手机拍糊了,为什么一去模糊就满屏颗粒?
用一个简化模型:照片拆成不同细节通道,模糊过程把第 个通道的幅度除以 。粗轮廓保留较多,越细的纹理越被压小。
假设第 1000 个通道真实输出只有 0.001,叠加了 0.001 的测量噪声。反向乘以 1000 后,真实幅度恢复为 1,但噪声也变成 1。你想恢复的细节和放大的颗粒混在一起。
紧算子常体现这种“高编号方向越来越被压小”的特征。前向处理很稳定,反向恢复却可能极不稳定。截断或正则化,就是在恢复细节和压住噪声之间作选择。
把模糊机的近似成本算出来
,只保留前 个输出通道得到 。若输入总能量最多为 1,则遗漏输出满足
因此整个单位球上的最坏误差至多为 ,输入 又能达到它。这是统一的有限维近似,不只是某一张照片恰好压缩得好。
给定误差 0.01,只需 就够控制这台机器的所有单位输入输出。有限维输出再可用有限张小网覆盖,于是输出族相对紧。
有限维近似不意味着原输入可压缩
输入中的高编号通道仍可能拥有全部能量,例如 。只是模糊机把它压得很小,所以输出易近似。
因此紧算子描述的是机器对有界输入族的压缩效果,而不是声称所有原图本来简单。无限维恒等机器不会压小任何新方向,正是因为这样,它不紧。
反求时,前面得到的好处怎样变成坏处
前向把第 个方向除以 ,使输出尾部容易忽略;反向则要乘 ,恰好把尾部不确定性重新放大。让前向输出可有限描述的机制,正是逆问题的危险来源。
假设观测噪声二范数最多为 ,只恢复前 个通道时,噪声放大至多为 。真实信号的尾部又带来偏差 。总误差可估为
第一项随 增大变坏,第二项通常变好。这份误差分解把“恢复多少细节”变成可以分析的权衡,也说明为什么不能永远增加分辨率而无视噪声。
带你做:同样有界的两台对角机器,哪台紧
机器 A 把第 个通道乘 ,机器 B 乘 。二者算子范数都是 1,但只有 A 紧。
对 A,截断尾部的统一误差为 ,会趋零;对 B,遗漏任意靠后的单位通道仍有单位输出,有限截断的误差始终为 1。B 只是不断翻转符号,没有压缩新方向。
还可以直接看单位输入序列。A 的输出 强趋零;B 的输出 两两距离为 ,不存在收敛子列。
这里检验一条序列足以否定紧性,却不足以单独证明紧性;证明 A 紧时,我们使用的是对整个单位球的有限秩一致逼近。分清“反例一条就够”和“正面证明要覆盖全部输入”,是学习定义时很重要的逻辑习惯。
回头整理:定义、工具与练习
无限方向被逐渐压小
在 上定义 。越靠后的方向越被压缩。这让所有有界输入的输出,在给定误差下都能主要由有限个坐标描述。
有界线性算子 称为紧算子,如果每个有界序列 的像都有一个在 中范数收敛的子列。等价地,单位球像的闭包紧。
有限秩与算子范数极限
有界有限秩算子是紧的,因为其输出落在有限维空间,那里有界序列可提取收敛子列。
若 Banach,紧算子的算子范数极限仍紧。证明思路:对给定精度先用一个紧算子近似,再用有限小球覆盖其单位球像,得到极限算子像的全有界性;闭包在完备值域中完备,因此紧。
对 取截断 ,仅保留前 坐标,便有
所以 紧。更一般的对角算子 在 上紧,当且仅当 。必要性可用 检查。
单位算子为何不紧
无限维赋范空间的恒等算子不紧;对 已有 反例,一般结论可由 Riesz 引理构造保持间距的单位向量序列。
因此无限维 Banach 空间上的紧算子不能拥有定义在整个值域空间上的有界逆。否则恒等算子 也是紧的,矛盾。
逆问题里发生了什么
对 ,逐坐标解是 ,但任意 未必得到 。即使限制到像空间,逆也不有界。
观测误差 满足 ,反解却是 ,大小不减。反问题的不稳定有明确的方向与放大率,而不是计算机精度不够这一种原因。
截断正则化只恢复前 坐标:会留下截断偏差,却限制噪声放大。 太小漏掉信息,太大又放进高频噪声。
积分算子的紧性
若 ,则 从 到自身为紧算子。单位球像一致有界,且由核的一致连续性得到等度连续,再应用 Arzelà–Ascoli 定理。
在 框架中,平方可积核给出 Hilbert–Schmidt 算子,并且是紧的。证明可用有限和的乘积核在 中逼近,再用算子范数估计。这里引用这类逼近的标准稠密性结论。
Hilbert 空间上紧算子可由有限秩算子作算子范数逼近;一般 Banach 空间中不能不加近似性质就宣称同一结论。
练习与解答
- 的对角算子紧吗?
- 紧算子一定有界吗?
- 有界线性算子与紧算子复合是否仍紧?
解答:1. 不紧,像的标准单位向量保持固定间距。2. 按本章定义已经要求有界;在线性映射中,单位球相对紧本身也保证有界。3. 是,只要复合的定义域和值域匹配,前后任一侧与有界算子复合都保持紧性。