Теорема Гильберта-Шмидта: разложение ядра по базису

Теорема Гильберта-Шмидта отвечает на вопрос, который кажется почти безнадёжным: можно ли бесконечномерный интегральный оператор разложить так же аккуратно, как конечную симметричную матрицу. Оказывается, можно - если ядро симметрично и интегрируемо с квадратом. Тогда у оператора есть полная система собственных функций, по которой раскладывается любой элемент образа. Ниже разберём, что именно утверждает теорема, при каких условиях она работает и зачем нужна. Если перед вами конкретное ядро или интегральное уравнение, удобнее сразу собрать постановку в форме под этим абзацем и получить разбор по шагам.

Что утверждает теорема Гильберта-Шмидта

Возьмём интегральный оператор на пространстве $L^2[a,b]$, действующий по правилу

$$(Af)(x) = \int_a^b K(x,y)\,f(y)\,dy.$$

Функция $K(x,y)$ называется ядром оператора. Теорема Гильберта-Шмидта говорит: если ядро симметрично, то есть $K(x,y) = \overline{K(y,x)}$, и интегрируемо с квадратом ($\int\!\int |K|^2\,dx\,dy < \infty$), то у оператора $A$ существует счётная ортонормированная система собственных функций $\{\varphi_n\}$ с вещественными собственными значениями $\lambda_n$, такими что $A\varphi_n = \lambda_n \varphi_n$. При этом сам оператор раскладывается в ряд

$$A f = \sum_{n} \lambda_n \langle f, \varphi_n\rangle\,\varphi_n,$$

а собственные значения стремятся к нулю: $\lambda_n \to 0$. По сути это бесконечномерный аналог теоремы о приведении симметричной матрицы к диагональному виду - только вместо конечного набора осей мы получаем бесконечную ортонормированную систему.

Рассчитать для своей задачи

Ключевое слово здесь - компактность. Условие квадратичной интегрируемости ядра как раз и делает оператор компактным, а именно для компактных самосопряжённых операторов работает спектральная теорема для самосопряжённых операторов, частным и очень наглядным случаем которой выступает теорема Гильберта-Шмидта.

Симметричность и компактность: два условия

Теорема держится на двух предположениях, и оба важны.

Симметричность ядра отвечает за то, что оператор самосопряжён: $\langle Af, g\rangle = \langle f, Ag\rangle$. Именно отсюда следует, что все собственные значения вещественны, а собственные функции, отвечающие разным $\lambda_n$, ортогональны. Без симметрии спектр может уйти в комплексную плоскость, и привычного разложения не получится.

Квадратичная интегрируемость ядра отвечает за компактность. Оператор с ядром из $L^2$ называют оператором Гильберта-Шмидта; для него выполняется

$$\sum_n \lambda_n^2 = \int_a^b\!\!\int_a^b |K(x,y)|^2\,dx\,dy < \infty.$$

Эта формула показывает, почему собственные значения не просто стремятся к нулю, а делают это достаточно быстро - их квадраты суммируются. Компактность гарантирует, что спектр дискретен: ненулевые $\lambda_n$ изолированы, каждое имеет конечную кратность, и единственная точка накопления - ноль.

Собственные функции как базис

Самая полезная часть теоремы - то, что система $\{\varphi_n\}$ полна в образе оператора. Это значит: любую функцию вида $g = Af$ можно разложить в ряд

$$g = \sum_n c_n \varphi_n, \qquad c_n = \langle g, \varphi_n\rangle.$$

Здесь видно прямое родство с рядом Фурье: тригонометрические функции - это собственные функции конкретного интегрального оператора, а теорема Гильберта-Шмидта обобщает идею «раскладывать по собственному базису» на широкий класс ядер. Если ядро вдобавок невырождено (нет ненулевого $f$ с $Af = 0$ на всём пространстве), то собственные функции образуют ортонормированный базис всего $L^2[a,b]$.

Рассчитать для своей задачи

Практически это означает, что задача с бесконечным числом степеней свободы сводится к счётному набору независимых одномерных задач - по одной на каждую собственную моду. Каждая мода масштабируется своим $\lambda_n$, и поведение всего оператора собирается из этих простых кусочков.

Связь с интегральными уравнениями Фредгольма

Главное приложение теоремы - решение интегральных уравнений. Рассмотрим уравнение Фредгольма второго рода

$$f(x) - \mu\int_a^b K(x,y)\,f(y)\,dy = h(x).$$

Если ядро симметрично, мы раскладываем и искомую $f$, и правую часть $h$ по собственным функциям. Тогда уравнение распадается на отдельные скалярные равенства для коэффициентов:

$$c_n(1 - \mu\lambda_n) = d_n,$$

где $d_n = \langle h, \varphi_n\rangle$. Решение немедленно выписывается:

$$f = \sum_n \frac{d_n}{1 - \mu\lambda_n}\,\varphi_n.$$

Отсюда сразу читается альтернатива Фредгольма: уравнение однозначно разрешимо, пока $\mu$ не совпадает ни с одним из $1/\lambda_n$; в резонансных точках $\mu = 1/\lambda_n$ либо нет решения, либо их бесконечно много. Подробнее этот класс уравнений разобран в материале про интегральное уравнение Фредгольма второго рода.

Билинейное разложение ядра

Из спектрального ряда оператора вытекает разложение самого ядра - так называемый билинейный ряд:

$$K(x,y) = \sum_n \lambda_n\,\varphi_n(x)\,\overline{\varphi_n(y)}.$$

Это и есть «диагонализация» ядра: симметричная функция двух переменных записывается как сумма произведений одной и той же системы функций, взвешенных собственными значениями. Сходимость этого ряда - тонкий момент. В норме $L^2$ он сходится всегда, а вот поточечная и равномерная сходимость требуют дополнительных условий на гладкость ядра (теорема Мерсера гарантирует равномерную сходимость для непрерывного положительно определённого ядра).

Рассчитать для своей задачи

Билинейная форма удобна тем, что приближение ядра конечной суммой первых $N$ слагаемых даёт наилучшее в среднеквадратичном смысле приближение оператора оператором ранга $N$. На этом стоит, например, метод главных компонент и низкоранговые аппроксимации в численных методах.

Как находят собственные функции

На практике собственные функции редко выписываются явной формулой - чаще их ищут приближённо. Стандартный приём: задачу $A\varphi = \lambda\varphi$ заменяют на конечномерную, проецируя оператор на базис из первых $N$ пробных функций (например, полиномов или кусочно-линейных). Получается симметричная матрица $N\times N$, к которой применима обычная диагонализация, и её собственные числа сходятся к настоящим $\lambda_n$ по мере роста $N$. Сходимость гарантирована именно компактностью: старшие моды вносят всё меньший вклад, потому что $\lambda_n \to 0$.

Полезно держать в голове и вариационную картину. Наибольшее по модулю собственное значение - это максимум отношения Рэлея

$$\lambda_1 = \max_{\|f\|=1}\,\langle Af, f\rangle,$$

а каждое следующее $\lambda_n$ - максимум того же отношения на подпространстве, ортогональном уже найденным собственным функциям. Эта лесенка максимумов и порождает упорядоченную по убыванию последовательность $|\lambda_1| \ge |\lambda_2| \ge \dots \to 0$. Геометрически каждая собственная функция указывает направление, вдоль которого оператор растягивает пространство сильнее всего среди оставшихся, - ровно как главные оси у симметричной матрицы, только направлений счётно много.

Где это работает на практике

Теорема Гильберта-Шмидта - рабочий инструмент далеко за пределами чистой математики.

В квантовой механике интегральные операторы с симметричными ядрами описывают плотности и матрицы рассеяния; собственные функции дают стационарные состояния. В теории сигналов разложение Карунена-Лоэва - это ровно билинейный ряд ядра ковариации случайного процесса, и собственные функции дают оптимальный базис для сжатия. В машинном обучении положительно определённые ядра порождают компактные операторы, а их спектр определяет ёмкость модели в методах опорных векторов и гауссовских процессах. Везде идея одна: симметричное ядро раскладывается по собственному базису, и сложная задача распадается на независимые моды.

Частые ошибки

• Забывают про симметрию ядра. Теорема Гильберта-Шмидта в классической форме применима только к симметричным (самосопряжённым) операторам. Для несимметричного ядра нужна не она, а сингулярное разложение.
• Путают конечность нормы и ограниченность ядра. Условие - интегрируемость с квадратом, а не ограниченность. Ядро может иметь интегрируемую особенность и всё равно порождать оператор Гильберта-Шмидта.
• Ожидают, что собственные функции всегда полны в $L^2$. Полнота в образе оператора есть всегда, а полнота во всём пространстве - только если ядро невырождено (нет нетривиального ядра-нуль-пространства).
• Считают поточечную сходимость билинейного ряда автоматической. В $L^2$ ряд сходится всегда, но для равномерной сходимости нужны условия Мерсера на гладкость и положительную определённость.
• Применяют к неограниченным операторам. Дифференциальные операторы (например, оператор Лапласа) не являются компактными; здесь работает более общая спектральная теорема, а не теорема Гильберта-Шмидта.

FAQ

Чем теорема Гильберта-Шмидта отличается от общей спектральной теоремы? Общая спектральная теорема описывает любые самосопряжённые операторы, включая неограниченные и с непрерывным спектром. Теорема Гильберта-Шмидта - её частный случай для компактных операторов: здесь спектр всегда дискретен, собственные значения стремятся к нулю, а собственные функции образуют счётный базис. Это самый удобный и наглядный сценарий.

Почему собственные значения обязательно стремятся к нулю? Это следствие компактности. У компактного оператора не может быть бесконечно многих собственных значений, отделённых от нуля: иначе он переводил бы ограниченное множество в множество без сходящихся подпоследовательностей, что нарушает определение компактности. Поэтому единственная возможная точка накопления спектра - ноль.

Можно ли применять теорему к матрицам? Конечная симметричная матрица - это вырожденный частный случай: её ядро тоже «симметрично», и теорема даёт обычное ортогональное приведение к диагональному виду. Поэтому теорему Гильберта-Шмидта часто описывают как бесконечномерное обобщение диагонализации симметричной матрицы.

Коротко

Теорема Гильберта-Шмидта утверждает, что компактный самосопряжённый интегральный оператор с симметричным квадратично интегрируемым ядром раскладывается по счётной ортонормированной системе собственных функций с вещественными собственными значениями, стремящимися к нулю. Это даёт билинейное разложение ядра, сводит интегральные уравнения Фредгольма к простым скалярным равенствам и лежит в основе разложения Карунена-Лоэва, ядерных методов и спектрального анализа.