§17-2  均勻收斂

把「每個 x 各有一個起算點」改成「一個起算點對所有 x 通用」,差別在哪裡?要證明一族函數不是這樣收斂的,該交出什麼?前一篇的四個例子各屬哪一類?

同一個起算點,全體通用

上一篇的四個例子都收斂,可是收斂的「品質」明顯不同。例 1 與例 3 裡,離原點越遠的點要等越久才進入誤差範圍——你先給我一個 x,我才交得出 K;例 4 則相反,一個 K 就把整條實數線一起送進去,根本不必問 x 是誰。

用日常的話說:逐點收斂像是每位客人各排各的隊,每個人終究都會辦到手續,但沒有一個時刻可以宣布「全部辦完了」;均勻收斂則是所有人一起在同一個時刻辦完。差別不在會不會辦完,而在有沒有一個共同的期限。

寫成定義,兩者的差別只是量詞的位置:17.3 是「對每個 x,存在 K」,下面這個定義是「存在 K,對每個 x」。兩個量詞交換一次,內容差很多。

17.4  DEFINITION
A sequence (fₙ) of functions on D ⊆ ℝᵖ to ℝ^q converges uniformly on D₀ ⊆ D to f when, to each ε > 0, there corresponds a natural number K(ε) — depending on ε but not on x — such that ‖fₙ(x) − f(x)‖ < ε holds for every n ≥ K(ε) and every x ∈ D₀.
(fₙ) 在 D₀ 上均勻收斂(uniformly convergent)到 f,意思是:對每個 ε > 0,存在一個只看 ε、不看 x 的自然數 K(ε),使得 n ≥ K(ε) 時,D₀ 上每一個 x 都滿足 ‖fₙ(x) − f(x)‖ < ε。
正例:§17-1 例 4 的 (1/n) sin(nx + n) 在 ℝ 上均勻收斂——誤差被 1/n 壓住,這個界完全不含 x。反例:§17-1 例 1 的 x/n 在 ℝ 上不均勻收斂——雖然它逐點收斂,但誤差 |x|/n 在任何固定的 n 下都可以要多大有多大。

由定義立刻看出:均勻收斂 ⟹ 逐點收斂(把「對每個 x 都用同一個 K」讀成「每個 x 各有一個 K」,當然成立)。反過來不成立——上一篇的例 1、例 2、例 3 都是現成的反例,下面會逐一驗明。

f f + ε f − ε f_k k ≥ K(ε) 之後,整條 f_k 落在帶內 帶寬 2ε

這張圖在說 17.4 的畫面:沿著極限函數 f 上下各撐開 ε,得到一條寬度固定的帶(紅虛線之間)。均勻收斂的意思是——從某個 K(ε) 起,整條 f_k 曲線從頭到尾都待在帶子裡,沒有任何一段跑出去。逐點收斂只要求每個 x 最終進帶,不要求大家同時進。

怎麼證明「不均勻」(17.5)

把 17.4 的量詞逐個翻面,就得到否定的形式;再包裝一次,會變成一個很好用的判準。

17.5  LEMMA
A sequence (fₙ) fails to converge uniformly on D₀ to f if and only if, for some ε₀ > 0, there exist a subsequence (f_{nₖ}) of (fₙ) and a sequence (xₖ) of points of D₀ with ‖f_{nₖ}(xₖ) − f(xₖ)‖ ≥ ε₀ for every k ∈ ℕ.
(fₙ) 在 D₀ 上不均勻收斂到 f 的充要條件:存在某個 ε₀ > 0、某條子數列 (f_{nₖ})、以及 D₀ 中的某串點 (xₖ),使每個 k 都有 ‖f_{nₖ}(xₖ) − f(xₖ)‖ ≥ ε₀。
正例:例 5 會對 x/n 交出 ε₀ = 1、nₖ = k、xₖ = k 這一組,一次結案。反例:不能只交出一組 (n, x)——某個特定的 n₀ 與某一點上誤差超過 ε₀ 是不夠的;判準要的是「例外的編號要多後面有多後面」,這才是子數列那一項的用意。至於觀察點要不要移動則不一定:若 (fₙ) 在某一點根本不收斂,取常數點列就是合格的見證;只有在已知逐點收斂的情形下,觀察點才非隨 k 移動不可——因為那時每個固定的點終究會進帶。
PROOF

兩個方向。先把 17.4 的否定寫清楚,再把它兌現成子數列與點列。

證明計畫 · 由所求想起
⇢ 翻量詞:17.4 說「對每個 ε,存在 K,對每個 n ≥ K 與每個 x⋯」;否定成「存在某個 ε₀,對每個 K,存在某個 n ≥ K 與某個 x,誤差不小於 ε₀」。
⇢ 兌現:把 K 依序取成 1, n₁ + 1, n₂ + 1, ⋯,每次換回一組 (nₖ, xₖ),編號自動嚴格遞增。
⇢ 反方向:有這樣一組,就永遠找不到通用的 K。
Proof.  Suppose uniform convergence fails. Negating Definition 17.4 gives an ε₀ > 0 such that no natural number serves as K(ε₀): for every K there are n ≥ K and x ∈ D₀ with ‖fₙ(x) − f(x)‖ ≥ ε₀. Apply this with K = 1 to obtain n₁ and x₁; having obtained n_{k−1}, apply it with K = n_{k−1} + 1 to obtain n_k > n_{k−1} and x_k. The indices increase strictly, so (f_{n_k}) is a subsequence, and ‖f_{n_k}(x_k) − f(x_k)‖ ≥ ε₀ for every k.
正方向與 §15-2 的 15.4(不收斂的三個等價說法)是同一個套路:先翻量詞得到「例外要多後面有多後面」,再用遞迴把例外一個一個挑出來。每一輪都指定「要在上一個編號之後」,編號才嚴格遞增、挑出來的東西才配稱子數列。差別在於這裡的例外是一對——一個編號 n_k 加一個點 x_k;那個點每輪都可以換位置,正是「逐點收斂但不均勻」的典型長相。
Conversely, suppose such ε₀, (f_{n_k}) and (x_k) exist, and let any natural number K be proposed as K(ε₀). Since n_k ≥ k, choosing k ≥ K gives an index n_k ≥ K together with a point x_k ∈ D₀ at which the error is at least ε₀. So no K works for this ε₀, and the convergence is not uniform.
反方向是直接檢查。要否決均勻收斂,只需說明「對 ε₀ 而言沒有任何 K 管用」;而手上這串資料恰好對每個候選的 K 都準備好了一個反例——取 k ≥ K,由 §15-1 證過的 n_k ≥ k 得 n_k ≥ K,而在點 x_k 上誤差不小於 ε₀,違反 17.4 的要求。
要證明不均勻,交出「一個 ε₀ + 一條子數列 + 一串移動的點」就結案。∎

四個判例(17.6)

回到上一篇的四個例子,逐一問:收斂是不是均勻的?

例 5x/n 在 ℝ 上不均勻收斂
誤差 |x|/n 對固定的 n 沒有上限——只要往右走得夠遠。
交出 17.5 要的三樣東西。
  1. 取 ε₀ = 1、nₖ = k、xₖ = k。
  2. 則 f_k(x_k) = k/k = 1,而 f(x_k) = 0,於是 |f_k(x_k) − f(x_k)| = 1 ≥ ε₀。
不均勻。畫面很直觀:每條直線 y = x/n 都會爬到任意高度,只是爬得慢一點——把觀察點往右移到 x = n,高度永遠是 1,帶子永遠關不住它。
ε 帶 1 x₁x₂x₃ 觀察點跟著往右移,誤差恆為 1——帶子關不住

這張圖在證例 5 的交件:每條直線的斜率確實一次比一次小,可是只要把觀察點 xₖ 一起往右移到 x = k,讀到的高度永遠是 1。17.5 要的正是這串會移動的點——固定任何一點來看,它終究會進帶,可是沒有一個時刻大家一起進帶。

例 6xⁿ 在 [0, 1] 上不均勻收斂
這次定義域有界,觀察點跑不遠——可是它可以往不連續點擠。
交出 ε₀、子數列與點列。
  1. 取 ε₀ = 1/2、nₖ = k、xₖ = (1/2)^{1/k}。注意 0 < xₖ < 1,所以 xₖ ∈ [0, 1] 且 f(xₖ) = 0。
  2. 算誤差:f_k(x_k) = (x_k)^k = ((1/2)^{1/k})^k = 1/2,故 |f_k(x_k) − f(x_k)| = 1/2 ≥ ε₀。
不均勻。xₖ = (1/2)^{1/k} 隨 k 增大而往 1 靠近——觀察點一路擠向極限函數斷開的那個位置。這不是巧合:均勻收斂會強迫極限函數繼承連續性,所以極限一旦不連續,收斂就必定不均勻。
1 1 ½ x₁x₃x₈ 觀察點往 x = 1 擠,讀到的高度恆為 ½

這張圖在證例 6 的交件:每條 xⁿ 都會在某處通過高度 ½,而那個位置 xₖ = (1/2)^{1/k} 隨 k 越來越靠近 1。定義域有界關不住這件事——觀察點不必跑遠,只要往極限函數的斷點擠。

例 7(x² + nx)/n 在 ℝ 上不均勻收斂
誤差的公式 x²/n 已經把答案寫在臉上。
交出三樣東西。
  1. 誤差是 |fₙ(x) − f(x)| = x²/n。取 nₖ = k、xₖ = k,得 |f_k(x_k) − f(x_k)| = k²/k = k。
  2. 取 ε₀ = 1:因為 k ≥ 1,每個 k 都滿足誤差 ≥ ε₀。
不均勻,而且失控得比例 5 更嚴重——誤差不只是維持不動,還一路發散到無窮。
例 8(1/n) sin(nx + n) 在 ℝ 上均勻收斂
四個例子裡唯一過關的一個。它過關的理由,一句話就講得完。
直接驗 17.4。
  1. 對每個 x ∈ ℝ 都有 |fₙ(x) − f(x)| ≤ 1/n——這個界裡沒有 x。
  2. 任給 ε > 0,取 K(ε) 使 1/K(ε) < ε(6.7(b))。當 n ≥ K(ε) 時,ℝ 上每一點的誤差都小於 ε。
均勻收斂。判斷的訣竅就藏在第一步:若能把誤差壓在一個不含 x 的量之下,而那個量趨於零,均勻收斂就成立。這個觀察值得寫成工具——下一篇會把「誤差的最大值」正式定義成一個範數。
—— 第二階段到此結束 ——

均勻收斂立好了(17.4):與逐點收斂只差量詞的次序,畫面上的差別則是「整條曲線一起進入 ε 帶」對上「各點各自進帶」。否定的形式也備妥(17.5):交出一個 ε₀、一條子數列與一串觀察點就結案;本節四個例子都逐點收斂,所以凡被 17.5 判定不均勻的,見證用的觀察點都非移動不可——定住不動的觀察點會被逐點收斂自己壓掉。四個判例中三個不均勻——觀察點往遠處跑(例 5、例 7)或往斷點擠(例 6)——只有例 8 過關,理由是誤差被一個不含 x 的量壓住。下一篇 §17-3 把這個「誤差的最大值」正式定義成範數,均勻收斂就變成一條普通數列的收斂。起來走走再繼續。