本书讲一门学问：代数几何——用多项式方程组的解集研究几何形状。它从一个朴素的观察出发：一条曲线的「几何」与刻画它的「方程」，其实是同一件事的两副面孔——把方程 x2 + y2 = 1 的解画出来是一个圆，而这个圆上的全部信息，又都能从方程所在的环里读回来。本书要回答的问题由此展开：为什么「理想与簇」的对应（Hilbert 的 Nullstellensatz）是整座大厦的地基？为什么必须把「无穷远点」请进画面，Bézout 定理才数得清两条曲线的交点？为什么「层」这种局部数据的组织方式，恰好捕捉了「局部如何拼成整体」这个几何最深的主题？为什么 Grothendieck 干脆把空间本身定义成交换环的素谱，让 Spec ℤ 也成为一个几何对象，从而把算术与几何缝成同一门学问？从 Descartes 的坐标系、Bézout 的计数、Riemann 的曲线论，到 Zariski、Serre、Grothendieck 的概型与上同调，代数几何两百年只做一件事：把「形状」翻译成可以计算的代数结构，再让代数把形状的秘密说出来。
本书按章组织：绪论并置「方程」与「几何」两条通往形状的路，从 Euclid 的图形与 Descartes 的方程讲到理想的对应与概形的远景；第一章搭第一层地基——仿射空间 𝔸n 与多项式环、代数集与理想的双向对应、Zariski 拓扑、Hilbert 基定理、不可约分解与仿射簇、坐标环、Nullstellensatz；第二章深入结构——局部化与局部环、有理函数域、维数的四种等价定义、切空间与光滑点、奇异性、态射与双有理等价、乘积；第三章把无穷远请进来——射影空间 ℙn 与齐次坐标、射影簇、齐次坐标环、Bézout 定理，并引入层与结构层 𝒪X、凝聚层与上同调初步；第四章完成飞跃——从簇到概型、Spec R 作为空间、概型的态射与纤维积、分离与紧合、局部性质与除子、概型上的上同调与 Serre 对偶、Riemann–Roch 的预演；第五章走向算术——曲线与亏格、Riemann–Roch 定理、椭圆曲线的群律、Mordell–Weil 定理、有限域上的曲线与 ζ 函数、Weil 猜想、étale 上同调、Jacobi 簇与 Arakelov 几何；第六章远眺现代疆界——从概形到栈、导出函子与谱序列、相交理论、étale 与晶体上同调、Motive、Hodge 猜想、模空间与形变、几何 Langlands、镜像对称、导出代数几何；综合站用年表、人物谱、方法决策树、两个综合实验与二十四题自查收束全书。
写作的三条约束（本书的自我要求）。① 直觉与例子先行：每一个概念都从一张图、一个具体的小例子讲起——先看见抛物线 V(y − x2) 与圆 V(x2 + y2 − 1) 在平面上的样子、两条三次曲线为何在无穷远处还「欠」两个交点、Spec ℤ 里素点与泛点如何排成一条线，再抽成公理；每一个定理先有「为什么它是对的」的直觉，再有完整的证明。② 一步一图：凡能画的都画——理想与簇的双向箭头、Zariski 拓扑的闭集谱、射影平面的仿射图卡拼贴、层的茎与截面的局部—整体示意、概型的纤维与基变换方块、曲线上的除子与 Riemann–Roch 的维数差。代数几何最漂亮的地方正藏在「形状—环—层」的三向对照图里：一条定义、一句定理，画出来便一目了然。③ 自给自足：本书不假设手边另有教材，所需工具在书内随用随补——多项式与理想的运算、环与商环、局部化与诺特环的必要片段、域扩张与有限域的一点基础，都在需要它的那一页现学现用；每一条定义都同时给出形式陈述与一句大白话的直觉。个别深刻而整体的结论（Nullstellensatz 的代数证明、Riemann–Roch 定理、Mordell–Weil 定理、Weil 猜想的证明、导出代数几何的框架）给出精确陈述、证明思路与文献指引，数值与程序对拍在实验页随附、可自行复算。
页型节奏。每章以 导引 开篇（一页说清这一章要解决什么）；主体是 讲义 页（概念、定理、证明，一步一图）；每章配 例题 与 习题（先示范再放手）、知识地图 一页（本章概念怎么连成网）、小结（正面清单＋易错清单）、思想卡（一句话立起本章的哲学）、挑战（一道通向文献的硬题）、实验（一段可复算的程序）、格物札记（中西算学传统里的平行直觉）、速查表（本章公式与记号一页备翻）；章末另设 衔接讲义，把下一章的问题提前立起来。所有编号 可跳读：每一页都自带上下文，随手翻开一页也能读下去。
难度标记。讲义页用 ★–★★★★★ 标出阅读难度：★ 高中基础即可，★★ 需要多项式与线性代数的熟练经验（书内自给），★★★ 需要抽象代数的入门（环、理想、商环与局部化的定义，书内自给），★★★★ 需要交换代数与同调代数的一点经验（书内随用随补），★★★★★ 需要概形、上同调与现代算术几何的观点（第六章疆界各页）。若只求理解主线，读绪论、第一章的 nullstellensatz、第二章的维数与光滑性、第三章的 Bézout 与层、第四章的概型与 Riemann–Roch 即可；若求完整掌握，按章顺序逐页推进，并把每章习题做完。
三条线索贯穿全书：
① 明线——从方程到概形：先在坐标平面上把「方程的解集」看成几何对象（绪论与第一章），再把「形状」翻译成「环与模」的语言（第二章），把无穷远点请进来并用层组织局部数据（第三章），最后换掉地基、把空间本身定义为交换环的素谱，让算术与几何合一（第四、五章），并以现代上同调与导出几何作结（第六章）——这正是代数几何从「Descartes 的坐标」长成「Grothendieck 的概形」的轨迹。
② 暗线——几何与代数的双向字典。本书反复演练一本字典：形状顺向搬运（几何→代数：把簇送到它的理想、把态射送到环同态），函数环反向拉回（代数→几何：把理想读到它的零点集、把环同态读成态射）。Nullstellensatz 让字典在代数闭域上成为双射，概形则把字典扩展到算术世界。什么时候能用这本字典、什么时候必须升到层与上同调，是全书的核心招式。
③ 接口——通往四个邻域。代数几何是现代数学的枢纽：与交换代数（环、理想、局部化与维数）、拓扑（Zariski 拓扑、层与上同调）、微分几何与分析（复流形、Hodge 理论）三条战线直接相通，并与数论（椭圆曲线、Weil 猜想、Langlands）深度合流，第六章与综合站余韵两页逐条架桥。
写法约定（TEX 标准）：仿射空间记 𝔸n、射影空间记 ℙn；簇记 X、Y（变量斜体），多项式环记 k[x1, …, xn]；理想记 𝔞、𝔪、𝔭；坐标环记 A(X)、结构层记 𝒪X；概型记 (X, 𝒪X)、素谱记 Spec R；层上同调记 Hi(X, ℱ)。变量用斜体，函数名（Spec、dim、deg、Pic、Hom）与群名（Cl、Gal、GL）用正体；关键一步配图，形状与环逐章对照。
★★★ 二十世纪初，数学家们发现一件怪事：解一个微分方程、求一个积分、逼近一个函数——这些「分析」问题，做起来竟都像在解一个「向量方程」，只不过向量的分量有无穷多个。
本册要做什么？把「函数」升格为「空间中的点」：给函数集合装上距离（度量）、长度（范数）、角度（内积），于是「微分方程有解吗」变成「映射有不动点吗」，「级数收敛吗」变成「部分和往哪走」，「逼近得好吗」变成「投影落在哪里」。分析的语言换成几何，问题的答案开始自动浮现。
为什么值得学？泛函分析是现代数学的「操作系统」：偏微分方程的存在性理论、量子力学的数学基础、机器学习的优化理论、信号处理的 Fourier 分析——全部运行在这套「无穷维空间」的语法之上。学好它，看每一个分析问题都会自动「降维成几何图像」。
学习地图（绪论 → 六章 → 综合站）。绪论铺语感；第一章度量空间与不动点（解方程的发动机）；第二章赋范空间（长度与完备）；第三章三大定理（Banach 空间的机械臂）；第四章 Hilbert 空间（角度回归，Fourier 接入）；第五章谱理论（算子的指纹）；第六章疆界（无界算子、变分法、分布）。综合站收全册。
★★ 泛函分析的第一块基石是一个「视角升级」。
移民清单（先睹为快）。向量长度 → 范数；两向量夹角 → ∫fg 度量的相关性；正交 → 积分为零；线性变换 → 算子（微分、积分都是线性算子！）；特征值 → 谱；投影 → 最佳逼近。线性代数里学过的每一件兵器，本章之后都会在函数世界里拿到无穷维版本。
无穷维的「第一怪」。有限维里所有范数等价、闭集必紧、线性算子必连续——「怪事清单」在无穷维全部失效（p42、p19、p67 逐一见证）。「直觉的失效点」正是本册的景点地图：每失效一处，就立一块新定理的界碑。
学习姿态。每见一个无穷维新概念，先问「有限维的它长什么样」，再问「无穷维哪里失真」——两问之间，就是泛函分析的全部内容。
★★★ 分析学第一次「深呼吸」就在这里：收敛这个词拆成了三种。
经典反例：xn 的悬崖。f_n(x) = xn 在 [0,1] 逐点收敛到 f（x<1 处 0、x=1 处 1）——但 sup |f_n − f| = 1 永远不降（x 靠近 1 处总有一堵墙）。逐点极限甚至把连续函数收成了间断函数——这就是「弱收敛不可信」的铁证。一致收敛则保连续、保「积分与极限交换」、保级数逐项积分——它是分析里所有「交换律」的通行证。
范数语言的一次性总结。「一致收敛」= 在 C[a,b] 上取 sup 范数后的依范数收敛；「L2 收敛」= 取积分范数；「几乎处处收敛」= 测度论的另一支笔。选范数 = 选「什么算靠近」——第二章的主角「范数」从本页起已是主角。
本册的承诺。三副面孔不是负担，而是三把钥匙：不同问题用不同的「靠近」，答案各得其所——第一章用它证完备性，第四章用它接 Fourier，第六章用它放宽导数。
★★ 「把分析装进空间」最直接的受益者是解方程。
改写示范：初值问题。y′ = F(x, y), y(0) = y0。两边从 0 到 x 积分：y(x) = y0 + ∫0x F(t, y(t))dt——右边是「输入函数 y、输出函数」的积分算子 T，原方程 = 「求 T 的不动点」。微分（局部、需要光滑）变成了积分（全局、只要连续）——难度骤降。
为什么这是大杀器？因为不动点可以迭代逼近：随便一个起点 x0，令 xn+1 = Tx_n——只要 T 「压缩」（把任意两点的距离至少缩小一个固定比例），迭代必收敛到唯一不动点。「解存在、唯一、可计算」三件事一次拿下——这就是第一章的压缩映射原理（Banach 不动点定理），第二章–第六章的一切都是它的放大与变形。
预告本书主线。解方程的三个台阶：度量空间的不动点（第一章）→ Banach 空间的三大定理（第三章）→ Hilbert 空间的谱与变分（第四、五、六章）——每一级台阶都更几何、更代数、也更强。
★★ 泛函分析的诞生是三个学派的接力跑。
意大利（1900s 前后）。Volterra 与 Ascoli、Arzelà 研究积分方程与「曲线的极限」——Arzelà–Ascoli 定理（第一章压轴）就诞生于此。他们隐约看见「函数集合需要几何」，但还没有「空间」的公理。
德国（1906–1930）。Hilbert 研究积分方程时发明 ℓ2（无穷维欧氏空间的原型）；Riesz 与 Fréchet 把「空间」抽象出来；Stefan Banach 1932 年的《线性算子理论》是公理体系的成人礼——完备赋范空间从此姓 Banach。
波兰（1920s–1939）。利沃夫的「苏格兰咖啡馆」：一群数学家常年占一张桌子，把问题记在咖啡馆特备的笔记本上（苏格兰书）——Hahn–Banach、开映射、一致有界三大定理都在这批讨论中成型。1939 年战火烧断接力，但笔记本幸存（1941 年藏过一位教授的妻子的果园，战后取回）。
余波与开花。von Neumann 把 Hilbert 空间献给量子力学（1927–32）；Sobolev 与 Schwartz 的分布理论把「函数」再放宽一步（第六章）；Gelfand 把谱理论代数化。今天机器学习的优化、PDE 的有限元、信号的小波——全在用这笔遗产。学泛函分析 = 领三支队伍的接力棒。
★★ 全册的结构是一架「加结构的三级台阶」。
第一级：度量空间（第一章）。只装「距离」：能谈收敛、完备、紧。代表作：Banach 不动点定理——压缩映射迭代解方程（√2 的迭代、微分方程的 Picard 解法）；压轴红利：Baire 纲定理与 Arzelà–Ascoli。这一级不需要线性，任何「能算距离的集合」都适用。
第二级：赋范空间 + 三大定理（第二、三章）。加上「线性结构」：能谈长度、算子、级数。完备赋范 = Banach 空间。代表作：Hahn–Banach、开映射、闭图像、一致有界——四大定理（三大定理 + 延拓定理）是「完备性终于发力」的机械臂，把「解的存在、连续依赖、延拓自由」变成流水线。
第三级：Hilbert 空间 + 谱（第四、五章）。加上「角度」：正交、投影、Fourier 级数、Riesz 表示。代表作：紧自伴算子谱定理——无穷维的「对角化」，积分方程与量子力学的数学底座。几何直觉全面复辟。
疆界：第六章。无界算子（定义域不再是全部——量子力学的真实需求）、Sobolev 与弱导数（把导数放宽）、变分法与 Lax–Milgram（能量最小化解方程）、分布理论（函数的推广）。三级台阶建完，回望前线。
★★ 开工前的工具袋清点。
必须带上的老朋友（数学分析）。① 确界原理：非空有上界的实数集有上确界——本册无数「sup 范数」的定义与「算子范数」的存在都踩在它上面；② ε-N / ε-δ 语言——一切收敛与连续的书写规范；③ 上下极限与一致收敛的反例库（xn、锯齿波、f_n = sin nx / n——本册反复借用）；④ 积分与极限交换的教训（为何要一致收敛）。
本册的新记号约定。度量 d(x, y)；范数 ‖x‖；内积 ⟨x, y⟩（第四部分起）；算子 T: X → Y，其范数 ‖T‖；谱 σ(T)（第五章）。典型空间记号：连续函数空间 C[a, b]、数列空间 ℓp、平方可积函数 L2。统一格式：粗体或正体字母表空间，小写表元素，大写表算子。
集合论的一次性借支。Zorn 引理（「若每个链都有上界则存在极大元」）在本册只在两处借力：Hahn–Banach 延拓（第三章，把逐点扩张推到全局）与 Hamel 基的存在性（反例制造厂）。用完即还，不深入集合论。
预备测验（30 秒）。sup{1−1/n} = ?；xn 在 [0,1] 的逐点极限连续吗？；「对每个 x 收敛」与「一致收敛」谁强？三问全对，直接翻页。
★★ 绪论小结：无穷维的语法。
四页语感的账目。① 函数即向量：分量无穷化的移民工程（p3）；② 收敛三副面孔：逐点/一致/依范数，xn 的悬崖立此存照（p4）；③ 算子方程：微分方程 = 积分算子的不动点，解方程的几何化（p5）；④ 年表与路线图：三学派接力 + 三级台阶加结构（p6–p7）。
本册的方法论预告（三句话）。① 选范数 = 选「靠近」的标准——同一个空间、不同范数，收敛与完备各说各话（第二章主题）；② 完备性是发动机——第一章不动点、第三章三大定理、第四章投影的存在，全是「Cauchy 必收敛」这一条的红利；③ 有限维直觉要用但要验——每一步「显然」都要问「无穷维还成立吗」，失效处就是定理的出生地。
与相邻领域的握手。读过相邻领域的可以发现：Picard 迭代在那里是「技巧」，在本册将升格为「定理」（Banach 不动点 + 压缩映射）；会发现：Fourier 级数在那里是「主角」，在本册第四章将看到它的「舞台」（L2 的正交基）。同一批数学事实，换一册就是换一个视角。
下一章预告。第一章「距离的地基」：从 d(x,y) 的三条公理出发，经完备性与压缩映射，直抵「解方程的发动机」——本册第一个定理就会解微分方程。
★★★ 第一章只装一件结构：距离。但凭距离就能解方程——这是本册的第一场魔术。
线一 · 完备性（p12–p22）。度量公理 → 开集闭集 → Cauchy 判据与完备空间；典型例子 C[a,b] 的完备验证；不完备空间看「洞」在哪；完备化定理把洞补上（ℝ 从 ℚ 的补全重生）；Baire 纲定理是完备性的深度红利——「完备空间不能被可数个瘪球盖住」，两个经典推论（无界逆、一致有界的雏形）提前上场。
线二 · 不动点（p16–p19 与全章应用）。Banach 压缩映射原理：把两点距离至少缩一个固定比例的映射必有唯一不动点，且迭代必达——从 √2 的平均迭代到微分方程的 Picard 解法，从求根到分形，一遍通吃。
压轴 · 紧性（p22–p25）。有限维「有界闭即紧」的护身符在无穷维失效；Arzelà–Ascoli 定理给出函数世界的替代品（一致有界 + 等度连续）。实验（p36）把不动点真跑一遍。
★★ 定义先行：泛函分析的最小主义起点。
最小主义的哲学。三条公理没有「加法」、没有「数乘」、没有「角度」——距离是能与「收敛」兼容的最少结构。结构越少，适用的对象越多：函数、数列、图像、矩阵、概率分布……凡能定义「远近」者皆可入住。
同一集合，多种距离。ℝ2 上：欧氏距 √(Δx2+Δy2)、棋盘距 max(|Δx|,|Δy|)、出租车距 |Δx|+|Δy|——三种距离下的「球」分别圆、方、菱，但收敛性完全相同（它们等价）；而离散距离（不同则 1）下的收敛只有「从某步起不动」。「结构即选择」的第一课：选距离就是选拓扑。
三个立即的定义。开球 B(x0, r) = {x: d(x,x0) < r}；点列 x_n 收敛到 x ⟺ d(x_n, x) → 0；集合有界 ⟺ 装进某个球。一切后续概念都从这三样长出。
★★ 距离一旦选定，拓扑自动生长。
开集的三条基本性质（拓扑的种子）。任意并开、有限交开、空集全集开——「拓扑空间」就是把这三条当公理（距离空间的特例叫度量拓扑）。闭集对偶：任意交闭、有限并闭。
「闭」的三张脸（必须一体记牢）。① 补集开；② 含全部极限点（序列语言）；③ 对距离连续的函数下 preimage 守恒的载体。例：C[a,b] 中「在 x0 处取值 ≤ c」的函数集是闭集（极限保不等式）；「< c」是开集。闭 = 「经得起极限考验」——本册最重要的直观。
稠密与可分（提前一词）。A 在 X 中稠密 ⟺ Ā = X（有理数在实数中的推广）；X 可分 ⟺ 有可数稠密子集。可分性是无穷维空间的「有限维残留」——第三章分离定理、第五章谱的刻画都会用到。
★★★★ 本章最重要的概念，没有之一。
为什么 Cauchy 判据是「免极限证收敛」的许可证？直接证 x_n → x 需要先知道极限 x 是谁；Cauchy 判据只要求「成员彼此靠近」——极限可以匿名。迭代法、级数、逼近序列的收敛证明几乎全靠它：算出来的项彼此靠近，就赢了。
完备与否是「空间 + 距离」的联合性质。ℚ 配通常距离不完备（1, 1.4, 1.41, … 是 ℚ 中 Cauchy 列，极限 √2 不在 ℚ）；ℝ 完备（确界原理的化身）；ℚ 配离散距离完备（Cauchy 列必须最终不动）。「补洞」是分析的第一件大事：ℝ = ℚ 的完备化——本册 p17 把这件事推广到任意度量空间。
预告本册的复利结构。第一章：完备 ⟹ 不动点存在（压缩映射）、Baire 纲；第三章：完备 + 线性 ⟹ 四大定理（Hahn–Banach、开映射、闭图像、一致有界）——「完备性终于发力」将作为本册母题反复兑付。
★★★ 本册的「主场空间」，完备性逐条验一遍。
证明三部曲（背下来，全书多处翻用）。① {f_n} 是 Cauchy 列：∀ε, ∀m,n 大，max|f_m − f_n| < ε——在每个固定点 x 处，{f_n(x)} 是 ℝ 中 Cauchy 数列；② ℝ 完备 ⇒ 逐点极限 f(x) 存在；③ Cauchy 条件对 n → ∞ 取极限：max|f_n − f| ≤ ε——f_n 一致收敛到 f；连续函数的一致极限连续 ⇒ f ∈ C[a,b]。∎
证明的亮点在哪？「逐点 Cauchy → 逐点极限」借 ℝ 的完备，「一致收敛 → 连续」保住成员资格——完备性的证明总是这两步舞：先造极限，再证明极限有资格留在空间里。后续 ℓp、L2、Cn 的完备性证明全是这个模板。
反面教材（同集异距）。C[a,b] 配 d1(f,g) = ∫|f − g|：取 f_n 为「在 [1/n, 2] 段从 0 平滑升到 1 的斜坡」，d1(f_n, 阶跃) → 0——Cauchy 列收敛到不连续的阶跃函数，洞在连续性上。这个洞将由 L1/L2 的完备化补上（第四章）——「完备化」是泛函分析的标准动作。
★★ 见完结构的正面，看三个「漏风」的例子。
例一：ℚ（有理数）。十进制逼近 √2 的数列是 ℚ 中 Cauchy 列，但极限 ∉ ℚ。洞 = 无理数。这是历史上最早的「完备性危机」（毕达哥拉斯学派），也是完备化思想的原型。
例二：C[0,1] 配 L1 距离。（上页已铺）斜坡列 Cauchy 而极限是阶跃函数。洞 = 连续性。补洞得到 L1 空间——勒贝格积分的舞台（第四章）。「洞」的存在直接催生了一门新积分学。
例三：多项式全体 P 配 sup 距离（在 [0,1] 上）。ex 的泰勒部分和是多项式 Cauchy 列（一致收敛），但 ex 不是多项式。洞 = 解析性。它的完备化是 C[0,1]（Weierstrass 逼近定理说多项式在 C[0,1] 中稠密——稠密的真子空间必不完备）。「稠密真子空间必不完备」是不完备性的万用检测器。
判断完备性的工作流程。① 写出候选 Cauchy 列；② 求逐点极限；③ 问极限是否留在空间内、且原距离下收敛。四步之内必有结论——下页习题课实战。
★★★★ 把「洞」全部补上的标准手术。
构造（Cantor 的手笔）。新点 = X 的 Cauchy 列的等价类：{xn} ~ {yn} ⟺ d(xn, yn) → 0（「同尾」）。距离 d̄([xn], [yn]) = lim d(xn, yn)——Cauchy × Cauchy 保证极限存在（三角不等式的 ε/2 推理），同尾保证良定义。X 以「常值列」身份等距嵌入；[xn] 是「原列的应许之地」。实数的 Cantor 构造正是本定理在 ℚ 上的演出。
三份家产。① ℚ̄ = ℝ（分析的地基）；② 连续函数配 L1 距离的完备化 = L1（勒贝格积分）；③ 配 L2 距离的完备化 = L2（Fourier 的家，第四章）。「先构造，后确认唯一性（稠密嵌入 + 等距 ⇒ 同构）」是泛函分析的标准双步。
工程视角。完备化 = 「最小修补」：不添加任何多余点（稠密性），只补必要的洞（完备性）。数值分析的「预处理」、机器学习的「补全」都在精神上重复这个动作：在最小的范围内，把极限世界接进来。
★★★★ 本册第一台发动机。
证明四步（背下骨架）。① 迭代列 Cauchy：d(xn+1, xn+2) ≤ qn+1 d(x1, x0) 几何衰减， telescoping 求和 < ε；② 完备性 ⇒ 收敛到某 x*；③ T 连续（压缩显然 Lipschitz）⇒ x* = Tx*；④ 唯一性：d(x*, y*) = d(Tx*, Ty*) ≤ q·d(x*, y*) 且 q < 1 ⇒ d = 0。∎
为什么四件打包是奇迹？「存在」（空间有解）、「唯一」（不会分叉）、「构造性」（迭代可得）、「误差可控」（qn 几何衰减，给精度要几步一算便知）——通常这四件事要四个定理，压缩性一锤定音。
两个使用须知。① q < 1 是生死线：T(x) = x + 1/（平移 1/单位）不压缩也无不动点（在 ℝ 上）；T(x) = x 完全不压缩、处处不动点——「不压缩则两说」；② 完备性同样生死线：(0, 1) 上 T(x) = x/2 不动点 0 出走空间外。「完备 + 压缩」缺一即崩——定理的条件清单就是它的使用说明书。
★★★ 把不动点定理的误差账算细。
先验 vs 后验。先验（开工前）：d(xn, x*) ≤ qn/(1−q)·d(x1, x0)——用初始步长预估全程，步数预算表：要 ε 精度，解 qn/(1−q)·d0 ≤ ε 得 n 的下界。后验（运行中）：d(xn, x*) ≤ q/(1−q)·d(xn−1, xn)——用刚走的步长估计离终点多远，随时可查。
压缩率的自检。相邻步长之比 d(xn+1, xn)/d(xn, xn−1) → q（由连续性）——迭代自己会说明它压缩多快：比值稳定在 0.5 就按 0.5 预算。若比值漂向 1——压缩性可疑，定理的适用性亮红灯（但迭代未必失败：牛顿法单点二阶收敛而局部「超压缩」）。
与数值分析的对账。本定理是「不动点迭代」家族的共同根：牛顿法（把 f(x) = 0 改写 x = x − f(x)/f′(x)）、Jacobi 与 Gauss–Seidel（线性方程组的迭代解法）、幂法（第五章谱逼近）——全部是「设计一个压缩映射」的具体方案；它们的收敛速度差异 = 压缩率 q 的差异。
加速的思路。q 越小收敛越快：改写方程让 T 更「平」、或用平均化（T = (T1+T2)/2 的压缩率 ≤ 平均）——p36 实验的 √2 迭代正是「平均化」设计的杰作（Newton 法的化身，q 局部 → 0）。
★★★ 不动点定理的第一片应用田：求根。
改写的自由度。f(x) = 0 可以有无穷多种「不动点化」：x = x − λf(x) 对任何 λ 成立。λ 是收敛速度的旋钮：g(x) = x − λf(x) 在根 x* 处 g′(x*) = 1 − λf′(x*)——选 λ = 1/f′(x*) 让 g′(x*) = 0（一阶项清零，二阶收敛 = 牛顿法）；选不好（|g′(x*)| ≥ 1）则迭代发散。「改写方程」不是文字游戏，是收敛速度的工程设计。
√2 的两种写法（p36 实验对拍）。x2 = 2 的平凡改写 x = 2/x 不压缩（g′ = −2/x* = −√2，|g′| > 1——发散）；平均化改写 x = (x + 2/x)/2 的 g′(√2) = 0——二阶收敛，8 轮机器精度。同一个方程，改写不同，天壤之别。
线性方程组：Jacobi 与 Gauss–Seidel。Ax = b 拆 A = D − L − U：Jacobi 迭代 xn+1 = D−1(L+U)xn + D−1b、Gauss–Seidel 顺手用上新值。收敛判据（可证）：对角占优 ⇒ 压缩；更精细的判据要算迭代矩阵的谱半径——第六章谱理论的伏笔在此埋下。
方法论小结。不动点定理把「解方程」变成「设计映射」：存在唯一由定理担保，收敛快慢由设计决定——理论管底线，工程管速度。
★★★★ 不动点定理的招牌应用：微分方程的 Picard 定理。
证明 = 三步组装。① 改写：y′ = F ⟺ y = Ty（积分方程，p5 的变身）；② 完备舞台：C[0, δ] 的闭子空间 X = {连续且 |y − y0| ≤ b}（闭 ⇒ 完备——第一章 p12 的「闭三脸」）；③ 压缩验证：Lipschitz 给 |Ty1 − Ty2|(x) ≤ L∫|y1 − y2| ≤ Lδ·max——δ < 1/L 即压缩；Ty 把 X 映回 X 由 δ ≤ b/M 保证。Banach 定理接管。∎
反例的警戒线。y′ = 2√|y|, y(0) = 0：F 连续但不 Lipschitz（√y 在 0 处斜率无穷）——解不唯一：y ≡ 0 与 y = x2（x ≥ 0）都是解，轨迹从 0 点「随机分岔」。Lipschitz 不是技术细节，是唯一性的本体。
方法论的里程碑。「微分方程有解吗」这个分析难题，被「积分算子是否压缩」这个几何问题替换——区间还要取小（δ < 1/L）再逐步延拓——局部到整体的延拓技术此后无处不在（第六章半群再会）。
★★★★ 完备性的「第二份红利」，深度出乎意料。
概念先行。无处稠密集 = 闭包无内点的集合（如 ℤ ⊂ ℝ、任何有限集、Cantor 集）。「瘪（meagre）」= 可数个无处稠密集之并。Baire 说：完备空间不瘪。
证明直觉（嵌套球）。若 X = ∪Fn（Fn 闭无处稠密）：取球避开 F1（F1 无处稠密 ⇒ 任何球内有子球避它），再在子球内避开 F2……得到嵌套闭球列，半径 → 0，完备性让球心收敛到一点——它躲开了所有 Fn，与「盖住」矛盾。∎完备性在第三步（嵌套球有归宿）不可替代——这就是「完备的深度红利」。
两个开胃推论。① ℝ 无理数不可数：若可数，ℝ = ℚ ∪ 无理数 是可数个无处稠密集之并（ℚ 与每个单点都瘪）——矛盾；② 「存在处处连续但处处不可导的函数」的 Baire 式证明：不可导的函数集是稠密 G_δ——病态函数其实是「典型的」，光滑才是例外（Weierstrass 1872 年的石破天惊，Baire 给了它集体户口）。
第三章的预告。Hahn–Banach 之外，开映射、逆算子、一致有界三大定理的证明引擎全是 Baire 纲——「完备性终于发力」的真正主场在第三章。
★★★ 讲义 1.12：纲论证的两个经典推论。
推论一：「典型点」的存在证明模板。Baire 的标准用法：要证「存在性质 P 的点」，把「不满足 P」的点集写成可数个闭集之并，再证每个都无处稠密——于是满足 P 的点集是稠密 G_δ，不但存在而且「典型」。三步模板在本册与后续课程中反复出现。
推论二：逐点连续函数的连续点集。问：逐点连续的函数可以坏到什么程度？答案（Baire，1899）：逐点连续函数的连续点集是稠密 G_δ——「大部分地方」连续；但处处不连续的逐点连续函数存在（Thomae 函数：无理点连续、有理点间断的「爆米花函数」）——「逐点」的松弛换来的就是这种半吊子。对照：一致收敛保连续（p4 的通行证）——「一致」二字的价值在此又添一笔。
推论三（预告第三章）：有界逆的 「开映射」 雏形。若 Banach 空间之间的连续线性算子是满射，Baire 论证可推出「把单位球映成有内点的集合」——这正是开映射定理的核心引理。第三章将完整展开；此处记住句式：「完备 + 可数覆盖 ⇒ 某一块有内点」。
纲语言的品味。「瘪（meagre）」与「非瘪（second category）」给「大小」一个拓扑刻度：ℚ 瘪、无理数非瘪（尽管两个都是无限集）——「大」「小」从此有三种刻度：基数（可数/不可数）、测度（零测/正测）、纲（瘪/非瘪）。三者互不蕴含（Cantor 集基数连续统、零测、非瘪！），各有用途。泛函分析偏爱与纲合作——因为它与完备性绑定，而完备性是本册的发动机。
★★★★ 有限维与无穷维的第一道分水岭。
无穷维的崩塌现场。ℓ2 的标准单位向量 e1, e2, …（第 n 个分量为 1）：‖en‖ = 1（有界、住在闭单位球内），但 ‖em − en‖ = √2（m ≠ n）——任何子列都不可能 Cauchy，遑论收敛。闭单位球有界闭却序列紧性尽失。「有界 ⇒ 有收敛子列」这枚有限维护身符，在无穷维当场碎裂。
护身符失效的连锁反应。有限维的「连续函数必达最值」（Weierstrass 极值定理 = 紧性 + 连续性）在无穷维的 Banach 空间上不再自动成立——变分法的「能量泛函极小化」因此需要新工具（第六章变分法）；「有界数列必有收敛子列」失效 → 弱收敛登场（第三章）。无穷维分析的一半剧情，就是「紧性失效后如何自救」。
自救路线一（本章）：加条件换紧性。函数空间的紧性不能只靠「有界」——还要「不震荡」：Arzelà–Ascoli（下页）给 C[a,b] 配方：一致有界 + 等度连续 ⟺ 紧。「控制振荡」是紧性在函数世界的代偿。
★★★★ 函数世界的紧性代偿方案。
必要方向一瞥。紧 ⇒ 有界（显然）；紧 ⇒ 等度连续：若某 ε 的 δ 随 f 越取越小，则可挑 f_n 与 x_n, y_n（|x_n − y_n| → 0 但 |f_n(x_n) − f_n(y_n)| ≥ ε）——收敛子列 fn_k → f 一致，xn_k → x，两侧极限打架。∎
充分方向的骨架（对角线法）。取可数稠密集 {r_j}（如有理点）；F 一致有界 ⇒ 在 r1 处 {f(r1)} 有收敛子列；再从其中选在 r2 处收敛的子列……对角线子列在全部 r_j 收敛；等度连续把「稠密点上的收敛」升级为「一致收敛」。∎对角线法是无穷维的「分而治之」，与嵌套球（Baire）并列为两大基本手段。
两大应用。① Peano 存在定理：y′ = F(x,y) 只需 F 连续（不必 Lipschitz）就有解——Picard 迭代失灵（不压缩），但解族一致有界 + 等度连续 ⇒ Arzelà–Ascoli 抽收敛子列——「迭代不行就抽子列」的存在性旁路（代价：失去唯一性，恰与 y′ = 2√|y| 反例呼应）；② 解族取极限：参数扰动的微分方程族中抽极限解（数值分析的外推法之母）。
★★ 一维迭代的几何速查：蛛网图。
画法。横轴竖轴都是 x；画 y = g(x) 与对角线 y = x。从 (x0, 0) 出发：竖直到曲线（得 g(x0)）、横到对角线（把 g(x0) 作为新 x）、再竖到曲线……折返的「蛛网」就是迭代的全过程。
三种局面。① |g′(x*)| < 1：蛛网收紧（阶梯状爬向交点）——不动点吸引；② |g′(x*)| > 1：蛛网外扩——排斥，迭代发散；③ |g′(x*)| ≈ 1（相切）：临界——蛛网缓慢爬行，收敛速度对数级（半收敛的边缘状态）。斜率就是压缩率 q 的几何化身——p18 的误差账在图上一眼可读。
蛛网图的两个教学价值。① 发散的预警：曲线在对角线「下方穿过」且斜率陡——迭代第一步就远离，比数值试验更直观；② 多不动点的全局图像：曲线与对角线的每个交点各有一个吸引域——从哪个 x0 出发落到哪个不动点，蛛网图一眼分区（牛顿法的「吸引盆」概念的一维原型）。
推广一瞥。二维以上的迭代没有蛛网图，但有「轨线图」：T 把平面上的点映来映去，收敛 = 轨线螺旋入汇点——动力系统的语言从这里起步（第六章半群的远亲）。
★★ 讲义 1.16：本章工具箱小结——十件套清点。
概念件（四件）。度量与开闭集（距离的最小主义 + 拓扑自动生长）；Cauchy 列与完备性（「免极限证收敛」的许可证）；稠密与可分（无穷维的「有限维残留」）；序列紧（有限维护身符及其失效）。
定理件（四件）。完备化定理（X̄ = Cauchy 列等价类，ℝ 与 L1/L2 的出生证）；Banach 不动点定理（完备 + 压缩 = 存在唯一可计算）；Baire 纲定理（可数瘪集盖不住大房子）；Arzelà–Ascoli（一致有界 + 等度连续 = C[a,b] 中的紧）。
算法与应用件（四件）。不动点迭代与误差估计（qn 账目）；求根的 λ 旋钮与牛顿法；Picard 定理（微分方程存在唯一）；Peano 定理（抽子列旁路）。
使用须知三条。① 「完备 + 压缩」缺一即崩——验证压缩率 q 与舞台完备性是套用前的两道安检；② 等度连续的「等度」不许逐函数放宽——δ 必须对全族统一（Arzelà–Ascoli 的常见误用点）；③ Baire 论证的句式固定：反证 + 嵌套球 + 完备性收口。
与前后章的接口。完备性将在第二章升级为「Banach 空间」、第三章兑现四大定理、第四章化身 Hilbert 投影的存在性；紧性的失效与自救将贯穿第五章（紧算子）与第六章（变分法的弱收敛下界）——本章工具箱是全册的备件库。
★★★ 例题 1（完备性的逐条验证）。验证：ℓ∞（有界数列全体，配 sup 度量 d(x,y) = sup|xn − yn|）完备；并判断 C[0,1] 配 d(f,g) = sup|min(f,g) 差|？——不，第二问改为：{f ∈ C[0,1]: f(0) = 0} 是否完备？
① ℓ∞ 完备四步舞（p14 模板）。{x(k)} Cauchy（sup 距离）：∀ε, ∀k,l 大：supn|xn(k) − xn(l)| < ε；固定 n：{xn(k)} 是 ℝ 中 Cauchy 数列 ⇒ 收敛到 xn；k → ∞ 取极限得 supn|xn(k) − xn| ≤ ε——x(k) sup-收敛到 x；最后验 x ∈ ℓ∞（有界）：‖x‖∞ ≤ ‖x − x(K)‖ + ‖x(K)‖ < ε + M。∎ 四步舞：逐点 Cauchy → 逐点极限 → sup 收敛 → 成员资格——与 C[a,b] 完全同款。
② 闭子空间继承完备性。令 A = {f ∈ C[0,1]: f(0) = 0}。证闭：若 f_n ∈ A、f_n → f（sup 距离），则 0 = f_n(0) → f(0)（求值映射连续）⇒ f(0) = 0，f ∈ A。A 是完备空间 C[0,1] 的闭子集 ⇒ A 配同距离完备。（「闭子集继承完备性」是一行定理：Cauchy 列在 A 中更在 C[0,1] 中，极限被闭性拉回 A。）
③ 顺手一个反例对照。{f ∈ C[0,1]: f(0) ≠ 0}（开条件）不完备：f_n(x) = 1/n + x？——f_n(0) = 1/n ≠ 0 ✓，sup 收敛到常值 1？不对——构造 f_n(x) = 1/n（常函数），收敛到 0 函数，而 0 ∉ 该集。开条件 → 极限逃逸；闭条件 → 稳如泰山：「闭三脸」的实战价值。
★★★ 例题 2（压缩映射的迭代演算）。在 [1, 2] 上解 cos x = x（Dottie 数）：验证 g(x) = cos x 在 [1,2]？——先调整区间。
① 找对舞台。g(x) = cos x 的不动点约 0.739（Dottie 数）。取 [0.5, 1]：g([0.5,1]) = [cos1, cos0.5] ≈ [0.540, 0.878] ⊆ [0.5, 1]（自映到 ✓）；|g′| = |sin x| ≤ sin 1 ≈ 0.841 = q < 1（压缩 ✓）。完备（闭区间）+ 自映 + 压缩 → 三安检全过。
② 迭代与误差预算。从 x0 = 0.5：x1 = 0.8776, x2 = 0.6390, x3 = 0.8027, x4 = 0.6947, x5 = 0.7684, …——相邻差 0.378 → 0.239 → 0.164 → 0.108 → 0.074，比值稳定 ≈ 0.67 ≈ q（p18 的「迭代自检」如约出现）。先验预算：要 10−6 精度，n ≥ ln(10−6 × (1−0.841)/0.378) / ln 0.841 ≈ 62 轮。（cos 的 q = 0.84 偏大——所以 Dottie 数迭代慢；牛顿法会快得多：改写技巧的又一例证。）
③ 后验监控。第 n 步后的真实误差 ≤ q/(1−q)·d(xn, xn−1) ≈ 5.3 × 最后步长——「最后一步差 0.074 ⇒ 真误差 ≤ 0.39」？——q = 0.841：q/(1−q) = 5.28——是的，压缩率接近 1 时后验估计的放大系数变很大，这正是慢收敛的代价在公式里的现形。
★★ 习题课（一）：度量与完备。五题手演。
S1.验证离散距离（x≠y 则 d=1）下，X 完备；并求 X 紧的充要条件。Cauchy 必最终不动 ⇒ 完备恒成立；紧 ⟺ X 有限（无限集取互异点列无收敛子列）。
S2.ℝ 配 d(x,y) = |x−y|/(1+|x−y|)：验证是度量；它完备吗？有界吗？与通常距离的收敛一致吗？完备（Cauchy ⇏ 有界化！注意此距离下一切集有界——「有界」在此失效，但 Cauchy 列仍须通常距离 Cauchy）；收敛等价（函数严格增连续）。
S3.证：完备空间的闭子空间完备；完备空间的有限并完备。前者一行（极限拉回）；后者对角化或逐分量。
S4.ℓ1（绝对可和数列，‖x‖1 = Σ|xn|）与 c0（收敛到 0 的数列，sup 范数）：谁是谁的子集？各配自然范数完备吗？ℓ1 ⊂ c0；都完备（四步舞）；注意 ℓ1 在 c0 中稠密吗？——不！（取 xn = 1/log(n+1) ∈ c0 \ ℓ1 的邻域可以躲开 ℓ1？——自算，这是好的反例练习。）
S5.构造一个完备空间上的连续映射，无不动点；再构造一个压缩映射在**不完备**空间上无不动点。ℝ 上 T(x) = x + e−x？——d(Tx, Ty) < d(x,y) 但无不动点（严格收缩非压缩且无解）；(0,1] 上 T(x) = x/2，不动点 0 出走。
★★ 习题课（二）：不动点实战。五题手演。
S1.x = e−x（Omega 常数问题）：g(x) = e−x 在什么区间三安检全过？压缩率多少？g′ = −e−x，在 [0.5, 1] 上 |g′| ≤ e−0.5 ≈ 0.607 = q；g([0.5,1]) = [0.368, 0.607] ⊄ [0.5,1]！——换 [0.3, 0.7]？自己调区间（答案存在且唯一，W 的值 ≈ 0.567143）。
S2.证明：若 T 与 S 都压缩（同 q），则 T∘S 压缩且不动点唯一存在；再证 Tn 压缩（T 本身不压缩但 T2 压缩的情形存在吗？）T2 压缩 ⟹ T 有唯一不动点（注意不是 T 压缩也行：找 T 把两点距离放大、但两步后缩小——「周期压缩」仍是唯一不动点，证明略加一步；此推广见 Banach 定理的常见习题）。
S3.积分方程 x(t) = ½ + ∫0t x(s)2 ds（Riccati 型）：在哪个小区间上 Picard 迭代收敛？右端对 x 的 Lipschitz 常数 L = 2·(值域半径)——取 |x| ≤ 1 则 L = 2，δ < 1/2；初始函数 ½，值域被 δ ≤ ½ 压住——完整验证三安检。
S4.证明：牛顿法 xn+1 = xn − f(xn)/f′(xn) 在「f′ 不变号 + f″ 有界 + 初值足够近」时是压缩映射，并估计 q。g′(x) = f f″/(f′)2；在 |x − x*| ≤ ρ 内 |g′| ≤ 1/2 可凑——局部压缩 + 二阶收敛。
S5.Fractal 一瞥：Koch 雪花是「压缩映射族 {T1, T2, T3}」在「紧集空间（配 Hausdorff 距离）」上的唯一不动点——解释为什么 Banach 定理可以推广到「集值映射」。紧集空间在 Hausdorff 距离下完备；{Ti} 的并映射是压缩（q = 1/3）——不动点 = 自相似图形。IFS 分形几何的入口。
★★ 本章地图：三线汇于完备。
地基线（1.1–1.6）。公理 → 拓扑 → Cauchy → 完备 → 完备化。关键节点：C[a,b] 的四步舞（1.4）与「闭子空间继承完备」（例题 1）——以后证明完备性只需「闭」。
不动点线（1.7–1.10）。压缩原理 → 误差账 → 求根 λ 旋钮 → Picard 定理。全部踩在「完备」上：四步舞造出极限、压缩性把它钉成不动点。本册第一台发动机。
深度与紧性（1.11–1.14）。Baire 纲是完备性的「深度模式」（第三章主场在此预演）；紧性失效（en 反例）与 Arzelà–Ascoli 的代偿是「无穷维新秩序」的第一课——「有界不够、还要不震荡」的哲学将统治后续所有章节。
与前后章接口。第二章把「距离 + 线性」合成范数（C[a,b] 的 sup 距离自动是范数）；第三章的三大定理全以 Baire 为引擎；第四章 L2 的完备化补上 1.5 的洞；第六章的不动点第二回合（Schaefer 定理）回访本章。
★★ 第一章小结（上）：收敛的语言。
概念清单。度量（三公理）、开闭集与闭包、Cauchy 列、完备性、稠密与可分、序列紧、一致有界 + 等度连续。
定理清单。完备化定理（唯一性含）；C[a,b]/ℓ∞/ℓ1/c0 完备；闭子空间继承完备；Baire 纲；紧 ⟺ 完备 + 全有界（一维情形的 Heine–Borel 提醒）；Arzelà–Ascoli。
四步舞（全书最高频证明模板）。① Cauchy 列逐点 Cauchy；② 借 ℝ/ℂ 完备得逐点极限；③ Cauchy 条件取极限得整体收敛；④ 验证极限留在空间内（闭性或成员逐条验证）。C[a,b]、ℓ∞、ℓ1、c0、L1/L2 的完备性全部是它的演出。
反例库（背下五个）。① ℚ 缺 √2；② C[0,1] + L1 距离缺阶跃；③ 多项式 + sup 缺 ex；④ en 列：有界无收敛子列（紧性失效）；⑤ y′ = 2√|y|：不 Lipschitz 则不唯一。五个反例各堵一条「想当然」。
一句话记住收敛侧：距离三公理立拓扑，Cauchy 免极限证收敛，完备不许列落空，紧性在无穷维要加纪律。
★★ 第一章小结（下）：不动点的语言。
概念清单。不动点、压缩映射（Lipschitz 常数 q < 1）、迭代列、先验/后验误差估计、吸引域、蛛网图。
定理清单。Banach 不动点定理（存在唯一 + 迭代可达 + qn 误差）；Picard–Lindelöf（微分方程存在唯一）；Peano（只连续也有解——抽子列旁路）；Baire 纲（完备性深度红利）。
算法清单。不动点迭代（三安检：完备/自映/压缩）；λ 旋钮改写与牛顿法（一阶到二阶）；Jacobi/Gauss–Seidel（对角占优判据）。
方法论三则。① 「改写即设计」：同一个方程的不动点化有无穷多种，收敛率就是设计指标——理论保底线，设计争速度；② 「局部压缩 + 延拓」：δ < 1/L 的小区间上先活下来，再逐步延拓——非线性问题的一般策略；③ 「迭代不行抽子列」：压缩失败（Peano）时 Arzelà–Ascoli 接管——存在性与唯一性可以分开买。
一句话记住不动点侧：完备 + 压缩 = 存在唯一可计算；改写方程是设计压缩率；微分方程是积分算子的不动点。
★★★ 思想卡：把方程变成不动点。
「解方程」在人类数学史上换了三种形态：几何作图（古希腊）→ 公式求解（十六世纪）→ 迭代逼近（十九世纪至今）。第三种形态的数学心脏，就是本章的压缩映射原理。
为什么「迭代」如此强大？因为它把「存在性」与「可计算性」焊在一起：定理不仅说解存在，还附送一条通向它的路（任意起点 + 反复施加 T）。古典的「存在性证明」（如代数基本定理的多数版本）只保证「有」，不说明「在哪」——不动点定理是构造性数学的宣言。p5 的积分变身是关键一步：微分（局部、苛刻）换成积分（全局、宽容），方程立即有了「自相似」的形式 y = Ty。
「压缩」的深层含义。d(Tx, Ty) ≤ q·d(x, y) 说的是：T 是一张「收缩网」——它把整个空间向不动点方向均匀拉拢。完备性禁止「拉向虚空」：无限收拢的点列必须有个归宿，而这个归宿显然只可能是被拉拢的「中心」——不动点的存在几乎是「完备 + 收缩」的语法必然。本章最深的一课：两个平凡条件（完备、压缩）的化学反应，强过任何单方面的复杂假设。
思想的迁移。迭代思想统治现代计算：机器学习的梯度下降（损失面的「收缩性」= 收敛条件）、数值 PDE 的迭代解法（第六章共轭梯度）、互联网的 PageRank（随机游走的平稳分布 = 巨型转移矩阵的不动点！第六章）。「把问题写成 x = Tx，再设计一个收缩的 T」——这个句式将伴随整个计算生涯。
★★★★ 挑战：Arzelà–Ascoli 的完整证明。p24 只给了骨架，现在把每一颗螺丝拧紧。
约定。F ⊆ C[0,1]，证「一致有界 + 等度连续 ⟹ 序列紧」。
第一步：可数骨架。取 D = ℚ ∩ [0,1] = {r1, r2, …}。为什么可数稠密就够？——因为等度连续会把「稠密点上的信息」传播到全部点。
第二步：嵌套子列（对角线法）。{f_n} ⊆ F：|f_n(r1)| ≤ M ⇒ {f_n(r1)} 有收敛子列 S1（ℝ 中 Bolzano–Weierstrass）；S1 作为函数列仍一致有界 ⇒ 在 r2 处再抽子列 S2 ⊆ S1 在 r2 收敛……定义对角线子列 g_k = S_k 的第 k 项：g_k 在每个 r_j 收敛（k 大后进入 S_j）。记极限 a_j = lim g_k(r_j)。
第三步：稠密 → 全域一致（等度连续兑现）。给定 ε，取等度连续的 δ；对任意 x，取 r_j 离 x 不超 δ：|g_k(x) − g_l(x)| ≤ |g_k(x) − g_k(r_j)| + |g_k(r_j) − g_l(r_j)| + |g_l(r_j) − g_l(x)| < ε/3 + ε/3 + ε/3（k, l 大）。注意此处 x 是任意的——「逐点 Cauchy」被等度连续升级为「一致 Cauchy」；由 C[0,1] 完备（p14 四步舞的逆用），g_k 一致收敛到连续函数 g，且 g ∈ F 的闭包——配合 F 闭（如需）得 g ∈ F。∎
任务一：写出「紧 ⇒ 等度连续」的完整反证（p24 只给了一瞥）。反设某 ε0：对每个 δ 找 fn 与 xn, yn，|xn−yn| < 1/n 而 |fn(xn)−fn(yn)| ≥ ε0；抽子列 fnk → f 一致、xnk → x（紧性！）；比较两侧极限。
任务二：找反例拆掉每个条件。① 去掉等度连续：f_n(x) = sin nx——一致有界但不紧（«频率越来越高»）；② 去掉一致有界：f_n(x) = n（等度连续——常数族恒等度连续！——但不有界）。两条件各自独立必要。
★★★ 把 Banach 不动点真跑一遍：平均迭代求 √2（8 轮机器精度）；Picard 迭代解 y′ = y（10 轮逼近 ex）。
# 实验1：平均迭代求 √2（压缩映射 T(x) = (x + 2/x)/2，不动点 √2）
def sqrt2_iter(x0, n=8):
xs = [x0]
for _ in range(n):
xs.append((xs[-1] + 2/xs[-1]) / 2)
return xs
xs = sqrt2_iter(10.0)
for i, x in enumerate(xs[:6]):
print(f" x{i} = {x:.10f}")
print(" 8 轮后误差 = %.2e" % abs(xs[-1] - 2**0.5))
# 实验2：Picard 迭代解 y' = y, y(0)=1
# yn+1(x) = 1 + ∫0x y_n(t) dt
import math
def picard(n_grid=101, iters=10):
h = 1.0 / (n_grid - 1)
y = [1.0] * n_grid
for it in range(iters):
y_new = [1.0] * n_grid
acc = 0.0
for i in range(1, n_grid):
acc += 0.5 * h * (y[i-1] + y[i])
y_new[i] = 1.0 + acc
y = y_new
return y, iters
y, it = picard()
err = max(abs(y[i] - math.exp(i/100)) for i in range(101))
print(f"Picard {it} 轮: max|y - ex| on [0,1] = {err:.5f}")
print("y(1) ≈ %.5f (e = 2.71828)" % y[-1])
实跑输出：
x0 = 10.0000000000 x1 = 5.1000000000 x2 = 2.7460784314 x3 = 1.7371948744 x4 = 1.4442380949 x5 = 1.4145256551 8 轮后误差 = 2.22e-16 Picard 10 轮: max|y - ex| on [0,1] = 0.00002 y(1) ≈ 2.71830 (e = 2.71828)
★★ 格物札记：从 Picard 到 Banach——迭代的传统。
1890：Picard 的逐步逼近。Émile Picard 用逐次代入法解微分方程（yn+1 = Tyn），收敛性靠直接估计——「迭代能逼近解」的最早系统使用。当时没有「空间」的概念，每套一套方程就要重证一遍。
1922：Banach 的一锤定音。22 岁的 Banach 在博士论文里把 Picard 的估值抽象成公理：完备 + 压缩——从此任何度量空间的任何压缩映射共享同一条定理。Picard 定理成为 Banach 定理的三行推论。「从一套技巧到一个定理」——这就是公理化的复利。
迭代传统的谱系。向前：牛顿（1669，求根的切线法，二阶收敛的鼻祖）、Lipschitz（1876，条件命名者）；向侧：König 蛛网图（1918，经济学家的贡献！）、Schauder（1930，把不动点推广到非压缩的紧映射——Brouwer 不动点的分析版，第六章远眺）；向后：有限元、共轭梯度（第六章实验）、梯度下降与深度学习。「迭代」从数值技巧长成了计算文明的骨骼。
札记的结论。Picard 看见「逐次代入有效」，Banach 看见「为什么有效」，我们看见「它还能管多远」——从技巧到定理到世界观，一条迭代线走了一百年；而它的下一站（机器学习中的优化景观）今天仍在施工。
★★ 速查：第一章概念与定理。考前一页纸，逐条过。
| 对象/定理 | 陈述（速记） | 备注 |
|---|---|---|
| 度量三公理 | 非负 / 对称 / 三角不等式 | 最小主义 |
| 开 / 闭 | 每点内心 / 极限不逃逸 | 闭三脸：补开·含极限·对连续 |
| Cauchy 列 | 成员彼此靠近 | 免极限证收敛 |
| 完备性 | Cauchy 必收敛于室内 | 本册发动机 |
| 完备化 | X̄ = Cauchy 列等价类 | ℝ 与 L1/L2 的出生证 |
| C[a,b] sup 距离 | 完备（四步舞）；L1 距离不完备 | 四步舞全书模板 |
| Banach 不动点 | 完备 + 压缩（q<1）⟹ 唯一不动点、迭代可达 | qn 误差双估计 |
| Picard–Lindelöf | F 连续 + 对 y Lipschitz ⟹ 初值问题唯一解 | δ < 1/L 后延拓 |
| Baire 纲 | 完备空间 ≠ 可数瘪集之并 | 嵌套球；第三章引擎 |
| 紧性 | 有限维：有界闭 ⟺ 紧；无穷维失效（en） | 护身符碎裂现场 |
| Arzelà–Ascoli | 一致有界 + 等度连续 ⟺ C[a,b] 中紧 | 对角线法 |
易忘三则。离散距离下一切 Cauchy 列最终不动（完备恒真）；闭子空间继承完备（只需证闭）；「等度」的 δ 对全族统一。
★★★ 第一章只装了距离，没有「倍数」——不能谈「x 的两倍」「x 的方向」。第二章补上线性结构。
范数是什么？一条公理化的「长度」：‖x‖ ≥ 0（零向量唯一）、‖αx‖ = |α|·‖x‖（齐次——距离没有的新器官）、三角不等式。范数自动诱导距离 d(x,y) = ‖x − y‖，但距离不能反推范数（p29-S2 的有界化距离就不是任何范数的产物）——范数 = 与线性兼容的距离。
本章主角。Banach 空间（完备赋范空间）：ℓp 家族（1 ≤ p ≤ ∞）、C[a,b]、连续线性算子空间。两个大问题：① 范数的相等与等价——有限维一切范数等价（护身符复辟），无穷维分道扬镳（p46）；② 可分性——哪些无穷维空间「能用可数骨架描述」（ℓp 可分、ℓ∞ 不可分）。
衔接讲义。下一章开始：范数公理与诱导度量、典型空间 ℓp、Banach 空间的定义、等价范数定理、商空间、稠密与可分、逼近论一瞥。带着第一章的家当上场：四步舞、闭子空间继承、Baire——它们将在更大的舞台重演。
★★★ 第一章的度量空间「有远近、无方向」——不能问「x 的两倍」「同向的两点」。第二章装上齐次性。
主线（p41–p47）。范数公理 → 诱导度量（自动满足三角不等式，靠的是次可加性）；典型空间清点（ℓp 家族、C[a,b]）；Banach 空间 = 完备赋范空间（第一章的完备性全部继承）；等价范数定理——有限维中一切范数等价（「护身符复辟」），无穷维中范数分道扬镳（「怪象清单」）。
结构线（p48–p52）。级数与可和性（范数语言下的绝对收敛 ⇒ 收敛——完备性的又一次兑付）；商空间与商范数（「模掉一个子空间」的代数器官）；积空间（Banach 的有限并继承）；稠密与可分（ℓ1 在 c0 不稠密的教训、ℓ∞ 不可分）。
应用与收束（p53–p64）。逼近论一瞥（最佳逼近 = 投影的范数语言前奏）；例题三组（范数公理验证、ℓp 演算、商空间演算）、习题两组、地图、小结、思想卡（有限维直觉的边界）、挑战（ℓp 对偶）、实验（范数等价真跑）、札记、速查、误读。
★★ 定义先行：第二章的基石。
范数 ⇒ 度量，反向不成立。诱导度量自带两个额外性质：平移不变（d(x+z, y+z) = d(x,y)）与齐次（d(αx, αy) = |α|d(x,y)）——反例 p29-S2 的有界化距离两条都破坏，立刻出局。「范数是度量的精装版」：买范数送方向与倍数。
范数的三种来源（预告典型空间）。① 数列家族：ℓp 范数（Σ|xn|p 的 1/p 次根）与 ℓ∞（sup）；② 函数家族：C[a,b] 的 max 范数、Lp 的积分范数（第四章正式入住）；③ 算子家族：‖T‖ = sup‖Tx‖/‖x‖（第三章）。每种范数定义一种「大小观」——「函数的大小」从此不再唯一。
与凸性的暗线。次可加 + 齐次 ⟹ 单位球 B = {‖x‖ ≤ 1} 是凸集；反过来凸 + 对称的「球」也能造范数（Minkowski 泛函）。范数几何 = 凸几何——第五章 Hilbert 的「球是椭圆」将把凸性推向极致。
★★ 把第一章的家当过户到范数世界。
自动继承（无需重证）。收敛、开闭集、Cauchy 列、完备性、稠密、可分、紧——第一章全部定理在「范数诱导的度量」下原样生效：C[a,b] 的四步舞、闭子空间继承、Baire 纲、Arzelà–Ascoli。这就是「范数 ⊂ 度量」的架构红利：第二章不是重来，是升级。
翻译对照表（范数语言版）。收敛 xn → x ⟺ ‖xn − x‖ → 0（依范数收敛/强收敛）；Cauchy ⟺ ‖xm − xn‖ → 0；有界 ⟺ ‖x‖ ≤ M。以后本册全部用范数语言书写。
线性结构带来的新问题（本章议程）。① 子空间：线性子空间（过原点）vs 仿射子空间——闭性继承定理照用；② 级数：Σxk 何时收敛？绝对收敛（Σ‖xk‖ < ∞）在完备空间必收敛——p47；③ 商空间：模掉子空间后「长度」怎么算——p49；④ 算子范数：线性映射的「大小」——第三章主角。
一个重要的「反继承」。紧性：范数世界的单位球在无穷维从不紧（en 反例在 ℓ2 是范数语言的）——第一章的失效现场原封搬到任何无穷维 Banach 空间（Riesz 引理，第五章正式化）。「无穷维单位球从不紧」是赋范空间的第一铁律。
★★★ 清点本册的标准住户。
Hölder 不等式（本册用得最勤的代数不等式）。x ∈ ℓp、y ∈ ℓq（1/p + 1/q = 1）⇒ Σ|xnyn| ≤ ‖x‖p‖y‖_q。它是「有限维 Cauchy–Schwarz」的推广（p = q = 2 时正是柯西–施瓦茨），也是「ℓp 的对偶是 ℓq」的引擎（p60 挑战）。直觉：p 越大越「集中」，q = p/(p−1) 越小越「分散」——一集中配一分散，乘积和才可控。
p 的几何味。ℓ1 单位球 = 菱形（出租车）、ℓ2 = 圆（欧氏）、ℓ∞ = 方形（棋盘）——p 从 1 到 ∞，单位球从菱形连续变形到方形；p = 2 是唯一的「各向同性」站位（第四章 Hilbert 的专属座位）。
C[a,b] 与一般 C(K)。max 范数（= p = ∞ 的函数版）；完备 ✓（第一章）；不可分（p58）——「连续函数的世界太密，数不完」。三大家族（ℓp、C(K)、后续 Lp）构成本册的实验场。
★★ 本册的主舞台正式命名。
成员名单的验证状态。① ℓp 全家（1 ≤ p ≤ ∞）完备——四步舞（ℓ∞）与直接估计（ℓp，p < ∞：Cauchy ⇒ 逐点 Cauchy ⇒ 逐点极限，再由「尾项一致小」把极限拉进 ℓp）；② C[a,b]（max 范数）完备 ✓；③ c0 完备 ✓；④ 反面教材：C[a,b] 配 L1 距离不完备（阶跃的洞，第一章 p15）——补洞后成为 L1（第四章）。
两个继承定理（范数版）。① 闭子空间：Banach 空间的闭线性子空间是 Banach 空间（第一章闭子集继承完备 + 线性子空间自动封閉于线性运算）；② 有限积：X × Y 配 max(‖x‖, ‖y‖)（或其他等价乘积范数）完备。「造大空间」的两个标准动作。
为什么本册给完备赋范空间单独立名？因为第三章的四大定理（Hahn–Banach、开映射、闭图像、一致有界）每一个都把「完备」当必要条件——不完备的赋范空间上它们全部失效（反例见各章）。「Banach」这个姓氏 = 「机械臂可用」的认证标志。
★★★★ 有限维直觉的「幸存者名单」由此定理圈定。
证明骨架（紧性的完美回访）。任取一组基 e1…en，先证「任何范数 ‖·‖ 与欧氏坐标范数 |x|2 等价」：「≤」方向：‖x‖ ≤ Σ|xi|·‖ei‖ ≤ C|x|2（三角 + 齐次，一行）；「≥」方向：|x|2 = 1 的球面上证 ‖x‖ ≥ c > 0——反设有一列 |xk|2 = 1 而 ‖xk‖ → 0，球面紧（有限维 Bolzano–Weierstrass！）⇒ 子列 xk → x，|x|2 = 1 但 ‖x‖ = lim‖xk‖ = 0 ⇒ x = 0——矛盾。∎
幸存者清单（有限维自动成立）。一切范数下：收敛相同、Cauchy 相同、完备恒真、有界闭必紧、连续函数必达最值。第一章碎裂的护身符，在有限维完好如初——「维数」才是护身符的真正材质。
无穷维的分道扬镳。C[0,1] 上 max 范数与 L1 范数不等价：三角尖列 fn（尖在 1/n，高 1）——max = 1 恒定、L1 → 0（p61 实验真跑）。同一集合、两种「大小观」、两套收敛——无穷维「选范数」是实质性选择。
★★★ 把「直觉失效点」立牌成景点。
怪象一：范数不等价（上页）。后果链：收敛随范数而变 → 完备性随范数而变（C[0,1] 配 max 完备、配 L1 不完备）→ 「空间」的定义必须把范数写进括号：(C[0,1], ‖·‖∞) 与 (C[0,1], ‖·‖1) 是两个不同的赋范空间。
怪象二：真子空间可以稠密。多项式全体 P 在 (C[0,1], ‖·‖∞) 中稠密（Weierstrass 逼近）而 P ≠ C[0,1]。有限维中真子空间必是「薄」的（闭、零测、有余维）；无穷维中「稠密真子空间」比比皆是——它们的闭包才是整个空间。推论：稠密真子空间不完备（Cauchy 列收敛到门外）——「完备的真闭子空间才有资格独立成 Banach」。
怪象三：线性 ≠ 连续。有限维：线性映射自动连续（|Tx| ≤ ‖T‖·|x| 由基有界推出）。无穷维：存在处处定义却不连续的线性映射——构造需 Hamel 基（代数基，无收敛语义）：在 Hamel 基上任意赋值即可破坏连续性。对策：本册此后只研究「有界（=连续）线性算子」——p68 有界性 = 连续性的定理将把这两个词焊死。
怪象清单的读法。每一条怪象都对应一章的「正名」工作：不等价 → 本章等价范数定理的反面；稠密真子空间 → 本章商空间与完备化；不连续线性 → 第三章有界算子的理论与 Banach 定理。直觉的每一次失效，都是新理论的一张出生证。
★★★ 讲义 2.7：级数与可和性——范数世界的「求和」。
证明主向（三行）。Σ‖xk‖ < ∞ ⇒ 尾和 ‖Σk>N xk‖ ≤ Σk>N ‖xk‖ → 0 ⇒ 部分和 Cauchy ⇒（完备）收敛。重排合法性：尾和控制与顺序无关。∎对照实数级数：条件收敛级数重排可变和（Riemann 重排定理）——无穷维 Banach 中「条件收敛」是个雷区：重排、重组合都可能崩（Dvoretzky–Motzkin 圆定理是「随机重排失效」的极端版）——工程上只信绝对收敛。
两例验算。① ℓ2 中 Σ ek/k2：Σ‖ek/k2‖ = Σ1/k2 < ∞ ⇒ 绝对收敛 ⇒ 收敛（极限 = (1, 1/4, 1/9, …) ∈ ℓ2 ✓）；② C[0,1] 中函数级数 Σ fk：绝对收敛（Σmax|fk| < ∞）⇒ 一致收敛 ⇒ 极限连续——Weierstrass M-判别法就是本定理的函数版（分析课的「M 判别」在 Banach 语言里只是一句「绝对收敛律」）。
与第一章的接口。不动点迭代的误差链 xn = x0 + Σ(xk+1 − xk) 正是绝对收敛级数（几何级数 Σqk）——「qn 误差估计」的级数版本就是 telescoping + 绝对收敛律。级数与迭代，一枚硬币的两面。
★★★ 线性结构的新器官：「模掉一个子空间」。
为什么必须「闭」？① 范数正定性：‖[x]‖ = 0 ⟺ dist(x, M) = 0 ⟺ x ∈ M̄（M 闭才推出 = M，即 [x] = 0）；② 完备性下传：X/M 的 Cauchy 列需要 M 闭才能收口。「闭」在这里不是技术条件，是「商」的资格证——非闭子空间的商空间只有半范数（有零距离的非零元）。
商范数的直觉。‖[x]‖ = dist(x, M)：把整条 M 平移过 x 的「影子」的厚度。ℝ2 模掉 x 轴 M：陪集 = 水平线，商范数 = |y|（影子的高度）——ℝ2/M ≅ ℝ。商 = 「忽略 M 方向的信息」：约束条件、边界值、等价类——一切「模掉即可」的场景。
商映射与三大定理的接口。商映射 Q: X → X/M, Qx = [x] 是线性、满、‖Q‖ ≤ 1 的连续映射；第三章的开映射定理将证明：Banach 之间连续满射必开 —— 商映射是「开」的标准样板。商构造也是「同构定理」的家：X/M ≅ 值域（当核 = M 时）——线性代数的秩-零化度定理的泛函版（第三章）。
★★ 讲义 2.9：积空间与函数空间——造大空间的目录。
动作一：积空间。X × Y 配 ‖(x,y)‖ = max(‖x‖, ‖y‖)（或 (‖x‖p + ‖y‖p)1/p——诸版本等价）。完备性顺利下传：Cauchy 的两个分量各自 Cauchy。用途：把「两组数据」打包（状态 + 控制、位置 + 动量——Hamilton 力学的相空间就是积空间）。
动作二：函数值空间。函数 F: Ω → X（取值于 Banach）：‖F‖ = sup_Ω‖F(t)‖；Ω 紧 + F 连续 ⇒ 完备（四步舞的向量版——第一章 C[a,b] 的直接推广）。用途：向量值微分方程、控制轨线——「曲线在 Banach 空间里走」。
动作三：序列空间的对偶视角（预告）。ℓp × ℓq 的配对 Σxnyn（Hölder 担保收敛）——积空间的「乘法味」将在对偶空间（第三章 3.4）开花：对偶 X* 本身就是「X 上的连续线性泛函全体」——一个天然的 Banach 空间。
动作四：矩阵空间。ℝm×n 的一切「算子范数」（谱范数、Frobenius 范数、行和列和）相互等价（有限维！）——「矩阵分析」是有限维 Banach 理论的标本间：谱半径公式（第五章 Gelfand）在此退化成初等版本。
★★★ 无穷维空间的「有限维残留」检测。
稠密的标准判例。① ℚ 在 ℝ 稠密；② 多项式 P 在 C[a,b] 稠密（Weierstrass，1885）——连续函数可被多项式一致逼近；③ 阶梯函数在 L1 稠密（第四章）；④ 有限秩算子在紧算子中稠密（第五章）。「稠密逼近」是泛函分析的标准解题姿势：先在稠密子集上做（容易），再取极限搬回全空间。
ℓ∞ 不可分的「互斥球」证明（一页经典）。对每个 0/1 无穷子集 A ⊆ ℕ 定义 xA ∈ ℓ∞（A 的指示列）；不同的 A、B 给 ‖xA − xB‖∞ = 1。这样的点有不可数个（0/1 列 = P(ℝ) 势）；以它们为球心、半径 1/3 的开球两两不相交——可数稠密集必须在每个球里各放一员 ⇒ 至少不可数——矛盾。∎「互斥球计数」是不可分性的标准武器。
可分的价值。① 理论：可分空间的对偶、基、谱都有「可数抓手」（第四章可分 Hilbert 空间有可数正交基——同构于 ℓ2！）；② 数值：可分 = 「用可列个基函数近似一切」的许可证（Fourier 基、小波基的存在前提）。不可分不是缺陷，是「更野的世界」——它将迫使第五章的谱理论发展出超越矩阵直觉的语言。
★★ 讲义 2.11：应用一瞥——逼近论，范数语言的第一次实战。
最佳逼近问题。给定 f ∈ X（Banach）与子空间 M，找 m* ∈ M 使 ‖f − m*‖ 最小。这是「投影」的范数语言雏形（第四章 Hilbert 中有干净答案；一般 Banach 中是凸优化）。三个经典场景：
场景一：多项式逼近（C[a,b]，max 范数）。Weierstrass 保证存在性；Chebyshev 交替定理给出最优性刻画：最佳逼近多项式的误差曲线必须「等波纹」（n+2 个交错极值点）——「等波纹」是 max 范数的几何签名（minimax 准则）。工程：FIR 滤波器设计（Parks–McClellan 算法）就是 Chebyshev 逼近的数字化。
场景二：平方逼近（L2 心态）。改用 L2 范数，最佳逼近 = 正交投影（第四章主角）：Fourier 部分和是「最佳平方逼近」——同一条曲线，max 范数管「最坏误差」，L2 管「平均能量」——范数选择即工程指标选择。
场景三：样条与稀疏。样条插值是「L2 范数下曲率最小」的解（自然样条 = 变分法的产物，第六章）；稀疏逼近（ℓ1 范数最小化）是压缩感知的心脏——ℓ1 的「菱形球」偏爱角点解 = 稀疏解（几何：菱形顶点容易碰到约束面）。「换范数 = 换哲学」：max 稳健、L2 平均、ℓ1 稀疏——本章的范数清单就是工程指标的菜单。
★★★ 例题 1（范数公理验证）。判断下列是否为 ℝ2 上的范数：① ‖x‖ = |x1| + 2|x2|；② ‖x‖ = |x1| + |x2|2；③ ‖x‖ = max(|x1|, |x2|, |x1 + x2|)。
① 是范数。正定 ✓；齐次 ✓（|αx1| + 2|αx2| = |α|(|x1| + 2|x2|)）；次可加：|x1+y1| ≤ |x1|+|y1|、2|x2+y2| ≤ 2|x2| + 2|y2|，相加即得 ✓。（它是「加权出租车」——单位球是斜菱形。）
② 不是范数。齐次性阵亡：‖(2, 0)‖ = 2，但 2‖(1,0)‖ = 2 ✓？——这个分量碰巧过；换 ‖(0,2)‖ = 4 vs 2‖(0,1)‖ = 2——4 ≠ 2，齐次性死刑。（正定、次可加都对——但范数三条件缺一不可；齐次性是最常被忽略的检查项。）
③ 是范数。正定 ✓（三者全 0 才为 0）；齐次 ✓（max 内每项齐次）；次可加：max 三项逐一用三角不等式——max(|x1+y1|, |x2+y2|, |(x1+y1)+(x2+y2)|) ≤ max(‖x‖ + ‖y‖ 各项) = ‖x‖ + ‖y‖ ✓。（「max 若干半范数」是造范数的标准手法——只要合集能「认出零向量」就升级为范数。）
★★★ 例题 2（ℓp 空间的演算）。① 验证 x = (1, 1/2, 1/3, …) 属于哪些 ℓp？② 求 sup‖x‖2≤1 |y·x| 对 y = (1, −2, 0, …)？③ 验证 Hölder 在 p = 2 的具体形式。
① 调和数列的 ℓp 归属。xn = 1/n：Σ1/np 收敛 ⟺ p > 1（p-级数判别）。x ∈ ℓp 对一切 p > 1，但 ∉ ℓ1（调和级数发散）、∈ ℓ∞ 显然。「p 越大越容易进来」：ℓ1 ⊊ ℓp ⊊ ℓq ⊊ ℓ∞（p < q）——含入链与「衰减速度」的谱系。
② 有限支撑上的对偶预演。sup‖x‖2≤1 |Σynxn|：由 Cauchy–Schwarz ≤ ‖y‖2 = √5；取 x = y/‖y‖2 达到。答案 √5——「对偶」的有限维原型：ℓ2 的对偶是 ℓ2 自己（自共轭），线性泛函的范数 = 代表向量的范数（Riesz 表示的影子，第四章正式化）。
③ Hölder p = 2 验算。x = (1, 1/2, 1/4, …)（‖x‖2 = 2/√3？算：Σ4−n = 1/3，所以 ‖x‖2 = (1 + 1/4 + 1/16 + …)1/2 = √(4/3) ≈ 1.155）；y = x：Σxn2 = 4/3 = ‖x‖22 ≤ ‖x‖2‖x‖2 ✓（取等）。「等号条件 y = λx（同向）」——Cauchy–Schwarz 的取等条件在泛函版 Hölder 里同样成立（第四章投影的最优性就靠它）。
★★★ 例题 3（商空间演算）。X = C[0,1]（max 范数），M = {f: f(0) = 0}（闭子空间）。求：① 商范数 ‖[f]‖ 的显式公式；② 商空间 X/M 同构于什么？③ 商映射 Q 的范数。
① 商范数 = 「在 0 处的绝对值」。‖[f]‖ = inf_g max_t|f(t) − g(t)|，g ∈ M（g(0) = 0）。取 g = f − f(0)·1（1 = 常值函数）：g(0) = 0 ✓，且 max|f − g| = |f(0)|。反向：任何 g ∈ M 有 |f(0) − g(0)| = |f(0)| ≤ max|f − g|。夹逼：‖[f]‖ = |f(0)|。
② 同构目标。「模掉所有 f(0) = 0 的函数」后，剩下的信息只有 f(0) 一个数——X/M ≅ ℝ，同构 Qf = f(0)（线性、满、核恰 = M）。「商 = 求值泛函的值域视角」：核相同的满泛函给出同一个商。
③ 商映射范数。‖Q‖ = sup‖f‖≤1|f(0)| = 1（|f(0)| ≤ max|f| ≤ 1，常值函数 1 取等）。「求值泛函范数 = 1」的直觉：取值不超过 sup——等号可取。
★★ 习题课（一）：范数与完备。先自证公理，再判完备——两把尺子量遍本章。
A 组（范数公理，五题）。① 验证 ‖x‖∞ = maxk |xk| 在 ℓ∞ 上满足三条公理（正定性中「max 为 0 ⟺ 全 0」是关键一步）。② 验证 ‖f‖ = maxx∈[0,1] |f(x)| 是 C[0,1] 上的范数（紧集上连续函数取到最大值——用到 Weierstrass 极值定理）。③ 证明 ‖x‖1 = Σ|xk| 满足三角不等式（逐项 |ak+bk| ≤ |ak|+|bk| 求和）。④ 举一个不是范数的「长度」：‖f‖ = |f(0)| 在 C[0,1] 上——哪条公理崩？（提示：正定性）。⑤ 证明由范数诱导的距离 d(x,y) = ‖x − y‖ 自动满足平移不变与齐次：d(x+z, y+z) = d(x,y)，d(αx, αy) = |α|d(x,y)——这两条正是「距离来自范数」的指纹。
B 组（完备性判定，四题）。① 用「绝对收敛 ⇒ 收敛」证明 ℓ1 完备（把每个坐标的绝对收敛凑成整体，再控制尾和）。② 证明 c0 = {收敛于 0 的数列} 在 sup 范数下完备（四步舞：逐点 Cauchy → 逐点极限 → 一致 Cauchy → 极限趋于 0）。③ 证明赋范空间的闭子空间完备（若全空间完备）——「闭」是唯一要证的东西。④ 反例：在 C[0,1] 上取 ‖f‖1 = ∫|f|，证明 (C[0,1], ‖·‖1) 不完备（造尖峰列逼近阶跃函数）。提示：闭子空间继承完备 ⇒ 不完备必含「闭但不完备」的子集。
核心训练。完备性证明永远是同一条流水线：Cauchy 列 → 候选极限（借更熟悉的空间）→ 证真的收敛 → 证人留在室内。把这条背下来，本册后面每一章都能套。
★★ 习题课（二）：可分与逼近。「哪些无穷维空间能被可数骨架逼近」——本章的第二个大问题。
A 组（可分性，四题）。① 证明 ℓp（1 ≤ p < ∞）可分：构造有限支撑的有理数列全体（可数），用「尾巴截断 + 前段有理化」逼近任意点。截断要控制尾和：Σk>N|xk|p 随 N 趋于 0（级数收敛）。② 证明 c0 可分（同上，注意 sup 范数下截断尾的 sup 也趋于 0）。③ 证明 ℓ∞ 不可分：构造不可数族 {xA}A⊆ℕ，两两距离 ≥ 1，注意每个稠密集必须取到互不相交的球。关键：0/1 数列的全体是 不可数 的（Cantor 对角线），且任意两个不同者距离恒为 1。④ 证明 C[0,1] 可分：用「折线函数 + 有理节点有理值」的可数族逼近（Weierstrass 逼近的构造版）。
B 组（逼近与结构，四题）。① 设 K ⊆ X 为非空凸紧集，证明对任意 x，最佳逼近点（使 ‖x − y‖ 最小者）存在。取极小化序列 yn，用紧性抽收敛子列；凸性保证唯一性（平行四边形律）。② 证明商范数 ‖[x]‖ = infz∈M ‖x + z‖ 满足齐次与三角不等式（inf 的次可加性），并验证它只在 M 闭时才是真范数（否则 ‖[x]‖ = 0 可能有 x ∉ M）。③ 证明两个 Banach 空间 X × Y（配 ‖(x,y)‖ = ‖x‖ + ‖y‖）仍是 Banach 空间。④ 证明 ℓ1 在 c0 中稠密，但在 ℓ∞ 中不稠密——一个空间在两个「容器」里的两种命运。
方法论小结。可分性判定的通用套路：先猜可数骨架（有理系数 + 有限支撑），再用「截断 + 有理化」证明稠密；不可分的套路：造不可数族两两距离下界 > 0。这两招将反复出现在第四章（对偶）与第五章（算子）的具体空间比较中。
★★ 第二章的地形就在这张图上：一条结构线、一列例子、两个大问题。
读图法。左侧「长度线」是逻辑骨架——一切从范数公理出发，诱导度量继承第一章的全部红利，完备性一加就得 Banach。右侧「空间家族」是把骨架填成血肉：ℓp（p 从 1 到 ∞ 的一整条谱）、C[a,b]、连续线性算子空间、以及本章末尾出现的商空间与积空间。同一个定理（如闭子空间继承完备）在左右两栏反复兑现。
下方两条问题线是全章的动力源。① 等价范数：有限维中「一切范数等价」（护身符复辟），无穷维中「范数分道扬镳」（尖峰列实证）——p46 的故事在这里定型；② 可分性：ℓp、c0 能用可数骨架描述，ℓ∞ 不能——p50 的两难。这两问没有终局：它们只是「度量「大小」」这一主题的第一轮，第四章的对偶会给出更锋利的回答。
图的下一站。结构线指向第三章：Banach 空间上的三大定理（开映射、闭图像、共鸣定理）全部依赖「完备 + 线性」这个组合。本章是把舞台搭好——第三章开始演戏。
★★ 第二章小结：范数的语言。
概念清单（六件）。范数与三条公理；诱导度量（平移不变 + 齐次）；Banach 空间（完备赋范）；等价范数（互为线性控制的界）；商空间与商范数（模掉子空间）；积空间、稠密与可分。
定理清单（五件）。① 范数诱导度量、反之不然（有界化距离不是范数产物）；② 等价范数定理：有穷维一切范数等价、无穷维失效（尖峰列）；③ 「绝对收敛 ⇒ 收敛」⟺ 完备（级数型完备性判据）；④ 闭子空间继承完备、商空间 / 积空间继承 Banach；⑤ Riesz 引理（近正交元：无穷维中单位球不满、「无最近点」）。
空间清单（背下六族）。ℓp（1 ≤ p < ∞，可分）；ℓ∞（不可分）；c0（可分，ℓp 与 ℓ∞ 夹缝里的「小空间」）；C[a,b]（可分）；Lp（第六章）；连续线性算子空间 B(X,Y)（配算子范数，第三章的主舞台）。
方法论三则。① 「两条路判完备」：绝对收敛级数法（代数味）与四步舞（分析味），择优而用；② 「有限维直觉要验证」：范数等价、有界闭紧、单位球紧——三条在无穷维逐一崩溃，先证再用；③ 「把结构当算子看」：商、积、对偶都是「造新空间」的器官，第一章的收敛概念随结构搬家。
一句话记住本章：范数 = 与线性兼容的长度；完备性把「大小」升级成「极限」，Banach 空间就是「长度 + 线性 + 完备」的三合一舞台。
★★★ 思想卡：有限维直觉的边界。
学线性代数时，有一套根深蒂固的「几何直觉」：范数都差不多、有界闭集就是紧的、单位球摸得到边——这些话在 ℝn 里全是定理。本章最重要的思想收获，就是看清这些定理的前提：「有限维」。
三张「护身符」与它们的碎裂现场。① 范数等价：ℝn 中棋盘、欧氏、出租车三范数互相控制；在 C[0,1] 中，sup 与 L1 却让尖峰列「sup 恒 1、L1 趋 0」——同一个点列在两种长度下判若两列（p61 实验）。② 有界闭 ⟺ 紧：ℝn 的 Heine–Borel；在无穷维里，{en} 有界但任何子列都不收敛（第一章 p22 的 en 列）。③ 单位球紧：ℝn 的球面是紧的；无穷维单位球「摸不到边」——Riesz 引理说球内总有点离任何给定有限维子空间不近。
为什么会碎？因为无穷维给「逃离」留了太多方向。有限维中，「有界」这一条约束就锁死了整个集合（Jordan–Brouwer：界内体积有限）；无穷维中，可以让点列沿互相正交的方向逐一「出走」，永远不回头。完备性与紧性之间裂开的那道缝，正是无穷维分析全部技术困难的出生地。
思想的迁移。「先承认直觉的适用边界，再重建工具」是数学成熟的标志。物理学家从三维直觉走进无穷自由度场论、经济学家从有限市场走进连续统交易者——每一次「无穷」的引入，都要付出「重估直觉」的代价。本章的护身符清单，就是跨进无穷维世界的第一张通行证批注。
★★★★ 挑战：ℓp 对偶的完整证明。p61 实验会看到范数的等价关系，这里做一件更硬的事——把 ℓp 的「对偶空间」算清楚：证明 (ℓp)* ≅ ℓq（1 < p < ∞，1/p + 1/q = 1）。这是第四章对偶理论的序曲，也是泛函分析第一个「不平凡的空间同构」。
第一步：Hölder 不等式。对 1 ≤ p, q ≤ ∞，1/p + 1/q = 1，有 Σ|xk yk| ≤ ‖x‖p ‖y‖q。证法：先证「Young 不等式」ab ≤ ap/p + bq/q（取 a = |xk|/‖x‖p, b = |yk|/‖y‖q 求和即得）。这给出每个 y ∈ ℓq 都诱导一个 ℓp 上的连续线性泛函 fy(x) = Σxk yk，且 ‖fy‖ ≤ ‖y‖q。
第二步：（等号成立）‖fy‖ = ‖y‖q。取 xk = |yk|q−1 sign(yk)：则 |xk|p = |yk|(q−1)p = |yk|q（因 (q−1)p = q），且 fy(x) = Σ|yk|q = ‖y‖qq = ‖x‖p ‖y‖q。这个「极值点」把不等式逼成等号——对偶范数与 ‖y‖q 完全咬合。
第三步：满射性（最硬的一步）。任给 f ∈ (ℓp)*，令 yk = f(ek)（ek 是标准基）。先证 y ∈ ℓq：对截断向量 x(N) = Σk≤N |yk|q−1 sign(yk) ek 用 |f(x(N))| ≤ ‖f‖‖x(N)‖p，两边消去公因子得 (Σk≤N|yk|q)1/q ≤ ‖f‖，令 N → ∞。再证 f = fy：对有限支撑的 x，由线性 f(x) = Σxk yk；有限支撑在 ℓp 中稠密（习题 p56-A①），两边取极限（连续性）即得。∎
边界与反例（任务）。① 证明 (ℓ1)* ≅ ℓ∞（Hölder 的 p = 1, q = ∞ 极限情形）。② 证明 (ℓ∞)* 真大于 ℓ1（提示：ℓ1 上存在非「逐点」的连续泛函——需要 Hahn–Banach 延伸一列 (1,1,1,…) 附近的泛函；第四章会给出显式构造）。「p 与 q 对称、p = 1/∞ 破缺」——这是对偶理论的第一道裂纹。
★★★ 把范数与等价真跑一遍：有限维三范数互相控制（ℝ2 采样）、无穷维 sup 与 L1 不等价（尖峰列实证）。
import math
# ① 有限维：三种范数互相控制的常数（ℝ2，正象限采样）
def norms(v):
x, y = v
return {"欧氏": math.hypot(x, y), "棋盘": max(abs(x), abs(y)),
"出租车": abs(x) + abs(y)}
best = {k: [0.0, float("inf")] for k in ("棋盘", "出租车")}
for i in range(1, 200):
for j in range(1, 200):
v = (i*0.02, j*0.02)
e = norms(v)["欧氏"]
for k in best:
r = norms(v)[k] / e
best[k][0] = max(best[k][0], r)
best[k][1] = min(best[k][1], r)
for k, (hi, lo) in best.items():
print(f" {k}/欧氏 ∈ [{lo:.3f}, {hi:.3f}]")
# ② 无穷维：C[0,1] 上 sup 与 L1 范数不等价（三角尖列，峰高 1、底宽 1/n）
def tri_n(n):
m = 200
peak = []
for i in range(m + 1):
x = i / m
d = abs(x - 1.0/n)
w = 0.5 / n
peak.append(max(0.0, 1.0 - d / w) if w > 0 else 0.0)
return peak
for n in [5, 20, 100]:
f = tri_n(n)
sup = max(f)
l1 = sum(f) / 200
print(f" n={n}: sup={sup:.3f} L1≈{l1:.4f}")
实跑输出：
棋盘/欧氏 ∈ [0.707, 1.000] 出租车/欧氏 ∈ [1.005, 1.414] n=5: sup=1.000 L1≈0.1000 n=20: sup=1.000 L1≈0.0250 n=100: sup=1.000 L1≈0.0050
★★ 格物札记：从 Riesz 到 Banach——空间的成型。
1906–1918：从具体到抽象。Ferre 与 Fréchet 在 1906 年前后引入「距离空间」，把收敛抽象成一条公理；1918 年 Riesz 系统地研究了 C[a,b] 与 Lp 上的连续线性泛函，写出 (C[a,b])* 的表示定理——「空间」与「它上面的算子」这对双主角第一次同台。但此时「范数」还散落在各个具体例子里，没有统一公理。
1920–1922：Banach 的一锤定音。Stefan Banach 在 1920 年（26 岁）的博士论文与 1922 年的专著中，把「完备赋范线性空间」立为一门学科的对象——从此称 Banach 空间。他没有重复 Riesz 的逐例工作，而是证明同一套公理下的普遍定理：不动点定理（第一章）、等价范数（本章）、以及第三章的三大定理。「公理化的复利」再次兑现：一次抽象，无穷次复用。
1929–1932：从空间到算子。von Neumann 在 1929 年引入「Hilbert 空间」的抽象公理与自伴算子谱理论；1932 年 Banach 的《线性算子理论》（Théorie des opérations linéaires）把对偶、开映射、闭图像、共鸣定理锻造成一套完整架构。泛函分析作为独立学科，至此成型。
札记的结论。Riesz 看见「具体空间上的尺子」，Banach 看见「尺子本身的公理」，von Neumann 看见「尺子之间的照相」——三次抽象各有其名，而主线只有一条：把「量大小」这件小事，做成能装下无穷维世界的语言。本章的每一条定义，都是这条主线上的一块砖。
★★ 速查：第二章概念与公式。考前一页纸，逐条过。
| 对象 / 定理 | 陈述（速记） | 备注 |
|---|---|---|
| 范数三公理 | 正定 / 齐次 ‖αx‖=|α|‖x‖ / 三角 | 与线性兼容的长度 |
| 诱导度量 | d(x,y) = ‖x − y‖ | 平移不变 + 齐次；反之不然 |
| Banach 空间 | 完备 + 赋范 | 本册主舞台 |
| 等价范数 | c‖x‖1 ≤ ‖x‖2 ≤ C‖x‖1 | 有穷维恒等价；无穷维失效 |
| 等价范数定理 | 有限维：一切范数等价 | Heine–Borel 的近亲 |
| 绝对收敛律 | Σ‖xk‖ < ∞ ⇒ Σxk 收敛 ⟺ 完备 | 级数型完备判据 |
| 闭子空间继承 | X 完备、M 闭 ⟹ M 完备 | 只需证「闭」 |
| 商空间 X/M | ‖[x]‖ = inf ‖x + z‖ | M 闭才成范数 |
| 积空间 X × Y | ‖(x,y)‖ = ‖x‖ + ‖y‖ | Banach 有限并仍 Banach |
| 稠密与可分 | 有可数稠密子集 | ℓp/c0/C[a,b] 可分；ℓ∞ 不可分 |
| Riesz 引理 | ∀ε>0, ∃ x, ‖x‖=1, dist(x,M) > 1−ε | 单位球「摸不到边」 |
| Hölder 不等式 | Σ|xk yk| ≤ ‖x‖p ‖y‖q, 1/p+1/q=1 | 对偶理论的钥匙 |
| ℓp 对偶 | (ℓp)* ≅ ℓq（1<p<∞） | p=1→ℓ∞；p=∞ 破缺 |
易忘三则。「距离反推范数」只有平移不变 + 齐次的距离才行；商范数必须 M 闭；可分性对 p = ∞ 失效（ℓ∞ 不可分）。
★★ 常见误读：赋范空间的四个陷阱。
陷阱一：把「距离」当「范数」。见到距离就想除以 ‖x − y‖——但距离诱导范数需要额外的两条：平移不变与齐次。有界化距离 d = min(d0, 1) 满足度量公理却不是任何范数的产物（p41 已证）。纠正：范数 ⊂ 距离，是「与线性兼容」的那一层。
陷阱二：以为「完备」是范数性质。「这个范数不完备」的说法是错的——完备性是「范数 + 空间」的合成性质。同一个 C[0,1] 在 sup 范数下完备、在 L1 范数下不完备；同一个集合换范数，命运就翻转。纠正：说完备，必须点明用的是哪个范数。
陷阱三：把「有界闭」当「紧」（无穷维）。在 ℝn 中这没错，但无穷维里 {en} 是有界闭却不紧的经典反例（第一章 p22）。紧性在无穷维必须重买：或加等度连续（Arzelà–Ascoli），或换弱拓扑（第五章）。「有界闭 = 紧」是有限维特权，不能外推。
陷阱四：混淆「等价范数」与「同构」。两范数等价 ⟺ 诱导同一拓扑（同一套收敛/开集）；但「同构」还要求线性结构上的双射。某些范数诱导同一拓扑却对应不同的「几何」（单位球形状不同）；反之，等距同构（保范数的双射）比范数等价强得多。纠正：等价范数 = 「收敛概念相同」；等距同构 = 「连长度都一样」——三个层次（拓扑 / 线性 / 度量）要分清。
★★★ 前两章造好了空间（度量、赋范、Banach），本章让算子登场——把空间映到空间的线性映射，泛函分析真正的主角。
为什么算子这么重要？因为一切「方程」都是算子方程：微分方程是 D y = f、积分方程是 (I − K) y = f、线性方程组是 A x = b。解方程 = 求算子方程的可解性；而可解性、逆算子的存在、逆算子的连续性，全靠本章的三大定理。p2 绪论里「函数即向量」的伏笔，到这一章兑现成「算子即作用」。
三大定理速览（脊梁）。① Hahn–Banach：线性泛函总可以从子空间延拓到全空间——「对偶空间足够大」的存在性保障；② 共鸣定理（Banach–Steinhaus）：逐点有界的算子族一致有界——「点态 ⟹ 一致」的惊人红利，全靠 Baire 纲；③ 开映射 / 闭图像定理：Banach 空间之间的满射有界算子把开集映成开集，「闭图像 ⟹ 有界」——把「连续性」这件难事转化为「图像闭合」这件易事。
本章的历史位置。第一、二章是「描述空间」，本章开始「操作空间」。三大定理的名字背后是 1920 年代 Banach 学派的一整代工作；它们的证明第一次把 Baire 纲定理的威力展示到极致。带着第一章的 Baire 与第二章的对偶概念上场——舞台上的三个新道具，全是用旧家当搭的。
★★★ 讲义 3.1：从函数到算子——把「元素」的操作升级成「空间」的操作。
定义（线性算子）。设 X, Y 是同一数域上的线性空间，映射 T : X → Y 称线性，若 T(αx + βy) = αTx + βTy 对一切 x, y ∈ X, 标量 α, β 成立。区间：X 上的线性算子全体记 L(X,Y)；当 Y = 标量域时称线性泛函（记 X* 为对偶空间）。
从「矩阵」到「抽象算子」。ℝn 上的一切线性算子在标准基下都是矩阵；但无穷维的算子不一定是「有限矩阵」：积分算子 (Kf)(x) = ∫01 k(x,y) f(y) dy、微分算子 (Df)(x) = f′(x)、乘法算子 (Mgf)(x) = g(x)f(x)、移位算子 (Sx)k = xk+1。它们共享「线性」这条公理，却在有界性上分道扬镳（p76 清点）。
算子理论的两大问题（本章主线）。① 有界吗？——连续性的代数化身，决定算子是否「可控」；② 可逆吗？——算子方程的「可解性」，由开映射 / 闭图像定理给出判据。「有界」与「可逆」这两问，贯穿本册直到谱理论。
一个约定。本章凡言「算子」默认线性；凡言「有界」指的是一致界（sup 意义下的界），不是逐点的界——这个区分是三大定理的起点（p72 共鸣定理）。
★★★ 讲义 3.2：有界 ⟺ 连续——算子的「大小」有两条等价的语言。
定义（有界算子 + 算子范数）。T 称有界，若存在常数 C > 0 使 ‖Tx‖ ≤ C‖x‖ 对一切 x 成立。最小的这样的 C 就是算子范数 ‖T‖ = sup‖x‖≤1 ‖Tx‖ = supx≠0 ‖Tx‖/‖x‖。
核心定理（有界 ⟺ 连续）。对线性算子 T，以下三条等价：① T 在一点连续；② T 处处连续；③ T 有界。证明骨架：线性保证「一点连续 ⟹ 处处连续」（平移）；「连续 ⟹ 有界」用反证（若无界，取 ‖xn‖ = 1 而 ‖Txn‖ > n，令 yn = xn/(n) → 0 但 ‖Tyn‖ 不趋 0，与原点连续矛盾）；「有界 ⟹ 连续」由 ‖Tx − Tx0‖ ≤ C‖x − x0‖ 直接读出。∎
为什么这个等价如此重要？因为它把「连续」这件分析性质，翻译成「有界」这件代数估计——从此算子的讨论可以完全用不等式进行。这也解释了：为什么线性算子的连续性一旦成立就处处成立，非线性的情形却要难得多的（连续性必须逐点验证）。
算子的三种范数例（p78 详算）。矩阵的 ‖A‖1（最大列和）、‖A‖∞（最大行和）、‖A‖2（最大奇异值）；积分算子 ‖K‖ ≤ supx∫|k(x,y)|dy（Fredholm 估计）；对偶空间上「求值泛函」的范数为 1。
★★★ 讲义 3.3：算子空间 B(X,Y)——把算子也当成「点」。
定义。X, Y 赋范，记 B(X,Y) 为全体有界线性算子，配算子范数。则 B(X,Y) 本身是赋范线性空间：加法 (S+T)x = Sx + Tx、数乘 (αT)x = α(Tx)，范数满足三条公理（三角不等式由 sup 的次可加性）。
核心定理（完备性传递）。Y 完备 ⟹ B(X,Y) 完备（对 X 无要求！）。证明四步舞：① 取 Cauchy 列 {Tn}，对每个 x，{Tnx} 是 Y 中 Cauchy 列（因 ‖Tnx − Tmx‖ ≤ ‖Tn − Tm‖‖x‖）；② 由 Y 完备定义 Tx = lim Tnx；③ 证 T 线性（极限的线性）、有界（{‖Tn‖} 有界，取极限得 ‖T‖ ≤ sup‖Tn‖）；④ 证 ‖Tn − T‖ → 0（在 ‖x‖ ≤ 1 上取一致估计）。∎
特例：对偶空间 X* = B(X, 𝕂)。由于标量域 𝕂（ℝ 或 ℂ）完备，X* 永远完备——哪怕 X 本身不完备！这是对偶空间「总是好空间」的第一条表现，也是第四章对偶理论的地基。
算子的乘法与 Banach 代数。当 X = Y 时，B(X) 还可复合算子：(ST)x = S(Tx)，且 ‖ST‖ ≤ ‖S‖‖T‖。B(X) 就是「完备 + 线性 + 乘法」的 Banach 代数——谱理论（第五章）正是 B(X) 上的代数研究。
★★★ 讲义 3.4：对偶空间 X*——「所有测量 X 的尺子」。
概念。X* = B(X, 𝕂) 配范数 ‖f‖ = sup‖x‖≤1 |f(x)|，是完备赋范空间（p68）。对偶是「反向」的：X 的元素是「东西」，X* 的元素是「测量东西的仪器」。
表示定理的三个经典例。① (ℓp)* ≅ ℓq（1 < p < ∞，1/p + 1/q = 1）——第二章挑战已证，每个泛函都是「与某个 y ∈ ℓq 做内积」；② (ℓ1)* ≅ ℓ∞；③ (C[a,b])* ≅ 有界变差函数的测度——Riesz 表示定理（1918），每个 C[a,b] 上的连续泛函都是对某个测度的积分 ∫ f dμ。这些「对偶计算」是泛函分析最具技术含量的部分之一。
对偶的两种距离：范数收敛 vs 弱* 收敛。xn → x（范数）要求 ‖xn − x‖ → 0，很严；fn ⇀* f（弱*）只要求 fn(x) → f(x) 对每个 x 成立，很松。泛函「仪器」的收敛比向量的收敛更宽容——这个层级差异是第四章的核心装置，也是第五章谱理论的开场（弱* 紧性、Alaoglu）。
一个思想提示。「一个空间有多大」可以通过它的对偶有多「丰富」来衡量：Hahn–Banach（p70）保证对偶永不为零，甚至「多到能把任何非零向量区分开」——没有 Hahn–Banach，对偶空间可能退化成一个点。
★★★★ 讲义 3.5：Hahn–Banach 定理——泛函延拓的保证。
定理（解析形式）。设 X 实线性空间，p : X → ℝ 是次线性泛函（p(x+y) ≤ p(x)+p(y)，p(αx) = αp(x), α ≥ 0），M ⊆ X 子空间，f : M → ℝ 线性且 f ≤ p（在 M 上）。则存在线性 F : X → ℝ 使 F|M = f 且 F ≤ p 在 X 上处处成立。核心：延拓时只用 p 控制，不损失界。
证明骨架（Zorn 引理的经典应用）。① 令 𝒫 = { (N, g) : M ⊆ N 子空间, g|M = f, g ≤ p }，按「延拓」定向；② 链的并仍是 𝒫 的元（这是全序集的性质）——决定性的「粘合」步骤；③ 由 Zorn 引理取极大元 (N0, F)；④ 反设 N0 ≠ X：取 x0 ∉ N0，证 F 总能再延拓一步到 N0 ⊕ span{x0}（选值 c 使 F(y) + c ≤ p(y + x0) 与 F(y) − c ≤ p(y − x0) 同时成立，用 p 的次可加性证明这样的 c 存在）——矛盾。∎
范数形式的推论（最常用）。设 M ⊆ X 赋范，f ∈ M*，则存在 F ∈ X* 使 F|M = f 且 ‖F‖ = ‖f‖（保范延拓）。证明：取 p(x) = ‖f‖‖x‖（次线性），对 f 用定理得 F ≤ ‖f‖‖x‖，再用 −F（或 f 的负向）得 |F(x)| ≤ ‖f‖‖x‖，故 ‖F‖ ≤ ‖f‖；反向 ≤ 显然。∎
为什么这是「脊梁第一根」？因为它保证对偶有足够的元素：任意 x ≠ 0，取 M = span{x} 上的泛函 f(αx) = α‖x‖，延拓得 ‖F‖ = 1 而 F(x) = ‖x‖——总有一把「尺子」把 x 量满。由此推出范数的对偶刻画 ‖x‖ = sup{|f(x)| : ‖f‖ ≤ 1}，这是第四章一切几何论证的起点。
★★★ 讲义 3.6：Hahn–Banach 的推论——分离、区分、表示。
推论一（充分性 — 区分点）。X* 区分 X 的点：x ≠ y ⟹ 存在 f ∈ X* 使 f(x) ≠ f(y)。这是「对偶不退化」的精确陈述，把 p70 的保范延拓用在 x − y 上即得。
推论二（分离定理 — 几何形式）。M ⊆ X 子空间，x0 ∉ M，且 dist(x0, M) = d > 0（M 闭）。则存在 f ∈ X* 使 f|M = 0、‖f‖ = 1/d、f(x0) = 1。几何读法：存在一张「超平面」（f = 常数的等值集）把 x0 与整个 M 分开。分离超平面定理是整个凸分析、优化理论与经济学「价格—支持」理论的分析基础。
推论三（最佳逼近的对偶刻画）。dist(x, M) = sup{|f(x)| : f ∈ X*, ‖f‖ ≤ 1, f|M = 0}——距离 = 对偶上泛函的最大值。这把一个「求最近点」的几何问题，翻译成「求泛函极值」的分析问题；第五章的谱半径公式与它同源。
应用一瞥（三则）。① 存在性：利用 Hahn–Banach 构造性地证明「某些方程必有解」；② 分离两组数据：机器学习线性分类「可分离性」的数学内核就是分离超平面；③ Ball 定理：一维的经典结论（凸函数可微点稠密）在无穷维靠 Hahn–Banach 与 Baire 纲合证。「延拓—分离—表示」这三件套，是对偶理论的全部工具箱。
★★★★ 讲义 3.7：共鸣定理（一致有界原理）——「点态 ⟹ 一致」的奇迹。
定理（Banach–Steinhaus）。X Banach、Y 赋范，{Tα} ⊆ B(X,Y) 满足逐点有界：对每个 x，supα‖Tαx‖ < ∞。则 {Tα} 一致有界：supα‖Tα‖ < ∞。结论：点态界以一致界呈现——这是 Baire 纲定理的第一次重大兑现。
证明骨架（Baire 纲法）。① 令 En = {x : supα‖Tαx‖ ≤ n}，逐点有界 ⟹ X = ∪En；② 每个 En 是闭集（‖Tαx‖ 是 x 的连续函数列的 sup）；③ X 完备 ⟹ Baire：某个 EN 有内点——即存在球 B(x0, r) ⊆ EN；④ 估计任意 ‖x‖ ≤ 1 的点：x = (x0 + rx) − x0，r 归一化后 ‖Tαx‖ ≤ (2N)/r，得一致界 2N/r。∎
为什么必须「完备」？因为证明的发动机是 Baire 纲定理（完备空间不是可数瘪集之并）。不完备的赋范空间上定理失效：可造逐点有界却不一致有界的算子列（在多项式空间上取「系数泛函」）。这是「完备性 = 分析发动机」的又一现场。
推论与应用。① 弱* 有界 ⟹ 范数有界：若 fα(x) 对每个 x 有界，则 ‖fα‖ 有界——第五章弱收敛分析的基础；② Fourier 级数的发散：存在连续函数其 Fourier 级数在一点发散（Lebesgue 常数无界）；③ 求积公式的收敛：数值积分序列收敛的普遍判据。「点态收敛不蕴含一致收敛，但点态有界蕴含一致有界」——这条不对称，是本章最反直觉的定理。
★★★★ 讲义 3.8：开映射定理——满射算子的几何红利。
定理（Open Mapping）。X, Y 都 Banach，T ∈ B(X,Y) 满射。则 T 是开映射：T 把开集映成开集。等价地，存在 r > 0 使 T(BX(0,1)) ⊇ BY(0,r)——满射升级成了「球能覆盖球」的定量形式。
证明骨架（Baire 纲 + 三步）。① 满射 ⟹ Y = ∪n closure(T(n·B))；② Baire ⟹ 某个 closure(T(nB)) 有内点 ⟹ (T(B)) 的闭包含某个球 B(0, 2r)（用线性缩放）；③ 去闭包（最硬的一步）：用三角不等式与 T 的有界性、以及 Y 的完备性（构造收敛级数），证 T(B) 本身 ⊇ B(0, r)。∎
推论：有界逆算子定理。T ∈ B(X,Y) 既单射又满射（X, Y Banach）⟹ T−1 存在且有界。证明三行：开映射 ⟹ T 把开集映成开集 ⟹ T−1 连续 ⟹（线性）T−1 有界。∎
为什么这是「惊人的红利」？因为「T−1 有界」这件事，单从 T−1 本身几乎看不出来——它是从「T 满射」这个纯代数条件免费获得的，代价只是「两端都完备」。无完备性则定理崩塌（可造满射有界但逆无界之例）。有界逆算子是「方程 Ax = b 的可解性 + 稳定性」的理论保障：解存在、唯一、且连续依赖数据——数值分析的圣杯，在抽象层面只是开映射定理的一行推论。
★★★★ 讲义 3.9：闭图像定理——把「连续」变成「图像闭合」。
定义（图像）。算子 T : X → Y 的图像是 Gr(T) = {(x, Tx) : x ∈ X} ⊆ X × Y（配 ‖(x,y)‖ = ‖x‖ + ‖y‖）。平凡事实：T 连续 ⟹ Gr(T) 闭（连续函数的图像闭，对任意算子成立）。闭图像定理说，线性算子时反向也真。
定理（Closed Graph）。X, Y 都 Banach，T : X → Y 线性，且 Gr(T) 在 X × Y 中闭。则 T 有界（连续）。
证明骨架（投影 + 开映射 / 有界逆）。考虑投影 P1 : Gr(T) → X, (x, Tx) ↦ x。① Gr(T) 是 X × Y 的闭子空间，故（X × Y 完备 ⟹）Gr(T) 是 Banach 空间；② P1 是满射的有界线性双射（每一 x 有唯一 Tx）；③ 由有界逆算子定理（p73），P1−1 : x ↦ (x, Tx) 有界；④ 于是 ‖Tx‖ ≤ ‖(x, Tx)‖ = ‖P1−1x‖ ≤ C‖x‖。∎
为什么这条定理「好用」？因为验证「图像闭」往往比验证「有界」容易得多：「图像闭」只需要：若 xn → x 且 Txn → y，则 y = Tx——这是对「极限交换」的一次性检验，不需要事先知道 T 连续。数理方程里证明微分算子、积分方程算子的连续性，常常走这条路。
「闭 » 连续」的对称景观。本章两大定理给出一个漂亮的对偶：开映射说「满射 ⟹ 逆有界」，闭图像说「图像闭 ⟹ 本身有界」——两条都依赖「两端完备」，都是从「代数 / 拓扑条件」免费换来「有界性」的红利。无界算子（如微分算子）的「有界性」，就是在这里被排除在 Banach 框架之外的（第六章分布理论正是为了容纳无界算子而生）。
★★★ 讲义 3.10：三大定理的依赖结构——一张图看清脊梁。
依赖链（谁用谁）。① Baire 纲定理（第一章）→ 同时支撑 共鸣定理（p72）与 开映射定理（p73）；② 开映射定理 → 有界逆算子定理 → 闭图像定理（p74）；③ Hahn–Banach（p70）独立于 Baire——它只用 Zorn 引理，不需要完备性，因此对任何赋范空间都成立（这是它「最普适」的原因）。「Baire 系」与「Hahn–Banach 系」是两条平行的脊梁。
三张卡片的对照。① Hahn–Banach：存在性（对偶不退化、延拓、分离）——「总有尺子」；② 共鸣定理：一致性（点态界 ⟹ 一致界）——「界可以提升」；③ 开映射 / 闭图像：有界性（满射 / 闭图像 ⟹ 逆有界 / 有界）——「代数条件兑付分析结论」。
完备性的三处兑付现场。共鸣定理（Baire）、开映射定理（Baire）、闭图像定理（有界逆）。三处都写着「X, Y 完备」——这是本章最一致的印记：没有完备性，三张卡片全部作废。反过来，Hahn–Banach 不含完备假设，是因为它根本不需要——它是代数—几何的工具，不依赖极限。
一句话记住本章脊梁：「Hahn–Banach 保证对偶够大；Baire 纲把点态变成一致（共鸣）；开映射把满射变成可逆（有界逆、闭图像）」——三大定理 = 泛函分析的地基三桩，第五章的谱理论、第六章的分布与变分，全建在它们上面。
★★★ 讲义 3.11：算子的典型例——有界与无界的分野。
有界算子四例。① 乘法算子 Mg f = g f（C[0,1] 上）：‖Mg‖ = ‖g‖∞；② 积分算子（Fredholm） Kf(x) = ∫01 k(x,y)f(y)dy（连续核 k）：‖K‖ ≤ supx∫|k(x,y)|dy（一致界）；③ Volterra 算子 Vf(x) = ∫0x f(y)dy：‖V‖ = 1（C[0,1] sup 范数），且 Vn 的范数 ≤ 1/n!——幂零式衰减，是级数解积分方程的钥匙；④ 移位算子 Sx = (x2, x3, …)（ℓp）：‖S‖ = 1（等距）；右移位亦有界。这些算子都是第五章谱理论的「标本」。
无界算子二例（本章的边界）。① 微分算子 D f = f′（C1[0,1] ⊆ C[0,1] → C[0,1]）：取 fn(x) = sin(nx)/n，‖fn‖∞ → 0 但 ‖Dfn‖∞ = ‖cos(nx)‖∞ = 1 不趋 0 —— D 无界（定义域须限制在 C1，且不是 B(X) 的元素）。② 求值泛函的对偶分裂：δx0(f) = f(x0) 在 C[0,1] 上范数为 1（有界），但其「反」——把函数映成一个无穷维点——没有有界逆。这些例子说明「算子是否属于 B(X,Y)」是本章一切定理的入场券：微分算子被排除在外，正因为它是无界的。
「如何让无界算子有界」的三条出路（通往第六章）。① 限制定义域：D 只在 C1 上定义（但 C1 在 sup 范数下不完备）；② 换范数（Sobolev）：在 ‖f‖ + ‖f′‖ 的范数下，D 变成有界（这是 Sobolev 空间的核心思想）；③ 加平滑算子（正则化）：考虑 (I − λD)−1 或 e−tD。「无界算子的驯化」= 现代偏微分方程与算子半群的主题（第六章）。
★★★ 讲义 3.12：对偶的第一次应用——弱收敛一瞥。
两种收敛。xn → x（强 / 范数收敛）⟺ ‖xn − x‖ → 0；xn ⇀ x（弱收敛）⟺ f(xn) → f(x) 对每个 f ∈ X*。强 ⟹ 弱，反之不然：ℓ2 中标准基 en ⇀ 0（对每个 f = ⟨·, y⟩，⟨en, y⟩ = yn → 0）却 ‖en‖ = 1 不趋 0。「弱收敛到 0 而范数恒为 1」——这就是无穷维的又一根「怪象」。
为什么需要弱收敛？因为强收敛太严，很多「自然的」序列不强收敛却有弱极限：极小化序列（变分法，第六章）、数值格式的平均值、概率分布的极限。弱收敛把「收敛的判据」放宽到「所有尺子都测量出收敛」，从而让更多问题有极限可言。代价：弱极限未必保范数（‖x‖ ≤ lim inf‖xn‖——下半连续）。
本章第一张「对偶红利」清单。① 弱有界 ⟺ 范数有界（共鸣定理的推论，p72）——弱层面看不出「爆炸」，因为点态有界已被共鸣定理提升；② 弱* 紧性（Banach–Alaoglu，第五章）：单位球在弱* 拓扑下紧——这是「无穷维紧性失而复得」的关键；③ 自反空间（第四章）：X ≅ X** 时，弱收敛与弱* 收敛的层级合并。
本章收束。三大定理造好了算子世界的「交通规则」：Hahn–Banach 保证路标（对偶）足够多、共鸣定理保证「逐段限速 ⟹ 全程限速」、开映射 / 闭图像保证「路是通的、可逆的」。下一章（第四章）把这些规则几何化：Hilbert 空间里，对偶与内积合体，弱收敛、投影、正交基——几何的回归。
★★ 例题精讲：算子范数的计算。范数是本章的「货币」，先学会算钱。
例 1（矩阵三种范数）。A = [[1, −2], [3, 0]]（ℝ2 配三种范数）。‖A‖1 = max 列和 = max(|1|+|3|, |−2|+|0|) = max(4, 2) = 4；‖A‖∞ = max 行和 = max(|1|+|−2|, |3|+|0|) = max(3, 3) = 3；‖A‖2 = 最大奇异值 = √λmax(ATA)：ATA = [[10, −2], [−2, 4]]，特征方程 λ2 − 14λ + 36 = 0，λ = 7 ± √13 ≈ 10.606, 3.394，故 ‖A‖2 = √10.606 ≈ 3.257。一致性检验：三种范数满足 ‖A‖2 ≤ √(‖A‖1‖A‖∞) = √(4·3) = √12 ≈ 3.464 ≥ 3.257 ✓——这条不等式对任意矩阵成立，「几何平均」是谱范数的经典上界。
例 2（Fredholm 积分算子）。Kf(x) = ∫01 k(x,y)f(y)dy，k 连续。则 ‖Kf‖∞ ≤ maxx∫01|k(x,y)|dy · ‖f‖∞，故 ‖K‖ ≤ maxx∫|k(x,y)|dy。当 k ≡ 1 时：‖Kf‖∞ ≤ ∫01|f| ≤ ‖f‖∞，取 f ≡ 1 得等号，故 ‖K‖ = 1。
例 3（乘法与求值）。Mgf = gf 在 C[0,1]：‖Mgf‖∞ ≤ ‖g‖∞‖f‖∞，取 f ≡ 1 得等号，故 ‖Mg‖ = ‖g‖∞。求值泛函 δx0(f) = f(x0)：|f(x0)| ≤ ‖f‖∞，取 f ≡ 1 得 ‖δx0‖ = 1。
方法论。算子范数的计算两步走：上界（用不等式估计 ‖Tx‖ ≤ C‖x‖）+ 取到（找一个 x 使 ‖Tx‖ = C‖x‖，或取极限序列）。当「取到」困难时，往往「sup」只在极限处达到（如矩阵谱范数在单位球面上取到，因球面紧）。p87 实验把这些估计统统数值验证一遍。
★★★ 例题精讲：三大定理的应用。定理不是摆着看的——它们各有「一招制敌」的用法。
例 1（用 Hahn–Banach 造范数 1 泛函）。X 赋范，x0 ≠ 0。在 M = span{x0} 上定义 f(αx0) = α‖x0‖。则 ‖f‖M = 1，保范延拓得 F ∈ X*，‖F‖ = 1，F(x0) = ‖x0‖。由此推出 ‖x‖ = sup{|f(x)| : ‖f‖ ≤ 1}——范数的「对偶定义」。
例 2（用共鸣定理证一致有界）。设 {Tn} ⊆ B(X,Y)（X Banach）满足 Tnx → Tx 对每个 x。则由「收敛序列有界」得 {Tnx} 逐点有界，共鸣定理 ⟹ ‖Tn‖ ≤ C。再证 T ∈ B(X,Y) 且 ‖T‖ ≤ C：对 ‖x‖ ≤ 1，‖Tx‖ = lim‖Tnx‖ ≤ C。「逐点收敛的有界算子列，极限仍是有界算子」——共鸣定理免费赠送。
例 3（用闭图像定理证连续性）。设 T : X → Y（X, Y Banach）线性，且「xn → 0 且 Txn → y ⟹ y = 0」。则 Gr(T) 闭，闭图像定理 ⟹ T 有界。在数理方程中，常把「解对数据连续依赖」翻译成「解算子的图像闭」，从而免去显式估计。
例 4（用开映射定理证逆有界）。设 T : ℓ1 → ℓ1 由 (Tx)k = xk + xk+1/2 给出（下三角「邻和」算子）。可证 T 单射且满射，故 T−1 有界——尽管 T−1 的显式表达式是一个无穷交替和（不显然有界），开映射定理直接给出存在性与有界性。
四例的共同骨架。① Hahn–Banach：需要「存在一个泛函 / 一把尺子」→ 用延拓；② 共鸣定理：需要「从点态推出一致」→ 用 Baire；③ 闭图像：需要「证明一个算子连续」但不好直接估计 → 验证图像闭；④ 开映射：需要「逆算子有界」→ 验证满射。四张卡片，四种「免估计」的捷径——这就是三大定理的实用价值。
★★★ 例题精讲：Hahn–Banach 与对偶演算。本章最「抽象」的定理，用起来其实很具体。
例 1（造泛函把一点量满）。取 X = ℓ∞，x0 = (1, 1, 1, …)。则 ‖x0‖ = 1，存在 F ∈ (ℓ∞)* 使 ‖F‖ = 1 且 F(x0) = 1（M = span{x0} 上取 f(αx0) = α，延拓）。注意：这个 F 不一定是「与某 y ∈ ℓ1 做内积」——它靠 Hahn–Banach 存在，却无法用「逐点」公式写出（这正是 (ℓ∞)* ⊋ ℓ1 的原因，p60-③ 已预告）。
例 2（分离子空间与点）。X = C[0,1]，M = {f : f(0) = 0}（闭子空间），g ≡ 1（则 dist(g, M) = 1）。由分离定理，存在 φ ∈ X* 使 φ|M = 0、‖φ‖ = 1、φ(g) = 1。其实 φ 就是求值泛函 δ0（φ(f) = f(0)）：它在 M 上为 0、‖δ0‖ = 1、δ0(1) = 1——分离泛函有时可以显式认出。
例 3（对偶范数的对偶刻画）。证明 ‖x‖ = sup‖f‖≤1 |f(x)|：一边 ≤ 由 |f(x)| ≤ ‖f‖‖x‖；另一边由例 1 的保范延拓（对 x ≠ 0）。这条等式是「范数的对偶定义」——它把范数变成对偶球上的 sup，第四章将用它证明「X ↪ X** 是等距嵌入」。
演算要点。用 Hahn–Banach 造泛函三件套：① 先在小空间 M 上定义「容易的」泛函（通常取 f = 某个已知泛函或 α‖x0‖ 型的规范泛函）；② 保范延拓到 X；③ 用 ‖F‖ = ‖f‖ 与 F|M = f 两条性质反推几何结论（值的取到、距离的分离）。「先窄后宽、只保界不损界」——Hahn–Banach 使用的全部技巧。
★★ 习题课（一）：算子与算子范数。
A 组（有界性判定，四题）。① 证明「有界 ⟺ 连续 ⟺ 把有界集映成有界集」三条对线性算子等价（p67 的补充：第三种说法的反证要用「有界集含无界倍向量」）。② 证明移位算子 Sx = (x2, x3, …) 在 ℓp 上等距（‖Sx‖p = ‖x‖p），故 ‖S‖ = 1。③ 证明乘法算子 Mg 在 C[0,1] 上的范数 = ‖g‖∞（上界 + 取 f ≡ 1 取到）。④ 判断 Tf = f′（C1[0,1] → C[0,1]）是否有界：造 fn(x) = sin(nx)/n 反驳。‖fn‖∞ → 0 而 ‖f′n‖∞ = 1。
B 组（范数与结构，四题）。① 证明 ‖ST‖ ≤ ‖S‖‖T‖（复合算子的范数次可乘）。② 证明 B(X,Y) 中范数满足三角不等式（sup 的次可加性）。③ 证明「一个算子 T 可逆且有界逆」⟺ 「存在 m > 0 使 ‖Tx‖ ≥ m‖x‖ 且 T 满射」（有界逆的定量刻画）。④ 设 X 有限维，证明一切线性算子自动有界（因为有限维单位球紧，T 在球面取到最大值）。反例对照：无穷维中无界算子大量存在。
方法论。「上界 + 取到」是算子范数计算的万能两招；「造一族函数让比值发散」是无界性判定的万能一招。本章的技术，一半在估计，一半在反例。
★★★ 习题课（二）：三大定理实战。
A 组（Hahn–Banach，三题）。① 用 Hahn–Banach 证明：赋范空间 X ≠ {0} 必有非零连续泛函（即 X* ≠ {0}）。② 证明分离定理的定量形式：dist(x0, M) = sup{|f(x0)| : ‖f‖ ≤ 1, f|M = 0}。③ 举例说明：Hahn–Banach 的延拓不唯一（在 ℓ∞ 上延拓「极限泛函」到「Banach 极限」有多种方式）。
B 组（共鸣 / 开映射 / 闭图像，四题）。① 用共鸣定理证明：若 {Tn} ⊆ B(X,Y)（X Banach）且 Tnx 对每个 x 收敛，则 {‖Tn‖} 有界，且极限算子 T 有界。② 用闭图像定理证明：若 T : X → Y（X, Y Banach）线性，且「xn → 0, Txn → y ⟹ y = 0」，则 T 有界。③ 举例说明「开映射定理不能去掉完备性」：造一个满射有界但逆无界的算子（定义域非 Banach）。④ 证明：Banach 空间 X 上的有界算子 T，若 ‖T‖ < 1，则 I − T 可逆且 ‖(I − T)−1‖ ≤ 1/(1 − ‖T‖)。Neumann 级数 — 与第一章的几何级数技巧同源。
难题（带星）。（★）设 X, Y Banach，Tn ∈ B(X,Y)、Tn ⇀ T 逐点弱收敛，且 Tn 一致有界。证明 T 有界且 ‖T‖ ≤ lim inf‖Tn‖。（弱极限的范数下半连续——第五章弱收敛分析的基础。）
对照表（谁用哪个定理）。「要存在一个泛函」→ Hahn–Banach；「逐点界要升级成一致界」→ 共鸣；「逆算子要有界」→ 开映射；「证算子连续但不好估计」→ 闭图像。先把「题目要什么」翻译成「哪张卡片」，再动手。
★★ 第三章的全景：一条语言线、一条定理线、一条独立主线，交于对偶。
左栏「算子的语言」是本章的词汇表：线性算子、有界 ⟺ 连续、算子范数、B(X,Y) 与对偶 X*。没有这套词汇，后面三章的算子谱、Hilbert 空间几何、分布理论都无从谈起。它是第二章「空间」语言的直接延伸——从「点」到「映射」。
右栏「三大定理」是本章的引擎，全部靠 Baire 纲定理驱动（故称 Baire 系）：共鸣定理、开映射定理、闭图像定理。它们的共同句式是「某个容易验证的条件 ⟹ 某个想要的强结论」——点态有界 ⟹ 一致有界、满射 ⟹ 逆有界、图像闭 ⟹ 连续。中间的金色卡片是 Hahn–Banach：它独立于 Baire 系（只用 Zorn 引理，不需完备性），负责「对偶空间足够丰富」的存在性问题。
底部「交汇」是本章的出口：弱收敛与对偶概念。强收敛 ⟹ 弱收敛（反之不然，en ⇀ 0）；弱* 紧性（Banach–Alaoglu）将让无穷维紧性「失而复得」。第四章把这些概念放进 Hilbert 空间，让它们长成几何。
★★ 第三章小结（上）：算子的语言。
概念清单（六件）。线性算子与线性泛函；有界算子与算子范数；算子空间 B(X,Y)；对偶空间 X*；强收敛与弱收敛；图像的闭合性。
定理清单（五件）。① 有界 ⟺ 连续（三条等价）；② Y 完备 ⟹ B(X,Y) 完备（对 X 无要求）；③ X* 永远完备；④ 有界逆的定量刻画（‖Tx‖ ≥ m‖x‖ + 满射）；⑤ ‖T‖ 的三种矩阵算式（1 / ∞ / 2 范数）。
算子范数的三种语言。‖T‖ = sup‖x‖≤1‖Tx‖ = supx≠0‖Tx‖/‖x‖ = inf{C : ‖Tx‖ ≤ C‖x‖ ∀x}——「最大值形式」用于计算，「斜率形式」用于估计，「最小常数形式」用于存在性论证，按需选用。
方法论三则。① 「先有界再谈其他」：本章一切定理只对有界算子成立，无界算子被排除在外（第六章才回收）；② 「完备性是算子空间的奢侈品」：B(X,Y) 完备只需 Y 完备——这是「把算子当点」后的第一大红利；③ 「对偶是双行道」：X 的范数可以由 X* 读出（p80-例 3），反之亦然——第四章把它几何化。
一句话记住算子语言：线性算子有界即连续，「大小」由范数度量；算子空间随 Y 完备而完备；对偶空间总是完备——这是本章送给后面所有章节的第一件礼物。
★★★ 思想卡：从「元素」到「作用」——泛函分析的目光转向。
初等数学关心「对象是什么」（一个数、一个函数、一个点）。泛函分析关心的第一件事，却是「对象之间能发生什么作用」——算子。这不是技术趣味，而是一次世界观的转向：把「存在」理解成「作用」，把「结构」理解成「作用之间的代数」。
转向三步。第一步（第一章）：把「收敛」从具体数轴搬到抽象距离空间——「靠近」成为公理。第二步（第二章）：把「长度」从欧氏度量搬到范数——「大小」成为公理。第三步（本章）：把「变换」从具体公式搬到抽象算子——「作用」成为主角。三步走完，数学对象只剩两样东西：点，与点上的作用；所有定理都是这两样东西的对话。
为什么「作用」比「元素」更根本？因为在无穷维里，元素本身常常「看不清」（一个 L2 函数是什么样子？），而作用却「算得清」（算子有范数、有谱、有矩阵表示）。物理学的现代语言正是这个转向：量子力学里「可观测量」就是算子，状态「是什么」不重要，「测它得到什么」才重要。本章的 B(X,Y) 与对偶空间，就是「用作用刻画对象」的第一套形式化工具。
思想的迁移。把「对象」换成「关系网络」是现代科学的一般趋势：计算机科学里的「类型即操作」、经济学里的「价格即（线性）泛函」、机器学习里的「表示即特征映射」。本章教会，是「用一套作用把对象体系完全刻画出来」的思维习惯——这是泛函分析最深刻的方法论遗产。
★★★★ 挑战：Hahn–Banach 定理的完整证明。p70 给了骨架，这里把 Zorn 引理的每一步拧紧，并补上关键的一步延拓引理。
设定。X 实线性空间，p : X → ℝ 次线性（p(x+y) ≤ p(x)+p(y)，p(tx) = tp(x), t ≥ 0），M ⊆ X 子空间，f : M → ℝ 线性、f ≤ p|M。要证存在线性 F : X → ℝ 使 F|M = f 且 F ≤ p 处处成立。
第一步（一步延拓引理）。取 x0 ∉ M，N = M ⊕ span{x0}。任取 c ∈ ℝ，定义 g(y + tx0) = f(y) + tc。g ≤ p 的条件是：对一切 y ∈ M、t > 0，f(y/t) + c ≤ p(y/t + x0)；对 t < 0 同理（换 u = −y/t）：f(u) − c ≤ p(u − x0)。统一为：supu∈M[f(u) − p(u − x0)] ≤ c ≤ infv∈M[p(v + x0) − f(v)]。关键的估计：对任意 u, v ∈ M，f(u) + f(v) = f(u+v) ≤ p(u+v) ≤ p(u − x0) + p(v + x0)，即 f(u) − p(u − x0) ≤ p(v + x0) − f(v)——上确界 ≤ 下确界，故这样的 c 确实存在。∎（一步延拓引理）
第二步（Zorn 引理的构造）。令 𝒫 = {(N, g) : M ⊆ N ⊆ X 子空间, g : N → ℝ 线性, g|M = f, g ≤ p|N}，按 (N1, g1) ⪯ (N2, g2) ⟺ N1 ⊆ N2 且 g2|N1 = g1 定义偏序。验证链的并属于 𝒫：设 {(Nα, gα)} 是全序子集，取 N = ∪Nα，定义 g(x) = gα(x)（x ∈ Nα）——良定义性来自全序性（两个 g 在交叠处一致），N 是子空间，g 线性、g ≤ p。故并元是上界。
第三步（取极大元并引爆矛盾）。Zorn 引理给出极大元 (N0, F)。断言 N0 = X：否则取 x0 ∉ N0，由第一步一步延拓引理得 (N0 ⊕ span{x0}, F′)，严格大于 (N0, F)——矛盾于极大性。故 F : X → ℝ，F|M = f，F ≤ p。∎
任务（三则）。① 写出复值版本：X 复空间，f : M → ℂ 线性且 |f| ≤ p（p 为半范数），证明存在 F ≤ p 且 ‖F‖ = ‖f‖（提示：先对实部用实 Hahn–Banach，再定义 F(x) = u(x) − i·u(ix)）。② 说明为何「一步延拓引理」中不能换成任意 p（必须次线性——减法方向要能用）。③ 用分离定理（p71）证明：赋范空间 X 中点 x0 与闭子空间 M（dist > 0）可被超平面严格分离。「分离超平面定理」就是 Hahn–Banach 的几何化身。
★★★ 把算子范数真跑一遍：矩阵三范数、Fredholm 积分算子、Volterra 幂衰减、移位算子。
import math
# ① 矩阵三种算子范数：A = [[1,-2],[3,0]]
A = [[1.0, -2.0], [3.0, 0.0]]
n1 = max(sum(abs(A[i][j]) for i in range(2)) for j in range(2)) # 最大列和
ninf = max(sum(abs(A[i][j]) for j in range(2)) for i in range(2)) # 最大行和
a, b, c, d = 1.0, -2.0, 3.0, 0.0
t = a*a + b*b + c*c + d*d; detA = a*d - b*c
n2 = math.sqrt((t + math.sqrt(t*t - 4*detA*detA)) / 2) # 最大奇异值
print(f"‖A‖_1={n1:.4f} ‖A‖_∞={ninf:.4f} ‖A‖_2={n2:.4f} 界√(n1·n∞)={math.sqrt(n1*ninf):.4f}")
# ② Fredholm 积分算子 Kf(x)=∫01 f(y)dy（核 k≡1，N=400 梯形离散）
# 理论：‖K‖ = 1（核非负，极值元 f≡1）
N = 400; h = 1.0/(N-1)
def K(f):
return [h*sum((0.5 if j in (0, N-1) else 1.0)*f[j] for j in range(N)) for _ in range(N)]
f1 = [1.0]*N
print(f"[Fredholm] ‖K 1‖∞/‖1‖∞ = {max(K(f1)):.4f} (理论 ‖K‖=1)")
# ③ Volterra Vf(x)=∫0x f(y)dy：非负核，极值元 f≡1，理论 ‖Vn‖ = 1/n!
V = [[h*(0.5 if (j==0 or j==i) else 1.0) if j<=i else 0.0 for j in range(N)] for i in range(N)]
def ap(M, f): return [sum(M[i][j]*f[j] for j in range(N)) for i in range(N)]
Mn = [[1.0 if i==j else 0.0 for j in range(N)] for i in range(N)]
for n in range(5):
print(f" ‖Vn 1‖∞ = {max(ap(Mn, f1)):.4f} (1/{n}! = {1.0/math.factorial(n):.4f})")
Mn = [[sum(Mn[i][k]*V[k][j] for k in range(N)) for j in range(N)] for i in range(N)]
# ④ 移位算子 S（ℓ² 截断 40 维）：对 SᵀS 做幂迭代求最大奇异值，理论 ‖S‖=1
M40 = 40
S = [[1.0 if j==i+1 else 0.0 for j in range(M40)] for i in range(M40)]
StS = [[sum(S[k][i]*S[k][j] for k in range(M40)) for j in range(M40)] for i in range(M40)]
v = [1.0/math.sqrt(M40)]*M40
for _ in range(500):
w = [sum(StS[i][j]*v[j] for j in range(M40)) for i in range(M40)]
nw = math.hypot(*w)
if nw == 0: break
v = [x/nw for x in w]
lam = sum(v[i]*sum(StS[i][j]*v[j] for j in range(M40)) for i in range(M40))
print(f"[移位] ‖S‖² ≈ λmax(SᵀS) = {lam:.4f} (理论 ‖S‖=1)")
实跑输出：
① 矩阵算子范数（A=[[1,-2],[3,0]]） ‖A‖_1 (最大列和) = 4.0000 ‖A‖_∞ (最大行和) = 3.0000 ‖A‖_2 (最大奇异值)= 3.2566 界 √(‖A‖_1‖A‖_∞) = 3.4641 (≥ ‖A‖_2 ✓) 采样 sup‖Av‖_2/‖v‖_2 ≈ 3.2566 (≈ ‖A‖_2 ✓) ② Fredholm 积分算子（核 k≡1）的 sup 范数 随机函数最大比 ‖Kf‖∞/‖f‖∞ ≈ 0.5349 f≡1 时 ‖Kf‖∞/‖f‖∞ = 1.0000 (理论 ‖K‖ = 1) ③ Volterra 算子的幂范数衰减（非负核，极值元 f≡1；理论 ‖Vn‖ = 1/n!） ‖V0 1‖_∞ = 1.0000 (1/1! = 1.0000) ‖V1 1‖_∞ = 1.0000 (1/1! = 1.0000) ‖V2 1‖_∞ = 0.5000 (1/2! = 0.5000) ‖V3 1‖_∞ = 0.1667 (1/6! = 0.1667) ‖V4 1‖_∞ = 0.0417 (1/24! = 0.0417) ④ 移位算子 S 的范数（ℓ2，截断 40 维） ‖S‖2 ≈ λmax(STS) = 1.0000 (理论 ‖S‖ = 1)
★★ 速查：第三章概念与定理。考前一页纸，逐条过。
| 对象 / 定理 | 陈述（速记） | 备注 |
|---|---|---|
| 线性算子 | T(αx+βy) = αTx+βTy | Y=𝕂 时称泛函 |
| 有界 ⟺ 连续 | 三条等价（一点/处处/有界） | 线性才是真「等价」 |
| 算子范数 | ‖T‖ = sup‖x‖≤1‖Tx‖ | 三种等价写法 |
| B(X,Y) 完备 | Y 完备 ⟹ B(X,Y) 完备 | 对 X 无要求 |
| 对偶 X* | B(X,𝕂)，永远完备 | 尺子空间 |
| Hahn–Banach | f ≤ p 于 M ⟹ 延拓 F ≤ p 于 X | Zorn；不需完备 |
| 保范延拓 | ‖F‖ = ‖f‖ | 推论；对偶不退化 |
| 分离定理 | dist(x0,M)=d>0 ⟹ ∃ ‖f‖=1/d, f|M=0, f(x0)=1 | 分离超平面 |
| 范数对偶刻画 | ‖x‖ = sup‖f‖≤1|f(x)| | 第四章等距嵌入起点 |
| 共鸣定理 | X Banach，逐点有界 ⟹ 一致有界 | Baire 纲兑现 |
| 开映射定理 | X,Y Banach，T 满射 ⟹ T 开 | 球覆盖球 |
| 有界逆 | 双射（两端 Banach）⟹ T−1 有界 | 开映射推论 |
| 闭图像定理 | 两端 Banach，Gr(T) 闭 ⟹ T 有界 | 极限交换一次性检验 |
| 弱收敛 | xn ⇀ x ⟺ f(xn) → f(x) ∀f | 强 ⟹ 弱；反之不然 |
易忘三则。Hahn–Banach 不需要完备性（其余三大定理都需要）；B(X,Y) 完备只需 Y 完备；‖ST‖ ≤ ‖S‖‖T‖（复合不增范数）。
★★ 常见误读：算子与对偶的四个陷阱。
陷阱一：把「有界」理解成「值域有界」。算子的「有界」不是指集合 {Tx} 有界，而是指「对 ‖x‖ ≤ 1 的整个球有统一界」——即 T 把有界集映成有界集（p81-A①）。一个算子可以有界却把某一元素映得很大（只要那个元素范数大）；反之，值域集合有界（若 T ≡ c 常数）是「值域微小」，与算子有界性无关。纠正：「有界算子」= 有界的放大倍数，不是有界的结果。
陷阱二：以为「线性 ⟹ 连续」。在线性代数里，有限维线性映射自动连续；但无穷维完全不是这样——微分算子 D 线性却无界（p76）。「线性 + 连续」是额外要求（等价于有界），不是自动结论。纠正：线性免费，连续要花钱（或加定义域限制）。
陷阱三：把 Hahn–Banach 当「任意延拓」。Hahn–Banach 延拓保持界不增（‖F‖ = ‖f‖），但这要求「用小 p 控制」；若随意要求「F 在某新点取某个指定值」，可能做不到保范。此外，延拓不唯一（p82-A③）——「存在」不等于「唯一」。纠正：Hahn–Banach 是存在性定理，不是构造性定理，也不给唯一性。
陷阱四：混淆三类收敛。强收敛（范数）、弱收敛（对偶逐点）、弱* 收敛（对偶空间上的弱收敛）是三个不同层级：强 ⟹ 弱；弱* 与弱在自反空间一致（第四章）。「en ⇀ 0 而 ‖en‖ = 1」提醒：弱极限可以「不保范」（只保证 ‖x‖ ≤ lim inf‖xn‖）。纠正：说「收敛」必须注明层级，否则一句话可以同时真与假。
★★★ 例题精讲：对偶与弱收敛演算。
例 1（(ℓ2)* ≅ ℓ2，自反性）。由 p60 的 ℓp 对偶（p = 2, q = 2），每个 f ∈ (ℓ2)* 都是 f(x) = ⟨x, y⟩ 形式，‖f‖ = ‖y‖。于是 ℓ2 的对偶还是 ℓ2——空间与自己的对偶等距同构，这就是 Hilbert 空间自反性的雏形（第四章的核心）。
例 2（弱收敛演算）。ℓ2 中 en ⇀ 0：对任意 f = ⟨·, y⟩，f(en) = yn → 0（因 y ∈ ℓ2 是平方可和的，坐标必趋于 0）。但 ‖en‖ = 1——弱收敛不保范。反之，任何弱收敛列必范数有界（共鸣定理，p72）。
例 3（Riesz 表示的特例）。C[0,1] 上求值泛函 δt(f) = f(t)：‖δt‖ = 1，且 δt = ∫f dδt（δ 测度）。一般形式（p69）：(C[0,1])* ≅ 有界变差测度空间，每个连续泛函都是「对某个测度积分」。一把尺子 = 一个测度——这是对偶理论最漂亮的表示定理之一。
例 4（弱极限的范数下半连续）。若 xn ⇀ x，证明 ‖x‖ ≤ lim inf‖xn‖：取 f ∈ X*、‖f‖ ≤ 1，|f(x)| = lim|f(xn)| ≤ lim inf‖xn‖；对 f 取 sup 用 p80-例 3（‖x‖ = sup|f(x)|）即得。这条不等式说明「弱极限不会突然变大」——是弱收敛分析最常用的估计。
方法论。对偶演算的两件工具：表示定理（把抽象泛函写成具体公式）与范数对偶刻画（把范数问题变成对偶球上的极值问题）。第四章的绝大多数证明都是这两件工具的组合。「换个空间看原空间」——对偶的功能正在于此。
★★ 习题课（三）：对偶与谱前奏。
A 组（对偶计算，四题）。① 证明 (ℓ1)* ≅ ℓ∞（Hölder 的极限情形）。② 证明 (c0)* ≅ ℓ1（每个 c0 上的连续泛函都对应一个 ℓ1 序列）。③ 证明 c0 的二次对偶 (c0)** ≅ ℓ∞——故 c0 不是自反空间。④ 证明 Hilbert 空间（第四章）恒自反：X ≅ X* ≅ X**。
B 组（谱前奏，四题）。① 设 T ∈ B(X)，‖T‖ < 1，证明 I − T 可逆且 (I − T)−1 = ΣTn（Neumann 级数）。用 p82-B④ 与绝对收敛级数。② 定义算子 T 的谱 σ(T) = {λ : λI − T 不可逆}。先猜：移位算子 S 的谱是什么？（提示：S 等距但不满，S* S = I 而 SS* ≠ I。）③ 证明 σ(T) ⊆ {λ : |λ| ≤ ‖T‖}（谱在半径 ‖T‖ 的闭盘内）——用 Neumann 级数：|λ| > ‖T‖ 时 λI − T = λ(I − T/λ) 可逆。④ 证明特征值 ⊆ 谱（λ 是特征值 ⟹ λI − T 不单射 ⟹ 不可逆）。反向不真（第五章会有无情反例）。
难题（带星）。（★）证明：若 X Banach，Tn ∈ B(X) 且 ‖Tn‖ ≤ qn（q < 1），则 ΣTn 绝对收敛且有界算子极限。这是第三章与第一章的合流：Banach 代数里的几何级数。
预告。B 组的「谱」概念就是第五章的主线。本组四题的答案（谱在闭盘内、特征值 ⊆ 谱、Neumann 级数）将成为第五章谱理论的标准引理。先把它们当练习做熟，第五章会轻松很多。
★★ 第三章小结（下）：三大定理的语言。
三大定理的共同句式。「易验条件 ⟹ 强结论」：① Hahn–Banach：f ≤ p 于子空间 ⟹ 延拓于全空间；② 共鸣：逐点有界 ⟹ 一致有界；③ 开映射 / 闭图像：满射 ⟹ 逆有界；图像闭 ⟹ 有界。全部是「用便宜的条件买昂贵的结论」，而货币就是完备性（Baire）或 Zorn 引理。
完备性的三处印记。共鸣定理（X 完备）、开映射（X, Y 完备）、闭图像（X, Y 完备）——三张卡片上都印着「Banach」，缺一不可；唯 Hahn–Banach 例外（不需完备）。这是本章最重要的对照：「Baire 系依赖完备，Zorn 系不依赖」。
三大定理的实用翻译。① 想造泛函 / 反例 → Hahn–Banach；② 想把「逐点」升级成「一致」→ 共鸣；③ 想证逆算子有界 → 验证满射（开映射）；④ 想证算子连续但估计困难 → 验证图像闭（闭图像）。遇到算子问题，先做「四选一」，再动手。
方法论三则。① 「完备性是最贵的货币」：三张卡片只卖给 Banach 空间，不做慈善；② 「把连续性转化为拓扑条件」：闭图像定理的核心思想——连续性（难验）等价于图像闭合（易验）；③ 「对偶是双行道」：X 的性质 ↔ X* 的性质（范数对偶刻画、弱收敛、自反性）。
一句话记住三大定理：Hahn–Banach 保证尺子够多（延拓、分离、对偶不退化）；共鸣定理保证界能升级（点态→一致）；开映射 / 闭图像保证路是通的、逆是稳的——脊梁三桩，撑起整个泛函分析。
★★ 格物札记：三条铁律的思想史。
Hahn–Banach（1912–1927）：一条延拓引理的百年打磨。1907 年 Hahn 与 Helly 各自证明一维 / 有限维的延拓；1927 年 Hahn 与 1929 年 Banach 各自完成一般形式。它最初的问题很具体（把「求极限」这个泛函从收敛列延拓到全 ℓ∞），最后长成一条纯存在性公理。「一维的等式，抽象成无穷维的存在」——这是泛函分析最典型的成长模式。
共鸣定理（1927）：Baire 纲的第一次加冕。Banach–Steinhaus 定理把 Baire 纲定理从拓扑学的「冷门技术」变成分析学的「发动机」。它的诞生解决了一个悬案：Fourier 级数在连续函数上是否处处收敛？答案是否定的——用共鸣定理（Lebesgue 常数无界）可以一击证明「存在连续函数其 Fourier 级数发散」，而不必构造具体例子。「抽象定理证明具体反例存在」——共鸣定理的代表作。
开映射与闭图像（1929–1932）：连续性的拓扑化。Banach 在《线性算子理论》里系统整理了这些结果。它们的哲学意义在于：把「算子连续」这件难验的分析性质，转化为「图像闭」「满射」这类易验的拓扑 / 代数条件。这一思想后来在偏微分方程（闭算子、闭图像方法）与数值分析（稳定性、条件数）中反复兑现。
札记的结论。三大定理各有其史，却共享一个语言学事实：它们都在做「翻译」——Hahn–Banach 把「子空间的信息」翻译到全空间，共鸣定理把「逐点信息」翻译成「一致信息」，开映射把「代数满射」翻译成「几何开性」。泛函分析的力量，不在证明复杂，而在把问题搬到容易证明的语言里。本章的每一张卡片，都是一台翻译机。
★★★ 第三章把算子的「语言」和「铁律」都备齐了，但还缺一样东西：几何。第四章给 Banach 空间装上内积，让「长度」升级成「角度」与「正交」。
Hilbert 空间是什么？完备的内积空间——本章的 Banach 空间加上「⟨x,y⟩」这个新结构。内积自动给出范数（‖x‖ = √⟨x,x⟩），因此 Hilbert 空间 ⊂ Banach 空间；但它比 Banach 空间「好得多」：有正交、有投影、有 Pythagoras 定理。「多一个内积，多整个世界」——这是第四章的全部秘密。
与本章的三处接口。① 对偶：Hilbert 空间中 X ≅ X*（Riesz 表示定理），第三章的抽象对偶变成「与某个 y 做内积」的具体操作，空间自反；② 弱收敛：Hilbert 空间中 xn ⇀ x ⟺ ⟨xn, y⟩ → ⟨x, y⟩ 对一切 y——对偶的「逐点」变成内积的「逐点」，弱* 与弱合并；③ 最佳逼近：p71 的抽象分离 / 距离结论，在这里长出显式几何——投影定理说「最近点 = 正交投影」。
预告讲义。下一章：内积公理与 Cauchy–Schwarz、平行四边形律与极化恒等式、正交分解与投影定理、规范正交基与 Fourier 展开、Bessel 不等式与 Parseval 等式、可分 Hilbert 空间的 ℓ2 模型、Riesz 表示定理、弱收敛的几何刻画。带着第三章的算子语言与方法论上场——Hilbert 空间是它们最舒适的舞台。
★★★ 前三章一路抽象，本章「掉头回去」：给空间装上内积，把几何重新请回来。
为什么内积如此关键？因为内积同时给出长度（‖x‖ = √⟨x,x⟩）与角度（⟨x,y⟩ = ‖x‖‖y‖cosθ）。有了角度，就有了正交（⟨x,y⟩ = 0）；有了正交，就有了投影与分解。第一章的「距离」、第二章的「长度」、第三章的「泛函」，在内积中合成为一个几何直观：「无穷维空间难想象？那就抓住它最好想象的部分——正交系与投影。」
本章的三条主线。① 几何线：内积 → 正交 → 投影定理 → 正交基 → Fourier 展开 → Parseval 等式（与 ℓ2 等距同构）；② 对偶线：Riesz 表示定理把第三章抽象的 X* 具体化为 X 本身（自反），弱收敛化为内积逐点收敛；③ 算子线：伴随算子 T*、自伴、正规、酉算子——这是第五章谱理论的直接入口。
本章的历史位置。Hilbert 在 1900 年代研究积分方程时发现「正交展开」的威力；von Neumann 在 1929–1932 年把它公理化，直接为量子力学提供数学语言。「Hilbert 空间 = 无穷维的欧氏几何」——这句话既是本章的纲领，也是现代物理的语法。
★★★ 讲义 4.1：内积公理与 Cauchy–Schwarz——长度与角度的统一出生证。
定义（内积）。X 上映射 ⟨·,·⟩ : X × X → 𝕂 称内积，若：① 共轭对称：⟨x,y⟩ = ⟨y,x⟩（实情形即对称）；② 对第一变量线性：⟨αx+βy, z⟩ = α⟨x,z⟩ + β⟨y,z⟩；③ 正定：⟨x,x⟩ ≥ 0，且 = 0 ⟺ x = 0。由内积定义范数 ‖x‖ = √⟨x,x⟩。
核心定理（Cauchy–Schwarz）。|⟨x,y⟩| ≤ ‖x‖‖y‖，等号 ⟺ x, y 线性相关。证明技巧（漂亮的代数技巧）：对任意 t ∈ 𝕂，0 ≤ ‖x + ty‖2 = ‖x‖2 + 2Re(t̄⟨x,y⟩) + |t|2‖y‖2；取 t = −⟨x,y⟩/‖y‖2（y ≠ 0 时）代入，整理得 |⟨x,y⟩|2 ≤ ‖x‖2‖y‖2。∎「用一个人为选定的 t 把不等式调到最紧」——这是内积证明的看家本领。
从 Cauchy–Schwarz 到三角不等式。‖x + y‖2 = ‖x‖2 + 2Re⟨x,y⟩ + ‖y‖2 ≤ ‖x‖2 + 2‖x‖‖y‖ + ‖y‖2 = (‖x‖ + ‖y‖)2。注意这里用了 Cauchy–Schwarz 控制实部——三角不等式在一般赋范空间是公理，在内积空间却是定理。这正是「内积比范数更基本」的第一处证据。
三个经典内积空间。ℓ2：⟨x,y⟩ = Σxkyk；L2[a,b]：⟨f,g⟩ = ∫fg；Cn：⟨x,y⟩ = Σxkyk。它们都是完备的——即 Hilbert 空间（ℓ2/L2 的完备性在第二章与第六章证明）。
★★★ 讲义 4.2：平行四边形律与极化恒等式——「范数何时来自内积」。
一个反问题。前两章的范数可以任意给定（只要满足三公理）；本章的范数却由内积生成。那么什么样的范数能被写成 √⟨x,x⟩？答案是一条漂亮的等式。
平行四边形律（必要条件）。内积范数恒满足 ‖x + y‖2 + ‖x − y‖2 = 2‖x‖2 + 2‖y‖2。证明：把 ‖x±y‖2 展开（用 p96 的公式），交叉项 2Re⟨x,y⟩ 相消、−2Re⟨x,y⟩ 相消，剩 2‖x‖2 + 2‖y‖2。∎几何读法：平行四边形两对角线的平方和 = 四边平方和——初等几何的定理在无穷维重演。
反例（判别利器）。sup 范数不满足平行四边形律：取 C[0,1] 中 f ≡ 1、g ≡ x，则 ‖f+g‖∞ = 2、‖f−g‖∞ = 1，左 = 5；右 = 2+2 = 4。5 ≠ 4——故 sup 范数不来自任何内积（这正是第二章 C[0,1] 与 ℓ2 的深刻差别）。同理 ℓp（p ≠ 2）的范数都不来自内积。
极化恒等式（充分条件）。反过来，若范数满足平行四边形律，则内积可由范数唯一恢复：实空间 ⟨x,y⟩ = ¼(‖x+y‖2 − ‖x−y‖2)；复空间 ⟨x,y⟩ = ¼(‖x+y‖2 − ‖x−y‖2 + i‖x+iy‖2 − i‖x−iy‖2)。（Jordan–von Neumann 定理）：Banach 空间是 Hilbert 空间 ⟺ 范数满足平行四边形律。
意义。这条定理把「几何性」变成一个可检验的等式：拿到一个 Banach 空间，先验证平行四边形律，就知道能不能上几何工具。ℓ2 是「唯一」的 ℓp 几何空间（p = 2 特殊）——这不是巧合，而是内积存在的唯一性。
★★★ 讲义 4.3：正交与勾股定理——几何的第一块基石。
定义（正交）。x ⊥ y ⟺ ⟨x,y⟩ = 0。零向量与一切正交；正交是「相互独立」的几何形式。集合 M⊥ = {y : ⟨y,x⟩ = 0 ∀x ∈ M} 称 M 的正交补，它总是闭子空间（是连续线性泛函 ϕx = ⟨·,x⟩ 的核之交）。
勾股定理（Pythagoras 的无穷维版）。x ⊥ y ⟹ ‖x + y‖2 = ‖x‖2 + ‖y‖2。证明：展开 ‖x+y‖2 = ‖x‖2 + 2Re⟨x,y⟩ + ‖y‖2，正交使交叉项消失。∎推广：两两正交的 {x1, …, xn} 满足 ‖Σxk‖2 = Σ‖xk‖2——正交分解让「平方可加」成为普遍规律。
正交的两个基本推论。① 正交 ⟹ 线性无关：若 Σαkxk = 0（xk 两两正交非零），与 xj 做内积得 αj‖xj‖2 = 0 ⟹ αj = 0；② 正交补的性质：M⊥ 闭、M ⊆ (M⊥)⊥、M⊥ ∩ M ⊆ {0}。「正交」把线性无关这件抽象的事，变成一次内积运算。
与第一章的接口。M⊥ = ∩x∈M ker(ϕx) 是闭子空间——「闭」来自「核是闭的」（连续线性映射的核闭），这是第三章 p66 有界 ⟺ 连续的直接应用。几何的「正交补」与拓扑的「闭子空间」，在这里握手。
★★★★ 讲义 4.4：正交补与投影定理——「最近点 = 正交投影」。
核心定理（投影定理）。H 是 Hilbert 空间，M ⊆ H 是闭子空间。则每个 x ∈ H 唯一地分解为 x = y + z，其中 y ∈ M、z ∈ M⊥。记 y = PMx 为 x 在 M 上的正交投影，且 ‖x − y‖ = dist(x, M)——投影就是最近点。
证明骨架（存在性 + 唯一性）。① 存在性：取极小化序列 {yn} ⊆ M，‖x − yn‖ → d = dist(x, M)；对 yn, ym 用平行四边形律（关键！）：‖yn − ym‖2 = 2‖x−yn‖2 + 2‖x−ym‖2 − 4‖x − (yn+ym)/2‖2 ≤ 2‖x−yn‖2 + 2‖x−ym‖2 − 4d2 → 0（用了 M 是子空间使 (yn+ym)/2 ∈ M）；故 {yn} Cauchy，由 H 完备得 y ∈ M（M 闭），且 ‖x − y‖ = d。② 正交性：若 z = x − y 与 M 不正交，取 u ∈ M 使 Re⟨z,u⟩ > 0，则对小的 t，‖z − tu‖ < ‖z‖ 矛盾于极小性。③ 唯一性：两个投影之差 ∈ M ∩ M⊥ = {0}。∎
为什么投影定理如此重要？因为它把「逼近问题」变成「几何操作」：给定高维（无穷维）数据，要找子空间 M 中最近的东西——答案就是正交投影。最小二乘、信号压缩、量子测量、机器学习降维，全是这条定理的应用。它也证明 H = M ⊕ M⊥（Hilbert 空间的正交分解），这是「空间分层」的几何形式。
与第三章的接口。p71 用 Hahn–Banach 证明了「存在 f 分离 x 与 M」，本章给出更具体的答案：分离泛函就是 f = ⟨·, z⟩/‖z‖（z 为 x 到 M 的正交差）。抽象的存在性，在 Hilbert 空间中显式化为投影。「几何让存在性变成构造」——本章最漂亮的兑现。
★★★ 讲义 4.5：规范正交集与 Bessel 不等式——正交基的「施工守则」。
定义（规范正交集）。{eα} 称规范正交（orthonormal），若 ⟨eα, eβ⟩ = δαβ（⟨eα, eα⟩ = 1，不同者正交）。例：ℓ2 的标准基 {en}；L2[0,2π] 的 {einx/√(2π)}；Legendre 多项式（p121 实验）。
核心定理（Bessel 不等式）。{eα} 是任意规范正交集，则对任意 x：Σα |⟨x, eα⟩|2 ≤ ‖x‖2。证明：对任意有限子集 F，令 y = Σα∈F⟨x,eα⟩eα；可验 x − y ⊥ y（正交分解），故 ‖x‖2 = ‖x − y‖2 + ‖y‖2 ≥ ‖y‖2 = ΣF|⟨x,eα⟩|2（勾股定理）；取 sup over F 即得。∎
两个推论（施工守则）。① Fourier 系数平方可和：{⟨x, eα⟩} 至多有可数多个非零，且构成 ℓ2 元素——这是「用正交基记账」的前提；② 投影公式：x 在 span{eα : α ∈ F} 上的投影 = ΣF⟨x,eα⟩eα（与 p99 的投影吻合）。
Gram–Schmidt 正交化。任何线性无关列 {xn} 可加工成规范正交集：e1 = x1/‖x1‖；en = (xn − Σk<n⟨xn,ek⟩ek)/‖·‖。它的每一步都是「减去投影」——正是 p99 投影定理的算法化身（p121 实验将真跑验证正交性与数值稳定性）。
★★★★ 讲义 4.6：完备规范正交系与 Fourier 展开——「用可数骨架重建整个空间」。
定义（完备规范正交系 / 正交基）。规范正交集 {eα} 称完备（或极大），若 span{eα} 在 H 中稠密，等价地 {eα}⊥ = {0}。（注意：这是「基」的广义意义，不是代数 Hamel 基——Hilbert 基允许无穷线性组合。）
核心定理（Fourier 展开）。{en} 是可数完备规范正交系，则每个 x ∈ H 有唯一展开 x = Σn⟨x, en⟩en（依范数收敛），其中 ⟨x, en⟩ 称 Fourier 系数。证明骨架：令 SN = Σn≤N⟨x,en⟩en；Bessel 保证 Σ|⟨x,en⟩|2 收敛；对 N > M，‖SN − SM‖2 = ΣM<n≤N|⟨x,en⟩|2 → 0（勾股 + 级数收敛）⟹ {SN} Cauchy ⟹ 收敛于某 y；再由 x − y ⊥ 一切 en（连续性）⟹ x − y ∈ {en}⊥ = {0}。∎
「完备」的等价刻画（三条）。① span{en} 稠密；② {en}⊥ = {0}；③ Parseval 等式 ‖x‖2 = Σ|⟨x, en⟩|2（充分性用 p102 详述）。三条等价——「没有遗漏方向」的三个说法。
经典例子。L2[0,2π] 的 {einx/√(2π)}n∈ℤ 是完备规范正交系——这就是 Fourier 级数的 Hilbert 空间解释：三角函数系是「正交基」，Fourier 系数是「坐标」，Fourier 展开是「用基表示向量」。「分析课里神秘的 Fourier 级数收敛」，在 Hilbert 空间里只是「基展开」这件平凡事。
★★★★ 讲义 4.7：Parseval 等式与 ℓ2 模型——「长度守恒」。
核心定理（Parseval 等式）。{en} 完备规范正交系 ⟹ 对一切 x, y ∈ H：⟨x,y⟩ = Σn⟨x,en⟩⟨y,en⟩（一般形式）与 ‖x‖2 = Σn|⟨x,en⟩|2（范数形式）。几何读法：坐标变换保长度、保内积——这是无穷维版的「勾股定理求和」。
证明（三行）。把 x = Σ⟨x,en⟩en 与 y = Σ⟨y,en⟩en 代入内积，用 em ⊥ en（m ≠ n）消去交叉项（正交性）、⟨en,en⟩ = 1 留下对角项，即得。∎「正交把双求和塌缩成单求和」——这就是「基」的全部红利。
核心定理（ℓ2 模型）。设 H 有可数完备规范正交系 {en}。则映射 U : H → ℓ2，U(x) = (⟨x, en⟩)n 是等距同构（保范数的线性双射，⟨Ux,Uy⟩ = ⟨x,y⟩）。证明：Bessel 保证 U 映到 ℓ2（保范数 = Parseval）；满射用「给定 (cn) ∈ ℓ2，Σcnen 收敛（勾股 + 级数平方可和）」；等距性即 Parseval。∎
为什么这是「全章的高潮」？因为它说：一切可分的 Hilbert 空间，几何上都是同一个 ℓ2（只是坐标系不同）。无穷多个「不同的」Hilbert 空间（L2、ℓ2、Sobolev、量子态空间），在等距同构意义下只有一个。「无穷维几何唯一」——这是泛函分析最令人震撼的定理之一（对照：Banach 空间有无穷多互不同构的型！）。
★★★ 讲义 4.8：可分 Hilbert 空间与 ℓ2 同构——「唯一性」的完整陈述。
定理（分类定理）。两个 Hilbert 空间等距同构 ⟺ 它们有相同维数（规范正交基的基数）。特别地：可分无穷维 Hilbert 空间 ⟺ 存在可数完备规范正交系 ⟺ 等距同构于 ℓ2。因此「可分的无穷维 Hilbert 空间」只有一个：ℓ2（的等距同构类）。
存在性（如何找到规范正交系）。可分 ⟹ 有可数稠密子集 ⟹ Gram–Schmidt 加工成规范正交集 ⟹ 由稠密性它完备。四步走完，任何可分 Hilbert 空间都有可数正交基——这是「可数坐标」的来源（对比：ℓ∞ 不可分、无正交基可言）。
不可分的例子。L2(ℝ) 不可分（没有可数完备规范正交系——尽管 {Hn(x)e−x2/2}（Hermite 函数）是可数规范正交集，但它的正交补非零）；一般 L2(μ) 可分 ⟺ 测度 μ 的原子可数且无原子部分 σ-有限。可分性是 Hilbert 空间分类的「旋钮」。
为什么「可分」如此重要？因为可分 ⟹ 存在可数正交基 ⟹ 一切向量有「可数坐标」⟹ 可数值计算、可存储、可逼近。数值线性代数、信号处理、量子计算的数字模拟，全部建立在「可分 Hilbert 空间 ≅ ℓ2」这条定理上。不可分空间虽在理论中重要（如某些量子场论），但在计算上几乎无法直接操作。
★★★★ 讲义 4.9：Riesz 表示定理——X ≅ X*，对偶的几何化。
核心定理（Riesz 表示）。H Hilbert 空间，f ∈ H*。则存在唯一 y ∈ H 使 f(x) = ⟨x, y⟩ 对一切 x ∈ H，且 ‖f‖ = ‖y‖。于是映射 y ↦ ⟨·, y⟩ 是 H → H* 的共轭等距同构。
证明骨架。① f ≡ 0 时取 y = 0；② f ≠ 0：ker f 是闭真子空间，取 z ∈ (ker f)⊥，z ≠ 0（投影定理的应用）；③ 令 y = f(z)/‖z‖2 · z，验证 ⟨x, y⟩ = f(x)：两边都是泛函，在 ker f 上为 0，在 z 上相等，而 H = ker f ⊕ span{z}；④ 唯一性与 ‖f‖ = ‖y‖（Cauchy–Schwarz 取 x = y/‖y‖ 取到等号）。∎
「唯一的代价」：共轭线性。映射 y ↦ ⟨·, y⟩ 是共轭线性的（⟨·, αy⟩ = α⟨·, y⟩）而非线性——这是复 Hilbert 空间的精细之处。实空间中它是真正的等距同构 H ≅ H*。
三大后果。① 自反性：H ≅ H* ⟹ H** ≅ H*… ≅ H，H Hilbert 空间必自反（对照：c0 不自反，p91-A③）；② 弱收敛的内积刻画：xn ⇀ x ⟺ ⟨xn, y⟩ → ⟨x, y⟩ 对一切 y（p105），对偶的「所有尺子」化为「所有内积」，弱收敛 = 内积逐点收敛；③ 伴随算子的存在性：给定 T ∈ B(H)，存在 T* 使 ⟨Tx, y⟩ = ⟨x, T*y⟩（p106），全靠 Riesz 表示把泛函 x ↦ ⟨Tx, y⟩ 表示成 ⟨x, T*y⟩。
一句话。Riesz 表示定理是 Hilbert 空间的「万能转接头」：把第三章抽象的对偶空间，插回空间自身——「每个尺子都是某个向量的内积」。
★★★ 讲义 4.10：弱收敛的内积刻画——对偶语言的几何翻译。
定义（Hilbert 空间的弱收敛）。xn ⇀ x ⟺ ⟨xn, y⟩ → ⟨x, y⟩ 对一切 y ∈ H（由 Riesz 表示，这等价于「对一切 f ∈ H*」的第三章定义）。用内积说话，弱收敛从抽象变具体。
核心定理（弱收敛的四个等价条件）。xn ⇀ x ⟺ ① ⟨xn, y⟩ → ⟨x, y⟩ ∀y；② ‖xn‖ 有界且 ⟨xn, y⟩ → ⟨x, y⟩ 对某个稠密子集的 y；③ ‖xn‖ 有界且 ⟨xn, ek⟩ → ⟨x, ek⟩ 对每个基元；④ ‖xn‖ ≤ C 且「范数收敛 + 弱」的混合判据。②③ 是「只需检验稠密集 / 基」的实用版本。
三个必背事实。① 强 ⟹ 弱；② 弱 ⟹ 范数有界（共鸣定理 p72！）且 ‖x‖ ≤ lim inf‖xn‖（范数弱下半连续，p90-例 4）；③ 弱收敛 + 范数收敛 ⟹ 强收敛（若 ‖xn‖ → ‖x‖ 且 xn ⇀ x，则 ‖xn − x‖2 = ‖xn‖2 − 2Re⟨xn,x⟩ + ‖x‖2 → 0）——「范数取到极限」能把弱补成强（希尔伯特空间的著名现象）。
核心定理（Banach–Alaoglu / 弱紧性，一瞥）。Hilbert 空间的单位球在弱拓扑下紧（自反 + Alaoglu）——「无穷维紧性失而复得」！虽然范数拓扑下单位球不紧（第一章 en），弱拓扑下却紧。这条定理是变分法（存在极小元：取极小化弱收敛子列 + 范数下半连续）、PDE、优化理论的基石（第六章）。「紧性换一个拓扑就回来了」——本章送给第六章的第一份大礼。
★★★ 讲义 4.11：伴随算子 T*——Hilbert 空间算子的「影子」。
定义（伴随）。T ∈ B(H)。对每个 y ∈ H，x ↦ ⟨Tx, y⟩ 是连续线性泛函，由 Riesz 表示存在唯一 T*y 使 ⟨Tx, y⟩ = ⟨x, T*y⟩ 对一切 x。于是得算子 T* : H → H，称 T 的伴随。对 H = ℂn，T* 就是共轭转置矩阵 AH。
基本性质（先背六条）。① (S+T)* = S* + T*；② (αT)* = αT*（复共轭！）；③ (ST)* = T*S*（反序）；④ (T*)* = T；⑤ ‖T*‖ = ‖T‖；⑥ ‖T*T‖ = ‖T‖2（C* 恒等式——Hilbert 空间算子的特征标志）。证明 ⑥ 是经典技巧：‖Tx‖2 = ⟨Tx,Tx⟩ = ⟨T*Tx, x⟩ ≤ ‖T*T‖‖x‖2 ⟹ ‖T‖2 ≤ ‖T*T‖ ≤ ‖T*‖‖T‖ = ‖T‖2。∎
「取伴随」的几何意义。T* 是 T 在「转置」意义下的影子：矩阵情形即共轭转置；积分算子 (Kf)(x) = ∫k(x,y)f(y)dy 的伴随是 (K*g)(y) = ∫k(x,y)g(x)dx（交换变量、取共轭核）。伴随算子的存在性完全依赖 Riesz 表示定理——这是本章与第三章的又一次联姻。
通往第五章。用伴随可以定义三大类「好算子」：自伴（T* = T）、正规（T*T = TT*）、酉（T*T = TT* = I）。谱定理（第五章）说：正规算子在适当意义下能被「对角化」——这正是有限维「对称矩阵可正交对角化」的无穷维推广。伴随算子是谱理论的入场券。
★★★ 讲义 4.12：自伴、正规、酉算子——谱理论的三个主角。
三类算子的定义与直觉。① 自伴（self-adjoint）：T* = T。几何直觉：⟨Tx, x⟩ ∈ ℝ 对一切 x（自伴 ⟺ 二次型取实值），对应「实对称 / Hermite 矩阵」。② 正规（normal）：T*T = TT*。包含自伴与酉；是「可对角化」的最广类。③ 酉（unitary）：T*T = TT* = I。几何直觉：保内积（等距）——⟨Tx,Ty⟩ = ⟨x,y⟩，是空间的「旋转 / 镜像」。
自伴算子的两条基本性质。① 实二次型：⟨Tx, x⟩ ∈ ℝ（因 ⟨Tx,x⟩ = ⟨x,Tx⟩ = ⟨Tx,x⟩）；② 范数公式：‖T‖ = sup‖x‖=1|⟨Tx, x⟩|（自伴算子的范数由二次型决定——谱定理证明的关键引理）。
酉算子 = Hilbert 空间的「对称群」。保内积 ⟹ 保范数 ⟹ 保正交 ⟹ 把规范正交系映成规范正交系。时间演化算子 e−iHt（H 自伴）就是酉算子——量子力学中「概率守恒」的数学表达就是「演化算子酉」。有限维情形：酉矩阵的谱全在单位圆上。
谱定理预告（第五章）。① 自伴 T：存在「投影值测度」E(·) 使 T = ∫λ dE(λ)——「自伴 ≡ 实值函数算子」；② 正规 T：在某个正交基下，T 是「对角算子」（乘法算子），即存在酉 U 使 U*TU 为乘法算子；③ 有限维版本：Hermite 矩阵可正交对角化、正规矩阵可酉对角化。本章定义的三个 * 概念，就是第五章整个谱理论的角色表。
★★★ 讲义 4.13：投影算子与子空间——几何的「开关」。
定义（正交投影算子）。M ⊆ H 闭子空间，PM : H → H 把 x 映到它在 M 上的投影（p99 投影定理）。性质：① 线性、有界（‖PM‖ ≤ 1，M ≠ {0} 时 = 1）；② 幂等：PM2 = PM；③ 自伴：PM* = PM；④ 值域 = M，核 = M⊥，且 H = ran PM ⊕ ker PM。反过来，幂等自伴算子必是某个闭子空间的正交投影——「投影算子」与「闭子空间」一一对应。
投影代数的运算法则。设 P, Q 为正交投影：① P ≤ Q（即 ‖Px‖ ≤ ‖Qx‖）⟺ ran P ⊆ ran Q；② PQ = P ⟺ ran P ⊆ ran Q；③ P 与 Q 正交（PQ = QP = 0）⟺ ran P ⊥ ran Q；④ P + Q 是投影 ⟺ PQ = QP = 0（正交才可加）。「子空间的交、和、正交」翻译成「投影的乘、加、交换」——投影算子是子空间格的代数化身。
与第三章的接口。投影算子是有界自伴幂等算子——它同时连接：几何（投影 = 最近点）、代数（幂等 + 自伴）、拓扑（有界）。「有限秩投影」（ran P 有限维）将在第五章成为谱分解与紧算子的建筑材料（紧算子 = 有限秩算子的一致极限）。
应用一瞥。① Gram–Schmidt：每一步减去投影（p100）；② 最小二乘：求投影（p109）；③ 量子测量：测量 = 投影到本征子空间（von Neumann 投影假设）；④ 信号滤波：投影到「低频子空间」= 理想低通滤波。投影算子 = 「把复杂对象砍到子空间」的通用手术刀。
★★★ 讲义 4.14：最小二乘与 Gram 矩阵——投影定理的第一次「落地」。
问题（最小二乘）。给定 A : ℂn → ℂm（一般 m > n，超定方程）与 b ∈ ℂm，求 x̂ 使 ‖Ax̂ − b‖ 最小（即 Ax = b 一般无解，退而求最近）。
解法（投影定理 + 正交条件）。把 ran A（A 的列空间）看作 ℂm 的闭子空间（有限维必闭）。由 p99，最近点是 b 在 ran A 上的正交投影 Ax̂。正交条件 (b − Ax̂) ⊥ ran A 即 AH(b − Ax̂) = 0，化为正规方程 AHAx̂ = AHb。当 A 列满秩，AHA 可逆（正定 Hermite），得 x̂ = (AHA)−1AHb。
Gram 矩阵与几何解释。AHA 的元素是 (AHA)jk = ⟨ak, aj⟩（aj 为 A 的列）——称 Gram 矩阵。‖Ax − b‖2 = xH(AHA)x − 2Re⟨AHb, x⟩ + ‖b‖2 是 x 的二次型；最小化即「配方法」——Gram 矩阵的几何意义是「列向量之间的夹角与长度」。Gram 矩阵奇异（列线性相关）时解不唯一（投影仍唯一，但 x̂ 有多个）。
与本章主线的呼应。① 最小二乘 = 投影定理（p99）的一次具体兑现；② 正规方程 = 正交条件（p98）的代数形式；③ 数值实现用Gram–Schmidt / QR 分解（因为直接解正规方程会「平方条件数」，数值不稳）——p121 实验将真跑对比两种算法的数值精度。最小二乘是「几何 → 代数 → 数值」三级火箭的教科书范例，也是本章献给一切数据科学的第一件工具。
★★ 常见误读：Hilbert 空间的四个陷阱。
陷阱一：以为「有范数就有内积」。本章最容易犯的错。范数由内积诱导必须满足平行四边形律（p97）；sup 范数、ℓp（p ≠ 2）的范数都不来自内积（f ≡ 1, g ≡ x 就是 5 ≠ 4 的反例）。纠正：Hilbert ⊊ Banach；「几何」不是免费附赠的礼物。
陷阱二：把「正交基」当「Hamel 基」。Hilbert 的规范正交系允许无穷线性组合（级数）；代数 Hamel 基要求有限组合。二者基数可以完全不同（ℓ2 的正交基可数，Hamel 基不可数）。纠正：Hilbert 基是「拓扑基」——用收敛级数展开，不是「代数基」。
陷阱三：以为「完备规范正交系」自动存在可数。可数正交基需要「可分」前提（p103）。不可分 Hilbert 空间（如 L2(ℝ)）也有完备规范正交系，但不可数——此时 Fourier 展开是「不可数和」，不能当可数极限处理。纠正：可数坐标 = 可分空间的专利。
陷阱四：混淆「正交投影」与「一般投影」。正交投影要求自伴（P* = P）；仅幂等（P2 = P）的算子叫「斜投影」，值域与核不正交（如矩阵 [[1,1],[0,0]]）。只有正交投影才给出「最近点」。纠正：幂等 ≠ 正交投影；最近点是自伴幂等的特权。
★★ 例题精讲：内积与正交性验证。
例 1（平行四边形律判别）。判断 ℓ1 的范数是否来自内积。取 x = (1,0)、y = (0,1)：‖x+y‖1 = 2、‖x−y‖1 = 2，左 = 8；‖x‖1 = 1、‖y‖1 = 1，右 = 2·1+2·1 = 4。8 ≠ 4 ⟹ ℓ1 不是内积空间。（同理 ℓp, p ≠ 2。）
例 2（复内积的共轭位置）。验证 ⟨x,y⟩ = Σxkyk 在 ℂ2 是内积：共轭对称 ⟨x,y⟩ = ⟨y,x⟩；对第一变量线性；⟨x,x⟩ = Σ|xk|2 ≥ 0。注意对第二变量是共轭线性（⟨x, αy⟩ = α⟨x,y⟩）——这正是 p104「Riesz 映射共轭线性」的来源。
例 3（L2 中的正交）。L2[−1,1] 中 f(x) = 1 与 g(x) = x 正交：⟨f,g⟩ = ∫−11x dx = 0。而 f 与 h(x) = x2 不正交：⟨f,h⟩ = ∫x2 dx = 2/3 ≠ 0——Gram–Schmidt 加工 {1, x, x2} 就得 Legendre 多项式（p121 实验）。
例 4（正交补的计算）。ℓ2 中 M = span{e1, e2}，则 M⊥ = {(0, 0, x3, x4, …)}（前两坐标为 0）。验证：y ⊥ e1 ⟺ y1 = 0；y ⊥ e2 ⟺ y2 = 0。正交补的「清零坐标」直观——这也是投影的坐标算法。
方法论。内积验证三件套：① 共轭对称（复）；② 对第一变量线性；③ 正定。正交性验证靠「代入内积算 0」。「验证类题目」的关键是回到定义，不靠记忆。
★★★ 例题精讲：投影与最近点演算。
例 1（ℝ3 中点投影到平面）。M = {x ∈ ℝ3 : x1 + x2 + x3 = 0}（过原点平面），求 x0 = (1, 1, 1) 到 M 的最近点。法向量 n = (1,1,1)，x0 = 1·n，故投影 PMx0 = x0 − (⟨x0,n⟩/‖n‖2)n = (1,1,1) − (3/3)(1,1,1) = (0,0,0)，距离 = ‖x0‖ = √3。几何：x0 恰在平面法向，投影是原点。
例 2（Fourier 投影公式）。H = L2[−π,π]，M = span{1, cos x}。求 f(x) = x2 在 M 上的投影。先正交化：1 与 cos x 已正交（∫−ππcos x dx = 0）。‖1‖2 = 2π，‖cos x‖2 = π。投影 = (⟨f,1⟩/‖1‖2)·1 + (⟨f,cos x⟩/‖cos x‖2)·cos x。⟨f,1⟩ = ∫x2dx = 2π3/3；⟨f,cos x⟩ = ∫x2cos x dx = 4π·(−1)= −4π。故投影 = (π2/3)·1 − 4 cos x。这正是 x2 的 Fourier 部分和（到一次余弦项）。
例 3（最小二乘拟合直线）。数据 (0,1), (1,2), (2,4)，拟合 y = a + bx。设计矩阵 A = [[1,0],[1,1],[1,2]]，b = (1,2,4)T；正规方程 ATA = [[3,3],[3,5]]，ATb = (7, 10)。解得 a = 1/2, b = 5/3。残差 ‖Ab − y‖ = √(1/6)·… 计算略；几何意义：b 到 A 列空间 span{(1,1,1),(0,1,2)} 的投影。
方法论。投影计算三步：① 找 M 的正交基（Gram–Schmidt 或现成公式）；② 用 Fourier 投影公式 Σ(⟨x,ek⟩/‖ek‖2)ek；③ 距离 = ‖残差‖。「正交化 → 投影 → 残差」——一切最近点问题的通用流程。
★★ 习题课（一）：内积与正交。
A 组（内积运算，四题）。① 证明 Cauchy–Schwarz 的等号条件：|⟨x,y⟩| = ‖x‖‖y‖ ⟺ x, y 线性相关。② 证明「极化恒等式」（实情形）：⟨x,y⟩ = ¼(‖x+y‖2 − ‖x−y‖2)——从 ‖x±y‖2 展开即得。③ 证明勾股定理的推广：若 {x1,…,xn} 两两正交，则 ‖Σxk‖2 = Σ‖xk‖2。④ 证明 M⊥ 是闭子空间（提示：M⊥ = ∩x∈M ker ϕx，而 ϕx = ⟨·,x⟩ 连续）。
B 组（正交与投影，四题）。① 在 ℝ3 中，M = span{(1,0,0),(0,1,0)}，求 x = (1,2,3) 在 M 上的投影与距离。② 证明 H = M ⊕ M⊥（M 闭）——用投影定理构造分解。③ 证明 (M⊥)⊥ = closure(M)（一般 M 未必闭；M 闭时 = M）。④ 证明：若 {en} 规范正交，则 Σ|⟨x,en⟩|2 ≤ ‖x‖2（Bessel），等号 ⟺ x ∈ span{en}。
难题（带星）。（★）设 {en} 规范正交，证明 xn ⇀ 0 ⟺ ⟨xn, y⟩ → 0 ∀y，并举例说明「弱收敛不蕴含范数收敛」（取 xn = en）。
小结。本组题目是本章全部技术的地基：Cauchy–Schwarz 管「内积估计」，勾股定理管「正交求和」，投影定理管「最近点」，Bessel 管「坐标平方和」。把这四件工具练熟，后面两章（谱、应用）会顺理成章。
★★★ 例题精讲：Fourier 展开与 Parseval。
例 1（正交基下求坐标）。ℓ2 中 x = (1/20, 1/21, 1/22, …) = (1, 1/2, 1/4, …)。标准基 {en} 下的 Fourier 系数 ⟨x, en⟩ = xn = 1/2n−1。验证 Parseval：Σ|⟨x,en⟩|2 = Σ(1/2n−1)2 = Σ1/4n−1 = 1/(1−1/4) = 4/3；‖x‖2 = Σ1/4n−1 = 4/3 ✓。
例 2（Fourier 系数的显式积分）。L2[−π,π] 中 f(x) = x。系数 cn = ⟨f, einx/√(2π)⟩ = (1/√(2π))∫−ππx e−inxdx。分部积分：n ≠ 0 时 cn = (1/√(2π))·(2πi(−1)n+1/n)·… 算得 |cn| = √(2π)/|n|·(1/√(2π))·… 关键结论：|cn| ~ 1/|n|。Parseval：Σ|cn| = ∞ 的平方和为 Σ1/n2·2π/3 = ‖x‖2 = (1/2π)·2π3/3 = π2/3 ✓——由此「顺手」证明 Σ1/n2 = π2/6（Basel 问题）！
例 3（Parseval 反推恒等式）。方波 f = sgn(sin x)，‖f‖2 = 2π，系数 |cn| = √(2/π)·(1/|n|)（n 奇）、0（n 偶）。Parseval：Σn odd (2/π)(1/n2)·2π = 2π ⟹ Σn odd1/n2 = π2/8。「Parseval 是恒等式工厂」——同一个几何事实，换个函数就产出一个级数恒等式。（p121 实验将数值验证 ‖sN‖ → √(2π)。）
方法论。Fourier 展开题三步：① 选正交基（三角函数系 / Legendre / Hermite）；② 算系数（积分）；③ 若要求收敛结论，用 Bessel（上界）或 Parseval（等号）。「几何为代数服务」的最好例证：一个 Parseval 等式，产出整个级数求和表。
★★★ 习题课（二）：算子与对偶（Hilbert 篇）。
A 组（Riesz 表示与自反，三题）。① 用 Riesz 表示定理证明：Hilbert 空间 H 上任何连续线性泛函都是 f(x) = ⟨x, y⟩ 形式，且 ‖f‖ = ‖y‖。② 证明 H 自反：H ≅ H* ⟹ H** ≅ H* ≅ H。③ 举例说明 Riesz 表示的「共轭」现象：复空间中 y ↦ ⟨·,y⟩ 是共轭线性而非线性。问：这个「共轭」在实 Hilbert 空间中消失了吗？
B 组（伴随与投影，四题）。① 用 Riesz 表示构造伴随 T*：证明 ⟨Tx,y⟩ = ⟨x,T*y⟩ 定义的 T* 有界，且 ‖T*‖ = ‖T‖。② 证明 C* 恒等式 ‖T*T‖ = ‖T‖2（p106 的经典技巧）。③ 证明投影算子 P 满足 P* = P、P2 = P；反之证明「有界幂等自伴 ⟹ 正交投影」。④ 证明：P ≤ Q（即 ⟨Px,x⟩ ≤ ⟨Qx,x⟩ ∀x）⟺ ran P ⊆ ran Q。利用 P, Q 的自伴与幂等。
难题（带星）。（★）证明正交投影是最佳逼近的唯一解：对闭子空间 M，PMx 是 M 中唯一的最近点（提示：对任意 y ∈ M，‖x−y‖2 = ‖x−PMx‖2 + ‖PMx − y‖2，用了正交分解）。
预告第五章。B 组第 ① 题（伴随的存在）与第 ③ 题（投影的自伴幂等）是谱定理的两块砖。第五章将看到：自伴算子 = 「投影的积分」（谱分解），正规算子有「正交特征基」——本章的伴随与投影，就是那幅大图的笔画。
★★ 第四章的地形：三条线，一个枢纽。
几何线（左）：内积 → 正交 → 投影定理 → 规范正交基 → Fourier 展开 → Parseval 与 ℓ2 模型。这是「把 ℓ2 当唯一可分 Hilbert 空间」的完整论证链。
对偶线（中）：Riesz 表示定理把第三章抽象的 X* 具体化为 X 自身——每个尺子都是某个向量的内积；Hilbert 空间因此自反，弱收敛化为「内积的逐点收敛」。
算子线（右）：伴随 T*（由 Riesz 表示保证存在）→ 自伴 / 正规 / 酉（谱理论的三个主角）→ 投影算子（几何的开关）。这三样东西在第五章将合成为谱定理。
枢纽：投影定理 ⇄ Riesz 表示。这两条定理互为表里：投影定理说「存在最近点」（几何），Riesz 表示说「每个泛函都是内积」（对偶）——它们的证明互相引用（Riesz 表示的证明用投影定理得到 ker f 的正交补）；算子线的「伴随存在」又用 Riesz 表示。三线在这个枢纽上焊成一体——这就是 Hilbert 空间「几何、对偶、算子同一」的深层原因。
★★ 第四章小结（上）：几何的语言。
概念清单（六件）。内积 ⟨·,·⟩ / 内积范数 ‖x‖ = √⟨x,x⟩；正交与正交补 M⊥；规范正交集 / 系；正交投影 PM；完备规范正交系（Hilbert 基）；可分性与维数。
定理清单（六件）。① Cauchy–Schwarz（等号 ⟺ 线性相关）；② 平行四边形律与极化恒等式（Jordan–von Neumann：Banach 是 Hilbert ⟺ 平行四边形律）；③ 勾股定理（正交 ⟹ 平方可加）；④ 投影定理（闭子空间有正交分解，最近点唯一）；⑤ Bessel 不等式 + Fourier 展开 + Parseval 等式（完备性的三条等价）；⑥ ℓ2 模型（可分无穷维 Hilbert 空间 ≅ ℓ2）。
Gram–Schmidt 与坐标化。任何线性无关列 → 规范正交集（每步减投影）；有可数完备系后，H ≅ ℓ2（U(x) = (⟨x, en⟩)）。「正交化 + 取坐标」= 无穷维空间的标准操作流程。
方法论三则。① 「先正交，再计算」：正交基使内积矩阵对角化，一切问题降为坐标问题；② 「投影 = 最近点 = 泛函极值」：三条路一个答案，按方便选路；③ 「完备性 ⟹ ℓ2」：可分的无穷维 Hilbert 空间只有一个——「几何唯一」是本册最震撼的定理。
一句话记住几何侧：内积长出角度，角度长出正交，正交长出投影；投影 + 正交基 + Parseval = 把无穷维空间完整地装进 ℓ2 的坐标盒里。
★★ 第四章小结（下）：对偶与算子的语言。
Riesz 表示定理的三重身份。① 对偶的具象化：H* ≅ H，抽象泛函 = 具体内积（共轭线性同构）；② 自反性的源头：H ≅ H* ⟹ H 自反（对照 c0、ℓ1 不自反）；③ 伴随算子的出生证：⟨Tx,y⟩ = ⟨x,T*y⟩ 全靠 Riesz 表示把 x ↦ ⟨Tx,y⟩ 表示成内积。
三类算子的对照表。① 自伴（T* = T）：⟨Tx,x⟩ ∈ ℝ，谱全实（第五章），对应实对称矩阵；② 正规（T*T = TT*）：有正交特征基（谱定理），包含自伴与酉；③ 酉（T*T = TT* = I）：保内积的「旋转」，谱在单位圆上，量子演化算子。
投影算子的双面对应。几何面：闭子空间 ↔ 正交投影（一一对应）；代数面：投影 ↔ 有界幂等自伴算子。「子空间的交、和、正交关系」翻译成「投影的乘、加、交换」——这是第五章谱分解（投影值测度）的语言基础。
弱收敛的几何化。Hilbert 空间中 xn ⇀ x ⟺ ⟨xn,y⟩ → ⟨x,y⟩ ∀y；强 ⟹ 弱 ⟹ 有界；‖x‖ ≤ lim inf‖xn‖；「弱 + 范数收敛 ⟹ 强」。单位球在弱拓扑下紧（Alaoglu）——第六章变分法的存在性引擎。
一句话记住对偶与算子侧：每个尺子都是内积（Riesz）；每个内积都给出伴随（T*）；每个闭子空间都给出投影（PM）——Hilbert 空间是「想什么就有什么」的几何乐园。
★★★ 思想卡：正交——无穷维世界的可管理性。
无穷维空间最令人不安的地方是「看不见」：一个 L2 函数是无穷多坐标的叠加，怎么可能把握？本章给出的答案朴素而深刻：用正交系把它「拆开」。正交基让每个向量只剩一串可数的坐标，几何问题瞬间变成数列问题——「正交化 = 把无穷维变回一维的一串」。
正交为什么这么强？因为在数学中，「交叉项消失」永远是最有力的简化。勾股定理消灭 ‖x+y‖2 的交叉项；Bessel/Parseval 消灭双重求和的交叉项；正交基让内积矩阵对角化（Gram 矩阵 = I）。「正交化」 = 把问题化成「互不干扰」的形式。这一思想在任何领域都是「解耦」的原型：Fourier 分析解耦频率、主成分分析解耦方差、量子力学解耦测量。
从「几何」到「可计算」。本章的三大成果都是「可管理性」的胜利：投影定理把逼近变成投影（可构造）；正交基让无穷维空间有「坐标」（可表示）；Parseval让长度守恒（范数 = 坐标平方和）。三者合起来就是一台机器：「抽象 Hilbert 空间 → 正交基 → ℓ2 坐标 → 可数值计算」——现代信号处理、量子计算、机器学习表示论的共同流水线。
思想的迁移。「正交」是「独立性」的数学化身。一个复杂系统若能分解成互不干扰的成分（正交方向），就可以「逐个击破」——这既是 Hilbert 空间几何的骨架，也是人类理解复杂性的通用策略。本章教会，是「找正交方向」这件看似技术、实则哲学的事。
★★★★ 挑战：Riesz 表示定理的完整证明。p104 给了骨架，这里把每一步拧紧，并给出复空间情形的细节。
定理。H 是 Hilbert 空间，f ∈ H*。则存在唯一 y ∈ H 使 f(x) = ⟨x, y⟩ 对一切 x，且 ‖f‖ = ‖y‖。
第一步（f = 0 的平凡情形）。取 y = 0，唯一性显然。以下设 f ≠ 0（故 ‖f‖ > 0，且 ker f 是真子空间）。
第二步（ker f 是闭的、余一维的）。f 连续 ⟹ ker f = f−1({0}) 是闭集（连续映射对闭集的原像闭）；由 f ≠ 0 ⟹ ker f ≠ H，且 H/ker f ≅ 𝕂（同态基本定理）——「余一维」是这里唯一用的代数事实。
第三步（取正交补中的单位向量）。ker f 闭真子空间，由 投影定理（p99）知 (ker f)⊥ ≠ {0}（否则 H = ker f）；取 z ∈ (ker f)⊥、z ≠ 0，可令 ‖z‖ = 1（归一化）。这是全证明唯一「实质性」的引用——投影定理。
第四步（构造 y 并验证）。对任意 x，令 u = x − (f(x)/f(z))·z。则 f(u) = f(x) − (f(x)/f(z))·f(z) = 0，故 u ∈ ker f ⟹ ⟨u, z⟩ = 0。于是 ⟨x, z⟩ = ⟨(f(x)/f(z))z + u, z⟩ = (f(x)/f(z))‖z‖2 = f(x)/f(z)（‖z‖ = 1）。解出 f(x) = f(z) · ⟨x, z⟩（复内积对第二变量共轭线性）。令 y = f(z) z（实情形即 y = f(z)z），则 f(x) = ⟨x, y⟩ 对一切 x 成立。∎
第五步（唯一性与范数）。唯一性：若 ⟨x, y⟩ = ⟨x, y′⟩ ∀x，取 x = y − y′ 得 ‖y − y′‖2 = 0。‖f‖ = ‖y‖：一方面 |f(x)| = |⟨x,y⟩| ≤ ‖y‖‖x‖（Cauchy–Schwarz）⟹ ‖f‖ ≤ ‖y‖；另一方面取 x = y（y ≠ 0）得 ‖f‖ ≥ |f(y)|/‖y‖ = ⟨y,y⟩/‖y‖ = ‖y‖。∎
任务（三则）。① 写出实 Hilbert 空间版本，确认映射 y ↦ ⟨·,y⟩ 是真等距同构（无共轭）。② 说明为什么完备性不可去：在不完备的内积空间（如 c00，有限支撑列）上，某些连续泛函不能表示为内积（提示：正交补可能为零，而泛函不零）。③ 用 Riesz 表示定理导出伴随算子的存在性（p106）：对固定 y，x ↦ ⟨Tx, y⟩ 连续线性，由定理存在唯一 T*y；再证 T* 线性、有界（‖T*y‖ = sup|⟨x,T*y⟩| = sup|⟨Tx,y⟩| ≤ ‖T‖‖y‖）。
★★★ 把第四章的核心构造真跑一遍：Gram–Schmidt（Legendre 多项式）、最小二乘（正规方程 vs QR）、Fourier 级数与 Parseval、弱收敛。
import numpy as np
# ① Gram–Schmidt 生成 Legendre 多项式（内积 ⟨f,g⟩=∫-11 f g dx，Gauss 求积）
def quad(f, g, n=200):
x, w = np.polynomial.legendre.leggauss(n)
return np.sum(w * f(x) * g(x))
X = np.polynomial.polynomial.Polynomial([0, 1]) # X(x) = x
ortho = []
for b in [X**k for k in range(4)]: # 1, x, x2, x3
q = b
for e in ortho:
q = q - quad(q, e) / quad(e, e) * e # 减去投影
ortho.append(q * (1.0 / np.sqrt(quad(q, q))))
for k, e in enumerate(ortho):
print(f" P{k}(x) 系数 = {np.round(e.coef, 4)}")
M = np.array([[quad(ortho[i], ortho[j]) for j in range(4)] for i in range(4)])
print(" 正交性矩阵 ⟨P_i,P_j⟩ =\n", np.round(M, 6))
# ② 最小二乘：正规方程 vs QR 分解（degree-8 病态 Vandermonde）
x = np.linspace(0, 1, 20)
xtrue = np.array([0.5,-1.2,2.0,0.3,-0.5,0.8,-0.2,0.1,0.05])
y = sum(xtrue[k]*x**k for k in range(9))
A = np.vander(x, 9, increasing=True)
coef_ne = np.linalg.solve(A.T @ A, A.T @ y) # 正规方程
Q, R = np.linalg.qr(A); coef_qr = np.linalg.solve(R, Q.T @ y) # QR
print(f" 正规方程 误差 = {np.max(np.abs(coef_ne - xtrue)):.2e}")
print(f" QR 分解 误差 = {np.max(np.abs(coef_qr - xtrue)):.2e}")
print(f" cond(AT A) = {np.linalg.cond(A.T @ A):.3e} cond(A) = {np.linalg.cond(A):.3e}")
# ③ Fourier 级数（方波）与 Parseval：‖s_N‖ → ‖f‖
xs = np.linspace(-np.pi, np.pi, 4000, endpoint=False)
f = np.sign(np.sin(xs))
print(f" 方波 ‖f‖_L2 = {np.sqrt(np.mean(f**2)*2*np.pi):.5f} (√(2π)={np.sqrt(2*np.pi):.5f})")
for N in [5, 20, 100, 400]:
ks = np.arange(-N, N+1); ks = ks[ks != 0]
coef = np.array([np.sum(f*np.exp(-1j*k*xs))/4000 for k in ks])
s = sum(coef[i]*np.exp(1j*ks[i]*xs) for i in range(len(ks)))
print(f" N={N:3d}: ‖s_N‖={np.sqrt(np.mean(np.abs(s)**2)*2*np.pi):.5f}"
f" ‖s_N−f‖={np.sqrt(np.mean(np.abs(s-f)**2)*2*np.pi):.5f}")
# ④ 弱收敛：ℓ2 标准基 e_n（取固定 y=(1/k0.75) ∈ ℓ2）
K = 5000; yy = 1.0/(np.arange(1, K+1)**0.75); yy /= np.linalg.norm(yy)
for n in [1, 10, 100, 1000]:
en = np.zeros(K); en[n-1] = 1.0
print(f" n={n:4d}: ⟨e_n,y⟩={np.dot(en,yy):.6f} ‖e_n‖={np.linalg.norm(en):.4f}")
实跑输出：
① Gram–Schmidt → Legendre 正交多项式（次数 0..3，被归一化） P0(x) 系数(升幂) = [0.7071] P1(x) 系数(升幂) = [0. 1.2247] P2(x) 系数(升幂) = [-0.7906 -0. 2.3717] P3(x) 系数(升幂) = [ 0. -2.8062 0. 4.6771] 正交性矩阵 ⟨P_i,P_j⟩： [[ 1. 0. 0. 0.] [ 0. 1. 0. -0.] [ 0. 0. 1. 0.] [ 0. -0. 0. 1.]] ② 最小二乘：正规方程 vs QR 分解（degree-8 病态 Vandermonde） 正规方程 系数误差 max|Δc| = 6.29e-07 QR 分解 系数误差 max|Δc| = 4.22e-12 cond(AT A) = 3.871e+11 cond(A) = 6.222e+05 ③ Fourier 级数（方波）与 Parseval 等式 方波 ‖f‖_L2 = 2.50631 (理论 √(2π) = 2.50663) N= 5: ‖s_N‖=2.42127 ‖s_N−f‖=0.64735 N= 20: ‖s_N‖=2.48112 ‖s_N−f‖=0.35448 N=100: ‖s_N‖=2.50154 ‖s_N−f‖=0.15466 N=400: ‖s_N‖=2.50534 ‖s_N−f‖=0.06999 ④ 弱收敛：ℓ2 标准基 e_n，取固定 y=(1/k0.75) n= 1: ⟨e_n, y⟩ = 0.622080 ‖e_n‖ = 1.0000 n= 10: ⟨e_n, y⟩ = 0.110623 ‖e_n‖ = 1.0000 n= 100: ⟨e_n, y⟩ = 0.019672 ‖e_n‖ = 1.0000 n=1000: ⟨e_n, y⟩ = 0.003498 ‖e_n‖ = 1.0000
★★ 格物札记：从 Hilbert 到 von Neumann——量子力学的语法。
1904–1910：Hilbert 的积分方程。David Hilbert 在研究积分方程时发现：把函数看作「无穷维向量」，积分算子有「正交特征函数展开」——「无穷多个变量的二次型」由此诞生。当时他称之为「无穷维几何」，却仍以「函数空间」为具体对象，没有抽象公理。
1929–1932：von Neumann 的公理化。John von Neumann 在 1929 年引入抽象 Hilbert 空间的公理（内积 + 完备），并在 1932 年的《量子力学的数学基础》中系统建立自伴算子的谱理论。他不是在数学内部推动，而是为了给量子力学一个严格的数学框架——「可观测量 = 自伴算子，状态 = 单位向量，测量 = 谱测度」。从此 Hilbert 空间成为物理学的标准语言。
为什么量子力学需要 Hilbert 空间？因为量子态可以叠加（线性结构），概率守恒要求演化保内积（酉算子），可观测量取值是实数（自伴算子谱实），测量结果离散（谱分解）。本章定义的每一条（内积、自伴、酉、投影），都在量子力学的公理表上有一席之地。这不是数学「碰巧适用」，而是物理学「按 Hilbert 空间的语法写的」。
札记的结论。Hilbert 出于纯分析的兴致造出「无穷维几何」，von Neumann 把它送给物理学当语法——纯粹数学与应用之间的距离，有时只是一次翻译。本章的正交基、投影、自反、弱收敛，将在第六章回到偏微分方程与量子力学；而它们共同的出生地，就是这一章。
★★ 速查：第四章概念与定理。考前一页纸，逐条过。
| 对象 / 定理 | 陈述（速记） | 备注 |
|---|---|---|
| 内积公理 | 共轭对称 / 对一变量线性 / 正定 | 范数 = √⟨x,x⟩ |
| Cauchy–Schwarz | |⟨x,y⟩| ≤ ‖x‖‖y‖ | 等号 ⟺ 线性相关 |
| 平行四边形律 | ‖x+y‖2+‖x−y‖2 = 2‖x‖2+2‖y‖2 | Banach 是 Hilbert 的判据 |
| 极化恒等式 | ⟨x,y⟩ = ¼(‖x+y‖2−‖x−y‖2) | 由范数恢复内积 |
| 勾股定理 | x ⊥ y ⟹ ‖x+y‖2=‖x‖2+‖y‖2 | 正交 ⟹ 平方可加 |
| 投影定理 | H = M ⊕ M⊥（M 闭） | 最近点 = 正交投影 |
| Bessel 不等式 | Σ|⟨x,en⟩|2 ≤ ‖x‖2 | 坐标平方和受限 |
| Fourier 展开 | x = Σ⟨x,en⟩en（{en} 完备） | 唯一，范数收敛 |
| Parseval 等式 | ‖x‖2 = Σ|⟨x,en⟩|2 | 完备 ⟺ 等号恒成立 |
| ℓ2 模型 | 可分 Hilbert ≅ ℓ2 | 几何唯一性 |
| Riesz 表示 | f(x) = ⟨x,y⟩, ‖f‖=‖y‖ | H ≅ H*，自反 |
| 弱收敛 | xn ⇀ x ⟺ ⟨xn,y⟩→⟨x,y⟩ ∀y | 强⟹弱；不保范 |
| 伴随 T* | ⟨Tx,y⟩ = ⟨x,T*y⟩ | ‖T*‖=‖T‖；‖T*T‖=‖T‖2 |
| 自伴 / 正规 / 酉 | T*=T / T*T=TT* / T*T=TT*=I | 谱定理三主角 |
| 投影算子 | P2=P, P*=P，ran P 闭子空间 | 幂等自伴 ↔ 闭子空间 |
易忘三则。平行四边形律是「内积存在」的判据（ℓp 只 p=2 合格）；正交投影必须自伴；Riesz 映射在复空间是共轭线性。
★★★ 第四章把几何请回来了，但还没有回答一个根本问题：「一个算子由什么决定？」——第五章的答案：谱。
谱是什么？σ(T) = {λ : λI − T 不可逆}。它是有限维「特征值」的无穷维推广——但严格更大（无穷维里可能有「非特征值的谱点」，p91-B④ 已埋伏）。几何意义：λ ∉ σ(T) ⟺ 方程 (λI − T)x = y 对每个 y 有唯一解且连续依赖。谱是「算子的指纹」——它决定算子的大部分行为。
与本章的三处接口。① 伴随：σ(T*) = {λ : λ ∈ σ(T)}（谱的共轭对称）；② 自伴：自伴算子的谱全在实轴——这是「实对称矩阵特征值全实」的无穷维推广，也是物理学「可观测量取值是实数」的数学根据；③ 投影：谱分解 T = ∫λ dE(λ) 把自伴算子写成「投影值测度的积分」，每个谱区间配一个投影。本章的 T*、自伴、投影，就是第五章谱定理的全部零件。
预告讲义。下一章：谱与预解集、谱半径公式（r(T) = lim‖Tn‖1/n）、自伴算子的谱定理、紧算子与它的离散谱、谱映射定理、谱半径的应用（幂法、PageRank、振动频率）。带着第四章的伴随与投影上场——第五章是它们最绚丽的合奏。
★★★ 第四章问「算子长什么样」，第五章问「算子由什么决定」——答案是谱：算子的指纹。
谱：从特征值到「不可逆的 λ」。有限维中，算子的全部信息藏在特征值里（特征多项式、Jordan 形）；无穷维没有「特征多项式」，但有更本质的替代品：σ(T) = {λ ∈ ℂ : λI − T 不可逆}。它包含全部特征值，却可能更大（无穷维中「谱点而不特征值」确实存在）。谱是「使方程 (λI−T)x = y 坏掉的那些 λ」的集合——这个定义把「算子的内禀数据」和「方程的可解性」焊在一起。
本章三条线。① 谱的构造：定义、预解算子、谱半径公式 r(T) = lim‖Tn‖1/n（Gelfand），谱的基本性质（闭、有界、复情形非空）；② 谱定理：自伴算子谱全实、正规算子可对角化、一般自伴算子可写成「投影值测度的积分」T = ∫λ dE(λ)——这是有限维「对称矩阵可正交对角化」的无穷维完全推广；③ 紧算子理论：紧算子的谱（≠ 0 的部分）全由特征值组成、至多可数且唯一聚点为 0；Fredholm 二择一定理给出「方程或者总是可解、或者缺一维」的漂亮二分。
为什么谱理论是现代数学的心脏之一？因为「谱」同时是：量子力学的观测值（自伴算子谱 = 能级）、数值线性代数的主特征值问题（PageRank、幂法）、振动系统的固有频率（Sturm–Liouville）、以及第五章后要讲的「算子演算」的舞台。「给我算子，我报谱」——这是泛函分析最有威力的技术。本章从 p151 的真跑实验开始，让谱看得见、摸得着。
★★★ 讲义 5.1：谱与预解集——「不可逆的 λ」。
定义。X 是复 Banach 空间，T ∈ B(X)。预解集 ρ(T) = {λ ∈ ℂ : λI − T 是双射（从而有界可逆，因开映射定理）}；谱 σ(T) = ℂ \ ρ(T)。预解算子 R(λ, T) = (λI − T)−1（λ ∈ ρ(T)）。
谱的三分（按「坏的方式」分类）。① 点谱 σp：λI − T 不单射（λ 是特征值，存在非零 x 使 Tx = λx）；② 连续谱 σc：λI − T 单射、值域稠密但不满；③ 剩余谱 σr：λI − T 单射、值域不稠密。σ(T) = σp ∪ σc ∪ σr。有限维中只有点谱；无穷维中三类都可出现——这是「谱比特征值大」的确切含义。
为什么用「不可逆」定义谱？因为算子的「可逆性」是最有用的性质：λ ∉ σ(T) ⟺ 方程 (λI − T)x = y 对每个 y 有唯一解 x，且 x 连续依赖 y（有界逆）。所以「谱」正是「方程会出问题」的那些参数值——谱理论 = 可解性理论。
与有限维的接口。X = ℂn 时，λI − T 可逆 ⟺ det(λI − T) ≠ 0 ⟺ λ 不是特征值。故有限维中 σ(T) = 特征值全体 = det(λI − T) 的零点——本章定义的抽象谱，在有限维回到熟悉的模样（p127 详列）。
★★★ 讲义 5.2：谱的三个经典例——从「特征值」到「非特征值谱点」。
例 1（有限维：谱 = 特征值）。T = diag(1, 2, 3)（ℂ3）。σ(T) = {1, 2, 3}（全是特征值，点谱）。谱半径 r(T) = max|λk| = 3 = ‖T‖（正规矩阵的谱半径等于范数）。
例 2（移位算子：谱可以「无特征值」）。右移位 S : ℓ2 → ℓ2，S(x1, x2, …) = (0, x1, x2, …)。则 σ(S) = {λ : |λ| ≤ 1}（整个闭单位圆盘！），但 S 是等距（‖Sx‖ = ‖x‖）故 ‖S‖ = 1，且 S 没有特征值（Sx = λx 强迫 x = 0）。「谱是整个圆盘，却一点特征值都没有」——这是无穷维最经典的怪象。
例 3（乘法算子：谱 = 函数值域）。H = L2[0,1]，(Mgf)(x) = g(x)f(x)，g 连续。则 σ(Mg) = g([0,1])（即 g 的值域）。当 g 是单射（如 g(x) = x）时，Mg 无特征值，但 σ(Mg) = [0,1]。「谱就是一眼看到的值域」——乘法算子是理解谱的最佳模型。（p135 的谱定理正是说：任何正规算子都「酉等价于」某个乘法算子。）
三例的共同启示。① 谱是集合（不是「谱 = 矩阵的 n 个数」）；② 谱点未必是特征值（连续谱、剩余谱的普遍存在）；③ 谱的几何形状（圆盘、区间）携带算子的深刻信息。「读谱如读人」——第五章全章都在教「看谱」。
★★★★ 讲义 5.3：谱半径与 Gelfand 公式——「谱被范数夹住」。
定义。谱半径 r(T) = sup{|λ| : λ ∈ σ(T)}。由 p130 知 σ(T) 紧，故 sup 取到（成为 max）。
核心定理（Gelfand 谱半径公式）。r(T) = limn→∞ ‖Tn‖1/n——极限存在，且被范数夹住：r(T) ≤ ‖Tn‖1/n 对每个 n 成立（故 r(T) ≤ ‖T‖，取 n = 1）。证明骨架：① 由「λ ∈ σ(T) ⟹ λn ∈ σ(Tn)」（谱映射定理 p136 的特例）得 |λ|n ≤ ‖Tn‖ ⟹ r(T) ≤ lim inf‖Tn‖1/n；② 反向不等式用复分析（预解算子在无穷远的 Laurent 展开 + Cauchy 估计）——这是本章唯一用复分析的地方。
为什么这个公式如此重要？因为它把纯代数的谱半径和纯分析的范数增长连了起来：想知道 T 迭代下去会不会爆炸，只要看 ‖Tn‖ 的渐近增长！「迭代收敛 ⟺ r(T) < 1」——这是数值分析（幂法、迭代解方程）与动力系统（稳定性的谱判据）的共同基石。
两个推论（记忆深化）。① r(T) ≤ ‖T‖，等号 ⟺ T 正规（自伴 / 正规算子的谱半径等于范数）；对非正规矩阵严格小于（p151 实验②：r(T) = 0.6217 而 ‖T‖ = 1.063）。② r(T) = 0 ⟺ T 幂零（有限维）；无穷维「拟幂零」算子（r = 0 但不幂零）大量存在。「谱半径 = 增长的指数增长率」——这句话记住。
★★★ 讲义 5.4：预解算子与 Neumann 级数——「谱的补集是开集」。
核心事实。预解集 ρ(T) 是开集，预解算子 R(λ) = (λI − T)−1 在 ρ(T) 上解析（复可微，且满足预解恒等式 R(λ) − R(μ) = −(λ−μ)R(λ)R(μ)）。证明思路：λ0 ∈ ρ(T) 时，λI − T = (λ0I − T)[I + (λ−λ0)R(λ0)]；当 |λ − λ0| < 1/‖R(λ0)‖ 时方括号可逆（Neumann 级数收敛），故整个小圆盘 ⊆ ρ(T)——ρ(T) 开、σ(T) 闭。
Neumann 级数（预解算子的显式展开）。若 ‖T‖ < 1，则 (I − T)−1 = Σn≥0Tn（绝对收敛）且 ‖(I−T)−1‖ ≤ 1/(1−‖T‖)。证明：部分和 (I−T)(I+T+…+TN) = I − TN+1 → I（因 ‖TN+1‖ ≤ ‖T‖N+1 → 0），取极限即得。这就是第一章几何级数与第三章算子范数的合流。
无穷远行为与谱半径。对 |λ| > ‖T‖，λI − T = λ(I − T/λ) 可逆，且 R(λ) = Σn≥0 Tn/λn+1（Laurent 展开）。这个展开是 Gelfand 公式证明的关键：展开收敛半径 = 1/r(T)，而收敛半径又 = lim sup‖Tn‖1/n 的倒数（Cauchy–Hadamard）——两条信息一对比，r(T) = lim‖Tn‖1/n 就出来了。
意义小结。预解算子是「算子理论中的 1/(λ−a)」：它解析、有级数展开、携带全部谱信息。第五章的许多定理（谱半径、谱映射、函数演算）都是「对 R(λ) 用复分析」的产物——算子分析 = 复分析 + 有界算子，这是 Gelfand 学派的核心方法论。
★★★ 讲义 5.5：谱的基本性质——闭、有界、非空。
性质一（谱是紧集）。σ(T) 是 ℂ 中的有界闭集（紧集）。有界：|λ| > ‖T‖ ⟹ λ ∈ ρ(T)（p129 Neumann 级数）⟹ σ(T) ⊆ {|λ| ≤ ‖T‖}；闭：ρ(T) 开（p129）。故 σ(T) 是半径 ‖T‖ 的闭圆盘内的紧集，r(T) = max|λ|。
性质二（复情形谱非空）。复 Banach 空间上，σ(T) ≠ ∅ 对一切 T ∈ B(X)。证明（漂亮的复分析论证）：若 σ(T) = ∅，则 R(λ) = (λI−T)−1 在整个 ℂ 上解析（整函数算子）；又 ‖R(λ)‖ ≤ 1/(|λ| − ‖T‖) → 0（|λ| → ∞）——有界整函数必为常数（Liouville 定理），但常数为零矛盾（R 不零）。∎「复分析 + 算子」的第一次大显身手。
性质三（实空间谱可以空！）。把上面的论证搬到实 Banach 空间就失效了（Liouville 用不着）。实空间中确实有「无谱算子」：如 ℝ2 上 90° 旋转 T(x,y) = (−y, x)——它的特征多项式 λ2 + 1 无实根，故 σ(T) = ∅（在实意义下）。这解释了为什么谱理论必须在复空间做：复数是「谱非空」的保证。
三条性质的意义。① 有界 ⟹ 谱只在一个盘内（能算的范围有限）；② 闭 ⟹ 谱有「边界」，可谈谱的分解（谱分解需要谱集的拓扑）；③ 非空 ⟹ 「谱」是非平凡对象——这个看似平凡的结论，是整个谱理论存在的理由（如果谱可以是空的，谱理论无从谈起）。三条合起来：复 Banach 空间上每个有界算子的谱，都是一个非空的紧集。
★★★ 讲义 5.6：紧算子——把有界集「压紧」的算子。
定义。T : X → Y 称紧算子，若 T 把 X 的有界集映成 Y 的相对紧集（闭包紧）。等价地：{xn} 有界 ⟹ {Txn} 有收敛子列。紧算子自动有界（有界集映成有界集）。
紧算子的三（必背）。① 有限秩算子（值域有限维）：最简紧算子；② Fredholm 积分算子 Kf(x) = ∫01k(x,y)f(y)dy（k 连续）：‖K‖ < ∞ 且把弱收敛列映成强收敛列；③ 对角算子 diag(λn) 且 λn → 0（如 ℓ2 上 diag(1, 1/2, 1/3, …)）。反之，「对角算子紧 ⟺ λn → 0」。
核心定理（紧算子的结构）。① 紧算子全体 𝒦(X,Y) 是 B(X,Y) 的闭子空间（一致极限仍紧）；② 有限秩算子的一致极限就是紧算子（在 Hilbert 空间中这是等价刻画！）——「紧 = 有限秩的极限」，这是紧算子最深刻的形象；③ 紧算子把弱收敛列映成强收敛列（这是紧性最有用的操作形式，第五章许多证明的发动机）。
与第一章的接口。「紧」这个概念在第一章（序列紧、Arzelà–Ascoli）已出现；紧算子正是「把无穷维的弱紧性兑换成强收敛」的工具——因为 Hilbert 单位球在弱拓扑下紧（p105），紧算子把这个「弱紧集」映成强紧集。「紧算子 = 无穷维与有限维之间的桥梁」——本章后半与第六章（PDE 弱解）都靠这座桥通行。
★★★★ 讲义 5.7：紧算子的谱结构——「0 之外全是特征值」。
核心定理（紧算子的谱定理）。T 是 Banach 空间 X 上的紧算子。则：① σ(T) \ {0} 中的每一点都是特征值，且特征值空间有限维；② σ(T)\ {0} 至多可数，且唯一可能的聚点是 0；③ σ(T) 是可数集，其唯一聚点为 0（0 可以是、也可以不是谱点）。
证明骨架（两个关键工具）。① 「近似特征值 ⟹ 特征值」：若 λ ≠ 0 且 λ ∉ σ(T)，则 T 在某个不变量子空间上的限制⋯；这里的关键是用紧性构造收敛子列（归纳构造「近乎正交」的序列，用紧性导出矛盾）；② 唯一聚点为 0：反设存在趋向 λ≠0 的特征值序列 λn → λ 且特征向量 xn 规范化、近似正交，则 {Txn} = {λnxn} 应含收敛子列，但 ‖λnxn − λmxm‖ ≥ |λn| 下界 ⟹ 矛盾于紧性。∎
对照表（有限维 vs 紧算子）。① 有限维算子：谱 = 有限个特征值（全在闭盘内，对称分布）；② 紧算子：谱 = 「特征值序列 + 可能的 0」（像是无穷维「离散化」的有限维算子）；③ 一般有界算子：谱可以是任意非空紧集（甚至整个圆盘，如移位算子）。紧算子「最像」有限维算子——这就是它在积分方程理论中地位崇高的原因。
与 p151 实验接口。实验③用离散化的 Green 核 min(x,y) 得到特征值 ≈ 1/((n−½)π)2：它们确实单调递减趋于 0，且 0 是唯一聚点——与紧算子谱定理逐条吻合（这个积分算子正是「Green 函数」型紧算子，它的谱由 Sturm–Liouville 理论给出）。
★★★★ 讲义 5.8：Fredholm 二择一——「或者全可解，或者缺一维」。
定理（Fredholm 二择一）。T 紧（Banach 空间 X 上），λ ≠ 0。则恰好以下两条之一成立：① λI − T 可逆（⟹ 对每个 y，方程 (λI−T)x = y 有唯一解，且解连续依赖 y）；② λI − T 不可逆（⟹ （a）齐次方程 (λI−T)x = 0 有非零解；（b）非齐次方程 (λI−T)x = y 对某些 y 无解）。「二择一」是二分的确定性：方程要么永远可解，要么在有穷维的「坏空间」上退化。
为什么「有穷维坏空间」？因为 λ ∈ σ(T) \ {0} 时，ker(λI−T) 有限维（p132-①）——「坏」的部分永远是有限维的。于是方程的可解性被有限维线性代数完全控制：非齐次方程有解 ⟺ y ⊥ ker((λI−T)*)（正交条件）。「无穷维问题 → 有限维判据」——Fredholm 理论的精髓。
应用一（积分方程）。Fredholm 型积分方程 f(x) − λ∫k(x,y)f(y)dy = g(x)：由二择一，要么对一切 g 有唯一解，要么 λ 取到某个特征值（此时齐次方程有非零解）。这解释了积分方程理论中最著名的事实：「特征值是个别值，其余 λ 处方程总是可解」。
应用二（接近应用）。① Sturm–Liouville 问题：−y″ + qy = λy 的固有值正是某紧算子（Green 算子）的特征值的倒数——固有频率的离散性是紧性的直接后果；② 数值线代：离散化后的矩阵「几乎」紧，故谱接近离散；③ 谱的稳定性：紧算子的小扰动不改变「0 之外谱的离散结构」（这正是数值计算能算谱的理论保证）。
★★★ 讲义 5.9：自伴算子与谱定理（有限维回顾）——「谱是实的」。
核心事实（自伴 ⟹ 谱实）。T 自伴（T* = T，Hilbert 空间中）。则 σ(T) ⊆ ℝ（谱全在实轴上）。证明：设 λ = a + ib 且 b ≠ 0，则对任意 x ≠ 0：‖(λI−T)x‖‖x‖ ≥ |⟨(λI−T)x, x⟩| = |a‖x‖2 − ⟨Tx,x⟩ + ib‖x‖2| ≥ |b|‖x‖2（用了 ⟨Tx,x⟩ ∈ ℝ）——故 λI − T 有下界，ker = 0，值域闭（再由正交补论证得满）⟹ λ ∈ ρ(T)。∎
有限维版谱定理（回顾）。ℂn 中自伴（Hermite）矩阵 A：① 特征值全实；② 存在规范正交的特征向量基；③ A = ΣλkPk（Pk 为到特征子空间的正交投影）。这就是「谱分解」的有限维原型——本章的任务是把它推广到无穷维。
三个「实数性」的推论。① 自伴算子的二次型有界：⟨Tx,x⟩ ∈ [m, M]（m = inf，M = sup），且 σ(T) ⊆ [m, M]、端点 m, M 属于谱；② 正算子（⟨Tx,x⟩ ≥ 0）的谱在 [0,∞)；③ 范数由二次型决定：‖T‖ = max(|m|, |M|)（p107-②）。「自伴算子 = 二次型 = 实谱」——三条语言一个对象，这是谱定理的出发点。
为什么物理学家最爱自伴算子？因为量子力学的可观测量（能量、动量、位置）必须是自伴算子——只有自伴算子的谱才能是「测量结果」（实数）。「谱实」这条数学定理，正是「测量值是实数」这条物理事实的数学根据。本章的谱定理，就是量子力学的公理操作系统。
★★★★ 讲义 5.10：投影值测度与谱分解——「算子 = 投影的积分」。
核心定理（谱定理，自伴算子形式）。H 是 Hilbert 空间，T 自伴有界。则存在唯一的投影值测度 E(·)（把 ℝ 的 Borel 集映成正交投影，且 E(ℝ) = I、E(∅) = 0、可数可加）使 T = ∫ℝ λ dE(λ)。直观：「谱上每个区间配一个投影」，算子就是「谱值 × 投影」的积分——「自伴算子就是实值函数的算子版」。
「投影值测度」是什么？它是「投影算子组成的一个测度」：对不交的集合 Δ1, Δ2，E(Δ1) ⊥ E(Δ2)（投影两两正交）且 E(Δ1 ∪ Δ2) = E(Δ1) + E(Δ2)。有限维的特例最清楚：T = ΣλkPk（λk 特征值，Pk 特征投影）——此时 E({λk}) = Pk、E(Δ) = Σλk∈ΔPk。无穷维只是把「有限个投影的和」换成「关于谱测度的积分」。
谱分解的三条推论。① σ(T) = supp E（谱 = 谱测度的支集）——谱的几何由投影测度描绘；② f(T) = ∫f(λ)dE(λ)（函数演算，p136）——任何「连续函数」都能作用到算子；③ ‖x‖2 = ∫d⟨E(λ)x, x⟩ ——「谱测度 ⟨E(·)x,x⟩ 是概率测度意义上的『谱分布』」，这正是量子力学「波函数概率解释」的数学形式。
为什么这条定理是本章的高潮？因为它把「抽象算子」彻底「展开」成了「显然的元素」：T = ∫λ dE(λ)。有了它，算子的一切问题（求谱、算函数、解方程）都可以翻译成对「λ 这个数值」的积分问题。「把算子看成函数」——这是 20 世纪算子理论最深刻的思想（Gelfand 表示）。
★★★★ 讲义 5.11：谱映射定理与函数演算——「谱会跟着函数走」。
核心定理（谱映射定理）。T ∈ B(X)，f 是多项式（或在 σ(T) 的邻域解析）。则 σ(f(T)) = f(σ(T)) = {f(λ) : λ ∈ σ(T)}。直观：「把一个函数作用到算子上，等于把同一个函数作用到它的谱上」——谱的运算法则与普通数完全一致。
证明骨架（多项式的代数论证）。f(λ) = c∏(λ − αi)，则 f(T) = c∏(T − αiI)。λ ∈ σ(T) ⟺ 某因子 T − αiI 不可逆 ⟺ f(T) 不可逆。「因式分解 + 可逆性的乘积律」——多项式情形只是代数游戏。解析函数情形要用预解算子的积分表示（p129 的复分析方法）。
函数演算（functional calculus）。谱映射定理的副产品：对任意多项式 p，定义 p(T) = ΣakTk；对任意连续函数 f（自伴 T），由谱定理定义 f(T) = ∫f(λ)dE(λ)。于是「算子」可以喂给任何函数：√T、eT、log T（T 正定）、指示函数 χΔ(T) = E(Δ)。「算子代数」由此与「函数代数」同构——这就是 Gelfand 表示理论的雏形。
三个漂亮的推论。① 谱半径公式的另一证：r(Tn) = r(T)n（取 f(λ) = λn）；② ‖T‖2 = r(T*T)（C* 恒等式 + 谱映射）；③ exp 算子：etT 的谱 = {etλ : λ ∈ σ(T)}——这是「算子半群」与「微分方程解」的谱论基础（第六章）。函数演算是本章送给后面所有章节的瑞士军刀。
★★★ 讲义 5.12：正规算子与对角化——「换一组基就变成对角」。
核心定理（正规算子的谱定理）。T 正规（T*T = TT*）。则存在酉算子 U 与乘法算子 Mg（g ∈ L∞）使 T = U*MgU。通俗说：正规算子在「某个正交坐标系」下就是「逐坐标乘以一个函数」——「可对角化」的无穷维版本。
为什么是乘法算子？因为乘法算子 Mg 是最简单的「对角算子」（在连续坐标下「对角」= 乘法），且它的谱 = g 的值域（p127-例 3）。「一切正规算子都是乘法算子换了件衣服」——这是谱理论最漂亮的分类结果。有限维对照：正规矩阵 ⟺ 可酉对角化为对角阵 ⟺ 有正交特征向量基。
三类算子的谱表现（对照表）。① 自伴：g 实值（谱在实轴）；② 酉：|g| = 1（谱在单位圆）；③ 正算子：g ≥ 0（谱在 [0,∞)）；④ 一般正规：g 任意复值函数（谱可任意有限集 / 紧集）。「算子的几何类型」= 「被乘函数的取值范围」——谱理论把算子问题化归为函数问题。
非正规算子呢？麻烦得多：没有正交特征基，Jordan 块式的「谱 + 幂零」结构出现；谱半径可远小于范数（p151 实验②）；预解算子可能在谱附近「暴涨」（伪谱）。「正规算子是可控的乐土，非正规算子是困难的荒野」——第五章把乐土铺好，第六章与更深的课程进入荒野。
★★★ 讲义 5.13：谱半径的应用——幂法与收敛速率。
幂法（power iteration，p151 实验①）。求矩阵主特征值：取任意 v0，迭代 vk+1 = Avk/‖Avk‖。为什么收敛？把 v0 按特征基展开 v0 = Σciui，则 Akv0 = Σciλikui = λ1k[c1u1 + Σi>1ci(λi/λ1)kui]——「主特征值 λ1 主导，其余方向按 (λi/λ1)k 衰减」。收敛速率 = |λ2/λ1|（谱间隙）。
谱半径与迭代收敛（一般定理）。线性迭代 xk+1 = Txk + b 收敛到不动点 ⟺ r(T) < 1（谱半径判据）；收敛速率由 r(T) 控制。这是第一章 Banach 不动点定理（要求 ‖T‖ < 1）的「谱版本」：条件更弱（r(T) ≤ ‖T‖），结论更强（不管 T 是否压缩，只要谱半径 < 1 就收敛，虽然可能「先增长后衰减」）。「范数判据 ⟹ 谱半径判据」——这是数值线性代数的重要升级。
应用一（PageRank，p151 实验④）。Google 矩阵 G = dP + (1−d)/n·J（P 列随机、d = 0.85）。因为 d < 1，G 的每列和为 1 且所有元素 ≥ (1−d)/n > 0，由 Perron–Frobenius 定理，G 有唯一正特征值 1 与正特征向量 π（且 |其余特征值| ≤ d < 1）——幂法以速率 d 收敛。这就是「网页排序 = 主特征向量」的全部秘密。
应用二（稳定性与振动）。微分方程 ẋ = Ax 的稳定性 ⟺ Re σ(A) < 0（谱在左半平面）；结构振动的固有频率 = 某个自伴算子（Sturm–Liouville）的谱。「谱决定动力学」——这是谱理论在工程与物理中的通用句式。
★★★ 讲义 5.14：谱与迭代——压缩、加速与谱间隙。
从范数到谱：收敛判据的进化。① 第一章 Banach 不动点：‖T‖ < 1（简单但保守）；② 本章升级：r(T) < 1（更准）。差别有多大？p151 实验②：r(T) = 0.6217 而 ‖T‖ = 1.063——范数判据说「不收敛」（1.063 > 1），谱判据却说「收敛」（0.6217 < 1）！非正规矩阵是这类「范数虚高、谱诚实」的典型。
谱间隙与收敛速率。迭代的渐近速率由 r(T)（或主次特征值之比）决定；「谱间隙越大，收敛越快」。这解释了两件事：① 幂法为什么慢（当 |λ1| ≈ |λ2| 时，谱间隙 → 0，收敛停滞）；② 为什么工程上要给矩阵加「预条件」（把谱挤到一起，扩大谱间隙，加速迭代）。「谱是迭代性能的说明书」——数值分析的现代观点。
加速技术一瞥（三条路）。① 位移反幂法：用 (A − μI)−1 迭代，谱间隙被放大（求靠近 μ 的特征值）；② Rayleigh 商迭代：动态更新 μ，收敛从线性加速到三次（p151 实验①的 Rayleigh 商 λ ≈ vTAv 就是它的构件）；③ Krylov 子空间法（Arnoldi、Lanczos、共轭梯度）：在「A 的幂生成的子空间」里投影求近似谱——这是现代大规模数值线代的主流，lanczos 与共轭梯度将在第六章实验真跑。
本章收束。谱理论给了「算子」一个可计算、可比较、可应用的「指纹」：谱决定可解性（Fredholm）、决定收敛（谱半径）、决定动力学（稳定性）、决定物理（量子能级）。第六章把谱理论送进偏微分方程与变分法：那里的自伴算子（Sturm–Liouville、Laplace）的谱，就是「振动频率」「能级」「共振」的数学原型。
★★★ 讲义 5.15：谱理论的地位与展望——「从指纹到身份证」。
本章建立的五件大事。① 谱的定义（λI − T 不可逆）；② 谱半径公式（r(T) = lim‖Tn‖1/n）——连续「代数谱」与「分析范数」；③ 自伴算子的谱定理（谱实 + 谱分解 T = ∫λ dE(λ)）；④ 紧算子的谱结构（0 之外全为特征值、唯一聚点 0）；⑤ Fredholm 二择一（可解性的二分判据）。
谱理论的三种「读取方式」。① 代数方式：谱是本征数据（特征值 / 连续谱 / 剩余谱）——决定算子的「型」；② 几何方式：自伴算子的谱分解把算子写成「投影的积分」——决定算子的「形状」；③ 分析方式：谱半径控制迭代增长与稳定性——决定算子的「动力学」。三种读取方式对应三个应用领域：量子力学（能级）、数值分析（收敛）、动力系统（稳定性）。
本章与前三章的缝合线。第一章（完备性）→ 谱的紧性与非空（复 Banach）；第二章（Banach 空间）→ 预解算子的空间与 Neumann 级数；第三章（对偶与三大定理）→ 开映射定理保证「单射 + 满射 ⟹ 有界逆」（谱定义中「可逆」的合法性）；第四章（Hilbert 几何）→ 投影值测度、自伴算子、伴随算子（谱定理的全部零件）。五章至此合流——这就是「泛函分析」作为一个整体的由来。
展望（第六章与更远）。① 无界自伴算子：量子力学的哈密顿量（−Δ + V）是无界自伴的，需要「定义域」「自伴扩张」等精密概念；② 谱与偏微分方程：椭圆算子的谱 → 特征值问题（振动、共振）；③ 谱与随机性：随机矩阵、Wigner 半圆律、量子混沌；④ 谱与计算：大规模特征值算法（Lanczos、Arnoldi）、谱图论（图 Laplacian 的谱 = 聚类结构）。「谱」是从抽象算子通往整个现代应用数学的钥匙。
★★ 常见误读：谱理论的四个陷阱。
陷阱一：以为「谱 = 特征值」。有限维是如此，无穷维完全不是：右移位算子 S 的谱是整个闭单位圆盘，却没有任何特征值（p127-例 2）；乘法算子 Mg（g 单射）也一样。零之外还有连续谱、剩余谱。纠正：谱 ⊋ 特征值；「λI − T 不可逆」包含「不单射」「不满射」两种情况。
陷阱二：把「谱半径 = 范数」当普遍真理。r(T) ≤ ‖T‖ 恒成立，但等号只对正规算子成立。非正规矩阵可以「范数大、谱小」（p151 实验②：r = 0.6217，‖T‖ = 1.063）——这正是「迭代收敛但范数判据误报」的根源。纠正：范数给上界，谱半径给真相；二者之差衡量「非正规性」。
陷阱三：以为「谱非空」对实空间也成立。复 Banach 空间上谱必非空（Liouville 定理保证）；实空间上谱可以是空集（旋转算子 T(x,y) = (−y,x) 在 ℝ2 上无实特征值 ⟹ σ(T) = ∅）。纠正：谱理论是复分析的分支；换到实空间必须用「复化」或「实谱 = 空」两种心境。
陷阱四：混淆「紧算子」与「有限秩算子」。有限秩算子紧，反之不然：对角算子 diag(1, 1/2, 1/3, …) 紧但不是有限秩（是无有限秩算子的极限）。「紧 ⟺ 有限秩的一致极限」是定理（Hilbert 空间中成立），不能说「紧 = 有限秩」。纠正：紧算子 = 有限秩的「闭包」；差一个极限就是全部的区别（而这个极限正是「无穷维」的所在）。
★★★ 例题精讲：谱的计算。
例 1（对角算子的谱）。ℓ2 上 T = diag(λ1, λ2, …)，{λn} 有界。点谱 = {λn} 中出现的值；连续谱 = {λn 的聚点} \ 点谱（若该值不取或只取有限次）；σ(T) = closure{λn}。特别地，若 λn → 0 则 T 紧（p131）。
例 2（乘法的谱）。Mg 在 L2[0,1] 上，g 连续。σ(Mg) = g([0,1])（值域）。当 g 严格单增（如 g(x)=x）：无特征值（因为 g(x)f(x) = λf(x) 强迫 f 在 g≠λ 处为 0，故 f = 0，a.e.），σ(Mg) = [0,1] 全是连续谱。「谱 = 函数图像的值域」——这是理解抽象谱的最可靠模型。
例 3（谱半径的计算）。T = [[0,1],[0,0]]（2×2 幂零）。特征值全 0 ⟹ r(T) = 0，但 ‖T‖ = 1。验证 Gelfand：T2 = 0 ⟹ ‖Tn‖1/n = 0（n ≥ 2）⟹ 极限 = 0 = r(T) ✓。本例是「谱半径可远小于范数」的极端：r = 0 而 ‖T‖ = 1。
例 4（紧算子的谱）。T = diag(1, 1/2, 1/3, …)（ℓ2）。全部 {1/n} 都是特征值（点谱），0 是唯一聚点且0 ∈ σ(T)（T 不满、不可逆），但 0 不是特征值（方程 Tx = 0 只有 x = 0）。「0 ∈ σ(T) \ σp(T)」——紧算子谱定理允许的典型现象。
方法论。谱的计算四招：① 对角 / 乘法算子——直接读值域或对角元；② 移位型算子——用「λ 是否落在某集合」判别（T − λI 是否可逆）；③ 用谱映射定理（多项式的谱 = 谱的像）；④ 用谱半径公式做数值验证。「先判定算子类型（自伴？正规？紧？），再选对应工具」——这是谱计算的标准流程。
★★ 习题课（一）：谱与预解。
A 组（谱的基本性质，四题）。① 证明 σ(T) 是闭集、含于 {|λ| ≤ ‖T‖}。② 证明 T 可逆 ⟺ 0 ∉ σ(T)。③ 证明 σ(T*) = {λ : λ ∈ σ(T)}（伴随的谱是共轭）。④ 证明谱映射定理的多项式情形：σ(p(T)) = p(σ(T))。
B 组（谱半径与预解，四题）。① 证明 r(T) ≤ ‖T‖，并举例说明严格不等（非正规矩阵）。② 用 Neumann 级数证明：‖T‖ < 1 ⟹ I − T 可逆且 ‖(I−T)−1‖ ≤ 1/(1−‖T‖)。③ 证明对任意 T，r(T) = lim‖Tn‖1/n 与 ‖Tn‖1/n 单调递减（后者需用范数次可乘）。④ 设 T 幂零（Tm = 0），证明 σ(T) = {0}、r(T) = 0。
难题（带星）。（★）证明实空间谱可空：T(x,y) = (−y,x) 在 ℝ2 上，验证不存在实 λ 使 λI − T 奇异，故 σ(T) = ∅（实意义下）。由此说明为什么谱理论必须建立在复空间上。
小结。本节四组基本题是谱理论的「语感训练」：谱的拓扑（闭、有界）、谱与可逆（0 的地位）、谱与伴随（共轭）、谱与函数（映射定理）。把「谱 = 预解的补集」这句话刻进肌肉：一切谱问题都是「λI − T 是否可逆」的问题。
★★★ 例题精讲：紧算子与 Fredholm。
例 1（判断紧性）。ℓ2 上 T = diag(1/n)。紧（λn = 1/n → 0）。反之 T = diag(1) = I 不紧（单位球映成单位球，不紧）。判据：对角算子紧 ⟺ 对角元趋于 0。
例 2（积分算子紧性）。Kf(x) = ∫01k(x,y)f(y)dy，k 连续。K 紧（用 Arzelà–Ascoli：{Kf : ‖f‖ ≤ 1} 一致有界 + 等度连续）。这是第一章 Arzelà–Ascoli 定理的最重要应用——紧性判据的种子在第一章就播下了。
例 3（Fredholm 二择一的应用）。解 Fredholm 方程 f(x) − ∫01f(y)dy = g(x)（即 (I − K)f = g，Kf = ∫f）。齐次方程：f − ∫01f = 0 即 f ≡ 常数 c，且 c − c·1 = 0（自动成立）——故常函数都是解，ker(I − K) = span{1}，一维。由二择一，非齐次方程有解 ⟺ g ⊥ ker((I−K)*) = span{1} ⟺ ∫01g = 0。验证：对 f − ∫f = g 两边积分得 ∫g = 0——二择一的「正交条件」精确到位。
例 4（紧算子谱的数值）。p151 实验③：离散化 Green 核 min(x,y) 的特征值 ≈ 1/((n−½)π)2（n = 1, 2, …），单调递减且趋于 0——与紧算子谱定理（唯一聚点 0）一致。「数值算出来的谱，正是定理承诺的样子」——这是理论与计算最好的对话。
方法论。紧算子三件套：① 判紧性（对角元 → 0 / 积分核连续 / 有限秩极限）；② 用谱定理（0 之外全特征值，逐个求解）；③ 用 Fredholm 二择一（判断方程可解性 + 正交条件）。积分方程、PDE 弱解、数值谱计算，全部走这三步。
★★★ 习题课（二）：谱定理与函数演算。
A 组（自伴与投影，四题）。① 证明自伴算子 T 的谱全在 [m, M] ⊂ ℝ（m = inf⟨Tx,x⟩，M = sup⟨Tx,x⟩，‖x‖=1），且 m, M ∈ σ(T)。② 证明正算子（⟨Tx,x⟩ ≥ 0）的谱在 [0, ∞)，且存在唯一的正平方根 √T（用谱定理）。③ 证明投影算子 P 的谱 ⊆ {0, 1}。P2 = P ⟹ λ2 = λ。④ 证明酉算子 U 的谱 ⊆ 单位圆 {|λ| = 1}。‖U‖ = ‖U−1‖ = 1 ⟹ |λ| ≤ 1 且 |λ−1| ≤ 1。
B 组（谱分解与函数演算，四题）。① 用谱定理证明：自伴 T 满足 f(T) = ∫f(λ)dE(λ) 时，σ(f(T)) = f(σ(T))（谱映射的「函数演算」版）。② 证明 ‖T‖ = r(T) 对自伴 T 成立（正规算子性质的特例）。③ 设 T 自伴、T ≥ 0，证明存在唯一自伴 S ≥ 0 使 S2 = T（谱定理 + 函数演算）。④ 证明 eiT 是酉算子（T 自伴）——量子力学时间演化算子的数学构造。
难题（带星）。（★）设 T 正规，证明 ‖T2‖ = ‖T‖2（提示：‖T2‖ = r(T2) = r(T)2 = ‖T‖2，用了正规算子的 r = ‖·‖ 与谱映射）。
预告第六章。本节 B 组第 ④ 题（eiT 酉）将在第六章化为「算子半群 etA」——那是「热方程解 = etΔ」的抽象形式。谱定理与函数演算，就是第六章偏微分方程谱理论的引擎。
★★ 第五章地形：五条进路，一个对象（谱）。
进路一「定义」：谱 σ(T) = {λ : λI − T 不可逆}。这是全章的根，一切从「可逆性」出发——谱理论 = 可解性理论的另一种说法。分类（点 / 连续 / 剩余谱）刻画「坏的方式」。
进路二「半径」：r(T) = lim‖Tn‖1/n ≤ ‖T‖。它把谱的「大小」与算子迭代的「增长」绑在一起——「谱半径 = 增长指数」是数值分析的第一原理。
进路三「紧算子」：紧算子的谱在 0 之外全是特征值、唯一聚点为 0；Fredholm 二择一给出方程可解性的二分。紧算子 = 「长得像有限维」的算子——积分方程与 PDE 的主战场。
进路四「谱定理」：自伴算子的谱全实，且 T = ∫λ dE(λ)（投影值测度的积分）——「算子 = 投影的积分」是本章最高成就。进路五「函数演算」：σ(f(T)) = f(σ(T))，由此可以定义 √T、etT、log T——把算子代数变成函数代数。四五两条进路合起来，就是「Hilbert 空间算子的完整理论」。
★★ 第五章小结（上）：谱的语言。
概念清单（六件）。谱 σ(T) 与预解集 ρ(T)；预解算子 R(λ) = (λI−T)−1；点谱 / 连续谱 / 剩余谱；谱半径 r(T)；紧算子；谱测度 E(·)。
定理清单（六件）。① σ(T) 是非空紧集、含于 {|λ| ≤ ‖T‖}（复空间非空靠 Liouville）；② Gelfand 公式 r(T) = lim‖Tn‖1/n；③ 自伴算子谱全在实轴 [m, M]；④ 紧算子谱：σ(T) \ {0} 全为特征值、至多可数、唯一聚点 0；⑤ Fredholm 二择一；⑥ 谱定理 T = ∫λ dE(λ)（自伴）、正规算子酉等价于乘法算子。
谱半径的三重身份。① 上界的「真相」（r ≤ ‖T‖，正规取等）；② 迭代的「增长率」（r(T) < 1 ⟺ 收敛）；③ 谱的「度量」（r = max|λ|）。「看一个算子，先问它的谱半径」——这是本章最有用的操作习惯。
方法论三则。① 「谱问题 = 可逆性问题」：一切谱判定都回到 λI − T 是否可逆；② 「算子类型决定工具」：自伴用谱分解、紧算子用离散谱、正规用乘法模型；③ 「谱半径管增长」：把代数数据（谱）翻译成动力学结论（收敛 / 稳定）。
一句话记住谱的语言：谱是「使方程出问题的 λ 的集合」，谱半径是「迭代的增长率」，紧算子的谱「除 0 外全是特征值」——谱是算子最忠实的指纹。
★★ 第五章小结（下）：谱定理与紧算子的语言。
三类算子的谱定理对照。① 自伴：谱 ⊆ ℝ，T = ∫λ dE(λ)，‖T‖ = sup{|λ| : λ ∈ σ(T)} = max(|m|, |M|)；② 正规：酉等价于乘法算子 Mg，谱 = g 的值域的本质值集，‖T‖ = r(T)；③ 紧自伴：谱 = 「实特征值序列（趋于 0）」，T = Σλn⟨·, en⟩en（这就是「无穷维对角化」，与有限维对称矩阵的谱分解完全一致）。
Fredholm 理论的三层含义。① 可解性：λI − T 或者总可逆、或者「缺一维」（ker 有限维）；② 正交条件：非齐次可解 ⟺ 右端与 ker(λI−T)* 正交；③ 指标：dim ker − dim coker 是有限不变量（Fredholm 指标）——这是 20 世纪算子理论最深刻的不变量之一。
函数演算的三种用场。① 造算子：√T、etT、|T| —— 从已有算子造新算子的标准方式；② 证定理：谱映射、谱半径公式、C* 恒等式；③ 解方程：etΔf 解热方程、∫eiλtdE(λ) 解 Schrödinger 方程（第六章）。「函数演算 = 把分析问题喂给谱」——本章的最后一件武器。
一句话记住谱定理侧：自伴算子的谱是实数、算子可写成投影的积分；紧算子的谱像有限维（除 0 外全是特征值）；正规算子「换个坐标就对角」——谱定理把算子理论化归为函数论。
★★★ 思想卡：谱——算子的身份证。
如何「识别」一个算子？有限维里，矩阵的相似不变量是特征值（谱）与 Jordan 结构；无穷维里，答案依然是谱，只是谱从「n 个点」变成了「一个紧集」。谱是算子在一切「换坐标」（相似 / 酉等价）下的不变量——它是算子最本质的「身份证号」。
为什么「谱」能携带这么多信息？因为它同时编码三件事：可解性（λ ∉ σ ⟺ 方程可解且稳定）、动力学（r(T) 决定迭代增长率）、代数结构（σ 决定算子的函数演算）。这三件事在有限维中被「特征多项式」一网打尽，在无穷维中被「谱测度」一网打尽。「给我谱，我说明算子能干什么」——这句话在有限维和无穷维都成立。
物理学中的「谱」为什么就是这个名字？因为量子力学的「光谱」正是自伴算子（哈密顿量）的谱：氢原子的离散谱线 ↔ 紧算子的离散特征值；连续谱 ↔ 算子的连续谱部分。数学的「谱」与物理的「光谱」是同一个词、同一件事——这不是巧合，而是 von Neumann 公理化的直接后果（p122）。「指纹」这个比喻不是文学修辞，而是数学与物理共享的现实。
思想的迁移。「用不变量识别对象」是现代数学的普遍方法：拓扑用同调群识别空间、代数用表示识别群、分析用谱识别算子。谱是「算子范畴里的不变量」——它教会：研究一个「作用」，最经济的办法是找出它在一切变换下不变的那部分。本章给出的，正是这套「找不变量」的技术。
★★★★ 挑战：紧算子谱定理的完整证明。p132 给了结论与骨架，这里把「0 之外全是特征值」这一核心断言严格证完。
定理。X 是复 Banach 空间，T ∈ B(X) 紧，λ ≠ 0 且 λ ∈ σ(T)。则 λ 是特征值（即 ker(λI − T) ≠ {0}），且 dim ker(λI − T) < ∞。
第一步（归结为「值域闭」）。设 λ ≠ 0、λ 不是特征值（ker(λI−T) = {0}）。要证 λ ∉ σ(T)，只需证 ran(λI − T) = X（配合开映射定理得可逆）。关键引理：ker(λI−T) = {0} 且 T 紧 ⟹ ran(λI − T) 闭。证明闭性：设 xn ∈ X 且 yn = (λI−T)xn → y；若 {xn} 有界，则由 T 紧抽子列使 Txnk → w，于是 xnk = (1/λ)(ynk + Txnk) → (1/λ)(y + w) =: x，且 (λI−T)x = y（连续性），故 y ∈ ran——{xn} 有界是全部关键。
第二步（「有界性」引理，本证明的心脏）。断言：存在 c > 0 使 ‖(λI−T)x‖ ≥ c‖x‖ 对一切 x 成立。反证：否则存在 ‖xn‖ = 1 而 ‖(λI−T)xn‖ → 0。由 T 紧、{xn} 有界，抽子列使 Txn → w；则 λxn = (λI−T)xn + Txn → 0 + w = w，故 xn → w/λ =: x，‖x‖ = 1；再取极限得 (λI−T)x = 0，即 x ≠ 0 而 x ∈ ker(λI−T)——与「λ 不是特征值」矛盾。∎（故 c 存在，λI − T 是单射且有下界。）
第三步（满射性）。设 Y = ran(λI − T)。① Y = ran(λI−T) = ran(λI−T)|Y：若 y = (λI−T)x，写 x = ... 需证 Y 在 (λI−T) 下不变（用 Y 闭 + 第一步）；② 若 Y ⊊ X，则 T 在商空间 X/Y 上诱导一个紧算子，且 λ ∈ σ(T̃)（X/Y）——但 X/Y 上 λI − T̃ 是「单射」（因为 Y = ran(λI−T)），矛盾于第一步的闭性论证 + 商空间非零。综合得 Y = X。∎
第四步（有限维核）。若 dim ker(λI − T) = ∞，取其中无穷规范正交（或近正交）列 {xn}，则 T 紧性给出 {Txn} = {λxn} 应有收敛子列，但 ‖λxn − λxm‖ ≥ |λ|>0 下界——矛盾。故核有限维。∎
任务（两则）。① 完整写出「唯一聚点为 0」的证明（p132-③ 的骨架扩写：构造近似正交的特征向量列，用紧性导出矛盾）。② 举例说明λ = 0 时结论失效：T = diag(1, 1/2, 1/3, …)（紧），0 ∈ σ(T) 但 0 不是特征值（p142-例 4）——紧算子谱定理特意排除 0，正因为 0 是「例外中的例外」。
★★★ 把第五章的谱理论真跑一遍：幂法、Gelfand 公式、紧算子谱、PageRank。
import numpy as np
rng = np.random.RandomState(42)
# ① 幂法求主特征值（对称正定 6×6）
n = 6; B = rng.randn(n, n); A = B @ B.T / n + np.eye(n)
v = np.ones(n); v /= np.linalg.norm(v)
for it in range(1, 22):
w = A @ v; v = w / np.linalg.norm(w)
lam = v @ A @ v # Rayleigh 商
if it in (1, 2, 5, 10, 20):
print(f" 迭代 {it:2d}: λ ≈ {lam:.8f}")
print(f" numpy 最大特征值 = {np.linalg.eigvalsh(A)[-1]:.8f}")
# ② Gelfand 公式 r(T) = lim ‖Tn‖1/n
T = np.array([[0.,1.,0.],[0.,0.,1.],[0.,0.2,0.3]])
print(" 谱半径 r(T) =", round(max(abs(np.linalg.eigvals(T))), 6))
M = np.eye(3)
for k in range(1, 41):
M = M @ T
if k in (1, 2, 3, 5, 8, 12, 20, 30, 40):
print(f" n={k:2d}: ‖Tn‖1/n = {np.linalg.norm(M, 2)**(1.0/k):.6f}")
# ③ 紧算子（Green 核 min(x,y)）离散谱 vs 理论 1/((n-1/2)π)2
N = 300; h = 1.0/N
G = np.array([[min(i*h, j*h)*h for j in range(N)] for i in range(N)])
ev = np.sort(np.linalg.eigvalsh(G))[::-1]
for k in range(1, 6):
print(f" 第{k}个特征值：数值 {ev[k-1]:.6e} 理论 {1/((k-0.5)*np.pi)**2:.6e}")
# ④ PageRank 幂法（4 网页）
links = {0:[1,2], 1:[2], 2:[0], 3:[0,2]}; d = 0.85; npg = 4
P = np.zeros((npg, npg))
for i, outs in links.items():
for j in outs: P[j, i] = 1.0/len(outs)
Gm = d*P + (1-d)/npg*np.ones((npg, npg))
pi = np.ones(npg)/npg
for it in range(100):
pi_new = Gm @ pi
if np.max(np.abs(pi_new - pi)) < 1e-14: break
pi = pi_new
print(f" PageRank（迭代 {it+1} 步）= {np.round(pi_new/np.sum(pi_new), 6)}")
实跑输出：
① 幂法求主特征值（对称正定 6×6） 迭代 1: λ ≈ 1.49118356 迭代 2: λ ≈ 1.65818194 迭代 5: λ ≈ 2.89584503 迭代 10: λ ≈ 3.02824243 迭代 20: λ ≈ 3.03111754 numpy 最大特征值 = 3.03116429 (幂法收敛 ✓) ② Gelfand 公式 r(T) = lim ‖Tn‖1/n（谱半径 0.621699） n= 1: ‖Tn‖1/n = 1.063015 n= 2: ‖Tn‖1/n = 1.042109 n= 3: ‖Tn‖1/n = 0.785546 n= 5: ‖Tn‖1/n = 0.725160 n= 8: ‖Tn‖1/n = 0.687197 n=12: ‖Tn‖1/n = 0.664428 n=20: ‖Tn‖1/n = 0.646986 n=30: ‖Tn‖1/n = 0.638445 n=40: ‖Tn‖1/n = 0.634216 ③ 紧算子（积分核 min(x,y)）的离散谱 vs 理论 1/((n-1/2)π)2 第1个特征值：数值 4.039358e-01 理论 4.052847e-01 第2个特征值：数值 4.488258e-02 理论 4.503164e-02 第3个特征值：数值 1.615832e-02 理论 1.621139e-02 第4个特征值：数值 8.244496e-03 理论 8.271117e-03 第5个特征值：数值 4.987777e-03 理论 5.003515e-03 ④ PageRank 幂法（4 网页链接图） 迭代 62 步收敛；PageRank = [0.379734 0.198887 0.383879 0.0375 ] numpy 特征向量参考 = [0.379734 0.198887 0.383879 0.0375 ] (一致 ✓)
★★ 格物札记：从 Hilbert 到 Gelfand——谱概念的演化。
1900s：Hilbert 的二次型谱。Hilbert 研究积分方程的「特征值展开」，得到「紧自伴算子的谱是实特征值序列」——他称之为「无穷多个变量的二次型理论」，仍以具体算子为对象。谱的概念此时还披着「矩阵特征值」的外衣。
1920s–1930s：Banach 与 von Neumann 的抽象化。Banach（1929–1932）把谱定义成「λI − T 不可逆」（这一定义第一次完全摆脱了「特征值」的局限，容许连续谱与剩余谱）；von Neumann（1929–1932）建立自伴算子的谱定理与谱分解，为量子力学奠基。「谱」从「一组数」变成了「一个集合」，这是概念的第一次质变。
1940s：Gelfand 的表示论——概念的第二次质变。Israel Gelfand 与同事把谱概念提升到交换 Banach 代数：交换 C*-代数 A 的「谱」= 「所有非零乘法泛函的集合」（Gelfand 谱），且 A ≅ C(Ω)（Ω 上的连续函数代数，Ω = Gelfand 谱）。由此，「算子 T 的谱 σ(T)」只是「T 在某个函数代数里生成的东西」的特例。「一切交换 C*-代数都是连续函数代数」——这是 20 世纪分析的巅峰定理之一。
札记的结论。谱概念的百年演化走过三步：「矩阵的特征值」（Hilbert）→「算子的不可逆点集」（Banach–von Neumann）→「代数的乘法泛函空间」（Gelfand）。每一步都在做同一件事：把「特征值」这件局部的事，推广成「整个代数的一个几何对象」。本章的正规算子谱定理（酉等价于乘法算子），正是 Gelfand 表示论在 Hilbert 空间上的具体化身——「A ≅ C(Ω)」的无穷维分析版本，就是「T = ∫λ dE(λ)」。
★★ 速查：第五章概念与定理。考前一页纸，逐条过。
| 对象 / 定理 | 陈述（速记） | 备注 |
|---|---|---|
| 谱 / 预解集 | σ(T)={λ:λI−T 不可逆}；ρ(T)=ℂ\σ(T) | 谱理论之根 |
| 谱的三分 | 点谱 / 连续谱 / 剩余谱 | 有限维只有点谱 |
| 谱的拓扑 | σ(T) 非空紧集 ⊆ {|λ|≤‖T‖} | 复空间非空靠 Liouville |
| Neumann 级数 | ‖T‖<1 ⟹ (I−T)−1=ΣTn | 预解算子的展开 |
| Gelfand 公式 | r(T) = lim‖Tn‖1/n | r ≤ ‖T‖；正规取等 |
| 收敛判据 | 迭代收敛 ⟺ r(T) < 1 | 比 ‖T‖<1 更强 |
| 紧算子 | 有界集 ↦ 相对紧集 | = 有限秩的一致极限 |
| 紧谱定理 | σ(T)\{0} 全为特征值，唯一聚点 0 | 核有限维 |
| Fredholm 二择一 | λI−T 可逆 或 缺一维 | 可解性二分 |
| 自伴谱 | σ(T) ⊆ ℝ（在 [m, M]） | 量子可观测量 |
| 谱分解 | T = ∫λ dE(λ)（投影值测度） | 谱定理 |
| 正规算子 | 酉等价于乘法算子 Mg | = 可对角化 |
| 投影谱 | P 投影 ⟹ σ(P) ⊆ {0,1} | P2=P |
| 酉谱 | U 酉 ⟹ σ(U) ⊆ 单位圆 | 演化算子 |
| 谱映射定理 | σ(f(T)) = f(σ(T)) | 函数演算 |
易忘三则。谱 ≠ 特征值（移位算子全盘谱、零特征值）；实空间谱可为空；紧算子 0 点特殊（可谱非特征）。
★★★ 第五章把有界算子的谱讲透了，但现实世界最有用的算子——微分算子——却无界（p76）。第六章就是「把前五章的工具搬去处理无界算子与偏微分方程」。
三条新路。① 分布（广义函数）：把「函数」的概念放宽到「作用于测试函数的连续线性泛函」——由此可以把导数定义为「分布意义下的求导」，让不可导的函数也有导数，微分算子不再「无定义」；② Sobolev 空间：用「函数本身 + 弱导数」的范数构造完备空间——让微分算子在这个空间里变成「有界」（p76 的第三条出路）；③ 变分法 / 弱解：把 PDE 写成「求泛函的极小元」——由此可用弱收敛 + 范数下半连续（p105）证明弱解存在。
前五章工具的全面回收。① 弱收敛：变分法存在性证明的核心（取极小化弱收敛子列）；② 紧算子：椭圆算子的逆是紧算子 ⟹ 谱离散 ⟹ 特征值展开；③ Riesz 表示：Lax–Milgram 定理直接由 Riesz 表示导出（弱解存在唯一）；④ 谱定理：Sturm–Liouville 与 Laplace 算子的谱分解（振动模态、热传导衰减）。第六章的每一个定理，都是前五章某个定理的「带微分」版本。
预告讲义。下一章：分布与弱导数、Sobolev 空间、椭圆算子的弱解与 Lax–Milgram、变分原理（Dirichlet 原理）、算子半群与热方程、Sturm–Liouville 与谱（振动频率）、共轭梯度与数值解、以及泛函分析在现代数学（几何、概率、机器学习）中的疆界。带着前五章的完整工具箱上场——第六章是它们共同的毕业典礼。
★★★ 前五章一律假设算子「有界」，但现实中最有用的算子——微分——是无界的（p76）。第六章就是如何让无界算子重新可管：答案是「弱化语言」与「变分改写」。
两大策略。① 弱化语言：把「函数」放宽成「分布」（广义函数），把「导数」放宽成「弱导数」——于是微分算子不再需要「函数处处可导」，作用范围大大扩展；把「解」放宽成「弱解」，于是求解范围从「光滑解」扩展到「能量有限解」。② 变分改写：把 PDE 写成「求能量泛函的极小元」——于是存在性证明可以调用弱收敛 + 范数下半连续（p105）。两条策略合起来，就是现代偏微分方程的标准套路。
前五章工具的全面回收（本章主旋律）。① 弱收敛 → 变分法存在性（取弱收敛极小化子列）；② 紧算子 → 椭圆算子的逆紧（Rellich 定理）→ 谱离散；③ Riesz 表示 → Lax–Milgram 定理（弱解存在唯一）；④ 谱定理 → Sturm–Liouville 展开（振动模态）；⑤ 函数演算 → 算子半群 etA（热方程的解）。本章的每一条定理，都能在目录里找到它的「祖先」。
本章的三重身份。它是应用篇（PDE、有限元、数值解）；是统合篇（把五章工具荟萃一处）；也是展望篇（指向几何分析、概率论、机器学习的泛函方法）。读完本章，就拥有了一套完整的「无穷维空间思维」——这正是书名「从向量到算子」的完整兑现。
★★★ 讲义 6.1：无界算子——为什么不能回避。
回忆痛点。微分算子 D f = f′ 在 C[0,1] 上无界（p76）：取 fn(x) = sin(nx)/n，‖fn‖∞ → 0 而 ‖Dfn‖∞ = 1 不趋 0。第三章起我们「把无界算子排除在外」，但物理与 PDE 的全部核心算子都是无界的：−Δ（Laplace）、−d2/dx2（Sturm–Liouville）、动量算子 −i d/dx（量子力学）、哈密顿量 −Δ + V。回避无界算子 = 放弃 PDE 与量子力学。
无界算子的三重困难（为什么不能直接照搬有界理论）。① 定义域不是全空间：D 只在 C1[0,1]（或 Sobolev 空间）上有定义，「T 连续」这类命题必须先说清楚「在哪个域上」；② 「有界」失效：‖T‖ = ∞，故「有界 ⟺ 连续」（p67）失效，三大定理（要求有界）也用不上；③ 延拓与自伴性微妙：无界算子的「自伴」不是简单的 T* = T（还要比较定义域），需要「自伴扩张」的精细理论（von Neumann）。
驯化无界算子的四条路（本章的路线图）。① 限制 / 缩小定义域为稠密子空间（并使算子「闭」）；② 换更弱的范数（Sobolev 空间，p160）——让 D 变得有界；③ 加平滑因子（(I + D*D)−1/2 或 e−tD）——紧化 / 半群化（p165）；④ 弱化「解」的概念（弱解，p159）——不要求经典可导。四条路合起来，正是现代 PDE 的完整方法论。
第一个「好消息」。虽然无界算子不能直接用有界理论，但它的「逆」常常是有界的甚至是紧的：−Δ 的逆（Green 算子）就是紧算子（p163 Rellich 定理）！「算子无界，但逆有界 / 紧」——这个「逆转」是整章的技术支点：把「解无界算子方程」转化为「解（紧）有界算子方程」（Fredholm 理论直接可用）。
★★★ 讲义 6.2：分布（广义函数）——把「函数」的定义放宽。
动机。物理中的 δ 函数（「在 0 处无穷大、积分为 1」）不是函数，但人人都在用。Schwartz（1950）的洞察：不要问「δ 是什么」，要问「δ 作用在测试函数上得到什么」——即 δ(φ) = φ(0)。这就是分布。
定义。取测试函数空间 𝒟 = Cc∞(Ω)（无穷可微、紧支）。分布 = 𝒟 上的连续线性泛函 T : 𝒟 → 𝕂（「连续」指：φn 在 𝒟 中收敛 ⟹ T(φn) → T(φ)）。记分布空间为 𝒟′。「分布 = 广义的函数」：它把「逐点取值」替换成「对测试函数的积分」。
三个基本例。① 局部可积函数 f：Tf(φ) = ∫f φ dx（L1loc 函数都是分布）；② Dirac δ：δa(φ) = φ(a)（不是函数，但是分布）；③ δ 的导数：δ′(φ) = −φ′(0)（p158 的求导法则直接给出）。「函数 ⊂ 分布」——放宽而不失一致性。
为什么这是「解放」？因为分布可以任意求导（p158）：任何分布都有任意阶导数，代价是导数变得更「奇异」。于是：① 微分算子可以作用于一切分布（不再要求可导）；② 不连续函数、δ、甚至更奇异的对象都有「导数」；③ 微分方程可以在分布意义下求解。「用定义域换普适性——把可导性作为代价付出，换来算子作用的无处不在。」
★★★ 讲义 6.3：分布的运算——求导与乘积。
核心定义（分布的导数）。∂iT 由 (∂iT)(φ) = −T(∂iφ) 定义（符号来自分部积分：∫(∂if)φ = −∫f(∂iφ)，边界项因 φ 紧支而消失）。关键特点：右边只需要 T 作用（T 是分布），不需要 f 可导——故任何分布都有任意阶导数！
与经典求导的一致性。若 T = Tf（f ∈ C1），则 ∂iTf = T∂if（分部积分验证）——「分布求导」在光滑函数上就是「普通求导」，故是真正的推广。
三个漂亮的算例。① Heaviside 函数 H 的导数：H(x) = 1 (x > 0)、0 (x < 0)，则 H′ = δ（验证：H′(φ) = −H(φ′) = −∫0∞φ′ = φ(0) = δ(φ)）——「跳跃的导数 = δ」，这就是物理里「点电荷的密度」的来源；② |x| 的二阶导数：|x|′ = sgn(x)、|x|″ = 2δ；③ 求导的相容性：混合偏导可交换 ∂i∂jT = ∂j∂iT。
乘积的边界。分布 不能任意相乘（δ·δ 无定义！），但可以与光滑函数相乘：(fT)(φ) = T(fφ)（f ∈ C∞）。「分布 — 光滑函数」构成 𝒟′ 上的模结构。这条限制提醒我们：放宽定义域有代价——「乘法」这个在函数中天然的操作，在分布中只对一部分伴侣可行。（第六章末将提到，突破这一限制需要「波动前波」等更精细理论。）
★★★ 讲义 6.4：弱导数与弱解——「把方程的解放宽」。
弱导数。u ∈ L1loc 称有弱导数 v ∈ L1loc，若 ∫u φ′ dx = −∫v φ dx 对一切 φ ∈ Cc∞（即 ∂u = v 在分布意义下成立，且 v 恰是局部可积函数）。「弱导数 = 存在一个函数 v 充当导数」——比分布严格，比经典导数宽松。
例（弱导数的边界）。① u(x) = |x|：弱导数为 sgn(x) ∈ L∞loc——|x| 在 0 处不可导（经典），但有弱导数；② u = H（跳跃）：弱导数不存在（因为 δ 不是 L1loc 函数）——只有「分布导数」；③ u = x(1−x) 在 [0,1]：弱导数 = 1−2x（与经典一致）。「弱可导 ⊋ 经典可导，但弱导数未必是函数」——精确的层级关系。
弱解（weak solution）。考虑 −Δu = f（u ∈ H10）。乘以测试函数 φ 并分部积分：∫∇u·∇φ = ∫fφ 对一切 φ ∈ Cc∞（此式只含 u 的一阶导数，不再是「二阶」！）。任何满足此积分等式的 u ∈ H10 都称弱解——即使 u 只有一阶弱导数、谈不上「二阶可导」。
为什么「弱解」是必要的？① 存在性：经典解常常不存在（f 只连续，甚至只 L2），但弱解总存在（Lax–Milgram，p162）；② 唯一性与稳定性：弱解在 H1 中有唯一性、连续依赖；③ 正则性（bonus）：若 f 够光滑，弱解自动「升级」为经典解（椭圆正则性）——「先找最弱的解，再证明它比想象的更光滑」——现代 PDE 的标准两段式。
★★★★ 讲义 6.5：Sobolev 空间——「用弱导数造完备空间」。
定义。Wk,p(Ω) = {u ∈ Lp(Ω) : 所有 |α| ≤ k 阶弱导数 Dαu 都存在且 ∈ Lp}，配范数 ‖u‖Wk,p = (Σ|α|≤k‖Dαu‖pp)1/p。记号：Hk = Wk,2（Hilbert 空间！），H10 = H1 中在边界取 0（迹为 0）的子空间。
核心定理（Sobolev 空间完备）。Wk,p 是 Banach 空间；Hk 是 Hilbert 空间（内积 ⟨u,v⟩ = Σ|α|≤k∫Dαu Dαv）。证明思路：取 Cauchy 列 {un} ⟹ 每个 Dαun 是 Lp 的 Cauchy 列 ⟹ 各阶弱导数分别收敛（Lp 完备）⟹ 验证极限是原列的弱导数（定义 + 极限交换）。这就是第一章「完备化」思想的又一次兑现。
Sobolev 嵌入（震撼的定理）。当 k 足够大时，Wk,p 中的函数「自动」是连续函数：若 k > n/p，则 Wk,p(Ω) ⊆ C(Ω)（连续嵌入）。例如：H1(Ω) ⊆ L2*（n > 2 时，2* = 2n/(n−2)）；H2 ⊆ C0（n ≤ 3）。「弱可导性 + 足够阶数 ⟹ 光滑性」——这是「弱解升级为经典解」（正则性）的理论根据。
为什么 Sobolev 空间是「正确的舞台」？因为它同时满足三件事：① 完备（能量法、变分法都需要完备空间）；② 微分算子在其中有界（从 H1 到 L2，∇ 是有界算子——p156 第二条驯化路径）；③ 正交结构（H1 是 Hilbert 空间，可用投影、正交分解）。「PDE 的现代语言 = Sobolev 空间的几何 + 变分法」——本章余下全部内容都在这两件家具上展开。
★★★★ 讲义 6.6：变分原理与 Dirichlet 原理——「PDE = 极小能量」。
Dirichlet 原理（物理直觉的数学形式）。考虑 Dirichlet 问题 −Δu = f、u|∂Ω = 0。它等价于极小化能量泛函 J(u) = ½∫|∇u|2 − ∫f u（在 H10 上）。为什么？设 u 是极小元，对任意 φ 取 u + tφ（t 小），J 在 t = 0 取极小 ⟹ dJ/dt|t=0 = ∫∇u·∇φ − ∫fφ = 0 对一切 φ——这正是 p159 的弱方程！
物理翻译。J(u) = ½∫|∇u|2（弹性 / 电容 / 电阻能量）− ∫fu（外力功）。「自然状态 = 能量最小」——Dirichlet 原理把 PDE 变成了力学问题：膜的形状、静电势、稳态温度，都是某种能量的极小元。这是变分法的出发点（也是 p182 札记「从变分法到有限元」的主题）。
存在性证明（弱收敛 + 下半连续的经典三步）。① 有下界 + 强制：J(u) ≥ ½‖∇u‖2 − ‖f‖‖u‖ ≥ c‖u‖2 − C（用 Poincaré 不等式），故 J 有下界 ⟹ 取极小化序列 {un}，J(un) → inf J；② 抽弱收敛子列：由 coercivity，{un} 在 H10 中有界 ⟹（Hilbert 空间单位球弱紧，p105）存在子列 unk ⇀ u；③ 下半连续：J 是弱下半连续的（范数弱下半连续 ‖u‖ ≤ lim inf‖un‖，p105），故 J(u) ≤ lim inf J(unk) = inf J ⟹ u 是极小元。∎「弱紧性 + 下半连续 = 存在性」——变分法的通用引擎。
与第一章的呼应。第一章用「完备 + 压缩」证明不动点存在（Banach）；本章用「弱紧 + 下半连续」证明极小元存在（变分法）。两套存在性机器，一个靠压缩、一个靠紧性——它们共同构成泛函分析「存在性」的两大引擎。
★★★★ 讲义 6.7：Lax–Milgram 定理——「弱解存在唯一的万能钥匙」。
定理（Lax–Milgram）。H 是 Hilbert 空间，a(·,·) : H × H → 𝕂 是双线性型，满足：① 有界：|a(u,v)| ≤ M‖u‖‖v‖；② 强制（coercive / 椭圆）：a(u,u) ≥ α‖u‖2（α > 0）。则对每个连续线性泛函 F ∈ H*，存在唯一 u ∈ H 使 a(u, v) = F(v) 对一切 v ∈ H，且 ‖u‖ ≤ ‖F‖/α。
证明骨架（Riesz 表示的漂亮应用）。① 对固定 u，v ↦ a(u,v) 是连续线性泛函，由 Riesz 表示存在 Au ∈ H 使 a(u,v) = ⟨Au, v⟩；② A : H → H 线性、有界（由①）、且强制：α‖u‖2 ≤ a(u,u) = ⟨Au,u⟩ ≤ ‖Au‖‖u‖ ⟹ ‖Au‖ ≥ α‖u‖；③ 于是 A 单射、值域闭（下界推闭）；④ 证值域 = H：若 ran A ≠ H，取 0 ≠ w ⊥ ran A，则 α‖w‖2 ≤ a(w,w) = ⟨Aw,w⟩ = 0 矛盾；⑤ 由 Riesz 表示找到 F 对应的 f，令 u = A−1f 即得。∎整条证明只用了 Riesz 表示与投影（第四章）——「抽象存在性全靠几何」。
应用（弱解存在唯一）。取 H = H10(Ω)、a(u,v) = ∫∇u·∇v、F(v) = ∫fv。则：① 有界（Cauchy–Schwarz + Sobolev）；② 强制（Poincaré 不等式）。Lax–Milgram 立即给出 −Δu = f 的弱解存在且唯一——这就是 p159 弱解的存在性证明，只用了三行引用。
与第三章的呼应。Lax–Milgram 可看作「Hilbert 空间版的 Riesz 表示」：当 a(·,·) 是内积时，它就是 Riesz 表示（a(u,v) = ⟨u,v⟩）。更一般地，它把「非对称、非正定的椭圆型方程」也一网打尽（对流扩散方程、弹性力学方程）——这是 PDE 现代理论中使用最频繁的定理之一。
★★★ 讲义 6.8：椭圆算子与紧性——「逆算子紧，故谱离散」。
核心链条（本章最重要的技术回路）。① 椭圆算子 A = −Δ（配 Dirichlet 边界）在 H10 上「无界」，但其逆 A−1 : L2 → L2 有界（由 Lax–Milgram）；② Rellich–Kondrachov 定理：H10(Ω) ↪ L2(Ω) 是紧嵌入（有界 H1 序列在 L2 中有强收敛子列）；③ 于是 A−1 = (H1 ↪ L2) ∘ (有界) 是紧算子（紧嵌入复合有界算子仍紧）！④ 由 p132 紧算子谱定理，A−1 的谱 = 「特征值序列 + 0」⟹ A 的谱 = 「特征值序列趋向 ∞」——这就是「椭圆算子的谱是离散的、特征值趋于无穷」的完整证明！
Rellich 定理为什么成立？（直觉）在 H1 中有界 = 「函数 + 一阶导数」都有界 ⟹ 一致有界 + 等度连续（导数有界 ⟹ Lipschitz）⟹ Arzelà–Ascoli（p24）给出一致收敛子列 ⟹ 特别地在 L2 中强收敛。「紧嵌入 = Arzelà–Ascoli 的抽象版本」——第一章的紧性判据在这里第三次出场。
「算子无界但逆紧」的哲学。这条回路让「无界算子理论」完全落在「紧算子理论」的框架内：与其研究无界的 A，不如研究紧的 A−1（求 A 的谱 ⟺ 求 A−1 的特征值的倒数）。「倒过来看」是处理无界算子的核心技术——就像看「频率」要看「周期」而不是「周期」看「频率」。
与第五章的接口。本章的谱定理（Sturm–Liouville、Laplace 特征值）全部经由这条回路：自伴 + 无界 + 逆紧 ⟹ 谱 = 「实特征值序列 → ∞」，且特征函数构成 L2 的正交基——这正是第五章谱定理在无界情形的最佳推广（p164 详述）。
★★★★ 讲义 6.9：Sturm–Liouville 问题与特征值展开——「振动频率的数学」。
问题。−d/dx(p(x)u′) + q(x)u = λu、配边界条件（如 u(0) = u(1) = 0）。这是「弹性弦振动」「热传导」「量子一维势阱」共同的一维原型。
核心定理（Sturm–Liouville 定理）。设 p > 0、q 实、边界自伴。则存在：① 实特征值序列 λ1 < λ2 < … → ∞（单调递增、趋于无穷、无聚点）；② 对应的特征函数 {un} 构成 L2(0,1) 的完备规范正交系；③ 任意 f ∈ L2 有特征展开 f = Σ⟨f, un⟩un（L2 收敛）。证明骨架：把算子写成「自伴（第六章的 Sturm–Liouville 算子在自伴边界条件下自伴）+ 逆紧（p163）」，再用第五章的紧自伴谱定理。∎
特例（Fourier 级数的重生）。取 p ≡ 1、q ≡ 0：−u″ = λu、u(0) = u(1) = 0。解得 λn = n2π2、un = √2 sin(nπx)。于是第四章「Fourier 级数」在这里得到了全新的理解：它不是「三角函数的技术」，而是「Sturm–Liouville 问题的特征展开」！p151 实验③（Green 核特征值 ≈ 1/((n−½)π)2）正是这个定理的另一个边界条件的数值形态。
为什么这是「物理与数学的交汇点」？因为 λn 就是振动频率的平方：λn = n2π2 ⟹ 频率 ∝ n（谐波！）；Schrödinger 方程的特征值 = 能级；热方程的衰减率 = −λn（高频先冷）。「特征值问题 = 固有频率问题」——Sturm–Liouville 是「谱理论」这个概念在物理中最本源的形态（小提琴的泛音、原子的光谱，都是它的实例）。
★★★ 讲义 6.10：算子半群与热方程——「解 = etA」。
从常微分到偏微分。标量方程 u′ = au 的解是 u(t) = eatu(0)；算子方程 u′ = Au（A 是算子）的解形式上是 u(t) = etAu(0)——这就是算子半群。（「半群」因为 etA 只对 t ≥ 0 有意义，若不需可逆。）
例：热方程。热方程 ∂tu = Δu（u(0) = f）的解是 u(t) = etΔf。① 用 Fourier 变换（或特征展开）：若 f = Σ⟨f,un⟩un（−Δ 的特征展开），则 u(t) = Σe−λnt⟨f,un⟩un（每个模态按 e−λnt 衰减）；② 物理读法：高频（大 λn）衰减快 ⟹ 热传导「先抹平细节」——这就是「扩散」的数学本质；③ 由 λn → ∞（p163）知 etΔ 对 t > 0 是紧算子甚至无穷光滑化——「热传导瞬间光滑化初值」的解析根据。
半群的定义与 Hille–Yosida 定理。一族算子 {T(t)}t≥0 称 C0-半群，若 T(0) = I、T(s+t) = T(s)T(t)（半群律！）、t ↦ T(t)x 连续。Hille–Yosida 定理给出「T(t) = etA」的充要条件（A 闭、稠定、预解集含右半平面且满足预解估计）。「半群理论 = 用谱数据刻画时间演化」——这是泛函分析对动力系统的最大贡献。
与第四章的呼应。第四章的「酉算子 eiTt」（p145-B④）是 Schrödinger 演化的半群版本（单参数酉群）；热方程 etΔ 是「压缩半群」（不保范数，耗散）。「单参数算子族 = 时间的代数」——从量子力学到扩散方程，泛函分析用一套语言（半群 + 生成元 + 谱）统一了它们。
★★★ 讲义 6.11：谱逼近与数值方法——「让无穷维落地」。
核心问题。无穷维的特征值问题怎么算？答案：离散化 + 有限维近似。把算子 A 投影到有限维子空间 Vn（Galerkin 方法）：求 An = PnA|Vn 的特征值。则（对自伴算子）近似特征值从上方收敛（λk(n) ↓ λk）——「离散谱是真实谱的上界」（变分特征值原理：λk = mindim E=k maxu∈E⟨Au,u⟩/‖u‖2）。
方法一览（三种典型）。① 有限差分 / 有限元（p182 札记）：把空间分成网格，算子变成稀疏矩阵——椭圆 PDE 的谱计算的工业标准；② 谱方法 / Fourier 方法：用三角函数或多项式展开（第四章的完备正交系！），对光滑解精度超高；③ Krylov 子空间法（Lanczos / Arnoldi / 共轭梯度）：只做大矩阵-向量乘，不显式造矩阵——p181 实验的主角。三种方法都建立在「正交投影 + 完备正交系」这同一座第四章的地基上。
共轭梯度（p181 实验的结论）。求解椭圆方程离散化后的线性系统 Au = f（A 对称正定）：① CG 的迭代次数 ~ ½√κ(A)·ln(2/ε)（√条件数——远优于 Jacobi 的 ½κ·ln(2/ε)）；② 实验②③显示：一维问题 CG 100 步到机器精度，Jacobi 50000 步才到 1e−3；二维 Poisson（K = 1600）CG 仅 82 步；③ 理论上界 189 步与实测 82 步吻合。「谱（条件数）预测迭代性能」——这是第五章谱半径理论最实用的出口。
与第五章的接口。数值方法的收敛速率完全由谱决定：① 幂法的速率 ← 谱间隙 |λ2/λ1|；② CG 的速率的 ← √κ = √(λmax/λmin)；③ 稳定性 ← 谱位置（左半平面 / 单位圆内）。「算得动吗？跑多快？」——答案写在谱里。这就是为什么第五章的谱理论不是「理论装饰」，而是「计算说明书」。
★★★ 讲义 6.12：泛函分析在现代数学中的疆界。
几何分析（几何 × 泛函）。用变分法解几何问题：极小曲面 = 面积泛函的极小元；Ricci 流 = 几何演化的半群；黎曼几何中的 Laplace 算子谱（「能否听出鼓的形状？」——谱几何，Kac 1966）。「几何问题变分化为算子问题」——20 世纪几何的核心范式。
概率论（随机 × 泛函）。布朗运动的生成元是 Laplacian（½Δ）；Feynman–Kac 公式把热方程的解写成路径积分；大偏差原理用半群与谱刻画稀有事件；随机矩阵理论（Wigner 半圆律、Tracy–Widom 分布）研究随机算子的谱。「随机过程 = 算子半群 + 概率测度」——这也解释了为何 p155 的「弱紧性」在概率中至关重要（测度弱收敛 = Prokhorov 紧性）。
机器学习（数据 × 泛函）。① 再生核 Hilbert 空间（RKHS）：把「函数」当向量，用 Riesz 表示导出「核函数」——SVM、高斯过程、核方法全部建在这套 Hilbert 空间几何上；② 图 Laplacian 的谱：谱聚类、图上随机游走、谱图理论；③ 最优传输与 Wasserstein 度量：把「概率分布的空间」本身变成度量空间（泛函分析的「空间思维」的直接产物）。
总结（本章的疆界图）。泛函分析不是一个孤立的学科，而是一套关于「无穷维空间与作用」的通用语法——凡是有无穷自由度的系统（场、函数、分布、随机过程、数据集），都需要它。「泛函分析 = 现代数学的通用语言」——这句话在本章得到了最广泛的印证。
★★★ 讲义 6.13：三大定理的现代回响——「老定理的新生命」。
Hahn–Banach 的现代版。① 凸分析：分离超平面定理 → 凸集支持函数、Fenchel 对偶、Lagrange 对偶（优化的基石）；② 机器学习：线性可分性（感知机、SVM）；③ 金融数学：无套利定价 = 存在「定价泛函」（Hahn–Banach 的经济学化身）；④ 延拓定理 → 有界算子的保范延拓（算子理论基本工具）。
共鸣定理的现代版。① 弱* 紧性（Banach–Alaoglu：单位球在弱* 拓扑下紧）——变分法、最优控制、博弈论（Nash 均衡存在性）的关键；② 数值分析的稳定性：一族格式一致收敛 ⟺ 相容 + 稳定（Lax 等价定理，本质是共鸣定理）；③ 算子收敛理论：逐点收敛 + 一致有界 ⟹ 极限算子的性质。
开映射 / 闭图像的现代版。① PDE 的适定性：解算子连续依赖数据（稳定性的抽象形式）；② 闭算子理论：微分算子的「闭性」（在 Sobolev 框架下）→ 谱的良定义；③ 逆问题与正则化：逆算子无界 ⟹ 必须正则化（Tikhonov 正则化）；④ Fredholm 理论：椭圆算子的指标理论（Atiyah–Singer 指标定理的分析源头）。
「三大定理」的持久力来自哪里？因为它们抓住了泛函分析的三个永恒主题：存在性（Hahn–Banach：总有哪些对象）、一致性（共鸣：局部信息能否升级为整体信息）、可逆性（开映射 / 闭图像：方程能否稳定求解）。只要数学关心这三个问题，三大定理就会以新的面貌重现——这正是「经典定理」的定义。
★★★★ 讲义 6.14：从向量到算子——全书的总回顾。
六章的一条主线。① 第一章（距离）：给集合装上「靠近」（度量），得到收敛、完备、紧性。「空间 = 集合 + 结构」的第一次示范。② 第二章（长度）：加上线性与范数，得到 Banach 空间、对偶的雏形、可分性。③ 第三章（作用）：算子登场，有界 ⟺ 连续，三大定理撑起脊梁。④ 第四章（角度）：内积给出几何，投影、正交基、Parseval、Riesz 表示。⑤ 第五章（指纹）：谱决定可解性、收敛、动力学。⑥ 第六章（疆界）：弱化语言（分布、弱解、Sobolev）+ 变分改写，把工具送进 PDE 与现代应用。
三个「统一」的思想。① 「用结构识别对象」：从「集合」到「空间」（加结构）、从「元素」到「作用」（加算子）、从「算子」到「谱」（加不变量）——每一步都是「用更抽象的结构抓住更本质的性质」；② 「存在性与可计算性并重」：Banach 不动点（迭代可达）、Lax–Milgram（弱解唯一）、投影定理（最近点可构造）——本册的定理大多「附送算法」；③ 「弱化换普适」：弱收敛、弱解、广义函数——每次都「放宽一个条件，换来整个理论空间的扩展」。
要带走的三句话。① 「空间 = 集合 + 结构」——看到新对象，先问「有什么结构、能定义什么收敛」；② 「作用比对象更根本」——研究系统先看算子、看谱，而不是逐点看元素；③ 「弱化与变分是两大通用武器」——遇到硬问题，试着放宽解的概念、或把问题改写成极值问题。这三句话，就是「无穷维空间思维」的全部内核。
最后的提醒。本册是「初步」，只讲了泛函分析最核心的骨架：度量—范数—算子—内积—谱—应用。真正的泛函分析还要走进无界自伴算子的谱定理、C*-代数与 von Neumann 代数、分布与 PDE 的完整理论、算子半群、指标理论。但已经握有了通往它们的全部钥匙——「从向量到算子」，这只是开始。（综合站 p185–p198 将把六章地图合成一张总图，并留下二十四道跨章大题。）
★★★ 讲义 6.15：弱解与变分——两条路的汇合。
两条路，一个终点。求解 −Δu = f 有两条现代路线：① 弱解路线（p159）：把方程乘以测试函数、分部积分 ⟹ 找 u ∈ H10 使 ∫∇u·∇φ = ∫fφ；② 变分路线（p161）：找能量泛函 J(u) = ½∫|∇u|2 − ∫fu 的极小元。两条件其实是同一件事：极小元的「一阶变分 = 0」条件 恰好是弱方程（p161 的推导）。
「方程 ⟺ 极值」的普遍性。Euler–Lagrange 方程：J(u) = ∫L(x, u, ∇u)dx 的极小元满足 ∂L/∂u − div(∂L/∂∇u) = 0（弱形式）。物理中的每条守恒律、力学中的每个最小作用量原理，都是这个格式的特例：Fermat 原理（光走最短时间）、Hamilton 原理（最小作用量）、Dirichlet 原理（最小能量）。「自然极值原理」——变分法把物理学翻译成了泛函分析。
两条路的分工。① 存在性：变分路线更好用（弱紧性 + 下半连续，p161）；② 唯一性 / 一般性：弱解路线更好用（Lax–Milgram 处理非对称问题，p162）；③ 数值实现：变分路线直接给出 Galerkin / 有限元（把空间限制到有限维子空间再极小化）；④ 正则性：两条路都要用（先得弱解，再证其光滑）。「先用变分得存在，再用方程得性质」——现代 PDE 的标准工作流。
本章收束。弱化语言（分布、弱导数、弱解、Sobolev）+ 变分改写（能量极值、Lax–Milgram、紧性回路）——这两套工具把前五章的有界算子理论，成功地搬进了无界算子与偏微分方程的疆界。接下来（p171–p183）做例题、习题、地图、小结、真跑实验，最后（p184）走向综合站。
★★ 常见误读：无界算子的四个误区。
误区一：以为「无界算子不能用泛函分析」。恰恰相反：无界算子是现代泛函分析的主战场——量子力学、PDE、谱理论的核心算子都无界。关键在于「改造方法」：不走「有界 ⟺ 连续」，而走「闭算子 + 稠密定义域 + 逆紧」这条路（p156 四条路）。纠正：无界 ≠ 不可研究；只是需要更精细的技术框架。
误区二：把 δ 函数当「普通函数」用。δ「在 0 处无穷大、积分为 1」不是函数（不存在这样的函数）。正确理解：δ 是分布——它只在「对测试函数作用」时才有意义（δ(φ) = φ(0)）。由此 δ 可以求导（δ′），但不能自乘（δ2 无意义）。纠正：δ 是泛函，不是函数；分布只能与光滑函数相乘。
误区三：以为「弱解只是权宜之计」。弱解不是「退而求其次」：① 它是唯一在一般数据下存在的解概念（经典解常常不存在）；② 它有更好的稳定性（能量范数下连续依赖数据）；③ 它有正则性升级（数据光滑 ⟹ 弱解自动变成经典解）。纠正：弱解是「正确的解」，经典解只是它的光滑特例。
误区四：忘记「变分法需要下半连续」。「极小化序列」不一定是「极小元」——极限可能「变小」（inf 不取到）。所以变分法必须验证 J 的弱下半连续性（p161-③），否则存在性不成立（例：J(u) = e−u 在 ℝ 上 inf = 0 但取不到）。纠正：存在性 = 弱紧（取子列）+ 下半连续（子列极限还是极小元）；缺一不可。
★★★ 例题精讲：弱导数演算。
例 1（|x| 的弱导数）。u(x) = |x|。断言 u′ = sgn(x)。验证：对 φ ∈ Cc∞(ℝ)，−∫|x|φ′(x)dx = −[∫0∞xφ′ − ∫−∞0xφ′] = −[−∫0∞φ + ∫−∞0φ] = ∫0∞φ − ∫−∞0φ = ∫sgn(x)φ(x)dx ✓（分部积分时用了 φ 紧支 ⟹ 边界项为零）。结论：|x| 虽在 0 处经典不可导，却有弱导数 sgn ∈ L∞。
例 2（Heaviside 的弱导数是否存在？）。u = H（跳跃函数）。断言弱导数不存在（作为 L1loc 函数）。证明：若存在 v ∈ L1loc 使 −∫Hφ′ = ∫vφ 对一切 φ，则 −∫0∞φ′ = ∫vφ，即 φ(0) = ∫vφ——但「φ ↦ φ(0)」不是任何 L1loc 函数的积分（否则取 φn → 0 处处且支撑缩到 0，左边 = φn(0) = 1 而右边 → 0，矛盾）。结论：H 的分布导数是 δ（合法），但弱导数不存在——两个概念必须分清。
例 3（分段函数的弱导数）。u(x) = x (x ∈ (0,1))、1−x (x ∈ [1,2))、0 其他（三角波）。则 u 弱可导（连续分段线性），u′ = 1 在 (0,1)、−1 在 (1,2)、0 其他——u 连续 ⟹ 无 δ 出现；反之若 u 在 1 处跳跃，u′ 就会含 δ。
方法论。弱导数演算三步：① 先猜（去掉不可导点的经典导数）；② 分部积分验证（注意边界项因 φ 紧支而消失）；③ 检查是否 ∈ L1loc（不是则只有分布导数，没有弱导数）。「连续 ⟹ 弱可导但可能有角点；跳跃 ⟹ 弱导数不存在（只有分布导数）」——这条判据背熟。
★★★ 例题精讲：变分法的手演。
例 1（最短弧 —— 直线）。泛函 J(y) = ∫01√(1 + y′2)dx（曲线长度），y(0) = 0, y(1) = 1。Euler–Lagrange：L = √(1+y′2) 不显含 x, y ⟹ ∂L/∂y′ = y′/√(1+y′2) = 常数 ⟹ y′ = 常数 ⟹ y = x（直线）。几何直觉得证：两点间最短路径是直线。
例 2（极小旋转面 —— 悬链面）。J(y) = 2π∫aby√(1+y′2)dx。Euler–Lagrange 得 y√(1+y′2) = c ⟹ y = c·cosh((x−x0)/c)（悬链线）——旋转后即「悬链面」，肥皂膜的形状。「物理实验（肥皂膜）与变分法计算给出同一曲线」——这是变分法最动人的验证。
例 3（Dirichlet 能量 —— 手演弱解）。求 J(u) = ½∫01(u′)2dx − ∫01fu dx、u(0)=u(1)=0 的极小元。一阶变分：对 u + tφ 求导置零得 ∫u′φ′ = ∫fφ 对一切 φ（弱形式）；分部积分（u 足够光滑时）得 −u″ = f，配边界条件 u(0) = u(1) = 0。「极小元 = 边值问题的解」——Dirichlet 原理的完整手演。
例 4（Euler–Lagrange 的推导）。J(u) = ∫L(x,u,u′)dx；设 u 极小，取 u + tφ（φ 紧支光滑）。dJ/dt|t=0 = ∫(∂L/∂u·φ + ∂L/∂u′·φ′)dx = 0。第二项分部积分（φ 边界为 0）：∫[∂L/∂u − d/dx(∂L/∂u′)]φ dx = 0 对一切 φ ⟹ ∂L/∂u − d/dx(∂L/∂u′) = 0（Euler–Lagrange 方程）。∎
方法论。变分手演三步：① 写出泛函 J；② 取扰动 u + tφ、对 t 求导置零（得到「弱形式」）；③ 分部积分还原成「微分方程 + 边界条件」。「极小 ⟹ 弱形式 ⟹ 强方程」——变分法解题的固定流程（有限元的理论基础就在第 ② 步）。
★★★ 习题课（一）：Sobolev 与弱解。
A 组（弱导数，四题）。① 求 u(x) = max(0, x)（ReLU）的弱导数——是否存在？等于什么？② 求 u(x) = min(x, 1−x)（在 [0,1] 上）的弱导数。③ 证明：若 u 连续且有弱导数 v ∈ L1loc，则 v 是「几乎处处」意义下的经典导数。
B 组（Sobolev 与弱解，四题）。① 证明 H1(0,1) ⊆ C[0,1]（一维 Sobolev 嵌入）——用「u(x) = u(0) + ∫0xu′」+ Cauchy–Schwarz。② 证明 Poincaré 不等式：‖u‖L2 ≤ C‖u′‖L2（u ∈ H10(0,1)）——由 u(x) = ∫0xu′ 估计。③ 验证 a(u,v) = ∫01u′v′ dx 在 H10 上满足 Lax–Milgram 的两条假设（有界 + 强制）。④ 写出 −u″ + u = f（u(0)=u(1)=0）的弱形式，并指出对应的双线性型与其强制性（用 ‖u‖H12 = ∫(u′2 + u2)）。
难题（带星）。（★）证明弱解的唯一性：若 u1, u2 都是 −u″ + u = f 的弱解，则 u1 = u2（提示：w = u1 − u2 满足齐次弱方程 ∫(w′φ′ + wφ) = 0；取 φ = w，用强制性得 ‖w‖H1 = 0）。
小结。本节的核心工具只有一个：「多重积分 + 分部积分 + Cauchy–Schwarz/Poincaré」。Sobolev 理论的每个证明，都是这三件工具的组合。把 Poincaré 不等式当成「无穷维的『函数不能只靠高层信息』」的定量版——它是 Lax–Milgram 强制的来源。
★★★ 习题课（二）：分布演算。
A 组（分布运算，四题）。① 证明 H′ = δ（H 为 Heaviside 函数）。② 证明 (sgn x)′ = 2δ（sgn = 2H − 1）。③ 求 u(x) = |x| 的二阶分布导数（= 2δ）。④ 证明分布求导与极限可交换（在分布收敛意义下）。
B 组（分布与 PDE，四题）。① 在分布意义下解 u′ = δ（得 u = H + 常数）。② 在分布意义下求解 u″ = δa（得「Green 函数」，即 u = (x − a)+ + 线性项）。③ 说明为什么 δ 不能自乘（δ2 无定义）：从「φn → δ 但 φn2 的极限依赖 φn 的选择」说明。④ 证明：若 T 是分布且 ∂iT = 0 对一切 i，则 T 是常数（分布的「Morse 引理」）。
难题（带星）。（★）基本解：设 L = d2/dx2，求 E 使 L E = δ（即 E″ = δ）。答：E(x) = x+ = max(x,0)。由此证明「卷积 E * f 解 u″ = f」（因为 (E*f)″ = E″*f = δ*f = f）。这是「Green 函数法解方程」的分布版本——第 ③ 题与第 ④ 题合起来就是「用分布解 ODE」的完整套路。
预告。「基本解 + 卷积」在更高维（ΔE = δ 得 Newton 势 1/|x|n−2）就是调和分析的核心对象——相邻领域正是从这里展开。分布不止是「宽松的函数」，它是现代分析的通用语言。
★★ 第六章地形：三条新路（上排）建在两块地基（下排）上。
上排三条新路。① 弱化语言：分布 → 弱导数 → 弱解 → Sobolev 空间（把「解」的定义放宽到能量有限）；② 变分与存在：Dirichlet 原理 → Lax–Milgram → 弱紧 + 下半连续（把 PDE 写成极值问题）；③ 谱与演化：Rellich 紧嵌入 → Sturm–Liouville 展开 → 半群 etA（把谱理论用到无界算子与时间演化）。
下排两块地基（前五章的回收）。① 弱收敛 → 变分存在性（第四章 p105 的弱紧性）、Riesz 表示 → Lax–Milgram（第四章 p104）；② 紧算子 → 椭圆算子谱离散（第五章 p132）、函数演算 → 算子半群（第五章 p136）。本章没有引入任何「全新」的抽象工具——所有零件都是前五章造的，只是装到了一台新机器上。
图的读法。从上往下看，本章是「应用篇」：如何把抽象理论搬进 PDE；从下往上看，本章是「统合篇」：前五章的工具在此完成最后一次组装。这也解释了本章为何以「现代疆界」为题——它既指向外部（PDE 与现代应用），也完成内部（六章闭环）。p184 之后，全书进入综合站：把六章地图合为一张总图。
★★ 第六章小结（上）：弱化的语言。
概念清单（六件）。分布（广义函数）；测试函数空间 𝒟；弱导数；弱解；Sobolev 空间 Wk,p / Hk / H10；迹（边界值）。
定理清单（五件）。① 局部可积函数都是分布，δ 是分布（非函数）；② 分布可任意阶求导（(∂T)(φ) = −T(∂φ)），但不能自乘；③ 弱导数 ⟹「连续则弱可导、跳跃则只有分布导数」；④ Sobolev 空间完备（Hk 是 Hilbert 空间）；⑤ Sobolev 嵌入（k > n/p ⟹ Wk,p ⊆ C，正则性的来源）。
「弱化」的三级阶梯（重要对照）。经典函数 ⊂ 弱可导函数（L1loc + 弱导数存在） ⊂ 分布。每放宽一级，可作用的算子更多、可求的导数更高，但失去的性质也更多（乘法、逐点取值、唯一性）。「放宽到哪里停」由问题决定：变分法用 H1（保留 Hilbert 几何 + 弱导数）、一般线性 PDE 用分布。
方法论三则。① 「乘以测试函数 + 分部积分」：一切弱形式的生成公式；② 「先弱后强」：先在最弱框架下证存在唯一，再证正则性；③ 「分布的代价是乘法」：放宽定义域后，原本自然的运算（乘积）可能失效——记住这条边界。
一句话记住弱化侧：分布是「广义函数」，弱导数是「够用的导数」，弱解是「正确的解」；Sobolev 空间是「弱导数下的完备空间」——弱化不是让步，而是把理论扩展到「包括经典情形」的正确方式。
★★ 第六章小结（下）：变分与代数化的语言。
变分法的三件套。① Dirichlet 原理：PDE ⟺ 能量泛函极小元（Euler–Lagrange）；② 存在性引擎：弱紧（取子列）+ 弱下半连续（子列极限还是极小元）；③ Lax–Milgram：有界 + 强制 ⟹ 弱解存在唯一、连续依赖 —— PDE 适定性的万能钥匙。
谱与演化的回路。① Rellich 紧嵌入（H10 ↪ L2 紧）+ 逆算子有界 ⟹ A−1 紧 ⟹ 谱离散（特征值 → ∞）；② Sturm–Liouville：特征值递增、特征函数构成 L2 正交基（第四章 Fourier 级数的本源）；③ 半群：解 = etA，热方程 u(t) = Σe−λnt⟨f,un⟩un（高频先冷）。
数值方向的三句话。① 离散化 + Galerkin：把无穷维投影到有限维（近似特征值从上方收敛）；② CG 的速率 ~ √κ（√条件数，远优于 Jacobi 的 κ）——p181 实验实测 82 步 vs 理论上界 189 步；③ 谱预测性能：λ1, λ2 分布决定迭代快慢。「谱 = 计算的说明书」是第五章理论最实用的出口。
一句话记住变分与演化侧：PDE = 极小能量问题（变分）；存在唯一 = 弱紧 + 下半连续 / 有界 + 强制；无界算子靠「逆紧」驯服；时间演化靠「半群 + 谱」刻画。
★★★ 思想卡：放宽定义域，换取整个世界。
第六章最重要的思想，不在任何一条单独定理，而在一种「策略」：当一个问题在严格的框架下无解时，不要硬碰——放宽框架本身。微分算子无界？把函数放宽成分布。经典解不存在？把解放宽成弱解。空间不完备？加弱导数把它补全成 Sobolev 空间。每一次放宽，都损失一些「好看的性质」（乘法、逐点取值），却换来「问题终于可解」。
放宽的三重红利。① 存在性：宽松框架里总能找到「广义解」（Lax–Milgram 保证弱解存在唯一）；② 完备性：宽松框架自动是 Banach / Hilbert 空间（Sobolev 空间），一切第一章的机器（完备、Baire、紧性）重新可用；③ 回归性：数据足够光滑时，广义解自动「升级」为经典解（正则性）——所以放宽不是「降低标准」，而是「把经典情形包进来」。
这是数学中反复出现的「扩张—收缩」辩证。回顾全书：第一章「距离」把「极限」抽象（扩张），再证明「完备」时找出哪些空间够好（收缩）；第二章「范数」扩张到无穷维（扩张），再指出「有限维护身符」何时失效（收缩）；第四章「内积」放宽（扩张），再识别「可分 ⟹ ℓ2 唯一」（收缩）。「先扩张到能容纳问题，再收缩到能控制问题」——这是 20 世纪数学最深层的方法论节奏。
思想的迁移。放宽定义域这条策略，在计算机科学里叫「抽象」（用更一般的接口容纳更多实现），在工程里叫「正则化」（把无解的病态问题变成有解的邻近问题），在管理里叫「允许近似」——「实用主义地把定义放宽一点，反而能解决原本无解的问题」。本章给出的，正是这条策略最精确的数学形态：放宽到「恰好能完备、恰好能包含经典情形」的那一层。
★★★★ 挑战：Lax–Milgram 定理的完整证明。p162 给了骨架，这里逐步拧紧，并补上值域闭性的细节。
定理。H 是 Hilbert 空间，a(·,·) 有界（|a(u,v)| ≤ M‖u‖‖v‖）且强制（a(u,u) ≥ α‖u‖2，α > 0）。则对每个 F ∈ H*，存在唯一 u ∈ H 使 a(u,v) = F(v) ∀v ∈ H，且 ‖u‖ ≤ ‖F‖/α。
第一步（把 a 表示成算子）。固定 u，映射 v ↦ a(u,v) 是 H 上的连续线性泛函（有界性：|a(u,v)| ≤ M‖u‖‖v‖ ⟹ 范数 ≤ M‖u‖）。由 Riesz 表示定理（p104），存在唯一 Au ∈ H 使 a(u,v) = ⟨Au, v⟩ 对一切 v。映射 u ↦ A 线性，且 ‖Au‖ ≤ M‖u‖（有界）。
第二步（A 单射且有下界）。由强制性：α‖u‖2 ≤ a(u,u) = ⟨Au, u⟩ ≤ ‖Au‖·‖u‖（Cauchy–Schwarz）⟹ ‖Au‖ ≥ α‖u‖。于是 Au = 0 ⟹ u = 0（单射）；且 ‖Au − Av‖ ≥ α‖u − v‖（「无平方根」下界）。
第三步（值域闭）。设 Aun → w。由 ‖un − um‖ ≤ (1/α)‖Aun − Aum‖ 知 {un} Cauchy，un → u（H 完备）；由 A 连续，Aun → Au，故 w = Au ∈ ran A。第 ② 步的下界把「值域闭」这个拓扑性质变成了一行估计。
第四步（值域 = H）。反设 ran A ≠ H（闭真子空间）。由 投影定理（p99）存在 0 ≠ w ⊥ ran A。则 α‖w‖2 ≤ a(w,w) = ⟨Aw, w⟩ = 0（因 Aw ∈ ran A ⊥ w）——矛盾。故 ran A = H，A 是（线性有界）双射；由 开映射 / 有界逆（p73），A−1 有界且 ‖A−1‖ ≤ 1/α。
第五步（解出 u）。给定 F，由 Riesz 表示存在 f ∈ H 使 F(v) = ⟨f, v⟩ ∀v。令 u = A−1f，则 a(u,v) = ⟨Au,v⟩ = ⟨f,v⟩ = F(v) ∀v ✓。唯一性：两个解之差 w 满足 a(w,v) = 0 ∀v，取 v = w 与强制性得 ‖w‖ = 0。估计：‖u‖ = ‖A−1f‖ ≤ (1/α)‖f‖ = (1/α)‖F‖（Riesz 保持范数）。∎
任务（两则）。① 说明为什么「强制」不能换成「a(u,u) ≠ 0」（需要在某个「方向」上有一致正下界；仅非零不足以控住所有 u）。② 写出对称型 a 时的变分解释：此时 u 是 J(v) = ½a(v,v) − Re F(v) 的唯一极小元，且 a(u,u) = min（Dirichlet 原理的抽象版）。
★★★ 把第六章的数值侧真跑一遍：共轭梯度解一维 / 二维椭圆方程，并与 Jacobi 对照。
import numpy as np
def cg(A, b, tol=1e-12, maxit=5000):
u = np.zeros_like(b); r = b - A @ u; p = r.copy()
rs_old = r @ r; nb = np.linalg.norm(b); hist = [np.sqrt(rs_old)/nb]
for k in range(1, maxit+1):
Ap = A @ p; alpha = rs_old / (p @ Ap)
u += alpha * p; r -= alpha * Ap; rs_new = r @ r
hist.append(np.sqrt(rs_new)/nb)
if np.sqrt(rs_new)/nb < tol: break
p = r + (rs_new/rs_old) * p; rs_old = rs_new
return u, k, hist
# ① 一维椭圆 −u''=1 on (0,1)，u(0)=u(1)=0，精确解 u = x(1−x)/2
N = 200; h = 1.0/(N+1)
A = (1.0/h**2)*(np.diag(2*np.ones(N))+np.diag(-np.ones(N-1),1)+np.diag(-np.ones(N-1),-1))
x = np.linspace(0,1,N+2)[1:-1]; f = np.ones(N); u_exact = x*(1-x)/2
u_cg, iters, hist = cg(A, f)
print(f"CG 迭代 {iters} 步；误差 max|u_CG − u_exact| = {np.max(np.abs(u_cg-u_exact)):.3e}")
# ② 对照 Jacobi（正确形式：u_new[i] = ½(u[i−1]+u[i+1]) + ½h²f[i]）
u = np.zeros(N)
for k in range(1, 50001):
un = np.zeros(N)
un[0] = 0.5*u[1] + 0.5*h*h*f[0]; un[-1] = 0.5*u[-2] + 0.5*h*h*f[-1]
un[1:-1] = 0.5*(u[:-2]+u[2:]) + 0.5*h*h*f[1:-1]
u = un
if k in (100,1000,10000,50000):
print(f" Jacobi k={k:6d}: ‖r‖/‖r_0‖ = {np.linalg.norm(f-A@u)/np.linalg.norm(f):.3e}")
# ③ 二维 Poisson −Δu=1 on (0,1)²，u|∂Ω=0（40×40 网格，CG）
n2 = 40; h2 = 1.0/(n2+1); K = n2*n2
A2 = np.zeros((K,K)); b2 = np.ones(K)
for i in range(1, n2+1):
for j in range(1, n2+1):
r = (i-1)*n2 + (j-1); A2[r, r] = 4.0/h2**2
for di, dj in ((1,0),(-1,0),(0,1),(0,-1)):
ii, jj = i+di, j+dj
if 1 <= ii <= n2 and 1 <= jj <= n2: A2[r,(ii-1)*n2+(jj-1)] = -1.0/h2**2
u2, it2, hist2 = cg(A2, b2, tol=1e-10)
print(f"二维 Poisson K={K}：CG {it2} 步，‖r‖/‖b‖={hist2[-1]:.3e}")
实跑输出：
① 一维椭圆 −u''=1（N=200），共轭梯度求解
CG 迭代次数 = 100（‖r‖/‖b‖ < 1e-12）
误差 max|u_CG − u_exact| = 5.551e-17 （机器精度级）
k= 5: 1.129e-01
k= 30: 6.151e-02
k=100: 5.551e-17
② 对照 Jacobi 迭代
Jacobi k= 100: ‖r‖/‖r_0‖ = 9.445e-01
Jacobi k= 1000: ‖r‖/‖r_0‖ = 8.051e-01
Jacobi k= 10000: ‖r‖/‖r_0‖ = 2.661e-01
Jacobi k= 50000: ‖r‖/‖r_0‖ = 2.009e-03
③ 二维 Poisson（40×40，K=1600，−Δu=1）：CG 迭代 82 步
残差 ‖r‖/‖b‖ = 9.606e-11；解的最大值（中心）= 0.07356
④ 二维 Laplacian 条件数 κ(A) ≈ 680.6
CG 理论上界 ≈ ½√κ·ln(2/ε) ≈ 189 步（实际 82）
Jacobi 上界 ≈ ½κ·ln(2/ε) ≈ 4937 步
⑤ 右端 = 特征函数（f=π²sin πx）：CG 仅 2 步收敛到机器精度
★★ 格物札记：从变分法到有限元。
1696：Newton 与 Bernoulli 的最速降线。Johann Bernoulli 公开提出「最速降线」问题；Newton 一夜解出（用几何方法）。这是变分法的起点——「在无穷多条曲线中选最好的那条」。Euler（1744）与 Lagrange（1755）系统化了 Euler–Lagrange 方程，把「选曲线」变成「解微分方程」。
1847：Dirichlet 原理与它的百年风波。Dirichlet（Riemann 的老师）提出「极小化能量即得解」，Riemann 用它构造了函数论的基础。但 Weierstrass 指出致命缺陷：极小化序列的极限可能「不存在」（因为当时的「函数空间」不完备）！这个漏洞困扰数学界半个世纪，直到 1900 年代 Hilbert 用完备空间 + 弱紧性把它补好——这就是 p161 的「弱紧 + 下半连续」的来历。泛函分析的一大部分，就是为修补 Dirichlet 原理的漏洞而生的。
1950s–1960s：有限元方法（FEM）。R. Courant（1943）提出「用分片多项式逼近」；1950 年代航空工程师（Turner, Clough）独立发明「有限元」；1960 年代数学家（Ciarlet, Babuška）把它建立在 Galerkin 变分框架上：取有限维子空间 Vh ⊂ H10，在 Vh 上解弱形式 ⟹ 线性方程组。本章的两条线（变分 = 弱形式）在这里合流成工程界的支柱方法。
札记的结论。变分法三百年史，走过「几何直觉（Bernoulli）→ 微分方程（Euler–Lagrange）→ 漏洞（Weierstrass）→ 修复（Hilbert 泛函分析）→ 工程化（有限元）」。「一个 18 世纪的物理原理，经过 20 世纪的抽象修补，变成了 21 世纪计算工程的基石」——这正是泛函分析「抽象为了应用」的最佳注解：那些看似遥远的「完备性、弱紧性、下半连续」，最终兑现为每一台工程计算机里的有限元程序。
★★ 速查：第六章概念与公式。考前一页纸，逐条过。
| 对象 / 定理 | 陈述（速记） | 备注 |
|---|---|---|
| 分布 | 𝒟 = Cc∞ 上的连续线性泛函 | 函数 ⊂ 分布 |
| Dirac δ | δ(φ) = φ(0) | 分布，非函数 |
| 分布求导 | (∂T)(φ) = −T(∂φ) | 任意阶可导；不可自乘 |
| H′ = δ | H 为 Heaviside | 跳跃 → δ |
| 弱导数 | ∫uφ′ = −∫vφ（v ∈ L1loc） | 比分布强（要求是函数） |
| Sobolev 空间 | Wk,p；Hk = Wk,2 | 完备；Hk 是 Hilbert |
| Sobolev 嵌入 | k > n/p ⟹ Wk,p ⊆ C | 正则性的来源 |
| 弱解 | ∫∇u∇φ = ∫fφ ∀φ ∈ Cc∞ | 只含一阶导数 |
| Dirichlet 原理 | −Δu = f ⟺ min J(u) = ½∫|∇u|2 − ∫fu | PDE = 极值 |
| 存在性引擎 | 弱紧 + 弱下半连续 ⟹ 极小元存在 | 取弱收敛子列 |
| Lax–Milgram | 有界 + 强制 ⟹ 弱解存在唯一 | PDE 万能钥匙 |
| Rellich 定理 | H10 ↪ L2 紧嵌入 | A−1 紧 → 谱离散 |
| Sturm–Liouville | λn ↑ ∞；{un} 是 L2 正交基 | 特征展开；Fourier 的本源 |
| 算子半群 | u′ = Au ⟹ u(t) = etAu(0) | 热方程 etΔ |
| CG 速率 | 迭代数 ~ ½√κ·ln(2/ε) | 远优于 Jacobi 的 ½κ |
易忘三则。分布不能自乘（δ2 无定义）；「连续 ⟹ 弱可导、跳跃 ⟹ 只有分布导数」；变分存在性必须验「弱下半连续」。
★★★ 六章正文完成，p185 起进入综合站（p185–p198，14 页）——把全书地图合成一张总图，并留下跨章训练。
综合站的五个板块。① 概念总图与方法决策树：一张「无穷维的语法总表」+ 一张「拿到算子先问什么」的流程图——把六章的知识压缩成可查阅的两页；② 两条札记：「空间观念的三次跃迁」（距离→范数→内积）与「对偶思想的谱系」（Hahn–Banach → Riesz → 弱收敛 → 自反）；③ 两个真跑实验：不动点与迭代（回收第一章）／谱逼近与 Parseval 对拍（回收第四、五章）；④ 跨章训练：六道大题（每题横跨两到三章）+ 二十四问评讲；⑤ 收官三件：挑战「谱定理的算子演算」、双小结（「空间思维的成型」「泛函分析的地平线」）、总速查表。
综合站的作用。六章正文是「纵向上山」，综合站是「横向缝合」：把同一个思想在不同章节的化身排在一起（例如：第一章的完备化 / 第二章的绝对收敛律 / 第五章的谱非空，都是「完备性」的兑付现场）。只有做过这次缝合，知识才从「六章」变成「一个整体」。
继续往前。p185 开始：概念总图 → 方法决策树 → 札记×2 → 实验×2 → 挑战 → 习题与评讲 → 小结×2 → 总速查。读完综合站，这本《泛函分析初步》就完整了——而「无穷维空间思维」，也在此真正成型。
★★★ 六章正文读完，p185 起是综合站：不引入新知识，只做三件事——缝合（把各章同一思想的化身排在一起）、压缩（把全书压成两张可查阅的总图）、检验（跨章大题与真跑实验）。
为什么需要综合站？因为六章是「纵向上山」，每章解决一类问题，却容易「学了后面忘了前面」：第一章的 Baire 纲在第五章还债、第二章的绝对收敛律在第五章重演、第三章的 Riesz 表示在第四章变成几何、第四章的投影在第六章成为变分法的引擎。不做横向缝合，这些联系就看不见；看不见联系，学到的就只是六袋零件，而不是一台机器。
综合站的路线（p186–p198）。① 知识地图（p186）：六章纲要 + 依赖关系；② 两条札记（p187–p188）：空间观念的三次跃迁 / 对偶思想的谱系——两条主线的思想史；③ 两张总图（p189–p190）：无穷维的语法总表 / 拿到算子先问什么的决策树；④ 两个真跑实验（p191–p192）：不动点与迭代（回收第一章）/ 谱逼近与 Parseval（回收第四五章）；⑤ 跨章训练（p193–p195）：挑战「谱定理的算子演算」+ 六道大题 + 二十四问评讲；⑥ 收官（p196–p198）：双小结 + 总速查表。
一种读法建议。若只有一小时复习：读 p189 的总图、p190 的决策树、p198 的速查——三页即可回顾全书骨架；若要真正掌握：把 p194 的六道大题独立做一遍，再对照 p195 的评讲。「综合站不是附录，而是全书的『第二遍』。」
★★★ 讲义：全书知识地图——六章的骨架与依赖。
| 章 | 核心对象 | 核心定理 | 留下的工具 |
|---|---|---|---|
| 一 距离 | 度量空间 / Cauchy 列 | 完备化；Banach 不动点；Baire 纲；Arzelà–Ascoli | 收敛、完备、紧性 |
| 二 长度 | 赋范空间 / Banach | 等价范数（有穷维）；绝对收敛律；商 / 积 / 可分 | 范数、Banach、ℓp / C[a,b] |
| 三 作用 | 有界算子 / 对偶 | 有界⟺连续；Hahn–Banach；共鸣；开映射 / 闭图像 | B(X,Y)、对偶 X*、弱收敛 |
| 四 角度 | 内积 / Hilbert | 投影定理；Bessel / Parseval；ℓ2 模型；Riesz 表示 | 投影、正交基、伴随 T* |
| 五 指纹 | 谱 σ(T) | Gelfand 公式；谱定理（谱分解）；紧算子谱；Fredholm | 谱半径、谱测度、函数演算 |
| 六 疆界 | 无界算子 / PDE | Sobolev；Dirichlet 原理；Lax–Milgram；Sturm–Liouville | 分布、弱解、半群、数值法 |
纵向依赖（谁用谁）。① 完备性（一）→ 支撑 Banach 空间（二）→ 支撑 三大定理（三）→ 支撑 谱非空与紧算子（五）；② 对偶（三）→ 经 Riesz 表示（四）几何化为 内积 → 演化为 弱收敛 → 用于 变分存在性（六）；③ 投影/正交（四）→ 成为 谱分解（五）的零件 → 成为 Galerkin/有限元（六）的算法。
横向重现（同一思想的多次登场）。① 完备性的兑付现场：完备化定理（一）、绝对收敛律（二）、B(X,Y) 完备（三）、Hilbert/ℓ2（四）、谱非空（五）、Sobolev 完备（六）——六章各有一次；② 紧性的兑付现场：Arzelà–Ascoli（一）、有穷维护身符（二）、Banach–Alaoglu 弱* 紧（三/四）、紧算子（五）、Rellich 紧嵌入（六）；③ 级数：几何级数（一）、绝对收敛（二）、Neumann 级数（三/五）、Fourier 级数（四）、特征展开（六）。
一句话地图。「完备性是全书的发动机，对偶是贯穿的暗线，几何（内积/投影）是最高效的简化器，谱是最有用的不变量，弱化与变分是走向应用的两条出口。」把这句背下来，六章就串成了一条链。
★★ 格物札记（一）：空间观念的三次跃迁。
第一次跃迁（1906–1918）：从「实数轴」到「度量空间」。Fréchet 与 Hausdorff 把「极限」从具体数轴上解放出来：只要有距离，就有收敛、完备、紧。「靠近」成了公理——这是第一次跃迁，代价是失去「加减乘除」，收获是「收敛概念的普适化」。
第二次跃迁（1920–1932）：加上代数——从「度量空间」到「Banach 空间」。Banach 把「长度」与「线性运算」结合：有了范数，「两倍」「子空间」「对偶」这些代数器官才生长出来。「空间 = 集合 + 拓扑 + 代数」的三位一体在此成型。这是第二次跃迁：从「只有远近」到「有远近、有方向、有倍数」。
第三次跃迁（1929–1932）：加上几何——从「Banach 空间」到「Hilbert 空间」。von Neumann 引入内积，让「角度」「正交」「投影」回归。有了内积，无穷维空间重新获得了「可想象」的几何（正交基 = 坐标系，投影 = 最近点）。这是第三次跃迁：从「有长度」到「有角度」，从「抽象」回到「几何」。
三次跃迁的节奏。第一步「抽象」（丢掉具体，保住收敛）→ 第二步「加结构」（补上线性代数）→ 第三步「几何化」（在抽象空间里重建直觉）。这不是简单的「越来越抽象」，而是「抽象—加结构—重建几何」的螺旋上升：每次跃迁都在更大的范围内重获了具体性。理解这条节奏，就理解了 20 世纪分析学的发展逻辑——而本册六章，正是这条螺旋的三个完整圈。
★★ 格物札记（二）：对偶思想的谱系。
源头（第三章）：Hahn–Banach 保证对偶够大。一切对偶理论的起点是「存在性」：给定子空间上的泛函，能否延拓？Hahn–Banach 答「能，且保范」。由此推出「对偶空间能区分点」「范数的对偶刻画」「分离超平面」——「对偶」的第一步是「对偶不退化」。
显式化（第四章）：Riesz 表示让对偶「具形」。在 Hilbert 空间中，抽象的「尺子」变成具体的「与某个向量做内积」——H ≅ H*。于是「弱收敛」变成「内积的逐点收敛」，「泛函极值」变成「投影」，「对偶」与「几何」合体。对偶的第二次进化：从「存在抽象泛函」到「泛函就是向量」。
分层化（第三章至第五章）：弱收敛与自反性的谱系。有了对偶，就能定义「弱收敛」（对所有对偶元素收敛）；再取对偶的对偶，就有「自反性」（X ≅ X**）与「弱* 拓扑」——三种收敛形成层级（强 ⟹ 弱；自反时弱 = 弱*）。记住这个谱系：强（范数）→ 弱（对偶逐点）→ 弱*（对偶空间上的弱），越往下越宽容，越往下越有紧性（Banach–Alaoglu）。
应用化（第六章）：对偶成为变分法的心脏。「弱紧性」（对偶分层的产物）保证极小化序列有极限；「Riesz 表示」变成 Lax–Milgram 的一步证明；「分离超平面」变成凸分析与优化的基石。对偶的第四次进化：从「空间的性质」变成「解方程与找极值的方法」。
谱系的总结。对偶思想走过四步：存在性（Hahn–Banach）→ 显式化（Riesz）→ 分层化（弱收敛 / 自反）→ 应用化（变分 / 优化）。它与「空间观念的三次跃迁」（p187）交织成全书的两条主线——一条是关于「空间有多丰富」（跃迁），一条是关于「如何测量空间」（对偶）。两者合起来，就是泛函分析的全貌。
★★ 这一页是全书骨架的「一页图」：从上到下五层，从结构到应用。
顶层「结构三件套」：度量 d（靠近）→ 范数 ‖·‖（长度）→ 内积 ⟨·,·⟩（角度）。每加一层结构，就多一批工具，也多一批约束（内积最"富"，但要求最高：平行四边形律）。
第二层「完备性」：一切分析的发动机。完备的赋范空间 = Banach 空间；完备的内积空间 = Hilbert 空间；带弱导数的完备空间 = Sobolev 空间。「完备 ⟹ 极限存在 ⟹ 方程可解」——全书的第一因果链。
第三层「算子与谱」：算子把空间映到空间；有界 = 连续；谱 = 可逆性的失效集。「谱是最有用的不变量」——决定可解性、收敛、动力学、物理。
三个旁支：① 左侧对偶与弱拓扑（Hahn–Banach / Riesz / 弱收敛）；② 中间几何简化（投影 / 正交基 / Parseval——「先正交再计算」）；③ 右侧走向应用（弱紧 + 下半连续 / Lax–Milgram / 半群与有限元）。旁支不是点缀：第六章的全部方法都从这三个旁支流出。
底部一句话：「集合 + 结构 = 空间；空间 + 作用 = 算子；算子 + 不变量 = 谱」——把这三段箭头背下来，就掌握了本书的全部语法。
★★ 这一页是「操作手册」：面对一个算子或方程，先问哪几个问题。
第一问：有界吗？有界 ⟹ 走第三章（B(X,Y)、算子范数、三大定理）。一切「标准」分析都从这里开始：验证有界（= 连续），然后套用 Hahn–Banach / 共鸣 / 开映射 / 闭图像。
第二问：自伴 / 正规吗？是 ⟹ 走第五章谱定理（谱实、谱分解 T = ∫λ dE(λ)、可对角化）。「自伴 = 最舒适的算子」：谱在实轴、范数 = 谱半径、函数演算自由使用。
第三问：紧吗？是 ⟹ 谱在 0 之外全是特征值（离散谱）、Fredholm 二择一可用。紧算子 = 「长得像有限维」，积分方程与椭圆 PDE 的主力。
三个进阶问：① 要极值？→ 变分法（弱紧 + 下半连续 / Lax–Milgram）；② 无界但逆紧？→ 椭圆算子（谱离散、Sturm–Liouville 特征展开）；③ 要数值解？→ Galerkin / 共轭梯度，且收敛速度由谱（条件数）决定。
决策树的核心一句：「先判类型（有界 / 自伴 / 紧），再选工具；工具的选择写在谱里。」——这句话把第三章（算子）、第五章（谱）、第六章（应用）串成了一条操作流程。遇到新问题，照着这棵树走一遍，方向基本不会错。
★★★ 回收第一章：不动点与迭代真跑（Dottie 数、二维线性迭代、误差估计）。
import numpy as np
# ① 一维不动点 x = cos x（Dottie 数），压缩比 |g'| = |sin x|
x = 1.0
for k in range(40):
x = np.cos(x)
print(f"不动点 ≈ {x:.12f}（Dottie 数 0.739085133215）")
# ② 二维迭代 x_(k+1) = T x_k + b，r(T) < 1 ⟹ 收敛
T = np.array([[0.3,0.4],[0.2,0.1]]); b = np.array([1.0,2.0])
rT = max(abs(np.linalg.eigvals(T)))
xstar = np.linalg.solve(np.eye(2)-T, b)
xk = np.zeros(2)
for k in range(1, 41):
xk = T @ xk + b
if k in (1,2,5,10,20,30,40):
err = np.linalg.norm(xk-xstar); bnd = rT**k*np.linalg.norm(xstar)
print(f" k={k:2d}: ‖x_k−x*‖={err:.3e} r^k‖x_0−x*‖={bnd:.3e}")
实跑输出：
① 不动点迭代 x = cos x（Dottie 数）
x_ 0 = 1.000000000000
x_ 1 = 0.540302305868
x_ 2 = 0.857553215846
x_ 5 = 0.701368773623
x_10 = 0.744237354901
x_20 = 0.739184399771
x_40 = 0.739085169945
不动点 ≈ 0.739085169945（Dottie 数 0.739085133215）
实测压缩比 ≈ 0.6706（理论 |sin x*| = 0.6736）
② 二维迭代 x_(k+1) = T x_k + b（谱半径 r(T) = 0.500000 < 1）
不动点 x* = [3.09090909 2.90909091]
k= 1: ‖x_k − x*‖ = 2.280e+00 r^k‖x_0−x*‖ = 2.122e+00
k= 5: ‖x_k − x*‖ = 1.398e-01 r^k‖x_0−x*‖ = 1.326e-01
k=10: ‖x_k − x*‖ = 4.367e-03 r^k‖x_0−x*‖ = 4.145e-03
k=20: ‖x_k − x*‖ = 4.265e-06 r^k‖x_0−x*‖ = 4.048e-06
k=30: ‖x_k − x*‖ = 4.165e-09 r^k‖x_0−x*‖ = 3.953e-09
k=40: ‖x_k − x*‖ = 4.068e-12 r^k‖x_0−x*‖ = 3.860e-12
③ Banach 不动点误差估计（先验界 q^k/(1−q)·|x_1−x_0|）
k= 1: 先验界 9.487e-01 实际误差 1.988e-01
k=10: 先验界 2.709e-02 实际误差 5.152e-03
k=20: 先验界 5.211e-04 实际误差 9.923e-05
★★★ 回收第四、五章：谱逼近（Sturm–Liouville）与 Parseval 对拍。
import numpy as np
# ① 离散 Laplacian 特征值 vs Sturm–Liouville 理论 n2π2
for N in [20, 50, 100]:
h = 1.0/(N+1)
A = (1.0/h**2)*(np.diag(2*np.ones(N))+np.diag(-np.ones(N-1),1)+np.diag(-np.ones(N-1),-1))
ev = np.linalg.eigvalsh(A)[:4]
theory = np.array([(k*np.pi)**2 for k in range(1,5)])
print(f"N={N}: 数值 {np.round(ev,4)}")
print(f" 相对误差 {np.round(np.abs(ev-theory)/theory, 5)}")
# ② Parseval: f(x)=x on [−π,π]，理论 (1/2π)∫f2 = π2/3
xs = np.linspace(-np.pi, np.pi, 4096, endpoint=False); f = xs
tot = sum(2*abs(np.mean(f*np.exp(-1j*n*xs)))**2 for n in range(1,401))
print(f"(1/2π)∫f2 = {np.mean(f**2):.6f} Σ|c_n|2 = {tot:.6f} （π2/3 = {np.pi**2/3:.6f}）")
# ③ Parseval: 方波 f = sgn(sin x)，Σ_odd 1/n2 = π2/8
f2 = np.sign(np.sin(xs))
sodd = sum(2*abs(np.mean(f2*np.exp(-1j*n*xs)))**2 for n in range(1,401,2))
print(f"(1/2π)∫f2 = {np.mean(f2**2):.6f} Σ|c_n|2(奇) = {sodd:.6f} （理论 1）")
实跑输出：
① 离散 −u″=λu（u(0)=u(1)=0）特征值 vs 理论 n2π2
N= 20: 数值 [ 9.8512 39.1848 87.3455 153.2574]
理论 [ 9.8696 39.4784 88.8264 157.9137] 相对误差 [0.00186 0.00744 0.01667 0.02949]
N= 50: 数值 [ 9.8665 39.4285 88.5739 157.1163] 相对误差 [0.00032 0.00126 0.00284 0.00505]
N=100: 数值 [ 9.8688 39.4657 88.762 157.7101] 相对误差 [8e-05 3.2e-04 7.3e-04 1.29e-03]
② Parseval 对拍：f(x)=x on [−π,π]
(1/2π)∫f2 = 3.289869 （理论 π2/3 = 3.289868）
Σ|c_n|2（|n|≤400）= 3.285032 （理论 π2/3 = 3.289868）
Σ 1/n2（n≤106）= 1.644933 （π2/6 = 1.644934）
③ Parseval 对拍：方波 f = sgn(sin x)
(1/2π)∫f2 = 0.999756 （理论 1）
Σ|c_n|2（奇 n） = 0.998947 （理论 1）
Σ_odd 1/n2（n≤106）= 1.233700 （π2/8 = 1.233701）
★★★★ 挑战：谱定理的算子演算（functional calculus）。第五章给了 T = ∫λ dE(λ)，这里把「函数演算」建成一套可自由使用的代数，并用它一次证明多个定理。
设定。H 是 Hilbert 空间，T 自伴有界，T = ∫ℝ λ dE(λ) 是它的谱分解（p135）。对有界 Borel 函数 f : σ(T) → ℂ，定义 f(T) = ∫σ(T) f(λ) dE(λ)（积分按 ⟨E(·)x, x⟩ 的弱收敛意义定义）。
第一步（演算的代数性质）。证明映射 f ↦ f(T) 是 代数同态：① (αf + βg)(T) = αf(T) + βg(T)（线性）；② (fg)(T) = f(T)g(T)（乘法保持——因为谱测度对不交集的投影正交，积分的乘法性质由 E 的正交可加性给出）；③ 共轭对称 f̄(T) = f(T)*（自伴性）；④ 常函数 1 ↦ I。由此 T 的多项式、连续函数、Borel 函数全部得到「自然的定义」，且互相相容。
第二步（等距性与谱映射）。证明：⑤ ‖f(T)‖ = ‖f‖∞,σ(T)（sup 范数——因为 ‖f(T)x‖2 = ∫|f|2d⟨Ex,x⟩ ≤ ‖f‖2∞‖x‖2，取接近极值的 x 得反向等号）；⑥ σ(f(T)) = f(σ(T))（谱映射定理，p136）——由 ⑤ 与「f(T) − μI = (f − μ)(T) 可逆 ⟺ f − μ 在 σ(T) 上不为零」立得。∎
第三步（三大应用，一次证完）。① 正平方根：T ≥ 0（即 ⟨Tx,x⟩ ≥ 0）时取 f(λ) = √λ ≥ 0，则 S = √T 自伴、S2 = T，且唯一（由 σ(S) = √σ(T) ⊂ [0,∞) 与演算 ② 立得）。② 投影算子：对 Borel 集 Δ ⊆ ℝ，取 f = χΔ（指示函数），则 P = E(Δ) = χΔ(T) 满足 P2 = P、P* = P（由代数性质 ②③ 与 χΔ2 = χΔ、χ̄Δ = χΔ）。③ 范数公式：‖T‖ = supλ∈σ(T)|λ| = r(T)（取 f(λ) = λ，用 ⑤）——正规算子的「范数 = 谱半径」在此一行证毕。
任务（三则）。① 用演算证明 eiT 酉（T 自伴）：f(λ) = eiλ，则 f̄f = |f|2 = 1 ⟹ f(T)*f(T) = I。（量子演化算子）② 用演算证明 热半群的谱衰减：Δ ≤ 0 时 etΔ = ∫etλdE(λ)，其范数 = sup etλ = e−t|λmax|——「最长寿命模态主导长时间行为」（p165 的定量版）。③ 说明为什么演算不能推广到「无界 f」（如 f(λ) = 1/λ 在 0 ∈ σ(T) 附近爆掉；这正对应「T 不可逆」——谱定理的最深含义：「算子能否被函数 f 作用」= 「f 在谱上是否有界」）。
★★★ 习题：六道跨章大题。每题横跨两到三章，独立完成后再看 p195 的评讲。
题一（一 ↔ 二 ↔ 五：完备性的三次兑付）。设 X 是赋范空间。证明以下三条等价：（i）X 完备；（ii）X 中每个绝对收敛级数收敛（p47）；（iii）X 中每个「Cauchy 列」都可写成某个绝对收敛级数的部分和。再说明这三条在 ℓ1、C[a,b]、Sobolev H1 中各自如何验证。【串联第一章、第二章、第六章的「完备性」主题】
题二（三 ↔ 四：Hahn–Banach vs Riesz）。（i）用 Hahn–Banach 证明：赋范空间 X 中任意非零 x，存在 ‖f‖ = 1 的 f 使 f(x) = ‖x‖；（ii）设 H Hilbert，说明如何用 Riesz 表示把（i）中的 f 显式写成 f = ⟨·, y⟩/‖y‖（y 是 x 的方向）；（iii）比较两种证法：Hahn–Banach 只给「存在」，Riesz 给出「构造」。【第三章与第四章的对比】
题三（四 ↔ 五：投影与谱分解）。设 T 自伴有界，m = inf⟨Tx,x⟩、M = sup⟨Tx,x⟩（‖x‖=1）。证明 mI ≤ T ≤ MI，且 σ(T) ⊆ [m, M]；进一步用谱分解 T = ∫λ dE(λ) 证明端点 m, M ∈ σ(T)（提示：若 m ∉ σ(T)，则 T − mI 可逆且正 ⟹ 与 m 的极小性矛盾）。【第四章的二次型 + 第五章的谱】
题四（五 ↔ 六：紧算子的谱与特征展开）。设 T 是 Hilbert 空间上的紧自伴算子。证明：（i）σ(T) \ {0} 由特征值组成，可数且唯一聚点 0；（ii）存在规范正交的特征向量系 {en} 使 T = Σλn⟨·, en⟩en；（iii）举例：取 T = −Δ 的逆（Green 算子）说明这给出「Sturm–Liouville 特征展开」（p164）。【第五章谱定理 + 第六章 PDE】
题五（二 ↔ 三 ↔ 四：Hilbert 是「最好」的 Banach 空间）。设 X 是 Banach 空间。证明以下等价：（i）X 的范数满足平行四边形律；（ii）X 等距同构于 Hilbert 空间；（iii）X 上的对偶映射 J : X → 2X* 单值。（Jordan–von Neumann 定理，p97）再说明：ℓp（p ≠ 2）为什么都被排除在外？【贯穿第二、三、四章】
题六（全六章：一个 PDE 的完整旅程）。取方程 −Δu + u = f（Ω 有界、u|∂Ω = 0）。按六章顺序走一遍：（i）第一章——为何要在 Banach/Hilbert 空间中找解？（ii）第二章——用哪个范数（H1）？（iii）第三章——固定 f 时解算子是否有界？（iv）第四章——把它写成变分问题（哪个能量泛函）？（v）第五章——对应的算子在什么意义下有「离散谱」？（vi）第六章——用 Rellich + 紧算子说明谱离散，并指出 CG 求解时的条件数如何影响速度。【这是全书的「毕业设计」：一题串六章。】
★★★ 评讲：二十四问（按六章分组，每组四问）。下面是全书最值得反复自问的二十四个问题，自答再核对要点。
第一章（距离）四问。① 为什么「Cauchy 列收敛」比「有极限」更好用？——因为不需要事先知道极限，可以「免极限证收敛」（完备性就是许可证）。② 完备化为什么唯一？——任何完备化都包含 X 的稠密副本，两两比较得等距同构。③ Baire 纲定理为什么需要完备？——它是「完备 ⇒ 不可数瘪集覆盖」的拓扑事实，不完备的 ℚ 是可数瘪集之并。④ 紧性为什么在无穷维失效？——因为无穷维提供了「无穷多个逃离方向」（en 列）。
第二章（长度）四问。⑤ 范数与距离的本质差别？——范数多「齐次性」与「平移不变」（与线性兼容）。⑥ 等价范数为什么在有限维总成立？——因为有限维单位球紧，范数比在球面上取到极值。⑦ ℓp 中只有 p = 2 是内积空间？——只有平方和范数满足平行四边形律。⑧ 可分性为什么重要？——决定「能否用可数骨架描述 / 可计算」（ℓ2 可分，ℓ∞ 不可分）。
第三章（作用）四问。⑨ 有界为什么等价于连续？——线性 + 一点连续 ⟹ 处处连续；连续 + 线性 ⟹ 有界（反证）。⑩ Hahn–Banach 为什么不需要完备性？——它只用 Zorn 引理（代数），不涉及极限。⑪ 共鸣定理「点态 ⟹ 一致」为什么惊人？——它把「弱的、逐点的」信息升级成「强的、一致的」界，全靠 Baire。⑫ 开映射 / 闭图像为什么不要求满射 / 图像闭以外的东西？——因为「两端完备」已提供了全部所需（逆算子的有界性来自完备性）。
第四章（角度）四问。⑬ 投影定理为什么需要闭子空间？——否则「最近点」可能不存在（极限跑到子空间外）。⑭ 完备正交系与 Hamel 基的区别？——前者允许无穷级数展开（拓扑），后者只允许有限组合（代数）。⑮ 为什么可分 Hilbert ≅ ℓ2？——把向量映到它的 Fourier 系数，Parseval 保范数、稠密性保满射。⑯ Riesz 表示为什么是「共轭」线性？——复内积对第二变量共轭线性所致。
第五章（指纹）四问。⑰ 谱为什么比特征值大？——因为「λI − T 不可逆」包含「不单射」与「不满射」两种坏法。⑱ Gelfand 公式为什么重要？——它把代数数据（谱半径）与动力学（迭代增长）焊在一起。⑲ 紧算子为什么「像有限维」？——因为 0 之外全是特征值、唯一聚点 0，与有限维「有限个特征值」结构相似。⑳ 谱分解为什么是「对角化」？——T = ∫λ dE(λ) = 「连续版 ΣλkPk」，恰是有限维谱分解的推广。
第六章（疆界）四问。㉑ 为什么必须引入分布？——微分算子无界、经典解常不存在，放宽定义域才能让问题可解。㉒ 弱解为什么是「正解」？——它有存在唯一性、稳定性，且数据光滑时升级为经典解。㉓ 变分存在性为什么要「下半连续」？——否则极小化序列的极限可能「逃出」能量值（inf 不取到）。㉔ 无界算子怎么驯服？——四条路：限制定义域 / 换 Sobolev 范数 / 加平滑算子 / 用弱解；核心技巧是「看它的逆（常紧）」。
用法。把二十四问抄在小本上，每读完一章自问四问；能顺畅回答，说明这一章真正掌握。「能对着问题讲出因果链」，比「记住定理陈述」重要得多。
★★ 小结（终章·上）：空间思维的成型。
学到了什么？不只是六章定理，而是一套思维方式——「空间思维」：任何带无穷自由度的对象，都可以安置在某个「空间」中，用「结构（度量 / 范数 / 内积）」定义「收敛」，用「算子」描述「作用」，用「谱」刻画「本质」。
三层能力。① 识别能力：拿到对象先问「属于哪个空间」（函数？序列？算子？分布？），该配什么结构（需要角度吗？需要完备吗？）；② 翻译能力：把问题翻译成空间语言——方程 → 算子方程 → 弱形式 / 变分问题；几何 → 投影 / 正交；③ 求解能力：选工具（不动点？变分？谱？弱解？），并判断工具是否适用（完备吗？有界吗？紧吗？）。三层能力合起来，就是「能用泛函分析做事」。
五条主线（最后一次重申）。① 完备性是发动机（六章各有一次兑付）；② 对偶是暗线（Hahn–Banach → Riesz → 弱收敛 → 变分）；③ 几何（内积 / 投影）是最高效的简化器；④ 谱是最有用的不变量；⑤ 弱化与变分是通往下应用世界的两条出口。掌握这五条，就掌握了全书的「受力图」。
一句话总结。「集合 + 结构 = 空间；空间 + 作用 = 算子；算子 + 不变量 = 谱；空间 + 弱化 = 应用。」——四个等号，就是这本《泛函分析初步》的全部骨架。从向量的「长度」，到算子的「谱」，走完了从直观到抽象、再从抽象回到应用的一个完整循环。
★★★ 小结（终章·下）：泛函分析的地平线。
本册只是「初步」——接下来往哪里走？泛函分析的完整版图远大于本册所讲。以下四条路线，是「从初步到深入」的自然延续。
路线一：无界自伴算子与量子理论。本册只讲了有界算子谱定理的骨架。完整的自伴算子谱定理（包含连续谱部分、谱测度、算子演算）是量子力学的数学基础；再往里是 von Neumann 代数、算子代数、KMS 态与量子统计力学。推荐入口：Reed–Simon《Methods of Modern Mathematical Physics》Vol. 1。
路线二：C*-代数与指标理论。把「算子」换成「代数」，就进入 Gelfand–Naimark 理论（交换 C*-代数 ≅ C0(Ω)）；再往前是 Fredholm 指标、Toeplitz 算子、Atiyah–Singer 指标定理的算子论证明。这是 20 世纪算子代数与分析几何的交汇。
路线三：PDE 与调和分析。本册第六章只是引言。完整版要讲：分布与 Sobolev 空间的系统理论、椭圆 / 抛物 / 双曲方程、Schauder 估计、Sobolev 嵌入、拟微分算子、波前集、以及调和分析（Fourier 变换、奇异积分、Littlewood–Paley、Hilbert 变换）——这正是相邻领域与后续偏微分方程的主题。
路线四：几何、概率与计算。① 几何分析：变分法解几何问题（极小曲面、Ricci 流）、谱几何（Kac 的「听鼓」问题）；② 概率与随机分析：算子半群与 Markov 过程、随机矩阵、大偏差；③ 科学计算：有限元、谱方法、Krylov 子空间、逆问题与正则化——本册的共轭梯度、Galerkin、谱逼近是这条路的起点。
地平线的意义。泛函分析之所以是「现代数学的通用语言」，正因为它没有孤立的「终点」：它的每一条定理都会在几何、物理、概率、计算中重新出现。本册给了这门语言的语法（空间 + 算子 + 谱）与最常用的词汇；至于用它说什么样的故事，取决于要走进哪一个领域。——「从向量到算子」，这不是一段旅程的结束，而是一张地图的展开。
★★ 速查：空间与定理总表。全书一页纸，考前最后一遍。
| 空间 | 结构 | 关键定理 | 本册位置 |
|---|---|---|---|
| 度量空间 (X,d) | 距离 d | 完备化；Banach 不动点；Baire；紧 ⟺ 完备+全有界 | 第一章 |
| Banach 空间 | 范数 ‖·‖ + 完备 | 等价范数（有穷维）；绝对收敛律；B(X,Y) 完备 | 第二章 |
| 对偶空间 X* | B(X,𝕂) | Hahn–Banach；分离定理；共鸣；开映射；闭图像 | 第三章 |
| Hilbert 空间 | 内积 ⟨·,·⟩ + 完备 | 投影定理；Bessel/Parseval；ℓ2 模型；Riesz 表示 | 第四章 |
| 谱 σ(T) | {λ : λI−T 不可逆} | Gelfand；谱定理（谱分解）；紧谱；Fredholm | 第五章 |
| Sobolev 空间 Hk | L2 + 弱导数 | Sobolev 嵌入；Lax–Milgram；Rellich；Sturm–Liouville | 第六章 |
| 核心公式 / 不等式 | 内容 |
|---|---|
| Cauchy–Schwarz | |⟨x,y⟩| ≤ ‖x‖‖y‖（等号 ⟺ 线性相关） |
| 平行四边形律 | ‖x+y‖2+‖x−y‖2 = 2‖x‖2+2‖y‖2（Banach 是 Hilbert 的判据） |
| 勾股定理 | x ⊥ y ⟹ ‖x+y‖2 = ‖x‖2+‖y‖2 |
| Bessel / Parseval | Σ|⟨x,en⟩|2 ≤ ‖x‖2；完备时取等号 |
| 算子范数 | ‖T‖ = sup‖x‖≤1‖Tx‖ = sup ‖Tx‖/‖x‖ |
| Gelfand 公式 | r(T) = lim‖Tn‖1/n ≤ ‖T‖（正规取等） |
| Hölder 不等式 | Σ|xkyk| ≤ ‖x‖p‖y‖q，1/p+1/q=1 |
| 对偶刻画 | ‖x‖ = sup{|f(x)| : ‖f‖ ≤ 1} |
| Lax–Milgram | 有界 + 强制 ⟹ 弱解存在唯一，‖u‖ ≤ ‖F‖/α |
| Sobolev 嵌入 | k > n/p ⟹ Wk,p ⊆ C |
三条终极提醒。① 完备性是发动机（一切存在性结论的燃料）；② 谱是最有用的不变量（可解性、收敛、动力学、物理都在谱里）；③ 弱化与变分是通往下应用的两条出口（分布 / 弱解 / Sobolev；能量极值 / Lax–Milgram）。——全书毕。六章旅程至此结束。