形式陈述
一个函数的 次方不可积,是否就完全失去定量控制?弱 保留另一种信息:函数高于任意阈值的区域不能太大。
在测度空间公理库测度Measure在可测集合上取非负扩展实值、并对不交可数并保持可加性的函数。 上,对可测函数 定义超水平集大小
对 ,定义
像 一样,这里把几乎处处相等的函数视为同一元素;这使零拟范数恰好对应零元。这叫弱 空间,也记作 。等价地, 当且仅当对全部 ,
它与通常的$L^p$ 空间公理库L^p 空间L-p space · Lebesgue space按几乎处处相等取商的积分范数空间;从尖峰和完备性走到共轭指数的对偶表示,并证明有限测度下的反身性。不同。后者把所有高度层的贡献积分,前者只控制每一层允许的最坏“高度乘宽度”。这个表达式通常不满足常数一的三角不等式,因此称拟范数,而不能不加说明地称作范数。
若算子 满足 ,称它为弱 型。输入用的是强 范数,输出用的是弱 拟范数,两个位置不能交换。
直觉
把函数的绝对值看作地形, 是水位升到 后仍露出水面的面积。弱范数限制每个水位的露出面积,却允许很高的尖峰,只要峰的底部足够窄。
一个临界幂律尖峰恰好把每层预算用满。每一层单独都合格,但跨越无穷多个层累计起来,强 积分仍可能发散。这也是最大算子和奇异积分在 端点经常只能得到弱型控制的原因。
例子与边界
临界尖峰:弱范数有限,强积分无穷
在 上取 。当 时,;当 时,
所以 。另一方面,
这不是因函数在一个点取了无穷值:函数在每个 都有限,发散来自一整串越来越靠近零、越来越高的层。
通常表达式确实不满足三角不等式
仍在 ,令 、。两者的弱 拟范数都是一。然而
对每个 ,其超水平集是整个区间。因此 ,普通三角不等式失败。
拟三角不等式仍成立。因为
可以用两个超水平集界控制和。弱空间仍是线性空间,但范数几何需要额外小心。
推论与应用
强 自动给弱
对 使用Markov 型积分估计公理库Markov 不等式Markov's inequality非负随机变量超过阈值的概率由其期望除以阈值控制。,
取上确界得到 。临界尖峰证明反向包含一般不成立。
用层蛋糕公式看清差别
对每个非负数 ,有 。对 ,在 -有限测度空间上用Tonelli 定理公理库Tonelli 定理Tonelli's theorem非负可测函数的二重积分与两种迭代积分相等,允许共同取无穷。交换非负积分,得到
若 ,,则
若 或 ,函数几乎处处为零,下面的范数界直接成立。以下取 。当 时,在两项相等的 处分开积分,得到
因此有限测度空间上弱 蕴含每个较低指数的强 。当 ,高端积分变成 ,正好在临界处失败。若空间测度无穷,低水位区域也可能无穷大,不能删掉有限测度假设。
Hardy–Littlewood 最大算子公理库Hardy–Littlewood 最大不等式Hardy-Littlewood maximal inequality所有空间半径的局部平均所形成的最大算子满足弱 L1 和强 Lp 控制,核心机制是从重叠球中抽取不交子族。把 输入送到弱 。这个输出控制足够证明几乎处处局部恢复,虽然未能保证输出整体可积。Marcinkiewicz 插值公理库Marcinkiewicz 插值定理Marcinkiewicz interpolation theorem · Weak-type interpolation把函数按输出阈值拆成高低振幅两部分,用不同弱型界分别控制,再对阈值积分得到中间指数的强界。则将两个不同指数的弱型控制合在一起,取得中间指数的强型估计。
参考资料