泛函分析笔记(七) 连续线性算子和连续多重线性映射

赋范向量空间的连续线性算子

设X和Y是同一个域 $\mathbb{K}=\mathbb{R}or\mathbb{K}=\mathbb{C}$ 上的向量空间，0表示他们中的零向量。
映射 $A:X\to Y$ 对所有 $x,y\in X,\alpha \in \mathbb{K}$ 有
$A(x+y)=A(x)+A(y),A(\alpha x)=\alpha A$
则称A为由X到Y的线性算子。
这个线性定义和之前学信号与系统里面的线性也是一模一样，叠加性齐次性啥的

如果 $Y=\mathbb{K}$ 则称之为线性泛函或者线性型。一般简记A(x) 为 Ax

半线性 如果 $\mathbb{K}=\mathbb{C}$ 然后把那个乘法改成 $A(\alpha x)=\overline{\alpha }A(x)$ ，则A是半线性的。

A的核 如果A是线性算子，称X的子集 K e r    A : = { x ∈ X ; A x = 0 } Ker ~~ A:=\{x\in X;Ax = 0\} Ker  A:={x∈X;Ax=0} 为A的核。
称X在A作用下的直接像A(X) 是A的值域，记作 Im A，有 I m    A : = A ( X ) = { y ∈ Y ; ∃ x ∈ X , y = A x } Im ~~A:= A(X) = \{y\in Y; \exists x \in X , y = Ax \} Im  A:=A(X)={y∈Y;∃x∈X,y=Ax}
所以说A的核心就是X里能够在运算后得到0的元素的集合。

初等性质

• 仅当A的核只有一个0元素的时候，A是单射（很容易理解嘛，不然不就很多个元素都映射到0了么，只能有一个的话，那必然是只有0元素了）
• 如果线性算子是单射，那么他的逆映射是从Im A到X的线性算子(此处应有同理)

线性算子的特征值和特征子空间

如果 $\exists p\in X,p\ne 0,\lambda \in \mathbb{K},Ap=\lambda p$
则λ是A的一个特征值，非零向量p是A相对于特征值λ的一个特征向量。
X的子空间 { p ∈ X ; A p = λ p } ≠ 0 \{p\in X;Ap=\lambda p\} \not ={0} {p∈X;Ap=λp}​=0 是相对于特征值 λ 的特征子空间。

空间 $\mathcal{L}(X;Y),\mathcal{L}(X),X^{\ast }$

设X和Y是同一个域 $\mathbb{K}$ 上的两个赋范线性空间，则将域 $\mathbb{K}$ 上由所有X到Y的连续线性算子组成的空间记作
$\mathcal{L}(X;Y)orY=X时\mathcal{L}(X)$

在 $Y=\mathbb{K}$ 这特殊情况下，空间 $X^{\prime }:=\mathcal{L}(X;\mathbb{K})$ 是X的对偶空间。

连续多重线性映射

乘积空间 $X_1\times X_2\times X_3\times \cdots \times X_k(k\ge 2,k\in Z)$ 是所有形如 $(x_1,x_2,x_3,\cdots ,x_k)$ 的元素的集合。没错它长得和俺熟悉的向量一毛一样，所以定义好加法和乘法这就是一个 $\mathbb{K}$ 上的向量空间了。

我们称映射 $A:X_1\times X_2\times X_3\times \cdots \times X_k\to Y$ 是由 $X_1\times X_2\times X_3\times \cdots \times X_k$ 到 Y 的多重映射或k线性映射。
当k=2或k=3时候也可以叫双线性或三线性。如果 $Y=\mathbb{K}$ 也可以称为多重线性泛函或多线性型。

• 这里有个关键点是这个多重映射和 $X_1\times X_2\times X_3\times \cdots \times X_k$ 到 Y 的线性映射是不一样的（书上不提估计我就以为一样了。）
  区别可以由下面的例子看出
  以k=2距离
  线性映射应有 $A((x_1,x_2)+(y_1,y_2))=A(x_1,x_2)+A(y_1,y_2),A(\alpha (x_1,x_2))=\alpha A(x_1,x_2)$

  而双线性映射满足的应该是
  $A((x_1,x_2)+(y_1,y_2))=A(x_1,x_2)+A(y_1,y_2)+A(x_1,y_2)+A(x_2,y_1),A(\alpha (x_1,x_2))={\alpha }^{2}A(x_1,x_2)$
  区别还蛮大的。

• 所有的$X_1\times X_2\times X_3\times \cdots \times X_k$ 到 Y 的多重线性映射组合也是 $\mathbb{K}$ 上的一个向量空间。

对称和交错：

• 置换：集合的置换是从集合映至自身的双射。比如 {1,2,3} 和 {2,1,3}

${\mathcal{G}}_k$ 表示由集合 {1,2,3,4,…,k} 的置换全体组成的集合，那么 $X\times X\times X\times \cdots \times X$ 到 Y 的多重线性映射对一切 $x_l\in X_l$ 和所有的 $\sigma \in {\mathcal{G}}_k$ 有
$$A(x_{\sigma (1)},x_{\sigma (2)},\cdots ,x_{\sigma (k)})=A(x_1,x_2,\cdots ,x_k)$$
那么A是对称的

从这个式子看，对称的意思应该就是A()括号里面的参数可以瞎换位置不影响结果嘛，在这些乘积的集合都是相同的X的情况下。

如果
$$A(x_{\sigma (1)},x_{\sigma (2)},\cdots ,x_{\sigma (k)})=ϵ(\sigma )A(x_1,x_2,\cdots ,x_k)$$
其中 $ϵ(\sigma )$ 是$\sigma$ 的符号(只能是±1)，则称A是交错的。

这个和刚才的区别就是前面加了符号。也就是说交互位置只改变正负号。

这个特性和矩阵的行列式好像啊！！！！！！

所以书后也说，系数在 $\mathbb{K}$ 上的 k*k的矩阵的行列式，作为矩阵列向量的函数，就是一个 $X={\mathbb{K}}^k$ 的交错多重泛函的例子。