西格玛代数

西格玛代数（σ-代数，sigma-algebra）是测度论与概率论中最基本的数学结构之一。它刻画了一个集合上"可测"子集所构成的族，为长度、面积、体积以及概率等测度概念提供了严格的定义框架，是现代数学分析的重要基石。

定义

设 $X$ 为非空集合，$\mathcal{F}$ 是 $X$ 的某些子集构成的非空族。若 $\mathcal{F}$ 满足以下三条公理，则称 $\mathcal{F}$ 为 $X$ 上的一个 西格玛代数：

1. 全集属于 $\mathcal{F}$：$X \in \mathcal{F}$；
2. 对补运算封闭：若 $A \in \mathcal{F}$，则其补集 $A^{\,c} = X \setminus A \in \mathcal{F}$；
3. 对可列并运算封闭：若 $\{A_n\}_{n=1}^{\infty} \subseteq \mathcal{F}$，则 $\bigcup_{n=1}^{\infty} A_n \in \mathcal{F}$。

由德摩根定律可知，西格玛代数也对可列交运算封闭：若 $\{A_n\} \subseteq \mathcal{F}$，则 $\bigcap_{n=1}^{\infty} A_n \in \mathcal{F}$。此外，由 $X \in \mathcal{F}$ 和补封闭性可得 $\emptyset \in \mathcal{F}$。有序对 $(X, \mathcal{F})$ 称为可测空间，$\mathcal{F}$ 中的元素称为可测集。这三条公理是测度论公理化的核心起点，也是整个积分理论的基础。

直观理解

西格玛代数可视为"信息"或"可分辨事件"的数学建模。将 $X$ 想象为所有可能结果的集合，$\mathcal{F}$ 则包含了所有我们能够"测量"或"判断是否发生"的事件。闭包性质保证了：如果我们能测量 $A$，就能测量其补集（即"非 $A$"）；如果能量测一列事件，就能测量它们的可列并（即"至少一个发生"）。这种结构使概率论中"事件"的运算得以自洽进行。

最平凡的西格玛代数是 $\{\emptyset, X\}$，它仅能区分空集与全集，对应的信息量几乎为零；最精细的是幂集 $\mathcal{P}(X) = 2^X$，其中每个子集都可测。实际应用往往介于二者之间——例如实数轴上我们通常只考虑 Borel 集而非全部子集，原因在于并非每个实数子集都具有良好定义的"长度"。

典型例子

• 平凡西格玛代数：$\{\emptyset, X\}$，仅包含最小必要元素，对应的信息量几乎为零。
• 幂集：$\mathcal{P}(X)$，包含 $X$ 的所有子集，当 $X$ 可数时常用，此时可定义计数测度。
• 单点生成：取 $A \subseteq X$，则 $\{\emptyset, A, A^c, X\}$ 构成西格玛代数，是最简单的非平凡情形。
• 可数划分：若 $\{A_1, A_2, \dots\}$ 是 $X$ 的可数划分，则其所有可列并构成的族是西格玛代数。
• 迹西格玛代数（子空间西格玛代数）：若 $(X, \mathcal{F})$ 是可测空间，$Y \subseteq X$，则 $\{A \cap Y : A \in \mathcal{F}\}$ 是 $Y$ 上的西格玛代数。
• 乘积西格玛代数：两个可测空间的笛卡尔积上可构造乘积西格玛代数，用于定义乘积测度。
• Borel 西格玛代数：由拓扑空间全体开集生成，是最常用的非平凡西格玛代数。

生成与 Borel 西格玛代数

给定 $X$ 上的一个子集族 $\mathcal{E}$，包含 $\mathcal{E}$ 的最小西格玛代数称为由 $\mathcal{E}$ 生成的西格玛代数，记作 $\sigma(\mathcal{E})$。其构造方法是取所有包含 $\mathcal{E}$ 的西格玛代数的交集，该交集仍然是一个西格玛代数。

在拓扑空间中有一个关键特例：设 $X$ 为拓扑空间（如实数空间 $\mathbb{R}^n$），取 $\mathcal{E}$ 为全体开集，则 $\sigma(\mathcal{E})$ 称为 Borel 西格玛代数，记作 $\mathcal{B}(X)$，其中的元素称为 Borel 集。实数轴上的 Borel 西格玛代数 $\mathcal{B}(\mathbb{R})$ 涵盖了所有开区间、闭区间、半开区间以及它们的可列交与可列并。$\mathcal{B}(\mathbb{R})$ 的基数等于连续统 $\mathfrak{c}$，而 $\mathbb{R}$ 的幂集基数为 $2^{\mathfrak{c}}$，可见绝大多数子集都不是 Borel 集。然而 Borel 代数已足够丰富以支撑勒贝格测度与随机变量的严格定义。

概率论中的应用

概率空间定义为 $(Ω, \mathcal{F}, P)$，其中 $\mathcal{F}$ 是样本空间 $Ω$ 上的西格玛代数（称为事件域），$P: \mathcal{F} \to [0,1]$ 是概率测度——即满足 $P(Ω)=1$ 且对可列不交并具有可加性的测度。随机变量是从 $Ω$ 到 $\mathbb{R}$ 的可测函数，其可测性保证了逆像落在 $\mathcal{F}$ 中，从而概率运算合法。

在随机过程中，滤流（filtration）是一族递增的西格玛代数 $\{\mathcal{F}_t\}_{t \ge 0}$，刻画随时间推移而累积的信息结构。鞅（martingale）——公平赌博的数学模型——的定义依赖于滤流：随机过程 $\{X_t\}$ 称为鞅，若每个 $X_t$ 关于 $\mathcal{F}_t$ 可测且满足 $\mathbb{E}[X_{t+1} \mid \mathcal{F}_t] = X_t$。条件期望 $\mathbb{E}[X \mid \mathcal{G}]$ 建立在子西格玛代数 $\mathcal{G}$ 之上，其严格定义依赖于 Radon-Nikodym 定理。

测度论中的应用

勒贝格测度定义在 $\mathbb{R}^n$ 的 Borel 西格玛代数（或其完成化——Lebesgue 可测集族）上。西格玛代数的可列闭包性质确保了单调收敛定理、控制收敛定理、法图引理等核心分析工具的有效性——这些定理都涉及可列个集合或函数的极限操作。哈恩分解定理和拉东-尼科迪姆定理也建立在可测空间框架之上。实分析中几乎所有积分理论都以可测空间和可测函数为出发点。

与其他结构的关系

• 代数（域）：西格玛代数的前身，仅要求对有限并封闭；西格玛代数要求可列并封闭，从而能处理极限和无穷操作。
• λ-系与π-系：Dynkin 系统，$\pi$-$\lambda$ 定理常用于证明某性质在生成西格玛代数上普遍成立。
• 单调类：与西格玛代数密切相关的结构，在测度论唯一性定理中扮演关键角色——若两个测度在某个 π-系上相等且该 π-系生成整个西格玛代数，则它们在整个西格玛代数上相等。

数理经济学中的应用

在博弈论与信息经济学中，西格玛代数用于建模代理人的信息结构。逆向选择模型中，每个参与者的信息集对应其可观测事件构成的西格玛代数。共同知识（common knowledge）的形式化也依赖于西格玛代数之间的包含关系。

小结

西格玛代数为测度与积分提供了最低限度的集合论框架：它既足够丰富以构造 Lebesgue 测度和概率空间，又足够保守以避免维塔利集等非可测病态结构。西格玛代数是理解现代概率论、实分析及随机过程不可或缺的基础概念。