Lecture 23: Pointwise and Uniform Convergence of Sequences of Functions（函数列的逐点收敛与一致收敛）

目录 · ← l22 · l24 →

Lecture 23: Pointwise and Uniform Convergence of Sequences of Functions（函数列的逐点收敛与一致收敛）

概述

到目前为止，我们讨论的”极限”的对象一直是数列 $\{x_n\}$：一串实数趋近于一个实数。本讲把研究对象抬高一个层级：我们要研究函数列 (sequence of functions) $\{f_n\}$——一串函数趋近于一个函数。本讲要回答的核心问题是：“一串函数 $f_n$ 收敛到函数 $f$”到底是什么意思？

源文件的叙述路线是：先由幂级数 (power series) 这一具体而重要的场景（Remark 257、Definition 258、Theorem 259、Definition 260、Example 261）逼出三个尖锐的问题（Question 262：$f$ 连续吗？可导吗并且 $f^{\prime}=\lim f_n^{\prime}$ 吗？$\int f=\lim\int f_n$ 吗？），然后指出这些问题正是”本课程最后一节的关键动机”；接着把幂级数这个特殊情形抽象成一般的函数列，给出两个定义：逐点收敛 (Definition 263, pointwise convergence) 与一致收敛 (Definition 264, uniform convergence)，并证明一致收敛蕴含逐点收敛 (Theorem 265)。

本讲在概念上是全课程最微妙的一讲，因为这两个定义的文字差别只有一个量词的先后顺序：

逐点收敛：$\forall x\ \forall\epsilon\ \exists N\ \forall n\ge N$； 一致收敛：$\forall\epsilon\ \exists N\ \forall x\ \forall n\ge N$。

但在后果上，这个顺序之差决定了：极限函数是否保持连续、是否保持有界、积分与极限能否交换、幂级数能否逐项求导。可以说，整个”函数列理论”的全部张力都压缩在这一个量词的交换上。此外，本讲（按课程讲次表）还包含 Lecture 22 末尾紧接的内容：Fourier 系数的 Riemann–Lebesgue 引理 (Lemma 254)——它是 Lecture 22 的分部积分公式最漂亮的一次应用，也第一次让我们看到”高频振荡把积分平均掉”这一分析学中反复出现的思想。

核心定义与直观解释

（一）幂级数：本讲的动机来源（Remark 257, Definition 258, Theorem 259, Definition 260, Example 261）

（Remark 257，幂级数驱动函数列的一般讨论）

源文件开篇第一句就是：

Remark 257. Power series motivate the general discussion of sequences of functions. （幂级数是函数列一般讨论的动机。）

这句话点明了叙述逻辑：我们不是为了抽象而抽象，而是因为幂级数本身就是”函数列取极限”的产物，所以必须先把”函数列收敛”讲清楚。

（Definition 258，Power series 幂级数）

• 严格定义：以 $x_0$ 为中心的幂级数是形如 \(\sum_{m=0}^{\infty}a_m(x-x_0)^m\) 的级数。
• 直观解释（”它到底在说什么？”）：把多项式 $\sum_{m=0}^{n}a_m(x-x_0)^m$ 看成一条”无限长的多项式”。$x_0$ 是展开中心，$a_m$ 是系数。每给定一个具体的 $x$，它就是一个数值级数；把”对每个 $x$ 求和的结果”当作一个函数值，就得到一个函数 $f(x)$。这就是它为什么天然是”函数列的极限”：$f$ 是部分和函数列 $f_n(x)=\sum_{m=0}^{n}a_m(x-x_0)^m$ 的极限。
• 为什么需要”以 $x_0$ 为中心”这个形式？ 因为 $(x-x_0)^m$ 的结构使得”多大范围的 $x$ 使级数收敛”这个问题有一个极为干净的答案（一个以 $x_0$ 为中心的对称区间），这正是下面的 Theorem 259。
• 具体示例（源文件 Example 261）：$\displaystyle f(x)=\frac{1}{1-x}=\sum_{m=0}^{\infty}x^m$，这里 $x_0=0$，$a_m=1$（几何级数）。数值上取 $x=1/2$：部分和 $f_{10}(1/2)=1.9990234375$，$f_{20}(1/2)=1.9999990463$，而 $1/(1-1/2)=2$，确实在向 $2$ 靠拢。注意：$f(x)=1/(1-x)$ 在 $x\ne1$ 时都有定义，但级数只在 $\vert x\vert <1$ 时收敛——这个”函数有定义的范围”与”级数收敛的范围”不一致的现象，正是 Example 6.1.3 要我们留意的微妙之处。
• 反例：取 $x=1$，则 $\sum 1^m=\sum 1$ 的项恒为 $1$，不趋于 $0$，级数发散；取 $x=-1$，则 $\sum(-1)^m$ 的项不趋于 $0$，也发散。所以 $x_0=0$ 处收敛半径虽然可以希望是 $1$，但端点行为要单独讨论。

（Theorem 259，收敛半径定理；Definition 260，Radius of Convergence 收敛半径）

• 定理陈述（照源文件）：设 \(R=\lim_{m\to\infty}\vert a_m\vert ^{1/n}\) 存在（注意：源文件此处指数写成了 $1/n$，从上下文看应为 $1/m$，并且证明中用的正是 $1/m$ 的写法 \(\lim_{n\to\infty}\vert a_m(x-x_0)^m\vert ^{1/m}=R\vert x-x_0\vert ;\) 本笔记按上下文采用 $R=\lim_{m\to\infty}\vert a_m\vert ^{1/m}$，并指出源文件的笔误），并令 \(p=\begin{cases}\dfrac1R,&R>0,\\[6pt] \infty,&R=0.\end{cases}\) 则 $\sum a_m(x-x_0)^m$ 在 $\vert x-x_0\vert <p$ 时绝对收敛，在 $\vert x-x_0\vert >p$ 时发散。
• 定义 260：上述定理中的 $p$ 称为该幂级数的收敛半径 (radius of convergence)。
• 直观解释（”它到底在说什么？”）：收敛半径就是”以 $x_0$ 为中心、级数还活着的最大半宽”。$R$ 是系数的 $m$ 次根的极限，度量的是”系数衰减得多快”；$R$ 越大（系数衰减越快），$p$ 越小（收敛范围越窄）；$R=0$（系数衰减极快）时 $p=\infty$，处处收敛。这里出现了”倒数”关系，容易记反，务必用例子校准直觉。
• 为什么需要”$R$ 存在”这个条件？ 因为 $p$ 的定义要用到 $R$ 这个数；若 $\lim\vert a_m\vert ^{1/m}$ 不存在，本节给出的只是一个充分框架（实际工作中可用 $\limsup$ 代替，见 Lecture 9 的 $\limsup$ 与 Lecture 12 的根值判别法）。
• 具体示例：
  • $\sum x^m$：$a_m=1$，$\vert a_m\vert ^{1/m}=1\to R=1$，$p=1/1=1$，与 Example 261 吻合。
  • $\sum \frac{x^m}{m!}$：$a_m=1/m!$，$\vert a_m\vert ^{1/m}=(1/m!)^{1/m}\to0$（阶乘比任何指数增长都快），故 $R=0$、$p=\infty$，处处收敛（这是 $e^x$）。
  • $\sum m!\,x^m$：$a_m=m!$，$(m!)^{1/m}\to\infty$，故 $p=0$，只在 $x=x_0$ 处（形式上）收敛。
• 反例（说明 $\vert x-x_0\vert =p$ 是盲区）：$\sum x^m$ 的 $p=1$，但在端点 $x=1$ 发散、$x=-1$ 发散；而 $\sum x^m/m^2$ 的 $p=1$，在 $\vert x\vert =1$ 时处处收敛（由 Lecture 11 的比较判别法，$\vert x^m/m^2\vert =1/m^2$）。所以 Theorem 259 只对严格在内部和严格在外部给出结论，端点必须逐个分析——这正是定理陈述中写的是”$<$”和”$>$”而不是”$\le$”和”$\ge$”的原因。

（”$f$ 是函数列的极限”这一表述的严格含义）

源文件在 Example 261 之前写道：设 $\sum a_m(x-x_0)^m$ 的收敛半径为 $p$，定义 \(f:(x_0-p,\;x_0+p)\to\mathbb{R},\qquad f(x):=\sum_{m=0}^{\infty}a_m(x-x_0)^m .\) 那么 $f$ 是一列函数的极限： \(f(x)=\lim_{n\to\infty}f_n(x),\qquad x\in(x_0-p,x_0+p),\) 其中 \(f_n(x)=\sum_{m=0}^{n}a_m(x-x_0)^m .\)

这里的符号 $\lim_{n\to\infty}f_n(x)$ 逐点地（对每个固定的 $x$ 分别地） 理解——这正是下面 Definition 263 的逐点收敛。注意： 源文件在这里先用了”$\lim f_n(x)$”这个写法，之后才给出正式定义，这是教材常见的”先用后定义”的叙述顺序，我们在阅读时要意识到这一点。

（Question 262，幂级数逼出的三个问题）

源文件写道，这个概念引出若干问题：

1. $f$ 连续吗？
2. $f$ 可导吗？并且 $f^{\prime}=\lim_{n\to\infty}f_n^{\prime}$ 吗？
3. 若第 1 条成立，是否有 $\displaystyle\int_a^b f=\lim_{n\to\infty}\int_a^b f_n$？

源文件明确标注：“These questions will be the key motivator for the last section of this course.”（这些问题将是本课程最后一节的关键动机。）

• 直观解释：这三个问题都在问”能不能把极限与另一种操作交换“：极限与”求函数值”（连续性）、极限与”求导”、极限与”积分”。无穷和是极限，所以 $\int\sum=\sum\int$、$\frac{d}{dx}\sum=\sum\frac{d}{dx}$ 这些都是”交换两次极限/操作”的问题。
• 为什么它们不平凡？ 因为源文件 Lecture 24 的 Remark 269 给出了一个纯粹数值的反例：$\lim_n\lim_k \frac{n/k}{n/k+1}=0$ 而 $\lim_k\lim_n\frac{n/k}{n/k+1}=1$（两个极限交换后结果不同）。极限一般不能交换——这就是本讲要发明”一致收敛”的真正动因。

（二）Fourier 系数与 Riemann–Lebesgue 引理（Lemma 254, Definition 255）

这一段按源文件位置属于 Lecture 22 的末尾，按课程讲次表（SPEC_LECTURES.md 第 23 行）归入本讲”Fourier 系数的 Riemann–Lebesgue 引理（分部积分的应用）”。此处完整覆盖。

（Definition 255，Fourier Coefficients 傅里叶系数）

• 严格定义：设 $f\in C([-\pi,\pi])$ 且 $f^{\prime}\in C([-\pi,\pi])$，$f$ 以 $2\pi$ 为周期且 $f(-\pi)=f(\pi)$。对 $n\in\mathbb{N}\cup\{0\}$，定义 \(a_n=\frac{1}{\pi}\int_{-\pi}^{\pi}f(x)\sin(nx)\,dx,\qquad b_n=\frac{1}{\pi}\int_{-\pi}^{\pi}f(x)\cos(nx)\,dx .\) 则 $a_n,b_n$ 称为 $f$ 的傅里叶系数 (Fourier coefficients)。
• 直观解释（”它到底在说什么？”）：$a_n,b_n$ 度量的是”函数 $f$ 中含有多少频率为 $n$ 的波形成分”。$\cos(nx)$ 与 $\sin(nx)$ 是一族互相正交的”标准波形”，把 $f$ 与它们逐个做内积（即乘起来积分），就得到每个频率上的”权重”。$n$ 越大 = 频率越高 = 波形振荡越快。
• 为什么需要”$f(-\pi)=f(\pi)$ 且 $2\pi$ 周期”这个条件？ 因为我们要在区间端点处用分部积分，而端点项里会出现 $\sin(n\pi)=0$。即便 $\sin$ 项归零，条件 $f(-\pi)=f(\pi)$ 保证了把 $f$ 拼成周期函数时不出现跳跃点——在周期函数的语境下，$-\pi$ 与 $\pi$ 是”同一个点”，这两处的函数值理所应当一致。若 $f(-\pi)\ne f(\pi)$，$f$ 的周期延拓会在端点处断裂（下面的”反例”会说明后果）。
• 具体示例（含具体数值）：取 $f(x)=x^2$ 在 $[-\pi,\pi]$ 上。此时 $f$ 的 $2\pi$ 周期延拓连续，且 $f(-\pi)=\pi^2=f(\pi)$，满足条件。计算得 \(a_n=\frac{1}{\pi}\int_{-\pi}^{\pi}x^2\sin(nx)\,dx=0\quad(\text{奇函数在对称区间上的积分为 }0),\) \(b_n=\frac{1}{\pi}\int_{-\pi}^{\pi}x^2\cos(nx)\,dx=\frac{4(-1)^n}{n^2}\quad(n\ge1).\) 用 python3 数值验算（梯形法，$200000$ 个小区间）：

$ python3 - <<'EOF'
import math
N=200000; h=2*math.pi/N
xs=[-math.pi+i*h for i in range(N+1)]
def trap(g):
    s=0.5*(g(xs[0])+g(xs[-1]))
    for i in range(1,N): s+=g(xs[i])
    return s*h
f=lambda x: x*x
for n in [1,2,5,10,50,100,500]:
    an = trap(lambda x: f(x)*math.sin(n*x))/math.pi
    bn = trap(lambda x: f(x)*math.cos(n*x))/math.pi
    print(f"n={n:<5} a_n={an: .8e}   b_n={bn: .8e}")
EOF
n=1     a_n= 3.46724024e-16   b_n=-4.00000000e+00
n=2     a_n= 7.77085245e-16   b_n= 1.00000000e+00
n=5     a_n=-3.76339346e-16   b_n=-1.60000000e-01
n=10    a_n=-1.35446297e-15   b_n= 4.00000003e-02
n=50    a_n=-8.90730371e-17   b_n= 1.60000033e-03
n=100   a_n= 4.88217348e-16   b_n= 4.00000329e-04
n=500   a_n= 1.30712108e-16   b_n= 1.60003290e-05

与精确值 $b_n=4(-1)^n/n^2$ 逐一吻合（$n=1$：$-4$；$n=2$：$+1$；$n=5$：$-0.16$；$n=10$：$+0.04$；$n=50$：$+1.6\times10^{-3}$；$n=100$：$+4\times10^{-4}$）。可以看到 $\vert b_n\vert \to0$，而且是以 $1/n^2$ 的速度趋于 $0$——比 Lemma 254 保证的”趋于 $0$”还要快，因为 $f=x^2$ 特别光滑。

• 反例（说明端点条件不可省）：取 $f(x)=x$ 在 $[-\pi,\pi]$ 上。此时 $f(-\pi)=-\pi\ne\pi=f(\pi)$，不满足 Lemma 254 的周期条件。它的 Fourier 系数是 $a_n=\frac{2(-1)^{n+1}}{n}$、$b_n=0$。虽然这里 $a_n\to0$ 仍然成立，但 Lemma 254 的证明框架已不再适用（端点项 $f(\pi)\sin(n\pi)-f(-\pi)\sin(-n\pi)$ 中 $f(\pi)$ 与 $f(-\pi)$ 不再相等，无法保证拼成连续周期函数）；更重要的是，$\sum a_n\sin(nx)$ 在 $x=\pi$ 处的值会跳变（这正是锯齿波的 Gibbs 现象的来源）。所以 $f(-\pi)=f(\pi)$ 不是装饰性条件。

（三）函数列与逐点收敛（Definition 263, pointwise convergence）

（补充定义：函数列 sequence of functions）

• 严格定义：设 $S\subseteq\mathbb{R}$ 是非空集合。对每个 $n\in\mathbb{N}$，设 $f_n:S\to\mathbb{R}$ 是一个函数。则 $\{f_n\}_{n=1}^{\infty}$ 称为一个函数列 (sequence of functions)。若另有 $f:S\to\mathbb{R}$，我们研究 $\{f_n\}$ 是否”收敛到 $f$”。
• 直观解释：把 $n$ 想成”时间”。在时刻 $n$，整条曲线 $y=f_n(x)$ 是一张照片；$\{f_n\}$ 是一部电影（一帧一帧的照片序列）。”函数列收敛到 $f$”就是在问：这部电影的”剧情”是否越来越像 $f$ 这张终极画面。
• 为什么这个类比重要？ 因为”越来越像”有两种完全不同的含义：
  • 逐个像素地看：固定某个 $x$（某个像素位置），看随时间 $n$ 变化的那一列亮度值 $f_1(x),f_2(x),f_3(x),\dots$ 是否收敛。→ 逐点收敛。
  • 整幅画一起看：要求从某一帧起，整幅画面的每一个像素都同时足够接近终极画面。→ 一致收敛。 电影类比是理解本讲的最好入口：逐点收敛是”每个像素各自稳定”，一致收敛是”整幅画整体稳定”。 前者允许不同像素在不同时刻稳定下来，后者要求存在一个”全体稳定”的时刻。

（Definition 263, Pointwise Convergence 逐点收敛）

• 严格定义（照源文件）：对 $n\in\mathbb{N}$，设 $f_n:S\to\mathbb{R}$；设 $f:S\to\mathbb{R}$。我们说 $\{f_n\}$ 逐点收敛到 $f$ (converges pointwise to $f$)，若对一切 $x\in S$， \(\lim_{n\to\infty}f_n(x)=f(x).\) 把它完全展开成 $\epsilon$-$N$ 语言（这是 [JL] Proposition 6.1.5 的内容，也是 Final 第 1(iii) 题的必备前提）：

• 直观解释（”它到底在说什么？”）：把 $\forall x$ 读成”任取一个固定的 $x$，把它钉死在黑板上”，然后剩下的 $\forall\epsilon\exists N\forall n\ge N$ 就是一个普通数列 $\{f_n(x)\}_{n=1}^\infty$ 收敛到实数 $f(x)$ 的定义（Lecture 6/7）。所以：

  逐点收敛 = 对每一个固定的 $x$，数值序列 $f_n(x)$ 都收敛，且这些极限拼起来定义出一个函数 $f$。

  这里是”先钉住 $x$，再做 $\epsilon$-$N$“。钉住 $x$ 之后，$x$ 就是一个常数，$N$ 当然可以依这个常数而变——就像证明数列极限时 $N$ 可以依赖于 $\epsilon$ 一样自然。

• 为什么需要它？ 因为”逐点”是最省力、最自然的收敛概念：它只需要使用我们已经掌握的数列极限（Lecture 6 的定义、Lecture 7 的单调序列、Lecture 8 的运算性质、Lecture 9 的 Bolzano–Weierstrass），不需要任何新工具。幂级数的定义 $\sum a_m(x-x_0)^m$ 本身，字面上就是逐点收敛（对每个 $x$ 算一个数值级数）。但”自然”不等于”够用”：本讲要证明，逐点收敛不能保持连续性、不能保持有界性、不能交换积分与极限（Lecture 24/25 给出反例）。所以我们必须在它之外再定义一致收敛。

• 为什么这个定义”不够”？ 因为它对 $N$ 的约束太弱。展开式里 $\exists N$ 前面只有 $\forall\epsilon$，而 $\forall x$ 在 $\exists N$ 之前，所以当我们选 $N$ 的时候，$x$ 还是自由变量，$N$ 可以写成 $N(\epsilon,x)$。取 $x$ 换成另一个点，就得重新找一个 $N$。这就使得”所有 $x$ 同时被控制”这件事失去了保障。

• 具体示例（把 $\epsilon$ 取成具体数字并算出 $N$）：取 $f_n(x)=x^n$ 在 $S=[0,1]$ 上，$f(x)=0$（对 $x\in[0,1)$ 而言）。固定 $x=0.9\in[0,1)$。要 $\vert f_n(x)-f(x)\vert =0.9^n<0.01$，需要 \(n>\frac{\ln 0.01}{\ln 0.9}=\frac{-4.60517}{-0.10536}=43.7087\ldots\) 所以取 $N(0.01;\,0.9)=44$ 即可：对一切 $n\ge44$，$0.9^n<0.01$。数值核对：$0.9^{43}=0.010775263664$（还不满足），$0.9^{44}=0.009697737298<0.01$（满足）。 再固定 $x=0.99$：$N(0.01;\,0.99)=\lceil\ln0.01/\ln0.99\rceil=\lceil 458.2106\ldots\rceil=459$。 再固定 $x=0.999$：$N(0.01;\,0.999)=\lceil 4602.8672\ldots\rceil=4603$。 注意 $N$ 一路暴涨：$x$ 离 $1$ 越近，需要的 $N$ 越大，而且没有上界（下一小节会精确说明：$N(\epsilon;x)\approx \frac{\ln\epsilon}{\ln x}$，当 $x\to1^-$ 时 $\ln x\to0^-$，$N\to\infty$）。这就是逐点收敛”只能逐个处理”的直接体现。

• 反例（不满足定义的对象）：$f_n(x)=\sin(nx)$ 在 $S=[0,1]$ 上（[JL] Example 6.1.4）。它在某些点收敛（例如 $x=0$ 时 $f_n(0)=0$ 恒成立，故收敛到 $0$；$x=\pi$ 时若取 $S$ 含 $\pi$ 也收敛），但在任何区间 $[a,b]$ 上都存在使 $\sin(nx)$ 不收敛的 $x$。所以要说明它不逐点收敛，只需找到一个具体的坏点并证明该数列不收敛即可。 取 $x\in(0,1)$ 且 $\theta:=x/\pi$ 为无理数。若 $\sin(nx)\to L$ 存在，则由 $\sin(nx)$ 的递推关系可得 $\sin x>0$ 时 $\sin(nx)$ 的相邻项满足 \(\sin\!\big((n+2)x\big)=2\cos x\,\sin\!\big((n+1)x\big)-\sin(nx).\) 两边取极限：$L=2\cos x\,L-L$，即 $2L(\cos x-1)=0$。因为 $x\in(0,1)\subset(0,\pi)$，$\cos x\ne1$，故 $L=0$。于是 $\sin(nx)\to0$ 且 $\sin((n+1)x)\to0$。再用和差化积： \(\sin\!\big((n+1)x\big)-\sin\!\big((n-1)x\big)=2\cos(nx)\sin x .\) 左边是两个趋于 $0$ 的数列之差，也趋于 $0$；故 $\cos(nx)\sin x\to0$，从而 $\cos(nx)\to0$。于是 $\sin^2(nx)+\cos^2(nx)\to0+0=0$，这违背了恒等式 $\sin^2+\cos^2\equiv1$。矛盾！所以 $\sin(nx)$ 不收敛。结论：$\sin(nx)$ 不逐点收敛到任何函数（在含无理数倍点的任意区间上）。

（四）一致收敛（Definition 264, uniform convergence）

（Definition 264, Uniform Convergence 一致收敛）

• 严格定义（照源文件）：对 $n\in\mathbb{N}$，设 $f_n:S\to\mathbb{R}$，并设 $f:S\to\mathbb{R}$。我们说 $f_n$ 一致收敛到 $f$（或称 $f_n$ 一致地收敛到 $f$，converges uniformly to $f$），若 \(\forall\epsilon>0\ \ \exists M\in\mathbb{N}\ \ \text{s.t.}\ \ \forall n\ge M\ \ \forall x\in S,\qquad \vert f_n(x)-f(x)\vert <\epsilon .\)

  （源文件用的符号是 $M$ 表示阈值；为与本课程其余讲次统一，本笔记以下一律用 $N$。源文件的 Definition 264 用的是 $M$，Theorem 265 的证明里也用 $M_0$；这里只是在记法上统一，数学内容完全一致。）

• 直观解释（”它到底在说什么？”）： 逐字版本：随便给一个公差 $\epsilon>0$，我都能找到一个时刻 $N$；从这个时刻起，整个定义域 $S$ 上的所有点同时满足误差小于 $\epsilon$。这里 $N$ 是”统一时刻“。 画面版本（$\epsilon$-管道 / $\epsilon$-tube）：以 $f$ 为中心挖一条宽度为 $2\epsilon$ 的”管道” \(\big\{(x,y): x\in S,\ f(x)-\epsilon<y<f(x)+\epsilon\big\}.\) 一致收敛说的是：存在某个时刻 $N$，从那一帧起的每一帧曲线 $y=f_n(x)$ 都整条落在管道里（$n\ge N$ 时）。

    ε-管道 (ε-tube) 视图 —— 一致收敛的几何含义

    y
    ↑
    │        f(x)+ε  ┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈
    │              ╱‾‾‾‾‾‾‾╲
    │             ╱   f_n   ╲        ← n ≥ N 时，整条 f_n 都在带内
    │      ┈┈┈┈┈┈╱┈┈┈┈┈┈┈┈┈┈╲┈┈┈┈┈┈┈┈┈┈┈   f(x)
    │           ╱             ╲
    │          ╱               ╲
    │         ╱                 ╲
    │        f(x)-ε  ┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈
    │
    └──────────────────────────────────────────────→ x
       S = 整个定义域：没有一个点被漏掉

    逐点收敛的画面：每个 x 有一条"自己的竖直截线"，
    在每条截线上 f_n(x) 最终落进 (f(x)-ε, f(x)+ε)，
    但"最终"的时刻 N(x) 可以随 x 任意地大 —— 没有统一时刻。

• 为什么需要这个条件？ 因为我们要的是”可交换性“（Question 262 的三问）。可交换性的证明无一例外需要”对定义域上的所有点同时成立”的误差估计。逐点收敛的 $N$ 依赖 $x$，所以当我们把 $x$ 换成另一个点（例如连续性证明中需要同时控制 $f_n(x)$ 与 $f_n(c)$ 两处）时，误差的阈值就”失配”了。一致收敛把 $N$ 从 $x$ 的手里夺回来，交给 $\epsilon$ 独家掌管，这才使得”同时控制”成为可能。一句话：一致收敛是为”交换极限”这一目标量身定做的收敛概念。

• 具体示例（把 $\epsilon$ 取成具体数字并算出统一的 $N$）：取 $g_n(x)=x/n$ 在 $[0,1]$ 上，$g(x)=0$。则 \(\sup_{x\in[0,1]}\vert g_n(x)-0\vert =\sup_{x\in[0,1]}\frac{x}{n}=\frac1n .\) 要 $\frac1n<0.01$，取 $N=101$ 即可（$1/100=0.01$ 不满足严格小于，故 $N=101$；若取 $\epsilon=0.01$ 并要求 $\le$，$N=100$ 也够）。数值：$\frac1{100}=0.010000000000$，$\frac1{101}=0.009900990099<0.01$。关键：这个 $N$ 与 $x$ 无关，因为 $\sup$ 已经在 $x$ 上取过了。这正是 Example 6.1.3（[JL]）中 $f_n(x)=\frac{nx+\sin(nx^2)}{n}\rightrightarrows x$ 的同款计算：那里 \(\vert f_n-f\vert _{[0,1]}=\sup_{x\in[0,1]}\frac{\vert \sin(nx^2)\vert }{n}\le\frac1n .\)

• 反例（不满足定义的对象）：$f_n(x)=x^n$ 在 $S=[0,1]$ 上（本讲最重要的反例，下一节完整证明）。要点先行：$\sup_{x\in[0,1]}\vert x^n-0\vert =1$ 对每个 $n$ 都成立（因为 $x\to1^-$ 时 $x^n\to1$），所以永远找不到”统一时刻”。

（五）逐字对比：量词结构是本讲的灵魂

把两个定义并排写下，并把次序差异标出来：

    ╔══════════════════════════════════════════════════════════════════════════╗
    ║                    逐点收敛 (pointwise) vs 一致收敛 (uniform)              ║
    ╚══════════════════════════════════════════════════════════════════════════╝

    逐点收敛：  ∀x∈S  ∀ε>0  ∃N  ∀n≥N :  |f_n(x) - f(x)| < ε
                └──┬──┘  └──┬──┘  └┬┘
                   │        │      └── N 可以随 x 变化
                   │        └───────── 先钉住 x，再谈 ε
                   └────────────────── x 在最外层：每个点各自为政

    一致收敛：  ∀ε>0  ∃N  ∀x∈S  ∀n≥N :  |f_n(x) - f(x)| < ε
                └──┬──┘  └┬┘  └──┬──┘
                   │        │      └── 先选好 N，再对所有 x 生效
                   │        └───────── N 只能依赖 ε，绝不能依赖 x
                   └────────────────── ε 在最外层：一个 N 管住整个定义域

    ┌──────────────────────────────────────────────────────────────────────────┐
    │ 唯一的差别： ∀x 与 ∃N 的先后次序对调了。                                   │
    │ 逐点： ∀x ... ∃N ...   （∃N 在 ∀x 的"势力范围"内 → N = N(ε, x)）           │
    │ 一致： ∃N ... ∀x ...   （∃N 在 ∀x 的"势力范围"外 → N = N(ε)）              │
    └──────────────────────────────────────────────────────────────────────────┘

“火车时刻表”类比（帮助记忆）：把 $n$ 想成”发车后的分钟数”，$x$ 想成”车站”，$f_n(x)$ 想成”第 $n$ 分钟时车站 $x$ 的误点分钟数”。

• 逐点收敛 = “每个车站最终都会准点“：对每个车站 $x$，总有它自己的一个时刻 $N(x)$，此后它准点了。但 A 站可能第 10 分钟就准点，B 站要到第 10000 分钟才准点，C 站……没有统一时刻。
• 一致收敛 = “全路网统一时刻表“：存在一个统一的分钟数 $N$，从第 $N$ 分钟起，所有车站都准点了。 “全路网统一时刻表”是”每个车站最终都准点”的加强命题：统一时刻表当然也蕴含每个车站各自准点（取同一个 $N$ 即可，见定理 265）。但反过来不成立——每个车站都能各自准点，并不意味着存在一个全网统一的准点时刻。这个单向性正是定理 265 与反例 $f_n(x)=x^n$ 合起来说的事情。

另一个类比（”帐篷高度”）：一致收敛要求 $\sup_x\vert f_n(x)-f(x)\vert $ 这个”最差点的高度”随时间趋于 $0$；逐点收敛只要求”每个固定点的竖直高度”随时间趋于 $0$。前者是”山峰被削平”，后者只是”每一根竖线各自归零”——山峰可以一边变窄一边保持高度（这正是 $f_n(x)=x^n$ 与源文件 Definition 263 之后无编号例 3 的帐篷函数所做的事）。

定理与完整证明（核心）

Lemma 254（Riemann–Lebesgue 引理）

• 定理陈述（照源文件，仅修正个别笔误并统一记号）：设 $f\in C([-\pi,\pi])$ 且 $f^{\prime}\in C([-\pi,\pi])$，$f$ 以 $2\pi$ 为周期且满足 $f(-\pi)=f(\pi)$。对 $n\in\mathbb{N}\cup\{0\}$，令 \(a_n=\frac{1}{\pi}\int_{-\pi}^{\pi}f(x)\sin(nx)\,dx,\qquad b_n=\frac{1}{\pi}\int_{-\pi}^{\pi}f(x)\cos(nx)\,dx .\) 则 \(\lim_{n\to\infty}a_n=\lim_{n\to\infty}b_n=0 .\)

  关于假设条件的忠实说明：源文件假设的是 $f\in C([-\pi,\pi])$ 并且 $f^{\prime}\in C([-\pi,\pi])$，即 $f$ 是 $C^1$（连续可微）的。这个”$f^{\prime}$ 也连续”的条件在本证明中是不可省的，因为证明要使用 Lecture 22 的 Theorem 252（分部积分，Integration by Parts），而 Theorem 252 的前提正是 $f,g\in C([a,b])$ 且 $f^{\prime},g^{\prime}\in C([a,b])$。如果只假设 $f$ 连续（不可微），本证法就完全失效——那不是”多此一举的条件”，而是证明工具的硬性前提。对”仅连续”的情形，需要更深的一致逼近工具（Weierstrass 逼近定理，Lecture 25，Theorem 282），我们在此只作标注，不展开。

  另外，顺带一提：$a_0=\frac{1}{\pi}\int_{-\pi}^{\pi}f(x)\sin(0)\,dx=\frac1\pi\int_{-\pi}^{\pi}f(x)\cdot0\,dx=0$ 恒成立；所以 $a_n\to0$ 中真正有意思的是 $n\ge1$ 的部分。

• 证明策略：用分部积分把 $1/n$ 从 $\cos(nx)$（或 $\sin(nx)$）的振荡里”换”出来。 具体计划：
  1. 目标是把 $\vert b_n\vert $ 用一个含 $1/n$ 显式因子的量控制住；
  2. 观察到 $\cos(nx)=\left(\frac{1}{n}\sin(nx)\right)’$，即 $\cos(nx)$ 是 $\frac1n\sin(nx)$ 的导数——这就是”换出 $1/n$”的机关；
  3. 对 $\int_{-\pi}^{\pi}\left(\frac1n\sin(nx)\right)’f(x)\,dx$ 用分部积分（Theorem 252，取 $g=f$、$f_{\text{IBP}}=\frac1n\sin(nx)$，注意此处符号用法以免与函数 $f$ 混淆）；
  4. 端点项因为 $\sin(n\pi)=\sin(-n\pi)=0$ 而整项消失（这就是 $a_n,b_n$ 中为何要配 $\sin/\cos$ 与对称区间 $[-\pi,\pi]$ 的原因）；
  5. 剩下 $-\frac1n\int_{-\pi}^{\pi}\sin(nx)f^{\prime}(x)\,dx$，用 $\vert \sin\vert \le1$ 与积分的绝对值不等式（Lecture 22）提出 $\frac1n\int_{-\pi}^{\pi}\vert f^{\prime}\vert $；
  6. 这个上界形如 $\frac{C}{n}$，$C=\int_{-\pi}^{\pi}\vert f^{\prime}\vert $ 是与 $n$ 无关的常数，故 $\to0$；最后用夹逼定理（Lecture 8）把 $\vert b_n\vert $ 夹到 $0$。
  7. $a_n$ 用同一套做法（把 $\sin(nx)=\left(-\frac1n\cos(nx)\right)’$）。

  这一步”先对哪个因子做分部积分”的选择是全部技巧所在：在 $\int f(x)\cos(nx)\,dx$ 中，我们不能把 $f$ 微分掉（否则提出的是 $f^{\prime}$，其行为不可知），必须把三角因子当成导数——因为它有初等的原函数且带 $1/n$。这就是”换出 $1/n$”的完整意思。

• 逐步推导（以 $b_n$ 为例，逐行给出依据）

1. 写出 $\vert b_n\vert $ 并提取常数因子： \(\vert b_n\vert =\frac{1}{\pi}\left\vert \int_{-\pi}^{\pi}f(x)\cos(nx)\,dx\right\vert .\) （依据：Definition 255 的定义，以及 $\vert 1/\pi\vert =1/\pi$。）

2. 把被积函数里的 $\cos(nx)$ 写成导数形式。对 $n\ge1$， \(\frac{d}{dx}\left(\frac{1}{n}\sin(nx)\right)=\frac1n\cdot n\cos(nx)=\cos(nx).\) （依据：链式法则（Lecture 19）与 $\frac{d}{dx}\sin u=\cos u\cdot u^{\prime}$。这是全证明的机关：$\cos$ 被”搬进”导数里，代价是换来一个 $\frac1n$。）

3. 于是 \(\vert b_n\vert =\frac{1}{\pi}\left\vert \int_{-\pi}^{\pi}\left(\frac{1}{n}\sin(nx)\right)'f(x)\,dx\right\vert .\) （依据：第 2 步的恒等式，直接代入。）

4. 应用分部积分（Theorem 252）。取 $[a,b]=[-\pi,\pi]$，$g(x)=f(x)$，$\Phi(x)=\frac1n\sin(nx)$（即 Theorem 252 中的 “$f$” 角色）。Theorem 252 给出 \(\int_{-\pi}^{\pi}\Phi^{\prime}(x)\,g(x)\,dx=\Big[\Phi(x)g(x)\Big]_{-\pi}^{\pi}-\int_{-\pi}^{\pi}\Phi(x)\,g^{\prime}(x)\,dx .\) （依据：Theorem 252，其前提 $\Phi,g\in C([-\pi,\pi])$ 且 $\Phi^{\prime},g^{\prime}\in C([-\pi,\pi])$ 全部满足：$\Phi$ 是光滑三角函数的常数倍，$g=f$ 与 $g^{\prime}=f^{\prime}$ 由本引理假设连续。源文件的 Theorem 252 陈述中印成了 “$\int_b^a fg^{\prime}$”，据标准分部积分公式应为 $-\int_a^b fg^{\prime}$，此处按标准形式书写。）

5. 代入 $\Phi$ 与 $g$： \(\int_{-\pi}^{\pi}f(x)\cos(nx)\,dx=\left[\frac{1}{n}\sin(nx)f(x)\right]_{-\pi}^{\pi}-\frac{1}{n}\int_{-\pi}^{\pi}\sin(nx)f^{\prime}(x)\,dx .\) （依据：第 3、4 步合并，并把 $\Phi^{\prime}=\cos(nx)$ 代回左边。）

6. 计算端点项。它在 $x=\pi$ 与 $x=-\pi$ 处取值之差： \(\left[\frac{1}{n}\sin(nx)f(x)\right]_{-\pi}^{\pi}=\frac1n\Big(f(\pi)\sin(n\pi)-f(-\pi)\sin(-n\pi)\Big)=0 .\) 这里用到 $\sin(n\pi)=0$ 与 $\sin(-n\pi)=0$ 对一切整数 $n$ 成立（因为 $n\pi$ 是 $\pi$ 的整数倍，而 $\sin$ 在所有 $\pi$ 的整数倍处取 $0$；见 Lecture 15 关于 $\sin,\cos$ 的性质）。 （依据：$\sin(k\pi)=0$ 对一切 $k\in\mathbb{Z}$。）

   【关键观察】 端点项完全消失——它消失有两个独立的”保险”：一是 $\sin(n\pi)=0$；二是假如 $\sin$ 不归零，还需要 $f(\pi)=f(-\pi)$ 才能把它配对消掉（这正是引理假设 $f(-\pi)=f(\pi)$ 的用处：它保证了周期延拓的相容性）。源文件也明确写道：”Notice that $\sin(n\pi)=\sin(n(-\pi))=0$ for all $n\in\mathbb{N}$.”

7. 于是分部积分的结果简化为 \(\int_{-\pi}^{\pi}f(x)\cos(nx)\,dx=-\frac{1}{n}\int_{-\pi}^{\pi}\sin(nx)f^{\prime}(x)\,dx .\)

8. 取绝对值并用积分的绝对值不等式（Lecture 22：$\left\vert \int_a^b h\right\vert \le\int_a^b\vert h\vert $）： \(\vert b_n\vert =\frac1\pi\cdot\frac1n\left\vert \int_{-\pi}^{\pi}\sin(nx)f^{\prime}(x)\,dx\right\vert \le\frac{1}{\pi n}\int_{-\pi}^{\pi}\vert \sin(nx)\vert \,\vert f^{\prime}(x)\vert \,dx .\) （依据：$\left\vert \int h\right\vert \le\int\vert h\vert $ 与 $\vert uv\vert =\vert u\vert \vert v\vert $。）

9. 用 $\vert \sin(nx)\vert \le1$ 放大被积函数： \(\vert b_n\vert \le\frac{1}{\pi n}\int_{-\pi}^{\pi}\vert f^{\prime}(x)\vert \,dx=\frac{C}{n},\qquad C:=\frac1\pi\int_{-\pi}^{\pi}\vert f^{\prime}\vert .\) （依据：$\vert \sin\vert \le1$；以及积分的单调性（Lecture 22）：被积函数逐点放大，积分也放大。注意 $C$ 是与 $n$ 无关的常数——这至关重要，因为只有常数才能被 $1/n$ 压向 $0$。）

10. 由 Lecture 21/22 的知识，$f^{\prime}$ 在闭区间 $[-\pi,\pi]$ 上连续，故 $\vert f^{\prime}\vert $ 连续，故 Riemann 可积（Lecture 21，Theorem 关于连续函数可积），所以 $C$ 是一个有限的非负实数。 （依据：闭区间上的连续函数 Riemann 可积；$\vert f^{\prime}\vert $ 连续因为 $\vert \cdot\vert $ 连续且 $f^{\prime}$ 连续。）

11. 对一切 $n\ge1$ 有 \(0\le\vert b_n\vert \le\frac{C}{n}\xrightarrow[n\to\infty]{}0 .\) 左边恒为 $0$ 的序列收敛到 $0$（Lecture 7），右边 $\frac Cn\to0$（Lecture 8 的代数运算性质，$C$ 是常数）。 （依据：Lecture 8 的夹逼定理 Squeeze Theorem。）

12. 由夹逼定理，$\vert b_n\vert \to0$。又由 Lecture 8 中”$\vert x_n\vert \to0\iff x_n\to0$”，得到 \(\lim_{n\to\infty}b_n=0 .\) （依据：$\vert b_n\vert \to0\Rightarrow b_n\to0$。）

13. $a_n$ 的情形：源文件对 $a_n$ 只写了一句 “A similar argument works for $a_n$.”（对 $a_n$ 有平行论证。）为了让自学读者不留下任何跳步，这里把 $a_n$ 的那一步完整展开，并指出它与 $b_n$ 的关键差异：$a_n$ 的端点项不再靠 $\sin(n\pi)=0$ 消失，而必须动用引理的周期假设 $f(\pi)=f(-\pi)$。 把 $\sin(nx)$ 写成一个导数， \(\sin(nx)=-\frac{d}{dx}\left(\frac{1}{n}\cos(nx)\right)=-\frac1n\cdot(-n\sin(nx))=\sin(nx),\) 即取 $\Psi(x)=-\frac1n\cos(nx)$，则 $\Psi^{\prime}(x)=\sin(nx)$。分部积分给出 \(\int_{-\pi}^{\pi}f(x)\sin(nx)\,dx=\left[-\frac1n\cos(nx)f(x)\right]_{-\pi}^{\pi}+\frac1n\int_{-\pi}^{\pi}\cos(nx)f^{\prime}(x)\,dx .\) 端点项为 \(-\frac1n\Big(f(\pi)\cos(n\pi)-f(-\pi)\cos(-n\pi)\Big)=-\frac1n\cos(n\pi)\Big(f(\pi)-f(-\pi)\Big)=0,\) 这一步同时用到了 $\cos(n\pi)=\cos(-n\pi)$（$\cos$ 是偶函数）和 $f(\pi)=f(-\pi)$（引理的周期假设）——这是 $a_n$ 情形下周期条件真正发挥作用的地方（$b_n$ 情形下它被 $\sin(n\pi)=0$ 掩盖了）。 （依据：$\cos$ 为偶函数；$f(\pi)=f(-\pi)$。）

14. 于是 \(\vert a_n\vert \le\frac{1}{\pi n}\int_{-\pi}^{\pi}\vert \cos(nx)\vert \,\vert f^{\prime}(x)\vert \,dx\le\frac{1}{\pi n}\int_{-\pi}^{\pi}\vert f^{\prime}\vert =\frac Cn\xrightarrow[n\to\infty]{}0,\) 再由夹逼定理得 $\lim_{n\to\infty}a_n=0$。$\blacksquare$ （依据：$\vert \cos\vert \le1$、积分的单调性、夹逼定理。）

• 【证明机制解说】 为什么这个引理成立？直觉是什么？ 直觉是：”高频振荡的 $\cos(nx)$ 会把任何光滑函数的积分平均掉“。想象 $f$ 在 $[-\pi,\pi]$ 上是一条缓慢起伏的曲线，而 $\cos(nx)$ 是一个 $n$ 个完整周期的快速振荡。在每一个 $\cos$ 的正半波上，$f$ 几乎是一个常数 $f(x_0)$，于是这一段的贡献约为 $+f(x_0)\cdot(\text{半波面积})$；而紧邻的负半波贡献约为 $-f(x_0)\cdot(\text{同样的面积})$。两者成对抵消。剩下的只是一阶修正，量级为”$f$ 在半波内的变化量 $\times$ 半波宽度”，也就是 $\sim\vert f^{\prime}\vert \cdot\frac{1}{n}\cdot\frac1n\times n = O(1/n)$——即每多振荡一个周期，就多抵消一点。 分部积分给出了这个直觉的定量版本：每次分部积分就从 $\cos$ 的振荡里”换出”一个 $1/n$。所以引理其实是”振荡 → 抵消 → $1/n$“这一链条的精确化。 “如果让你自己重新发明这个证明，你会怎么想出来？” 你会先试着估计 $\vert b_n\vert $ 而发现被积函数里除了 $f$ 没有任何小参数——$f$ 固定、$\cos(nx)$ 振幅恒为 $1$，怎么看都不像会趋于 $0$。出路只有一条：小参数必须以 $1/n$ 的形式被”制造”出来。哪里能制造 $1/n$？只有在积分里——因为 $\cos(nx)$ 的原函数是 $\frac1n\sin(nx)$，积分（或分部积分）会自动送出一个 $\frac1n$。于是你自然会想到”把 $\cos(nx)$ 视作某个函数的导数”，这就把你引向分部积分。这就是”换出 $1/n$”这一技巧的全部思想来源：小参数不在被积函数里，而在原函数里。 关于条件 $f^{\prime}\in C$ 的必要性（务必记住）：本证明的引擎是 Theorem 252（分部积分），它的前提含 $f^{\prime}\in C([a,b])$。所以”仅假设 $f$ 连续”时证明无法启动——不是我们把条件写强了，而是源文件本身就假设了 $C^1$。对仅连续的情形，需要一致逼近（Weierstrass 逼近定理，Lecture 25 的 Theorem 282：$[a,b]$ 上任何连续函数可被多项式一致逼近），先把 $f$ 换成多项式 $P$ 处理（多项式当然 $C^1$），再用 $\vert f-P\vert _\infty$ 小来控制误差。这条路线要等到 Lecture 25 才具备工具，此处只作预告。初学者常见的误解是”连续就够了”，这在结论上是对的（真 Riemann–Lebesgue 引理确实只需 $f$ 可积），但本讲给出的证明只覆盖了 $C^1$ 情形。

• 【证明技巧总结】

  1. “用分部积分把 $1/n$ 从振荡因子中换出来”：当被积函数含 $\cos(nx)$ 或 $\sin(nx)$ 这类”振幅不衰减的高频因子”时，把它写成某个带 $1/n$ 的函数的导数，再做分部积分。
  2. 端点项优先检查：分部积分的第一件事就是算 $[\Phi g]_a^b$。本引理中它因 $\sin(k\pi)=0$ 而消失；$a_n$ 情形中还需 $\cos$ 偶性 + $f(\pi)=f(-\pi)$。
  3. “提出与 $n$ 无关的常数”：把上界整理成 $\frac{C}{n}$ 的形状，其中 $C=\frac1\pi\int\vert f^{\prime}\vert $ 不依赖 $n$。如果 $C$ 依赖 $n$，夹逼就会失败——这是所有”趋于 $0$”证明的通用检查点。
  4. 夹逼定理收尾：得到 $0\le\vert b_n\vert \le C/n$ 后，用 Lecture 8 的夹逼定理。
  5. 可迁移的模板：”$\int f(x)\cdot(\text{高频振荡})\,dx\to0$” 在整个分析中反复出现（Final 第 6(b)(c) 两题就是它的两个变体），处理套路完全一致。

定理 265（一致收敛 $\Rightarrow$ 逐点收敛）

• 定理陈述（照源文件 Theorem 265）：若 $f_n:S\to\mathbb{R}$、$f:S\to\mathbb{R}$，且 $f_n\to f$ 一致地，则 $f_n\to f$ 逐点地。

• 证明策略：源文件的证明非常短，思路是”就着已有的统一 $N$ 用“。因为一致收敛已经把 $N=N(\epsilon)$ 交到我们手里（与 $x$ 无关），现在要证逐点收敛，只需要允许 $N$ 依赖 $x$——“允许”比”要求”容易：一致收敛给的 $N$ 本来就与 $x$ 无关，那么它当然也”与 $x$ 有关”（一个不依赖 $x$ 的 $N$，也是”允许依赖 $x$”的合法选择）。所以证法就是：任取 $c\in S$，把一致收敛的 $N$ 直接搬过来当作逐点收敛在 $x=c$ 处的 $N$。

  策略要点：这是一次”条件的弱化“：把定义展开，逐点收敛的量化结构是 $\forall x\forall\epsilon\exists N\forall n\ge N$，一致收敛是 $\forall\epsilon\exists N\forall x\forall n\ge N$。从后者推前者，等于证明 \(\big(\forall\epsilon\exists N\forall x\forall n\big)\Longrightarrow\big(\forall x\forall\epsilon\exists N\forall n\big).\) 这是纯粹的逻辑推演（把 $\forall\epsilon\exists N$ 归入 $\forall x$ 的作用域内），不涉及任何分析技巧——但必须把量化词的搬运过程逐步写出来，不能用一句”二者等价，一目了然”把关键的一步敷衍过去：本书规范明确要求每一步都注明依据（这里依据的就是全称量词实例化与存在量词引入这两条纯逻辑规则）。

• 逐步推导（编号，含依据）

1. 任取 $c\in S$。目的：证明数列 $\{f_n(c)\}$ 收敛到 $f(c)$。 （依据：逐点收敛的定义 Definition 263 —— 要证”对一切 $x\in S$，$\lim_n f_n(x)=f(x)$”，所以先钉住一个任意的 $c$。）

2. 任取 $\epsilon>0$。 （依据：要证的是 $\epsilon$-$N$ 陈述，$\epsilon$ 必须任意。）

3. 由 $f_n\to f$ 一致（Definition 264），把这个 $\epsilon$ 代入，得到：存在 $N_0\in\mathbb{N}$，使得 \(\forall n\ge N_0\ \ \forall x\in S,\qquad \vert f_n(x)-f(x)\vert <\epsilon .\) （依据：Definition 264 中一致收敛的定义，$\forall\epsilon>0\exists N\forall n\ge N\forall x\in S$。注意这里 $N_0$ 只依赖 $\epsilon$，不依赖 $x$——这正是关键。）

4. 取 $N:=N_0$（源文件写”Choose $M=M_0$”）。 （依据：这个 $N_0$ 就是我们要的 $N$；因为 $N_0$ 与 $x$ 无关，所以把它用于 $x=c$ 是合法的。）

5. 对一切 $n\ge N$，特别地取 $x=c$（第 3 步的 $\forall x\in S$ 允许我们这么做），得到 \(\vert f_n(c)-f(c)\vert <\epsilon .\) （依据：第 3 步的全称量化 $\forall x\in S$ 在 $x=c$ 处实例化。）

6. 由于 $\epsilon>0$ 任意（第 2 步）而 $N$ 只依赖 $\epsilon$（第 4 步），我们已证明了 \(\forall\epsilon>0\ \exists N\ \forall n\ge N,\qquad \vert f_n(c)-f(c)\vert <\epsilon,\) 即 $\lim_{n\to\infty}f_n(c)=f(c)$。 （依据：Lecture 6/7 数列收敛的 $\epsilon$-$N$ 定义。）

7. 由于 $c\in S$ 任意（第 1 步），得到”对一切 $x\in S$，$\lim_{n\to\infty}f_n(x)=f(x)$”，即 $f_n\to f$ 逐点。$\blacksquare$ （依据：Definition 263 逐点收敛的定义。）

• 【证明机制解说】 这个证明里没有任何”技术性”步骤——没有三角不等式、没有取 $\epsilon/2$、没有构造。它全部内容就是量化词的搬运：把一致收敛定义中 $\exists N$ 之后的 $\forall x$ 挪到前面，就得到了逐点收敛。这恰好说明了两件事：
  1. 一致性比逐点性”强”，而且强的方式是纯粹的量化词强化，不是数值上的强化。所以反过来（逐点 $\Rightarrow$ 一致）不可能用这种搬运得到——那需要把 $\forall x$ 之后的 $\exists N$ 挪到前面，这在逻辑上不是合法推理（这正是下一小节 $x^n$ 反例存在的根本原因）。
  2. 要理解”为什么不反过来”，就必须去构造反例——逻辑上不能推，不代表结论假，必须找出真假的证据。于是 $f_n(x)=x^n$ 这个反例就成了本讲的试金石。 “如果让你自己重新发明这个证明”：你只需要问自己一句——”逐点收敛要求什么？一致收敛给了什么？”答案是：逐点要求”每个 $x$ 有一个（可能不同的）$N$”，一致给了”一个 $N$ 应付所有 $x$”。既然给了更好的（与 $x$ 无关的 $N$），那就没有理由不够用。证明在逻辑上就自然浮现了。
• 【证明技巧总结】
  1. “强条件 $\Rightarrow$ 弱条件”的证明就是量化词的搬运：把 $\exists N$ 从 $\forall x$ 的右边挪到左边（或把 $\forall x$ 从 $\exists N$ 左边挪到右边）。
  2. 在弱化证明中，把已知的”统一 $N$”当作”个别 $N$”使用：$N$ 不依赖 $x$ $\Rightarrow$ $N$ 允许依赖 $x$。
  3. “先钉住再任意”的模板：要证”$\forall x\in S,\ P(x)$”，就先”任取 $c\in S$”，证明 $P(c)$，最后说”由 $c$ 任意”。（这与 Lecture 13–17 中连续性的证明模板完全一致。）

核心反例：$f_n(x)=x^n$ 在 $[0,1]$ 上（源文件 Definition 263 之后的无编号例 1）

这是本讲的灵魂例子：它满足逐点收敛，却不一致收敛。它同时还是 Lecture 25 中”逐点极限不保持连续性”、以及”积分与极限不能交换”的标准反例，重要性贯穿最后三讲。

（第一步）算出逐点极限

• 对 $x\in[0,1)$：$0\le x<1$，故 $x^n\to0$（这是 Lecture 7/8 已知的结论：$0\le r<1\Rightarrow r^n\to0$；此处 $r=x$）。
• 对 $x=1$：$x^n=1^n=1$ 对一切 $n$ 成立，故 $\lim_n f_n(1)=1$。

• 因此源文件写出的逐点极限为 \(\lim_{n\to\infty}f_n(x)=\begin{cases}0,&x\in[0,1),\\[3pt] 1,&x=1.\end{cases}\) 记这个函数为 $f$，即 $f=\mathbf{1}_{\{1\}}$（在 $x=1$ 处取值 $1$，其余处取值 $0$）。

• 源文件的警示语：”Thus, $\{f_n\}$ converges to the above pointwise function. Hence, notice that a sequence of continuous functions may not converge pointwise to a continuous function!“（因此 $\{f_n\}$ 逐点收敛到上述函数。注意：连续函数列可能逐点收敛到一个不连续的函数！） 这里每个 $f_n(x)=x^n$ 都是多项式，因而在 $[0,1]$ 上连续；但逐点极限 $f$ 在 $x=1$ 处不连续（左边极限为 $0$，函数值为 $1$）。这是全课程第一个”连续性被逐点收敛破坏”的例子。

• 具体数值（用 python3 核对）：取 $x=1-10^{-6}$， $n=1$：$f_1=0.9999990000$；$n=10$：$0.9999900000$；$n=100$：$0.9999000000$；$n=1000$：$0.9990005000$；$n=100000$：$0.9048328936$（$\approx e^{-0.1}$）。可以看到：尽管对每个固定的 $n$ 这个值都极度接近 $1$，但当 $n\to\infty$ 时它仍然 $\to0$（不过极慢）。这正是”每个点最终都收敛，但速度差别极大”的定量证据。

（第二步）证明它不一致收敛（用 Final 第 1(iii) 题的否定形式）

先把否定的量化结构写清楚。（Negation 267，源文件 Lecture 24 明确写出，本讲必须掌握）

• 否定形式陈述：$f_n:S\to\mathbb{R}$ 不一致收敛到 $f:S\to\mathbb{R}$，当且仅当 \(\exists\epsilon_0>0\ \ \text{使得}\ \ \forall M\in\mathbb{N}\ \ \exists n\ge M\ \ \text{和}\ \ \exists x\in S\ \ \text{满足}\ \ \vert f_n(x)-f(x)\vert \ge\epsilon_0 .\) （源文件 Negation 267 取 $\epsilon_0$、$M$、$n$ 的记号；用本笔记统一的 $N$ 记法写为）

• 它是怎么”否定”出来的？ 从 $\forall\epsilon>0\exists N\forall n\ge N\forall x\in S:\ \vert f_n(x)-f(x)\vert <\epsilon$ 机械地对偶取反：
  • $\forall\epsilon>0\ \rightsquigarrow\ \exists\epsilon_0>0$（$>$ 变 $\ge$，$\epsilon$ 被”冻结”成一个反例）；
  • $\exists N\ \rightsquigarrow\ \forall N$；
  • $\forall n\ge N\ \rightsquigarrow\ \exists n\ge N$；
  • $\forall x\in S\ \rightsquigarrow\ \exists x\in S$；
  • $<\epsilon\ \rightsquigarrow\ \ge\epsilon_0$。 注意 $\epsilon_0$ 与 $N$ 的次序：$\epsilon_0$ 出现在最外层，意味着”存在一个固定的坏公差”，它对所有 $N$ 都成立。而 $n$ 与 $x$ 都在 $\forall N$ 的内部，意味着它们可以依赖 $N$。
• 直观解释：”存在一个坏 $\epsilon_0>0$，它顽固到什么程度呢？无论你要求 $N$ 多大，总能在 $n\ge N$ 的某个时刻、在某个点 $x$ 处，抓到一次偏差 $\ge\epsilon_0$。” 换句话说，误差 $\sup_x\vert f_n(x)-f(x)\vert $ 永远不会低于 $\epsilon_0$，收敛”卡住了”。

• 为什么 $n$ 依赖 $N$ 是允许的？ 因为我们要证明的是”对每个 $N$ 都存在反例时刻”，不是”存在一个固定的反例时刻对所有 $N$ 适用”。写成 $\exists n\ge N$ 是”你指哪个 $N$，我就给你找一个 $\ge N$ 的时刻”。如果误写成 $\exists n\ \forall N,\ n\ge N$，那就荒谬了（没有任何自然数大于所有自然数）——这是本讲量词层面最常见的错误之一。

• 本反例的完整证明（逐步，含依据）

1. 取 \(\epsilon_0:=\frac12>0 .\) （依据：直接指定一个具体数字。为什么选 $1/2$？ 因为 $x^n$ 在 $[0,1]$ 上从 $0$ 单调升到 $1$，由介值定理（Lecture 16）必在某处取值 $1/2$，这个”半高”位置最容易显式写出来，且 $\frac12\ge\frac12=\epsilon_0$ 正好满足否定形式里的”$\ge$”。）

2. 任取 $N\in\mathbb{N}$。目的：找出 $n\ge N$ 与 $x\in[0,1]$ 使 $\vert f_n(x)-f(x)\vert \ge\epsilon_0$。 （依据：否定形式中 $\forall N$ 要求对每个 $N$ 都构造出反例。）

3. 取 \(n:=N,\qquad x:=\left(\frac12\right)^{1/N}=2^{-1/N}\in(0,1)\subset[0,1] .\) （依据：$2^{-1/N}$ 是正数且 $<1$，因为 $1/N>0$ 且底数 $2>1$；故 $x\in[0,1)$，这正是函数的”坏”区域。源文件在 Lecture 24 中正是取 $x=(1/2)^{1/M}$。）

4. 计算 $f_N(x)$： \(f_N(x)=x^N=\left(2^{-1/N}\right)^{N}=2^{-1}= \frac12 .\) （依据：指数运算律 $(a^p)^q=a^{pq}$。）

5. 由 $x\in[0,1)$ 得 $f(x)=0$（第 3 步；逐点极限在 $[0,1)$ 上取 $0$），故 \(\vert f_N(x)-f(x)\vert =\left\vert \frac12-0\right\vert =\frac12\ge\frac12=\epsilon_0 .\) （依据：逐点极限的分段定义。）

6. 由第 2–5 步：对任意 $N$，都存在 $n=N\ge N$ 与 $x=2^{-1/N}\in S$ 使偏差 $\ge\epsilon_0=\frac12$。这正是否定形式所要求的 \(\exists\epsilon_0>0\ \forall N\ \exists n\ge N\ \exists x\in S:\ \vert f_n(x)-f(x)\vert \ge\epsilon_0 .\) 因此 $\{f_n\}$ 在 $[0,1]$ 上不一致收敛到 $f$。$\blacksquare$

   数值核对（python3）：取 $N=1,2,3,5,10,50,100$，得到 $x=2^{-1/N}$ 分别为 $0.5$、$0.7071067812$、$0.7937005260$、$0.8705505633$、$0.9330329915$、$0.9862327045$、$0.9930924954$，而 $x^N$ 在浮点下都是 $0.5$（例如 $N=2$ 时 $0.5000000000000001$，$N=5$ 时 $0.49999999999999994$——差异只来自浮点舍入，精确值恒为 $\frac12$，因为 $(2^{-1/N})^N=2^{-1}$ 是代数恒等式）。所以”$\vert f_N(x)-f(x)\vert =\frac12$”这个等式完全是精确的、无需估算的——这是本例最干净的地方。

（第三步）为什么”逐点收敛到 $0$”却”不一致收敛”？——【证明机制解说】写透

这是本讲必须不惜笔墨讲清楚的地方。

机制一：收敛速度在 $x\to1^-$ 时越来越慢，且没有上界。 解不等式 $x^n<\epsilon$（$0<x<1$，$\ln x<0$，注意除以负数要变号）： \(n\ln x<\ln\epsilon\ \Longrightarrow\ n>\frac{\ln\epsilon}{\ln x}\quad(\text{两边同除以负的 }\ln x\text{ 后不等号反向}).\) 所以”让 $x$ 处的误差降到 $\epsilon$ 以下”所需的最小阶数是 \(\boxed{\ N(\epsilon;x)=\left\lceil\frac{\ln\epsilon}{\ln x}\right\rceil .\ }\) 数值核对（$\epsilon=0.01$）：

$ python3 - <<'EOF'
import math
for x in [0.5,0.9,0.99,0.999,0.9999,1-1e-6,1-1e-9]:
    print(f"x={x:<12} ln x={math.log(x):.8f}  N=ceil(ln0.01/ln x)={math.ceil(math.log(0.01)/math.log(x))}")
EOF
x=0.5          ln x=-0.69314718  N=7
x=0.9          ln x=-0.10536052  N=44
x=0.99         ln x=-0.01005034  N=459
x=0.999        ln x=-0.00100050  N=4603
x=0.9999       ln x=-0.00010001  N=46043
x=0.999999     ln x=-0.00000100  N=4605171
x=0.999999999  ln x=-0.00000000  N=4605170187

看这张表：$x$ 越靠近 $1$，所需 $N$ 越大，而且当 $x\to1^-$ 时 $\ln x\to0^-$，于是 $\dfrac{\ln\epsilon}{\ln x}\to+\infty$。结论： \(\sup_{x\in[0,1)}N(\epsilon;x)=+\infty .\) “每个点最终都收敛，但需要的等待时间没有上界。” 一致收敛要求存在一个统一的 $N$，就要 $\sup_x N(\epsilon;x)<\infty$。本例中这个上确界是 $+\infty$，所以一致收敛必然失败——上面取 $\epsilon_0=\frac12$、$x=2^{-1/N}$ 的构造，正是这个”上确界无穷大”的直接物证。

机制二：$\sup$ 不趋于 $0$（本例的灵魂计算）。 一致收敛的等价刻画（下一小节）说：$f_n\rightrightarrows f\iff\sup_{x\in S}\vert f_n(x)-f(x)\vert \to0$。本例中 \(\sup_{x\in[0,1]}\vert f_n(x)-f(x)\vert =\sup_{x\in[0,1]}\vert x^n-f(x)\vert .\) 因为 $f(x)=0$ 在 $[0,1)$ 上、$f(1)=1$，且 $x^n$ 在 $[0,1]$ 上单调递增连续，所以对 $x\in[0,1)$， \(\vert x^n-0\vert =x^n<1,\qquad\text{而}\qquad \lim_{x\to1^-}x^n=1 .\) 从而 $\{x^n: x\in[0,1)\}$ 的上确界是 $1$（$1$ 是上界，且被无限逼近），并且在 $x=1$ 处 $\vert 1-1\vert =0$。所以 \(\boxed{\ \sup_{x\in[0,1]}\vert x^n-f(x)\vert =1\quad\text{对一切 }n\in\mathbb{N}.\ }\) 这个上确界恒等于 $1$，绝不趋于 $0$。 于是由 sup 刻画，一致收敛不成立。 注意一个常见的混淆：上确界 $1$ 是取不到的（在 $x\in[0,1)$ 上 $x^n<1$ 严格成立），所以 $\max$ 不存在、$\sup$ 存在。把 $\sup$ 与 $\max$ 混用是本课程明令禁止的低级错误（见 FORMAT_SPEC 第 5 节）。这里 $x^n$ 在 $[0,1]$ 上其实在 $x=1$ 处取到 $1$，但那里 $f(1)=1$ 抵消了，因此 $\vert f_n-f\vert $ 在 $x=1$ 取 $0$；真正逼近 $1$ 的是 $x\to1^-$ 的极限行为，而不是某个点。

ASCII 图：$f_n$ 的”逐点收敛但 sup 不收敛”。

    y = x^n 在 [0,1] 上：逐点收敛，但 sup_{[0,1]} |x^n - 0| = 1 永不下降

    y
  1.0 ┤━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╸  ← 每一条曲线在 x→1⁻ 都爬上 1
      │                                          ╱  ╱  ╱
      │                                     ╱  ╱  ╱
  0.8 ┤                                 ╱  ╱  ╱      ← n=2  (x²)
      │                            ╱  ╱  ╱
      │                       ╱  ╱  ╱   ← n=5  (x⁵)
  0.5 ┤                  ╱  ╱  ╱
      │             ╱  ╱  ╱         ← n=10 (x¹⁰)
      │         ╱ ╱  ╱
      │      ╱╱ ╱   n=100 (x¹⁰⁰) 几乎贴着 0，只在 x≈1 附近陡然翘起
  0.0 ┤━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╱    ← 翘起的"悬崖"越来越窄，
      └┬────────┬────────┬────────┬────────┬───────┴──→ x
       0       0.25     0.5      0.75      1.0

    观察：随着 n 增大，曲线在 [0,1) 内部被压得越来越平（逐点趋于 0），
          但在 x=1 附近总是保持着一段"高度为 1 的陡壁"（sup 恒为 1）。
          "每个竖线各自归零" ≠ "最大高度归零"。

    逐点收敛：对每个固定的 x < 1，沿竖直方向看，f_n(x) → 0。
              但这些"归零时刻" N(x) = ceil(ln ε / ln x) 随 x→1⁻ 无界增长：
                 x=0.9   → N=6
                 x=0.99  → N=69
                 x=0.999 → N=693
                 x=1-1e-6→ N≈693147
                 x→1⁻   → N→∞   ← 没有统一时刻，一致收敛失败

（第四步）对比正例：一致收敛是”区间依赖”的

下面是三个与本例紧密对照的计算，它们说明同一个函数族在不同的定义域上可以一致收敛、也可以不一致收敛——“一致收敛”是一个关于”函数列 + 定义域”的联合性质，换个定义域答案就变。

(a) $g_n(x)=x/n$ 在 $[0,1]$ 上：一致收敛到 $0$。

计算： \(\sup_{x\in[0,1]}\left\vert \frac{x}{n}-0\right\vert =\sup_{x\in[0,1]}\frac{x}{n}=\frac1n .\) （依据：$x\mapsto x/n$ 在 $[0,1]$ 上单调递增，故上确界在右端点 $x=1$ 处取到，值为 $1/n$；这里上确界可以取到，所以同时也是最大值。） 于是 $\vert g_n-0\vert _{[0,1]}=1/n\to0$，由 sup 刻画得 $g_n\rightrightarrows0$。 数值：$n=1{:}1.0$；$n=10{:}0.1$；$n=100{:}0.01$；$n=1000{:}0.001$；$n=10^6{:}10^{-6}$。取 $\epsilon=0.01$ 时 $N=101$（或放宽到 $\le$ 时 $N=100$）。

(b) $h_n(x)=x^n$ 在 $[0,r]$（$0<r<1$ 固定）上：一致收敛到 $0$。

计算：$x\mapsto x^n$ 在 $[0,r]$ 上单调递增，故 \(\sup_{x\in[0,r]}\vert x^n-0\vert =r^n .\) （依据：$0\le x\le r<1\Rightarrow x^n\le r^n$；等号在 $x=r$ 取到，所以是最大值。） 于是 $\vert h_n-0\vert _{[0,r]}=r^n\to0$（$0<r<1$ 时几何序列趋于 $0$，Lecture 7 的结论），由 sup 刻画得 $h_n\rightrightarrows 0$。 数值（$r=0.9$，$\epsilon=0.01$）：需 $0.9^n<0.01$，即 $n>\ln0.01/\ln0.9=43.7087\ldots$，故 $N=44$。核对：$0.9^{43}=0.010775263664$（不满足），$0.9^{44}=0.009697737298$（满足）。 数值（$r=0.5$，$\epsilon=0.01$）：需 $0.5^n<0.01$，即 $n>\ln0.01/\ln0.5=6.6438\ldots$，故 $N=7$。

    为什么 [0,0.9] 上就能一致收敛？  把"悬崖"整段切掉！

    y
  1.0 ┤                                    ┃ ← x=1 处的悬崖
      │                                  ╱ ┃
      │                               ╱    ┃
  0.9 ┤╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌○╌╌╌╌╌┃╌╌   ← 截断处 (x=0.9, y=0.9^n)
      │                        ╱           ┃      在这一段右侧，"壁"才伸到 1
      │                    ╱               ┃
      │              ╱                     ┃
  0.0 ┤━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┃
      └┬────────────────┬──────────────────┬┴──→ x
       0               0.5                0.9 1.0
        ╰──────── 只看这一段 [0, 0.9] ────────╯
        最高点 = 0.9^n → 0    ← sup 趋于 0，一致收敛成立

(c) 对照小结表

（第五步）$g_n(x)=x/n$ 在 $[0,\infty)$ 上为什么反而不一致收敛？ \(\sup_{x\in[0,\infty)}\frac{x}{n}=+\infty\quad(\text{对每个 }n)，\) 所以 $\vert g_n\vert $ 根本不是有限数、更不可能趋于 $0$。这提醒我们：一致收敛的定义本身不要求函数有界，但用 sup 刻画时必须先检查 sup 是否有限。若 $\sup$ 为 $+\infty$，一致收敛必定失败（因为要 $\sup<\epsilon$）。这也说明”逐点极限是 $0$”完全不能推出”一致收敛到 $0$”——本例中每个固定的 $x$ 处 $x/n\to0$，但最坏的点可以跑到无穷远。

等价刻画（sup / uniform norm 形式）

• 定理陈述：设 $f_n:S\to\mathbb{R}$ 与 $f:S\to\mathbb{R}$，且设 $f_n-f$ 对每个 $n$ 都在 $S$ 上有界（即 $\vert f_n-f\vert _S<\infty$）。则

\(f_n\rightrightarrows f\ \text{在}S\text{上}\quad\Longleftrightarrow\quad \lim_{n\to\infty}\vert f_n-f\vert _S=0,\) 其中一致范数 (uniform norm) 定义为 \(\vert h\vert _S:=\sup\{\,\vert h(x)\vert :x\in S\,\}.\) （[JL] 的定义与命题；源文件本讲未给出该记号，此处作为补充明确标注——它是 Lecture 24/25 中反复使用的工具，也是做本题型最省力的办法。）

• 证明策略：证”$\Leftarrow$”时，用 sup 的定义中”上确界是上界”这一半；证”$\Rightarrow$”时，用”上确界是最小上界”这一半（取 sup 而非 max）。两个方向都是把 $\sup$ 的定义展开，没有别的东西。关键要抓住 sup 的双重身份：
  • 对一切 $x$，$\vert h(x)\vert \le\sup_S\vert h\vert $（上界性）；
  • 若 $K$ 是 $\vert h\vert $ 的任一上界，则 $\sup_S\vert h\vert \le K$（最小性）。
• 逐步推导（含依据）

方向一：$\lim_n\vert f_n-f\vert _S=0\Rightarrow f_n\rightrightarrows f$。

1. 设 $\lim_{n\to\infty}\vert f_n-f\vert _S=0$。任取 $\epsilon>0$。 （依据：要证 Definition 264 的 $\epsilon$-$N$ 陈述。）

2. 由数列收敛定义，存在 $N\in\mathbb{N}$，使对一切 $n\ge N$ 有 \(\vert f_n-f\vert _S<\epsilon .\) （依据：$\epsilon$-$N$ 收敛定义（Lecture 6），这里的”数列”是 $u_n:=\vert f_n-f\vert _S$。）

3. 固定任一 $n\ge N$。对任意 $x\in S$，由 sup 是上界得 \(\vert f_n(x)-f(x)\vert \le\vert f_n-f\vert _S<\epsilon .\) （依据：上确界的上界性：$\sup_S\vert h\vert $ 是集合 $\{\vert h(x)\vert :x\in S\}$ 的一个上界，故一切元素 $\le$ 它。）

4. 由于 $x\in S$ 任意、$n\ge N$ 任意，得 \(\forall n\ge N\ \forall x\in S,\quad \vert f_n(x)-f(x)\vert <\epsilon .\) 这正是 Definition 264。$\square$

方向二：$f_n\rightrightarrows f\Rightarrow\lim_n\vert f_n-f\vert _S=0$。

1. 设 $f_n\rightrightarrows f$。任取 $\epsilon>0$。 （依据：要证数列 $\{\vert f_n-f\vert _S\}$ 收敛到 $0$。）

2. 由 Definition 264，存在 $N$ 使对一切 $n\ge N$ 与一切 $x\in S$ 有 \(\vert f_n(x)-f(x)\vert <\epsilon .\) （依据：Definition 264 本身。）

3. 固定 $n\ge N$。第 2 步说明常数 $\epsilon$ 是集合 $\{\vert f_n(x)-f(x)\vert :x\in S\}$ 的一个上界（对一切 $x$ 成立）。 （依据：上界的定义。）

4. 由上确界是最小上界，得 \(\vert f_n-f\vert _S=\sup_{x\in S}\vert f_n(x)-f(x)\vert \le\epsilon .\) （依据：最小上界性质 LUB。注意这里是 $\le$ 而不是 $<$——因为第 2 步只能给出严格小于 $\epsilon$，而上界最小性只保证 $\sup\le\epsilon$。这个 $\le$ 与 $<$ 的差别在本证明中无害，因为结论是”$\le\epsilon$ 对一切 $n\ge N$”，而我们随后对 $\epsilon$ 取任意小。）

5. 于是对一切 $n\ge N$ 有 $0\le\vert f_n-f\vert S\le\epsilon$（左边不等号来自 sup 非负）。由于 $\epsilon>0$ 任意，得 $\lim{n\to\infty}\vert f_n-f\vert _S=0$。 （依据：$\epsilon$ 任意性；或用夹逼定理（Lecture 8）取 $\epsilon=1/k$ 得子列趋于 $0$，再用 Lecture 8 的”$\vert u_n\vert \to0$”结论。）$\blacksquare$

• 【证明机制解说】 这个等价刻画的全部内容就是：”$\forall x$ 的误差控制”与”$\sup_x$ 的误差控制”是同一件事。原因是 sup 恰好是”所有误差中最坏的那个”（的广义版本）。所以一致收敛 = “最坏误差趋于 $0$“，而逐点收敛 = “每个固定误差各自趋于 $0$“。有了这个刻画，所有一致收敛问题都变成一道”求 $\sup$ 再取极限“的计算题——这正是本讲习题（以及 Assignment 12 第 4 题 Exercise 6.1.2）的标准解法流程： 第 1 步：求出逐点极限 $f$；第 2 步：算 $\vert f_n-f\vert _S=\sup_S\vert f_n-f\vert $（用单调性或求导找极值）；第 3 步：看这个数是否 $\to0$。 “如果让你自己重新发明”：你会注意到逐点收敛的困难在于”$N$ 依赖 $x$”，那么”把 $x$ 消掉”的最自然办法是什么？——对 $x$ 取 sup。于是”$\sup$ 趋于 $0$”就成了”一致”这一形容词的自然翻译。 一个必须小心的技术点：若某 $f_n-f$ 无界，则 $\vert f_n-f\vert _S=+\infty$，此时”$\lim\vert f_n-f\vert _S=0$”根本不成立，而一致收敛也不可能成立；所以等价刻画在有限性假设下使用。若 $f$ 与所有 $f_n$ 都无界，一致收敛仍可有意义（如 $f_n(x)=x+1/n\rightrightarrows x$ 在 $\mathbb{R}$ 上，$\sup_{\mathbb{R}}\vert 1/n\vert =1/n\to0$ 有限）——因为 $f_n-f$ 可以有界，即使各 $f_n$ 本身无界。

• 【证明技巧总结】

  1. sup 的双重身份：证”$\Rightarrow$”用最小上界性质（得 $\le$），证”$\Leftarrow$”用上界性质（得 $\le$ 到具体点）。
  2. ”$\le\epsilon$ 对一切 $\epsilon$ 蕴含 $=0$”：证明某个非负数等于 $0$ 的标准收尾（常用于课后习题：若 $\vert f-g\vert _S\le\epsilon$ 对一切 $\epsilon$ 成立，则 $f=g$）。
  3. “求 sup 化归为求极值”：$\vert f_n-f\vert $ 可导时用求导找临界点；单调时用端点。这是计算 $\vert f_n-f\vert $ 的通用套路。
  4. 先检查有限性：在写”$\lim\vert f_n-f\vert _S=0$”之前，必须先确认 $\vert f_n-f\vert _S<\infty$。

另一个反例：源文件 Definition 263 之后的无编号例 3（帐篷函数）

源文件在 Definition 263 之后列了三个例子，第三个是：

即一个”帐篷”（三角形尖峰）：底边是 $[0,1/n]$，顶点在 $x=\frac{1}{2n}$ 处，高度为 $2n$，其余处为 $0$。

• 逐点极限的完整计算（照源文件的论证，逐步写出）

1. 源文件先算 $x=0$： \(\lim_{n\to\infty}f_n(0)=\lim_{n\to\infty}0=0\) （因为 $x=0\in[0,\frac{1}{2n}]$ 对一切 $n$ 成立，故 $f_n(0)=4n^2\cdot0=0$）。 （依据：分段定义的第一段。）
2. 任取 $x\in(0,1]$。取 $N\in\mathbb{N}$ 使 \(\frac1N<x .\) （依据：Archimedes 性质（Lecture 5）：对任意实数 $x>0$，存在 $N\in\mathbb{N}$ 使 $1/N<x$。）
3. 则对一切 $n\ge N$ 有 $\frac1n\le\frac1N<x$，故 $x\in\left[\frac1n,1\right]$，于是由分段定义的第三段 \(f_n(x)=0\qquad(\forall n\ge N).\) （依据：分段定义第三段；以及 $n\ge N\Rightarrow 1/n\le1/N$。）
4. 因此数列 $\{f_n(x)\}_{n=1}^\infty$ 从第 $N$ 项起恒为 $0$： \(\{f_n(x)\}=f_1(x),\dots,f_{N-1}(x),0,0,0,\dots\) （依据：第 3 步的结论。）
5. 故 $\lim_{n\to\infty}f_n(x)=0$ 对一切 $x\in(0,1]$ 成立。 （依据：数列从某项后恒为 $0$ 则极限为 $0$。）
6. 结合第 1 步，得到 \(\lim_{n\to\infty}f_n(x)=0\qquad\text{对一切 }x\in[0,1].\) 即 $\{f_n\}$ 在 $[0,1]$ 上逐点收敛到 $f(x)=0$。$\square$ （依据：Definition 263。）

• 为什么它不一致收敛？ \(\vert f_n-0\vert _{[0,1]}=\max_{x\in[0,1]}f_n(x)=f_n\!\left(\frac{1}{2n}\right)=4n^2\cdot\frac{1}{2n}=2n .\) （依据：帐篷在顶点处取最大；第一段 $4n^2x$ 在 $x=\frac1{2n}$ 处给 $4n^2\cdot\frac1{2n}=2n$；第二段 $4n-4n^2x$ 在 $x=\frac1{2n}$ 处同样给 $4n-4n^2\cdot\frac1{2n}=4n-2n=2n$，两段在顶点处衔接，故函数连续。） 于是 $\vert f_n-0\vert _{[0,1]}=2n\to+\infty$，不趋于 $0$，故由 sup 刻画得 $f_n\not\rightrightarrows0$。 数值核对：

  n=1    顶点 x=0.5       峰值=2
  n=2    顶点 x=0.25      峰值=4
  n=3    顶点 x=0.16666667 峰值=6
  n=10   顶点 x=0.05      峰值=20
  n=100  顶点 x=0.005     峰值=200
  

• 【这个例子的地位】 它是 Lecture 25 中 Question 262 第 3 问（积分能否交换）的反例： \(\int_0^1f_n=\frac12\cdot\text{底}\cdot\text{高}=\frac12\cdot\frac1n\cdot2n=1\quad(\text{对一切}n)\) （数值核对：$n=1,2,3,10,100$ 时面积都精确等于 $1.0000000000$；这是三角形的面积公式，与 Lecture 22 中 Example 关于 $f_n(x)=n-n^2x$ 的积分 $\int_0^1f_n=1/2$ 是同一路数。） 而 $\int_0^1\lim_n f_n=\int_0^1 0=0$。于是 \(1=\lim_{n\to\infty}\int_0^1f_n\ \ne\ \int_0^1\lim_{n\to\infty}f_n=0 .\) “尖峰越来越高、越来越窄，面积却保持不变”——积分对”窄而高的尖峰”毫无感觉，这是逐点收敛最危险的失灵方式，也是 Lecture 24/25 讨论积分交换时的核心图景。

• 【证明机制解说】 与 $x^n$ 的对比是理解本讲的关键：$x^n$ 的”坏区域”固定在 $x=1$ 附近（宽度不缩），所以 sup 恒为 $1$；帐篷的坏区域越来越窄（宽度 $1/n$），但高度越来越大（$2n$），于是 sup 反而 $\to\infty$。两者都说明：逐点收敛只控制”每根竖线”，对”坏区域的整体形状”毫无约束。 一致收敛失败的方式至少有两种：sup 稳定在某个正数（$x^n$），或者 sup 爆炸（帐篷）。做习题时必须两种都检查。

另一个反例：$f_n(x)=\dfrac{nx}{1+n^2x^2}$（补充，与本讲同型的经典例子）

源文件本讲的三个例子中没有这一条，但它是 [JL] §6.2 之后与”逐项求导不能交换”相关的经典函数（见 [JL] 习题：$f_n(x)=\frac{x}{1+(nx)^2}$）。此处作为补充例子给出完整分析（在 [JL] 的原题中是 $\frac{x}{1+(nx)^2}$，两者相差一个 $n$ 的因子，行为完全相同；本笔记用本题要求的 $\frac{nx}{1+n^2x^2}$）。

• (i) 逐点极限：固定 $x>0$。把分子分母同除以 $n^2$： \(f_n(x)=\frac{nx}{1+n^2x^2}=\frac{(nx)/n^2}{(1+n^2x^2)/n^2}=\frac{x/n}{\,1/n^2+x^2\,}\xrightarrow[n\to\infty]{}\frac{0}{\,0+x^2\,}=0 .\) 对 $x=0$，$f_n(0)=0$ 恒成立。所以逐点极限是 $f\equiv0$。 （依据：Lecture 8 的商的极限性质，注意分母极限为 $x^2\ne0$，可以安全使用。）
• (ii) 求 sup：对固定 $n\ge1$，$f_n$ 在 $[0,1]$ 上连续可导。求导 \(f_n^{\prime}(x)=\frac{n(1+n^2x^2)-nx\cdot2n^2x}{(1+n^2x^2)^2}=\frac{n+n^3x^2-2n^3x^2}{(1+n^2x^2)^2}=\frac{n(1-n^2x^2)}{(1+n^2x^2)^2}.\) 令 $f_n^{\prime}(x)=0$ 得 $1-n^2x^2=0$，即 $x=\frac1n\in(0,1]$（当 $n\ge1$）。又 $f_n^{\prime}\ge0$ 当 $x<1/n$、$f_n^{\prime}\le0$ 当 $x>1/n$，故 $x=1/n$ 是最大值点，最大值 \(f_n\!\left(\frac1n\right)=\frac{n\cdot\frac1n}{1+n^2\cdot\frac1{n^2}}=\frac{1}{2}.\) 又 $f_n(0)=0$、$f_n(1)=\frac{n}{1+n^2}\le\frac12$（因为 $n^2+1\ge2n$），故 \(\vert f_n-0\vert _{[0,1]}=\sup_{x\in[0,1]}\frac{nx}{1+n^2x^2}=\frac12 .\) （依据：连续函数在闭区间上取到最大最小值（Lecture 16），故 sup = max；求导找临界点（Lecture 19）。）
• (iii) 结论：$\vert f_n-0\vert _{[0,1]}=\frac12$ 恒为 $\frac12$，不趋于 $0$，故由 sup 刻画，$f_n$ 不一致收敛到 $0$（尽管逐点收敛到 $0$）。 数值核对：$n=1,2,3,10,100$ 时在 $x=1/n$ 处 $f_n=0.500000000000$，与理论值 $\frac12$ 完全一致。注意 $x=1/n$ 随 $n$ 减小，$x=1/100=0.01$ 仍落在 $[0,1]$ 内，所以对每个 $n$ 都有这个”半高点”存在——坏点既不消失、峰值也不衰减。
• (iv) 与 $x^n$ 的对照：两者都”sup 恒为正常数”，但机制不同：$x^n$ 的坏点在固定位置 $x\approx1$ 且峰值随 $x\to1^-$ 逼近 $1$；本例的坏点在移动位置 $x=1/n\to0$ 且峰值恒为 $\frac12$。这再一次说明：一致收敛的失败既可能发生在”边界附近”，也可能发生在”内部跟踪的点”上。

连续性：一致极限保持连续（源文件归入 Lecture 24, Theorem 274；此处仅作衔接性预告）

（重要归属说明） 源文件把下列定理放在 Lecture 24（lecture_24.txt 中没有，实际在 lecture_25.txt 的回溯段落中编号为 Theorem 274）。本讲（Lecture 23）的源文件没有包含它。因此下面只给出陈述 + 证明思路 + 关键机制，完整证明留给 Lecture 24 的笔记（本课程讲次表将 Theorem 274 归入 Lecture 24/25 的”极限交换”主题）。此处列出的目的是让读者明白”一致收敛为什么值得被发明出来”。

• 定理 274 陈述（照 lecture_25.txt）：若 $f_n:S\to\mathbb{R}$ 对一切 $n$ 都连续，$f:S\to\mathbb{R}$，且 $f_n\to f$ 一致地，则 $f$ 连续。 （源文件 Theorem 274 原文：”If $f_n:S\to\mathbb{R}$ is continuous for all $n$, $f:S\to\mathbb{R}$, and $f_n\to f$ uniformly, then $f$ is continuous.”）

• 证明策略（完整思路，$\epsilon/3$ 技巧）：要对给定 $c\in S$ 证 $f$ 在 $c$ 连续，即证 $\forall\epsilon>0\exists\delta>0:\ \vert x-c\vert <\delta\Rightarrow\vert f(x)-f(c)\vert <\epsilon$。把差式插进中间项： \(\vert f(x)-f(c)\vert \le\underbrace{\vert f(x)-f_n(x)\vert }_{\text{(A)}}+\underbrace{\vert f_n(x)-f_n(c)\vert }_{\text{(B)}}+\underbrace{\vert f_n(c)-f(c)\vert }_{\text{(C)}}\) （依据：加一项减一项再减一项加一项，然后三角不等式（Lecture 6）。） 三块的控制方案：
  • (A) 由一致收敛，存在 $N$ 使 $n\ge N$ 时对一切 $x\in S$ 有 $\vert f_n(x)-f(x)\vert <\epsilon/3$——注意这里”对一切 $x$”是免费附赠的，正是这一点让我们能同时控制 $x$ 处与 $c$ 处；若只有逐点收敛，$N$ 依赖点，控制 $x$ 的 $N$ 与控制 $c$ 的 $N$ 可能不同，无法相加。
  • (C) 同一个 $N$，在 $x=c$ 处实例化：$\vert f_n(c)-f(c)\vert <\epsilon/3$。
  • (B) 固定这个 $n$（$n\ge N$），由 $f_n$ 在 $c$ 连续，存在 $\delta>0$ 使 $\vert x-c\vert <\delta\Rightarrow\vert f_n(x)-f_n(c)\vert <\epsilon/3$。 合并：$\vert x-c\vert <\delta\Rightarrow\vert f(x)-f(c)\vert <\epsilon/3+\epsilon/3+\epsilon/3=\epsilon$。
• 【证明机制解说（预告版）】 为什么必须是”一致”收敛？ 因为估计 (A) 需要对一切 $x$ 同时成立，而我们的目标点 $x$ 是任意的（未定）。逐点收敛给出的 $N$ 是 $N(\epsilon,x)$，当 $x$ 移动时它可能变；而我们必须在选定 $n$ 之后再用 $f_n$ 的连续性去选 $\delta$，这就要求 $n$ 已经”覆盖”了 $\delta$-邻域里的所有点——只有一致收敛才提供这种”覆盖整个邻域”的 $n$。如果只是逐点，$n$ 固定后，邻域内可能仍有点的误差超过 $\epsilon/3$。
• 【对应反例】 正是本讲的 $f_n(x)=x^n$ 在 $[0,1]$ 上：每个 $f_n$ 连续，逐点极限 $f=\mathbf{1}_{\{1\}}$ 在 $x=1$ 处不连续（左极限 $0$，函数值 $1$）。所以”逐点极限不保持连续性”——这个反例将在 Lecture 25 中作为 Question 273 第 1 问的标准答案再次出现。

一致收敛保持的其他性质（预告，Lecture 24/25）

• 保持连续性：Theorem 274（上面已述，完整证明见 Lecture 24/25 笔记）。
• 保持有界性：若 $f_n\rightrightarrows f$ 且 $f$ 有界，则存在 $N$ 使一切 $n\ge N$ 的 $f_n$ 有界（[JL] §6.1 习题）。直观：从某帧起所有 $f_n$ 都挤在 $f$ 的 $\epsilon$-管道里，管道有界则 $f_n$ 有界。
• 保持积分（积分与极限交换）：若 $f_n:[a,b]\to\mathbb{R}$ 连续（因此可积）且 $f_n\rightrightarrows f$ 在 $[a,b]$ 上，则 $f$ 可积且 \(\int_a^b f=\lim_{n\to\infty}\int_a^b f_n .\) 证明思路（预告）：$\left\vert \int f_n-\int f\right\vert \le\int\vert f_n-f\vert \le(b-a)\vert f_n-f\vert _{[a,b]}\to0$。对照反例：本讲的帐篷函数 $f_n$ 有 $\int_0^1f_n=1$ 对一切 $n$，而 $\int_0^1\lim f_n=0$——逐点收敛下交换失败（源文件 Lecture 25 把它列为 Question 273 第 3 问的否定答案）。
• 保持求导（不能！）：即使 $f_n\rightrightarrows f$ 且每个 $f_n$ 可导，也不能推出 $f^{\prime}=\lim f_n^{\prime}$。源文件 Lecture 25 给出的反例是 $f_n(x)=\frac{x^{n+1}}{n+1}$ 在 $[0,1]$ 上：$f_n\to0$ 逐点（其实一致），$f_n^{\prime}(x)\to g(x)$ 其中 $g(x)=0$ 对 $x\in[0,1)$、$g(1)=1$，而 $f\equiv0$ 的导数处处为 $0\ne g(1)$。需要的额外条件是 $f_n^{\prime}$ 一致收敛到某个 $g$（源文件 Theorem 277）。
• Cauchy 判据（一致 Cauchy）（[JL] §6.1，补充）：设 $f_n:S\to\mathbb{R}$ 都是有界函数。则 \(\{f_n\}\ \text{在 }S\text{ 上一致收敛}\iff \forall\epsilon>0\ \exists N\ \forall m,k\ge N:\ \vert f_m-f_k\vert _S<\epsilon .\) 证明思路：
  • ($\Rightarrow$) 由一致收敛取 $N$ 使 $n\ge N$ 时 $\vert f_n-f\vert _S<\epsilon/2$。对 $m,k\ge N$ 与任意 $x$， \(\vert f_m(x)-f_k(x)\vert \le\vert f_m(x)-f(x)\vert +\vert f(x)-f_k(x)\vert <\tfrac\epsilon2+\tfrac\epsilon2=\epsilon,\) 对 $x$ 取 sup 得 $\vert f_m-f_k\vert _S\le\epsilon$。
  • ($\Leftarrow$) 先对每个固定 $x$，由 $\vert f_m(x)-f_k(x)\vert \le\vert f_m-f_k\vert _S$ 得 $\{f_n(x)\}$ 是实数的 Cauchy 序列，由 $\mathbb{R}$ 的完备性（Lecture 10）有极限，定义 $f(x):=\lim_nf_n(x)$。再对 $\epsilon>0$ 取 $N$ 使 $m,k\ge N$ 时 $\vert f_m-f_k\vert _S<\epsilon/2$；固定 $m\ge N$、$x\in S$，令 $k\to\infty$ 得 $\vert f_m(x)-f(x)\vert \le\epsilon/2<\epsilon$；对 $x$ 取 sup 得 $\vert f_m-f\vert _S\le\epsilon/2$，故 $\vert f_m-f\vert _S\to0$。
  • 关键作用：与实数 Cauchy 判据（Lecture 10）一样，它让我们在不知道极限函数 $f$ 是什么的情况下判断一致收敛；这正是 Lecture 25 证明 Weierstrass 逼近定理与 Picard 迭代收敛的工具。
  • 【证明技巧总结】 “先逐点造极限（用 $\mathbb{R}$ 完备性）→ 再用一致 Cauchy 把点态控制升级为一致控制”是分析中反复出现的两级跳模式。

Definition 263 之后的无编号例 2（几何级数的逐点收敛）

源文件 Definition 263 之后的无编号例 2：令 $f_n(x)=\sum_{m=0}^{n}x^m$ 对 $x\in(-1,1)$。则 \(\lim_{n\to\infty}f_n(x)=\lim_{n\to\infty}\sum_{m=0}^{n}x^m=\frac{1}{1-x}.\)

• 计算依据：几何和公式 $\sum_{m=0}^{n}x^m=\frac{1-x^{n+1}}{1-x}$（$x\ne1$），而 $\vert x\vert <1\Rightarrow x^{n+1}\to0$（Lecture 7），故极限为 $\frac{1}{1-x}$。
• 直观解释：源文件说”Hence, pointwise, this sequence converges to its power series”（因此逐点地，该函数列收敛到它的幂级数）。这落实了本讲开头的动机：幂级数就是部分和函数列的逐点极限。
• 它与一致收敛的关系（预告，[JL] §6.1 习题）：对任意固定的 $0\le c<1$，$\sum x^m$ 在 $[-c,c]$ 上一致收敛（$\vert f_n-f\vert {[-c,c]}=\sup{\vert x\vert \le c}\left\vert \frac{x^{n+1}}{1-x}\right\vert \le\frac{c^{n+1}}{1-c}\to0$）；但在 $(-1,1)$ 上不一致收敛（因为 $x\to1^-$ 时 $\left\vert \frac{x^{n+1}}{1-x}\right\vert \to\infty$，$\sup$ 为 $+\infty$）。这与 $x^n$ 的情形完全平行：一致收敛只能在”离奇点 $x=1$ 保持正距离”的区间上成立。

与教材的对应

• 对应 [JL] §6.1 “Pointwise and uniform convergence”。该节的核心命题与本文的对应关系如下（章节号与命题编号来自 Lebl, Basic Analysis I, Vol. 1 的 §6.1；教材全书在 https://jirka.org/ra/html/sec_puconv.html 公开）：

  [JL] §6.1 的条目	内容	本笔记的对应位置
  Definition 6.1.1	逐点收敛：$\forall x\in S,\ f(x)=\lim_n f_n(x)$	定义 263 段
  Example 6.1.2	$f_n(x)=x^{2n}$ 在 $[-1,1]$ 上的逐点极限	核心反例段（源文件用 $x^n$ on $[0,1]$）
  Example 6.1.3	$\sum_{k=0}^n x^k\to\frac1{1-x}$ 在 $(-1,1)$ 上	定义 263 之后的例 2 段
  Example 6.1.4	$f_n(x)=\sin(nx)$ 在任何区间上都不逐点收敛	逐点收敛的反例段
  Proposition 6.1.5	逐点收敛的 $\epsilon$-$N$ 刻画（$N$ 可依赖 $x$）	定义 263 的展开式
  Definition 6.1.6	一致收敛（$N$ 不可依赖 $x$）	定义 264 段
  一致收敛的反例	$x^{2n}$ 在 $[-1,1]$ 上不一致收敛；在 $[-a,a]$（$0<a<1$）上一致收敛	$x^n$ 反例段 + “一致收敛是区间依赖的”
  Definition 6.1.7（uniform norm $\vert f\vert _S$）	一致范数	sup 等价刻画段
  命题：$f_n\rightrightarrows f\iff\vert f_n-f\vert _S\to0$	sup 刻画	sup 等价刻画段（完整证明）
  Cauchy in the uniform norm / uniformly Cauchy 及其等价命题	一致 Cauchy 判据	“一致收敛的其他保持性质”末段
  命题：一致收敛 $\Rightarrow$ 逐点收敛	强化关系	定理 265

• 对应 OCW Assignment 12（Reading: The Riemann Integral lecture notes, Section 6.1；作业编号照 hw_all.txt 的 hw/hw12.pdf 原文）：
  • 第 4 题：Exercise 6.1.2 —— 原题为：(a) 求 $\left\{\dfrac{e^{x/n}}{n}\right\}{n=1}^{\infty}$ 在 $x\in\mathbb{R}$ 上的逐点极限；(b) 该极限在 $\mathbb{R}$ 上一致吗？(c) 该极限在 $[0,1]$ 上一致吗？ 这道题在练什么：完整走一遍”求逐点极限 → 算 $\sup$ → 判断是否 $\to0$“三步骤。答案：(a) 逐点极限为 $f\equiv0$（对固定 $x$，$e^{x/n}\to e^0=1$，故 $e^{x/n}/n\to0$）；(b) 不一致：$\sup{x\in\mathbb{R}}\left\vert \frac{e^{x/n}}{n}\right\vert =+\infty$（因 $e^{x/n}$ 在 $\mathbb{R}$ 上无界），故 $\vert f_n\vert {\mathbb{R}}=\infty$ 不趋于 $0$；(c) 一致：$\sup{x\in[0,1]}\frac{e^{x/n}}{n}=\frac{e^{1/n}}{n}\to0$（数值：$n=1{:}2.7182818285$，$n=10{:}0.1105170918$，$n=100{:}0.0101005017$，$n=1000{:}0.0010010005$，确实趋于 $0$）。这题的最重要收获是”同一个函数列，在 $\mathbb{R}$ 上不一致而在 $[0,1]$ 上一致”——定义域决定答案。
  • 第 5 题：Exercise 6.1.5 —— 原题：设 $\{f_n\}$ 与 $\{g_n\}$ 定义在集合 $A$ 上，分别在 $A$ 上一致收敛到 $f$ 与 $g$。证明 $\{f_n+g_n\}$ 在 $A$ 上一致收敛到 $f+g$。 这道题在练什么：一致收敛的 $\epsilon/2$ 技巧与”取 $N=\max\{N_1,N_2\}$”模式。证明：任取 $\epsilon>0$。由 $f_n\rightrightarrows f$ 取 $N_1$ 使 $n\ge N_1$ 时 $\vert f_n-f\vert _A<\epsilon/2$；由 $g_n\rightrightarrows g$ 取 $N_2$ 使 $n\ge N_2$ 时 $\vert g_n-g\vert _A<\epsilon/2$。取 $N=\max\{N_1,N_2\}$，则对 $n\ge N$ 与任意 $x\in A$， \(\vert (f_n+g_n)(x)-(f+g)(x)\vert \le\vert f_n(x)-f(x)\vert +\vert g_n(x)-g(x)\vert <\tfrac\epsilon2+\tfrac\epsilon2=\epsilon,\) 对 $x$ 取 sup 得 $\vert (f_n+g_n)-(f+g)\vert _A\le\epsilon$。注意：加法的一致性可以保持，但乘法不行（[JL] 的配套习题：取 $A=\mathbb{R}$、$f(x)=g(x)=x$、$f_n(x)=g_n(x)=x+1/n$，则 $f_n\rightrightarrows f$ 而 $f_ng_n\not\rightrightarrows fg$；这是一个绝佳的反例，说明”一致收敛的代数性质”必须逐项检验）。
  • 第 1 题（与 Lecture 22 的衔接）：(a) 若 $f\in C([a,b])$、$f\ge0$ 且 $\int_a^bf=0$，证明 $f\equiv0$；(b) 用分部积分证明 $u^{\prime\prime}=Vu$、$u(a)=u(b)=0$ 蕴含 $u\equiv0$。第 1 题的 Hint “What’s one of the most useful theorems in analysis mentioned in Lecture 22?” 指的正是分部积分（Integration by Parts, Theorem 252）——与本讲 Riemann–Lebesgue 引理使用的是同一件武器。
  • 第 2、3 题：Exercise 5.3.1、Exercise 5.3.9（[JL] §5.3 微积分基本定理一节）：练 FTC 的两个形式（$\int_a^x f^{\prime}=f(x)-f(a)$ 与 $\frac{d}{dx}\int_a^xf=f(x)$）。它们是 Lecture 22 的内容，但与本讲共用”积分 + 极限”的基础工具。
• 对应 OCW Final 第 1(iii) 题（出处：hw_all.txt 的 hw/final.pdf，第 1 题”Complete the following negations”）：
  • 原题：”(iii) (5 points) Let $S\subset\mathbb{R}$. A sequence of functions $f_n:S\to\mathbb{R}$ does not converge uniformly to $f:S\to\mathbb{R}$ if $\underline{\qquad}$.”
  • 这道题在练什么：量词取反。正确填法是（源文件 Lecture 24 的 Negation 267 给出的标准形式） \(\exists\epsilon_0>0\ \text{such that}\ \forall M\in\mathbb{N},\ \exists n\ge M\ \text{and}\ \exists x\in S\ \text{with}\ \vert f_n(x)-f(x)\vert \ge\epsilon_0 .\) 评分要点：① $\epsilon_0$ 必须在最外层并且固定（写成 $\forall\epsilon_0$ 就错）；② $\forall M$ 与 $\exists n\ge M$ 的次序（不能写成 $\exists n\ \forall M$）；③ 必须保留 $\exists x\in S$（漏掉就变成了”数列不一致收敛”，那是无意义的概念）；④ 不等号必须写成 $\ge$（因为否定”$<\epsilon$”是”$\ge\epsilon_0$”，且 $\epsilon_0$ 与 $\epsilon$ 不能混用同名）。
  • 同题第 1(i)(ii) 的对照（同一份试卷，说明这是本课程反复训练的技能）：
    • (i) $f$ 在 $c$ 不连续：$\exists\epsilon_0>0\ \forall\delta>0\ \exists x\in S$ 使 $\vert x-c\vert <\delta$ 且 $\vert f(x)-f(c)\vert \ge\epsilon_0$。
    • (ii) $f$ 在 $S$ 上不一致连续：$\exists\epsilon_0>0\ \forall\delta>0\ \exists x,y\in S$ 使 $\vert x-y\vert <\delta$ 且 $\vert f(x)-f(y)\vert \ge\epsilon_0$。
    • 三者的共同骨架：把 $\forall\epsilon$ 变成 $\exists\epsilon_0$、把 $\exists\delta/\exists N$ 变成 $\forall\delta/\forall N$、把最后的控制条件取反。“一致”这个词在本课程中永远是”$\exists$ 与 $\forall$ 的次序问题”（一致连续 Lecture 17、一致收敛本讲、极限一致本讲——一脉相承）。
• 对应 OCW Final 第 7 题（本讲主题的直接考查）：
  • 7(a)：”Give an explicit example of a sequence of continuous functions on $(0,1)$ that converges pointwise to a continuous function on $(0,1)$ but the convergence is not uniform. Explanation, but not a formal proof, is required. Feel free to use pictures.” ——标准答案是 $f_n(x)=\frac{x}{1+nx}$ 或 $f_n(x)=x^n$ 在 $(0,1)$ 上的变体（$f_n(x)=x^n$ 在 $(0,1)$ 上逐点收敛到连续函数 $0$，但 $\sup_{(0,1)}x^n=1$ 不趋于 $0$，故不一致）。本题要求”pointwise limit 连续”这一点很关键：它排除了 $f_n(x)=x^n$ 在 $[0,1]$ 上的原版（那里极限在 $x=1$ 不连续），逼你改用开区间或其他函数列。
  • 7(b)(ii)：设 $f:\mathbb{R}\to\mathbb{R}$ 可导且 $\vert f^{\prime}(c)\vert \le L$ 对一切 $c$ 成立，$f_n(x):=f\left(x+\frac1n\right)$，证明 $\{f_n\}$ 在 $\mathbb{R}$ 上一致收敛到 $f$。证明：由中值定理（Lecture 19），对任意 $x$， \(\vert f_n(x)-f(x)\vert =\left\vert f\!\left(x+\tfrac1n\right)-f(x)\right\vert =\vert f^{\prime}(\xi_x)\vert \cdot\frac1n\le\frac{L}{n},\) 其中 $\xi_x$ 介于 $x$ 与 $x+\frac1n$ 之间。注意 $\xi_x$ 依赖 $x$，但上界 $L/n$ 不依赖 $x$——这正是”用 Lipschitz 常数（与 $x$ 无关）把依赖 $x$ 的中间点消掉”的典范。于是 $\vert f_n-f\vert _{\mathbb{R}}\le L/n\to0$，一致收敛。这道题完美演示了”一致收敛的证明就是找到一个与 $x$ 无关的上界”这一核心思想。
  • 7(b)(i)：同一条件下的 $f$ 是 $L$-Lipschitz 连续的（用中值定理），也是 7(b)(ii) 的前置。这两问连起来说明：“导数有界” = “Lipschitz” = “平移平均地一致收敛”，是同一个几何事实的三种说法。
  • 同卷 6(b)(c)（Riemann–Lebesgue 的变体）：(b) 证明 $\lim_{n\to\infty}\int_0^1x^n\sin(x)\,dx=0$（提示：$\vert x^n\sin x\vert \le x^n$，用 Lecture 22 的积分不等式估计，$\int_0^1x^n=\frac1{n+1}\to0$）；(c) 设 $f:[-\pi,\pi]\to\mathbb{R}$ 连续可微，证明 $\lim_{n\to\infty}\int_{-\pi}^{\pi}\sin(nx)f(x)\,dx=0$，提示直接写着 Hint: $\sin(nx)=-\frac{1}{n}\cos(nx)’$——这就是本讲 Riemann–Lebesgue 引理证明里 $a_n$ 情形的那一步导数改写，一模一样。
• Midterm（hw_all.txt 的 hw/midterm.pdf）：其中并无直接考查一致收敛的题目（一致收敛在整个课程中出现在 Assignment 12 与 Final）。与”量词/一致”精神相关的是 Midterm 中关于一致连续（Lecture 17 主题）的题，两者用的是同一套量词技巧。

与其他讲次的关联

• 对 Lecture 22 的依赖（直接、核心）：Riemann–Lebesgue 引理（Lemma 254）的证明逐字依赖 Lecture 22 的 Theorem 252（Integration by Parts，分部积分）、Theorem 248（积分的绝对值不等式 $\left\vert \int f\right\vert \le\int\vert f\vert $）、Theorem 关于积分的单调性（被积函数放大则积分放大）。尤其注意：Theorem 252 的前提含 $f^{\prime}\in C([a,b])$，这直接决定了 Lemma 254 的假设必须是 $C^1$ 而非仅仅连续——依赖链是硬的。
• 对 Lecture 6/7/8 的依赖（定义语言）：$\epsilon$-$N$ 收敛定义（Lecture 6）、数列极限的唯一性（Lecture 7）、代数运算与序关系（Lecture 8）、夹逼定理（Lecture 8）、$\vert x_n\vert \to0\iff x_n\to0$（Lecture 8）——逐点收敛的定义本质上是”对每个 $x$ 用一次 Lecture 6 的定义”，而两次趋于 $0$ 的收尾都靠 Lecture 8 的夹逼。
• 对 Lecture 16 的依赖：闭区间上连续函数取到最大最小值（Min/Max Theorem） 是”$\sup$ 化归为 $\max$”的依据，在计算 $\vert f_n-f\vert _{[0,1]}$（帐篷、$\frac{nx}{1+n^2x^2}$）时用到；介值定理则保证了 $x^n=1/2$ 有解（即 $x=2^{-1/n}$ 的存在性来源）。
• 对 Lecture 19 的依赖：中值定理用在 Final 7(b)(ii) 的解答里，也用在”求 $f_n$ 的最大值”（求导找临界点）这一步。
• 对 Lecture 12（根值判别法）的依赖：Theorem 259（幂级数收敛半径）的证明就是”对通项取 $m$ 次根，得 $R\vert x-x_0\vert $，再用根值判别法”——这解释了为什么”收敛半径”这一概念会出现在函数列这一讲的开头：它是 Lecture 12 的判别法在”含参数 $x$ 的级数”上的自然产物。
• 对 Lecture 10（$\mathbb{R}$ 的完备性 / Cauchy 序列）的依赖：一致 Cauchy 判据的”$\Leftarrow$”方向先对每个 $x$ 用实数的完备性造出极限函数 $f$，这正是 Lecture 10 的 Cauchy 判据。
• 向 Lecture 24 的延伸（本讲的直接地基）：本讲建立的两个定义 + 定理 265 + 否定形式 267，正是 Lecture 24 证明
  1. $f_n(x)=x^n$ 在 $[0,b]$（$b<1$）上一致、在 $[0,1]$ 上不一致（用的就是本讲的否定形式 267，取 $\epsilon_0=\frac14$、$x=(1/2)^{1/M}$）；
  2. Weierstrass M-判别法（Theorem 268）（用 $\sum M_j$ 的尾巴控制 $\vert f-\sum_{j=1}^nf_j\vert _S$，本质是本讲 sup 刻画的直接应用）；
  3. 极限交换（Theorem 274 连续性、Theorem 275 积分、Theorem 277 求导）的原料。
• 向 Lecture 25 的延伸：Lecture 25 用本讲的否定形式处理 Question 273 的三问（三个反例都来自本讲的 $f_n(x)=x^n$、$x^{n+1}/(n+1)$ 与帐篷函数），并用一致 Cauchy 判据证明 Weierstrass 逼近定理（Theorem 282）中 Bernstein 多项式的收敛性；本讲最后预告的”仅连续函数的 Riemann–Lebesgue”也需要 Lecture 25 的逼近定理才能完成。

关键要点

1. 两个定义的唯一差别是量词次序： \(\text{逐点：}\ \forall x\ \forall\epsilon\ \exists N\ \forall n\ge N:\ \vert f_n(x)-f(x)\vert <\epsilon\ ;\qquad \text{一致：}\ \forall\epsilon\ \exists N\ \forall x\ \forall n\ge N:\ \vert f_n(x)-f(x)\vert <\epsilon .\) 逐点收敛的 $N$ 可依赖 $\epsilon$ 与 $x$；一致收敛的 $N$ 只依赖 $\epsilon$。 一切困难与一切结论都源自这一点。
2. 黄金等价刻画：在 $f_n-f$ 有界的前提下， \(f_n\rightrightarrows f\ \text{在 }S\ \text{上}\iff \vert f_n-f\vert _S:=\sup_{x\in S}\vert f_n(x)-f(x)\vert \xrightarrow[n\to\infty]{}0 .\) 做题三步走：求逐点极限 → 算 sup → 看是否趋于 $0$。
3. 否定形式（Final 第 1(iii) 的标准答案）： \(f_n\not\rightrightarrows f\iff \exists\epsilon_0>0\ \forall N\in\mathbb{N}\ \exists n\ge N\ \exists x\in S:\ \vert f_n(x)-f(x)\vert \ge\epsilon_0 .\) $\epsilon_0$ 固定在最外层，$n$ 与 $x$ 可以依赖 $N$。
4. 一致收敛 $\Rightarrow$ 逐点收敛（Theorem 265），反之不真。反例 $f_n(x)=x^n$ 在 $[0,1]$ 上：逐点极限 $f=\mathbf{1}{\{1\}}$，而 $\sup{[0,1]}\vert f_n-f\vert =1$（恒为 $1$）对一切 $n$ 成立。
5. 一致收敛是”函数列 + 定义域”的联合性质，区间一换结论就变。同一个 $x^n$：$[0,1]$ 上不一致；$[0,r]$（$r<1$）上一致（$\sup=r^n\to0$）；$\mathbb{R}$ 上不一致（有无界点）。做任何一致收敛问题都必须写清定义域。
6. 一致收敛是”可交换性”的正确钥匙：一致收敛保持连续性（Theorem 274）、保持积分（$\int\lim=\lim\int$）；而逐点收敛一个都不保持——$x^n$ 破坏连续性，帐篷函数破坏积分（$\int_0^1f_n=1$ 而 $\int_0^1 0=0$），$x^{n+1}/(n+1)$ 破坏求导。
7. Riemann–Lebesgue 引理（Lemma 254）的技巧一句话：”用分部积分把 $1/n$ 从 $\cos(nx)$ 的振荡里换出来“，前提是 $f\in C^1$ 且 $f(-\pi)=f(\pi)$（$f^{\prime}$ 连续是分部积分的硬性前提，$f(-\pi)=f(\pi)$ 在 $a_n$ 情形真正起作用）。

常见误区与注意事项

1. 错误做法：把一致收敛的 $N$ 写成 $N(\epsilon,x)$，或者反过来说”因为逐点收敛，所以对每个 $x$ 有 $N_x$，取 $\sup_x N_x$ 即可”。 为什么错：把 $N$ 写成 $N(\epsilon,x)$ 就等于偷偷把一致收敛退化成了逐点收敛——在一致收敛的证明里，$N$ 的表达式里不允许出现 $x$。而”取 $\sup_x N_x$”只有在 $\sup_x N_x<\infty$ 时才合法；本讲的 $x^n$ 例子中 $\sup_{x\in[0,1)}N(0.01;x)=\sup_x\lceil\ln0.01/\ln x\rceil=+\infty$，所以这个”取法”根本不产生自然数。 正确做法：先把 $\vert f_n(x)-f(x)\vert $ 用与 $x$ 无关的量（通常是 $\sup$ 或单调性给出的界）控制住，再对 $\epsilon$ 解不等式。例如 $g_n=x/n$：$\sup_{[0,1]}\vert x/n\vert =1/n$（与 $x$ 无关），再令 $1/n<\epsilon$。
2. 错误做法：把否定形式写成 $\exists\epsilon_0\ \exists n\ \forall N,\ n\ge N$，或者漏掉 $\exists x\in S$。 为什么错：前者要求”存在一个自然数 $n$ 大于所有自然数”，逻辑上永不成立（这样一个 $n$ 不存在），因此这个句子恒假、什么都证明不了。漏掉 $\exists x$ 则把”函数列不一致收敛”偷换成”数列不一致收敛”（后者不是一个已定义的概念）。 正确做法：严格对偶取反：$\forall\epsilon>0\rightsquigarrow\exists\epsilon_0>0$、$\exists N\rightsquigarrow\forall N$、$\forall n\ge N\rightsquigarrow\exists n\ge N$、$\forall x\rightsquigarrow\exists x$、$<\epsilon\rightsquigarrow\ge\epsilon_0$。”$\ge$”不要写成”$>$”（这两个在 $5$ 分题里都会被扣分，虽然某些场合可用，但标准答案用 $\ge$）。
3. 错误做法：把 $\sup$ 当作 $\max$，或声称”$\sup_{[0,1]}x^n$ 在 $x=1$ 处取到所以是 $1$”。 为什么错：$\sup_{x\in[0,1)}x^n=1$，但 $x^n<1$ 对一切 $x\in[0,1)$ 严格成立，所以这个上确界取不到，$\max$ 不存在。反过来，在 $[0,1]$ 上若考虑 $\vert f_n-f\vert $，在 $x=1$ 处它是 $\vert 1-1\vert =0$；真正让 sup 达到 $1$ 的是 $x\to1^-$ 的极限行为，不是任何具体的点。这类”上确界取不到”的现象在 $x^n$ 例子中处于核心位置，混淆 sup/max 会导致写出”$f_n$ 的最大值是 $1$ 但 $f_n(1)=0$”这种自相矛盾的句子。 正确做法：计算 $\sup$ 时统一用”先给上界，再说明它是最小上界”。对 $x^n$ 在 $[0,1)$ 上：上界性来自 $x^n<1$；最小性用”任取 $\gamma<1$，当 $0<\gamma<1$ 时取 $x=\gamma^{1/n}\in(0,1)$ 就有 $x^n=\gamma$，故集合中含有 $\gamma$ 本身，$\gamma$ 不可能是上界”。于是 $\sup_{[0,1)}x^n=1$ 而它取不到。
4. 错误做法：认为”$\int_0^1f_n=1$ 对一切 $n$，而 $f_n\to0$，所以 $\int_0^1f_n\to1\ne0$，说明极限不存在/矛盾”。 为什么错：极限是逐点意义下存在的，$\lim f_n=0$ 确实成立。真正发生的是”交换失败“：$\lim_n\int f_n=1$ 而 $\int\lim_nf_n=0$，两者不相等。这不是矛盾，而是”逐点收敛不足以交换极限与积分”的证据。不要把”交换失败”误读为”某个极限不存在”。 正确做法：写清两个量各自等于什么，然后指出它们不相等；若想让它相等，必须换成一致收敛。
5. 错误做法：在 Riemann–Lebesgue 引理的证明里对 $f$ 做分部积分时”把 $f$ 微分掉”，或者忘了检查端点项。 为什么错：若把 $f$ 当成被微分的因子（即 $\int f\cos(nx)\,dx=\frac1n f\sin(nx)\big\vert _{-\pi}^{\pi}-\frac1n\int f^{\prime}\sin(nx)$ 的反向用法搞混），会得到 $\int f^{\prime}\sin(nx)$ 这一项，而 $f^{\prime}$ 只是连续、其振荡行为并不比 $f$ 更好，无法再提出 $1/n$（例如对 $f^{\prime}$ 再分部一次会要求 $f^{\prime\prime}$ 存在，而假设里没有）。必须把三角因子设为导数，才能兑现”每次分部积分多出一个 $1/n$”。 另外，端点项 $[\Phi g]_{-\pi}^{\pi}$ 绝不能跳过：在 $b_n$ 情形它因 $\sin(n\pi)=0$ 而消失；在 $a_n$ 情形它因 $\cos$ 的偶性与 $f(\pi)=f(-\pi)$ 而消失。如果假设里去掉 $f(-\pi)=f(\pi)$，$a_n$ 的端点项就不再为零，证明链条断裂。 正确做法：写清 $\cos(nx)=\left(\frac1n\sin(nx)\right)’$、$\sin(nx)=-\left(\frac1n\cos(nx)\right)’$，然后套用 Theorem 252，再显式算出端点项为零。
6. 错误做法：认为”逐点极限连续 + 每个 $f_n$ 连续 $\Rightarrow$ 一致收敛”。 为什么错：$f_n(x)=x^n$ 在 $(0,1)$ 上逐点收敛到连续的 $0$，但仍然不一致收敛（$\sup_{(0,1)}x^n=1$）。“极限函数连续”与”收敛一致”是两个独立的条件，前者不能推出后者（Lecture 25 的 Dini 定理才给出”单调 + 极限连续 $\Rightarrow$ 一致”的补充条件，但那需要额外假设）。
7. 错误做法：把 $\vert f_n-f\vert _S$ 与 $\vert f_n\vert _S+\vert f\vert _S$ 的三角不等式写反，或在 $\vert f_n-f\vert _S=+\infty$ 时仍写 $\lim=0$。 正确方向是 $\vert f+g\vert _S\le\vert f\vert _S+\vert g\vert _S$。使用 sup 刻画前必须先确认 $\vert f_n-f\vert _S$ 是有限数；若某个 $n$ 使它为 $+\infty$，则一致性直接失败（如 $\frac{x}{n}$ 在 $[0,\infty)$ 上）。

思考题（带答案）

Q1（完整 $\sup$ 计算 + 一致性判断，考察”求 sup 化归为求极值”） 判断 $f_n(x)=\dfrac{x}{1+nx}$ 在 $[0,1]$ 上是否一致收敛到 $0$，并给出完整证明与 $\epsilon=0.01$ 时对应的 $N$。

Q2（写出并解释否定形式，考察量词） 写出”$f_n:S\to\mathbb{R}$ 不一致收敛到 $f:S\to\mathbb{R}$”的精确否定形式（即 Final 第 1(iii) 题），并解释：为什么 $\epsilon_0$ 必须在最外层？为什么 $n$ 允许依赖 $N$ 而 $\epsilon_0$ 不允许依赖 $N$？再举一个具体的函数列说明这个否定形式如何被使用。

Q3（概念理解 + 反例构造，对应急需辨析”极限连续”与”一致收敛”） 下列三个陈述，判断真假并证明或举反例： (a) 若每个 $f_n$ 在 $S$ 上连续且 $f_n\to f$ 逐点，则 $f$ 连续； (b) 若每个 $f_n$ 在 $S$ 上连续且 $f_n\to f$ 逐点，且 $f$ 连续，则 $f_n\rightrightarrows f$； (c) 若 $f_n\rightrightarrows f$ 在 $S$ 上且每个 $f_n$ 有界，则 $f$ 有界。