泛函分析（六）：有界线性算子与三大定理

一个共同的引擎，三个不同的出口#

我第一次同时读 Banach-Steinhaus、开映射定理、闭图像定理时被同一种感觉击中：三条定理证明几乎相同。它们都把空间写成可数个闭集的并集、都引用 Baire 范畴定理、都从“某个闭集有非空内部”这一步把局部估计抬到全局估计。区别只在最后一步如何兑现——一致有界、开映射、闭图像——其余的脚手架是同一套。

这不是巧合。三大定理是泛函分析的“工程性”工具，它们都在做同一件事：把局部信息升级成全局信息。Banach-Steinhaus 把每个 $x$ 上的逐点有界升级成所有 $x$ 上的一致有界，开映射把双射升级成同胚，闭图像把闭性升级成连续。每一条单看都像技术结果，合起来就是 Banach 空间理论里最常被引用的三块基石。

每条定理也都关键依赖完备性。在不完备的赋范空间里它们都失效——这一点我在本篇结尾会用具体反例说明。完备性是必需的输入，不是可选的装饰。这也回应了第二篇里反复强调的“为什么 Banach 空间是出生地”：很多重要定理只在完备空间里成立。

为什么这篇文章是理论的转折点#

在前五篇文章中，我一直在搭建脚手架：度量空间和赋范空间、Hilbert 空间、对偶空间、弱拓扑。单独来看，这些内容并不特别令人印象深刻——毕竟我只是在稍微更一般的环境中做拓扑和线性代数。泛函分析真正发挥作用的地方就在这里，在Banach空间算子理论的三大定理：一致有界原理、开映射定理 和 闭图像定理指出，每一个定理都从“逐点”或“集合论”的数据——逐点有界性、满射性、图的闭性——得出一个全局结构性质——一致有界性、开性、连续性——这些性质在有限维情况下自动成立。

所有证明都共享一个共同的核心：应用到Banach空间上的Baire范畴定理，每次都以相同的方式利用完备性。一旦有了其中一个定理，另外两个就可以通过相对较短的附加论证得到。因此，整篇文章实际上只讨论了一个思想，通过三个推论来体现。

有界线性算子：回顾#

这条公式让“算子是个新的向量”这个抽象观念变成可计算的对象。$\|T\|$ 衡量的是“算子最坏情况的放大倍数”——把单位球塞进 $T$ ，输出的最大范数就是 $\|T\|$ 。这种几何解释让算子范数成为本节所有定理的主角。三大定理本质上都在控制 $\|T\|$ 这个量：一致有界原理把每个 $x$ 上的 $\|T_\alpha x\|$ 升级到所有 $\alpha$ 的 $\|T_\alpha\|$ ，开映射定理用 $\|T^{-1}\|$ 表达连续性，闭图像定理把图的闭性翻译成 $\|T\|$ 有限。所有论证都跑在算子范数这一个量上。

有界线性算子的空间 $B(X, Y)$ 是一个赋范空间；如果 $Y$ 是Banach空间，则 $B(X, Y)$ 也是Banach空间。（算子序列的一致Cauchy序列逐点收敛于极限；一致Cauchy性传递。）当 $Y = \mathbb{C}$ 时，$B(X, \mathbb{C}) = X^*$ ，恢复了对偶空间。

对于复合：如果 $T \in B(X, Y)$ 且 $S \in B(Y, Z)$ ，则 $S T \in B(X, Z)$ 且 $\|S T\| \leq \|S\| \|T\|$ 。因此当 $X$ 是Banach空间时，$B(X)$ 是Banach代数（Banach空间 + 与范数兼容的代数结构）。

有界算子目录#

以下是一些我在文章中会引用的例子：

• 乘法算子。在 $L^2[0,1]$ 上，$M_a f(t) = a(t) f(t)$ 对于 $a \in L^\infty$ 。有界且 $\|M_a\| = \|a\|_\infty$ 。
• 移位算子。在 $\ell^2$ 上，$S(x_1, x_2, \ldots) = (0, x_1, x_2, \ldots)$ 。有界且 $\|S\| = 1$ 。
• 积分算子。在 $L^2[0,1]$ 上，$K f(t) = \int_0^1 k(t, s) f(s)\,ds$ 其中 $k \in L^2([0,1]^2)$ 。有界且 $\|K\| \leq \|k\|_{L^2([0,1]^2)}$ 。
• 微分算子。在适当的子空间上，$D f = f'$ — 如果定义域具有 $C^1$ 范数，则是有界的；如果定义域具有上确界范数，则是无界的。

三大定理：陈述#

让我先陈述这三个定理，然后再证明它们。它们是一个整体。

陈述前先说明它们各自要解决的问题。一致有界原理回答“能否把每个 $x$ 都满足 $\|T_\alpha x\| \leq M_x$ 升级到对所有 $\alpha$ 都满足 $\|T_\alpha\| \leq M$ ？”——把逐点估计抬到一致估计。开映射定理回答“Banach 空间之间的双射有界算子，逆是不是自动有界？”——这在有限维平凡，无穷维成立但需要完备性。闭图像定理回答“给一个线性算子 $T$ ，它的图闭这件事是否足以保证 $T$ 有界？”——这是验证有界性最实用的工具。

三条定理的共同核心是 Baire 范畴定理：完备度量空间不能是可数个无处稠密集的并。这一条几何性质把每条定理的“失败假设”分成可数个闭集的并，Baire 强迫其中一个有非空内部，那个内部就是要找的全局结构。这种证明模式是泛函分析里最特征性的论证之一，本节会反复看到。

一致有界原理(UBP)表明，设 $X$ 是Banach空间，$Y$ 是任何赋范空间，$\mathcal{F} \subseteq B(X, Y)$ 是一族有界算子。如果对于每个 $x \in X$ 有 $\sup_{T \in \mathcal{F}} \|T x\| < \infty$ （逐点有界），则 $\sup_{T \in \mathcal{F}} \|T\| < \infty$ （一致有界）。

开映射定理(OMT)说明，设 $X, Y$ 是Banach空间，$T: X \to Y$ 是有界线性满射。则 $T$ 是开映射：对于 $X$ 中的每个开集 $U$ ，$T(U)$ 在 $Y$ 中是开的。

闭图像定理(CGT)指出，设 $X, Y$ 是Banach空间，$T: X \to Y$ 是线性映射（不假定事先有界）。如果图 $\{(x, T x) : x \in X\}$ 在 $X \times Y$ 中是闭的，则 $T$ 是有界的。

这三者密切相关；一旦有一致有界原理，开映射定理和闭图像定理将通过相对简短的附加工作得出。所有三个定理都依赖于 $X$ 的完备性（一致有界原理也要求 $X$ 完备；开映射定理和闭图像定理都要求 $X$ 和 $Y$ 都是Banach空间）。

证明一致有界原理#

证明非常简洁，应该详细展开。

一致有界原理的证明：对于每个 $n \in \mathbb{N}$ ，定义 $F_n = \{ x \in X : \|T x\| \leq n \text{ 对所有 } T \in \mathcal{F} \}$ 。每个 $F_n$ 是闭的：它是 $T \in \mathcal{F}$ 的闭集 $\{ x : \|T x\| \leq n \}$ 的交集，任意多个闭集的交集是闭的。

由逐点有界性，每个 $x \in X$ 都属于某个 $F_n$ （取 $n \geq \sup_T \|T x\|$ ）。所以 $X = \bigcup_n F_n$ 。由于 $X$ 是完备度量空间，根据Baire定理，至少有一个 $F_{n_0}$ 有非空内部——即存在某个闭球 $\overline{B(x_0, r)} \subseteq F_{n_0}$ 。

这意味着对于每个 $T \in \mathcal{F}$ 和每个 $x \in \overline{B(x_0, r)}$ 有 $\|T x\| \leq n_0$ 。通过平移：对于每个满足 $\|z\| \leq r$ 的 $z$ ，$\|T z\| \leq \|T(x_0 + z)\| + \|T x_0\| \leq 2 n_0$ 。因此对于每个 $T \in \mathcal{F}$ 有 $\|T\| \leq 2 n_0 / r$ ，证明完成。$\square$

一致有界原理的一个快速示例#

假设 $(\varphi_n)$ 是Banach空间 $X$ 上的一列有界线性泛函，且对于每个 $x \in X$ 有 $\varphi_n(x) \to \varphi(x)$ ，其中 $\varphi$ 是某个泛函。$\varphi$ 是否有界？一致有界原理说是有界的：$(\varphi_n(x))$ 对每个 $x$ 的逐点收敛意味着逐点有界，而由一致有界原理可知 $\sup_n \|\varphi_n\| < \infty$ ，并且 $|\varphi(x)| = \lim |\varphi_n(x)| \leq \sup_n \|\varphi_n\| \cdot \|x\|$ 。因此，有界算子的逐点极限是有界的，其范数 $\leq \liminf \|\varphi_n\|$ 。没有一致有界原理，必须假设其有界性；但有了它，这是自动的。

为什么这很重要#

一致有界原理让我能够进行逐点论证并得出全局事实。逐点有界性是一个更容易验证的条件——只需检查每个单独的 $x$ ，族是否是有界的——而不是一致有界性，后者需要一个对所有 $x, T$ 同时成立的单一界。一致有界原理说在Banach空间中它们是等价的，这种交换是非常有价值的。算子理论中的例子：任何逐点收敛的有界算子序列的极限是有界算子；$L^2$ 函数的Fourier系数构成一个有界泛函族，等等。

证明开映射定理#

稍微复杂一些，但基于相同的Baire论证。

开映射定理的证明概述。通过平移，只需证明每当 $U$ 是围绕 $0$ 的开球时，$T(U)$ 包含一个围绕 $0$ 的球。

步骤1：由于 $T$ 是满射，$Y = \bigcup_n T(\overline{B(0, n)})$ 。根据Baire定理，某个 $\overline{T(\overline{B(0, n_0)})}$ 有非空内部，因此包含一个球 $\overline{B(y_0, r_0)}$ 。通过对称性，$-y_0 \in \overline{T(\overline{B(0, n_0)})}$ 也在其中，因此 $0$ 在 $\overline{T(\overline{B(0, 2n_0)})}$ 的内部，即存在某个 $r > 0$ 使得 $\overline{B(0, r)} \subseteq \overline{T(\overline{B(0, 2n_0)})}$ 。重新缩放，$\overline{B(0, r/(2n_0))} \subseteq \overline{T(\overline{B(0, 1)})}$ 。

步骤2（较难的部分——去除闭包）。为了去除闭包，使用级数论证。给定满足 $\|y\| < r/(2n_0)$ 的 $y$ ，我想找到 $x$ 使得 $T x = y$ 且 $\|x\| < 1$ 。根据步骤1，存在 $\|x_1\| < 1/2$ 且 $\|y - T x_1\| < r/(4 n_0)$ 。迭代并重新缩放球，找到 $x_n$ 使得 $\|x_n\| < 1/2^n$ 且 $\|y - T(x_1 + \cdots + x_n)\| < r/(2^{n+1} n_0)$ 。级数 $x = \sum x_n$ 在 $X$ 中收敛（绝对收敛，$X$ 是Banach空间），$\|x\| \leq \sum 1/2^n = 1$ ，并且 $T x = y$ 由 $T$ 的连续性。$\square$

步骤2中的级数论证用到了 $X$ 的完备性——绝对收敛的级数需要收敛。

推论：有界逆定理#

有一个定理指出，Banach空间之间的双射有界线性算子有有界逆。

证明：该算子是满射且单射；开映射定理说它的逆把开集映为开集，这意味着逆是连续的，即有界的。$\square$

初次接触时，这确实令人惊讶。在有限维线性代数中，这是自动的——每个双射线性映射都有矩阵表示，逆矩阵给出有界逆。但在无限维情况下，有有界的双射 $T$ 且有不连续的代数逆 $T^{-1}$ 是可以想象的。开映射定理排除了这种情况。

数值示例#

考虑 $T: \ell^1 \to \ell^1$ 给出 $T(x_n) = (x_n / n)$ 。这是有界的且 $\|T\| = 1$ （$n=1$ 分量未衰减）且单射。逆是 $T^{-1}(y_n) = (n y_n)$ ，这是无界的——$\|e_n\|_1 = 1$ 但 $\|T^{-1} e_n\|_1 = n \to \infty$ 。这与开映射定理没有矛盾，因为 $T$ 不是满射：值域由满足 $\sum n |x_n| < \infty$ 的序列 $(x_n)$ 组成，这是 $\ell^1$ 的严格子空间。因此有界逆定理不适用，事实上逆确实是无界的。

教训：满射性是必不可少的。没有它，开映射定理及其推论失效。

为什么这很重要#

开映射定理和有界逆定理是从代数数据中提取连续性的方法。许多分析问题归结为“这个偏微分方程/常微分方程/积分方程是否有连续的数据到解的映射？”开映射定理通常在存在性和唯一性已知的情况下回答是的：存在性是满射性，唯一性是单射性，开映射定理然后提供连续性。

证明闭图像定理#

闭图像定理本质上是开映射定理的重新表述。

闭图像定理的证明：假设图 $G = \{(x, Tx) : x \in X\}$ 是 $X \times Y$ 的闭子空间，其中 $X \times Y$ 是带有范数 $\|(x, y)\| = \|x\| + \|y\|$ 的Banach空间。因此 $G$ 本身是Banach空间。投影 $\pi_X : G \to X$ ，$(x, Tx) \mapsto x$ ，是有界的（其范数 $\leq 1$ ）且双射。根据有界逆定理，$\pi_X^{-1}: X \to G$ 是有界的，即存在某个常数 $C$ 使得 $\|x\| + \|T x\| \leq C \|x\|$ 。因此 $\|T x\| \leq (C-1) \|x\|$ ，且 $T$ 是有界的。$\square$

为什么这很重要#

闭图像定理在实际工作中最有用。要证明一个线性算子是有界的，通常需要通过 $\|x\|$ 来估计 $\|T x\|$ ，这需要显式计算。闭图像定理将其替换为：证明每当 $x_n \to x$ 在 $X$ 中且 $T x_n \to y$ 在 $Y$ 中时，$y = T x$ 。通常这要容易得多——$(x_n)$ 和 $(T x_n)$ 的收敛性是已知的，只需要确定极限。

典型用途：定义在稠密子空间 $\mathcal{D}(L) \subset X$ 上的微分算子 $L$ 。通常 $L$ 有一个闭扩展（作为图的闭包），闭图像定理然后说：如果闭扩展定义在整个 $X$ 上，它是有界的。相反，如果你想证明 $L$ 是无界的，找到一个序列 $x_n \to 0$ 使得 $L x_n$ 收敛到一个非零极限——图是闭的但仅定义在一个真子空间上。

数值示例#

考虑 $T: C[0,1] \to C[0,1]$ 由积分定义：$T f(t) = \int_0^t f(s)\,ds$ 。这是一个有界算子且 $\|T\| \leq 1$ 。通过闭图像定理验证：假设 $f_n \to f$ 在 $C[0,1]$ 中一致收敛，且 $T f_n \to g$ 一致收敛。由于 $f_n \to f$ 的一致收敛性，积分 $T f_n(t) = \int_0^t f_n$ 一致收敛到 $\int_0^t f = T f(t)$ 。因此 $g = T f$ ，图是闭的，闭图像定理给出有界性——无需计算显式的算子范数界（尽管这里可以，且它是 $1$ ）。

谱半径公式（附赠）#

$B(X)$ 中完备性的一个愉快后果：谱半径 $r(T) = \lim_n \|T^n\|^{1/n}$ 对于每个 $T \in B(X)$ 存在，并且 $r(T) = \max\{|\lambda| : \lambda \in \mathrm{spec}(T)\}$ ，其中 $\mathrm{spec}(T)$ 是谱（第8篇文章）。极限的存在性使用了次可乘性 $\|T^{n+m}\| \leq \|T^n\| \|T^m\|$ ，因此 $\log \|T^n\|$ 是次可加的，从而 $\log \|T^n\| / n$ 由Fekete引理收敛。

公式有一个清晰的解释：如果 $|\lambda| > r(T)$ ，则 $T - \lambda I$ 是可逆的（其逆是收敛的Neumann级数 $-\sum_n \lambda^{-n-1} T^n$ ）；如果 $|\lambda| < r(T)$ ，级数发散且 $\lambda$ 在谱中。边界情况 $|\lambda| = r(T)$ 需要更仔细的分析（第8篇文章将详细说明）。

对于 $\ell^2$ 上的移位算子 $S$ ，$\|S^n\| = 1$ 对每个 $n$ 成立（移位是一个等距变换），因此 $r(S) = 1$ 。$S$ 的谱最终是 $\mathbb{C}$ 中的闭单位圆盘（第8篇文章将详细说明），边界充满了近似特征值但没有实际特征值。因此，谱可以比特征值集丰富得多。

反问题的转向#

一类主要工具是开映射定理和闭图像定理的问题。

一个问题提出，给定Banach空间之间的一个有界线性算子 $T: X \to Y$ 和 $y \in Y$ ，找到 $x \in X$ 使得 $T x = y$ 。

这是“反问题”领域。有三个经典问题：存在性（$y \in \mathrm{Range}(T)$ ？）、唯一性（$\ker T = 0$ ？）和稳定性（逆是否连续？）。

开映射定理说：如果 $T$ 是满射且单射，逆自动连续，因此反问题是适定的。如果 $T$ 是满射但不是单射，方程 $T x = y$ 有多个解，研究的正确对象是商 $X / \ker T$ ，诱导映射在此上是双射且开映射定理给出连续性。如果 $T$ 有闭值域 $R = \mathrm{Range}(T)$ （$Y$ 的闭子空间），则 $T: X \to R$ 是满射且开映射定理给出 $R$ 上的连续逆。

反问题变得不适定恰好当逆映射不连续时，根据闭图像定理，这等价于说代数逆的图在 $Y \times X$ 中不是闭的。这种情况在紧算子（第7篇文章）中普遍发生，其中 $T^{-1}$ 在值域上是无界的，这也是数值分析中所有正则化技术（Tikhonov、Landweber等）的来源。

数值示例#

取 $T: L^2[0,1] \to L^2[0,1]$ ，$T f(t) = \int_0^t f(s)\,ds$ 。这是有界的且 $\|T\| \leq 1$ 。值域是子空间 $\{ g \in L^2 : g \text{ 绝对连续, } g(0) = 0, g' \in L^2 \}$ ，这是 $L^2$ 的严格且稠密子空间。值域上的逆是 $T^{-1} g = g'$ ，作为 $L^2 \to L^2$ 的映射是无界的（微分算子）。因此，给定 $g$ 求解 $T f = g$ 当 $g \in \mathrm{Range}(T)$ 时是良定义的，但依赖关系不连续。这是典型的不适定反问题：积分是有界的；微分是无界的。

范数收敛与强/弱算子收敛#

第5篇文章中的提醒具体化：在 $B(X, Y)$ 中，几种不同的算子收敛概念在无限维情况下不同：

• 范数收敛 的算子：$\|T_n - T\| \to 0$ 。
• 强算子收敛：对于每个 $x \in X$ ，$T_n x \to T x$ 在 $Y$ 的范数下。
• 弱算子收敛：对于每个 $x \in X, \psi \in Y^*$ ，$\psi(T_n x) \to \psi(T x)$ 。

这三种在有限维情况下一致而在无限维情况下不同。一致有界原理允许有界算子的弱/强极限自动继承有界性——逐点收敛意味着逐点有界，因此（由一致有界原理）一致有界，因此极限是有界的，范数 $\leq \liminf$ 的范数。

数值分析的转向#

三大定理在数值分析中不断被用来证明离散化方案。样本应用：

Lax等价定理表明，对于一个有限差分格式收敛到线性偏微分方程的解，它必须既一致（格式在极限下匹配偏微分方程）又稳定（离散化的算子范数在网格细化过程中一致有界）。证明使用了一致有界原理：如果逐点收敛成立（逐点声明），需要一致稳定性（一致界）才能提升到基础空间中的收敛；一致有界原理说逐点稳定性足够——在保持数据固定的情况下细化网格，当一致性成立时自动一致稳定。

Galerkin方法是指，Banach空间中的偏微分方程的Galerkin逼近用一系列有限维子空间 $X_n$ 替换无限维空间。逼近收敛到真实解需要 $X_n$ 上的离散逆的一致连续性，当离散问题有唯一解时开映射定理提供了这一点——离散映射在 $X_n$ 上是双射，因此只要离散映射一致有界，离散逆的算子范数在 $n$ 上一致有界。

Cea引理指出，Galerkin逼近的误差由一个常数乘以最佳逼近误差来界，该常数取决于算子范数和逆算子范数。闭图像定理风格的论证需要显示对于广泛的问题这个常数是有限的。

这些结果不是通过在有限维中工作并试图天真地取极限所能发现的。它们本质上是泛函分析的，三大定理正是连接有限维逼近和无限维真相的桥梁。

Banach-Steinhaus定理和逐点极限#

一种常见的一致有界原理的伪装形式——有时称为Banach-Steinhaus定理表明，设 $X$ 是Banach空间，$Y$ 是赋范空间，$(T_n)$ 是 $B(X, Y)$ 中的一个序列，使得对于每个 $x \in X$ 有 $T_n x$

有一个定理指出，设 $X$ 是Banach空间，$Y$ 是赋范空间，$(T_n)$ 是 $B(X, Y)$ 中的一个序列，使得对于每个 $x \in X$ 有 $T_n x$ 在 $Y$ 中收敛。定义 $T x := \lim T_n x$ 。则 $T$ 是线性且有界的，且 $\|T\| \leq \liminf_n \|T_n\|$ 。

证明： 线性从线性映射的逐点极限自动得到。有界性使用了一致有界原理（逐点收敛意味着逐点有界意味着一致有界 $C = \sup \|T_n\|$ ），然后 $\|T x\| = \lim \|T_n x\| \leq C \|x\|$ 对每个 $x$ 成立，通过Fatou风格的极限传递。更紧的，$\|T\| \leq \liminf \|T_n\|$ 通过提取子序列 $\|T_{n_k}\| \to \liminf \|T_n\|$ 得到。

这是证明算子极限有界的工作马定理。典型应用：$L^2(\mathbb{R})$ 上的Fourier变换首先在稠密子空间（Schwartz函数）上定义，由积分公式给出。在Schwartz函数上的有界性加上密度加上Banach-Steinhaus定理将其扩展到整个 $L^2(\mathbb{R})$ ——全局定义是逼近方案的逐点极限，范数界自动得到。

应用：双线性形式的连续性#

Banach空间 $X, Y$ 上的双线性形式 $B: X \times Y \to \mathbb{C}$ 是分别连续的，如果对于每个 $x \in X$ 有 $B(x, \cdot)$ 在 $Y$ 上连续，对于每个 $y \in Y$ 有 $B(\cdot, y)$ 在 $X$ 上连续。它是联合连续的，如果存在 $C \geq 0$ 使得 $|B(x, y)| \leq C \|x\|_X \|y\|_Y$ 。

有一个定理指出，Banach空间积上的分别连续双线性形式是联合连续的。

这是对一致有界原理的一个非显然应用。定义 $T: X \to Y^*$ 为 $T x = B(x, \cdot)$ 。每个 $T x \in Y^*$ 由第二变量的分别连续性。对于每个 $y$ ，$\varphi_y(x) = (Tx)(y) = B(x, y)$ 由第一变量的分别连续性在 $x$ 上连续，且 $\|\varphi_y\| \leq \|T x\|_{Y^*} \cdot \|y\|_Y$ 。等等，这需要另一个仔细的步骤。将一致有界原理应用于族 $\{ \widehat y : y \in B_Y(0, 1) \} \subseteq B(X, \mathbb{C})$ ，其中 $\widehat y(x) = B(x, y)$ 。每个 $\widehat y$ 在 $x$ 上连续，且逐点（固定 $x$ ），$\sup_y |\widehat y(x)| = \sup_y |B(x, y)| < \infty$ ——在单位球上有界——由 $y$ 的分别连续性。一致有界原理然后给出一致有界性：$\sup_y \|\widehat y\| < \infty$ ，这转化为 $|B(x, y)| \leq C \|x\| \|y\|$ 对某个 $C$ 成立。

因此在Banach空间中，分别连续的双线性形式自动联合连续。这在一般拓扑向量空间中远非自动。

数值示例#

$\ell^2$ 上的内积 $\langle x, y \rangle = \sum x_n \overline{y_n}$ 是分别连续的（部分和在固定另一变量时在任一变量上连续），Cauchy-Schwarz不等式是联合连续界：$|\langle x, y \rangle| \leq \|x\|_2 \|y\|_2$ 。一致有界原理给出了某些联合连续常数的存在性，Cauchy-Schwarz然后计算为 $1$ 。

$L^2$ 上的算子族：乘法、卷积、Fourier#

为了让算子理论具体化，以下是$L^2(\mathbb{R})$ ——“模型”Hilbert空间——上的三个关键有界算子族及其基本性质：

乘法操作定义为 $M_a f(t) = a(t) f(t)$ 对于 $a \in L^\infty(\mathbb{R})$ 。有界且 $\|M_a\| = \|a\|_\infty$ ，正规（与其伴随 $M_{\overline a}$ 交换），自伴当且仅当 $a$ 是实值的。$M_a$ 的谱是 $a$ 的本质范围——通常是连续谱。

卷积操作定义为 $C_g f(t) = \int_{\mathbb{R}} g(t - s) f(s)\,ds$ 对于 $g$ 在适当的空间中（例如，$g \in L^1$ 保证有界且 $\|C_g\| \leq \|g\|_1$ ）。卷积算子与平移交换；其谱可以通过Fourier变换计算。

Fourier变换定义为 $\mathcal{F} f(\xi) = \int_{\mathbb{R}} f(t) e^{-2\pi i \xi t}\,dt$ ，最初定义在Schwartz函数上，通过Plancherel延拓到 $L^2$ ：$\mathcal{F}$ 在 $L^2(\mathbb{R})$ 上是酉的。因此 $\|\mathcal{F} f\|_2 = \|f\|_2$ ，且 $\mathcal{F}^{-1} = \mathcal{F}^*$ 。

Fourier变换下的显著共轭：乘法和卷积互换。具体来说，$\mathcal{F}(C_g f) = \widehat{g} \cdot \widehat{f}$ 其中 $\widehat{g} = \mathcal{F} g$ 。因此 $L^2$ 上的卷积算子与 $L^2$ 上的乘法算子酉等价。这是平移不变算子的Fourier对角化，也是 $\mathbb{R}^n$ 上偏微分方程中Fourier分析成为工作马的原因。

本文中的三大定理处理了这个故事的每一步。一致有界原理通过逐点逼近和密度证明了从Schwartz到 $L^2$ 的 $\mathcal{F}$ 延拓（逐点逼近给出通过密度的一致有界性）。开映射定理/闭图像定理证明了 $\mathcal{F}$ 在 $L^2$ 和自身之间是双连续双射。$B(L^2)$ 上的Banach代数结构使微分和伪微分算子的“Fourier乘子”理论成为一个连贯的演算。

数值示例：热核在Fourier变换后的乘法#

$\mathbb{R}$ 中的热方程 $u_t = \Delta u$ 有初始数据 $u_0 \in L^2$ ，解为 $u(t) = e^{t \Delta} u_0$ 。经过Fourier变换：$\widehat u(t, \xi) = e^{-4\pi^2 t \xi^2} \widehat{u_0}(\xi)$ ——在Fourier侧是一个乘法算子，乘子为 $a_t(\xi) = e^{-4\pi^2 t \xi^2}$ 。空间侧的算子 $e^{t \Delta}$ 在 $L^2$ 上的范数为 $\|a_t\|_\infty = 1$ ，并且是收缩半群（第10篇文章）。有界性、$t$ 的强连续性以及代数性质都源于乘子是 $L^\infty$ 中的可测函数，三大定理提供了桥梁。

超越Banach：定理失效的情况#

三大定理都关键地要求 $X$ 的完备性（对于开映射定理/闭图像定理，还要求 $Y$ 的完备性）。去掉完备性，它们都会失效。

没有完备性的一致有界原理会失效。在 $\ell^2$ 的稠密子空间 $c_{00}$ （有限支撑序列，不完备）上，定义 $\varphi_n(x) = n \cdot x_n$ 对于序列 $x\in c_{00}$ 。对于每个固定的 $x \in c_{00}$ ，只有有限多个分量是非零的，因此 $\sup_n |\varphi_n(x)| < \infty$ ——逐点有界。但在 $c_{00}$ 的继承 $\ell^2$ 范数下的单位球上，$\|\varphi_n\| = n \to \infty$ ——不是一致有界的。一致有界原理的结论失败是因为 $c_{00}$ 不完备。

没有完备性的开映射定理也会失效。从一个赋范空间到另一个赋范空间的双射有界算子不一定有有界逆，如果任一空间不完备。具体例子：取 $X = c_{00}$ 带有 $\ell^\infty$ 范数和 $Y = c_{00}$ 带有 $\ell^1$ 范数，令 $T = \mathrm{id}$ 。则 $\|T x\|_Y = \|x\|_1 \geq \|x\|_\infty = \|x\|_X$ ，因此 $T$ 从 $Y$ 到 $X$ 有界（这不是想要的），但 $T^{-1}: X \to Y$ 有 $\|T^{-1} e_n\|_1 = 1$ 而 $\|e_n\|_\infty = 1$ ，因此 $\|T^{-1}\|$ 由 $1$ 有界——所以这不是正确的例子。最干净的版本：在任何不完备的赋范空间中，完备化给出一个更大的Banach空间，包含映射是双射到一个稠密子空间，但逆作为从完备化回到原空间的映射是无界的。非完备性是本质的。

这些病态现象提醒我们，本文中的定理尽管感觉“自动”，但有一个非平凡的入门代价。

闭（无界）算子的转向#

闭图像定理结束了有界算子理论并开始了闭无界算子理论（第9篇文章）。定义在稠密子空间 $\mathcal{D}(T) \subset H$ 上的算子 $T$ 即便不有界，也可以是“闭的”——意思是它的图 $\Gamma(T) = \{(x, Tx) : x \in \mathcal{D}(T)\}$ 在 $H \times H$ 中是闭集。闭性比有界性弱，但仍然保留了一系列足够强的工具：闭算子的预解式可以解析延拓，闭对称算子可以谈论自共轭性，闭算子可以在合适的图范数下变成 Banach 空间之间的有界算子。换句话说，闭图像定理在有界世界把“闭”和“连续”等同起来；进入无界世界后，“闭”留下，“连续”被剥夺，但留下的那部分恰好够用来做谱论。

这个转向在物理上对应一个具体事实：量子力学中的位置算子 $X$ 、动量算子 $P = -i\hbar \frac{d}{dx}$ 、Hamilton 算子 $H = -\frac{\hbar^2}{2m}\Delta + V$ 都是无界的——位置算子在 $L^2(\mathbb{R})$ 上没有有界版本，动量算子是无界微分算子，Hamilton 算子继承了它们的无界性。如果坚持只研究有界算子，量子力学的基本可观测量都进不来。但是这些算子在合适的稠密定义域上都是闭的（甚至自共轭的），所以闭无界算子理论恰好是物理需要的语言。

第九篇会把这条线展开：怎样精确指定一个微分算子的定义域使它闭、什么时候它进一步是自共轭的、Kato-Rellich 微扰定理给出哪些充分条件、自共轭性如何让谱定理依旧成立。这一切的入口是这里证明的闭图像定理——它把“闭”作为一个独立的、可以在没有有界性的情况下使用的概念固定下来。

为什么这很重要#

三大定理的共同主题是：完备性可以把局部信息升级成全局信息。Banach-Steinhaus 把逐点有界升级成一致有界，开映射把双射升级成同胚，闭图像把闭升级成连续。每一条单独看都像是技术结果，合起来却构成了泛函分析的“工程性”工具箱——后面凡是要把抽象算子论证落到具体估计上，几乎都要回头来用这三条之一。

在 PDE 里这套工具特别明显。给一个偏微分方程的弱解一个 a priori 估计，本质上是在用 Banach-Steinhaus 把一族近似解的有限性翻译成一致有限。证明 Sobolev 嵌入的紧性，常常要用闭图像定理把抽象嵌入的“良定义”翻译成具体的范数不等式。证明数值方法稳定（一致有界）+ 一致性 → 收敛，背后是 Banach-Steinhaus 的标准应用。这些定理不是“看一眼就忘”的背景知识，而是会反复回到的工具。

常见陷阱：把"逐点有界"误读成"一致有界"#

Banach-Steinhaus 给出的是"逐点有界 ⇒ 一致有界"的蕴含，但条件里要求对每个 $x \in X$ 有 $\sup_\alpha \|T_\alpha x\| < \infty$ ，这里"每个"是关键。新手最常见的错误是只验证一个稠密子集上的逐点有界，然后引用定理结论。

具体反例：取 $X = c_{00} \subset \ell^2$ （有限支撑序列，不完备）。定义 $\varphi_n(x) = n x_n$ 。对每个 $x \in c_{00}$ ，只有有限多个分量非零，所以 $\sup_n |\varphi_n(x)| < \infty$ ——逐点有界在 $c_{00}$ 上成立。但 $\|\varphi_n\| = n \to \infty$ ，不一致有界。Banach-Steinhaus 的结论失败是因为 $c_{00}$ 不完备。把 $c_{00}$ 嵌入 $\ell^2$ 后，$\varphi_n$ 不能延拓到全 $\ell^2$ （因为延拓后逐点性质破坏：$x = (1, 1/2, 1/3, \ldots) \in \ell^2$ 让 $\varphi_n(x) = n/n = 1$ 仍有界，但 $x = (1, 1, 1/3, \ldots) \notin \ell^2$ 而 $\varphi_n(x) = n$ 无界）。完备性不是装饰，它在 Baire 论证里精确地保证了"将来某个闭集要有非空内部"。

每次引用 Banach-Steinhaus 都要先核对两件事：(1) $X$ 是否完备；(2) 逐点有界是否对所有 $x \in X$ 成立，不仅是稠密子集。漏掉哪一条都会跌进 $c_{00}$ 类型的反例。

常见陷阱：把"有界算子"和"连续延拓"混淆#

闭图像定理保证了"图闭 + 全空间定义 + 线性"⇒“有界”。第三个条件——全空间定义——是经常被忘的。一个稠密定义的闭线性算子可以图闭、线性，但不有界。

具体反例：微分算子 $D = d/dx$ ，$\mathcal{D}(D) = C^1[0,1] \subset C[0,1]$ （稠密但非全空间）。$D$ 是闭的（$f_n \to f$ 一致 + $Df_n \to g$ 一致 ⇒ $f \in C^1$ 且 $f' = g$ ），是线性的，但不有界（$Df_n = n\cos(n\pi t)$ 当 $f_n = \sin(n\pi t)/n$ 给出 $\|f_n\|_\infty = 1/n$ 而 $\|Df_n\|_\infty = 1$ ）。闭图定理不适用因为 $\mathcal{D}(D) \neq C[0,1]$ 。

这条区别在第九篇会成为整篇主题：无界但闭的算子有自己的理论（亏指标、Friedrichs 延拓、谱测度），不能被有界理论取代。但写"$T$ 是闭算子"时要立刻问"$\mathcal{D}(T)$ 是不是 $X$ "——前者不蕴含后者，强行假设两者一致会跌进所有微分算子构成的反例库。

下一步#

到这里我已经有了完整的有界算子理论框架：算子范数、伴随、三大定理、谱半径。但这个框架对“一般有界算子”太宽泛——它没有给出谱分解、没有保证特征向量存在、没有让我能像处理矩阵那样处理无穷维算子。要得到这些更细的结构，必须在有界算子里挑出一类“足够像有限维矩阵”的子集。

下一篇引入紧算子：把有界集映到相对紧集的有界算子。紧性是一个看似抽象、实则非常具体的条件：它意味着算子能用有限秩算子在算子范数下逼近，意味着特征值只能在零处累积，意味着 Fredholm 选择定理成立——非零谱要么是孤立特征值（带有限维特征空间），要么对应一个连续可逆的预解式。整个有限维谱论几乎原封不动地搬到紧算子上，唯一的代价是“特征值列表”可能是无穷的，但必须收敛到零。这是从“有限维直觉”过渡到“真正的无穷维谱论”最舒服的中间台阶，本系列剩下的谱理论几乎都从这里展开。