常用的收敛级数整理_一致收敛与收敛有什么区别？

weixin_39666782

于 2021-01-17 15:35:28 发布

阅读量3.6k

点赞数 7

文章标签：常用的收敛级数整理

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_39666782/article/details/113036577

版权

最近看到这个问题，思考了很久，也看了很多的回答，我愚昧地以为许多都不是很接“地气”的回答。

对于刚刚接触数学分析，或者工科数学的分析的同学，我觉得二者最重要的区别，就在于两个字”过渡“。

可能读到这里的你会有疑惑，但是请向下继续阅读。

首先我们谈什么是“一致”？

这里首先梳理一下我们遇到的一致的概念：一致连续，一致收敛。

这里的一致是什么意思呢？

我们知道研究函数

$equation?tex=f%28x%29$ 在区间

$equation?tex=%5Ba%2Cb%5D$

上的连续性，只需要研究每个点上的连续性就可以了 . 对于

$equation?tex=%5Cforall+x+%5Cin+%5Ba%2Cb%5D$ ，给定误差

$equation?tex=%5Cvarepsilon$ 。只需要使得足够接近

$equation?tex=x$ 的点

$equation?tex=y+$ 满足

$equation?tex=%7Cf%28y%29-f%28x%29%7C%3C%5Cvarepsilon$ ，接近的程度我们一般用

$equation?tex=%5Cdelta$ 来刻画 . 但是即使对于每个点

$equation?tex=%5Cforall+x+%5Cin+%5Ba%2Cb%5D$ ，都能够找到相应的

$equation?tex=%5Cdelta$ ，也不能够说明：能否找到一个统一的接近程度

$equation?tex=%5Cdelta$ ，使得只要

$equation?tex=y$ 与

$equation?tex=x+$ 能有此接近程度，那么就会满足误差条件

$equation?tex=+++++++++++++++++++++++++++++++%7Cf%28y%29-f%28x%29%7C%3C%5Cvarepsilon$

也就是说，刚才我们研究单点的连续性时，需要找到一个

$equation?tex=%5Cdelta$ 就行，但是现在我们要找到满足所有

$equation?tex=x+%5Cin+%5Ba%2Cb%5D$ 的

$equation?tex=%5Cdelta$ . 如果这个

$equation?tex=%5Cdelta$ 能够被找到，那么由于

$equation?tex=%5Cdelta$ 满足所有的自变量

$equation?tex=x$ , 那么我们说这种连续性与自变量的位置无关，也就是说函数

$equation?tex=f%28x%29$ 在区间

$equation?tex=%5Ba%2Cb%5D$ 上一致连续 .

下面来研究函数列或函数项级数的一致收敛问题 .

设函数列

$equation?tex=%5C%7Bf_n%28x%29%5C%7D_%7Bn%3D1%7D%5E%5Cinfty$ 定义在

$equation?tex=I$ 上，这里

$equation?tex=I+$ 可以是任何区间 . 所谓的收敛实际上就是

$equation?tex=%5Cforall+x_0%5Cin+%5Ba%2Cb%5D$ 时数列

$equation?tex=%5C%7Bf_n%28x_0%29%5C%7D$ 是收敛的 . 根据收敛准则，任给误差

$equation?tex=%5Cvarepsilon%3E0$ ，存在

$equation?tex=N$ ，当

$equation?tex=m%2Cn%3EN$ 时，成立

$equation?tex=%7Cf_m%28x_0%29-f_n%28x_0%29%7C+%3C%5Cvarepsilon$ . 由于任意给定一个

$equation?tex=x_0%5Cin+%5Ba%2Cb%5D$ ，就能够找到一个符合上述条件的

$equation?tex=N$ ，那么我们能不能找到对于所有

$equation?tex=x+%5Cin+%5Ba%2Cb%5D$ 都适配的正数

$equation?tex=N_0$ 呢？实际上我们取上面所有

$equation?tex=N$ 的上界

$equation?tex=%5Csup+%5C%7BN%5C%7D$ 即可

^[1] .但是有时候并不能尽如人意的找到 . 例如最简单的函数

$equation?tex=x%5En$ 在区间

$equation?tex=%5B0%2C1%5D$ 上就不能够找到适配所有

$equation?tex=x+%5Cin+%5B0%2C1%5D$ 的

$equation?tex=N_0$ ，所以就不是一致收敛的了 .

这里我们看到，一致概念实际上针对的是变量的全体，就如一致连续和一致收敛的概念中所描述的那样，但是收敛就不存在这样的问题，例如函数列在单点处的收敛就退化为数列收敛的问题，就只有一个变量，这就不是困难的讨论了.

引入一致收敛的好处？

这里是本文的重点，前面已经提到过，一致收敛的好处在于”过渡“，这里的过渡指的是单独的函数的分析性质（连续，可导，积分）向和函数的分析性质的过渡 .

在数学分析的教材上，和函数的连续，可导，积分的性质都要有一个前提的条件：一致收敛 . 正是有了一致收敛作为桥梁，才能够使得每个函数的连续性，可导性与积分性质推到和函数上，这实际上是有限函数求和所得到的和函数性质所不需要的条件。（有限个连续，可导，可积分函数的和也是连续，可导，可积分的) .

笔者本人整理的讲义部分

.

高等数学或者数学分析，大部分时间都花在了函数性质的讨论上，而函数项级数的一致收敛告诉我们，如果能够先知道一致收敛性，我们就能够从单个函数直接得到和函数的性质 .

正如我们研究 傅里叶级数 时不正用到了函数项级数的一致收敛吗？

一致收敛几何上的表示

下面两个题目中的函数图像告诉我们，函数列在不一致收敛点处的图像是”突出的，不平稳的“^[2].

从图像上的现象可以总结出下面判断函数列一致收敛的定理

函数列

$equation?tex=%5C%7Bf_%7Bn%7D%28x%29%5C%7D$ 在区间

$equation?tex=%5Crm%7BI%7D$ 上一致收敛的充分必要条件是

$equation?tex=%5Clim_%7Bn+%5Clongrightarrow+%2B%5Cinfty%7D%5Csup_%7Bx%5Cin+%5Crm%7BI%7D%7D%7Cf_%7Bn%7D%28x%29-f%28x%29%7C%3D0$

这里

$equation?tex=%5Csup_%7Bx%5Cin+%5Crm%7BI%7D%7D%7Cf_%7Bn%7D%28x%29-f%28x%29%7C$ 描述的是函数

$equation?tex=f_n%28x%29-f%28x%29$ ”最突出“的地方有多高，当在极限过程中，”最突“的地方”不突“了，那么就可以判断是一致收敛的了 .

转载请注明出处，谢谢！

参考

^这个符号仅用于解释说明概念，不是正规符号
^意会即可 .

weixin_39666782

关注

7
点赞
踩
10

收藏

觉得还不错? 一键收藏
0
评论
常用的收敛级数整理_一致收敛与收敛有什么区别？

最近看到这个问题，思考了很久，也看了很多的回答，我愚昧地以为许多都不是很接“地气”的回答。对于刚刚接触数学分析，或者工科数学的分析的同学，我觉得二者最重要的区别，就在于两个字”过渡“。可能读到这里的你会有疑惑，但是请向下继续阅读。首先我们谈什么是“一致”？这里首先梳理一下我们遇到的一致的概念：一致连续，一致收敛。这里的一致是什么意思呢？我们知道研究函数在区间上的连续性，只需要研究每个点上的...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。