L1 convergence(L¹ 收敛):在数学分析、测度论与概率论中,指一列函数(或随机变量)在 L¹ 范数意义下收敛。常见表述为:对函数列 \(f_n\) 与 \(f\),若
\[
\|f_n - f\|_{1}=\int |f_n-f|\,d\mu \to 0,
\]
则称 \(f_n\) 在 L¹ 中收敛到 \(f\)。在概率论里常写作
\[
\mathbb{E}[|X_n-X|]\to 0,
\]
称为 平均收敛(mean convergence / convergence in mean)。
(注:除这一含义外,“convergence”在不同语境也可指一般的“收敛”。)
/ˌɛl ˈwʌn kənˈvɝːdʒəns/
L1 convergence means the average absolute error goes to zero.
L1 收敛意味着平均绝对误差趋于零。
If \(f_n\) is dominated by an integrable function and \(f_n\to f\) almost everywhere, then \(f_n\to f\) in L1 convergence by the dominated convergence theorem.
如果 \(f_n\) 被某个可积函数控制且 \(f_n\) 几乎处处收敛到 \(f\),那么由控制收敛定理可得 \(f_n\) 在 L1 收敛意义下收敛到 \(f\)。
L1 来自 “\(L^1\)”(读作 L one),源于勒贝格积分理论与函数空间记号 \(L^p\)(\(p\ge 1\))。其中 \(p=1\) 对应以 \(\int |f|\)(或 \(\mathbb{E}|X|\))为核心的度量方式。convergence 来自拉丁语词根 *con-*(一起)+ vergere(趋向),表示“趋于某个极限”。