函数项级数(Series of Functions),借用WIKI上的定义:
In calculus, a function series is a series, where the summands are not just real or complex numbers but functions.Examples of function series include power series, Laurent series, Fourier series, etc.
也就是说,函数项级数的被加项是函数。幂级数、Laurent级数和Fourier级数都属于函数级数。
u1(x)+u2(x)+u3(x)+⋅⋅⋅=∑n=1∞un(x)
从上面的表述来看,貌似函数项级数与常数项级数唯一的差别就是被加项不同,但是,如果从几何上,你会发现它们的差异非常之大:
1)常数项级数收敛几何上表现为:无穷多个数(点)相加的值逼近(收敛)于一个数,典型的如这个“box分割”图
2)函数项级数收敛几何上表现为:无穷多条曲线叠加后逼近(收敛)于一条曲线,例如“余弦函数叠加构造方波”
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 6 * np.pi, 1024)
y0 = 0.5 * np.ones(x.size)
y1 = 0.673 * np.cos(x);
y2 = -0.212 * np.cos(3 * x)
y3 = 0.127 * np.cos(5 * x)
y = y0 + y1 + y2 + y3
plt.plot(x, y0, 'g:')
plt.plot(x, y1, 'y:')
plt.plot(x, y2, 'm:')
plt.plot(x, y3, 'c:')
plt.plot(x, y, 'r')
plt.show()
如上图所示,各色虚线叠加后变成了红色实线。需要注意的时,这里仅仅为了演示,没有画无穷多条线。
很显然,常数项级数收敛是点的收敛,而函数项级数收敛是线的收敛,后者比前者高了一个维度。对于函数项级数,只有站在曲线叠加的角度来看,才能很好地理解与之相关的各个概念,比如:和函数、一致收敛等。
一、和函数与一致收敛
1,和函数(sum function)与部分和(partial sum)
本章的概念比较多,和函数是第一个关键概念。
S(x)=∑n=1∞un(x)=limn→∞∑k=1nuk(x)
注1:和函数存在的前提条件是 x∈I 时,该级数收敛。即只有在收敛的前提条件下讨论和函数才有意义。其中,I是一个区间,专业名称叫“收敛域”。
注2:上式右边是和函数,左边是部分和的极限,它反映了和函数与部分和的联系。
2,一致收敛(Uniform Convergence)和逐点收敛(Pointwise Convergence)
WIKI - Uniform Convergence对这两个概念的解释比较到位。简单来说,逐点收敛并不能确保和函数是连续的,比如:
u1(x)=x,u2(x)=x2−x,⋅⋅⋅un(x)=xn−xn−1,∑n=1∞un(x)
S(x)=limn→+∞∑k=1nuk(x)=limn→+∞xn={
0,1,x∈[0,1)x=1
一致收敛,WIKI上形象的说:它要求 fn 不但要收敛于f,而且收敛的速度要一致。有没有想到什么?第一章的“函数连续和函数一致连续”!
Loosely speaking, this means that fn converges to f at a “uniform” speed on its entire domain, independent of x.
关于一致收敛, 同济版《高等数学》12-6节,从几何的角度来描述,感觉要容易理解得多。原话如下:
只要 n 充分大 ( n > N ),在区间 I 上所有曲线 y=sn(x) 将位于曲线 y=S(x)−ϵ 与 曲线 y=S(x)+ϵ 之间,如下图
3,Cauthy一致收敛准则
对于一致收敛,直接从定义来判断,比较麻烦,可以应用Cauthy收敛准则。不同的是,要将被加项由常数项改为函数。
|∑k=n+1n+puk(x)|<ϵ
注:它要求的是收敛域中的所有x都满足上式,而不是某几个点 x0,x1,x2,... 。
二、一致收敛级数的分析性质
1,连续性
1)被加项连续,则收敛项也连续。
if"fn∈C(I)"and"{
fn}→f"⇒"f∈C(I)"
2)被加项连续,则和函数连续
"fn∈C(I)"⇒"S(x)∈C(I)"
2,逐项可积
∫baf(x)dx=limn→∞∫bafn(x)dx
∫ba[