泛函分析学习笔记 Part 1 of 12

第 0 章：泛函分析的主线与记号

在线性代数中，我们求解 \(Ax=b\)，未知量是有限维向量。对于微分方程，未知量却是一整个函数。若我们把函数视作向量，就会得到一个无穷维的线性空间。但是只有线性结构还不够：我们还需要描述误差、收敛和稳定性。

发布于 2026-10-04 1,725 字 · 约 5 分钟

§ 01为什么需要泛函分析

例如，函数列 \(u_n\) 逐点收敛，并不能自动推出

\[ \int u_n\to\int u, \qquad u_n'\to u'. \]

这说明“把函数当作向量”只是第一步。下一步是给空间选择适当的范数或拓扑，使我们关心的运算能够与极限相容。

例 1.1同一组函数，不同的误差观念

在 \(C[0,1]\) 上可以使用

\[ \|u\|_\infty=\max_{[0,1]}|u|, \qquad \|u\|_2=\left(\int_0^1|u|^2\,\mathrm{d}x\right)^{1/2}. \]

前者控制每个点的误差，后者控制整体的平方误差。尖而窄的峰可以有很小的 \(L^2\) 范数，却保持高度为 \(1\)。因此，同一映射在一种范数下连续，在另一种范数下可能不连续。

§ 02三个出发点

2.1 变分问题：为什么会有对偶空间

考虑能量

\[ J(u)=\frac12\int_0^1|u'|^2\,\mathrm{d}x-\int_0^1fu\,\mathrm{d}x. \]

对实值函数，以 \(v\) 为变化方向，有

\[ \left.\frac{\mathrm{d}}{\mathrm{d}t}J(u+tv)\right|_{t=0} =\int_0^1u'v'\,\mathrm{d}x-\int_0^1fv\,\mathrm{d}x. \]

固定 \(u\) 后，右端关于 \(v\) 是线性的。若它还连续，就成为解空间上的有界线性泛函。于是，寻找能量驻点变成寻找一个泛函为零的点。

这也解释了为什么“选择函数空间”会影响方程：端点取值在 \(C[0,1]\) 的一致范数下连续，在 \(L^2\) 上甚至没有对等价类良定义的点值。边界载荷需要比 \(L^2\) 更合适的解空间。

2.2 矩问题：为什么泛函能写成积分

若知道一个未知测度的矩

\[ c_n=\int x^n\,\mathrm{d}\mu(x), \qquad n=0,1,\ldots, \]

就知道了积分对所有多项式的作用：

\[ \Lambda\left(\sum_{k=0}^Na_kx^k\right)=\sum_{k=0}^Na_kc_k. \]

问题变成：这些数是否来自某个测度？测度是否唯一？答案与正性、函数逼近及拓扑密切相关。在紧区间上，多项式稠密，矩能确定所有连续函数的积分；在整条实轴上，情况要复杂得多。

2.3 积分方程：为什么会有谱理论

假设我们把一个边值问题化为

\[ u(x)=\lambda\int K(x,y)u(y)\,\mathrm{d}y+f(x). \]

若积分算子可以沿一组正交方向对角化，方程就可以化为一系列标量方程。这正是谱分解的作用。有限维矩阵提供直觉，但无穷维算子可能没有任何特征向量，也可能有连续谱，因此还需要测度与积分。

§ 03泛函分析中的三个转换

讨论无限维对象时，下列三种方法上的转换会反复出现：

起点	后续视角	解决的困难
有限个数据的逼近	泛函的连续扩张或正性扩张	怎样从有限信息得到无限对象
双线性或半双线性形式	线性算子	怎样自然地定义复合与函数演算
对偶结构	Cauchy 完备性	怎样保证构造出的极限仍在空间里

这些方法各有用途。比如谱定理既需要把标量泛函写成测度，也需要把各个向量对应的测度组织成同一个算子。只记住最终的公式，会丢失两步之间的联系。

§ 04全篇约定

定义 4.1标量与空间

\(\mathbb{F}\) 表示 \(\mathbb{R}\) 或 \(\mathbb{C}\)。\(X,Y\) 常表示赋范空间，\(H,K\) 常表示 Hilbert 空间。

\(\mathcal{B}(X,Y)\) 表示有界线性映射空间，也记为 \(\mathcal L(X,Y)\)；\(\mathcal{B}(X)=\mathcal{B}(X,X)\)，\(X^*=\mathcal{B}(X,\mathbb{F})\)。这里的星号表示连续对偶，并非所有代数线性泛函。

\(\operatorname{Ker}T\)、\(\operatorname{Ran}T\) 分别表示核与像。\(I\) 表示恒等算子，\(D(T)\) 表示无界算子的定义域。

定义 4.2复内积：第一变量共轭线性，第二变量线性

全篇采用以下约定：

\[ \langle \alpha x+\beta y,z\rangle =\overline\alpha\langle x,z\rangle+\overline\beta\langle y,z\rangle, \]

\[ \langle x,\alpha y+\beta z\rangle =\alpha\langle x,y\rangle+\beta\langle x,z\rangle. \]

因此 \(L^2\) 的内积为 \(\langle f,g\rangle=\int\overline f g\,\mathrm{d}\mu\)，正交展开为 \(x=\sum_j\langle e_j,x\rangle e_j\)，有界线性泛函表示为 \(f(x)=\langle y,x\rangle\)。

伴随关系写作 \(\langle Tx,y\rangle=\langle x,T^*y\rangle\)。对偶配对则写作 \(f(x)\) 或 \(\langle f,x\rangle_{X^*,X}\)，避免与内积混淆。

积分与等价类

\(L^p\) 中的元素是几乎处处相等的可测函数的等价类。\(\ell^p\) 是数列空间，\(C(K)\) 是紧空间 \(K\) 上的连续函数空间。

\(C_c^\infty(\Omega)\) 是紧支撑光滑函数空间，\(H^1(\Omega)\) 是函数及一阶弱导数均属于 \(L^2\) 的空间，\(H_0^1\) 是 \(C_c^\infty\) 在 \(H^1\) 中的闭包。相关定义在第七、八章使用时再展开。

§ 05条件、反例与稳定估计

完备性保证 Cauchy 极限存在于原空间，闭性保证已有的极限留在允许的集合中，稳定估计控制右端误差如何传递到解。这些条件分别承担不同的作用。

例如“闭子空间有正交投影”里的闭性并不是排版时附上的条件。它保证最小化序列的极限仍在子空间里；没有闭性，最佳逼近可能根本不存在。第三章会把这件事完整证明出来。

每章先从具体问题建立直觉，再按主题给出带编号的定义与结果。阅读证明时，可以逐步核对三件事：构造的对象是否良定义，使用的估计是否对整个逼近族统一成立，取极限后是否仍属于所需空间或定义域。证明框中的编号与紧邻的结果一致，便于往返检查条件。

习题 5.1点值为什么不能由 \(L^2\) 误差控制

构造连续函数 \(u_n\)，使 \(u_n(0)=1\)，但 \(\|u_n\|_2\to0\)。据此证明 \(u\mapsto u(0)\) 在 \(C[0,1]\) 的 \(L^2\) 范数下不连续。

解

取 \(u_n(x)=\max\{1-nx,0\}\)。则

\[ \|u_n\|_2^2=\int_0^{1/n}(1-nx)^2\,\mathrm{d}x=\frac1{3n}. \]

若点值泛函连续，应存在 \(C\) 使 \(|u(0)|\le C\|u\|_2\)。代入 \(u_n\) 得 \(1\le C/\sqrt{3n}\)，矛盾。

返回目录

完