测度论 · aiwiki.page

测度论是数学分析的一个分支，它为集合赋予广义的大小，并建立相对于这些大小的积分理论。测度可以表示长度、面积、体积、元素个数或概率。通过规定哪些集合可测，并要求测度满足可数可加性，这一理论为离散和连续情形提供了统一的框架。它是现代概率理论的基础，并将微积分中的积分方法推广到更广泛的函数和空间。(terrytao.files.wordpress.com)

历史发展

现代测度论源于十九世纪对积分和集合结构的研究。埃米尔·博雷尔在1898年出版的讲义中提出了满足可数可加性的测度方法。随后，亨利·勒贝格将集合的测量与一种新的积分理论联系起来，并在1902年的博士论文《积分、长度、面积》（Intégrale, longueur, aire）中加以阐述。这些进展解决了黎曼积分的局限，尤其是其在处理不连续函数和极限运算时遇到的问题。(mathshistory.st-andrews.ac.uk)

测度空间与可数可加性

测度论的基本结构是测度空间 $(X,\Sigma,\mu)$ 。其中， $X$ 是一个集合， $\Sigma$ 是由 $X$ 的子集组成的σ代数， $\mu$ 为 $\Sigma$ 中的每个集合赋予一个取值于 $[0,\infty]$ 的数。二元组 $(X,\Sigma)$ 称为可测空间。σ代数包含 $X$ ，并且对取补集和可数并运算封闭；其中的集合称为可测集。(math.mit.edu)

测度满足 $\mu(\varnothing)=0$ ，并且对于任意一列两两不交的可测集 $A_1,A_2,\ldots$ ，有

\mu\!\left(\bigcup_{n=1}^{\infty}A_n\right) =\sum_{n=1}^{\infty}\mu(A_n).

这一要求比有限可加性更强，并能推出单调性和可数次可加性。对于递增的可测集列 $A_n$ ，其测度收敛于这些集合之并的测度。对于递减的可测集列，当第一个集合的测度有限时，其测度收敛于这些集合之交的测度。这些性质使测度能够与可数极限运算相协调。(math.mit.edu)

例子与可测集

实数轴上的勒贝格测度赋予区间通常意义上的长度；在更高维的欧几里得空间中，它则推广了面积和体积的概念。计数测度将有限集的测度定义为其元素个数，将无限集的测度定义为无穷大。集中于某一点的狄拉克测度，将包含该点的集合的测度定义为一，不包含该点的集合的测度定义为零。这些例子说明，测量不一定依赖于几何上的大小。(terrytao.files.wordpress.com)

在具有拓扑学结构的空间上，博雷尔集构成由开集生成的σ代数。勒贝格可测集包括博雷尔集，以及勒贝格测度为零的博雷尔集的所有子集。如果每个可测零测集的任意子集都可测，则称该测度是完备的。(math.mit.edu)

并非欧几里得空间的每个子集都能被赋予一种既与通常的体积一致，又满足平移不变性和可数可加性的测度。维塔利构造展示了实数轴上的这一障碍。因此，区分可测集与不可测集是测度论的重要组成部分，而不只是技术上的约定。(math.mit.edu)

可测函数与积分

可测函数与其定义域和目标空间的可测结构相容：目标空间中可测集的原像必须可测。对于实值函数，只需检验博雷尔集的原像即可。这一条件确保由函数值定义的集合能够被赋予测度。(math.mit.edu)

勒贝格积分从非负简单函数开始定义，这类函数在可测集上仅取有限多个值。若

s=\sum_{k=1}^{m}a_k\mathbf1_{A_k},

其中 $A_k$ 两两不交且 $a_k\geq0$ ，则

\int_X s\,d\mu=\sum_{k=1}^{m}a_k\mu(A_k),

并约定 $0\cdot\infty=0$ 。对于非负可测函数 $f$ ，其积分定义为所有满足 $0\leq s\leq f$ 的简单函数的积分的上确界。一般实值函数则通过其正部和负部来处理；可积性要求 $\int|f|\,d\mu<\infty$ 。(math.mit.edu)

如果某个性质不成立的点都包含在一个测度为零的可测集中，就称该性质几乎处处成立。几乎处处相等的可积可测函数具有相同的积分，因此在许多分析命题中，可以忽略零测集上的差异。(math.mit.edu)

收敛与乘积测度

若干核心定理规定了何时可以交换积分与极限。单调收敛定理适用于非负可测函数的递增序列。法图引理指出，函数序列下极限的积分不大于其积分序列的下极限。控制收敛定理允许在函数序列几乎处处收敛、且由同一个可积函数控制时，将极限移入积分号内。这些定理的假设不可或缺：仅有逐点收敛并不能保证积分收敛。(math.mit.edu)

乘积测度将测量推广到笛卡尔积上。对于σ有限测度空间，托内利定理允许对非负可测函数进行累次积分，即使积分为无穷大也成立。富比尼定理允许对可积函数进行累次积分并交换积分次序。这些结果将多维积分与逐次进行的一维积分联系起来。(math.mit.edu)

密度、概率与函数空间

如果每个 $\mu$ -零测集也是 $\nu$ -零测集，就称测度 $\nu$ 关于 $\mu$ 绝对连续。对于σ有限的正测度，拉东—尼科迪姆定理给出一个可测的密度，即拉东—尼科迪姆导数，满足

\nu(A)=\int_A\frac{d\nu}{d\mu}\,d\mu.

该密度在几乎处处相等的意义下是唯一的。概率密度函数是这一构造的一个特例。(math.mit.edu)

概率空间是总测度为一的测度空间。随机变量是可测函数，其概率分布是它在目标空间上诱导的测度，而其期望值则是一个积分。这套语言在同一框架下处理离散分布、连续分布和混合分布。(math.mit.edu)

测度论还通过将几乎处处相等的可测函数归为同一类，并对其幂的积分施加条件，来定义 $L^p$ 空间。当 $1\leq p<\infty$ 时，范数为 $(\int|f|^p\,d\mu)^{1/p}$ 。这些空间是完备的赋范空间；其中， $L^2$ 配备由积分定义的内积后，是一个希尔伯特空间。它们为傅里叶变换和分析中的估计提供了基本的空间框架。(math.mit.edu)