最后更新: 2025-09-02 17:33 查看: 293 次纠错评论(0) 课件开VIP

内闭一致收敛

## 15.1.3 内闭一致收敛
这是介于点态收玫和一致收玫概念之间的一种收玫性，在解决下面的许多问题时有用．

**定义15.3** 若 $\left\{S_n(x)\right\}$ 在数集 $I$ 内的每一个有界闭区间上一致收玫，则称 $\left\{S_n(x)\right\}$ 在 $I$ 上内闭一致收敛。

注 若 $I=[a, b]$ 本身就是有界闭区间，则在 $I$ 上的内闭一致收玫就是一致收敛，定义 15.3 不起作用．有意义的是 $I$ 不是有界闭区间，$\left\{S_n(x)\right\}$ 在 $I$ 上不一致收敛但却是内闭一致收敛的情况。
 
`例15.6` 函数列 $\left\{x^n\right\}$ 在 $[0,1)$ 上不一致收玫，但内闭一致收敛．
证（从例题 15.4 和例题 $15.2(4)$ 就可推出 $\left\{x^n\right\}$ 在 $[0,1)$ 上不一致收敛，但下面还是给出一个独立证明．）

已知 $\left\{x^n\right\}$ 在 $[0,1)$ 上点态收玫于 $S(x) \equiv 0$ ．用反证法．若 $\left\{x^n\right\}$ 在 $[0,1)$ 上一致收玫，则对 $\forall \varepsilon>0, \exists N, \forall n \geqslant N, \forall 0 \leqslant x<1:\left|x^n\right|<\varepsilon$ 。固定一个 $n$ ，令 $x \rightarrow 1^{-}$，就得到 $1 \leqslant \varepsilon$ 。这与 $\varepsilon>0$ 的任意性矛盾．

对于在 $[0,1)$ 中的有界闭区间，不妨讨论 $[0, b]$ ，其中 $0<b<1$ ．这时利用 $b^n \rightarrow 0$ ，对 $\forall \varepsilon>0, \exists N, \forall n \geqslant N: 0 \leqslant b^n<\varepsilon$ 。于是 $\forall x \in[0, b]: 0 \leqslant x^n \leqslant b^n<\varepsilon$ 。这就证明了 $\left\{x^n\right\}$ 在 $[0, b]$ 上一致收敛。

注 同样可以证明，例题 15.5 中的函数列 $\left\{ e ^{-n x^2}\right\}$ 在 $(-\infty, 0) \cup(0,+\infty)$ 上不一致收敛，但却内闭一致收敛。

下面看几种具体情况中内闭一致收敛的意义。
（1）$\left\{S_n(x)\right\}$ 在 $(-\infty,+\infty)$ 上内闭一致收敛等价于对每一个 $M>0,\left\{S_n(x)\right\}$在 $[-M, M]$ 上一致收敛．
（2）$\left\{S_n(x)\right\}$ 在 $(a, b)$ 上内闭一致收玫等价于对每一个 $\delta \in\left(0, \frac{b-a}{2}\right),\left\{S_n(x)\right\}$在 $[a+\delta, b-\delta]$ 上一致收玫．
（3）$\left\{S_n(x)\right\}$ 在 $(a, b]$ 上内闭一致收敛等价于对每一个 $\delta \in(0, b-a),\left\{S_n(x)\right\}$在 $[a+\delta, b]$ 上一致收敛．
（4）$\left\{S_n(x)\right\}$ 在 $[a, b)$ 上内闭一致收玫等价于对每一个 $\delta \in(0, b-a),\left\{S_n(x)\right\}$在 $[a, b-\delta]$ 上一致收敛．

注 不厌其烦列举以上几点情况是为了什么？可以这样来理解，为了证明函数列在 $I$ 上内闭一致收敛，需要考虑在 $I$ 中的所有有界闭区间 $[c, d]$ ，这时两个端点都是参数，很不方便。因此列举出以上各个情况，其中设法将参数的个数从 2 个降为 1个，从而为检验内闭一致收敛提供方便。这里的依据见例题15．2（1）．

`例15.7` 讨论在 $I=[0,+\infty)$ 上的函数列 $\left\{n x e ^{-n x}\right\}$ 的一致收敛性或内闭一致收玫性。

解 记 $S_n(x)=n x e ^{-n x} \forall n$ ，可以看出这个函数列在 $I=[0,+\infty)$ 上点态收玫于 $S(x) \equiv 0$ ．

为了判定函数列是否在 $I$ 上一致收敛，需要计算 $\left\|S_n-S\right\|=\sup _{x \geqslant 0}\left\{n x e ^{-n x}\right\}$ ．利用微分学，从

$$
\left(n x e^{-n x}\right)^{\prime}=n e^{-n x}-n^2 x e^{-n x}=n e^{-n x}(1-n x)
$$

可以知道最大值点是 $x=1 / n$ ，最大值是 $e ^{-1}$ 。于是就得到 $\left\|S_n-S\right\|= e ^{-1}$ 。这表明 $\left\{S_n(x)\right\}$ 在 $I=[0,+\infty)$ 上不一致收敛。

同样可以看出 $\left\{S_n(x)\right\}$ 在 $(0,+\infty)$ 上也不一致收敛。但下面我们来证明它在 $(0,+\infty)$ 上内闭一致收敛。

为此只要对 $\forall \delta>0$ ，证明函数列 $n x e ^{-n x}$ 在 $[\delta,+\infty)$ 上一致收敛。
取 $N=[1 / \delta]+1$ ，则当 $n \geqslant N$ 时，就有 $n \geqslant N>\frac{1}{\delta}$ ．这等价于 $1 / n<\delta$ ．因此 $S_n(x)$ 在 $[\delta,+\infty)$ 上严格单调减少，从而就得到在 $n \geqslant N$ 时的

$$
\sup _{x \geqslant \delta}\left|S_n(x)-S(x)\right|=\sup _{x \geqslant \delta}\left(n x e^{-n x}\right)=n \delta e^{-n \delta}=\frac{n \delta}{e^{n \delta}} \rightarrow 0(n \rightarrow \infty)
$$

可见 $\left\{n x e ^{-n x}\right\}$ 在 $[\delta,+\infty)$ 上一致收敛。由于在 $(0,+\infty)$ 内的任何有界闭区间都可以被形如 $[\delta,+\infty)$ 所包含，只要取 $\delta$ 为足够小的正数即可，因此已经证明了 $\left\{n x e ^{-n x}\right\}$ 在 $(0,+\infty)$ 上内闭一致收敛．

注 结合函数 $y=n x e ^{-n x}$ 的几何图像和一致收玫的几何意义就容易理解本例题中的结果．如图 15.3所示，函数列中的每一个函数在 $x=1 / n$ 处达到同一个最大值 $1 / e$ ，因此只要 $\varepsilon<1 / e$ ，图像就越出了图 15.2 中所说的带状区域（这里只需考虑 $y \geqslant 0$ ）：

![图片](/uploads/2025-02/c423f0.jpg)

因此在 $[0,+\infty)$ 上不可能一致收敛．
其次要看到这个最大值点 $1 / n$ 是随着 $n$ 增加而趋于 $x=0$ ．于是对于给定的 $\delta>0$ ，取 $n \geqslant N=[1 / \delta]+1$ 时就使得图像的峰已经移出了 $x \geqslant \delta$ 的范围．关于内闭一致收玫就是依赖于此而得到证明的。

## 小结 
从一致收玫开始，在讨论中所涉及的变量（包括参数）个数越来越多，这对初学者往往造成了很大的困难。因此在这里对前面的概念作一个梳理是必要的。

在第二章中的对象是数列 $\left\{x_n\right\}$ ，从函数角度看，自变量是 $n$ ，定义域是 $N$ ．到第三章和第四章，对象是连续变量的函数 $f(x)$ ，定义域为区间或区间的并．在第十四章的无穷级数中，自变量仍然是 $n$ ，只是级数的通项可以含有参数．

从本章开始，函数列 $\left\{S_n(x)\right\}$ 中每一个 $S_n(x)$ 实际上是二元函数，但它和今后在多元函数中经常出现的二元函数 $z=f(x, y)$ 还不相同．因为 $S_n(x)$ 中的 $n, x$ 一
个离散，另一个连续，同时地位也不平等，在不同的问题中处理的方法也不同．每一次运算中哪一个是变量，哪一个只是不参加运算的参数，必须要区分清楚．

例如在讨论点态收玫时，实际上与第十四章的无穷级数一样，还是将 $x \in I$ 作为参数，而求 $n \rightarrow \infty$ 时的极限．

但是为了研究函数列是否在 $I$ 上一致收玫于其极限函数，我们需要计算范数 $\left\|S_n-S\right\|=\sup _{x \in I}\left|S_n(x)-S(x)\right|$ ．在这里的计算中 $n$ 是参数，自变量是 $x \in I$ ．求出每一个 $\left\|S_n-S\right\|$ 后，在问它是否是无穷小量时，当然 $n$ 是自变量了．

内闭一致收玫就更复杂一点，因为其中的有界闭区间可以在 $I$ 中任取。两个端点可随意取，因此又多了两个参数．在上面我们已经指出一般可以只用一个参数就可以了。

总结起来就是说在出现了多个变量的情况，将参与当前运算的变量与不参加运算的参数区分开来是重要的．

## 内闭一致收敛解释
还是用“一群人跑马拉松（定义域$[0,1]$是整条1公里赛道）”来解释：
1. 裁判不要求“整条1公里赛道用同一个N（比如第50个跑者后全员达标）”，但要求：
   - 对“0-0.8公里段”（闭区间$[0,0.8]$）：必须有一个段内标准，比如“第20个跑者后，这段所有位置都达标”；
   - 对“0.3-0.9公里段”（闭区间$[0.3,0.9]$）：必须有另一个段内标准，比如“第30个跑者后，这段所有位置都达标”；
   - 对“0.5-1公里段”（闭区间$[0.5,1]$）：也得有段内标准，比如“第40个跑者后，这段所有位置都达标”；
2. 不管你选赛道的哪一段（只要是闭区间），都能找到这个段内的“统一N”，让这段的所有位置同步达标——但没有一个N能让“0-1公里整条赛道”同步达标。

这就是“内闭一致收敛”：局部（闭区间）是一致收敛的，整体（全定义域）未必是，但所有局部能覆盖整体。

### 用经典例子理解：$x^n$在$(0,1)$上的内闭一致收敛
之前我们知道：$x^n$在**闭区间$[0,1]$上不是全局一致收敛**（因为$x$越靠近1，需要的N越大，没有全局N）；但在**开区间$(0,1)$上是内闭一致收敛**，为什么？

我们来验证：
1. 任取$(0,1)$内的一个闭区间$K=[a,b]$（比如$[0.2,0.8]$，其中$0<a<b<1$）；
2. 要证明$x^n$在$[a,b]$上是全局一致收敛到0（因为$x \in [a,b] \subset (0,1)$，极限是0）：
   - 任给误差$\varepsilon>0$，要找一个“不依赖x的N”，使得当$n>N$时，对所有$x \in [a,b]$，都有$|x^n - 0|=x^n < \varepsilon$；
   - 因为$x \leq b <1$，所以$x^n \leq b^n$（比如$x \leq 0.8$，则$x^n \leq 0.8^n$）；
   - 只要让$b^n < \varepsilon$即可：两边取对数（因为$b<1$，对数是减函数，不等号变向），得$n > \frac{\ln \varepsilon}{\ln b}$；
   - 取$N=\left\lfloor \frac{\ln \varepsilon}{\ln b} \right\rfloor +1$（比如$\varepsilon=0.01$，$b=0.8$，则$\ln 0.01 \approx -4.605$，$\ln 0.8 \approx -0.223$，$N \approx \frac{-4.605}{-0.223} \approx 20.65$，取$N=21$）；
   - 当$n>21$时，对所有$x \in [0.2,0.8]$，都有$x^n \leq 0.8^{22} \approx 0.8^{20} \times 0.8^2 \approx 0.0115 \times 0.64 \approx 0.0073 < 0.01$，满足误差要求；
3. 这个$N$只和$b$（闭区间$K$的右端点）有关，和$x$无关——也就是说，对$[a,b]$这个闭区间，有“段内统一的N”，所以$x^n$在$[a,b]$上是全局一致收敛；
4. 因为$[a,b]$是$(0,1)$内任意一个闭区间，所以$x^n$在$(0,1)$上是内闭一致收敛。

## 理解：点态收敛、一致收敛和内闭一致收敛

要理解**点态收敛、内闭一致收敛、一致收敛**的区别，我们可以用一个通俗比喻贯穿始终：把“函数列”想象成“一群人排队闯关”，“定义域区间”是闯关的“赛道”，“收敛”是所有人最终都要“到达终点线”，而三种收敛的核心差异，在于“到达终点的规则严格程度”和“赛道范围的限制”。

### 一、先逐个通俗解释：用“排队闯关”比喻
#### 1. 点态收敛：“各玩各的，到了就行”
点态收敛是**最宽松**的收敛规则，只关心“每个具体位置的人是否能到终点”，不要求“大家的节奏一致”。

- 具体场景：  
  赛道是整个区间（比如从0到100米），每个位置（比如1米处、5米处、20米处）都站着一个人。  
  规则只要求：“对1米处的人，给足够长时间，他能到终点；对5米处的人，给足够长时间（哪怕比1米处的人用得久），他也能到终点；对20米处的人同理……”  
  至于“1米处的人到终点时，5米处的人还差多远”“所有人能不能差不多同时到终点”，完全不要求。

- 数学本质：  
  对定义域内**每个单独的点x₀**，当n（函数列的序号）足够大时，fₙ(x₀)能无限接近极限函数f(x₀)。  
  关键缺陷：可能出现“每个点都收敛，但整体‘参差不齐’”——比如在区间端点附近，函数列永远“慢半拍”，整体看起来很“混乱”。

#### 2. 一致收敛：“全员同步，整齐到达”
一致收敛是**最严格**的收敛规则，要求“整个赛道上的人，节奏完全一致，能差不多同时到终点”。

- 具体场景：  
  还是0到100米的赛道，规则升级为：“我先定一个‘误差标准’（比如离终点只剩1米算‘基本到终点’），然后能找到一个‘统一的时间’——只要超过这个时间，**赛道上所有位置的人**，都能满足‘离终点≤1米’”。  
  无论你在1米处、50米处还是99米处，只要时间到了，所有人都能同步达到误差标准，没有“拖后腿”的。

- 数学本质：  
  先给定一个任意小的“误差ε”，能找到一个**不依赖于x的“统一序号N”** ——只要n>N，**对定义域内所有x**，都有|fₙ(x) - f(x)| < ε。  
  关键优势：整体“整齐”，极限函数的很多性质（比如连续性、可积性）能从函数列“继承”下来（点态收敛做不到这一点）。

#### 3. 内闭一致收敛：“局部整齐，整体放宽”
内闭一致收敛是**介于两者之间**的规则：不要求“整个赛道全员同步”，但要求“赛道里任意一段‘小局部’，都能做到同步到达”。

- 具体场景：  
  赛道还是0到100米，但规则改为：“你随便圈一段‘内部小赛道’（比如5到15米、20到30米，不能包含0或100这种端点），我就能找到一个‘针对这段小赛道的统一时间’——只要超过这个时间，**这段小赛道上的所有人**都能同步到终点”。  
  虽然“整个0-100米赛道做不到全员同步”（比如0或100米处的人永远慢），但“任意一段内部小赛道”都能整齐收敛。

- 数学本质：  
  对定义域区间**任意一个闭子区间**（比如原区间是(a,b)，闭子区间就是[c,d]，且a<c<d<b），函数列在这个闭子区间上是**一致收敛**的。  
  关键作用：既弥补了点态收敛“整体混乱”的缺陷，又放宽了一致收敛“全区间严格同步”的要求，是分析“无界区间或含端点问题”的常用工具（比如区间(0,1)，函数列在(0,1)内闭一致收敛，但在(0,1)上不一致收敛）。

### 二、三者核心区别对比：一张表看懂
| 收敛类型       | 核心要求（通俗）                | 关键特征                  | 极限函数性质继承性 | 适用场景                  |
|----------------|---------------------------------|---------------------------|--------------------|---------------------------|
| 点态收敛       | 每个点单独到终点，节奏可不同    | 依赖具体x，无统一N        | 差（不继承连续/可积） | 仅需“单个点收敛”的基础场景 |
| 一致收敛       | 全区间同步到终点，节奏完全一致  | 不依赖x，有统一N          | 好（继承连续/可积） | 需“整体性质”的严格分析    |
| 内闭一致收敛   | 任意局部小区间同步，整体可放宽  | 对闭子区间有统一N，全区间无 | 较好（局部继承）   | 无界区间/含端点的“局部分析”|

### 三、一句话总结：从“宽松”到“严格”的排序
点态收敛（各玩各的） → 内闭一致收敛（局部整齐） → 一致收敛（全员同步）  
（严格程度递增，后者一定能推出前者，反之不成立）

比如：若函数列在区间上**一致收敛**，则它一定**内闭一致收敛**，也一定**点态收敛**；但内闭一致收敛不一定一致收敛，点态收敛更不一定内闭一致收敛。

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：函数项级数的例子

下一篇：柯西一致收敛准则

本文对您是否有用？有用 (0) 无用 (0)