富比尼定理

富比尼定理 (Fubini's Theorem)

富比尼定理（Fubini's Theorem）是测度论与实分析中的基石性结论，给出了在乘积测度空间上交换积分次序的充分条件。该定理由意大利数学家Guido Fubini于1907年严格证明，与次年Tonelli定理共同构成了Lebesgue积分理论中处理多重积分的标准工具链。其核心结论简洁而深刻：对于σ-有限测度空间上的非负可测函数或绝对可积函数，二重积分恒等于两个逐次积分，且积分次序可任意交换，所得结果一致。

正式陈述与严格条件

设 $(X, \mathcal{A}, \mu)$ 和 $(Y, \mathcal{B}, \nu)$ 为两个σ-有限测度空间，其乘积可测空间为 $(X \times Y, \mathcal{A} \otimes \mathcal{B})$，乘积测度为 $\mu \times \nu$。σ-有限性是富比尼定理成立的关键前提：若测度空间不满足σ-有限条件，乘积测度的构造将不再唯一，且定理结论可能失效。富比尼定理的完整陈述分为两部分。

富比尼定理（绝对可积情形）：若函数 $f \in L^1(\mu \times \nu)$，即 $\int_{X \times Y} |f| \, d(\mu \times \nu) < \infty$，则以下三个结论同时成立：(1) 对 $\mu$-几乎处处的 $x \in X$，截口函数 $f_x(y) = f(x, y)$ 关于 $\nu$ 可积；(2) 函数 $x \mapsto \int_Y f(x, y) \, d\nu(y)$ 关于 $\mu$ 可积；(3) 逐次积分等于二重积分：

Tonelli定理（非负情形）：若 $f$ 关于 $\mathcal{A} \otimes \mathcal{B}$ 非负可测，则无需事先验证绝对可积性，上述三个积分必然相等（允许值为 $+\infty$）。Tonelli定理由Leonida Tonelli于1909年发表，在实践中通常作为富比尼定理的前置检验：先用Tonelli定理对 $|f|$ 交换积分次序，验证其有限性后，再安全地应用富比尼定理交换 $f$ 自身的积分次序。

反例：条件不满足时的失效

当绝对可积条件不成立时，两个逐次积分可能均为有限但数值不同，揭示定理条件的必要性。标准反例定义在单位正方形 $[0,1] \times [0,1]$ 上：

直接计算可得 $\int_0^1 (\int_0^1 f(x,y) \, dx) dy = \pi/4$，而 $\int_0^1 (\int_0^1 f(x,y) \, dy) dx = -\pi/4$。两个逐次积分均为有限但符号相反，说明 $f$ 不满足 $L^1([0,1]^2)$ 可积性条件。此例由Cauchy早期研究二重积分时已触及，但在富比尼之前未能严格解释。

与Lebesgue积分的深层联系

富比尼定理集中体现了Lebesgue积分相对于Riemann积分在处理多重积分时的根本优势。在Riemann框架下，积分次序交换需依赖一致收敛性等强条件，且常涉及反常重积分的复杂讨论。Lebesgue理论将问题归约为简单的绝对可积性检验，大幅简化了分析流程。其证明的核心步骤依赖于单调类定理与π-λ定理：先在示性函数上建立结论，通过线性性推广至简单函数，再利用单调收敛定理推广至非负可测函数（即Tonelli定理），最后通过正负部分解得到一般可积函数的富比尼定理。这一论证范式展现了测度论标准机器的典型威力。

经济学与计量经济学中的应用

富比尼定理在经济学分析中具有广泛且实际的重要性。在期望效用理论中，涉及随机变量函数的期望计算时，常需要交换期望算子与积分（或求和）的次序。例如，当决策者面对连续类型分布的不确定性时，事前期望效用为 $E[U(a,\theta)] = \int_\Theta \int_A U(a,\theta) \, dF(a|\theta) \, dG(\theta)$。富比尼定理保证了在不同积分次序下该双重积分的一致性，为贝叶斯博弈中策略的期望收益计算提供了坚实的数学基础。

在计量经济学中，贝叶斯推断的边际后验计算直接依赖富比尼定理：联合后验密度 $p(\theta_1, \theta_2 \mid \text{data})$ 通过对冗余参数积分得到边际后验 $p(\theta_1 \mid \text{data}) = \int p(\theta_1, \theta_2 \mid \text{data}) \, d\theta_2$。在MCMC方法中，Gibbs采样的收敛性分析也隐含调用富比尼定理以保证联合分布与条件分布序列的一致性。

在机制设计与契约理论的连续类型模型中（如Mirrlees最优税收模型），代理人类型空间与配置空间的乘积结构天然适配富比尼定理的框架，确保委托人期望收益的计算独立于积分次序选择，这在多维类型（多维甄别）情形中尤为关键。此外，在金融工程的衍生品定价中，Black-Scholes-Merton模型涉及风险中性测度下折现收益的双重期望，富比尼定理是证明定价核表示与状态价格密度存在性的重要技术工具。在面板数据计量中，当需要在个体效应与随机误差的联合分布上求积分时，富比尼定理同样为逐次积分方法的合理性提供了测度论保障。

推广与相关结论

富比尼定理可自然推广至任意有限个σ-有限测度空间的乘积。对于完备测度空间的情形，需注意乘积测度的完备化可能引入新的零测集，但定理结论在完备化下依然成立。在概率论中，独立随机变量的联合分布恰为边际分布的乘积测度，富比尼定理由此为独立随机变量之和的卷积公式、联合矩的计算等基础操作提供了测度论依据。此外，在抽象调和分析与泛函分析中，富比尼定理是研究卷积代数与群代数结构的核心工具之一。

历史脉络与学术地位

Guido Fubini（1879–1943）是意大利数学学派的重要人物，其研究横跨微分几何、变分法与实分析多个领域。富比尼于1907年在论文《Sugli integrali multipli》中首次给出该定理的完整证明，彼时Lebesgue积分诞生仅五年。同期，Tonelli独立发现并简化了非负可测函数情形的论证，形成了今日教科书所呈现的"Tonelli检验→富比尼交换"两步法。富比尼定理的建立标志着多重积分理论从19世纪Cauchy和Riemann时代依赖几何直观的松散状态，正式迈入测度论公理化体系。在现代数学教育中，该定理是实分析与概率论课程的核心定理之一，也是研究生阶段测度论学习的关键节点。