---
title: "Banach 空间 (Banach Space)"
created: 2026-06-17
updated: 2026-06-17
type: concept
tags: [mathematics, functional-analysis, topology]
sources: [raw/papers/schmocker-weighted-uat-2026.md]
confidence: high
---

# Banach 空间 (Banach Space)

Banach 空间是**完备赋范向量空间**——函数分析中最基础的无限维空间结构。在 [[weighted-uat-manifolds|Schmocker & Teichmann (2026)]] 的 [[functional-input-neural-networks|FNN]] 框架中作为输出空间。

## 定义

`(X, ‖·‖)` 是 Banach 空间，若：
1. 范数 `‖·‖` 完备（所有 Cauchy 序列收敛）
2. `‖x‖ ≥ 0`，等号当且仅当 x=0
3. `‖λx‖ = |λ| ‖x‖`，`‖x+y‖ ≤ ‖x‖ + ‖y‖`

## 关键性质

- **Hahn-Banach 定理**：线性泛函可延拓
- **开映射定理**：满射连续线性映射是开映射
- **一致有界原理**（Banach-Steinhaus）

## 在 FNN 中的角色

FNN 的输出空间 Y 是 Banach 空间，允许：
- 线性读出层 `c_k ∈ Y`
- 范数控制的逼近误差界
- BAP（有界逼近性质）的适用

## 常见例子

- Hilbert 空间（`L^2`）→ Banach 空间的特例
- `L^p` 空间 (p ≠ 2)
- 连续函数空间 `C(K)`
- Sobolev 空间

## 参考

- [[infinite-dimensional-manifolds|无限维流形]]
- [[functional-input-neural-networks|FNN]]
- [[weighted-uat-manifolds|论文原文]]