有界线性算子

对一般函数，连续性是逐点性质，每个点各有各的 $\delta$；线性把这一切压平：映射的全部行为由它在单位球上的表现决定，因为任何向量都能缩放进单位球再等比放大回去。于是"连续"浓缩成一个数——最坏放大倍数 $\Vert T\Vert$，它同时就是最佳 Lipschitz 常数。这解释了为什么泛函分析中"有界"与"连续"是同义词：这里的有界不是像集有界（非零线性映射的像总是无界的子空间），而是"单位输入的输出有界"。把 $\Vert T\Vert$ 想成系统的增益上限最贴切：输入端的每一分扰动，到输出端至多被放大 $\Vert T\Vert$ 倍。

有限维定义域上线性映射自动有界：矩阵 $A:{\mathbb{R}}^n\to {\mathbb{R}}^m$ 在 Euclidean 范数下的算子范数等于其最大奇异值 ${\sigma }_{max}(A)$（见奇异值分解公理库奇异值分解Singular value decomposition · SVD任意有限维线性映射都可在正交规范基下表示为非负对角伸缩。）。例如 $A=\mathrm{diag}(3,1)$ 时 $\Vert A\Vert =3$，最坏方向就是第一坐标轴。

无穷维中，有界与否取决于范数的搭配。微分算子 $Df=f^{\prime }$ 从 $C^1([0,1])$（配范数 $\Vert f{\Vert }_{\mathrm{\infty }}+\Vert f^{\prime }{\Vert }_{\mathrm{\infty }}$）到 $C([0,1])$（配上确界范数）有界，因为 $\Vert f^{\prime }{\Vert }_{\mathrm{\infty }}\le \Vert f{\Vert }_{\mathrm{\infty }}+\Vert f^{\prime }{\Vert }_{\mathrm{\infty }}$；但若定义域也只配上确界范数，取 $f_n(x)=\sin \left(nx\right)$，则 $\Vert f_n{\Vert }_{\mathrm{\infty }}\le 1$ 而 $\Vert D{f}_n{\Vert }_{\mathrm{\infty }}=n$ 无界。同一个线性法则，范数一换，连续性得失立现——"求导让高频振荡任意放大"正是无界性的具体形态。

两个边界事实值得记住。其一，无穷维空间上不连续的线性映射确实存在，但通常要借助选择公理公理库选择公理Axiom of choice · AC把任意集合族中逐个存在的元素同时汇成一个选择函数的公理。（Hamel 基）构造，写不出显式公式；有限维中则根本不存在。其二，"连续 $⟺$ 把有界集映为有界集"专属线性映射：非线性时两个方向都会失效，例如符号函数把有界集映为有界集却不连续，而无穷维空间上存在连续实值函数在单位球上无界。

$\mathcal{B}(X,Y)$ 是泛函分析的基本舞台：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。与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。的研究对象都是有界算子；取 $Y$ 为标量域，就得到连续线性泛函与对偶空间公理库对偶空间Dual space给定向量空间到标量域的全部线性泛函组成的向量空间。理论。算子范数满足次可乘性 $\Vert ST\Vert \le \Vert S\Vert \Vert T\Vert$，这让算子幂级数（如 Neumann 级数）得以运转。对单个 $A\in \mathcal{B}(X)$，预解算子公理库预解算子与预解集Resolvent operator · Resolvent set由复参数移位后的算子逆定义预解集、谱与对扰动敏感性的尺度。 $(zI-A{)}^{-1}$ 精确区分可逆参数与谱，并以其范数量化求逆对扰动的放大；Hilbert 空间上的有界算子进一步支撑伴随算子公理库伴随算子Adjoint operator有限维内积空间中把线性映射从内积一侧移到另一侧的唯一算子。与谱定理。

在数值分析中，同一范数语言既把输入扰动放大写成问题条件性公理库问题条件性与条件数Conditioning of a problem · Condition number度量问题真解对输入微扰的局部敏感性，并把这种固有敏感性与算法误差分开。，也把离散传播族的统一界写进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。；具体常数必须随定义域、陪域和范数一起陈述。算子范数还用于估计离散化误差与神经网络线性层的 Lipschitz 常数。