泛函分析（十一）：分布与Sobolev空间 — 广义解

我想从一个坦白开始。多年来，我像一个本科生物理学家那样对待Dirac delta：它在原点以外处处为零，在原点处无穷大，并且其积分等于一。这种描述当然是数学上的无稽之谈。没有可测函数具有这些性质。然而，每本量子力学教科书都在第一页使用$\delta$ ，每个信号处理课程都用$\delta(t)$ 表示脉冲，每本PDE书都调用满足$\Delta E = \delta$ 的Green函数$E$ 。要么整个科学界在过去一个世纪里犯了一个根本性的错误，要么有一种方法可以使这个对象变得严格。显然是后者——而这种方法就是分布理论。

让我具体说说这个尴尬到底有多大。我教过一个本科生求线上 $-u'' = \delta$ 的解，他写下 $u(x) = -|x|/2 + Ax + B$ ，然后向我求证。这个答案是对的——它出现在每本电动力学的教科书里。但如果我把 $u'' = -\delta$ 当成普通微分方程，它根本没有“点态”意义：在 $x \neq 0$ 处 $u''(x) = 0$ ，在 $x = 0$ 处 $u''$ 不存在，整个等式形式上不成立。然而我们日常用这条方程做计算。这中间一定有某种数学机制，让“分布意义下的导数”和经典导数能在它们都有意义时一致，而在经典导数失效的地方依然能给出可预测的答案。

这个问题比$\delta$ 本身还要古老。考虑线上的波动方程$u_{tt} = c^2 u_{xx}$ 。任何二阶可微的轮廓$f$ 给出一个行波解$u(x,t) = f(x - ct)$ 。但物理波携带冲击波：浅水方程的解可以发展成一个台阶，声波可以有尖锐的前沿，光脉冲可以是方形包络。“函数”$f$ 在这种情况下甚至不连续。称这样的不连续$u$ 为$u_{tt} = c^2 u_{xx}$ 的“解”要求我们对它求两次导数，而经典的二阶导数在冲击波处或其两侧都不存在，因为对指示函数求导会得到一个delta。

Laurent Schwartz的分布理论（1944-1950）用一个技巧解决了这两个问题。停止尝试将点值赋给广义“函数”。相反，通过它们如何作用于光滑测试函数来定义它们：$f$ 是线性映射$\varphi \mapsto \int f\varphi$ 。几乎处处相等的两个函数给出相同的映射，因此$L^1_{\text{loc}}$ 嵌入到测试函数的对偶空间中。但该对偶空间远大于$L^1_{\text{loc}}$ ；它包含$\delta$ 、$\delta$ 的导数、主值分布以及许多其他结构。一旦有了对偶空间，想要的所有操作——导数、傅里叶变换、卷积——都可以通过形式对偶从光滑函数扩展到所有分布。

Sobolev空间是故事的第二部分。Schwartz的分布太大，不能成为有用的Banach空间（$C_c^\infty$ 的对偶没有自然的范数拓扑）。对于PDE，需要具体的Hilbert空间，带有范数、嵌入和紧性。Sergei Sobolev在1930年代的构造正好做到了这一点：$W^{k,p}(\Omega)$ 包含那些直到$k$ 阶的分布导数属于$L^p$ 的函数。这些是微分算子的自然域，是弱解的合适设置，并且它们附带三个关键工具——嵌入定理、迹定理、Rellich-Kondrachov紧性——没有这些，下一篇文章中的Lax-Milgram定理就无法发挥作用。

为什么经典导数不够#

三个动机问题#

考虑$(0,1)$ 上的$-u'' = f$ ，边界条件为$u(0) = u(1) = 0$ 。如果$f$ 是连续的，经典解存在且是$C^2$ 的。但如果$f \in L^2(0,1)$ ——比如$f$ 是$[1/3, 2/3]$ 的指示函数呢？没有经典的$C^2$ 解存在；$u''$ 必须跳跃。然而，乘以一个测试函数$\varphi \in C_c^\infty(0,1)$ 并两次分部积分（第二次积分不会产生边界项，因为$\varphi$ 有紧支集）给出

满足这个积分恒等式的函数$u$ 称为弱解不必是$C^2$ 的；$u \in H^1_0(0,1)$ ——一个弱导数在$L^2$ 中，边界处消失——就足够了。这里的问题实际上有一个显式答案：两次积分$f$ 并调整常数。你得到一个$C^1$ 的分段二次函数，但它不是$C^2$ 的（二阶导数在$x = 1/3$ 和$x = 2/3$ 处跳跃），这正是Sobolev理论预测的正则性：$f \in L^2$ 并且一次应用$-d^2/dx^2$ 反演后获得两个导数，所以$u \in H^2$ ，从而$u \in C^{1,1/2}$ 但不是$C^2$ 。经典理论会简单地宣布这个问题不可解。

在静电学中，单位点电荷在原点的势满足$-\Delta\phi = \delta$ 。右边不是一个函数。更糟的是，解$\phi(x) = 1/(4\pi|x|)$ 在原点处奇异，因此在那里也不是经典意义上的二阶可微。整个方程生活在一个“导数”必须重新解释的世界中。

常数函数$1$ 的Fourier变换，形式上是$(2\pi)^n\delta$ 。$|x|$ 的Fourier变换涉及$1/|\xi|^{n+1}$ （一个非局部可积函数，读作主值）。如果没有包含$\delta$ 及其导数的框架，大量调和分析就会崩溃或需要临时修补。缓增分布$\mathcal{S}'$ 提供了正确的框架：每个缓增分布都有Fourier变换，并且变换是一个拓扑同构$\mathcal{F}: \mathcal{S}' \to \mathcal{S}'$ 。

概念转变#

经典方法：函数$f$ 由其点值$f(x)$ 定义。分布方法：广义函数$f$ 由线性泛函$\varphi \mapsto \int f\varphi\,dx$ 定义。

两个局部可积函数如果在零测度集上不同，则定义相同的分布；它们对测试函数的积分相同。这意味着分布自动商出零集，正如$L^p$ 空间所做的那样。点值在$L^p$ 中始终是虚构的；分布只是公开承认这一虚构，并不再假装可以在某一点上进行评估。

$\mathcal{D}'(\Omega)$ 上的拓扑#

分布空间带有*弱-拓扑：$u_j \to u$ 在$\mathcal{D}'(\Omega)$ 中当且仅当$\langle u_j, \varphi \rangle \to \langle u, \varphi \rangle$ 对于每个$\varphi \in \mathcal{D}(\Omega)$ 。这是测试函数上的逐点收敛，比有界集上的均匀收敛弱，但对于大部分PDE理论已经足够。

一个重要结果：每个分布都是光滑函数序列在$\mathcal{D}'$ 中的极限。如果$u \in \mathcal{D}'(\Omega)$ 且$\rho_\epsilon$ 是标准磨光器，则$u * \rho_\epsilon \to u$ 在$\mathcal{D}'$ 中当$\epsilon \to 0$ （其中卷积通过转置定义）。因此，分布是“光滑函数的极限”，这是一个严格的含义——正如实数是有限小数的极限，$L^p$ 函数是简单函数的极限。

测试函数$\mathcal{D}(\Omega)$ 和分布$\mathcal{D}'(\Omega)$ #

测试函数空间#

我刚开始读分布理论时被一个问题困扰：为什么测试函数偏要选 $C_c^\infty$ （光滑且紧支撑），不能用 $C^\infty$ 或 $C_c^k$ ？答案分两块。支撑紧让分布意义下的分部积分可以无忧无虑地把导数搬到测试函数上——边界项消失，所以 $\langle \partial^\alpha u, \varphi\rangle = (-1)^{|\alpha|}\langle u, \partial^\alpha \varphi\rangle$ 这条定义在整个 $\mathcal{D}'$ 上没有歧义。$C^\infty$ 光滑让“分布有任意阶导数”成立——只要测试函数能任意求导，分布在对偶意义下就可以被任意求导。这两条性质合起来让测试函数空间“尽可能小、性质尽可能多”，从而对偶空间 $\mathcal{D}'$ 尽可能大。

实际写下一个具体的测试函数也并不平凡。$C^\infty$ 光滑加紧支撑听起来矛盾——多项式光滑但不紧支撑，指示函数紧支撑但不光滑。经典构造是 $\rho(x) = \exp(-1/(1-|x|^2)) \cdot \mathbf{1}_{|x|<1}$ ：在 $|x|<1$ 时是 $\exp$ 复合多项式，光滑；在 $|x|=1$ 时所有导数都从两侧匹配为零（因为 $\exp(-1/0^+) = 0$ 比任何多项式衰减得快）；在 $|x|>1$ 时恒为零。这个看似魔术的拼接是分布理论一切构造的起点：磨光器、单位分解、cut-off 函数都是这个 bump 的变形。

设$\Omega \subseteq \mathbb{R}^n$ 是开集。测试函数空间是

即在$\Omega$ 中有紧支集的无限可微函数空间。标准例子是凸起$\varphi(x) = \exp(-1/(1-|x|^2))$ 对于$|x| < 1$ ，其余部分为零。它在各处都是$C^\infty$ 的（在$|x|=1$ 处所有导数的匹配是一个精细的微积分练习），非负，并且支集在闭单位球内。

序列$\varphi_j \to 0$ 在$\mathcal{D}(\Omega)$ 中如果：

1. 存在一个紧集$K \subset \Omega$ 使得$\text{supp}(\varphi_j) \subset K$ 对于所有$j$ 。
2. 对于每个多重指标$\alpha$ ，$\partial^\alpha \varphi_j \to 0$ 在$K$ 上一致收敛。

这不是范数拓扑；它是归纳极限，最细的局部凸拓扑使每个紧集$K \subset \Omega$ 的包含$C_c^\infty(K) \hookrightarrow C_c^\infty(\Omega)$ 连续。细节很重要，因为它保证了对偶$\mathcal{D}'(\Omega)$ 足够大，包含想要的对象。

分布#

$\Omega$ 上的分布是连续线性泛函$u: \mathcal{D}(\Omega) \to \mathbb{C}$ ——等价地，线性$u$ 使得对于每个紧集$K \subset \Omega$ ，存在$C, N \ge 0$ 使得

“分布是连续线性泛函”这一定义看似抽象，但它实际上把分布完全刻画了：分布就是“可以与测试函数配对得出一个数”的对象。任何具体分布都可以通过指定它如何作用在每个测试函数上来定义——比如 $\delta$ 通过 $\langle\delta,\varphi\rangle = \varphi(0)$ 定义，$\delta'$ 通过 $\langle\delta',\varphi\rangle = -\varphi'(0)$ 定义。分布之间的运算也通过对偶性继承：每个测试函数上的连续线性运算都自动诱导分布上的运算。

这种“通过测试函数定义”的方法是泛函分析的核心模式。第四篇里的对偶空间是同样的思路——通过线性泛函刻画向量；第五篇里的弱拓扑是同样的思路——通过对偶配对定义收敛；这里的分布是把这种思路推到极致：把广义函数完全用它们对测试函数的作用来定义。一旦适应这种思路，$\delta$ 就不再是“无穷大点函数”这种数学谎言，而是一个良定义的对偶对象。

最小的这样的$N$ 是$u$ 在$K$ 上的阶。局部可积函数是阶为$0$ 的分布；Dirac delta是阶为$0$ 的；它的导数是更高阶的。

关键例子：

1. 局部可积函数：每个$f \in L^1_{\text{loc}}(\Omega)$ 定义一个分布$\langle f, \varphi \rangle = \int_\Omega f\varphi\,dx$ 。

2. Dirac delta：$\langle \delta_a, \varphi \rangle = \varphi(a)$ 。这不是上述形式；没有$L^1_{\text{loc}}$ 函数能满足定义恒等式（取$\varphi$ 为收缩到$a$ 的一系列凸起显示$f$ 必须以不允许的方式“集中”）。

3. Heaviside：$H(x) = 1$ 对于$x \ge 0$ ，否则为$0$ 。它的分布导数是$\delta$ ——一个分部积分：$\langle H', \varphi \rangle = -\langle H, \varphi' \rangle = -\int_0^\infty \varphi'(x)\,dx = \varphi(0)$ 。

4. 主值$1/x$ ：函数$1/x$ 在$\mathbb{R}$ 上在$0$ 附近不是局部可积的，但主值$\langle \mathrm{p.v.} \tfrac{1}{x}, \varphi \rangle = \lim_{\epsilon \to 0}\int_{|x|>\epsilon}\varphi(x)/x\,dx$ 定义了一个阶为$1$ 的分布。

分布上的运算#

统一原则：通过形式对偶定义每个运算。如果$T$ 是测试函数上的连续线性映射，伴随为$T^*$ ，则通过$\langle Tu, \varphi \rangle = \langle u, T^*\varphi \rangle$ 定义$Tu$ 在分布上的作用。

这条“通过对偶定义运算”的原则是分布理论里最简洁的设计选择。看似抽象，但它把所有想要的运算自动给出了具体定义：导数 $\partial^\alpha$ 、与光滑函数的乘法、平移、缩放、Fourier 变换——每一个都是把测试函数上对应的伴随运算搬到分布上。这种设计的好处是“向后兼容”：在测试函数本身就是合法的分布（通过 $\varphi \mapsto \int \varphi \psi$ ）这一身份下，新定义的运算与经典运算一致——所以分布意义下的导数对 $C^1$ 函数等于经典导数，分布意义下的 Fourier 变换对 $L^1$ 函数等于经典 Fourier 变换。

代价是某些经典运算无法搬过来。两个分布的乘法没有典范定义——$\delta \cdot \delta$ 没意义、$1/x \cdot \delta$ 没意义、一般两个非零分布的乘积都没有典范定义。这是 Schwartz 不可能性定理的内容：在 $\mathcal{D}'$ 上不存在结合的、交换的、扩展点态乘法且满足 Leibniz 法则的乘法。这个否定性结果是非线性 PDE 困难的来源——非线性 PDE 形式上要把分布的乘积取意义，但这件事一般做不到，必须依赖额外的正则性（比如解在某些 Sobolev 空间中）才能让乘积合法。所以非线性 PDE 的弱解理论本质上是“在哪些情形下可以定义乘积”这个问题。

$\langle \partial^\alpha u, \varphi \rangle = (-1)^{|\alpha|}\langle u, \partial^\alpha \varphi \rangle$ 。符号来自分部积分：$\int \partial f \cdot \varphi = -\int f \cdot \partial\varphi$ 对于光滑的$f$ 和紧支集的$\varphi$ 。这个公式将链式法则扩展到整个对偶空间；每个分布都是分布意义下的无限可微的，并且微分在弱-*拓扑中是连续的。与经典情况相比，微分是无界的，并且不与极限交换。

如果$a \in C^\infty(\Omega)$ ，$\langle au, \varphi \rangle = \langle u, a\varphi \rangle$ ——测试函数$a\varphi$ 仍然是$C_c^\infty$ 。

任意两个分布的乘法未定义。$\delta \cdot \delta$ 没有规范意义；试图定义它会导致QFT中的重整化。Schwartz的不可能性定理使这一点精确：在$\mathcal{D}'$ 上没有关联的、交换的乘法，它扩展连续函数上的点乘法并满足Leibniz规则。非线性PDE和量子场论中最深的困难源于这个单一的否定结果。

当经典导数存在时，为什么分布导数是唯一的#

一个自然的担忧：当两者都定义时，新导数是否与旧导数一致？是的。如果$f \in C^1$ ，那么对于任何$\varphi \in C_c^\infty$ ，分部积分给出$\int f'\varphi = -\int f\varphi'$ ，这正是分布的定义。对于$C^1$ 函数，分布导数与经典导数一致，对于$W^{1,p}$ 函数，与几乎处处导数一致，而对于真正奇异的对象如$H'$ （因为经典导数在那里根本不存在）则不一致。

关于$\mathbb{R}$ 上的$|x|$ 的一个具体例子：它在原点外处处可微，但在原点处经典导数未定义。分布导数是符号函数$\mathrm{sgn}(x) = H(x) - H(-x)$ ，它几乎处处定义，并且在经典导数存在的地方与其一致。再微分一次：$|x|'' = (\mathrm{sgn})' = 2\delta$ ，因为符号函数在原点处跳跃2。这个具体的计算——$|x|$ 的第二个分布导数是$2\delta$ ——是我每隔几个月就要重新推导一次的标准检查。它确保你的分布记账是正确的。

卷积和平滑化#

如果$u \in \mathcal{D}'(\mathbb{R}^n)$ 有紧支集且$\varphi \in C^\infty(\mathbb{R}^n)$ ，卷积$u * \varphi$ 被定义且是$C^\infty$ 的：

更一般地，与紧支集分布的卷积对于任何分布都是良好定义的。关键性质：

• $\delta * f = f$ 对于任何分布$f$ ——delta是卷积单位。
• $\partial^\alpha(u * v) = (\partial^\alpha u) * v = u * (\partial^\alpha v)$ ——导数可以在因子之间转移。
• 平滑化： 如果$\rho_\epsilon(x) = \epsilon^{-n}\rho(x/\epsilon)$ 是标准磨光器（正的，$C_c^\infty$ ，积分1，支集在单位球内），则对于任何分布$u$ ，$u * \rho_\epsilon \in C^\infty$ ，并且$u * \rho_\epsilon \to u$ 在$\mathcal{D}'$ 中当$\epsilon \to 0$ 。

平滑化事实是分布理论的工作马。它说每个分布都可以用光滑函数逼近，逼近是明确且可计算的。大多数PDE证明遵循以下模式：先对光滑$u$ 证明结果，然后平滑化并通过极限传递。

缓增分布和Fourier变换#

Schwartz空间 $\mathcal{S}(\mathbb{R}^n)$ 由所有导数都比任何多项式衰减得更快的光滑函数组成：$\sup_x |x^\alpha \partial^\beta \varphi(x)| < \infty$ 对于所有多重指标。其对偶$\mathcal{S}'(\mathbb{R}^n)$ 是缓增分布空间——严格小于$\mathcal{D}'$ 但足够大，包括多项式、所有$p$ 的$L^p$ 、$\delta$ 及其导数，以及调和分析中关心的大多数东西。

Fourier变换通过$\langle \hat{u}, \varphi \rangle = \langle u, \hat{\varphi} \rangle$ 扩展为$\mathcal{S}'$ 上的同构$\mathcal{F}: \mathcal{S}' \to \mathcal{S}'$ ，利用$\mathcal{F}$ 已经将$\mathcal{S}$ 自身双连续映射的事实。关键公式：

• $\hat{\delta} = 1$ ，
• $\hat{1} = (2\pi)^n \delta$ ，
• $\widehat{\partial^\alpha u} = (i\xi)^\alpha \hat{u}$ ——微分变为多项式乘法，对所有缓增分布有效。

这些恒等式为Fourier分析PDE提供动力：解$-\Delta u = f$ 变成$|\xi|^2\hat{u} = \hat{f}$ ，所以$\hat{u} = \hat{f}/|\xi|^2$ ——难点纯粹在于逆变换和$\xi = 0$ 处的行为，而不是代数步骤。

基本解#

线性微分算子$L$ 的基本解是满足$LE = \delta$ 的分布$E$ 。对于$\mathbb{R}^n$ 上的Laplacian ($n \ge 3$ )：

其中$\omega_n$ 是单位球的体积。在$\mathbb{R}^2$ 中，$E(x) = -\frac{1}{2\pi}\log|x|$ ；在$\mathbb{R}^1$ 中，$E(x) = -\frac{1}{2}|x|$ 。解$-\Delta u = f$ （对于适当的$f$ ）则是$u = E * f$ ，与基本解的卷积。这是经典位势理论的分布实现。

对于热方程$(\partial_t - \Delta)u = 0$ ，基本解是热核$K(x, t) = (4\pi t)^{-n/2}e^{-|x|^2/(4t)}$ 对于$t > 0$ ，与半群文章中出现的相同。分布视角澄清了为什么会出现这个核：它是唯一满足$(\partial_t - \Delta)K = \delta(x)\delta(t)$ 的缓增分布。

弱导数和Sobolev空间#

从分布导数到弱导数#

分布导数总是存在的；它们是$\mathcal{D}'$ 中的抽象对象。对于PDE，我们希望具体的导数生活在$L^p$ 中。

如果$u \in L^1_{\text{loc}}(\Omega)$ 在方向$\partial^\alpha$ 上有弱导数$g \in L^1_{\text{loc}}(\Omega)$ ，则

弱导数，当它存在时，在几乎处处是唯一的，并且在两者都有意义时与经典导数一致。许多在经典意义上不可微的函数具有弱导数：$|x|$ 的弱导数是$\mathrm{sgn}(x)$ ；$\max(u, 0)$ 的弱导数是$u'\cdot\mathbf{1}_{u>0}$ ；绝对连续函数在线上具有与其经典几乎处处导数相等的弱导数。

Sobolev空间$W^{k,p}$ #

引入 Sobolev 空间之前先讲一下它解决什么问题。分布空间 $\mathcal{D}'$ 太大——它甚至没有一个有用的范数拓扑，无法做精细的存在性证明。$L^p$ 空间太小——它装得下函数但装不下“函数的导数”，差分算子在 $L^p$ 上无界。Sobolev 空间正好填这个缝：要求函数和它的（弱）导数都在 $L^p$ 中，把“正则性”量化成范数大小。这一来微分算子在 $W^{k,p} \to W^{k-1,p}$ 上有界，PDE 弱形式的双线性形式有自然定义域，连续性和强制性可以用具体范数验证。

$W^{k,p}$ 还有第二层意义：它把“正则性”和“可积性”绑在一起，并通过 Sobolev 嵌入定理把这两者互换。如果一个函数在 $L^p$ 中有 $k$ 个导数，那么它本身可能就在更大的 $L^q$ （$q > p$ ）中，甚至是连续 Hölder 函数（如果 $kp > n$ ）。这一类“正则性 → 可积性” 或 “正则性 → 逐点正则性”的兑换是 PDE 解的正则性理论的全部内容。

对于$k \in \mathbb{N}_0$ ，$1 \le p \le \infty$ ，和$\Omega \subseteq \mathbb{R}^n$ 开集，Sobolev空间 $W^{k,p}(\Omega)$ 是

其中$\partial^\alpha u$ 表示弱（等价地，分布）导数。范数是

对于$p = \infty$ 的情况做相应修改。

$H^k(\Omega) = W^{k,2}(\Omega)$ 。这些是带有内积$\langle u, v \rangle_{H^k} = \sum_{|\alpha| \le k} \langle \partial^\alpha u, \partial^\alpha v \rangle_{L^2}$ 的Hilbert空间。Hilbert结构使$H^k$ 成为Lax-Milgram定理和变分方法的自然设置。

$W_0^{k,p}(\Omega)$ 是$C_c^\infty(\Omega)$ 在$W^{k,p}(\Omega)$ 中的闭包。直观上，这些是在广义意义上“在边界上消失”的Sobolev函数；下面的迹定理使其精确。

完备性#

可以证明，$W^{k,p}(\Omega)$ 是Banach空间；$H^k(\Omega)$ 是Hilbert空间。

证明概要。 设$(u_j)$ 是$W^{k,p}$ 中的Cauchy序列。对于每个$|\alpha| \le k$ ，序列$(\partial^\alpha u_j)$ 是$L^p(\Omega)$ 中的Cauchy序列。由$L^p$ 的完备性，存在$u_\alpha \in L^p$ 使得$\partial^\alpha u_j \to u_\alpha$ 在$L^p$ 中。设$u = u_0$ 。我们声称$\partial^\alpha u = u_\alpha$ 在分布意义下成立：

因此$u \in W^{k,p}$ 且$u_j \to u$ 。$\square$

数值例子：$|x|^\alpha$ 的正则性#

取$u(x) = |x|^\alpha$ 在单位球$B \subset \mathbb{R}^n$ 上。何时$u \in W^{1,p}(B)$ ？弱梯度是$\nabla u = \alpha|x|^{\alpha-2}x$ （扩展经典公式），并且

这个积分收敛当且仅当$p(\alpha-1) + n - 1 > -1$ ，即$\alpha > 1 - n/p$ 。因此$|x|^\alpha \in W^{1,p}(B)$ 恰好当$\alpha > 1 - n/p$ 。在$n = 3$ ，$p = 2$ 的情况下，这给出$\alpha > -1/2$ ，所以$|x|^{-1/2}$ 勉强不在$H^1$ 中，但$|x|^{-1/4}$ 在。这种明确的阈值指导了奇异PDE解的预期正则性。

第二个数值例子：三维中的Sobolev嵌入边界。对于$n = 3$ 和$p = 2$ ，$p^* = 6$ ，因此$H^1(\mathbb{R}^3) \hookrightarrow L^6(\mathbb{R}^3)$ 。具体来说，Sobolev不等式说$\|u\|_{L^6} \le C\|\nabla u\|_{L^2}$ 对于任何紧支集光滑$u$ 。最优常数$C$ 由Talenti在1976年计算得出：$C = \frac{1}{\pi}\sqrt[3]{\frac{1}{4}\Gamma(3/2)/\Gamma(3)}$ ，极值函数恰好是Aubin-Talenti气泡$u_\epsilon(x) = c_n(\epsilon^2 + |x|^2)^{-(n-2)/2}$ （这里$c_n$ 是归一化）。插入$\epsilon = 1$ ，$n = 3$ ：$u_1(x) = c_3(1 + |x|^2)^{-1/2}$ ，并且$\|u_1\|_{L^6}/\|\nabla u_1\|_{L^2} = C$ 恰好成立。极值函数的存在（Aubin，Talenti）是微妙的；它们在缩放$u \mapsto \epsilon^{1/2}u(\epsilon x)$ 下形成非紧轨道是非线性分析中每个集中现象的来源。

分数阶和负Sobolev空间#

对于$s \in \mathbb{R}$ （不一定为整数），通过Fourier变换定义$H^s(\mathbb{R}^n)$ ：

范数为$\|u\|_{H^s} = \|(1 + |\xi|^2)^{s/2}\hat{u}\|_{L^2}$ 。对于$s < 0$ ，$H^s$ 包含不是函数的分布。空间$H^{-k}(\Omega)$ 是对偶空间$H_0^k(\Omega)$ 的对偶。

Dirac delta在$H^s(\mathbb{R}^n)$ 中当且仅当$s < -n/2$ （因为$\hat{\delta} = 1$ 且$(1 + |\xi|^2)^{s/2} \in L^2$ 当且仅当$s < -n/2$ ）。因此$\delta \in H^{-1-\epsilon}(\mathbb{R}) \setminus H^{-1/2}(\mathbb{R})$ ，维度越高，$\delta$ 越“奇异”。

密度和逼近#

Sobolev空间的一个基本性质是光滑函数是稠密的：

可以证明，$C^\infty(\Omega) \cap W^{k,p}(\Omega)$ 在$W^{k,p}(\Omega)$ 中是稠密的，对于$1 \le p < \infty$ 。

当$\Omega$ 有Lipschitz边界时，甚至$C^\infty(\overline{\Omega})$ 在$W^{k,p}(\Omega)$ 中也是稠密的。这种逼近性质对于证明定理至关重要：首先对光滑函数建立结果（此时经典微积分适用），然后通过密度推广。

Poincare不等式#

可以证明，设 $\Omega \subset \mathbb{R}^n$ 是有界的且连通的。存在 $C = C(\Omega, p)$ 使得对于所有 $u \in W_0^{1,p}(\Omega)$ ，

Poincare 不等式是 PDE 弱解理论里出现频率最高的具体不等式之一。它说的是：在边界上消失的函数（$W^{1,p}_0$ ）的 $L^p$ 范数被它的梯度的 $L^p$ 范数控制。这条结论看似无关紧要，但它是 Lax-Milgram 应用于 Dirichlet 问题时验证强制性的关键步骤——双线性形式 $a(u,v) = \int \nabla u \cdot \nabla v$ 满足 $a(u,u) = \|\nabla u\|^2$ ，要让它强制控制 $\|u\|_{H^1}^2 = \|u\|^2 + \|\nabla u\|^2$ ，必须有 $\|u\| \leq C\|\nabla u\|$ ，这正是 Poincare。

Poincare 不等式之所以成立靠的是边界条件 $u|_{\partial\Omega} = 0$ 。没有这个条件，$u \equiv 1$ 是合法的 $W^{1,p}$ 函数，$\|\nabla u\| = 0$ 但 $\|u\| > 0$ ，不等式失效。$W^{1,p}_0$ 强制函数在边界上消失，这意味着 $u$ 内部的“质量”可以通过它的“坡度”反推出来——质量不能凭空出现。这种几何直觉让 Poincare 常数 $C$ 与区域几何相关：$C$ 大约等于 $\Omega$ 的直径，所以小区域有小的 Poincare 常数（强制性更强），大区域有大的 Poincare 常数（强制性更弱）。

对于在边界上消失的函数，$L^p$ 范数由梯度单独控制。这是在 $W_0^{1,p}(\Omega)$ 上 $\|\nabla u\|_{L^p}$ 是等价范数的关键步骤，并且它是下一章中 Lax-Milgram 应用于椭圆 PDE 的动力。Poincare 常数按 $\Omega$ 的直径缩放：对于半径为 $R$ 的球，$C \sim R$ 。

一个变体，Poincare-Wirtinger不等式，适用于没有边界条件的函数：$\|u - \bar{u}\|_{L^p} \le C\|\nabla u\|_{L^p}$ ，其中$\bar{u}$ 是$\Omega$ 上$u$ 的平均值。这对于Neumann问题相关，其中解仅确定到一个加性常数。

Sobolev嵌入定理#

嵌入定理回答了一个基本问题：如果一个函数在$L^p$ 中有$k$ 个导数，我们能对其逐点正则性说什么？

写出嵌入定理之前先讲一下它要算什么。直觉上“多一个导数”意味着函数“更光滑”，但“光滑”这个词在 PDE 里有两种具体含义：可以是“在更高 $L^q$ 中”（更可积），也可以是“逐点连续甚至 Hölder 连续”。Sobolev 嵌入定理告诉我两件事的兑换汇率取决于维数 $n$ 和指数 $p$ ：低维或大 $p$ 时，一个导数能直接换来逐点连续性；高维或小 $p$ 时，一个导数只能换来更高 $L^q$ 可积性，要拿到逐点连续需要更多导数。

具体的兑换由 Sobolev 共轭指数 $p^* = np/(n-p)$ 控制（当 $p < n$ 时）。$W^{1,p} \hookrightarrow L^{p^*}$ 是说一个导数把可积性从 $L^p$ 提升到 $L^{p^*}$ ；当 $kp = n$ 时正好达到嵌入到所有 $L^q$ 的临界（$q < \infty$ ）；当 $kp > n$ 时跨过阈值，得到逐点连续性甚至 Hölder 连续性。这条阈值在三维情形特别有意义：$H^1(\mathbb{R}^3) \hookrightarrow L^6$ 但 $H^1$ 函数不必连续，需要 $H^2$ 才有连续性。这就是为什么在三维 PDE 中“弱解的连续性”是个非平凡问题。

Sobolev不等式（Gagliardo-Nirenberg-Sobolev）#

可以证明，设$1 \le p < n$ 并定义$p^* = np/(n-p)$ （Sobolev共轭指数）。则存在$C = C(n, p)$ 使得对于所有$u \in W^{1,p}(\mathbb{R}^n)$ ，

因此$W^{1,p}(\mathbb{R}^n) \hookrightarrow L^{p^*}(\mathbb{R}^n)$ 连续嵌入。

在$L^p$ 中有一个导数会使你进入更好的$L^q$ 空间，其中$q = p^* > p$ 。增益由维度决定：在$n = 3$ ，$p = 2$ 的情况下，$p^* = 6$ ，因此$H^1(\mathbb{R}^3) \hookrightarrow L^6(\mathbb{R}^3)$ ——每个梯度平方可积的函数都是六次幂可积的。随着$n$ 增长，增益缩小；当$n \to \infty$ 时，$p^* \to p$ 且嵌入变得平凡。高维给出较少的可积性改进。

Morrey不等式#

可以证明，设$p > n$ 。则存在$C = C(n, p)$ 使得对于所有$u \in W^{1,p}(\mathbb{R}^n)$ ，

其中$\gamma = 1 - n/p$ 且$C^{0,\gamma}$ 是Hölder连续函数空间，指数为$\gamma$ 。

当$p > n$ 时，在$L^p$ 中有一个导数保证连续性甚至Hölder连续性。跨越阈值$p = n$ 是关键过渡：$p < n$ 给出可积性改进，$p > n$ 给出逐点正则性。这就是为什么$H^1(\mathbb{R})$ 函数是连续的（因为$1 < 2 = p$ 对于迹维度），但$H^1(\mathbb{R}^2)$ 和$H^1(\mathbb{R}^3)$ 函数不必如此——一个导数增益不足以逃脱$n \ge 2$ 时的可积性。

一般嵌入#

对于$kp < n$ ：$W^{k,p}(\Omega) \hookrightarrow L^q(\Omega)$ 对于$q \le np/(n - kp)$ 。

对于$kp = n$ ：$W^{k,p}(\Omega) \hookrightarrow L^q(\Omega)$ 对于所有$q < \infty$ ——临界情况，其中出现对数修正。

对于$kp > n$ ：$W^{k,p}(\Omega) \hookrightarrow C^{m,\gamma}(\overline{\Omega})$ 其中$m = k - \lfloor n/p \rfloor - 1$ 且$\gamma$ 取决于分数部分。在这种情况下，Sobolev函数是经典可微的。

Rellich-Kondrachov紧性定理#

可以证明，设$\Omega \subset \mathbb{R}^n$ 是有界的且有Lipschitz边界，$1 \le p < n$ 。则$W^{1,p}(\Omega) \hookrightarrow L^q(\Omega)$ 对于$1 \le q < p^*$ 是紧的。

这是推动变分方法的紧性结果。$W^{1,p}$ 中的有界序列有一个子序列在任何次临界$q$ 中收敛于$L^q$ 。这是无穷维的Bolzano-Weierstrass定理：用“更强范数下的有界闭集”代替“有界闭集”。有界域上Laplacian的特征值存在性（通过Rellich-Kondrachov）简化为$-\Delta$ 的预解算子的紧性——之前章节中的紧算子谱定理随后给出谱。

临界指数处的紧性失效#

Rellich-Kondrachov在$q = p^*$ 处失败：嵌入$W^{1,p}(\Omega) \hookrightarrow L^{p^*}(\Omega)$ 是连续的但不是紧的。这种失败对非线性PDE有深远影响。Sobolev不等式的极值（Aubin，Talenti，1976）和相关的变分问题表现出集中是指极小化序列可以坍缩到一点，失去紧性。浓度-紧性原理（Lions，1984）列举了紧性可能失效的方式，并通过附加结构恢复它。大多数临界指数非线性问题——Yamabe问题、规定标量曲率、共形几何——完全处于这种状态。

扩展定理#

嵌入从$\mathbb{R}^n$ 扩展到边界正则的区域$\Omega$ ：

可以证明，设$\Omega \subset \mathbb{R}^n$ 是有界的且有Lipschitz边界。存在有界线性扩展算子 $E: W^{k,p}(\Omega) \to W^{k,p}(\mathbb{R}^n)$ ，使得 $Eu|_\Omega = u$ 。

扩展定理说明，$\Omega$ 上的 Sobolev 函数总可以被延拓到整个 $\mathbb{R}^n$ 上而不损失正则性。这把所有 $\mathbb{R}^n$ 上证明的嵌入定理（Sobolev 不等式、Morrey 不等式、Rellich-Kondrachov）自动转移到 $\Omega$ 上：先扩展到 $\mathbb{R}^n$ 、应用 $\mathbb{R}^n$ 版本、再限制回 $\Omega$ 。Lipschitz 边界正则性是扩展算子存在的标准条件；更粗糙的边界（带有内尖点等）可能让扩展失效，对应的嵌入定理也会出问题。

迹定理#

Dirichlet 边界条件 $u|_{\partial\Omega} = 0$ 形式上要求把 $u$ 限制到一个 Lebesgue 测度为零的集合上。对一般 $L^2$ 函数这一限制无意义。但对 $H^1(\Omega)$ 函数，迹定理给出严格意义：存在唯一的有界线性算子 $\gamma_0: H^1(\Omega) \to H^{1/2}(\partial\Omega)$ ，对 $C^1(\bar\Omega)$ 函数与点态限制一致。这个算子叫迹算子，它损失半个导数：$H^1$ 函数的迹只在 $H^{1/2}$ 中，不会更光滑。

子空间 $H^1_0(\Omega) = \ker(\gamma_0)$ 正是“边界上消失的 $H^1$ 函数”，等价地，$C_c^\infty(\Omega)$ 在 $H^1$ 范数下的闭包。下一篇 Lax-Milgram 用到的就是这个空间——Dirichlet 问题的弱形式是在 $H^1_0(\Omega)$ 上找极小值点，迹定理保证“边界为零”这件事即便对粗糙的弱解也有意义。

为什么这很重要#

回到本篇开头的尴尬：$\delta$ 、冲击波解、$|x|$ 在原点的二阶导数——这些经典分析里的“病态对象”全都被分布理论收编。每个分布都可以被光滑函数 $C^\infty$ 序列在 $\mathcal{D}'$ 中逼近（磨光），每个分布都有任意阶的导数（通过对偶定义），每个微分算子的基本解都是分布。整个 PDE 理论从“假设解是 $C^k$ 的”这一过强假设里解放出来。

Sobolev 空间是这套理论里能做定量估计的层次。$W^{k,p}$ 的范数控制了 $k$ 阶导数的 $L^p$ 大小；嵌入定理把 $k$ 阶 $L^p$ 正则性翻译成更弱意义下的逐点正则性（Morrey）或更高 $L^q$ 可积性（Sobolev 不等式）；Rellich-Kondrachov 的紧嵌入把 $H^1$ 弱收敛升级到 $L^2$ 强收敛——这是非线性 PDE 中“弱+紧→强”模板的关键步骤。Poincare 不等式、迹定理、扩展定理把抽象空间和具体边值问题接起来。这一整套语言下一篇 Lax-Milgram 会反复用到。

反例：Sobolev 嵌入失效的临界情形#

Sobolev 嵌入 $W^{k, p}(\Omega) \hookrightarrow L^q(\Omega)$ 在 $\Omega \subset \mathbb{R}^n$ 有界的条件是 $1/q \geq 1/p - k/n$ 。等号情形（临界 Sobolev 指数 $q^* = np/(n - kp)$ ）边缘成立，但不是紧嵌入。这条区别决定了非线性 PDE 的存在性论证能不能跑。

具体反例：$n = 3, k = 1, p = 2$ 。临界指数 $q^* = 6$ 。Sobolev 嵌入 $H^1(B_1) \hookrightarrow L^6(B_1)$ 成立但不紧。具体的非紧序列：$u_\epsilon(x) = \epsilon^{-1/2} \varphi(x/\epsilon)$ ，其中 $\varphi$ 是固定的 $C_c^\infty(B_1)$ 函数。计算：

• $\|u_\epsilon\|_{L^6}^6 = \epsilon^{-3} \int |\varphi(x/\epsilon)|^6 dx = \epsilon^{-3} \cdot \epsilon^3 \int |\varphi|^6 = \int |\varphi|^6$ （不变）。
• $\|\nabla u_\epsilon\|_{L^2}^2 = \epsilon^{-3} \cdot \epsilon^{-2} \int |\nabla \varphi(x/\epsilon)|^2 dx = \epsilon^{-3} \cdot \epsilon \int |\nabla \varphi|^2 = \epsilon^{-2} \int |\nabla \varphi|^2$ ？计算错——重做：$\nabla u_\epsilon(x) = \epsilon^{-3/2} \nabla\varphi(x/\epsilon)$ ，$|\nabla u_\epsilon|^2 = \epsilon^{-3} |\nabla\varphi|^2(x/\epsilon)$ ，积分给 $\epsilon^{-3} \cdot \epsilon^3 \int |\nabla \varphi|^2 = \int |\nabla \varphi|^2$ 。

正确的浓缩反例：$u_\epsilon(x) = \epsilon^{(n-2)/2} (\epsilon^2 + |x|^2)^{-(n-2)/2}$ （Talenti 函数）。$\|u_\epsilon\|_{H^1}$ 守恒、$\|u_\epsilon\|_{L^{q^*}}$ 守恒，但 $u_\epsilon$ 在 $\epsilon \to 0$ 浓缩到一个点——质量集中，没有强收敛子列。这条反例正是 Brezis-Lieb 引理和集中紧致原理（Lions）要解决的现象。

教训：临界 Sobolev 指数下嵌入是连续但不紧的。任何依赖紧嵌入的论证（变分法直接方法、PDE 弱解的存在）在临界情形需要额外工具——集中紧致、profile decomposition、Talenti 极小化。这是为什么 Yamabe 问题（$n \geq 3$ 流形上找常数标量曲率度量）的存在性证明在 Aubin 和 Trudinger 之后还需要 Schoen 的额外工作。

反例：分布乘积一般无意义#

光滑函数可以相乘，但两个分布一般不能相乘。这条限制让分布理论在非线性 PDE 上有明显短板。

具体反例：考虑 $\mathbb{R}$ 上的 $\delta$ 函数。$\delta \cdot \delta$ 没有意义。证明：若 $\delta^2$ 是分布，对任何 $\varphi \in C_c^\infty$ 应该有 $\langle \delta^2, \varphi\rangle = $ 某个数。用磨光近似 $\delta_\epsilon \to \delta$ ，$\delta_\epsilon^2 \to ?$ 。计算 $\int \delta_\epsilon^2 \varphi = \epsilon^{-1} \int \rho(x/\epsilon)^2 \varphi(x)/\epsilon \,dx \approx \varphi(0) \cdot \epsilon^{-1} \int \rho^2 \to \infty$ 当 $\epsilon \to 0$ （这里 $\rho$ 是磨光核）。极限发散——$\delta^2$ 不存在。

第二个反例：$H(x) \cdot \delta(x)$ ，其中 $H$ 是 Heaviside。$H \delta$ 在不同正则化下给出不同答案：$H_\epsilon \delta_\epsilon \to (1/2) \delta$ （如果 $H_\epsilon$ 和 $\delta_\epsilon$ 都关于 $0$ 对称）但 $H_\epsilon (\delta_\epsilon \star \rho) \to \delta$ （如果 $\delta_\epsilon$ 偏向 $0^+$ ）。乘积本身不良定义。

教训：分布的线性运算（导数、平移、Fourier 变换、卷积与紧支撑分布）都良定义，但乘积一般不行。非线性 PDE 用 Sobolev 空间替代分布部分原因正在此——$W^{k, p}$ 中的元素是函数（不是一般分布），可以逐点相乘，乘积估计由 Sobolev 嵌入控制。这种"放弃部分分布的一般性，换取乘积的合法性"是 Sobolev 框架的核心权衡。

常见陷阱：弱导数 ≠ 经典导数 ≠ 几乎处处导数#

三个不同的"导数"概念，在足够正则的函数上一致，在一般函数上分裂。

具体例子：$f(x) = |x|$ 在 $[-1, 1]$ 上。

• 经典导数： 在 $x = 0$ 不存在。
• 几乎处处导数： $f'(x) = \text{sgn}(x)$ 在 $x \neq 0$ （零测集排除原点）。
• 弱导数（分布意义）： $f' = \text{sgn}$ ，与几乎处处导数一致——因为 $|x|$ 是 Lipschitz，绝对连续，弱导数等于其经典导数（哪里存在）。

但换 $f$ 是 Cantor 函数（在 $[0, 1]$ 上单调升从 $0$ 到 $1$ ，但几乎处处导数为 $0$ ）：

• 经典导数： 在 Cantor 集上不存在，其余处为 $0$ 。
• 几乎处处导数： $0$ 几乎处处。
• 弱导数： Cantor 测度（不是函数，是奇异测度），$f'$ 作为分布给 $\langle f', \varphi\rangle = -\int f \varphi'\,dx$ ，由于 $f$ 不绝对连续，这个分布不能用 $L^1$ 函数表示。

陷阱：常以为"$f' = 0$ 几乎处处 ⇒ $f$ 常数"。这条对 $f \in W^{1, 1}$ （弱导数为 $L^1$ 函数）成立，对一般连续函数不成立——Cantor 函数就是反例。Sobolev 空间 $W^{k, p}$ 的元素自动绝对连续（通过其在 $L^p$ 中的弱导数），所以"导数为零意味着常数"在 Sobolev 空间里恢复。但出 Sobolev 空间，这条本科直觉就失效。

下一步#

到此为止，泛函分析的工具箱已经基本搭好：度量、范数、内积、对偶、弱拓扑、有界算子、谱、半群、分布、Sobolev 空间。接下来的最后一篇是把这些工具接到具体应用上。

下一篇会展示三类典型应用。椭圆 PDE 的 Lax-Milgram 模板：把 $-\Delta u = f$ 写成 $H^1_0$ 上的变分恒等式，用第三篇的 Riesz 表示和强制双线性形式直接得到唯一弱解，再用第七篇的紧嵌入引出 Galerkin 方法和有限元的收敛理论。变分极小化的直接方法：能量泛函的极小值点通过第五篇的弱紧性 + 弱下半连续性自动构造，下游覆盖 Hilbert 第十九/二十问题、Yamabe 问题、最小曲面、机器学习中的核回归。量子力学的 Stone 定理：自共轭算子 $H$ 通过第八/九篇的谱测度生成强连续幺正群 $e^{-itH/\hbar}$ ，Schrödinger 方程的解、能量谱、对称性与守恒律全部从这一条对应关系自动得出。十二篇文章就在这里收尾。