函数序列与级数

上确界范数

若你想用一个数字概括“一个函数有多大”,上确界范数给出最悲观的答案:函数取绝对值后所达到的最高高度。两个函数在这个范数下“接近”,恰当它们的图像在任何地方都不会拉开太远——不是平均意义上,而是在最糟糕的那一点上。

形式上,对集合 E 上的有界函数 f,上确界范数为 ||f|| = sup 关于 x 属于 E 的 |f(x)|。它是真正的范数:||f|| >= 0 且仅对零函数取等号,||c f|| = |c| ||f||,并且三角不等式 ||f + g|| <= ||f|| + ||g|| 成立。在紧定义域上,连续函数的上确界可以取到,于是“sup”变为“max”,||f|| 就是函数的峰值绝对值。

上确界范数的要点是:它把一致收敛转化为某个赋范空间里的普通收敛——f_n 在 E 上一致收敛到 f,当且仅当 ||f_n - f|| -> 0。正是这种重新表述,使我们能把有界(或连续)函数全体当作度量空间来处理,从而搬来完备性、柯西序列和极限的全套工具。

在 [0,1] 上,若 f(x) = x - x^2,则 |f| 在 x = 1/2 处取峰值 1/4,故 ||f|| = 1/4。对实轴上的 g_n(x) = sin(nx)/n,有 ||g_n|| = 1/n -> 0,这就证明了 g_n 一致收敛到 0,尽管摆动越来越快。

上确界范数读取函数的最坏情形高度。

又称
supremum norm, uniform norm一致范数一致範數