泛函分析:度量空间的基本概念

第一章 度量空间的基本概念

在数学分析中,我们研究实数集$\mathbb{R}$上的极限、连续等概念,这些概念都依赖于实数之间的距离。例如,两个实数$x$和$y$之间的距离定义为$|x - y|$。在更高维的欧几里得空间$\mathbb{R}^n$中,两点$x = (x_1, x_2, \ldots, x_n)$和$y = (y_1, y_2, \ldots, y_n)$之间的距离定义为:

$$d(x, y) = \sqrt{\sum_{i=1}^{n}(x_i - y_i)^2}$$

这个距离满足以下三条基本性质:

  1. 非负性:$d(x, y) \geq 0$,且$d(x, y) = 0$当且仅当$x = y$
  2. 对称性:$d(x, y) = d(y, x)$
  3. 三角不等式:$d(x, z) \leq d(x, y) + d(y, z)$

泛函分析的一个基本思想是将这些性质抽象出来,在更一般的集合上定义“距离”,从而建立统一的理论框架。这就是度量空间的概念。

定义 1.1(度量空间)设$X$是一个非空集合,$d: X \times X \to \mathbb{R}$是一个映射。如果对于任意的$x, y, z \in X$,满足以下三条公理:

(M1) 非负性(正定性):$d(x, y) \geq 0$,且$d(x, y) = 0$当且仅当$x = y$;

(M2) 对称性:$d(x, y) = d(y, x)$;

(M3) 三角不等式:$d(x, z) \leq d(x, y) + d(y, z)$,

则称$d$为$X$上的一个距离函数(或度量),称$(X, d)$为一个度量空间,在不致混淆的情况下,简称$X$为度量空间。

注记:

  1. 度量空间的定义只涉及集合和满足特定条件的实值函数,不涉及代数运算
  2. 同一个集合上可以定义不同的距离,形成不同的度量空间
  3. 距离$d(x, y)$可以理解为从点$x$到点$y$的“代价”或“长度”

例 1.1(离散度量空间)设$X$是任一非空集合,定义:

$$d(x, y) = \begin{cases} 0, & x = y \\ 1, & x \neq y \end{cases}$$

验证$d$满足度量公理:

  1. (M1) 显然成立
  2. (M2) 由定义直接得到
  3. (M3) 若$x = z$,则$d(x, z) = 0 \leq d(x, y) + d(y, z)$成立;若$x \neq z$,则$x \neq y$和$y \neq z$至少有一个成立,故$d(x, y) + d(y, z) \geq 1 = d(x, z)$

这个度量称为离散度量,$(X, d)$称为离散度量空间。

例 1.2(欧几里得空间$\mathbb{R}^n$)在$\mathbb{R}^n$上定义:

$$d_2(x, y) = \left(\sum_{i=1}^{n}|x_i - y_i|^2\right)^{1/2}$$

这是标准的欧几里得距离。验证三角不等式需要用到Cauchy-Schwarz不等式。

Cauchy-Schwarz不等式:对于$a_i, b_i \in \mathbb{R}$,有:

$$\left|\sum_{i=1}^{n}a_i b_i\right| \leq \left(\sum_{i=1}^{n}a_i^2\right)^{1/2}\left(\sum_{i=1}^{n}b_i^2\right)^{1/2}$$

三角不等式的证明:设$x, y, z \in \mathbb{R}^n$,记$a_i = x_i - y_i$,$b_i = y_i - z_i$,则$x_i - z_i = a_i + b_i$。

$$\begin{align}d_2(x, z)^2 &= \sum_{i=1}^{n}(a_i + b_i)^2 \\&= \sum_{i=1}^{n}a_i^2 + 2\sum_{i=1}^{n}a_i b_i + \sum_{i=1}^{n}b_i^2 \\&\leq \sum_{i=1}^{n}a_i^2 + 2\left(\sum_{i=1}^{n}a_i^2\right)^{1/2}\left(\sum_{i=1}^{n}b_i^2\right)^{1/2} + \sum_{i=1}^{n}b_i^2 \\&= \left(\left(\sum_{i=1}^{n}a_i^2\right)^{1/2} + \left(\sum_{i=1}^{n}b_i^2\right)^{1/2}\right)^2 \\&= (d_2(x, y) + d_2(y, z))^2\end{align}$$ 两边开方即得三角不等式。 **例 1.3**($\mathbb{R}^n$上的其他度量)在$\mathbb{R}^n$上还可以定义其他度量:

(1) 曼哈顿距离($l^1$度量): $$d_1(x, y) = \sum_{i=1}^{n}|x_i - y_i|$$

(2) 最大范数距离($l^\infty$度量): $$d_\infty(x, y) = \max_{1 \leq i \leq n}|x_i - y_i|$$

(3) $l^p$度量($1 \leq p < \infty$): $$d_p(x, y) = \left(\sum_{i=1}^{n}|x_i - y_i|^p\right)^{1/p}$$

验证$d_p$满足三角不等式需要用到Minkowski不等式。

命题 1.1 对于$1 \leq p \leq \infty$,$d_p$都是$\mathbb{R}^n$上的度量,且这些度量是等价的(即它们诱导相同的拓扑)。

例 1.4(序列空间$l^p$)设$1 \leq p < \infty$,定义:

$$l^p = \left\{x = (x_n)_{n=1}^\infty : x_n \in \mathbb{C}, \sum_{n=1}^\infty|x_n|^p < \infty\right\}$$

在$l^p$上定义距离:

$$d_p(x, y) = \left(\sum_{n=1}^\infty|x_n - y_n|^p\right)^{1/p}$$

$(l^p, d_p)$是度量空间。这个空间在泛函分析中极为重要。

同样定义:

$$l^\infty = \left\{x = (x_n)_{n=1}^\infty : x_n \in \mathbb{C}, \sup_{n}|x_n| < \infty\right\}$$

$$d_\infty(x, y) = \sup_{n}|x_n - y_n|$$

例 1.5(连续函数空间$C[a,b]$)设$[a, b]$是闭区间,定义:

$$C[a,b] = \left\{f: [a,b] \to \mathbb{R} : f \text{ 在 } [a,b] \text{ 上连续}\right\}$$

在$C[a,b]$上可以定义多种度量:

(1) 一致收敛度量: $$d_\infty(f, g) = \max_{t \in [a,b]}|f(t) - g(t)|$$

(2) $L^p$度量: $$d_p(f, g) = \left(\int_a^b|f(t) - g(t)|^p dt\right)^{1/p}, \quad 1 \leq p < \infty$$

验证$d\infty$是度量: - (M1) 显然$d\infty(f, g) \geq 0$。若$d\infty(f, g) = 0$,则对所有$t \in [a,b]$,$f(t) = g(t)$,即$f = g$ - (M2) 对称性显然 - (M3) 对任意$t \in [a,b]$: $$|f(t) - h(t)| \leq |f(t) - g(t)| + |g(t) - h(t)| \leq d\infty(f,g) + d\infty(g,h)$$ 取上确界即得三角不等式 例 1.6(函数空间$L^p[a,b]$)设$1 \leq p < \infty$,定义: $$L^p[a,b] = \left{f: [a,b] \to \mathbb{R} : \int_a^b|f(t)|^p dt < \infty\right}$$ 这里积分是Lebesgue积分。在$L^p[a,b]$上定义: $$dp(f, g) = \left(\inta^b|f(t) - g(t)|^p dt\right)^{1/p}$$ 严格来说,$d_p(f, g) = 0$只意味着$f = g$几乎处处成立,因此需要将几乎处处相等的函数等同看待。 ===== 1.2 开集与闭集 ===== 在度量空间中,我们可以自然地推广实数轴上开区间和闭区间的概念。 ==== 1.2.1 开球与闭球 ==== 定义 1.2(开球与闭球)设$(X, d)$是度量空间,$x_0 \in X$,$r > 0$。 (1) 集合 $$B(x0, r) = {x \in X : d(x, x0) < r}$$ 称为以$x_0$为中心、$r$为半径的开球(或$r$-邻域)。 (2) 集合 $$\bar{B}(x0, r) = {x \in X : d(x, x0) \leq r}$$ 称为以$x_0$为中心、$r$为半径的闭球。 (3) 集合 $$S(x0, r) = {x \in X : d(x, x0) = r}$$ 称为以$x_0$为中心、$r$为半径的球面。 例 1.7 在$\mathbb{R}^2$中: - 欧几里得度量$d2$对应的开球是圆形区域 - 曼哈顿度量$d1$对应的开球是菱形(旋转45度的正方形) - 最大范数度量$d_\infty$对应的开球是正方形 ==== 1.2.2 开集与闭集的定义 ==== 定义 1.3(开集)设$(X, d)$是度量空间,子集$G \subseteq X$称为开集,如果对每个$x \in G$,存在$r > 0$,使得$B(x, r) \subseteq G$。 换句话说,开集中的每一点都是该集合的“内点”,存在一个完全包含在该集合内的开球。 定义 1.4(闭集)子集$F \subseteq X$称为闭集,如果它的补集$X \setminus F$是开集。 定理 1.1(开集的基本性质)设$(X, d)$是度量空间: (1) 空集$\emptyset$和全集$X$都是开集; (2) 任意多个开集的并集是开集; (3) 有限多个开集的交集是开集。 证明: (1) 空集是开集( vacuously true)。对任意$x \in X$,$B(x, 1) \subseteq X$,故$X$是开集。 (2) 设${G\alpha}{\alpha \in I}$是一族开集,令$G = \bigcup{\alpha \in I} G\alpha$。对任意$x \in G$,存在$\alpha0$使得$x \in G{\alpha0}$。由于$G{\alpha0}$是开集,存在$r > 0$使得$B(x, r) \subseteq G{\alpha_0} \subseteq G$。故$G$是开集。 (3) 设$G1, G2, \ldots, Gn$是开集,令$G = \bigcap{i=1}^{n} Gi$。对任意$x \in G$,则对每个$i = 1, 2, \ldots, n$,有$x \in Gi$。由于$Gi$是开集,存在$ri > 0$使得$B(x, ri) \subseteq Gi$。取$r = \min{r1, r2, \ldots, rn} > 0$,则$B(x, r) \subseteq B(x, ri) \subseteq G_i$对所有$i$成立,故$B(x, r) \subseteq G$。因此$G$是开集。$\square$ 注记:无限多个开集的交集不一定是开集。例如,在$\mathbb{R}$中,$\bigcap_{n=1}^{\infty}(-1/n, 1/n) = {0}$不是开集。 定理 1.2(闭集的基本性质)设$(X, d)$是度量空间: (1) 空集$\emptyset$和全集$X$都是闭集; (2) 任意多个闭集的交集是闭集; (3) 有限多个闭集的并集是闭集。 证明:由de Morgan律和开集的性质直接得到。$\square$ 定理 1.3 开球是开集,闭球是闭集。 证明:设$B(x0, r)$是开球。对任意$x \in B(x0, r)$,有$d(x, x0) < r$。令$\delta = r - d(x, x0) > 0$。对任意$y \in B(x, \delta)$,由三角不等式: $$d(y, x0) \leq d(y, x) + d(x, x0) < \delta + d(x, x_0) = r$$ 故$B(x, \delta) \subseteq B(x0, r)$,$B(x0, r)$是开集。 对于闭球,设$F = {x : d(x, x0) > r}$为$\bar{B}(x0, r)$的补集。对任意$x \in F$,$d(x, x0) > r$,令$\delta = d(x, x0) - r > 0$。对任意$y \in B(x, \delta)$: $$d(x, x0) \leq d(x, y) + d(y, x0) < \delta + d(y, x_0)$$ 故$d(y, x0) > d(x, x0) - \delta = r$,即$y \in F$。因此$F$是开集,$\bar{B}(x_0, r)$是闭集。$\square$ ===== 1.3 邻域与极限 ===== ==== 1.3.1 邻域的定义 ==== 定义 1.5(邻域)设$(X, d)$是度量空间,$x \in X$。包含$x$的任一开集称为$x$的一个邻域。 特别地,开球$B(x, r)$(其中$r > 0$)称为$x$的一个球形邻域或$r$-邻域。 注记: - 邻域的概念比开球更一般,任何包含$x$的开集都是$x$的邻域 - 若$U$是$x$的邻域,则存在$r > 0$使得$B(x, r) \subseteq U$ ==== 1.3.2 点列的极限 ==== 定义 1.6(点列的极限)设$(X, d)$是度量空间,${xn}{n=1}^\infty$是$X$中的点列,$x_0 \in X$。如果对任意$\epsilon > 0$,存在正整数$N$,使得当$n \geq N$时,有: $$d(xn, x0) < \epsilon$$ 则称点列${xn}$收敛于$x0$,$x0$称为${xn}$的极限,记作: $$\lim{n \to \infty} xn = x0 \quad \text{或} \quad xn \to x_0 \, (n \to \infty)$$ 等价地,$xn \to x0$当且仅当$\lim{n \to \infty} d(xn, x_0) = 0$。 定理 1.4(极限的唯一性)在度量空间中,收敛点列的极限是唯一的。 证明:设${xn}$是度量空间$(X, d)$中的点列,且$xn \to x$,$xn \to y$。则对任意$\epsilon > 0$,存在$N1, N_2$使得: - 当$n \geq N1$时,$d(xn, x) < \epsilon/2$ - 当$n \geq N2$时,$d(xn, y) < \epsilon/2$ 取$N = \max{N1, N2}$,当$n \geq N$时: $$d(x, y) \leq d(x, xn) + d(xn, y) < \frac{\epsilon}{2} + \frac{\epsilon}{2} = \epsilon$$ 由于$\epsilon > 0$是任意的,故$d(x, y) = 0$,即$x = y$。$\square$ 定理 1.5(极限的$\epsilon-N$刻画)设$F \subseteq X$,则$F$是闭集当且仅当:若${xn} \subseteq F$且$xn \to x$,则$x \in F$。 证明: ($\Rightarrow$)设$F$是闭集,${xn} \subseteq F$,$xn \to x$。假设$x \notin F$,则$x \in X \setminus F$。由于$X \setminus F$是开集,存在$r > 0$使得$B(x, r) \subseteq X \setminus F$。但由于$xn \to x$,存在$N$使得当$n \geq N$时$d(xn, x) < r$,即$xn \in B(x, r) \subseteq X \setminus F$,与$xn \in F$矛盾。 ($\Leftarrow$)设$F$满足条件,证明$X \setminus F$是开集。对任意$x \in X \setminus F$,若对任意$n$,$B(x, 1/n) \cap F \neq \emptyset$,则可取$xn \in B(x, 1/n) \cap F$。于是$d(xn, x) < 1/n \to 0$,即$xn \to x$。由条件$x \in F$,矛盾。故存在$n0$使得$B(x, 1/n0) \cap F = \emptyset$,即$B(x, 1/n0) \subseteq X \setminus F$。因此$X \setminus F$是开集,$F$是闭集。$\square$ 定义 1.7(闭包)设$A \subseteq X$,$A$的闭包定义为: $$\bar{A} = \bigcap{F : F \supseteq A, F \text{ 是闭集}}$$ 等价地,$\bar{A} = {x \in X : \forall r > 0, B(x, r) \cap A \neq \emptyset}$。 定理 1.6 $x \in \bar{A}$当且仅当存在${xn} \subseteq A$使得$xn \to x$。 ===== 1.4 拓扑的比较 ===== ==== 1.4.1 等价度量 ==== 定义 1.8(等价度量)设$d1$和$d2$是集合$X$上的两个度量。如果它们诱导相同的开集族(即相同的拓扑),则称$d1$和$d2$等价。 定理 1.7(等价度量的判定)$d1$和$d2$等价当且仅当:对任意$x \in X$和$r > 0$,存在$r1, r2 > 0$使得: $$B{d1}(x, r1) \subseteq B{d2}(x, r), \quad B{d2}(x, r2) \subseteq B{d1}(x, r)$$ 定理 1.8 在$\mathbb{R}^n$上,$d_p$度量($1 \leq p \leq \infty$)都是等价的。 证明:只需证明对任意$p, q \in [1, \infty]$,$dp$与$dq$等价。不妨设$1 \leq p < q \leq \infty$。 对于$x \in \mathbb{R}^n$: $$\|x\|\infty \leq \|x\|p \leq n^{1/p} \|x\|_\infty$$ $$\|x\|q \leq \|x\|p \leq n^{1/p - 1/q} \|x\|_q \quad (p < q < \infty)$$ 这些不等式表明不同$p$范数诱导的度量在$\mathbb{R}^n$上是等价的。$\square$ ==== 1.4.2 子空间拓扑 ==== 定义 1.9(子空间)设$(X, d)$是度量空间,$Y \subseteq X$是非空子集。定义$d_Y: Y \times Y \to \mathbb{R}$为: $$d_Y(x, y) = d(x, y), \quad \forall x, y \in Y$$ 则$dY$是$Y$上的度量,$(Y, dY)$称为$X$的度量子空间(简称子空间)。 定理 1.9 设$Y$是$X$的子空间,$G \subseteq Y$。则$G$是$Y$中的开集当且仅当存在$X$中的开集$U$使得$G = U \cap Y$。 ===== 1.5 稠密性与可分性 ===== 定义 1.10(稠密集)设$A, B \subseteq X$。如果$\bar{A} \supseteq B$,则称$A$在$B$中稠密。特别地,如果$\bar{A} = X$,称$A$在$X$中稠密。 定义 1.11(可分空间)度量空间$X$称为可分的,如果存在可数稠密子集。 定理 1.10 $(\mathbb{R}^n, d_2)$是可分空间。 证明:$\mathbb{Q}^n$(有理点集)是$\mathbb{R}^n$的可数稠密子集。$\square$ 定理 1.11 $C[a,b]$(赋予一致收敛度量)是可分空间。 证明:由Weierstrass逼近定理,多项式在$C[a,b]$中稠密。而有理系数多项式是可数的且在$C[a,b]$中稠密。$\square$ ===== 1.6 习题 ===== 习题 1.1 证明$l^\infty$是度量空间,并验证$d_\infty$满足度量公理。 习题 1.2 在$\mathbb{R}$上定义$d(x, y) = |\arctan x - \arctan y|$。证明$d$是度量,且与通常度量$d_1(x,y) = |x-y|$等价。 习题 1.3 设$(X, d)$是度量空间,定义: $$d'(x, y) = \min{d(x, y), 1}$$ 证明$d'$是度量,且与$d$诱导相同的拓扑。 习题 1.4 证明离散度量空间中的每个子集既是开集又是闭集。 习题 1.5 设$X = C[0,1]$,$d(f,g) = \int_0^1|f(t) - g(t)|dt$。验证$d$是度量。 习题 1.6 证明:在度量空间中,单点集是闭集。 习题 1.7 设$A, B$是度量空间$X$的子集。证明: - (a) $\overline{A \cup B} = \bar{A} \cup \bar{B}$ - (b) $\overline{A \cap B} \subseteq \bar{A} \cap \bar{B}$,举例说明等号一般不成立 习题 1.8 证明$l^p$($1 \leq p < \infty$)是可分空间。 习题 1.9 设${xn}$是度量空间$X$中的点列,且当$m \neq n$时$d(xm, xn) = 1$。证明${xn}$没有收敛子列。 习题 1.10 证明:度量空间$X$是离散的(具有离散度量诱导的拓扑)当且仅当$X$中每个单点集都是开集。 ===== 1.7 补充阅读 ===== * 度量空间的概念由Maurice Fréchet于1906年引入 * Hausdorff在其《集合论基础》(1914年)中系统发展了度量空间理论 * 点集拓扑是度量空间理论的进一步抽象,去掉了距离的概念

该主题尚不存在

您访问的页面并不存在。如果允许,您可以使用创建该页面按钮来创建它。

  • 泛函分析/度量空间的基本概念.txt
  • 最后更改: 2026/02/21 16:10
  • 由 张叶安