跳转到内容
← 返回概念
分析约 16 分钟阅读

测度论

Measure Theory

关键人物

lebesgueborelradonnikodym
分析测度论Lebesgue 积分概率论泛函分析

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。

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

核心内容

$\sigma$-代数与测度

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

Lebesgue 测度 $m$：Rn\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 σ\sigma-代数上的测度。

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）：

∫Xf dμ=sup⁡{∫Xs dμ:0≤s≤f,s 简单函数}\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=∑aiχAis = \sum a_i \chi_{A_i} 的积分为 ∫s dμ=∑aiμ(Ai)\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） - LpL^p 空间是完备的

收敛定理

单调收敛定理（MCT）：若 0≤fn↑f0 \leq f_n \uparrow f，则 ∫fn dμ↑∫f dμ\int f_n\,d\mu \uparrow \int f\,d\mu。

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

Fatou 引理：∫lim inf⁡fn dμ≤lim inf⁡∫fn dμ\int \liminf f_n\,d\mu \leq \liminf \int f_n\,d\mu。

$L^p$ 空间

Lp(X,μ)={f:∫∣f∣p dμ<∞},∥f∥p=(∫∣f∣p dμ)1/pL^p(X, \mu) = \left\{f : \int |f|^p\,d\mu < \infty\right\}, \quad \|f\|_p = \left(\int |f|^p\,d\mu\right)^{1/p}

  • L1L^1：可积函数空间
  • L2L^2：平方可积函数空间——Hilbert 空间
  • L∞L^\infty：本质有界函数空间

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

乘积测度与 Fubini 定理

Fubini 定理：若 f∈L1(X×Y)f \in L^1(X \times Y)，则：

∫X×Yf d(μ×ν)=∫X(∫Yf(x,y) dν(y))dμ(x)=∫Y(∫Xf(x,y) dμ(x))dν(y)\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 ν\nu 关于 μ\mu 绝对连续（ν≪μ\nu \ll \mu），则存在唯一的密度函数 f=dνdμf = \frac{d\nu}{d\mu} 使得：

ν(A)=∫Af dμ\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 Rn\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 σ\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 LpL^p 空间的对偶空间表示为 LqL^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
  • σ\sigma-代数 vs 拓扑：σ\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：ν≪μ\nu \ll \mu 意味着 μ(A)=0\mu(A)=0 蕴含 ν(A)=0\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，LpL^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 LpL^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

概念公式
测度μ(⨆Ai)=∑μ(Ai)\mu(\bigsqcup A_i) = \sum\mu(A_i)（可数可加性）
Lebesgue 积分∫f dμ=sup⁡{∫s dμ:0≤s≤f}\int f\,d\mu = \sup\{\int s\,d\mu: 0\leq s\leq f\}
MCT0≤fn↑f⇒∫fn↑∫f0\leq f_n\uparrow f\Rightarrow\int f_n\uparrow\int f
DCT$f_n\leq g$，fn→f⇒∫fn→∫ff_n\to f\Rightarrow\int f_n\to\int f
Fatou 引理∫lim inf⁡fn≤lim inf⁡∫fn\int\liminf f_n\leq\liminf\int f_n
Fubini∫X×Yf d(μ×ν)=∫X(∫Yf dν) dμ\int_{X\times Y}f\,d(\mu\times\nu) = \int_X(\int_Y f\,d\nu)\,d\mu
Radon-Nikodymν(A)=∫Adνdμ dμ\nu(A) = \int_A\frac{d\nu}{d\mu}\,d\mu（ν≪μ\nu\ll\mu）
LpL^p 对偶(Lp)∗≅Lq(L^p)^* \cong L^q（$1/p+1/q=1$）

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\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：LpL^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).

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。