Introducción

Hasta ahora, hemos visto resultados válidos en cualquier espacio de medida $(X,\mathcal{M},\mu)$. Sin embargo, hay algunas otras propiedades específicas de cada medida que tienen consecuencias teóricas relevantes. En esta sección revisaremos brevemente algunas de las más importantes.

Medidas finitas y $\sigma$-finitas

Los siguientes dos conceptos están relacionados con el «tamaño» de una medida.

Definición. Sea $(X,\mathcal{M},\mu)$ un espacio de medida. Diremos que $\mu$ es una medida finita si $\mu(X)<\infty$. Diremos que $\mu$ es $\sigma$-finita si $X$ puede ser expresado como una unión numerable de conjuntos de medida finita: $X=\bigcup_{k=1}^{\infty}E_k$ con $\mu(E_k)<\infty$ para tood $k$.

Observación. Toda medida finita es $\sigma$-finita, pero el regreso es falso como lo muestra el siguiente ejemplo.

Ejemplo. La medida de Lebesgue en $\mathbb{R}^n$ es $\sigma$-finita pues podemos escribir a $\mathbb{R}^n$ como una unión numerable de conjuntos de medida finita, sin embargo, no es una medida finita pues $\lambda(\mathbb{R}^n)=\infty$.

$\triangle$

Ejemplo. La medida de Lebesgue inducida en cualquier conjunto acotado es finita.

$\triangle$

Ejemplo. Sea $(X,2^X,\mu)$ un espacio con la medida de conteo. Claramente $\mu$ es finita si y sólo si $X$ es un conjunto finito. $\mu$ es $\sigma$-finita si y sólo si $X$ es un conjunto a lo más numerable: En efecto, si $X$ es numerable, podemos expresar $X=\bigcup_{x\in X}\{ x\} $, que es una unión numerable de conjuntos de medida $1$. Inversamente, si $\mu$ es $\sigma$-finita, podemos expresar $X=\bigcup_{k=1}^{\infty}E_k$ con $\mu(E_k)<\infty$, es decir, podemos expresar a $X$ como una unión numerable de conjuntos finitos, por tanto, el propio $X$ es a lo más numerable.

$\triangle$

Ejemplo. Toda medida de probabilidad $\mathbb{P}$ es finita, pues $\mathbb{P}(X)=1<\infty$ por definición.

$\triangle$

Medidas completas

La siguiente propiedad está relacionada con la «densidad» de una medida.

Definición. Sea $(X,\mathcal{M},\mu)$ un espacio de medida. Diremos que la medida $\mu$ es completa si cualquier subconjunto de un conjunto de medida cero es medible. Es decir, si $M\subseteq N\subseteq X$; $N\in \mathcal{M}$ y $\mu(N)=0$ $\implies$ $M\in \mathcal{M}$.

Ejemplo. La medida de Lebesgue en $\mathbb{R}^n$ es completa pues cualquier subconjunto de un conjunto nulo es nulo (y por tanto Lebesgue medible).

$\triangle$

Ejemplo. La medida de Lebesgue en $\mathbb{R}^n$ restringida a los conjuntos de Borel $(\mathbb{R}^n,\mathcal{B}_n,\lambda_{|\mathcal{B}_n})$ NO es completa. Existen conjuntos nulos que no son Borel medibles.

$\triangle$

Ejemplo. La medida de conteo sobre cualquier espacio es completa. En este caso el único conjunto con medida cero es el vacío.

$\triangle$

El siguiente resultado nos dice que cualquier medida puede ser «modificada» para tener una medida completa.

Proposición (Completación de una medida). Sea $(X,\mathcal{M},\mu)$ un espacio de medida. Definamos $\overline{\mathcal{M}}$ y $\overline{\mu}$ como:

• $A\in \overline{\mathcal{M}}$ $\iff$ Existen $B,C\in \mathcal{M}$ tales que $B\subseteq A\subseteq C$ y $\mu(C\setminus B)=0$. Definimos $\overline{\mu}(A)=\mu(B)=\mu(C)$.

Entonces $(X,\overline{\mathcal{M}},\overline{\mu})$ es un espacio de medida con $\overline{\mu}$ una medida completa. Además $\mathcal{M}\subseteq \overline{\mathcal{M}}$ y $\mu(A)=\overline{\mu}(A)$ $ \ \forall A\in \mathcal{M}$.

Demostración. $\overline{\mu}$ está bien definida pues si $B_1,C_1,B_2,C_2\in \mathcal{M}$ con $B_1,B_2\subseteq A\subseteq C_1,C_2$ y $\mu(C_1\setminus B_1)=\mu(C_2\setminus B_2)=0$, tenemos $C_1\setminus C_2\subseteq C_1\setminus B_1$; $C_2\setminus C_1\subseteq C_2\setminus B_2$ $\implies$ $\mu(C_1\setminus C_2)=\mu(C_2\setminus C_1)=0$ $\implies$ $\mu(C_1)=\mu(C_1)-\mu(C_1\setminus C_2)+\mu(C_2\setminus C_1)=\mu(C_2)$. Similarmente $\mu(B_1)=\mu(B_2)$.

De la definición es inmediato que $\mathcal{M}\subseteq \overline{\mathcal{M}} $ y $\mu=\overline{\mu}$ sobre $\mathcal{M}$, pues si $A\in \mathcal {M}$ $\implies$ $A\subseteq A\subseteq A$ y $\mu(A\setminus A)=0$.

Veamos que $\overline{\mathcal{M}}$ es una $\sigma$-álgebra.

• Es claro que $\emptyset \in \overline{\mathcal{M}}$.
• Si $A\in \overline{\mathcal{M}}$, por definición existen $B,C\in \mathcal{M}$ con $B\subseteq A\subseteq C$ y $\mu(C\setminus B)=0$ $\implies$ $C^c\subseteq A^c\subseteq B^c$ y $\mu(B^c\setminus C^c)=\mu(C\setminus B)=0$, lo que implica que $A^c\in \overline{\mathcal{M}}$.
• Si $A_1,A_2,\dots \in \overline{\mathcal{M}}$, existen $B_1,B_2,\dots$; $C_1,C_2,\dots$ en $\mathcal{M}$ tales que $B_k\subseteq A_k\subseteq C_k$ y $\mu(C_k\setminus B_k)=0$ para cada $k\in \mathbb{N}$. Luego: $\bigcup_{k=1}^{\infty}B_k\subseteq \bigcup_{k=1}^{\infty}A_k\subseteq \bigcup_{k=1}^{\infty}C_k$ (con el primer y último conjunto en $\mathcal{M}$), y $$\mu\left(\bigcup_{k=1}^{\infty}C_k\setminus \bigcup_{k=1}^{\infty}B_k\right)\leq \mu\left(\bigcup_{k=1}^{\infty}(C_k\setminus B_k)\right)\leq \sum_{k=1}^{\infty}\mu(C_k\setminus B_k)=0.$$ Por lo que $\bigcup_{k=1}^{\infty}A_k\in \overline{\mathcal{M}}$.

Finalmente, veamos que $\overline{\mu}$ es una medida. Es inmediato que $\overline{\mu}(\emptyset)=0$. Sean $A_1,A_2,\dots \in \overline{\mathcal{M}}$ conjuntos ajenos. Tomando $B_1,B_2,\dots$; $C_1,C_2,\dots$ como en el párrafo anterior, se sigue que $\bigcup_{k=1}^{\infty}B_k\subseteq \bigcup_{k=1}^{\infty}A_k\subseteq \bigcup_{k=1}^{\infty}C_k$, $\mu(\bigcup_{k=1}^{\infty}C_k\setminus \bigcup_{k=1}^{\infty}B_k)=0$. En particular, los $B_k$ son ajenos y $\overline{\mu}(\bigcup_{k=1}^{\infty}A_k)=\mu(\bigcup_{k=1}^{\infty}B_k)=\sum_{k=1}^{\infty}\mu(B_k)=\sum_{k=1}^{\infty}\overline{\mu}(A_k).$

$\square$

A la medida $\overline{\mu}$ construida en el ejemplo anterior se le conoce como la completación de $\mu$.

Observación. La completación de una medida completa es ella misma.

Ejemplo. La completación de la medida de Lebesgue restringida en los conjuntos de Borel es la medida de Lebesgue estándar.

Demostración. Como consecuencia del teorema de caracterización de conjuntos medibles, para cualquier conjunto $A\in \mathcal{L}_n$, podemos encontrar conjuntos $F_1\subseteq F_2 \subseteq\dots $ cerrados y $U_1\supseteq U_2\supseteq \dots$ abiertos tales que $F_k\subseteq A \subseteq U_k$ y $\lambda(U_k\setminus F_k)<\frac{1}{k}$ para cada $k\in \mathbb{N}$.

Al Tomar $F=\bigcup_{k=1}^{\infty}F_k$ y $U=\bigcap_{k=1}^{\infty}U_k$, es fácil ver que $F\subseteq A \subseteq U$ y $\lambda(U\setminus F)=0$. $F$ y $U$ son conjuntos de Borel, pues son uniones e intersecciones de conjuntos de Borel respectivamente.

De la definición, concluimos que la medida de Lebesgue sobre $\mathcal{L}_n$ es la completación de la medida de Lebesgue sobre $\mathcal{B}_n$.

$\triangle$

Para efectos de integración, casi siempre podemos asumir que la medida es completa. El siguiente resultado justifica esta idea.

Proposición. Sea $(X,\mathcal{M},\mu)$ un espacio de medida y $(X,\overline{\mathcal{M}},\overline{\mu})$ su completación. Entonces:

1. Para cualquier función $\overline{\mathcal{M}}$-medible $f:X\to [-\infty, \infty]$ existe una función $\mathcal{M}$-medible $g:X\to[-\infty, \infty]$ tal que $f=g$ en $\overline{\mathcal{M}}$-casi todo punto.
2. Si $g:X\to [0,\infty]$ es una función $\mathcal{M}$-medible no negativa, entonces $g$ es $\overline{\mathcal{M}}$ medible y además $$\int g \ \mathrm{d}\mu=\int g \ \mathrm{d}\overline{\mu}.$$
3. Si $g\in L^1(X,\mathcal{M},\mu)$ $\implies$ $g\in L^1(X,\overline{\mathcal{M}},\overline{\mu})$ y además $$\int g \ \mathrm{d}\mu=\int g \ \mathrm{d}\overline{\mu}.$$

Demostración.

1. Veamos primero el caso de una función simple. Sea $s=\sum_{k=1}^{m}\alpha_k \chi_{A_k}$ $\overline{\mathcal{M}}$-medible. Como $A_1,A_2,\dots, A_n$ son $\overline{\mathcal{M}}$ medibles, podemos encontrar $B_1,B_2,\dots , B_m$ conjuntos $\mathcal{M}$-medibles tales que $B_j\subseteq A_j$ y $\overline{\mu}(A_j\setminus B_j)=0$ (en particular $\mu(B_j)=\overline{\mu}(A_j)$). Entonces la función $s’=\sum_{k=1}^{m}\alpha_k \chi_{B_k}$ es $\mathcal{M}$ medible y es igual $\overline{\mu}$ en c.t.p. a $s$ (observa que además $s’\leq s$).
   Ahora consideremos una función $\overline{\mathcal{M}}$-medible $f$. Sea $s_k$ una sucesión de funciones simples $\overline{\mathcal{M}}$-medibles tales que $$s_k\uparrow f.$$ Por el caso anterior, podemos encontrar una sucesión de funciones simples $\mathcal{M}$-medibles $\{ s_k’ \}_{k=1}^{\infty}$ tales que $s_k’=s_k$ en $\overline{\mathcal{M}}$ c.t.p. La función $$\sup s_k’$$ es $\mathcal{M}$-medible e igual a $f$ en $\overline{\mu}$- c.t.p.
   El caso general se sigue de escribir $f=f_+-f_-$ y aplicar el caso anterior a $f_+$ y $f_-$ por separado.
2. Si $g\geq 0$ es $\mathcal{M}$-medible entonces en automático es $\overline{\mathcal{M}}$-medible pues $\mathcal{M}\subseteq \overline{\mathcal{M}}$. Si denotamos como $S_{\mathcal{M}}$ y $S_{\overline{\mathcal{M}}}$ a las funciones simples, no negativas, $\mathcal{M}$ y $\overline{\mathcal{M}}$ medibles respectivamente, entonces:
   $$\sup \left\{ \int s \ \mathrm{d}\mu \ | \ s\in S_{\mathcal{M}}; \ s\leq g \right\}\leq \sup\left\{ \int s \ \mathrm{d}\mu \ | \ s\in S_{\overline{\mathcal{M}}}; \ s\leq g \right\}.$$
   Pues el conjunto de la izquierda está contenido en el de la derecha ($S_{\mathcal{M}}\subseteq S_{\overline{\mathcal{M}}}$). Más aún, los conjuntos son iguales: La construcción del inciso anterior muestra que para cualquier $s\in S_{\overline{\mathcal{M}}}$ con $s\leq f$, existe $s’\in S_{\mathcal{M}}$ tal que $s’\leq s\leq f$ y $\int s’ \ \mathrm{d} \mu = \int s \ \mathrm{d}\mu$. Por definición de la integral se sigue que: $$\int g \ \mathrm{d}\mu = \int g \ \mathrm{d}\overline{\mu}.$$
3. Se sigue de escribir $g=g_+-g_-$ y aplicar el inciso anterior a $g_+$ y $g_-$ por separado.

$\square$

Más adelante…

Estudiaremos dos ejemplos importantes de medida inducidas: La medida inducida por una función medible no negativa y la medida imágen (o pushforward).

Tarea moral

• Sea $\delta_{x_0}$ la medida de Dirac sobre $X$. ¿Es $\delta_{x_0}$ una medida finita? ¿Es $\sigma$-finita?
• Sea $\mu_f$ la medida inducida por una función medible no negativa. Prueba que $\mu_f$ es finita si y sólo si $f\in L^1(X)$.
• Decimos que una medida es semi-finita si para cada $F\in \mathcal{M}$ con $\mu(F)=\infty$, existe algún $E\in \mathcal{M}$ tal que $E\subseteq F$ y $\mu(E)<\infty$. Prueba que si $\mu$ es semi-finita, y $\mu(F)=\infty$, entonces para cada $C>0$ existe $E\subseteq F$ con $C<\mu(E)<\infty$.
• Prueba que la medida de Dirac es completa.
• Sea $(X,\mathcal{M},\mu)$ un espacio de medida completo. Supón que $f$ es una función $\mathcal{M}$-medible y $g$ una función arbitraria. Pruba que si el conjunto $\{x \ | \ f(x)\neq g(x) \}$ es nulo, entonces $g$ es $\mathcal{M}$-medible. ¿Lo anterior es cierto si $\mu$ no es completa? [SUGERENCIA: Asumiendo que $B_1\subsetneq L_1$, debe existir $A$ un conjunto nulo Lebesgue-medible, pero no Borel-medible. Considera $\chi_A$].

Introducción

En la entrada pasada generalizamos el concepto de medida para espacios abstractos. Ahora veremos como extender el concepto de integración sobre un espacio de medida general y analizaremos un par de ejemplos clásicas.

Un comentario importante

La mayoría de definiciones y resultados que hemos establecido hasta ahora para la medida e integral de Lebesgue son válidos también para espacios de medida en general. La razón de esto es que las propiedades de la medida de Lebesgue en $\mathbb{R}^n$ son, por definición, las mismas que las de cualquier medida sobre un espacio abstracto $(X,\mathcal{M},\mu)$. Por ésta razón omitiremos la mayoría de pruebas pues, esencialmente, ya las hemos hecho. En prácticamente todos los casos basta reemplazar dentro de los argumentos las menciones de $(\mathbb{R}^n,\mathcal{L}_n,\lambda)$ por $(X,\mathcal{M},\mu)$ respectivamente.

La única excepción son los teoremas de caracterización de conjuntos medibles utilizados en la prueba de los teoremas de cambio de variable y Fubini. Estos resultados destacan la relación que existe entre la medida de Lebesgue y la topología de $\mathbb{R}^n$.

Integración en espacios de medida

Para definir la integral en espacios de medida general, podemos seguir el mismo órden que usamos para definir la integral en $\mathbb{R}^n$. En lo que sigue $(X,\mathcal{M},\mu)$ denotará un espacio de medida (salvo que se especifique lo contrario). Por simplicidad, cuando sea claro del contexto nos referiremos a las funciones $\mathcal{M}$-medibles simplemente como medibles.

Recordemos primero la definición de funciones simples:

Definición. Decimos que $s:X\to [-\infty, \infty]$ es una función simple si toma solamente una cantidad finita de valores.

Definición. Dado $X$ un conjunto y $\mathcal{M}$ una $\sigma$-álgebra sobre $X$, denotamos por $S_{\mathcal{M}}$ (o simplemente $S$) al conjunto de funciones simples y $\mathcal{M}$-medibles $s$, tales que $0\leq s <\infty$.

Observemos que toda función $s\in S_{\mathcal{M}}$. Se puede escribir como $$s=\sum_{k=1}^{m}\alpha_k\chi_{E_k},$$ Donde $0\leq \alpha_k <\infty$ y los conjuntos $E_k$ son $\mathcal{M}$-medibles y ajenos.

Una de las propiedades más importantes que probamos es que cualquier función medible se puede aproximar por funciones simples:

Teorema (Aproximación mediante funciones simples). Supongamos que $f:X\to [-\infty, \infty]$ es $\mathcal{M}$ medible. Entonces existe una sucesión $s_1,s_2,\dots$ de funciones simples $\mathcal{M}$-medibles tales que $$\lim_{k\to \infty} s_k = f.$$ Si $f\geq 0$, podemos tomar la sucesión de modo que $0\leq s_1\leq s_2\ \leq \dots$ . O más generalmente, podemos tomar la sucesión de modo que $|s_1|\leq \ |s_2|\leq \dots$ . Si $f$ es acotada, podemos hacer que la convergencia sea uniforme.

$\square$

Cuando sea claro del contexto, denotaremos a $S_{\mathcal{M}}$ como $S$.

Definición. Dado un espacio de medida $(X,\mathcal{M},\mu)$ y una función simple $s=\sum_{k=1}^{m}\alpha_k\chi_{E_k}\in S_{\mathcal{M}}$, definimos su integral como:
$$\int_X s \ \mathrm{d}\mu=\sum_{k=1}^{m}\alpha_k \mu(E_k).$$

Definición. Dada una función $\mathcal{M}$-medible no negativa $f:X\to[0,\infty]$, definimos su integral como:

$$\int f_X \ \mathrm{d}\mu=\sup\left\{ \int_X s \ \mathrm{d}\mu \ | \ s\leq f, \ s\in S \right\}.$$

Otras formas comunes para referirse a la integral son:

$$\int f \ \mathrm{d}\mu, \ \ \ \int f(x) \ \mathrm{d}\mu(x), \ \ \ \int_X \mathrm{d}\mu \ f, \ \ \ \int_X \mathrm{d}\mu(x) \ f(x).$$

Proposición (Propiedades de la integral de una función no negativa). Sean $f,g:X\to [0,\infty]$ funciones medibles. Entonces:

1. La integral de cualquier función medible no negativa $f$ está bien definida.
2. $$0\leq \int f \ \mathrm{d}\mu \leq \infty.$$
3. Si $0\leq c<\infty$ es una constante, $$\int cf \ \mathrm{d}\mu=c\int f \ \mathrm{d}\mu.$$
4. Si $f\leq g$, entonces $$\int f \ \mathrm{d}\mu\leq \int g \ \mathrm{d}\mu.$$
5. Si $\int f \ \mathrm{d}\mu=0$ Entonces $$\mu(\{ x \ | \ f(x)>0 \})=0.$$
6. $$\int (f+g) \ \mathrm{d}\mu=\int f \ \mathrm{d}\mu+\int g \ \mathrm{d}\mu.$$

$\square$

También podemos dar versiones generales de los teoremas de convergencia para integrales. Nuevamente las demostraciones son idénticas al caso en $\mathbb{R^n}$ así que las omitimos.

Teorema (de convergencia monótona de Lebesgue). Sea $\{f_k \}_{k=1}^{\infty}$ una sucesión creciente de funciones medibles no negativas sobre $X$: $$0\leq f_1\leq f_2\leq f_3\leq \dots$$ Entonces $$\lim_{k\to \infty} \int f_k \ \mathrm{d}\mu=\int \left( \lim_{k\to \infty} f_k \right) \ \mathrm{d}\mu.$$

$\square$

Teorema (Lema de Fatou). Sean $f_1,f_2,f_3,\dots$ funciones medibles y no negativas. Entonces: $$\int\left( \liminf_{k\to \infty} f_k \right) \ \mathrm{d}\mu\leq \liminf_{k\to \infty} \int f_k \ \mathrm{d}\mu.$$

Similarmente, podemos definir la integral de funciones medibles más generales de manera análoga a la integral en $\mathbb{R}^n$.

$\square$

Definición. Sea $f:X\to [-\infty,\infty]$ una función medible, con parte positiva y negativa $f_+$ y $f_-$ respectivamente. Definimos la integral de $f$ como $$\int f \ \mathrm{d}\mu=\int f_+ \ \mathrm{d}\mu-\int f_- \ \mathrm{d}\mu.$$ Siempre que este número esté bien definido. Decimos que una función $f$ es integrable si:
$$\int f_+ \ \mathrm{d}\mu,\int f_- \ \mathrm{d}\mu<\infty.$$ Denotaremos la clase de funciones integrables como $L^1(X,\mathcal{M},\mu),L^1(X)$ o simplemente como $L^1$ si el espacio de medida es claro del contexto.

Proposición (Propiedades de la integral de funciones $L^1$). Sean $f,g:X\to \infty$ funciones en $L^1(X,\mathcal{M},\mu)$.

1. (Desigualdad del triángulo). $$\left| \int f \ \mathrm{d}\mu\right|\leq \int |f| \ \mathrm{d}\mu.$$ Además $$f\in L^1 \ \ \iff \ \ |f|\in L^1.$$
2. (Linealidad). Dados $a,b\in \mathbb{R}$ constantes $$\int (af+bg) \ \mathrm{d}\mu=a\int f \ \mathrm{d}\mu+b\int g \ \mathrm{d}\mu.$$
3. Si $f\leq g$, entonces $$\int f \ \mathrm{d}\mu\leq \int g \ \mathrm{d}\mu.$$

$\square$

Teorema (de convergencia dominada). Sea $f_1,f_2,f_2,\dots$ una sucesión de funciones medibles sobre $X$ tales que $$\lim_{k\to \infty} f_k(x)$$ Existe para (c.t.p.) $x\in X$, y además existe una función $g\in L^1(X)$ tal que $$|f_k(x)|\leq g(x)$$ Para (c.t.p.) $x\in X$ y $k\in \mathbb{N}$. Entonces $f\in L^1(X)$ y $$\int \left(
\lim_{k\to \infty} f_k \right) \ \mathrm{d}\mu=\lim_{k\to \infty} \int f_k \ \mathrm{d}\mu.$$

$\square$

En el teorema pasado hacemos uso del concepto de «en casi todo punto». Éste es identico al caso en $\mathbb{R}^n$: Una propiedad se cumple «casi donde sea» o «en casi todo punto» (abreviado por c.t.p.) si el conjunto de puntos donde NO se cumple tal propiedad es de medida ($\mu$) cero. Naturalmente también hay versiones en casi todo punto de los teoremas de convergencia monótona y el Lema de Fatou pero omitimos su enunciado.

Al igual que antes, los conjuntos de medida cero no afectan el valor de la integral.

Proposición (insensibilidad de la integral). Sean $f,g:X\to[-\infty,\infty]$ funciones medibles tales que $\mu(\{ x \ | \ f(x)\neq g(x) \})=0$. Si $f\in L^1(X)$ $\implies$ $g\in L^1(X)$ con $$\int f \ \mathrm{d}\mu=\int g \ \mathrm{d}\mu.$$

$\square$

Al igual que en $\mathbb{R}^n$, podemos definir integrales sobre conjuntos $\mathcal{M}$-medibles:

Definición. Sea $f$ una función definida sobre un conjunto $\mathcal{M}$-medible $E$. Decimos que $f$ es medible sobre $E$ si $f\chi_E$ es $\mathcal{M}$-medible, o equivalentemente, si $f^{-1}(B)\in \mathcal{M}$ para cualquier conjunto de Borel $B$.

Definimos la integral de $f$ sobre $E$ (cuando tenga sentido) como: $$\int_E f \ \mathrm{d}\mu=\int f\cdot\chi_E \ \mathrm{d}\mu.$$
Diremos que $f\in L^1(E)$ si $f\cdot\chi_E\in L^1(X)$.

La integral sobre conjuntos tiene propiedades análogas a las de la integral sobre conjuntos de $\mathbb{R}^n$. Omitimos los detalles.

Algunos ejemplos típicos

Si bien la integral sobre un espacio de medida abstracto tiene propiedades análogas a las de la integral de Lebesgue en $\mathbb{R}^n$, ésta nos puede decir información muy diferente dependiendo del espacio sobre el que estemos trabajando. Veamos un ejemplo concreto: La integral respecto a la medida de conteo.

Ejemplo. Consideremos $(X,2^{X},\mu)$, donde $X$ es un conjunto finito o numerable y $\mu$ es la medida de conteo. Notemos que cualquier función $f:X\to[-\infty, \infty]$ es medible pues $f^{-1}([-\infty,t])\in 2^X$ para cualquier $t$.

Ahora, sea $f\geq 0$ una función no negativa. Como $X$ es a lo más numerable podemos escribir: $$f(y)=\sum_{x\in X}f(x)\chi_{\{ x\}}(y).$$ Aplicando el teorema de la convergencia monótona y linealidad:
$$ \int f \ \mathrm{d}\mu =\int \sum_{x\in X}f(x)\chi_{\{ x\}} \ \mathrm{d}\mu=\sum_{x\in X}\left( f(x) \int \chi_{\{ x\}} \ \mathrm{d}\mu\right)=\sum_{x\in X} f(x) \mu(\{ x\})$$ $$=\sum_{x\in X} f(x).$$ Pues la medida de cualquier conjunto unitario bajo la medida de conteo es $1$. Esto nos dice que la integral bajo la medida de conteo es simplemente la suma de los valores de la función.

Más generalmente, dada $f:X\to[-\infty,\infty]$, recordemos $f\in L^1(X)$ $\iff$ $|f|\in L^1(X)$. Como $$\int |f| \ \mathrm{d}\mu=\sum_{x\in X}|f(x)|,$$ Concluimos que $f\in L^1(X)$ si y sólo si la serie $\sum_{x\in X} f(x)$ converge absolutamente. En cuyo caso la integral resulta nuevamente: $$\int f \ \mathrm{d}\mu=\int f_+ \mathrm{d}\mu-\int f_- \mathrm{d}\mu=\sum_{x\in X} f_+(x)-\sum_{x\in X} f_-(x)=\sum_{x\in X} f(x).$$
La integral respecto a la medida de conteo sobre conjuntos no numerables se comporta de manera muy similar salvo ciertas restricciones sobre el «soporte» de las funciones (ver Tarea moral).

$\triangle$

Ejemplo. Dado $(X,\mathcal{M},\mu)$ un espacio de medida y $E\in \mathcal {M}$ un conjunto medible, definimos la $\sigma$-álgebra inducida sobre $E$ como $$\mathcal{M}_E=\{ F\cap E \ | \ F\in \mathcal{M} \}.$$ Definimos la medida inducida por $\mu$ sobre $E$ como $$\mu_E(A)=\mu(A) \ \ \ \ \ \ \forall A\in \mathcal{M}_E.$$ Es fácil ver que $(E,\mathcal{M}_E,\mu_E)$ forman un espacio de medida. Más aún, siempre que tenga sentido, se tiene que: $$\int_E f \ \mathrm{d}\mu=\int f \ \mathrm{d}\mu_E.$$ Es decir, la integral sobre un conjunto se puede pensar como la integral respecto a la medida inducida. La verificación de este hecho es de rutina y se queda como tarea moral.

$\triangle$

Ejemplo. En $\mathbb{R}^n$, la integración sobre la medida de Hausdorff $s$-dimensional $\mathcal{H}^s$ con $s<n$ entero, generaliza los conceptos de integral de línea y superficie a dominios y funciones mucho más generales.

$\triangle$

Más adelante…

Revisaremos brevemente algunas propiedades que nos ayudan a «clasificar» medidas y que son de gran importancia para establecer resultados más avanzados.

Tarea moral

• Sea $X$ un conjunto no numerable con la medida de conteo $\mu$ y $f:X \to [0,\infty]$. Demuestra que $$\int f \ \mathrm{d}\mu=\sum_{x\in\{ x | f(x)\neq 0 \}} f(x).$$ Si $\{x \ | \ f(x)\neq 0 \}$ es numerable y $$\int f \ \mathrm{d}\mu=\infty.$$ En otro caso.
• Sea $\delta_{x_0}$ la medida de Dirac en $x_0$ sobre $X$. Calcula $$\int f \ \mathrm{d}\delta_{x_0} .$$
• Con la notación del último ejemplo, demuestra que $$\int_E f \ \mathrm{d}\mu=\int f \ \mathrm{d}\mu_E.$$ [SUGERENCIA: Procede con el órden usual: función característica $\implies$ función simple $\implies$ función no negativa].

Introducción

Hasta ahora, nos hemos limitado a estudiar el problema de la medida e integración en $\mathbb{R}^n$, sin embargo, todo lo que hemos visto se puede generalizar de manera automática a un contexto más general.

La integración en espacios de medida es una generalización poderosa de la integral de Lebesgue, que extiende el concepto de integración a espacios más abstractos. Es fundamental en la formulación moderna de la teoría de probabilidad y tiene un sinnúmero de consecuencias dentro del análisis y sus aplicaciones. En esta entrada definiremos el concepto de espacio de medida, veremos algunos ejemplos y sus principales propiedades.

Un salto a la generalidad

Definición.Un espacio de medida $(X,\mathcal{M},\mu)$ es una terna con:

1. $X$ un conjunto no vacío.
2. $\mathcal{M}\subseteq 2^{X}$ una $\sigma$-álgebra sobre el conjunto $X$.
3. Una medida sobre $(X,\mathcal{M})$. Esto es, una función $\mu: \mathcal{M}\to [0,\infty]$ que satisface:
   • $\mu(\emptyset)=0$
   • Para cualesquiera $A_1,A_2,\dots$ conjuntos disjuntos en $\mathcal{M}$, $$\mu\left(\bigcup_{k=1}^{\infty}A_k\right)=\sum_{k=1}^{\infty}\mu(A_k).$$

Cuando la $\sigma$-álgebra sea clara del contexto, diremos simplemente que $\mu$ es una medida sobre $X$.

En ésta y en las próximas entradas, $(X,\mathcal{M},\mu)$ denotará un espacio de medida arbitrario salvo que se especifique lo contrario.

Algunos ejemplos típicos

Las medidas generales tienen propiedades «similares» a la medida de Lebesgue, aunque pueden surgir de contextos MUY distintos. Dedicaremos esta sección a ver algunos ejemplos clásicos.

Ejemplo. Por supuesto, $X=\mathbb{R}^n$, $\mathcal{M}=\mathcal{L}_n$ y $\mu=\lambda$, forman un espacio de medida.

$\triangle$

Ejemplo. La medida de Lebesgue restringida a los conjuntos de Borel, es decir, $X=\mathbb{R}^n$, $\mathcal{M}=\mathcal{B}_n$ y $\mu=\lambda_{|\mathcal{B}_n}$, forman un espacio de medida.

$\triangle$

Ejemplo. Cualquier conjunto no vacío $X$, con $\mathcal{M}=2^X$ y la función $\mu:2^X\to [0,\infty]$, con regla $\mu(\emptyset)=0$ y $\mu(A)=\infty$ si $A\neq \emptyset$, forman un espacio de medida.

$\triangle$

Ejemplo (medida de conteo). Cualquier conjunto no vacío $X$, $\mathcal{M}=2^X$ y $\mu$ la función definida por:

\begin{equation*}
\mu(A)=
\begin{cases}
\#A & \text{si } A \text{ es finito } \\
\infty & \text{si } A \text{ es infinito }
\end{cases}
\end{equation*}

Donde $\#A$ denota la cardinalidad de $A$, forman un espacio de medida. En este caso, a la medida $\mu$ se le llama la medida de conteo sobre $X$.

Veamos que $(X,\mathcal{M},\mu)$ es efectivamente un espacio de medida. Ya sabemos que $2^X$ es una $\sigma$-álgebra sobre $X$, así que basta probar que $\mu$ es una medida. Por definición, $\mu(\emptyset)=0$, así que solo falta probar que $$\mu\left(\bigcup_{k=1}^{\infty}A_k\right)=\sum_{k=1}^{\infty}\mu(A_k).$$ Para cualesquiera $A_1,A_2\dots$ conjuntos disjuntos:

• Si algunos de los $A_i$ es infinito, entonces $\bigcup_{k=1}^{\infty}A_k$ es infinito, por lo que $\mu(\bigcup_{k=1}^{\infty}A_k)=\infty$. Por otro lado, como $\mu(A_i)=\infty$, tenemos $\sum_{k=1}^{\infty}\mu(A_k)=\infty=\mu(\bigcup_{k=1}^{\infty}A_k)$.
• Si todos los $A_k$ son finitos pero $\#A_k>0$ para una cantidad infinita de $k$, entonces $\bigcup_{k=1}^{\infty}A_k$ es infinito $\implies$ $\mu(\bigcup_{k=1}^{\infty}A_k)=\infty$. De igual manera $\sum_{k=1}^{\infty}\mu(A_k)=\infty$ al tener una cantidad infinita de sumandos $\geq 1$.
• Si $\#A=0$ salvo para una cantidad finita de $k$, digamos $A_1,\dots, A_N$ $$\implies \bigcup_{k=1}^{\infty}A_k=\bigcup_{k=1}^{N}A_k$$ Finalmente, por definición y el hecho que $A_1,\dots, A_N$ son disjuntos: $$\implies \mu\left (\bigcup_{k=1}^{\infty}A_k\right)=\sum_{k=1}^{N} \#A_k=\sum_{k=1}^{N}\mu(A_k)=\sum_{k=1}^{\infty}\mu(A_k).$$

$\triangle$

Ejemplo. Sea $X$ un conjunto no vacío $X$ y $x_0\in X$ un punto arbitrario pero fijo. Definimos la función $\mu:2^X\to [0,\infty]$ como $\mu(A)=\chi_A(x_0)$. La terna $(X,2^X,\mu)$ es un espacio de medida (tarea moral). En este caso a $\mu$ se le conoce como la medida de Dirac en $x_0$ y se denota usualmente por $\delta(x_0)$.

$\triangle$

Ejemplo. Un espacio de Probabilidad es un espacio de medida $(X,\mathcal{M},\mu)$ tal que $\mu(X)=1$. En este caso a $\mu$ se le conoce como medida de Probabilidad. Generalmente se reserva la letra $\mathbb{P}$ para referirse a las medidas de probabilidad.

$\triangle$

Ejemplo. Sea $X=\mathbb{R}^n$ y $\mathcal{M}=\mathcal{L}_n$. Cualquier función medible no negativa $f:\mathbb{R}^n\to [0,\infty]$ induce una medida $\mu_f$ dada por $$\mu_f(E)=\int_E f \ \mathrm{d}\lambda.$$ Esto es consecuencia de la aditividad numerable de la integral.

$\triangle$

El siguiente ejemplo es importante pero bastante técnico, por lo que que nos limitamos a los detalles más generales.

Ejemplo. La medida de Hausdorff generaliza el concepto de longitud, área y volumen a dimensiones no enteras y espacios métricos arbitrarios. Dado un espacio métrico $(X,d)$, la medida de Hausdorff $s$-dimensional ($s\geq 0$) de un conjunto $A\subseteq X$, denotada $\mathcal{H}^s(A)$, se define como $$\mathcal{H}^s(A)=\liminf_{\delta \to 0}\left\{ \sum_{i\in I} (diam(U_i))^s \ | \ A\subseteq \bigcup_{i\in I} U_i, \ \ diam(U_i)<\delta\right\}.$$ Donde $diam(U_i)$ es el diámetro del conjunto $U_i$, e $I$ es un conjunto de índices a lo más numerable. Esta medida está definida sobre los conjuntos de Borel de $X$, denotados como $B_X$, que es la $\sigma$-álgebra generada por los conjuntos abiertos de $X$ (aunque se pude extender a una $\sigma$-álgebra más grande de conjuntos $\mathcal{H}^s$-medibles análoga a los conjuntos Lebesgue-medibles).

Cuando $X=\mathbb{R}^n$ y $s=n$, la medida de Hausdorff coincide con la medida de Lebesgue.

Esta medida proporciona información valiosa sobre la estructura fina de fractales como el conjunto de Cantor, el triángulo de Sierpiński, etc., además de ser clave en el estudio de la geometría de objetos con «singularidades»

$\triangle$

Propiedades de las medidas

Proposición. Sea $(X,M,\mu)$ un espacio de medida. Entonces

1. (Monotonía). Si $A,B\in \mathcal{M}$ y $A\subseteq B$, entonces $\mu(A)\leq \mu(B)$.
2. (Subaditividad). Si $\{ A_k \}_{k=1}^{\infty}\subseteq \mathcal{M}$, entonces $$\mu\left(\bigcup_{k=1}^{\infty}A_k\right)\leq \sum_{k=1}^{\infty}\mu(A_k).$$
3. (Continuidad por abajo). Si $A_1\subseteq A_2\subseteq \dots$ es una sucesión creciente de conjuntos $\mathcal{M}$-medibles, entonces $$\mu\left(\bigcup_{k=1}^{\infty}A_k\right)=\lim_{k\to \infty} \mu(A_k).$$
4. (Continuidad por arriba). $A_1\supseteq A_2\supseteq \dots$ es una sucesión decreciente de conjuntos $\mathcal{M}$-medibles, y $\mu(A_1)<\infty$, entonces $$\mu\left(\bigcap_{k=1}^{\infty}A_k\right)=\lim_{k\to \infty} \mu(A_k).$$

Comentario. Casi todas las definiciones y resultados que hemos establecido para la medida e integral de Lebesgue también son válidos para espacios de medida en general. La razón de esto es que las propiedades de la medida de Lebesgue en $\mathbb{R}^n$ son, por definición, las mismas que las de cualquier medida sobre un espacio abstracto $(X,\mathcal{M},\mu)$. Observa que la prueba debajo es idéntica al caso de la medida de Lebesgue en $\mathbb{R}^n$.

Demostración.

1. Si $A\subseteq B$, podemos escribir a $B$ como la unión ajena $B=A\cup(B\setminus A)$. Luego: $$\mu(B)=\mu(A)+\mu(B\setminus A)$$ $$\implies \mu(A)\leq \mu(B).$$ Pues $\mu(B\setminus A)\geq 0$. La primera igualdad tambien implica que $\mu()$
2. Sea $B_1=A_1$ y $B_k=A_k\setminus(\bigcup_{j=1}^{k-1}A_j)$ para $k>1$. Los $B_k$ son conjuntos disjuntos con $B_k\subseteq A_k$ para todo $k\in \mathbb{N}$. Observa que $\bigcup_{j=1}^{m}B_j=\bigcup_{j=1}^{m}A_j$. Luego, por definición de medida y 1.: $$\mu\left(\bigcup_{j=1}^{\infty}A_j\right)=\mu\left(\bigcup_{j=1}^{\infty}B_j\right)=\sum_{j=1}^{\infty}\mu(B_j)\leq \sum_{j=1}^{\infty}\mu(A_j).$$
3. Definiendo $A_0=\emptyset$, observa que $A_m=\bigcup_{j=1}^{m}A_j=\bigcup_{j=1}^{m}(A_j\setminus A_{j-1})$ y los conjuntos $\{ A_j\setminus A_{j-1}\}_{j=1}^{\infty}$ son ajenos. Luego: $$\mu\left(\bigcup_{j=1}^{\infty}A_j\right)=\sum_{j=1}^{\infty}\mu(A_j\setminus A_{j-1})=\lim_{k\to \infty}\sum_{j=1}^{k}\mu(A_j\setminus A_{j-1})=\lim_{k\to \infty} \mu(A_k).$$
4. Sea $F_j=A_1\setminus A_j$; entonces $F_1\subseteq F_2\subseteq \dots$ Para cada $j$ notemos que $\mu(A_1)=\mu(F_j)+\mu(A_j)$, además $\bigcup_{j=1}^{\infty}F_j=A_1\setminus (\bigcap_{j=1}^{\infty}A_j)$. Se sigue por 3. que: $$\mu(A_1)=\mu\left(\bigcap_{j=1}^{\infty}A_j\right)+\lim_{j\to \infty}\mu(F_j)=\mu\left(\bigcap_{j=1}^{\infty}A_j\right)+\lim_{j\to \infty}[\mu(A_1)-\mu(A_j)].$$ Restando $\mu(A_1)<\infty$ de ambos lados se sigue 4.

$\square$

Más adelante…

Con la integral de Lebesgue en $\mathbb{R}^n$ como modelo, definiremos la integral sobre espacios de medida en general y veremos algunos ejemplos.

Tarea moral

• Prueba que la medida de Dirac $\delta_{x_0}$ es una medida.
• Sea $(X,\mathcal{M},\mu)$ un espacio de medida. Sea $\mathcal{N}\subseteq \mathcal{M}$ una $\sigma$-álgebra y $\mu_{\mathcal{N}}$ la restricción de $\mu$ sobre $\mathcal{N}$. Demuestra que $(X,\mathcal{N},\mu_{|\mathcal{N}})$ es un espacio de medida.
• Sea $f\in L^1(\mathbb{R}^n)$ y $\mu_f(E)=\int_E f \ \mathrm{d}\lambda$ para todo $E\in \mathcal{L}_n$. ¿Es $\mu_f$ una medida?
• Sea $g(x)=\frac{1}{\sigma \sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}$ ($\sigma>0$). Demuestra que $\int_{\mathbb{R}}g(x) \ \mathrm{d}x=1$. Deduce que $\mu_g$ es una medida de probabilidad. ($g$ es la función de densidad de probabilidad de una variable aleatoria normalmente distribuida con media $\mu$ y varianza $\sigma^2$). [SUGERENCIA: Usa un cambio de variable sobre la integral gaussiana].
• Sea $\mathcal{M}$ una $\sigma$-álgebra sobre $X$; $\mu_1,\mu_2, \dots, \mu_n$ medidas sobre $X$ y $a_1,a_2,\dots,a_n \in [0,\infty)$. Demuestra que $\sum_{k=1}^{n}a_k\mu_k$ es una medida sobre $X$.

Introducción

En esta entrada daremos finalmente una demostración del Teorema de Fubini.

Notación. Por simplicidad, a lo largo de nuestros desarrollos denotaremos como $\lambda$ a la medida de Lebesgue en cualquier dimensión. La dimensión en la que estemos trabajando será clara del contexto.

Teorema de Fubini-Tonelli (para funciones no negativas). Sea $f:\mathbb{R}^n\to[0,\infty]$ una función medible no negativa. Entonces para c.t.p. $y\in \mathbb{R}^m$, la función $$f_y:\mathbb{R}^l\to [0,\infty].$$ Es medible sobre $\mathbb{R}^l$. Más aún, la función definida en c.t.p. $$F(y)=\int_{\mathbb{R}^l}f_y(x) \ \mathrm{d}x.$$ Es medible en sobre $\mathbb{R}^m$ y $$\int_{\mathbb{R}^n}f(x,y) \ \mathrm{d}x \mathrm{d}y=\int_{\mathbb{R}^m}F(y) \ \mathrm{d}y=\int_{\mathbb{R}^m}\left( \int_{\mathbb{R}^l}f(x,y) \ \mathrm{d}x\right) \ \mathrm{d}y.$$

Demostración. La demostración se divide en varios pasos. Los dos principales son:

1. Probar primero el teorema para el caso en el que $f=\chi_A$ es la función característica de un conjunto medible y acotado $A$. Para esto, conviene primero ver los casos en que $A$ es un conjunto «sencillo» (rectángulo/abierto/compacto) y luego usar argumentos de aproximación.
2. Probar el caso general con el esquema usual: proposición para función característica $\implies$ proposición para función simple (por linealidad) $\implies$ proposición para función medible general (por convergencia monótona).

Para el primer paso, debemos probar que para cada $A\subseteq \mathbb{R}^n$ medible y acotado: $$\int_{\mathbb{R}^m}\left( \int_{\mathbb{R}^l} (\chi_A)_y(x) \ \mathrm{d}x\right) \ \mathrm{d}y=\int_{\mathbb{R}^n}\chi_A(x,y) \ \mathrm{d}x\mathrm{d}y$$ $$\iff \int_{\mathbb{R}^m}\left( \int_{\mathbb{R}^l} \chi_{A_y}(x) \ \mathrm{d}x\right) \ \mathrm{d}y=\int_{\mathbb{R}^n}\chi_A(x,y) \ \mathrm{d}x\mathrm{d}y$$ $$\iff \int_{\mathbb{R}^m}\lambda(A_y) \ \mathrm{d}y=\lambda(A).$$

• Supongamos primero que $f=\chi_J$, donde $J$ es un rectángulo semiabierto, es decir, un rectángulo de la forma $J=[a_1,b_1)\times[a_2,b_2)\times\dots\times [a_n,b_n)$.

Notemos que podemos descomponer a $J$ como un producto cartesiano de dos rectángulos semiabiertos $J=J_1\times J_2$; donde $J_1=[a_1,b_1)\times[a_2,b_2)\times\dots \times [a_l,b_l)\subseteq \mathbb{R}^l$ y $J_2=[a_{l+1},b_{l+1})\times[a_{l+2},b_{l+2})\times\dots \times [a_n,b_n)\subseteq \mathbb{R}^m$. Además, claramente $$\lambda(J)=\lambda(J_1)\lambda(J_2 ).$$

Ahora, para cualquier $y\in \mathbb{R}^m$:

\begin{equation*}
J_y=
\begin{cases}
J_1 & \text{si } y \in J_2 \\
\emptyset & \text{si } y \notin J_2
\end{cases}
\end{equation*}

Entonces:

\begin{equation*}
\lambda(J_y)=
\begin{cases}
\lambda(J_1) & \text{si } y \in J_2 \\
0 & \text{si } y \notin J_2
\end{cases}
\end{equation*}

Por lo que $$\lambda(J_y)=\lambda(J_1)\chi_{J_2}(y).$$

Es medible como función de $y$ (en $\mathbb{R}^m$) con:

\begin{align*}
\int_{\mathbb{R}^m} \lambda(J_y) \ \mathrm{d}y &= \int_{\mathbb{R}^m} \lambda(J_1)\chi_{J_2}(y) \ \mathrm{d}y \\
&= \lambda(J_1) \int_{\mathbb{R}^m} \chi_{J_2}(y) \ \mathrm{d}y \\
&= \lambda(J_1)\lambda(J_2) \\
&= \lambda(J).
\end{align*}

Lo que establece el teorema para $f=\chi_J$.

• Veamos ahora el caso en el que $f=\chi_G$, donde $G$ es un conjunto abierto.

En la entrada de invarianza de la medida de Lebesgue probamos que $G$ se puede escribir como una unión numerable de rectángulos semiabiertos ajenos: $$G=\bigcup_{k=1}^{\infty}J_k.$$
Entonces, se sigue que para cualquier $y\in \mathbb{R}^m$: $$G_y=\bigcup_{k=1}^{\infty} (J_k)_y$$ Es también una unión numerable y disjunta de rectángulos semiabiertos (algunos posiblemente vacíos). Por aditividad numerable: $$\lambda(G)=\sum_{k=1}^{\infty}\lambda(J_{k});\ \ \ \ \ \ \ \ \ \ \lambda(G_y)=\sum_{k=1}^{\infty}\lambda(J_{k,y}).$$ En particular $\lambda(G_y)$ es medible como función de $y$ (cada $\lambda(J_{k,y}) $ es medible por el caso anterior).

Finalmente, por nuestro teorema de intercambio de sumas e integrales para funciones positivas y el caso anterior:

\begin{align*}
\int_{\mathbb{R}^m}\lambda(G_y) \ \mathrm{d}y &= \int_{\mathbb{R}^m}\left( \sum_{k=1}^{\infty}\lambda(J_{k,y}) \right) \ \mathrm{d}y \\
&= \sum_{k=1}^{\infty} \left( \int_{\mathbb{R}^m}\lambda(J_{k,y}) \right) \ \mathrm{d}y \\
&= \sum_{k=1}^{\infty} \lambda(J_k) \\
&= \lambda(G).
\end{align*}

Lo que establece el teorema para $f=\chi_G$.

• Veamos ahora el caso $f=\chi_K$ con $K\subseteq \mathbb{R}^n$ compacto.

Tomemos un conjunto abierto y acotado $G$ tal que $K\subseteq G$ $\implies$ $G\setminus K$ es abierto.

Es fácil ver que para cualquier $y\in \mathbb{R}^m$, $(G\setminus K)_y=G_y\setminus K_y$ y $K_y\subseteq G_y$.

Por el caso anterior aplicado a los conjuntos abiertos $G$ y $G\setminus K$, concluimos que $\lambda(K_y)=-(\lambda(G_y)-\lambda(G_y\setminus K_y))$ es medible en $y$ y además:
$$\int_{\mathbb{R}^m}\lambda(G_y) \ \mathrm{d}y=\lambda(G).$$ Y $$\int_{\mathbb{R}^m}\lambda(G_y\setminus K_y) \ \mathrm{d}y=\lambda(G\setminus K).$$ $$\implies \int_{\mathbb{R}^m}(\lambda(G_y)-\lambda(K_y)) \ \mathrm{d}y=\lambda(G)-\lambda(K)$$ $$\implies \int_{\mathbb{R}^m}\lambda(G_y) \ \mathrm{d}y-\int_{\mathbb{R}^m}\lambda (K_y) \ \mathrm{d}y=\lambda(G)-\lambda(K).$$

Restando la última igualdad a la primera, concluimos que $$\int_{\mathbb{R}^m}\lambda (K_y) \ \mathrm{d}y=\lambda(K).$$
Como queríamos probar.

• Sea $K_1\subseteq K_2\subseteq \dots$ una sucesión creciente de conjuntos compactos en $\mathbb{R}^n$. Veamos que el resultado es válido para $B=\bigcup_{k=1}^{\infty}K_j$.

Primero notemos que para cada $y\in \mathbb{R}^m$: $$B_y=\bigcup_{k=1}^{\infty}K_{j,y}$$ Es una unión numerable y creciente de conjuntos compactos en $\mathbb{R}^l$, por lo que $B_y$ es un conjunto medible (en $\mathbb{R}^l$) y $$\lambda(K_{j,y})\uparrow \lambda(B_y).$$ En particular $\lambda(B_y)$ es medible como función de $y$ (al ser límite creciente de funciones medibles). Más aún, por el teorema de la convergencia monótona:

\begin{align*}
\int_{\mathbb{R}^m}\lambda(B_y) \ \mathrm{d}y &= \lim_{j\to \infty} \int_{\mathbb{R}^m}\lambda(K_{j,y}) \ \mathrm{d}y \\
&= \lim_{j\to \infty} \lambda(K_j) \\
&= \lambda(B).
\end{align*} Lo que completa este caso.

• Similarmente al caso anterior, sea $G_1\supseteq G_2\supseteq \dots$ una sucesión decreciente de conjuntos abiertos y acotados en $\mathbb{R}^n$. Veamos que la proposición es cierta para la intersección: $C=\bigcap_{k=1}^{\infty} G_k$.

Para ello, tomemos un compacto $K$ con $K\supseteq G_1$. Aplicando el caso anterior al conjunto $$K\setminus C=\bigcup_{j=1}^{\infty}(K\setminus G_j).$$

Se sigue que $\lambda(K_y\setminus C_y)=\lambda(K_y)-\lambda(C_y)$ es medible como función de $y$ y:
$$\int_{\mathbb{R}^m}\lambda(K_y\setminus C_y) \ \mathrm{d}y=\lambda(K\setminus C)$$ $$\implies \int_{\mathbb{R}^m}(\lambda(K_y)-\lambda(C_y) )\ \mathrm{d}y=\lambda(K\setminus C)$$ $$\implies \int_{\mathbb{R}^m}\lambda(K_y)\ \mathrm{d}y – \int_{\mathbb{R}^m}\lambda(C_y)\ \mathrm{d}y=\lambda(K)-\lambda(C).$$

Por el caso compacto, tenemos también que $\lambda(K_y)$ es medible en $y$ con: $$\int_{\mathbb{R}^m}\lambda(K_y) \ \mathrm{d}y=\lambda(K).$$ Restando las expresiones anteriores se sigue: $$\int_{\mathbb{R}^m}\lambda(C_y) \ \mathrm{d}y=\lambda(C).$$ Lo que completa este caso.

• Veamos finalmente el caso general: Sea $A\subseteq \mathbb{R}^n$ un conjunto medible y acotado arbitrario.

Por el teorema de aproximación de conjuntos medibles podemos encontrar una sucesión de conjuntos compactos $K_j$ y una sucesión de conjuntos abiertos $G_j$ tales que $$K_1\subseteq K_2 \subseteq \dots \subseteq A \subseteq \dots \subseteq G_2 \subseteq G_1.$$

Con $$\lim_{j\to \infty} \lambda(K_j)=\lambda(A)=\lim_{j\to \infty} \lambda(G_j).$$ Definamos $$B=\bigcup_{j=1}^{\infty} K_j; \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ C=\bigcap_{j=1}^{\infty}G_j.$$

Claramente $B\subseteq A\subseteq C$ y $\lambda(B)=\lambda(A)=\lambda(C)$. Por los casos anteriores: $$\int_{\mathbb{R}^m}\lambda(B_y) \ \mathrm{d}y=\lambda(B); \ \ \ \ \ \ \ \ \ \int_{\mathbb{R}^m}\lambda(C_y) \ \mathrm{d}y=\lambda(C).$$

Al restar las expresiones se sigue: $$\int_{\mathbb{R}^m}[\lambda(C_y)-\lambda(B_y)] \ \mathrm{d}y=0.$$ Como el integrando es no negativo, se sigue por propiedades de la integral que $$\lambda(C_y\setminus B_y)=\lambda(C_y)-\lambda(B_y)=0.$$ Para casi todo $y\in \mathbb{R}^m$.

Por esta razón, $C_y\setminus B_y$ es un conjunto nulo en $\mathbb{R}^l$ para c.t.p. $y\in \mathbb{R}^m$. Para tales $y$, el hecho que $B_y\subseteq A_y \subseteq C_y$ y $\lambda(B_y)=\lambda(C_y)$ implica que el propio $A_y$ es un conjunto medible de $\mathbb{R}^l$ con $\lambda(B_y)=\lambda(A_y)=\lambda(C_y)$. Como $\lambda(B_y)$ (o $\lambda(C_y)$) es medible como función sobre $y$ (por los casos anteriores) e igual en c.t.p. a $\lambda(A_y)$, se sigue que $\lambda(A_y)$ es medible como función sobre $y$. Además: \begin{align*}
\int_{\mathbb{R}^m}\lambda(A_y) \ \mathrm{d}y &= \int_{\mathbb{R}^m}\lambda(B_y) \ \mathrm{d}y \\
&= \lambda(B) \\
&= \lambda(A).
\end{align*}

Para la primera igualdad se usó que $\lambda(A_y)=\lambda(B_y)$ en c.t.p. $y\in \mathbb{R}^m$, mientras que la segunda se sigue por los casos anteriores.

Esto completa la primera parte de la demostración.

Pasemos a la segunda parte: Probar el resultado para una función medible no negativa general.

Definición. Diremos que una función simple $s\in S$, $s=\sum_{k=1}^{l} \alpha_k \chi_{A_k}$ es de soporte acotado, si cada $A_k$ es un conjunto acotado. O equivalentemente que el conjunto $\{ x \ | \ s(x)\neq 0 \}$ sea acotado. Denotaremos el conjunto de funciones simples de soporte acotado como $S_c$.

Se sigue inmediatamente de la parte anterior y linealidad que el teorema de Fubini es válido para funciones simples de soporte acotado.

Notemos que para cualquier función medible no negativa, $f:\mathbb{R}^n\to [0,\infty]$, podemos encontrar una sucesión de funciones simples y de soporte acotado $\{ r_k \}_{k=1}^{\infty}\subseteq S_c$ tales que $r_k\uparrow f$: Basta tomar cualquier sucesión de funciones simples $\{ s_k \}_{k=1}^{\infty}$ tales que $s_k\uparrow f$ y definir $r_k=s_k\cdot \chi_{[-k,k]^n}$ (¿Porqué?).

Sea entonces $f:\mathbb{R}^n\to [0,\infty]$ una función medible no negativa arbitraria y $\{ r_k \}_{k=1}^{\infty}$ una sucesión de funciones en $S_c$ tales que $$r_k\uparrow f.$$

Es claro que para cualquier $y\in \mathbb{R}^m$, $r_{k,y}\uparrow f_y$ cuando $k\to \infty$.

Ahora, como el teorema de Fubini es válido para funciones en $S_c$, tenemos:

$r_{k,y}:\mathbb{R}^l\to[0,\infty]$ es medible para c.t.p. $y\in \mathbb{R}^m$; la función $R_k(y)=\int_{\mathbb{R}^l}r_{k,y}(x) \ \mathrm{d}x$ es medible sobre $\mathbb{R}^m$ y $$\int_{\mathbb{R}^n}r_{k}(x,y) \ \mathrm{d}x\mathrm{d}y=\int_{\mathbb{R}^m}R_{k}(y) \ \mathrm{d}y.$$

Se sigue entonces que para c.t.p. $y\in \mathbb{R}^m$, $f_y$ es medible pues es el límite creciente de las funciones medibles $r_{k,y}$. Por el teorema de la convergencia monótona, para tales $y$ se cumple:

$$F(y)=\int_{\mathbb{R}^l}f_{y}(x) \ \mathrm{d}x=\lim_{k\to \infty} \int_{\mathbb{R}^l}r_{k,y}(x) \ \mathrm{d}x=\lim_{k\to \infty} R_k(y).$$

Por monotonía el límite anterior es de hecho creciente. Así que podemos escribir: $$R_k\uparrow F$$ En c.t.p. de $\mathbb{R}^l$. Luego, $F$ es medible al ser el límite creciente (en c.t.p.) de las funciones medibles $R_k$. Más aún tenemos:
$$\int_{\mathbb{R}^m}F(y) \ \mathrm{d}y=\lim_{k\to \infty} \int_{\mathbb{R}^m}R_k(y) \ \mathrm{d}y=\lim_{k\to \infty}\int_{\mathbb{R}^n}r_{k}(x,y) \ \mathrm{d}x\mathrm{d}y=\int_{\mathbb{R}^n}f(x,y) \ \mathrm{d}x\mathrm{d}y.$$

(La primera y última igualdad se siguen del teorema de la convergencia monótona en $\mathbb{R}^m$ y $\mathbb{R}^n$ respectivamente). Lo que completa la demostración del teorema de Fubini-Tonelli.

$\square$

Más adelante…

Estudiaremos una generalización poderosa de los conceptos de medida e integración, que nos permite hablar de integral sobre espacios «abstractos».

Introducción

En esta entrada veremos varios ejemplos relacionados con el teorema de Fubini.

La condición de integrabilidad es necesaria en el Teorema de Fubini

En general, no podemos relajar las hipótesis de positividad o integrabilidad en el Teorema de Fubini. Veamos un ejemplo concreto.

Ejemplo. Consideremos $Q=(0,\infty)\times(0,\infty) $. Definamos $R\subseteq Q$ como la región acotada por las rectas $y=x$ y $y=x-1$, y $S\subseteq Q$ la región acotada por las rectas $y=x-1$, $y=x-2$ como se observa en la figura. Claramente $\lambda(R),\lambda(S)=\infty$.

Sea $f=\chi_R-\chi_S$. Ésta NO es una función integrable pues $f_+=\chi_R$ $\implies$ $\int f_+ \ \mathrm{d}\lambda=\int \chi_R \ \mathrm{d}\lambda=\infty$ y de manera similar $f_-=\chi_S$ $\implies$ $\int f_- \ \mathrm{d}\lambda=\int \chi_S \ \mathrm{d}\lambda=\infty$.

Ahora, para cada $x\geq 0$ consideremos la función: $$g(x)=\int_{0}^{\infty}f(x,y) \ \mathrm{d}y.$$ Es fácil ver que:

\begin{equation*}
g(x)=
\begin{cases}
x & \text{si } 0\leq x \leq 1 \\
2-x & \text{si } 1\leq x \leq 2 \\
0 & \text{si } 2\leq x
\end{cases}
\end{equation*}

Así que $g$ es claramente medible. Además:

$$\int_0^\infty g(x) \ \mathrm{d}x=\int_0^1 x \ \mathrm{d}x+\int_1^2 (2-x) \ \mathrm{d}x=\frac{1}{2}+\frac{1}{2}=1.$$

Por otro lado, consideremos:
$$h(y)=\int_{0}^{\infty}f(x,y) \ \mathrm{d}x.$$ Es fácil ver que en $(0,\infty)$: $$h\equiv 0 \ \implies \int_0^\infty h(y) \ \mathrm{d}y =0.$$

Es decir: $$\int_0^\infty \left( \int_0^\infty f(x,y) \ \mathrm{d}y \right) \mathrm{d}x=1\neq 0=\int_0^\infty \left( \int_0^\infty f(x,y) \ \mathrm{d}x \right) \mathrm{d}y.$$
De modo que las integrales iteradas ni siquiera coinciden.

$\triangle$

Algunos ejercicios resueltos

Veamos ahora algunos ejercicios resueltos, un poco más sofisticados, en los que el teorema de Fubini juega un papel fundamental.

Ejercicio. Calcular $$\int_R 2x^2+4xy+2x+2y^2-2y \ \mathrm{d}x\mathrm{d}y.$$ Donde $R$ es el conjunto de puntos $(x,y)\in \mathbb{R}^2$ tales que $|x|+|y|\leq 1$.

Solución. La región $R$ es un rombo con vértices $(1,0),(0,1),(-1,0),(0,-1)$, que no es un producto de conjuntos, así que no podemos usar el teorema de Fubini directamente.

Conviene entonces transformar la región de integración a una región en la que sea más sencillo aplicar el teorema de Fubini. Lo más natural es hacer un cambio de variable con una rotación de $\pm \frac{\pi}{4}$, pues de esta manera $R$ se transforma en un rectángulo, aunque por simplicidad algebráica proponemos : $$u=x+y; \ \ \ \ \ v=x-y.$$ O equivalentemente \begin{equation*}\begin{pmatrix}
u \\
v
\end{pmatrix} = \begin{pmatrix}
1 & 1 \\
1 & -1
\end{pmatrix} \begin{pmatrix}
x \\
y
\end{pmatrix}=T\begin{pmatrix}
x\\
y
\end{pmatrix}. \end{equation*}

Geométricamente $T$ es una rotación con ángulo $-\frac{\pi}{4}$, compuesta con una reflexión y una dilatación. Mediante este cambio, $R$ se transforma en un rectángulo $R’$ con vértices $(1,1),(1,-1),(-1,-1),(-1,1)$, es decir $R’=[-1,1]\times[-1,1]$.

Como $|\det T|=2$, se sigue por el teorema de cambio de variable y el teorema de Fubini:

\begin{align*}
\int_R 2x^2+4xy+2x+2y^2-2y \ \mathrm{d}x\mathrm{d}y &= 2\int_R (x+y)^2+(x-y) \ \mathrm{d}x\mathrm{d}y \\
&= \int_{R’} u^2+v \ \mathrm{d}u\mathrm{d}v \\
&= \int_{-1}^{1} \int_{-1}^{1} u^2+v \ \mathrm{d}u\mathrm{d}v \\
&= \int_{-1}^{1} \left[\frac{u^3}{3}\right]_{u=-1}^{u=1}+(1-(-1))v \ \mathrm{d}v \\
&= \int_{-1}^1 \frac{2}{3}+2v \ \mathrm{d}v \\
&= (1-(-1))\frac{2}{3}+2\left[\frac{v^2}{2} \right]_{v=-1}^{v=1} \\
&= \frac{4}{3}.
\end{align*}

$\triangle$

Ejercicio (Integral Gaussiana). Demuestra que $$\int_{\mathbb{R}^n} e^{-|x|^2} \ \mathrm{d}x=\pi^{\frac{n}{2}}. $$

Solución. Veamos primero el caso $n=1$: $\int_{\mathbb{R}} e^{-x^2} \ \mathrm{d}x=\sqrt{\pi} $. Notemos que la función $f(x)= e^{-x^2}$ es una función par (i.e. $f(x)=f(-x)$ $\forall x\in \mathbb{R}$) y no negativa. Haciendo el cambio de variable $y=-x$, es fácil ver que $\int_{-\infty}^{0} e^{-x^2} \ \mathrm{d}x=\int_{0}^{\infty} e^{-x^2} \ \mathrm{d}x$, de donde $\int_{-\infty}^{\infty} e^{-x^2} \ \mathrm{d}x=2\int_{0}^{\infty} e^{-x^2} \ \mathrm{d}x$, así que basta probar que $$\int_{0}^{\infty} e^{-x^2} \ \mathrm{d}x=\frac{\sqrt{\pi}}{2}.$$

Para esto, calculemos $$I=\int_{(0,\infty)\times(0,\infty)} xe^{-x^2(1+y^2)} \ \mathrm{d}x\mathrm{d}y.$$ De dos formas distintas usando el teorema de Fubini. Por un lado:

\begin{align*}
I &= \int_{0}^{\infty} \int_{0}^{\infty} xe^{-x^2(1+y^2)} \ \mathrm{d}x \ \mathrm{d}y \\
&= \int_{0}^{\infty} \int_{0}^{\infty} \frac{-1}{2(1+y^2)} \left( -2x(1+y^2)e^{-x^2(1+y^2)} \right) \ \mathrm{d}x \ \mathrm{d}y \\
&= \int_{0}^{\infty} \frac{-1}{2(1+y^2)} \int_{0}^{\infty} \frac{\mathrm{d}}{\mathrm{d}x} \left( e^{-x^2(1+y^2)} \right) \ \mathrm{d}x \ \mathrm{d}y \\
&= \int_{0}^{\infty} \frac{-1}{2(1+y^2)} \left( \left[ e^{-x^2(1+y^2)} \right]_{x=0}^{x=\infty} \right) \ \mathrm{d}y \\ &= \int_{0}^{\infty} \frac{-1}{2(1+y^2)} \left( 0 – 1 \right) \ \mathrm{d}y \\
&= \int_{0}^{\infty} \frac{1}{2(1+y^2)} \ \mathrm{d}y \\
&= \frac{1}{2} \int_{0}^{\infty} \frac{\mathrm{d}}{\mathrm{d}y}\left( \arctan(y) \right) \ \mathrm{d}y \\
&= \frac{1}{2} \left[ \arctan(y) \right]_{y=0}^{y=\infty} \\
&= \frac{1}{2}[\frac{\pi}{2}-0] \\
&= \frac{\pi}{4}
\end{align*}

En la segunda igualdad multiplicamos y dividimos por $-2(1+y^2)$ para poder escribir el integrando como una derivada. En las demás, hacemos uso del teorema fundamental del cálculo, convergencia monótona y tomamos límites (ya hemos hecho este argumento varias veces así que omitimos los detalles).

Por otro lado:

\begin{align*}
I &= \int_{0}^{\infty} \int_{0}^{\infty} xe^{-x^2}e^{-x^2y^2} \ \mathrm{d}y \ \mathrm{d}x \\
&= \int_{0}^{\infty} xe^{-x^2} \int_{0}^{\infty} e^{-x^2y^2} \ \mathrm{d}y \ \mathrm{d}x \\
\end{align*}

Haciendo el cambio de variable: $z=xy$ en la integral de en medio:

\begin{align*}
&= \int_{0}^{\infty} xe^{-x^2} \int_{0}^{\infty} \frac{1}{x} e^{-z^2} \ \mathrm{d}z \ \mathrm{d}x \\
&= \int_{0}^{\infty} e^{-x^2} \int_{0}^{\infty} e^{-z^2} \ \mathrm{d}z \ \mathrm{d}x \\
&= \left( \int_{0}^{\infty} e^{-z^2} \ \mathrm{d}z \right) \left( \int_{0}^{\infty} e^{-x^2} \ \mathrm{d}x \right) \\
&= \left( \int_{0}^{\infty} e^{-x^2} \ \mathrm{d}x \right)^2
\end{align*}

$$\implies I=\left( \int_{0}^{\infty} e^{-x^2} \ \mathrm{d}x \right)^2=\frac{\pi}{4}$$ $$\implies \int_{0}^{\infty} e^{-x^2} \ \mathrm{d}x = \frac{\sqrt{\pi}}{2}.$$

Esto completa el caso $n=1$. Ahora, para el caso general, simplemente notemos que:

\begin{align*}
\int_{\mathbb{R}^n} e^{-|x|^2} \ \mathrm{d}x &= \int_{\mathbb{R}} \int_{\mathbb{R}} \dots \int_{\mathbb{R}} e^{-x_1^2}e^{-x_2^2}\dots e^{-x_n^2} \ \mathrm{d}x_n \dots \mathrm{d}x_2 \mathrm{d}x_1 \\
&= \int_{\mathbb{R}} e^{-x_1^2}\left( \int_{\mathbb{R}} e^{-x_2^2} \left( \dots \int_{\mathbb{R}} e^{-x_n^2} \ \mathrm{d}x_n \dots \right) \mathrm{d}x_2 \right) \mathrm{d}x_1 \\
&= \left( \int_{\mathbb{R}} e^{-x_1^2} \ \mathrm{d}x_1 \right)\left( \int_{\mathbb{R}} e^{-x_2^2} \ \mathrm{d}x_2 \right)\dots \left( \int_{\mathbb{R}} e^{-x_n^2} \ \mathrm{d}x_n \right) \\
&= \left( \int_{\mathbb{R}} e^{-y^2} \ \mathrm{d}y \right)^n \\
&= \left( \sqrt{\pi} \right)^n \\
&= \pi^{\frac{n}{2}}.
\end{align*}

$\triangle$

Ejercicio. Sean $a_1,a_2,\dots,a_n>0$. Sea $J=(0,1)\times(0,1)\times \dots \times(0,1)$. Demuestra que $$\int_J\frac{1}{x_1^{a_1}+x_2^{a_2}+\dots+x_n^{a_n}} \ \mathrm{d}x<\infty \ \iff \ \sum_{i=1}^{n}\frac{1}{a_i}>1.$$

Antes de proceder, usaremos un lema sencillo, consecuencia del teorema fundamental del cálculo. Omitimos la demostración.

Lema. $\int_0^1 y^{s-1} \ \mathrm{d}y<\infty$ $\iff$ $s>0$.

Solución. Para cada $1\leq i \leq n$, consideremos $G_i= \{ x\in J \ | \ x_j^{a_j}\leq x_i^{a_i} $ para todo $ j \}$. Claramente $J=\bigcup_{i=1}^{n}G_i$. Además, para $x\in G_i$ se cumple $x_i^{a_i}\leq x_1^{a_1}+x_2^{a_2}+\dots+x_n^{a_n}\leq n x_i^{a_i}$. Esto nos garantiza que:
$$\int_{G_i}\frac{1}{nx_1^{a_1}} \ \mathrm{d}x\leq \int_{G_i}\frac{1}{x_1^{a_1}+x_2^{a_2}+\dots+x_n^{a_n}} \ \mathrm{d}x \leq \int_J\frac{1}{x_1^{a_1}+x_2^{a_2}+\dots+x_n^{a_n}} \ \mathrm{d}x.$$ Y de manera similar:
$$ \int_J\frac{1}{x_1^{a_1}+x_2^{a_2}+\dots+x_n^{a_n}} \ \mathrm{d}x\leq \sum_{i=1}^{n}\int_{G_i}\frac{1}{x_1^{a_1}+x_2^{a_2}+\dots+x_n^{a_n}} \ \mathrm{d}x\leq \sum_{i=1}^{n}\int_{G_i}\frac{1}{x_i^{a_i}} \ \mathrm{d}x.$$

Ahora, para cada $i=1,\dots,n$ podemos escribir:

$$\int_{G_i}\frac{1}{x_i^{a_i}} \ \mathrm{d}x=\int_0^1 \left( \int_0^1 \dots \int_0^1 \frac{1}{x_i^{a_i}} \chi_{G_i}(x_1\dots,x_n) \ \mathrm{d}x_1\dots \mathrm{d}x_{i-1}\mathrm{d}x_{i+1}\dots \mathrm{d}x_n \right) \mathrm{d}x_i.$$

Para $x_i\in (0,1)$ fijo, en la integral de en medio, $x_1$ varía entre $0$ y $x_i^{\frac{a_i}{a_1}}$; $x_2$ varía entre $0$ y $x_i^{\frac{a_i}{a_2}}$, etc. De manera que la integral se puede reescribir como:

$$\int_0^1 \left( \int_0^{x_i^{\frac{a_i}{a_1}}}\dots \int_0^{x_i^{\frac{a_i}{a_{i-1}}}} \int_0^{x_i^{\frac{a_i}{a_{i+1}}}}\dots \int_0^{x_i^{\frac{a_i}{a_{n}}}} \frac{1}{x_i^{a_i}} \ \mathrm{d}x_1\dots \mathrm{d}x_{i-1}\mathrm{d}x_{i+1}\dots \mathrm{d}x_n \right) \mathrm{d}x_i $$

$$=\int_0^1 \frac{1}{x_i^{a_i}} \left( \int_0^{x_i^{\frac{a_i}{a_1}}}\dots \int_0^{x_i^{\frac{a_i}{a_{i-1}}}} \int_0^{x_i^{\frac{a_i}{a_{i+1}}}}\dots \int_0^{x_i^{\frac{a_i}{a_{n}}}} 1 \ \mathrm{d}x_1\dots \mathrm{d}x_{i-1}\mathrm{d}x_{i+1}\dots \mathrm{d}x_n \right) \mathrm{d}x_i $$
$$ =\int_0^1 \frac{1}{x_i^{a_i}} \left( x_i^{\frac{a_i}{a_1}} \right) \dots \left( x_i^{\frac{a_i}{a_{i-1}}} \right)\left( x_i^{\frac{a_i}{a_{i+1}}} \right)\dots \left( x_i^{\frac{a_i}{a_n}} \right) \ \mathrm{d}x_i$$
$$ =\int_0^1 x_i^{a_i\left( \sum_{j=1}^n\frac{1}{a_j}-1 \right)-1} \ \mathrm{d}x_i.$$

Por tanto, los estimados anteriores se pueden reescribir como:

$$\frac{1}{n} \int_0^1 x_1^{a_1\left( \sum_{j=1}^n\frac{1}{a_j}-1 \right)-1} \ \mathrm{d}x_1 \leq \int_J \frac{1}{x_1^{a_1}+\dots+x_n^{a_n}} \ \mathrm{d}x\leq \sum_{i=1}^{n}\int_0^1 x_i^{a_i\left( \sum_{j=1}^n\frac{1}{a_j}-1 \right)-1} \ \mathrm{d}x_i.$$

Se sigue entonces del Lema que $\int_J \frac{1}{x_1^{a_1}+\dots+x_n^{a_n}} \ \mathrm{d}x<\infty$ $\iff$ $\sum_{j=1}^n\frac{1}{a_j}-1>0$ $\iff$ $\sum_{j=1}^n\frac{1}{a_j}>1$.

$\triangle$

Más adelante…

Daremos finalmente una prueba del Teorema de Fubini-Tonelli.

Tarea moral

• Sea $R$ la región delimitada por las rectas $x+y=0$, $x+y=2$, $2x-y=0$ y $2x-y=3$. Calcula $$\int (2x+y) \ \mathrm{d}x\mathrm{d}y .$$ [SUGERENCIA: Utiliza el cambio de variable $u=x+y$, $v=2x-y$].
• Sea $D=\{ (x,y)\in \mathbb{R}^2 \ | \ 0 \leq x \leq y \leq 1 \}.$ Calcula $$\int_D \frac{y}{x^2+y^2} \ \mathrm{d}x\mathrm{d}y.$$
• Sean $a,b>0$. Prueba que $$\int_{0}^{\infty}\frac{e^{-ax}-e^{-bx}}{x} \ \mathrm{d}x=\log \frac{b}{a}.$$ [SUGERENCIA: Calcula de dos maneras la integral de $e^{-xy}$ sobre la franja $[0,\infty]\times [a,b]$].
• (Convoluciones). La convolución de dos funciones $f,g:\mathbb{R}^n\to [-\infty,\infty]$ se define (cuando sea posible) como la función: $$(f*g)(x)=\int_{\mathbb{R}^n} f(x-y)g(y) \ \mathrm{d}y. $$
  • Prueba que si $f$ y $g$ son medibles sobre $\mathbb{R}^n$, entonces la función $f(x-y)g(y)$ es medible sobre $\mathbb{R}^{2n}$.
  • Prueba que si $f,g\in L^1(\mathbb{R}^n)$, entonces $f(x-y)g(y)$ es integrable sobre $\mathbb{R}^{2n}$.
  • Prueba que si $f$ y $g$ son integrables, entonces la convolución está definida en casi todo punto y $(f*g)\in L^1(\mathbb{R}^n)$ con $$\int |f*g| \ \mathrm{d}\lambda\leq \left( \int |f| \ \mathrm{d}\lambda \right) \left( \int |g| \ \mathrm{d}\lambda \right) .$$
  • Si $f,g,h\in L^1(\mathbb{R}^n)$, demuestra que $$f*g=g*f$$ Y $$(f*g)*h=f*(g*h).$$ En casi todo punto.
• (Continuación del último ejercicio). Usaremos la notación del último ejercicio resuelto.
  • Definamos $J’=((0,\infty)\times \dots \times (0,\infty))\setminus J$. Prueba que $$\int_{J’}\frac{1}{x_1^{a_1}+x_2^{a_2}+\dots + x_n^{a_n}}<\infty \ \ \ \iff \ \ \ \sum_{i=1}^{n}\frac{1}{a_i}<1.$$ [SUGERENCIA: Imita la solución del último ejercicio resuelto].
  • Demuestra que existen constantes $c_1,c_2>0$ (que dependen solamente de $n$ y $a>0$) tales que para todo $x=(x_1,\dots,x_n)\in \mathbb{R}^n$: $$c_1(|x_1|^a+\dots+|x_n|^a)\leq \|x\|^a\leq c_2 (|x_1|^a+\dots+ |x_n|^a).$$ (Abusando de la notación, $|x|$ denota la norma usual en $\mathbb{R}^n$ y $|x_k|$ la norma en $\mathbb{R}$). [SUGERENCIA: Por compacidad, la función $f(x)=\frac{\sum_{i=1}^{n}|x_i|^a}{|x|}$ alcanza un máximo y un mínimo sobre la esfera unitaria $S_{n-1}= \{x \ | \ |x|=1 \}$].
  • Utiliza los incisos anteriores para probar que $$\int_{B_1(0)}\frac{1}{|x|^a} \ \mathrm{d}x < \infty \ \ \ \iff \ \ \ a<n;$$ $$\int_{B_1(0)^c}\frac{1}{|x|^a} \ \mathrm{d}x < \infty \ \ \ \iff \ \ \ a>n.$$