跳到主要內容

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

如果我們手邊有一個 均勻收斂的 函數 sequence $\{f_n \}$ 且假設此數列可微,我們想知道均勻收斂是否能給我們一些關於此函數sequence 微分 $\{ f_n' \}$ 的一些關聯?

首先看個例子:

Example:

\[
f_n(x) := \frac{\sin nx}{\sqrt{n}}, \;\; (x \in \mathbb{R}, \;n=1,2,3,...)
\]試回答下列問題:
1. 函數是否逐點收斂(converges pointwise)?
2. 是否均勻收斂(converges uniformly)?
3. 此函數sequence 導數 $f_n'(x)$ 為何?
4. 此函數sequence 的導數  $\{ f_n'\}$是否逐點收斂?
5. 此函數sequence 的導數  $\{ f_n'\}$是否均勻收斂?
Solution
1. 首先檢驗是否逐點收斂
給定 $x \in \mathbb{R}$,我們可知道當 $n \rightarrow \infty$ 函數 sequence $\{f_n \}$為
\[\mathop {\lim }\limits_{n \to \infty } {f_n}\left( x \right) = \mathop {\lim }\limits_{n \to \infty } \frac{{\sin nx}}{{\sqrt n }} = 0
\]亦即此 $\{f_n \}$ converges pointwise 到 $0$

2. 現在我們檢驗其是否為均勻收斂,由均勻收斂的 sup-norm 定義,我們可檢驗其 sup-norm 看是否收斂到 $0$;亦即檢驗
\[\left\| {{f_n} - f} \right\| = \mathop {\sup_{x \in \mathbb{R}} } \left| {\frac{{\sin nx}}{{\sqrt n }} - 0} \right| = \mathop {\sup_{x \in \mathbb{R}} } \left| {\frac{{\sin nx}}{{\sqrt n }}} \right| \le \frac{1}{{\sqrt n }}
\]故讓 $n \rightarrow \infty$可得
\[\mathop {\lim }\limits_{n \to \infty } \left\| {{f_n} - f} \right\| = 0\]

3. 此函數 sequence 導數為
\[{f_n}'\left( x \right) = \frac{1}{{\sqrt n }}n\cos nx = \sqrt n \cos nx\]

4. & 5. 此函數 sequence 的導數是否逐點收斂?
由結果 3 可知函數 sequence 的導數為 $\sqrt n \cos nx$ 此函數為在 $-1$ 與 $1$ 之間上下震盪的 cosine ,故若我們讓 $n \rightarrow \infty$ 皆不(逐點)收斂。既然此函數導數不收斂故必定不為均勻收斂。$\square$


故從上例可看出儘管原函數 sequence 具備均勻收斂,仍沒有辦法保證其導數sequence $\{ f_n'\}$依然均勻收斂。那麼問題變成 我們想知道 導數 sequence 與 原函數 sequence 之間的關係

不過我們在介紹此結果之前,我們需要一些事先工具:
===================
Mean Value Theorem 
設 $f: [a,b] \rightarrow \mathbb{R}$ 為連續函數 且 $f$ 在 $(a,b)$ 上可微。則 存在 $x \in (a,b)$ 使得
\[
|f(b) - f(a)| \le (b-a)|f'(x)|
\]===================
Proof: omitted.

====================
Theorem: Uniform Convergence Preserves Continuity
假設 $f_n \rightarrow f$ 均勻收斂在 $E \subset X$,令 $x$ 為 $E$ 上的 limit point,且假設 $\lim_{t \rightarrow x} f_n(t) = A_n(x)$ 對 $n = 1,2,3,...$則
1. $\{A_n \}$ 收斂
2. $\displaystyle \lim_{t \rightarrow x}f(t) = \displaystyle \lim_{n \rightarrow \infty} A_n(x)$
====================
Proof: omitted.


我們將此結果記做以下定理:
=======================
Theorem: Uniform Convergence and Differentiation Property
假設 $\{ f_n\}$ 為在封閉區間 $[a,b]$上可微的函數 sequence,且存在某點 $x_0 \in [a,b]$ 使得 sequence $\{ f_n(x_0)\}$ 收斂。現若 函數導數sequence $\{ f_n'\}$ 在 $[a,b]$ 上均勻收斂,則
1. 原函數sequence  $\{f_n \}$ 在 $[a,b]$上均勻收斂到某函數 $f$ 且
2. 對任意 $x \in [a,b]$,我們有
\[f'\left( x \right) = \mathop {\lim }\limits_{n \to \infty } {f_n}'\left( x \right)\]
=======================
Proof
我們先證 函數sequence  $\{f_n \}$ 在 $[a,b]$上均勻收斂到某函數 $f$ (但不知道此函數 $f$ 是否存在,我們必須現證明此函數收斂才可說 $f$ 存在),故給定 $\varepsilon >0$ 我們要證明: 存在 $N$ 使得 $n ,m> N$ 與 $x \in [a,b]$,
\[
|f_n(x) - f_m(x)| < \varepsilon \ \ \ \ (\star)
\](亦即使用 Cauchy criterion 判斷均勻收斂)。

注意到我們已知 "存在某點 $x_0 \in [a,b]$ 使得 sequence $\{ f_n(x_0)\}$ 收斂",故 $\{f_n \}$為 Cauchy,亦即存在 $N$ 使得 $n,m > N$
\[
|f_n(x_0) - f_m(x_0)| < \varepsilon \ \ \ \ (*)
\]且又知道 "函數導數sequence $\{ f_n'\}$ 在 $[a,b]$ 上均勻收斂",故我們直接取前面 Cauchy 要求的 $N$ 使得
\[
|f_n'(x) - f'(x)| < \varepsilon/(b-a)
\]觀察上式,若 $n > N$ 則我們有 $|f_n'(x) - f'(x)| < \varepsilon/(b-a)$  且由於 "  $\{ f_n\}$ 為在封閉區間 $[a,b]$上可微的函數 sequence",我們知道 $f_n - f_m$ 亦為可微函數,故對 $f_n - f_m$ 使用 Mean Value Theorem 可巧妙整合 $(*)$,亦即我們有 對任意 $x, t \in [a,b]$ , $n,m >N$ 則
\[\begin{array}{l}
|\left( {{f_n}(x) - {f_m}(x)} \right) - \left( {{f_n}(t) - {f_m}(t)} \right)| \le |x - t| \cdot |{f_n}'(x) - {f_m}'(x)|\\
 \Rightarrow |\left( {{f_n}(x) - {f_m}(x)} \right) - \left( {{f_n}(t) - {f_m}(t)} \right)| \le |x - t|\frac{\varepsilon }{{b - a}} < \varepsilon
\end{array}\]上式最後的不等式成立因為 $|x - t| \le |b -a|$。

現在我們觀察
\[\begin{array}{l}
|{f_n}(x) - {f_m}(x)| = |{f_n}(x) - {f_n}({x_0}) + {f_n}({x_0}) - {f_m}({x_0}) + {f_m}({x_0}) - {f_m}(x)|\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}&{}&{}&{}
\end{array} \le \underbrace {|{f_n}(x) - {f_n}({x_0}) + {f_m}({x_0}) - {f_m}(x)|}_{ < \varepsilon } + \underbrace {|{f_n}({x_0}) - {f_m}({x_0})|}_{{\rm{ < }}\varepsilon }\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}&{}&{}&{}
\end{array} < {\rm{2}}\varepsilon
\end{array}
\]故我們證明了 $\{ f_n \}$ 在 $[a,b]$上為 Cauchy (滿足 Cauchy criterion) 故 $\{f_n  \}$ 在 $[a,b]$上均勻收斂。

由於我們已知 $\{ f_n\}$ (均勻)收斂故現在可令
\[
f(x) := \lim_{n \rightarrow \infty} f_n(x), \;\; (x \in [a,b])
\]----
現在給定 $x \in [a,b]$,我們開始證明 2:亦即要證
\[f'\left( x \right) = \mathop {\lim }\limits_{n \to \infty } {f_n}'\left( x \right)
\]我們首先定義兩輔助函數 $\phi_n, \phi$ 如下:對 $t \in [a,b]$ 且 $t \neq x$,
\[{\phi _n}\left( t \right): = \frac{{{f_n}\left( t \right) - {f_n}\left( x \right)}}{{t - x}};\;\;\phi \left( t \right): = \frac{{f\left( t \right) - f\left( x \right)}}{{t - x}}
\]注意到上式 $\phi_n$,若我們讓 $n=1,2,3...$  ,由導數定義可知
\[\mathop {\lim }\limits_{t \to x} {\phi _n}\left( t \right) = {f_n}'\left( x \right) \ \ \ \ (\star)
\]我們希望輔助函數 $\phi_n$ 可以均勻收斂到 $\phi$,由於已知 $\mathop {\lim }\limits_{t \to x} {\phi _n}\left( t \right) = {f_n}'\left( x \right)$ ,故一旦  $\phi_n$ 可以均勻收斂到 $\phi$, 則透過 Theorem of Uniform Convergence Preserves Continuity 可知
1. $\{f_n' \}$ 收斂
2. $\displaystyle \lim_{t \rightarrow x}\phi (t) = \displaystyle \lim_{n \rightarrow \infty} f_n'$

故我們開始證明 $\phi_n$ 均勻收斂到 $\phi$,現在觀察
\[\begin{array}{l}
\left| {{\phi _n}\left( t \right) - {\phi _m}\left( t \right)} \right| = \left| {\frac{{{f_n}\left( t \right) - {f_n}\left( x \right)}}{{t - x}} - \frac{{{f_m}\left( t \right) - {f_m}\left( x \right)}}{{t - x}}} \right|\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}&{}&{}&{}
\end{array} = \left| {\frac{1}{{t - x}}} \right|\left| {\left( {{f_n}\left( t \right) - {f_n}\left( x \right)} \right) - \left( {{f_m}\left( t \right) - {f_m}\left( x \right)} \right)} \right| \ \ \ \ (**)
\end{array}
\]再次利用 Mean Value Theorem 對 $f_n - f_m$ 且讓 $n,m > N$可得
\[\left| {\left( {{f_n}\left( t \right) - {f_m}\left( x \right)} \right) - \left( {{f_n}\left( t \right) - {f_m}\left( x \right)} \right)} \right| \le \left| {t - x} \right|\left| {{f_n}'\left( t \right) - {f_m}'\left( t \right)} \right| < \left| {t - x} \right|\frac{\varepsilon }{{b - a}}  \]
故 $(**)$ 變為
\[\left| {{\phi _n}\left( t \right) - {\phi _m}\left( t \right)} \right| < \left| {\frac{1}{{t - x}}} \right|\left| {t - x} \right|\frac{\varepsilon }{{b - a}} = \frac{\varepsilon }{{b - a}}
\]由於 $b-a$ 為有界,故我們可透過讓 $n,m$ 足夠大使得 $|\phi_n - \phi_m| \rightarrow 0$;亦即 我們證明了 $\{\phi_n \}$ 為 Cauchy ,故若 $t \neq x$,則 $\phi_n$ 均勻收斂 (到 $f_n'$);另外由於我們已知 $f_n$ 均勻收斂到 $f$,故我們可令
\[\mathop {\lim }\limits_{n \to \infty } {\phi _n}(t): = \underbrace {\phi (t)}_{ = {f_n}'\left( x \right)},\;\;t \ne x,t \in [a,b]\]
總結手邊的結果,現在我們有 $\phi_n \rightarrow \phi$ 均勻收斂,且由 $(\star)$ 可知 $\mathop {\lim }\limits_{t \to x} {\phi _n}\left( t \right) = {f_n}^\prime \left( x \right)$ ,故透過 Theorem of Uniform Convergence Preserves Continuity  可知
1. $f_n'$ 收斂
2. 且
\[\begin{array}{l}
\mathop {\lim }\limits_{t \to x} \phi (t) = \mathop {\lim }\limits_{n \to \infty } {f_n}'(x)\\
 \Rightarrow f\left( t \right) = \mathop {\lim }\limits_{n \to \infty } {f_n}'(x)
\end{array}\]

延伸閱讀

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