一致收敛

                     

贡献者: JierPeter; addis

  

未完成:需添加预备知识,收敛或逐点收敛,以及一致连续。

1. 一致收敛的概念

   函数列 $f_n$ 逐点收敛到 $f$,只要求对于任意固定的 $x_0$,数列 $\{f_n(x_0)\}$ 收敛到 $f(x_0)$ 即可。接下来介绍的一致收敛则是一个更强的要求。

   阅读过程中要牢记,谈一致收敛的时候一定是限定了定义域的。同一个函数可能在一个区间里一致收敛,但是拓展一下定义域就不一致收敛了。例 1 例 2 中的反例,如果把定义域缩小为 $[1/3, 1/2]$,那么它们其实也是一致收敛的。

   一个函数列 $f_n(x)$ 一致收敛到 $f(x)$ 的定义是:当对于任意 $\epsilon > 0$,存在 $N$,当 $n \geqslant N$ 时对任意 $x$ 都有

\begin{equation}~, \left\lvert f_n(x) - f(x) \right\rvert < \epsilon \end{equation}
或者记为
\begin{equation} \lim_{n\to\infty} \left(\max \left\lvert f_n(x) - f(x) \right\rvert \right) = 0~, \end{equation}

   一致收敛是比(逐点)收敛更强的条件。

例 1 逐点收敛但不一致收敛的例子

   在区间 $(0, 1)$ 上考虑函数列 $f_n(x)=x^n$ 和函数 $f(x)=0$,则容易验证 $f_n$ 逐点收敛到 $f$。

   但是,对于任意 $\epsilon>0$ 和任意 $f_n$,总可以找到 $x\in(\epsilon^{1/n}, 1)$,使得 $f_n(x)>\epsilon$。因此按照定义,$f_n$一致收敛到 $f$。

例 2 逐点收敛但不一致收敛的例子

   在区间 $[0, 1]$ 上考虑函数列 $f_n(x)= \sin\left(\pi\cdot x^n\right) $ 和函数 $f(x)=0$,则容易验证 $f_n$ 逐点收敛到 $f$。

   但是,对于任意 $\epsilon>0$ 和任意 $f_n$,总可以找到 $x=\frac{1}{2^n}$,使得 $f_n(x)=1>\epsilon$。因此按照定义,$f_n$一致收敛到 $f$。

   逐点收敛只考虑,是不是每个点都收敛。而一致收敛的威力在于,有一个统一的进度,每个点收敛的进度不得比这更慢。例 1 例 2 里举出的反例就是如此,不管你怎么取 $\epsilon$ 作为限定,总存在跟不上进度的点,导致这种限定不是一致的。

   如果 $f_n$ 一致收敛到 $f$,那么我们会看到,随着 $n$ 增大,$f_n-f$ 的上下界越来越小,像是把函数列挤压到 $x$ 轴的过程。但是不一致收敛的函数,由于总存在不听话的、跟不上进度的点,就没法把函数压平。

   一致收敛还可以从 “函数之间的距离” 角度来考虑。

定义 1 函数的距离

  

   在同一定义域上给定两个函数 $f$ 和 $g$,定义它们之间的距离为 $ \operatorname {d}(f, g)= \operatorname {sup} \left\lvert f-g \right\rvert $,即距离为函数 $ \left\lvert f-g \right\rvert $ 的上确界

   有时候也记 $ \operatorname {d}(f, g)= \left\lvert \left\lvert f, g \right\rvert \right\rvert $。

   把每个函数看成 “函数的集合” 里的一个点,式 1 给出了衡量各点之间距离的方式。一致收敛的函数列,就是这个集合里一致收敛的点列。由此可见,一致收敛是一种更注重函数整体的性质。

2. 一致收敛的性质

   在研究和一致收敛相关的问题时,我们可以只考虑函数列收敛到 $f(x)=0$ 的情况。这是因为 $\{f_n(x)\}$(一致)收敛到 $f(x)$,等价于说 $\{f_n(x)-f(x)\}$ 一致收敛到 $0$。

定理 1 线性性

   设给定定义域上,函数列 $\{f_n\}$ 和 $\{g_n\}$ 分别一致收敛到 $f$ 和 $g$,且 $a, b$ 是任意常数,那么函数列 $\{af_n+bg_n\}$ 一致收敛到 $af+bg$ 上。

定理 2 有界乘积收敛

   设给定定义域上,函数列 $\{f_n\}$ 一致收敛到 $f$ 上,且 $g$ 是一个有界函数,那么 $\{gf_n\}$ 一致收敛到 $gf$ 上。

   定理 2 的一个证明思路提示:由于 $g$ 有界(设上下界绝对值中较大的为 $G$),因此 $gf_n$ 和 $gf$ 的偏差也是 “一致” 的,即不会超过 $Gf$。由此,对于给定的 $n$,如果 $ \left\lvert f_n(x)-f(x) \right\rvert <\epsilon$ 恒成立,那么 $ \left\lvert gf_n(x)-gf(x) \right\rvert < G\epsilon$ 恒成立,再由 $\epsilon$ 的任意性即可得证。

   如果取 $g$ 是无界函数,那么 $g$ 的趋于无穷的点就会让 $\{gf_n\}$ 出现一个跟不上进度的点,导致 $\{gf_n\}$ 不是一致收敛的,如例 3 所述。

例 3 

   在 $(0, 1)$ 上考虑函数列 $\{f_n(x)=1/n\}$,显然它一致收敛到 $f(x)=0$。

   取 $g(x)=1/x$,那么 $g$ 没有上下界。对于任意正整数 $n$ 和 $\epsilon>0$,总有 $x\in(0, \frac{1}{n\epsilon})$,使得 $g(x)f_n(x)>\epsilon$,从而 $\{gf_n\}$ 不一致收敛。

定理 3 双有界乘积收敛

   设给定定义域上,函数列 $\{f_n\}$ 和 $\{g_n\}$ 分别一致收敛到 $f$ 和 $g$,且 $f, g$ 都是有界函数,那么 $\{f_ng_n\}$ 一致收敛到 $fg$ 上。

   定理 3 的一个证明思路提示:设 $g$ 上下界中绝对值较大的为 $G$。$g_n$ 一致收敛,由一致收敛的定义,任取 $\epsilon>0$,存在正整数 $N$,使得编号 $n>N$ 时,所有 $g_n$ 都共享上下界 $G+\epsilon$ 和 $-G-\epsilon$。这样一来,问题就可以归结为定理 2 的情况,只不过这里固定的有界函数可以取常数函数 $G$。

定理 4 

   设给定定义域上,函数列 $\{f_n\}$ 和 $\{g_n\}$ 分别一致收敛到 $f$ 和 $g$,且 $f$ 是有界函数,$ \left\lvert g \right\rvert $ 有一个下界 $\delta>0$,那么 $\{\frac{f_n}{g_n}\}$ 一致收敛到 $\frac{f}{g}$。

   定理 4 的一个证明思路提示:利用 $ \left\lvert g \right\rvert $ 有一个非零下界,证明 $1/g_n$ 是一个有界函数,且 $1/g_n$ 一致收敛到 $1/g$。然后问题就可以归结为定理 3 的情况。

定理 5 链式收敛

   设给定定义域 $X$ 上,函数列 $\{f_n\}$ 一致收敛到 $f$ 上,且在区间 $I$ 上,$h(x)$ 是一个一致连续的函数,另外对于任意 $x\in X$,都有 $f_n(x)\in I, f(x)\in I$。

   那么 $h(f_n(x))$ 一致收敛到 $h(f(x))$ 上。

   定理 5 的要点是,$h$ 必须是一致收敛的,不可以把条件减弱成逐点收敛。

定理 6 柯西收敛原理

   函数列 $\{f_n\}$ 在定义域上一致收敛的充要条件是,对于任意 $\epsilon>0$,存在 $N$,使得对于任意正整数 $m, n>N$,都有 $ \left\lvert f_n(x)-f_m(x) \right\rvert >\epsilon$ 恒成立,或者用定义 1 的话来说,$ \left\lvert \left\lvert f_n-f_m \right\rvert \right\rvert >\epsilon$。

   这里的柯西收敛原理,其实就是直接引用了度量空间里的柯西收敛原理。

定理 7 Dini 定理

   如果连续函数$\{f_n\}$ 在闭区间$[a, b]$ 上逐点收敛到 $f$,且对于任意固定的 $x_0\in [a, b]$,数列 $\{f_n(x_0)\}$ 都是单调的,那么 $\{f_n\}$ 在 $[a, b]$ 上一致收敛到 $f$。

   定理 7 的一个证明思路提示:闭区间上的连续函数必然能取到最大和最小值,因此必然有界。又由于 $\{f_n(x_0)\}$ 都是单调的,进而 $\{f_n(x_0)-f(x_0)\}$ 都是单调的,因此 $f_n-f$ 的上下界也是单调函数。由于 $f_n-f$ 收敛到 $0$,因此 $f_n-f$ 的上下界都要收敛到 $0$,即 $f_n$ 和 $f$ 的距离要收敛到 $0$,从而得证。


致读者: 小时百科一直以来坚持所有内容免费无广告,这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此,我们请求广大读者热心打赏 ,使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元,我们一周就能脱离亏损, 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款, 他们的付出帮助了 99% 的读者免费获取知识, 我们在此表示感谢。

                     

友情链接: 超理论坛 | ©小时科技 保留一切权利