我们熟悉的几何级数，可以看做一个泰勒展开：

这像是函数的级数，那么在什么情况下，这个等式可以写成无穷级数的形式？

• 观察点：当 （或者更准确地说，在收敛半径 内）时，这种转化才具有数学意义。

---

函数项级数

函数项级数的定义：

• 定义形式：

其中 是定义在集合 上的函数序列。

• 部分和函数 (Partial Sum Function)：

这是级数前 项的和，它本身也是一个关于 的函数。

• 和函数 (Sum Function)：

  当 时，如果部分和函数序列 趋于一个极限，这个极限被称为和函数，记作：

---

函数序列的极限与收敛

我们考虑函数序列 的所谓极限和收敛，试着对其运用我们在数项级数的想法。

1. 前提条件

• 共同定义域：设函数序列 中的每一个函数都定义在同一个集合 上。

• 逐点存在性：对于定义域 中的每一个确定的自变量 ，数列 （此时已坍缩为常数数列）的极限都存在。

2. 极限函数的定义

• 如果上述极限存在，我们可以定义一个新的函数 ，其在点 的取值即为该数列的极限：

• 此时， 被称为函数序列 的极限函数 (Limit Function)。

3. 记号与表述

• 这种关系记为：

• 这意味着函数序列 在集合 上逐点收敛于 。

逐点收敛

逐点收敛关注的是“局部”的胜利。如果我们把函数序列想象成一群向终点线跑去的运动员，逐点收敛只要求每个运动员最终都能到达自己的终点，但并不要求他们到达的速度是一致的。

一致收敛

设函数序列 在集合 上收敛于极限函数 。

若对于任意给定的 ，都存在一个只与 有关的自然数 ，使得当 时，对于一切，都有：

则称函数序列 在 上一致收敛于 。

记法：

（注意：这里使用了双箭头来区别于逐点收敛的单箭头）。

---

一致收敛 vs. 逐点收敛

两者的本质区别在于 对 的依赖性：

• 逐点收敛：对于不同的点 ，收敛的速度可以不同。为了达到同样的精度 ，有些点可能需要 ，有些点可能需要 。这意味着 是 和 的函数：。

• 一致收敛：存在一个“全场通用”的 。只要 足够大，整个函数曲线会作为一个整体进入极限函数 的 -邻域内。此时 只取决于精度要求：。

示例：幂函数序列

1. 设定条件

设函数序列为：

2. 逐点收敛过程

当 时，我们分情况讨论每个点 的极限：

• 当 时：根据幂函数的性质，。

• 当 时：对于任何 ， 始终为 ，故 。

由此得到极限函数 ：

3. 核心结论

收敛但不一致。

• 为什么不一致？

  观察图像可以看到，随着 增大，曲线虽然在绝大部分区域向下“塌陷”趋近于 ，但在 附近，曲线始终需要从 附近陡峭地升至 。

  这意味着：

  1. 连续性破坏：所有的子项 都是完美的连续函数，但它们的极限函数 在 处发生了跳跃（不连续）。

  2. 速度不均：越靠近 的点，收敛到 的速度越慢。你无法找到一个统一的 ，让整条曲线在 附近也进入极限函数的 -邻域。

例 ：利用均值不等式判定一致收敛

1. 问题设定

设函数序列 ，定义域为 。

2. 判定过程

• 逐点极限：显然，对于 内的任意 ，当 时，。即极限函数 。

• 寻找一致上界：我们需要估计 的最大值。 根据算术-几何平均值不等式（AM-GM Inequality）：

因此：

• 结论：由于上界 与 无关，且当 时趋于 ，所以：

---

例 ：收敛域缩减保证一致收敛

1. 问题设定

设函数序列 ，但此时定义域限制在 ，其中 。

2. 判定过程

• 逐点极限：由于 ，对于该区间内所有 ，都有 。

• 寻找一致上界： 由于 在 上是单调递增的，其最大值必然在右端点 处取得：

• 结论： 因为 ，所以当 时，。 这意味着在缩短后的闭区间 上：

---

这两个例子揭示了判定一致收敛的一种标准范式—— 判别法思想：

1. 先求出逐点极限 。

2. 计算偏差的模 。

3. 关键步骤：找到一个不依赖于 的数列 ，使得该偏差永远小于等于 。

4. 如果 ，则一致收敛。

一致收敛的判别定理 (The Criterion Theorem)

判定一致收敛最常用的充分必要条件（通常被称为 判别法思想）：

• 定理内容：

  设 （逐点收敛）。若存在一个数列 ，满足：

  1. ；

  2. 对一切 及一切 ，都有 ；

• 结论：则函数序列 在 上一致收敛于 ()。

直观理解：如果能找到一个“盖子” ，它能把所有点的误差都盖住，且这个盖子本身会收缩到 ，那么收敛就是一致的。

---

非一致收敛的判定 (Negation Criterion)

证明一个级数不一致收敛的方法：

• 判定准则：

  若存在一个常数 ，以及定义域中的一个特殊点列 ，使得：

（或者该项的极限为 ），则 在 上不一致收敛。

---

例

1. 问题设定

2. 分析过程

• 逐点极限：

  • 若 ，。

  • 若 ，分母 的阶数高于分子 ，故当 时，。

  • 结论：极限函数 。

• 构造点列（否定准则）：

  为了证明不一致收敛，我们需要找到一个点 ，使得函数值在该点不趋于 。

  令 （通过观察容易找到这个序列）：

• 结论：由于误差始终保持在 ，无法被任意小的 覆盖，故在 上不一致收敛。

---

例 ：有界闭区间内的一致收敛

1. 问题设定

2. 分析过程

• 逐点极限：将式子拆分为 。当 时，，故 。

• 寻找一致上界：

在区间 上，其最大偏差出现在 处：

• 结论：令 ，当 时 。因此在 上一致收敛。

---

例 3：无穷区间导致的收敛失败

1. 问题设定

2. 分析过程

• 逐点极限：对于固定的 ，当 时，依据重要极限可知 。

• 寻找反例点列：

  令 ：

• 结论：由于 ，误差在 趋向无穷时无法消失。故在 上不一致收敛。

• 对比：若将区间限制在有界的 ，则会变成一致收敛。

但是如果不知道极限，如何判定一致收敛呢？我们想到数项级数中的柯西判别法。

一致收敛的柯西准则

1. 定理内容

设函数序列 定义在集合 上。 在 上一致收敛（即存在函数 使得 ）的充分必要条件是：

对于任意给定的 ，都存在一个仅与 有关的自然数 ，使得对于所有 以及一切，都有：

---

2. 核心逻辑拆解

• 内部一致性：柯西准则的本质是要求序列的项在 足够大时，彼此之间靠得非常近。

• 摆脱极限函数的依赖：

  • 在之前的判别法中，我们通常需要先求出 ，然后去分析 。

  • 柯西准则只需要比较序列内部的两项 和 。这意味着即使极限函数极其复杂或者难以显式表达，我们依然可以讨论其一致收敛性。

• “一致”的体现：

  与数列柯西准则不同，这里的 对整个定义域 必须是通用的。无论你在 中选择哪一个 ，只要下标超过 ，两项之间的距离都必须小于 。

一致收敛到底有什么用呢？

核心定理：一致收敛与连续性 (Uniform Convergence and Continuity)

1. 定理内容

设函数序列 定义在集合 上：

• 条件 1：每一项 都是 上的连续函数（记作 ）；

• 条件 2： 在 上一致收敛于极限函数 （记作 ）；

• 结论：极限函数 也是 上的连续函数（即 ）。

---

2. 证明思路： 技巧

为了证明 在 处连续，我们需要控制 的大小。

通过插入项，将其拆解为三部分：

1. 第一项 ：由一致收敛保证。只要 足够大，对所有 这一项都小于 。

2. 第二项 ：由 的连续性保证。固定 后，当 靠近 时，这一项小于 。

3. 第三项 ：同样由一致收敛保证（特定点 处的收敛）。

---

回顾那个 在 上的例子：

• 每一项 都是连续的。

• 但极限函数 在 处不连续。

• 原因：正是因为它在 上不满足一致收敛。这个反例从反面完美印证了本定理的必要性。

一致收敛保持可积性

1. 定理内容

设函数序列 定义在有界闭区间 上：

• 条件 1：每一项 都是 上的连续函数（即 ）；

• 条件 2： 在 上一致收敛于极限函数 （记作 ）；

• 结论：极限函数与积分号可以交换顺序，即：

直观隐喻：由于一致收敛保证了整个函数曲线是“均匀”地靠近极限函数的，因此曲线下方的面积也会“平滑”地趋近于极限函数下方的面积。

---

2. 证明过程整理

通过对误差的估计完成证明：

• 误差表达式：我们需要证明 。

• 利用积分性质放大：

• 利用一致收敛代换：

  根据一致收敛的定义，对于任意 ，存在 ，当 时，对所有 都有 。

• 最终估计：

当 趋于 时，上述误差项显然趋于 。

如果不一致收敛，就未必满足：

• 一个“三角形尖峰”函数序列 ，其高度为 ，底边宽度缩减为 。

• 现象：

  • 逐点极限：对于任何固定的 ，最终 ，函数值变为 。故 。

  • 积分结果：三角形面积 （底 高 ）。

  • 极限冲突：，但极限函数的积分 。

• 结论：由于收敛不一致（尖峰一直在拔高），积分与极限号不可交换。

函数列的求导与一致收敛性

1. 定理陈述 (Theorem)

设 是定义在区间 上的函数列，若满足以下条件：

• 点点收敛：存在 ，使得 收敛。

• 连续可导：，即每个 在 上有一阶连续导数。

• 导函数一致收敛：存在函数 ，使得导函数序列 在 上一致收敛于 ，即：

则可以得出以下结论：

1. 函数列 在 上一致收敛于某个函数 （即 ）。

2. 极限函数 在 上可导，且其导数等于导函数的极限，即：

---

2. 证明思路推演 (Proof Sketch)

利用微积分基本定理进行估计：

通过基本公式：

当 时，对应的项分别趋向于：

为了证明一致收敛，考察差值的绝对值：

由于 收敛且 一致收敛，由 Cauchy 收敛准则可知，上式右端可以控制得任意小，从而证明 的一致收敛性。那么对第二个式子求导，利用变上限积分的导数就得到 。

---

3. 性质延伸：交换性 (Interchangeability)

极限符号交换的核心思想：

• 极限交换：

• 积分交换：

• 求导交换：

注意 (Caveat)：求导的交换性比积分要求更苛刻。仅仅 是不足以推出 的，必须要求 导函数序列本身一致收敛 () 才能保证等式成立。

整理 & 应用到函数项级数

一致收敛的判定

---

一致收敛的性质

① 连续性 (Continuity)

② 可积性 (Integrability)

③ 可微性 (Differentiability)

应用到函数项级数

称 在 上一致收敛

若

---

一致收敛的性质

① 连续性 (Continuity)

若 （在 上），且每个 $ u_n \in C(X) \implies S_n \in C(X)

这实际上意味着极限符号与求和符号可以交换：

② 可积性 (Integrability) — 逐项积分

若 在 上，（通常称可积）,那么首先利用积分的线性得到：

利用上述的函数序列的一致收敛的可积性

就得到

③ 可微性 (Differentiability) — 逐项求导

若 ，且 ，那么利用函数序列的可微性：

直观地说，一致收敛允许我们交换极限、积分、导数。

狄利克雷判别法（一致版）

考察 在 上：

若：

① 对任意 ， 关于 单调，且 在 上；

② 存在 ，使得 （即部分和一致有界）；

---

阿贝尔判别法（一致版）

考察 在 上：

若：

① 对任意 ， 关于 单调，且存在 ，使得 （即序列一致有界）；

② 一致收敛；

---

• 狄利克雷 (Dirichlet) 的逻辑： 的能力比较弱，它的部分和只能做到不爆炸（一致有界），无法自主收敛。这时候就需要 展现出极强的压制力（单调地一致趋于 0），硬生生把整个级数拉进收敛的怀抱。

• 阿贝尔 (Abel) 的逻辑： 本身已经足够优秀，自己就已经能做到一致收敛了。这时候对 的要求就会放松，它不需要趋于 0，只需要在旁边安分守己，不要帮倒忙破坏稳定性即可（单调且一致有界）。