Lebesgue积分的收敛定理

Lebesgue积分的收敛定理

1. 支配收敛定理 (Dominated Convergence Theorem, DCT)

1.1 支配收敛定理的定义

支配收敛定理是Lebesgue积分中的一个重要定理，它给出了在某些条件下，可以交换极限与积分的顺序。其具体表述为：

假设 { f n } \{ f_n \} {fn​} 是一列可测函数，且对于所有 $n$，$f_n$ 都是可积的，且存在一个可积的函数 $g$ 使得对于所有 $n$，有 $|f_n(x)|\le g(x)$ 对几乎所有 $x$ 成立。并且假设 $f_n(x)$ 几乎处处点wise收敛于 $f(x)$，即：
$$f_n(x)\to f(x)\text{(几乎处处)}.$$
那么，
$$\int \underset{n\to \infty }{\lim }{f}_n(x)dx=\underset{n\to \infty }{\lim }\int f_n(x)dx.$$

1.2 证明思路

• 我们通过 Fatou引理（Fatou’s Lemma）来证明支配收敛定理。
• 证明的核心思想是通过构造支配函数 $g$，并利用 $f_n(x)$ 几乎处处收敛于 $f(x)$，从而得出结论。

1.3 课堂案例：傅里叶级数中的应用

傅里叶级数是将周期函数分解为正弦和余弦函数的和。假设 $f_n(x)$ 是一列傅里叶级数的部分和，且 $f_n(x)$ 收敛于 $f(x)$ 几乎处处。那么我们可以使用支配收敛定理来交换傅里叶级数和积分。

案例： 假设 $f_n(x)$ 是函数 $f(x)$ 的傅里叶级数的部分和，且我们有一个支配函数 $g(x)$ 满足 $|f_n(x)|\le g(x)$，并且 $g(x)$ 是可积的。则可以利用DCT证明：

$${\int }_0^{2\pi }\underset{n\to \infty }{\lim }{f}_n(x)dx=\underset{n\to \infty }{\lim }{\int }_0^{2\pi }{f}_n(x)dx.$$

1.4 Python代码示例（傅里叶级数的积分计算）

import numpy as np
import matplotlib.pyplot as plt

# 定义目标函数 f(x) 和傅里叶级数的部分和
def f(x):
    return np.sin(x)  # 假设目标函数是 sin(x)

def fourier_partial_sum(x, N):
    sum = np.zeros_like(x)
    for n in range(1, N+1):
        sum += np.sin(n * x) / n  # 简单的傅里叶级数部分和
    return sum

# 计算傅里叶级数的积分和目标函数的积分
x = np.linspace(0, 2*np.pi, 1000)
N_values = [1, 5, 10, 50]

# 计算积分
integrals = []
for N in N_values:
    partial_sum = fourier_partial_sum(x, N)
    integrals.append(np.trapz(partial_sum, x))

# 目标函数的积分
target_integral = np.trapz(f(x), x)

# 绘制结果
plt.plot(N_values, integrals, label='Fourier Partial Sum Integral')
plt.axhline(y=target_integral, color='r', linestyle='--', label='Target Integral')
plt.xlabel('Number of terms in Fourier series (N)')
plt.ylabel('Integral Value')
plt.legend()
plt.title('Convergence of Fourier Series Integral')
plt.show()

print(f"目标函数的积分: {target_integral:.4f}")
print(f"傅里叶级数部分和的积分 (N=50): {integrals[-1]:.4f}")

• 该代码展示了如何计算傅里叶级数部分和的积分，并与目标函数的积分进行比较。

2. 单调收敛定理 (Monotone Convergence Theorem, MCT)

2.1 单调收敛定理的定义

单调收敛定理给出了一种在函数序列单调收敛时可以交换极限与积分的条件。其表述为：

假设 { f n } \{ f_n \} {fn​} 是一列可测函数，且对于所有 $n$，$f_n(x)$ 非负（即 $f_n(x)\ge 0$ 对所有 $x$ 成立），且 $f_n(x)$ 单调递增地收敛于函数 $f(x)$，即：
$$f_n(x)\to f(x)\text{(单调递增地)}.$$
那么，
$$\int \underset{n\to \infty }{\lim }{f}_n(x)dx=\underset{n\to \infty }{\lim }\int f_n(x)dx.$$

2.2 证明思路

• 证明思路基于单调性和Lebesgue积分的单调收敛定理。通过 $f_n(x)$ 单调递增收敛于 $f(x)$，我们可以得出结论。

2.3 课堂案例：函数逼近中的应用

考虑一个简单的函数逼近问题，给定一列单调递增的函数 $f_n(x)$ 逼近目标函数 $f(x)$。例如，$f_n(x)=\frac{1}{n}$ 单调递增地逼近常数函数 0。

案例：
假设 $f_n(x)=\frac{1}{n}$ 为单调递增序列，且它逼近 0，那么使用单调收敛定理，可以计算极限与积分的关系。

2.4 Python代码示例（单调收敛定理）

# 定义函数序列 f_n(x)
def f_n(x, n):
    return 1/n * np.ones_like(x)  # 单调递增的函数序列

# 计算不同n值的积分
x = np.linspace(0, 1, 1000)
n_values = [1, 5, 10, 50]
integrals_mct = [np.trapz(f_n(x, n), x) for n in n_values]

# 计算目标极限函数的积分 (f(x) = 0)
target_integral_mct = 0

# 绘制结果
plt.plot(n_values, integrals_mct, label='Monotone Convergence Integral')
plt.axhline(y=target_integral_mct, color='r', linestyle='--', label='Target Integral (0)')
plt.xlabel('n')
plt.ylabel('Integral Value')
plt.legend()
plt.title('Monotone Convergence Theorem')
plt.show()

print(f"目标极限函数的积分: {target_integral_mct:.4f}")
print(f"单调收敛序列的积分 (n=50): {integrals_mct[-1]:.4f}")

• 该代码展示了如何计算单调递增函数序列的积分，并观察积分值随着 $n$ 增加的收敛行为。

3. 积分与极限的交换

在Lebesgue积分框架下，积分与极限的交换问题是一个重要的课题。支配收敛定理和单调收敛定理为我们提供了在特定条件下可以交换极限与积分的条件。

3.1 讨论

• 对于一些函数序列，交换极限与积分可以简化计算。
• 在傅里叶级数、逼近理论等问题中，常常利用这些定理进行理论分析。

4. 课堂活动：实际问题讨论

4.1 讨论如何应用DCT和MCT解决实际问题

学生可以通过以下实际问题进行讨论和分析：

1. 傅里叶级数：如何使用支配收敛定理来交换傅里叶级数和积分？
2. 函数逼近：在近似函数的积分计算中，如何使用单调收敛定理来交换极限和积分？

总结：

• 支配收敛定理（DCT）和单调收敛定理（MCT）是Lebesgue积分的核心定理，它们为交换极限与积分提供了严格的条件。
• 傅里叶级数和函数逼近问题中的实际应用可以通过这些定理来简化积分计算。
• 通过Python代码示例，学生可以直观地看到这些定理在实际问题中的应用，理解它们的数学意义。