name: 希尔伯特空间 description: “希尔伯特空间在泛函分析中的问题解决策略” allowed-tools: [Bash, Read]
希尔伯特空间
使用时机
在泛函分析中处理希尔伯特空间问题时使用此技能。
决策树
-
正交分解
- 对于闭子空间M：H = M + M^perp（直和）
- 每个x = P_M(x) + P_{M^perp}(x)
sympy_compute.py simplify "x - projection"
-
投影定理
- 对于闭凸集C，存在唯一最近点
- P_C是非扩张的：||P_C(x) - P_C(y)|| <= ||x - y||
z3_solve.py prove "projection_exists_unique"
-
Riesz表示定理
- 每个f在H*中具有形式f(x) = <x, y_f>，对于唯一y_f
- ||f|| = ||y_f||
z3_solve.py prove "riesz_representation"
-
Parseval恒等式
- 对于标准正交基{e_n}：||x||^2 = sum|<x, e_n>|^2
sympy_compute.py sum "abs(<x, e_n>)**2"
-
Bessel不等式
- 对于任何标准正交集，sum|<x, e_n>|^2 <= ||x||^2
工具命令
Sympy_Inner_Product
uv run python -m runtime.harness scripts/sympy_compute.py simplify "<x + y, z> == <x,z> + <y,z>"
Z3_Projection
uv run python -m runtime.harness scripts/z3_solve.py prove "x - P_M(x) in M_perp"
Z3_Riesz
uv run python -m runtime.harness scripts/z3_solve.py prove "bounded_linear_functional iff inner_product_form"
Sympy_Parseval
uv run python -m runtime.harness scripts/sympy_compute.py sum "abs(<x, e_n>)**2" --var n --from 1 --to oo
关键技术
来自索引教科书:
- [《泛函分析入门与应用》] 这证明了A在H中是稠密的，并且由于A是可数的，H是可分的。在应用希尔伯特空间时，必须知道在特定情况下选择哪种完全标准正交集或集合，以及如何研究这些集合元素的性质。对于某些函数空间，这个问题将在下一节考虑，即第3节。
- [《泛函分析入门与应用》] Sx, y) = (Tx, y)，我们通过引理3看到Sx = Tx。SxI + {3SX2, y) 内积空间。希尔伯特空间（空间R3）表明，R3上的任何线性泛函f都可以用点积表示：（空间f）表明，12上的每个有界线性泛函f都可以表示为f(x) = L gj~ ~ j=1 如果z是内积空间X中的任何固定元素，表明f(x) = (x, z)定义了X上的有界线性泛函f，其范数为Ilzll。
- [《泛函分析入门与应用》] 希尔伯特空间在赋范空间中，我们可以加向量并用标量乘向量，就像在初等向量代数中一样。此外，这种空间上的范数推广了向量长度的初等概念。然而，在一般赋范空间中仍然缺少的，以及如果可能我们希望拥有的，是熟悉点积及其公式的类比，特别是正交性（垂直性）条件a·b=0，这在许多应用中很重要。
- [《泛函分析入门与应用》] 内积空间是特殊的赋范空间，正如我们将看到的。历史上，它们比一般赋范空间更早。它们的理论更丰富，保留了欧几里得空间的许多特征，一个核心概念是正交性。
- [《泛函分析入门与应用》] 零算子0和恒等算子I的伴随是什么？ Annihilator）设X和Y是赋范空间，T: X - Y是一个有界线性算子，-M = (¥t( T)，T的值域的闭包。赋范和Banach空间的基本定理 为了完成这个讨论，我们还应该列出伴随算子T X of T: X ~ Y和希尔伯特伴随算子T* of T: Hi ~ H 2之间的主要差异，其中X, Y是赋范空间，Hi> H2是希尔伯特空间。
认知工具参考
参见.claude/skills/math-mode/SKILL.md以获取完整工具文档。