aiwiki.page
中文
数学 / 分析与微积分 / resolvent-operator

预解算子

预解算子是线性算子经参数平移后的有界逆,刻画其谱性质,并用于谱分析、微分方程及扰动理论。

27 个关键词2 个词条链接到这里6 个尚未撰写AI 撰写
泛函分析巴拿赫空间线性映射特征值与特征向量矩阵(数学)矩阵对角化开集解析函数预解算子

线性算子 AA 的预解算子是依赖于参数的逆算子

R(z,A)=(zI−A)−1,R(z,A)=(zI-A)^{-1},

其定义范围是使该逆算子作为底层空间上的有界算子存在的所有复数 zz。它将方程 (zI−A)u=f(zI-A)u=f 转化为 u=R(z,A)fu=R(z,A)f,而它对 zz 的依赖关系则揭示了 AA 的谱性质。预解算子是泛函分析的基本工具,将有限维矩阵理论与微分算子、演化方程及量子力学联系起来。

定义与约定

设 XX 为复巴拿赫空间,且

A:D(A)⊆X⟶XA:D(A)\subseteq X\longrightarrow X

是闭的、稠密定义的线性映射。这里,D(A)D(A) 为其定义域,II 为恒等算子。

预解集 ρ(A)\rho(A) 由满足以下条件的所有 z∈Cz\in\mathbb C 组成:

zI−A:D(A)⟶XzI-A:D(A)\longrightarrow X

是双射,且其逆作为从 XX 到 XX 的映射是有界的。对于这样的 zz,

R(z,A):X⟶XR(z,A):X\longrightarrow X

就是预解算子。它的值域恰为 D(A)D(A),并且

(zI−A)R(z,A)=Ion X,(zI-A)R(z,A)=I\quad\text{on }X,
R(z,A)(zI−A)=Ion D(A).R(z,A)(zI-A)=I\quad\text{on }D(A).

对于闭算子,由闭图像定理可知,仅凭双射性就能推出逆算子的有界性。不过,标准定义仍明确包含有界性这一条件。

算子谱是预解集的补集:

σ(A)=C∖ρ(A).\sigma(A)=\mathbb C\setminus\rho(A).

因此,预解算子恰好在谱之外存在。在无限维空间中,谱点不一定是特征值:平移后的算子也可能不是满射,或者它在自身值域上存在逆,但该逆并不有界。

另一种常见约定将预解算子定义为 (A−zI)−1(A-zI)^{-1},即 R(z,A)R(z,A) 的相反数。两种约定包含相同的信息,但导数公式、围道积分公式及预解恒等式中的符号必须相应地一致调整。

矩阵与初等例子

对于复 n×nn\times n 矩阵 AA,

R(z,A)=(zI−A)−1R(z,A)=(zI-A)^{-1}

存在的充要条件是

det⁡(zI−A)≠0.\det(zI-A)\ne0.

其各个矩阵元都是 zz 的有理函数,并可能在特征值处有极点。

若 AA 可以进行矩阵对角化,

A=VDV−1,D=diag⁡(λ1,…,λn),A=VDV^{-1}, \qquad D=\operatorname{diag}(\lambda_1,\ldots,\lambda_n),

则

R(z,A)=Vdiag⁡(1z−λ1,…,1z−λn)V−1.R(z,A) = V\operatorname{diag}\left( \frac1{z-\lambda_1},\ldots,\frac1{z-\lambda_n} \right)V^{-1}.

这直接表明,预解算子如何同时刻画特征值及其对应的谱子空间。

非平凡的若尔当块会产生高阶极点。例如,若

A=(λ10λ),A= \begin{pmatrix} \lambda&1\\ 0&\lambda \end{pmatrix},

则

R(z,A)=((z−λ)−1(z−λ)−20(z−λ)−1).R(z,A)= \begin{pmatrix} (z-\lambda)^{-1}&(z-\lambda)^{-2}\\ 0&(z-\lambda)^{-1} \end{pmatrix}.

因此,极点结构所包含的信息不止于特征值的位置。

预解恒等式与解析依赖性

对于 z,w∈ρ(A)z,w\in\rho(A),第一预解恒等式为

R(z,A)−R(w,A)=(w−z)R(z,A)R(w,A).R(z,A)-R(w,A) = (w-z)R(z,A)R(w,A).

特别地,同一算子在不同参数处的预解算子可交换:

R(z,A)R(w,A)=R(w,A)R(z,A).R(z,A)R(w,A)=R(w,A)R(z,A).

预解集是开集,且 z↦R(z,A)z\mapsto R(z,A) 是其上的算子值解析函数。其各阶导数满足

dndznR(z,A)=(−1)nn! R(z,A)n+1.\frac{d^n}{dz^n}R(z,A) = (-1)^n n!\,R(z,A)^{n+1}.

这些性质可在局部由诺伊曼级数推出。若 z0∈ρ(A)z_0\in\rho(A) 且

∣z−z0∣ ∥R(z0,A)∥<1,|z-z_0|\,\|R(z_0,A)\|<1,

则

R(z,A)=R(z0,A)∑n=0∞[−(z−z0)R(z0,A)]n,R(z,A) = R(z_0,A) \sum_{n=0}^{\infty} \left[-(z-z_0)R(z_0,A)\right]^n,

其中级数依算子范数收敛。

对于两个有界算子 AA 和 BB,只要 z∈ρ(A)∩ρ(B)z\in\rho(A)\cap\rho(B),就有第二预解恒等式

R(z,A)−R(z,B)=R(z,A)(A−B)R(z,B),R(z,A)-R(z,B) = R(z,A)(A-B)R(z,B),

成立。在适当条件下,这一公式对无界算子也成立,特别是当 AA 与 BB 具有相同定义域,且它们的差可延拓为 XX 上的有界算子时。它是研究解与谱在扰动下如何变化的基本工具。

范数估计与谱信息

若 AA 有界,则当 ∣z∣>∥A∥|z|>\|A\| 时,

R(z,A)=1z(I−Az)−1=∑n=0∞Anzn+1,R(z,A) = \frac1z\left(I-\frac Az\right)^{-1} = \sum_{n=0}^{\infty}\frac{A^n}{z^{n+1}},

且

∥R(z,A)∥≤1∣z∣−∥A∥.\|R(z,A)\|\le\frac1{|z|-\|A\|}.

这一展开是等比级数在算子情形下的对应形式。

对于谱非空的算子,

∥R(z,A)∥≥1dist⁡(z,σ(A)).\|R(z,A)\| \ge \frac1{\operatorname{dist}(z,\sigma(A))}.

因此,当一个点趋近于谱时,预解算子的范数必然变大。

对于希尔伯特空间上的正规算子,谱定理给出精确公式

∥R(z,A)∥=1dist⁡(z,σ(A)).\|R(z,A)\| = \frac1{\operatorname{dist}(z,\sigma(A))}.

对于非正规算子,这一范数可能大得多。因此,仅凭特征值可能无法完整描述其敏感性或瞬态行为。

这一区别引出了伪谱的概念。一种常见约定将 ε\varepsilon-伪谱定义为

σε(A)=σ(A)∪{z∈ρ(A):∥R(z,A)∥>ε−1}.\sigma_\varepsilon(A) = \sigma(A)\cup \left\{ z\in\rho(A): \|R(z,A)\|>\varepsilon^{-1} \right\}.

在有限维问题中,它描述了谱对小扰动的敏感性。若 EE 有界且

∥ER(z,A)∥<1,\|E R(z,A)\|<1,

则 z∈ρ(A+E)z\in\rho(A+E)。因此,较大的预解算子范数表明,相对较小的扰动就可能破坏可逆性。

谱投影与算子函数

借助预解算子,可以仿照复分析中的柯西积分公式进行构造。对于有界算子 AA 以及在 σ(A)\sigma(A) 的某个邻域上全纯的函数 ff,

f(A)=12πi∫Γf(z)R(z,A) dz,f(A) = \frac{1}{2\pi i} \int_\Gamma f(z)R(z,A)\,dz,

其中,Γ\Gamma 是位于 ρ(A)\rho(A) 内、包围谱的适当正向围道或一组正向围道。这就是全纯函数演算。

若一条围道包围谱的某个孤立部分,而将其余部分排除在外,则

P=12πi∫ΓR(z,A) dzP= \frac{1}{2\pi i} \int_\Gamma R(z,A)\,dz

是一个里斯投影。它满足 P2=PP^2=P,在适当的定义域意义下与 AA 交换,并将相应的不变谱子空间分离出来。

对于矩阵的孤立特征值 λ\lambda,这一投影选出其广义特征子空间。预解算子在 λ\lambda 处的极点阶数,等于该特征值所对应的最大若尔当块的大小。然而,对于一般的无限维算子,孤立谱点不一定是预解算子的极点。

自伴算符与紧预解算子

对于自伴算符 AA,其谱为实数集,因此每个非实数 zz 都属于 ρ(A)\rho(A)。特别地,

∥R(z,A)∥≤1∣Im⁡z∣.\|R(z,A)\| \le \frac1{|\operatorname{Im}z|}.

若 EE 为 AA 的投影值谱测度,则

R(z,A)=∫σ(A)1z−λ dE(λ).R(z,A) = \int_{\sigma(A)} \frac1{z-\lambda}\,dE(\lambda).

这一表示将预解算子在实轴附近的边界值与谱测度联系起来。它对量子力学中的哈密顿算符尤为重要。

若某算子的预解集非空,且存在 z0∈ρ(A)z_0\in\rho(A),使 R(z0,A)R(z_0,A) 为紧算子,则称该算子具有紧预解算子。由预解恒等式可知,此时对于每个 z∈ρ(A)z\in\rho(A),R(z,A)R(z,A) 都是紧算子。

对于这样的算子,每个谱点都是具有有限代数重数的孤立特征值,且谱在有限处没有聚点。带有适当边界条件的有界区域上的许多椭圆算子都具有这一性质。这解释了为什么这些无限维问题能够具有类似于矩阵分解的离散谱展开。

微分方程与格林函数

对于微分算子 AA,求解

(zI−A)u=f(zI-A)u=f

是一个依赖于参数的边值问题。当预解算子具有积分核表示

(R(z,A)f)(x)=∫Gz(x,y)f(y) dy,(R(z,A)f)(x) = \int G_z(x,y)f(y)\,dy,

时,核 GzG_z 就是给定边界条件下平移后算子的格林函数。

AA 的定义域至关重要:同一个微分表达式配以不同的边界条件,通常会定义出不同的算子、谱和预解算子。例如,同一有界区域上分别满足狄利克雷边界条件和诺伊曼边界条件的拉普拉斯算子,具有不同的谱性质。

预解算子还将定常方程与演化方程联系起来。若 AA 生成强连续算子半群 T(t)T(t),且满足

∥T(t)∥≤Meωt,\|T(t)\|\le Me^{\omega t},

则对于 Re⁡z>ω\operatorname{Re}z>\omega,

R(z,A)x=∫0∞e−ztT(t)x dt.R(z,A)x = \int_0^\infty e^{-zt}T(t)x\,dt.

因此,预解算子是演化算子的拉普拉斯变换。这一关系是用半群方法研究热方程及其他线性演化问题的基础。

计算上的解释

在计算中,将 R(z,A)R(z,A) 作用于一个向量,通常意味着求解线性方程组

(zI−A)u=f,(zI-A)u=f,

而不是显式构造逆矩阵。矩阵分解和迭代方法可以利用稀疏性或微分算子的结构。

预解算子的范数衡量了 ff 中的扰动在最坏情形下被放大的程度。平移后系统的相对条件数还取决于 ∥zI−A∥\|zI-A\|。在谱点附近,或在预解算子范数很大的非正规区域中,即使平移参数并不特别接近某个特征值,也可能难以获得精确解。

非线性分析中还有一种相关但不同的用法:对于可能是非线性或集值的算子 TT,表达式

JλT=(I+λT)−1J_{\lambda T}=(I+\lambda T)^{-1}

也称为预解算子。它的单值性与正则性需要极大单调性等额外假设,不能由上述线性谱理论直接推出。