v funkční analýza , duální norma je měřítkem „velikosti“ každého z nich kontinuální lineární funkční definované na a normovaný vektorový prostor .
Definice Nechat X {displaystyle X} být normovaný vektorový prostor s normou ‖ ⋅ ‖ {displaystyle | cdot |} a nechte X ∗ {displaystyle X ^ {*}} být dvojí prostor . The duální norma kontinuální lineární funkční F {displaystyle f} patřící X ∗ {displaystyle X ^ {*}} je definované záporné reálné číslo[1] některým z následujících ekvivalentních vzorců:
‖ F ‖ = sup { | F ( X ) | : ‖ X ‖ ≤ 1 a X ∈ X } = sup { | F ( X ) | : ‖ X ‖ < 1 a X ∈ X } = inf { C ∈ R : | F ( X ) | ≤ C ‖ X ‖ pro všechny X ∈ X } = sup { | F ( X ) | : ‖ X ‖ = 1 nebo 0 a X ∈ X } = sup { | F ( X ) | : ‖ X ‖ = 1 a X ∈ X } tato rovnost platí tehdy a jen tehdy X ≠ { 0 } = sup { | F ( X ) | ‖ X ‖ : X ≠ 0 a X ∈ X } tato rovnost platí tehdy a jen tehdy X ≠ { 0 } {displaystyle {egin {alignedat} {5} | f | & = sup && {| f (x) | && ~: ~ | x | leq 1 ~ && ~ {ext {and}} ~ && xin X} & = sup && {| f (x) | && ~: ~ | x | <1 ~ && ~ {ext {and}} ~ && xin X} & = inf && {cin mathbb {R} && ~: ~ | f (x) | leq c | x | ~ && ~ {ext {for all}} ~ && xin X} & = sup && {| f (x) | && ~: ~ | x | = 1 {ext {or}} 0 ~ && ~ {ext {and}} ~ && xin X} & = sup && {| f (x) | && ~: ~ | x | = 1 ~ && ~ {ext {and}} ~ && xin X} ;;; {ext {tato rovnost platí pouze a pouze}} Xeq {0} & = sup && {igg {} {frac {| f (x) |} {| x |}} ~ && ~: ~ xeq 0 && ~ {ext { and}} ~ && xin X {igg}} ;;; {ext {tato rovnost platí tehdy a jen tehdy,}} Xeq {0} end {alignedat}}}
kde sup {displaystyle sup} a inf {displaystyle inf} označit supremum a infimum , resp. Konstanta 0 mapa má vždy normu rovnou 0 a to je původ vektorového prostoru X ∗ . {displaystyle X ^ {*}.} Li X = { 0 } {displaystyle X = {0}} pak je zapnuta jediná lineární funkce X {displaystyle X} je konstanta 0 mapa a navíc sady v posledních dvou řádcích budou prázdné a následně jejich suprema bude se rovnat ∞ místo správné hodnoty 0 .
Mapa F ↦ ‖ F ‖ {displaystyle fmapsto | f |} definuje a norma na X ∗ . {displaystyle X ^ {*}.} (Viz věty 1 a 2 níže.)
Dvojí norma je zvláštním případem norma operátora definováno pro každou (ohraničenou) lineární mapu mezi normovanými vektorovými prostory.
Topologie zapnuta X ∗ {displaystyle X ^ {*}} vyvolané ‖ ⋅ ‖ {displaystyle | cdot |} se ukáže být stejně silný jako slabá * topologie na X ∗ . {displaystyle X ^ {*}.}
Pokud pozemní pole z X {displaystyle X} je kompletní pak X ∗ {displaystyle X ^ {*}} je Banachův prostor .
Dvojitý dvojník normovaného lineárního prostoru The dvojitý duální (nebo druhý duální) X ∗ ∗ {displaystyle X ^ {**}} z X {displaystyle X} je duál normovaného vektorového prostoru X ∗ {displaystyle X ^ {*}} . K dispozici je přirozená mapa φ : X → X ∗ ∗ {displaystyle varphi: X o X ^ {**}} . Ve skutečnosti pro každého w ∗ {displaystyle w ^ {*}} v X ∗ {displaystyle X ^ {*}} definovat
φ ( proti ) ( w ∗ ) := w ∗ ( proti ) . {displaystyle varphi (v) (w ^ {*}): = w ^ {*} (v).} Mapa φ {displaystyle varphi} je lineární , injekční , a zachování vzdálenosti .[2] Zejména pokud X {displaystyle X} je tedy kompletní (tj. Banachův prostor) φ {displaystyle varphi} je izometrie na uzavřeném podprostoru X ∗ ∗ {displaystyle X ^ {**}} .[3]
Obecně mapa φ {displaystyle varphi} není surjektivní. Například pokud X {displaystyle X} je Banachův prostor L ∞ {displaystyle L ^ {infty}} skládající se z omezených funkcí na reálné ose s normou supremum, poté z mapy φ {displaystyle varphi} není surjektivní. (Vidět L str {displaystyle L ^ {p}} prostor ). Li φ {displaystyle varphi} je tedy surjektivní X {displaystyle X} se říká, že je reflexní Banachův prostor . Li 1 < str < ∞ , {displaystyle 1
pak prostor L str {displaystyle L ^ {p}} je reflexní Banachův prostor.
Matematická optimalizace Nechat ‖ ⋅ ‖ {displaystyle | cdot |} být normou R n . {displaystyle mathbb {R} ^ {n}.} Přidružené duální norma , označeno ‖ ⋅ ‖ ∗ , {displaystyle | cdot | _ {*},} je definován jako
‖ z ‖ ∗ = sup { z ⊺ X | ‖ X ‖ ≤ 1 } . {displaystyle | z | _ {*} = sup {z ^ {intercal} x; |; | x | leq 1}.} (Lze to ukázat jako normu.) Duální normu lze interpretovat jako norma operátora z z ⊺ {displaystyle z ^ {intercal}} , interpretováno jako a 1 × n {displaystyle 1 imes n} matice, s normou ‖ ⋅ ‖ {displaystyle | cdot |} na R n {displaystyle mathbb {R} ^ {n}} a absolutní hodnota zapnuta R {displaystyle mathbb {R}} :
‖ z ‖ ∗ = sup { | z ⊺ X | | ‖ X ‖ ≤ 1 } . {displaystyle | z | _ {*} = sup {| z ^ {intercal} x |; |; | x | leq 1}.} Z definice dvojí normy máme nerovnost
z ⊺ X = ‖ X ‖ ( z ⊺ X ‖ X ‖ ) ≤ ‖ X ‖ ‖ z ‖ ∗ {displaystyle z ^ {intercal} x = | x | left (z ^ {intercal} {frac {x} {| x |}} ight) leq | x || z | _ {*}} který platí pro všechny X a z .[4] Duál dvojí normy je původní normou: máme ‖ X ‖ ∗ ∗ = ‖ X ‖ {displaystyle | x | _ {**} = | x |} pro všechny X . (To nemusí platit v nekonečných trojrozměrných vektorových prostorech.)
Dvojí z Euklidovská norma je euklidovská norma, protože
sup { z ⊺ X | ‖ X ‖ 2 ≤ 1 } = ‖ z ‖ 2 . {displaystyle sup {z ^ {intercal} x; |; | x | _ {2} leq 1} = | z | _ {2}.} (To vyplývá z Cauchy – Schwarzova nerovnost ; pro nenulovou hodnotu z , hodnota X který maximalizuje z ⊺ X {displaystyle z ^ {intercal} x} přes ‖ X ‖ 2 ≤ 1 {displaystyle | x | _ {2} leq 1} je z ‖ z ‖ 2 {displaystyle {frac {z} {| z | _ {2}}}} .)
Dvojí z ℓ ∞ {displaystyle ell _ {infty}} -norm je ℓ 1 {displaystyle ell _ {1}} -norma:
sup { z ⊺ X | ‖ X ‖ ∞ ≤ 1 } = ∑ i = 1 n | z i | = ‖ z ‖ 1 , {displaystyle sup {z ^ {intercal} x; |; | x | _ {infty} leq 1} = součet _ {i = 1} ^ {n} | z_ {i} | = | z | _ {1}, } a duální z ℓ 1 {displaystyle ell _ {1}} -norm je ℓ ∞ {displaystyle ell _ {infty}} -norma.
Obecněji, Hölderova nerovnost ukazuje, že duální z ℓ str {displaystyle ell _ {p}} -norma je ℓ q {displaystyle ell _ {q}} -norm, kde, q splňuje 1 str + 1 q = 1 {displaystyle {frac {1} {p}} + {frac {1} {q}} = 1} , tj., q = str str − 1 . {displaystyle q = {frac {p} {p-1}}.}
Jako další příklad zvažte ℓ 2 {displaystyle ell _ {2}} - nebo spektrální norma na R m × n {displaystyle mathbb {R} ^ {m imes n}} . Přidružená dvojí norma je
‖ Z ‖ 2 ∗ = sup { t r ( Z ⊺ X ) | ‖ X ‖ 2 ≤ 1 } , {displaystyle | Z | _ {2 *} = sup {mathrm {f {tr}} (Z ^ {intercal} X) || X | _ {2} leq 1},} který se ukáže jako součet singulárních hodnot,
‖ Z ‖ 2 ∗ = σ 1 ( Z ) + ⋯ + σ r ( Z ) = t r ( Z ⊺ Z ) , {displaystyle | Z | _ {2 *} = sigma _ {1} (Z) + cdots + sigma _ {r} (Z) = mathrm {f {tr}} ({sqrt {Z ^ {intercal} Z}} ),} kde r = r A n k Z . {displaystyle r = mathrm {f {rank}} Z.} Tato norma se někdy nazývá jaderný norma .[5]
Příklady Duální norma pro matice The Frobeniova norma definován
‖ A ‖ F = ∑ i = 1 m ∑ j = 1 n | A i j | 2 = stopa ( A ∗ A ) = ∑ i = 1 min { m , n } σ i 2 {displaystyle | A | _ {ext {F}} = {sqrt {sum _ {i = 1} ^ {m} součet _ {j = 1} ^ {n} vlevo | a_ {ij} ight | ^ {2} }} = {sqrt {operatorname {trace} (A ^ {*} A)}} = {sqrt {sum _ {i = 1} ^ {min {m, n}} sigma _ {i} ^ {2}} }} je sebe-duální, tj. jeho duální norma je ‖ ⋅ ‖ F ′ = ‖ ⋅ ‖ F . {displaystyle | cdot | '_ {ext {F}} = | cdot | _ {ext {F}}.}
The spektrální norma , zvláštní případ indukovaná norma když str = 2 {displaystyle p = 2} , je definováno maximem singulární hodnoty matice, tj.
‖ A ‖ 2 = σ max ( A ) , {displaystyle | A | _ {2} = sigma _ {max} (A),} má jadernou normu jako svoji duální normu, kterou definuje
‖ B ‖ 2 ′ = ∑ i σ i ( B ) , {displaystyle | B | '_ {2} = součet _ {i} sigma _ {i} (B),} pro jakoukoli matici B {displaystyle B} kde σ i ( B ) {displaystyle sigma _ {i} (B)} označují singulární hodnoty[Citace je zapotřebí ] .
Některé základní výsledky o operátorské normě Obecněji řečeno X {displaystyle X} a Y {displaystyle Y} být topologické vektorové prostory a nechte L ( X , Y ) {displaystyle L (X, Y)} [6] být sbírkou všech ohraničené lineární zobrazení (nebo operátory ) z X {displaystyle X} do Y {displaystyle Y} . V případě, že X {displaystyle X} a Y {displaystyle Y} jsou normované vektorové prostory, L ( X , Y ) {displaystyle L (X, Y)} může být dána kanonická norma.
Věta 1 — Nechat X {displaystyle X} a Y {displaystyle Y} být normované prostory. Přiřazení každému spojitému lineárnímu operátoru F ∈ L ( X , Y ) {displaystyle fin L (X, Y)} skalární:
‖ F ‖ = sup { | F ( X ) | : X ∈ X , ‖ X ‖ ≤ 1 } . {displaystyle | f | = sup left {| f (x) |: xin X, | x | leq 1ight}.} definuje normu ‖ ⋅ ‖ : L ( X , Y ) → R {displaystyle | cdot | ~: ~ L (X, Y) o mathbb {R}} na L ( X , Y ) {displaystyle L (X, Y)} to dělá L ( X , Y ) {displaystyle L (X, Y)} do normovaného prostoru. Navíc pokud Y {displaystyle Y} je Banachův prostor, pak také je L ( X , Y ) . {displaystyle L (X, Y).} [7]
Důkaz
Podmnožina normovaného prostoru je ohraničená kdyby a jen kdyby leží v několika násobcích jednotková koule ; tím pádem ‖ F ‖ < ∞ {displaystyle | f | pro každého F ∈ L ( X , Y ) {displaystyle fin L (X, Y)} -li α {displaystyle alpha} je tedy skalární ( α F ) ( X ) = α ⋅ F X {displaystyle (alpha f) (x) = alfa cdot fx} aby
‖ α F ‖ = | α | ‖ F ‖ {displaystyle | alpha f | = | alpha || f |} The nerovnost trojúhelníku v Y {displaystyle Y} ukázat to
‖ ( F 1 + F 2 ) X ‖ = ‖ F 1 X + F 2 X ‖ ≤ ‖ F 1 X ‖ + ‖ F 2 X ‖ ≤ ( ‖ F 1 ‖ + ‖ F 2 ‖ ) ‖ X ‖ ≤ ‖ F 1 ‖ + ‖ F 2 ‖ {displaystyle {egin {aligned} | (f_ {1} + f_ {2}) x | ~ & = ~ | f_ {1} x + f_ {2} x | & leq ~ | f_ {1} x | + | f_ {2} x | & leq ~ (| f_ {1} | + | f_ {2} |) | x | & leq ~ | f_ {1} | + | f_ {2} | konec {zarovnáno}}} pro každého X ∈ X {displaystyle xin X} uspokojující ‖ X ‖ ≤ 1. {displaystyle | x | leq 1.} Tato skutečnost spolu s definicí ‖ ⋅ ‖ : L ( X , Y ) → R {displaystyle | cdot | ~: ~ L (X, Y) o mathbb {R}} implikuje nerovnost trojúhelníku:
‖ F 1 + F 2 ‖ ≤ ‖ F 1 ‖ + ‖ F 2 ‖ {displaystyle | f_ {1} + f_ {2} | leq | f_ {1} | + | f_ {2} |} Od té doby { | F ( X ) | : X ∈ X , ‖ X ‖ ≤ 1 } {displaystyle {| f (x) |: xin X, | x | leq 1}} je neprázdná množina nezáporných reálných čísel, ‖ F ‖ = sup { | F ( X ) | : X ∈ X , ‖ X ‖ ≤ 1 } {displaystyle | f | = sup left {| f (x) |: xin X, | x | leq 1ight}} je nezáporné reálné číslo. Li F ≠ 0 {displaystyle feq 0} pak F X 0 ≠ 0 {displaystyle fx_ {0} eq 0} pro některé X 0 ∈ X , {displaystyle x_ {0} v X,} což z toho vyplývá ‖ F X 0 ‖ > 0 {displaystyle | fx_ {0} |> 0} a následně ‖ F ‖ > 0. {displaystyle | f |> 0.} To ukazuje ( L ( X , Y ) , ‖ ⋅ ‖ ) {displaystyle left (L (X, Y), | cdot | ight)} je normovaný prostor.[8]
Předpokládejme, že teď Y {displaystyle Y} je kompletní a my to ukážeme ( L ( X , Y ) , ‖ ⋅ ‖ ) {displaystyle left (L (X, Y), | cdot | ight)} je kompletní. Nechat F ∙ = ( F n ) n = 1 ∞ {displaystyle f_ {ullet} = left (f_ {n} ight) _ {n = 1} ^ {infty}} být Cauchyova posloupnost v L ( X , Y ) , {displaystyle L (X, Y),} podle definice ‖ F n − F m ‖ → 0 {displaystyle | f_ {n} -f_ {m} | o 0} tak jako n , m → ∞ . {displaystyle n, m o infty.} Tato skutečnost spolu se vztahem
‖ F n X − F m X ‖ = ‖ ( F n − F m ) X ‖ ≤ ‖ F n − F m ‖ ‖ X ‖ {displaystyle | f_ {n} x-f_ {m} x | = | left (f_ {n} -f_ {m} ight) x | leq | f_ {n} -f_ {m} || x |} to naznačuje ( F n X ) n = 1 ∞ {displaystyle left (f_ {n} xight) _ {n = 1} ^ {infty}} je Cauchyova sekvence v Y {displaystyle Y} pro každého X ∈ X . {displaystyle xin X.} Z toho vyplývá, že pro každého X ∈ X , {displaystyle xin X,} omezení lim n → ∞ F n X {displaystyle lim _ {n o infty} f_ {n} x} existuje v Y {displaystyle Y} a tak tento (nutně jedinečný) limit označíme F X , {displaystyle fx,} to je:
F X = lim n → ∞ F n X . {displaystyle fx ~ = ~ lim _ {n o infty} f_ {n} x.} To lze ukázat F : X → Y {displaystyle f: X o Y} je lineární. Li ε > 0 {displaystyle varepsilon> 0} , pak ‖ F n − F m ‖ ‖ X ‖ ≤ ε ‖ X ‖ {displaystyle | f_ {n} -f_ {m} || x | ~ leq ~ varepsilon | x |} pro všechna dostatečně velká celá čísla n a m . Z toho vyplývá, že
‖ F X − F m X ‖ ≤ ε ‖ X ‖ {displaystyle | fx-f_ {m} x | ~ leq ~ varepsilon | x |} pro dostatečně velké m . Proto ‖ F X ‖ ≤ ( ‖ F m ‖ + ε ) ‖ X ‖ , {displaystyle | fx | leq left (| f_ {m} | + varepsilon ight) | x |,} aby F ∈ L ( X , Y ) {displaystyle fin L (X, Y)} a ‖ F − F m ‖ ≤ ε . {displaystyle | f-f_ {m} | leq varepsilon.} To ukazuje F m → F {displaystyle f_ {m} o f} v topologii normy L ( X , Y ) . {displaystyle L (X, Y).} Tím se stanoví úplnost L ( X , Y ) . {displaystyle L (X, Y).} [9]
Když Y {displaystyle Y} je skalární pole (tj. Y = C {displaystyle Y = mathbb {C}} nebo Y = R {displaystyle Y = mathbb {R}} ) aby L ( X , Y ) {displaystyle L (X, Y)} je dvojí prostor X ∗ {displaystyle X ^ {*}} z X {displaystyle X} .
Věta 2 — Pro každého X ∗ ∈ X ∗ {displaystyle x ^ {*} v X ^ {*}} definovat:
‖ X ∗ ‖ = sup { | ⟨ X , X ∗ ⟩ | : X ∈ X s ‖ X ‖ ≤ 1 } {displaystyle | x ^ {*} | ~ = ~ sup {| langle x, x ^ {*} úhel | ~: ~ xin X {ext {with}} | x | leq 1}} kde podle definice ⟨ X , X ∗ ⟩ = X ∗ ( X ) {displaystyle langle x, x ^ {*} úhel ~ = ~ x ^ {*} (x)} je skalární. Pak
Toto je norma, která dělá X ∗ {displaystyle X ^ {*}} Banachův prostor.[10] Nechat B ∗ {displaystyle B ^ {*}} být uzavřenou jednotkovou koulí z X ∗ {displaystyle X ^ {*}} . Pro každého X ∈ X , {displaystyle xin X,} ‖ X ‖ = sup { | ⟨ X , X ∗ ⟩ | : X ∗ ∈ B ∗ } . {displaystyle | x | ~ = ~ sup left {| langle x, x ^ {*} úhel | ~: ~ x ^ {*} v B ^ {*} noci}.} Tudíž, X ∗ ↦ ⟨ X , X ∗ ⟩ {displaystyle x ^ {*} mapsto langle x, x ^ {*} úhel} je ohraničený lineární funkční na X ∗ {displaystyle X ^ {*}} s normou ‖ X ∗ ‖ = ‖ X ‖ . {displaystyle | x ^ {*} | ~ = ~ | x |.} B ∗ {displaystyle B ^ {*}} je slabý * -kompaktní.Důkaz
Nechat B = sup { X ∈ X : ‖ X ‖ ≤ 1 } {displaystyle B ~ = ~ sup {xin X ~: ~ | x | leq 1}} označte uzavřenou jednotkovou kouli normovaného prostoru X . {displaystyle X.} Když Y {displaystyle Y} je skalární pole pak L ( X , Y ) = X ∗ {displaystyle L (X, Y) = X ^ {*}} část (a) je tedy důsledkem Věty 1. Oprava X ∈ X . {displaystyle xin X.} Tady existuje[11] y ∗ ∈ B ∗ {displaystyle y ^ {*} v B ^ {*}} takhle
⟨ X , y ∗ ⟩ = ‖ X ‖ . {displaystyle langle {x, y ^ {*}} úhel = | x |.} ale,
| ⟨ X , X ∗ ⟩ | ≤ ‖ X ‖ ‖ X ∗ ‖ ≤ ‖ X ‖ {displaystyle | langle {x, x ^ {*}} úhel | leq | x || x ^ {*} | leq | x |} pro každého X ∗ ∈ B ∗ {displaystyle x ^ {*} v B ^ {*}} . b) vyplývá z výše uvedeného. Od otevřené koule U {displaystyle U} z X {displaystyle X} je hustá v B {displaystyle B} , definice ‖ X ∗ ‖ {displaystyle | x ^ {*} |} ukázat to X ∗ ∈ B ∗ {displaystyle x ^ {*} v B ^ {*}} kdyby a jen kdyby | ⟨ X , X ∗ ⟩ | ≤ 1 {displaystyle | langle {x, x ^ {*}} úhel | leq 1} pro každého X ∈ U {displaystyle xin U} . Důkaz pro (c)[12] nyní následuje přímo.[13]
Viz také Poznámky ^ Rudin 1991 , str. 87^ Rudin 1991 , oddíl 4.5, s. 95^ Rudin 1991 , str. 95^ Tato nerovnost je těsná v tomto smyslu: pro všechny X tady je z pro které platí nerovnost s rovností. (Podobně pro všechny z tady je X který dává rovnost.) ^ Boyd & Vandenberghe 2004 , p. 637 ^ Každý L ( X , Y ) {displaystyle L (X, Y)} je vektorový prostor , s obvyklými definicemi sčítání a skalárního násobení funkcí; to záleží pouze na struktuře vektorového prostoru Y {displaystyle Y} , ne X {displaystyle X} . ^ Rudin 1991 , str. 92^ Rudin 1991 , str. 93^ Rudin 1991 , str. 93^ Aliprantis 2006 , str. 230 chyba harvnb: žádný cíl: CITEREFAliprantis2006 (Pomoc) ^ Rudin 1991 , Věta 3.3 Dodatek, s. 59^ Rudin 1991 , Věta 3.15 The Banach – Alaogluova věta algoritmus, str. 68^ Rudin 1991 , str. 94Reference Aliprantis, Charalambos D .; Border, Kim C. (2006). Nekonečná dimenzionální analýza: Stopařův průvodce (3. vyd.). Springer. ISBN 9783540326960 . Boyd, Stephen ; Vandenberghe, Lieven (2004). Konvexní optimalizace . Cambridge University Press . ISBN 9780521833783 .Kolmogorov, A.N. ; Fomin, S.V. (1957). Základy teorie funkcí a funkční analýzy, díl 1: Metrické a normované prostory . Rochester: Graylock Press.Narici, Lawrence ; Beckenstein, Edward (2011). Topologické vektorové prostory . Čistá a aplikovaná matematika (druhé vydání). Boca Raton, FL: CRC Press. ISBN 978-1584888666 . OCLC 144216834 .Rudin, Walter (1991). Funkční analýza . International Series in Pure and Applied Mathematics. 8 (Druhé vydání.). New York, NY: McGraw-Hill Science / Engineering / Math . ISBN 978-0-07-054236-5 . OCLC 21163277 .Schaefer, Helmut H. ; Wolff, Manfred P. (1999). Topologické vektorové prostory . GTM . 8 (Druhé vydání.). New York, NY: Springer New York Otisk Springer. ISBN 978-1-4612-7155-0 . OCLC 840278135 .Trèves, François (2006) [1967]. Topologické vektorové prostory, distribuce a jádra . Mineola, NY: Dover Publications. ISBN 978-0-486-45352-1 . OCLC 853623322 .externí odkazy Prostory Věty Operátoři Algebry Otevřené problémy Aplikace Pokročilá témata
Základní pojmy Topologie Hlavní výsledky Mapy Podmnožiny