坐标化三件套：把抽象 Hilbert 空间搬到 ${\ell }^2$

一句话：想把一个抽象的 Hilbert 空间 $H$ 等距搬到序列空间 ${\ell }^2$，永远是「基 → 展开系数」。 三件套分工： 1. ONB（标准正交基）——先有一组"坐标轴"； 2. 系数映射 $U:x\mapsto (⟨x,e_n⟩{)}_n$——把向量写成它在各轴上的坐标； 3. Parseval + Riesz–Fischer——Parseval 管「等距 + 单射」，Riesz–Fischer 管「满射」。

记住这对分工，"可分 $\cong {\ell }^2$"一类题基本就是填空。本文先把流程与每一步的"为什么"讲透，再给一组分级练习（解答附在最后，建议先自己做）。

〇、记号与约定

• $H$：（复或实）Hilbert 空间，内积 $⟨\cdot ,\cdot ⟩$，范数 $\Vert x\Vert =\sqrt{⟨x,x⟩}$。
• 内积约定：对第一变元线性、第二变元共轭线性（即 $⟨\lambda x,y⟩=\lambda ⟨x,y⟩$，$⟨x,\lambda y⟩=\bar{\lambda }⟨x,y⟩$）。这条约定决定了系数取 $⟨x,e_n⟩$ 时 $U$ 自动线性，务必固定一种约定。
• 标准正交系（orthonormal system）：$⟨e_m,e_n⟩={\delta }_{mn}$ 的一组向量。
• 标准正交基 / ONB（orthonormal basis）：张成稠密（$\overline{\mathrm{span}}\{e_n\}=H$）的标准正交系。注意：ONB ≠ 代数基（Hamel 基），它允许"无穷线性组合"（级数）。
• ${\ell }^2$：平方可和序列 $(c_n)$，$\Vert (c_n){\Vert }^2={\sum }_n|c_n{|}^2<\infty$，本身是 Hilbert 空间。
• 等距同构（isometric isomorphism）：线性、双射、且保范 $\Vert Ux\Vert =\Vert x\Vert$ 的映射。两个 Hilbert 空间等距同构意味着它们"作为 Hilbert 空间完全一样"。

一、流程详解：三步走

第 0 步（前置）：确认有可数 ONB —— 这一步用到"可分"

整套流程要落到 ${\ell }^2$（下标是 $\mathbb{N}$，可数），前提是 $H$ 有一组可数 ONB。

关键事实：$H$ 可分 $⟺$ $H$ 有 ONB，且该 ONB 为有限或可数无穷。

• 怎么造：取可数稠密子集 $\{v_k\}$，做 Gram–Schmidt 正交化（途中扔掉线性相关项），得到标准正交系 $\{e_n\}$，其 $\mathrm{span}$ 包含 $\{v_k\}$ 故稠密——于是它是 ONB。
• "可分"这个词在 Hilbert 空间里几乎只有这一个用途：保证基是可数的，从而能映到 ${\ell }^2$（而不是更大的 ${\ell }^2(\Gamma )$）。看到"可分"就翻译成"可数 ONB"。
• 维数提醒：若 $H$ 有限维（$\dim =N$），ONB 只有 $N$ 个，得到 $H\cong {\mathbb{C}}^N={\ell }_N^2$，它与无穷维 ${\ell }^2$ 不等距同构。所以"可分无穷维 $\cong {\ell }^2$"里"无穷维"这三个字不能省。

第 1 步：定义系数映射 $U$

$$U:H\to {\ell }^2,Ux=(⟨x,e_n⟩{)}_{n\ge 1}.$$

每个分量 $⟨x,e_n⟩$ 叫 $x$ 的第 $n$ 个 Fourier 系数（抽象意义）。$U$ 的线性是显然的——因为内积对第一变元线性： $$⟨\alpha x+\beta y,e_n⟩=\alpha ⟨x,e_n⟩+\beta ⟨y,e_n⟩.$$

第 2 步：Parseval ⟹ 良定义 + 等距 + 单射

Parseval 恒等式（ONB 的定义性质）：对一切 $x\in H$， $$\Vert x{\Vert }^2=\sum _n|⟨x,e_n⟩{|}^2.$$

它一口气给三件事： 1. 良定义：右端有限 $\Rightarrow Ux=(⟨x,e_n⟩)\in {\ell }^2$（确实落在 ${\ell }^2$ 里）； 2. 等距：$\Vert Ux{\Vert }_{{\ell }^2}^2=\sum |⟨x,e_n⟩{|}^2=\Vert x{\Vert }^2$，即 $\Vert Ux\Vert =\Vert x\Vert$； 3. 单射：等距自动单射——$Ux=0\Rightarrow \Vert x\Vert =\Vert Ux\Vert =0\Rightarrow x=0$。

比 Parseval 弱、对任意标准正交系（不必完备）都成立的是 Bessel 不等式 $\sum |⟨x,e_n⟩{|}^2\le \Vert x{\Vert }^2$。Bessel（$\le$）升级为 Parseval（$=$）的充要条件恰是"这组系完备"（即是 ONB）。这正是"为什么必须是 ONB 而不只是正交系"的根。

第 3 步：Riesz–Fischer ⟹ 满射

Riesz–Fischer 定理：对任意 $(c_n)\in {\ell }^2$，级数 ${\sum }_n{c}_n{e}_n$ 在 $H$ 中收敛。

证满射就靠它：任取 $(c_n)\in {\ell }^2$，令 $x={\sum }_n{c}_n{e}_n\in H$，则 $$⟨x,e_k⟩=⟨\sum _n{c}_n{e}_n,e_k⟩=c_k(\text{内积连续，逐项取；详见 C1 附注}),$$ 即 $Ux=(c_n)$。故 $U$ 满射。

Riesz–Fischer 为什么成立（这一步用 $H$ 完备）：部分和 $s_N={\sum }_{n\le N}{c}_n{e}_n$ 满足 $$\Vert s_N-s_M{\Vert }^2=\sum _{M<n\le N}|c_n{|}^2\underset{N>M\to \infty }{\to }0(\text{因 }(c_n)\in {\ell }^2),$$ 故 $\{s_N\}$ 是 Cauchy 列，由 $H$ 完备收敛。

收尾

$U$ 线性（第 1 步）+ 等距、单射（第 2 步）+ 满射（第 3 步）$\Rightarrow$ $U$ 是等距同构，$H\cong {\ell }^2$。$■$

二、把三件套画成一张流程图

        可分(+无穷维)
            │  Gram–Schmidt
            ▼
   ┌──────────────────┐
   │ 第0步：可数 ONB {eₙ} │   ← "可分"唯一的用处：保证基可数
   └──────────────────┘
            │
            ▼  定义坐标
   ┌──────────────────────────────┐
   │ 第1步：U x = (⟨x,eₙ⟩)ₙ   （线性，内积第一变元线性）│
   └──────────────────────────────┘
            │
      ┌─────┴───────────────┐
      ▼                     ▼
 ┌───────────┐        ┌─────────────┐
 │第2步 Parseval│        │第3步 Riesz–Fischer│
 │ ‖x‖²=Σ|⟨x,eₙ⟩|²│        │(cₙ)∈ℓ² ⟹ Σcₙeₙ 收敛│
 │ ⟹ 良定义/等距/单射│        │ ⟹ 满射 (用 H 完备)│
 └───────────┘        └─────────────┘
      └─────────┬───────────┘
                ▼
        U 线性+等距+双射 = 等距同构
                H ≅ ℓ²

三、常见陷阱（阅卷高频扣分点）

1. 把"标准正交系"当成"ONB"用：只有完备（张成稠密）的系才有 Parseval（等号）；一般正交系只有 Bessel（不等号）。Parseval 的等号 = 完备性的化身，用之前要先说清 $\{e_n\}$ 是 ONB。
2. 漏掉"可分 ⟹ 可数"这一步：直接说"取 ONB 映到 ${\ell }^2$"而不交代基为何可数，是丢分点。可分正是用在这里。
3. 有限维硬塞进无穷维 ${\ell }^2$：${\mathbb{C}}^N\ncong {\ell }^2$。题目说"可分无穷维"才落到无穷维 ${\ell }^2$。
4. 满射不证收敛：$\sum c_n{e}_n$ 收敛不是显然的，必须用 $(c_n)\in {\ell }^2$ 给 Cauchy + $H$ 完备。这是 Riesz–Fischer 的核心，省不得。
5. 内积约定不一致：系数取 $⟨x,e_n⟩$ 还是 $⟨e_n,x⟩$、线性在第几个变元——开头固定一种，全程别换，否则 $U$ 的线性会"看起来"出问题。

四、练习题（先自己做，解答见第五节）

难度递增：W = 热身（搭骨架），C = 核心（三件套的零件），A = 应用（组装/变形）。 每题给一句思路提示，对应三件套的哪一环。

W1（系数 = 内积；有限 Parseval）

设 $\{e_1,\dots ,e_N\}$ 是 $H$ 的标准正交系，$x={\sum }_{k=1}^N{a}_k{e}_k$。证明： (a) $⟨x,e_j⟩=a_j$；(b) $\Vert x{\Vert }^2={\sum }_{k=1}^N|a_k{|}^2$。

提示：直接用 $⟨e_m,e_n⟩={\delta }_{mn}$ 展开。这是"系数映射"在有限维的原型。

W2（Bessel 不等式 —— Parseval 的前身）

设 $\{e_n{\}}_{n\ge 1}$ 是标准正交系（不必完备）。证明对任意 $x\in H$， $$\sum _{n=1}^{\infty }|⟨x,e_n⟩{|}^2\le \Vert x{\Vert }^2.$$

提示：考虑部分和 $s_N={\sum }_{n\le N}⟨x,e_n⟩e_n$，展开 $\Vert x-s_N{\Vert }^2\ge 0$。

C1（Riesz–Fischer 的收敛 —— 满射引擎）

设 $\{e_n\}$ 是标准正交系，$(c_n)\in {\ell }^2$。证明 ${\sum }_n{c}_n{e}_n$ 在 $H$ 中收敛。

提示：证部分和是 Cauchy 列（算 $\Vert s_N-s_M{\Vert }^2$），再用 $H$ 完备。

C2（完备性的三等价 —— 何时 Bessel 升级为 Parseval）

设 $\{e_n\}$ 是标准正交系。证明以下等价： (i) $\{e_n\}$ 是 ONB（$\overline{\mathrm{span}}\{e_n\}=H$）； (ii) Parseval $\Vert x{\Vert }^2=\sum |⟨x,e_n⟩{|}^2$ 对一切 $x$ 成立； (iii) 若 $⟨x,e_n⟩=0$ 对一切 $n$，则 $x=0$。

提示：(i)⟹(ii) 用"$s_N$ 是到 $\mathrm{span}\{e_1..e_N\}$ 的最佳逼近 + 稠密"；(ii)⟹(iii) 代入；(iii)⟹(i) 用投影定理找 $\perp$ 向量。

A1（主定理：可分无穷维 $\cong {\ell }^2$）

设 $H$ 是可分无穷维 Hilbert 空间。证明存在等距同构 $U:H\to {\ell }^2$。

提示：把第 0–3 步组装。Gram–Schmidt 造 ONB → $Ux=(⟨x,e_n⟩)$ → Parseval 等距单射 → Riesz–Fischer 满射。

A2（两个可分无穷维 Hilbert 空间彼此同构）

设 $H_1,H_2$ 都是可分无穷维 Hilbert 空间。证明 $H_1\cong H_2$（等距同构）。

提示：别重证一遍，直接复合 A1：$H_1\cong {\ell }^2\cong H_2$，等距同构的逆与复合仍是等距同构。

A3（具体版：Fourier 系数映射）

在 $L^2([-\pi ,\pi ])$ 上，$\{e_n(t)=e^{int}/\sqrt{2\pi }{\}}_{n\in \mathbb{Z}}$ 是 ONB（可直接引用）。记 $\hat{f}(n)=⟨f,e_n⟩$。 (a) 写出 Parseval 给出的 $\Vert f{\Vert }_{L^2}^2$ 的级数表达； (b) 说明 $f\mapsto (\hat{f}(n){)}_{n\in \mathbb{Z}}$ 是 $L^2([-\pi ,\pi ])\to {\ell }^2(\mathbb{Z})$ 的等距同构。

提示：这就是三件套的"实例代入"，下标集换成 $\mathbb{Z}$（可数即可）。

A4（变形：把 ONB 映到 ONB 的线性映射是酉的）

设 $\{e_n\}$ 是 $H$ 的 ONB，$\{f_n\}$ 是 $K$ 的 ONB（$H,K$ 同为可分无穷维 Hilbert 空间）。定义 $U$ 由 $U{e}_n=f_n$ 线性延拓（即 $U(\sum c_n{e}_n)=\sum c_n{f}_n$）。证明 $U$ 是 $H\to K$ 的等距同构。

提示：对 $x=\sum ⟨x,e_n⟩e_n$，算 $\Vert Ux{\Vert }^2$ 用 $\{f_n\}$ 的 Parseval；满射用 $\{f_n\}$ 张成稠密 + 等距像闭。这题说明："ONB↔ONB 的对应"天然给出酉等价。

五、参考解答

W1 解

(a) $⟨x,e_j⟩=⟨\sum _{k=1}^N{a}_k{e}_k,e_j⟩=\sum _{k=1}^N{a}_k⟨e_k,e_j⟩=\sum _{k=1}^N{a}_k{\delta }_{kj}=a_j.$ (b) $\Vert x{\Vert }^2=⟨\sum _k{a}_k{e}_k,\sum _m{a}_m{e}_m⟩=\sum _{k,m}{a}_k{\bar{a}}_m⟨e_k,e_m⟩=\sum _{k,m}{a}_k{\bar{a}}_m{\delta }_{km}=\sum _{k=1}^N|a_k{|}^2.$ $■$

这就是"系数映射 + Parseval"在有限维的原型：$x\leftrightarrow (a_1,\dots ,a_N)$ 保范，$H_{\text{fin}}\cong {\mathbb{C}}^N$。

W2 解（Bessel）

记 $s_N={\sum }_{n=1}^N⟨x,e_n⟩e_n$。展开（注意第二变元共轭线性）： $$⟨x,s_N⟩=\sum _{n\le N}\overline{⟨x,e_n⟩}⟨x,e_n⟩=\sum _{n\le N}|⟨x,e_n⟩{|}^2,$$ $$\Vert s_N{\Vert }^2=\sum _{n,m\le N}⟨x,e_n⟩\overline{⟨x,e_m⟩}⟨e_n,e_m⟩=\sum _{n\le N}|⟨x,e_n⟩{|}^2.$$ 于是 $$0\le \Vert x-s_N{\Vert }^2=\Vert x{\Vert }^2-2\mathrm{Re}⟨x,s_N⟩+\Vert s_N{\Vert }^2=\Vert x{\Vert }^2-\sum _{n\le N}|⟨x,e_n⟩{|}^2.$$ 即 ${\sum }_{n\le N}|⟨x,e_n⟩{|}^2\le \Vert x{\Vert }^2$ 对所有 $N$；令 $N\to \infty$ 得 Bessel。$■$

关键观察：上式还顺带说明 $\Vert x-s_N{\Vert }^2=\Vert x{\Vert }^2-{\sum }_{n\le N}|⟨x,e_n⟩{|}^2$。当 $\{e_n\}$ 是 ONB（$s_N\to x$）时左端 $\to 0$，立刻升级成 Parseval——这正是 C2 里 (i)⟹(ii) 的引擎。

C1 解（Riesz–Fischer 收敛）

记 $s_N={\sum }_{n\le N}{c}_n{e}_n$。对 $N>M$，由正交性 $$\Vert s_N-s_M{\Vert }^2=\Vert \sum _{M<n\le N}{c}_n{e}_n{\Vert }^2=\sum _{M<n\le N}|c_n{|}^2.$$ 因 $(c_n)\in {\ell }^2$，级数 $\sum |c_n{|}^2$ 收敛，其尾和 $\to 0$，故上式 $\to 0$，即 $\{s_N\}$ 是 Cauchy 列。由 $H$ 完备，$s_N$ 收敛到某 $x\in H$，即 ${\sum }_n{c}_n{e}_n=x$ 收敛。$■$

附带：由内积连续，$⟨x,e_k⟩={\lim }_N⟨s_N,e_k⟩={\lim }_N{\sum }_{n\le N}{c}_n⟨e_n,e_k⟩=c_k$。这一句是 A1 里"$Ux=(c_n)$"的依据。

C2 解（三等价）

(i)⟹(ii)： 由 W2 的恒等式，$\Vert x-s_N{\Vert }^2=\Vert x{\Vert }^2-{\sum }_{n\le N}|⟨x,e_n⟩{|}^2$，故只需证 $s_N\to x$。注意 $s_N$ 是 $x$ 到 $\mathrm{span}\{e_1,\dots ,e_N\}$ 的正交投影（因 $x-s_N\perp e_1,\dots ,e_N$），从而是该子空间里对 $x$ 的最佳逼近。给定 $\epsilon >0$，由 (i) 张成稠密，存在有限组合 $y={\sum }_{n\le M}{b}_n{e}_n$ 使 $\Vert x-y\Vert <\epsilon$。当 $N\ge M$ 时 $y\in \mathrm{span}\{e_1,\dots ,e_N\}$，故 $\Vert x-s_N\Vert \le \Vert x-y\Vert <\epsilon$。于是 $s_N\to x$，代入得 Parseval。

(ii)⟹(iii)： 若 $⟨x,e_n⟩=0$ 对一切 $n$，则 $\Vert x{\Vert }^2={\sum }_{n}0=0$，故 $x=0$。

(iii)⟹(i)： 设 $M=\overline{\mathrm{span}}\{e_n\}$。若 $M\ne H$，$M$ 是闭真子空间，由投影定理 $H=M\oplus M^{\perp }$ 且 $M^{\perp }\ne \{0\}$，取 $0\ne z\in M^{\perp }$，则 $⟨z,e_n⟩=0$ 对一切 $n$；由 (iii) $z=0$，矛盾。故 $M=H$，即 $\{e_n\}$ 是 ONB。$■$

这三条是"$\{e_n\}$ 够不够格当坐标轴"的等价检验。(iii) 最好用：要判一个正交系是不是 ONB，就看"和所有 $e_n$ 都正交的向量是否只有 $0$"。

A1 解（主定理）

$H$ 可分，取可数稠密集，Gram–Schmidt 得可数标准正交系 $\{e_n\}$，其张成含稠密集故稠密——是 ONB；因 $H$ 无穷维，$\{e_n\}$ 可数无穷。定义 $U:H\to {\ell }^2,Ux=(⟨x,e_n⟩{)}_n$。 - 线性：内积第一变元线性 $\Rightarrow U$ 线性。 - 良定义 + 等距 + 单射：由 Parseval（C2 给出，因 $\{e_n\}$ 是 ONB），$\Vert Ux{\Vert }_{{\ell }^2}^2=\sum |⟨x,e_n⟩{|}^2=\Vert x{\Vert }^2$，故 $Ux\in {\ell }^2$、$\Vert Ux\Vert =\Vert x\Vert$、单射。 - 满射：任取 $(c_n)\in {\ell }^2$，由 C1（Riesz–Fischer）$x=\sum c_n{e}_n\in H$ 收敛，且 $⟨x,e_k⟩=c_k$，即 $Ux=(c_n)$。

故 $U$ 是线性等距双射，$H\cong {\ell }^2$。$■$

A2 解（彼此同构）

由 A1，存在等距同构 $U_1:H_1\to {\ell }^2$、$U_2:H_2\to {\ell }^2$。等距同构的逆映射仍是等距同构（$U_2^{-1}$ 线性双射且 $\Vert U_2^{-1}y\Vert =\Vert y\Vert$），等距同构的复合仍是等距同构。故 $$U_2^{-1}\circ U_1:H_1\to H_2$$ 线性、双射、保范，即 $H_1\cong H_2$。$■$

推论："所有可分无穷维 Hilbert 空间本质上是同一个空间"——$L^2[0,1]$、${\ell }^2$、$H^2$（Hardy 空间）、Fock 空间……全都等距同构。这是 Hilbert 空间理论里最干净的分类定理。

A3 解（Fourier）

(a) 由 Parseval（$\{e_n{\}}_{n\in \mathbb{Z}}$ 是 $L^2[-\pi ,\pi ]$ 的 ONB）： $$\Vert f{\Vert }_{L^2}^2=\sum _{n\in \mathbb{Z}}|\hat{f}(n){|}^2,\hat{f}(n)=⟨f,e_n⟩=\frac{1}{\sqrt{2\pi }}{\int }_{-\pi }^{\pi }f(t)e^{-int}dt.$$ (b) 定义 $U:L^2([-\pi ,\pi ])\to {\ell }^2(\mathbb{Z}),Uf=(\hat{f}(n){)}_{n\in \mathbb{Z}}$。下标集 $\mathbb{Z}$ 仍可数，三件套照搬：线性（内积第一变元线性）；由 (a) 的 Parseval 等距、单射；由 Riesz–Fischer，任意 $(c_n)\in {\ell }^2(\mathbb{Z})$ 对应 ${\sum }_n{c}_n{e}_n\in L^2$ 收敛且系数为 $c_n$，故满射。于是 $U$ 是等距同构，$L^2([-\pi ,\pi ])\cong {\ell }^2(\mathbb{Z})$。$■$

这就是"抽象三件套"落到经典 Fourier 级数的样子：$L^2$ 函数 $\leftrightarrow$ 其 Fourier 系数序列，范数由 Parseval 守恒。

A4 解（ONB↔ONB ⟹ 酉）

对 $x\in H$，由 $\{e_n\}$ 是 ONB，$x={\sum }_n⟨x,e_n⟩e_n$（C2），故按定义 $$Ux=\sum _n⟨x,e_n⟩f_n.$$ - 良定义 + 等距：系数 $(⟨x,e_n⟩)\in {\ell }^2$（Parseval），由 C1 右端在 $K$ 收敛；且 $\{f_n\}$ 是 $K$ 的 ONB，故 $⟨Ux,f_k⟩=⟨x,e_k⟩$，再用 $K$ 的 Parseval： $$\Vert Ux{\Vert }_K^2=\sum _n|⟨Ux,f_n⟩{|}^2=\sum _n|⟨x,e_n⟩{|}^2=\Vert x{\Vert }_H^2.$$ 故 $U$ 等距，从而单射、有界。 - 线性：$U(\sum c_n{e}_n)=\sum c_n{f}_n$ 关于系数线性，且坐标映射线性，故 $U$ 线性。 - 满射：每个 $f_k=U{e}_k\in \mathrm{ran}U$，故 $\mathrm{ran}U\supseteq \mathrm{span}\{f_n\}$；又 $U$ 等距 $\Rightarrow$ 把完备空间 $H$ 等距搬过来，$\mathrm{ran}U$ 完备故闭，于是 $\mathrm{ran}U\supseteq \overline{\mathrm{span}}\{f_n\}=K$。故满射。

综上 $U$ 是线性等距双射，即 $H\to K$ 的酉（等距同构）算子。$■$

这题给出三件套最常用的"变形版"：要证两个空间酉等价，只需在各自 ONB 之间建立一一对应。证某个具体算子（如 Fourier 变换、小波变换、移位算子的对角化）是酉的，本质都是"它把一组 ONB 映成另一组 ONB"。

六、一页纸速记

触发器：看到「可分 Hilbert 空间」「等距同构到 ${\ell }^2$」「证某映射是酉算子」「Parseval/Bessel」 → 条件反射上「基 → 系数 → Parseval/Riesz–Fischer」。 判 ONB 的最快办法：和所有 $e_n$ 正交的向量只有 $0$（C2-iii）。 最易丢分：① 把正交系当 ONB（漏完备性）；② 不交代"可分⟹可数"；③ 满射不证收敛。