學習筆記(I)|泛函分析與最最佳化——線性空間
寫在最前面
大家好!
2021年初,我在圖書館發現有一本《泛函分析與最最佳化理論》,該書通俗易懂,對初學者特別友好,因為幾乎不涉及測度與積分,只需要數學分析和線性代數的預備知識。該書是一本從“最最佳化方法“到”最最佳化理論“的過渡教材,但遺憾的是該書已經不再出版發行,因此我想透過學習筆記的形式將該書的主要內容記錄下來。
本系列筆記主要涉及4個框架:
投影定理
、
Hahn-Banach定理
、
對偶性
和
微分
。
本學習筆記主要參考《泛函分析與最最佳化理論》和《Optimization by Vector Space Methods》兩本書,同時也會參考一些其他書目對內容進行一些補充。
筆者之前並沒有系統學過泛函分析課程,因此文章中不免有錯誤之處,歡迎大家批評指正!
首先我們回顧
線性空間(linear space)
的定義。
定義1(線性空間)
:設
是一數域,
是一非空集合,並且在
中定義兩種封閉運算:加法
:
,和數乘
:
(通常可省略
)。如果
滿足下面八條運演算法則:
(1) 加法交換律:
,有
;
(2) 加法結合律:
,有
;
(3) 零元素:
,使得對
,有
,
稱為
的零元素,也簡稱零元;
(4) 負元素:
,使得
,
稱為
的負元素,也簡稱負元,記作
;
(5) 標量分配律:
,有
;
(6) 向量分配律:
,有
;
(7) 標量結合律:
,有
;
(8)
數
,對
,有
;
則稱這樣的集合
是數域
上的線性空間,有時也稱為向量空間,其元素稱為向量。
在上述線性空間
中,若數域
為實數域
(複數域
),則稱
為實(復)線性空間。如無特殊說明,本文提及的線性空間均定義在實數域上。
根據上述八條性質,我們可以證明
命題1
:線性空間
中零元素
,以及
對應的負元素
是唯一的。
證明
:
設
是線性空間
中的零元素,根據性質(1)和(3)有
設
是元素
的負元素,根據性質(2)-(4)有
下面我們給出幾個線性空間的例子。
例1:線性代數中,所有
維向量
,按其所定義的加法和數量乘法,構成一個線性空間。
例2:所有無窮維向量
,類似
維向量定義的加法和數乘,規定其零元素為
,其負元素為
, 構成一個線性空間。特別地,當
使得
時,則稱向量
是
有界
的,此時所有的有界向量構成一個
有界無窮序列線性空間
。
例3:閉區間
上所有多項式函式
,構成一個線性空間。
例4:所有收斂到
的實數無窮序列構成一個線性空間。
定義2(線性子空間,linear subspace)
:設
是一線性空間,
。若對
,有
,則稱
是
的一個線性子空間,簡稱子空間。
由於
是
的非空子集,故
中至少包含一個元素。根據定義,取
易得
,即任何子空間必定包含零元素
。
命題2
:設
是一線性空間,則
和
都是
的線性子空間。
證明:因為
且
對加法和數乘運算封閉,根據定義2驗證即可。
定義3(交集)
:集合
與
的交集
。
定義4(和集)
:集合
與
的和集
。
定義5(並集)
:集合
與
的並集
。
定義6(生成子空間)
:設
是一線性空間,
是
的一個子集,則稱
中的向量線性組合是
的一個子空間,稱為由
生成的子空間(generated subspace by
),記為
。
命題3
:設
和
是線性空間
的子空間,則
與
都是
的子空間。
證明:
1)顯然有
,故
與
都是非空子集。
對
,
同理有
,故
,即
是一線性子空間。
故
是一線性子空間。
2)
:
一方面,對任意
,存在
使得
,根據生成子空間以及並集的定義知,
,故
。
另一方面,對任意
,根據生成子空間的定義知:存在
以及
使得
。注意到
和
是一線性子空間,有
,因此
,即
。
證畢。
例5:所有收斂的無窮序列構成有界無窮序列線性空間中的一個子空間。
例6:所有在
上次數不超過
的多項式,構成連續函式線性空間的一個子空間。
例7:設
,其中
是一個
的矩陣,則
是
維向量空間的一個子空間。
定義7(線性流形/仿射空間,linear manifold/affine space)
:設
是一個線性空間,
是
的一個子空間,
在
中作某個平移(不妨記為
)後所構成的向量集合
,稱為
中的一個線性流形/仿射空間。
例8:非齊次線性方程組
的解空間
構成一個線性流形。
記
是齊次線性方程組
的解空間,記
是非齊次線性方程組的一個特解,即
。根據線性方程組理論,
的所有解可表示為通解與特解的疊加,即
,是一個線性流形。
定義8(生成線性流形)
:給定線性空間
中的一個非空子集
,包含
的最小線性流形,稱為由
生成的線性流形(generated linear manifold by
),即
,其中
是包含
的線性流形。
凡是線性子空間都過原點,而線性流形不一定經過原點。進一步推廣線性子空間和線性流形的概念,我們可以定義
凸集(convex set)
和
錐(cone)
。
定義9(凸集)
:設
是一線性空間,子集
。若對
,有
,則稱
為
中的一個凸集。
圖片來自《Optimization by Vector Space Methods》Figure 2。3
例8:空集
,單點集,線性空間
都是凸集。
例9:集合
是凸集。
命題4
:設
與
是線性空間
的兩個凸集,則
(1)
;
(2)
;
都是凸集。
定義10(凸包,convex hull)
:設
是一線性空間,
,則包含
的最小凸集稱為
的凸包,記作
。
圖片來自《Optimization by Vector Space Methods》Figure 2。4
定義11(錐)
:設
是一線性空間,
。若對
及標量
,有
,則稱
為
中的一個錐。
圖片來自《Optimization by Vector Space Methods》Figure 2。5
根據錐的定義,取
,有
,
稱為錐
的頂點。而以
為頂點的錐,規定為以原點為頂點的錐
的一個平移,即
。特別地,當一個集合既是錐又是凸集時,則稱該集合為
凸錐(convex cone)
,如Figure 2。5中(b)圖所示。
本節內容主要是回顧線性代數中的基本內容,並給出線性流形、凸集以及錐的相關定義。本節主要討論線性空間的代數性質。在下一節,我們將介紹
賦範線性空間(normed linear space)
,並討論開集、閉集、收斂性等拓撲性質。