引言
线性代数告诉我们：实对称矩阵可正交对角化，任意向量可在标准正交特征基下展开。谱定理把这一事实推广到无穷维 Hilbert 空间上的自伴算子，是泛函分析最深刻的成果之一。它不仅是量子力学公理化（可观测量对应自伴算子，测量值属于其谱）的数学基础，也是振动模态分析、谱方法等工程计算技术的理论源头。本文梳理谱的概念与分类，陈述紧自伴算子与一般自伴算子的谱定理，并用 Sturm-Liouville 问题展示微分算子谱分解的计算实践。
理论基础
谱的概念与分类
设 $H$ 为复 Hilbert 空间，$A: D(A) \to H$ 为线性算子。复数 $\lambda$ 若使 $\lambda I - A$ 有定义在全空间上的有界逆，则称 $\lambda$ 为正则点；否则 $\lambda$ 属于谱 $\sigma(A)$。谱按「不可逆的原因」分为三类：
$$\sigma(A) = \sigma_p(A) cup \sigma_c(A) cup \sigma_r(A)$$
点谱 $\sigma_p$：$\lambda I - A$ 不单射，即存在特征向量；连续谱 $\sigma_c$：单射且值域稠密，但逆算子无界；剩余谱 $\sigma_r$：单射但值域不稠密。自伴算子（$A = A^*$，这要求 $D(A) = D(A^*)$ 且两算子处处相等）的谱具有极好的性质：$\sigma(A) \subset \mathbb{R}$，剩余谱为空，不同特征值对应的特征向量相互正交。对无界算子（如微分算子）必须仔细指定定义域，这是无穷维区别于有限维的本质之处。
紧自伴算子的 Hilbert-Schmidt 定理
紧算子把有界集映为预紧集，是「接近有限维」的算子（带连续核的积分算子是典型代表）。对紧自伴算子 $A$，谱定理给出与矩阵完全类似的结论：存在至多可数个非零实特征值 $\lambda_n$（唯一可能的聚点是 $0$）与标准正交特征向量系 ${e_n}$，使得
$$A = \sum_{n} \lambda_n, \langle \cdot, e_n\rangle, e_n, \qquad H = \overline{\mathrm{span}}{e_n} \oplus ker A$$
一般自伴算子的谱定理
对一般有界自伴算子乃至无界自伴算子，特征向量展开可能不再够用（例如 $L^2$ 上的乘法算子只有连续谱），需要引入投影值测度（spectral measure）：存在唯一的投影算子族 ${E_\lambda}_{\lambda \in \mathbb{R}}$，使得
$$A = \int_{\sigma(A)} \lambda, dE_\lambda, \qquad f(A) = \int_{\sigma(A)} f(\lambda), dE_\lambda$$
后一等式给出函数演算，是构造演化方程解算子的形式工具：热方程的 $e^{t\Delta}$、Schrödinger 方程的 $e^{-itH}$ 都由此定义。
Sturm-Liouville 理论
二阶微分算子 $Lu = -(pu’)’ + qu$ 在分离型边界条件下是自伴的，其 Green 函数对应的积分算子紧且自伴，故其特征值构成离散序列 $\lambda_1 < \lambda_2 < \cdots \to +\infty$，特征函数系构成 $L^2$ 空间的标准正交基——Fourier 级数只是 $p = w = 1$、$q = 0$ 的特例。
数值方法与实现
把 Sturm-Liouville 问题 $-u'' = \lambda u$（$u(0)=u(1)=0$）用二阶中心差分离散，得到对称三对角矩阵，谱分解由 eigh 完成。解析特征值为 $\lambda_n = n^2\pi^2$，特征函数为 $\sin n\pi x$：
import numpy as np
def sturm_liouville(N=200):
"""-u'' = lambda*u, u(0)=u(1)=0, 中心差分离散"""
h = 1.0 / (N + 1)
A = (2.0 * np.eye(N) - np.eye(N, k=1) - np.eye(N, k=-1)) / h**2
lam, U = np.linalg.eigh(A) # 对称矩阵谱分解
return lam, U, h
N = 200
lam, U, h = sturm_liouville(N)
exact = (np.arange(1, 7) * np.pi) ** 2
print("前6个特征值 数值 / 解析 / 相对误差:")
for a, b in zip(lam[:6], exact):
print(f" {a:10.3f} / {b:10.3f} / {abs(a - b) / b:.2e}")
G = U[:, :4].T @ U[:, :4] * h # 前4个特征函数的 L2 内积矩阵
print("正交性检验 (应接近单位阵):")
print(np.round(G, 8))数值特征值系统地小于解析值，且相对误差随模态阶数增大——离散系统只能准确刻画低阶（光滑）模态，这是所有谱离散方法的普遍现象，网格加密可使误差按 $\mathcal{O}(h^2)$ 下降。
应用案例
量子力学中，一维无限深方势阱的定态 Schrödinger 方程 $-\frac{\hbar^2}{2m}\psi'' = E\psi$ 正是上述 Sturm-Liouville 问题：能量本征值 $E_n = n^2\pi^2\hbar^2/(2mL^2)$ 解释了束缚态能级的离散性；而自由粒子的 Hamiltonian 只有连续谱，对应散射态——谱的分类因此具有直接的物理意义。工程振动中，杆与梁的自由振动方程经分离变量同样化为 Sturm-Liouville 问题，模态叠加法就是按特征函数展开结构响应：只保留前若干阶低频模态即可高精度重建动响应，大型有限元模型的降阶正基于此。求解 PDE 的谱方法（spectral method）以特征函数为基函数，对光滑解具有指数收敛的「谱精度」，已成为湍流直接数值模拟的主流工具之一。
| 谱类型 | 定义要点 | 典型例子 | 自伴算子中是否出现 |
|---|---|---|---|
| 点谱 $\sigma_p$ | 存在特征向量 | 矩阵特征值、束缚态能级 | 可出现 |
| 连续谱 $\sigma_c$ | 值域稠密、逆无界 | 自由粒子能量、Fourier 乘子算子 | 可出现 |
| 剩余谱 $\sigma_r$ | 值域不稠密 | 某些非正规算子 | 不出现 |
结论与展望
谱定理把「对角化」推广到无穷维：紧自伴算子具有离散的特征展开，一般自伴算子则需借助投影值测度与函数演算。它与 Sturm-Liouville 理论一起，构成分离变量法、模态分析和量子力学共同的数学基础。值得进一步关注的方向包括：紧算子奇异值分解（Schmidt 展开）在数据降维（POD/PCA）中的应用，以及非自伴算子的伪谱（pseudospectrum）理论——后者对理解流体稳定性等问题中的瞬态能量增长至关重要。
发表回复