Analiza funkcjonalna 1.
Transkrypt
Analiza funkcjonalna 1.
Analiza funkcjonalna 1. Wioletta Karpińska Semestr letni 2015/2016 0 Bibliografia [1] Banaszczyk W., Analiza matematyczna 3. Wykłady. (http://math.uni.lodz.pl/∼ wbanasz/AM3/) [2] Birkholc A., Analiza matematyczna. Funkcje wielu zmiennych. Wydawnictwo Naukowe PWN, Warszawa 2002. [3] Filipczak F. M., Teoria miary i całki (skrypt). [4] Kołodziej W., Analiza matematyczna. PWN, Warszawa 1980. [5] Kołodziej W., Wybrane rozdziały analizy matematycznej. PWN, Warszawa 1982. [6] Musielak J., Wstęp do analizy funkcjonalnej. PWN, Warszawa 1976. [7] Prus S., Stachura A., Analiza funkcjonalna w zadaniach.. PWN, Warszawa 2007. [8] Rusinek J., Zadania z analizy funkcjonalnej z rozwiązaniami. Wyd. Uniwersytetu Kardynała Stefana Wyszyńskiego, 2006. 3 1 Przypomnienie wiadomości o przestrzeniach liniowych W dalszej części zakładać będziemy, że X jest dowolnym niepustym zbiorem (nazwiemy go przestrzenią), a K niech będzie niepustym zbiorem liczb rzeczywistych lub zespolonych. 1.1 Przestrzenie liniowe Definicja 1.1. Załóżmy, że są określone dwa działania: dodawanie + : X × X → X i mnożenie przez liczbę · : K × X → X, spełniające następujące warunki (przy dowolnych x, y, z ∈ X, α, β ∈ K): 1. x + y = y + x (przemienność dodawania), 2. x + (y + z) = (x + y) + z (łączność dodawania), 3. istnieje takie element zerowy θ ∈ X, że dla każdego x ∈ X, x + θ = x, 4. jeżeli θ spełnia poprzedni warunek, to dlakażdego x ∈ X istnieje element przeciwny −x ∈ X taki, że x + (−x) = θ, 5. α(x + y) = αx + αy (rozdzielność mnożenia względem dodawania elementów), 6. (α + β)x = αx + βx (rozdzielność mnożeniz względem dodawania liczb), 7. α(βx) = (αβ)x (łączność mnożenia), 8. 1 · x = x. Wtedy zbiór X z działaniami + i · nazywamy przestrzenia liniową (wektorową) rzeczywistą lub zespoloną (w zależności od tego, czy K jest zbiorem liczb rzeczywistych, czy zespolonych) i oznaczamy symbolem X, +, ·. Przykład 1. Przykłady przestrzeni liniowych (wektorowych): • X = Kn - zbiór wektorów (punktów) n-wymiarowych, tzn. elementów x = (t1 , t2 , t3 , . . . , tn ), gdzie t1 , t2 , . . . , tn ∈ K, z działaniami: x + y := (t1 + s1 , t2 + s2 , . . . , tn + sn ), αx := (αt1 , αt2 , . . . , αtn ) dla x = (t1 , t2 , t3 , . . . , tn ), y = (s1 , s2 , . . . , sn ) ∈ Kn , α ∈ K. Elementem zerowym jest θ := (0, 0, . . . , 0), a elementem przeciwnym do x jest −x := (−t1 , −t2 , . . . , −tn ). • X = K∞ - zbiór ciągów x = (tk )∞ k=1 , gdzie tk ∈ K, z działaniami: ∞ x + y := (tk + sk )∞ k=1 , αx := (αtk )k=1 ∞ dla x = (tk )∞ k=1 , y = (sk )k=1 , α ∈ K. ∞ Elementem zerowym jest θ := (0)∞ k+1 , a elementem przeciwnym do x jest −x := (−tk )k=1 . 4 • X = KΩ - zbiór funkcji określonych w dowolnym zbiorze niepustym Ω o wartościach z K, tzn: f : Ω → K, przy czym, jeśli f, g ∈ KΩ , α ∈ K, to określamy działania: (f + g)(t) := f (t) + g(t), (αf )(t) := αf (t) dla t ∈ Ω. Elementem zerowym jest funkcja tożsamościowo równa zero, a elementem przeciwnym do f jest −f . • X = M(m × n, K) - zbiór macierzy o m wierszach i n kolumnach o wyrazach rzeczywistych lub zespolonych, z naturalnymi działaniami na macierzach, tzn. dla α ∈ K oraz dla x = [αij ]i=1..m,j=1..n i y = [βij ]i=1..m,j=1..n , gdzie [αij ]i=1..m,j=1..n α11 := ... . . . α1n ... ... i [βij ]i=1..m,j=1..n β11 := ... αm1 . . . αmn . . . β1n ... ... βm1 . . . βmn określamy x + y := [αij ]i=1..m,j=1..n + [βij ]i=1..m,j=1..n α11 + β11 = ... . . . α1n + β1n ... ... αm1 + βm1 . . . αmn + βmn oraz αx := α[αij ]i=1..m,j=1..m αα11 = ... . . . αα1n . ... ... ααm1 . . . ααmn Elementem zerowym θ jest macierz, której elementami sa same zera, a elementem przeciwnym do x jest −x := [−αij ]i=1..m,j=1..n. Definicja 1.2. Jeśli X, +, · jest przestrzenią liniową (wektorową), to niepusty podzbiór X0 ⊂ X nazywamy jej podprzestrzenią liniową, gdy X0 , +, · jest przestrzenią liniową. Z definicji tej wynika natychmiast twierdzenie: Twierdzenie 1.1. Niech X, +, · będzie przestrzenią linową (wektorową). Niepusty podzbiór X0 ⊂ X jest jej podprzestrzenią liniową wtedy i tylko wtedy, gdy dla x, y ∈ X0 i α ∈ K mamy x + y ∈ X0 i αx ∈ X0 . Uwaga 1. Warunek: dla x, y ∈ X0 i α ∈ K mamy x + y ∈ X0 i αx ∈ X0 można zastąpić następującym: dla x, y ∈ X0 i α, β ∈ K mamy αx + βy ∈ X0 . Przykład 2. Przykłady podprzestrzeni liniowych (wektorowych) ciągowych: 5 • X = K∞ , X0 = c00 - przestrzeń ciągów skończonych, tzn. x ∈ c00 , jeśli x = (tk )∞ k=1 , gdzie tk ∈ K, przy czym tylko skończona ilość tk jest niezerowa. • X = K∞ , X0 = m - przestrzeń ciągów ograniczonych, tzn. x ∈ m, jeśli x = (tk )∞ k=1 , gdzie tk ∈ K, przy czym supk=1..∞ |tk | < ∞. • X = K∞ , X0 = c - przestrzeń ciągów zbieżnych, tzn. x ∈ c, jeśli x = (tk )∞ k=1 , gdzie tk ∈ K, przy czym limk→∞ tk = t0 dla pewnego t0 ∈ K. • X = K∞ , X0 = c0 - przestrzeń ciągów zbieżnych do zera, tzn. x ∈ c0 , jeśli x = (tk )∞ k=1 , gdzie tk ∈ K, przy czym limk→∞ tk = 0. • X = K∞ , X0 = l - przestrzeń ciągów sumowalnych, tzn. x ∈ l, jeśli x = (tk )∞ k=1 , gdzie tk ∈ K, przy czym ∞ k=1 |tk | < ∞. Łatwo zauważyć następującą zależność: c00 ⊂ l ⊂ c0 ⊂ c ⊂ m ⊂ K∞ . Przykład 3. Przykłady podprzestrzeni liniowych (wektorowych) funkcyjnych: • X = KΩ , gdzie Ω = [a, b] ⊂ R, X0 = B([a, b], K) - przestrzeń funkcji ograniczonych, tzn. x ∈ B([a, b], K), jeśli supt∈[a,b] |x(t)| < ∞. • X = KΩ , gdzie Ω = [a, b] ⊂ R, X0 = C([a, b], K) - przestrzeń funkcji ciągłych na [a, b]. Łatwo zauważyć następującą zależność: C([a, b], K) ⊂ B([a, b], K) ⊂ K[a,b] . Definicja 1.3. Elementy x1 , x2 , . . . , xn przestrzeni wektorowej X, +, · nazywamy liniowo zależnymi, jeśli istnieją takie liczby α1 , α2 , . . . , αn ∈ K nie wszystkie równe zero, że zachodzi równość α1 x1 + α2 x2 + · · · αn xn = θ. (1) Jeśli przeciwnie, z (1) wynika, że α1 = α2 = . . . = αn = 0, to elementy x1 , x2 , . . . xn nazywamy liniowo niezależnymi. Definicja 1.4. Największą liczbę całkowitą nieujemną n o tej własności, że istnieje n elementów liniowo niezależnych w X, +, · nazywamy wymiarem przestrzeni X, +, · i oznaczamy symbolem dimX. Jeśli taka liczba n istnieje, to przestrzeń nazywamy skończenie wymiarową, a jeśli nie istnieje, to przestrzeń 6 nazywamy nieskończenie wymiarową i piszemy dimX = ∞. Jeśli dimX = n, to każdy zbiór n liniowo niezależnych elementów przestrzeni X nazywamy bazą przestrzeni liniowej X, +, ·. Twierdzenie 1.2. Jeśli niepusty zbiór B ⊂ X jest bazą przestrzeni X, +, ·, to każdy wektor przestrzeni daje się w sposób jednoznaczny przedstawić w postaci kombinacji liniowej elementów zbioru B. Definicja 1.5. Jeśli bazę w przestrzeni skończenie wymiarowej tworzą elementy e1 , e2 , . . . , en , to na podstawie poprzedniego twierdzenia każdy wektor x ∈ X można zapisać jako: x = t1 e1 + t2 e2 + · · · + tn en . Układ (e1 , e2 , . . . , en ) nazywamy bazą algebraiczną tej przestrzeni, a liczby t1 , t2 , . . . , tn nazywamy współrzędnymi elementu x względem tej bazy. Przykład 4. Dla każdego k = 1, . . . , n niech ek ∈ Kn oznacza wektor jednostkowy, tzn. e1 = (1, 0, 0, . . . , 0, 0), e2 = (0, 1, 0, . . . , 0, 0), . . . , en = (0, 0, 0, . . . 0, 1). Wektory te są oczywiście liniowo niezależne i tworzą bazę algebraiczną przestrzeni Kn . Bazę tę nazywamy bazą kanoniczną. Wtedy każdy wektor x = (t1 , t2 , . . . , tn ) ∈ Kn można zapisać jako n x = t1 e1 + t2 e2 + · · · + tn en = tk ek k=1 w sposób jednoznaczny, przy czym liczby t1 , t2 , . . . , tn są współrzędnymi elementu x względem bazy kanonicznej. Przykład 5. Rozważmy przestrzeń liniową X, +, · z X = K∞ , którą tworzą ciągi nieskończone x = (tk )∞ k=1 liczb rzeczywistych bądź zespolonych. Taka przestrzeń liniowa jest nieskończenie wymiarowa, bo elementy e1 = (1, 0, 0, . . . ), e2 = (0, 1, 0, . . . ), . . . , e3 = (0, 0, 1, . . . )., . . . są liniowo niezależne, tzn. układ e1 , e2 , . . . , em jest liniowo niezależny dla każdego naturalnego m. ∞ można zapisać jako Wtedy każdy wektor (ciąg) x = (tk )∞ k=1 ∈ K x = t1 e1 + t2 e2 + · · · = ∞ k=1 w sposób jednoznaczny. 7 tk ek Definicja 1.6. Niech X1 , X2 będą podprzestrzeniami liniowymi przestrzeni liniowej X, +, ·. Jeżeli każdy element x ∈ X daje się jednoznacznie pzredstawić w postaci x = x1 + x2 , gdzie x1 ∈ X1 , x2 ∈ X2 , (2) to mówimy, że X jest sumą prostą podprzestrzeni X1 i X2 i zapisujemy X = X1 ⊕ X2 . Twierdzenie 1.3. Jeżeli X = X1 ⊕ X2 , to podprzestrzenie X1 i X2 mają wspólny jedynie element zerowy. Na odwrót, jeśli każdy element x ma rozkład (2) i podprzestrzenie X1 i X2 nie mają elementów wspólnych, prócz zerowego, to X = X1 ⊕ X2 . Dowód. Dla dowodu pierwszej części przypuśćmy, że istnieje element x0 = θ należący do obu podprzestrzeni X1 i X2 . Wtedy x o przedstawieniu (2) dałby się również zapisać w postaci x = (x1 − x0 ) + (x0 + x2 ) i x1 − x0 ∈ X1 , x0 + x2 ∈ X2 , x1 − x0 = x1 , x0 + x2 = x2 , co jest wbrew założonej jednoznaczności takiego przedstawienia. Dla dowodu drugiej części wystarczy sprawdzić jednoznaczność przedstawienia (2). Niech więc x = x1 + x2 = x1 + x2 , gdzie x1 , x1 ∈ X1 , x2 , x2 ∈ X2 . Wtedy x1 − x1 = x2 − x2 , ale x1 − x1 ∈ X1 i x2 − x2 ∈ X2 , więc x1 − x1 = x2 − x2 = θ (bo jedynym wspólnym elementem jest zero). Stąd x1 = x1 i x2 = x2 . W dalszej części wykładu dla uproszczenia zapisu będziemy często pisać, że X jest przestrzenią liniową, zamiast X, +, ·. 1.2 Operatory liniowe Definicja 1.7. Niech X, Y będą przestrzeniami wektorowymi (liniowymi) nad ciałem K liczb rzeczywistych lub zespolonych. Odwzorowanie T : X → Y nazywamy operatorem liniowym (odwzorowaniem liniowym), jeśli T (x1 + x2 ) = T (x1 ) + T (x2 ), T (αx) = αT (x) dla dowolnych x1 , x2 ∈ X i α ∈ K. Jeżeli Y = K, to operator liniowy T : X → K nazywamy funkcjonałem liniowym lub formą liniową. 8 Przy operatorach liniowych będziemy często pisali T x zamiast T (x). Uwaga 2. Warunki addytywności i jednorodności w definicji operatora liniowego można zastąpić jednym: T (αx1 + βx2 ) = αT (x1 ) + βT (x2 ) dla dowolnych x1 , x2 ∈ X i α, β ∈ K. Podstawowe operatory analizy matematycznej, jak operator obliczania granicy ciągu, sumowania szeregu, różniczkowania i całkowania funkcji, to przykłady operatorów liniowych lub funkcjonałów liniowych. Przykład 6. Przykłady operatorów liniowych. • Niech X = c będzie przestrzenią ciągów zbieżnych o wyrazach z ciała K, Y = K. Niech dalej T : c → K będzie określone następująco: T (x) = lim tk dla x = (tk )∞ k=1 ∈ c. k→∞ Operator T jest funkcjonałem liniowym, co wynika z własności granicy ciągu. • Niech X = l będzie przestrzenią ciągów sumowalnych o wyrazach z ciała K, Y = K. Niech dalej T : l → K będzie określone następująco: T (x) = ∞ tk dla x = (tk )∞ k=1 ∈ l. k=1 Operator T jest funkcjonałem liniowym, co wynika z własności sum nieskończonych. Istotnie: T (x1 + x2 ) = ∞ (tk k=1 oraz T (αx) = + ∞ tk ) = ∞ tk + k=1 αtk = α k=1 ∞ ∞ tk = T x1 + tx2 k=1 tk = αT x, k=1 ∞ ∞ dla x = (tk )∞ k=1 , x1 = (tk )k=1 , x2 = (tk )k=1 , α ∈ K. • Niech X będzie przestrzenią funkcji x : [a, b] ⊂ R → K różniczkowalnych w [a, b], a Y = K[a,b] . Wtedy T x = x , gdzie x jest pochodną funkcji x jest operatorem liniowym z X w Y (na podstawie własności różniczkowania). • Niech X będzie przestrzenią funkcji x : [a, b] ⊂ R → R całkowalnych na [a, b], a Y = R. Wtedy T x = [a,b] x(t) dt jest operatorem liniowym z X w Y na podstawie własności całki. 9 Twierdzenie 1.4. Każdy operator liniowy T : Kn → Km , gdzie K jest ciałem liczb rzeczywistych lub zespolonych, jest postaci T x = y, gdzie y1 = a11 x1 + a12 x2 + . . . + a1n xn , y2 = a21 x1 + a22 x2 + . . . + a2n xn , ... ... ........................... , ym am1 x1 + am2 x2 + . . . + amn xn , = (3) przy czym x = (x1 , x2 , . . . , xn ), y = (y1 , y2, . . . , ym ), aik ∈ K. Na odwrót, każdy operator T : Kn → Km postaci (3) jest liniowy. Dowód. Niech e1 = (1, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), . . . , en = (0, 0, . . . , 1) będzie bazą w Kn oraz niech e1 = (1, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), . . . , em = (0, 0, . . . , 1) będzie bazą w Km . Ponieważ T ek ∈ Km dla k = 1, 2, . . . , n, więc istnieją takie aik ∈ K, że T ek = m i=1 aik ei (bo daje się przedstawić jako kombinacja liniowa elementów bazy Km . Weźmy x = (x1 , x2 , . . . , xn ) i przypuśćmy, że T x = y = (y1 , y2 , . . . , ym ). Wtedy m i=1 Stąd yi = yi ei n = y = Tx = T k=1 aik xk n k=1 xk ek = n xk T ek = k=1 n xk k=1 m i=1 aik ei = m n i=1 k=1 aik xk ei . dla i = 1, 2, . . . , m, czyli zachodzi (3). Na odwrót, gdy T x = y, gdzie x i y są związane równościami (3), to jest widoczne, że T jest operatorem liniowym. Wniosek 1.1. Każdy funkcjonał liniowy T nad przestrzenią Kn , gdzie K jest ciałem liczb rzeczywistych lub zespolonych, jest postaci T x = a1 x1 + a2 x2 + . . . + an xn , gdzie x = (x1 , x2 , . . . , xn ), ak ∈ K dla k = 1, 2, . . . , n. Na odwrót, każdy funkcjonał wymienionej postaci jest liniowy. Twierdzenie 1.5. Jeżeli T : X → Y , gdzie X, Y są przestrzeniami liniowymi, to T θX = θY oraz obraz T X przestrzeni X w przestrzeni Y jest podprzestrzenią liniową przestrzeni Y . Dowód. Mamy T θX = T (θx + θX ) = T θX + T θX = 2T θX , więc T θX = θY . Niech teraz y, y1, y2 ∈ T X, a α ∈ K. Wtedy istnieją takie x, x1 , x2 ∈ X, że y = T x, y1 = T x1 , y2 = T x2 . Zatem y1 + y2 = T x1 + T x2 = T (x1 + x2 ) ∈ T X i αy = αT x = T (αx) ∈ T X, co dowodzi, że T X jest podprzestrzenią liniową przestrzeni Y . 10 Twierdzenie 1.6. Jeżeli T : X → Y , gdzie X, Y są przestrzeniami liniowymi, to T jest różnowartościowy wtedy i tylko wtedy, gdy T x = θ implikuje x = θ (są to oczywiście elementy zerowe odpowiednich przestrzeni). Dowód. Przypomnijmy, że z definicji różnowartościowości mamy dla dowolnych x1 , x2 ∈ X T x1 = T x2 implikuje x1 = x2 , czyli T x1 − T x2 = θ implikuje x1 − x2 = θ, T (x1 − x2 ) = θ implikuje x1 − x2 = θ. Jest to równoważne warunkowi twierdzenia. Przypomnijmy teraz, że jądrem odwzorowania liniowego T : X → Y nazywamy przeciwobraz zera i oznaczamy symbolem kerT , czyli kerT = {x ∈ X : T x = θ} . W świetle ostatniego twierdzenia można teraz powiedzieć, że operator T jest różnowartościowy, gdy jego jądro zawiera tylko wektor zerowy. Jeśli więc operator T ma jądro z elementem zerowym tylko i jest ponadto odwzorwaniem surjektywnym, to jest odwracalny. Można wykazać, że jeśli T jest liniowy, to operator odwrotny do niego T −1 też jest liniowy. W zbiorze wszystkich operatorów liniowych T : X → Y można wprowadzić działania algebraiczne. Sumę T + S dwóch oepratorów T i S określamy równością (T + S)x := T x + Sx, a iloczyn αT operatora T przez liczbę α - równością: (αT )x := αT x. W wyniku tych działań otrzymujemy również operatory liniowe. Ponadto nietrudno sprawdzić, że spełnione są wszystkie aksjomaty przestrzeni liniowej, czyli rozważany zbiór jest przestrzenią wektorową, w której elementem zerowym jest operator tożsamościowo równy zero. Przestrzeń liniową operatorów liniowych T : X → Y oznaczamy symbolem L(X, Y ). 11