最后更新: 2025-11-29 15:51 查看: 225 次纠错评论(0) 课件开VIP

Vitali 覆盖定理

## Vitali 覆盖定理
若 $f \in L(a, b)$ ，则 $f=f^{+}-f^{-}$，因此变上限积分

$$
F(x)=\int_a^x f(t) d t=\int_a^x f^{+}(t) d t-\int_a^x f^{-}(t) d t
$$

是两个单调上升函数之差，而单调函数的不连续点至多可列．回忆函数在一点连续而不可微的典型例子，知这时候函数的图像在该点出现＂尖角＂（如 $y=|x|$ 在 $x=0$ ）．由此可以想像处处连续而处处不可微的函数的图像，必然在每一点的附近都是＂锯齿形＂的，即在任一点附近都不是单调的．可以想象，单调函数应该与此相反，基本上处处可微（由于还有不连续点，当然不能保证＂处处＂可微）。下面我们来证明单调函数是几乎处处可微的．为此，我们先证明一个维它利（Vitali）型的覆盖定理。

**定义5.1** 设 $E \subset R , \Gamma=\left\{I_\alpha\right\}$ 是区间族．称 $\Gamma$ 是 $E$ 的一个 Vitali 蕧盖，如果对任意 $x \in E$ 与任意的 $\varepsilon>0$ ，存在 $I_\alpha \in \Gamma$ ，使得 $\left|I_\alpha\right|<\varepsilon$ 且 $x \in I_\alpha$ ．

**定理 5.1**（Vitali 覆盖定理）设 $E \subset R , m^*(E)>0$ ．若 $\Gamma$ 是 $E$ 的 Vitali 覆盖，则对任意 $\varepsilon>0$ ，存在 $\Gamma$ 中的有限个区间 $I_1, I_2, \cdots, I_n$ ，满足 $I_i \cap I_j=\varnothing(i \neq j, i, j=$ $1,2, \cdots, n)$ ，使得 $m^*\left(E \backslash \bigcup_{j=1}^n I_j\right)<\varepsilon$ ．

把这个定理与第一章的定理 1.20 （有限覆盖定理）作一个比较（限于一维情形）．在那里要求 $E$ 是有界闭集，构成覆盖的是开区间族，结论是存在族中的有限个开区间，它们的并已把 $E$ 盖住了。现在的定理对 $E$ 只要求 $m^*(E)<+\infty$ ，比有界闭集的条件弱多了，而且构成覆盖的区间，它们互不相交，其并虽不能全部盖住 $E$ ，但未被盖住的部分的外测度却可以任意小．在区间互不相交这一点上，结论比定理 1.20 的要强．但从盖住 $E$ 这一点看，又比定理 1.20 要弱．总之它
们各有千秋，是两种不同意义下的覆盖定理．但从结论可以看出，Vitali 覆盖定理是与测度联系起来的．

**定理5.1的证明** 不妨假设 $\Gamma$ 是闭区间族的情形．取开集 $G \supset \dot{E}, m(G)<$ $+\infty$ ．不妨设对任意 $I \in \Gamma$ ，有 $I \subset G$ ．这时

$$
\delta_0=\sup \{|I| \mid I \in \Gamma\}<+\infty .
$$

取 $I_1 \in \Gamma, I_1 \cap E \neq \varnothing,\left|I_1\right|>\frac{\delta_0}{2}$ ．然后用归纳法选出后面的 $I_k$ ．设 $I_1, I_2, \cdots, I_k$ 已选出，若 $E \subset \bigcup_{j=1}^k I_j$ ，则定理得证．否则，令

$$
\delta_k=\sup \left\{|I| \mid I \in \Gamma, I \cap I_j=\varnothing, j=1,2, \cdots, k\right\}
$$

显然 $\delta_k \leqslant \delta_0<+\infty$ ．
选 $I_{k+1}$ ，使得 $\left|I_{k+1}\right|>\frac{\delta_k}{2}, I_{k+1} \cap I_j=\varnothing, j=1,2, \cdots, k, I_{k+1} \cap E \neq \varnothing$ ．这样，如果进程到某个 $k$ 停止了（即 $\delta_k=0$ ），则定理获证，否则得到一无穷的区间列 $\left\{I_k\right\}_{k=1}^*$ ，满足 $I_i \cap I_j=\varnothing(\forall i \neq j)$ ．且由于 $I_j \subset G$ ，有

$$
\sum_{j=1}^{\infty}\left|I_j\right| \leqslant m(G)<+\infty
$$

对任意 $\varepsilon>0$ ，取 $n$ 充分大，使得

$$
\sum_{j=n+1}^{\infty}\left|I_j\right|<\frac{\varepsilon}{5}
$$

我们断言，$I_1, I_2, \cdots, I_n$ 即为定理所要求的有限个互不相交的区间．
事实上，记 $\quad S=E \backslash \bigcup_{j=1}^n I_i$ ．
设 $x \in S$ ，即 $x \in E, x \notin \bigcup_{j=1}^n I_j$ ．由于假定 $I_j$ 是闭集，因此 $\bigcup_{j=1}^n I_j$ 也是闭集，从而

$$
\operatorname{dist}\left(x, \bigcup_{j=1}^n I_j\right)>0 .
$$

根据 $\Gamma$ 是 $E$ 的 Vitali 覆盖，存在 $I \in \Gamma$ ，使得 $x \in I, I \cap I_j=\varnothing(j=1,2, \cdots$ ， $n)$ ．显然 $|I|<\delta_n<2 \mid I_{n+1} I$ ．由于 $\left|I_j\right| \rightarrow 0(j \rightarrow \infty)$ ，知 $I$ 必与 $\left\{\left.I_j\right|_{j=1} ^*\right.$ 中某个区间相交（否则与 $I_j$ 的选取矛盾），记 $n_0$ 为使 $I \cap I_{n_0} \neq \varnothing, I \cap I_j=\varnothing\left(j<n_0\right)$ 成立的最小自然数（它必定是存在的），则 $n_0>n$ ，且 $|I| \leqslant \delta_{n_0-1}<2\left|I_{n_0}\right|$ ，故 $x \in 5 I_{n_0}$（ $5 I_{n_0}$ 表示与 $I_{n_0}$ 同心而长度为 $I_{n_0}$ 的 5 倍的区间），于是

$$
S \subset \bigcup_{j=n+1}^{\infty}\left(5 I_j\right)
$$

从而

$$
\begin{aligned}
m^*(S) & \leqslant m^*\left(\bigcup_{j=n+1}^{\infty}\left(5 I_j\right)\right) \leqslant \sum_{j=n+1}^{\infty} m^*\left(5 I_j\right) \\
& =5 \sum_{j=n+1}^{\infty}\left|I_j\right|<\varepsilon
\end{aligned}
$$

定理证完． $\square$
下一节我们用 Vitali 覆盖定理证明单调函数几乎处处可微．

## 理解：维塔利（Vitali）覆盖定理

你可以先把它理解为一个非常“聪明”的**挑选规则**。这个规则能帮我们从一大堆大小不一的“碎片”中，挑出互不重叠的、并且能几乎覆盖住原来物体的一部分。

---

### 1. 一个生动的比喻：地上的树叶

想象一下秋天，一棵大树下落满了形状各异、大小不同的树叶，厚厚地铺了一层（我们把这个区域叫做集合 E）。

*   **目标**：你想从中挑出一些**完全互不重叠**的树叶（两片树叶不能有任何部分叠在一起），然后把它们收集起来。
*   **难题**：树叶太多太密了，互相压着，你很难直接挑出一大批互不重叠的。
*   **维塔利覆盖定理提供的思路**：
    1.  **允许“缩小”**：你允许使用的工具不是镊子，而是一系列大小可变的**圆形杯子**。你可以用任何一个杯子去盖住任意一片树叶（或者树叶的一部分）。
    2.  **丰富的选择（维塔利覆盖族）**：地上的树叶是如此之密，以至于对于**任何**一片你想研究的树叶（或其中的一个点），我都能在你指定的任意小范围内，找到一个合适的杯子，这个杯子能盖住它且杯子里至少有一片完整的树叶。所有这些可能的杯子，就构成了一个“维塔利覆盖”。
    3.  **定理的结论**：这个定理告诉你，你**一定可以**从这无数个可能的杯子中，**精挑细选**出**可数个**（可能是有限个，也可能是无限个，但数量是可数的）杯子，使得它们满足两个条件：
        *   **条件一（不重叠）**：你选出来的这些杯子，它们彼此之间是**互不重叠**的。
        *   **条件二（几乎覆盖）**：如果你把选出来的这些杯子都拿开，剩下的树叶区域（集合 E 剩下的部分）的**面积（测度）为零**。换句话说，你没被杯子盖住的树叶，少到可以忽略不计。

**总结这个比喻**：维塔利定理就像一个有神奇洞察力的人，他能从一堆杂乱无章、重重叠叠的覆盖物中，系统地挑选出一组“代表”，这些代表既互不干扰，又能几乎代表全体。

---

### 2. 回到数学的严谨表述（通俗版）

在数学中（比如实分析或测度论中）：

*   **集合 E**：通常是一个欧几里得空间中的子集（比如一段直线、一块平面区域），并且它是有界的（大小不是无穷大）。
*   **覆盖族**：不是用杯子，而是一族（很多个）小球（在直线上就是区间）。这族小球需要满足“维塔利条件”：对于 E 中的任何一个点，我都能在这一族小球中找到任意小的球包含这个点。这就构成了一个“维塔利覆盖族”。
*   **定理结论**：那么，我一定可以从这个覆盖族中，挑选出**可数多个**互不相交（不重叠）的小球，使得它们覆盖了集合 E 的**几乎全部**（用测度论的话说，覆盖了 E 除了一个零测集以外的所有点）。

### 3. 这个定理为什么重要？它有什么用？

维塔利覆盖定理是实分析中的一个**基础性工具**，它本身可能不解决一个具体的应用问题，但它是证明许多重要定理的“幕后英雄”。

它的核心价值在于：**它允许我们把一个复杂的、“拥挤”的覆盖，简化成一个结构清晰、可数的、不重叠的覆盖。** 这极大地简化了问题。

最著名的应用之一是证明**勒贝格微分定理**。这个定理说，对于一个“性质比较好”的函数（可积函数），在几乎每一个点上，函数的导数都可以通过计算函数在小球上的平均变化率来得到。证明这个定理时，就需要维塔利覆盖定理来从无数个可能的小球中，挑出那些“表现良好”的小球，从而完成论证。

### 终极通俗总结

**维塔利覆盖定理就像一位顶级的整理师。你面对一个塞满杂乱衣物的衣柜（集合E），衣服都缠在一起（互相重叠）。整理师（定理）有一套独特的方法，能从中挑出若干件核心单品（可数不交子族），把它们挂得整整齐齐（互不重叠），而其他剩下的衣物（零测集）虽然还在，但已经少到不影响衣柜的整体功能和美观（几乎全覆盖）。**

希望这个解释能帮助你理解这个听起来有点抽象的数学定理！

## 一个具体的实现
想象一下，你有一个大房间（比如你的数学兴趣范围），地板上杂乱无章地扔满了无数个大小不一的**海绵球**（这就是你的“维塔利覆盖族”）。这些球有一个特点：它们可以互相重叠，乱七八糟，但合起来能把房间的每个角落都盖住。

**你的任务**：从这堆乱球中，挑选出一些**彼此不重叠**的球，然后把它们收集起来。

**直接挑的困难**：如果你漫无目的地挑，很快就没法继续了，因为新拿的球总会和已经挑好的球重叠。

维塔利定理告诉你一个非常聪明且系统的方法：

1.  **从最大的开始（或者尽可能大）**：
    *   第一轮：你扫视整个房间，找出**当前能找到的最大**的那个球，把它捡起来放进你的篮子。
    *   关键点：你不需要找到“绝对最大”的球，只需要找到一个“足够大”的（比如直径超过剩余球最大直径的一半）。

2.  **移除“冲突”的球**：
    *   把这个球和所有与它**有重叠**的球都从地板上清走（或者在心里标记为“已无效”）。

3.  **在剩下的球里重复**：
    *   现在，地板上只剩下那些与刚才挑选的所有球都**完全不重叠**的球了。
    *   重复步骤1和2：再从剩下的球里找一个最大的，捡起来，并清掉与它重叠的球。

4.  **一直重复下去**：
    *   你可以这样有限次地操作，或者进行可数无限次（第一次、第二次、第三次……）。

### 定理的惊人结论

经过上述步骤，维塔利定理保证了两件事：

*   **结论一（不重叠）**：你挑选出来的这一系列球，**彼此之间是绝对不重叠的**。这是由我们的挑选方法保证的。
*   **结论二（几乎覆盖全部）**：虽然你只挑出了一部分球，但如果你把你挑出的这些球的体积**放大5倍**（想象每个球都膨胀成原来的5倍大），那么这些“膨胀后的球”加在一起，就足以**完全覆盖**整个原始的大房间。

**通俗解读结论二**：你挑选出来的这些“代表球”，它们本身可能没有覆盖房间的所有角落，但它们就像一个个“据点”。房间里任何没被覆盖的点，都离某个“据点”非常近（就在它5倍大小的那个膨胀球里面）。所以，从“体积”或“测度”的角度来看，你挑选的这些球已经抓住了整个房间几乎全部的信息，剩下的只是一些无足轻重的“边角料”。

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：概述

下一篇： Lebesgue 单调函数微分定理

本文对您是否有用？有用 (0) 无用 (0)