作业八 第 1 题(a):为什么 m 2 ( E ) < ∞ m_2(E) < \infty m 2 ( E ) < ∞ 能推到下一步?
涉及的原文片段:
若 E E E 是 R 2 \mathbb{R}^2 R 2 中的可测集,则由于 E ⊂ [ 0 , 1 ] × [ 0 , 1 ] E \subset [0,1] \times [0,1] E ⊂ [ 0 , 1 ] × [ 0 , 1 ] ,可知 m 2 ( E ) < ∞ m_2(E) < \infty m 2 ( E ) < ∞ ,从而 χ E ∈ L 1 ( R 2 ) \chi_E \in L^1(\mathbb{R}^2) χ E ∈ L 1 ( R 2 ) 。由 Fubini 定理,存在一个零测集 Z ⊂ R Z \subset \mathbb{R} Z ⊂ R ,使得对每个 y ∉ Z y \notin Z y ∈ / Z ,函数 x ↦ χ E ( x , y ) x \mapsto \chi_E(x,y) x ↦ χ E ( x , y ) 是一维可测函数。
这一步其实是两步合在一起 ,核心在于:Fubini 定理的前提条件是函数必须属于 L 1 L^1 L 1 (即可积)。
一、为什么 m 2 ( E ) < ∞ m_2(E) < \infty m 2 ( E ) < ∞ 能推出 χ E ∈ L 1 ( R 2 ) \chi_E \in L^1(\mathbb{R}^2) χ E ∈ L 1 ( R 2 )
回忆 L 1 ( R 2 ) L^1(\mathbb{R}^2) L 1 ( R 2 ) 的定义:一个可测函数 f f f 属于 L 1 L^1 L 1 ,当且仅当
∫ R 2 ∣ f ∣ d m 2 < ∞ .
\int_{\mathbb{R}^2} |f|\, dm_2 < \infty .
∫ R 2 ∣ f ∣ d m 2 < ∞. 现在 f = χ E f = \chi_E f = χ E 是特征函数 。特征函数的积分恰好等于集合的测度:
∫ R 2 ∣ χ E ∣ d m 2 = ∫ R 2 χ E d m 2 = m 2 ( E ) .
\int_{\mathbb{R}^2} |\chi_E|\, dm_2
= \int_{\mathbb{R}^2} \chi_E\, dm_2
= m_2(E) .
∫ R 2 ∣ χ E ∣ d m 2 = ∫ R 2 χ E d m 2 = m 2 ( E ) . 所以
χ E ∈ L 1 ( R 2 ) ⟺ m 2 ( E ) < ∞ .
\chi_E \in L^1(\mathbb{R}^2)
\quad\Longleftrightarrow\quad
m_2(E) < \infty .
χ E ∈ L 1 ( R 2 ) ⟺ m 2 ( E ) < ∞. 即**「χ E \chi_E χ E 可积」与「m 2 ( E ) < ∞ m_2(E)<\infty m 2 ( E ) < ∞ 」是完全等价的一件事**。
而 m 2 ( E ) < ∞ m_2(E) < \infty m 2 ( E ) < ∞ 的来源是:由(反证法的)假设 E E E 可测,且 E ⊂ [ 0 , 1 ] × [ 0 , 1 ] E \subset [0,1]\times[0,1] E ⊂ [ 0 , 1 ] × [ 0 , 1 ] ,根据测度的单调性
m 2 ( E ) ≤ m 2 ( [ 0 , 1 ] × [ 0 , 1 ] ) = 1 < ∞ .
m_2(E) \le m_2\big([0,1]\times[0,1]\big) = 1 < \infty .
m 2 ( E ) ≤ m 2 ( [ 0 , 1 ] × [ 0 , 1 ] ) = 1 < ∞. 把两件事合起来:
条件
来源
给出
χ E \chi_E χ E 可测
假设 E E E 可测
Fubini 所需的可测性
∫ R 2 ∣ χ E ∣ = m 2 ( E ) < ∞ \displaystyle\int_{\mathbb{R}^2}\lvert\chi_E\rvert = m_2(E)<\infty ∫ R 2 ∣ χ E ∣ = m 2 ( E ) < ∞
E ⊂ [ 0 , 1 ] 2 E\subset[0,1]^2 E ⊂ [ 0 , 1 ] 2
Fubini 所需的可积性
于是 χ E \chi_E χ E 既可测又积分有限,即 χ E ∈ L 1 ( R 2 ) \chi_E \in L^1(\mathbb{R}^2) χ E ∈ L 1 ( R 2 ) 。
二、为什么必须强调「有限 / 可积」这一步
要区分两个定理:
Tonelli 定理 :对非负 可测函数成立,不需要 可积性(σ \sigma σ -有限即可),允许积分为 + ∞ +\infty + ∞ 。
Fubini 定理 :要求函数 f ∈ L 1 f \in L^1 f ∈ L 1 (可积 ),结论才是
「几乎所有切片可测、可积,且累次积分 = = = 二重积分」。
题目明确要求 用 Fubini 定理 ,而 Fubini 的假设恰恰是 f ∈ L 1 f \in L^1 f ∈ L 1 。
所以解答必须先确认 χ E ∈ L 1 \chi_E \in L^1 χ E ∈ L 1 ,才有资格往下写:
由 Fubini 定理,存在零测集 Z Z Z ,使得对每个 y ∉ Z y \notin Z y ∈ / Z ,切片 x ↦ χ E ( x , y ) x \mapsto \chi_E(x,y) x ↦ χ E ( x , y ) 可测。
换句话说,m 2 ( E ) < ∞ m_2(E)<\infty m 2 ( E ) < ∞ 不是随便提的,它正是打开 Fubini 定理这扇门的钥匙 ——没有它就不满足 Fubini 的前提。
三、一点补充
严格来说,因为 χ E ≥ 0 \chi_E \ge 0 χ E ≥ 0 是非负可测函数,你其实可以直接用 Tonelli 定理 得到同样的切片可测结论,根本不需要有限性。
但既然题目指定用 Fubini ,解答就走了
证明 χ E ∈ L 1 ⟶ 调用 Fubini
\text{证明 } \chi_E\in L^1 \;\longrightarrow\; \text{调用 Fubini}
证明 χ E ∈ L 1 ⟶ 调用 Fubini 这条路,所以才需要「E E E 有界 ⇒ m 2 ( E ) < ∞ \Rightarrow m_2(E)<\infty ⇒ m 2 ( E ) < ∞ 」这一步。两条路殊途同归。
逻辑链总结
E 可测 ⏟ 反证假设 ⇒ χ E 可测 ; E ⊂ [ 0 , 1 ] 2 ⏟ ⇒ m 2 ( E ) ≤ 1 < ∞ ⇒ χ E ∈ L 1 ⇒ 可用 Fubini
\underbrace{E \text{ 可测}}_{\text{反证假设}}
\;\Rightarrow\;
\chi_E \text{ 可测};
\qquad
\underbrace{E\subset[0,1]^2}_{}
\;\Rightarrow\;
m_2(E)\le 1<\infty
\;\Rightarrow\;
\chi_E\in L^1
\;\Rightarrow\;
\boxed{\text{可用 Fubini}}
反证假设 E 可测 ⇒ χ E 可测 ; E ⊂ [ 0 , 1 ] 2 ⇒ m 2 ( E ) ≤ 1 < ∞ ⇒ χ E ∈ L 1 ⇒ 可用 Fubini
第 1 题 · 完整解答(详尽版)
记号约定:m 1 m_1 m 1 、m 2 m_2 m 2 分别表示 R \mathbb{R} R 与 R 2 \mathbb{R}^2 R 2 上的 Lebesgue 测度;对集合 A A A ,χ A \chi_A χ A 为其特征函数。对 E ⊂ R 2 E\subset\mathbb{R}^2 E ⊂ R 2 与固定的 y y y ,记其水平切片 为
E y = { x ∈ R : ( x , y ) ∈ E } ; E^{y}=\{\,x\in\mathbb{R}:(x,y)\in E\,\}; E y = { x ∈ R : ( x , y ) ∈ E } ;
对固定的 x x x ,记其竖直切片 为
E x = { y ∈ R : ( x , y ) ∈ E } . E_{x}=\{\,y\in\mathbb{R}:(x,y)\in E\,\}. E x = { y ∈ R : ( x , y ) ∈ E } .
本题两问分别用到这两种不同方向的切片,请留意区别。
预备工具
工具 1(特征函数与集合可测性的等价). 对任意 A ⊂ R A\subset\mathbb{R} A ⊂ R ,
A = { x : χ A ( x ) = 1 } = χ A − 1 ( { 1 } ) ,
A=\{x:\chi_A(x)=1\}=\chi_A^{-1}(\{1\}),
A = { x : χ A ( x ) = 1 } = χ A − 1 ({ 1 }) ,
故 χ A \chi_A χ A 为可测函数 ⟺ \iff ⟺ A A A 为可测集。特别地,
N 不可测 ⟹ χ N 不是可测函数。 ( \ast )
\mathcal{N}\ \text{不可测}\ \Longrightarrow\ \chi_{\mathcal N}\ \text{不是可测函数。}\tag{\ast}
N 不可测 ⟹ χ N 不是可测函数。 ( \ast )
工具 2(Vitali 集的两条关键性质). Vitali 集 N ⊂ [ 0 , 1 ] \mathcal N\subset[0,1] N ⊂ [ 0 , 1 ] 满足
(i) N ⊂ [ 0 , 1 ] ; (ii) N 不是 Lebesgue 可测集.
\text{(i)}\ \mathcal N\subset[0,1];\qquad \text{(ii)}\ \mathcal N\ \text{不是 Lebesgue 可测集.}
(i) N ⊂ [ 0 , 1 ] ; (ii) N 不是 Lebesgue 可测集 .
工具 3(Fubini 定理,精确形式). 若 f ∈ L 1 ( R 2 ) f\in L^1(\mathbb{R}^2) f ∈ L 1 ( R 2 ) ,则除一个 m 1 m_1 m 1 -零测集之外 的每个 y y y ,切片函数 x ↦ f ( x , y ) x\mapsto f(x,y) x ↦ f ( x , y ) 都是 R \mathbb{R} R 上的可测(且可积)函数。换言之,令
Z : = { y ∈ R : x ↦ f ( x , y ) 在 R 上不可测 } ,
Z:=\bigl\{\,y\in\mathbb{R}:\ x\mapsto f(x,y)\ \text{在}\ \mathbb{R}\ \text{上不可测}\,\bigr\},
Z := { y ∈ R : x ↦ f ( x , y ) 在 R 上不可测 } ,
则 m 1 ( Z ) = 0 m_1(Z)=0 m 1 ( Z ) = 0 。
(a) 证明 N × [ 0 , 1 ] \mathcal N\times[0,1] N × [ 0 , 1 ] 在 R 2 \mathbb{R}^2 R 2 中不可测
记 E : = N × [ 0 , 1 ] E:=\mathcal N\times[0,1] E := N × [ 0 , 1 ] 。采用反证法,假设 E E E 可测 ,我们将导出矛盾。
第一步:说明 χ E ∈ L 1 ( R 2 ) \chi_E\in L^1(\mathbb{R}^2) χ E ∈ L 1 ( R 2 ) 。
由工具 2(i) 有 E = N × [ 0 , 1 ] ⊂ [ 0 , 1 ] × [ 0 , 1 ] E=\mathcal N\times[0,1]\subset[0,1]\times[0,1] E = N × [ 0 , 1 ] ⊂ [ 0 , 1 ] × [ 0 , 1 ] ,故由测度单调性
m 2 ( E ) ≤ m 2 ( [ 0 , 1 ] 2 ) = 1 < ∞ .
m_2(E)\le m_2\bigl([0,1]^2\bigr)=1<\infty .
m 2 ( E ) ≤ m 2 ( [ 0 , 1 ] 2 ) = 1 < ∞.
又特征函数的积分等于集合测度,
∫ R 2 ∣ χ E ∣ d m 2 = m 2 ( E ) < ∞ ,
\int_{\mathbb{R}^2}\lvert\chi_E\rvert\,dm_2=m_2(E)<\infty,
∫ R 2 ∣ χ E ∣ d m 2 = m 2 ( E ) < ∞ ,
配合假设中 E E E 可测(故 χ E \chi_E χ E 可测),即得 χ E ∈ L 1 ( R 2 ) \chi_E\in L^1(\mathbb{R}^2) χ E ∈ L 1 ( R 2 ) 。
第二步:写出水平切片的显式表达。
对任意 y y y ,
E y = { x : ( x , y ) ∈ N × [ 0 , 1 ] } = { N , y ∈ [ 0 , 1 ] , ∅ , y ∉ [ 0 , 1 ] .
E^{y}=\{x:(x,y)\in\mathcal N\times[0,1]\}=
\begin{cases}
\mathcal N, & y\in[0,1],\\[2pt]
\varnothing, & y\notin[0,1].
\end{cases}
E y = { x : ( x , y ) ∈ N × [ 0 , 1 ]} = { N , ∅ , y ∈ [ 0 , 1 ] , y ∈ / [ 0 , 1 ] .
因此当 y ∈ [ 0 , 1 ] y\in[0,1] y ∈ [ 0 , 1 ] 时,切片函数恰为
x ⟼ χ E ( x , y ) = χ N ( x ) .
x\longmapsto \chi_E(x,y)=\chi_{\mathcal N}(x).
x ⟼ χ E ( x , y ) = χ N ( x ) .
第三步:定位 Fubini 的"坏集"并导出矛盾。
由第一步可对 χ E \chi_E χ E 调用工具 3,得到一个零测集
Z = { y : x ↦ χ E ( x , y ) 不可测 } , m 1 ( Z ) = 0.
Z=\{y:\ x\mapsto\chi_E(x,y)\ \text{不可测}\},\qquad m_1(Z)=0 .
Z = { y : x ↦ χ E ( x , y ) 不可测 } , m 1 ( Z ) = 0.
另一方面,对每一个 y ∈ [ 0 , 1 ] y\in[0,1] y ∈ [ 0 , 1 ] ,由第二步与 ( ∗ ) (\ast) ( ∗ ) ,函数 x ↦ χ E ( x , y ) = χ N ( x ) x\mapsto\chi_E(x,y)=\chi_{\mathcal N}(x) x ↦ χ E ( x , y ) = χ N ( x ) 都不可测,这说明
[ 0 , 1 ] ⊆ Z .
[0,1]\subseteq Z .
[ 0 , 1 ] ⊆ Z .
为什么这一步成立? 关键在于 Z Z Z 的定义本身:
Z = { y : x ↦ χ E ( x , y ) 不可测 } .
Z=\{\,y:\ x\mapsto\chi_E(x,y)\ \text{不可测}\,\}.
Z = { y : x ↦ χ E ( x , y ) 不可测 } .
也就是说,"y ∈ Z y\in Z y ∈ Z " 这件事,按定义等价于"在高度 y y y 处的水平切片函数 x ↦ χ E ( x , y ) x\mapsto\chi_E(x,y) x ↦ χ E ( x , y ) 不可测"。
要证集合包含 [ 0 , 1 ] ⊆ Z [0,1]\subseteq Z [ 0 , 1 ] ⊆ Z ,标准做法是任取 y ∈ [ 0 , 1 ] y\in[0,1] y ∈ [ 0 , 1 ] ,验证它满足 Z Z Z 的成员资格:
由第二步,当 y ∈ [ 0 , 1 ] y\in[0,1] y ∈ [ 0 , 1 ] 时,该切片函数恰好就是 x ↦ χ E ( x , y ) = χ N ( x ) x\mapsto\chi_E(x,y)=\chi_{\mathcal N}(x) x ↦ χ E ( x , y ) = χ N ( x ) ;
由 ( ∗ ) (\ast) ( ∗ ) ("N \mathcal N N 不可测 ⇒ \Rightarrow ⇒ χ N \chi_{\mathcal N} χ N 不可测"),这个 χ N \chi_{\mathcal N} χ N 不是可测函数;
于是这个 y y y 的切片不可测,按 Z Z Z 的定义即 y ∈ Z y\in Z y ∈ Z 。
由于 y ∈ [ 0 , 1 ] y\in[0,1] y ∈ [ 0 , 1 ] 是任取的,每一个 [ 0 , 1 ] [0,1] [ 0 , 1 ] 中的点都落进 Z Z Z ,故 [ 0 , 1 ] ⊆ Z [0,1]\subseteq Z [ 0 , 1 ] ⊆ Z 。
注意这里 y y y 取遍整段 [ 0 , 1 ] [0,1] [ 0 , 1 ] ,不可测的切片不是孤立的一两个 ,而是占满了一个长度为 1 1 1 的区间——这正是下一步能与"Z Z Z 是零测集"撞出矛盾的原因:Fubini 只允许坏切片落在一个零测集里,而 [ 0 , 1 ] [0,1] [ 0 , 1 ] 的测度是 1 1 1 ,装不进零测集 Z Z Z 。
于是由测度单调性
1 = m 1 ( [ 0 , 1 ] ) ≤ m 1 ( Z ) = 0 ,
1=m_1\bigl([0,1]\bigr)\le m_1(Z)=0,
1 = m 1 ( [ 0 , 1 ] ) ≤ m 1 ( Z ) = 0 ,
即 1 ≤ 0 1\le 0 1 ≤ 0 ,矛盾。
结论: 反证假设不成立,故
E = N × [ 0 , 1 ] 不是 R 2 中的 Lebesgue 可测集.
\boxed{\,E=\mathcal N\times[0,1]\ \text{不是}\ \mathbb{R}^2\ \text{中的 Lebesgue 可测集.}}
E = N × [ 0 , 1 ] 不是 R 2 中的 Lebesgue 可测集 .
注(为什么必须沿这个方向切). 第二步若改成固定 x x x 、考察竖直切片 E x E_x E x ,则得到的全是 [ 0 , 1 ] [0,1] [ 0 , 1 ] 或 ∅ \varnothing ∅ (都可测),无法得到矛盾。Fubini 的威力恰恰在于它只 保证某一方向的切片几乎处处可测;只要找到一个方向、且不可测切片占据正测度的一组参数,便足以反推整体不可测。这一观察正是 (b) 的伏笔。
(b) 由此说明逆命题不成立
题干逆命题: 若 E ⊂ R 2 E\subset\mathbb{R}^2 E ⊂ R 2 满足"对几乎所有 x ∈ R x\in\mathbb{R} x ∈ R ,竖直切片 E x E_x E x 可测",则 E E E 可测。
我们用 同一个集合 E = N × [ 0 , 1 ] E=\mathcal N\times[0,1] E = N × [ 0 , 1 ] 作为反例,但这次考察竖直切片 。对任意 x ∈ R x\in\mathbb{R} x ∈ R ,
E x = { y : ( x , y ) ∈ N × [ 0 , 1 ] } = { [ 0 , 1 ] , x ∈ N , ∅ , x ∉ N .
E_{x}=\{y:(x,y)\in\mathcal N\times[0,1]\}=
\begin{cases}
[0,1], & x\in\mathcal N,\\[2pt]
\varnothing, & x\notin\mathcal N.
\end{cases}
E x = { y : ( x , y ) ∈ N × [ 0 , 1 ]} = { [ 0 , 1 ] , ∅ , x ∈ N , x ∈ / N .
无论落入哪种情形,E x E_x E x 要么是区间 [ 0 , 1 ] [0,1] [ 0 , 1 ] 、要么是空集,都是 R \mathbb{R} R 中的可测集 。因此
不仅"对几乎所有 x x x ",而且对所有 x ∈ R x\in\mathbb{R} x ∈ R ,切片 E x E_x E x 都可测(逆命题的前提被强意义满足);
然而由 (a) 已证 E E E 本身在 R 2 \mathbb{R}^2 R 2 中不可测。于是
前提(所有竖直切片可测)成立,结论( E 可测)却不成立,逆命题被推翻。
\boxed{\ \text{前提(所有竖直切片可测)成立,结论(}E\text{ 可测)却不成立,逆命题被推翻。}\ }
前提(所有竖直切片可测)成立,结论( E 可测)却不成立,逆命题被推翻。
注(反例为何"对得上"). Tonelli/Fubini 的正向结论是沿某一方向"切片几乎处处可测";它对另一方向 的切片不作任何断言。本题的 N × [ 0 , 1 ] \mathcal N\times[0,1] N × [ 0 , 1 ] 把这种不对称性发挥到极致:竖直方向全部切片可测,水平方向却在一整段 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上不可测。前者使逆命题的假设成立,后者(经 (a))使其结论失败,二者并行不悖,正好构成反例。
与"切片可测 ⇏ 整体可测"有关的一点说明
可能有人疑惑:竖直切片全可测,为何拼不出可测的 E E E ?根本原因在于,单个方向的逐切片可测性是"沿一族平行线的局部信息",它无法控制这些切片如何在另一方向上"对齐拼装" 。N \mathcal N N 的不可测性恰恰藏在"哪些 x x x 上挂着非空切片 [ 0 , 1 ] [0,1] [ 0 , 1 ] "这一选择里——也就是底集 N \mathcal N N 上,而这一信息在逐条竖直切片中是看不见的。Fubini/Tonelli 之所以只能是单向 定理,正源于此。
第 2 题
题目. 设 f ∈ L 1 ( R d ) f\in L^1(\mathbb{R}^d) f ∈ L 1 ( R d ) 。对每个 α > 0 \alpha>0 α > 0 令 E α : = { x ∈ R d : ∣ f ( x ) ∣ > α } E_\alpha:=\{\,x\in\mathbb{R}^d:\ |f(x)|>\alpha\,\} E α := { x ∈ R d : ∣ f ( x ) ∣ > α } ,证明
∫ R d ∣ f ∣ d m d = ∫ 0 ∞ m d ( E α ) d m 1 ( α ) .
\int_{\mathbb{R}^d}|f|\,dm_d=\int_0^\infty m_d(E_\alpha)\,dm_1(\alpha).
∫ R d ∣ f ∣ d m d = ∫ 0 ∞ m d ( E α ) d m 1 ( α ) . 解答. 记 g : = ∣ f ∣ ≥ 0 g:=|f|\ge 0 g := ∣ f ∣ ≥ 0 ,分布函数 λ ( α ) : = m d ( E α ) \lambda(\alpha):=m_d(E_\alpha) λ ( α ) := m d ( E α ) 。它对每个 α > 0 \alpha>0 α > 0 单调递减(α 1 ≤ α 2 ⇒ E α 2 ⊆ E α 1 \alpha_1\le\alpha_2\Rightarrow E_{\alpha_2}\subseteq E_{\alpha_1} α 1 ≤ α 2 ⇒ E α 2 ⊆ E α 1 );故其超水平集 { α : λ ( α ) > c } \{\alpha:\lambda(\alpha)>c\} { α : λ ( α ) > c } 向左封闭、恒为区间,从而 λ \lambda λ 可测,右端积分有意义。
对非负简单函数 s = ∑ k = 1 n c k χ A k s=\sum_{k=1}^n c_k\chi_{A_k} s = ∑ k = 1 n c k χ A k (标准型) ,在乘积空间 R d × ( 0 , ∞ ) \mathbb{R}^d\times(0,\infty) R d × ( 0 , ∞ ) 上构造其子图 G s G_s G s 的示性函数
χ G s ( x , α ) = { 1 , 0 < α < s ( x ) , 0 , 其余 , G s : = { ( x , α ) : 0 < α < s ( x ) } .
\chi_{G_s}(x,\alpha)=
\begin{cases}
1, & 0<\alpha<s(x),\\[2pt]
0, & \text{其余},
\end{cases}
\qquad
G_s:=\{(x,\alpha):\ 0<\alpha<s(x)\}.
χ G s ( x , α ) = { 1 , 0 , 0 < α < s ( x ) , 其余 , G s := {( x , α ) : 0 < α < s ( x )} . 它非负可测,对它用 Tonelli 定理 交换累次积分次序:
∫ R d ( ∫ 0 ∞ χ G s d m 1 ) d m d = ∫ 0 ∞ ( ∫ R d χ G s d m d ) d m 1 .
\int_{\mathbb{R}^d}\!\Big(\int_0^\infty\chi_{G_s}\,dm_1\Big)dm_d
=\int_0^\infty\!\Big(\int_{\mathbb{R}^d}\chi_{G_s}\,dm_d\Big)dm_1.
∫ R d ( ∫ 0 ∞ χ G s d m 1 ) d m d = ∫ 0 ∞ ( ∫ R d χ G s d m d ) d m 1 . 左端内层 ∫ 0 ∞ χ G s ( x , α ) d α = ∫ 0 s ( x ) 1 d α = s ( x ) \int_0^\infty\chi_{G_s}(x,\alpha)\,d\alpha=\int_0^{s(x)}1\,d\alpha=s(x) ∫ 0 ∞ χ G s ( x , α ) d α = ∫ 0 s ( x ) 1 d α = s ( x ) ,故左端 = ∫ s =\int s = ∫ s ;右端内层 ∫ R d χ G s ( x , α ) d m d = m d ( { s > α } ) = λ s ( α ) \int_{\mathbb{R}^d}\chi_{G_s}(x,\alpha)\,dm_d=m_d(\{s>\alpha\})=\lambda_s(\alpha) ∫ R d χ G s ( x , α ) d m d = m d ({ s > α }) = λ s ( α ) 。于是
∫ R d s d m d = ∫ 0 ∞ m d ( { s > α } ) d m 1 ( α ) . (S)
\int_{\mathbb{R}^d}s\,dm_d=\int_0^\infty m_d(\{s>\alpha\})\,dm_1(\alpha).
\tag{S}
∫ R d s d m d = ∫ 0 ∞ m d ({ s > α }) d m 1 ( α ) . ( S ) 对一般的 g = ∣ f ∣ g=|f| g = ∣ f ∣ ,取非负简单函数列 s n ↑ g s_n\uparrow g s n ↑ g 。左端由单调收敛定理 ∫ s n → ∫ g = ∫ ∣ f ∣ \int s_n\to\int g=\int|f| ∫ s n → ∫ g = ∫ ∣ f ∣ 。固定 α > 0 \alpha>0 α > 0 ,由 s n ↑ g s_n\uparrow g s n ↑ g 有 { s n > α } ↑ { g > α } = E α \{s_n>\alpha\}\uparrow\{g>\alpha\}=E_\alpha { s n > α } ↑ { g > α } = E α ,故 λ s n ( α ) = m d ( { s n > α } ) ↑ m d ( E α ) = λ ( α ) \lambda_{s_n}(\alpha)=m_d(\{s_n>\alpha\})\uparrow m_d(E_\alpha)=\lambda(\alpha) λ s n ( α ) = m d ({ s n > α }) ↑ m d ( E α ) = λ ( α ) ;再对 α \alpha α 用一次单调收敛定理,右端 ∫ 0 ∞ λ s n → ∫ 0 ∞ λ \int_0^\infty\lambda_{s_n}\to\int_0^\infty\lambda ∫ 0 ∞ λ s n → ∫ 0 ∞ λ 。在 (S) 中令 n → ∞ n\to\infty n → ∞ 即得
∫ R d ∣ f ∣ d m d = ∫ 0 ∞ m d ( E α ) d m 1 ( α ) . ■
\int_{\mathbb{R}^d}|f|\,dm_d=\int_0^\infty m_d(E_\alpha)\,dm_1(\alpha). \qquad\blacksquare
∫ R d ∣ f ∣ d m d = ∫ 0 ∞ m d ( E α ) d m 1 ( α ) . ■
第 3 题
设 { f k } k ∈ N ⊂ F \{f_k\}_{k\in\mathbb N}\subset\mathcal F { f k } k ∈ N ⊂ F 逐点单调收敛于 f f f (即 f k ↑ f f_k\uparrow f f k ↑ f 或 f k ↓ f f_k\downarrow f f k ↓ f ),且 f ∈ L 1 ( R d ) f\in L^1(\mathbb R^d) f ∈ L 1 ( R d ) 。要证 f ∈ F f\in\mathcal F f ∈ F 。
下文沿用 R d = R d 1 × R d 2 \mathbb R^d=\mathbb R^{d_1}\times\mathbb R^{d_2} R d = R d 1 × R d 2 ,点写作 ( x , y ) (x,y) ( x , y ) ,x ∈ R d 1 x\in\mathbb R^{d_1} x ∈ R d 1 、y ∈ R d 2 y\in\mathbb R^{d_2} y ∈ R d 2 ,切片记为 f ( x , ⋅ ) : y ↦ f ( x , y ) f(x,\cdot)\colon y\mapsto f(x,y) f ( x , ⋅ ) : y ↦ f ( x , y ) 与 f ( ⋅ , y ) : x ↦ f ( x , y ) f(\cdot,y)\colon x\mapsto f(x,y) f ( ⋅ , y ) : x ↦ f ( x , y ) 。回顾 F \mathcal F F 之成员须满足 F ⊂ L 1 ( R d ) \mathcal F\subset L^1(\mathbb R^d) F ⊂ L 1 ( R d ) ,且对下述对称双序均成立:( i ) (\mathrm i) ( i ) 几乎所有 x x x 处切片 f ( x , ⋅ ) f(x,\cdot) f ( x , ⋅ ) 可积;( i i ) (\mathrm{ii}) ( ii ) x ↦ ∫ R d 2 f ( x , y ) d y x\mapsto\int_{\mathbb R^{d_2}}f(x,y)\,dy x ↦ ∫ R d 2 f ( x , y ) d y 属于 L 1 ( R d 1 ) L^1(\mathbb R^{d_1}) L 1 ( R d 1 ) ;( i i i ) (\mathrm{iii}) ( iii ) 累次积分等于 ∫ R d f \int_{\mathbb R^d}f ∫ R d f ;将 x , y x,y x , y 互换的 ( i ′ ) , ( i i ′ ) , ( i i i ′ ) (\mathrm i'),(\mathrm{ii}'),(\mathrm{iii}') ( i ′ ) , ( ii ′ ) , ( iii ′ ) 亦然。步骤 1 已证 F \mathcal F F 对有限线性组合封闭。
约化一:单减并入单增
设递增情形已被证明。若给定的是递减序列 f k ↓ f f_k\downarrow f f k ↓ f ,置 f ~ k : = − f k \widetilde f_k:=-f_k f k := − f k 、f ~ : = − f \widetilde f:=-f f := − f 。每个 f ~ k = ( − 1 ) ⋅ f k \widetilde f_k=(-1)\cdot f_k f k = ( − 1 ) ⋅ f k 由步骤 1(标量 − 1 -1 − 1 封闭)落在 F \mathcal F F 中,且 f ~ k ↑ f ~ \widetilde f_k\uparrow\widetilde f f k ↑ f 、f ~ = − f ∈ L 1 ( R d ) \widetilde f=-f\in L^1(\mathbb R^d) f = − f ∈ L 1 ( R d ) 。对递增情形的结论施于 { f ~ k } \{\widetilde f_k\} { f k } 得 f ~ ∈ F \widetilde f\in\mathcal F f ∈ F ,再由步骤 1 知 f = ( − 1 ) ⋅ f ~ ∈ F f=(-1)\cdot\widetilde f\in\mathcal F f = ( − 1 ) ⋅ f ∈ F 。故此后只处理递增情形,且此替换不损一般性。
约化二:归一为非负序列
设 f k ↑ f f_k\uparrow f f k ↑ f ,f k ∈ F f_k\in\mathcal F f k ∈ F ,f ∈ L 1 f\in L^1 f ∈ L 1 。逐项减去首项,令
h k : = f k − f 1 ( k ∈ N ) , h : = f − f 1 .
h_k:=f_k-f_1\quad(k\in\mathbb N),\qquad h:=f-f_1 .
h k := f k − f 1 ( k ∈ N ) , h := f − f 1 .
逐条核验:
属于 F \mathcal F F . 由步骤 1,f k , f 1 ∈ F f_k,f_1\in\mathcal F f k , f 1 ∈ F 给出 h k = f k + ( − 1 ) f 1 ∈ F h_k=f_k+(-1)f_1\in\mathcal F h k = f k + ( − 1 ) f 1 ∈ F 。
非负. 序列单增故 f k ≥ f 1 f_k\ge f_1 f k ≥ f 1 ,于是 h k ≥ 0 h_k\ge 0 h k ≥ 0 。
单增. h k + 1 − h k = f k + 1 − f k ≥ 0 h_{k+1}-h_k=f_{k+1}-f_k\ge 0 h k + 1 − h k = f k + 1 − f k ≥ 0 。
逐点收敛于极限. f k ↑ f f_k\uparrow f f k ↑ f 逐点相减给出 h k ↑ h h_k\uparrow h h k ↑ h ;又 F ⊂ L 1 \mathcal F\subset L^1 F ⊂ L 1 蕴含 f 1 ∈ L 1 f_1\in L^1 f 1 ∈ L 1 ,故 h = f − f 1 h=f-f_1 h = f − f 1 是两个 L 1 L^1 L 1 函数之差,仍属 L 1 ( R d ) L^1(\mathbb R^d) L 1 ( R d ) 。
若已证 h ∈ F h\in\mathcal F h ∈ F ,则 f = h + f 1 f=h+f_1 f = h + f 1 再由步骤 1 落入 F \mathcal F F 。两步约化均不损一般性。因此自此设(仍沿用记号 f k , f f_k,f f k , f 表约化后序列)
0 ≤ f 1 ≤ f 2 ≤ ⋯ ↑ f , f k ∈ F , f ∈ L 1 ( R d ) , f ≥ 0.
0\le f_1\le f_2\le\cdots\uparrow f,\qquad f_k\in\mathcal F,\qquad f\in L^1(\mathbb R^d),\ f\ge 0 .
0 ≤ f 1 ≤ f 2 ≤ ⋯ ↑ f , f k ∈ F , f ∈ L 1 ( R d ) , f ≥ 0.
主体证明
可测性的先行确认. 每个 f k f_k f k 可测,而约化后 f k ↑ f f_k\uparrow f f k ↑ f ,故 f = sup k f k f=\sup_k f_k f = sup k f k ;由
{ f > c } = { sup k f k > c } = ⋃ k { f k > c }
\{\,f>c\,\}=\Big\{\sup_k f_k>c\Big\}=\bigcup_{k}\{\,f_k>c\,\}
{ f > c } = { k sup f k > c } = k ⋃ { f k > c }
是可数个可测集之并知 f f f 在 R d \mathbb R^d R d 上可测(一般地,可测函数列的逐点极限总可测)。同理对每个固定的 x x x ,切片 f ( x , ⋅ ) = sup k f k ( x , ⋅ ) f(x,\cdot)=\sup_k f_k(x,\cdot) f ( x , ⋅ ) = sup k f k ( x , ⋅ ) 作为可测函数列之上确界亦可测。后文凡对 f f f 、f ( x , ⋅ ) f(x,\cdot) f ( x , ⋅ ) 取积分均以此为据。
例外集的合并. 对每个固定的 k k k ,由 f k ∈ F f_k\in\mathcal F f k ∈ F ,存在零测集 N k ⊂ R d 1 N_k\subset\mathbb R^{d_1} N k ⊂ R d 1 ,使当 x ∉ N k x\notin N_k x ∈ / N k 时切片 f k ( x , ⋅ ) ∈ L 1 ( R d 2 ) f_k(x,\cdot)\in L^1(\mathbb R^{d_2}) f k ( x , ⋅ ) ∈ L 1 ( R d 2 ) ,且
g k ( x ) : = ∫ R d 2 f k ( x , y ) d y
g_k(x):=\int_{\mathbb R^{d_2}} f_k(x,y)\,dy
g k ( x ) := ∫ R d 2 f k ( x , y ) d y
给出 g k ∈ L 1 ( R d 1 ) g_k\in L^1(\mathbb R^{d_1}) g k ∈ L 1 ( R d 1 ) (特别地可测),并满足 ∫ R d 1 g k = ∫ R d f k \int_{\mathbb R^{d_1}} g_k=\int_{\mathbb R^{d}} f_k ∫ R d 1 g k = ∫ R d f k 。令
N : = ⋃ k ∈ N N k .
N:=\bigcup_{k\in\mathbb N} N_k .
N := k ∈ N ⋃ N k .
作为至多可数个零测集之并,N N N 仍为零测集。此后凡涉及切片的逐点陈述一律限定在 x ∉ N x\notin N x ∈ / N 上进行,于是上列诸式对所有 k k k 在同一个 x ∉ N x\notin N x ∈ / N 处一并成立,而无须逐 k k k 各回避一个集。对 x ∉ N x\notin N x ∈ / N 定义
g ( x ) : = ∫ R d 2 f ( x , y ) d y ∈ [ 0 , + ∞ ] ;
g(x):=\int_{\mathbb R^{d_2}} f(x,y)\,dy\in[0,+\infty];
g ( x ) := ∫ R d 2 f ( x , y ) d y ∈ [ 0 , + ∞ ] ;
在零测集 N N N 上将 g k , g g_k,g g k , g 取定为 0 0 0 ,不影响任何积分。下面三次施用单调收敛定理,各自点明对象与前提;由约化后被积量非负且单调上升,全程取极限皆为 [ 0 , ∞ ] [0,\infty] [ 0 , ∞ ] 中的上确界,不出现 ∞ − ∞ \infty-\infty ∞ − ∞ 型不定式。
第一次单调收敛定理(沿 y y y ,逐固定 x x x ). 固定 x ∉ N x\notin N x ∈ / N 。此时 { f k ( x , ⋅ ) } k \{f_k(x,\cdot)\}_k { f k ( x , ⋅ ) } k 在 R d 2 \mathbb R^{d_2} R d 2 上非负、关于 k k k 单增且逐点收敛于可测的 f ( x , ⋅ ) f(x,\cdot) f ( x , ⋅ ) ,对其用单调收敛定理得
g k ( x ) = ∫ R d 2 f k ( x , y ) d y ↑ ∫ R d 2 f ( x , y ) d y = g ( x ) . (1)
g_k(x)=\int_{\mathbb R^{d_2}} f_k(x,y)\,dy\ \uparrow\ \int_{\mathbb R^{d_2}} f(x,y)\,dy=g(x). \tag{1}
g k ( x ) = ∫ R d 2 f k ( x , y ) d y ↑ ∫ R d 2 f ( x , y ) d y = g ( x ) . ( 1 )
可测性. 由 ( 1 ) (1) ( 1 ) ,g g g 在 R d 1 ∖ N \mathbb R^{d_1}\setminus N R d 1 ∖ N 上是可测函数列 { g k } \{g_k\} { g k } 的逐点极限,故几乎处处有定义且可测;在 N N N 上的赋值不改其可测性。
第二次单调收敛定理(沿 x x x ). 取定上述 a . e . a.e. a . e . 代表元后,{ g k } \{g_k\} { g k } 在 R d 1 \mathbb R^{d_1} R d 1 上非负、可测、对一切 x ∉ N x\notin N x ∈ / N 单增收敛于 g g g ,对其用单调收敛定理得
∫ R d 1 g k ↑ ∫ R d 1 g . (2)
\int_{\mathbb R^{d_1}} g_k\ \uparrow\ \int_{\mathbb R^{d_1}} g. \tag{2}
∫ R d 1 g k ↑ ∫ R d 1 g . ( 2 )
第三次单调收敛定理(在全空间 R d \mathbb R^d R d ). { f k } \{f_k\} { f k } 在 R d \mathbb R^d R d 上非负、单增、逐点收敛于可测的 f f f ,对 ( x , y ) (x,y) ( x , y ) 整体用单调收敛定理得
∫ R d f k ↑ ∫ R d f . (3)
\int_{\mathbb R^{d}} f_k\ \uparrow\ \int_{\mathbb R^{d}} f. \tag{3}
∫ R d f k ↑ ∫ R d f . ( 3 )
串接. 对每个 k k k 已有 ∫ R d 1 g k = ∫ R d f k \int_{\mathbb R^{d_1}} g_k=\int_{\mathbb R^{d}} f_k ∫ R d 1 g k = ∫ R d f k ;两端令 k → ∞ k\to\infty k → ∞ ,左端用 ( 2 ) (2) ( 2 ) 、右端用 ( 3 ) (3) ( 3 ) ,得
∫ R d 1 ( ∫ R d 2 f ( x , y ) d y ) d x = ∫ R d 1 g = ∫ R d f . ( \ast )
\int_{\mathbb R^{d_1}}\!\Big(\int_{\mathbb R^{d_2}} f(x,y)\,dy\Big)dx
=\int_{\mathbb R^{d_1}} g
=\int_{\mathbb R^{d}} f. \tag{\ast}
∫ R d 1 ( ∫ R d 2 f ( x , y ) d y ) d x = ∫ R d 1 g = ∫ R d f . ( \ast )
由 ( ∗ ) (\ast) ( ∗ ) 导出 ( i ) ( i i ) ( i i i ) (\mathrm i)(\mathrm{ii})(\mathrm{iii}) ( i ) ( ii ) ( iii ) . 约化后 f ≥ 0 f\ge 0 f ≥ 0 且 f ∈ L 1 f\in L^1 f ∈ L 1 ,故 ( ∗ ) (\ast) ( ∗ ) 右端 ∫ R d f < ∞ \int_{\mathbb R^d}f<\infty ∫ R d f < ∞ ,从而 ∫ R d 1 g < ∞ \int_{\mathbb R^{d_1}}g<\infty ∫ R d 1 g < ∞ 。g ≥ 0 g\ge 0 g ≥ 0 可测,故 g ∈ L 1 ( R d 1 ) g\in L^1(\mathbb R^{d_1}) g ∈ L 1 ( R d 1 ) ,于是 g ( x ) < ∞ g(x)<\infty g ( x ) < ∞ 对几乎所有 x x x 成立。
( i ) (\mathrm i) ( i ) 对非负可测切片 f ( x , ⋅ ) f(x,\cdot) f ( x , ⋅ ) ,其积分 g ( x ) g(x) g ( x ) 有限当且仅当 f ( x , ⋅ ) ∈ L 1 ( R d 2 ) f(x,\cdot)\in L^1(\mathbb R^{d_2}) f ( x , ⋅ ) ∈ L 1 ( R d 2 ) ;故由 g ( x ) < ∞ g(x)<\infty g ( x ) < ∞ a . e . a.e. a . e . 知几乎所有 x x x 处切片 y ↦ f ( x , y ) y\mapsto f(x,y) y ↦ f ( x , y ) 可积。
( i i ) (\mathrm{ii}) ( ii ) 即 g ∈ L 1 ( R d 1 ) g\in L^1(\mathbb R^{d_1}) g ∈ L 1 ( R d 1 ) ,已证。
( i i i ) (\mathrm{iii}) ( iii ) 即等式 ( ∗ ) (\ast) ( ∗ ) 。
至此“先 y y y 后 x x x ”一序的三条全部成立。
对称性
将上述论证中 x x x 与 y y y 的角色互换:内层改沿 x x x 积分、外层改沿 y y y 积分。对每个 k k k 取 R d 2 \mathbb R^{d_2} R d 2 中的零测集 N k ′ N_k' N k ′ 使 ( i ′ ) , ( i i ′ ) , ( i i i ′ ) (\mathrm i'),(\mathrm{ii}'),(\mathrm{iii}') ( i ′ ) , ( ii ′ ) , ( iii ′ ) 对 f k f_k f k 成立,令 N ′ : = ⋃ k N k ′ N':=\bigcup_k N_k' N ′ := ⋃ k N k ′ 仍零测,此后限定 y ∉ N ′ y\notin N' y ∈ / N ′ ;以 G k ( y ) : = ∫ R d 1 f k ( x , y ) d x G_k(y):=\int_{\mathbb R^{d_1}} f_k(x,y)\,dx G k ( y ) := ∫ R d 1 f k ( x , y ) d x 、G ( y ) : = ∫ R d 1 f ( x , y ) d x G(y):=\int_{\mathbb R^{d_1}} f(x,y)\,dx G ( y ) := ∫ R d 1 f ( x , y ) d x 代替 g k , g g_k,g g k , g 。非负、单增、可测三项前提与三次单调收敛定理逐字平行,得
∫ R d 2 ( ∫ R d 1 f ( x , y ) d x ) d y = ∫ R d f ,
\int_{\mathbb R^{d_2}}\!\Big(\int_{\mathbb R^{d_1}} f(x,y)\,dx\Big)dy=\int_{\mathbb R^{d}} f,
∫ R d 2 ( ∫ R d 1 f ( x , y ) d x ) d y = ∫ R d f ,
以及几乎所有 y y y 处 f ( ⋅ , y ) ∈ L 1 ( R d 1 ) f(\cdot,y)\in L^1(\mathbb R^{d_1}) f ( ⋅ , y ) ∈ L 1 ( R d 1 ) 、G ∈ L 1 ( R d 2 ) G\in L^1(\mathbb R^{d_2}) G ∈ L 1 ( R d 2 ) ,即 ( i ′ ) , ( i i ′ ) , ( i i i ′ ) (\mathrm i'),(\mathrm{ii}'),(\mathrm{iii}') ( i ′ ) , ( ii ′ ) , ( iii ′ ) 。
两序条件皆已验证,按 F \mathcal F F 之定义得约化后的非负极限属 F \mathcal F F ;再回溯两步约化(约化二经 f = h + f 1 f=h+f_1 f = h + f 1 、约化一经标量 − 1 -1 − 1 ,均借步骤 1),即得原序列的极限 f ∈ F f\in\mathcal F f ∈ F 。■ \qquad\blacksquare ■
第 4 题
结论
在 R n \mathbb{R}^n R n (n ≥ 1 n\ge 1 n ≥ 1 )中,两两内积为负的非零向量个数的最大值为
m max = n + 1.
m_{\max}=n+1.
m m a x = n + 1.
即:存在 n + 1 n+1 n + 1 个向量满足对一切 i ≠ j i\ne j i = j 有 ⟨ v i , v j ⟩ < 0 \langle v_i,v_j\rangle<0 ⟨ v i , v j ⟩ < 0 (下界可达),且任意一组两两内积为负的向量个数 ≤ n + 1 \le n+1 ≤ n + 1 (上界不可超)。
关于非零性。 若某 v i = 0 v_i=\mathbf 0 v i = 0 ,则对任意 j j j 有 ⟨ v i , v j ⟩ = 0 \langle v_i,v_j\rangle=0 ⟨ v i , v j ⟩ = 0 ,不满足 < 0 <0 < 0 。故条件“两两内积 < 0 <0 < 0 ”已自动蕴含所有向量非零;下文凡用到 v ≠ 0 v\ne\mathbf 0 v = 0 之处即据此。
下界:在 R n \mathbb{R}^n R n 中直接构造 n + 1 n+1 n + 1 个两两负内积的向量
直接在 R n \mathbb{R}^n R n 的标准坐标下给出构造。设 e 1 , … , e n e_1,\dots,e_n e 1 , … , e n 为标准基,1 = ( 1 , … , 1 ) ∈ R n \mathbf 1=(1,\dots,1)\in\mathbb{R}^n 1 = ( 1 , … , 1 ) ∈ R n (n n n 维全 1 1 1 向量),定义
v i = e i − 1 2 n 1 ( i = 1 , … , n ) , v n + 1 = − 1.
v_i=e_i-\frac{1}{2n}\,\mathbf 1\quad(i=1,\dots,n),\qquad v_{n+1}=-\mathbf 1.
v i = e i − 2 n 1 1 ( i = 1 , … , n ) , v n + 1 = − 1 .
这是 R n \mathbb{R}^n R n 中实打实的 n + 1 n+1 n + 1 个向量。利用 ⟨ e i , e j ⟩ = δ i j \langle e_i,e_j\rangle=\delta_{ij} ⟨ e i , e j ⟩ = δ ij 、⟨ e i , 1 ⟩ = 1 \langle e_i,\mathbf 1\rangle=1 ⟨ e i , 1 ⟩ = 1 、⟨ 1 , 1 ⟩ = n \langle\mathbf 1,\mathbf 1\rangle=n ⟨ 1 , 1 ⟩ = n ,逐类验证两两内积严格为负。
(a) 两个 v i , v j v_i,v_j v i , v j (1 ≤ i < j ≤ n 1\le i<j\le n 1 ≤ i < j ≤ n ).
⟨ v i , v j ⟩ = ⟨ e i − 1 2 n 1 , e j − 1 2 n 1 ⟩ = ⟨ e i , e j ⟩ ⏟ 0 − 1 2 n ⟨ e i , 1 ⟩ − 1 2 n ⟨ 1 , e j ⟩ + 1 4 n 2 ⟨ 1 , 1 ⟩ = 0 − 1 2 n − 1 2 n + 1 4 n 2 ⋅ n = − 1 n + 1 4 n = − 3 4 n < 0.
\begin{aligned}
\langle v_i,v_j\rangle
&=\Big\langle e_i-\tfrac{1}{2n}\mathbf 1,\ e_j-\tfrac{1}{2n}\mathbf 1\Big\rangle\\
&=\underbrace{\langle e_i,e_j\rangle}_{0}-\tfrac{1}{2n}\langle e_i,\mathbf 1\rangle-\tfrac{1}{2n}\langle\mathbf 1,e_j\rangle+\tfrac{1}{4n^2}\langle\mathbf 1,\mathbf 1\rangle\\
&=0-\tfrac{1}{2n}-\tfrac{1}{2n}+\tfrac{1}{4n^2}\cdot n
=-\frac1n+\frac1{4n}=-\frac{3}{4n}\ <\ 0.
\end{aligned}
⟨ v i , v j ⟩ = ⟨ e i − 2 n 1 1 , e j − 2 n 1 1 ⟩ = 0 ⟨ e i , e j ⟩ − 2 n 1 ⟨ e i , 1 ⟩ − 2 n 1 ⟨ 1 , e j ⟩ + 4 n 2 1 ⟨ 1 , 1 ⟩ = 0 − 2 n 1 − 2 n 1 + 4 n 2 1 ⋅ n = − n 1 + 4 n 1 = − 4 n 3 < 0.
(b) v i v_i v i 与 v n + 1 v_{n+1} v n + 1 (1 ≤ i ≤ n 1\le i\le n 1 ≤ i ≤ n ).
⟨ v i , v n + 1 ⟩ = ⟨ e i − 1 2 n 1 , − 1 ⟩ = − ⟨ e i , 1 ⟩ + 1 2 n ⟨ 1 , 1 ⟩ = − 1 + 1 2 n ⋅ n = − 1 + 1 2 = − 1 2 < 0.
\langle v_i,v_{n+1}\rangle=\Big\langle e_i-\tfrac{1}{2n}\mathbf 1,\ -\mathbf 1\Big\rangle
=-\langle e_i,\mathbf 1\rangle+\tfrac{1}{2n}\langle\mathbf 1,\mathbf 1\rangle
=-1+\tfrac{1}{2n}\cdot n=-1+\tfrac12=-\frac12\ <\ 0.
⟨ v i , v n + 1 ⟩ = ⟨ e i − 2 n 1 1 , − 1 ⟩ = − ⟨ e i , 1 ⟩ + 2 n 1 ⟨ 1 , 1 ⟩ = − 1 + 2 n 1 ⋅ n = − 1 + 2 1 = − 2 1 < 0.
故全部 ( n + 1 2 ) \binom{n+1}{2} ( 2 n + 1 ) 对内积均严格为负。(各向量自动非零:v n + 1 = − 1 ≠ 0 v_{n+1}=-\mathbf 1\ne\mathbf 0 v n + 1 = − 1 = 0 ,而每个 v i v_i v i 的第 i i i 个坐标为 1 − 1 2 n > 0 1-\tfrac1{2n}>0 1 − 2 n 1 > 0 ,故 v i ≠ 0 v_i\ne\mathbf 0 v i = 0 。)因此 R n \mathbb{R}^n R n 中确有 n + 1 n+1 n + 1 个两两内积为负的向量,m max ≥ n + 1 m_{\max}\ge n+1 m m a x ≥ n + 1 。
几何背景. 上述构造即 R n \mathbb{R}^n R n 中正 n n n -单纯形 的顶点方向:正 n n n -单纯形有 n + 1 n+1 n + 1 个顶点,从其中心指向各顶点的方向两两成等钝角,内积为负。常见的"超平面"写法——在 R n + 1 \mathbb{R}^{n+1} R n + 1 中取 p i = e i − 1 n + 1 1 p_i=e_i-\tfrac1{n+1}\mathbf 1 p i = e i − n + 1 1 1 落在 n n n 维超平面 1 ⊥ ≅ R n \mathbf 1^\perp\cong\mathbb{R}^n 1 ⊥ ≅ R n 内,得 ⟨ p i , p j ⟩ = − 1 n + 1 \langle p_i,p_j\rangle=-\tfrac1{n+1} ⟨ p i , p j ⟩ = − n + 1 1 ——只是同一个正单纯形的另一种对称坐标,二者等价。
上界:证明不存在 n + 2 n+2 n + 2 个
命题. 若 v 1 , … , v m ∈ R n v_1,\dots,v_m\in\mathbb{R}^n v 1 , … , v m ∈ R n 满足 ⟨ v i , v j ⟩ < 0 \langle v_i,v_j\rangle<0 ⟨ v i , v j ⟩ < 0 (∀ i ≠ j \forall\,i\ne j ∀ i = j ),则 m ≤ n + 1 m\le n+1 m ≤ n + 1 。
对维数 n n n 作归纳,命题对任意 n n n 维实内积空间 成立。
归纳基础 n = 1 n=1 n = 1 . 在 R 1 = R \mathbb{R}^1=\mathbb{R} R 1 = R 中向量即实数,内积为乘积。两两负内积的向量必非零,故各 v i v_i v i 为非零实数,符号取 + + + 或 − - − 。若有三个 v 1 , v 2 , v 3 v_1,v_2,v_3 v 1 , v 2 , v 3 ,由抽屉原理必有两个同号,其乘积 > 0 >0 > 0 ,矛盾。故 m ≤ 2 = 1 + 1 m\le 2=1+1 m ≤ 2 = 1 + 1 ,基础成立。
归纳步骤. 设命题对任意 ( n − 1 ) (n-1) ( n − 1 ) 维实内积空间成立(n ≥ 2 n\ge 2 n ≥ 2 )。给定 R n \mathbb{R}^n R n 中两两负内积的 v 1 , … , v m v_1,\dots,v_m v 1 , … , v m 。当 m ≤ 1 m\le 1 m ≤ 1 时 m ≤ n + 1 m\le n+1 m ≤ n + 1 (n ≥ 1 n\ge 1 n ≥ 1 )平凡成立,故设 m ≥ 2 m\ge 2 m ≥ 2 ;此时各向量非零,特别地 v m ≠ 0 v_m\ne\mathbf 0 v m = 0 ,∥ v m ∥ 2 > 0 \|v_m\|^2>0 ∥ v m ∥ 2 > 0 。
对 i = 1 , … , m − 1 i=1,\dots,m-1 i = 1 , … , m − 1 作沿 v m v_m v m 方向的正交分解
v i = w i + c i v m , c i = ⟨ v i , v m ⟩ ∥ v m ∥ 2 , w i = v i − c i v m ,
v_i=w_i+c_i v_m,\qquad c_i=\frac{\langle v_i,v_m\rangle}{\|v_m\|^2},\quad w_i=v_i-c_iv_m,
v i = w i + c i v m , c i = ∥ v m ∥ 2 ⟨ v i , v m ⟩ , w i = v i − c i v m ,
则 ⟨ w i , v m ⟩ = ⟨ v i , v m ⟩ − c i ∥ v m ∥ 2 = 0 \langle w_i,v_m\rangle=\langle v_i,v_m\rangle-c_i\|v_m\|^2=0 ⟨ w i , v m ⟩ = ⟨ v i , v m ⟩ − c i ∥ v m ∥ 2 = 0 ,即 w i ∈ v m ⊥ w_i\in v_m^{\perp} w i ∈ v m ⊥ 。由 ⟨ v i , v m ⟩ < 0 \langle v_i,v_m\rangle<0 ⟨ v i , v m ⟩ < 0 且 ∥ v m ∥ 2 > 0 \|v_m\|^2>0 ∥ v m ∥ 2 > 0 得
c i < 0 ( i = 1 , … , m − 1 ) .
c_i<0\qquad(i=1,\dots,m-1).
c i < 0 ( i = 1 , … , m − 1 ) .
投影后仍两两负内积。 对 1 ≤ i < j ≤ m − 1 1\le i<j\le m-1 1 ≤ i < j ≤ m − 1 ,利用 ⟨ w i , v m ⟩ = ⟨ v m , w j ⟩ = 0 \langle w_i,v_m\rangle=\langle v_m,w_j\rangle=0 ⟨ w i , v m ⟩ = ⟨ v m , w j ⟩ = 0 :
⟨ v i , v j ⟩ = ⟨ w i + c i v m , w j + c j v m ⟩ = ⟨ w i , w j ⟩ + c j ⟨ w i , v m ⟩ ⏟ 0 + c i ⟨ v m , w j ⟩ ⏟ 0 + c i c j ∥ v m ∥ 2 = ⟨ w i , w j ⟩ + c i c j ∥ v m ∥ 2 ,
\begin{aligned}
\langle v_i,v_j\rangle
&=\langle w_i+c_iv_m,\ w_j+c_jv_m\rangle\\
&=\langle w_i,w_j\rangle+c_j\underbrace{\langle w_i,v_m\rangle}_{0}+c_i\underbrace{\langle v_m,w_j\rangle}_{0}+c_ic_j\|v_m\|^2\\
&=\langle w_i,w_j\rangle+c_ic_j\|v_m\|^2,
\end{aligned}
⟨ v i , v j ⟩ = ⟨ w i + c i v m , w j + c j v m ⟩ = ⟨ w i , w j ⟩ + c j 0 ⟨ w i , v m ⟩ + c i 0 ⟨ v m , w j ⟩ + c i c j ∥ v m ∥ 2 = ⟨ w i , w j ⟩ + c i c j ∥ v m ∥ 2 ,
移项得 ⟨ w i , w j ⟩ = ⟨ v i , v j ⟩ − c i c j ∥ v m ∥ 2 \langle w_i,w_j\rangle=\langle v_i,v_j\rangle-c_ic_j\|v_m\|^2 ⟨ w i , w j ⟩ = ⟨ v i , v j ⟩ − c i c j ∥ v m ∥ 2 。逐项判号:⟨ v i , v j ⟩ < 0 \langle v_i,v_j\rangle<0 ⟨ v i , v j ⟩ < 0 (题设);c i < 0 , c j < 0 ⇒ c i c j > 0 c_i<0,\ c_j<0\Rightarrow c_ic_j>0 c i < 0 , c j < 0 ⇒ c i c j > 0 ,又 ∥ v m ∥ 2 > 0 \|v_m\|^2>0 ∥ v m ∥ 2 > 0 ,故 c i c j ∥ v m ∥ 2 > 0 c_ic_j\|v_m\|^2>0 c i c j ∥ v m ∥ 2 > 0 。于是
⟨ w i , w j ⟩ = ⟨ v i , v j ⟩ ⏟ < 0 − c i c j ∥ v m ∥ 2 ⏟ > 0 < 0 ( i ≠ j ) ,
\langle w_i,w_j\rangle=\underbrace{\langle v_i,v_j\rangle}_{<0}-\underbrace{c_ic_j\|v_m\|^2}_{>0}\ <\ 0\qquad(i\ne j),
⟨ w i , w j ⟩ = < 0 ⟨ v i , v j ⟩ − > 0 c i c j ∥ v m ∥ 2 < 0 ( i = j ) ,
不等式严格(负数减正数仍为负)。
关于 w i w_i w i 非零。 当 m − 1 ≥ 2 m-1\ge 2 m − 1 ≥ 2 时,对任意 i ≠ j i\ne j i = j 已证 ⟨ w i , w j ⟩ < 0 \langle w_i,w_j\rangle<0 ⟨ w i , w j ⟩ < 0 ,而两两负内积自动蕴含每个 w i ≠ 0 w_i\ne\mathbf 0 w i = 0 (零向量与任何向量内积为 0 0 0 )。故 w 1 , … , w m − 1 w_1,\dots,w_{m-1} w 1 , … , w m − 1 是非零向量。(注意 w i w_i w i 完全可能为零——例如 v i v_i v i 是 v m v_m v m 的负倍——但这只在 m − 1 ≤ 1 m-1\le 1 m − 1 ≤ 1 时无须排除,而那时 m ≤ 2 ≤ n + 1 m\le 2\le n+1 m ≤ 2 ≤ n + 1 已平凡成立。)
降维与归纳。 因 v m ≠ 0 v_m\ne\mathbf 0 v m = 0 ,正交补 v m ⊥ v_m^{\perp} v m ⊥ 恰是 R n \mathbb{R}^n R n 的 ( n − 1 ) (n-1) ( n − 1 ) 维线性子空间,配以 R n \mathbb{R}^n R n 的限制内积即为一个 ( n − 1 ) (n-1) ( n − 1 ) 维实内积空间。w 1 , … , w m − 1 w_1,\dots,w_{m-1} w 1 , … , w m − 1 在其中两两负内积,故由归纳假设
m − 1 ≤ ( n − 1 ) + 1 = n , 即 m ≤ n + 1.
m-1\le (n-1)+1=n,\qquad\text{即}\qquad m\le n+1.
m − 1 ≤ ( n − 1 ) + 1 = n , 即 m ≤ n + 1.
归纳完成,命题对一切 n ≥ 1 n\ge 1 n ≥ 1 成立。■ \qquad\blacksquare ■
由此 m max ≤ n + 1 m_{\max}\le n+1 m m a x ≤ n + 1 ;结合下界,
m max = n + 1 .
\boxed{\,m_{\max}=n+1\,}.
m m a x = n + 1 .
旁证:线性相关 + 符号拆分
上界亦可由一个独立、纯代数的论证给出,其核心是下面的引理。
引理(符号拆分). 设 u 1 , … , u N ∈ R d u_1,\dots,u_N\in\mathbb{R}^d u 1 , … , u N ∈ R d 两两内积 < 0 <0 < 0 。则它们的任一非平凡线性关系 ∑ i a i u i = 0 \sum_{i}a_iu_i=\mathbf 0 ∑ i a i u i = 0 中,所有非零系数必同号 。
证. 按系数符号分组 P = { i : a i > 0 } P=\{i:a_i>0\} P = { i : a i > 0 } 、N = { j : a j < 0 } N=\{j:a_j<0\} N = { j : a j < 0 } (系数为 0 0 0 的项丢弃),令
p = ∑ i ∈ P a i u i , q = ∑ j ∈ N ( − a j ) u j ,
p=\sum_{i\in P}a_iu_i,\qquad q=\sum_{j\in N}(-a_j)u_j,
p = i ∈ P ∑ a i u i , q = j ∈ N ∑ ( − a j ) u j ,
两组系数均为正。由 ∑ i a i u i = 0 \sum_i a_iu_i=\mathbf 0 ∑ i a i u i = 0 得 p = q p=q p = q 。若 P , N P,N P , N 均非空 ,则
⟨ p , q ⟩ = ∑ i ∈ P ∑ j ∈ N a i ( − a j ) ⟨ u i , u j ⟩ .
\langle p,q\rangle=\sum_{i\in P}\sum_{j\in N}a_i(-a_j)\,\langle u_i,u_j\rangle .
⟨ p , q ⟩ = i ∈ P ∑ j ∈ N ∑ a i ( − a j ) ⟨ u i , u j ⟩ .
其中 i ∈ P , j ∈ N i\in P,\,j\in N i ∈ P , j ∈ N 必有 i ≠ j i\ne j i = j (P ∩ N = ∅ P\cap N=\varnothing P ∩ N = ∅ ),故每个 ⟨ u i , u j ⟩ < 0 \langle u_i,u_j\rangle<0 ⟨ u i , u j ⟩ < 0 ,而 a i > 0 , − a j > 0 a_i>0,\ -a_j>0 a i > 0 , − a j > 0 ,于是每项严格 < 0 <0 < 0 且至少一项,得 ⟨ p , q ⟩ < 0 \langle p,q\rangle<0 ⟨ p , q ⟩ < 0 。但 p = q p=q p = q 又给 ⟨ p , q ⟩ = ∥ p ∥ 2 ≥ 0 \langle p,q\rangle=\|p\|^2\ge 0 ⟨ p , q ⟩ = ∥ p ∥ 2 ≥ 0 ,矛盾。故 P , N P,N P , N 不同时非空,即所有非零系数同号。□ \square □
由引理得上界。 设 v 1 , … , v m ∈ R n v_1,\dots,v_m\in\mathbb{R}^n v 1 , … , v m ∈ R n 两两负内积,反设 m ≥ n + 2 m\ge n+2 m ≥ n + 2 。把它们排成 n × m n\times m n × m 矩阵,其零空间维数 ≥ m − n ≥ 2 \ge m-n\ge 2 ≥ m − n ≥ 2 。任一维数 ≥ 2 \ge 2 ≥ 2 的线性子空间必含一个既有正分量又有负分量 的向量(否则该子空间中每个非零向量的坐标都半定,符号互不矛盾的此类向量张成的子空间维数 ≤ 1 \le 1 ≤ 1 )。取这样的系数向量 ( a i ) (a_i) ( a i ) ,即得一条非平凡关系 ∑ i a i v i = 0 \sum_i a_iv_i=\mathbf 0 ∑ i a i v i = 0 ,其正系数集 P P P 与负系数集 N N N 均非空 。这与引理矛盾。
故 m ≤ n + 1 m\le n+1 m ≤ n + 1 。这与归纳法所得完全一致。
此旁证之所以干净,正在于先用维数论证“逼出”一个 P , N P,N P , N 均非空的依赖,从而直接落入引理被禁止的异号情形,无需讨论同号关系——后者恰对应下界里允许出现的 ∑ i p i = 0 \sum_i p_i=\mathbf 0 ∑ i p i = 0 。
结论汇总
下界(可达). 在 R n \mathbb{R}^n R n 中直接取 v i = e i − 1 2 n 1 ( i = 1 , … , n ) v_i=e_i-\tfrac1{2n}\mathbf 1\ (i=1,\dots,n) v i = e i − 2 n 1 1 ( i = 1 , … , n ) 与 v n + 1 = − 1 v_{n+1}=-\mathbf 1 v n + 1 = − 1 ,两两内积分别为 − 3 4 n -\tfrac{3}{4n} − 4 n 3 与 − 1 2 -\tfrac12 − 2 1 ,均 < 0 <0 < 0 (即正 n n n -单纯形的顶点方向)。
上界(不可超). 对维数归纳:取 v m ≠ 0 v_m\ne\mathbf 0 v m = 0 ,向 v m ⊥ v_m^{\perp} v m ⊥ (维数恰 n − 1 n-1 n − 1 )投影后 w i w_i w i 仍两两负内积,故 m − 1 ≤ n m-1\le n m − 1 ≤ n ,即 m ≤ n + 1 m\le n+1 m ≤ n + 1 ;基础 n = 1 n=1 n = 1 由抽屉原理给 m ≤ 2 m\le 2 m ≤ 2 。(亦可由“线性相关 + 符号拆分”独立验证。)
因此 R n \mathbb{R}^n R n 中两两内积为负的非零向量个数的最大值为 n + 1 \boxed{n+1} n + 1 。
泛函分析卷 · 术语约定与名词总表
术语约定(Terminologies). 在本课中:meagre (贫集)= 第一纲集;nonmeagre (非贫集)= 第二纲集;residual / comeagre (剩余集 / 余贫集)= 其补集为贫集。
名词术语总表(按大二学生设定,逐一解释)
为方便阅读,把本卷(含开头 Terminologies、Q1–Q5、提示)出现的名词集中解释一遍。
一、空间与范数
范数 ∥ ⋅ ∥ \|\cdot\| ∥ ⋅ ∥ :给向量"长度"的函数,满足 ∥ x ∥ ≥ 0 \|x\|\ge0 ∥ x ∥ ≥ 0 (且 = 0 ⟺ x = 0 =0\iff x=0 = 0 ⟺ x = 0 )、∥ λ x ∥ = ∣ λ ∣ ∥ x ∥ \|\lambda x\|=|\lambda|\,\|x\| ∥ λ x ∥ = ∣ λ ∣ ∥ x ∥ 、三角不等式 ∥ x + y ∥ ≤ ∥ x ∥ + ∥ y ∥ \|x+y\|\le\|x\|+\|y\| ∥ x + y ∥ ≤ ∥ x ∥ + ∥ y ∥ 。
赋范向量空间 :装备了范数的向量空间;范数诱导距离 d ( x , y ) = ∥ x − y ∥ d(x,y)=\|x-y\| d ( x , y ) = ∥ x − y ∥ 。
sup 范数(上确界范数) :对有界函数 f f f ,∥ f ∥ ∞ : = sup t ∣ f ( t ) ∣ \|f\|_\infty:=\sup_t|f(t)| ∥ f ∥ ∞ := sup t ∣ f ( t ) ∣ ,即"函数图像的最大高度"。
完备 / Cauchy 列 :若每个 Cauchy 列(项与项最终任意接近:∀ ε , ∃ N , m , n ≥ N ⇒ ∥ x n − x m ∥ < ε \forall\varepsilon,\exists N,\ m,n\ge N\Rightarrow\|x_n-x_m\|<\varepsilon ∀ ε , ∃ N , m , n ≥ N ⇒ ∥ x n − x m ∥ < ε )都在空间内收敛,则称空间完备 。
Banach 空间 :完备的 赋范向量空间。直观:没有"漏洞",该收敛的都收敛得到空间内的点。
闭子空间 :子空间 Z ⊆ Y Z\subseteq Y Z ⊆ Y 且对极限封闭(Z Z Z 中收敛列的极限仍在 Z Z Z )。完备空间的闭子空间仍完备 (故仍是 Banach)。
稠密(dense) :子集 A ⊆ X A\subseteq X A ⊆ X 稠密,指 X X X 中任何点都能被 A A A 中的点任意逼近(A ‾ = X \overline A=X A = X )。例:有理数在实数中稠密。
二、线性算子与泛函
线性算子 T T T :保持加法与数乘的映射,T ( a x + b y ) = a T x + b T y T(ax+by)=aTx+bTy T ( a x + b y ) = a T x + b T y 。
有界(=连续)线性算子 :存在常数 C C C 使 ∥ T x ∥ ≤ C ∥ x ∥ \|Tx\|\le C\|x\| ∥ T x ∥ ≤ C ∥ x ∥ ;最小的 C C C 记 ∥ T ∥ \|T\| ∥ T ∥ 。对线性映射,有界 ⟺ \iff ⟺ 连续 。
B ( X , Y ) \mathcal B(X,Y) B ( X , Y ) :从 X X X 到 Y Y Y 的所有有界线性算子构成的空间。
线性泛函 :取值在标量域 R \mathbb R R (或 C \mathbb C C )的线性算子,即 T : X → R T:X\to\mathbb R T : X → R 。
核 ker ( T ) \ker(T) ker ( T ) :{ x : T x = 0 } \{x:Tx=0\} { x : T x = 0 } ,被映成零的向量全体。T T T 连续时 ker T \ker T ker T 是闭子空间。
值域 / 像 ran ( T ) \operatorname{ran}(T) ran ( T ) :{ T x : x ∈ X } ⊆ Y \{Tx:x\in X\}\subseteq Y { T x : x ∈ X } ⊆ Y ,所有输出构成的集合(是 Y Y Y 的子空间,未必闭)。
原像 T − 1 { y } T^{-1}\{y\} T − 1 { y } :{ x : T x = y } \{x:Tx=y\} { x : T x = y } ,被映到 y y y 的所有输入。
开映射(open map) :把开集映成开集的映射。等价地:单位球的像含一个以 0 0 0 为心的小球。
开映射定理 :Banach 空间之间的有界线性满射 必是开映射。其证明依赖 Baire 纲定理,故离不开完备性 。
闭图像定理 :Banach 空间之间、图像闭的线性算子必有界(连续)。同样依赖完备性。
正齐次(positively homogeneous) :p ( λ f ) = λ p ( f ) p(\lambda f)=\lambda\,p(f) p ( λ f ) = λ p ( f ) 对 λ ≥ 0 \lambda\ge0 λ ≥ 0 成立。
次可加(subadditive) :p ( f + g ) ≤ p ( f ) + p ( g ) p(f+g)\le p(f)+p(g) p ( f + g ) ≤ p ( f ) + p ( g ) 。
次线性泛函(sublinear functional) :同时正齐次 + 次可加的实值泛函。它是"比线性弱一点"的上界工具。
Hahn–Banach 定理(实版本) :若 p p p 次线性,子空间上的线性泛函 g ≤ p g\le p g ≤ p ,则可延拓 为全空间上的线性泛函 G G G 且仍 G ≤ p G\le p G ≤ p 。这是构造"理想泛函"的核心工具。
Banach 极限 :B \mathcal B B 上一个线性泛函 LIM \operatorname{LIM} LIM ,对收敛序列给出通常极限,且具平移不变性,并被 lim inf , lim sup \liminf,\limsup lim inf , lim sup 夹住——把"极限"概念延拓到不收敛的有界函数上。
三、极限的上下确界
lim sup t → ∞ f ( t ) \limsup_{t\to\infty}f(t) lim sup t → ∞ f ( t ) (上极限) :inf T sup t ≥ T f ( t ) \inf_{T}\sup_{t\ge T}f(t) inf T sup t ≥ T f ( t ) ,即"t t t 很大之后 f f f 能达到的最高水平"。
lim inf t → ∞ f ( t ) \liminf_{t\to\infty}f(t) lim inf t → ∞ f ( t ) (下极限) :sup T inf t ≥ T f ( t ) \sup_T\inf_{t\ge T}f(t) sup T inf t ≥ T f ( t ) ,"最低水平"。
关系:lim inf ≤ lim sup \liminf\le\limsup lim inf ≤ lim sup ,且通常极限存在 ⟺ \iff ⟺ 二者相等 ,此时三者同值。
平移不变性 :lim sup \limsup lim sup 、lim inf \liminf lim inf 与有限平移无关(t → ∞ t\to\infty t → ∞ 看的是"尾部"),即 lim sup t f ( t + τ ) = lim sup t f ( t ) \limsup_t f(t+\tau)=\limsup_t f(t) lim sup t f ( t + τ ) = lim sup t f ( t ) ——这条在 Q4 反复用到。
四、Baire 纲(开头 Terminologies 与 Q5 用到)
设 A ⊆ X A\subseteq X A ⊆ X (度量空间)。
无处稠密(nowhere dense) :A A A 的闭包内部为空,int ( A ‾ ) = ∅ \operatorname{int}(\overline A)=\varnothing int ( A ) = ∅ ;直观是"到处都有空隙",例:整数集在 R \mathbb R R 中。
第一纲集 / 贫集(meagre) :可数个无处稠密集之并。直观是"很小、很稀疏"的集合。
第二纲集 / 非贫集(nonmeagre) :不是第一纲集(不能被这样"小"的方式拼出)。
剩余集 / 余贫集(residual / comeagre) :其补集是贫集 的集合。直观是"很大、几乎占满"的集合。
Baire 纲定理(背景) :完备度量空间(或局部紧 Hausdorff 空间)是 Baire 空间 ——其中可数个稠密开集之交仍稠密,等价地非空开集都是第二纲集。Q5 正是要刻画"X X X 是 Baire 空间"的几个等价说法。
泛函分析卷 · Q1(求导算子:无界但有闭图像)
题目
问题 1(20 分). 设 X X X 是 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上所有具有连续导数的实值连续函数 构成的赋范向量空间,赋以上确界范数 。
证明:由 D f : = f ′ Df:=f' D f := f ′ 给出的线性映射 D : X → C [ 0 , 1 ] D:X\to C[0,1] D : X → C [ 0 , 1 ] 是无界 的。
证明:D D D 具有闭图像 。(这与闭图像定理矛盾吗?为什么?)
解答
设 X = ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) X=\big(C^1[0,1],\ \|\cdot\|_\infty\big) X = ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) ,即 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上具有连续导数的实值函数全体,配上确界范数
∥ f ∥ ∞ = sup x ∈ [ 0 , 1 ] ∣ f ( x ) ∣ . \|f\|_\infty=\sup_{x\in[0,1]}|f(x)|. ∥ f ∥ ∞ = x ∈ [ 0 , 1 ] sup ∣ f ( x ) ∣.
到达域取 ( C [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) \big(C[0,1],\ \|\cdot\|_\infty\big) ( C [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) ,配同一上确界范数。考虑求导算子
D : X → C [ 0 , 1 ] , D f : = f ′ . D:X\to C[0,1],\qquad Df:=f'. D : X → C [ 0 , 1 ] , D f := f ′ .
注意 X X X 与 C [ 0 , 1 ] C[0,1] C [ 0 , 1 ] 用的是同一个 上确界范数,区别只在 X X X 的元素额外要求有连续导数。D D D 线性,因为对 f , g ∈ X f,g\in X f , g ∈ X 、a , b ∈ R a,b\in\mathbb R a , b ∈ R 有 ( a f + b g ) ′ = a f ′ + b g ′ (af+bg)'=af'+bg' ( a f + b g ) ′ = a f ′ + b g ′ ;又 f ∈ C 1 f\in C^1 f ∈ C 1 保证 f ′ ∈ C [ 0 , 1 ] f'\in C[0,1] f ′ ∈ C [ 0 , 1 ] ,故 D D D 有定义且取值确在 C [ 0 , 1 ] C[0,1] C [ 0 , 1 ] 中。
(1) D D D 无界
有界的定义。 线性算子 T : ( X , ∥ ⋅ ∥ ) → ( Y , ∥ ⋅ ∥ ) T:(X,\|\cdot\|)\to(Y,\|\cdot\|) T : ( X , ∥ ⋅ ∥ ) → ( Y , ∥ ⋅ ∥ ) 称为有界 ,若存在常数 C ≥ 0 C\ge 0 C ≥ 0 使 ∥ T f ∥ ≤ C ∥ f ∥ \|Tf\|\le C\|f\| ∥ T f ∥ ≤ C ∥ f ∥ 对一切 f ∈ X f\in X f ∈ X 成立;此时最小的这种 C C C 记为 ∥ T ∥ \|T\| ∥ T ∥ 。我们用其逆否形式直接判定无界,不预设任何"无界的双向刻画" :
注(一条不依赖外部刻画的判定法) 若 D D D 有界,则有某常数 C C C 使 ∥ D f ∥ ∞ ≤ C ∥ f ∥ ∞ \|Df\|_\infty\le C\|f\|_\infty ∥ D f ∥ ∞ ≤ C ∥ f ∥ ∞ 对一切 f ∈ X f\in X f ∈ X 成立。于是只要能找到一列 f n ∈ X f_n\in X f n ∈ X (f n ≢ 0 f_n\not\equiv 0 f n ≡ 0 )使比值 ∥ D f n ∥ ∞ / ∥ f n ∥ ∞ \|Df_n\|_\infty/\|f_n\|_\infty ∥ D f n ∥ ∞ /∥ f n ∥ ∞ 无上界,便与"存在统一的 C C C "矛盾,从而 D D D 无界。下面的 f n = x n f_n=x^n f n = x n 比值恰为 n n n ,故无须任何归一化或抽子列的技巧。
取 f n ( x ) = x n ( n ≥ 1 ) f_n(x)=x^n\ (n\ge 1) f n ( x ) = x n ( n ≥ 1 ) 。每个 f n f_n f n 在 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上 C ∞ C^\infty C ∞ ,故 f n ∈ X f_n\in X f n ∈ X ,且 f n ′ ( x ) = n x n − 1 f_n'(x)=n\,x^{n-1} f n ′ ( x ) = n x n − 1 。
分母 ∥ f n ∥ ∞ \|f_n\|_\infty ∥ f n ∥ ∞ 。 对 x ∈ [ 0 , 1 ] x\in[0,1] x ∈ [ 0 , 1 ] 有 0 ≤ x n ≤ 1 0\le x^n\le 1 0 ≤ x n ≤ 1 ,且在端点 x = 1 x=1 x = 1 处 x n = 1 x^n=1 x n = 1 ,故上确界恰为 1 1 1 且被取到:
∥ f n ∥ ∞ = sup x ∈ [ 0 , 1 ] x n = 1. \|f_n\|_\infty=\sup_{x\in[0,1]}x^n=1. ∥ f n ∥ ∞ = x ∈ [ 0 , 1 ] sup x n = 1.
注(为何 ∥ x n ∥ ∞ = 1 \|x^n\|_\infty=1 ∥ x n ∥ ∞ = 1 ) 因为 0 ≤ x ≤ 1 ⇒ 0 ≤ x n ≤ 1 0\le x\le 1\Rightarrow 0\le x^n\le 1 0 ≤ x ≤ 1 ⇒ 0 ≤ x n ≤ 1 (上界 1 1 1 ),又 x = 1 x=1 x = 1 处取到 1 1 1 (达到上界),所以 sup = 1 \sup=1 sup = 1 。这是精确等式 而非估计,故下面的比值毫无含糊。
分子 ∥ D f n ∥ ∞ \|Df_n\|_\infty ∥ D f n ∥ ∞ 。 对 x ∈ [ 0 , 1 ] x\in[0,1] x ∈ [ 0 , 1 ] 有 0 ≤ n x n − 1 ≤ n 0\le n\,x^{n-1}\le n 0 ≤ n x n − 1 ≤ n (因 0 ≤ x n − 1 ≤ 1 0\le x^{n-1}\le 1 0 ≤ x n − 1 ≤ 1 ),且在 x = 1 x=1 x = 1 处取到 n ⋅ 1 = n n\cdot 1=n n ⋅ 1 = n ,故
∥ D f n ∥ ∞ = sup x ∈ [ 0 , 1 ] n x n − 1 = n . \|Df_n\|_\infty=\sup_{x\in[0,1]}n\,x^{n-1}=n. ∥ D f n ∥ ∞ = x ∈ [ 0 , 1 ] sup n x n − 1 = n .
(这里用"上界 + + + 端点取到"叙述,对 n = 1 n=1 n = 1 的常函数 f 1 ′ ≡ 1 f_1'\equiv 1 f 1 ′ ≡ 1 同样给出 sup = 1 = n \sup=1=n sup = 1 = n ,无需讨论单调性。)
比值。 于是对每个 n ≥ 1 n\ge 1 n ≥ 1 ,
∥ D f n ∥ ∞ ∥ f n ∥ ∞ = n 1 = n . \frac{\|Df_n\|_\infty}{\|f_n\|_\infty}=\frac{n}{1}=n. ∥ f n ∥ ∞ ∥ D f n ∥ ∞ = 1 n = n .
当 n → ∞ n\to\infty n → ∞ 时 n → ∞ n\to\infty n → ∞ ,故该比值无上界。若 D D D 有界则比值有统一上界 ∥ D ∥ < ∞ \|D\|<\infty ∥ D ∥ < ∞ ,矛盾。因此 D D D 无界 。■ \blacksquare ■
(2) D D D 有闭图像
图像与"闭"的精确含义。 D D D 的图像是
Γ ( D ) = { ( f , D f ) : f ∈ X } = { ( f , f ′ ) : f ∈ X } ⊂ X × C [ 0 , 1 ] . \Gamma(D)=\{(f,Df):f\in X\}=\{(f,f'):f\in X\}\subset X\times C[0,1]. Γ ( D ) = {( f , D f ) : f ∈ X } = {( f , f ′ ) : f ∈ X } ⊂ X × C [ 0 , 1 ] .
乘积空间 X × C [ 0 , 1 ] X\times C[0,1] X × C [ 0 , 1 ] 配范数 ∥ ( f , g ) ∥ : = ∥ f ∥ ∞ + ∥ g ∥ ∞ \|(f,g)\|:=\|f\|_\infty+\|g\|_\infty ∥ ( f , g ) ∥ := ∥ f ∥ ∞ + ∥ g ∥ ∞ 。称 Γ ( D ) \Gamma(D) Γ ( D ) 闭 ,是指:若序列 ( f n , D f n ) ∈ Γ ( D ) (f_n,Df_n)\in\Gamma(D) ( f n , D f n ) ∈ Γ ( D ) 在乘积范数下收敛到某 ( f , g ) ∈ X × C [ 0 , 1 ] (f,g)\in X\times C[0,1] ( f , g ) ∈ X × C [ 0 , 1 ] ,则 ( f , g ) ∈ Γ ( D ) (f,g)\in\Gamma(D) ( f , g ) ∈ Γ ( D ) ,即 f ∈ X f\in X f ∈ X 且 f ′ = g f'=g f ′ = g 。
注(分量刻画) 在乘积范数 ∥ ( f , g ) ∥ = ∥ f ∥ ∞ + ∥ g ∥ ∞ \|(f,g)\|=\|f\|_\infty+\|g\|_\infty ∥ ( f , g ) ∥ = ∥ f ∥ ∞ + ∥ g ∥ ∞ 下,( f n , D f n ) → ( f , g ) (f_n,Df_n)\to(f,g) ( f n , D f n ) → ( f , g ) 当且仅当 ∥ f n − f ∥ ∞ → 0 \|f_n-f\|_\infty\to 0 ∥ f n − f ∥ ∞ → 0 且 ∥ f n ′ − g ∥ ∞ → 0 \|f_n'-g\|_\infty\to 0 ∥ f n ′ − g ∥ ∞ → 0 (因 max ( ∥ f n − f ∥ ∞ , ∥ f n ′ − g ∥ ∞ ) ≤ ∥ ( f n − f , f n ′ − g ) ∥ ≤ ∥ f n − f ∥ ∞ + ∥ f n ′ − g ∥ ∞ \max(\|f_n-f\|_\infty,\|f_n'-g\|_\infty)\le \|(f_n-f,f_n'-g)\|\le \|f_n-f\|_\infty+\|f_n'-g\|_\infty max ( ∥ f n − f ∥ ∞ , ∥ f n ′ − g ∥ ∞ ) ≤ ∥ ( f n − f , f n ′ − g ) ∥ ≤ ∥ f n − f ∥ ∞ + ∥ f n ′ − g ∥ ∞ ,两端同趋于 0 0 0 )。乘积空间上的求和范数与取大范数等价,给出同一拓扑,故"图像是否闭"与这两种等价范数的选取无关。以下采用此分量刻画。
注(为什么偏偏配这个范数?) "图像闭"是 Γ ( D ) \Gamma(D) Γ ( D ) 在乘积空间 X × C [ 0 , 1 ] X\times C[0,1] X × C [ 0 , 1 ] 中的拓扑性质,谈"闭"必先给积空间一个范数。选 ∥ ( f , g ) ∥ : = ∥ f ∥ ∞ + ∥ g ∥ ∞ \|(f,g)\|:=\|f\|_\infty+\|g\|_\infty ∥ ( f , g ) ∥ := ∥ f ∥ ∞ + ∥ g ∥ ∞ 的唯一理由是方便 :它让"积空间里收敛"恰好等价于"两个分量各自收敛"——而后者正是我们能动手做估计的形式(f n → f f_n\to f f n → f 一致、f n ′ → g f_n'\to g f n ′ → g 一致)。
更重要的是,这个选择没有任何武断 :有限个赋范空间的乘积上,常见的几种范数
max ( ∥ f ∥ ∞ , ∥ g ∥ ∞ ) ≤ ∥ f ∥ ∞ 2 + ∥ g ∥ ∞ 2 ≤ ∥ f ∥ ∞ + ∥ g ∥ ∞ ≤ 2 max ( ∥ f ∥ ∞ , ∥ g ∥ ∞ ) \max(\|f\|_\infty,\|g\|_\infty)\ \le\ \sqrt{\|f\|_\infty^2+\|g\|_\infty^2}\ \le\ \|f\|_\infty+\|g\|_\infty\ \le\ 2\max(\|f\|_\infty,\|g\|_\infty) max ( ∥ f ∥ ∞ , ∥ g ∥ ∞ ) ≤ ∥ f ∥ ∞ 2 + ∥ g ∥ ∞ 2 ≤ ∥ f ∥ ∞ + ∥ g ∥ ∞ ≤ 2 max ( ∥ f ∥ ∞ , ∥ g ∥ ∞ )
两两等价,诱导同一个拓扑 ,故开集、闭集、收敛、极限全都一致。换成取大范数或欧氏型范数,"图像是否闭"的结论分毫不变;选求和范数只是书写最省事。
注(闭图像 ≠ \ne = 连续) "连续(有界)"意味着 f n → f f_n\to f f n → f 就有 D f n → D f Df_n\to Df D f n → D f 。而"闭图像"只在额外假设 D f n Df_n D f n 也收敛(到某 g g g )的前提下,才断言极限自洽(g = D f g=Df g = D f 且 f f f 在定义域内)。后者明显更弱。本题恰好出现"图像闭却不连续",正说明二者有别;二者何时等价见末段的闭图像定理。
从头证明 Γ ( D ) \Gamma(D) Γ ( D ) 闭(微积分基本定理 + + + 一致收敛交换积分,不黑箱)。 设 f n ∈ X f_n\in X f n ∈ X ,f n → f f_n\to f f n → f 一致,f n ′ → g f_n'\to g f n ′ → g 一致,其中 g ∈ C [ 0 , 1 ] g\in C[0,1] g ∈ C [ 0 , 1 ] (一致收敛的极限保连续,是基础分析事实)。要证 f ∈ C 1 [ 0 , 1 ] f\in C^1[0,1] f ∈ C 1 [ 0 , 1 ] 且 f ′ = g f'=g f ′ = g 。
第一步(对每个 f n f_n f n 用微积分基本定理)。 因 f n ∈ C 1 [ 0 , 1 ] f_n\in C^1[0,1] f n ∈ C 1 [ 0 , 1 ] ,f n ′ f_n' f n ′ 连续,由微积分基本定理(连续被积函数的变上限积分等于原函数增量),对每个 x ∈ [ 0 , 1 ] x\in[0,1] x ∈ [ 0 , 1 ]
f n ( x ) = f n ( 0 ) + ∫ 0 x f n ′ ( t ) d t . ( \ast ) f_n(x)=f_n(0)+\int_0^x f_n'(t)\,dt.\tag{\ast} f n ( x ) = f n ( 0 ) + ∫ 0 x f n ′ ( t ) d t . ( \ast )
第二步(积分项一致收敛)。 对每个 x ∈ [ 0 , 1 ] x\in[0,1] x ∈ [ 0 , 1 ] ,
∣ ∫ 0 x f n ′ ( t ) d t − ∫ 0 x g ( t ) d t ∣ = ∣ ∫ 0 x ( f n ′ ( t ) − g ( t ) ) d t ∣ ≤ ∫ 0 x ∣ f n ′ ( t ) − g ( t ) ∣ d t ≤ ∥ f n ′ − g ∥ ∞ ⋅ x ≤ ∥ f n ′ − g ∥ ∞ . \left|\int_0^x f_n'(t)\,dt-\int_0^x g(t)\,dt\right|
=\left|\int_0^x\big(f_n'(t)-g(t)\big)\,dt\right|
\le\int_0^x|f_n'(t)-g(t)|\,dt
\le \|f_n'-g\|_\infty\cdot x\le \|f_n'-g\|_\infty. ∫ 0 x f n ′ ( t ) d t − ∫ 0 x g ( t ) d t = ∫ 0 x ( f n ′ ( t ) − g ( t ) ) d t ≤ ∫ 0 x ∣ f n ′ ( t ) − g ( t ) ∣ d t ≤ ∥ f n ′ − g ∥ ∞ ⋅ x ≤ ∥ f n ′ − g ∥ ∞ .
右端与 x x x 无关且 → 0 \to 0 → 0 (因 f n ′ → g f_n'\to g f n ′ → g 一致),故
∫ 0 x f n ′ ( t ) d t → n → ∞ ∫ 0 x g ( t ) d t ( 关于 x 一致 ) . \int_0^x f_n'(t)\,dt\xrightarrow[n\to\infty]{}\int_0^x g(t)\,dt\qquad(\text{关于 }x\text{ 一致}). ∫ 0 x f n ′ ( t ) d t n → ∞ ∫ 0 x g ( t ) d t ( 关于 x 一致 ) .
注(此处无任何黑箱) "一致收敛下可对积分取极限"在本讲义不作为已知定理引用,而是上面三行直接由积分绝对值估计 证出的:被积函数差的范数乘以积分长度 ≤ 1 \le 1 ≤ 1 。
第三步(取极限)。 在 ( ∗ ) (\ast) ( ∗ ) 中令 n → ∞ n\to\infty n → ∞ 。由 f n → f f_n\to f f n → f 一致知 f n ( x ) → f ( x ) f_n(x)\to f(x) f n ( x ) → f ( x ) (逐点)且 f n ( 0 ) → f ( 0 ) f_n(0)\to f(0) f n ( 0 ) → f ( 0 ) ;积分项由第二步收敛。故对每个 x ∈ [ 0 , 1 ] x\in[0,1] x ∈ [ 0 , 1 ] ,
f ( x ) = f ( 0 ) + ∫ 0 x g ( t ) d t . ( \ast \ast ) f(x)=f(0)+\int_0^x g(t)\,dt.\tag{\ast\ast} f ( x ) = f ( 0 ) + ∫ 0 x g ( t ) d t . ( \ast \ast )
第四步(再用微积分基本定理反推光滑性)。 g ∈ C [ 0 , 1 ] g\in C[0,1] g ∈ C [ 0 , 1 ] 连续,由微积分基本定理,变上限积分 G ( x ) : = ∫ 0 x g ( t ) d t G(x):=\int_0^x g(t)\,dt G ( x ) := ∫ 0 x g ( t ) d t 在 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上处处可导且 G ′ ( x ) = g ( x ) G'(x)=g(x) G ′ ( x ) = g ( x ) 。由 ( ∗ ∗ ) (\ast\ast) ( ∗ ∗ ) ,f = f ( 0 ) + G f=f(0)+G f = f ( 0 ) + G ,故 f f f 可导且 f ′ ( x ) = g ( x ) f'(x)=g(x) f ′ ( x ) = g ( x ) ,又 g g g 连续,所以 f ′ = g ∈ C [ 0 , 1 ] f'=g\in C[0,1] f ′ = g ∈ C [ 0 , 1 ] ,即 f ∈ C 1 [ 0 , 1 ] = X f\in C^1[0,1]=X f ∈ C 1 [ 0 , 1 ] = X ,且 D f = f ′ = g Df=f'=g D f = f ′ = g 。
于是 ( f , g ) = ( f , D f ) ∈ Γ ( D ) (f,g)=(f,Df)\in\Gamma(D) ( f , g ) = ( f , D f ) ∈ Γ ( D ) 。故 Γ ( D ) \Gamma(D) Γ ( D ) 闭,D D D 有闭图像。■ \blacksquare ■
这与闭图像定理矛盾吗?——不矛盾
回顾闭图像定理。 设 E , F E,F E , F 均为 Banach 空间(即完备赋范空间) ,T : E → F T:E\to F T : E → F 线性。若 T T T 的图像 Γ ( T ) \Gamma(T) Γ ( T ) 在 E × F E\times F E × F 中闭,则 T T T 有界。
注(前提不可省) "连续 ⇒ \Rightarrow ⇒ 闭图像"对任意赋范空间无条件成立;而闭图像定理的"闭图像 ⇒ \Rightarrow ⇒ 连续"这一方向必须 用到两端的完备性(其证明依赖 Baire 纲定理)。所以一旦某端不完备,闭图像就完全可能与无界并存。
逐条核验闭图像定理前提:
到达域 F = C [ 0 , 1 ] F=C[0,1] F = C [ 0 , 1 ] (上确界范数):完备 ,是 Banach 空间(连续函数的一致 Cauchy 列一致收敛到连续函数,本课基础事实)。✓
定义域 E = X = ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) E=X=(C^1[0,1],\|\cdot\|_\infty) E = X = ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) :断言其不完备 ,故闭图像定理前提不满足 。✗
因此 (2) 的闭图像推不出连续,与 (1) 的无界并行不悖。下面把"不完备"从头证清楚。
从头证明 X = ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) X=(C^1[0,1],\|\cdot\|_\infty) X = ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) 不完备。 只需给出一列在 ∥ ⋅ ∥ ∞ \|\cdot\|_\infty ∥ ⋅ ∥ ∞ 下 Cauchy、但极限不属于 X X X 的函数。取
f n ( x ) = ( x − 1 2 ) 2 + 1 n ( n ≥ 1 ) . f_n(x)=\sqrt{\Big(x-\tfrac12\Big)^2+\tfrac1n}\qquad(n\ge 1). f n ( x ) = ( x − 2 1 ) 2 + n 1 ( n ≥ 1 ) .
(a) f n ∈ X f_n\in X f n ∈ X 。 被开方量 ( x − 1 2 ) 2 + 1 n ≥ 1 n > 0 \big(x-\tfrac12\big)^2+\tfrac1n\ge\tfrac1n>0 ( x − 2 1 ) 2 + n 1 ≥ n 1 > 0 在 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上处处为正,平方根在正数处光滑,故 f n ∈ C ∞ ⊂ C 1 f_n\in C^\infty\subset C^1 f n ∈ C ∞ ⊂ C 1 ,
f n ′ ( x ) = x − 1 2 ( x − 1 2 ) 2 + 1 n ∈ C [ 0 , 1 ] . f_n'(x)=\frac{x-\tfrac12}{\sqrt{(x-\tfrac12)^2+\tfrac1n}}\in C[0,1]. f n ′ ( x ) = ( x − 2 1 ) 2 + n 1 x − 2 1 ∈ C [ 0 , 1 ] .
(b) f n f_n f n 一致收敛到 φ ( x ) : = ∣ x − 1 2 ∣ \varphi(x):=\big|x-\tfrac12\big| φ ( x ) := x − 2 1 。 记 a = x − 1 2 a=x-\tfrac12 a = x − 2 1 ,用 u − v = u − v u + v \sqrt u-\sqrt v=\dfrac{u-v}{\sqrt u+\sqrt v} u − v = u + v u − v (u = a 2 + 1 n , v = a 2 u=a^2+\tfrac1n,\ v=a^2 u = a 2 + n 1 , v = a 2 ,v = ∣ a ∣ \sqrt v=|a| v = ∣ a ∣ ):
0 ≤ f n ( x ) − φ ( x ) = 1 n a 2 + 1 n + ∣ a ∣ ≤ 1 n a 2 + 1 n ≤ 1 n 1 n = 1 n . 0\le f_n(x)-\varphi(x)=\frac{\tfrac1n}{\sqrt{a^2+\tfrac1n}+|a|}\le\frac{\tfrac1n}{\sqrt{a^2+\tfrac1n}}\le\frac{\tfrac1n}{\sqrt{\tfrac1n}}=\frac1{\sqrt n}. 0 ≤ f n ( x ) − φ ( x ) = a 2 + n 1 + ∣ a ∣ n 1 ≤ a 2 + n 1 n 1 ≤ n 1 n 1 = n 1 .
右端与 x x x 无关,故 ∥ f n − φ ∥ ∞ ≤ 1 / n → 0 \|f_n-\varphi\|_\infty\le 1/\sqrt n\to 0 ∥ f n − φ ∥ ∞ ≤ 1/ n → 0 ,即 f n → φ f_n\to\varphi f n → φ 一致。(误差上确界在 x = 1 2 x=\tfrac12 x = 2 1 处取到,恰为 1 / n 1/\sqrt n 1/ n ,与估计吻合。)
(c) { f n } \{f_n\} { f n } 在 ∥ ⋅ ∥ ∞ \|\cdot\|_\infty ∥ ⋅ ∥ ∞ 下 Cauchy。 收敛列必为 Cauchy 列:
∥ f n − f m ∥ ∞ ≤ ∥ f n − φ ∥ ∞ + ∥ φ − f m ∥ ∞ ≤ 1 n + 1 m → 0. \|f_n-f_m\|_\infty\le\|f_n-\varphi\|_\infty+\|\varphi-f_m\|_\infty\le\frac1{\sqrt n}+\frac1{\sqrt m}\to 0. ∥ f n − f m ∥ ∞ ≤ ∥ f n − φ ∥ ∞ + ∥ φ − f m ∥ ∞ ≤ n 1 + m 1 → 0.
(d) 极限不在 X X X 。 φ ( x ) = ∣ x − 1 2 ∣ \varphi(x)=\big|x-\tfrac12\big| φ ( x ) = x − 2 1 在 x = 1 2 x=\tfrac12 x = 2 1 不可导(左导数 − 1 -1 − 1 、右导数 + 1 +1 + 1 ,不相等),故 φ ∉ C 1 [ 0 , 1 ] = X \varphi\notin C^1[0,1]=X φ ∈ / C 1 [ 0 , 1 ] = X 。
(e) 反证。 若 X X X 完备,则 Cauchy 列 { f n } \{f_n\} { f n } 在 X X X 中收敛到某 h ∈ X h\in X h ∈ X ,即 ∥ f n − h ∥ ∞ → 0 \|f_n-h\|_\infty\to 0 ∥ f n − h ∥ ∞ → 0 。但同一序列在 C [ 0 , 1 ] C[0,1] C [ 0 , 1 ] 中又收敛到 φ \varphi φ (由 (b)),而度量空间中极限唯一:
∥ h − φ ∥ ∞ ≤ ∥ h − f n ∥ ∞ + ∥ f n − φ ∥ ∞ → 0 ⇒ h = φ . \|h-\varphi\|_\infty\le\|h-f_n\|_\infty+\|f_n-\varphi\|_\infty\to 0\ \Rightarrow\ h=\varphi. ∥ h − φ ∥ ∞ ≤ ∥ h − f n ∥ ∞ + ∥ f n − φ ∥ ∞ → 0 ⇒ h = φ .
于是 φ = h ∈ X \varphi=h\in X φ = h ∈ X ,与 (d) 矛盾。故 X X X 不完备 。■ \blacksquare ■
小结。 D D D 有闭图像但无界,并不违反闭图像定理——闭图像定理要求定义域完备,而 ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) (C^1[0,1],\|\cdot\|_\infty) ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) 不是 Banach 空间,前提根本不成立。
泛函分析卷 · Q2(C[0,1] 中元素皆 C^1 的闭子空间必有限维)
题目
问题 2(10 分). 设 X ~ \tilde X X ~ 是 C [ 0 , 1 ] C[0,1] C [ 0 , 1 ] (照例赋上确界范数)的一个闭 子空间,且 X ~ \tilde X X ~ 中每个元素都具有连续导数。证明:X ~ \tilde X X ~ 必为有限维 。
提示: 先证求导映射 D : X ~ → C [ 0 , 1 ] D:\tilde X\to C[0,1] D : X ~ → C [ 0 , 1 ] 有界;然后或构造显式线性单射 X ~ ↪ R N \tilde X\hookrightarrow\mathbb R^N X ~ ↪ R N ,或用 F. Riesz 引理论证。
解答
设 X ~ \widetilde X X 是 ( C [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) \big(C[0,1],\|\cdot\|_\infty\big) ( C [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) 的闭 子空间,且 X ~ ⊂ C 1 [ 0 , 1 ] \widetilde X\subset C^1[0,1] X ⊂ C 1 [ 0 , 1 ] (即 X ~ \widetilde X X 中每个元素都有连续导数)。证明 dim X ~ < ∞ \dim\widetilde X<\infty dim X < ∞ 。
策略。 先用闭图像定理证求导算子 D : X ~ → C [ 0 , 1 ] D:\widetilde X\to C[0,1] D : X → C [ 0 , 1 ] 有界,再用这个界构造一个显式线性单射 X ~ ↪ R N + 1 \widetilde X\hookrightarrow\mathbb R^{N+1} X ↪ R N + 1 ,从而 dim X ~ ≤ N + 1 < ∞ \dim\widetilde X\le N+1<\infty dim X ≤ N + 1 < ∞ 。
第一步:D : X ~ → C [ 0 , 1 ] D:\widetilde X\to C[0,1] D : X → C [ 0 , 1 ] 有界(这次闭图像定理真能用)
X ~ \widetilde X X 是 Banach 空间。 逐条说清:
C [ 0 , 1 ] C[0,1] C [ 0 , 1 ] 配 ∥ ⋅ ∥ ∞ \|\cdot\|_\infty ∥ ⋅ ∥ ∞ 完备(Banach,同 Q1)。
X ~ \widetilde X X 是 C [ 0 , 1 ] C[0,1] C [ 0 , 1 ] 的闭 子空间(题设)。
完备度量空间的闭子集 本身完备:若 { f n } ⊂ X ~ \{f_n\}\subset\widetilde X { f n } ⊂ X Cauchy,则在 C [ 0 , 1 ] C[0,1] C [ 0 , 1 ] 中(因完备)收敛到某 f ∈ C [ 0 , 1 ] f\in C[0,1] f ∈ C [ 0 , 1 ] ;又 X ~ \widetilde X X 闭,极限 f ∈ X ~ f\in\widetilde X f ∈ X 。故 X ~ \widetilde X X 中 Cauchy 列在 X ~ \widetilde X X 内收敛。
因此 X ~ \widetilde X X 完备,是 Banach 空间 。✓
注(这里第一次用到"X ~ \widetilde X X 闭") 没有"闭",子空间未必完备,下面闭图像定理就用不上——这正是与 Q1 的关键分野。
D D D 有闭图像。 D : X ~ → C [ 0 , 1 ] D:\widetilde X\to C[0,1] D : X → C [ 0 , 1 ] ,D f = f ′ Df=f' D f = f ′ (对 f ∈ X ~ ⊂ C 1 f\in\widetilde X\subset C^1 f ∈ X ⊂ C 1 有定义),线性。证图像闭:设 f n ∈ X ~ f_n\in\widetilde X f n ∈ X ,f n → f f_n\to f f n → f 一致,f n ′ → g f_n'\to g f n ′ → g 一致。
可导性(由微积分基本定理,与 Q1(2) 同): 由 f n ( x ) = f n ( 0 ) + ∫ 0 x f n ′ f_n(x)=f_n(0)+\int_0^x f_n' f n ( x ) = f n ( 0 ) + ∫ 0 x f n ′ ,及 ∣ ∫ 0 x ( f n ′ − g ) ∣ ≤ ∥ f n ′ − g ∥ ∞ → 0 \big|\int_0^x(f_n'-g)\big|\le\|f_n'-g\|_\infty\to 0 ∫ 0 x ( f n ′ − g ) ≤ ∥ f n ′ − g ∥ ∞ → 0 (关于 x x x 一致),取极限得 f ( x ) = f ( 0 ) + ∫ 0 x g ( t ) d t f(x)=f(0)+\int_0^x g(t)\,dt f ( x ) = f ( 0 ) + ∫ 0 x g ( t ) d t ;g g g 连续,由微积分基本定理知 f f f 可导且 f ′ = g ∈ C [ 0 , 1 ] f'=g\in C[0,1] f ′ = g ∈ C [ 0 , 1 ] ,即 f ∈ C 1 [ 0 , 1 ] f\in C^1[0,1] f ∈ C 1 [ 0 , 1 ] 、D f = g Df=g D f = g 。
定义域成员资格(由"闭",Q1 不需要、Q2 新增): f f f 是 { f n } ⊂ X ~ \{f_n\}\subset\widetilde X { f n } ⊂ X 的一致极限,而 X ~ \widetilde X X 闭,故 f ∈ X ~ f\in\widetilde X f ∈ X 。这一步保证极限点 ( f , g ) (f,g) ( f , g ) 落在以 X ~ \widetilde X X 为定义域的图像 Γ ( D ) ⊂ X ~ × C [ 0 , 1 ] \Gamma(D)\subset\widetilde X\times C[0,1] Γ ( D ) ⊂ X × C [ 0 , 1 ] 里。
注("闭"与微积分基本定理的作用点不同) 微积分基本定理部分(推出 f f f 可导、f ′ = g f'=g f ′ = g )与 Q1(2) 逐字相同,不需要 任何完备/闭性。Q2 真正多用到的,仅是"X ~ \widetilde X X 闭 ⇒ \Rightarrow ⇒ 一致极限 f ∈ X ~ f\in\widetilde X f ∈ X "这一句,用以确认 f f f 属于定义域。两个作用点须分清。
于是 ( f , g ) = ( f , D f ) ∈ Γ ( D ) (f,g)=(f,Df)\in\Gamma(D) ( f , g ) = ( f , D f ) ∈ Γ ( D ) ,图像闭。
应用闭图像定理。 定义域 X ~ \widetilde X X 与到达域 C [ 0 , 1 ] C[0,1] C [ 0 , 1 ] 均为 Banach ,D D D 线性且图像闭,故由闭图像定理,D D D 有界:存在常数 M ≥ 0 M\ge 0 M ≥ 0 使
∥ f ′ ∥ ∞ ≤ M ∥ f ∥ ∞ ( ∀ f ∈ X ~ ) . ( \dagger ) \|f'\|_\infty\le M\,\|f\|_\infty\qquad(\forall f\in\widetilde X).\tag{\dagger} ∥ f ′ ∥ ∞ ≤ M ∥ f ∥ ∞ ( ∀ f ∈ X ) . ( \dagger )
注(为何 Q1 不矛盾而 Q2 能用闭图像定理) 同一个求导算子 D D D 、同样的微积分基本定理闭图像论证,唯一差别是定义域是否完备:
Q1:X = ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) X=(C^1[0,1],\|\cdot\|_\infty) X = ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) 不完备 ⇒ \Rightarrow ⇒ 闭图像定理不适用 ⇒ \Rightarrow ⇒ D D D 无界 ;
Q2:X ~ \widetilde X X 是 C [ 0 , 1 ] C[0,1] C [ 0 , 1 ] 的闭 子空间 ⇒ \Rightarrow ⇒ 完备(Banach)⇒ \Rightarrow ⇒ 闭图像定理适用 ⇒ \Rightarrow ⇒ D D D 有界 。
正是"完备/Banach"这一前提,把闭图像兑换成了有界性。
注(M = 0 M=0 M = 0 平凡情形) 若 M = 0 M=0 M = 0 ,则一切 f ∈ X ~ f\in\widetilde X f ∈ X 满足 f ′ ≡ 0 f'\equiv 0 f ′ ≡ 0 ,即 f f f 为常数,X ~ \widetilde X X 至多一维,已是有限维。故以下不妨设 M > 0 M>0 M > 0 。
第二步:显式网格单射 Φ : X ~ → R N + 1 \Phi:\widetilde X\to\mathbb R^{N+1} Φ : X → R N + 1 ,证有限维
构造。 取整数 N > M N>M N > M ,例如 N = ⌊ M ⌋ + 1 N=\lfloor M\rfloor+1 N = ⌊ M ⌋ + 1 (则 N ≥ 1 N\ge 1 N ≥ 1 且 0 < M N < 1 0<\tfrac MN<1 0 < N M < 1 )。设等距网格点
x j = j N ( j = 0 , 1 , … , N ) , x_j=\frac jN\qquad(j=0,1,\dots,N), x j = N j ( j = 0 , 1 , … , N ) ,
它们把 [ 0 , 1 ] [0,1] [ 0 , 1 ] 分成 N N N 个长为 1 N \tfrac1N N 1 的小区间 [ x j , x j + 1 ] [x_j,x_{j+1}] [ x j , x j + 1 ] 。定义线性映射
Φ : X ~ → R N + 1 , Φ ( f ) = ( f ( x 0 ) , f ( x 1 ) , … , f ( x N ) ) . \Phi:\widetilde X\to\mathbb R^{N+1},\qquad \Phi(f)=\big(f(x_0),f(x_1),\dots,f(x_N)\big). Φ : X → R N + 1 , Φ ( f ) = ( f ( x 0 ) , f ( x 1 ) , … , f ( x N ) ) .
Φ \Phi Φ 线性显然(每个分量是在固定点处的求值,关于 f f f 线性)。
Φ \Phi Φ 单射。 设 f ∈ X ~ f\in\widetilde X f ∈ X 且 Φ ( f ) = 0 \Phi(f)=0 Φ ( f ) = 0 ,即 f ( x j ) = 0 f(x_j)=0 f ( x j ) = 0 对所有 j = 0 , … , N j=0,\dots,N j = 0 , … , N 。任取 x ∈ [ 0 , 1 ] x\in[0,1] x ∈ [ 0 , 1 ] ;因 [ 0 , 1 ] = ⋃ j = 0 N − 1 [ x j , x j + 1 ] [0,1]=\bigcup_{j=0}^{N-1}[x_j,x_{j+1}] [ 0 , 1 ] = ⋃ j = 0 N − 1 [ x j , x j + 1 ] ,存在某 j j j 使 x ∈ [ x j , x j + 1 ] x\in[x_j,x_{j+1}] x ∈ [ x j , x j + 1 ] ,于是 x x x 到其左侧网格点的距离满足
0 ≤ x − x j ≤ x j + 1 − x j = 1 N . 0\le x-x_j\le x_{j+1}-x_j=\frac1N. 0 ≤ x − x j ≤ x j + 1 − x j = N 1 .
由微积分基本定理(f ∈ C 1 f\in C^1 f ∈ C 1 )、f ( x j ) = 0 f(x_j)=0 f ( x j ) = 0 与 ( † ) (\dagger) ( † ) :
∣ f ( x ) ∣ = ∣ f ( x ) − f ( x j ) ∣ = ∣ ∫ x j x f ′ ( t ) d t ∣ ≤ ∫ x j x ∣ f ′ ( t ) ∣ d t ≤ ∥ f ′ ∥ ∞ ( x − x j ) ≤ 1 N ∥ f ′ ∥ ∞ ≤ M N ∥ f ∥ ∞ . |f(x)|=|f(x)-f(x_j)|=\left|\int_{x_j}^x f'(t)\,dt\right|\le\int_{x_j}^x|f'(t)|\,dt\le \|f'\|_\infty\,(x-x_j)\le\frac1N\|f'\|_\infty\le\frac MN\|f\|_\infty. ∣ f ( x ) ∣ = ∣ f ( x ) − f ( x j ) ∣ = ∫ x j x f ′ ( t ) d t ≤ ∫ x j x ∣ f ′ ( t ) ∣ d t ≤ ∥ f ′ ∥ ∞ ( x − x j ) ≤ N 1 ∥ f ′ ∥ ∞ ≤ N M ∥ f ∥ ∞ .
此式对一切 x ∈ [ 0 , 1 ] x\in[0,1] x ∈ [ 0 , 1 ] 成立,对左端取上确界:
∥ f ∥ ∞ ≤ M N ∥ f ∥ ∞ , 即 ( 1 − M N ) ∥ f ∥ ∞ ≤ 0. \|f\|_\infty\le\frac MN\,\|f\|_\infty,\qquad\text{即}\quad\Big(1-\frac MN\Big)\|f\|_\infty\le 0. ∥ f ∥ ∞ ≤ N M ∥ f ∥ ∞ , 即 ( 1 − N M ) ∥ f ∥ ∞ ≤ 0.
因 M N < 1 \tfrac MN<1 N M < 1 ,系数 1 − M N > 0 1-\tfrac MN>0 1 − N M > 0 ,迫使 ∥ f ∥ ∞ = 0 \|f\|_\infty=0 ∥ f ∥ ∞ = 0 ,即 f ≡ 0 f\equiv 0 f ≡ 0 。故 ker Φ = { 0 } \ker\Phi=\{0\} ker Φ = { 0 } ,Φ \Phi Φ 单射。■ \blacksquare ■
注(为何 N N N 必须严格大于 M M M ) 我们要从 ∥ f ∥ ∞ ≤ M N ∥ f ∥ ∞ \|f\|_\infty\le\tfrac MN\|f\|_\infty ∥ f ∥ ∞ ≤ N M ∥ f ∥ ∞ 挤出 f = 0 f=0 f = 0 ,这需要压缩系数 M N \tfrac MN N M 严格小于 1 1 1 。若只取 N = M N=M N = M (设 M M M 为整数),则 M N = 1 \tfrac MN=1 N M = 1 ,不等式 ∥ f ∥ ≤ ∥ f ∥ \|f\|\le\|f\| ∥ f ∥ ≤ ∥ f ∥ 恒真而无任何信息,推不出 f = 0 f=0 f = 0 。严格性正卡在这里——这就是取 N = ⌊ M ⌋ + 1 N=\lfloor M\rfloor+1 N = ⌊ M ⌋ + 1 的全部用意。
注("到最近左网格点距离 ≤ 1 / N \le 1/N ≤ 1/ N ") 每个 x x x 必落在某 [ x j , x j + 1 ] [x_j,x_{j+1}] [ x j , x j + 1 ] ,故到左端点 x j x_j x j 的距离不超过区间长 1 N \tfrac1N N 1 ;这把 ∣ f ( x ) ∣ = ∣ f ( x ) − f ( x j ) ∣ |f(x)|=|f(x)-f(x_j)| ∣ f ( x ) ∣ = ∣ f ( x ) − f ( x j ) ∣ 控制在 1 N ∥ f ′ ∥ ∞ \tfrac1N\|f'\|_\infty N 1 ∥ f ′ ∥ ∞ 以内。(取最近网格点可得更紧的 1 2 N \tfrac1{2N} 2 N 1 ,但 1 N \tfrac1N N 1 已足够。)
结论:X ~ \widetilde X X 有限维。 Φ \Phi Φ 线性且单射,故 ker Φ = { 0 } \ker\Phi=\{0\} ker Φ = { 0 } ,由秩–零化度定理 dim X ~ = dim Φ ( X ~ ) \dim\widetilde X=\dim\Phi(\widetilde X) dim X = dim Φ ( X ) (即 X ~ \widetilde X X 与像 Φ ( X ~ ) ⊂ R N + 1 \Phi(\widetilde X)\subset\mathbb R^{N+1} Φ ( X ) ⊂ R N + 1 线性同构)。等价地:X ~ \widetilde X X 中任取 N + 2 N+2 N + 2 个向量,其像在 R N + 1 \mathbb R^{N+1} R N + 1 中必线性相关,由单射拉回知原向量也线性相关,故 X ~ \widetilde X X 中线性无关向量至多 N + 1 N+1 N + 1 个。无论哪种说法,皆得
dim X ~ = dim Φ ( X ~ ) ≤ dim R N + 1 = N + 1 < ∞ . \dim\widetilde X=\dim\Phi(\widetilde X)\le\dim\mathbb R^{N+1}=N+1<\infty. dim X = dim Φ ( X ) ≤ dim R N + 1 = N + 1 < ∞.
即 X ~ \widetilde X X 必为有限维。■ \blacksquare ■
注(显式维数上界) 取 M = ∥ D ∥ M=\|D\| M = ∥ D ∥ (( † ) (\dagger) ( † ) 中最小可行常数)、N = ⌊ ∥ D ∥ ⌋ + 1 N=\lfloor\|D\|\rfloor+1 N = ⌊ ∥ D ∥ ⌋ + 1 ,即得 dim X ~ ≤ ⌊ ∥ D ∥ ⌋ + 2 \dim\widetilde X\le\lfloor\|D\|\rfloor+2 dim X ≤ ⌊ ∥ D ∥ ⌋ + 2 ;对任意满足 ( † ) (\dagger) ( † ) 的 M M M 同法得 dim X ~ ≤ ⌊ M ⌋ + 2 \dim\widetilde X\le\lfloor M\rfloor+2 dim X ≤ ⌊ M ⌋ + 2 ,最紧界由 M = ∥ D ∥ M=\|D\| M = ∥ D ∥ 给出。结论只需"有限",故 N + 1 N+1 N + 1 这个上界已足。
备选路线(Riesz 引理,仅备述,不作主线) 由 ( † ) (\dagger) ( † ) ,X ~ \widetilde X X 单位球内的 f f f 满足 ∥ f ∥ ∞ ≤ 1 \|f\|_\infty\le 1 ∥ f ∥ ∞ ≤ 1 且 ∣ f ( x ) − f ( y ) ∣ = ∣ ∫ y x f ′ ∣ ≤ M ∣ x − y ∣ |f(x)-f(y)|=\big|\int_y^x f'\big|\le M|x-y| ∣ f ( x ) − f ( y ) ∣ = ∫ y x f ′ ≤ M ∣ x − y ∣ (公共 Lipschitz 常数 M M M ,故一致有界且等度连续)。若援引 Arzelà–Ascoli,可得单位球列紧、从而闭单位球紧,再由 F. Riesz 引理(无穷维赋范空间闭单位球不紧)反证有限维。但 Arzelà–Ascoli 属本讲义不直接引用的二级结论,故正式证明采用上面的显式单射 。
两题总览。 求导算子 D D D 在两题中图像都闭、微积分基本定理论证一字不差;分水岭仅在定义域是否完备:( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) (C^1[0,1],\|\cdot\|_\infty) ( C 1 [ 0 , 1 ] , ∥ ⋅ ∥ ∞ ) 不完备(Q1,闭图像定理失效、D D D 无界),而 C [ 0 , 1 ] C[0,1] C [ 0 , 1 ] 的闭子空间完备(Q2,闭图像定理生效、D D D 有界),有界性再经显式取样单射榨出有限维 dim X ~ ≤ ⌊ M ⌋ + 2 \dim\widetilde X\le\lfloor M\rfloor+2 dim X ≤ ⌊ M ⌋ + 2 。
泛函分析卷 · Q3(闭值域 ⟺ 对值域开 ⟺ 原像一致有界)
题目
问题 3(20 分). 设 X , Y X,Y X , Y 为 Banach 空间,T ∈ B ( X , Y ) T\in\mathcal B(X,Y) T ∈ B ( X , Y ) 。证明下列各条等价:
T T T 在 Y Y Y 中有闭值域 ;
把 T T T 看作映射 T : X → ran ( T ) T:X\to\operatorname{ran}(T) T : X → ran ( T ) 时,它是开映射 ;
存在常数 M > 0 M>0 M > 0 ,使对每个 y ∈ ran ( T ) y\in\operatorname{ran}(T) y ∈ ran ( T ) ,都存在 x ∈ T − 1 { y } x\in T^{-1}\{y\} x ∈ T − 1 { y } (即 T x = y Tx=y T x = y )满足 ∥ x ∥ X ≤ M ∥ y ∥ \|x\|_X\le M\|y\| ∥ x ∥ X ≤ M ∥ y ∥ 。
解答
0. 记号与术语约定
Banach 空间 :完备的赋范向量空间——即每个 Cauchy 列(项与项之间越来越靠近的列)都收敛。题设 X , Y X,Y X , Y 均为 Banach 空间。
有界线性算子 T ∈ B ( X , Y ) T\in B(X,Y) T ∈ B ( X , Y ) :线性映射 T : X → Y T:X\to Y T : X → Y ,且存在常数 C ≥ 0 C\ge 0 C ≥ 0 使 ∥ T x ∥ Y ≤ C ∥ x ∥ X \|Tx\|_Y\le C\|x\|_X ∥ T x ∥ Y ≤ C ∥ x ∥ X 对一切 x x x 成立。对线性映射而言,有界 ⟺ \iff ⟺ 连续 。
值域 ran ( T ) : = { T x : x ∈ X } ⊆ Y \operatorname{ran}(T):=\{Tx:x\in X\}\subseteq Y ran ( T ) := { T x : x ∈ X } ⊆ Y ;核 ker ( T ) : = T − 1 { 0 } = { x : T x = 0 } ⊆ X \ker(T):=T^{-1}\{0\}=\{x:Tx=0\}\subseteq X ker ( T ) := T − 1 { 0 } = { x : T x = 0 } ⊆ X 。
闭子空间 :既是线性子空间、又是(在范数拓扑下)闭集的子集(子空间内收敛列的极限仍落在其中)。
开映射 :把每个开集映成开集的映射。
预备观察。 因 T T T 连续:
ker ( T ) = T − 1 { 0 } \ker(T)=T^{-1}\{0\} ker ( T ) = T − 1 { 0 } 是闭集(单点 { 0 } \{0\} { 0 } 在 Y Y Y 中闭,连续映射下闭集的原像闭),又是线性子空间,故是 X X X 的闭子空间 。
ran ( T ) \operatorname{ran}(T) ran ( T ) 是 Y Y Y 的线性子空间 (线性性保线性组合:T ( α x + β x ′ ) = α T x + β T x ′ T(\alpha x+\beta x')=\alpha Tx+\beta Tx' T ( αx + β x ′ ) = α T x + βT x ′ ),但未必闭 ——这正是 (1) 要刻画的对象。
下面走循环 ( 1 ) ⇒ ( 2 ) ⇒ ( 3 ) ⇒ ( 1 ) (1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(1) ( 1 ) ⇒ ( 2 ) ⇒ ( 3 ) ⇒ ( 1 ) ,三步合起来即得三命题等价。
1. ( 1 ) ⇒ ( 2 ) (1)\Rightarrow(2) ( 1 ) ⇒ ( 2 ) :闭值域 ⇒ \Rightarrow ⇒ 对值域是开映射
设 ran ( T ) \operatorname{ran}(T) ran ( T ) 在 Y Y Y 中闭。
第一步:ran ( T ) \operatorname{ran}(T) ran ( T ) 自身是 Banach 空间。
我们一律给 ran ( T ) \operatorname{ran}(T) ran ( T ) 配上 Y Y Y 的范数的限制 (子空间范数 ∥ y ∥ ran ( T ) : = ∥ y ∥ Y \|y\|_{\operatorname{ran}(T)}:=\|y\|_Y ∥ y ∥ ran ( T ) := ∥ y ∥ Y ),这是等距 的——量 ran ( T ) \operatorname{ran}(T) ran ( T ) 中向量长度与在 Y Y Y 中量它完全一致。
注(一句话交代拓扑一致性)。 因子空间范数就是 Y Y Y 范数的限制,ran ( T ) \operatorname{ran}(T) ran ( T ) 上"小球""开集""收敛"与在 Y Y Y 中度量得到的完全相同。故第 2 节里用 ∥ y ∥ Y \|y\|_Y ∥ y ∥ Y 度量值域向量,与本节开映射定理给出的"相对 ran ( T ) \operatorname{ran}(T) ran ( T ) 拓扑的开性"是同一回事,无须区分。
一般事实:完备空间的闭子集完备。 证明:设 ( z n ) ⊆ ran ( T ) (z_n)\subseteq\operatorname{ran}(T) ( z n ) ⊆ ran ( T ) 在此范数下 Cauchy,则它在 Y Y Y 中也 Cauchy,由 Y Y Y 完备收敛到某 z ∈ Y z\in Y z ∈ Y ;由 ran ( T ) \operatorname{ran}(T) ran ( T ) 闭,极限 z ∈ ran ( T ) z\in\operatorname{ran}(T) z ∈ ran ( T ) 。故 ran ( T ) \operatorname{ran}(T) ran ( T ) 中每个 Cauchy 列在其内部收敛,即 ran ( T ) \operatorname{ran}(T) ran ( T ) 完备,是 Banach 空间 。
第二步:把 T T T 看作到 ran ( T ) \operatorname{ran}(T) ran ( T ) 的映射,它是有界线性满射。
定义 T ~ : X → ran ( T ) \widetilde T:X\to \operatorname{ran}(T) T : X → ran ( T ) ,T ~ x : = T x \widetilde Tx:=Tx T x := T x (仅把到达域换成 ran ( T ) \operatorname{ran}(T) ran ( T ) ,赋值不变)。则
线性:继承自 T T T ;
有界:∥ T ~ x ∥ = ∥ T x ∥ ≤ C ∥ x ∥ \|\widetilde Tx\|=\|Tx\|\le C\|x\| ∥ T x ∥ = ∥ T x ∥ ≤ C ∥ x ∥ ,范数不变;
满射 :到达域恰好定义为像集 ran ( T ) \operatorname{ran}(T) ran ( T ) ,故每个 y ∈ ran ( T ) y\in\operatorname{ran}(T) y ∈ ran ( T ) 都有 x x x 使 T ~ x = y \widetilde Tx=y T x = y 。
第三步:精确陈述并核验开映射定理。
开映射定理。 设 E , F E,F E , F 均为 Banach 空间 ,S ∈ B ( E , F ) S\in B(E,F) S ∈ B ( E , F ) 为满射 。则 S S S 是开映射 。
为何需要两端完备(动机性说明,开映射定理本体按本课程允许直接引用)。 标准证明分两段:(i) 因到达域 F F F 完备,由 Baire 纲定理 (完备度量空间不能写成可数个无处稠密闭集之并)作用于覆盖 F = ⋃ k ≥ 1 S ( B E ( 0 , k ) ) ‾ F=\bigcup_{k\ge1}\overline{S\big(B_E(0,k)\big)} F = ⋃ k ≥ 1 S ( B E ( 0 , k ) ) ,得某 S ( B E ( 0 , k ) ) ‾ \overline{S(B_E(0,k))} S ( B E ( 0 , k )) 含内点,进而 S ( B E ( 0 , 1 ) ) ‾ \overline{S(B_E(0,1))} S ( B E ( 0 , 1 )) 含一个以 0 0 0 为心的小球;(ii) 再用定义域 E E E 完备,做一次级数迭代把闭包去掉,得到 S ( B E ( 0 , 1 ) ) S(B_E(0,1)) S ( B E ( 0 , 1 )) 本身含 0 0 0 的邻域。故 F F F 的完备性用于 Baire 一步、E E E 的完备性用于级数收敛一步,缺一不可。
逐条核验开映射定理前提(令 E : = X E:=X E := X ,F : = ran ( T ) F:=\operatorname{ran}(T) F := ran ( T ) ,S : = T ~ S:=\widetilde T S := T ):
定义域完备 :E = X E=X E = X 是 Banach 空间。✓
到达域完备 :F = ran ( T ) F=\operatorname{ran}(T) F = ran ( T ) 由第一步是 Banach 空间。✓(此处用到 (1) 的"闭"假设)
S = T ~ S=\widetilde T S = T 有界线性满射 :由第二步。✓
前提全部满足,故 T ~ : X → ran ( T ) \widetilde T:X\to\operatorname{ran}(T) T : X → ran ( T ) 是开映射 ,即 (2)。■ \qquad\blacksquare ■
旁注(商空间视角,仅作直觉补充,不计入主证)。 设 商空间 X / ker ( T ) X/\ker(T) X / ker ( T ) :把 X X X 中相差一个 ker ( T ) \ker(T) ker ( T ) 元素的点视为同一点,元素是陪集 [ x ] = x + ker ( T ) [x]=x+\ker(T) [ x ] = x + ker ( T ) ,赋商范数 ∥ [ x ] ∥ : = inf z ∈ ker ( T ) ∥ x − z ∥ \|[x]\|:=\inf_{z\in\ker(T)}\|x-z\| ∥ [ x ] ∥ := inf z ∈ k e r ( T ) ∥ x − z ∥ 。因 ker ( T ) \ker(T) ker ( T ) 是闭子空间,商范数确为范数且 X / ker ( T ) X/\ker(T) X / ker ( T ) 是 Banach 空间。T T T 在每个陪集上取常值,故诱导双射 T ^ : X / ker ( T ) → ran ( T ) \widehat T:X/\ker(T)\to\operatorname{ran}(T) T : X / ker ( T ) → ran ( T ) ,T ^ [ x ] : = T x \widehat T[x]:=Tx T [ x ] := T x ,且有界。由开映射定理,T ^ \widehat T T 开,故双射 T ^ \widehat T T 的逆连续——这给出 (3) 中常数 M M M 的另一来源。此处"开的双射其逆连续"本身即开映射定理的直接推论(T ^ \widehat T T 开 ⇒ \Rightarrow ⇒ T ^ − 1 \widehat T^{-1} T − 1 把开集 = T ^ ( 开集 ) =\widehat T(\text{开集}) = T ( 开集 ) 映成开集 ⇒ \Rightarrow ⇒ T ^ − 1 \widehat T^{-1} T − 1 连续)。主线下面只用 (2) 推 (3),不依赖本旁注。
2. ( 2 ) ⇒ ( 3 ) (2)\Rightarrow(3) ( 2 ) ⇒ ( 3 ) :开映射 ⇒ \Rightarrow ⇒ 原像可一致有界地选取
设 T ~ : X → ran ( T ) \widetilde T:X\to\operatorname{ran}(T) T : X → ran ( T ) 开。记开单位球 B X ( 0 , 1 ) : = { x : ∥ x ∥ X < 1 } B_X(0,1):=\{x:\|x\|_X<1\} B X ( 0 , 1 ) := { x : ∥ x ∥ X < 1 } 。
第一步:开性给出"小球被覆盖"。
B X ( 0 , 1 ) B_X(0,1) B X ( 0 , 1 ) 是 X X X 的开集,故其像 T ~ ( B X ( 0 , 1 ) ) \widetilde T\big(B_X(0,1)\big) T ( B X ( 0 , 1 ) ) 是 ran ( T ) \operatorname{ran}(T) ran ( T ) 中的开集。又 0 = T ~ ( 0 ) 0=\widetilde T(0) 0 = T ( 0 ) 且 0 ∈ B X ( 0 , 1 ) 0\in B_X(0,1) 0 ∈ B X ( 0 , 1 ) ,故 0 0 0 属于该像。开集含 0 0 0 ,按"开"的定义存在半径 r > 0 r>0 r > 0 使
{ y ∈ ran ( T ) : ∥ y ∥ < r } ⊆ T ~ ( B X ( 0 , 1 ) ) . ( \ast )
\{y\in\operatorname{ran}(T):\|y\|<r\}\ \subseteq\ \widetilde T\big(B_X(0,1)\big).\tag{\ast}
{ y ∈ ran ( T ) : ∥ y ∥ < r } ⊆ T ( B X ( 0 , 1 ) ) . ( \ast )
令 M : = 2 r > 0 M:=\dfrac{2}{r}>0 M := r 2 > 0 。 下面对每个 y ∈ ran ( T ) y\in\operatorname{ran}(T) y ∈ ran ( T ) 造出 x x x ,使 T x = y Tx=y T x = y 且 ∥ x ∥ ≤ M ∥ y ∥ \|x\|\le M\|y\| ∥ x ∥ ≤ M ∥ y ∥ 。
第二步:y = 0 y=0 y = 0 。 取 x = 0 x=0 x = 0 ,则 T x = 0 = y Tx=0=y T x = 0 = y ,∥ x ∥ = 0 ≤ M ⋅ 0 \|x\|=0\le M\cdot0 ∥ x ∥ = 0 ≤ M ⋅ 0 。✓
第三步:y ≠ 0 y\neq0 y = 0 的缩放。 令
y ′ : = r 2 ∥ y ∥ y ∈ ran ( T ) , ∥ y ′ ∥ = r 2 ∥ y ∥ ∥ y ∥ = r 2 < r .
y':=\frac{r}{2\|y\|}\,y\in\operatorname{ran}(T),\qquad \|y'\|=\frac{r}{2\|y\|}\,\|y\|=\frac r2<r.
y ′ := 2∥ y ∥ r y ∈ ran ( T ) , ∥ y ′ ∥ = 2∥ y ∥ r ∥ y ∥ = 2 r < r .
由 ( ∗ ) (\ast) ( ∗ ) ,y ′ ∈ T ~ ( B X ( 0 , 1 ) ) y'\in\widetilde T\big(B_X(0,1)\big) y ′ ∈ T ( B X ( 0 , 1 ) ) ,即存在 x ′ x' x ′ 满足 ∥ x ′ ∥ < 1 \|x'\|<1 ∥ x ′ ∥ < 1 (严格 )使 T x ′ = y ′ Tx'=y' T x ′ = y ′ 。
注(为何能取严格 ∥ x ′ ∥ < 1 \|x'\|<1 ∥ x ′ ∥ < 1 )。 ( ∗ ) (\ast) ( ∗ ) 把开球 { ∥ y ∥ < r } \{\|y\|<r\} { ∥ y ∥ < r } 装进开 单位球的像,像里的点恰是某个满足 ∥ x ′ ∥ < 1 \|x'\|<1 ∥ x ′ ∥ < 1 的 x ′ x' x ′ 之像,故严格不等号天然成立——这也使最终 ∥ x ∥ < M ∥ y ∥ \|x\|<M\|y\| ∥ x ∥ < M ∥ y ∥ (比 ≤ \le ≤ 更强)。
放大:令 x : = 2 ∥ y ∥ r x ′ x:=\dfrac{2\|y\|}{r}\,x' x := r 2∥ y ∥ x ′ 。则由线性
T x = 2 ∥ y ∥ r T x ′ = 2 ∥ y ∥ r y ′ = 2 ∥ y ∥ r ⋅ r 2 ∥ y ∥ y = y ,
Tx=\frac{2\|y\|}{r}\,Tx'=\frac{2\|y\|}{r}\,y'=\frac{2\|y\|}{r}\cdot\frac{r}{2\|y\|}\,y=y,
T x = r 2∥ y ∥ T x ′ = r 2∥ y ∥ y ′ = r 2∥ y ∥ ⋅ 2∥ y ∥ r y = y ,
且
∥ x ∥ = 2 ∥ y ∥ r ∥ x ′ ∥ < 2 ∥ y ∥ r ⋅ 1 = 2 r ∥ y ∥ = M ∥ y ∥ .
\|x\|=\frac{2\|y\|}{r}\,\|x'\|<\frac{2\|y\|}{r}\cdot1=\frac 2r\,\|y\|=M\|y\|.
∥ x ∥ = r 2∥ y ∥ ∥ x ′ ∥ < r 2∥ y ∥ ⋅ 1 = r 2 ∥ y ∥ = M ∥ y ∥.
综合三步:对一切 y ∈ ran ( T ) y\in\operatorname{ran}(T) y ∈ ran ( T ) ,存在 x ∈ T − 1 { y } x\in T^{-1}\{y\} x ∈ T − 1 { y } 使 ∥ x ∥ X ≤ M ∥ y ∥ \|x\|_X\le M\|y\| ∥ x ∥ X ≤ M ∥ y ∥ (y = 0 y=0 y = 0 取等号,y ≠ 0 y\neq0 y = 0 严格小于)。这就是 (3),常数 M = 2 / r M=2/r M = 2/ r 来历明确,且同一个 M M M 对所有 y y y 通用 ——这就是"一致"二字的含义。■ \qquad\blacksquare ■
3. ( 3 ) ⇒ ( 1 ) (3)\Rightarrow(1) ( 3 ) ⇒ ( 1 ) :原像一致有界 ⇒ \Rightarrow ⇒ 闭值域(核心用 X X X 完备)
设 (3) 成立,常数 M > 0 M>0 M > 0 。要证 ran ( T ) \operatorname{ran}(T) ran ( T ) 闭,即:若 y n ∈ ran ( T ) y_n\in\operatorname{ran}(T) y n ∈ ran ( T ) ,y n → y ∈ Y y_n\to y\in Y y n → y ∈ Y ,则 y ∈ ran ( T ) y\in\operatorname{ran}(T) y ∈ ran ( T ) 。
第一步:抽快速收敛子列。
y n y_n y n 收敛故为 Cauchy 列。归纳抽标号 n 1 < n 2 < ⋯ n_1<n_2<\cdots n 1 < n 2 < ⋯ 使
∥ y n k + 1 − y n k ∥ < 2 − k ( k ≥ 1 ) .
\|y_{n_{k+1}}-y_{n_k}\|<2^{-k}\qquad(k\ge1).
∥ y n k + 1 − y n k ∥ < 2 − k ( k ≥ 1 ) .
(可行:由 Cauchy 性,对每个 ε = 2 − k \varepsilon=2^{-k} ε = 2 − k 存在 N k N_k N k 使 m , n ≥ N k m,n\ge N_k m , n ≥ N k 时 ∥ y m − y n ∥ < 2 − k \|y_m-y_n\|<2^{-k} ∥ y m − y n ∥ < 2 − k ;依次取 n k ≥ max ( N k , n k − 1 + 1 ) n_k\ge\max(N_k,\,n_{k-1}+1) n k ≥ max ( N k , n k − 1 + 1 ) 即可。)
第二步:差落在值域,用 (3) 提取小原像。
ran ( T ) \operatorname{ran}(T) ran ( T ) 是线性子空间,故差
d k : = y n k + 1 − y n k ∈ ran ( T ) .
d_k:=y_{n_{k+1}}-y_{n_k}\in\operatorname{ran}(T).
d k := y n k + 1 − y n k ∈ ran ( T ) .
由 (3),存在 u k ∈ X u_k\in X u k ∈ X 使 T u k = d k Tu_k=d_k T u k = d k 且 ∥ u k ∥ ≤ M ∥ d k ∥ < M 2 − k \|u_k\|\le M\|d_k\|<M\,2^{-k} ∥ u k ∥ ≤ M ∥ d k ∥ < M 2 − k 。又 y n 1 ∈ ran ( T ) y_{n_1}\in\operatorname{ran}(T) y n 1 ∈ ran ( T ) ,取 x 1 x_1 x 1 使 T x 1 = y n 1 Tx_1=y_{n_1} T x 1 = y n 1 (只需存在,不必控制范数)。
第三步:部分和与 telescoping(伸缩求和)。
令
x ( k ) : = x 1 + ∑ j = 1 k − 1 u j ( k ≥ 1 , 约定 k = 1 时空和为 0 ) .
x_{(k)}:=x_1+\sum_{j=1}^{k-1}u_j\qquad(k\ge1,\ \text{约定 }k=1\text{ 时空和为 }0).
x ( k ) := x 1 + j = 1 ∑ k − 1 u j ( k ≥ 1 , 约定 k = 1 时空和为 0 ) .
由线性,
T x ( k ) = T x 1 + ∑ j = 1 k − 1 T u j = y n 1 + ∑ j = 1 k − 1 d j .
Tx_{(k)}=Tx_1+\sum_{j=1}^{k-1}Tu_j=y_{n_1}+\sum_{j=1}^{k-1}d_j.
T x ( k ) = T x 1 + j = 1 ∑ k − 1 T u j = y n 1 + j = 1 ∑ k − 1 d j .
注(telescoping 展开)。 把差代入并逐项写开:
∑ j = 1 k − 1 d j = ∑ j = 1 k − 1 ( y n j + 1 − y n j ) = ( y n 2 − y n 1 ) + ( y n 3 − y n 2 ) + ⋯ + ( y n k − y n k − 1 ) .
\sum_{j=1}^{k-1}d_j=\sum_{j=1}^{k-1}\big(y_{n_{j+1}}-y_{n_j}\big)=(y_{n_2}-y_{n_1})+(y_{n_3}-y_{n_2})+\cdots+(y_{n_k}-y_{n_{k-1}}).
j = 1 ∑ k − 1 d j = j = 1 ∑ k − 1 ( y n j + 1 − y n j ) = ( y n 2 − y n 1 ) + ( y n 3 − y n 2 ) + ⋯ + ( y n k − y n k − 1 ) .
中间每个 y n j y_{n_j} y n j (2 ≤ j ≤ k − 1 2\le j\le k-1 2 ≤ j ≤ k − 1 )各以一正一负出现而抵消,只剩首尾:∑ j = 1 k − 1 d j = y n k − y n 1 \sum_{j=1}^{k-1}d_j=y_{n_k}-y_{n_1} ∑ j = 1 k − 1 d j = y n k − y n 1 。
代回得
T x ( k ) = y n 1 + ( y n k − y n 1 ) = y n k . ( \dagger )
Tx_{(k)}=y_{n_1}+(y_{n_k}-y_{n_1})=y_{n_k}.\tag{\dagger}
T x ( k ) = y n 1 + ( y n k − y n 1 ) = y n k . ( \dagger )
第四步:x ( k ) x_{(k)} x ( k ) 收敛(此处用 X X X 完备)。
范数级数满足
∑ j = 1 ∞ ∥ u j ∥ ≤ M ∑ j = 1 ∞ 2 − j = M < ∞ ,
\sum_{j=1}^{\infty}\|u_j\|\le M\sum_{j=1}^{\infty}2^{-j}=M<\infty,
j = 1 ∑ ∞ ∥ u j ∥ ≤ M j = 1 ∑ ∞ 2 − j = M < ∞ ,
即级数 ∑ j u j \sum_j u_j ∑ j u j 绝对收敛 (各项范数之和有限)。
引理(绝对收敛 ⇒ \Rightarrow ⇒ 收敛,仅在完备空间成立)。 在 Banach 空间 X X X 中,若 ∑ j ∥ u j ∥ < ∞ \sum_j\|u_j\|<\infty ∑ j ∥ u j ∥ < ∞ ,则部分和 S m = ∑ j = 1 m u j S_m=\sum_{j=1}^m u_j S m = ∑ j = 1 m u j 收敛。
证 :对 p < q p<q p < q ,∥ S q − S p ∥ = ∥ ∑ j = p + 1 q u j ∥ ≤ ∑ j = p + 1 q ∥ u j ∥ ≤ ∑ j ≥ p + 1 ∥ u j ∥ \|S_q-S_p\|=\big\|\sum_{j=p+1}^q u_j\big\|\le\sum_{j=p+1}^q\|u_j\|\le\sum_{j\ge p+1}\|u_j\| ∥ S q − S p ∥ = ∑ j = p + 1 q u j ≤ ∑ j = p + 1 q ∥ u j ∥ ≤ ∑ j ≥ p + 1 ∥ u j ∥ ,右端是收敛正项级数的尾段,当 p , q → ∞ p,q\to\infty p , q → ∞ 趋于 0 0 0 ,故 ( S m ) (S_m) ( S m ) 是 Cauchy 列;由 X X X 完备 ,它收敛。□ \square □
因此 x ( k ) = x 1 + S k − 1 → x 1 + ∑ j ≥ 1 u j = : x ∈ X x_{(k)}=x_1+S_{k-1}\to x_1+\sum_{j\ge1}u_j=:x\in X x ( k ) = x 1 + S k − 1 → x 1 + ∑ j ≥ 1 u j =: x ∈ X 。X X X 的完备性在此被用到,不可省。
第五步:用连续性收口。
T T T 连续,对 ( † ) (\dagger) ( † ) 取极限:
T x = lim k → ∞ T x ( k ) = lim k → ∞ y n k .
Tx=\lim_{k\to\infty}Tx_{(k)}=\lim_{k\to\infty}y_{n_k}.
T x = k → ∞ lim T x ( k ) = k → ∞ lim y n k .
而子列 y n k y_{n_k} y n k 是收敛列 y n → y y_n\to y y n → y 的子列,子列极限等于原极限,故 lim k y n k = y \lim_k y_{n_k}=y lim k y n k = y 。于是 T x = y Tx=y T x = y ,即 y ∈ ran ( T ) y\in\operatorname{ran}(T) y ∈ ran ( T ) 。
任意收敛于 Y Y Y 中点 y y y 的值域序列,其极限都落回值域,故 ran ( T ) \operatorname{ran}(T) ran ( T ) 闭,即 (1)。■ \qquad\blacksquare ■
灵魂回顾。 ( 1 ) ⇒ ( 2 ) (1)\Rightarrow(2) ( 1 ) ⇒ ( 2 ) 用完备性 喂给 开映射定理 (依赖两端完备 + Baire);( 2 ) ⇒ ( 3 ) (2)\Rightarrow(3) ( 2 ) ⇒ ( 3 ) 是开性的纯几何缩放;( 3 ) ⇒ ( 1 ) (3)\Rightarrow(1) ( 3 ) ⇒ ( 1 ) 再用 X X X 的完备性 把"小原像级数"求和回去。完备性与开映射定理是整个等价链的两块基石。三步成环,三命题等价。■ \qquad\blacksquare ■
泛函分析卷 · Q4(Banach 极限的存在性)
题目
问题 4(10 分). 设 B : = { f : [ 0 , ∞ ) → R : f 有界 } \mathcal B:=\{f:[0,\infty)\to\mathbb R:\ f\text{ 有界}\} B := { f : [ 0 , ∞ ) → R : f 有界 } ,它在 sup 范数下是 Banach 空间(无需任何可测性假设)。证明如下
定理. 存在 B \mathcal B B 上的一个线性泛函 LIM t → ∞ \operatorname{LIM}_{t\to\infty} LIM t → ∞ ,称为 Banach 极限 ,使得:
若(通常的)极限存在,则 LIM t → ∞ f ( t ) = lim t → ∞ f ( t ) \operatorname{LIM}_{t\to\infty}f(t)=\lim_{t\to\infty}f(t) LIM t → ∞ f ( t ) = lim t → ∞ f ( t ) ;
LIM t → ∞ \operatorname{LIM}_{t\to\infty} LIM t → ∞ 在 B \mathcal B B 上线性;
对任意 τ > 0 \tau>0 τ > 0 与 f ∈ B f\in\mathcal B f ∈ B ,LIM t → ∞ f ( t + τ ) = LIM t → ∞ f ( t ) \operatorname{LIM}_{t\to\infty}f(t+\tau)=\operatorname{LIM}_{t\to\infty}f(t) LIM t → ∞ f ( t + τ ) = LIM t → ∞ f ( t ) ;
对任意 f ∈ B f\in\mathcal B f ∈ B ,lim inf s → ∞ f ( s ) ≤ LIM t → ∞ f ( t ) ≤ lim sup s → ∞ f ( s ) \displaystyle\liminf_{s\to\infty}f(s)\le\operatorname{LIM}_{t\to\infty}f(t)\le\limsup_{s\to\infty}f(s) s → ∞ lim inf f ( s ) ≤ LIM t → ∞ f ( t ) ≤ s → ∞ lim sup f ( s ) 。
提示. 可考虑如下正齐次次线性泛函 p p p :
p ( f ) : = inf { β ( f ; t 1 , … , t n ) : t 1 , … , t n ≥ 0 ; n ∈ N } , p(f):=\inf\{\beta(f;t_1,\dots,t_n):\ t_1,\dots,t_n\ge 0;\ n\in\mathbb N\}, p ( f ) := inf { β ( f ; t 1 , … , t n ) : t 1 , … , t n ≥ 0 ; n ∈ N } ,
其中 β ( f ; t 1 , … , t n ) : = lim sup t → ∞ 1 n ∑ j = 1 n f ( t + t j ) \displaystyle\beta(f;t_1,\dots,t_n):=\limsup_{t\to\infty}\frac1n\sum_{j=1}^n f(t+t_j) β ( f ; t 1 , … , t n ) := t → ∞ lim sup n 1 j = 1 ∑ n f ( t + t j ) 。
解答
0. 记号与术语
B : = { f : [ 0 , ∞ ) → R : f 有界 } B:=\{f:[0,\infty)\to\mathbb R:\ f\text{ 有界}\} B := { f : [ 0 , ∞ ) → R : f 有界 } ,范数 ∥ f ∥ : = sup t ≥ 0 ∣ f ( t ) ∣ \|f\|:=\sup_{t\ge0}|f(t)| ∥ f ∥ := sup t ≥ 0 ∣ f ( t ) ∣ (sup 范数 :取绝对值的上确界)。无任何可测性假设。B B B 是实向量空间(本题只用这一点)。
线性泛函 :从向量空间到 R \mathbb R R 的线性映射。
上极限/下极限 :
lim sup t → ∞ ϕ ( t ) : = lim T → ∞ sup t ≥ T ϕ ( t ) = inf T ≥ 0 sup t ≥ T ϕ ( t ) , lim inf t → ∞ ϕ ( t ) : = lim T → ∞ inf t ≥ T ϕ ( t ) = sup T ≥ 0 inf t ≥ T ϕ ( t ) .
\limsup_{t\to\infty}\phi(t):=\lim_{T\to\infty}\sup_{t\ge T}\phi(t)=\inf_{T\ge0}\sup_{t\ge T}\phi(t),\qquad
\liminf_{t\to\infty}\phi(t):=\lim_{T\to\infty}\inf_{t\ge T}\phi(t)=\sup_{T\ge0}\inf_{t\ge T}\phi(t).
t → ∞ lim sup ϕ ( t ) := T → ∞ lim t ≥ T sup ϕ ( t ) = T ≥ 0 inf t ≥ T sup ϕ ( t ) , t → ∞ lim inf ϕ ( t ) := T → ∞ lim t ≥ T inf ϕ ( t ) = T ≥ 0 sup t ≥ T inf ϕ ( t ) .
这里 T ↦ sup t ≥ T ϕ ( t ) T\mapsto\sup_{t\ge T}\phi(t) T ↦ sup t ≥ T ϕ ( t ) 随 T T T 单调不增 (区间 [ T , ∞ ) [T,\infty) [ T , ∞ ) 缩小,上确界不增),又因 ϕ \phi ϕ 有界而有下界 ,故其 T → ∞ T\to\infty T → ∞ 极限存在并等于其下确界——这就保证了 lim sup \limsup lim sup 良定义;lim inf \liminf lim inf 对称(单调不减、有上界)。对有界 ϕ \phi ϕ 二者皆有限,且 lim inf ≤ lim sup \liminf\le\limsup lim inf ≤ lim sup 。
次线性泛函 p : V → R p:V\to\mathbb R p : V → R :满足 正齐次 p ( λ f ) = λ p ( f ) ( ∀ λ ≥ 0 ) p(\lambda f)=\lambda p(f)\ (\forall\lambda\ge0) p ( λ f ) = λ p ( f ) ( ∀ λ ≥ 0 ) 与 次可加 p ( f + g ) ≤ p ( f ) + p ( g ) p(f+g)\le p(f)+p(g) p ( f + g ) ≤ p ( f ) + p ( g ) 。
预备小事实 lim sup ( − ϕ ) = − lim inf ϕ \limsup(-\phi)=-\liminf\phi lim sup ( − ϕ ) = − lim inf ϕ (性质 (4) 要反复用,先单列证明)。 对每个 T T T ,由 sup t ≥ T ( − ϕ ( t ) ) = − inf t ≥ T ϕ ( t ) \sup_{t\ge T}(-\phi(t))=-\inf_{t\ge T}\phi(t) sup t ≥ T ( − ϕ ( t )) = − inf t ≥ T ϕ ( t ) (取相反数把"求最大"翻成"求最小"),令 T → ∞ T\to\infty T → ∞ :左端 → lim sup t ( − ϕ ) \to\limsup_t(-\phi) → lim sup t ( − ϕ ) ;右端 = − inf t ≥ T ϕ ( t ) → − lim T inf t ≥ T ϕ = − lim inf t ϕ =-\inf_{t\ge T}\phi(t)\to-\lim_{T}\inf_{t\ge T}\phi=-\liminf_t\phi = − inf t ≥ T ϕ ( t ) → − lim T inf t ≥ T ϕ = − lim inf t ϕ (inf t ≥ T ϕ \inf_{t\ge T}\phi inf t ≥ T ϕ 单调不减且有界,极限存在等于 lim inf \liminf lim inf )。两端取极限相等,故 lim sup ( − ϕ ) = − lim inf ϕ \limsup(-\phi)=-\liminf\phi lim sup ( − ϕ ) = − lim inf ϕ 。□ \square □
按提示定义:对 tuple(位移点组)t 1 , … , t n ≥ 0 t_1,\dots,t_n\ge0 t 1 , … , t n ≥ 0 (n ∈ N , n ≥ 1 n\in\mathbb N,\ n\ge1 n ∈ N , n ≥ 1 ),
β ( f ; t 1 , … , t n ) : = lim sup t → ∞ 1 n ∑ j = 1 n f ( t + t j ) , p ( f ) : = inf { β ( f ; t 1 , … , t n ) : t 1 , … , t n ≥ 0 , n ∈ N } .
\beta(f;t_1,\dots,t_n):=\limsup_{t\to\infty}\frac1n\sum_{j=1}^n f(t+t_j),
\qquad
p(f):=\inf\Big\{\beta(f;t_1,\dots,t_n):\ t_1,\dots,t_n\ge0,\ n\in\mathbb N\Big\}.
β ( f ; t 1 , … , t n ) := t → ∞ lim sup n 1 j = 1 ∑ n f ( t + t j ) , p ( f ) := inf { β ( f ; t 1 , … , t n ) : t 1 , … , t n ≥ 0 , n ∈ N } .
约定。 β \beta β 只依赖位移点构成的多重集 :tuple 中元素允许重复 、与排列顺序无关(因和 ∑ j f ( t + t j ) \sum_j f(t+t_j) ∑ j f ( t + t j ) 对求和顺序不变,且重复项只是把某 f ( t + t j ) f(t+t_j) f ( t + t j ) 多算几次)。下面第 3 节构造的 m l ml m l 个点 w i k = s i + u k w_{ik}=s_i+u_k w ik = s i + u k 即使有相等值,也是合法 tuple。
预判:为何取 inf \inf inf 而非 lim sup \limsup lim sup 本身? 单看 f ↦ lim sup t f f\mapsto\limsup_t f f ↦ lim sup t f 它已次线性,但不平移不变 ——平移差 f τ − f f_\tau-f f τ − f 的 lim sup \limsup lim sup 未必 ≤ 0 \le0 ≤ 0 。对所有"平均 tuple"取下确界,恰把"反复平均"的力量榨出:平均能把平移差压到 → 0 \to0 → 0 (见性质 (3)),从而让 p p p 同时压住 f τ − f f_\tau-f f τ − f 与 f − f τ f-f_\tau f − f τ ,强行逼出平移不变;而下确界仍保持次线性(下证)。这就是 inf \inf inf 的妙处。
1. p p p 良定义且取值有限
β \beta β 的界。 对任意 tuple,平均 ∣ 1 n ∑ j f ( t + t j ) ∣ ≤ 1 n ∑ j ∣ f ( t + t j ) ∣ ≤ ∥ f ∥ \big|\frac1n\sum_j f(t+t_j)\big|\le\frac1n\sum_j|f(t+t_j)|\le\|f\| n 1 ∑ j f ( t + t j ) ≤ n 1 ∑ j ∣ f ( t + t j ) ∣ ≤ ∥ f ∥ (每项 ≤ ∥ f ∥ \le\|f\| ≤ ∥ f ∥ )。取 lim sup t \limsup_t lim sup t (上界 ∥ f ∥ \|f\| ∥ f ∥ 是常数,被夹的量其 lim sup \limsup lim sup 仍在区间内),下界同理,故
− ∥ f ∥ ≤ β ( f ; t 1 , … , t n ) ≤ ∥ f ∥ . (B)
-\|f\|\le\beta(f;t_1,\dots,t_n)\le\|f\|.\tag{B}
− ∥ f ∥ ≤ β ( f ; t 1 , … , t n ) ≤ ∥ f ∥. ( B )
定义 p p p 的数集 非空 (取平凡 tuple n = 1 , t 1 = 0 n=1,\ t_1=0 n = 1 , t 1 = 0 即有一个成员)且 下方有界 (每个成员 ≥ − ∥ f ∥ \ge-\|f\| ≥ − ∥ f ∥ )。由实数完备性公理(非空有下界的实数集存在下确界),p ( f ) = inf { β } p(f)=\inf\{\beta\} p ( f ) = inf { β } 存在且有限,− ∥ f ∥ ≤ p ( f ) ≤ ∥ f ∥ -\|f\|\le p(f)\le\|f\| − ∥ f ∥ ≤ p ( f ) ≤ ∥ f ∥ 。
用平凡 tuple 定上界。 取 n = 1 , t 1 = 0 n=1,\ t_1=0 n = 1 , t 1 = 0 :β ( f ; 0 ) = lim sup t f ( t ) \beta(f;0)=\limsup_t f(t) β ( f ; 0 ) = lim sup t f ( t ) 。由下确界 ≤ \le ≤ 任一成员,
p ( f ) ≤ β ( f ; 0 ) = lim sup t → ∞ f ( t ) ( ≤ ∥ f ∥ ) . (C)
p(f)\le\beta(f;0)=\limsup_{t\to\infty}f(t)\ \big(\le\|f\|\big).\tag{C}
p ( f ) ≤ β ( f ; 0 ) = t → ∞ lim sup f ( t ) ( ≤ ∥ f ∥ ) . ( C )
又 p ( 0 ) = 0 p(0)=0 p ( 0 ) = 0 :每个 β ( 0 ; ⋯ ) = 0 \beta(0;\cdots)=0 β ( 0 ; ⋯ ) = 0 ,下确界为 0 0 0 。
2. 引理 A(averaging 不增 limsup)
引理 A。 设 h : [ 0 , ∞ ) → R h:[0,\infty)\to\mathbb R h : [ 0 , ∞ ) → R 有界,u 1 , … , u l ≥ 0 u_1,\dots,u_l\ge0 u 1 , … , u l ≥ 0 ,则
lim sup t → ∞ 1 l ∑ k = 1 l h ( t + u k ) ≤ lim sup t → ∞ h ( t ) .
\limsup_{t\to\infty}\frac1l\sum_{k=1}^l h(t+u_k)\ \le\ \limsup_{t\to\infty}h(t).
t → ∞ lim sup l 1 k = 1 ∑ l h ( t + u k ) ≤ t → ∞ lim sup h ( t ) .
先证两条子引理。
子引理 A1(lim sup \limsup lim sup 对有限和次可加)。 对有界 ϕ 1 , … , ϕ l \phi_1,\dots,\phi_l ϕ 1 , … , ϕ l ,
lim sup t → ∞ ∑ k = 1 l ϕ k ( t ) ≤ ∑ k = 1 l lim sup t → ∞ ϕ k ( t ) .
\limsup_{t\to\infty}\sum_{k=1}^l\phi_k(t)\ \le\ \sum_{k=1}^l\limsup_{t\to\infty}\phi_k(t).
t → ∞ lim sup k = 1 ∑ l ϕ k ( t ) ≤ k = 1 ∑ l t → ∞ lim sup ϕ k ( t ) .
证 :先证 l = 2 l=2 l = 2 。对任意 T ≥ 0 T\ge0 T ≥ 0 与任意 t ≥ T t\ge T t ≥ T ,
( ϕ 1 + ϕ 2 ) ( t ) ≤ sup t ′ ≥ T ϕ 1 ( t ′ ) + sup t ′ ≥ T ϕ 2 ( t ′ ) ( 右端与 t 无关,是一个上界 ) .
(\phi_1+\phi_2)(t)\le\sup_{t'\ge T}\phi_1(t')+\sup_{t'\ge T}\phi_2(t')\quad(\text{右端与 }t\text{ 无关,是一个上界}).
( ϕ 1 + ϕ 2 ) ( t ) ≤ t ′ ≥ T sup ϕ 1 ( t ′ ) + t ′ ≥ T sup ϕ 2 ( t ′ ) ( 右端与 t 无关,是一个上界 ) .
左端对 t ≥ T t\ge T t ≥ T 取上确界:sup t ≥ T ( ϕ 1 + ϕ 2 ) ( t ) ≤ sup t ≥ T ϕ 1 + sup t ≥ T ϕ 2 \sup_{t\ge T}(\phi_1+\phi_2)(t)\le\sup_{t\ge T}\phi_1+\sup_{t\ge T}\phi_2 sup t ≥ T ( ϕ 1 + ϕ 2 ) ( t ) ≤ sup t ≥ T ϕ 1 + sup t ≥ T ϕ 2 。
现令 T → ∞ T\to\infty T → ∞ :因 ϕ 1 , ϕ 2 \phi_1,\phi_2 ϕ 1 , ϕ 2 有界,T ↦ sup t ≥ T ϕ i ( t ) T\mapsto\sup_{t\ge T}\phi_i(t) T ↦ sup t ≥ T ϕ i ( t ) 单调不增且有下界,极限存在并等于 lim sup ϕ i \limsup\phi_i lim sup ϕ i ;左端 T ↦ sup t ≥ T ( ϕ 1 + ϕ 2 ) T\mapsto\sup_{t\ge T}(\phi_1+\phi_2) T ↦ sup t ≥ T ( ϕ 1 + ϕ 2 ) 同样单调有界故极限存在。对此逐 T T T 不等式两端取极限,利用"两极限均存在时 lim ( A T + B T ) = lim A T + lim B T \lim(A_T+B_T)=\lim A_T+\lim B_T lim ( A T + B T ) = lim A T + lim B T "得
lim sup ( ϕ 1 + ϕ 2 ) ≤ lim sup ϕ 1 + lim sup ϕ 2 .
\limsup(\phi_1+\phi_2)\le\limsup\phi_1+\limsup\phi_2.
lim sup ( ϕ 1 + ϕ 2 ) ≤ lim sup ϕ 1 + lim sup ϕ 2 .
对 l l l 归纳:lim sup ∑ k = 1 l ϕ k ≤ lim sup ∑ k = 1 l − 1 ϕ k + lim sup ϕ l ≤ ⋯ ≤ ∑ k = 1 l lim sup ϕ k \limsup\sum_{k=1}^{l}\phi_k\le\limsup\sum_{k=1}^{l-1}\phi_k+\limsup\phi_l\le\cdots\le\sum_{k=1}^l\limsup\phi_k lim sup ∑ k = 1 l ϕ k ≤ lim sup ∑ k = 1 l − 1 ϕ k + lim sup ϕ l ≤ ⋯ ≤ ∑ k = 1 l lim sup ϕ k 。□ \square □
子引理 A2(平移不改 limsup)。 对有界 h h h 与 u ≥ 0 u\ge0 u ≥ 0 ,lim sup t → ∞ h ( t + u ) = lim sup t → ∞ h ( t ) \displaystyle\limsup_{t\to\infty}h(t+u)=\limsup_{t\to\infty}h(t) t → ∞ lim sup h ( t + u ) = t → ∞ lim sup h ( t ) 。
证 :对任意 T ≥ 0 T\ge0 T ≥ 0 ,换元 s = t + u s=t+u s = t + u (t t t 跑遍 [ T , ∞ ) [T,\infty) [ T , ∞ ) 时 s s s 跑遍 [ T + u , ∞ ) [T+u,\infty) [ T + u , ∞ ) ):sup t ≥ T h ( t + u ) = sup s ≥ T + u h ( s ) \sup_{t\ge T}h(t+u)=\sup_{s\ge T+u}h(s) sup t ≥ T h ( t + u ) = sup s ≥ T + u h ( s ) 。令 T → ∞ T\to\infty T → ∞ ,左端 → lim sup t h ( t + u ) \to\limsup_t h(t+u) → lim sup t h ( t + u ) ,右端 sup s ≥ T + u h ( s ) \sup_{s\ge T+u}h(s) sup s ≥ T + u h ( s ) 随 T + u → ∞ T+u\to\infty T + u → ∞ 趋于 lim sup s h ( s ) \limsup_s h(s) lim sup s h ( s ) ,故两者相等。□ \square □
注。 A2 要 u ≥ 0 u\ge0 u ≥ 0 ,才能保证 t + u ∈ [ 0 , ∞ ) t+u\in[0,\infty) t + u ∈ [ 0 , ∞ ) ,与题设 tuple 非负相符。
引理 A 之证。 一次性写出(常数 1 l ≥ 0 \tfrac1l\ge0 l 1 ≥ 0 不进 ϕ k \phi_k ϕ k ,统一最后处理):先由 A1 把 lim sup \limsup lim sup 拆进和,再用"lim sup ( c ψ ) = c lim sup ψ \limsup(c\psi)=c\limsup\psi lim sup ( c ψ ) = c lim sup ψ 对 c ≥ 0 c\ge0 c ≥ 0 "(因 sup t ≥ T c ψ = c sup t ≥ T ψ \sup_{t\ge T}c\psi=c\sup_{t\ge T}\psi sup t ≥ T c ψ = c sup t ≥ T ψ ,取极限)把 1 l \tfrac1l l 1 提出:
lim sup t 1 l ∑ k = 1 l h ( t + u k ) ≤ A1 1 l ∑ k = 1 l lim sup t h ( t + u k ) = A2 1 l ∑ k = 1 l lim sup t h ( t ) = lim sup t h ( t ) .
\limsup_t\frac1l\sum_{k=1}^l h(t+u_k)
\ \overset{\text{A1}}{\le}\ \frac1l\sum_{k=1}^l\limsup_t h(t+u_k)
\ \overset{\text{A2}}{=}\ \frac1l\sum_{k=1}^l\limsup_t h(t)
=\limsup_t h(t).
t lim sup l 1 k = 1 ∑ l h ( t + u k ) ≤ A1 l 1 k = 1 ∑ l t lim sup h ( t + u k ) = A2 l 1 k = 1 ∑ l t lim sup h ( t ) = t lim sup h ( t ) .
■ \qquad\blacksquare ■
3. p p p 是次线性泛函
β \beta β 关于非负标量正齐次。 对 λ ≥ 0 \lambda\ge0 λ ≥ 0 :1 n ∑ j ( λ f ) ( t + t j ) = λ ⋅ 1 n ∑ j f ( t + t j ) \frac1n\sum_j(\lambda f)(t+t_j)=\lambda\cdot\frac1n\sum_j f(t+t_j) n 1 ∑ j ( λ f ) ( t + t j ) = λ ⋅ n 1 ∑ j f ( t + t j ) ,取 lim sup \limsup lim sup 并提出 λ ≥ 0 \lambda\ge0 λ ≥ 0 (lim sup ( c ψ ) = c lim sup ψ \limsup(c\psi)=c\limsup\psi lim sup ( c ψ ) = c lim sup ψ ,c ≥ 0 c\ge0 c ≥ 0 )得 β ( λ f ; ⋯ ) = λ β ( f ; ⋯ ) \beta(\lambda f;\cdots)=\lambda\,\beta(f;\cdots) β ( λ f ; ⋯ ) = λ β ( f ; ⋯ ) 。
p p p 正齐次。 设 λ > 0 \lambda>0 λ > 0 。在同一组 tuple 上 β ( λ f ; ⋅ ) = λ β ( f ; ⋅ ) \beta(\lambda f;\cdot)=\lambda\beta(f;\cdot) β ( λ f ; ⋅ ) = λ β ( f ; ⋅ ) ,取下确界且 inf ( λ A ) = λ inf A \inf(\lambda A)=\lambda\inf A inf ( λ A ) = λ inf A (λ > 0 \lambda>0 λ > 0 )得 p ( λ f ) = λ p ( f ) p(\lambda f)=\lambda p(f) p ( λ f ) = λ p ( f ) 。λ = 0 \lambda=0 λ = 0 时 p ( 0 ⋅ f ) = p ( 0 ) = 0 = 0 ⋅ p ( f ) p(0\cdot f)=p(0)=0=0\cdot p(f) p ( 0 ⋅ f ) = p ( 0 ) = 0 = 0 ⋅ p ( f ) 。故对一切 λ ≥ 0 \lambda\ge0 λ ≥ 0 正齐次。✓ \checkmark ✓
p p p 次可加:p ( f + g ) ≤ p ( f ) + p ( g ) p(f+g)\le p(f)+p(g) p ( f + g ) ≤ p ( f ) + p ( g ) 。
固定 ε > 0 \varepsilon>0 ε > 0 。由下确界定义,取 tuple { s i } i = 1 m \{s_i\}_{i=1}^m { s i } i = 1 m (各 s i ≥ 0 s_i\ge0 s i ≥ 0 )与 { u k } k = 1 l \{u_k\}_{k=1}^l { u k } k = 1 l (各 u k ≥ 0 u_k\ge0 u k ≥ 0 )使
β ( f ; s 1 , … , s m ) ≤ p ( f ) + ε , β ( g ; u 1 , … , u l ) ≤ p ( g ) + ε .
\beta(f;s_1,\dots,s_m)\le p(f)+\varepsilon,\qquad
\beta(g;u_1,\dots,u_l)\le p(g)+\varepsilon.
β ( f ; s 1 , … , s m ) ≤ p ( f ) + ε , β ( g ; u 1 , … , u l ) ≤ p ( g ) + ε .
构造组合 tuple ,共 m l ml m l 个点(均 ≥ 0 \ge0 ≥ 0 ,按上述约定允许重复):
w i k : = s i + u k ( i = 1 , … , m ; k = 1 , … , l ) .
w_{ik}:=s_i+u_k\qquad(i=1,\dots,m;\ k=1,\dots,l).
w ik := s i + u k ( i = 1 , … , m ; k = 1 , … , l ) .
记其平均的被取 lim sup \limsup lim sup 对象为
Φ f ( t ) : = 1 m l ∑ i , k f ( t + w i k ) , Φ g ( t ) : = 1 m l ∑ i , k g ( t + w i k ) ,
\Phi_f(t):=\frac1{ml}\sum_{i,k}f(t+w_{ik}),\qquad
\Phi_g(t):=\frac1{ml}\sum_{i,k}g(t+w_{ik}),
Φ f ( t ) := m l 1 i , k ∑ f ( t + w ik ) , Φ g ( t ) := m l 1 i , k ∑ g ( t + w ik ) ,
则 β ( f ; { w i k } ) = lim sup t Φ f \beta(f;\{w_{ik}\})=\limsup_t\Phi_f β ( f ; { w ik }) = lim sup t Φ f ,β ( g ; { w i k } ) = lim sup t Φ g \beta(g;\{w_{ik}\})=\limsup_t\Phi_g β ( g ; { w ik }) = lim sup t Φ g ,且 β ( f + g ; { w i k } ) = lim sup t ( Φ f + Φ g ) \beta(f+g;\{w_{ik}\})=\limsup_t(\Phi_f+\Phi_g) β ( f + g ; { w ik }) = lim sup t ( Φ f + Φ g ) 。
第一步(对和次可加,A1 取 l = 2 l=2 l = 2 )。
β ( f + g ; { w i k } ) = lim sup t ( Φ f + Φ g ) ≤ A1 lim sup t Φ f + lim sup t Φ g = β ( f ; { w i k } ) + β ( g ; { w i k } ) .
\beta(f+g;\{w_{ik}\})=\limsup_t(\Phi_f+\Phi_g)\ \overset{\text{A1}}{\le}\ \limsup_t\Phi_f+\limsup_t\Phi_g=\beta(f;\{w_{ik}\})+\beta(g;\{w_{ik}\}).
β ( f + g ; { w ik }) = t lim sup ( Φ f + Φ g ) ≤ A1 t lim sup Φ f + t lim sup Φ g = β ( f ; { w ik }) + β ( g ; { w ik }) .
第二步(二重平均 = 先一层后一层,套引理 A)。
对 f f f 这块 :把 m l ml m l 个点的平均看成"先按 i i i (即 { s i } \{s_i\} { s i } )平均、外层再按 k k k (即 { u k } \{u_k\} { u k } )平均"。令 h ( f ) ( t ) : = 1 m ∑ i = 1 m f ( t + s i ) h^{(f)}(t):=\frac1m\sum_{i=1}^m f(t+s_i) h ( f ) ( t ) := m 1 ∑ i = 1 m f ( t + s i ) (有界,∥ h ( f ) ∥ ≤ ∥ f ∥ \|h^{(f)}\|\le\|f\| ∥ h ( f ) ∥ ≤ ∥ f ∥ ),则有限和可换序得
Φ f ( t ) = 1 m l ∑ i , k f ( t + s i + u k ) = 1 l ∑ k = 1 l 1 m ∑ i = 1 m f ( ( t + u k ) + s i ) ⏟ = h ( f ) ( t + u k ) = 1 l ∑ k = 1 l h ( f ) ( t + u k ) .
\Phi_f(t)=\frac1{ml}\sum_{i,k}f(t+s_i+u_k)=\frac1l\sum_{k=1}^l\underbrace{\frac1m\sum_{i=1}^m f\big((t+u_k)+s_i\big)}_{=\,h^{(f)}(t+u_k)}=\frac1l\sum_{k=1}^l h^{(f)}(t+u_k).
Φ f ( t ) = m l 1 i , k ∑ f ( t + s i + u k ) = l 1 k = 1 ∑ l = h ( f ) ( t + u k ) m 1 i = 1 ∑ m f ( ( t + u k ) + s i ) = l 1 k = 1 ∑ l h ( f ) ( t + u k ) .
对 h ( f ) h^{(f)} h ( f ) 与非负位移 { u k } \{u_k\} { u k } 用引理 A :
β ( f ; { w i k } ) = lim sup t 1 l ∑ k h ( f ) ( t + u k ) ≤ A lim sup t h ( f ) ( t ) = β ( f ; { s i } ) .
\beta(f;\{w_{ik}\})=\limsup_t\frac1l\sum_{k}h^{(f)}(t+u_k)\ \overset{\text{A}}{\le}\ \limsup_t h^{(f)}(t)=\beta(f;\{s_i\}).
β ( f ; { w ik }) = t lim sup l 1 k ∑ h ( f ) ( t + u k ) ≤ A t lim sup h ( f ) ( t ) = β ( f ; { s i }) .
对 g g g 这块 对称:令 h ( g ) ( t ) : = 1 l ∑ k = 1 l g ( t + u k ) h^{(g)}(t):=\frac1l\sum_{k=1}^l g(t+u_k) h ( g ) ( t ) := l 1 ∑ k = 1 l g ( t + u k ) ,则 Φ g ( t ) = 1 m ∑ i = 1 m h ( g ) ( t + s i ) \Phi_g(t)=\frac1m\sum_{i=1}^m h^{(g)}(t+s_i) Φ g ( t ) = m 1 ∑ i = 1 m h ( g ) ( t + s i ) ,对 h ( g ) h^{(g)} h ( g ) 与非负位移 { s i } \{s_i\} { s i } 用引理 A:
β ( g ; { w i k } ) ≤ lim sup t h ( g ) ( t ) = β ( g ; { u k } ) .
\beta(g;\{w_{ik}\})\le\limsup_t h^{(g)}(t)=\beta(g;\{u_k\}).
β ( g ; { w ik }) ≤ t lim sup h ( g ) ( t ) = β ( g ; { u k }) .
注(两层引理 A 各打在谁身上)。 内层平均已被吸收进 h ( f ) , h ( g ) h^{(f)},h^{(g)} h ( f ) , h ( g ) 。对 f f f ,外层是按 { u k } \{u_k\} { u k } 平均,引理 A 的位移取 { u k } \{u_k\} { u k } ;对 g g g ,外层是按 { s i } \{s_i\} { s i } 平均,引理 A 的位移取 { s i } \{s_i\} { s i } 。
合并三步。
β ( f + g ; { w i k } ) ≤ β ( f ; { w i k } ) + β ( g ; { w i k } ) ≤ β ( f ; { s i } ) + β ( g ; { u k } ) ≤ p ( f ) + p ( g ) + 2 ε .
\beta(f+g;\{w_{ik}\})\le\beta(f;\{w_{ik}\})+\beta(g;\{w_{ik}\})\le\beta(f;\{s_i\})+\beta(g;\{u_k\})\le p(f)+p(g)+2\varepsilon.
β ( f + g ; { w ik }) ≤ β ( f ; { w ik }) + β ( g ; { w ik }) ≤ β ( f ; { s i }) + β ( g ; { u k }) ≤ p ( f ) + p ( g ) + 2 ε .
而 p ( f + g ) ≤ β ( f + g ; { w i k } ) p(f+g)\le\beta(f+g;\{w_{ik}\}) p ( f + g ) ≤ β ( f + g ; { w ik }) (下确界 ≤ \le ≤ 任一成员),故 p ( f + g ) ≤ p ( f ) + p ( g ) + 2 ε p(f+g)\le p(f)+p(g)+2\varepsilon p ( f + g ) ≤ p ( f ) + p ( g ) + 2 ε 。ε > 0 \varepsilon>0 ε > 0 任意,令 ε → 0 \varepsilon\to0 ε → 0 得
p ( f + g ) ≤ p ( f ) + p ( g ) . ✓
p(f+g)\le p(f)+p(g).\qquad\checkmark
p ( f + g ) ≤ p ( f ) + p ( g ) . ✓
至此 p p p 正齐次 + 次可加,即 p p p 是 B B B 上的次线性泛函 。
4. 用 Hahn–Banach 定理造出 LIM
Hahn–Banach 定理(实、受次线性泛函控制版)。 设 V V V 为实向量空间,p : V → R p:V\to\mathbb R p : V → R 次线性,U ⊆ V U\subseteq V U ⊆ V 为线性子空间,g : U → R g:U\to\mathbb R g : U → R 线性且 g ( u ) ≤ p ( u ) g(u)\le p(u) g ( u ) ≤ p ( u ) 对一切 u ∈ U u\in U u ∈ U 。则存在线性泛函 G : V → R G:V\to\mathbb R G : V → R 延拓 g g g (即 G ∣ U = g G|_U=g G ∣ U = g )且 G ( f ) ≤ p ( f ) G(f)\le p(f) G ( f ) ≤ p ( f ) 对一切 f ∈ V f\in V f ∈ V 。
逐条核验前提并应用:
V = B V=B V = B 是实向量空间。✓
p p p 次线性:第 3 节。✓
取 U = { 0 } U=\{0\} U = { 0 } (最小子空间),g ≡ 0 g\equiv0 g ≡ 0 :U U U 是子空间 ✓,g g g 线性 ✓,控制条件 g ( 0 ) = 0 ≤ p ( 0 ) = 0 g(0)=0\le p(0)=0 g ( 0 ) = 0 ≤ p ( 0 ) = 0 ✓(第 1 节 p ( 0 ) = 0 p(0)=0 p ( 0 ) = 0 )。
故存在线性泛函 G = : LIM : B → R G=:\operatorname{LIM}:B\to\mathbb R G =: LIM : B → R 使
LIM ( f ) ≤ p ( f ) ∀ f ∈ B , (HB)
\operatorname{LIM}(f)\le p(f)\qquad\forall f\in B,\tag{HB}
LIM ( f ) ≤ p ( f ) ∀ f ∈ B , ( HB )
记 LIM t → ∞ f ( t ) : = LIM ( f ) \operatorname{LIM}_{t\to\infty}f(t):=\operatorname{LIM}(f) LIM t → ∞ f ( t ) := LIM ( f ) 。这立即给出性质 (2)(线性) ——Hahn–Banach 产出的就是线性泛函。
5. 由 LIM ≤ p \operatorname{LIM}\le p LIM ≤ p 导出四条性质
双侧界(关键工具)。 把 (HB) 用到 − f -f − f :LIM ( − f ) ≤ p ( − f ) \operatorname{LIM}(-f)\le p(-f) LIM ( − f ) ≤ p ( − f ) ;由线性 LIM ( − f ) = − LIM ( f ) \operatorname{LIM}(-f)=-\operatorname{LIM}(f) LIM ( − f ) = − LIM ( f ) ,移项得 LIM ( f ) ≥ − p ( − f ) \operatorname{LIM}(f)\ge-p(-f) LIM ( f ) ≥ − p ( − f ) 。合并:
− p ( − f ) ≤ LIM ( f ) ≤ p ( f ) ∀ f . (D)
-p(-f)\ \le\ \operatorname{LIM}(f)\ \le\ p(f)\qquad\forall f.\tag{D}
− p ( − f ) ≤ LIM ( f ) ≤ p ( f ) ∀ f . ( D )
性质 (4):lim inf ≤ LIM ≤ lim sup \liminf\le\operatorname{LIM}\le\limsup lim inf ≤ LIM ≤ lim sup
上界:由 (C),p ( f ) ≤ lim sup s f ( s ) p(f)\le\limsup_{s}f(s) p ( f ) ≤ lim sup s f ( s ) ,配 (D) 右半得 LIM ( f ) ≤ lim sup s f ( s ) \operatorname{LIM}(f)\le\limsup_{s}f(s) LIM ( f ) ≤ lim sup s f ( s ) 。
下界:对 − f -f − f 用 (C),p ( − f ) ≤ lim sup s ( − f ) ( s ) p(-f)\le\limsup_s(-f)(s) p ( − f ) ≤ lim sup s ( − f ) ( s ) ;由 §0 预备小事实 lim sup ( − f ) = − lim inf f \limsup(-f)=-\liminf f lim sup ( − f ) = − lim inf f ,故 p ( − f ) ≤ − lim inf s f ( s ) p(-f)\le-\liminf_s f(s) p ( − f ) ≤ − lim inf s f ( s ) ,即 − p ( − f ) ≥ lim inf s f ( s ) -p(-f)\ge\liminf_s f(s) − p ( − f ) ≥ lim inf s f ( s ) ;配 (D) 左半得 LIM ( f ) ≥ lim inf s f ( s ) \operatorname{LIM}(f)\ge\liminf_s f(s) LIM ( f ) ≥ lim inf s f ( s ) 。合起来
lim inf s → ∞ f ( s ) ≤ LIM t → ∞ f ( t ) ≤ lim sup s → ∞ f ( s ) . ■
\liminf_{s\to\infty}f(s)\ \le\ \operatorname{LIM}_{t\to\infty}f(t)\ \le\ \limsup_{s\to\infty}f(s).\qquad\blacksquare
s → ∞ lim inf f ( s ) ≤ LIM t → ∞ f ( t ) ≤ s → ∞ lim sup f ( s ) . ■
性质 (1):相容于通常极限
若 lim t → ∞ f ( t ) = L \lim_{t\to\infty}f(t)=L lim t → ∞ f ( t ) = L 存在,则 lim inf f = lim sup f = L \liminf f=\limsup f=L lim inf f = lim sup f = L ,性质 (4) 夹逼给 L ≤ LIM ( f ) ≤ L L\le\operatorname{LIM}(f)\le L L ≤ LIM ( f ) ≤ L ,故 LIM ( f ) = L = lim t → ∞ f ( t ) \operatorname{LIM}(f)=L=\lim_{t\to\infty}f(t) LIM ( f ) = L = lim t → ∞ f ( t ) 。■ \qquad\blacksquare ■
性质 (2):线性
即 Hahn–Banach 所给 G = LIM G=\operatorname{LIM} G = LIM 的线性。■ \qquad\blacksquare ■
性质 (3):平移不变 LIM ( f τ ) = LIM ( f ) \operatorname{LIM}(f_\tau)=\operatorname{LIM}(f) LIM ( f τ ) = LIM ( f )
平移参数范围说明。 因定义域为 [ 0 , ∞ ) [0,\infty) [ 0 , ∞ ) ,平移 f τ ( t ) : = f ( t + τ ) f_\tau(t):=f(t+\tau) f τ ( t ) := f ( t + τ ) 须 τ ≥ 0 \tau\ge0 τ ≥ 0 才使 t + τ ∈ [ 0 , ∞ ) t+\tau\in[0,\infty) t + τ ∈ [ 0 , ∞ ) 始终有意义;τ = 0 \tau=0 τ = 0 平凡(f 0 = f f_0=f f 0 = f )。下设 τ > 0 \tau>0 τ > 0 ,所用 tuple t j = ( j − 1 ) τ ≥ 0 t_j=(j-1)\tau\ge0 t j = ( j − 1 ) τ ≥ 0 亦合法。
记 f τ ( t ) : = f ( t + τ ) ∈ B f_\tau(t):=f(t+\tau)\in B f τ ( t ) := f ( t + τ ) ∈ B (有界,∥ f τ ∥ ≤ ∥ f ∥ \|f_\tau\|\le\|f\| ∥ f τ ∥ ≤ ∥ f ∥ )。固定 n ∈ N n\in\mathbb N n ∈ N ,用等差 tuple
t j : = ( j − 1 ) τ ≥ 0 ( j = 1 , … , n ) , 即 { 0 , τ , 2 τ , … , ( n − 1 ) τ } .
t_j:=(j-1)\tau\ge0\qquad(j=1,\dots,n),\quad\text{即 }\{0,\tau,2\tau,\dots,(n-1)\tau\}.
t j := ( j − 1 ) τ ≥ 0 ( j = 1 , … , n ) , 即 { 0 , τ , 2 τ , … , ( n − 1 ) τ } .
方向一:p ( f τ − f ) ≤ 0 p(f_\tau-f)\le0 p ( f τ − f ) ≤ 0 。 逐点算平均(telescoping):
1 n ∑ j = 1 n ( f τ − f ) ( t + ( j − 1 ) τ ) = 1 n ∑ j = 1 n [ f ( t + ( j − 1 ) τ + τ ) − f ( t + ( j − 1 ) τ ) ] = 1 n ∑ j = 1 n [ f ( t + j τ ) − f ( t + ( j − 1 ) τ ) ] .
\frac1n\sum_{j=1}^n(f_\tau-f)\big(t+(j-1)\tau\big)
=\frac1n\sum_{j=1}^n\Big[f\big(t+(j-1)\tau+\tau\big)-f\big(t+(j-1)\tau\big)\Big]
=\frac1n\sum_{j=1}^n\Big[f(t+j\tau)-f\big(t+(j-1)\tau\big)\Big].
n 1 j = 1 ∑ n ( f τ − f ) ( t + ( j − 1 ) τ ) = n 1 j = 1 ∑ n [ f ( t + ( j − 1 ) τ + τ ) − f ( t + ( j − 1 ) τ ) ] = n 1 j = 1 ∑ n [ f ( t + j τ ) − f ( t + ( j − 1 ) τ ) ] .
注(telescoping 展开)。 ∑ j = 1 n [ f ( t + j τ ) − f ( t + ( j − 1 ) τ ) ] = [ f ( t + τ ) − f ( t ) ] + [ f ( t + 2 τ ) − f ( t + τ ) ] + ⋯ + [ f ( t + n τ ) − f ( t + ( n − 1 ) τ ) ] = f ( t + n τ ) − f ( t ) \sum_{j=1}^n[f(t+j\tau)-f(t+(j-1)\tau)]=[f(t+\tau)-f(t)]+[f(t+2\tau)-f(t+\tau)]+\cdots+[f(t+n\tau)-f(t+(n-1)\tau)]=f(t+n\tau)-f(t) ∑ j = 1 n [ f ( t + j τ ) − f ( t + ( j − 1 ) τ )] = [ f ( t + τ ) − f ( t )] + [ f ( t + 2 τ ) − f ( t + τ )] + ⋯ + [ f ( t + n τ ) − f ( t + ( n − 1 ) τ )] = f ( t + n τ ) − f ( t ) 。
故该平均 = 1 n [ f ( t + n τ ) − f ( t ) ] =\dfrac1n\big[f(t+n\tau)-f(t)\big] = n 1 [ f ( t + n τ ) − f ( t ) ] ,绝对值
∣ 1 n [ f ( t + n τ ) − f ( t ) ] ∣ ≤ ∣ f ( t + n τ ) ∣ + ∣ f ( t ) ∣ n ≤ 2 ∥ f ∥ n ∀ t .
\Big|\tfrac1n\big[f(t+n\tau)-f(t)\big]\Big|\le\frac{|f(t+n\tau)|+|f(t)|}{n}\le\frac{2\|f\|}{n}\qquad\forall t.
n 1 [ f ( t + n τ ) − f ( t ) ] ≤ n ∣ f ( t + n τ ) ∣ + ∣ f ( t ) ∣ ≤ n 2∥ f ∥ ∀ t .
取 lim sup t \limsup_t lim sup t (常数上界保持):β ( f τ − f ; { 0 , τ , … , ( n − 1 ) τ } ) ≤ 2 ∥ f ∥ n \beta\big(f_\tau-f;\{0,\tau,\dots,(n-1)\tau\}\big)\le\dfrac{2\|f\|}{n} β ( f τ − f ; { 0 , τ , … , ( n − 1 ) τ } ) ≤ n 2∥ f ∥ 。由下确界 p ( f τ − f ) ≤ 2 ∥ f ∥ n p(f_\tau-f)\le\dfrac{2\|f\|}{n} p ( f τ − f ) ≤ n 2∥ f ∥ ,对每个 n n n 成立 ,令 n → ∞ n\to\infty n → ∞ 得 p ( f τ − f ) ≤ 0 p(f_\tau-f)\le0 p ( f τ − f ) ≤ 0 。
方向二:p ( f − f τ ) ≤ 0 p(f-f_\tau)\le0 p ( f − f τ ) ≤ 0 (完整书写,不靠"同理")。 用同一 tuple,逐点:
1 n ∑ j = 1 n ( f − f τ ) ( t + ( j − 1 ) τ ) = 1 n ∑ j = 1 n [ f ( t + ( j − 1 ) τ ) − f ( t + j τ ) ] = 1 n [ f ( t ) − f ( t + n τ ) ] ,
\frac1n\sum_{j=1}^n(f-f_\tau)\big(t+(j-1)\tau\big)
=\frac1n\sum_{j=1}^n\Big[f\big(t+(j-1)\tau\big)-f(t+j\tau)\Big]
=\frac1n\big[f(t)-f(t+n\tau)\big],
n 1 j = 1 ∑ n ( f − f τ ) ( t + ( j − 1 ) τ ) = n 1 j = 1 ∑ n [ f ( t + ( j − 1 ) τ ) − f ( t + j τ ) ] = n 1 [ f ( t ) − f ( t + n τ ) ] ,
(同样的伸缩和,符号相反),绝对值 ≤ 2 ∥ f ∥ n \le\dfrac{2\|f\|}{n} ≤ n 2∥ f ∥ 。取 lim sup t \limsup_t lim sup t 得 β ( f − f τ ; { 0 , τ , … , ( n − 1 ) τ } ) ≤ 2 ∥ f ∥ n \beta\big(f-f_\tau;\{0,\tau,\dots,(n-1)\tau\}\big)\le\dfrac{2\|f\|}{n} β ( f − f τ ; { 0 , τ , … , ( n − 1 ) τ } ) ≤ n 2∥ f ∥ ,故 p ( f − f τ ) ≤ 2 ∥ f ∥ n p(f-f_\tau)\le\dfrac{2\|f\|}{n} p ( f − f τ ) ≤ n 2∥ f ∥ 对每个 n n n ,令 n → ∞ n\to\infty n → ∞ 得 p ( f − f τ ) ≤ 0 p(f-f_\tau)\le0 p ( f − f τ ) ≤ 0 。
收口。 由 (HB) 与线性,
LIM ( f τ − f ) ≤ p ( f τ − f ) ≤ 0 , LIM ( f − f τ ) ≤ p ( f − f τ ) ≤ 0.
\operatorname{LIM}(f_\tau-f)\le p(f_\tau-f)\le0,\qquad \operatorname{LIM}(f-f_\tau)\le p(f-f_\tau)\le0.
LIM ( f τ − f ) ≤ p ( f τ − f ) ≤ 0 , LIM ( f − f τ ) ≤ p ( f − f τ ) ≤ 0.
而 LIM ( f − f τ ) = − LIM ( f τ − f ) \operatorname{LIM}(f-f_\tau)=-\operatorname{LIM}(f_\tau-f) LIM ( f − f τ ) = − LIM ( f τ − f ) (线性)。设 a : = LIM ( f τ − f ) a:=\operatorname{LIM}(f_\tau-f) a := LIM ( f τ − f ) ,则 a ≤ 0 a\le0 a ≤ 0 且 − a ≤ 0 -a\le0 − a ≤ 0 (即 a ≥ 0 a\ge0 a ≥ 0 ),迫使 a = 0 a=0 a = 0 。于是
LIM ( f τ ) − LIM ( f ) = 0 , 即 LIM t → ∞ f ( t + τ ) = LIM t → ∞ f ( t ) ( ∀ τ ≥ 0 ) . ■
\operatorname{LIM}(f_\tau)-\operatorname{LIM}(f)=0,\quad\text{即}\quad \operatorname{LIM}_{t\to\infty}f(t+\tau)=\operatorname{LIM}_{t\to\infty}f(t)\quad(\forall\tau\ge0).\qquad\blacksquare
LIM ( f τ ) − LIM ( f ) = 0 , 即 LIM t → ∞ f ( t + τ ) = LIM t → ∞ f ( t ) ( ∀ τ ≥ 0 ) . ■
注(顺带得到的两条 Banach 极限标准性质)。 由性质 (4) 立刻有:
(i) 单位化 :常函数 f ≡ c f\equiv c f ≡ c 满足 lim inf = lim sup = c \liminf=\limsup=c lim inf = lim sup = c ,故 LIM ( c ) = c \operatorname{LIM}(c)=c LIM ( c ) = c ;
(ii) 保正 :若 f ≥ 0 f\ge0 f ≥ 0 ,则 lim inf s f ( s ) ≥ 0 \liminf_s f(s)\ge0 lim inf s f ( s ) ≥ 0 ,故 LIM ( f ) ≥ 0 \operatorname{LIM}(f)\ge0 LIM ( f ) ≥ 0 。
这两条不在题目四条之列,但是 Banach 极限的常见附带期望,由 (4) 一步即得。
四条性质 (1)(2)(3)(4) 全部成立,定理得证。■ \qquad\blacksquare ■
泛函分析卷 · Q5(Baire 空间的四个等价刻画)
题目
问题 5(20 分). 设 ( X , d ) (X,d) ( X , d ) 为度量空间。证明下列各条等价:
X X X 中每个剩余集 都稠密;
若 U ⊂ X U\subset X U ⊂ X 是非空开集,则 U U U 不是贫集(meagre);
若 A i ⊂ X A_i\subset X A i ⊂ X 是一列内部为空的闭集,则 ⋃ i = 1 ∞ A i \bigcup_{i=1}^\infty A_i ⋃ i = 1 ∞ A i 的内部为空;
若 U i ⊂ X U_i\subset X U i ⊂ X 是一列稠密开集,则 ⋂ i = 1 ∞ U i \bigcap_{i=1}^\infty U_i ⋂ i = 1 ∞ U i 稠密。
(这尤其说明:任何非平凡的 Banach 空间在自身中是非贫集。)
解答
设 ( X , d ) (X,d) ( X , d ) 为度量空间。求证以下四条等价:
(1) X X X 中每个剩余集 (residual set:补集为贫集的集合)都稠密;
(2) 每个非空开集 U ⊆ X U\subseteq X U ⊆ X 都非贫 (nonmeagre);
(3) 对任意一列内部为空的闭集 A i A_i A i ,其并 ⋃ i A i \bigcup_i A_i ⋃ i A i 内部为空;
(4) 对任意一列稠密开集 U i U_i U i ,其交 ⋂ i U i \bigcap_i U_i ⋂ i U i 稠密。
满足以上(任一,从而全部)条件的空间称为 Baire 空间 。请特别留意:本题全程不用完备性 ——这是纯拓扑/集合论的逻辑等价。"是否真有空间满足这些条件"是另一回事,要靠额外的定理(Baire 纲定理,见文末备注)来断言。
两条读题约定(先说清,免得后面被退化情形绊住):
约定 (a)(族的大小). 下文出现的"可数族"一律含有限情形 (有限并、有限交),也含空族 :约定空并 ⋃ i ∈ ∅ S i = ∅ \bigcup_{i\in\varnothing}S_i=\varnothing ⋃ i ∈ ∅ S i = ∅ 、空交 ⋂ i ∈ ∅ S i = X \bigcap_{i\in\varnothing}S_i=X ⋂ i ∈ ∅ S i = X 。"贫集 = 可数个无处稠密集之并"按此惯例也包含有限并(从而空集 ∅ = ⋃ i ∈ ∅ \varnothing=\bigcup_{i\in\varnothing} ∅ = ⋃ i ∈ ∅ 本身是贫集)。下面所有证明对有限族、空族逐字成立 ,无需任何改动——因为我们只用到德摩根律、单调性等对任意指标族都对的事实。读者在每一步把 ⋃ i , ⋂ i \bigcup_i,\bigcap_i ⋃ i , ⋂ i 理解成"对给定指标集(可空、可有限、可数无穷)求并/交"即可。
约定 (b)(空间退化). 若 X = ∅ X=\varnothing X = ∅ ,则 X X X 唯一的子集是 ∅ \varnothing ∅ ,它既稠密(cl ( ∅ ) = ∅ = X \operatorname{cl}(\varnothing)=\varnothing=X cl ( ∅ ) = ∅ = X ),又使 (1)–(4) 平凡为真(不存在"非空开集",所有并/交都是 ∅ \varnothing ∅ )。故下文不妨设 X ≠ ∅ X\neq\varnothing X = ∅ ;但请注意所有论证对 X = ∅ X=\varnothing X = ∅ 也机械成立,我们只是为叙述方便假设其非空。
0. 术语与基础恒等式(先把工具备齐)
逐个回忆定义(首现即释)。设 S ⊆ X S\subseteq X S ⊆ X 。
内部 int ( S ) \operatorname{int}(S) int ( S ) :包含于 S S S 的最大开集,即所有 S S S 内点之集(x x x 是 S S S 的内点 ⟺ \iff ⟺ 存在开集 V V V 使 x ∈ V ⊆ S x\in V\subseteq S x ∈ V ⊆ S )。
闭包 cl ( S ) \operatorname{cl}(S) cl ( S ) :包含 S S S 的最小闭集。
补集 记作 c ( S ) : = X ∖ S c(S):=X\setminus S c ( S ) := X ∖ S 。显然 c ( c ( S ) ) = S c(c(S))=S c ( c ( S )) = S 。
稠密 (dense):cl ( S ) = X \operatorname{cl}(S)=X cl ( S ) = X 。(等价刻画见引理 0.2。)
无处稠密 (nowhere dense):int ( cl ( N ) ) = ∅ \operatorname{int}(\operatorname{cl}(N))=\varnothing int ( cl ( N )) = ∅ ,即"N N N 的闭包没有内点"。
贫集 (meagre / 第一纲):可数个(含有限、含空)无处稠密集之并。
剩余集 (residual / 余贫):补集是贫集的集合。
下面这一组恒等式是全题的骨架,全部从头证明 ,不当黑箱。
引理 0.0(闭包的接触点刻画)
对 T ⊆ X T\subseteq X T ⊆ X 与 x ∈ X x\in X x ∈ X :
x ∈ cl ( T ) ⟺ 每个含 x 的开集 V 都满足 V ∩ T ≠ ∅ .
x\in\operatorname{cl}(T)\iff \text{每个含 } x \text{ 的开集 } V \text{ 都满足 } V\cap T\neq\varnothing.
x ∈ cl ( T ) ⟺ 每个含 x 的开集 V 都满足 V ∩ T = ∅ .
证明. 这正是"闭包 = 最小闭集"的等价表述,我们从这条定义出发证两个方向。
(⇐ \Leftarrow ⇐ 的逆否,即"右端不成立 ⇒ \Rightarrow ⇒ 左端不成立"). 设存在开集 V V V 满足 x ∈ V x\in V x ∈ V 且 V ∩ T = ∅ V\cap T=\varnothing V ∩ T = ∅ ,即 T ⊆ c ( V ) T\subseteq c(V) T ⊆ c ( V ) 。因 V V V 开,c ( V ) c(V) c ( V ) 闭,且 c ( V ) ⊇ T c(V)\supseteq T c ( V ) ⊇ T ;由"cl ( T ) \operatorname{cl}(T) cl ( T ) 是含 T T T 的最小闭集"得 cl ( T ) ⊆ c ( V ) \operatorname{cl}(T)\subseteq c(V) cl ( T ) ⊆ c ( V ) 。而 x ∈ V x\in V x ∈ V 即 x ∉ c ( V ) x\notin c(V) x ∈ / c ( V ) ,故 x ∉ cl ( T ) x\notin\operatorname{cl}(T) x ∈ / cl ( T ) 。
(⇒ \Rightarrow ⇒ 的逆否,即"左端不成立 ⇒ \Rightarrow ⇒ 右端不成立"). 设 x ∉ cl ( T ) x\notin\operatorname{cl}(T) x ∈ / cl ( T ) 。取 V : = c ( cl ( T ) ) V:=c(\operatorname{cl}(T)) V := c ( cl ( T )) ,它是闭集 cl ( T ) \operatorname{cl}(T) cl ( T ) 的补,故为开集;且 x ∈ V x\in V x ∈ V (因 x ∉ cl ( T ) x\notin\operatorname{cl}(T) x ∈ / cl ( T ) )。又 T ⊆ cl ( T ) T\subseteq\operatorname{cl}(T) T ⊆ cl ( T ) 给出 V = c ( cl ( T ) ) ⊆ c ( T ) V=c(\operatorname{cl}(T))\subseteq c(T) V = c ( cl ( T )) ⊆ c ( T ) ,故 V ∩ T = ∅ V\cap T=\varnothing V ∩ T = ∅ 。这是一个含 x x x 却不碰 T T T 的开集,右端不成立。
两个逆否合起来即得双向等价。■ \quad\blacksquare ■
注:这条只用到"闭集的补是开集""cl ( T ) \operatorname{cl}(T) cl ( T ) 是含 T T T 的最小闭集"这两条最原始的定义,没有任何高阶结论。后面凡说"接触点"都指它。
引理 0.1(补—内—闭对偶)
对任意 S ⊆ X S\subseteq X S ⊆ X :
int ( S ) = c ( cl ( c ( S ) ) ) , cl ( S ) = c ( int ( c ( S ) ) ) .
\operatorname{int}(S)=c\bigl(\operatorname{cl}(c(S))\bigr),\qquad
\operatorname{cl}(S)=c\bigl(\operatorname{int}(c(S))\bigr).
int ( S ) = c ( cl ( c ( S )) ) , cl ( S ) = c ( int ( c ( S )) ) .
证明. 只证第一式(第二式把 S S S 换成 c ( S ) c(S) c ( S ) 、两边取补即得,因 c ( c ( S ) ) = S c(c(S))=S c ( c ( S )) = S )。
对 x ∈ X x\in X x ∈ X ,按内部定义:
x ∈ int ( S ) ⟺ ∃ 开集 V , x ∈ V ⊆ S ⟺ ∃ 开集 V , x ∈ V , V ∩ c ( S ) = ∅ .
x\in\operatorname{int}(S)\iff \exists\text{ 开集 }V,\ x\in V\subseteq S
\iff \exists\text{ 开集 }V,\ x\in V,\ V\cap c(S)=\varnothing.
x ∈ int ( S ) ⟺ ∃ 开集 V , x ∈ V ⊆ S ⟺ ∃ 开集 V , x ∈ V , V ∩ c ( S ) = ∅ .
(中间用了 V ⊆ S ⟺ V ∩ c ( S ) = ∅ V\subseteq S\iff V\cap c(S)=\varnothing V ⊆ S ⟺ V ∩ c ( S ) = ∅ 。)由引理 0.0(取 T = c ( S ) T=c(S) T = c ( S ) ),最右端"存在含 x x x 的开集与 c ( S ) c(S) c ( S ) 不交"恰好是"x ∉ cl ( c ( S ) ) x\notin\operatorname{cl}(c(S)) x ∈ / cl ( c ( S )) "。故
x ∈ int ( S ) ⟺ x ∉ cl ( c ( S ) ) ⟺ x ∈ c ( cl ( c ( S ) ) ) .
x\in\operatorname{int}(S)\iff x\notin\operatorname{cl}(c(S))\iff x\in c\bigl(\operatorname{cl}(c(S))\bigr).
x ∈ int ( S ) ⟺ x ∈ / cl ( c ( S )) ⟺ x ∈ c ( cl ( c ( S )) ) .
两集逐点相等,即 int ( S ) = c ( cl ( c ( S ) ) ) \operatorname{int}(S)=c(\operatorname{cl}(c(S))) int ( S ) = c ( cl ( c ( S ))) 。■ \quad\blacksquare ■
引理 0.2(稠密的两种刻画)
对 S ⊆ X S\subseteq X S ⊆ X ,下列等价:
S 稠密 ⟺ int ( c ( S ) ) = ∅ ⟺ S 与每个非空开集相交 .
S\ \text{稠密}\iff \operatorname{int}(c(S))=\varnothing\iff S\ \text{与每个非空开集相交}.
S 稠密 ⟺ int ( c ( S )) = ∅ ⟺ S 与每个非空开集相交 .
证明. 由引理 0.1 第二式,cl ( S ) = c ( int ( c ( S ) ) ) \operatorname{cl}(S)=c(\operatorname{int}(c(S))) cl ( S ) = c ( int ( c ( S ))) 。于是
cl ( S ) = X ⟺ c ( int ( c ( S ) ) ) = X ⟺ int ( c ( S ) ) = ∅ ,
\operatorname{cl}(S)=X\iff c\bigl(\operatorname{int}(c(S))\bigr)=X\iff \operatorname{int}(c(S))=\varnothing,
cl ( S ) = X ⟺ c ( int ( c ( S )) ) = X ⟺ int ( c ( S )) = ∅ ,
这给出前两者等价。
再看第三个。S S S 与开集 V V V 相交 ⟺ V ⊈ c ( S ) \iff V\not\subseteq c(S) ⟺ V ⊆ c ( S ) 。
若 int ( c ( S ) ) = ∅ \operatorname{int}(c(S))=\varnothing int ( c ( S )) = ∅ :任取非空开 V V V ,则 V V V 是含于 c ( S ) c(S) c ( S ) 就会落入 int ( c ( S ) ) = ∅ \operatorname{int}(c(S))=\varnothing int ( c ( S )) = ∅ ,故 V ⊈ c ( S ) V\not\subseteq c(S) V ⊆ c ( S ) ,即 V ∩ S ≠ ∅ V\cap S\neq\varnothing V ∩ S = ∅ 。所以 S S S 与每个非空开集相交。
反之若 int ( c ( S ) ) ≠ ∅ \operatorname{int}(c(S))\neq\varnothing int ( c ( S )) = ∅ :它是含于 c ( S ) c(S) c ( S ) 的非空开集,与 S S S 不交,违反"与每个非空开集相交"。
故第二、第三条等价。■ \quad\blacksquare ■
一句口诀:"S S S 稠密 ⟺ \iff ⟺ 其补 c ( S ) c(S) c ( S ) 无内点" 。这是全题的发动机,下面反复用。
引理 0.3(无处稠密 ⟺ 补为稠密开集;闭包仍无处稠密)
(a) 设 N N N 无处稠密。则 c ( cl ( N ) ) c(\operatorname{cl}(N)) c ( cl ( N )) 是稠密开集 。
(b) 若 N N N 无处稠密,则 cl ( N ) \operatorname{cl}(N) cl ( N ) 也无处稠密(且当然 N ⊆ cl ( N ) N\subseteq\operatorname{cl}(N) N ⊆ cl ( N ) )。
(c) 对闭集 A A A :A A A 无内点 ⟺ \iff ⟺ A A A 无处稠密 ⟺ \iff ⟺ c ( A ) c(A) c ( A ) 稠密开。
证明.
(a) cl ( N ) \operatorname{cl}(N) cl ( N ) 是闭集,故 G : = c ( cl ( N ) ) G:=c(\operatorname{cl}(N)) G := c ( cl ( N )) 是开集。其补 c ( G ) = cl ( N ) c(G)=\operatorname{cl}(N) c ( G ) = cl ( N ) ,于是 int ( c ( G ) ) = int ( cl ( N ) ) = ∅ \operatorname{int}(c(G))=\operatorname{int}(\operatorname{cl}(N))=\varnothing int ( c ( G )) = int ( cl ( N )) = ∅ (末步即 N N N 无处稠密的定义)。由引理 0.2 知 G G G 稠密。
(b) 因 cl ( N ) \operatorname{cl}(N) cl ( N ) 已是闭集,闭包幂等给 cl ( cl ( N ) ) = cl ( N ) \operatorname{cl}(\operatorname{cl}(N))=\operatorname{cl}(N) cl ( cl ( N )) = cl ( N ) ,故 int ( cl ( cl ( N ) ) ) = int ( cl ( N ) ) = ∅ \operatorname{int}(\operatorname{cl}(\operatorname{cl}(N)))=\operatorname{int}(\operatorname{cl}(N))=\varnothing int ( cl ( cl ( N ))) = int ( cl ( N )) = ∅ ,即 cl ( N ) \operatorname{cl}(N) cl ( N ) 无处稠密。N ⊆ cl ( N ) N\subseteq\operatorname{cl}(N) N ⊆ cl ( N ) 是闭包定义。
(c) 对闭集 A A A 有 cl ( A ) = A \operatorname{cl}(A)=A cl ( A ) = A ,故"A A A 无处稠密"即 int ( cl ( A ) ) = int ( A ) = ∅ \operatorname{int}(\operatorname{cl}(A))=\operatorname{int}(A)=\varnothing int ( cl ( A )) = int ( A ) = ∅ ,正是"A A A 无内点",二者等价。再由引理 0.2(S = c ( A ) S=c(A) S = c ( A ) ,则 c ( S ) = A c(S)=A c ( S ) = A ):c ( A ) c(A) c ( A ) 稠密 ⟺ int ( A ) = ∅ \iff \operatorname{int}(A)=\varnothing ⟺ int ( A ) = ∅ ,已成立;又 A A A 闭故 c ( A ) c(A) c ( A ) 开。■ \quad\blacksquare ■
引理 0.4(稠密集的母集仍稠密)
若 S ⊆ T ⊆ X S\subseteq T\subseteq X S ⊆ T ⊆ X 且 S S S 稠密,则 T T T 稠密。
证明. 闭包对包含单调(S ⊆ T ⇒ cl ( S ) ⊆ cl ( T ) S\subseteq T\Rightarrow\operatorname{cl}(S)\subseteq\operatorname{cl}(T) S ⊆ T ⇒ cl ( S ) ⊆ cl ( T ) ,因 cl ( T ) \operatorname{cl}(T) cl ( T ) 是含 T ⊇ S T\supseteq S T ⊇ S 的闭集,故含 cl ( S ) \operatorname{cl}(S) cl ( S ) )。于是 X = cl ( S ) ⊆ cl ( T ) ⊆ X X=\operatorname{cl}(S)\subseteq\operatorname{cl}(T)\subseteq X X = cl ( S ) ⊆ cl ( T ) ⊆ X ,故 cl ( T ) = X \operatorname{cl}(T)=X cl ( T ) = X 。■ \quad\blacksquare ■
注:还有一条常见伴随事实"贫集的子集仍贫"(设 M = ⋃ i N i M=\bigcup_i N_i M = ⋃ i N i 贫,S ⊆ M S\subseteq M S ⊆ M ,则 S = ⋃ i ( S ∩ N i ) S=\bigcup_i(S\cap N_i) S = ⋃ i ( S ∩ N i ) ,每个 S ∩ N i ⊆ N i S\cap N_i\subseteq N_i S ∩ N i ⊆ N i 由单调性仍无处稠密,故 S S S 贫)。它本身正确且是好习惯,但本题的闭环并不调用它 ,故仅在此备注,不列为正式引理,以免冗余。
引理 0.5(德摩根律)
对任意指标族 { S i } i \{S_i\}_{i} { S i } i (可空、可有限、可数无穷):
c ( ⋃ i S i ) = ⋂ i c ( S i ) , c ( ⋂ i S i ) = ⋃ i c ( S i ) .
c\Bigl(\bigcup_i S_i\Bigr)=\bigcap_i c(S_i),\qquad c\Bigl(\bigcap_i S_i\Bigr)=\bigcup_i c(S_i).
c ( i ⋃ S i ) = i ⋂ c ( S i ) , c ( i ⋂ S i ) = i ⋃ c ( S i ) .
证明. 逐点验证:x ∈ c ( ⋃ i S i ) ⟺ x ∉ ⋃ i S i ⟺ ∀ i , x ∉ S i ⟺ ∀ i , x ∈ c ( S i ) ⟺ x ∈ ⋂ i c ( S i ) x\in c(\bigcup_i S_i)\iff x\notin\bigcup_i S_i\iff \forall i,\ x\notin S_i\iff \forall i,\ x\in c(S_i)\iff x\in\bigcap_i c(S_i) x ∈ c ( ⋃ i S i ) ⟺ x ∈ / ⋃ i S i ⟺ ∀ i , x ∈ / S i ⟺ ∀ i , x ∈ c ( S i ) ⟺ x ∈ ⋂ i c ( S i ) 。第二式同理(或对第一式取补)。■ \quad\blacksquare ■
我们将按闭环 (2)⇒ \Rightarrow ⇒ (3)⇔ \Leftrightarrow ⇔ (4)⇒ \Rightarrow ⇒ (1)⇒ \Rightarrow ⇒ (2) 证明。
1. (3) ⇔ \Leftrightarrow ⇔ (4)(纯补集对偶)
(4) ⇒ \Rightarrow ⇒ (3)
设 A i A_i A i 为闭集且 int ( A i ) = ∅ \operatorname{int}(A_i)=\varnothing int ( A i ) = ∅ 。令 U i : = c ( A i ) U_i:=c(A_i) U i := c ( A i ) 。
由引理 0.3(c),A i A_i A i 闭且无内点 ⇒ \Rightarrow ⇒ U i = c ( A i ) U_i=c(A_i) U i = c ( A i ) 是稠密开集 。由 (4),⋂ i U i \bigcap_i U_i ⋂ i U i 稠密。
而由引理 0.5(德摩根)
⋂ i U i = ⋂ i c ( A i ) = c ( ⋃ i A i ) .
\bigcap_i U_i=\bigcap_i c(A_i)=c\Bigl(\bigcup_i A_i\Bigr).
i ⋂ U i = i ⋂ c ( A i ) = c ( i ⋃ A i ) .
故 c ( ⋃ i A i ) c(\bigcup_i A_i) c ( ⋃ i A i ) 稠密。由引理 0.2(取 S = c ( ⋃ i A i ) S=c(\bigcup_i A_i) S = c ( ⋃ i A i ) ,则 c ( S ) = ⋃ i A i c(S)=\bigcup_i A_i c ( S ) = ⋃ i A i ),这等价于
int ( ⋃ i A i ) = ∅ .
\operatorname{int}\Bigl(\bigcup_i A_i\Bigr)=\varnothing.
int ( i ⋃ A i ) = ∅ .
即 (3) 成立。■ \quad\blacksquare ■
(3) ⇒ \Rightarrow ⇒ (4)
设 U i U_i U i 为稠密开集。令 A i : = c ( U i ) A_i:=c(U_i) A i := c ( U i ) ,则 A i A_i A i 闭(开集之补)。计算其内部:由引理 0.1 第一式,
int ( A i ) = int ( c ( U i ) ) = c ( cl ( c ( c ( U i ) ) ) ) = c ( cl ( U i ) ) = c ( X ) = ∅ ,
\operatorname{int}(A_i)=\operatorname{int}(c(U_i))=c\bigl(\operatorname{cl}(c(c(U_i)))\bigr)=c\bigl(\operatorname{cl}(U_i)\bigr)=c(X)=\varnothing,
int ( A i ) = int ( c ( U i )) = c ( cl ( c ( c ( U i ))) ) = c ( cl ( U i ) ) = c ( X ) = ∅ ,
其中 cl ( U i ) = X \operatorname{cl}(U_i)=X cl ( U i ) = X 因 U i U_i U i 稠密。于是每个 A i A_i A i 是无内点的闭集。由 (3),int ( ⋃ i A i ) = ∅ \operatorname{int}(\bigcup_i A_i)=\varnothing int ( ⋃ i A i ) = ∅ 。
由引理 0.5,⋃ i A i = ⋃ i c ( U i ) = c ( ⋂ i U i ) \bigcup_i A_i=\bigcup_i c(U_i)=c(\bigcap_i U_i) ⋃ i A i = ⋃ i c ( U i ) = c ( ⋂ i U i ) ,故 int ( c ( ⋂ i U i ) ) = ∅ \operatorname{int}\bigl(c(\bigcap_i U_i)\bigr)=\varnothing int ( c ( ⋂ i U i ) ) = ∅ 。再由引理 0.2(S = ⋂ i U i S=\bigcap_i U_i S = ⋂ i U i )即得 ⋂ i U i \bigcap_i U_i ⋂ i U i 稠密。即 (4) 成立。■ \quad\blacksquare ■
注:(3) 与 (4) 互为"取补"的两种说法——闭集 ↔ \leftrightarrow ↔ 开集、并 ↔ \leftrightarrow ↔ 交、无内点 ↔ \leftrightarrow ↔ 稠密,全靠引理 0.1–0.2、0.5 一一对应。
2. (4) ⇒ \Rightarrow ⇒ (1)
设 R R R 为剩余集,即 c ( R ) c(R) c ( R ) 贫:c ( R ) = ⋃ i N i c(R)=\bigcup_i N_i c ( R ) = ⋃ i N i ,每个 N i N_i N i 无处稠密。
对补集用引理 0.5:
R = c ( c ( R ) ) = c ( ⋃ i N i ) = ⋂ i c ( N i ) .
R=c(c(R))=c\Bigl(\bigcup_i N_i\Bigr)=\bigcap_i c(N_i).
R = c ( c ( R )) = c ( i ⋃ N i ) = i ⋂ c ( N i ) .
因 N i ⊆ cl ( N i ) N_i\subseteq\operatorname{cl}(N_i) N i ⊆ cl ( N i ) ,取补反向包含 c ( N i ) ⊇ c ( cl ( N i ) ) c(N_i)\supseteq c(\operatorname{cl}(N_i)) c ( N i ) ⊇ c ( cl ( N i )) ,故
R = ⋂ i c ( N i ) ⊇ ⋂ i c ( cl ( N i ) ) . ( \ast )
R=\bigcap_i c(N_i)\ \supseteq\ \bigcap_i c(\operatorname{cl}(N_i)). \tag{\ast}
R = i ⋂ c ( N i ) ⊇ i ⋂ c ( cl ( N i )) . ( \ast )
令 U i : = c ( cl ( N i ) ) U_i:=c(\operatorname{cl}(N_i)) U i := c ( cl ( N i )) 。由引理 0.3(a)(N i N_i N i 无处稠密),每个 U i U_i U i 是稠密开集。由 (4),⋂ i U i \bigcap_i U_i ⋂ i U i 稠密。
由 ( ∗ ) (\ast) ( ∗ ) ,⋂ i U i ⊆ R \bigcap_i U_i\subseteq R ⋂ i U i ⊆ R ,即 R R R 是稠密集 ⋂ i U i \bigcap_i U_i ⋂ i U i 的母集。由引理 0.4 知 R R R 稠密。即 (1) 成立。■ \quad\blacksquare ■
注:此处必须先用 cl ( N i ) \operatorname{cl}(N_i) cl ( N i ) 而非 N i N_i N i 本身——只有"cl ( N i ) \operatorname{cl}(N_i) cl ( N i ) 的补"才保证是开 集(闭集之补),才能套用 (4)。直接取 c ( N i ) c(N_i) c ( N i ) 不一定开。代价是集合只缩小到子集 ⋂ i U i ⊆ R \bigcap_i U_i\subseteq R ⋂ i U i ⊆ R ,但靠引理 0.4(母集稠密)正好补回来。
3. (1) ⇒ \Rightarrow ⇒ (2)
反证。设存在非空开集 U U U 是贫集 :U = ⋃ i N i U=\bigcup_i N_i U = ⋃ i N i (N i N_i N i 无处稠密)。
考虑 c ( U ) c(U) c ( U ) 。它的补是 c ( c ( U ) ) = U c(c(U))=U c ( c ( U )) = U ,而 U U U 贫,故按剩余集定义 c ( U ) c(U) c ( U ) 是剩余集 。由 (1),c ( U ) c(U) c ( U ) 稠密。
由引理 0.2(取 S = c ( U ) S=c(U) S = c ( U ) ,则 c ( S ) = U c(S)=U c ( S ) = U ):
c ( U ) 稠密 ⟺ int ( U ) = ∅ .
c(U)\ \text{稠密}\iff \operatorname{int}(U)=\varnothing.
c ( U ) 稠密 ⟺ int ( U ) = ∅ .
故 int ( U ) = ∅ \operatorname{int}(U)=\varnothing int ( U ) = ∅ 。但 U U U 是非空开集,故 int ( U ) = U ≠ ∅ \operatorname{int}(U)=U\neq\varnothing int ( U ) = U = ∅ 。矛盾。
因此非空开集不可能是贫集,即 (2) 成立。■ \quad\blacksquare ■
注:最易写错的一步。引理 0.2 说的是"S S S 稠密 ⟺ \iff ⟺ S S S 自身的补 无内点"。这里 S = c ( U ) S=c(U) S = c ( U ) ,其补是 U U U ,故结论是 int ( U ) = ∅ \operatorname{int}(U)=\varnothing int ( U ) = ∅ (不是 int ( c ( U ) ) = ∅ \operatorname{int}(c(U))=\varnothing int ( c ( U )) = ∅ )。别把"c ( U ) c(U) c ( U ) 稠密"误推成"U U U 稠密"。
4. (2) ⇒ \Rightarrow ⇒ (3)
反证。设有一列闭集 A i A_i A i ,int ( A i ) = ∅ \operatorname{int}(A_i)=\varnothing int ( A i ) = ∅ ,但反设 int ( ⋃ i A i ) ≠ ∅ \operatorname{int}(\bigcup_i A_i)\neq\varnothing int ( ⋃ i A i ) = ∅ 。
显式取 U : = int ( ⋃ i A i ) U:=\operatorname{int}\bigl(\bigcup_i A_i\bigr) U := int ( ⋃ i A i ) 。由反设 U ≠ ∅ U\neq\varnothing U = ∅ ;且 U U U 作为内部本身是开集;又内部含于原集,故 U ⊆ ⋃ i A i U\subseteq\bigcup_i A_i U ⊆ ⋃ i A i 。于是
U = U ∩ ( ⋃ i A i ) = ⋃ i ( A i ∩ U ) .
U=U\cap\Bigl(\bigcup_i A_i\Bigr)=\bigcup_i (A_i\cap U).
U = U ∩ ( i ⋃ A i ) = i ⋃ ( A i ∩ U ) .
(末步用分配律 U ∩ ⋃ i A i = ⋃ i ( U ∩ A i ) U\cap\bigcup_i A_i=\bigcup_i(U\cap A_i) U ∩ ⋃ i A i = ⋃ i ( U ∩ A i ) 。)
断言每个 A i ∩ U A_i\cap U A i ∩ U 无处稠密。因 A i ∩ U ⊆ A i A_i\cap U\subseteq A_i A i ∩ U ⊆ A i ,闭包单调给 cl ( A i ∩ U ) ⊆ cl ( A i ) = A i \operatorname{cl}(A_i\cap U)\subseteq\operatorname{cl}(A_i)=A_i cl ( A i ∩ U ) ⊆ cl ( A i ) = A i (A i A_i A i 闭),从而内部也单调:
int ( cl ( A i ∩ U ) ) ⊆ int ( A i ) = ∅ .
\operatorname{int}\bigl(\operatorname{cl}(A_i\cap U)\bigr)\subseteq\operatorname{int}(A_i)=\varnothing.
int ( cl ( A i ∩ U ) ) ⊆ int ( A i ) = ∅ .
故 int ( cl ( A i ∩ U ) ) = ∅ \operatorname{int}(\operatorname{cl}(A_i\cap U))=\varnothing int ( cl ( A i ∩ U )) = ∅ ,即 A i ∩ U A_i\cap U A i ∩ U 无处稠密。
于是 U = ⋃ i ( A i ∩ U ) U=\bigcup_i(A_i\cap U) U = ⋃ i ( A i ∩ U ) 是可数个无处稠密集之并,即 U U U 是贫集 。但 U U U 非空开,由 (2) 应非贫,矛盾。
故 int ( ⋃ i A i ) = ∅ \operatorname{int}(\bigcup_i A_i)=\varnothing int ( ⋃ i A i ) = ∅ ,即 (3) 成立。■ \quad\blacksquare ■
注:这里的"无处稠密"是绝对概念 ——内部、闭包都取在整个 X X X 中,不是相对子空间 U U U 的拓扑。验证只需 cl ( A i ∩ U ) ⊆ A i \operatorname{cl}(A_i\cap U)\subseteq A_i cl ( A i ∩ U ) ⊆ A i 这一条包含关系,避免了相对拓扑的纠缠。
5. 闭环与结论
我们已证
( 2 ) ⇒ ( 3 ) , ( 3 ) ⇔ ( 4 ) , ( 4 ) ⇒ ( 1 ) , ( 1 ) ⇒ ( 2 ) .
(2)\Rightarrow(3),\qquad (3)\Leftrightarrow(4),\qquad (4)\Rightarrow(1),\qquad (1)\Rightarrow(2).
( 2 ) ⇒ ( 3 ) , ( 3 ) ⇔ ( 4 ) , ( 4 ) ⇒ ( 1 ) , ( 1 ) ⇒ ( 2 ) .
把它们串起来:
( 1 ) ⇒ ( 2 ) ⇒ ( 3 ) ⇒ ( 4 ) ⇒ ( 1 ) ,
(1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(4)\Rightarrow(1),
( 1 ) ⇒ ( 2 ) ⇒ ( 3 ) ⇒ ( 4 ) ⇒ ( 1 ) ,
且 ( 3 ) ⇔ ( 4 ) (3)\Leftrightarrow(4) ( 3 ) ⇔ ( 4 ) 双向均已证。沿此有向闭环,任意两条之间都有路径互达,故四条命题 (1)(2)(3)(4) 两两等价 。■ \qquad\blacksquare ■
备注:与 Baire 纲定理的关系
上面证的是逻辑等价 ,自始至终未用完备性。真正"白送"这些条件成立的是下述断言性 定理:
Baire 纲定理. 设 ( X , d ) (X,d) ( X , d ) 是完备 度量空间(即每个 Cauchy 列在 X X X 中收敛)。则对任意一列稠密开集 U i U_i U i ,交 ⋂ i U i \bigcap_i U_i ⋂ i U i 稠密。
前提核验. Baire 纲定理的唯一前提是"( X , d ) (X,d) ( X , d ) 完备 "。本题的 ( X , d ) (X,d) ( X , d ) 不假设 完备,故在 Q5 的论证中Baire 纲定理既不可用、也无需用。注意Baire 纲定理的结论恰好是本题的条件 (4)。
因此:当 X X X 完备时,由Baire 纲定理得 (4) 成立,再由本题的等价链 (4)⇒ \Rightarrow ⇒ (1)(2)(3),四条全部成立,X X X 是 Baire 空间。 特别地,在 (2) 中取 U = X U=X U = X (X ≠ ∅ X\neq\varnothing X = ∅ 时它是非空开集)即得:
推论. 任何 Banach 空间(完备赋范空间)在其自身中非贫 ——它不能写成可数个无处稠密集之并。
这正是开映射定理、闭图像定理、一致有界原理等证明里反复使用的关键事实。而 Q5 本身只刻画了"成为 Baire 空间"这件事的四种等价表述,与完备性无关;Baire 纲定理才是给出"何时这些性质成立"的充分条件。
泛函分析卷 · Q6(双线性映射:有界 ⟺ 连续 ⟺ 分别连续)
题目
问题 6(20 分). 设 X X X 为 Banach 空间,Y , Z Y,Z Y , Z 为 K = R \mathbb K=\mathbb R K = R 或 C \mathbb C C 上的赋范向量空间,B : X × Y → Z B:X\times Y\to Z B : X × Y → Z 为双线性映射 。证明下列各条等价:
B B B 有界 ,即存在常数 M > 0 M>0 M > 0 使 ∥ B ( x , y ) ∥ Z ≤ M ∥ x ∥ X ∥ y ∥ Y \|B(x,y)\|_Z\le M\|x\|_X\|y\|_Y ∥ B ( x , y ) ∥ Z ≤ M ∥ x ∥ X ∥ y ∥ Y 对一切 x ∈ X , y ∈ Y x\in X,y\in Y x ∈ X , y ∈ Y 成立;
B B B 连续 ;
B B B 对每个变量分别连续 :对每个 x ∈ X x\in X x ∈ X ,y ↦ B ( x , y ) y\mapsto B(x,y) y ↦ B ( x , y ) 连续;对每个 y ∈ Y y\in Y y ∈ Y ,x ↦ B ( x , y ) x\mapsto B(x,y) x ↦ B ( x , y ) 连续。
解答
0. 名词约定与待证命题
设 X X X 是 Banach 空间 (完备的赋范空间,即每个 Cauchy 列都收敛),Y , Z Y,Z Y , Z 是赋范空间,数域 K = R K=\mathbb{R} K = R 或 C \mathbb{C} C 。
注(范数记号):本文统一把三个空间的范数都记作 ∥ ⋅ ∥ \|\cdot\| ∥ ⋅ ∥ ,由参数所在的空间区分。
双线性映射 B : X × Y → Z B:X\times Y\to Z B : X × Y → Z :对每个变量分别线性,即
B ( α x 1 + β x 2 , y ) = α B ( x 1 , y ) + β B ( x 2 , y ) , B ( x , α y 1 + β y 2 ) = α B ( x , y 1 ) + β B ( x , y 2 ) ,
B(\alpha x_1+\beta x_2,\,y)=\alpha B(x_1,y)+\beta B(x_2,y),\qquad
B(x,\,\alpha y_1+\beta y_2)=\alpha B(x,y_1)+\beta B(x,y_2),
B ( α x 1 + β x 2 , y ) = α B ( x 1 , y ) + βB ( x 2 , y ) , B ( x , α y 1 + β y 2 ) = α B ( x , y 1 ) + βB ( x , y 2 ) ,
对一切 x , x i ∈ X x,x_i\in X x , x i ∈ X 、y , y i ∈ Y y,y_i\in Y y , y i ∈ Y 、α , β ∈ K \alpha,\beta\in K α , β ∈ K 成立。
注(齐次性与零值):由分别线性立得 B ( λ x , y ) = λ B ( x , y ) = B ( x , λ y ) B(\lambda x,y)=\lambda B(x,y)=B(x,\lambda y) B ( λ x , y ) = λ B ( x , y ) = B ( x , λ y ) ,以及 B ( 0 , y ) = 0 B(0,y)=0 B ( 0 , y ) = 0 、B ( x , 0 ) = 0 B(x,0)=0 B ( x , 0 ) = 0 (取某变量为 λ = 0 \lambda=0 λ = 0 )。这些后面反复使用。
乘积空间上的拓扑. 在 X × Y X\times Y X × Y 上取乘积范数 ∥ ( x , y ) ∥ : = ∥ x ∥ + ∥ y ∥ \|(x,y)\|:=\|x\|+\|y\| ∥ ( x , y ) ∥ := ∥ x ∥ + ∥ y ∥ 。我们指出它与 max ( ∥ x ∥ , ∥ y ∥ ) \max(\|x\|,\|y\|) max ( ∥ x ∥ , ∥ y ∥ ) 等价,从而后续的"联合连续"论证不依赖具体范数选取:对一切 ( x , y ) (x,y) ( x , y ) ,
max ( ∥ x ∥ , ∥ y ∥ ) ≤ ∥ x ∥ + ∥ y ∥ ≤ 2 max ( ∥ x ∥ , ∥ y ∥ ) .
\max(\|x\|,\|y\|)\;\le\;\|x\|+\|y\|\;\le\;2\max(\|x\|,\|y\|).
max ( ∥ x ∥ , ∥ y ∥ ) ≤ ∥ x ∥ + ∥ y ∥ ≤ 2 max ( ∥ x ∥ , ∥ y ∥ ) .
(左边因 ∥ x ∥ , ∥ y ∥ ≤ ∥ x ∥ + ∥ y ∥ \|x\|,\|y\|\le\|x\|+\|y\| ∥ x ∥ , ∥ y ∥ ≤ ∥ x ∥ + ∥ y ∥ ;右边因 ∥ x ∥ , ∥ y ∥ ≤ max \|x\|,\|y\|\le\max ∥ x ∥ , ∥ y ∥ ≤ max ,相加得 ∥ x ∥ + ∥ y ∥ ≤ 2 max \|x\|+\|y\|\le2\max ∥ x ∥ + ∥ y ∥ ≤ 2 max 。)两范数互相被对方常数倍控制,故等价、诱导同一拓扑。由此推出本文唯一会用到的收敛刻画:
( x n , y n ) → ( x 0 , y 0 ) (乘积拓扑) ⟺ ∥ x n − x 0 ∥ + ∥ y n − y 0 ∥ → 0 ⟺ x n → x 0 且 y n → y 0 .
(x_n,y_n)\to(x_0,y_0)\ \text{(乘积拓扑)}\iff \|x_n-x_0\|+\|y_n-y_0\|\to0\iff x_n\to x_0\ \text{且}\ y_n\to y_0.
( x n , y n ) → ( x 0 , y 0 ) (乘积拓扑) ⟺ ∥ x n − x 0 ∥ + ∥ y n − y 0 ∥ → 0 ⟺ x n → x 0 且 y n → y 0 .
注(为何只谈收敛列):赋范空间是度量空间(度量 d ( u , v ) = ∥ u − v ∥ d(u,v)=\|u-v\| d ( u , v ) = ∥ u − v ∥ ),X × Y X\times Y X × Y 亦然。在度量空间中,映射连续 ⟺ \iff ⟺ 序列连续 (即把收敛列送到收敛列)。因此下文对连续性的判定一律用收敛列刻画。
三个待证等价的命题:
(1) 有界 :存在常数 M ≥ 0 M\ge 0 M ≥ 0 ,使 ∥ B ( x , y ) ∥ ≤ M ∥ x ∥ ∥ y ∥ \|B(x,y)\|\le M\,\|x\|\,\|y\| ∥ B ( x , y ) ∥ ≤ M ∥ x ∥ ∥ y ∥ 对一切 ( x , y ) ∈ X × Y (x,y)\in X\times Y ( x , y ) ∈ X × Y 成立。
(2) 连续 :B : X × Y → Z B:X\times Y\to Z B : X × Y → Z 处处连续(联合连续 :当 ( x , y ) → ( x 0 , y 0 ) (x,y)\to(x_0,y_0) ( x , y ) → ( x 0 , y 0 ) 时 B ( x , y ) → B ( x 0 , y 0 ) B(x,y)\to B(x_0,y_0) B ( x , y ) → B ( x 0 , y 0 ) ,两变量同时变动)。
(3) 分别连续 :对每个固定的 x ∈ X x\in X x ∈ X ,映射 y ↦ B ( x , y ) y\mapsto B(x,y) y ↦ B ( x , y ) (Y → Z Y\to Z Y → Z )连续;且对每个固定的 y ∈ Y y\in Y y ∈ Y ,映射 x ↦ B ( x , y ) x\mapsto B(x,y) x ↦ B ( x , y ) (X → Z X\to Z X → Z )连续。
证明路线:( 1 ) ⇒ ( 2 ) ⇒ ( 3 ) ⇒ ( 1 ) (1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(1) ( 1 ) ⇒ ( 2 ) ⇒ ( 3 ) ⇒ ( 1 ) 。其中 ( 3 ) ⇒ ( 1 ) (3)\Rightarrow(1) ( 3 ) ⇒ ( 1 ) 是核心,正是 X X X 完备发挥作用之处。
1. ( 1 ) ⇒ ( 2 ) (1)\Rightarrow(2) ( 1 ) ⇒ ( 2 ) (有界 ⟹ 联合连续)
设有界,∥ B ( x , y ) ∥ ≤ M ∥ x ∥ ∥ y ∥ \|B(x,y)\|\le M\|x\|\|y\| ∥ B ( x , y ) ∥ ≤ M ∥ x ∥∥ y ∥ 。固定 ( x 0 , y 0 ) (x_0,y_0) ( x 0 , y 0 ) ,对任意 ( x , y ) (x,y) ( x , y ) 作代数分裂(从头验证):在第一个变量上用线性 B ( x , y ) = B ( x 0 , y ) + B ( x − x 0 , y ) B(x,y)=B(x_0,y)+B(x-x_0,y) B ( x , y ) = B ( x 0 , y ) + B ( x − x 0 , y ) ,再对第二个变量在固定 x 0 x_0 x 0 时用线性 B ( x 0 , y ) − B ( x 0 , y 0 ) = B ( x 0 , y − y 0 ) B(x_0,y)-B(x_0,y_0)=B(x_0,y-y_0) B ( x 0 , y ) − B ( x 0 , y 0 ) = B ( x 0 , y − y 0 ) ,得
B ( x , y ) − B ( x 0 , y 0 ) = B ( x − x 0 , y ) + B ( x 0 , y − y 0 ) .
B(x,y)-B(x_0,y_0)=B(x-x_0,\,y)+B(x_0,\,y-y_0).
B ( x , y ) − B ( x 0 , y 0 ) = B ( x − x 0 , y ) + B ( x 0 , y − y 0 ) .
取范数并用三角不等式与有界性:
∥ B ( x , y ) − B ( x 0 , y 0 ) ∥ ≤ ∥ B ( x − x 0 , y ) ∥ + ∥ B ( x 0 , y − y 0 ) ∥ ≤ M ∥ x − x 0 ∥ ∥ y ∥ + M ∥ x 0 ∥ ∥ y − y 0 ∥ .
\|B(x,y)-B(x_0,y_0)\|\le \|B(x-x_0,y)\|+\|B(x_0,y-y_0)\|
\le M\|x-x_0\|\,\|y\|+M\|x_0\|\,\|y-y_0\|.
∥ B ( x , y ) − B ( x 0 , y 0 ) ∥ ≤ ∥ B ( x − x 0 , y ) ∥ + ∥ B ( x 0 , y − y 0 ) ∥ ≤ M ∥ x − x 0 ∥ ∥ y ∥ + M ∥ x 0 ∥ ∥ y − y 0 ∥.
现令 ( x , y ) → ( x 0 , y 0 ) (x,y)\to(x_0,y_0) ( x , y ) → ( x 0 , y 0 ) ,即 ∥ x − x 0 ∥ → 0 \|x-x_0\|\to0 ∥ x − x 0 ∥ → 0 且 ∥ y − y 0 ∥ → 0 \|y-y_0\|\to0 ∥ y − y 0 ∥ → 0 。
第二项 :M ∥ x 0 ∥ M\|x_0\| M ∥ x 0 ∥ 为固定常数,∥ y − y 0 ∥ → 0 \|y-y_0\|\to0 ∥ y − y 0 ∥ → 0 ,故 → 0 \to0 → 0 。
第一项 :式中出现的是 ∥ y ∥ \|y\| ∥ y ∥ 而非 ∥ y − y 0 ∥ \|y-y_0\| ∥ y − y 0 ∥ ,不能直接说趋于 0 0 0 ,须先控制 ∥ y ∥ \|y\| ∥ y ∥ 。因 y → y 0 y\to y_0 y → y 0 ,故 ∥ y ∥ \|y\| ∥ y ∥ 有界:当 ∥ y − y 0 ∥ ≤ 1 \|y-y_0\|\le1 ∥ y − y 0 ∥ ≤ 1 时 ∥ y ∥ ≤ ∥ y − y 0 ∥ + ∥ y 0 ∥ ≤ 1 + ∥ y 0 ∥ \|y\|\le\|y-y_0\|+\|y_0\|\le1+\|y_0\| ∥ y ∥ ≤ ∥ y − y 0 ∥ + ∥ y 0 ∥ ≤ 1 + ∥ y 0 ∥ ,记此界为 C : = 1 + ∥ y 0 ∥ C:=1+\|y_0\| C := 1 + ∥ y 0 ∥ ;于是在 ( x 0 , y 0 ) (x_0,y_0) ( x 0 , y 0 ) 的该邻域内第一项 ≤ M C ∥ x − x 0 ∥ → 0 \le MC\|x-x_0\|\to0 ≤ MC ∥ x − x 0 ∥ → 0 。
两项皆趋于 0 0 0 ,故 ∥ B ( x , y ) − B ( x 0 , y 0 ) ∥ → 0 \|B(x,y)-B(x_0,y_0)\|\to0 ∥ B ( x , y ) − B ( x 0 , y 0 ) ∥ → 0 。因 ( x 0 , y 0 ) (x_0,y_0) ( x 0 , y 0 ) 任意,B B B 联合连续。■ \qquad\blacksquare ■
注:必须强调这是联合连续 ——估计式中 x , y x,y x , y 同时变动,并未冻结某一变量。
2. ( 2 ) ⇒ ( 3 ) (2)\Rightarrow(3) ( 2 ) ⇒ ( 3 ) (联合连续 ⟹ 分别连续)
固定 x 0 ∈ X x_0\in X x 0 ∈ X ,考察 f : Y → Z , f ( y ) = B ( x 0 , y ) f:Y\to Z,\ f(y)=B(x_0,y) f : Y → Z , f ( y ) = B ( x 0 , y ) ,它是复合
Y → ι X × Y → B Z , ι ( y ) = ( x 0 , y ) , f = B ∘ ι .
Y\;\xrightarrow{\ \iota\ }\;X\times Y\;\xrightarrow{\ B\ }\;Z,\qquad \iota(y)=(x_0,y),\qquad f=B\circ\iota.
Y ι X × Y B Z , ι ( y ) = ( x 0 , y ) , f = B ∘ ι .
ι \iota ι 连续 (用序列刻画):若 y n → y 0 y_n\to y_0 y n → y 0 ,则第一坐标恒为 x 0 x_0 x 0 、第二坐标 y n → y 0 y_n\to y_0 y n → y 0 ,由 §0 的收敛刻画得 ( x 0 , y n ) → ( x 0 , y 0 ) (x_0,y_n)\to(x_0,y_0) ( x 0 , y n ) → ( x 0 , y 0 ) ,即 ι \iota ι 把收敛列送到收敛列,故连续。
复合连续 (从头说清,序列版):设 y n → y 0 y_n\to y_0 y n → y 0 。ι \iota ι 连续给出 ι ( y n ) → ι ( y 0 ) \iota(y_n)\to\iota(y_0) ι ( y n ) → ι ( y 0 ) ;B B B 连续((2))再给出 B ( ι ( y n ) ) → B ( ι ( y 0 ) ) B(\iota(y_n))\to B(\iota(y_0)) B ( ι ( y n )) → B ( ι ( y 0 )) ,即 f ( y n ) → f ( y 0 ) f(y_n)\to f(y_0) f ( y n ) → f ( y 0 ) 。故 f f f 把收敛列送到收敛列,在度量空间中即连续。
对第二变量固定同理:g ( x ) = B ( x , y 0 ) = B ∘ κ g(x)=B(x,y_0)=B\circ\kappa g ( x ) = B ( x , y 0 ) = B ∘ κ ,κ ( x ) = ( x , y 0 ) \kappa(x)=(x,y_0) κ ( x ) = ( x , y 0 ) 连续,故 g g g 连续。两侧皆得,(3) 成立。■ \qquad\blacksquare ■
注:本步纯属"把一个变量当常数、复合连续映射仍连续",与完备性无关;困难全在反方向 ( 3 ) ⇒ ( 1 ) (3)\Rightarrow(1) ( 3 ) ⇒ ( 1 ) 。
3. ( 3 ) ⇒ ( 1 ) (3)\Rightarrow(1) ( 3 ) ⇒ ( 1 ) (分别连续 ⟹ 有界)—— 核心,用一致有界原理
3.0 先回顾两条会反复用到的引理(从头证)
引理 A(线性映射:连续 ⟺ 有界). 设 V , W V,W V , W 赋范空间,T : V → W T:V\to W T : V → W 线性。则 T T T 连续当且仅当
∥ T ∥ : = sup ∥ v ∥ ≤ 1 ∥ T v ∥ < ∞ ( 称为 T 的算子范数 ) ,
\|T\|:=\sup_{\|v\|\le1}\|Tv\|<\infty\qquad(\text{称为 }T\text{ 的算子范数}),
∥ T ∥ := ∥ v ∥ ≤ 1 sup ∥ T v ∥ < ∞ ( 称为 T 的算子范数 ) ,
并且此时 ∥ T v ∥ ≤ ∥ T ∥ ∥ v ∥ \|Tv\|\le\|T\|\,\|v\| ∥ T v ∥ ≤ ∥ T ∥ ∥ v ∥ 对一切 v ∈ V v\in V v ∈ V 成立,且 ∥ T ∥ \|T\| ∥ T ∥ 是满足 ∥ T v ∥ ≤ c ∥ v ∥ \|Tv\|\le c\|v\| ∥ T v ∥ ≤ c ∥ v ∥ (∀ v \forall v ∀ v )的最小 常数 c c c 。
证. (⇐ \Leftarrow ⇐ ) 设 ∥ T ∥ < ∞ \|T\|<\infty ∥ T ∥ < ∞ 。关键不等式 ∥ T v ∥ ≤ ∥ T ∥ ∥ v ∥ \|Tv\|\le\|T\|\|v\| ∥ T v ∥ ≤ ∥ T ∥∥ v ∥ :对 v ≠ 0 v\ne0 v = 0 ,v / ∥ v ∥ v/\|v\| v /∥ v ∥ 是单位向量,由线性齐次性
∥ T v ∥ = ∥ ∥ v ∥ T ( v / ∥ v ∥ ) ∥ = ∥ v ∥ ∥ T ( v / ∥ v ∥ ) ∥ ≤ ∥ v ∥ ⋅ sup ∥ u ∥ ≤ 1 ∥ T u ∥ = ∥ T ∥ ∥ v ∥ ;
\|Tv\|=\Big\|\,\|v\|\,T(v/\|v\|)\Big\|=\|v\|\,\big\|T(v/\|v\|)\big\|\le\|v\|\cdot\sup_{\|u\|\le1}\|Tu\|=\|T\|\,\|v\|;
∥ T v ∥ = ∥ v ∥ T ( v /∥ v ∥ ) = ∥ v ∥ T ( v /∥ v ∥ ) ≤ ∥ v ∥ ⋅ ∥ u ∥ ≤ 1 sup ∥ T u ∥ = ∥ T ∥ ∥ v ∥ ;
v = 0 v=0 v = 0 时 ∥ T 0 ∥ = 0 = ∥ T ∥ ⋅ 0 \|T0\|=0=\|T\|\cdot0 ∥ T 0∥ = 0 = ∥ T ∥ ⋅ 0 平凡成立。故 ∥ T v ∥ ≤ ∥ T ∥ ∥ v ∥ \|Tv\|\le\|T\|\|v\| ∥ T v ∥ ≤ ∥ T ∥∥ v ∥ 对一切 v v v 成立。由此 ∥ T v − T v 0 ∥ = ∥ T ( v − v 0 ) ∥ ≤ ∥ T ∥ ∥ v − v 0 ∥ \|Tv-Tv_0\|=\|T(v-v_0)\|\le\|T\|\|v-v_0\| ∥ T v − T v 0 ∥ = ∥ T ( v − v 0 ) ∥ ≤ ∥ T ∥∥ v − v 0 ∥ ,即 T T T Lipschitz,连续。又若某 c c c 满足 ∥ T v ∥ ≤ c ∥ v ∥ \|Tv\|\le c\|v\| ∥ T v ∥ ≤ c ∥ v ∥ (∀ v \forall v ∀ v ),则对 ∥ v ∥ ≤ 1 \|v\|\le1 ∥ v ∥ ≤ 1 有 ∥ T v ∥ ≤ c \|Tv\|\le c ∥ T v ∥ ≤ c ,取上确界得 ∥ T ∥ ≤ c \|T\|\le c ∥ T ∥ ≤ c ,故 ∥ T ∥ \|T\| ∥ T ∥ 是最小的此种 c c c 。
(⇒ \Rightarrow ⇒ ) 设 T T T 连续,特别在 0 0 0 处连续(T 0 = 0 T0=0 T 0 = 0 ):取 ε = 1 \varepsilon=1 ε = 1 ,存在 δ > 0 \delta>0 δ > 0 使 ∥ v ∥ ≤ δ ⇒ ∥ T v ∥ ≤ 1 \|v\|\le\delta\Rightarrow\|Tv\|\le1 ∥ v ∥ ≤ δ ⇒ ∥ T v ∥ ≤ 1 。对 ∥ v ∥ ≤ 1 \|v\|\le1 ∥ v ∥ ≤ 1 ,∥ δ v ∥ ≤ δ \|\delta v\|\le\delta ∥ δ v ∥ ≤ δ ,故 ∥ T ( δ v ) ∥ ≤ 1 \|T(\delta v)\|\le1 ∥ T ( δ v ) ∥ ≤ 1 ,由线性 ∥ T v ∥ ≤ 1 / δ \|Tv\|\le1/\delta ∥ T v ∥ ≤ 1/ δ ;取上确界得 ∥ T ∥ ≤ 1 / δ < ∞ \|T\|\le1/\delta<\infty ∥ T ∥ ≤ 1/ δ < ∞ 。□ \square □
注:本引理末尾的"∥ T v ∥ ≤ ∥ T ∥ ∥ v ∥ \|Tv\|\le\|T\|\|v\| ∥ T v ∥ ≤ ∥ T ∥∥ v ∥ 对一切 v v v "是 §3.3 不等式 ( 3.3 ) (3.3) ( 3.3 ) 的依据,故必须由齐次性显式推出,而非仅停在 ∥ T ∥ = sup \|T\|=\sup ∥ T ∥ = sup 的定义。
记 B ( V , W ) \mathcal{B}(V,W) B ( V , W ) 为 V → W V\to W V → W 的全体有界(=连续)线性算子,配以算子范数。
引理 B(一致有界原理 / Banach–Steinhaus,精确陈述). 设 V V V 是 Banach 空间 ,W W W 赋范空间,{ L α } α ∈ A ⊆ B ( V , W ) \{L_\alpha\}_{\alpha\in A}\subseteq\mathcal{B}(V,W) { L α } α ∈ A ⊆ B ( V , W ) 是一族有界线性算子。若该族逐点有界 ,即
∀ v ∈ V : sup α ∈ A ∥ L α v ∥ < ∞ ,
\forall v\in V:\quad \sup_{\alpha\in A}\|L_\alpha v\|<\infty,
∀ v ∈ V : α ∈ A sup ∥ L α v ∥ < ∞ ,
则该族一致(范数)有界 :
sup α ∈ A ∥ L α ∥ < ∞ .
\sup_{\alpha\in A}\|L_\alpha\|<\infty.
α ∈ A sup ∥ L α ∥ < ∞.
本课程核心定理,可直接引用。其证明用 Baire 纲定理,前提是定义域 V V V 完备 ;目标空间 W W W 无须完备。下面应用时将明写"取 V = X V=X V = X 、W = Z W=Z W = Z ",请勿把这里中性的 V , W V,W V , W 与题目的 X , Z X,Z X , Z 混淆——记号特意分开,正是为了区分"一般定理"与"本题实例"。
3.1 由分别连续造出两族有界算子
(i) 固定 x x x 的算子 T x T_x T x . 对每个固定 x ∈ X x\in X x ∈ X ,定义
T x : Y → Z , T x ( y ) = B ( x , y ) .
T_x:Y\to Z,\qquad T_x(y)=B(x,y).
T x : Y → Z , T x ( y ) = B ( x , y ) .
由 B B B 对第二变量线性知 T x T_x T x 线性;由 (3) 的"对固定 x x x ,y ↦ B ( x , y ) y\mapsto B(x,y) y ↦ B ( x , y ) 连续"知 T x T_x T x 连续。由引理 A,T x ∈ B ( Y , Z ) T_x\in\mathcal{B}(Y,Z) T x ∈ B ( Y , Z ) ,且
∥ T x ∥ = sup ∥ y ∥ ≤ 1 ∥ B ( x , y ) ∥ < ∞ . (3.1)
\|T_x\|=\sup_{\|y\|\le1}\|B(x,y)\|<\infty.\tag{3.1}
∥ T x ∥ = ∥ y ∥ ≤ 1 sup ∥ B ( x , y ) ∥ < ∞. ( 3.1 )
(ii) 固定 y y y 的算子 S y S_y S y . 对每个固定 y ∈ Y y\in Y y ∈ Y ,定义
S y : X → Z , S y ( x ) = B ( x , y ) .
S_y:X\to Z,\qquad S_y(x)=B(x,y).
S y : X → Z , S y ( x ) = B ( x , y ) .
由 B B B 对第一变量线性知 S y S_y S y 线性;由 (3) 的"对固定 y y y ,x ↦ B ( x , y ) x\mapsto B(x,y) x ↦ B ( x , y ) 连续"知 S y S_y S y 连续。由引理 A,S y ∈ B ( X , Z ) S_y\in\mathcal{B}(X,Z) S y ∈ B ( X , Z ) ,且(用引理 A 的关键不等式)
∥ S y x ∥ = ∥ B ( x , y ) ∥ ≤ ∥ S y ∥ ∥ x ∥ . (3.2)
\|S_y x\|=\|B(x,y)\|\le\|S_y\|\,\|x\|.\tag{3.2}
∥ S y x ∥ = ∥ B ( x , y ) ∥ ≤ ∥ S y ∥ ∥ x ∥. ( 3.2 )
两族出自同一个 B B B ,满足 ∥ S y x ∥ = ∥ B ( x , y ) ∥ = ∥ T x ( y ) ∥ \|S_y x\|=\|B(x,y)\|=\|T_x(y)\| ∥ S y x ∥ = ∥ B ( x , y ) ∥ = ∥ T x ( y ) ∥ 。
注(两族取向不同):T x T_x T x 的定义域是 Y Y Y ,S y S_y S y 的定义域是 X X X 。下面把一致有界原理用在以 X X X 为定义域的 S y S_y S y 族上,这样才用得上"X X X 完备"。
3.2 对算子族 { S y : ∥ y ∥ ≤ 1 } \{S_y:\|y\|\le1\} { S y : ∥ y ∥ ≤ 1 } 验证一致有界原理前提
考察算子族
F = { S y : y ∈ Y , ∥ y ∥ ≤ 1 } ⊆ B ( X , Z ) ,
\mathcal{F}=\{\,S_y:\ y\in Y,\ \|y\|\le1\,\}\subseteq\mathcal{B}(X,Z),
F = { S y : y ∈ Y , ∥ y ∥ ≤ 1 } ⊆ B ( X , Z ) ,
即在引理 B 中取 V = X V=X V = X 、W = Z W=Z W = Z 、指标集 A = { y ∈ Y : ∥ y ∥ ≤ 1 } A=\{y\in Y:\|y\|\le1\} A = { y ∈ Y : ∥ y ∥ ≤ 1 } 、L y = S y L_y=S_y L y = S y 。逐条核验前提:
定义域完备 (引理 B 要求 V V V Banach):此处 V = X V=X V = X ,而 X X X 是 Banach(题设)。这是"X X X 完备"唯一被实质使用之处。✔
每个成员有界 (L α ∈ B ( V , W ) L_\alpha\in\mathcal{B}(V,W) L α ∈ B ( V , W ) ):由 (ii),每个 S y ∈ B ( X , Z ) S_y\in\mathcal{B}(X,Z) S y ∈ B ( X , Z ) 。✔
逐点有界 :固定任意 x ∈ X x\in X x ∈ X ,
sup ∥ y ∥ ≤ 1 ∥ S y x ∥ = sup ∥ y ∥ ≤ 1 ∥ B ( x , y ) ∥ = sup ∥ y ∥ ≤ 1 ∥ T x ( y ) ∥ = ∥ T x ∥ < ∞ ,
\sup_{\|y\|\le1}\|S_y x\|
=\sup_{\|y\|\le1}\|B(x,y)\|
=\sup_{\|y\|\le1}\|T_x(y)\|
=\|T_x\|<\infty,
∥ y ∥ ≤ 1 sup ∥ S y x ∥ = ∥ y ∥ ≤ 1 sup ∥ B ( x , y ) ∥ = ∥ y ∥ ≤ 1 sup ∥ T x ( y ) ∥ = ∥ T x ∥ < ∞ ,
最后一步用 ( 3.1 ) (3.1) ( 3.1 ) (T x T_x T x 是有界算子,其单位球上的上确界正是算子范数,有限)。x x x 任意,故逐点有界成立。✔
三条前提齐备。
3.3 应用一致有界原理得统一常数
由引理 B(一致有界原理,已核验前提,取 V = X V=X V = X 、W = Z W=Z W = Z ):
M : = sup ∥ y ∥ ≤ 1 ∥ S y ∥ < ∞ .
M:=\sup_{\|y\|\le1}\|S_y\|<\infty.
M := ∥ y ∥ ≤ 1 sup ∥ S y ∥ < ∞.
于是对一切 x ∈ X x\in X x ∈ X 与一切 ∥ y ∥ ≤ 1 \|y\|\le1 ∥ y ∥ ≤ 1 ,由 ( 3.2 ) (3.2) ( 3.2 ) :
∥ B ( x , y ) ∥ = ∥ S y x ∥ ≤ ∥ S y ∥ ∥ x ∥ ≤ M ∥ x ∥ . (3.3)
\|B(x,y)\|=\|S_y x\|\le\|S_y\|\,\|x\|\le M\,\|x\|.\tag{3.3}
∥ B ( x , y ) ∥ = ∥ S y x ∥ ≤ ∥ S y ∥ ∥ x ∥ ≤ M ∥ x ∥. ( 3.3 )
3.4 用双线性齐次性推广到一般 y y y
设 y ≠ 0 y\ne0 y = 0 ,令 y ^ = y / ∥ y ∥ \hat y=y/\|y\| y ^ = y /∥ y ∥ ,则 ∥ y ^ ∥ = 1 \|\hat y\|=1 ∥ y ^ ∥ = 1 。由对第二变量的齐次性 B ( x , y ) = B ( x , ∥ y ∥ y ^ ) = ∥ y ∥ B ( x , y ^ ) B(x,y)=B(x,\|y\|\hat y)=\|y\|\,B(x,\hat y) B ( x , y ) = B ( x , ∥ y ∥ y ^ ) = ∥ y ∥ B ( x , y ^ ) ,再用 ( 3.3 ) (3.3) ( 3.3 ) (因 ∥ y ^ ∥ ≤ 1 \|\hat y\|\le1 ∥ y ^ ∥ ≤ 1 ):
∥ B ( x , y ) ∥ = ∥ y ∥ ∥ B ( x , y ^ ) ∥ ≤ ∥ y ∥ ⋅ M ∥ x ∥ = M ∥ x ∥ ∥ y ∥ .
\|B(x,y)\|=\|y\|\,\|B(x,\hat y)\|\le\|y\|\cdot M\|x\|=M\,\|x\|\,\|y\|.
∥ B ( x , y ) ∥ = ∥ y ∥ ∥ B ( x , y ^ ) ∥ ≤ ∥ y ∥ ⋅ M ∥ x ∥ = M ∥ x ∥ ∥ y ∥.
而 y = 0 y=0 y = 0 时 B ( x , 0 ) = 0 B(x,0)=0 B ( x , 0 ) = 0 ,不等式 ∥ B ( x , 0 ) ∥ = 0 ≤ M ∥ x ∥ ⋅ 0 \|B(x,0)\|=0\le M\|x\|\cdot0 ∥ B ( x , 0 ) ∥ = 0 ≤ M ∥ x ∥ ⋅ 0 平凡成立。
综合:对一切 ( x , y ) ∈ X × Y (x,y)\in X\times Y ( x , y ) ∈ X × Y ,
∥ B ( x , y ) ∥ ≤ M ∥ x ∥ ∥ y ∥ ,
\boxed{\,\|B(x,y)\|\le M\,\|x\|\,\|y\|\,,}
∥ B ( x , y ) ∥ ≤ M ∥ x ∥ ∥ y ∥ ,
即 (1) 成立。■ \qquad\blacksquare ■
4. 结论
( 1 ) ⇒ ( 2 ) ⇒ ( 3 ) ⇒ ( 1 ) (1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(1) ( 1 ) ⇒ ( 2 ) ⇒ ( 3 ) ⇒ ( 1 ) 构成循环,三命题两两等价。■ \qquad\blacksquare ■
注(哪里、为什么用到完备性):仅 ( 3 ) ⇒ ( 1 ) (3)\Rightarrow(1) ( 3 ) ⇒ ( 1 ) 用到 X X X 完备——它是把一致有界原理用到 { S y } \{S_y\} { S y } (定义域为 X X X )的前提。若改用族 { T x : ∥ x ∥ ≤ 1 } ⊆ B ( Y , Z ) \{T_x:\|x\|\le1\}\subseteq\mathcal{B}(Y,Z) { T x : ∥ x ∥ ≤ 1 } ⊆ B ( Y , Z ) ,则需 Y Y Y 完备,但题目只保证 X X X 完备,故必须把"动的变量"放在 X X X 上;目标空间 Z Z Z 仅作一致有界原理的 W W W 出现,无完备性要求。Y , Z Y,Z Y , Z 均无须完备。
反例(验证 X X X 完备不可省,此处升格为正式论据). 取 X = Y = c 00 X=Y=c_{00} X = Y = c 00 (只有有限多项非零的数列,配 sup \sup sup 范数 ∥ x ∥ = sup n ∣ x n ∣ \|x\|=\sup_n|x_n| ∥ x ∥ = sup n ∣ x n ∣ ,不完备 ),Z = K Z=K Z = K ,并定义
B ( x , y ) = ∑ n ≥ 1 n x n y n .
B(x,y)=\sum_{n\ge1} n\,x_n y_n.
B ( x , y ) = n ≥ 1 ∑ n x n y n .
由于 x ∈ c 00 x\in c_{00} x ∈ c 00 只有有限多项非零,和式实为有限和,B B B 良定义且显然双线性。
分别连续 :固定 x ∈ c 00 x\in c_{00} x ∈ c 00 ,设其非零分量下标 ≤ N \le N ≤ N 。则 y ↦ B ( x , y ) = ∑ n ≤ N ( n x n ) y n y\mapsto B(x,y)=\sum_{n\le N} (n x_n)\,y_n y ↦ B ( x , y ) = ∑ n ≤ N ( n x n ) y n 是有限个连续线性泛函 y ↦ y n y\mapsto y_n y ↦ y n (满足 ∣ y n ∣ ≤ ∥ y ∥ |y_n|\le\|y\| ∣ y n ∣ ≤ ∥ y ∥ ,故连续)的有限线性组合,由引理 A 与"有界线性算子的有限和仍有界"知它连续。对固定 y y y 同理。故 (3) 成立。
不有界 :取 x = y = e n x=y=e_n x = y = e n (第 n n n 个标准单位向量,∥ e n ∥ = 1 \|e_n\|=1 ∥ e n ∥ = 1 ),则 B ( e n , e n ) = n B(e_n,e_n)=n B ( e n , e n ) = n ,于是 ∣ B ( e n , e n ) ∣ ∥ e n ∥ ∥ e n ∥ = n → ∞ \dfrac{|B(e_n,e_n)|}{\|e_n\|\,\|e_n\|}=n\to\infty ∥ e n ∥ ∥ e n ∥ ∣ B ( e n , e n ) ∣ = n → ∞ ,故不存在 M M M 使 ∣ B ( x , y ) ∣ ≤ M ∥ x ∥ ∥ y ∥ |B(x,y)|\le M\|x\|\|y\| ∣ B ( x , y ) ∣ ≤ M ∥ x ∥∥ y ∥ 。(1) 失败。
这表明:去掉"X X X 完备"后 ( 3 ) ⇒ ( 1 ) (3)\Rightarrow(1) ( 3 ) ⇒ ( 1 ) 可失效,一致有界原理的完备性前提确实不可省。■ \qquad\blacksquare ■
自查(关键引理/定理前提核验落点)
核心定理一致有界原理(引理 B)前提逐条落地 (§3.2):① 定义域完备——取 V = X V=X V = X ,由题设 X X X Banach,这是"X X X 完备"唯一被实质使用处;② 每个 S y S_y S y 有界——由 (3) 第二条 + 引理 A;③ 逐点有界——由 (3) 第一条得 T x T_x T x 有界,故 sup ∥ y ∥ ≤ 1 ∥ S y x ∥ = ∥ T x ∥ < ∞ \sup_{\|y\|\le1}\|S_yx\|=\|T_x\|<\infty sup ∥ y ∥ ≤ 1 ∥ S y x ∥ = ∥ T x ∥ < ∞ 。中性符号 V , W V,W V , W 与本题 X , Z X,Z X , Z 在应用处显式对接,无记号重载。
辅助引理均从头证 :引理 A 双向证明,含 load-bearing 的 ∥ T v ∥ ≤ ∥ T ∥ ∥ v ∥ \|Tv\|\le\|T\|\|v\| ∥ T v ∥ ≤ ∥ T ∥∥ v ∥ (由齐次性显式导出)及"∥ T ∥ \|T\| ∥ T ∥ 为最小常数";乘积范数等价性 max ≤ ∥ x ∥ + ∥ y ∥ ≤ 2 max \max\le\|x\|+\|y\|\le2\max max ≤ ∥ x ∥ + ∥ y ∥ ≤ 2 max 一行证(§0);收敛列有界(§1)显式给出;复合连续以等距嵌入 ι \iota ι + 序列刻画说清(§2,并点明赋范空间是度量空间、连续=序列连续);代数分裂恒等式由双线性逐步推出(§1)。
双线性齐次性/零值 B ( λ x , y ) = λ B ( x , y ) B(\lambda x,y)=\lambda B(x,y) B ( λ x , y ) = λ B ( x , y ) 、B ( x , 0 ) = 0 B(x,0)=0 B ( x , 0 ) = 0 在 §0 由定义导出,§3.4 使用。
完备性必要性自洽 :§4 反例(c 00 c_{00} c 00 不完备时结论失效,含"分别连续"逐步核验与 x = y = e n x=y=e_n x = y = e n 的显式发散)与"X X X Banach 不可省、Y , Z Y,Z Y , Z 不必完备"一致。
未使用未陈述的高阶结论 :除精确陈述并核验前提的一致有界原理外,全程只用赋范空间的三角不等式、齐次性、序列连续与 ε \varepsilon ε -论证。
泛函分析卷 · Q7(Douglas 分解定理)
题目
问题 7(20 分). (R. G. Douglas, Proc. Amer. Math. Soc. 17 (1966))设 X , Y , Z X,Y,Z X , Y , Z 为 Banach 空间,A : X → Y A:X\to Y A : X → Y 与 B : Z → Y B:Z\to Y B : Z → Y 为有界线性算子,且 A A A 单射 。证明下列各条等价:
ran ( B ) ⊂ ran ( A ) \operatorname{ran}(B)\subset\operatorname{ran}(A) ran ( B ) ⊂ ran ( A ) ;
存在有界线性算子 T : Z → X T:Z\to X T : Z → X 使 A T = B AT=B A T = B 。
解答
题设与术语
设 X , Y , Z X,Y,Z X , Y , Z 都是 Banach 空间 (即完备的赋范线性空间;"完备"指每个 Cauchy 列都在该空间内收敛)。设 A : X → Y A:X\to Y A : X → Y 、B : Z → Y B:Z\to Y B : Z → Y 都是有界线性算子 (线性,且存在常数 C C C 使 ∥ A v ∥ ≤ C ∥ v ∥ \|Av\|\le C\,\|v\| ∥ A v ∥ ≤ C ∥ v ∥ 对一切 v v v 成立;对线性映射而言"有界" ⟺ \iff ⟺ "连续")。又设 A A A 单射 (A x = A x ′ ⇒ x = x ′ Ax=Ax'\Rightarrow x=x' A x = A x ′ ⇒ x = x ′ ,等价地 ker A = { 0 } \ker A=\{0\} ker A = { 0 } )。
记号:ran ( A ) = { A x : x ∈ X } ⊆ Y \operatorname{ran}(A)=\{Ax:x\in X\}\subseteq Y ran ( A ) = { A x : x ∈ X } ⊆ Y 为 A A A 的值域(像) ,ran ( B ) \operatorname{ran}(B) ran ( B ) 同理。
求证下面两条等价:
(1) ran ( B ) ⊆ ran ( A ) \operatorname{ran}(B)\subseteq\operatorname{ran}(A) ran ( B ) ⊆ ran ( A ) ;
(2) 存在有界 线性算子 T : Z → X T:Z\to X T : Z → X 使得 A T = B AT=B A T = B 。
注 这就是 Douglas 分解定理的代数–拓扑版本:能否把 B B B "穿过" A A A 写成 B = A T B=AT B = A T ,纯粹由值域包含关系决定,且自动得到 T T T 的有界性。
(2) ⇒ \Rightarrow ⇒ (1)(平凡方向)
设有界线性 T : Z → X T:Z\to X T : Z → X 满足 A T = B AT=B A T = B 。对任意 z ∈ Z z\in Z z ∈ Z ,
B z = ( A T ) z = A ( T z ) ∈ ran ( A ) ,
Bz=(AT)z=A(Tz)\in\operatorname{ran}(A),
B z = ( A T ) z = A ( T z ) ∈ ran ( A ) ,
因为 T z ∈ X Tz\in X T z ∈ X 。z z z 任意,故 ran ( B ) ⊆ ran ( A ) \operatorname{ran}(B)\subseteq\operatorname{ran}(A) ran ( B ) ⊆ ran ( A ) 。■ \quad\blacksquare ■
注 此方向不需要任何完备性,也不需要 A A A 单射,连"T T T 有界"都没用上——纯粹是 A A A 的线性性。难点全在反方向。
(1) ⇒ \Rightarrow ⇒ (2)(核心方向)
分三步:第一步 用 A A A 单射 + 包含关系逐点定义出 T T T ;第二步 逐条验证 T T T 良定义且线性;第三步 用闭图像定理证 T T T 有界。
第一步:构造 T T T (逐点定义)
固定任意 z ∈ Z z\in Z z ∈ Z 。由 (1),B z ∈ ran ( B ) ⊆ ran ( A ) Bz\in\operatorname{ran}(B)\subseteq\operatorname{ran}(A) B z ∈ ran ( B ) ⊆ ran ( A ) ,故存在 x ∈ X x\in X x ∈ X 使 A x = B z Ax=Bz A x = B z 。
又 A A A 单射,这样的 x x x 唯一 :若 A x = A x ′ = B z Ax=Ax'=Bz A x = A x ′ = B z ,则 A ( x − x ′ ) = 0 A(x-x')=0 A ( x − x ′ ) = 0 ,由 ker A = { 0 } \ker A=\{0\} ker A = { 0 } 得 x = x ′ x=x' x = x ′ 。
于是可定义
T z : = 那个唯一满足 A x = B z 的 x ∈ X .
Tz:=\text{那个唯一满足 } Ax=Bz \text{ 的 } x\in X.
T z := 那个唯一满足 A x = B z 的 x ∈ X .
按定义即
A ( T z ) = B z ( ∀ z ∈ Z ) , ( \ast )
A(Tz)=Bz\qquad(\forall z\in Z),\tag{\ast}
A ( T z ) = B z ( ∀ z ∈ Z ) , ( \ast )
也就是 A T = B AT=B A T = B 在集合映射 层面已成立。剩下要证 T T T 线性且有界。
注 这里不需要、也没有引入"A A A 在整个像 ran ( A ) \operatorname{ran}(A) ran ( A ) 上的逆 A − 1 A^{-1} A − 1 是否有界"这一问题——我们只对每个 B z Bz B z 取原像,逐点定义 T T T 。A − 1 A^{-1} A − 1 是否连续留到后面用闭图像定理一并绕开。
第二步:T T T 良定义且线性
良定义 :上面已证对每个 z z z ,满足 A x = B z Ax=Bz A x = B z 的 x x x 存在且唯一,故 T z Tz T z 是 z z z 的确定的(单值)函数。
线性 :取 z 1 , z 2 ∈ Z z_1,z_2\in Z z 1 , z 2 ∈ Z ,标量 α , β \alpha,\beta α , β 。利用 A , B A,B A , B 线性与 ( ∗ ) (\ast) ( ∗ ) :
A ( α T z 1 + β T z 2 ) = α A ( T z 1 ) + β A ( T z 2 ) = α B z 1 + β B z 2 = B ( α z 1 + β z 2 ) .
A\big(\alpha\,Tz_1+\beta\,Tz_2\big)
=\alpha\,A(Tz_1)+\beta\,A(Tz_2)
=\alpha\,Bz_1+\beta\,Bz_2
=B(\alpha z_1+\beta z_2).
A ( α T z 1 + β T z 2 ) = α A ( T z 1 ) + β A ( T z 2 ) = α B z 1 + β B z 2 = B ( α z 1 + β z 2 ) .
另一方面,按定义 T ( α z 1 + β z 2 ) T(\alpha z_1+\beta z_2) T ( α z 1 + β z 2 ) 是满足 A x = B ( α z 1 + β z 2 ) Ax=B(\alpha z_1+\beta z_2) A x = B ( α z 1 + β z 2 ) 的唯一 x x x 。上式表明 α T z 1 + β T z 2 \alpha\,Tz_1+\beta\,Tz_2 α T z 1 + β T z 2 也满足同一方程,由唯一性(A A A 单射)得
T ( α z 1 + β z 2 ) = α T z 1 + β T z 2 .
T(\alpha z_1+\beta z_2)=\alpha\,Tz_1+\beta\,Tz_2.
T ( α z 1 + β z 2 ) = α T z 1 + β T z 2 .
故 T : Z → X T:Z\to X T : Z → X 线性。
注 线性的每一步都"先作用 A A A 再用唯一性回收"——唯一性正是 A A A 单射的产物,这是本步不可省的依据。
第三步:T T T 有界(闭图像定理)
先精确陈述要用的定理并核验前提。
闭图像定理(Closed Graph Theorem).
设 E , F E,F E , F 均为 Banach 空间 ,S : E → F S:E\to F S : E → F 是处处定义 (定义域为整个 E E E )的线性 算子。若 S S S 的图像
Γ ( S ) = { ( e , S e ) : e ∈ E } ⊆ E × F \Gamma(S)=\{(e,Se):e\in E\}\subseteq E\times F Γ ( S ) = {( e , S e ) : e ∈ E } ⊆ E × F
在乘积范数 ∥ ( e , f ) ∥ = ∥ e ∥ E + ∥ f ∥ F \|(e,f)\|=\|e\|_E+\|f\|_F ∥ ( e , f ) ∥ = ∥ e ∥ E + ∥ f ∥ F 下是闭集 ,则 S S S 有界(连续)。
核验闭图像定理前提 (这是引用核心定理时必须逐条落实的):
取 E = Z E=Z E = Z (T T T 的定义域),F = X F=X F = X (T T T 的到达域)。题设 Z , X Z,X Z , X 均为 Banach 空间 ✓ \checkmark ✓ 。
T T T 处处定义于整个 Z Z Z :由第一步,对每个 z ∈ Z z\in Z z ∈ Z 都有 B z ∈ ran ( A ) Bz\in\operatorname{ran}(A) B z ∈ ran ( A ) ,故 T z Tz T z 存在;T T T 的定义域确为全空间 Z Z Z ✓ \checkmark ✓ 。
T : Z → X T:Z\to X T : Z → X 线性 :已在第二步证毕 ✓ \checkmark ✓ 。
注 上面第二条(处处定义)与第三条(线性)是闭图像定理对算子 S S S 本身的两条前提,必须并列核验——若 T T T 只定义在 Z Z Z 的真子集上,闭图像定理不适用。本题恰由 ( 1 ) (1) ( 1 ) 保证了全定义域。
故只需验证图像闭。
化归到序列条件 :在乘积范数 ∥ ( e , f ) ∥ = ∥ e ∥ + ∥ f ∥ \|(e,f)\|=\|e\|+\|f\| ∥ ( e , f ) ∥ = ∥ e ∥ + ∥ f ∥ 下,( z n , T z n ) → ( z , x ) (z_n,Tz_n)\to(z,x) ( z n , T z n ) → ( z , x ) 当且仅当 z n → z z_n\to z z n → z 且 T z n → x Tz_n\to x T z n → x (因为 ∥ ( z n , T z n ) − ( z , x ) ∥ = ∥ z n − z ∥ + ∥ T z n − x ∥ \|(z_n,Tz_n)-(z,x)\|=\|z_n-z\|+\|Tz_n-x\| ∥ ( z n , T z n ) − ( z , x ) ∥ = ∥ z n − z ∥ + ∥ T z n − x ∥ ,左边 → 0 \to 0 → 0 与两个非负项各自 → 0 \to 0 → 0 等价);又赋范空间可度量,故"闭集"等价于"对收敛序列封闭"。于是验证图像闭只需证下述序列条件 :
设 z n → z z_n\to z z n → z (在 Z Z Z 中),且 T z n → x Tz_n\to x T z n → x (在 X X X 中)。要证 x = T z x=Tz x = T z 。
证:用 ( ∗ ) (\ast) ( ∗ ) 把 T T T 翻译成 A , B A,B A , B 的关系,再用 A , B A,B A , B 连续。
A A A 连续,T z n → x Tz_n\to x T z n → x ,故
A ( T z n ) → A x .
A(Tz_n)\to Ax.
A ( T z n ) → A x .
但由 ( ∗ ) (\ast) ( ∗ ) 有 A ( T z n ) = B z n A(Tz_n)=Bz_n A ( T z n ) = B z n ;又 B B B 连续、z n → z z_n\to z z n → z ,故
A ( T z n ) = B z n → B z .
A(Tz_n)=Bz_n\to Bz.
A ( T z n ) = B z n → B z .
同一序列 ( A ( T z n ) ) \big(A(Tz_n)\big) ( A ( T z n ) ) 不能收敛到两个不同极限(赋范空间为 Hausdorff,极限唯一),故
而由 ( ∗ ) (\ast) ( ∗ ) 又有 A ( T z ) = B z = A x A(Tz)=Bz=Ax A ( T z ) = B z = A x 。A A A 单射 ,故
这正是图像闭的序列条件。由闭图像定理(前提已逐条核验),T T T 有界 。
注 第 3 步上述图像闭验证只用到了 A , B A,B A , B 的连续性 与 A A A 的单射性 ,完全没有 用到"T T T 有界"。所以并非"用待证的结论证图像闭",无循环论证:图像闭是闭图像定理的输入 ,T T T 有界是闭图像定理的输出 。
结合 ( ∗ ) (\ast) ( ∗ ) 的 A T = B AT=B A T = B ,命题 (2) 成立。■ \quad\blacksquare ■
为什么不需要"ran ( A ) \operatorname{ran}(A) ran ( A ) 闭"?
注 一个自然的"直觉路线"是:先在 ran ( A ) \operatorname{ran}(A) ran ( A ) 上定义线性逆 A − 1 : ran ( A ) → X A^{-1}:\operatorname{ran}(A)\to X A − 1 : ran ( A ) → X ,证它有界,再令 T = A − 1 B T=A^{-1}B T = A − 1 B 。但 A − 1 A^{-1} A − 1 有界等价于 ran ( A ) \operatorname{ran}(A) ran ( A ) 在 Y Y Y 中闭 (从而完备、为 Banach;这要靠开映射定理/有界逆定理,需 ran ( A ) \operatorname{ran}(A) ran ( A ) 完备,是一个额外假设,本题并未给出)。
Douglas 的技巧避开了这一点:我们从不 单独讨论 A − 1 A^{-1} A − 1 的连续性,而是把整个复合 T = A − 1 B T=A^{-1}B T = A − 1 B 当作一个算子,直接对 T T T 用闭图像定理 。关键在第三步的等式 A ( T z n ) = B z n A(Tz_n)=Bz_n A ( T z n ) = B z n :它让我们绕过"A − 1 A^{-1} A − 1 连续与否",直接借 A , B A,B A , B 二者的连续性把极限关系 A x = B z Ax=Bz A x = B z 拉出来,再用单射收口。闭图像定理只要求定义域 Z Z Z 、到达域 X X X 完备(题设满足),与 ran ( A ) \operatorname{ran}(A) ran ( A ) 是否闭无关。
注(Y Y Y 的完备性是冗余的)整个 (1)⇒ \Rightarrow ⇒ (2) 全程不消耗 Y Y Y 的完备性 。具体地:B z n → B z Bz_n\to Bz B z n → B z 仅由 B B B 连续 + z n → z +\,z_n\to z + z n → z 得到,A ( T z n ) → A x A(Tz_n)\to Ax A ( T z n ) → A x 仅由 A A A 连续 + T z n → x +\,Tz_n\to x + T z n → x 得到——二者都是连续性事实,不依赖 Y Y Y 完备;而 A , B A,B A , B 的有界性是题目直接给定,无需由 Y Y Y 完备导出。本方向真正用到的只有:Z , X Z,X Z , X 完备(供闭图像定理)、A , B A,B A , B 连续、A A A 单射。因此题目把 Y Y Y 设为 Banach,在这一方向上是冗余假设 。
结论
(1) ⇔ \Leftrightarrow ⇔ (2) 双向均已证毕:
(2)⇒ \Rightarrow ⇒ (1) 平凡:B z = A ( T z ) ∈ ran ( A ) Bz=A(Tz)\in\operatorname{ran}(A) B z = A ( T z ) ∈ ran ( A ) 。
(1)⇒ \Rightarrow ⇒ (2) :A A A 单射 + + + 包含关系逐点定义 T z = Tz= T z = (A x = B z Ax=Bz A x = B z 的唯一解);T T T 线性来自 A , B A,B A , B 线性与唯一性;T T T 有界来自闭图像定理 ——其前提(Z , X Z,X Z , X 完备、T T T 处处定义且线性)逐条核验,图像闭由 A , B A,B A , B 连续 + A +\,A + A 单射一步得到,无需 ran ( A ) \operatorname{ran}(A) ran ( A ) 闭、也不消耗 Y Y Y 完备。
这就是 Douglas 分解 B = A T B=AT B = A T 的存在性(算子层面的"B B B 能被 A A A 整除")。■ \quad\blacksquare ■
泛函分析卷 · Q8(Banach–Steinhaus 与强收敛)
题目
问题 8(20 分). (Banach–Steinhaus)设 X , Y X,Y X , Y 为 Banach 空间,T i : X → Y T_i:X\to Y T i : X → Y 为一列有界线性算子。证明下列各条等价:
对每个 x ∈ X x\in X x ∈ X ,序列 { T n x } \{T_n x\} { T n x } 在 Y Y Y 中收敛;
sup n ∥ T n ∥ < ∞ \sup_n\|T_n\|<\infty sup n ∥ T n ∥ < ∞ ,且存在稠密子集 D ⊂ X D\subset X D ⊂ X 使对每个 x ∈ D x\in D x ∈ D ,{ T n x } \{T_n x\} { T n x } 是 Y Y Y 中的 Cauchy 序列;
sup n ∥ T n ∥ < ∞ \sup_n\|T_n\|<\infty sup n ∥ T n ∥ < ∞ ,且存在有界线性算子 T : X → Y T:X\to Y T : X → Y 使 T i T_i T i 强收敛 到 T T T (即对每个 x x x ,T i x → T x T_i x\to Tx T i x → T x )且 ∥ T ∥ ≤ lim inf n → ∞ ∥ T n ∥ \|T\|\le\liminf_{n\to\infty}\|T_n\| ∥ T ∥ ≤ lim inf n → ∞ ∥ T n ∥ 。
此外,证明:当 Y Y Y 不完备时 (1) 与 (3) 的等价仍成立;当 X X X 不完备时 (2) 与 (3) 的等价仍成立。
解答
注(强收敛与一致收敛之别):强收敛是逐点 T n x → T x T_n x\to Tx T n x → T x ,比一致收敛(即 ∥ T n − T ∥ → 0 \|T_n-T\|\to 0 ∥ T n − T ∥ → 0 )弱。本题全程只谈强收敛。
预备:一处核心定理与三条须从头证的引理
为保持 self-contained,先把唯一会被引用的核心定理 一致有界原理精确陈述并备好前提核验落点,再把后续反复使用的小事实(收敛列有界、收敛列是 Cauchy、极限保线性与范数估计)从头证清。
核心定理:一致有界原理 / Banach–Steinhaus
一致有界原理. 设 X X X 为 Banach 空间 (完备赋范空间),Z Z Z 为赋范空间,{ S α } α ∈ A \{S_\alpha\}_{\alpha\in A} { S α } α ∈ A 为一族 X → Z X\to Z X → Z 的有界线性算子。若 { S α } \{S_\alpha\} { S α } 逐点有界 ,即
∀ x ∈ X : sup α ∈ A ∥ S α x ∥ < ∞ , \forall x\in X:\quad \sup_{\alpha\in A}\|S_\alpha x\|<\infty, ∀ x ∈ X : α ∈ A sup ∥ S α x ∥ < ∞ ,
则 { S α } \{S_\alpha\} { S α } 一致有界 ,即 sup α ∈ A ∥ S α ∥ < ∞ \sup_{\alpha\in A}\|S_\alpha\|<\infty sup α ∈ A ∥ S α ∥ < ∞ 。
前提核验落点 :使用一致有界原理时必须核验 (a) 定义域 X X X 完备 (这是一致有界原理唯一对空间完备性的要求;值域 Z Z Z 不必完备);(b) 每个 S α S_\alpha S α 有界线性 ;(c) 逐点有界 成立。下文每次引用都会逐条点名。
脚注(依赖链):一致有界原理自身的证明依赖 Baire 纲定理 (由定义域 X X X 完备保证)。本题按约定将一致有界原理作为可引用的核心定理使用——仅核验其前提,而不重证;但读者应知道“X X X 完备”正是经由Baire 纲定理这条链条进入证明的。
引理 A(收敛列必有界)
设 { y n } \{y_n\} { y n } 为赋范空间 Y Y Y 中收敛列,y n → y y_n\to y y n → y ,则 sup n ∥ y n ∥ < ∞ \sup_n\|y_n\|<\infty sup n ∥ y n ∥ < ∞ 。
证. 取 ε = 1 \varepsilon=1 ε = 1 ,∃ N \exists N ∃ N 使 n ≥ N n\ge N n ≥ N 时 ∥ y n − y ∥ < 1 \|y_n-y\|<1 ∥ y n − y ∥ < 1 ,故 ∥ y n ∥ ≤ ∥ y ∥ + 1 \|y_n\|\le\|y\|+1 ∥ y n ∥ ≤ ∥ y ∥ + 1 。前 N − 1 N-1 N − 1 项有限多,取
M = max { ∥ y 1 ∥ , … , ∥ y N − 1 ∥ , ∥ y ∥ + 1 } < ∞ , M=\max\{\|y_1\|,\dots,\|y_{N-1}\|,\;\|y\|+1\}<\infty, M = max { ∥ y 1 ∥ , … , ∥ y N − 1 ∥ , ∥ y ∥ + 1 } < ∞ ,
即得 sup n ∥ y n ∥ ≤ M < ∞ \sup_n\|y_n\|\le M<\infty sup n ∥ y n ∥ ≤ M < ∞ 。□ \qquad\square □
引理 B(收敛列是 Cauchy 列)
设 { y n } \{y_n\} { y n } 在赋范空间 Y Y Y 中收敛,y n → y y_n\to y y n → y ,则 { y n } \{y_n\} { y n } 是 Cauchy 列。
证. 给 ε > 0 \varepsilon>0 ε > 0 ,取 N N N 使 n ≥ N ⇒ ∥ y n − y ∥ < ε / 2 n\ge N\Rightarrow\|y_n-y\|<\varepsilon/2 n ≥ N ⇒ ∥ y n − y ∥ < ε /2 ,于是 n , m ≥ N n,m\ge N n , m ≥ N 时 ∥ y n − y m ∥ ≤ ∥ y n − y ∥ + ∥ y − y m ∥ < ε \|y_n-y_m\|\le\|y_n-y\|+\|y-y_m\|<\varepsilon ∥ y n − y m ∥ ≤ ∥ y n − y ∥ + ∥ y − y m ∥ < ε 。□ \qquad\square □
注:引理 A、B 都只用收敛、不用完备。完备性只在反方向 “Cauchy ⟹ 收敛”才需要。
引理 C(极限保线性与范数估计)
设 T n : X → Y T_n:X\to Y T n : X → Y 线性(X X X 只需赋范,Y Y Y 只需赋范),且对每个 x x x 极限 T x : = lim n T n x Tx:=\lim_n T_n x T x := lim n T n x 在 Y Y Y 中存在;又设 C : = sup n ∥ T n ∥ < ∞ C:=\sup_n\|T_n\|<\infty C := sup n ∥ T n ∥ < ∞ 。则
T T T 良定且线性;
对每个 x x x ,∥ T x ∥ ≤ ( lim inf n ∥ T n ∥ ) ∥ x ∥ ≤ C ∥ x ∥ \|Tx\|\le\big(\liminf_n\|T_n\|\big)\|x\|\le C\|x\| ∥ T x ∥ ≤ ( lim inf n ∥ T n ∥ ) ∥ x ∥ ≤ C ∥ x ∥ ,故 T T T 有界且 ∥ T ∥ ≤ lim inf n ∥ T n ∥ \|T\|\le\liminf_n\|T_n\| ∥ T ∥ ≤ lim inf n ∥ T n ∥ 。
证. 良定. 赋范空间是 Hausdorff 的(不同两点 a ≠ b a\ne b a = b 可用半径 1 2 ∥ a − b ∥ \tfrac12\|a-b\| 2 1 ∥ a − b ∥ 的开球分离),故收敛列极限唯一;从而 T x : = lim n T n x Tx:=\lim_n T_n x T x := lim n T n x 是 x x x 的良定取值。
线性. 对标量 α , β \alpha,\beta α , β 与 x , x ′ ∈ X x,x'\in X x , x ′ ∈ X :
T ( α x + β x ′ ) = lim n T n ( α x + β x ′ ) = lim n ( α T n x + β T n x ′ ) = α lim n T n x + β lim n T n x ′ = α T x + β T x ′ , T(\alpha x+\beta x')=\lim_n T_n(\alpha x+\beta x')=\lim_n\big(\alpha T_n x+\beta T_n x'\big)=\alpha\lim_n T_n x+\beta\lim_n T_n x'=\alpha Tx+\beta Tx', T ( αx + β x ′ ) = n lim T n ( αx + β x ′ ) = n lim ( α T n x + β T n x ′ ) = α n lim T n x + β n lim T n x ′ = α T x + βT x ′ ,
第二个等号用各 T n T_n T n 线性,第三个等号用极限对加法、数乘的线性性(赋范空间中加法、数乘连续,故对收敛列可与极限交换)。
范数估计. 范数关于极限连续:y n → y ⇒ ∥ y n ∥ → ∥ y ∥ y_n\to y\Rightarrow\|y_n\|\to\|y\| y n → y ⇒ ∥ y n ∥ → ∥ y ∥ (因 ∣ ∥ y n ∥ − ∥ y ∥ ∣ ≤ ∥ y n − y ∥ → 0 \big|\|y_n\|-\|y\|\big|\le\|y_n-y\|\to0 ∥ y n ∥ − ∥ y ∥ ≤ ∥ y n − y ∥ → 0 )。于是
∥ T x ∥ = lim n ∥ T n x ∥ = lim inf n ∥ T n x ∥ ≤ lim inf n ( ∥ T n ∥ ∥ x ∥ ) = ( lim inf n ∥ T n ∥ ) ∥ x ∥ . \|Tx\|=\lim_n\|T_n x\|=\liminf_n\|T_n x\|\le\liminf_n\big(\|T_n\|\,\|x\|\big)=\Big(\liminf_n\|T_n\|\Big)\|x\|. ∥ T x ∥ = n lim ∥ T n x ∥ = n lim inf ∥ T n x ∥ ≤ n lim inf ( ∥ T n ∥ ∥ x ∥ ) = ( n lim inf ∥ T n ∥ ) ∥ x ∥.
逐项解释:第二个等号因 { ∥ T n x ∥ } \{\|T_n x\|\} { ∥ T n x ∥ } 收敛(其极限 = ∥ T x ∥ =\|Tx\| = ∥ T x ∥ ),而收敛数列的 lim inf \liminf lim inf 等于其极限;不等号用逐项的 ∥ T n x ∥ ≤ ∥ T n ∥ ∥ x ∥ \|T_n x\|\le\|T_n\|\|x\| ∥ T n x ∥ ≤ ∥ T n ∥∥ x ∥ 并对两边取 lim inf \liminf lim inf (lim inf \liminf lim inf 保序);最后一个等号是 lim inf \liminf lim inf 对非负常数的齐次性。
注(齐次性 lim inf n ( b a n ) = b lim inf n a n \liminf_n(b\,a_n)=b\,\liminf_n a_n lim inf n ( b a n ) = b lim inf n a n ,b = ∥ x ∥ ≥ 0 b=\|x\|\ge0 b = ∥ x ∥ ≥ 0 ):当 b ≥ 0 b\ge0 b ≥ 0 时,映射 t ↦ b t t\mapsto bt t ↦ b t 在 R \mathbb R R 上单调不减,对任一子列两边一一对应、缩放保序,故保 inf \inf inf /sup \sup sup 与下极限结构,齐次性成立(b = 0 b=0 b = 0 时两边皆 0 0 0 ,显然)。若 b < 0 b<0 b < 0 则会翻成 lim sup \limsup lim sup ,但此处 b = ∥ x ∥ ≥ 0 b=\|x\|\ge0 b = ∥ x ∥ ≥ 0 无此问题。
再由 lim inf n ∥ T n ∥ ≤ C < ∞ \liminf_n\|T_n\|\le C<\infty lim inf n ∥ T n ∥ ≤ C < ∞ 知 L : = lim inf n ∥ T n ∥ L:=\liminf_n\|T_n\| L := lim inf n ∥ T n ∥ 有限,且 ∥ T x ∥ ≤ L ∥ x ∥ \|Tx\|\le L\|x\| ∥ T x ∥ ≤ L ∥ x ∥ 对所有 x x x 成立,故 T T T 有界且 ∥ T ∥ ≤ L = lim inf n ∥ T n ∥ \|T\|\le L=\liminf_n\|T_n\| ∥ T ∥ ≤ L = lim inf n ∥ T n ∥ 。□ \qquad\square □
注(引理 C 的依赖范围,后文关键):引理 C 既未用一致有界原理,也未用 X X X 或 Y Y Y 的完备性 。它只假设了两件事:(i) 极限 T x Tx T x 处处存在;(ii) 一致界 C = sup n ∥ T n ∥ < ∞ C=\sup_n\|T_n\|<\infty C = sup n ∥ T n ∥ < ∞ 这个事实本身。C < ∞ C<\infty C < ∞ 究竟从何而来(由一致有界原理推出,还是被直接假设)在引理 C 内部无关紧要。这正是后面两个“不完备仍成立”的支点。
主体:在 X , Y X,Y X , Y 均 Banach 下证 (1)⟺(2)⟺(3)
证明路线:( 1 ) ⇒ ( 3 ) ⇒ ( 1 ) (1)\Rightarrow(3)\Rightarrow(1) ( 1 ) ⇒ ( 3 ) ⇒ ( 1 ) 、( 1 ) ⇒ ( 2 ) (1)\Rightarrow(2) ( 1 ) ⇒ ( 2 ) 、( 2 ) ⇒ ( 1 ) (2)\Rightarrow(1) ( 2 ) ⇒ ( 1 ) 。四条箭头闭合后三者两两等价。
(1) ⟹ (3)
设对每个 x x x ,{ T n x } \{T_n x\} { T n x } 收敛。定义 T x : = lim n T n x ∈ Y Tx:=\lim_{n}T_n x\in Y T x := lim n T n x ∈ Y 。
第一步:逐点有界。 对每个固定 x x x ,{ T n x } \{T_n x\} { T n x } 收敛,由引理 A 得 sup n ∥ T n x ∥ < ∞ \sup_n\|T_n x\|<\infty sup n ∥ T n x ∥ < ∞ 。这对每个 x x x 成立,即族 { T n } \{T_n\} { T n } 逐点有界 。
第二步:用一致有界原理得一致有界(此处用 X X X 完备)。 核验一致有界原理前提:
(a) 定义域 X X X 完备 (题设 X X X Banach)✔;
(b) 每个 T n T_n T n 有界线性(题设)✔;
(c) 逐点有界(第一步已证)✔。
故由 一致有界原理 得
C : = sup n ∥ T n ∥ < ∞ . C:=\sup_n\|T_n\|<\infty. C := n sup ∥ T n ∥ < ∞.
注:此处唯一 动用了 X X X 的完备性(经一致有界原理,再经Baire 纲定理);Y Y Y 是否完备完全没进来。
第三步:T T T 的性质。 现 T x = lim n T n x Tx=\lim_n T_n x T x = lim n T n x 处处存在,且第二步给出 C = sup n ∥ T n ∥ < ∞ C=\sup_n\|T_n\|<\infty C = sup n ∥ T n ∥ < ∞ ,套用引理 C :T T T 良定、线性、有界,且 ∥ T ∥ ≤ lim inf n ∥ T n ∥ \|T\|\le\liminf_n\|T_n\| ∥ T ∥ ≤ lim inf n ∥ T n ∥ 。
强收敛 T n x → T x T_n x\to Tx T n x → T x 正是 T x Tx T x 的定义;sup n ∥ T n ∥ = C < ∞ \sup_n\|T_n\|=C<\infty sup n ∥ T n ∥ = C < ∞ 已由第二步给出。三项齐备,(3) 成立 。■ \qquad\blacksquare ■
(3) ⟹ (1)
(3) 直接断言 ∀ x , T n x → T x \forall x,\ T_n x\to Tx ∀ x , T n x → T x ,即 { T n x } \{T_n x\} { T n x } 在 Y Y Y 中收敛(极限为 T x Tx T x )。这正是 (1)。
注:此步平凡 ,不需要 sup \sup sup 条件,也不用任何空间完备性。
(1) ⟹ (2)
由已证的 ( 1 ) ⇒ ( 3 ) (1)\Rightarrow(3) ( 1 ) ⇒ ( 3 ) ,得 sup n ∥ T n ∥ < ∞ \sup_n\|T_n\|<\infty sup n ∥ T n ∥ < ∞ (即 (3) 的第一项)。
注(完备性来源,即时标注):此处的 sup n ∥ T n ∥ < ∞ \sup_n\|T_n\|<\infty sup n ∥ T n ∥ < ∞ 来自 ( 1 ) ⇒ ( 3 ) (1)\Rightarrow(3) ( 1 ) ⇒ ( 3 ) 的第二步,因而间接经一致有界原理用到了 X X X 完备 。这一点为后文“X X X 不完备”的讨论埋下伏笔——届时这条路恰恰断掉。
取 D = X D=X D = X 。它在 X X X 中稠密(X ‾ = X \overline X=X X = X 显然)。对每个 x ∈ D = X x\in D=X x ∈ D = X ,由 (1) 知 { T n x } \{T_n x\} { T n x } 收敛,再由引理 B 它是 Cauchy 列。故 (2) 成立 。■ \qquad\blacksquare ■
(2) ⟹ (1)(稠密 + 一致界的 3 ε 3\varepsilon 3 ε 论证,用 Y Y Y 完备)
设 C : = sup n ∥ T n ∥ < ∞ C:=\sup_n\|T_n\|<\infty C := sup n ∥ T n ∥ < ∞ ,D ⊂ X D\subset X D ⊂ X 稠密,且对每个 x ∈ D x\in D x ∈ D ,{ T n x } \{T_n x\} { T n x } Cauchy。
先处理平凡情形 C = 0 C=0 C = 0 。 C = 0 C=0 C = 0 意味着 ∥ T n ∥ = 0 \|T_n\|=0 ∥ T n ∥ = 0 即 T n = 0 T_n=0 T n = 0 对所有 n n n ,则对每个 x x x ,T n x = 0 → 0 T_n x=0\to0 T n x = 0 → 0 收敛,(1) 成立。以下设 C > 0 C>0 C > 0 。
目标:对每个 x ∈ X x\in X x ∈ X ,{ T n x } \{T_n x\} { T n x } 是 Cauchy 列。 任取 x ∈ X x\in X x ∈ X 与 ε > 0 \varepsilon>0 ε > 0 。由 D D D 稠密,存在 d ∈ D d\in D d ∈ D 使
∥ x − d ∥ < ε 3 C . \|x-d\|<\frac{\varepsilon}{3C}. ∥ x − d ∥ < 3 C ε .
注(为何能取到这样的 d d d ):稠密即 D ‾ = X \overline D=X D = X ,等价地 ∀ x , ∀ δ > 0 , ∃ d ∈ D , ∥ x − d ∥ < δ \forall x,\forall\delta>0,\ \exists d\in D,\ \|x-d\|<\delta ∀ x , ∀ δ > 0 , ∃ d ∈ D , ∥ x − d ∥ < δ 。这里取 δ = ε / ( 3 C ) > 0 \delta=\varepsilon/(3C)>0 δ = ε / ( 3 C ) > 0 (C > 0 C>0 C > 0 保证 δ \delta δ 有意义)。
对任意 n , m n,m n , m ,用三角不等式插入 T n d , T m d T_n d,T_m d T n d , T m d ,并用每个 T k T_k T k 线性、∥ T k ∥ ≤ C \|T_k\|\le C ∥ T k ∥ ≤ C :
∥ T n x − T m x ∥ ≤ ∥ T n ( x − d ) ∥ ⏟ = ∥ T n x − T n d ∥ + ∥ T n d − T m d ∥ + ∥ T m ( d − x ) ∥ ⏟ = ∥ T m d − T m x ∥ ≤ ∥ T n ∥ ∥ x − d ∥ + ∥ T n d − T m d ∥ + ∥ T m ∥ ∥ x − d ∥ ≤ C ∥ x − d ∥ + ∥ T n d − T m d ∥ + C ∥ x − d ∥ < ε 3 + ∥ T n d − T m d ∥ + ε 3 = 2 ε 3 + ∥ T n d − T m d ∥ .
\begin{aligned}
\|T_n x-T_m x\|
&\le \underbrace{\|T_n(x-d)\|}_{=\|T_n x-T_n d\|}+\|T_n d-T_m d\|+\underbrace{\|T_m(d-x)\|}_{=\|T_m d-T_m x\|}\\
&\le \|T_n\|\,\|x-d\|+\|T_n d-T_m d\|+\|T_m\|\,\|x-d\|\\
&\le C\|x-d\|+\|T_n d-T_m d\|+C\|x-d\|\\
&< \frac{\varepsilon}{3}+\|T_n d-T_m d\|+\frac{\varepsilon}{3}
=\frac{2\varepsilon}{3}+\|T_n d-T_m d\|.
\end{aligned}
∥ T n x − T m x ∥ ≤ = ∥ T n x − T n d ∥ ∥ T n ( x − d ) ∥ + ∥ T n d − T m d ∥ + = ∥ T m d − T m x ∥ ∥ T m ( d − x ) ∥ ≤ ∥ T n ∥ ∥ x − d ∥ + ∥ T n d − T m d ∥ + ∥ T m ∥ ∥ x − d ∥ ≤ C ∥ x − d ∥ + ∥ T n d − T m d ∥ + C ∥ x − d ∥ < 3 ε + ∥ T n d − T m d ∥ + 3 ε = 3 2 ε + ∥ T n d − T m d ∥.
因 d ∈ D d\in D d ∈ D ,{ T n d } \{T_n d\} { T n d } Cauchy:∃ N \exists N ∃ N 使 n , m ≥ N ⇒ ∥ T n d − T m d ∥ < ε / 3 n,m\ge N\Rightarrow\|T_n d-T_m d\|<\varepsilon/3 n , m ≥ N ⇒ ∥ T n d − T m d ∥ < ε /3 。于是 n , m ≥ N n,m\ge N n , m ≥ N 时
∥ T n x − T m x ∥ < 2 ε 3 + ε 3 = ε . \|T_n x-T_m x\|<\frac{2\varepsilon}{3}+\frac{\varepsilon}{3}=\varepsilon. ∥ T n x − T m x ∥ < 3 2 ε + 3 ε = ε .
ε > 0 \varepsilon>0 ε > 0 任意,故 { T n x } \{T_n x\} { T n x } 是 Y Y Y 中 Cauchy 列。
取极限(此处且仅此处用 Y Y Y 完备)。 Y Y Y Banach(完备)⟹ 该 Cauchy 列在 Y Y Y 中收敛。故对每个 x x x ,{ T n x } \{T_n x\} { T n x } 收敛,(1) 成立 。
注:本方向用的是 Y Y Y 完备 (取极限),而没有用 X X X 完备、也没有用一致有界原理 ——一致界 C C C 是 (2) 直接假设给定的。这一观察是后面“X X X 不完备”论断的钥匙。■ \qquad\blacksquare ■
等价闭合
( 1 ) ⇒ ( 3 ) ⇒ ( 1 ) (1)\Rightarrow(3)\Rightarrow(1) ( 1 ) ⇒ ( 3 ) ⇒ ( 1 ) 、( 1 ) ⇒ ( 2 ) ⇒ ( 1 ) (1)\Rightarrow(2)\Rightarrow(1) ( 1 ) ⇒ ( 2 ) ⇒ ( 1 ) 均已建立,三者两两等价:( 1 ) ⇔ ( 2 ) ⇔ ( 3 ) (1)\Leftrightarrow(2)\Leftrightarrow(3) ( 1 ) ⇔ ( 2 ) ⇔ ( 3 ) 。■ \qquad\blacksquare ■
注(各步动用的完备性一览):( 1 ) ⇒ ( 3 ) (1)\Rightarrow(3) ( 1 ) ⇒ ( 3 ) 用 X X X 完备 (经一致有界原理);( 2 ) ⇒ ( 1 ) (2)\Rightarrow(1) ( 2 ) ⇒ ( 1 ) 用 Y Y Y 完备 (Cauchy⟹收敛);( 3 ) ⇒ ( 1 ) (3)\Rightarrow(1) ( 3 ) ⇒ ( 1 ) 、( 1 ) ⇒ ( 2 ) (1)\Rightarrow(2) ( 1 ) ⇒ ( 2 ) 不直接动用完备性(后者借道 ( 1 ) ⇒ ( 3 ) (1)\Rightarrow(3) ( 1 ) ⇒ ( 3 ) 间接用了 X X X 完备)。这张表正是下面两个“不完备仍成立”的钥匙。
不完备情形之一:Y Y Y 不完备时 (1)⟺(3) 仍成立
此处不假设 Y Y Y 完备(Y Y Y 只是赋范空间),仍设 X X X Banach;每个 T n : X → Y T_n:X\to Y T n : X → Y 有界线性。
( 1 ) ⇒ ( 3 ) (1)\Rightarrow(3) ( 1 ) ⇒ ( 3 ) : 回看主体中 ( 1 ) ⇒ ( 3 ) (1)\Rightarrow(3) ( 1 ) ⇒ ( 3 ) 的三步,逐句检查 Y Y Y 完备是否被用到。
第一步(逐点有界,引理 A):只用 Y Y Y 是赋范空间,未用 Y Y Y 完备 。
第二步(一致有界原理得一致有界):核验一致有界原理前提时要求的是定义域 X X X 完备 (✔,仍设 X X X Banach),值域只需赋范——一致有界原理对值域不要求完备。故 C = sup n ∥ T n ∥ < ∞ C=\sup_n\|T_n\|<\infty C = sup n ∥ T n ∥ < ∞ 照样成立,未用 Y Y Y 完备 。
第三步(引理 C):只用极限的线性性、范数对极限的连续性与 lim inf \liminf lim inf 不等式,未用 Y Y Y 完备 。
特别地,T x : = lim T n x Tx:=\lim T_n x T x := lim T n x 良定,是因为 (1) 已假设 该极限在 Y Y Y 中存在——这是假设,不需要 Y Y Y 完备去“制造”极限。故 ( 1 ) ⇒ ( 3 ) (1)\Rightarrow(3) ( 1 ) ⇒ ( 3 ) 全程没有任何一处调用 Y Y Y 的完备性 。
( 3 ) ⇒ ( 1 ) (3)\Rightarrow(1) ( 3 ) ⇒ ( 1 ) : 纯逻辑展开(T n x → T x T_n x\to Tx T n x → T x 即收敛),与任何空间完备性无关。
故在 Y Y Y 不完备时 ( 1 ) ⇔ ( 3 ) (1)\Leftrightarrow(3) ( 1 ) ⇔ ( 3 ) 仍成立。关键:( 1 ) ⇔ ( 3 ) (1)\Leftrightarrow(3) ( 1 ) ⇔ ( 3 ) 依赖的是 X X X 完备(经一致有界原理),而非 Y Y Y 完备。 ■ \qquad\blacksquare ■
注(为何不能照搬到 (2)⟺(3)):上面绕开了 Y Y Y 完备,是因为 (1)/(3) 都已假设 极限存在;而 (2) 只给 Cauchy,要“造”出极限就非得 Y Y Y 完备不可。所以 Y Y Y 完备的命门落在含 (2) 的等价里——见下。
不完备情形之二:X X X 不完备时 (2)⟺(3) 仍成立
此处不假设 X X X 完备(X X X 只是赋范空间),仍设 Y Y Y Banach;每个 T n : X → Y T_n:X\to Y T n : X → Y 有界线性,D ⊂ X D\subset X D ⊂ X 稠密。
注(为何不能走老路 ( 2 ) ⇒ ( 1 ) ⇒ ( 3 ) (2)\Rightarrow(1)\Rightarrow(3) ( 2 ) ⇒ ( 1 ) ⇒ ( 3 ) ):若想用 ( 1 ) ⇒ ( 3 ) (1)\Rightarrow(3) ( 1 ) ⇒ ( 3 ) ,其第二步要调用一致有界原理,而一致有界原理要求定义域 X X X 完备 ——此处 X X X 恰好不完备,前提不满足,一致有界原理不可用 。所以必须直接 ( 2 ) ⇒ ( 3 ) (2)\Rightarrow(3) ( 2 ) ⇒ ( 3 ) ,全程不碰一致有界原理。能绕开一致有界原理的唯一原因:(2) 自身已显式假设 sup n ∥ T n ∥ = C < ∞ \sup_n\|T_n\|=C<\infty sup n ∥ T n ∥ = C < ∞ ,无需再去“推”一致有界。
( 2 ) ⇒ ( 3 ) (2)\Rightarrow(3) ( 2 ) ⇒ ( 3 ) (不用一致有界原理,用 Y Y Y 完备): 由 (2),C : = sup n ∥ T n ∥ < ∞ C:=\sup_n\|T_n\|<\infty C := sup n ∥ T n ∥ < ∞ 是给定的 ,D D D 稠密,∀ x ∈ D \forall x\in D ∀ x ∈ D 有 { T n x } \{T_n x\} { T n x } Cauchy。
第一步(3 ε 3\varepsilon 3 ε 论证,证 ∀ x \forall x ∀ x 的 Cauchy 性)。 C = 0 C=0 C = 0 时所有 T n = 0 T_n=0 T n = 0 ,{ T n x } = { 0 } \{T_n x\}=\{0\} { T n x } = { 0 } 平凡 Cauchy;C > 0 C>0 C > 0 时,对每个 x ∈ X x\in X x ∈ X 与 ε > 0 \varepsilon>0 ε > 0 ,取 d ∈ D d\in D d ∈ D 使 ∥ x − d ∥ < ε / ( 3 C ) \|x-d\|<\varepsilon/(3C) ∥ x − d ∥ < ε / ( 3 C ) ,与主体 ( 2 ) ⇒ ( 1 ) (2)\Rightarrow(1) ( 2 ) ⇒ ( 1 ) 中完全相同地得
∥ T n x − T m x ∥ ≤ 2 C ∥ x − d ∥ + ∥ T n d − T m d ∥ < 2 ε 3 + ∥ T n d − T m d ∥ , \|T_n x-T_m x\|\le 2C\|x-d\|+\|T_n d-T_m d\|<\frac{2\varepsilon}{3}+\|T_n d-T_m d\|, ∥ T n x − T m x ∥ ≤ 2 C ∥ x − d ∥ + ∥ T n d − T m d ∥ < 3 2 ε + ∥ T n d − T m d ∥ ,
再由 { T n d } \{T_n d\} { T n d } Cauchy 取 N N N 使 n , m ≥ N n,m\ge N n , m ≥ N 时尾部 < ε / 3 <\varepsilon/3 < ε /3 ,得 ∥ T n x − T m x ∥ < ε \|T_n x-T_m x\|<\varepsilon ∥ T n x − T m x ∥ < ε 。故 { T n x } \{T_n x\} { T n x } 是 Y Y Y 中 Cauchy 列。
注:此 3 ε 3\varepsilon 3 ε 论证只用了 D D D 稠密、给定界 C C C 、各 T n T_n T n 有界线性、三角不等式 ,全程未用一致有界原理,也未用 X X X 完备 ——绕开一致有界原理的本钱正是 (2) 已把一致界 C C C 写进假设。
第二步(取极限定义 T T T ,此处用 Y Y Y 完备)。 Y Y Y 完备 (题设 Y Y Y Banach)⟹ Cauchy 列 { T n x } \{T_n x\} { T n x } 在 Y Y Y 中收敛。对每个 x x x 定义 T x : = lim n T n x Tx:=\lim_n T_n x T x := lim n T n x (处处存在)。
第三步(T T T 的线性与范数估计,在 X X X 仅赋范的新前提下显式重述)。 此时 X X X 只是赋范空间,仍逐步核对:
线性。 对标量 α , β \alpha,\beta α , β 与 x , x ′ ∈ X x,x'\in X x , x ′ ∈ X :
T ( α x + β x ′ ) = lim n T n ( α x + β x ′ ) = lim n ( α T n x + β T n x ′ ) = α T x + β T x ′ , T(\alpha x+\beta x')=\lim_n T_n(\alpha x+\beta x')=\lim_n\big(\alpha T_n x+\beta T_n x'\big)=\alpha Tx+\beta Tx', T ( αx + β x ′ ) = n lim T n ( αx + β x ′ ) = n lim ( α T n x + β T n x ′ ) = α T x + βT x ′ ,
只用各 T n T_n T n 线性与 Y Y Y 中极限运算(加法、数乘)的连续性。
范数估计。 范数对极限连续,故
∥ T x ∥ = lim n ∥ T n x ∥ = lim inf n ∥ T n x ∥ ≤ lim inf n ( ∥ T n ∥ ∥ x ∥ ) = ( lim inf n ∥ T n ∥ ) ∥ x ∥ , \|Tx\|=\lim_n\|T_n x\|=\liminf_n\|T_n x\|\le\liminf_n\big(\|T_n\|\,\|x\|\big)=\Big(\liminf_n\|T_n\|\Big)\|x\|, ∥ T x ∥ = n lim ∥ T n x ∥ = n lim inf ∥ T n x ∥ ≤ n lim inf ( ∥ T n ∥ ∥ x ∥ ) = ( n lim inf ∥ T n ∥ ) ∥ x ∥ ,
末步用 lim inf \liminf lim inf 对非负常数 ∥ x ∥ ≥ 0 \|x\|\ge0 ∥ x ∥ ≥ 0 的齐次性(见引理 C 处的注)。再由 lim inf n ∥ T n ∥ ≤ C < ∞ \liminf_n\|T_n\|\le C<\infty lim inf n ∥ T n ∥ ≤ C < ∞ 得 T T T 有界且 ∥ T ∥ ≤ lim inf n ∥ T n ∥ \|T\|\le\liminf_n\|T_n\| ∥ T ∥ ≤ lim inf n ∥ T n ∥ 。
注(明确标注依赖):第三步这两步只用了 T n T_n T n 线性 + + + Y Y Y 中极限运算连续 + + + 已给定的 C = sup n ∥ T n ∥ < ∞ C=\sup_n\|T_n\|<\infty C = sup n ∥ T n ∥ < ∞ (即引理 C 的两个前提,二者此时均已具备),故既不需一致有界原理,也不需 X X X 完备 。
强收敛 T n x → T x T_n x\to Tx T n x → T x 即第二步的定义;sup n ∥ T n ∥ = C < ∞ \sup_n\|T_n\|=C<\infty sup n ∥ T n ∥ = C < ∞ 即 (2) 给定。(3) 三项齐备 。■ \qquad\blacksquare ■
( 3 ) ⇒ ( 2 ) (3)\Rightarrow(2) ( 3 ) ⇒ ( 2 ) : (3) 已给 sup n ∥ T n ∥ < ∞ \sup_n\|T_n\|<\infty sup n ∥ T n ∥ < ∞ (即 (2) 第一项)。取 D = X D=X D = X 。
注(与存在量词相容):(2) 只要求存在某个 稠密 D D D ;取 D = X D=X D = X (X ‾ = X \overline X=X X = X 显然稠密)即满足这个存在量词(“取最大的 D D D ”),逻辑相容。
对每个 x ∈ D = X x\in D=X x ∈ D = X ,(3) 给出 T n x → T x T_n x\to Tx T n x → T x 收敛,由引理 B 它是 Cauchy 列。故 (2) 成立 。此步只用收敛⟹Cauchy(引理 B,不用完备),与 X X X 是否完备无关。■ \qquad\blacksquare ■
故在 X X X 不完备时 ( 2 ) ⇔ ( 3 ) (2)\Leftrightarrow(3) ( 2 ) ⇔ ( 3 ) 仍成立。关键:( 2 ) ⇔ ( 3 ) (2)\Leftrightarrow(3) ( 2 ) ⇔ ( 3 ) 依赖的是 Y Y Y 完备(取极限),而非 X X X 完备;(2) 自带 sup \sup sup 界,正好绕过了需要 X X X 完备的一致有界原理。 ■ \qquad\blacksquare ■
小结:完备性用在何处
蕴含方向
用到 X X X 完备?
用到 Y Y Y 完备?
用到一致有界原理?
( 1 ) ⇒ ( 3 ) (1)\Rightarrow(3) ( 1 ) ⇒ ( 3 )
是(经一致有界原理把逐点有界升级为一致有界)
否
是
( 3 ) ⇒ ( 1 ) (3)\Rightarrow(1) ( 3 ) ⇒ ( 1 )
否
否
否
( 2 ) ⇒ ( 3 ) (2)\Rightarrow(3) ( 2 ) ⇒ ( 3 )
否
是(Cauchy 列取极限)
否(sup \sup sup 界已假设)
( 3 ) ⇒ ( 2 ) (3)\Rightarrow(2) ( 3 ) ⇒ ( 2 )
否
否
否
两句话精髓:
( 1 ) ⇔ ( 3 ) (1)\Leftrightarrow(3) ( 1 ) ⇔ ( 3 ) 的支点是 X X X 完备 (经一致有界原理把“逐点有界”升级为“一致有界”),与 Y Y Y 是否完备无关——因为 (1)、(3) 都预设 了极限存在。
( 2 ) ⇔ ( 3 ) (2)\Leftrightarrow(3) ( 2 ) ⇔ ( 3 ) 的支点是 Y Y Y 完备 (把 Cauchy 升级为收敛),与 X X X 是否完备无关——因为 (2) 自带 sup n ∥ T n ∥ < ∞ \sup_n\|T_n\|<\infty sup n ∥ T n ∥ < ∞ ,恰好绕开唯一需要 X X X 完备的一致有界原理。■ \qquad\blacksquare ■