{
  "id": "hilbert-space",
  "title": "希尔伯特空间",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "希尔伯特空间是完备的内积空间，将欧几里得几何推广到包括无限维序列空间和函数空间在内的情形。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "希尔伯特尔空间",
    "完备内积空间"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/hilbert-space/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/hilbert-space/",
      "json": "https://aiwiki.page/en/hilbert-space.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "希尔伯特空间是配备了内积的向量空间，并且对于该内积所定义的距离是完备的。它将长度、垂直和投影等几何概念，与处理无穷序列和级数所需的收敛性质结合起来。希尔伯特空间既可以是有限维的，也可以是无限维的；其元素可以是坐标向量、序列或函数。它为线性代数与无限维分析之间的联系提供了一个框架。(ocw.mit.edu)"
    },
    {
      "heading": "定义与完备性",
      "text": "希尔伯特空间 \\(H\\) 定义在实数域或复数域上。其内积 \\(\\langle x,y\\rangle\\) 具有正定性和共轭对称性，对一个变量是线性的，对另一个变量是共轭线性的。这里采用对第一个变量线性的约定；许多物理学教材采用相反的约定。由内积诱导的范数和距离为\n\n\\[\\|x\\|=\\sqrt{\\langle x,x\\rangle}, \\qquad d(x,y)=\\|x-y\\|.\\]\n\n完备性意味着，在这一距离下，每个柯西序列都收敛到 \\(H\\) 中的一个元素。因此，当序列中的向量彼此变得任意接近时，其极限向量仍在该空间内。不要求完备性的内积空间通常称为预希尔伯特空间。(ocw.mit.edu)\n\n每个希尔伯特空间都是赋范向量空间，也是完备的度量空间。完备的赋范向量空间称为巴拿赫空间，但并非每个巴拿赫空间的范数都来自内积。由内积诱导的范数满足平行四边形恒等式：\n\n\\[\\|x+y\\|^2+\\|x-y\\|^2=2\\|x\\|^2+2\\|y\\|^2.\\]\n\n反过来，这一恒等式也刻画了由内积诱导的范数。(ocw.mit.edu)"
    },
    {
      "heading": "主要例子",
      "text": "有限维的例子包括 \\(\\mathbb R^n\\) 和 \\(\\mathbb C^n\\)，其内积为\n\n\\[\\langle x,y\\rangle=\\sum_{j=1}^{n}x_j\\overline{y_j}.\\]\n\n这些空间都是完备的。序列空间 \\(\\ell^2\\) 由所有满足\n\n\\[\\sum_{j=1}^{\\infty}|x_j|^2<\\infty\\]\n\n的序列 \\(x=(x_j)_{j\\geq1}\\) 组成，内积由相应的无穷和定义。它是一个基本的无限维例子。(ocw.mit.edu)\n\n在测度论中，空间 \\(L^2(X,\\mu)\\) 由绝对值平方的积分有限的可测函数的等价类组成。其内积为\n\n\\[\\langle f,g\\rangle=\\int_X f\\,\\overline g\\,d\\mu.\\]\n\n几乎处处相等的函数代表同一个元素：这样将它们视为同一元素，保证了范数为零的元素就是零元素。完备性使 \\(L^2\\) 区别于许多更小的内积空间。例如，\\([0,1]\\) 上的连续函数配备 \\(L^2\\) 范数后，并不构成完备空间。(ocw.mit.edu)"
    },
    {
      "heading": "正交性与基",
      "text": "当 \\(\\langle x,y\\rangle=0\\) 时，向量 \\(x\\) 和 \\(y\\) 正交。此时，勾股定理的形式为 \\(\\|x+y\\|^2=\\|x\\|^2+\\|y\\|^2\\)。柯西–施瓦茨不等式\n\n\\[|\\langle x,y\\rangle|\\leq\\|x\\|\\,\\|y\\|\\]\n\n给出了内积的上界，是许多收敛性论证的基础。(ocw.mit.edu)\n\n标准正交基是一个标准正交向量族，其线性包在整个空间中稠密。在可分希尔伯特空间中——即具有可数稠密子集的希尔伯特空间中——可以选取有限或可数无限的标准正交基。对于无限基 \\((e_n)\\)，每个向量都可以展开为\n\n\\[x=\\sum_{n=1}^{\\infty}\\langle x,e_n\\rangle e_n, \\qquad \\|x\\|^2=\\sum_{n=1}^{\\infty}|\\langle x,e_n\\rangle|^2.\\]\n\n该级数按范数收敛，第二个等式称为帕塞瓦尔恒等式。与代数意义上的基（线性代数）不同，标准正交基下的展开通常需要无穷项，而非有限项。这些恒等式是用希尔伯特空间研究傅里叶级数的基础。每个无限维可分希尔伯特空间，都与同一标量域上的 \\(\\ell^2\\) 等距同构。(ocw.mit.edu)"
    },
    {
      "heading": "投影与表示",
      "text": "对于每个闭线性子空间 \\(M\\subseteq H\\)，每个向量 \\(x\\) 都有唯一的分解\n\n\\[x=P_Mx+z,\\qquad P_Mx\\in M,\\quad z\\in M^\\perp.\\]\n\n在所有 \\(m\\in M\\) 中，向量 \\(P_Mx\\) 是使 \\(\\|x-m\\|\\) 取得最小值的唯一向量。这一正交投影定理将作垂线的几何思想推广到了无限维情形。闭性至关重要：非闭子空间不一定包含最近点。(ocw.mit.edu)\n\n里斯表示定理指出，对于每个有界线性泛函 \\(F:H\\to\\mathbb F\\)，都存在唯一的表示向量 \\(y\\)，使得\n\n\\[F(x)=\\langle x,y\\rangle, \\qquad \\|F\\|=\\|y\\|.\\]\n\n该定理将连续对偶空间与希尔伯特空间自身对应起来；在复数情形下，按照这里采用的约定，这一对应是共轭线性的。这两个结果都关键地依赖于完备性。(ocw.mit.edu)"
    },
    {
      "heading": "算子",
      "text": "有界线性映射 \\(T:H\\to H\\) 称为有界线性算子，它具有唯一的伴随算子 \\(T^*\\)，由下式刻画：\n\n\\[\\langle Tx,y\\rangle=\\langle x,T^*y\\rangle.\\]\n\n在有限维情形下，伴随算子的矩阵是 \\(T\\) 的矩阵的共轭转置。自伴算子满足 \\(T=T^*\\)。希尔伯特空间上的算子理论将矩阵方法推广到向量可以是函数、算子可以涉及积分或微分的空间。对于无界算子，必须明确考虑其定义域。(ocw.mit.edu)"
    },
    {
      "heading": "应用",
      "text": "在量子力学中，纯态对应于复希尔伯特空间中的射线：仅相差一个整体相位的归一化向量表示同一个态。粒子的波函数通常属于某个 \\(L^2\\) 空间。可观测量由自伴算子表示，复合系统则使用希尔伯特空间的张量积。内积给出跃迁振幅，其模的平方通过玻恩规则确定概率。(damtp.cam.ac.uk)\n\n在机器学习中，再生核希尔伯特空间是点值求值泛函连续的函数希尔伯特空间。因此，求值可以表示为与某个核函数的内积。这一结构为核方法提供了基础，使得我们能够通过核函数值而非显式坐标，对可能为无限维的特征表示进行计算。并非所有函数希尔伯特空间都具有这一性质。(stat.berkeley.edu)"
    }
  ],
  "links": [
    "inner-product",
    "vector-space",
    "linear-algebra",
    "real-number",
    "complex-number",
    "cauchy-sequence",
    "normed-vector-space",
    "metric-space",
    "banach-space",
    "measure-theory",
    "integral",
    "pythagorean-theorem",
    "linear-span",
    "basis-linear-algebra",
    "fourier-series",
    "linear-subspace",
    "orthogonal-projection",
    "dual-space",
    "linear-map",
    "matrix",
    "quantum-mechanics",
    "wave-function",
    "tensor-product",
    "born-rule",
    "machine-learning",
    "kernel-method"
  ],
  "sources": [
    {
      "title": "ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2021/1Hzb…",
      "url": "https://ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2021/1Hzbdb-O40Iqxf8EOinAVeCFqX4zsdBRy_transcript.pdf"
    },
    {
      "title": "ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2021/8fb8…",
      "url": "https://ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2021/8fb8d5c170f1613151aca71de21027bc_MIT18_102s21_full_lec.pdf"
    },
    {
      "title": "ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2021/1ApG…",
      "url": "https://ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2021/1ApGMxDdxP1zuujMZj0IAUmAe7AJ0RjLY_transcript.pdf"
    },
    {
      "title": "ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2021/reso…",
      "url": "https://ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2021/resources/18102-sp21-lecture-17/"
    },
    {
      "title": "ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2021/1zo9…",
      "url": "https://ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2021/1zo92CHR1WsFdcoZDaBZWKwsWNsQjk5q8_transcript.pdf"
    },
    {
      "title": "damtp.cam.ac.uk/user/tong/qm/qmhtml/S3.html",
      "url": "https://www.damtp.cam.ac.uk/user/tong/qm/qmhtml/S3.html"
    },
    {
      "title": "stat.berkeley.edu/~bartlett/courses/2014spring-cs281bstat241b/lectures/20-notes…",
      "url": "https://www.stat.berkeley.edu/~bartlett/courses/2014spring-cs281bstat241b/lectures/20-notes.pdf"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}