数学 泛函分析

泛函分析作业:2025-10-20

泛函分析作业,讨论严格凸范数、线性子空间、零收敛数列空间与商空间范数。

本页目录5 节

1.4.9 #

在 R2\mathbb{R}^2 中, 对 ∀x=(x1,x2)∈R2\forall x = (x_1, x_2) \in \mathbb{R}^2, 定义范数

∥x∥=max⁡(∣x1∣,∣x2∣),\|x\| = \max(|x_1|, |x_2|),

并设 e1=(1,0)e_1 = (1, 0), x0=(0,1)x_0 = (0, 1). 求 a∈Ra \in \mathbb{R} 适合

∥x0−ae1∥=min⁡λ∈R∥x0−λe1∥,\|x_0 - a e_1\| = \min_{\lambda \in \mathbb{R}} \|x_0 - \lambda e_1\|,

并问这样的 aa 是否唯一? 请对结果做出几何解释.

证明

不唯一, x0−λe1x_0-\lambda e_1 对应 xOyxOy 坐标系中 y=1y=1 的直线, 而在该范数定义下, ∥(a,1)∥={1,a∈[−1,1]∣a∣,∣a∣>1\Vert (a,1) \Vert=\begin{cases} 1,\quad a\in[-1,1] \\ |a|,\quad |a|>1 \end{cases} 于是当 a∈[−1,1]a\in[-1,1] 时均满足条件, 不唯一.

图

1.4.10 #

求证: 范数的严格凸性等价于下列条件:

∥x+y∥=∥x∥+∥y∥(∀x≠0,y≠0)  ⟹  x=cy(c>0).\|x + y\| = \|x\| + \|y\| \quad (\forall x \ne 0, y \ne 0) \implies x = c y \quad (c > 0).
证明

"⇒\Rightarrow": 考虑 ∥x+y∥=∥x∥x∥∥x∥+y∥y∥∥y∥∥=(∥x∥+∥y∥)∥x∥x∥∥x∥∥x∥+∥y∥+y∥y∥∥y∥∥x∥+∥y∥∥\Vert x+y \Vert=\norm{\dfrac{x}{\Vert x \Vert}\Vert x \Vert+\dfrac{y}{\Vert y \Vert}\Vert y \Vert}=(\Vert x \Vert+\Vert y \Vert)\norm{\dfrac{x}{\Vert x \Vert}\dfrac{\Vert x \Vert}{\Vert x \Vert+\Vert y \Vert}+\dfrac{y}{\Vert y \Vert}\dfrac{\Vert y \Vert}{\Vert x \Vert+\Vert y \Vert}} 如果 x∥x∥≠y∥y∥\dfrac{x}{\Vert x \Vert}\neq \dfrac{y}{\Vert y \Vert} 那么结合严格凸性可得 ∥x+y∥<∥x∥+∥y∥=∥x+y∥\Vert x+y \Vert<\Vert x \Vert+\Vert y \Vert=\Vert x+y \Vert 矛盾, 所以 x∥x∥=y∥y∥\dfrac{x}{\Vert x \Vert}=\dfrac{y}{\Vert y \Vert} 即 x=cy,(c>0)x=cy, (c>0).

"⇐\Leftarrow": 首先范数一定是凸的, 故只需证明严格性. 反设存在 x,y,α,βx,y,\alpha,\beta 满足 ∥x∥=∥y∥=α+β=1,x≠y\Vert x \Vert=\Vert y \Vert=\alpha+\beta=1, x\neq y. 有 ∥αx+βy∥=1\Vert \alpha x+\beta y \Vert=1. 那么有 ∥αx+βy∥=1=α∥x∥+β∥y∥=齐次性∥αx∥+∥βy∥\Vert \alpha x+\beta y \Vert=1=\alpha\Vert x \Vert+\beta\Vert y \Vert\overset{\text{齐次性}}{=}\Vert \alpha x \Vert+\Vert \beta y \Vert, 于是就有 αx=cβy\alpha x=c\beta y, 两边取范数立刻得到 α=cβ\alpha=c\beta, 从而 x=yx=y 矛盾. 故该范数是严格凸的.

1.4.13 #

设 X\mathscr{X} 是 B∗B^* 空间, X0\mathscr{X}_0 是 X\mathscr{X} 的线性子空间, 假定 ∃c∈(0,1)\exists c \in (0,1), 使得

inf⁡x∈X0∥y−x∥≤c∥y∥(∀y∈X).\inf_{x \in \mathscr{X}_0} \|y - x\| \le c \|y\| \quad (\forall y \in \mathscr{X}).

求证: X0\mathscr{X}_0 在 X\mathscr{X} 中稠密.

证明

反设 X0\mathscr X_0 不稠密, 那么 X0‾\overline{\mathscr X_0} 是 X\mathscr X 中的真闭子空间, 那么根据 Riesz 引理, 取 ε=1−c2\varepsilon=\frac{1-c}{2}, 那么存在 y∈Xy\in\mathscr X, 使得 ∥y∥=1\Vert y \Vert=1 且 ∥y−x∥⩾1−ε>c=c∥y∥∀x∈X0\Vert y-x \Vert\geqslant 1-\varepsilon> c=c\Vert y \Vert\forall x\in \mathscr X_0 这就与条件 inf⁡∥y−x∥⩽c∥y∥\inf \Vert y-x \Vert\leqslant c\Vert y \Vert 矛盾. 从而 X0\mathscr X_0 在 X\mathscr X 中稠密.

1.4.14 #

设 C0C_0 表示以 0 为极限的实数全体, 并在 C0C_0 中赋以范数

∥x∥=max⁡n≥1∣ξn∣(∀x=(ξ1,ξ2,⋯ ,ξn)∈C0).\|x\| = \max_{n \ge 1} |\xi_n| \quad (\forall x = (\xi_1, \xi_2, \cdots, \xi_n) \in C_0).

又设

M≜{x={ξn}n=1∞∈C0 | ∑n=1∞ξn2n=0}.M \triangleq \left\{ x = \{\xi_n\}_{n=1}^{\infty} \in C_0 \,\middle|\, \sum_{n=1}^{\infty} \frac{\xi_n}{2^n} = 0 \right\}.
  • (1) 求证: MM 是 C0C_0 的闭线性子空间.
  • (2) 设 x0=(2,0,⋯ ,0,⋯ )x_0 = (2, 0, \cdots, 0, \cdots), 求证:
inf⁡z∈M∥x0−z∥=1,\inf_{z \in M} \|x_0 - z\| = 1,

但 ∀y∈M\forall y \in M 有 ∥x0−y∥>1\|x_0 - y\| > 1.

证明

(1) 取映射 f:C0→R,f(x)=∑n=1∞ξn2nf:C_0\to \mathbb{R}, f(x)=\sum\limits_{n=1}^\infty \frac{\xi_n}{2^n}

线性性: 考虑 αx+βy\alpha x+\beta y: f(αx+βy)=∑n=1∞αξn+βηn2n=αf(x)+βf(y)=0f(\alpha x+\beta y)=\sum\limits_{n=1}^\infty\frac{\alpha\xi_n+\beta\eta_n}{2^n}=\alpha f(x)+\beta f(y)=0. 于是 αx+βy∈M\alpha x+\beta y\in M.

闭性:由于 ∣f(x)∣⩽∑n=1∞∣ξn∣2n⩽∥x∥∑n=1∞12n=∥x∥|f(x)|\leqslant\sum\limits_{n=1}^\infty \frac{|\xi_n|}{2^n}\leqslant\Vert x \Vert\sum\limits_{n=1}^\infty \frac{1}{2^n}=\Vert x \Vert.

所以 ff 是连续映射, 又 {0}\{0\} 是 R\mathbb{R} 中的闭集, 所以 M=f−1({0})M=f^{-1}(\{0\}) 是闭集.

故 MM 是 C0C_0 的闭线性子空间.

(2) 考虑第一项有 ∥x0−z∥⩾max⁡{∣2−ξ1∣,∣ξ∣}⩾1\Vert x_0-z \Vert\geqslant\max\{|2-\xi_1|,|\xi|\}\geqslant 1. 所以 inf⁡z∈M∥x0−z∥=1\inf\limits_{z\in M}\Vert x_0-z \Vert=1.

考虑数列 xN=(1−12N−1,−1,…,−1⏟N 个,0,…,0,…)∈Mx^N=(1-\frac{1}{2^{N-1}},\underbrace{-1,\ldots,-1}_{N\ \text{个}},0,\ldots,0,\ldots)\in M, 有 ∥x0−xN∥=1+12N−1\Vert x_0-x^N \Vert=1+\frac{1}{2^{N-1}}, 所以下确界取到 1. inf⁡z∈M∥x0−z∥=1\inf\limits_{z\in M}\Vert x_0-z \Vert=1.

下证 ∀y∈M\forall y\in M 有 ∥x0−y∥>1\Vert x_0-y \Vert>1.

考虑反证法, 假设存在序列 y=(ξ1,ξ2,…,ξk,…)∈My=(\xi_1,\xi_2,\ldots,\xi_k,\ldots)\in M, 使得 ∥x0−y∥=1\Vert x_0-y \Vert=1, 则有

{∣ξk∣⩽1,k⩾2,2−ξ1⩽1.\begin{cases} |\xi_k|\leqslant 1,& k\geqslant 2,\\ 2-\xi_1\leqslant 1. & \end{cases}

所以有

∣∑k=2∞ξk2k∣⩽∑k=2∞∣ξk∣2k<由极限为 0 不可能一直是 1∑k=2∞12k=12.|\sum\limits_{k=2}^\infty \frac{\xi_k}{2^k}|\leqslant\sum\limits_{k=2}^\infty\frac{|\xi_k|}{2^k}\overset{\text{由极限为 0 不可能一直是 1}}{<}\sum\limits_{k=2}^\infty \frac{1}{2^k}=\frac 1 2. ⇒∣ξ12∣=∣∑k=2∞ξk2k∣<12⇒∣ξ1∣<1.\Rightarrow\left|\frac{\xi_1}{2}\right|=\left|\sum\limits_{k=2}^\infty \frac{\xi_k}{2^k}\right|<\frac{1}{2}\Rightarrow |\xi_1|<1.

这与 ∣2−ξ1∣⩽1|2-\xi_1|\leqslant 1 矛盾.

所以有 ∀y∈M\forall y\in M 有 ∥x0−y∥>1\Vert x_0-y \Vert>1.

注

本题提供一个例子说明: 对于无穷维闭线性子空间来说, 给定其外一点 x0x_0, 未必能在其上找到一点 yy 适合

∥x0−y∥=inf⁡z∈M∥x0−z∥.\|x_0 - y\| = \inf_{z \in M} \|x_0 - z\|.

换句话说, 给定 x0∉Mx_0 \notin M, 未必能在 MM 上找到最佳逼近元.

1.4.17 #

设有商空间 X/X0\mathscr{X} / \mathscr{X}_0.

  • (1) 设 [x]∈X/X0[x] \in \mathscr{X} / \mathscr{X}_0, 求证: 对 ∀x∈[x]\forall x \in [x], 有
inf⁡z∈X0∥x−z∥=∥[x]∥0.\inf_{z \in \mathscr{X}_0} \|x - z\| = \|[x]\|_0.
  • (2) 定义映射 φ:X→X/X0\varphi : \mathscr{X} \to \mathscr{X} / \mathscr{X}_0 为
φ(x)=[x]≜x+X0(∀x∈X),\varphi(x) = [x] \triangleq x + \mathscr{X}_0 \quad (\forall x \in \mathscr{X}),

求证: φ\varphi 是连续线性映射.

  • (3) ∀[x]∈X/X0\forall [x] \in \mathscr{X} / \mathscr{X}_0, 求证: ∃x∈X\exists x \in \mathscr{X}, 使得
φ(x)=[x],且∥x∥≤2∥[x]∥0.\varphi(x) = [x], \quad \text{且} \quad \|x\| \le 2 \|[x]\|_0.
  • (4) 设 X=C[0,1]\mathscr{X} = C[0,1], X0={f∈X∣f(0)=0}\mathscr{X}_0 = \{ f \in \mathscr{X} \mid f(0) = 0 \}, 求证:
X/X0≅K,\mathscr{X} / \mathscr{X}_0 \cong \mathbb{K},

其中记号 “≅\cong” 表示等距同构.

证明
  • (1) ∥[x]∥=inf⁡y∈[x]∥y∥=inf⁡y∈X0∥x+y∥=inf⁡z∈X0∥x−z∥\Vert [x] \Vert=\inf\limits_{y\in [x]}\Vert y \Vert=\inf\limits_{y\in\mathscr X_0}\Vert x+y \Vert=\inf\limits_{z\in\mathscr X_0}\Vert x-z \Vert.
  • (2) 根据商空间运算定义, 线性性显然. ∥φ(x)∥0=inf⁡z∈X0∥x−z∥⩽∥x−0∥=∥x∥\Vert \varphi(x) \Vert_0=\inf\limits_{z\in\mathscr X_0}\Vert x-z \Vert\leqslant\Vert x-0 \Vert=\Vert x \Vert 所以 φ(x)\varphi(x) 连续.
  • (3) 取代表元 x′x', 根据 ∥[x]∥0=inf⁡z∈X0∥x′−z∥\Vert [x] \Vert_0=\inf\limits_{z\in\mathscr X_0}\Vert x'-z \Vert 所以对任意 ε>0\varepsilon>0, 存在 z∈X0z\in \mathscr X_0 使得 ∥x′−z∥<∥[x]∥0+ε\Vert x'-z \Vert<\Vert [x] \Vert_0+\varepsilon, 现取 ε=∥[x]∥0\varepsilon=\Vert [x] \Vert_0, 则 x′+z0x'+z_0 满足 φ(x′)=[x], ∥x∥⩽2∥[x]∥0\varphi(x')=[x],\ \Vert x \Vert\leqslant 2\Vert [x] \Vert_0.
  • (4) 取 T:X/X0→K,T([f])=f(0)T:\mathscr X/\mathscr X_0\to\mathbb K, T([f])=f(0). 首先先探究等价类的性质, 若 f−g∈X0f-g\in\mathscr X_0, 那么有 f(0)=g(0)f(0)=g(0), 所以我们不妨设等价类为 [fx][f_x] 表示所有 f(0)=xf(0)=x 的函数.

先证 TT 是线性映射, 即 T(α[fx]+β[fy])=T([fαx+fβy])=αx+βy=αT([fx])+βT([fy])T(\alpha [f_x]+\beta [f_y])=T([f_{\alpha x}+f_{\beta y}])=\alpha x+\beta y=\alpha T([f_x])+\beta T([f_y]). 这一步用到了 K\mathbb{K} 的线性性.

再证 TT 保范数, 即要证 ∥T([fx])∥=∥x∥\Vert T([f_x]) \Vert=\Vert x \Vert.

根据定义取 [fx][f_x] 的代表元为 f, f(0)=xf,\ f(0)=x, 有 ∥T([fx])∥=inf⁡g∈X0∥f−g∥=inf⁡g∈X0max⁡t∈[0,1]∣f(t)−g(t)∣\Vert T([f_x]) \Vert=\inf\limits_{g\in\mathscr X_0}\Vert f-g \Vert=\inf\limits_{g\in\mathscr X_0}\max\limits_{t\in[0,1]}|f(t)-g(t)|

一方面,

inf⁡g∈X0max⁡t∈[0,1]∣f(t)−g(t)∣⩾inf⁡g∈X0∣f(0)−g(0)∣=∣x∣\inf\limits_{g\in\mathscr X_0}\max\limits_{t\in[0,1]}|f(t)-g(t)|\geqslant\inf\limits_{g\in\mathscr X_0}|f(0)-g(0)|=|x|

另一方面, 取 g′=f−x∈X0g'=f-x\in \mathscr X_0, 从而

inf⁡g∈X0∥f−g∥⩽∥f−g′∥=恒为 x 的常函数∥x∥,\inf\limits_{g\in\mathscr X_0}\Vert f-g \Vert\leqslant \Vert f-g' \Vert\overset{\text{恒为 x 的常函数}}{=}\Vert x \Vert,

所以有 ∥T([fx])∥=∥x∥\Vert T([f_x]) \Vert=\Vert x \Vert.

注

注意区分上述过程中的范数具体含义.

讨论

评论

正在加载评论…

输入关键词开始搜索。