aiwiki.page
中文
数学 / 代数与数论 / adjoint-operator

伴随算符

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。

26 个关键词2 个词条链接到这里AI 撰写
线性映射内积希尔伯特空间共轭转置泛函分析线性泛函标准正交基矩阵转置伴随算符

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→KT:H\to K,其伴随算符 T∗:K→HT^*:K\to H 由下式刻画:

⟨Tx,y⟩K=⟨x,T∗y⟩H.\langle Tx,y\rangle_K=\langle x,T^*y\rangle_H.

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。

有界算符的定义

设 HH 和 KK 为实或复希尔伯特空间,T:H→KT:H\to K 为有界线性算符。存在唯一的有界线性算符 T∗:K→HT^*:K\to H,满足

⟨Tx,y⟩K=⟨x,T∗y⟩H(x∈H, y∈K).\langle Tx,y\rangle_K=\langle x,T^*y\rangle_H \qquad (x\in H,\ y\in K).

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。

存在性和唯一性由里斯表示定理得到:对每个固定的 y∈Ky\in K,映射

x⟼⟨Tx,y⟩Kx\longmapsto \langle Tx,y\rangle_K

是 HH 上的连续线性泛函,因此存在唯一的 z∈Hz\in H,使其可表示为 ⟨x,z⟩H\langle x,z\rangle_H。令 T∗y=zT^*y=z,便定义了伴随算符。

伴随算符也记作 T†T^\dagger,有时还记作较少见的 THT^{\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。

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。

矩阵表示

设 HH 和 KK 均为有限维空间,AA 是 TT 在标准正交基下的矩阵表示。那么,T∗T^* 的矩阵表示为

A∗=A‾ T.A^*=\overline{A}^{\,\mathsf T}.

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。

例如,

A=(1i23)⟹A∗=(12−i3).A= \begin{pmatrix} 1&i\\ 2&3 \end{pmatrix} \quad\Longrightarrow\quad A^*= \begin{pmatrix} 1&2\\ -i&3 \end{pmatrix}.

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 GHG_H 和 GKG_K 给出,即

⟨x,z⟩H=z∗GHx,⟨u,y⟩K=y∗GKu,\langle x,z\rangle_H=z^*G_Hx, \qquad \langle u,y\rangle_K=y^*G_Ku,

那么,伴随算符的坐标矩阵 BB 为

B=GH−1A∗GK.B=G_H^{-1}A^*G_K.

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。

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”。

代数与几何性质

对于定义域与陪域相容的有界算符,

(S+T)∗=S∗+T∗,(λT)∗=λ‾ T∗,(S+T)^*=S^*+T^*, \qquad (\lambda T)^*=\overline{\lambda}\,T^*,
(ST)∗=T∗S∗,(T∗)∗=T.(ST)^*=T^*S^*, \qquad (T^*)^*=T.

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 TT 有有界逆算符,则

(T−1)∗=(T∗)−1.(T^{-1})^*=(T^*)^{-1}.

对于算符范数,

∥T∗∥=∥T∥,∥T∗T∥=∥T∥2.\|T^*\|=\|T\|, \qquad \|T^*T\|=\|T\|^2.

此外,

⟨x,T∗Tx⟩=∥Tx∥2≥0.\langle x,T^*Tx\rangle=\|Tx\|^2\geq 0.

因此,算符 T∗TT^*T 是自伴且正的。

伴随算符还能表述算符的核与值域之间的关系。用 ran⁡T\operatorname{ran}T 表示值域,则有

ker⁡T∗=(ran⁡T)⊥,ker⁡T=(ran⁡T∗)⊥,\ker T^*=(\operatorname{ran}T)^\perp, \qquad \ker T=(\operatorname{ran}T^*)^\perp,

其中 ⊥{}^\perp 表示正交补。等价地,

ran⁡T‾=(ker⁡T∗)⊥,ran⁡T∗‾=(ker⁡T)⊥.\overline{\operatorname{ran}T}=(\ker T^*)^\perp, \qquad \overline{\operatorname{ran}T^*}=(\ker T)^\perp.

在无限维情形下,通常不能省略这里的闭包。例如,TT 的值域稠密,当且仅当 T∗T^* 是单射。

重要的算符类别

几类重要的算符都通过其伴随算符来定义。

  • 自伴算符满足 T=T∗T=T^*。
  • 斜自伴算符满足 T∗=−TT^*=-T。
  • 正规算符满足 T∗T=TT∗T^*T=TT^*。
  • 酉算符 U:H→KU:H\to K 满足 U∗U=IHU^*U=I_H 和 UU∗=IKUU^*=I_K。
  • 等距算符满足 T∗T=IHT^*T=I_H,但不一定是满射。
  • 正交投影满足 P2=P=P∗P^2=P=P^*。

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。

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。

对于一般矩阵 AA,其奇异值分解由正算符 A∗AA^*A 和 AA∗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 AA 的非零奇异值。

示例

乘法算符

在空间 L2(X,μ)L^2(X,\mu) 上,取内积

⟨f,g⟩=∫Xf g‾ dμ,\langle f,g\rangle=\int_X f\,\overline g\,d\mu,

令 Mmf=mfM_mf=mf,其中 mm 是本质有界的可测函数。则

Mm∗=Mm‾.M_m^*=M_{\overline m}.

特别地,MmM_m 是自伴算符,当且仅当 mm 几乎处处取实值。

积分算符

设 XX 和 YY 是有限测度空间,且 k∈L2(Y×X)k\in L^2(Y\times X)。积分算符

(Tf)(y)=∫Xk(y,x)f(x) dμ(x)(Tf)(y)=\int_X k(y,x)f(x)\,d\mu(x)

定义了从 L2(X,μ)L^2(X,\mu) 到 L2(Y,ν)L^2(Y,\nu) 的有界映射。其伴随算符为

(T∗g)(x)=∫Yk(y,x)‾ g(y) dν(y).(T^*g)(x)=\int_Y\overline{k(y,x)}\,g(y)\,d\nu(y).

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。

单侧移位算符

在希尔伯特空间 ℓ2(N0)\ell^2(\mathbb N_0) 上,定义

S(x0,x1,x2,…)=(0,x0,x1,…).S(x_0,x_1,x_2,\ldots)=(0,x_0,x_1,\ldots).

则

S∗(x0,x1,x2,…)=(x1,x2,x3,…).S^*(x_0,x_1,x_2,\ldots)=(x_1,x_2,x_3,\ldots).

这里 S∗S=IS^*S=I,但 SS∗≠ISS^*\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。

无界算符及其定义域

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:

T:D(T)⊆H⟶K.T:D(T)\subseteq H\longrightarrow K.

假设 D(T)D(T) 在 HH 中稠密。伴随算符的定义域为

D(T∗)={y∈K:there exists z∈H such that ⟨Tx,y⟩K=⟨x,z⟩H for all x∈D(T)}.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\}.

稠密性保证了 zz 的唯一性,并将 T∗yT^*y 定义为这个向量。

等价地,y∈D(T∗)y\in D(T^*) 当且仅当

x⟼⟨Tx,y⟩Kx\longmapsto\langle Tx,y\rangle_K

在 D(T)D(T) 上相对于 HH 的范数是有界的。

与有界情形不同,D(T∗)D(T^*) 不一定是整个 KK,甚至不一定稠密。伴随算符总是闭算符。稠密定义的算符 TT 可闭,当且仅当 D(T∗)D(T^*) 稠密;此时,

T∗∗=T‾,T^{**}=\overline T,

其中 T‾\overline T 表示其闭包。

对于无界算符,算符相等还要求定义域相等。仅仅证明

⟨Tx,y⟩=⟨x,Ty⟩(x,y∈D(T))\langle Tx,y\rangle=\langle x,Ty\rangle \qquad(x,y\in D(T))

只能说明 TT 是对称算符,即 T⊆T∗T\subseteq T^*。自伴性要求更强的条件:

D(T)=D(T∗),Tx=T∗x(x∈D(T)).D(T)=D(T^*), \qquad Tx=T^*x\quad(x\in D(T)).

这一区别在无限维谱理论中至关重要。

微分与边界条件

在 L2(0,1)L^2(0,1) 上考虑算符

Tf=f′Tf=f'

及其定义域

D(T)=H01(0,1),D(T)=H_0^1(0,1),

即由端点迹为零的 H1H^1 函数组成的索伯列夫空间。由分部积分法,

∫01f′(x)g(x)‾ dx=[f(x)g(x)‾]01−∫01f(x)g′(x)‾ dx.\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.

对每个 f∈D(T)f\in D(T),边界项均为零,因此得到

T∗g=−g′,D(T∗)=H1(0,1).T^*g=-g', \qquad D(T^*)=H^1(0,1).

因此,伴随算符的定义域与原算符不同。如果改为在整个 H1(0,1)H^1(0,1) 上定义 f′f',那么其伴随算符就是定义在 H01(0,1)H_0^1(0,1) 上的 −g′-g'。

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。

与对偶空间伴随的关系

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→YT:X\to Y,其转置,也称为巴拿赫空间伴随,定义为

T′:Y′→X′,T′φ=φ∘T,T':Y'\to X', \qquad T'\varphi=\varphi\circ T,

其中 X′X' 和 Y′Y' 为连续对偶空间。

对于复空间,这一转置对 TT 是线性的:

(λT)′=λT′,(\lambda T)'=\lambda T',

而希尔伯特空间伴随则满足

(λT)∗=λ‾ T∗.(\lambda T)^*=\overline{\lambda}\,T^*.

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

JHx=⟨ ⋅ ,x⟩H,JKy=⟨ ⋅ ,y⟩K.J_Hx=\langle\,\cdot\,,x\rangle_H, \qquad J_Ky=\langle\,\cdot\,,y\rangle_K.

则

T∗=JH−1T′JK.T^*=J_H^{-1}T'J_K.

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。

应用

最小二乘法与优化

给定有界算符 T:H→KT:H\to K 和数据 b∈Kb\in K,考虑最小二乘法的目标函数

F(x)=12∥Tx−b∥2.F(x)=\frac12\|Tx-b\|^2.

其梯度为

∇F(x)=T∗(Tx−b).\nabla F(x)=T^*(Tx-b).

在复希尔伯特空间中,这一表述使用的是其底层实内积 Re⁡⟨⋅,⋅⟩\operatorname{Re}\langle\cdot,\cdot\rangle。

任何极小点都满足正规方程

T∗Tx=T∗b.T^*Tx=T^*b.

反过来,该方程的每个解都会使 FF 取得最小值。在无限维空间中,如果 TT 的值域不是闭的,极小点可能不存在。

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。

量子力学

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−1U^*=U^{-1} 使用伴随算符。

数值计算

求解大规模逆问题的算法,往往只需要计算 x↦Txx\mapsto Tx 和 y↦T∗yy\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

⟨Tx,y⟩K=⟨x,T∗y⟩H\langle Tx,y\rangle_K=\langle x,T^*y\rangle_H

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。