[实变函数]3.1 外测度 (outer measure)

简介: 1 并不是所有的集合都可求测度. 我们的想法是先对 $\bbR^n$ 中的任一集合定义一个``外     测度'' (outer measure), 然后再加上适当的条件 (Caratheodory 条件), 使 ``     外测度''  变为``测度'' (measure).

1 并不是所有的集合都可求测度. 我们的想法是先对 $\bbR^n$ 中的任一集合定义一个``外

    测度'' (outer measure), 然后再加上适当的条件 (Caratheodory 条件), 使 ``

    外测度''  变为``测度'' (measure).                

2 对 $E\subset \bbR^n$,  定义 $E$ 的外测度                $$\bex m^*E=\inf\sed{\sum_{n=1}^\infty |I_i|; E\subset \cup_{n=1}^\infty I_i}.                \eex$$                

 

3 外测度的性质: 

    (1) $m^*E\geq 0$, $m^*\vno=0$.                

    (2) 单调性 (monotonicity) $A\subset B\ra m^*A\leq m^*B$.    

        证明: 注意到  $$\bex B\subset \cup_{n=1}^\infty I_i\ra  A\subset \cup_{n=1}^\infty I_i  \ra m^*A\leq \sum_{n=1}^\infty |I_i|.  \eex$$ 

    (3) 次可数可加性 (sub countably additivity):  $$\bex m^*\sex{\cup_{n=1}^\infty A_i}\leq  \sum_{n=1}^\infty m^*A_i.  \eex$$    

        证明: 要证明 $a\leq b$, 一个常用的方法是证明  $$\bex a<b+\ve,\quad \forall\ \ve>0.  \eex$$  

        对 $\forall\ \ve>0,$ 由外测度的定义,  $$\beex  \bea \sum_{i=1}^\infty m^*A_i+\ve  &=\sum_{i=1}^\infty \sex{m^*A_i+\frac{\ve}{2^i}}\\  &> \sum_{i=1}^\infty  \sum_{j=1}^\infty |I_{ij}|\quad\sex{A_i\subset \cup_{j=1}^\infty I_{ij}}\\  &\geq m^*\sex{\cup_{i,j=1}^\infty A_i}\quad\sex{\cup_{i=1}^\infty A_i\subset \cup_{i,j=1}^\infty I_{ij}}.  \eea  \eeex$$  

              

4 例 1: $m^*\bbQ=0$.    

    证明:                $$\bex m^*\bbQ=m^*\sex{\cup_{i=1}^\infty \sed{r_i}}                \leq \sum_{i=1}^\infty m^*\sex{\sed{r_i}}                =0.                \eex$$  

 

5 例 2: 对任何区间 $I$, 有 $m^*I=|I|$.    

 

目录
相关文章
|
4月前
|
算法 定位技术
插值、平稳假设、本征假设、变异函数、基台、块金、克里格、线性无偏最优…地学计算概念及公式推导
插值、平稳假设、本征假设、变异函数、基台、块金、克里格、线性无偏最优…地学计算概念及公式推导
|
8月前
|
机器学习/深度学习 决策智能
矩阵分析 (六) 矩阵的函数
矩阵分析 (六) 矩阵的函数
多元复合函数求导法则
多元复合函数求导法则
多元函数的极值及其求法
多元函数的极值及其求法
【矩阵分析】矩阵幂级数 发散 条件 || 幂级数 与 解析函数 的关系 || 幂级数 收敛半径r 的求法
【矩阵分析】矩阵幂级数 发散 条件 || 幂级数 与 解析函数 的关系 || 幂级数 收敛半径r 的求法
【矩阵分析】矩阵幂级数 发散 条件 || 幂级数 与 解析函数 的关系 || 幂级数 收敛半径r 的求法
四元数的定义与性质
四元数的定义与性质
236 0
四元数的定义与性质
|
算法 异构计算 Python
【Python】向量叉积和凸包 | 引射线法 | 判断点是否在多边形内部 | 葛立恒扫描法 | Cross Product and Convex Hul
这个系列似乎反响不错, 所以我继续水下去 (bushi)。本篇博客是关于经典的 Cross Product and Convex Hull (向量叉积和凸包)的,我们将介绍引射线法,葛立恒扫描法。在讲解之前我会对前置知识做一个简单的介绍,比如向量叉积,如何确定直线是在顺时针上还是逆时针上等。算法讲解部分是为后面练习题做准备的,比如如何判断内点是否在多边形内,如何计算多边形面积等,还将简单介绍一下葛立恒扫描法,在提供的练习题中就能碰到.
645 0
【Python】向量叉积和凸包 | 引射线法 | 判断点是否在多边形内部 | 葛立恒扫描法 | Cross Product and Convex Hul
|
设计模式 索引 Python
如何给列表降维?sum()函数的妙用
1、如果原列表的元素除了列表,还有其它类型的元素,怎么把同类的元素归并在一起呢? 2、如果是一个三维或更高维的列表,怎么更好地把它们压缩成一维列表呢? 3、sum() 函数还有什么知识要点呢?
176 0
|
存储 运维 IDE
妙用函数计算
在云计算不断发展中,软件服务化趋势越加明显,用户通过网络即可使用应用提供的服务,服务慢慢变成应用构建基础,成为云产品的基本形态。FaaS(Functionas a Service)以函数为单元提供服务,符合云发展的趋势,并且作为一种新型计算方式成为了云计算未来发展的一个方向。FaaS 的出现使用户专心于编写和上传核心的业务代码,由FaaS负责创建和维护相应的计算、存储、网络等资源。用户完成编写并上传代码之后,运行即可获得相应的数据结果或服务。以阿里云函数计算FC为代表的FaaS服务的出现降低了运维的成本,使用户更专注于业务代码,实现高效工作,让业务发展节奏加快。
368 0
妙用函数计算
|
Perl
[实变函数]2.4 直线上的开集、闭集及完备集的构造
1 直线上开集的构造:    $$\bex \mbox{直线上的开集 }O\mbox{ 是有限个或可数个互不相交的开区间的并}.    \eex$$         证明: 设 $P\in O$, 则 $\exists\ P\in (\alpha,\beta)\subset O$.
1023 0