maths.free › Functional Analysis › Hilbert spaces and the spectral theorem

Hilbert spaces and the spectral theorem

Inner products, orthonormal bases, Fourier series, and eigenvalues of operators.

An inner product gives angles and projections; an orthonormal basis expands any vector: Fourier series are exactly this in L². Self-adjoint operators have real spectrum and an eigen-decomposition, the infinite-dimensional version of diagonalising a symmetric matrix. Picture it: the symmetric matrix [[2,1],[1,2]] stretching along two perpendicular eigenvectors. Think it: quantum observables are self-adjoint operators; measurement outcomes are their spectrum.

Δουλεμένο παράδειγμα · eigenvalues of [[2,1],[1,2]]

Linear-Algebra · Eigenvalues

Eigenvalues of [[2,1],[1,2]]

\left[\begin{matrix}2 & 1\\1 & 2\end{matrix}\right]

Βήμα προς βήμα

  1. \det(A - \lambda I) = 0

    Eigenvalues are the roots of the characteristic polynomial.

  2. \det\left[\begin{matrix}2 - \lambda & 1\\1 & 2 - \lambda\end{matrix}\right] = 0

    Subtract λ from the diagonal.

  3. \lambda^{2} - 4 \lambda + 3 = 0

    Expand the determinant.

  4. \left(\lambda - 3\right) \left(\lambda - 1\right) = 0

    Factor.

  5. \lambda = 3, \lambda = 1

    Eigenvalues (with multiplicity).

  6. \lambda = 1:\ (A - \lambda I)\mathbf{v} = 0 \Rightarrow \mathbf{v} = \left[\begin{matrix}-1\\1\end{matrix}\right]

    Solve (A − 1I)v = 0 for a basis eigenvector.

  7. \lambda = 3:\ (A - \lambda I)\mathbf{v} = 0 \Rightarrow \mathbf{v} = \left[\begin{matrix}1\\1\end{matrix}\right]

    Solve (A − 3I)v = 0 for a basis eigenvector.

Αποκάλυψέ την.
\lambda = 3,\; \lambda = 1

Τώρα εσύ. Επιλέξτε ένα πρόβλημα, ή πληκτρολογήστε ή σχεδιάστε το δικό σας.

Να δουλεύεις μόνος σου.

Ένας δωρεάν λογαριασμός προσθέτει σημειώσεις σε κάθε μάθημα, ένα αρχείο του τι έχετε τελειώσει, λύθηκαν προβλήματα σας σε ένα μέρος, και ένας δάσκαλος που μπορείτε να ρωτήσετε για αυτή τη σελίδα.

Υπογράψτε Σύνδεση

Σύμβολα που χρησιμοποιούνται εδώ

Χτυπήστε οποιοδήποτε σύμβολο για τον πλήρη ορισμό, μια εικόνα, και τι σημαίνει κάθε γράμμα σε αυτό.

Πώς να: Hilbert spaces and the spectral theorem

  1. Eigenvalues are the roots of the characteristic polynomial.
  2. Subtract λ from the diagonal.
  3. Expand the determinant.
  4. Factor.
  5. Eigenvalues (with multiplicity).
  6. Solve (A − 1I)v = 0 for a basis eigenvector.
  7. Solve (A − 3I)v = 0 for a basis eigenvector.

Ερωτήσεις που κάνουν οι άνθρωποι

What is a Hilbert space?

A vector space with an inner product (so lengths and angles make sense) that is complete (no missing limit points). Square-integrable functions form one; quantum states live in one.

Περισσότερα σε Functional Analysis

Normed and Banach spaces