从一个”难题”入手

设$\{f_n\}$是一个定义在$[0，1]$上的连续函数列，且$0\leq f_n\leq 1$. $n\to\infty$时，对任意$x\in[0，1]$有$f_n(x)\to{0}$. 求证 $\lim_{n\to\infty}\int_{0}^{1}f_n(x)dx=0$

在Riemann积分下这个命题的证明确实很头疼。虽然说有$\lim\limits_{n\to\infty}f_n(x)=0$，但是这里并不是一致收敛，所以不能直接将极限号和积分号交换。但是也没有别的信息，只能从连续性入手。

Riemann积分在讨论函数列的时候往往需要考虑是否一致收敛，这往往很麻烦。19世纪末，很多数学家都主张，高等数学课中的Riemann积分(这也是每个人都要学的)应该被新的一种更普遍、更灵活、更方便解决极限问题的积分替代。那个时期很多的数学家都进行了尝试，Lebesgue的办法可以说是集大成者。粗略地说，Riemann积分是由下面这个和式逼近的: $\sum_{i=1}^{n}f(t_i)\Delta{x_i}$

也就是所谓面积的极限。$f(t_i)$是矩形的高，$\Delta{x_i}$是矩形的宽。当然还有Darboux上和、Darboux下和等等概念，然后讨论两者的差，在$\varepsilon-N$语言下严谨地逼近，这就是所谓可积性。讨论一个指定函数的积分，函数已经确定了，但这里的$\Delta{x_i}$还可以做文章。对于$\Delta{x_i}=x_i-x_{i-1}$，它代表了区间$[x_{i-1}，x_i]$的长度，而区间是一个集合。能不能通过讨论集合的”大小”来解决积分问题呢?

这篇博客里讨论的集合是任意的(这也是博客标题里”抽象”所指)。既可以考虑经典的Euclidean空间，又可以考虑概率论中的事件空间，或者是其他。它们都可以统一到Lebesgue积分中，而Riemann积分在很多时候也可以通过Lebesgue测度”$m$“进行计算(粗略地说，$m(E)$就是$E$的“体积”)。另外，最开始的这个题在Lebesgue积分下也是很简单的。

$\pi$-系统、$\lambda$-系统、$\sigma$-代数

函数的值域

如果要给一个集合定义一个”大小”，也就是对应一个值，那么需要定义一个函数，这个函数建立起集合到实数或者复数的映射。例如定义$m([a，b])=b-a$，这就是集合$[a，b]$的长度，$b-a$就是一个实数。这个函数的值域可以是$\mathbb{R}$或者$\mathbb{R}^2$的一个子集，而定义域是怎样的呢? 首先，它应该是一个由集合构成的集合。比如一个集合$A$的幂集$\mathcal{P}(A)$。但是一定是幂集吗? 可不可以小一点或者大一点? 它又能不能保证一些运算的合理性? 这就是这里需要解决的问题。接下来，我们会一步步把这个”定义域”所需要满足的条件逐步勾勒出来。这也是Lebesgue积分的”主战场”。

---

一个由集合$X$的子集构成的集合$\mathcal{P}$在满足如下条件时被称为$\pi$-系统: 如果$A\in{P}$且$B\in\mathcal{P}$，那么$A\cap{B}\in\mathcal{P}$.

$\pi$-系统保证了这个集合族在有限次交运算的封闭性。一个最简单的$\pi$-系统是$\mathbb{R}$中所有闭区间(注意把$\varnothing$也算上)构成的集合。两个闭区间的并集必定是闭区间或$\varnothing$，而$\varnothing$和闭区间的并集是$\varnothing$。这就是一个$\pi$-系统。但是不一定保证无穷次运算的封闭，也不保证并集的封闭。

概率论中的样本空间也是一个$\pi$-系统。两个事件的交也在一个样本空间中。这自然是合理的。但是只是$\pi$-系统肯定不够。就比如说，一个事件的否定该怎么办? 无穷个事件(这可能涉及到概率论中的收敛问题)又该怎么办? 如果积分是定义在$\pi$-系统上也不行，不能只考虑全体闭区间。接下来会引入另一个系统。

一个由集合$X$的子集构成的集合$\mathcal{L}$在满足如下条件时被称为$\lambda$-系统:

1. $X\in\mathcal{L}$.
2. 若$A, B\in\mathcal{L}$，且$B\subset{A}$，那么$A-B\in\mathcal{L}$.
3. 若$A_n\in\mathcal{L}$，且$A_n\subset{A_{n+1}}$，那么有$\bigcup_{n=1}^{\infty}A_n\in\mathcal{L}$.

样本空间也是一个$\lambda$-系统，有了一些$\pi$-系统中没有的合理性质。比如全事件，两个事件的差，单调事件列的极限的封闭性。

---

$\sigma$-代数，两个系统的结合

已经看到，两种系统各有优劣，都只能锁定一部分性质。实际上，两种系统结合起来，就是一个合理定义的最精炼的”定义域”，也就是$\sigma$-代数。如果一个集合$X$的子集族$\mathfrak{M}$既是$\pi$-系统又是$\lambda$-系统，那么$\mathfrak{M}$被称为定义在$X$上的$\sigma$-代数。

继续从样本空间出发考虑概率论中的例子。首先空集和全事件是肯定要有的。$\lambda$-系统就保证了这一点。根据1和2，$X-X=\varnothing\in\mathcal{L}$。如果将2中的$A$固定为$X$，那么又可以发现，任意子集的补集也在$\mathcal{L}$中。

最后需要考虑可数个并集的情况(这涉及到加法)。考虑到De Morgan定律，这也就解决了交集的问题。$\pi$-系统只交代了有限个的交运算，$\lambda$-系统只解决了单调集合列的运算，这两个单独看局限性肯定是很大的。但是结合起来就能得到任意可数个并集的情况了。这一点的论证是一个非常有意思的集合运算技巧，在这里演示一下。

设对于$n=1，2，\cdots$有$A_n\in\mathfrak{M}$，已经有$A_n^c\in\mathfrak{M}$。不难验证$B_n=\bigcup_{i=1}^{n}A_i=\left(\bigcap_{i=1}^{n}A_i^c\right)^c\in\mathfrak{M}$。又有$B_{n}\subset B_{n+1}$，所以$\bigcup_{n=1}^{\infty}B_n=\bigcup_{n=1}^{A_n}\in\mathfrak{M}$。

综上，定义在$X$上的$\sigma$-代数$\mathfrak{M}$满足三个性质:

1. $X\in\mathfrak{M}$.
2. 若$A\in\mathfrak{M}$，那么$A^c\in\mathfrak{M}$(这里$A^c=X-A$).
3. 若对$n=1, 2, \cdots$有$A_n\in\mathfrak{M}$，那么$\bigcup A_n\in\mathfrak{M}$.

这时，$X$称为可测空间，$\mathfrak{M}$中的元素称为可测集合。

一些评注和补充

1. 不难证明，$\sigma$-代数既是$\pi$-系统又是$\lambda$-系统。也就是说，它满足这两个系统本身的性质，所以集合的差，有限个集合的交、并自然不在话下。
2. $\sigma$-代数中的元素可以有很多个，比如$\mathcal{P}(X)$，也可以有两个，比如$\{\varnothing，X\}$。实际上，$X$的任何子集族都可以生成一个最小的$\sigma$-代数。特别地，由$X$的全体开子集生成的$\sigma$-代数$\mathcal{B}$是一个有特殊地位的代数，它能和谐地处理连续函数(广义的)。$\mathcal{B}$的元素称为Borel集。
3. $\pi-\lambda$定理(两种系统的关系)：设$\mathcal{P}$和$\mathcal{L}$分别是一个$\pi$-系统和一个$\lambda$-系统，而且$\mathcal{P}\subset\mathcal{L}$，设包含$\mathcal{P}$的最小$\sigma$-代数为$\sigma(\mathcal{P})$，那么有$\sigma(\mathcal{P})\subset\mathcal{L}$。

可测函数

对于一个有界函数，如果这个函数Riemann可积，那么这个函数几乎处处连续。例如单调函数、有可数个甚至有限个间断点的函数。但是在这里讨论Lebesgue函数时并不考虑函数是否连续(尽管连续函数和可测函数有很多联系，这不是这篇博客的重点)。

设函数$f:X\to{Y}$，定义在$X$上的$\sigma$代数为$\mathfrak{M}$，若对任意的开集$V\subset{Y}$都有$f^{-1}(V)\in\mathfrak{M}$。其中$f^{-1}(V)=\{x\in{X}:f(x)\in{V}\}$

如果不了解什么是”开集”，可以先看作开区间的推广，即不包括边界点的集合。比如开区间、平面中不包含边界的集合，而开集的补集为闭集。开集是一个拓扑的基本元素，可测函数的定义保证这样的函数是”不病态”的。其实很好理解: 我们花好大功夫规定了$\sigma$-代数，是为了方便我们积分，结果值域里一个开区间就找不到$\sigma$-代数里对应的一个$X$的合理的子集，那肯定是不合理的。至于闭集。闭集是开集的补集，严格地说，一个集合是开集当且仅当其补集为闭集。又考虑到$\sigma$-代数对补集和并集的封闭性，可测函数的合理性就更清楚了。

对于实函数，有一种很有用的判别方法:

如果$f(x)$的值域为$\mathbb{R}$，对于任意的$\alpha\in\mathbb{R}$都有$\{x\in{X}:f(x)>\alpha\}\in\mathfrak{M}$，那么$f$为可测函数。

这也是一个最基本的限制条件。考虑到$\sigma$-代数的几条性质，不难对全体开区间进行分析。对于复函数，考虑$f=u+iv$。如果$u，v$都是可测函数，那么$f$是可测函数。

对于连续函数，如果$\mathfrak{M}$包含全体Borel集，那么连续函数可测。因为对于连续函数$f$，$f^{-1}(V)$一定为开集(可以从$\varepsilon-\delta$语言的角度考虑一下)。

特征函数、简单函数

如果$E$为可测集，定义函数

$$\chi_E(x)=\begin{cases}1\quad{x\in{E}}\\ 0\quad{x\notin{E}}\end{cases}$$

那么$\chi_E(x)$是一个可测函数。对于离散集合，每个点都应该看成开集。$\chi$被称为特征函数。

---

简单函数是指值域只有有限个点的函数，也就是所谓”阶梯函数”，但是要注意这里的阶梯并不一定是单调的。Lebesgue积分就是用阶梯函数的积分逼近的。如果找出每个取值点的原象，那么一个简单函数可以写成特征函数的形式。也就是说，设简单函数$s$的取值为$\alpha_1，\cdots，\alpha_n$，又令$A_i=\{x:s(x)=\alpha_i\}$，那么不难得到

$$s=\sum_{i=1}^{n}\alpha_i\chi_{A_i}$$

也不难发现，如果每个集合$A_i$都是可测集，那么$s$为可测函数。

任意可测函数都可以用简单函数逼近。也就是说，

设函数$f:X\to[0，+\infty]$为可测函数，存在定义在$X$上的可测简单函数$s_n(x)$使得

1. $0\leq s_1\leq s_2\leq\cdots\leq f$.
2. 对任意$x\in{X}$有$s_n(x)\to f(x)(n\to\infty)$.

如果$f$既有正值又有负值，那么可以讨论$f^{+}=\text{max}(f，0)$和$f^{-}=-\text{min}(f，0)$即可，这两部分分别逼近之后又可以通过$f=f^{+}-f^{-}$结合起来。

测度、测度空间

做完了被积函数的工作之后再回到集合的”大小”这个概念上。实际上概率论中某一事件的概率就 是一种测度。只不过这一测度的值域是$[0，1]$，而一般的测度的值域是$[0，+\infty]$。概率是一个从集合到$[0，1]$的映射，另外还有一点我想大家都很熟悉。如果$A\cap{B}=\varnothing$，那么$P(A\cup{B})=P(A)+P(B)$。这其实是基于测度定义的一个推广，严格地说，

一个正测度是定义在一个$\sigma$-代数$\mathfrak{M}$上的函数$\mu$，其值域为$[0，+\infty]$，而且满足可列可加性。也就是说，对互不相交的集合列$\{A_k\}$，有 $\mu(\bigcup_{k=1}^{\infty}A_i)=\sum_{i=1}^{\infty}\mu(A_i)$

对于$\mu$，假设至少有一个$A\in\mathfrak{M}$使得$\mu(A)<+\infty$。

和Riemann积分最接近的测度就是Lebesgue积分$m$。粗略地说，$m([a，b])=b-a$。这代表了Euclidean空间中点集的”体积”。如果是离散集合，设$\mu(E)$表示$E$中元素的个数，那么$\mu$也构成一个测度。但是一个集合是不是Lebesgue可测是一个比较复杂的问题。这在以后会解释。

一个测度空间指的是一个可测空间和一个定义在可测空间的$\sigma$-代数上的正测度。复测度是一个复值函数，定义域和正测度相同，而且满足可列可加性。

不难发现，$\mu(\varnothing)=0$，对于有限个互不相交的集合，可列可加性也是成立的(对于$n$个集合，将$n+1$个以后的集合看成空集即可)。

Lebesgue积分的构造

终于到了Lebesgue积分了。在进行之前先回顾一下我们做了什么工作。首先，考虑到积分是在集合的子集上(可以考虑$\mathbb{R}$的一些子集)下文章，我们找到了这个子集族需要满足的条件，也就是说，是一个$\sigma$-代数。为了测量一个集合的”大小”，我们定义了测度这个概念。这是”区间长度”的非常和谐的抽象推广。从一般的函数到所有可测的实函数、复函数，主要会通过下面三步进行。

简单函数

考虑非负可测简单函数(其他情况会另外考虑)$s=\sum_{i=1}^{n}\alpha_{i}\chi_{A_i}$。$s$为可测函数也就是说，对任意的$A_i$都有$A_i\in\mathfrak{M}$，这样的话$\mu(A_i)$就是存在的，否则运算没法进行，这也是函数可测性的意义体现。

回到博客开头，考虑面积，就需要考虑函数值($\alpha_i$)和区间长度。这里的抽象的”区间长度”变成了$\mu(A_i)$。如果积分的集合是$E\in\mathfrak{M}$，那么就有$A_i\cap{E}\in\mathfrak{M}$(因为$\mathfrak{M}$是$\pi$-系统!)。那么直接求和就行了:

$$\int_{E}sd\mu = \sum_{i=1}^{n}\alpha_{i}\mu(A_i\cap{E})$$

如果$\mu$表示的是实际的区间长度，那么这就是简单的面积求和; 如果$\mu$是一个概率测度，那么这就是计算了数学期望(随机变量是一个可测函数)。这里还有一个很有意思的例子:

如果$X$表示了你全部的课程，每门课用$A_i$表示，$\mu(A_i)$表示了这门课的学分，$\alpha_i$表示了这门课的绩点，那么这个Lebesgue积分再除以总学分就是你的GPA。

这里还需要定义$0*\infty=0$。可能有点别扭，但是这种情况还是要考虑的。比如有的时候$\alpha_i=0$(别考虑GPA了!)而$\mu(A_i\cap{E})=\infty$。这个定义也是有必要的。比如$f(x)=0$在$\mathbb{R}$上的积分应该是$0$而不是别的。

全体非负可测实函数

如果$f:X\to[0，+\infty]$为可测函数，那么对于$E\in\mathfrak{M}$定义

$$\int_{E}fd\mu=\sup\int_{E}sd\mu$$

其中上确界取遍所有$0\leq{s}\leq{f}$的可测简单函数。而我们已经知道，可测函数可以被简单函数逼近。所以这可以看成一个被简单函数逼近的过程。

全体复函数

最开始我们只讨论了非负实函数。其余两种情况，如果涉及到负数，可能计算上确界有点不合适; 对复数更不合适，因为复数没有大小。但是好在我们可以将这两种情况统一起来。设$f=u+iv$($v$可能恒等于$0$)，那么就设

$$\int_{E}fd\mu=\int_{E}u^+d\mu-\int_{E}u^-d\mu+i\left(\int_{E}v^+d\mu-\int_{E}v^-d\mu\right)$$

总而言之，从计算矩形面积，变成计算抽象的集合测度和函数值的乘积，推广之后就得到了Lebesgue积分。以后会详细论证Riemann积分和Lebesgue积分的具体关系。Lebesgue积分虽然在计算上并不一定有很好的优势，但是在抽象论证过程中有了更多的可能性。以后也会讲到，Lebesgue积分在处理收敛问题时的便利之处，最开始的一个题也就很简单了。

前言

Fourier级数是相当优美的一类级数，但它涉及到的问题绝对不仅仅是通过各种运算技巧求表达式。 相反，它是一个很复杂、很困难的大话题。
我在这里会把一些基本内容和一系列严格的证明整理下来。 从Fourier级数出发，我们能看到很多重要的基本技巧的应用，也会遇见和实际应用息息相关的问题。
当然这些内容里不会包括如何求表达式，我觉得计算机做得比我好多了。

Fourier级数

在读这篇文章时， 你可能已经学到了一些求Fourier级数系数的技巧， 这可以看成一元微积分的角度的理解。 接下来，
我们希望从向量几何的角度看待Fourier级数。 当然， 这里不是要求画出几何图像， 而是要求理解运算规则。

级数的表达

最常见的Fourier级数是这种形式：

$$f(x)=a_0+\sum_{n=1}^{\infty}(a_n\cos nx+b_n\sin nx)\quad x\in\mathbb{R}$$

这里的$a_n$和$b_n$既可以是实数又可以是复数(但我们接下来主要讨论实数函数$f$)。 有的地方把第一项写成$\frac{a_0}{2}$，
这是考虑到积分时会多出来的一个$\frac{1}{2}$。 两种写法单纯是关于如何统一表达，在后面会解释。 考虑到$e^{ix}=\cos x+i\sin
x$， 上面的式子可以写成

$$f(x)= \sum_{-\infty}^{\infty}c_ne^{inx}\quad x\in\mathbb{R}$$

用这种表达方式时不用考虑$c_n$的细节。 注意到$a_0$可以写成$a_0\cos 0x + b_0\sin 0x$。

关于级数的系数，即函数的“坐标”

单位正交系

我们先回忆线性代数里的知识。 一个行向量和一个列向量的乘积是这样的：

\begin{equation}
\begin{bmatrix}a&b\end{bmatrix}\begin{bmatrix}c\\d\end{bmatrix}=ac+bd
\end{equation}
进一步，第一个行向量可以看成列向量的转置。 那么这个$ac+bd$就是两个2维平面内列向量的内积。这就是高中数学中所讲的“向量乘法”。 这涉及到经典欧基里德空间的内积定义。 而谈到向量，单位正交向量肯定是非常有探讨价值的。因为一般情况下其他向量可以用单位正交向量比较简介地表示出来。
但是向量内积不仅仅存在于经典的欧氏空间。我们可以定义一系列定义域相同的函数，例如$[a，b]$上的函数$f$和$g$的内积可以定义成

$$(f，g):=\int_a^b f(x)\overline{g}(x)dx$$

其中$\overline{g}$表示$g$的共轭复数。

在内积空间里， 两个向量的内积为$0$， 说明两个向量正交(这和欧几里得空间是一致的)。 或者更形象地说， 夹角为$\frac{\pi}{2}$。
而向量的模的平方即自身和自身的内积。 我们可以定义函数的“单位正交系”

若定义在$[a，b]$上的一系列函数$\{\varphi_n(x)\}$若满足$(\varphi_n，\varphi_n)=1$而$(\varphi_n，\varphi_m)=0(m\neq n)$， 则被称为单位正交系。

再看Fourier级数

可以验证，在$[-\pi，\pi]$上，下列两组函数是满足单位正交的条件的：

$$\frac{e^{ix}}{\sqrt{2\pi}}，\frac{e^{2ix}}{\sqrt{2\pi}}，\frac{e^{3ix}}{\sqrt{2\pi}}，\cdots$$ $$\frac{1}{\sqrt{2\pi}}，\frac{\cos x}{\sqrt{\pi}}，\frac{\sin x}{\sqrt{\pi}}， \frac{\cos 2x}{\sqrt{\pi}}，\cdots$$

读到这里可以发现，$a_0$和$\frac{a_0}{2}$的表示应该和$\frac{1}{\sqrt{2\pi}}$或者$\frac{1}{\sqrt{\pi}}$有关。

在$\mathbb{R}^n$里，如果知道单位正交向量$\mathbf{e_1}，\cdots，\mathbf{e_n}$，
那么任意向量都可以唯一表示成$x_1\mathbf{e_1}+\cdots+x_n\mathbf{e_n}$。 向量$\mathbf{\alpha}$在的第$k$坐标分量为$(\mathbf{\alpha}，\mathbf{e_k})$。
通过这个角度看Fourier级数，就会发现，各项的系数就是函数的坐标：

$$c_m=\int_a^bf(x)\overline{\varphi_m}(x)dx$$

如果我们再看第二个复函数形式的表达式，就有

$$c_m=\frac{1}{2\pi}\int_{-\pi}^{\pi} f(x)e^{-imx}dx$$

为了得到这个形式($c_m$不受影响)，
我们先用$\frac{e^{imx}}{\sqrt{2\pi}}$表示$f$， 应该有

$$\frac{f(x)}{\sqrt{2\pi}}=\sum_{-\infty}^{\infty}c_n\frac{e^{inx}}{\sqrt{2\pi}}$$

这里到底发生了什么? 我们把傅里叶级数的问题放到了一个以函数为元素的空间中， 然后选择了一组空间的基， 然后求出的系数就是这组基下的坐标。 于是， 我们找到了傅里叶级数的几何意义(抽象上的)， 这使我们能像高中平面几何、空间几何一样利用向量的性质解决一些问题， 尽管傅里叶级数涉及到的空间的维度是无穷大。

内积运算的规则

下列内积运算的规则会在接下来用到。 涉及到复数， 因此和经典欧基里德空间有不同之处(但是考虑到实数的共轭复数是本身， 最后一个性质其实是一样的)。 但是可以一个一个进行验证。

• $(a+c，b)=(a，b)+(c，b)$

• $(a，b+c)=(a，b)+(a，c)$

• $(ka，b)=k(a，b)$

• $(a，kb)=k(a，b)$

• $(a，b)=\overline{(b，a)}$

Dirichlet核

定义式

Dirichlet核的定义是这样的：

$$D_N(x)=\sum_{-N}^N e^{inx} = \frac{\sin(N+\frac{1}{2})x}{\sin\frac{x}{2}}$$

第二个等号既可以直接合并$e^{inx}$和$e^{-inx}$得到$\cos nx$的式子从而进行积化和差，又可以利用等比数列的性质得到。

搭建起Dirichlet核和原函数的桥梁

针对文章开头提到的第二种定义，可以定义函数数列

$$s_N(x)=\sum_{-N}^N c_ne^{inx}$$

将$c_n$展开，有
\begin{equation}
\begin{aligned}
s_N(x)&=\sum_{-N}^N\left(\frac{1}{2\pi}\int_{-\pi}^{\pi}f(t)e^{-int}dt\right)e^{inx}\\
&=\int_{-\pi}^{\pi} \frac{1}{2\pi}f(t)\sum_{-N}^Ne^{in(x-t)}dt\\
&=\frac{1}{2\pi}\int_{-\pi}^{\pi} f(t)D_N(x-t)dt\\
&=\frac{1}{2\pi}\int_{-\pi}^{\pi} f(x-t)D_N(t)dt
\end{aligned}
\end{equation}
最后一个等号通过函数的周期性和简单的换元运算得到。 至此，Dirichlet核和原函数的桥梁就被搭建起来了。
接下来，需要证明，以这个函数核构建的函数收敛于$f$。

Bessel不等式以及其重要推论

设$f(x)$在正交函数系${\varphi_n(x)}$下的系数为${c_n}$，
则有$\sum_{n=1}^{\infty}|c_n|^2\leq(f，f)$。

设$s_n(x)=\sum_{m=1}^n c_m\varphi_m(x)$， 其中$c_m=\int_a^b
f(x)\overline{\varphi_m}(x)dx$。 下面通过讨论$s_n(x)$到$f(x)$的误差得到这个不等式和一个重要的推论。

注意到$(f，s_n)=\int_a^b
f(x)\sum\overline{c_m}\overline{\varphi_m(x)}dx=\sum\overline{c_m}\int_a^b
f(x)\overline{\varphi_m(x)}dx=\sum|c_m^2|=\overline{(f，s_n)}=(s_n，f)$，
以及$(s_n，s_n)=\sum|c_m^2|$， \begin{equation} \begin{aligned}
(f-s_n，f-s_n)&=(f，f-s_n)-(s_n，f-s_n)\\\
&=(f，f)-(f，s_n)-(s_n，f)+(s_n，s_n)\\\
&=(f，f)-(s_n，s_n)\\\
&\geq 0 \end{aligned} \end{equation} 也就是说，

$$(s_n，s_n)=\sum_1^n|c_m|^2\leq(f，f)$$

$n\to\infty$时，就是所谓的Bessel不等式。
也可以发现，函数的Fourier系数$c_m$满足$\lim\limits_{n\to\infty}c_m=0$。
这个推论会在下面Dirichlet核收敛的证明中用到。

收敛证明

(Dini’s Test)若对一些$x$有常数$\delta>0$和$M<\infty$使得

$$|f(x+t)-f(x)|\leq M|t|$$

对所有$t\in(-\delta，\delta)$成立，那么有

$$\lim\limits_{n\to\infty}s_N(x)=f(x)$$

要注意的是，我们在这里只讨论逐点收敛。 其他形式的收敛会在接下来的文章中讨论

定义函数

$$g(t)= \begin{cases} \frac{f(x-t)-f(t)}{\sin(t/2)}，0<|t|<\pi\\ 0，t=0 \end{cases}$$

考虑到

$$\frac{1}{2\pi}\int_{-\pi}^{\pi}D_N(x)dx=1$$

因此有

$$\frac{1}{2\pi}\int_{-\pi}^{\pi}D_N(t)f(x)dt=f(x)$$

所求函数和原函数做差，就有
\begin{equation}
\begin{aligned}
s_N(x)-f(x)&=\frac{1}{2\pi}\int_{-\pi}^{\pi}g(t)\sin\left(N+\frac{1}{2}\right)tdt\\
&=\frac{1}{2\pi}\int_{-\pi}^{\pi}\left[g(t)\cos\frac{t}{2}\right]\sin Ntdt+\frac{1}{2\pi}\int_{-\pi}^{\pi}\left[g(t)\sin\frac{t}{2}\right]\cos Ntdt
\end{aligned}
\end{equation}
根据$f(x)$的条件和$g(x)$的定义，$g(x)\cos(t/2)$和$g(x)\sin(t/2)$是有界的。
利用Bessel不等式的推论可以发现，这两个积分趋近于$0$。 这就证明了结论。

总结&我接下来想写的

写到这里，已经涉及到了很多数学中的基本技巧：三角函数、向量内积、复变函数、等比数列、函数项数列收敛等等。 Fourier级数可以说是相当“优美”的一类级数。 在一些领域中，展开式中每一项均具有物理意义这是其他级数难以企及的。 我们又可以看到，Fourier级数还可以跳出三角函数的限制， 放在普遍的无穷维空间的规范正交基。 此外，它的收敛定理相比幂级数而言也是很宽松的。

接下来还有很多内容，我暂时的打算是这样的(已基本放弃；以后可能会有比较专门的调和分析内容)：

• Jordan’s criterion(关于$s_N(x)$收敛什么时候收敛到什么值)，涉及到“有界差分”的概念

• Parseval等式和应用(Fourier分析理论的核心内容之一)，如三角函数系的完备性

• Fejer核、Poisson核(一致收敛问题)

• …