固定集合A⊂RnA\subset R^n并且考虑所有函数f:A→Rmf:A\to R^m的集合VV,那么VV可以看成一个向量空间。在VV中,零向量就是对于所有的x∈Ax\in A函数等于0的函数。另外对于每个λ∈R,f,g∈V\lambda\in R,f,g\in V,我们定义(f+g)(x)=f(x)+g(x),(λf)(x)=λ(f(x))(f+g)(x)=f(x)+g(x),(\lambda f)(x)=\lambda(f(x))。接下来令ℓ={f∈V|f是连续的}\ell=\{f\in V|f\text{是连续的}\},为了避免混淆,我们可以写成ℓ(A,Rn)\ell(A,R^n),那么ℓ\ell也表示向量空间,因为两个连续函数的和是连续的并且对于每个α∈R,f∈ℓ\alpha\in R,f\in\ell,我们有αf∈ℓ\alpha f\in\ell。

令ℓb\ell_b是ℓ\ell的向量子空间,其中ℓ\ell由有界函数组成:ℓb={f∈ℓ|f是有界的}\ell_b=\{f\in\ell|f\text{是有界的}\}。回忆一下ff有界意味着存在一个常数MM使得对所有的x∈A,∥f(x)∥≤Mx\in A,\Vert f(x)\Vert\leq M。如果AA是紧集,那么ℓb=ℓ\ell_b=\ell。

对于f∈ℓbf\in\ell_b,令∥f∥=sup{∥f(x)∥|x∈A}\Vert f\Vert=\sup\{\Vert f(x)\Vert|x\in A\},因为ff是有界的,所以最小上界肯定存在。∥f∥\Vert f\Vert是ff大小的度量并成为ff的范数(norm),如图1所示,注意∥f∥≤M\Vert f\Vert\leq M当且仅当对于所有的x∈A,∥f(x)∥≤Mx\in A,\Vert f(x)\Vert\leq M。


图1

我们现在尝试做的就是像RnR^n那样看到空间ℓb\ell_b,即,ℓb\ell_b(是一个函数)中的每个点(即,向量)有一个范数,所以我们希望RnR^n中向量的概念可以用到ℓb\ell_b中,当做分析的时候这种想法是非常有用的并且利用RnR^n中的方法可以证明ℓb\ell_b中的某些重要结论(下篇文章会介绍)。为此,首要任务是建立范数的基本概念。

警告:虽然我们有范数,但我们没有像∥f∥2=<f,f>\Vert f\Vert^2=这样与其相关的内积,函数的其他空间(像之后我们会提到的傅里叶分析)有这样的内积。

定理6\textbf{定理6} ℓb(A,Rm)\ell_b(A,R^m)中的函数∥⋅∥\Vert\cdot\Vert满足范数的性质:

  1. ∥f∥≥0,∥f∥=0\Vert f\Vert\geq0,\Vert f\Vert=0当且仅当f=0f=0。
  2. 对于α∈R,f∈ℓb,∥αf∥=|α|∥f∥\alpha\in R,f\in\ell_b,\Vert\alpha f\Vert=|\alpha|\Vert f\Vert。
  3. ∥f+g∥≤∥f∥+∥g∥\Vert f+g\Vert\leq\Vert f\Vert+\Vert g\Vert(三角不等式)。

这些是我们讨论开集,收敛等概念的基本法则。例如,ℓb\ell_b中当且仅当∥fk−f∥→0\Vert f_k-f\Vert\to0时,我们写作fk→ff_k\to f,回忆一下满足法则(i),(ii),(iii)\textrm{(i),(ii),(iii)} 的范数向量空间称为范数空间(normed space),前面介绍的结果在范数空间中都满足,在下面的讨论与证明中我们将直接用到他们。其与一致收敛的联系是非常简单的。

定理7\textbf{定理7} (fk→f(在A上一致))⇔(在ℓb中fk→f;即∥fk−f∥→0)(f_k\to f(\text{在}A\text{上一致}))\Leftrightarrow(\text{在}\ell_b\text{中}f_k\to f;\text{即}\Vert f_k-f\Vert\to 0)。

如果对于任意ε>0\varepsilon>0,存在一个NN使得k,l≥Nk,l\geq N意味着∥fk−fl∥<ε\Vert f_k-f_l\Vert,那么序列fkf_k称为柯西序列。如果每个柯西序列收敛,那么范数空间称为完备的。完备范数空间另一个名字叫做巴拿赫(Banach)空间。完备性是空间非常重要的性质,因为我们经常需要证明一个序列是柯西的并且推导出它收敛到空间中的某个元素。

定理8\textbf{定理8}ℓb\ell_b是一个巴拿赫空间。

空间ℓb\ell_b只是分析中最重要空间中的一个,根据定理6,我们可以引入开集,收敛等概念,就像RnR^n空间那样,而在其他层面上空间ℓb\ell_b可能与RnR^n非常不同。例如我们刚刚提到的,ℓb\ell_b没有内积。还有就是ℓb\ell_b不是有限维的。

例1:\textbf{例1:}令B={f∈ℓ([0,1],R)|对所有的x∈[0,1],f(x)>0}B=\{f\in\ell([0,1],R)|\text{对所有的}x\in[0,1],f(x)>0\}。说明BB在ℓ\ell ([0,1]([0,1],R),R) 中BB 是一个开集。

解:\textbf{解:}根据定义,对于f∈Bf\in B,我们一定可以找到ε>0\varepsilon>0使得D(f,ε)={g∈ℓ|∥f−g∥<ε}⊂BD(f,\varepsilon)=\{g\in\ell|\Vert f-g\Vert,所以固定f∈Bf\in B。接下来,因为[0,1][0,1]是紧集,所以ff在[0,1][0,1]的某点处得到最小值,我们称为mm,那么对于所有的x∈[0,1],f(x)≥m>0x\in[0,1],f(x)\geq m>0。令ε=m/2\varepsilon=m/2,那么如果∥f−g∥<ε\Vert f-g\Vert,结论就是对于每个x,|f(x)−g(x)|<ε=m/2x,|f(x)-g(x)|,因此g(x)≥m/2>0g(x)\geq m/2>0,所以g∈Bg\in B。

例2:\textbf{例2:}例1中集合BB的闭包是什么?

解:\textbf{解:}我们断言闭包是D={f∈ℓ|对所有的x∈[0,1],f(x)≥0}D=\{f\in\ell|\text{对所有的}x\in[0,1],f(x)\geq 0\},这是一个闭集,因为如果fn(x)≥0f_n(x)\geq 0且fn→ff_n\to f(一致),那么自然逐点收敛,即对所有的x,f(x)≥0x,f(x)\geq 0。为了说明DD是闭包,需要充分说明对于f∈Df\in D,存在fn∈Bf_n\in B使得fn→ff_n\to f,很简单的一个例子是fn=f+1/nf_n=f+1/n。

例3:\textbf{例3:}假设我们有序列fn∈ℓbf_n\in\ell_b使得∥fn+1−fn∥≤rn\Vert f_{n+1}-f_n\Vert\leq r_n,其中Σrn\Sigma r_n是收敛的,rn≥0r_n\geq 0。证明fnf_n是收敛的。

解:\textbf{解:}利用三角不等式我们有

∥fn−fn+k≤∥fn−fn+1∥+∥fn+1−fn+2+⋯+∥fn+k−1−fn+k∥≤rn+rn+1+⋯+rn+k

\begin{align*} \Vert f_n-f_{n+k} &\leq\Vert f_n-f_{n+1}\Vert+\Vert f_{n+1}-f_{n+2}+\cdots+\Vert f_{n+k-1}-f_{n+k}\Vert\\ &\leq r_n+r_{n+1}+\cdots+r_{n+k} \end{align*}

因为Σrl\Sigma r_l是收敛的,并且小于或等于s−sn−1s-s_{n-1}(其中sns_n是部分和,ss是和),所以n→∞n\to\infty时该表达式→0\to 0,故fnf_n是柯西序列,它是收敛的。

漫步数学分析二十四——连续函数空间相关推荐

  1. 漫步数学分析二十五——等连续函数

    定义4\textbf{定义4} 令B⊂ℓ(A,Rm)B\subset \ell(A,R^m),我们称BB是函数的等连续(equicontinuous)集合,如果对于每个ε>0\varepsilo ...

  2. 漫步最优化二十四——二分搜索

    你喜欢有小情绪,\textbf{你喜欢有小情绪,} 像夜晚的月亮,\textbf{像夜晚的月亮,} 但各有各的精彩.\textbf{但各有各的精彩.} 你情感丰富,\textbf{你情感丰富,} 时常 ...

  3. 漫步数学分析二十九——幂级数

    本篇文章我们介绍无限级数的相关理论,我们先从幂级数开始. 定义5\textbf{定义5} 幂级数就是形如Σ∞k=0akxk\Sigma_{k=0}^\infty a_kx^k的级数,其中系数aka_k ...

  4. 漫步数学分析二十六——积分方程与不动点

    在许多物理问题中,我们会遇到积分方程:他们的形式如下 f(x)=a+∫x0k(x,y)f(y)dy(1) \begin{equation} f(x)=a+\int_0^x k(x,y)f(y)dy\t ...

  5. 漫步线性代数二十四——行列式应用

    本篇文章介绍四个应用:AA的逆,求解Ax=bAx=b,盒子的体积以及主元.他们都是线性代数里面非常关键的计算,而行列式给出了这些答案的公式. 1.计算A−1A^{-1}.2×22\times 2矩阵展 ...

  6. 漫步数学分析二十八——狄利克雷与阿贝尔测试

    在我们判断一致收敛的时候,某些情况下魏尔斯特拉斯M测试会失效,为此挪威数学家尼尔斯阿贝尔(Niels Abel)以及狄利克雷(Dirichlet)分别提出了两种测试方法,这些方法对许多实例都是非常有用 ...

  7. 漫步数学分析二十——一致连续

    有时候,对连续的定义进行一些变形是非常有用的.这就是我们要介绍的一致连续函数(uniformly continuous function),精确的定义如下. 定义3\textbf{定义3} 令f:A→ ...

  8. 漫步数理统计二十四——伽玛、卡方与贝塔分布

    本篇博文我们讲介绍伽玛(Γ\Gamma),卡方(χ2\chi^2)与贝塔(β\beta)分布.在高等微积分中已经证明过,对于α>0\alpha>0,积分 ∫∞0yα−1e−ydy \int ...

  9. 漫步数学分析三十四——链式法则

    求导中最重要的一个方法是链式法则,例如为了求(x3+3)6(x^3+3)^6的导数,我们令y=x3+3y=x^3+3,首先求y6y^6的导数,得到6y56y^5,然后乘以x3+3x^3+3的导数得到最 ...

最新文章

  1. 第四范式程晓澄:机器学习如何优化推荐系统
  2. 数据库系统实现 第六章 查询执行
  3. cocos2dx3.4 VS2012无法打开包含文件extensions/ExtensionExport.h
  4. VirtualBox 共享目录
  5. 我现在编程方面的特别大的问题
  6. 实践证明m1上面的windows可以说一无是处
  7. Java实现二分查找及其优化
  8. (11) ejb学习: Jpa事务管理类型 container 和 bean
  9. 2020蓝桥杯省赛---java---C---3( 跑步训练)
  10. Pi network KYC的经验分享
  11. 1.4编程基础之逻辑表达式与条件分支 08 判断一个数能否同时被3和5整除
  12. 欧几里得算法、扩展欧几里得算法、求逆元、中国剩余定理、扩展中国剩余定理
  13. .Net操作Office总结一 - 使用VS2010自带的Office模板进行开发
  14. 加速群辉Docker镜像下载速度的方法
  15. 凭什么CTO、技术总监、架构师都不写代码,还一天天牛逼哄哄的?
  16. 幅频特性曲线protues_幅频特性曲线Matlab编程
  17. 蓝奏云 php 协议,蓝奏云网盘最新协议完整版附一套网络验证
  18. ora-00257报错解决办法
  19. 中冠百年|投资理财,千万不要犯这些错误
  20. 农业信息化让农民“心明眼亮”

热门文章

  1. ansible callbacks
  2. [Java] Scanner(new File( )) 从文件输入内容
  3. Web2.0十大Ajax安全漏洞以及成因
  4. Git如何进行减少提交历史数量以及修改自己的commit中的邮箱
  5. 容器编排技术  - Kubernetes kubectl convert 命令详解
  6. oracle-xe-11.2.0-1.0.x86_64安装教程
  7. HanLP《自然语言处理入门》笔记--5.感知机模型与序列标注
  8. ACM比赛技巧之文件数据输入与输出
  9. 载入内存,让程序运行起来
  10. C#LeetCode刷题-字典树