本文档分三部分：① 中英文逐句对照翻译；② 全中文规范解答（按李思然老师习惯的符号与书写风格）；③ 深入浅出的整体串讲。
| 符号 | 含义 |
|---|---|
| $X,\;Y$ | 赋范向量空间（数域 $\mathbb R$ 或 $\mathbb C$，本套题取 $\mathbb R$） |
| $\mathcal B(X)$ | $X\to X$ 的有界线性算子全体；$\mathcal B(X;Y)$ 同理 |
| $X^{*}=\mathcal B(X;\mathbb R)$ | $X$ 的对偶空间（连续线性泛函全体） |
| $X^{**}=(X^{*})^{*}$ | $X$ 的二次对偶（bidual） |
| $\|x\|$ | 范数；不致混淆时省略下标 |
| $\mathcal R(T)=T(X)$ | 算子 $T$ 的值域（range） |
| $\mathcal N(T)=\ker T$ | 算子 $T$ 的核（kernel） |
| $\overline{A}$ | 集合 $A$ 的闭包 |
| $\operatorname{dist}(x,Y)=\inf_{y\in Y}\|x-y\|$ | 点到子空间的距离 |
$B(x_0,r)=\{x:\|x-x_0\|| 以 $x_0$ 为心、$r$ 为半径的开球 |
|
| $\blacksquare$ | 证毕 |
约定：本套题中 $T$ 既可指算子也可指泛函，按上下文区分。
English.
Let $X$ be a Banach space and $T \in \mathcal B(X)$. We say that $T$ is bounded from below if there exists $\delta > 0$ such that $\|Tx\| \ge \delta\|x\|$ for all $x \in X$.
(1). Show that if $T$ is bounded from below, then it is injective and has closed range.
(2). Show that if $T$ is bounded from below and has dense range ($\overline{T(X)} = X$), prove that $T$ is a normed vector space isomorphism; i.e., $T$ is invertible with bounded inverse.
中文.
设 $X$ 为 Banach 空间，$T \in \mathcal B(X)$（$X$ 上的有界线性算子）。称 $T$ 下方有界（bounded from below），若存在 $\delta>0$，使得 $\|Tx\|\ge\delta\|x\|$ 对一切 $x\in X$ 成立。
(1). 证明：若 $T$ 下方有界，则 $T$ 是单射且值域是闭的。
(2). 证明：若 $T$ 下方有界且值域稠密（$\overline{T(X)}=X$），则 $T$ 是赋范空间的同构；即 $T$ 可逆，且其逆算子有界。
设 $T\in\mathcal B(X)$ 下方有界，即 $$\exists\,\delta>0,\quad \|Tx\|\ge\delta\|x\|\quad(\forall x\in X).\tag{$\ast$}$$
单射性. 设 $Tx=0$。由 $(\ast)$， $$0=\|Tx\|\ge\delta\|x\|\ge0,$$ 故 $\|x\|=0$，即 $x=0$。于是 $\ker T=\{0\}$，$T$ 为单射。
值域闭性. 设 $y\in\overline{\mathcal R(T)}$，取 $y_n=Tx_n\in\mathcal R(T)$ 使 $y_n\to y$。下证 $(x_n)$ 为 Cauchy 列。对任意 $m,n$，利用 $(\ast)$ 与 $T$ 的线性： $$\|x_n-x_m\|\;\le\;\frac1\delta\,\|T(x_n-x_m)\|\;=\;\frac1\delta\,\|y_n-y_m\|.$$ 因 $(y_n)$ 收敛，故为 Cauchy 列，从而上式右端 $\to0$，$(x_n)$ 也是 Cauchy 列。由 $X$ 完备，存在 $x\in X$ 使 $x_n\to x$。再由 $T$ 连续， $$y_n=Tx_n\longrightarrow Tx,$$ 而极限唯一，故 $y=Tx\in\mathcal R(T)$。于是 $\overline{\mathcal R(T)}\subseteq\mathcal R(T)$，即 $\mathcal R(T)$ 是闭的。$\blacksquare$
注. 闭值域的证明恰好用到了 $X$ 的完备性——这是 Banach 空间假设的关键落点。下方有界把"$y$ 的 Cauchy 性"反向传回"$x$ 的 Cauchy 性"，这是核心机制。
由 (1)，$\mathcal R(T)$ 闭，即 $\overline{\mathcal R(T)}=\mathcal R(T)$。又设值域稠密 $\overline{\mathcal R(T)}=X$，两式合并得 $$\mathcal R(T)=X,$$ 即 $T$ 满射。结合 (1) 的单射性，$T:X\to X$ 是双射，故存在逆映射 $T^{-1}:X\to X$。
$T^{-1}$ 线性. 任取 $y_1,y_2\in X,\ \alpha,\beta\in\mathbb R$，记 $x_i=T^{-1}y_i$（即 $y_i=Tx_i$）。由 $T$ 线性，$T(\alpha x_1+\beta x_2)=\alpha y_1+\beta y_2$，两边作用 $T^{-1}$ 得 $$T^{-1}(\alpha y_1+\beta y_2)=\alpha x_1+\beta x_2=\alpha T^{-1}y_1+\beta T^{-1}y_2,$$ 故 $T^{-1}$ 线性。
逆算子有界. 任取 $y\in X$，记 $x=T^{-1}y$（即 $y=Tx$）。由 $(\ast)$： $$\|T^{-1}y\|=\|x\|\le\frac1\delta\|Tx\|=\frac1\delta\|y\|.$$ 故 $T^{-1}\in\mathcal B(X)$ 且 $\|T^{-1}\|\le\dfrac1\delta$。
于是 $T$ 是双射、双向有界的线性映射，即赋范向量空间的同构（拓扑同构）。$\blacksquare$
注（与开映射定理的关系）. 也可援引逆算子定理（开映射定理的推论）：Banach 空间之间的连续线性双射其逆自动连续。但本题给了下方有界这一更强条件，直接用 $(\ast)$ 估计 $\|T^{-1}\|\le1/\delta$ 更干净，且不必动用开映射定理。
English.
Let $X = C([-1,1])$ be equipped with the supremum norm. Define $T : X \to \mathbb R$ by $$T(\phi) := \int_0^1 \phi(t)\,dt - \int_{-1}^0 \phi(t)\,dt.$$
(1). Prove that $T$ is a bounded linear functional; i.e., $T \in X^* = \mathcal B(X;\mathbb R)$.
(2). Compute the operator norm of $T$.
(3). Is the norm attained? That is, does there exist $\phi \in X$ such that $\|\phi\|_{C^0} = 1$ and $T(\phi) = \|T\|$? Justify your answer.
中文.
设 $X=C([-1,1])$ 赋以上确界范数（即 $\|\phi\|_\infty=\sup_{t\in[-1,1]}|\phi(t)|$）。定义 $T:X\to\mathbb R$ 为 $$T(\phi):=\int_0^1\phi(t)\,dt-\int_{-1}^0\phi(t)\,dt.$$
(1). 证明 $T$ 是有界线性泛函，即 $T\in X^{*}=\mathcal B(X;\mathbb R)$。
(2). 计算 $T$ 的算子范数 $\|T\|$。
(3). 该范数是否可达？亦即：是否存在 $\phi\in X$ 满足 $\|\phi\|_{C^0}=1$ 且 $T(\phi)=\|T\|$？请给出论证。
记 $\|\phi\|:=\|\phi\|_\infty=\sup_{t\in[-1,1]}|\phi(t)|$，并注意可把 $T$ 写成核为符号函数的积分泛函： $$T(\phi)=\int_{-1}^1 g(t)\,\phi(t)\,dt,\qquad g(t)=\operatorname{sgn}(t)=\begin{cases}+1,&t\in(0,1],\\[2pt]-1,&t\in[-1,0).\end{cases}$$
线性. 积分关于被积函数线性，故对 $\alpha,\beta\in\mathbb R,\ \phi,\psi\in X$， $$T(\alpha\phi+\beta\psi)=\alpha T(\phi)+\beta T(\psi).$$
有界. 对任意 $\phi\in X$， $$|T(\phi)|=\Big|\int_0^1\phi-\int_{-1}^0\phi\Big| \le\int_0^1|\phi|+\int_{-1}^0|\phi| =\int_{-1}^1|\phi(t)|\,dt \le\int_{-1}^1\|\phi\|_\infty\,dt =2\|\phi\|_\infty.$$ 故 $T$ 有界，$T\in X^{*}$，且 $$\boxed{\;\|T\|\le2\;}.\tag{2.1}$$
上界已得 $(2.1)$。只需构造 $\|\phi_n\|_\infty\le1$ 使 $T(\phi_n)\to2$。
取奇的连续逼近 $\phi_n$（$n\ge1$），逼近 $\operatorname{sgn}$： $$\phi_n(t)=\begin{cases} +1,& t\ge \tfrac1n,\\[2pt] n\,t,& |t|<\tfrac1n,\\[2pt] -1,& t\le-\tfrac1n. \end{cases}$$ 显然 $\phi_n\in C([-1,1])$，$\|\phi_n\|_\infty=1$，且 $\phi_n$ 为奇函数。由奇性 $\displaystyle\int_{-1}^0\phi_n=-\int_0^1\phi_n$，于是 $$T(\phi_n)=\int_0^1\phi_n-\int_{-1}^0\phi_n=2\int_0^1\phi_n.$$ 而 $$\int_0^1\phi_n=\int_0^{1/n} n t\,dt+\int_{1/n}^1 1\,dt =\frac n2\cdot\frac1{n^2}+\Big(1-\frac1n\Big) =1-\frac1{2n}.$$ 故 $$T(\phi_n)=2\Big(1-\frac1{2n}\Big)=2-\frac1n\xrightarrow[n\to\infty]{}2.$$ 因此 $\|T\|\ge2$。结合 $(2.1)$ 得 $$\boxed{\;\|T\|=2\;}.\tag{2.2}$$
结论：不可达。 即不存在 $\phi\in X$ 同时满足 $\|\phi\|_\infty=1$ 与 $T(\phi)=2$。
反证. 设有这样的 $\phi$，$\|\phi\|_\infty=1$ 即 $|\phi(t)|\le1\,(\forall t)$，且 $T(\phi)=2$。沿用 (1) 的不等式链： $$2=T(\phi)=\int_0^1\phi-\int_{-1}^0\phi \le\underbrace{\int_0^1|\phi|}_{\le\,1}+\underbrace{\int_{-1}^0|\phi|}_{\le\,1}\le2.$$ 等号成立必须两段都取到 $1$：
两者要求 $\phi(0)=+1$ 又 $\phi(0)=-1$，矛盾。故无此 $\phi$，范数不可达。$\blacksquare$
直观. 唯一"想取到上界"的对象是符号函数 $\operatorname{sgn}$，它在 $t=0$ 处跳跃、不连续，跳出了 $C([-1,1])$。这正是连续函数空间（与 $C([-1,1])^{*}$ 不自反、单位球非弱*紧之外的一个侧面）中上确界常常"逼近但取不到"的典型现象。
English.
Let $X$ be an infinite-dimensional Banach space. Show that every open ball in $X$ contains an infinite number of disjoint open balls of equal radii.
Remark. For those of you who know measure theory — you may deduce from this question that there is no translation-invariant Borel measure $\mu$ on $X$ such that $\mu(U) > 0$ for every open set $U$, unless $\mu$ is infinite on any open set.
中文.
设 $X$ 为无穷维 Banach 空间。证明：$X$ 中的每个开球都包含无穷多个互不相交、半径相等的开球。
注. 若你了解测度论：可由本题推出，$X$ 上不存在这样的平移不变 Borel 测度 $\mu$——它对每个开集 $U$ 都满足 $\mu(U)>0$——除非 $\mu$ 在任意开集上都取无穷大。
核心工具是 Riesz 引理（F. Riesz）。
Riesz 引理. 设 $Y$ 是赋范空间 $X$ 的真闭子空间（$Y\ne X$）。则对任意 $\theta\in(0,1)$，存在 $x\in X$，$\|x\|=1$，使 $\operatorname{dist}(x,Y)\ge\theta$。
第一步：构造"几乎正交"的单位向量列. 取 $\theta=\tfrac12$。归纳构造 $(e_n)\subset X$，$\|e_n\|=1$：
于是得到无穷列 $(e_n)$ 满足 $$\|e_n\|=1,\qquad \|e_n-e_m\|\ge\tfrac12\ \ (n\ne m).\tag{3.1}$$
第二步：在任意开球内安放小球. 设 $B=B(x_0,r)$ 为任意开球（$r>0$）。令小球圆心 $$c_n:=x_0+\frac r2\,e_n\qquad(n\ge1).$$
取小球半径 $$\rho:=\frac r8.$$
（i）小球互不相交. 若 $z\in B(c_n,\rho)\cap B(c_m,\rho)$（$n\ne m$），则 $$\|c_n-c_m\|\le\|c_n-z\|+\|z-c_m\|<2\rho=\frac r4,$$ 与 $(3.2)$ 矛盾。故诸 $B(c_n,\rho)$ 两两不交。
（ii）小球都在 $B$ 内. 对 $z\in B(c_n,\rho)$，
$$\|z-x_0\|\le\|z-c_n\|+\|c_n-x_0\|<\rho+\frac r2=\frac r8+\frac r2=\frac{5r}{8} 综上，$\{B(c_n,\tfrac r8)\}_{n\ge1}$ 是 $B$ 内无穷多个互不相交、半径同为 $r/8$ 的开球。$\blacksquare$ 注 1（不需要完备性）. Riesz 引理对一般赋范空间成立，有限维子空间天然闭，故本证明对任意无穷维赋范空间都有效，并不真正用到 $X$ 的完备性——题目写 Banach 只是更具体的情形。 注 2（解释 Remark）. 设有平移不变 Borel 测度 $\mu$，对每个开集取正值。若 $\mu$ 在某开集 $U$ 上有限（$\mu(U)<\infty$，否则即落入 Remark 所述"$\mu$ 在任意开集上恒为 $\infty$"的例外情形），则 $U$ 含某开球 $B=B(x_0,r)\subseteq U$，由单调性 $\mu(B)\le\mu(U)<\infty$。对此开球 $B$ 套用上面的塞球结论：诸小球 $B(c_n,\rho)$（$\rho=r/8$）互为平移（$B(c_n,\rho)=c_n+B(0,\rho)$），由平移不变性它们测度相同，记为 $c:=\mu(B(0,\rho))>0$（开集正测度）。它们互不相交且都在 $B$ 内，故
$$\mu(B)\ge\sum_{n=1}^\infty\mu\big(B(c_n,\rho)\big)=\sum_{n=1}^\infty c=+\infty,$$
与 $\mu(B)<\infty$ 矛盾。结论：无穷维空间上不存在"有限且处处正"的平移不变测度——这正是无穷维空间没有 Lebesgue 测度类比物的根本原因。 English. Let $X \neq \{0\}$ be a normed vector space. Recall that the norm of $T \in X^*$ is defined by $\|T\| := \sup\{|Tx| : x \in X,\ \|x\| \le 1\}$. We shall omit the subscripts for norms when there is no danger of confusion. (1). Prove that for any $T \in X^*$, we have $\|T\| = \sup\{|Tx| : x \in X,\ \|x\| = 1\}$. (2). Prove that for any $x \in X$, we have $\|x\| = \sup\{|Tx| : T \in X^*,\ \|T\| = 1\}$. (3). Define the map $J_X : X \to X^{**}$ given as follows: for each $x \in X$ and $f \in X^*$, set $[J_X(x)](f) := f(x)$. Here $X^{**} := (X^*)^*$ is known as the bidual of $X$. Show that $J_X$ is a bounded linear injective operator such that $\|J_X(x)\|_{X^{**}} = \|x\|_X$ for each $x \in X$. Remark. $J_X$ is known as the canonical isometric embedding of $X$ into its bidual. Note that $J_X(x)$ is simply the evaluation map at $x$. 中文. 设 $X\ne\{0\}$ 为赋范向量空间。回忆 $T\in X^{*}$ 的范数定义为 $\|T\|:=\sup\{|Tx|:x\in X,\ \|x\|\le1\}$。在不致混淆时省略范数的下标。 (1). 证明：对任意 $T\in X^{*}$，有 $\|T\|=\sup\{|Tx|:x\in X,\ \|x\|=1\}$。 (2). 证明：对任意 $x\in X$，有 $\|x\|=\sup\{|Tx|:T\in X^{*},\ \|T\|=1\}$。 (3). 定义映射 $J_X:X\to X^{**}$ 如下：对每个 $x\in X$ 与 $f\in X^{*}$，令 $[J_X(x)](f):=f(x)$。其中 $X^{**}:=(X^{*})^{*}$ 称为 $X$ 的二次对偶（bidual）。证明 $J_X$ 是有界、线性、单射的算子，且对每个 $x\in X$ 都有 $\|J_X(x)\|_{X^{**}}=\|x\|_X$。 注. $J_X$ 称为 $X$ 到其二次对偶的典范等距嵌入（canonical isometric embedding）。注意 $J_X(x)$ 不过是"在 $x$ 处求值"的求值映射。 记
$$A:=\sup_{\|x\|\le1}|Tx|\ (=\|T\|),\qquad S:=\sup_{\|x\|=1}|Tx|.$$
因 $X\ne\{0\}$，单位球面 $\{\|x\|=1\}$ 非空，$S$ 有意义。 两向夹逼得 $A=S$，即
$$\boxed{\;\|T\|=\sup_{\|x\|=1}|Tx|\;}.\qquad\blacksquare$$ 记 $M(x):=\sup\{|f(x)|:f\in X^{*},\|f\|=1\}$。 上界 $M(x)\le\|x\|$. 对 $\|f\|=1$，$|f(x)|\le\|f\|\,\|x\|=\|x\|$，取上确界即得。 下界（且上确界可达）$M(x)\ge\|x\|$. 推论（支撑泛函的存在）. 对 $x_0\ne0$，存在 $f\in X^{*}$，$\|f\|=1$，使 $f(x_0)=\|x_0\|$。 证. 在一维子空间 $Y=\operatorname{span}\{x_0\}$ 上定义 $g(\lambda x_0):=\lambda\|x_0\|$。则 $g(x_0)=\|x_0\|$，且 $|g(\lambda x_0)|=|\lambda|\,\|x_0\|=\|\lambda x_0\|$，故 $\|g\|_{Y^{*}}=1$。由 Hahn–Banach 保范延拓定理，存在 $f\in X^{*}$，$f|_Y=g$ 且 $\|f\|_{X^{*}}=\|g\|_{Y^{*}}=1$。特别 $f(x_0)=\|x_0\|$。$\square$ 于是对该 $f$（$\|f\|=1$）有 $|f(x)|=\|x\|$，故 $M(x)\ge\|x\|$，并且上确界被取到。 综合得
$$\boxed{\;\|x\|=\sup_{\|T\|=1}|Tx|\;}\quad(\text{且为最大值}).\qquad\blacksquare$$ 注. (1) 是"代数/初等"的；(2) 的下界本质依赖 Hahn–Banach——正是它保证对偶空间 $X^{*}$ 足够"丰富"，能把每个向量的范数"测"出来。$X\ne\{0\}$ 同样经 Hahn–Banach 保证 $X^{*}\ne\{0\}$。 对 $x\in X$，$J_X(x)$ 是定义在 $X^{*}$ 上的函数：$[J_X(x)](f)=f(x)$。 (a) $J_X(x)\in X^{**}$（在 $X^{*}$ 上线性且有界）. (b) $J_X$ 线性. 对 $x,y\in X,\ \alpha,\beta\in\mathbb R$ 及任意 $f\in X^{*}$，
$$[J_X(\alpha x+\beta y)](f)=f(\alpha x+\beta y)=\alpha f(x)+\beta f(y)=[\alpha J_X(x)+\beta J_X(y)](f).$$
因对一切 $f$ 成立，故 $J_X(\alpha x+\beta y)=\alpha J_X(x)+\beta J_X(y)$。 (c) 等距 $\|J_X(x)\|_{X^{**}}=\|x\|_X$. 因 $X\ne\{0\}$，由 (2) 注中的 Hahn–Banach 推论 $X^{*}\ne\{0\}$，故 $X^{*}$ 的单位球面非空，可对赋范空间 $X^{*}$ 施用 (1)（把 $J_X(x)$ 看作 $X^{*}$ 上的有界泛函），再用 (2)：
$$\|J_X(x)\|_{X^{**}}
=\sup_{\|f\|\le1}\big|[J_X(x)](f)\big|
=\sup_{\|f\|=1}|f(x)|
\overset{(2)}{=}\|x\|_X.$$ (d) $J_X$ 有界且单射. 由 (c)，$\|J_X(x)\|=\|x\|$，故 $J_X$ 有界且算子范数 $\|J_X\|=1$（$X\ne\{0\}$）。又若 $J_X(x)=0$，则 $\|x\|=\|J_X(x)\|=0$，即 $x=0$，故 $\ker J_X=\{0\}$，$J_X$ 单射。 综上，$J_X$ 是有界、线性、单射且保范（等距）的算子，即 $X$ 到 $X^{**}$ 的典范等距嵌入。$\blacksquare$ 注（自反性的引子）. $J_X$ 总是等距嵌入，但未必满射。当 $J_X$ 也满射（即 $J_X(X)=X^{**}$）时，称 $X$ 为自反空间（reflexive），如 Hilbert 空间、$L^p\,(1 四道题看似零散，其实串起了泛函分析"线性算子—对偶—嵌入"的一条主线： 第一题——"下方有界"是什么. 算子范数 $\|Tx\|\le\|T\|\|x\|$ 控制的是"上界"；而 $\|Tx\|\ge\delta\|x\|$ 控制"下界"。下界保证了 $T$ "不压缩"——既不会把非零向量打到 $0$（单射），也不会让值域"漏出边界"（闭值域）。再补上稠密性把"闭"升级为"全空间"，就得到了同构。口诀：下方有界 + 完备 ⟹ 闭值域；再加稠密 ⟹ 同构。 第二题——抽象范数如何落到具体泛函. 把"求 $\|T\|$"翻译成"$|T\phi|\le C\|\phi\|$ 的最优常数 $C$"。上界靠三角不等式，下界靠构造逼近列。第 (3) 问点出连续函数空间的"软肋"：最优解是 $\operatorname{sgn}$，落在 $C$ 之外，于是上确界逼近而不可达——这是无穷维分析里最常见的"差一点"。 第三题——无穷维的"几何反直觉". 有限维里单位球紧、球内塞不下无穷个等大不交球；无穷维里 Riesz 引理造出"几乎正交"的单位向量列，球面不紧，于是任何球内都能塞进无穷个等大不交小球。它的"测度论遗产"是：无穷维空间没有 Lebesgue 测度（没有处处正、平移不变、且局部有限的测度）。 第四题——对偶空间为什么"够用". (1) 把范数从闭球缩到球面（技术性热身）；(2) 是灵魂：$\|x\|$ 可以反过来用泛函"测"出来——这要靠 Hahn–Banach；(3) 把 (2) 升华为结构性结论：每个空间都能等距地坐进自己的二次对偶 $X^{**}$。这枚嵌入是否满射，决定了空间是否自反。 一句话总括. 下方有界给"算子可逆"的判据；具体泛函演示"范数计算与不可达"；无穷维球的塞球性揭示几何与测度的反直觉；而对偶刻画与典范嵌入说明——有界线性泛函足够丰富，能反过来重建向量的范数与空间的几何。这正是 Hahn–Banach 定理在泛函分析中的统治地位所在。 English. $\tilde X$ a closed subspace of $C[0,1]$ (sup norm) whose every element is $C^1$. Show $\tilde X$ is finite-dimensional. 中文. $\tilde X$ 是 $C[0,1]$（上确界范数）的闭子空间，每元素有连续导数。证明 $\tilde X$ 必有限维。 求导映射 $D:\tilde X\to C[0,1],\ Df:=f'$ 线性。 (1) $C[0,1]$ 完备，闭子空间 $\tilde X$ 仍完备（闭图像定理所需的完备性，落点即闭假设）。 (2) 闭图像定理。 设 $f_n\to f,\ f_n'\to g$ 均一致；$\tilde X$ 闭故 $f\in\tilde X$。由 $f_n(t)-f_n(0)=\int_0^t f_n'$ 及一致收敛得 $f(t)-f(0)=\int_0^t g$，$g$ 连续故 $f'=g$。得 $\boxed{\|f'\|_\infty\le C\|f\|_\infty}$。 (3) AA + Riesz。 $B=\{\|f\|_\infty\le1\}\cap\tilde X$：一致有界由 $\|f\|_\infty\le1$，等度连续由 $\|f'\|_\infty\le C$ 得 $|f(s)-f(t)|\le C|s-t|$（$\delta=\varepsilon/(C+1)$，兼顾 $C=0$）——皆由 $D$ 有界给出，AA 得相对紧；$B$ 闭故紧。Riesz（有限维 $\iff$ 单位球紧）得
$$\boxed{\;\tilde X\ \text{是有限维的}.\;}$$ ∎ 注. 显式单射 $Tf=(f(t_i))$（细度 $h<\tfrac1{C+1}$）须对核元 $d$ 由 $\|d\|_\infty\le Ch\|d\|_\infty,\ Ch<1$ 推 $d=0$ 方单射。 完备性经闭图像定理把求导化为有界算子，AA 给相对紧，Riesz 反推有限维。 English. Let $X, Y$ be Banach spaces and $T \in B(X,Y)$. Show TFAE: (1) $T$ has closed range in $Y$; (2) $T$ is open when considered as a mapping $T: X \to \operatorname{ran}(T)$ (the range carries the subspace norm of $Y$); (3) There exists $M>0$ such that for every $y \in \operatorname{ran}(T)$ there exists $x \in T^{-1}\{y\}$ with $\|x\|_X \le M\|y\|$. 中文. 设 $X, Y$ 为 Banach 空间，$T \in B(X,Y)$（即 $T$ 是从 $X$ 到 $Y$ 的有界线性算子）。证明以下三条等价（TFAE = the following are equivalent）： (1) $T$ 在 $Y$ 中具有闭值域，即 $\operatorname{ran}(T)$ 是 $Y$ 的闭子空间； (2) 当把 $T$ 视为映射 $T: X \to \operatorname{ran}(T)$（值域 $\operatorname{ran}(T)$ 赋以 $Y$ 诱导的子空间范数）时，$T$ 是开映射； (3) 存在常数 $M>0$，使得对每个 $y \in \operatorname{ran}(T)$，都存在原像 $x \in T^{-1}\{y\}$ 满足 $\|x\|_X \le M\|y\|$（即每个值都可被一个范数受控的原像“反解”出来）。 预备构造（贯穿全题的诱导算子）。
由于 $T$ 连续，$\ker T = T^{-1}\{0\}$ 是 $0$ 的闭原像，故 $\ker T$ 是 $X$ 的闭子空间。理由不可跳过：$\{0\}\subset Y$ 闭，$T$ 连续蕴含闭集的原像为闭集，所以 $\ker T$ 闭。 由于 $X$ 完备且 $\ker T$ 是其闭子空间，商空间 $X/\ker T$ 在商范数 $$
\|[x]\| \;:=\; \inf_{u \in \ker T}\|x - u\|_X \;=\; \operatorname{dist}(x,\ker T)
$$ 下是 Banach 空间（完备空间对闭子空间的商仍完备——这是商空间完备性的标准定理，落点正是 $X$ 完备 $+$ $\ker T$ 闭）。 定义诱导算子 $$
\tilde T : X/\ker T \longrightarrow Y,\qquad \tilde T([x]) := Tx .
$$ 它良定义：若 $[x]=[x']$，则 $x-x'\in\ker T$，故 $Tx=Tx'$。它线性显然。它单射：若 $\tilde T([x])=0$ 则 $Tx=0$ 即 $x\in\ker T$，故 $[x]=0$。它有界：对任意 $u\in\ker T$， $$
\|\tilde T([x])\| = \|Tx\| = \|T(x-u)\| \le \|T\|\,\|x-u\|_X,
$$ 对右端关于 $u\in\ker T$ 取下确界得 $\|\tilde T([x])\|\le \|T\|\,\|[x]\|$，故 $\tilde T\in B(X/\ker T,\,Y)$ 且 $\|\tilde T\|\le\|T\|$。最后 $\tilde T$ 与 $T$ 同值域：$\operatorname{ran}(\tilde T)=\{Tx : x\in X\}=\operatorname{ran}(T)$。 下面给出三向闭环 $(1)\Rightarrow(3)$、$(3)\Rightarrow(1)$、$(2)\Leftrightarrow(3)$，由此 $(1)\Leftrightarrow(3)\Leftrightarrow(2)$，三条两两等价。 设 $\operatorname{ran}(T)$ 在 $Y$ 中闭。因 $Y$ 完备，其闭子空间 $\operatorname{ran}(T)$ 在子空间范数下仍完备，故 $\operatorname{ran}(T)$ 是 Banach 空间。 将 $\tilde T$ 视为映射到其值域： $$
\tilde T : X/\ker T \longrightarrow \operatorname{ran}(T).
$$ 此时 $\tilde T$ 是两个 Banach 空间之间的连续双射： 由【开映射定理】（Banach 空间之间的连续满射线性算子是开映射；其前提“定义域、到达域均完备 $+$ 连续 $+$ 满”此处全部满足），$\tilde T$ 是开映射。对一个连续线性双射而言，开映射等价于其逆 $\tilde T^{-1}:\operatorname{ran}(T)\to X/\ker T$ 连续（这正是 Banach 逆算子定理的内容，是开映射定理的推论）。于是存在 $C>0$ 使得 $$
\|\tilde T^{-1}(y)\| \le C\,\|y\|,\qquad \forall\, y\in\operatorname{ran}(T),
$$ 即对 $y=Tx$ 有 $\big\|[x]\big\| \le C\,\|y\|$。等价地，下方有界估计 $$
\boxed{\;\|[x]\| \le C\,\|\tilde T([x])\| \quad\Longleftrightarrow\quad \|\tilde T([x])\| \ge C^{-1}\|[x]\|\;}
$$ 成立。 现由商范数为下确界这一事实“兑现”出原像。固定 $y\in\operatorname{ran}(T)$，$y\neq0$，取任一 $x_0$ 使 $Tx_0=y$，则 $\|[x_0]\|\le C\|y\|$。由 $$
\|[x_0]\| = \inf_{u\in\ker T}\|x_0-u\|_X
$$ 是下确界（不一定取到，故需 $\varepsilon$ 处理；此处取 $\varepsilon=\|y\|>0$），存在 $u\in\ker T$ 使 $$
\|x_0-u\|_X \le \|[x_0]\| + \|y\| \le C\|y\| + \|y\| = (C+1)\|y\|.
$$ 令 $x:=x_0-u$，则 $Tx = Tx_0 = y$（因 $u\in\ker T$），且 $\|x\|_X\le (C+1)\|y\|$。 边界情形 $y=0$： 取 $x=0\in T^{-1}\{0\}$，则 $\|x\|_X=0=(C+1)\cdot 0$，估计平凡成立。 取 $M:=C+1$，即得 $$
\boxed{\;\forall\, y\in\operatorname{ran}(T),\ \exists\, x\in T^{-1}\{y\}:\ \|x\|_X\le M\|y\|.\;}
$$ 这正是 (3)。$\blacksquare$ 附注（关于 $\varepsilon$ 与“用 $2M$”）： 这里用加 $\|y\|$（而非加任意固定常数 $\varepsilon$）以保持齐次性，从而得到统一常数 $C+1$；若仅取 $\varepsilon$-代表元（对每个 $y$ 取满足 $\|x_0-u\|\le\|[x_0]\|+\varepsilon$ 的代表元），会得到逐点常数 $C+\varepsilon/\|y\|$，再对 $\|y\|$ 缩放即可，本质一致。核心是商范数是 $\inf$ 而非 $\min$，必须用接近下确界的代表元。 设存在 $M>0$ 满足 (3)。要证 $\operatorname{ran}(T)$ 在 $Y$ 中闭。 任取 $\operatorname{ran}(T)$ 中收敛于 $Y$ 中某点的序列：设 $y_n=Tx_n\in\operatorname{ran}(T)$ 且 $y_n\to y$（在 $Y$ 中）。须证 $y\in\operatorname{ran}(T)$。 因 $\{y_n\}$ 收敛，它是 $Y$ 中的 Cauchy 列。无须直接控制 $x_n$（它们可能很大），而是控制相邻差。注意值域是子空间，对差封闭，故 $y_{n+1}-y_n\in\operatorname{ran}(T)$。 为得 Cauchy 原像列，先抽取快速收敛子列。因 $\{y_n\}$ Cauchy，可取下标 $n_1 $$
\|y_{n_{k+1}} - y_{n_k}\| \le 2^{-k},\qquad k=1,2,\dots
$$ （Cauchy 列必有满足此几何衰减的子列：逐次选取下标即可。）对每个 $k$，由 (3) 取 $z_k\in X$ 使 $$
T z_k = y_{n_{k+1}}-y_{n_k},\qquad \|z_k\|_X \le M\,\|y_{n_{k+1}}-y_{n_k}\| \le M\,2^{-k}.
$$ 于是 $\sum_{k\ge1}\|z_k\|_X \le M\sum_{k\ge1}2^{-k}=M<\infty$，级数绝对收敛。由于 $X$ 完备（关键落点：完备空间中绝对收敛级数收敛），取定起点 $x_{n_1}$（满足 $Tx_{n_1}=y_{n_1}$），部分和 $$
s_K := x_{n_1} + \sum_{k=1}^{K} z_k
$$ 收敛于某 $x\in X$。 计算 $T s_K$：由线性与望远镜求和， $$
T s_K = Tx_{n_1} + \sum_{k=1}^{K} Tz_k = y_{n_1} + \sum_{k=1}^{K}(y_{n_{k+1}}-y_{n_k}) = y_{n_{K+1}}.
$$ 令 $K\to\infty$：左端 $T s_K\to Tx$（$T$ 连续，$s_K\to x$）；右端 $y_{n_{K+1}}\to y$（它是收敛列 $\{y_n\}$ 的子列，故与全列同极限 $y$）。由极限唯一性， $$
Tx = y .
$$ 故 $y\in\operatorname{ran}(T)$。由 $\{y_n\}$ 任意，$\operatorname{ran}(T)$ 包含其全部极限点，即 $$
\boxed{\;\operatorname{ran}(T)\ \text{在}\ Y\ \text{中闭}.\;}
$$ 这正是 (1)。$\blacksquare$ 边界情形： 若从某项起 $y_n$ 恒等于 $y$，则 $y=y_n\in\operatorname{ran}(T)$ 直接成立；上述构造对该平凡情形（$z_k$ 可取 $0$）依然有效。 将 $T$ 视为到达域为 $\operatorname{ran}(T)$ 的满射 $T:X\to\operatorname{ran}(T)$（赋子空间范数）。下面把“开映射”翻译为定量估计，双向互推。 $(2)\Rightarrow(3)$： 设 $T:X\to\operatorname{ran}(T)$ 开。开映射把开集映为开集，特别地把 $X$ 的开单位球 $B_X=\{x:\|x\|_X<1\}$ 映为 $\operatorname{ran}(T)$ 中的开集 $T(B_X)$，且 $0=T(0)\in T(B_X)$。故存在 $r>0$ 使 $\operatorname{ran}(T)$ 中的开球 $B_r:=\{y\in\operatorname{ran}(T):\|y\| $$
B_r \subseteq T(B_X).
$$ 取常数 $M:=\dfrac{2}{r}$。现取任意 $y\in\operatorname{ran}(T)$。 $$
Tx=\frac{\|y\|}{tr}\cdot\frac{tr}{\|y\|}\,y=y,\qquad
\|x\|_X = \frac{\|y\|}{tr}\,\|x'\|_X < \frac{1}{tr}\,\|y\| = \frac{2}{r}\,\|y\| = M\|y\|.
$$ （此处不必对 $x$ 取极限：对给定的 $y$ 只需固定一个 $t\in[\tfrac12,1)$ 即足，取 $t=\tfrac12$ 时系数 $\tfrac1{tr}=\tfrac2r=M$。） 综上，对每个 $y\in\operatorname{ran}(T)$ 都存在 $x\in T^{-1}\{y\}$ 使 $\|x\|_X\le M\|y\|$（实际为 $ $(3)\Rightarrow(2)$： 设 (3) 成立，常数为 $M$。要证 $T:X\to\operatorname{ran}(T)$ 开。对线性算子，开映射等价于其在原点处“覆盖一个球”，再由线性平移与伸缩传播到处。 原点处覆盖。 断言：$\{y\in\operatorname{ran}(T):\|y\|< 1/M\}\subseteq T(B_X)$。事实上，设 $y\in\operatorname{ran}(T)$ 且 $\|y\|<1/M$。由 (3) 存在 $x$ 使 $Tx=y$ 且 $$
\|x\|_X\le M\|y\| 故 $x\in B_X$，从而 $y\in T(B_X)$，断言得证。 传播到任意开集。 对任意开集 $U\subseteq X$ 与任意 $y_0=Tx_0\in T(U)$（其中 $x_0\in U$），取 $\rho>0$ 使 $x_0+\rho B_X\subseteq U$。则由线性以及上述覆盖与伸缩， $$
T(x_0+\rho B_X)=y_0+\rho\,T(B_X)\supseteq y_0+\rho\Big\{y\in\operatorname{ran}(T):\|y\|<\tfrac1M\Big\}
= \Big\{w\in\operatorname{ran}(T):\|w-y_0\|<\tfrac{\rho}{M}\Big\}.
$$ 右端是 $y_0$ 在 $\operatorname{ran}(T)$ 中以 $\rho/M$ 为半径的开球邻域，且含于 $T(U)$。由 $y_0\in T(U)$ 任意，$T(U)$ 是 $\operatorname{ran}(T)$ 中开集，即 $$
\boxed{\;T:X\to\operatorname{ran}(T)\ \text{是开映射}.\;}
$$ 这正是 (2)。$\blacksquare$ 闭环总结。 已证 $$
(1)\Rightarrow(3),\qquad (3)\Rightarrow(1),\qquad (2)\Leftrightarrow(3).
$$ 由 $(1)\Leftrightarrow(3)$ 与 $(3)\Leftrightarrow(2)$，三条命题两两等价，TFAE 成立。$\blacksquare$ 这道题的核心机制是把一个未必单射、未必满射的算子 $T$ 通过商空间“正规化”为一个连续双射 $\tilde T:X/\ker T\to\operatorname{ran}(T)$，从而把问题归约到“开映射定理 / 逆算子定理”的标准战场——而这套机器只有在两端都完备时才能开动，因此条件 (1)“值域闭”恰恰是用来保证到达域 $\operatorname{ran}(T)$ 作为 $Y$ 的闭子空间是 Banach 空间的那块拼图，缺了它开映射定理就用不上。三条等价的实质是同一件事的三种语言：闭值域（拓扑）、开映射 / 下方有界（几何）、原像范数受控（定量），其中 (2)$\Leftrightarrow$(3) 纯属把“开”翻译成对单位球的覆盖估计、再用线性齐次性缩放，不需要任何大定理。最易错的两处：一是商范数是 $\inf$ 而非 $\min$，从 $\|[x]\|\le C\|y\|$ 兑换出真正的原像 $x$ 时必须用“接近下确界的代表元”做 $\varepsilon$（或 $+\|y\|$）处理；二是 $(3)\Rightarrow(1)$ 中不能直接控制 $x_n$（它们可能爆掉），而要对相邻差 $y_{n+1}-y_n$ 取受控原像、抽几何衰减子列，借 $X$ 完备让绝对收敛级数收敛出极限原像——这一步的完备性落点是整个反向蕴含的命门。此外，$(2)\Rightarrow(3)$ 中对给定的 $y$ 只需固定取一个 $t\in[\tfrac12,1)$ 即可读出受控原像，不必对 $x$ 取极限（$x$ 族未必收敛），这是把“开”定量化时容易写虚的地方。 English. Let $B := \{f:[0,\infty)\to\mathbb{R} : f \text{ bounded}\}$, a Banach space under the sup norm (no measurability assumption). Prove: there exists a linear functional $\mathrm{LIM}_{t\to\infty}$ on $B$ (a Banach limit) such that (1) $\mathrm{LIM}\,f = \lim f$ whenever the usual limit exists; (2) $\mathrm{LIM}$ is linear; (3) $\mathrm{LIM}\,f(t+\tau)=\mathrm{LIM}\,f(t)$ for any $\tau>0$ and $f\in B$; (4) $\displaystyle\liminf_{s\to\infty} f(s) \le \mathrm{LIM}\,f \le \limsup_{s\to\infty} f(s)$ for all $f\in B$. Hint. Consider the positively homogeneous sublinear functional $p(f):=\inf\{\beta(f;t_1,\dots,t_n): t_1,\dots,t_n\ge 0,\ n\in\mathbb{N}\}$, where $\beta(f;t_1,\dots,t_n):=\limsup_{t\to\infty}\frac{1}{n}\sum_{j=1}^n f(t+t_j)$. 中文. 设 $B := \{f:[0,\infty)\to\mathbb{R} : f\ \text{有界}\}$，在上确界范数下构成 Banach 空间（不作任何可测性假设）。 求证：在 $B$ 上存在一个线性泛函 $\mathrm{LIM}_{t\to\infty}$（Banach 极限），满足 (1) 当通常意义下的极限存在时，$\mathrm{LIM}\,f=\lim f$； (2) $\mathrm{LIM}$ 是线性的； (3) 对任意 $\tau>0$ 与 $f\in B$，有 $\mathrm{LIM}\,f(t+\tau)=\mathrm{LIM}\,f(t)$（平移不变性）； (4) 对一切 $f\in B$，有 $\displaystyle\liminf_{s\to\infty} f(s)\le \mathrm{LIM}\,f\le \limsup_{s\to\infty} f(s)$。 Hint. 考虑正齐次次线性泛函 $p(f):=\inf\{\beta(f;t_1,\dots,t_n): t_1,\dots,t_n\ge 0,\ n\in\mathbb{N}\}$，其中 $\beta(f;t_1,\dots,t_n):=\limsup_{t\to\infty}\frac{1}{n}\sum_{j=1}^n f(t+t_j)$。 记号约定。 对 $f\in B$ 与节点组 $(t_1,\dots,t_n)$（$t_j\ge 0$，$n\in\mathbb{N}$），令平移平均 $$
A_{(t_j)}f(t):=\frac{1}{n}\sum_{j=1}^n f(t+t_j),\qquad
\beta(f;t_1,\dots,t_n):=\limsup_{t\to\infty} A_{(t_j)}f(t),
$$ 并按提示定义 $$
p(f):=\inf\Big\{\beta(f;t_1,\dots,t_n):\ t_1,\dots,t_n\ge 0,\ n\in\mathbb{N}\Big\}.
$$ 注意 $|A_{(t_j)}f(t)|\le \|f\|_\infty$，故 $\beta(f;\cdots)\in[-\|f\|_\infty,\|f\|_\infty]$，从而上式 $\inf$ 是对一个含于 $[-\|f\|_\infty,\|f\|_\infty]$ 的非空有界数集取下确界，$p(f)$ 是一个良定义的有限实数（这一步用到 $f$ 的有界性，故 $p:B\to\mathbb{R}$）。 整个证明的主干是：先证 $p$ 为次线性泛函（(a)），并定出其与 $\limsup,\liminf$ 的夹逼关系（(b)）；再在收敛函数子空间上取 $L_0=\lim$ 并验证 $L_0\le p$（(c)）；用 Hahn–Banach 延拓定理（实形式，由次线性控制）延拓为全空间上的 $L\le p$；最后由夹逼推出 (1)(4)（(d)）、由对平移差的估计推出 (3)（(e)）。 正齐次性。 设 $\lambda>0$。对任一节点组，$A_{(t_j)}(\lambda f)(t)=\lambda A_{(t_j)}f(t)$。由于 $\lambda>0$，上极限对正数因子可外提：$\limsup_{t\to\infty}\lambda A_{(t_j)}f(t)=\lambda\limsup_{t\to\infty} A_{(t_j)}f(t)$，故 $\beta(\lambda f;\cdots)=\lambda\beta(f;\cdots)$。对节点组取 $\inf$ 时正数因子 $\lambda$ 可外提，得 $$
p(\lambda f)=\lambda\,p(f)\qquad(\lambda>0).
$$ 边界情形 $\lambda=0$：对常值零函数，任何 $\beta(0;\cdots)=0$，故 $p(0)=0=0\cdot p(f)$。两者合并即得对一切 $\lambda\ge 0$ 的正齐次性。（注：次线性泛函只要求 $\lambda\ge 0$ 齐次，不要求对负数齐次，这正是 $p$ 的特点，下文 (b) 会处理 $-p(-f)$。） 次可加性 $p(f+g)\le p(f)+p(g)$。 这是本题的技术核心，分两步。 第一步（同一节点组上的次可加）。 对固定节点组 $(t_1,\dots,t_n)$，由 $\limsup$ 的次可加性（对任意两族实数 $a_t,b_t$ 有 $\limsup(a_t+b_t)\le\limsup a_t+\limsup b_t$，因为对任意 $\varepsilon>0$，当 $t$ 充分大时 $a_t\le \limsup a_t+\varepsilon$ 且 $b_t\le\limsup b_t+\varepsilon$，相加再令 $\varepsilon\downarrow 0$）： $$
\beta(f+g;t_1,\dots,t_n)
=\limsup_{t\to\infty}\big(A_{(t_j)}f(t)+A_{(t_j)}g(t)\big)
\le \beta(f;t_1,\dots,t_n)+\beta(g;t_1,\dots,t_n). \tag{$\ast$}
$$ 第二步（不同节点组的合并技巧）。 设 $f$ 的节点组为 $(s_1,\dots,s_m)$、$g$ 的为 $(u_1,\dots,u_k)$（一般两组互异）。构造乘积合并节点组：取 $n=mk$ 个节点 $$
\{\,s_i+u_l:\ 1\le i\le m,\ 1\le l\le k\,\}\quad(\text{按 }(i,l)\ \text{遍历，共 }mk\ \text{个}),
$$ 记其平移平均为 $A^{\otimes}$。关键的两条恒等式如下。 对 $f$，由于该合并组的平均恰是先按 $u_l$ 平移、再按 $s_i$ 平移取平均的复合： $$
A^{\otimes}f(t)=\frac{1}{mk}\sum_{i=1}^m\sum_{l=1}^k f\big(t+s_i+u_l\big)
=\frac{1}{k}\sum_{l=1}^k\Big[\frac{1}{m}\sum_{i=1}^m f\big((t+u_l)+s_i\big)\Big]
=\frac{1}{k}\sum_{l=1}^k A_{(s_i)}f(t+u_l).
$$ 对每个固定 $l$，$\limsup_{t\to\infty}A_{(s_i)}f(t+u_l)=\limsup_{t\to\infty}A_{(s_i)}f(t)=\beta(f;s_1,\dots,s_m)$（平移 $u_l\ge0$ 不改变 $t\to\infty$ 的上极限）。再用 $\limsup$ 对有限和的次可加性， $$
\beta(f;\{s_i+u_l\})=\limsup_{t\to\infty}\frac1k\sum_{l=1}^k A_{(s_i)}f(t+u_l)
\le \frac1k\sum_{l=1}^k \beta(f;s_1,\dots,s_m)=\beta(f;s_1,\dots,s_m). \tag{$\ast\ast$}
$$ 完全对称地（把 $f$ 换成 $g$，并将合并平均写成先按 $s_i$ 平移、再按 $u_l$ 平均的复合）得 $$
\beta(g;\{s_i+u_l\})\le \beta(g;u_1,\dots,u_k). \tag{$\ast\ast\ast$}
$$ 于是在同一合并节点组 $\{s_i+u_l\}$ 上应用 $(\ast)$，再用 $(\ast\ast)$、$(\ast\ast\ast)$： $$
\beta(f+g;\{s_i+u_l\})\ \overset{(\ast)}{\le}\ \beta(f;\{s_i+u_l\})+\beta(g;\{s_i+u_l\})
\ \overset{(\ast\ast),(\ast\ast\ast)}{\le}\ \beta(f;s_1,\dots,s_m)+\beta(g;u_1,\dots,u_k).
$$ 而 $p(f+g)\le \beta(f+g;\{s_i+u_l\})$（$\inf$ 不大于任一具体取值），故 $$
p(f+g)\le \beta(f;s_1,\dots,s_m)+\beta(g;u_1,\dots,u_k).
$$ 最后对 $f$ 的节点组取下确界、再对 $g$ 的节点组取下确界（右端两项相互独立，可分别逼近各自的 $\inf$），得 $$
\boxed{\,p(f+g)\le p(f)+p(g)\,}.
$$ 正齐次性与次可加性合起来，$p$ 为 $B$ 上的次线性泛函。$\quad\blacksquare$（(a)） $p(f)\le \limsup_{s\to\infty} f(s)$。 取最简单的单节点组 $n=1,\ t_1=0$，则 $A f(t)=f(t)$，$\beta(f;0)=\limsup_{t\to\infty}f(t)$。由 $\inf$ 定义， $$
p(f)\le \beta(f;0)=\limsup_{s\to\infty} f(s). \tag{b1}
$$ $-p(-f)\ge \liminf_{s\to\infty} f(s)$。 将 (b1) 用于 $-f$：$p(-f)\le \limsup_{s\to\infty}(-f(s))=-\liminf_{s\to\infty}f(s)$，两边取相反数得 $$
-p(-f)\ge \liminf_{s\to\infty} f(s). \tag{b2}
$$ 一般次线性性质 $-p(-f)\le p(f)$。 由次可加性与 $p(0)=0$： $$
0=p(0)=p\big(f+(-f)\big)\le p(f)+p(-f)\ \Longrightarrow\ -p(-f)\le p(f). \tag{b3}
$$ 综合 (b1)(b2)(b3) 得到夹逼链 $$
\liminf_{s\to\infty} f(s)\ \overset{(b2)}{\le}\ -p(-f)\ \overset{(b3)}{\le}\ p(f)\ \overset{(b1)}{\le}\ \limsup_{s\to\infty} f(s). \tag{$\dagger$}
$$ $\quad\blacksquare$（(b)） 记 $$
C:=\Big\{f\in B:\ \lim_{t\to\infty} f(t)\ \text{存在（有限）}\Big\}.
$$ $C$ 是 $B$ 的线性子空间（极限的线性性使收敛函数的线性组合仍收敛），在其上定义 $$
L_0(f):=\lim_{t\to\infty} f(t),\qquad f\in C.
$$ $L_0$ 在 $C$ 上线性（极限运算线性）。验证 $L_0\le p$ 于 $C$：设 $f\in C$ 且 $\lim_{t\to\infty}f(t)=\ell$，则 $\liminf_{s\to\infty}f(s)=\limsup_{s\to\infty}f(s)=\ell$，于是夹逼链 $(\dagger)$ 两端相等而退化为等式链： $$
\ell\ \overset{(b2)}{\le}\ -p(-f)\ \overset{(b3)}{\le}\ p(f)\ \overset{(b1)}{\le}\ \ell
\ \Longrightarrow\ -p(-f)=p(f)=\ell=L_0(f).
$$ 于是在子空间 $C$ 上恒有 $$
L_0(f)=p(f),\quad\text{特别地}\quad L_0(f)\le p(f),\ \ \forall f\in C. \tag{c1}
$$ 援引 Hahn–Banach 延拓定理（实向量空间形式）。 前提核查：$B$ 是 $\mathbb{R}$ 上向量空间，$p:B\to\mathbb{R}$ 由 (a) 是次线性泛函（正齐次 $+$ 次可加），$C\subseteq B$ 为线性子空间，$L_0:C\to\mathbb{R}$ 线性且被 $p$ 控制（即 (c1)）。三条前提齐备，Hahn–Banach 定理保证存在线性泛函 $L:B\to\mathbb{R}$，使 $$
L|_C=L_0,\qquad L(f)\le p(f)\ \ \forall f\in B. \tag{c2}
$$ 定义 $\mathrm{LIM}\,f:=L(f)$。下证它满足 (1)–(4)。（注：此处仅用到 Hahn–Banach 的次线性控制版本，不依赖 $B$ 的拓扑/完备性来作延拓；完备性只在“$B$ 是 Banach 空间”这一陈述里出现，对存在性论证并非必需。）$\quad\blacksquare$（(c)） (2) 线性。 $L=\mathrm{LIM}$ 由 (c2) 即 Hahn–Banach 给出的线性泛函，线性性自动成立。 (4) 夹逼。 对任意 $f\in B$，由 (c2) 有 $L(f)\le p(f)$；将 (c2) 用于 $-f$ 并取相反数：$-L(-f)\ge -p(-f)$，而 $L$ 线性故 $-L(-f)=L(f)$，于是 $L(f)\ge -p(-f)$。结合 $(\dagger)$： $$
\liminf_{s\to\infty} f(s)\le -p(-f)\le L(f)\le p(f)\le \limsup_{s\to\infty} f(s),
$$ 即 $$
\boxed{\ \liminf_{s\to\infty} f(s)\ \le\ \mathrm{LIM}\,f\ \le\ \limsup_{s\to\infty} f(s)\ }. \tag{4}
$$ (1) 相容性。 若 $\lim_{t\to\infty}f(t)=\ell$ 存在，则 $f\in C$，由 (c2) 的延拓相容性 $L(f)=L_0(f)=\ell$，即 $\mathrm{LIM}\,f=\lim f$。（亦可直接由 (4)：此时 $\liminf=\limsup=\ell$，夹逼即得 $\mathrm{LIM}\,f=\ell$。）$\quad\blacksquare$（(d)） 特别地，取 $f\equiv 1$（常值）得 $\mathrm{LIM}\,1=1$，故 $\mathrm{LIM}\ne 0$，泛函非平凡。 固定 $\tau>0$，令 $f_\tau(t):=f(t+\tau)$；显然 $f_\tau\in B$（有界性保持）。目标是 $L(f)=L(f_\tau)$。由 $L$ 线性，等价于证 $L(f-f_\tau)=0$。利用 (4)/(c2)，只需证 $$
p(f-f_\tau)\le 0\quad\text{且}\quad p(f_\tau-f)\le 0, \tag{e0}
$$ 因为届时 $L(f-f_\tau)\le p(f-f_\tau)\le 0$ 且 $L(f-f_\tau)=-L(f_\tau-f)\ge -p(f_\tau-f)\ge 0$，两面夹出 $L(f-f_\tau)=0$。 证 $p(f-f_\tau)\le 0$。 取伸缩平均节点组 $t_j=(j-1)\tau$，$j=1,\dots,n$（即 $0,\tau,2\tau,\dots,(n-1)\tau$，均 $\ge 0$）。设 $g:=f-f_\tau$，则 $g(t+t_j)=f(t+(j-1)\tau)-f(t+j\tau)$，于是其 Cesàro 平均望远镜相消： $$
A_{(t_j)}g(t)=\frac1n\sum_{j=1}^n\big[f(t+(j-1)\tau)-f(t+j\tau)\big]
=\frac{1}{n}\big[f(t)-f(t+n\tau)\big].
$$ 由 $|f(t)|,|f(t+n\tau)|\le\|f\|_\infty$，得 $|A_{(t_j)}g(t)|\le \dfrac{2\|f\|_\infty}{n}$，与 $t$ 无关，故 $$
\beta(g;0,\tau,\dots,(n-1)\tau)=\limsup_{t\to\infty}A_{(t_j)}g(t)\le \frac{2\|f\|_\infty}{n}.
$$ 因 $p(g)\le \beta(g;\cdots)\le \dfrac{2\|f\|_\infty}{n}$ 对一切 $n\in\mathbb{N}$ 成立，令 $n\to\infty$ 得 $$
p(f-f_\tau)\le 0.
$$ 证 $p(f_\tau-f)\le 0$。 取相同节点组，对 $h:=f_\tau-f=-g$ 有 $A_{(t_j)}h(t)=\frac1n[f(t+n\tau)-f(t)]$，同样 $|A_{(t_j)}h(t)|\le \frac{2\|f\|_\infty}{n}$，从而 $p(f_\tau-f)\le \frac{2\|f\|_\infty}{n}\to 0$，即 $p(f_\tau-f)\le 0$。 于是 (e0) 成立，按上述夹逼得 $L(f-f_\tau)=0$，即 $$
\boxed{\ \mathrm{LIM}\,f(t+\tau)=\mathrm{LIM}\,f(t),\qquad\forall\,\tau>0,\ f\in B\ }. \tag{3}
$$ $\quad\blacksquare$（(e)） 结论。 由 (a)–(e)，Hahn–Banach 延拓所得的 $\mathrm{LIM}:=L$ 同时满足 (1) 相容性、(2) 线性、(3) 平移不变、(4) 夹逼，故 $B$ 上 Banach 极限存在。$\blacksquare$ 核心机制是“用次线性泛函 $p$ 把想要的全部性质打包成单边控制，再让 Hahn–Banach 把子空间上的真极限 $L_0$ 延拓到全空间且保持被 $p$ 压住”。之所以非用 Hahn–Banach 不可：我们要在不可数维、无任何收敛性假设的有界函数空间上造出一个处处有定义、且与极限相容的线性泛函，构造性方法（取极限、取积分）都失效，只能靠 Hahn–Banach 这一“纯代数延拓”工具，它恰好只需要一个次线性控制 $p$。 设计 $p$ 的诀窍在于把 $\limsup$ 的“平移平均下确界”同时编码了三件事：(b1) 给出 $p(f)\le\limsup f$，$(\dagger)$ 给出 $-p(-f)\ge\liminf f$（推出 (4) 与 (1)），而望远镜相消给出 $p(f-f_\tau)\le 0$（推出平移不变 (3)）。 最易错的两点：其一是次可加性的证明——两组节点不同，必须用乘积合并节点组 $\{s_i+u_l\}$ 并借助 $\limsup$ 对平移的不变性 $(\ast\ast)(\ast\ast\ast)$，不能在不同节点组间硬套 $(\ast)$；其二是 $\limsup$ 只满足次可加 $\le$ 而非可加，且正齐次只对 $\lambda\ge 0$ 成立，故 $-f$ 必须单独处理（这正是 $-p(-f)$ 出场、并在 (c) 中由 $(\dagger)$ 在收敛点退化为等式链得到 $p|_C=L_0$ 的原因）。 English. Let $(X,d)$ be a metric space. Show TFAE: (1) every residual set in $X$ is dense; (2) if $U\subset X$ is a nonempty open set, then $U$ is not meagre; (3) if $\{A_i\}$ is a sequence of closed sets with empty interior, then $\bigcup_i A_i$ has empty interior; (4) if $\{U_i\}$ is a sequence of dense open sets, then $\bigcap_i U_i$ is dense. (Hence deduce that any nontrivial Banach space is non-meagre in itself.) 中文. 设 $(X,d)$ 为度量空间。证明下述四条彼此等价（TFAE = the following are equivalent）： (1) $X$ 中的每个剩余集（residual / comeagre，即贫集之补）都是稠密的； (2) 若 $U\subset X$ 是非空开集，则 $U$ 不是贫集（meagre / first category，即不能写成可数个无处稠密集之并）； (3) 若 $\{A_i\}$ 是一列内部为空的闭集，则它们的并 $\bigcup_i A_i$ 的内部仍为空； (4) 若 $\{U_i\}$ 是一列稠密开集，则它们的交 $\bigcap_i U_i$ 仍是稠密的。 （由此推出：任何非平凡的 Banach 空间在其自身中是非贫集。） 记号与定义的精确化。 在度量空间 $(X,d)$ 中，约定： 下面所有运算反复使用 De Morgan 律 与下述两条基本的取补对偶（对任意 $S\subset X$）： $$
\operatorname{int}(S)=\big(\overline{S^{\,c}}\big)^c,\qquad \overline{S}=\big(\operatorname{int}(S^{\,c})\big)^c. \tag{$\ast$}
$$ 证明 $(\ast)$ 第一式：$x\in\operatorname{int}(S)$ 当且仅当存在 $x$ 的某邻域含于 $S$，即该邻域与 $S^c$ 不交，即 $x\notin\overline{S^c}$；故 $\operatorname{int}(S)=(\overline{S^c})^c$。第二式由第一式将 $S$ 换成 $S^c$ 后再取补即得。这里不需要任何完备性——以下四条全是纯拓扑的等价刻画，完备性只在最后导出"Banach 空间满足这些条件"时（经 Baire 纲定理）才登场。 我们还反复用到两条单调性事实，皆为定义直推：(i) 若 $M\subset N$ 则 $M$ 无处稠密由 $N$ 无处稠密推出（因 $\overline M\subset\overline N$，故 $\operatorname{int}\overline M\subset\operatorname{int}\overline N=\varnothing$）；(ii) 贫集的任何子集仍贫（将 (i) 逐项作用于其无处稠密分解）。 证明路线取闭环 $(1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(4)\Rightarrow(1)$。 设 $(1)$ 成立。反证：设存在非空开集 $U$ 为贫集。 由定义，$U$ 贫 $\iff$ $R:=U^c$ 是剩余集。由 $(1)$，剩余集 $R=U^c$ 稠密，即 $\overline{U^c}=X$。两边取补并用 $(\ast)$ 第一式（取 $S=U$）： $$
\operatorname{int}(U)=\big(\overline{U^c}\big)^c=X^c=\varnothing.
$$ 但 $U$ 是开集，故 $\operatorname{int}(U)=U$，于是 $U=\varnothing$，与 $U$ 非空矛盾。 $$
\boxed{\text{(1)}\Rightarrow\text{(2)}.}
$$
∎ 设 $(2)$ 成立。取一列内部为空的闭集 $\{A_i\}$，记 $A:=\bigcup_i A_i$。需证 $\operatorname{int}(A)=\varnothing$。 由于每个 $A_i$ 是闭集且 $\operatorname{int}(A_i)=\varnothing$，按上文约定，每个 $A_i$ 都是无处稠密集（闭集情形无处稠密 $\iff$ 内部空）。故 $A=\bigcup_i A_i$ 是可数个无处稠密集之并，即 $A$ 是贫集。 反证：设 $\operatorname{int}(A)\ne\varnothing$，令 $U:=\operatorname{int}(A)$，则 $U$ 是非空开集且 $U\subset A$。下证 $U$ 仍是贫集：写 $A=\bigcup_i A_i$（$A_i$ 无处稠密），由 $U\subset A$ 得 $$
U=U\cap A=U\cap\bigcup_i A_i=\bigcup_i\,(A_i\cap U),
$$ 而 $A_i\cap U\subset A_i$，由单调性 (i) 知每个 $A_i\cap U$ 也无处稠密，从而 $U$ 是可数个无处稠密集之并，即 $U$ 贫。于是得到一个非空开的贫集 $U$，与 $(2)$ 矛盾。 故 $\operatorname{int}(A)=\varnothing$。 $$
\boxed{\text{(2)}\Rightarrow\text{(3)}.}
$$
∎ 设 $(3)$ 成立。取一列稠密开集 $\{U_i\}$，记 $G:=\bigcap_i U_i$。需证 $\overline G=X$，等价地 $\operatorname{int}(G^c)=\varnothing$（由 $(\ast)$ 第二式取 $S=G$：$\overline G=(\operatorname{int}(G^c))^c$，故 $\overline G=X\iff\operatorname{int}(G^c)=\varnothing$）。 令 $A_i:=U_i^{\,c}$。逐项核对 $A_i$ 的性质： 于是 $\{A_i\}$ 恰为一列内部为空的闭集。由 De Morgan， $$
G^c=\Big(\bigcap_i U_i\Big)^c=\bigcup_i U_i^{\,c}=\bigcup_i A_i.
$$ 对此并集应用 $(3)$，得 $\operatorname{int}(G^c)=\operatorname{int}\big(\bigcup_i A_i\big)=\varnothing$。再由上一段的等价，$\overline G=X$，即 $G=\bigcap_i U_i$ 稠密。 $$
\boxed{\text{(3)}\Rightarrow\text{(4)}.}
$$
∎ 设 $(4)$ 成立。取任一剩余集 $R$，需证 $\overline R=X$。 由定义，$R^c$ 贫，写 $R^c=\bigcup_i N_i$，每个 $N_i$ 无处稠密，即 $\operatorname{int}\overline{N_i}=\varnothing$。关键的"闭包加粗"步骤：令 $$
U_i:=\big(\overline{N_i}\big)^c.
$$ 逐项核对 $U_i$ 的性质： 于是 $\{U_i\}$ 是一列稠密开集。由 De Morgan， $$
\bigcap_i U_i=\bigcap_i\big(\overline{N_i}\big)^c=\Big(\bigcup_i\overline{N_i}\Big)^c\subset\Big(\bigcup_i N_i\Big)^c=(R^c)^c=R.
$$ （这里用到 $N_i\subset\overline{N_i}$，故 $\bigcup_i N_i\subset\bigcup_i\overline{N_i}$，取补反向包含。）由 $(4)$，$\bigcap_i U_i$ 稠密；既然它含于 $R$，则更大的 $R$ 也稠密（稠密集的过集仍稠密：$X=\overline{\bigcap_i U_i}\subset\overline R\subset X$）。故 $\overline R=X$。 $$
\boxed{\text{(4)}\Rightarrow\text{(1)}.}
$$
∎ 至此 $(1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(4)\Rightarrow(1)$ 闭环完成，四条彼此等价。 $$
\boxed{\;(1)\Longleftrightarrow(2)\Longleftrightarrow(3)\Longleftrightarrow(4).\;}
$$
∎ 设 $X$ 是 Banach 空间。作为完备度量空间，$X$ 满足 Baire 纲定理（Baire Category Theorem）：完备度量空间中可数个稠密开集之交仍稠密——这正是条件 $(4)$。此处完备性是落点所在：Baire 定理的证明用到完备度量空间中半径趋零的闭球套有非空交（Cantor 交定理），缺了完备性则 $(4)$ 未必成立。 由已证等价，$X$ 同时满足 $(2)$。而 $X$ 自身即是 $X$ 的非空开子集（恒含零向量 $0$，故非空），对它应用 $(2)$ 即得： $$
\boxed{\,X\ \text{作为它自身的开子集不是贫集，即 }X\text{ 在自身中非贫。}\,}
$$ 关于"非平凡"。 条件 $(2)$ 中所需的只是"非空开集"，而 $X$ 在自身中恒为非空开集，因此上述结论对任意 Banach 空间（含平凡空间 $X=\{0\}$）都成立——在 $\{0\}$ 中唯一的非空子集 $\{0\}=X$ 满足 $\operatorname{int}\overline{\{0\}}=\operatorname{int}X=X\ne\varnothing$，故它本身就不是无处稠密集，更非贫集。题中加"非平凡"（即 $X\ne\{0\}$）只是为了让结论非平凡有趣：当 $X\ne\{0\}$ 时 $X$ 含 $0$ 与某 $x\ne0$，从而含全体 $\lambda x$（$\lambda$ 取遍标量域），是一个真正"大"的空间，"不能被可数个无处稠密集填满"这一性质才有实质内容。 特别地，$X$ 不能写成可数个无处稠密闭集之并——这正是闭图像定理、开映射定理、一致有界原理（Banach–Steinhaus）等"三大定理"赖以成立的纲性基础。∎ 本题的核心机制是取补对偶：稠密开集与无处稠密闭集互为补，剩余集与贫集互为补，交与并经 De Morgan 互换。四条命题其实是同一件事在"开集语言"与"闭集语言"、"交"与"并"之间的镜像翻译，因此每一步推导都只是把一种表述按 $(\ast)$ 与 De Morgan 机械地翻成另一种，完全不动用完备性——这点务必看清：Baire 性质（即这四条对该空间成立）才需要完备性，而四条之间的等价是纯拓扑恒等。最易错处有二：一是 $(4)\Rightarrow(1)$ 中必须把无处稠密集 $N_i$ 加粗成闭包 $\overline{N_i}$ 再取补，否则 $N_i^c$ 不一定开、也不一定稠密；二是混淆"无处稠密"对一般集（用 $\operatorname{int}\overline{\,\cdot\,}$）与对闭集（退化为 $\operatorname{int}$）的判据，$(2)\Leftrightarrow(3)$ 的衔接正卡在"闭集无处稠密 $\iff$ 内部空"这一观察上。最后的推论提醒：Banach 空间"在自身中非贫"是抽象但极有用的结论，它是泛函三大定理的统一出发点；其证明把完备性恰好封装进 Baire 定理这一条，再借四条等价自由地在四种等价表述间切换。 English. Let $X$ be a Banach space and $Y,Z$ normed spaces over $K=\mathbb{R}$ or $\mathbb{C}$. Let $B:X\times Y\to Z$ be bilinear. Prove TFAE (the following are equivalent): (1) $B$ is bounded: there exists $M>0$ such that $\|B(x,y)\|_Z\le M\,\|x\|_X\,\|y\|_Y$ for all $x,y$. (2) $B$ is continuous (jointly continuous on $X\times Y$). (3) $B$ is separately continuous in each variable. 中文. 设 $X$ 是 Banach 空间，$Y,Z$ 是数域 $K=\mathbb{R}$ 或 $\mathbb{C}$ 上的赋范空间。设 $B:X\times Y\to Z$ 为双线性映射。 证明下述三条等价： (1) $B$ 有界：存在 $M>0$，使得对一切 $x,y$ 有 $\|B(x,y)\|_Z\le M\,\|x\|_X\,\|y\|_Y$。 (2) $B$ 连续（在乘积空间 $X\times Y$ 上联合连续）。 (3) $B$ 对每个变元分别连续。 记 $X\times Y$ 上的范数为 $\|(x,y)\|:=\|x\|_X+\|y\|_Y$（任一等价的乘积范数皆可，连续性概念不变）。下证 $(1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(1)$。 设 (1) 成立，即存在 $M>0$ 使 $\|B(x,y)\|_Z\le M\|x\|_X\|y\|_Y$。固定 $(x_0,y_0)\in X\times Y$，任取 $(x,y)\in X\times Y$。利用 $B$ 在两个变元上的双线性性作如下分解：
$$
B(x,y)-B(x_0,y_0)=B(x-x_0,\,y)+B(x_0,\,y-y_0).
$$
验证此恒等式：由双线性性，$B(x-x_0,y)=B(x,y)-B(x_0,y)$，又 $B(x_0,y-y_0)=B(x_0,y)-B(x_0,y_0)$，两式相加恰得右端 $=B(x,y)-B(x_0,y_0)$，故恒等式成立。 对右端用三角不等式与有界性估计：
$$
\|B(x,y)-B(x_0,y_0)\|_Z\le M\|x-x_0\|_X\,\|y\|_Y+M\|x_0\|_X\,\|y-y_0\|_Y.
$$
设 $(x,y)\to(x_0,y_0)$，即 $\|x-x_0\|_X\to0$ 且 $\|y-y_0\|_Y\to0$。此时 $\|y\|_Y\le\|y_0\|_Y+\|y-y_0\|_Y$ 有界（在 $y_0$ 的某邻域内不超过 $\|y_0\|_Y+1$），而 $\|x_0\|_X$ 为常数。于是右端两项分别被 $$
M\big(\|y_0\|_Y+1\big)\,\|x-x_0\|_X\;\longrightarrow\;0,\qquad M\,\|x_0\|_X\,\|y-y_0\|_Y\;\longrightarrow\;0
$$ 控制，故 $\|B(x,y)-B(x_0,y_0)\|_Z\to0$。由于 $(x_0,y_0)$ 任意，$B$ 在 $X\times Y$ 上处处（联合）连续。∎ 注（边界情形）. 若 $x_0=0$ 或 $y_0=0$，上述估计对应项自动为 $0$，结论照常成立；这里无需单独讨论，因分解恒等式与范数估计对一切点一致有效。 设 (2) 成立。固定 $y\in Y$，考虑切片映射 $\iota_y:X\to X\times Y,\ x\mapsto(x,y)$。该映射连续（因 $\|(x,y)-(x',y)\|=\|x-x'\|_X$，即 $\iota_y$ 是等距嵌入，从而连续）。于是 $x\mapsto B(x,y)=B\circ\iota_y(x)$ 作为两个连续映射之复合而连续，即 $B$ 对第一变元连续。同理固定 $x\in X$，$y\mapsto B(x,y)=B\circ\iota_x(y)$（其中 $\iota_x:y\mapsto(x,y)$ 等距连续）连续，即 $B$ 对第二变元连续。故 $B$ 分别连续。∎ 这是本题关键，须借助 $X$ 的完备性与 一致有界原理（Banach–Steinhaus 定理）。 第一步：把切片整理成有界线性算子族。
固定 $y\in Y$，定义
$$
S_y:X\to Z,\qquad S_y(x):=B(x,y).
$$
由 $B$ 关于第一变元的双线性性，$S_y$ 是线性的：$S_y(\alpha x_1+x_2)=B(\alpha x_1+x_2,y)=\alpha B(x_1,y)+B(x_2,y)=\alpha S_y(x_1)+S_y(x_2)$。又由 (3)，$x\mapsto B(x,y)$ 连续，故 $S_y$ 是连续线性算子。线性映射连续当且仅当有界，故 $S_y\in \mathcal B(X,Z)$，其算子范数 $\|S_y\|<\infty$。 考察单位球上的算子族
$$
\mathcal F:=\{\,S_y:\ y\in Y,\ \|y\|_Y\le1\,\}\subset \mathcal B(X,Z).
$$ 第二步：验证 $\mathcal F$ 在 $X$ 上逐点有界。
固定任一 $x\in X$。由 (3)，第二变元的切片映射 $T_x:Y\to Z,\ y\mapsto B(x,y)$ 同样是连续线性算子（线性性来自第二变元双线性，连续性来自 (3)），故 $T_x\in\mathcal B(Y,Z)$，$\|T_x\|<\infty$。注意 $S_y(x)=B(x,y)=T_x(y)$，且算子范数恰为闭单位球上的上确界 $\|T_x\|=\sup_{\|y\|_Y\le1}\|T_x(y)\|_Z$（这是算子范数的定义）。于是
$$
\sup_{\|y\|_Y\le1}\big\|S_y(x)\big\|_Z=\sup_{\|y\|_Y\le1}\big\|B(x,y)\big\|_Z=\sup_{\|y\|_Y\le1}\big\|T_x(y)\big\|_Z=\|T_x\|<\infty.
$$
此即：对每个固定的 $x\in X$，量 $\sup_{S\in\mathcal F}\|S(x)\|_Z<\infty$。故族 $\mathcal F$ 在 $X$ 上逐点有界。 注（方向要点）. 此处务必固定 $x$ 而让 $y$ 跑遍单位球：逐点有界的"点"是 $X$ 中的 $x$，上界 $\|T_x\|$ 由第二变元切片 $T_x$ 的有界性提供。切勿反向。 第三步：调用一致有界原理。
此处关键地用到 $X$ 是 Banach 空间（完备）——这是 Banach–Steinhaus 定理对定义域的前提（其证明依赖 $X$ 完备上的 Baire 纲定理；若 $X$ 仅赋范不完备，逐点有界推不出一致有界，结论可能失效）。注意值域 $Z$ 只需赋范、不必完备。$\mathcal F$ 是从完备空间 $X$ 到赋范空间 $Z$ 的连续线性算子族，且逐点有界，故由 $$
\boxed{\ \text{一致有界原理（Banach–Steinhaus，}X\ \text{完备）}\ }
$$ 得 $\mathcal F$ 一致有界：
$$
M:=\sup_{\|y\|_Y\le1}\|S_y\|<\infty.
$$ 第四步：导出双线性有界估计。
先处理 $y\ne0$ 的情形。对任意 $x\in X$ 与 $y\ne0$，令 $\widehat y:=y/\|y\|_Y$，则 $\|\widehat y\|_Y=1$，$S_{\widehat y}\in\mathcal F$，故 $\|S_{\widehat y}\|\le M$。利用 $B$ 对第二变元的齐次性（$B(x,y)=\|y\|_Y\,B(x,\widehat y)$）：
$$
\|B(x,y)\|_Z=\|y\|_Y\,\|B(x,\widehat y)\|_Z=\|y\|_Y\,\|S_{\widehat y}(x)\|_Z\le \|y\|_Y\,\|S_{\widehat y}\|\,\|x\|_X\le M\,\|x\|_X\,\|y\|_Y.
$$
边界情形 $y=0$： 由双线性性（对第二变元的齐次性），$B(x,0_Y)=B(x,0_K\cdot 0_Y)=0_K\cdot B(x,0_Y)=0$，故 $\|B(x,0)\|_Z=0\le M\|x\|_X\cdot0$，不等式平凡成立。边界情形 $x=0$ 同理：$B(0_X,y)=B(0_K\cdot 0_X,y)=0_K\cdot B(0_X,y)=0$，估计两端皆为 $0$。 综上，对一切 $(x,y)\in X\times Y$，
$$
\boxed{\ \|B(x,y)\|_Z\le M\,\|x\|_X\,\|y\|_Y,\qquad M=\sup_{\|y\|_Y\le1}\|S_y\|<\infty\ }
$$
即 (1) 成立。∎ 三条蕴含 $(1)\Rightarrow(2)\Rightarrow(3)\Rightarrow(1)$ 已证，故三者等价。$\blacksquare$ 核心机制是把"双线性"拆成"对每个变元的线性切片"：$(1)\Rightarrow(2)$ 靠双线性恒等式 $B(x,y)-B(x_0,y_0)=B(x-x_0,y)+B(x_0,y-y_0)$ 把增量分配到两个单变元上再用范数估计，是纯代数加三角不等式；$(2)\Rightarrow(3)$ 只是把联合连续限制到等距切片上。真正的难点与全部"力气"在 $(3)\Rightarrow(1)$：分别连续只给出每个切片各自有界（$\|S_y\|<\infty$、$\|T_x\|<\infty$），但这只是"逐变元"的局部信息，要得到统一常数 $M$ 必须跨越"逐点有界 $\Rightarrow$ 一致有界"这道坎，而这正是 Banach–Steinhaus 的职责——它把"对每个 $x$ 族 $\{S_y\}$ 都有界"提升为"算子范数本身一致有界"。最易错的两点：一是忘记点明 $X$ 完备（这是 UBP 经由 Baire 纲定理成立的前提，缺了它命题对一般赋范 $X$ 不真；而值域 $Z$ 无须完备）；二是搞反逐点有界的"方向"——要固定 $x$ 让 $y$ 跑遍单位球（用第二变元切片 $T_x$ 的有界性提供上界 $\|T_x\|$，且 $\|T_x\|$ 即闭单位球上的算子范数上确界），而非反过来。最后别忘了 $x=0$、$y=0$ 的退化情形由双线性性（标量 $0$ 提出）直接给零，需单独点一句以求严谨。 English. (R. G. Douglas, 1966) Let $X,Y,Z$ be Banach spaces, $A:X\to Y$ and $B:Z\to Y$ bounded linear operators, with $A$ injective. Show TFAE (the following are equivalent): (1) $\operatorname{ran}(B)\subset\operatorname{ran}(A)$; (2) there exists a bounded linear operator $T:Z\to X$ such that $AT=B$. Remark. This is a (simplified, injective) special case of the Douglas range inclusion / factorization theorem. Note that we do not assume $\operatorname{ran}(A)$ is closed. 中文. （R. G. Douglas，1966）设 $X,Y,Z$ 为 Banach 空间，$A:X\to Y$ 与 $B:Z\to Y$ 为有界线性算子，且 $A$ 为单射。 试证下列两条等价（TFAE，即 "the following are equivalent"）： (1) $\operatorname{ran}(B)\subset\operatorname{ran}(A)$，即 $B$ 的值域包含于 $A$ 的值域； (2) 存在有界线性算子 $T:Z\to X$，使得 $AT=B$。 附注. 这是 Douglas 值域包含（因子分解）定理在 $A$ 单射情形下的（简化）特例。注意我们并不假设 $\operatorname{ran}(A)$ 是闭的。 我们证明 $(1)\Longleftrightarrow(2)$。 设存在有界线性算子 $T:Z\to X$ 使 $AT=B$。任取 $y\in\operatorname{ran}(B)$，则存在 $z\in Z$ 使 $y=Bz$。于是
$$
y=Bz=(AT)z=A(Tz)\in\operatorname{ran}(A).
$$
由于 $y$ 任意，故 $\operatorname{ran}(B)\subset\operatorname{ran}(A)$。 （边界情形：若 $\operatorname{ran}(B)=\{0\}$，则平凡地 $0=A0\in\operatorname{ran}(A)$，包含仍成立。） $$
\boxed{\,(2)\Rightarrow(1)\ \text{成立}\,}
$$
∎（此方向） 这是核心方向。设 $\operatorname{ran}(B)\subset\operatorname{ran}(A)$。我们分三步：先构造 $T$，再验证其线性，最后用闭图像定理证其有界。 第一步：$A^{-1}$ 的良定性与 $T$ 的构造。 因 $A$ 为单射，故 $A$ 作为从 $X$ 到其值域 $\operatorname{ran}(A)$ 的映射是双射，从而存在逆映射
$$
A^{-1}:\operatorname{ran}(A)\longrightarrow X .
$$
这里必须点明：单射性恰好保证了"对每个 $y\in\operatorname{ran}(A)$，方程 $Ax=y$ 的解 $x$ 唯一"，否则 $A^{-1}y$ 无法良定。具体地，若 $Ax_1=Ax_2=y$，则 $A(x_1-x_2)=0$，由 $A$ 单射得 $x_1=x_2$，故解唯一，$A^{-1}y$ 有意义。 现对每个 $z\in Z$，由假设 (1)，
$$
Bz\in\operatorname{ran}(B)\subset\operatorname{ran}(A),
$$
故存在唯一的 $x\in X$ 使 $Ax=Bz$。我们定义
$$
\boxed{\,T:=A^{-1}B,\qquad Tz:=A^{-1}(Bz)\,}
$$
即 $Tz$ 是上述唯一的 $x$。由构造立刻有，对一切 $z\in Z$，
$$
A(Tz)=A\big(A^{-1}(Bz)\big)=Bz,\quad\text{即 } AT=B. \tag{$\ast$}
$$ 第二步：$T$ 的线性。 取 $z_1,z_2\in Z$ 与标量 $\alpha,\beta$。记 $x_i=Tz_i$，即 $Ax_i=Bz_i$（$i=1,2$）。由 $A,B$ 线性，
$$
A(\alpha x_1+\beta x_2)=\alpha Ax_1+\beta Ax_2=\alpha Bz_1+\beta Bz_2=B(\alpha z_1+\beta z_2).
$$
故 $\alpha x_1+\beta x_2$ 是方程 $A x=B(\alpha z_1+\beta z_2)$ 的解；由第一步的唯一性，该解恰为 $T(\alpha z_1+\beta z_2)$。于是
$$
T(\alpha z_1+\beta z_2)=\alpha x_1+\beta x_2=\alpha Tz_1+\beta Tz_2,
$$
即 $T$ 线性。（边界情形 $z=0$：由唯一性与 $B0=0=A0$ 得 $T0=0$，与线性相容。） 第三步：$T$ 的有界性——闭图像定理。 这里必须解释为何不能直接断言 $A^{-1}$ 有界。$A^{-1}:\operatorname{ran}(A)\to X$ 是定义在子空间 $\operatorname{ran}(A)$ 上的线性算子。在 $X,Y$ 均为 Banach 的前提下，由有界逆定理（开映射定理的推论）可知，$A^{-1}$ 有界等价于 $\operatorname{ran}(A)$ 在 $Y$ 中是闭子空间： 但本题不假设 $\operatorname{ran}(A)$ 闭，故 $A^{-1}$ 一般未必有界。因此不能由 "$T=A^{-1}B$、$A^{-1}$ 有界、$B$ 有界" 推出 $T$ 有界。我们绕开此障碍，直接对复合算子 $T$ 用闭图像定理。 闭图像定理（Closed Graph Theorem）. 设 $Z,X$ 均为 Banach 空间，$T:Z\to X$ 线性。若 $T$ 的图像 $\Gamma(T)=\{(z,Tz):z\in Z\}$ 在 $Z\times X$ 中闭，则 $T$ 有界。 前提核验：题设 $Z,X$ 均为 Banach 空间（完备性在此落点——闭图像定理本质依赖于 $Z,X$ 的完备性，其证明回溯到 Baire 纲定理 / 开映射定理）；上面已证 $T$ 线性。故只需验证图像闭。 按图像闭的序列刻画（$Z\times X$ 为度量空间，闭等价于序列闭），设序列 $(z_n,Tz_n)\to(z,w)$，即
$$
z_n\to z\ \text{在 }Z,\qquad Tz_n\to w\ \text{在 }X,
$$
需证 $(z,w)\in\Gamma(T)$，即 $w=Tz$。 利用 $A$ 的连续性，由 $Tz_n\to w$ 得
$$
A(Tz_n)\to Aw \quad\text{在 }Y. \tag{i}
$$
另一方面，由 $(\ast)$ 有 $A(Tz_n)=Bz_n$；又 $B$ 连续且 $z_n\to z$，故
$$
A(Tz_n)=Bz_n\to Bz \quad\text{在 }Y. \tag{ii}
$$
同一序列 $\{A(Tz_n)\}$ 在 Banach 空间 $Y$ 中的极限唯一，比较 (i)(ii) 得
$$
Aw=Bz.
$$
又由 $(\ast)$ 知 $A(Tz)=Bz$，于是
$$
Aw=Bz=A(Tz)\ \Longrightarrow\ A(w-Tz)=0.
$$
此处再次、且关键地用到 $A$ 的单射性：$A(w-Tz)=0$ 迫使 $w-Tz=0$，即
$$
w=Tz.
$$
（注意单射性在此的作用：去掉它，上面的极限步至多给出 $Aw=A(Tz)$，无法据此锁定 $w=Tz$——事实上若 $A$ 非单射，$A^{-1}$ 与 $T$ 在第一步根本无法良定。这正是定理需要 $A$ 单射之处。） 故 $(z,w)=(z,Tz)\in\Gamma(T)$，即 $\Gamma(T)$ 闭。由闭图像定理，
$$
\boxed{\,T:Z\to X\ \text{有界，且 } AT=B\,}
$$
这就给出了 (2)。∎ 综合两个方向，$(1)\Longleftrightarrow(2)$ 得证。 $$
\boxed{\ \operatorname{ran}(B)\subset\operatorname{ran}(A)\ \Longleftrightarrow\ \exists\,T\in\mathcal B(Z,X)\ \text{s.t. } AT=B\ }
$$
∎ 核心机制是把"值域包含"翻译成"算子方程可解"：单射性让逆映射 $A^{-1}$ 在 $\operatorname{ran}(A)$ 上良定，于是 $T=A^{-1}B$ 唯一确定且自动满足 $AT=B$，因子分解的"存在性"是构造层面的，几乎免费。真正的难点全在有界性。最容易犯的错是想当然地说"$A^{-1}$ 有界、$B$ 有界，故 $T$ 有界"——但在 $X,Y$ 完备的框架下，$A^{-1}$ 有界等价于 $\operatorname{ran}(A)$ 闭（有界逆定理），而本题恰恰不假设值域闭，故此路不通。正确的工具是闭图像定理：它把"求 $T$ 的范数估计"换成"验证图像闭"这一更软的拓扑条件，而验证图像闭时，$A$ 的连续性把 $X$ 中的收敛搬到 $Y$ 中，$B$ 的连续性给出极限的另一种表达，最后由 $A$ 的单射性消去 $A$ 锁定 $w=Tz$。$Z,X$ 的完备性是闭图像定理的隐形前提，缺一不可——这也是为什么命题必须在 Banach 空间框架下陈述。 值得回味的是单射性在证明里出现了两次：一次保证 $A^{-1}$（进而 $T$）良定，一次在闭图像的极限步把 $Aw=A(Tz)$ 升级为 $w=Tz$。两处缺一，论证即断。Douglas 原始定理（Hilbert 空间、不要求 $A$ 单射）还能进一步给出范数控制与正算子刻画，本题取单射特例，恰好把"闭图像定理 + 单射性"这一最干净的机理凸显出来。 English. (Banach–Steinhaus) Let $X, Y$ be Banach spaces and $\{T_n:X\to Y\}$ a sequence of bounded linear operators. Show TFAE (the following are equivalent): (1) for each $x\in X$, $\{T_n x\}$ converges in $Y$; (2) $\sup_n\|T_n\|<\infty$ and there is a dense subset $D\subset X$ such that $\{T_n x\}$ is Cauchy in $Y$ for every $x\in D$; (3) $\sup_n\|T_n\|<\infty$ and there is a bounded linear operator $T:X\to Y$ such that $T_n\to T$ strongly and $\|T\|\le\liminf_n\|T_n\|$. Also show: $(1)\Leftrightarrow(3)$ still holds when $Y$ is not complete; and $(2)\Leftrightarrow(3)$ still holds when $X$ is not complete. 中文. （Banach–Steinhaus）设 $X,Y$ 为 Banach 空间，$\{T_n:X\to Y\}$ 是一列有界线性算子。 证明下述三条等价（TFAE = the following are equivalent）： (1) 对每个 $x\in X$，序列 $\{T_n x\}$ 在 $Y$ 中收敛； (2) $\sup_n\|T_n\|<\infty$，且存在稠密子集 $D\subset X$，使得对每个 $x\in D$，$\{T_n x\}$ 在 $Y$ 中为 Cauchy 列； (3) $\sup_n\|T_n\|<\infty$，且存在有界线性算子 $T:X\to Y$，使得 $T_n\to T$ 强收敛（逐点收敛），并且 $\|T\|\le\liminf_n\|T_n\|$。 另证：当 $Y$ 不完备时，$(1)\Leftrightarrow(3)$ 仍成立；当 $X$ 不完备时，$(2)\Leftrightarrow(3)$ 仍成立。 我们先在 $X,Y$ 均为 Banach 空间的标准假设下证明 $(1)\Rightarrow(3)\Rightarrow(2)\Rightarrow(1)$（如此即得三者两两等价），再单独讨论两种非完备情形并精确标注每一步所依赖的完备性落点。 为统一记号，记 $C:=\sup_n\|T_n\|$（当有限时），并约定算子范数 $\|T_n\|=\sup_{\|x\|\le 1}\|T_n x\|$。 第一步：逐点收敛蕴含逐点有界。
设 (1) 成立。固定 $x\in X$，则 $\{T_n x\}$ 在 $Y$ 中收敛，从而它是有界序列（收敛序列必有界：若 $T_n x\to y$，取 $N$ 使 $n\ge N$ 时 $\|T_n x-y\|\le 1$，故 $\|T_n x\|\le \|y\|+1$，再与前 $N-1$ 项取最大值）。于是 $$
\sup_n \|T_n x\|<\infty\qquad(\forall x\in X).
$$ 这正是算子族 $\{T_n\}$ 在每一点 $x$ 处逐点有界。 第二步：一致有界原理。
此处援引【一致有界原理（Banach–Steinhaus 定理）】： 设 $X$ 为 Banach 空间（其证明依赖 $X$ 的完备性，经由【Baire 纲定理】：完备度量空间不能写成可数个无处稠密闭集之并），$Y$ 为赋范空间，$\{T_n\}\subset \mathcal{B}(X,Y)$。若 $\sup_n\|T_n x\|<\infty$ 对每个 $x\in X$ 成立，则 $\sup_n\|T_n\|<\infty$。 前提核验：$X$ 是 Banach 空间（完备性满足，这是用到 Baire 纲定理的关键落点），各 $T_n$ 有界，且第一步已得逐点有界。故定理可用，得 $$
C:=\sup_n\|T_n\|<\infty.
$$ 注意：这一步且仅这一步用到了 $X$ 的完备性；本蕴含中不需要 $Y$ 完备。 第三步：构造极限算子并验证线性与有界。
对每个 $x\in X$，由 (1) 极限 $\lim_n T_n x$ 存在于 $Y$，定义 $$
Tx:=\lim_{n\to\infty} T_n x\in Y.
$$ 线性：对 $x,z\in X$、标量 $\alpha,\beta$，由极限的线性运算（$Y$ 中加法与数乘连续） $$
T(\alpha x+\beta z)=\lim_n T_n(\alpha x+\beta z)=\lim_n(\alpha T_n x+\beta T_n z)=\alpha\,Tx+\beta\,Tz,
$$ 故 $T$ 线性。特别地，边界情形 $x=0$：$T_n 0=0$ 对一切 $n$，故 $T0=\lim_n 0=0$，与线性相容。 有界及范数下半连续：对任意 $x$，由范数的连续性， $$
\|Tx\|=\Big\|\lim_n T_n x\Big\|=\lim_n\|T_n x\|=\liminf_n\|T_n x\|\le \liminf_n\big(\|T_n\|\,\|x\|\big)=\Big(\liminf_n\|T_n\|\Big)\|x\|.
$$ 这里：第二个等号用到 $T_n x\to Tx$ 时 $\|T_n x\|\to\|Tx\|$（范数 $\|\cdot\|:Y\to\mathbb{R}$ 是连续函数，因 $\big|\|u\|-\|v\|\big|\le\|u-v\|$），故该数列收敛，其极限等于其 $\liminf$；末两步用到逐项不等式 $\|T_n x\|\le\|T_n\|\,\|x\|$ 取 $\liminf$（单调性 $a_n\le b_n\Rightarrow\liminf a_n\le\liminf b_n$）以及 $\|x\|\ge 0$ 为常数时 $\liminf(\|T_n\|\,\|x\|)=\|x\|\liminf\|T_n\|$。从而 $T$ 有界，且 $$
\boxed{\;\|T\|\le \liminf_n\|T_n\|\;}
$$ （这是算子范数关于强收敛的下半连续性）。又显然 $\|T\|\le\liminf_n\|T_n\|\le\sup_n\|T_n\|=C<\infty$，与 $C<\infty$ 一并构成 (3) 的全部断言。强收敛 $T_n\to T$ 即定义本身：$\forall x,\ T_n x\to Tx$。$(1)\Rightarrow(3)$ 证毕。∎ 设 (3) 成立。则 $\sup_n\|T_n\|<\infty$ 已直接给出。又对每个 $x\in X$，$T_n x\to Tx$ 在 $Y$ 中收敛，收敛列必为 Cauchy 列。取稠密子集 $D:=X$（$X$ 在自身中显然稠密），则对每个 $x\in D=X$，$\{T_n x\}$ 为 Cauchy。于是 (2) 成立。 此蕴含为纯粹的逻辑弱化，不依赖任何完备性。$(3)\Rightarrow(2)$ 证毕。∎ 设 (2) 成立：$C:=\sup_n\|T_n\|<\infty$，且存在稠密 $D\subset X$ 使 $\{T_n x'\}$ 对每个 $x'\in D$ 为 Cauchy。 固定任意 $x\in X$，我们证 $\{T_n x\}$ 为 Cauchy。给定 $\varepsilon>0$。 第一步：稠密逼近。
由 $D$ 在 $X$ 中稠密，存在 $x'\in D$ 使得 $$
\|x-x'\|<\frac{\varepsilon}{3(C+1)}.
$$ （分母用 $C+1$ 而非 $C$，以兼顾 $C=0$ 的边界情形：当 $C=0$ 时所有 $T_n=0$，则 $T_n x=0$ 平凡 Cauchy；此处统一写法仍合法且避免除零。） 第二步：用一致界控制逼近误差。
对任意 $m,n$，由 $\|T_k\|\le C$ $(k=m,n)$， $$
\|T_n x-T_n x'\|=\|T_n(x-x')\|\le \|T_n\|\,\|x-x'\|\le C\cdot\frac{\varepsilon}{3(C+1)}<\frac{\varepsilon}{3},
$$ （末步用 $\tfrac{C}{C+1}<1$）同理 $\|T_m x-T_m x'\|<\dfrac{\varepsilon}{3}$。正是此处用到了 $\sup_n\|T_n\|<\infty$——若无一致界，稠密逼近无法传递。 第三步：用 Cauchy 性控制中间项。
因 $x'\in D$，$\{T_n x'\}$ 为 Cauchy，故存在 $N$，当 $m,n\ge N$ 时 $$
\|T_n x'-T_m x'\|<\frac{\varepsilon}{3}.
$$ 第四步：三角不等式合成。
当 $m,n\ge N$ 时， $$
\|T_n x-T_m x\|\le \|T_n x-T_n x'\|+\|T_n x'-T_m x'\|+\|T_m x'-T_m x\|<\frac{\varepsilon}{3}+\frac{\varepsilon}{3}+\frac{\varepsilon}{3}=\varepsilon.
$$ 故 $\{T_n x\}$ 为 $Y$ 中的 Cauchy 列。 第五步：用 $Y$ 的完备性收尾。
此处援引 $Y$ 为 Banach 空间（完备）：$Y$ 中每个 Cauchy 列收敛。故 $\{T_n x\}$ 收敛于某 $y\in Y$。由 $x\in X$ 任意，(1) 成立。 注意：这一步且仅这一步用到了 $Y$ 的完备性；本蕴含中完全没有用到 $X$ 完备（$\varepsilon/3$ 论证与稠密逼近只需要 $X$ 是赋范空间，使"稠密""三角不等式"有意义）。$(2)\Rightarrow(1)$ 证毕。∎ 至此在 $X,Y$ 均完备时，$(1)\Leftrightarrow(2)\Leftrightarrow(3)$ 全部成立。 $$
\boxed{\;(1)\Longleftrightarrow(2)\Longleftrightarrow(3)\quad(X,Y\ \text{均为 Banach 空间})\;}
$$ 现仅设 $X$ 为 Banach 空间，而 $Y$ 仅为赋范空间（不必完备）。断言 $(1)\Leftrightarrow(3)$。 $(1)\Rightarrow(3)$： 完全照搬上面 (1)$\Rightarrow$(3) 的三步证明。逐条核查完备性落点： 故 $(1)\Rightarrow(3)$ 在 $Y$ 不完备时依旧有效，关键在于极限的存在性是 (1) 免费提供的，而非靠 $Y$ 完备性获得。 $(3)\Rightarrow(1)$： 与 (3)$\Rightarrow$(2)$\Rightarrow$(1) 不同，这里直接走 (3)$\Rightarrow$(1)，无须经由 (2)：(3) 已断言存在 $T$ 使 $T_n x\to Tx$ 对每个 $x$ 成立，这恰是 (1)（$\{T_n x\}$ 收敛，且极限即 $Tx\in Y$）。此步是逻辑直推，不依赖任何完备性。 $$
\boxed{\;Y\ \text{不完备}\ \Longrightarrow\ (1)\Leftrightarrow(3)\ \text{仍成立}\;}
$$ 易错点提示：此时 $(1)\Leftrightarrow(2)$ 一般会失效。因为 (2)$\Rightarrow$(1) 的第五步恰恰用到 $Y$ 完备：在 $Y$ 不完备时，可有 $\{T_n x\}$ Cauchy 却不收敛，从而 (2) 成立而 (1) 不成立。故"绕过 (2)、直接 (1)$\Leftrightarrow$(3)"是本小问的要害。∎ 现仅设 $Y$ 为 Banach 空间（完备），而 $X$ 仅为赋范空间（不必完备）。断言 $(2)\Leftrightarrow(3)$。 注意：两条件 (2)(3) 都内置了假设 $\sup_n\|T_n\|<\infty$，因此无需再调用一致有界原理——而 UBP 正是唯一用到 $X$ 完备的地方。这是本小问成立的根本原因：把 $C<\infty$ 当作前提之后，$X$ 的完备性便不再被任何一步需要。 $(2)\Rightarrow(3)$： 设 $C:=\sup_n\|T_n\|<\infty$ 且存在稠密 $D$ 使 $\{T_n x'\}$ 对 $x'\in D$ Cauchy。 于是 (3) 成立。 $(3)\Rightarrow(2)$： 同 (3)$\Rightarrow$(2)：取 $D:=X$（在自身中稠密），由强收敛 $T_n x\to Tx$ 知 $\{T_n x\}$ 收敛、从而 Cauchy，对一切 $x\in X=D$ 成立；$\sup_n\|T_n\|<\infty$ 由 (3) 直接给出。纯逻辑弱化，不依赖任何完备性。 $$
\boxed{\;X\ \text{不完备}\ \Longrightarrow\ (2)\Leftrightarrow(3)\ \text{仍成立}\;}
$$ 易错点提示（务必区分两个方向）：在 $X$ 不完备时，$(1)(2)(3)$ 并不再两两等价——这正是本小问只声明 $(2)\Leftrightarrow(3)$ 而不声明涉及 (1) 的等价的原因，切勿误以为可以把 (1) 拉进来。准确分清两类方向： 反例（$X$ 不完备时 $(1)\nRightarrow(3)$）：取 $X=c_{00}$ 为只有有限多个非零分量的实数列全体，配 $\|x\|_\infty=\sup_k|x_k|$（这是不完备赋范空间），$Y=\mathbb{R}$（完备）。令 $$
T_n x:=\sum_{k=1}^{n} k\,x_k\qquad(x=(x_k)\in c_{00}).
$$ 每个 $T_n$ 线性且 $\|T_n\|=\sum_{k=1}^n k=\dfrac{n(n+1)}{2}<\infty$，故 $T_n\in\mathcal B(X,Y)$。对任一 $x\in c_{00}$，设其支撑落在 $\{1,\dots,M\}$ 内，则当 $n\ge M$ 时 $T_n x=\sum_{k=1}^{M}k\,x_k$ 为常数，故 $\{T_n x\}$ 收敛，(1) 成立。然而 $\sup_n\|T_n\|=\sup_n\dfrac{n(n+1)}{2}=\infty$，故 (2)(3) 中"$\sup_n\|T_n\|<\infty$"被破坏，(2)(3) 均不成立。这表明 $(1)\nRightarrow(3)$、$(1)\nRightarrow(2)$，从而 $X$ 不完备时三者不再两两等价。 口诀重申："$X$ 完备"只服务于由"逐点有界"升级到"一致有界"这一步；一旦 $C<\infty$ 写入前提，$X$ 完备性即可丢弃——故 $(2)\Leftrightarrow(3)$ 在 $X$ 不完备时成立，而牵涉 (1) 的等价（需反推一致有界）则不再成立。∎ 完备性落点汇总（核验表） 本题的核心机制是把"逐点信息"提升为"整体一致信息"：唯一的"大定理"是【一致有界原理】，它由 $X$ 的完备性（经 Baire 纲定理）将逐点有界 $\sup_n\|T_nx\|<\infty$ 一举升级为一致有界 $\sup_n\|T_n\|<\infty$——这是 $X$ 完备性在全题中的唯一用武之地。一旦把 $C<\infty$ 写进 (2)(3) 的前提，便可丢掉 $X$ 的完备性，这正是 $X$ 不完备时 $(2)\Leftrightarrow(3)$ 仍成立的原因；但也正因为 $X$ 不完备时无法再由 (1) 反推一致有界（如 $c_{00}$ 上 $T_nx=\sum_{k\le n}k\,x_k$ 的反例所示），涉及 (1) 的等价此时会断裂。另一条主线是 $\varepsilon/3$ 逼近：用一致界 $C$ 把稠密集上的 Cauchy 性"搬运"到全空间，而把 Cauchy 列变成收敛列则必须靠 $Y$ 的完备性——这是 $Y$ 完备性的唯一用武之地。最大的易错点是混淆两种完备性的分工：$(1)\Leftrightarrow(3)$ 之所以能在 $Y$ 不完备时存活，是因为极限的存在性由条件 (1) 自身免费提供，从而绕开了 $Y$ 完备；而 $(1)\Leftrightarrow(2)$ 会在 $Y$ 不完备时崩塌（Cauchy 未必收敛）。记住口诀："$X$ 管一致有界，$Y$ 管 Cauchy 收敛"，逐条对照每个蕴含到底动用了谁，并分清哪些方向需要"反推一致有界"（因而依赖 $X$ 完备），便不会出错。 English. Let $H = L^2((0,\infty))$. Consider the linear operator $T:H\to H$ given by $(Tf)(x):=f(e^x)$. Find the norm, kernel, range, and adjoint of $T$. 中文. 设 $H=L^2((0,\infty))$。考虑由 $(Tf)(x):=f(e^x)$ 给出的线性算子 $T:H\to H$。 求 $T$ 的范数、核（零空间）、值域以及伴随算子。 先做一个贯穿全题的换元，并验证 $T$ 确实是 $H\to H$ 的有界算子。 核心换元。 在积分 $\displaystyle\int_0^\infty |f(e^x)|^2\,dx$ 中令
$$
u=e^x,\qquad x=\ln u,\qquad dx=\frac{du}{u},\qquad x:0\to\infty \iff u:1\to\infty .
$$
于是对任意 $f\in H$，
$$
\|Tf\|^2=\int_0^\infty |f(e^x)|^2\,dx \;\overset{u=e^x}{=}\; \int_1^\infty |f(u)|^2\,\frac{du}{u}. \tag{$\ast$}
$$
这是后续四个对象计算的统一出发点。 关于 a.e.-类的良定义性。 映射 $\varphi:x\mapsto e^x$ 是 $(0,\infty)\to(1,\infty)$ 的微分同胚（光滑、严格单调、可逆），故 Lebesgue 零测集的原像仍为零测集；于是 $f$ 的 a.e.-等价类经拉回 $f\circ\varphi$ 给出唯一确定的 a.e.-等价类，$Tf$ 不依赖代表元的选取。又注意 $T$ 只用到 $f$ 在 $(1,\infty)$ 上的取值。 上界。 当 $u\in(1,\infty)$ 时 $\dfrac1u<1$，故由 $(\ast)$：
$$
\|Tf\|^2=\int_1^\infty |f(u)|^2\,\frac{du}{u}\;\le\;\int_1^\infty |f(u)|^2\,du\;\le\;\int_0^\infty |f(u)|^2\,du=\|f\|^2 .
$$
第一个不等号用了 $\tfrac1u\le 1$（$u\ge1$），第二个不等号是把积分区间从 $(1,\infty)$ 扩大到 $(0,\infty)$、被积函数非负。这同时表明 $Tf\in H$，即 $T$ 良定义且有界，并给出
$$
\|T\|\le 1 .
$$ 下界（逼近列）。 为证 $\|T\|\ge1$，需让质量集中在 $u=1^+$ 处，那里权重 $\tfrac1u\to1$，上界中的两处放缩都几乎成为等式。对每个 $\varepsilon\in(0,1)$，取
$$
f_\varepsilon:=\frac{1}{\sqrt{\varepsilon}}\,\mathbf 1_{(1,\,1+\varepsilon)} .
$$
则 $\|f_\varepsilon\|^2=\dfrac1\varepsilon\cdot\varepsilon=1$，而由 $(\ast)$，
$$
\|Tf_\varepsilon\|^2=\int_1^{1+\varepsilon}\frac1\varepsilon\cdot\frac{du}{u}=\frac{\ln(1+\varepsilon)}{\varepsilon}\xrightarrow[\varepsilon\to0^+]{}1 ,
$$
（因 $\ln(1+\varepsilon)=\varepsilon-\tfrac{\varepsilon^2}2+o(\varepsilon^2)$，故比值 $\to1$，且对每个 $\varepsilon>0$ 严格 $<1$，因为 $\ln(1+\varepsilon)<\varepsilon$）。于是对每个 $\varepsilon\in(0,1)$ 有 $\|T\|\ge\dfrac{\|Tf_\varepsilon\|}{\|f_\varepsilon\|}=\sqrt{\dfrac{\ln(1+\varepsilon)}{\varepsilon}}$，令 $\varepsilon\to0^+$ 得
$$
\|T\|\ge \lim_{\varepsilon\to0^+}\sqrt{\tfrac{\ln(1+\varepsilon)}{\varepsilon}}=1 .
$$
结合上界得
$$
\boxed{\;\|T\|=1\;}
$$ 不可达性。 上确界 $1$ 不被任何 $f\neq0$ 取到。若 $\|Tf\|=\|f\|$，则上界推导中两处不等号必须取等：第二处 $\int_1^\infty|f|^2du=\int_0^\infty|f|^2du$ 要求 $f=0$ a.e. 于 $(0,1)$；第一处要求 $\int_1^\infty|f|^2\big(1-\tfrac1u\big)du=0$，而 $1-\tfrac1u>0$ a.e. 于 $(1,\infty)$，故 $f=0$ a.e. 于 $(1,\infty)$。两者合起来即 $f=0$ a.e.，矛盾。故 $\|T\|=1$ 不可达。$\blacksquare$ 由 $(\ast)$，$Tf=0$ 在 $H$ 中即 $\|Tf\|^2=\int_1^\infty|f(u)|^2\tfrac{du}{u}=0$。由于权重 $\tfrac1u>0$ a.e. 于 $(1,\infty)$，非负被积函数积分为零当且仅当 $|f(u)|^2=0$ a.e. 于 $(1,\infty)$，即 $f=0$ a.e. 于 $(1,\infty)$。而 $f$ 在 $(0,1]$ 上的取值对 $Tf$ 没有任何约束。故
$$
\boxed{\;\ker T=\{\,f\in H:\ f=0\ \text{a.e. on }(1,\infty)\,\}=\{\,f\in H:\ \operatorname{supp}f\subseteq(0,1]\,\}\;}
$$
这是 $H$ 的一个闭子空间（它等于乘子算子 $\mathbf 1_{(1,\infty)}$ 的核，亦即 $L^2((0,1])$ 经零延拓后的像；单点 $u=1$ 为零测，故 $(0,1]$ 与 $(0,1)$ 给出同一 $L^2$ 子空间），与 $\ker T$ 必为闭集（$T$ 有界 $\Rightarrow$ 连续）这一一般事实一致。特别地 $T$ 不单射。$\blacksquare$ 对任意 $f,g\in H$，用内积定义并施以换元 $(\ast)$ 的同一变量替换 $u=e^x$（$dx=\tfrac{du}{u}$，$x=\ln u$）：
$$
\langle Tf,g\rangle=\int_0^\infty f(e^x)\,\overline{g(x)}\,dx
\;\overset{u=e^x}{=}\;\int_1^\infty f(u)\,\overline{g(\ln u)}\,\frac{du}{u}.
$$
（这里 $\overline{\,\cdot\,}$ 为复共轭；实情形直接略去。）把右端写成 $\int_0^\infty f(u)\,\overline{(T^*g)(u)}\,du$ 的形式，需要
$$
\overline{(T^*g)(u)}=\mathbf 1_{(1,\infty)}(u)\,\overline{g(\ln u)}\,\frac1u ,
$$
注意权重 $\tfrac1u$ 与示性函数皆为实值，取共轭后不变，故
$$
\boxed{\;(T^*g)(u)=\mathbf 1_{(1,\infty)}(u)\,\dfrac{g(\ln u)}{u}\;,\qquad u\in(0,\infty).\;}
$$ 良定义性与一致性检验。 $T^*g$ 确属 $H$：令 $v=\ln u$（$u=e^v$，$du=e^v\,dv$，$u:1\to\infty\iff v:0\to\infty$）：
$$
\|T^*g\|^2=\int_1^\infty \frac{|g(\ln u)|^2}{u^2}\,du
=\int_0^\infty |g(v)|^2\,e^{-2v}\,e^{v}\,dv
=\int_0^\infty |g(v)|^2\,e^{-v}\,dv\le \|g\|^2 .
$$
故 $\|T^*\|\le1$，与一般事实 $\|T^*\|=\|T\|=1$ 相容；同样地 $e^{-v}\to1$（$v\to0^+$）说明上确界 $1$ 由集中于 $v=0^+$ 的 $g$ 逼近达到、且不可取等，与 (1) 的结论彼此印证。 进一步可用 $TT^*$ 与 $T^*T$ 做闭式回检：对任意 $g$，
$$
(TT^*g)(x)=(T^*g)(e^x)=\mathbf 1_{(1,\infty)}(e^x)\,\frac{g(\ln e^x)}{e^x}=e^{-x}\,g(x)\quad(\text{因 }e^x>1\iff x>0),
$$
即 $TT^*$ 是乘以 $e^{-x}$ 的（自伴、非负）乘子算子，$\|TT^*\|=\sup_{x>0}e^{-x}=1=\|T\|^2$，再次确认 $\|T\|=1$；又
$$
(T^*Tf)(u)=\mathbf 1_{(1,\infty)}(u)\,\frac{(Tf)(\ln u)}{u}=\mathbf 1_{(1,\infty)}(u)\,\frac{f(u)}{u},
$$
即 $T^*T$ 是乘以 $\mathbf 1_{(1,\infty)}(u)/u$ 的乘子算子，其核恰为支于 $(0,1]$ 者，与 (2) 中 $\ker T$ 完全一致（$\ker(T^*T)=\ker T$）。这些恒等式纯由换元代数得出，无需借助数值近似。$\blacksquare$ $h\in\operatorname{ran}T$ 当且仅当存在 $f\in H$ 使 $h(x)=f(e^x)$ a.e.。给定 $h$，由 $x\mapsto e^x$ 是 $(0,\infty)\to(1,\infty)$ 的双射可逆变换，必然 $f(u)=h(\ln u)$ a.e. 于 $u\in(1,\infty)$（而 $f$ 在 $(0,1]$ 上可任意取，例如取 $0$）。于是“能否找到这样的 $f\in H$”等价于其在 $(1,\infty)$ 上的那一段平方可积。用 $u=e^x$ 换元：
$$
\int_1^\infty |f(u)|^2\,du=\int_1^\infty |h(\ln u)|^2\,du
\;\overset{u=e^x}{=}\;\int_0^\infty |h(x)|^2\,e^{x}\,dx .
$$
因此
$$
\boxed{\;\operatorname{ran}T=\Big\{\,h\in H:\ \int_0^\infty |h(x)|^2\,e^{x}\,dx<\infty\,\Big\}=L^2\big((0,\infty),\,e^{x}dx\big)\cap H\;}
$$
即带权 $e^x$ 平方可积的那些 $H$ 元素。 值域既稠又非闭、$T$ 非满。 这与一般理论一致：$\overline{\operatorname{ran}T}=H$ 等价于 $(\operatorname{ran}T)^\perp=\ker T^*=\{0\}$。验证之：$T^*g=0\Rightarrow \tfrac{g(\ln u)}{u}=0$ a.e. 于 $(1,\infty)\Rightarrow g(v)=0$ a.e. 于 $v\in(0,\infty)\Rightarrow g=0$，故 $\ker T^*=\{0\}$，确证值域稠密。$\blacksquare$ 整道题的引擎是单一换元 $u=e^x$：它把“代入 $e^x$”这个看似古怪的复合算子，翻译成区间 $(1,\infty)$ 上带权 $\tfrac1u$ 的加权 $L^2$ 嵌入，于是范数、核、伴随、值域全部由这一个公式 $(\ast)$ 顺势读出。范数处的关键是认清权 $\tfrac1u\le1$ 给出上界 $\le1$，而把质量挤到 $u=1^+$ 让权趋于 $1$ 即得下界——这是“范数等于上确界但不可达”的典型构造，易错点在于误以为某个具体 $f$ 能取到 $1$（取等会逼出 $f\equiv0$）。伴随的计算要稳住共轭与实值权（$\tfrac1u$、示性函数取共轭不变），并务必用 $\|T^*\|$、$TT^*$ 或 $\ker T^*$ 做回检：本解算出 $TT^*$ 为乘以 $e^{-x}$、$T^*T$ 为乘以 $\mathbf 1_{(1,\infty)}(u)/u$，两者范数皆为 $1$、且 $\ker(T^*T)=\ker T$，自洽性一目了然。值域题最容易踩的坑是只答“稠密”却漏掉“非闭、非满”：这里 $\operatorname{ran}T$ 是带权空间 $L^2(e^xdx)\cap H$，靠 $\ker T^*=\{0\}$ 判稠密、靠一个具体反例（如 $\tfrac1{x+1}$）证不满，二者缺一不可。 English. Let $(X,\|\cdot\|)$ be a real normed space satisfying the parallelogram law $\|x+y\|^2+\|x-y\|^2=2\|x\|^2+2\|y\|^2$ for all $x,y\in X$. Define $f(x,y):=\tfrac14\big(\|x+y\|^2-\|x-y\|^2\big)$. Show (1) $f$ is symmetric; (2) $f(x+y,z)=f(x,z)+f(y,z)$; (3) $f(\alpha x,y)=\alpha f(x,y)$ for all $\alpha\in\mathbb{R}$. (Hint: prove (3) first for $\alpha\in\mathbb{Z}$, then $\mathbb{Q}$, then $\mathbb{R}$.) 中文. 设 $(X,\|\cdot\|)$ 是一个实赋范空间，且对所有 $x,y\in X$ 满足平行四边形律 $\|x+y\|^2+\|x-y\|^2=2\|x\|^2+2\|y\|^2$。 定义 $f(x,y):=\tfrac14\big(\|x+y\|^2-\|x-y\|^2\big)$。 证明：(1) $f$ 是对称的； (2) $f(x+y,z)=f(x,z)+f(y,z)$（关于第一变量可加）； (3) 对所有 $\alpha\in\mathbb{R}$，有 $f(\alpha x,y)=\alpha f(x,y)$（关于第一变量齐次）。 （提示：先对 $\alpha\in\mathbb{Z}$ 证明 (3)，再推广到 $\mathbb{Q}$，最后用稠密性与连续性推广到 $\mathbb{R}$。） 本题即著名的 Jordan–von Neumann 极化恒等式定理：若实赋范空间的范数满足平行四边形律，则由极化公式 $f(x,y)=\tfrac14(\|x+y\|^2-\|x-y\|^2)$ 定义的 $f$ 是一个内积，且 $\|x\|^2=f(x,x)$。我们逐条验证 $f$ 是对称双线性的（正定性 $f(x,x)=\|x\|^2\ge0$ 由定义直接可见，本题未要求，故仅在结语中点到）。 为后文方便，先记录两个由范数性质直接得到的初等事实。 事实 A（零点值）. 取 $x=0$：
$$f(0,y)=\tfrac14\big(\|0+y\|^2-\|0-y\|^2\big)=\tfrac14\big(\|y\|^2-\|y\|^2\big)=0,$$
其中用到了范数的正齐次性 $\|-y\|=|-1|\,\|y\|=\|y\|$。故 $f(0,y)=0$ 对一切 $y$ 成立。 事实 B（范数的对称性）. 对任意 $u\in X$，由正齐次性 $\|-u\|=\|u\|$，故 $\|x-y\|=\|-(y-x)\|=\|y-x\|$。这一点看似显然，但下面 (1) 正是由它支撑，故单列。 由定义，
$$f(y,x)=\tfrac14\big(\|y+x\|^2-\|y-x\|^2\big).$$
范数中的向量加法满足交换律 $\|y+x\|=\|x+y\|$，而由事实 B，$\|y-x\|=\|x-y\|$。因此每一项与 $f(x,y)$ 的对应项逐项相等：
$$f(y,x)=\tfrac14\big(\|x+y\|^2-\|x-y\|^2\big)=f(x,y).$$
$$\boxed{\,f(x,y)=f(y,x)\quad(\forall\,x,y\in X)\,}$$
注意此处不需要平行四边形律，仅用范数的基本性质。∎ 这是本题的核心，分三步。 第一步：建立基本极化恒等式 $f(x,z)+f(y,z)=\tfrac12 f(x+y,2z)$。 先把两项 $f(x,z)$ 与 $f(y,z)$ 按定义展开并相加：
$$4\big(f(x,z)+f(y,z)\big)=\Big(\|x+z\|^2-\|x-z\|^2\Big)+\Big(\|y+z\|^2-\|y-z\|^2\Big).\tag{$\ast$}$$
我们对正、负两组分别施用平行四边形律。 对 $\|x+z\|^2+\|y+z\|^2$，把它视作以 $u:=x+z$、$v:=y+z$ 的平行四边形律：
$$\|u+v\|^2+\|u-v\|^2=2\|u\|^2+2\|v\|^2,$$
即
$$\|(x+z)+(y+z)\|^2+\|(x+z)-(y+z)\|^2=2\|x+z\|^2+2\|y+z\|^2.$$
注意 $(x+z)+(y+z)=(x+y)+2z$ 而 $(x+z)-(y+z)=x-y$，故
$$\|x+z\|^2+\|y+z\|^2=\tfrac12\Big(\big\|(x+y)+2z\big\|^2+\|x-y\|^2\Big).\tag{I}$$ 同理，对 $\|x-z\|^2+\|y-z\|^2$，取 $u':=x-z$、$v':=y-z$，则 $u'+v'=(x+y)-2z$，$u'-v'=x-y$，得
$$\|x-z\|^2+\|y-z\|^2=\tfrac12\Big(\big\|(x+y)-2z\big\|^2+\|x-y\|^2\Big).\tag{II}$$ 将 (I) 减去 (II)，公共项 $\tfrac12\|x-y\|^2$ 相消，代回 $(\ast)$：
$$4\big(f(x,z)+f(y,z)\big)=\tfrac12\Big(\big\|(x+y)+2z\big\|^2-\big\|(x+y)-2z\big\|^2\Big).\tag{$\ast\ast$}$$
另一方面，对任意 $w\in X$，由定义
$$f(w,2z)=\tfrac14\big(\|w+2z\|^2-\|w-2z\|^2\big),$$
取 $w=x+y$，故 $(\ast\ast)$ 的右端 $=\tfrac12\cdot 4\, f(x+y,2z)=2f(x+y,2z)$。于是
$$f(x,z)+f(y,z)=\tfrac12 f(x+y,2z).\tag{III}$$ 恒等式 (III) 对一切 $x,y,z\in X$ 成立，是后续的总枢纽。 第二步：第二变量倍乘恒等式 $f(x,2z)=2f(x,z)$，以及辅助恒等式 $f(2u,z)=2f(u,z)$。 在 (III) 中令 $y=0$，并利用事实 A $f(0,z)=0$：
$$f(x,z)+0=\tfrac12 f(x,2z)\quad\Longrightarrow\quad f(x,2z)=2f(x,z).\tag{V}$$
公式 (V) 表明：第二变量乘以 $2$ 等价于整体乘以 $2$。它将在第三步直接收口可加性，是本步唯一必需的产物。 为与提示中的"$2f\!\left(\tfrac{x+y}{2},z\right)$"形式衔接，再附带导出一个对称的辅助恒等式。由于 (III) 对一切向量成立，特取 $x=y=u$（合法代入，不需要事实 A 或对称性），得
$$f(u,z)+f(u,z)=\tfrac12 f(2u,2z),\qquad\text{即}\qquad 2f(u,z)=\tfrac12 f(2u,2z).\tag{IV}$$
把 (V)（对向量 $2u$ 使用）代入 (IV) 右端的 $f(2u,2z)=2f(2u,z)$，得
$$2f(u,z)=\tfrac12\cdot 2\, f(2u,z)=f(2u,z),$$
即
$$\boxed{\,f(2u,z)=2f(u,z)\quad(\forall\,u,z)\,}\tag{VI}$$
这是"自变量取 $2u$ 等于 $2$ 倍取值"的恒等式。需强调：(VI) 仅为复原提示形式所用的辅助结论；下面第三步对可加性的证明只动用 (III) 与 (V)，并不依赖 (VI)。 第三步：合成可加性。 回到 (III)：$f(x,z)+f(y,z)=\tfrac12 f(x+y,2z)$。由第二变量倍乘公式 (V)，$f(x+y,2z)=2f(x+y,z)$，代入得
$$f(x,z)+f(y,z)=\tfrac12\cdot 2\, f(x+y,z)=f(x+y,z).$$
$$\boxed{\,f(x+y,z)=f(x,z)+f(y,z)\quad(\forall\,x,y,z\in X)\,}$$
（与提示形式的对照：由 (III) 与 (V) 已得 $f(x,z)+f(y,z)=f(x+y,z)$；又由 (VI) 可反向写 $f(x+y,z)=2f\!\left(\tfrac{x+y}{2},z\right)$，故 $f(x,z)+f(y,z)=2f\!\left(\tfrac{x+y}{2},z\right)$，二者一致。）∎ 按提示，由整数、有理数、实数逐级推进。下面固定 $x,y\in X$，记 $g(\alpha):=f(\alpha x,y)$，并记 $c:=f(x,y)$。目标是 $g(\alpha)=\alpha c$。 第一步：$\alpha\in\mathbb{N}$（对自然数归纳）。 $\alpha=1$ 显然 $g(1)=f(x,y)=c$。设 $g(n)=nc$ 已对某 $n\ge1$ 成立。由 (2) 的可加性（取被加项为 $nx$ 与 $x$）：
$$g(n+1)=f\big((n+1)x,\,y\big)=f(nx+x,\,y)=f(nx,y)+f(x,y)=nc+c=(n+1)c.$$
由数学归纳法，$g(n)=nc$ 对一切 $n\in\mathbb{N}$ 成立。又由事实 A，$g(0)=f(0,y)=0=0\cdot c$，边界情形 $\alpha=0$ 单独验证通过。 第二步：$\alpha\in\mathbb{Z}$（处理负号）。 先证奇对称性 $f(-x,y)=-f(x,y)$。由定义并利用事实 B（$\|-x+y\|=\|x-y\|$，$\|-x-y\|=\|x+y\|$）：
$$f(-x,y)=\tfrac14\big(\|-x+y\|^2-\|-x-y\|^2\big)=\tfrac14\big(\|x-y\|^2-\|x+y\|^2\big)=-f(x,y).\tag{VII}$$
故 $g(-1)=-c$。对负整数 $\alpha=-n$（$n\in\mathbb{N}$），由 (VII) 与第一步：
$$g(-n)=f\big(-(nx),y\big)\overset{(VII)}{=}-f(nx,y)=-(nc)=(-n)c.$$
因此 $g(m)=mc$ 对一切 $m\in\mathbb{Z}$ 成立。 第三步：$\alpha\in\mathbb{Q}$（约分技巧）。 设 $\alpha=p/q$，$p\in\mathbb{Z}$，$q\in\mathbb{N}_{\ge1}$。注意第一步的整数齐次性对任意向量都成立，故对向量 $u\in X$ 有
$$f(qu,y)=q\,f(u,y).$$
取 $u=\tfrac pq x$，则 $qu=px$，于是
$$q\,f\!\Big(\tfrac pq x,\,y\Big)=f(px,y)=p\,f(x,y)=p\,c,$$
最后一步用第二步（整数 $p$）。两边除以 $q\ge1$（合法，$q\neq0$）：
$$g\!\Big(\tfrac pq\Big)=f\!\Big(\tfrac pq x,\,y\Big)=\tfrac pq\,c.$$
故 $g(\alpha)=\alpha c$ 对一切 $\alpha\in\mathbb{Q}$ 成立。 第四步：$\alpha\in\mathbb{R}$（连续性 + $\mathbb{Q}$ 稠密）。 关键观察：$g(\alpha)=f(\alpha x,y)$ 作为 $\alpha$ 的函数是连续的。理由如下——映射 $\alpha\mapsto \alpha x$ 是从 $\mathbb{R}$ 到 $X$ 的连续映射（因 $\|\alpha x-\alpha_0 x\|=|\alpha-\alpha_0|\,\|x\|\to0$，正齐次性），而范数 $\|\cdot\|:X\to\mathbb{R}$ 是连续的（由三角不等式得 $\big|\,\|a\|-\|b\|\,\big|\le\|a-b\|$，故范数 $1$-Lipschitz），从而 $\alpha\mapsto\|\alpha x\pm y\|^2$ 连续，作为它们的线性组合，
$$g(\alpha)=\tfrac14\big(\|\alpha x+y\|^2-\|\alpha x-y\|^2\big)$$
关于 $\alpha$ 连续。 现取任意 $\alpha\in\mathbb{R}$。由 $\mathbb{Q}$ 在 $\mathbb{R}$ 中稠密，存在有理数列 $\alpha_n\to\alpha$。由第三步 $g(\alpha_n)=\alpha_n c$。对两边取极限，左边因 $g$ 连续趋于 $g(\alpha)$，右边趋于 $\alpha c$：
$$g(\alpha)=\lim_{n\to\infty}g(\alpha_n)=\lim_{n\to\infty}\alpha_n c=\alpha c.$$
$$\boxed{\,f(\alpha x,y)=\alpha\,f(x,y)\quad(\forall\,\alpha\in\mathbb{R},\ \forall\,x,y\in X)\,}$$
∎ 结语（综合）. 由 (1) 对称性、(2) 可加性与 (3) 实齐次性，$f$ 关于第一变量线性，再结合对称性 (1) 知 $f$ 关于第二变量亦线性，故 $f$ 是 $X$ 上的对称双线性型；又 $f(x,x)=\tfrac14\|2x\|^2=\|x\|^2\ge0$，且由范数的正定性公理 $\|x\|=0\Leftrightarrow x=0$ 得 $f(x,x)=0\Leftrightarrow x=0$，故 $f$ 是 $X$ 上的内积且诱导原范数。这正是 Jordan–von Neumann 定理的内容。$\blacksquare$ 核心机制是极化恒等式：内积可由范数完全恢复，而平行四边形律恰是"范数来自某内积"的充要刻画，本题做的是充分性方向。对称性 (1) 只是范数 $\|-u\|=\|u\|$ 的直接推论，不动用平行四边形律；真正吃力的是可加性 (2)——诀窍是把 $\|x\pm z\|^2$ 与 $\|y\pm z\|^2$ 成对地用平行四边形律展开，让公共的 $\|x-y\|^2$ 项相消，凝练出枢纽恒等式 $f(x,z)+f(y,z)=\tfrac12 f(x+y,2z)$（即 (III)），再配合"第二变量倍乘"恒等式 $f(\cdot,2z)=2f(\cdot,z)$（即 (V)，其本身仅依赖零点值 $f(0,z)=0$）一步收口。需留意 (VI)（即 $f(2u,z)=2f(u,z)$）只是为复原提示中的 $2f(\tfrac{x+y}{2},z)$ 形式而附带导出的辅助恒等式，可加性结论本身并不需要它。齐次性 (3) 是典型的"$\mathbb{Z}\to\mathbb{Q}\to\mathbb{R}$ 逐层加密"套路：代数恒等只能给出可数稠密集上的齐次性，跨越到全体实数必须借助范数连续性把有理逼近传过去——这一步若漏掉连续性论证，结论对不可数的无理标量就无从保证（事实上仅用加性无法排除病态非连续解，正是连续性封死了这个缺口）。易错点有三：忘记单独处理 $\alpha=0$、$x=0$ 等边界；在 (2) 中漏掉 $f(0,z)=0$ 这一支撑倍乘恒等式 (V) 的零点值；以及第四步把"稠密"误当成"自动推出连续"。 English. Let $H=L^2(\mathbb{R}^d)$ and $\varphi\in L^\infty(\mathbb{R}^d)$. Consider the multiplication operator $M_\varphi:H\to H$, $(M_\varphi f)(x):=\varphi(x)f(x)$. Show that $\lambda$ is an eigenvalue of $M_\varphi$ if and only if there is a set $E\subset\mathbb{R}^d$ of nonzero Lebesgue measure such that $\varphi(x)=\lambda$ for all $x\in E$. 中文. 设 $H=L^2(\mathbb{R}^d)$，$\varphi\in L^\infty(\mathbb{R}^d)$。考虑乘法算子 $M_\varphi:H\to H$，$(M_\varphi f)(x):=\varphi(x)f(x)$。 证明：$\lambda$ 是 $M_\varphi$ 的特征值，当且仅当存在一个 Lebesgue 测度非零的集合 $E\subset\mathbb{R}^d$，使得 $\varphi(x)=\lambda$ 对所有 $x\in E$ 成立。 预备观察（算子的良定性）. 对任意 $f\in H$，由 $\varphi\in L^\infty$ 知
$$
\|\varphi f\|_2^2=\int_{\mathbb{R}^d}|\varphi(x)|^2|f(x)|^2\,dx\le \|\varphi\|_\infty^2\,\|f\|_2^2<\infty,
$$
故 $M_\varphi f\in H$，且 $M_\varphi$ 是有界线性算子，$\|M_\varphi\|\le\|\varphi\|_\infty$。这保证下文中"$M_\varphi f$"恒有意义。 回忆特征值的定义：称 $\lambda\in\mathbb{C}$ 为 $M_\varphi$ 的特征值，若存在 $f\in H$ 且 $f\neq 0$（指 $f$ 作为 $L^2$ 的元素非零，即 $f$ 在某正测度集上取非零值）使得 $M_\varphi f=\lambda f$。这里"特征向量 $f\in H$ 且非零"是关键，必须严格区别于谱 $\sigma(M_\varphi)$ 或近似点谱（后两者由 $\varphi$ 的本质值域 essential range 刻画，未必要求存在真正属于 $H$ 的特征向量）。 下面把方程 $M_\varphi f=\lambda f$ 写开：它等价于
$$
\big(\varphi(x)-\lambda\big)\,f(x)=0\quad\text{a.e. } x\in\mathbb{R}^d. \tag{$\ast$}
$$
全部论证围绕 $(\ast)$ 展开。 设存在可测集 $E\subset\mathbb{R}^d$，$|E|>0$，且 $\varphi(x)=\lambda$ 对所有 $x\in E$ 成立。（特别地这蕴含 $\varphi=\lambda$ 在 $E$ 上 a.e. 成立；下文只用到这一更弱的 a.e. 形式，故结论对"$\varphi=\lambda$ 仅 a.e. 于 $E$"的更一般情形同样有效。）我们需构造一个真正属于 $H=L^2$ 的非零特征向量。 关键技术点：截断到有限测度. 注意 $|E|$ 可能为 $+\infty$，此时 $\mathbf 1_E\notin L^2$（因 $\|\mathbf 1_E\|_2^2=|E|=\infty$），不能直接取 $f=\mathbf 1_E$。但 $\mathbb{R}^d$ 配 Lebesgue 测度是 $\sigma$-有限的：$\mathbb{R}^d=\bigcup_{n\ge 1}B_n$，其中 $B_n=\{x:|x|\le n\}$ 是闭球，$|B_n|<\infty$。于是
$$
E=\bigcup_{n\ge 1}(E\cap B_n),\qquad E\cap B_n\nearrow E,\quad\text{故}\quad |E\cap B_n|\nearrow |E|>0\ (n\to\infty).
$$
由测度关于递增集列的下连续性（连续性自下），存在某个 $n_0$ 使 $|E\cap B_{n_0}|>0$。记
$$
E':=E\cap B_{n_0},\qquad 0<|E'|\le |B_{n_0}|<\infty .
$$
这就显式取出了满足 $0<|E'|<\infty$ 且 $E'\subset E$ 的可测子集（这一步用到的正是 $\mathbb{R}^d$ 的 $\sigma$-有限性，必须点明落点）。 令 $f:=\mathbf 1_{E'}$，即 $E'$ 的指示函数。则： 由特征值定义，$\lambda$ 是 $M_\varphi$ 的特征值。$\qquad\blacksquare$（充分性） 设 $\lambda$ 是特征值，则存在 $f\in H$，$f\neq 0$（于 $H$），使 $M_\varphi f=\lambda f$，即 $(\ast)$ 成立：
$$
\big(\varphi(x)-\lambda\big)f(x)=0\quad\text{a.e.}
$$ 第一步：定位 $f$ 的非零集. 令
$$
N:=\{x\in\mathbb{R}^d:\ f(x)\neq 0\}.
$$
$N$ 可测（$f$ 可测）。因 $f\neq 0$ 作为 $L^2$ 元素，故必有
$$
|N|>0. \tag{$\dagger$}
$$
理由（不跳步）：若 $|N|=0$，则 $f=0$ a.e.，从而 $\|f\|_2=0$，$f$ 即 $L^2$ 的零元，与 $f\neq 0$ 矛盾。故 $(\dagger)$ 成立。 第二步：在 $N$ 上消去 $f$. 由 $(\ast)$，存在零测集 $Z$（$|Z|=0$）使得对一切 $x\notin Z$ 有 $(\varphi(x)-\lambda)f(x)=0$。取 $x\in N\setminus Z$：此时 $f(x)\neq 0$，于是在 $\mathbb{C}$（无零因子的域）中，由 $ab=0$ 且 $b=f(x)\neq 0$ 必有 $a=0$，其中 $a=\varphi(x)-\lambda$；故
$$
\varphi(x)-\lambda=0,\qquad\text{即}\quad \varphi(x)=\lambda,\quad \forall\,x\in N\setminus Z.
$$
这里用到"复数域无零因子"这一代数事实，正是"逐点消去"的依据，非"显然"，须明写。注意此结论对 $N\setminus Z$ 中每一个点成立（已显式扣除 $Z$），而非仅 a.e.。 第三步：得到正测度水平集. 令
$$
E:=N\setminus Z=\{x:f(x)\neq 0\}\setminus Z .
$$
则 $E$ 可测。由 $|N\cap Z|\le|Z|=0$ 得
$$
|E|=|N\setminus Z|=|N|-|N\cap Z|=|N|\overset{(\dagger)}{>}0
$$
（去掉零测集 $Z$ 不改变测度；此等式即使在 $|N|=\infty$ 时亦成立）。同时第二步表明 $\varphi(x)=\lambda$ 对所有 $x\in E$ 成立。因此 $E\subset\mathbb{R}^d$ 满足 $|E|>0$ 且 $\varphi\equiv\lambda$ 于 $E$，恰为所求。$\qquad\blacksquare$（必要性） 综合 (1)(2)：
$$
\boxed{\ \lambda\ \text{是}\ M_\varphi\ \text{的特征值}\iff \exists\,E\subset\mathbb{R}^d\ \text{可测},\ |E|>0,\ \text{使得}\ \varphi(x)=\lambda\ (\forall x\in E).\ }
$$ 附注（点谱 vs. 谱）. 上述刻画说明 $M_\varphi$ 的点谱为
$$
\sigma_p(M_\varphi)=\big\{\lambda\in\mathbb{C}:\ |\{x:\varphi(x)=\lambda\}|>0\big\},
$$
即 $\varphi$ 的所有正测度水平集对应的值。（该集合在 $L^\infty$ 等价类意义下良定：若 $\varphi=\varphi'$ a.e.，则 $\{\varphi=\lambda\}$ 与 $\{\varphi'=\lambda\}$ 相差一零测集，正测度性不变。）它一般是 $\sigma(M_\varphi)=\operatorname{ess\,ran}(\varphi)$（本质值域）的真子集：例如 $d=1$、$\varphi(x)=\arctan x$ 时 $\varphi$ 单射，所有水平集为单点（零测度），故 $\sigma_p=\varnothing$；但 $\sigma(M_\varphi)=\operatorname{ess\,ran}(\arctan)=[-\tfrac\pi2,\tfrac\pi2]$ 非空——内部点显然属本质值域，两端点 $\pm\tfrac\pi2$ 亦属之，因为 $\arctan x\to\pm\tfrac\pi2$（$x\to\pm\infty$）使得对任意 $\varepsilon>0$，集合 $\{x:|\arctan x\mp\tfrac\pi2|<\varepsilon\}$ 具无限（正）测度。$\qquad\blacksquare$ 核心机制是把抽象的特征方程 $M_\varphi f=\lambda f$ 翻译成逐点等式 $(\varphi-\lambda)f=0$ a.e.，于是"$\lambda$ 是特征值"被几何化为"$\varphi$ 取值 $\lambda$ 的集合够大（正测度）"。两个方向都靠这条等式：充分性是造特征向量（在水平集上放指示函数），必要性是读特征向量的支集（$f$ 非零处强迫 $\varphi=\lambda$）。本题不需要 Hahn–Banach、开映射等"三大定理"，真正用到的是测度论事实——$\sigma$-有限性（保证能截出 $0<|E'|<\infty$ 的子集，使 $\mathbf 1_{E'}\in L^2$）与"复数无零因子下的几乎处处消去"。最常见的两个易错点：一是误取 $f=\mathbf 1_E$ 而忽视 $|E|=\infty$ 时它不属于 $L^2$（须截断）；二是混淆点谱与谱——单点水平集（零测度）不产生特征值，但其值仍可落在本质值域里成为连续谱，这正是乘法算子谱理论的精髓所在。 English. For each case below determine (1) the orthogonal complement of $Y$ in $X$, (2) whether $Y$ is dense in $X$, (3) whether $Y$ is closed in $X$ (real spaces): (a) $X=L^2(-1,1)$, $Y=\{f\in X:\ \int_{-1}^{1} f\,dx = 0\}$; (b) $X=\ell^2$, $Y=\{(a_n)\in X:\ a_{2n}=0\ \text{for each}\ n=1,2,3,\dots\}$. 中文. 对下列每种情形，确定（1）$Y$ 在 $X$ 中的正交补，（2）$Y$ 是否在 $X$ 中稠密，（3）$Y$ 是否在 $X$ 中闭（均为实空间）： (a) $X=L^2(-1,1)$，$Y=\{f\in X:\ \int_{-1}^{1} f\,dx = 0\}$； (b) $X=\ell^2$，$Y=\{(a_n)\in X:\ a_{2n}=0\ \text{对每个}\ n=1,2,3,\dots\}$（即所有偶数下标分量为零）。 预备说明。 本题均在实 Hilbert 空间中进行。我们反复使用以下三条基本事实： （正交补的闭性） 在任何内积空间中，对任意子集 $M\subseteq X$，其正交补 $M^\perp=\{x\in X:\ \langle x,m\rangle=0,\ \forall m\in M\}$ 总是 $X$ 的闭线性子空间。理由：$M^\perp=\bigcap_{m\in M}\ker\langle\,\cdot\,,m\rangle$，而每个 $\langle\,\cdot\,,m\rangle$ 是连续线性泛函（由 Cauchy–Schwarz：$|\langle x,m\rangle|\le\|m\|\,\|x\|$），其核为闭超平面，闭集之交仍为闭集。 （投影定理 / 正交分解） 若 $X$ 为 Hilbert 空间，$M$ 为 $X$ 的闭子空间，则 $X=M\oplus M^\perp$，且 $(M^\perp)^\perp=M$。一般地，对任意子空间 $M$ 有 $(M^\perp)^\perp=\overline{M}$。此处用到 $X$ 的完备性（投影定理的成立离不开完备性）。 （稠密性判据） 子空间 $M\subseteq X$ 在 Hilbert 空间中稠密 $\iff M^\perp=\{0\}$。证：若 $M$ 稠密则 $\overline M=X$，由 $M^\perp=(\overline M)^\perp=X^\perp=\{0\}$（这里 $X^\perp=\{0\}$ 因为与全空间正交的向量必与自身正交，故其范数为 $0$）；反之若 $M^\perp=\{0\}$，则 $\overline M=(M^\perp)^\perp=\{0\}^\perp=X$。 第一步：把 $Y$ 写成一个有界线性泛函的核。 记常值函数 $\mathbf 1(x)\equiv 1$。在有限测度区间 $(-1,1)$ 上 $\mathbf 1\in L^2(-1,1)$，因为
$$
\|\mathbf 1\|^2=\int_{-1}^1 1\,dx = 2<\infty,\qquad \|\mathbf 1\|=\sqrt 2 .
$$
定义泛函
$$
L(f)=\int_{-1}^1 f\,dx=\int_{-1}^1 f\cdot \mathbf 1\,dx=\langle f,\mathbf 1\rangle .
$$
由 Cauchy–Schwarz，$|L(f)|=|\langle f,\mathbf 1\rangle|\le\|\mathbf 1\|\,\|f\|=\sqrt2\,\|f\|$，故 $L$ 是 $X$ 上的有界线性泛函（且 $\|L\|=\|\mathbf 1\|=\sqrt2$，由 Riesz 表示定理，因为表示元恰为 $\mathbf 1$，且取 $f=\mathbf 1$ 时不等式取等）。于是
$$
Y=\ker L=\{f:\ \langle f,\mathbf 1\rangle=0\}=\{\mathbf 1\}^\perp .
$$
这里 $\{\mathbf 1\}^\perp=(\operatorname{span}\{\mathbf 1\})^\perp$，因为与 $\mathbf 1$ 正交当且仅当与其所有数乘正交。 第二步：求 $Y^\perp$。 记 $M=\operatorname{span}\{\mathbf 1\}$（一维子空间，即全体常值函数）。一维子空间必闭（有限维子空间在赋范空间中总是闭的：它与 $\mathbb R$ 线性同胚，而 $\mathbb R$ 完备），故 $\overline M=M$。由 $Y=M^\perp$ 及一般恒等式 $(M^\perp)^\perp=\overline M$：
$$
Y^\perp=(M^\perp)^\perp=\overline M=M=\operatorname{span}\{\mathbf 1\}.
$$
即
$$
\boxed{\,Y^\perp=\{\,c\cdot\mathbf 1:\ c\in\mathbb R\,\}=\{\text{全体常值函数}\},\quad \dim Y^\perp=1.\,}
$$ 第三步：闭性。 $Y=\ker L$ 是连续泛函 $L$ 的核，而 $\{0\}$ 在 $\mathbb R$ 中闭、$L$ 连续，故 $Y=L^{-1}(\{0\})$ 为闭集；或直接由 $Y=M^\perp$ 是正交补而闭。无论哪种推理都给出
$$
\boxed{\,Y\ \text{是 } X\ \text{的闭子空间（事实上是闭超平面，余维数 }1\text{）}.\,}
$$ 第四步：稠密性。 由稠密性判据，$Y$ 稠密 $\iff Y^\perp=\{0\}$。但 $Y^\perp=\operatorname{span}\{\mathbf 1\}\ne\{0\}$（因 $\mathbf 1\ne 0$，其在 $L^2$ 中非零，$\|\mathbf 1\|=\sqrt2>0$）。故
$$
\boxed{\,Y\ \text{在 } X\ \text{中不稠密}.\,}
$$
等价地：$\overline Y=Y\subsetneq X$，例如常值函数 $\mathbf 1\notin Y$（因 $L(\mathbf 1)=2\ne 0$）。 正交分解的验证。 由投影定理（$Y$ 闭，$X$ 完备）：$X=Y\oplus Y^\perp$。具体地，任给 $f\in L^2(-1,1)$，令
$$
c=\frac{\langle f,\mathbf 1\rangle}{\|\mathbf 1\|^2}=\frac{1}{2}\int_{-1}^1 f\,dx,\qquad f=\underbrace{(f-c\mathbf 1)}_{\in Y}+\underbrace{c\mathbf 1}_{\in Y^\perp},
$$
而 $f-c\mathbf 1\in Y$ 因 $\int_{-1}^1(f-c\mathbf 1)\,dx=\int f - c\cdot 2=0$；且 $\langle f-c\mathbf1,\ c\mathbf1\rangle=c(\langle f,\mathbf1\rangle-c\cdot2)=0$。分解唯一。∎ 澄清记号。 条件 “$a_{2n}=0$ 对每个 $n$” 指偶数下标分量全为零：$a_2=a_4=a_6=\cdots=0$。故 $Y$ 中元素仅允许奇数下标 $a_1,a_3,a_5,\dots$ 非零。 设标准正交基 $\{e_k\}_{k\ge1}$，$e_k=(0,\dots,0,1,0,\dots)$（第 $k$ 位为 $1$）。则
$$
Y=\{a\in\ell^2:\ \langle a,e_{2n}\rangle=0,\ \forall n\ge1\}=\{e_2,e_4,e_6,\dots\}^\perp .
$$ 第一步：$Y$ 闭。 每个坐标泛函 $a\mapsto\langle a,e_{2n}\rangle=a_{2n}$ 连续（$|a_{2n}|\le\|a\|$），故 $\ker$ 闭；$Y$ 为可数个闭超平面之交：
$$
Y=\bigcap_{n\ge1}\ker\langle\,\cdot\,,e_{2n}\rangle,
$$
是闭集之交，因而
$$
\boxed{\,Y\ \text{是 } \ell^2\ \text{的闭子空间}.\,}
$$
（亦可直接说：$Y$ 是子集 $\{e_{2n}\}$ 的正交补，正交补总闭。） 第二步：求 $Y^\perp$。 记 $E_{\mathrm{even}}=\{e_2,e_4,\dots\}$，$M=\overline{\operatorname{span}}\,E_{\mathrm{even}}$。由 $Y=E_{\mathrm{even}}^\perp=(\operatorname{span}E_{\mathrm{even}})^\perp=M^\perp$，再由 $(M^\perp)^\perp=\overline{M}=M$（$M$ 已是闭包）：
$$
Y^\perp=M=\overline{\operatorname{span}}\{e_2,e_4,e_6,\dots\}.
$$
下面把这个闭包写成显式集合。断言
$$
\overline{\operatorname{span}}\{e_{2n}\}=\{a\in\ell^2:\ a_{2n-1}=0,\ \forall n\}=\{a:\ a_1=a_3=a_5=\cdots=0\}=:Z.
$$
- $\subseteq$（$M\subseteq Z$）： $Z$ 是闭子空间（同第一步理由，它是诸 $\ker\langle\,\cdot\,,e_{2n-1}\rangle$ 之交），且每个 $e_{2n}\in Z$；闭子空间包含其生成元张成空间的闭包，故 $M=\overline{\operatorname{span}}\,E_{\mathrm{even}}\subseteq Z$。
- $\supseteq$（$Z\subseteq M$）： 任取 $a\in Z$，则 $a=\sum_{n\ge1}a_{2n}e_{2n}$（奇数项系数为 $0$）。部分和 $s_N=\sum_{n=1}^N a_{2n}e_{2n}\in\operatorname{span}E_{\mathrm{even}}$，且 $\|a-s_N\|^2=\sum_{n>N}|a_{2n}|^2\to0$（因 $\sum_n|a_{2n}|^2\le\|a\|^2<\infty$，收敛级数的尾项趋零）。故 $a\in M$，即 $Z\subseteq M$。 于是
$$
\boxed{\,Y^\perp=\{a\in\ell^2:\ a_{\text{奇数下标}}=0\}=\{a:\ a_1=a_3=a_5=\cdots=0\}=\overline{\operatorname{span}}\{e_2,e_4,\dots\}\ (\text{无穷维}).\,}
$$ 第三步：稠密性。 $Y^\perp\ne\{0\}$（例如 $e_2\in Y^\perp$，$\|e_2\|=1>0$），由稠密判据
$$
\boxed{\,Y\ \text{在 } \ell^2\ \text{中不稠密}.\,}
$$
具体地 $e_2\notin Y$（其偶数下标分量 $a_2=1\ne0$），且 $e_2$ 与整个 $Y$ 正交，故 $e_2$ 不能被 $Y$ 中元素逼近：对任意 $y\in Y$ 有 $\|e_2-y\|^2=\|e_2\|^2+\|y\|^2\ge1$（勾股关系，因 $e_2\perp y$），逼近距离恒不小于 $1$。 正交分解的验证。 $Y$ 闭、$\ell^2$ 完备，投影定理给出 $\ell^2=Y\oplus Y^\perp$。直接地，对任意 $a=(a_1,a_2,a_3,\dots)\in\ell^2$，定义
$$
a^{\mathrm{odd}}=(a_1,0,a_3,0,a_5,0,\dots)\in Y,\qquad a^{\mathrm{even}}=(0,a_2,0,a_4,0,\dots)\in Y^\perp,
$$
则 $a=a^{\mathrm{odd}}+a^{\mathrm{even}}$，二者下标支撑不相交故 $\langle a^{\mathrm{odd}},a^{\mathrm{even}}\rangle=\sum_k a^{\mathrm{odd}}_k a^{\mathrm{even}}_k=0$，且 $\|a\|^2=\|a^{\mathrm{odd}}\|^2+\|a^{\mathrm{even}}\|^2$（两范数均有限）。分解唯一。∎ 小结表。 核心机制是同一句话：“一族正交约束所定义的子空间，其正交补就是这些约束元张成的（闭）子空间”——把 $Y$ 识别为某集合的正交补 $S^\perp$，则立刻 $Y$ 闭，且 $Y^\perp=(S^\perp)^\perp=\overline{\operatorname{span}}S$。 (a) 中只有一个约束 $\int f=\langle f,\mathbf1\rangle$，它是有界泛函（关键在于有限区间上 $\mathbf1\in L^2$，否则 $L$ 未必有界，这正是 $L^2(\mathbb R)$ 与 $L^2(-1,1)$ 的差别——常见易错点），故 $Y$ 是余维 $1$ 的闭超平面，$Y^\perp$ 一维。 (b) 是可数个坐标约束，$Y^\perp$ 是无穷维但仍闭。需要投影定理之处必须强调 Hilbert 空间的完备性：唯有完备才能保证 $X=Y\oplus Y^\perp$ 与 $(M^\perp)^\perp=\overline M$。 最易错的两点：一是把 “$a_{2n}=0$” 误读为奇数下标为零；二是写 $Y^\perp$ 时忘记取闭包——在 (b) 中 $\operatorname{span}\{e_{2n}\}$ 本身（有限支撑序列）并不完整，必须补上极限点才得到正确的无穷维闭子空间。 English. Let $D(z,r)$ be the disc centred at $z$ of radius $r$ in $\mathbb{C}$, $D:=D(0,1)$. The Bergman space is $A(D):=\{f\in L^2(D): f \text{ holomorphic in } D\}$, with the $L^2(D)$ inner product/norm. (1) Show that for each $0 (2) Show that if $\{f_n\}\subset A(D)$ is Cauchy in $L^2$-norm, then it converges uniformly on compact subsets of $D$. (3) Hence prove there is a bounded linear operator $\pi:L^2(D)\to A(D)$ such that for each $\varphi\in L^2(D)$, $\pi(\varphi)$ is the unique point of $A(D)$ with $\|\varphi-\pi(\varphi)\|=\inf_{\psi\in A(D)}\|\varphi-\psi\|$. 中文. 设 $D(z,r)$ 为 $\mathbb{C}$ 中以 $z$ 为心、$r$ 为半径的开圆盘，记 $D:=D(0,1)$。Bergman 空间定义为 $A(D):=\{f\in L^2(D): f \text{ 在 } D \text{ 内全纯}\}$，赋以 $L^2(D)$ 的内积与范数。 (1) 证明：对每个满足 $0 (2) 证明：若 $\{f_n\}\subset A(D)$ 在 $L^2$ 范数下为 Cauchy 列，则它在 $D$ 的每个紧子集上一致收敛。 (3) 据此证明：存在有界线性算子 $\pi:L^2(D)\to A(D)$，使得对每个 $\varphi\in L^2(D)$，$\pi(\varphi)$ 是 $A(D)$ 中唯一满足 $\|\varphi-\pi(\varphi)\|=\inf_{\psi\in A(D)}\|\varphi-\psi\|$ 的点。 约定：本题中 $L^2(D)$ 的内积取为 $\langle g,h\rangle=\displaystyle\iint_D g\,\overline{h}\,dA$，其中 $dA$ 为平面 Lebesgue 测度（面积测度）；范数 $\|g\|=\langle g,g\rangle^{1/2}$。下文记 $\rho:=1-s\in(0,1)$。 第〇步：几何相容前提（务必先核对）。
公式右端的内积 $\langle f,\chi_{D(z,1-s)}\rangle_{L^2(D)}=\iint_D f\,\chi_{D(z,1-s)}\,dA$ 只在 $D(z,1-s)\subset D$ 时才等于 $\displaystyle\iint_{D(z,1-s)}f\,dA$，而面积平均值公式更要求 $f$ 在含 $\overline{D(z,\rho)}$ 的开集上全纯，即需
$$\overline{D(z,\rho)}\subset D\quad\Longleftrightarrow\quad |z|+\rho<1\quad(\rho=1-s).$$
注意：仅凭"$|z| $$\boxed{\ \text{良定前提：}\ \overline{D(z,\rho)}\subset D,\quad\text{即}\ |z|+(1-s)<1,\qquad \rho=1-s.\ }$$ 第一步：圆周平均值性质（mean value property）。
有了 $\overline{D(z,\rho)}\subset D$，$f$ 在某个包含 $\overline{D(z,\rho)}$ 的开集上全纯。对任意 $0 第二步：对半径积分得面积平均值性质。
将上式两端乘以 $t$ 并对 $t\in(0,\rho)$ 积分。左端：
$$\int_0^{\rho} f(z)\,t\,dt=f(z)\cdot\frac{\rho^2}{2}.$$
右端用极坐标 $dA=t\,dt\,d\theta$（映射 $(t,\theta)\mapsto z+te^{i\theta}$，$t\in[0,\rho]$，$\theta\in[0,2\pi)$ 恰参数化 $D(z,\rho)$）：
$$\int_0^{\rho}\!\!\left(\frac{1}{2\pi}\int_0^{2\pi} f(z+te^{i\theta})\,d\theta\right) t\,dt
=\frac{1}{2\pi}\iint_{D(z,\rho)} f\,dA.$$
（被积函数 $|f|$ 在紧集 $\overline{D(z,\rho)}$ 上连续故有界可积，Tonelli/Fubini 适用，累次积分可化为二重积分。）两端相等：
$$f(z)\cdot\frac{\rho^2}{2}=\frac{1}{2\pi}\iint_{D(z,\rho)} f\,dA
\ \Longrightarrow\
f(z)=\frac{1}{\pi\rho^2}\iint_{D(z,\rho)} f\,dA.$$
此即面积平均值性质。 第三步：写成 $L^2(D)$ 内积。
因 $D(z,\rho)\subset D$，示性函数 $\chi_{D(z,\rho)}=1$ 于 $D(z,\rho)$、$=0$ 于 $D\setminus D(z,\rho)$。它实值，故 $\overline{\chi_{D(z,\rho)}}=\chi_{D(z,\rho)}$，于是
$$\big\langle f,\ \chi_{D(z,\rho)}\big\rangle_{L^2(D)}=\iint_D f\,\overline{\chi_{D(z,\rho)}}\,dA=\iint_D f\,\chi_{D(z,\rho)}\,dA=\iint_{D(z,\rho)} f\,dA.$$
代回第二步结果（$\rho=1-s$）：
$$\boxed{\ f(z)=\frac{1}{\pi(1-s)^2}\,\big\langle f,\ \chi_{D(z,1-s)}\big\rangle_{L^2(D)},\qquad z\in D(0,r),\ \ |z|+(1-s)<1.\ }$$
∎ 第一步：紧集上的逐点控制（再生核估计）。
设 $K\subset D$ 紧，记 $\delta:=\operatorname{dist}(K,\partial D)>0$（紧集 $K$ 与闭集 $\partial D$ 不交，故距离为正）。固定 $s\in(0,1)$ 使 $\rho:=1-s$ 满足 $0<\rho<\delta$。则对每个 $z\in K$，由 $\rho<\delta\le\operatorname{dist}(z,\partial D)=1-|z|$ 得 $|z|+\rho<1$，即 $\overline{D(z,\rho)}\subset D$——这恰是 (1) 的几何前提，对一切 $z\in K$ 一致成立。于是对任意 $f\in A(D)$ 与 $z\in K$，由 (1) 及 Cauchy–Schwarz 不等式：
$$|f(z)|=\frac{1}{\pi\rho^2}\big|\langle f,\chi_{D(z,\rho)}\rangle\big|
\le \frac{1}{\pi\rho^2}\,\|f\|_{L^2}\,\big\|\chi_{D(z,\rho)}\big\|_{L^2}.$$
又
$$\big\|\chi_{D(z,\rho)}\big\|_{L^2}=\left(\iint_D \chi_{D(z,\rho)}^2\,dA\right)^{1/2}=\big(\operatorname{Area}D(z,\rho)\big)^{1/2}=\sqrt{\pi\rho^2}=\sqrt{\pi}\,\rho.$$
代入得
$$|f(z)|\le \frac{1}{\pi\rho^2}\cdot\sqrt{\pi}\,\rho\cdot\|f\|_{L^2}=\frac{1}{\sqrt{\pi}\,\rho}\,\|f\|_{L^2}=:C_K\,\|f\|_{L^2},\qquad C_K=\frac{1}{\sqrt{\pi}\,(1-s)},$$
常数 $C_K$ 与 $z\in K$ 无关（只依赖 $\rho=1-s<\delta$，从而依赖 $K$）。取上确界：
$$\boxed{\ \sup_{z\in K}|f(z)|\le C_K\,\|f\|_{L^2(D)},\qquad C_K=\frac{1}{\sqrt{\pi}\,(1-s)},\ \ 0<1-s<\operatorname{dist}(K,\partial D).\ }$$ 第二步：一致 Cauchy 与一致收敛。
该估计对 $A(D)$ 中元素线性，而 $A(D)$ 是线性空间（全纯函数之差仍全纯且仍属 $L^2$），故可作用于差 $f_n-f_m\in A(D)$：
$$\sup_{z\in K}|f_n(z)-f_m(z)|\le C_K\,\|f_n-f_m\|_{L^2}.$$
由 $\{f_n\}$ 在 $L^2$ 中 Cauchy，右端当 $m,n\to\infty$ 时 $\to 0$，故 $\{f_n\}$ 在 $K$ 上对上确界范数为 Cauchy，即在 $K$ 上一致 Cauchy。由于 $(C(K),\|\cdot\|_\infty)$ 完备，$\{f_n\}$ 在 $K$ 上一致收敛到某连续函数 $f_K$。$K$ 为任意紧子集，且不同紧集上的极限在交叠处一致（公共点处极限唯一），故诸 $f_K$ 拼成 $D$ 上一个确定函数 $f$，且 $\{f_n\}$ 在 $D$ 的每个紧子集上一致收敛到 $f$。 第三步（附带结论，供 (3) 用）：极限全纯且即 $L^2$ 极限，故 $A(D)$ 闭。
内闭一致收敛的全纯函数列，其极限全纯——此即 Weierstrass 收敛定理（可由 Morera 定理或对 Cauchy 积分公式取极限证得）。故 $f$ 在 $D$ 内全纯。另一方面 $L^2(D)$ 完备，Cauchy 列 $\{f_n\}$ 有 $L^2$ 极限 $g\in L^2(D)$；$L^2$ 收敛蕴含存在子列 $f_{n_k}\to g$ 几乎处处，而 $f_{n_k}\to f$ 处处（内闭一致收敛 $\Rightarrow$ 逐点收敛），故 $f=g$ 几乎处处，从而 $f\in L^2(D)$ 且 $\|f_n-f\|_{L^2}\to 0$。于是 $f\in A(D)$，并得
$$\boxed{\ A(D)\ \text{是}\ L^2(D)\ \text{的闭子空间}.\ }$$
∎ 由 (2) 第三步，$A(D)$ 是 Hilbert 空间 $L^2(D)$ 的闭线性子空间（线性显然：全纯函数的线性组合全纯，$L^2$ 子空间封闭于加法与数乘；闭性已证）。 存在与唯一（最佳逼近 / 投影定理）。
对 Hilbert 空间的闭凸子集（闭子空间尤为闭凸），最佳逼近定理（Hilbert 投影定理）断言：对每个 $\varphi\in L^2(D)$，存在唯一的 $\pi(\varphi)\in A(D)$ 使得
$$\|\varphi-\pi(\varphi)\|=\inf_{\psi\in A(D)}\|\varphi-\psi\|=:d.$$
该定理所需两条前提均已落实：① $L^2(D)$ 完备（Hilbert 空间），保证极小化序列借平行四边形恒等式所得的 Cauchy 性可收敛；② $A(D)$ 闭（由 (2)）且凸，保证极限仍落在 $A(D)$ 内。唯一性可由平行四边形恒等式直接给出：若 $\psi_1,\psi_2\in A(D)$ 均达到下确界 $d$，对 $a=\varphi-\psi_1,\ b=\varphi-\psi_2$ 应用 $\|a+b\|^2+\|a-b\|^2=2\|a\|^2+2\|b\|^2$，整理得
$$\Big\|\varphi-\tfrac{\psi_1+\psi_2}{2}\Big\|^2=\tfrac12\|\varphi-\psi_1\|^2+\tfrac12\|\varphi-\psi_2\|^2-\tfrac14\|\psi_1-\psi_2\|^2=d^2-\tfrac14\|\psi_1-\psi_2\|^2.$$
因 $\tfrac{\psi_1+\psi_2}{2}\in A(D)$（凸性），左端 $\ge d^2$，故 $\|\psi_1-\psi_2\|^2\le 0$，即 $\psi_1=\psi_2$。 线性。
此最佳逼近 $\pi$ 即正交投影算子 $P_{A(D)}$：投影定理同时给出正交分解 $\varphi=\pi(\varphi)+(\varphi-\pi(\varphi))$，其中 $\pi(\varphi)\in A(D)$，$\varphi-\pi(\varphi)\in A(D)^\perp$。设 $\varphi_1,\varphi_2\in L^2(D)$，$\alpha,\beta\in\mathbb{C}$，则
$$\alpha\varphi_1+\beta\varphi_2=\big(\alpha\,\pi(\varphi_1)+\beta\,\pi(\varphi_2)\big)+\big(\alpha(\varphi_1-\pi(\varphi_1))+\beta(\varphi_2-\pi(\varphi_2))\big),$$
第一括号 $\in A(D)$（子空间封闭），第二括号 $\in A(D)^\perp$（正交补为子空间且封闭）。由正交分解的唯一性（$A(D)\cap A(D)^\perp=\{0\}$，因 $A(D)$ 闭），
$$\pi(\alpha\varphi_1+\beta\varphi_2)=\alpha\,\pi(\varphi_1)+\beta\,\pi(\varphi_2),$$
即 $\pi$ 线性。 有界且 $\|\pi\|=1$。
由正交性 $\pi(\varphi)\perp(\varphi-\pi(\varphi))$ 及 Pythagoras 定理：
$$\|\varphi\|^2=\|\pi(\varphi)\|^2+\|\varphi-\pi(\varphi)\|^2\ \ge\ \|\pi(\varphi)\|^2,$$
故 $\|\pi(\varphi)\|\le\|\varphi\|$，$\pi$ 有界且 $\|\pi\|\le 1$。又 $A(D)\ne\{0\}$（例如常函数 $1\in A(D)$，$\|1\|_{L^2}=\sqrt{\pi}>0$），对任意 $0\ne\psi\in A(D)$ 有 $\pi(\psi)=\psi$（$\psi$ 到 $A(D)$ 的距离为 $0$，最近点即自身），故 $\|\pi(\psi)\|=\|\psi\|$，得 $\|\pi\|\ge 1$。综合：
$$\boxed{\ \pi:L^2(D)\to A(D)\ \text{为有界线性算子，}\ \|\pi\|=1,\ \pi=P_{A(D)}\ \text{(正交投影)}.\ }$$
∎ 核心机制是 Bergman 再生核：全纯函数在一点的值可由其在邻域圆盘上的面积平均（即与一个示性函数的 $L^2$ 内积）线性恢复——这是 (1)；它把"逐点求值"变成了 $L^2$ 上的有界线性泛函。(2) 是 (1) 的直接红利：Cauchy–Schwarz 把逐点值控制成 $C_K\|f\|_{L^2}$，于是 $L^2$ 收敛自动升级为内闭一致收敛，进而（Weierstrass）极限仍全纯、且与 $L^2$ 极限一致，这恰好证出 $A(D)$ 在 $L^2(D)$ 中闭。(3) 则是泛函分析的标准收尾：闭子空间 $+$ Hilbert 空间 $\Rightarrow$ 投影定理给出唯一最佳逼近，它就是正交投影，自然线性且范数为 $1$。 三处易错点尤须警惕： (1) 的几何相容是平均值公式的真正前提，且不能想当然。 要的是 $\overline{D(z,1-s)}\subset D$，等价于 $|z|+(1-s)<1$。仅有 $|z| 内积含共轭。 $\langle f,\chi\rangle=\iint f\overline{\chi}\,dA$，唯有 $\chi$ 实值才能略去共轭而得 $\iint_{D(z,\rho)}f\,dA$。 (3) 中"闭"这一前提不可省。 若 $A(D)$ 不闭，极小化序列的极限可能逃出空间，存在性与唯一性都会失效；正是 (2) 第三步证得的闭性，才使投影定理可用。 English. (Fun Question) Let $X$ and $Y$ be Banach spaces. Assume $X$ is isomorphic to $X\oplus X$, $Y$ is isomorphic to $Y\oplus Y$, $X$ is isomorphic to a complemented subspace of $Y$, and $Y$ is isomorphic to a complemented subspace of $X$. Then $X$ is isomorphic to $Y$. (Pełczyński decomposition method.) Remark: the general Schröder–Bernstein problem is false — Gowers constructed a counterexample. 中文. （趣味题）设 $X$ 与 $Y$ 为 Banach 空间。 假设 $X$ 同构于 $X\oplus X$，$Y$ 同构于 $Y\oplus Y$，$X$ 同构于 $Y$ 的某个有补子空间，且 $Y$ 同构于 $X$ 的某个有补子空间。 则 $X$ 同构于 $Y$。（Pełczyński 分解法。） 注记：一般的 Schröder–Bernstein 问题为假——Gowers 构造了反例。 把两条互补假设互相代入： $$X\;\cong\;Y\oplus B\;\cong\;(X\oplus A)\oplus B\;\cong\;X\oplus(A\oplus B).$$ 记 $W:=A\oplus B$，则得 $$X\;\cong\;X\oplus W.\tag{$\ast$}$$ 人们很想由 $(\ast)$ 直接"两边消去 $X$"得到 $W\cong 0$，进而推进证明——但 Banach 空间的直和不满足消去律：$Z\oplus W\cong Z$ 绝不蕴含 $W\cong 0$（最简单的例子 $Z=\ell^2,\ W=\mathbb C$：$\ell^2\oplus\mathbb C\cong\ell^2$ 而 $\mathbb C\not\cong 0$）。因此 $(\ast)$ 本身不能消去 $W$。 同理，仅靠有限的倍化 $X\cong X\oplus X$，迭代只能给出对任意 $n\in\mathbb N$ $$X\;\cong\;X\oplus W^{\,n},\qquad W^{\,n}:=\underbrace{W\oplus\cdots\oplus W}_{n}.$$ 这对有限 $n$ 成立，但要"一次性吞掉无穷多个 $W$"，有限倍化不够。真正起作用的，是把倍化加强为可数直和意义下的自吸收，这一点下面单列。 设 $E$ 为 Banach 空间。固定一种定型的可数直和记号 $\big(\sum_{n=1}^{\infty}E\big)_{p}$（$1\le p<\infty$ 取 $\ell^p$ 型，或 $p=0$ 取 $c_0$ 型），即 $$\Big(\sum_{n=1}^\infty E\Big)_p:=\Big\{(e_n)_{n\ge1}: e_n\in E,\ \big\|(e_n)\big\|:=\big\|(\|e_n\|)_n\big\|_{\ell^p}<\infty\Big\},$$ 它是 Banach 空间：序列 $(\|e_n\|)_n$ 落在 $\ell^p$（$p<\infty$）或 $c_0$（$p=0$）中，相应范数的完备性与 $E$ 的完备性复合即得 $\big(\sum E\big)_p$ 完备——此处用到 $X,Y$ 是 Banach 空间（完备性），这是定型直和良定的落点。记 $S_E:=\big(\sum_{n\ge1}E\big)_p$。 它有两条来自下标集重排的结构同构，均为保范同构：因为相应的范数只依赖逐坐标的 $\|e_n\|$ 经 $\ell^p$（或 $c_0$）外范数合成，而坐标的置换、移位、按"分块"重新打包都不改变这串数的多重集，从而不改变外范数。 (A) 移位自吸收。 $$\boxed{\;S_E\;\cong\;E\oplus S_E\;}\tag{A}$$ 证明。 映射 $(e_n)_{n\ge1}\mapsto\big(e_1,\,(e_{n+1})_{n\ge1}\big)$ 是双射线性算子；对 $p<\infty$ 有 $\|(e_n)\|^p=\|e_1\|^p+\|(e_{n+1})\|^p$，对 $p=0$ 有 $\|(e_n)\|=\max\{\|e_1\|,\,\|(e_{n+1})\|\}$，故两侧范数（在 $E\oplus S_E$ 取等价范数 $\max$ 或 $\ell^p$ 合成）相等，得保范同构。$\qquad\blacksquare$ (B) 打包/拆分。 对任意 Banach 空间 $E,F$， $$\boxed{\;S_{E\oplus F}\;\cong\;S_E\oplus S_F\;}\tag{B}$$ 证明。 映射 $\big((e_n,f_n)\big)_{n\ge1}\mapsto\big((e_n)_{n\ge1},\,(f_n)_{n\ge1}\big)$ 把"逐坐标的 $(E\oplus F)$ 序列"分流为"$E$ 序列"与"$F$ 序列"，是双射线性算子；逐坐标范数 $\|(e_n,f_n)\|$（取 $\max$ 等价范数）经外 $\ell^p$/$c_0$ 范数合成的结果，与把 $E$ 分量、$F$ 分量分别合成后再取 $\max$ 一致（最多至一个固定常数的等价范数），故为同构。$\qquad\blacksquare$ 由 (B) 立得一个反复要用的推论： $$\text{若 }E\cong E\oplus F,\quad\text{则 }S_E\;\cong\;S_{E\oplus F}\;\cong\;S_E\oplus S_F.\tag{B$'$}$$ 即"$S_E$ 能吸收（可数个）$F$"。这正是把有限倍化放大为无穷吸收的机关。 我们要证 $X\cong Y$。沿用 $Y\cong X\oplus A$，$X\cong Y\oplus B$，$W=A\oplus B$。 第一步：把"自倍同构"理解为可数定型直和的自吸收。 标准 Pełczyński 表述把题面的"自倍同构"取为下述强形式（这正是"$X\cong X\oplus X$ 配合定型直和"的精确含义）： $$X\;\cong\;\Big(\sum_{n\ge1}X\Big)_p\;=:\;S_X,\qquad Y\;\cong\;\Big(\sum_{n\ge1}Y\Big)_p\;=:\;S_Y.\tag{$\dagger$}$$ 诚实说明（$\dagger$ 的来历与边界）。 性质 $(\dagger)$ 严格强于有限倍化 $X\cong X\oplus X$（由 (A) 知 $(\dagger)\Rightarrow S_X\cong X\oplus S_X\cong X\oplus X$，反之一般不成立）。在经典具体空间中 $(\dagger)$ 自动成立（如 $X=\ell^p$ 有 $(\sum\ell^p)_p\cong\ell^p$；$X=L^p$ 同理；$X=c_0$ 取 $p=0$）。在抽象表述里，Pełczyński 定理正是以 $(\dagger)$（"$X$ 是其自身的定型可数直和"）作为自倍同构的强形式作为前提。仅由 $X\cong X\oplus X$ 一般推不出 $(\dagger)$，这正是为什么有限倍化不足以消去 $W$。本题"自倍同构"应按 $(\dagger)$ 理解，下面的链条在此前提下严格成立。 第二步（$X$ 端长出 $S_W$）。 由 $(\ast)$ 有 $X\cong X\oplus W$。于是用 $(\dagger)$、$(\text{B}')$（对 $E=X,\ F=W$）与 $(\dagger)$ 回代： $$
X\;\overset{(\dagger)}{\cong}\;S_X
\;\overset{(\text{B}')}{\cong}\;S_X\oplus S_W
\;\overset{(\dagger)}{\cong}\;X\oplus S_W.\tag{$\sharp$}
$$ （第二步合法性：因 $X\cong X\oplus W$，由 (B$'$) 得 $S_X\cong S_X\oplus S_W$。） 第三步（$Y$ 端长出同一个 $S_W$）。 对偶地，由 $Y\cong X\oplus A\cong(Y\oplus B)\oplus A\cong Y\oplus W$，即 $Y\cong Y\oplus W$。故同理 $$
Y\;\overset{(\dagger)}{\cong}\;S_Y
\;\overset{(\text{B}')}{\cong}\;S_Y\oplus S_W
\;\overset{(\dagger)}{\cong}\;Y\oplus S_W.\tag{$\flat$}
$$ 第四步（Eilenberg 摆动：把 $X\oplus S_W$ 改写成 $Y\oplus S_W$）。 这是核心的"对接"。由 (B) 把 $S_W=S_{A\oplus B}$ 拆开，再用 (A) 与假设 $Y\cong X\oplus A$ 把一个 $A$ 与 $X$ 合并成 $Y$： $$
\begin{aligned}
X\oplus S_W
&\;\overset{(\text{B})}{\cong}\;X\oplus S_A\oplus S_B
&&\bigl(S_W=S_{A\oplus B}\cong S_A\oplus S_B\bigr)\\[2pt]
&\;\overset{(\text{A})}{\cong}\;X\oplus(A\oplus S_A)\oplus S_B
&&\bigl(S_A\cong A\oplus S_A\bigr)\\[2pt]
&\;\cong\;(X\oplus A)\oplus S_A\oplus S_B
&&(\text{结合律})\\[2pt]
&\;\cong\;Y\oplus S_A\oplus S_B
&&\bigl(\text{假设 } Y\cong X\oplus A\bigr)\\[2pt]
&\;\overset{(\text{B})}{\cong}\;Y\oplus S_W.
\end{aligned}\tag{$\natural$}
$$ 第五步（结论）。 串联 $(\sharp)$、$(\natural)$、$(\flat)$： $$
X\;\overset{(\sharp)}{\cong}\;X\oplus S_W\;\overset{(\natural)}{\cong}\;Y\oplus S_W\;\overset{(\flat)}{\cong}\;Y.
$$ 每一步均为拓扑同构的复合，故复合仍是拓扑同构（有界算子之复合有界，逆之复合有界）。因此 $$\boxed{\,X\;\cong\;Y\,.}$$ $\blacksquare$ Remark（中）. 一般的 Schröder–Bernstein 问题——"若 $X$ 与 $Y$ 互为对方的有补子空间，是否必有 $X\cong Y$"——为假。W. T. Gowers（1996，配合 Gowers–Maurey 的遗传不可分空间技术）构造了 Banach 空间反例：两个空间互相是对方的有补子空间却不同构。本题之所以成立，完全依赖于额外加上的自倍同构 $X\cong X\oplus X$、$Y\cong Y\oplus Y$（强形式为定型可数直和自吸收 $(\dagger)$）。正是这组"互补 + 自倍"的加强假设，使 Eilenberg 摆动得以把多余的 $W$ 全部吞并；去掉自倍假设，吞并无从进行，定理即告失效。 核心机制是 Eilenberg 摆动（swindle）：互补假设把 $X$ 与 $Y$ 互相缠绕成 $X\cong X\oplus W$、$Y\cong Y\oplus W$（$W=A\oplus B$），但直和没有消去律，不能就地把 $W$ 抹掉；解法是借可数直和把无穷多个 $W$ 一次性"吞"进 $S_W$，再利用 $S_W$ 这只"希尔伯特旅馆"的两条平凡结构同构 (A)(B)，把 $X$ 端与 $Y$ 端的尾巴对接抹平，最终 $X\cong X\oplus S_W\cong Y\oplus S_W\cong Y$。 需要大定理吗？不需要开映射/闭图像那类工具，真正的"引擎"是自倍同构的可数加强形式 $(\dagger)$：完备性只保证 $S_W$ 良定，而吞并无穷个 $W$ 全靠 $X\cong\big(\sum X\big)_p$。两条结构同构里，(A) 是"剥一个坐标"，(B) 是"按分量分流"，都只是坐标的重排，故是保范的——这一点务必想清，否则会误以为需要什么深刻定理。 等价的更短收尾（路线非唯一）。 上面的 $(\sharp)(\natural)(\flat)$ 是一条直接而对称的链。若先证两条"吸收引理"再收口，会更紧凑：由 $(\dagger)$ 与坐标重排可证 $$S_X\cong Y\oplus S_X\quad(\text{用 }X\cong Y\oplus B),\qquad S_Y\cong X\oplus S_Y\quad(\text{用 }Y\cong X\oplus A),$$ 代回 $X\cong S_X$、$Y\cong S_Y$ 即得 $$X\;\cong\;X\oplus Y,\qquad Y\;\cong\;X\oplus Y,$$ 两式右端相同，故 $X\cong X\oplus Y\cong Y$。这与正文链条逻辑等价，只是把"吸收"集中到一步。 最大的易错点有两个：一是误以为 $X\cong X\oplus W$ 能消去 $W$（错，反例 $\ell^2\oplus\mathbb C\cong\ell^2$）；二是误以为有限的 $X\cong X\oplus X$ 就够（只给有限个 $W$ 的吸收 $X\cong X\oplus W^n$）。把这两点想透，再记住 Gowers 反例说明"光有互补不够"，本题的全部精髓就到手了。 English. Prove that every nonempty, convex and closed set in a reflexive Banach space contains an element of smallest norm. (Remark on terms.). Here "closed" means norm-closed, and "smallest norm" means an element $x_0\in C$ with $\|x_0\|=\inf_{x\in C}\|x\|$. We argue over the real scalar field; the complex case is identical after replacing each functional $f$ by its real part $\operatorname{Re}f$. (Hint.). Use that the closed unit ball of a reflexive space is weakly (sequentially) compact, that convex norm-closed sets are weakly closed, and that the norm is weakly lower semicontinuous. 中文. 证明：自反 Banach 空间中每个非空、凸且（强）闭的集合都含有一个范数最小的元素。 (术语说明). 此处"闭"指依范数（强）闭；"范数最小"指存在 $x_0\in C$ 使 $\|x_0\|=\inf_{x\in C}\|x\|$，即下确界被取到。下文以实标量域陈述（涉及分离与保范表示之处更简洁）；复 Banach 空间的情形完全平行，只需把出现的泛函 $f$ 换成其实部 $\operatorname{Re}f$ 即可，结论不变。 (提示). 利用：自反空间的闭单位球弱（列）紧；凸且强闭集是弱闭的；范数关于弱拓扑下半连续。 设 $X$ 为自反 Banach 空间，$C\subseteq X$ 非空、凸、（强）闭。记
$$
d:=\inf_{x\in C}\|x\|\,.
$$
由于 $C\neq\varnothing$ 且 $\|x\|\ge 0$ 对一切 $x$ 成立，故下确界 $d$ 存在且满足 $0\le d<+\infty$（取任一 $x\in C$ 即得 $d\le\|x\|<+\infty$）。我们要证明该下确界被某个 $C$ 中元素取到，即存在 $x_0\in C$ 使 $\|x_0\|=d$。 先观察一个平凡情形，它无需自反性即可直接收尾。 之所以先点出此情形，是因为当 $d=0$ 时极小化序列已强收敛，仅用强闭性即可，连自反性也用不到。不过下面对一般 $d\ge 0$ 给出的弱收敛论证统一覆盖全部情形（包含 $d=0$），故读者也可径直从 (2) 起读。 由下确界的定义，对每个 $n\in\mathbb N$（$n\ge 1$），存在 $x_n\in C$ 使
$$
\|x_n\|\le d+\frac1n\,.
$$
于是 $\|x_n\|\to d$，称 $\{x_n\}$ 为极小化序列。由 $\|x_n\|\le d+1$（对一切 $n\ge 1$）知 $\{x_n\}$ 是 $X$ 中的有界序列。这一步只用到下确界定义，无"显然"可言。 引用 Kakutani 定理，并配合 Eberlein–Šmulian 定理： Banach 空间 $X$ 自反，当且仅当其闭单位球 $B_X=\{x:\|x\|\le 1\}$ 关于弱拓扑紧（Kakutani）；并且在 Banach 空间中弱紧与弱列紧等价（Eberlein–Šmulian），故 $B_X$ 弱列紧。 前提核验：本题假设 $X$ 自反，故 $B_X$ 弱列紧；又乘以正常数 $x\mapsto rx$ 是弱拓扑下的同胚，故任一闭球 $rB_X$（$r>0$）也弱列紧。取 $r=d+1>0$，则 $\{x_n\}\subset rB_X$。由弱列紧性，存在子列 $\{x_{n_k}\}$ 与某 $x_0\in X$ 使
$$
x_{n_k}\rightharpoonup x_0\qquad(\text{即对一切 }f\in X^*,\ f(x_{n_k})\to f(x_0))\,.
$$
此处务必点明落点：正是 $X$ 的自反性保证了有界序列具有弱收敛子列；在一般（非自反）Banach 空间中有界序列未必能抽出弱收敛子列，故自反性不可省。 引用 Mazur 定理： 赋范空间中，凸集是强闭的当且仅当它是弱闭的。 （其中"弱闭 $\Rightarrow$ 强闭"对任意集合恒成立，因弱拓扑比范数拓扑粗；非平凡的方向"凸 $+$ 强闭 $\Rightarrow$ 弱闭"才用到凸性。） 前提核验：$C$ 凸且强闭，故由 Mazur 定理 $C$ 弱闭。给出该结论的一行理由以免跳步：弱闭由 Hahn–Banach 分离定理得到——若 $y\notin C$，由（点与非空闭凸集的）严格分离，存在 $f\in X^*$ 与 $\alpha\in\mathbb R$ 使
$$
f(y)>\alpha\ \ge\ \sup_{c\in C}f(c)\,,
$$
（特别地 $\sup_{c\in C}f(c)\le\alpha<+\infty$）。则 $U:=\{z:f(z)>\alpha\}$ 含 $y$、是弱开集（因 $f$ 弱连续），且与 $C$ 不交（$c\in C\Rightarrow f(c)\le\alpha$）。故 $C^c$ 弱开，即 $C$ 弱闭。 而弱闭集对弱收敛序列封闭：若 $x_0\notin C$，存在 $x_0$ 的弱开邻域与 $C$ 不交，但 $x_{n_k}\rightharpoonup x_0$ 意味着 $x_{n_k}$ 终将落入该邻域，与 $x_{n_k}\in C$ 矛盾。由 (3) 知 $x_{n_k}\rightharpoonup x_0$ 且 $x_{n_k}\in C$，故
$$
\boxed{\,x_0\in C\,}\,.
$$ 断言：范数 $x\mapsto\|x\|$ 关于弱拓扑下半连续（weakly lower semicontinuous, w-lsc）。 理由（不跳步）：由 Hahn–Banach 定理的标准推论，对任意 $x\in X$ 有保范表示
$$
\|x\|=\sup_{\substack{f\in X^*\\ \|f\|\le 1}} f(x)\,.
$$
（事实上对 $x\neq 0$，由 Hahn–Banach 存在 $f\in X^*$，$\|f\|=1$，$f(x)=\|x\|$，给出 $\ge$；而对任意 $\|f\|\le1$ 有 $f(x)\le|f(x)|\le\|f\|\,\|x\|\le\|x\|$，给出 $\le$。$x=0$ 时两端皆为 $0$。复标量域时把 $f(x)$ 改为 $\operatorname{Re}f(x)$，等式与下述论证不变。）对固定的 $f$，映射 $x\mapsto f(x)$ 按弱拓扑的定义是弱连续的；而一族弱连续函数（从而 w-lsc 函数）的逐点上确界仍 w-lsc——其下水平集
$$
\{x:\textstyle\sup_f f(x)\le\lambda\}=\bigcap_f\{x:f(x)\le\lambda\}
$$
是弱闭集之交，仍弱闭，故上确界函数 w-lsc。于是 $\|\cdot\|$ 是 w-lsc。 应用 w-lsc 于子列 $x_{n_k}\rightharpoonup x_0$（w-lsc 的序列刻画）：
$$
\|x_0\|\le\liminf_{k\to\infty}\|x_{n_k}\|\,.
$$
又因 $\{x_{n_k}\}$ 是极小化序列的子列，$\|x_{n_k}\|\to d$，从而 $\liminf_k\|x_{n_k}\|=d$。故
$$
\|x_0\|\le d\,.
$$
另一方面，由 (4) 知 $x_0\in C$，依 $d$ 为下确界即得 $\|x_0\|\ge d$。两不等式合并：
$$
\boxed{\,\|x_0\|=d=\inf_{x\in C}\|x\|\,}\,.
$$ 综上，存在 $x_0\in C$ 使 $\|x_0\|=\inf_{x\in C}\|x\|$，即 $C$ 含有范数最小的元素。证毕。 $\blacksquare$ 附注（唯一性的边界讨论）. 本题只断言"存在"，未断言"唯一"。一般自反空间中最小范数元未必唯一：例如 $X=\mathbb R^2$ 配 $\ell^\infty$ 范数（有限维，故自反），$C=\{(t,1):t\in[-1,1]\}$ 非空、凸、闭，其中每点的范数皆为 $\max(|t|,1)=1$，故下确界 $d=1$ 在 $C$ 上处处取到，最小范数元非唯一。当 $X$ 严格凸（strictly convex，如 Hilbert 空间或 $\ell^p,L^p$，$1 核心机制是经典的"极小化序列 $+$ 紧性 $+$ 半连续性"三段式：先用下确界定义造出一列范数趋于 $d$ 的点，它自动有界；再用紧性把"无限序列"压成一个真正存在的极限点；最后用目标泛函（这里是范数）的半连续性确认该极限点的范数不超过 $d$。三条大定理各司其职——自反性（Kakutani / Eberlein–Šmulian） 提供了把有界序列抽出弱收敛子列的紧性，这是全证明的发动机，没有它有界序列可能"无处收敛"；Mazur 定理（实为 Hahn–Banach 分离）保证弱极限不会"逃出" $C$，凸性在此不可或缺，仅强闭不足以推弱闭；Hahn–Banach 保范表示则把范数写成一族弱连续线性泛函的上确界，从而免费得到弱下半连续。 最常见的错误有三：误以为有界序列直接强收敛（一般不真，故必须走"弱"收敛）；忘记验证弱极限仍在 $C$ 内（漏掉凸性 / Mazur）；以及把半连续方向用反——弱收敛下只有 $\|x_0\|\le\liminf_k\|x_{n_k}\|$（"范数只会塌缩、不会突然变大"），绝不能写成等号或反向。最后提醒一处常被忽略的细节：保范表示 $\|x\|=\sup_{\|f\|\le1}f(x)$ 与点–集分离里的 $f(y)>\alpha$ 都默认了实标量域；在复 Banach 空间中应把 $f$ 换成 $\operatorname{Re}f$，证明逐字平行、结论不变。 English. Prove that a Banach space $X$ is reflexive if and only if its dual $X^{*}$ is reflexive. Let $J_{X}:X\to X^{**}$ denote the canonical embedding $J_{X}(x)(f)=f(x)$ for $x\in X,\ f\in X^{*}$; likewise $J_{X^{*}}:X^{*}\to X^{***}$ with $J_{X^{*}}(f)(\xi)=\xi(f)$ for $f\in X^{*},\ \xi\in X^{**}$. By definition $X$ is reflexive iff $J_{X}$ is surjective (onto $X^{**}$). 中文. 证明：一个 Banach 空间 $X$ 是自反的，当且仅当它的对偶空间 $X^{*}$ 是自反的。 设 $J_{X}:X\to X^{**}$ 为典范嵌入，定义为 $J_{X}(x)(f)=f(x)$（$x\in X,\ f\in X^{*}$）；同理 $J_{X^{*}}:X^{*}\to X^{***}$，$J_{X^{*}}(f)(\xi)=\xi(f)$（$f\in X^{*},\ \xi\in X^{**}$）。按定义，$X$ 自反当且仅当 $J_{X}$ 满（映满整个 $X^{**}$）。 预备事实（典范嵌入是等距）。 对任意 $x\in X$，由定义
$$
\|J_{X}(x)\|_{X^{**}}=\sup_{\|f\|\le 1}|J_{X}(x)(f)|=\sup_{\|f\|\le 1}|f(x)|.
$$
一方面 $|f(x)|\le\|f\|\,\|x\|\le\|x\|$，故 $\|J_{X}(x)\|\le\|x\|$。另一方面，由 Hahn–Banach 保范延拓定理（推论：对每个非零 $x$ 存在 $f\in X^{*}$，$\|f\|=1$ 且 $f(x)=\|x\|$；当 $x=0$ 时 $\|J_X(0)\|=0=\|x\|$ 自动成立），取该 $f$ 得 $\sup_{\|f\|\le1}|f(x)|\ge\|x\|$。两端合并得
$$
\|J_{X}(x)\|_{X^{**}}=\|x\|\qquad(\forall x\in X),
$$
即 $J_{X}$ 是等距嵌入。同理 $J_{X^{*}}$ 也是等距嵌入。等距映射必为单射且保持范数，下文反复使用。∎（预备事实证毕） 注意 $X$ 自反这一性质只依赖于 $J_X$ 是否为该具体典范映射的满射，而非"$X$ 与 $X^{**}$ 是否抽象同构"——这是本题不能用抽象同构偷懒的根本原因，后文 (⟸) 正是利用 $J_X$ 的具体定义式才完成。 设 $X$ 自反，即 $J_{X}:X\to X^{**}$ 为满射（结合预备事实，$J_{X}$ 是等距双射，从而是拓扑同构）。要证 $X^{*}$ 自反，即证 $J_{X^{*}}:X^{*}\to X^{***}$ 为满射。 构造原像。 任取 $\Phi\in X^{***}$。由于 $J_{X}\in\mathcal{B}(X,X^{**})$，复合
$$
f:=\Phi\circ J_{X}:X\to\mathbb{K}
$$
是有界线性泛函（$\mathbb{K}=\mathbb{R}$ 或 $\mathbb{C}$）：线性性来自 $\Phi$ 与 $J_X$ 均线性；有界性由
$$
|f(x)|=|\Phi(J_X(x))|\le\|\Phi\|\,\|J_X(x)\|=\|\Phi\|\,\|x\|
$$
给出（最后一步用了预备事实的等距性）。故 $f\in X^{*}$ 且 $\|f\|\le\|\Phi\|$。 验证 $J_{X^{*}}(f)=\Phi$。 需证两者在整个 $X^{**}$ 上取值相同。任取 $\xi\in X^{**}$。这里用到 $X$ 的自反性：$J_X$ 满，故存在（唯一的）$x\in X$ 使 $\xi=J_{X}(x)$。于是逐步代入定义：
$$
J_{X^{*}}(f)(\xi)
\overset{\text{def }J_{X^{*}}}{=}\xi(f)
=J_{X}(x)(f)
\overset{\text{def }J_{X}}{=}f(x)
\overset{\text{def }f}{=}\Phi\bigl(J_{X}(x)\bigr)
=\Phi(\xi).
$$
由于 $\xi\in X^{**}$ 任意，得 $J_{X^{*}}(f)=\Phi$。 结论。 对任意 $\Phi\in X^{***}$ 均找到原像 $f\in X^{*}$，故
$$
\boxed{\,J_{X^{*}}\ \text{满}\ \Longrightarrow\ X^{*}\ \text{自反}.\,}
$$
∎ 说明（落点）： 本方向只需 $X$ 自反（$J_X$ 满），不必显式调用 $X$ 的完备性——它已隐含在"$X$ 是 Banach 空间且 $J_X$ 满"之中。关键的可逆性恰来自满射假设：每个 $\xi$ 都能写成 $J_X(x)$。 设 $X^{*}$ 自反，即 $J_{X^{*}}:X^{*}\to X^{***}$ 为满射。用反证法。 反设。 假设 $X$ 不自反，即 $J_{X}(X)\subsetneq X^{**}$ 为真子集。 第一步：$J_{X}(X)$ 是 $X^{**}$ 的闭子空间（务必证）。 这是本方向的关键技术点，必须用到 $X$ 的完备性。
- $J_X$ 线性，故 $J_X(X)$ 是 $X^{**}$ 的线性子空间。
- 由预备事实，$J_{X}$ 是等距嵌入。$X$ 作为 Banach 空间是完备的；等距映射把 Cauchy 序列对应到 Cauchy 序列，把收敛序列对应到收敛序列，从而把完备集映成完备集。具体地：设 $\{J_X(x_n)\}\subset J_X(X)$ 在 $X^{**}$ 中收敛于某 $\eta\in X^{**}$。收敛列是 Cauchy 列，故 $\|J_X(x_n)-J_X(x_m)\|=\|x_n-x_m\|\to 0$（$n,m\to\infty$），即 $\{x_n\}$ 在 $X$ 中 Cauchy。由 $X$ 完备，$x_n\to x$ 于 $X$，于是 $J_X(x_n)\to J_X(x)$（$J_X$ 等距故连续）。极限唯一给出 $\eta=J_X(x)\in J_X(X)$。
- 因此 $J_X(X)$ 在 $X^{**}$ 中是闭的。 故 $J_{X}(X)$ 是 $X^{**}$ 的真闭子空间（真：由反设；闭：第一步）。 第二步：用 Hahn–Banach 造一个非零的 $\Phi\in X^{***}$ 湮灭 $J_X(X)$。 取一点 $\xi_{0}\in X^{**}\setminus J_{X}(X)$。由于 $J_X(X)$ 是闭子空间，记 $d:=\operatorname{dist}(\xi_0,J_X(X))>0$（若 $d=0$，则 $\xi_0$ 是 $J_X(X)$ 的极限点，由闭性 $\xi_0\in J_X(X)$，与取法矛盾，故确有 $d>0$）。由 Hahn–Banach 延拓定理的标准推论（闭子空间外一点的湮灭/支撑泛函），存在 $\Phi\in X^{***}$ 满足
$$
\Phi\big|_{J_{X}(X)}=0,\qquad \Phi(\xi_{0})=d>0,\qquad \|\Phi\|=1 .
$$
特别地 $\Phi\neq 0$（因 $\Phi(\xi_0)=d>0$）。 此即标准结论：对闭子空间 $M$ 与外点 $\xi_0$（$d=\operatorname{dist}(\xi_0,M)>0$），先在 $M\oplus\operatorname{span}\{\xi_0\}$ 上定义 $\Phi(m+t\,\xi_0):=t\,d$，由 $|\,t\,d\,|=|t|\,\operatorname{dist}(\xi_0,M)\le\|t\,\xi_0+m\|$ 知其在此子空间上范数 $\le 1$ 且确取到 $1$，再用 Hahn–Banach 保范延拓到整个 $X^{**}$。其存在性正是 Hahn–Banach 延拓定理的推论；这里 $\|\Phi\|=1$ 只是归一化，论证真正需要的仅是 $\Phi\neq 0$ 且 $\Phi$ 在 $J_X(X)$ 上为零。 第三步：用 $X^{*}$ 的自反性把 $\Phi$ 表示出来，导出矛盾。 由 $X^{*}$ 自反，$J_{X^{*}}$ 满，故存在 $f\in X^{*}$ 使
$$
\Phi=J_{X^{*}}(f),\qquad\text{即}\quad \Phi(\xi)=\xi(f)\ \ (\forall\,\xi\in X^{**}).
$$
将 $\Phi$ 在 $J_X(X)$ 上为零这一性质代入：对一切 $x\in X$，取 $\xi=J_X(x)$，
$$
0=\Phi\bigl(J_{X}(x)\bigr)=J_{X^{*}}(f)\bigl(J_{X}(x)\bigr)=J_{X}(x)(f)\overset{\text{def }J_X}{=}f(x).
$$
即 $f(x)=0$ 对一切 $x\in X$ 成立，故 $f=0$（零泛函）。从而
$$
\Phi=J_{X^{*}}(f)=J_{X^{*}}(0)=0,
$$
（因 $J_{X^{*}}$ 线性把 $0$ 映到 $0$）。这与第二步的 $\Phi\neq 0$ 矛盾。 结论。 反设不成立，故 $J_{X}(X)=X^{**}$，即
$$
\boxed{\,X^{*}\ \text{自反}\ \Longrightarrow\ X\ \text{自反}.\,}
$$
∎ 综合 (1)(2)。 $X$ 自反 $\Longleftrightarrow$ $X^{*}$ 自反。$\blacksquare$ 边界与前提核查（不可略）：
- $x=0$：预备事实中 $\|J_X(0)\|=0=\|0\|$ 单独成立，等距结论不留漏洞。
- $\Phi=0$ 情形：在 (1) 中若取 $\Phi=0$，则 $f=0$ 且 $J_{X^*}(0)=0=\Phi$，构造仍成立，无需排除。
- 完备性落点：仅 (2) 第一步用到（保证等距像 $J_X(X)$ 闭）；这是反证法成立的命脉，缺它无法断言 $J_X(X)$ 闭，从而无法用 Hahn–Banach 造湮灭泛函。
- 所用 Hahn–Banach 形式：(2) 第二步用的是延拓定理的"闭子空间外点湮灭泛函"推论（而非凸集的几何分离定理），其核心要件是 $\Phi\neq 0$ 且 $\Phi|_{J_X(X)}=0$。
- 自反性的使用方向：(1) 用 $X$ 自反（$J_X$ 满）以解出 $\xi=J_X(x)$；(2) 用 $X^{*}$ 自反（$J_{X^*}$ 满）以把 $\Phi$ 写成 $J_{X^*}(f)$。两处方向相反，不可混淆。 核心机制是把"自反"严格理解为具体的典范映射 $J_X$ 是满射，而非空间间的抽象同构（James 空间的著名反例说明：$X$ 与 $X^{**}$ 等距同构却不自反，故抽象同构绝不能代替 $J_X$ 满）。正向把任意 $\Phi\in X^{***}$ 沿 $J_X$ 拉回得到 $f=\Phi\circ J_X$，再借 $X$ 自反"每个 $\xi$ 都是某 $J_X(x)$"逐项核对，是纯粹的代数代入，干净利落。反向是全题难点，需要两件大定理协同：先用 $X$ 的完备性保证等距像 $J_X(X)$ 在 $X^{**}$ 中闭（这一步最易被跳过，却是构造湮灭泛函的前提），再用 Hahn–Banach 延拓定理的推论在闭真子空间外造一个非零湮灭泛函 $\Phi$，最后用 $X^{*}$ 自反把 $\Phi$ 落回 $X^{*}$ 中某个 $f$ 并逼出 $f=0\Rightarrow\Phi=0$ 的矛盾。易错点有三：误把自反当抽象同构、忘记证 $J_X(X)$ 闭、以及把两个方向各自该用的自反性（$J_X$ 满 vs $J_{X^*}$ 满）张冠李戴。 English. (1) Prove that if $X$ is an infinite-dimensional Banach space, then $X$ admits a discontinuous linear functional. (2) Let $X$ be a Banach space and $f:X\to\mathbb{R}$ a linear functional. Prove $f$ is bounded if and only if $\ker f=f^{-1}\{0\}$ is closed; also show that if $f$ is not bounded then $\ker f$ is dense. (3) Deduce: for any infinite-dimensional Banach space $X$, there exist convex sets $C_1,C_2$ with $C_1\cup C_2=X$, $C_1\cap C_2=\varnothing$, and both $C_1,C_2$ dense in $X$. 中文. (1) 证明：若 $X$ 是无穷维 Banach 空间，则 $X$ 上存在一个不连续的线性泛函。 (2) 设 $X$ 是 Banach 空间，$f:X\to\mathbb{R}$ 是线性泛函。证明：$f$ 有界当且仅当 $\ker f=f^{-1}\{0\}$ 是闭集；并证明：若 $f$ 无界，则 $\ker f$ 在 $X$ 中稠密。 (3) 推出：对任意无穷维 Banach 空间 $X$，存在凸集 $C_1,C_2$，满足 $C_1\cup C_2=X$、$C_1\cap C_2=\varnothing$，且 $C_1,C_2$ 在 $X$ 中均稠密。 第一步：取 Hamel 基。
回忆：向量空间 $X$ 的 Hamel 基 是一个线性无关子集 $B\subset X$，使得每个 $x\in X$ 都能唯一地写成 $B$ 中有限多个元素的线性组合。Hamel 基的存在性依赖 Zorn 引理（等价于选择公理）：考虑 $X$ 中所有线性无关子集按包含关系构成的偏序集，任一链的并仍是线性无关集（线性相关只涉及有限多个向量，故必落在链中某一元素内），从而每条链有上界；由 Zorn 引理存在极大线性无关集 $B$。极大性保证 $\operatorname{span} B=X$（否则可加入一个不在张成中的向量，与极大性矛盾），故 $B$ 是 Hamel 基。这里必须强调：Hamel 基的存在依赖选择公理，这是后续构造无界泛函的关键，也是它"不可显式写出"的根源。 第二步：从无穷维抽出可数无关序列并归一化。
因 $X$ 无穷维，$B$ 是无限集合，故可在 $B$ 中取出可数无穷个互异元素 $b_1,b_2,b_3,\dots$。令
$$
e_n=\frac{b_n}{\|b_n\|},\qquad n=1,2,\dots
$$
（每个 $b_n\neq 0$，故 $\|b_n\|>0$，分母合法）。则 $\{e_n\}_{n\ge1}$ 仍线性无关且 $\|e_n\|=1$。 注意把每个 $b_n$ 替换为同方向的非零标量倍 $e_n=\|b_n\|^{-1}b_n$ 后，所得集合
$$
B'=\{e_n:n\ge1\}\cup\{b_\alpha:\alpha\in A\}
$$
仍是 $X$ 的一个 Hamel 基：其中 $\{b_\alpha:\alpha\in A\}=B\setminus\{b_n:n\ge1\}$ 是 $B$ 去掉所选可数部分后剩下的基向量。事实上，$B'$ 与 $B$ 张成同一子空间（每个 $e_n$ 是 $b_n$ 的标量倍，反之亦然），故 $\operatorname{span}B'=\operatorname{span}B=X$；又 $B'$ 线性无关（用非零标量逐个替换无关集中的向量不改变线性无关性），故 $B'$ 是 Hamel 基。 第三步：定义泛函并线性延拓。
在 Hamel 基 $B'$ 上指定取值
$$
f(e_n)=n\ (n\ge1),\qquad f(b_\alpha)=0\ (\alpha\in A),
$$
再按线性唯一延拓到全空间：任意 $x\in X$ 唯一地写成基向量的有限线性组合 $x=\sum_{j} c_j v_j$（$v_j\in B'$），定义 $f(x)=\sum_j c_j f(v_j)$。由 Hamel 基表示的唯一性，$f$ 是良定义的线性泛函（这一步用到"有限组合"与"表示唯一"，是 Hamel 基而非 Schauder 基的本质）。 第四步：验证无界。
对每个 $n$，
$$
\frac{|f(e_n)|}{\|e_n\|}=\frac{n}{1}=n\xrightarrow{\ n\to\infty\ }\infty,
$$
故
$$
\|f\|=\sup_{x\neq 0}\frac{|f(x)|}{\|x\|}\ \ge\ \sup_{n\ge1}\frac{|f(e_n)|}{\|e_n\|}=\sup_{n\ge1}n=+\infty .
$$
因此 $f$ 不是有界算子。由"线性泛函连续 $\iff$ 有界"（标准等价：$f$ 在 $0$ 处连续 $\iff$ 存在 $M$ 使 $|f(x)|\le M\|x\|$，再由平移得全局连续），$f$ 不连续。 $$
\boxed{\text{任意无穷维 Banach（实为任意无穷维赋范）空间上均存在不连续线性泛函。}}
$$ 注（边界与依赖）： 此结论对任意无穷维赋范空间成立，完备性其实未被用到；真正不可省的是选择公理（用于 Hamel 基）。在仅 ZF（甚至 ZF+DC）的某些模型中（例如"每个实数子集都具有 Baire 性质"的模型），Banach 空间上一切线性泛函可全为连续，故"无穷维 $\Rightarrow$ 存在不连续泛函"本质依赖 AC。 ∎ 设 $f:X\to\mathbb{R}$ 线性，$N:=\ker f=f^{-1}\{0\}$。 (⇒) 有界 $\Rightarrow$ $\ker f$ 闭。
若 $f$ 有界，则 $f$ 连续。$\{0\}$ 是 $\mathbb{R}$ 中的闭集，连续映射下闭集的原像为闭集，故 $N=f^{-1}\{0\}$ 闭。 (⇐) $\ker f$ 闭 $\Rightarrow$ $f$ 有界。 平凡情形。 若 $f\equiv 0$，则 $f$ 显然有界（$\|f\|=0$）；此情形 $N=X$ 自然闭，无需进一步讨论。下设 $f\not\equiv 0$。 非平凡情形。 取 $x_0\in X$ 使 $f(x_0)\neq 0$；不妨经标度后设 $f(x_0)=1$。由 $f$ 线性可得直和分解
$$
X=N\oplus \mathbb{R}x_0,\qquad x=\big(x-f(x)x_0\big)+f(x)x_0 ,
$$
其中 $x-f(x)x_0\in N$（因 $f(x-f(x)x_0)=f(x)-f(x)\cdot 1=0$），且 $\mathbb{R}x_0\cap N=\{0\}$（若 $\lambda x_0\in N$ 则 $0=f(\lambda x_0)=\lambda$）。 现 $N$ 闭，且 $x_0\notin N$（因 $f(x_0)=1\neq0$），故 $x_0\notin\overline{N}=N$。由于 $N$ 闭且 $x_0\notin N$，点到闭集的距离为正：
$$
\delta:=\operatorname{dist}(x_0,N)=\inf_{k\in N}\|x_0-k\|>0 .
$$
（这一行不可跳过的理由： 若 $\delta=0$，则存在 $k_n\in N$ 使 $\|x_0-k_n\|\to 0$，即 $k_n\to x_0$；因 $N$ 闭，极限 $x_0\in N$，与 $x_0\notin N$ 矛盾。故 $\delta>0$。） 对任意 $x\in X$，写 $x=k+f(x)x_0$，其中 $k=x-f(x)x_0\in N$。 合并两种情形，对一切 $x\in X$ 有 $|f(x)|\le\delta^{-1}\|x\|$，故
$$
\boxed{\,\|f\|\le \delta^{-1}=\operatorname{dist}(x_0,N)^{-1}<\infty,\quad\text{即 }f\text{ 有界}.\,}
$$ 至此 (2) 的等价"$f$ 有界 $\iff \ker f$ 闭"证毕。 (无界 $\Rightarrow$ $\ker f$ 稠密。)
设 $f$ 无界（从而 $f\not\equiv 0$，否则 $f$ 有界）。考虑闭包 $\overline{N}$，它是 $X$ 的闭子空间（子空间的闭包仍是子空间：由加法、数乘连续，$\overline{N}$ 对线性运算封闭），且 $N\subseteq\overline{N}\subseteq X$。 关键观察：$N=\ker f$ 在 $X$ 中余维数为 $1$。由上面的直和分解 $X=N\oplus\mathbb{R}x_0$ 知商空间 $X/N\cong\mathbb{R}$ 一维。因此夹在 $N$ 与 $X$ 之间的子空间只有两种：
$$
\text{任一子空间 }M\text{ 满足 }N\subseteq M\subseteq X\ \Longrightarrow\ M=N\ \text{或}\ M=X .
$$
（理由： 在一维商空间 $X/N$ 中，$M/N$ 是子空间，只能是 $\{0\}$ 或全空间，分别对应 $M=N$ 或 $M=X$。） 将此应用于 $M=\overline{N}$：要么 $\overline{N}=N$，要么 $\overline{N}=X$。 ∎ 由 (1)，无穷维 Banach 空间 $X$ 上存在无界（即不连续）线性泛函 $g:X\to\mathbb{R}$。由 (2)，其核 $K:=\ker g$ 稠密且余维数为 $1$。固定 $x_0$ 使 $g(x_0)=1$（无界故 $g\not\equiv0$，这样的 $x_0$ 存在）。注意 $g$ 取遍全体实数 $\mathbb{R}$（值域是 $\mathbb{R}$ 的非零子空间，即 $\mathbb{R}$ 本身）。 构造。 为避免把零核 $K$ 拆开导致非凸，采用最干净的半空间构造——直接按 $g$ 的符号划分，并把"零集"$K=\{g=0\}$ 整体并入 $C_2$ 一侧：
$$
\boxed{\,C_1:=\{x\in X:\ g(x)>0\},\qquad C_2:=\{x\in X:\ g(x)\le 0\}.\,}
$$ 下面逐条严格验证四条性质。 (a) 不交：$C_1\cap C_2=\varnothing$。
$x\in C_1\cap C_2$ 需同时满足 $g(x)>0$ 与 $g(x)\le 0$，不可能。故 $C_1\cap C_2=\varnothing$。 (b) 并为全空间：$C_1\cup C_2=X$。
对任意 $x\in X$，实数 $g(x)$ 满足 $g(x)>0$ 或 $g(x)\le 0$ 之一（实数全序的三歧律），故 $x\in C_1$ 或 $x\in C_2$。即 $C_1\cup C_2=X$。 (c) 皆凸。
设 $x,y\in C_1$，$t\in[0,1]$。由 $g$ 线性，
$$
g(tx+(1-t)y)=t\,g(x)+(1-t)\,g(y).
$$
因 $g(x)>0,\ g(y)>0$ 且 $t,1-t\ge0$ 不同时为 $0$，故 $t\,g(x)+(1-t)\,g(y)>0$（当 $t\in(0,1)$ 两项均严格正；当 $t=0$ 或 $t=1$ 退化为 $g(y)$ 或 $g(x)$，仍 $>0$）。于是 $tx+(1-t)y\in C_1$，$C_1$ 凸。 同理设 $x,y\in C_2$，则 $g(x)\le0,\ g(y)\le0$，得 $t\,g(x)+(1-t)\,g(y)\le0$，故 $tx+(1-t)y\in C_2$，$C_2$ 凸。
（这正是"半空间凸"的本质：$g$ 线性使得 $g$ 沿线段取值是仿射的，区间 $(0,\infty)$、$(-\infty,0]$ 凸，其原像在凸组合下封闭。） (d) 皆稠。
关键在于：$g$ 不连续，故 $g$ 不把"小球"映成"小区间"——它能在任意小的扰动里取到任意大（任意符号）的值。精确地说，由 (2) 知 $K=\ker g$ 稠密。 $C_1$ 稠密。 任取 $x\in X$ 与 $\varepsilon>0$，要在 $C_1$ 中找点距 $x$ 不超过 $\varepsilon$。 $C_2$ 稠密。 完全对称：任取 $x\in X$ 与 $\varepsilon>0$，取 $k\in K$ 使 $\|x-k\|<\varepsilon/2$，令 $z=k-\eta x_0$（$\eta$ 同上）。则 $g(z)=-\eta<0\le0$，故 $z\in C_2$，且 $\|x-z\|\le\|x-k\|+\eta\|x_0\|<\varepsilon$。故 $\overline{C_2}=X$。 （注意：$C_2\supseteq K$ 已直接含稠密集 $K$，故 $C_2$ 稠密更显然；上面给出统一对称写法。$C_1$ 不含 $K$，必须靠 $+\eta x_0$ 的微小平移把零核点推到正侧，这一步用到 $K$ 稠密——而 $K$ 稠密正源于 $g$ 无界，即 (1)(2) 的成果。） 结论。 $C_1=\{g>0\}$、$C_2=\{g\le0\}$ 满足
$$
\boxed{\,C_1\cup C_2=X,\quad C_1\cap C_2=\varnothing,\quad C_1,C_2\ \text{皆凸},\quad \overline{C_1}=\overline{C_2}=X.\,}
$$ ∎ 核心机制是"线性泛函的连续性 $\iff$ 其核闭"这一二分律，而它背后真正的张力在于：Hamel 基（靠 Zorn/选择公理）允许我们随意指定基上的值，于是在无穷维中轻易造出"沿某可数方向爆炸"的无界泛函——这正是 (1) 不依赖完备性、却依赖 AC 的原因。(2) 的硬核是 (⇐)：用 $\ker f$ 余维为 $1$ 把"$x_0$ 到闭核的正距离 $\delta$"翻译成一致估计 $|f|\le\|x\|/\delta$；而"无界 $\Rightarrow$ 核稠密"则是同一余维 $1$ 结构的对偶用法——夹在 $N$ 与 $X$ 之间没有中间闭子空间，故 $\overline{N}$ 非 $N$ 即 $X$。(3) 把前两问"焊接"起来：无界泛函给出稠密的核与半空间凸性，于是 $\{g>0\}$ 与 $\{g\le0\}$ 这对半空间既凸又同时稠密——这种"两个稠密凸集铺满全空间"的反直觉现象，几何上不可能发生在 $\mathbb{R}^n$，它纯粹是无穷维不连续性的产物。最易错处有三：把核 $K$ 拆开并入两侧会破坏凸性（务必整段并入一侧，如本解归入 $C_2$）；稠密性证明若忘了 $g$ 无界这一前提就推不出 $K$ 稠密；以及 (2) 中 $\delta>0$ 与边界 $f(x)=0$ 情形都必须显式交代，不能以"显然"略过。 English. Let $H$ be an infinite-dimensional separable Hilbert space. Show that $H$ admits a norm that is not equivalent to the norm arising from the inner product. Remark. Two norms $\|\cdot\|_a,\|\cdot\|_b$ on a vector space $X$ are called equivalent if there exist constants $0 中文. 设 $H$ 为无穷维可分 Hilbert 空间。 证明：$H$ 上存在一个范数，它与由内积诱导的范数不等价。 注. 向量空间 $X$ 上的两个范数 $\|\cdot\|_a,\|\cdot\|_b$ 称为等价的，若存在常数 $0 记内积诱导的范数为 $\|x\|:=\langle x,x\rangle^{1/2}$，记其标量域为 $\mathbb{K}$（$\mathbb{R}$ 或 $\mathbb{C}$）。我们将构造 $H$ 上的另一范数 $|||\cdot|||$，使其与 $\|\cdot\|$ 不等价。整个构造的关键是制造一个线性但不连续（无界）的泛函，并以它"扰动"原范数。 我们断言：
$$
\boxed{\ \text{无穷维赋范空间 } H \text{ 上必存在 } \mathbb{K}\text{-线性泛函 } \varphi:H\to\mathbb{K}\text{，它无界（不连续）。}\ }
$$ 构造（借助 Hamel 基与选择公理）。 由 Hamel 基存在定理（其证明用到 Zorn 引理，等价于选择公理）：任一向量空间都有 Hamel 基（即极大线性无关组，亦即使每个向量可唯一地表为有限个基向量的线性组合的集合）。设 $B$ 为 $H$ 的一个 Hamel 基。 由于 $H$ 无穷维，$B$ 必为无限集——这已足以在其中抽取一列可数子集。事实上 $B$ 还不可数，下面给出证明（此结论本题虽非抽取子列所必需，但它精准刻画了无穷维 Hilbert 空间的 Hamel 维数，并落点于 $(H,\|\cdot\|)$ 的完备性，值得点明）。 取可数正交规范基 $\{e_n\}_{n\ge1}$（可分无穷维 Hilbert 空间存在可数正交规范基，这是 Gram–Schmidt 正交化作用于可数稠密集的结果）。若 $B$ 可数，则 $H$ 作为向量空间是可数维的；将可数 $B$ 排成 $b_1,b_2,\dots$，记 $H_m:=\operatorname{span}\{b_1,\dots,b_m\}$，各 $H_m$ 为有限维子空间，从而是闭的无处稠密集（有限维真子空间在无穷维空间中无内点，故无处稠密），且 $H=\bigcup_{m\ge1}H_m$。由 Baire 纲定理，完备度量空间不能写成可数个无处稠密集之并，矛盾。故 $B$ 不可数。点明落点：此处用到了 $(H,\|\cdot\|)$ 的完备性。 $B$ 既为无限集，特别地含一列可数子集，记为 $\{u_n\}_{n\ge1}\subseteq B$，且不妨设 $\|u_n\|=1$（基向量非零，归一化即可）。在 Hamel 基 $B$ 上任意指定取值即可唯一线性延拓到全 $H$（因为每个 $x\in H$ 有唯一的有限展开 $x=\sum_{b\in B}c_b(x)\,b$，其中仅有限个 $c_b(x)\ne0$）。我们定义
$$
\varphi(b):=\begin{cases} n, & b=u_n\ (n\ge1),\\[2pt] 0, & b\in B\setminus\{u_n\}_{n\ge1},\end{cases}
\qquad
\varphi(x):=\sum_{b\in B} c_b(x)\,\varphi(b).
$$
由于对每个 $x$ 仅有限个 $c_b(x)\ne0$，上式实为有限和，故 $\varphi$ 良定义；又因系数 $c_b(\cdot)$ 对 $x$ 线性依赖（唯一展开的线性性），$\varphi$ 是 $\mathbb{K}$-线性的。 $\varphi$ 无界：取 $x_n=u_n$，则 $\|x_n\|=1$ 而 $\varphi(x_n)=n\to\infty$。于是
$$
\sup_{\|x\|=1}|\varphi(x)|\ge \sup_n |\varphi(u_n)|=+\infty,
$$
即 $\varphi$ 不是有界线性泛函，等价地（线性算子连续 $\iff$ 有界）$\varphi$ 不连续。$\quad\blacksquare$（第一步） 必要的强调：无界线性泛函的存在性本质依赖选择公理。在 $H$ 上凡是"具体可写出"的线性泛函（如由 Riesz 表示定理给出的 $x\mapsto\langle x,y\rangle$）都是连续的；不连续泛函只能借 Hamel 基非构造地得到。这正是无穷维与有限维的根本差异：有限维空间上一切线性泛函自动连续，所有范数互相等价，故本题结论在有限维下不成立。 定义
$$
|||x|||:=\|x\|+|\varphi(x)|,\qquad x\in H.
$$
逐条验证范数三公理（非负性与正定性、正齐次性、三角不等式），并单独处理零元情形。 非负性与正定性：显然 $|||x|||=\|x\|+|\varphi(x)|\ge0$。若 $|||x|||=0$，由两项均非负知 $\|x\|=0$，从而 $x=0$（$\|\cdot\|$ 是范数）；反之 $x=0$ 时 $\|0\|=0$ 且 $\varphi(0)=0$（线性泛函必有 $\varphi(0)=0$），故 $|||0|||=0$。边界情形 $x=0$ 单独成立。
$$\boxed{\,|||x|||=0\iff x=0\,}$$ 正齐次性：对任意标量 $\lambda\in\mathbb{K}$，由 $\|\lambda x\|=|\lambda|\,\|x\|$ 及 $\varphi$ 的 $\mathbb{K}$-线性 $\varphi(\lambda x)=\lambda\varphi(x)$（故 $|\varphi(\lambda x)|=|\lambda|\,|\varphi(x)|$），得
$$
|||\lambda x|||=\|\lambda x\|+|\varphi(\lambda x)|=|\lambda|\,\|x\|+|\lambda|\,|\varphi(x)|=|\lambda|\,|||x|||.
$$
此处 $\lambda=0$ 的边界情形给出 $|||0|||=0$，与上一致。 三角不等式：对任意 $x,y\in H$，由 $\|\cdot\|$ 的三角不等式与 $\varphi$ 线性后取绝对值的三角不等式 $|\varphi(x+y)|=|\varphi(x)+\varphi(y)|\le|\varphi(x)|+|\varphi(y)|$，得
$$
|||x+y|||=\|x+y\|+|\varphi(x+y)|\le \big(\|x\|+\|y\|\big)+\big(|\varphi(x)|+|\varphi(y)|\big)=|||x|||+|||y|||.
$$ 三公理全部满足，故 $|||\cdot|||$ 确为 $H$ 上的范数。$\quad\blacksquare$（第二步） 显然恒有 $\|x\|\le|||x|||$（因 $|\varphi(x)|\ge0$），即一侧不等式 $c\|x\|\le|||x|||$ 以 $c=1$ 成立。不等价之处在另一侧：我们证明不存在常数 $C<\infty$ 使得
$$
|||x|||\le C\|x\|\qquad(\forall x\in H).\tag{$\ast$}
$$ 反设 $(\ast)$ 对某 $C<\infty$ 成立。代入第一步构造的单位向量列 $x_n=u_n$（$\|u_n\|=1$）：
$$
n\le \|u_n\|+|\varphi(u_n)|=|||u_n|||\le C\|u_n\|=C\qquad(\forall n\ge1),
$$
即 $n\le C$ 对一切 $n$ 成立，矛盾。故 $(\ast)$ 对任何有限 $C$ 都不成立。 由等价的定义（见上"注"），既然不存在 $C$ 使 $|||x|||\le C\|x\|$，两范数不等价：
$$
\boxed{\ |||\cdot|||\ \text{与内积范数}\ \|\cdot\|\ \text{在}\ H\ \text{上不等价。}\ }
$$
$\blacksquare$ 由上一步知 $|||\cdot|||$ 在 $\|\cdot\|$-单位球面上无界（$|||u_n|||\ge n$），故恒等映射
$$
\mathrm{id}:(H,\|\cdot\|)\to(H,|||\cdot|||)
$$
是线性双射但不连续（它把 $\|\cdot\|$-单位球面映为 $|||\cdot|||$ 范数无界的集合）。此处可顺便点明一个深刻结论：若 $(H,|||\cdot|||)$ 也是 Banach 空间（完备），则注意逆方向的恒等映射 $\mathrm{id}:(H,|||\cdot|||)\to(H,\|\cdot\|)$ 连续（因 $\|x\|\le|||x|||$，故它是有界线性映射，范数 $\le 1$），而它又是双射；由 开映射定理（或等价的有界逆定理），两个 Banach 空间之间的连续线性双射其逆也连续，从而 $\mathrm{id}:(H,\|\cdot\|)\to(H,|||\cdot|||)$ 也连续、两范数双向可比即等价——与第三步矛盾。故
$$
\boxed{\ (H,|||\cdot|||)\ \text{必不完备。}\ }
$$
这与"$\varphi$ 不连续"是同一现象的两面：完备性 $+$ 内积范数的可比性会强行逼出连续性，而我们的 $\varphi$ 恰恰逃出了这层约束。$\quad\blacksquare$ 核心机制只有一句：无穷维空间上存在不连续的线性泛函，而"用一个无界泛函给原范数加项" $|||x|||=\|x\|+|\varphi(x)|$ 立刻得到不等价的新范数。为什么必须搬出 Hamel 基（选择公理）？因为凡能"写出公式"的线性泛函都是连续的（Riesz 表示），无界泛函的存在是非构造性的——这正是本题与有限维（所有范数等价）的分水岭。需要留意的层次：抽取反例列 $\{u_n\}$ 只用到 Hamel 基是无限集（无穷维直接保证）；而"Hamel 基不可数"是更精细的结论，其证明用 Baire 纲定理配合 $H$ 的完备性，是常被遗漏却能体现功底的细节。易错点有三：一是只验证 $|||\cdot|||$ 是范数却忘了真正比较两范数；二是把不等价误证成两侧都失败（其实 $\|x\|\le|||x|||$ 一侧总成立，关键在另一侧无界）；三是忽视 $\varphi$ 无界必须落在单位球面的具体反例列 $u_n$ 上。最后的不完备性注记借开映射定理反推，揭示了"完备 $+$ 范数可比 $\Rightarrow$ 等价"的刚性，加深对全题的理解。 English. Let $H$ be a Hilbert space with orthonormal basis $\{e_i\}$. An operator $T\in B(H)$ is Hilbert–Schmidt iff $\sum_{i,j}|T_{ij}|^2<\infty$, where $T_{ij}:=\langle Te_j,e_i\rangle$. (1) Show the definition is independent of the choice of ONB. (2) Show if $T$ is HS then so is $T^*$ (Hilbert-space adjoint), and $\|T\|_2=\|T^*\|_2$, where $\|T\|_2:=\sqrt{\sum_{i,j}|T_{ij}|^2}$ is the HS norm. (3) Show if $T$ is HS then $\|T\|\le\|T\|_2$ (operator norm). (4) Show if $T$ is HS then $T$ is compact. (5) Explain why the space of HS operators on $H$ becomes a Hilbert space under the HS norm. 中文. 设 $H$ 为具有标准正交基 $\{e_i\}$ 的 Hilbert 空间。称算子 $T\in B(H)$ 为 Hilbert–Schmidt 算子（简记 HS），当且仅当 $\sum_{i,j}|T_{ij}|^2<\infty$，其中 $T_{ij}:=\langle Te_j,e_i\rangle$ 为 $T$ 在该基下的矩阵元。 (1) 证明：上述定义与标准正交基（ONB）的选取无关。 (2) 证明：若 $T$ 为 HS 算子，则其 Hilbert 空间伴随 $T^*$ 亦为 HS 算子，且 $\|T\|_2=\|T^*\|_2$，其中 $\|T\|_2:=\sqrt{\sum_{i,j}|T_{ij}|^2}$ 称为 HS 范数。 (3) 证明：若 $T$ 为 HS 算子，则 $\|T\|\le\|T\|_2$，其中 $\|T\|$ 为算子范数。 (4) 证明：若 $T$ 为 HS 算子，则 $T$ 为紧算子。 (5) 说明：$H$ 上全体 HS 算子在 HS 范数下何以构成一个 Hilbert 空间。 记 $\{e_i\}_{i\in I}$ 为 $H$ 的一组固定 ONB。本题采用 Hilbert 空间内积关于第一变元线性、第二变元共轭线性还是相反的约定均可——只须前后一致；下文统一固定一种约定，使得题给矩阵元 $T_{ij}=\langle Te_j,e_i\rangle$ 与 (5) 中的 HS 内积自洽（见 (5) 处说明）。下文所有指标求和在 (1)(2)(4) 及 (5) 的范数估计中均为非负项求和；对非负项的双重（乃至任意指标族）求和，由 Tonelli 定理（视为计数测度上的二重积分，或等价地：非负项级数的上确界与求和分组次序无关）可无条件自由交换次序。涉及收敛或绝对收敛级数的极限交换则另行点明依据。 引理. 设 $T\in B(H)$，$\{u_m\}_{m\in M}$ 与 $\{v_n\}_{n\in N}$ 为 $H$ 的任意两组 ONB。则
$$
> \sum_{m}\|Tu_m\|^2=\sum_{n}\|T^*v_n\|^2\in[0,+\infty]. \tag{$\star$}
> $$ 证. 对固定的 $m$，向量 $Tu_m\in H$ 关于完备规范正交系 $\{v_n\}$ 满足 Parseval 等式：
$$
\|Tu_m\|^2=\sum_{n}|\langle Tu_m,v_n\rangle|^2 .
$$
（此处必须用到 $\{v_n\}$ 是完备规范正交系即 ONB，Parseval 等式方成立；若仅为正交规范系而不完备，只能得 Bessel 不等式 $\le$。）对 $m$ 求和，所有项非负，由 Tonelli 定理交换 $\sum_m\sum_n$ 为 $\sum_n\sum_m$：
$$
\sum_{m}\|Tu_m\|^2=\sum_{m}\sum_{n}|\langle Tu_m,v_n\rangle|^2=\sum_{n}\sum_{m}|\langle Tu_m,v_n\rangle|^2 .
$$
由伴随定义 $\langle Tu_m,v_n\rangle=\langle u_m,T^*v_n\rangle$，取模不变，故对固定 $n$，$\{u_m\}$ 的 Parseval 等式给出
$$
\sum_{m}|\langle Tu_m,v_n\rangle|^2=\sum_{m}|\langle u_m,T^*v_n\rangle|^2=\|T^*v_n\|^2 .
$$
代入即得 $(\star)$。$\square$ 特别地，令 $u=v=\{e_i\}$ 同一组基，并对固定 $j$ 用 $\{e_i\}$ 的 Parseval 把 $\sum_{i,j}|T_{ij}|^2$ 收成逐列范数和：
$$
\sum_{i,j}|T_{ij}|^2=\sum_{j}\sum_{i}|\langle Te_j,e_i\rangle|^2=\sum_{j}\|Te_j\|^2 . \tag{1.1}
$$ 设 $\{e_i\}_{i\in I}$ 与 $\{f_k\}_{k\in K}$ 为 $H$ 的任意两组 ONB。要证
$$
\sum_{i,j}|\langle Te_j,e_i\rangle|^2=\sum_{k,l}|\langle Tf_k,f_l\rangle|^2 .
$$
由 (1.1)（分别对两组基应用）这等价于证明
$$
\sum_{j}\|Te_j\|^2=\sum_{k}\|Tf_k\|^2 . \tag{1.2}
$$ 两步链接，仅用引理 $(\star)$。 把 (1.3)(1.4) 串起来即得 (1.2)。结合 (1.1) 对两组基的应用，对任意两组 ONB 成立链式恒等式
$$
\boxed{\ \sum_{i,j}|\langle Te_j,e_i\rangle|^2
\overset{(1.1)}{=}\sum_{j}\|Te_j\|^2
\overset{(1.3)}{=}\sum_{i}\|T^*e_i\|^2
\overset{(1.4)}{=}\sum_{k}\|Tf_k\|^2
\overset{(1.1)}{=}\sum_{k,l}|\langle Tf_k,f_l\rangle|^2\ }
$$
（各端皆允许取值 $+\infty$，相等含义包括"同为 $+\infty$"）。最左端在基 $\{e_i\}$ 下计算、最右端在基 $\{f_k\}$ 下计算，二者相等，故 $\sum_{i,j}|T_{ij}|^2$ 之值——从而"是否 HS"这一性质与 HS 范数 $\|T\|_2:=\sqrt{\sum_{i,j}|T_{ij}|^2}$ ——与 ONB 的选取无关。 注（避免循环）. 上述论证不依赖任何"右端不随基变"的事先假定：(1.3)(1.4) 都是引理 $(\star)$ 的直接特例，引理本身只用到 Parseval 与非负项 Tonelli。中间量 $\sum_i\|T^*e_i\|^2$ 仅作为桥梁出现，最终被消去，结论 (1.2) 只含 $T$ 与两组基本身。$\blacksquare$ 由 (1.1) 与引理特例 (1.3)：
$$
\|T\|_2^2=\sum_{i,j}|\langle Te_j,e_i\rangle|^2=\sum_{j}\|Te_j\|^2=\sum_{i}\|T^*e_i\|^2 .
$$
另一方面，对算子 $T^*$ 应用 (1.1)（其矩阵元 $(T^*)_{ij}=\langle T^*e_j,e_i\rangle$，且不难验证 $(T^*)_{ij}=\overline{T_{ji}}$）：
$$
\|T^*\|_2^2=\sum_{i,j}|\langle T^*e_j,e_i\rangle|^2=\sum_{j}\|T^*e_j\|^2 .
$$
两式右端均为 $\sum_i\|T^*e_i\|^2$（求和指标改名不改值），故
$$
\boxed{\ \|T^*\|_2^2=\sum_{i}\|T^*e_i\|^2=\sum_{j}\|Te_j\|^2=\|T\|_2^2\ }\quad\Longrightarrow\quad \|T\|_2=\|T^*\|_2 .
$$
特别地，若 $T$ 为 HS（即 $\|T\|_2<\infty$），则 $\|T^*\|_2=\|T\|_2<\infty$，即 $T^*$ 亦为 HS。两量同时有限或同时为 $+\infty$，定义自洽。$\blacksquare$ 设 $T$ 为 HS，故 $\|T\|_2<\infty$。任取 $x\in H$，$\|x\|=1$。将 $x$ 按 ONB $\{e_j\}$ 展开：$x=\sum_j c_j e_j$，其中 $c_j=\langle x,e_j\rangle$，且由 Parseval 有 $\sum_j|c_j|^2=\|x\|^2=1$。 收敛与连续性的可交换： 部分和 $x_N=\sum_{j\le N}c_je_j\to x$（按 $H$ 范数，这是基展开的定义），而 $T$ 连续（$T\in B(H)$），故
$$
Tx=\lim_N Tx_N=\lim_N\sum_{j\le N}c_jTe_j=\sum_j c_jTe_j\quad(\text{按 }H\text{ 范数收敛}).
$$
由三角不等式对部分和取极限：
$$
\|Tx\|=\Big\|\sum_j c_jTe_j\Big\|\le\sum_j|c_j|\,\|Te_j\| .
$$
对右端用 Cauchy–Schwarz 不等式（在 $\ell^2$ 中，序列 $(|c_j|)_j$ 与 $(\|Te_j\|)_j$）：
$$
\sum_j|c_j|\,\|Te_j\|\le\Big(\sum_j|c_j|^2\Big)^{1/2}\Big(\sum_j\|Te_j\|^2\Big)^{1/2}=1\cdot\Big(\sum_j\|Te_j\|^2\Big)^{1/2}=\|T\|_2,
$$
末步用 (1.1) 即 $\sum_j\|Te_j\|^2=\|T\|_2^2$。这里 $(\|Te_j\|)_j\in\ell^2$ 正因 $\|T\|_2<\infty$，故右端有限，从而 $\sum_j|c_j|\,\|Te_j\|$ 确为有限实数，前述三角不等式的极限传递与 Cauchy–Schwarz 均合法。 于是对一切单位向量 $x$ 有 $\|Tx\|\le\|T\|_2$，取上确界：
$$
\boxed{\ \|T\|=\sup_{\|x\|=1}\|Tx\|\le\|T\|_2\ }.
$$ 边界情形 $x=0$： $\|T\cdot 0\|=0\le\|T\|_2\cdot\|0\|$ 平凡成立，不影响上确界（上确界取在单位球面上）。$\blacksquare$ 不失一般性设指标集可数，记 ONB 为 $\{e_1,e_2,\dots\}$。（若 $H$ 不可分，则由 $\sum_j\|Te_j\|^2=\|T\|_2^2<\infty$ 知至多可数个 $\|Te_j\|\neq 0$；将下述截断只取这可数族对应的方向，论证不变。） 构造有限秩逼近。 对 $N\in\mathbb N$，令 $P_N x=\sum_{j\le N}\langle x,e_j\rangle e_j$ 为到 $\mathrm{span}\{e_1,\dots,e_N\}$ 的正交投影，定义
$$
T_N:=T P_N,\qquad T_N x=\sum_{j\le N}\langle x,e_j\rangle\,Te_j .
$$
则 $T_N$ 的值域含于 $\mathrm{span}\{Te_1,\dots,Te_N\}$，维数 $\le N$，故 $T_N$ 为有限秩算子，从而紧（有限秩必紧：单位球的像落在有限维空间的有界集中，由有限维空间的 Heine–Borel 性质而预紧）。 HS 范数估计差算子。 $T-T_N=T(I-P_N)$，作用为 $(T-T_N)x=\sum_{j>N}\langle x,e_j\rangle Te_j$，在基 $\{e_j\}$ 下满足 $(T-T_N)e_j=0\ (j\le N)$ 与 $(T-T_N)e_j=Te_j\ (j>N)$。由 (1.1) 应用于 $T-T_N$：
$$
\|T-T_N\|_2^2=\sum_{j}\|(T-T_N)e_j\|^2=\sum_{j>N}\|Te_j\|^2 .
$$ 用 (3) 由 HS 范数控制算子范数。 $T-T_N$ 仍为 HS（$\|T-T_N\|_2\le\|T\|_2<\infty$），故 (3) 适用：
$$
\|T-T_N\|\le\|T-T_N\|_2=\Big(\sum_{j>N}\|Te_j\|^2\Big)^{1/2}.
$$
由 $\sum_j\|Te_j\|^2=\|T\|_2^2<\infty$，收敛级数的尾和趋于 $0$：
$$
\sum_{j>N}\|Te_j\|^2\xrightarrow[N\to\infty]{}0\quad\Longrightarrow\quad \|T-T_N\|\xrightarrow[N\to\infty]{}0 .
$$ 结论。 $T$ 是一列紧算子 $T_N$ 按算子范数的极限。由"紧算子全体 $K(H)$ 在 $B(H)$ 中按算子范数闭"（紧算子按算子范数的极限仍紧——标准定理，可用对角线法或直接验证像集预紧证明），得
$$
\boxed{\ T=\lim_{N\to\infty}T_N\ (\text{算子范数})\ \Longrightarrow\ T\ \text{紧}\ }.
$$
$\blacksquare$ 记 $\mathcal{HS}(H):=\{T\in B(H):\|T\|_2<\infty\}$。 约定说明. 固定 $H$ 的内积约定，使题给 $T_{ij}=\langle Te_j,e_i\rangle$ 成立；以下取内积关于第一变元共轭线性、第二变元线性的约定（即 $\langle x,y\rangle$ 在 $x$ 中共轭线性）。在此约定下后续两表达式相等且各公理自洽（若改用相反约定，只须把下面的 $\langle Te_j,Se_j\rangle$ 整体替换为 $\langle Se_j,Te_j\rangle$，结论不变）。 第一步：$\mathcal{HS}(H)$ 是配以内积的（准 Hilbert）空间。 定义
$$
\langle S,T\rangle_{HS}:=\sum_{i,j}\overline{S_{ij}}\,T_{ij}=\sum_{j}\langle Te_j,Se_j\rangle . \tag{5.1}
$$
两表达式相等： 对固定 $j$，
$$
\sum_{i}\overline{\langle Se_j,e_i\rangle}\,\langle Te_j,e_i\rangle
=\sum_{i}\langle Te_j,e_i\rangle\,\langle e_i,Se_j\rangle
=\langle Te_j,Se_j\rangle,
$$
末步用 $\{e_i\}$ 完备的（广义）Parseval 恒等式 $\sum_i\langle\cdot,e_i\rangle\langle e_i,\cdot\rangle=\langle\cdot,\cdot\rangle$（逐 $j$ 收敛），且 $\overline{\langle Se_j,e_i\rangle}=\langle e_i,Se_j\rangle$。再对 $j$ 求和。
该级数绝对收敛、故 (5.1) 良定义： 由 Cauchy–Schwarz（先在 $H$ 中、再在 $\ell^2$ 中），
$$
\sum_{j}|\langle Te_j,Se_j\rangle|\le\sum_{j}\|Te_j\|\,\|Se_j\|\le\Big(\sum_j\|Te_j\|^2\Big)^{1/2}\Big(\sum_j\|Se_j\|^2\Big)^{1/2}=\|T\|_2\|S\|_2<\infty .
$$ 第二步：完备性（"Hilbert"的实质）。 设 $\{T^{(n)}\}_{n\ge1}$ 为 $(\mathcal{HS},\|\cdot\|_2)$ 中的 Cauchy 列，即 $\|T^{(n)}-T^{(m)}\|_2\to 0$（$n,m\to\infty$）。 (a) 先得算子范数极限。 由 (3)，$\|T^{(n)}-T^{(m)}\|\le\|T^{(n)}-T^{(m)}\|_2\to0$，故 $\{T^{(n)}\}$ 亦为 $(B(H),\|\cdot\|)$ 中的 Cauchy 列。因 $H$ 完备 $\Rightarrow$ $B(H)$ 为 Banach 空间（关于算子范数完备），存在 $T\in B(H)$ 使
$$
\|T^{(n)}-T\|\xrightarrow[n\to\infty]{}0 .
$$
此即 (3) 这一不等式"把 HS 收敛降级为算子收敛"的落点——必须用到 $H$（从而 $B(H)$）的完备性。 (b) 证 $T\in\mathcal{HS}$ 且 $\|T^{(n)}-T\|_2\to0$。 Cauchy 列在 $\|\cdot\|_2$ 下有界：存在 $M<\infty$ 使 $\|T^{(n)}\|_2\le M$ 对一切 $n$。算子范数收敛 $T^{(n)}\to T$ 蕴含逐矩阵元收敛：对每对 $(i,j)$，
$$
T^{(n)}_{ij}=\langle T^{(n)}e_j,e_i\rangle\to\langle Te_j,e_i\rangle=T_{ij}
$$
（内积关于范数收敛连续，且 $\|T^{(n)}e_j-Te_j\|\le\|T^{(n)}-T\|\to0$）。于是对任意有限指标子集 $F\subset I\times I$ 可逐项取极限：
$$
\sum_{(i,j)\in F}|T_{ij}|^2=\lim_{n\to\infty}\sum_{(i,j)\in F}|T^{(n)}_{ij}|^2\le\liminf_{n}\|T^{(n)}\|_2^2\le M^2 .
$$
对一切有限 $F$ 取上确界（非负项级数之和等于其有限部分和的上确界）：
$$
\|T\|_2^2=\sum_{i,j}|T_{ij}|^2=\sup_{F\text{ 有限}}\sum_{(i,j)\in F}|T_{ij}|^2\le M^2<\infty,
$$
故 $T\in\mathcal{HS}(H)$。 再证 HS 范数收敛。固定 $\varepsilon>0$，取 $N$ 使得 $n,m\ge N\Rightarrow\|T^{(n)}-T^{(m)}\|_2<\varepsilon$。对任意有限 $F$ 及 $n,m\ge N$：
$$
\sum_{(i,j)\in F}|T^{(n)}_{ij}-T^{(m)}_{ij}|^2\le\|T^{(n)}-T^{(m)}\|_2^2<\varepsilon^2 .
$$
固定 $n\ge N$，令 $m\to\infty$（有限和中逐元 $T^{(m)}_{ij}\to T_{ij}$，有限项极限可交换）：
$$
\sum_{(i,j)\in F}|T^{(n)}_{ij}-T_{ij}|^2\le\varepsilon^2 .
$$
此式对一切有限 $F$ 成立，对 $F$ 取上确界（非负项级数对有限截断取上确界即得全和，亦可视为 Fatou 引理对计数测度的特例）：
$$
\|T^{(n)}-T\|_2^2=\sum_{i,j}|T^{(n)}_{ij}-T_{ij}|^2\le\varepsilon^2\qquad(\forall\,n\ge N).
$$
即 $\|T^{(n)}-T\|_2\le\varepsilon$ 对一切 $n\ge N$，故 $T^{(n)}\to T$（HS 范数）。 综上，每个 HS-Cauchy 列都在 $\mathcal{HS}(H)$ 内收敛，
$$
\boxed{\ \big(\mathcal{HS}(H),\ \langle\cdot,\cdot\rangle_{HS}\big)\ \text{是 Hilbert 空间}\ }.
$$
$\blacksquare$ 核心机制是一个朴素而强大的"换基不变量"：先用 Parseval 等式把双重和 $\sum_{i,j}|T_{ij}|^2$ 逐列收成 $\sum_j\|Te_j\|^2$（这一步必须强调基的完备性：只有 ONB 才有 Parseval，准正交系只能给 Bessel $\le$）；再由换基核心引理 $(\star)$：$\sum_m\|Tu_m\|^2=\sum_n\|T^*v_n\|^2$（对任意两组 ONB，由 Parseval $+$ 非负项 Tonelli 交换次序），两步链接 $\sum_j\|Te_j\|^2=\sum_i\|T^*e_i\|^2=\sum_k\|Tf_k\|^2$ 即一举拿下 (1) 基无关；而引理在同一组基上的特例 $\sum_j\|Te_j\|^2=\sum_i\|T^*e_i\|^2$ 又直接给出 (2) 的 $\|T\|_2=\|T^*\|_2$。要点是：中间桥梁量 $\sum_i\|T^*e_i\|^2$ 出现后被消去，结论不残留对辅助基或 $T^*$ 的依赖，避免了循环。 (3) 的 $\|T\|\le\|T\|_2$ 是 (4)(5) 的枢纽：它把"难算的算子范数"夹在"好算的 HS 范数"之下。于是 (4) 用有限秩截断 $T_N=TP_N$，以 HS 尾和 $\sqrt{\sum_{j>N}\|Te_j\|^2}$ 压住算子范数差 $\|T-T_N\|$，借"紧算子按算子范数闭"得紧性；(5) 则用同一不等式把 HS-Cauchy 降级为算子-Cauchy，从 $B(H)$ 的完备性先拿到算子范数极限 $T$（连带逐矩阵元收敛），再用"先固定有限指标 $F$、取极限、后对 $F$ 取上确界"（Fatou / 非负项截断取上确界）把收敛"抬回" HS 范数，并顺带证得极限仍属 $\mathcal{HS}$。 易错点有四：(i) 误把 Bessel 不等式当 Parseval（必须强调 ONB 完备性）；(ii) 在 (1) 中以为"右端不随辅助基变"需要额外论证甚至落入循环——正确做法是把全部等式都化归为引理 $(\star)$ 的直接特例；(iii) 在完备性证明里直接对无穷和取极限（应先固定有限 $F$、取极限、再对 $F$ 取上确界，避免极限与无穷求和的非法互换）；(iv) 忽略 $H$ 不可分时"由平方可和自动得到至多可数个 $\|Te_j\|\neq0$"这一约化。最后提醒：(5) 的 HS 内积与题给矩阵元 $T_{ij}=\langle Te_j,e_i\rangle$ 共用同一内积约定，$\langle S,T\rangle_{HS}=\sum_{i,j}\overline{S_{ij}}T_{ij}=\sum_j\langle Te_j,Se_j\rangle$ 仅在约定一致时两式相等，换约定时把 $\langle Te_j,Se_j\rangle$ 改为 $\langle Se_j,Te_j\rangle$ 即可。 English. Let $H$ be a Hilbert space. (1) Show any $T\in B(H)$ can be written $T=T_1+iT_2$ with $T_1,T_2$ self-adjoint. (2) Show $T$ is normal iff $[T_1,T_2]=0$. (3) Prove: Let $T\in B(H)$ be a compact normal operator. Then $H$ has an ONB consisting of eigenvectors of $T$; for each $\lambda\neq 0$ the eigenspace $E_\lambda$ is finite-dimensional, and for any $r>0$ the set $\{\lambda:|\lambda|\geq r \text{ and } \dim E_\lambda>0\}$ is finite. (4) Prove: If $\{T_\alpha:\alpha\in I\}$ is an arbitrary family of compact normal operators on $H$ with $[T_\alpha,T_\beta]=0$ for all $\alpha,\beta\in I$, then $H$ has an ONB $\{e_j\}$ such that each $e_j$ is an eigenvector of $T_\alpha$ for every $\alpha\in I$. 中文. 设 $H$ 为一个 Hilbert 空间。 (1) 证明任一 $T\in B(H)$ 都可写成 $T=T_1+iT_2$，其中 $T_1,T_2$ 为自伴算子。 (2) 证明 $T$ 是正规算子当且仅当 $[T_1,T_2]=0$（即 $T_1,T_2$ 可交换）。 (3) 证明：设 $T\in B(H)$ 为紧正规算子。则 $H$ 拥有一组由 $T$ 的特征向量构成的标准正交基（ONB）；对每个 $\lambda\neq 0$，特征空间 $E_\lambda$ 是有限维的；并且对任意 $r>0$，集合 $\{\lambda:|\lambda|\geq r \text{ 且 } \dim E_\lambda>0\}$ 是有限集。 (4) 证明：若 $\{T_\alpha:\alpha\in I\}$ 是 $H$ 上任意一族紧正规算子，且对一切 $\alpha,\beta\in I$ 有 $[T_\alpha,T_\beta]=0$，则 $H$ 拥有一组 ONB $\{e_j\}$，使得每个 $e_j$ 同时是每个 $T_\alpha$（$\alpha\in I$）的特征向量。 我们先单列三条贯穿全题的引理，后续反复援引。 引理 A（正规算子的等模性质）. 设 $N\in B(H)$ 正规，即 $N^*N=NN^*$，则对一切 $x\in H$ 有 $\|Nx\|=\|N^*x\|$。 证. 对任意 $x$，
$$
\|Nx\|^2=\langle Nx,Nx\rangle=\langle N^*Nx,x\rangle=\langle NN^*x,x\rangle=\langle N^*x,N^*x\rangle=\|N^*x\|^2 .
$$
其中第三个等号正是正规性 $N^*N=NN^*$，开方即得。$\blacksquare$ 由引理 A 立得：若 $N$ 正规，则 $N-\lambda I$ 也正规（因 $(N-\lambda I)^*=N^*-\bar\lambda I$，而 $N,N^*$ 与 $I$ 均交换，直接验证 $(N-\lambda)^*(N-\lambda)=(N-\lambda)(N-\lambda)^*$）。故
$$
\boxed{\ \|(N-\lambda)x\|=\|(N^*-\bar\lambda)x\|\quad(\forall x\in H).\ }\tag{A$'$}
$$
特别地由 (A$'$) 得 $Nx=\lambda x\iff N^*x=\bar\lambda x$：因 $\ker(N-\lambda)=\ker(N^*-\bar\lambda)$。 引理 B（交换正规算子的伴随亦交换；Fuglede–Putnam）. 设 $S,N\in B(H)$，$N$ 正规，且 $SN=NS$。则 $SN^*=N^*S$。 说明. 这是 Fuglede–Putnam 定理（Fuglede 定理对 $S=N$ 情形，Putnam 推广至本一般形式）。其证明（如用 $e^{i\bar\lambda N^*}Se^{-i\bar\lambda N^*}$ 为整函数并由 Liouville 定理判定为常值）属标准结果，本题直接援引。该结论在无穷维中非自动成立，故必须显式引用——这正是 (4) 中"正交补不变"一步的关键依据。$\blacksquare$ 引理 C（交换则保持特征空间不变）. 设 $S,N\in B(H)$ 且 $[S,N]=0$（$SN=NS$）。则 $S$ 保持 $N$ 的每个特征空间 $E_\lambda(N)=\ker(N-\lambda)$ 不变。 证. 设 $x\in E_\lambda(N)$，即 $Nx=\lambda x$。则
$$
N(Sx)=S(Nx)=S(\lambda x)=\lambda(Sx),
$$
故 $Sx\in E_\lambda(N)$，得 $S\,E_\lambda(N)\subseteq E_\lambda(N)$。$\blacksquare$ 注（关于不变子空间的正交补）. 仅有 $[S,N]=0$ 一般不能保证 $S$ 保持 $E_\lambda(N)$ 的正交补不变；要使正交补也 $S$-不变，需要 $S$ 同时与 $N^*$ 交换。当 $S$ 也正规时，由引理 B（Fuglede–Putnam）即得 $[S,N^*]=0$，从而正交补的不变性成立（详见 (4)）。 对给定 $T\in B(H)$，定义
$$
T_1:=\frac{T+T^*}{2},\qquad T_2:=\frac{T-T^*}{2i}.
$$
二者均为 $B(H)$ 中元素（有界算子的线性组合仍有界）。验证自伴：利用 $(A+B)^*=A^*+B^*$、$(\lambda A)^*=\bar\lambda A^*$ 及 $(A^*)^*=A$，
$$
T_1^*=\Big(\frac{T+T^*}{2}\Big)^*=\frac{T^*+T}{2}=T_1,
$$
$$
T_2^*=\Big(\frac{T-T^*}{2i}\Big)^*=\frac{1}{\overline{2i}}(T^*-T)=\frac{1}{-2i}(T^*-T)=\frac{T-T^*}{2i}=T_2 .
$$
（注意 $\overline{2i}=-2i$，故分母由 $-2i$ 翻回 $2i$ 时分子也变号，符号恰好相消。）于是 $T_1,T_2$ 自伴。又
$$
T_1+iT_2=\frac{T+T^*}{2}+i\cdot\frac{T-T^*}{2i}=\frac{T+T^*}{2}+\frac{T-T^*}{2}=T .
$$ 唯一性. 若另有自伴 $S_1,S_2$ 使 $T=S_1+iS_2$，则取伴随（自伴性）得 $T^*=S_1-iS_2$；两式相加减得 $S_1=\frac{T+T^*}{2}=T_1$，$S_2=\frac{T-T^*}{2i}=T_2$。故分解唯一。 $$
\boxed{\,T=T_1+iT_2,\quad T_1=\tfrac{T+T^*}{2},\ T_2=\tfrac{T-T^*}{2i}\ \text{自伴，且分解唯一}.\,}
$$
$\blacksquare$ 由 (1)，$T=T_1+iT_2$，$T^*=T_1-iT_2$（$T_1,T_2$ 自伴）。逐项展开（注意 $i^2=-1$）：
$$
T^*T=(T_1-iT_2)(T_1+iT_2)=T_1^2+iT_1T_2-iT_2T_1+T_2^2=T_1^2+T_2^2+i(T_1T_2-T_2T_1),
$$
$$
TT^*=(T_1+iT_2)(T_1-iT_2)=T_1^2-iT_1T_2+iT_2T_1+T_2^2=T_1^2+T_2^2-i(T_1T_2-T_2T_1).
$$
两式相减：
$$
\boxed{\,T^*T-TT^*=2i\,(T_1T_2-T_2T_1)=2i\,[T_1,T_2].\,}
$$ 因 $2i\neq 0$，故 $T^*T-TT^*=0$（即 $T$ 正规）当且仅当 $[T_1,T_2]=0$。两个方向皆由上式直接等价，无需额外论证。$\blacksquare$ 设 $T\in B(H)$ 紧且正规。我们分五步。约定 $E_\lambda:=\ker(T-\lambda I)$。 第一步：不同特征值的特征空间相互正交。
设 $\lambda\neq\mu$，$Tx=\lambda x$，$Ty=\mu y$。由 (A$'$)，$x\in\ker(T-\lambda)$ 蕴含 $x\in\ker(T^*-\bar\lambda)$，即 $T^*x=\bar\lambda x$。于是
$$
\lambda\langle x,y\rangle=\langle Tx,y\rangle=\langle x,T^*y\rangle=\langle x,\bar\mu y\rangle=\mu\langle x,y\rangle,
$$
故 $(\lambda-\mu)\langle x,y\rangle=0$，因 $\lambda\neq\mu$ 得 $\langle x,y\rangle=0$。即 $E_\lambda\perp E_\mu$。（此处 $\langle x,T^*y\rangle=\langle x,\bar\mu y\rangle=\mu\langle x,y\rangle$ 用到 $T^*y=\bar\mu y$，再次由 (A$'$)。） 第二步：$\lambda\neq 0$ 时 $E_\lambda$ 有限维；且对任意 $r>0$ 集合 $\{\lambda:|\lambda|\geq r,\ E_\lambda\neq\{0\}\}$ 有限。
我们一次性证一个关键不等式，它同时给出两条结论。 断言. 设 $\{x_n\}$ 为两两正交的单位向量列，满足 $Tx_n=\lambda_n x_n$ 且 $|\lambda_n|\geq r>0$，则 $\{Tx_n\}$ 没有 Cauchy 子列；从而这种正交单位列必为有限列。 证. 对 $m\neq n$，由正交性 $\langle x_m,x_n\rangle=0$，
$$
\|\lambda_m x_m-\lambda_n x_n\|^2=|\lambda_m|^2\|x_m\|^2+|\lambda_n|^2\|x_n\|^2=|\lambda_m|^2+|\lambda_n|^2\geq r^2+r^2=2r^2 ,
$$
即 $\{Tx_n\}=\{\lambda_n x_n\}$ 中任意两项距离 $\geq r\sqrt2>0$，不可能有 Cauchy 子列。但 $T$ 紧且 $\{x_n\}$ 有界，$\{Tx_n\}$ 必有收敛（故 Cauchy）子列，矛盾。$\blacksquare$ 由此： 第三步（本题心脏）：若 $T$ 紧、正规且 $T\neq 0$，则 $T$ 存在模等于 $\|T\|$ 的非零特征值。 关键等式 $r(T)=\|T\|$. 首先 $C^*$ 恒等式 $\|T^*T\|=\|T\|^2$ 对任意 $B(H)$ 成立：
$$
\|Tx\|^2=\langle T^*Tx,x\rangle\le\|T^*T\|\,\|x\|^2\ \Rightarrow\ \|T\|^2\le\|T^*T\|\le\|T^*\|\,\|T\|=\|T\|^2,
$$
故 $\|T^*T\|=\|T\|^2$。其次，对正规 $T$ 证 $\|T^2\|=\|T\|^2$：令自伴算子 $S:=T^*T=TT^*$（正规性），由 $\|S\|=\|T\|^2$，且利用正规性有恒等式
$$
(T^2)^*(T^2)=T^{*2}T^2=T^*(T^*T)T=T^*(TT^*)T=(T^*T)(T^*T)=S^2 ,
$$
故再用 $C^*$ 恒等式与自伴算子 $\|S^2\|=\|S\|^2$ 得
$$
\|T^2\|^2=\|(T^2)^*(T^2)\|=\|S^2\|=\|S\|^2=\|T\|^4\ \Rightarrow\ \|T^2\|=\|T\|^2 .
$$
$T^2$ 亦正规，归纳得 $\|T^{2^k}\|=\|T\|^{2^k}$，由谱半径公式 $r(T)=\lim_n\|T^n\|^{1/n}=\lim_k\|T^{2^k}\|^{1/2^k}=\|T\|$。 取到该谱点为特征值. 因 $r(T)=\|T\|>0$，存在 $\lambda_0\in\sigma(T)$ 使 $|\lambda_0|=\|T\|$。我们证 $\lambda_0$ 是特征值，即 $\ker(T-\lambda_0)\neq\{0\}$。 断言：存在单位向量列 $\{x_n\}$ 使 $\|(T-\lambda_0)x_n\|\to 0$（近似特征向量）。 反证：若不然，则存在 $c>0$ 使 $\|(T-\lambda_0)x\|\geq c\|x\|$（$\forall x$），即 $T-\lambda_0$ 有界下方。有界下方蕴含 $T-\lambda_0$ 单射且值域闭（若 $(T-\lambda_0)x_n\to y$，则 $\{x_n\}$ Cauchy，$x_n\to x$，$y=(T-\lambda_0)x\in\operatorname{ran}$）。又由 (A$'$)，$\|(T-\lambda_0)^*x\|=\|(T-\lambda_0)x\|\geq c\|x\|$，故 $(T-\lambda_0)^*$ 亦单射，于是
$$
\overline{\operatorname{ran}(T-\lambda_0)}=\big(\ker(T-\lambda_0)^*\big)^{\perp}=H ;
$$
结合值域已闭得 $\operatorname{ran}(T-\lambda_0)=H$。故 $T-\lambda_0$ 双射，由开映射定理有界可逆，与 $\lambda_0\in\sigma(T)$ 矛盾。断言成立。 用紧性升级为真特征向量. $T$ 紧、$\{x_n\}$ 有界，故 $\{Tx_n\}$ 有收敛子列；不妨设 $Tx_n\to y$。由 $\|(T-\lambda_0)x_n\|\to 0$ 及 $|\lambda_0|=\|T\|\neq 0$（可作除法），
$$
\lambda_0 x_n=Tx_n-(T-\lambda_0)x_n\ \longrightarrow\ y-0=y ,
$$
故 $x_n\to \lambda_0^{-1}y=:x$，且 $\|x\|=\lim\|x_n\|=1\neq 0$。$T$ 连续，对极限取值 $(T-\lambda_0)x=\lim_n(T-\lambda_0)x_n=0$。于是 $x\neq 0$ 满足 $Tx=\lambda_0 x$。
$$
\boxed{\,T\ \text{紧正规},\ T\neq0\ \Rightarrow\ \exists\,\lambda_0,\ |\lambda_0|=\|T\|,\ E_{\lambda_0}\neq\{0\}.\,}
$$
$\blacksquare$（第三步） 第四步：穷举所有特征向量，覆盖正交补。
设 $\{\lambda_k\}$ 为 $T$ 的全部非零特征值（由第二步，对每个 $r>0$ 仅有限个满足 $|\lambda|\geq r$，故非零特征值至多可数；若无穷则 $\lambda_k\to 0$）。令
$$
M:=\overline{\operatorname{span}}\Big(\ker T\ \cup\ \bigcup_k E_{\lambda_k}\Big),\qquad N:=M^\perp .
$$
注意 $\ker T=E_0$ 与各 $E_{\lambda_k}$ 两两正交：对 $\lambda\neq0$ 与 $\mu=0$，第一步的论证仍成立——对 $y\in\ker T$，由 (A$'$) $\|T^*y\|=\|Ty\|=0$ 故 $T^*y=0$，于是 $\lambda\langle x,y\rangle=\langle Tx,y\rangle=\langle x,T^*y\rangle=0$，得 $\langle x,y\rangle=0$。 $T$ 同时保持 $M$ 与 $N$ 不变（$N$ 为约化子空间）. 各 $E_{\lambda_k}$ 与 $\ker T$ 显然 $T$-不变，取闭包后 $TM\subseteq M$。又由 (A$'$)，$Tx=\lambda x\iff T^*x=\bar\lambda x$，故每个 $E_\lambda$ 同时是 $T$ 与 $T^*$ 的特征空间，从而 $M$ 也 $T^*$-不变。于是对 $y\in N=M^\perp$、$z\in M$ 有 $\langle Ty,z\rangle=\langle y,T^*z\rangle=0$（因 $T^*z\in M$），即 $Ty\in N$，得 $TN\subseteq N$。 令 $T_N:=T|_N\in B(N)$。则 $T_N$ 仍紧（紧算子限制在闭不变子空间上仍紧：子空间单位球含于全空间单位球，像相对紧）且正规（因 $N$ 同时 $T,T^*$-不变，是约化子空间，$(T|_N)^*=T^*|_N$，正规性按内积逐点继承）。关键：$T_N$ 没有非零特征值——$T_N$ 的任何非零特征向量也是 $T$ 的非零特征向量，按构造已落入 $M$，与其在 $N=M^\perp$ 中且非零矛盾。由第三步的逆否命题：紧正规且无非零特征值 $\Rightarrow$ $\|T_N\|=0$ $\Rightarrow$ $T_N=0$。 故 $T y=0$ 对一切 $y\in N$ 成立，即 $N\subseteq\ker T$。但 $\ker T\subseteq M$，而 $N\perp M$，于是 $N\subseteq\ker T\cap M^\perp\subseteq M\cap M^\perp=\{0\}$。即 $N=\{0\}$，从而
$$
H=M=\ker T\ \oplus\ \bigoplus_k E_{\lambda_k}\quad(\text{正交直和}).
$$ 第五步：拼出 ONB。
在每个有限维 $E_{\lambda_k}$（第二步）中取一组（有限）ONB；在 $\ker T$ 中取一组 ONB（$\ker T$ 是 $H$ 的闭子空间，故仍为完备的 Hilbert 空间，ONB 存在性由 Zorn 引理保证）。由于各特征空间两两正交且其（闭）直和等于 $H$，将这些向量并起来即得 $H$ 的一组 ONB，其中每个基向量都是 $T$ 的特征向量（特征值为相应 $\lambda_k$ 或 $0$）。
$$
\boxed{\,H\ \text{有由}\ T\ \text{特征向量组成的 ONB}；\ \forall\lambda\neq0,\ \dim E_\lambda<\infty;\ \forall r>0,\ |\{\lambda:|\lambda|\ge r,E_\lambda\neq0\}|<\infty.\,}
$$
$\blacksquare$ 设 $\{T_\alpha:\alpha\in I\}$ 紧正规且两两交换。目标：求 $H$ 的一组 ONB，使每个基向量同时是所有 $T_\alpha$ 的特征向量。 关键引理（互不变性，含正交补）. 固定 $\alpha,\beta\in I$。则 $T_\beta$ 同时保持 $T_\alpha$ 的每个特征空间 $E_\lambda(T_\alpha)$ 及其正交补 $E_\lambda(T_\alpha)^\perp$ 不变。 证. 由 $[T_\alpha,T_\beta]=0$ 及引理 C，$T_\beta E_\lambda(T_\alpha)\subseteq E_\lambda(T_\alpha)$。再证正交补不变：因 $T_\alpha$ 正规、$T_\beta$ 与 $T_\alpha$ 交换，由引理 B（Fuglede–Putnam） 得 $[T_\beta,T_\alpha^*]=0$。于是对 $z\in E_\lambda(T_\alpha)$（由 (A$'$) 同时有 $T_\alpha^*z=\bar\lambda z$），
$$
T_\alpha^*(T_\beta^* z)=T_\beta^*(T_\alpha^* z)=\bar\lambda\,T_\beta^* z\ \Rightarrow\ T_\beta^* z\in\ker(T_\alpha^*-\bar\lambda)=E_\lambda(T_\alpha).
$$
因此对 $y\in E_\lambda(T_\alpha)^\perp$、$z\in E_\lambda(T_\alpha)$，
$$
\langle T_\beta y,z\rangle=\langle y,T_\beta^* z\rangle=0\quad(\text{因 }T_\beta^* z\in E_\lambda(T_\alpha)),
$$
即 $T_\beta y\in E_\lambda(T_\alpha)^\perp$，得正交补不变。$\blacksquare$ 说明. "正交补不变"这一步在无穷维下必须用到 $[T_\beta,T_\alpha^*]=0$，而后者由 Fuglede–Putnam（引理 B）从 $[T_\beta,T_\alpha]=0$、$T_\alpha$ 正规推出，并非自动。故本问无法绕开 Fuglede–Putnam。 进一步：在每个 $E_\lambda(T_\alpha)$ 上 $T_\beta$ 的限制仍是该（闭）子 Hilbert 空间上的紧正规算子，且诸 $\{T_\beta|_{E_\lambda(T_\alpha)}\}$ 在该子空间上仍两两交换（限制保持算子等式）。 有限维块上的同时对角化（递推种子）. 对 $\lambda\neq 0$，$E_\lambda(T_\alpha)$ 有限维（由 (3) 第二步）。在该有限维内积空间上，$\{T_\beta|_{E_\lambda(T_\alpha)}\}_{\beta\in I}$ 是一族两两交换的正规算子。线性代数事实：有限维内积空间上一族两两交换的正规算子可被同一组 ONB 同时对角化——逐个用谱定理把空间细分为各算子的公共特征子空间，因维数有限故过程终止，得到公共特征向量基。 一般情形——Zorn 引理取极大公共特征向量族. 考虑集合
$$
\mathcal F=\Big\{\,\mathcal O\subseteq H:\ \mathcal O\ \text{为正交单位向量族，且每个}\ e\in\mathcal O\ \text{都是所有}\ T_\alpha\ (\alpha\in I)\ \text{的特征向量}\,\Big\},
$$
以包含关系为偏序。$\mathcal F$ 非空：空族 $\varnothing\in\mathcal F$（空族为正交单位族，且"每个元素都是公共特征向量"对空族空真成立）。任一链 $\mathcal C\subseteq\mathcal F$ 的并 $\bigcup\mathcal C$ 仍是正交族（任两元同属链中某一成员，故正交）并保持公共特征向量性质，是该链在 $\mathcal F$ 中的上界。由 Zorn 引理 取极大元 $\mathcal O_{\max}$。令 $K:=\overline{\operatorname{span}}\,\mathcal O_{\max}$，$L:=K^\perp$。 由互不变性引理，每个 $T_\alpha$（及 $T_\alpha^*$）保持 $\mathcal O_{\max}$ 中每个公共特征向量张成的一维空间不变，从而保持其闭线性张成 $K$ 不变，于是 $T_\alpha K\subseteq K$ 且 $T_\alpha L\subseteq L$；$T_\alpha|_L$ 仍是 $L$ 上紧正规、两两交换的族。 断言 $L=\{0\}$. 若 $L\neq\{0\}$，我们将在 $L$ 中找到一个新的公共单位特征向量，与极大性矛盾。 故 $L=\{0\}$，$K=H$。极大正交单位族 $\mathcal O_{\max}$ 张成 $H$（稠），故为 $H$ 的一组 ONB，且每个向量同时是所有 $T_\alpha$ 的特征向量。
$$
\boxed{\,H\ \text{存在 ONB}\ \{e_j\},\ \text{每个}\ e_j\ \text{同时是所有}\ T_\alpha\ (\alpha\in I)\ \text{的特征向量}.\,}
$$
此处对一般指标集 $I$ 与无穷维 $H$ 必须使用选择公理（Zorn 引理）。$\blacksquare$ 核心机制是把"正规"翻译成两条可操作的几何性质：等模性 $\|Tx\|=\|T^*x\|$（引理 A）与由此而来的"$T$、$T^*$ 同核、同特征空间"。前者直接给出不同特征值的特征向量正交（第一步），并使每个特征空间同时是 $T$ 与 $T^*$ 的特征空间——这保证了不变子空间的正交补也不变，是"分块递推"得以成立的根本。 第 (3) 问的心脏是取到模为 $\|T\|$ 的非零特征值：正规性给 $r(T)=\|T\|$（经 $\|T^2\|=\|T\|^2$ 的逐次平方，关键恒等式 $T^{*2}T^2=(T^*T)^2$ 用到正规性），把谱半径锚在范数上；紧性则把"近似特征向量"升级为真特征向量——$\lambda_0 x_n=Tx_n-(T-\lambda_0)x_n$ 中右端收敛逼出 $x_n$ 收敛，这一步若漏掉 $|\lambda_0|\neq0$ 就无法解出 $x_n$。第三步的"近似特征向量存在性"用反证：若 $T-\lambda_0$ 有界下方，则结合 (A$'$) 可证其双射可逆，与 $\lambda_0\in\sigma(T)$ 矛盾。 易错点有三：(i) 紧性的反证要用"正交单位列的像两两距离 $\geq r\sqrt2$ 故无 Cauchy 子列"，而非仅"有界"；(ii) $\ker T$（即 $\lambda=0$）须单独纳入 ONB，否则覆盖不全；(iii) 第 (4) 问中"交换 $\Rightarrow$ 也与伴随交换"在无穷维并非自动，必须显式援引 Fuglede–Putnam（引理 B），它正是"正交补不变"这一关键步骤的依据；随后借有限维公共特征块上的同时对角化作种子、Zorn 引理取极大公共特征族收尾，而 Zorn 的非空性由 $\varnothing\in\mathcal F$ 平凡给出。
第壹套 · Banach 空间、对偶与典范等距嵌入 · Q4（50 = 10 + 20 + 20 分）
题目
解答
(1) $\|T\|=\sup\{|Tx|:\|x\|=1\}$
(2) $\|x\|=\sup\{|Tx|:T\in X^{*},\ \|T\|=1\}$（对偶刻画）
(3) 典范等距嵌入 $J_X:X\to X^{**}$
第壹套 · Banach 空间、对偶与典范等距嵌入 · 深入浅出串讲
第贰套 · Banach 空间与有界线性算子
第贰套 · Banach 空间与有界线性算子 · Q2（10 分）
题目
解答
思路与讲解
第贰套 · Banach 空间与有界线性算子 · Q3（20 分）
题目
解答
(1) $\Rightarrow$ (3)
(3) $\Rightarrow$ (1)
(2) $\Leftrightarrow$ (3)
思路与讲解
第贰套 · Banach 空间与有界线性算子 · Q4（10 分）
题目
解答
(a) $p$ 是正齐次的次可加泛函（即次线性）
(b) $p$ 与 $\limsup,\liminf$ 的关系，及 $-p(-f)\le p(f)$
(c) 在收敛子空间上取 $L_0=\lim$，并由 Hahn–Banach 延拓
(d) 性质 (2)、(4)、(1)
(e) 平移不变性 (3)
思路与讲解
第贰套 · Banach 空间与有界线性算子 · Q5（20 分）
题目
解答
(1) ⟹ (2)
(2) ⟹ (3)
(3) ⟹ (4)
(4) ⟹ (1)
推论：非平凡 Banach 空间在自身中非贫
思路与讲解
第贰套 · Banach 空间与有界线性算子 · Q6（20 分）
题目
解答
(1) ⟹ (2)：由有界性推联合连续
(2) ⟹ (3)：联合连续推分别连续
(3) ⟹ (1)：分别连续推有界（核心，须用一致有界原理）
思路与讲解
第贰套 · Banach 空间与有界线性算子 · Q7（20 分）
题目
解答
(2) $\Longrightarrow$ (1)
(1) $\Longrightarrow$ (2)
思路与讲解
第贰套 · Banach 空间与有界线性算子 · Q8（20 分）
题目
解答
(1) $\Rightarrow$ (3)：由逐点收敛导出一致有界、极限算子及范数下半连续
(3) $\Rightarrow$ (2)：取稠密子集为全空间
(2) $\Rightarrow$ (1)：经典 $\varepsilon/3$ 论证
(4) 非完备情形之一：$Y$ 不完备时，$(1)\Leftrightarrow(3)$ 仍成立
(5) 非完备情形之二：$X$ 不完备时，$(2)\Leftrightarrow(3)$ 仍成立
蕴含
用到 $X$ 完备？
用到 $Y$ 完备？
关键步
$(1)\Rightarrow(3)$
是（UBP/Baire）
否（极限由 (1) 提供）
一致有界原理
$(3)\Rightarrow(2)$
否
否
取 $D=X$
$(2)\Rightarrow(1)$
否
是（Cauchy$\to$收敛）
$\varepsilon/3$
$(2)\Rightarrow(3)$
否
是（构造极限算子）
$\varepsilon/3$ + $Y$ 完备
思路与讲解
第叁套 · Hilbert 空间、算子与 Bergman 空间
第叁套 · Hilbert 空间、算子与 Bergman 空间 · Q1（20 分）
题目
解答
(1) 范数 $\|T\|=1$（且不可达）
(2) 核（零空间）$\ker T$
(3) 伴随算子 $T^*$
(4) 值域 $\operatorname{ran}T$
思路与讲解
第叁套 · Hilbert 空间、算子与 Bergman 空间 · Q2（15 分）
题目
解答
(1) 对称性：$f(x,y)=f(y,x)$
(2) 关于第一变量的可加性：$f(x+y,z)=f(x,z)+f(y,z)$
(3) 关于第一变量的实齐次性：$f(\alpha x,y)=\alpha f(x,y)$，$\alpha\in\mathbb{R}$
思路与讲解
第叁套 · Hilbert 空间、算子与 Bergman 空间 · Q3（10 分）
题目
解答
(1) 充分性（⟸）：若存在正测度水平集，则 $\lambda$ 是特征值
(2) 必要性（⟹）：若 $\lambda$ 是特征值，则存在正测度水平集
结论
思路与讲解
第叁套 · Hilbert 空间、算子与 Bergman 空间 · Q4（20 分）
题目
解答
(a) $X=L^2(-1,1)$，$Y=\{f:\ \int_{-1}^1 f=0\}$
(b) $X=\ell^2$，$Y=\{(a_n):\ a_{2n}=0,\ \forall n\}$
$Y^\perp$
稠密?
闭?
(a)
$\operatorname{span}\{\mathbf 1\}$（全体常值函数，维数 $1$）
否
是（闭超平面，余维 $1$）
(b)
$\{a:\ a_{\text{奇下标}}=0\}=\overline{\operatorname{span}}\{e_{2n}\}$（无穷维）
否
是
思路与讲解
第叁套 · Hilbert 空间、算子与 Bergman 空间 · Q5（20 分）
题目
解答
(1) Bergman 再生公式
(2) $L^2$ Cauchy $\Rightarrow$ 紧集上一致收敛
(3) 最佳逼近投影 $\pi$ 的存在唯一与有界性
思路与讲解
第叁套 · Hilbert 空间、算子与 Bergman 空间 · Q6（10 分）
题目
解答
(1) 直接消去为何不够：诚实交代问题所在
(2) 可数定型直和及其两条结构同构
(3) Pełczyński swindle：完整链条
(4) 各步所用假设的逐条标注（逻辑诚实清单）
思路与讲解
第肆套 · 自反空间、Baire 纲与连续性
第肆套 · 自反空间、Baire 纲与连续性 · Q1（20 分）
题目
解答
(1) 边界情形 $d=0$ 的单独说明
(2) 构造极小化序列并说明其有界
(3) 抽取弱收敛子列（自反 $\Longleftrightarrow$ 闭球弱紧）
(4) 弱极限仍在 $C$ 中（Mazur：凸且强闭 $\Longrightarrow$ 弱闭）
(5) 范数弱下半连续，得出 $\|x_0\|=d$
(6) 结论
思路与讲解
第肆套 · 自反空间、Baire 纲与连续性 · Q2（20 分）
题目
解答
(1) 必要性 ($\Longrightarrow$)：若 $X$ 自反，则 $X^{*}$ 自反
(2) 充分性 ($\Longleftarrow$)：若 $X^{*}$ 自反，则 $X$ 自反
思路与讲解
第肆套 · 自反空间、Baire 纲与连续性 · Q3（40 分（10+20+10））
题目
解答
(1) 无穷维 Banach 空间上存在不连续线性泛函
(2) $f$ 有界 $\iff\ \ker f$ 闭；且 $f$ 无界 $\Rightarrow\ \ker f$ 稠密
(3) 把 $X$ 分为两个不交、并为全空间、皆凸且皆稠的集合
思路与讲解
第肆套 · 自反空间、Baire 纲与连续性 · Q4（20 分）
题目
解答
(1) 第一步：在 $H$ 上构造一个不连续的线性泛函 $\varphi$
(2) 第二步：用 $\varphi$ 定义新范数 $|||\cdot|||$，并验证它确为范数
(3) 第三步：证明 $|||\cdot|||$ 与 $\|\cdot\|$ 不等价
(4) 注记：$(H,|||\cdot|||)$ 不完备
思路与讲解
第伍套 · Hilbert–Schmidt 算子与紧正规算子谱定理
第伍套 · Hilbert–Schmidt 算子与紧正规算子谱定理 · Q1（50 分）
题目
解答
换基核心引理
(1) 定义与 ONB 选取无关
(2) $T$ 为 HS $\Rightarrow$ $T^*$ 为 HS，且 $\|T\|_2=\|T^*\|_2$
(3) $T$ 为 HS $\Rightarrow$ $\|T\|\le\|T\|_2$
(4) $T$ 为 HS $\Rightarrow$ $T$ 紧
(5) HS 算子全体在 HS 范数下构成 Hilbert 空间
思路与讲解
第伍套 · Hilbert–Schmidt 算子与紧正规算子谱定理 · Q2（40 分）
题目
解答
(1) Cartesian（笛卡尔）分解
(2) 正规性 $\iff [T_1,T_2]=0$
(3) 紧正规算子的谱定理
(4) 交换的紧正规族的同时对角化
思路与讲解