sigma-代数

定义

sigma-代数（σ-algebra，也称σ-域）是定义在某个非空集合 $\Omega$ 上的一族子集，满足三条公理：对补集封闭、对可数并封闭、对可数交封闭。形式上，设 $\mathcal{F} \subseteq 2^\Omega$ 是 $\Omega$ 的子集族，称 $\mathcal{F}$ 为 $\Omega$ 上的 sigma-代数，当且仅当以下三条同时成立：第一，$\Omega \in \mathcal{F}$（全空间属于该族）；第二，若 $A \in \mathcal{F}$，则补集 $A^c = \Omega \setminus A \in \mathcal{F}$（对补集运算封闭）；第三，若 $\{A_n\}_{n=1}^\infty$ 是 $\mathcal{F}$ 中的一列集合，则 $\bigcup_{n=1}^\infty A_n \in \mathcal{F}$（对可数并运算封闭）。由德摩根定律可知，可数并封闭与可数交封闭在补集条件下彼此等价，因此实际只需检查前两条和可数并封闭性即可。这三条公理是sigma-代数概念的逻辑起点，也是整个测度论和现代概率论的基石。

基本性质与例子

最简单的sigma-代数是平凡sigma-代数 $\{\varnothing, \Omega\}$，仅包含空集和全空间两个集合；它是最粗糙的sigma-代数，只提供最基础的可测结构。最精细的是幂集 $2^\Omega$，包含 $\Omega$ 的所有子集；当 $\Omega$ 为有限集时，幂集是可用的，但当 $\Omega$ 为不可数集时，幂集过于庞大，且在其上无法定义满足平移不变性的全测度，因此在实际应用中往往需要更小的sigma-代数。介于两者之间的典型例子有：对任意事件 $A \subseteq \Omega$，族 $\{\varnothing, A, A^c, \Omega\}$ 构成一个sigma-代数，称为由 $A$ 生成的sigma-代数。在可测空间理论中，sigma-代数的作用是界定哪些子集是"可测的"——只有属于sigma-代数的集合才能被赋予测度；这一定义既保证了测度的良好性质，又避免了不可测集带来的悖论。

Borel sigma-代数

在拓扑空间中最常使用的sigma-代数是Borel sigma-代数，记作 $\mathcal{B}(\mathbb{R})$，定义为由所有开集生成的sigma-代数，即包含所有开集的最小sigma-代数。在实数轴 $\mathbb{R}$ 上，Borel sigma-代数包含所有开区间 $(a,b)$、闭区间 $[a,b]$、半开半闭区间 $[a,b)$ 和 $(a,b]$、单点集 $\{a\}$，以及这些集合的所有可数并和可数交。值得注意的是，Borel sigma-代数虽然包含大量集合，但其势与 $\mathbb{R}$ 的势相同，严格小于幂集的势，这一事实揭示了Borel结构的精致性。Borel sigma-代数比幂集小得多，却又足以包含所有我们关心的集合，是勒贝格测度的自然定义域。更高维度 $\mathbb{R}^n$ 上的Borel sigma-代数可类似定义，记为 $\mathcal{B}(\mathbb{R}^n)$，由 $\mathbb{R}^n$ 中所有开集生成。

生成与构造

给定一族子集 $\mathcal{C} \subseteq 2^\Omega$，由 $\mathcal{C}$ 生成的sigma-代数 $\sigma(\mathcal{C})$ 定义为包含 $\mathcal{C}$ 的最小sigma-代数。其存在性由如下事实保证：任意多个sigma-代数的交集仍是sigma-代数，因此 $\sigma(\mathcal{C})$ 可构造为所有包含 $\mathcal{C}$ 的sigma-代数的交集。这一定义虽是非构造性的，但在理论和应用中都具有关键作用。这一构造使我们能从简单集合类（如所有开区间）出发，"生成"出足够丰富的可测结构，而不必逐一列举所有可测集。在概率论中，随机变量 $X: \Omega \to \mathbb{R}$ 的分布正是由其诱导的sigma-代数 $\sigma(X) = \{X^{-1}(B) \mid B \in \mathcal{B}(\mathbb{R})\}$ 来刻画；$\sigma(X)$ 包含了关于 $X$ 的所有可问事件，是概率论中信息结构的基本单元。

在概率论中的核心地位

概率论以概率空间 $(\Omega, \mathcal{F}, P)$ 为基本框架，其中 $\Omega$ 是样本空间，$\mathcal{F}$ 是 $\Omega$ 上的一个sigma-代数，$P$ 是 $\mathcal{F}$ 上的概率测度。sigma-代数在此承担着"信息结构"的角色：$\mathcal{F}$ 中的每个集合代表一个我们可以谈论概率的事件，而不在 $\mathcal{F}$ 中的集合则被认为是不可观测或不必考虑的。条件期望 $\mathbb{E}[X \mid \mathcal{G}]$（其中 $\mathcal{G} \subseteq \mathcal{F}$ 是子sigma-代数）的现代定义正是建立在sigma-代数概念的基础之上；$\mathcal{G}$ 越精细，代表我们掌握的信息越多，条件期望也就越精确。随机过程的自然域流 $\mathcal{F}_t = \sigma(\{X_s \mid 0 \leq s \leq t\})$ 是sigma-代数随时间演化的单调递增序列，它刻画了到时刻 $t$ 为止全部可观测信息。停时、鞅、马尔可夫性等核心概念都依赖这一框架来严格定义。

可测函数与积分理论

在测度论中，函数 $f: \Omega \to \mathbb{R}$ 称为可测函数，如果对任意Borel集 $B \in \mathcal{B}(\mathbb{R})$，原像 $f^{-1}(B) \in \mathcal{F}$。这一条件保证了 $f$ 的勒贝格积分 $\int f \, d\mu$ 有良好定义。可测函数的复合与代数运算（加法、乘法、取极限）仍保持可测性，这为勒贝格积分提供了坚实的集合论基础。与黎曼积分相比，勒贝格积分对极限运算更为友好：可测函数列的逐点极限（若存在）仍然是可测函数，这使得勒贝格积分在分析学和概率论中具有不可替代的优势。单调类定理和 $\pi$-$\lambda$ 定理是验证函数可测性和测度唯一性的关键工具，它们刻画了sigma-代数生成过程的代数结构，将复杂问题约化为对简单集合类的验证。

逐点收敛与几乎必然收敛

测度论中，函数列的收敛涉及可测集的结构。函数列 $\{f_n\}$ 逐点收敛到 $f$ 的集合可以表示为 $\bigcap_{k=1}^\infty \bigcup_{N=1}^\infty \bigcap_{n=N}^\infty \{x \mid |f_n(x)-f(x)| < 1/k\}$，这一表达式使用了可数交与可数并的交替运算，保证了该集合属于sigma-代数。正是sigma-代数对可数运算的封闭性，使得"几乎必然收敛""依概率收敛"等概念在概率论中得以严格定义。如果没有sigma-代数的框架，这些收敛性概念将失去测度基础。法图引理、勒贝格控制收敛定理、单调收敛定理等核心定理的证明都依赖于可测集与sigma-代数的结构性质。

与选择公理的联系

sigma-代数的非平凡性还体现在与选择公理的深层联系上。在ZFC集合论框架下，存在 $\mathbb{R}$ 的子集（如Vitali集）不属于Borel sigma-代数，甚至不是勒贝格可测集。这一事实迫使测度论必须明确界定"可测集"的范围——正是sigma-代数提供了这一范围的形式化定义。不可测集的存在反过来证明了为什么我们不能简单地将幂集作为测度的定义域：因为平移不变的全测度（如勒贝格测度）无法一致地定义在所有 $\mathbb{R}$ 的子集上。此外，在描述集合论中，Borel集与解析集的关系、投影集的性质等问题，都与sigma-代数的生成和扩张密切相关，构成了集合论与测度论交叉研究的活跃领域。