Banach 空间

范数给了向量空间谈论"误差有多大"的语言，完备性则做出承诺：只要一个过程的内部误差已经稳定（Cauchy 条件成立），它的极限就真的存在于空间之内，不会漏到空间外面。分析的核心手段——迭代逼近、无穷级数求和、取极小化序列——直接产出的都只是 Cauchy 列；在不完备的空间里，这些手段随时可能把我们引向一个"不存在的对象"。把工作空间选成 Banach 空间，相当于事先买好保险：一切按误差收敛的构造都能兑现为空间中的真实元素。有限维直觉在这里基本可靠（有限维赋范空间总是完备的），真正的分野出现在无穷维函数空间：同一个向量空间配不同的范数，可以一个完备、另一个不完备。

${\mathbb{R}}^n$、${\mathbb{C}}^n$、序列空间 ${\ell }^p$（$1\le p\le \mathrm{\infty }$）、Lᵖ 空间公理库L^p 空间L-p space · Lebesgue space对 1≤p≤∞，按几乎处处相等取商并配以 Lp 范数的可测函数空间。（$1\le p\le \mathrm{\infty }$，此即 Riesz–Fischer 定理）以及紧空间上配上确界范数的连续函数空间 $C(K)$ 都是 Banach 空间。$C(K)$ 的完备性正是"一致收敛的连续函数列极限仍连续"这一经典事实的翻版。

完备性对范数的选取十分敏感。多项式全体配 $[0,1]$ 上的上确界范数不完备：由 Weierstrass 逼近定理它稠密于 $C([0,1])$，后者才是它的完备化。同一个空间 $C([0,1])$ 若改配积分范数 $\Vert f{\Vert }_1={\int }_0^1|f|$ 也不完备：连续函数列可以在此范数下逼近阶梯函数，构成没有连续极限的 Cauchy 列；其完备化是 $L^1([0,1])$。

子空间处也有边界：Banach 空间的线性子空间本身是 Banach 空间，当且仅当它是闭子空间；稠密的真子空间（例如 ${\ell }^1$ 中只有有限个非零坐标的序列全体）永远不完备。由于有限维赋范空间自动完备，这些现象都是纯粹无穷维的。

泛函分析的三大基石——开映射定理公理库开映射定理Open mapping theoremBanach 空间之间的满射有界线性算子把开集映成开集。、闭图定理与一致有界原理公理库一致有界原理Uniform boundedness principle · Banach–Steinhaus theorem一族有界线性算子若逐点有界，则其算子范数一致有界。——都以 Banach 完备性为前提，经由 Baire 纲论证成立；Banach 不动点定理公理库Banach 不动点定理Banach fixed-point theorem · Contraction mapping theorem完备度量空间上的压缩映射具有唯一不动点，且迭代以几何速度收敛。同样只在完备空间中生效，具体的不动点迭代公理库不动点迭代Fixed-point iteration · Picard iteration把方程改写为不动点问题后反复应用同一映射，并用压缩性控制收敛、误差与停机。另行规定更新、停止准则与失败边界。Lax–Richtmyer 等价定理公理库Lax–Richtmyer 等价定理Lax-Richtmyer equivalence theorem · Lax equivalence theorem在良定线性演化初值问题、共同 Banach 空间和有限时间网格族中，刻画一致差分格式的稳定性与收敛性等价。的反向证明则在共同 Banach 空间中使用一致有界原理，把逐点收敛提升为统一算子界。

有界线性算子全体 $\mathcal{B}(X,Y)$ 在 $Y$ 完备时也完备，这让算子级数有了意义，例如 $\Vert T\Vert <1$ 时 Neumann 级数 $\sum _n{T}^n$ 收敛并给出 $(I-T{)}^{-1}$。当范数来自内积时，完备性给出 Hilbert 空间公理库Hilbert 空间Hilbert space关于内积诱导范数完备的实或复内积空间。这一最重要特例；偏微分方程与变分法中使用的 Sobolev 空间同样按 Banach 空间设计，以保证极小化序列与迭代解仍落在可控的函数类中。