数学 泛函分析(徐小绪)

泛函分析(徐小绪)作业:2025-11-03

泛函分析作业,围绕有界线性泛函、零空间、超平面及其几何性质展开。

本页目录5 节

2.1.4 #

设 y(t)∈C[0,1]y(t)\in C[0,1], 定义 C[0,1]C[0,1] 上的泛函

f(x)=∫01x(t)y(t)dt(∀x∈C[0,1]),f(x)=\int_0^1 x(t)y(t)\text{d} t\quad (\forall x\in C[0,1]),

求 ∥f∥\Vert f \Vert.

答案

∥f∥=sup⁡x∥f(x)∥∥x∥\Vert f \Vert=\sup\limits_{x}\dfrac{\Vert f(x) \Vert}{\Vert x \Vert}.

对于

∥f(x)∥∥x∥=∣∫01x(t)max⁡kx(k)y(t)dt∣⩽∫01∣y(t)∣dt=ΔM\dfrac{\Vert f(x) \Vert}{\Vert x \Vert}=\left|\int_0^1 \dfrac{x(t)}{\max\limits_k x(k)}y(t)\text{d} t\right|\leqslant \int_0^1|y(t)|\text{d} t\overset{\Delta}{=}M

如果不要求 x(t)∈C[0,1]x(t)\in C[0,1], 我们只要取 x0(t)=y(t)∣y(t)∣x_0(t)=\frac{y(t)}{|y(t)|} 即可得到上界 MM. 根据实变函数中的结论, 对任意 ε>0\varepsilon>0, 存在连续函数 gg 使得 ∫01∣g(t)−x0(t)∣dt<ε/∥y∥\displaystyle\int_{0}^{1} |g(t)-x_0(t)|\text{d} t<\varepsilon/\Vert y \Vert, 从而

∣∫01g(t)y(t)dt−M∣<∣∫01∣g(t)−x0(t)∣y(t)dt∣⩽∥y∥∫01∣g(t)−x0(t)∣dt<ε.\left|\int_0^1 g(t)y(t)\text{d} t-M\right|<\left|\int_0^1|g(t)-x_0(t)|y(t)\text{d} t\right|\leqslant\Vert y \Vert\int_0^1 |g(t)-x_0(t)|\text{d} t<\varepsilon.

从而说明存在一列 xn(t)x_n(t) 使得 ∥f(x)∥∥x∥→M\dfrac{\Vert f(x) \Vert}{\Vert x \Vert}\to M, 从而 M=∫01∣y(t)∣dtM=\displaystyle\int_{0}^{1} |y(t)|\text{d} t 就是上确界 ∥f∥\Vert f \Vert.

2.1.5 #

设 ff 是 X\mathscr X 上的非零有界线性泛函, 令

d=inf⁡{∥x∥∣f(x)=1,x∈X},d=\inf\lbrace \Vert x \Vert|f(x)=1,x\in\mathscr X\rbrace ,

求证 ∥f∥=1/d\Vert f \Vert=1/d.

证明

∀x∈X−{0}\forall x\in\mathscr X-\lbrace 0\rbrace , 取 α=1f(x)\alpha=\dfrac{1}{f(x)}, 那么 αx\alpha x 就满足 f(αx)=αf(x)=1f(\alpha x)=\alpha f(x)=1, 从而 ∥αx∥⩾d\Vert \alpha x \Vert\geqslant d, 即 ∥x∥∥f(x)∥⩾d\dfrac{\Vert x \Vert}{\Vert f(x) \Vert}\geqslant d.

所以 d=inf⁡{∥x∥∥f(x)∥∣x∈X}d=\inf\left\lbrace\dfrac{\Vert x \Vert}{\Vert f(x) \Vert}|x\in \mathscr X\right\rbrace, 故 1d=sup⁡{∥f(x)∥∥x∥∣x∈X}\dfrac{1}{d}=\sup\left\lbrace\dfrac{\Vert f(x) \Vert}{\Vert x \Vert}|x\in\mathscr X\right\rbrace, 即 ∥f∥=1d\Vert f \Vert=\dfrac{1}{d}.

2.1.7 #

设 T:X→YT:\mathscr X\to\mathscr Y 是线性的, 令

N(T)=Δ{x∈X∣Tx=0}.N(T)\overset{\Delta}{=}\lbrace x\in\mathscr X|Tx=0\rbrace .
  • ((1)) 若 T∈L(X,Y)T\in \mathscr L(\mathscr X,\mathscr Y), 求证: N(T)N(T) 是 X\mathscr X 的闭线性子空间.
  • ((2)) 问 N(T)N(T) 是 X\mathscr X 的闭线性子空间能否推出 T∈L(X,Y)T\in\mathscr L(\mathscr X,\mathscr Y)?
  • ((3)) 若 ff 是线性泛函, 求证
f∈X∗⇔N(f) 是闭线性子空间.f\in\mathscr X^*\Leftrightarrow N(f)\ \text{是闭线性子空间}.
证明
  • ((1)) 线性性: ∀x,y∈N(T),α,β∈K\forall x,y\in N(T),\alpha,\beta\in \mathbb{K}, 有 T(αx+βy)=αT(x)+βT(y)=0T(\alpha x+\beta y)=\alpha T(x)+\beta T(y)=0, 从而 αx+βy∈N(T)\alpha x+\beta y\in N(T). 闭性: 由 TT 有界, 从而连续, 又 {0}\lbrace 0\rbrace 是 Y\mathscr Y 中的闭集, 所以 T−1({0})T^{-1}(\lbrace 0\rbrace ) 是闭集. 故 N(T)N(T) 是闭线性子空间.
  • ((2)) 任取一个无界的线性泛函 T0:X→YT_0:\mathscr X\to\mathscr Y, 设 T:X→X×Y,T(x)=(x,T0(x))T:\mathscr X\to\mathscr X\times \mathscr Y, T(x)=(x,T_0(x)). 取范数 ∥T(x)∥=∥x∥+∥T0(x)∥\Vert T(x) \Vert=\Vert x \Vert+\Vert T_0(x) \Vert 不难验证满足范数定义. 而 N(T)={0}N(T)=\lbrace 0\rbrace , 因为第一维 xx 的限制. 又 T0T_0 无界, 设 D⊂XD\subset\mathscr X 使得 T0(D)T_0(D) 无界, 那么 T(D)T(D) 也是无界的, 因为 ∥T(x)∥⩾∥T0(x)∥\Vert T(x) \Vert\geqslant \Vert T_0(x) \Vert.
  • ((3)) ⇒\Rightarrow: 这部分由 (1) 可知. ⇐\Leftarrow: 反设 ff 无界, 则 ∀n∈Z+\forall n\in \Z_+ 存在 xn∈Xx_n\in\mathscr X, 使得
∥xn∥<1n, 且f(xn)=1.\Vert x_n \Vert<\frac 1n,\ \text{且} f(x_n)=1.

于是 {xn−x1}⊂N(f)\lbrace x_n-x_1\rbrace \subset N(f) 且 ∥(xn−x1)−(−x1)∥→0\Vert (x_n-x_1)-(-x_1) \Vert\to 0. 但 f(−x1)=−1f(-x_1)=-1, 即 −x1∉N(f)-x_1\notin N(f) 这与 N(f)N(f) 是闭的矛盾.

2.1.8 #

设 ff 是 X\mathscr X 上的线性泛函, 记 Hfλ=Δ{x∈X∣f(x)=λ}(∀λ∈K).H_f^\lambda\overset{\Delta}{=}\lbrace x\in\mathscr X|f(x)=\lambda\rbrace \quad (\forall \lambda\in \mathbb K). 如果 f∈X∗f\in\mathscr X^*, 并且 ∥f∥=1\Vert f \Vert=1, 求证:

  • ((1)) ∣f(x)∣=inf⁡{∥x−z∥∣∀z∈Hf0}(∀x∈X)|f(x)|=\inf\lbrace \Vert x-z \Vert|\forall z\in H_f^0\rbrace \quad(\forall x\in\mathscr X);
  • ((2)) ∀λ∈K\forall\lambda\in\mathbb K, HfλH_f^\lambda 上的任一点 xx 到 Hf0H_f^0 的距离都等于 ∣λ∣|\lambda|. 并对 X=R2,K=R\mathscr X=\mathbb{R}^2,\mathbb K=\mathbb{R} 情形解释 (1) 和 (2) 的几何意义.
证明
  • ((1)) 我们考虑 A={x−z:z∈Hf0}A=\lbrace x-z: z\in H_f^0\rbrace 究竟是什么集合. 我们记 M=∣f(x)∣M=|f(x)|, 首先 ∣f(x−z)∣=∣f(x)−0∣=M|f(x-z)|=|f(x)-0|=M, 所以 A⊂HfMA\subset H_f^M, 此外 ∀y∈HfM\forall y\in H_f^M, 我们有 x−y∈Hf0x-y\in H_f^0, 所以 x−(x−y)=y∈Ax-(x-y)=y\in A, 即 A=HfMA=H_f^M. 因此我们只需证 ∣f(x)∣=inf⁡{∥x∥:x∈Hf∣f(x)∣}|f(x)|=\inf\lbrace \Vert x \Vert: x\in H_f^{|f(x)|}\rbrace . 一方面由 ∥f∥=1\Vert f \Vert=1, ∥f(x)∥∥x∥⩽1\dfrac{\Vert f(x) \Vert}{\Vert x \Vert}\leqslant 1, ∀x∈X\forall x\in\mathscr X. 所以 ∥f(x)∥⩽∥x∥\Vert f(x) \Vert\leqslant\Vert x \Vert. 即 ∥f(x)∥\Vert f(x) \Vert 是下界. 另一方面, 根据上确界的定义, 存在一列 {xn}\lbrace x_n\rbrace 满足 ∥f(x)∥∥x∥→1\dfrac{\Vert f(x) \Vert}{\Vert x \Vert}\to 1, 那么取 yn=∥f(x)∥∥f(xn)∥xny_n=\dfrac{\Vert f(x) \Vert}{\Vert f(x_n) \Vert}x_n, 那么 ∥f(yn)∥∥yn∥=∥f(xn)∥∥xn∥→1\dfrac{\Vert f(y_n) \Vert}{\Vert y_n \Vert}=\dfrac{\Vert f(x_n) \Vert}{\Vert x_n \Vert}\to 1, 且 ∥f(yn)∥=∥f(x)∥∥f(xn)∥∥f(xn)∥=∥f(x)∥\Vert f(y_n) \Vert=\dfrac{\Vert f(x) \Vert}{\Vert f(x_n) \Vert}\Vert f(x_n) \Vert=\Vert f(x) \Vert. 于是 yn∈HfMy_n\in H_f^M 且 ∥f(yn)∥→∥f(x)∥\Vert f(y_n) \Vert\to \Vert f(x) \Vert. 即 ∥f(x)∥\Vert f(x) \Vert 就是下确界. 综上 ∥f(x)∥=inf⁡{∥x−z∥∣∀z∈Hf0}\Vert f(x) \Vert=\inf\lbrace \Vert x-z \Vert|\forall z\in H_f^0\rbrace .
  • ((2)) ρ(x,Hf0)=inf⁡{∥x−z∥∣∀z∈Hf0}=∣f(x)∣=∣λ∣\rho(x,H_f^0)=\inf\lbrace \Vert x-z \Vert|\forall z\in H_f^0\rbrace =|f(x)|=|\lambda|. 对 x=(α,β)∈R2x=(\alpha,\beta)\in\mathbb{R}^2, 设 f((1,0))=e1,f((0,1))=e2f((1,0))=e_1,f((0,1))=e_2, 则 f(x)=f(α(1,0)+β(0,1))=αe1+βe2f(x)=f(\alpha(1,0)+\beta(0,1))=\alpha e_1+\beta e_2, 所以 Hfλ={(α,β)∣αe1+βe2=λ}H_f^\lambda=\lbrace (\alpha,\beta)|\alpha e_1+\beta e_2=\lambda\rbrace 就是一条直线. 所以 (1) 和 (2) 指的就是点线和线线的距离.

2.1.9 #

设 X\mathscr X 是实 B∗B^* 空间, ff 是 X\mathscr X 上的非零实值线性泛函. 求证: 不存在开球 B(x0,δ)B(x_0,\delta), 使得 f(x0)f(x_0) 是 f(x)f(x) 在 B(x0,δ)B(x_0,\delta) 中的极大值或极小值.

证明

反设存在 B(x0,δ)B(x_0,\delta), 使得 f(x0)f(x_0) 是极大值.

那么 f(x)⩽f(x0)f(x)\leqslant f(x_0) 即 f(x−x0)⩽0f(x-x_0)\leqslant 0. 所以 f(x)⩽0,∀x∈B(0,δ)f(x)\leqslant 0,\forall x\in B(0,\delta). 根据线性性, 可以依次推出在整个定义域上都有 f(x)⩽0f(x)\leqslant 0, 因为可以反复取 f(x)=2f(x/2)f(x)=2f(x/2) 直到 ∥x/2k∥<δ\Vert x/2^k \Vert<\delta.

从而必须有 f(x)=0f(x)=0, 否则若 f(x)<0f(x)<0, 则 f(−x)>0f(-x)>0 矛盾.

故假设矛盾.

极小值同理, 可以推出在整个定义域上非负从而恒为 0.

讨论

评论

正在加载评论…

输入关键词开始搜索。