关于勒让德多项式平方加权和极限的证明问询

嘿，这个问题挺有意思的——从量子机器学习场景里挖出来的勒让德多项式相关极限，确实值得好好拆解一下。先把问题背景和核心诉求明确下来：

注：这个问题来自Alex Meiburg（通过Facebook），是他在量子机器学习中研究勒让德多项式时发现的。

我们先回顾勒让德多项式的经典正交性恒等式（在狄拉克δ函数意义下成立）：
$$\sum_{k=0}^\infty \frac{2k + 1}{2} P_k(x)P_k(y) = \delta(x-y)$$

现在需要证明这个通过实验观察得到的极限结论：
$$\lim_{n \to \infty}\frac{1}{n}\sum_{k=0}^{{n-1}\frac{2k+1}{2}P_k\left(x\right)}{2} = \frac{1}{\pi\sqrt{1-x^{2}}}$$

核心推导思路参考 #

这个结论可以从勒让德多项式的渐近行为和正交多项式的平均分布性质入手，这里给你梳理几个关键步骤：

• 首先利用大k时的勒让德多项式渐近公式：令$x = \cos\theta$（其中$\theta \in (0,\pi)$），则有
  $$P_k(\cos\theta) \sim \sqrt{\frac{2}{\pi k \sin\theta}} \cos\left((k+\frac{1}{2})\theta - \frac{\pi}{4}\right)$$
• 将这个渐近式代入求和项中的$P_k(x)^{2$，展开后利用三角函数的平均性质：$\cos}2(z)$在z取遍足够多周期时的均值为$\frac{1}{2}$
• 把加权项$\frac{2k+1}{2}$近似为$k$（当k很大时，$2k+1≈2k$，所以$\frac{2k+1}{2}≈k$），然后对k从0到n-1求和并除以n，计算后就能得到极限结果$\frac{1}{\pi\sqrt{1-x^2}}$
• 从更理论的角度看，这个极限其实对应勒让德多项式正交测度的密度——勒让德多项式在区间$[-1,1]$上关于测度$d\mu(x)=\frac{1}{\pi\sqrt{1-x^2}}dx$正交，这种加权和的极限正是该测度的密度，属于正交多项式理论里的经典结果

备注：内容来源于stack exchange，提问作者Brevan Ellefsen