當一個問題的未知量寫成函數(shù) u(x) 而非有限維向量時，許多學科會在同一處遇到極具挑戰(zhàn)的“物理拐彎”：系統(tǒng)的自由度，從有限個坐標擴展為了無限維空間中的自由度。

無論你是構建多尺度的計算醫(yī)學模型、優(yōu)化海量參數(shù)的 AI 算法，還是處理微觀的量子態(tài)與宏觀的信號波形，它們最終都把“函數(shù)”推到了舞臺中央。此時，最棘手的往往并非計算技巧，而是更基礎的三個靈魂拷問：

1. 我們?nèi)绾伟堰@些形態(tài)各異的函數(shù)，放進同一個框架里談論？

2. 我們?nèi)绾味x“接近”與“收斂”，從而讓逼近與迭代算法有明確的終點？

3. 我們?nèi)绾伪ＷC求解過程對擾動與噪聲始終保持穩(wěn)定？

泛函分析，回答的正是這組問題。

為了讓你直觀地感受到這種“降維打擊”般的視角躍升，我們不妨對比一下大學里熟悉的經(jīng)典微積分，與泛函分析在底層邏輯上的核心差異：

表1 經(jīng)典微積分與泛函分析的視角的對比：從“尋找一個點”到“評估整個系統(tǒng)”

正如表1所示，泛函分析提供了一種極其強大的、跨學科可遷移的語言：它把我們以前研究的“數(shù)字”升級成了“完整的函數(shù)”。當你試圖在極度復雜的參數(shù)空間中尋找 AI 模型的最優(yōu)權重，或者模擬多尺度的生物醫(yī)學網(wǎng)絡時，你需要的正是一個能對整個系統(tǒng)的連續(xù)狀態(tài)（無限維）進行整體評價、并找到那個唯一“最優(yōu)解”的底層架構。

你會發(fā)現(xiàn)，許多看似分散的技術——誤差估計、迭代收斂、投影擬合、約束優(yōu)化中的乘子——在泛函分析中，都被同一條主線完美串起：空間 → 度量 → 完備 → 算子 → 幾何 → 對偶。

賈伊陽老師的《面向應用的泛函分析：空間、算子與結構》系列課程試圖做的，就是把這條極其抽象的主線，講成一張你在科研中真正“可工作、可導航”的地圖：

第一步：打破維度直覺，重建“函數(shù)空間”

我們將把函數(shù)真正當作線性空間來對待。你會理解“無限維”并非只是在時后面加一個抽象的 ∞，而是一個底層的結構突變?？鐚W科研究者常遇到的困惑——“同樣的近似序列在這里收斂，在那里卻發(fā)散”——源頭就在這里：空間選錯了，問題本身就被改寫了。

第二步：明確距離與誤差的“語義”

在泛函分析里，“兩個函數(shù)有多像”不是視覺審美，而是由你選擇的范數(shù)決定的。sup 范數(shù)與 L2 范數(shù)對應的極限和性質(zhì)完全不同。對做 PDE、信號處理或系統(tǒng)生物學的人來說，這一步等價于建立清晰的誤差底線：你究竟在控制哪一種誤差？你的“解”在什么拓撲下才真正存在？

第三步：用“完備性”與“不動點”鎖死算法極限

很多迭代算法的收斂性證明都會歸結為構造一個 Cauchy 列。若空間不完備，算法的收斂在邏輯上就缺少了地基。Banach 空間補齊了這塊地基，讓“極限不會跑掉”成為定理。隨后，Banach 不動點定理將一大類復雜的“解方程”問題，降維成優(yōu)雅的“找不動點”問題，為算法的迭代收斂提供統(tǒng)一的范式。

第四步：在 Hilbert 空間中找回“幾何直覺”

當內(nèi)積出現(xiàn)，幾何開始主導敘事。Hilbert 空間讓“最小化問題”變得像初中幾何一樣透明：最佳逼近對應正交投影，最小二乘與數(shù)據(jù)擬合的核心機制躍然紙上。你會明白，為什么很多工程問題一旦脫離了 Hilbert 的幾何結構，困難就會隨之而來，以及我們該如何通過正則化進行補救。

第五步：用“對偶”重寫無解的難題

這是泛函分析最深的一條暗線。當你無法直接對解做點值或強意義的微分時，對偶空間提供了另一種極其可控的表達：讓解通過與測試函數(shù)“握手”來被刻畫。弱形式、變分法、能量泛函之所以強大，正是因為它們擅長在對偶語言里重寫問題，從而實現(xiàn)計算性與穩(wěn)定性的完美平衡。

那你能從這門課帶走什么？

跨學科研究的瓶頸在于“黑話”的翻譯：處理同一個“尋找最優(yōu)表示”的邏輯，在 PDE里叫尋找弱解，在優(yōu)化里叫構建對偶，在信號處理里叫正交投影，在量子力學里叫譜分解。泛函分析可以將這些技巧歸納為一套統(tǒng)一的語法：即在無限維空間的幾何與對偶結構中，尋找對象的本征刻畫。這種底層的統(tǒng)一性，正是從“調(diào)包算法”走向“自主建?！钡谋亟?jīng)之路。

如果你不滿足于僅僅“會調(diào)用”某個公式或算法，而在意它為什么成立、何時會失效、換一個復雜系統(tǒng)是否還能遷移；如果你希望面對新問題時，能一眼看透它背后的空間結構，并靈活切換范數(shù)與對偶視角來獲得穩(wěn)定性。

那么，歡迎你加入這門課程，讓我們一起把高冷的抽象名詞，變成你手邊最鋒利的科研工具。

課程主題：面向應用的泛函分析：空間、算子與結構

課程簡介

• 什么是無限維空間？我們?yōu)楹我黄朴邢蘧S向量的限制？

• 當研究對象從“點”升維成“函數(shù)”時，如何嚴密地度量它們之間的距離與收斂？

• 在擁有無限自由度的系統(tǒng)中，如何保證極限的存在，確保計算與演化不會發(fā)散？

• 如何利用空間與其對偶空間的幾何結構，建立復雜系統(tǒng)的最優(yōu)逼近與降維框架？

經(jīng)典微積分與線性代數(shù)主要處理有限維的變量。然而，在真實世界的復雜系統(tǒng)中（如連續(xù)演化的多尺度動力學系統(tǒng)、計算醫(yī)學中的高維狀態(tài)空間、或是擁有海量參數(shù)的 AI 底層算法），系統(tǒng)的狀態(tài)往往需要用完整的“函數(shù)”來描述，這意味著系統(tǒng)的自由度趨向于無限。泛函分析正是為了處理這種無限維系統(tǒng)而建立的嚴密數(shù)學框架。它將“函數(shù)”抽象為空間中的“點”，通過賦予這些無限維空間以特定的拓撲和代數(shù)結構，為復雜系統(tǒng)的全局優(yōu)化、偏微分方程求解與狀態(tài)演化提供最底層的理論支撐。

從有限維邁向無限維，有限空間的直覺法則往往會失效，序列的收斂性變得尤為復雜。因此，我們必須重新定義度量與范數(shù)。完備性與 Banach 空間的建立，為無限維分析提供了不可或缺的邊界約束——它確保了收斂序列的極限依然存在于系統(tǒng)內(nèi)部，不會發(fā)生狀態(tài)的“逃逸”或丟失。在此基礎上，Banach 不動點定理為尋找復雜非線性系統(tǒng)的穩(wěn)態(tài)，以及證明各類迭代算法的收斂性，提供了強有力的數(shù)學保證。

在確立了度量與完備性之后，我們需要引入更豐富的結構以解決實際的計算和逼近問題。Hilbert 空間通過引入“內(nèi)積”，將傳統(tǒng)歐幾里得空間中的“角度”和“正交”等幾何性質(zhì)成功推廣到了無限維。這使得復雜的高維問題可以通過正交投影被有效降維和拆解，成為現(xiàn)代最小化問題與最優(yōu)控制的核心理論工具。同時，通過探討對偶空間與泛函的關系，我們能夠清晰地理解“觀測映射”與“被觀測對象”的對應機制，為特征提取和變分法建立理論基礎。

本系列課程將以嚴謹?shù)睦碚撏茖楹诵?，逐步建立泛函分析的基礎架構。第一階段將探討從有限維跨越到無限維的動機與基礎；第二階段將重點建立度量與完備性，掌握 Banach 空間與不動點定理的精髓；第三階段將深入探討 Hilbert 空間的幾何結構與對偶空間的映射體系。最終，在第四階段，將梳理完整的結構總覽與應用地圖，透視這些純粹的數(shù)學工具如何作為底層基石，廣泛應用于現(xiàn)代物理、復雜系統(tǒng)模擬與前沿計算科學中。

課程大綱

第一階段：動機與基礎

• 第1講｜為什么需要無限維？

• 第2講｜函數(shù)空間作為向量空間

第二階段：度量與完備性

• 第3講｜距離與收斂：如何比較兩個函數(shù)？

• 第4講｜完備性：極限不能跑掉

• 第5講｜范數(shù)與 Banach 空間

• 第6講｜Banach 不動點定理

第三階段：幾何與對偶

• 第7講｜Hilbert 空間：幾何結構

• 第8講｜正交與投影：最小化問題的核心

• 第9講｜對偶空間與泛函

第四階段：總結與地圖

• 第10講｜結構總覽與應用地圖

課程主講人

賈伊陽，東京都市大學講師、前日本女子大學助理教授，前日本成蹊大學助理教授。研究重點是計算復雜性，算法，以及范疇相關理論。集智學園《》課程講師。

課程詳情

課程適用對象

• 做微分方程、數(shù)值算法、反問題、信號處理、控制的學習者與研究者

• 做優(yōu)化、機器學習、統(tǒng)計推斷，希望理解正則化與泛化的結構來源的研究者

• 讀量子/數(shù)學物理文獻，希望把 Hilbert 空間與算子語言用順手的研究者

• 更廣義地：經(jīng)常處理“函數(shù)作為未知量”的問題、并且想要一套可遷移框架的研究者

你會獲得

1. 面對一個新問題，你能先問對問題：該在哪個空間里解？該用哪個范數(shù)衡量誤差？需要什么完備性？算子是否有界？

2. 你能理解常見方法背后的統(tǒng)一邏輯：迭代為何收斂、正則化為何穩(wěn)定、最小二乘為何等價于投影、弱解為何成立。

3. 你會獲得一套“抽象但可落地”的語言：寫證明、讀論文、做建模時，能把碎片化技巧收束到結構層面。

報名須知

1. 課程形式：騰訊會議直播，集智學園網(wǎng)站錄播。本系列課程不安排免費直播。

2. 課程周期：2026年3月29日-2026年6月14日，每周日晚19點-21點進行。

3. 課程定價：原價499

   1. 早早鳥價299，截止時間：2026年3月22日中午12點

   2. 早鳥價399，截止時間：2026年3月30日中午12點

課程鏈接：https://campus.swarma.org/v3/course/5700?from=wechat

付費流程

2. 課程頁面添加學員登記表，添加助教微信入群；

3. 課程可開發(fā)票。

課程共創(chuàng)任務：課程字幕

為鼓勵學員深度參與、積極探索，我們致力于形成系列化知識傳播成果，并構建課程知識共建社群。為此，我們特別設立激勵機制，讓您的學習之旅滿載收獲與成就感。

課程以老師講授為主，每期結束后，助教會于課程群內(nèi)發(fā)布字幕共創(chuàng)任務。學員通過參與這些任務，不僅能加深對內(nèi)容的理解，還可獲得積分獎勵。積分可兌換其他讀書會課程或?qū)嵨铼勂?，助力您的持續(xù)成長。

「線性代數(shù)：一名合格科研人的筑基課」

集智學園聯(lián)合清華大學數(shù)學博士諸葛昌靖老師推出「」，并邀請武漢大學數(shù)學與統(tǒng)計學院周進教授于1月20日、1月27日就特征值與特征向量在復雜網(wǎng)絡中的應用做特別加餐分享。課程已于12月20日開啟，歡迎加入課程群交流。在本系列課程中，諸葛昌靖老師從基礎概念出發(fā)，系統(tǒng)梳理線性空間、矩陣運算等核心理論，逐步建立起線性代數(shù)作為“通用建模語言”的整體圖景。而周進教授的加餐課程，則以復雜網(wǎng)絡為具體應用場景，橫向展開這些工具在真實系統(tǒng)分析中的使用方式，聚焦它們?nèi)绾沃苯臃沼诰W(wǎng)絡結構解析、動力學理解與關鍵節(jié)點（邊）的識別。

詳情請見：