{
  "id": "dominated-convergence-theorem",
  "title": "控制收敛定理",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "控制收敛定理指出，可测函数列几乎处处收敛且受同一可积函数控制时，可以交换极限与积分。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "支配收敛定理",
    "勒贝格控制收敛定理",
    "勒贝格支配收敛定理"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/dominated-convergence-theorem/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/dominated-convergence-theorem/",
      "json": "https://aiwiki.page/en/dominated-convergence-theorem.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "控制收敛定理是测度论中关于交换极限与积分的一项基本结果。它指出，如果一个可测函数列几乎处处收敛，且各项的绝对值都不超过同一个可积函数，那么极限函数可积，函数列的积分也收敛于极限函数的积分。这一定理属于勒贝格积分理论，适用于可变号的函数以及复值函数。(math.mit.edu)"
    },
    {
      "heading": "定理陈述",
      "text": "设 \\((X,\\Sigma,\\mu)\\) 是一个测度空间，\\(f_n:X\\to\\mathbb R\\) 或 \\(\\mathbb C\\) 是可测函数。假设：\n\n- \\(f_n(x)\\to f(x)\\) 几乎处处成立，其中 \\(f\\) 可测。\n- 存在一个非负可测函数 \\(g\\)，使得\n\n\\[\\int_X g\\,d\\mu<\\infty, \\qquad |f_n(x)|\\le g(x)\\]\n\n对每个 \\(n\\) 都几乎处处成立。\n\n那么每个 \\(f_n\\) 以及极限函数 \\(f\\) 都可积，并且\n\n\\[\\lim_{n\\to\\infty}\\int_X f_n\\,d\\mu = \\int_X f\\,d\\mu.\\]\n\n函数 \\(g\\) 称为可积控制函数或可积上界函数。必须由同一个 \\(g\\) 控制整个函数列；仅有依赖于 \\(n\\) 的各自上界并不足够。(math.mit.edu)\n\n“几乎处处”这一限定允许存在测度为零的例外集合。由于函数列只有可数项，各项上界不等式的例外集合可以合并为一个零测集。对于复值函数，绝对值指的是复数的模；分别对实部和虚部应用实值函数版本的定理，也能得到上述积分等式。(ocw.mit.edu)"
    },
    {
      "heading": "结论的含义与强度",
      "text": "逐点收敛控制的是每个固定点处的函数值，但其本身并不能控制整个积分。函数列可能出现越来越窄、越来越高的尖峰，也可能在无界定义域上将对积分的贡献移向越来越远的地方。控制条件则借助一个积分有限的函数，提供全局控制。(maths.tcd.ie)\n\n这一定理实际上给出了更强的结论：\n\n\\[\\int_X |f_n-f|\\,d\\mu\\longrightarrow0.\\]\n\n这意味着在L^1 空间中收敛，而不仅仅是带符号积分或复数积分的收敛。事实上，\\(|f|\\le g\\) 几乎处处成立，因此\n\n\\[|f_n-f|\\le2g.\\]\n\n对几乎处处趋于零的 \\(|f_n-f|\\) 应用控制收敛定理，即可证明这一结论。再由三角不等式得到\n\n\\[\\left|\\int_X f_n\\,d\\mu-\\int_X f\\,d\\mu\\right| \\le\\int_X|f_n-f|\\,d\\mu.\\]\n\n这些都是该定理的直接推论。(abel.math.harvard.edu)"
    },
    {
      "heading": "利用法图引理的证明",
      "text": "对于实值函数，一种标准的数学证明是两次应用法图引理。由于 \\(|f|\\le g\\)，所有相关积分都是有限的。函数 \\(g+f_n\\) 和 \\(g-f_n\\) 非负，因此由法图引理可得\n\n\\[\\int_X(g+f)\\,d\\mu \\le \\liminf_n\\int_X(g+f_n)\\,d\\mu\\]\n\n以及\n\n\\[\\int_X(g-f)\\,d\\mu \\le \\liminf_n\\int_X(g-f_n)\\,d\\mu.\\]\n\n消去 \\(g\\) 的有限积分后，得到\n\n\\[\\int_X f\\,d\\mu \\le\\liminf_n\\int_X f_n\\,d\\mu, \\qquad \\limsup_n\\int_X f_n\\,d\\mu \\le\\int_X f\\,d\\mu.\\]\n\n因此，下极限和上极限都等于 \\(\\int_X f\\,d\\mu\\)。可见，控制函数将法图引理中的单向不等式转化成了极限等式。(ocw.mit.edu)"
    },
    {
      "heading": "示例与缺少控制条件时的反例",
      "text": "在赋予勒贝格测度的区间 \\([0,1]\\) 上，考虑\n\n\\[f_n(x)=x^n.\\]\n\n除 \\(x=1\\) 外，这些函数都趋于零，并且 \\(0\\le f_n\\le1\\)。由于常数函数 \\(1\\) 在此区间上可积，定理给出\n\n\\[\\int_0^1x^n\\,dx\\longrightarrow0,\\]\n\n这与积分值 \\(1/(n+1)\\) 一致。这个例子说明了如何在有限区间上使用常数上界函数。(www-users.cse.umn.edu)\n\n作为对照，在 \\((0,1)\\) 上令\n\n\\[f_n(x)=n\\,\\mathbf1_{(0,1/n)}(x),\\]\n\n其中 \\(\\mathbf1_A\\) 表示集合 \\(A\\) 的示性函数。对于每个固定的 \\(x>0\\)，当 \\(n\\) 足够大时都有 \\(f_n(x)=0\\)，但\n\n\\[\\int_0^1f_n(x)\\,dx=1.\\]\n\n极限函数的积分为零。因此，逐点收敛，甚至加上 \\(|f_n|\\) 的积分具有统一上界，也不能替代一个可积的逐点上界函数。这种窄尖峰反例展示了控制条件所排除的失效情形。(maths.tcd.ie)\n\n在测度无限的定义域上，上界函数的可积性同样重要。例如，一维热核在时间趋于无穷时逐点趋于零，但其积分始终为一。它的质量扩散到越来越大的区域，因此这一函数族不存在共同的可积上界函数。(www-users.cse.umn.edu)"
    },
    {
      "heading": "应用",
      "text": "概率论中的期望\n\n在概率空间上，积分就是期望值。如果随机变量 \\(X_n\\) 几乎必然收敛于 \\(X\\)，并且\n\n\\[|X_n|\\le Y,\\qquad \\mathbb E[Y]<\\infty,\\]\n\n那么\n\n\\[\\mathbb E[X_n]\\to\\mathbb E[X], \\qquad \\mathbb E[|X_n-X|]\\to0.\\]\n\n这里不需要独立性假设。这就是以概率测度作为 \\(\\mu\\) 来应用测度论中的控制收敛定理。(math.mit.edu)\n\n含参数的积分\n\n假设 \\(h(t,x)\\) 关于 \\(x\\) 可测，对几乎每个 \\(x\\) 都关于实参数 \\(t\\) 连续，且当 \\(t\\) 位于 \\(t_0\\) 附近时，其绝对值不超过同一个可积函数。对任意序列 \\(t_n\\to t_0\\) 应用该定理，就能证明\n\n\\[H(t)=\\int_Xh(t,x)\\,d\\mu(x)\\]\n\n在 \\(t_0\\) 处连续。(maths.tcd.ie)\n\n该定理也可用于论证积分号下求导的合法性。一组充分条件是：\\(h\\) 为实值函数，其截面函数可测，\\(h(t_0,\\cdot)\\) 可积，而且在某个固定零测集之外，\\(h(\\cdot,x)\\) 在 \\(t_0\\) 的一个邻域内可微，并满足\n\n\\[|\\partial_t h(t,x)|\\le g(x),\\qquad g\\in L^1(\\mu).\\]\n\n由中值定理，差商的绝对值不超过 \\(g\\)。于是控制收敛定理给出\n\n\\[H'(t_0)=\\int_X\\partial_t h(t_0,x)\\,d\\mu(x).\\]\n\n因此，关键在于控制差商，而不只是控制原来的被积函数。(maths.tcd.ie)"
    },
    {
      "heading": "相关收敛定理",
      "text": "有界收敛定理是控制收敛定理的一个特例：在有限测度空间上，共同的常数上界是可积的。当空间的测度无限时，常数上界通常并不足够。(math.mit.edu)\n\n单调收敛定理则假设函数列非负且单调递增。它不要求存在可积上界函数，并允许极限函数的积分为无穷大。控制收敛定理不要求单调性，但其可积上界保证了各积分都是有限的。(math.mit.edu)\n\n控制收敛定理还有一种表述：保留共同的可积上界函数条件，将几乎处处收敛替换为依测度收敛。在概率论中，对应的收敛方式是依概率收敛。(math.mit.edu)"
    }
  ],
  "links": [
    "measure-theory",
    "limit",
    "lebesgue-integral",
    "measurable-function",
    "almost-everywhere",
    "null-set",
    "pointwise-convergence",
    "lp-space",
    "triangle-inequality",
    "mathematical-proof",
    "lebesgue-measure",
    "indicator-function",
    "probability-space",
    "expected-value",
    "random-variable",
    "almost-surely",
    "differentiation-under-the-integral-sign",
    "mean-value-theorem",
    "convergence-in-probability"
  ],
  "sources": [
    {
      "title": "175: Lecture 4 — Expectation properties, law of large numbers statement, and Kolmogorov’s extension theorem",
      "url": "https://math.mit.edu/~sheffield/2016175/Lecture4.pdf"
    },
    {
      "title": "Lecture Notes for 18.102, Spring 2009 — Lecture 7",
      "url": "https://ocw.mit.edu/courses/18-102-introduction-to-functional-analysis-spring-2009/b4538bf5ba1075ccb122886f32d0fa93_MIT18_102s09_lec07.pdf"
    },
    {
      "title": "Chapter 4. The dominated convergence theorem and applications",
      "url": "https://www.maths.tcd.ie/~richardt/MA2224/MA2224-ch4.pdf"
    },
    {
      "title": "Real and Complex Analysis — Section 5.6: The Dominated Convergence Theorem",
      "url": "https://abel.math.harvard.edu/archive/212a_fall_04/handouts/212book.pdf"
    },
    {
      "title": "125, Spring 2016",
      "url": "https://math.mit.edu/~dyatlov/125spring16/"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}