紧自伴算子谱定理

这是那条让舒适的有限维图景几乎原封不动地存活到无穷维的定理。对称矩阵有一组完整的标准正交特征基和实特征值；希尔伯特空间上的紧自伴算子本质上拥有同样的东西——一组可数的标准正交特征基和实特征值——只多了一道由紧性规定的新褶皱：特征值必须向零进军。

精确地说：设 T 是希尔伯特空间 H 上的紧自伴算子。则 T 有至多可数个实特征值 lambda_1, lambda_2, ...，若为无穷多个则收敛到 0，每个非零特征值的特征空间是有限维的。相应的特征向量可取为标准正交的，在它们张成空间的闭包上 T 的作用为 T x = sum lambda_k <x, e_k> e_k。整个空间分解为这些特征向量加上 T 的核。

为什么在零处聚集是被迫的：若有无穷多个特征值都与 0 保持距离，相应的标准正交特征向量就会被映成长度有界却没有收敛子列的向量，与紧性矛盾。所以 0 是唯一允许的聚点——而 0 本身未必是特征值，但它对无穷维空间上的紧算子而言总落在谱中。

为什么重要：这是分离变量法、斯图姆-刘维尔理论、数学物理中的特征函数展开，以及推广到算子的奇异值分解背后严格的引擎。先做对角化 x = sum <x,e_k> e_k 再得 T x = sum lambda_k <x,e_k> e_k，正是把对称矩阵写成 Q D Q^T 的精确无穷维类比。