跳到主要内容

算子谱理论：谱分解与自伴算子

在有限维空间中，我们通过特征值与特征向量将线性变换对角化。在无限维空间中，由于“谱”的出现（除了特征值还有连续谱等），这一过程变得更加精妙。谱理论是现代量子力学的数学语言。

一、谱与正则集 (Spectrum and Resolvent)​

设 XX 为 Banach 空间，T∈B(X)T \in \mathcal{B}(X)。

1. 定义​

  • 正则集 (Resolvent Set)：ρ(T)={λ∈C:T−λI 是双射且有有界逆 }\rho(T) = \{ \lambda \in \mathbb{C} : T - \lambda I \text{ 是双射且有有界逆 } \}。
  • 谱 (Spectrum)：σ(T)=C∖ρ(T)\sigma(T) = \mathbb{C} \setminus \rho(T)。
  • 谱半径 (Spectral Radius)：r(T)=sup⁡{∣λ∣:λ∈σ(T)}=lim⁡n→∞∥Tn∥1/nr(T) = \sup \{ |\lambda| : \lambda \in \sigma(T) \} = \lim_{n \to \infty} \|T^n\|^{1/n}.

2. 谱的分类​

  • 点谱 (Point Spectrum) σp(T)\sigma_p(T)：T−λIT - \lambda I 不是单射（即 λ\lambda 是特征值）。
  • 连续谱 (Continuous Spectrum) σc(T)\sigma_c(T)：T−λIT - \lambda I 是单射，值域稠密但不是全空间。
  • 剩余谱 (Residual Spectrum) σr(T)\sigma_r(T)：T−λIT - \lambda I 是单射，值域不稠密。

二、自伴算子的性质​

在 Hilbert 空间 HH 中，自伴算子 (T=T∗T=T^*) 拥有极为优美的性质，类比于对称矩阵。

核心定理
  1. 自伴算子的谱 σ(T)\sigma(T) 必落在实轴上 (σ(T)⊂R\sigma(T) \subset \mathbb{R})。
  2. 自伴算子的剩余谱为空集 (σr(T)=∅\sigma_r(T) = \emptyset)。
  3. 不同特征值的特征向量必相互正交。

三、紧算子理论 (Compact Operators)​

线性算子 K:X→YK: X \to Y 若将有界集映射为列紧集（其闭包为紧集），则称为 紧算子。

1. Riesz-Schauder 理论​

对于紧算子 KK：

  • 其谱 σ(K)\sigma(K) 是可列的，且至多以 0 为聚点。
  • 每一个非零谱成员 λ≠0\lambda \neq 0 都是特征值，且特征子空间是有限维的。

四、谱定理 (Spectral Theorem)​

谱定理是本章的最核心结论，它给出了算子的“广义对角化”形式。

1. 紧自伴算子的谱定理​

设 HH 是 Hilbert 空间，TT 是 HH 上的紧自伴算子。则存在规范正交基 {en}\{e_n\} 使得： Tx=∑nλn⟨x,en⟩en,∀x∈H.Tx = \sum_n \lambda_n \langle x, e_n \rangle e_n, \quad \forall x \in H. 其中 λn∈R\lambda_n \in \mathbb{R} 为特征值且 λn→0\lambda_n \to 0。

2. 一般自伴算子的谱定理 (积分形式)​

对一般的有界自伴算子 TT，存在唯一的 谱测度 (Spectral Measure) EE，使得： T=∫_σ(T)λ dE(λ).T = \int\_{\sigma(T)} \lambda \, dE(\lambda). 这相当于将无穷维空间分解为一系列“微分”特征子空间的直和。

五、精选例题​

例 1：乘法算子的谱​

在 L2(0,1)L^2(0,1) 上定义 Tf(t)=tf(t)Tf(t) = tf(t)。求 σ(T)\sigma(T)。

点击查看解析
  1. (T−λI)f(t)=(t−λ)f(t)(T - \lambda I)f(t) = (t - \lambda)f(t).
  2. 若 λ∉[0,1]\lambda \notin [0,1]，则 1/(t−λ)1/(t-\lambda) 有界，λ∈ρ(T)\lambda \in \rho(T).
  3. 若 λ∈[0,1]\lambda \in [0,1]，T−λIT-\lambda I 显然不是满射（其逆无界），故 [0,1]⊂σ(T)[0,1] \subset \sigma(T).
  4. 事实上，该算子没有特征值（点谱为空），整个 [0,1][0,1] 都是连续谱。

六、分层练习​

练习 1（算子多项式）​

证明：若 λ∈σ(T)\lambda \in \sigma(T)，则对多项式 P(z)P(z)，有 P(λ)∈σ(P(T))P(\lambda) \in \sigma(P(T))。

点击查看过程
  1. 分解 P(z)−P(λ)=(z−λ)Q(z)P(z) - P(\lambda) = (z - \lambda)Q(z)。
  2. 相应地 P(T)−P(λ)I=(T−λI)Q(T)P(T) - P(\lambda)I = (T - \lambda I)Q(T)。
  3. 若 P(T)−P(λ)IP(T) - P(\lambda)I 可逆，则 T−λIT - \lambda I 也可逆（由于二者交换），产生矛盾。

练习 2（自伴性判定）​

证明：若 TT 是自伴算子且 T2=0T^2 = 0，则 T=0T = 0。

点击查看提示
  1. 利用内积：∥Tx∥2=⟨Tx,Tx⟩=⟨T∗Tx,x⟩=⟨T2x,x⟩=0\|Tx\|^2 = \langle Tx, Tx \rangle = \langle T^*Tx, x \rangle = \langle T^2x, x \rangle = 0.
  2. 故 Tx=0,∀xTx = 0, \forall x, 即 T=0T=0.
  3. 注意：如果不满足自伴性（例如单向平移算子），结论不成立。

练习 3（谱半径）​

给出 2×22 \times 2 矩阵的例子，满足 ∥T∥>r(T)\|T\| > r(T)。

点击查看答案

考虑 T=(0100)T = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix}。

  1. T2=0T^2 = 0，故所有特征值为 0，r(T)=0r(T) = 0。
  2. 但 ∥T∥=1\|T\| = 1 (考虑向量 (0,1)T(0, 1)^T)。
  3. 这说明范数控制谱，但谱不一定控制范数（除非是正规算子）。

七、章节衔接​