MATERIAL EN REVISIÓN

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 en un contexto más general.

La integración en espacios generales 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 [ENLACE] sobre el conjunto $X$.
3. Una medida sobre $(X,\mathcal{M})$, es decir, una función $\mu :\mathcal{M}\to [0,\mathrm{\infty }]$ que satisface:
   • $\mu (\mathrm{\varnothing })=0$
   • Para cualesquiera $A_1,A_2,\dots$ conjuntos disjuntos en $\mathcal{M}$, $$\mu (\bigcup _{k=1}^{\mathrm{\infty }}{A}_k)=\sum _{k=1}^{\mathrm{\infty }}\mu (A_k).$$

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 arbitrarios 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.

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

Ejemplo. Cualquier conjunto no vacío $X$, con $\mathcal{M}=2^X$ y $\mu (A)=\mathrm{\infty }$ si $A\ne \mathrm{\varnothing }$ forman un espacio de medida.

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

$$\mu (A)=\{\begin{array}{ll}\mathrm{\#}A& \text{si }A\text{ es finito }\\ \mathrm{\infty }& \text{si }A\text{ es infinito }\end{array}$$

Donde $\mathrm{\#}A$ 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 $X$. Para ello, basta probar que, $$\mu (\bigcup _{k=1}^{\mathrm{\infty }}{A}_k)=\sum _{k=1}^{\mathrm{\infty }}\mu (A_k).$$ Para cualesquiera $A_1,A_2\dots$ conjuntos disjuntos:

• Si algunos de los $A_i$ es infinito, $\bigcup _{k=1}^{\mathrm{\infty }}{A}_k$ es automáticamente infinito, por lo que $\mu (\bigcup _{k=1}^{\mathrm{\infty }}{A}_k)=\mathrm{\infty }$. Por otro lado, como $\mu (A_i)=\mathrm{\infty }$, automáticamente $\sum _{k=1}^{\mathrm{\infty }}\mu (A_k)=\mathrm{\infty }=\mu (\bigcup _{k=1}^{\mathrm{\infty }}{A}_k)$.
• Si todos los $A_k$ son finitos pero $\mathrm{\#}{A}_k>0$ para una cantidad infinita de $k$, entonces $\bigcup _{k=1}^{\mathrm{\infty }}{A}_k$ es infinito $⟹$ $\mu (\bigcup _{k=1}^{\mathrm{\infty }}{A}_k)=\mathrm{\infty }$. De igual manera $\sum _{k=1}^{\mathrm{\infty }}\mu (A_k)=\mathrm{\infty }$ al tener una cantidad infinita de sumandos $\ge 1$.
• Si $\mathrm{\#}A=0$ salvo para una cantidad finita de $k$, digamos $A_1,\dots ,A_N$ $$⟹\bigcup _{k=1}^{\mathrm{\infty }}{A}_k=\bigcup _{k=1}^N{A}_k$$ $$⟹\mu (\bigcup _{k=1}^{\mathrm{\infty }}{A}_k)=\sum _{k=1}^N\mathrm{\#}{A}_k=\sum _{k=1}^N\mu (A_k)=\sum _{k=1}^{\mathrm{\infty }}\mu (A_k)$$

Ejemplo. Para cualquier conjunto no vacío $X$, $\mathcal{M}=2^X$, $x_0\in X$ un punto fijo y la función $\mu$ dada por:
$$\mu (A)={\chi }_A(x_0).$$
Forman un espacio de medida. En este caso a $\mu$ se le conoce como la medida de Dirac en $x_0$ y se denota normalmente por $\delta (x_0)$.

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.

Ejemplo. Sea $X={\mathbb{R}}^n$ y $\mathcal{M}={\mathcal{L}}_n$. Cualquier función medible no negativa $f:{\mathbb{R}}^n\to [0,\mathrm{\infty }]$ 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 [ENLACE].

Propiedades de las medidas generales

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

1. (Monotonía). Si $A,B\in \mathcal{M}$ y $A\subseteq B$, entonces $\mu (A)\le \mu (B)$.
2. (Subaditividad). Si ${A_k}_{k=1}^{\mathrm{\infty }}\subseteq \mathcal{M}$, entonces $$\mu (\bigcup _{k=1}^{\mathrm{\infty }}{A}_k)\le \sum _{k=1}^{\mathrm{\infty }}\mu (A_k).$$
3. (Continuidad por abajo). Si $A_1\subseteq A_2\subseteq \dots$ es una sucesión creciente de conjuntos $\mathcal{M}$-medibles, entonces $$\mu (\bigcup _{k=1}^{\mathrm{\infty }}{A}_k)=\underset{k\to \mathrm{\infty }}{lim}\mu (A_k).$$
4. (Continuidad por arriba). $A_1\supseteq A_2\supseteq \dots$ es una sucesión decreciente de conjuntos $\mathcal{M}$-medibles, y $\mu (A_1)<\mathrm{\infty }$, entonces $$\mu (\bigcap _{k=1}^{\mathrm{\infty }}{A}_k)=\underset{k\to \mathrm{\infty }}{lim}\mu (A_k).$$

Comentario. En general, todas las definiciones y resultados que hemos establecido hasta ahora 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 $(X,\mathcal{M},\mu )$. Observa que la prueba debajo es idéntica al caso de la medida de Lebesgue en ${\mathbb{R}}^n$.

Demostración.

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