← 全部笔记

数学分析

分析中的常用技巧

文章目录

来源与范围 依据本次提供的中文 LaTeX 分片《§3 度量空间的“紧性原则”》,其文本标记为源稿 p32–37。这里整理的是所给分片的全部内容;未另核教师原图、教材出处或分片注释中的历史校订声明。 先前关于紧性等价刻画的方法与本次讨论补充的尾集法均保留。第11节的有限采样分类证明、第14节中明确注明的补充反例,以及各节的方法抽象,是在所给内容上展开的说明。E6、E7按分片编号保留,它们在分片中已注明为讲义编写时补充的复习题,不作为教师手稿原题。

从等价刻画看证明任务

紧性证明常在三种语言之间转换:开覆盖表示局部信息,序列表示可抽取的极限,有限网表示每个误差尺度上的有限逼近。函数空间中的紧性,还要处理逐点控制如何变成一致控制,以及极限能否留在指定值域和函数族里。

概念与极限归属

设(M,d)(M,d)为度量空间,K⊆MK\subseteq M。除特别说明,闭包K‾ M\overline K^{\,M}取在给定环境MM中,开闭性在需要时明确写为相对开闭。

概念 本篇采用的含义 必须检查的部分
紧 每个相对开覆盖有有限子覆盖 有限覆盖整个集合
列紧 每个KK中序列有在KK中收敛的子列 极限属于KK
预紧 K‾ M\overline K^{\,M}在MM中紧 闭包取在哪个环境中
预列紧 K‾ M\overline K^{\,M}列紧 度量空间中等价于预紧
完全有界,简称全有界 每个ε>0\varepsilon>0都有有限ε\varepsilon网,中心可取在KK中 所有误差尺度都有有限逼近
完备 KK中每个 Cauchy 列都在KK中收敛 极限不从空间中逃出
可分 存在至多可数的稠密子集 可数并不等于每个尺度有限
有界 集合包含于某个有限半径的球 只控制一个整体尺度

度量空间中的主判据是K 紧  ⟺  K 列紧  ⟺  K 完备且全有界.\boxed{K\text{ 紧}\iff K\text{ 列紧}\iff K\text{ 完备且全有界}}.

另外,全有界等价于每个序列都有 Cauchy 子列,并且蕴含可分、有界。预紧总蕴含全有界;若环境MM完备,则全有界也足以推出预紧。一般环境中还要检查 Cauchy 极限在MM内存在,不能把“预紧”和“全有界”无条件视作同义词,详见第8节。

闭、有界、可分分别都不足以保证紧性 R\mathbb R作为自身的子集闭、完备且可分,但无界,不紧;(0,1)(0,1)在R\mathbb R中全有界且预紧,却不完备、不列紧。ℓ2\ell^2的闭单位球闭、完备、有界且可分,仍不全有界:其中标准向量满足∥en−em∥2=2\|e_n-e_m\|_2=\sqrt2,不存在 Cauchy 子列。

按证明所需选择方法

要完成的任务 可用的方法 对应位置
把有限覆盖的失败变成序列反例 固定尺度递归选点 第1节
从各层有限逼近抽出一条好子列 有限筛选、对角线 第2节
给 Cauchy 列确定极限 收敛子列与尾部连接 第3节
从列紧回到开覆盖 保留坏块、变中心缩球 第4节
把局部半径或局部界统一 有限子覆盖后取最小值或最大值 第5节
从开覆盖回到序列 去单点法、尾集法、有限交性质 第6节
从有限采样点推进到一致估计 等度连续与三项误差分解 第7节
把结论从集合传到闭包 距离趋零的伴随逼近 第8节
确认函数空间中的极限存在且连续 逐点构造、统一估计、固定近似函数 第9节
把控制传给一致闭包 预留误差,再取极限 第10节
在函数空间直接构造有限网 有限个近似函数,或有限采样分类 第11节
组织完整的函数族预紧证明 Ascoli判据、预紧后检查闭性 第12节
处理无限维空间中的全有界性 有限维投影与一致小尾项 第13节
检查假设各自防止什么失效 反例与极限约束检查 第14节

以下集合论证通常设K≠∅K\ne\varnothing;空集情形直接成立。函数空间部分另设XX为非空紧度量空间、YY为非空度量空间,并以dX,dYd_X,d_Y区分距离。前六节沿用(X,d)(X,d)表示环境空间的写法,后面使用函数空间约定时会明确说明。

1. 先写否定量词,再递归构造见证

从“没有有限网”到“无限分离”

全有界性的否定是

∃ε0>0∀F⊆K 有限,K⊈⋃a∈FB(a,ε0).\exists\varepsilon_0>0\quad\forall F\subseteq K\text{ 有限},\qquad K\not\subseteq\bigcup_{a\in F}B(a,\varepsilon_0).

先固定这个ε0\varepsilon_0。任取x1∈Kx_1\in K;选好x1,…,xnx_1,\dots,x_n后,再取xn+1∈K∖⋃j=1nB(xj,ε0).x_{n+1}\in K\setminus\bigcup_{j=1}^nB(x_j,\varepsilon_0).否定命题恰好保证每一步都有点可选。由此得到d(xi,xj)≥ε0d(x_i,x_j)\ge\varepsilon_0(i≠ji\ne j),所以任何子列都不可能是 Cauchy 列。这就把“有限覆盖总失败”变成了“序列的每个子列都失败”。

何时想到这一构造 结论涉及“存在有限个对象”,而其否定允许在任意有限选取之外继续找到见证时,可以试着归纳选点。每个新点应当避开所有已经选好的点所产生的限制。

失败尺度必须固定 不能每一步另取εn→0\varepsilon_n\to0,再凭d(xi,xj)≥εmax⁡{i,j}d(x_i,x_j)\ge\varepsilon_{\max\{i,j\}}排除 Cauchy 子列。真正排除 Cauchy 性的是一个始终不变的正距离下界。

同一个模板:否定一致连续性

设f:K→(Y,ρ)f:K\to(Y,\rho)连续,KK列紧。若ff不一致连续,则存在ε0>0\varepsilon_0>0,使每个nn都能找到xn,yn∈Kx_n,y_n\in K满足

d(xn,yn)<1n,ρ(f(xn),f(yn))≥ε0.d(x_n,y_n)<\frac1n,\qquad \rho(f(x_n),f(y_n))\ge\varepsilon_0.

抽取xnk→x∈Kx_{n_k}\to x\in K。由三角不等式,ynk→xy_{n_k}\to x;连续性于是给出

ρ(f(xnk),f(ynk))≤ρ(f(xnk),f(x))+ρ(f(x),f(ynk))⟶0,\rho(f(x_{n_k}),f(y_{n_k})) \le\rho(f(x_{n_k}),f(x))+\rho(f(x),f(y_{n_k}))\longrightarrow0,

与固定的ε0\varepsilon_0矛盾。这里的选点方式是:让输入误差趋于零,同时让输出误差保持在同一个正尺度以上。

2. 有限筛选与对角线:让尾部同时满足各层要求

有限覆盖一定保留无穷多个下标

设(xn)(x_n)是全有界集KK中的序列,取rk=2−kr_k=2^{-k}。有限个半径r1r_1的球覆盖KK,至少一个球包含无穷多个下标对应的项。保留这些下标,记为I1I_1。在这一子列上用半径r2r_2的有限覆盖再筛选,得到无穷集I2⊆I1I_2\subseteq I_1。如此继续:

I1⊇I2⊇⋯ ,{xn:n∈Ik}⊆B(ak,rk).I_1\supseteq I_2\supseteq\cdots,\qquad \{x_n:n\in I_k\}\subseteq B(a_k,r_k).

递归选nk∈Ikn_k\in I_k且nk>nk−1n_k>n_{k-1}。由于每个IkI_k无穷,这样选总是可能的。对p,q≥kp,q\ge k,有np,nq∈Ikn_p,n_q\in I_k,故d(xnp,xnq)<2rkd(x_{n_p},x_{n_q})<2r_k。右端随k→∞k\to\infty趋于零,所以(xnk)(x_{n_k})是 Cauchy 子列。证明中的有效信息是:对每个固定层kk,对角线序列从第kk项起全部留在第kk层选中的集合里。

嵌套的对象与子列的顺序 嵌套的是下标集IkI_k,球B(ak,rk)B(a_k,r_k)未必嵌套。还必须保证nkn_k严格递增,才能得到原序列的子列。无穷多个下标也不等于无穷多个不同点;常值序列同样适用这一筛选。

可复用的形式

如果第kk层要求能通过进一步抽子列实现,而且抽取后仍保留前面各层的要求,就可以逐层抽取,再用对角线让每个固定要求最终成立。上面的“小直径”条件对取子列保持不变;函数序列“在前kk个指定点分别收敛”也有同样的保留性质。

对角线只能直接处理可数层要求。把某个稠密可数集上的收敛推进到全空间或一致收敛,还需要连续性、等度连续性等额外控制,见第7节。

各尺度有限网的并给出可数稠密集

全有界性还有一个不需要完备性的结果:空间可分。对每个j≥1j\ge1取有限1/j1/j网EjE_j,则D=⋃j≥1EjD=\bigcup_{j\ge1}E_j至多可数。任给x∈Kx\in K和r>0r>0,取1/j<r1/j<r,就有EjE_j中的点落在B(x,r)B(x,r)内,所以DD稠密。

这里把“每个尺度有限”转成“所有尺度合起来可数”。这解释了为什么函数列的对角线可以先在紧度量定义域的稠密可数集上进行;可分性本身并不提供一致控制,R\mathbb R可分却不紧。

3. 用三角不等式把局部信息接到全体尾项

引理:Cauchy 列有收敛子列则整列收敛 若(xn)(x_n)是度量空间中的 Cauchy 列,且xnk→xx_{n_k}\to x,则xn→xx_n\to x。

**证明。**给定ε>0\varepsilon>0,先取NN使m,n≥Nm,n\ge N时d(xm,xn)<ε/2d(x_m,x_n)<\varepsilon/2,再选一个固定的k0k_0使nk0≥Nn_{k_0}\ge N且d(xnk0,x)<ε/2d(x_{n_{k_0}},x)<\varepsilon/2。于是每个n≥Nn\ge N都满足

d(xn,x)≤d(xn,xnk0)+d(xnk0,x)<ε.d(x_n,x)\le d(x_n,x_{n_{k_0}})+d(x_{n_{k_0}},x)<\varepsilon.

关键是找一个足够靠后、又足够接近极限的子列项,作为连接整个尾部与极限的中间点。

这一引理解释了“列紧⇒\Rightarrow完备”:先给任意 Cauchy 列抽出在KK中收敛的子列,再把收敛推广到整列。反方向则分两步:全有界性提供 Cauchy 子列,完备性让它在KK中收敛。

反例:全有界性本身不保证极限留在空间内 (0,1)(0,1)在通常距离下全有界,但其中的 Cauchy 列1/(n+1)1/(n+1)只在环境空间R\mathbb R中趋于00,不在(0,1)(0,1)中收敛。因此(0,1)(0,1)不完备,也不紧。

4. 把整体失败保留在小块中,再让小块进入一个邻域

有限并稳定性给出坏块

固定KK的一个相对开覆盖U\mathcal U。称A⊆KA\subseteq K为“好块”,如果它能被U\mathcal U中有限多个成员覆盖;否则称为“坏块”。好块的子集仍好,有限个好块的并仍好。

因此,若坏块KK被有限个集合A1,…,AmA_1,\dots,A_m覆盖,就至少有一个AjA_j是坏块;否则把各块的有限覆盖合起来,就能有限覆盖KK。

现在设KK列紧,假设U\mathcal U没有有限子覆盖。由前面的结论,KK全有界。对每个nn,用半径1/n1/n的有限球网覆盖KK,并从中选取坏块An=K∩B(yn,1/n),yn∈K.A_n=K\cap B(y_n,1/n),\qquad y_n\in K.每个AnA_n都不能被U\mathcal U有限覆盖。各尺度独立选择即可,AnA_n之间不必嵌套。

中心收敛、半径趋零:整个集合最终进入邻域

抽取ynk→y∈Ky_{n_k}\to y\in K,选U∈UU\in\mathcal U使y∈Uy\in U。相对开性给出δ>0\delta>0使K∩B(y,δ)⊆UK\cap B(y,\delta)\subseteq U。对每个z∈Ankz\in A_{n_k},

d(z,y)≤d(z,ynk)+d(ynk,y)<1nk+d(ynk,y).d(z,y)\le d(z,y_{n_k})+d(y_{n_k},y) <\frac1{n_k}+d(y_{n_k},y).

右端最终小于δ\delta,而且这个上界与zz无关。因此最终Ank⊆UA_{n_k}\subseteq U,一个覆盖成员就能覆盖这个坏块,产生矛盾。列紧性由此推出紧性。

两步配合 先用有限并稳定性让失败性质留在小块里,再用“中心收敛++直径控制”让整个小块受到同一个局部结论控制。只有中心收敛还不够,必须同时控制块内各点偏离中心的程度。

同一估计给出 Lebesgue 数

对列紧的度量空间KK及其任意相对开覆盖U\mathcal U,存在λ>0\lambda>0,使每个x∈Kx\in K都能找到U∈UU\in\mathcal U满足K∩B(x,λ)⊆UK\cap B(x,\lambda)\subseteq U。

否则,每个nn都能选yn∈Ky_n\in K,使K∩B(yn,1/n)K\cap B(y_n,1/n)不包含于任何单个覆盖成员。抽取收敛子列后,上面同一个三角不等式却说明这些小球最终包含于某个UU,矛盾。这里采用的是“小球版”Lebesgue 数表述。

再用半径λ/2\lambda/2的有限网覆盖KK,为每个网点选一个包含其λ\lambda邻域的覆盖成员,就得到有限子覆盖。这是列紧推出紧的另一种组织方式:先得到统一尺度,再做有限选取。

5. 局部常数经有限选取变成统一常数

紧集外一点与紧集的统一分离

设K⊆XK\subseteq X紧,x0∉Kx_0\notin K。对每个a∈Ka\in K取ra=d(x0,a)/2>0r_a=d(x_0,a)/2>0。这些B(a,ra)B(a,r_a)覆盖KK,取有限子覆盖B(ai,rai)B(a_i,r_{a_i})(1≤i≤m1\le i\le m),令δ=min⁡irai>0\delta=\min_i r_{a_i}>0。

若z∈Kz\in K,选ii使z∈B(ai,rai)z\in B(a_i,r_{a_i}),则d(x0,z)≥d(x0,ai)−d(ai,z)>rai≥δ.d(x_0,z)\ge d(x_0,a_i)-d(a_i,z)>r_{a_i}\ge\delta.所以B(x0,δ)∩K=∅B(x_0,\delta)\cap K=\varnothing。这证明紧子集在度量空间中闭,也展示了如何从各点不同的分离半径提取统一半径。

迁移:正连续函数的统一正下界

设f:K→Rf:K\to\mathbb R连续,KK非空且紧,且f(a)>0f(a)>0对所有a∈Ka\in K成立。连续性给出相对开邻域VaV_a,使其中f(z)>f(a)/2f(z)>f(a)/2。取有限子覆盖Va1,…,VamV_{a_1},\dots,V_{a_m},令c=min⁡if(ai)/2>0c=\min_i f(a_i)/2>0,就有f(z)≥cf(z)\ge c对所有z∈Kz\in K成立。

无限个正数的下确界未必为正 必须先借紧性把控制点缩减到有限个,再取最小值。仅由每点有正半径或f(a)>0f(a)>0,不能直接断言它们有统一正下界。例如f(x)=xf(x)=x在(0,1)(0,1)上处处为正,却没有统一正下界。

这一技巧也要求局部控制能传递到邻域内的其他点;单纯给每点指定一个任意正数,还不足以使用有限子覆盖。

6. 把序列的失败改造成开覆盖

设KK紧。若KK中某序列没有在KK中收敛的子列,则任一点只能在该序列中出现有限次,否则立即有常值子列。于是可以抽出一条点互异的子列,仍记为(xn)(x_n)。令A={xn:n≥1}A=\{x_n:n\ge1\}。

去单点法:每个开集只覆盖一个序列点

对每个mm,令Sm=A∖{xm}S_m=A\setminus\{x_m\}。它在KK中相对闭。为说明这一点,若存在z∈Sm‾ K∖Smz\in\overline{S_m}^{\,K}\setminus S_m,则任意小邻域都遇到SmS_m。在第kk步,有限集Fk=Sm∩{x1,…,xnk−1}F_k=S_m\cap\{x_1,\dots,x_{n_{k-1}}\}不含zz,可以取半径不超过1/k1/k的球避开FkF_k。闭包条件仍允许从该球中选出xnk∈Smx_{n_k}\in S_m,并自动得到nk>nk−1n_k>n_{k-1};于是xnk→z∈Kx_{n_k}\to z\in K,矛盾。这里可令n0=0n_0=0,第一步的F1F_1为空集。

因此Um=K∖SmU_m=K\setminus S_m相对开,并且K=⋃m≥1Um,Um∩A={xm}.K=\bigcup_{m\ge1}U_m,\qquad U_m\cap A=\{x_m\}.覆盖等式成立,是因为K∖AK\setminus A中的点属于所有UmU_m,而xmx_m属于UmU_m。有限多个UmU_m却只能覆盖AA中的有限多个点,不可能覆盖KK,与紧性矛盾。

用补集连接两种语言 要用开覆盖定义处理序列问题,可以寻找闭集,再取补集。这里专门让每个开集只覆盖所选无限点集中的一个点,于是“没有有限子覆盖”变得直接可见。SmS_m是删去一个点的集合,不是尾集,也不要求递减。

以上全程使用相对拓扑,不需预先证明KK在XX中闭。所给原证明先证明紧集闭,再把SmS_m视为XX中的闭集,取X∖SmX\setminus S_m作为开覆盖;两种写法的开集所在空间不同,论证目的相同。

尾集法:递减性把有限多个指标归并到一个指标

也可以取Tn={xm:m>n}T_n=\{x_m:m>n\}。在同一个无收敛子列的假设下,沿用去单点法中的闭包取子列论证,每个TnT_n在KK中相对闭。它们非空、递减,并且⋂n≥1Tn=∅\bigcap_{n\ge1}T_n=\varnothing:每个xjx_j都不在TjT_j中,AA之外的点更不属于任何尾集。

若采用环境空间XX中的开覆盖,先用第5节已经证明的KK在XX中闭,从而各TnT_n在XX中也闭。令Vn=X∖TnV_n=X\setminus T_n,则{Vn}\{V_n\}覆盖XX,因而覆盖KK。由紧性取有限子覆盖,记其指标为n1,…,nrn_1,\dots,n_r,取N=max⁡iniN=\max_i n_i。递减性给出

K⊆⋃i=1r(X∖Tni)=X∖⋂i=1rTni=X∖TN.K\subseteq\bigcup_{i=1}^r(X\setminus T_{n_i}) =X\setminus\bigcap_{i=1}^rT_{n_i} =X\setminus T_N.

于是K∩TN=∅K\cap T_N=\varnothing,但TN⊆KT_N\subseteq K且TN≠∅T_N\ne\varnothing,矛盾。若直接使用K∖TnK\setminus T_n作相对开覆盖,同样成立,并且不需要预先证明KK在XX中闭。

从开覆盖转到闭集的有限交性质 在紧空间中,一族闭集若每个有限子族的交都非空,则全体的交非空:否则其补集构成开覆盖,有限子覆盖立即使某个有限交为空。对非空递减闭集列,任意有限交就是最大指标对应的集合,所以有限交非空自动成立。 尾集法正是让“每个有限交非空”与“全体交为空”发生矛盾。这里不需要直径趋零,也不声称交集只能含一个点。

去单点法让每个开集只能覆盖有限多个指定点,尾集法则利用递减性把有限多个集合归并为一个集合。两者都把序列的失败转成开覆盖的失败;尾集法还把闭集的有限交性质直接展示了出来。

7. 组合应用:有限网把有限点控制推进为一致控制

第2节的对角线解决可数多个点上的要求;全空间的一致估计则可以交给有限网。这两步的连接在等度连续函数族中很常用。

设KK全有界,(Y,ρ)(Y,\rho)为度量空间,函数序列fn:K→Yf_n:K\to Y满足如下统一的等度连续条件:

∀ε>0 ∃δ>0 ∀n ∀x,y∈K,d(x,y)<δ⟹ρ(fn(x),fn(y))<ε.\forall\varepsilon>0\ \exists\delta>0\ \forall n\ \forall x,y\in K, \qquad d(x,y)<\delta\Longrightarrow\rho(f_n(x),f_n(y))<\varepsilon.

设D⊆KD\subseteq K稠密,且对每个a∈Da\in D,(fn(a))n(f_n(a))_n是 Cauchy 列。要证明(fn)(f_n)一致 Cauchy,给定ε>0\varepsilon>0,先对ε/3\varepsilon/3选取上述δ\delta,再取中心位于DD的有限δ\delta网{a1,…,am}\{a_1,\dots,a_m\}。这种网存在:先用全有界性取有限δ/3\delta/3网,再由稠密性把每个网点移动小于δ/3\delta/3到DD中。

有限多个点上的 Cauchy 性给出同一个NN,使p,q≥Np,q\ge N时每个ii都有ρ(fp(ai),fq(ai))<ε/3\rho(f_p(a_i),f_q(a_i))<\varepsilon/3。对任意x∈Kx\in K选d(x,ai)<δd(x,a_i)<\delta的网点,于是

ρ(fp(x),fq(x))≤ρ(fp(x),fp(ai))+ρ(fp(ai),fq(ai))+ρ(fq(ai),fq(x))<ε.\begin{aligned} \rho(f_p(x),f_q(x)) &\le\rho(f_p(x),f_p(a_i)) +\rho(f_p(a_i),f_q(a_i)) +\rho(f_q(a_i),f_q(x))\\ &<\varepsilon. \end{aligned}

三个误差项分别由等度连续、有限点的 Cauchy 性、等度连续控制。NN与xx无关,所以得到一致 Cauchy 性。

若KK紧,(fn)(f_n)为实值等度连续函数列,且每点处(fn(x))n(f_n(x))_n有界,就可以先取半径1/j1/j的各个有限网,其并DD至多可数且稠密。在DD上逐点抽取并取对角线,保持原序列下标严格递增;若DD有限,可重复枚举。上面的有限网估计把所得子列推进为一致 Cauchy;R\mathbb R的完备性先给出各点极限,再在统一的 Cauchy 估计中令一个下标趋于无穷,就得到一致收敛。这正是Ascoli 定理中抽取一致收敛子列的核心步骤。

这里使用的等度连续性是对所有x,y,nx,y,n共用一个δ\delta的条件。在紧域上,通常逐点定义的等度连续性可以推出这一统一形式:对每个a∈Ka\in K取ra>0r_a>0,使d(a,z)<rad(a,z)<r_a时所有nn都有ρ(fn(a),fn(z))<ε/2\rho(f_n(a),f_n(z))<\varepsilon/2;取有限个B(ai,rai/2)B(a_i,r_{a_i}/2)覆盖KK,并令δ=min⁡irai/2\delta=\min_i r_{a_i}/2。若d(x,y)<δd(x,y)<\delta,选一个包含xx的半径rai/2r_{a_i}/2的球,则x,yx,y都在B(ai,rai)B(a_i,r_{a_i})内,经fn(ai)f_n(a_i)连接就得到所需估计。在任意非紧域上不能省略这一步。若值域不完备,一致 Cauchy 也不自动保证极限仍在值域中。

8. 逼近闭包中的对象:用趋零误差转移子列

相距趋零的两列共享收敛子列

若d(un,vn)→0d(u_n,v_n)\to0且vnj→vv_{n_j}\to v,则由d(unj,v)≤d(unj,vnj)+d(vnj,v)d(u_{n_j},v)\le d(u_{n_j},v_{n_j})+d(v_{n_j},v),也有unj→vu_{n_j}\to v。极限归属仍要另看:如果un∈Au_n\in A而AA不闭,不能据此断言v∈Av\in A。

这个估计在第1节证明一致连续性时已经出现。现在用它处理“闭包中的点不在原集合里,不能直接套用原集合的假设”的困难。

预紧的序列判据 对度量空间MM的子集KK,下列条件等价:

  1. K‾ M\overline K^{\,M}紧;
  2. KK中每个序列都有在MM中收敛的子列;
  3. KK全有界,且KK中每个 Cauchy 列都在MM中收敛。

证明。“1⇒\Rightarrow2”来自紧与列紧等价。“2⇒\Rightarrow3”先用第1、2节的判据得到全有界,再用第3节把 Cauchy 列的收敛子列扩展为整列收敛。“3⇒\Rightarrow2”先抽 Cauchy 子列,再让它在MM中收敛。

为证“2⇒\Rightarrow1”,任取un∈K‾ Mu_n\in\overline K^{\,M},并从KK中选vnv_n满足d(un,vn)<1/nd(u_n,v_n)<1/n。由条件2抽取vnj→v∈Mv_{n_j}\to v\in M,伴随逼近估计于是给出unj→vu_{n_j}\to v;由于K‾ M\overline K^{\,M}在MM中闭,极限vv仍属于闭包。因此闭包列紧,从而紧。

取闭包与改变有限网中心

若KK全有界,K‾ M\overline K^{\,M}也全有界。给定ε>0\varepsilon>0,先取KK的有限ε/3\varepsilon/3网。每个闭包点可用KK中的点逼近到距离小于ε/3\varepsilon/3,再接到某个网点,总距离小于2ε/32\varepsilon/3。环境MM完备时,闭集K‾ M\overline K^{\,M}完备,因而由主判据得到预紧。

有限网的中心有时先落在环境空间中。若有限个半径rr的球覆盖KK,丢掉与KK无交的球,并在每个剩余球中选ai∈Ka_i\in K,就得到以aia_i为中心的半径2r2r网。为了获得指定的ε\varepsilon网,可以一开始用ε/3\varepsilon/3等更小尺度。半径的固定倍数不影响全有界性。

同一集合的预紧性取决于环境 K={1/n:n≥2}K=\{1/n:n\ge2\}全有界。在R\mathbb R中,它的闭包是K∪{0}K\cup\{0\},所以预紧;在环境M=(0,1)M=(0,1)中,它的闭包是KK,而序列1/n1/n没有在MM中收敛的子列,所以不预紧。全有界性控制点的分布,预紧性还检查环境中是否包含所需极限。

9. 先逐点构造极限,再用统一估计保住函数空间

本节起设XX为非空紧度量空间、YY为非空度量空间,记

C(X,Y)={f:X→Y:f 连续},d∞(f,g)=sup⁡x∈XdY(f(x),g(x)).C(X,Y)=\{f:X\to Y:f\text{ 连续}\},\qquad d_\infty(f,g)=\sup_{x\in X}d_Y(f(x),g(x)).

因为x↦dY(f(x),g(x))x\mapsto d_Y(f(x),g(x))连续,上确界在紧域上有限,故d∞d_\infty是度量。它的收敛就是一致收敛;没有紧域或有界性条件时,这个上确界可能为无穷,不能直接当作普通度量。

函数空间完备性的判据 非空紧度量空间XX、非空度量空间YY满足:(C(X,Y),d∞)(C(X,Y),d_\infty)完备,当且仅当YY完备。

**正向构造。**设YY完备,(fn)(f_n)在d∞d_\infty下 Cauchy。固定xx,由dY(fn(x),fm(x))≤d∞(fn,fm)d_Y(f_n(x),f_m(x))\le d_\infty(f_n,f_m),可定义f(x)=lim⁡nfn(x)∈Yf(x)=\lim_n f_n(x)\in Y。

接着必须证明收敛一致。给定ε>0\varepsilon>0,先取与xx无关的NN,使m,n≥Nm,n\ge N时d∞(fn,fm)<ε/2d_\infty(f_n,f_m)<\varepsilon/2,再固定n≥Nn\ge N逐点令m→∞m\to\infty,得到

dY(fn(x),f(x))≤ε/2对所有 x∈X,d∞(fn,f)≤ε/2<ε.d_Y(f_n(x),f(x))\le\varepsilon/2\quad\text{对所有 }x\in X, \qquad d_\infty(f_n,f)\le\varepsilon/2<\varepsilon.

这里对可能尚未证明连续的ff使用上确界表达式,只是在记录统一误差;接下来才确认它属于C(X,Y)C(X,Y)。

最后固定x0∈Xx_0\in X,先选一个固定的nn使fnf_n一致接近ff,再使用这个fnf_n在x0x_0处的连续性:

dY(f(x),f(x0))≤dY(f(x),fn(x))+dY(fn(x),fn(x0))+dY(fn(x0),f(x0))<ε.\begin{aligned} d_Y(f(x),f(x_0)) &\le d_Y(f(x),f_n(x)) +d_Y(f_n(x),f_n(x_0)) +d_Y(f_n(x_0),f(x_0))\\ &<\varepsilon. \end{aligned}

三项各控制在ε/3\varepsilon/3内,故ff连续。这个“一致极限保持连续”的论证本身不要求YY完备;完备性用在此前的逐点极限存在。

**反向检测。**若C(X,Y)C(X,Y)完备,取YY中任意 Cauchy 列(yn)(y_n),令cn(x)=ync_n(x)=y_n。常函数满足d∞(cn,cm)=dY(yn,ym)d_\infty(c_n,c_m)=d_Y(y_n,y_m),故在函数空间中有一致极限ff。固定x0∈Xx_0\in X,即得yn→f(x0)∈Yy_n\to f(x_0)\in Y。不能只凭“常函数等距嵌入”就断言其像完备,必须实际验证所需极限留在像中,或像是闭的。若X=∅X=\varnothing,函数空间只有一个元素,无法反推出任意YY的完备性。

用可求和误差给出定量收敛界

从一致 Cauchy 列可再抽取(hi)(h_i)使d∞(hi,hi+1)<2−id_\infty(h_i,h_{i+1})<2^{-i}。于是j>ij>i时d∞(hi,hj)≤∑k=ij−12−k<21−i.d_\infty(h_i,h_j)\le\sum_{k=i}^{j-1}2^{-k}<2^{1-i}.若逐点极限f(x)∈Yf(x)\in Y已经存在,令j→∞j\to\infty,就得到sup⁡xdY(hi(x),f(x))≤21−i→0\sup_xd_Y(h_i(x),f(x))\le2^{1-i}\to0。可求和的相邻误差把逐次逼近的误差累积控制住;它不负责创造值域中缺失的极限。

10. 把一致估计传到闭包:先留余量,再取极限

本篇采用统一的等度连续定义:给定ε>0\varepsilon>0,存在δ>0\delta>0,对所有f∈Ff\in\mathcal F及x,x′∈Xx,x'\in X,dX(x,x′)<δd_X(x,x')<\delta都推出dY(f(x),f(x′))<εd_Y(f(x),f(x'))<\varepsilon。同一个δ\delta独立于函数和点对。在紧域上,它等价于通常逐点定义的等度连续,第7节已给出有限覆盖证明。

有限函数族等度连续,当且仅当每个成员一致连续:正向取单个成员,反向取有限多个连续模量的最小值。若所有函数有共同 Lipschitz 常数L>0L>0,可取δ=ε/L\delta=\varepsilon/L;L=0L=0时任取δ>0\delta>0。

一致闭包保留等度连续性 若F⊆C(X,Y)\mathcal F\subseteq C(X,Y)等度连续,则它在(C(X,Y),d∞)(C(X,Y),d_\infty)中的闭包F‾\overline{\mathcal F}仍等度连续。这里不要求YY完备。

**证明。**空族情形直接成立。给定ε>0\varepsilon>0,先从原族选取共同δ\delta,把函数值振幅控制在ε/2\varepsilon/2内。任取g∈F‾g\in\overline{\mathcal F},选fn∈Ff_n\in\mathcal F使d∞(fn,g)→0d_\infty(f_n,g)\to0。当dX(x,x′)<δd_X(x,x')<\delta时,

dY(g(x),g(x′))≤dY(g(x),fn(x))+dY(fn(x),fn(x′))+dY(fn(x′),g(x′))≤2d∞(fn,g)+ε/2.\begin{aligned} d_Y(g(x),g(x')) &\le d_Y(g(x),f_n(x))+d_Y(f_n(x),f_n(x'))+d_Y(f_n(x'),g(x'))\\ &\le2d_\infty(f_n,g)+\varepsilon/2. \end{aligned}

令n→∞n\to\infty,得到dY(g(x),g(x′))≤ε/2<εd_Y(g(x),g(x'))\le\varepsilon/2<\varepsilon。δ\delta是在选取g,x,x′g,x,x'之前确定的,所以同时控制闭包中的所有函数与点对。

极限证明中先给误差留余量 从一列严格不等式取极限,往往只保留非严格不等式。先用ε/2\varepsilon/2或ε/3\varepsilon/3证明,才能在最后稳妥得到严格小于目标误差的结论。同样,若每个xx都有误差<ε<\varepsilon,其上确界一般只能先断言≤ε\le\varepsilon。

这里的极限gg本来就是C(X,Y)C(X,Y)闭包中的元素,证明不需要为任意 Cauchy 列构造一个新极限,因此无需值域完备。

11. 在函数空间取有限网:近似函数与有限采样分类

第7节的网在定义域XX中,近似的是点。本节的网在函数空间中,近似的是整个函数。使用之前应先分清网点究竟是什么。

用有限个近似函数传递等度连续

若F\mathcal F在d∞d_\infty下全有界,给定ε>0\varepsilon>0,取有限ε/3\varepsilon/3网f1,…,fm∈Ff_1,\dots,f_m\in\mathcal F。每个fif_i在紧域上连续,因而一致连续。对它们取共同δ\delta,把各自的函数值振幅控制在ε/3\varepsilon/3内。

给定f∈Ff\in\mathcal F,选d∞(f,fi)<ε/3d_\infty(f,f_i)<\varepsilon/3的近似函数,则dX(x,x′)<δd_X(x,x')<\delta时

dY(f(x),f(x′))≤dY(f(x),fi(x))+dY(fi(x),fi(x′))+dY(fi(x′),f(x′))<ε.d_Y(f(x),f(x')) \le d_Y(f(x),f_i(x))+d_Y(f_i(x),f_i(x'))+d_Y(f_i(x'),f(x'))<\varepsilon.

所以函数族等度连续。这里先把无穷多个函数近似成有限个函数,再统一后者的连续模量。它与第5节“有限个局部控制推出统一控制”的结构相同。

用有限采样值的类别直接构造函数空间网

反方向也可以直接做有限逼近。这是对分片中对角线证明的补充:若F\mathcal F等度连续,且每个F(x)={f(x):f∈F}\mathcal F(x)=\{f(x):f\in\mathcal F\}全有界,则F\mathcal F在d∞d_\infty下全有界,此处尚不需要YY完备。

给定ε>0\varepsilon>0,用共同δ\delta保证函数在距离小于δ\delta的点上振幅小于ε/4\varepsilon/4。取XX的有限δ\delta网a1,…,ama_1,\dots,a_m。每个F(ai)\mathcal F(a_i)都有有限ε/8\varepsilon/8网,把每个f(ai)f(a_i)归入一个距离小于ε/8\varepsilon/8的网点,遇到多个可选网点时按固定顺序取第一个。

每个ff于是给出一个有限指标串,各个指标都只有有限种取值,所以总共只有有限类。在每个非空类中选一个实际函数作为代表。若f,gf,g属于同一类,则每个采样点都有dY(f(ai),g(ai))<ε/4d_Y(f(a_i),g(a_i))<\varepsilon/4。任取xx并选邻近采样点aia_i,三项分解给出

dY(f(x),g(x))≤dY(f(x),f(ai))+dY(f(ai),g(ai))+dY(g(ai),g(x))<3ε/4.d_Y(f(x),g(x)) \le d_Y(f(x),f(a_i))+d_Y(f(a_i),g(a_i))+d_Y(g(a_i),g(x)) <3\varepsilon/4.

取上确界后仍有d∞(f,g)≤3ε/4<εd_\infty(f,g)\le3\varepsilon/4<\varepsilon,所以这有限个代表函数构成F\mathcal F的ε\varepsilon网。

先分类,再从每个非空类选代表 有限个近似采样值不一定能任意拼成连续函数。选取已经存在的代表函数,就同时保证网点属于原族、定义域正确且连续,无需另外构造插值。这里有限的只是每一误差尺度的近似类别,并不是函数族本身。

结合第11节的两个方向,还得到一个只涉及全有界性的判据:在紧度量定义域上,函数族全有界,当且仅当它等度连续且每点像集全有界。必要性中的逐点全有界,由第12节的取值映射估计直接得到。要从全有界继续推出预紧,仍须检查极限是否存在于函数空间中。

12. 把抽象判据串成完整的函数族紧性证明

Arzelà–Ascoli定理:一般度量值域版本 设XX为非空紧度量空间、YY为非空度量空间,F⊆C(X,Y)\mathcal F\subseteq C(X,Y)。则F\mathcal F在d∞d_\infty下预紧,当且仅当:

  1. F\mathcal F等度连续;
  2. 对每个x∈Xx\in X,F(x)\mathcal F(x)在YY中预紧。

必要性:用取值映射和有限函数网

固定xx,取值映射Tx(f)=f(x)T_x(f)=f(x)满足dY(Tx(f),Tx(g))≤d∞(f,g)d_Y(T_x(f),T_x(g))\le d_\infty(f,g),是11-Lipschitz映射。若F‾\overline{\mathcal F}紧,则其像Tx(F‾)T_x(\overline{\mathcal F})在YY中紧,并包含F(x)\mathcal F(x)。紧集在度量空间中闭,故F(x)‾\overline{\mathcal F(x)}是这个紧集的闭子集,也紧。连续像保持紧性可直接把像的开覆盖拉回原空间证明;闭子集保持紧性,则把其补集加进覆盖即可。

等度连续由第11节的有限函数网证明得到。两部分分别检查函数族在每个点的取值分布与整个族的共同连续模量。

充分性:三个步骤分别解决三个问题

**先在可数稠密集上同时收敛。**由第2节取D={a1,a2,… }D=\{a_1,a_2,\dots\},有限时重复枚举。对任意(fn)⊆F(f_n)\subseteq\mathcal F,利用每个F(ak)\mathcal F(a_k)预紧,逐点抽取收敛子列,再取对角线得到(gj)(g_j),使每个固定aka_k处的(gj(ak))j(g_j(a_k))_j都在YY中收敛。

**再得到一致 Cauchy 性。**用第7节的有限定义域网与三项误差分解,将稠密点上的 Cauchy 控制推广到全部x∈Xx\in X;取共同指标之后,sup⁡xdY(gi(x),gj(x))\sup_xd_Y(g_i(x),g_j(x))一致小。

**最后确认极限留在值域内。**对每个x∈Xx\in X,(gj(x))(g_j(x))是 Cauchy 列,并位于紧集F(x)‾ Y\overline{\mathcal F(x)}^{\,Y}中,故在YY中收敛。由第9节的统一 Cauchy 估计得到一致极限ff,且ff连续。每个原序列都有在C(X,Y)C(X,Y)中收敛的子列,由第8节的预紧判据得到F\mathcal F预紧。

一般版本不要求整个值域完备 第三步利用每个点像集的紧闭包提供极限,已经足够。若YY完备,可以把条件2换成“每个点像集全有界”;若YY是有限维赋范空间,还可以换成“每个点像集有界”。这些替换各自有假设,不能在任意度量值域中直接使用。

本证明在稠密集上抽取只是第一步。值域不完备时,还须对每个x∈Xx\in X检查极限归属,不能只在DD上检查后就跳过第三步。

有限维值域:点态有界变成一致有界

对F⊆C(X,Rq)\mathcal F\subseteq C(X,\mathbb R^q),预紧等价于等度连续且一致有界。充分性来自有限维空间中有界集的预紧性。必要性先由定理得到等度连续和逐点有界,再用对应误差11的共同δ\delta及有限δ\delta网a1,…,ama_1,\dots,a_m,得到

∣f(x)∣≤∣f(ai)∣+1≤1+max⁡1≤k≤msup⁡g∈F∣g(ak)∣<∞.|f(x)|\le |f(a_i)|+1 \le 1+\max_{1\le k\le m}\sup_{g\in\mathcal F}|g(a_k)|<\infty.

右端与f,xf,x均无关。这里用有限多个点上的上界取最大值,和第5节取有限多个正半径的最小值是同一类统一化方法。

先证预紧,再证明定义条件在极限下保持

在任意度量空间中,紧等价于闭且预紧。因此,对指定函数族证明“紧”,通常先用Ascoli得到预紧,再检查它的定义约束是否在一致极限下保持。

分片复习题E7中的完整集合为L={f∈C[0,1]:f(0)=0, ∣f(s)−f(t)∣≤∣s−t∣}\mathcal L=\{f\in C[0,1]:f(0)=0,\ |f(s)-f(t)|\le|s-t|\}。共同 Lipschitz 常数至多11给等度连续,基点条件给∣f(t)∣≤t≤1|f(t)|\le t\le1,所以L\mathcal L预紧。若fn∈Lf_n\in\mathcal L一致收敛到ff,则f(0)=0f(0)=0,并且逐点取极限得到∣f(s)−f(t)∣≤∣s−t∣|f(s)-f(t)|\le|s-t|,所以f∈Lf\in\mathcal L。族闭,故紧。

删去f(0)=0f(0)=0,族包含任意大的常函数,因而不紧。基点约束的作用是消除自由的整体平移。更一般地,在有界域上,共同 Lipschitz 常数与一个基点处的统一界,就能给整个域上的统一界。任意满足E7约束的子族只保证预紧;若自身不闭,仍未必紧。

13. 有限维逼近加一致小尾项

分片复习题E6把有限网思想应用于ℓ2\ell^2。令PNx=(x1,…,xN,0,… )P_Nx=(x_1,\dots,x_N,0,\dots)。每个固定x∈ℓ2x\in\ell^2都有∥x−PNx∥2→0\|x-P_Nx\|_2\to0;紧性要求的额外信息是这种逼近对整个集合一致。

ℓ2\ell^2中预紧的尾项判据 非空K⊆ℓ2K\subseteq\ell^2预紧,当且仅当KK有界且 sup⁡x∈K∑n>N∣xn∣2⟶0(N→∞).\sup_{x\in K}\sum_{n>N}|x_n|^2\longrightarrow0\qquad(N\to\infty).

**必要性。**预紧先给有界与全有界。给定ε>0\varepsilon>0,取KK的有限ε/3\varepsilon/3网a1,…,ama_1,\dots,a_m。有限多个aia_i的尾项范数可由同一个足够大的NN控制在ε/3\varepsilon/3内。对任意x∈Kx\in K选邻近的aia_i,由∥I−PN∥≤1\|I-P_N\|\le1得到

∥(I−PN)x∥2≤∥(I−PN)(x−ai)∥2+∥(I−PN)ai∥2<2ε/3.\|(I-P_N)x\|_2 \le\|(I-P_N)(x-a_i)\|_2+\|(I-P_N)a_i\|_2 <2\varepsilon/3.

于是尾项范数的上确界趋零,再平方即为所需条件。这一步将“每个固定网点的尾部小”统一成“整个集合的尾部小”。

**充分性。**假设KK有界且尾项一致趋零。先选NN使所有x∈Kx\in K都有∥x−PNx∥2<ε/3\|x-P_Nx\|_2<\varepsilon/3。投影集PNKP_NK在有限维空间中有界,故有有限ε/3\varepsilon/3网,中心可写为PNa1,…,PNamP_Na_1,\dots,P_Na_m,其中ai∈Ka_i\in K。

对每个x∈Kx\in K选ii使∥PNx−PNai∥2<ε/3\|P_Nx-P_Na_i\|_2<\varepsilon/3,则

∥x−ai∥2≤∥x−PNx∥2+∥PNx−PNai∥2+∥PNai−ai∥2<ε.\|x-a_i\|_2 \le\|x-P_Nx\|_2+\|P_Nx-P_Na_i\|_2+\|P_Na_i-a_i\|_2 <\varepsilon.

所以KK全有界;ℓ2\ell^2完备,其闭包紧,故KK预紧。若还要求KK本身紧,再检查KK是否闭。

用有限维主体承担有限逼近,把余项统一压小 有界性保证投影到有限维后可取有限网,一致小尾项保证这个网能回到原空间控制整个集合。有限维逼近本身不够;误差必须对待证明预紧的集合一致小。

两个补充反例把条件分开:K={en}K=\{e_n\}有界,但每个NN都满足sup⁡x∈K∑n>N∣xn∣2=1\sup_{x\in K}\sum_{n>N}|x_n|^2=1;K={te1:t∈R}K=\{te_1:t\in\mathbb R\}从N≥1N\ge1起尾项恒零,却无界。前者说明不能把“对每个xx尾项趋零”误当成“先取上确界再令N→∞N\to\infty”。

14. 用反例检查每个假设防止的失效

前三个例子来自所给分片,最后两个是为区分值域条件而补充。

函数族 已有的控制 缺失的控制与结果
fn(x)=xnf_n(x)=x^n,X=[0,1]X=[0,1] 紧域、实值、一致有界 不等度连续,无一致收敛子列
fn(x)=nf_n(x)=n,X=[0,1]X=[0,1] 紧域、等度连续 点像集不预紧,函数族无界
在R\mathbb R上向右平移的单位高三角形函数 共同 Lipschitz 常数、取值在[0,1][0,1] 定义域不紧,峰不断向外移动
fn(x)=enf_n(x)=e_n,值域ℓ2\ell^2 紧域、等度连续、逐点有界 无限维中有界不保证逐点预紧
fn(x)=x+1/nf_n(x)=x+1/n,X=[0,1],Y=(0,∞)X=[0,1],Y=(0,\infty) 紧域、共同 Lipschitz 常数、稠密正点处预紧 x=0x=0处极限离开值域

对xnx^n,任给δ>0\delta>0,可取0<x<10<x<1且1−x<δ1-x<\delta,再选nn使xn<1/2x^n<1/2,于是∣fn(1)−fn(x)∣>1/2|f_n(1)-f_n(x)|>1/2。任何子列的逐点极限都在[0,1)[0,1)为00、在11处为11,不连续,因此不可能一致收敛。

对平移峰,令h(t)=max⁡{1−2∣t−1/2∣,0}h(t)=\max\{1-2|t-1/2|,0\}、fn(x)=h(x−n)f_n(x)=h(x-n)。它们均为22-Lipschitz,且n≠mn\ne m时∥fn−fm∥∞=1\|f_n-f_m\|_\infty=1。虽然对每个固定xx最终fn(x)=0f_n(x)=0,仍无一致 Cauchy 子列;逐点看不到逃向远处的峰。此例在Cb(R)C_b(\mathbb R)的上确界度量中讨论,不把可能无界的全部C(R)C(\mathbb R)误当作同一个度量空间。

对值域ℓ2\ell^2的常函数,d∞(fn,fm)=2d_\infty(f_n,f_m)=\sqrt2,直接排除 Cauchy 子列。这把“有限维值域中有界即可”的限制显示出来。

最后一个例子在D=Q∩(0,1]D=\mathbb Q\cap(0,1]的每个aa处,{a+1/n}\{a+1/n\}在YY中预紧,且DD在XX中稠密;但任何子列的实值逐点极限都是f(x)=xf(x)=x,它在00处不属于YY。因此不能在不完备值域中仅检查稠密集上的点像集就省掉其他点的极限归属检查。这个例子也说明,全有界函数族在不完备的函数空间中未必预紧。

使用前检查什么

实际组织证明时,可以先按下面的顺序检查:

  1. **量词。**失败时能否固定一个ε0\varepsilon_0,再让其他尺度趋零?
  2. **有限性。**能否由有限覆盖保留无穷多个下标,或由有限并稳定性选出一个坏块?
  3. **抽取对象。**需要的是 Cauchy 子列,还是已经在目标空间中收敛的子列?
  4. **误差连接。**中间点选谁?三角不等式中的各项分别由什么假设控制?
  5. **统一性。**最终的NN、δ\delta或常数是否与待控制的点无关?
  6. **所在空间。**开闭性、极限与完备性是相对于KK还是环境空间XX?
  7. **闭包。**是否需要先用距离趋零的伴随序列,把原集合中的结论传到闭包?
  8. **值域。**一致 Cauchy 之后,哪条假设保证每个点的极限留在YY?
  9. **严格误差。**取极限或取上确界后是否只剩≤ε\le\varepsilon,是否已预留余量?
  10. **约束。**已经证明的是预紧还是紧,定义函数族的条件是否在一致极限下保持?
  11. **一致逼近。**有限维截断的余项是否对整个集合一致趋零?

这些证明依赖度量结构,尤其是用1/n1/n等可数尺度逼近局部性质。不能把紧与列紧的等价关系直接移到一般拓扑空间,也不能不检查拓扑就移用到弱拓扑或弱∗^*拓扑。

后续可与Cauchy 方法、Dini 定理对照,继续积累“尾部控制”和“局部到一致”的其他形式。