美文网首页量力而行
线性算符和矩阵4

线性算符和矩阵4

作者: Obj_Arr | 来源:发表于2021-04-16 16:51 被阅读0次

开始正题,线性算符作用于函数上,使一个函数变为另一个函数,而这个作用是线性的。也就是所满足性质

\ \hat{\a} \ is \ a \ linear\ operator

\hat{\a}(f+g) =\hat{\a} f +\hat{ \a} g

 \hat{\a}( cf)=c (\hat{\a}f )

直接讲线性算子可能比较抽象,让我们按照之前的顺序,从有限维线性空间开始。

关于n维向量空间,我们已经有了足够的了解,其中的元素就是n维向量,通过线性变换,我们可以从一个向量变化到另一个向量,可以写作L\vec{x}=\vec{y}。当我们选定了向量空间的一组基后,可以通过矩阵来表示这个线性变换;

A\vec{x}=\vec{y}

具体而言,就是

\sum_{i=1}^n A_{ij}x_i=y_j

,其中

\vec{x}=\sum_{i=1}^n x_i\vec{e_i}\vec{y}=\sum_{i=1}^n y_i\vec{e_i}

这样,在特定的一组基下,线性变换就表示成了n×n的矩阵。

于是,我们得到了结论,在有限维向量空间下,线性变换和矩阵有着密切的联系,通过选定一组基,可以实现他们的互相转化。这样的性质,形式上可以毫无困难的推广到无穷维的线性空间,只不过,此时的矩阵是无穷矩阵。

当然,具体上还有很多问题,比如收敛性问题,就比较复杂了。

让我们继续推广,在连续基向量空间上,该怎么处理呢?结合上面的例子,我们首先给出了一组基,然后将向量用这组基来表示,结果呢,向量在基上的系数关系就可以通过矩阵给出。

于是开始实践这一想法。

类比,得到了矩阵l,可是这个l不太像矩阵,反而像一个泛函,给出一个函数,作用后得到了另一个函数,这只是看上去而言的,当我们通过狄拉克函数选择某一个特定的基时,l依然保持着基的对应。于是最后我们就得到这样的式子。

LF=G

\int lf(x)dx=\int g(x)dx

其中

F=\int f(x)dx,G=\int g(x)dx

然后,就结束了。L是线性算符,假设连续基的取值范围是[a,b],那么l就是下标定义在[a,b]\times[a,b]上的矩阵,下标取定后就是一个数。考虑函数理论中的描述,这是一个双参数函数

l(\cdot ,\cdot):[a,b]\times[a,b]\to \mathbb R

就像一个张量,可以进行多重解读除了整体赋值,还可以分别对两个参数赋值,从而得到不同的函数

l(\cdot,x):[a,b]\to([a,b]\to\mathbb R)

上面这个表示一个参数索引的单参数函数族。

对应的还有这样的

l(x,\cdot):[a,b]\to([a,b]\to\mathbb R)

这种赋值过程的差异性是很有意思的,可以从一个对象得到不同的解释。

通过这种方法还可以揭示泛函的实质,上面是用数作为索引,得到函数,泛函使用函数作为索引,得到数。

\int:([a,b]\to\mathbb R)\to\mathbb R

这就是最常见的线性泛函,积分算子。

这个系列算是完结了,关于连续性的向量空间,也只是在形式上去推演一番,建立直观印象,具体的内容,了解不多,还需要进一步的学习。

最后,回想起最初的目的,是为了对量子力学产生更深的理解,在态的表示上面,这个任务可以说是完成了,态的表示,就是在本征态所构成的向量空间中对向量的表示,也可以认为是在态在态空间中的表示。对于算符也有了更深的理解,算符的作用就是从一个向量变换到另一个向量,也就是在态空间中从一个态变换到另一个态。

不过,量子力学还与另一个数学领域联系密切,那就是群表示,这又是一条漫长的学习之旅。

相关文章

  • 线性算符和矩阵4

    开始正题,线性算符作用于函数上,使一个函数变为另一个函数,而这个作用是线性的。也就是所满足性质 直接讲线性算子可能...

  • 线性算符和矩阵

    量子力学涉及的数学内容很多。最基础的就是波函数的表示问题了。 什么是波函数呢?初学时感觉就是一个关于坐标的复杂函数...

  • 线性算符和矩阵2

    要了解态与态的表示,首先,要理解向量空间的本质,到底什么是向量空间,为什么起这个名字。 最简单的例子就是线,平面,...

  • 线性算符和矩阵3

    上回说到了本征值在实数范围取值时,使用通常的手段就无法表示了。因为我们甚至无法显式的写出它的所有的基,就像我们无法...

  • 时间反演(2)量子力学

    这次学习的目标,是为了学习拓扑量子方面的知识。所以先把核心公式存档,方便查阅。 线性算符分配律:共轭: 反线性算符...

  • 零基础"机器学习"自学笔记|Note4:线性代数回顾

    4.线性代数回顾 4.1矩阵和向量 如图:这个是4×2矩阵,即4行2列。矩阵的维数即行数×列数。 向量是一种特殊的...

  • 线性代数——2. 矩阵及其运算

    1 线性方程组和矩阵 一、线性方程组 二、矩阵的定义 2.矩阵的运算 一、矩阵的加法 二、数与矩阵相乘 三、矩阵与...

  • [图解机器学习] 预备知识

    微积分 (求导,极限,极值) 线性代数(矩阵表示、矩阵运算、特征根、特征向量) 算法精确算法、近似算法、启发式算...

  • numPy综合使用

    .I 操作符实现了矩阵求逆的运算,eye(4)产生4×4的单位矩阵,相减可以得到误差。

  • 线性代数——6. 线性空间与线性变换

    1 线性空间的定义与性质 2 维数、基与坐标 4 线性变换 5 线性变换的矩阵表示式

网友评论

    本文标题:线性算符和矩阵4

    本文链接:https://www.haomeiwen.com/subject/deeelltx.html