函数空间

1.问题的提出

1.1什么是数学空间？

1. 研究工作的对象和遵循的规则
2. 元素和机构(线性结构：加法和数乘； 拓扑结构：距离、范数、开集)
3. 是很多工程学甚至社会科学的语言
   在微积分里可以定义极限和连续，依赖于距离。
   $\begin{array}{l}\forall \epsilon >0,\exists \delta >0\\ \left(\left|x-x_0\right|<\delta \right)\Rightarrow \left(\left|f(x)-f\left(x_0\right)\right|<\epsilon \right)\end{array}$

2. 距离、范数（曲线距离）

2.1 向量

$x=\left(x_1,\cdots ,x_n\right)$到$y=\left(y_1+\dots ,y_n\right)$的距离

情形1

$d_1(x,y)=\sqrt{(x_1-y_1{)}^2+\cdot \cdot \cdot +(x_n-y_n{)}^2}$

这是我们学过的最常见的距离，也就是直线距离。

情形2

d 2 ( x , y ) = = m a x { ∣ x 1 − y 1 ∣ + ⋯ + ∣ x n − y n ∣ } d_{2}(x, y)==max\{\left|x_{1}-y_{1}\right|+\dots+\left|x_{n}-y_{n}\right|\} d2​(x,y)==max{∣x1​−y1​∣+⋯+∣xn​−yn​∣}

这是一种折线距离。折线之中取最大的(现实比较常见，因为两点之间，可能直线无法跨越)。

情形3

$d_3(x,y)=\left|x_1-y_1\right|+\cdots +\left|x_n-y_n\right|$

2.2 函数

函数$f(x)$到函数$g(x)$的距离

情形1

$d_1(f,g)={\int }_a^b(f(x)-g(x){)}^{2}dx$

也就是相互抵消之后，面积就是它的距离。

情形2

$\begin{array}{r}{d}_2(f,g)=\underset{a<x<b}{\max }|f(x)-g(x)|\end{array}$

也可以取二者的最大值，但是注意不可以取最小值。比如两条直线有一个交点，如果取了最小值也就是0的话，按照一些距离的定义，这两条曲线是一条线，但是不是。所以我们要取最大值，最大值也是0的时候，这两条曲线才是同一条直线。

情形3

$d_3(f,g)={\int }_a^b(f(x)-g(x){)}^{k}dx$

也可以是任意次方，但是需要注意，如果是奇数次方，里面应该打上绝对值。

2.3 那么我们究竟怎么定义距离呢？

前面我们看到了，距离有这么多种计算方式，但是究竟什么是距离呢？我们应该抓住：不是具体指它是什么，而是有什么属性的对象是它。
这么说可能有点绕，举个栗子：如果我问你什么是苹果，你可能告诉我，红红的，圆形，带有红晕，吃起来很甜，但是我如果问你什么是水果，你就没办法具体描述了，因为苹果是红的，橘子是黄的，西瓜是绿的，有的甜，有的酸，有的是圆的，但是有的水果是方的，我们只能通过描述可以吃、水分较多的植物果实等等属性来进行定义。

定义：设$x$是一非空集合，任给一对这一集合的元素$x,y$，都给定一个实数$d(x,y)$与它们对应，并且满足：
$$\begin{array}{l}(1)d(x,y)\ge 0,d(x,y)=0\iff x=y\\ (2)d(x,y)=d(y,x)\\ (3)d(x,y)\le d(x,z)+d(z,y)\end{array}$$
则称$d(x,y)$是这两点之间的距离。

其实翻译一下，这三个条件就是在说:

1. 自身和自身的距离应该是0，而自身和其他的距离应大于0。
2. A和B的距离与B和A的距离应该是相同的。
3. A和B的距离与B和C的距离之和要大于等于A和C的距离

这就是教我们使用这种方式去描述抽象概念，也就是抓它最重要的属性。

2.4 线性空间

定义了加法和数乘的空间就是线性空间。这是对空间概念的一个具体化。就类似于下面的水果的概念具象到了热带水果。

2.5 度量空间

距离的定义是多种多样的。只要满足距离的三条性质，就可以被认为是一种距离。而定义了距离以后的空间又被叫做度量空间。

范数

有了度量空间后还不够，我们需要知道向量本身的大小。于是我们引入了范数的概念。范数同样需要满足非负性和三角不等式，但范数还有一个条件，也就是第2点。

定义：设$||x||$是$R^n$的范数，若满足：

1. $\Vert x\Vert \ge 0,\forall x\in R^{\ast }:\Vert x\Vert =0\iff x=0$。
2. $\Vert \alpha x\Vert =|\alpha |\Vert x\Vert ,\forall \alpha \in R,x\in R^{\ast }$
3. $||x+y\Vert |\le \Vert x\Vert +\Vert y\Vert .\forall x,y\in R^{\ast }$

简单看成到零点的距离多了第2点。因此范数比距离更加具体。

注1：由范数可以定义距离$d(x,y)=\Vert x-y\Vert$。
注2：但是距离不一定可以范数，例如$\Vert x\Vert =d(0,x)$但是$\Vert \alpha x\Vert =d(0,x)$≠$|\alpha \Vert x\Vert$。

2.6 赋范空间

定义了范数的空间被称为赋范空间，完备的赋范空间称为巴纳赫空间。

2.7 内积空间

赋范空间有向量的模长，即范数，但是还缺乏一个很重要的概念——两个向量的夹角。这时候我们引入内积的概念。
定义：设$(x,y)\in R$，且满足：

1. 对称性
2. 对第一变元的线性性；(也就是$\alpha$可以提出来)
3. 正定性

则称$(x,y)$为内积。例：

$(x,y)={\sum }_{i=1}^n{x}_i{y}_i$

$(f,x)={\int }_{-\infty }^{+\infty }f(x)g(x)dx$
内积可以导出范数。反之不可，因为内积比范数定义又多了。
在线性空间上定义内积。其空间称为内积空间。
内积空间可在空间中建立欧几里得几何学，例如交角、垂直和投影等，故习惯上称其为欧几里得空间，这也是我们最习惯的空间。

2.8 希尔伯特空间

1904-1910年希尔伯特引入无穷实数组并定义内积，其空间称为内积空间，再加上完备性，称为希尔伯特空间(无穷维)。它是欧几里得空间的一个推广，其不再局限于有限维的情形。与欧几里得空间相仿，希尔伯特空间是一个内积空间，其上有角和距离的概念。
希尔伯特空间一般是函数，常见的是含有各种频率的平面波函数，一种频率对应一个基底，维度是无穷，这些基底即平面波函数是完备的(Hilbert空间中的任何元素都可以用平面波函数展开, 其实就是指傅里叶变换), 正交(平面波函数做"点积"为delta函数)

2.9 拓扑空间

欧几里得几何学需要内积，但连续的概念不需要内积，甚至不需要距离。比如，社交圈的描述；学号的指定是”连续“的。圈子不是距离。
设$x$是任一集合$\tau \in 2^x$，若满足：

1. $\tau$内任意个集合的并仍属于$\tau$。
2. $\tau$内有限个集合的交仍属于$\tau$。
3. $x$和空集仍属于$\tau$。

则称$\tau$是$x$上的一个拓扑。称$(x,\tau )$为拓扑空间。称$x\in X,x_n\subset X;x_n\to x.$是指：对含有$x$的任一开集$O\in \tau$存在$N$，当$n>N$时，$x_n\in O$。

综述

线性空间又称作向量空间，关注的是向量的位置，对于一个线性空间，知道基（相当于三维空间中的坐标系）便可确定空间中元素的坐标（即位置）；线性空间只定义了加法和数乘运算。如果我们想知道向量的长度怎么办？—-定义范数，引入赋范线性空间赋范线性空间定义了范数的线性空间！如果我们想知道向量的夹角怎么办？—-定义内积，引入内积空间3.内积空间定义了内积的线性空间！！4.欧式空间定义了内积的有限维实线性空间！如果我们想研究收敛性（极限）怎么办？—-定义完备，Banach空间完备的赋范线性空间！Hilbert空间完备的内积空间！！！（极限运算中不能跑出度量的范围）他们之间的关系可以用下图表示：