连续函数卷积

形式陈述 ​

对 $f,g\in L^1({\mathbb{R}}^d)$，函数卷积在几乎处处意义下定义为

$$(f\ast g)(x)={\int }_{{\mathbb{R}}^d}f(y)g(x-y)dy.$$

它仍属于 $L^1$，并满足 Young 不等式的基本情形

$$\Vert f\ast g{\Vert }_1\le \Vert f{\Vert }_1\Vert g{\Vert }_1.$$

在这些条件下卷积交换且结合。$L^1({\mathbb{R}}^d)$ 中没有真正的单位函数；Dirac 测度只在扩大的测度框架中担当单位元。若 $f,g$ 是概率密度，则 $f\ast g$ 是两个独立随机变量之和的密度。

直觉 ​

对每个输出位置 $x$，先把 $g$ 翻转并平移成 $y\mapsto g(x-y)$，再用 $f(y)$ 加权积分。核越集中，卷积越接近读取局部值；核越宽，输出越像邻域平均。这个滑动叠加图像解释了平滑、模糊与线性时不变系统的响应。

例子与边界 ​

两个区间指示函数 ${\mathbf{1}}_{[0,1]}$ 的卷积是三角函数：在 $0\le x\le 1$ 时等于 $x$，在 $1\le x\le 2$ 时等于 $2-x$，其余为零。数值来自两个区间 $[0,1]$ 与 $[x-1,x]$ 的重叠长度，正好把“所有分解的贡献”变成几何长度。

级数或积分换序需要绝对可积、非负性或其他足以调用 Tonelli–Fubini 定理的条件。卷积可能改善光滑性，但能微分多少次取决于核与输入的弱导数和可积性；不能因为公式含积分就自动声称结果光滑。紧支撑也按 Minkowski 和传播，而不是保持原支撑大小。

推论与应用 ​

Fourier 变换把卷积变成频域乘法。与近似恒等核卷积可做平滑与逼近；在偏微分方程中，与基本解卷积可构造线性方程的解，但微分与积分能否交换、边界条件是否被满足仍需单独验证。概率论中，密度卷积只是一般测度卷积的绝对连续特例；含原子分布时必须回到测度层，而不能强行写密度。

参考资料

• Elias M. Stein and Rami Shakarchi, Fourier Analysis: An Introduction, Princeton University Press, 2003，convolution on Euclidean space。
• Gerald B. Folland, Real Analysis: Modern Techniques and Their Applications, 2nd ed., Wiley, 1999，Young inequalities and convolution。