Table of Contents

  1. Inner Products
  2. Inner Product Spaces
  3. Linear Functionals and Adjoints
  4. Unitary Operators
  5. Normal Operators

Inner Products

本章我们只考虑实数或复数向量空间。

定义 设F为实数或复数域,且V是F上的一个向量空间。一个V上的inner product是一个函数,赋值V中每个有序向量对 $ \alpha, \beta $一个F中常量 $ (\alpha | \beta) $使得对V中所有 $ \alpha, \beta, \gamma $ 和所有常量c

(a) $ (\alpha + \beta | \gamma ) = (\alpha | \gamma) + (\beta | \gamma) $

(b) $ (c \alpha | \beta) = c(\alpha | \beta) $

(c) $ (\beta | \alpha) = \overline{(\alpha | \beta)} $,上横线表示复数conjugation

(d) $ (\alpha | \alpha) > 0 如果 \alpha \ne 0 $

例子1,在 $ F^{n} $上有一个inner product我们称之为standard inner product。它定义为当 $ \alpha = (x_ {1}, \ldots, x_ {n})和 \beta = (y_ {1}, \ldots, y_ {n}) $时,

$ \begin{equation} (\alpha | \beta) = \sum_ {j} x_ {j}\bar{y}_ {j} \end{equation} $

在实数域上,该standard inner product通常称为点积或常量积且被记为 $ \alpha \cdot \beta $

例子3,设V为 $ F^{n \times n} $,F上所有 $ n \times n $矩阵的空间。则V根 $ F^{n^{2}} $同构。等式

$ \begin{equation} (A | B) = \sum_ {j,k} A_ {j k} \bar{B}_ {j k} \end{equation} $

定义V上的一个inner product。更进一步,如果我们引入conjugate transpose 矩阵 $ B^{ * }, B_ {k j}^{ * } = \bar{B}_ {j k} $,我们表达 $ F^{ n \times n} $上的trace函数的inner product:

$ \begin{equation} (A | B) = \operatorname{tr}(AB^{ * }) = \operatorname{tr}(B^{ * }A) \end{equation} $

$ \begin{equation} \begin{aligned} \operatorname{tr}(AB^{ * } ) &= \sum_ {j}(AB^{ *})_ {j j} \\ &= \sum_ {j} \sum_ {k} A_ {j k}B_ {k j}^{ * } \\ &= \sum_ {j} \sum_ {k} A_ {j k}\bar{B}_ {j k} \end{aligned} \end{equation} $

例子4 设 $ F^{n \times 1} $为F上 $ n \times 1 $矩阵空间,且设Q为F上 $ n \times n $可逆矩阵,对在 $ F^{n \times 1} $集合上的X, Y

$ \begin{equation} (X | Y) = Y^{ * }Q^{ * }QX \end{equation} $

我们称它为 $ F^{ n \times 1 } $上的standard inner product

假设V是有限维的,则 $ \mathcal{B} = \{\alpha_ {1}, \ldots, \alpha_ {n} \} $是V的一个有序基,且我们给定一个V上特殊的inner product,我们将显示这个inner product完全被值 $ G_ {j k} = (\alpha_ {k} | \alpha_ {j}) $决定。如果 $ \alpha = \sum_ {k}x_ {k}\alpha_ {k} 和 \beta = \sum_ {j}y_ {j} \alpha_ {j} $,则

\begin{equation} \begin{aligned} (\alpha | \beta) &= (\sum_ {k}x_ {n}\alpha_ {k} | \beta) \\ &= \sum_ {k}x_ {k}(\alpha_ {k} | \beta) \\ &= \sum_ {k}x_ {k}\sum_ {j}\bar{y}_ {j} (\alpha_ {k} | \alpha_ {j}) \\ &= \sum_ {j, k}\bar{y}_ {j} G_ {j k}x_ {k} \\ &= Y^{ * }GX \end{aligned} \end{equation} $

我们称G为在有序基 $ \mathcal{B} $下inner product的矩阵

Inner Product Spaces

定义 一个内积空间是一个实数或复数向量空间,及其上一个指定的内积

一个有限维实数内积空间通常称为欧几里得空间。一个复数内积空间通常称为unitary空间

定理 1 如果V是一个内积空间,则对V中任意向量 $ \alpha, \beta $和任意常数c

(i) $ ||c \alpha | | = |c| ||\alpha || $

(ii) $ | | \alpha | | > 0 \text{ for } \alpha \ne 0 $

(iii) $ | (\alpha | \beta) | \le | | \alpha | | | | \beta | | $

(iv) $ | | \alpha + \beta | | \le | | \alpha | | + | | \beta | | $

例子7,应用Cauchy-Schwarz不等式到内积,我们有

(a) $ \begin{equation} | \sum x_ {k}\bar{y}_ {k} | \le (\sum |x_ {k}|^{2})^{\frac{1}{2}} (\sum |y_ {k}|^{2})^{\frac{1}{2}} \end{equation} $

(b) $ \begin{equation} | x_ {1}y_ {1} - x_ {2}y_ {1} - x_ {1}y_ {2} + 4x_ {2}y_ {2} | \le ((x_ {1} - x_ {2})^{2} + 3x_ {2}^{2})^{\frac{1}{2}} ((y_ {1} - y_ {2})^{2} + 3y_ {2}^{2})^{\frac{1}{2}} \end{equation} $

(c) $ \begin{equation} | \operatorname{tr} (AB^{ * }) | \le (\operatorname{tr}(AA^{ * }))^{\frac{1}{2}} (\operatorname{tr}(BB^{ * }))^{\frac{1}{2}} \end{equation} $

(d) $ \begin{equation} | \int_ {0}^{1} f(x)\overline{g(x)} dx | \le \left(\int_ {0}^{1} | f(x) |^{2} dx\right)^{\frac{1}{2}} \left(\int_ {0}^{1} | g(x) |^{2} dx\right)^{\frac{1}{2}} \end{equation} $

定义 设 $ \alpha 和 \beta $为内积空间上的向量,则 $ \alpha $正交 $ \beta 仅当 (\alpha | \beta) = 0 $。如果S是V中向量集合,S被称为一个正交集提供所有不同正交向量对。一个标准正交集合是正交集合S中所有 $ | | \alpha | | = 1 $的向量

定理 2 正交集的非零向量是线性无关的

推论 如果一个向量 $ \beta $是正交非零向量序列 $ \alpha_ {1}, \ldots, \alpha_ {m} $的线性组合,则 $ \beta $是一个特别的线性组合

$ \begin{equation} \beta = \sum_ {k=1}^{m} \frac{(\beta | \alpha_ {k})}{|| \alpha_ {k} ||^{2}} \alpha_ {k} \end{equation} $

定理 3 设V为一个内积空间且设 $ \beta_ {1}, \ldots, \beta_ {n} $为V上任意无关向量,则可构造V中正交向量 $ \alpha_ {1}, \ldots, \alpha_ {n} $使得对每个 $ k = 1, 2, \ldots, n $,集合 $ \{ \alpha_ {1}, \ldots, \alpha_ {k} $是由 $ \beta_ {1}, \ldots, \beta_ {k} $扩展的子空间的一个基

证明:向量 $ \alpha_ {1}, \ldots, \alpha_ {n} $可通过Gram-Schmidt正交过程构建,首先设 $ \alpha_ {1} = \beta_ {1} $,假设 $ \alpha_ {1}, \ldots, \alpha_ {m} (1 \le m < n) $被选中使得对每个k, $ \{ \alpha_ {1}, \ldots, \alpha_ {k} \}, 1 \le k \le m $是由 $ \beta_ {1}, \ldots, \beta_ {k} $扩展的V的子空间的一个正交基,设

$ \begin{equation} \alpha_ {m+1} = \beta_ {m+1} - \sum_ {k=1}^{m} \frac{(\beta_ {m+1} | \alpha_ {k})}{|| \alpha_ {k} ||^{2}} \alpha_ {k} \end{equation} $

如果 $ 1 \le j \le m $,则

$ \begin{equation} \begin{aligned} (\alpha_ {m+1} | \alpha_ {j}) &= (\beta_ {m+1} | \alpha_ {j}) - \sum_ {k=1}^{m} \frac{(\beta_ {m+1} | \alpha_ {k})}{|| \alpha_ {k} ||^{2}} (\alpha_ {k} | \alpha_ {j}) \\ &= (\beta_ {m+1} | \alpha_ {j}) - (\beta_ {m+1} | \alpha_ {j}) \\ &= 0 \end{aligned} \end{equation} $

因此 $ \{ \alpha_ {1}, \ldots, \alpha_ {m+1} \} $是一个正交集合

推论 每个有限维内积空间有一个标准正交基

在内积空间W中向量到 $ \beta $的最好估计是W中一个向量 $ \alpha $使得

$ \begin{equation} | | \beta - \alpha | | \le | | \beta - \gamma | | \end{equation} $

对W中每个向量 $ \gamma $

定理 4 设W为内积空间V的一个子空间且设 $ \beta $为V中一个向量

(i) W中向量 $ \alpha $是W中到 $ \beta $的最好估计当且仅当 $ \beta - \alpha $正交W中每个向量

(ii) 如果W中到 $ \beta $的最好估计存在,它是唯一的

(iii) 如果W是有限维的且 $ \{ \alpha_ {1}, \ldots, \alpha_ {n} \} $是W的任意标准正交基,则向量

$ \begin{equation} \alpha = \sum_ {k} \frac{(\beta | \alpha_ {k})}{|| \alpha_ {k} ||^{2}} \alpha_ {k} \end{equation} $

是W中向量唯一到 $ \beta $的最好估计

定义 设V是一个内积空间且S是V中任意向量集合,S的正交补是V中集合 $ S^{\perp} $中的所有向量,与S中的每个向量正交

定义 如果定理4中的向量 $ \alpha $存在则被称为在W上 $ \beta $的正交映射。如果V中每个向量在W中有一个正交映射,对V中每个向量赋予映射到W上它的正交映射被称为在V在W上的正交映射

推论 设V为一个内积空间,W为一个有限维子空间,且E是V在W上的正交映射,则映射

$ \begin{equation} \beta \to \beta - E \beta \end{equation} $

是V到 $ W^{\perp} $的正交映射

定理 5 设W为内积空间V的一个有限维子空间且设E为V到W的正交映射,则E是V到W的幂等线性转换,$ W^{\perp} $是E的null space,且

$ \begin{equation} V = W \oplus W^{\perp} \end{equation} $

推论 在理论条件下,I - E是V到 $ W^{\perp} $上的正交映射,它是V到 $ W^{\perp} $的幂等线性转换,其null space是W

推论 设 $ \{ \alpha_ {1}, \ldots, \alpha_ {n} \} $为内积空间V上的非零向量的正交集,则

$ \begin{equation} \sum_ {k} \frac{|(\beta | \alpha_ {k}) |^{2}}{|| \alpha_ {k} ||^{2}} \le || \beta||^{2} \end{equation} $

等式成立当且仅当

$ \begin{equation} \beta = \sum_ {k}\frac{(\beta | \alpha_ {k})}{|| \alpha_ {k} ||^{2}} \alpha_ {k} \end{equation} $

Linear Functionals and Adjoints

本节的第一部分处理在内积空间上的线性functional和跟内积的关系。基本的结论是在有限维内积空间上的任意线性functional f是“跟空间内固定向量的内积”,例如,$ f(\alpha) = (\alpha| \beta) , \beta$ 是V中固定向量。我们使用这个结果证明V中线性算子T的adjoint的存在,这为一个线性算子 $ T^{ * } $使得 $ (T\alpha | \beta) = (\alpha | T^{ * }\beta), \alpha, \beta $为V中任意向量。使用标准正交基,线性算子上的adjoint操作为矩阵的共轭转置。我们直接展示复数上的adjoint操作和共轭

设V为任意内积空间,设 $ \beta $为V中某个固定向量。我们定义一个从V到常量的函数 $ f_ {\beta} $,

$ \begin{equation} f_ {\beta} (\alpha) = (\alpha | \beta) \end{equation} $

这个函数 $ f_ {\beta} $是V上的一个线性functional,因为,通过它的定义,$ (\alpha | \beta) $是 $ \alpha $的线性函数。如果V是有限维的,V上每个线性functional由某个 $ \beta $引起

定理 6 设V为一个有限维内积空间,且f为V上一个线性functional,则V中存在唯一一个向量 $ \beta $使得对V中所有 $ \alpha, f(\alpha) = (\alpha | \beta) $

设W为f的null space,则 $ T = W + W^{\perp} $,且f被它在 $ W^{\perp} $上的值完全决定。事实上,如果P是V在 $ W^{\perp} $的垂直映射,则

$ \begin{equation} f(\alpha) = f(P \alpha) \end{equation} $

对V中所有 $ \alpha $,假设 $ f \ne 0 $,则f是rank 1且 $ dim(W^{\perp}) = 1 $。如果 $ \tau $是 $ W^{\perp} $上的任意非零向量,则

$ \begin{equation} P \alpha = \frac{(\alpha | \tau)}{|| \tau ||^{2}} \tau \end{equation} $

对V中所有 $ \alpha $,则

$ \begin{equation} f(\alpha) = (\alpha | \tau) \cdot \frac{f(\tau)}{|| \tau ||^{2}} \end{equation} $

对所有 $ \alpha, 且 \beta = [\overline{f(\tau)} / || \tau ||^{2}] \tau $

定理 7 对有限维内积空间V上的任意线性算子T,存在V上为唯一一个线性算子 $ T^{ * } $使得

$ \begin{equation} (T\alpha | \beta) = (\alpha | T^{ * } \beta ) \end{equation} $

对V上所有 $ \alpha, \beta $

定理 8 设V为一个有限维内积空间且设 $ \mathcal{B} = \{ \alpha_ {1}, \ldots, \alpha_ {n} \} $为V的一个(有序)正交基。设T为V上的线性算子且设A为T在有序基 $ \mathcal{B} $上的矩阵,则 $ A_ {k j} = (T\alpha_ {j} | \alpha_ {k}) $

推论 设V为一个有限维内积空间,且设T为V上一个线性算子,对V的任意标准正交基,$ T^{ * } $的矩阵是矩阵T的共轭转置

定义 设T为有限维向量空间V上的一个线性算子,则我们说T在V上有一个adjoint如果存在V上一个线性算子 $ T^{ * } $使得 $ (T\alpha | \beta) = (\alpha | T^{ * } \beta) $,对V中所有 $ \alpha, \beta $

定理 9 设V为一个有限维内积空间,如果T和U为V上线性算子且c为一个常量

(i) $ (T + U)^{ * } = T^{ * } + U^{ * } $

(ii) $ (cT)^{ * } = \bar{c} T^{ * } $

(iii) $ (TU)^{ * } = U^{ * } T^ { * } $

(iv) $ (T^{ * })^{ * } = T $

一个线性算子T有 $ T = T^{ * } $则称为self-ajdoint(或Hermitian)

Unitary Operators

定义 设V和W是某个域上的内积空间,且设T为从V到W的线性转换,我们说T保留内积如果 $ \forall \alpha, \beta \in V, (T\alpha | T \beta) = (\alpha | \beta) $。一个V到W的isomorphism是一个从V到W的向量空间isomorphism T保留内积

定理 10 设V和W是某个域上的有限维内积空间,有相同的维数。如果T是从V到W的线性转换,如下描述等价

(i) T保留内积

(ii) T是一个(内积空间)isomorphism

(iii) T把V的每个标准正交基映射到W的每个标准正交基

(iv) T把V的某些标准正交基映射到W的一个标准正交基

推论 设V和W是某个域上的有限维内积空间,则V和W是isomorphic当且仅当它们有相同的维数

定理 11 设V和w是某个域上的内积空间,且设T为从V到W的线性转换,则T保留内积当且仅当在V中 $ || T\alpha || = || \alpha || $

定义 在一个内积空间中的unitary算子是空间到它自身的isomorphism

定理 12 设U为一个内积空间中的一个线性算子,则U是unitary的当且仅当U的adjoint $ U^{ * } $存在且 $ UU^{ * } = U^{ * }U = I $

定义 一个 $ n \times n $复数矩阵被称为unitary的如果 $ A^{ * } A = I $

定理 13 设V为一个有限维内积空间且设U为一个V上的线性算子,则U为unitary当且仅当U的矩阵在某些(或每个)有序标准正交基下是一个unitary矩阵

定义 一个实数或复数 $ n \times n $矩阵A被称为正交的,当 $ A^{ t }A = I $

定理 14 对每个可逆复数 $ n \times n $矩阵B存在一个唯一对角线上带正数的下三角矩阵M使得MB是unitary的

设 $ T^{ + }(n) $记为所有复数 $ n \times n $主对角线上为正数的下三角矩阵的集合

设U(n)为所有 $ n \times n $unitary矩阵的集合,其是一个群

设GL(n)记为所有可逆复数 $ n \times n $矩阵的集合,则GL(n)也是矩阵乘法的群,该群被称为一般线性群

推论 对GL(n)中每个B存在唯一的矩阵N和U使得N在 $ T^{ + }(n) $中,U在U(n)中且

$ \begin{equation} B = N \cdot U \end{equation} $

定义 设A和B为复数 $ n \times n $矩阵,我们说B unitarily equivalent to A如果有一个 $ n \times n $的unitary矩阵P使得 $ B = P^{-1}AP $,我们说B是与A正交相当的如果有一个 $ n \times n $正交矩阵P使得 $ B = P^{-1}AP $

Normal Operators

定义 设V为一个有限维内积空间且T为V上一个线性算子。我们说T是normal的如果它可跟它的adjoint交换,例如,$ TT^{ * } = T^{ * } T $

定理 15 设V为一个内积空间且T为V上一个self-adjoint线性算子,则T的每个特征值是实数的,且T的不同特征值的特征向量是正交的

定理 16 在有限维内积空间的正维度上,每个self-adjoint算子有一个(非零)特征向量

定理 17 设V为一个有限维内积空间且设T为V上任意线性算子,假设W为V的子空间在T下invariant,则W的正交补在 $ T^{ * } $下invariant

定理 18 设V为一个有限维内积空间且T为V上一个self-adjoint线性算子,则有一个V的标准正交基,其每个向量是T的一个特征向量

推论 设A为 $ n \times n $Hermitian(self-adjoint)矩阵。则有一个unitary矩阵P使得 $ P^{-1}AP $是对角化的(A相当于一个对角矩阵)。如果A是一个实对称矩阵,有一个实正交矩阵P使得 $ P^{-1}AP $是对角化的

定理 19 设V为一个有限维内积空间且T为V上一个normal算子,假设 $ \alpha $是V中一个向量,则 $ \alpha $是T特征值c的特征向量当且仅当 $ \alpha $是 $ T^{ * } $的特征值 $ \bar{c} $的特征向量

定义 一个复数 $ n \times n $矩阵A被称为normal的如果 $ AA^{ * } = A^{ * } A $

定理 20 设V为一个有限维内积空间,T是V上的一个线性算子,且 $ \mathcal{B} $是V的一个标准正交基。假设T在基 $ \mathcal{B} $下的矩阵A是上三角的,则T是normal当且仅当A是一个对角矩阵

定理 21 设V为一个复数有限维内积空间且设T为V上任意线性算子。则有一个V的标准正交基使得T的矩阵是一个上三角的

推论 对每个复数 $ n \times n $矩阵A有一个unitary矩阵U使得 $ U^{-1}AU $是上三角的

定理 22 设V为一个复数有限维内积空间且设T为V上一个normal算子,则V有一个标准正交基包含T的特征向量

推论 对每个normal矩阵A有一个unitary矩阵P使得 $ P^{-1}AP $是一个对角矩阵