无穷维空间与算子

点谱/连续谱/剩余谱

在有限维中,T - lambda I 要么可逆要么不可逆,而“不可逆”意味着存在特征向量——一种干净的失效方式。在无穷维中,T - lambda I 不可逆有三种不同方式,它们把谱切成三个有名字的部分。其中只有一个,即点谱,对应真正的特征值;另外两个是没有有限维影子的新现象。

精确地说,lambda 落在谱中并恰好归入某一部分。点谱:T - lambda I 不是单射,因而存在真正的特征向量——这就是特征值。连续谱:T - lambda I 是单射且值域稠密,但值域不是整个空间,逆无界。剩余谱:T - lambda I 是单射,但其值域甚至不稠密。这三部分合起来穷尽了谱。

每部分的感觉:点谱是熟悉的特征值情形,你能用非零的 v 解 T v = lambda v。连续谱是“近似特征值”情形——存在近似特征向量,即满足 ||(T - lambda I) u_n|| -> 0 的单位向量 u_n,却没有精确的特征向量。剩余谱标志一种不对称,它常常在过渡到伴随算子时消失,在那里往往以点谱的形式出现。

为什么这个分类重要:它解释了一个算子如何能有很大的谱却根本没有特征值。对自伴算子和正规算子,剩余谱为空且谱为实——这正是量子可观测量表现良好的原因:它们的连续谱刻画散射态,而它们的点谱给出具有锐利能级的束缚态。

right shift on ell^2: point spectrum empty, residual spectrum = open unit disc

右移算子根本没有特征值,却有一整个圆盘的剩余谱。

记忆钩子:点谱 = 存在特征向量;连续谱 = 单射、值域稠密但不闭、逆无界;剩余谱 = 单射、值域甚至不稠密。自伴算子没有剩余谱。

又称
spectral decomposition into parts谱的分类