当前位置: 首页 > news >正文

广义 Riemann-Lebesgue 引理及其证明:阶梯函数逼近法

定理陈述

\(g(x)\) 是一个以 \(T\) 为周期的周期函数,且在 \([0, T]\) 上 Riemann 可积。记 \(g(x)\) 在一个周期内的平均值为:

\[\bar{g} = \frac{1}{T} \int_0^T g(t) dt \]

\(f(x)\) 在闭区间 \([a, b]\) 上 Riemann 可积,则:

\[\lim_{n \to \infty} \int_a^b f(x) g(nx) dx = \bar{g} \int_a^b f(x) dx \]


证明思路:阶梯函数逼近法

证明分为三个标准步骤:

  1. 区间特征函数:证明对最简单的矩形块成立。
  2. 阶梯函数:利用线性性质推广到矩形块的组合。
  3. 一般可积函数:利用逼近思想和 \(\epsilon-N\) 语言推广到所有 Riemann 可积函数。

详细证明过程

第一步:证明对特征函数 \(\chi_{[c, d]}\) 成立

\([c, d] \subseteq [a, b]\),令 \(f(x) = \chi_{[c, d]}(x)\)。目标证明:

\[\lim_{n \to \infty} \int_c^d g(nx) dx = \bar{g} (d - c) \]

证明:
进行变量代换,令 \(u = nx\),则 \(dx = \frac{1}{n} du\)。积分变为:

\[I_n = \int_c^d g(nx) dx = \frac{1}{n} \int_{nc}^{nd} g(u) du \]

设区间 \([nc, nd]\) 的长度为 \(L_n = n(d-c)\)。令 \(K_n = \lfloor \frac{n(d-c)}{T} \rfloor\) 为该长度内包含的完整周期个数。我们可以将积分拆分为 \(K_n\) 个完整周期和一段长度小于 \(T\) 的余项 \(R_n\)

\[\int_{nc}^{nd} g(u) du = K_n \cdot \int_0^T g(u) du + R_n \]

由于 \(g\) 在周期内可积,必有界,设 \(|g(u)| \le M\)。由于余项积分区间长度 \(< T\),故 \(|R_n| \le M \cdot T\)。代入原式:

\[I_n = \frac{K_n}{n} \int_0^T g(u) du + \frac{R_n}{n} \]

\(n \to \infty\) 时:

  • \(\frac{K_n}{n} \approx \frac{n(d-c)/T}{n} \to \frac{d-c}{T}\)
  • \(\frac{R_n}{n} \to 0\)

因此:

\[\lim_{n \to \infty} I_n = \frac{d-c}{T} \int_0^T g(u) du = \left( \frac{1}{T} \int_0^T g(u) du \right) (d-c) = \bar{g} (d-c) \]

结论对特征函数成立。

第二步:推广到阶梯函数

阶梯函数 \(s(x)\) 可表示为有限个不相交区间特征函数的线性组合:

\[s(x) = \sum_{i=1}^k c_i \chi_{I_i}(x) \]

利用积分和极限的线性性质:

\[\lim_{n \to \infty} \int_a^b s(x) g(nx) dx = \sum_{i=1}^k c_i \left( \lim_{n \to \infty} \int_{I_i} g(nx) dx \right) \]

根据第一步的结果:

\[= \sum_{i=1}^k c_i \bar{g} \cdot \text{len}(I_i) = \bar{g} \int_a^b s(x) dx \]

结论对阶梯函数成立。

第三步:推广到一般 Riemann 可积函数

对于任意 \(f \in R[a, b]\),对任意给定的 \(\epsilon > 0\)

  1. 由 Riemann 可积性的性质,存在阶梯函数 \(s(x)\) 满足 \(\int_a^b |f(x) - s(x)| dx < \epsilon\)
  2. \(|g(x)| \le M\)。考虑差值项:

\[\Delta_n = \left| \int_a^b f(x) g(nx) dx - \bar{g} \int_a^b f(x) dx \right| \]

利用三角不等式插入 \(s(x)\) 项进行拆分:

\[\Delta_n \le \underbrace{\left| \int_a^b (f-s)g(nx) dx \right|}_{\text{Part 1}} + \underbrace{\left| \int_a^b s(x) g(nx) dx - \bar{g} \int_a^b s dx \right|}_{\text{Part 2}} + \underbrace{\left| \bar{g} \int_a^b (s-f) dx \right|}_{\text{Part 3}} \]

  • Part 1: \(\le M \int_a^b |f-s| dx < M\epsilon\)
  • Part 3: \(\le |\bar{g}| \int_a^b |s-f| dx < |\bar{g}|\epsilon\)
  • Part 2: 当 \(n \to \infty\) 时,根据第二步结论,此项趋于 \(0\)。故存在 \(N\),当 \(n > N\) 时,此项 \(< \epsilon\)

综上,当 \(n > N\) 时:

\[\Delta_n < (M + |\bar{g}| + 1)\epsilon \]

\(\epsilon\) 的任意性,引理证毕。


典型例题(谢惠民习题课讲义上册P328注2)

\(\lim_{n \to \infty} \int_0^{2\pi} f(x) |\sin nx| dx\)

这是广义 Riemann-Lebesgue 引理的一个经典应用。

  1. \(g(x) = |\sin x|\),其周期为 \(T = \pi\)
  2. 计算平均值 \(\bar{g}\)

    \[\bar{g} = \frac{1}{\pi} \int_0^\pi |\sin t| dt = \frac{1}{\pi} [-\cos t]_0^\pi = \frac{2}{\pi} \]

  3. 直接代入引理得出:

    \[\lim_{n \to \infty} \int_0^{2\pi} f(x) |\sin nx| dx = \frac{2}{\pi} \int_0^{2\pi} f(x) dx \]

http://www.jsqmd.com/news/598914/

相关文章:

  • [安卓逆向]问题解决:Xposed-Disable-FLAG_SECURE的截图限制解除与实战部署
  • ai辅助开发新体验:描述需求,快马一键生成ml项目环境与初始代码
  • 实战分享:Qwen3-VL-WEBUI 游戏 AI视觉决策系统搭
  • 突破ThinkPad散热限制:TPFanCtrl2智能风扇控制完全指南
  • Playwright核心教程(Python)
  • Username enumeration via different responses
  • 【摄影测量】从零实现张正友标定法:手写代码解析相机内参/外参与畸变校正
  • 终极免费QMC解码器:3分钟解锁QQ音乐加密文件,实现全平台音乐自由
  • 3个创新维度破解直播回放获取难题:douyin-downloader深度解构与实战指南
  • Natural-Language Agent Harnesses 论文笔记
  • 开源模组加载器SMAPI全攻略:从新手配置到冲突解决的进阶指南
  • STM32F0实战:基于HAL库开发【4.5】
  • Oracle多租户架构
  • SpringBoot4.X: 彻底消灭 NullPointerException
  • 9篇8章2节:MIMIC 数据库的 CITI 注册与课程选择(2026年版)
  • 实战指南:基于快马平台构建带第三方登录的tk网站登录页
  • 前端 SSE(Server-Sent Events)实现详解:从原理到前端 AI 对话应用
  • WaveTools重构鸣潮游戏体验:突破性能瓶颈的开源解决方案
  • AI率80%和40%降到20%,难度差了多少?
  • 【React】setState 触发渲染的流程
  • 基于STM32的‘水位检测自动控制系统‘:支持超声波模块、DS18B20传感器,包含原理图、P...
  • 基于液压控制的冲床自动送料机的设计【说明书+CAD+外文翻译】
  • Math.js 使用教程
  • 五相电机双闭环矢量控制模型:原理说明、仿真波形及完整版Simulink模型
  • Windows下5种端口连通性测试方法实测对比(附详细命令)
  • Ostrakon-VL-8B多模态运维监控实战:智能日志分析与故障预警
  • e1547:重新定义e621浏览体验的现代化客户端解决方案
  • Golang笔记1-变量与类型
  • 3步优化鸣潮游戏体验:面向全层级玩家的WaveTools工具箱使用指南
  • VI、 UI 和 UX 设计区别,详细介绍