수반 연산자

에 마지막으로 수정됐습니다.

[ 펼치기 · 접기 ]
선형대수학의 대수적 구조
선형대수학의 이론
기본 대상
선형 연산자
기본 개념
선형 시스템
주요 정리
기타
벡터공간의 분해
벡터의 연산
내적공간
다중선형대수
1. 수반 연산자(adjoint operator)의 정의2. 유한차원 벡터 공간에서의 수반 연산자의 존재성3. 자기 수반(self-adjoint) 연산자4. 수반 행렬의 성질에 관한 특별한 행렬들5. 유니타리 대각화(unitary diagonalization)와 정규 연산자(normal operator)
5.1. 유니타리 대각화(unitary diagonalization)5.2. 정규 연산자(normal operator)5.3. 따름 정리들

역행렬을 구할 때 쓰이는 수반 행렬(adjoint matrix)와는 이름이 같지만, 아무 상관도 없다. 역행렬을 구할 때 쓰이는 수반 행렬은 고전적 수반 행렬(classical adjoint matrix)이라 불린다.

1. 수반 연산자(adjoint operator)의 정의[편집]

FF 위의 벡터 공간 VV와 그 위의 내적 ()\left(\cdot\mid\cdot\right), 선형 연산자 TT를 생각하자. VV 위의 선형 연산자 UUTT수반 연산자(adjoint operator)라 함은 다음이 성립하는 것이다.
  • (uTv)=(Uuv)\left(u\mid Tv\right)=\left(Uu\mid v\right)

이 때 U=TU=T^{*}로 표기한다.
  • 자명하게, TT가 수반 연산자를 가지면, TT^{*} 역시 그러하며 T=TT=T^{**}이다.
  • TT, UU가 수반 연산자를 가지면, TUTU 역시 그러하며 (TU)=UT\left(TU\right)^{*}=U^{*}T^{*}이다.

유한 차원 벡터 공간에서는, 모든 선형 연산자는 수반 연산자를 갖는다. 그러나 무한 차원 벡터 공간에서는 경우마다 다르다. TT가 수반 연산자를 갖는 경우, TT^{*}라 표현한다.
내적을 보통, F=R,CF=\mathbb{R},\mathbb{C}에서 다루므로, 수반 연산자도 F=R,CF=\mathbb{R},\mathbb{C}에서 다루는 것이 일반적이다.

2. 유한차원 벡터 공간에서의 수반 연산자의 존재성[편집]

그람-슈미트 과정에 의하면, VV의 기저 B={ϵi:1in}\mathcal{B}=\left\{ \epsilon_{i}:1\leq i\leq n\right\} 가 존재하여, 임의의 u,vVu,v\in V에 대해, (uv)=[u]B[v]B\left(u\mid v\right)=\left[u\right]_{\mathcal{B}}^{*}\left[v\right]_{\mathcal{B}}이다. 이것을 이용하면 다음을 얻는다. (uTv)=[u]B[Tv]B=[u]B([T]B[v]B)=([u]B[T]B)[v]B=([T]B[u]B)[v]B\left(u\mid Tv\right)=\left[u\right]_{\mathcal{B}}^{*}\left[Tv\right]_{\mathcal{B}}=\left[u\right]_{\mathcal{B}}^{*}\left(\left[T\right]_{\mathcal{B}}\left[v\right]_{\mathcal{B}}\right)=\left(\left[u\right]_{\mathcal{B}}^{*}\left[T\right]_{\mathcal{B}}\right)\left[v\right]_{\mathcal{B}}=\left(\left[T\right]_{\mathcal{B}}^{*}\left[u\right]_{\mathcal{B}}\right)^{*}\left[v\right]_{\mathcal{B}}이다. [T]B\left[T\right]_{\mathcal{B}}^{*}에 해당하는 선형 변환UU라 하면,
([T]B[u]B)[v]B=[Uu]B[v]B=(Uuv)\left(\left[T\right]_{\mathcal{B}}^{*}\left[u\right]_{\mathcal{B}}\right)^{*}\left[v\right]_{\mathcal{B}}=\left[Uu\right]_{\mathcal{B}}^{*}\left[v\right]_{\mathcal{B}}=\left(Uu\mid v\right)이다. 따라서, TT^{*}T=UT^{*}=U로 존재한다.

이 과정에서 알 수 있듯이, 수반 연산자는 Hermitian 연산으로 직접 주어진다. Hermitian 연산자를 단순히 전치해주고, 켤레를 취해주는 것보다는, 수반 연산자의 관점으로 보는 것이 더 본질적이다.

다음을 쉽게 보일 수 있다.
TT를 임의의 선형 연산자라 하자. WWTT의 불변부분공간이면, WW^{\perp}TT^{*}의 불변부분공간이다.

3. 자기 수반(self-adjoint) 연산자[편집]

TT의 수반 연산자가 T=TT^{*}=T이면 자기 수반 연산자(self-adjoint)라 한다.

4. 수반 행렬의 성질에 관한 특별한 행렬들[편집]

군(대수학) 문서 참조. GLn\text{GL}_{n}는 n×n 가역행렬을 모은 일반선형군(General Linear Group)이며, SLn\text{SL}_{n}는 그 중 행렬식이 1인 행렬을 모은 특수선형군(Special Linear Group)이다.
  • F=RF=\mathbb{R}
    F=RF=\mathbb{R}일 때는, 켤레를 취해주는 과정이 무의미하므로, ^{*}대신 전치인 t^{t}를 쓴다.[1]
    • 직교군(orthogonal group) O(n):={AGLn(R):AtA=I}\text{O}\left(n\right):=\left\{ A\in\text{GL}_{n}\left(\mathbb{R}\right):A^{t}A=I\right\}
      직교군에 속하는 행렬들을 직교행렬(orthogonal matrix)이라 부른다. 이 행렬들은 내적을 보존해준다.
    • 특수 직교군(special orthogonal group) SO(n):={ASLn(R):AtA=I}\text{SO}\left(n\right):=\left\{ A\in\text{SL}_{n}\left(\mathbb{R}\right):A^{t}A=I\right\}
    • 자기 수반 행렬 {AGLn(R):At=A}\left\{ A\in\text{GL}_{n}\left(\mathbb{R}\right):A^{t}=A\right\}
      대칭행렬(symmetric matrix)이라고도 부른다.
  • F=CF=\mathbb{C}
    • 유니타리군(unitary group) U(n):={AGLn(C):AA=I}\text{U}\left(n\right):=\left\{ A\in\text{GL}_{n}\left(\mathbb{C}\right):A^{*}A=I\right\}
      유니타리군에 속하는 행렬들을 유니타리 행렬(unitary matrix)이라 부른다. 이 행렬들은 내적을 보존해준다.
    • 특수 유니타리군(special unitary group) SU(n):={ASLn(C):AA=I}\text{SU}\left(n\right):=\left\{ A\in\text{SL}_{n}\left(\mathbb{C}\right):A^{*}A=I\right\}
    • Hermitian 행렬 {AGLn(C):A=A}\left\{ A\in\text{GL}_{n}\left(\mathbb{C}\right):A^{*}=A\right\}

5. 유니타리 대각화(unitary diagonalization)와 정규 연산자(normal operator)[편집]

5.1. 유니타리 대각화(unitary diagonalization)[2][편집]

유니타리 대각화(unitary diagonalization)는 행렬 AMn(F)A\in M_{n}\left(F\right)를, 적절한 UUnU\in\text{U}_{n}와 대각행렬[3] DMn(C)D\in M_{n}\left(\mathbb{C}\right)를 찾아, A=UDUA=UDU^{*}로 표현하는 일이다. U=U1U^{*}=U^{-1}이므로, 대각화의 일종으로, 더 강한 개념이다.

질문은 이것이다. 어떤 행렬이 유니타리 대각화 가능할 필요충분조건은 무엇인가? 자명하게, AA유니타리 대각화 가능이면, AA=AAA^{*}A=AA^{*}이다. 이것의 역도 성립할까? 정규 연산자 개념이 이에 대한 긍정적인 답을 준다.

5.2. 정규 연산자(normal operator)[편집]

유한 차원 벡터 공간VV 상의 선형 변환 TT정규 연산자(normal operator)라 함은, TT=TTT^{*}T=TT^{*}가 성립하는 것이다.

다음이 성립한다.
TT를 정규 연산자라 하자. 임의의 cCc\in \mathbb{C}, vVv\in V에 대해, Tv=cvTv=cv이면, Tv=cvT^{*}v=\overline{c}v이다.

이것에서 다음을 얻는다.
TT를 정규 연산자, μ\mu, λ\lambdaTT의 서로 다른 고유치라 하자. 그러면, WλWμW_{\lambda}\perp W_{\mu}이다.[4]

여기서, 직교 분해 λ:char. val.Wλ<V{\displaystyle \bigoplus_{\lambda\text{:char. val.}}}W_{\lambda}<V를 얻는다.W:=λ:char. val.WλW:={\displaystyle \bigoplus_{\lambda\text{:char. val.}}}W_{\lambda}에 대해, WWTT의 불변 부분 공간이다. 따라서, #s-1의 가장 마지막 명제를 적용하면, WW^{\perp}TT^{*}의 불변부분공간이다. TW:WW\left.T^{*}\right|_{W^{\perp}}:W^{\perp}\rightarrow W^{\perp}이다. WW^{\perp}\neq\left\langle \emptyset\right\rangle 을 가정하면, cCc\in \mathbb{C}, 0vW0\neq v\in W^{\perp}가 존재하여, Tv=cvT^{*}v=cv이다. 따라서, Tv=cvTv=\overline{c}v이다. 따라서, vWv\in W인데 이는 모순이다. 따라서, W=0W^{\perp}=0이다. 고로, V=WW=λ:char. val.WλV=W\bigoplus W^{\perp}={\displaystyle \bigoplus_{\lambda\text{:char. val.}}}W_{\lambda}이다.

이상에서 본 것과 같이 정규 연산자와 유니타리 대각화 가능은 동치이다. A=UDUA=UDU^{*}UU(n)U\in\text{U}\left(n\right)WλW_{\lambda}의 직교 기저들로 구성해주면 된다.

5.3. 따름 정리들[편집]

  • 유니타리 행렬은 유니타리 대각화 가능이고, 그 대각행렬은 실행렬이다. 유니타리 행렬의 고유치는 실수라는 것을 이용하면 된다. 그리고 유니타리 행렬은 정규 연산자이다.



[1] 뭘 사용해도 상관은 없다. [2] 실행렬의 경우, 유니타리 개념이 직교 개념이 되므로, 직교 대각화(orthogonally diagonalization) 가능이라 부르면 된다. 이하의 논의에서도 유니타리를 모두 직교로 바꿔 읽으면 된다.[3] 대각선 외의 성분이 모두 00인 행렬, 대각선의 성분은 00이어도 좋다. [4] WμW_{\mu}, WλW_{\lambda}는, μ\mu, λ\lambda에 해당하는 고유 공간이다.

Contents are available under the CC BY-NC-SA 2.0 KR; There could be exceptions if specified or metioned. theseed-skin-buma by LiteHell, the seed engine by theseed.io