§17-3  均勻範數

「兩個函數相差多少」能不能壓縮成一個數?這個數滿不滿足 norm 的四條規格——尤其是三角不等式?而有了它,均勻收斂會變成什麼形式的敘述?

把「最大誤差」變成一個數

上一篇的例 8 過關,靠的是一句「誤差被 1/n 壓住,而這個界不含 x」。這句話其實在說一件事:把 fₙ 與 f 之間所有點的誤差裡最大的那個挑出來,得到一個數;這個數趨於零。既然是一個數,就可以用前三節的全部工具對付它——均勻收斂於是化約成一條普通數列的收斂。

「最大的誤差」要存在,得先確定它不會是無窮大。所以先立一個詞:函數 f : D → ℝ^q 稱為 bounded(有界),意思是存在 M > 0 使 ‖f(x)‖ ≤ M 對每個 x ∈ D 成立。以下一律假設 D 非空——空的定義域上沒有函數值可取,下面那個 sup 會落在空集合上而不存在,這個退化情形不予討論。D 非空且 f 有界時,值域的長度所成的集合非空且上有界,§6-2 的完備性公理(6.4)保證下面這個數存在:

‖f‖_D = sup {‖f(x)‖ : x ∈ D}。

右邊的 ‖·‖ 是 ℝ^q 裡的 norm,左邊的 ‖·‖_D 則是一個作用在整個函數上的新記號——別把兩者混為一談。

17.7  DEFINITION
For D ⊆ ℝᵖ, write B_{pq}(D) (or simply B(D)) for the collection of all bounded functions from D into ℝ^q.
Addition and scalar multiplication in B_{pq}(D) are defined pointwise: (f + g)(x) = f(x) + g(x) and (cf)(x) = c f(x) for all x ∈ D.
The zero function 0 : D → ℝ^q is given by 0(x) = 0 for all x ∈ D.
B_{pq}(D) 是 D 上所有有界函數(值在 ℝ^q)所成的集合。加法與純量倍逐點定義;零元是處處取零的那個函數。
正例:f(x) = sin x 屬於 B_{11}(ℝ)——因為 |sin x| ≤ 1,取 M = 1 即可,而 ‖f‖_ℝ = 1。反例:f(x) = x 不屬於 B_{11}(ℝ)——它無界,sup {|x| : x ∈ ℝ} 在 ℝ 中不存在,‖f‖_ℝ 根本寫不出來。同一個 f 若把定義域縮成 [0, 1] 就進得來了,且 ‖f‖_{[0,1]} = 1——有界與否取決於定義域。
17.8  LEMMA
(a) Under the operations of Definition 17.7 the set B_{pq}(D) is a vector space.
(b) The assignment f ↦ ‖f‖_D = sup {‖f(x)‖ : x ∈ D} is a norm on B_{pq}(D).
(a) B_{pq}(D) 在逐點的加法與純量倍之下是一個 vector space;(b) f ↦ ‖f‖_D 是 B_{pq}(D) 上的一個 norm,稱為 uniform norm(均勻範數)或 supremum norm。
正例:f(x) = sin x 與 g(x) = 1 在 ℝ 上,‖f‖_ℝ = ‖g‖_ℝ = 1 而 ‖f + g‖_ℝ = 2 ≤ 1 + 1——三角不等式成立且此處取到等號。反例:三角不等式可以是嚴格的——取 g(x) = −sin x,則 ‖f + g‖_ℝ = 0 < 2。norm 只保證 ≤。
PROOF

(a) 是例行驗算:逐點定義的運算,§8-1 的 vector space 公理(8.1)每一條都由 ℝ^q 在每一點上分別成立而得;另外要確認和與純量倍仍然有界(‖f + g‖ 被 M_f + M_g 罩住)。以下只證 (b),逐條檢查 §8-2 的 norm 四條規格(8.5)。

Proof.  (i) Each ‖f(x)‖ is non-negative, so their supremum ‖f‖_D is non-negative. (ii) The zero function clearly has ‖0‖_D = 0; conversely if ‖f‖_D = 0, then 0 ≤ ‖f(x)‖ ≤ ‖f‖_D = 0 for each x, so ‖f(x)‖ = 0 and hence f(x) = 0 for every x — that is, f is the zero function.
前兩條靠 sup 的基本性質。(i) 一族非負數的最小上界仍非負。(ii) 的正方向顯然;反方向的關鍵是 ‖f‖_D 是上界,所以每一點的 ‖f(x)‖ 都被它罩住——一旦這個上界是 0,每一點的長度就被夾在 0 與 0 之間,再由 8.5 的第二條(長度為零者僅有零向量)逐點得 f(x) = 0。注意這裡下的結論是「f 是零函數」,不是「某一點取零」——兩個層次要分清楚。
(iii) For c ∈ ℝ, homogeneity of the norm in ℝ^q gives ‖(cf)(x)‖ = |c| ‖f(x)‖ for each x, and taking suprema yields ‖cf‖_D = |c| ‖f‖_D. (iv) For every x ∈ D, ‖(f + g)(x)‖ = ‖f(x) + g(x)‖ ≤ ‖f(x)‖ + ‖g(x)‖ ≤ ‖f‖_D + ‖g‖_D. Hence ‖f‖_D + ‖g‖_D is an upper bound for the set {‖(f + g)(x)‖ : x ∈ D}, and being at least the least such bound, ‖f + g‖_D ≤ ‖f‖_D + ‖g‖_D.
(iv) 是唯一需要動點腦筋的一條,手法值得記住。不能直接說「兩邊取 sup」——sup 不會自動跟加法交換(左邊的最大值可能發生在別的點)。正確的路是:先證 ‖f‖_D + ‖g‖_D 是一個上界,再引用 sup 是最小上界。中間那一步用了兩次放大:先在單點上用 ℝ^q 的三角不等式(8.7),再把兩個單點值各自換成它們的 sup。具體:f = sin、g = cos 時 ‖f + g‖_ℝ = √2 < 2 = ‖f‖_ℝ + ‖g‖_ℝ,嚴格小於——這正說明「最大值不必發生在同一點」。
四條齊備,‖·‖_D 是合格的 norm。∎
g f 最大的一段 = ‖f − g‖_D 逐點量垂直距離,取其中最大的那一個

這張圖在說 uniform norm 量的是什麼:把兩條曲線在每個 x 上的垂直距離量出來,‖f − g‖_D 就是這些距離的最小上界。它把「兩個函數有多不一樣」壓縮成一個數——三角不等式之所以只能得到 ≤,正因為各段的最大值未必發生在同一個 x。

均勻收斂=範數趨於零(17.9)

17.9  THEOREM
A sequence (fₙ) in B_{pq}(D) converges uniformly on D to f ∈ B_{pq}(D) if and only if ‖fₙ − f‖_D → 0.
B_{pq}(D) 中的函數列 (fₙ) 在 D 上均勻收斂到 f 的充要條件:實數列 (‖fₙ − f‖_D) 收斂到 0。
正例:§17-2 例 8 的 ‖fₙ − f‖_ℝ = 1/n → 0,判定均勻收斂。反例:這條定理只適用於有界函數——§17-1 例 1 的 fₙ(x) = x/n 在 ℝ 上無界,‖fₙ − f‖_ℝ 寫不出來,得先把定義域縮小才用得上(下一篇例 9 會這麼做)。
PROOF

兩個方向都只是在「逐點的估計」與「sup 的估計」之間來回一次。

Proof.  Suppose the convergence is uniform, and let ε > 0. Definition 17.4 supplies K(ε) such that ‖fₙ(x) − f(x)‖ < ε for all n ≥ K(ε) and all x ∈ D. For such n the number ε is an upper bound of {‖(fₙ − f)(x)‖ : x ∈ D}, so ‖fₙ − f‖_D ≤ ε. As ε > 0 was arbitrary, ‖fₙ − f‖_D → 0.
正方向的唯一細節是不等號會鬆一格。每一點的誤差都嚴格小於 ε,可是取 sup 之後只保得住 ≤ ε——最小上界可以恰好等於 ε,這正是 §15-4 的 15.8 講過的現象(嚴格不等式過極限會鬆掉)。不過這不礙事:要證的是 ‖fₙ − f‖_D → 0,而「對每個 ε 都從某項起 ≤ ε」已經足以推出收斂到 0——把 ε 換成 ε/2 再走一次就得到嚴格版。
Conversely, suppose ‖fₙ − f‖_D → 0 and let ε > 0. There is K(ε) with ‖fₙ − f‖_D < ε for n ≥ K(ε). Since the supremum dominates every member of the set it bounds, each x ∈ D satisfies ‖fₙ(x) − f(x)‖ ≤ ‖fₙ − f‖_D < ε. That single K(ε) therefore serves every x at once, which is exactly Definition 17.4.
反方向才是這條定理真正有用的一半,而且它把「均勻」這個字的來歷說清楚了。‖fₙ − f‖_D 是一個數,它的收斂只牽涉 n,交出來的 K(ε) 當然不含 x;而這個數又罩得住每一點的誤差——於是同一個 K 自動對全體 x 通用。從此判定均勻收斂不必再回到 17.4 逐點檢查:算出 ‖fₙ − f‖_D 這個 sup,再問這條實數列趨不趨於零就好。
均勻收斂被翻譯成一條普通實數列的收斂,前三節的工具全部可用。∎
f ‖fₙ − f‖_D 範數 = 帶子的半寬 範數 → 0 ⟺ 帶子收窄到零

這張圖在說 17.9 為什麼是同一句話:‖fₙ − f‖_D 恰好是「能把 fₙ 整條裝進去的最窄帶子」的半寬。均勻收斂說的是任何 ε 帶最終都裝得下 fₙ,而那正是說最窄帶寬趨於零——兩件事的資訊量完全相同。

—— 第三階段到此結束 ——

工具升級完成:有界函數所成的 B_{pq}(D) 是 vector space,而 ‖f‖_D = sup ‖f(x)‖ 是它上面一個合格的 norm(17.8)——證三角不等式時的關鍵是「先證是上界,再引用最小上界」,因為 sup 不跟加法交換。有了它,均勻收斂被翻譯成 ‖fₙ − f‖_D → 0(17.9),也就是一條普通實數列的收斂。代價是這個工具只對有界函數說得上話。下一篇 §17-4 拿它重做四個判例,並交出本節最後一條定理——一個不必事先知道極限函數的均勻收斂判準。起來走動一下。