测度分解与耦合测度弱*收敛的相关技术问询

好问题！这在最优传输和测度论领域是个挺经典的问题，咱们一步步拆解来聊：

首先先明确已知条件的核心：

• $X,Y \subset \mathbb{R}^n$ 是紧集，$\mu_X, \mu_Y$ 分别是它们上的概率测度
• ${\gamma_n}$ 是 $X \times Y$ 上的耦合序列（也就是边缘测度恰好是 $\mu_X$ 和 $\mu_Y$），且 $\gamma_n$ 弱*收敛到某概率测度 $\gamma$
• 每个 $\gamma_n$ 都有正则条件概率分解：$d\gamma_n(x,y) = d\mu_X(x) d\gamma_n^x(y)$，其中 $\gamma_n^x$ 是给定 $x$ 时 $Y$ 上的概率测度

核心结论：有收敛性，但不是逐点全收敛 #

${\gamma_n^x}$ 确实具备相应的收敛性质，但无法保证对所有 $x \in X$ 逐点弱收敛，而是在「$\mu_X$-几乎处处」和「积分平均意义」下成立：

1. $\mu_X$-几乎处处弱收敛 #

因为 $Y$ 是紧集，根据Prohorov定理，$Y$ 上的概率测度空间 $\mathcal{P}(Y)$ 是紧的——这意味着对每个固定的 $x$，${\gamma_n^x}$ 一定存在弱收敛的子列。但我们能得到更强的结果：

• 首先，极限耦合 $\gamma$ 同样可以做正则条件概率分解：$d\gamma(x,y) = d\mu_X(x) d\gamma^x(y)$（这依赖于 $X$ 的紧性和 $\mu_X$ 的Borel正则性，条件概率的存在性由测度论的经典定理保证）
• 可以证明：对 $\mu_X$-几乎所有的 $x \in X$，$\gamma_n^x$ 弱收敛到 $\gamma^x$

这个结论的关键推导在于利用弱*收敛的定义：对任意连续函数 $f \in C(X \times Y)$，有
$$\int_{X \times Y} f(x,y) d\gamma_n(x,y) \to \int_{X \times Y} f(x,y) d\gamma(x,y)$$
取形如 $f(x,y) = g(x)h(y)$ 的分离变量连续函数（$g \in C(X), h \in C(Y)$），代入后可得：
$$\int_X g(x) \left( \int_Y h(y) d\gamma_n^x(y) \right) d\mu_X(x) \to \int_X g(x) \left( \int_Y h(y) d\gamma^x(y) \right) d\mu_X(x)$$
这说明函数列 $x \mapsto \int_Y h(y) d\gamma_n^x(y)$ 在 $L^1(\mu_X)$ 中收敛到 $x \mapsto \int_Y h(y) d\gamma^x(y)$，进而存在子列在 $\mu_X$-几乎处处收敛。再通过对角线方法，可以推广到整个序列的几乎处处弱收敛。

2. 积分平均意义下的收敛 #

更直接的是，对任意 $h \in C(Y)$，函数列 $x \mapsto \int_Y h(y) d\gamma_n^x(y)$ 在 $L^1(\mu_X)$ 中收敛到对应的 $\gamma^x$ 积分函数。这正是上面推导中直接得到的结果，它描述了一种「平均意义上的弱收敛」，比几乎处处收敛更具整体性。

3. 为什么不能要求逐点全收敛？ #

这里可以举一个简单的反例：

• 取 $X = Y = [0,1]$，$\mu_X = \mu_Y$ 为区间上的Lebesgue测度
• 定义耦合 $\gamma_n$：对每个 $x \in [0,1]$，$\gamma_n^x = \delta_{(x + 1/n) \mod 1}$（也就是把 $x$ 映射到 $x + 1/n$ 模1的点测度）
• 此时 $\gamma_n$ 弱*收敛到乘积测度 $\mu_X \otimes \mu_Y$（因为当 $n \to \infty$ 时，平移后的点测度序列在 $Y$ 上“均匀散开”，积分连续函数的结果趋近于乘积测度的积分）
• 但对每个固定的 $x$，$\gamma_n^x = \delta_{(x + 1/n) \mod 1}$ 并不弱收敛到任何概率测度——因为 $(x + 1/n) \mod 1$ 在 $[0,1]$ 上稠密，点测度序列没有弱极限。而乘积测度的条件测度 $\gamma^x = \mu_Y$ 对所有 $x$ 成立，这就说明逐点全收敛是不成立的。

内容的提问来源于stack exchange，提问作者Lost in a Maze