紧算子：仍然像矩阵一样规矩的那一类

哪里出错，紧性又拯救了什么

一般的有界算子可能拒绝拥有任何一个特征值（移位就是其一），于是第一卷整套特征值/对角化机器无处着力。我们需要一个子类，使其保留足够的有限维刚性，让特征值得以存在并守规矩。这个子类就是紧算子。

紧算子 T 把（无穷且非紧的）单位球映成一个其闭包*确实*紧的集合——等价地说，每个有界序列 (x_n) 都有一个使 (T x_n) 收敛的子列。最干净的心智模型是：T 是一个有界算子，且是有限秩算子在算子范数下的极限。紧算子“近乎有限维”，这正是矩阵直觉得以回归的原因。

紧自伴算子的谱定理

这就是让紧性值得定义的回报。紧自伴算子的谱定理说：一个紧自伴算子 T 拥有一组带实特征值 {lambda_k} 的特征向量标准正交系 {e_k}，且 T x = sum lambda_k <x, e_k> e_k。这正是第一卷的谱定理 A = Q D Q^T 几乎逐字搬入无穷维——唯一的变化是有限和变成了无穷和。

Compact self-adjoint T:  the eigenvalue picture

  eigenvalues are real:        lambda_1, lambda_2, lambda_3, ...
  ordered by size:             |lambda_1| >= |lambda_2| >= ... 
  the ONLY accumulation point of {lambda_k} is 0:
        lambda_k -> 0  as k -> infinity.
  each nonzero lambda_k has FINITE-dimensional eigenspace.

Diagonal action (a Fourier-style expansion):
        T x = sum_k  lambda_k <x, e_k> e_k

Compare Vol I:   A x = sum_k  lambda_k <x, q_k> q_k   (finite sum)
Same formula -- the leap to infinity cost us only:
  (a) infinitely many eigenvalues, and
  (b) they must pile up at 0 (an infinite-dim necessity).

紧自伴算子的对角化与对称矩阵如出一辙——但特征值只能堆积于 0。

无穷维强制了一处结构细节：特征值只能在 0 处堆积。它们可以有无穷多个，但对任意阈值，超过它的只有有限个。这与让第一卷的奇异值分解与低秩逼近奏效的会计法则同出一辙——在最大的几个特征值之后截断，便得到 T 的最佳低秩逼近。

弗雷德霍姆择一律：求解 (T - lambda I) x = y

紧性还拯救了线性方程组的存在唯一性理论。对紧算子 T 与 lambda != 0，弗雷德霍姆择一律恢复了你从线性方程组熟知的那个精确的有限维二分律：要么 (T - lambda I) x = y 对每个 y 都有唯一解，要么齐次方程 (T - lambda I) x = 0 有非平凡解。二者必居其一——绝不两者皆成立，也绝不两者皆不成立。