测度论

为什么需要重新定义"长度"#

"一段区间的长度""一块区域的面积""一个物体的体积"——这些我们从小就会的概念，看起来根本不需要数学家费心。但只要你想把"长度"这件事做到极致严谨，麻烦就接踵而至。比如：$[0,1]$ 里所有有理数加起来，总共"有多长"？它们密密麻麻地铺满了整条线段，看上去应该不短；可它们又是可数的，能被一列长度之和要多小有多小的小区间罩住——于是它们的"总长"其实是 $0$。再比如，有没有可能造出一个集合，诡异到根本没法谈论它的长度？答案是：有。

测度论就是为了在这些深坑边上稳稳站住而生的。它把"长度、面积、体积"统一抽象成一个叫测度的概念，并定下一条核心纪律——可数可加性：把可数无穷多个互不重叠的集合拼起来，整体的测度等于各部分测度之和。这条看似温和的规则，恰好强到能驯服无穷、弱到不会自相矛盾，是整套理论的定海神针。

一旦"如何为集合赋予大小"被打理得滴水不漏，一个更强大的积分——勒贝格积分——就水到渠成了。它不像传统积分那样切分横轴，而是按函数取值的高低把点归类、再用测度去称量每一类。正是这套"先学会量集合、再据此定义积分"的思路，让测度论同时成了现代概率论（"概率"不过是一种总量为 $1$ 的测度）、泛函分析与调和分析共同的地基。

测度论被迫重新定义长度，是因为“所有子集”太大，而“有限个区间的并”又太小。σ-代数是这两极之间仍能做极限的那一层。勒贝格积分随后才能谈函数列；收敛定理则规定什么时候极限可以进积分号。三者是同一条链上的三道闸，不是三套彼此无关的技巧。

定义#

测度论（Measure Theory）是积分论的现代基础——它将"长度""面积""体积"等概念抽象为一般的测度，并在此基础上建立了比 Riemann 积分更强大的 Lebesgue 积分。测度论是概率论、泛函分析和调和分析的共同基础。

测度空间 $(X, \mathcal{A}, \mu)$： - $X$ 是集合 - $\mathcal{A}$ 是 $X$ 上的 $\sigma$-代数（对可数并和补封闭的集合族） - $\mu: \mathcal{A} \to [0, \infty]$ 是测度——满足可数可加性 $\mu\left(\bigsqcup_{i=1}^\infty A_i\right) = \sum_{i=1}^\infty \mu(A_i)$

这三件套缺一不可。没有 σ-代数，可数极限会跑出可测世界；没有测度，积分没有重量；没有底空间 $X$，概率论里的样本点就无处安放。Kolmogorov 把概率写成总量为 1 的测度，正是因为事件必须对可数运算封闭，否则“无穷多次试验中至少发生一次”这句话没有定义。

小学生的长度已经会有限可加：两段不相交区间拼起来，总长是两段之和。麻烦出在可数无穷。有理数可以逐个用越来越短的区间罩住，总长任意小，这个论证用的就是可数可加。

若只有有限可加，这个“总长为零”的结论写不出来，稠密与零测就会一直吵下去。测度论把可数可加写成公理，不是为了更强，而是为了让这类极限论证合法。

核心内容#

$\sigma$-代数与测度#

Borel $\sigma$-代数 $\mathcal{B}(\mathbb{R})$：由 $\mathbb{R}$ 中所有开集生成的最小 $\sigma$-代数。Borel 集合包括所有开集、闭集、可数集等。

如果把 $\mathbb{R}$ 的所有子集都拿来当事件，可数可加性和平移不变性无法同时成立。Vitali（1905）用选择公理造出的集合不能被赋予勒贝格测度；Banach-Tarski 则表明，在三维里连有限可加的“体积”也会崩掉。σ-代数要的不是封闭运算本身，而是：你一旦做极限，可数并、可数交和补集必须仍是合法集合，否则“第 $n$ 次试验”的极限会掉出论域。

只要求有限可加，无穷级数的概率就写不下去；要求对任意并封闭，又会和可数可加、平移不变打架。Borel σ-代数恰好大到能装下开集生成的极限，又小到在选择公理下仍可能扩张成测度。可测是额外结构，不是集合自带的属性。

Lebesgue 测度 $m$：$\mathbb{R}^n$ 上的"标准"测度——区间的测度是其长度（面积、体积）。Lebesgue 测度是平移不变的且对开球正则。

构造测度：Carathéodory 扩张定理——从半环上的预测度唯一扩张为 $\sigma$-代数上的测度。

Carathéodory 给出的是存在性与（在 σ-有限条件下）唯一性，并不额外发明一条新定理。同一预测度可以完成到不同的完备化，但在有限测度或 σ-有限的情形，扩张在完备化意义下是唯一的。Vitali 集提醒我们：扩张停在可测集上，不是因为数学家懒得再收集合，而是再收就会破坏可数可加。

Lebesgue 积分#

Lebesgue 积分的思想是先对函数值域分割（而非定义域分割）：

$$\int_X f\,d\mu = \sup\left\{\int_X s\,d\mu : 0 \leq s \leq f, s \text{ 简单函数}\right\}$$

简单函数 $s = \sum a_i \chi_{A_i}$ 的积分为 $\int s\,d\mu = \sum a_i \mu(A_i)$。

Lebesgue 积分比 Riemann 积分的优势： - 可以积分更多函数（如 Dirichlet 函数） - 积分与极限交换的条件更弱（单调收敛定理、控制收敛定理） - $L^p$ 空间是完备的

黎曼积分按横轴切矩形。函数只要在一个正长度的稠密集上跳来跳去，上和与下和就合不拢：狄利克雷函数在每个区间上的上积分是 1、下积分是 0。勒贝格改按取值分层：有理数那一层测度是 0，于是这个函数的积分是 0。这不是更聪明的切法，而是因为测度已经能给不规则集合称重。

傅里叶系数本身就是积分。逐项积分、均方收敛、几乎处处收敛，都要求积分号能穿过极限。黎曼可积函数在 $L^1$ 范数下并不完备；Riesz-Fischer 说的完备性，是勒贝格 $L^p$ 才有的。没有这套积分，傅里叶分析里“平方可积等于系数平方可和”就写不成定理。

收敛定理#

单调收敛定理（MCT）：若 $0 \leq f_n \uparrow f$，则 $\int f_n\,d\mu \uparrow \int f\,d\mu$。

控制收敛定理（DCT）：若 $f_n \to f$ 几乎处处且 $|f_n| \leq g$（$g$ 可积），则 $\int f_n\,d\mu \to \int f\,d\mu$。

Fatou 引理：$\int \liminf f_n\,d\mu \leq \liminf \int f_n\,d\mu$。

没有这三条，积分论只是给单个函数定价，不能处理序列。单调收敛让你从简单函数爬到一般非负可测函数，积分的定义才闭合。控制收敛针对的是那个著名陷阱：令 $f_n = n\cdot 1_{[0,1/n]}$，点点几乎处处趋向 0，每个积分却都是 1。极限与积分不能交换，因为没有可积的控制函数把尖峰按住。

Fatou 更弱：它只给极限积分一个下界，允许质量逃到无穷远或瘦成尖峰时不等式变严。这些不是新定理，而是许可证的条款。几乎处处收敛本身不够，还要单调，或者被可积函数罩住，才能把极限搬进积分号。概率论里的大数定律、在积分号下求导，用的都是同一张许可证。

Kolmogorov 曾构造 $L^1$ 函数，其傅里叶级数几乎处处发散。那不是勒贝格积分“失败”，而是提醒：$L^1$ 比 $L^2$ 更野，收敛定理的假设少一条都不行。

在分析里，控制收敛最常见的用法不是再证明一条抽象定理，而是给一个具体操作发许可证：把导数搬进积分号、把级数逐项积分、把卷积的极限写成极限的卷积。每一次都要指出那个可积的 $g$。找不到 $g$，就只能退回单调收敛或 Fatou，结论会变弱。

教科书把这三条写在一起，是因为它们覆盖了“有单调”“有控制”“只有下极限”三种能用的情况。并不存在第四条可以随便交换极限与积分的一般定理。

$L^p$ 空间#

$$L^p(X, \mu) = \left\{f : \int |f|^p\,d\mu < \infty\right\}, \quad \|f\|_p = \left(\int |f|^p\,d\mu\right)^{1/p}$$

• $L^1$：可积函数空间
• $L^2$：平方可积函数空间——Hilbert 空间
• $L^\infty$：本质有界函数空间

Riesz-Fischer 定理：$L^p$ 空间是完备的（Banach 空间）。

$L^p$ 完备，说的是柯西列一定收敛到某个可测函数。若只收黎曼可积函数，许多柯西列的极限会掉出这个类，于是巴拿赫空间的整套工具用不上。量子力学里的波函数、偏微分方程的弱解，都要在这个完备空间里说话。Riesz-Fischer 不是新的收敛定理，它是勒贝格积分让 $L^p$ 成为可以做极限运算的空间。

乘积测度与 Fubini 定理#

Fubini 定理：若 $f \in L^1(X \times Y)$，则：

$$\int_{X \times Y} f\,d(\mu \times \nu) = \int_X\left(\int_Y f(x,y)\,d\nu(y)\right)d\mu(x) = \int_Y\left(\int_X f(x,y)\,d\mu(x)\right)d\nu(y)$$

积分次序可以交换。

Radon-Nikodym 定理#

若 $\nu$ 关于 $\mu$ 绝对连续（$\nu \ll \mu$），则存在唯一的密度函数 $f = \frac{d\nu}{d\mu}$ 使得：

$$\nu(A) = \int_A f\,d\mu$$

Radon-Nikodym 导数是概率论中条件期望的数学基础。

历史演变#

测度论的起源可追溯到19世纪末对积分概念的反思。Lebesgue（Henri Lebesgue，1902）在他的博士论文中引入了 Lebesgue 积分——这是分析学的一场革命。他的积分比 Riemann 积分更一般、更灵活，为傅里叶分析和泛函分析的发展铺平了道路。

Borel（Émile Borel，1898）在《函数论讲义》中引入了 Borel 集合并提出可数可加性——他正是 Lebesgue 博士论文的导师，Lebesgue 的积分理论正是站在 Borel 测度的肩膀上完成的。Radon（Johann Radon，1913）在 $\mathbb{R}^n$ 上证明了 Radon-Nikodym 定理，Nikodym（Otton Nikodym，1930）将其推广到抽象测度空间。Riesz（Frigyes Riesz）将 Lebesgue 积分与泛函分析联系起来。

Kolmogorov（Andrei Kolmogorov，1933）用测度论建立了概率论的公理化基础——概率就是测度，随机变量就是可测函数，期望就是 Lebesgue 积分。这是20世纪数学最重要的综合之一。

关键人物#

Lebesgue（Henri Lebesgue，1875—1941）在1902年的博士论文中引入了 Lebesgue 积分——将积分从 Riemann 的"分割定义域"改为"分割值域"。这一革命性的思想使得可以积分更广泛的函数，并为泛函分析和概率论奠定了基础。

Kolmogorov（Andrei Kolmogorov，1903—1987）在1933年的《概率论基础》中用测度论公理化了概率论。他将概率定义为 $\sigma$-代数上的测度，期望定义为 Lebesgue 积分——这使得概率论成为严格的数学分支。

Riesz（Frigyes Riesz，1880—1956）将 Lebesgue 积分与泛函分析联系起来。Riesz 表示定理将 $L^p$ 空间的对偶空间表示为 $L^q$ 空间——这是泛函分析的核心结果。

数学意义#

测度论的核心定理：

1. Carathéodory 扩张定理：预测度唯一扩张为测度
2. 单调收敛定理：非负递增函数列的积分等于积分的极限
3. 控制收敛定理：有控制函数时积分与极限可交换
4. Fubini 定理：乘积空间上的累次积分等于重积分
5. Radon-Nikodym 定理：绝对连续测度有密度函数

核心概念辨析#

• Lebesgue 积分 vs Riemann 积分：Lebesgue 积分对值域分割，Riemann 积分对定义域分割；Lebesgue 积分更一般
• $\sigma$-代数 vs 拓扑：$\sigma$-代数对可数并和补封闭，拓扑对任意并和有限交封闭
• 绝对连续 vs 奇异：$\nu \ll \mu$ 意味着 $\mu(A)=0$ 蕴含 $\nu(A)=0$；奇异测度集中在零测集上
• 几乎处处 vs 一致：几乎处处是测度论的"几乎全部"，一致是"处处且均匀"

当代应用#

测度论是现代数学的基础语言。在概率论中，Kolmogorov 公理化将概率论建立在测度论之上——随机过程、鞅论和随机分析都以测度论为基础。在泛函分析中，$L^p$ 空间和 Sobolev 空间是偏微分方程和量子力学的基本工具。在调和分析中，傅里叶变换在 $L^p$ 空间上的行为需要测度论。在信息论中，Kullback-Leibler 散度是两个概率测度之间的"距离"。在机器学习中，概率模型和贝叶斯推断的严格基础是测度论。在金融数学中，风险中性定价理论基于测度变换（Girsanov 定理）。

核心公式汇编#

经典问题#

1. Lebesgue 测度的不可测集：Vitali 集合不是 Lebesgue 可测的——需要选择公理
2. Banach-Tarski 悖论：球可以分解为有限块后重新组装为两个同样大小的球——不可测集的悖论
3. Hausdorff 测度与维数：分形集的"维数"——Cantor 集的 Hausdorff 维数为 $\ln 2/\ln 3$
4. 测度的正则性：Borel 测度是否自动正则？——在度量空间上答案是肯定的
5. 遍历定理的推广：Birkhoff 遍历定理和 von Neumann 遍历定理——动力系统的统计基础

与其他概念的关系#

测度论是现代分析的基石： - → 积分论：Lebesgue 积分基于测度——比 Riemann 积分更一般、更灵活 - → 概率论：Kolmogorov 公理化——概率即测度，随机变量即可测函数，期望即积分 - → 泛函分析：$L^p$ 空间是测度论的产物——Banach 空间和 Hilbert 空间的基本例子 - → 实分析：Lebesgue 微分定理——可积函数几乎处处是其积分的导数 - → 随机过程：Brown 运动、鞅论、随机分析——都建立在测度论之上 - → 信息论：Kullback-Leibler 散度、Shannon 熵——信息的测度论刻画

跨域连接#

• 概率论：概率不过是总量为一的测度，随机变量是可测函数，期望是积分。推论是：条件期望不能定义成"重新计算的平均"，而是一个密度函数，这样在连续情形下条件于零概率事件才仍然良定义——代价是唯一性只能到几乎处处，因此任何依赖单点取值的结论都必须重新表述。
• 统计力学：时间平均等于相空间平均，前提是存在不变测度且系统遍历。推论是：若额外的守恒量把相空间切成互不连通的片，遍历失败，统计力学的基本假设就不成立——可积系统正是这样的反例。
• 期权定价：风险中性定价是换一个与真实测度等价的测度，使贴现价格成为鞅；等价意味着两者对"哪些事件不可能"完全一致。推论是：定价可以不知道真实概率，却绝不能改动零测集——无套利约束的是支撑集，不是期望收益。
• 柯尔莫哥洛夫复杂度：测度论说"几乎所有序列都随机"，算法信息论说"随机就是不可压缩"。推论是：前者对任何一条具体序列都无话可说，后者才能给个体下判断——两种随机性不是同一概念的两种说法。实用后果是：统计检验只能拒绝某个分布假设，永远不能证明手上这一串数字本身是随机的。
• 认识论：公理化只规定概率的形式性质，完全不规定它指什么。推论是：频率派与主观派共享同一套数学却在解释上对立，因此真正可争论的分歧只能落在先验如何指派、如何被数据修正，而不在计算规则本身。

参考文献#

1. Henri Lebesgue, Intégrale, longueur, aire (1902).
2. Andrei Kolmogorov, Grundbegriffe der Wahrscheinlichkeitsrechnung (1933).
3. Halsey Royden & Patrick Fitzpatrick, Real Analysis (4th ed., 2010).
4. 周民强, 《实变函数论》, 北京大学出版社, 2008.
5. Paul Halmos, Measure Theory (1950).
6. Giuseppe Vitali, Sul problema della misura dei gruppi di punti di una retta (1905).
7. Gerald B. Folland, Real Analysis: Modern Techniques and Their Applications (2nd ed., Wiley, 1999).

测度论用"测度"严格定义集合的长度、面积、体积乃至概率。勒贝格积分比黎曼积分能处理更广的函数类与极限交换；它是现代概率论（柯尔莫哥洛夫公理化）、泛函分析与遍历理论的共同基础。