为何傅里叶变换/特征函数收敛而拉普拉斯变换/矩生成函数不收敛？

这个问题的核心在于复指数的振荡特性和实指数的增长/衰减特性之间的本质差异，结合你给出的例子，我们可以拆解成几点来理解：

1. 复指数的振荡抵消效应 #

傅里叶变换（或特征函数）中用到的复指数 $e^{i\omega t}$ 是周期性振荡的：它的实部是 $\cos\omega t$，虚部是 $\sin\omega t$，这两个函数在 $(-\infty, +\infty)$ 上具备正交性——正负区间的函数值会相互抵消。

拿你给出的例子来说，$\int_{-\infty}^{+\infty}e{i\omega t}\frac{1}{1+|t|}dt$ 之所以收敛，是因为当 $t$ 趋向于正负无穷时，$\frac{1}{1+|t|}$ 虽然衰减很慢（仅比 $\frac{1}{|t|}$ 快一点），但振荡的 $\cos\omega t$ 和 $\sin\omega t$ 会让积分的正负部分相互抵消，最终得到一个有限的结果（这个积分可转化为 $2\int_{0}^{+\infty}\frac{\cos\omega t}{1+t}dt$，属于条件收敛的积分）。

2. 实指数的单向增长/衰减问题 #

而拉普拉斯变换（或矩生成函数）用到的是实指数 $e^{st}$（$s$ 为实数时）或 $e^{xt}$（$x$ 为实数），这类函数的特点是单向增长或衰减：

• 如果 $s>0$，$e^{st}$ 在 $t\to+\infty$ 时会指数增长，乘以 $\frac{1}{1+|t|}$ 后，整体仍然趋向于无穷大，导致 $\int_{0}^{+\infty}e{st}\frac{1}{1+t}dt$ 发散；
• 如果 $s<0$，$e^{st}$ 在 $t\to-\infty$ 时会指数增长（因为 $st = |s||t|$），同样导致 $\int_{-\infty}^{0}e{st}\frac{1}{1+|t|}dt$ 发散；
• 即使 $s=0$，积分就退化为 $\int_{-\infty}^{+\infty}\frac{1}{1+|t|}dt$，显然是发散的。

矩生成函数的情况完全类似：它是 $E[e^{xX}] = \int_{-\infty}^{+\infty}e{xt}f(t)dt$，对于你例子中的 $f(t)=\frac{1}{1+|t|}$，不管 $x$ 取正还是负，总有一个半轴的积分会因为 $e^{xt}$ 的增长而发散。

3. 概率论中的特殊情况补充 #

在概率论里，特征函数对所有概率分布都收敛——因为 $|e^{itX}|=1$，被积函数的绝对值就是概率密度 $f(t)$，而概率密度的积分是1（绝对收敛）。但矩生成函数却不一定存在：比如柯西分布，它的密度是 $\frac{1}{\pi(1+t^2)}$，特征函数是 $e^{-|ω|}$ 收敛，但矩生成函数 $\int_{-\infty}^{+\infty}e{xt}\frac{1}{\pi(1+t^2)}dt$ 对任何 $x≠0$ 都发散，原因就是实指数的单向增长无法被密度的衰减抵消。

总结一下：含虚数的变换依赖振荡抵消实现收敛，而不含虚数的实指数变换因为单向增长的特性，无法在全实数轴上收敛，甚至在大部分半平面也无法收敛。

内容的提问来源于stack exchange，提问作者eSurfsnake