函数序列的逐点收敛和一致收敛的理解

ComputerInBook

已于 2024-08-17 19:53:07 修改

阅读量1.4k

点赞数 30

分类专栏：数学与应用数学文章标签：函数序列收敛一致收敛

于 2024-08-17 19:52:20 首次发布

本文链接：https://blog.csdn.net/ComputerInBook/article/details/141285352

版权

数学与应用数学专栏收录该内容

112 篇文章 23 订阅

订阅专栏

1. 逐点收敛(Pointwise Convergence)

1.1 逐点收敛定义

1.2 对逐点收敛的理解

1.3 举例说明

2. 一致收敛(Uniform Convergence)

2.1 一致收敛定义

2.2 对一致收敛的理解

2.3 举例说明

1. 逐点收敛(Pointwise Convergence)

1.1 逐点收敛定义

我们令 $A \subset \mathbb{R}$ 为一个非空子集，并假设对于每一个 $n \in \mathbb{N}$ ，我们都有一个函数 $f_{n}: A \rightarrow \mathbb{R}$ 。则我们称 $( f_{n} )= (f_{1}, f_{2} ,f_{3} , ...)$ 是 $A$ 上的一个函数序列。

定义：令 $(f_{n})$ 为 $A \subseteq \mathbb{R}$ 上的一个函数序列。若对于每一个 $x \in A$ ，序列 $(f_{n}(x))$ 收敛于一个数 $f(x)$ ，即

$\displaystyle \lim_{n \rightarrow \infty}f_{n}(x)=f(x)$ ，

则我们称函数序列 $(f_{n})$ 在 $A$ 上逐点收敛于函数 $f (x)$ 。在这种情况下，我们称函数 $f (x)$ 为序列 $(f_{n})$ 的逐点极限。

引理(判别法)：令 $(f_{n})$ 为 A 上的一个函数序列， $f (x): A \rightarrow \mathbb{R}$ 为一个函数。当且仅当对于每一个 $x \in A$ 和每一个 $\varepsilon > 0$ ， 都存在一个 $K \in \mathbb{N}$ ，使得对于所有的 $n \geq K$ ，都有 $|f_{n}(x) - f (x) | < \varepsilon$ ，则称函数序列 $(f_{n})$ 逐点收敛于函数 $f (x): A \rightarrow \mathbb{R}$ 。

1.2 对逐点收敛的理解

根据定义，“对于每一个 x∈A 和每一个ε > 0”，我们应理解为每次先固定一个x和一个 ε (我们不妨设为 $x_{0}$ 和 $\varepsilon_{0}$ )，再去求这个 K ，这个函数序列在 n ≥ K 之后的所有序列项，其 $\{ f_{K}, f_{K+1} ,f_{K+2} , ... \}$ 中的所有项与这个固定的 $x_{0}$ 之间的函数值都在 $\varepsilon_{0}$ 范围内，即 $|f_{n}(x) - f (x_{0}) | <\varepsilon_{0}$ 。当我们取下一个 x和另一个 ε (我们不妨设为 $x_{1}$ 和 $\varepsilon_{1}$ )时，前面这个 K 就未必适合了，因此 K 又得变化，因此，所谓的对于每一个 x∈A 和每一个ε > 0 ，是逐个取值的。也就是说，这个K 的取值既受 x 的约束，也受ε 的约束，不同的 x 和 ε 取值，这个 K 是不一样的，不存在某个 K 和每一个ε > 0对整个区间上的x 都成立。

1.3 举例说明

我们设这个函数序列 $( f_{n}(x) = \frac{x}{n} )$ , 其示意图如图 1.3.1所示。

-------------------------------图 1.3.1：函数序列 $( f_{n}(x) = \frac{x}{n} )$ 示意图---------------------------------------

我们看到，这个函数序列的逐点收敛极限为 f(x) = 0 。当我们固定下第一个 x 值和ε > 0 时，K = 3 就足够大，n ≥ 3 之后的每一个 $f_{n}(x)$ 在这一点的函数值与 f (x) = 0 的距离都小于ε 。接下来，我们换一个 x 值，将取值向 x轴正方向前移一个位置，在这个位置，K = 3 已经不满足要求了，在这个 x 值处， $f_{3}(x)$ 函数值与 f (x) = 0 的距离大于 ε ，这时候，要取 K = 4 才能满足要求。也就是说，K 的取值既受限于x，与受限于 ε ，并不存在一个 K 对于取定的 ε 对所有 x 都成立(一致收敛例外)。从函数序列的图像的直观性上来讲，函数序列图像之间随着x 的变化其间距变化幅度较大，不一致。

2. 一致收敛(Uniform Convergence)

2.1 一致收敛定义

定义(判别法)：令 $(f_{n})$ 为 A 上的一个函数序列， $f (x): A \rightarrow \mathbb{R}$ 为一个函数。若对于任意 ε > 0 ， 都存在一个 $K\in \mathbb{N}$ ，使得只要 $n \ge K$ ，则对于所有的 $x \in A$ ，都有 $|f_{n}(x) - f (x) | < \varepsilon$ ，则称函数序列 $(f_{n})$ 在 A上一致收敛于函数 $f (x): A \rightarrow \mathbb{R}$ 。

2.2 对一致收敛的理解

根据一致收敛的定义， K 的取值仅与ε 有关，而与 x 无关。当我们取定了一个ε之后，就可以找到这么一个 K 值，在这个值之后的所有 $f_{n}$ 项，对于所有的x 值，其函数值与极限函数的距离都在ε 范围内。从直观上来看，这个 K 值之后的所有序列函数，其图像之间的间距变化幅度一致，总是在一定的范围内变化。

2.3 举例说明

我们设这个函数序列 $( f_{n}(x) = x + \frac{1}{n} )$ , 其示意图如图 1.3.2所示。

----------------------------图 1.3.2：函数序列 $( f_{n}(x) = x + \frac{1}{n} )$ 示意图-------------------------------------

我们看到，这个函数序列的一致收敛函数为 f(x) = x ，根据逐点收敛定义，首先它是逐点收敛的。而根据致收敛定义，它是一致收敛的。当我们取定了一个 ε 值之后，就能找到这么一个 K 值，n ≥ K 之后的所有函数序列对于有的 x ，它们与其极限函数之间的距离都小于ε 。也就是说，K的取值仅于ε有关，与 x 取值。任意取定一个x之后，函数序列总是在某一项之后能满足对于所有的 x 取值，其与极限函数的距离都小于这个ε。这些函数序列图像之间的距离在一定范围内变动，不会无限变大，一致。