漫步数学分析二十一——逐点收敛与一致收敛-CSDN博客

对一个函数序列来说，最自然的收敛类型可能是逐点(pointwise)收敛，定义如下。

$\textbf{定义1}$ 函数序列 $f_k:A\to R^m,A\subset R^n$ 逐点收敛到 $f:A\to R^m$ ，如果对于每个 $x\in A,f_k(x)\to f(x)$ 的话(像 $R^m$ 中的序列收敛一样)。如果 $f_k$ 逐点收敛到 $f$ ，我们经常写成 $f_k\to f$ 。

这种类型的收敛在某些情况下是非常有用的，而在其他情况下就没有意义了。逐点收敛的主要弊端在于即便函数 $f_k$ 是连续的， $f$ 却不一定连续。例如，考虑图1，

f k (x) = {0 - k x + 1 x \geq 1 k 0 \leq x < 1 k

$f_k(x)= \begin{cases} 0&x\geq\frac{1}{k}\\ -kx+1&0\leq x<\frac{1}{k} \end{cases}$

图1

在这种情况下，对于每个 $x\in[0,1],f_k(x)$ 收敛。如果 $x\neq 0,f_k(x)\to 0$ (因为 $k$ 足够大时 $f_k(x)=0$ )，而如果 $x=0,f_k(x)\to 1$ (对于所有的 $k,f_k(0)=1$ )，所以极限是

f (x) = {01 x \neq 0 x = 0

$f(x)= \begin{cases} 0&x\neq 0\\ 1&x=0 \end{cases}$

这不是连续函数。

我们如何避免这种情况呢？无论 $k$ 多大，总是存在 $f_k$ 不靠近 $f$ 的点。为了修正这种情况，我们引入一个概念，他能够保证 $f_k$ 一致靠近 $f$ (即，对所有的 $x\in A$ 都靠近)。

$\textbf{定义2}$ 令 $f_k:A\to R^m$ 是一个函数序列，且都满足下列性质：对于每个 $\varepsilon>0$ ，存在一个 $N$ 使得 $k\geq N$ 意味着对所有的 $x\in A$ 不等式 $\Vert f_k(x)-f(x)\Vert<\varepsilon$ 成立。在这个条件下，我们说 $f_k$ 一致收敛到 $f$ 并写作 $f_k\to f$ 。

条件 $\Vert f_k(x)-f(x)\Vert<\varepsilon$ 意味着 $f_k$ 在 $f$ 邻域 $\varepsilon$ 的任何地方。我们将 $f_k$ 看成 $f$ 的一条彩带，左右宽度为 $\varepsilon$ ，如图2

图2

也许另一个例子会更好理解。考虑 $R$ 上的序列

f k (x) = {01 x < k x \geq k

$f_k(x)= \begin{cases} 0&x<k\\ 1&x\geq k \end{cases}$

$(k=1,2,3,\ldots)$ ，那么 $f_k\to 0$ ，因为对于每个 $x\in R$ ，当 $k$ 充分大时( $k>x$ ) $f_k(x)=0$ 。然而， $f_k$ 不会一致收敛到零，因为无论 $k$ 多么大，总会存在点 $x$ 使得 $f_k(x)-0$ 不那么小。

通过观察可以看出，如果 $f_k\to f$ (一致)，那么 $f_k\to f$ (逐点)。这是因为对任意 $x\in A,\varepsilon>0$ ，我们有一个 $N$ 使得 $k\geq N$ 时， $\Vert f_k(x)-f(x)\Vert<\varepsilon$ ，也就是 $f_k(x)\to f(x)$ 。对于函数级数，我们可以定义同样的定义。

$\textbf{定义3}$ 我们说级数 $\Sigma_{k=1}^\infty g_k$ 逐点收敛到 $g$ 并写成 $\Sigma_{k=1}^\infty g_k=g$ ，如果序列 $s_k\Sigma_{i=1}^k g_i$ 逐点收敛到 $g$ 。另外，我们说级数 $\Sigma_{k=1}^\infty g_k$ 一致收敛到 $g$ ，如果 $s_k\to g$ 。对于一个序列 $f_k$ (或者级数 $\Sigma g_k$ )，我们说 $f_k$ (或 $\Sigma g_k$ )一致收敛，如果存在一个一致收敛的函数的话。