COMENTARIO
Vamos a tener cuidado aquí... aun cuando el producto de la suma no puede ser Cesaro summable, que todavía puede ser limitada. ¿Cómo podemos hacer sentido de Cauchy-Schwarz desigualdad de aquí?
\underbrace{\left( \frac{1}{N}\sum a_n b_n\right)^2 }_{C^2} \leq \left(\frac{1}{N}\sum a_n^2\right) \left(\frac{1}{N}\sum b_n^2\right) = \underbrace{\left(\frac{1}{N}\sum a_n\right)}_{A} \; \;
\underbrace{\left(\frac{1}{N}\sum b_n\right)}_{B}
En cierto sentido, la suma de los productos nunca puede conseguir una mayor que la raíz cuadrada del producto o de la media geométrica.
C \leq \sqrt{A \times B}
Recuerde que a, b = 0 o 1, de modo que a^2 = a, ya que el 0^2 = 0, 1^2 = 1.
UN PAR DE MANERAS DE PENSAR ACERCA DE CESARO SUMA
Podemos imaginar la secuencia de a_1, a_2, a_3 \dots como en los resultados de una variable aleatoria A \in \{0,1\} (más correctamente, un sistema dinámico). Entonces podríamos intentar definir una expectativa:
\mathbb{E}(A) = \lim_{N \to \infty} \frac{1}{N} \sum a_n
Por desgracia, este límite podría no existir. En una escala de la fracción de 0 podría ser \frac{1}{2} en una escala mayor que la fracción puede ir a \frac{1}{3}. Uno de los más grandes y de mayor escala que la relación podría alternar entre el\frac{1}{3}\frac{1}{2}. Así que en lugar, podemos definir dos densidades:
\overline{\mathbb{E}(A)} = \limsup_{N \to \infty} \frac{\sum a_n}{N} = \overline{d(A)} \hspace{0.25in}\text{ vs }\hspace{0.25in} \underline{\mathbb{E}(A)} = \liminf_{N \to \infty} \frac{\sum a_n}{N}=\underline{d(A)}
En lugar de una expectativa de una variable aleatoria, estamos tomando la parte superior e inferior de la densidad del conjunto de A = \{ n\in \mathbb{N}: a_n = 1\}. Entonces nos preguntamos:
\overline{d(A)}=\underline{d(A)} \hspace{0.25in}\text{ and }\hspace{0.25in} \overline{d(B)}=\underline{d(B)} \hspace{0.25in}\longrightarrow?\hspace{0.25in} \overline{d(A\cap B)}=\underline{d(A\cap B)}
Esta notación se está volviendo un poco denso para mí, así que no estoy contento con él, pero al menos es más estándar.
CONSTRUCCIÓN
El Cauchy Schwartz desigualdad básicamente dice \mathbb{E}(AB) \leq \mathbb{E}(A)\mathbb{E}(B). Si sabemos que \mathbb{E}(A) = \frac{1}{2}\mathbb{E}(B) = \frac{1}{2}, no sabemos nada acerca de la expectativa \mathbb{E}(AB) (o, equivalentemente, la densidad de d(A \cap B).
Siquiera es un número?
Esta es una declaración acerca de cómo los conjuntos de A B están correlacionados. Podemos mostrar que A B se relaciona de diversas maneras y a diferentes escalas, de tal manera que d(A \cap B) no converge a cualquier límite.
Si d(A) = d(B) = \frac{1}{2}, la densidad de la intersección podría ser cualquier número 0 \leq d(A \cap B) \leq \frac{1}{2}. De hecho, durante cualquier intervalo finito ciertamente podríamos tener |A \cap B \cap [1, N]| ser cualquier número entre el0\frac{N}{2}.
En el intervalo de [0,N] deje A \cap B han densidad de 0 y en [N, 2N] deje A \cap B han densidad de \frac{1}{2}. Más generalmente deje A \cap B han
- densidad de 0 en el conjunto de [2^{2k} N, 2^{2k+1}N]
- densidad de \frac{1}{2} en el conjunto de [2^{2k+1} N, 2^{2(k+1)}N]
Este comportamiento debe conducir a un conflicto de comportamiento entre la parte superior e inferior de las densidades \overline{d(A\cap B)}\underline{d(A\cap B)}.
|A \cap B \cap [0, 2^{2k+1}]| < \frac{1}{2}2^{2k} , de modo que \underline{d(A \cap B)} < \frac{1}{2}\frac{2^{2k}}{2^{2k+1}} = \frac{1}{4}
|A \cap B \cap [0, 2^{2k}]| > \frac{1}{2}(2^{2k-1} + 2^{2k-3}) , de modo que \overline{d(A \cap B)} > \frac{\frac{1}{2}(2^{2k-1} + 2^{2k-3})}{2^{2k}} = \frac{1}{4} + \frac{1}{8} = \frac{5}{16}
No es tan dramático como me gustaría, pero nos han mostrado \underline{d(A \cap B)} < \frac{1}{4}, y sin embargo \overline{d(A \cap B)} > \frac{5}{16} por lo tanto d(A \cap B) no existen... sino d(A \cap B) \notin \mathbb{R}.