最后更新: 2025-09-02 17:17 查看: 128 次纠错评论(0) 课件开VIP

点态收敛与一致性收敛

## 函数项级数与幂级数
这一章的主要对象是函数项级数，即每一项是函数的无穷级数．回顾第十四章，其中的许多数项级数的形式为 $\sum_{n=1}^{\infty} u_n(x)$ ，其中 $x$ 是参数，每一项也可看成是 $x$的函数．那么这两章有什么不一样呢？问题是角度完全不同．在第十四章中关心的主要是玫散性．在有参数时仍然如此．在这一章中则从函数的角度考虑问题．设通项 $u_n(x)$ 于数集 $I$ 上有定义，且对每个 $x \in I$ 收玫，于是级数的和就成为在 $I$ 上有定义的函数，今后称为和函数，经常记为

$$
S(x)=\sum_{n=1}^{\infty} u_n(x) \quad \forall x \in I
$$

问题就是如何研究 $S(x)$ 的性质，其中包括连续性，可积性和可微性，还有积分与导数的计算方法．若能够求出 $S(x)$ 的有限表达式（也经常称为封闭形式），则原则上已经没有困难．但重要的情况恰恰是和函数只有上述无穷级数表达式的情况，这时怎么办  ？

办法是从通项 $u_n(x)$ 的性质出发，去研究和函数 $S(x)$ 是否继承了相应的性质。为此在下面将会发现，第十四章中的玫散性概念是不够用的．这里需要引入本章的核心概念———一致收玫性。

> 这里要指出，恰如带有参数的定积分以及带有变动积分限的定积分给出许多新的非初等函数那样，函数项级数也是定义新的函数的重要手段．第十五章的问题就是如何研究由无穷级数给出的函数的性质．

## 15.1.1 点态收敛
对函数项级数 $\sum_{n=1}^{\infty} u_n(x), x \in I$ ，记其部分和函数序列（简称为函数列）为$\left\{S_n(x)\right\}$ ，则级数玫散性也就是这个函数列的玫散性．如数列与级数的关系一样（参见定理 2．7），讨论函数列与讨论函数项级数也是等价的。

先叙述最简单的点态收玫概念，它就是在上一章中的收玫概念，只不过是对函数列或函数项级数而言．

下面的记号 $I$ 一般为区间或区间的并，也可以是更一般的数集．
**定义15.1** 设函数列 $\left\{S_n(x)\right\}$ 于 $I$ 上有定义，且对每个 $x \in I$ 存在极限

$$
\lim _{n \rightarrow \infty} S_n(x)=S(x)
$$

则称 $\left\{S_n(x)\right\}$ 在 $I$ 上**点态收敛**或点态收敛于 $S(x)$ ，称 $S(x)$ 为 $\left\{S_n(x)\right\}$ 的极限函数．若这时的 $\left\{S_n(x)\right\}$ 是函数项级数 $\sum_{n=1}^{\infty} u_n(x)$ 的部分和函数列，则称该函数项级数在 $I$ 上点态收玫或点态收玫于和函数 $S(x)$ ．

先举一个虽然简单但却可以说明许多问题的典型例子．

`例15.1` 在 $I=[0,1]$ 上考虑函数列 $\left\{x^n\right\}$ ，则该函数列在 $I$ 上点态收玫，其极限函数是

$$
S(x)=\lim _{n \rightarrow \infty} x^n= \begin{cases}0, & 0 \leqslant x<1 \\ 1, & x=1\end{cases}
$$

注意 $S(x)$ 于点 $x=1$ 处左侧不连续．可见在 $I$ 上连续的函数列的极限函数可以有不连续点。

在图 15.1 中作出 $n=1,2,4,8,16$ 的函数 $x^n$ 的图像 （用细曲线），用粗黑线作出极限函数 $S(x)$ ．

![图片](/uploads/2025-02/247c55.jpg)
  
  注 可将上述例子换一个说法，即函数项级数

$$
x+\left(x^2-x\right)+\cdots+\left(x^n-x^{n-1}\right)+\cdots=x+\sum_{n=2}^{\infty}\left(x^n-x^{n-1}\right)
$$

在 $[0,1]$ 上点态收玫，其和函数为上述 $S(x)$ ．于是在一个区间上每一项连续的函数项级数的和函数可以有不连续点．

`例` 设 $S_n(x)=\frac{\sin n x}{\sqrt{n}}$ ，则 $\left\{S_n(x)\right\}$ 在 $(-\infty,+\infty)$ 上收玫，极限函数为 $S(x)=$ 0 ，从而导函数 $S^{\prime}(x)=0$ ．

由于

$$
S_n^{\prime}(x)=\sqrt{n} \cos n x \text {, }
$$

因此 $S_n(x)$ 的导函数所构成的序列 $\left\{S_n^{\prime}(x)\right\}$ 并不收敛于 $S^{\prime}(x)$（例如当 $x=0, S_n^{\prime}(0)= \sqrt{n} \rightarrow+\infty)$ ．

`例` 设

$$
S_n(x)=\left\{\begin{array}{ll}
1, & \text { 当 } x \cdot n!\text { 为整数, } \\
0, & \text { 当 } x \text { 为其他值, }
\end{array} \quad x \in[0,1]\right. \text {. }
$$

显然，对每一个 $n \in N ^{+}, S_n(x)$ 在 $[0,1]$ 上有界，至多只有有限个不连续点，因而是可积的．

但是，当 $x$ 是无理数时，对一切 $n, S_n(x)=0$ ，因此 $S(x)=\lim _{n \rightarrow \infty} S_n(x)=0$ ；当 $x$ 是有理数 $\frac{q}{p}\left(p \in N ^{+}, q \in N , q \leqslant p\right)$ 时，对于 $n \geqslant p, S_n(x)=1$ ，因此 $S(x)=\lim _{n \rightarrow \infty} S_n(x)=1$ 。所以， $\left\{S_n(x)\right\}$ 的极限函数 $S(x)$ 就是熟知的 Dirichlet 函数，它在 $[0,1]$ 上是不可积的．

`例` 设 $S_n(x)=n x\left(1-x^2\right)^n$ ，则 $\left\{S_n(x)\right\}$ 在区间 $[0,1]$ 上收玫于极限函数
$S(x)=0$ ．显然对任意 $n, S_n(x)$ 与 $S(x)$ 都在 $[0,1]$ 上可积，但是
$$
\begin{aligned}
\int_0^1 S_n(x) d x & =\int_0^1 n x\left(1-x^2\right)^n d x=-\frac{n}{2} \int_0^1\left(1-x^2\right)^n d\left(1-x^2\right) \\
& =\frac{n}{2(n+1)} \nmid \int_0^1 S(x) d x \quad(n \rightarrow \infty)
\end{aligned}
$$
这些例子说明，为了解决这类交换运算次序问题，需要引进比＂点态收敛＂要求更强的新的收玫概念．

## 15.1.2 一致收敛性
如前所说，点态收玫没有什么新的内容，它就是在第十四章中所使用的收玫概念，若级数的通项有参数的话．

本章的核心概念是一种新的收玫概念——致收玫．下面给出函数列以及函数项级数的一致收玫的定义．

**定义15.2** 称函数列 $\left\{S_n(x)\right\}$ 在 $I$ 上一致收玫于 $S(x)$ ，若对 $\forall \varepsilon>0, \exists N$ ， $\forall n \geqslant N, \forall x \in I:$

$$
\left|S_n(x)-S(x)\right|<\varepsilon .
$$

若这时的 $S_n(x)$ 是函数项级数 $\sum_{n=1}^{\infty} u_n(x)$ 的部分和函数列，则称该函数项级数于 $I$上一致收玫于其和函数 $S(x)$ ．

> 代替收玫的记号 $\rightarrow$ ，今后用记号 $\rightrightarrows$ 表示一致收玫。于是 $\left\{S_n(x)\right\}$ 在 $I$ 上一致收敛于 $S(x)$ 可表示为 $S_n(x) \rightrightarrows S(x), x \in I$ 或 $S_n(x) \stackrel{I}{\rightrightarrows} S(x)$ 。

注 从定义可见，若 $\left\{S_n(x)\right\}$ 于 $I$ 上一致收玫于 $S(x)$ ，则也一定点态收玫于 $S(x)$ ．进一步用 $\varepsilon-N$ 语言对比以上两个定义，就可看出它们的差别。

点态收玫就是要求对每一个点 $x \in I$ 有 $S_n(x) \rightarrow S(x)$ 。因此对于给定的 $\varepsilon>0$ ，存在 $N$ ，当 $n \geqslant N$ 时成立 $\left|S_n(x)-S(x)\right|<\varepsilon$ ．这里的 $N$ 不仅会随着 $\varepsilon$ 的变化而改变，而且还与点 $x$ 有关。这种依赖关系可以写成 $N=N(\varepsilon, x)$ 。

从一致收玫的定义 15.2 可见，它与点态收敛的区别在于对每个 $\varepsilon>0$ ，要求存在只与 $\varepsilon$ 有关的 $N$ ，使得当 $n \geqslant N$ 时，$\left|S_n(x)-S(x)\right|<\varepsilon$ 对所有 $x \in I$ 同时成立．

从几何上来看一致收敛可能更为清楚．如图 15.2 所示，设 $I=[a, b]$ ，则对给定的 $\varepsilon>0$就生成以 $y=S(x)$ 为中线（在图上用粗黑曲线表示）的一个带状区域：

$$
\{(x, y) \mid a \leqslant x \leqslant b, S(x)-\varepsilon<y<S(x)+\varepsilon\}
$$

![图片](/uploads/2025-02/cd380d.jpg)
 
一致收敛的意义在于存在 $N=N(\varepsilon)$ ，使得所有 $n \geqslant N$ 的曲线 $y=S_n(x), a \leqslant x \leqslant b$ ，完全落在上述带状区域之内．

在图 15.2 的带状区域内画了一条有多个极值的细曲线代表某一个 $y=S_n(x)$ ．又画出区域内的平行 $y$ 轴的一个直线段，即 $x=x_0, S\left(x_0\right)-\varepsilon<y<S\left(x_0\right)+\varepsilon$ ．

对于在点 $x=x_0$ 处的 $S_n\left(x_0\right) \rightarrow S\left(x_0\right)$ 来说，只要 $N$ 足够大，当 $n \geqslant N$ 时，点 $\left(x_0, S_n\left(x_0\right)\right)$ 一定会落在上述直线段内．这就是点态收玫的几何意义．对于不同的点 $x_0, N$ 一般是不同的．这就是说点 $\left(x, S_n(x)\right)$ 进入带状区域的先后可以不一样．一致收玫则要求存在只与 $\varepsilon$ 有关的 $N$ ，当 $n \geqslant N$ 时所有 $S_n(x), a \leqslant x \leqslant b$ 同时进入到带状区域中。

到此可以明白，一致收敛是一种整体性质，因此每次必须指出在什么 $I$ 上一致收玫 ${ }^{(1)}$ ．在下一个例题中我们列出可以从定义直接得到的一致收玫的若干平凡而常用的性质．其证明留作练习题．

## 通俗解释 点态收敛和一致收敛

要理解**点态收敛**和**一致收敛**的区别，核心是抓住“收敛速度是否‘同步’”——可以用一个通俗比喻贯穿始终：把“函数列”想象成“一群人跑马拉松”，终点是“极限函数”，每个人对应一个“函数”，每个“x值”对应马拉松赛道上的一个“位置”（比如1公里处、5公里处、10公里处）。

### 一、点态收敛：“每个位置单独达标，不管别人”
点态收敛的本质是：**对赛道上的每个“位置”（每个x），单独看这个位置上的“人”（函数值），最终都能跑到终点（极限函数值）**，但不同位置的人“跑到终点的速度可能差很远”。

#### 通俗例子
假设我们有一群人跑马拉松，规则是：
1. 对“1公里处”这个位置：要求所有人跑到这里的时间不超过10分钟。最终检查时，不管其他人，每个跑者在1公里处都达标了。
2. 对“5公里处”这个位置：要求所有人跑到这里的时间不超过50分钟。最终检查时，每个跑者在5公里处也达标了。
3. 对“10公里处”这个位置：要求所有人跑到这里的时间不超过120分钟。最终检查时，每个跑者在10公里处还是达标了。

但问题是：可能有人1公里处用了9分钟（很快），但5公里处用了49分钟（勉强达标）；另一个人1公里处用了10分钟（刚好达标），但5公里处用了30分钟（很快）——**每个位置单独看都“收敛到终点”，但不同位置的“进度不同步”**。

#### 数学对应
对函数列$\{f_n(x)\}$（一群人）和极限函数$f(x)$（终点），若对**每个固定的x**（每个位置），任给一个“误差标准”$\varepsilon$（比如“跑到终点的时间差不超过1分钟”），总能找到一个“序号N”（比如“第100个跑者之后”），使得当$n>N$时（跑者序号足够大），$|f_n(x)-f(x)|<\varepsilon$（这个x处的函数值达标）。

关键缺陷：这个“N”是**依赖x的**——对不同的x，需要的“N”可能差很多（比如x1需要N=10，x2需要N=1000），没有一个“统一的N”能让所有x同时达标。

### 二、一致收敛：“所有位置同步达标，有统一标准”
一致收敛的本质是：**存在一个“统一的进度要求”（统一的N），让赛道上所有“位置”（所有x）的“人”（函数值），只要序号超过这个N，就全部跑到终点（满足误差标准）**——所有位置“同步收敛”，没有“拖后腿”的。

#### 通俗例子
还是这群跑马拉松的人，但规则变了：
- 裁判直接定一个“统一标准”：“所有跑者，只要是第50个之后出发的（N=50），必须在1公里处≤10分钟、5公里处≤50分钟、10公里处≤120分钟——所有位置同时达标！”
- 最终检查时，只要跑者序号n>50（比如第51个、第100个），不管是1公里、5公里还是10公里处，都满足时间要求——**所有位置用同一个“N”就实现了收敛**。

#### 数学对应
对函数列$\{f_n(x)\}$和极限函数$f(x)$，若任给一个“误差标准”$\varepsilon$，总能找到一个**不依赖x的“统一序号N”**，使得当$n>N$时，对**所有x**（不管是哪个位置），都有$|f_n(x)-f(x)|<\varepsilon$（所有x处的函数值同时达标）。

关键优势：这个“N”是“全局通用”的——不管x取什么值，只要函数序号足够大（超过N），误差就一定满足，收敛速度“同步”。

## 典型例子“$y=x^n$ 在$[0,1]$上的收敛”
用具体函数列感受区别，比如$\{f_n(x)=x^n\}$，x∈[0,1]，极限函数$f(x)$是：
- 当x∈[0,1)时，$f(x)=0$（$x^n$随n增大趋近于0）；
- 当x=1时，$f(x)=1$（$1^n$永远是1）。

#### 1. 是点态收敛吗？——是！
对每个固定的x：
- 若x=0.5（在[0,1)内）：任给ε=0.01，找N=7（因为0.5^7≈0.0078<0.01），n>7时满足|0.5^n - 0|<0.01；
- 若x=0.9（更接近1）：任给ε=0.01，需要N=44（0.9^44≈0.0106，0.9^45≈0.0095<0.01），n>44时才满足；
- 若x=1：永远有|1^n -1|=0<ε，随便N都行。

可见：每个x都能找到N，但N随x靠近1而急剧增大（x越近1，需要n越大）——这是**点态收敛**。

#### 2. 是一致收敛吗？——不是！
因为找不到“统一的N”让所有x满足|x^n - f(x)|<ε（比如ε=0.01）：
- 不管N取多大，只要取x=0.9^(1/N)（比如N=44，$x=0.9^(1/44)≈0.997)$，此时 $x^N=0.9$，|$x^N - 0$|=0.9 > 0.01 ——总有某个x“拖后腿”，无法用统一N覆盖所有x，所以**不是一致收敛**。

### 总结
简单记：  
- 点态收敛=“各玩各的，达标就行”；  
- 一致收敛=“统一节奏，全员达标”。

## 例题

`例15.2`从一致收玫定义可以直接证明以下结论：
（1）若 $\left\{S_n(x)\right\}$ 在 $I$ 上一致收玫，$J \subset I$ ，则 $\left\{S_n(x)\right\}$ 也在 $J$ 上一致收玫；
（2）若函数列 $\left\{S_n\right\}$ 在 $I$ 和 $J$ 上分别一致收玫，则也在 $I \cup J$ 上一致收敛；
（3）若函数列 $\left\{S_n\right\}$ 在 $[a, b)$ 上一致收玫，又在点 $x=b$ 收敛，则该函数列在 $[a, b]$ 上一致收敛．
（4）若函数列 $\left\{S_n\right\}$ 在 $[a, b]$ 上点态收玫，但不一致收玫，则该函数列在 $[a, b),(a, b],(a, b)$ 上都不是一致收玫的．

在理解和验证一致收敛时，引入函数的范数概念是有用的．
对于在 $I$ 上的函数 $f$ ，其范数定义为

$$
\|f\|=\sup _{x \in I}|f(x)| .
$$

这时 $\|f-g\|$ 就代表两个函数 $f$ 与 $g$ 之间的某种距离（即函数空间 ${ }^{(1)}$ 中的距离）．如 $\|f-g\|=0$ ，则 $f$ 和 $g$ 在 $I$ 上恒等．这时有以下结论。

**定理 15.1** 设 $\left\{S_n(x)\right\}$ 是 $I$ 上的函数列，$\|\cdot\|$ 是 $I$ 上的范数，则

$$
S_n(x) \stackrel{I}{\rightrightarrows} S(x) \quad \Longleftrightarrow \quad \lim _{n \rightarrow \infty}\left\|S_n-S\right\|=0
$$

证 若 $S_n(x) \stackrel{I}{\rightrightarrows} S(x)$ ，则对 $\forall \varepsilon>0, \exists N, \forall n \geqslant N, \forall x \in I:\left|S_n(x)-S(x)\right|<\varepsilon$ ．将上述最后一个不等式关于 $x \in I$ 取上确界，就有 $\left\|S_n-S\right\| \leqslant \varepsilon$ ．这样就已经得到 $\lim _{n \rightarrow \infty}\left\|S_n-S\right\|=0$ ．

反之，若有 $\lim _{n \rightarrow \infty}\left\|S_n-S\right\|=0$ ，则对 $\forall \varepsilon>0, \exists N, \forall n \geqslant N:\left\|S_n-S\right\|<\varepsilon$ ．根据范数的上确界定义，就有 $\left|S_n(x)-S(x)\right|<\varepsilon \forall x \in I$ ．

由此可见，对于给定在 $I$ 上的函数列，若能计算出它的极限函数，又能计算出定理中的范数，则一致收玫问题就转化为一个数列是否收敛于 0 的问题了．可惜对于一般的函数列或者函数项级数的部分和函数列来说，以上几步计算过程往往是难以实现的。下面我们用一些简单例子来学习一致收敛概念和定理 15.1 的用法．

`例15.3` 证明函数列 $S_n(x)=\frac{x}{1+n^2 x^2} \forall n$ 在 $R$ 上一致收敛．
证 可先求出极限函数为 $S(x) \equiv 0$ ．以下计算范数 $\left\|S_n-S\right\|$ ．可以估计得到

$$
\left|\frac{x}{1+n^2 x^2}\right|=\frac{1}{2 n} \cdot \frac{2 n|x|}{1+n^2 x^2} \leqslant \frac{1}{2 n},
$$

且当 $n|x|=1$ 时成立等号．可见范数 $\left\|S_n-S\right\|=\frac{1}{2 n}$ ．因此 $\left\{S_n(x)\right\}$ 一致收玫．
现在继续讨论例题 15.1 中的函数列（并参看图 15．1）．

`例15.4`证明函数列 $\left\{x^n\right\}$ 在 $[0,1]$ 上不一致收敛．
证 1 在前面已经得到了极限函数 $S(x)$ ，它除了在 $x=1$ 处为 1 之外处处等于 0 ，因此可以直接计算出范数 $\left\|x^n-S(x)\right\|$ 为：

$$
\sup _{0 \leqslant x \leqslant 1}\left|x^n-S(x)\right|=\sup _{0 \leqslant x<1}\left|x^n\right|=1
$$

由于这对每一个正整数 $n$ 成立，因此 $\left\{x^n\right\}$ 在 $[0,1]$ 上不一致收玫．
证 2 反证法．设 $\left\{x^n\right\}$ 在 $[0,1]$ 上一致收敛．则对 $\varepsilon_0=1 / 2$ ，存在 $N, \forall n \geqslant N$ ， $\forall x \in[0,1]$ ：

$$
\left|x^n-S(x)\right|<\frac{1}{2}
$$

令 $x \rightarrow 1^{-}$，就导致矛盾 $1 \leqslant \frac{1}{2}$ ．
注 如例题 15.1 后的注中所说，令

$$
u_1(x)=x, u_n(x)=x^n-x^{n-1} \forall n \geqslant 2,
$$
这样就得到了在 $[0,1]$ 上点态收玫但不一致收玫的函数项级数 $\sum_{n=1}^{\infty} u_n(x)$ ．

`例15.5`证明 $S_n(x)= e ^{-n x^2} \forall n$ 在 $(-\infty,+\infty)$ 上不一致收敛，但在 $|x| \geqslant \delta$时一致收玫，其中 $\delta>0$ 为给定的正数．

证 先求出极限函数为 $S(x)=\left\{\begin{array}{ll}1, & x=0 \\ 0, & x \neq 0\end{array}\right.$ ，然后计算在 $(-\infty,+\infty)$ 上的范数，也就是

$$
\sup _{-\infty<x<+\infty}\left|e^{-n x^2}-S(x)\right|=\sup _{x \neq 0}\left\{e^{-n x^2}\right\}=1,
$$

可见 $e ^{-n x^2}$ 在 $(-\infty,+\infty)$ 上不一致收玫．又计算出在 $|x| \geqslant \delta$ 上的范数，即有

$$
\sup _{|x| \geqslant \delta}\left|e^{-n x^2}-S(x)\right|=e^{-n \delta^2}
$$

可见只要固定 $\delta>0$ ，则 $e ^{-n x^2}$ 在 $(-\infty,-\delta) \cup(\delta,+\infty)$ 上一致收玫．

`例` 设 $S_n(x)=(1-x) x^n$ ，则 $\left\{S_n(x)\right\}$ 在 $[0,1]$ 上收敛于 $S(x)=0$ ．由

$$
\left|S_n(x)-S(x)\right|=(1-x) x^n
$$

及

$$
\left[(1-x) x^n\right]^{\prime}=x^{n-1}[n-(n+1) x],
$$

容易知道 $\left|S_n(x)-S(x)\right|$ 在 $x=\frac{n}{n+1}$ 取到最大值，从而

$$
d\left(S_n, S\right)=\left(1-\frac{n}{n+1}\right)\left(\frac{n}{n+1}\right)^n=\left(\frac{1}{n+1}\right) /\left(1+\frac{1}{n}\right)^n \rightarrow 0 \quad(n \rightarrow \infty)
$$

这就说明 $\left\{S_n(x)\right\}$ 在 $[0,1]$ 上一致收敛于 $S(x)=0$ ．

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：无穷乘积敛散性的判别法

下一篇：函数项级数的例子

本文对您是否有用？有用 (0) 无用 (0)