算子

算子（Operator）

一句话定义

算子是向量空间到自身的线性映射 $T:V\to V$。研究算子的结构（特征值、上三角化、对角化）是全书后半段的核心目标。

算子 vs 一般线性映射

	一般线性映射	算子
定义域→值域	$V\to W$	$V\to V$
研究重点	核、值域、维数	特征值、结构分解
核心工具	维数公式	特征值、最小多项式

算子是线性映射的特殊情况，但这个”特殊”带来了全新的结构理论。

算子分类（LADR 章节脉络）

第 5 章：复向量空间上的算子（结构起点）

• 不变子空间：$U$ 在 $T$ 下不变 $\iff$ $Tu\in U$
• 特征值/特征向量：$Tv=\lambda v$
• 最小多项式：唯一首一零化多项式，决定算子全部结构
• 上三角化：每个复算子都关于某基有上三角矩阵（Schur 分解）
• 可对角化：特征向量够用时，矩阵是对角矩阵

第 6 章：内积空间（几何化）

• 内积 $⟨v,w⟩$ 赋予空间长度和角度
• 伴随 $T^{\ast }$：满足 $⟨Tv,w⟩=⟨v,T^{\ast }w⟩$
• 规范正交基：Gram-Schmidt 正交化

第 7 章：内积空间上的算子（精细分类）

算子类型	定义	核心性质
自伴算子	$T^{\ast }=T$	特征值全为实数
正规算子	$T{T}^{\ast }=T^{\ast }T$	规范正交特征向量基
正算子	$⟨Tv,v⟩\ge 0$	$T=R^{\ast }R$，唯一正平方根
幺正算子	$T^{\ast }T=I$	$\Vert Tv\Vert =\Vert v\Vert$，保持范数

谱定理（7.29/7.31）：正规算子 $\iff$ 关于规范正交基对角化

SVD（7.70）：对任意 $T:V\to W$，$T=U\Sigma V^{\ast }$ 是”旋转—拉伸—旋转”

第 8 章：广义理论与最简形式

• 广义特征向量：$(T-\lambda I{)}^{k}v=0$（特征向量的推广）
• 幂零算子：$T^m=0$
• 广义特征空间分解：$V=G({\lambda }_1,T)\oplus \cdots \oplus G({\lambda }_m,T)$
• 若当型：最完整的矩阵描述——即使不可对角化也有若当基

核心分解定理

分解	适用算子	章节
特征空间分解	可对角化算子	5D
谱定理	自伴/正规算子	7B
SVD	任意线性映射	7E
广义特征空间分解	任意复算子	8B
若当型	任意复算子	8D

与其他概念的联系

• eigenvalue：特征值是研究算子的核心工具——算子的”DNA”
• inner-product-space：内积空间赋予额外几何结构（伴随、正交）
• spectral-theorem：谱定理是算子理论的皇冠
• jordan-form-theorem：若当型是算子最完整的描述

章节定位

算子理论是 LADR 的高潮。第 5-8 章研究从”有特征值”（可对角化）到”没有足够特征值”（若当型）的完整图景。

详见：第5章 复向量空间上的算子 — 章节汇总、第7章 内积空间上的算子 — 章节汇总、第8章 复向量空间上的算子 — 章节汇总