第一类紧算子方程：何时有解，怎样抗噪恢复 ​

第二类方程 $u-\lambda Tu=f$ 的高频分母趋于一；第一类方程 $Tu=g$ 却要除以趋零的奇异值。这份练习沿用已经求好的 Green 谱，完成三个新的判断：哪些数据真的有原像，如何定义带噪恢复，以及哪条额外条件足以给出具体恢复速度。

最短入口与可选分支 ​

核心只需三站：紧算子的奇异系统理路紧算子的奇异系统Singular system of a compact operator · Compact operator SVD · 紧算子左右奇异展开为一般紧算子构造两端的完整奇异方向，证明范数收敛与截断误差，并求完 Volterra 算子的混合边界奇异系统。 → Picard 判据与最小范数逆理路Picard 判据与紧算子的最小范数逆Picard criterion · Picard solvability condition · Moore–Penrose inverse of a compact operator以余核正交和加权平方和同时判定精确可解性，给出最小二乘逆的真正定义域，并算出 Green 数据的 q>5/2 阈值。 → 确定性谱正则化理路紧逆问题的确定性谱正则化Deterministic spectral regularization · TSVD and Tikhonov for compact inverse problems · 紧算子逆问题的截断与 Tikhonov 正则化对任意确定性噪声证明截断 SVD 与 Tikhonov 的偏差噪声界、同步参数收敛和一个明确源条件下的恢复速率。。第一站给出完整左右坐标，第二站检查倒数级数是否合法，第三站控制同时变化的参数与噪声。

补课按缺口选择：不熟悉伴随和闭包，先看伴随的值域恒等式理路Hilbert 空间伴随算子Adjoint of a bounded operator on Hilbert spaces · Hilbert space adjointHilbert 空间间有界线性算子的唯一有界伴随，以及无界算子情形必须显式携带的定义域。与投影定理理路Hilbert 空间投影定理Hilbert projection theorem · Projection theoremHilbert 空间中每个闭线性子空间都给出唯一的正交分解与最近点投影。；不熟悉紧性，先看紧算子理路紧算子Compact operator · 紧线性算子要求单位球的像具有紧闭包，利用序列、有限网与范数极限把有限维现象延伸到无限维。与紧自伴谱定理理路紧自伴算子谱定理Compact self-adjoint spectral theorem · 紧自伴离散谱定理从达到最大绝对Rayleigh值开始构造正交特征向量，证明非零谱离散、趋于零及核以外的完备展开。。只想做 Green 计算，可直接复用已证明的正弦谱理路区间 Dirichlet Green 算子Dirichlet Green operator on an interval · 区间零边界Green积分算子用正核min(x,t)−xt构造−d²/dx²的零边界逆，证明正则性与全谱，并把共振积分方程准确转为边值问题。，不必重新推导 Green 核。

可选的结构迁移是下文 Volterra 题：它把同空间自伴特征展开改成非自伴的两端基。有限维求解理路用 QR 与 SVD 求最小二乘Least squares via QR · Least squares via SVD · Numerical least squares以 QR 作为满列秩最小二乘的默认计算路线，并用 SVD 处理秩亏、欠定和最小范数解。保留 QR、数值秩和阈值算法的职责；核岭回归理路核岭回归kernel ridge regression · KRR · least-squares regularization network用表示定理把 RKHS 平方损失正则化化为一个 Gram 线性系统。与早停理路线性模型早停的谱过滤Early stopping spectral filter · Finite-time Landweber regularization对零初始化线性梯度下降推导有限时刻过滤因子和精确风险，并在已知信号半径与噪声方差时，不看响应地选择有限网格中的停止轮数。则是统计风险分支。这里的噪声只有范数界，不需要给它指定概率分布。

复算一：Green 的每个平方可积数据都有原像吗 ​

设 $H=L^2(0,1)$，

$$Tf(x)={\int }_0^1\{min(x,t)-xt\}f(t)dt,e_n(x)=\sqrt{2}\sin \left(n\pi x\right),T{e}_n={\sigma }_n{e}_n,{\sigma }_n=\frac{1}{{\pi }^2{n}^2}.$$

给定 $q>1/2$ 和 $g_q=\sum n^{-q}{e}_n$。任务是判断精确解、写出它的系数，并单独处理 $q=5/2$。

答案从能量账本开始。$\Vert g_q{\Vert }^2=\sum n^{-2q}<\mathrm{\infty }$，所以数据合法。$T=T^{\ast }$ 且两核为零，余核条件自动满足。若 $Tf=g_q$，每个系数必须是

$$f_n=\frac{n^{-q}}{{\sigma }_n}={\pi }^2{n}^{2-q},\Vert f{\Vert }^2={\pi }^4\sum _n{n}^{4-2q}.$$

后一个和有限恰好要求 $q>5/2$。在这个区间，正交级数构成真解，$T$ 的连续性允许将算子移入其范数极限，逐项乘回后得到 $g_q$；单射又保证唯一。

$q=5/2$ 给调和级数 ${\pi }^4\sum 1/n$，无解；$q=2$ 给常数输入系数 ${\pi }^2$，也无解；$q=3$ 则给

$$f_3={\pi }^2\sum _{n\ge 1}\frac{1}{n}{e}_n\in L^2.$$

对无解的 $q$，有限部分和 $g_{q,N}$ 仍在值域并收敛到 $g_q$。因此最小残差的下确界是零，却没有取得它的输入。这回答的是值域与值域闭包的差别，不能用“有限截断都可解”略过。

复算二：同一高频噪声怎样经过三个逆 ​

现在固定 $y=g_3$、$x^{†}=f_3$，观测为 $y^{\delta }=y+\delta e_m$。直接逆给

$$T^{†}{y}^{\delta }=x^{†}+{\pi }^2{m}^2\delta e_m.$$

令 $m\to \mathrm{\infty }$、${\delta }_m=1/({\pi }^2{m}^2)$，观测误差趋零，恢复误差却始终为一。每一个观测都有原像，所以这个失败不能归因于“恰好遇到无解数据”；它直接暴露逆的不连续。

TSVD 取 $\tau >0$，保留 ${\sigma }_n\ge \tau$，即 $n\le N_{\tau }=\lfloor 1/(\pi \sqrt{\tau })\rfloor$。答案是

$$x_{\tau }^{\delta }=\sum _{n\le N_{\tau }}(\frac{{\pi }^2}{n}+{\pi }^2{n}^2\delta {\mathbf{1}}_{\{n=m\}})e_n.$$

偏差只在删掉的尾部，噪声若被保留则只在头部，两者正交。因此

$$\Vert x_{\tau }^{\delta }-x^{†}{\Vert }^2={\pi }^4\sum _{n>N_{\tau }}{n}^{-2}+{\pi }^4{m}^4{\delta }^2{\mathbf{1}}_{\{m\le N_{\tau }\}}.$$

对任意位置的允许噪声，还可统一控制为 $\delta /\tau$ 加上真解尾范数。取 $\tau =\sqrt{\delta }$，噪声项趋零，$N_{\tau }\to \mathrm{\infty }$ 使平方可和尾部也趋零。这是证明，不依赖检查多少个数值频率。

Tikhonov 最小化 $\Vert Tx-y^{\delta }{\Vert }^2+\alpha \Vert x{\Vert }^2$。其答案为

$$⟨e_n,x_{\alpha }^{\delta }⟩=\frac{{\pi }^2/n+{\pi }^2{n}^2\delta {\mathbf{1}}_{\{n=m\}}}{1+\alpha {\pi }^4{n}^4}.$$

噪声放大至多 $\delta /(2\sqrt{\alpha })$；偏差平方为

$$\sum _{n\ge 1}\frac{{\pi }^4}{n^2}{\left(\frac{\alpha {\pi }^4{n}^4}{1+\alpha {\pi }^4{n}^4}\right)}^2.$$

取 $\alpha =\delta$，前者趋零。对后者先用 $\sum _{n>N}{n}^{-2}\le 1/N$ 控制尾部，再让有限头部的收缩残差趋零，便得到总误差趋零。两种方法的保证都是对固定 $x^{†}$、整个噪声球统一成立；并未声称它们在每个有限噪声水平下都比直接逆误差小。

迁移：把 Green 换成非自伴 Volterra ​

将算子换为 $Vf(x)={\int }_0^{x}f(t)dt$。它紧且没有非零普通特征值。任务是重新找到完整坐标，并判断常数数据一和线性数据 $x$ 哪个有原像。

$V^{\ast }g(t)={\int }_t^{1}g(x)dx$。对 $h=V^{\ast }Vf$，两次微分与端点给

$$h^{″}=-f,h^{\prime }(0)=0,h(1)=0.$$

若 $h=\lambda f$、$\lambda >0$，积分正则性先使 $f$ 成为经典解，再解 $f^{″}+{\lambda }^{-1}f=0$。混合端点迫使

$${\omega }_n=(n-\frac{1}{2})\pi ,{\sigma }_n=1/{\omega }_n,v_n(t)=\sqrt{2}\cos \left({\omega }_{n}t\right),{\nu }_n(x)=\sqrt{2}\sin \left({\omega }_{n}x\right).$$

直接积分得到 $V{v}_n={\sigma }_n{\nu }_n$、$V^{\ast }{\nu }_n={\sigma }_n{v}_n$，故左基为 $u_n={\nu }_n$。两个积分算子的核都为零，且该 ODE 已穷尽 $V^{\ast }V$ 的正特征对；紧自伴谱定理于是保证两组基都覆盖 $L^2$。不能仅从几对积分关系推断完备性。

对 $y=1$，左系数 $y_n=\sqrt{2}/{\omega }_n$，所以逆系数恒为 $\sqrt{2}$，无解。对 $y=x$，左系数为 $\sqrt{2}(-1{)}^{n-1}/{\omega }_n^2$，逆系数平方可和，且直接积分验证唯一解为 $f=1$。

结构迁移改变了左右基、奇异值衰减与边界条件，Picard 的两个条件和正则化证明却保留。与 Green 的二阶放大 ${\pi }^2{n}^2$ 相比，Volterra 对相应左噪声方向的直接逆放大为 ${\omega }_n$；这项比较来自各自算出的奇异值，而不是普通特征值。

边界题：删掉哪条条件会失败 ​

一、只查加权级数，不查余核 ​

令 $K(f,a)=(Tf,0)$，数据为 $(g_3,1)$。加权级数有限，但最后一个输出坐标永远为零，所以精确无解。最小二乘解是 $(f_3,a)$，最小残差一，最小范数代表为 $(f_3,0)$。因此精确逆的可解判据与最小二乘逆的定义域不能混写。

二、参数与噪声都趋零就足够吗 ​

不够。在任意无限秩奇异系统上取真解零、噪声 $y^{{\delta }_n}={\sigma }_n{u}_n$、${\delta }_n={\sigma }_n\to 0$。TSVD 若取 ${\tau }_n={\sigma }_n$，输出 $v_n$；Tikhonov 若取 ${\alpha }_n={\sigma }_n^2$，输出 $v_n/2$。两者均不收敛到零。错误在于 ${\delta }_n/{\tau }_n$、${\delta }_n/\sqrt{{\alpha }_n}$ 都恒为一。

三、有解能否自动换来 δ 的 2/3 次幂速率 ​

不能。要使用 $\frac{3}{2}{\rho }^{1/3}{\delta }^{2/3}$，本题要求 $x^{†}=(K^{\ast }K)w$、$\Vert w\Vert \le \rho$。仍取 Green，若 $w=e_1$、$\rho =1$，则

$$x^{†}={\pi }^{-4}{e}_1,y={\pi }^{-6}{e}_1.$$

此时偏差系数界给 $\Vert Q_{\alpha }y-x^{†}\Vert \le \alpha$，噪声界给 $\delta /(2\sqrt{\alpha })$。选 $\alpha ={\delta }^{2/3}$，相加得 $\frac{3}{2}{\delta }^{2/3}$。这是指定选择的有效上界，不是声称它是所有选择的最佳常数。

原来的 $g_3$ 则要求源向量系数 $w_n={\pi }^6{n}^3$，不平方可和，所以不能套这个速率。它仍有已证明的固定真解收敛，只是需要另一种尾部信息才能得到相应定量速度。

四、能否恢复核分量，或在所有单位真解上统一收敛 ​

两种恢复都没有核分量。如果真实输入为 $x^{†}+z$、$z\in \ker K$，数据不变，极限仍为 $x^{†}$，误差至少为 $\Vert z\Vert$。此外，无限秩时可随阈值选择一个被删掉的单位 $v_n$，所以 TSVD 的单位球偏差上确界始终为一；Tikhonov 的相应上确界也是 $\underset{n}{sup}\alpha /({\sigma }_n^2+\alpha )=1$。固定真解的尾部论证不能升级为整个单位球的算子范数收敛。

一个只做有限复算的程序 ​

下载 Python 标准库复算器。默认执行即可输出：指定 Green 高频噪声的直接逆误差、两种恢复的前若干系数、带解析尾界的误差范围，以及独立源条件例的实际误差和认证上界。可用 --delta、--mode、--terms 改变噪声、模态与有限求和长度；--self-test 运行包含非法输入的有限测试。

程序将未计算的 $g_3$ 尾部用 $\sum _{n>L}{n}^{-2}\le 1/L$ 包住。TSVD 还使用下界 $1/(L+1)$；Tikhonov 尾部只给零下界与同一上界。它不把有限求和长度当成模型维数，也不会输出“已数值证明无限维收敛”。阈值边界用浮点比较复核相邻整数，恰好相等的数学判定仍以正文为准；过小到不能分辨相邻整数的噪声参数会被显式拒绝。浮点显示有舍入误差，严格收敛、精确阈值以及界的来源都在前面的解析证明中。

参考与交卷检查 ​

主来源是 Christian Clason Regularization of Inverse Problems, arXiv:2001.00617v2，Theorems 3.9–3.10、Example 3.11、Theorem 5.6、Example 5.7 与 Theorem 6.5；三个概念页逐项标出准确印刷页码和本文补充的计算。

交卷时应能从头复算五件事：Green 的 $q>5/2$ 与临界失败；高频噪声随 $m$ 的放大；Volterra 的混合边界与完整左右基；参数同步失败的单位方向反例；以及源条件例中 $2/3$ 指数与 $3/2$ 常数。每个答案都要标明使用的空间、范数和量词，才构成可迁移的恢复保证。