積分同時記錄函數的大小和這些大小出現的範圍。分布函數把這兩部分資訊分開:它詢問函數超過給定閾值的集合有多大。將所得各層相加便能恢復積分,也能看出為甚麼尾部估計有時不足以保證可積性。
設 (X,M,μ) 是 σ-有限測度空間,未必是有限測度空間。
對可測實值函數、複值函數或非負擴展實值可測函數 f,其分布函數為
df(t)=μ{x:∣f(x)∣>t},t>0.
它非遞增,並可能取無窮。我們使用非負函數在 (X,μ) 與 (0,∞) 上 Lebesgue 測度的乘積空間上的 Tonelli 定理;兩個因子都是 σ-有限的。下面的公式不要求 μ(X) 有限,兩側均可為無窮。
從各層恢復積分
若 p>0 且 f 如上所述,則
∫X∣f∣pdμ=p∫0∞tp−1df(t)dt.(1)
對每個 x,包括按擴展積分約定處理的無窮值,有
∣f(x)∣p=∫0∣f(x)∣ptp−1dt=∫0∞ptp−11{t<∣f(x)∣}dt.被積函數非負且在乘積空間上可測:集合 {(x,t):t<∣f(x)∣} 可測。先對 x 積分,1{t<∣f(x)∣} 變成 df(t);由 Tonelli 定理交換積分次序即得 (1)。□
常見錯誤
(在固定閾值處把 >t 與 ≥t 互換)
在固定閾值處,{∣f∣>t} 與 {∣f∣≥t} 的測度可能不同:對 R 上的 f=1[0,1],df(1)=0,但 μ{∣f∣≥1}=1。兩種約定只在對 t 積分後才一致:對每個固定 x,示性函數 1{t<∣f(x)∣} 與 1{t≤∣f(x)∣} 只在單個值 t=∣f(x)∣ 處不同,因此由 Tonelli 定理,兩種約定給出相同的 (1) 右側。像下面的 Markov 不等式這類逐點命題,必須使用其陳述的約定。
下面的互動圖把六點簡單函數切成水平層,並在任一種 df 約定下,把層和、選定閾值處的 Markov 不等式及弱尾部量與直接積分比較。
在帶 Lebesgue 測度的 (0,1) 上取 f(x)=x。當 0<t<1 時 {x>t}=(t,1),故 df(t)=1−t;當 t≥1 時 df(t)=0。對 p>0,公式 (1) 給出
∫01xpdx=p∫01tp−1(1−t)dt=p(p1−p+11)=p+11,與直接計算一致。
在帶 Lebesgue 測度的 (0,1) 上取 f(x)=x−1/2。由於 x−1/2>t 恰好等價於 x<t−2,當 0<t≤1 時 df(t)=1,當 t>1 時 df(t)=t−2。對 p>0,
∫01x−p/2dx=p∫01tp−1dt+p∫1∞tp−3dt.第一個積分等於 1;第二個恰在 p<2 時有限,此時等於 p/(2−p),所以總和為 2/(2−p),與 ∫01x−p/2dx 相符。臨界情形 p=2 時第二個積分是 2∫1∞t−1dt,呈對數發散。一般而言,若當 t 足夠大時尾部恰為 Ct−p(C>0),則 (1) 的被積函數與 1/t 成正比,故積分發散。
強尾界與弱尾界
層蛋糕公式把整個積分與尾部比較;單取一層則給出較粗但逐點的界。
對 p>0、可測函數 f 及 t>0,
tpdf(t)≤∫X∣f∣pdμ.(2)若 f∈Lp,還有更強結論
tpdf(t)≤∫{∣f∣>t}∣f∣pdμ⟶0(t→∞).(3)
逐點有 tp1{∣f∣>t}≤∣f∣p1{∣f∣>t}≤∣f∣p;積分即可。若 ∫∣f∣p<∞,則 ∣f∣ 幾乎處處有限,所以當 t→∞ 時 ∣f∣p1{∣f∣>t}→0 幾乎處處成立,且有可積控制函數 ∣f∣p;控制收斂定理給出 (3)。□
當 0<p<1 時,這裏的 Lp 指 ∣f∣p 積分有限的函數類;我們不使用範數。
對 p>0,
Kp(f)=t>0suptdf(t)1/p.若 Kp(f)<∞,則稱 f 屬於弱 Lp。
若 Kp(f)≤K<∞,則對每個 t>0 都有 df(t)≤(K/t)p。不等式 (2) 說明 Kp(f)≤∥f∥p(其中 ∥f∥p=(∫∣f∣p)1/p),所以強 Lp 積分有限蘊含弱尾部量有限。
在 (0,1) 上令 f(x)=x−1/p。由於 x−1/p>t 恰好等價於 x<t−p,當 0<t≤1 時 df(t)=1,當 t>1 時 df(t)=t−p。因此 t≤1 時 tdf(t)1/p=t,t>1 時它等於 1,故 Kp(f)=1。但 ∫01∣f∣p=∫01x−1dx=∞。即使在有限測度空間上,由強推弱的蘊含也不能反過來。
在這個例子中,t 很大時 tpdf(t)=1,所以趨零結論 (3) 已經不成立。或許有人希望 (3) 刻畫 Lp;事實並非如此。
反例模式
趨零的尾部仍然不足以保證可積
斷言:在有限測度空間上,若 t→∞ 時 tpdf(t)→0,則 f∈Lp。在 (0,e−1) 上令 f(x)=x−1/p(log(e/x))−1/p,則 fp=1/(xlog(e/x))。由於 xlog(e/x) 的導數為 −logx>0,f 遞減。當 t 足夠大時,其嚴格超水平集是 (0,at),其中 f(at)=t、at↓0,且 tpat=1/log(e/at)→0。然而,代入 u=log(e/x),
∫0e−1∣f∣pdx=∫0e−1xlog(e/x)dx=∫2∞udu=∞.所以 (3) 對強可積性是必要而非充分的;正確的刻畫就是層蛋糕公式 (1) 本身。
當 p>1 時,弱控制仍可給出有用的局部可積性。
命題 4.3.8
(當 p>1 時弱控制在有限測度集上可積)
設 p>1、Kp(f)≤K 且 μ(E)=a<∞。則
∫E∣f∣dμ≤p−1pKa1−1/p.(4)
對 ∣f∣1E 以指數 1 應用 (1),其分布函數為 μ(E∩{∣f∣>t})≤min{a,(K/t)p}:
∫E∣f∣dμ=∫0∞μ(E∩{∣f∣>t})dt≤∫0∞min{a,(K/t)p}dt.若 a=0 或 K=0,左側為零。否則在兩個界相交的 t0=Ka−1/p 處拆開積分。兩部分是 at0=Ka1−1/p 與 ∫t0∞Kpt−pdt=Kpt01−p/(p−1)=Ka1−1/p/(p−1),相加得 p−1pKa1−1/p。□
常見錯誤
(期望弱 L1 有同樣的局部界)
當 p=1 時,此論證中的尾積分 ∫t0∞Kt−1dt 發散,而且失效是真實的。在 (0,1) 上,f(x)=1/x 滿足 df(t)=min{1,1/t},故 K1(f)=1,但在這個測度為 1 的集合上 ∫01dx/x=∞。弱 L1 不蘊含局部可積。
練習
快速檢查
(對 (0,1) 上的 f(x)=x−1/3,求使 f∈Lr 的所有 r>0,並計算 K3(f)。)
用「弱而不強」例子中 p=3 的情形。
解答 · 答案
∫01x−r/3dx<∞ 恰在 r/3<1 時成立,所以 0<r<3 時 f∈Lr。取 p=3,則 f=x−1/p,故 K3(f)=1,儘管 f∈/L3。
快速檢查
(若 μ(E)=4、p=2 且 K2(f)≤3,(4) 給出 ∫E∣f∣ 的甚麼上界?)
解答 · 答案
p−1pKa1−1/p=2⋅3⋅41/2=12,所以 ∫E∣f∣≤12。
快速檢查
(設 f∈Lp、p>0。證明 t→∞ 時 μ({∣f∣>t})→0,並說明是否需要有限測度假設。)
解答 · 答案
Markov 不等式給出 df(t)≤t−p∫∣f∣p→0。不需要 μ(X) 有限;只用到 ∫∣f∣p<∞。
快速檢查
(在帶 Lebesgue 測度的 R 上,f(x)=1 是否對某個 p>0 屬於弱 Lp?計算 df。)
解答 · 答案
0<t<1 時 df(t)=∞,t≥1 時 df(t)=0。因此對每個 p 都有 Kp(f)=∞:在無限測度空間上,有界函數未必屬於弱 Lp,因為它的低層具有無窮測度。公式 (1) 也正確給出 ∫∣f∣p=∞。