张叶安的博客 - 泛函分析

度量空间的基本概念

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:10:28+00:00

第一章度量空间的基本概念 1.1 距离函数与度量空间 1.1.1 引言在数学分析中，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|$$\mathbb{R}^n$$x = (x_1, x_2, \ldots, x_n)$$y = (y_1, y_2, \ldots, y_n)$$$d(x, y) = \sqrt{\sum_{i=1}^{n}(x_i - y_i)^2}$$$d(x, y) \geq 0$$d(x, y) = 0$$x = y$$d(x, y) = d(y, x)$$d(x, z) \leq d(x, y) + d(y, z)$$X$$d: X \times X \to \mathbb{R}$$x, y, z \in X$$d(x, y) \geq 0$$d(x, y) = 0$$x = y$$d(x, y) = d(y, x)$$d(x, z) \leq d(x, y) + d(y, z)$$d$$X$$(X, d)$$X$$d(x, y)$$x$$y$$X…

度量空间上的映射

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:12:28+00:00

第四章度量空间上的映射 4.1 引言本章研究度量空间之间的映射，特别是保持某种结构或性质的映射。连续映射是最基本的类型，它是拓扑学的核心概念。等距映射保持距离结构，是度量空间之间的$(X, d_X)$$(Y, d_Y)$$f: X \to Y$$x_0 \in X$$f$$x_0$$\epsilon > 0$$\delta > 0$$d_X(x, x_0) < \delta$$$d_Y(f(x), f(x_0)) < \epsilon$$$f$$X$$f$$X$$f$$\epsilon > 0$$\delta > 0$$x_1, x_2 \in X$$d_X(x_1, x_2) < \delta$$$d_Y(f(x_1), f(x_2)) < \epsilon$$$\delta$$\epsilon$$\delta$$\epsilon$$x_0$$f(x) = x^2$$\mathbb{R}$$\epsilon = 1$$\delta > 0$$x = n$$y = n + \delta/2$$|x - y| = \delta/2 < \delta$$$|f(y) - f(x)|…

度量空间中的点集

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:11:36+00:00

第二章度量空间中的点集 2.1 引言在度量空间的研究中，点集的性质起着核心作用。本章将深入探讨度量空间中几类重要的点集性质：稠密性、可分性、列紧性和紧性。这些概念不仅是度量空间理论的基础，也是现代分析学中不可或缺的工具。$(X, d)$$A \subseteq X$$\bar{A} = X$$A$$A$$X$$A$$X$$x \in X$$\epsilon > 0$$a \in A$$d(x, a) < \epsilon$$A \subseteq X$$\bar{A} = X$$A$$(\bar{A})^\circ = \emptyset$$A$$A \subseteq X$$A$$X$$G$$G \cap A \neq \emptyset$$x \in X$$\{a_n\} \subseteq A$$a_n \to x$$X \setminus A$$(1) \Leftrightarrow (3)$$x \in \bar{A}$$\{a_n\} \subseteq A$$a_n \to x$$(1) \Rightarrow (2)$$A$$G$$x \in G$$r > 0$…

赋范线性空间

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:12:55+00:00

第五章赋范线性空间 5.1 引言度量空间为我们提供了“距离”的概念，但在数学中，我们还需要“代数运算”——特别是加法和数乘。将度量结构与代数结构结合起来，就得到了赋范线性空间$X$$\mathbb{K}$$\mathbb{R}$$\mathbb{C}$$\|\cdot\|: X \to \mathbb{R}$$x, y \in X$$\alpha \in \mathbb{K}$$\|x\| \geq 0$$\|x\| = 0$$x = 0$$\|\alpha x\| = |\alpha| \cdot \|x\|$$\|x + y\| \leq \|x\| + \|y\|$$(X, \|\cdot\|)$$d(x, y) = \|x - y\|$$(X, \|\cdot\|)$$d(x, y) = \|x - y\|$$d$$X$$d(x, y) = \|x - y\| \geq 0$$d(x, y) = 0 \Leftrightarrow \|x - y\| = 0 \Leftrightarrow x - y = 0 \Leftrightarrow x = y$$d(x, y)…

共轭算子

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:19:45+00:00

第十五章共轭算子本章研究赋范线性空间上有界线性算子的共轭（伴随）算子理论，建立二次对偶空间中的自然联系，并深入讨论紧算子的谱性质。 15.1 共轭算子的定义与基本性质定义 15.1$X, Y$$T \in \mathcal{B}(X, Y)$$T$$T^*: Y^* \to X^*$$$(T^* g)(x) = g(Tx), \quad \forall g \in Y^*, x \in X$$$T^* g = g \circ T \in X^*$$T \in \mathcal{B}(X, Y)$$T^* \in \mathcal{B}(Y^*, X^*)$$\|T^*\| = \|T\|$$T^*$$g_1, g_2 \in Y^*$$\alpha \in \mathbb{K}$$$(T^*(g_1 + g_2))(x) = (g_1 + g_2)(Tx) = g_1(Tx) + g_2(Tx) = (T^*g_1)(x) + (T^*g_2)(x)$$$|(T^*g)(x)| = |g(Tx)| \leq \|g\| \cdot \|T\| \cdot \|x\|$$\|…

广义函数

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:21:59+00:00

第十九章广义函数 19.1 试验函数空间定义 19.1（试验函数空间 $\mathcal{D}$） $\mathcal{D}(\mathbb{R}^n)$（或记为 $C_c^{\infty}(\mathbb{R}^n)$）是 $\mathbb{R}^n$ 上具有紧支集的无穷次可微函数全体。收敛性： $\varphi_k \to \varphi$ 在 $\mathcal{D}$ 中是指： 1. 存在紧集 $K$，使所有 $\varphi_k$ 的支集含于 $K$$\alpha$$D^{\alpha}\varphi_k$$K$$D^{\alpha}\varphi$$\mathcal{D}$$\mathcal{D}'$$f$$$T_f(\varphi) = \int f(x)\varphi(x)dx$$$$\delta(\varphi) = \varphi(0)$$$g$$T$$$(gT)(\varphi) = T(g\varphi)$$$$D^{\alpha}T(\varphi) = (-1)^{|\alpha|}T(D^{\alpha}\varphi)$$$\delta'$$…

紧算子的谱理论

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:20:50+00:00

第十七章紧算子的谱理论 17.1 紧算子的定义与性质定义 17.1（紧算子）设 $X, Y$ 是Banach空间，$T: X \to Y$ 是线性算子。若 $T$ 将 $X$ 中的有界集映为 $Y$ 中的列紧集，则称 $T$ 为紧算子（或全连续算子）。等价定义：$X$$\{x_n\}$$\{Tx_n\}$$\mathcal{B}(X,Y)$$X$$T \in \mathcal{B}(X)$$\sigma(T)$$0$$T$$\lambda \neq 0$$(T - \lambda I)x = y$$y \perp N(T^* - \bar{\lambda}I)$

内积空间

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:15:16+00:00

第九章内积空间 9.1 引言内积空间是欧几里得几何在无限维空间的自然推广。与一般的赋范空间不同，内积空间具有“角度”的概念，可以定义正交性，这使得其结构更加丰富和类似于有限维欧几里得空间。$X$$\mathbb{K}$$\mathbb{R}$$\mathbb{C}$$\langle \cdot, \cdot \rangle: X \times X \to \mathbb{K}$$x, y, z \in X$$\alpha, \beta \in \mathbb{K}$$\langle x, y \rangle = \overline{\langle y, x \rangle}$$\langle \alpha x + \beta y, z \rangle = \alpha \langle x, z \rangle + \beta \langle y, z \rangle$$\langle x, x \rangle \geq 0$$\langle x, x \rangle = 0$$x = 0$$(X, \langle \cdot, \cdot \rangle)$$\mathbb{K…

内积空间上的算子

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:17:24+00:00

第十二章内积空间上的算子 12.1 引言 Hilbert空间上的线性算子具有丰富的结构。与一般的Banach空间不同，Hilbert空间上的伴随算子概念使得我们可以定义自伴算子、酉算子、正规算子等重要类型。这些算子在量子力学、谱理论和微分方程中有着核心应用。$H$$f \in H^*$$y \in H$$$f(x) = \langle x, y \rangle, \quad \forall x \in H$$$\|f\| = \|y\|$$H, K$$T \in \mathcal{B}(H, K)$$T$$T^*: K \to H$$$\langle Tx, y \rangle_K = \langle x, T^*y \rangle_H, \quad \forall x \in H, y \in K$$$y \in K$$x \mapsto \langle Tx, y \rangle$$H$$T^*y \in H$$T^* \in \mathcal{B}(K, H)$$\|T^*\| = \|T\|$$(\alpha S + \beta T)^* = \bar{\alpha} S…

谱理论基础

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:20:18+00:00

第十六章谱理论基础 16.1 谱的概念定义 16.1（谱与预解集）设 $X$ 是复Banach空间，$T \in \mathcal{B}(X)$，$\lambda \in \mathbb{C}$。 * 预解集 $\rho(T)$：使 $(T - \lambda I)^{-1}$ 存在且有界的 $\lambda$ 的集合 * 谱 $\sigma(T)$： $\rho(T)$ 在 $\mathbb{C}$ 中的补集 * 预解式： $R(\lambda, T) = (T - \lambda I)^{-1}$，$\lambda \in \rho(T)$ 谱的分类：$T - \lambda I$$T - \lambda I$$T - \lambda I$$\sigma(T)$$\mathbb{C}$$\sigma(T) \subset \{\lambda : |\lambda| \leq \|T\|\}$$\sigma(T) \neq \emptyset$$R(\lambda, T)$$\rho(T)$$$r(T) = \lim_{n \to \infty} \|T^…

商空间与积空间

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:14:14+00:00

第七章商空间与积空间 7.1 引言在泛函分析中，我们经常需要从已有的空间构造新的空间。商空间和积空间是两种基本的构造方法。商空间通过“粘合”某些元素来简化结构，而积空间则将多个空间$X$$M$$X$$x \in X$$$[x] = x + M = \{x + m : m \in M\}$$$X/M = \{[x] : x \in X\}$$[x] + [y] = [x + y]$$\alpha[x] = [\alpha x]$$X/M$$[0] = M$$[x_1] = [x_2]$$[y_1] = [y_2]$$[x_1 + y_1] = [x_2 + y_2]$$X = \mathbb{R}^2$$M = \{(x, 0) : x \in \mathbb{R}\}$$x$$$X/M = \{[(0, y)] : y \in \mathbb{R}\} \cong \mathbb{R}$$$x$$\dim X = n$$\dim M = k$$\dim(X/M) = n - k$$(X, \|\cdot\|)$$M$$X/M$$$\|[x]\|_{X/M} = \inf_{m …

完备度量空间

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:12:01+00:00

第三章完备度量空间 3.1 引言完备性是度量空间最重要的性质之一。在实数理论中，我们知道$\mathbb{R}$相对于$\mathbb{Q}$的一个重要优势是完备性：$\mathbb{R}$中的任何Cauchy列都收敛，而$\mathbb{Q}$不具备这一性质。这种完备性保证了极限运算的封闭性，是微积分理论的基础。$(X, d)$$\{x_n\}_{n=1}^\infty$$X$$\epsilon > 0$$N$$m, n \geq N$$$d(x_m, x_n) < \epsilon$$$\{x_n\}$$\{x_n\}$$\lim_{m,n \to \infty} d(x_m, x_n) = 0$$(X, d)$$X$$X$$x_n \to x$$\epsilon > 0$$N$$n \geq N$$d(x_n, x) < \epsilon/2$$m, n \geq N$$$d(x_m, x_n) \leq d(x_m, x) + d(x, x_n) < \frac{\epsilon}{2} + \frac{\epsilon}{2} = \epsilon$$$\epsilo…

线性泛函

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:18:30+00:00

第十三章线性泛函线性泛函是泛函分析的核心研究对象之一。本章系统介绍有界线性泛函的基本理论，重点阐述Hahn-Banach定理及其重要推论，并建立对偶空间的基本框架。 13.1 有界线性泛函 $X$$\mathbb{K}$$\mathbb{K} = \mathbb{R}$$\mathbb{C}$$f: X \to \mathbb{K}$$f(x + y) = f(x) + f(y)$$\forall x, y \in X$$f(\alpha x) = \alpha f(x)$$\forall x \in X, \alpha \in \mathbb{K}$$X^\#$$X$$(X, \|\cdot\|)$$f: X \to \mathbb{K}$$M > 0$$$|f(x)| \leq M\|x\|, \quad \forall x \in X$$$X^*$$X$$X$$f: X \to \mathbb{K}$$f$$f$$f$$x_0 \in X$$(1) \Rightarrow (2)$$f$$|f(x)| \leq M\|x\|$$x_n \to x$$$|f(x_n) - …

有界线性算子

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:14:44+00:00

第八章有界线性算子 8.1 引言线性算子是泛函分析的核心研究对象。与有限维情形不同，无限维空间上的线性算子可能无界（不连续），这给理论带来了丰富的结构和挑战。有界线性算子具有良好的性质，构成了Banach代数的基础。$X, Y$$\mathbb{K}$$T: X \to Y$$x_1, x_2 \in X$$\alpha \in \mathbb{K}$$T(x_1 + x_2) = Tx_1 + Tx_2$$T(\alpha x_1) = \alpha Tx_1$$T(\alpha x_1 + \beta x_2) = \alpha Tx_1 + \beta Tx_2$$X, Y$$T: X \to Y$$M > 0$$x \in X$$$\|Tx\| \leq M \|x\|$$$T$$X$$Y$$T$$$\|T\| = \sup_{x \neq 0} \frac{\|Tx\|}{\|x\|} = \sup_{\|x\| = 1} \|Tx\| = \sup_{\|x\| \leq 1} \|Tx\|$$$T: X \to Y$$T$$T$$T$$X$$T$$X$$(1) \…

有限维赋范空间

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:13:19+00:00

第六章有限维赋范空间 6.1 引言有限维赋范空间虽然维度有限，却具有丰富的结构。与无限维空间相比，有限维空间具有许多良好的性质：所有范数等价、单位球是紧的、线性算子必有界等。这些性质使得有限维空间成为理解无限维空间的起点和参照。$X$$\|\cdot\|_\alpha$$\|\cdot\|_\beta$$X$$\|\cdot\|_\alpha$$\|\cdot\|_\beta$$\dim X = n$$\{e_1, \ldots, e_n\}$$X$$x = \sum_{i=1}^n \xi_i e_i$$$\|x\|_0 = \left(\sum_{i=1}^n |\xi_i|^2\right)^{1/2}$$$\mathbb{K}^n$$\|\cdot\|$$\|\cdot\|_0$$$\|x\| = \left\|\sum_{i=1}^n \xi_i e_i\right\| \leq \sum_{i=1}^n |\xi_i| \|e_i\| \leq \left(\sum_{i=1}^n |\xi_i|^2\right)^{1/2}\left(\sum_{i=1}^n \…

正交系与fourier展开

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:16:50+00:00

第十一章正交系与Fourier展开 11.1 引言正交系是Hilbert空间中的核心结构，它是欧几里得空间中正交坐标系的推广。Fourier展开将元素表示为正交系的线性组合，是泛函分析中最重要的展开理论之一。$H$$\{e_n\}_{n \in I} \subseteq H$$e_n \neq 0$$e_n \perp e_m$$n \neq m$$\{e_n\}$$\|e_n\| = 1$$n$$\{e_n\}$$$\langle e_n, e_m \rangle = \delta_{nm} = \begin{cases} 1, & n = m \\ 0, & n \neq m \end{cases}$$$\mathbb{R}^n$$e_i = (0, \ldots, 0, 1, 0, \ldots, 0)$$l^2$$e_n = (0, \ldots, 0, 1, 0, \ldots)$$n$$L^2[0, 2\pi]$$$\left\{\frac{1}{\sqrt{2\pi}}, \frac{\cos nx}{\sqrt{\pi}}, \frac{\sin nx}{\sq…

自伴算子的谱分解

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:21:28+00:00

第十八章自伴算子的谱分解 18.1 谱测度与谱积分定义 18.1（谱测度）设 $H$ 是Hilbert空间，$\mathcal{B}$ 是 $\mathbb{R}$ 上的Borel $\sigma$-代数，投影算子值函数 $E: \mathcal{B} \to \mathcal{P}(H)$ 若满足： 1. $E(\mathbb{R}) = I$，$E(\emptyset) = 0$ 2. $E(\omega_1 \cap \omega_2) = E(\omega_1)E(\omega_2)$ 3. 对互不相交的 $\{\omega_n\}$，$E(\bigcup \omega_n) = \sum E(\omega_n)$（强收敛）则称 $E$ 为谱测度$f$$$\int f(\lambda)dE(\lambda)$$$H$$T$$E$$$T = \int_{\sigma(T)} \lambda dE(\lambda)$$$f$$$f(T) = \int_{\sigma(T)} f(\lambda)dE(\lambda)$$…

自反空间与弱收敛

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:18:59+00:00

第十四章自反空间与弱收敛本章研究赋范线性空间的对偶结构，引入自反空间的概念，并建立弱收敛与弱*收敛的理论框架，这是无限维空间中序列收敛性的重要推广。 14.1 二次对偶与自然嵌入 $X$$X^*$$X^{**} = (X^*)^*$$X$$J: X \to X^{**}$$x \in X$$Jx \in X^{**}$$$(Jx)(f) = f(x), \quad \forall f \in X^*$$$J$$J: X \to X^{**}$$x, y \in X$$\alpha, \beta \in \mathbb{K}$$$(J(\alpha x + \beta y))(f) = f(\alpha x + \beta y) = \alpha f(x) + \beta f(y) = \alpha(Jx)(f) + \beta(Jy)(f)$$$J(\alpha x + \beta y) = \alpha Jx + \beta Jy$$\|Jx\| = \sup_{\|f\|=1} |(Jx)(f)| = \sup_{\|f\|=1} |f(x)| = \|x\|$$J$$J$…

hilbert空间

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:16:25+00:00

第十章 Hilbert空间 10.1 引言 Hilbert空间是完备的内积空间，它结合了内积的几何结构和完备的拓扑结构，是泛函分析中最重要、最优美的空间。Hilbert空间理论在量子力学、傅里叶分析、随机过程等领域有着核心应用。$\mathbb{C}^n$$\mathbb{R}^n$$l^2$$L^2(\Omega)$$H^1(\Omega)$$H$$x, y \in H$$\langle x, y \rangle = 0$$x$$y$$x \perp y$$x \perp y$$y \in M$$x$$M$$x \perp M$$M^\perp = \{x \in H : x \perp M\}$$M$$M^\perp$$H$$M \subseteq N \Rightarrow N^\perp \subseteq M^\perp$$M \subseteq (M^\perp)^\perp$$M^\perp = (\overline{\text{span} M})^\perp$$M \cap M^\perp = \{0\}$$\emptyset$$H$$M$$H$$x \in H$$…

sobolev空间

Anonymous (anonymous@undisclosed.example.com) — 2026-02-21T08:22:26+00:00

第二十章 Sobolev空间 20.1 弱导数定义 20.1（弱导数）设 $u, v \in L_{loc}^1(\Omega)$，若对任意 $\varphi \in C_c^{\infty}(\Omega)$ $$\int_{\Omega} u D^{\alpha}\varphi dx = (-1)^{|\alpha|} \int_{\Omega} v \varphi dx$$ 则称 $v$ 为 $u$ 的 $\alpha$ 阶弱导数，记为 $D^{\alpha}u = v$。例 20.1 函数 $u(x) = |x|$ 在 $\mathbb{R}$ 上的经典导数在 $x=0$ 不存在，但弱导数为 $$u'(x) = \begin{cases} -1, & x < 0 \ 1, & x > 0 \end{cases}$$ 20.2 Sobolev空间的定义 $$W^{k,p}(\Omega) = \{u \in L^p(\Omega) : D^{\alpha}u \in L^p(\Omega), \forall |\alpha| \leq k\}$$$$\|u\|_{…