切换科目
重点科目
主要科目
次要科目
科数网
首页
刷题
学习
VIP会员
赞助
组卷
集合
教材
VIP
写作
游客,
登录
注册
在线学习
实变函数论
第三章 可测函数
Riesz 里斯定理
最后
更新:
2025-11-25 20:12
查看:
137
次
反馈
能力测评
会员8.2元/月
赞助
Riesz 里斯定理
## Riesz 里斯定理 下面给出依测度收敛与几乎处处收敛的另外一种关系 **定理3.12(里斯(F.Riesz)定理)** 若 $\left\{f_k\right\}$ 在 $E$ 上依测度收敛到 $f$ ,则必有子序列 $\left\{f_{k_i}\right\}$ 在 $E$ 几乎处处收敛到 $f$ . 要证明这个定理,必须给出几乎处处收敛的一种描述,并且这种描述应与依测度收敛有某种联系.因为只有这样,我们选取子列时才有了依据,只要所选的子列符合这种描述,就自然能达到我们的目的.这让我们想起引理 3.2 ,它给出函数列几乎处处收敛的一个必要条件(在 $m E<\infty$ 的限制之下),就是对任意自然数 $l$ , $$ \lim _{j \rightarrow \infty} m\left(\bigcup_{k=j}^{\infty}\left\{x \in E| | f_k(x)-f(x) \left\lvert\, \geqslant \frac{1}{l}\right.\right\}\right)=0 $$ 人们自然会想,它的逆是否正确?如果正确,则这就是几乎处处收敛的一种描述,并且是与依测度收敛的概念有联系的.仔细分析引理 3.2 的证明,便知它的逆确实成立,即下面的引理。 **引理3.3** 假设 $f, f_k(k=1,2, \cdots)$ 是在 $E$ 上几乎处处有限的可测函数.若对于任意的正整数 $l$ 有 $$ \lim _{j \rightarrow \infty} m\left(\bigcup_{k=j}^{\infty}\left\{x \in E| | f_k(x)-f(x) \left\lvert\, \geqslant \frac{1}{l}\right.\right\}\right)=0 $$ 则 $$ \lim _{k \rightarrow \infty} f_k(x)=f(x) \text { a. e. } x \in E . $$ 证明 由条件知,对任意 $l$ 存在正整数 $j_l$ ,使得 $$ m\left(\bigcup_{k=j_l}^{\infty}\left\{x \in E| | f_k(x)-f(x) \left\lvert\, \geqslant \frac{1}{l}\right.\right\}\right)<\infty $$ 因为 $\bigcup_{k=j}^{\infty}\left\{x \in E| | f_k(x)-f(x) \left\lvert\, \geqslant \frac{1}{l}\right.\right\}$ 对 $j$ 来说是渐缩集列,这时取极限与取测度可以交换(定理 2.3 ),故 $$ \begin{aligned} & m\left(\bigcap_{j=1}^{\infty} \bigcup_{k=j}^{\infty}\left\{x \in E| | f_k(x)-f(x) \left\lvert\, \geqslant \frac{1}{l}\right.\right\}\right) \\ = & m\left(\lim _{j \rightarrow \infty} \bigcup_{k=j}^{\infty}\left\{x \in E| | f_k(x)-f(x) \left\lvert\, \geqslant \frac{1}{l}\right.\right\}\right) \\ = & \lim _{i \rightarrow \infty} m\left(\bigcup_{k=j}^{\infty}\left\{x \in E| | f_k(x)-f(x) \left\lvert\, \geqslant \frac{1}{l}\right.\right\}\right)=0 . \end{aligned} $$ 从而 $m\left(\bigcup_{l=1}^{\infty} \bigcap_{j=1}^{\infty} \bigcup_{k=j}^{\infty}\left\{x \in E| | f_k(x)-f(x) \left\lvert\, \geqslant \frac{1}{l}\right.\right\}\right)=0$ . 再应用第一章的例 8 ,知 $\lim _{k \rightarrow \infty} f_k(x)=f(x)$ a.e.$x \in E$ . 回到定理3.12的证明,现在问题化成了,在已知对任意 $l$ , $$ m\left(\left\{x \in E\left|\left|f_k(x)-f(x)\right| \geqslant \frac{1}{l}\right\}\right) \rightarrow 0(\text { 当 } k \rightarrow \infty)\right. $$ 的条件下,能否找到 $k_i$ ,使得 $$ m\left(\bigcup_{i=j}^{\infty}\left\{x \in E| | f_{k_i}(x)-f(x) \left\lvert\, \geqslant \frac{1}{l}\right.\right\}\right) \rightarrow 0 \quad(\text { 当 } j \rightarrow \infty) . $$ 对每个固定的 $l$ ,这显然是可以做到的,因为我们可以取 $k_i$ ,使得 $$ m\left(\left\{x \in E\left|\left|f_{k_i}(x)-f(x)\right| \geqslant \frac{1}{l}\right\}\right) \leqslant \frac{1}{2^i}\right. $$ $$ \begin{gathered} m\left(\bigcup_{i=j}^{\infty}\left\{x \in E| | f_{k_i}(x)-f(x) \left\lvert\, \geqslant \frac{1}{l}\right.\right\}\right) \leqslant \sum_{i=j}^{\infty} \frac{1}{2^i} \\ =\frac{1}{2^{j-1}} \rightarrow 0(\text { 当 } j \rightarrow \infty) \end{gathered} $$ 问题在于当 $l$ 改变时,相应的 $k_i$ 也在变,而我们要找出的 $k_i$ 应是与 $l$ 无关的.能否找到与 $l$ 无关的 $k_i$ 呢?关键在于把 $l$ 与 $i$ 联系起来,例如用 $\frac{1}{i}$ 代替 $\frac{1}{l}$ ,而这是不要紧的,因为当 $j \rightarrow \infty$ 时,$j \leqslant i<\infty$ ,最终会有 $i$ 大于 $l$ 的.我们把证明写出来. **定理3.12的证明** 已知对任意 $l$ , $$ m\left(\left\{x \in E\left|\left|f_k(x)-f(x)\right| \geqslant \frac{1}{l}\right\}\right) \rightarrow 0(\text { 当 } k \rightarrow \infty)\right. \text {. } $$ 当 $l=1$ 时,存在 $
免费注册看余下 70%
非VIP会员每天5篇文章,开通VIP 无限制查看
《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)
高等数学测评
函数与极限
一元函数微分学
一元函数积分学
微分方程
空间向量与代数
多元微分学
多元积分学
无穷级数
《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
线性代数测评
行列式
矩阵
向量空间
《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
概率统计测评
事件与概率
一维随机变量与事件
多维随机变量与事件
随机变量的数字特征
大数定律与中心极限定理
统计量与抽样分布
参数估计
假设检验
上一篇:
依测度收敛的极限惟一性
下一篇:
Lusin 卢津定理
本文对您是否有用?
有用
(
0
)
无用
(
0
)
更多
学习首页
数学试卷
同步训练
投稿
会议预约系统
数学公式
关于
Mathhub
赞助我们
科数网是专业专业的数学网站 版权所有
本站部分教程采用AI制作,请读者自行判别内容是否一定准确
如果页面无法显示请联系 18155261033 或 983506039@qq.com