泛函数-正文
又称泛函，通常实（复）值函数概念的发展。通常的函数在 Rn或Cn（n是自然数）中的集合上定义。泛函数常在函数空间甚至抽象空间中的集合上定义，对集合中每个元素取对应值（实数或复数）。通俗地说，泛函数是以函数作为变元的函数。泛函数概念的产生与变分学问题的研究发展有密切关系。设Ω为Rn中的区域，Г1表示边界嬠Ω的片断,表示一函数集合。考虑对应,式中F为具有2n+1个自变数的函数:为寻求J(u)的局部极值，在一定条件下取J(u)的加托变分
如果在u=u0达到局部极值，则u0适合欧拉方程δJ(u)=0。在应用中，常以数学或物理的某个微分方程为背景产生一定泛函数，使原问题化成泛函数极值问题。当代分析学中，变分方法有广泛应用。一般把问题化成Tx=0的形式，即对应于某泛函数φ的欧拉方程，其中φ定义在一巴拿赫空间X中的开集S上且加托可微:算子T 称为梯度算子,φ称为T 的场位。人们常遇到二阶微分系统，由此产生二次泛函数极值问题，是当代变分法常见的研究对象。
泛函数φ:S嶅X→R（X 为拓扑空间）称为在x∈S处下半连续，如果对每个实数r<φx，有x的邻域U(x)，使得r<φz,凬z∈U(x)∩S。称φ在x∈S处下半序列连续,如果对每个序列 。其连续性及有界性如同对算子相应的性质所做的规定。
设φ是定义在线性集合S上的实（复）值泛函数。如果φ(x+y)＝φ(x)+φ(y)，φ 称为加性的；如果φ（λx）=λφ(x),λ∈R(C)称为齐性的；如果同时有加性及齐性称为线性的。当φ取实值时,加性得放松为次加性,其定义为：φ(x+y)≤φ(x)+φ(y)；齐性得放松为正齐性，其定义为：ƒ(λx)=λƒ(x)(λ≥0)；如果同时有次加性及齐性，则称φ具有次线性；如果对于λ∈(0,1)，有泛φ(λx+(1-λ)y)≤λφ(x)+(1-λ)φ(y)，则称φ为凸的;如果当x≠y时上式中的≤必为<,则称φ为严格凸的。在一些问题中,容许凸泛函数φ取值＋∞,但φ扝+∞,这时称φ为真凸的。此外,还有所谓凸集S上的拟凸泛函数φ：S嶅K→R（K为线性空间），使φ(tx+(1-t)y)≤max{φx,φy},x,y∈S, t∈(0,
泛函数φ:S嶅X→R（X 为拓扑空间）称为在x∈S处下半连续，如果对每个实数r<φx，有x的邻域U(x)，使得r<φz,凬z∈U(x)∩S。称φ在x∈S处下半序列连续,如果对每个序列 。其连续性及有界性如同对算子相应的性质所做的规定。
设φ是定义在线性集合S上的实（复）值泛函数。如果φ(x+y)＝φ(x)+φ(y)，φ 称为加性的；如果φ（λx）=λφ(x),λ∈R(C)称为齐性的；如果同时有加性及齐性称为线性的。当φ取实值时,加性得放松为次加性,其定义为：φ(x+y)≤φ(x)+φ(y)；齐性得放松为正齐性，其定义为：ƒ(λx)=λƒ(x)(λ≥0)；如果同时有次加性及齐性，则称φ具有次线性；如果对于λ∈(0,1)，有泛φ(λx+(1-λ)y)≤λφ(x)+(1-λ)φ(y)，则称φ为凸的;如果当x≠y时上式中的≤必为<,则称φ为严格凸的。在一些问题中,容许凸泛函数φ取值＋∞,但φ扝+∞,这时称φ为真凸的。此外,还有所谓凸集S上的拟凸泛函数φ：S嶅K→R（K为线性空间），使φ(tx+(1-t)y)≤max{φx,φy},x,y∈S, t∈(0,
1)。在赋范空间K中无界集S上定义的泛函数φ称为强制的,如果有函数с:(0,+∞)→R,с(t)→+∞(t→+∞)使得φ(z)≥с(‖z‖),凬z∈S。
线性泛函数是线性算子理论研究的对象之一，也是研究空间性质及结构的工具。例如，局部凸拓扑线性空间K有对偶空间K，K的元素就是定义在K上的连续线性泛函数。对K可赋予简单收敛拓扑或有界收敛拓扑。偶K、K间的关系对认识空间的性质和研究算子的性质都有基本意义。
相应于多重线性算子有多重线性泛函数。例如，设K1、K2是同一数域上的线性空间,定义在积空间K1×K2上的映射φ:K1×K2→R（或C）称为双线性泛函数,如果K2(K1)中元素固定时φ成为K1(K2)上的线性泛函数。当K1=K2=K，K1及K2中取等同的x∈K，则得φ(x,x),称为二次泛函数。对希尔伯特空间中线性算子谱理论的研究，双线性泛函数形式作为表示工具是方便的。二次泛函数在变分法中的应用更是为人熟知的。
拟赋范空间、局部凸拓扑线性空间、赋范空间等的表征主要在于分别在各空间上定义的次加性泛函数，即拟范数、半范数族、范数等。测度空间中的测度，即对应于某种集合的值也可理解为泛函数。对于给定函数的不定积分也可类似地看待。
线性泛函数是线性算子理论研究的对象之一，也是研究空间性质及结构的工具。例如，局部凸拓扑线性空间K有对偶空间K，K的元素就是定义在K上的连续线性泛函数。对K可赋予简单收敛拓扑或有界收敛拓扑。偶K、K间的关系对认识空间的性质和研究算子的性质都有基本意义。
相应于多重线性算子有多重线性泛函数。例如，设K1、K2是同一数域上的线性空间,定义在积空间K1×K2上的映射φ:K1×K2→R（或C）称为双线性泛函数,如果K2(K1)中元素固定时φ成为K1(K2)上的线性泛函数。当K1=K2=K，K1及K2中取等同的x∈K，则得φ(x,x),称为二次泛函数。对希尔伯特空间中线性算子谱理论的研究，双线性泛函数形式作为表示工具是方便的。二次泛函数在变分法中的应用更是为人熟知的。
拟赋范空间、局部凸拓扑线性空间、赋范空间等的表征主要在于分别在各空间上定义的次加性泛函数，即拟范数、半范数族、范数等。测度空间中的测度，即对应于某种集合的值也可理解为泛函数。对于给定函数的不定积分也可类似地看待。
范数
向量范数
定义1. 设 ,满足
1. 正定性:║x║≥0,且║x║=0 <=> x=0
2. 齐次性:║cx║=│c│║x║,
3. 三角不等式:║x+y║≤║x║+║y║
则称Cn中定义了向量范数,║x║为向量x的范数.
可见向量范数是向量的一种具有特殊性质的实值函数.
常用向量范数有,令x=( x1,x2,…,xn)T
1-范数:║x║1=│x1│+│x2│+…+│xn│
2-范数:║x║2=(│x1│^2+│x2│^2+…+│xn│^2)^1/2
∞-范数:║x║∞=max(│x1│,│x2│,…,│xn│)
易得 ║x║∞≤║x║2≤║x║1≤n1/2║x║2≤n║x║∞
定理1.Cn中任意两种向量范数║x║α,║x║β是等价的,即有m,M>0使
m║x║α≤║x║β≤M║x║
可根据范数的连续性来证明它.由定理1可得
定理2.设{x(k)}是Cn中向量序列,x是Cn中向量,则
║x(k)-x║→0(k→∞) iff xj(k)-xj→0,j=1,2,…,n(k→
∞)
其中xj(k)是x(k)的第j个分量,xj是x的第j个分量.此时称{x(k)}收敛于x,记作x(k)
→x(k→∞),或 .
三、 矩阵范数
定义2. 设 ,满足
1. 正定性:║X║≥0,且║X║=0 <=> X=0
2. 齐次性:║cX║=│c│║X║,
3. 三角不等式:║X+Y║≤║X║+║Y║
4. 相容性: ║XY║≤║X║║Y║
则称Cn×n中定义了矩阵范数,║X║为矩阵X的范数.
注意, 矩阵X可视为n2维向量,故有前三条性质.因此定理1,2中向量的等价性和向量
序列收敛的概念与性质等也适合于矩阵.第四条,是考虑到矩阵乘法关系而设.更有矩
阵向量乘使我们定义矩阵范数向量范数的相容性:
║Ax║≤║A║║x║
所谓由向量范数诱导出的矩阵范数与该向量范数就是相容的.
定理3. 设A是n×n矩阵,║?║是n维向量范数则
║A║=max{║Ax║:║x║=1}= max{║Ax║/║x║: x≠0}
是一种矩阵范数,称为由该向量范数诱导出的矩阵范数或算子范数,它们具有相容性
或者说是相容的.
单位矩阵的算子范数为1
可以证明任一种矩阵范数总有与之相容的向量范数.例如定义:
║x║=║X║,X=(xx…x)
常用的三种向量范数诱导出的矩阵范数是
1-范数:║A║1= max{ ∑|ai1|, ∑|ai2| ,…… ,∑|ain| } （列范数，A每一列元素绝对值之和的最大值）
(其中∑|ai1|第一列元素绝对值的和∑|ai1|=|a11|+|a21|+...+|ann|,其余类似）
2-范数:║A║2=( max{ λi(A'A) } ) ^1/2 ( 谱范数,即A'A特征值λi中最大者λm的平方根,其中A'为
A的转置矩阵).
∞-范数:║A║∞=max{ ∑|a1j|, ∑|a2j| ,..., ∑|ann| } (行范数,A每一行元素绝对值之和的最大值)
(其中为∑|a1j| 第一行元素绝对值的和，其余类似）
Frobenius范数: 它与向量2-范数相容.但非向量范数诱导出的矩阵范数.
F-范数:||A||F= ( ∑∑ aij^2 )^1/2 (F范数,A全部元素平方和的平方根)
四、 矩阵谱半径
定义3.设A是n×n矩阵,λi是其特征值,i=1,2,…,n.称特征值的绝对值的最大值为A的谱半径.
谱半径是矩阵的函数,但非矩阵范数.对任一矩阵范数有如下关系:
ρ(A)≤║A║
因为任一特征对λ,x,Ax=λx,令X=(xx…x),可得AX=λX.两边取范数,由矩阵范数的
相容性和齐次性就导出结果.
定理3.矩阵序列I,A,A2,…Ak,…收敛于零的充分必要条件是║ρ(A)║<1.
发布评论