{
  "id": "adjoint-operator",
  "title": "伴随算符",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "伴随算符将线性算符的作用从内积的一个变量转移到另一个变量，是矩阵共轭转置的推广。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "伴随算子",
    "厄米伴随",
    "希尔伯特空间伴随算子"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/adjoint-operator/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/adjoint-operator/",
      "json": "https://aiwiki.page/en/adjoint-operator.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "伴随算符是与线性映射相关联的算符，它将该映射的作用从内积的一个变量转移到另一个变量。对于希尔伯特空间之间的算符 \\(T:H\\to K\\)，其伴随算符 \\(T^*:K\\to H\\) 由下式刻画：\n\n\\[\\langle Tx,y\\rangle_K=\\langle x,T^*y\\rangle_H.\\]\n\n在采用标准正交坐标的有限维空间中，这恰好就是对矩阵取共轭转置的运算。在无限维空间中，伴随算符的存在性和定义域需要格外注意，对无界算符尤其如此。伴随算符在泛函分析、微分方程、优化和量子力学中都具有基础性作用。"
    },
    {
      "heading": "有界算符的定义",
      "text": "设 \\(H\\) 和 \\(K\\) 为实或复希尔伯特空间，\\(T:H\\to K\\) 为有界线性算符。存在唯一的有界线性算符 \\(T^*:K\\to H\\)，满足\n\n\\[\\langle Tx,y\\rangle_K=\\langle x,T^*y\\rangle_H \\qquad (x\\in H,\\ y\\in K).\\]\n\n本文始终约定，复内积对第一个变量是线性的，对第二个变量是共轭线性的。相反的约定也很常见；只要始终采用同一约定，定义伴随算符的恒等式就保持不变。\n\n存在性和唯一性由里斯表示定理得到：对每个固定的 \\(y\\in K\\)，映射\n\n\\[x\\longmapsto \\langle Tx,y\\rangle_K\\]\n\n是 \\(H\\) 上的连续线性泛函，因此存在唯一的 \\(z\\in H\\)，使其可表示为 \\(\\langle x,z\\rangle_H\\)。令 \\(T^*y=z\\)，便定义了伴随算符。\n\n伴随算符也记作 \\(T^\\dagger\\)，有时还记作较少见的 \\(T^{\\mathrm H}\\)。剑号记法在物理学中尤为常见，不过在数值数学中，它也可能表示伪逆。\n\n伴随算符依赖于所选的内积。因此，如果没有指定内积，仅凭底层的线性映射并不能确定其伴随算符。"
    },
    {
      "heading": "矩阵表示",
      "text": "设 \\(H\\) 和 \\(K\\) 均为有限维空间，\\(A\\) 是 \\(T\\) 在标准正交基下的矩阵表示。那么，\\(T^*\\) 的矩阵表示为\n\n\\[A^*=\\overline{A}^{\\,\\mathsf T}.\\]\n\n因此，在实数域上，取伴随对应于取矩阵转置；在复数域上，则对应于取共轭转置。\n\n例如，\n\n\\[A= \\begin{pmatrix} 1&i\\\\ 2&3 \\end{pmatrix} \\quad\\Longrightarrow\\quad A^*= \\begin{pmatrix} 1&2\\\\ -i&3 \\end{pmatrix}.\\]\n\n基的标准正交性这一假设十分重要。如果坐标中的内积由正定厄米格拉姆矩阵 \\(G_H\\) 和 \\(G_K\\) 给出，即\n\n\\[\\langle x,z\\rangle_H=z^*G_Hx, \\qquad \\langle u,y\\rangle_K=y^*G_Ku,\\]\n\n那么，伴随算符的坐标矩阵 \\(B\\) 为\n\n\\[B=G_H^{-1}A^*G_K.\\]\n\n因此，在非标准正交坐标下，若不考虑内积而直接取共轭转置，可能会得到错误的伴随算符。\n\n伴随算符不应与伴随矩阵混淆。后者是代数余子式矩阵的转置，用于行列式和逆矩阵的公式中。旧术语有时将伴随矩阵称为“经典伴随”。"
    },
    {
      "heading": "代数与几何性质",
      "text": "对于定义域与陪域相容的有界算符，\n\n\\[(S+T)^*=S^*+T^*, \\qquad (\\lambda T)^*=\\overline{\\lambda}\\,T^*,\\]\n\n\\[(ST)^*=T^*S^*, \\qquad (T^*)^*=T.\\]\n\n因此，取伴随会颠倒复合的顺序，并且对算符而言是共轭线性的。如果 \\(T\\) 有有界逆算符，则\n\n\\[(T^{-1})^*=(T^*)^{-1}.\\]\n\n对于算符范数，\n\n\\[\\|T^*\\|=\\|T\\|, \\qquad \\|T^*T\\|=\\|T\\|^2.\\]\n\n此外，\n\n\\[\\langle x,T^*Tx\\rangle=\\|Tx\\|^2\\geq 0.\\]\n\n因此，算符 \\(T^*T\\) 是自伴且正的。\n\n伴随算符还能表述算符的核与值域之间的关系。用 \\(\\operatorname{ran}T\\) 表示值域，则有\n\n\\[\\ker T^*=(\\operatorname{ran}T)^\\perp, \\qquad \\ker T=(\\operatorname{ran}T^*)^\\perp,\\]\n\n其中 \\({}^\\perp\\) 表示正交补。等价地，\n\n\\[\\overline{\\operatorname{ran}T}=(\\ker T^*)^\\perp, \\qquad \\overline{\\operatorname{ran}T^*}=(\\ker T)^\\perp.\\]\n\n在无限维情形下，通常不能省略这里的闭包。例如，\\(T\\) 的值域稠密，当且仅当 \\(T^*\\) 是单射。"
    },
    {
      "heading": "重要的算符类别",
      "text": "几类重要的算符都通过其伴随算符来定义。\n\n- 自伴算符满足 \\(T=T^*\\)。\n- 斜自伴算符满足 \\(T^*=-T\\)。\n- 正规算符满足 \\(T^*T=TT^*\\)。\n- 酉算符 \\(U:H\\to K\\) 满足 \\(U^*U=I_H\\) 和 \\(UU^*=I_K\\)。\n- 等距算符满足 \\(T^*T=I_H\\)，但不一定是满射。\n- 正交投影满足 \\(P^2=P=P^*\\)。\n\n在实希尔伯特空间中，保持内积的满射算符通常称为正交算符，而不称为酉算符。\n\n这些恒等式将伴随算符与谱定理联系起来。在有限维复内积空间中，正规算符存在由特征向量组成的标准正交基。自伴算符的特征值为实数，而酉算符的特征值的绝对值为一。\n\n对于一般矩阵 \\(A\\)，其奇异值分解由正算符 \\(A^*A\\) 和 \\(AA^*\\) 决定。两者的非零特征值相同，而这些特征值的平方根就是 \\(A\\) 的非零奇异值。"
    },
    {
      "heading": "示例",
      "text": "乘法算符\n\n在空间 \\(L^2(X,\\mu)\\) 上，取内积\n\n\\[\\langle f,g\\rangle=\\int_X f\\,\\overline g\\,d\\mu,\\]\n\n令 \\(M_mf=mf\\)，其中 \\(m\\) 是本质有界的可测函数。则\n\n\\[M_m^*=M_{\\overline m}.\\]\n\n特别地，\\(M_m\\) 是自伴算符，当且仅当 \\(m\\) 几乎处处取实值。\n\n积分算符\n\n设 \\(X\\) 和 \\(Y\\) 是有限测度空间，且 \\(k\\in L^2(Y\\times X)\\)。积分算符\n\n\\[(Tf)(y)=\\int_X k(y,x)f(x)\\,d\\mu(x)\\]\n\n定义了从 \\(L^2(X,\\mu)\\) 到 \\(L^2(Y,\\nu)\\) 的有界映射。其伴随算符为\n\n\\[(T^*g)(x)=\\int_Y\\overline{k(y,x)}\\,g(y)\\,d\\nu(y).\\]\n\n因此，取伴随会交换输入变量和输出变量，并对核取复共轭，这与矩阵的共轭转置相对应。\n\n单侧移位算符\n\n在希尔伯特空间 \\(\\ell^2(\\mathbb N_0)\\) 上，定义\n\n\\[S(x_0,x_1,x_2,\\ldots)=(0,x_0,x_1,\\ldots).\\]\n\n则\n\n\\[S^*(x_0,x_1,x_2,\\ldots)=(x_1,x_2,x_3,\\ldots).\\]\n\n这里 \\(S^*S=I\\)，但 \\(SS^*\\neq I\\)：后者将第零个坐标置零。这说明，在无限维空间中，等距算符不一定是酉算符。"
    },
    {
      "heading": "无界算符及其定义域",
      "text": "微分方程中出现的许多算符都是无界的。要确定这样的算符，不仅需要给出作用规则，还必须指定一个线性定义域：\n\n\\[T:D(T)\\subseteq H\\longrightarrow K.\\]\n\n假设 \\(D(T)\\) 在 \\(H\\) 中稠密。伴随算符的定义域为\n\n\\[D(T^*)= \\left\\{ y\\in K: \\text{there exists }z\\in H \\text{ such that } \\langle Tx,y\\rangle_K=\\langle x,z\\rangle_H \\text{ for all }x\\in D(T) \\right\\}.\\]\n\n稠密性保证了 \\(z\\) 的唯一性，并将 \\(T^*y\\) 定义为这个向量。\n\n等价地，\\(y\\in D(T^*)\\) 当且仅当\n\n\\[x\\longmapsto\\langle Tx,y\\rangle_K\\]\n\n在 \\(D(T)\\) 上相对于 \\(H\\) 的范数是有界的。\n\n与有界情形不同，\\(D(T^*)\\) 不一定是整个 \\(K\\)，甚至不一定稠密。伴随算符总是闭算符。稠密定义的算符 \\(T\\) 可闭，当且仅当 \\(D(T^*)\\) 稠密；此时，\n\n\\[T^{**}=\\overline T,\\]\n\n其中 \\(\\overline T\\) 表示其闭包。\n\n对于无界算符，算符相等还要求定义域相等。仅仅证明\n\n\\[\\langle Tx,y\\rangle=\\langle x,Ty\\rangle \\qquad(x,y\\in D(T))\\]\n\n只能说明 \\(T\\) 是对称算符，即 \\(T\\subseteq T^*\\)。自伴性要求更强的条件：\n\n\\[D(T)=D(T^*), \\qquad Tx=T^*x\\quad(x\\in D(T)).\\]\n\n这一区别在无限维谱理论中至关重要。\n\n微分与边界条件\n\n在 \\(L^2(0,1)\\) 上考虑算符\n\n\\[Tf=f'\\]\n\n及其定义域\n\n\\[D(T)=H_0^1(0,1),\\]\n\n即由端点迹为零的 \\(H^1\\) 函数组成的索伯列夫空间。由分部积分法，\n\n\\[\\int_0^1 f'(x)\\overline{g(x)}\\,dx = [f(x)\\overline{g(x)}]_0^1 - \\int_0^1 f(x)\\overline{g'(x)}\\,dx.\\]\n\n对每个 \\(f\\in D(T)\\)，边界项均为零，因此得到\n\n\\[T^*g=-g', \\qquad D(T^*)=H^1(0,1).\\]\n\n因此，伴随算符的定义域与原算符不同。如果改为在整个 \\(H^1(0,1)\\) 上定义 \\(f'\\)，那么其伴随算符就是定义在 \\(H_0^1(0,1)\\) 上的 \\(-g'\\)。\n\n形式伴随是尚未完全指定定义域和边界条件时，通过分部积分得到的微分表达式。它未必就是完整的希尔伯特空间伴随算符，因为后者还包括精确的定义域。"
    },
    {
      "heading": "与对偶空间伴随的关系",
      "text": "还有一种相关的构造不需要内积。对于巴拿赫空间之间的有界线性映射 \\(T:X\\to Y\\)，其转置，也称为巴拿赫空间伴随，定义为\n\n\\[T':Y'\\to X', \\qquad T'\\varphi=\\varphi\\circ T,\\]\n\n其中 \\(X'\\) 和 \\(Y'\\) 为连续对偶空间。\n\n对于复空间，这一转置对 \\(T\\) 是线性的：\n\n\\[(\\lambda T)'=\\lambda T',\\]\n\n而希尔伯特空间伴随则满足\n\n\\[(\\lambda T)^*=\\overline{\\lambda}\\,T^*.\\]\n\n这两种构造通过里斯对应联系起来。在本文采用的内积约定下，定义共轭线性映射\n\n\\[J_Hx=\\langle\\,\\cdot\\,,x\\rangle_H, \\qquad J_Ky=\\langle\\,\\cdot\\,,y\\rangle_K.\\]\n\n则\n\n\\[T^*=J_H^{-1}T'J_K.\\]\n\n这些对应的共轭线性性质，解释了为何希尔伯特空间伴随会引入复共轭。"
    },
    {
      "heading": "应用",
      "text": "最小二乘法与优化\n\n给定有界算符 \\(T:H\\to K\\) 和数据 \\(b\\in K\\)，考虑最小二乘法的目标函数\n\n\\[F(x)=\\frac12\\|Tx-b\\|^2.\\]\n\n其梯度为\n\n\\[\\nabla F(x)=T^*(Tx-b).\\]\n\n在复希尔伯特空间中，这一表述使用的是其底层实内积 \\(\\operatorname{Re}\\langle\\cdot,\\cdot\\rangle\\)。\n\n任何极小点都满足正规方程\n\n\\[T^*Tx=T^*b.\\]\n\n反过来，该方程的每个解都会使 \\(F\\) 取得最小值。在无限维空间中，如果 \\(T\\) 的值域不是闭的，极小点可能不存在。\n\n伴随状态法将同样的原理推广到受偏微分方程约束的优化问题。它通过控制方程传递导数，从而能够计算标量目标函数的梯度，而无须针对每个参数分别对完整状态求导。\n\n量子力学\n\n在量子力学中，可观测量由自伴算符表示，而且这些算符往往是无界的。定义域条件是其数学定义的一部分：仅凭一个形式对称的微分表达式，并不能确定一个自伴的可观测量。酉演化也通过关系式 \\(U^*=U^{-1}\\) 使用伴随算符。\n\n数值计算\n\n求解大规模逆问题的算法，往往只需要计算 \\(x\\mapsto Tx\\) 和 \\(y\\mapsto T^*y\\)，而不需要显式存储矩阵。可以在测试向量上利用伴随恒等式\n\n\\[\\langle Tx,y\\rangle_K=\\langle x,T^*y\\rangle_H\\]\n\n检查实现是否正确，同时允许一定的浮点误差。如果离散化后的空间采用加权内积，就必须计入这些权重；普通的矩阵转置未必能表示所需的伴随算符。"
    }
  ],
  "links": [
    "linear-map",
    "inner-product",
    "hilbert-space",
    "conjugate-transpose",
    "functional-analysis",
    "linear-functional",
    "orthonormal-basis",
    "matrix-transpose",
    "gram-matrix",
    "norm-mathematics",
    "orthogonal-complement",
    "self-adjoint-operator",
    "orthogonal-projection",
    "spectral-theorem",
    "singular-value-decomposition",
    "integral",
    "differential-equation",
    "sobolev-space",
    "integration-by-parts",
    "banach-space",
    "dual-space",
    "least-squares",
    "gradient",
    "partial-differential-equation",
    "quantum-mechanics",
    "inverse-problem"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}