Professional Documents
Culture Documents
Real Analysis 2019
Real Analysis 2019
高峰
1 集合论 · · · · · · · · · · · · · · · · · 5
1.1 集合的基本概念 · · · · · · · · · · · · 5
1.2 关系:映射、函数 · · · · · · · · · · · · 11
1.3 基数 · · · · · · · · · · · · · · · 17
1.4 Cantor 集 · · · · · · · · · · · · · · 24
2 距离空间 · · · · · · · · · · · · · · · · 27
2.1 拓扑空间的基本概念 · · · · · · · · · · · 27
2.2 距离和距离空间 · · · · · · · · · · · · 28
2.3 Banach 空间和 Hilbert 空间 · · · · · · · · · · 30
2.4 距离空间的拓扑 · · · · · · · · · · · · 33
2.5 连续性和乘积拓扑 · · · · · · · · · · · · 40
2.6 拓扑空间与距离空间收敛的差异 · · · · · · · · 42
3 完备性与紧性 · · · · · · · · · · · · · · · 45
3.1 全有界 · · · · · · · · · · · · · · · 45
3.2 完备性 · · · · · · · · · · · · · · · 46
3.3 紧性 · · · · · · · · · · · · · · · 55
4 连续性和连续函数空间 · · · · · · · · · · · · 63
4.1 连续性 · · · · · · · · · · · · · · · 63
4.2 连通性 · · · · · · · · · · · · · · · 69
4.3 连续函数空间 · · · · · · · · · · · · · 71
4.4 连续函数的延拓 · · · · · · · · · · · · 79
4.5 Banach 空间上的线性泛函 · · · · · · · · · · 82
2
目录 3
5 测度 · · · · · · · · · · · · · · · · · 85
5.1 测度的定义 · · · · · · · · · · · · · · 85
5.2 R 空间的 Lebesgue 测度
n
· · · · · · · · · · 89
5.3 可测集的 Lipschitz 变换· · · · · · · · · · · 105
5.4 测度与集合列的极限 · · · · · · · · · · · 106
5.5 补充 · · · · · · · · · · · · · · · 107
6 可测函数 · · · · · · · · · · · · · · · · 109
6.1 映射的可测性 · · · · · · · · · · · · · 109
6.2 可测函数的性质 · · · · · · · · · · · · 113
6.3 可测函数的收敛 · · · · · · · · · · · · 119
6.4 应用:极大似然估计 · · · · · · · · · · · 125
7 积分与期望 · · · · · · · · · · · · · · · 127
7.1 积分的定义 · · · · · · · · · · · · · · 127
7.2 积分的几个收敛定理 · · · · · · · · · · · 131
7.3 可积函数空间的性质 · · · · · · · · · · · 135
7.4 对偶空间 · · · · · · · · · · · · · · 139
7.5 Riemann 积分与 Lebesgue 积分 · · · · · · · · · 141
7.6 Riesz-Markov 表示定理 · · · · · · · · · · · 145
8 乘积测度 · · · · · · · · · · · · · · · · 150
8.1 乘积测度的定义 · · · · · · · · · · · · 150
8.2 Fubini- Tonelli 定理 · · · · · · · · · · · · 155
8.3 高维 Riemann 积分 · · · · · · · · · · · · 157
8.4 概率与测度 · · · · · · · · · · · · · · 158
9 单调函数与可微性 · · · · · · · · · · · · · · 167
9.1 Borel-Kolmogorov 悖论 · · · · · · · · · · · 167
9.2 单调函数 · · · · · · · · · · · · · · 169
9.3 单调函数的可微性 · · · · · · · · · · · · 170
9.4 覆盖定理和极大函数 · · · · · · · · · · · 178
10 有界变差函数 · · · · · · · · · · · · · · · 180
10.1 有界变差函数 · · · · · · · · · · · · · 180
10.2 有界变差函数空间 · · · · · · · · · · · · 183
4 目录
1.1 集合的基本概念
1.1.1 集合的运算
子集,真子集,包含 ⊂(注意此处此符号允许两个集合相等)
,A ⊂ B, A ⊃ B ⇔ A = B,
属于 ∈
幂集,就是指一个集合所有子集形成的集合.记为 P ( A ),注意 ;, A ∈ P ( A ).
常见的集合的运算有交 ∩,并 ∪,补(余) A c ,差 A − B 或者 A \B,对称
差 ∆, A ∆B = ( A − B) ∪ (B − A )
交换律,结合律:任意多集合的交(并)的运算与运算顺序无关
S S T T
分配率: A ∩ ( Bi) = (A ∩ Bi) ,A ∪ ( Bi) = ( A ∪ B i ),对任意集合 I
i∈ I i∈ I i∈ I i∈ I
都成立
De
µ Morgan
¶ 法则,建立了求补集和并、交运算之间的关系.
µ ¶ c c
S T T S
Ai = A ci , Ai = A ci 对任意集合 I 都成立.
i∈ I i∈ I i∈ I i∈ I
1.1.2 集合类
下面介绍集合类的概念,也就是集合的集合。通常我们考虑的是给定一个全集之
后,其子集形成的集合 (类)。根据集合类是否对集合运算封闭,可以将其分为不
同的类型,设 C 是全集 X 的某些子集组成的集类(有限和可列的概念参见基数
部分)
1. 若 C 对有限交封闭,则 C 为 π 类
2. 若 ; ∈ C ,且 A ,B ∈ C ⇒ A ∩ B ∈ C , A \B 可表示成 C 中有限个互不相交
的集合的并.则 C 为半环.
5
6 CHAPTER 1. 集合论
3. 若 A, B ∈ C ⇒ A ∆B ∈ C , A ∩ B ∈ C ,则 C 为环。(可证明,必有 ;, A − B, A ∪ B ∈
C)
4. 如果 X ∈ C ,且 C 是半环,称 C 为半代数.
5. 如 X ∈ C ,; ∈ C ,且对有限交、取余集运算封闭,则 C 为代数.
6. 若 X ∈ C ,; ∈ C ,且对可列交、取余集运算封闭,则称 C 为 σ 代数(σ 域)
.
S T
7. 若 C 对单调集合序列求极限封闭 (即 A n ∈ C , A n ↑(或 ↓) A = An( A n ),
n n
则 A ∈ C ),则 C 为单调类.
8. 若 X ∈ C ; A ,B ∈ C ,B ⊂ A ⇒ A \B ∈ C ; A n ∈ C , A n ↑ A ⇒ A ∈ C ,则 C 为
λ类
) +
⊂ 代数 π类
显见:σ代数 ⇒ σ代数,代数 ⊂ 半环, ⇒ σ代数
⊂ 单调类 λ类
练习
S
5. F 是 X 上的 σ 代数,{E n , n ∈ N} 是 F 中的递增集合列,并且 n∈N E n = X,
T S
定义 Fn = F E n = {E ∩ E n : E ∈ F },问是否有 n∈N F n =F
1.1.3 单调类定理
定义. 对于 X 上的任一非空集类 C ,存在(存在性的证明留作练习)包含 C 的
最小 σ 代数,最小 λ 类,最小单调类,称为由 C 生成的 σ 代数 σ (C ),生成的
λ 类 λ (C ),生成的单调类 m (C ).
T
(一般情况下并不关心具体如何生成,不过一定有 σ (C ) = C α ,其中任意
α
C α 是 σ 代数且 C ⊂ C α ,其它类似)。
总有 m (C ) ⊂ λ (C ) ⊂ σ (C )(为什么?),下面定理说明什么时候可取等号。
:关键证 σ (C ) ⊂ λ (C )。只需要证 λ (C ) 是 σ 代
Proof.(只证 1,2 留给大家补全)
数,因为 σ (C ) 是最小的。
由于 λ (C ) 是 λ 类.
故只要证明 λ (C ) 是 π 类,即 ∀ A ,B ∈ λ (C ) 有 A ∩B ∈ λ (C )。
已知 C 为 π 类,故若 A ,B ∈ C ,则 A ∩ B ∈ λ (C ) 成立.要证明对任意 A 、
B ∈ λ (C ) A ∩ B ∈ λ (C ) 都成立,分两步证,即先考虑只有一个在 λ (C ),再考虑两
个都在的情形。
先是 B ∈ C , A ∈ λ (C ).定义 AB = { A : A ∩ B ∈ λ (C )},我们想证明 AB 就是
λ (C ).
显然 C ⊂ A B ,X ∈ AB .
若 A 1 ,A 2 ∈ AB .
A1 ⊂ A2.
则由 ( A 2 ∩ B) \ ( A 1 ∩ B) ∈ λ (C )
知 A 2 \ A 1 ∈ AB .若 A n ∈ AB ,A n ↑ A ,则由 A n ∩ B ↑ A ∩ B ∈ λ (C ) 知 A ∈ AB 。所
以 AB 是 λ 类.⇒ λ (C ) ⊂ AB .这就表明 ∀B ∈ C . A ∈ λ (C ) ⇒ A ∩ B ∈ λ (C ).
第二步:固定 A ∈ λ (C ),定义 B A = {B : A ∩ B ∈ λ (C )},要证明 B A 就是 λ (C ).
由前一步知 C ⊂ B A ,而且可证明 B A 也是 λ 类 ⇒ λ (C ) ⊂ B A ⇒ ∀B ∈ λ (C ),
A ∈ λ (C ) ⇒ A ∩ B ∈ λ (C ).
定理的证明方法也提示我们要证明满足一个集合类具有某种性质,可以先
把该集合类中满足性质的所有集合取出组成一个集类,再说明该集类就是原来
的集合类。在后面的课程,特别是涉及到测度论的部分,会多次碰到类似的证明
方法。
1.1.4 集合的极限:
S∞
如果 A 1 ⊂ A 2 ⊂ · · · ⊂ A n ⊂ · · · ,则可定义 limn→∞ A n = n=1 An
T∞
反之,若 A 1 ⊃ A 2 ⊃ · · · ⊃ A n ⊃ · · · ,limn→∞ A n =
An n=1
S T
对于任意给定的集合列 { A n },极限未必存在,但是 B n = ∞ A ,C n = ∞
i=n i
A
i=n i
的极限是存在的,它们的极限就对应 { A n } 的上下极限:
∞ S
T ∞ ∞ T
S ∞
lim sup A n = A i ,lim inf A n = A i(一个帮助记忆的方式是把 sup
n=1 i = n n=1 i = n
和 ∪ 对应,把 inf 与 ∩ 对应)。
根据定义,∀ x ∈ lim sup A n ,x ∈ B n ,故 ∀n,∃ j ≥ n,x ∈ A j ,表明 x 属于无
穷多个 A j 。另一方面,∀ x ∈ lim inf A n ,∃ n, x ∈ C n ,故 x ∈ A j , j ≥ n,表明最多
除了靠前的 n 个集合外, x 属于剩余的所有集合,显然也属于无穷多个 A j 。这
T S
说明 lim inf A n ⊂ lim sup A n 。(∀ 对应 ,∃ 对应 )
此外,如果将集合理解为事件,
lim A n = { A n 发生无穷多次},lim A n = { A n 最终总会发生}
练习:
1. { f n ( x)} 是一列实值函数,试证明:
[
∞ \
∞ [ 1
{ x : lim inf f n ( x) < a} = { x : f j ( x) < a − }
n→∞ n
n=1 k=1 j > k
T
∞ S
∞
2. 若 f n ( x) = a − n1 ,则 { x : liminfn→∞ f n ( x) < a} = ; 6= { x : f j ( x) < a}
k=1 j > k
T
∞ S ∞ © ª
3. 若 f n ( x) = a + n1 ,则 { x : liminfn→∞ f n ( x) ≤ a} 6= ; = x : f j ( x) ≤ a
k=1 j > k
S S
4. 若 lim E n 和 lim F n 存在,证明 lim (E n F n ) = lim E n lim F n
n→∞ n→∞ n→∞ n→∞ n→∞
5. 若严格递增实数列 { xn , n ∈ N} 收敛于实数 a, 问 lim { xn } 是否等于 {a}.
n→∞
1.1. 集合的基本概念 9
集合与实数的类比关系,包含与大小比较,实数列极限.
再进一步学习度量空间的知识之前,还请大家再回顾一下与实数系有关的几个
重要定理,并思考哪些性质可以推广到 n 维欧式空间。
Cauchy 收敛定理:实数列收敛的充要条件是该序列为 Cauchy 列。
单调收敛定理:单调有界数列必定收敛。
区间套定理:I n = [a n , b n ],I 1 ⊃ I 2 ⊃ ... ⊃ I n ⊃ ...,limn→∞ (b n − a n ) = 0,则存
T
∞
在唯一的实数 a ∈ I n ,a = lim a n = lim b n
n=1
确界存在定理:直线上非空有界点集必存在唯一的上确界(上确界可不在集
合中)。
Bolzano-Weierstrass 定理:有界数列必有收敛子序列。
Heine-Borel 有限覆盖定理:若开区间族 F 覆盖有界闭集 E ,则必可以从 F
中选出有限个开区间来覆盖闭集 E 。
• 实数的大小比较和集合的包含与否类似,但实数总可以进行比较,任两个集
合可能并不存在谁包含谁的关系,所以实数上的大小比较这种序关系是全
序关系,而集合包含与否是个半序关系.(一会儿具体定义序关系)
• 实数列中有 Bolzano-Weierstrass 定理,即有界序列总有收敛子序列.实数列
的上下极限实际上就给出了所有收敛子序列的极限的取值范围.即若 A 为
有界序列 { xn } 所有可能的收敛子列的极限.则 lim inf xn = min A ≤ max A =
lim sup xn .
思考题:
对于任意集合列 { A n } 是否能找到一个单调集合列?为什么?对于集合极限存在
的 { A n } 是否能找到单调的集合列呢?
数列上下极限的一些性质:
{ xn }, { yn } 为两个实数列
1. 若 { yn } 收敛,则 lim( xn + yn ) = lim xn + lim yn , lim( xn + yn ) = lim xn + lim yn
2. lim( xn + yn ) ≤ lim xn + lim yn , lim( xn + yn ) ≥ lim xn + lim yn
3. xn ≤ yn ⇒ lim xn ≤ lim yn , lim xn ≤ lim yn
α > 0 ⇒ limα xn = αlim xn , limα xn = αlim xn
4.
β < 0 ⇒ limβ xn = βlim xn , limβ xn = βlim xn
数列上下极限与集合上下极限:
若 A n = { x: x ≥ xn }, B n = { x : x ≤ xn },则:
lim sup A n = ∩∞ ∞ ∞
k=1 ∪ n= k { x ≥ x n } = ∩1 { x ≥ inf x n } = { x ≥ sup inf x n }
基础逻辑与集合语言
同时也可以写成
1.2 关系:映射、函数
1.2.1 关系的概念
定义 (关系). : 一个 (二元) 关系是指 X ×Y ( X 与 Y 的直积集即 {( x, y), x ∈ X , y ∈ Y })
中的有序元素对所成的任意一个集。
Q
定理 1.2 (选择公理). 如果 { A i } i∈ I 是非空集合族,则 i∈ I A 非空.
(b) 单调似然比占优:
f (t)
X ≺ MLR Y ⇔ ∀ x, g(t) 是 t的减函数, f 和 g 分别为 X 和 Y 的密度函数
⇒ X ≺FSD Y
(c) 在统计决策理论,包括统计学习理论中,做各种统计推断,寻找合适的
模型,也可以看成是根据某种序关系寻找最优的过程。
一般化的分析框架是这样的,决策者在行为空间 ( A ) 里选择决策 a。考
察的对象本身潜在状态 θ 未知,决策后果 c(a, θ )。决策之前,可以观
察到与 θ 相关的一些实验结果 X = x。观测可以认为服从分布 P X (·|θ )。
如果假设决策后果产生的负效用或者损失函数是 l (a, θ ),我们的问题就
变成:观察到 X = x,选择 d ( x) ∈ ( A ),使得损失 l (d ( x), θ ) 尽可能小。
注意这里的 θ 是未知的,具体目标的设定还需进一步明确。如果认为
大家有关于 θ 的先验分布信息 Pθ (·),那就成了 Bayes 决策问题,目的
是选择
d ( x) = ar gmin a (E θ [ l (a, θ )| x])
定理. 对于组合选择问题 α∗i = arg maxα E [u( z+α X i )]。若 X 1 ≺MLR X 2 ,则 α∗1 ≤ α∗2 。
其中 u 递增且为凹函数(u0 > 0, u00 < 0)。
我们证明根据此序关系得到的每个链都有上界。设 C ⊂ F 为一个链,则存
在一个在 ∪ g∈C dom( g) 上定义的函数 h,满足 ∀ g ∈ C ,只要 i ∈ dom( g),都有
h( i ) = g( i ),即 h 是 g 的延拓,也是 C 的上界
根据 Zorn 引理,F 中的最大元就是选择函数。
注意到任意集合都可以良序化,因此是可以对任意集合应用超限归纳法
以下两个证明实质上都用到了选择公理。
1. 证明函数连续性等价性,即 xn → a =⇒ f ( xn ) → f (a) 等价于 ∀ϵ > 0, ∃δ >
0, ∀ z, | z − a| < δ =⇒ | f ( z) − f (a)| < ϵ
反证法,假如后面的不成立,构造 A n = { z : | z − a| < 1/n, | f ( z) − f (a)| ≥ ϵ},从
每个 A n 中选取 z n ,可以验证 z n → a 但 f ( z n ) 并不收敛到 f (a)
2. 证明 f 是 X 到 Y 的满射等价于存在映射 h : X → Y 使得 f ◦ h 是 Y 到 Y
上的恒等映射
假定 f 为满射,对每个 y ∈ Y ,其原像集 F y 是 X 的非空子集,任取元素记
为 h( y) 就有 f (h( y)) = y
例. 下面四个集合哪个是格,那个是完备的格?
• P 为正整数集合,m ≤ n 代表 m 整除 n
• P 为实数集,≤ 按通常意义理解
• P 为某个非空集合的幂集,≤ 相当于 ⊆
• P 为全体实函数, f ≤ g 表示 ∀ x, f ( x) ≤ g( x)
例. 等价类的例子:
我们在以后的学习中会遇到要将所有几乎处处相等的函数划为一个等价类.
另外一个例子就是无差异曲线的每一条曲线就是一个等价类
反过来,若 X 可分为互不相交的集合,也可将同一集合内的元素视为等价
下面的例子利用等价类的思想给出了严格的正有理数构造过程:给定自然
a 1 2
数集合和乘法运算,将 b 理解为有序对 (a, b) ∈ N × N,考虑到 2 = 4 = ...,我们
可以定义等价类:[(a, b)] = {( c, d ) ∈ N × N : ad = cb},这样每个等价类 [(a, b)] 就能
够对应一个有理数。
练习:(偏好关系的函数表示)
1. 如果 X 为有限集或可列集,则 X 上的偏好关系总有一个效用函数表示即存
在函数 u: X → R.使 x ≥ y 等价于 u ( x) ≥ u ( y).(思考如何给出构造性的
证明)
1.2.2 映射和函数
定义. 映射(函数)关系:映射 f : X → Y 是从 X 到 Y 的二元关系 R ⊂ X × Y ,
使 ∀ x ∈ X ,∃ 唯一的 y ∈ Y ,使 ( x, y) ∈ R . x 称为 y 的一个原象, y 称为 x 在映
射下的像.记为 y = f ( x).
© ª © ª
定义域 dom( f ) = x : 存在 y使得( x, y) ∈ f .
值域 rng( f ) = y : 存在 x使( x, y) ∈ f
集值映射:如果二元关系 R ⊂ X × Y ,使 ∀ x ∈ X ,∃ 集合 Yx ∈ Y ,使 ∀ y ∈
Yx , ( x, y) ∈ R ,则称该二元关系定义的为集值映射。
满映射:若对每一个 y ∈ Y 都有 x ∈ X ,使 y = f ( x),则 f 为满映射
单射:如果 x1 ∈ X , x2 ∈ X , x1 6= x2 ,则 f ( x1 ) 6= f ( x2 )
一一映射:既是单射,又是满射
注意,定义映射时, f : X → Y 表明每个 X 都是有定义的,但 Y 不一定
被映满
复合映射: f : X → Y , g : Y → Z ,则 g ◦ f : X → Z 定义为 g ◦ f ( x) = g ( f ( x))
给定 D ⊂ X ,E ⊂ Y ,映射 f : X → Y .
D 的像集:f (D ) = { f ( x) : x ∈ D } ⊂ Y .E 的原像集:f −1 (E ) = { x : f ( x) ∈ E } ⊂ X
1.2. 关系:映射、函数 15
注: f 为一一映射,有逆映射 f −1 : Y → X , f −1 ( y) = x 其中 x 由 y = f ( x) 确
定
但当 f −1 (·) 的变量是集合时, f −1 指的是从 Y 的幂集到 X 的幂集的映射.
(
1 x∈E
特征函数,示性函数:X 为全集,E ⊂ X ,E 的示性函数,1E ( x) =
0 x ∈ X \E
练习
1. f 是 X 到 Y 的一个函数, g 是 Y 到 X 的一个函数,满足:对一切 y ∈ Y ,
有 f ◦ g ( y) = y,对一切 x ∈ X ,有 g ◦ f ( x) = x.证明:f 是 X 到 Y 上的一一
映射,且 g = f −1 .
2. 验 证: 若 f 为 函 数, 则 f −1 : P (Y ) → P ( X ) 可 与 并、 交、 补 运 算 交 换.
f : Pµ ( X ) →¶P (Y ) 可与并交换,但不能与交和补交换 µ ¶
−1 S S −1 −1 T T −1
f Bα = f ( B α ), f Bα = f (Bα ),
α∈ I α∈ I α∈ I α∈ I
¡ ¢c
f −1 (B c ) = f −1 (B)
µ ¶ µ ¶
S S T T
f Aα = f ( A α ), f Aα ⊂ f ( A α ), f ( A c ) 6= ( f ( A )) c
α∈ I α∈ I α∈ I α∈ I
µ ¶ µ ¶
S S T T
注意. 若 f 为集值映射,仍然有 f Aα = f ( A α ),f Aα ⊂ f ( A α ),但
α∈ I α∈ I α∈ I α∈ I
其余关系未必都成立。
例:定义 f : {0, 1} → {0, 1},f (0) = f (1) = 0.A = {0},B = {1},则 f { A ∩ B} = Φ,
f ( A ) ∩ f (B) = {0}, f ( A c ) = {0}, f ( A ) = {0},( f ( A )) c = {1}
T F (v)(a i ) = ar gmax( A ∈ H : v( A ) ≤ a i )
即对于每个个体更换挑选对象时,并没有使对方任何人变差。
注意到 T 是完备格 V 上的递增映射,存在不动点,而这样的不动点刚好对
应稳定的匹配 (请验证)。得证。
1.3. 基数 17
1.3 基数
这一节主要讨论如何计算集合中的元素个数
例. (−1, 1) ∼ R : f ( x) = 1−xx2
有些一一映射可以帮助我们将约束优化问题转化为无约束优化问题。另外,
这里对一一映射并没有连续性等要求,因为这里并没有引入拓扑的概念。
显然,A ∼ A ;A ∼ B ⇒ B ∼ A ;A ∼ B,B ∼ C ⇒ A ∼ C ,这表明 ∼ 是等价关系
基数 (势):若 A 、B 两个集合且 A ∼ B,则称 A 和 B 有相同的基数,记为
A = B.
引入 ≤ 来方便比较基数:设 u,v 为两个基数,U ,V 为两个集,U = u,
V = v,U ≤ V 表示 U 对等于 V 的某个子集.U < V 表示 U ≤ V 且 U 6= V
注:这一定理提供了判断两个集合对等的一种方法,即不用直接构构造 X
与 Y 之间的一一映射.比如要判断 [−1, 1] ∼ R ,只需考虑 R ∼ (−1, 1) ⊂ [−1, 1] ⊂ R
{ A × B : x ∈ A ⊆ U, y ∈ B ⊆ V , A = B}
按 照 集 合 包 含 关 系, 形 成 一 个 半 序 集, 而 且 每 个 链 C = { A i × B i } 都 有 上 界
(∪C = ∪ i A i × ∪ i B i ,请验证 ∪ i A i = ∪ i B i ),故存在极大元。显然这个极大元必须
为 U × Y 或 X × V ,否则可以找出更大的元。
下面的定理证明,不存在最大的基数.
练习
1. U 非空,证明不存在 U 到 P (U ) 的满射
2. U 非空,A ⊂ P (U ),且 A 中任意有限个集合的交非空,证明存在包含 A
的最大的集合类 B ⊂ P (U ) 使得 B 中任意有限个集合的交非空
1.3. 基数 19
上述定理的证明实际上也证明了如下的对角线定理:
Cantor 对角线定理:U 为一个集合, f : X → ( X ) 为一个映射,则不存在
x ∈ X 使得
f ( x) = { x ∈ X : x ∉ f ( x)}
罗素悖论质疑上述证明的有效性。比如设 S 是所有集合组成的集合,定义 S 上
的映射 ϕ( A ) = {B ∈ S : B ∈ A }。因为 ϕ( A ) 代表 A 中所有元素的集合,故 ϕ( A ) = A ,
表明 ϕ 为恒等映射,即所有集合都是某个元素在 ϕ 下的象。而由对角线定理,
{ A ∈ S : A ∉ ϕ( A )} 不可能是 ϕ 象中的元素,矛盾。
罗素悖论的出现在于前述 S 这个 “集合” 太大了。而另一方面,这个例子也
说明集合与集合的集合是不同层次的集合,当他们一同出现时,应当加以区分。
1.3.1 可数和不可数的实例
迄今为止,我们还都是在比较抽象的意义上谈元素多少,接下去给出一些具体的
集合的基数.
例:; 的基数为 0,{1, 2, · · · , n} 的基数为 n,若集合 S = ; 或与 {1, 2, · · · , n}
能建立一一对应,则称 S 是有限的,否则称 S 是无限的.
自然数集 N 的基数为 N0 (阿列夫零),若 S 与 N 可建立一一对应,称 S 是
可列的,S 是有限或可列.统称为可数.不是可数的集合是不可数的.元素序列
就是指指标集是自然数集合的子集的集合。
©m ª
例:Q 是可列的,注意 Q = n , n, m ∈ N互质
将 | n + m| = 0,| n + m| = 1,| n + m| = 2,……的各自找出来,记为 A k .
每个 A k 都是有限的,故 A 1 ∪ A 2 ∪ · · · ∪ A k ∪ · · · 是可列的.
例:R 是不可数的(R 的基数为阿烈夫一 N1 )
,实际上只需证 [0, 1] 是不可
数的.将所有数写成小数形式:
假设可列则有 a 1 = 0.a 11 a 12 a 13 ...,a 2 = 0.a 21 a 22 a 23 ...,a 3 = 0.a 31 a 32 a 33 ...
构造小数 β = 0.b1 b2 … b n …,其中 b n 6= a nn (a nn = 1,则 b n = 2;否则 b n = 1)
显然 β 不在 {a n } 中间,表明 [0, 1] 不可能可数.
连续统假设:在阿列夫零 N0 和阿列夫一 N1 之间没有别的基数。
可数集的例子:R 1 中互不相交的开区间族;R 1 上单调函数的间断点;(a, b)
上实值函数 f ,其右导数及左导数存在但不相等的点的集合
20 CHAPTER 1. 集合论
不可数集的例子:R ,平面上一切直线的集,一切单变量或多变量连续函
数的集
练习
1. 如果 x 是某一有理系数多项式的根,则 x 称为代数数.证明代数数全体可
数.并证明超越数 (不是代数数的数) 的存在.
注意. 历史上超越数的存在性是 Liouville 通过直接构造方法证明的。其中
的一个主要定理是:对任意阶数为 n >1 的代数数 z,存在正整数 M 使
得对于所有整数 p 和 q( q > 0),| z − qp | > 1
M qn . Liouville 给出的超越数称
为 Liouville 数,即无理数 z, 使得对每个正整数 n,存在整数 p 和 q 使得
p 1 P∞
1
|z − q | > q n , q >1。 10k!
就是一个 Liouville 数
1
1.3.2 关于有限、无限集合的简单性质
1. 集合 s 无限的充要条件是 s 与它的某个真子集等价
2. 无限集皆有可数无限子集 (证明可数无限是最小的无限)
3. 可数集的任意子集也是可数的.
4. N × N 可数 (考虑一一映射 f (m, n) = 2m−1 (2n − 1))
1.3. 基数 21
S
5. 可数集的任意可数族的并也可数. i∈ N A i ∼ N ( A i ∼ N )(类似有理数)
a 11 → a 12 a 13 …
. %
a 21 a 22 a 23 . . .
↓ %
a 31 a 32 a 33
6. A 可数,则 A 的所有有限子集的集合是可数的.
练习
1.3.3 基数的运算
下面引入基数的算术运算,这将大大简化对无限基数的比较.
1. u + v = v + u
2. u + (v + w) = (u + v) + w
3. u (v + w) = uv + uw
4. (uv) w = u (vw)
5. uv = vu u v u w = u(v+w)
22 CHAPTER 1. 集合论
6. u w vw = (uv)w
7. (u v )w = u vw
8. u ≤ v ⇒ u + w ≤ v + w, uw ≤ vw, u w ≤ vw ,w u ≤ wv
N N
µ ¶N
R=2 ≤N N
≤ R = 2N = 2N ×N = R
¡ ¢W
定理. (u v )w = u vw .即 U V ∼ U V ×W
¡ ¢W
Proof. 在 U V 上规定映射 φ:φ ( f ) = g ∈ U V ×W ,g ( y, z) = ( f ( z)) ( y) ∈ U ,( y, z) ∈
V × W 于是 φ 是到 U V ×W 上的.因为若 g ∈ U V ×W ,只要如下定 f : f 在 z ∈ W
处的值是 V 上的函数,对于每个 y ∈ V .这个值等于 g ( y, z) ∈ U .故 φ ( f ) = g.为
¡ ¢W
判断 φ 的 1 - 1 性,假定在 U V 内.f 1 6= f 2 .则有 z0 ∈ W .使 f 1 ( z0 ) 6= f 2 ( z0 ).
因在 V 上这两个函数不同,故必定有一个 y0 ∈ V .使 f 1 ( z0 ) ( y0 ) 6= f 2 ( z0 ) ( y0 ).于
£ ¤ £ ¤
是 φ ( f 1 ) ( y0 , z0 ) 6= φ ( f 2 ) ( y0 , z0 ),即 φ ( f 1 ) 和 φ ( f 2 ) 不同.得证.
练习
1. 证明:2 ≤ a ≤ R ⇒ a N = R ,aR = 2R
1.3.4 对偶性
考察二元函数 F : A × B → C
固定 x ∈ A , F ( x, y) 是 y 的函数 h x ( y) = F ( x, y), 可得到 x 到函数 h x ( y) 的映
射 x 7→ h x , 记为 ϕ : A → C B
固定 y ∈ B, 有 g y ( x) = F ( x, y), 以及映射 θ : B → C A
反过来,给定映射 ϕ : A → C B ,对于任意 x ∈ A , 有函数 h( x) : B → C , 可定义
F : A × B → C , F ( x, y) = h( x)( y)
这表明 ϕ : A → C B ,F : A × B → C ,θ : B → C A 是等价的,通常称 ϕ 和 θ 互
为对偶
比如优化问题
min f 0 ( x)
s.t. f i ( x) ≤ 0
可定义拉格朗日函数 L : R n × R m → R
X
m
L( x, λ) = f 0 ( x) + λ i f i ( x)
1
其中 λ 为对偶变量,原优化的对偶问题可表示为
min g(λ)
s.t. λ≥0
其中 g 为对偶函数,定义为 g(λ) = in f x L( x, λ)
1.3.5 可数在效用理论中的应用
首先由偏好关系 ≥ 可以定义  即 x 6 ≥ y 但 y 6= x ⇒ x  y.
Proof. 必要性留做练习.
充分性,假定有这样的可数 Â 稠密子集 Z = { z1 , · · ·}.令 r ( z n ) = 1/2n .
对每一个 x ∈ X ,记 Z̄ ( x) = { z ∈ Z, z  x}, Z ( x) = { z ∈ Z, z ≺ x}
¡ ¢ ¡ ¢
不难发现 x ≥ x0 ⇒ Z̄ ( x) ⊆ Z̄ x0 , Z ( x) ⊇ Z x0 (留作练习)
而且若 x  x0 ,前述包含关系是严格的.因为若 x  x0 ,则存在 z ∈ Z ,使
x ≥ z ≥ x0 或者 x  z ≥ x0 ,或者 x ≥ z  x0
P P
定义 u ( x) = r ( z) − r ( z) ∈ [−1, 1],{ r ( z n )} 是可和的,故 u ( x) 有意义.
z∈ Z(x) z∈ Z̄(x)
¡ ¢ ¡ ¢
显然,若 x ≥ x0 ,则 u ( x) ≥ u x0 .而若 x  x0 ,则 u ( x) > u x0 .
练习
1.4 Cantor 集
P
∞ ∞ ¡ ¢ n−1
P
2n−1
(Cantor 集) c 的长度= 3n = 13 2
3 = 1 ⇒Cantor 集长度为 0
n=1 n=1
26 CHAPTER 1. 集合论
在这部分里我们将以 R n 为主要研究对象,介绍拓扑空间,距离空间,向量空间,
Banach 空间,Hilbert 空间的概念。主要涉及的是紧性 (一种拓扑性质),完备性,
以及连续函数。这一部分概念很多,但引入概念的目的是为了叙述的方便,而大
部分定理都是比较直接的,希望大家尽可能的花时间理解这些概念的含义.
2.1 拓扑空间的基本概念
我们这里从分析的角度来讨论拓扑。分析中最关心的是收敛与极限的概念,比如
给定映射 f : X → Y ,需要赋予 X 与 Y 怎样的结构,等式 limx→a f ( x) = b 才有
意义呢?
在 X 与 Y 都是实数空间时,等式可以描述为“当 x 充分靠近 a 时,f ( x) 充
分接近 b”,这里的接近指的是,比如, x 与 a 之间的距离小,或者指 x 处于以
a 为中心的一个开区间内部。
用前者的方式描述对应距离空间的概念,后者则对应拓扑空间。
拓扑空间的定义:拓扑空间是指满足如下条件的集合 X 与其上的子集类 O
即 ( X , O ),O 中集合称为开集,O 称为拓扑空间上的拓扑。通常也直接称 X 为
拓扑空间。[比较可测空间的定义]
1) 任意多开集的并是开集;
2) 任两个开集的交集是开集;
3) ; 与 X 是开集。
注意,X 上可以有不同的拓扑,很多时候需要指明在哪个拓扑底下进行讨
论。如果 T 和 O 都是 X 上的拓扑,且 T ⊂ O ,称 T 弱于 O
定义:若 X 是拓扑空间,则
1) A ⊂ X 是闭集如果 X \ A 是开集
27
28 CHAPTER 2. 距离空间
2) U ⊂ X 称为 x ∈ X 的邻域,如果存在开集 V 使得 x ∈ V ⊂ U
3) 点 x ∈ X 称为集合 B ⊂ X 的内点(外部点)如果 B( X \B)是 x 的一个
邻域; x 是 B 的边界点,如果 B 和 X \B 都不是 x 的一个邻域
4) B 的所有内点组成的集合 B o 称为 B 的内部
5) X 中不是 B 的外部点所组成的集合 B̄ 称为 B 的闭包
6) x 是 A 的极限点,如果对于 x 的任意邻域 U ,(U \ x) ∩ A 6= ;
2.2 距离和距离空间
2.2.1 概念
现在从距离的角度来理解接近的概念,这个更加直观。有了距离之后,定义拓扑
也很容易。
定义:设 E 是集合,E 上的距离指 E × E 到实数集 R 的函数 d ,满足:
1) ∀ x, y ∈ E , d ( x, y) ≥ 0
2) d ( x, y) = 0 ⇔ x = y
3) d ( x, y) = d ( y, x)
4) d ( x, z) ≤ d ( x, y) + d ( y, z)(三角不等式)
若不满足 2,则称为 E 上的伪距离 (pseudometric)(即只有 x = y ⇒ d ( x, y) = 0)
(E ,d ) 即集合及其上定义的距离函数共同组成距离空间.
:(E, d ) 为距离空间。V ⊂ E 成为开集,如果对任意
定义(距离空间的拓扑)
的 x ∈ V ,∃ε > 0 使得 { y ∈ E : d ( x, y) < ε} ⊂ V 。(E, d ) 中的所有开集就是 E 上的
拓扑。
2.2.2 距离的例子
1. 任意集合 E ,定义离散距离 d ( x, y) = 1, x 6= y;d ( x, x) = 0.
p | a− b |
2. 实数集 R ,定义 d (a, b) = |a − b|,或者 |a − b|, (1+| |
a− b|) ,min {|a − b , 1}
λ( X , Y ) = inf{ε > 0 : ∀ x, F ( x − ε) − ε ≤ G ( x) ≤ F ( x + ε) + ε}
练习
1. 举例说明前述定义的集合的距离并不是 E 的幂集空间上的距离函数,也不
是拟距离.
2. 对于距离空间 E 上的非空闭集全体,验证如下定义的函数是其上的距离:
称为 Hausdorff 距离(可用于定义集值映射的连续性)。
30 CHAPTER 2. 距离空间
3. 若 d 是 E 上距离,证明 ρ ( x, y) = 1+d(x,y)
d(x,y) 也是 E 上的距离函数。(事实上,
这两个距离是等价的)
4. 证明 Levy’s metric 和 Ky Fan metric 确实是距离。
5. 设 ( X , O ) 是一个拓扑空间,如果 X 的任意两个不同的点 x 和 y 都可以用
两个不交的开集 U 和 V 分离,即 x ∈ U, y ∈ V ,且 U ∩ V = ;,则称 X 为
Hausdorff 空间。证明:距离空间是 Hausdorff 空间。Hausdorff 空间中若某
个序列有极限,则极限是唯一的。
2.3.1 Banach 空间
我们熟知的 R 或 Rn 除了是个距离空间,还是个线性空间,即我们在其上定义
了加法与数乘的运算,更一般的:
线性空间定义:L 称为线性 (向量) 空间,如果
(1) 对任意两个元素 x, y ∈ L 可唯一确定第三个元素 z ∈ L,即 z = x + y 且
x + y = y + x,( x + y) + z = x + ( y + z),存在 0 元使 x + 0 = x,存在负元即 ∀ x,有
− x 使 x + (− x) = 0
¡ ¢ ¡ ¢
(2) 对任意实数 α 和 x ∈ L,可确定 α x ∈ L,且 α β x = αβ x,1 · x = x,
¡ ¢
α + β x = α x + β x,α ( x + y) = α x + α y
例如:R n ,C [a, b], l 2
范数的定义:在线性空间中我们可以定义范数 (长度函数)k·k : L → [0, ∞)
满足:
1. 0 ≤ || x|| < ∞ ∀x ∈ L
2. || x|| = 0 ⇔ x = 0
3. ||α x|| = |α| || x||,a ∈ R
4. || x + y|| ≤ || x|| + || y||
线性空间 L 和其上的范数 (L, ||·||) 就构成了一个赋范线性空间.
有了范数,很自然的我们可以定义函数 d ( x, y) = || x − y||,容易验证这是一个
距离函数,所以通常讨论 (L, ||·||) 赋范空间时,也把它视作距离空间.
定义:一个完备的赋范线性空间就叫做 Banach 空间.
(完备性见后文介绍)
2.3. BANACH 空间和 HILBERT 空间 31
注意:赋范空间可由范数诱导出距离,但也可以存在其它的距离,此外,并
非所有的距离都可由范数导出.否则 d (α x, α y) = |α| || x − y|| = |α| d ( x, y)
±
显然 |a − b| (1 + |a − b|) 不满足前述关系.
例子:
1. R 上的绝对值函数就定义了一个范数
µ ¶1
P
n p
2. R 中的 || x|| p =
n
|xi | p
(1 ≤ p < ∞) 定义了一个范数 (证明涉及几个重
i =1
要不等式)
|| x||∞ = max1≤ i≤n | x i | 也定义了一个范数.
³R ´1
3. C [a, b],|| f || p = ab | f ( t)| p dt (1 ≤ p < ∞),|| f ||∞ = maxa≤t≤b | f ( t)|
p
P
4. R ∞ 的一些子集 (即数列全体的子集):l p 代表 ∞ i =1 | x i | < ∞ 的 { x i } 全体.
p
练习
1. 证明:l 1 ⊂ l 2 ⊂ c 0 ⊂ c ⊂ l ∞
2.3.2 Hilbert 空间
通常的 n 维欧式空间的距离或者范数是通过内积定义的,将其推广就有了
Hilbert 空间。这是欧式空间最自然的推广。
内积的定义: X 是一线性空间。 X 上的内积是指满足下列条件的函数
〈·, ·〉 : X × X → R :
1. 〈 x, y〉 = 〈 y, x〉
2. ∀a 1 , a 2 ∈ R ,〈a 1 x + a 2 y, z〉 = a 1 〈 x, z〉 + a 2 〈 y, z〉
3. 〈 x, x〉 ≥ 0
4. 〈 x, x〉 = 0 ⇔ x = 0,
( X , 〈·, ·〉) 称为内积空间。
32 CHAPTER 2. 距离空间
p
定义:( X , 〈·, ·〉) 为内积空间,则 k xk = 〈 x, x〉 定义了其上的范数,如果 X 对
于距离 d ( x, y) = || x − y|| 是完备的,则称 X 为 Hilbert 空间。
2.3.3 线性拓扑空间
Banach 空间是在线性空间中利用范数引入拓扑,更一般的,有:
定义:线性空间 X 称为线性拓扑空间(拓扑向量空间)
,如果其被赋予一个
拓扑,且在此拓扑下加法运算和数乘运算是连续的。
2.3.4 几个重要的不等式
为了证明前面举的几个例子中定义的确实为范数.需要有下面几个重要的不等式
(我们只以 l p 为例进行说明)
Ra Rb ap q
ab ≤ 0 x p−1 dx + 0 y q−1 d y = p + bq ,
等号成立需 a p−1 = b.
Proof. ¯ ¯ ¯ ¯
X n ¯ ¯ 1X n ¯¯ x ¯¯ p Xn ¯ y ¯q
¯ x y
i i ¯ ¯ i ¯ + 1 ¯ i ¯ 1 1
¯ ¯≤ ¯ ¯ ¯ ¯ ≤ + =1
¯
i =1 k xk p k yk q
¯ p i=1 k xk p q i=1 ¯ k yk q ¯ p q
n → ∞ 即得
1
Proof. 令 q 使 p + 1q = 1.则
X
∞ X
∞ X
∞ X
∞
| x i + yi | p = | x i + yi | | x i + yi | p−1 ≤ | x i | · | x i + yi | p−1 + | yi | · | x i + yi | p−1
i =1 i =1 i =1 i =1
° ° ° °
≤ k xk p · °{| x + y| p−1 }° q + k yk p · °{| x + y| p−1 }° q
µ ¶1 µ ¶1
° ° P
∞ q P
∞ q ¡ ¢ p−1
° p−1 °
注意到 {| x + y| } q = | x i + yi | (p −1)q
= | x i + yi | p
= k x + yk p
i =1 i =1
P
∞
p p−1 p−1
故 | x i + yi | p = k x + yk p ≤ k xk p · k x + yk p + k yk p · k x + yk p
i =1
p−1 ¡ ¢
= k x + yk p k xk p + k yk p ⇒ k x + yk p ≤ k xk p + k yk p
2.4 距离空间的拓扑
2.4.1 极限与收敛
定义:
1. 给定距离空间 (E, d ).x ∈ E ,r > 0.B r ( x) = { y ∈ E : d ( x, y) < r } 称为以 x 为球
心,半径为 r 的开球.{ y ∈ E : d ( x, y) ≤ r } 称为闭球,显然 A ⊂ E 有界,则必
存在 x 和 r ,使 A ⊂ B r ( x)
为方便记,有时候我们说 x 的邻域,就是指任何以 x 为球心的开球,ε-邻域
指半径为 ε 的开球.
34 CHAPTER 2. 距离空间
d ( x n , x) → 0 ⇔ ρ ( x n , x) → 0
ρ ρ
换言之,∀ x ∈ E, ε > 0,存在正数 r, s 使得 B ds ( x) ⊂ Bε ( x), B r ( x) ⊂ Bεd ( x)。
2.4.2 开集和闭集
定义:(E, d ) 中的 U 称为开集.如果 ∀ x ∈ U ,∃ε > 0 使得 Bε ( x) ⊂ U
注意:这个性质表明在距离空间开集可以通过序列收敛的方法表述。
4. (R 中开集的构造) U 为 R 的开集,则 U 可以唯一的表示成可数个互不相
交的开区间的并.
注:R n 中的开集并没有这样的性质,只能表示为可数个互不相交的半开闭
矩形的并,且表示方法不唯一.
闭集:F 为闭集若 F c = E \F 为开集.
例:;, E 为闭集,欧式空间 R 中的闭区间以及任意有限集合,赋予离散距
离的距离空间中的单点集
注:有非开也非闭的集合,如 Q ,(0, 1]
闭集的性质:
1. 任意闭集族的交为闭集,有限个闭集的并为闭集 (请证明)
36 CHAPTER 2. 距离空间
2. 闭集的等价定义(留作练习):F 闭
⇔ 对所有 ε > 0,有 Bε ( x) ∩ F 6= ;,则 x ∈ F
⇔ 若序列 { xn } ⊂ F 收敛于点 x ∈ E ,则 x ∈ F (F 包含所有极限点)
内部的定义:(E, d ) 中子集 A 的内部 A o 指包含于 A 的最大开集.即
© ª © ª
A o = ∪ U : U 开,U ⊂ A = ∪ Bε ( x) : Bε ( x) ⊂ A, 对于某个 x ∈ A, ε > 0
© ª
= x ∈ A : Bε ( x) ⊂ A 对于某个ε > 0 ,内部的点称为内点.
© ª
A 的闭包 Ā 指包含 A 的最小闭集: Ā = ∩ F : F 闭, A ⊂ F
闭包的性质
1. x ∈ Ā ⇔ 对任一 ε > 0,Bε ( x) ∩ A 6= ;
2. x ∈ Ā ⇔ 存在 A 中序列 { xn }, xn → x.即 Ā 是 A 中所有可能的收敛序列的
极限的全体 (包括常序列)
Fσ 集:可数个闭集的并集
G δ 集:可数个开集的交集
Fσδ 集:可数个 Fσ 集的交集
Borel 集:所有开集生成的 σ 代数称为 Borel σ 代数,其中的元素称为 Borel
集。
例. 在实数空间,有理数集是 Fσ 集,但不是 G δ 集
思考:开集,闭集,Fσ 集,G δ 集,Fσδ 集,G δσ 集等等是否可穷尽 R 中的
Borel 集的形态
极限点 (limit point):x 称为 A 的极限点,如果 ∀ε > 0,(Bε ( x) \ { x}) ∩ A 6= ; ⇔
存在 A 中互异的点列 { xn } → x.(只需 xn 6= x, ∀n) ⇔ x ∈ A \{ x}
凝点 (condensation point):x 称为 A 的凝点,如果 x 的任意邻域与 A 的交
集都是不可数集。
导集 A 0 为 A 的所有极限点的集合. A 0 是闭集且 Ā = A 0 ∪ A
孤立点: x 称为 A 的孤立点,如果存在某个 ε > 0,使 (Bε ( x) \ { x}) ∩ A = ;.
但 x∈ A
边界点: x 称为 A 的边界点,如果 Bε ( x) ∩ A 6= ;,Bε ( x) ∩ A c 6= ;,∀ε > 0
练习
2.4.3 稠密和可分
完全集 (Perfect set):A 为完全集若 A = ; 或 A = A 0 (例:R 作为 R 2 子集时,是
完全集)
Proof. 首先 A 无限(为什么?
).若可数 A = { x1 , x2 , · · ·}.由于 x1 与 x2 皆为极限
点.故可找到包含 x2 的闭区间 [a 1 , b1 ] 满足 (a 1 , b1 ) ∩ A 6= ;,且 x1 ∉ [a 1 , b1 ].而且
[a 1 , b 1 ] 中有无限个 A 中的点.继续下去可找到一系列递减的闭区间套 [a n , b n ],
(a n , b n ) ∩ A 6= ;,且 xn ∉ [a n , b n ],矛盾.
稠密: A 稠密如果 A = E
可分 (separable):称一个空间可分,如果它含有一个可数的稠密子集
38 CHAPTER 2. 距离空间
注意. 可分距离空间的子集也是可分的。(如何证明?)
定义 (拓扑空间的基,次基). 若 B 是一开集族,可使得拓扑空间里的任意开集
可由 B 中某些开集并成,则称 B 为该拓扑空间的基。
任意拓扑基 B 应当满足
1. ∀ x ∈ X ,∃B ∈ B ,使得 x ∈ B
2. ∀ x ∈ B1 ∩ B2 , B1 , B2 ∈ B ,∃B ∈ B ,使得 x ∈ B ⊂ B1 ∩ B2
如果集合族 S 中的元素的有限交可构成拓扑空间的基,称 S 为该拓扑空间的
次基。
定理 2.6. 可分距离空间有可数基。
直接的性质:
(1) A 在 E 上稠密. A ⊂ B ⊂ E ,则 B 在 E 上稠密
(2) A 稠密 ⇔ E 的任何非空开集与 A 相交
(3) A 无处稠密 ⇔ Ā 无处稠密 ⇔ Ā c 稠密 ⇔ E 的任何非空开集包含与 A 不
相交的非空子开集
(4) A 与 B 在 E 上无处稠密,则 A ∪ B 也无处稠密
(5) A 无处稠密,则 A 的任何子集也无处稠密
比如 (4):AB 无处稠密 ⇒ 对任意区间 I ,存在区间 I 1 ⊂ I − A ,而对于区间
I 1 ,存在区间 I 2 ⊂ I 1 − B ⇒ 对任意区间 I ,存在区间 I 2 ⊂ I − ( A ∪ B) ⇒ A ∪ B 无
处稠密.
我们已经讨论了可数与不可数的定义,也谈到了 Q 的可数性与 R 的不可数
性,在展开下面度量空间的拓扑性质和其它性质的讨论之前,我们从 R 的完备
性和特殊的拓扑性质角度说明 R 的不可数性不是偶然的.更一般的,有一个重
要的定理 Baire 定理,告诉我们,任意的完备度量空间都不能表示为可数个无处
稠密集的并的形式.
定理 2.7 (Baire 定理). R 的任何区间都不是第一纲集.
S
∞
Proof. 不妨假设该区间就为 A = [0, 1].反证法:假设 A = A i ,A i 为无处稠密
i =1
集.由于 A i 无处稠密,存在长度 < 21 的闭区间 I 1 ⊂ A 1c ;因 A 2 在 I 1 中无处稠
40 CHAPTER 2. 距离空间
注:单点集也是第一纲集.故 R 不可能只有可数个点.
练习
2.5 连续性和乘积拓扑
定义. 从拓扑空间 ( M, O M ) 到 ( N, O N ) 的函数是连续的,如果对任意 N 中开集
O , f −1 (O ) 是 M 中开集。
Q
定理 2.8. 乘积拓扑是 X α 上使得所有投影映射 p β 连续的最弱的拓扑。[称拓
扑空间 X 上的拓扑 τ1 弱于拓扑 τ2 ,如果 τ1 ⊂ τ2 ]
Proof. 如 果 τ 是 使 得 每 个 投 影 都 连 续 的 拓 扑, 那 么 ∀β, 若 Uβ 在 X β 开,
p−
β
1
(Uβ ) ∈ τ,得证。
Proof. ⇒ 显然。
Q
⇐:若 ∀α ∈ A , p α ◦ f 连续,{ p− 1
α (Uα ) : α ∈ A,Uα ∈ O α } 是 X α 上乘积拓扑
Q
的一个次基。注意到 f −1 ( p−α1 (Uα )) = ( p α ◦ f )−1 (Uα ) ,所以 X α 的基本开集在 f
下的原象是 X 中开集。
42 CHAPTER 2. 距离空间
定理实际上表明在乘积拓扑下,逐点收敛与整体收敛是等价的。注意,如果
乘积空间里的拓扑如果不是乘积拓扑,结论就不成立了。
练习
Q
1. 给定一族拓扑空间 {( X α , Tα ), α ∈ A },在 X α 上可定义盒拓扑,盒拓扑的基
是
Y
∪{ Oα : Oα ∈ Tα }
显然盒拓扑比乘积拓扑更细,其中包含的开集要多很多。试证明:Hilbert
方体 [0, 1] N 若赋予乘积拓扑,则序列 { xn } = { n1 , ..., n1 , ...} 收敛到 0,但在盒拓
Q∞ 1
扑下不收敛。[考虑集合 i =1 [0, i )]
2.6 拓扑空间与距离空间收敛的差异
这里我们举例说明拓扑空间的收敛并不总能表示为距离空间的收敛,考察的对
象是 [a,b] 上的实值函数列 { f n } 的点点收敛
2.6.1 函数列的点点收敛不能通过距离函数描述
记 [a,b] 上的实值函数全体为 F 。假定存在这样的距离函数使得 d ( f n , f ) → 0 等
价于函数列点点收敛,那么对于 x0 ∈ [a, b],令 U ( x0 ) = { f ∈ F : | f ( x0 )| < 1}。
那么 U ( x0 ) 是开集,为此我们说明 (U ( x0 )) c 是闭集。设 { f k } 是 (U ( x0 )) c 中的
一列函数, d ( f k , f ) → 0, f ∈ F 。那么因为点点收敛,| f ( x0 )| ≥ 1。故 f ∈ (U ( x0 )) c ,
即 (U ( x0 )) c 为闭集,U ( x0 ) 是开集。显然 0 函数属于 U ( x0 ),所以存在 n 使得
B 1 (0) ⊂ U ( x0 )。
n
S
∞
令 A n = { x ∈ [a, b] : B 1 (0) ⊂ U ( x)},则 [a, b] = A n 。由于 [a, b] 不可数,应
n n=1
当存在 n 使得 A n 是无穷的。设 X = { x1 , x2 , ...} 为 A n 的可数子集,考虑函数列
{1{ xk } }。不难看出,对任意的 x ∈ [a, b],1{ xk } ( x) → 0 即 {1{ xk } } 点点收敛到 0 函数。
但是 ∀n, 1{xk } ∈ (B 1 (0)) c ,故 ∀n, k, d (1{xk } , 0) ≥ n1 ,说明 {1{xk } } 在距离 d 下不会收
n
敛到 0。矛盾。
2.6. 拓扑空间与距离空间收敛的差异 43
2.6.2 函数列的点点收敛可以看成函数空间赋予一定的拓扑后其中
的收敛
对于 x ∈ [a, b] 及 R 中的非空开集 G ,定义 U ( x,G ) = { f ∈ F : f ( x) ∈ G }。构造 F
上的拓扑 T :记形如 V = U ( x1 ,G 1 ) ∩ ... ∩ U ( xn ,G n ) 的集合的全体为 B ,T 中任
意集合是由 B 中集合的并形成。可以验证 T 确为拓扑(可作为练习)。
如果 U ∈ T , f ∈ U ,那么存在集合 V ∈ B 使得 f ∈ V ⊂ U 。注意 V 的表示形
式,可知 f ∈ V ⇔ ∀ i, f ( x i ) ∈ G i 。所以 F 中的 { f n } 点点收敛到 f ∈ F ⇔ 对包含 f
的所有 B 中集合 V ,存在 N0 使得当 n ≥ N0 时 f n ∈ V 。(可作为练习)
2.6.3 为什么拓扑可以而距离不可以?
距离空间的收敛、开集、闭集是可以通过序列收敛描述的,而一般拓扑空间里的
不是。
如 A = { f ∈ F : 除了一个可数集外 f ≥ 0},若 { f n } 为 A 中序列,且点点收敛
到 f ,则 f ∈ A ,表明 A 在序列点点收敛下是闭的。
但实际上 A 不是拓扑空间里的闭集,因为 A c = { f ∈ F : 在一个不可数集上 f <
0} 不是 T 中的集合。为说明 A c 不在 T 中,令 f ≡ −1,则 f ( ∈ A c 。总可以选出
−1 若 x1 , ..., xn
开集 V ∈ B 使得 f ∈ V = U ( x1 ,G 1 ) ∩ ... ∩ U ( xn ,G n ),定义 g( x) = ,
1 其他
则 g ∈ V ∩ A 。这表明任何包含 f 的开集都与 A 有非空的交集,所以 A c 不是开
集, A 不是闭集。
2.6.4 拓扑空间里的收敛
在拓扑空间中,仅用序列收敛的概念是不够的,通常对应的是网 (Net) 的收敛
例. 1. 非空实数集在通常的大小比较关系下形成有向集
44 CHAPTER 2. 距离空间
“..three notions which were to play a fundamental part in all later developments
of Functional Analysis: compactness, completeness, and separability”
3.1 全有界
在实数空间,我们知道 Cauchy 列是有界的,而且有界序列有收敛的子序列.
但 是 在 一 般 度 量 空 间 中, 有 界 性 与 Cauchy 列 的 关 系 就 没 有 这 么 紧 密。
之 前 我 们 已 举 过 例 子, 有 界 序 列 中 任 何 子 序 列 都 不 是 Cauchy 列 [l 2 空 间,
{(0, ..., 0, 1, 0, ...)}]。在一般度量空间中,要保证序列有子序列为 Cauchy 列,有界
应改为全有界 (totally bounded)
全有界的定义: A ⊂ (E, d ) 为全有界的,如果给定 ε > 0,存在有限个点
S
n
x1 , x2 , ..., xn ∈ E ,使 A ⊂ Bε ( x i ),即 A 被有限个 ε 球覆盖.事实上,可以认为
i =1
这些 ε 球的中心都在 A 中.
引 理: A 全 有 界 ⇔ 给 定 ε > 0, 存 在 有 限 个 集 合 A 1 ,…, A n ⊂ A ,∀ i ,
Sn
diam ( A i ) < ε,且 A ⊂ i =1
Ai
例:1. 由三角不等式,全有界是有界的,但反之不对
2. 有限点集总是全有界的.
下一定理表明了度量空间中 Cauchy 列和全有界的关系.
45
46 CHAPTER 3. 完备性与紧性
3.2 完备性
3.2.1 概念
完备性:距离空间 E 是完备的,如果 E 中任意的 Cauchy 列都收敛到 E 中的某
一点.
例:
1. 欧式空间 R ,R n 都完备.
2. (0, 1) 不完备,但 (0, 1) 与 R 同胚,所以完备性不是拓扑性质
3. l 1 , l 2 ,l ∞ 完备, l ∞ 相当于 B ( X )(有界实值函数全体)[值域是 N],k f k∞ =
sup | f ( x)|
x∈ X
P
N
由 | f n ( k) − f m ( k)|2 ≤ (k f n − f m k2 )2 可知
k=1
P
N P
N
∀N , | f ( k) − f n ( k)|2 = lim | f m ( k) − f n ( k)|2 ≤ ε2 ⇒ k f − f n k2 ≤ ε,当 n
k=1 m→∞ k=1
足够大时.
练习
4. 举例或证明:定理中闭集套的直径 → 0 是必需的吗?(完备距离空间中渐缩
的非空闭集列的交是否非空)
5. 举例或证明:定理 3.4 中的全有界能改成有界吗?
提示: X 为自然数集合, d (m, n) = 1 + 1/ (m + n) 若 m 6= n,否则为;令 B n =
© 1
ª
m : d ( n, m) ≤ 1 + 2n = { n, n + 1, . . .}
回忆一些定义:
¡ ¢o
无处稠密集:(E, d ) 的子集 A 称为无处稠密的,如果 Ā = ;.
¡¡ ¢ o ¢ c ¡ ¢
因为 E = Ā = Ā c ⇒ Ā c 稠密
(E, d ) 的 子 集 Y 称 为 第 一 纲 集. 如 果 存 在 可 数 个 无 处 稠 密 集 A n 使 得
S∞
Y = n=1 A n
不是第一纲集的集称为第二纲集.
例子:Cantor 集是 [0,1] 中的第一纲集,作为 R 的子集,Q 是第一纲集,
R\Q 为第二纲集
练习
3.2.3 距离空间的完备化
对于任意的距离空间,它并不一定是完备的。就如从有理数到实数一样,任意距
离空间都可以通过往空间里加入一些点而使新的空间是完备的。
定义:距离空间 ( X , d ) 和 (Y , ρ ) 称为等距的,如果存在满射 f : X → Y 使得
∀ x, y ∈ X ,ρ ( f ( x), f ( y)) = d ( x, y),满足前述等式的映射称为等距映射。
3.2. 完备性 51
定义:(Y , ρ ) 称为 ( X , d ) 的完备化,如果存在等距映射 f 使得 f ( X ) 在 Y 中
稠密。
定理 3.7. 任意距离空间都可以完备化。
Proof. 思 路 与 将 有 理 数 完 备 化 为 实 数 的 Cauchy 方 法 一 样。 对 于 距 离 空 间
( X , d ), 令 X seq 代 表 X 中 Cauchy 列 全 体, 建 立 等 价 关 系 { xn } ∼ { yn } 如 果
limn→∞ d ( xn , yn ) = 0。将等价的序列视为同一序列,用 X 代表 X seq 根据上
述等价关系得到的等价类全体。定义 X 中 Cauchy 序列等价类之间的距离:
d ([{ xn }], [{ yn }]) = limn→∞ d ( xn , yn ),可以验证其确为距离函数,与等价类中具体选
哪个 Cauchy 列进行运算无关。
然后需要验证 ( X , d ) 完备(留作练习)。
注意到 f ( x) = [{ x, x, ....}] 是单射并且保持距离不变,所以 f : X → X 是等
距映射
最后, lim d ( f ( xn ), [{ x i }∞
i =1
]) = 0,表明 f ( X ) 在 X 中稠密。
n→∞
3.2.4 完备性的应用:不动点定理,说明方程解的存在性
不动点定理
n → ∞ 时,上式 →⇒ { f n ( x0 )} 是 Cauchy 列.
p
注意. f ( x) = 0.5( x + x2 + 1) 满足 d ( f ( x), f ( y)) < d ( x, y),但不是压缩映像,也没
有不动点
压缩映射的判定:
Banach 不动点定理的应用
例:
p
3
p
3
1. 计算 5 是 F ( x) = x3 − 5 = 0 的解,考虑 F 在 [1, 2] 的情况,因 5 ∈ [1, 2].
让 f ( x) = x − λF ( x), f ( x) 的不动点即 F ( x) = 0 的解,只需适当选择 λ 使
¯ ¯
f : [1, 2] → [1, 2],¯ f 0 ( x)¯ ≤ α < 1。λ = 1
8 满足条件,可通过 xn+1 = f ( xn ) =
x3 −5 p
x − ( n ) 计算 5 的近似值.
3
n 8
3.2. 完备性 53
p
3
n xn 5
1
1 1.5
2 1.703125 1.709976
3 1.710607
4 1.709915
有唯一解
考虑积分方程 Z t
u ( t) = u 0 + g( s, u( s)) ds
0
以及连续函数空间的范数
证明 Z t
F (v)( t) = u 0 + g( s, v( s)) ds
0
定义的映射 F 是压缩映射
3. 最优增长问题解的存在性
最简单的最优经济增长问题可以表示成下面的动态优化问题:
P
∞
max ∞ β tU ( c t )
{(c t ,k t+1 )} t=0 t=0 (A)
s.t. c t + k t+1 ≤ f ( k t ), c t , k t+1 ≥ 0
54 CHAPTER 3. 完备性与紧性
T 是从函数空间到函数空间的映射,v 就是该映射的不动点。
根据 Theorem of the Maximum,T 是从 BC(R )[有界连续函数] 到 BC(R ) 的
映射,再根据 Blackwell 定理,可知 T 是压缩映射,不动点存在且唯一。
练习
3.3 紧性
3.3.1 概念
定义 (紧). 集合 K 是紧的,如果 K 的任何一个开覆盖存在有限的子覆盖,即任何
S Sn
满足 K ⊂ Vi 的开集族 {Vi , i ∈ I } 中存在有限个开集 Vi 1 ,…,Vi n 使 K ⊂ j =1
Vi j 。
i∈ I
整个空间是紧的,如果将其视为集合是紧的.
注:紧性从某种意义上是为了使空间呈现某种有限性,最简单的例子是离
散空间是紧的,当且仅当它是有限的,另外,R 中的紧集必须为有界闭区间.
Hermann Weyl (1885-1955):“If a city is compact, it can be guarded by a finite
number of arbitrarily near-sighted policemen”。
紧性在分析中是很重要的性质,许多定理,尤其是有关存在性的定理的条件
都会用到紧性。很多时候这些定理往往在有限的情形下都是显然的,而在无限不
紧的情形下不成立或很难证明。
S∞ ¡ 1 ¢ Sn ³ 1 ´
例. (0, 1) 不紧,首先 (0, 1) = i =1 i , 1 ,但 (0 , 1) =
6 j =1 i j
,1
一些相关的定义:
相对紧:称 A 相对紧,如果 A 的闭包是紧的。
局部紧:称拓扑空间 X 是局部紧的,如果 ∀ x ∈ X ,∃ x 的邻域 U 使得 U 是
紧的。(比如在通常拓扑下,R 是局部紧的,但不是紧的)
注意. 任何一个局部紧的 Hausdorff 空间可以通过加入一个单点,并选择适当的
拓扑变成紧空间。这个紧致化实际上就是把原来的空间 X 嵌入新的紧空间 Y ,
使得 X 在 Y 中稠密。
利用紧性证明的常见思路: X 是一紧空间,P 为 X 的一些开集具有的性质,
而且若开集 U 和 V 都有性质 P,那么 U 和 V 的并集也有性质 P。那么我们可
以知道,只要 X 局部(即每一个点的某个邻域)的具有性质 P,则 X 整体上也
有性质 P。因为这些点的邻域形成 X 的开覆盖,只要从中恰当的选出有限个开
集,即可由归纳法知 X 有性质 P。
3.3.2 紧空间的性质
定理 3.10 (紧性的等价定义). K 是紧的 ⇔ K 的任意闭子集族若具有有限交非空
的性质,则全体交非空。⇔ K 的任意基本开覆盖 (由拓扑基形成的开覆盖) 中存
在有限的子覆盖。⇔ K 的任意由拓扑次基形成的开覆盖中存在有限的子覆盖。
1. 由该等价定义,可以知道紧距离空间肯定是完备的,因为对于非空闭集
套 F1 ⊃ F2 ⊃ · · · ,任意有限个的交非空,故 ∩∞ F 6= ; 推出闭集套定理成立,等
i =1 i
于说空间是完备的.
2. 由紧的最初定义,可知紧距离空间是全有界的,因为对于任意 ε > 0,
G = {Bε ( x) : x ∈ E } 是 E 的开覆盖.若 E 紧,则可从中选出有限个 Bε ( x i ).
下面的定理说明在距离空间里,紧与序列紧是一致的,而完备性与紧性也关
系密切。
注:1. 定理表明在距离空间中,紧性比完备性更强一些.
2. 证明中我们也得到如下结论:对于紧距离空间 X 的开覆盖 U ,存在一
个大于的数 δ 使得 X 的任意半径为 δ 的开球包含于 U 的某个元素内部。这
个数 δ 称为 Lebesgue 数。显然若一个数为 Lebesgue 数,则比它小的正数也是
Lebesgue 数。如果空间不紧,如 R 的开覆盖 {(n, n + 1)} ∪ {(n − n1 , n + n1 )},(0, 1) 的
开覆盖 {( n+1 1 , n−1 1 )} 中都找不到 Lebesgue 数
由上一定理我们可立即得到 R n 空间的紧集的形态
注:定理的证明表明该结果可以推广至具有可数基的拓扑空间。
58 CHAPTER 3. 完备性与紧性
练习
3.3.3 (拓扑)紧空间的性质
现在我们看几个不依赖于度量而只依赖拓扑的与紧相关的性质.
定理 3.15. 若 K 为紧空间,F 是 K 的闭子集,则 F 是紧集.
Proof. F 的任一开覆盖 U ,U ∪ {K \F } 为 K 的开覆盖,其中有有限子覆盖 V ,
V \ {K \F } 为 F 的有限子覆盖且 ⊂ U .
注:Tychonoff 定理表明,不仅有限个紧拓扑空间的积空间是紧的,任意多
的紧拓扑空间的乘积空间仍然是紧的。[关键在于乘积拓扑]
Q
定理 3.18 (Tychonoff 定理). Sα 紧,则在乘积拓扑下 S = α∈ A S α 紧
可以证明 (留作练习),
而且该距离对应的拓扑与乘积拓扑是一致的。
Q
定理 3.19. ∀α, ( Mα , dα ) 完备,可分,紧 ⇐⇒ ( α∈ N Mα , d ) 完备,可分,紧
Proof. 只证明紧的部分,其余留作练习。
设 xn = ( xα,n ) 为 M 中 点 列, 由 M1 紧 性, 从 n → x1,n 中 找 收 敛 子 列
x1,n11 , x1,n12 , x1,n13 , · · · , n → x2,n 再找收敛子列,一直这样继续。令 n k = n k,k ,
则 xn 的子序列 xnk 收敛
反之,若 M 的某个 α 对应的 Mα 不紧,即 M b 中有序列 xb,n 没有收敛子列,
令 x0 为 M 中一点,定义 xn 使得 Projb ( xn ) = xb,n , Projα ( xn ) = Projα ( x0 ), ∀α 6= b,
则 xn 在 M 中没有收敛子列,矛盾。
结合前面定理,可以得到
推论:从紧空间到距离空间的任何连续双射 f : E → F 是同胚映射
证明:只需证 f −1 连续,即对于 E 的闭集 X , f ( X ) 在 F 中闭,E 紧 ⇒ E
的闭集 X 紧 ⇒ f ( X ) 紧 ⇒ f ( X ) 闭。#
3.3.4 空间非紧的测量
在前面的 Banach 不动点定理中,定理的条件要求完备性和映射的收缩性,下面
的定理表明在映射只具备连续性的情况下,如果空间是紧的,不动点还是可以存
在的。
Brouwer 不动点定理:
假定 M 是 R n 中非空、凸紧集, f : M → M 是连续的,则 f 有不动点.
3.3. 紧性 61
Proof. 定义集合
X
K = { x = ( x i ) ∈ R n : x i ≥ 0, 1 ≤ i ≤ n, x i = 1}
Pn
不妨设 Ax 6= 0 对所有 x ∈ K ,有 i =1 ( Ax) i > 0 对所有 x ∈ K ,由
1
f ( x) = P n Ax
i =1 ( Ax) i
练习
4.1 连续性
4.1.1 基本概念
¡ ¢
定义:( M, d ), N, ρ 是两个距离空间,函数 f : M → N 称 f 在 x ∈ M 处连续,如
果对任意 ε > 0,存在 δ > 0(依赖于 f , x,ε),使得:只要 y ∈ M , d ( x, y) < δ 就
¡ ¢ ρ
有 ρ ( f ( x) , f ( y)) < ε[或写成 f Bδd ( x) ⊂ Bε ( f ( x))];
若 f 在 M 的每点连续,则称 f (在 M 上) 连续。
定理 4.1 (连续的等价定义). f 连续 ⇔ 对任意 x ∈ M ,xn → x 则 f ( xn ) → f ( x)⇔E
是 N 的闭集,则 f −1 (E ) 在 M 中闭 ⇔V 在 N 中开,则 f −1 (V ) 在 M 中开 (留
作练习)
连续函数的例子:f : N → R 任意函数,则 f 连续,因为 {n} 是 N 中的开球.
{ n} = B 1 ( n) ⊂ f −1 (Bε ( f ( n))),∀ε > 0
2
定理 4.2 (Debreu 效用表示定理). X 可分距离空间,≥ 是连续的完全的偏好关系,
则它可以有一个连续函数的效用表示.≥ 连续,即指 { x ∈ X , x ≤ y} 和 { x ∈ X , x ≥ y}
闭,∀ y ∈ X .
Proof. 证明思路:找出 X 的可数稠密子集 D ,可以有效用函数 u(·) 表示,取值
于 [a, b] 的有理数上 (思考如何实现,注意无法按照大小排列)。将 u 的定义域从
D 延拓至 X : u( y) = sup{ u( x), x ∈ D, x ≤ y} = inf{ u( x), x ∈ D, y ≤ x}。最后证明这样
的 u 是连续的。
练习
1. f 连续 ⇔∀B ∈ N , f −1 (B o ) ⊂ [ f −1 (B)] o ⇔∀ A ∈ M , f ( A ) ⊂ f ( A )
63
64 CHAPTER 4. 连续性和连续函数空间
¡ ¢
2. f : ( M, d ) → N, ρ 称 f 为开映射如果 U 在 M 中开,则 f (U ) 在 N 中开, f
为闭映射若 U 在 M 中闭则 f (U ) 在 N 中闭.举例:1. 连续映射,但不是
开映射;2. 开映射但不是连续映射;3. 连续开映射但不是闭映射,可以是
满射;4. 连续闭映射但不是开映射,且是满射。
3. 证明定理
d ( f , g) = sup | f ( x) − g( x)|
x∈ E
也可以证明,下半连续性也可以由图像 {( x, y) : f ( x) ≤ y} 的闭性描述。
(注意,
乘积拓扑下,投影映射是开映射)
应用:我们知道 R n 中有界闭集 K 上的连续函数能达到最小值,为此,取 x j
¡ ¢
使得 f x j → λ := inf f ( x)。根据 Weierstrass 定理,存在子列 x j → x ∈ K .由 f 连续
¡ ¢
性,λ := lim f x j = f ( x)。这个结论中的连续性可以减弱为下半连续,即 K 上的下
¡ ¢
半连续函数也能达到最小值.F 下半连续意味着 x j → x 则有 lim inf F x j ≥ F ( x),
¡ ¢
若 有 序 列 x j 使 F x j → inf {F ( x)} = λ, 则 有 子 列 x j , x j → x ∈ K . 于 是
¡ ¢ ¡ ¢
λ ≤ F ( x) ≤ lim inf F x j = lim F x j = λ⇒ F ( x) = λ.
同胚:如果存在 X 到 Y 的双射 f ,使对于 X 的任何开集 A , f ( A ) 为 Y 的
开集,对于 Y 的任意开集 B, f −1 (B) 为 X 的开集,我们就称 X 和 Y 同胚.
性质: X 到 Y 上的双射 f 是同胚,必须且只需 f 和 f −1 都连续.
4.1. 连续性 65
4.1.2 一致连续
一致连续:称 f : M → N 一致连续,如果对任意 ε > 0,存在 δ > 0(不依赖 x),只
要 d ( x, y) < δ 就有 ρ ( f ( x) , f ( y)) < ε,
显然,一致连续 ⇒ 连续如 R 上的 exp (·) 连续但不是一致连续,不过 [a, b]
上的连续函数都是一致连续的。更一般的,下个定理说明定义在紧集上的连续函
数总是一致连续的
¡ ¢
定理 4.3. 度量空间 ( M, d ), N, ρ 。 f 是 M 到 N 的连续映射,若 M 紧,则对
任意 ε > 0,存在 δ > 0.使得当 d ( x, y) < δ 时就有 ρ ( f ( x) , f ( y)) < ε.
上的下界 > 0.
注意到 E = g−1 ([ε, ∞)), g ( x, y) = | f ( x) − f ( y)|
66 CHAPTER 4. 连续性和连续函数空间
4.1.3 连续函数的复合函数
定理 4.4. 1. f : L → M , g : M → N 连续,则 g ◦ f : L → N 连续
2. f , g: M → R 连续.则 h ( x) = ( f ( x) , g ( x)) 作为 M → R 2 的函数连续
[注意与 h : R 2 → R
x12 x2
x14 + x22
若 x14 + x22 6= 0
h( x1 , x2 ) =
0 若 x14 + x22 = 0
这个类型函数的区分]
推论: f 、 g: M → R 连续,则 f ± g, f g,max { f , g},min { f , g} 连续
证明:因为 ( x, y) → x + y,max { x, y}, x y 连续
注意:{ f n } : M → R 连续,不能得证 h ( x) = ( f 1 , f 2 , · · ·) 连续
P
故 n f n .sup { f n } 不一定连续 (同学们可试着举反例)
4.1.4 一致收敛,积分号与极限的交换
几个例子:
R1 R1 R1
1. f n ∈ c [0, 1], f n 一致收敛于 f ,则 0 lim f n dx = lim 0 f n dx = 0 f dx
¯Z Z ¯ Z
¯ 1 1 ¯ 1
¯ f dx − f n dx¯¯ ≤ | f − f n | dx ≤ k f − f n k∞ → 0
¯
0 0 0
4.1. 连续性 67
函数列定义为:[0, n1 ] 上 f n ( x) = n2 x (1 − nx);[ n1 , 1] 上 f n ( x) = 0
f n 简单收敛于 f = 0,但不是一致收敛:sup | f n ( x) − f ( x)| = n/4 → ∞
Z Z 1 Z
1 n ¡ 2 3 2
¢1 1
f n ( x) dx = n n x − n x dx = > f ( x) dx = 0
0 0 6 0
练习
4.1.5 R 上连续函数列和函数的连续点
连续函数列的一致收敛极限是连续的,而简单极限不一定连续 [ f n ( x) = max(0, 1 −
n| x|)],下面的定理说明了其简单极限的性态 [虽然连续性在简单极限下不保持,
但可测性可保持]
例:1Q 处处不连续,故它不是一列连续函数的简单极限,但是
4.1.6 点到集合距离的连续性
回忆点 x 到 A 的距离定义为 d ( x, A ) = inf {d ( x, a) : a ∈ A }
显然 d ( x, A ) ∈ [0, ∞),但 d ( x, A ) > 0 即使 x ∉ A ,比如,d ( x,Q ) = 0,∀ x ∈ R .
4.2. 连通性 69
仅要求 A 闭,结论未必成立。
4.2 连通性
在微积分课程中学过中值定理,现在我们稍稍的推广这个定理.
首先我们来证明
⇒ 由定理第二部分可立即推出中值定理
连续性与连通性之间的联系可帮助我们对同胚概念的理解
1. [a, b],(a, b],(a, b) 两两不可能同胚
以 (a, b] 与 (a, b) 为例,假设同胚,则有连续函数 f ,令 c = f (b),则 a < c < b,
考虑 f 在 (a, b) 上的值域为 (a, c) ∪ ( c, b),不连通,矛盾.
2. [0, 1] 与 [0, 1] × [0, 1] 不同胚,更一般的,R n 与 R m 不同胚,如果 n 6= m。
则必有 f ( x) = 12 .
假如存在同胚映射 f : [0, 1]×[0, 1] → [0, 1]. 但 [0, 1]×[0, 1] \ { x}
©1ª
仍连通,而 [0, 1] \ 2 不连通.矛盾。
注:尽管 [0, 1] 与 [0, 1] × [0, 1] 不同胚,但我们可找到 [0, 1] 与 [0, 1] × [0, 1] 的
一一对应,也能找到连续的满射 f : [0, 1] → [0, 1] × [0, 1]
1. Peano 曲线
P
∞
2a n
2. Lebesgue:Cantor 集 ∆, t ∈ ∆,则 t = 3 ,3 进制小数 0.(2a 1 )(2a 2 )…
n=1
4.3. 连续函数空间 71
4.3 连续函数空间
一般而言,度量空间 ( M, d ) 上的所有连续函数空间是复杂的,但是紧度量空间
上的连续函数空间,比如 C [a, b] 有比较好的性质,这部分我们讨论一下 C [a, b]
的性质,主要考虑它 (1) 是否完备 (2) 是否可分 (3) 紧子集的性态.
4.3.1 完备性
首先来看完备性,我们在一致度量 d ( f , g) = sup | f − g| 下研究。下图说明了在这
个函数空间里 f 的邻域的形态
这个例子也说明了不同距离下的收敛性是不同的。由于 d2 ≤ d1 ,故 d1 下收
敛 ⇒ d2 下收敛.但图中 g n 在 d1 下不是 Cauchy 列,不收敛 (即不是一致收敛
的))
72 CHAPTER 4. 连续性和连续函数空间
⇒ f 连续.
f 的作法:由于 sup | f n ( x) − f m ( x)| < ∞.故给定 x 时 { f n ( x)} 是实 Cauchy
列,将其极限定为 f ( x).即相当于点点极限.此时点点极限也是一致极限.因
为一致极限意味着 sup | f n − f | → 0 当 n → ∞.而 Cauchy 列 ⇒ sup | f n − f m | → 0,
n,m → ∞ 即 ∀ε > 0,∃ n 0 ,当 n,m ≥ n 0 时,sup | f n ( x) − f m ( x)| < ε.让 m → ∞.
x
即有 sup | f n − f | < ε.
练习
检验函数列是否一致收敛
P
n P
m
Proof. s n ( x) = f i ( x),则 | s n ( x) − s m ( x)| ≤ ak < ε
i =1 k= n
4.3.2 可分性
现在看 C [0, 1] 是否可分.
即可找到一列多项式 p n 使得 p n 一致收敛至 f .
{1, x, x2 , · · · , x n , · · · }
的线性组合稠密,如果考虑的是
{1, x n1 , x n2 , · · · , x n k , · · · }
Proof. 我们将明确构造出这个多项式序列.给定连续函数 f .
P
n ¡k¢
定义 Bernstein 多项式 (B n ( f )) ( x) = f n · C nk x k (1 − x)n−k , x ∈ [0, 1]
k=0
易见 B n ( f ) 为最多 n 阶多项式 B n ( f ) (0) = f (0),B n ( f ) (1) = f (1)
可以证明确实有 B n ( f ) 一致收敛于 f .
我们用概率方法来解释这个收敛结果.
将 x ∈ [0, 1] 视为概率,即抛硬币朝上概率.则朝下概率为 1 − x.于是抛 n
次,共 k 次朝上的概率为 C nk x k (1 − x)n−k (二项式分布).事实上, n 次抛平均会
74 CHAPTER 4. 连续性和连续函数空间
如果 n 足够大。
从证明过程中,大家也可以发现下面的积分算子或核函数逼近连续函数的
方法也是可行的。即如果有一列连续函数 K n ( x, y) 满足:当 n 趋于无穷时,关于
R R R
x 一致的, K n ( x, t) dt → 1, | x− t|≥δ |K n ( x, t)| dt → 0, [ 0, 1]|K n ( x, t)| dt ≤ M 则
Z
f n ( x ) := K n ( x, t) f ( t) dt, n = 1, 2, ...
[0,1]
一致收敛到 f .
Weierstrass 定理可以拓展到紧空间上的连续函数,这里不再讨论.
我们讨论上述定理的一个小应用.即 C [a, b] 上的连续函数 f 是否可由其各
阶矩唯一确定:即
Rb
若已知 µn = a x n f ( x) dx,( n = 0, 1, 2, . . . ) 能否确定 f ?
答案是可以的。这里只证明唯一性,即若 f 、 g 有相同的各阶矩.则 f = g.
等价于
Rb
定理. 若 f ∈ c [a, b], a x n f ( x) dx = 0,∀ n = 0,1,2,…则 f = 0
注意,对于一般的函数,结论是不对的。从概率的角度看,这就是说分布不
可以由其各阶矩完全确定。
4.3.3 Stone-Weierstrass 定理
记 C ( X ) 为 X 上的实值连续函数全体,C ∗ ( X ) 为有界连续函数全体。我们说一
个线性空间是一个代数,如果在其中可以进行乘法运算,且满足 x( yz) = ( x y) z,
x( y + z) = x y + xz, ( x + y) z = xz + yz,α( x y) = (α x) y = x(α y),其中 α ∈ R 子代数就
是指线性子空间,包括内部元素的乘积
引理. C ∗ ( X ) 在一致度量下的任一闭的子代数都是一个格
练习
4.3.4 紧子集
最后讨论连续函数空间里的紧集,这里略去相关的证明,可参考 Kolmogorov 和
Fomin 的书。
定义:设 F = { f i , i ∈ I } 为 M 到 N 的一族连续函数,称 F 是在 x 处等度连
续,如果 ∀ε > 0,∃δ x > 0,使得 d ( x, y) < δ x 时总有 ρ ( f i ( x) , f i ( y)) < ε,∀ y, i .若
每一点都等度连续,则称 F 为等度连续。如果对任一 ε > 0,存在与 x 无关的 δ,
则称为一致等度连续。
Proof. 我们简略说明证明思路。
不妨设 X 为紧距离空间,F 为 C ( X ) 的闭子集。如果 F 是紧集,按照一致
距离定义的集合有界性表明函数族是一致有界的。任意给定 ε,存在有限个函数
族里的函数 f j 使得
F ⊂ ∪nj=1 B( f j , ε/3)
说明函数族等度连续。
反过来,C ( X ) 完备,F 为闭子集,若 F 一致等度连续(紧距离空间上的等
,由下面的定理可知 F 是全有界的,所以它是
度连续函数族也是一致等度连续)
紧的。
作为上述定理的简化形式,我们证明如下定理
Proof. 令
目标等价于证明下面的积分方程有解
Z t
u ( t) = u 0 + g( s, u( s)) ds, t ∈ [0, τ]
0
可以验证 u i ∈ B(u0 , r )
然后可以定义分段线性函数
t − ti
û n ( t) = u i + ( u i+1 − u i ), t ∈ [ t i , t i+1 ]
h
4.4. 连续函数的延拓 79
所以 Z Z
t t
sup || g σ(n) ( s) ds − g( s, u( s)) ds|| → 0
0≤ s≤τ 0 0
练习
1. 证明 Rn 中紧集上的任意等度连续函数族是一致等度连续的。
2. X 是紧距离空间,F 是 C ( X ) 的闭子空间,证明 F 是紧集,如果它等度连
续且对任意 x ∈ X ,F x = { f ( x) : f ∈ F } 是 R 中有界集合
3. f (s, t, u) 是定义在 0 ≤ s ≤ 1, 0 ≤ t ≤ 1, −1 ≤ u ≤ 1 上的连续实值函数,对于满
足 || x|| ≤ 1 的 x ∈ C [0, 1],定义
Z 1
F x ( s) = f ( s, t, x( t)) dt
0
4.4 连续函数的延拓
一个拓扑空间中的开集可能太少,比如只包括空集和全空间。因此,这一部分我
们引入空间可分离性的概念,以考察空间是否有足够多的开集,从而保证空间上
存在足够多的连续函数。
80 CHAPTER 4. 连续性和连续函数空间
注:图中的完全正则空间和正规空间也假定是 T1 空间
而且在 E 上 f = g.
上述定理可以说明连续函数是足够多的,即任意不同的点 x, y,存在连续
函数,它在 x, y 上的取值不同.
练习
1. 在正规空间 X 中, A 和 B 为不相交的非空闭集,问是否存在连续函数
f : X → [0, 1],使得 f −1 (0) = A , f −1 (1) = B
下面的定理说明,对于线性泛函,其连续性和有界性是等价的。
对于 X 到 Y 上的连续线性泛函,一个简单的事实是,这些函数的全体构成
一个线性空间,因为在上面可以进行线性运算和数乘运算。在这个线性空间里,
可以如下定义算子范数:
|| l ( f ) ||Y
|| l || = sup || l ( f ) ||Y = sup || l ( f ) ||Y = sup
|| f || X ≤1 || f || X =1 f 6=0 || f || X
|| l ( x) || = || l ( x) − l m ( x) || + || l m ( x) || ≤ || l ( x) − l m ( x) || + || l m |||| x||
w
定义:称 { xn } 弱收敛到 x ∈ X ,记为 xn → x,如果对所有的 ϕ ∈ X ∗ ,ϕ ( xn ) →
© ª w∗
ϕ ( x);称 ϕn 弱 ∗ 收敛到 ϕ ∈ X ∗ ,记为 ϕn → ϕ,如果对所有的 x ∈ X ,ϕn ( x) →
ϕ ( x)[比较点点收敛]。
例:测度的淡收敛,K 为紧 Hausdorff 空间,µ, µ1 , µ2 , · · · 是 K 上的 Radon
R R
测度,如果对于任意的 f ∈ C (K),有 f d µn → f d µ,则称 {µn } 淡收敛到 µ。不
难看出,这本质上就是 C (K )∗ 中元素的弱 ∗
收敛。
∗
弱 收敛的主要用处体现在下面的定理:
5.1 测度的定义
回忆 σ 代数的定义, X 的子集类 F 称为 X 上的 σ 代数如果
1. X ∈ F
2. A ∈ F ,则 A c ∈ F
3. { A i }∞ ∞
i =1 ∈ F ,则 ∪ i =1 A i ∈ F
注意.
µ 1.¶ 由可数可加性容易推出有限可加性,即对有限个互不相交的集合
n P
n
µ ∪ Ai = µ ( A i ).
i =1 i =1
2. 广义实数的运算:若 0 ≤ a ≤ ∞,a + ∞ = ∞ + a = ∞,
(
∞ a>0
a·∞ = ∞·a =
0 a=0
若 a = ∞,a + b = a + cb = c,ab = acb = c
广义实数集合 [−∞, ∞] 是紧的,如果我们定义 −∞ 的邻域需包含某个
[−∞, − n),∞ 的邻域需包含某个 ( n, ∞]
可测空间的例子
85
86 CHAPTER 5. 测度
对于 B (R n ) 中的其它集合形态的分析:
记 G δ 为可数个开集的交集,Fσ 为可数个闭集的并.则 G δ 、Fσ 都是 Borel
集.
但这些集合并未穷尽 Borel 集.
注:拓扑空间 X 上另一个重要的 σ 代数是由所有形如 { x ∈ X , f ( x) > 0} 的集
合生成的 σ 代数,其中 f 取遍所有连续函数。称为 Baire σ 代数,记为 B a ( X )。
通常情况下 B a ( X ) ⊂ B ( X )
测度的例子
练习
2. ( X , F ) 为可测空间,
(a) 假定 µ 在 F 上非负且可数可加,若存在某个 A 使 µ ( A ) < ∞ 则 µ (;) = 0
(b) 举例说明测度定义中的 µ (;) 不能省略 (即可从定义其它部分推得)
S
∞
3. 称 µ 是 σ 有限的,如果存在集合列 { A n } ⊂ F ,∀n, µ( A n ) < ∞, X = An。
¡ ¢ n=1
证明:如果 σ 有限测度空间 X , F , µ 满足 µ( X ) = ∞,则对任意 m < ∞,存
在可测集 A ∈ F 使得 m < µ( A ) < ∞。
4. 令 X = [0, 1],F 为其中第一纲集的集合。对任意 A ∈ F ,定义 m( A ) = 0,
m( X \ A ) = 1,证明: m 是定义在某个 σ 代数上的测度。
为什么需要可数可加性
[a, b] 上的有界函数 f 的积分应该满足
R R
1. ab f ( x) dx = ab++hh f ( x − h) dx
R R R
2. ab f ( x) dx + bc f ( x) dx + ca f ( x) dx = 0
R R R
3. ab [ f ( x) + g ( x)] dx = ab f ( x) dx + ab g ( x) dx
R
4. ab f ( x) dx ≥ 0,a < b, f ≥ 0
R
5. 01 1dx = 1
R R
6. f n ( x) 单调递增收敛于 f ( x),则 ab f n ( x) dx → ab f ( x) dx
Riemann 积分满足 1~5,但不满足 6
P
n
对于函数 f ,可以用 g = C i 1[yi−1 ,yi ) ,C i ∈ [ yi−1 , yi ) 近似,分划记为 p =
i =1
Rb Pn
{ y0 , · · · , yn },若记 E i = { x : f ( x) ∈ [ yi−1 , yi )}.直观上 a g = C i m (E i )
i =1
Rb Rb
a f 可定义为 a g 的极限 ( p 分划越来越细).其中的关键是测度 m.
测度问题是希望找到满足下面条件的集合函数.
1.m ([0, 1]) = 1(对应 5,单位方体的测度为 1)
2.m (E + h) = m (E ) = m (−E ) E + h = { x + h : x + E }(对应 1,平移旋转翻转测
度不变)
P
3.对于不相交的 {E n }, m (∪n≥1 E n ) = n≥1 m (E n )(对应 6)
其中条件 3,即可数可加性,是 Lebesgue 积分论中与之前的理论差异最大
的地方.
那么为什么要可数可加性呢?若只有有限可加性,则太弱无法保证积分条件
6 成立,同时下面的例子也说明只有有限可加性,与常识多有不符
5.2. R N 空间的 LEBESGUE 测度 89
Proof.
n
先证 1 维的情形.若 B = ;,则显然,若
o
B = (a, b],a < b.记 H x = ( x, +∞),
P∞ ¯¯ ¯
¯ (B j ∩ H x 仍然是个半开闭区间)
A = x : a ≤ x ≤ b, b − x ≤ j =1 B j ∩ H x
P ¯¯ ¯ P¯ ¯
矛盾 ⇒ c = a ⇒ b − a ≤ B j ∩ H a ¯ ≤ ¯B j ¯
现假定 n = r 时结论成立,考虑 n = r + 1 的情形,不妨设 B = (a, b],B j =
¡ ¤ ¡ ¤ Qr ¡ ¢ ¡ ¢
a j , b j ,B 的第 i 维为 α i , β i .记 ς = β i − α i .则 |B| = ς βr+1 − αr+1
© i =1 ª
r +1
任给 ε > 0,ε ∈ R , Hε = x ∈ R , ξr+1 > ξ .记
n ¡ ¢ X∞ ¯ ¯o
A = ξ : αr+1 ≤ ξ ≤ βr+1 , ς βr+1 − ξ ≤ (1 + ε) j=1 ¯B j ∩ Hξ ¯
显然 βr+1 ∈ A ,令 γ = inf A
¡ ¢ ¡ ¢ X¯ ¯ X¯ ¯
ς βr+1 − γ = sup ς βr+1 − ξ ≤ (1 + ε) sup ¯B j ∩ Hξ ¯ ≤ (1 + ε) ¯B j ∩ Hγ ¯
ξ∈ A ξ∈ A
⇒γ∈ A
© ¡ ¢ ª © ¡ ¢ ª
若 γ > βr+1 ,并记 J = x ∈ R γ , x, γ ∈ B , J j = x ∈ R r , x, γ0 ∈ B j
由 B ⊂ ∪B j ⇒ J ⊂ ∪ J j ,而且 J 和 J j 是 R γ 中的半开闭矩体,由假设
P ¯¯ ¯ P ¯¯ ¯¯
ς = |J| ≤ J j ¯ 显然存在某个 m,使 ς ≤ (1 + ε) m
j =1 J j .令
n o
( j)
ξ = max αγ+1 , αγ+1 , j ≤ m, J j 6= Φ < γ
5.2. R N 空间的 LEBESGUE 测度 91
¯ ¯ ¯ ¯ ¯ ¯¡ ¢
则 ¯B j ∩ H ξ ¯ ≥ ¯B j ∩ H γ ¯ + ¯ J j ¯ γ − ξ j ≤ m
¡ ¢ ¡ ¢ ¡ ¢
ς βγ+1 − ξ = ς βγ+1 − γ + ς γ − ξ
X∞ ¯ ¯ ¡ ¢ Xm ¯ ¯
≤ (1 + ε) j=1 ¯B j ∩ Hγ ¯ + γ − ξ (1 + ε) j=1 ¯ J j ¯
X∞ ¯ ¯ Xm ¯ ¯
= (1 + ε) m+1 ¯B j ∩ Hγ ¯ + (1 + ε) j=1 ¯B j ∩ Hξ ¯
X∞ ¯ ¯
≤ (1 + ε) j=1 ¯B j ∩ Hξ ¯
P∞ ¯¯ ¯
¯ P∞ ¯¯ ¯¯
矛盾 ⇒ γ = αr+1 . 即有 |B| ≤ (1 + ε) j =1 ¯ B j ∩ H αγ+1 ¯ ≤ (1 + ε) j =1 B j
P ¯¯ ¯¯
由 ε 的任意性 ⇒ |B| ≤ ∞
j =1 B j 得证
5.2.1 外测度
现在可以定义 Lebesgue
( 外测度 m∗ (R n ) → [0, ∞], )
∞ ¯
P ¯ © ª © ª
m∗ (E ) = inf ¯B j ¯ : B j 为半开闭矩体, E ⊆ ∪∞ B j (这样的 B j 称为 E
j =1
j =1
的 L− 覆盖)
注意. 1. 若只允许用有限个矩体覆盖,则上述定义对应是 Jordan 容度.
2. 由于任意 E 都可以由 {(−n, n]}n∈N ,L− 覆盖,而非空集合的下确界总是
唯一确定的,故外测度对任意子集 E 皆有定义.
∞ ¯
P ¯
3. 如果 E 的所有 L− 覆盖都使 ¯B j ¯ = ∞,则 m∗ (E ) = ∞
j =1
外测度的性质
1. 非负性,m∗ (E ) ≥ 0, m∗ (;) = 0
2. 单调性,若 E 1 ⊂ E 2 ,则 m∗ (E 1 ) ≤ m∗ (E 2 ) (E 2 的 L− 覆盖总是 E 1 的 L−
覆盖)
¡ ¢ P∞
3. 次可加性,m∗ ∪∞ E ≤
k=1 k k=1 m
∗
(E k )
P∞ ∗ P∞ ∗
Proof. 若 k=1 m (E k ) = ∞,结论显然,故设 k=1 m (E k ) < ∞,任意给定
ε > 0.
© ª ∞ ¯
P ¯
对任一 E k ,存在 L− 覆盖 B k, j 使 E k ⊂ ∪∞ B , ¯B k, j ¯ < m∗ (E k ) + 2−k ε
j =1 k, j
j =1
© ª
故 ∪k E k ⊂ ∪k ∪ j B k, µj ,由于
¶ B k, j 可以重新排成一列 {B c }.故其为 ∪k E k 的
P P ¯¯ ¯ P¡ ∗ ¢ P
L− 覆盖.即有 m∗ ∪ E k ≤ B k, j ¯ < m (E k ) + 2−k ε = m∗ (E k ) + ε
k k j k k
92 CHAPTER 5. 测度
¡ ¢ P∞
由 ε 的任意性,有 m∗ ∪∞ E ≤
k=1 k k=1 m
∗
(E k ).(这里的双序列可以看成单
列,是因为这里的序列顺序无关)
6. 平移不变性:m∗ (E + { x0 }) = m∗ (E )
© ª
Proof. 首先矩体体积是平移不变的,|B| = |B + { x0 }|.由 E 的 L− 覆盖 B j ⇔
© ª
B j + { x0 } 是 E + { x0 } 的 L− 覆盖可知 m∗ (E + { x0 }) = m∗ (E ).
下面的两个性质表明,外测度对于某些特定的集合满足可加性.
7. 若 d (E 1 , E 2 ) > 0,且 E = E 1 ∪ E 2 .则 m∗ (E ) = m∗ (E 1 ) + m∗ (E 2 ).
Proof. 因 为 E 1 的 L 覆 盖 并 上 E 2 的 L 覆 盖, 总 是 E 的 L 覆 盖, 故
m∗ (E ) ≤ m∗ (E 1 ) + m∗ (E 2 ).
下面证明 m∗ (E 1 ) + m∗ (E 2 ) ≤ m∗ (E ).即将 E 的 L− 覆盖分成两部分,一部分
覆盖 E 1 ,另一部分覆盖 E 2 ,为此选取 δ > 0 但 < d (E 1 , E 2 ).取 E 的一个满足
5.2. R N 空间的 LEBESGUE 测度 93
P ¯¯ ¯
B j ¯ < m∗ (E ) + ε 的 L 覆盖 B j ,将每个 B j 分割成直径小于 δ 的矩体,于是
P
得到新的 E 的覆盖 { I k }.I k 的直径 < δ.且 | I k | < m∗ (E ) + ε.显然 I k 最多
只与 E 1 和 E 2 中的一个相交.令 J1 = { I k , I k ∩ E 1 6= ;},J2 = { I k , I k ∩ E 2 6= ;},
则 J1 ∩ J2 = ;.
P
且 E 1 ⊂ ∪ J1 ,E 2 ⊂ ∪ J2 ⇒ m∗ (E 1 ) + m∗ (E 2 ) ≤ | I k | < m∗ (E ) + ε.得证.
8. 若 E 是可数个内部互不相交的半开闭矩体的并,即 E = ∪∞ B .则 m∗ (E ) =
j =1 j
P∞ ¯¯ ¯¯
Bj
j =1
¯ ¯ ¯ ¯
Proof. 作严格包含于 B j 内部的小矩体 B̃ j 使 ¯B j ¯ ≤ ¯B̃ j ¯ + ε2− j ,
¡ ¢
则 ∀ i, j ,d B i , B j > 0,故任给 N ,有
µ ¶ N N ³¯ ´
N X¯ ¯ X ¯
m∗ ∪ B̃ j = ¯B̃ j ¯ ≥ ¯B j ¯ − ε2− j
j =1 j =1 j =1
PN ¡¯ ¯ ¢ ∞ ¯ ¯
N
由 ∪ B̃ j ⊂ E 知 m∗ (E ) ≥¯B̃ j ¯ − ε2− j .令 N → ∞ 有 m∗ (E ) ≥ P ¯B j ¯ − ε.
j =1
P j=1 ¯¯ ¯¯ P∞ ¯¯j=1¯¯
另一方面总有 m∗ (E ) ≤ ∞j =1 B j ,由 ε 的任意性, m ∗
( E ) = j =1 B j
下面是一些直接计算外测度的例子 (在 R 空间)
1. m∗ (R ) ≥ m∗ ((−n, n]) = 2n → m∗ (R ) = ∞
2. m∗ ({ x}) ≤ m∗ (( x − δ, x + δ]) = 2δ → m∗ ({ x}) = 0
P P
3. m∗ (Q ) ≤ q∈Q m
∗
({ q}) = q∈Q 0 = 0
∗ ∗ ∗ ∗
4. m (R ) ≤ m (R \Q ) + m (Q ) ⇒ m (R \Q ) = ∞
练习
( )
N ¯ ¯
P N
1. 定义 R 上集合 E 的 Jordan 外容度 J ∗ (E ) = inf ¯ I j ¯, E ⊂ ∪ I j , I j 为区间
j =1 j =1
³ ´
证明:对任意集合 E , J ∗ E = J ∗ (E )
2. 举例说明存在开集 O ,使其闭包 Ō 的边界的外测度为正.
94 CHAPTER 5. 测度
5.2.2 不可测集
上面有关 Lebesgue 外测度的性质表明其具有平移不变性及正则性 (单位方体测
度为 1),与测度要求只差可数可加性的要求.下面的例子表明,外测度不可能具
有可加性,无论是可数可加还是有限可加的性质.
不具有可数可加性
不具有限可加性
P
由前可知 1 ≤ m∗ ( X ) ≤ m∗ ( E ) ⇒ m∗ ( E ) > 0
q∈Q ∩[−1,1]
5.2. R N 空间的 LEBESGUE 测度 95
3. 若 E 1 ∈ F ,E 2 ∈ F ,即 ∀ A ,
¡ ¢
m∗ ( A ) = m∗ ( A ∩ E 1 ) + m∗ A ∩ E 1c
¡ ¢
= m∗ ( A ∩ E 2 ) + m∗ A ∩ E 2c
¡ ¢
m∗ ( A ∩ (E 1 ∪ E 2 )) + m∗ A ∩ (E 1 ∪ E 2 ) c
¡ ¢ ¡ ¢
= m∗ ( A ∩ (E 1 ∪ E 2 ) ∩ E 1 ) + m∗ A ∩ (E 1 ∪ E 2 ) ∩ E 1c + m∗ A ∩ E 1c ∩ E 2c
¡ ¢ ¡ ¢
= m∗ ( A ∩ E 1 ) + m∗ A ∩ E 2 ∩ E 1c + m∗ A ∩ E 1c ∩ E 2c
¡ ¢
= m∗ ( A ∩ E 1 ) + m∗ A ∩ E 1c
= m∗ ( A ) ⇒ E 1 ∪ E 2 ∈ F
4. 若 {E n } ∈ F ,且 E n ∩ E m = ;, n 6= m,要证 ∪E n ∈ F .
¡ ¢
m∗ ( A ) = m∗ ( A ∩ E 1 ) + m∗ A ∩ E 1c
¡ ¢ ¡ ¢
= m∗ ( A ∩ E 1 ) + m∗ A ∩ E 1c ∩ E 2 + m∗ A ∩ E 1c ∩ E 2c
¡ ¢
= m∗ ( A ∩ E 1 ) + m∗ ( A ∩ E 2 ) + m∗ A ∩ E 1c ∩ E 2c ∩ E 3
¡ ¢
+ m∗ A ∩ E 1c ∩ E 2c ∩ E 3c = · · ·
µ µ ¶c ¶
∗
X
n
∗ ∗ n
m ( A) = m (A ∩ Ek) + m A ∩ ∪ Ek
k=1 k=1
µ µ ¶c ¶
Xn
∗ ∗ ∞
≥ m (A ∩ Ek) + m A ∩ ∪ Ek
k=1 k=1
令 n → ∞,由 m∗ 的次可加性.
µ µ ¶c ¶
∗
X
∞
∗ ∗ ∞
m ( A) ≥ m (A ∩ Ek) + m A ∩ ∪ Ek
k=1 k=1
µ ¶ µ µ ¶c ¶
∗ ∞ ∗ ∞
≥m ∪ (A ∩ Ek) + m A ∩ ∪ Ek
k=1 k=1
∞
⇒ ∪ Ek ∈ F
k=1
∞
5. 令 A = ∪ E k .则由 4 得到
k=1
µ ¶ µ ¶
∗ ∞ X
∞
∗ ∗ ∞ X
∞
m ∪ Ek ≥ m (E k ) ⇒ m ∪ Ek = m∗ ( E k )
k=1 k=1 k=1 k=1
这表明 m∗ 在 F 上具有可数可加性.
5.2. R N 空间的 LEBESGUE 测度 97
练习
Proof. 类似 Lebesgue
½ 测度构造,对任意 A ⊂ Ω
¾ 构造外测度
P
∞ S
∞
µ∗ ( A ) = inf µ ( An) : An ∈ C , A ⊂ An ,
n=1 n=1
称 A 是 µ∗ 可测,即 ∀D ⊂ Ω,µ∗ (D ) = µ∗ ( A ∩ D ) + µ∗ ( A c ∩ D ),可证 µ∗ 在
µ∗ 可测集类上为测度,µ∗ 可测集类包括 σ (C ):C 中集合 µ∗ 可测且 µ∗ 可测集
形成 σ 代数.
(唯一性证明) 设 µ 在 C 上 σ 有限,Ω 可表示为 C 中可数个集合的并.由
P
C 为半环,知存在 Ω 的可数划分 { A n } 使 Ω = A n , A n ∈ C ,µ( A n ) < ∞,若 µ1
T T
与 µ2 是在 σ (C ) 上的两个测度扩张,则因为 A n C 是 π 类,且 A n C ⊂ C .由
P T
上一定理,可知 µ1 与 µ2 在 σ ( A n ∩ C ) 上一致.∀B ∈ σ (C ) 有 B = (B A n ),故
P T P T P T
µ1 (B) = µ1 ( (B A n )) = µ1 (B A n ) = µ2 (B A n ) = µ2 (B),得证.
N
定理. 若 C 为 X 的子集族且 ; ∈ C ,C ≥ 2,F = σ (C ).则 F ≤ C
N
于是因 R 上的 Borel 集可由有理端点的区间生成.故其基数 ≤ N = R ,而
Lebesgue 可测集的基数是 2R ,故必有非 Borel 集的 Lebesgue 可测集.
2.若 E ⊂ R n 是 Lebesgue 可测的,则
© ª © ª
m (E ) = inf m (U ) : U 开, E ⊂ U = sup m (K ) : K 紧, K ⊂ E
© ª
注意. 1. 虽然紧集改为闭集结论也对,但所表示的意思不同,即 K : K 紧, K ⊂ E
© ª
与 K : K 闭, K ⊂ E 不等价,比如 E = Q ;2. 前面类似的定理针对的是外测度和
任意集合;3. 有界集合的 Lebesgue 测度有限,但若集合测度有限未必是有界的
K 闭且有界,故 K 紧且 K ⊂ E . m (C ) ≤ m (K ) + m (U ) < m (K ) + m (C − E ) + ε ⇒
m (E ) − ε ≤ m (K ) 由 ε 的任意性,知 E 有界时结论成立.
¡ ¢
再设 E 无界时,定义 B j = [− j, j ]n ,E j = E ∩ B j ,则 m (E ) = lim j m E j ,且
E j 有界 [将无界集合化为有界集合的常用手段].
¡ ¢
若 m (E ) < ∞,∀ε > 0,可找到 j 使 m E j ≥ m (E ) − 2ε ,及紧集 K ⊂ E j 使
¡ ¢
m (K ) ≥ m E j − 2ε ,即有 m (K ) ≥ m (E ) − ε
¡ ¢
若 m (E ) = ∞,∀b > 0,有某个 j 使 m E j > b 及紧集 K ⊂ E j ,使 m (K ) > b.
得证.
2. 由定理不难得到下面的推论,即
因为取 E = R n ,K 为紧集时,总有 m (E \K ) =
其中后者的闭集不能改成紧集.
∞
3. 若假定可测集 E 的测度有限,可进一步得到下面的推论.
5.2. R N 空间的 LEBESGUE 测度 101
由此结论结合紧集的连续象还是紧集的论断容易推得:若 T : R n → R l 为连
续映射,E ⊂ R n 是 Lebesgue 可测集,则 T (E ) 也是 Lebesgue 可测的。因为
T 将零测集映为零测集,将 Fσ 集映为 Fσ 集。注意,若 E 是 Borel 集,则
T (E ) 未必为 Borel 集。
5. 这里提到的诸多可测集的性质也可以作为 Lebesgue 可测集的定义,即这些
性质的逆命题也成立.以下是部分常见的逆命题,大家可尝试证明等价性。
设 E 为 R n 的子集,任给 ε > 0
102 CHAPTER 5. 测度
练习
5.2.6 测度空间的完备化
前面说明了任一 Lebesgue 可测集只与 Borel 集只差一个零测集.这实际上说明
了 Lebesgue 集是 Borel 可测度空间完备化后得到的,为此引入如下定义.
© ª
定义. :测度空间 Ω, F , µ 是完备的,如果任意 A ∈ F ,µ ( A ) = 0( A 称为零测
度),则 A 的所有子集都属于 F .
注:显然零测集的任意子集的测度也为 0.
¡ ¢ ³ ´
定理 5.6. 任意测度空间 Ω, F , µ 存在包含它的最小的完备测度空间 Ω, F , µ̄ ,
满足 F ⊆ F ,µ̄ |F = µ.
© ¯ ª
Proof. 令 C = A ¯ A ∈ F , µ ( A ) = 0 ,C = {B |B ⊆ A, A ∈ C },
© ¯ ª
F̄ = Ā ¯ Ā = ( A \ N1 ) ∪ N2 , A ∈ F , N1 ∈ C¯ , N2 ∈ C¯ ,µ̄ (( A \ N1 ) ∪ N2 ) = µ ( A )
1. 在 F 定义中取 A = ;, N1 = ; 可知 C ⊂ F 即 F 含有所有 F 中零测
集的子集.若另有 B ∈ F ,µ̄ (B) = 0 且 B ∉ F .则 B = ( A \ N1 ) ∪ N2 ,µ ( A ) = 0.
S
B 的子集 B0 也可表示成 B1 ∪ B2 的形式.其中 B1 = ( A \ ( N1 N2 )) ∩ B0 ,B2 =
5.2. R N 空间的 LEBESGUE 测度 103
T
N2 B0 ⇒ B2 ∈ C¯ ,因 N1 ∪ N2 也是某个零测集的子集即 N1 ∪ N2 ∈ C¯ ,改写 B1 ,
有 B1 = A \ ( N1 ∪ N2 ∪ ( A \B0 )).
因 N1 ∪ N2 ∪ ( A \B0 ) ∈ C¯ ,故 B0 = A \ ( N1 ∪ N2 ∪ ( A \B0 )) ∪ B2 ∈ F ⇒ F 包含
所有 µ̄ -零测集的所有子集.
S
2. F 为 σ 代数,;、Ω ∈ F 显然.若 B ∈ F ,B = ( A \ N1 ) N2 ,则
¡ ¢[
B c = A c \ N2 ( N1 \ N2 ) ∈ F
S
若 B1 ∈ F ,B2 ∈ F ⇒ B1 ∪ Bµµ2 = (( A 1¶∪ A 1∪N
µ 2 ) \ ( M¶¶ ¶ 2 ∪ N2 )
µ 1 )) ( M
S
∞ S
∞ S
∞ S
∞
若 {B n } ∈ F ⇒ Bn = An \ Nn ∪ Mn
¡n=1 ¢ n=1 n=1 n=1
3. 注意包含 Ω, F , µ 的完备测度空间必然包含 F ,以及 C¯ ,显然 F ⊂
¡ ¢ ¡ ¢
σ F ∪ C¯ 故只能有 F = σ F ∪ C¯
推论. (R n , L (R )n , m) 是 (R n , B (R )n , m) 的最小完备化测度空间.
练习
5.2.7 可测集与矩体
人们可能会想知道正测度集 A ( A c 也是正测度集) 是否可以很均匀的分布于整个
±
空间,即对某个 r ,0 < r < 1. 满足 m ( A ∩ J ) m ( J ) = r .
对任意区间 J ,0 < m ( J ) < ∞.
104 CHAPTER 5. 测度
下面定理说明这个是不可能的,即肯定有某个区间中 A 比较多,有些区间 A 的
点比较少.
E − E := { x − y : x, y ∈ E } ⊃ [−ε, ε]
练习
5.4 测度与集合列的极限
前面已经证明单调集列的测度与极限运算可以交换,即有测度的单调收敛定理,
定理 5.11. 对可测集列 {E n }
若 E n ↑ E .则 limn→∞ m (E k ) = m (limn→∞ E n )
若 E n ↓ E . m (E 1 ) < ∞,则 limn→∞ m (E k ) = m (limn→∞ E n )
而对于一般的可测集合列.只能有
µ E n ) ≤ ¶lim infn→∞ m ³(E k ) (Fatou
m (lim infn→∞ 引理集合形式)
S
∞ ´
如果还有 m E n < ∞,则 m lim E n ≥ lim m (E n )
n=1 n→∞ n→∞
µ ¶ µ ¶
S
∞ T
∞ T
∞
Proof. 只证 Fatou 引理.m E j = lim inf m E j ≤ lim inf m (E n )
n=1 j = n n→∞ j=n n→∞
R
注意. 1. 对于集合 E ,总对应示性函数 1E ,容易想象应该有 1E dm = m(E ),
于是集合的收敛可以对应示性函数的点点收敛,测度的收敛就对应积分的
收敛,由可测集合列的性质可以大致知道可积函数列的一些性质
2. 对于概率测度 P ,因为总有限,故有:
³ ´
P (limn→∞ E n ) ≤ limn→∞ P (E n ),P limn→∞ E n ≥ limn→∞ P (E n )
P
∞ ³ ´
引理 (Borel-Cantelli lemma). 若有可测集列 {E n }. m (E k ) < ∞.
则 m limn→∞ E n =
n=1
0.
³ ´ µ ¶
S
∞ P
∞
Proof. m limn→∞ E n = limk→∞ m E i ≤ lim m (E i ) = 0
i=k k→∞ i = k
可应用于周民强《实变函数论》习题 2 第一组第 9 题。
5.5. 补充 107
5.5 补充
5.5.1 测度的扩张
在前面已经讨论了如何从半环上的可数可加集函数开始构造半环生成的 σ 代数
上的测度,按照类似方法不难从代数开始构造测度。基本步骤有三:
1. 定义外测度
2. 利用 Caratheodory 条件界定可测集,说明可测集合形成 σ 代数,且外测度
在可测集上可数可加
3. 说明代数里的集合也是可测集
不难发现,扩张中的前提是集函数在半环或代数上就是可数可加的,但这一
条件并不容易验证,往往有限可加是容易成立的,下面给出两个定理,说明何时
有限可加可以加强为可数可加。
108 CHAPTER 5. 测度
5.5.2 Bernoulli 测度
这里补充说明如何严格定义可数次抛硬币形成的空间里的概率测度。
令 X = {0, 1}N ,可以看成是可数次抛硬币形成的空间。给定非空集合 S ∈ N,
可知对应那些次抛硬币形成了空间 X S = {0, 1}S 。显然,AS = { A ∈ X : ΠS ( A ) ⊆ X S }
()ΠS 为投影映射)
,代表已知 S 对应那些次抛硬币结果的集合,是一个 σ 代数。
假如每次抛硬币独立,向上概率为 p,很容易对有限的 S 定义 AS 中集合的概
率,而且 A = ∪{AS : S < ∞} 是一个代数,但并非 σ 代数。利用前述定理证明在
A 上有可数可加的概率,再将其扩张成为 σ(A ) 上的测度。
第 6 章 可测函数
T = argmax f (θ ; X 1 , X 2 , . . . , X n )
相当于给定参数的最优化,需要有最优值关于参数的可测性(有相应的连续函
数的 Maximum Theorem)
6.1 映射的可测性
¡ ¢
定义. (可测映射) 令 Ω, Φ, µ 为测度空间(只需要可测空间 (Ω, Φ),无需引入
测度)
1. (E, E ) 为另一可测空间,映射 f : Ω → E 称为 (Φ, E ) -可测的 (简称为可测
的),如果对一切 A ∈ E , f −1 ( A ) ∈ Φ
³ ´
2. R = R ∪ {−∞, ∞},B (R ) 和 B R 表示 R 和 R 上的 Borel σ -代数
³ ³ ´´
若 f : Ω → R 是 (Ω, Φ) 到 R, B R 的可测映射,称 f 为 Φ 可测函数
若 f : Ω → R 是 (Ω, Φ) 到 (R, B (R )) 的可测映射,称 f 为 Φ 实值可测函数
109
110 CHAPTER 6. 可测函数
³ ³ ´´
3. 若 f : R n → R 是 (R n , B (R n )) 到 R, B R 的可测映射,称 f 为 Borel 可
测函数
³ ´´ ³
n n n
若 f : R → R 是 (R , L (R )) 到 R, B R 的可测映射,称 f 为 Lebesgue
可测函数.
[如何考虑 f : Ω → R m ?]
Proof. U 在 R 中开,则 f −1 (U ) 开.
6.1.1 复合映射的可测性
定理 6.1 (复合映射的可测性). 设 f 是 (Ω, F ) 到 (E, E ) 的可测映射,g 是 (E, E )
到 (G, Γ) 的可测映射,则 g ◦ f 是从 (Ω, F ) 到 (G, Γ) 的可测映射.
¡ ¢
Proof. ∀ A ∈ Γ, g−1 ( A ) ∈ E , f −1 g−1 ( A ) = ( g ◦ f )−1 ( A ) ∈ F
6.1. 映射的可测性 111
±
推论. 若 f 1 ,f 2 是 (Ω, Φ) 上的实值可测函数,则 c 1 f 1 + c 2 f 2 ,f 1 · f 2 ,f 1 f 2 ( f 2 处
处不为 0),max ( f 1 , f 2 ),min ( f 1 , f 2 ),| f | = max ( f , 0) + max (− f , 0) 都可测.
Proof. h ( f 1 , f 2 ) = c 1 f 1 + c 2 f 2 ,h : R 2 → R 是连续函数,其它类似.
6.1.2 向量函数的可测性与各个维度函数的可测性
定理 6.2. X = ( X 1 , · · · , X n ) 是 (Ω, F ) 到 (R n , B (R n )) 上的可测映射 ⇔ 每个 X i
都是 (Ω, F ) 到 (R, B (R )) 上的可测映射。
Qn Q
Proof. ⇒:对任意 i =1 (a i , b i ),X
−1
( ni=1 (a i , b i )) ∈ F 即知 X i −1 ((a i , b i )) ∈ F(取
其它的 (a i , b i ) 为 (−∞, ∞))
⇐ :考虑如下形式的矩体 J = R ×· · ·× (a i , b i ) ×· · ·× R ,X −1 ( J ) = X i −1 ((a i , b i )) ∈
F ,因为全体形如 J 的矩体生成的最小 σ 代数为 B (R n ),结论得证。
思考:在无限维成立吗?
6.1.3 处处收敛和几乎处处收敛
定理 6.3 (可测函数的点态极限). (Ω, Φ) 上的可测函数列 { f n }:Ω → R ,则
sup f n ,inf f n ,lim f n ,lim f n 及 lim f (若每点都存在) 都是可测函数.
T
∞
Proof. 证明:∀a, { x : sup f n ( x) ≤ a} = { x : f n ( x) ≤ a}
n=1
inf { f n } = − sup {− f n } ,lim f n = inf sup f n ,lim f n = sup inf f n .
112 CHAPTER 6. 可测函数
练习
前面的定理表明点点收敛的极限仍是可测的,但如果不是点点收敛而是几
乎处处收敛呢?
¡ ¢
定义 (几乎处处). 给定测度空间 Ω, Φ, µ ,称性质 P ( x) 几乎处处为真,即存在
零测集 (测度为 0 的集合或测度为 0 的集合的子集) N ,使得 ∀ x ∈ Ω\ N ,P ( x) 成
立,记为 P ( x)µ − a, e.
¡ ¢
定理 6.4. 若 Ω, Φ, µ 为完备测度空间,其上可测函数列 f n ( x) → f ( x),µ − a, e.
则 f 可测.
注意 { x : f ( x) 6= g ( x)} 是零测集.
6.2 可测函数的性质
6.2.1 可测函数与简单函数
下面要说明可测函数和简单函数之间的关系.
定理 6.6. :每个可测函数一定是简单函数逐点收敛的极限.
每个有界可测函数一定是简单函数的一致收敛的极限
每个正值可测函数一定是简单函数递增逐点收敛的极限.
X
n ·2 n
−1 i n
f n ( x) = n
1 x: i < f ≤ i+1 o + n1{ f >n} − n1{ f ≤−n}
(x) 2n
i =− n·2n 2 2n
6.2.2 可测函数与连续函数—Lusin 定理
下面的卢津 (Lusin) 定理阐述了可测函数与连续函数的关系,即可测函数可由连
续函数近似
定理 6.7 (Lusin 定理). f : R n → R 是 Lebesgue 实值可测函数.E ⊂ R n ,且
m (E ) < ∞,则对任意 ε > 0,存在紧集 K ⊂ E ,使得 (1) m (E \K ) < ε (2) f |K ( f 限
于 K 上) 是连续的.
Proof. 证明 1:不妨设 E 紧,且 m(E ) = 1。映射 g : x 7→ ( x, f ( x)) 从 E 到 E × R 是
可测的。所以存在紧集 S ⊂ E × R 使得 m( g−1 (S )) > 1 − ε。令 K 为 S 在 X 上的
投影,显然 K 是紧集且 m(K ) = m( g−1 (S )) > 1 − ε。假设 { xn } ⊂ K , xn → x0 ∈ K ,
则 S 中序列 {( xn , f ( xn ))} 有子序列收敛到 S 中某一点,只能是 ( x0 , f ( x0 )),于是
f ( xn ) → f ( x0 ),表明 f 在 K 上连续。
© ª∞
Proof. 证明 2:对任意正整数 i ,令 B i j j=1 ⊂ R 为不相交的 Borel 集合列.使
S
R= ∞ B .
j =1 i j
¡ ¢ T ¡ ¢ S
diam B i j < 1/i .定义 A i j ∆E f −1 B i j .则 A i j 可测且 E = ∞ A .
j =1 i j
n T
定义测度 v 在 R 的子集上,即 v (B) = m (B E ),v 相当于限制在 E 上的
Lebesgue 测度.
由 Lebesgue 测 度 的 正 则 性, 可 知 对 可 测 集 A i j , 存 在 紧 集 K i j ⊂ A i j ,
¡ ¢ ±
m A i j \K iµj < ε 2 i+ j ¶ µ ¶
S
∞ S∞ S
∞ ³S ´
则 m E \ K i j = m j=1 A i j \ K i j ≤ m ∞ j =1
A i j \ K i j < 2εi
j =1 j =1
³ S ´ ³ S∞ ´
由于 lim m E \ N K
j =1 i j
= m E \ K
j =1 i j
可知存在 N ( i ) 使得
µ N →∞ ¶
S
N(i) S
m E\ K i j < 2εi .记 D i = N(i) j =1
K i j ,则 D i 紧.
j =1
对每个 i 和 j ,选定 b i j ∈ B i j ,并定义函数 g i : D i → R : g i ( x) = b i j .若
x ∈ K i j ( j ≤ N ( i ))
由于 K i j 为互不相交的紧集,之间的距离为正.不难知道 g i 是连续的,而
T∞
且 ∀ x ∈ D i ,| f ( x) − g i ( x)| < 1/i ,令 k = i =1
D i ,则 K 仍为紧集,而且
6.2. 可测函数的性质 115
P
∞
m (E \K ) ≤ m (E \D i ) < ε ,因为 ∀ x ∈ D i ,| f ( x) − g i ( x)| < 1/i ,∀ x ∈ K 亦成
i =1
立.
即 g i 是一致收敛于 f 的,由 g i 在 K 上连续性,知 f 为 K 上的连续
函数.
[证明思路:先考虑取值可数的可测函数,在对应的原象可测集合中找充分
逼近的紧集,其中的有限个紧集的并即为所求;再考虑一般的可测函数,可以表
示成取值可数的可测函数列的一致极限,对每一个可选取充分接近的紧集,其上
函数连续,故极限也连续]
注意. 1. f 限于 K 上是连续的,意味着 { x i } ∈ K ,且 x i → x∈ K .则 f ( x i ) → f ( x0 ),
这与 f 作为整个空间的函数在 K 上每个点处连续不同,即指 { x i } 不一定属
于 K , x i → x∈ K ,而有 f ( x i ) → f ( x0 )(参见习题)
2. 可以放宽假设 m (E ) < ∞,即允许 m (E ) = ∞,同时不要求 K 为紧集,只需
为闭集.
证明:令 E ik = { x ∈ R n , i − 1 ≤ | x| < i },则 m (E i ) < ∞.可在其中找到闭集 F i ,
± S
m (E i \F i ) < ε 2 i ,令 K = i F i .我们证明 K 为闭集,且 m (E \K ) < ε, f 限
于 K 上是连续的.
* 注意 K 中任何收敛序列有界,故必可以由 N 个 E i 覆盖,也就是说在有
限个 F i 内,而有限个 F i 的并仍是闭集,表明收敛序列的极限仍属于 K ,故
K 为闭集.
S S
或者, A m = n≤ m F n 闭,B m = n> m F n , H m = { x : | x| ≥ m},B m ⊂ H m
F = A m ∪ Bm = A m ∪ Bm ⊂ A m ∪ Hm ⊂ F ∪ Hm
\
⇒F⊂ m ( F ∪ H m ) = F ∪ (∩ m H m ) = F ⇒F=F
© ª
* m (E \K ) < ε,显然, f |K 的连续性则由于 K 中收敛于 x0 的序列 x j 有
© ª
界,且 F i 互不相交可知 x j 中除有限项外必属某个 F m ,由 f 在 F m 上限
制连续,知 f |K 连续
3. ε 不 能 为 0, 即 不 可 以 只 除 去 一 个 零 测 集, 比 如 E = [0, 1],E 1 ⊂ [0, 1],
且 m (E 1 ) = 0.5,类 Cantor 集 f ( x) = 1E 1 .对任意零测集 E 0 ⊂ E ,E − E 0
稠密,而 E 1 \E 0 非空,取 x0 ∈ E 1 \E 0 ⊂ E \E 0 , f ( x0 ) = 1,∀δ > 0,∃ x1 ∈
(E \E 0 ) ∩ ( x0 − δ, x0 + δ),而 E 1 为类 Cantor 集,即第一纲集 (或者说就是无
处调密集).(E \E 0 ) \E 1 是稠密的,故 ∃ x1 ∈ (E \E 1 ) ∩ ( x0 − δ, x0 + δ) ∩ (E \E 0 ),
116 CHAPTER 6. 可测函数
© ª S T³ ´
f ( x1 ) = 0.若 F = E \E 0 ,则可取 x j 满足 x j ∈ (E \ (E 0 E 1 )) x0 − 1j , x0 + 1j ,
¡ ¢
f x j = 0, x j → x0 而 f ( x0 ) = 1,说明在 F 上, f 不连续.当然,有时候可
以只除去零测集.
4. 我们知道,连续函数可由多项式逼近,但 Lusin 定理中的连续函数却不能改
为多项式.比如 E = [0, 1], f ( x) = e x .不可能找到多项式 P n 使其在某个很
小的正测度集外 f = P n .因为在 [0, 1] 上 f = P n ( x) 的解最多只有 n 个,所
以 { x : f ( x) = P n ( x)} 是零测集,矛盾.事实上连续函数的多项式逼近并不要
求它们在大部分点上相等,这与 Lusin 定理要求不同.
5. Lusin 定理中的 f 在闭集 F 上的限制是连续的,则根据连续函数延拓定理,
可以把 f 延拓成 R n 上的连续函数 g,从而使得 ∀δ > 0,存在连续函数 g ( x),
满足
m ({ x ∈ E : f ( x) 6= g ( x)}) < δ
进一步的,可以知道对任意的实值可测函数 f ,存在连续函数列 { g k ( x)} 几
乎处处收敛于 f ,即 lim g k ( x) = f ( x),a, e(当然也有连续函数列 { g k },依测
k→∞
度收敛于 f 表明连续函数全体在可测函数距离空间中稠密)
6. Lusin 定理的逆命题也是对的,即若在 E 上可找到闭集 F ,m (E \F ) < ε,f |F
连续,则 f 可测.
± ¯
证明:对任一 k = 1,2,…有闭集 F k ⊂ E 使 m (E \F k ) < 1 k,使 f ¯Fk 连续.
S
令 H= ∞ F 则 H ⊂ E . m (E \ H ) = 0.令 Z = E \ H
k=1 k
{ x ∈ E : f ( x) > a} = { x ∈ H : f ( x) > a} ∪ { x ∈ Z : f ( x) > a} ( Z 零测集,故其可测)
[∞
= k=1 { x ∈ F k : f ( x) > a} ∪ { x ∈ Z : f ( x) > a}
¯ ¯
由 f 在 F k 的可测性可知 f 可测,( f ¯F 连续,故 f ¯F 可测)#k k
7. 可测集与可测函数逼近的比较.
如果允许忽略小的正测集,可测集可由开集或闭集逼近;若要只差零测集,
则由能用 G δ 或 Fσ 集逼近.
在可测函数逼近时,若允许相差小的正测集,可由连续函数逼近。这时候 g
© ª © ª
连续,对于任意的 α, β, x : α < g ( x) < β 和 x : α ≤ g ( x) ≤ β ,恰好为开和
闭集.
若只要求差零测集的对可测函数的逼近,这个近似可测函数的函数 g(恰好
是一列连续函数的点点收敛极限,Baire-1 函数)必须满足对于任意的 α, β,
© ª
x : α < g ( x) < β 是 Fσ 集.
6.2. 可测函数的性质 117
8. 在纯粹的测度空间里,由于没有开集的概念,自然也无法讨论连续性,自然
无法应用 Lusin 定理。
9. 在 Lusin 定理中,函数的取值有限性(几乎处处是有限的)是重要的
10. Blumberg 定理:对于任意 R 上的实值函数 f ,存在 R 的可数稠密子集 D
使得 f |D 连续。这个稠密子集的势不可以是阿列夫 1.
6.2.3 近一致收敛—Egoroff 定理
我们在讨论连续函数空间部分讨论了逐点收敛和一致收敛,也在可测函数部分
讨论了几乎处处收敛,显然呢,一致收敛是最强的,而且可以看成是一致度量下
的收敛.而逐点收敛或几乎处处收敛则不可能是与度量空间的某种收敛相联系,
这一点留作习题.下面将讨论几乎处处收敛在施加何种条件后能得到更强的一致
收敛,叶戈罗夫定理说明,除去一个任意小的正测度集 (非 0 测集) 之外,几乎
处处收敛就是一致收敛.
[证明思路:关键是给出处处收敛的点的集合的表示方法。将极限表示成上
下极限,有
{ x : lim f j ( x) = 0} = { x : lim f j ( x) ≤ 0} ∩ { x : lim f j ( x) ≥ 0},故不收敛的点为 { x :
lim f j ( x) > 0} ∪ { x : lim f j ( x) < 0} 。
根据习题可知
1
{ x : lim f j ( x) > 0} = ∪ ∩ ∪ {− f j ( x) < − }
n k j≥k n
1
{ x : lim f j ( x) < 0} = ∪ ∩ ∪ { f j ( x) < − }
n k=1 j ≥ k n
所以有
1 1
m(∪ ∩ ∪ {| f j ( x)| > }) = 0 ⇒ ∀ n, m(∩ ∪ {| f j ( x)| > }) = 0
n k j≥k n k j≥k n
由于 m (E ) < ∞ 有 ∀n, ∃ k n 使得 m( ∪ {| f j ( x)| > n1 }) < 2nε+1
j≥k n
1
记 F n = ∪ {| f j ( x)| > n },则在 E \ ∪ F n 上 ∀ n,∃ k n 与 x 无关,只要 j > k n ,
j≥k n
∀ x ∈ E \ ∪ F n , | f j ( x)| ≤ n1 ,故 f j 一致收敛于 f ]
注意. 1. 定理中的 m (E ) < ∞ 条件不能去除,比如 R 上, f n = 1[n,n+1] , f = 0,
∀ x ∈ R , f n ( x) → f ( x),设 A 为可测集,且 m ( A c ) < 1,则对任意 n,存在
T
xn ∈ A [ n, n + 1],从而总有 | f ( xn ) − f n ( xn )| = 1,表明 f n 在 A 上并不一致
收敛于 f .
¡ ¢n
2. 定理中 E ε 与 E 不能改为只差零测集.比如, f n ( x) = 1 − x2 ,E = [−1, 1].
f n → f = 1{0} ,逐点收敛而非一致收敛,否则 f 也连续。但对任意小的 r > 0,
在 [−1, 1] \ (−r, r ) 上 f n 一致收敛于 0。要使 f n 在 [−1, 1] \B 上一致收敛于
0.B 必须包含 0 的一个邻域,否则在 [−1, 1] \B 上,可以找到任意接近 0
的数.
换言之,∀δ < 0,给定 n ∈ N ,总可以找到 x ∈ [−1, 1] \{0},使得 | f n ( x)| > δ,
说明 f n 不一致收敛于 0.
3. Egoroff 定理的假设和结论中,∀ε < 0,存在集合 E 使得 m (E ) < ε,而在 E c
上 f n 一致收敛于 f ,称这样的 f n 是近乎一致收敛于 f .记作 f n → f a · u.
下面我们证明,若 f n → f a · u.则 f n → f a · e.
证明:对于每个正整数 m,可以找到 E m , m (E m ) < 1/m,在 E m
c
上 fn 一
S∞ c
致收敛于 f ,也逐点收敛,于是
µ ¶
fn 在 m=1 E m 上也逐点收敛至 f ,而
¡¡S∞ c
¢c ¢ T
∞
m m=1 E m =m E m = 0.#
m=1
6.3. 可测函数的收敛 119
练习
1. 令 f 为 [0, 1] 上无理数集的示性函数.
证明:1) f 处处不连续;2) 任给 ε > 0,找出一个集合 B,m (B) < ε,B ⊂ [0, 1],
使得 K = [0, 1] \B 紧, f |K 连续.(旨在说明限制于 K 上连续,并不意味着
作为全空间函数在 K 上每点连续)
2. { f n } 在可测集 D 上几乎处处收敛至 f , f n 可测实值正数,D ⊂ R n .证明
存在可测集
µµ ¶ ¶E 1 ⊂ E 2 ⊂ · · · ⊂ D .使得在每个 E k 上 f n 一致收敛至 f .并且
c
S
∞
m Ek = 0.
k=1
6.3 可测函数的收敛
6.3.1 依测度收敛
先看一个习题:
¡ ¢
练习 A: Ω, F , µ 为测度空间,其上的 F 可测函数 f : Ω → [−∞, +∞],定义
© ª
k f kµ = inf r : µ ({ x : | f ( x)| > r }) ≤ r
³n o´
1. 证明:µ x : | f ( x)| > k f kµ ≤ k f kµ
2. 证明:k f + gkµ ≤ k f kµ + k gkµ
µ
→ f (依测度 µ 收敛)⇔ k f n − f kµ → 0
3. 证明: f n −
© ª
4. f = 1 A ,A ∈ F ,证明对任意 0 ≤ c < ∞k c f kµ = inf c, µ ( A ) ,进而说明一般
情况下 k c f kµ 6= ck f kµ .
120 CHAPTER 6. 可测函数
注:定义中要求几乎处处有限,如非几乎处处有限,依测度收敛定义需进行
相应调整。为什么?
由于
6.3.2 依测度收敛与几乎处处收敛
现在来比较一下依测度收敛和几乎处处收敛,从定义上看,几乎处处收敛指除去
某个确定的点集之后,剩下的每个点上形成的数列都收敛,而依测度收敛只要求
函数越来越接近,不接近的点集测度越来越小,并不要求不接近的点集固定在某
个范围,所以可能导致点点都不收敛。具体见下面的定理与例子.
µ
定理 6.9. 若可测函数列 f n → f , µ − a.e..定义域 E 的 µ (E ) < ∞,则 f n −
→ f.
注意:在 µ (E ) = ∞ 时,几乎处处收敛不能推出依测度收敛,比如在 R 上,
¡© ¯ ¯ ª¢
f n ( x) = nx .则 f n → 0, a.e.,但 m x : ¯ nx ¯ > ε ↛ 0, n → ∞.即 f n 0.
在概率空间中,几乎处处收敛 ⇒ 依概率收敛,几乎处处收敛有时也称为以
概率 1 收敛。不过无论 µ (E ) < ∞ 还是 = ∞,依测度收敛都不能推出几乎处处
£ ¤ £ ¤
收敛,比如,在 [0, 1] 上,给定 k > 0,将 [0, 1] 等分为 k 个区间, 0, 1k , 1k , 2k ,
£ ¤ £ ¤ £ ¤ £ ¤ £ ¤ £ ¤
…, k−k 1 , 1 .再将所有这些区间排起来得到 0, 12 , 21 , 1 , 0, 13 , 31 , 23 , 32 , 1 ,
£ 1¤ £1 1¤ £1 3¤ £3 ¤ £ 1¤
0, 4 , 4 , 2 , 2 , 4 , 4 , 1 , 0, 5 ,…分别记为 A 1 ,A 2 ,A 3 ,…,A n ,…,对应
定义 f n = 1 A n .不妨令 A n 对应的是 k n 等分的区间,则 n → ∞, k n → ∞,故
有 m ({ x ∈ [0, 1] : | f n − 0| > ε}) ≤ k1n → 0
m
表明 f n −→ 0,但是 ∀ x ∈ [0, 1],总是属于无穷多个 { A n } 中的集合,于是 f n
在 E 上无一点收敛于 0.虽然依测度收敛不能保证序列的几乎处处收敛,但可
以保证其中有几乎处处收敛的子序列(Riesz 定理).
练习 B:找出上述例子里 { f n } 中几乎处处收敛到 0 的一个子序列 { f n k }
几个常见的可用作反例的函数列: f n = n−1 1(0,n) , f n = 1(n,n+1) , f n = n1[0,1/n]
这几个函数列分别一致,点点和几乎处处收敛到 0,但是积分都是 1
µ
定理 6.10 (Riesz 定理). 如果在 E 上 f n −
→ f ,则存在子序列 f n j → f , µ − a.e.
µ
³n o´
Proof. 由 f n −
→ f 可知,给定 j = 1,2,…存在 n j 使得 n ≥ n j 时 µ x : | f − f n | > 1j
<
¯ ¯ 1o n
1
2j
而且在选取 n j 过程中可要求 n1 < n2 < · · · .记 E j = x : ¯ f − f n j ¯ > j , H m =
S∞
E .
j=m j
¡ ¢ ¡ ¢P∞ − m+1 T
∞
则 µ E j < 21j ,µ (H m ) ≤ j=m µ E j = 2 .再令 H = H m ,则 µ ( H ) = 0.
¯ ¯ 1 m=1 ¯ ¯
由于在 E \E j 上,¯ f − f n j ¯ ≤ j ,故当 j ≥ m 时,在 H m c
上总有 ¯ f − f n j ¯ ≤ 1j ,那
S
么在 ∞ c c
m=1 H m = H 上就有 f n j → f .即在 E 上 f n j → f , µ − a.e..
6.3.3 依测度收敛与近一致收敛
下面的定理说明了近一致收敛要强于依测度收敛.
关于各种收敛的关系,目前有
我们已经知道在某种对应依测度收敛的距离下,可测函数空间是一个距离
空间,所以其中有对应的 Cauchy 列.
下面的定理表明可测函数在依测度收敛对应的距离下,是一个完备度量空
间.
µ © ¯ ¯ ª © ¯ ¯ ª
→ f ,注意到 { x : | f n − f | > ε} ⊂ x : ¯ f n − f n j ¯ > ε/2 ∪ x : ¯ f n j − f ¯ > ε/2 ,
为证 f n −
当 n 足够大时,由 { f n } 为 Cauchy 列知只要 n j 足够大右边第一项的测度可足够
© ª µ
小,同时 f n j 的收敛性亦保证右边第二项测度足够小,故 f n −
→ f 成立.
注:定理证明中用到一个技巧,即为证某个序列的收敛性,不直接从整个序
列入手,而是寻找其中的子序列,或者由空间的紧性找到收敛子序列,或者如定
理中那样找一个收敛较快的子序列.
下面定理说明了如何利用子序列判断序列是否依测度收敛.
¡ ¢
定理 6.13. 测度空间 Ω, F , µ ,µ (Ω) < ∞,则 f n 依测度收敛至 f ⇔ { f n } 的任一子
© ª © ª
序列 f n k 有子序列 f n k ( j) 几乎处处收敛于 f .
© ª
Proof. “⇒”{ f n } 的任一子序列 f n k 亦依测度收敛于 f ,故由 Riesz 定理结论
成立.
f ,则存在 ε,δ > 0.使 µ ({ x : | f n − f | > ε}) ≥ δ 对无穷个 n 都
“⇐” 若 f n
© ª © ª © ª
成立,不妨记为 n j ,则子序列 f n j 并不依测度收敛于 f , f n j 的任意子序列
也不依测度收敛,也不可能几乎处处收敛到 f .
依测度收敛的子序列准则的一个用处是证明依测度收敛序列的连续映像仍
旧依测度收敛.
µ µ
定 理 6.14. µ (Ω) < ∞, f n −
→ f ,gn −
→ g,φ ( x1 , x2 ) 是 R 2 上 的 连 续 函 数, 则
µ µ µ
→ φ ( f , g).特别的, f n g n −
φ ( f n, gn) − → f g,α f n + β g n −
→ αf + βg
© ª © ª n o © ª
Proof. 对任意子序列 f n j , g n i ,可找到子子序列 f n j (k) , g n i (l) 几乎处处
© ª n o n o n o
收敛于 f 和 g.(先在 f n j 找子序列 f n j (k) ,再在 g n j (k) 中找 g n j (k)l ,最
n o n o n o © ª ³ ´
后以 f n j (k)l 、 g n j (k)l 为 f n j (k) 、 g n i (l) )。由 φ 的连续性,φ f n j (k) , g n i (l) →
µ
φ ( f , g)a.e..因子序列的任意性,可知 φ ( f n , g n ) −
→ φ ( f , g).
最后我们简要说明为什么几乎处处收敛不可以用某种距离下的收敛来表示
(在前面的章节我们已说明处处收敛是不可以用距离对应的收敛来表示的),这
是因为在度量空间中的任意 (收敛) 序列满足以下性质:序列 {a n } 的任一子序列
都有进一步的子序列收敛到 a,则 a n → a.(反证,{a n } 不收敛,则不是 Cauchy
© ª ¡ ¢ © ª
列,即可找到 a n j 使得 ∃ε > 0, d a n j , a > ε.即 a n j 中不可能有收敛子序列
可以收敛至 a,矛盾)
于是,假如几乎处处收敛可以用距离表示,那么该序列的任一子序列都有几
乎处处收敛的子序列,这表明在测度有限的时候该序列也是依测度收敛的。但我
们知道存在 { f n } 依测度收敛于 f 而不几乎处处收敛于 f ,于是出现矛盾.
要使几乎处处收敛能用距离描述,则必须在它和依测度收敛是等价的情形
下才成立。
练习
6.3.4 函数形式的单调类定理
定理 6.15. 设 (Ω, F ) 为一可测空间,C 为生成 F 的一个代数。令 H 为 Ω 上
的一族非负实值函数,如果它满足下列条件:
(1) f , g ∈ H ,α, β ≥ 0 ⇒ α f + β g ∈ H
(2) f n ∈ H , n ≥ 1, f n ↑ f 且 f 有限或者 f n ↓ f ⇒ f ∈ H
(3) ∀ A ∈ C , I A ∈ H
则 H 包含 Ω 上的所有非负实值 F 可测函数
下一定理刻画了 σ ( f ) 可测函数的形态
定理的结论在经济学金融学研究中有诸多用途,一个典型的应用就是不对
称信息模型。注意,直观的看,随机变量的可测性实际上也代表了该变量实现值
的可观测性。
考虑一个简单的模型,股票未来的回报为 u + v,股票的供给为随机变量 s,
u, v, s 独立。市场上有两类人,一类是知情交易者,知道 u,另一类为不知情交
易者,只能观测到股票价格。市场均衡要求股价是关于 σ (u, s) 可测的,即价格
是 u, s 的函数。
6.4 应用:极大似然估计
定理 6.17. 假定参数空间 Θ 为 R 中的开区间,对于任意 θ ∈ Θ,对数似然函数
∂ log f (X ,θ ) 2
log f ( x, θ ) 对 θ 的一二三阶偏导数都存在且局部可积,E θ [( ∂θ
) ] < ∞。考虑
来自 Fθ 的独立同分布观测,存在一列似然方程的根 θ̂n 几乎处处收敛到 θ ,而
且是渐近正态和有效的。
1 ∂ log L(λ)
则 θ̂n 是 n ∂λ
= A n + B n (λ − θ ) + 12 ξC n (λ − θ )2 = 0 的根
可以证明 A n , B n , C n 都是一列方差有限的独立随机变量的均值,由强大数定
律,
A n → 0, B n → −vθ , C n → E θ [ H ( X )] 。取充分小的正数 ε < vθ /E θ [ H ( X )],则当
n 充分大时,| n1 ∂ log∂λL(λ) |θ−ε − vθ ε| ≤ | A n | + ε|B n + vθ | + 12 ε2 |C n | ≤ 34 vθ ε,
1 ∂ log L(λ) 1 3
| |θ+ε + vθ ε| ≤ | A n | + ε|B n + vθ | + ε2 |C n | ≤ vθ ε
n ∂λ 2 4
有此可知 [θ − ε, θ + ε] 中含有似然方程的解,故下面的极限也是方程的解
∂ log L(λ)
θ̂nε = inf{λ : θ − ε ≤ λ ≤ θ + ε, = 0}
∂λ
¡ ¢ R
本章将在测度空间 Ω, F , µ 上定义可测函数 f 的积分, Ω f d µ.为方便计,同
时也为了表明积分可以看成是一种算子或泛函,有时候也写成 µ ( f ).
7.1 积分的定义
积分的定义从简单函数开始.
¡ ¢ Pn R P
n
定义. 1. Ω, F , µ 上的非负简单函数 f = k=1
a k 1E k ,则 Ω f dµ = a k µ (E k ),
k=1
S
n
若有 a k = 0,µ (E k ) = ∞,定义 a k µ (E k ) = 0,此外 Ω = Ek
k=1
¡ ¢
2. Ω, F , µ 上的非负简单函数全体记为 Φs .若 f 为非负可测函数,则
Z ½Z ¾
f d µ = sup ϕ d µ : 0 ⩽ ϕ ⩽ f , ϕ ∈ Φs
Ω Ω
这里的 ⩽ 意味着在每个点上都小于等于
思考:我们在定义测度的时候用的是外测度,即覆盖集合的区间的长度总和
的下确界。这里是上确界,在定义中若取 f 为每个可测集的示性函数,则测
度也是包含于集合的一些可测集测度之和的上确界,为什么?另外,这里的
积分定义相当于一种下积分,能用上积分定义吗?测度采用下确界与积分使
用上确界反映出两者之间的对偶性质。
R R
对于 E ∈ F ,定义 Ω f 1E d µ E f dµ =
¡ ¢ R R R
3. Ω, F , µ 上的实值可测函数 f ,定义 E f d µ = E f + d µ − E f − d µ.
其中 E ∈ F , f + = max ( f , 0), f − = max (− f , 0).
R R R
若 E f + dµ 与 E f − d µ 都为 ∞,则 E f d µ 无定义,否则称积分存在。如果
R +
R −
E f d µ < ∞, E f d µ < ∞,称 f 是可积的 (绝对可积).
127
128 CHAPTER 7. 积分与期望
Xn X
n X
m ¡ \ ¢ X n X
m ¡ \ ¢ X m ¡ ¢
a µ E =
k=1 k ( k )
aiµ E i A j = b jµ E i A j = b jµ A j
i =1 j =1 i =1 j =1 j =1
为避免歧义,亦可使简单函数的表现形式唯一,即要求每个 a k 各不相同。
R R R
2. 由 定 义 可 直 接 推 出 若 f ⩽ g 且 f dµ 和 gd µ 都 有 定 义, 则 f dµ ⩽
R
gd µ(单调性)
R
3. 非负简单函数亦满足非负可测函数积分的定义.(单调性保证 Ω ϕd µ ⩽
R R R
Ω f d µ,取 ϕ = f ,有 Ω ϕd µ ⩾ Ω f d µ)
4. 对于非负简单函数 f 和 g 以及实数 α > 0,则 µ (α f ) = αµ ( f ),µ ( f + g) =
µ ( f ) + µ ( g)(线性性)
7.1.1 积分的性质
在非负可测函数积分的定义中,积分是一族简单函数积分的上确界,回忆上确界
相当于最大的极限点,是否可以将积分视为一列简单函数积分的极限呢?下面的
定理表明非负可测函数积分确实是一列递增简单函数列的积分的极限.
Proof. 可以直接用前面定理的结论。这里给出另一个证明,其实就是将前述证明
进行改写。
设 f 1 的支集的测度为 M (必然有限),最大值为 C ,那么所有其它函
数 的 支 集 都 在 f 1 的 支 集 当 中, 最 大 值 也 小 于 等 于 C 。 所 以 对 任 意 δ > 0,
R
f n ⩽ M δ + C µ({ f n > δ}),集合列 { f n > δ} 是嵌套递减的,并且集合列极限为
R
零测度集,由测度的连续性,µ({ f n > δ}) → 0,所以 f n → M δ。由 δ 的任意性,
得证。(这个证明更清楚地表明了简单函数的单调收敛性质来源于测度的连续性,
本质上也就是测度的可数可加性。)
注意到积分定义中若定义域测度为时,积分值也为,故改变测集上的函数
值,函数的积分不变,所以积分的许多性质对于几乎处处相等的函数是不变的.
定理 7.3. 设 f 、 g 都是非负可测函数,则
R
1. f = 0, µ − a.e.,⇔ f d µ = 0
R
2. µ ({ x : f ( x) > 0}) > 0 ⇔ f d µ > 0
R
3. f d µ < ∞ ⇒ f < ∞, µ − a.e.
R R
4. f ⩽ g, µ − a.e..⇒ f d µ ⩽ gd µ
R R
5. f = g, µ − a.e..⇒ f d µ = gd µ
练习
Z ½Z ¾
f dm = sup ϕ dm : 0 ⩽ ϕ ⩽ f , ϕ为简单函数且在某个测度有限的集合之外取值为0
Ω Ω
7.2. 积分的几个收敛定理 131
对于一般非负可测函数,定义:
Z ½Z ¾
f dm = sup ϕ dm : 0 ⩽ ϕ ⩽ f , ϕ ∈ Φ f
Ω Ω
7.2 积分的几个收敛定理
7.2.1 单调收敛定理
R
定理 7.5 (单调收敛定理). 设 f n 单调增,且 f n → f , µ − a.e.. f 1 d µ > −∞,则 f
R R
积分存在且 f n dµ ↑ f d µ.
Proof. 先 假 设 f 1 ⩾ 0, 对 每 个 n 可 找 到 非 负 简 单 函 数 f nm ↑ f n . 令 g n =
max ( f 1n , · · · , f nn ),则 g n 是简单函数 (需要证明,留作思考题),而且 0 ⩽ g n ↑ f .
(留作思考题)
R R R R
故 g n dµ ↑ f d µ.注意到 g n ⩽ f n ↑ f ,有 f n dµ ↑ f d µ.
如果只用简单函数单调收敛的结果,可以考虑任意满足 0 ⩽ h ⩽ f 的简单函
数 h,有
Z Z Z Z Z Z
h = lim min( h, g n ) ⩽ lim g n ⩽ lim fn ⇒ f ⩽ lim fn
R R
若 f ⩽ 0,令 g n = − f n ↓ − f = g.有 0 ⩽ gd µ ⩽ g n d µ < ∞
R R
因为 0 ⩽ g 1 − g n ↑ g 1 − g.故 ( g 1 − g n ) d µ ↑ ( g 1 − g) d µ < ∞
R R R R R
由于 g 1 d µ 为有限值,两边相减有 g n d µ ↓ gd µ ⇒ f n d µ ↑ f d µ
R R
对于一般的 f n ,有 f n+ ↑ f + , f n− ↓ f − , f − d µ < +∞,由前可知 f n+ d µ ↑
R + R R R R
f d µ + ∞ > f n− d µ ↓ f − d µ ⩾ 0 ⇒ f n d µ ↑ f d µ
R R
注:令 f n = −1[n,∞) ,则 f n ↑ 0,但 f n d µ = −∞ ↛ 0.说明 f 1 d µ > −∞ 是
必需条件.
132 CHAPTER 7. 积分与期望
µ ¶
R P
∞ ∞ R
P
推论. 若 { f n } 是非负可测函数,则 f n dµ = f n dµ
n=1 n=1
PN P∞
Proof. 取 g N = n=1 f n ,则 gN ↑ n=1 f n .由单调收敛定理即得证.
R
推论. 若 f 是非负可测函数,则映射 E → E f dµ 是 (Ω, F ) 上的测度,特别的,
R ∞ R
P
若 {E n } 是互不相交的可测集合列,就有 S∞ f dµ = f d µ.
n=1 E n n=1
En
7.2.2 Fatou 引理
单调收敛定理说明了极限和积分号在一定情形下可以交换,但通常情形两者无
法交换,我们有:
R R R
推论. 若 f n 非负可测,且 f n → f a.e.,则 f d µ ⩽ lim inf f n d µ ⩽ lim sup f n d µ
n→∞ n→∞
R
注意. µ 为 Lebesgue 测度. f n = 1[n,n+1] ,则 f n → f = 0,但 f n d µ = 1,∀ n,而
R
f d µ = 0,表明 Fatou 引理中的不等号是可以严格成立的,同时这个例子也可帮
助记忆不等号的方向.
练习
7.2.3 控制收敛定理
现在我们讨论可积函数的收敛问题,不过首先回顾一下可积的一些等价定义:
R R R¡ ¢
f 可积 ⇔ f + 和 f − 都可积 ⇔ f + < ∞, f − < ∞ ⇔ f + + f − d µ < ∞
R
⇔ | f | d µ < ∞ ⇔ | f | 可积
¯R ¯ R
此外,容易观察到的是 f 可积,则 ¯ f d µ¯ ⩽ | f | d µ
¡ ¢ ¡ ¢
为方便记,记 Ω, F, µ 上的可积函数全体为 L1 Ω, F , µ .
¡ ¢
定理 7.7 (控制收敛定理). 设 f n ,g ∈ L1 Ω, F , µ ,| f n ( x)| ⩽ g ( x),f n ( x) → f ( x) , a.e..
R R R
则 f ∈ L1 ,且 f n dµ → f d µ, lim | f n − f | dµ = 0
n→∞
R R
Proof. 因 | f | ≤ | g| a.e..故 | f | d µ ≤ | g | d µ < ∞, f ∈ L 1
对非负函数 g − f n 及 g + f n 应用 Fatou 引理,得到
Z Z Z Z Z
gd µ − f d µ ⩽ lim inf ( g − f n) dµ = gd µ − lim sup f n dµ
Z Z Z Z
f d µ ⩽ lim inf f n dµ ⇒
f n dµ f d µ = lim
R
由于 | f n − f | ⩽ 2 g, a.e..而 | f n − f | → 0, a.e..故 lim | f n − f | d µ = 0
n→∞
µ R R
推论. 若定理中 f n → f , a.e..改为 f n −
→ f (依测度收敛), f n d µ → f d µ 仍然
成立.
© ª © ª
Proof. 对 { f n } 的任一子列 f n k 存在子列 f nk j 使 f nk j → f , a.e..
R R R R
故 f nk j d µ → f d µ,由子列选取的任意性,可知 f n d µ → f d µ.
R R R
注意. 1. lim | f n − f | d µ = 0,这比 lim f n dµ = f d µ 更强.
n→∞ n→∞
1
我们称这样的 f n 是 L − 收敛到 f ,或者说平均收敛到 f ,同样的,要推出
平均收敛,在有控制情形下,几乎处处收敛也可改为依测度收敛.
R
2. 1[n,2n] → 0 但 1[n,2n] d µ = n ↛ 0,(µ 为 Lebesgue 测度),说明控制函数 g ∈ L1
是不可以省略的.
3. 与单调收敛定理类似,控制收敛定理对于级数求和也有类似结论,事实上,
取 µ 为计数测度积分就和求和一样了.
4. 定理的条件可以改为 f n 被两个可积函数的函数夹住,那么结论仍然成立。
5. 测度有限时,控制收敛定理的如下推广给出了点点收敛的函数极限与积分
可交换的充分必要条件。
134 CHAPTER 7. 积分与期望
¡ ¢
定义. 函数族 F ⊂ L1 µ 称为一致可积的,如果
Z
lim sup | f |d µ = 0
C →∞ f ∈F {| f |>C }
显然,有限测度空间中有限个可积函数或是被可积函数控制的函数族都是
一致可积的
¡ ¢
定理 7.8. Lebesgue-Vitali 定理:{ f n } ⊂ L1 µ ,µ (Ω) < ∞,f n → f , a.e.,则 f 可积
L1 L1
且 f n → f 的充分必要条件是 { f n } 一致可积。若 f n 非负,则 f n → f 的充分必要
R R
条件是 lim f n d µ = f d µ < ∞
n
下面给出了一致可积但不存在可积控制函数的一族函数:
£ ¤
令 A n = 2−n−1 , 2−n ,将其划分为 n 个等测度的可测集合 A 1n . . . A nn ,定义
f ni ( x) = 1x 1 A ni ( x),考虑函数列 f 11 , f 21 , f 22 , f 31 , . . .,不难验证它是一致可积的,同时也
处处 L1 收敛到 0。但控制该函数列的函数必然控制 x−1 ,所以不可能是可积的。
作为控制收敛定理的一个简单应用,我们证明 Lebesgue 积分的微积分基
本定理
练习
1. g ( x) = 1
x ln x , x > 1. f n = c n 1 A n , c n ⩾ 0, A n 可测且 ⊂ [2, ∞)
R∞
证明或者说明下面结论不正确:f n ( x) → 0 且 ∀ x,| f n ( x)| ⩽ g ( x);则 2 f n ( x) dx →
0, n → ∞
2. 证明 Lebesgue-Vitali 定理。
¡ ¢
3. 证明有限测度空间中,函数族 F ⊂ L1 µ 一致可积的充要条件是 sup f ∈F ∫ | f | d µ <
∞(一致有界),且对任意 ε > 0,存在 δ > 0,使得任何满足 µ( A ) ⩽ δ 的 A
上的函数 f ∈ F 的积分小于 ε,即 sup f ∈F ∫ A | f | d µ ⩽ ε(一致绝对连续)。
7.3. 可积函数空间的性质 135
7.3 可积函数空间的性质
继续看 L1 空间,容易看出在可积函数全体中可定义如下的距离函数.
R
d ( f , g) = | f − g| d µ(视 f 1 = f 2 , µ − a.e. 的 f 1 和 f 2 为同一函数)
¡ ¢
所以,在以上距离下,L1 Ω, F , µ 就成了一个度量空间,L1 收敛即对应距
离下的收敛.
下面的定理说明了 L1 空间是完备的.
而 | f | ⩽ g ⇒ | f | ∈ L1 ,同时还有 f n k ( x) → f ( x) a.e..
R¯ ¯
由控制收敛定理,也有 f n k 是 L1 收敛到 f 的,即 ¯ f n − f ¯d µ → 0
k
由 { f n } 为 Cauchy 列, 对 任 意 ε, 存 在 足 够 大 的 N , 当 n, m > N 时,
R R¯ ¯ R R
| f n − f m | d µ < 2ε ,若 n k > N ,并使得 ¯ f n k − f ¯ < 2ε ,有 | f n − f |d u ⩽ | f n − f nk | d µ+
R
| f nk − f | d µ < ε,只要 n > N ,得证.
L1
推论. 若 f n −→ f ,则存在子序列 f n k → f , µ − a.e..
推论. 空间 L1 是 Banach 空间
注意:由积分的线性性,不难知道 L1 也是线性空间,而且可以定义范数
R
k f k = | f | d µ(k f + gk ⩽ k f k + k gk,k c · f k = | c| k f k,k f k = 0 ⇔ f = 0)
,这样 L1 就
变成一个完备的赋范线性空间,即 Banach 空间.
我们现在从泛函的角度重新看一下控制收敛定理和其它几个收敛定理.
将积分写成 µ ( f ) 的形式.
1. 单调收敛定理 0 ⩽ f n ↑ f ⇒ µ (lim f n ) = lim µ ( f n )
2. Fatou 引理 f n ⩾ 0,则 µ (lim inf f n ) ⩽ lim inf µ ( f n )
136 CHAPTER 7. 积分与期望
利用这个结果,可以证明 L p 空间完备性。
(首先说明 L p 收敛 Cauchy 列是
依测度收敛 Cauchy 列,其中有几乎处处收敛子序列,然后证明其极限就是
L p 收敛极限)
Proof.
练习
P
∞
1. Cantor-Lebesgue 定理:假定在具有正测度的集合 E ⊂ [a, b] 上 a n cos( nx + θn )
n=1
处处收敛,证明 lim a n = 0(反证法,说明有子序列 cos(nx + θn ) → 0,利用
n→∞
控制收敛定理和 Riemann-Lebesgue 引理)
2. T 为距离空间,f : X × T → R,而且对任意的 t ∈ T ,f t : x 7→ f ( x, t) 是可积的。
对任意的 x ∈ X ,映射 t 7→ f ( x, t) 连续。且存在可积函数 g( x) 使得对于所有
R
x,| f ( x, t)| ≤ | g( x)|,证明 Φ( t) = X f ( x, t) d µ( x) 连续。
3. 判定函数可积的一些方法:
P
∞
若假定 µ 有限,可测函数 f 可积等价于级数 µ ( x : | f ( x)| ⩾ n) 或者级数
n=1
P
∞
nµ( x : n + 1 > | f ( x)| ⩾ n) 收敛。
n=1
对于一般的测度, f 可积等价于 t 7→ µ( x : | f ( x)| > t) 在 (0, ∞) 上 Lebesgue 可
R R
积,且 | f | d µ = 0∞ µ( x : | f ( x)| > t)dt.
[最后的等式表明 Lebesgue 积分可以通过 Riemann 积分定义,因为 t 7→ µ( x :
| f ( x)| > t) 是单调函数,是 Riemann 可积的]
7.4 对偶空间
设 V 为一赋范线性空间。V 上的连续线性泛函的全体可以看成是 V 上的所有线
性泛函的子空间,称为 V 的对偶空间 (dual space),记为 V ∗ 。
对于 V 上的连续线性泛函 F ,定义:
|F ( x)|
kF k = inf{K : ∀ x ∈ V , |F ( x)| ⩽ K k xk} = sup{ : x 6= 0}
k xk
1. 现在我们利用上述对偶定理的结论证明 Radon-Nikodym 定理
¡ ¢ R ¡ ¢
Proof. 考虑 Hilbert 空间 L2 v + µ ,则 l ( x) = xd µ 是 L2 v + µ 上的连续
R R¡ ¢ ¡ ¢
线性泛函,由前述表示定理 xd µ = x yd µ + v , y ∈ L2 µ + v ,∀ x.
R R ¡ ¢
⇒ x (1 − y) d µ = x ydv,∀ x ∈ L2 µ + v ⇒ 0 ⩽ y ⩽ 1,µ, a.e
在 µ− 零 测 集 上 修 改 y 使 之 满 足 y > 0, 因 v 对 µ 绝 对 连 续, 仍 成 立
R R
x (1 − y) d µ = x ydv.
1− y R R ¡ ¢
令 u = x y, g = y ,则有 udv = u gd µ, g ∈ L1 µ ,取 u = 1E ,即有
R
v (E ) = E gd µ.
2. 对偶空间与弱收敛
X 是赋范线性空间,{ xn } 为其中的序列,我们知道 || xn − x|| → 0 意味着 xn
依范数收敛到 x。
w
定义. 称 { xn } 弱收敛到 x ∈ X 如果对任意 φ ∈ X ∗ ,φ( xn ) → φ( x)。记为 xn −
→ x。
Z Z b MX n
f dλ ⩾ L n dλ = ( k − 1) λ (E k )
a n −n
−
Z− Z
MX n M
⇒0⩽ f dλ − f dλ ⩽ λ (E k ) = ( b − a ) → 0, n → ∞
n −n n
−
P
n S
n
回忆阶梯函数 f = c k 1 I k ,[a, b] = I k ,I k 互不相交,I k 为区间,是特殊
k=1 1
形式的简单函数.
下面我们通过阶梯函数的形式给出 Riemann 可积的定义
练习
令
Z Z
n
− tx sin x
n
− tx e−nt ( t sin n + cos n) − 1
f n ( t) = e dx, f n1 ( t) = − e sin xd x = ,
0 x 0 1 + t2
1 ¯¯ 1 ¯¯ 1 1 + t −t
lim f n1 ( t) = − , f n ( t) ⩽ + e
n→∞ 1+ t 2 1+ t 2 1 + t2
故 f n1 可积,令 g n = f n1 1[0,n] ,
Z Z ∞ Z ∞
n 1 π
lim f n1 ( t) dt = lim g n ( t) dt = − dt = −
0 0 0 1+ t 2 2
Rn Rn
因 0 f n1 ( t) dt = f n ( n) − f n (0),| f n ( n)| ⩽ 0 e− xn dx ⩽ 1
n ⇒ f n ( n) → 0, f n (0) → π2
Z n+1 Z n+1 Z n+1
sin x sin x cos n cos ( n + 1) cos x
dx = f n (0) + dx = f n (0) + − − dx
0 x n x n n+1 n x2
R∞
n → ∞ 可知 0 sinx x dx = π2 .
其中用到定理:
7.6. RIESZ-MARKOV 表示定理 145
由 ε 的任意性,得证.
(3).由于 µ∗ 为外测度,对任意集合 E 都有 µ∗ (E ) = µ∗ (E ∩ A ) + µ∗ (E ∩ A c )
的集合 A 称为 µ∗ 可测集,其全体为 σ 代数,µ∗ 在其上成为测度即可数可加的.
为证开集为 µ∗ − 可测.
只需对任意集合 E 和开集 U ,µ∗ (E ) ⩾ µ∗ (E ∩ U ) + µ∗ (E ∩ U c ).µ∗ (E ) < ∞,先
设 E 也是开的,那么 E ∩ U 是开集,给定 ε > 0,可找到 f ∈ C C (R n ) 使 f ⩽ 1E T U ,
I ( f ) ⩾ µ (E ∩ U ) − ε,K = supp ( f ) 是紧集.K c 是开集且 K c ⊃ U c
因 E ∩ K c 开集,找到 g ∈ C C (R n ), g ⩽ 1E T K c , I ( g) ⩾ µ (E ∩ K c ) − ε,
此时 f + g ⩽ 1E ⇒ µ (E ) ⩾ I ( f + g) = I ( f ) + I ( g) ⩾ µ (E ∩ U ) + µ (E ∩ K c ) − 2ε
¡ ¢
⩾ µ ∗ ( E ∩ U ) + µ ∗ E ∩ U c − 2ε
ε 是任意的,故 E 是开时,µ∗ (E ) ⩾ µ∗ (E ∩ U ) + µ∗ (E ∩ U c )
若 E 是任意集合,找开集 V ⊃ E ,并且 µ (V ) < µ∗ (E ) + ε,这样就有
¡ ¢ ¡ ¢
µ∗ (E ) + ε > µ (V ) ⩾ µ∗ (V ∩ U ) + µ∗ V ∩ U c ⩾ µ∗ (E ∩ U ) + µ∗ E ∩ U c
再次由 ε 的任意性得知 µ∗ (E ) ⩾ µ∗ (E ∩ U ) + µ∗ (E ∩ U c ).
(4).设 K 为紧集, f ∈ C C (R n ), f ⩾ 1K .令 Uε = { x : f ( x) > 1 − ε},则 Uε 为
开集,若 g ⩽ 1Uε
± ±
有 f (1 − ε) − g ⩾ 0 ⇒ I ( g) ⩽ I ( f ) (1 − ε),因为 K ⊂ Uε ,故
µ (K ) ⩽ µ (Uε ) ⩽ (1 − ε)−1 I ( f ) ⇒ µ (K ) ⩽ I ( f )
练习
学习乘积测度有几个目的,一个是说明高维积分与低维积分之间的关系,另一个
是与随机变量的独立性相关.当然,乘积概率空间与随机过程之间也有密切的联
系,本节会简要进行说明。主要考察两个(有限个)测度空间的乘积空间,也会
介绍无穷个测度空间乘积的特殊性。
8.1 乘积测度的定义
¡ ¢ ¡ ¢
定义. 给定两个测度空间 Ω1 , F1 , µ1 和 Ω2 , F2 , µ2 ,
乘积空间为 Ω = Ω1 × Ω2 = {( x1 , x2 ) , x1 ∈ Ω1 , x2 ∈ Ω2 },
乘积 σ 代数指 F1 ⊗F2 = σ ({ A 1 × A 2 : A 1 ∈ F1 , A 2 ∈ F2 }),称 A 1 × A 2 ,A 1 ∈ F1 ,
A 2 ∈ F2 ,这样的集合称为可测矩形。
对于任意 E ⊂ Ω1 × Ω2 ,定义 E 在 x ∈ Ω1 ,及 y ∈ Ω2 处的截口为 E x =
{ y ∈ Ω2 , ( x, y) ∈ E },E y = { x ∈ Ω1 , ( x, y) ∈ E }.
类似的,若 f ( x, y) 为 Ω 上的函数,称 f 的截口为 f x ( y) = f ( x, y), f y ( x) =
f ( x, y)
下面引理表明高维空间可测集合的截口在各自的空间里可测,可测的函数
也有类似性质.
150
8.1. 乘积测度的定义 151
而 A 是 π 类,由单调类定理,E = σ (A ) = F ,得证.
¡ ¢ ¡ ¢y
(b) 注意到 ( f x )−1 (D ) = f −1 (D ) x ,( f y )−1 (D ) = f −1 (D ) 或者集合 { f ( x, y) > a} ∈
F,
{ y : f x ( y) > a} = { y ∈ Ω2 : ( x, y) ∈ { f ( x, y) > a}}
接下去,我们要证明在上存在唯一的使可测矩形满足 µ ( A 1 × A 2 ) = µ1 ( A 1 ) ×
µ2 ( A 2 ) 的测度 µ.相当于若是概率空间,说明存在相互独立的随机变量.
¡ ¢ ¡ ¢
定理 8.1. Ω1 , F1 , µ1 和 Ω2 , F2 , µ2 为两个 σ 有限的测度空间,在 F1 ⊗ F2
上存在唯一的乘积测度 µ = µ1 × µ2 ,使 µ ( A 1 × A 2 ) = µ1 ( A 1 ) µ2 ( A 2 ).∀ A 1 ∈ F1 ,
R R
A 2 ∈ F2 ,且 ∀E ∈ F1 ⊗ F2 ,µ (E ) = Ω1 µ 2 ( E x ) d µ 1 = Ω 2 µ 1 ( E
y
) d µ2 .
因为 π 类 C ⊂ A ,同时 A 是 λ− 类
[(vn ( A 1 × A 2 )x ) = vn ( A 2 ) 1 A 1 ( x);
vn ((F − E ) x ) = vn (F x − E x ) = vn (F x ) − vn (E x ),
¡ ¢ ¡ ¢ ¡ ¢
vn (∪E i ) x = vn ∪(E i ) x = lim vn E i x ]
R R
µ 在 F 上为测度,设 λ1 = Ω1 µ2 (E x ) d µ1 ,λ2 = Ω2 µ1 (E y ) d µ2 。则 λ1 (;) =
λ2 (;) = 0.
S∞ y
若 {E n } 为 F1 ⊗F2 中互不相交的集合,E = E n 。则 ∀ y ∈ Ω2 ,E n 互不相交,
1
S R P ¡
R y¢ PR ¡ y¢
且 Ey = ∞ 1 E
y
n ,λ2 ( E ) = Ω2 µ 1 ( E y
) d µ 2 = Ω2 µ 1 E n d µ 2 = Ω2 µ 1 E n d µ2 =
P
λ2 (E n ),说明 λ2 也是测度。同样,λ1 也是测度.
同样应用单调类定理,可证
B = {E ∈ F1 ⊗ F2 : λ1 (E ) = λ2 (E )} = F1 ⊗ F2
在 C 上,容易看出 λ1 ( A 1 × A 2 ) = µ2 ( A 2 ) µ1 ( A 1 ) = λ2 ( A 1 × A 2 ),即 λ1 与 λ2 在 C
上一致,C ⊂ B ,又 B 是 λ 类,故 B = F1 ⊗ F2
152 CHAPTER 8. 乘积测度
S
∞ S ¡ ¢ S
此外,Ω1 = D i ,µ1 (D i ) < ∞,Ω2 = G j ,µ2 G j < ∞,Ω1 × Ω2 = Di × G j,
1 i, j
¡ ¢ ¡ ¢
µ Di × G j = µ1 (D i ) µ2 G j < ∞ ⇒ µ 为 σ 有限.
大家可能注意到之前的讨论并没有涉及测度空间是否完备,下面的定理指
出了完备测度空间的结论只是将处处改为几乎处处.
¡ ¢ ¡ ¢
定理 8.2. Ω1 , F1 , µ1 , Ω2 , F2 , µ2 完备 σ 有限,F 为 F1 ⊗ F2 的完备化,µ
¡ ¢
为 µ1 × µ2 的完备化,则对于 Ω1 × Ω2 , F , µ 中集合 E ,除了 Ω1 上的某个
µ1 零测集外,对于 Ω1 上的任意 x,函数 x 7→ µ2 (E x ) 都是 F1 可测的,且
R
µ ( E ) = Ω1 µ 2 ( E x ) d µ 1
S
Proof. 不妨设 E ∉ F1 ⊗ F2 ,否则结论由前面定理必然成立.E = E 0 E 1 ,E 0 ∈
T
F1 ⊗ F2 ,E 0 E 1 = ;,µ (E 1 ) = 0,存在 E 2 ⊃ E 1 ,µ (E 2 ) = 0,E 2 ∈ F1 ⊗ F2 .
R
此时 0 = µ (E 2 ) = Ω1 µ2 (E 2x )d µ1 ⇒ µ2 (E 2x ) = 0,µ1 − a.e.
⇒ µ2 (E 1x ) = 0(因 E 1x ⊂ E 2x )µ1 − a.e..E 1x 几乎对所有 x 都是 µ2 可测的.
⇒ x 7→ µ2 (E 1x ) 除去某个零测集恒为 0,故是 F1 可测函数 (在那个零测集上,
µ2 (E 1x ) 可能无法定义,即 E 1x 不可测)
又 x → µ2 (E 0x ) 是 F1 可测的,故 x → µ2 (E x ) = µ2 (E 0x ) + µ2 (E 1x ) 除去某个
R R
零测集外是 F1 可测的.µ (E ) = µ (E 0 ) = Ω1 µ2 (E 0x ) d µ1 = Ω1 µ2 (E ) d µ1
练习
¡ ¢ ¡ ¢
1. Ω1 , F1 , µ1 及 Ω2 , F2 , µ2 为 σ 有限测度空间,E ∈ F1 ⊗ F2 ,则下列条件
等价:
¡ ¢
(1) µ1 × µ2 (E ) = 0
(2)µ1 (E y ) = 0,µ2 − a.e.y
(3)µ2 (E x ) = 0,µ1 − a.e.x
2. T = {( x, y) ∈ [0, 1]2 : x − y ∈ Q }。证明 T 的测度为 0,但与任意形如 A × B 的
集合又有交集,其中 A 与 B 是 [0,1] 中的具有正测度的集合。[考察 A-B 的
性质]
3. 定义于 [0, 1]2 上的 Lebesgue 可测函数 f 满足,对于几乎处处的 x 和几乎处
处的 y,函数 z 7→ f ( x, z) 以及 z 7→ f ( z, y) 为常数函数,证明 f 几乎处处等于
某个常数。
8.1. 乘积测度的定义 153
8.1.1 R n 中的乘积测度
在考察积分之前,我们将前面的几个性质应用到 R n 空间去,假定 Ω1 ,Ω2 都
为 R ,那么 Ω1 × Ω2 为 R 2 ,先看 (R, B (R ) , λ) × (R, B (R ) , λ).由于对于最平凡的
矩形,R 2 空间的 λ2 ( A × B) = λ ( A ) · λ (B),故在乘积测度空间 R 2 上的测度应该
还是和普通的 Lebesgue 测度一样,关键在于乘积 σ 代数 B (R ) ⊗ B (R ) 到底与
¡ ¢
B R 2 有何关系.
¡ ¢
注意到普通的矩形生成的 σ 代数是 B R 2 ,而可测边矩形包含普通矩形,
¡ ¢
生成的 σ 代数为 B (R ) ⊗ B (R ),故 B R 2 ⊂ B (R ) ⊗ B (R ).而另一方面,任意的
可测边矩形 A × B 可以表示为 ( A × R ) ∩ (R × B),而由投影函数 π ( x, y) = x 的连续
性可知 π 是 Borel 可测的.
¡ ¢
A × R = π−1 ( A ) ⇒ 在 A 是 Borel 集时,A × R 也是 Borel 集 ⇒ A × B ∈ B R 2
¡ ¢ ¡ ¢ ¡ ¢
因 B R 2 是 σ 代数 ⇒ B (R ) ⊗ B (R ) ⊂ B R 2 ⇒ B R 2 = B (R ) ⊗ B (R )
¡ ¢ ¡ ¢
但 是 对 于 Lebesgue 可 测 集 我 们 有 B R 2 ⊂ L (R ) ⊗ L (R ) ⊂6= L R ∈ =
¡ ¢
L (R ) ⊗L (R ) 的完备化,B R 2 ⊂6= (R ) ⊗ (R ) B (R ) ⊂6= (R ),选择 A ∈ L (R ) \B (R ),
¡ ¢
则 A × A ∈ L (R ) ⊗ L (R ),但 A × A ∉ B R 2
¡ ¢
L (R ) ⊗ L (R ) ⊂6= L R 2 是由于任意 Lebesgue 可测边矩形 A × B = ( A × R ) ∩
(R × B)
S
A = A0 A 1 , A 0 为 Borel 集,λ ( A 1 ) = 0 ⇒ A × R = ( A 0 × R ) ∪ ( A 1 × R ),
而 λ ( A 1 × R ) = λ ( A 1 ) · ∞ = 0, A 0 × R 为 Borel 集,故 A × R 是 Lebesgue 可
¡ ¢
测的 ⇒ A × B 是 R 2 中 Lebesgue 可测的 ⇒ L (R ) ⊗ L (R ) ⊂ L R 2 ,
选取 R 中不可测集 M ,单点集 { x},则 { x} × M 测度为 0 是 R 2 中 Lebesgue
可测的,但在 x 上截口不可测故 ∉ L (R ) ⊗ L (R ).
¡ ¢ ¡ ¢
由于 L R 2 也是 B R 2 的完备化,故也必然是 L (R ) ⊗ L (R ) 的最小完
备化.
注意,对一般的拓扑空间 X ,通常只有 B ( X ) ⊗ B ( X ) ⊂ B ( X × X )
对比拓扑空间的乘积的概念
X 、Y 为拓扑空间, X × Y 的拓扑基为 {U × V ,U ⊂ X , V ⊂ Y },称为积拓扑。
在积拓扑下,投影映射 π1 ( x, y) = x 和 π2 ( x, y) = y 都是连续的,
函数 f : Z → X × Y 即 f ( z) = ( f 1 ( z) , f 2 ( z)) 连续 ⇔ f 1 , f 2 都连续.
这样 B ( X ) ⊗ B (Y ) 中可测矩形 A × B = ( A × Y ) ∩ ( X × B),由投影函数连续性
即可知 A × B ∈ B ( X × Y )
154 CHAPTER 8. 乘积测度
8.1.2 截口可测与整体可测
F1 ⊗ F2 可测集的截口都可测,但截口都可测不能保证集合是 F1 ⊗ F2 可测的。
例如,设 Ω 是一不可数集合,F 是由 Ω 的所有单点集生成的最小 σ 代数,则
对角线集合 D = {( x, x) : x ∈ E ⊂ Ω} ⊂ Ω × Ω 的截口可测,但 D ∉ F ⊗ F 如果 E ∉ F
(为什么?
)。[另一个类似的结论,Nedoma’s Pathology:X 为可测空间且 X > 2ℵ0 ,
则 X 2 的乘积 σ 代数不包括对角线集合 D = {( x, x) : x ∈ X }]
对于函数 f ( x, y) 也一样,即若 f x 、f y 都可测不能保证 f 可测.大家可对比 f
在每个变量连续不能保证 f 连续。[作为比较,f ( x) = ( f 1 ( x) , f 2 ( x)):Ω0 → Ω1 × Ω2 ,
可测当且仅当 f 1 和 f 2 是可测的.(关键 f −1 ( A × B) = f 1−1 ( A ) ∩ f 2−1 (B))]
什么时候能得证 f : Ω1 × Ω2 → Ω0 可测,在只给定各变量的一些性质条件下?
下面的定理表明一个变量连续,另一变量可测时可以保证 f 可测.
P
定理 8.3. (S, ) 可测空间, X 和 Y 为距离空间。 f : S × X → Y 满足:∀ x ∈ X ,
P
f x = f (·, x) 是 ( , B (Y )) 可测的;∀ s ∈ S , f s = f ( s, ·) 是连续的。若 X 可分,则
P
f 是 ⊗B ( X ) 可测.
Proof. 设 { x1 , x2 , · · ·} 为 X 的稠密子集。
由 f s 的连续性,f (s, x) ∈ 闭集 F ⇔ ∀ n,∃ xm 使得 d X ( x, xm ) < n1 ,dY ( f (s, xm ) , F ) <
1
n ½ ¾
−1 T
∞ S
∞
⇒ f (F ) = s ∈ S : f ( s, xm ) ∈ B 1 (F ) × B 1 ( xm ),
n=1 m©=1 ªn n© ª
其中 B 1 ( xm ) = x ∈ X , d X ( x, xm ) < n1 ,B 1 (F ) = y ∈ Y , dY ( y, F ) < n1
n ½ n ¾
x
注意到 B 1 (F ) 为开集,因 f 可测, s ∈ S : f (s, xm ) ∈ B 1 (F ) 可测
n P n
⇒ f −1 (F ) ∈ ⊗B ( X )
8.1.3 无穷个测度的乘积
目前我们讨论的是两个空间的乘积,由数学归纳法呢,我们可以将构造方法推广
至任意有限个空间的乘积,不过对于无穷个空间的乘积,乘积 σ 代数及测度的
©Qn Q ª
构造不同,是从投影函数角度出发,或者说是 σ i =1 Ai × I \{1,··· ,n} Ωα (n 取遍
所有可能的有限数),可以证明无穷的乘积概率空间存在,而对于 σ 有限测度空
间,无限个空间的乘积测度未必是 σ 有限的.
例子:考虑两点的测度空间 {0, 1},每个点的测度为 1。不难看出乘积空间
{0, 1}∞ 上的乘积测度实际上是一个计数测度,不是 σ 有限的。
8.2. FUBINI- TONELLI 定理 155
Proof. 只需证明对于满足平移旋转测度不变的测度,任意非空球的测度都是无
穷。不妨设球 E 中心是 0 点,球半径 r。 e i = {0, ..., 0, 1, 0, ...} 表示第 i 维取值为
1,其余维度取值为 0。考虑中心为 2r e i ,半径为 r
4 的开球 E i ,则 E i 中任意点
与 0 点的距离小于 r,且不同的 E i 互不相交。注意到 E 中有无穷个 E i ,E 的
测度只能无穷
Proof. 考虑 f + 及 f − ,由于积分值都有限,故结论成立.几乎处处的出现是由
于可积函数只需要几乎处处有定义,或者是几乎处处有限。
对于完备化测度空间,定理的表述略有不同.
156 CHAPTER 8. 乘积测度
¡ ¢ ¡ ¢
定理 8.7 (Fubini-Tonelli 定理). Ω1 , F1 , µ1 , Ω2 , F2 , µ2 完备且 σ 有限,f 非负,
¡ ¢
F1 × F2 可测或 ∈ L1 Ω, F , µ 其中 Ω = Ω1 × Ω2 ,F = F1 ⊗ F2 ,µ = µ1 × µ2 ,则
(a) 对于几乎所有 y ∈ Ω2 , x 7→ f ( x, y) 是 F1 可测或可积,
µ1 − a.e. x ∈ Ω1 , y 7→ f x ( y) 为 F2 可测或可积
R
(b) x 7→ Ω2 f x ( y)³d µ2 是 F´1 可测或可积
R R R R ³R ´
(c) Ω f d µ = Ω1 Ω2 f d µ2 d µ1 = Ω2 Ω1 f d µ1 d µ2 .
Proof. 设 H ∈ F1 ⊗ F2 ,则 H = G ∪ F ,G ∈ F1 ⊗ F2 ,µ (F ) = 0,G ∩ F = ;,存在
E ∈ F1 ⊗ F2 ,F ⊂ E ,µ (E ) = 0。∀ x ∈ Ω1 , H x = G x ∪ F x ,前面有定理证明,对几
R R
乎所有的 x ∈ Ω1 , H x ∈ F2 ,µ2 (H x ) = µ2 (G x ) = Ω2 1G d µ2 = Ω2 1H d µ2
这说明 f = 1H 时 (a) 成立,{1H ( x, y) > a, x} = H x 或 ; 或 Ω,视 f 为 f x ( y),
1H 相当于 1H x ( y),由非负简单函数,再一般可测函数不难验证 (a) 成立.其余
部分与不完备情形类似。略.
练习(重积分与累次积分不等的例子及其它)
xy
1. 在 [−1, 1]2 上, x2 + y2 > 0 时 f ( x, y) = , f (0, 0) = 0,
( x2 + y2 )2
R R
对所有 y, −11 f ( x, y) dx = 0,对 ∀ x, −11 f ( x, y) d y = 0,因此累次积分= 0,
R R R R R
但二重积分 −11 −11 | f ( x, y)| dxd y ≥ 01 dr 02π | r | d φ = 2 01 dr
sin φ cos φ
r =∞
2n 1 1 1 1
2 2n ≤ x ≤ 2n−1 , 2n ≤ y ≤ 2n−1
2. [0, 1]2 , f ( x, y) = −22n+1 2n1+1 ≤ x < 21n , 21n ≤ y < 2n1−1
0
8.3. 高维 RIEMANN 积分 157
R 1 ³R 1 ´ R1R1 R 1 ³R 1 ´
0 0 f ( x, y) dx d y = 0 , 0 0 | f ( x, y) | d ydx = ∞ , 0 0 f ( x, y) d y dx = 1
¡ .
¢ ¡ 2 ¢2 RR RR
3. f ( x, y) = x2 − y2 x + y2 ,f (0, 0) = 0, [0,1]2 f dxd y = − π4 , [0,1]2 f d ydx =
π
4.
³ 2´
1 − x2 t R∞ ∂f ∂2 f ∂f
4. f ( x, t) = p e , t > 0. −∞ f ( x, t) = 1,2 ∂ t = ∂ x2 ,令 g ( x, t) = ∂t
2Rπ t R R∞R∞
∞ ∞
问是否有 −∞ s g ( x, t) dtdx = s −∞ g ( x, t) dxdt
R R∞
5. f 在 R d 上可积,α > 0,E α = { x : | f ( x)| > α},证明 Rd | f ( x)| dx = 0 m (E α ) d α
6. F 是 R 中闭集且 F c 有界, d ( x, F ) 为 x 到 F 的距离, t > 0,证明
Z
( d ( y, F )) t
g ( x) = 1+ t
dy
R | x − y|
在 F 上可积,因此在 F 上也几乎处处有限
R R ∞ ¡R r ¢ R∞ x π
7. 应用: εr sinx x dx = 0 ε e− x y sin xdx d y,令 ε → 0+ ,r → ∞,说明 0 sin
dx = 2
8.3 高维 Riemann 积分
Z Z
= f ( y, z) dzd y
Rp Rq
8.4 概率与测度
分析术语 概率术语
测度空间 概率空间
σ 代数 σ域
可测集 事件
可测函数 f 随机变量 X
f 的积分 X 的期望
Lp p 阶矩有限
依测度收敛 依概率收敛
R 上的 Borel 概率测度 分布
测度的 Fourier 变换 分布的特征函数
8.4.1 独立性
(Ω, F , P ) 为一概率空间,若不做特殊声明,以下提到的 σ 代数都是 F 的子 σ 代
数
定义:若 A 、B 两事件 ( A ∈ F ,B ∈ F ) 满足 P ( A ∩ B) = P ( A ) P (B) 则称 A
与 B 独立.
µ 对于 ¶A 1 ,…, A , n 个事件,若对任意 m ≤ n.1 ≤ k 1 < k 2 < · · · < k m ≤ n,
T
m Q
m ³ n´
P Ak j = P A k j ,称 ( A 1 ,…, A n ) 相互独立.
j =1 j =1
µ ¶
T
对一族事件 = { A t , t ∈ T },若对 T 的任何非空有限子集 s,有 P As =
Q s∈ S
P ( A s ),称中事件相互独立.
s∈ S
对一族事件类 {F , t ∈ T },如果从每个事件类 Ft 中任取一事件 A t ,{ A t , t ∈ T }
中事件相互独立,则称事件类 {Ft , t ∈ T } 独立.
© ª
对一族随机变量,若由随机变量 { X t , t ∈ T } 生成的 σ 域 σ ( X t ) = X t−1 (B (R )) , t ∈ T
为独立事件,称 { X t , t ∈ T } 相互独立.
注意:Ft ⊂ F ,σ ( X t ) ⊂ F ,上述对事件类独立的定义等于说任取任何有限
个事件类都独立 ⇔ 一族事件类独立.
练习
这样,若 m, n 互素,
1
P ( x ≡ b mod ( m) , x ≡ c mod ( n)) = = P ( x ≡ b mod ( m)) P ( x ≡ c mod ( n))
mn
任取 x、 y,记其互质的概率为 p.同时有,
(A) x、 y 最大公约数为 n ⇔ x ≡ 0 mod (n), y ≡ 0 mod (n), nx , ny 的最大公约
数为 1.(这三个条件是独立的)
概率 () = n1 · n1 · p
P
∞ P
∞
p 1
1= P ( x、 y 最大公约数为 n)= n2
= p · ς (2) ⇒ p = ς(2) = π62
n=1 1
(B) x、y 互质 ⇔ x 和 y 不能同时有素数 q 为因子,即 ∀ 素数 q,x 6≡ 0 mod ( q)
或 y 6≡ 0 mod ( q),对每个 q,
Y¡ ¢
P { x 6≡ 0 mod ( q) y 6≡ 0 mod ( q)} = 1 − p−2 ⇒ P ( x, y) = 1 − p−2
q
应用:
P
1. 扔硬币,朝上概率 p > 0, A n = {n},那么 P ( A n ) = p,所以 P ( A n ) = ∞,
¡ ¢
P 有无穷次朝上 = 1
2. 猴子随机打字,不停的打,打出莎士比亚全部作品的概率= 1.原因在于
任一文章都是字母的有限序列 ³n o´
3. 如果 X 1 ,…,X n …独立随机变量,则 P ω : lim X n (ω) = 0 = 1 ⇔ X n → 0,
n→∞
a, s.
¡ ¢ ¡ ¢
⇔ 对任意 ε > 0,P | X n | > ε只对有限个不成立 = P | X n | ≤ ε对充分大的 n = 1
¡ ¢
记 A n = {ω : | X n (ω)| > ε} ↑ P lim inf A nc
¡ ¢ P
∞
⇔ P (lim sup A n ) = 1 − P lim inf A nc = 0⇔ P ( A n ) < ∞,∀ε > 0
n=1
(用另一种方法说明了是否收敛)
8.4.3 独立随机变量与乘积测度空间
X X −1
回忆概率分布与随机变量是对应起来的 Ω −→ R ,σ ( X ) ←−−− B (R )
¡ ¢
给定 (Ω, F , P ) 上随机变量 X ,其概率分布 P X ( A ) = P X −1 ( A ) 是 (R, B ) 的
一个概率测度,这样若有两个随机变量 X 1 , X 2 ,就有概率分布 (测度)P1 ,P2 .
显然我们可以在 (R, B ) 上构造另外的随机变量,使之分布为 P1 和 P2 .实际
上,在可测空间 (R, B ) 定义测度为 P1 ,则测度空间 (R, B , P1 ) 中的随机变量,
Y ( x) = x 的分布就为 P1 .于是定义乘积测度空间 (R × R, B ⊗ B , P1 × P2 ),在其定
义 Y1 ( x, y) = x,Y2 ( x, y) = y,则 Y1 ,Y2 连续当然也是 Borel 可测函数.
而且 P (Y1 ≤ a, Y2 ≤ b) = P1 ( x ≤ a) P2 ( y ≤ b) = P1 (Y1 ≤ a) P2 (Y2 ≤ b)(P = P1 × P2 )
即说明 Y1 和 Y2 独立且各自的分布分别为 P1 和 P2 ,而且 Y1 ,Y2 是定义
¡ ¡ ¢¢
在同一可测空间 R 2 , B R 2 上的.
8.4.4 转移概率
定义. 给定可测空间 (Ω1 , F1 ),(Ω2 , F2 ),转移概率 P21 是从 Ω1 × F2 到 [0,1] 的
映射使得:(a) 对任意 x ∈ Ω1 ,P21 ( x, ·) 是 (Ω2 , F2 ) 上的概率;(b) 对任意 A ∈ F2 ,
162 CHAPTER 8. 乘积测度
则上述乘积测度的相关分析可应用于转移概率情形:
8.4.5 无穷个概率空间的乘积
定理 8.12. 给定 (Ωn , Fn , P n )∞
n=1 ,令
Q Q
Ω= 1≤ n<∞ Ω n ,R
= { n A n , A n ∈ Fn ; 除了有限个 n, A n =Ωn },F = σ(R )
Q Q
对于任意 A = n A n ∈ R ,定义 P ( A ) = n P n ( A n ),则 R 上的 P 可以延拓
成定义在 F 上的概率测度。R 中集合称为可测柱集。
Q
Proof. 定义 Z n = σ({ i A i , A i ∈ F i , 除了前 n 个 A i , A i = Ω i }),Z n ↑ Z ,则 Z 是代
数。[Z = ∪n Z n 不是 σ 域,F = σ(Z )]。根据有限个概率空间乘积的性质不难证
明,P 在 Z 上是有限可加的。关键是证明 P 在 Z 上也是可数可加的。只需证
明对 Z 中递减集合列 H i ↓ ;,满足 P (H i ) = 0,即若 Z 中递减集合列 H i 满足
∀ i, P ( H i ) ≥ ε > 0,则 ∩ i H i 6= ;。
对于给定的 H i ,肯定有 H i ∈ Z n(i) ,为简单计,不妨设 H i ∈ Z i 。注意总有
Q
∞ Q
i
Hi = Bi × Ω j , B i ∈ σ( F j )。当 i > 1 时,由 Fubini 定理,
j = i +1 j =1
R R ∆R
P (B i ) = Ω1 (... Ω i 1B i ( x1 , ..., x i ) dP i ...) dP1 = Ω1 h i,1 ( x1 ) dP1 。
H i+1 ⊂ H i ⇒ B i+1 ⊂ B i × Ω i+1 ⇒ 给定 x1 , h i,1 ( x1 ) 关于 i 递减,设极限为
R
h 1 ( x1 )。则由控制收敛定理 Ω1 h 1 ( x1 ) dP1 = lim P (B i ) ≥ ε,故存在 x1∗ ∈ Ω1 使
h 1 ( x1∗ ) ≥ ε。而且,x1∗ ∈ B1 ,否则 1B i ( x1∗ , ..., x i ) = 0⇒ h i,1 ( x1 ) = 0⇒ h 1 ( x1∗ ) = 0,矛盾。
R
当 i > 2 时,由 Fubini 定理, h i,1 ( x1∗ ) = Ω1 h i,2 ( x2 )dP2 ,类似推理可知存在
x2∗ ∈ Ω2 使 h i,2 ( x2∗ ) ≥ h 2 ( x2∗ ) ≥ ε,( x1∗ , x2∗ ) ∈ B2 。一直继续下去,最终会找到 x∗j ∈ Ω j ,
( x1∗ , ..., x∗j ) ∈ B j ,说明 ( x1∗ , ..., x∗j , ...) ∈ ∩∞ 1 H i ,定理得证。
注:定理结论对于任意多(不限于可数)概率空间的乘积也成立。
8.4. 概率与测度 163
8.4.6 随机过程
定义. 随机过程:定义为 (Ω, F , P ) 上的一族随机变量 { X t , t ∈ T }.
空间 Ω 称为样本空间, X t 称为过程在 t 时刻的状态。对于固定的 ω ∈ Ω,
t 7→ X t (ω) 称为 ω 的轨道。通常 T 取整数集合 (离散随机过程) 或者实数集合 (连
续随机过程)。
随机过程可以看成是定义于 T × Ω 上的函数
给定 T 上的 σ 代数 T ,如果 T × Ω 上的映射 ( t, ω) 7→ X t (ω) 关于乘积 σ 代
数 T ⊗ F 可测,称随机过程 { X t , t ∈ T } 可测。
在随机过程可测的情况下,我们可以通过描述任意多个时点上发生各种事
件的概率的方式确定这个随机过程,相当于概率论里用分布来刻画随机变量。
Kolmogorov 相容性定理表明,在一定条件下,我们只需要知道随机过程的
所有有限维分布的情形就可以描述整个过程的分布。
则在 (R N , B (R N )) 上存在唯一的概率测度 P 满足
P (ω = (ω1 , ...) : ω i ∈ (a i , b i ], 1 ≤ i ≤ n) = P n ((a 1 , b 1 ] × ... × (a n , b n ])。
证明:略。
注:定理对于不可数多的情形也成立。[不过值得指出的是,对于不可数个
Q Q
的乘积空间, B (R ) ⊂ B (R T ),定理只保证 B (R ) 上概率存在,这使得定理结
论难以直接用于讨论,比如 Brownian Motion 的存在性问题。因为布朗运动要
Q
求轨道是连续的,但是连续函数全体 C 却并非是乘积 σ 代数 B (R ) 中的集合。
Q Q S
为说明这一点,首先注意到 i∈T B (R i ) 实际上等于 {n1 ,n2 ,...}⊂T B (R i ),
i ∈{ n 1 ,n 2 ,...}
Q Q
故若集合 C 是 i∈T B (R i ) 可测,则 C 对于某个乘积 σ 代数 B (R i ) 也
i ∈{ n 1 ,n 2 ,...}
可测,这意味着连续函数可以由可数个点的取值所决定,显然是不可能的。]
与前一定理的区别在于前面的定理给定的是乘积测度,换言之各随机变量
是独立的,而在 Kolmogorov 定理里是可以不独立的。所以在后者定理的推广中
会要求概率测度是紧的,类似前面 Borel 测度的内正则性。
164 CHAPTER 8. 乘积测度
1. P (W0 = 0) = 1
Q
2. 对于 0 ≤ t0 < t1 < ... < t k ,P (Wt i − Wt i−1 ∈ H i , i ≤ k) = P (Wt i − Wt i−1 ∈ H i )
i≤k
3. 若 0 ≤ s < t,Wt − Ws ∼ N (0, t − s)
4. 样本轨道连续。
练习
8.4.8 随机积分
定义 (鞅). 设 (Ω, F , P ) 为一概率空间,{Ft , t ∈ R+ } 是一族单调增加的 F 的子 σ
代数,即 Ft ⊂ Fs ,若 t < s。随机过程 X = { X t } 称为鞅,如果:
1. X t 可积,2. X t 是 Ft 可测的,3. X s = E [ X t |Fs ],∀s < t
布朗运动就是最常见的连续时间鞅
随机积分的定义方法类似 Lebesgue 抽象积分,先界定 σ 代数与测度,再有
对应的可测函数,然后再定义积分。
如前所述,对于随机过程 { X t },可视其为 R+ × Ω 上的函数,
考察由所有形如 {0} × F0 ,(s, t] × F (F0 ∈ F0 , F ∈ Fs , s < t) 的集合(称之为可
预测矩形)生成的 σ 代数 G 。(比较乘积测度的定义)
对于适应过程 { Z t }[即 Z t 是 Ft 可测的], Z t ∈ L1 , ∀ t,定义集函数
λ Z (( s, t] × F ) = E (1F ( Z t − Z s )),λ Z ({0} × F0 ) = 0
注意若 { Z t } 是鞅,则 λZ ≡ 0 而 λ(Z)2 ⩾ 0。于是给定连续的 L2 鞅 M t ,在
G 上可定义测度(通过测度扩张定理得到):µ M (( s, t] × F ) = λ(M)2 (( s, t] × F ) =
£ ¤
E 1F ( M t − M s )2 。
¡ ¢ R
现在可以在 L2 R+ × Ω, G , µ M 上定义随机积分 X dM .
R R
显然 X 为可预测矩形的示性函数时, X dM = 1(s,t]×F dM = 1F ( M t − M s ),
F ∈ Fs ;
R R
X dM = 1{0}×F0 dM = 0,F0 ∈ F0 ;
P
n
1. X 是简单过程,即 X = c j 1(s j ,t j ]×F j + c 0 1{0}×F0 ,( s j , t j ] × F j 互不相交.
j =1
R P
n ¡ ¢ n¡R ¢2 o R
则 X dM ≡ c j 1F j M t j − M s j ,且有 E X dM = R+ ×Ω X 2 d µ M ,
j =1
R R
说明 X dM ∈ L2 (Ω)。并有 1[0,t] X dM = 1[0,t] (s) X (s, ω) 是鞅
166 CHAPTER 8. 乘积测度
¡ ¢
2. 可以证明简单过程全体在 L2 R+ × Ω, G , µ M 中是稠密的,
¡ ¢
于 是 对 于 任 意 Y ∈ L 2 R + × Ω, G , µ M , 可 找 到 简 单 过 程 序 列 X n , 使 得
R
| X n − Y |2 d µ M → 0
R R ¡R R ¢2
Y dM 就定义为 X n dM 在 L2 (Ω) 中的极限即 E [ X n dM − Y dM ] → 0
R R
作为 1[0,t] X n dM 的 L2 极限, 1[0,t] Y dM 也是鞅.
注:G 可测的随机过程即连续、Ft 可测过程
第 9 章 单调函数与可微性
9.1 Borel-Kolmogorov 悖论
假设我们知道 ( x, y) 是二元正态分布,相关系数是 ρ :
p
1 − ρ2 1
p(d xd y) = exp{− ( x2 + y2 − 2ρ x y)}d xd y
2π 2
R p
1−ρ 2
则边际分布为 p(d x) = p(dxd y)d y = p exp{− 12 (1 − ρ 2 ) x2 }d x
2π
给定 y = y0 时的条件密度为:
p( dxd y) 1 1
p(d x| y = y0 ) = = p exp{− ( x − ρ y0 )2 }d x
p( y0 ) 2π 2
另一方面,在密度中直接令 y = y0 ,并标准化后条件密度应该是
1
p(d x| y = y0 ) = A exp{− ( x2 + y02 − 2ρ x y0 )}d x
2
与前述结果相同。
现在假设 u = 1+yx2 ,那么 ( x, u) 对应的密度函数是
p
1 − ρ2 1
p(d xd u) = exp{− ( x2 + u2 (1 + x2 )2 − 2ρ xu(1 + x2 ))}(1 + x2 )d xd u
2π 2
p
1−ρ 2
边际分布 p(d x) = p exp{− 12 (1 − ρ 2 ) x2 }d x 与前面相同
2π
问给定 u = 0 时的条件密度是多少?
思路 1:在二元密度函数中令 u=0,并标准化:p(d x| u = 0) = A exp{− 12 ( x2 )}(1 +
x2 )d x
思路 2: u=0 就是 y=0, p(dx| u = 0) = p(d x| y = 0) = A exp{− 21 ( x2 )}d x
哪个是正确的?
167
168 CHAPTER 9. 单调函数与可微性
条件密度应当看成条件概率的极限:
P ( x ∈ dx, | u| < ε)
p( dx| u = 0) = lim
ε→0 P (| u| < ε)
ε
P ( x ∈ dx, | y| < ε) P ( x ∈ dx, | u| < 1+ x2 )
p( dx| y = 0) = lim = lim
ε→0 P (| y| < ε) ε→0 P (| u| < 1+εx2 )
注意:分母趋于 0 的方式影响极限的结果。
上述问题与 Borel 提出的如下问题有关:
一个随机变量在单位球面上是均匀分布的,请问它在球面上最大圆环上的
条件分布是什么?
直观的看,由对称性,条件分布应当仍然是均匀分布。但是如果注意到球面
上的均匀分布相当于经度 θ 在 [-π,π] 上均匀分布,纬度 ϕ 在 [-π/2,π/2] 上分布
密度为 cos(ϕ)/2,则:
情况 1:最大圆是赤道,ϕ=0,则 p(θ |ϕ = 0) = 21π ,均匀分布
情况 2:最大圆是经线,θ =0,则 p(ϕ|θ = 0) = 12 cos(ϕ),非均匀分布
P(θ ∈E,ϕ∈[a,b])
条件概率应该理解为 P (θ ∈ E |ϕ = 0) = lim ,
a→0,b→0 P(ϕ∈[a,b])
P(θ ∈E,ϕ=0)
而不是 P (θ ∈ E |ϕ = 0) = P(ϕ=0)
所以 f˜n ∈ F
注意到 η( X n− ) − µ( X n− ) ≤ 0 ⇒ η( X n− ) → 0。定义 X 0− = ∩∞ − −
1 X n 则 η( X 0 ) = 0,表
明至少有一个 X n+ 使得 η( X n+ ) > 0,否则 η( X ) = η( X n− ) ⇒ η( X ) = η( X 0− ) = 0 表明
R R
η = 0,所以 µ( X n+ ) > 0,对应的,有 X f˜n d µ > X f d µ。矛盾
9.2 单调函数
定义. E ⊂ R ,函数 u : E → R 称为单调的,如果 (1)(2)(3)(4) 中任意一个满足.
(1) 递增,若 u ( x) ≤ u ( y),对所有 x, y ∈ E , x < y
170 CHAPTER 9. 单调函数与可微性
单调函数通常并不一定连续,所以问题在于到底有多不连续.
定 义. 给 定 区 间 I ⊂ R , 递 增 函 数 u : I → R 称 为 阶 跃 函 数, 若 它 能 表 示 成
P
u ( x) = u n ( x)
n∈ E
x < an
0
E ⊂ N ,u n ( x) = sn x = a n ,{a n }n∈E ⊂ I ,{ s n }n∈E ⊂ [0, ∞),{ t n } ⊂ [0, ∞),
s +t x > an
n n
s n + t n > 0,∀ n ∈ E .
9.3 单调函数的可微性
定义 (可微性,导数). E ⊂ R ,x0 是 E 的一个极限点,给定函数 u : E → R .若极限
u(x)− u(x0 )
lim x− x0 存在(且有限),则极限称为 u 在 x0 的导数,称 u 在 x0
x∈E,x→ x0
点可微。
导数不一定存在,但下面的 Dini 导数,通常都存在:
9.3. 单调函数的可微性 171
±
2. 再定义 u n , n = 0,1,2,…, u n ( x) = ϕ (4n x) 4n
P
∞
3. 最后定义 f ( x) = u n ( x),则 f ( x) 连续但处处不可微
n=0
P
连续性是由于 f n ( x) = 0n u i ( x) 连续,且 f n ( x) 一致收敛到
f ( x)
± ±
不可微性可以分别考察,x 具有 m 4k ,m ∈ Z ,k ∈ N 形式和不具有 m 4k 形
式时的情况
172 CHAPTER 9. 单调函数与可微性
练习
f (x0 + h n )− f (x0 )
证明思路:定义导出数为 λ = lim hn 对某个序列 h n → 0,记作
n→∞
D f ( x0 )
(在给定点 x 可能存在很多不同值的导出数)
(1) 若 f : [a, b] → R 严格增,E ⊂ [a, b],0 ≤ p < ∞,若 E 中每个 x,存在某
个导出数使 D f ( x) ≤ p,则 m∗ ( f (E )) ≤ pm∗ (E )
(2) f : [a, b] → R 严格增,E ⊂ [a, b],0 < q < ∞,对每个 x ∈ E ,存在 f 的某
个导出数使 D f ( x) ≥ q,则 m∗ ( f (E )) ≥ qm∗ (E )
⇒ 递增函数 f 具有无穷值导出数的点集测度为 0.
另外 f 0 = ∞ 的点的测度也为 0,即得证.
定理 (Vitali 覆盖定理).
µ V 为 ¶E 的 Vitali 覆盖,则在 V 中存在互不相交的可数
S
∞
闭区间列 {Vk } 使 m E \ Vk = 0.若给定 ε > 0,则存在有限个互不相交的 {Vk }
µ ¶ k=1
S
n
使 m∗ E \ Vk < ε。
k=1
练习
0
Rb
Proof. 只需考虑 f 单调增, a f ( x) dx ≤ f ( b) − f (a)
¡ ¡ ¢ ¢±¡ ¢
令 f n ( x) = f x + n1 − f ( x) n1 ,则 f 0 ( x) = lim f n ( x),a, e. x ∈ [a, b]
n→∞ hR i
Rb 0 Rb ¡ ¢ R
由 Fatou 引理 a f ( x) dx ≤ lim a f n ( x) dx = lim n ab f x + n1 dx − ab f ( x) dx
n→∞ n→∞
"Z Z # "Z Z #
b+ n1 b b+ n1 a+ n1
= lim n f ( x) dx − f ( x) dx = lim n f ( x) dx − f ( x) dx
n→∞ a+ n1 a n→∞ b a
½ ¾
1
R a+ n1
≤ lim n nf ( b) − a f (a) dx = f ( b) − f (a)
n→∞
¡ ¢ ¡ ¢ ³ ´ ¡ ¢
α+β 1−λ 1+λ
定 义 f n+1 (α) = f n (α), f n+1 β = f n β , f n+1 2 = 2 f n (α) + 2 f n β,
f ( x) = lim f n ( x).
n→∞
如果只要求 f 连续单调,而不是严格单调,则 Cantor 函数就满足要求.
±
X∞ c
n X∞ c
n 2
∆→x= n
→ f ( x) = n
⇒ f ( x) = sup { f ( y) : y ∈ ∆, y ≤ x}
n=1 3 n=1 2
P
n P
n
Proof. 作部分和 s n = f i ,余项为 R n = f i ,则 s n ,R n 都是单调增,几乎
i =1 i = n+1
P
n
处处可微,由求导运算的线性性质 f 0 = s0n + R 0n = f i0 + R 0n ,a, e.
i =1
P
n P
n
由 R 0n ≥ 0,可知 f i0 ≤ f 0 < ∞, lim f0 几乎处处存在且有限因为是单调
i =1 n→∞ i =1 i
有界的,而 R 0n 作为 n 的函数,是单调减的序列,故也是有极限的.
R
令 R = lim R 0n ,要证 R = 0,a, e.⇔ Rdx = 0,故
R R R
Rdx = lim R 0n dx ≤ lim R 0n dx ≤ lim [R n ( b) − R n (a)] = 0,因为 R n ( x) → 0.
¡m¢
回忆:在无理点连续,有理点不连续的函数存在,( f n = n1 ,无理点为 0)
在有理点连续,无理点不连续的函数不存在.
注意:存在处处可微,而且无处单调的函数,但仍可表示成两个单调函数的
差,这也表明单调函数全体并不是线性空间。
178 CHAPTER 9. 单调函数与可微性
本章主要讨论了单调函数几乎处处可微的性质,其目的是为了学习求导运算
与积分运算之间的联系.我们知道,在 Riemann 积分框架下,若 f 是 Riemann
Rx
可积的,且在 x0 处连续,则 F ( x) = f ( t) dt 在 x0 处可微,F 0 ( x0 ) = f ( x0 ).反
a
R
过来,若 F ( x) 可微,F 0 ( x) 是 Riemann 可积的,则 ax F 0 ( x) dx = F ( x) − F (a)。
[Newton-Leibniz 公式,Riemann 积分框架下,只讨论连续可微的函数即导函数
连续的]
我们需要知道在 Lebesgue 积分中,上述微积分基本定理的推广是什么样
子的。
值得指出的是,在我们这里讨论的微分都还是大家已经遇到过的微分概念,
并不像积分那样,有 Riemann 积分到 Lebesgue 积分的推广。我们也会看到可微
函数与可积函数虽然也都可以形成线性空间,但也有很多区别。
下面的例子表明,处处可微的函数的微分可以是 Lebesgue 不可积的
(
x2 sin x12 x 6= 0
f ( x) = 在 [0,1] 上处处可微,但 f 0 = 2 x sin x12 − 2 1x cos x12 不
0 x=0
可积。
一个有趣的结论是处处可微的函数的导函数可以是几乎处处不连续的,但
不可能处处不连续。
9.4 覆盖定理和极大函数
1.适用于一般测度的覆盖定理
如果考虑函数 g( x) 局部的大小情况,定义极大函数:
Z
1
M ( g)( x) = sup | g( y)| d y
r >0 m(B r ( x)) B r (x)
下面的定理描述了函数 M ( g) 的性质:
推论. 若 g ∈ L p (R n ), 1 ≤ p ≤ ∞(只需局部可积),则对几乎处处的 x,
Z
1
lim g( y) d y = g( x)
r →0 m(B r ( x)) B r (x)
练习
10.1 有界变差函数
在前面,我们讨论了单调函数,但单调函数并不构成一个线性空间,我们这里讨
论包含所有 [a, b] 上单调函数的最小向量空间,即有界变差函数:
180
10.1. 有界变差函数 181
n q
X ³ ´
lim ( x i − x i−1 )2 + ( f ( x i ) − f ( x i−1 ))2 ∈ Vab f , b − a + Vab f
n
i
表明曲线求长和变差有界是等价的。Vab f 相当于函数在曲线上移动时在 Y
轴的投影所走过的距离。
注意到我们给了一个连续有界但不是有界变差的例子,这表明 B[a,b] 比
BV[a,b] 大,同时在一致度量下 BV[a,b] 包含 C[a,b] 的稠密子集如全体有理系数
多项式,所以 C[a,b] 包含于 BV[a,b] 的闭包,这也表明 BV[a,b] 在一致度量下并
非闭集,不是完备度量空间,不过换成其它度量之后,BV[a,b] 是完备的
练习
进一步的,前述推论中的不等号可进一步改为等号
在 Jordan 分解定理证明中我们看到如果 g ( x) = Vax f 在 x0 处连续则 f 在 x0
处连续,下面的定理表明,若 f 连续,则 g 也连续.
定理 10.2. f 与 Vax f 有相同的 (左) 右方连续的点.
Proof. f 在 x0 右连续,a ≤ x0 < b,∀ε > 0,∃δ ∈ (0, b − x0 ) 使当 x ∈ ( x0 , x0 + δ)
Pn
时 | f ( x) − f ( x0 )| < 2ε ,在 [ x0 , x0 + δ] 取分划 { x0 , · · · , xn } 使得 1 |f ( x i ) − f ( x i−1 )| >
x +δ ε
Vx00 f − 2
Pn x +δ x +δ x +δ
由于 | f ( x i ) − f ( x i−1 )| ≤ Vx10 f ,Vx00 f = Vxx01 f + Vx10 f
i =2
x +δ x +δ
Xn ε Xn
Vxx01 f = Vx00 f − Vx10 f < 1 | f ( x i ) − f ( x i−1 )| + − 2 | f ( x i ) − f ( x i−1 )| < ε
2
¯ x0 ¯
¯ x ¯ x x1
⇒ 当 x ∈ ( x0 , x1 ) 时, Va f − Va f = Vx0 f < Vx0 f < ε,这说明 x0 是 Vax f 的右连
续点.
推论. f 与 Vax f 有相同的连续点,连续的有界变差函数也是两个连续的单调增
函数的差.
10.2. 有界变差函数空间 183
练习
(
p x2 sin2 1x 0<x≤1
1. f : [0, 1] → R , u : [0, 1] → [0, 1], f ( z) = z, u ( x) =
0 x=0
证明: f 、 u 是有界变差的,但 f ◦ u 不是 (说明有界变差函数的复合函数不
一定是有界变差的.)(若 u 是有界变差的,f ◦ u 有界变差的充分条件之一是
f 是 Lipschitz 的,另一个可以考虑的是 u ◦ f 是有界变差的充要条件)
2. 设 F 为 [0, 1] 到 [0, 1] 上的函数,且对所有定义在 [0, 1] 上的有界变差函数 f ,
复合函数 f ◦ F = f (F ( x)) 是有界变差函数,则对于任意 [a, b] ⊂ R ,F −1 ([a, b])
可以表示为有限个区间(包括单点集)的并集。
3. 设 T 是半开闭区间全体,
½ C ⊂ T ,定义 ¾
P
n
V ( f , C ) = sup | f ( b i ) − f (a i )| , {(a i , b i ]} 是C 中互不相交的区间列 。
i =1
C 称为 E ⊂ R 的全覆盖,若 ∀ x ∈ E, ∃δ > 0 使 y − x ∈ (0, δ),( x, y] ∈ C ;
称为细致覆盖,若 ∀ x ∈ E, ∀ε > 0,存在 ( x, y] ∈ C 使 y − x < ε。
于是 ∀E ⊂ R,可定义
© ª © ª
Vf (E ) = inf V ( f , C ) : C 是E 的全覆盖 ,v f (E ) = inf V ( f , C ) : C 是E 的细致覆盖
证明:对任意连续函数 f ,Vf 和 v f 都是外测度,且 v f ≤ Vf ;对任意连
续的 f ,Vf ((a, b]) = v f ((a, b]) = Vab f ;C 是 ( c, d ] 的细致覆盖,则对连续 f ,
| f ( d ) − f ( c)| ≤ V ( f , C )
P
∞ P
∞
4. 若对任意自然数 n,f n : [0, 1] → {0, 31n },定义 f = f n ,证明 V01 f ≥ 16 V01 f n
n=1 n=1
10.2 有界变差函数空间
考察空间 BV [a, b],定义 f → k f k = | f (a)|+ Vab f ,可以验证 k·k 是空间的范数.故
自然的问题是 BV [a, b] 完备吗?可分吗?结论是完备但不可分.
° °
° °
不可分例子:BV [0, 1],°1[α,1) − 1[β,1) ° = 2 若 α 6= β,而所有 1[α,1) 的函数中
间不可能找到可数稠密子集 (可分距离空间 X 的任意子集 A 仍然是可分的:设
¡ ¢
{ x i } 为稠密子集,取 yi,n ∈ A ∩ B x i , n1 即可)
现在证明 BV [a, b] 是完备的,并介绍 Helly 定理,它与分布的收敛或者说
弱收敛概念密切相关,在概率统计中有着广泛的应用,首先介绍几个引理,第一
个的证明用到了对角化的技术
184 CHAPTER 10. 有界变差函数
注意如果是一般的符号测度对应的分布函数,弱收敛要求分布函数列的每
个子序列包含子子序列使得除了至多可数点之外,逐点收敛。而对于原来的序
列,可能是几乎所有点都不收敛。例如取课上讲的依测度收敛而处处不收敛的例
子中区间端点构造函数 1[x,1] − 1[y,1] ,可知这个函数弱收敛于 0,但除 0 和 1 之
外点点不收敛。
10.2.1 有界变差函数的导数
Rb
回忆对于单调增函数有 f 0 dx ≤ f ( b) − f (a),那么对于 f ∈ BV [a, b],v = Vax f ,
a
¡ ¢
f = v − (v − f ),v 和 v − f 都是增函数 ⇒ f 0 = v0 − v0 − f 0 , a.e.
¯ ¯
| f ( y) − f ( x)| ≤ Vx f = v ( y) − v ( x) ⇒ ¯ f 0 ¯ ≤ v0 , a.e.
y
R b¯ ¯ Rb
⇒ a ¯ f 0 ¯ dx ≤ a v0 dx = v ( b) − v (a) = Vab f < ∞ .说明 f 0 ∈ L1
10.2. 有界变差函数空间 187
Rb
然而和单调函数一样,对于有界变差函数,不能保证 f (b) − f (a) = a f 0 dx
的成立。反之,若要使等式成立,f 必须 ∈ BV [a, b],事实上,我们有下面的定理.
Rx
定理 10.6. g ∈ L1 [a, b], f ( x) = g ( t) dt,则
R xa¯ 0 ¯ R
¯
1. f ∈ C [a, b] ∩ BV [a, b], a f ¯ dt ≤ Vax f ≤ ax | g| dt
2. f ≡ 0 ⇔ g = 0,a.e.(比较书 271,例)
Rx R x¯ 0 ¯
3. f 0 = g,a.e., f ( x) = f 0 ( t) dt,Vax f = ¯ f ( t)¯ dt
a a
¯ ¯
Proof. xn → x,则 g1[a,xn ] → g1[a,x] ,¯ g1[a,xn ] ¯ ≤ | g| ∈ L1
R xn
Rx
由控制收敛定理 g ( t) dt → a g ( t) dt ⇒ f ∈ C [a, b],
a
Rx Rx
g = g+ − g− , f ( x) = a g+ dt − a g− dt 为两个增函数之差 ⇒ f ∈ BV [a, b],
R x ¯ 0¯ ¡R R ¢
¯ f ¯ dt ≤ V x f 前面已证,V x f = V x x g+ dt − x g− dt
a a a a a a
µZ x ¶ µZ x ¶ Z x Z x Z x
+ − + −
≤ Vax g dt + Vax g dt = g + g = | g| dt
a a a a a
Rx Rd
f ≡ 0 ⇔ ∀ x ∈ [a, b], a g ( t) dt = 0 ⇔ c g ( t) = 0,∀ ( c, d ) ⊂ [a, b]
R R
⇔ ∀ 开集 U ⊂ [a, b], U g ( t) dt = 0 ⇔ ∀G δ 集合 G ⊂ [a, b], G g ( t) dt = 0
R
⇔ ∀ 可测集 E ⊂ [a, b], E g ( t) dt = 0⇔ g = 0a, e.
R x+ h
0 d
Rx g(t)dt g(ξ)h
先看 g 连续情形, f = dx a g ( t) dt = lim x h = lim h = g ( x)
h→0
R b ¯ h→0¯
因为 g ∈ L1 ,故 ∀ε > ¯ ¯
0 ,可找到连续函数 φ 使 a g− ¯ φ dt < ε.
R b¯ 0 ¯ R b ¯¯ d R t ¡ ¢ ¯
故 a ¯ f − g¯ dt = a ¯ dt a g ( x) − φ ( x) dx + φ ( t) − g ( t)¯ dt
Z b¯
¯ Z x ¯ Z
¡ ¢ ¯ b¯ ¯
≤ ¯ d ¯
g ( t) − φ ( t) dt¯ dx + ¯ g ( t) − φ ( t)¯ dt
¯ dx
a a a
R b¯ ¯
≤2 ¯ g ( t) − φ ( t)¯ dt [思考,如何推得]
a
R b¯ ¯
< 2ε ⇒ a ¯ f 0 − g¯ dt = 0 ,即 f 0 = g,a.e..
由于 f 0 与 g 是几乎处处相等,下面具体说明使其相等的点是怎样的.
先考虑 g = 1E 情形,那么 f 0 在 E 上几乎处处为 1,而在 E c 上几乎处处为
0.
f (x+ h)− f (x) R
1 x+ h m(E ∩[x,x+ h])
若 h 6= 0,则 h = h x 1E dt = h
故我们不难得到下面的定理
188 CHAPTER 10. 有界变差函数
定理 10.7. E 为 R 中可测集,则
(
m (E ∩ [ x − h, x + k]) 1 a.e.E
lim =
h→0; h≥0 h+k 0 a.e.E c
k→0; k≥0
称极限为 1 的点为密集点.
定 义. 可 测 函 数 f :R→ R 称 为 局 部 可 积 的, 如 果 对 任 意 有 界 区 间 [a,b],
Rb
a | f | dt < ∞.
R x0 +h
定义. f 在 x0 的某个邻域 [ x0 − h, x0 + h] 上可积,若 lim h1 x0 | f ( x) − f ( x0 )| dx =
h→0
0,
称 x0 为 f 的 Lebesgue 点.
Rx ¯
定理 10.8. 若 f 在 [a, b] 上可积,x0 是 f 的 Lebesgue 点,则 d
dx a f ( t) dt ¯ x= x0 =
f ( x0 ).
Rx
Proof. 记 F ( x) = a f ( t) dt,则
¯ ¯ Z
¯ F ( x0 + h) − F ( x0 ) ¯ 1 x0 + h
¯ − f ( x )¯ ≤ | f ( x) − f ( x0 )| dx → 0
¯ h
0 ¯
h x0
练习
10.3 绝对连续函数
定义. (绝对连续函数) 函数 f : R → R 称为绝对连续的,如果 ∀ε > 0,存在 δ > 0
n¡
P ¢
使得任意有限个互不相交的开区间 (a 1 , b1 ),…,(a n , b n ) 上若有 b j − a j < δ,
Pn ¯¯ ¡ ¢ ¡ ¢¯
¯
1
就有 1 f b j − f a j < ε,则称 f 在 R 上绝对连续,如果这些区间都在 [a, b]
上,称 f 在 [a, b] 上绝对连续,记为 AC [a, b].
⇒ Vab f ≤ ε n < ∞
练习
说明 F 是绝对连续的.
反过来,我们先证明如下引理。
10.3. 绝对连续函数 191
由 c 与 ε 的任意性,结论得证
Rx
这样,(F ( x) − a F 0 ( t) dt)0 几乎处处为 0,定理得证。
2. 我们知道绝对连续函数是连续的,有界变差的,但反之并不一定,所以问题
是加上什么条件连续的有界变差函数会变成绝对连续的.
10.3.2 函数绝对连续和测度绝对连续
定理 10.14. 若 F 是 [a, b] 上的分布函数 (右连续递增),那么 F 绝对连续
⇔ µF ¿ m(即 ∀E , m(E ) = 0 ⇒ µF (E ) = 0)
这 就 表 明 若 µF ⊥ m, 则 有 F 0 = 0,a.e. 反 之 也 成 立. 而 µF ¿ m 则 等 价 于
Rx
F ( x) = F ( a) + a F 0 ( t) dt,不过 µF 关于 m 绝对连续是从测度之间的比较进行的,
按理也可按函数角度之间陈述.
练习
1. G 是 [a,b] 上的递增连续函数,G(a)=c,G(b)=d
证明:1) E ⊂ [ c, d ] 且为 Borel 集,则 m(E ) = µG (G −1 (E ))
194 CHAPTER 10. 有界变差函数
Rd Rb
2) f 是 Borel 可测函数,在 [c,d] 上可积,则 c f ( y) d y = a f (G ( x)) dG ( x) =
Rb
a f (G ( x)) d µG
3) 若 G 只是右连续,说明 2) 可能不成立。
2. 设 f 是 [a, b] 上的绝对连续函数,u : [ c, d ] → [a, b] 单调且绝对连续,则复合
函数 f ◦ u 是 [ c, d ] 上的绝对连续函数