KNOWECON WIKI

ARTICLE

简单函数

简单函数 简单函数（Simple Function）是测度论与实分析中一类基础而重要的可测函数，其核心特征是取值于有限个不同的实数值。在勒贝格积分（Lebesgue Integral）的构造中，简单函数扮演了关键角色——它们如同搭建高楼的砖石，通过逼近一般可测函数而定义出勒贝格积分。从数学结构上看，简单函数是示性函数的有限线性组合，这种组合结构使其既足够简单

浏览 7 更新 2025-07-16

简单函数

简单函数（Simple Function）是测度论与实分析中一类基础而重要的可测函数，其核心特征是取值于有限个不同的实数值。在勒贝格积分（Lebesgue Integral）的构造中，简单函数扮演了关键角色——它们如同搭建高楼的砖石，通过逼近一般可测函数而定义出勒贝格积分。从数学结构上看，简单函数是示性函数的有限线性组合，这种组合结构使其既足够简单以直接定义积分，又足够灵活以逼近任意非负可测函数。

定义

设 (Ω,F) (\Omega, \mathcal{F}) 为一个可测空间，函数 f:Ω→R f: \Omega \to \mathbb{R} 称为简单函数，当且仅当存在有限个互不相交的可测集 A1,A2,…,An∈F A_1, A_2, \dots, A_n \in \mathcal{F} 和实数 a1,a2,…,an a_1, a_2, \dots, a_n ，使得：

f(ω)=∑i=1nai⋅1Ai(ω),∀ω∈Ωf(\omega) = \sum_{i=1}^{n} a_i \cdot \mathbf{1}_{A_i}(\omega), \quad \forall \omega \in \Omega

其中 1Ai \mathbf{1}_{A_i} 表示集合 Ai A_i 的示性函数，即当 ω∈Ai \omega \in A_i 时取值为 1 1 ，否则为 0 0 。集合族 {Ai} \{A_i\} 构成 Ω \Omega 的一个有限划分，即 ⋃i=1nAi=Ω \bigcup_{i=1}^{n} A_i = \Omega 且 Ai∩Aj=∅ A_i \cap A_j = \varnothing （i≠j i \neq j ）。值域 {a1,a2,…,an} \{a_1, a_2, \dots, a_n\} 的有限性是简单函数的本质特征——这意味着 f f 只能取有限多个不同的函数值。

从可测性角度看，由于每个 Ai A_i 均为可测集，示性函数 1Ai \mathbf{1}_{A_i} 可测，有限线性组合保持可测性，因此简单函数一定是可测函数。反之，并非所有可测函数都是简单函数——例如 f(x)=x f(x) = x 在 R \mathbb{R} 上取无穷多个值，因而不是简单函数。

示性函数本身是最简单的简单函数实例。例如，定义在 R \mathbb{R} 上的狄利克雷函数 D(x)=1Q(x) D(x) = \mathbf{1}_{\mathbb{Q}}(x) （有理数上取 1 1 ，无理数上取 0 0 ）仅取两个值，是一个典型的简单函数。在概率论中，离散随机变量若只取有限个值，本质上就是概率空间上的简单函数——例如掷一颗骰子所得点数可视为定义在样本空间上的简单函数。

标准型表示

简单函数的表示并不唯一。例如，若 Ω=[0,1] \Omega = [0, 1] ，函数 f(x)=1 f(x) = 1 在 [0,0.5] [0, 0.5] 上、f(x)=2 f(x) = 2 在 (0.5,1] (0.5, 1] 上，既可以表示为 1⋅1[0,0.5]+2⋅1(0.5,1] 1 \cdot \mathbf{1}_{[0,0.5]} + 2 \cdot \mathbf{1}_{(0.5,1]} ，也可将 [0,0.5] [0,0.5] 进一步细分后以更多项表示。为了消除这种歧义，通常引入标准型（Canonical Representation）的概念。

对于简单函数 f f ，设其取值为互不相同的实数 α1,α2,…,αm \alpha_1, \alpha_2, \dots, \alpha_m （m≤n m \leq n ），则标准型定义为：

f=∑j=1mαj⋅1Ej,Ej={ω∈Ω:f(ω)=αj}f = \sum_{j=1}^{m} \alpha_j \cdot \mathbf{1}_{E_j}, \quad E_j = \{\omega \in \Omega : f(\omega) = \alpha_j\}

其中 Ej E_j 是 f f 取值为 αj \alpha_j 的原像集合。标准型的特点是：系数 αj \alpha_j 互不相同且按某种次序排列，集合 Ej E_j 两两不交且覆盖 Ω \Omega 。这种表示是唯一的，因为在给定 f f 的条件下，取值集合和对应的原像都是唯一确定的。标准型的唯一性在定义勒贝格积分时十分关键——无论采用何种分解方式，最终积分值都归结为同一标准型下的计算。

从拓扑角度看，集合 Ej=f−1({αj}) E_j = f^{-1}(\{\alpha_j\}) 是可测的（因为 f f 可测），且 f f 在每个 Ej E_j 上为常数，因此简单函数本质上是在有限个可测集上逐段取常值的函数。这种结构使得简单函数成为连接离散与连续世界的桥梁。

勒贝格积分的构造

简单函数在勒贝格积分理论中居于核心地位。勒贝格积分的标准构造路径如下：

  1. 定义非负简单函数的积分：对于非负简单函数 f=∑i=1nai1Ai f = \sum_{i=1}^{n} a_i \mathbf{1}_{A_i} （ai≥0 a_i \geq 0 ），其勒贝格积分为：
∫f dμ=∑i=1nai⋅μ(Ai)\int f \, d\mu = \sum_{i=1}^{n} a_i \cdot \mu(A_i)

其中 μ(Ai) \mu(A_i) 是集合 Ai A_i 的测度。此处约定 0⋅∞=0 0 \cdot \infty = 0 。这一公式的直观含义是：函数值 ai a_i 乘以该函数值出现的"广度"（即集合的测度），再对各项求和。对比黎曼积分对定义域区间进行分割的方式，勒贝格积分转而分割值域——这正是勒贝格积分思想的核心：不是将定义域分成小段后求矩形面积之和，而是将值域分层，每层的高度乘以该层对应的定义域测度。

  1. 逼近非负可测函数：对于任意非负可测函数 f≥0 f \geq 0 ，存在一列递增的非负简单函数 {φn} \{\varphi_n\} ，使得 φn→f \varphi_n \to f 逐点收敛。例如，可采用如下构造方式——对每个 n∈N n \in \mathbb{N} ，将区间 [0,n] [0, n] 等分为 n⋅2n n \cdot 2^n 份，每份长度为 2−n 2^{-n} ，定义为：
φn(ω)=∑k=0n⋅2n−1k2n⋅1{k/2n≤f(ω)<(k+1)/2n}+n⋅1{f(ω)≥n}\varphi_n(\omega) = \sum_{k=0}^{n \cdot 2^n - 1} \frac{k}{2^n} \cdot \mathbf{1}_{\{k/2^n \leq f(\omega) < (k+1)/2^n\}} + n \cdot \mathbf{1}_{\{f(\omega) \geq n\}}

这种方法将 f f 的值域在纵向上进行"量子化"——以 2−n 2^{-n} 为精度对 f f 的值进行向下取整，并截断超过 n n 的部分。随着 n n 增大，φn \varphi_n 单调递增地逼近 f f 。于是定义 f f 的积分为 ∫f dμ=lim⁡n→∞∫φn dμ \int f \, d\mu = \lim_{n \to \infty} \int \varphi_n \, d\mu （该极限可能为无穷大）。

  1. 扩展至一般可测函数：对于一般可测函数 f f ，将其分解为正部 f+=max⁡(f,0) f^+ = \max(f, 0) 和负部 f−=max⁡(−f,0) f^- = \max(-f, 0) ，二者均为非负可测函数。若 ∫f+ dμ \int f^+ \, d\mu 与 ∫f− dμ \int f^- \, d\mu 至少一个有限，则定义 ∫f dμ=∫f+ dμ−∫f− dμ \int f \, d\mu = \int f^+ \, d\mu - \int f^- \, d\mu 。若二者均为有限，则称 f f 可积。

这一构造路径清晰展示了简单函数作为"积木"的角色：非负简单函数的积分可直接由测度定义；一般非负可测函数通过简单函数列逼近；任意可测函数借助正负分解纳入积分框架。每一步都依赖简单函数这一基础构件。

简单函数的性质

简单函数在代数运算下封闭：两个简单函数的和、差、积、常倍数仍是简单函数。若 f f 和 g g 为简单函数，则 max⁡(f,g) \max(f, g) 和 min⁡(f,g) \min(f, g) 也是简单函数。这些性质源于示性函数在有限布尔运算下的封闭性——有限个可测集的交、并、补仍为可测集。

在逼近理论中，简单函数具有如下关键结果：对于任意可测函数 f f ，存在一列简单函数逐点收敛到 f f ；若 f f 有界，则收敛是一致的。这意味着简单函数在可测函数空间中按一致范数稠密。这一事实使得许多关于可测函数的定理可以先对简单函数证明，再通过极限过程推广至一般情况——这是实分析中极为高效的证明策略。

从函数空间的角度看，定义在测度空间上的简单函数全体构成一个向量空间，且在逐点序关系下构成一个向量格（Vector Lattice）。非负简单函数锥的闭包（在各种收敛意义下）恰好生成非负可测函数空间，这从结构上揭示了简单函数在整个可测函数理论中的基础地位。

在概率论与经济学中的应用

在概率论中，取有限个值的离散随机变量正是概率空间上的简单函数。设 (Ω,F,P) (\Omega, \mathcal{F}, P) 为概率空间，离散随机变量 X X 取值为 x1,…,xn x_1, \dots, x_n ，则 X=∑i=1nxi1{X=xi} X = \sum_{i=1}^{n} x_i \mathbf{1}_{\{X = x_i\}} 。其数学期望 E[X]=∑xiP(X=xi) E[X] = \sum x_i P(X = x_i) 恰好是简单函数的勒贝格积分——测度 μ \mu 替换为概率测度 P P 。

在金融经济学中，简单函数可用于刻画有限状态模型。在状态价格为 πs \pi_s 、状态 s s 下证券支付为 ds d_s 的有限状态经济中，证券的支付函数 d(s)=∑ds1{s} d(s) = \sum d_s \mathbf{1}_{\{s\}} 即为定义在状态空间上的简单函数。证券的当前价格可表示为 ∑πsds \sum \pi_s d_s ，与简单函数的勒贝格积分形式一致。这为无套利定价理论和资产定价基本定理提供了数学基础。当状态空间从有限扩展至无穷时，简单函数逼近方法恰好对应于将连续状态离散化的数值计算策略——这是计算经济学中常用的技术手段。

在经济计量学中，分段线性函数和非参数回归中的示性函数基展开（如B样条、核估计）本质上也是用简单函数或简单函数的推广来逼近未知的回归函数——这与勒贝格积分构造中简单函数逼近可测函数的思想如出一辙。

典型示例

示例一：离散随机变量。掷一枚硬币的收益函数：若正面朝上得 1 1 元，反面朝上得 0 0 元。设 Ω={H,T} \Omega = \{H, T\} ，则收益函数 R=1⋅1{H}+0⋅1{T} R = 1 \cdot \mathbf{1}_{\{H\}} + 0 \cdot \mathbf{1}_{\{T\}} 是简单函数，其勒贝格积分（期望值）为 1×0.5+0×0.5=0.5 1 \times 0.5 + 0 \times 0.5 = 0.5 元。

示例二：阶梯函数。函数 f(x)=⌊x⌋ f(x) = \lfloor x \rfloor （取整函数）在每个区间 [n,n+1) [n, n+1) 上为常数 n n ，是 R \mathbb{R} 上的简单函数，其勒贝格积分在勒贝格测度下为无穷大（因为 ∑n=0∞n⋅1=∞ \sum_{n=0}^{\infty} n \cdot 1 = \infty ），表明该函数在 R \mathbb{R} 上不是勒贝格可积的。

示例三：有界变差逼近。构造 f(x)=x f(x) = x 在 [0,1] [0, 1] 上的简单函数逼近：取 n=4 n=4 时，φ4(x)=∑k=03k41[k/4,(k+1)/4) \varphi_4(x) = \sum_{k=0}^{3} \frac{k}{4} \mathbf{1}_{[k/4, (k+1)/4)} 是分段常数函数，与 f f 的最大误差为 1/4 1/4 。当 n→∞ n \to \infty 时，该简单函数列一致收敛到 f(x)=x f(x) = x 。

关键术语

| 中文 | 英文 | |------|------| | 简单函数 | Simple Function | | 示性函数 | Indicator Function / Characteristic Function | | 可测函数 | Measurable Function | | 标准型 | Canonical Representation | | 勒贝格积分 | Lebesgue Integral | | 黎曼积分 | Riemann Integral | | 逐点收敛 | Pointwise Convergence | | 一致收敛 | Uniform Convergence | | 非负可测函数 | Nonnegative Measurable Function | | 可测空间 | Measurable Space | | 测度 | Measure | | 向量格 | Vector Lattice | | 离散随机变量 | Discrete Random Variable | | 阶梯函数 | Step Function | | 分段常数函数 | Piecewise Constant Function |