漫步数学分析番外五(下)

接下来我们不证明定理10，而是更加一般的结论。

$\textbf{定理10}^\prime$ 令$X$是一个完备度量空间，令$T:X\to X$是一个压缩映射：$d(T(x),T(y))\leq\lambda d(x,y)$，其中$0\leq\lambda<1$是一个不动的常数，那么$T$是连续的且有唯一的一个不动点。

$\textbf{证明：}$可以立刻得出$T$是一致收敛的，因为给定$\varepsilon>0$，我们可以用$\delta=\varepsilon/\lambda;d(x,y)<\delta$ 意味着$d(T(x),T(y))<\lambda\delta=\varepsilon$。

令$x_0\in X,x_1=T(x_0),x_2=T(x_1),\ldots,x_{n+1}=T(x_n)=T^{n+1}(x_0)$，我们断言$x_n$是一个柯西序列。注意

$$\begin{align*} d(x_{n+1},x_n) &=d(T(x_n),T(x_{n-1}))\\ &\leq\lambda d(x_n,x_{n-1})\\ &=\lambda d(T(x_{n-1}),T(x_{n-2}))\\ &\leq\lambda^2 d(x_{n-1},x_{n-2})\\ &\ \vdots\\ &\leq\lambda^n d(Tx_0,x_0) \end{align*}$$

因此

$$\begin{align*} d(x_n,x_{n+k}) &\leq d(x_n,x_{n+1})+d(x_{n+1},x_{n+2})+\cdots+d(x_{n+k-1},x_{n+k})\\ &\leq(\lambda^n+\lambda^{n+1}+\cdots+\lambda^{n+k-1})d(Tx_0,x_0) \end{align*}$$

因为$\lambda<1,\Sigma\lambda^n$是一个收敛的几何级数，所以给定$\varepsilon>0$，存在一个$N$使得$n\geq N$意味着$(\lambda^n+\cdots+\lambda^{n+k-1})<\varepsilon/d(Tx_0,x_0)$，因此$n\geq N$意味着$d(x_n,x_{n+k})<\varepsilon$，从而我们得到一个柯西序列，根据完备性假设，存在$x\in X$使得$x_n\to x$。

我们断言$Tx=x$。实际上，$x=\lim_{n\to\infty}x_n$，所以根据$T$的连续性可知$Tx=\lim_{n\to\infty}T(x_n)$，但是$Tx_n=x_{n+1}$，所以$Tx=\lim_{n\to\infty}x_{n+1}=x$。

最后，不动点$x$是唯一的，因为假设$Tx=x,Ty=y$，那么

$$d(x,y)=d(Tx,Ty)\leq\lambda d(x,y)$$

如果$d(x,y)\neq0$，我们将得出$1\leq\lambda$，矛盾，因此$d(x,y)=0$，所以$x=y$。

$\textbf{定理11}$ 令$f:[0,1]\to R$是连续函数且令$\varepsilon>0$，那么存在一个多项式$p(x)$使得$\Vert p-f\Vert<\varepsilon$。事实上，伯恩斯坦多项式序列

$$p_n(x)=\sum_{k=0}^n\begin{pmatrix}n\\k\end{pmatrix}f\left(\frac{k}{n}\right)x^k(1-x)^{n-k}$$

在$n\to\infty$时，一致收敛到$f$，其中

$$\begin{pmatrix} n\\ k \end{pmatrix} \frac{n!}{k!(n-k)!}$$

表示二项式系数。

$\textbf{证明：}$二项式定理表明

$$\begin{equation} (x+y)^n=\sum_{k=0}^n\begin{pmatrix}n\\k\end{pmatrix}x^ky^{n-k}\tag1 \end{equation}$$

方程1对$x$进行微分并乘以$x$得

$$\begin{equation} nx(x+y)^{n-1}=\sum_{k=0}^nk\begin{pmatrix}n\\k\end{pmatrix}x^ky^{n-k}\tag2 \end{equation}$$

同样地，在进行微分得

$$\begin{equation} n(n-1)x^2(x+y)^{n-2}=\sum_{k=0}^nk(k-1)\begin{pmatrix}n\\k\end{pmatrix}x^ky^{n-k}\tag3 \end{equation}$$

令$r_k(x)=\begin{pmatrix}n\\k\end{pmatrix}x^k(1-x)^{n-k}$，$y=1-x$，那么方程1,2,3可写为

$$\sum_{k=0}^nr_k(x)=1,\quad\sum_{k=0}^nkr_k(x)=nx ,\quad\sum_{k=0}^nk(k-1)r_k(x)=n(n-1)x^2$$

由此可得下面的等式

$$\begin{align} \sum_{k=0}^n(k-nx)^2r_k(x) &=n^2x^2\sum_{k=0}^nr_k(x)-2nx\sum_{k=0}^nkr_k(x)+\sum_{k=0}^nk^2r_k(x)\nonumber\\ &=n^2x^2-2nx\cdot nx+[nx+n(n-1)x^2]\\ &=nx(1-x)\tag4 \end{align}$$

接下来选择$M$使得在$[0,1]$上$|f(x)|\leq M$。因为$f$是一致连续的，那么对于$\varepsilon>0$，存在一个$\delta>0$使得$|x-y|<\delta$意味着$|f(x)-f(y)|<\varepsilon$。

我们想估计表达式

$$\begin{align*} |f(x)-p_n(x)| &=\left|f(x)-\sum_{k=0}^nf(k/n)r_k(x)\right|\\ &=\left|\sum_{k=0}^n\left(f(x)-f(\frac{k}{n})\right)r_k(x)\right| \end{align*}$$

为此，将和分成两部分；一部分是$|k-nx|<\delta n$而另一部分是$|k-nx|\geq\delta n$。如果$|k-nx|<\delta n$，那么$|x-(k/n)|<\delta$，所以$|f(x)-f(k/n)|<\varepsilon$，又因为$r_k(x)\geq 0$，所以这些项的和$\leq\varepsilon\Sigma r_k(x)=\varepsilon$。第二种类型的和

$$\leq2M\sum_{|k-nx|\geq\delta n}r_k(x)\leq\frac{2M}{n^2\delta^2}\sum_{k=0}^n(k-nx)^2r_k(x)$$

根据公式4可变为

$$\frac{2Mx(1-x)}{n\delta^2}\leq\frac{M}{2\delta^2n}$$

(因为$x(1-x)\leq1/4$)，从而我们就证明了对于任意的$\varepsilon>0$，存在一个$\delta>0$使得

$$|f(x)-p_n(x)|<\varepsilon+\frac{M}{2\delta^2n}$$

所以当$n$充分大时，$M/(2\delta^2n)<\varepsilon$，所以如果$n\geq M/2\delta^2\varepsilon$，那么

$$|f(x)-p_n(x)|<2\varepsilon$$

从而$p_n\to f$一致收敛。$||$

$\textbf{定理12}$ 令$A\subset R^n$是紧集并且$\mathscr{B}\subset\mathscr{C}(A,R)$满足

1. $\mathscr{B}$是一个代数(algebra)；即，$f,g\in\mathscr{B},\alpha\in R\Rightarrow f+g\in\mathscr{B},f\cdot g\in\mathscr{B},\alpha f\in\mathscr{B}$;
2. 常函数$x\mapsto 1$位于$\mathscr{B}$中；
3. $\mathscr{B}$分离点；即，对于$x,y\in A,x\neq y$，那么存在$f\in\mathscr{B}$使得$f(x)\neq f(y)$。

那么$\mathscr{B}$在$\mathscr{C}(A,R)$中是稠密的；即，$\text{cl}(\mathscr{B})=\mathscr{C}(A,R)$。

$\textbf{证明：}$我们首先引入一些概念：

$$(f\vee g)(x)=\max{(f(x),g(x))}\quad (f\wedge g)(x)=\min{(f(x),g(x))}$$

(如图$\ref{fig:5-6}$所示)令$\bar{\mathscr{B}}$是$\mathscr{B}$的闭包，那么根据加法与乘法的连续性，我们可以看出$\bar{\mathscr{B}}$也满足$\textrm{(i)}$，很明显它满足$\textrm{(ii),(iii)}$，所以$\bar{\mathscr{B}}$是闭的，接下来我们说明$\bar{\mathscr{B}}=\mathscr{C}(A,R)$。

根据前面的定理我们可以找到一个多项式$p_n(t)$序列使得

$$||t|-p_n(t)|<\frac{1}{n}\quad -n\leq t\leq n$$

从而

$$||f(x)|-p_n(f(x))|<\frac{1}{n}\quad -n\leq f(x)\leq n$$

这就证明了对于$f\in\bar{\mathscr{B}},|f|\in\bar{\mathscr{B}}$。

接下来我们利用等式

$$\begin{align*} &f\vee g=\frac{f+g}{2}+\frac{|f-g|}{2}\\ &f\wedge g=\frac{f+g}{2}-\frac{|f-g|}{2} \end{align*}$$
所以如果 $f,g\in\bar{\mathscr{B}}$，那么 $f\vee g,f\wedge g$也位于 $\bar{\mathscr{B}}$。

图1

令 $h\in\mathscr{C}(A,R),x_1,x_2\in A,x_1\neq x_2$。选择 $g\in\mathscr{B}$使得 $g(x_1)=g(x_2)$(根据假设 $\textrm{(iii)}$可知该式成立)，令
$$f_{x_1x_2}(x)=\alpha g(x)+\beta$$

其中

$$\alpha=\frac{[h(x_1)-h(x-2)]}{[g(x_1)-g(x_2)]}\quad\beta=\frac{[g(x_1)h(x_2)-h(x_1)g(x_2)]}{[g(x_1)-g(x_2)]}$$

$\alpha,\beta$的选取使得$f_{x_1x_2}(x_1)=h(x_1),f_{x_1x_2}(x_2)=h(x_2)$。

令$\varepsilon>0,x\in A$，对于$y\in A$存在一个$y$的邻域$U(y)$使得

$$f_{yx}(z)>h(z)-\varepsilon\quad \text{如果}z\in U(y)$$

这由$h$的连续性可得。令$U(y_1),\ldots,U(y_l)$是$A$的一个有限子覆盖，根据海涅-博雷尔定理可知这是存在的。令$f_x=f_{y_1x}\vee\cdots\vee f_{y_lx}$，从而$f_x\in\bar{\mathscr{B}}$且对于所有的$z\in A,f_x(z)>h(z)-\varepsilon$。另外$f_x(x)=h(x)$，因此存在一个邻域$V(x)$ 使得如果$y\in V(x)$，那么$f_x(y)<h(y)+\varepsilon$，令$V(x_1),\ldots,V(x_k)$覆盖$A$且令

$$f=f_{x_1}\wedge\cdots\wedge f_{x_k}$$

那么在此得出$f\in\bar{\mathscr{B}}$。接下里因为对所有的$u\in A,f_{x_j}(u)>h(u)-\varepsilon$并且对于$y\in A$，存在某个$x_j$使得$y\in V(x_j)$，所以$f(y)\leq f_{x_j}(y)<h(y)+\varepsilon$，从而$|f(z)-h(z)|<\varepsilon$，所以$h\in\bar{\mathscr{B}}$，故$\bar{\mathscr{B}}=\mathscr{C}(A,R)$。$||$

下面的定理13与14都用到阿贝尔部分求和公式；下面的用到了这个公式。

$\textbf{引理1}$ 考虑两个实数序列$a_1,a_2,\ldots,b_1,b_2,\ldots$，令$s_n=a_1+\cdots+a_n$，那么

$$\begin{align*} \sum_{k=1}^na_kb_k &=s_nb_{n+1}-\sum_{k=1}^ns_k(b_{k+1}-b_k)\\ &=s_nb_1+\sum_{k=1}^n(s_n-s_k)(b_{k+1}-b_k) \end{align*}$$

$\textbf{证明：}$注意$a_n=s_n-s_{n-1}$，那么

$$\sum_{k=1}^na_kb_k=\sum_{k=1}^n(s_k-s_{k-1}b_k)=\sum_{k=1}^ns_kb_k-\sum_{k=1}^ns_{k-1}b_k$$

其中$s_0=0$，接下来

$$\sum_{k=1}^ns_{k-1}b_k=\sum_{k=1}^ns_kb_{k+1}-s_nb_{n+1}$$

所以我们得到第一个结果。将

$$b_{n+1}=\sum_{k=1}^n(b_{k+1}-b_k)+b_1$$

代入第一个等式即可得出第二个等式。$||$

$\textbf{定理13}$(阿贝尔测试) 令$A\subset R^m,\varphi_n:A\to R$是递减的函数序列；即对每个$x\in A,\varphi_{n+1}(x)\leq\varphi_n(x)$。假设有一个常数$M$ 使得对所有的$x\in A,n$，不等式$|\varphi_n(x)|\leq M$成立，如果$\Sigma_{n=1}^\infty f_n(x)$在$A$上一致收敛，那么$\Sigma_{n=1}^\infty\varphi_n(x)f_n(x)$也一致收敛。

$\textbf{证明：}$令

$$s_n(x)=\sum_{k=1}^nf_k(x)\quad r_n(x)=\sum_{k=1}^n\varphi_n(x)f_k(x)$$

那么根据引理的第二个等式，我们可以找出$n>m$时

$$r_n(x)-r_m(x)=(s_n(x)-s_m(x))\varphi_1(x)+\sum_{k=m+1}^n(s_n(x)-s_k(x))(\varphi_{k+1}(x)-\varphi(x))$$

使得

$$|r_n(x)-r_m(x)|\leq|s_n(x)-s_m(x)||\varphi_1(x)|+\sum_{k=m+1}^n|s_n-s_k||\varphi_{k+1}(x)-\varphi_k(x)|$$

另外

$$\varphi_{k+1}\leq\varphi_k,\quad |\varphi_{k+1}-\varphi_k|=\varphi_k-\varphi_{k+1}$$

给定$\varepsilon>0$，选择$N$使得$n,m\geq N$意味着对所有的$x\in A$，不等式$|s_n(x)-s_m(x)|<\varepsilon/3M$成立，那么对于所有的$x\in A$，

$$\begin{align*} |r_n(x)-r_m(x)| &<\frac{\varepsilon}{3}+\left(\frac{\varepsilon}{3M}\right)\sum_{k=m+1}^n[\varphi_k(x)-\varphi_{k+1}(x)]\\ &=\frac{\varepsilon}{3}+\left(\frac{\varepsilon}{3M}\right)[\varphi_{m+1}(x)-\varphi_{n+1}(x)]\\ &\leq\frac{\varepsilon}{3}+\left(\frac{\varepsilon}{3M}\right)[|\varphi_{m+1}(x)|+|\varphi_{n+1}(x)|]\\ &\leq\frac{\varepsilon}{3}+\leq\frac{\varepsilon}{3}+\leq\frac{\varepsilon}{3}=\varepsilon \end{align*}$$

从而根据柯西判别准则可知，$f_n(x)$一致收敛。$||$

$\textbf{定理14}$(狄利克雷测试) 对序列$f_n:A\subset R^m\to R$，令$s_n(x)=\Sigma_{m=1}^n f_m(x)$，假设有一个常数$M$使得对所有的$x\in A,n$，不等式$|s_n(x)|\leq M$成立，令$g_n:A\subset R^m\to R$是$g_n\to 0$(一致)，$g_n\geq 0,g_{n+1}\leq g_{n}(x)$，那么$\Sigma_{n=1}^\infty f_n(x)g_n(x)$ 在$A$上一致收敛。

$\textbf{证明：}$我们依然用上面证明的符号，$\varphi_n=g_n$。那么为了计算$r_n-r_m$我们利用引理的第一个等式，即

$$\begin{align*} r_n(x)-r_m(x) &=s_n(x)\varphi_{n+1}(x)-s_m(x)\varphi_{m+1}(x)\\ &-\sum_{k=m+1}^n s_k(x)(\varphi_{k+1}(x)-\varphi_k(x)) \end{align*}$$

因为$\varphi\geq0,\varphi_{k+1}\leq\varphi_{k}$，

$$\begin{align*} |r_n(x)-r_m(x)|&\leq M(\varphi_{n+1}(x)+\varphi_{m+1}(x))\\ &+M\sum_{k=M+1}^n(\varphi_k(x)-\varphi_{k+1}(x))\\ &=M(\varphi(x)+\varphi_{m+1}(x)+\varphi_{m+1}(x)-\varphi_{n+1}(x))\\ &=2M\varphi_{m+1}(x) \end{align*}$$

接下里，给定$\varepsilon>0$，选择$N$使得$m>N$意味着对于所有的$x$不等式$\varphi_m(x)<\varepsilon/2M$，那么$m,n\geq N$意味着$|r_n(x)-r_{m}(x)|<\varepsilon$，证毕。$||$

$\textbf{定理15}$ 对$|x|<R,\Sigma_{k=0}^\infty a_kx^k$ 绝对收敛，对$|x|\leq R^\prime$，级数一致收敛，其中$R^\prime<R$，如果$|x|>R$，那么级数发散。(如果$|x|=R$的话，该定理没有给出任何信息)

$\textbf{证明：}$令$R^\prime<R$，选择$R^n$使得$R^\prime<R^n<R$，那么当$n$充分大时

$$\sqrt[n]{|a_n|}\leq\frac{1}{R^n},\quad\text{即}|a_n|\leq\left(\frac{1}{R^n}\right)^n$$

这里如果$|x|\leq R^\prime$，那么

$$|a_nx^n|\leq\left(\frac{R^\prime}{R^n}\right)^n$$

因为$R^\prime/R^n<1$，所以根据魏尔斯特拉斯M测试可知在$|x|\leq R^\prime$园内，该级数一致绝对收敛。

另一方面，假设$\Sigma a_nx^n$收敛，那么$a_nx^n\to 0$，所以当$n$充分大时$|a_nx^n|\leq 1$，从而$n$充分大时$\sqrt[n]{a_n}\leq|x|^{-1}$，因此$R^{-1}=\lim\sup\sqrt[n]{|a_n|}\leq|x|^{-1}$，即$|x|\leq R$。$||$

$\textbf{推论4}$ 幂级数的和是其收敛圆内的$C^\infty$ 函数，它可以逐项微分并且微分级数有相同的收敛半径。

$\textbf{证明：}$通过逐项积分得到的级数是$\Sigma ka_kx^{k-1}$，收敛半径是$R^\prime$，其中

$$1/R^\prime=\lim\sup\sqrt[k]{k|a_k|}$$

但是$\sqrt[k]{k}\to 1$，所以

$$\frac{1}{R^\prime}=\lim\sup\sqrt[k]{|a_k|}=\frac{1}{R},\text{即}R^\prime=R$$

从而根据定理3，微分级数在任意小的圆内一致收敛，所以它是原来级数和的导数。利用归纳法我们可以看出无限可微。$||$

$\textbf{定理16}$(阿贝尔) 如果$\Sigma_{k=0}^\infty a_k=A$，那么对于$|x|<1,\Sigma_{k=0}^\infty a_kx^k$收敛且$\lim_{x\to1^{-}}\Sigma_{k=0}^\infty a_kx^k=A$。

$\textbf{证明：}$通过改变$a_0$，我们可以假设$A=0$。因为$a_k$是有界的(事实上$a_k\to 0$)，根据定理15可知当$|x|<1$时级数$\Sigma a_kx^k$在收敛半径中收敛。

令$S_n=\Sigma_{k=0}^na_k$，当$n\to\infty$时，$S_n$是有界的，级数$\Sigma S_kx^k$在$|x|<1$时同样收敛。接下来，因为$A=0,n\to\infty$时$S_n\to 0$，令$f(x)=\Sigma_{k=0}^\infty a_kx^k,|x|<1$，那么

$$\begin{align*} f(x) &=S_0+\sum_{k=1}^\infty(S_k-S_{k-1})x^k\\ &=(1-x)\sum_{k=0}^\infty S_kx^k \end{align*}$$
因为 $S_n\to 0$，给定 $\varepsilon>0$，我们可以找到 $n_0$使得 $n>n_0$时 $|S_n|\leq\varepsilon$，那么
$$\begin{align*} |f(x)| &\leq(1-x)\left|\sum_{k=0}^{n_0}S_kx^k\right|+(1-x)\sum_{k=n_0+1}^\infty\varepsilon x^k\\ &\leq(1-x)\left|\sum_{k=0^{n_0}}S_kx^k\right|+(1-x)\cdot\varepsilon x^{n_0+1}(1-x)^{-1}\\ &\leq(1-x)\left|\sum_{k=0^{n_0}}S_kx^k\right|+\varepsilon \end{align*}$$
于是 $\lim\sup_{x\to1^{-}}|f(x)|\leq\varepsilon$。因为 $\varepsilon>0$是任意的，故
$$\lim_{x\to1^{-}}f(x)=0\quad ||$$

$\textbf{定理17}$ $\Sigma_{k=0}^\infty a_k=A(C,1)$意味着$\Sigma_{k=0}^\infty a_k=A$(阿贝尔)。

$\textbf{证明：}$跟前面类似，我们假设$A=0$，$S_n=\Sigma_{k=0}^na_k,T_n=\Sigma_{k=0}^nS_k$，那么根据假设，$T_n=O(n)$，从而$S_n=T_n-T_{n-1}=O(n),a_n=S_n-S-{n-1}=O(n)$，那么如果$|x|<1$，三个级数$\Sigma a_kx^k,\Sigma S_kx^k,\Sigma T_kx^k$均收敛。另外

$$\begin{align*} f(x) &=\sum a_kx^k=(1-x)\sum S_kx^k\\ &=(1-x)^2\sum T_kx^k \end{align*}$$
接下里，因为 $T_n=O(n)$，那么给定 $\varepsilon>0$，我们可以选择 $n_0$使得 $n\geq n_0$意味着 $|T_n|\leq\varepsilon n$，那么
$$\begin{align*} |f(x)| &\leq(-x)^2\left|\sum_{k\leq n_0}T_kx^k\right|+(1-x)^2\sum_{k>n_0}\varepsilon kx^k\\ &\leq(-x)^2\left|\sum_{k\leq n_0}T_kx^k\right|+(1-x)^2\cdot\varepsilon x(1-x)^{-2} \end{align*}$$
我们找出 $\lim_{x\to1^{-}}\sup|f(x)|\leq\varepsilon$。从而就像前面的定理那样， $\lim_{x\to1^{-}}=0$。 $||$

$\textbf{定理18}$ 如果$\Sigma a_n=A(C,1),a_n=O(1/n)$(即，对于常数$M$以及充分大的$n,|a_n|\leq M/n$)，那么$\Sigma a_n$在一般意义下收敛(到$A$)。

$\textbf{证明：}$与平常一样，假设$A=0,S_n=\Sigma_1^na_k,T_n=\Sigma_1^nS_k$，那么第一个假设可以写成$T_n=o(n)$，第二个假设意味着存在一个常数$C$使得对所有的$n,|a_n|\leq C/n$。

我们想要说明$S_n\to 0$，如果这个结论不成立，那么存在某个$\delta>0$使得对无限多个$n$不等式$|S_n|\geq\delta$成立。但是如果$S_n\geq\delta,r>S$，我们将得到

$$\begin{align*} S_r &=S_n+a_{n+1}+a_{n+2}+\cdots+a_r\\ &\geq\delta-C(\frac{1}{n+1}+\cdots+\frac{1}{r})\\ &\geq\delta-C\log\left(\frac{r}{n}\right) \end{align*}$$
在 $C\log\left(\frac{r}{n}\right)\leq\delta/2$的时候，即 $r/n\leq e^{\delta/2C}=\lambda$，上式将 $\geq\delta/2$，从而
$$([\lambda n]-n)\frac{\delta}{2}\leq\sum_{r=n+1}^{[\lambda v]}S_r=T_{[\lambda n]}-T_n$$

(这里$[x]$意味着$\leq x$的最大整数)那么不等式右边就是$o(n)$，但是左边是$(\lambda-1)\delta n/2$，推出矛盾，从而$S_n$必须趋向于0。$||$

$\textbf{例1：}$$\textrm{(i)}$如果$f_k\to f$(逐点)，$g_k\to g$(逐点)，那么说明对函数$f,g:A\subset R^n\to R^m,f_k+g_k\to f+g$(逐点)。

$\textrm{(ii)}$考虑一致收敛的情况。

$\textbf{证明：}$$\textrm{(i)}$对于$x\in A$，我们必须说明$(f_k+g_k)(x)\to(f+g)(x)$。给定$\varepsilon>0$，选择$N_1$使得$k\geq N_1$意味着$\Vert f_k(x)-f(x)\Vert\leq\varepsilon/2$，$N_2$使得$k\geq N_2$意味着$\Vert g_k(x)-g(x)\Vert<\varepsilon/2$，那么令$N=\max\{(N_1,N_2)\}$，这样的话$k\geq N$意味着(三角不等式)

$$\Vert(f_k+g_k)(x)-(f+g)(x)\Vert\leq\Vert f_k(x)-f(x)\Vert+\Vert g_k(x)-g(x)\Vert<\varepsilon$$

$\textrm{(ii)}$与$\textrm{(i)}$类似，不过需改成对所有的$x\in A$均成立。

$\textbf{例2：}$证明序列$f_k:A\to R^n$逐点(一致)收敛当且仅当每个元素逐点(一致)收敛。

$\textbf{解：}$逐点收敛可从下面事实得出：$R^m$中的序列收敛当且仅当它的元素也收敛。然而再次写出论据后可以看出一致收敛以成立。

令$x=(x^1,\ldots,x^m)\in R^m$，那么$|x^i|\leq\Vert x\Vert\leq\Sigma_{i=1}^m|x|$，第一个不等式显然成立而第二个利用了三角不等式，这时我们将$x$写成$x=(x^1,0,\ldots,0)+(0,x^2,0,\ldots,0)+\cdots+(0,0,\ldots,x^m)$。

在$f_k=(f_k^1,\ldots,f_k^m)$上应用三角不等式得

$$|f_k^i(x)-f^i(x)|\leq\Vert f_k(x)-f(x)\Vert\leq\sum_{i=1}^m|f_k^i(x)-f^i(x)|$$

接下来如果对所有的$x,f_k(x)$是一个柯西序列，那么根据第一个不等式可知$f_k^i(x)$都是，从而$f_k$逐点收敛意味着$f_k^i$逐点收敛，依然利用该不等式以及定理2表明如果$f_k$一致收敛，那么$f_k^i$一致收敛。

反过来，假设$f_k^i(x)$对每个$i,x$均收敛，选择$N_i$使得$k,l\geq N_i$意味着$|f_k^i(x)-f_l^i(x)|<\varepsilon/m$，那么如果$N=\max{(N_1,\ldots,N_m)},k,l\geq N$意味着$\Vert f_k(x)-f_l(x)\Vert<\varepsilon/m+\cdots+\varepsilon/m=\varepsilon$，所以$f_k(x)$收敛。

对于一致收敛，证明过程与上面类似，只需要改成对所有的$x\in A$均成立即可。

$\textbf{例3：}$找出一个序列$f_k$，它在$[0,\infty)$上一致收敛到零，每个$\int_0^\infty f_k(x)dx$存在(即收敛)，但是$\int_0^\infty f_k(x)\to+\infty$。这与定理4矛盾吗？

$\textbf{解：}$令

$$f_k(x)= \begin{cases} \frac{1}{k},&0\leq x\leq k^2\\ 0,&x>k^2 \end{cases}$$

那么$f_k\to0$是一致的，因为对于所有的$x,|f_k(x)|\leq 1/k$。然而

$$\int_0^\infty f_k(x)dx=\frac{k^2}{k}=k\to\infty$$

可是这与定理4并不矛盾，因为该定理处理的是有限区间。

$\textbf{例4：}$(狄尼(Dini)定理)令$A\subset R^n$是紧集，$f_k$是连续函数$f_k:A\to R$序列且满足

1. 对所有的$x\in A,f_k(x)>0$
2. $f_k\to0$逐点收敛
3. 当$k\geq l$时$f_k(x)\leq f_l(x)$
   证明$f_k\to 0$一致收敛。

$\textbf{解：}$这个例子需要非常小心，因为我们是试着从逐点收敛外加一些假设来推断一致收敛，在没有这些假设时我们很清楚的知道这肯定不为正。

给定$\varepsilon>0$，我们想找到$N$使得对所有的$k\geq N,x\in A$不等式$|f_k(x)|<\varepsilon$成立。对于每个$x\in A$找到一个$N_x$使得$k\geq N_x$ 时$|f_x(x)|<\varepsilon/2$，我们写成$N_x$是为了强调这个数与$x$有关。现在我们利用假设$(b)$，利用$f_k(x)$的连续性，存在$x$的邻域$U_{x,k}$使得$y\in U_{x,k}$时$|f_k(y)-f_k(x)|<\varepsilon/2$。邻域$U_{x,N_x}$组成了$x$的一个覆盖，所以利用紧性存在一个有限子覆盖，假设中心在$x_1,\ldots,x_M$，令$N=\max{(N_{x_1},\ldots,N_{x_M})}$，接下来令$x\in A,k\geq N$，那么存在$l$使得$x\in U_{x_l,N_l}$，所以$|f_{N_l}(x)-f_{N_l}(x_l)|<\varepsilon/2$，那么利用$(c)$

$$0\leq f_k(x)\leq f_N(x)\leq f_{N_l}(x)=f_{N_l}(x_l)+[f_{N_l}(x)-f_{N_l}(x_l)]<\frac{\varepsilon}{2}+\frac{\varepsilon}{2}=\varepsilon$$

因此当$k\geq N,x\in A$时$f_k(x)<\varepsilon$，所以得出一致收敛。

$\textbf{例5：}$考虑收敛的交错级数$\Sigma_{n=1}^\infty(-1)^n/n$，可是我们不能重新排列该级数，否则的话我们会得出收敛。事实上，级数$\Sigma(-1)^n/n$可以通过重新排列产生任何我们想要的和！这个结论是由黎曼发现的。

为了能够重排级数，我们需要绝对收敛这个性质。首先，我们定义什么是重排列。令$\Sigma_{i=1}^\infty a_i$是一个级数，那么重排列就是级数$\Sigma_{i=1}^\infty a_{\sigma{(i)}}$，其中$\sigma$是$\{1,2,3,\ldots\}$的一个排列，或者准确地说是一个双射$\sigma:\{1,2,3,\ldots\}\to\{1,2,3,\ldots\}$。

证明下面的定理。

$\textbf{定理}$ 令$g_k\in R^m$，假设$\Sigma_{k=1}^\infty g_k$绝对收敛；即$\Sigma_{k=1}^\infty\Vert g_k\Vert$收敛。那么级数$\Sigma_{k=1}^\infty g_k$的重排列也绝对收敛且有相同的极限。

$\textbf{解：}$令$g_{\sigma{k}}$是重排列级数。给定$\varepsilon>0$，存在$N$使得$n\geq N$意味着

$$\Vert g_n\Vert+\cdots+\Vert g_{n+p}\Vert<\varepsilon$$

接下来选择一个整数$N_1$使得$n>N_1$时$\sigma(n)>N$。(因为只有有限多个$n$满足$\sigma(n)\leq N$，所以这是成立的)那么如果$n>N_1$，我们有$\sigma(n+k)>N$，所以

$$\Vert g_{\sigma(n)}\Vert+\cdots+\Vert g_{\sigma(n+p)}\Vert<\varepsilon$$

根据柯西收敛准则，$\Sigma g_{\sigma(n)}$绝对收敛。

为了说明极限是一致的，给定$\varepsilon$，选择$N_2>N$，其中$N$与上面讨论的一致，这样的话如果$1\leq n\leq N$，那么存在$k,1\leq k\leq N_2$使得$n=\sigma(k)$，那么令$N_0=\max(N_1,N_2)$并且对$m>N_0$

$$\begin{align*} \left\Vert\sum_{k=1}^mg_{\sigma(k)}-\sum_{n=1}^\infty g_n\right\Vert &=\left\Vert\sum_{k=1}^mg_{\sigma(k)}-\sum_{n=1}^{N_0}g_n-\sum_{n=N_0+1}^{\infty}g_n\right\Vert\\ &\leq\left\Vert\sum_{k=1}^mg_{\sigma(k)}-\sum_{n=1}^{N_0}g_n\right\Vert+\left\Vert\sum_{n=N_0+1}^{\infty}g_n\right\Vert\\ &=\left\Vert\sum_{n=N_0+1}^mg_{\sigma(n)}\right\Vert+\left\Vert\sum_{n=N_0+1}^{\infty}g_n\right\Vert\\ &<\varepsilon+\varepsilon=2\varepsilon \end{align*}$$

这里我们使用了事实

$$\sum_{n=1}^\infty g_n=\sum_{n=1}^{N_0}g_n+\sum_{n=N_0+1}^\infty g_n$$

以及

$$\sum_{n=1}^\infty g_{\sigma(k)}-\sum_{n=1}^{N_0}g_n=\sum_{n=N_0+1}^\infty g_{\sigma(n)}$$

所以级数$\Sigma_{k=1}^mg_{\sigma(k)}$收敛到$\Sigma_{n=0}^\infty g_n$，这就是想要的结论。这个例子的结论与重级数(double series)的重排列理论密切相关。