6-3. 정규/ 자기수반연산자- 유니타리/직교 연산자
4. 왜 정규연산자와 자기수반연산자란 개념이 중요할까?
- 선형연산자가 대각화 가능한지 판별할 수 있기 때문이다
- 유한차원 복소내적공간 V와 V의 선형연산자 T가 있다하자. 다음의 두 명제는 동치이다
- T는 정규연산자이다
- T는 대각화가능하다
- 유한차원 실내적공간 V와 V의 선형연산자 T가 있다하자. 다음 두 명제는 동치이다
- T는 자기수반연산자이다
- T는 대각화가능하다
4-1. 그래서 정규연산자와 자기수반연산자의 정의는 무엇인가?
- 조건
- 내적공간 V와 선형연산자 T가 있다고 하자
정규연산자 normaloperator
- 정의
- TT∗=T∗T인 선형연산자 T를 정규연산자라고 부른다
자기수반연산자 self−adjoint / 에르미트 연산자 hermitian
- 정의
- T=T∗ 인 선형연산자 T를 자기수반연산자라고 부른다
이에 따라오는 정규연산자 성질
- 조건
- 내적공간 V와 정규연산자 T가 있다 하자
- 임의의 벡터 x∈V 임의의 스칼라 c∈F 가 있다하자
- T(v)=λv를 만족시키는 고유값 λ와 고유벡터 v가 있다하자
- T(v1)=λ1v1,T(v2)=λ2v2를 만족시키는 v1,v2,λ1,λ2가 있다하자
- 정리
- ∥T(x)∥=∥T∗(x)∥ 이다
- T−cI는 정규연산자이다 (T−cI)(T−cI)∗=(T−cI)∗(T−cI)
- T∗(v)=λˉ(v)가 성립하여 고유벡터 v 는 고유값 λˉ에 대응하는 T∗의 고유벡터이기도 하다
- λ1=λ2 이면 v1과 v2는 직교한다
- 증명
- ⟨T(x),T(x)⟩=⟨x,T∗T(x)⟩=⟨x,TT∗(x)⟩=⟨T∗(x),T∗(x)⟩
- (T−cI)(T−cI)∗=(T−cI)(T∗−cˉI)=(TT∗−cˉT−cT∗+ccˉ)
- (T−cI)∗(T−cI)=(T∗−cˉI)(T−cI)=(T∗T−cT∗−cˉT+ccˉI)
- TT∗=T∗T 이므로 (T−cI)(T−cI)∗=(T−cI)∗(T−cI)
- 0=⟨(T−λI)(v),(T−λI)(v)⟩=⟨(T−λI)∗(v),(T−λI)∗(v)⟩
- (T∗−λˉI)(v)=0
- ⟨T(v1),v2⟩=λ1⟨v1,v2⟩=⟨v1,T∗(v2)⟩=⟨v1,λ2ˉv2⟩=λ2⟨v1,v2⟩
- (λ1−λ2)⟨v1,v2⟩=0
- λ1=λ2 라면 ⟨v1,v2⟩ 이 0 → 직교
이에 따라오는 자기수반연산자 성질
- 정리
- 자기수반연산자 T의 모든 고유값은 실수이다
- 증명
- T(v)=λv를 만족시키는 고유벡터 v와 고유값 λ가 존재한다고 하자
- ⟨T(v),v⟩=λ⟨v,v⟩=⟨v,T∗(v)⟩=⟨v,T(v)⟩=λˉ⟨v,v⟩
- (λ−λˉ)⟨v,v⟩=0
- 고유벡터는 정의상 non−zero 벡터이므로 λ=λˉ
5. 유니타리/직교 연산자의 정의
- 유니타리/직교 연산자는 길이를 보존하는 연산자다
- 조건
- 유한차원 F- 벡터공간 V의 선형연산자 T가 있다 하자
- 정의
- F=C 일 때 모든 x∈V에 대해 ∥T(x)∥=∥x∥인 연산자 T를 유니타리 연산자unitaryoperator라고 정의한다
- F=R 일 때 모든 x∈V 에 대해 ∥T(x)∥=∥x∥인 연산자 T를 직교 연산자orthogonaloperator라고 정의한다
이에 따라오는 성질
- TT∗=T∗T=I
- 모든 x,y∈V에 대해 ⟨T(x),T(y)⟩=⟨x,y⟩이다
- V의 정규직교기저 β에 대해 T(β)도 정규직교기저이다
- 증명
- 보조정리를 먼저 증명하자
- 내적공간 V의 자기수반연산자 U가 있다하자. 모든 x∈V에 대해 ⟨x,U(x)⟩=0 이면 U=T0이다
- ⟨x+U(x),U(x+U(x))⟩=⟨x+U(x),U(x)+U2(x)⟩=
- ⟨x,U(x)⟩+⟨x,U2(x)⟩+⟨U(x),U(x)⟩+⟨U(x),U2(x)⟩
- =0+⟨x,U2(x)⟩+∥U(x)∥2+0=⟨x,U∗U(x)⟩+⟨x,U2(x)⟩=2∥U(x)∥2=0
- forallx∈V∥U(x)∥=0 이므로 U=T0
- 0→1∣ ⟨T(x),T(x)⟩=⟨x,T∗T(x)⟩=⟨x,x⟩,⟨x,(T∗T−I)(x)⟩=0
- 보조정리에 의해 T∗T−I=T0
- 1→2∣ ⟨T(x),T(y)⟩=⟨x,T∗T(y)⟩=⟨x,y⟩
- 2→3∣ V의 정규직교기저를 β={v1,v2,...,vn}이라고 하자. T(β)={T(v1),T(v2),...,T(vn)}이다. ⟨T(vj),T(vk)⟩=⟨vj,T∗T(vk)⟩=⟨vj,vk⟩=δjk 이다
- 3→0∣V의 정규직교기저 β={v1,v2,...,vn}이라고 하자. x=∑i=1naivi로 적당한 스칼라 ai 가 있다하자
- ∥x∥2=⟨x,x⟩=⟨∑i=1naivi,∑j=1najvj⟩=∑i,jaiajˉ⟨vi,vj⟩=∑i∥ai∥2
- ∥T(x)∥2=⟨T(x),T(x)∥=⟨∑i=1naiT(vi),∑j=1najT(vj)⟩=∑i,jaiajˉ⟨T(vi),T(vj)⟩=∑ijajajˉδij=∑i∥ai∥2
5-2 용어들: 대칭과 회전
대칭 relfection
- 조건
- R2의 1차원 부분공간 L이 있다고 하자.
- L는 평면을 지나는 직선이다
- 정의
- 모든 x∈L에 대해 T(x)=x이고 x∈L⊥에 대해 T(x)=−x로 정의된 선형연산자 T를 L에 대한 R2의 대칭변환이라 정의한다
회전 rotation
- 조건
- R2평면이 있고, R2에 수직인 축이 있다 하자
- 정의
- R2의 수직인 축을 중심으로 θ 만큼 회전시키는 변환으로 길이를 보전한다
- T=(cosθsinθ−sinθcosθ)
5-3. 원뿔곡선과 대각화
- 원뿔곡선의 정의
- ax2+2bxy+cy2+dx+ey+f=0
- x,y 는 변수 a,b,c,d,e는 계수, f는 상수
- 계수를 어떻게 선택하냐에 따라 타원/포물선/쌍곡선의 그래프가 된다
- 이차형식 associatedquadraticform
- ax2+2bxy+cy2=d
- A=(abbc) x=(xy) 로 두었을 때
- xtAx=d 꼴로 표현 가능한 함수
- 대각화의 기능
- 행렬 A 를 대각화한 좌표계에서 바라본다면 혼합항(x,y가 동시에 곱해진 항)이 사라진다
대각화 방법
- 조건
- 선형변환 LA=T 로 표기하자
- Fn의 표준직교기저를 β , T의 고유벡터로 이루어진 직교기저를 γ라고 하자
- 정리
- ([x]β)t[T]β[x]β=d
- ([x]β)t[I]γβ([I]βγ[T]β[I]γβ)[I]βγ[x]β=d
- ([I]βγ[x]β)t([I]βγ[T]β[I]γβ)([I]βγ[x]β)=d
- (F=R 이므로 hermitian=transpose)
- x′=[I]γβ[x]β , D=[T]γ=[I]βγA[I]γβ 로 정의하자
- x′y′ 좌표계에선 혼합항이 사라지게 된다
- 계산 방법
- 행렬 A의 고유값 찾기 ⇒ 고유값이 행렬 D의 대각성분이 된다
- 고유값에 대응되는 고유벡터 찾기
- 고유값 λj에 대응되는 고유벡터 vj가 있다하자
- [I(vj)]β=[I]γβ[vj]γ=[vj]β
- colj([I]γβ)=vj 의 관계식을 활용하여 고유벡터로 이루어진 [I]γβ를 찾는다