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
X
\mathscr X
X上定义一个双变量实值函数
ρ
(
x
,
y
)
\rho(x,y)
ρ(x,y)满足下列三个条件:
(1)
ρ
(
x
,
y
)
=
0
⇔
x
=
y
\rho(x,y)=0 \Leftrightarrow x=y
ρ(x,y)=0⇔x=y
(2)
ρ
(
x
,
y
)
=
ρ
(
y
,
x
)
\rho(x,y)=\rho(y,x)
ρ(x,y)=ρ(y,x)
(3)
ρ
(
x
,
z
)
=
ρ
(
x
,
y
)
+
ρ
(
y
,
z
)
\rho(x,z)=\rho(x,y)+\rho(y,z)
ρ(x,z)=ρ(x,y)+ρ(y,z)
ρ
\rho
ρ叫做
X
\mathscr X
X上的一个距离,以
ρ
\rho
ρ为距离的距离空间
X
\mathscr X
X记做
(
X
,
ρ
)
(\mathscr X, \rho)
(X,ρ)
定义1.1.3 收敛
距离空间 ( X , ρ ) (\mathscr X, \rho) (X,ρ)上的点列 { x n } \{x_n\} {xn}收敛到 x 0 x_0 x0是指 ρ ( x n , x 0 ) → 0 ( n → ∞ ) \rho(x_n,x_0)\to 0(n\to\infty) ρ(xn,x0)→0(n→∞),记做 lim n → ∞ x n = x 0 \lim\limits_{n\to\infty}x_n=x_0 n→∞limxn=x0
定义1.1.4 闭集
E E E为度量空间 ( X , ρ ) (\mathscr X, \rho) (X,ρ)中的子集。若 ∀ { x n } ⊂ E \forall \{x_n\}\subset E ∀{xn}⊂E有 x n → x 0 x_n\to x_0 xn→x0,则 x 0 ∈ E x_0\in E x0∈E
定义1.1.5 基本列与完备
(1)
ρ
(
x
n
,
x
m
)
→
0
(
n
,
m
→
∞
)
\rho(x_n,x_m)\to0(n,m\to\infty)
ρ(xn,xm)→0(n,m→∞)
(2)
∀
ε
>
0
,
∃
N
(
ε
)
s
.
t
.
m
,
n
⩾
N
(
ε
)
⇒
ρ
(
x
n
,
x
m
)
<
ε
\forall\varepsilon>0,\exists N(\varepsilon) s.t. m,n\geqslant N(\varepsilon)\Rightarrow\rho(x_n,x_m)<\varepsilon
∀ε>0,∃N(ε)s.t.m,n⩾N(ε)⇒ρ(xn,xm)<ε
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
:
(
X
,
ρ
)
→
(
Y
,
r
)
T:(\mathscr X,\rho)\to(\mathscr Y, r)
T:(X,ρ)→(Y,r)为连续映射
(1)
ρ
(
x
n
,
x
0
)
→
0
⇒
r
(
T
(
x
n
)
,
T
(
x
0
)
)
→
0
\rho(x_n,x_0)\to0\Rightarrow r(T(x_n),T(x_0))\to0
ρ(xn,x0)→0⇒r(T(xn),T(x0))→0
(2)
∀
ε
>
0
,
∀
x
0
∈
X
,
∃
δ
=
δ
(
x
0
,
ε
)
,
s
.
t
.
ρ
(
x
,
x
0
)
<
δ
⇒
r
(
T
(
x
)
,
T
(
x
0
)
)
<
ε
(
∀
x
∈
X
)
\forall\varepsilon>0, \forall x_0\in\mathscr X,\exists\delta=\delta(x_0,\varepsilon),s.t.\rho(x,x_0)<\delta\Rightarrow r(T(x),T(x_0))<\varepsilon\qquad(\forall x \in \mathscr X)
∀ε>0,∀x0∈X,∃δ=δ(x0,ε),s.t.ρ(x,x0)<δ⇒r(T(x),T(x0))<ε(∀x∈X)
(3)
lim
n
→
∞
x
n
=
x
0
⇒
lim
n
→
∞
T
(
x
n
)
=
T
(
lim
n
→
∞
x
n
)
=
T
(
x
0
)
\lim\limits_{n\to\infty}x_n=x_0 \Rightarrow \lim\limits_{n\to\infty}T(x_n)=T(\lim\limits_{n\to\infty}x_n)=T(x_0)
n→∞limxn=x0⇒n→∞limT(xn)=T(n→∞limxn)=T(x0)
定义1.1.10 压缩映射
称 T : ( X , ρ ) → ( X , ρ ) T:(\mathscr X, \rho)\to(\mathscr X,\rho) T:(X,ρ)→(X,ρ)是一个压缩映射,如果存在 0 < α < 1 , s . t . ρ ( T ( x ) , T ( y ) ) ⩽ α ρ ( x , y ) ( ∀ x , y ∈ X ) 0<\alpha<1,s.t.\rho(T(x),T(y))\leqslant\alpha\rho(x,y)\quad(\forall x,y\in\mathscr X) 0<α<1,s.t.ρ(T(x),T(y))⩽αρ(x,y)(∀x,y∈X)
定理1.1.11 Banach不动点定理——压缩映像原理
设 ( X , ρ ) (\mathscr X, \rho) (X,ρ)是一个完备的距离空间, T T T是 ( X , ρ ) (\mathscr X, \rho) (X,ρ)到自身的一个压缩映射,则 T T T在 X \mathscr X X上存在唯一不动点。
注:
(1)
α
=
0
\alpha=0
α=0时也成立
(2)
α
=
1
\alpha=1
α=1时为弱压缩映射,此时
T
T
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
(
X
,
ρ
)
,
(
X
1
,
ρ
1
)
(\mathscr X,\rho),(\mathscr X_1,\rho_1)
(X,ρ),(X1,ρ1)是两个度量空间,如果存在映射
φ
:
X
→
X
1
\varphi:\mathscr X\to\mathscr X_1
φ:X→X1满足
(1)
φ
\varphi
φ是满射
(2)
ρ
(
x
,
y
)
=
ρ
1
(
φ
(
x
)
,
φ
(
y
)
)
(
∀
x
,
y
∈
X
)
\rho(x,y)=\rho_1(\varphi(x), \varphi(y))\quad(\forall x,y\in\mathscr X)
ρ(x,y)=ρ1(φ(x),φ(y))(∀x,y∈X)
则称
(
X
,
ρ
)
和
(
X
1
,
ρ
1
)
(\mathscr X,\rho)和(\mathscr X_1,\rho_1)
(X,ρ)和(X1,ρ1)是等距同构的,并称
φ
\varphi
φ为等距同构映射,有时简称等距同构。
注: 由(2)还可以推出
φ
\varphi
φ是单射。
定义1.2.2 稠密性
设
(
X
,
ρ
)
(\mathscr X,\rho)
(X,ρ)是度量空间,集合
E
⊂
X
E\subset\mathscr X
E⊂X为在
X
\mathscr X
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 ( X , ρ ) (\mathscr X,\rho) (X,ρ)的最小的完备度量空间成为 X \mathscr X 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
(
X
1
,
ρ
1
)
(\mathscr X_1,\rho_1)
(X1,ρ1)是一个以
(
X
,
ρ
)
(\mathscr X,\rho)
(X,ρ)为子空间的完备度量空间,并且
X
\mathscr X
X等距同构于
X
1
\mathscr X_1
X1的一个稠子集,则
X
1
\mathscr X_1
X1是
X
\mathscr X
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
ρ
(
x
,
y
)
=
max
a
⩽
t
⩽
b
∣
x
(
t
)
−
y
(
t
)
∣
\rho(x,y)=\max\limits_{a\leqslant t \leqslant b}|x(t)-y(t)|
ρ(x,y)=a⩽t⩽bmax∣x(t)−y(t)∣,由weitrstrass定理,
P
[
a
,
b
]
P[a,b]
P[a,b]在
C
[
a
,
b
]
C[a,b]
C[a,b]中稠,且
(
C
[
a
,
b
]
,
ρ
)
(C[a,b],\rho)
(C[a,b],ρ)完备。
例1.2.8
设
ρ
1
(
x
,
y
)
=
∫
a
b
∣
x
(
t
)
−
y
(
t
)
∣
d
t
\rho_1(x,y)=\int_a^b|x(t)-y(t)|dt
ρ1(x,y)=∫ab∣x(t)−y(t)∣dt,
C
[
a
,
b
]
C[a,b]
C[a,b]在
L
1
[
a
,
b
]
L^1[a,b]
L1[a,b]中稠,且
(
L
1
[
a
,
b
]
,
ρ
1
)
(L^1[a,b],\rho_1)
(L1[a,b],ρ1)完备。
列紧集
有界
设 ( X , ρ ) (\mathscr X,\rho) (X,ρ)是一个距离空间,A是 X \mathscr X X的子集。如果 ∃ x 0 ∈ X \exists x_0 \in\mathscr X ∃x0∈X及 r > 0 r>0 r>0使得 A ⊂ B ( x 0 , r ) A\subset\mathcal B(x_0,r) A⊂B(x0,r),则称A是有界的。
定义1.3.1 列紧
设 ( X , ρ ) (\mathscr X,\rho) (X,ρ)是一个距离空间, A A A是 X \mathscr X X的子集。如果 A A A的任意点列在 X \mathscr X X中有收敛子列,则称 A A A是列紧的。若这个子列还收敛到 A A A中的点,则称 A A A是自列紧的。如果空间 X \mathscr X X是列紧的,则称 X \mathscr X X是列紧空间。
定义1.3.5 ε \varepsilon ε网
对
ε
>
0
,
N
⊂
M
\varepsilon>0,N\subset M
ε>0,N⊂M有
M
⊂
⋃
y
∈
N
B
(
y
,
ε
)
M\subset\bigcup\limits_{y\in N}\mathcal B(y,\varepsilon)
M⊂y∈N⋃B(y,ε)
则
N
N
N为
M
M
M的
ε
\varepsilon
ε网。若
N
N
N有穷集,则为有穷
ε
\varepsilon
ε网
定义1.3.6 完全有界
M M M完全有界,则 ∀ ε > 0 \forall\varepsilon>0 ∀ε>0,都存在 M M M的一个有穷 ε \varepsilon ε网
定理1.3.7 Hausdorff
列紧集 ⇒ \Rightarrow ⇒完全有界 ⇒ \Rightarrow ⇒有界,完全有界 ⟹ 完 备 \stackrel{完备}\Longrightarrow ⟹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
X
\mathscr X
X中,称集合
M
M
M是紧的,如果
X
\mathscr X
X中每个覆盖
M
M
M的开集族中都有有穷个开集覆
M
M
M。
紧
⇔
\Leftrightarrow
⇔自列紧
定义1.3.14 一致有界、等度连续(一致连续)
设
M
M
M紧的距离空间,
F
⊂
C
(
M
)
F\subset C(M)
F⊂C(M)。若
∃
M
1
>
0
\exists M_1>0
∃M1>0,使得
∣
φ
(
x
)
∣
⩽
M
1
(
∀
x
∈
M
,
∀
φ
∈
F
)
|\varphi(x)|\leqslant M_1\quad(\forall x\in M,\forall\varphi\in F)
∣φ(x)∣⩽M1(∀x∈M,∀φ∈F)则F是一致有界的。
等价于
F
F
F为
C
(
M
)
C(M)
C(M)的有界集。
如果
∀
ε
>
0
,
∃
δ
(
ε
)
>
0
\forall\varepsilon>0,\exists \delta(\varepsilon)>0
∀ε>0,∃δ(ε)>0,使得
∣
φ
(
x
1
)
−
φ
(
x
2
)
∣
<
ε
(
∀
x
1
,
x
2
∈
M
,
ρ
(
x
1
,
x
2
)
<
δ
,
∀
φ
∈
F
)
|\varphi(x_1)-\varphi(x_2)|<\varepsilon\quad(\forall x_1,x_2\in M,\rho(x_1,x_2)<\delta,\forall\varphi\in F)
∣φ(x1)−φ(x2)∣<ε(∀x1,x2∈M,ρ(x1,x2)<δ,∀φ∈F),则称
F
F
F是等度连续的。
定理1.3.15 Arzela-Ascoli
F ⊂ C ( M ) F\subset C(M) F⊂C(M)是一个列紧集 ⟺ F \Longleftrightarrow F ⟺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
E=E_0+x_0,E_0
E=E0+x0,E0为线性子空间
线性流形还是线性子空间
⇔
x
0
∈
E
0
\Leftrightarrow x_0\in E_0
⇔x0∈E0
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
∣
∣
⋅
∣
∣
:
X
→
R
1
||\cdot||:\mathscr{X}\to\mathbb{R}^1
∣∣⋅∣∣:X→R1满足条件:
(1)
∣
∣
x
∣
∣
⩾
0
(
∀
x
∈
X
)
;
∣
∣
x
∣
∣
=
0
⇔
x
=
θ
||x||\geqslant0(\forall x\in\mathscr{X});||x||=0\Leftrightarrow x=\theta
∣∣x∣∣⩾0(∀x∈X);∣∣x∣∣=0⇔x=θ
(2)
∣
∣
x
+
y
∣
∣
⩽
∣
∣
x
∣
∣
+
∣
∣
y
∣
∣
(
∀
x
,
y
∈
X
)
||x+y||\leqslant||x||+||y||(\forall x,y\in\mathscr{X})
∣∣x+y∣∣⩽∣∣x∣∣+∣∣y∣∣(∀x,y∈X)
(3)
∣
∣
−
x
∣
∣
=
∣
∣
x
∣
∣
(
∀
x
∈
X
)
||-x||=||x||(\forall x\in\mathscr{X})
∣∣−x∣∣=∣∣x∣∣(∀x∈X)
(4)
lim
a
n
→
0
∣
∣
a
n
x
∣
∣
=
0
,
lim
∣
∣
x
n
→
0
∣
∣
∣
∣
a
x
n
∣
∣
=
0
\lim\limits_{a_n\to0}||a_nx||=0, \lim\limits_{||x_n\to0||}||ax_n||=0
an→0lim∣∣anx∣∣=0,∣∣xn→0∣∣lim∣∣axn∣∣=0
对
X
\mathscr{X}
X赋予准范数
∣
∣
⋅
∣
∣
||\cdot||
∣∣⋅∣∣后称为
F
∗
F^*
F∗空间
完备的
F
∗
F^*
F∗空间称为
F
F
F空间
定义1.4.3 范数
∣
∣
⋅
∣
∣
:
X
→
R
1
||\cdot||:\mathscr{X}\to\mathbb{R}^1
∣∣⋅∣∣:X→R1满足条件:
(1)
∣
∣
x
∣
∣
⩾
0
(
∀
x
∈
X
)
;
∣
∣
x
∣
∣
=
0
⇔
x
=
θ
||x||\geqslant0(\forall x\in\mathscr{X});||x||=0\Leftrightarrow x=\theta
∣∣x∣∣⩾0(∀x∈X);∣∣x∣∣=0⇔x=θ(正定性)
(2)
∣
∣
x
+
y
∣
∣
⩽
∣
∣
x
∣
∣
+
∣
∣
y
∣
∣
(
∀
x
,
y
∈
X
)
||x+y||\leqslant||x||+||y||(\forall x,y\in\mathscr{X})
∣∣x+y∣∣⩽∣∣x∣∣+∣∣y∣∣(∀x,y∈X)(三角不等式)
(3)
∣
∣
a
x
∣
∣
=
∣
a
∣
∣
∣
x
∣
∣
(
∀
a
∈
K
,
∀
x
∈
X
)
||ax||=|a|||x||(\forall a\in\mathbb{K},\forall x\in\mathscr{X})
∣∣ax∣∣=∣a∣∣∣x∣∣(∀a∈K,∀x∈X)(齐次性)
对
X
\mathscr{X}
X赋予范数
∣
∣
⋅
∣
∣
||\cdot||
∣∣⋅∣∣后称为
B
∗
B^*
B∗空间
完备的
B
∗
B^*
B∗空间称为
B
B
B空间或Banach空间。
L
p
L^p
Lp范数:
(
∫
Ω
∣
u
(
x
)
∣
p
d
μ
)
1
p
(\int_{\Omega}|u(x)|^pd\mu)^\frac{1}{p}
(∫Ω∣u(x)∣pdμ)p1
l
p
l^p
lp范数:
(
∑
n
=
1
∞
∣
u
(
x
)
∣
p
)
1
p
(\sum_{n=1}^{\infty}|u(x)|^p)^\frac{1}{p}
(∑n=1∞∣u(x)∣p)p1
L
∞
L^{\infty}
L∞范数:
inf
μ
(
E
0
)
=
0
,
E
0
⊂
Ω
(
sup
x
∈
Ω
∖
E
0
∣
u
(
x
)
∣
)
\inf\limits_{\mu(E_0)=0,E_0\subset\Omega}(\sup\limits_{x\in\Omega\setminus E_0}|u(x)|)
μ(E0)=0,E0⊂Ωinf(x∈Ω∖E0sup∣u(x)∣),又记
e
s
s
sup
x
∈
Ω
∣
u
(
x
)
∣
ess \sup\limits_{x\in\Omega}|u(x)|
essx∈Ωsup∣u(x)∣
定义1.4.15 范数等价
∣
∣
⋅
∣
∣
2
||\cdot||_2
∣∣⋅∣∣2比
∣
∣
⋅
∣
∣
1
||\cdot||_1
∣∣⋅∣∣1强,是指
∣
∣
x
n
∣
∣
2
→
0
⇒
∣
∣
x
n
∣
∣
1
→
0
(
当
n
→
∞
)
||x_n||_2\to0\Rightarrow||x_n||_1\to0\qquad(当n\to\infty)
∣∣xn∣∣2→0⇒∣∣xn∣∣1→0(当n→∞)
如果
∣
∣
⋅
∣
∣
2
||\cdot||_2
∣∣⋅∣∣2比
∣
∣
⋅
∣
∣
1
||\cdot||_1
∣∣⋅∣∣1强且
∣
∣
⋅
∣
∣
1
||\cdot||_1
∣∣⋅∣∣1比
∣
∣
⋅
∣
∣
2
||\cdot||_2
∣∣⋅∣∣2强,则称
∣
∣
⋅
∣
∣
1
||\cdot||_1
∣∣⋅∣∣1与
∣
∣
⋅
∣
∣
2
||\cdot||_2
∣∣⋅∣∣2等价。
为了
∣
∣
⋅
∣
∣
2
||\cdot||_2
∣∣⋅∣∣2比
∣
∣
⋅
∣
∣
1
||\cdot||_1
∣∣⋅∣∣1强,必需且仅须存在常数
C
>
0
C>0
C>0,使得
∣
∣
x
∣
∣
1
⩽
C
∣
∣
x
∣
∣
2
(
∀
x
∈
X
)
||x||_1\leqslant C||x||_2\quad(\forall x\in\mathscr{X})
∣∣x∣∣1⩽C∣∣x∣∣2(∀x∈X)
所以
∣
∣
⋅
∣
∣
1
||\cdot||_1
∣∣⋅∣∣1与
∣
∣
⋅
∣
∣
2
||\cdot||_2
∣∣⋅∣∣2等价必须且仅须存在常数
C
1
,
C
2
>
0
C_1,C_2>0
C1,C2>0,使得
C
1
∣
∣
x
∣
∣
1
⩽
∣
∣
x
∣
∣
2
⩽
C
2
∣
∣
x
∣
∣
1
C_1||x||_1\leqslant ||x||_2\leqslant C_2||x||_1
C1∣∣x∣∣1⩽∣∣x∣∣2⩽C2∣∣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
B
∗
\mathcal{B}^*
B∗空间必是
B
\mathcal{B}
B空间
(4)
B
∗
B^*
B∗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
:
X
→
R
1
P:\mathscr{X}\to\mathbb{R}^1
P:X→R1满足条件:
(1)
P
(
x
+
y
)
⩽
P
(
x
)
+
P
(
y
)
(
∀
x
,
y
∈
X
)
P(x+y)\leqslant P(x)+P(y)(\forall x,y\in\mathscr{X})
P(x+y)⩽P(x)+P(y)(∀x,y∈X)(次可加性)
(2)
P
(
λ
x
)
=
λ
P
(
x
)
(
∀
λ
>
0
,
∀
x
∈
X
)
P(\lambda x)=\lambda P(x)(\forall \lambda>0,\forall x\in\mathscr{X})
P(λx)=λP(x)(∀λ>0,∀x∈X)(正齐次性)
则称
P
P
P是
X
\mathscr{X}
X上的一个次线性泛函
若 P P P还满足 P ( x ) ⩾ 0 ( ∀ x ∈ X ) P(x)\geqslant0(\forall x\in\mathscr{X}) P(x)⩾0(∀x∈X)并且(2)是齐次性,即 P ( a x ) = ∣ a ∣ P ( x ) ( ∀ a ∈ K , ∀ x ∈ X ) P(ax)=|a|P(x)(\forall a\in\mathbb{K},\forall x\in\mathscr{X}) P(ax)=∣a∣P(x)(∀a∈K,∀x∈X),则称 P P P是一个半范数或半模
设 P P P是有穷维 B ∗ B^* B∗空间 X \mathscr{X} X上的一个次线性泛函,如果 P ( x ) ⩾ 0 ( ∀ x ∈ x ) P(x)\geqslant0(\forall x\in\mathscr{x}) P(x)⩾0(∀x∈x),并且 P ( x ) = 0 ⇔ x = θ P(x)=0\Leftrightarrow x=\theta P(x)=0⇔x=θ,则存在正常数 c 1 , c 2 c_1,c_2 c1,c2使得 c 1 ∣ ∣ x ∣ ∣ ⩽ P ( x ) ⩽ c 2 ∣ ∣ x ∣ ∣ ( ∀ x ∈ X ) c_1||x||\leqslant P(x)\leqslant c_2||x|| \qquad(\forall x\in\mathscr{X}) c1∣∣x∣∣⩽P(x)⩽c2∣∣x∣∣(∀x∈X)
定义1.4.23 最佳逼近
设
X
\mathscr{X}
X是一个
B
∗
B^*
B∗空间,若
e
1
,
e
2
,
.
.
.
,
e
n
e_1,e_2,...,e_n
e1,e2,...,en是
X
\mathscr{X}
X中给定的向量组,则
∀
x
∈
X
\forall x\in\mathscr{X}
∀x∈X,存在着最佳逼近系数
λ
1
,
λ
2
,
.
.
.
,
λ
n
\lambda_1,\lambda_2,...,\lambda_n
λ1,λ2,...,λn满足
∣
∣
x
−
∑
i
=
1
n
λ
i
e
i
∣
∣
=
min
a
∈
K
n
∣
∣
x
−
∑
i
=
1
n
a
i
e
i
∣
∣
||x-\sum_{i=1}^{n}\lambda_ie_i||=\min\limits_{a\in\mathbb{K}^n}||x-\sum_{i=1}^{n}a_ie_i||
∣∣x−i=1∑nλiei∣∣=a∈Knmin∣∣x−i=1∑naiei∣∣
若记 M : = s p a n e 1 , e 2 , . . . , e n ; ρ ( x , M ) : = inf y ∈ M ∣ ∣ x − y ∣ ∣ ; x o : = ∑ i = 1 n λ i e i M:=span{e_1,e_2,...,e_n};\rho(x,M):=\inf\limits_{y\in M}||x-y||;x_o:=\sum_{i=1}^n\lambda_ie_i M:=spane1,e2,...,en;ρ(x,M):=y∈Minf∣∣x−y∣∣;xo:=∑i=1nλiei,则有 ρ ( x , x 0 ) = ρ ( x . M ) \rho(x,x_0)=\rho(x.M) ρ(x,x0)=ρ(x.M)。称 x 0 ∈ M x_0\in M x0∈M为 x x x在 M M M上的最佳逼近元。在 B ∗ B^* B∗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 ∗ B^* B∗空间 X \mathscr{X} X模的性质
定义1.4.24 严格凸
B ∗ B^* B∗空间 ( X , ∣ ∣ ⋅ ∣ ∣ ) (\mathscr{X},||\cdot||) (X,∣∣⋅∣∣)是严格凸的,是指 ∀ x , y ∈ X , x ≠ y \forall x,y\in\mathscr{X},x\neq y ∀x,y∈X,x=y必有 ∣ ∣ x ∣ ∣ = ∣ ∣ y ∣ ∣ = 1 ⇒ ∣ ∣ a x + b y ∣ ∣ < 1 ( ∀ a , b > 0 , a + b = 1 ) ||x||=||y||=1\Rightarrow||ax+by||<1\qquad(\forall a,b>0,a+b=1) ∣∣x∣∣=∣∣y∣∣=1⇒∣∣ax+by∣∣<1(∀a,b>0,a+b=1)
∀ a , b \forall a,b ∀a,b可以改成 ∃ a 0 , b 0 \exists a_0,b_0 ∃a0,b0
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 X 0 \mathscr{X}_0 X0是 B ∗ B^* B∗空间 X \mathscr{X} X的一个真闭子空间,那么对 ∀ 0 < ε < 1 , ∃ y ∈ X \forall 0<\varepsilon<1,\exists y\in\mathscr{X} ∀0<ε<1,∃y∈X,使得 ∣ ∣ y ∣ ∣ = 1 ||y||=1 ∣∣y∣∣=1,并且 ∣ ∣ y − x ∣ ∣ ⩾ 1 − ε ( ∀ x ∈ X 0 ) ||y-x||\geqslant1-\varepsilon(\forall x\in\mathscr{X}_0) ∣∣y−x∣∣⩾1−ε(∀x∈X0)
定理1.4.28 有穷维 B ∗ B^* B∗空间的刻画
(1)
B
∗
B^*
B∗是有穷维的
⇔
X
\Leftrightarrow\mathscr{X}
⇔X的单位球面是列紧的
(2)
B
∗
B^*
B∗是有穷维的
⇔
X
\Leftrightarrow\mathscr{X}
⇔X的单位球面任意有界集是列紧的
(3) 设
X
\mathscr{X}
X是有限维
B
∗
B^*
B∗空间,则列紧集
⇔
\Leftrightarrow
⇔有界集
(4) 设
X
\mathscr{X}
X是有限维
B
∗
B^*
B∗空间,则紧集
⇔
\Leftrightarrow
⇔自列紧集
⇔
\Leftrightarrow
⇔列紧闭集
⇔
\Leftrightarrow
⇔有界闭集
(5) 设
X
\mathscr{X}
X是有限维
B
∗
B^*
B∗空间,集合
M
⊂
X
M\subset\mathscr{X}
M⊂X是完全有界集
⇔
M
\Leftrightarrow M
⇔M有界
(6) 在
B
∗
B^*
B∗空间中,则紧集是完全有界闭集,反之不一定成立;在
B
B
B空间中,紧集
⇔
\Leftrightarrow
⇔完全有界闭集
凸集与不动点
定义1.5.1 凸集
∀
x
,
y
∈
E
,
∀
0
⩽
λ
⩽
1
,
λ
x
+
(
1
−
λ
)
y
∈
E
\forall x,y \in E,\forall 0\leqslant\lambda\leqslant1, \lambda x+(1-\lambda)y\in E
∀x,y∈E,∀0⩽λ⩽1,λx+(1−λ)y∈E,则
E
E
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。
∀
λ
∈
[
0
,
1
]
\forall\lambda\in[0,1]
∀λ∈[0,1]不能减弱为
∀
λ
∈
[
0
,
1
]
∩
Q
\forall\lambda\in[0,1]\cap\mathbb{Q}
∀λ∈[0,1]∩Q,可以减弱为
∀
λ
∈
[
0
,
1
]
∖
Q
\forall\lambda\in[0,1]\setminus\mathbb{Q}
∀λ∈[0,1]∖Q,但不能减弱为
∃
λ
0
∈
[
0
,
1
]
∖
Q
\exist\lambda_0\in[0,1]\setminus\mathbb{Q}
∃λ0∈[0,1]∖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
X
\mathscr{X}
X中的一族凸集,则
⋂
λ
∈
Λ
E
λ
\bigcap\limits_{\lambda\in\Lambda}E_{\lambda}
λ∈Λ⋂Eλ也是凸集。
若
{
E
λ
∣
λ
∈
Λ
}
\{E_{\lambda}|\lambda\in\Lambda\}
{Eλ∣λ∈Λ}是线性空间
X
\mathscr{X}
X中包含
A
A
A的一族凸集,则称
⋂
λ
∈
Λ
E
λ
\bigcap\limits_{\lambda\in\Lambda}E_{\lambda}
λ∈Λ⋂Eλ为
A
A
A的凸包(最小凸集),并记做co(
A
A
A)。
称
∑
i
=
1
n
λ
i
x
i
\sum\limits^{n}_{i=1}\lambda_ix_i
i=1∑nλixi为
x
1
,
x
2
,
.
.
.
,
x
n
x_1,x_2,...,x_n
x1,x2,...,xn的凸组合,其中
λ
i
⩾
0
,
∑
i
=
1
n
λ
i
=
1
\lambda_i\geqslant0,\sum\limits_{i=1}^{n}\lambda_i=1
λi⩾0,i=1∑nλi=1
A
A
A的凸包是
A
A
A中元素任意凸组合的全体。
定义1.5.5 Minkowski泛函
设
X
\mathscr{X}
X是线性空间,
C
C
C是
X
\mathscr{X}
X上含有
θ
\theta
θ的凸子集,在
X
\mathscr{X}
X上规定一个取值于
[
0
,
∞
]
[0,\infty]
[0,∞]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
C
C对应,称函数
P
P
P为
C
C
C的Minkowski泛函。约定
inf
ϕ
=
∞
:
x
∞
=
0
,
x
=
θ
∈
C
\inf\phi=\infty: \frac{x}{\infty}=0,x=\theta\in C
infϕ=∞:∞x=0,x=θ∈C
它有以下性质:
(1)
P
(
x
)
∈
[
0
,
∞
]
,
P
(
θ
)
=
0
P(x)\in[0,\infty],P(\theta)=0
P(x)∈[0,∞],P(θ)=0
(2)
P
(
λ
x
)
=
λ
P
(
x
)
(
∀
x
∈
X
,
∀
λ
>
0
)
P(\lambda x)=\lambda P(x)(\forall x\in\mathscr{X},\forall\lambda>0)
P(λx)=λP(x)(∀x∈X,∀λ>0)(正齐次性)
(3)
P
(
x
+
y
)
⩽
P
(
x
)
+
P
(
y
)
(
∀
x
,
y
∈
X
)
P(x+y)\leqslant P(x)+P(y) (\forall x,y\in\mathscr{X})
P(x+y)⩽P(x)+P(y)(∀x,y∈X)(次可加性)
定义1.5.7 吸收凸集、对称凸集
吸收集:
C
C
C为含有
θ
\theta
θ的凸集且
∀
x
∈
X
,
∃
λ
>
0
\forall x\in\mathscr{X},\exist\lambda>0
∀x∈X,∃λ>0,使得
x
λ
∈
C
\frac{x}{\lambda}\in C
λx∈C
对称集:
x
∈
C
⇒
−
x
∈
C
x\in C\Rightarrow -x\in C
x∈C⇒−x∈C
若
θ
\theta
θ为
C
C
C的内点,则
C
C
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
C
C为吸收的,
θ
\theta
θ也不一定为
C
C
C的内点,此时
C
C
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
C
C为“吸收集”。
设 X \mathscr{X} X为有限维 B ∗ B^* B∗空间,若 C ⊂ X C\subset\mathscr{X} C⊂X为含有 θ \theta θ点的吸收凸集,则 θ \theta θ必为 C C C的内点。
C
C
C是吸收凸集
⇒
\Rightarrow
⇒ Minkowski泛函
P
(
x
)
P(x)
P(x)是实值函数(不是
∞
\infty
∞)
C
C
C是对称凸集,必须
P
(
x
)
P(x)
P(x)是实齐次的,即
P
(
α
x
)
=
∣
α
∣
P
(
x
)
P(\alpha x)=|\alpha|P(x)
P(αx)=∣α∣P(x)
均衡集: 复线性空间 X \mathscr{X} X的一个子集 C C C称为均衡的是指 x ∈ C ⇒ α x ∈ C ( ∀ α ∈ C , ∣ α ∣ = 1 ) x\in C\Rightarrow\alpha x\in C\quad(\forall\alpha\in\mathbb{C},|\alpha|=1) x∈C⇒αx∈C(∀α∈C,∣α∣=1)
复线性空间 X \mathscr{X} X上的任一个均衡吸收凸集 C C C决定了这个空间上的一个半模。
设
X
\mathscr{X}
X上的一个
B
∗
B^*
B∗空间,
C
C
C是一个含有
θ
\theta
θ点的闭凸集。如果
P
(
x
)
P(x)
P(x)是
C
C
C的Minkowski泛函,那么
P
(
x
)
P(x)
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
C
C还是有界的,此时不需要
C
C
C闭,那么
P
(
x
)
P(x)
P(x)适合
P
(
x
)
=
0
⇔
x
=
θ
P(x)=0\Leftrightarrow x=\theta
P(x)=0⇔x=θ。又若
C
C
C以
θ
\theta
θ为一内点,那么
C
C
C还是吸收的,并且
P
(
x
)
P(x)
P(x)还是一致连续的。
注:称
P
P
P为下半连续:若对
∀
a
∈
R
\forall a\in\mathbb{R}
∀a∈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
,
α
1
y
1
+
α
2
y
2
)
=
α
ˉ
1
a
(
x
,
y
1
)
+
α
ˉ
2
a
(
x
,
y
2
)
a(x,\alpha_1y_1+\alpha_2y_2)=\bar{\alpha}_1a(x,y_1)+\bar{\alpha}_2a(x,y_2)
a(x,α1y1+α2y2)=αˉ1a(x,y1)+αˉ2a(x,y2)
(2)
a
(
α
1
x
1
+
α
2
x
2
,
y
)
=
α
1
a
(
x
1
,
y
)
+
α
2
a
(
x
2
,
y
)
a(\alpha_1x_1+\alpha_2x_2,y)=\alpha_1a(x_1,y)+\alpha_2a(x_2,y)
a(α1x1+α2x2,y)=α1a(x1,y)+α2a(x2,y)
q
(
x
)
:
=
a
(
x
,
x
)
q(x):=a(x,x)
q(x):=a(x,x)为
a
a
a诱导的二次型
q
(
x
)
∈
R
1
⇔
a
(
x
,
y
)
=
a
(
y
,
x
)
‾
q(x)\in\mathbb{R}^1\Leftrightarrow a(x,y)=\overline{a(y,x)}
q(x)∈R1⇔a(x,y)=a(y,x)
定义1.6.3 内积
线性空间
X
\mathscr{X}
X上的一个共轭双线性函数
(
⋅
,
⋅
)
:
X
×
X
→
K
(\cdot,\cdot):\mathscr{X}\times\mathscr{X}\to\mathbb{K}
(⋅,⋅):X×X→K
称为是一个内积,若它满足:
(1)
(
x
,
y
)
=
(
y
,
x
)
‾
(
∀
x
,
y
∈
X
)
(x,y)=\overline{(y,x)}\quad (\forall x,y\in\mathscr{X})
(x,y)=(y,x)(∀x,y∈X)(共轭对称性)
(2)
(
x
,
x
)
⩾
0
(
∀
x
∈
X
)
,
(
x
,
x
)
=
0
⇔
x
=
θ
(x,x)\geqslant0\quad(\forall x\in\mathscr{X}),(x,x)=0\Leftrightarrow x=\theta
(x,x)⩾0(∀x∈X),(x,x)=0⇔x=θ(正定性)
例:
l
2
l^2
l2空间是内积空间,
(
x
,
y
)
=
∑
i
=
1
∞
x
i
y
ˉ
i
(x,y)=\sum\limits_{i=1}^\infty x_i\bar{y}_i
(x,y)=i=1∑∞xiyˉi
L
2
L^2
L2空间是内积空间,
(
u
,
v
)
=
∫
Ω
u
(
x
)
v
(
x
)
‾
d
x
(u,v)=\int_\Omega u(x)\overline{v(x)}dx
(u,v)=∫Ωu(x)v(x)dx
命题1.6.8 Cauchy-Schwarz不等式
设 ( ( X ) , ( ⋅ , ⋅ ) ) (\mathscr(X),(\cdot,\cdot)) ((X),(⋅,⋅))是内积空间,令 ∣ ∣ x ∣ ∣ = ( x , x ) 1 2 ( ∀ x ∈ X ) ||x||=(x,x)^{\frac{1}{2}}\quad(\forall x\in\mathscr{X}) ∣∣x∣∣=(x,x)21(∀x∈X),则有 ∣ ( x , y ) ∣ ⩽ ∣ ∣ x ∣ ∣ ∣ ∣ y ∣ ∣ ( ∀ x , y ∈ X ) |(x,y)|\leqslant||x||||y||\quad(\forall x,y\in\mathscr{X}) ∣(x,y)∣⩽∣∣x∣∣∣∣y∣∣(∀x,y∈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 ( X , ( ⋅ , ⋅ ) ) (\mathscr{X},(\cdot,\cdot)) (X,(⋅,⋅))是严格凸的 B ∗ B^* B∗空间
命题1.6.13 平行四边形法则
在 B ∗ B^* B∗空间 ( X , ∣ ∣ ⋅ ∣ ∣ ) (\mathscr{X},||\cdot||) (X,∣∣⋅∣∣)中引入一个内积 ( ⋅ , ⋅ ) (\cdot,\cdot) (⋅,⋅)满足 ∣ ∣ x ∣ ∣ = ( x , x ) 1 2 ||x||=(x,x)^{\frac{1}{2}} ∣∣x∣∣=(x,x)21,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 ) ( ∀ x , y ∈ X ) ||x+y||^2+||x-y||^2=2(||x||^2+||y||^2)\quad(\forall x,y\in\mathscr{X}) ∣∣x+y∣∣2+∣∣x−y∣∣2=2(∣∣x∣∣2+∣∣y∣∣2)(∀x,y∈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
(x,y)=0
(x,y)=0,记为
x
⊥
y
x\perp y
x⊥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
⊥
y
i
(
i
=
1
,
2
)
x\perp y_i(i=1,2)
x⊥yi(i=1,2),则
x
⊥
(
λ
1
y
1
+
λ
2
y
2
)
x\perp(\lambda_1y_1+\lambda_2y_2)
x⊥(λ1y1+λ2y2)
(2) 若
x
=
y
+
z
x=y+z
x=y+z,且
y
⊥
z
y\perp z
y⊥z,则|
∣
x
∣
∣
2
=
∣
∣
y
∣
∣
2
+
∣
∣
z
∣
∣
2
|x||^2=||y||^2+||z||^2
∣x∣∣2=∣∣y∣∣2+∣∣z∣∣2
(3) 若
x
⊥
y
n
(
n
∈
N
)
x\perp y_n(n\in\mathbb{N})
x⊥yn(n∈N),且
y
n
→
y
y_n\to y
yn→y,则
x
⊥
y
x\perp y
x⊥y
(4) 若
x
⊥
M
x\perp M
x⊥M,则
x
⊥
s
p
a
n
{
M
}
x\perp span\{M\}
x⊥span{M}
(5)
M
⊥
M^\perp
M⊥是
X
\mathscr{X}
X的一个闭线性子空间
(6)
M
‾
⊥
=
M
⊥
\overline{M}^\perp=M^\perp
M⊥=M⊥
定义1.6.19 正交集
设 X \mathscr{X} 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 X \mathscr{X} X的一个子集,称 S S S是正交集是指 e α ⊥ e β ( ∀ α ≠ β , α , β ∈ A ) e_\alpha\perp e_\beta\quad(\forall\alpha\neq\beta,\alpha,\beta\in A) eα⊥eβ(∀α=β,α,β∈A)若 ∣ ∣ e α ∣ ∣ = 1 ( ∀ α ∈ A ) ||e_\alpha||=1(\forall\alpha\in A) ∣∣eα∣∣=1(∀α∈A),则称 S S S为正交规范集;如果 S ⊥ = { θ } S^\perp=\{\theta\} S⊥={θ},那么称 S S S完备。
若对 ∀ x ∈ X \forall x\in\mathscr{X} ∀x∈X有 x = ∑ α ∈ A ( x , e α ) e α x=\sum\limits_{\alpha\in A}(x,e_\alpha)e_\alpha x=α∈A∑(x,eα)eα,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 x 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 X \mathscr{X} X中必存在完备正交集
定义1.6.23 Bessel不等式与Parseval等式
设
X
\mathscr{X}
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
X
\mathscr{X}
X的正交规范集,那么
∀
x
∈
X
\forall x\in\mathscr{X}
∀x∈X有
∑
α
∈
A
∣
(
x
,
e
α
)
∣
2
⩽
∣
∣
x
∣
∣
2
\sum\limits_{\alpha\in A}|(x,e_\alpha)|^2\leqslant||x||^2
α∈A∑∣(x,eα)∣2⩽∣∣x∣∣2
推论1:设
X
\mathscr{X}
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
X
\mathscr{X}
X的正交规范集,那么对
∀
x
∈
X
\forall x\in\mathscr{X}
∀x∈X有
∑
α
∈
A
(
x
,
e
α
)
e
α
∈
X
\sum\limits_{\alpha\in A}(x,e_\alpha)e_{\alpha}\in\mathscr{X}
α∈A∑(x,eα)eα∈X且
∣
∣
x
−
∑
α
∈
A
(
x
,
e
α
)
e
α
∣
∣
2
=
∣
∣
x
∣
∣
−
∑
α
∈
A
∣
(
x
,
e
α
)
∣
2
||x-\sum\limits_{\alpha\in A}(x,e_\alpha)e_\alpha||^2=||x||-\sum\limits_{\alpha\in A}|(x,e_\alpha)|^2
∣∣x−α∈A∑(x,eα)eα∣∣2=∣∣x∣∣−α∈A∑∣(x,eα)∣2
推论2:设
X
\mathscr{X}
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
X
\mathscr{X}
X的正交规范集,则下三条等价
(1)
S
S
S是封闭的(任意
x
x
x可展,
S
S
S是正交规范基)
(2)
S
S
S是完备的(
S
⊥
=
{
θ
}
S^\perp=\{\theta\}
S⊥={θ})
(3) Parseval等式成立,即
∣
∣
x
∣
∣
2
=
∑
α
∈
A
∣
(
x
,
e
α
)
∣
2
(
∀
x
∈
X
)
||x||^2=\sum\limits_{\alpha\in A}|(x,e_\alpha)|^2\quad(\forall x\in\mathscr{X})
∣∣x∣∣2=α∈A∑∣(x,eα)∣2(∀x∈X)
定义1.6.29 同构
设 ( X 1 , ( ⋅ , ⋅ ) 1 ) , ( X 2 , ( ⋅ , ⋅ ) 2 ) (\mathscr{X}_1,(\cdot,\cdot)_1),(\mathscr{X}_2,(\cdot,\cdot)_2) (X1,(⋅,⋅)1),(X2,(⋅,⋅)2)是两个内积空间,如果存在 X 1 → X 2 \mathscr{X}_1\to\mathscr{X}_2 X1→X2的一个线性同构 T T T满足 ( T x , T y ) 2 = ( x , y ) 1 ( ∀ x , y ∈ X 1 ) (Tx,Ty)_2=(x,y)_1\quad(\forall x,y\in\mathscr{X}_1) (Tx,Ty)2=(x,y)1(∀x,y∈X1),则称内积空间 X 1 \mathscr{X}_1 X1与 X 2 \mathscr{X}_2 X2是同构的。
如果Hilbert空间 X \mathscr{X} X可分,必须且仅须它有至多可数的正交规范基 S S S。当 S S S元素个数 N < ∞ N<\infty N<∞时, X \mathscr{X} X同构于 K N \mathbb{K}^N KN;当 N = ∞ N=\infty N=∞时, X \mathscr{X} X同构于 l 2 l^2 l2
定义1.6.31 最佳逼近和正交分解
C
C
C是Hilbert空间的闭凸子集,则
C
C
C上存在唯一元素
x
0
x_0
x0取到最小模。
于是对任意
y
∈
X
,
∃
!
x
0
∈
C
y\in\mathscr{X},\exists!x_0\in C
y∈X,∃!x0∈C,使得
∣
∣
y
−
x
0
∣
∣
=
inf
x
∈
C
∣
∣
y
−
x
∣
∣
||y-x_0||=\inf\limits_{x\in C}||y-x||
∣∣y−x0∣∣=x∈Cinf∣∣y−x∣∣。
设 C C C是内积空间 X \mathscr{X} X中的一个闭凸子集,任意 ∀ y ∈ X \forall y\in\mathscr{X} ∀y∈X,为了 x 0 x_0 x0是 y y y上的最佳逼近元,必须且仅须 R e ( y − x 0 , x 0 − x ) ⩾ 0 ( ∀ x ∈ C ) Re(y-x_0,x_0-x)\geqslant0\quad(\forall x\in C) Re(y−x0,x0−x)⩾0(∀x∈C)
若
M
M
M是Hilbert空间
X
\mathscr{X}
X上的闭线性子流形,
∀
x
∈
X
\forall x\in\mathscr{X}
∀x∈X,
y
y
y是
x
x
x在
M
M
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
M
M是闭线性子空间,则
(
x
−
y
)
⊥
M
(x-y)\perp M
(x−y)⊥M,则
∀
x
∈
X
\forall x\in\mathscr{X}
∀x∈X,存在着下面的唯一正交分解
x
=
y
+
z
(
y
∈
M
,
z
∈
M
⊥
)
x=y+z\quad(y\in M, z\in M^\perp)
x=y+z(y∈M,z∈M⊥)
称
y
y
y是
x
x
x在
M
M
M上的正交投影。