实分析 · 泛函分析

作业八 · 解答讲义

Lebesgue 测度 · Fubini/Tonelli · Baire 纲 · Banach 空间算子理论

作业八 第 1 题(a):为什么 m2(E)<m_2(E) < \infty 能推到下一步?

涉及的原文片段:

EER2\mathbb{R}^2 中的可测集,则由于 E[0,1]×[0,1]E \subset [0,1] \times [0,1],可知 m2(E)<m_2(E) < \infty,从而 χEL1(R2)\chi_E \in L^1(\mathbb{R}^2)。由 Fubini 定理,存在一个零测集 ZRZ \subset \mathbb{R},使得对每个 yZy \notin Z,函数 xχE(x,y)x \mapsto \chi_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 L1L^1(即可积)。


一、为什么 m2(E)<m_2(E) < \infty 能推出 χEL1(R2)\chi_E \in L^1(\mathbb{R}^2)

回忆 L1(R2)L^1(\mathbb{R}^2) 的定义:一个可测函数 ff 属于 L1L^1,当且仅当

R2fdm2<. \int_{\mathbb{R}^2} |f|\, dm_2 < \infty .

现在 f=χEf = \chi_E特征函数。特征函数的积分恰好等于集合的测度:

R2χEdm2=R2χEdm2=m2(E). \int_{\mathbb{R}^2} |\chi_E|\, dm_2 = \int_{\mathbb{R}^2} \chi_E\, dm_2 = m_2(E) .

所以

χEL1(R2)m2(E)<. \chi_E \in L^1(\mathbb{R}^2) \quad\Longleftrightarrow\quad m_2(E) < \infty .

即**「χE\chi_E 可积」与「m2(E)<m_2(E)<\infty」是完全等价的一件事**。

m2(E)<m_2(E) < \infty 的来源是:由(反证法的)假设 EE 可测,且 E[0,1]×[0,1]E \subset [0,1]\times[0,1],根据测度的单调性

m2(E)m2([0,1]×[0,1])=1<. m_2(E) \le m_2\big([0,1]\times[0,1]\big) = 1 < \infty .

把两件事合起来:

条件 来源 给出
χE\chi_E 可测 假设 EE 可测 Fubini 所需的可测性
R2χE=m2(E)<\displaystyle\int_{\mathbb{R}^2}\lvert\chi_E\rvert = m_2(E)<\infty E[0,1]2E\subset[0,1]^2 Fubini 所需的可积性

于是 χE\chi_E 既可测又积分有限,即 χEL1(R2)\chi_E \in L^1(\mathbb{R}^2)


二、为什么必须强调「有限 / 可积」这一步

要区分两个定理:

题目明确要求 用 Fubini 定理,而 Fubini 的假设恰恰是 fL1f \in L^1。 所以解答必须先确认 χEL1\chi_E \in L^1,才有资格往下写:

由 Fubini 定理,存在零测集 ZZ,使得对每个 yZy \notin Z,切片 xχE(x,y)x \mapsto \chi_E(x,y) 可测。

换句话说,m2(E)<m_2(E)<\infty 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 χE0\chi_E \ge 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 χEL1    调用 Fubini \text{证明 } \chi_E\in L^1 \;\longrightarrow\; \text{调用 Fubini}

这条路,所以才需要「EE 有界 m2(E)<\Rightarrow m_2(E)<\infty」这一步。两条路殊途同归。


逻辑链总结

E 可测反证假设    χE 可测;E[0,1]2    m2(E)1<    χEL1    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}}


第 1 题 · 完整解答(详尽版)

记号约定:m1m_1m2m_2 分别表示 R\mathbb{R}R2\mathbb{R}^2 上的 Lebesgue 测度;对集合 AAχA\chi_A 为其特征函数。对 ER2E\subset\mathbb{R}^2 与固定的 yy,记其水平切片

Ey={xR:(x,y)E};E^{y}=\{\,x\in\mathbb{R}:(x,y)\in E\,\};
对固定的 xx,记其竖直切片
Ex={yR:(x,y)E}.E_{x}=\{\,y\in\mathbb{R}:(x,y)\in 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 ARA\subset\mathbb{R}

A={x:χA(x)=1}=χA1({1}), A=\{x:\chi_A(x)=1\}=\chi_A^{-1}(\{1\}),
χA\chi_A 为可测函数     \iff AA 为可测集。特别地,
N 不可测  χN 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}

工具 2(Vitali 集的两条关键性质). Vitali 集 N[0,1]\mathcal N\subset[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.}

工具 3(Fubini 定理,精确形式).fL1(R2)f\in L^1(\mathbb{R}^2),则除一个 m1m_1-零测集之外的每个 yy,切片函数 xf(x,y)x\mapsto f(x,y) 都是 R\mathbb{R} 上的可测(且可积)函数。换言之,令

Z:={yR: xf(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\},
m1(Z)=0m_1(Z)=0


(a) 证明 N×[0,1]\mathcal N\times[0,1]R2\mathbb{R}^2 中不可测

E:=N×[0,1]E:=\mathcal N\times[0,1]。采用反证法,假设 EE 可测,我们将导出矛盾。

第一步:说明 χEL1(R2)\chi_E\in L^1(\mathbb{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],故由测度单调性

m2(E)m2([0,1]2)=1<. m_2(E)\le m_2\bigl([0,1]^2\bigr)=1<\infty .
又特征函数的积分等于集合测度,
R2χEdm2=m2(E)<, \int_{\mathbb{R}^2}\lvert\chi_E\rvert\,dm_2=m_2(E)<\infty,
配合假设中 EE 可测(故 χE\chi_E 可测),即得 χEL1(R2)\chi_E\in L^1(\mathbb{R}^2)

第二步:写出水平切片的显式表达。 对任意 yy

Ey={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}
因此当 y[0,1]y\in[0,1] 时,切片函数恰为
xχE(x,y)=χN(x). x\longmapsto \chi_E(x,y)=\chi_{\mathcal N}(x).

第三步:定位 Fubini 的"坏集"并导出矛盾。 由第一步可对 χE\chi_E 调用工具 3,得到一个零测集

Z={y: xχE(x,y) 不可测},m1(Z)=0. Z=\{y:\ x\mapsto\chi_E(x,y)\ \text{不可测}\},\qquad m_1(Z)=0 .
另一方面,对每一个 y[0,1]y\in[0,1],由第二步与 ()(\ast),函数 xχE(x,y)=χN(x)x\mapsto\chi_E(x,y)=\chi_{\mathcal N}(x) 都不可测,这说明
[0,1]Z. [0,1]\subseteq Z .

为什么这一步成立? 关键在于 ZZ 的定义本身:

Z={y: xχE(x,y) 不可测}. Z=\{\,y:\ x\mapsto\chi_E(x,y)\ \text{不可测}\,\}.
也就是说,"yZy\in Z" 这件事,按定义等价于"在高度 yy 处的水平切片函数 xχE(x,y)x\mapsto\chi_E(x,y) 不可测"。

要证集合包含 [0,1]Z[0,1]\subseteq Z,标准做法是任取 y[0,1]y\in[0,1],验证它满足 ZZ 的成员资格:

  • 由第二步,当 y[0,1]y\in[0,1] 时,该切片函数恰好就是 xχE(x,y)=χN(x)x\mapsto\chi_E(x,y)=\chi_{\mathcal N}(x)
  • ()(\ast)("N\mathcal N 不可测 \Rightarrow χN\chi_{\mathcal N} 不可测"),这个 χN\chi_{\mathcal N} 不是可测函数;
  • 于是这个 yy 的切片不可测,按 ZZ 的定义即 yZy\in Z

由于 y[0,1]y\in[0,1] 是任取的,每一个 [0,1][0,1] 中的点都落进 ZZ,故 [0,1]Z[0,1]\subseteq Z

注意这里 yy 取遍整段 [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 11 的区间——这正是下一步能与"ZZ 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] 的测度是 11,装不进零测集 ZZ

于是由测度单调性

1=m1([0,1])m1(Z)=0, 1=m_1\bigl([0,1]\bigr)\le m_1(Z)=0,
101\le 0,矛盾。

结论: 反证假设不成立,故

E=N×[0,1] 不是 R2 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.}}

注(为什么必须沿这个方向切). 第二步若改成固定 xx、考察竖直切片 ExE_x,则得到的全是 [0,1][0,1]\varnothing(都可测),无法得到矛盾。Fubini 的威力恰恰在于它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:ER2E\subset\mathbb{R}^2 满足"对几乎所有 xRx\in\mathbb{R},竖直切片 ExE_x 可测",则 EE 可测。

我们用 同一个集合 E=N×[0,1]E=\mathcal N\times[0,1] 作为反例,但这次考察竖直切片。对任意 xRx\in\mathbb{R}

Ex={y:(x,y)N×[0,1]}={[0,1],xN,,xN. 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}
无论落入哪种情形,ExE_x 要么是区间 [0,1][0,1]、要么是空集,都是 R\mathbb{R} 中的可测集。因此

然而由 (a) 已证 EE 本身在 R2\mathbb{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。}\ }

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] 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] 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 EE?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 的不可测性恰恰藏在"哪些 xx 上挂着非空切片 [0,1][0,1]"这一选择里——也就是底集 N\mathcal 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.fL1(Rd)f\in L^1(\mathbb{R}^d)。对每个 α>0\alpha>0Eα:={xRd: f(x)>α}E_\alpha:=\{\,x\in\mathbb{R}^d:\ |f(x)|>\alpha\,\},证明

Rdfdmd=0md(Eα)dm1(α). \int_{\mathbb{R}^d}|f|\,dm_d=\int_0^\infty m_d(E_\alpha)\,dm_1(\alpha).

解答.g:=f0g:=|f|\ge 0,分布函数 λ(α):=md(Eα)\lambda(\alpha):=m_d(E_\alpha)。它对每个 α>0\alpha>0 单调递减(α1α2Eα2Eα1\alpha_1\le\alpha_2\Rightarrow E_{\alpha_2}\subseteq E_{\alpha_1});故其超水平集 {α:λ(α)>c}\{\alpha:\lambda(\alpha)>c\} 向左封闭、恒为区间,从而 λ\lambda 可测,右端积分有意义。

对非负简单函数 s=k=1nckχAks=\sum_{k=1}^n c_k\chi_{A_k}(标准型),在乘积空间 Rd×(0,)\mathbb{R}^d\times(0,\infty)构造其子图 GsG_s 的示性函数

χGs(x,α)={1,0<α<s(x),0,其余,Gs:={(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)\}.

它非负可测,对它用 Tonelli 定理交换累次积分次序:

Rd ⁣(0χGsdm1)dmd=0 ⁣(RdχGsdmd)dm1. \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.

左端内层 0χGs(x,α)dα=0s(x)1dα=s(x)\int_0^\infty\chi_{G_s}(x,\alpha)\,d\alpha=\int_0^{s(x)}1\,d\alpha=s(x),故左端 =s=\int s;右端内层 RdχGs(x,α)dmd=md({s>α})=λs(α)\int_{\mathbb{R}^d}\chi_{G_s}(x,\alpha)\,dm_d=m_d(\{s>\alpha\})=\lambda_s(\alpha)。于是

Rdsdmd=0md({s>α})dm1(α).(S) \int_{\mathbb{R}^d}s\,dm_d=\int_0^\infty m_d(\{s>\alpha\})\,dm_1(\alpha). \tag{S}

对一般的 g=fg=|f|,取非负简单函数列 sngs_n\uparrow g。左端由单调收敛定理 sng=f\int s_n\to\int g=\int|f|。固定 α>0\alpha>0,由 sngs_n\uparrow g{sn>α}{g>α}=Eα\{s_n>\alpha\}\uparrow\{g>\alpha\}=E_\alpha,故 λsn(α)=md({sn>α})md(Eα)=λ(α)\lambda_{s_n}(\alpha)=m_d(\{s_n>\alpha\})\uparrow m_d(E_\alpha)=\lambda(\alpha);再对 α\alpha 用一次单调收敛定理,右端 0λsn0λ\int_0^\infty\lambda_{s_n}\to\int_0^\infty\lambda。在 (S) 中令 nn\to\infty 即得

Rdfdmd=0md(Eα)dm1(α). \int_{\mathbb{R}^d}|f|\,dm_d=\int_0^\infty m_d(E_\alpha)\,dm_1(\alpha). \qquad\blacksquare


第 3 题

{fk}kNF\{f_k\}_{k\in\mathbb N}\subset\mathcal F 逐点单调收敛于 ff(即 fkff_k\uparrow ffkff_k\downarrow f),且 fL1(Rd)f\in L^1(\mathbb R^d)。要证 fFf\in\mathcal F

下文沿用 Rd=Rd1×Rd2\mathbb R^d=\mathbb R^{d_1}\times\mathbb R^{d_2},点写作 (x,y)(x,y)xRd1x\in\mathbb R^{d_1}yRd2y\in\mathbb R^{d_2},切片记为 f(x,) ⁣:yf(x,y)f(x,\cdot)\colon y\mapsto f(x,y)f(,y) ⁣:xf(x,y)f(\cdot,y)\colon x\mapsto f(x,y)。回顾 F\mathcal F 之成员须满足 FL1(Rd)\mathcal F\subset L^1(\mathbb R^d),且对下述对称双序均成立:(i)(\mathrm i) 几乎所有 xx 处切片 f(x,)f(x,\cdot) 可积;(ii)(\mathrm{ii}) xRd2f(x,y)dyx\mapsto\int_{\mathbb R^{d_2}}f(x,y)\,dy 属于 L1(Rd1)L^1(\mathbb R^{d_1})(iii)(\mathrm{iii}) 累次积分等于 Rdf\int_{\mathbb R^d}f;将 x,yx,y 互换的 (i),(ii),(iii)(\mathrm i'),(\mathrm{ii}'),(\mathrm{iii}') 亦然。步骤 1 已证 F\mathcal 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 fkff_k\downarrow f,置 f~k:=fk\widetilde f_k:=-f_kf~:=f\widetilde f:=-f。每个 f~k=(1)fk\widetilde f_k=(-1)\cdot f_k 由步骤 1(标量 1-1 封闭)落在 F\mathcal F 中,且 f~kf~\widetilde f_k\uparrow\widetilde ff~=fL1(Rd)\widetilde f=-f\in L^1(\mathbb R^d)。对递增情形的结论施于 {f~k}\{\widetilde f_k\}f~F\widetilde f\in\mathcal F,再由步骤 1 知 f=(1)f~Ff=(-1)\cdot\widetilde f\in\mathcal 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

fkff_k\uparrow ffkFf_k\in\mathcal FfL1f\in L^1。逐项减去首项,令

hk:=fkf1(kN),h:=ff1. h_k:=f_k-f_1\quad(k\in\mathbb N),\qquad h:=f-f_1 .
逐条核验:

若已证 hFh\in\mathcal F,则 f=h+f1f=h+f_1 再由步骤 1 落入 F\mathcal F。两步约化均不损一般性。因此自此设(仍沿用记号 fk,ff_k,f 表约化后序列)

0f1f2f,fkF,fL1(Rd), f0. 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 .

主体证明

可测性的先行确认. 每个 fkf_k 可测,而约化后 fkff_k\uparrow f,故 f=supkfkf=\sup_k f_k;由

{f>c}={supkfk>c}=k{fk>c} \{\,f>c\,\}=\Big\{\sup_k f_k>c\Big\}=\bigcup_{k}\{\,f_k>c\,\}
是可数个可测集之并知 ffRd\mathbb 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 xx,切片 f(x,)=supkfk(x,)f(x,\cdot)=\sup_k f_k(x,\cdot) 作为可测函数列之上确界亦可测。后文凡对 fff(x,)f(x,\cdot) 取积分均以此为据。

例外集的合并. 对每个固定的 kk,由 fkFf_k\in\mathcal F,存在零测集 NkRd1N_k\subset\mathbb R^{d_1},使当 xNkx\notin N_k 时切片 fk(x,)L1(Rd2)f_k(x,\cdot)\in L^1(\mathbb R^{d_2}),且

gk(x):=Rd2fk(x,y)dy g_k(x):=\int_{\mathbb R^{d_2}} f_k(x,y)\,dy
给出 gkL1(Rd1)g_k\in L^1(\mathbb R^{d_1})(特别地可测),并满足 Rd1gk=Rdfk\int_{\mathbb R^{d_1}} g_k=\int_{\mathbb R^{d}} f_k。令
N:=kNNk. N:=\bigcup_{k\in\mathbb N} N_k .
作为至多可数个零测集之并,NN 仍为零测集。此后凡涉及切片的逐点陈述一律限定在 xNx\notin N 上进行,于是上列诸式对所有 kk 在同一个 xNx\notin N 处一并成立,而无须逐 kk 各回避一个集。对 xNx\notin N 定义
g(x):=Rd2f(x,y)dy[0,+]; g(x):=\int_{\mathbb R^{d_2}} f(x,y)\,dy\in[0,+\infty];
在零测集 NN 上将 gk,gg_k,g 取定为 00,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] 中的上确界,不出现 \infty-\infty 型不定式。

第一次单调收敛定理(沿 yy,逐固定 xx). 固定 xNx\notin N。此时 {fk(x,)}k\{f_k(x,\cdot)\}_kRd2\mathbb R^{d_2} 上非负、关于 kk 单增且逐点收敛于可测的 f(x,)f(x,\cdot),对其用单调收敛定理得

gk(x)=Rd2fk(x,y)dy  Rd2f(x,y)dy=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}

可测性.(1)(1)ggRd1N\mathbb R^{d_1}\setminus N 上是可测函数列 {gk}\{g_k\} 的逐点极限,故几乎处处有定义且可测;在 NN 上的赋值不改其可测性。

第二次单调收敛定理(沿 xx). 取定上述 a.e.a.e. 代表元后,{gk}\{g_k\}Rd1\mathbb R^{d_1} 上非负、可测、对一切 xNx\notin N 单增收敛于 gg,对其用单调收敛定理得

Rd1gk  Rd1g.(2) \int_{\mathbb R^{d_1}} g_k\ \uparrow\ \int_{\mathbb R^{d_1}} g. \tag{2}

第三次单调收敛定理(在全空间 Rd\mathbb R^d). {fk}\{f_k\}Rd\mathbb R^d 上非负、单增、逐点收敛于可测的 ff,对 (x,y)(x,y) 整体用单调收敛定理得

Rdfk  Rdf.(3) \int_{\mathbb R^{d}} f_k\ \uparrow\ \int_{\mathbb R^{d}} f. \tag{3}

串接. 对每个 kk 已有 Rd1gk=Rdfk\int_{\mathbb R^{d_1}} g_k=\int_{\mathbb R^{d}} f_k;两端令 kk\to\infty,左端用 (2)(2)、右端用 (3)(3),得

Rd1 ⁣(Rd2f(x,y)dy)dx=Rd1g=Rdf.(\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}

()(\ast) 导出 (i)(ii)(iii)(\mathrm i)(\mathrm{ii})(\mathrm{iii}). 约化后 f0f\ge 0fL1f\in L^1,故 ()(\ast) 右端 Rdf<\int_{\mathbb R^d}f<\infty,从而 Rd1g<\int_{\mathbb R^{d_1}}g<\inftyg0g\ge 0 可测,故 gL1(Rd1)g\in L^1(\mathbb R^{d_1}),于是 g(x)<g(x)<\infty 对几乎所有 xx 成立。

至此“先 yyxx”一序的三条全部成立。

对称性

将上述论证中 xxyy 的角色互换:内层改沿 xx 积分、外层改沿 yy 积分。对每个 kkRd2\mathbb R^{d_2} 中的零测集 NkN_k' 使 (i),(ii),(iii)(\mathrm i'),(\mathrm{ii}'),(\mathrm{iii}')fkf_k 成立,令 N:=kNkN':=\bigcup_k N_k' 仍零测,此后限定 yNy\notin N';以 Gk(y):=Rd1fk(x,y)dxG_k(y):=\int_{\mathbb R^{d_1}} f_k(x,y)\,dxG(y):=Rd1f(x,y)dxG(y):=\int_{\mathbb R^{d_1}} f(x,y)\,dx 代替 gk,gg_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

Rd2 ⁣(Rd1f(x,y)dx)dy=Rdf, \int_{\mathbb R^{d_2}}\!\Big(\int_{\mathbb R^{d_1}} f(x,y)\,dx\Big)dy=\int_{\mathbb R^{d}} f,
以及几乎所有 yyf(,y)L1(Rd1)f(\cdot,y)\in L^1(\mathbb R^{d_1})GL1(Rd2)G\in L^1(\mathbb R^{d_2}),即 (i),(ii),(iii)(\mathrm i'),(\mathrm{ii}'),(\mathrm{iii}')

两序条件皆已验证,按 F\mathcal F 之定义得约化后的非负极限属 F\mathcal F;再回溯两步约化(约化二经 f=h+f1f=h+f_1、约化一经标量 1-1,均借步骤 1),即得原序列的极限 fFf\in\mathcal F\qquad\blacksquare


第 4 题

结论

Rn\mathbb{R}^nn1n\ge 1)中,两两内积为负的非零向量个数的最大值为

mmax=n+1. m_{\max}=n+1.
即:存在 n+1n+1 个向量满足对一切 iji\ne jvi,vj<0\langle v_i,v_j\rangle<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(上界不可超)。

关于非零性。 若某 vi=0v_i=\mathbf 0,则对任意 jjvi,vj=0\langle v_i,v_j\rangle=0,不满足 <0<0。故条件“两两内积 <0<0”已自动蕴含所有向量非零;下文凡用到 v0v\ne\mathbf 0 之处即据此。

下界:在 Rn\mathbb{R}^n 中直接构造 n+1n+1 个两两负内积的向量

直接在 Rn\mathbb{R}^n 的标准坐标下给出构造。设 e1,,ene_1,\dots,e_n 为标准基,1=(1,,1)Rn\mathbf 1=(1,\dots,1)\in\mathbb{R}^nnn 维全 11 向量),定义

vi=ei12n1(i=1,,n),vn+1=1. v_i=e_i-\frac{1}{2n}\,\mathbf 1\quad(i=1,\dots,n),\qquad v_{n+1}=-\mathbf 1.
这是 Rn\mathbb{R}^n 中实打实的 n+1n+1 个向量。利用 ei,ej=δij\langle e_i,e_j\rangle=\delta_{ij}ei,1=1\langle e_i,\mathbf 1\rangle=11,1=n\langle\mathbf 1,\mathbf 1\rangle=n,逐类验证两两内积严格为负。

(a) 两个 vi,vjv_i,v_j1i<jn1\le i<j\le n).

vi,vj=ei12n1, ej12n1=ei,ej012nei,112n1,ej+14n21,1=012n12n+14n2n=1n+14n=34n < 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}

(b) viv_ivn+1v_{n+1}1in1\le i\le n).

vi,vn+1=ei12n1, 1=ei,1+12n1,1=1+12nn=1+12=12 < 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.

故全部 (n+12)\binom{n+1}{2} 对内积均严格为负。(各向量自动非零:vn+1=10v_{n+1}=-\mathbf 1\ne\mathbf 0,而每个 viv_i 的第 ii 个坐标为 112n>01-\tfrac1{2n}>0,故 vi0v_i\ne\mathbf 0。)因此 Rn\mathbb{R}^n 中确有 n+1n+1 个两两内积为负的向量,mmaxn+1m_{\max}\ge n+1

几何背景. 上述构造即 Rn\mathbb{R}^nnn-单纯形的顶点方向:正 nn-单纯形有 n+1n+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 Rn+1\mathbb{R}^{n+1} 中取 pi=ei1n+11p_i=e_i-\tfrac1{n+1}\mathbf 1 落在 nn 维超平面 1Rn\mathbf 1^\perp\cong\mathbb{R}^n 内,得 pi,pj=1n+1\langle p_i,p_j\rangle=-\tfrac1{n+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+2n+2

命题.v1,,vmRnv_1,\dots,v_m\in\mathbb{R}^n 满足 vi,vj<0\langle v_i,v_j\rangle<0ij\forall\,i\ne j),则 mn+1m\le n+1

对维数 nn 作归纳,命题对任意 nn 维实内积空间成立。

归纳基础 n=1n=1.R1=R\mathbb{R}^1=\mathbb{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 viv_i 为非零实数,符号取 ++-。若有三个 v1,v2,v3v_1,v_2,v_3,由抽屉原理必有两个同号,其乘积 >0>0,矛盾。故 m2=1+1m\le 2=1+1,基础成立。

归纳步骤. 设命题对任意 (n1)(n-1) 维实内积空间成立(n2n\ge 2)。给定 Rn\mathbb{R}^n 中两两负内积的 v1,,vmv_1,\dots,v_m。当 m1m\le 1mn+1m\le n+1n1n\ge 1)平凡成立,故设 m2m\ge 2;此时各向量非零,特别地 vm0v_m\ne\mathbf 0vm2>0\|v_m\|^2>0

i=1,,m1i=1,\dots,m-1 作沿 vmv_m 方向的正交分解

vi=wi+civm,ci=vi,vmvm2,wi=vicivm, 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,
wi,vm=vi,vmcivm2=0\langle w_i,v_m\rangle=\langle v_i,v_m\rangle-c_i\|v_m\|^2=0,即 wivmw_i\in v_m^{\perp}。由 vi,vm<0\langle v_i,v_m\rangle<0vm2>0\|v_m\|^2>0
ci<0(i=1,,m1). c_i<0\qquad(i=1,\dots,m-1).

投影后仍两两负内积。1i<jm11\le i<j\le m-1,利用 wi,vm=vm,wj=0\langle w_i,v_m\rangle=\langle v_m,w_j\rangle=0

vi,vj=wi+civm, wj+cjvm=wi,wj+cjwi,vm0+civm,wj0+cicjvm2=wi,wj+cicjvm2, \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}
移项得 wi,wj=vi,vjcicjvm2\langle w_i,w_j\rangle=\langle v_i,v_j\rangle-c_ic_j\|v_m\|^2。逐项判号:vi,vj<0\langle v_i,v_j\rangle<0(题设);ci<0, cj<0cicj>0c_i<0,\ c_j<0\Rightarrow c_ic_j>0,又 vm2>0\|v_m\|^2>0,故 cicjvm2>0c_ic_j\|v_m\|^2>0。于是
wi,wj=vi,vj<0cicjvm2>0 < 0(ij), \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),
不等式严格(负数减正数仍为负)。

关于 wiw_i 非零。m12m-1\ge 2 时,对任意 iji\ne j 已证 wi,wj<0\langle w_i,w_j\rangle<0,而两两负内积自动蕴含每个 wi0w_i\ne\mathbf 0(零向量与任何向量内积为 00)。故 w1,,wm1w_1,\dots,w_{m-1} 是非零向量。(注意 wiw_i 完全可能为零——例如 viv_ivmv_m 的负倍——但这只在 m11m-1\le 1 时无须排除,而那时 m2n+1m\le 2\le n+1 已平凡成立。)

降维与归纳。vm0v_m\ne\mathbf 0,正交补 vmv_m^{\perp} 恰是 Rn\mathbb{R}^n(n1)(n-1) 维线性子空间,配以 Rn\mathbb{R}^n 的限制内积即为一个 (n1)(n-1) 维实内积空间。w1,,wm1w_1,\dots,w_{m-1} 在其中两两负内积,故由归纳假设

m1(n1)+1=n,mn+1. m-1\le (n-1)+1=n,\qquad\text{即}\qquad m\le n+1.
归纳完成,命题对一切 n1n\ge 1 成立。\qquad\blacksquare

由此 mmaxn+1m_{\max}\le n+1;结合下界,

mmax=n+1. \boxed{\,m_{\max}=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).u1,,uNRdu_1,\dots,u_N\in\mathbb{R}^d 两两内积 <0<0。则它们的任一非平凡线性关系 iaiui=0\sum_{i}a_iu_i=\mathbf 0 中,所有非零系数必同号

证. 按系数符号分组 P={i:ai>0}P=\{i:a_i>0\}N={j:aj<0}N=\{j:a_j<0\}(系数为 00 的项丢弃),令

p=iPaiui,q=jN(aj)uj, p=\sum_{i\in P}a_iu_i,\qquad q=\sum_{j\in N}(-a_j)u_j,
两组系数均为正。由 iaiui=0\sum_i a_iu_i=\mathbf 0p=qp=q。若 P,NP,N 均非空,则
p,q=iPjNai(aj)ui,uj. \langle p,q\rangle=\sum_{i\in P}\sum_{j\in N}a_i(-a_j)\,\langle u_i,u_j\rangle .
其中 iP,jNi\in P,\,j\in N 必有 iji\ne jPN=P\cap N=\varnothing),故每个 ui,uj<0\langle u_i,u_j\rangle<0,而 ai>0, aj>0a_i>0,\ -a_j>0,于是每项严格 <0<0 且至少一项,得 p,q<0\langle p,q\rangle<0。但 p=qp=q 又给 p,q=p20\langle p,q\rangle=\|p\|^2\ge 0,矛盾。故 P,NP,N 不同时非空,即所有非零系数同号。\square

由引理得上界。v1,,vmRnv_1,\dots,v_m\in\mathbb{R}^n 两两负内积,反设 mn+2m\ge n+2。把它们排成 n×mn\times m 矩阵,其零空间维数 mn2\ge m-n\ge 2。任一维数 2\ge 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)。取这样的系数向量 (ai)(a_i),即得一条非平凡关系 iaivi=0\sum_i a_iv_i=\mathbf 0,其正系数集 PP 与负系数集 NN 均非空。这与引理矛盾。

mn+1m\le 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,NP,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 ipi=0\sum_i p_i=\mathbf 0

结论汇总

因此 Rn\mathbb{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}



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

二、线性算子与泛函

三、极限的上下确界

四、Baire 纲(开头 Terminologies 与 Q5 用到)

AXA\subseteq X(度量空间)。



泛函分析卷 · Q1(求导算子:无界但有闭图像)

题目

问题 1(20 分).XX[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

  1. 证明:由 Df:=fDf:=f' 给出的线性映射 D:XC[0,1]D:X\to C[0,1]无界的。
  2. 证明:DD 具有闭图像。(这与闭图像定理矛盾吗?为什么?)

解答

X=(C1[0,1], )X=\big(C^1[0,1],\ \|\cdot\|_\infty\big),即 [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=supx[0,1]f(x).\|f\|_\infty=\sup_{x\in[0,1]}|f(x)|.
到达域取 (C[0,1], )\big(C[0,1],\ \|\cdot\|_\infty\big),配同一上确界范数。考虑求导算子
D:XC[0,1],Df:=f.D:X\to C[0,1],\qquad Df:=f'.
注意 XXC[0,1]C[0,1] 用的是同一个上确界范数,区别只在 XX 的元素额外要求有连续导数。DD 线性,因为对 f,gXf,g\in Xa,bRa,b\in\mathbb R(af+bg)=af+bg(af+bg)'=af'+bg';又 fC1f\in C^1 保证 fC[0,1]f'\in C[0,1],故 DD 有定义且取值确在 C[0,1]C[0,1] 中。

(1) DD 无界

有界的定义。 线性算子 T:(X,)(Y,)T:(X,\|\cdot\|)\to(Y,\|\cdot\|) 称为有界,若存在常数 C0C\ge 0 使 TfCf\|Tf\|\le C\|f\| 对一切 fXf\in X 成立;此时最小的这种 CC 记为 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)DD 有界,则有某常数 CC 使 DfCf\|Df\|_\infty\le C\|f\|_\infty一切 fXf\in X 成立。于是只要能找到一列 fnXf_n\in Xfn≢0f_n\not\equiv 0)使比值 Dfn/fn\|Df_n\|_\infty/\|f_n\|_\infty 无上界,便与"存在统一的 CC"矛盾,从而 DD 无界。下面的 fn=xnf_n=x^n 比值恰为 nn,故无须任何归一化或抽子列的技巧。

fn(x)=xn (n1)f_n(x)=x^n\ (n\ge 1)。每个 fnf_n[0,1][0,1]CC^\infty,故 fnXf_n\in X,且 fn(x)=nxn1f_n'(x)=n\,x^{n-1}

注(为何 xn=1\|x^n\|_\infty=1 因为 0x10xn10\le x\le 1\Rightarrow 0\le x^n\le 1(上界 11),又 x=1x=1 处取到 11(达到上界),所以 sup=1\sup=1。这是精确等式而非估计,故下面的比值毫无含糊。

(这里用"上界 ++ 端点取到"叙述,对 n=1n=1 的常函数 f11f_1'\equiv 1 同样给出 sup=1=n\sup=1=n,无需讨论单调性。)

(2) DD 有闭图像

图像与"闭"的精确含义。 DD 的图像是

Γ(D)={(f,Df):fX}={(f,f):fX}X×C[0,1].\Gamma(D)=\{(f,Df):f\in X\}=\{(f,f'):f\in X\}\subset X\times C[0,1].
乘积空间 X×C[0,1]X\times C[0,1] 配范数 (f,g):=f+g\|(f,g)\|:=\|f\|_\infty+\|g\|_\infty。称 Γ(D)\Gamma(D) ,是指:若序列 (fn,Dfn)Γ(D)(f_n,Df_n)\in\Gamma(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],则 (f,g)Γ(D)(f,g)\in\Gamma(D),即 fXf\in Xf=gf'=g

注(分量刻画) 在乘积范数 (f,g)=f+g\|(f,g)\|=\|f\|_\infty+\|g\|_\infty 下,(fn,Dfn)(f,g)(f_n,Df_n)\to(f,g) 当且仅当 fnf0\|f_n-f\|_\infty\to 0fng0\|f_n'-g\|_\infty\to 0(因 max(fnf,fng)(fnf,fng)fnf+fng\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,两端同趋于 00)。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) 在乘积空间 X×C[0,1]X\times 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 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(fnff_n\to f 一致、fngf_n'\to 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)  f2+g2  f+g  2max(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)
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 fnff_n\to f 就有 DfnDfDf_n\to Df。而"闭图像"只在额外假设 DfnDf_n 也收敛(到某 gg)的前提下,才断言极限自洽(g=Dfg=Dfff 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) 闭(微积分基本定理 ++ 一致收敛交换积分,不黑箱)。fnXf_n\in Xfnff_n\to f 一致,fngf_n'\to g 一致,其中 gC[0,1]g\in C[0,1](一致收敛的极限保连续,是基础分析事实)。要证 fC1[0,1]f\in C^1[0,1]f=gf'=g

第一步(对每个 fnf_n 用微积分基本定理)。fnC1[0,1]f_n\in C^1[0,1]fnf_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]

fn(x)=fn(0)+0xfn(t)dt.(\ast)f_n(x)=f_n(0)+\int_0^x f_n'(t)\,dt.\tag{\ast}

第二步(积分项一致收敛)。 对每个 x[0,1]x\in[0,1]

0xfn(t)dt0xg(t)dt=0x(fn(t)g(t))dt0xfn(t)g(t)dtfngxfng.\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.
右端与 xx 无关且 0\to 0(因 fngf_n'\to g 一致),故
0xfn(t)dtn0xg(t)dt(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}).

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

第三步(取极限)。()(\ast) 中令 nn\to\infty。由 fnff_n\to f 一致知 fn(x)f(x)f_n(x)\to f(x)(逐点)且 fn(0)f(0)f_n(0)\to f(0);积分项由第二步收敛。故对每个 x[0,1]x\in[0,1]

f(x)=f(0)+0xg(t)dt.(\ast\ast)f(x)=f(0)+\int_0^x g(t)\,dt.\tag{\ast\ast}

第四步(再用微积分基本定理反推光滑性)。 gC[0,1]g\in C[0,1] 连续,由微积分基本定理,变上限积分 G(x):=0xg(t)dtG(x):=\int_0^x g(t)\,dt[0,1][0,1] 上处处可导且 G(x)=g(x)G'(x)=g(x)。由 ()(\ast\ast)f=f(0)+Gf=f(0)+G,故 ff 可导且 f(x)=g(x)f'(x)=g(x),又 gg 连续,所以 f=gC[0,1]f'=g\in C[0,1],即 fC1[0,1]=Xf\in C^1[0,1]=X,且 Df=f=gDf=f'=g

于是 (f,g)=(f,Df)Γ(D)(f,g)=(f,Df)\in\Gamma(D)。故 Γ(D)\Gamma(D) 闭,DD 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。E,FE,F 均为 Banach 空间(即完备赋范空间)T:EFT:E\to F 线性。若 TT 的图像 Γ(T)\Gamma(T)E×FE\times F 中闭,则 TT 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:

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=(C1[0,1],)X=(C^1[0,1],\|\cdot\|_\infty) 不完备。 只需给出一列在 \|\cdot\|_\infty 下 Cauchy、但极限不属于 XX 的函数。取

fn(x)=(x12)2+1n(n1).f_n(x)=\sqrt{\Big(x-\tfrac12\Big)^2+\tfrac1n}\qquad(n\ge 1).

(a) fnXf_n\in X 被开方量 (x12)2+1n1n>0\big(x-\tfrac12\big)^2+\tfrac1n\ge\tfrac1n>0[0,1][0,1] 上处处为正,平方根在正数处光滑,故 fnCC1f_n\in C^\infty\subset C^1

fn(x)=x12(x12)2+1nC[0,1].f_n'(x)=\frac{x-\tfrac12}{\sqrt{(x-\tfrac12)^2+\tfrac1n}}\in C[0,1].

(b) fnf_n 一致收敛到 φ(x):=x12\varphi(x):=\big|x-\tfrac12\big|a=x12a=x-\tfrac12,用 uv=uvu+v\sqrt u-\sqrt v=\dfrac{u-v}{\sqrt u+\sqrt v}u=a2+1n, v=a2u=a^2+\tfrac1n,\ v=a^2v=a\sqrt v=|a|):

0fn(x)φ(x)=1na2+1n+a1na2+1n1n1n=1n.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}.
右端与 xx 无关,故 fnφ1/n0\|f_n-\varphi\|_\infty\le 1/\sqrt n\to 0,即 fnφf_n\to\varphi 一致。(误差上确界在 x=12x=\tfrac12 处取到,恰为 1/n1/\sqrt n,与估计吻合。)

(c) {fn}\{f_n\}\|\cdot\|_\infty 下 Cauchy。 收敛列必为 Cauchy 列:

fnfmfnφ+φfm1n+1m0.\|f_n-f_m\|_\infty\le\|f_n-\varphi\|_\infty+\|\varphi-f_m\|_\infty\le\frac1{\sqrt n}+\frac1{\sqrt m}\to 0.

(d) 极限不在 XX φ(x)=x12\varphi(x)=\big|x-\tfrac12\big|x=12x=\tfrac12 不可导(左导数 1-1、右导数 +1+1,不相等),故 φC1[0,1]=X\varphi\notin C^1[0,1]=X

(e) 反证。XX 完备,则 Cauchy 列 {fn}\{f_n\}XX 中收敛到某 hXh\in X,即 fnh0\|f_n-h\|_\infty\to 0。但同一序列在 C[0,1]C[0,1] 中又收敛到 φ\varphi(由 (b)),而度量空间中极限唯一:

hφhfn+fnφ0  h=φ.\|h-\varphi\|_\infty\le\|h-f_n\|_\infty+\|f_n-\varphi\|_\infty\to 0\ \Rightarrow\ h=\varphi.
于是 φ=hX\varphi=h\in X,与 (d) 矛盾。故 XX 不完备\blacksquare

小结。 DD 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 (C1[0,1],)(C^1[0,1],\|\cdot\|_\infty) 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).X~\tilde XC[0,1]C[0,1](照例赋上确界范数)的一个子空间,且 X~\tilde X 中每个元素都具有连续导数。证明:X~\tilde 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] 有界;然后或构造显式线性单射 X~RN\tilde X\hookrightarrow\mathbb R^N,或用 F. Riesz 引理论证。

解答

X~\widetilde X(C[0,1],)\big(C[0,1],\|\cdot\|_\infty\big)子空间,且 X~C1[0,1]\widetilde X\subset C^1[0,1](即 X~\widetilde X 中每个元素都有连续导数)。证明 dimX~<\dim\widetilde X<\infty

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] 有界,再用这个界构造一个显式线性单射 X~RN+1\widetilde X\hookrightarrow\mathbb R^{N+1},从而 dimX~N+1<\dim\widetilde X\le N+1<\infty

第一步:D:X~C[0,1]D:\widetilde X\to C[0,1] 有界(这次闭图像定理真能用)

X~\widetilde X 是 Banach 空间。 逐条说清:

  1. C[0,1]C[0,1]\|\cdot\|_\infty 完备(Banach,同 Q1)。
  2. X~\widetilde XC[0,1]C[0,1]子空间(题设)。
  3. 完备度量空间的闭子集本身完备:若 {fn}X~\{f_n\}\subset\widetilde X Cauchy,则在 C[0,1]C[0,1] 中(因完备)收敛到某 fC[0,1]f\in C[0,1];又 X~\widetilde X 闭,极限 fX~f\in\widetilde X。故 X~\widetilde X 中 Cauchy 列在 X~\widetilde X 内收敛。
  4. 因此 X~\widetilde X 完备,是 Banach 空间。✓

注(这里第一次用到"X~\widetilde 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。

DD 有闭图像。 D:X~C[0,1]D:\widetilde X\to C[0,1]Df=fDf=f'(对 fX~C1f\in\widetilde X\subset C^1 有定义),线性。证图像闭:设 fnX~f_n\in\widetilde Xfnff_n\to f 一致,fngf_n'\to g 一致。

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 ff 可导、f=gf'=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\Rightarrow 一致极限 fX~f\in\widetilde X"这一句,用以确认 ff 属于定义域。两个作用点须分清。

于是 (f,g)=(f,Df)Γ(D)(f,g)=(f,Df)\in\Gamma(D),图像闭。

应用闭图像定理。 定义域 X~\widetilde X 与到达域 C[0,1]C[0,1] 均为 BanachDD 线性且图像闭,故由闭图像定理,DD 有界:存在常数 M0M\ge 0 使

fMf(fX~).(\dagger)\|f'\|_\infty\le M\,\|f\|_\infty\qquad(\forall f\in\widetilde X).\tag{\dagger}

注(为何 Q1 不矛盾而 Q2 能用闭图像定理) 同一个求导算子 DD、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=(C1[0,1],)X=(C^1[0,1],\|\cdot\|_\infty) 不完备 \Rightarrow 闭图像定理不适用 \Rightarrow DD 无界
  • Q2:X~\widetilde XC[0,1]C[0,1]子空间 \Rightarrow 完备(Banach)\Rightarrow 闭图像定理适用 \Rightarrow DD 有界

正是"完备/Banach"这一前提,把闭图像兑换成了有界性。

注(M=0M=0 平凡情形)M=0M=0,则一切 fX~f\in\widetilde X 满足 f0f'\equiv 0,即 ff 为常数,X~\widetilde X 至多一维,已是有限维。故以下不妨设 M>0M>0

第二步:显式网格单射 Φ:X~RN+1\Phi:\widetilde X\to\mathbb R^{N+1},证有限维

构造。 取整数 N>MN>M,例如 N=M+1N=\lfloor M\rfloor+1(则 N1N\ge 10<MN<10<\tfrac MN<1)。设等距网格点

xj=jN(j=0,1,,N),x_j=\frac jN\qquad(j=0,1,\dots,N),
它们把 [0,1][0,1] 分成 NN 个长为 1N\tfrac1N 的小区间 [xj,xj+1][x_j,x_{j+1}]。定义线性映射
Φ:X~RN+1,Φ(f)=(f(x0),f(x1),,f(xN)).\Phi:\widetilde X\to\mathbb R^{N+1},\qquad \Phi(f)=\big(f(x_0),f(x_1),\dots,f(x_N)\big).
Φ\Phi 线性显然(每个分量是在固定点处的求值,关于 ff 线性)。

Φ\Phi 单射。fX~f\in\widetilde XΦ(f)=0\Phi(f)=0,即 f(xj)=0f(x_j)=0 对所有 j=0,,Nj=0,\dots,N。任取 x[0,1]x\in[0,1];因 [0,1]=j=0N1[xj,xj+1][0,1]=\bigcup_{j=0}^{N-1}[x_j,x_{j+1}],存在某 jj 使 x[xj,xj+1]x\in[x_j,x_{j+1}],于是 xx 到其左侧网格点的距离满足

0xxjxj+1xj=1N.0\le x-x_j\le x_{j+1}-x_j=\frac1N.
由微积分基本定理(fC1f\in C^1)、f(xj)=0f(x_j)=0()(\dagger)
f(x)=f(x)f(xj)=xjxf(t)dtxjxf(t)dtf(xxj)1NfMNf.|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.
此式对一切 x[0,1]x\in[0,1] 成立,对左端取上确界:
fMNf,(1MN)f0.\|f\|_\infty\le\frac MN\,\|f\|_\infty,\qquad\text{即}\quad\Big(1-\frac MN\Big)\|f\|_\infty\le 0.
MN<1\tfrac MN<1,系数 1MN>01-\tfrac MN>0,迫使 f=0\|f\|_\infty=0,即 f0f\equiv 0。故 kerΦ={0}\ker\Phi=\{0\}Φ\Phi 单射。\blacksquare

注(为何 NN 必须严格大于 MM 我们要从 fMNf\|f\|_\infty\le\tfrac MN\|f\|_\infty 挤出 f=0f=0,这需要压缩系数 MN\tfrac MN 严格小于 11。若只取 N=MN=M(设 MM 为整数),则 MN=1\tfrac MN=1,不等式 ff\|f\|\le\|f\| 恒真而无任何信息,推不出 f=0f=0。严格性正卡在这里——这就是取 N=M+1N=\lfloor M\rfloor+1 的全部用意。

注("到最近左网格点距离 1/N\le 1/N") 每个 xx 必落在某 [xj,xj+1][x_j,x_{j+1}],故到左端点 xjx_j 的距离不超过区间长 1N\tfrac1N;这把 f(x)=f(x)f(xj)|f(x)|=|f(x)-f(x_j)| 控制在 1Nf\tfrac1N\|f'\|_\infty 以内。(取最近网格点可得更紧的 12N\tfrac1{2N},但 1N\tfrac1N 已足够。)

结论:X~\widetilde X 有限维。 Φ\Phi 线性且单射,故 kerΦ={0}\ker\Phi=\{0\},由秩–零化度定理 dimX~=dimΦ(X~)\dim\widetilde X=\dim\Phi(\widetilde X)(即 X~\widetilde X 与像 Φ(X~)RN+1\Phi(\widetilde X)\subset\mathbb R^{N+1} 线性同构)。等价地:X~\widetilde X 中任取 N+2N+2 个向量,其像在 RN+1\mathbb 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 中线性无关向量至多 N+1N+1 个。无论哪种说法,皆得

dimX~=dimΦ(X~)dimRN+1=N+1<.\dim\widetilde X=\dim\Phi(\widetilde X)\le\dim\mathbb R^{N+1}=N+1<\infty.
X~\widetilde X 必为有限维。\blacksquare

注(显式维数上界)M=DM=\|D\|()(\dagger) 中最小可行常数)、N=D+1N=\lfloor\|D\|\rfloor+1,即得 dimX~D+2\dim\widetilde X\le\lfloor\|D\|\rfloor+2;对任意满足 ()(\dagger)MM 同法得 dimX~M+2\dim\widetilde X\le\lfloor M\rfloor+2,最紧界由 M=DM=\|D\| 给出。结论只需"有限",故 N+1N+1 这个上界已足。

备选路线(Riesz 引理,仅备述,不作主线)()(\dagger)X~\widetilde X 单位球内的 ff 满足 f1\|f\|_\infty\le 1f(x)f(y)=yxfMxy|f(x)-f(y)|=\big|\int_y^x f'\big|\le M|x-y|(公共 Lipschitz 常数 MM,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 DD 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:(C1[0,1],)(C^1[0,1],\|\cdot\|_\infty) 不完备(Q1,闭图像定理失效、DD 无界),而 C[0,1]C[0,1] 的闭子空间完备(Q2,闭图像定理生效、DD 有界),有界性再经显式取样单射榨出有限维 dimX~M+2\dim\widetilde X\le\lfloor M\rfloor+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).X,YX,Y 为 Banach 空间,TB(X,Y)T\in\mathcal B(X,Y)。证明下列各条等价:

  1. TTYY 中有闭值域
  2. TT 看作映射 T:Xran(T)T:X\to\operatorname{ran}(T) 时,它是开映射
  3. 存在常数 M>0M>0,使对每个 yran(T)y\in\operatorname{ran}(T),都存在 xT1{y}x\in T^{-1}\{y\}(即 Tx=yTx=y)满足 xXMy\|x\|_X\le M\|y\|

解答

0. 记号与术语约定

预备观察。TT 连续:

下面走循环 (1)(2)(3)(1)(1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(1),三步合起来即得三命题等价。


1. (1)(2)(1)\Rightarrow(2):闭值域 \Rightarrow 对值域是开映射

ran(T)\operatorname{ran}(T)YY 中闭。

第一步:ran(T)\operatorname{ran}(T) 自身是 Banach 空间。 我们一律给 ran(T)\operatorname{ran}(T) 配上 YY 的范数的限制(子空间范数 yran(T):=yY\|y\|_{\operatorname{ran}(T)}:=\|y\|_Y),这是等距的——量 ran(T)\operatorname{ran}(T) 中向量长度与在 YY 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 YY 范数的限制,ran(T)\operatorname{ran}(T) 上"小球""开集""收敛"与在 YY 中度量得到的完全相同。故第 2 节里用 yY\|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) 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 (zn)ran(T)(z_n)\subseteq\operatorname{ran}(T) 在此范数下 Cauchy,则它在 YY 中也 Cauchy,由 YY 完备收敛到某 zYz\in Y;由 ran(T)\operatorname{ran}(T) 闭,极限 zran(T)z\in\operatorname{ran}(T)。故 ran(T)\operatorname{ran}(T) 中每个 Cauchy 列在其内部收敛,即 ran(T)\operatorname{ran}(T) 完备,是 Banach 空间

第二步:把 TT 看作到 ran(T)\operatorname{ran}(T) 的映射,它是有界线性满射。 定义 T~:Xran(T)\widetilde T:X\to \operatorname{ran}(T)T~x:=Tx\widetilde Tx:=Tx(仅把到达域换成 ran(T)\operatorname{ran}(T),赋值不变)。则

第三步:精确陈述并核验开映射定理。

开映射定理。E,FE,F 均为 Banach 空间SB(E,F)S\in B(E,F)满射。则 SS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 FF 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=k1S(BE(0,k))F=\bigcup_{k\ge1}\overline{S\big(B_E(0,k)\big)},得某 S(BE(0,k))\overline{S(B_E(0,k))} 含内点,进而 S(BE(0,1))\overline{S(B_E(0,1))} 含一个以 00 为心的小球;(ii) 再用定义域 EE 完备,做一次级数迭代把闭包去掉,得到 S(BE(0,1))S(B_E(0,1)) 本身含 00 的邻域。故 FF 的完备性用于 Baire 一步、EE 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:=XE:=XF:=ran(T)F:=\operatorname{ran}(T)S:=T~S:=\widetilde T):

  1. 定义域完备E=XE=X 是 Banach 空间。✓
  2. 到达域完备F=ran(T)F=\operatorname{ran}(T) 由第一步是 Banach 空间。✓(此处用到 (1) 的"闭"假设)
  3. S=T~S=\widetilde T 有界线性满射:由第二步。✓

前提全部满足,故 T~:Xran(T)\widetilde T:X\to\operatorname{ran}(T)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)。商空间 X/ker(T)X/\ker(T):把 XX 中相差一个 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),赋商范数 [x]:=infzker(T)xz\|[x]\|:=\inf_{z\in\ker(T)}\|x-z\|。因 ker(T)\ker(T) 是闭子空间,商范数确为范数且 X/ker(T)X/\ker(T) 是 Banach 空间。TT 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]:=Tx\widehat T[x]:=Tx,且有界。由开映射定理,T^\widehat T 开,故双射 T^\widehat T 的逆连续——这给出 (3) 中常数 MM 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\Rightarrow T^1\widehat T^{-1} 把开集 =T^(开集)=\widehat T(\text{开集}) 映成开集 \Rightarrow T^1\widehat 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):开映射 \Rightarrow 原像可一致有界地选取

T~:Xran(T)\widetilde T:X\to\operatorname{ran}(T) 开。记开单位球 BX(0,1):={x:xX<1}B_X(0,1):=\{x:\|x\|_X<1\}

第一步:开性给出"小球被覆盖"。 BX(0,1)B_X(0,1)XX 的开集,故其像 T~(BX(0,1))\widetilde T\big(B_X(0,1)\big)ran(T)\operatorname{ran}(T) 中的开集。又 0=T~(0)0=\widetilde T(0)0BX(0,1)0\in B_X(0,1),故 00 属于该像。开集含 00,按"开"的定义存在半径 r>0r>0 使

{yran(T):y<r}  T~(BX(0,1)).(\ast) \{y\in\operatorname{ran}(T):\|y\|<r\}\ \subseteq\ \widetilde T\big(B_X(0,1)\big).\tag{\ast}
M:=2r>0M:=\dfrac{2}{r}>0 下面对每个 yran(T)y\in\operatorname{ran}(T) 造出 xx,使 Tx=yTx=yxMy\|x\|\le M\|y\|

第二步:y=0y=0x=0x=0,则 Tx=0=yTx=0=yx=0M0\|x\|=0\le M\cdot0。✓

第三步:y0y\neq0 的缩放。

y:=r2yyran(T),y=r2yy=r2<r. y':=\frac{r}{2\|y\|}\,y\in\operatorname{ran}(T),\qquad \|y'\|=\frac{r}{2\|y\|}\,\|y\|=\frac r2<r.
()(\ast)yT~(BX(0,1))y'\in\widetilde T\big(B_X(0,1)\big),即存在 xx' 满足 x<1\|x'\|<1严格)使 Tx=yTx'=y'

注(为何能取严格 x<1\|x'\|<1)。 ()(\ast) 把开球 {y<r}\{\|y\|<r\} 装进单位球的像,像里的点恰是某个满足 x<1\|x'\|<1xx' 之像,故严格不等号天然成立——这也使最终 x<My\|x\|<M\|y\|(比 \le 更强)。

放大:令 x:=2yrxx:=\dfrac{2\|y\|}{r}\,x'。则由线性

Tx=2yrTx=2yry=2yrr2yy=y, Tx=\frac{2\|y\|}{r}\,Tx'=\frac{2\|y\|}{r}\,y'=\frac{2\|y\|}{r}\cdot\frac{r}{2\|y\|}\,y=y,
x=2yrx<2yr1=2ry=My. \|x\|=\frac{2\|y\|}{r}\,\|x'\|<\frac{2\|y\|}{r}\cdot1=\frac 2r\,\|y\|=M\|y\|.

综合三步:对一切 yran(T)y\in\operatorname{ran}(T),存在 xT1{y}x\in T^{-1}\{y\} 使 xXMy\|x\|_X\le M\|y\|y=0y=0 取等号,y0y\neq0 严格小于)。这就是 (3),常数 M=2/rM=2/r 来历明确,且同一个 MM 对所有 yy 通用——这就是"一致"二字的含义。\qquad\blacksquare


3. (3)(1)(3)\Rightarrow(1):原像一致有界 \Rightarrow 闭值域(核心用 XX 完备)

设 (3) 成立,常数 M>0M>0。要证 ran(T)\operatorname{ran}(T) 闭,即:若 ynran(T)y_n\in\operatorname{ran}(T)ynyYy_n\to y\in Y,则 yran(T)y\in\operatorname{ran}(T)

第一步:抽快速收敛子列。 yny_n 收敛故为 Cauchy 列。归纳抽标号 n1<n2<n_1<n_2<\cdots 使

ynk+1ynk<2k(k1). \|y_{n_{k+1}}-y_{n_k}\|<2^{-k}\qquad(k\ge1).
(可行:由 Cauchy 性,对每个 ε=2k\varepsilon=2^{-k} 存在 NkN_k 使 m,nNkm,n\ge N_kymyn<2k\|y_m-y_n\|<2^{-k};依次取 nkmax(Nk,nk1+1)n_k\ge\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) 是线性子空间,故差

dk:=ynk+1ynkran(T). d_k:=y_{n_{k+1}}-y_{n_k}\in\operatorname{ran}(T).
由 (3),存在 ukXu_k\in X 使 Tuk=dkTu_k=d_kukMdk<M2k\|u_k\|\le M\|d_k\|<M\,2^{-k}。又 yn1ran(T)y_{n_1}\in\operatorname{ran}(T),取 x1x_1 使 Tx1=yn1Tx_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)。

x(k):=x1+j=1k1uj(k1, 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).
由线性,
Tx(k)=Tx1+j=1k1Tuj=yn1+j=1k1dj. Tx_{(k)}=Tx_1+\sum_{j=1}^{k-1}Tu_j=y_{n_1}+\sum_{j=1}^{k-1}d_j.

注(telescoping 展开)。 把差代入并逐项写开:

j=1k1dj=j=1k1(ynj+1ynj)=(yn2yn1)+(yn3yn2)++(ynkynk1). \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}}).
中间每个 ynjy_{n_j}2jk12\le j\le k-1)各以一正一负出现而抵消,只剩首尾:j=1k1dj=ynkyn1\sum_{j=1}^{k-1}d_j=y_{n_k}-y_{n_1}

代回得

Tx(k)=yn1+(ynkyn1)=ynk.(\dagger) Tx_{(k)}=y_{n_1}+(y_{n_k}-y_{n_1})=y_{n_k}.\tag{\dagger}

第四步:x(k)x_{(k)} 收敛(此处用 XX 完备)。 范数级数满足

j=1ujMj=12j=M<, \sum_{j=1}^{\infty}\|u_j\|\le M\sum_{j=1}^{\infty}2^{-j}=M<\infty,
即级数 juj\sum_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 XX 中,若 juj<\sum_j\|u_j\|<\infty,则部分和 Sm=j=1mujS_m=\sum_{j=1}^m u_j 收敛。 :对 p<qp<qSqSp=j=p+1qujj=p+1qujjp+1uj\|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\|,右端是收敛正项级数的尾段,当 p,qp,q\to\infty 趋于 00,故 (Sm)(S_m) 是 Cauchy 列;由 XX 完备,它收敛。\square

因此 x(k)=x1+Sk1x1+j1uj=:xXx_{(k)}=x_1+S_{k-1}\to x_1+\sum_{j\ge1}u_j=:x\in XXX 的完备性在此被用到,不可省。

第五步:用连续性收口。 TT 连续,对 ()(\dagger) 取极限:

Tx=limkTx(k)=limkynk. Tx=\lim_{k\to\infty}Tx_{(k)}=\lim_{k\to\infty}y_{n_k}.
而子列 ynky_{n_k} 是收敛列 ynyy_n\to y 的子列,子列极限等于原极限,故 limkynk=y\lim_k y_{n_k}=y。于是 Tx=yTx=y,即 yran(T)y\in\operatorname{ran}(T)

任意收敛于 YY 中点 yy 的值域序列,其极限都落回值域,故 ran(T)\operatorname{ran}(T) 闭,即 (1)。\qquad\blacksquare

灵魂回顾。 (1)(2)(1)\Rightarrow(2)完备性喂给 开映射定理(依赖两端完备 + Baire);(2)(3)(2)\Rightarrow(3) 是开性的纯几何缩放;(3)(1)(3)\Rightarrow(1) 再用 XX 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).B:={f:[0,)R: f 有界}\mathcal B:=\{f:[0,\infty)\to\mathbb R:\ f\text{ 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 上的一个线性泛函 LIMt\operatorname{LIM}_{t\to\infty},称为 Banach 极限,使得:

  1. 若(通常的)极限存在,则 LIMtf(t)=limtf(t)\operatorname{LIM}_{t\to\infty}f(t)=\lim_{t\to\infty}f(t)
  2. LIMt\operatorname{LIM}_{t\to\infty}B\mathcal B 上线性;
  3. 对任意 τ>0\tau>0fBf\in\mathcal BLIMtf(t+τ)=LIMtf(t)\operatorname{LIM}_{t\to\infty}f(t+\tau)=\operatorname{LIM}_{t\to\infty}f(t)
  4. 对任意 fBf\in\mathcal Blim infsf(s)LIMtf(t)lim supsf(s)\displaystyle\liminf_{s\to\infty}f(s)\le\operatorname{LIM}_{t\to\infty}f(t)\le\limsup_{s\to\infty}f(s)

提示. 可考虑如下正齐次次线性泛函 pp

p(f):=inf{β(f;t1,,tn): t1,,tn0; nN},p(f):=\inf\{\beta(f;t_1,\dots,t_n):\ t_1,\dots,t_n\ge 0;\ n\in\mathbb N\},
其中 β(f;t1,,tn):=lim supt1nj=1nf(t+tj)\displaystyle\beta(f;t_1,\dots,t_n):=\limsup_{t\to\infty}\frac1n\sum_{j=1}^n f(t+t_j)

解答

0. 记号与术语

预备小事实 lim sup(ϕ)=lim infϕ\limsup(-\phi)=-\liminf\phi(性质 (4) 要反复用,先单列证明)。 对每个 TT,由 suptT(ϕ(t))=inftTϕ(t)\sup_{t\ge T}(-\phi(t))=-\inf_{t\ge T}\phi(t)(取相反数把"求最大"翻成"求最小"),令 TT\to\infty:左端 lim supt(ϕ)\to\limsup_t(-\phi);右端 =inftTϕ(t)limTinftTϕ=lim inftϕ=-\inf_{t\ge T}\phi(t)\to-\lim_{T}\inf_{t\ge T}\phi=-\liminf_t\phiinftTϕ\inf_{t\ge T}\phi 单调不减且有界,极限存在等于 lim inf\liminf)。两端取极限相等,故 lim sup(ϕ)=lim infϕ\limsup(-\phi)=-\liminf\phi\square

按提示定义:对 tuple(位移点组)t1,,tn0t_1,\dots,t_n\ge0nN, n1n\in\mathbb N,\ n\ge1),

β(f;t1,,tn):=lim supt1nj=1nf(t+tj),p(f):=inf{β(f;t1,,tn): t1,,tn0, nN}. \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\}.

约定。 β\beta 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 jf(t+tj)\sum_j f(t+t_j) 对求和顺序不变,且重复项只是把某 f(t+tj)f(t+t_j) 多算几次)。下面第 3 节构造的 mlml 个点 wik=si+ukw_{ik}=s_i+u_k 即使有相等值,也是合法 tuple。

预判:为何取 inf\inf 而非 lim sup\limsup 本身? 单看 flim suptff\mapsto\limsup_t f 它已次线性,但不平移不变——平移差 fτff_\tau-flim sup\limsup 未必 0\le0。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(见性质 (3)),从而让 pp 同时压住 fτff_\tau-fffτf-f_\tau,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 的妙处。


1. pp 良定义且取值有限

β\beta 的界。 对任意 tuple,平均 1njf(t+tj)1njf(t+tj)f\big|\frac1n\sum_j f(t+t_j)\big|\le\frac1n\sum_j|f(t+t_j)|\le\|f\|(每项 f\le\|f\|)。取 lim supt\limsup_t(上界 f\|f\| 是常数,被夹的量其 lim sup\limsup 仍在区间内),下界同理,故

fβ(f;t1,,tn)f.(B) -\|f\|\le\beta(f;t_1,\dots,t_n)\le\|f\|.\tag{B}
定义 pp 的数集 非空(取平凡 tuple n=1, t1=0n=1,\ t_1=0 即有一个成员)且 下方有界(每个成员 f\ge-\|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\} 存在且有限,fp(f)f-\|f\|\le p(f)\le\|f\|

用平凡 tuple 定上界。n=1, t1=0n=1,\ t_1=0β(f;0)=lim suptf(t)\beta(f;0)=\limsup_t f(t)。由下确界 \le 任一成员,

p(f)β(f;0)=lim suptf(t) (f).(C) p(f)\le\beta(f;0)=\limsup_{t\to\infty}f(t)\ \big(\le\|f\|\big).\tag{C}
p(0)=0p(0)=0:每个 β(0;)=0\beta(0;\cdots)=0,下确界为 00


2. 引理 A(averaging 不增 limsup)

引理 A。h:[0,)Rh:[0,\infty)\to\mathbb R 有界,u1,,ul0u_1,\dots,u_l\ge0,则

lim supt1lk=1lh(t+uk)  lim supth(t). \limsup_{t\to\infty}\frac1l\sum_{k=1}^l h(t+u_k)\ \le\ \limsup_{t\to\infty}h(t).

先证两条子引理。

子引理 A1(lim sup\limsup 对有限和次可加)。 对有界 ϕ1,,ϕl\phi_1,\dots,\phi_l

lim suptk=1lϕk(t)  k=1llim suptϕk(t). \limsup_{t\to\infty}\sum_{k=1}^l\phi_k(t)\ \le\ \sum_{k=1}^l\limsup_{t\to\infty}\phi_k(t).
:先证 l=2l=2。对任意 T0T\ge0 与任意 tTt\ge T
(ϕ1+ϕ2)(t)suptTϕ1(t)+suptTϕ2(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}).
左端对 tTt\ge T 取上确界:suptT(ϕ1+ϕ2)(t)suptTϕ1+suptTϕ2\sup_{t\ge T}(\phi_1+\phi_2)(t)\le\sup_{t\ge T}\phi_1+\sup_{t\ge T}\phi_2。 现令 TT\to\infty:因 ϕ1,ϕ2\phi_1,\phi_2 有界,TsuptTϕi(t)T\mapsto\sup_{t\ge T}\phi_i(t) 单调不增且有下界,极限存在并等于 lim supϕi\limsup\phi_i;左端 TsuptT(ϕ1+ϕ2)T\mapsto\sup_{t\ge T}(\phi_1+\phi_2) 同样单调有界故极限存在。对此逐 TT 不等式两端取极限,利用"两极限均存在时 lim(AT+BT)=limAT+limBT\lim(A_T+B_T)=\lim A_T+\lim B_T"得
lim sup(ϕ1+ϕ2)lim supϕ1+lim supϕ2. \limsup(\phi_1+\phi_2)\le\limsup\phi_1+\limsup\phi_2.
ll 归纳:lim supk=1lϕklim supk=1l1ϕk+lim supϕlk=1llim supϕk\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\square

子引理 A2(平移不改 limsup)。 对有界 hhu0u\ge0lim supth(t+u)=lim supth(t)\displaystyle\limsup_{t\to\infty}h(t+u)=\limsup_{t\to\infty}h(t):对任意 T0T\ge0,换元 s=t+us=t+utt 跑遍 [T,)[T,\infty)ss 跑遍 [T+u,)[T+u,\infty)):suptTh(t+u)=supsT+uh(s)\sup_{t\ge T}h(t+u)=\sup_{s\ge T+u}h(s)。令 TT\to\infty,左端 lim supth(t+u)\to\limsup_t h(t+u),右端 supsT+uh(s)\sup_{s\ge T+u}h(s)T+uT+u\to\infty 趋于 lim supsh(s)\limsup_s h(s),故两者相等。\square

注。 A2 要 u0u\ge0,才能保证 t+u[0,)t+u\in[0,\infty),与题设 tuple 非负相符。

引理 A 之证。 一次性写出(常数 1l0\tfrac1l\ge0 不进 ϕk\phi_k,统一最后处理):先由 A1 把 lim sup\limsup 拆进和,再用"lim sup(cψ)=clim supψ\limsup(c\psi)=c\limsup\psic0c\ge0"(因 suptTcψ=csuptTψ\sup_{t\ge T}c\psi=c\sup_{t\ge T}\psi,取极限)把 1l\tfrac1l 提出:

lim supt1lk=1lh(t+uk) A1 1lk=1llim supth(t+uk) =A2 1lk=1llim supth(t)=lim supth(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).
\qquad\blacksquare


3. pp 是次线性泛函

β\beta 关于非负标量正齐次。λ0\lambda\ge01nj(λf)(t+tj)=λ1njf(t+tj)\frac1n\sum_j(\lambda f)(t+t_j)=\lambda\cdot\frac1n\sum_j f(t+t_j),取 lim sup\limsup 并提出 λ0\lambda\ge0lim sup(cψ)=clim supψ\limsup(c\psi)=c\limsup\psic0c\ge0)得 β(λf;)=λβ(f;)\beta(\lambda f;\cdots)=\lambda\,\beta(f;\cdots)

pp 正齐次。λ>0\lambda>0。在同一组 tuple 上 β(λf;)=λβ(f;)\beta(\lambda f;\cdot)=\lambda\beta(f;\cdot),取下确界且 inf(λA)=λinfA\inf(\lambda A)=\lambda\inf Aλ>0\lambda>0)得 p(λf)=λp(f)p(\lambda f)=\lambda p(f)λ=0\lambda=0p(0f)=p(0)=0=0p(f)p(0\cdot f)=p(0)=0=0\cdot p(f)。故对一切 λ0\lambda\ge0 正齐次。\checkmark

pp 次可加:p(f+g)p(f)+p(g)p(f+g)\le p(f)+p(g) 固定 ε>0\varepsilon>0。由下确界定义,取 tuple {si}i=1m\{s_i\}_{i=1}^m(各 si0s_i\ge0)与 {uk}k=1l\{u_k\}_{k=1}^l(各 uk0u_k\ge0)使

β(f;s1,,sm)p(f)+ε,β(g;u1,,ul)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.
构造组合 tuple,共 mlml 个点(均 0\ge0,按上述约定允许重复):
wik:=si+uk(i=1,,m; k=1,,l). w_{ik}:=s_i+u_k\qquad(i=1,\dots,m;\ k=1,\dots,l).
记其平均的被取 lim sup\limsup 对象为
Φf(t):=1mli,kf(t+wik),Φg(t):=1mli,kg(t+wik), \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}),
β(f;{wik})=lim suptΦf\beta(f;\{w_{ik}\})=\limsup_t\Phi_fβ(g;{wik})=lim suptΦg\beta(g;\{w_{ik}\})=\limsup_t\Phi_g,且 β(f+g;{wik})=lim supt(Φf+Φg)\beta(f+g;\{w_{ik}\})=\limsup_t(\Phi_f+\Phi_g)

第一步(对和次可加,A1 取 l=2l=2)。

β(f+g;{wik})=lim supt(Φf+Φg) A1 lim suptΦf+lim suptΦg=β(f;{wik})+β(g;{wik}). \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}\}).

第二步(二重平均 = 先一层后一层,套引理 A)。ff 这块:把 mlml 个点的平均看成"先按 ii(即 {si}\{s_i\})平均、外层再按 kk(即 {uk}\{u_k\})平均"。令 h(f)(t):=1mi=1mf(t+si)h^{(f)}(t):=\frac1m\sum_{i=1}^m f(t+s_i)(有界,h(f)f\|h^{(f)}\|\le\|f\|),则有限和可换序得

Φf(t)=1mli,kf(t+si+uk)=1lk=1l1mi=1mf((t+uk)+si)=h(f)(t+uk)=1lk=1lh(f)(t+uk). \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).
h(f)h^{(f)} 与非负位移 {uk}\{u_k\}引理 A
β(f;{wik})=lim supt1lkh(f)(t+uk) A lim supth(f)(t)=β(f;{si}). \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\}).
gg 这块对称:令 h(g)(t):=1lk=1lg(t+uk)h^{(g)}(t):=\frac1l\sum_{k=1}^l g(t+u_k),则 Φg(t)=1mi=1mh(g)(t+si)\Phi_g(t)=\frac1m\sum_{i=1}^m h^{(g)}(t+s_i),对 h(g)h^{(g)} 与非负位移 {si}\{s_i\} 用引理 A:
β(g;{wik})lim supth(g)(t)=β(g;{uk}). \beta(g;\{w_{ik}\})\le\limsup_t h^{(g)}(t)=\beta(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)}。对 ff,外层是按 {uk}\{u_k\} 平均,引理 A 的位移取 {uk}\{u_k\};对 gg,外层是按 {si}\{s_i\} 平均,引理 A 的位移取 {si}\{s_i\}

合并三步。

β(f+g;{wik})β(f;{wik})+β(g;{wik})β(f;{si})+β(g;{uk})p(f)+p(g)+2ε. \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.
p(f+g)β(f+g;{wik})p(f+g)\le\beta(f+g;\{w_{ik}\})(下确界 \le 任一成员),故 p(f+g)p(f)+p(g)+2εp(f+g)\le p(f)+p(g)+2\varepsilonε>0\varepsilon>0 任意,令 ε0\varepsilon\to0
p(f+g)p(f)+p(g). p(f+g)\le p(f)+p(g).\qquad\checkmark

至此 pp 正齐次 + 次可加,即 ppBB 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)。VV 为实向量空间,p:VRp:V\to\mathbb R 次线性,UVU\subseteq V 为线性子空间,g:URg:U\to\mathbb R 线性且 g(u)p(u)g(u)\le p(u) 对一切 uUu\in U。则存在线性泛函 G:VRG:V\to\mathbb R 延拓 gg(即 GU=gG|_U=g)且 G(f)p(f)G(f)\le p(f) 对一切 fVf\in V

逐条核验前提并应用:

故存在线性泛函 G=:LIM:BRG=:\operatorname{LIM}:B\to\mathbb R 使

LIM(f)p(f)fB,(HB) \operatorname{LIM}(f)\le p(f)\qquad\forall f\in B,\tag{HB}
LIMtf(t):=LIM(f)\operatorname{LIM}_{t\to\infty}f(t):=\operatorname{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 LIMp\operatorname{LIM}\le p 导出四条性质

双侧界(关键工具)。 把 (HB) 用到 f-fLIM(f)p(f)\operatorname{LIM}(-f)\le p(-f);由线性 LIM(f)=LIM(f)\operatorname{LIM}(-f)=-\operatorname{LIM}(f),移项得 LIM(f)p(f)\operatorname{LIM}(f)\ge-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}

性质 (4):lim infLIMlim sup\liminf\le\operatorname{LIM}\le\limsup

上界:由 (C),p(f)lim supsf(s)p(f)\le\limsup_{s}f(s),配 (D) 右半得 LIM(f)lim supsf(s)\operatorname{LIM}(f)\le\limsup_{s}f(s)。 下界:对 f-f 用 (C),p(f)lim sups(f)(s)p(-f)\le\limsup_s(-f)(s);由 §0 预备小事实 lim sup(f)=lim inff\limsup(-f)=-\liminf f,故 p(f)lim infsf(s)p(-f)\le-\liminf_s f(s),即 p(f)lim infsf(s)-p(-f)\ge\liminf_s f(s);配 (D) 左半得 LIM(f)lim infsf(s)\operatorname{LIM}(f)\ge\liminf_s f(s)。合起来

lim infsf(s)  LIMtf(t)  lim supsf(s). \liminf_{s\to\infty}f(s)\ \le\ \operatorname{LIM}_{t\to\infty}f(t)\ \le\ \limsup_{s\to\infty}f(s).\qquad\blacksquare

性质 (1):相容于通常极限

limtf(t)=L\lim_{t\to\infty}f(t)=L 存在,则 lim inff=lim supf=L\liminf f=\limsup f=L,性质 (4) 夹逼给 LLIM(f)LL\le\operatorname{LIM}(f)\le L,故 LIM(f)=L=limtf(t)\operatorname{LIM}(f)=L=\lim_{t\to\infty}f(t)\qquad\blacksquare

性质 (2):线性

即 Hahn–Banach 所给 G=LIMG=\operatorname{LIM} 的线性。\qquad\blacksquare

性质 (3):平移不变 LIM(fτ)=LIM(f)\operatorname{LIM}(f_\tau)=\operatorname{LIM}(f)

平移参数范围说明。 因定义域为 [0,)[0,\infty),平移 fτ(t):=f(t+τ)f_\tau(t):=f(t+\tau)τ0\tau\ge0 才使 t+τ[0,)t+\tau\in[0,\infty) 始终有意义;τ=0\tau=0 平凡(f0=ff_0=f)。下设 τ>0\tau>0,所用 tuple tj=(j1)τ0t_j=(j-1)\tau\ge0 亦合法。

fτ(t):=f(t+τ)Bf_\tau(t):=f(t+\tau)\in B(有界,fτf\|f_\tau\|\le\|f\|)。固定 nNn\in\mathbb N,用等差 tuple

tj:=(j1)τ0(j=1,,n),即 {0,τ,2τ,,(n1)τ}. t_j:=(j-1)\tau\ge0\qquad(j=1,\dots,n),\quad\text{即 }\{0,\tau,2\tau,\dots,(n-1)\tau\}.

方向一:p(fτf)0p(f_\tau-f)\le0 逐点算平均(telescoping):

1nj=1n(fτf)(t+(j1)τ)=1nj=1n[f(t+(j1)τ+τ)f(t+(j1)τ)]=1nj=1n[f(t+jτ)f(t+(j1)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].

注(telescoping 展开)。 j=1n[f(t+jτ)f(t+(j1)τ)]=[f(t+τ)f(t)]+[f(t+2τ)f(t+τ)]++[f(t+nτ)f(t+(n1)τ)]=f(t+nτ)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)

故该平均 =1n[f(t+nτ)f(t)]=\dfrac1n\big[f(t+n\tau)-f(t)\big],绝对值

1n[f(t+nτ)f(t)]f(t+nτ)+f(t)n2fnt. \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.
lim supt\limsup_t(常数上界保持):β(fτf;{0,τ,,(n1)τ})2fn\beta\big(f_\tau-f;\{0,\tau,\dots,(n-1)\tau\}\big)\le\dfrac{2\|f\|}{n}。由下确界 p(fτf)2fnp(f_\tau-f)\le\dfrac{2\|f\|}{n}对每个 nn 成立,令 nn\to\inftyp(fτf)0p(f_\tau-f)\le0

方向二:p(ffτ)0p(f-f_\tau)\le0(完整书写,不靠"同理")。 用同一 tuple,逐点:

1nj=1n(ffτ)(t+(j1)τ)=1nj=1n[f(t+(j1)τ)f(t+jτ)]=1n[f(t)f(t+nτ)], \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],
(同样的伸缩和,符号相反),绝对值 2fn\le\dfrac{2\|f\|}{n}。取 lim supt\limsup_tβ(ffτ;{0,τ,,(n1)τ})2fn\beta\big(f-f_\tau;\{0,\tau,\dots,(n-1)\tau\}\big)\le\dfrac{2\|f\|}{n},故 p(ffτ)2fnp(f-f_\tau)\le\dfrac{2\|f\|}{n} 对每个 nn,令 nn\to\inftyp(ffτ)0p(f-f_\tau)\le0

收口。 由 (HB) 与线性,

LIM(fτf)p(fτf)0,LIM(ffτ)p(ffτ)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(ffτ)=LIM(fτf)\operatorname{LIM}(f-f_\tau)=-\operatorname{LIM}(f_\tau-f)(线性)。设 a:=LIM(fτf)a:=\operatorname{LIM}(f_\tau-f),则 a0a\le0a0-a\le0(即 a0a\ge0),迫使 a=0a=0。于是
LIM(fτ)LIM(f)=0,LIMtf(t+τ)=LIMtf(t)(τ0). \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

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 fcf\equiv c 满足 lim inf=lim sup=c\liminf=\limsup=c,故 LIM(c)=c\operatorname{LIM}(c)=c; (ii) 保正:若 f0f\ge0,则 lim infsf(s)0\liminf_s f(s)\ge0,故 LIM(f)0\operatorname{LIM}(f)\ge0。 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).(X,d)(X,d) 为度量空间。证明下列各条等价:

  1. XX 中每个剩余集都稠密;
  2. UXU\subset X 是非空开集,则 UU 不是贫集(meagre);
  3. AiXA_i\subset X 是一列内部为空的闭集,则 i=1Ai\bigcup_{i=1}^\infty A_i 的内部为空;
  4. UiXU_i\subset X 是一列稠密开集,则 i=1Ui\bigcap_{i=1}^\infty 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

(X,d)(X,d) 为度量空间。求证以下四条等价:

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 iSi=\bigcup_{i\in\varnothing}S_i=\varnothing、空交 iSi=X\bigcap_{i\in\varnothing}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} 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 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).X=X=\varnothing,则 XX 唯一的子集是 \varnothing,它既稠密(cl()==X\operatorname{cl}(\varnothing)=\varnothing=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 XX\neq\varnothing;但请注意所有论证对 X=X=\varnothing 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 SXS\subseteq X

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)

TXT\subseteq XxXx\in X

xcl(T)    每个含 x 的开集 V 都满足 VT. 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.

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。

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) 是含 TT 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 SXS\subseteq 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).

证明. 只证第一式(第二式把 SS 换成 c(S)c(S)、两边取补即得,因 c(c(S))=Sc(c(S))=S)。

xXx\in X,按内部定义:

xint(S)     开集 V, xVS     开集 V, xV, Vc(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.
(中间用了 VS    Vc(S)=V\subseteq S\iff V\cap c(S)=\varnothing。)由引理 0.0(取 T=c(S)T=c(S)),最右端"存在含 xx 的开集与 c(S)c(S) 不交"恰好是"xcl(c(S))x\notin\operatorname{cl}(c(S))"。故
xint(S)    xcl(c(S))    xc(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).
两集逐点相等,即 int(S)=c(cl(c(S)))\operatorname{int}(S)=c(\operatorname{cl}(c(S)))\quad\blacksquare

引理 0.2(稠密的两种刻画)

SXS\subseteq 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}.

证明. 由引理 0.1 第二式,cl(S)=c(int(c(S)))\operatorname{cl}(S)=c(\operatorname{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,
这给出前两者等价。

再看第三个。SS 与开集 VV 相交     V⊈c(S)\iff V\not\subseteq c(S)

故第二、第三条等价。\quad\blacksquare

一句口诀:"SS 稠密     \iff 其补 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 NN 无处稠密。则 c(cl(N))c(\operatorname{cl}(N))稠密开集。 (b) 若 NN 无处稠密,则 cl(N)\operatorname{cl}(N) 也无处稠密(且当然 Ncl(N)N\subseteq\operatorname{cl}(N))。 (c) 对闭集 AAAA 无内点     \iff AA 无处稠密     \iff c(A)c(A) 稠密开。

证明.

(a) cl(N)\operatorname{cl}(N) 是闭集,故 G:=c(cl(N))G:=c(\operatorname{cl}(N)) 是开集。其补 c(G)=cl(N)c(G)=\operatorname{cl}(N),于是 int(c(G))=int(cl(N))=\operatorname{int}(c(G))=\operatorname{int}(\operatorname{cl}(N))=\varnothing(末步即 NN 无处稠密的定义)。由引理 0.2 知 GG 稠密。

(b) 因 cl(N)\operatorname{cl}(N) 已是闭集,闭包幂等给 cl(cl(N))=cl(N)\operatorname{cl}(\operatorname{cl}(N))=\operatorname{cl}(N),故 int(cl(cl(N)))=int(cl(N))=\operatorname{int}(\operatorname{cl}(\operatorname{cl}(N)))=\operatorname{int}(\operatorname{cl}(N))=\varnothing,即 cl(N)\operatorname{cl}(N) 无处稠密。Ncl(N)N\subseteq\operatorname{cl}(N) 是闭包定义。

(c) 对闭集 AAcl(A)=A\operatorname{cl}(A)=A,故"AA 无处稠密"即 int(cl(A))=int(A)=\operatorname{int}(\operatorname{cl}(A))=\operatorname{int}(A)=\varnothing,正是"AA 无内点",二者等价。再由引理 0.2(S=c(A)S=c(A),则 c(S)=Ac(S)=A):c(A)c(A) 稠密     int(A)=\iff \operatorname{int}(A)=\varnothing,已成立;又 AA 闭故 c(A)c(A) 开。\quad\blacksquare

引理 0.4(稠密集的母集仍稠密)

STXS\subseteq T\subseteq XSS 稠密,则 TT 稠密。

证明. 闭包对包含单调(STcl(S)cl(T)S\subseteq T\Rightarrow\operatorname{cl}(S)\subseteq\operatorname{cl}(T),因 cl(T)\operatorname{cl}(T) 是含 TST\supseteq S 的闭集,故含 cl(S)\operatorname{cl}(S))。于是 X=cl(S)cl(T)XX=\operatorname{cl}(S)\subseteq\operatorname{cl}(T)\subseteq X,故 cl(T)=X\operatorname{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=iNiM=\bigcup_i N_i 贫,SMS\subseteq M,则 S=i(SNi)S=\bigcup_i(S\cap N_i),每个 SNiNiS\cap N_i\subseteq N_i 由单调性仍无处稠密,故 SS 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 {Si}i\{S_i\}_{i}(可空、可有限、可数无穷):

c(iSi)=ic(Si),c(iSi)=ic(Si). 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).

证明. 逐点验证:xc(iSi)    xiSi    i, xSi    i, xc(Si)    xic(Si)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)。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)

AiA_i 为闭集且 int(Ai)=\operatorname{int}(A_i)=\varnothing。令 Ui:=c(Ai)U_i:=c(A_i)

由引理 0.3(c),AiA_i 闭且无内点 \Rightarrow Ui=c(Ai)U_i=c(A_i)稠密开集。由 (4),iUi\bigcap_i U_i 稠密。

而由引理 0.5(德摩根)

iUi=ic(Ai)=c(iAi). \bigcap_i U_i=\bigcap_i c(A_i)=c\Bigl(\bigcup_i A_i\Bigr).
c(iAi)c(\bigcup_i A_i) 稠密。由引理 0.2(取 S=c(iAi)S=c(\bigcup_i A_i),则 c(S)=iAic(S)=\bigcup_i A_i),这等价于
int(iAi)=. \operatorname{int}\Bigl(\bigcup_i A_i\Bigr)=\varnothing.
即 (3) 成立。\quad\blacksquare

(3) \Rightarrow (4)

UiU_i 为稠密开集。令 Ai:=c(Ui)A_i:=c(U_i),则 AiA_i 闭(开集之补)。计算其内部:由引理 0.1 第一式,

int(Ai)=int(c(Ui))=c(cl(c(c(Ui))))=c(cl(Ui))=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,
其中 cl(Ui)=X\operatorname{cl}(U_i)=XUiU_i 稠密。于是每个 AiA_i 是无内点的闭集。由 (3),int(iAi)=\operatorname{int}(\bigcup_i A_i)=\varnothing

由引理 0.5,iAi=ic(Ui)=c(iUi)\bigcup_i A_i=\bigcup_i c(U_i)=c(\bigcap_i U_i),故 int(c(iUi))=\operatorname{int}\bigl(c(\bigcap_i U_i)\bigr)=\varnothing。再由引理 0.2(S=iUiS=\bigcap_i U_i)即得 iUi\bigcap_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)

RR 为剩余集,即 c(R)c(R) 贫:c(R)=iNic(R)=\bigcup_i N_i,每个 NiN_i 无处稠密。

对补集用引理 0.5:

R=c(c(R))=c(iNi)=ic(Ni). R=c(c(R))=c\Bigl(\bigcup_i N_i\Bigr)=\bigcap_i c(N_i).
Nicl(Ni)N_i\subseteq\operatorname{cl}(N_i),取补反向包含 c(Ni)c(cl(Ni))c(N_i)\supseteq c(\operatorname{cl}(N_i)),故
R=ic(Ni)  ic(cl(Ni)).(\ast) R=\bigcap_i c(N_i)\ \supseteq\ \bigcap_i c(\operatorname{cl}(N_i)). \tag{\ast}
Ui:=c(cl(Ni))U_i:=c(\operatorname{cl}(N_i))。由引理 0.3(a)(NiN_i 无处稠密),每个 UiU_i 是稠密开集。由 (4),iUi\bigcap_i U_i 稠密。

()(\ast)iUiR\bigcap_i U_i\subseteq R,即 RR 是稠密集 iUi\bigcap_i U_i 的母集。由引理 0.4 知 RR 稠密。即 (1) 成立。\quad\blacksquare

注:此处必须先用 cl(Ni)\operatorname{cl}(N_i) 而非 NiN_i 本身——只有"cl(Ni)\operatorname{cl}(N_i) 的补"才保证是集(闭集之补),才能套用 (4)。直接取 c(Ni)c(N_i) 不一定开。代价是集合只缩小到子集 iUiR\bigcap_i U_i\subseteq 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 UU贫集U=iNiU=\bigcup_i N_iNiN_i 无处稠密)。

考虑 c(U)c(U)。它的补是 c(c(U))=Uc(c(U))=U,而 UU 贫,故按剩余集定义 c(U)c(U)剩余集。由 (1),c(U)c(U) 稠密。

由引理 0.2(取 S=c(U)S=c(U),则 c(S)=Uc(S)=U):

c(U) 稠密    int(U)=. c(U)\ \text{稠密}\iff \operatorname{int}(U)=\varnothing.
int(U)=\operatorname{int}(U)=\varnothing。但 UU 是非空开集,故 int(U)=U\operatorname{int}(U)=U\neq\varnothing。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"SS 稠密     \iff SS 自身的补 无内点"。这里 S=c(U)S=c(U),其补是 UU,故结论是 int(U)=\operatorname{int}(U)=\varnothing不是 int(c(U))=\operatorname{int}(c(U))=\varnothing)。别把"c(U)c(U) 稠密"误推成"UU 稠密"。


4. (2) \Rightarrow (3)

反证。设有一列闭集 AiA_iint(Ai)=\operatorname{int}(A_i)=\varnothing,但反设 int(iAi)\operatorname{int}(\bigcup_i A_i)\neq\varnothing

显式取 U:=int(iAi)U:=\operatorname{int}\bigl(\bigcup_i A_i\bigr)。由反设 UU\neq\varnothing;且 UU 作为内部本身是开集;又内部含于原集,故 UiAiU\subseteq\bigcup_i A_i。于是

U=U(iAi)=i(AiU). U=U\cap\Bigl(\bigcup_i A_i\Bigr)=\bigcup_i (A_i\cap U).
(末步用分配律 UiAi=i(UAi)U\cap\bigcup_i A_i=\bigcup_i(U\cap A_i)。)

断言每个 AiUA_i\cap U 无处稠密。因 AiUAiA_i\cap U\subseteq A_i,闭包单调给 cl(AiU)cl(Ai)=Ai\operatorname{cl}(A_i\cap U)\subseteq\operatorname{cl}(A_i)=A_iAiA_i 闭),从而内部也单调:

int(cl(AiU))int(Ai)=. \operatorname{int}\bigl(\operatorname{cl}(A_i\cap U)\bigr)\subseteq\operatorname{int}(A_i)=\varnothing.
int(cl(AiU))=\operatorname{int}(\operatorname{cl}(A_i\cap U))=\varnothing,即 AiUA_i\cap U 无处稠密。

于是 U=i(AiU)U=\bigcup_i(A_i\cap U) 是可数个无处稠密集之并,即 UU贫集。但 UU 非空开,由 (2) 应非贫,矛盾。

int(iAi)=\operatorname{int}(\bigcup_i A_i)=\varnothing,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 XX 中,不是相对子空间 UU 的拓扑。验证只需 cl(AiU)Ai\operatorname{cl}(A_i\cap U)\subseteq 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).
把它们串起来:
(1)(2)(3)(4)(1), (1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(4)\Rightarrow(1),
(3)(4)(3)\Leftrightarrow(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.(X,d)(X,d)完备度量空间(即每个 Cauchy 列在 XX 中收敛)。则对任意一列稠密开集 UiU_i,交 iUi\bigcap_i U_i 稠密。

前提核验. Baire 纲定理的唯一前提是"(X,d)(X,d) 完备"。本题的 (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:XX 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,XX 是 Baire 空间。 特别地,在 (2) 中取 U=XU=XXX\neq\varnothing 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).XX 为 Banach 空间,Y,ZY,ZK=R\mathbb K=\mathbb RC\mathbb C 上的赋范向量空间,B:X×YZB:X\times Y\to Z双线性映射。证明下列各条等价:

  1. BB 有界,即存在常数 M>0M>0 使 B(x,y)ZMxXyY\|B(x,y)\|_Z\le M\|x\|_X\|y\|_Y 对一切 xX,yYx\in X,y\in Y 成立;
  2. BB 连续
  3. BB 对每个变量分别连续:对每个 xXx\in XyB(x,y)y\mapsto B(x,y) 连续;对每个 yYy\in YxB(x,y)x\mapsto B(x,y) 连续。

解答

0. 名词约定与待证命题

XXBanach 空间(完备的赋范空间,即每个 Cauchy 列都收敛),Y,ZY,Z 是赋范空间,数域 K=RK=\mathbb{R}C\mathbb{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×YZB:X\times Y\to Z:对每个变量分别线性,即

B(αx1+βx2,y)=αB(x1,y)+βB(x2,y),B(x,αy1+βy2)=αB(x,y1)+βB(x,y2), 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),
对一切 x,xiXx,x_i\in Xy,yiYy,y_i\in Yα,βK\alpha,\beta\in K 成立。

注(齐次性与零值):由分别线性立得 B(λx,y)=λB(x,y)=B(x,λy)B(\lambda x,y)=\lambda B(x,y)=B(x,\lambda y),以及 B(0,y)=0B(0,y)=0B(x,0)=0B(x,0)=0(取某变量为 λ=0\lambda=0)。这些后面反复使用。

乘积空间上的拓扑.X×YX\times Y 上取乘积范数 (x,y):=x+y\|(x,y)\|:=\|x\|+\|y\|。我们指出它与 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)

max(x,y)    x+y    2max(x,y). \max(\|x\|,\|y\|)\;\le\;\|x\|+\|y\|\;\le\;2\max(\|x\|,\|y\|).
(左边因 x,yx+y\|x\|,\|y\|\le\|x\|+\|y\|;右边因 x,ymax\|x\|,\|y\|\le\max,相加得 x+y2max\|x\|+\|y\|\le2\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:
(xn,yn)(x0,y0) (乘积拓扑)    xnx0+yny00    xnx0 且 yny0. (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.

注(为何只谈收敛列):赋范空间是度量空间(度量 d(u,v)=uvd(u,v)=\|u-v\|),X×YX\times 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:

证明路线:(1)(2)(3)(1)(1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(1)。其中 (3)(1)(3)\Rightarrow(1) 是核心,正是 XX 完备发挥作用之处。


1. (1)(2)(1)\Rightarrow(2)(有界 ⟹ 联合连续)

设有界,B(x,y)Mxy\|B(x,y)\|\le M\|x\|\|y\|。固定 (x0,y0)(x_0,y_0),对任意 (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(x0,y)+B(xx0,y)B(x,y)=B(x_0,y)+B(x-x_0,y),再对第二个变量在固定 x0x_0 时用线性 B(x0,y)B(x0,y0)=B(x0,yy0)B(x_0,y)-B(x_0,y_0)=B(x_0,y-y_0),得

B(x,y)B(x0,y0)=B(xx0,y)+B(x0,yy0). 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(x0,y0)B(xx0,y)+B(x0,yy0)Mxx0y+Mx0yy0. \|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\|.

现令 (x,y)(x0,y0)(x,y)\to(x_0,y_0),即 xx00\|x-x_0\|\to0yy00\|y-y_0\|\to0

两项皆趋于 00,故 B(x,y)B(x0,y0)0\|B(x,y)-B(x_0,y_0)\|\to0。因 (x0,y0)(x_0,y_0) 任意,BB 联合连续。\qquad\blacksquare

注:必须强调这是联合连续——估计式中 x,yx,y 同时变动,并未冻结某一变量。


2. (2)(3)(2)\Rightarrow(3)(联合连续 ⟹ 分别连续)

固定 x0Xx_0\in X,考察 f:YZ, f(y)=B(x0,y)f:Y\to Z,\ f(y)=B(x_0,y),它是复合

Y   ι   X×Y   B   Z,ι(y)=(x0,y),f=Bι. Y\;\xrightarrow{\ \iota\ }\;X\times Y\;\xrightarrow{\ B\ }\;Z,\qquad \iota(y)=(x_0,y),\qquad f=B\circ\iota.
ι\iota 连续(用序列刻画):若 yny0y_n\to y_0,则第一坐标恒为 x0x_0、第二坐标 yny0y_n\to y_0,由 §0 的收敛刻画得 (x0,yn)(x0,y0)(x_0,y_n)\to(x_0,y_0),即 ι\iota 把收敛列送到收敛列,故连续。

复合连续(从头说清,序列版):设 yny0y_n\to y_0ι\iota 连续给出 ι(yn)ι(y0)\iota(y_n)\to\iota(y_0)BB 连续((2))再给出 B(ι(yn))B(ι(y0))B(\iota(y_n))\to B(\iota(y_0)),即 f(yn)f(y0)f(y_n)\to f(y_0)。故 ff 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,y0)=Bκg(x)=B(x,y_0)=B\circ\kappaκ(x)=(x,y0)\kappa(x)=(x,y_0) 连续,故 gg 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. (3)(1)(3)\Rightarrow(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).V,WV,W 赋范空间,T:VWT:V\to W 线性。则 TT 连续当且仅当

T:=supv1Tv<(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}),
并且此时 TvTv\|Tv\|\le\|T\|\,\|v\| 对一切 vVv\in V 成立,且 T\|T\| 是满足 Tvcv\|Tv\|\le c\|v\|v\forall v)的最小常数 cc

证. (\Leftarrow) 设 T<\|T\|<\infty关键不等式 TvTv\|Tv\|\le\|T\|\|v\|:对 v0v\ne0v/vv/\|v\| 是单位向量,由线性齐次性

Tv=vT(v/v)=vT(v/v)vsupu1Tu=Tv; \|Tv\|=\Big\|\,\|v\|\,T(v/\|v\|)\Big\|=\|v\|\,\big\|T(v/\|v\|)\big\|\le\|v\|\cdot\sup_{\|u\|\le1}\|Tu\|=\|T\|\,\|v\|;
v=0v=0T0=0=T0\|T0\|=0=\|T\|\cdot0 平凡成立。故 TvTv\|Tv\|\le\|T\|\|v\| 对一切 vv 成立。由此 TvTv0=T(vv0)Tvv0\|Tv-Tv_0\|=\|T(v-v_0)\|\le\|T\|\|v-v_0\|,即 TT Lipschitz,连续。又若某 cc 满足 Tvcv\|Tv\|\le c\|v\|v\forall v),则对 v1\|v\|\le1Tvc\|Tv\|\le c,取上确界得 Tc\|T\|\le c,故 T\|T\| 是最小的此种 cc

(\Rightarrow) 设 TT 连续,特别在 00 处连续(T0=0T0=0):取 ε=1\varepsilon=1,存在 δ>0\delta>0 使 vδTv1\|v\|\le\delta\Rightarrow\|Tv\|\le1。对 v1\|v\|\le1δvδ\|\delta v\|\le\delta,故 T(δv)1\|T(\delta v)\|\le1,由线性 Tv1/δ\|Tv\|\le1/\delta;取上确界得 T1/δ<\|T\|\le1/\delta<\infty\square

注:本引理末尾的"TvTv\|Tv\|\le\|T\|\|v\| 对一切 vv"是 §3.3 不等式 (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 的定义。

B(V,W)\mathcal{B}(V,W)VWV\to 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).VVBanach 空间WW 赋范空间,{Lα}αAB(V,W)\{L_\alpha\}_{\alpha\in A}\subseteq\mathcal{B}(V,W) 是一族有界线性算子。若该族逐点有界,即

vV:supαALαv<, \forall v\in V:\quad \sup_{\alpha\in A}\|L_\alpha v\|<\infty,
则该族一致(范数)有界
supαALα<. \sup_{\alpha\in A}\|L_\alpha\|<\infty.

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 VV 完备;目标空间 WW 无须完备。下面应用时将明写"取 V=XV=XW=ZW=Z",请勿把这里中性的 V,WV,W 与题目的 X,ZX,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 xx 的算子 TxT_x. 对每个固定 xXx\in X,定义

Tx:YZ,Tx(y)=B(x,y). T_x:Y\to Z,\qquad T_x(y)=B(x,y).
BB 对第二变量线性知 TxT_x 线性;由 (3) 的"对固定 xxyB(x,y)y\mapsto B(x,y) 连续"知 TxT_x 连续。由引理 A,TxB(Y,Z)T_x\in\mathcal{B}(Y,Z),且
Tx=supy1B(x,y)<.(3.1) \|T_x\|=\sup_{\|y\|\le1}\|B(x,y)\|<\infty.\tag{3.1}

(ii) 固定 yy 的算子 SyS_y. 对每个固定 yYy\in Y,定义

Sy:XZ,Sy(x)=B(x,y). S_y:X\to Z,\qquad S_y(x)=B(x,y).
BB 对第一变量线性知 SyS_y 线性;由 (3) 的"对固定 yyxB(x,y)x\mapsto B(x,y) 连续"知 SyS_y 连续。由引理 A,SyB(X,Z)S_y\in\mathcal{B}(X,Z),且(用引理 A 的关键不等式)
Syx=B(x,y)Syx.(3.2) \|S_y x\|=\|B(x,y)\|\le\|S_y\|\,\|x\|.\tag{3.2}
两族出自同一个 BB,满足 Syx=B(x,y)=Tx(y)\|S_y x\|=\|B(x,y)\|=\|T_x(y)\|

注(两族取向不同):TxT_x 的定义域是 YYSyS_y 的定义域是 XX。下面把一致有界原理用在以 XX 为定义域的 SyS_y 族上,这样才用得上"XX 完备"。

3.2 对算子族 {Sy:y1}\{S_y:\|y\|\le1\} 验证一致有界原理前提

考察算子族

F={Sy: yY, y1}B(X,Z), \mathcal{F}=\{\,S_y:\ y\in Y,\ \|y\|\le1\,\}\subseteq\mathcal{B}(X,Z),
即在引理 B 中取 V=XV=XW=ZW=Z、指标集 A={yY:y1}A=\{y\in Y:\|y\|\le1\}Ly=SyL_y=S_y。逐条核验前提:

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=XV=XW=ZW=Z):

M:=supy1Sy<. M:=\sup_{\|y\|\le1}\|S_y\|<\infty.
于是对一切 xXx\in X 与一切 y1\|y\|\le1,由 (3.2)(3.2)
B(x,y)=SyxSyxMx.(3.3) \|B(x,y)\|=\|S_y x\|\le\|S_y\|\,\|x\|\le M\,\|x\|.\tag{3.3}

3.4 用双线性齐次性推广到一般 yy

y0y\ne0,令 y^=y/y\hat y=y/\|y\|,则 y^=1\|\hat y\|=1。由对第二变量的齐次性 B(x,y)=B(x,yy^)=yB(x,y^)B(x,y)=B(x,\|y\|\hat y)=\|y\|\,B(x,\hat y),再用 (3.3)(3.3)(因 y^1\|\hat y\|\le1):

B(x,y)=yB(x,y^)yMx=Mxy. \|B(x,y)\|=\|y\|\,\|B(x,\hat y)\|\le\|y\|\cdot M\|x\|=M\,\|x\|\,\|y\|.
y=0y=0B(x,0)=0B(x,0)=0,不等式 B(x,0)=0Mx0\|B(x,0)\|=0\le M\|x\|\cdot0 平凡成立。

综合:对一切 (x,y)X×Y(x,y)\in X\times Y

B(x,y)Mxy, \boxed{\,\|B(x,y)\|\le M\,\|x\|\,\|y\|\,,}
即 (1) 成立。\qquad\blacksquare


4. 结论

(1)(2)(3)(1)(1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(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) 用到 XX 完备——它是把一致有界原理用到 {Sy}\{S_y\}(定义域为 XX)的前提。若改用族 {Tx:x1}B(Y,Z)\{T_x:\|x\|\le1\}\subseteq\mathcal{B}(Y,Z),则需 YY 完备,但题目只保证 XX 完备,故必须把"动的变量"放在 XX 上;目标空间 ZZ 仅作一致有界原理的 WW 出现,无完备性要求。Y,ZY,Z 均无须完备。

反例(验证 XX 完备不可省,此处升格为正式论据).X=Y=c00X=Y=c_{00}(只有有限多项非零的数列,配 sup\sup 范数 x=supnxn\|x\|=\sup_n|x_n|不完备),Z=KZ=K,并定义

B(x,y)=n1nxnyn. B(x,y)=\sum_{n\ge1} n\,x_n y_n.
由于 xc00x\in c_{00} 只有有限多项非零,和式实为有限和,BB 良定义且显然双线性。

这表明:去掉"XX 完备"后 (3)(1)(3)\Rightarrow(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)



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,ZX,Y,Z 为 Banach 空间,A:XYA:X\to YB:ZYB:Z\to Y 为有界线性算子,且 AA 单射。证明下列各条等价:

  1. ran(B)ran(A)\operatorname{ran}(B)\subset\operatorname{ran}(A)
  2. 存在有界线性算子 T:ZXT:Z\to X 使 AT=BAT=B

解答

题设与术语

X,Y,ZX,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:XYA:X\to YB:ZYB:Z\to Y 都是有界线性算子(线性,且存在常数 CC 使 AvCv\|Av\|\le C\,\|v\| 对一切 vv 成立;对线性映射而言"有界"    \iff"连续")。又设 AA 单射Ax=Axx=xAx=Ax'\Rightarrow x=x',等价地 kerA={0}\ker A=\{0\})。

记号:ran(A)={Ax:xX}Y\operatorname{ran}(A)=\{Ax:x\in X\}\subseteq YAA值域(像)ran(B)\operatorname{ran}(B) 同理。

求证下面两条等价:

注 这就是 Douglas 分解定理的代数–拓扑版本:能否把 BB "穿过" AA 写成 B=ATB=AT,纯粹由值域包含关系决定,且自动得到 TT 的有界性。


(2) \Rightarrow (1)(平凡方向)

设有界线性 T:ZXT:Z\to X 满足 AT=BAT=B。对任意 zZz\in Z

Bz=(AT)z=A(Tz)ran(A), Bz=(AT)z=A(Tz)\in\operatorname{ran}(A),
因为 TzXTz\in Xzz 任意,故 ran(B)ran(A)\operatorname{ran}(B)\subseteq\operatorname{ran}(A)\quad\blacksquare

注 此方向不需要任何完备性,也不需要 AA 单射,连"TT 有界"都没用上——纯粹是 AA 的线性性。难点全在反方向。


(1) \Rightarrow (2)(核心方向)

分三步:第一步AA 单射 + 包含关系逐点定义出 TT第二步逐条验证 TT 良定义且线性;第三步用闭图像定理证 TT 有界。

第一步:构造 TT(逐点定义)

固定任意 zZz\in Z。由 (1),Bzran(B)ran(A)Bz\in\operatorname{ran}(B)\subseteq\operatorname{ran}(A),故存在 xXx\in X 使 Ax=BzAx=Bz

AA 单射,这样的 xx 唯一:若 Ax=Ax=BzAx=Ax'=Bz,则 A(xx)=0A(x-x')=0,由 kerA={0}\ker A=\{0\}x=xx=x'

于是可定义

Tz:=那个唯一满足 Ax=Bz 的 xX. Tz:=\text{那个唯一满足 } Ax=Bz \text{ 的 } x\in X.
按定义即
A(Tz)=Bz(zZ),(\ast) A(Tz)=Bz\qquad(\forall z\in Z),\tag{\ast}
也就是 AT=BAT=B集合映射层面已成立。剩下要证 TT 线性且有界。

注 这里不需要、也没有引入"AA 在整个像 ran(A)\operatorname{ran}(A) 上的逆 A1A^{-1} 是否有界"这一问题——我们只对每个 BzBz 取原像,逐点定义 TTA1A^{-1} 是否连续留到后面用闭图像定理一并绕开。

第二步:TT 良定义且线性

良定义:上面已证对每个 zz,满足 Ax=BzAx=Bzxx 存在且唯一,故 TzTzzz 的确定的(单值)函数。

线性:取 z1,z2Zz_1,z_2\in Z,标量 α,β\alpha,\beta。利用 A,BA,B 线性与 ()(\ast)

A(αTz1+βTz2)=αA(Tz1)+βA(Tz2)=αBz1+βBz2=B(αz1+βz2). 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).
另一方面,按定义 T(αz1+βz2)T(\alpha z_1+\beta z_2) 是满足 Ax=B(αz1+βz2)Ax=B(\alpha z_1+\beta z_2)唯一 xx。上式表明 αTz1+βTz2\alpha\,Tz_1+\beta\,Tz_2 也满足同一方程,由唯一性(AA 单射)得
T(αz1+βz2)=αTz1+βTz2. T(\alpha z_1+\beta z_2)=\alpha\,Tz_1+\beta\,Tz_2.
T:ZXT:Z\to X 线性。

注 线性的每一步都"先作用 AA 再用唯一性回收"——唯一性正是 AA 单射的产物,这是本步不可省的依据。

第三步:TT 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).E,FE,F 均为 Banach 空间S:EFS:E\to F处处定义(定义域为整个 EE)的线性算子。若 SS图像

Γ(S)={(e,Se):eE}E×F\Gamma(S)=\{(e,Se):e\in E\}\subseteq E\times F
在乘积范数 (e,f)=eE+fF\|(e,f)\|=\|e\|_E+\|f\|_F 下是闭集,则 SS 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):

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 SS 本身的两条前提,必须并列核验——若 TT 只定义在 ZZ 的真子集上,闭图像定理不适用。本题恰由 (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\| 下,(zn,Tzn)(z,x)(z_n,Tz_n)\to(z,x) 当且仅当 znzz_n\to zTznxTz_n\to x(因为 (zn,Tzn)(z,x)=znz+Tznx\|(z_n,Tz_n)-(z,x)\|=\|z_n-z\|+\|Tz_n-x\|,左边 0\to 0 与两个非负项各自 0\to 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

znzz_n\to z(在 ZZ 中),且 TznxTz_n\to x(在 XX 中)。要证 x=Tzx=Tz

证:用 ()(\ast)TT 翻译成 A,BA,B 的关系,再用 A,BA,B 连续。

  1. AA 连续,TznxTz_n\to x,故
    A(Tzn)Ax. A(Tz_n)\to Ax.
  2. 但由 ()(\ast)A(Tzn)=BznA(Tz_n)=Bz_n;又 BB 连续、znzz_n\to z,故
    A(Tzn)=BznBz. A(Tz_n)=Bz_n\to Bz.
  3. 同一序列 (A(Tzn))\big(A(Tz_n)\big) 不能收敛到两个不同极限(赋范空间为 Hausdorff,极限唯一),故
    Ax=Bz. Ax=Bz.
  4. 而由 ()(\ast) 又有 A(Tz)=Bz=AxA(Tz)=Bz=AxAA 单射,故
    Tz=x. Tz=x.

这正是图像闭的序列条件。由闭图像定理(前提已逐条核验),TT 有界

注 第 3 步上述图像闭验证只用到了 A,BA,B连续性AA单射性完全没有用到"TT 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TT 有界是闭图像定理的输出

结合 ()(\ast)AT=BAT=B,命题 (2) 成立。\quad\blacksquare


为什么不需要"ran(A)\operatorname{ran}(A) 闭"?

注 一个自然的"直觉路线"是:先在 ran(A)\operatorname{ran}(A) 上定义线性逆 A1:ran(A)XA^{-1}:\operatorname{ran}(A)\to X,证它有界,再令 T=A1BT=A^{-1}B。但 A1A^{-1} 有界等价于 ran(A)\operatorname{ran}(A)YY(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) 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 A1A^{-1} 的连续性,而是把整个复合 T=A1BT=A^{-1}B 当作一个算子,直接对 TT 用闭图像定理。关键在第三步的等式 A(Tzn)=BznA(Tz_n)=Bz_n:它让我们绕过"A1A^{-1} 连续与否",直接借 A,BA,B 二者的连续性把极限关系 Ax=BzAx=Bz 拉出来,再用单射收口。闭图像定理只要求定义域 ZZ、到达域 XX 完备(题设满足),与 ran(A)\operatorname{ran}(A) 是否闭无关。

注(YY 的完备性是冗余的)整个 (1)\Rightarrow(2) 全程不消耗 YY 的完备性。具体地:BznBzBz_n\to Bz 仅由 BB 连续 +znz+\,z_n\to z 得到,A(Tzn)AxA(Tz_n)\to Ax 仅由 AA 连续 +Tznx+\,Tz_n\to x 得到——二者都是连续性事实,不依赖 YY 完备;而 A,BA,B 的有界性是题目直接给定,无需由 YY 完备导出。本方向真正用到的只有:Z,XZ,X 完备(供闭图像定理)、A,BA,B 连续、AA 单射。因此题目把 YY 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:

这就是 Douglas 分解 B=ATB=AT 的存在性(算子层面的"BB 能被 AA 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,YX,Y 为 Banach 空间,Ti:XYT_i:X\to Y 为一列有界线性算子。证明下列各条等价:

  1. 对每个 xXx\in X,序列 {Tnx}\{T_n x\}YY 中收敛;
  2. supnTn<\sup_n\|T_n\|<\infty,且存在稠密子集 DXD\subset X 使对每个 xDx\in D{Tnx}\{T_n x\}YY 中的 Cauchy 序列;
  3. supnTn<\sup_n\|T_n\|<\infty,且存在有界线性算子 T:XYT:X\to Y 使 TiT_i 强收敛TT(即对每个 xxTixTxT_i x\to Tx)且 Tlim infnTn\|T\|\le\liminf_{n\to\infty}\|T_n\|

此外,证明:当 YY 不完备时 (1) 与 (3) 的等价仍成立;当 XX 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 TnxTxT_n x\to Tx,比一致收敛(即 TnT0\|T_n-T\|\to 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.XXBanach 空间(完备赋范空间),ZZ 为赋范空间,{Sα}αA\{S_\alpha\}_{\alpha\in A} 为一族 XZX\to Z 的有界线性算子。若 {Sα}\{S_\alpha\} 逐点有界,即

xX:supαASαx<,\forall x\in X:\quad \sup_{\alpha\in A}\|S_\alpha x\|<\infty,
{Sα}\{S_\alpha\} 一致有界,即 supαASα<\sup_{\alpha\in A}\|S_\alpha\|<\infty

前提核验落点:使用一致有界原理时必须核验 (a) 定义域 XX 完备(这是一致有界原理唯一对空间完备性的要求;值域 ZZ 不必完备);(b) 每个 SαS_\alpha 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 XX 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“XX 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)

{yn}\{y_n\} 为赋范空间 YY 中收敛列,ynyy_n\to y,则 supnyn<\sup_n\|y_n\|<\infty

证.ε=1\varepsilon=1N\exists N 使 nNn\ge Nyny<1\|y_n-y\|<1,故 yny+1\|y_n\|\le\|y\|+1。前 N1N-1 项有限多,取

M=max{y1,,yN1,  y+1}<,M=\max\{\|y_1\|,\dots,\|y_{N-1}\|,\;\|y\|+1\}<\infty,
即得 supnynM<\sup_n\|y_n\|\le M<\infty\qquad\square

引理 B(收敛列是 Cauchy 列)

{yn}\{y_n\} 在赋范空间 YY 中收敛,ynyy_n\to y,则 {yn}\{y_n\} 是 Cauchy 列。

证.ε>0\varepsilon>0,取 NN 使 nNyny<ε/2n\ge N\Rightarrow\|y_n-y\|<\varepsilon/2,于是 n,mNn,m\ge Nynymyny+yym<ε\|y_n-y_m\|\le\|y_n-y\|+\|y-y_m\|<\varepsilon\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)

Tn:XYT_n:X\to Y 线性(XX 只需赋范,YY 只需赋范),且对每个 xx 极限 Tx:=limnTnxTx:=\lim_n T_n xYY 中存在;又设 C:=supnTn<C:=\sup_n\|T_n\|<\infty。则

  1. TT 良定且线性;
  2. 对每个 xxTx(lim infnTn)xCx\|Tx\|\le\big(\liminf_n\|T_n\|\big)\|x\|\le C\|x\|,故 TT 有界且 Tlim infnTn\|T\|\le\liminf_n\|T_n\|

证. 良定. 赋范空间是 Hausdorff 的(不同两点 aba\ne b 可用半径 12ab\tfrac12\|a-b\| 的开球分离),故收敛列极限唯一;从而 Tx:=limnTnxTx:=\lim_n T_n xxx 的良定取值。

线性. 对标量 α,β\alpha,\betax,xXx,x'\in X

T(αx+βx)=limnTn(αx+βx)=limn(αTnx+βTnx)=αlimnTnx+βlimnTnx=αTx+βTx,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',
第二个等号用各 TnT_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:ynyynyy_n\to y\Rightarrow\|y_n\|\to\|y\|(因 ynyyny0\big|\|y_n\|-\|y\|\big|\le\|y_n-y\|\to0)。于是

Tx=limnTnx=lim infnTnxlim infn(Tnx)=(lim infnTn)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\|.
逐项解释:第二个等号因 {Tnx}\{\|T_n x\|\} 收敛(其极限 =Tx=\|Tx\|),而收敛数列的 lim inf\liminf 等于其极限;不等号用逐项的 TnxTnx\|T_n x\|\le\|T_n\|\|x\| 并对两边取 lim inf\liminflim inf\liminf 保序);最后一个等号是 lim inf\liminf 对非负常数的齐次性。

注(齐次性 lim infn(ban)=blim infnan\liminf_n(b\,a_n)=b\,\liminf_n a_nb=x0b=\|x\|\ge0):当 b0b\ge0 时,映射 tbtt\mapsto btR\mathbb 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/sup\sup 与下极限结构,齐次性成立(b=0b=0 时两边皆 00,显然)。若 b<0b<0 则会翻成 lim sup\limsup,但此处 b=x0b=\|x\|\ge0 无此问题。

再由 lim infnTnC<\liminf_n\|T_n\|\le C<\inftyL:=lim infnTnL:=\liminf_n\|T_n\| 有限,且 TxLx\|Tx\|\le L\|x\| 对所有 xx 成立,故 TT 有界且 TL=lim infnTn\|T\|\le L=\liminf_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 XXYY 的完备性。它只假设了两件事:(i) 极限 TxTx 处处存在;(ii) 一致界 C=supnTn<C=\sup_n\|T_n\|<\infty 这个事实本身。C<C<\infty 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,YX,Y 均 Banach 下证 (1)⟺(2)⟺(3)

证明路线:(1)(3)(1)(1)\Rightarrow(3)\Rightarrow(1)(1)(2)(1)\Rightarrow(2)(2)(1)(2)\Rightarrow(1)。四条箭头闭合后三者两两等价。

(1) ⟹ (3)

设对每个 xx{Tnx}\{T_n x\} 收敛。定义 Tx:=limnTnxYTx:=\lim_{n}T_n x\in Y

第一步:逐点有界。 对每个固定 xx{Tnx}\{T_n x\} 收敛,由引理 AsupnTnx<\sup_n\|T_n x\|<\infty。这对每个 xx 成立,即族 {Tn}\{T_n\} 逐点有界

第二步:用一致有界原理得一致有界(此处用 XX 完备)。 核验一致有界原理前提:

故由 一致有界原理

C:=supnTn<.C:=\sup_n\|T_n\|<\infty.

注:此处唯一动用了 XX 的完备性(经一致有界原理,再经Baire 纲定理);YY 是否完备完全没进来。

第三步:TT 的性质。Tx=limnTnxTx=\lim_n T_n x 处处存在,且第二步给出 C=supnTn<C=\sup_n\|T_n\|<\infty,套用引理 CTT 良定、线性、有界,且 Tlim infnTn\|T\|\le\liminf_n\|T_n\|

强收敛 TnxTxT_n x\to Tx 正是 TxTx 的定义;supnTn=C<\sup_n\|T_n\|=C<\infty 已由第二步给出。三项齐备,(3) 成立\qquad\blacksquare

(3) ⟹ (1)

(3) 直接断言 x, TnxTx\forall x,\ T_n x\to Tx,即 {Tnx}\{T_n x\}YY 中收敛(极限为 TxTx)。这正是 (1)。

注:此步平凡,不需要 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),得 supnTn<\sup_n\|T_n\|<\infty(即 (3) 的第一项)。

注(完备性来源,即时标注):此处的 supnTn<\sup_n\|T_n\|<\infty 来自 (1)(3)(1)\Rightarrow(3) 的第二步,因而间接经一致有界原理用到了 XX 完备。这一点为后文“XX 不完备”的讨论埋下伏笔——届时这条路恰恰断掉。

D=XD=X。它在 XX 中稠密(X=X\overline X=X 显然)。对每个 xD=Xx\in D=X,由 (1) 知 {Tnx}\{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 3ε3\varepsilon 论证,用 YY 完备)

C:=supnTn<C:=\sup_n\|T_n\|<\inftyDXD\subset X 稠密,且对每个 xDx\in D{Tnx}\{T_n x\} Cauchy。

先处理平凡情形 C=0C=0 C=0C=0 意味着 Tn=0\|T_n\|=0Tn=0T_n=0 对所有 nn,则对每个 xxTnx=00T_n x=0\to0 收敛,(1) 成立。以下设 C>0C>0

目标:对每个 xXx\in X{Tnx}\{T_n x\} 是 Cauchy 列。 任取 xXx\in Xε>0\varepsilon>0。由 DD 稠密,存在 dDd\in D 使

xd<ε3C.\|x-d\|<\frac{\varepsilon}{3C}.

注(为何能取到这样的 dd):稠密即 D=X\overline D=X,等价地 x,δ>0, dD, xd<δ\forall x,\forall\delta>0,\ \exists d\in D,\ \|x-d\|<\delta。这里取 δ=ε/(3C)>0\delta=\varepsilon/(3C)>0C>0C>0 保证 δ\delta 有意义)。

对任意 n,mn,m,用三角不等式插入 Tnd,TmdT_n d,T_m d,并用每个 TkT_k 线性、TkC\|T_k\|\le C

TnxTmxTn(xd)=TnxTnd+TndTmd+Tm(dx)=TmdTmxTnxd+TndTmd+TmxdCxd+TndTmd+Cxd<ε3+TndTmd+ε3=2ε3+TndTmd. \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}

dDd\in D{Tnd}\{T_n d\} Cauchy:N\exists N 使 n,mNTndTmd<ε/3n,m\ge N\Rightarrow\|T_n d-T_m d\|<\varepsilon/3。于是 n,mNn,m\ge N

TnxTmx<2ε3+ε3=ε.\|T_n x-T_m x\|<\frac{2\varepsilon}{3}+\frac{\varepsilon}{3}=\varepsilon.
ε>0\varepsilon>0 任意,故 {Tnx}\{T_n x\}YY 中 Cauchy 列。

取极限(此处且仅此处用 YY 完备)。 YY Banach(完备)⟹ 该 Cauchy 列在 YY 中收敛。故对每个 xx{Tnx}\{T_n x\} 收敛,(1) 成立

注:本方向用的是 YY 完备(取极限),而没有用 XX 完备、也没有用一致有界原理——一致界 CC 是 (2) 直接假设给定的。这一观察是后面“XX 不完备”论断的钥匙。\qquad\blacksquare

等价闭合

(1)(3)(1)(1)\Rightarrow(3)\Rightarrow(1)(1)(2)(1)(1)\Rightarrow(2)\Rightarrow(1) 均已建立,三者两两等价:(1)(2)(3)(1)\Leftrightarrow(2)\Leftrightarrow(3)\qquad\blacksquare

注(各步动用的完备性一览):(1)(3)(1)\Rightarrow(3)XX 完备(经一致有界原理);(2)(1)(2)\Rightarrow(1)YY 完备(Cauchy⟹收敛);(3)(1)(3)\Rightarrow(1)(1)(2)(1)\Rightarrow(2) 不直接动用完备性(后者借道 (1)(3)(1)\Rightarrow(3) 间接用了 XX 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:YY 不完备时 (1)⟺(3) 仍成立

此处不假设 YY 完备(YY 只是赋范空间),仍设 XX Banach;每个 Tn:XYT_n:X\to Y 有界线性。

(1)(3)(1)\Rightarrow(3) 回看主体中 (1)(3)(1)\Rightarrow(3) 的三步,逐句检查 YY 完备是否被用到。

特别地,Tx:=limTnxTx:=\lim T_n x 良定,是因为 (1) 已假设该极限在 YY 中存在——这是假设,不需要 YY 完备去“制造”极限。故 (1)(3)(1)\Rightarrow(3) 全程没有任何一处调用 YY 的完备性

(3)(1)(3)\Rightarrow(1) 纯逻辑展开(TnxTxT_n x\to Tx 即收敛),与任何空间完备性无关。

故在 YY 不完备时 (1)(3)(1)\Leftrightarrow(3) 仍成立。关键:(1)(3)(1)\Leftrightarrow(3) 依赖的是 XX 完备(经一致有界原理),而非 YY 完备。 \qquad\blacksquare

注(为何不能照搬到 (2)⟺(3)):上面绕开了 YY 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 YY 完备不可。所以 YY 完备的命门落在含 (2) 的等价里——见下。


不完备情形之二:XX 不完备时 (2)⟺(3) 仍成立

此处不假设 XX 完备(XX 只是赋范空间),仍设 YY Banach;每个 Tn:XYT_n:X\to Y 有界线性,DXD\subset X 稠密。

注(为何不能走老路 (2)(1)(3)(2)\Rightarrow(1)\Rightarrow(3)):若想用 (1)(3)(1)\Rightarrow(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 XX 完备——此处 XX 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),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 supnTn=C<\sup_n\|T_n\|=C<\infty,无需再去“推”一致有界。

(2)(3)(2)\Rightarrow(3)(不用一致有界原理,用 YY 完备): 由 (2),C:=supnTn<C:=\sup_n\|T_n\|<\infty给定的DD 稠密,xD\forall x\in D{Tnx}\{T_n x\} Cauchy。

第一步(3ε3\varepsilon 论证,证 x\forall x 的 Cauchy 性)。 C=0C=0 时所有 Tn=0T_n=0{Tnx}={0}\{T_n x\}=\{0\} 平凡 Cauchy;C>0C>0 时,对每个 xXx\in Xε>0\varepsilon>0,取 dDd\in D 使 xd<ε/(3C)\|x-d\|<\varepsilon/(3C),与主体 (2)(1)(2)\Rightarrow(1) 中完全相同地得

TnxTmx2Cxd+TndTmd<2ε3+TndTmd,\|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\|,
再由 {Tnd}\{T_n d\} Cauchy 取 NN 使 n,mNn,m\ge N 时尾部 <ε/3<\varepsilon/3,得 TnxTmx<ε\|T_n x-T_m x\|<\varepsilon。故 {Tnx}\{T_n x\}YY 中 Cauchy 列。

注:此 3ε3\varepsilon 论证只用了 DD 稠密、给定界 CC、各 TnT_n 有界线性、三角不等式全程未用一致有界原理,也未用 XX 完备——绕开一致有界原理的本钱正是 (2) 已把一致界 CC 写进假设。

第二步(取极限定义 TT,此处用 YY 完备)。 YY 完备(题设 YY Banach)⟹ Cauchy 列 {Tnx}\{T_n x\}YY 中收敛。对每个 xx 定义 Tx:=limnTnxTx:=\lim_n T_n x(处处存在)。

第三步(TT 的线性与范数估计,在 XX 仅赋范的新前提下显式重述)。 此时 XX 只是赋范空间,仍逐步核对:

注(明确标注依赖):第三步这两步只用了 TnT_n 线性 ++ YY 中极限运算连续 ++ 已给定的 C=supnTn<C=\sup_n\|T_n\|<\infty(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 XX 完备

强收敛 TnxTxT_n x\to Tx 即第二步的定义;supnTn=C<\sup_n\|T_n\|=C<\infty 即 (2) 给定。(3) 三项齐备\qquad\blacksquare

(3)(2)(3)\Rightarrow(2) (3) 已给 supnTn<\sup_n\|T_n\|<\infty(即 (2) 第一项)。取 D=XD=X

注(与存在量词相容):(2) 只要求存在某个稠密 DD;取 D=XD=XX=X\overline X=X 显然稠密)即满足这个存在量词(“取最大的 DD”),逻辑相容。

对每个 xD=Xx\in D=X,(3) 给出 TnxTxT_n x\to Tx 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 XX 是否完备无关。\qquad\blacksquare

故在 XX 不完备时 (2)(3)(2)\Leftrightarrow(3) 仍成立。关键:(2)(3)(2)\Leftrightarrow(3) 依赖的是 YY 完备(取极限),而非 XX 完备;(2) 自带 sup\sup 界,正好绕过了需要 XX 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 XX 完备? 用到 YY 完备? 用到一致有界原理?
(1)(3)(1)\Rightarrow(3) 是(经一致有界原理把逐点有界升级为一致有界)
(3)(1)(3)\Rightarrow(1)
(2)(3)(2)\Rightarrow(3) 是(Cauchy 列取极限) 否(sup\sup 界已假设)
(3)(2)(3)\Rightarrow(2)

两句话精髓: