最后更新: 2025-11-26 09:56 查看: 262 次纠错评论(0) 课件开VIP

可测函数

## 勒贝格积分的思想
为了理解本文的内容需要理解勒贝格积分的思想。
一维黎曼积分的几何意义是曲线下曲边梯形的面积，新的积分在几何上也应该包含这一意义．黎曼积分与 Lebesgue 积分这两种积分的差别在于求面积的方法不同，Riemann 积分从自变量所在的区间 $[a, b]$ 的分法出发，Lebesgue 则从函数的值域的分法着手．

下图中，上图是黎曼积分的思想，下图是勒贝格积分的思想。
![img-text](/uploads/2024-09/623a78.jpg)

为简单起见，设 $y=f(x)$ 是在 $[a, b]$ 上定义的**非负有界函数**，即 $0 \leqslant m \leqslant f(x)<M$ ．对 $[m, M]$ 作任意的分法

$$
m=y_0<y_1<y_2<\cdots<y_n=M,
$$

考虑点集

$$
E_i=\left\{x \in[a, b] \mid y_{i-1} \leqslant f(x)<y_i\right\},
$$

![图片](/uploads/2025-11/e18f0f.jpg){width=300px}
 
（见上图）这时曲线上点的纵坐标在 $y_{i-1}$ 与 $y_i$ 之间的这一部分小＂曲边梯形＂的 面积应近似地等于底乘高．这时高可取作 $y_{i-1}$ ，底应是集合 $E_i$ 的＂长度＂．但一般说来，$E_i$ 不一定是区间（比如狄利克雷函数，在极小的有理数区间内含有无理数，在极小的无理数区间内又含有有理数），因此不见得有长度，故我们需要把＂长度＂的概念推广到 $E_i$ ，记为 $\operatorname{mes}\left(E_i\right)$（这就是 $E_i$ 的一维 Lebesgue 测度）．这样，小＂曲边梯形＂的面积就近似地为

$$
y_{i-1} \operatorname{mes}\left(E_i\right) .
$$

作和

$$
\sum_{i=1}^n y_{i-1} \operatorname{mes}\left(E_i\right),
$$

它便是 $y=f(x)$ 在 $[a, b]$ 上的曲边梯形面积的近似值．令 $\delta=\max _{1 \leqslant i \leqslant n}\left(y_i-y_{i-1}\right) \rightarrow 0$ ，如果上述和的极限存在，便定义这极限值为 $f(x)$ 在 $[a, b]$ 上的积分（Lebesgue积分）：

$$
(L) \int_{[a, b]} f(x) \mathrm{d} x=\lim _{\delta \rightarrow 0} \sum_{i=1}^n y_{i-1} \operatorname{mes}\left(E_i\right) .
$$

### 要点解释1
**我们不妨假定一个函数总是非负的**，为啥？因为一个函数总可以写成 $f=f^{+}-f^{-}$。其中前者的定义域是 $\{x: f(x) \geq 0\}$ ，后者同理。

我们总希望在一个区间里面函数总要尽可能好，啥是好呢，比如这样，假设我们是个太阳，我们能看到的是什么呢？从东面看，如果以黄线的视角，每个极大值都能对应一个区间的左端点，但是如果使用黑线的视角，**每个极大值都能对应一个区间的右端点**，两个本质是一样的。在这个区间里面的函数值都小于极大值，除了左右端点，而且上去之后不许下来。Lebesgue微分定理就是这种思想。

![图片](/uploads/2025-11/e96eeb.jpg)

### 要点解释2
对于一个函数，例如更具体的 $y=x^2$，从y视角(以y为自变量)可以写成 $x=\sqrt{y}$，即$y=f(x)$可以转换为$x=f^{-1}(y)$ 的形式。

### 要点解释3
如果我们从$y$角度看，参考上图，当计算阴影部分面积时，$x$的取值可以是无穷大，但是只有带有斜纹的面积是有效面积，因此y其实是一个分段函数。

## 正文
在上面我们讲过，为了定义函数的积分，需要考虑形如

$$
\sum_{i=1}^n y_{i-1} \operatorname{mes} E_i
$$

的式子的某种极限，其中

$$
E_i=\left\{x \mid x \in[a, b], y_{i-1} \leqslant f(x)<y_i\right\}
$$

mes $E_i$ 表示 $E_i$ 的测度．因此 $E_i$ 可测便成为对函数 $f$ 的最低要求．由于 $E_i$ 又可表示成

$$
E_i=\left\{x \mid x \in[a, b], f(x) \geqslant y_{i-1}\right\} \cap\left\{x \mid x \in[a, b], f(x) \geqslant y_i\right\}^c
$$

而**任意点集与其余集可测性相同**，因此我们要求

$$
\left\{x \mid x \in[a, b], f(x) \geqslant y_i\right\}(i=0,1,2, \cdots, n)
$$

可测．如果是讨论任意点集上的积分，再注意 $y_i$ 可以是任意实数，对函数 $f$ 的要求就成了：对任意实数 $c$ ，函数 $f$ 应使得点集 $\{x \mid x \in E, f(x) \geqslant c\}$ 可测，或等价地，点集 $\{x \mid x \in E, f(x)>c\}$ 可测，当然这也包括点集 $E$ 本身应该可测．这样的函数 $f$ 就称为可测函数．本章集中讨论可测函数的概念与基本性质．从后面的讲述可见，可测函数类包括所有的连续函数与 Riemann 可积函数，它不仅对函数的四则运算封闭，特别还对函数列的极限运算封闭，是包含很广的一个函数类，能满足绪论中提出的积分完备化要求，从而成为实变函数论的基本研究对象．

## 可测函数的概念与基本性质
首先需要说明，为了讨论的方便与统一，在说到一个 $R ^n$ 上的函数而不进一步说明时，它可以是一元的（定义于 $R$ 上），也可以是多元的（定义于 $n>1$ 的 $R ^n$上）．此外，为了使所研究的函数类对极限运算封闭，还假定函数都是取广义实数值的．就是说函数值除了可以取（有限）实数外，还可以等于 $+\infty$ 或 $-\infty$ ．这里 $+\infty$ 和 $-\infty$ 表示两个确定的（广义实）数，$+\infty$（有时也如其他实数一样，写成 $\infty$ ）大于一切实数，$-\infty$ 小于一切实数，当然也有 $-\infty<+\infty$ ．有关 $+\infty$ 与 $-\infty$的运算规定如下：
绝对值：$\quad|+\infty|=|-\infty|=\infty=+\infty$ ；
$\pm \infty$ 与实数 $a$ 的运算：

$$
\begin{gathered}
a+( \pm \infty)=( \pm \infty)+a= \pm \infty ; \\
a-( \pm \infty)=(\mp \infty)+a=\mp \infty ; \\
( \pm \infty) \cdot a=a \cdot( \pm \infty)=\left\{\begin{array}{cc}
0, & a=0 \\
\pm \infty, & a>0, \\
\mp \infty, & a<0 ;
\end{array}\right. \\
a / \pm \infty=0 ; \\
\pm \infty / a= \pm \infty\left(\frac{1}{a}\right) \quad(a \neq 0) ;
\end{gathered}
$$

$+\infty$ 与 $-\infty$ 之间的运算：

$$
\begin{aligned}
(+\infty)+(+\infty) & =(+\infty)-(-\infty)=(+\infty) \cdot(+\infty) \\
& =(-\infty) \cdot(-\infty)=+\infty ; \\
(-\infty)+(-\infty) & =(-\infty)-(+\infty)=(+\infty) \cdot(-\infty) \\
& =(-\infty) \cdot(+\infty)=-\infty
\end{aligned}
$$

注意 $,( \pm \infty)+(\mp \infty),( \pm \infty)-( \pm \infty), \frac{ \pm \infty}{ \pm \infty}, \frac{ \pm \infty}{\mp \infty}$ 都没有意义，就像在实数的运算中， 0 不能做除数一样．

## 可测函数
**定义3.1** 设 $E \subset R ^n$ 可测，$f$ 是定义于 $E$ 上的广义实值函数．若对于任意实数 $a$ ，点集 $\{x \mid x \in E, f(x)>a\}$ 是 $R ^n$ 内的可测集，则 $f$ 称为 $E$ 上的 Lebesgue **可测函数**，简称 $f$ 是 $E$ 上的可测函数，或 $f$ 在 $E$ 上可测．

**通俗理解：你在函数图像上画一条水平线 y=a，那么函数值在这条线上方的所有点构成的集合，必须是个“有明确大小”（可测）的集合。**
 
 
 
注意，若函数 $f$ 在 $E$ 上可测，则 $f$ 的定义域 $E$ 必须是可测集．
定理3．1 设 $f$ 是可测集 $E$ 上的广义实值函数,即$E(f > a)$，则下列命题等价：
（i）$f$ 在 $E$ 上可测；
（ii）对任意实数 $a$ ，点集 $E(f \geqslant a)$ 可测；
（iii）对任意实数 $a$ ，点集 $E(f<a)$ 可测；
（iv）对任意实数 $a$ ，点集 $E(f \leqslant a)$ 可测；
证明 下面简要写出按（i）$\rightarrow$（ii）$\rightarrow$（iii）$\rightarrow$（iv $) \rightarrow($ i $)$ 的次序证明的关键步骤，利用它再注意可测集的可数并与差集仍可测，便可完成证明：

因为 $E(f \geqslant a)=\bigcap_{k=1}^{\infty} E(f>a-1 / k)$ ，所以由（i）得（ii）；
因为 $E(f<a)=E \backslash E(f \geqslant a)$ ，所以由（ii）得（iii）；
因为 $E(f \leqslant a)=\bigcap_{k=1}^{\infty} E(f<a+1 / k)$ ，所以由（iii）得（iv）；
因为 $E(f>a)=E \backslash E(f \leqslant a)$ ；所以由（iv）得（i）．

`例`任意集 $E \subset R ^n$ 的特征函数 $\chi_E(x)$ 在 $R ^n$ 可测的充分必要条件是，点集 $E$ 可测．

证明 由于 $E$ 的特征函数的定义是 $\chi_E(x)=1(x \in E), \chi_E(x)=0(x \in$ $E^c)$ ，知

$$
\left\{x \mid x \in E, \chi_E(x)>a\right\}=\left\{\begin{array}{lc} 
R ^n, & a<0 \\
E, & 0 \leqslant a<1 \\
\varnothing, & a \geqslant 1
\end{array}\right.
$$

由此可见，$\chi_E(x)$ 在 $R ^n$ 可测的充分必要条件是，点集 $E$ 可测．
这样，可测集的特征函数都可测了．

`例`零测集 $E$ 上的任意广义实值函数可测．
证明 因为这时 $E(f>a)$ 是零测集的子集，总是可测的．
再复杂一点的可测函数就是下述定义所指的简单函数。

定义3．2 若函数 $\varphi$ 定义在 $E \subset R ^n$ 上，只取有限个不同的值 $a_1, a_2, \cdots, a_k$ ，并且对每一个 $i$ ，取值 $a_i$ 的点集 $E_i\left(=\left\{x \in E \mid \varphi(x)=a_i\right\}\right)$ 都是可测集，则称 $\varphi$为 $E$ 上的**简单函数**（这时 $E$ 一定可测）．当每个 $E_i$ 是矩体时，称 $\varphi$ 为**阶梯函数**．

按照这个定义，很明显简单函数 $\varphi$ 都可表示成如下的可测集的特征函数的线性组合：

$$
\varphi(x)=\sum_{i=1}^k a_i \chi_{E_i}(x), \quad\left(a_i \in R \text {, 且 } i \neq j \text { 时 } a_i \neq a_j\right) \quad \quad(*)
$$

其中各个 $E_i$ 可测，且当 $i \neq j$ 时，$E_i \cap E_j=\varnothing,(i, j=1,2, \cdots, k), \bigcup_{i=1}^k E_i=E$ ．反过来，凡是能表示成上式的函数 $\varphi$ 都是 $E$ 上的简单函数，且只取值 $a_1, a_2, \cdots, a_k$ ，而 $E_i=E\left(f=a_i\right)$ ，如果再补充规定 $a_1<a_2<\cdots<a_k$ ，则简单函数 $\varphi$ 可惟一地表示成 $(*)$ 式，这时 $(*)$ 式就称为简单函数 $\varphi$ 的标准表示式．

`例` 简单函数在任意可测集 $E$ 上都是可测函数．
这是因为，对于如（＊）式的函数 $\varphi$ 与任意实数 $a$ 有

$$
\begin{aligned}
E(\varphi>a) & =E\left(\text { 当 } a<a_1\right), \\
E(\varphi>a)=\bigcup_{j i+1}^k E_j\left(\text { 当 } a_i\right. & \left.\leqslant a<a_{i+1}, i=1,2, \cdots, k-1\right) \\
\text { 或 } E(\varphi>a) & =\varnothing\left(\text { 当 } a \geqslant a_k\right),
\end{aligned}
$$

所以总是可测集．
下面讨论可测函数的四则运算与极限性质．
**定理3.2** 若 $f, g$ 是点集 $E$ 上的可测函数，则 $c f(x)(c$ 为常数），$f(x)+$ $g(x), f(x) \cdot g(x), f(x) / g(x)$（假定在 $E$ 上每一点，这些运算都有意义）都是 $E$上的可测函数

证明 由于 $c=0$ 时 $c f \equiv 0$ 及

$$
E(c f>a)=\left\{\begin{array}{l}
E(f>a / c), c>0, \\
E(f<a / c), c<0,
\end{array}\right.
$$

可见 $c f$ 可测．
由于

$$
\begin{aligned}
& \{x \in E \mid f(x)+g(x)>a\}=\{x \in E \mid f(x)>a-g(x)\} \\
= & \bigcup_{k=1}^{\infty}\left\{x \in E \mid f(x)>r_k\right\} \cap\left\{x \in E \mid r_k>a-g(x)\right\} \\
= & \bigcup_{k=1}^{\infty}\left\{x \in E \mid f(x)>r_k\right\} \cap\left\{x \in E \mid g(x)>a-r_k\right\}
\end{aligned}
$$

其中 $\left\{r_k\right\}$ 为全体有理数的一个排序（关于第二个等式的正确性，参见第一章习题第 13 题），可见 $f+g$ 可测．

关于 $f g$ 的可测性，先证 $f=g$ 的特殊情形．由于

$$
E\left(f^2>a\right)=\left\{\begin{array}{cl}
E, & a<0 \\
E(f>\sqrt{a}) \cup E(f<-\sqrt{a}), & a \geqslant 0
\end{array}\right.
$$

可见 $f$ 可测时，$f^2$ 也可测．一般情形由于 $f g=\frac{1}{4}\left[(f+g)^2-(f-g)^2\right]$ ，而由已证结果可知，$f+g, f-g(=f+(-1) g)$ 及它们的平方差的常数倍可测，从而 $f g$可测。

关于 $f / g$ 的可测性，先证 $1 / g$ 可测．而因为

$$
E(1 / g>a)=\left\{\begin{array}{cl}
E(g<1 / a), & a>0 \\
E(g>0) \cup E(1 / a<g<0), & a<0 \\
E(g>0), & a=0
\end{array}\right.
$$

由 $g$ 可测知 $1 / g$ 可测．一般情形由 $f g=f(1 / g)$ 即可完成证明．

## 理解：特征函数
特征函数是实变函数和测度论中一个非常基本且重要的概念。它像一个“开关”，用来清晰地标记一个集合。下面我将从定义、直观理解、性质和应用几个方面来帮你深入理解它。

###  一、直观理解：一个“标签”或“开关”

想象一个场景：你有一个大集合（比如一个班级的所有学生），你想快速知道某个特定的小组（比如“戴眼镜的同学”）里有没有某个人（比如张三）。

**特征函数**就是做这件事的数学工具。它为一个集合（比如“戴眼镜的同学”这个组）定义了一个函数，这个函数的作用是“贴标签”或“判断归属”：

*   **如果** 某个元素（张三）在这个集合里，函数就返回 **1**（相当于说“是！”）。
*   **如果** 某个元素不在这个集合里，函数就返回 **0**（相当于说“否！”）。

所以，特征函数就像一个严格的守门员，它对集合内的元素“亮绿灯（1）”，对集合外的元素“亮红灯（0）”。

### 1. 核心定义

设 $ E $ 是一个可测集（比如实数轴上的一个区间，或更复杂的点集），那么集合 $ E $ 的**特征函数**（Characteristic Function），也常称为**指示函数**（Indicator Function），记作 $ \chi_E(x) $ 或 $ \mathbf{1}_E(x) $。其定义如下：

$$
\chi_E(x) = \mathbf{1}_E(x) = 
\begin{cases} 
1, & \text{如果 } x \in E \\
0, & \text{如果 } x \notin E 
\end{cases}
$$

这个定义非常简单：如果一个点 $ x $ 属于集合 $ E $，函数值就是 1；如果不属于，函数值就是 0。

**符号说明**：$ \chi $ 是希腊字母“chi”，所以读作“凯”（特征函数）。现在更通用的符号是 $ \mathbf{1}_E $，因为它直观地表示“属于 E 就取 1”。

### 2. 直观理解

你可以把特征函数想象成：

*   **一个标签机**：给空间中的每个点贴标签，属于集合 $ E $ 的点贴上“1”的标签，不属于的点贴上“0”的标签。
*   **一个布尔判断**：它用 1 代表“真”（属于集合），用 0 代表“假”（不属于集合）。这在概率论中尤其有用，比如一个事件发生记为 1，不发生记为 0。
*   **一个集合的“影子”**：特征函数将一个集合 $ E $ 用一种函数的形式完美地“投影”到了数值域 {0, 1} 上。研究集合 $ E $ 的某些性质，可以转化为研究函数 $ \chi_E(x) $ 的性质。

**简单例子**：
- 设 $ E = [0, 1] $（0到1的闭区间）。那么：
    - $ \chi_E(0.5) = 1 $（因为 0.5 在区间内）
    - $ \chi_E(2) = 0 $（因为 2 不在区间内）
    - $ \chi_E(1) = 1 $（因为 1 是区间的端点，属于闭区间）
- 设 $ E = \mathbb{Q} $（全体有理数集合）。那么 $ \chi_{\mathbb{Q}}(x) $ 就是著名的**狄利克雷函数**：
    - 如果 $ x $ 是有理数，函数值为 1。
    - 如果 $ x $ 是无理数，函数值为 0。
    这个函数在任何点上都不连续，是一个典型的病态函数，但在勒贝格积分意义下，它是可积的。

#### 1. 特征函数是简单函数的基石

**简单函数** 是指值域只有有限个实数的可测函数。任何简单函数都可以写成一系列特征函数的线性组合。

**例2**：定义一个在区间 $[0,2]$ 上的函数 $ f(x) $：
*   在 $[0,1)$ 上，值为 2
*   在 $[1,2]$ 上，值为 3

我们可以用特征函数来构造它：
$$
f(x) = 2 \cdot \chi_{[0,1)}(x) + 3 \cdot \chi_{[1,2]}(x)
$$

**核心思想**：在实变函数中，我们通过以下步骤来定义积分：
1.  先定义 **特征函数的积分**：$\int \chi_E(x) dx = m(E)$（集合 $E$ 的勒贝格测度，直观理解就是它的“长度”、“面积”或“体积”）。
2.  再通过线性性质定义 **简单函数的积分**。
3.  最后，用简单函数去逼近更复杂的可测函数，从而定义 **一般可测函数的积分**。

所以，特征函数的积分是整个勒贝格积分理论的起点和基石。

#### 2. 特征函数是刻画集合的可测性

在实变函数中，一个集合 $E$ 是 **可测的**，当且仅当它的特征函数 $\chi_E(x)$ 是一个 **可测函数**。这直接将集合的性质（可测性）与函数的性质（可测性）等价了起来。

#### 3. 特征函数是描述几乎处处收敛

实变函数中一个非常重要的收敛类型是 **几乎处处收敛**。特征函数可以帮助我们直观地理解它。

**例子**：考虑区间 $[0,1]$ 上的一列集合 $E_n = [0, \frac{1}{n}]$，及其特征函数 $\chi_{E_n}(x)$。

*   对于任意一个固定的点 $x_0 > 0$（比如 $x_0=0.5$），当 $n$ 足够大时（比如 $n>2$），$x_0$ 就不在 $E_n$ 里了。所以 $\chi_{E_n}(x_0)$ 最终会从 1 变成 0，并且永远保持为 0。
*   只有一个点例外：$x=0$。对于 $x=0$，它永远在所有 $E_n$ 里，所以 $\chi_{E_n}(0) \equiv 1$。

因此，函数列 $\{\chi_{E_n}(x)\}$ 在 **除了 $x=0$ 这个零测集之外** 的所有点上，都收敛于函数 $0$。我们就说 $\chi_{E_n}$ **几乎处处收敛** 于 $0$。这个“几乎处处”的概念，用特征函数来理解就非常直观。

---

### 四、一个生动的比喻：灯光秀

把整个定义域（比如整个数轴）想象成一个巨大的、无限长的舞台。
*   每个可测集 $E$ 就像是舞台上的一个特定区域。
*   特征函数 $\chi_E$ 就像控制这个区域的灯光开关。
    *   函数值为 1 的地方，灯是亮着的。
    *   函数值为 0 的地方，灯是熄灭的。

**积分**：计算 $\int \chi_E(x) dx$ 就相当于在测量舞台上所有亮灯区域的总面积。
**收敛**：

### 3. 重要性质

特征函数与集合运算之间有着非常优美的一一对应关系。假设 $ E, F $ 都是可测集。

| 集合运算 | 对应特征函数的运算 |
| :--- | :--- |
| **包含关系** $ E \subset F $ | $ \chi_E(x) \leq \chi_F(x) \quad \forall x $ |
| **补集** $ E^c $ | $ \chi_{E^c}(x) = 1 - \chi_E(x) $ |
| **交集** $ E \cap F $ | $ \chi_{E \cap F}(x) = \chi_E(x) \cdot \chi_F(x) $ |
| **并集** $ E \cup F $ | $ \chi_{E \cup F}(x) = \chi_E(x) + \chi_F(x) - \chi_{E \cap F}(x) $ <br> 如果 $ E $ 和 $ F $ 不相交（$ E \cap F = \emptyset $），则简化为：<br> $ \chi_{E \cup F}(x) = \chi_E(x) + \chi_F(x) $ |
| **差集** $ E \setminus F $ | $ \chi_{E \setminus F}(x) = \chi_E(x) \cdot (1 - \chi_F(x)) $ |
| **对称差** $ E \bigtriangleup F $ | $ \chi_{E \bigtriangleup F}(x) = \lvert \chi_E(x) - \chi_F(x) \rvert $ |

这些性质使得我们可以用“计算函数”的方式来研究“集合”的关系，非常方便。

### 4. 在实变函数中的核心应用：简单函数与积分

这是特征函数最重要的价值所在。

#### (1) 简单函数的基石

**简单函数**是指值域只有有限个取值的可测函数。任何简单函数都可以写成特征函数的线性组合。

例如，如果一个简单函数 $ s(x) $ 只取三个值 $ a_1, a_2, a_3 $，那么我们可以定义集合：
- $ E_1 = \{x: s(x) = a_1\} $
- $ E_2 = \{x: s(x) = a_2\} $
- $ E_3 = \{x: s(x) = a_3\} $

这样，这个简单函数就可以表示为：
$$
s(x) = a_1 \cdot \chi_{E_1}(x) + a_2 \cdot \chi_{E_2}(x) + a_3 \cdot \chi_{E_3}(x)
$$

**换句话说，特征函数是“最简的”简单函数，所有简单函数都是由它们“搭建”起来的。**

#### (2) 定义勒贝格积分的起点

勒贝格积分是实变函数的精髓。它的定义思路与黎曼积分（分割x轴）完全不同，是**分割y轴**。

勒贝格积分定义的步骤通常是：
1.  **定义非负简单函数的积分**：对于一个简单函数 $ s(x) = \sum_{i=1}^{n} a_i \chi_{E_i}(x) $，其中 $ E_i $ 互不相交，我们**定义**其积分为：
    $$
    \int s(x) d\mu = \sum_{i=1}^{n} a_i \cdot \mu(E_i)
    $$
    特别地，对于一个特征函数 $ \chi_E(x) $，其积分就是：
    $$
    \int \chi_E(x) d\mu = 1 \cdot \mu(E) = \mu(E)
    $$
    **这意味着，一个集合的特征函数的积分，就是这个集合的测度！** 这是连接函数论和测度论的一个关键桥梁。

2.  **定义非负可测函数的积分**：用一个递增的非负简单函数序列去逼近该函数，取积分的极限。

3.  **定义一般可测函数的积分**：将其分解为正部和负部。

由此可见，**特征函数的积分是定义一切勒贝格积分的基石**。我们是从测量一个集合的“大小”（测度）出发，自然过渡到测量一个函数的“积分”。

### 总结

- **本质**：特征函数 $ \mathbf{1}_E $ 是集合 $ E $ 的数学化身，将集合关系转化为函数运算。
- **角色**：它是构建更复杂函数（简单函数）的“原子”，是函数空间的“基向量”。
- **核心价值**：它是定义勒贝格积分的逻辑起点。**积分的本质是先对“碎片”（集合）测量大小，再乘以“权重”（函数值），最后求和。** 特征函数完美地体现了第一步。

希望这个解释能帮助你理解特征函数在实变函数中不可替代的基础地位。

## 通俗理解可测函数
 可测函数可以通俗理解为**“行为规矩”的函数**，其图像不会出现突然的跳跃或无限大的“异常值”，这使得数学上对它的积分运算（如勒贝格积分）变得可行。以下是具体解释：

### 1. 背景：为什么要定义“可测函数”？

在黎曼积分中，我们主要处理连续或分段连续的函数。但很多函数（如 Dirichlet 函数）黎曼不可积，限制了积分理论的应用。

Lebesgue 积分为了处理更一般的函数（包括大量不连续函数），首先需要明确哪些函数可以定义 Lebesgue 积分。这就引出了**可测函数**——它们能保证与 Lebesgue 测度相容，使得我们可以定义积分。

---

### 2. 可测函数的定义（常用形式）

设 $ E \subset \mathbb{R}^n $ 是一个**可测集**（在 Lebesgue 测度意义下），$ f: E \to \mathbb{R} $ 是扩展实值函数（允许取 $ \pm \infty $，但不同时取到）。

**定义**：称 $ f $ 是 **Lebesgue 可测函数**，如果对于任意实数 $ a $，集合  
$$
\{ x \in E : f(x) > a \}
$$
都是 Lebesgue 可测集。

换句话说，只要 $ f $ 的“上方水平集”是可测集，函数就是可测的。

---

### 3. 定义的等价形式

实际上，以下任一条件都可作为可测函数的定义（它们互相等价）：

对任意 $ a \in \mathbb{R} $，

1. $\{ x \in E : f(x) > a \}$ 可测  
2. $\{ x \in E : f(x) \ge a \}$ 可测  
3. $\{ x \in E : f(x) < a \}$ 可测  
4. $\{ x \in E : f(x) \le a \}$ 可测

这是因为可测集的运算（交、并、补）下可测性保持。

---

### 4. 直观理解

- 可测函数可以很“差劲”（到处不连续），但不能太“怪异”——它的函数值分布必须与可测集结构相容。
- 可测函数是使得我们能够用简单函数（阶梯函数）从下方逼近的函数，从而能定义 Lebesgue 积分。
- 几乎所有常见的函数都是可测的：连续函数、单调函数、分段定义函数、可测函数的逐点极限等。

---

### 5. 例子

1. **连续函数**：若 $ f $ 在 $ E $ 上连续，则对任意 $ a $，$\{ x: f(x) > a \}$ 是相对开集（在 $ E $ 中），因此可测 ⇒ 连续函数是可测的。

2. **Dirichlet 函数**（有理点取值 1，无理点取值 0）：
   $$
   D(x) = \begin{cases}
   1, & x \in \mathbb{Q} \\
   0, & x \notin \mathbb{Q}
   \end{cases}
   $$
   对任意 $ a $：
   - 若 $ a < 0 $，$\{x: D(x) > a\} = \mathbb{R}$ 可测；
   - 若 $ 0 \le a < 1 $，$\{x: D(x) > a\} = \mathbb{Q}$（有理数集），这是零测集（因此可测）；
   - 若 $ a \ge 1 $，$\{x: D(x) > a\} = \varnothing$ 可测。
   所以 $ D(x) $ 是可测函数（但黎曼不可积）。

3. **不可测函数的例子**：通常需要借助不可测集来构造。  
   设 $ V $ 是 $[0,1]$ 中的一个不可测集，定义  
   $$
   f(x) = \begin{cases}
   1, & x \in V \\
   0, & x \notin V
   \end{cases}
   $$
   取 $ a = 0 $，则 $\{x: f(x) > 0\} = V$ 不可测 ⇒ $ f $ 不是可测函数。

---

### 6. 可测函数的性质

- 可测函数的四则运算（在有意义时）结果可测。
- 可测函数的逐点极限、上确界、下确界、上极限、下极限函数仍可测。
- 可测函数可用简单函数一致逼近（在某种条件下）。

---

### 7. 为什么这样定义？

因为 Lebesgue 积分定义通常分三步：

1. 对**简单函数**（取有限个值的可测函数）定义积分。
2. 对非负可测函数，用简单函数从下方逼近的积分上确界定义积分。
3. 对一般可测函数，分解为正负部定义积分。

如果函数不可测，那么连简单函数逼近的可行性都会出问题，积分无法良好定义。

---

**总结**：可测函数是使 Lebesgue 积分能够施行的尽可能广泛的函数类，它的定义本质是要求函数的“水平集”与测度结构相容。

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：没有了

下一篇：可测函数的判定

本文对您是否有用？有用 (0) 无用 (0)