4. Hilbertin avaruudet

Samankaltaiset tiedostot
802320A LINEAARIALGEBRA OSA II

1 Sisätulo- ja normiavaruudet

8. Avoimen kuvauksen lause

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

8. Avoimen kuvauksen lause

Seuraava topologisluonteinen lause on nk. Bairen lause tai Bairen kategorialause, n=1

7. Tasaisen rajoituksen periaate

Kertausta: avaruuden R n vektoreiden pistetulo

1 Lineaariavaruus eli Vektoriavaruus

HILBERTIN AVARUUKSISTA

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

802320A LINEAARIALGEBRA OSA I

=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin

Avaruuden R n aliavaruus

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

FUNKTIONAALIANALYYSIN PERUSKURSSI Johdanto

6. Lineaariset operaattorit

Ortogonaalisen kannan etsiminen

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Kertausta: avaruuden R n vektoreiden pistetulo

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

802320A LINEAARIALGEBRA OSA II/PART II

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

Täydellisyysaksiooman kertaus

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II

FUNKTIONAALIANALYYSIN PERUSKURSSI 7

MS-C1340 Lineaarialgebra ja

2. Normi ja normiavaruus

802320A LINEAARIALGEBRA OSA II LINEAR ALGEBRA PART II

Lebesguen mitta ja integraali

802320A LINEAARIALGEBRA OSA II/PART II

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

Lineaarialgebra II P

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

Sisätuloavaruudet. 4. lokakuuta 2006

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

Konvergenssilauseita

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Harjoitusten 4 ratkaisut Topologiset vektoriavaruudet 2010

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Hilbertin avaruudet, 5op Hilbert spaces, 5 cr

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

f(k)e ikx = lim S n (f; x) kaikilla x?

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Analyysi III. Jari Taskinen. 28. syyskuuta Luku 1

(1.1) Ae j = a k,j e k.

5 Ominaisarvot ja ominaisvektorit

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

2 Konveksisuus ja ratkaisun olemassaolo

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

Vektorianalyysi I MAT Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ti: 14:15-16:00, to: 12:15-14:00 Helsingin yliopisto 21.

HILBERTIN AVARUUDET S MIKAEL LINDSTRÖM KEVÄÄN 2010 ANALYYSI 3 -LUENTOJEN PERUSTEELLA TOIMITTANEET TOMI ALASTE JA LAURI BERKOVITS

1 Ominaisarvot ja ominaisvektorit

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

1. Normi ja sisätulo

1 Avaruuksien ja lineaarikuvausten suora summa

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

Määritelmä 2.5. Lause 2.6.

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

4. Martingaalit ja lokaalit martingaalit

1 Lineaarialgebraa Vektoriavaruus Lineaarikuvaus Zornin lemma ja Hamelin kanta... 10

Kanta ja dimensio 1 / 23

Insinöörimatematiikka D

Ominaisvektoreiden lineaarinen riippumattomuus

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

LUKU 6. Mitalliset funktiot

u 2 dx, u A f siten, että D(u) = inf D(U). Tarkemmin: Tarkoitus on osoittaa seuraavat minimointitehtävä ja Dirichlet n tehtävä u A f ja

LINEAARIALGEBRA A 2016 TOMI ALASTE EDITED BY T.M. FROM THE NOTES OF

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa

6. OMINAISARVOT JA DIAGONALISOINTI

Laskutoimitusten operaattorinormeista

pdfmark=/pages, Raw=/Rotate 90 1 Lineaariavaruus eli Vektoriavaruus Sisätuloavaruus Lineaarikuvaus Ominaisarvo 0-68

Derivaatta: funktion approksimaatio lineaarikuvauksella.

Kuvaus. Määritelmä. LM2, Kesä /160

802320A LINEAARIALGEBRA OSA III

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2.

Metriset avaruudet 2017

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1

1 Tensoriavaruuksista..

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Metriset avaruudet 2017

7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

9. Lineaaristen differentiaaliyhtälöiden ratkaisuavaruuksista

Selvästi. F (a) F (y) < r x d aina, kun a y < δ. Kolmioepäyhtälön nojalla x F (y) x F (a) + F (a) F (y) < d + r x d = r x

u(0, t) = 0 kaikille t > 0: lämpötila pidetään vakiona pisteessä x = 0;

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Taustatietoja ja perusteita

Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0).

9. Dualiteetti. Todistus. Väite seuraa suoraan Lauseesta 6.6, koska skalaarikunta K on täydellinen.

Kompaktisuus ja filtterit

Transkriptio:

FUNKTIONAALIANALYYSIN PERUSKURSSI 51 4. Hilbertin avaruudet Hilbertin avaruudet ovat ääretönulotteisista normiavaruuksista ominaisuuksiltaan kaikkein lähinnä kotiavaruutta R n tai C n. Tästä syystä niiden teoria on joustava ja käyttökelpoinen monessa tilanteessa. Hilbertin avaruuden normi määräytyy sisätulosta. 4.1. Määritelmä. Olkoon E vektoriavaruus, jonka skalaarikuntana on K. Kuvaus f : E E K on Hermiten muoto, jos (i) f(x 1 + x 2, y) = f(x 1, y) + f(x 2, y) kaikilla x 1, x 2, y E, (ii) f(λx, y) = λf(x, y) kaikilla x, y E ja λ K (iii) f(y, x) = f(x, y) kaikilla x, y E. Tässä z on kompleksiluvun z C kompleksikonjugaatti. Huomautus. 1. Jos K = R, niin ehto (iii) voidaan kirjoittaa muodossa f(y, x) = f(x, y) kaikilla x, y E 2. Suoraan laskemalla nähdään, että f(x, y 1 + y 2 ) = f(y 1 + y 2, x) (i) = f(y 1, x) + f(y 2, x) = f(x, y 1 ) + f(x, y 2 ) ja f(x, λy) = f(λy, x) (ii) = λ f(y, x) = λf(x, y) kaikilla x, y 1, y 2 E ja λ K. Hermiten muoto f on siis konjugaattilineaarinen jälkimmäisen muuttujan suhteen. 3. Nolla-alkion tapauksessa f( 0, y) = 0 = f(x, 0) kun x, y E, sillä 2f( 0, y) = f(2 0, y) = f( 0, y). Hermiten muoto f : E E K on sisätulo (tai skalaaritulo) avaruudessa E, jos f on lisäksi aidosti positiivinen eli f(x, x) 0 kaikilla x E sekä f(x, x) = 0 joss x = 0. Sisätulon tapauksessa merkitsemme: ( x y ) = f(x, y), x, y E x = ( x x ), x E. Joskus käytämme sisätulolle myös merkintää ( x, y ). Vektoriavaruus E on sisätuloavaruus, jos E on varustettu sisätulolla ( ).

52 FUNKTIONAALIANALYYSIN PERUSKURSSI 4.2. Lause (Cauchy Schwarzin epäyhtälö). Sisätuloavaruudessa E pätee (CS) ( x y ) x y kaikilla x, y E. Todistus. Voidaan olettaa x 0, y 0 (muuten (CS) on ilmeinen). Jokaisella λ K pätee 0 ( x + λy x + λy ) (i) (iii) = ( x x ) + λ( y x ) + λ( x y ) + }{{} λλ ( y y ) = λ 2 (iii) = x 2 + λ( x y ) + λ( x y ) + λ 2 y 2. Valitaan λ = ( x y ). On hyvä huomata, että tapauksessa K = R polynomin λ x 2 + 2λ( x y ) + λ 2 y 2 minimikohta! Tällä valinnalla edellisestä y 2 epäyhtälöstä saadaan 0 x 2 2 ( x y ) 2 y 2 + (x y) 2 x 2 y 2, ( x y ) 2 y 2 = x 2 (x y) 2 y 4 y 2 mikä osoittaa väitteen. 4.3. Seuraus. Kuvaus x = (x x), x E, on sisätuloavaruuden E normi. Todistus. Osoitetaan ensin kolmioepäyhtälö. Suoraan laskemalla ja käyttämällä identiteettiä z+z = 2 Rez, joka on voimassa kaikilla kompleksiluvuilla z C, saadaan 0 x + y 2 = ( x + y x + y ) (i) (iii) = x 2 + ( x y ) + ( y x ) + y 2 = x 2 + ( x y ) + ( x y ) + y 2 = x 2 + 2 Re ( x y ) + y 2 Koska kompleksiluvuilla z C on aina Re z z, niin edellisen epäyhtälön ja Cauchy Schwarzin epäyhtälön nojalla x + y 2 x 2 + 2 ( x y ) + y 2 (CS) x 2 + 2 x y + y 2 = ( x + y ) 2 Ottamalla neliöjuuri saadaan x + y x + y, kun x, y E. Edelleen, kun x E ja λ K, on selvästi voimassa λx = (λx λx) = λλ( x x ) = λ 2 x 2 = λ x. Myös ehto (N3) toteutuu, sillä x = (x x) = 0 joss x = 0, sillä ( ) on sisätulo.

FUNKTIONAALIANALYYSIN PERUSKURSSI 53 4.4. Määritelmä. Sanomme, että täydellinen sisätuloavaruus (E, ( )) on Hilbertin avaruus. Hilbertin avaruuden nimitys tulee David Hilbertin (1862 1943) mukaan. 4.5. Esimerkki. 1. Jos x = (x 1,..., x n ) K n ja y = (y 1,..., y n ) K n, niin kuvaus n ( x y ) = x j y j j=1 on vektoriavaruuden K n sisätulo. Vastaava normi x 2 = ( x x ) = x 1 2 + x 2 2 + + x n 2 on avaruuden K n tavallinen euklidinen normi ja (K n, 2 ) on Hilbertin avaruus. Merkitään usein l n 2 = (Kn, 2 ), n = 1, 2... 2. Jonoavaruudessa l 2 määritellään sisätulo kaavalla ( ) (x y) = x j y j, kun x = (x k ), y = (y k ) l 2. j=1 Sisätulon määräämä normi on x 2 = ( x k 2 ) 1 2, kun x = (xk ) l 2, k=1 eli avaruuden l 2 tavallinen normi, jonka suhteen l 2 on täydellinen (Katso Lause 3.23 sivulla 34). Siis (l 2, 2 ) on Hilbertin avaruus. Huomautus. Jonoavaruuksien Hölderin epäyhtälön 2.17 tai Schwarzin epäyhtälön 2.18 nojalla x k y k ( x k 2 ) 1 2 ( y k 2 ) 1 2 <, kun (xk ), (y k ) l 2, k=1 k=1 k=1 joten sarja x k y k suppenee (itseisesti) K:ssa (ja ( ) on järkevä). k=1 3. Jos avaruus C(0, 1) = { f : [0, 1] K : f jatkuva } varustetaan sisätulolla ( f g ) = 1 0 f(t)g(t) dt, f, g C(0, 1), niin (C(0, 1), 2 ) ei ole Hilbertin avaruus, missä f 2 = ( 1 0 f(t) 2 dt) 1 2, sillä (C(0, 1), 2 ) ei ole täydellinen. Perusteluksi tarkastele seuraava kuvaa ja pohdi, mitä tapahtuu, kun n.

54 FUNKTIONAALIANALYYSIN PERUSKURSSI y 1 y = f n (x) 1 2 1 2 + 1 n 1 x Kuva 4. Jatkuva funktio f n, joka approksimoi epäjatkuvaa funktiota 2 -normissa 4. Olkoon Ω R n Lebesgue-mitallinen joukko. Tällöin avaruus L 2 (Ω) varustettuna sisätulolla (4.6) ( f g ) = f(x)g(x) dx, f, g L 2 (Ω), Ω on Hilbertin avaruus (normissa f 2 = ( Ω f(x) 2 dx) 1 2, vrt. Lause 3.31 sivulla 39. Huomaa että tulofunktio f(x)g(x) on integroituva ja (4.6) siis hyvin määritelty kun f ja g L 2 (Ω); tämä seuraa integraalien Hölderin epäyhtälöstä (Lemma 3.25 sivulla 37). Kun verrataan kahta viimeistä esimerkkiä, käy ilmi, että C(0, 1) on tiheä avaruudessa (L 2 (0, 1), 2 ) ja siten L 2 (0, 1) on vektoriavaruuden C(0, 1) täydentymä 2 -normin suhteen. Tämä osoitetaan myöhemmin kurssin aikana (kts. Lause 5.5 luvussa 5) Alamme sitten setvimään Hilbertin avaruuksien ominaisuuksia. Havaitaan, että (geo)metrisesti ne toimivat kuten kotiavaruus K n. Emme kuitenkaan voi vedota äärellisulotteisiin ilmiöihin, mutta esimerkiksi kahden annetun vektorin välinen kulma on järkevä Hilbertin avaruudessa: Jos x, y 0 ovat R-kertoimisen Hilbertin avaruuden E alkioita, niin määrittelemme niiden välisen kulman ϕ [0, 2π) tutulla kaavalla ( x y ) = x y cos ϕ. Olkoon vaikkapa x = (2 n ) 1 ja y = (3 n ) 1 l2. Tällöin ( x y ) = x n y n = 6 n = 1/5 n=1 n=1

FUNKTIONAALIANALYYSIN PERUSKURSSI 55 ja koska x 2 = (2 n ) 2 = 1/ 3 ja vastaavasti y 2 = 1/ 8, on 24 cos ϕ = ϕ 11 o 5 Funktioiden välisiä kulmia pohdittaessa kaikkein helpoin on tilanne, jossa vektorit ovat kohtisuorassa. Tätä teemaa kannattaa kehittää vähän pitemmällekin: 4.7. Määritelmä. Sisätuloavaruuden E vektorit x, y E ovat ortogonaaliset (eli kohtisuorat), jos ( x y ) = 0. Ortogonaalisuutta merkitään x y. Osajoukot A, B E ovat ortogonaaliset, merkitään A B, jos x y kaikilla x A ja y B. Ortogonaalisten vektorien summilla on seuraava tuttu ominaisuus. Hilbertin avaruuksien hajotelmia konstruoitaessa sillä tulee olemaan tärkeä rooli. 4.8. Lause (Pythagoras). Olkoon E sisätuloavaruus. Jos {x 1,..., x n } E ja vektorit ovat keskenään ortogonaaliset eli x j x k, kun j k, niin x 1 + x 2 + + x n 2 = x 1 2 + x 2 2 + + x n 2. Huomautus. Kun kolmiossa a = x ja b = y, niin c = x 2 + y 2, joten tapaus n = 2 on alkeisgeometriasta tuttu lause a 2 + b 2 = c 2. a c Todistus. Väite osoitetaan induktiolla muuttujan n suhteen. Kun n = 2 ja x y niin, x + y 2 = ( x + y x + y ) = x 2 + ( x y ) + ( y x ) + y 2 = x 2 + y 2. Oletetaan, että väite on osoitettu, kun n = k. Tällöin kohdan n = 2 ja induktiooletuksen nojalla on voimassa x 1 + + x k + x k+1 2 = x 1 + + x k 2 + x k+1 2 b ind.ol. = x 1 2 + + x k 2 + x k+1 2, Ensimmäinen yhtäsuuruus on voimassa, sillä k ( x 1 + + x k x k+1 ) = ( x j x k+1 ) = 0, eli (x 1 + + x k ) x k+1. j=1

56 FUNKTIONAALIANALYYSIN PERUSKURSSI Tilanteissa, joissa avaruuden vektoripari ei ole kohtisuorassa, voimme korvata Pythagoraan suunnikasyhtälöllä. (Piirrä ao. lauseesta esimerkkikuva!) 4.9. Lause (Suunnikasyhtälö). Jos E on sisätuloavaruus ja x, y E, niin Todistus. Lasketaan suoraan x + y 2 + x y 2 = 2( x 2 + y 2 ) x + y 2 + x y 2 = ( x + y x + y ) + ( x y x y ) = ( x x ) + ( x y ) + ( y x ) + ( y y ) + ( x x ) ( x y ) ( y x ) + ( y y ) = 2( x 2 + y 2 ) Suunnikasyhtälön avulla voidaan helposti tarkistaa, että monet konkreettiset Banachin avaruudet eivät ole Hilbertin avaruuksia (eli normi ei voi tulla sisätulosta). 4.10. Esimerkki. (l 1, 1 ) ja (C(0, 1), ) eivät ole Hilbertin avaruuksia. Ratkaisu: Olkoon x = (1, 0, 0,... ), y = (0, 1, 0,... ) l 1. Tällöin joten x + y 1 = (1, 1, 0,... ) 1 = 2, x y 1 = (1, 1, 0,... ) 1 = 2, x 1 = y 1 = 1, x + y 2 1 + x y 2 1 = 22 + 2 2 = 8 4 = 2( x 2 1 + y 2 1 ). Siispä l 1 ei ole sisätuloavaruus. Olkoon nyt h: R R, x, kun 0 x 1, 4 h(x) = 1 2 x, kun 1 < x 1, 4 2 0, kun x > 1. 2 Asetetaan f : [0, 1] R, f(x) = h(x) ja g : [0, 1] R, g(x) = h(x 1 ). Tällöin 2 f, g C(0, 1) ja f = g = 1. Lisäksi f + g 4 = f g = 1, joten 4 f + g + f g = 1 8 1 4 = 2( f + g ). Siispä (C(0, 1), ) ei myöskään ole sisätuloavaruus.

FUNKTIONAALIANALYYSIN PERUSKURSSI 57 4.11. Määritelmä. Jos A E, niin joukon A ortokomplementti A on joukko A := { y E : ( x y ) = 0 kaikilla x A }. Ortokomplementin ominaisuuksia varten tarvitsemme seuraavan aputuloksen. 4.12. Lause. Ehto (x, y) ( x y ) määrää jatkuvan kuvauksen E E K. Todistus. Jos x 0 E ja y 0 E, niin kolmioepäyhtälön ja Cauchy Schwarzin epäyhtälön nojalla ( x y ) ( x 0 y 0 ) = ( x x 0 y y 0 ) + ( x x 0 y 0 ) + ( x 0 y y 0 ) x x 0 y y 0 + x 0 x y 0 + x 0 y y 0, missä oikea puoli 0, kun x x 0 ja y y 0. Käy ilmi, että monimutkaisenkin osajoukon A ortokomplementti on hyvin säännöllinen: 4.13. Lause. Jos A E, niin sen ortokomplementti A on avaruuden E suljettu aliavaruus. Todistus. Joukko A on avaruuden E aliavaruus: Jos y 1, y 2 A, niin ( x y 1 + y 2 ) = ( x y 1 ) + ( x y 2 ) = 0 + 0 = 0 kaikilla x A, joten y 1 + y 2 A. Vastaavasti ( x λy 1 ) = λ( x y 1 ) = 0 kaikilla x A, joten λy 1 A. Siispä A on aliavaruus. Seuraavaksi huomataan, että jos x E niin x on jatkuvan funktion y ( x y ) alkukuva nollasta. Siispä joukko x on suljettu. Näin ollen mielivaltaisella A E, A = x A x on suljettujen joukkojen leikkauksena suljettu. Huomautus. a) Nolla-alkion 0 ortokomplemetti on E eli { 0} = E. b) Koko avaruuden E ortokomplemetti on { 0} eli E = { 0}. Tämä seuraa siitä, että jos y E, niin ( x y ) = 0 kaikilla x E. Erityisesti ( y y ) = y 2 = 0, joten y = 0. c) Sama päättely antaa: jos y A A, niin y = 0.

58 FUNKTIONAALIANALYYSIN PERUSKURSSI Olemme osoittaneet myös seuraavan hyödyllisen havainnon. 4.14. Lause. Jos ( x y 1 ) = ( x y 2 ) kaikilla x E, niin y 1 = y 2. Todistus. Koska 0 = ( x y 1 y 2 ) kaikilla x E, niin y 1 y 2 E = { 0}. Seuraavaksi alamme tarkastella minimointitehtäviä. Näillä on monia sovelluksia, esimerkiksi differentiaaliyhtälöistä aina käytännön prosessien optimointiin asti. Kun tilanteita mallinnetaan Hilbertin avaruuksilla tulee tehtäväksi selvittää, millä ehdoin joukoista löytyy minimoivia alkioita. Koska avaruutemme ovat ääretönulotteisia, minimien olemassaolo ei ole ollenkaan selvää, kuten seuraava yksinkertainen esimerkki näyttää. 4.15. Esimerkki. Olkoon e n = (0,..., 0, 1, 0,..., 0) l 2 ; siis jonon n:s termi = 1. Jos A = { n+2 n+1 e n : n N }, tällöin A on suljettu ja rajoitettu; kuitenkaan ei löydy sellaista vektoria x A, jolle olisi x = inf{ y : y A } = 1. Joukkojen kompaktisuus tietysti takaisi minimoivien alkioiden olemassaolon, mutta ääretönulotteisissa avaruuksissa tämä oletus olisi aivan liian rajoittava. On itse asiassa yllättävää, että Hilbertin avaruuksissa minimointitehtävä ratkeaa suhteellisen yleisesti. Olennainen ominaisuus tällaisissa minimointitehtävissä on konveksisuus. Muistetaan, että pisteiden x ja y välinen yhdysjana on joukko { x + t(y x) : t [0, 1] } = { tx + (1 t)y : t [0, 1] }. 4.16. Määritelmä. Vektoriavaruuden E osajoukko A on konveksi, jos pisteiden x, y A yhdysjana aina sisältyy joukkoon A eli jos tx + (1 t)y A aina, kun x, y A ja 0 t 1. x 1 2 x + (1 1 2 )y x 1 2 x + (1 1 2 )y y y Kuva 5. Konveksi joukko (vasemmalla) ja ei-konveksi joukko (oikealla); Kuvassa myös pisteiden x ja y väliset yhdysjanat.

FUNKTIONAALIANALYYSIN PERUSKURSSI 59 4.17. Lause. Jos F on Hilbertin avaruuden E konveksi suljettu osajoukko, niin on olemassa täsmälleen yksi normin minimoiva alkio x 0 F, eli alkio x 0 F joka toteuttaa ehdon x 0 x kaikilla x F. Todistus. Olkoon δ = inf{ x : x F }. Sovelletaan suunnikasyhtälöä x+y 2 + x y 2 = 2 x 2 +2 y 2 vektoreihin 1x, 1 y, kun x, y F. Tästä 2 2 seuraa, että 1 4 x y 2 = 1 2 x 2 + 1 2 y 2 Koska konveksisuuden nojalla 1 (x + y) F, niin 2 x + y 2 ( ) x y 2 2 x 2 + 2 y 2 4δ 2. Jos nyt x = y = δ, niin arvion ( ) nojalla x y 2 0, joten x = y. Siis normin minimoiva alkio on ainakin yksikäsitteinen, jos se on olemassa. Olemassaoloa varten valitaan sellainen jono (x n ) n=1 F, että x n δ, kun n. Korvataan x ja y arviossa ( ) jonon alkioilla x n ja x m. Silloin x n x m 0, kun n, m. Siispä (x n ) n=1 on Cauchyn jono Hilbertin avaruudessa E, joten x n x 0 E, kun n. Koska normi on jatkuva funktio, niin x 0 = lim x n = δ. n Koska F on suljettu ja (x n ) n=1 F, niin raja-alkio x 0 F. 2. x+y 2 y x y x+y 2 x x 0 x 0 Kuva 6. Minimointiongelman yksikäsitteisyyden geometrinen ajatus konveksille joukolle (vasemmalla) ja ei-konveksille joukolle (oikealla)

60 FUNKTIONAALIANALYYSIN PERUSKURSSI Edellinen lause voidaan muotoilla myös invariantisti, niin ettei origolla ole erikoisasemaa. 4.18. Seuraus. Olkoon E Hilbertin avaruus, F sen suljettu konveksi osajoukko sekä x E. Silloin on täsmälleen yksi alkio y 0 F, jolle x y 0 = dist(x, F ) Tässä dist(x, F ) = inf{ x y : y F } on x:n etäisyys F :stä. Todistus. Joukko x F on suljettu ja konveksi, sekä min{ x y : x y x F } = min{ x y : y F }. Nyt väite seuraa suoraan Lauseesta 4.17. Yo. lauseilla on suoraan sovelluksia konveksissa optimoinnissa, mutta niitä voidaan käyttää monissa muissakin minimointitehtävissä, esim. variaatiolaskennassa. Olemme todistaneet minimoivan alkion y 0 olemassaolon ja yksikäsitteisyyden, mutta se voidaan myös helposti tunnistaa! Seuraava lause kertoo, että x y = dist(x, F ) jos ja vain jos vektoreiden x y ja z y välinen kulma on tylppä kaikilla z F. [Muista, että (R-kertoimisessa) Hilbertin avaruudessa kahden vektorin a ja b välinen kulma ϕ [0, 2π) saatiin ehdosta ( a b ) = a b cos ϕ.] x x z y z y Kuva 7. vasemmalla tylppä kulma; oikealla terävä 4.19. Lause. Olkoon E Hilbertin avaruus sekä F E sen suljettu konveksi ja epätyhjä osajoukko. Olkoon myös x E ja y F. Tällöin x y = dist(x, F ) kaikilla z F pätee Re( x y z y ) 0. Todistus. Olkoon x y = dist(x, F ). Jos z F ja 0 < λ < 1, niin konveksisuuden nojalla y + λ(z y) F. Siispä x y λ(z y) 2 x y 2,

eli FUNKTIONAALIANALYYSIN PERUSKURSSI 61 x y 2 2λ Re ( x y z y ) + λ 2 z y 2 x y 2. Saamme tästä Re( x y z y ) (λ/2) z y 2 kaikilla 0 < λ < 1. Antamalla λ 0 nähdään, että Re ( x y z y ) 0. Oletetaan sitten, että Re ( x y z y ) 0 kaikilla z F. Siis x z 2 = x y (z y) 2 = x y 2 2 Re ( x y y z ) + z y 2 x y 2 kaikilla z F. Silloin y on normin minimoiva alkio, joten x y = dist(x, F ). Lause on näin todistettu. Ortogonaaliset projektiot Sovellamme seuraavaksi minimointilausetta 4.18 tapaukseen, missä F on suljettu vektorialiavaruus. Tämä johtaa ortoprojektioihin, jotka tulevat olemaan lineaarisia kuvauksia. 4.20. Lause. Olkoon E Hilbertin avaruus ja M sen suljettu vektorialiavaruus. Kun x E ja y M, x y = dist(x, M) (x y) M. Todistus. Olkoon ensin x y = dist(x, M). Jos z M sekä λ K, niin lineaarinen yhdiste y + λz M ja Lauseen 4.19 nojalla 0 Re (( x y (y + λz) y )) = Re ( λ( x y z ) ) kaikilla λ K. Kun valitaan λ = ( x y z ), niin tästä seuraa, että ( x y z ) 2 0 eli ( x y z ) = 0 kaikilla z M. Toisin sanoen, x y M. Oletetaan nyt, että x y M. Jos z M, niin z y M ja siten 0 = Re ( x y z y ) kaikilla z M. Lauseen 4.19 nojalla tästä seuraa, että x y = dist(x, M). Kun M on avaruuden E suljettu vektorialiavaruus, olkoon P M : E E kuvaus, joka liittää vektoriin x sen yksikäsitteisen vektorin y M, joka minimoi x:n etäisyyden M:ään. Siis (4.21) P M (x) = y, kun x y = dist(x, M) Sanomme, että kuvaus P M on avaruuden E ortoprojektio aliavaruudelle M ja y = P M x on vektorin x ortoprojektio avaruudelle M.

62 FUNKTIONAALIANALYYSIN PERUSKURSSI x M y = P M x Huomautus. Havaitaan lisäksi, että Lause 4.20 antaa seuraavanlaisen tavan karakterisoida vektorin x ortoprojektio: (4.22) y = P M x joss y M ja x y M. Toisin sanoen, ehdon (4.22) mukaan ortoprojektion määräävät seuraavat kaksi ehtoa, (4.23) P M x M ja P M x x M jotka ovat siis voimassa kaikilla Hilbert avaruuden E vektoreilla x. Ylläolevista tuloksista saadaan erityisesti (4.24) P M x = 0 kun x M, P M x = x kun x M Jos nimittäin x M, niin P M x = (P M x x) + x M, ja siis P M x M M = { 0}. Jälkimmäinen väite seuraa suoraan määritelmästä (4.21). Määrittelimme yllä ortoprojektion puhtaasti metrisenä suureena, mutta Hilbert avaruuden vektoriavaruus-struktuurin takia päädymme lineaariseen operaattoriin. 4.25. Lause. Olkoon M suljettu vektorialiavaruus Hilbertin avaruudessa E. Silloin ortoprojektio P M : E E on lineaarinen kuvaus. Todistus. Lineaarisuuden havaitsemiseksi käytetään esitystä x + λy = P M x + λp M y + (x P }{{} M x) + λ(y P M y), }{{} :=z M M kun x, y E ja λ K. Esityksestä nähdään, että x + λy z M ja z M, joten ehdon (4.22) nojalla P M (x+λy) = z = P M x+λp M y. Siis P M on lineaarinen. Lineaarialgebrasta muistamme, että lineaarikuvaus P : E E on projektio, jos P 2 = P. Mikäli U = P (E) ja V = ker P, sanomme että P on projektio avaruudelle U suuntaan V.

FUNKTIONAALIANALYYSIN PERUSKURSSI 63 Läheinen lineaarialgebran käsite on nk. suora summa. Sanomme, että E on aliavaruuksien U ja V suora summa, merkitään E = U V, jos E = U + V ja U V = { 0}. Voidaan osoittaa, että jos P on projektio avaruudelle U suuntaan V, niin E = U V. Ja kääntäen, jos E = U V, niin suora summa määrittelee projektion P avaruudelle U suuntaan V. Nimittäin silloin jokaisella x E on yksikäsitteinen esitys x = u + v, missä u U ja v V. Asetetaan tällöin P (x) = u; nyt U = P (E) ja V = ker P [Näiden väitteiden (helpot) yksityiskohdat jätetään ylimääräiseksi harjoitustehtäväksi]. 4.26. Lause. Jos M on Hilbertin avaruuden E suljettu vektorialiavaruus, niin E = M M ja P M on avaruuden E projektio aliavaruudelle M suuntaan M. Lisäksi P M x x kaikilla x E. Todistus. Lauseesta 4.13 sivulla 57 muistetaan, että M on avaruuden E vektorialiavaruus. Lisäksi (4.23) osoitti että jokainen x E voidaan hajottaa summaksi x = P M x + x P M x, missä P M x M ja x P M M. Siis E = M +M. Edelleen havaitaan, että tämä summa on suora: jos x M M, niin x 2 = ( x x ) = 0, joten x = 0. Siispä M M = { 0} ja E = M M. Seuraavaksi tarkastellaan esitystä x = P M x + z, missä z = x P M x M. Koska edellä osoitimme että P M z = 0, niin lineaarisuuden avulla saadaan P M x = P M (P M x + z) = P 2 M x + P Mz = P 2 M x. Siis P M on projektio. Ehto P M (E) = M seuraa kaavasta (4.22) [valitaan y = x], samoin ehto ker(p M ) = M [kun valitaan y = 0]. Lopuksi, normiarviota varten käytetään Pythagoras n lausetta, x 2 = P M x + (x P M x) 2 = P M x + x P M x 2 P M x 2, joten väite seuraa. 4.27. Huomautus. Lauseesta 4.26 seuraa myös, että ortoprojektio P M on jatkuva, ja että itse asiassa P M = 1 kun M E (Miksi?!). Ortonormaalit kannat 4.28. Määritelmä. Sisätuloavaruuden jono (e n ) on ortonormitettu, jos 0, i j ( e i e j ) = 1, i = j. Toisin sanoen, jono (e j ) on ortonormeerattu, jos sen vektorit ovat pareittain kohtisuorassa ja e j = 1 jokaisella j.

64 FUNKTIONAALIANALYYSIN PERUSKURSSI 4.29. Esimerkki. a) Kanoniset kantavektorit e n = (0,..., 0, 1, 0,..., 0) l 2, missä nollasta eroava termi on n:s, n N, muodostavat ortonormitetun jonon avaruudessa l 2. b) E = L 2 (0, 2π) varustettuna sisätulolla ( x y ) = on Hilbert avaruus; jono (x n ), 2π 0 x(t)y(t) dt, x n (t) = 1 2π e int n Z, on ortonormitettu jono avaruudessa E (Miksi?). Ortonormaaleja jonoja ja niiden määräämiä vektorisummia voi helposti kontrolloida tärkeän Besselin epäyhtälön avulla. Lause (Besselin epäyhtälö). Jos (e n ) on ortonormeerattu jono Hilbertin avaruudessa E, niin (B) ( x e k ) 2 x 2 kaikilla x E. Erityisesti, lim ( x e k ) = 0. k Todistus. Jos (e n ) on ortonormitettu avaruudessa E ja x E, niin tarkastellaan ensin äärellisiä osasummia. Ottamalla sisätulo termeittäin saadaan ( n ) (4.30) ( x e k )e k x e j = ( x e j ) ( x e j ) = 0, j = 0,..., n Toisin sanoen, erotus vastaan, kaikilla 0 j n. Siten Pythagoraan lauseen mukaan x 2 = x n ( x e 2 k )e k + n ( x e 2 (4.31) k )e k x n ( x e k )e k on kohtisuorassa vektoreita e j n ( x e k )e k 2 = n ( x e k ) 2 Huomaa, että myös viimeinen yhtäsuuruus perustui Pythagoraan lauseeseen (ja siihen että vektorit e j ovat ortonormeerattuja, e j = 1 jokaisella j). Olemme siis näyttäneet, että jokaisella n N pätee n ( x e k ) 2 x 2 Antamalla lopuksi n saadaan Besselin epäyhtälö (B).

FUNKTIONAALIANALYYSIN PERUSKURSSI 65 4.32. Määritelmä. Jos (e n ) on ortonormitettu jono Hilbertin avaruudessa E ja x E, niin lukuja ( x e k ) sanotaan vektorin x Fourier-kertoimiksi jonon (e n ) suhteen. Jos E on vektoriavaruus ja A E, niin merkitään span (A):lla joukon A virittämää avaruuden E vektorialiavaruutta, eli n span (A) := { λ i a i : n N, λ i K, a i A }. i=1 Edelleen span (A) on aliavaruuden span (A) sulkeuma avaruudessa E. Olkoon (e 0,..., e n ) äärellinen ortonormeerattu jono Hilbertin avaruudessa E. Besselin epäyhtälö pätee tietysti myös tällaiselle jonolle (vrt. yo. todistus); seurauksena saamme 4.33. Lause. Olkoon E Hilbertin avaruus, (e j ) n j=0 äärellinen ortonormeerattu jono sekä M = span ({e 0,..., e n }). Tällöin a) M on suljettu E:n vektorialiavaruus, M = span ({e 0,..., e n }). b) M:n ortoprojektiolla on seuraava konkreettinen esitys, (4.34) P x = n ( x e k ) e k, x E Todistus. Kaavan (4.34) määrittelemä kuvaus on selvästi lineaarinen. Pythagoraan ja Besselin epäyhtälön nojalla P x 2 = n ( x e k ) 2 x 2. Siten P on jatkuva. Toisaalta, jos x M, n x = λ k e k joillakin skalaareilla λ k K. Ottamalla tästä sisätulo e j :n kanssa, saadaan ortogonaalisuuden nojalla λ j = ( x e j ), j = 0,..., n. Mutta tämä sanoo, että P x = x jokaisella x M. Niinpä M = {x E : P x = x} = ker(i P ), missä I on avaruuden E identtinen kuvaus. Jatkuva kuvauksen ytimenä M on näin ollen suljettu v.a.a. Lopuksi, kuten yhtälössä (4.30) nähdään, että e j ( x n ) ( x e k ) e k = 0, j = 0,..., n,

66 FUNKTIONAALIANALYYSIN PERUSKURSSI eli yhtäpitävästi x P x M, x E. Mutta Lauseen 4.20 mukaan ehdot P x M ja x P x M karakterisoivat ortoptojektion; vrt. myös (4.22). Olemme näin todistaneet myös väitteen b). 4.35. Huomautus. a) Pätee yleisesti: Jokaisessa Banachin avaruudessa jokainen äärellisulotteinen aliavaruus on suljettu [Tähän (ehkä) palataan myöhemmin]. b) Lineaarialgebran kurssilta tunnetulla Gramm-Schmidtin menetelmällä jokaiseen Hilbert-avaruuden äärellisulotteiseen aliavaruuteen M voidaan konstruoida ortonormaali kanta; tällöin Lause 4.33 antaa konkreettisen lausekkeen M:n ortoprojektiolle; vrt. myös Harjoitukset 6. c) Voimme nyt yhdistää Lauseet 4.20 ja 4.33, ja saamme seuraavan tulkinnan: Jokaisella x E, funktio (λ 0,..., λ n ) x saa pienimmän arvonsa täsmälleen (!) silloin, kun n λ k e k λ k = ( x e k ), k = 0, 1,..., n. Edelleen, ortonormeeratuista vektoreista muodostettujen sarjojen summautuminen riippuu vain kerroinjonon ominaisuuksista (yleisissä Banach-avaruus summissa tilanne ei ole lainkaan yhtä helppo): 4.36. Lause. Olkoon (e n ) n ortonormeerattu jono Hilbertin avaruudessa E. Jos λ n K kaikilla n N, niin sarja λ k e k suppenee jos ja vain jos λ k 2 <. Tällöin pätee 2 λ k = λ k 2. Todistus. Jos p, q N ja p < q, niin Pythagoras n lauseen nojalla q p 2 q 2 q λ k e k λ k e k = λ k e k = λ k 2. k=p+1 0 k=p+1 Siis osasummat s n = n λk e k muodostavat Cauchyn jonon avaruudessa E jos ja vain jos sarja λ k 2 suppenee. Tämä osoittaa väitteen ensimmäisen osan. Jos nyt x = λ k e k,

FUNKTIONAALIANALYYSIN PERUSKURSSI 67 niin sisätulon jatkuvuuden nojalla ( ) ( x e j ) = λ k e k e j = mistä ( ) x 2 = ( x x ) = λ k e k x = λ k ( e k e j ) = λ j, λ k ( e k x ) = λ k λ k = λ k 2 4.37. Seuraus (Riesz Fisherin lause). Olkoon E Hilbertin avaruus ja (e k ) k ortonormeerattu jono. Jos (λ k ) l2, niin löytyy sellainen x E, että ( x e k ) = λ k, kaikilla k N. 4.38. Määritelmä. Hilbertin avaruuden E ortonormitettu jono (e n ) n on Hilbertin kanta avaruudessa E, jos span ({ e n : n N }) = E. Huomautus. Jono (e n ) n on Hilbertin kanta jos ja vain jos (e n ) n on maksimaalinen ortonormaali joukko avaruudessa E. Todistus. Jos M = span ({ e n : n N }), niin M E M { 0}. Tämä on yhtäpitävää sen kanssa, että löytyy x M, jolle x = 1. Tämä on edelleen yhtäpitävää sen kanssa, että joukko {x} { e n : n N } on ortonormaali M ei ole maksimaalinen orton. joukko avaruudessa E. Seuraava lause on keskeinen Hilbertin avaruuksien teoriassa ja sovelluksissa. 4.39. Lause. Olkoon (e n ) n ortonormaali joukko Hilbertin avaruudessa E. Silloin seuraavat viisi ehtoa ovat yhtäpitäviä: a ) jono (e n ) n on Hilbertin kanta avaruudessa E, b ) sisätulot ( x e n ) = 0 kaikilla n N jos ja vain jos x = 0, c ) jokaisella x E on x = n=0 ( x e n ) e n, [suppeneminen normin mielessä] d ) jokaisella x E on voimassa x 2 = n ( x e n ) 2, e ) jokaisella x, y E on voimassa ( x y ) = n ( x e n )( y e n ).

68 FUNKTIONAALIANALYYSIN PERUSKURSSI Huomautus. Ehtoa e) sanotaan Parsevalin yhtälöksi ja ehtoa d) Plancherelin kaavaksi. Kohta c) taas tarkoittaa, että jokaisella x E pätee x N ( x e n ) e n 0, kun N. n=0 Todistus. Käymme läpi vain tapauksen card ({e n }) =, äärellisulotteinen tapaus jää harjoitustehtäväksi. Ortokomplementin määritelmästä A = {x E : (x, a) = 0 a A} huomataan (Miten?), että aina A = A ; tässä A on A:n sulkeuma. Erityisesti, jos M = span ({e n }), niin b) on yhtäpitävää ehdon M = { 0} kanssa. Tämä taas on yhtäpitävää sen kanssa että M = E, vrt. Lause 4.26. Toisin sanoen, a ) ja b ) ovat yhtäpitäviä. Helposti havaitaan, että e ) = d ) = b ). Käänteiseen suuntaan osoitetaan ensin, että ehto b ) implikoi c ):n. Oletetaan siis, että ehto b ) on voimassa. Jos x E, niin olkoon x = ( x e n ) e n, n=0 mikä Besselin epäyhtälön ja Lauseen 4.36 nojalla suppenee avaruudessa E. Nyt kaikilla k N ( N ) ( x e k ) = lim ( x e n ) e n e k = ( x e k ) N n=0 eli ( x x e k ) = 0 kaikilla k N, joten ehdon b ) nojalla x = x. Olemme siis näyttäneet, että c ) pätee. Lopuksi, näytetään c ) = e ). Koska oletuksen mukaan x = ( x e n ) e n n=0 kaikilla x E, on siis ( N ) ( x y ) = lim ( x e n ) e n y N n=0 = ( x e n )( e n y ) = n=0 n=0 = lim N N ( x e n )( e n y ) n=0 ( x e n )( y e n ).

FUNKTIONAALIANALYYSIN PERUSKURSSI 69 Jos Hilbertin avaruudessa E ylipäätään on Hilbertin kanta, niin selvästi E on separoituva. Käy ilmi että tämä onkin ainoa rajoite Hilbertin kannan löytymiselle. 4.40. Lause. Jokaisessa separoituvassa Hilbertin avaruudessa E on Hilbertin kanta. Todistus. 1 o ) Oletetaan, että dim E = n+1 <. Silloin avaruudella E on kanta (x k ) n. Käyttämällä Lineaarialgebrasta tuttua Gramm-Schmidtin menetelmää voidaan tästä kannasta konstruoida uusi, ortonormaali kanta. Tämä on tehty yksityiskohtaisesti esim. Honkasalon monisteessa s. 70, Lauseessa 3.3.3. Kertaamme tässä lyhyesti Gramm-Schmidtin konstruktion: Olkoon M q = span ({ x j : 0 j q }) ja merkitään e 0 = x 0 1 x 0. Osoitetaan induktiolla muuttujan q suhteen, että avaruudella M q on ortonormaali kanta jokaisella q = 0, 1,..., n. Väite seuraa tästä, kun q = n. Tapaus n = 0 on selvä, joten oletetaan, että avaruudella M q on ortonormaali kanta (e j ) q j=0. Merkitään y q+1 = x q+1 P q x q+1, missä P q on avaruuden E ortoprojektio aliavaruudelle M q. Koska jono (x k ) on lineaarisesti vapaa, on y q+1 0. Merkitään e q+1 = y q+1 1 y q+1. Tällöin induktio-oletuksen nojalla joukko {e 0,..., e q+1 } muodostaa avaruuden M q+1 ortonormaalin kannan. Siispä väite on osoitettu. 2 o ) Oletetaan sitten, että dim E =. Koska E on separoituva, voimme löytää tiheän jonon (x n ) n=0. Konstruoidaan induktiolla sellainen osajono (x k j ), että kaikilla p N joukko {x k0,..., x kp } on lineaarisesti vapaa ja x m span ({x k0,..., x kp }) aina, kun m k p (HT). Merkitään y j = x kj. Edellisen kohdan ortonormeeraus-tekniikkaa soveltamalla jonoon (y k ) saamme konstruoitua avaruuteen E Hilbertin kannan. Olkoon (e j ) j J separoituva Hilbertin avaruuden kanta, missä J = N tai J = {1,..., N}. Tällöin jokaisella x E on esitys x = k J( x e k ) e k. Jos (λ k ) l 2 tai (λ k ) K N, määritellään lineaarikuvaus T : l 2 E tai T : K N E asettaen T ( ) (λ k ) k J = λ k e k. k J

70 FUNKTIONAALIANALYYSIN PERUSKURSSI Tällöin T on isomorphismi l 2 E tai K N E, sillä Lauseen 4.36 nojalla T x T y = x y ja T on lineaaribijektio. Siis kaikki separoituvat Hilbertin avaruudet ovat isomorfismia vaille joko tyyppiä l 2 tai K N! 4.41. Esimerkkejä. a ) Haarin systeemi (h n (x)) n=0 on ehkä helpoin tapa konstruoida Hilbertin kanta avaruuteen L 2 [0, 1]. Lähdemme tässä liikkeelle välin [0, 1] karakteristisesta funktiosta ja valitsemme h 0 (x) = χ [0,1] (x), joka = 1, jos x [0, 1] ja = 0, jos x / [0, 1]. Selvästi h 0 2 = 1. Muut kantafunktiot valitaan seuraavasti: Jos 0 j < 2 k, olkoon n = 2 k + j ja [ j n = 2, j + 1 ] [0, 1], k 2 k Asetetaan + n = ( j 2 k, j + 1/2 2 k h n (t) = 2 k 2 ) ( j + 1/2, n =, j + 1 ). 2 k 2 k ( χ + n (t) χ n (t)) = 2 k 2, t + n 2 k 2, t n 0, t n kun n = 1, 2, 3,..., n = 2 k + j kuten edellä. (Piirrä itsellesi neljän ensimmäisen Haarin funktion h 0,..., h 4 kuvaajat!) Näin muodostettu Haarin systeemi (h n (x)) n=1 L 2 [0, 1] on Hilbertin kanta [Yksityiskohdat pitkähkö HT; tässä luonnosteltuna idea: Dyadisten välien n karakteristiset funktiot kuuluvat avaruuteen span ({ h n : n N }) L 2 [0, 1] (Miksi?); tästä voidaan päätellä että avointen joukkojen karakteristiset funktiot ovat sulkeumassa span ({ h n : n N }); mittateorian nojalla sulkeumaan saadaan näin kaikki karakteristiset funktiot; sen jälkeen yksinkertaiset funktiot, ja lopulta koko L 2 [0, 1] = span ({ h n : n N })]. Haarin kannan Fourier-kertoimet funktiolle f L 2 [0, 1] saadaan kaavoista ( f h 0 ) = 1 Siis kun f L 2 [0, 1], niin 0 f(t) dt, ( f h n ) = 2 k 2 f = [ ( f h n ) h n n=1 + n f dt ja sarja suppenee avaruudessa L 2 [0, 1], so. L 2 -normin mielessä. n ] f dt.

FUNKTIONAALIANALYYSIN PERUSKURSSI 71 b ) Haarin systeemillä on seuraava mainio skaalausominaisuus, h n (x) = 2 k/2 h 1 (2 k x j) kun n = j + 2 k kuten edellä. Tällaiset skaalaus-ominaisuudet helpottavat merkittävästi numerisointia. Toisaalta Haarin systeemin pulmana on se että kantafunktiot h n ovat epäjatkuvia. Etsittäessä kantafunktioita, jotka ovat jatkuvia tai sileitä, ja joilla on samat skaalausominaisuudet, on päädytty niin sanottuihin wavelet-kantoihin, joita on viime aikoina on tutkittu erityisen paljon. Näillä on myös käytännön mielenkiintoa monissa sovelluksissa, jotka liittyvät muun muassa signaalinkäsittelyyn, kuvankäsittelyyn jne. Pulmana on ettei kompaktikantajaisella waveletillä (= funktion h 1 vastineella) ole esitystä alkeisfunktioiden avulla, paitsi sarjakehitelmänä. Esitämme siksi tässä vain kuvan tyypillisestä wavelet-kannasta. Esimerkiksi, jos ψ on ao. kuvan funktio tähän tulee kuva!! niin funktiot 2 j/2 ψ(2 j x k), missä x R ja j, k Z, muodostavat Hilbertin kannan L 2 :ssa. c ) Mainitaan lopuksi vielä pari esimerkkiä; näitä ei kuitenkaan luennoilla käsitelty. Soveltamalla Lauseen 4.40 kohdan 1 o ) yhteydessä esiteltyä Gramm Schmidt ortonormeeraus menetelmää polynomeihin saadaan Hilbertin kantoja moniin eri (painotettuihin) L 2 -avaruuksiin. Esimerkiksi, olkoon d n p n (t) = 1 ( (t 2 1) n) 2 n n! dt n n:s Legendren polynomi. Differentiaali- ja integraalilaskennan peruskurssin avulla tiedämme, että ( p n p k ) = 1 1 p n (t)p k (t) dt = 2 2n + 1 δ nk,

72 FUNKTIONAALIANALYYSIN PERUSKURSSI missä δ nk on Kroneckerin δ-symboli eli 1, n = k δ nk = 0, n k. 2n+1 Merkitään e n = p 2 n. Voidaan todistaa, että saatu jono (e n ) n on Hilbertin kanta avaruudessa L 2 ([ 1, 1]). Jono voidaan konstruoida myös suoraan käyttämällä Gramm Schmidtin menetelmää jonoon (t n ) n. d ) Olkoon L 2 (Ω, ρ) := { f : f(t) 2 ρ(t) dµ < }, ρ(t) = e t2. Hermiten polynomit Ω n/2 H n (t) = n! ( 1) k (2t) n 2k, n = 0, 1,... k! (n 2k)! muodostavat avaruuden L 2 (R, e t2 ) ortonormaalin kannan. Myös tämä jono on saatu Gramm Schmidtin menetelmällä jonosta (t n ) n. e ) Laguerren polynomit määritellään kaavalla n ( ) n + α t n (t) = ( 1) n k n k L (α), α > 1, n = 0, 1,.... k! Systeemi (L (α) n (t)) n=0 on ortonormaali kanta avaruudessa L 2 (R +, te t ).