Teoria miary. WPPT/Matematyka, rok II. Wykład 5

Podobne dokumenty
G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28

7. Miara, zbiory mierzalne oraz funkcje mierzalne.

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki.

n=0 Dla zbioru Cantora prawdziwe są wersje lematu 3.6 oraz lematu 3.8 przy założeniu α = :

Robert Kowalczyk. Zbiór zadań z teorii miary i całki

Teoria miary. Matematyka, rok II. Wykład 1

Zadania do Rozdziału X

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista.

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11

zbiorów domkniętych i tak otrzymane zbiory domknięte ustawiamy w ciąg. Oznaczamy

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

Wykłady ostatnie. Rodzinę P podzbiorów przestrzeni X nazywamy σ - algebrą, jeżeli dla A, B P (2) A B P, (3) A \ B P,

Teoria miary i całki

Wykład 10. Stwierdzenie 1. X spełnia warunek Borela wtedy i tylko wtedy, gdy każda scentrowana rodzina zbiorów domkniętych ma niepusty przekrój.

(b) Suma skończonej ilości oraz przekrój przeliczalnej ilości zbiorów typu G α

Wykłady... b i a i. i=1. m(d k ) inf

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 1

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej

F t+ := s>t. F s = F t.

7 Twierdzenie Fubiniego

Rozdział 6. Ciągłość. 6.1 Granica funkcji

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.

Analiza matematyczna 1 - test egzaminacyjny wersja do ćwiczeń

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

jest ciągiem elementów z przestrzeni B(R, R)

Ciągłość funkcji f : R R

Zasada indukcji matematycznej

Informacja o przestrzeniach Sobolewa

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

1 Relacje i odwzorowania

Funkcje mierzalne, całka z funkcji nieujemnej, twierdzenia o przechodzeniu do granicy pod znakiem całki

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski

f(t) f(x), D f(x) = lim sup t x oraz D f(x) = lim inf

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.

Metody probabilistyczne

1 Nierówność Minkowskiego i Hoeldera

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

1 Działania na zbiorach

Dystrybucje, wiadomości wstępne (I)

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami:

WYKŁAD 3. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

1 Określenie pierścienia

zdarzenie losowe - zdarzenie którego przebiegu czy wyniku nie da się przewidzieć na pewno.

1. Funkcje monotoniczne, wahanie funkcji.

1 Przestrzenie metryczne

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013

Granice funkcji-pojęcie pochodnej

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 1. L. Kowalski, Statystyka, 2005

domykanie relacji, relacja równoważności, rozkłady zbiorów

Informacja o przestrzeniach Hilberta

02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w

Rozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki

Zad.3. Jakub Trojgo i Jakub Wieczorek. 14 grudnia 2013

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Definicja odwzorowania ciągłego i niektóre przykłady

IMIĘ NAZWISKO... grupa C... sala Egzamin ELiTM I

Analiza Funkcjonalna - Zadania

Dekompozycje prostej rzeczywistej

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Prawdopodobieństwo i statystyka

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Dystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5

Metody probabilistyczne

020 Liczby rzeczywiste

Funkcje rzeczywiste jednej. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Ciała i wielomiany 1. przez 1, i nazywamy jedynką, zaś element odwrotny do a 0 względem działania oznaczamy przez a 1, i nazywamy odwrotnością a);

Granice funkcji. XX LO (wrzesień 2016) Matematyka elementarna Temat #8 1 / 21

Notatki z Analizy Matematycznej 1. Jacek M. Jędrzejewski

Granica funkcji wykład 4

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y.

Kurs wyrównawczy - teoria funkcji holomorficznych

Wykład 4 Przebieg zmienności funkcji. Badanie dziedziny oraz wyznaczanie granic funkcji poznaliśmy na poprzednich wykładach.

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

LX Olimpiada Matematyczna

Podstawy metod probabilistycznych. dr Adam Kiersztyn

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Prawa wielkich liczb, centralne twierdzenia graniczne

6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

Zajęcia nr. 3 notatki

granicą ciągu funkcyjnego (f n ) n N W symbolicznym zapicie fakt, że f jest granicą ciągu funkcyjnego (f n ) n N możemy wyrazić następująco: ε>0 N N

LOGIKA I TEORIA ZBIORÓW

1 Wykład 3 Generatory liczb losowych o dowolnych rozkładach.

Wykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.

Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

1. Definicja granicy właściwej i niewłaściwej funkcji.

Łatwy dowód poniższej własności pozostawiamy czytelnikowi.

Prawdopodobieństwo i statystyka

Pochodna funkcji: definicja, podstawowe własności wykład 6

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 2

Transkrypt:

Teoria miary WPPT/Matematyka, rok II Wykład 5 Funkcje mierzalne Niech (X, F) będzie przestrzenią mierzalną i niech f : X R. Twierdzenie 1. NWSR 1. {x X : f(x) > a} F dla każdego a R 2. {x X : f(x) a} F dla każdego a R 3. {x X : f(x) < a} F dla każdego a R 4. {x X : f(x) a} F dla każdego a R Dowód. (1 2) (2 3) ( f 1 ([a, + ]) = f 1 (a 1 ) n, + ]) = f 1 ( (a 1 n, + ]) ) F f 1 ([, a)) = f 1 (R \ [a, ]) = X \ f 1 ([a, ]) F Pozostałe wynikania mają podobne uzasadnienie. Polecam jako ćwiczenie. Definicja 1. Funkcja f : X R jest mierzalna, gdy zachodzi dowolny z powyższych warunków. Inaczej, f jest mierzalna, gdy f 1 ((a, + ]) F dla każdego a R, gdy f 1 ([a, + ]) F itd. Uwaga. Dlaczego definicja wygląda w taki sposób? Rozważmy następujący przykład: rzucamy monetą sprawiedliwą tak długo aż wypadnie nam orzeł. Możliwe do zaobserwowania wyniki takiego eksperymentu zapisujemy jako: O, RO, RRO, RRRO,... Rozważamy więc przestrzeń X wszystkich takich ciągów. W naturalny sposób określamy miarę na tej przestrzeni (na σ-ciele wszystkich podzbiorów) prawdopodobieństwo orła w pierwszym rzucie to 1/2, prawdopodobieństwo ciągu RO to 1/4 itd. Niech f(x) oznacza liczbę wykonanych rzutów. Naturalne jest na przykład pytanie: jakie jest prawdopodobieństwo, że wykonamy nie więcej niż n (np.)5 rzutów, czyli jaka jest miara zbioru {x : f(x) n}. Czyli chcemy, by zbiór tego typu był mierzalny! Tu nie ma z tym problemu, bo w naszej przestrzeni miara jest określona na wszystkich podzbiorach przestrzeni. Ale w bardziej skomplikowanym przypadku f(x) może oznaczać cenę pewnego papieru wartościowego i zmieniać się w sposób ciągły (a przynajmniej tak jest wygodnie przyjąć). Naturalne jest pytanie, jakie jest prawdopodobieństwo, że cena przekroczy wartość a, czyli pytanie o miarę zbioru {x : f(x) a}. Zbiory w definicji mierzalności funkcji formalizują w istocie najprostsze pytania, jakie można zadawać na temat funkcji rzeczywistych. Chcemy umieć odpowiadać na te pytania, tzn. chcemy, by odpowiadające im zbiory były mierzalne. 1

Fakt 1. f 1 ([a, b]) F dla dowolnych a, b R. Dowód. f 1 ([a, b]) = f 1 ([a, ] [, b]) = f 1 ([a, ]) f 1 ([, b]) F Fakt 2. f 1 ({a}) F dla każdego a R. f 1 ({ }) F i f 1 ({+ }) F. Dowód. Pierwsze stwierdzenie wynika z poprzedniego faktu, bo {a} = [a, a]. ( ) f 1 ({ }) = f 1 [, n] = f 1 ([, n]) F Podobnie dla f 1 ({ }). Fakt 3. f 1 ((a, b)), f 1 ([a, b]), f 1 ((a, b]), f 1 ([a, b)) F dla dowolnych a, b R. Dowód. Wynika z poprzednich faktów. Przykładowo, f 1 ((a, b]) = f 1 ([a, b]) \ f 1 ({a}), a różnica zbiorów mierzalnych jest zbiorem mierzalnym. Uwaga: Wszystie powyższe stwierdzenia działają, gdy funkcja przyjmuje tylko wartości rzeczywiste (bez nieskończoności), bo każda funkcja o wartościach rzeczywistych jest jednocześnie funkcją w zbiór R. Wtedy na przykład f 1 ([a, + ]) = f 1 ([a, + )). Twierdzenie 2. Funkcja f : X R jest mierzalna wtedy i tylko wtedy, gdy f 1 (B) F dla każdego B B(R). Dowód. Warunek jest wystarczający, bo półprosta {y R: y > a} = (a, + ) jest zbiorem borelowskim. Na odwrót, rozważmy rodzinę A = {B B(R): f 1 (B) F}. Można pokazać, że jest to σ-ciało. Z powyższych faktów, A zawiera odcinki otwarte, zatem A = B(R). Czyli f 1 (B) F dla każdego B B(R). Twierdzenie 3. Niech f i g będą mierzalnymi funkcjami rzeczywistymi o tej samej dziedzinie i niech c R. Wtedy funkcje f + c, cf, f + g, f g, fg są również mierzalne. Dowód. Ustalmy a R. 1) Pokażemy najpierw mierzalność f + c, c R, gdy f jest mierzalna. {x: f(x) + c > a} = {x: f(x) > a c} F 2) Podobnie dla cf, ale rozumowanie trzeba podzielić na przypadki. Jeśli c = 0, to cf 0, więc X, gdy a 0 {x : cf(x) > a} =, gdy a > 0 Zarówno X jak i są mierzalne, więc zbiór {x : cf(x) > a} musi być mierzalny. Dla c > 0 mamy {x : cf(x) > a} = {x : f(x) > a } F, a dla c < 0 zachodzi {x : cf(x) > a} = {x : c f(x) < a} F. c 2

3) Rozważmy sumę funkcji mierzalnych f i g. {x: (f + g)(x) > a} = {x: f(x) > a g(x)} = {x: f(x) < r < a g(x)} r Q = {x: f(x) < r} {x: r < a g(x)} F, r Q bo {x: f(x) < r} F oraz {x: r < a g(x)} = {x: g(x) < a r} F dla dowolnej liczby r, a przekrój oraz suma przeliczalna nie wyprowadzają poza σ-ciało. Dla f g wystarczy pokazać, że g jest mierzalna. 4) Teraz fg. Zauważmy, że fg = 1((f + 2 g)2 f 2 g 2 ), więc wystarczy pokazać, że f 2 jest mierzalna. {x : f 2 X, gdy a 0 (x) > a} = {x : f(x) < a} {x : f(x) > a}, gdy a > 0 W obu przypadkach otrzymujemy zbiór mierzalny. 5) Aby pokazać mierzalność ilorazu, należy najpierw uzasadnić, że jeśli g jest mierzalna i różna od zera, to także 1/g jest mierzalna. Następnie korzystamy z uzasadnionej już mierzalności iloczynu funkcji mierzalnych, w tym wypadku f i 1/g. Twierdzenie 4. Niech (X, F) będzie przestrzenią mierzalną, a (f n ) n N będzie ciągiem funkcji mierzalnych X R. Wtedy funkcje inf,...,n f n, sup,...,n f n, inf n N f n, sup n N f n, lim inf n f n, lim sup n f n (a więc też lim n f n, jeśli istnieje) są mierzalne. Dowód. {x : inf,...,n f n(x) < a} = {x : n {1,..., N} f n (x) < a} = Pozostałe na ćwiczeniach. Przykłady N {x : f n (x) < a} F 1. Funkcja charakterystyczna 1 A jest mierzalna wtedy i tylko wtedy, gdy A jest zbiorem mierzalnym. W szczególności funkcja charakterystyczna zbioru Vitalego jest niemierzalna. 2. Rozważmy R z σ-ciałem zbiorów przeliczalnych i koprzeliczalnych. Wtedy f(x) = x nie jest mierzalna, bo np. {x : f(x) > 0} = (0, ) nie jest zbiorem mierzalnym. Niech µ będzie miarą na przestrzeni mierzalnej (X, F). Definicja 2. Mówimy, że pewna własność zachodzi prawie wszędzie, gdy zbiór, na którym ta własność nie zachodzi ma miarę zero. Innymi słowy, istnieje E F taki, że µ(e) = 0 i własność zachodzi na E c. W szczególności, funkcje f : X R i g : X R są równe prawie wszędzie, gdy µ({x X : f(x) g(x)}) = 0. Będziemy wtedy pisać: f = g µ-p.w. 3

Fakt 4. Relacja równości prawie wszędzie jest relacją równoważności na zbiorze wszystkich funkcji mierzalnych na ustalonej przestrzeni X. Dowód. Sprawdzimy tylko przechodniość tej relacji. Jeśli f = g µ-p.w., to istnieje zbiór E, µ(e) = 0, taki że f(x) = g(x) dla wszystkich x E c. Podobnie, jeśli g = h µ- p.w., to istnieje zbiór F, µ(f ) = 0, taki że g(x) = h(x) dla wszystkich x F c. Wtedy dla x E c F c mamy f(x) = h(x). Przy tym, µ((e c F c ) c ) = µ(e F ) µ(e)+µ(f ) = 0. Twierdzenie 5. Załóżmy, że miara µ jest zupełna na (X, F) (tzn. jeśli µ(e) = 0 i F E, to F F). Jeśli f = g µ-p.w. i f jest mierzalna, to g jest również mierzalna. Dowód. Niech E = {x X : f(x) g(x)}. Z założenia µ(e) = 0. Wtedy dla dowolnego a R mamy {x: g(x) > a} = {x E c : g(x) > a} {x E : g(x) > a} = (E c {x X : f(x) > a}) {x E : g(x) > a} Pierwszy składnik sumy to przekrój dwóch zbiorów mierzalnych jest więc mierzalny a drugi jest mierzalny jako podzbiór zbioru E miary zero. Rozważając funkcje f : R R przez funkcję mierzalną będziemy domyślnie rozumieć funkcję mierzalną względem σ-ciała L(R) zbiorów mierzalnych w sensie Lebesgue a. Dlatego na przykład powyższe twierdzenie zachodzi w szczególności dla funkcji f : R R. Ponieważ jednak na R mamy dwa ważne σ-ciała, wprowadzimy drugą definicję: Definicja 3. Funkcja f : R R jest borelowska, gdy {x: f(x) > a} jest borelowski. Twierdzenie 6. Każda funkcja borelowska jest mierzalna w sensie Lebesgue a. Dowód. Wiemy, że B(R) L(R), więc jeśli {x: f(x) > a} jest borelowski, to tym bardziej mierzalny w sensie Lebesgue a. Uwaga. Funkcje borelowskie to po prostu funkcje mierzalne względem σ-ciała borelowskiego, więc mają wszystkie powyższe włąsności: suma, różnica, iloczyn i iloraz (o ile mianownik różny od zera) funkcji borelowskich jest funkcją borelowską; warunkiem równoważnym borelowskości jest warunek B B(R) zbiór f 1 (B) jest borelowski. Twierdzenie 7. Jeśli f : X R jest funkcją mierzalną, a g : R R funkcją borelowską, to złożenie g f : X R, g f(x) = g(f(x)), jest funkcją mierzalną. Dowód. {x X : g f(x) > a} = {x: f(x) g 1( (a, ) ) } = f 1( g 1 ((a, )) ) Funkcja g jest borelowska, więc zbiór g 1 ((a, )) jest borelowski, a stąd wobec mierzalności f zbiór f 1( g 1 ((a, )) ) jest mierzalny. Twierdzenie 8. Każda funkcja ciągła jest borelowska. 4

Dowód. Jeśli wiemy coś niecoś z topologii, to wystarczy zauważyć, że B(R) jest generowane przez zbiory otwarte, a przeciwobraz każdej półprostej otwartej (lub odcinka otwartego) przez funkcję ciągła jest zbiorem otwartym. My udowodnimy, że dla dowolnej liczby a R przeciwobraz półprostej {x: f(x) > a} jest przeliczalną sumą odcinków otwartych, zatem jest borelowski. Istotnie, jeśli y (a, + ), to istnieje ɛ y > 0, dla którego odcinek (y ɛ y, y + ɛ y ) zawiera się w (a, + ). Niech x należy do {x: f(x) > a}. Z ciągłości (definicja Cauchy ego) znajdujemy δ > 0, dla której (x δ, x + δ) f 1 (f(x) ɛ f(x), f(x) + ɛ f(x) ). Wobec gęstości liczb wymiernych przedział wokół x można zmniejszyć tak, by uzyskać końce wymierne: x (q x, r x ) f 1 (f(x) ɛ f(x), f(x)+ɛ f(x) ), q x, r x Q. Ponieważ przedziałów o końcach wymiernych jest tylko przeliczalnie wiele, a {x: f(x) > a} = x(q x, r x ) otrzymujemy, że {x: f(x) > a} jest borelowski. Naturalne jest pytanie o odwrotne relacje: jak daleko leży dowolna funkcja borelowska, czy mierzalna od funkcji ciągłej? Niedaleko, a formalną odpowiedź zapewnia twierdzenie Łuzina. Twierdzenie 9 (Łuzin). Niech f : [a, b] R będzie funkcją mierzalną. Dla każdego ɛ > 0 istnieje zbiór domknięty (zwarty) E taki, że obcięcie f do E jest funkcją ciągłą i λ(e c ) < ɛ. Inne sformułowanie, dla każdego ɛ > 0 istnieje funkcja ciągła g : [a, b] R, taka że λ({x [a, b]: f(x) g(x)}) < ɛ. To twierdzenie można uogólniać, ale nie zawsze te dwa sformułowania są równoważne (drugie jest wyraźnie silniejsze). Aby zrozumieć różnicę, warto rozważyć funkcję Dirichleta na [0, 1]. Jasne jest że spełnia drugą tezę - funkcja stale równa zero jest tu odpowiednią funkcją ciągłą. Ale trudno się dopatrzyć odpowiedniego zbioru domkniętego. Do dowodu być może jeszcze wrócimy, ale najpierw przejdziemy do pytań o zbiory - jak daleko leżą zbiory mierzalne od borelowskich. Albo inaczej, co trzeba dorzucić do σ-ciała borelowskiego, by uzyskać σ-ciało zbiorów Lebesgue a. Definicja 4. Rodzinę I podzbiorów X nazywamy ideałem, gdy 1. φ I 2. jeśli E F i F I, to E I, 3. jeśli E I i F I, to E F I. I jest σ-ideałem, gdy ostatni warunek zastąpimy przez E 1, E 2,... I E n I. Definicja 5. Zbiór F X nazwiemy µ-zerowym, gdy istnieje E F taki, że F E oraz µ(e) = 0. Twierdzenie 10. Rodzina N wszystkich zbiorów µ-zerowych jest σ-ideałem. Dowód. Dowód przez sprawdzenie aksjomatów. 5

Niech (X, F, µ) będzie przestrzenią miarową, a N rodziną zbiorów µ-zerowych. Definiujemy F = σ(f N ) (tzn. σ ciało generowane przez rodziny F i N ), F 1 = {E X : A, B F A E B µ(b \ A) = 0}, F 2 = {E X : C F E C N }. Twierdzenie 11. F 1 = F 2 = F, a µ można przedłużyć do miary µ na F w taki sposób, aby otrzymana przestrzeń miarowa (X, F, µ) była zupełna (tzn. tak aby każdy podzbiór zbioru miary zero był mierzalny i miał także miarę zero). Powyższą konstrukcję nazywa się uzupełnianiem miary. Twierdzenie 12. Uzupełnieniem σ-ciała borelowskiego B R na prostej R jest σ-ciało L R zbiorów mierzalnych względem miary Lebesgue a. 6