[PeterDLax著泛函分析习题参考解答]第6章 Hilbert 空间

简介: 1. 证明满足 (6) 的范数可以由一个内积诱导出来. 这个结论属于 von Neumann.   证明: 以实线性空间为例, 取内积 $$\bex \sex{x,y}=\cfrac{1}{4}[\sen{x+y}^2-\sen{x-y}^2], \eex$$ 则 $\sex{x,y}$ 为内积, 且 $\sex{x,x}^\frac{1}{2}=\sen{x}$.

1. 证明满足 (6) 的范数可以由一个内积诱导出来. 这个结论属于 von Neumann.

 

证明: 以实线性空间为例, 取内积 $$\bex \sex{x,y}=\cfrac{1}{4}[\sen{x+y}^2-\sen{x-y}^2], \eex$$ 则 $\sex{x,y}$ 为内积, 且 $\sex{x,x}^\frac{1}{2}=\sen{x}$.

 

2. 证明内积连续地依赖于它的因子, 即若 $x_n\to x$, $y_n\to y$ (这意味着 $\sen{x_n-x}\to 0$, $\sen{y_n-y}\to 0$), 则 $(x_n,y_n)\to (x,y)$.

 

证明: $$\beex \bea \sev{(x_n,y_n)-(x,y)} &\leq \sev{(x_n,y_n-y)}+\sev{(x_n-x,y)}\\ &\leq \sen{x_n}\cdot \sen{y_n-y} +\sen{x_n-x}\cdot \sen{y}\\ &\leq \max\sed{\max_n \sen{x_n},\sen{y}}\cdot \sez{\sen{y_n-y}+\sen{x_n-x}}. \eea \eeex$$

 

3. 证明 $\ell^2$ 是完备的内积空间.

 

证明: $\ell^2$ 的完备性已然在 Page 31 (b) 中说明.

 

4. 证明引理 5.

 

证明: (i) 设 $l$ 是线性空间 $X$ 上的非零线性泛函, $$\bex N_l=\sed{x\in X;\ l(x)=0}. \eex$$ 取 $y\in X$ 使得 $l(y)\neq 0$, 则 $$\bee\label{6_4_sum} X=N_l\oplus \span\sed{y}. \eee$$事实上, 显然 $N_l\cap \span\sed{y}=\sed{0}$, $$\bex x=\sez{x-\cfrac{l(x)}{l(y)}y}+\cfrac{l(x)}{l(y)}y\in N_l+\span\sed{y}. \eex$$ 由 \eqref{6_4_sum}, 第 2 章习题 8 即知 $$\bex \codim N_l=1. \eex$$ (ii) 若 $l,m$ 中某一为零泛函, 则显然结论成立, 不然, $$\bex N\equiv N_l=N_m,\quad \codim N=1. \eex$$ 取 $y\in X$ 使得 $l(y)\neq0$, 则 $m(y)\neq 0$, 设 $$\bex l(y)=c_1\cdot m(y), \eex$$ 则 $$\beex \bea l(n+ky)&=k\cdot l(y)\quad\sex{\forall\ n\in N,\ \forall\ k}\\ &=k\cdot c_1\cdot m(y)\\ &=c_1\cdot m(ky)\\ &=c_1\cdot m(n+ky). \eea \eeex$$ (iii) 设 $N_l\ni x_n\to x$, 则由 $l$ 的连续性, $$\bex l(x_n)=0\ra l(x)=0\ra x\in N_l. \eex$$

 

5. 证明一个集合的闭线性张是它的线性张的闭包.

 

证明: 设 $S$ 是一个集合, 一方面, $S$ 的线性张的闭包 $W$ 是闭线性子空间 (Page 30 定理 2); 另一方面, 任一包含 $S$ 的闭线性子空间均包含 $W$. 故有结论.

 

6. 证明引理 8.

 

证明: 由 $\dps{\sum|a_j|^2<\infty}$ 知 $\forall\ k$, $\sed{j; |a_j|>1/k}$ 均为有限集, 而 $\sed{j; a_j\neq 0}$ 是可数的. 故 (27) 为可数和 $\dps{x=\vsm{j}a_jx_j}$. 又由 $$\beex \bea \sev{\sum_{j=k}^l a_jx_j}^2&=\sex{\sum_{j=k}^l a_jx_j,\sum_{j=k}^l a_jx_j}\\ &=\sum_{j=k}^l |a_j|^2\\ &\to 0\quad\sex{k\to\infty} \eea \eeex$$ 及 $H$ 完备知 $\dps{\vsm{j}a_jx_j}$ 是收敛的. 据内积的连续性易知 $$\bex \sen{x}^2=\sex{x,x}=\vsm{j}|a_j|^2,\quad a_j=(x,x_j). \eex$$ 记 $$\bex Y=\sed{x=\vsm{j}a_jx_j;\ \vsm{j}|a_j|^2<\infty,\ \sed{x_j}\mbox{ 为任一可数的标准正交子集}}, \eex$$ 则由定理 7 知 $Y$ 为 $\sed{x_j}$ 的闭线性包.

 

7. 证明定理 $9'$.

 

证明: 取 $$\bex \ba{ll} z_1=x_1,&y_1=\cfrac{z_1}{\sen{z_1}},\\ z_2=x_2-(x_2,y_1)y_1,&y_2=\cfrac{z_2}{\sen{z_2}},\\ \cdots,&\cdots,\\ z_n=x_n-\sum_{j=1}^{n-1}(x_n,y_j)y_j,&y_n=\cfrac{z_n}{\sen{z_n}} \ea \eex$$ 即可.

 

8. 设 $H$ 是一个 Hilbert 空间. 证明 $H$ 的任意两个标准正交基的基数相同.

 

证明: 设 $\sed{x_j}$, $\sed{y_k}$ 为 $H$ 的两个标准正交基, 则 $$\bex x=\sum a_jx_j=\sum b_ky_k, \eex$$ 其中 $$\bex \sum |a_j|^2<\infty,\quad\sum |b_k|^2<\infty,\quad a_j=(x,x_j),\quad b_k=(x,y_k). \eex$$ 特别地, $$\bex y_k=\sum (y_k,x_j)x_j,\quad x_j=\sum (x_j,y_k)y_k. \eex$$ 这样, $$\bex y_k\mapsto \sed{(y_k,x_j)}_j,\quad x_j\mapsto \sed{(x_j,y_k)}_k \eex$$ 定义了 $\sed{y_k}_k$ 到 $\sed{(y_k,x_j)}_{k,j}$, $\sed{x_j}_j$ 到 $\sed{(x_j,y_k)}_{j,k}$ 的双射. 又由 $$\bex \overline{(y_k,x_j)}=(x_j,y_k) \eex$$ 给出了 $\sed{(y_k,x_j)}_{k,j}$ 与 $\sed{(x_j,y_k)}_{j,k}$ 之间的双射. 而存在 $\sed{y_k}_k$ 与 $\sed{x_j}_j$ 之间的双射, 它们的基数是相同的.

 

9. 证明定理 10.

 

证明: 设 ${\bf M}: x\to y$. 则 $$\bex \sen{{\bf M} x}^2=\sen{y}^2=\sum |a_j|^2=\sen{x}^2. \eex$$ 于是 ${\bf M}$ 为等距. 另外, 设 ${\bf A}:H\to H$ 是等距, $\sed{x_j}$ 为 $H$ 的一个标准正交基, 则由等距的性质, $\sed{{\bf A} x_j}$ 也为 $H$的一个标准正交基.这样, $$\bex {\bf A}:\quad H\ni x=\sum a_jx_j\mapsto {\bf A} x=\sum a_j({\bf A} x_j)\in H. \eex$$ 注意: 按照习题 6 的证明, 上述求和其实是可数求和.

 

10. 证明, 每个可分的无限维 Hilbert 控股你就按都同构于空间 $\ell^2$, 其中 $\ell^2$ 是由满足 $$\bex \sen{x}^2=\sum |a_j|^2<\infty \eex$$ 的向量 $x=(a_1,a_2,\cdots)$ 构成的线性空间.

 

证明: 取定 $H$ 的一个标准正交基 $\sed{x_j}_{j=1}^\infty$, 则 $$\bex H\ni \vsm{j}a_jx_j\mapsto \sed{a_j}\in \ell^2 \eex$$ 给出了一个等距同构.

 

错误指出:

 

Page 48, 第 4 行, $u$ 前面加上非零两字.

目录
相关文章
|
8天前
|
人工智能 JSON 安全
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
阿里云AI安全产品联动防御Fastjson攻击
2187 12
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
|
8天前
|
云安全 人工智能 安全
|
8天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max-Preview深度全解析:2.4万亿参数旗舰MoE模型+Token Plan限时优惠完整落地指南
2026年7月,全新旗舰级混合专家大模型Qwen3.8-Max-Preview正式开放抢先体验,作为通义千问Qwen3系列规格最高、综合推理能力顶尖的新一代模型,该模型总参数量达到2.4万亿(2.4T),是当前线上可调用的原生多模态旗舰模型,综合推理水准对标海外顶级Fable 5模型,在复杂工程开发、长文档深度分析、多步骤智能体自治、跨境多语言创作、海量数据挖掘五大高难度业务场景实现跨越式性能提升。
984 1
|
10天前
|
人工智能
Qwen3.8抢先体验!正式版即将发布并开源!
千问Qwen3.8即将开源,参数达2.4T,进化速度以“天”计,实力媲美Fable 5。预览版Qwen3.8-Max已上线阿里Token Plan等平台,限时优惠:日间Credits低至1折,夜间更优,个人/团队版月付仅35元起!
986 44
|
8天前
|
人工智能 自然语言处理 数据挖掘
最新版通义千问(Qwen3.8-Max-Preview)功能介绍
2026年,通义千问正式推出全新旗舰级大模型 **Qwen3.8-Max-Preview 预览版**,作为首款突破万亿参数规格的新一代基座模型,该模型总参数量达到**2.4万亿**,采用全新迭代的MoE混合专家架构,综合推理性能、长文本处理、多模态理解、复杂任务规划能力全面超越前代Qwen3.7-Max版本,整体实力跻身全球第一梯队,可对标海外顶级旗舰模型,是当前面向复杂工程开发、多智能体协同、超长文档解析、专业办公自动化场景的最优国产基座模型。
990 0
|
6天前
|
自然语言处理 测试技术 API
通义千问Qwen3.8-Max-Preview全功能解析:2.4万亿参数旗舰模型深度使用指南
在大模型技术持续迭代的当下,通义千问推出的Qwen3.8-Max-Preview作为新一代旗舰预览版模型,凭借2.4万亿参数的超大规模、多模态融合能力与全场景适配特性,成为开发者与企业用户探索AI应用的核心工具。该模型采用稀疏混合专家(MoE)架构,是通义千问首个突破万亿参数的多模态模型,可同时处理文本、图像、视频与文档等多种数据形态,在全栈代码开发、复杂逻辑推理、长文档分析与多智能体协作等场景实现跨越式升级。本文将全面拆解Qwen3.8-Max-Preview的核心功能,详解API调用流程与配置方法,覆盖多场景实战技巧,帮助用户快速掌握这款旗舰模型的使用方法,充分释放其性能潜力。
478 1
|
9天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南
Qwen3.8-Max-Preview是通义千问Qwen3系列旗舰MoE大模型,参数达2.4万亿,综合推理能力居行业第一梯队。支持思考/快速双模式,擅长大模型五大高难场景。现于阿里云百炼Token Plan、Qoder及QoderWork上线体验,个人版低至39元/月。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
689 1
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南