泛函分析的知识点

度量空间

线性空间实例：向量空间$K^n$、p方可和数列空间$l^p$、p幂可积函数空间$L^p(E)$、连续函数空间$C[a,b]$、k阶连续导数函数空间$C^k[a,b]$、矩阵空间$M_{mn}$

度量空间=定义了距离的集合。

  • Holder不等式$\Rightarrow$柯西不等式$\Rightarrow$向量空间的距离
  • Minkowski不等式$\Rightarrow$p方可和数列空间的距离

拓扑性质

  • 基于开球（邻域）定义：内点/开集、聚点/导集
  • 任意多开集的并是开集、有限个开集的交也是开集、开集的余集是闭集

连续映射：开子集的原像也是开子集

  • 稠密集：度量空间X中，$\bar{A}\supseteq B$，则A在B中稠密。B=X时，称A为X的稠密子集。
  • 可分性：可数子集稠密$\Rightarrow$可数正交基
  • 完备性：柯西序列收敛
  • 紧集：任意序列包含收敛子列$\Rightarrow$闭集、有界、完备

赋范线性空间

范数，一个泛函：非负，三角不等式，比例

所有线性空间为凸集，Banach-schauder不动点定理

Shauder基(e)：$\forall x \exists a_i  \left \|  x-\sum_{i=1}^\infty a_ie_i\right \|=0 $

有限维赋范空间的完备性：每个分量构成一个柯西序列

内积空间

内积：非负、比例、共轭对称、共轭双线性函数

内积导出的范数，存在平行四边形公式

正交、正交补、正交和、正交投影、正交基、Gram-Schmit正交化

最佳逼近：$\exists y_0 = \arg \inf_{y\in M} \left \| x-y \right \|$

线性算子

同一数域上的两个线性空间之间的线性映射

有限维空间上的线性算子可用矩阵表示

有界：$\left \| Tx \right \|_Y \leqslant C\left \| x \right \|_X$，这里C为一常数

连续性$\Leftrightarrow$ 有界；一点连续，处处连续

线性算子空间B(X,Y)，如果Y完备，那么B(X,Y)也完备。

线性泛函

对偶空间：赋范空间X上的有界线性泛函构成赋范空间时，称为X的对偶空间；H空间自对偶。

Riesz定理：H空间

  • 任意有界线性泛函可用内积表示$\forall f:H\rightarrow K\exists z\in H, \forall x f(x)=<x,z>,\left \| z \right \|=\left \| f \right \|$
  • 任意有界双线性泛函$f(x,y)=<Sx,y>，S:H_1\rightarrow H_2\left \| S \right \|=\left \| f \right \|$

Hilbert空间的有界线性算子

伴随算子T*：对于算子T，<Tx,y>=<x,T*y>

  • $Tx(t)=\int_a^bK(t,s)x(s)ds,x(s)\in L^2[a,b];T*y(t)=\int_a^b\overline{K(s,t)}y(s)ds$

自伴算子：T*=T

酉算子：T*=T-1

正规算子：T*T=TT*

正算子：<Tx,x> >= 0

正定算子：<Tx,x> >= C|x|

投影算子：$\forall x\in H, x=Px+y\,where\,Px=x_0\in M, y\in M^\perp; H=P(H)\bigoplus N(P)$。投影算子必为自伴算子和正算子。自伴、幂等的有界线性算子为投影算子。

无界线性算子：其定义域不可能为全空间。其中一种为稠定线性算子$T:D(T)\rightarrow H\,where\,\overline{D(T)}=H$

泛函极值

在赋范空间X上，$x_*=\arg \min_{x\in D}f(x)\,where\,D\in X,f:X\rightarrow R$

Gateaux 微分：$\delta T(x,h)=\lim_{a\to 0}\frac{T(x+ah)-T(x)}{a}$

Frechet 微分：$\delta T(x)=\lim_{\left |h  \right |\to 0}\frac{T(x+h)-T(x)-dT(x+h)}{\left | h \right |}$

欧拉-拉格朗日方程：$f_x(t,x,\dot{x})-\frac{d}{dt}f_{\dot{x}}(t,x,\dot{x})=0$

线性算子方程

线性算子方程的解是线性算子的逆问题。谱论讨论逆算子的一般性质以及和原算子的关系。

  • 如果λI-T存在有界逆算子，λ称为正则值。正则值的全体称为正则集$\rho(T)$
  • 否则λ称为谱点，所有谱点称为T的谱$\sigma(T)$。这里$\rho(T)\bigcup\sigma(T)=C$
    • (λI-T)x=0有非零解，λ称为特征值；特征值的全体称为点谱$\sigma_p(T)$
    • (λI-T)x=0只有零解，其中如果(λI-T)在X中稠密，λ称为连续谱$\sigma_c(T)$，否则为剩余谱$\sigma_r(T)$

自伴算子的特征值为实数，特征向量相互正交

自伴二阶线性常微分算子：$L[??]=??_0 (??)y′′+??_1 (??)??′+??_2(??)??, <??[??],??> = <??,??[??]>\Rightarrow ??[??]=(????′ )′−????, [\bar{??}??′−\bar{??′}??]_a^b=0$

自伴二阶线性偏微分算子：$L[u]=\frac{\partial }{\partial x}(p\frac{\partial u}{\partial x})+\frac{\partial }{\partial y}(p\frac{\partial u}{\partial y})+qu,<L[u],v>=<u,L[v]>\Rightarrow [u\frac{\partial v}{\partial n}-v\frac{\partial u}{\partial n}]_\Sigma =0$

算子方程的近似计算

弗雷德霍姆积分方程：$y(s)=f(x)+\lambda\int_a^bK(s,t)y(t)dt,\int_a^b\int_a^b\left |  K(s,t)\right |^2dtds<+\infty$

  • |λ|充分小时，根据压缩原理，$\left \| Tx-Ty \right \|^2=\lambda^2\int_a^b\int_a^b\left |  K(s,t)\right |^2dtds\left \| x-y \right \|^2<\left \| x-y \right \|^2$
  • 由此可导出逐次逼近法

变分原理：把算子方程转换为泛函极值

  • 设空间H中的自伴线性算子A，对于给定函数$f\in R(A), Au=f$为确定性算子方程，如A为正算子，则该方程与泛函$J[u]=<Au,u>-<u,f>-<f,u>$的极小值问题等价。
  • 对于非自伴算子A，借助辅助方程A*v=g，可转化为二元泛函的极小值问题$J[u,v]=<Au,v>-<u,g>-<f,v>$
  • 特征值问题Au=λBu，对应的泛函极值<Au,v>-λ<Bu,v>=0
  • 瑞利-里茨法：采用满足边值条件的近似函数$u=\sum_ka_k\varphi_k\Rightarrow J[u]=\bar{a}Ba-2Re[\bar{a}g]\,where\,B=[<A\varphi_k,\varphi_l>],g=[<f,\varphi_k>]^T$
  • 有限元：把计算区域用三角形覆盖，[K](u)=P。K为剖分所得矩阵，P为边界条件向量，u为n各单元顶点u值构成的向量。

加权余量法

$Au(x)=f(x),Bu(x_b)=g(x_b),x\in\Omega,x_b\in\partial \Omega$

$R_e(x)=Au^{(n)}(x)-f(x),R_b(x_b)=Bu^{(n)}(x_b)-g(x_b),<R_e,w_\mu>_\Omega+<R_b,Pw_\mu>_{\partial\Omega}=0$

  • 矩量法：$R_b=0\Rightarrow <Au^{(n)},w_\mu>_\Omega=<f,w_\mu>_\Omega$

    • $u^{(n)}=\sum_kc_k\varphi_k$
    • 权函数选择：Galerkin $w=\varphi$、点配法$w_\mu(x)=\delta(x-x_\mu)$、子域法$w_\mu(x)=1\,if\,x\in\Omega_\mu$、最小二乘法
  • 边界积分法：$R_e=0\Rightarrow <Bu^{(n)},Pw_\mu>_{\partial\Omega}=<g,Pw_\mu>_{\partial\Omega}$
    • 边界元：用满足内域条件的函数来逼近边界，对边界进行剖分，从而降低问题维度

广义函数

基本空间D(Ω)

  • 定义在Rn中开域Ω上无限次可微的函数全体$C^\infty(\Omega)$
  • 设$\varphi(x)$为定义在Ω的函数，$\varphi(x)$的支集：$Supp\varphi(x)=\overline{\{x|x\in\Omega,\varphi(x)\neq 0\}}$
  • 具有紧支集的$C^\infty(\Omega)$中函数集合$C_0^\infty(\Omega)$
  • 收敛性：$\varphi_n$定义在紧支集 K 上，$\lim_{j\to 0}\forall a \max_{a\in K}(\partial^\alpha \varphi_j(x)-\partial^\alpha \varphi(x))\to 0$

广义函数：在基本空间D(Ω)上的连续线性泛函f。f的全体记为D‘(Ω)。注意和基本空间一样，不是赋范线性空间。

  • 连续性：$\varphi_n$收敛$\Rightarrow<f,\varphi_n>$收敛
  • $\delta_a$函数：$\delta_a(\varphi)=<\delta_a,\varphi>=\varphi(a)$
  • 导数：$<\partial f/\partial x,\varphi>=<f,\partial\varphi/\partial x>$，并且求导计算保持收敛性。
  • 乘法：$<tf,\varphi>=<f,t\varphi>$
  • 卷积：$<S*T,\varphi>=<S(x), <T(y), \varphi(x+y)>>$
  • 平移：$<t_hf,\varphi>=<f,t_{-h}\varphi>$
  • 存在性：每个局部可积函数都可定义一个广义函数$\forall f\in L(\Omega),\exists T_f, \forall \varphi\in C_0^\infty(\Omega),T_f(\varphi)=<f,\varphi>=\int_\Omega f(x)\varphi(x)dx$

傅里叶变换

  • 速降函数：$\forall a\forall m\exists C_{am},|\partial ^a\varphi (x)|\leqslant \frac{C_{am}}{(1+|x|^2)^m}$
  • 速降函数空间$S(R^n)\supset D(R^n)$
  • $\varphi\in S(R^n)\Rightarrow F(\varphi), F^{-1}\in S(R^n)$
  • $S(R^n)$连续泛函的全体称为缓增广义函数空间$S‘(R^n)$
  • $<F[T],\varphi>=<T,F[\varphi]>, \forall \varphi\in S(R^n) \forall T\in S‘(R^n)$

Sobolev空间：巴拿赫空间

  • 函数集合$W^{m,p}(\Omega)=\{u\in L^p(\Omega)|\partial^au\in L^p(\Omega),|a|\leqslant m\}$
  • 范数：$\left \| u \right \|_{m,p}=(\int_\Omega\sum_{|a|\leqslant m}|\partial^audx|^p)^{1/p}$
  • $W^{0,p}(\Omega)=L^p(\Omega),H^m(\Omega)=W^{m,2}(\Omega)$

小波变换

窗口傅里叶变换：构造了可以平移的窗口，频域和时域窗口不能同时达到最小值

  • $G_f(\omega,\tau)=\int_{-\infty}^\infty f(t)g(t-\tau)e^{-j\omega t}dt$

选择平方可积，平均值为零的函数$\psi(t)$来构造可平移、可伸缩的基本小波：$\psi_{a,b}(t)=\frac{1}{\sqrt a}\psi(\frac{t-b}{a})$

定义连续小波变换为$W_f(a,b)=\frac{1}{\sqrt a}\int_{-\infty}^{\infty}f(t)\Psi(\frac{t-b}{a})dt$

逆变换为：$f(t)=\frac{1}{c_\psi}\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}\frac{1}{a^2}W_f(a,b)\Psi_{a,b}(t)dadb$

连续小波对a,b具有共变性

  • $f(t-b_0)\leftrightarrow W_f(a,b-b_0)$
  • $f(a_0t)\leftrightarrow \frac{1}{\sqrt a_0}W_f(a_0a,a_0b)$

参考文献

  • 王长清，近代应用解析数学基础，西安电子科技大学出版社，2001
  • 张恭庆、韩源渠，泛函分析讲义，北京大学出版社，2008

Normal
0

7.8 pt
0
2

false
false
false

EN-US
ZH-CN
X-NONE

MicrosoftInternetExplorer4

/* Style Definitions */
table.MsoNormalTable
{mso-style-name:"Table Normal";
mso-tstyle-rowband-size:0;
mso-tstyle-colband-size:0;
mso-style-noshow:yes;
mso-style-priority:99;
mso-style-parent:"";
mso-padding-alt:0cm 5.4pt 0cm 5.4pt;
mso-para-margin:0cm;
mso-para-margin-bottom:.0001pt;
mso-pagination:widow-orphan;
font-size:10.0pt;
font-family:"Times New Roman",serif;}

时间： 2024-10-11 19:40:23

泛函分析的知识点的相关文章

H5移动端知识点总结

移动开发基本知识点 一. 使用rem作为单位html { font-size: 100px; }@media(min-width: 320px) { html { font-size: 100px; } }@media(min-width: 360px) { html { font-size: 112.5px; } }@media(min-width: 400px) { html { font-size: 125px; } }@media(min-width: 640px) { html { f

Spring知识点回顾（01）

Spring知识点回顾(01) 一.依赖注入 1.声明Bean的注解 @Component @Service @Repository @Controller 2.注入Bean的注解 @Autowired @Inject @Resource 二.加载Bean 1.xml方式 - applicationcontext.xml : Beans, Bean, Component-Scan 2.注解方式 - @Configuration,@ComponentScan,@Bean 用@Configurati

Javascript易错知识点

? JS易错知识点总结: == 和 === 的区别: ==:判断两个变量的值是否相等. ===:判断两个变量的类型和值是否都相等,两个条件同时满足时,表达式为True. switch中break的作用: 如果一个case后面的语句,没有写break,那么程序会向下执行,而不会退出: 例如:当满足条件的case 2下面没有break时,case 3也会执行 1 var num = 2; 2 switch(num){ 3 case 1: 4 alert('case 1'); 5 break; 6 c

老男孩教育每日一题-2017年5月11-基础知识点： linux系统中监听端口概念是什么?

1.题目 老男孩教育每日一题-2017年5月11-基础知识点:linux系统中监听端口概念是什么? 2.参考答案 监听端口的概念涉及到网络概念与TCP状态集转化概念,可能比较复杂不便理解,可以按照下图简单进行理解? 将整个服务器操作系统比喻作为一个别墅 服务器上的每一个网卡比作是别墅中每间房间 服务器网卡上配置的IP地址比喻作为房间中每个人 而房间里面人的耳朵就好比是监听的端口 当默认采用监听0.0.0.0地址时,表示房间中的每个人都竖起耳朵等待别墅外面的人呼唤当别墅外面的用户向房间1的人呼喊时

JavaScript一些重要知识点结合题目的表现！

function Foo() { //① 声明一个Foo的函数 getName = function () { alert (1); }; return this; } Foo.getName = function () { alert (2);}; ② 为Foo创建一个叫getName的静态属性存储一个匿名函数 Foo.prototype.getName = function () { alert (3);}; ③为Foo的原型对象创建一个叫getName的匿名函数 var getName =

学完了js的知识，一起分享总结知识点

又一个知识点学完了,到了总结学习效果和知识总结的时间了.js这个编程语言相对于html和css的逻辑性要强一些,也比较不容易上手.概念性的知识点不难理解,就是实际的操作并不容易,需要通过学习和借鉴案列来理解和帮助并提高实践操作的能力,把理论知识更好的结合到实践当中去,这样才能更有利于去理解和提高自己,做到知识的真正转化,缺乏理论概念性的支撑,有时真的很难上手,尤其是对于刚学习新手而言.所以需要总结知识点,大家可以互相分享一下学习的方式方法,知识总结,通过这种方式方法,相信可以有效的帮助解决一些学

C#高级知识点概要(1) - 委托和事件

作者:linybo 要成为大牛,必然要有扎实的基本功,不然时间再长项目再多也很难有大的提升.本系列讲的C# 高级知识点,是非常值得去撑握的,不仅可以让你写代码时游刃有余,而且去研究和学习一些开源项目时,也不会显得那么吃力了. 希望大家记住,这里讲的所有的知识点,不仅仅是了解了就可以了,还要会灵活用,一定要多思考,撑握其中的编程思想. 本文讲的是委托和事件,这两个词可能你早就耳熟能详,但你是否真正撑握了呢? 本系列讲的C#高级知识点都是要求开发时能达到可以徒手写出来的水平(不依赖搜索引擎.找笔记等

关于Less，你必知的知识点

这是一篇关于Less学习教程 http://www.maiziedu.com/course/497/,讲解了Less的语法,Less的混合等知识点. 1. 关于 less sass 的预编译处理器 LESS 将 CSS 赋予了动态语言的特性,如 变量, 继承, 运算, 函数. LESS 既可以在 客户端 上运行 (支持IE 6+, Webkit, Firefox),也可以借助Node.js或者Rhino在服务端运行. less 编译使用前期使用koala 编译 2. less的 语法 A): 注

JavaScript 总结几个提高性能知识点

前段时间花时间看了大半的<High Performance JavaScript>这本书啊,然后就开始忙项目了,庆幸最忙的一周已经熬过去了.由于空不出时间,这个月写的学习笔记也不多,忙完最苦X的一周,这两天晚上也算是挑灯夜读了...终于是在残血之际将这本书shut down了... 既然读完了,总归是要学到些什么的.说说对这本书的看法先吧,整体的来说,内容还是不错的,就是感觉有点老了(作为前端小白,也可能是自身水平有限,未能体会到其中真意).看这本书的过程中也是写了挺多代码用以测试的,并且对本