泛函分析 06.04 线性算子的谱理论 - 紧线性算子的谱

$\color{blue}{\S 6.4 紧线性算子的谱}$

$\bullet 紧线性算子{\color{green}{把有界集映射成列紧集}}.$
$\bullet 紧线性算子是一类十分重要的{\color{red}{有界线性算子}}.$
$\bullet 紧线性算子几乎看作是{\color{blue}{有限维空间的线性算子}}的一种推广.$
$\bullet 紧线性算子的结构, 特别是{\color{green}{谱分解}}的结构,与$
${\color{blue}{有限维空间线性算子的谱分解结构}}十分相似.$
$紧线性算子{\color{red}{除了零点的谱集合, 仅仅包含至多可数个离散}}$
${\color{red}{的特征值(除了0点, 没有聚点).}}$
$\ast 紧线性算子有着十分广泛的应用背景.$

$\color{blue}{6.4.1 紧线性算子的定义和例}$

$定义 6.4.1 设 X, Y 是 {\color{blue}{Banach 空间}}, T:X \to Y 是$
$一个线性算子,$
$如果对于 X 中的任何 {\color{red}{有界子集}}, M, T(M)是列紧的,$
$则称 T 是一个{\color{green}{紧线性算子}}.$

$\bullet 列紧和自列紧的定义参阅本教材中的定义 1.3.22.$
$定义 1.3.22 设M是距离空间X的子集, 如果M中的每一个无穷点列都$
$有一个收敛的子列, 则称M是列紧的, 闭的列紧集称为是自列紧集.$

$\blacktriangleright 根据定义 6.4.1 我们有以下命题.$
$命题 6.4.2 T 是{\color{blue}{紧}}的当且仅当对于任何的{\color{blue}{有界点列}}$
$\lbrace x_n \rbrace \subset X, {\color{red}{点列 \lbrace Tx_n \rbrace 一定包含一个收敛的子列}}.$

$命题 6.4.3 设 T 是{\color{blue}{紧}}的, 则 T 一定是{\color{blue}{有界}}的.$
$证明:假如不然, T 是无界的, 则$
$存在点列\lbrace x_n \rbrace \subset X, \Vert x_n \Vert = 1, 且 \Vert Tx_n \Vert > n,$
$这与 {\color{red}{\lbrace Tx_n \rbrace 列紧}}矛盾.$
$注：下面的例子说明:{\color{green}{有界的线性算子不一定是紧的}}.$

$例 6.4.4 设 X = Y = l^2, I 是从 l^2 到 l^2 的 {\color{blue}{恒等算子}},$
$Ix = x, I 是{\color{blue}{有界线性算子}}, 但是I{\color{red}{不是紧的}}.$
$事实上, 考虑$
$\qquad \lbrace e_n | e_n = (0, 0, \cdots, {^1_n}, 0, \cdots) \rbrace,$
$显然 \lbrace e_n \rbrace 是有界的,$
$但{\color{blue}{其中没有收敛的子列}}, 所以I不是紧的.$

$定理 6.4.5 设 A = (a_{ij}) 是 {\color{green}{从 \mathbb{R}^n 到 \mathbb{R}^n 的线性算子}},$
$则 A 是紧线性算子.$
$证明: 由于 A 是有界线性算子, {\color{red}{A 把有界集映射成有界集}},$
$注意到 {\color{blue}{\mathbb{R}^n 中的有界集是列紧的}}$

$定理 6.4.6 设 T \in \mathscr{B}(X, Y), 且{\color{blue}{值域 \mathscr{R}(T)是有限维的}},$
$则 T 是 {\color{red}{紧线性算子}}.$
$证明: M \subset X 是一个有界子集, 由于 T 是有界线性算子,$
$T(M)是有界集,$
$而 \mathscr{R}(T) 是有限维的, 因此 T(M) 是列紧的.$
$注：显然只要 X, Y 中{\color{red}{有一个是有限维的}}, 则 X 到 Y的$
$有界线性算子是紧的. 如果 T 的值域是有限维的, T 称为$
$是 {\color{green}{有穷秩算子}}.$

$定义 6.4.7 设 X, Y 是 Banach 空间,$
$从 X 到 Y 的{\color{blue}{全体紧算子记为 \mathscr{K}(X, Y)}}, 特别地当$
${\color{green}{X = Y 时, 记为 \mathscr{K}(X)}}.$

$定理 6.4.8 设 X, Y 是 Banach 空间,$
$那么 \mathscr{K}(X, Y) 是 \mathscr{B}(X, Y) 的一个{\color{blue}{闭的线性子空间}}.$

$定理 6.4.9 设 X 是 Banach 空间, T_1, T_2 \in \mathscr{B}(X). 则$
$(1) T_1 和 T_2 中{\color{red}{有一个是紧的}}, 那么 T_1T_2是{\color{red}{紧}}的.$
$(2) T \in \mathscr{B}(X), {\color{blue}{T 是紧的}}当且仅当 {\color{blue}{T^{\ast} 是紧的}}.$

$定理 6.4.10 设 H 是 Hilbert 空间,$
$\qquad 线性算子 T \in \mathscr{B}(H) 是紧的,$
$当且仅当存在 \mathscr{B}(H) 中的{\color{green}{一列有穷秩算子}} T_n, 使得$
$\qquad {\color{blue}{\Vert T - T_n \Vert \to 0 (n \to \infty).}}$
$注1：定理 6.4.10 紧算子的有穷秩算子逼近,$
$\qquad 给出了{\color{blue}{紧算子的结构性构造}}.$
$\bullet 从上面的定理和后面紧算子谱的性质, 可看到紧算子是$
${\color{red}{有限维空间线性算子的一种“直接推广”}}.$
$注2：定理 6.4.10 成立的条件是{\color{blue}{在 Hilbert 空间}}.$

$\blacktriangleright 紧算子进一步的例$
$例 6.4.11 在 C[a, b] 中考虑{\color{red}{积分算子}} K （见例 4.1.20):$
$\qquad (Kx)(t) = \int_a^b k(t, s) x(s) ds \quad (6.4.1)$
$其中 k(t, s) \in C ([a, b] \times [a, b]), 那么 K 是{\color{blue}{从[a, b]}}$
${\color{blue}{到 C[a, b]的紧算子.}}$
$证明:设 B \subset C[a, b] 是{\color{red}{有界集}}, 即 \exists C > 0, 使得 \forall x \in B, 有$
$\Vert x \Vert \leq C. 令 M = \max \lbrace |k(t,s )| (t, s) \in [a, b] \times [a, b] \rbrace, 则$
$\qquad {\color{blue}{\Vert Kx \Vert = \max \limits _{t \in [a, b]} |\int_a^b k(t, s) x(s) ds | \\ \qquad \leq M(b-a) \Vert x \Vert \leq MC(b-a) (\forall x \in B).}}$
${\color{red}{即 K(B) 一致有界}}.$
$由于 k(t, s) 在[a, b] \times [a, b] 上{\color{red}{一致连续}}, 故对 \forall \varepsilon > 0,$
$存在 \delta > 0, 使得对 \forall t_1, t_2 \in [a, b] 和 \forall s \in [a, b], 当$
$|t_1 - t_2| < \delta 时, 有$
$\qquad |k(t_1, s) - k(t_2, s)| < \varepsilon.$
$于是对所有的 x \in B \subset C[a, b] 有,$
${\color{blue}{|(Kx)(t_1) - (Kx)(t_2)|}} = |\int_a^b [ k(t_1, s) - k(t_2, s) x(s) ds|$
$\qquad \leq \int_a^b |k(t_1, s) - k(t_2, s) | |x(s)| ds < \varepsilon C(b-a).$
$因此 \lbrace Kx | x \in B \subset C[a, b] \rbrace 是{\color{green}{等度连续}}的,$
$由 {\color{red}{Arzela 定理 1.3.26}}, K(B) 是 C[a, b] 中的列紧集.$
$于是 K 是一个紧算子({\color{blue}{从 C[a, b] 到 C[a, b]}})$

$\color{blue}{6.4.2 紧线性算子的特征值}$

$\bullet 紧线性算子的谱理论可以看作是{\color{blue}{有限维空间的线性算子(矩阵)特征值理论}}$
$的直接推广, 它的许多结构{\color{red}{与有限维情况十分相近}}.$
$\bullet 紧线性算子的谱分解是相对简单的, 而且是十分重要的.$

$定理 6.4.12 {\color{green}{恒等算子}} I: X \to X 是{\color{green}{紧}}的, 当且仅当 \dim X < \infty.$
$证明: 如果 \dim X = \infty, Ix = x.$
$根据 Riesz 引理可以{\color{blue}{构造一个点列}} \lbrace x_n \rbrace, 使得$
$\qquad \Vert x_n - x_m \Vert \geq \dfrac{1}{2} (n \neq m).$
$因此 \lbrace x_n \rbrace {\color{blue}{无收敛的子列}}, 推知 I 不是紧的.$
$\bullet 事实上, 定理 6.4.12 的证明中的点列 \lbrace x_n \rbrace 可以如下构造:$
$任取 x_1 \in X, 记 X_1 为由 x_1 生成的子空间. 因为 X 是无穷维的, 所$
$以由 x_1 生成的子空间是 X 的{\color{blue}{真闭子空间}}.$
$所以由{\color{red}{Riesz 引理}}, 存在 x_2 \in X, \Vert x_2 \Vert = 1, 使得$
$\qquad \Vert x_2 - x_1 \Vert > \dfrac{1}{2}, \forall \in X_1,$
$特别地 \Vert x_2 - x_1 \Vert > \dfrac{1}{2}.$
$令 X_2 是由 \lbrace x_1, x_2 \rbrace 生成的子空间,$
$同样存在 x_3 \in X, 对于 \forall x \in X_2, 有 \Vert x_3 - x \Vert > \dfrac{1}{2}.$
$特别地 \Vert x_3 - x_2 \Vert > \dfrac{1}{2}, \Vert x_3 - x_1 \Vert > \dfrac{1}{2}.$
$这样一直做下去, 得到 X 中的无穷点列 \lbrace x_n \rbrace, 满足$
$\qquad {\color{blue}{\Vert x_i - x_j \Vert > \dfrac{1}{2} (i \neq j)}}$
$\bullet 易见 \lbrace x_n \rbrace 中不存在收敛的子列.$

$推论 6.4.13 设 \dim X = \infty, T 是 X 到 X 的{\color{blue}{紧线性算子}},$
$且{\color{blue}{T^{-1}存在}}, 则 {\color{green}{T^{-1} 不是有界线性算子}}.$
$证明:如果 T^{-1} 有界, 由 T^{-1}T = I, 根据定理 6.4.9 知 I$
$是紧的, 和定理 6.4.12 矛盾.$

$命题 6.4.14 设 T 是赋范空间 X 到 X 的{\color{blue}{紧线性算子}},$
$如果 {\color{blue}{0 \in \rho(T)}}, 则{\color{green}{\dim X < \infty}}.$
$注：命题说明在无穷维空间,{\color{red}{0点一定是紧算子 T 的谱点}}.$

$命题 6.4.15 若 X 是无穷维 的 Banach 空间, T 是定义在$
$X 上的紧算子, 且 T 是单射, 则 \mathscr{R}(T) \neq X.$
$证明：如果 \mathscr{R}(T) = X, 由 Banach 逆算子定理 4.4.5 知$
$T^{-1}是有界的,与推论 6.4.12 矛盾.$
$注：这意味着存在 y \in X, 使得 Tx = y 在 X 中无解.$
$\bullet {\color{red}{这与有限维空间线性方程组的情况很不相同}}.$
$\bullet 在 \mathbb{R}^n 空间, A 是一个 n \times n 矩阵(紧算子), 如果$
$Ax = 0 只有零解(A是单射), A^{-1}存在且有界,$
$那么对 \forall y \in \mathbb{R}^n, Ax = y 都{\color{blue}{有唯一解}} x = A^{-1} y.$

$定理 6.4.16 设 T 是赋范空间 X 到 X 的{\color{red}{紧线性算子}}, 那么对$
$于 \forall \alpha > 0, T 的{\color{green}{特征值 \lambda 满足 |\lambda| > \alpha}}的个数是有限的.$
$证明:假如不然, 存在 \alpha_0 > 0, 及无穷多个互不相同的特征值$
$\lambda_n, |\lambda_n| > \alpha_0, 令 x_n 是对应于 \lambda_n 的一个特征元素.$
$由命题 6.1.8 {\color{green}{不同特征值对应的特征向量是线性无关的}}.$
$令 M_n = span \lbrace x_1, x_2, \cdots, x_n \rbrace, 于是对于 \forall x \in M_n, 存在唯一的表达式$
$\qquad x = \alpha_1 x_1 + \alpha_2 x_2 + \cdots + \alpha_n x_n \quad (6.4.2)$
$于是$
$(T - \lambda_n I) x = \alpha_1 (\lambda_1 - \lambda_n) x_1 + \cdots + \alpha_{n-1}(\lambda_{n-1} - \lambda_n) x_{n-1},$
$即$
$\qquad {\color{blue}{(T - \lambda_n I) x \in M_{n-1}, \forall x \in M_n}} \quad (6.4.3)$
$因为 M_{n-1}是闭的, 由 Riesz 引理 2.3.12, 存在$
$\qquad {\color{green}{y_n \in M_n, \Vert y_n \Vert =1, (n = 1, 2, \cdots),}}$
$满足$
$\qquad {\color{blue}{\Vert y_n - x \Vert \geq \dfrac{1}{2}, \forall x \in M_{n-1}}} \quad (6.4.4)$
$对于 m < n,$
$\qquad Ty_n - Ty_m = \lambda_n y_n + (Ty_n - \lambda_n y_n) - Ty_m, \quad (6.4.5)$
$由 (6.4.3) 式可知 {\color{blue}{Ty_n - \lambda_n y_n \in M_{n-1}}}.$
$又因为 m \leq n - 1, 所以 Ty_m \in M_{n-1},$
$根据 (6.4.4) 和 (6.4.5) 式有$
$\Vert Ty_n - Ty_m \Vert = |\lambda_n| \Vert y_n + \dfrac{1}{\lambda_n}[(Ty_n - \lambda_n y_n) - Ty_n] \Vert$
$\qquad \geq \dfrac{1}{2} |\lambda_n| > \dfrac{\alpha_0}{2} \quad (6.4.6)$
$即 \lbrace Ty_n \rbrace 中无收敛的子列, 与 T 的紧性矛盾.$

$\blacktriangleright 由定理 6.4.16 我们的到下面的推论:$
$推论 6.4.17 紧线性算子 T 有 {\color{green}{至多可数个不同的特征值}},$
$并且{\color{blue}{除了0}}以外, {\color{blue}{这些特征值无聚点}}.$
$证明:注意到\lbrace |\lambda| > 0 | \lambda 是 T 的特征值 \rbrace = \bigcup \limits_{n=1}^{\infty} A_n,$
$其中 A_n = \lbrace |\lambda| > \dfrac{1}{n} | \lambda 是 T 的特征值 \rbrace,$
$由定理 6.4.16 可知, 紧线性算子 T 只有至多可数个不同的特征值.$
$并且除了0以外, 特征值不会有聚点.$

$定理 6.4.18 令 T 是从赋范空间 X 到 X 的紧线性算子,$
$若 \lambda \neq 0, 则 \lambda I - T 的零空间\mathscr{N}(\lambda I - T)是有限维的.$
$证明: 在 \mathscr{N}(\lambda I - T)(\lambda \neq 0) 上, Tx = \lambda x, 即$
$\qquad T |_{\mathscr{N}(\lambda I - T)} = \lambda I (\lambda \neq 0),$
$由 T 是紧的和定理 6.4.12 \mathscr{N}(\lambda I - T) 是有限维的.$
$注：定理显示, 如果 T 是紧线性算子, \lambda \neq 0 是 T 的特征值,$
$则特征值 \lambda 的{\color{green}{几何重数是有限的}}.$

$\color{blue}{6.4.3 紧线性算子的剩余谱和连续谱}$

$定理 6.4.19 设 T 是从 Banach 空间 X 到 X 的紧线性算子,$
$\lambda \neq 0, 则 {\color{green}{\mathscr{R}(\lambda I - T)是闭的}}.$
$注：对T \in \mathscr{K}(X), \lambda \neq 0, 由定理 6.4.19 和定理 6.4.18 知:$
$\bullet \mathscr{R}(\lambda I - T) 是闭的(\lambda I - T 是闭值域算子);$
$\bullet \mathscr{N}(\lambda I - T) 是有限维的且 \mathscr{N}(\lambda I - T^{\ast}) 也是有限维的.$
$\bullet 我们把具有这样的性质的算子称为 Fredholm 算子.$

$定理 6.4.20 X 是 Banach 空间, {\color{red}{T \in \mathscr{K}(X)}}, \lambda \neq 0.$
$若 {\color{blue}{\mathscr{N}(\lambda I - T) = \lbrace 0 \rbrace}}, {\color{green}{则 \mathscr{R}(\lambda I - T) = X.}}$
$上述定理说明 当 \lambda \neq 0 时, 如果 \lambda 不是 T 的特征值, 则$
$\qquad \mathscr{R}(\lambda I - T) = X, 即 {\color{blue}{\lambda \overline{\in} \sigma_{r}(T)}}.$

$命题 6.4.21 设 X 是 Banach 空间, T 是从 X 到 X 的{\color{red}{紧}}线性算子,$
$则 {\color{blue}{\sigma_r(T) \setminus \lbrace 0 \rbrace = \emptyset.}}$

$命题 6.4.22 设 X 是 Banach 空间, T 是从 X 到 X 的{\color{red}{紧}}线性算子,$
$则{\color{blue}{\sigma_c(T) \setminus \lbrace 0 \rbrace = \emptyset.}}$
$证明: 若 \lambda \neq 0, 如果 \lambda 不是T的特征值, 根据定理$
$6.4.20 知 {\color{blue}{\mathscr{R}(\lambda I - T) = X }},$
$且可以证明, {\color{green}{逆算子(\lambda I - T)^{-1} 存在且有界}},$
$\qquad 则 \lambda \in \rho(T), 即 {\color{blue}{\sigma_c(T) \setminus \lbrace 0 \rbrace = \emptyset.}}$

$\blacktriangleright 综上分析(命题 6.4.14、推论 6.4.17、命题 6.4.21、6.4.22)推知:$
$定理 6.4.23 设 T 是从 Banach 空间 X 到 X 的紧线性算子, 则$
$(1) 0 \in \sigma(T), 除非 \dim X < \infty;$
$(2) \sigma(T) \setminus \lbrace 0 \rbrace = \sigma_p(T) \setminus \lbrace 0 \rbrace;$
$(3) \sigma(T) 至多以0为聚点.$
$对于 \lambda = 0 的情况,$
$如果 X 是有限维的, 有两种可能,$
$\qquad 0 \in \sigma(T) = \sigma_p(T), 或者 0 \in \rho(T).$
$如果 X 是无穷维时, 0 \in \sigma(T), 并且下面三种情况$
$\qquad 0 \in \sigma_p(T), 0 \in \sigma_r(T), 0 \in \sigma_c(T)$
$都有可能发生(参阅教材 例 7.2.14, 例7.2.15, 例 7.2.16).$

$\color{blue}{6.4.5 Fredholm 抉择定理}$

$\bullet {\color{blue}{紧线性算子}}最简单的情况就是{\color{green}{有限维空间的线性变换.}}$
$\bullet 我们首先从线性方程组求解问题出发, 导出或者说抽象出“Fredholm抉择定理”.$

$例 6.4.24 考虑线性方程组 Ax = y:$
$\left \lbrace \begin{array}{l} a_{11} x_1 + a_{12} x_2 + \cdots + a_{1n} x_n = y_1, \\ a_{21} x_1 + a_{22} x_2 + \cdots + a_{2n} x_n = y_2, \\ \cdots \cdots \\ a_{n1} x_1 + a_{n2} x_2 + \cdots + a_{nn} x_n = y_n. \end{array} \right. \quad (6.4.7)$
$y 满足什么条件方程组(6.4.7)有解?$
$方程组可以改写为:$
$x_1 \begin{pmatrix}a_{11} \\ a_{21} \\ \vdots \\ a_{n1} \end{pmatrix} + x_2 \begin{pmatrix}a_{12} \\ a_{22} \\ \vdots \\ a_{n2} \end{pmatrix} + \cdots + a_n \begin{pmatrix}a_{1n} \\ a_{2n} \\ \vdots \\ a_{nn} \end{pmatrix} = \begin{pmatrix}y_{1} \\ y_{2} \\ \vdots \\ y_{n} \end{pmatrix}$
$记 \alpha_1 = (a_{11}, a_{21}, \cdots, a_{n1})^{T}, a_2 = (a_{12}, a_{22}, \cdots, a_{n2})^{T},$
$\cdots, \alpha_n = (a_{1n}, a_{2n}, \cdots, a_{nn})^{T}, y = (y_1, y_2, \cdots, y_n)^{T},$
$则$
$\qquad y = \sum \limits_{i=1}^{n} x_i \alpha_i \quad (6.4.8)$
$即方程(6.4.7)有解的充要条件为:$
$\qquad y 可以写成 \alpha_1, \alpha_2, \cdots, \alpha_n 的线性组合.$
$换个角度考虑问题, 研究 y 的正交补集. 由 (6.4.8) 式,$
$\qquad {\color{blue}{z \perp y \Leftrightarrow z \perp \alpha_i (i = 1, \cdots, n, \cdots) }}\quad (6.4.9)$
$其中 z = (z_1, z_2, \cdots, z_n)^T \in \mathbb{C}^n. 我们注意到:$
$\qquad z \perp \alpha_i = 0, i = 1, \cdots, n. \qquad (6.4.10)$
$等价于$
$\qquad \left \lbrace \begin{array}{l} \bar a_{11} z_1 + \bar a_{21} z_2 + \cdots + \bar a_{n1} z_n = 0, \\ \bar a_{12} z_1 + \bar a_{22} z_2 +\cdots + \bar a_{n2} z_n = 0, \\ \cdots \cdots \\ \bar a_{1n} z_1 + \bar a_{2n} z_2 + \cdots + \bar a_{nn} z_n = 0, \end{array} \right.$
$或$
$\qquad A^{\ast} z = 0.$
$由条件 (6.4.9) 我们有: 为使方程组 (6.4.7) 有解, y 应满足$
$的充要条件为$
$\qquad {\color{red}{(y, z) = 0, 其中 z 是 A^{\ast} z = 0 的解}} \quad (6.4.11)$
$\bigstar 问题转化为研究 y 与共轭算子 A^{\ast}的零空间的关系.$
$A是有限维空间中线性算子, 复平面的点仅有两种选择:$
$\qquad {\color{blue}{或者是 A 的正则点, 或者是 A 的特征值.}}$
$(1) Ax = 0 只有零解 \Rightarrow A^{\ast} x = 0 也只有零解.$
$对于任意的 y \in H, (6.4.11)式成立,$
$即对于任意的 y \in H, 方程组 (6.4.7)有唯一解.$
$(2) Ax = 0 有非零解 \Rightarrow A^{\ast} x = 0 有非零解.$
$方程组(6.4.7)有解 \Leftrightarrow y 与 A^{\ast} x = 0 的非零解正交.$
$\bullet 我们希望把例 6.4.24 中的结论推广到{\color{green}{无穷维空间中的紧线性算子T上}}.$
$\bullet 对于紧线性算子 T, 复平面上的点 \lambda \neq 0, 也是仅有两种选择:$
$\qquad {\color{blue}{或者是 T的正则点, 后者是T的特征值}}.$

$定理 6.4.25 T 是 Hilbert 空间 H 到 H 的紧线性算子,$
${\color{red}{\lambda \neq 0 是 T 的特征值}}, {\color{green}{当且仅当\overline{\lambda}是 T^{\ast} 的特征值.}}$
$证明: 由定理 6.1.5 知 \sigma(T^{\ast}) = \overline{\sigma(T)}, \lambda \in \sigma_p(T), 于是$
$\qquad \overline{\lambda} \in \sigma(T^{\ast}),$
$结合定理 6.4.9, T^{\ast} 是紧的, \lambda \neq 0, 推出 \overline{\lambda} \in \sigma_p(T^{\ast}).$
$反之亦然.$

$定理 6.4.26 设T 是从 Hilbert空间 H 到 H 的紧线性算子, \lambda \neq 0, 则$
$\qquad H = \mathscr{N}(\overline{\lambda} I - T^{\ast}) \oplus \mathscr{R}(\lambda I - T) \quad (6.4.12)$
$证明: 由定理 6.4.9 T^{\ast} 也是紧的, \mathscr{N}(\overline{\lambda} I - T^{\ast}) 是有限维$
$的(闭的子空间), 由定理 3.2.12 (正交分解定理)$
$\qquad H = \mathscr{N}(\overline{\lambda} I - T^{\ast}) \oplus \mathscr{N}(\overline{\lambda} I - T^{\ast})^{\perp}.$
$根据定理 5.3.8 知,$
$\qquad {\color{blue}{\mathscr{N}(\overline{\lambda} I - T^{\ast}) ^{\perp} = \overline{\mathscr{R}(\lambda I - T)},}}$
$于是$
$\qquad H = \mathscr{N}(\overline{\lambda} I - T^{\ast}) \oplus \overline{\mathscr{R}(\lambda - T)}.$
$根据定理 6.4.19 知 {\color{blue}{\mathscr{R}(\lambda I - T) 是闭的}}, 所以我们有:$
$\qquad H = \mathscr{N}(\overline{\lambda} I - T^{\ast}) \oplus \mathscr{R}(\lambda I - T).$

$定理 6.4.27 (Fredholm, 1900) 设 T 是从 Hilbert 空间$
$H 到 H 的紧线性算子, \lambda \neq 0, 则$
$(i) 对于任意的 y \in H, 非齐次方程$
$\qquad (\lambda I - T) x = y \qquad (6.4.13)$
$有唯一解的充要条件是齐次方程$
$\qquad (\lambda I - T) x = 0 \quad (6.4.14)$
${\color{green}{没有非零解}}.$
$(ii)若方程 (6.4.14)有非零解,$
$非齐次方程(6.4.13)有解的充要条件是 y 与方程$
$\qquad (\overline{\lambda} I - T^{\ast}) x = 0 \quad (6.4.15)$
$的所有解正交,即 {\color{blue}{y \perp \mathscr{N}(\overline{\lambda} I - T^{\ast})}}.$
$(i) “\Leftarrow”齐次方程(6.4.14)(\lambda I - T) x = 0 没有非零解,$
$即 \lambda 是 T 的正则点, 逆算子(\lambda I - T)^{-1}存在.$
$根据定理 (6.4.25)推知 \overline{\lambda} 是 T^{\ast} 的正则点, 即$
$\qquad \mathscr{N}(\overline{\lambda} I - T^{\ast}) = \lbrace 0 \rbrace,$
$由 (6.4.12) 式我们有{\color{blue}{\mathscr{R}(\lambda I - T) = H}},$
$于是对 \forall y \in H 非齐次方程 (6.4.13) 存在唯一解.$
$“\Rightarrow” 对于任意的y \in H 非齐次方程 (6.4.13) 存在唯一解,$
$推知{\color{blue}{\mathscr{R}(\lambda I - T) = H}}.$
$由 (6.4.12) 式我们有: \mathscr{N}(\overline{\lambda} I - T^{\ast}) = \lbrace 0 \rbrace.$
$即 \overline{\lambda} 是 T^{\ast} 的正则点, 由定理 6.4.25 知 \lambda 是 T 的正则点.$
$即齐次方程 (6.4.14) 没有非零解.$
$(ii) 若方程 (6.4.14) 有非零解, {\color{blue}{\lambda \in \sigma_p(T)}}, 由定理$
$6.4.23 知 \overline{\lambda} 是 T^{\ast} 的特征值,$
$“\Rightarrow”非齐次方程(6.4.13) 有解, 则 y \in \mathscr{R}(\lambda I - T),$
$由 (6.4.12) 式我们有 y \perp \mathscr{N}(\overline{\lambda} I - T^{\ast}).$
$“\Leftarrow” 如果 y \perp \mathscr{N}(\overline{\lambda} I - T^{\ast}), 由 (6.4.12) 式我们有$
$y \in \mathscr{R}(\lambda I - T), 即方程 (6.4.14) 有解.$
$注1: (i) 研究的情况是：\lambda 是 T 的正则点 (\lambda \in \rho(T)).$
$(ii) 研究的情况是:\lambda 是 T 的特征值点(\lambda \in \sigma_p(T)).$
$注2：事实上 方程(6.4.14) 与方程 (6.4.15)有同样多的线性无关解, 即$
$\qquad \dim \mathscr{N}(\lambda I - T) = \dim \mathscr{N}(\overline{\lambda} I - T^{\ast}) \quad (6.4.16)$

$例6.4.28 考虑下列积分方程$
$\qquad x(t) = \int_0^1 k(t, s) x(s) ds + y(t) \quad (6.4.17)$
$及其共轭方程$
$\qquad f(t) = \int_0^1 \overline{k(s, t)} f(s) ds + g(t) \quad (6.4.18)$
$其中 k(t, s) \in C[0, 1] \times [0, 1]), x, y, f, g \in L^2[0,1].$
$设 Kx = \int_0^1 k(t, s) x(s) ds, 则$
$\qquad K^{\ast} f = \int_0^1 \overline{k(s, t)} f(s) ds$
$方程 (6.4.17) 和 (6.4.18) 称为$
$\qquad (I - K) x = y, \quad (I - K^{\ast})f = g.$
$根据 Fredholm 抉择定理, 我们有$
$(1) 或者 \forall y \in L^2[0, 1], 方程(6.4.17) 有唯一解, x \in L^2[0, 1];$
$(2) 或者 y = 0时, 方程(6.4.17)有非零解.$
$在第二种情况下, 方程(6.4.17)有解的充要条件是$
$\qquad \int_0^1 y(t) \overline{f(t)} dt = 0,$
$其中 f(t) 是方程 (6.4.18) 的齐次方程$
$\qquad \int_0^1 \overline{k(s, t)} f(s) ds = 0$
$的解.$
$注：$
$\bullet 这个对于紧算子的结论, 与代数方程组的结论相比较,结论十分相似.$
$\bullet {\color{blue}{紧线性算子的谱理论}} 可以看作是有限维空间线性算子$
$(矩阵){\color{red}{特征值理论的推广}}.$