面向应用的泛函分析：空间、算子与结构 | 新课上线

当一个问题的未知量写成函数 u(x) 而非有限维向量时，许多学科会在同一处遇到极具挑战的“物理拐弯”：系统的自由度，从有限个坐标扩展为了无限维空间中的自由度。

无论你是构建多尺度的计算医学模型、优化海量参数的 AI 算法，还是处理微观的量子态与宏观的信号波形，它们最终都把“函数”推到了舞台中央。此时，最棘手的往往并非计算技巧，而是更基础的三个灵魂拷问：

1. 我们如何把这些形态各异的函数，放进同一个框架里谈论？

2. 我们如何定义“接近”与“收敛”，从而让逼近与迭代算法有明确的终点？

3. 我们如何保证求解过程对扰动与噪声始终保持稳定？

泛函分析，回答的正是这组问题。

为了让你直观地感受到这种“降维打击”般的视角跃升，我们不妨对比一下大学里熟悉的经典微积分，与泛函分析在底层逻辑上的核心差异：

表1 经典微积分与泛函分析的视角的对比：从“寻找一个点”到“评估整个系统”

正如表1所示，泛函分析提供了一种极其强大的、跨学科可迁移的语言：它把我们以前研究的“数字”升级成了“完整的函数”。当你试图在极度复杂的参数空间中寻找 AI 模型的最优权重，或者模拟多尺度的生物医学网络时，你需要的正是一个能对整个系统的连续状态（无限维）进行整体评价、并找到那个唯一“最优解”的底层架构。

你会发现，许多看似分散的技术——误差估计、迭代收敛、投影拟合、约束优化中的乘子——在泛函分析中，都被同一条主线完美串起：空间 → 度量 → 完备 → 算子 → 几何 → 对偶。

贾伊阳老师的《面向应用的泛函分析：空间、算子与结构》系列课程试图做的，就是把这条极其抽象的主线，讲成一张你在科研中真正“可工作、可导航”的地图：

第一步：打破维度直觉，重建“函数空间”

我们将把函数真正当作线性空间来对待。你会理解“无限维”并非只是在时后面加一个抽象的 ∞，而是一个底层的结构突变。跨学科研究者常遇到的困惑——“同样的近似序列在这里收敛，在那里却发散”——源头就在这里：空间选错了，问题本身就被改写了。

第二步：明确距离与误差的“语义”

在泛函分析里，“两个函数有多像”不是视觉审美，而是由你选择的范数决定的。sup 范数与 L2 范数对应的极限和性质完全不同。对做 PDE、信号处理或系统生物学的人来说，这一步等价于建立清晰的误差底线：你究竟在控制哪一种误差？你的“解”在什么拓扑下才真正存在？

第三步：用“完备性”与“不动点”锁死算法极限

很多迭代算法的收敛性证明都会归结为构造一个 Cauchy 列。若空间不完备，算法的收敛在逻辑上就缺少了地基。Banach 空间补齐了这块地基，让“极限不会跑掉”成为定理。随后，Banach 不动点定理将一大类复杂的“解方程”问题，降维成优雅的“找不动点”问题，为算法的迭代收敛提供统一的范式。

第四步：在 Hilbert 空间中找回“几何直觉”

当内积出现，几何开始主导叙事。Hilbert 空间让“最小化问题”变得像初中几何一样透明：最佳逼近对应正交投影，最小二乘与数据拟合的核心机制跃然纸上。你会明白，为什么很多工程问题一旦脱离了 Hilbert 的几何结构，困难就会随之而来，以及我们该如何通过正则化进行补救。

第五步：用“对偶”重写无解的难题

这是泛函分析最深的一条暗线。当你无法直接对解做点值或强意义的微分时，对偶空间提供了另一种极其可控的表达：让解通过与测试函数“握手”来被刻画。弱形式、变分法、能量泛函之所以强大，正是因为它们擅长在对偶语言里重写问题，从而实现计算性与稳定性的完美平衡。

那你能从这门课带走什么？

跨学科研究的瓶颈在于“黑话”的翻译：处理同一个“寻找最优表示”的逻辑，在 PDE里叫寻找弱解，在优化里叫构建对偶，在信号处理里叫正交投影，在量子力学里叫谱分解。泛函分析可以将这些技巧归纳为一套统一的语法：即在无限维空间的几何与对偶结构中，寻找对象的本征刻画。这种底层的统一性，正是从“调包算法”走向“自主建模”的必经之路。

如果你不满足于仅仅“会调用”某个公式或算法，而在意它为什么成立、何时会失效、换一个复杂系统是否还能迁移；如果你希望面对新问题时，能一眼看透它背后的空间结构，并灵活切换范数与对偶视角来获得稳定性。

那么，欢迎你加入这门课程，让我们一起把高冷的抽象名词，变成你手边最锋利的科研工具。

课程主题：面向应用的泛函分析：空间、算子与结构

课程简介

• 什么是无限维空间？我们为何要突破有限维向量的限制？

• 当研究对象从“点”升维成“函数”时，如何严密地度量它们之间的距离与收敛？

• 在拥有无限自由度的系统中，如何保证极限的存在，确保计算与演化不会发散？

• 如何利用空间与其对偶空间的几何结构，建立复杂系统的最优逼近与降维框架？

经典微积分与线性代数主要处理有限维的变量。然而，在真实世界的复杂系统中（如连续演化的多尺度动力学系统、计算医学中的高维状态空间、或是拥有海量参数的 AI 底层算法），系统的状态往往需要用完整的“函数”来描述，这意味着系统的自由度趋向于无限。泛函分析正是为了处理这种无限维系统而建立的严密数学框架。它将“函数”抽象为空间中的“点”，通过赋予这些无限维空间以特定的拓扑和代数结构，为复杂系统的全局优化、偏微分方程求解与状态演化提供最底层的理论支撑。

从有限维迈向无限维，有限空间的直觉法则往往会失效，序列的收敛性变得尤为复杂。因此，我们必须重新定义度量与范数。完备性与 Banach 空间的建立，为无限维分析提供了不可或缺的边界约束——它确保了收敛序列的极限依然存在于系统内部，不会发生状态的“逃逸”或丢失。在此基础上，Banach 不动点定理为寻找复杂非线性系统的稳态，以及证明各类迭代算法的收敛性，提供了强有力的数学保证。

在确立了度量与完备性之后，我们需要引入更丰富的结构以解决实际的计算和逼近问题。Hilbert 空间通过引入“内积”，将传统欧几里得空间中的“角度”和“正交”等几何性质成功推广到了无限维。这使得复杂的高维问题可以通过正交投影被有效降维和拆解，成为现代最小化问题与最优控制的核心理论工具。同时，通过探讨对偶空间与泛函的关系，我们能够清晰地理解“观测映射”与“被观测对象”的对应机制，为特征提取和变分法建立理论基础。

本系列课程将以严谨的理论推导为核心，逐步建立泛函分析的基础架构。第一阶段将探讨从有限维跨越到无限维的动机与基础；第二阶段将重点建立度量与完备性，掌握 Banach 空间与不动点定理的精髓；第三阶段将深入探讨 Hilbert 空间的几何结构与对偶空间的映射体系。最终，在第四阶段，将梳理完整的结构总览与应用地图，透视这些纯粹的数学工具如何作为底层基石，广泛应用于现代物理、复杂系统模拟与前沿计算科学中。

课程大纲

第一阶段：动机与基础

• 第1讲｜为什么需要无限维？

• 第2讲｜函数空间作为向量空间

第二阶段：度量与完备性

• 第3讲｜距离与收敛：如何比较两个函数？

• 第4讲｜完备性：极限不能跑掉

• 第5讲｜范数与 Banach 空间

• 第6讲｜Banach 不动点定理

第三阶段：几何与对偶

• 第7讲｜Hilbert 空间：几何结构

• 第8讲｜正交与投影：最小化问题的核心

• 第9讲｜对偶空间与泛函

第四阶段：总结与地图

• 第10讲｜结构总览与应用地图

课程主讲人

贾伊阳，东京都市大学讲师、前日本女子大学助理教授，前日本成蹊大学助理教授。研究重点是计算复杂性，算法，以及范畴相关理论。集智学园《》课程讲师。

课程详情

课程适用对象

• 做微分方程、数值算法、反问题、信号处理、控制的学习者与研究者

• 做优化、机器学习、统计推断，希望理解正则化与泛化的结构来源的研究者

• 读量子/数学物理文献，希望把 Hilbert 空间与算子语言用顺手的研究者

• 更广义地：经常处理“函数作为未知量”的问题、并且想要一套可迁移框架的研究者

你会获得

1. 面对一个新问题，你能先问对问题：该在哪个空间里解？该用哪个范数衡量误差？需要什么完备性？算子是否有界？

2. 你能理解常见方法背后的统一逻辑：迭代为何收敛、正则化为何稳定、最小二乘为何等价于投影、弱解为何成立。

3. 你会获得一套“抽象但可落地”的语言：写证明、读论文、做建模时，能把碎片化技巧收束到结构层面。

报名须知

1. 课程形式：腾讯会议直播，集智学园网站录播。本系列课程不安排免费直播。

2. 课程周期：2026年3月29日-2026年6月14日，每周日晚19点-21点进行。

3. 课程定价：原价499

   1. 早早鸟价299，截止时间：2026年3月22日中午12点

   2. 早鸟价399，截止时间：2026年3月30日中午12点

课程链接：https://campus.swarma.org/v3/course/5700?from=wechat

付费流程

2. 课程页面添加学员登记表，添加助教微信入群；

3. 课程可开发票。

课程共创任务：课程字幕

为鼓励学员深度参与、积极探索，我们致力于形成系列化知识传播成果，并构建课程知识共建社群。为此，我们特别设立激励机制，让您的学习之旅满载收获与成就感。

课程以老师讲授为主，每期结束后，助教会于课程群内发布字幕共创任务。学员通过参与这些任务，不仅能加深对内容的理解，还可获得积分奖励。积分可兑换其他读书会课程或实物奖品，助力您的持续成长。

「线性代数：一名合格科研人的筑基课」

集智学园联合清华大学数学博士诸葛昌靖老师推出「」，并邀请武汉大学数学与统计学院周进教授于1月20日、1月27日就特征值与特征向量在复杂网络中的应用做特别加餐分享。课程已于12月20日开启，欢迎加入课程群交流。在本系列课程中，诸葛昌靖老师从基础概念出发，系统梳理线性空间、矩阵运算等核心理论，逐步建立起线性代数作为“通用建模语言”的整体图景。而周进教授的加餐课程，则以复杂网络为具体应用场景，横向展开这些工具在真实系统分析中的使用方式，聚焦它们如何直接服务于网络结构解析、动力学理解与关键节点（边）的识别。

详情请见：