1 基本概念
自伴算子是希尔伯特空间中最重要的一类线性算子之一。它的核心特征是“等于自身的伴随”，这使其在内积结构下具有很强的对称性，并由此带来实谱、正交分解等性质。理解自伴算子，通常需要先从内积空间、算子定义域以及伴随算子的构造入手。
1.1 内积空间与希尔伯特空间
内积空间是带有内积的线性空间。内积不仅给出向量长度和夹角，还允许定义正交、投影与完备性等概念。若一个内积空间在由内积诱导的范数下是完备的，则称为希尔伯特空间。
希尔伯特空间是自伴算子理论的基本舞台。有限维情形下，它可与复欧几里得空间类比；无限维情形下，则更适合描述函数空间，例如平方可积函数空间。许多重要算子在这类空间上才具有自然的谱分析框架。
1.2 线性算子与稠密定义
线性算子是从一个线性空间到自身或另一线性空间的线性映射。在希尔伯特空间中，许多算子并不能对整个空间都定义，而只在某个子空间上有意义，这类算子称为有定义域限制的算子。
如果一个算子的定义域在希尔伯特空间中稠密，就意味着任意向量都可以被定义域中的向量任意逼近。稠密定义对于伴随算子的存在尤为关键，因为伴随算子通常依赖于内积表达式在稠密子空间上的连续延拓。
1.3 伴随算子的定义
给定算子 \(T\)，若存在另一个算子 \(T^*\)，使得对定义域中适当的向量，满足 \[ \langle Tx, y\rangle = \langle x, T^*y\rangle, \] 则称 \(T^*\) 为 \(T\) 的伴随算子。伴随算子反映了原算子在内积结构中的“转置”关系，是刻画对称性的重要工具。
1.3.1 有界算子的伴随
对于有界线性算子，伴随算子总是良好定义的，并且同样是有界的。此时伴随算子与矩阵情形中的共轭转置类似，满足 \[ \langle Tx, y\rangle = \langle x, T^*y\rangle \] 对所有向量都成立。
在有限维空间中，有界算子的伴随对应于矩阵的共轭转置；若矩阵元素为实数，则退化为转置矩阵。这一对应关系使得有限维情形非常直观。
1.3.2 非有界算子的伴随
许多重要算子是非有界的，例如微分算子。对于这类算子，伴随的定义需要更谨慎地处理定义域。只有当某个向量 \(y\) 使得映射 \[ x \mapsto \langle Tx, y\rangle \] 在原定义域上是连续线性泛函时，才能通过 Riesz 表示定理定义对应的 \(T^*y\)。
因此，非有界算子的伴随不仅涉及算子的表达式，还强烈依赖定义域的选择。不同定义域可能导致完全不同的伴随结构。
1.4 自伴算子的定义
若一个稠密定义算子满足 \(T=T^*\)，则称其为自伴算子。这里的“相等”不仅要求表达式一致，还要求定义域也一致。因此，自伴性是一个比单纯对称性更强的条件。
自伴算子通常具有实谱、良好的函数演算以及稳定的谱分解，因而在理论与应用中都极为重要。
1.4.1 对称算子与自伴算子的区别
对称算子只要求 \[ \langle Tx, y\rangle = \langle x, Ty\rangle \] 在其定义域内成立，等价地说，满足 \(T\subseteq T^*\)。但这并不意味着 \(T\) 已经等于自己的伴随，因为伴随算子的定义域可能更大。
自伴算子则要求不仅形式对称，而且定义域完全匹配。换言之，自伴算子是“没有遗漏边界条件”的对称算子。很多微分算子在初始定义下只是对称的，经过合适的边界条件补充后才成为自伴算子。
1.4.2 自伴算子的等价表述
在希尔伯特空间中，自伴算子可通过多种等价方式刻画。对稠密定义算子而言，若它等于自己的伴随，则自伴；若其图像在图范数下满足相应的闭性条件，也可得到等价判别。对于有界算子，自伴性还可表述为算子等于其共轭转置。
这些等价表述的意义在于，它们分别从内积关系、定义域结构和分析延拓角度揭示了自伴算子的本质。
2 基本性质
自伴算子之所以重要，很大程度上源于其一系列稳定而强的性质。这些性质使得它们既适合理论分析，也便于具体计算。
2.1 谱为实数
自伴算子的谱包含于实数轴，这是其最显著的性质之一。直观上，若算子代表某种可观测量或能量变化，那么实谱意味着其“结果”不会出现复数意义上的偏离。
这一性质可通过内积恒等式导出：若 \(Tx=\lambda x\) 且 \(x\neq 0\)，则 \[ \lambda \langle x,x\rangle = \langle Tx,x\rangle = \langle x,Tx\rangle = \overline{\lambda}\langle x,x\rangle, \] 从而 \(\lambda\) 必为实数。对于一般谱点，结论可由谱理论进一步推广。
2.2 正交性与特征向量性质
属于不同特征值的自伴算子特征向量彼此正交。这一性质使得自伴算子的结构非常适合展开和分解。在线性代数中，实对称矩阵可被正交对角化，正是这一原理的有限维体现。
当特征值存在重数时，对应特征子空间内部仍可选取正交基。由此，整个空间往往能够按互相正交的分量分解，便于求解线性方程、偏微分方程以及振动问题。
2.3 二次型与能量解释
自伴算子可诱导二次型 \[ Q(x)=\langle Tx,x\rangle, \] 它通常为实数。该二次型常被解释为能量、势能或某种广义“代价函数”。在物理和优化中，这种表示尤为自然，因为系统状态的稳定性往往与二次型的符号和下界密切相关。
若自伴算子是正的或半有界的，则二次型具有额外的控制性，可用于研究解的存在性、稳定性以及最小化问题。
2.4 自伴算子的闭性
自伴算子必然是闭算子。闭性意味着：若定义域中的序列及其像都收敛，那么极限点仍落在算子图像中。这一性质对于非有界算子尤其重要，因为它保证了算子在极限过程中的一致性。
2.4.1 闭算子与闭包
若算子的图像在乘积空间中是闭集，则称该算子为闭算子。对于非闭算子，常可考虑其闭包，即在保持原有作用规律的前提下作最小闭延拓。闭包提供了一种将“良性部分”完整化的手段。
在许多分析问题中，闭包后的算子比原始算子更适合做谱分析或边值问题研究。
2.4.2 自伴性与闭性关系
自伴性强于闭性，但闭性并不推出自伴性。一个闭算子仍可能只是对称而非自伴，因为其伴随的定义域可能更大。反过来，自伴性通常意味着定义域和伴随完全一致，从而自动闭合。
因此，在实际构造中，常先验证对称性和闭性，再进一步检查是否达到自伴层次。
3 典型定理
自伴算子的理论核心集中在谱定理及其相关扩张结果上。这些定理把抽象算子转化为可分解、可积分的对象，为应用提供了统一框架。
3.1 谱定理
谱定理是自伴算子理论中最重要的成果之一。它说明自伴算子可通过投影值测度进行分解，从而类似于“连续对角化”。
3.1.1 有界自伴算子的谱定理
对于有界自伴算子，谱定理可表述为：存在一个投影值测度，使算子可以写成关于谱变量的积分形式。有限维情形下，这就是正交对角化；无限维情形下，则对应于离散与连续谱的统一处理。
该定理使函数演算成为可能，即可对自伴算子定义 \(f(T)\)，只要 \(f\) 在谱上有适当意义。
3.1.2 无界自伴算子的谱定理
无界自伴算子的谱定理形式更为精细，但核心思想相同：通过谱测度把算子表示为积分。此时算子的定义域不再是整个空间，而是由谱积分的可积性条件决定。
这一定理在微分算子和量子哈密顿算子中极为重要，因为这些算子往往天然是无界的。
3.2 解析向量与扩张定理
解析向量是指对算子幂作用具有良好收敛性质的向量。若一个稠密集合中的向量都是某算子的解析向量，则常可借助相关定理推出算子的自伴性或唯一扩张性质。
这类结果为判别自伴性提供了一个强有力的工具，尤其适用于某些由微分表达式定义的算子。
3.3 Friedrichs 扩张
Friedrichs 扩张用于处理半有界对称算子的自伴扩张问题。它给出一种“最自然”的自伴扩张，通常与闭二次型直接相关。
在偏微分方程与变分法中，Friedrichs 扩张尤为常见，因为它可以把一个局部对称但未必自伴的微分表达式，转化为具备良好下界性质的自伴算子。
3.4 自伴延拓问题
并非所有对称算子都自伴，因此常需要研究它们是否存在自伴延拓，以及延拓是否唯一。这一问题的答案取决于算子的定义域结构和缺陷空间。
3.4.1 缺陷指数
缺陷指数衡量的是对称算子距离自伴性的“差距”。它由两个缺陷空间的维数构成，分别对应算子与其伴随在上半平面和下半平面的解空间。
若两个缺陷指数相等，则存在自伴扩张；若二者都为零，则原算子本身已自伴。这一判据在具体算子分析中非常实用。
3.4.2 自伴扩张的判别
自伴扩张是否存在，往往可通过缺陷指数、边界条件或定义域补全来判断。若缺陷指数相等但不为零，则通常有多个不同的自伴扩张；若不相等，则不存在自伴扩张。
这说明，自伴性在很大程度上由边界行为决定，而不只是由算子形式决定。
4 具体例子
自伴算子的抽象理论，最终往往要落实到具体算子上。矩阵、微分算子与积分算子是最常见的例子来源。
4.1 矩阵中的实对称矩阵
有限维情形下，实对称矩阵是自伴算子的典型代表。对于实内积空间，转置等于自身的矩阵对应自伴算子；在复内积空间中，则应将转置替换为共轭转置。
实对称矩阵可被正交矩阵对角化，其特征值全为实数，特征向量可取为正交归一基。这正是自伴算子理论的最直接例证。
4.2 微分算子
微分算子通常是非有界的，因此其自伴性问题比矩阵更复杂。它们是否自伴，往往取决于定义域和边界条件。
4.2.1 Sturm-Liouville 算子
Sturm-Liouville 算子是经典的一类二阶微分算子，常写成 \[ -(p(x)y')' + q(x)y. \] 在适当的权函数、区间和边界条件下，它可成为自伴算子，并导出一套正交特征函数系。
这类算子广泛出现在振动、热传导和量子一维模型中，是谱展开的基本工具。
4.2.2 拉普拉斯算子
拉普拉斯算子是多变量分析中的核心微分算子，形式上为各坐标二阶偏导之和。它在适当的边界条件下可成为自伴算子，例如在有界区域配以 Dirichlet 或 Neumann 条件时。
由于其与扩散、波动和势场问题密切相关，拉普拉斯算子的自伴性直接影响解的正则性与谱结构。
4.3 积分算子
某些积分算子在核函数满足对称条件时会是自伴的。若核 \(K(x,y)\) 满足 \[ K(x,y)=\overline{K(y,x)}, \] 则对应算子通常具有自伴性质。
这类算子在边界积分、Fredholm 理论和信号处理中特别常见。与微分算子相比，积分算子往往更易满足有界性条件。
4.4 量子力学中的哈密顿算子
哈密顿算子描述量子系统的总能量，是自伴算子最著名的应用对象之一。其自伴性保证能量观测值为实数，并使时间演化具有良好性质。
在量子理论中，哈密顿算子的谱结构对应系统可能的能级。正因为如此，自伴性不仅是数学条件，也直接关系到物理可解释性。
5 判别方法
在实际问题中，判断一个算子是否自伴，常需要结合伴随、边界条件和定义域等多方面信息。
5.1 通过伴随算子验证
最直接的方法是计算算子的伴随，并比较原算子与伴随是否一致。若二者不仅形式相同，且定义域也相同，则可确认自伴。
对于有界算子，这一过程较为简单；对于非有界算子，则需要先找出伴随的定义域，再判断是否完全匹配。
5.2 通过边界条件判别
许多微分算子是否自伴，关键在边界条件。即便微分表达式是对称的，若边界条件不完整或不匹配，算子也可能只是对称而非自伴。
因此，实际判别中常通过积分分部公式检查边界项是否消失，以确认算子在给定定义域上确实满足自伴要求。
5.3 通过定义域比较判别
自伴性不仅看算子作用公式，还必须看定义域。若 \(T\subseteq T^*\) 但定义域严格较小，则仅为对称算子；只有当定义域与伴随完全一致时，才是自伴算子。
这种方法在非有界算子理论中尤为关键，因为定义域常常是问题的核心。
5.4 通过对称性与满射性判别
对于某些情形，可借助对称性与算子的像空间性质来判别自伴性。若一个对称算子满足适当的满射条件，往往可推出其自伴性。相关结果常与 Cayley 变换或 resolvent 的性质结合使用。
这类判别方法在抽象理论中较常见，也便于与谱定理衔接。
6 应用领域
自伴算子的应用横跨多个数学与物理分支，其共同点是都需要良好的谱结构、实值结果和可分解性。
6.1 数学物理
在数学物理中，自伴算子用于表示能量、动量和其他守恒量相关的线性操作。其自伴性保证模型具有合理的数学基础，也利于建立守恒律与稳定性分析。
6.2 偏微分方程
许多偏微分方程可转化为自伴算子的谱问题。通过研究算子的特征值和谱分布，可以分析解的存在性、唯一性及渐近行为。
6.3 谱理论
谱理论本身与自伴算子密不可分。自伴算子提供了谱分解、函数演算和谱测度的标准模型，因此是现代谱分析的中心对象。
6.4 量子力学
量子力学中，可观测量通常由自伴算子表示。其谱对应测量结果，谱分解则对应态的展开。自伴性因此不仅是形式要求，也是物理可测性的基础。
6.5 稳定性与最优化
在稳定性分析中，自伴算子的二次型常用于判断平衡态是否稳定。在最优化中，它们可作为二阶条件的线性化模型，帮助识别极小值、鞍点与约束结构。
7 相关概念
自伴算子与若干其他算子类别关系紧密，常需要区分其概念边界。
7.1 对称算子
对称算子满足内积交换关系，但未必与自身伴随完全相等。它是自伴算子的前一层概念，也是很多延拓问题的起点。
7.2 正规算子
正规算子满足与其伴随交换的条件，即 \(TT^*=T^*T\)。自伴算子是正规算子的特殊情形，因此继承了部分良好性质，但范围更窄。
7.3 正算子
正算子满足 \(\langle Tx,x\rangle \ge 0\)。自伴正算子在谱上具有非负性，并常与能量泛函和半群理论联系在一起。
7.4 酉算子
酉算子保持内积不变，代表长度和角度都不变的变换。它们与自伴算子不同，但可通过指数映射与谱理论联系起来，常见于时间演化描述。
7.5 半有界算子
半有界算子是指其二次型有下界或上界的算子。许多重要的自伴扩张理论，尤其是 Friedrichs 扩张，都建立在半有界条件之上。