测度空间

测度空间 (Measure Space)

测度空间 (Measure Space) 是测度论的核心研究对象，它是一个三元组 $(\Omega, \mathcal{F}, \mu)$，其中 $\Omega$ 是一个非空集合（称为样本空间或全集），$\mathcal{F}$ 是 $\Omega$ 上的一个 $\sigma$-代数（即全体可测集构成的集族），$\mu$ 是定义在 $\mathcal{F}$ 上的一个非负集函数，称为测度。测度空间为概率论、积分论、泛函分析和遍历论等众多数学分支提供了统一的公理化基础。从某种意义上说，现代分析数学的几乎所有严格推理都离不开测度空间的框架。理解测度空间是学习现代概率论和高等数理统计的必备前提。

形式定义

设 $\Omega$ 为一非空集合。若 $\mathcal{F} \subseteq 2^{\Omega}$ 满足以下三条公理：

1. $\Omega \in \mathcal{F}$;
2. 若 $A \in \mathcal{F}$，则其补集 $A^{\mathrm{c}} \in \mathcal{F}$;
3. 若 $\{A_n\}_{n=1}^{\infty} \subseteq \mathcal{F}$，则并集 $\bigcup_{n=1}^{\infty} A_n \in \mathcal{F}$;

则称 $\mathcal{F}$ 为 $\Omega$ 上的一个 $\sigma$-代数，此时称 $(\Omega, \mathcal{F})$ 为一个可测空间 (Measurable Space)。可测空间中的元素称为可测集 (Measurable Sets)。

在可测空间 $(\Omega, \mathcal{F})$ 的基础上，测度 $\mu: \mathcal{F} \to [0, \infty]$ 是一个非负集函数，满足：

1. $\mu(\varnothing) = 0$;
2. $\sigma$-可加性（也称为可数可加性）：若 $\{A_n\}_{n=1}^{\infty}$ 是 $\mathcal{F}$ 中两两不交的可数集族，则 \[ \mu\left(\bigcup_{n=1}^{\infty} A_n\right) = \sum_{n=1}^{\infty} \mu(A_n). \]

将三者合起来，$(\Omega, \mathcal{F}, \mu)$ 即构成一个测度空间。

基本性质

由 $\sigma$-可加性可直接推导出测度的一系列基本性质。首先，测度具有有限可加性：对任意有限个两两不交的可测集 $A_1, \dots, A_n$，有 $\mu\left(\bigcup_{i=1}^n A_i\right) = \sum_{i=1}^n \mu(A_i)$。其次，测度具有单调性：若 $A \subseteq B$，则 $\mu(A) \leq \mu(B)$。此外，测度还满足下连续和上连续性质：若 $\{A_n\}$ 是递增集列且 $A = \bigcup_n A_n$，则 $\mu(A) = \lim_{n \to \infty} \mu(A_n)$；若 $\{B_n\}$ 是递减集列且 $\mu(B_1) < \infty$，则 $\mu\left(\bigcap_n B_n\right) = \lim_{n \to \infty} \mu(B_n)$。

典型例子

最常见的测度空间是 Lebesgue 测度空间 $(\mathbb{R}^d, \mathcal{B}(\mathbb{R}^d), \lambda)$，其中 $\mathcal{B}(\mathbb{R}^d)$ 是 Borel $\sigma$-代数（即由 $\mathbb{R}^d$ 中所有开集生成的 $\sigma$-代数），$\lambda$ 是 Lebesgue 测度，它将区间 $[a, b]$ 的长度推广到了更一般的 Borel 集上。除 Lebesgue 测度外，常见的测度还包括：

• 计数测度 (Counting Measure)：在 $(\mathbb{N}, 2^{\mathbb{N}})$ 上定义 $\#(A)$ 为集合 $A$ 中元素的个数。计数测度在离散数学和组合学中有广泛应用。
• Dirac 测度 (Dirac Measure)：在任意可测空间上，固定一点 $x \in \Omega$，定义 $\delta_x(A) = 1$ 若 $x \in A$，否则取值为 0。Dirac 测度常用于表示质点的质量分布或概率论中的退化分布。
• 概率测度 (Probability Measure)：若 $\mu(\Omega) = 1$，则测度空间退化为 概率空间 (Probability Space)，这是概率论的公理化出发点。概率论中的事件、随机变量、期望等概念均可统一在测度空间的框架下严格定义。
• Hausdorff 测度 (Hausdorff Measure)：定义在欧氏空间 Borel 集上的分形维数测度，是几何测度论的核心工具。

有限测度与 $\sigma$-有限测度

根据测度值的大小，可以对测度空间进行分类。若 $\mu(\Omega) < \infty$，则称 $\mu$ 为有限测度 (Finite Measure)，$(\Omega, \mathcal{F}, \mu)$ 称为有限测度空间。若 $\Omega$ 可被可数个有限测度集覆盖，即存在可数集族 $\{\Omega_n\} \subseteq \mathcal{F}$ 使得 $\bigcup_n \Omega_n = \Omega$ 且对每个 $n$ 有 $\mu(\Omega_n) < \infty$，则称 $\mu$ 为 $\sigma$-有限测度 ($\sigma$-Finite Measure)。例如，Lebesgue 测度在 $\mathbb{R}^d$ 上是 $\sigma$-有限的，只需取 $\Omega_n = [-n, n]^d$ 即可。然而，计数测度在不可数集上不是 $\sigma$-有限的，因为任何有限测度集只能包含有限个元素，无法覆盖整个不可数集。

$\sigma$-有限性在测度论中至关重要。Fubini 定理要求测度是 $\sigma$-有限的，Radon-Nikodym 定理同样需要 $\sigma$-有限的假设，可见这一性质是众多核心定理的前提条件。

完备性

测度空间 $(\Omega, \mathcal{F}, \mu)$ 称为完备的 (Complete)，若对任意满足 $\mu(N) = 0$ 的可测集 $N$，任何子集 $A \subseteq N$ 都是可测的（从而必然有 $\mu(A) = 0$）。换言之，完备测度空间不允许存在不可测的零测子集。任何测度空间都可以通过完备化 (Completion) 过程扩充为完备测度空间：将所有零测集的子集全部加入 $\sigma$-代数中，并相应延拓测度的定义。例如，Lebesgue 测度空间的完备化得到的是 Lebesgue 可测集族 $\mathcal{L}(\mathbb{R}^d)$，它比 Borel $\sigma$-代数 $\mathcal{B}(\mathbb{R}^d)$ 更大，包含了一切零测 Borel 集的子集。

可测函数与 Lebesgue 积分

给定测度空间 $(\Omega, \mathcal{F}, \mu)$，称函数 $f: \Omega \to \mathbb{R}$ 为可测函数 (Measurable Function)，若对任意 Borel 集 $B \subseteq \mathbb{R}$ 有原像 $f^{-1}(B) \in \mathcal{F}$。可测函数概念的引入使得我们能够定义Lebesgue 积分。与 Riemann 积分不同，Lebesgue 积分通过逐步逼近非负可测简单函数来构造，可以处理更为广泛的函数类，并且具备更强的极限定理支持（如 单调收敛定理、控制收敛定理和 Fatou 引理），这些极限定理是 Fourier 分析和偏微分方程理论的技术基石，深刻影响了现代概率论和随机分析的发展方向。

与概率论的关系

概率空间 $(\Omega, \mathcal{F}, P)$ 本质上是满足 $P(\Omega) = 1$ 的测度空间。在这一框架下，随机变量 (Random Variable) 就是定义在概率空间上的可测函数，数学期望 (Expectation) 就是对概率测度的 Lebesgue 积分。这一视角使得概率论彻底摆脱了早期依赖于直觉和有限样本空间的历史局限，得以建立在大数定律、中心极限定理等极限定理的严格数学基础之上。Kolmogorov 的一致性定理还证明了在无限维乘积测度空间上构造随机过程的可能性，为现代随机分析和金融数学奠定了理论基础。

乘积测度空间

给定两个测度空间 $(\Omega_1, \mathcal{F}_1, \mu_1)$ 和 $(\Omega_2, \mathcal{F}_2, \mu_2)$，可以在乘积集合 $\Omega_1 imes \Omega_2$ 上构造 extbf{乘积测度空间}。其 $\sigma$-代数由形如 $A imes B$（其中 $A \in \mathcal{F}_1, B \in \mathcal{F}_2$）的可测矩形生成，称为 extbf{乘积 $\sigma$-代数} $\mathcal{F}_1 \otimes \mathcal{F}_2$。乘积测度 $\mu_1 imes \mu_2$ 在可测矩形上的取值为 $\mu_1(A) \cdot \mu_2(B)$，并通过 Carathéodory 延拓定理唯一扩展至整个乘积 $\sigma$-代数。Fubini 定理保证，在 $\sigma$-有限的条件下，二重积分可以化为累次积分进行计算，这一结论在概率论和高维数值积分中具有不可替代的地位。

历史注记

测度空间的概念起源于 20 世纪初对积分理论的公理化重建。Henri Lebesgue (1902) 在其博士论文中建立了基于 Borel 集的现代积分理论；Émile Borel 推广了有限覆盖引理并提出了 Borel 测度的概念；Johann Radon 进一步将积分推广到一般测度空间。1933 年，Andrey Kolmogorov 在德文专著《概率论的基础》(Grundbegriffe der Wahrscheinlichkeitsrechnung) 中正式将概率论公理化，明确提出概率空间是满足规范性条件的测度空间，这标志着现代概率论的诞生。此后，测度空间成为现代分析与概率论的共同语言。