠$B^{\ast }$空间$\mathcal{X}$模的性质

定义1.4.24 严格凸

$B^{\ast }$空间$(\mathcal{X},||\cdot ||)$是严格凸的，是指$\forall x,y\in \mathcal{X},x\ne y$必有$||x||=||y||=1\Rightarrow ||ax+by||<1(\forall a,b>0,a+b=1)$

$\forall a,b$可以改成$\exists a_0,b_0$

严格凸则存在唯一最佳逼近系数
严格凸强烈依赖于所考虑的范数

引理1.4.31 F.Riesz引理

如果${\mathcal{X}}_0$是$B^{\ast }$空间$\mathcal{X}$的一个真闭子空间，那么对$\forall 0<\epsilon <1，\exists y\in \mathcal{X}$,使得$||y||=1$，并且$||y-x||⩾1-\epsilon (\forall x\in {\mathcal{X}}_0)$

定理1.4.28 有穷维$B^{\ast }$空间的刻画

(1) $B^{\ast }$是有穷维的$\iff \mathcal{X}$的单位球面是列紧的
(2) $B^{\ast }$是有穷维的$\iff \mathcal{X}$的单位球面任意有界集是列紧的
(3) 设$\mathcal{X}$是有限维$B^{\ast }$空间，则列紧集$\iff$有界集
(4) 设$\mathcal{X}$是有限维$B^{\ast }$空间，则紧集$\iff$自列紧集$\iff$列紧闭集$\iff$有界闭集
(5) 设$\mathcal{X}$是有限维$B^{\ast }$空间，集合$M\subset \mathcal{X}$是完全有界集$\iff M$有界
(6) 在$B^{\ast }$空间中，则紧集是完全有界闭集，反之不一定成立；在$B$空间中，紧集$\iff$完全有界闭集

凸集与不动点

定义1.5.1 凸集

$\forall x,y\in E,\forall 0⩽\lambda ⩽1,\lambda x+(1-\lambda )y\in E$，则$E$为凸集。
这个概念不要求空间有拓扑结构，但要有代数结构。
$\forall \lambda \in [0,1]$不能减弱为$\forall \lambda \in [0,1]\cap \mathbb{Q}$，可以减弱为$\forall \lambda \in [0,1]\setminus \mathbb{Q}$，但不能减弱为$\exists {\lambda }_0\in [0,1]\setminus \mathbb{Q}$

定义1.5.3 凸包、凸组合

若 { E λ ∣ λ ∈ Λ } \{E_{\lambda}|\lambda\in\Lambda\} {Eλ​∣λ∈Λ}是线性空间$\mathcal{X}$中的一族凸集，则$\bigcap _{\lambda \in \Lambda }{E}_{\lambda }$也是凸集。
若 { E λ ∣ λ ∈ Λ } \{E_{\lambda}|\lambda\in\Lambda\} {Eλ​∣λ∈Λ}是线性空间$\mathcal{X}$中包含$A$的一族凸集，则称$\bigcap _{\lambda \in \Lambda }{E}_{\lambda }$为$A$的凸包(最小凸集)，并记做co($A$)。
称$\sum _{i=1}^n{\lambda }_i{x}_i$为$x_1,x_2,...,x_n$的凸组合，其中${\lambda }_i⩾0,\sum _{i=1}^n{\lambda }_i=1$
$A$的凸包是$A$中元素任意凸组合的全体。

定义1.5.5 Minkowski泛函

设$\mathcal{X}$是线性空间，$C$是$\mathcal{X}$上含有$\theta$的凸子集，在$\mathcal{X}$上规定一个取值于$[0,\infty ]$的函数
P ( x ) = inf ⁡ { λ > 0 ∣ x λ ∈ C } ( ∀ x ∈ X ) P(x)=\inf\{\lambda>0|\frac{x}{\lambda}\in C\}\qquad(\forall x\in\mathscr{X}) P(x)=inf{λ>0∣λx​∈C}(∀x∈X)
与$C$对应，称函数$P$为$C$的Minkowski泛函。约定$\inf \varphi =\infty :\frac{x}{\infty }=0,x=\theta \in C$
它有以下性质：
(1) $P(x)\in [0,\infty ],P(\theta )=0$
(2) $P(\lambda x)=\lambda P(x)(\forall x\in \mathcal{X},\forall \lambda >0)$(正齐次性)
(3)$P(x+y)⩽P(x)+P(y)(\forall x,y\in \mathcal{X})$(次可加性)

定义1.5.7 吸收凸集、对称凸集

吸收集: $C$为含有$\theta$的凸集且$\forall x\in \mathcal{X},\exists \lambda >0$，使得$\frac{x}{\lambda }\in C$
对称集: $x\in C\Rightarrow -x\in C$

若$\theta$为$C$的内点，则$C$必吸收，反之不一定成立。
若在吸收集的定义中将凸集的要求去掉，则即使$C$为吸收的，$\theta$也不一定为$C$的内点，此时$C$不一定为凸集。例如令 C : = B ( ( 0 , 0 ) , 1 ) ∖ { ( x , x 2 ) : x ∈ R ∖ { 0 } } C:=B((0,0),1)\setminus\{(x,x^2):x\in\mathbb{R}\setminus\{0\}\} C:=B((0,0),1)∖{(x,x2):x∈R∖{0}}，则$C$为“吸收集”。

设$\mathcal{X}$为有限维$B^{\ast }$空间，若$C\subset \mathcal{X}$为含有$\theta$点的吸收凸集，则$\theta$必为$C$的内点。

$C$是吸收凸集$\Rightarrow$ Minkowski泛函$P(x)$是实值函数(不是$\infty$)
$C$是对称凸集，必须$P(x)$是实齐次的，即$P(\alpha x)=|\alpha |P(x)$

均衡集: 复线性空间$\mathcal{X}$的一个子集$C$称为均衡的是指$x\in C\Rightarrow \alpha x\in C(\forall \alpha \in \mathbb{C},|\alpha |=1)$

复线性空间$\mathcal{X}$上的任一个均衡吸收凸集$C$决定了这个空间上的一个半模。

设$\mathcal{X}$上的一个$B^{\ast }$空间，$C$是一个含有$\theta$点的闭凸集。如果$P(x)$是$C$的Minkowski泛函，那么$P(x)$下半连续，且有 C = { x ∈ X ∣ P ( x ) ⩽ 1 } C=\{x\in\mathscr{X}|P(x)\leqslant1\} C={x∈X∣P(x)⩽1}。
此外，如果$C$还是有界的，此时不需要$C$闭，那么$P(x)$适合$P(x)=0\iff x=\theta$。又若$C$以$\theta$为一内点，那么$C$还是吸收的，并且$P(x)$还是一致连续的。
注：称$P$为下半连续：若对$\forall a\in \mathbb{R}$，有 { x ∈ X : P ( x ) ⩽ a } \{x\in\mathscr{X}:P(x)\leqslant a\} {x∈X:P(x)⩽a}为闭集。

内积空间

定义1.6.1 共轭双线性函数

(1) $a(x,{\alpha }_1{y}_1+{\alpha }_2{y}_2)={\bar{\alpha }}_{1}a(x,y_1)+{\bar{\alpha }}_{2}a(x,y_2)$
(2) $a({\alpha }_1{x}_1+{\alpha }_2{x}_2,y)={\alpha }_{1}a(x_1,y)+{\alpha }_{2}a(x_2,y)$

$q(x):=a(x,x)$为$a$诱导的二次型
$q(x)\in {\mathbb{R}}^1\iff a(x,y)=\overline{a(y,x)}$

定义1.6.3 内积

线性空间$\mathcal{X}$上的一个共轭双线性函数
$$(\cdot ,\cdot ):\mathcal{X}\times \mathcal{X}\to \mathbb{K}$$
称为是一个内积，若它满足：
(1) $(x,y)=\overline{(y,x)}(\forall x,y\in \mathcal{X})$（共轭对称性）
(2) $(x,x)⩾0(\forall x\in \mathcal{X}),(x,x)=0\iff x=\theta$（正定性）

例：
$l^2$空间是内积空间，$(x,y)=\sum _{i=1}^{\infty }{x}_i{\bar{y}}_i$
$L^2$空间是内积空间，$(u,v)={\int }_{\Omega }u(x)\overline{v(x)}dx$

命题1.6.8 Cauchy-Schwarz不等式

设$((X),(\cdot ,\cdot ))$是内积空间，令$||x||=(x,x{)}^{\frac{1}{2}}(\forall x\in \mathcal{X})$，则有$|(x,y)|⩽||x||||y||(\forall x,y\in \mathcal{X})$。等号成立当且仅当x,y线性相关。

由此可得内积是关于范数$||\cdot ||$的连续函数，内积空间$(\mathcal{X},(\cdot ,\cdot ))$是严格凸的$B^{\ast }$空间

命题1.6.13 平行四边形法则

在$B^{\ast }$空间$(\mathcal{X},||\cdot ||)$中引入一个内积$(\cdot ,\cdot )$满足$||x||=(x,x{)}^{\frac{1}{2}}$，当且仅当范数$||\cdot ||$满足平行四边形等式$$||x+y|{|}^2+||x-y|{|}^2=2(||x|{|}^2+||y|{|}^2)(\forall x,y\in \mathcal{X})$$

定义1.6.14 Hilbert空间

完备的内积空间称为Hilbert空间

定义1.6.17 正交

两个元素正交：$(x,y)=0$，记为$x\perp y$
正交补： M ⊥ : = { x ∈ X ∣ x ⊥ M } M^{\perp}:=\{x\in\mathscr{X}|x\perp M\} M⊥:={x∈X∣x⊥M}

(1) 若$x\perp y_i(i=1,2)$，则$x\perp ({\lambda }_1{y}_1+{\lambda }_2{y}_2)$
(2) 若$x=y+z$，且$y\perp z$，则|$|x|{|}^2=||y|{|}^2+||z|{|}^2$
(3) 若$x\perp y_n(n\in \mathbb{N})$，且$y_n\to y$，则$x\perp y$
(4) 若$x\perp M$，则 x ⊥ s p a n { M } x\perp span\{M\} x⊥span{M}
(5) $M^{\perp }$是$\mathcal{X}$的一个闭线性子空间
(6) ${\overline{M}}^{\perp }=M^{\perp }$

定义1.6.19 正交集

设$\mathcal{X}$是一个内积空间，集合 S = { e α ∣ α ∈ A } S=\{e_\alpha|\alpha\in A\} S={eα​∣α∈A}是$\mathcal{X}$的一个子集，称$S$是正交集是指$$e_{\alpha }\perp e_{\beta }(\forall \alpha \ne \beta ,\alpha ,\beta \in A)$$若$||e_{\alpha }||=1(\forall \alpha \in A)$，则称$S$为正交规范集；如果 S ⊥ = { θ } S^\perp=\{\theta\} S⊥={θ}，那么称$S$完备。

若对$\forall x\in \mathcal{X}$有$x=\sum _{\alpha \in A}(x,e_{\alpha })e_{\alpha }$，则正交规范集 S = { e α ∣ α ∈ A } S=\{e_\alpha|\alpha\in A\} S={eα​∣α∈A}称为一个基（或封闭的），其中 { ( x , e α ) ∣ α ∈ A } \{(x,e_\alpha)|\alpha\in A\} {(x,eα​)∣α∈A}称为$x$关于基 { e α ∣ α ∈ A } \{e_\alpha|\alpha\in A\} {eα​∣α∈A}的Fouier系数

非 { θ } \{\theta\} {θ}内积空间$\mathcal{X}$中必存在完备正交集

定义1.6.23 Bessel不等式与Parseval等式

设$\mathcal{X}$是一个内积空间，集合 S = { e α ∣ α ∈ A } S=\{e_\alpha|\alpha\in A\} S={eα​∣α∈A}是$\mathcal{X}$的正交规范集，那么$\forall x\in \mathcal{X}$有
$$\sum _{\alpha \in A}|(x,e_{\alpha }){|}^2⩽||x|{|}^2$$

推论1：设$\mathcal{X}$是一个内积空间，集合 S = { e α ∣ α ∈ A } S=\{e_\alpha|\alpha\in A\} S={eα​∣α∈A}是$\mathcal{X}$的正交规范集，那么对$\forall x\in \mathcal{X}$有$$\sum _{\alpha \in A}(x,e_{\alpha })e_{\alpha }\in \mathcal{X}$$且
$$||x-\sum _{\alpha \in A}(x,e_{\alpha })e_{\alpha }|{|}^2=||x||-\sum _{\alpha \in A}|(x,e_{\alpha }){|}^2$$

推论2：设$\mathcal{X}$是一个内积空间，集合 S = { e α ∣ α ∈ A } S=\{e_\alpha|\alpha\in A\} S={eα​∣α∈A}是$\mathcal{X}$的正交规范集，则下三条等价
(1) $S$是封闭的（任意$x$可展，$S$是正交规范基）
(2) $S$是完备的（ S ⊥ = { θ } S^\perp=\{\theta\} S⊥={θ}）
(3) Parseval等式成立，即$$||x|{|}^2=\sum _{\alpha \in A}|(x,e_{\alpha }){|}^2(\forall x\in \mathcal{X})$$

定义1.6.29 同构

设$({\mathcal{X}}_1,(\cdot ,\cdot {)}_1),({\mathcal{X}}_2,(\cdot ,\cdot {)}_2)$是两个内积空间，如果存在${\mathcal{X}}_1\to {\mathcal{X}}_2$的一个线性同构$T$满足$(Tx,Ty{)}_2=(x,y{)}_1(\forall x,y\in {\mathcal{X}}_1)$，则称内积空间${\mathcal{X}}_1$与${\mathcal{X}}_2$是同构的。

如果Hilbert空间$\mathcal{X}$可分，必须且仅须它有至多可数的正交规范基$S$。当$S$元素个数$N<\infty$时，$\mathcal{X}$同构于${\mathbb{K}}^N$；当$N=\infty$时，$\mathcal{X}$同构于$l^2$

定义1.6.31 最佳逼近和正交分解

$C$是Hilbert空间的闭凸子集，则$C$上存在唯一元素$x_0$取到最小模。
于是对任意$y\in \mathcal{X},\exists !x_0\in C$,使得$||y-x_0||=\underset{x\in C}{\inf }||y-x||$。

设$C$是内积空间$\mathcal{X}$中的一个闭凸子集，任意$\forall y\in \mathcal{X}$，为了$x_0$是$y$上的最佳逼近元，必须且仅须$Re(y-x_0,x_0-x)⩾0(\forall x\in C)$

若$M$是Hilbert空间$\mathcal{X}$上的闭线性子流形，$\forall x\in \mathcal{X}$，$y$是$x$在$M$上的最佳逼近元，必须且仅须满足 ( x − y ) ⊥ ( M − { y } ) (x-y)\perp(M-\{y\}) (x−y)⊥(M−{y})；若$M$是闭线性子空间，则$(x-y)\perp M$，则$\forall x\in \mathcal{X}$，存在着下面的唯一正交分解
$$x=y+z(y\in M,z\in M^{\perp })$$
称$y$是$x$在$M$上的正交投影。