泛函分析知识总结 下载本文

内容发布更新时间 : 2024/6/8 13:15:00星期一 下面是文章的全部内容请认真阅读。

4.2完备的度量空间的定义:如果度量空间(X,d)中每一个柯西点列都在(X,d)中收敛,

那么称(X,d)是完备的度量空间.

★但要注意,在定义中要求X中存在一点,使该柯西点列收敛到这一点。 4.3举例(记住结论)

4.3.1有理数全体按绝对值距离构成的空间不完备,但n维欧式空间Rn是完备的度量空间。 4.3.2 在一般度量空间中,柯西点列不一定收敛,但是度量空间中的每一个收敛点列都是柯

西点列:C、C[a,b]、l?也是完备的度量空间。

4.4定理 完备度量空间X的子空间M,是完备空间?M是X中的闭子空间。

P[a,b](表示闭区间[a,b]上实系数多项式全体,作为C[a,b]的子空间)是不完备的度量空间.

5. 度量空间的完备化。

~~~5.1等距映射:设(X,d),是两个度量空间,T是从X到X上的映射,即对(X,d)~?x,y?X,d(Tx,Ty)=d(x,y),则称T是等距映射。

~~~5.2定义:设(X,d),是两个度量空间,如果存在一个从X到X上的等距映射T,(X,d)~~~则称(X,d)和等距同构,此时T称为X到X上的等距同构映射。(像(X,d)的距离等于原像的距离)

注:在泛函分析中往往把两个等距同构的度量空间不加区别而视为同一的。

5.2定理1(度量空间的完备化定理):设X=(X,d)是度量空间,那么一定存在完备度量

~~~~~空间X=(X,d),使X与X的某个稠密子空间W等距同构,并且X在等距同?)也是一个完备的度量空间,且X与X?,d?的某个稠构下是唯一的,即若(X?)等距同构。(不需要掌握证明但是?,d(X,d)与(X密子空间等距同构,则

~~要记住结论)

5.2.1定理1的改述:设X=(X,d)是度量空间,那么存在唯一的完备度量空间

~~~~X=(X,d),使X为X的稠密子空间。

5

6. 压缩映射原理及其应用(重点内容,要求掌握并会证明)

学习完备度量空间概念,就需要应用,而压缩映像原理是求解代数方程、微分方程、积分方程,以及数值分析中迭代算法收敛性很好的工具,另外要学会如何求不动点。

6.1压缩映射定义:X是度量空间,T是X到X的映射,如果存在一个数α,??,使 (0,1)对? x,y ?X,d(Tx,Ty)≦αd(x,y) 则称T为压缩映射。

6.2(压缩映射定理)设X是完备的度量空间,T是X上的压缩映射,那么T有且仅有一个

不动点(即方程Tx=x,有且只有一个解)。

(x是T的不动点?x是方程Tx=x的解)

这个定理对代数方程、微分方程、积分方程、数值分析的解的存在性和唯一性的证明中起重要作用。

6.3压缩映射原理的应用:在众多情况下,求解各种方程的问题可以转化为求其某一映射的不动点,现在以大家熟悉的一阶常微分方程

dydx?f(x,y) (1)

为例来说明这一点。求微分方程(1)满足初始条件y(x0)?y0的解与求积分方程

xy(x)?y0??x0f(x,y(t))dt (2)

等价。我们做映射

xTy(x)?y0??x0f(x,y(t))dt

则方程(2)的解就转化为求y,使之满足Ty?y。也就是求这样的y,它经映射作用后仍变为y。因此,求解方程(1)就变为求映射T的不动点,这种求解方程变为求解映射的不动点的做法在数学中是常用的。那么如何求解映射的不动点呢?在R中求方程解的逐次逼近法给了我们启示。

这种迭代原理是解决映射不动点问题最基本的方法。在解决上述问题中,看到实数完备性的重要作用。

代数方程、微分方程、积分方程及其他方程求解的逐次逼近法在泛函分析中成了一个一般原理,即压缩映射原理,压缩映射原理就是某一类映射不动点存在性和惟一性问题,不

6

动点可以通过迭代序列求出。

注:(1)从定理的证明过程中发现,迭代序列的初始值可任意选取,最终都能收敛到惟一不动点。

(2)该定理提供了近似计算不动点的误差估计公式,即

?(x?,xn)?an1?a?(Tx0,x0)

因为完备度量空间的任何子集在原有度量下仍然是完备的,所以定理中的压缩映射不需要在整个空间X上有定义,只要在某个闭集上有定义,且像也在该闭集内,定理的结论依然成立。

在实际应用过程中,有时T本身未必是压缩映射,但T的若干次复合Tn是压缩映射,这时T仍然有惟一不动点,下面是压缩映射原理的应用及相关证明。

例1 线性代数方程Ax?b均可写成如下形式

x?Cx?D (3)

T其中C?(cij)n?n,D?(d1,d2,?,dn)。如果矩阵C满足条件

n?j?1cij?1(i?1,2,?,n)

则式(3)存在惟一解,且此解可由迭代求得。

证明:取X?Rn,定义度量为

?(?,?)?maxai?bi

1?i?n??(a1,a2,?,an),??(b1,b2,?,bn)

TT构造映射T:X?X为Tx?Cx?D,那么方程(3)的解等价于映射T的不动点。

TT对于x?(x1,x2,?,xn),y?(y1,y2,?,yn),由于

nnij?(Tx,Ty)?max1?i?n?(cj?1nxj?dj)??(cj?1ijyj?dj)

n ?max1?i?n?cj?1ij(xj?yj)?max1?i?n?j?1cij?(x,y)

n记a?max1?i?n?j?1cij,由条件a?1,因此T是压缩映像,于是T有惟一不动点,所以方程(3)

7

有惟一解,且此解可由如下迭代序列

x(k)?Cx(k?1)?D

近似计算求得。

例2 考察如下常微分方程的初值问题

?dy?f(x,y)? ?dx (4)

?y(x)?y00?如果f(x,y)在R2上连续,且关于第二元y满足Lipschitz条件,即

f(x,y1)?f(x,y2)?Ky1?y2

这里K?0是常数,则方程(4)在[x0??,x0??]上有惟一解(??证明:方程(4)的解等价于如下方程 y(x)?y0?1K)。

?xx0f(t,y(t))dt (5)

的解。取连续函数空间C[x0??,x0??],定义其上的映射

T:C[x0??,x0??]?C[x0??,x0??]

(Ty)(x)?y0??xx0f(t,y(t))dt

则积分方程(5)的解等价于T的不动点。对任意两个连续函数y1(x),

y2(x)?C[x0??,x0??],由于

?(Ty1,Ty2)? ? ?x?[x0??,x0??]max?xxx0[f(t,y1(t))?f(t,y2(t))]dt

x?[x0??,x0??]max?x0xx0f(t,y1(t))?f(t,y2(t))dt y1(t)?y2(t)dt??K?(y1,y2)

x?[x0??,x0??]maxK?令a?K?,则a?1,故T是压缩映射,从而T有惟一不动点,即积分方程(5)有唯一解,从而微分方程(4)在[x0??,x0??]上有惟一解。

例3 设K(s,t)是定义在[a,b]?[a,b]上的二元连续函数,则对于任何常数?及任何给定的连续函数f(t)?C[a,b],如下Volterra型积分方程

8