logo

측도 수렴 📂측도론

측도 수렴

정의 1

측도 공간 $( X , \mathcal{E} , \mu)$ 가 주어져 있다고 하자.

  1. 가측 함수시퀀스 $\left\{ f_{n} : X \to \mathbb{R} \right\}_{n \in \mathbb{N}}$ 이 어떤 가측함수 $f : X \to \mathbb{R}$ 와 모든 $M >0$ 에 대해 다음을 만족하면 $f$ 로 측도 수렴converge in measure 한다고 말한다. $$ \lim_{n \to \infty} \mu \left( \left\{ x \in X : | f_{n}(x) - f(x) | \ge M \right\} \right) = 0 $$
  2. 시퀀스 $\left\{ f_{n} : X \to \mathbb{R} \right\}_{n \in \mathbb{N}}$ 이 모든 $M >0$ 에 대해 다음을 만족하면 측도에서 코시Cauchy in measure라고 한다. $$ \lim_{n,m \to \infty} \mu \left( \left\{ x \in X : | f_{m}(x) - f_{n}(x) | \ge M \right\} \right) = 0 $$

설명

확률론의 표현으로는 확률 수렴이라고 한다.

수렴의 정의는 우리가 생각하는 수렴을 깔끔하게 잘 설명한다. 그런데도 이렇게 복잡하게 측도까지 동원해서 새로운 수렴을 정의하는 이유는 이 수렴이라는 게 지나치게 어려울 수 있기 때문이다. 하지만 측도 수렴한다면, 그러니까 $f_{n}$ 이 $f$ 와 충분히 비슷해지지 않는 영역이 $\mu$ 로 측정했을 때 $0$ 으로 수렴하는 정도로 타협할 수 있다면 더 많은 이야기를 할 수 있다. 이는 측도론에서 거의 어디서나를 따지는 것과 비슷하다.

기초 성질

일반적인 측도 공간

유한 측도 공간

$\mu$ 가 유한 측도라 하자.

  • [2-1]: $f_{n}$ 이 $f$ 로 균등 수렴하면 점별 수렴한다.
  • [2-2]: $f_{n}$ 이 $f$ 로 점별 수렴하면 거의 어디서나 수렴한다.
  • [2-3]: $f_{n}$ 이 $f$ 로 거의 어디서나 수렴하면 측도 수렴한다.

증명

사실 [2-1]과 [2-2]의 증명에선 $\mu (X) < \infty$ 를 가정하지 않아도 되지만, [2-3]을 증명하기 위해서 유한 측도 공간이라는 조건이 필요하다. [2-1]~[2-3]을 요약하면 다음과 같다:

  • 균등 수렴 $\implies$ 점별 수렴 $\implies$ 거의 어디서나 수렴 $\overset{\mu(X) < \infty}{\implies}$ 측도 수렴

이러한 팩트는 특히 측도로써 정의되는 확률공간 $\left( \Omega , \mathcal{F}, P \right)$ 에서 $P$ 가 유한 측도 $P (\Omega) = 1 < \infty$ 로써 정의된다는 점에서 대단히 중요하다.

[1-1]

$M > 0$ 에 대해 $$ \begin{align*} \int_{X} | f_{n} - f |^{p} d \mu &\ge \int_{\left\{ x \in X : | f_{n}(x) - f(x) | \ge M \right\}} |f_{n} - f |^{p} d \mu \\ &\ge \int_{\left\{ x \in X : | f_{n}(x) - f(x) | \ge M \right\}} M^{p} d \mu \\ &\ge M^{p} \mu \left( \left\{ x \in X : | f_{n}(x) - f(x) | \ge M \right\} \right) \end{align*} $$ $f_{n}$ 이 $f$ 로 $\mathcal{L}_{p}$ 수렴하므로 $\displaystyle \lim_{n \to \infty } \int_{X} | f_{n} - f |^{p} d \mu = 0$ 이고 $M>0$ 이므로 $$ \lim_{n \to \infty} \mu \left( \left\{ x \in X : | f_{n}(x) - f(x) | \ge M \right\} \right) = 0 $$ 이어야한다. 따라서 $f_{n}$ 은 $f$ 로 측도 수렴한다.

[1-2] 2 3

거의 균등 수렴: 측도 공간 $( X , \mathcal{E} , \mu)$ 가 주어져 있다고 하자.

  1. 가측 함수시퀀스 $\left\{ f_{n} \right\}_{n \in \mathbb{N}}$ 이 어떤 가측함수 $f$ 와 각각의 $\delta > 0$ 마다 $\mu \left( E_{\delta} \right) < \delta$ 를 만족하는 $E_{\delta} \in \mathcal{E}$ 이 존재해서 $X \setminus E_{\delta}$ 에서 $f_{n}$ 이 $f$ 로 균등 수렴하면 $f_{n}$ 이 $f$ 로 거의 균등 수렴almost uniformly convergent한다고 말한다.
  2. 모든 $\delta > 0$ 에 대해 $\mu \left( E_{\delta} \right) < \delta$ 를 만족하는 $E_{\delta} \in \mathcal{E}$ 이 존재해서 $X \setminus E_{\delta}$ 에서 $f_{n}$ 이 $f$ 로 균등 수렴하면 $f_{n}$ 을 거의 균등하게 코시 시퀀스almost uniformly Cauchy sequence라고 한다.

$f_{n}$ 이 $f$ 로 거의 균등 수렴한다는 것은 $\mu ( E) = 0$ 을 만족하는 어떤 $E \in \mathcal{E}$ 을 제외한 $X$ 의 모든 점 $x$ 에서 각각의 함수값 $f_{n} (x)$ 이 $f(x)$ 로 수렴한다는 것이다. $M > 0$ 이 어떻게 주어지든 $$ \left\{ x \in X : | f_{n}(x) - f(x) | \ge M \right\} \subset E $$ 이고, 측도의 단조성에 따라 항상 $$ \mu \left( \left\{ x \in X : | f_{n}(x) - f(x) | \ge M \right\} \right) \le \mu ( E ) = 0 $$ 이므로 $f_{n}$ 은 $f$ 로 측도 수렴한다.

[2-1]

균등 수렴의 정의에 따라 모든 $x \in X$ 와 모든 $\varepsilon > 0$ 에 대해 $n \ge N \implies |f_{n}(x) - f(x)| < \varepsilon$ 을 만족하는 $N \in \mathbb{N}$ 가 존재하므로 $f_{n}$ 은 $f$ 로 점별수렴한다.

[2-2]

$f_{n}$ 이 $f$ 로 점별 수렴한다는 것은 $E = \emptyset$ 을 제외한 $X$ 의 모든 점 $x$ 에서 각각의 함수값 $f_{n} (x)$ 이 $f(x)$ 로 수렴한다는 것이다. 이 때 $\mu ( \emptyset ) = 0$ 이므로 $f_{n}$ 은 $f$ 로 거의 어디서나 수렴한다.

[2-3]

에고로프 정리: 측도 공간 $( X , \mathcal{E} , \mu)$ 가 주어져 있고, $\mu$ 는 유한 측도라 하자. 가측 함수시퀀스 $\left\{ f_{n} : X \to \mathbb{R} \right\}_{n \in \mathbb{N}}$ 이 $X$ 에서 어떤 가측함수 $f$ 으로 거의 어디서나 수렴하면, $f_{n}$ 은 $f$ 로 거의 균등 수렴하고 측도 수렴한다.

에고로프 정리의 따름 정리로써 얻을 수 있다.

같이보기


  1. Bartle. (1995). The Elements of Integration and Lebesgue Measure: p69. ↩︎

  2. Ramiro, Prove that if $(f_n)$ converges to $f$ almost uniformly then $(f_n)$ converges to $f$ in measure., URL (version: 2017-06-06): https://math.stackexchange.com/q/2311989 ↩︎

  3. Bartle. (1995). The Elements of Integration and Lebesgue Measure: p74. ↩︎