KNOWECON WIKI

ARTICLE

乘积测度

乘积测度 (Product Measure) 乘积测度是测度论核心构造之一→将两个测度空间的测度"乘"起来→在笛卡尔积上建立新测度→与勒贝格积分/概率论^独立随机变量/动力系统密切关联。关键工具：Carathéodory扩张定理→从半代数上的乘积预测度唯一延拓为整个σ-代数上的完全测度→Fubini定理保证累次积分与重积分等价。 乘积σ-代数 设(X, A)

浏览 6 更新 2025-11-08

乘积测度 (Product Measure)

乘积测度是测度论核心构造之一→将两个测度空间的测度"乘"起来→在笛卡尔积上建立新测度→与勒贝格积分/概率论^{独立随机变量}/动力系统密切关联。关键工具：Carathéodory扩张定理→从半代数上的乘积预测度唯一延拓为整个σ-代数上的完全测度→Fubini定理保证累次积分与重积分等价。

乘积σ-代数

设(X,A)(X,\mathcal{A})与(Y,B)(Y,\mathcal{B})为可测空间→积空间X×Y={(x,y):x∈X,y∈Y}X\times Y=\{(x,y):x\in X,y\in Y\}。可测矩形定义为形如A×BA\times B（其中A∈A,B∈BA\in\mathcal{A},B\in\mathcal{B}）之集合。所有可测矩形的全体构成一族集合并称为矩形半代数R={A×B:A∈A,B∈B}\mathcal{R}=\{A\times B:A\in\mathcal{A},B\in\mathcal{B}\}。半代数结构保证其满足封闭性条件→使Carathéodory延拓可直接应用。

乘积σ-代数A⊗B\mathcal{A}\otimes\mathcal{B}定义为包含R\mathcal{R}的最小σ-代数→记为σ(R)\sigma(\mathcal{R})。关键事实：①若(X,A)(X,\mathcal{A})与(Y,B)(Y,\mathcal{B})皆可测空间→(X×Y,A⊗B)(X\times Y,\mathcal{A}\otimes\mathcal{B})为可测空间。②若X=RnX=\mathbb{R}^n、Y=RmY=\mathbb{R}^m且A=B(Rn)\mathcal{A}=\mathcal{B}(\mathbb{R}^n)、B=B(Rm)\mathcal{B}=\mathcal{B}(\mathbb{R}^m)（博雷尔σ-代数）→A⊗B=B(Rn+m)\mathcal{A}\otimes\mathcal{B}=\mathcal{B}(\mathbb{R}^{n+m})→即积空间的博雷尔σ-代数等于各自博雷尔σ-代数的乘积σ-代数。③可测矩形的截面性质：对任意E∈A⊗BE\in\mathcal{A}\otimes\mathcal{B}与任意x∈Xx\in X→截面Ex={y∈Y:(x,y)∈E}∈BE_x=\{y\in Y:(x,y)\in E\}\in\mathcal{B}；对称地对任意y∈Yy\in Y→Ey={x∈X:(x,y)∈E}∈AE^y=\{x\in X:(x,y)\in E\}\in\mathcal{A}。此截面性质是后续Fubini定理中"先积一维"操作的可测性基础。

乘积测度的构造

设(X,A,μ)(X,\mathcal{A},\mu)与(Y,B,ν)(Y,\mathcal{B},\nu)为σ-有限测度空间（即XX与YY可写为可数个有限测度集之并）→σ-有限条件是Fubini定理成立的关键前提。σ-有限的含义是：存在X=⋃n=1∞AnX=\bigcup_{n=1}^\infty A_n且μ(An)<∞\mu(A_n)<\infty，对YY同理。几乎所有常见测度（勒贝格测度、概率测度、计数测度在可数集上）都满足此条件。

ⅰ 预测度：在矩形半代数R\mathcal{R}上定义π0(A×B)=μ(A)ν(B)\pi_0(A\times B)=\mu(A)\nu(B)（约定0⋅∞=00\cdot\infty=0且∞⋅0=0\infty\cdot 0=0以避免0×∞0\times\infty歧义）。可验证π0\pi_0为R\mathcal{R}上的测度（即满足可数可加性）→称为乘积预测度。

ⅱ Carathéodory延拓：由Carathéodory扩张定理→存在A⊗B\mathcal{A}\otimes\mathcal{B}上的测度π\pi使得π∣R=π0\pi|_{\mathcal{R}}=\pi_0→且当μ,ν\mu,\nuσ-有限时延拓唯一。此π\pi即称为乘积测度→记作μ×ν\mu\times\nu。

ⅲ 外测度构造：另一等价方式是直接定义外测度→对任意E⊆X×YE\subseteq X\times Y令

(μ×ν)∗(E)=inf⁡{∑i=1∞μ(Ai)ν(Bi):E⊆⋃i=1∞(Ai×Bi),  Ai∈A,Bi∈B}(\mu\times\nu)^*(E)=\inf\Bigl\{\sum_{i=1}^\infty\mu(A_i)\nu(B_i):E\subseteq\bigcup_{i=1}^\infty(A_i\times B_i),\;A_i\in\mathcal{A},B_i\in\mathcal{B}\Bigr\}

→再用标准流程限制于可测集→所得与Carathéodory延拓相同。

ⅳ 迭代积分定义：当μ,ν\mu,\nuσ-有限时→对任意E∈A⊗BE\in\mathcal{A}\otimes\mathcal{B}有

(μ×ν)(E)=∫Xν(Ex) dμ(x)=∫Yμ(Ey) dν(y)(\mu\times\nu)(E)=\int_X\nu(E_x)\,d\mu(x)=\int_Y\mu(E^y)\,d\nu(y)

→即先求截面测度再沿另一维积分→两顺序等价。

Fubini-Tonelli定理

这是乘积测度论最核心结果→建立重积分与累次积分之间的联系。名称来自意大利数学家Guido Fubini（1907年发表）和Leonida Tonelli（1909年推广至非负函数）。

Tonelli定理（非负情形→无需可积性假设）：设f:X×Y→[0,∞]f:X\times Y\to[0,\infty]为A⊗B\mathcal{A}\otimes\mathcal{B}-可测函数→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\Bigl(\int_Y f(x,y)\,d\nu(y)\Bigr)d\mu(x)=\int_Y\Bigl(\int_X f(x,y)\,d\mu(x)\Bigr)d\nu(y)

→特别地，三个积分同时有限或同时无限→累次积分顺序可交换。优势在于不必事先验证可积性→非负性自动保证等式成立。

Fubini定理（一般情形→需可积性条件）：设f:X×Y→R‾f:X\times Y\to\overline{\mathbb{R}}为A⊗B\mathcal{A}\otimes\mathcal{B}-可测函数→若∫X×Y∣f∣ d(μ×ν)<∞\int_{X\times Y}|f|\,d(\mu\times\nu)<\infty（即ff勒贝格可积）→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\Bigl(\int_Y f(x,y)\,d\nu(y)\Bigr)d\mu(x)=\int_Y\Bigl(\int_X f(x,y)\,d\mu(x)\Bigr)d\nu(y)

→且对几乎处处所有xx→f(x,⋅)f(x,\cdot)ν\nu-可积；对几乎处处所有yy→f(⋅,y)f(\cdot,y)μ\mu-可积。

反例警示：若去掉σ-有限条件或可积性条件→结论可能失效。标准反例：取μ\mu为计数测度（在[0,1][0,1]上）→ν\nu为勒贝格测度→考虑特征函数1Δ\mathbf{1}_{\Delta}（其中Δ={(x,x):x∈[0,1]}\Delta=\{(x,x):x\in[0,1]\}为对角线）→∫[0,1]∫[0,1]1Δ(x,y) dν(y) dμ(x)=1\int_{[0,1]}\int_{[0,1]}\mathbf{1}_{\Delta}(x,y)\,d\nu(y)\,d\mu(x)=1而∫[0,1]∫[0,1]1Δ(x,y) dμ(x) dν(y)=0\int_{[0,1]}\int_{[0,1]}\mathbf{1}_{\Delta}(x,y)\,d\mu(x)\,d\nu(y)=0→累次积分结果不相等。这表明Fubini定理的条件本质不可削弱。

典型例子

①勒贝格测度：设X=Y=RX=Y=\mathbb{R}→μ=ν=m\mu=\nu=m（勒贝格测度）→乘积测度m×mm\times m即为R2\mathbb{R}^2上的二维勒贝格测度→将矩形(a,b)×(c,d)(a,b)\times(c,d)映为面积(b−a)(d−c)(b-a)(d-c)→通过Carathéodory扩张延拓至整个博雷尔σ-代数B(R2)\mathcal{B}(\mathbb{R}^2)。此时Fubini定理使二重积分化为先对xx后对yy（或反之）的累次积分→黎曼积分中无法处理的函数（如1Q×Q\mathbf{1}_{\mathbb{Q}\times\mathbb{Q}}）亦可积。

②概率乘积空间：设(Ω1,F1,P1)(\Omega_1,\mathcal{F}_1,P_1)与(Ω2,F2,P2)(\Omega_2,\mathcal{F}_2,P_2)为概率空间→乘积概率空间(Ω1×Ω2,F1⊗F2,P1×P2)(\Omega_1\times\Omega_2,\mathcal{F}_1\otimes\mathcal{F}_2,P_1\times P_2)刻画独立随机试验→若XX仅依赖ω1\omega_1、YY仅依赖ω2\omega_2→则XX与YY独立。有限个概率空间的乘积测度对应多次独立重复试验→为大数定律与中心极限定理提供基础。

③无穷乘积测度：给定概率空间族{(Ωi,Fi,Pi)}i=1∞\{(\Omega_i,\mathcal{F}_i,P_i)\}_{i=1}^\infty→Kolmogorov扩张定理保证无穷乘积概率空间(∏i=1∞Ωi,⨂i=1∞Fi,⨂i=1∞Pi)(\prod_{i=1}^\infty\Omega_i,\bigotimes_{i=1}^\infty\mathcal{F}_i,\bigotimes_{i=1}^\infty P_i)存在→这是随机过程与无限维概率论的基石→独立同分布序列的严格数学刻画。构造关键是相容性条件：对任意有限子集I⊂NI\subset\mathbb{N}→边缘分布与乘积测度一致。

与相关概念的联系

①Radon-Nikodym导数：设μ,ν\mu,\nuσ-有限→则(μ×ν)(A×B)=μ(A)ν(B)(\mu\times\nu)(A\times B)=\mu(A)\nu(B)可看作乘积空间上的乘积测度→若在X×YX\times Y上有另一测度λ≪μ×ν\lambda\ll\mu\times\nu→Radon-Nikodym定理给出dλd(μ×ν)\frac{d\lambda}{d(\mu\times\nu)}。这在贝叶斯统计与信息论中频繁使用。

②卷积与转移核：在(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R}^d))上→两概率测度P,QP,Q的卷积P∗QP*Q可通过乘积测度定义：

(P∗Q)(A)=∫Rd×Rd1A(x+y) d(P×Q)(x,y)(P*Q)(A)=\int_{\mathbb{R}^d\times\mathbb{R}^d}\mathbf{1}_A(x+y)\,d(P\times Q)(x,y)

→同样地，马尔可夫转移核诱导的乘积测度是随机过程研究的标准工具。转移核k:X×B(Y)→[0,1]k:X\times\mathcal{B}(Y)\to[0,1]与初始测度μ\mu结合→生成乘积测度μ×k=∫Xk(x,⋅) dμ(x)\mu\times k=\int_X k(x,\cdot)\,d\mu(x)。

③遍历理论：在动力系统中→乘积空间的测度用于构造乘积变换→若T:X→XT:X\to X保测度μ\mu→则T×S:X×Y→X×YT\times S:X\times Y\to X\times Y保μ×ν\mu\times\nu→这在研究混合性质与熵理论中起关键作用。遍历定理在多维情形下依赖乘积测度结构。

④泛函分析中的张量积：从结构视角看→乘积测度μ×ν\mu\times\nu对应Lp空间的张量积Lp(X)⊗Lp(Y)L^p(X)\otimes L^p(Y)→在调和分析与偏微分方程中→乘积核K(x,y)=K1(x)K2(y)K(x,y)=K_1(x)K_2(y)诱导的积分算子恰为相应算子的张量积。

评注

乘积测度的核心思想是降维：将高维空间上的积分/测度问题分解为一维问题的组合。Fubini-Tonelli定理为此提供严谨理论保障→使得实际计算中可自由选择积分顺序。在应用中→σ-有限条件几乎总被满足（勒贝格测度、概率测度、计数测度在可数集上皆σ-有限）→故乘积测度的适用范围极广。此外，从范畴论视角看→乘积测度构造使测度空间范畴具有张量积结构→概率论中独立性的概念恰对应于乘积测度→揭示了测度论与概率论之间的深层联系。乘积测度也是随机微分方程与金融数学中多维模型构造的数学基础→重要性贯穿现代分析学与应用数学。