数学总导航 · 本课程目录 · ← 上一章 · 下一章 →
模糊和锐化,为什么对噪声态度不同?#
把相邻像素取平均会使照片变模糊:某个像素的异常通常会被邻居稀释。若每个输入像素最多误差 0.01,使用非负、总和为 1 的加权平均后,每个输出像素也最多误差 0.01。
锐化常用相邻像素差来突出边缘。若采样间隔很小,同样一丁点亮度差除以间隔后,估计斜率就可能很大。照片里不明显的小颗粒会被放大。
算子的范数就在问:一单位输入误差最坏能产生多大输出误差?平均处理和求导处理虽然都线性,却可能有完全不同的稳定性。
从一个简单模糊器算出稳定常数#
设离散滤波 yj=(xj−1+2xj+xj+1)/4。如果输入误差每个坐标最多为 δ,则输出误差满足
∣Δyj∣≤4δ+2δ+δ=δ.这就是最大范数下的有界性,放大常数可以取 1。若输入为常数误差 δ,输出仍为 δ,所以在适当的全序列空间中范数恰好为 1。
这个估计不需要知道照片具体内容,一次性控制了所有允许输入。因此算子范数是最坏情形承诺,不是几张测试图上的平均表现。
同样线性的求导为何会失控#
误差 en(t)=sin(nt)/n 的高度最多为 1/n,看起来越来越干净;导数却为 cos(nt),仍有单位振幅。高频可以抵消小振幅,让斜率误差不小。
如果输入范数只看高度,无法找到统一的 C 使所有 ∥en′∥≤C∥en∥。若把输入大小改成 ∥f∥+∥f′∥,不等式立刻成立,因为输出本来就是预算的一部分。所谓算子有界不是脱离空间的永久标签。
核与像如何解释可恢复性#
核非零说明有两种输入产生同一输出,信息已被完全合并;单射时信息在精确数学意义上没有完全消失。但这还不保证逆稳定,某些输入差异可能被压得极小,低于噪声水平。
像空间则说明哪些观测真的可能由模型产生。实际带噪观测可能不在像里,这时不能坚持寻找精确逆,而需要最小二乘或正则化。前面学过的有限维图景,在这里逐项重现。
伴随不是“倒放机器”#
伴随的定义是把内积测试从输出端移回输入端:⟨Tx,y⟩=⟨x,T∗y⟩。它回答“用输出方向 y 观察机器结果,等价于怎样观察原输入”。
例如重复取平均的机器不一定可逆,却仍有伴随。只有对酉或正交变换,伴随才恰好等于逆。优化里的反向传播使用这类转移测试的机制,并不是总在反求原输入。
带你做:机器串联后,误差上界怎样相乘#
第一台机器最坏放大 2 倍,第二台最坏放大 3 倍,那么串联最坏至多放大 6 倍,因为 ∥STe∥≤∥S∥∥Te∥≤6∥e∥。
“至多”不一定达到:第一台最擅长放大的输出方向,可能正好被第二台压掉。例如在二维中,先投影到水平轴,再投影到竖轴,两台范数都为 1,复合却为零算子。
因此算子范数的乘积是一条安全上界,不是任意复合机器的精确倍率。想要精确值,必须分析方向怎样在两台机器之间衔接。
这与矩阵乘法的几何完全一致:倍率之外还存在方向。只有标量处理或特定对齐条件下,最坏方向才会一路保持并达到乘积。
回头整理:定义、工具与练习#
输入误差会被放大多少#
矩阵把有限向量送到有限向量。算子也做类似工作,只是输入输出可能是函数。
例:积分算子 (Vf)(t)=∫0tf(s)ds;评价泛函 Ea(f)=f(a);微分算子 Df=f′。它们都是线性的,但不一定在所选空间和范数下连续。
连续等价于统一放大界#
线性映射 T:X→Y 有界指存在 C 使 ∥Tx∥Y≤C∥x∥X。其最小常数为
∥T∥=∥x∥≤1sup∥Tx∥.这个“有界”是单位球像有界,不是要求整个值域有界。非零线性算子对全空间的输出当然可以任意大。
有界直接保证 Lipschitz 连续。反之,若在零点连续,取 δ>0 使 ∥z∥<δ 时 ∥Tz∥<1,对非零 x 代入 z=δx/(2∥x∥),即可得统一界。因此线性算子的逐点连续问题可化为一个全局常数。
三个范数例子#
在 C[0,1] 的最大范数下,∥Ea∥=1。上界由 ∣f(a)∣≤∥f∥∞ 给出,常数函数 1 达到上界。
同样 ∥V∥=1,因为 ∣(Vf)(t)∣≤t∥f∥∞,在 f=1,t=1 取等号。
对 D:C1[0,1]→C[0,1],若两边都用最大范数,fn(t)=sin(nt)/n 满足 ∥fn∥∞→0,但 ∥Dfn∥∞=1,故 D 不连续。若定义域改用 ∥f∥C1=∥f∥∞+∥f′∥∞,它又有界了。
算子本身也形成空间#
所有有界线性映射组成 B(X,Y)。若 Y 为 Banach 空间,则它在算子范数下也完备,即使 X 不完备。证明依旧分为:对每个输入取极限,检查线性,再用统一估计得到算子范数收敛。
复合满足 ∥ST∥≤∥S∥∥T∥。若 ∥A∥<1,Neumann 级数 ∑n=0∞An 在算子范数下收敛,并给出 (I−A)−1。
Hilbert 伴随#
有界算子 T:H→K 存在唯一伴随 T∗:K→H,满足
⟨Tx,y⟩K=⟨x,T∗y⟩H.存在性来自 Riesz 表示。有限维时就是共轭转置,且 ∥T∗∥=∥T∥。有
(imT)⊥=kerT∗,imT=(kerT∗)⊥.第二式中的闭包不能随便删除,像空间未必闭。
练习与解答#
- T(x)n=anxn 在 ℓ2 上何时有界,范数多少?
- 右移算子的伴随是什么?
解答:1. 当且仅当 sup∣an∣<∞,范数为此上确界;用 en 检查必要性。2. 左移。按内积逐项展开即可验证,但右移不是可逆算子,伴随不等于逆。
数学总导航 · 本课程目录 · ← 上一章 · 下一章 →