Steinwart 用 Banach 空间值鞅方法证明：联合高斯变量的条件分布仍为高斯，且可由有限维滤波序列逼近

对 Banach 空间值 X 与有限维 Y，条件分布 PX|Y(·|y) 几乎处处为高斯测度，其均值与协方差由 cov(X,Y)(cov Y)† 给出，且 Z=µX|Y∘Y 是 E(X|Y) 的一个版本并满足 cov(Z)=cov(X)−CX|Y、G(Z)⊂G(Y)。 此前 [8, Corollary 3.10.3] 只保证存在高斯版本而不给均值协方差公式，[56, 58] 的公式依赖 cov(Y) 的表示序列；本文在一般可分 Banach 空间 E 与有限维 Y 下给出显式公式并证明 Z 的分布性质。 定理 3.1 及其证明（第 6.1 节）通过 w∗-稠密对偶序列、有限维定理 2.3 与正则条件概率变换定理 D.2 逐项验证均值与协方差公式，并用 Hahn-Banach 与抽象协方差算子唯一性（引理 B.2）完成。

对无穷维 Y，引入滤波序列 (An) 与 Yn=An∘Y，证明 PX|Yn(·|An(y)) 弱收敛到 PX|Y(·|y)，均值在 E 范数下收敛、协方差算子在核范数下收敛，且 PX|Y(·|y) 为高斯测度。 此前无穷维条件分布的高斯性已知，但均值协方差公式在 F 非 Hilbert 时依赖难以获得的表示序列；本文用滤波序列把无穷维问题化为可计算的有限维投影极限，并给出核范数级别的协方差收敛。 定理 3.3 综合定理 3.1、鞅收敛定理 D.5、正则条件概率积分收敛定理 6.3 与一致胎紧性，逐条证明 i)–viii)，其中协方差收敛在核范数 ∥·∥nuc 下成立。

证明任意可分 Banach 空间都存在滤波序列，并给出 Hilbert 空间、RKHS、C(T)、C1([0,1]) 及一般函数 Banach 空间的具体构造；对可分 BSF 可构造伪度量使点赋值泛函分离。 此前滤波序列概念未系统化；本文把测度论条件翻译为对偶空间 w∗-稠密或分离序列（命题 4.1、4.3），并证明一般存在性（定理 4.2）与函数空间构造（定理 4.5、4.9、引理 4.10）。 命题 4.1、4.3、定理 4.2、4.5、4.9 及推论 4.4、4.6、4.7 均给出证明，构造依赖 w∗-拓扑可度量化（定理 A.1）与点赋值连续性。

应用于连续高斯过程：对闭 S⊂T 的部分无穷观测 Y=X|S，条件均值与协方差函数由有限观测 Sn 的公式一致收敛给出，且在观测点满足 mX|Y=g(s)=g(s)、kX|Y(s,t)=0，条件概率弱收敛。 此前 [35] 的一致收敛结果要求 S=T 且对观测模型加额外假设；本文允许一般闭 S⊂T 且无需额外观测模型假设，并给出弱收敛 (38)。 定理 5.2、5.3 由定理 3.1、3.3 与引理 8.1 推出，收敛在 C(T ) 上关于 t 一致，协方差关于 t1,t2 一致。

该结果适用于可分 Banach 空间 E、F 上的联合高斯变量，以及由滤波序列诱导的有限维观测；对连续高斯过程，适用于紧度量空间 T 与闭 S⊂T 的部分观测。它使研究者可以在 (reproducing kernel) Hilbert 空间、C(T )、C1([0,1]) 及一般函数 Banach 空间上，用点赋值或导数泛函构造可计算的有限维逼近，并据此得到条件均值、协方差与条件概率的收敛。对 GP4ML 实践者，这意味着教科书中的条件化公式在 C(T ) 上确实对应正则条件概率，且可用有限观测序列逼近无穷观测。

本文给出的是收敛性与存在性结果，未给出收敛速率；滤波序列的具体选择会影响逼近效率，但文中未比较不同构造的数值表现。对非高斯先验或非线性观测算子，本文方法不直接适用。此外，定理 3.3 的收敛在 PY-零集之外成立，实际使用中需注意该零集依赖版本选择。