赋范向量空间 是配备了范数 的向量空间 ;范数是为每个向量赋予非负大小、并与加法及标量乘法相容的函数。其标量通常取自实数 或复数 。范数给出了距离,从而使收敛性和连续性能够与代数运算一同加以讨论。赋范空间是泛函分析 的基本研究对象,既包括有限维坐标空间,也包括由函数或序列构成的无限维空间。(ocw.mit.edu )
定义与基本性质 设 V V V 是域 F = R \mathbb F=\mathbb R F = R 或 C \mathbb C C 上的向量空间。范数是一个函数
∥ ⋅ ∥ : V ⟶ [ 0 , ∞ ) , \|\cdot\|:V\longrightarrow[0,\infty), ∥ ⋅ ∥ : V ⟶ [ 0 , ∞ ) ,
对任意 x , y ∈ V x,y\in V x , y ∈ V 和标量 α \alpha α ,它满足:
正定性: ∥ x ∥ = 0 \|x\|=0 ∥ x ∥ = 0 当且仅当 x = 0 x=0 x = 0 。
绝对齐次性: ∥ α x ∥ = ∣ α ∣ ∥ x ∥ \|\alpha x\|=|\alpha|\|x\| ∥ α x ∥ = ∣ α ∣∥ x ∥ 。
三角不等式 : ∥ x + y ∥ ≤ ∥ x ∥ + ∥ y ∥ \|x+y\|\leq\|x\|+\|y\| ∥ x + y ∥ ≤ ∥ x ∥ + ∥ y ∥ 。
赋范空间由二元组 ( V , ∥ ⋅ ∥ ) (V,\|\cdot\|) ( V , ∥ ⋅ ∥ ) 确定,而不只是由底层向量空间确定。上述公理蕴含反三角不等式:
∣ ∥ x ∥ − ∥ y ∥ ∣ ≤ ∥ x − y ∥ . \bigl|\|x\|-\|y\|\bigr|\leq\|x-y\|. ∥ x ∥ − ∥ y ∥ ≤ ∥ x − y ∥.
如果放宽正定性要求,允许非零向量的大小为零,那么这样的函数称为半范数 。将半范数为零的向量所构成的子空间商去,就得到一个赋范空间。(live.ocw.mit.edu )
度量与拓扑 每个范数都通过
d ( x , y ) = ∥ x − y ∥ d(x,y)=\|x-y\| d ( x , y ) = ∥ x − y ∥
定义一个度量,使该空间成为度量空间 。这一度量具有平移不变性,并满足 d ( α x , α y ) = ∣ α ∣ d ( x , y ) d(\alpha x,\alpha y)=|\alpha|d(x,y) d ( α x , α y ) = ∣ α ∣ d ( x , y ) 。其开球
B ( x , r ) = { y ∈ V : ∥ y − x ∥ < r } , r > 0 , B(x,r)=\{y\in V:\|y-x\|<r\},\qquad r>0, B ( x , r ) = { y ∈ V : ∥ y − x ∥ < r } , r > 0 ,
生成范数拓扑 :一个子集是开集 ,当且仅当其中每一点都位于某个完全包含在该子集中的开球内。(maths.ox.ac.uk )
当 ∥ x n − x ∥ → 0 \|x_n-x\|\to0 ∥ x n − x ∥ → 0 时,称序列 x n x_n x n 依范数收敛于 x x x 。向量加法和标量乘法在这一拓扑下都是连续的。反三角不等式还表明,范数本身是一个连续的实值函数,而且满足 Lipschitz 常数为 1 的条件。这些事实保证了取极限 与向量空间运算相容。(people.math.harvard.edu )
常见例子 在 F n \mathbb F^n F n 上,常见的范数包括
∥ x ∥ 1 = ∑ j = 1 n ∣ x j ∣ , ∥ x ∥ 2 = ( ∑ j = 1 n ∣ x j ∣ 2 ) 1 / 2 , ∥ x ∥ ∞ = max j ∣ x j ∣ . \|x\|_1=\sum_{j=1}^{n}|x_j|,\qquad \|x\|_2=\left(\sum_{j=1}^{n}|x_j|^2\right)^{1/2}, \qquad \|x\|_\infty=\max_j|x_j|. ∥ x ∥ 1 = j = 1 ∑ n ∣ x j ∣ , ∥ x ∥ 2 = ( j = 1 ∑ n ∣ x j ∣ 2 ) 1/2 , ∥ x ∥ ∞ = j max ∣ x j ∣.
第二个范数诱导欧几里得距离 。这些范数以不同方式衡量同一个向量;在 R 2 \mathbb R^2 R 2 中,它们的单位球依次为菱形、圆盘,以及边与坐标轴平行的正方形。更一般地,当 1 ≤ p < ∞ 1\leq p<\infty 1 ≤ p < ∞ 时,( ∑ j ∣ x j ∣ p ) 1 / p (\sum_j|x_j|^p)^{1/p} ( ∑ j ∣ x j ∣ p ) 1/ p 是一个范数。(maths.ox.ac.uk )
重要的无限维例子包括:
序列空间: ℓ p \ell^p ℓ p 由满足 ∑ j ∣ x j ∣ p < ∞ \sum_j|x_j|^p<\infty ∑ j ∣ x j ∣ p < ∞ 的序列 x = ( x j ) x=(x_j) x = ( x j ) 构成,配备与上式类似的 p p p -范数。空间 ℓ ∞ \ell^\infty ℓ ∞ 由有界序列构成,配备上确界范数。
连续函数: C ( [ a , b ] ) C([a,b]) C ([ a , b ]) 是紧区间上的标量值连续函数 所构成的空间,其范数为 ∥ f ∥ ∞ = max t ∈ [ a , b ] ∣ f ( t ) ∣ \|f\|_\infty=\max_{t\in[a,b]}|f(t)| ∥ f ∥ ∞ = max t ∈ [ a , b ] ∣ f ( t ) ∣ 。
可积函数: Lp空间 在 1 ≤ p < ∞ 1\leq p<\infty 1 ≤ p < ∞ 时使用范数 ∥ f ∥ p = ( ∫ ∣ f ∣ p d μ ) 1 / p \|f\|_p=(\int|f|^p\,d\mu)^{1/p} ∥ f ∥ p = ( ∫ ∣ f ∣ p d μ ) 1/ p 。其元素是按几乎处处 相等这一关系划分的函数等价类,这样便保证了正定性成立。(ocw.mit.edu )
完备性与巴拿赫空间 如果赋范空间中的每个柯西序列 都收敛于该空间中的某个元素,就称该空间是完备的 。完备的赋范空间称为巴拿赫空间 。完备性是一项额外条件,并不能由范数公理推出。配备上述范数的空间 ℓ p \ell^p ℓ p 、L p L^p L p 和 C ( [ a , b ] ) C([a,b]) C ([ a , b ]) 都是巴拿赫空间。(ocw.mit.edu )
作为不完备的例子,可以考虑配备 ℓ 2 \ell^2 ℓ 2 范数的有限支撑序列空间。对序列 ( 2 − j ) j ≥ 1 (2^{-j})_{j\geq1} ( 2 − j ) j ≥ 1 逐次截断,所得序列构成一个柯西序列,但其极限并非有限支撑序列。每个赋范空间都存在完备化:即一个巴拿赫空间,其中包含原空间的一个等距副本,且该副本是稠密 子空间。在保持所嵌入的原空间不变的等距线性同构意义下,这一完备化是唯一的。(ocw.mit.edu )
等价范数与维数 如果存在常数 c , C > 0 c,C>0 c , C > 0 ,使得
c ∥ x ∥ a ≤ ∥ x ∥ b ≤ C ∥ x ∥ a 对所有 x ∈ V 成立 , c\|x\|_a\leq\|x\|_b\leq C\|x\|_a \quad\text{对所有 }x\in V\text{ 成立}, c ∥ x ∥ a ≤ ∥ x ∥ b ≤ C ∥ x ∥ a 对所有 x ∈ V 成立 ,
则称 V V V 上的两个范数等价 。等价范数诱导相同的拓扑,具有相同的收敛序列和柯西序列,因此也保持完备性不变。在维数 有限的空间上,任意两个范数都等价,而且每个有限维赋范空间都是完备的。(people.math.harvard.edu )
这些性质在无限维情形下一般不再成立。在有限支撑序列空间上,∥ ⋅ ∥ 1 \|\cdot\|_1 ∥ ⋅ ∥ 1 和 ∥ ⋅ ∥ ∞ \|\cdot\|_\infty ∥ ⋅ ∥ ∞ 并不等价:一个有 n n n 个分量等于 1、其余分量为零的向量,在这两个范数下的值分别为 n n n 和 1 1 1 。有限维与无限维之间的另一项区别涉及紧性 :赋范空间的闭单位球在范数拓扑下是紧的,当且仅当该空间是有限维的。(maths.ox.ac.uk )
线性算子、子空间与商空间 赋范空间之间的线性映射 T : V → W T:V\to W T : V → W 连续,当且仅当它有界,即存在某个 M ≥ 0 M\geq0 M ≥ 0 ,使得
∥ T x ∥ W ≤ M ∥ x ∥ V . \|Tx\|_W\leq M\|x\|_V. ∥ T x ∥ W ≤ M ∥ x ∥ V .
其算子范数 为
∥ T ∥ = sup ∥ x ∥ V ≤ 1 ∥ T x ∥ W . \|T\|=\sup_{\|x\|_V\leq1}\|Tx\|_W. ∥ T ∥ = ∥ x ∥ V ≤ 1 sup ∥ T x ∥ W .
只要 W W W 是巴拿赫空间,有界线性映射所构成的空间就是巴拿赫空间。特别地,由有界线性泛函 V → F V\to\mathbb F V → F 构成的连续对偶空间 总是巴拿赫空间,即使 V V V 本身并不完备。(ocw.mit.edu )
每个线性子空间 都继承所在空间的范数。巴拿赫空间的子空间完备,当且仅当它是闭的。对于闭子空间 Y ⊆ V Y\subseteq V Y ⊆ V ,商向量空间 配备范数
∥ x + Y ∥ = inf y ∈ Y ∥ x − y ∥ . \|x+Y\|=\inf_{y\in Y}\|x-y\|. ∥ x + Y ∥ = y ∈ Y inf ∥ x − y ∥.
如果 V V V 是巴拿赫空间,那么这个商空间也是巴拿赫空间。(live.ocw.mit.edu )
与内积空间的关系 内积 通过 ∥ x ∥ = ⟨ x , x ⟩ \|x\|=\sqrt{\langle x,x\rangle} ∥ x ∥ = ⟨ x , x ⟩ 诱导范数,但并非每个范数都来自内积。判断范数是否由内积诱导的充要条件是平行四边形恒等式:
∥ x + y ∥ 2 + ∥ x − y ∥ 2 = 2 ∥ x ∥ 2 + 2 ∥ y ∥ 2 . \|x+y\|^2+\|x-y\|^2 =2\|x\|^2+2\|y\|^2. ∥ x + y ∥ 2 + ∥ x − y ∥ 2 = 2∥ x ∥ 2 + 2∥ y ∥ 2 .
当这一恒等式成立时,可以通过极化恒等式恢复唯一的、诱导该范数的内积。完备的内积空间称为希尔伯特空间 ,因此它也是具有这一额外几何结构的巴拿赫空间。(maths.ox.ac.uk )