mir.pe (일반/어두운 화면)
최근 수정 시각 : 2024-03-26 21:19:38

수반 연산자

역행렬을 구할 때 쓰이는 수반 행렬(adjoint matrix)과는 이름만 같고 아무 상관도 없다. 역행렬을 구할 때 쓰이는 수반 행렬은 고전적 수반 행렬[1]이라 불린다.
선형대수학
Linear Algebra
{{{#!wiki style="margin: 0 -10px -5px; min-height: calc(1.5em + 5px)"
{{{#!folding [ 펼치기 · 접기 ]
{{{#!wiki style="margin: -5px -1px -11px" 		<colbgcolor=#006ab8> 기본 대상 일차함수 · 벡터 · 행렬 · 선형 변환
대수적 구조 가군(모듈) · 벡터 공간 · 내적 공간 · 노름 공간
선형 연산자 <colbgcolor=#006ab8> 기본 개념 연립방정식 · 행렬곱 · 단위행렬 · 역행렬과 크라메르 공식 · 가역행렬 · 전치행렬 · 행렬식( 라플라스 전개) · 주대각합
선형 시스템 기본행연산과 기본행렬 · 가우스-조르당 소거법 · 행사다리꼴 · 행렬표현 · 라그랑주 보간법
주요 정리 선형대수학의 기본정리 · 차원 정리 · 가역행렬의 기본정리 · 스펙트럼 정리
기타 제곱근행렬 · 멱등행렬 · 멱영행렬 · 에르미트 행렬 · 야코비 행렬 · 방데르몽드 행렬 · 아다마르 행렬 변환 · 노름(수학)
벡터공간의 분해 상사 · 고유치 문제 · 케일리-해밀턴 정리 · 대각화( 대각행렬) · 삼각화 · 조르당 분해
벡터의 연산 노름 · 거리함수 · 내적 · 외적( 신발끈 공식) · 다중선형형식 · ∇ · 크로네커 델타
내적공간 그람-슈미트 과정 · 수반 연산자( 에르미트 내적)
다중선형대수 텐서 · 텐서곱 · 레비치비타 기호 }}}}}}}}}

1. 수반 연산자(adjoint operator)의 정의2. 유한차원 벡터 공간에서의 수반 연산자의 존재성3. 자기 수반(self-adjoint) 연산자4. 수반 행렬의 성질에 관한 특별한 행렬들5. 유니터리 대각화(unitary diagonalization)와 정규 연산자(normal operator)
5.1. 유니터리 대각화(unitary diagonalization)5.2. 정규 연산자(normal operator)5.3. 따름 정리들

1. 수반 연산자(adjoint operator)의 정의

체 [math(F)] 위의 벡터 공간 [math(V)]와 그 위의 내적 [math(\left(\cdot\mid\cdot\right))] , 선형 연산자 [math(T)]를 생각하자. [math(V)] 위의 선형 연산자 [math(U)]가 [math(T)]의 수반 연산자(adjoint operator)라 함은 다음이 성립하는 것이다.
* [math(\left(u\mid Tv\right)=\left(Uu\mid v\right))]

이때 [math(U=T^{*})]로 표기한다.[2]
유한 차원 벡터 공간에서는, 모든 선형 연산자는 수반 연산자를 갖는다. 그러나 무한 차원 벡터 공간에서는 경우마다 다르다. [math(T)]가 수반 연산자를 갖는 경우, [math(T^{*})]라 표현한다.
내적을 보통, [math(F=\mathbb{R},\mathbb{C})]에서 다루므로, 수반 연산자도 [math(F=\mathbb{R},\mathbb{C})]에서 다루는 것이 일반적이다.

2. 유한차원 벡터 공간에서의 수반 연산자의 존재성

그람-슈미트 과정에 의하면, [math(V)]의 기저 [math(\mathcal{B}=\left\{ \epsilon_{i}:1\leq i\leq n\right\} )]가 존재하여, 임의의 [math(u,v\in V)]에 대해, [math(\left(u\mid v\right)=\left[u\right]_{\mathcal{B}}^{*}\left[v\right]_{\mathcal{B}})]이다. 이것을 이용하면 다음을 얻는다. [math(\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. [math(\left[T\right]_{\mathcal{B}}^{*})]에 해당하는 선형 변환을 [math(U)]라 하면,
[math(\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, [math(T^{*})]는 [math(T^{*}=U)]로 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.
[math(T)]를 임의의 선형 연산자라 하자. [math(W)]가 [math(T)]의 불변부분공간이면, [math(W^{\perp})]는 [math(T^{*})]의 불변부분공간이다.

3. 자기 수반(self-adjoint) 연산자

[math(T)]의 수반 연산자가 [math(T^{*}=T)]이면 자기 수반 연산자(self-adjoint)라 한다. 달리 에르미트 연산자(Hermitian operator)라고 하기도 한다.

4. 수반 행렬의 성질에 관한 특별한 행렬들

군(대수학) 문서 참조. [math(\text{GL}_n)]은 [math(n\times n)] 가역행렬을 모은 일반선형군(general linear group)이며, [math(\text{SL}_n)]은 그 중 행렬식이 1인 행렬을 모은 특수선형군(special linear proup)이다.

5. 유니터리 대각화(unitary diagonalization)와 정규 연산자(normal operator)

5.1. 유니터리 대각화(unitary diagonalization)[5]

유니터리 대각화(unitary diagonalization)는 행렬 [math(A\in M_n(F))]를, 적절한 [math(U\in\text{U}_n)]와 대각행렬[6] [math(D\in M_n(\mathbb{C}))]를 찾아, [math(A=UDU^*)]로 표현하는 일이다. [math(U^* = U^{-1})]이므로, 대각화의 일종으로, 더 강한 개념이다.

질문은 이것이다. 어떤 행렬이 유니터리 대각화 가능할 필요충분조건은 무엇인가? 자명하게, [math(A)]유니터리 대각화 가능이면, [math(A^{*}A=AA^{*})]이다. 이것의 역도 성립할까? 정규 연산자 개념이 이에 대한 긍정적인 답을 준다.

5.2. 정규 연산자(normal operator)

유한 차원 벡터 공간[math(V)] 상의 선형 변환 [math(T)]가 정규 연산자(normal operator)라 함은, [math(T^{*}T=TT^{*})]가 성립하는 것이다.

다음이 성립한다.
[math(T)]를 정규 연산자라 하자. 임의의 [math(c\in \mathbb{C})], [math(v\in V)]에 대해, [math(Tv=cv)]이면, [math(T^{*}v=\overline{c}v)]이다.

이것에서 다음을 얻는다.
[math(T)]를 정규 연산자, [math(\mu)], [math(\lambda)]를 [math(T)]의 서로 다른 고유치라 하자. 그러면, [math(W_{\lambda}\perp W_{\mu})]이다.[7]

여기서, 직교 분해 [math({\displaystyle \bigoplus_{\lambda\text{:char. val.}}}W_{\lambda}<V)]를 얻는다.[math(W:={\displaystyle \bigoplus_{\lambda\text{:char. val.}}}W_{\lambda})]에 대해, [math(W)]가 [math(T)]의 불변 부분 공간이다. 따라서, #s-1의 가장 마지막 명제를 적용하면, [math(W^{\perp})]가 [math(T^{*})]의 불변부분공간이다. [math(\left.T^{*}\right|_{W^{\perp}}:W^{\perp}\rightarrow W^{\perp})]이다. [math(W^{\perp}\neq\left\langle \emptyset\right\rangle )]을 가정하면, [math(c\in \mathbb{C})], [math(0\neq v\in W^{\perp})]가 존재하여, [math(T^{*}v=cv)]이다. 따라서, [math(Tv=\overline{c}v)]이다. 따라서, [math(v\in W)]인데 이는 모순이다. 따라서, [math(W^{\perp}=0)]이다. 고로, [math(V=W\bigoplus W^{\perp}={\displaystyle \bigoplus_{\lambda\text{:char. val.}}}W_{\lambda})]이다.

이상에서 본 것과 같이 정규 연산자와 유니터리 대각화 가능은 동치이다. [math(A=UDU^{*})]인 [math(U\in\text{U}\left(n\right))]는 [math(W_{\lambda})]의 직교 기저들로 구성해주면 된다. 보통 이를 정규연산자의 스펙트럼 정리(spectral theorem)라 부른다.

5.3. 따름 정리들



[1] classical adjoint matrix [2] 보통은 칼표를 쓴 [math(U=T^{\dag})]를 자주 쓴다. [3] 뭘 사용해도 상관은 없다. [4] 특수 유니터리군의 원소가 이루는 리 대수(Lie algebra)는 블랙 레터를 쓴 [math(\mathfrak{su} \left(n\right))]로 구분하기도 한다. [5] 실행렬의 경우, 유니터리 개념이 직교 개념이 되므로, 직교 대각화(orthogonally diagonalization) 가능이라 부르면 된다. 이하의 논의에서도 유니터리를 모두 직교로 바꿔 읽으면 된다. [6] 대각선 외의 성분이 모두 [math(0)]인 행렬, 대각선의 성분은 [math(0)]이어도 좋다. [7] [math(W_{\mu})], [math(W_{\lambda})]는, [math(\mu)], [math(\lambda)]에 해당하는 고유 공간이다.

분류