最后更新: 2025-11-25 20:20 查看: 117 次纠错评论(0) 课件开VIP

依测度收敛的极限惟一性

## 依测度收敛的极限惟一性
**定理 3.11** （依测度收敛的极限惟一性）若函数列 $\left\{f_k\right\}$ 在点集 $E$ 上同时依测度收敛到 $f$ 与 $g$ ，则 $f$ 与 $g$ 在 $E$ 对等。

证明 已知

因此，对任意 $\varepsilon>0$ ，

$$
\begin{gathered}
\left\{x \in E | | f ( x ) - g ( x ) | \geqslant \varepsilon \} \subset \left\{x \in E\left|\left|f_k(x)-f(x)\right| \geqslant \frac{\varepsilon}{2}\right\}\right.\right. \\
\cup\left\{x \in E\left|\left|f_k(x)-g(x)\right| \geqslant \frac{\varepsilon}{2}\right\}\right.
\end{gathered}
$$

从而

$$
\begin{aligned}
& m(\{x \in E||f(x)-g(x)| \geqslant \varepsilon\}) \\
\leqslant & m\left(\left\{x \in E\left|\left|f_k(x)-f(x)\right| \geqslant \frac{\varepsilon}{2}\right\}\right)+\right.
\end{aligned}
$$

$$
m\left(\left\{x \in E\left|\left|f_k(x)-g(x)\right| \geqslant \frac{\varepsilon}{2}\right\}\right)\right.
$$

令 $k \rightarrow \infty$ 取极限便得

$$
m(|x \in E||f(x)-g(x)| \geqslant \varepsilon\})=0 .
$$

而

$$
\begin{gathered}
\{x \in E \mid f(x) \neq g(x)\}=\{x \in E| | f(x)-g(x) \mid>0\} \\
=\bigcup_{k=1}^{\infty}\left\{x \in E| | f(x)-g(x) \left\lvert\, \geqslant \frac{1}{k}\right.\right\}
\end{gathered}
$$

故

$$
m\{x \in E \mid f(x) \neq g(x)\} \leqslant \sum_{k=1}^{\infty} m\left\{x \in E| | f(x)-g(x) \left\lvert\, \geqslant \frac{1}{k}\right.\right\}=0 .
$$

这就证明了 $f(x)=g(x)$ a．e．于 $E . \square$
这个定理表明，如果把两个对等的函数看成一样的话，则依测度收敛的极限是惟一的．反过来，如果 $\left\{f_k\right\}$ 依测度收敛到 $f$ ，则它也依测度收敛到与 $f$ 对等的其他函数，请读者把证明写出来。
 
 
 
## 理解：依测度收敛的极限惟一性

核心结论先摆好：**一个函数列如果依测度收敛，最多只能收敛到一个“本质上相同”的函数**——这里的“本质相同”，就是实变函数里常说的“几乎处处相等”（a.e. 相等），意思是两个函数不相等的点构成的集合“长度为0”（零测集），可以忽略不计。

用最通俗的话讲：如果函数列$ f_n$ 依测度收敛，不可能同时“主要收敛到$ f$”和“主要收敛到$ g$”，除非$ f$ 和$ g$ 几乎没区别（只有针眼大的地方不一样）。

### 一个比喻：猜帽子里的球

想象一个魔术师有一个不透明的帽子。他声称帽子里的东西会“依测度收敛”成一个确定的东西。他的表演如下：

1.  **第一次实验**：他让100个观众（相当于“点”）轮流伸手进帽子摸一下，然后投票猜里面是什么。95个观众说里面是个 **苹果**。只有5个观众说手感奇怪，不确定。我们说，帽子里的东西 **依测度收敛于 苹果**。因为绝大多数（测度上）的体验是一致的。
2.  **第二次实验**：魔术师又把帽子晃了晃，还是让同样的100个观众去摸。这次，有96个观众非常肯定地说，里面是个 **橘子**。只有4个观众觉得不对劲。

**现在问题来了：** 这个帽子里的东西，可能同时既“依测度收敛于苹果”又“依测度收敛于橘子”吗？

**常识告诉我们：不可能。** 因为如果帽子里的东西真的一直是苹果，那么第二次实验时，不可能有96%的人会感觉它是橘子，除非苹果和橘子在手感上无法区分。

---

### 翻译成数学语言

*   **帽子**：就是你的测度空间，比如一个区间 `[0, 1]`。
*   **观众**：就是区间里的 **点**。100个观众代表100%的测度。
*   **摸到的感觉（苹果或橘子）**：就是函数在这一点上的取值。极限是苹果，就是极限函数 `f(x)` 在这一点等于苹果；极限是橘子，就是另一个极限函数 `g(x)` 在这一点等于橘子。
*   **“感觉不确定的少数观众”**：就是那些函数值 `f_n(x)` 与极限值差距很大的点。这些点组成的集合，其测度（占总观众的比例）要随着 `n` 增大而趋于0。

**“依测度收敛极限唯一”的通俗版论证：**

如果函数列 `{f_n}` 能同时依测度收敛到 `f` 又能收敛到 `g`，那就意味着：

1.  对于绝大多数点 `x`，当 `n` 很大时，`f_n(x)` 会非常接近 `f(x)`。
2.  同时，对于绝大多数点 `x`，当 `n` 很大时，`f_n(x)` 也会非常接近 `g(x)`。

那么，根据“三角形法则”（一个数如果同时非常接近两个数，那么这两个数本身必须非常接近），对于绝大多数点 `x`，`f(x)` 和 `g(x)` 必须几乎是相等的。

**那个“不相等”的例外点能有多少呢？** 微乎其微，测度为0。因为如果`f`和`g`在一个“有份量”（测度大于0）的集合上差别很大，那么`f_n`就不可能同时“几乎接近`f`”又“几乎接近`g`”，这会迫使“感觉奇怪的观众”比例（即不收敛的点集的测度）降不下去，违背了依测度收敛的定义。

### 三、关键细节：“惟一”是“本质惟一”，不是“处处惟一”
实变函数里不纠结“零测集上的差异”——因为零测集（比如有限个点、有理数集）的“长度为0”，不影响积分、测度等核心计算，相当于“数学意义上可以忽略”。

举个具体例子：
- 设$ E = [0,1]$（区间长度为1），函数$ f(x) = 0$（整个区间都取0）；
- 函数$ g(x)$：在$ x = 0.5$ 处取1，其他所有点都取0（只有一个点不一样）。

此时$ f$ 和$ g$ 是“几乎处处相等”的（不相等的点只有$ x=0.5$，测度为0）。如果函数列$ f_n$ 依测度收敛到$ f$，那么它也必然依测度收敛到$ g$——因为“\( f_n$ 与$ f$ 偏差大的点”和“\( f_n$ 与$ g$ 偏差大的点”，最多只差一个点（零测集），测度都趋于0，本质上是同一个收敛过程。

所以“极限惟一性”的准确说法是：**依测度收敛的极限函数在“几乎处处相等”的意义下是惟一的**——不存在两个“不几乎处处相等”的函数，同时成为同一个函数列的依测度收敛极限。

### 结论

所以，**依测度收敛的极限在“几乎处处”的意义下是唯一的**。

*   **唯一** 指的是：如果有两个函数 `f` 和 `g` 都是极限，那么它们最多只在一个面积为0（测度为0）的集合上有区别，在其他所有地方都完全一样。在测度论里，这就算是同一个函数了。

简单总结一句话：**一个函数列不可能同时整体地、越来越精确地逼近两个有显著区别的目标。** 这就是依测度收敛极限唯一的直观本质。

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：依测度收敛

下一篇： Riesz 里斯定理

本文对您是否有用？有用 (0) 无用 (0)