11wk: 적분 (1)

Author

최규빈

Published

May 16, 2023

강의영상

youtube: https://youtube.com/playlist?list=PLQqh36zP38-wE3YLAgBkDd80KhdCztqy4

약속

기호에 대한 암묵적 약속

- 르벡메져: 르벡메져는 지금까지 m으로 표현 앞으로는 λ로 표현.

- 메져: μ,ν 등으로 표현.

- 분포, 분포함수, 밀도함수: 확률공간 (Ω,F,P)에서 정의된 확률변수 X에 대응하는 분포는 μX, 그에 대응하는 분포함수는 FX, 그에 대응하는 밀도함수는 fX라고 표현.

- 일반적인 교재의 표기법

  • 르벡메져: μ, λ, m
  • 메져: μ, ν, m
  • 분포: μ
  • 분포함수: F, FX
  • 밀도함수: f, fX

- 잴 수 있는 함수의 표현 (아래는 모두 같은말)

  • 두 개의 가측공간 (Ω,F), (S,S)을 고려하자. 함수 f:ΩSBS: {ω:f(ω)B}F 을 만족한다.
  • 두 개의 가측공간 (Ω,F), (S,S)을 고려하자. f:ΩS는 잴 수 있는 함수이다.
  • f:(Ω,F)(S,S)
  • fFS measurable 하다.
  • fF, 이 표기법은 (S,S)=(R,R)일 경우에 한정하여 사용할 수 있음.
  • fS-valued measurable map

확장된 실수공간

- 교재에 따라서 확장된 실수공간 R¯를 고려하기도 한다. (, p 14)

R¯=R{}{}

- 또한 확장된 실수공간에 대응하는 보렐셋을 정의하기도 한다.

B(R¯)=R¯

- , 는 실수가 아니다. 따라서 xR 인 경우는 xreal-valued 라고 표현하지만 xR¯ 인 경우는 xR¯-valued 라고 표현한다.

로드맵

- 목표: 밀도함수에 대한 소개

- 로드맵: (적분, 칸토어집합) 밀도함수

예비학습

(Rd,Rd)

- 정의: 두개의 집합 A, B가 있을때 두집합의 곱집합 (cartesian product) A×B를 아래와 같이 정의한다.

A×B={(a,b):aA,bB}

- 정의: 수직선상의 두 열린구간 (a1,b1), (a2,b2) 의 곱집합

(a,b)=×i=12(ai,bi)=(a1,b1)×(a2,b2)

을 open rantangle 이라고 한다. 비슷한 논리전개로 (a,b],[a,b),[a,b] 역시 정의할 수 있다.

- 이론: 아래와 같은 집합들의 모임 A를 생각하자.

A={(a,b]:a<b, a,bR2}

여기에서 a<b는 “a1<b1 and a2<b2” 를 의미한다.

  1. 시그마필드 σ(A)는 잘 정의된다. (귀찮아서 만든 이론1)
  2. σ(A)R의 2차원버전이라 해석할 수 있다.
  3. 이러한 의미에서 R2=σ(A)라는 기호를 쓰기도 한다.
  4. (R2,R2) 는 잴 수 있는 공간이다.
  5. 함수 λ~:A[0,]를 아래와 같이 정의하자. 카라테오도리의 확장정리에 의하여 λ~(R2,R2) 에서의 메져가 된다. λ~((a,b])=i=12(biai)
  6. 08주차에 정리된 모든 Ai에 대하여, σ(Ai)=R2 을 만족한다.

- 체크: (R2,R2) 와 동일한 논리전개가 (Rd,Rd) 에서도 성립한다.

sup, inf

- 집합 A={1,2,3}에 대하여 아래의 표현을 살펴보자.

  • maxA=3
  • minA=1

- 집합 A=[0,2]에 대하여 아래의 표현을 살펴보자.

  • maxA=2
  • minA=0

- 집합 A=(0,2)라면?

  • maxA=???
  • minA=???
  • supA=2
  • infA=0
  • 1 2라고 하고싶은데 2라고 할 수 없다. (즉 정의할 수 없다.)

  • 2 0이라 하고싶은데 0이라고 할 수 없다. (즉 정의할 수 없다.)

  • - 가짜정의: 어떠한 집합 A가 있다고 할떄 supAinfA는 각각 maxAminA의 개념을 좀 더 업그레이드 한것이다. maxAA의 원소중 최대값을 의미하는데 이러한 max의 정의는 구간 [0,2)의 최대값은 2라고 주장할 수 없어 쓰기에 불편할 때가 있다. min 역시 마찬가지의 불편함이 있다. 이를 보완하기 위해 등장한 개념이 supinf이다.

    - 트릭: 증가하는 수열 an의 경우 sup{an}은 수열 {an}의 극한을 의미하기도 한다. 반대로 감소하는 수열 {an}의 경우 inf{an}{an}의 극한을 의미하기도 한다.

    잘못된 사용

    1. 집합들의 집합에서 inf,sup의 잘못된 사용: 부등호 <으로 해석

    • 예시1: inf{(1n,0]:nN}={0} // 틀린표현
    • 예시2: sup{[0,11n]:nN}=[0,1) // 틀린표현

    2 함수들의 집합에서 inf,sup의 잘못된 사용: 부등호 f<g 를 “x:f(x)<g(x)” 로 해석

    • 예시1: f(x)=x 일때, sup{fn:fn(x)=x1n,nn}=f // 틀린표현

    잴 수 있는 함수들

    - 이론: 두 개의 잴 수 있는 공간 (Ω,F), (R,R)을 고려하자. F-measurable 한 집합 A에 대하여 함수 f:ΩR을 아래와 같이 정의한다고 하자.

  • 3 AF이라는 뜻

  • f(ω)={1ωA0ωA

    함수 fFR measurable function 이다.

    (해설)

    1. BR를 고정하자.
    2. 만약에 {1,0}B 이라면 {ω:f(ω)B}=F 이다.
    3. 만약에 {1}B,{0}B 이라면 B={1}(B{1}) 와 같이 분해한다.
    4. f는 함수이므로 f1(B)=f1({1})f1(B{1})를 만족한다.
    5. f1({1})=A이고 f1(B{1})= 이므로 f1(B)=AF 를 만족한다.
    6. 3-5의 논의가 {0}B,{1}B 에 대해서도 성립한다.
    7. {0,1}B 인 경우에는 f1(B)=Ω가 되므로 f1(B)F 를 만족한다.
    8. 1-7의 논의가 임의의 B에 대하여 모두 성립하므로 BR: f1(B)F 이다.
    9. 따라서 fFR measurable function 이다.

    - 이론: 두 개의 잴 수 있는 공간 (Ω,F), (R,R)을 고려하자. 함수 fR-valued measurable function 이라면 임의의 αR에 대하여 함수

    g(ω)=αf(ω)

    역시 R-valued measurable function 이다.

    (해설)

    1. α=0 이라면, 자명하게 성립. 따라서 α0 일 경우만 증명하면 된다.
    2. BR를 고정하자.
    3. g1(B)=f1(1αB) 가 성립한다. 여기에서 1αB=:{x:x=yα,yB}.
    4. fR-valued measurable map 이므로 f1(1αB)F.
    5. 임의의 B에 대하여 2-4의 논의가 성립하므로 g 역시 FR measurable 이다.

    - Thm (, Thm 1.3.2): 세 개의 잴 수 있는 공간 (Ω,F), (S,S), (T,T)를 고려하자. f:(Ω,F)(S,S) 이고 g:(S,S)(T,T) 이면 gf:(Ω,F)(T,T) 이다.

    - 이론: 함수 f:RR가 연속함수라면 f:(R,R)(R,R) 이다.

    (해설) – 연속함수의 정의 + (, Thm 1.3.1) 를 알면 이해하기 쉬운데…

    - 이론: 두 개의 잴 수 있는 공간 (Ω,F), (R,R)을 고려하자. 함수 f,gR-valued measurable function 이라고 하자. 아래는 모두 R-valued measurable function 이다.

    1. h:=f+g
    2. h:=fg
    3. h:=max(f,g), where h:ωmax(f(ω),g(ω))
    4. h:=min(f,g), where h:ωmin(f(ω),g(ω))

    - 이론 (, Thm 1.3.5): 두 개의 잴 수 있는 공간 (Ω,F), (R,R)을 고려하자. 함수열 {fn:nN}의 모든 원소가 R-valued measurable function 이라고 하자. 그렇다면 아래는 모두 FR measurable 한 함수이다.

    Durrett, Rick. 2019. Probability: Theory and Examples. Vol. 49. Cambridge university press.
    • h:=inffn, where h:ωinf{f1(ω),f2(ω),}
    • h:=supfn, where h:ωsup{f1(ω),f2(ω),}

    적분 intro

    르벡적분 맛보기

    - (예제1) – 사각형의 넓이

    아래와 같은 함수의 밑면적을 계산해보자.

    f(x)={10x10o.w.

    답은 1이다. 이것을 적분을 이용하여 구하는 과정을 서술해라.

    (서술1)

    f(x)dx=01f(x)dx=01dx=1

    (서술2)

    그런데 이 예제의 경우 구간 [0,1]에서 함수 f(x)의 값이 모두 f(x)=1로 같고 그 외의 구간에서는 모두 f(x)=0이므로 아래와 같이 수식을 쓰는 것도 가능하다.

    λ([0,1])×1=1

    - (예제2) – 사각형의 넓이 (2)

    이제 아래와 같은 함수의 밑면적을 고려하자.

    g(x)={10<x<10o.w.

    이것을 적분을 이용하여 구하는 과정을 서술하고 기호를 살펴보자.

    (틀린서술)

    g(x)dx=01g(x)dx=01dx=1

    – 틀린이유? 01은 폐구간 [0,1]를 의미함. 이러한 구간에서는 g(x)의 값이 일괄적으로 1이라고 주장할 수 없다.

    (서술1)

    구간 [0,1]에서 g(x)의 밑면적은 구간 [0,1]에서 f(x)의 밑면적과 같으므로 1이다.

    (서술2)

    이 예제의 경우 구간 (0,1)에서 함수 g(x)의 값이 모두 g(x)=1로 같고 그 외의 구간에서는 모두 g(x)=0이므로 아래와 같이 수식을 쓸 수 있다.

    λ((0,1))×1=1

    - (예제3) – 사각형의 넓이 (3)

    이제 아래와 같은 함수 f(x)에 대한 밑면적을 계산하고 싶다고 생각해보자.

    f(x)={10<x<1/221/2x<1131<x<30o.w

    예제1,2에서 소개한 서술1,2에 근거하여 f의 밑면적을 구하는 방법을 논의하라.

    (서술1)

    f의 밑면적 S를 적분으로 나타내면

    S=012dx+1212dx+1313dx

    사실 abf(x)dx 와 같은 형태는 일반적으로 함수가 f가 폐구간 [a,b] 에서 정의된다고 가정하고 사용하므로 위의 기호는 정확하지 않다.

    1. x=12,1,3에 해당하는 영역은 중복혜서 계산된다.
    2. x=12에 해당하는 영역은 함수값을 1로 보기도 하고 2로 보기도 한다.
    3. x=1에 해당하는 영역은 함수값을 2로 보기도 하고 3으로 보기도 한다.
    4. x=0에 해당하는 영역은 실제로는 함수값이 0이지만 계산상으로는 1로 생각한다.
    5. x=1에 해당하는 영역은 실제로는 함수값이 0이지만 계산상으로는 2 혹은 13로 생각한다.
    6. x=3에 해당하는 영역은 실제로는 함수값이 0이지만 계산상으로는 13로 생각한다.

    하지만 이러한 사소한점을 무시해도 계산결과는 여전히 S이다.

    (서술2)

    함수 f의 면적 S는 아래와 같이 나타낼 수 있다.

    S=1×λ(A1)+2×λ(A2)+13λ(A3)

    단, 여기에서 A1=(0,12),A2=[12,1),A3=(1,3) 이다.

    (소감)

    르벡메져를 이용하여 넓이를 정의하니까 애매한 점 없이 매우 깔끔하다. 단지 A1,A2,A3이 르벡측도로 잴 수 있는 집합이어야 하므로 A1,A2,A3R 정도만 체크해주면 될 것 같다.

    - (예제4) – 리만적분 vs 르벡적분

    이제 아래와 같은 함수 f의 밑면적을 계산하는 방식을 고려하여 보자.

    f(x)={1x[0,1]Q2x[0,1]Qc0o.w.

    (서술1) – 리만적분

    적분이 불가능하다. 그 이유를 엄밀하지 않게 서술하면 아래와 같다.

    1. 우리가 알고 있는 “적분”이라는 것은 본래 x축을 잘게 쪼개서 아주 작은 구간을 만든뒤에 그 구간에서 f(x)의 값들이 비슷함을 이용하여 f(x)의 밑면적을 사각형넓이들의 합으로 근사시키는 방식이다.
    2. 이것은 아주 작은 구간에서는 f(x)의 값이 다른값을 가져봤자 그 차이는 미미하고 그래서 거의 상수처럼 생각할 수 있다는 직관을 이용하는 것이다.
    3. 일반적인 함수는 구간의 크기를 작게 만들수록 f(x)의 값은 점점 상수화되고 그 결과 사각형들의 합으로 근사된 넓이는 함수 f의 밑면적으로 수렴한다.
    4. 그런데 이 예제의 경우 아무리 작은 구간을 잡아도 그 사이에는 수많은 유리수와 수많은 무리수가 있으므로 함수값 f(x)은 안정화 되지 않으며 1과 2사이를 “널뛴다.”
    5. 따라서 적분값은 안정화되지 않는다.

    구간에서의 f(x)의 대표값을 양 끝점중 하나로 설정한다고 하자. 만약 구간의 양끝점을 유리수로만 설정하면 넓이는 1로 계산되고, 무리수로만 설정하면넓이는 2로 계산될 것이다.

    (서술2) – 르벡적분

    함수 f의 면적 S는 아래와 같이 나타낼 수 있다.

    S=1×λ(A1)+2×λ(A2)

    단, 여기에서 A1=[0,1]Q,A2=[0,1]Qc 이다. 집합 A1,A2 는 모두 R-measurable 하므로 λ(A1),λ(A2)의 값이 각각 0과 1로 잘 정의된다. 따라서 S=2로 계산할 수 있다.

    그림을 통한 이해

    - 느낌: 리만적분은 정의역을 잘게 쪼개는 느낌이지만, 르벡적분은 치역을 잘게 쪼개는 느낌이다. (리만적분을 밑넓이를 세로나누어 계산하고, 르벡적분은 가로로 나누어 계산한다.)

    위키에서 긁은 그림: 왼쪽이 리만적분, 오른쪽이 르벡적분

    위키에서 긁은 그림: 위쪽이 리만적분, 아래가 르벡적분

    dx 대신 dλ

    - 리만적분(dx)과 르벡적분(dλ)를 연결하여 보자.

    - 참고: 아래와 같은 함수 f(x)를 고려하자.

    f(x)={αx[0,1]o.w

    그리고 λ를 르벡메져라고 하자. 아래는 모두 같은 표현이다.

    1. f(x)dx
    2. 01f(x)dx
    3. 01αdx
    4. α01dx
    5. αλ(A)
    6. αAdλ
    7. Aαdλ
    8. Afdλ
    9. fdλ

    dλ 대신 dμ

    - 위의 표현들에서 dλ와 같은 표현은 르벡메져가 아닌 일반적인 메져에서도 표현가능하다. 만약 가측공간 (R,R)에 아래와 같은 메져 ν가 존재한다고 하자.

    ν=2λ

    여기에서 λ는 르벡메져이다. 그렇다면, 임의의 AR에 대하여 아래가 성립한다.

    Adν=2Adλ

    모든 곳에서, 거의 모든 곳에서

    - 르벡측도 0인 곳을 제외하고는 어떠한 명제가 성립할때 거의 모든 곳에서 라는 수식어를 붙인다. 영어로는 almost everywhere 라고 하며 기호로는 a.e. 라고 표현한다.

    - 예시1: 아래와 같은 함수 f를 고려하자.

    f(x)={1xQ0xRQ

    이 함수는 거의 모든 곳에서 0이다.

    기호로는 f=a.e.0 혹은 f=a.e.0 w.r.t. λ 와 같이 표현한다.

    - 예시2: 아래와 같은 함수 f,g를 고려하자.

    f(x)={1xQ0xRQ

    g(x)={2xQ0xRQ

    함수 fg거의 모든 곳에서 같다.

    기호로는 f=a.e.g 혹은 f=a.e.g w.r.t. λ 와 같이 표현한다.

    - 예시3: 아래와 같은 함수 f,g를 고려하자.

    f(x)={0xQ1xRQ

    함수 f거의 모든 곳에서 양수이다.

    기호로는 f>a.e.0 혹은 f>a.e.g w.r.t. λ 와 같이 표현한다.

    - 예시4: 아래와 같은 함수 f,g를 고려하자.

    f(x)={0xQ1xRQ

    g(x)={0xQ2xRQ

    함수 f거의 모든 곳에서 g보다 작다.

    기호로는 f<a.e.g 혹은 f<a.e.g w.r.t. λ 와 같이 표현한다.

    - 예시4: 만약에 아래와 같은 함수 f,g가 있다면

    f(x)={1xQ0xRQ

    g(x)={1xQ0xRQ

    함수 fg모든 곳에서 같다라고 할 수 있겠다. (보통 그냥 같다라고 하죠..)