函数列一致收敛

逐点收敛公理库函数列逐点收敛Pointwise convergence对定义域中每个固定点，函数值序列分别收敛。只要求固定每个 $x$ 后数列 $f_n(x)$ 各自收敛，达到精度 $\epsilon$ 所需的阶段 $N$ 可以随 $x$ 剧烈变化，甚至没有公共上界；一致收敛把这些进度强行同步，同一个 $N$ 必须对整个定义域生效。最有效的图像是“$\epsilon$ 管道”：在 $f$ 的图像上下各留出宽 $\epsilon$ 的带形区域，一致收敛说的是从某一项起 $f_n$ 的整张图像都落进这条管道，而不只是每条竖直线上的值迟早进入。这一概念来自一个著名的历史教训：Cauchy 在 1821 年曾断言连续函数项级数的和仍连续，Abel 随后用三角级数反例暴露了仅有逐点收敛时的缺口；Seidel、Stokes 与 Weierstrass 等人在十九世纪中叶逐步把“$N$ 与 $x$ 无关”分离成明确条件。它防止的正是误差在定义域的某些角落迟迟不消退、“坏点”随 $n$ 漂移的现象。

函数列一致收敛研究确定性序列的 $\underset{x}{sup}|f_n(x)-f(x)|$；经验风险的一致收敛公理库经验风险的一致收敛Uniform convergence of empirical risks以高概率同时控制整个假设类的经验风险与总体风险偏差。研究随机样本上对整个假设类同时控制 $\underset{h}{sup}|\hat{R}(h)-R(h)|$。共同的上确界形式不意味着概率来源、索引对象或结论相同。

$f_n(x)=x^n$ 是标准的对照实验。在 $[0,a]$（$0<a<1$）上，$\underset{x\in [0,a]}{sup}|x^n-0|=a^n\to 0$，收敛一致。但在 $[0,1]$ 上，逐点极限是 $x<1$ 时取 $0$、$x=1$ 时取 $1$ 的函数，且 $\underset{x\in [0,1)}{sup}|x^n-0|=1$ 不趋于零：越靠近 $1$ 的点收敛越慢，找不到公共的 $N$。极限函数的不连续本身也预先排除了一致性，因为一致收敛保持连续性：若各 $f_n$ 连续公理库连续性Continuity · Continuous function函数在输入微小变化时输出可被控制为任意小变化的性质。且 $f_n\rightrightarrows f$，则 $f$ 连续；逐点极限则可以像本例一样破坏连续性。

无界定义域给出另一类边界情形：$f_n(x)=x/n$ 在 $\mathbb{R}$ 上逐点趋于 $0$，但 $\underset{x\in \mathbb{R}}{sup}|x/n|=+\mathrm{\infty }$，在全直线上不一致；而在每个有界集 $\{|x|\le R\}$ 上误差上界为 $R/n\to 0$，收敛一致。可见“一致”永远相对于给定的定义域而言，缩小定义域常能挽救一致性。一致收敛与积分配合良好：若各 $f_n$ 在 $[a,b]$ 上 Riemann 可积且 $f_n\rightrightarrows f$，则 $f$ 可积，并且可以交换极限与 Riemann 积分公理库Riemann 积分Riemann integral上下和或分割和在网格细化下共同收敛所定义的积分。，因为

导数则是著名的例外：$f_n\rightrightarrows f$ 完全控制不了导数列。例如 $f_n(x)=\sin \left(nx\right)/\sqrt{n}$ 在 $\mathbb{R}$ 上一致收敛到 $0$（误差上界 $1/\sqrt{n}$），但 $f_n^{\prime }(x)=\sqrt{n}\cos \left(nx\right)$ 在 $x=0$ 处取值 $\sqrt{n}$，发散。正确的定理把一致性加在导数列上：若各 $f_n$ 在 $[a,b]$ 上可微，$f_n^{\prime }$ 一致收敛，且 $f_n$ 在某一点 $x_0$ 收敛，则 $f_n$ 在 $[a,b]$ 上一致收敛到可微的 $f$，且 $f^{\prime }=lim{f}_n^{\prime }$。

一致收敛正是上确界范数 $\Vert f{\Vert }_{\mathrm{\infty }}=\underset{x\in E}{sup}|f(x)|$ 意义下的收敛，因而是函数空间理论的原型：$E$ 上有界函数全体在此范数下完备，闭区间上的连续函数空间 $C([a,b])$ 是其中的闭子空间，构成 Banach 空间公理库Banach 空间Banach space关于范数诱导度量完备的赋范向量空间。；完备性的证明正是一致 Cauchy 判据加上连续性保持定理。对函数级数，Weierstrass M 判别法公理库Weierstrass M 判别法Weierstrass M-test若函数项被一个收敛数项级数逐项一致控制，则函数级数绝对且一致收敛。把一致收敛归结为一个数项级数的收敛，是最常用的验证手段；幂级数公理库解析幂级数Power series · Analytic power series在实数或复数中按收敛半径定义函数的幂级数。在收敛圆盘内的每个紧子集上一致收敛，和函数的连续性与逐项积分由此而来。

逼近理论也生活在同一框架中：Weierstrass 逼近定理断言多项式可在上确界范数下任意逼近闭区间上的连续函数，“一致逼近”自此成为分析中衡量逼近质量的标准尺度。样条插值公理库样条与分段多项式插值Spline interpolation · Cubic spline以光滑拼接的低次分段多项式完成插值，并用边界条件与带状线性系统确定三次样条。的全区间最大误差也使用这一尺度；函数值误差一致趋零仍不能自动推出导数逼近收敛，后者必须另行控制导数列或相应余项。