第二章 线性算子与线性泛函
线性泛函数知识点总结

线性泛函数知识点总结一、线性泛函数的基本概念1.1 线性泛函数的定义线性泛函数是指一个将向量空间中的向量映射到另一个向量空间中的函数,且满足线性性质。
设V和W是两个向量空间,如果一个函数T:V→W满足以下两个条件:1) 对于任意的向量x,y∈V,有T(x+y)=T(x)+T(y);2) 对于任意的向量x∈V和标量a,有T(ax)=aT(x);则函数T被称为V到W的线性泛函数。
1.2 线性泛函数的例子下面我们举几个线性泛函数的例子,以便更好地理解这个概念。
例1:设V是实数域上的n维向量空间,W是实数域上的m维向量空间,定义一个函数T:V→W,使得对于任意的向量x=(x1,x2,...,xn)∈V,有T(x)=(x1^2,x2^2,...,xn^2)∈W。
显然,函数T满足线性性质,因此它是一个线性泛函数。
例2:设V是实数域上的3维向量空间,W是实数域上的2维向量空间,定义一个函数T:V→W,使得对于任意的向量x=(x1,x2,x3)∈V,有T(x)=(x1+x2,x2+x3)∈W。
同样地,函数T也满足线性性质,因此它也是一个线性泛函数。
1.3 线性泛函数的表示线性泛函数可以用矩阵来表示。
设V和W分别是n维和m维向量空间,选择它们的一组基{e1,e2,...,en}和{f1,f2,...,fm},则对于任意的向量x=(x1,x2,...,xn)∈V,有其在基{e1,e2,...,en}下的表达式为x=x1e1+x2e2+...+xnen,而对于任意的向量y=(y1,y2,...,ym)∈W,有其在基{f1,f2,...,fm}下的表达式为y=y1f1+y2f2+...+ymfm。
定义一个线性泛函数T:V→W,使得对于任意的向量x∈V,有T(x)=y∈W,则T的矩阵表示为一个m×n的矩阵A,其中A的第i列为T(ei)在基{f1,f2,...,fm}下的坐标表示,即A=[T(e1)|T(e2)|...|T(en)]。
线性泛函分析

线性泛函分析泛函分析的主要工作在于对积分方程而不是对变分法提供一个抽象的理论. 变分法领域里所需泛函的性质是相当特殊的,对一般的泛函并不成立.此外,这些泛函的非线性造成了困难,而这种困难对于包含在积分方程中的泛函和算子则是无关紧要的.在Schmidt ,Fischer ,Riesz 为积分方程解的理论作具体推广时,他们和其他一些人也同时开始了相应的抽象理论的研究.第一个试图建立线性泛函和算子的抽象理论的,是美国数学家E .H .Moore ,他从1906年开始这一工作. Moore 认识到,在有限多个未知数的线性方程的理论、无限多个未知数的无限多个线性方程的理论、以及线性积分方程的理论之间,有许多共同的地方.他因此着手建立一种称为“一般分析”(Generl Analysis)的抽象理论,它包含上述具体理论作为特殊情形.他用的是公理方法.我们将不叙述其细节,因为他的影响并不广,而且电没有获得很有效的方法.另外,他的符号语言很奇怪,使以后的人理解起来很困难.在建立线性泛函和算子的抽象理论的过程中,第一个有影响的步骤是由Erhard Sohmidt 和Frechet 在1907年采取的.Hilbert 在他的积分方程的工作中,曾经把一个函数看成是由它相应于某标准正交函数系的Fourier 系数给定的.这些系数以及在他的无穷多个变量的二次型理论中他所赋予这些x i 的值,都是使21n x ∑∞成为有限的序列{x n }.然而,Hilbort 并没有把这些序列看成空间中点的坐标,也没有用几何的语言,这一步是由Schmidt 和Frechet 采取的. 把每一个序列{x 。
}看成一个点,函数就被表现为无穷维空间的点.Sohmidt 不仅把实数而且把复数引入序列{x 0}中.这样的空间从此以后被称为Hilbort 空间.我们的叙述 按照Schmidt 的工作.Schmidt 的函数空间的元素是复数的无穷序列z ={z n },使得.21∞∑∞=<zp p Schmidt 引入记号;211⎭⎬⎫⎩⎨⎧∑∞=-p p p z z 来表示z ;z 后来就称为z 的范数(norm).按照Hilbert ,Sehmidt 用记号).,(,),(1-∞==∑z z z 所以z 表示z p p pωω(现在通用的记号是把)),(1p p p z 定义义z -∞=∑ωω.空间中两个元素z 和ω称为正交的,当且仅当.0,=⎪⎭⎫ ⎝⎛-ωz Schmidt ;接着证明了广义的Pythagoras 定理:如果z 1, z 2, …,z n 是空间的n 个两两正交的元素,则由∑==n p p z 1ω知 .212p n p z ∑==ω由此可推出n 个两两正交的元素是线性无关的.Schrnidt 在他的一般空间中还得到了Bessel 不等式:如果{z n }是标准正交元素的无穷序列,即ωδ而z z pq q p ,),(=-是任何一个元素,那末21,(-∞=∑p p z ω≤.2ω 此外,还证明了范数的Schwarz 不等式和三角不等式.元素序列{z n }称为强收敛于z ,如果z z n -趋向于0,而每个强Cauehy 序列,即每个使q p z z -趋于0 (当p ,q 趋于0时)的序列,可以证明都收敛于某一元素z ,从而序列空间是完备的.这是一条非常重要的性质.Schmidt 接着引进了(强)闭子空间的概念.他的空间H 的一个子集A 称为闭子空间,如果在刚才定义的收敛的意义下它是闭子集,并且是代数封闭的,后者意指,如果ω1与ω2是A 的元素,那末2211ωωa a +也是A 的元素,其中a 1,a 2是任何复数.可以证明这样的闭子空间是存在的,这只需取任何一个线性无关的元素列{z n },并取{z n }中元素的所有有限线性组合.全体这些元素的闭包就是一个代数封闭的子空间.现在,设A 是任一固定的闭子空间.Schmidt 首先证明,如果z 是空间的任一元素,则存在唯一的元素ω1和ω2,使得z =ω1+ω2,其中ω1属于A , ω2和A 正交,后者是指ω2和A 的每个元素正交(这个结果,今天称为投影定理;ω1就是z 在A 中的投影)进一步,,min 2z y -=ω 其中y 是A 的变动元素,而且极小值只在21.ωω时达到y =称为z 和A 之间的距离.在1907年,Schmidt 和Frechet 同时注意到,平方可和(Lebesgue 可积) 函数的空间有一种几何,完全类似于序列的Hilbert 空间. 这个类似性的阐明是在几个月之后,当时Riesz 运用在Lebesgue 平方可积函数与平方可和实数列之间建立一一对应的Riesz-Fischer'定理指出,在平方可和函数的集合L 2中能够定义一种距离,用它就能建立这个函数空间的一种几何. L 2中,定义在区间[a , b]上的任何两个平方可积函数之间的距离这个概念,事实上也是Frechet 定义的,他把它定义为(1) ⎰-b a dx x g x f ,)]()([2其中积分应理解为Lebesgue 意义下的;并且两个函数只在一个0测集上不同时就认为是相等的.距离的平方也称为这两个函数的平均平方偏差.f 和g 的内积定义为⎰=ba dx x g x f g f )()(),(. 使(f ,g) = 0的两个函数f 与g 称为是正交的.Schwarz 不等式 dx x g x f ba )()(⎰≤dx g dx fb a b a ⎰⎰22以及对平方可和序列空间成立的其他性质,都适用于函数空间.特别是,这类平方可和函数形成一个完备的空间.这样,平方可和函数的空间,同这些函数相应于某一固定的完备标准正交函数系的Fourier 系数所构成的平方可和序列的空间,可以认为是相同的.在提到抽象函数空间时,我们应重提一下Riesz 引入的空间L p (1<p<∞).这些空间对度量pb a p dx f f f f d 12121),(⎪⎭⎫ ⎝⎛-=⎰ 也是完备的.虽然我们很快就要考察抽象空间领域中的其他成就,但下一发展涉及泛函和算子.在刚才引述的对空间L 2的函数引进了距离的1907年的文章中,以及在同年的其他文章中, Frechet 证明了,对于定义在L 2的每一个连续线性泛函U(f),存在L 2中唯一的一个u(x),使得对L 2的每个f 都有⎰=ba dx x u x f f U .)()()( 这推广了Hadamard 1903年得到的一个结果.1909年Riesz 推广了这个结果,用Stieltjes 积分表示U(f),也就是⎰=ba x du x f f U ).()()(Riesz 自己还把这个结果推广到满足下面条件的线性泛函A:对L p 中所有的f)(f A ≤p ba p dx x f M /1)(⎥⎦⎤⎢⎣⎡⎰其中M 只依赖于A .这样,存在L q 中的一个函数a(x),在允许相差一个积分为0的函数的意义下是唯一的,使得对L p 中所有的f(2) ⎰=b a dx x f x a f U .)()()( 这个结果称为Riesz 表示定理。
泛函分析第四讲

Tx M x ,
则称 T是 DT Y 中的有界线性算子.
当 DT X时,称 T 是 X Y 中的有界线性算子.
第二章 泛函分析
第二节 赋范线性空间及Banach空间
二、有界线性算子和连续线性泛函
泛函分析
2.2 赋范线性空间及Banach空间
第二章 泛函分析
一、赋范线性空间
1. 赋范线性空间的定义
定义1 设 X 是复(或实)的线性空间,
如果对于 X 中的每个 x ,对应于一个实数 x ,
且满足 (1) x 0,x 0 x 0;
(2) x x , R 或 C;
(非负性) (齐次性)
第二章 泛函分析
第二节 赋范线性空间及Banach空间
三、线性算子空间和共轭空间
定理5 ƁX Y 按通常的线性运算及算子范数
构成一个赋范线性空间. 证Ax sup Ax
x 1
x 1
x 1
A
(3)A B sup A Bx sup Ax Bx
x D, x 0
第二章 泛函分析
第二节 赋范线性空间及Banach空间
二、有界线性算子和连续线性泛函
定理3 设 X ,Y 是两个赋范线性空间, T : X Y 的线性算子,则T连续的充要条件是 T有界.
证明 必要性 若T连续但无界
xn X,xn 0n 1,2, 使 Txn n xn
令
yn
定理2 设 X ,Y 是两个赋范线性空间,T是定义在 X 的子空间D上而值域含在 Y 中的线性算子,则 T 是有界的充要条件是 T将D中任一有界集映成 Y 中有界集.
证明 必要性
泛函分析讲义(中文版-武汉大学).

则称 d 是 X 上的度量(距离)函数,称 X 为度量(距离)空间.有时为了明确,记为 ( X , d ) .
度量空间的子集合 E ,仍以 d 为 E 上度量构成的度量空间称为 ( X , d ) 的子空间.
例 1 对于 n 维空间Φ n 中的点 x = (x1, , xn ) 和 y = ( y1, , yn ) ,定义
利用 Zorn 引理可以证明: 任一线性空间必存在极大线性无关集合,这一集合即是 X 的 Hamel 基.换句话说,任一线性空间必存在 Hamel 基.
凸集和子空间是线性空间中时常用到的子集. X 的子集 E 称为是凸的,若 ∀x, y ∈ E ,
0 ≤ r ≤ 1 , rx + (1 − r) y ∈ E .对于任一集合 E ⊂ X ,记
容易验证 X 是线性空间. 今后对于有限维空间,无穷序列空间和函数空间将分别采用以上规定的线性运算.许多
在经典分析、代数、复变、实变、微分方程中遇到的空间都是线性空间。 注意:定义 1 与线性代数中关于线性空间的叙述是一致的,但是其内涵要比线性代数中
广泛得多。因为在线性代数中限定所考虑的对象为 n 数组。这一点很重要,例如在线性代数 中有一个结论:任何 n +1 个向量必线性相关。对于现在的空间,这一结论却不必成立。
实际上在Φ
n
上还可以定义其他度量,例如
d1 ( x,
y)
=
max
1≤i≤n
xi
−
yi
,此时 (Φ n , d1) 仍是度
量空间.但须注意应把 (Φ n , d1) 与 (Φ n , d ) 视为不同的度量空间.此外注意今后当说到Φ n 是
度量空间时,总意味着它带有欧氏度量.
第二章-泛函分析初步-修订版_496203655

第二章:泛函分析初步 (Fundamentals on functional)《现代应用数学手册——现代应用分析卷》,《现代应用数学手册》编委会,清华出版社 《数学分析》(第二卷第4版),B.A.卓里奇著,蒋铎等译,高教出版社§2.1 线性空间定义(数域,Number field ):设P 是某些复数构成的集合,包括0元和1元。
如果P 对四则运算封闭,即P 中任意两数的和、差、积、商(除数不为零)仍是P 中的数,则称P 为一个数域。
例如,集合C R Q 、、都是数域,而整数的全体Z 则不是数域。
定义(线性空间,Linear space ):设W ≠∅(W 为非空集合,符号∅代表空集),满足下列两个条件: 第一,W 中的元对“+”构成交换群,即,,W ∀∈X Y Z ,有: ⅰ)W +∈X Y(加法封闭性) ⅱ)()()++=++X Y Z X Y Z (结合律) ⅲ) 0W ∃∈,使0+X X =(存在唯一零元) ⅳ)W ∃-∈X ,使()-+=0X X (存在唯一逆元/负元) ⅴ)+=+X Y Y X(交换律)(满足前2条,构成半群;满足前4条,构成群;满足5条,构成加法交换群,又称为Abel 加群,简称Abel 群。
)第二,,,,W αβ∀∈∀∈X Y P (数域),对数乘(scalar multiplication )封闭,即有:ⅵ)()()W αβαβ=∈X X ⅶ)()αβαβ+=+X X X ⅷ)()ααα+=+X Y X Y ⅸ)⋅1X X =(存在1元)则称W 是数域P 上的线性空间。
加法和数乘统称为集合W 在数域P 上的线性运算(linear operation )。
注1:加法封闭 + 数乘封闭 ⇔ i i W C α∀∈∀∈X ,,则1Ni i i W α=∈∑X 。
关于线性空间,简而言之,规定了非空集合W 在数域P 上的线性运算“+”和“⋅”,则W 、P 、+、⋅ 一起称为一个线性空间,也称作向量空间(vector space ),记作(W ;P ;+,⋅),并把W 中的元称为向量。
泛函分析知识总结

泛函分析知识总结与举例、应用学习泛函分析主要学习了五大主要内容:一、度量空间和赋范线性空间;二、有界线性算子和连续线性泛函;三、内积空间和希尔伯特空间;四、巴拿赫空间中的基本定理;五、线性算子的谱。
本文主要对前面两大内容进行总结、举例、应用。
一、 度量空间和赋范线性空间(一)度量空间度量空间在泛函分析中是最基本的概念,它是n 维欧氏空间n R (有限维空间)的推 广,所以学好它有助于后面知识的学习和理解。
1.度量定义:设X 是一个集合,若对于X 中任意两个元素x ,y,都有唯一确定的实数d(x,y)与之对应,而且这一对应关系满足下列条件:1°d(x,y)≥0 ,d(x,y)=0 ⇔ x=y (非负性)2°d(x,y)= d(y,x) (对称性)3°对∀z ,都有d(x,y)≤d(x,z)+d(z,y) (三点不等式)则称d(x,y)是x 、y 之间的度量或距离(matric 或distance ),称为(X,d)度量空间或距离空间(metric space )。
(这个定义是证明度量空间常用的方法)注意:⑴ 定义在X 中任意两个元素x ,y 确定的实数d(x,y),只要满足1°、2°、3°都称为度量。
这里“度量”这个名称已由现实生活中的意义引申到一般情况,它用来描述X 中两个事物接近的程度,而条件1°、2°、3°被认为是作为一个度量所必须满足的最本质的性质。
⑵ 度量空间中由集合X 和度量函数d 所组成,在同一个集合X 上若有两个不同的度量函数1d 和2d ,则我们认为(X, 1d )和(X, 2d )是两个不同的度量空间。
⑶ 集合X 不一定是数集,也不一定是代数结构。
为直观起见,今后称度量空间(X,d)中的元素为“点” ,例如若x X ∈,则称为“X 中的点” 。
⑷ 在称呼度量空间(X,d)时可以省略度量函数d ,而称“度量空间X ” 。
泛函分析知识总结

泛函分析知识总结与举例、应用学习泛函分析主要学习了五大主要内容:一、度量空间和赋范线性空间;二、有界线性算子和连续线性泛函;三、内积空间和希尔伯特空间;四、巴拿赫空间中的基本定理;五、线性算子的谱。
本文主要对前面两大内容进行总结、举例、应用。
一、 度量空间和赋范线性空间(一)度量空间度量空间在泛函分析中是最基本的概念,它是n 维欧氏空间n R (有限维空间)的推 广,所以学好它有助于后面知识的学习和理解。
1.度量定义:设X 是一个集合,若对于X 中任意两个元素x ,y,都有唯一确定的实数d(x,y)与之对应,而且这一对应关系满足下列条件:1°d(x,y)≥0 ,d(x,y)=0 ⇔ x=y (非负性)2°d(x,y)= d(y,x) (对称性)3°对∀z ,都有d(x,y)≤d(x,z)+d(z,y) (三点不等式)则称d(x,y)是x 、y 之间的度量或距离(matric 或distance ),称为(X,d)度量空间或距离空间(metric space )。
(这个定义是证明度量空间常用的方法)注意:⑴ 定义在X 中任意两个元素x ,y 确定的实数d(x,y),只要满足1°、2°、3°都称为度量。
这里“度量”这个名称已由现实生活中的意义引申到一般情况,它用来描述X 中两个事物接近的程度,而条件1°、2°、3°被认为是作为一个度量所必须满足的最本质的性质。
⑵ 度量空间中由集合X 和度量函数d 所组成,在同一个集合X 上若有两个不同的度量函数1d 和2d ,则我们认为(X, 1d )和(X, 2d )是两个不同的度量空间。
⑶ 集合X 不一定是数集,也不一定是代数结构。
为直观起见,今后称度量空间(X,d)中的元素为“点” ,例如若x X ∈,则称为“X 中的点” 。
⑷ 在称呼度量空间(X,d)时可以省略度量函数d ,而称“度量空间X ” 。
线性算子和线性泛函的最优反演理论

2016年 l2月
D ec.2016
应用教学 计算数学学报
Com munication on Applied M athem atics and Computation
第 30卷 第 4期
VOl_30 N o.4
DOI 10.3969/j.issn.1006—6330.2016.04.001
Optim al recovery of linear functionals and operators
Osipenko K Yu1,2,3
(1.Department of Higher Mathematics,Moscow Aviation Institute(National Research University),Moscow 121552,Russia;
.
m ethods. One of the first exam ple of optimal recovery problems is the problem of the best quadra.
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第二章 线性算子与线性泛函第一节 有界线性算子一、线性算子本段中只需假设,,X Y Z 等是K 上的向量空间。
定义: 若一个映射:T X Y →满足()(,,,)T x y Tx Tyx y X αβαβαβ+=+∈∈K ,则称T 为从X 到Y 的线性算子。
容易看出,上述等式可推广到更一般的情形:()i iiiiiT x Tx αα=∑∑。
命题2.1.1 设:T X Y →是一线性算子,则以下结论成立:(1)任给子空间A X ⊂与子空间B Y ⊂,TA 与1T B -分别为Y 与X 的子空间。
特别,(0)0T =与()R T TX =(值域)是Y 的子空间;1()(0)N T T -是X 的子空间(称为T 的核或零空间)。
(2)若向量组{}i x X ⊂线性相关,则{}i Tx 亦线性相关;若A 是X 的子空间且dim A <∞,则dim dim TA A <。
(3)T 是单射(){0}N T ⇔=。
说明:若0()Tx Y x X ≡∈∈,则称T 为零算子,就记为0;若(),Tx x x X αα≡∈∈K 为常数,则称T 为纯量算子(或相似变换,若0α≠),记作I α,当0α=与1时,I α分别是零算子和单位算子。
对线性算子可定义两种自然的运算:线性运算与乘法。
若,:T S X Y →是线性算子,,αβ∈K ,则:T S X Y αβ+→是一个线性算子,它定义为()().(2.1.2)T S x Tx Sx x X αβαβ+=+∈若:R Y Z →是另一个算子,则由()()().(2.1.3)RT x R Tx x X =∈定义出一个线性算子:RT X Z →,称它为R 与T 的乘积。
实际上,线性算子的乘积就是它们的复合。
容易原子能正验证,如上定义的运算有以下性质:11(),()();R T S RT RS R R T RT R T +=+⎧⎨+=+⎩分配律()();()Q RT QR T =结合律()()(),()RT R T R T αααα==∈K只要以上等式的一端有意义。
若线性算子:T X Y →为双射,则称它为线性同构,此时其逆映射1:T Y X -→亦为线性算子。
T 是线性同构的充要条件是,存在线性算子:S Y X →,使得,(2.1.4)X YST I TS I ==二、有界线性算子定义2.1.2 设:T X Y →是一个线性算子。
令sup /(2.1.5)x T Tx x≠=若T <∞,则称T 为从X 到Y 的有界线性算子,且称T 为T 的算子范数,简称为范数。
若T =∞,则称T 为无界算子。
约定以(,)L X Y 记从X 到Y 的有界线性算子之全体,(,)L X X 简写为()L X 。
注1::T X Y →的有界的等价刻画: (1)0,k x X ∃>∀∈,有;Tx k x ≤或 (2)T 映X 中的有界集为Y 中的有界集。
注2:若(,)T L X Y ∈,则对任给的x X ∈有(2.1.6)Tx T x≤注3:范数定义的几种等价形式 (1)1sup (2.1.7)x T Tx== (2)1sup (2.1.8)x T Tx≤=(3)inf{0:().(2.1.9)T k Tx k x x X =≥≤∀∈例2.1.3 设[,]()J a b a b =<,给定()C J ϕ∈。
定义()()()(,()),Tu x x u x x J u C J ϕ=∈∈T 是从()C J 到自身的线性算子。
求T 。
命题2.1.4 设:T X Y →是一个线性算子,则T 有界T ⇔连续。
推论:(1)T 是拓扑同构T ⇔与1T -皆连续(即T 为同胚); (2)若(,),{}n T L X Y x X ∈⊂,nx∑收敛,则有111()(lim )lim ()lim n n nn k k k n n n n nk k k nT x T x T x Tx Tx →∞→∞→∞=======∑∑∑∑∑。
例2.1.5:设[0,]J π=,在1()C J 与()C J 中均采用sup 范数。
显然1:()(),(2.1.10)dT C J C J u u dx'=→→是一线性算子。
令()sin n u x nx =,则01nu =,而0n u n '=,可见T 是无界算子。
三、有界线性算子的运算与扩张命题2.1.6:(,)L X Y 依算子范数是一个赋范空间;当空间Y 完备时,(,)L X Y 是Banach 空间。
定理 2.1.7(扩张定理):设D 是X 的稠密子空间,(,)T L D Y ∈,Y 完备,则T 可保持范数惟一地扩张到X 上。
若线性算子:T X Y →是单射(即(){0}N T =),则1:()T R T X -→是一确定的线性算子,当它有界时称为T 的有界逆,并说T 有有界逆。
命题2.1.8线性算子:T X Y →有有界逆的充要条件是存在0k >,使得().(2.1.14)Tx k xx X ≥∈。
第二节 常用有界线性算子一、矩阵设,X Y 是有限维赋范空间,dim ,dim ,(,)X n Y m T L X Y ==∈。
分别取X 的基{}j e 与Y 的基{}i ε。
设(1),j ij iiTe a j n ε=≤≤∑则T 完全由矩阵[]m nij A a ⨯=∈K所确定。
若,(,)T S L X Y ∈分别对应矩阵,,,m n A B αβ⨯∈∈K K ,则算子T S αβ+恰好对应矩阵A B αβ+。
这样,线性算子空间(,)L X Y 线性同构于矩阵空间m n ⨯K ,因而对(,)L X Y 的研究可代之以对m n ⨯K 的研究。
任给[]m nij A a ⨯=∈K,依矩阵乘法自然地定义一个线性算子:,,(2.2.1)n m x Ax →→K K其中x 当作1n ⨯阶矩阵。
不妨用同一字母A 表示算子(2.2.1),它也可表成:,(),(),(2.2.1),1,2,,.n m j i i ij j j y Ax x x y y y a x i m ⎧==∈=∈⎪'⎨==⎪⎩∑K K若在n K 中使用范数1(),1,(2.2.2)max ,,p p jj pj jx p xx p ⎧≤<∞⎪=⎨⎪=∞⎩∑则n K 可看作pl 的子空间,只需将()n j x x =∈K 等同于pl 中的元1(,,,0,0,)T n x x 。
通常称范数(2.2.2)为p 范数,采用p 范数的nK 也记作p n l 。
相应地,算子:p p n m A l l →(定义见(2.2.1))的范数记作p A ,即1sup .(2.2.3)p p p x A Ax ≤=p A 也称为A 的p 范数。
命题2.2.1 设[]m nij A a ⨯=∈K,则1max ;(2.2.4)ij jiA a =∑。
1max ;(2.2.5)T ij ijA a A ∞==∑2}j jA λ=是T A A 的特征值的全体。
(2.2.6)以[](,1,2,)ij A a i j ==记一个无穷矩阵,其中ij a ∈K 。
仿照(2.2.1)',形式地定义一个算子x Ax →:,(),(),(2.2.7),1,2,,.j i i ij j j y Ax x x y y y a x i ===⎧⎪⎨==⎪⎩∑仍将式(2.2.7)所定义的算子记作A 。
命题2.2.2 设算子A 定义如式(2.2.7),p A 依式(2.2.3)(但假定其中px l ∈)。
(1)若sup ij jia β<∞∑,则1()A L l ∈且1A β=。
(2)若sup ij ija β<∞∑,则()A L l ∞∈且A β∞=。
(3)若122,()ij i ja β<∞∑,则2()A L l ∈且2A β≤。
二、积分算子设[,]()J a b a b =<,函数(,)K x y 为定义在J J ⨯上的Lebesgue 可测函数。
定义积分算子()(,)()().(2.2.8)baTu x K x y u y dyx J =∈⎰要求上述积分对几乎所有x J ∈存在,函数(,)K x y 称为积分算子T 的核或核函数。
命题2.2.3 设(,)K x y 是J J ⨯上的Lebesgue 可测函数,算子T 依式(2.2.8)定义,约定sup ()xess x ϕϕ∞=(L ∞范数又称为本性上确界)。
1、若sup (,),bay Jess K x y dx β∈<∞⎰则1(())T L L J ∈且T β=。
2、若sup (,),bax Jess K x y dy β∈<∞⎰则(())T L L J ∞∈且T β=。
3、若122((,)),bbaaK x y dxdy β<∞⎰⎰则2(())T L L J ∈且T β≤。
例子 考虑积分算子:()().()(2.2.9)xaTu x u y dy x J =∈⎰取1,,(,)0,,y x K x y y x ≤⎧=⎨>⎩可将(2.2.9)写成(2.2.8)的标准形式。
由命题2.2.3得:1sup ;byy JT ess dx b a ∈==-⎰sup ;xax JTess dy b a ∞∈==-⎰122()bxaaTdx dy ≤=⎰⎰。
命题2.2.4 设(,)K x y 在J J ⨯上连续,积分算子T 定义如式(2.2.8),则(())T L C J ∈,且sup (,).(2.2.10)bax JT K x y dy ∈=⎰下面考虑几个具有特殊形式核的积分算子。
(一)给定函数ϕ,以(,)()K x y x y ϕ=-为核。
此时,积分算子为()()()()(2.2.11)n n RT u x x y u y dyx R ϕϕ=-∈⎰通常将式(2.2.11)右端的积分记作u ϕ*,并称它为函数ϕ与u 的卷积。
算子T ϕ显然是在其有定义的集合上的线性算子,其定义域与性质则取决于ϕ的选择。
命题2.2.5 设1/(1)p q q ≤=-≤∞。
(1)若1()n L ϕ∈R ,则(())p n T L L ϕ∈R ,且1T ϕϕ≤。
(2)若()pnL ϕ∈R ,则((),())q n n b T L L C ϕ∈R R ,且p T ϕϕ≤,此处()()()n n n b C C B =R R R ,采用sup 范数。
(3)若2()nL ϕ∈R ,则2((),())n n b T L L C ϕ∈R R ,且2T ϕϕ≤。
定理的证明需要如下引理:引理 2.2.6 设()(1)p n L p ϕ∈≤<∞R ,()()x y x y ϕϕ=+,则当,0nx x ∈→R 时有0x pϕϕ-→。