Processing math: 28%

11/14/2018

[測度論] 有限測度空間中,fnf a.e. fnf in measure

考慮測度空間 (X,M,μ)
Theorem: μ(X)<fnf a.e. 則 fnf in measure。
Proof:
不失一般性的情況下,假設 fnf everywhere。令 α>0 我們要證明
lim因為 f_n \to f everywhere (i.e., f_n \to f pointwise) 由極限定義,我們知道給定任意 \varepsilon >0 存在 N:=N(x)>0 使得當 n\geq N
|f_n(x) - f(x)| \leq \varepsilon 這表明
x \in \bigcup_N \bigcap_{n \geq N(x)} \{|f_n(x) - f(x)|\leq \varepsilon\}
X:= \bigcup_N \bigcap_{n \geq N(x)} \{|f_n(x) - f(x)|\leq \varepsilon\}
X^c = \emptyset  = \bigcap_N \bigcup_{n\geq N(x)} \{|f_n(x) - f(x)|> \varepsilon\} E_N:= \bigcup_{n\geq N(x)} \{|f_n(x) - f(x)|> \varepsilon\} 且注意到 E_NN 遞減,且 \mu(X) <\infty 由 測度的 下連續性,我們有
\underbrace{\mu(\cap_N E_N)}_{=\mu(\emptyset)=0} = \lim_N \mu(E_N) 故我們得到
\mu(E_N) = \mu(\bigcup_{n \geq N(x)} \{|f_n(x) - f(x)|> \varepsilon\}) \to \mu(\emptyset) = 0 將其換成較小的集合上述結果仍然成立,亦即
\mu( \{|f_n(x) - f(x)|> \varepsilon\}) \to  0 此表明 f_n \to f in meausre。至此證明完畢。

沒有留言:

張貼留言

[人工智慧] 本地端 DeepSeek R1 快速安裝:以 Macbook Pro M4 Chip為例

最近火熱的 DeepSeek R1 模型由於採用了 distill 技術,可以大幅降低計算成本,使得一般人有機會在自家筆電上跑性能逼近 Open AI ChatGPT o1的大語言模型。本文簡單介紹一步安裝在 Macbook Pro 的方法以及使用方法,以下測試採用 Macboo...