Skip to content

有符号测度的 Jordan 分解

Jordan decomposition of a signed measure · Jordan decomposition theorem

把有符号测度唯一表示成互相奇异的正测度之差,并刻画这一表示的最小性。

条目类型
定理

形式陈述 ​

设 ν 是 (X,Σ) 上的有符号测度。Jordan 分解定理断言存在唯一一对互相奇异的正测度 ν+,ν−,使

ν=ν+−ν−.

“互相奇异”记作 ν+⊥ν−,表示存在可测分割 X=P⊔N,使 ν+(N)=0、ν−(P)=0。取任一Hahn 分解 (P,N),便可具体定义

ν+(A)=ν(A∩P),ν−(A)=−ν(A∩N),A∈Σ.

虽然 P,N 可在 ν-零集上改变,所得 ν+,ν− 与选择无关。它们分别称为 ν 的正变差与负变差。

Jordan 分解还有决定唯一性的最小性。若 μ,λ 是任意正测度且 ν=μ−λ,那么对每个 A∈Σ 都有

ν+(A)≤μ(A),ν−(A)≤λ(A).

所以互相奇异的分解不会在两边人为加入同一份质量。对一般扩展实值有符号测度,ν+,ν− 中至少一个是有限测度;二者都有限当且仅当 ν 是有限有符号测度。以 |ν|=ν++ν− 为准,σ-有限有符号测度则恰好是正、负部分都 σ-有限的情形。

证明机制 ​

存在性由 Hahn 分解直接给出。在正集 P 上,A↦ν(A∩P) 非负且继承可数可加性;负集 N 上乘以 −1 后同理。两者分别集中于互不相交的区域,且

ν(A)=ν(A∩P)+ν(A∩N)=ν+(A)−ν−(A).

证明最小性时,若 A⊆P,由 ν(A)=μ(A)−λ(A) 得 ν(A)≤μ(A),于是 ν+(E)=ν(E∩P)≤μ(E∩P)≤μ(E);负部相同。若另有互相奇异分解 ν=α−β,最小性给 ν+≤α、ν−≤β。两边之差相同迫使额外部分相同,而奇异性又迫使这份共同部分为零,故 α=ν+、β=ν−。

直觉

一张只有净额的账本可以用许多“收入减支出”表示:在收入和支出两栏同时加一百,净额完全不变。Jordan 分解用互相奇异性禁止这类虚增——每一份质量只能属于正边或负边,不能同时出现在两栏。于是它保留了产生净额所需的最小正质量与最小负质量。

正、负部分不是按集合的总值逐个截断。公式 max{ν(A),0} 通常不具可加性,因为一个集合内部可能已经发生抵消。Jordan 分解先在整个空间上找出符号纯净区域,再对每个 A 分别查看 A∩P 与 A∩N;先分区、后测量的次序不能倒转。

当 ν 有密度 f 时,一切变得熟悉:f=f+−f−,且 f+f−=0。Jordan 分解正是把这个逐点图像提升到没有共同密度、甚至没有拓扑结构的可测空间。

例子与边界

令

ν(A)=∫A(2x−1)dx

定义在 [0,1] 上。则

dν+=(2x−1)+dx,dν−=(1−2x)+dx.

两者分别集中在 [1/2,1] 与 [0,1/2],并且

ν+([0,1])=∫1/21(2x−1)dx=14,ν−([0,1])=14.

所以 ν([0,1])=0,但两部分都非零。若改写成

ν=(ν++λ)−(ν−+λ)

并任取非零正测度 λ,仍得到同一个差,却不再互相奇异,也不再最小。

离散例子 ν=3δa−2δb 的 Jordan 分解就是 ν+=3δa、ν−=2δb(a≠b)。若 a=b,则先发生代数抵消,ν=δa,其最小分解是 (δa,0),而不是 (3δa,2δa)。这说明互相奇异性消除的是同一位置上的冗余质量。

有限有符号测度不等于“正负部分总质量相等”。相等只意味着 ν(X)=0;有限性要求二者各自有限。对允许无穷值的一般有符号测度,若一边总质量无穷,涉及 ν+(X)−ν−(X) 时仍要遵守不能出现 ∞−∞ 的定义边界。

推论与应用

Jordan 分解立即定义总变差测度

|ν|=ν++ν−.

它满足 ν±=(|ν|±ν)/2,因此 |ν| 一旦确定,正负部分也随之恢复。若 ν=fμ,则 ν+=f+μ、ν−=f−μ、|ν|=|f|μ;这套公式是有符号 Radon–Nikodym 理论的基本计算规则。

有限有符号测度空间以 ‖ν‖=|ν|(X) 成为 Banach 空间。Riesz–Markov–Kakutani 定理把 C0(X) 上的有界实线性泛函识别为有限有符号 Radon 测度时,泛函的正负分解正对应 ν+,ν−,算子范数则对应总变差质量。

参考资料
  • Gerald B. Folland, Real Analysis: Modern Techniques and Their Applications, 2nd ed., Wiley, 1999, §3.1, Jordan decomposition and total variation.
  • Sheldon Axler, Measure, Integration & Real Analysis, Springer, 2020, Ch. 10, positive and negative variations.
关系图谱4 个相邻概念 · 2 类关系

拖动节点调整位置。

显示关系

显示:依赖

  1. 前置三跳
  2. 前置二跳
  3. 前置一跳
  4. 当前条目
  5. 后续一跳
  6. 后续二跳
  7. 后续三跳
文字版关系按与当前条目的最短距离分组
类型化关系

被这些条目使用