跳到主要內容

[數學分析] 逐點收斂與均勻收斂(2) - Series version

令 $X$ 為 metric space。現在考慮 一組 函數 sequence $\{f_n \}$ 定義在集合 $E \subset X$,我們稱 $\{f_n \}$為 uniform convergence 若下列任一條件成立
1. (Definition) 對任意 $\varepsilon >0$, 存在 $N >0$ 使得 $n > N$ 對所有的 $x \in E$
\[|f_n(x) - f(x)| < \varepsilon
\]2. (Cauchy criterion) 若對任意 $\varepsilon >0$, 存在 $N >0$ 使得 對任意 $x \in E$, 我們有 \[
 n,m > N \Rightarrow |f_n(x) - f_m(x)| < \varepsilon
\]3. (Sup-norm version) 若 \[
\lim_{n \rightarrow \infty} \sup_{x \in E} |f_n(x) - f(x)| =\lim_{n\rightarrow \infty}||f_n - f|| =0
\]
那麼現在我們看看若是一個級數而言,我們亦可討論此級數 是否 uniform convergence。故我們先給定級數收斂的定義

====================
Definition: (Convergence of Series of numbers )
令級數 $ \sum_{n=1}^{\infty}a_n$, 其中 $a_n \in \mathbb{R}$ ,我們稱此級數收斂若下列條件成立:
對任意 $\varepsilon >0$,存在 $N>0$ 使得 對任意 $m > N$
\[\left| {\sum\limits_{n = 1}^\infty  {{a_n}}  - \sum\limits_{n = 1}^m {{a_n}} } \right| < \varepsilon \]亦即所謂的級數的 partial sum 收斂。
====================

那麼對於一組函數級數的收斂該怎麼定義呢?

====================
Definition: (Convergence of Series of functions )
$E \subset X$,給定 $\{f_n(x) \}$ 為在 $E$ 上的函數 sequence,定義 函數級數 $ \sum_{n=1}^{\infty}f_n(x)$, 其中 $a_n \in \mathbb{R}$ ,我們稱此 函數級數為 逐點收斂(converges pointwise) 若下列條件成立:
給定任意點 $x \in E$,對任意 $\varepsilon >0$,存在 $N>0$ 使得 對任意 $m > N$
\[\left| {\sum\limits_{n = 1}^\infty  {{f_n(x)}}  - \sum\limits_{n = 1}^m {{f_n(x)}} } \right| < \varepsilon \]亦即所謂的級數的 partial sum 收斂。

我們稱此 函數級數 為 均勻收斂(converges uniformly) 若下列條件成立:
對任意 $\varepsilon >0$,存在 $N>0$ 使得 對任意 $m > N$ 與 任意 $x \in E$
\[\left| {\sum\limits_{n = 1}^\infty  {{f_n(x)}}  - \sum\limits_{n = 1}^m {{f_n(x)}} } \right| < \varepsilon \]亦即所謂的級數的 partial sum 收斂。
====================

注意到上述定義要求無窮級數合,這在使用上會有一定的困難,故我們轉而利用 Cauchy criterion  (因為 "級數" 本身可視為一個函數。則透過函數的均勻收斂條件可知道 若且唯若 Cauchy criterion 成立 ),亦即:

Cauchy Criterion for uniform convergent series
函數級數 $ \sum_{n=1}^{\infty}f_n(x)$ 為 均勻收斂(converges uniformly)若下列條件成立
對任意 $\varepsilon >0$, 存在 $N >0$ 使得 $n,m > N (n>m>N)$, $x \in E$ 我們有\[\left| {\sum\limits_{k = 1}^n {{f_k}(x)}  - \sum\limits_{k = 1}^m {{f_k}(x)} } \right| < \varepsilon \]


接著我們在給出一個更進一步的結果,就是若函數級數的每一項都有界,且其有界函數的級數合收斂,則原函數級數有 均勻收斂,此稱作 Weierstrass M test 記做下面定理
====================
Theorem: Weierstrass M-test
設 $\{f_n \}$ 為一組定義在集合 $E$ 上函數 sequence,且我們假設
\[
|f_n(x)| \le M_n, (x\in E, n\in \mathbb{N})
\] 現若 級數 $\sum_n M_n$ 收斂,則 $\sum_n f_n$ converges uniformly on $E$ 。
====================

Proof:
給定任意 $\varepsilon >0$,我們可使用 Cauchy criterion 幫助我們判斷 函數級數的 均勻收斂;現在觀察 partial sum:
\[\left| {\sum\limits_{k = 1}^n {{f_k}(x)}  - \sum\limits_{k = 1}^m {{f_k}(x)} } \right| = \left| {\sum\limits_{k = m}^n {{f_k}(x)} } \right| \le \sum\limits_{k = m}^n {\left| {{f_k}(x)} \right|}  \le \sum\limits_{k = m}^n {{M_k}} \ \ \ \ (*)
\]上述不等式最後一項成立 (使用假設 $|f_k(x)| \le M_k, (x\in E, k\in \mathbb{N})$),又因為 級數 $\sum_n M_n$ 收斂,故可知 $(*)$ 收斂,亦即存在一個 $N$ 使得 當 $m,n > N$ 的時候,
\[\left| {\sum\limits_{k = 1}^n {{f_k}(x)}  - \sum\limits_{k = 1}^m {{f_k}(x)} } \right| \le \sum\limits_{k = m}^n {{M_k}}  < \varepsilon \]亦即 $\sum_n f_n$ converges uniformly on $E$

Example
考慮級數
\[
\sum_{n=1}^{\infty} \frac{\sin (nx)}{n^2}
\]試判斷此級數是否均勻收斂?
Solution
利用 Weierstrass M-test,首先檢驗
\[
 |\frac{\sin (nx)}{n^2}| \le |\frac{1}{n^2}|
\]接著觀察
\[
\sum_{n=1}^\infty \frac{1}{n^2} \rightarrow 0
\]故 由Weierstrass M-test Theorem
\[
\sum_{n=1}^{\infty} \frac{\sin (nx)}{n^2} \rightarrow 0
\]均勻收斂。


延伸閱讀
[數學分析] 逐點收斂與均勻收斂(3) - Differentiation property

留言

這個網誌中的熱門文章

[數學分析] 什麼是若且唯若 "if and only if"

數學上的 if and only if  ( 此文不討論邏輯學中的 if and only if,只討論數學上的 if and only if。) 中文翻譯叫做  若且唯若 (or 當且僅當) , 記得當初剛接觸這個詞彙的時候,我是完全不明白到底是甚麼意思,查了翻譯也是愛莫能助,畢竟有翻跟沒翻一樣,都是有看沒有懂。 在數學上如果看到 if and only if  這類的句子,其實是表示一種 雙條件句 ,通常可以直接將其視為" 定義(Definition)" 待之,今天要分享的是這樣的一個句子如何用比較直觀的方法去看他 假設我們現在有 兩個邏輯陳述句 A 與  B. 注意到,在此我們不必考慮這兩個陳述句到底是什麼,想表達什麼,或者到底是否為真(true),這些都不重要。只要知道是兩個陳述即可。 現在,考慮新的陳述:  "A if and only if B" 好了,現在主角登場,我們可以怎麼看待這個句子呢? 事實上我們可以很直覺的把這句子拆成兩部分看待,也就是 "( A if B ) and ( A only if B )" 那麼先針對第一個部分  A if B  來看, 其實這句就是說  if B then A, 更直白一點就是 "if B is true, then A is also true".  在數學上等價可以寫為 "B implies A" .  或者更常用一個箭頭符號來表示 "B $\Rightarrow$  A"  現在針對第二個部分  A only if B 此句意指  "If B is not true, then A is also not true". 所以如果已知 A is true,  那麼按照上句不難推得 B is also true 也就是說  A only if B  等價為 "If A is true then B is also true". 同樣,也可以寫作   "A implies B"   或者用箭頭表示  "A   $\Rightarrow$     B".

[數學分析] 淺談各種基本範數 (Norm)

這次要介紹的是數學上一個重要的概念: Norm: 一般翻譯成 範數 (在英語中 norm 有規範的意思,比如我們說normalization就是把某種東西/物品/事件 做 正規化,也就是加上規範使其正常化),不過個人認為其實翻譯成 範數 也是看不懂的...這邊建議把 Norm 想成長度就好 (事實上norm是長度的抽象推廣), 也許讀者會認為好端端的長度不用,為何又要發明一個 norm 來自討苦吃?? 既抽象又艱澀。 事實上想法是這樣的: 比如說現在想要比較兩個數字 $3$ , $5$ 之間的大小,則我們可以馬上知道 $ 3 < 5 $;同樣的,如果再考慮小數與無理數如 $1.8753$ 與 $\pi$,我們仍然可以比較大小 $1.8753 < \pi = 3.1415...$ 故可以發現我們有辦法對 "純量" 做明確的比大小,WHY? 因為前述例子中 $3$, $5$, $1.8753$ or $\pi$ 其各自的大小有辦法被 "measure "! 但是如果是現在考慮的是一組數字 我們如何去measure 其大小呢?? 比如說 \[x:=[1, -2, 0.1, 0 ]^T \]上式的大小該是多少? 是 $1$? $-2$? $0.1$??? 再者如果更過分一點,我們考慮一個矩陣 \[A = \left[ {\begin{array}{*{20}{c}} 1&2\\ 3&4 \end{array}} \right] \],想要知道這個矩陣的大小又該怎麼辦?? 是 $1$ ? $2$ 還是 $4$ ?..其實現階段我們說不清楚。 也正是如此,可以發現我們確實需要新的 "長度" 的定義來幫助我們如何去 measure 矩陣/向量/甚至是函數的大小。 故此,我們首先定義甚麼是Norm,(也就是把 "長度" or "大小" 的本質抽離出來) ================== Definition: Norm 考慮 $V$ 為一個向量空間(Vector space),則我們說  Norm 為一個函數 $||\cdot|| : V \rightarrow \mathbb{R}$ 且滿足下列性質