平均收敛定理

§3 收敛定理的证明(一) 教学目的：了解收敛定理的证明．(二) 教学内容：贝塞尔不等式，黎曼-勒贝格定理； 收敛定理的证明．(1) 基本要求：掌握贝塞尔不等式，黎曼-勒贝格定理；了解收敛定理的证明要点． (2) 较高要求：理解收敛定理的证明． (三) 教学建议：(1) 要求学生必须掌握贝塞尔不等式和黎曼-勒贝格定理，了解收敛定理的证明要点． (2) 对较好学生布置与收敛定理的证明有关的习题． ——————————————————————————Dini 定理 设以π 2为周期的函数f 在区间] , [ππ-上按段光滑, 则在每一点∈x ] , [ππ-, f 的Fourier 级数收敛于f 在点x 的左、右极限的算术平均值, 即nx b nx a a x f x f n n n sin cos 22)0()0(1++=-++∑∞= , 其中n a 和n b 为f 的Fourier 系数.证明思路: 设)(x f ～∑∞=++1. sin cos 2n n n nx b nx a a 对每个∈x ] , [ππ-, 我们 要证明)(→x S n 2)0()0(-++x f x f . 即证明0 2)0()0(lim =⎪⎭⎫⎝⎛--++∞→n n S x f x f .方法是把该极限表达式化为积分, 利用Riemann —Lebesgue 定理证明相应积分的极限为零.1 写出)(x S n =∑=++nk k k kx b kx a a 1sin cos 2的简缩形式. ⎰-++=πππdt t t n t x f x S n 2sin2212sin)(1)(. 称这一简缩形式为)(x S n 的积分形式, 或称为Dirichlet 积分,2 利用该表示式, 式2)0()0(-++x f x f )(x S n -可化为2)0()0(-++x f x f )(x S n -=2)0()0(-++x f x f ⎰-++-πππdt t t n t x f 2sin2212sin)(1 =2)0(+x f ⎰++-ππ02sin2212sin)(1dt t t n t x f +2)0(-x f ⎰-++-02sin2212sin)(1ππdt t t n t x f , 于是把问题归结为证明[∞→n lim 2)0(+x f ⎰++-ππ02sin2212sin)(1dt t t n t x f ]0=,[∞→n lim 2)0(-x f ⎰-++-02sin2212sin)(1ππdt t t n t x f ]0=.这两式的证明是相同的, 只证第一式. 1为证上述第一式, 先利用三角公式2sin2212sincos 2cos cos 21ϕϕϕϕϕ+=++++n n 建立所谓Dirichlet 积分⎰=+ππ12sin 212sin 1dt t tn , 利用该式把2)0(+x f 表示为积分,即把 2)0(+x f 表示为Dirichlet 积分2)0(+x f =⎰++ππ02sin2212sin)0(1dt t t n x f . 于是又把上述1中所指的第一式左端化为[∞→n lim 2)0(+x f ⎰++-ππ02sin2212sin)(1dt t t n t x f ]=∞→=n lim[]⎰++-+ππ2sin2212sin)()0(1dt t t n t x f x f . 2 利用所谓Riemann — Lebesgue 定理证明上述极限为零. 为此 , 先证明Bessel 不等式, 再建立Riemann — Lebesgue 定理, 然后把以上最后的式子化为∞→n lim[]⎰++-+ππ2sin2212sin)()0(1dt t t n t x f x f . 3 把上式化为应用Riemann — Lebesgue 定理的形式, 即令] , 0( , 2sin2)0()()(πϕ∈⎥⎦⎤⎢⎣⎡+-+-=t t tt x f t x f t , 则 ∞→n lim[]⎰++-+ππ2sin2212sin)()0(1dt t t n t x f x f ⎰⎪⎭⎫ ⎝⎛+=→πϕπ0021sin )(1limtdt n t n .为使最后这一极限等于零, 由Riemann — Lebesgue 定理, 只要函数)(t ϕ在区间] , 0 [π上可积. 因此希望)00(+ϕ存在. 由函数f 在区间] , [ππ-上按段光滑, 可以验证)00(+ϕ存在.预备定理及其推论: 为实施以上证明方案, 我们先建立以下预备定理和其推论. 预备定理1 ( Bessel 不等式) 若函数f 在区间] , [ππ-上可积, 则有Bessel 不等式∑⎰∞=-≤++122220)(1) ( 2n n n dx x f b a a πππ,其中n a 和n b 为函数f 的Fourier 系数.推论1 ( Riemann — Lebesgue 定理 ) 若函数f 在区间] , [ππ-上可积, 则有 ⎰-∞→=ππ0cos )(lim nxdx x f n , ⎰-∞→=ππ0sin )(limnxdx x f n .推论2 若函数f 在区间] , [ππ-上可积, 则有 ⎰=+∞→π0)21sin()(limxdx n x f n ,⎰-∞→=+00)21sin()(limπxdx n x f n .预备定理2 若)(x f 是以π 2为周期的周期函数, 且在区间] , [ππ-上可积, 则函数)(x f 的Fourier 级数部分和)(x S n 有积分表示式⎰-++=πππdt t t n t x f x S n 2sin2212sin)(1)(. 当0=t 时, 被积函数中的不定式由极限212sin2)21sin(lim0+=+→n t tn t 来确定.Dirichlet 积分:⎰=+ππ12sin 212sin 1dt t t n . 证 由三角公式2sin2212sincos 2cos cos 21ϕϕϕϕϕ+=++++n n⇒⎰=+ππ2sin 212sin 1dt t t n ⎰-=+πππdt t tn 2sin2212sin 1 (ϕϕϕπππn cos 2cos cos 211++++=⎰- )dt 1=.三维空间中 k a j a i a r 321++=则∑=≤iir r r a22),( (1)将此结论推广到 n 维空间, 即为若 ),1,,0(,2211=+++=i n n e e a e a e a r ,则22),(r r r aii=≤∑对于无穷维空间向量表示的傅里叶级数∑∞=++=10)sin cos (2)(n n n nx b nx a a x f 自然应有 ⎰∑-=≤++πππdx x f f f b a a nn n )(1),()(222220这就是有名的Bessel 不等式, 其证明和三维空间中 (1) 式的证明思路完全一样, 都是利用坐标系的正交性.1. Parseval 等式 ( 或称Ляпинов等式 ) 设可积函数)(x f 的Fourie 级 数在区间] , [ππ-上一致收敛于)(x f , 则成立Parseval 等式⎰-=πππdx x f )(12∑∞=++12220 ) ( 2n n n b a a . 证法一 注意到此时函数)(x f 在区间] , [ππ-可积 , 由Bessel 不等式, 有⎰-≥πππdx x f )(12∑∞=++12220 ) ( 2n n nb a a . 现证对0 >∀ε, 有)(12⎰-≤-ππεπdx x f ∑∞=++12220 ) ( 2n n n b a a . 事实上, 令)(x S n =∑=++nk k k kx b kx a a 1, )sin cos (2由)(x S n 一致收敛于)(x f , 对N n N , , 0 ≥∃>∀ε对x ∀∈] , [ππ-, 有 2|)()(|ε<-x S x f n , 因此 ,[]⎰⎰⎰∑---=+--=-≥ππππππππεnk k k n b a a dx x f dx x S x f dx 122222)(2)()()( 2.即当N n ≥时有)(12⎰-≤-ππεπdx x f ∑=++nk k k b a a 12220)(2. 令∞→n , ⇒)(12⎰-≤-ππεπdx x f ∑∞=++12220 ) ( 2n n n b a a . 由0 >ε的任意性, 有 )(12⎰-≤πππdx x f ∑∞=++12220 ) ( 2n n n b a a . 综上即得所证 .证法二 由)(x S n 一致收敛于)(x f , ⇒ 0|)()(|sup lim ],[=--∞→x S x f n n ππ.而()⎰⎰∑--=⎥⎦⎤⎢⎣⎡++-=-ππππππnk k k nb a a dx x f dx x S x f 1222022)(2)(1)()(1.因此, ⎰--≤πππdx x f )(102⎥⎦⎤⎢⎣⎡++∑=nk k kb a a 12220)(2≤()⎰--πππ2|)()(|sup 1x S x f n ()) ( , 0|)()(|sup 22∞→→-=n x S x f n .由两边夹原则, 即得所证等式 .证法三 利用内积的连续性( 可参阅一般泛函书 ) , 有⎰-><=ππππ)( , )(1)(12x f x f dx x f=><∞→∞→)(lim , )(lim 1x S x S n n n n π=⎰-∞→∞→==><=ππππdx x Sx S x S nn n n n )(1lim)( , )( lim 12=∞→n lim ⎥⎦⎤⎢⎣⎡++∑=nk k k b a a 12220)(2= ∑∞=++12220 ) ( 2n n n b a a . Parseval 等式的意义：设在幺正系} , sin , cos , , sin , cos, 21{ πππππnxnx x x *)下函数)(x f 的Fourier 系数为n A 和n B ，可见⎰-==ππππdx x f x f A )(21)21, )((02 )(122022a dx x f A πππππ=⎪⎭⎫⎝⎛=⎰-；⎰-===πππππn n a nxdx x f nxx f A cos )(1)cos, )((22 n n a A π=；同理有 22 n n b B π=; 其中n a 和n b 为函数)(x f 的通常Fourier 系数.于是 ,Parseval 等式即成为()⎰∑∑-∞=∞=++=++=πππππ11222022202) (2)(n n n n nnB A A b a a dx x f.注意到⎰-=><=ππ22)( )( , )( )(x f x f x f dx x f , 就有()∑∞=++=12222)(n n n B A A x f ,这是勾股定理的推广, 可称Parseval 等式是无穷维空间中的勾股定理.Fourier 级数与三角级数: Fourier 级数与三角级数的区别：Fourier 级数是三角级数，但收敛的三角级数却未必是某个可积函数的Fourier 级数.一个三角级数是Fourier 级数( 即是某个可积函数的Fourier 级数 ) 的必要条件为:若三角级数 nx b nx a a n n n sin cos 210++∑∞=为Fourier 级数, 则数项级数∑∞=1n n nb收敛.( 参阅复旦大学编《数学分析》下册P116—117 ). 比如正弦级数∑∞=2ln sin n n nx是收敛的三角级数(利用Dirichlet 判别法), 由级数∑∞=2ln 1n n n 发散, 正弦级数∑∞=2ln sin n n nx不是Fourier 级数.例 证明: 当210≤<α时, 三角级数∑∞=1sin n n nx α在R 内收敛, 但其和函数)(x f 在区间] , [ππ-上不是( R )可积的 .证 由Dirichlet 判别法, 可得该级数在) , (∞+∞-内收敛. 反设和函数)(x f 在区间在] , [ππ-上( R )可积, 则该三角级数是函数)(x f 的Fourier 级数 . 由于)(2x f 也在] , [ππ-上( R )可积 , 则有Bessel 不等式⎰∑-∞=≤ππαπdx x f nn )(1 1212.即有上式左端的正项级数收敛 . 但由∑∞=⇒≤<121, 120n nαα+∞=, 矛盾. 可见, 函数)(x f 在区间在] , [ππ-上不是( R )可积的 . 因此, 本例中的三角级数不是Fourier 级数.一个三角级数是否为Fourier 级数, 与所用积分有关. 在某种积分意义下不是Fourier 级数, 或许在另一种积分意义下是Fourier 级数. 近代或现代有些积分的建立, 其动因就是为了使某些三角级数在该积分意义下成为Fourier 级数. 最新的一个研究结果是: 在所谓SCP 积分( Symmetric Cesaro Perron 积分 ) 意义下, 上例中的三角级数是Fourier 级数.利用傅里叶级数的一致收敛性定理, 我们很容易导出有广泛应用 维尔斯特拉斯逼近定理 定理 ( 维尔斯特拉斯逼近定理) 若函数)(x f 在闭区间 ],[b a 上连续, 则对任意给定的0>ε,存在多项式)(x P n 对一切 ],[b a x ∈, 成立ε<-|)()(|x P x f n傅里叶 ( J.B.J.Fourier 1768.3.21-1830.3.16)法国数学家，出生在一个裁缝家庭，家境贫寒，八岁时成为孤儿，由于才华出众，1790年成为巴黎工科大学教授。

数学分析第十五章傅里叶级数收敛定理第三讲若以数学分析第十五章傅里叶级数注尽管傅里叶级数的收敛性质不如幂级数, 函数的要求却比幂级数要低得多, 所以应用更广. 而且即将看到函数周期性的要求也可以去掉.概念解释1. 若f 的导函数在[,]a b 上连续, 则称f 在[a ,b ]上光滑.2. 如果定义在[,]a b 上函数f 至多有有限个第一类间断点, 在且连续, 极限存在, 但它对其导函数在[a , b ]上除了至多有限个点外都存f 的左、右并且在这有限个点上导函数[,]a b 上按段光滑.则称f 在数学分析第十五章傅里叶级数f '[,]a b (iii) 在补充定义在上那些至多有限个不存在f 'f '导数的点上的值后( 仍记为), 在[a ,b ]上可积.从几何图形上讲, 在区间[a ,b ] 上按段光滑函数, 多有有限个第一类间断点(图15-1).光滑弧段所组成,151-图O x ()y f x =1x 2x 3x 4x b a y 是由有限个它至若数学分析第十五章傅里叶级数表达式,(),(π,π],ˆ()(2π),((21)π,(21)π],1,2,.f x x f x f x k x k k k ∈-⎧=⎨-∈-+⎩=±± 解为它是定义在整个数轴上以2π为周期的函数,但我们认为它是周期函数. 注2在具体讨论函数的傅里叶级数展开式时, 经常只(π,π]-[π,π)-给出函数在(或)上的解析式, (π,π]-上的解析如f 为但应理即函数本身不一定是定义在整个数轴上的周期函数,那么周期延拓后的函数为数学分析第十五章傅里叶级数ˆ152()y fx -=图实线与虚线的全体表示O x()y f x =π3π-π-3π5πy如图15-2所示.ˆf的傅里叶级数.因此当笼统地说函数的傅里叶级数时就是指函数。

§3 收敛定理的证明(一) 教学目的：了解收敛定理的证明．(二) 教学内容：贝塞尔不等式，黎曼-勒贝格定理； 收敛定理的证明．(1) 基本要求：掌握贝塞尔不等式，黎曼-勒贝格定理；了解收敛定理的证明要点． (2) 较高要求：理解收敛定理的证明． (三) 教学建议：(1) 要求学生必须掌握贝塞尔不等式和黎曼-勒贝格定理，了解收敛定理的证明要点． (2) 对较好学生布置与收敛定理的证明有关的习题．——————————————————————————Dini 定理 设以π 2为周期的函数f 在区间] , [ππ-上按段光滑, 则在每一点∈x ] , [ππ-, f 的Fourier 级数收敛于f 在点x 的左、右极限的算术平均值, 即nx b nx a a x f x f n n n sin cos 22)0()0(10++=-++∑∞= ,其中n a 和n b 为f 的Fourier 系数.证明思路: 设)(x f ～∑∞=++10 . sin cos 2n n nnx b nx aa 对每个∈x ] , [ππ-, 我们要证明)(→x S n 2)0()0(-++x f x f . 即证明0 2)0()0(lim =⎪⎭⎫⎝⎛--++∞→n n S x f x f .方法是把该极限表达式化为积分, 利用Riemann —Lebesgue 定理证明相应积分的极限为零.1 写出)(x S n =∑=++nk k kkx b kx aa 10 sin cos 2的简缩形式.⎰-++=πππdt t t n t x f x S n 2sin2212sin)(1)(.称这一简缩形式为)(x S n 的积分形式, 或称为Dirichlet 积分,2 利用该表示式, 式2)0()0(-++x f x f )(x S n -可化为2)0()0(-++x f x f )(x S n -=2)0()0(-++x f x f ⎰-++-πππdt t t n t x f 2sin2212sin)(1=2)0(+x f ⎰++-ππ2sin2212sin)(1dt t t n t x f+2)0(-x f ⎰-++-2sin2212sin)(1ππdt t tn t x f ,于是把问题归结为证明[∞→n lim2)0(+x f ⎰++-ππ2sin2212sin)(1dtt t n t x f ]0=,[∞→n lim2)0(-x f ⎰-++-2sin2212sin)(1ππdtt t n t x f ]0=.这两式的证明是相同的, 只证第一式. 1为证上述第一式, 先利用三角公式2sin2212sincos 2cos cos 21ϕϕϕϕϕ+=++++n n建立所谓Dirichlet 积分⎰=+ππ12sin212sin1dt t tn , 利用该式把2)0(+x f 表示为积分,即把2)0(+x f 表示为Dirichlet 积分2)0(+x f =⎰++ππ2sin2212sin)0(1dt t t n x f .于是又把上述1中所指的第一式左端化为[∞→n lim2)0(+x f ⎰++-ππ2sin2212sin)(1dtt t n t x f ]=∞→=n lim[]⎰++-+ππ2sin2212sin)()0(1dt t t n t x f x f .2 利用所谓Riemann — Lebesgue 定理证明上述极限为零. 为此 , 先证明Bessel 不等式, 再建立Riemann — Lebesgue 定理, 然后把以上最后的式子化为∞→n lim[]⎰++-+ππ2sin2212sin)()0(1dt t t n t x f x f .3 把上式化为应用Riemann — Lebesgue 定理的形式, 即令] , 0( , 2sin2)0()()(πϕ∈⎥⎦⎤⎢⎣⎡+-+-=t t tt x f t x f t , 则 ∞→n lim[]⎰++-+ππ2sin2212sin)()0(1dt t t n t x f x f⎰⎪⎭⎫⎝⎛+=→πϕπ21sin )(1limtdt n t n . 为使最后这一极限等于零, 由Riemann — Lebesgue 定理, 只要函数)(t ϕ在区间] , 0 [π上可积. 因此希望)00(+ϕ存在. 由函数f 在区间] , [ππ-上按段光滑, 可以验证)00(+ϕ存在.预备定理及其推论: 为实施以上证明方案, 我们先建立以下预备定理和其推论. 预备定理1 ( Bessel 不等式) 若函数f 在区间] , [ππ-上可积, 则有Bessel 不等式∑⎰∞=-≤++122220)(1) ( 2n n n dx x f b a a πππ,其中n a 和n b 为函数f 的Fourier 系数.推论1 ( Riemann — Lebesgue 定理 ) 若函数f 在区间] , [ππ-上可积, 则有 ⎰-∞→=ππ0cos )(lim nxdx x f n , ⎰-∞→=ππ0sin )(limnxdx x f n .推论2 若函数f 在区间] , [ππ-上可积, 则有 ⎰=+∞→π0)21sin()(limxdx n x f n ,⎰-∞→=+0)21sin()(limπxdx n x f n .预备定理2 若)(x f 是以π 2为周期的周期函数, 且在区间] , [ππ-上可积, 则函数)(x f 的Fourier 级数部分和)(x S n 有积分表示式⎰-++=πππdt t t n t x f x S n 2sin2212sin)(1)(.当0=t 时, 被积函数中的不定式由极限212sin2)21sin(lim 0+=+→n t t n t来确定.Dirichlet 积分:⎰=+ππ12sin212sin1dt t tn .证 由三角公式2sin2212sincos 2cos cos 21ϕϕϕϕϕ+=++++n n⇒⎰=+ππ2sin212sin1dt t t n ⎰-=+πππdt t t n 2sin2212sin1(ϕϕϕπππn cos 2cos cos 211++++=⎰- )dt1=.三维空间中 k a j a i a r 321++=则∑=≤ii r r r a 22),( (1)将此结论推广到 n 维空间, 即为若 ),1,,0(,2211=+++=i n n e e a e a e a r ,则 22),(r r r a ii =≤∑对于无穷维空间向量表示的傅里叶级数∑∞=++=10)sin cos (2)(n n nnx b nx aa x f自然应有 ⎰∑-=≤++πππdx x f f f b aa nnn)(1),()(22222这就是有名的Bessel 不等式, 其证明和三维空间中 (1) 式的证明思路完全一样, 都是利用坐标系的正交性.1. Parseval 等式 ( 或称Ляпинов等式 ) 设可积函数)(x f 的Fourie 级 数在区间] , [ππ-上一致收敛于)(x f , 则成立Parseval 等式⎰-=πππdx x f )(12∑∞=++12220 ) ( 2n n n b a a .证法一 注意到此时函数)(x f 在区间] , [ππ-可积 , 由Bessel 不等式, 有⎰-≥πππdx x f )(12∑∞=++12220 ) ( 2n n n b a a .现证对0 >∀ε, 有)(12⎰-≤-ππεπdx x f ∑∞=++12220 ) ( 2n n n b a a .事实上, 令)(x S n =∑=++nk k kkx b kx aa 10 , )sin cos (2由)(x S n 一致收敛于)(x f ,对N n N , , 0 ≥∃>∀ε对x ∀∈] , [ππ-, 有 2|)()(|ε<-x S x f n , 因此 ,[]⎰⎰⎰∑---=+--=-≥ππππππππεnk k k n b a a dx x f dx x S x f dx 122222)(2)()()( 2.即当N n ≥时有)(12⎰-≤-ππεπdx x f ∑=++nk k kb aa 12220)(2.令∞→n , ⇒)(12⎰-≤-ππεπdx x f ∑∞=++12220 ) ( 2n n n b a a . 由0 >ε的任意性, 有)(12⎰-≤πππdx x f ∑∞=++12220 ) ( 2n n n b a a .综上即得所证 .证法二 由)(x S n 一致收敛于)(x f , ⇒ 0|)()(|sup lim ],[=--∞→x S x f n n ππ.而()⎰⎰∑--=⎥⎦⎤⎢⎣⎡++-=-ππππππnk k k n b a a dx x f dx x S x f 1222022)(2)(1)()(1. 因此, ⎰--≤πππdx x f )(102⎥⎦⎤⎢⎣⎡++∑=nk k k b a a 1222)(2≤()⎰--πππ2|)()(|sup1x S x f n()) ( , 0|)()(|sup 22∞→→-=n x S x f n . 由两边夹原则, 即得所证等式 .证法三 利用内积的连续性( 可参阅一般泛函书 ) , 有⎰-><=ππππ)( , )(1)(12x f x f dx x f=><∞→∞→)(lim , )(lim 1x S x S n n n n π=⎰-∞→∞→==><=ππππdx x Sx S x S nn n n n )(1lim)( , )( lim 12=∞→n lim ⎥⎦⎤⎢⎣⎡++∑=nk kk b a a 12220)(2= ∑∞=++12220 ) ( 2n n n b a a . Parseval 等式的意义：设在幺正系}, sin , cos , , sin , cos, 21{ πππππnxnx x x *)下函数)(x f 的Fourier 系数为n A 和n B ，可见⎰-==ππππdx x f x f A )(21)21, )((02 )(1220220a dx x f A πππππ=⎪⎭⎫⎝⎛=⎰-； ⎰-===πππππn n a nxdx x f nxx f A cos )(1)cos, )((22 n n a A π=；同理有 22 n n b B π=; 其中n a 和n b 为函数)(x f 的通常Fourier 系数.于是 ,Parseval 等式即成为()⎰∑∑-∞=∞=++=++=πππππ1122202222) (2)(n n n n nnB A A b aa dx x f .注意到⎰-=><=ππ22)( )( , )( )(x f x f x f dx x f , 就有()∑∞=++=122202)(n n n B AA x f ,这是勾股定理的推广, 可称Parseval 等式是无穷维空间中的勾股定理.Fourier 级数与三角级数: Fourier 级数与三角级数的区别：Fourier 级数是三角级数，但收敛的三角级数却未必是某个可积函数的Fourier 级数.一个三角级数是Fourier 级数( 即是某个可积函数的Fourier 级数 ) 的必要条件为: 若三角级数nx b nx a a n n n sin cos 210++∑∞=为Fourier 级数, 则数项级数∑∞=1n n nb 收敛.( 参阅复旦大学编《数学分析》下册P116—117 ). 比如正弦级数∑∞=2ln sin n nnx 是收敛的三角级数(利用Dirichlet 判别法), 由级数∑∞=2ln 1n nn 发散, 正弦级数∑∞=2ln sin n nnx 不是Fourier 级数.例 证明: 当210≤<α时, 三角级数∑∞=1sin n nnx α在R 内收敛, 但其和函数)(x f 在区间] , [ππ-上不是( R )可积的 .证 由Dirichlet 判别法, 可得该级数在) , (∞+∞-内收敛. 反设和函数)(x f 在区间在] , [ππ-上( R )可积, 则该三角级数是函数)(x f 的Fourier 级数 . 由于)(2x f 也在] , [ππ-上( R )可积 , 则有Bessel 不等式⎰∑-∞=≤ππαπdx x f nn )(11212.即有上式左端的正项级数收敛 . 但由∑∞=⇒≤<121 , 120n nαα+∞=, 矛盾. 可见, 函数)(x f 在区间在] , [ππ-上不是( R )可积的 . 因此, 本例中的三角级数不是Fourier 级数.一个三角级数是否为Fourier 级数, 与所用积分有关. 在某种积分意义下不是Fourier 级数, 或许在另一种积分意义下是Fourier 级数. 近代或现代有些积分的建立, 其动因就是为了使某些三角级数在该积分意义下成为Fourier 级数. 最新的一个研究结果是: 在所谓SCP 积分( Symmetric Cesaro Perron 积分 ) 意义下, 上例中的三角级数是Fourier 级数.利用傅里叶级数的一致收敛性定理, 我们很容易导出有广泛应用 维尔斯特拉斯逼近定理 定理 ( 维尔斯特拉斯逼近定理) 若函数)(x f 在闭区间 ],[b a 上连续, 则对任意给定的0>ε,存在多项式)(x P n 对一切 ],[b a x ∈, 成立ε<-|)()(|x P x f n傅里叶 ( J.B.J.Fourier 1768.3.21-1830.3.16)法国数学家，出生在一个裁缝家庭，家境贫寒，八岁时成为孤儿，由于才华出众，1790年成为巴黎工科大学教授。

khinchine大数定律
Khinchin大数定律，也称为柯尔莫哥洛夫定律或柯尔莫哥洛夫
大数定律，是概率论中的一个重要定理。

该定律是由俄罗斯数学家
阿列克谢·柯尔莫哥洛夫于1930年提出的。

该定律是关于数列的收敛性的一个结果。

具体来说，它描述了
对于独立同分布的随机变量序列，其算术平均值的收敛性。

换句话说，该定律说明了当我们对一组独立同分布的随机变量进行平均时，这个平均值会以极高的概率接近于其期望值。

Khinchin大数定律可以用以下方式表述，设X1，X2， (X)
是一组独立同分布的随机变量，具有相同的期望值μ和方差σ^2。

令S_n = (X1 + X2 + ... + Xn)/n表示这些随机变量的算术平均值。

则对于几乎所有的样本路径，即以概率1的事件，有
lim(n→∞)S_n = μ。

换句话说，当样本数量n趋向于无穷大时，随机变量序列的算
术平均值将以几乎确定的概率收敛于其期望值。

Khinchin大数定律的重要性在于它提供了一个理论基础，使我
们能够在实际问题中使用样本均值来估计总体均值。

它在统计学、经济学、物理学和金融学等领域都有广泛的应用。

需要注意的是，Khinchin大数定律的成立需要一些前提条件，例如随机变量序列的独立性和同分布性。

此外，定律只能保证在概率上的收敛性，而不能保证在每个样本路径上都收敛。

总结来说，Khinchin大数定律是关于随机变量序列算术平均值收敛性的一个重要定理，它描述了当样本数量趋向于无穷大时，随机变量序列的平均值以几乎确定的概率收敛于其期望值。

这个定律在统计学和其他领域中具有广泛的应用。

大数定律收敛速度大数定律是概率论中的一个重要定理，它描述了在独立同分布的随机变量序列中，随着样本数量的增加，样本平均值会收敛于总体均值的现象。

而这种收敛的速度则是一个有趣且重要的问题。

本文将从数学和实际应用的角度探讨大数定律的收敛速度。

首先，我们来看一下大数定律的数学表达。

设X1, X2, ...,Xn是独立同分布的随机变量序列，均值为μ，方差为σ^2。

根据大数定律，样本均值Sn = (X1 + X2 + ... + Xn)/n会收敛于总体均值μ，即当n趋向于无穷大时，有Sn → μ。

那么，我们可以进一步探讨Sn与μ之间的收敛速度。

从数学角度来看，收敛速度可以用概率论中的大O符号来描述。

如果存在常数C和n0，使得当n > n0时，|Sn μ| < C/n，则称Sn以1/n的速度收敛于μ。

如果存在常数C和n0，使得当n > n0时，|Sn μ| < C/sqrt(n)，则称Sn以1/sqrt(n)的速度收敛于μ。

这种收敛速度的描述对于理解大数定律的收敛性质非常有帮助。

除了数学描述，大数定律的收敛速度在实际应用中也有重要意义。

在统计学、经济学、物理学等领域，我们经常需要估计总体均值，而大数定律告诉我们，样本均值会收敛于总体均值。

然而，收敛速度的快慢将直接影响到我们对总体均值的估计精度。

如果收敛速度较慢，我们可能需要更大的样本量才能得到精确的估计结果；而如果收敛速度较快，我们可以用较小的样本量就能得到可靠的估计。

因此，研究大数定律的收敛速度不仅有助于我们深入理解概率论的基本原理，还有助于提高我们在实际问题中的数据分析能力。

通过深入研究大数定律的收敛速度，我们可以更好地利用样本数据，做出更准确的估计和预测，从而为科学研究和实践应用提供更有力的支持。

中⼼极限定理和⼤数定律⽬录依分布收敛定义若有⼀列分布函数 {F n} 和分布函数F，在F的每⼀个连续点，都有F n→F，则称F n弱收敛于F，记为F nω⟶F .定义若⼀列随机变量ξn的分布函数弱收敛于ξ的分布函数，则称ξn依分布收敛于ξ，记为ξnd⟶ξ .海莱第⼀定理若有⼀列分布函数 {F n} ，则存在单调不减右连续的函数F, 0≤F(x)≤1,x∈R 和⼦列 {F nk } ，使得对F的每⼀个连续点，都有F nk→F .海莱第⼆定理设有分布函数F，⼀列分布函数 {F n} ，F nω⟶F，若g(x) 在 R 上有界连续，则∫+∞−∞g(x)dF n(x)→∫+∞−∞g(x)dF(x)勒维连续型定理设有分布函数F，⼀列分布函数 {F n} ，若F nω⟶F，则相应的特征函数列 {fn(t)} 关于t在任何有限区间⼀致收敛于F的特征函数f(t) .逆极限定理设f n(t) 是分布函数F n(x) 的特征函数，如果对每个t,f n(t)→f(t) ，且f(t) 在t=0 连续，则f(t) ⼀定是某个分布函数F的特征函数，且F nω⟶F .例 4.1 ⽤特征函数法证明⼆项分布的泊松逼近定理.Proof.设ξn服从⼆项分布B(n,p) ，且lim，它的特征函数为f_n(t) = (p_ne^{it}+q_n),\ q_n = 1-p_n，则有\lim_{n\to\infty}f_n(t) = \lim_{n\to\infty}\left(1+\dfrac{np_n(e^{it}-1)}{n}\right)^n = e^{\lambda(e^{it}-1)}恰为泊松分布的特征函数，由逆极限定理即证.推论若有⼀列随机变量\xi_n和\xi，则下述等价\xi_n\stackrel{d}\longrightarrow\xi对任意有界连续函数，有Eg(\xi_n)\to Eg(\xi)对任意实数t有f_n(t)\to f(t)推论关于密度函数或分布列判断依分布收敛若对任意x,\ p_n(x)\to p(x)，则\xi_n\stackrel{d}\longrightarrow\xi若对任意j,\ p_n(x_j)\to p(x_j)，\xi_n\stackrel{d}\longrightarrow\xi性质若g(x)在\mathbb{R}上连续，则若\xi_n\stackrel{d}\longrightarrow\xi，有g(\xi_n)\stackrel{d}\longrightarrow g(\xi)若有常数列\{a_n\},\ \{b_n\}，有分布函数F，⼀列分布函数\{F_n\}，若a_n\to a,\ b_n\to b,\ F_n\to F，则$F_n(a_nx+b_n)\to F(ax+b)若\xi_n\stackrel{d}\longrightarrow\xi，则a_n\xi_n + b_n\stackrel{d}\longrightarrow a\xi +b中⼼极限定理德莫佛-拉普拉斯⽤S_n表⽰n重伯努利实验中成功的次数，设\Phi(x)为标准正态分布的分布函数，则\lim_{n\to\infty}P\left(\dfrac{S_n-np}{\sqrt{npq}}\le x\right) = \Phi(x)可以看出⼆项分布逼近正态分布，其中P(S_n=k) = b(k;n,p)也就是说，n次独⽴实验中成功\alpha<k\le\beta次的概率为P(\alpha<S_n\le\beta) = P\left(\dfrac{\alpha-np}{\sqrt{npq}}<\dfrac{S_n-np}{\sqrt{npq}}\le \dfrac{\beta-np}{\sqrt{npq}}\right) \approx \Phi\left(\dfrac{\beta-np} {\sqrt{npq}}\right) - \Phi\left(\dfrac{\alpha-np}{\sqrt{npq}}\right)需要注意这⾥是n个⼆项分布的累积，每个分布只有1次实验，类似于对分布的拆分：S_n本⾝是⼆项分布，但是这⾥将n次实验拆成了n个随机变量的累计.定义设有⼀列随机变量\xi_n，若有常数B_n>0,\ A_n使得\dfrac{1}{B_n}\sum_{k=1}^n\xi_k - A_n\stackrel{d}\longrightarrow N(0,1)则称\xi_n服从中⼼极限定理.林德贝格-勒维设\{\xi_n\}独⽴同分布，记S_n = \sum_{k=1}^n\xi_k,\ E\xi_1 = a,\ Var\xi_1 = \sigma^2，则中⼼极限定理成⽴，即\dfrac{S_n-na}{\sqrt{n}\sigma} \stackrel{d}\longrightarrow N(0,1)从⽽我们可以类似于上进⾏估计；特别的，当S_n是⼆项分布，有E\xi_1 = a,\ Var\xi_1 = pq .李雅普诺夫定理若\{\xi_n\}独⽴，存在常数\delta>0，使得\dfrac{1}{(\sum_{k=1}^nVar\xi_k)^{1+\delta/2}}\sum_{k=1}^nE|\xi_k-E\xi_k|^{2+\delta} \to 0则中⼼极限定理成⽴.依概率收敛由于两个不同的随机变量可以有相同的分布函数，故分布函数的收敛性不能反映随机变量序列取值之间的接近程度，因此需要引⼊另外的收敛性.定义设\xi,\ \xi_n,\ n\ge 0是定义在同⼀概率空间(\Omega,\mathcal{F},P)上的随机变量，若有\forall \epsilon > 0,\quad \lim_{n\to\infty}P(|\xi_n-\xi|\ge\epsilon) = 0则称\xi_n依概率收敛于\xi，记作\xi_n\stackrel{P}\longrightarrow \xi .设\xi,\ \xi_n,\ n\ge 0是定义在同⼀概率空间(\Omega,\mathcal{F},P)上的随机变量若\xi_n\stackrel{P}\longrightarrow \xi，则\xi_n\stackrel{d}\longrightarrow\xi若\xi_n\stackrel{d}\longrightarrow c，其中c为常数，则\xi_n\stackrel{P}\longrightarrow c注意随机变量为c，则有分布列P(\xi=c) = 1，从⽽有分布函数F(x) = \left\{ \begin{aligned} &0,\quad x<c\\ &1,\quad x\ge c \end{aligned} \right.Loading [MathJax]/jax/element/mml/optable/BasicLatin.js马尔科夫不等式设\xi是定义在概率空间(\Omega,\mathcal{F},P)上的随机变量，f(x)是[0,\infty)上的⾮负单调不减函数，则有\forall x>0,\quad P(|\xi|>x)f(x) \le Ef(|\xi|)这⾥改写了不等式，注意到左边是⼀个类似于期望的格式，这样⽐较直观，事实上P(|\xi|>x)f(x) = \int_{|y|>x}f(x)dF(y) \le \int_{|y|>x}f(y)dF(y) \le \int_{\Omega}f(y)dF(y) = Ef(|\xi|)\xi_n\stackrel{P}\longrightarrow \xi当且仅当E\dfrac{|\xi_n-\xi|^2}{1+|\xi_n-\xi|^2} \to 0Proof.注意到f(x) = x^2/(1+x^2)⾮负单调不减，由上即证.弱⼤数定律伯努利⼤数定律设\{\xi_n\}独⽴同分布，P(\xi_n=1) = p,\ P(\xi_n=0) = 1-p,\ 0<p<1，记S_n = \sum_{i=1}^n\xi_i，则\dfrac{S_n}{n} \stackrel{P}\longrightarrow p设\{\xi_n\}是定义在概率空间(\Omega,\mathcal{F},P)上的随机变量序列，若有常数列\{a_n\},\ \{b_n\}使得\dfrac{1}{a_n}\sum_{k=1}^n\xi_k - b_n \stackrel{P}\longrightarrow 0则称\{\xi_n\}服从弱⼤数定律.使⽤伯努利⼤数定律估计\xi_i\sim B(1,p),\quad S_n = \sum_{i=1}^n\xi_i则有估计P(S_n\le x) = P\left(\dfrac{S_n-np}{\sqrt{npq}}\le \dfrac{x-np}{\sqrt{npq}}\right) \approx \Phi\left(\dfrac{x-np}{\sqrt{npq}}\right)其中q=1-p .切⽐雪夫⼤数定律设\{\xi_n\}是定义在概率空间(\Omega,\mathcal{F},P)上的独⽴随机变量序列，E\xi_n = \mu_n,\ Var\xi_n = \sigma_n^2，若有\sum_{k=1}^n\sigma_k^2/n^2\to 0，则称\{\xi_n\}服从弱⼤数定律，即\dfrac{1}{n}\sum_{k=1}^n\xi_k - \dfrac{1}{n}\sum_{k=1}^n\mu_k \stackrel{P}\longrightarrow 0Proof.考虑\sum_{k=1}^n\xi_k/n，则E\left(\dfrac{1}{n}\sum_{k=1}^n\xi_k\right) = \dfrac{1}{n}\sum_{k=1}^n\mu_k,\quad Var\left(\dfrac{1}{n}\sum_{k=1}^n\xi_k\right) = \dfrac{1}{n^2}\sum_{k=1}^n\sigma_k^2由切⽐雪夫不等式P\left(\left|\dfrac{1}{n}\sum_{k=1}^n(\xi_k -\mu_k)\right|\ge\epsilon\right) \le \dfrac{1}{\epsilon^2}Var\left(\dfrac{1}{n}\sum_{k=1}^n\xi_k\right) = \dfrac{1} {\epsilon^2n^2}\sum_{k=1}^n\sigma_k^2 \to 0即证.马尔科夫⼤数定律设\{\xi_n\}是定义在概率空间(\Omega,\mathcal{F},P)上的独⽴随机变量序列，E\xi_n = \mu_n，若有Var(\sum_{k=1}^n\xi_k^2)/n^2\to 0，则称\{\xi_n\}服从弱⼤数定律，即\dfrac{1}{n}\sum_{k=1}^n\xi_k - \dfrac{1}{n}\sum_{k=1}^n\mu_k \stackrel{P}\longrightarrow 0证明是类似的，可以省去最后⼀步.⾟钦⼤数定律设\{\xi_n\}是定义在概率空间(\Omega,\mathcal{F},P)上的独⽴同分布随机变量序列，E|\xi_1|<\infty，记\mu=E\xi_1,\S_n=\sum_{k=1}^n\xi_k，则\{\xi_n\}服从弱⼤数定律，即\dfrac{S_n}{n} \stackrel{P}\longrightarrow \mu平均收敛设\xi,\ \xi_n,\ n\ge 1是定义在同⼀概率空间(\Omega,\mathcal{F},P)上的随机变量，E|\xi|^r<\infty,\ E|\xi_n|^r<\infty,\ n\ge1,\ 0<r<\infty，若E|\xi_n-\xi|^r \to 0则称\{\xi_n\}r阶平均收敛于\xi，记作\xi_n\stackrel{L_r}\longrightarrow\xi .强⼤数定律定义设\xi,\ \xi_n,\ n\ge 1是定义在同⼀概率空间(\Omega,\mathcal{F},P)上的随机变量，若存在\Omega_0\in\mathcal{F}使得P(\Omega_0) = 1，且对任意\omega\in\Omega_0有\xi_n(\omega)\to\xi(\omega)，则称\xi_n以概率1收敛或⼏乎必然收敛于\xi，记作\xi_n\to\xi\ \mathrm{a.s.}定义若有\Omega_0\in\mathcal{F}使得P(\Omega_0) = 1，且对任意\omega\in\Omega_0，\{\xi_n(\omega)\}是柯西基本列，即\xi_n(\omega)-\xi_m(\omega)\to 0，则称\xi_n以概率1是柯西基本列。

两类统计收敛的表示定理：
在统计学中，统计收敛是指随着样本数量增加，统计量的值越来越接近其真值的过程。

两类常见的统计收敛表示定理如下:
大数定律(The Law of Large Numbers): 如果一个随机变量X 有期望E(X)，那么对于任意非负数ε，在样本数量n 足够大时，样本平均值X̄满足P(|X̄-E(X)|>ε)≈0。

这个定理表明，当样本数量足够大时，样本平均值将接近其期望值。

中心极限定理(The Central Limit Theorem): 如果一组样本来自同一总体，且样本大小足够大，那么这组样本的平均值将满足近似于正态分布。

这个定理表明，即使原始数据不是正态分布的，样本平均值的分布在样本大小足够大时将逼近正态分布。

这两个定理是统计学中非常重要的结论，它们有助于我们理解样本数据与总体数据之间的关系。

大数定律告诉我们，如果样本数量足够大，样本平均值将接近其期望值。

这对于估计总体期望值非常有用，因为我们可以通过收集足够多的数据来估计总体期望值。

中心极限定理告诉我们，即使原始数据不是正态分布的，样本平均值的分布在样本大小足够大时将逼近正态分布。

这意味着我们可以使用正态分布的方法来分析样本数据，即使原始数据不是正态分布的。

这对于推断和做出统计推断非常有用。

这两个定理的前提条件是样本数量足够大,样本来自同一总体，在实际应用中需要注意到这点。