在数学 中,测度 是一种将几何空间 的度量 (长度 、面积 、体积 )和其他常见概念(如大小 、质量 和事件 的概率 )广义化 后产生的概念。传统的黎曼积分 是在区间 上进行的,为了把积分推广到更一般的集合上,人们就发展出测度的概念。一个特别重要的例子是勒贝格测度 ,它从
n
{\displaystyle n}
维欧式空间
R
n
{\displaystyle {\mathbb {R} }^{n}}
出发,概括了传统长度、面积和体积等等的概念。
测度具有单调性 ,如果集合 A是集合B的子集 ,那么集合A的测度小于或等于集合B的测度。此外空集 的测度为0。例如体积(物体所占据的空间的大小)就是一种测度。
研究测度的学问被统称为测度论 ,因为指定的数值通常是非负实数 ,所以测度论通常会被视为实分析 的一个分支,它在数学分析 和概率论 有重要的地位。
定义 —
(
X
,
Σ
)
{\displaystyle (X,\,\Sigma )}
为可测空间 ,函数
μ
:
Σ
→
[
0
,
∞
)
{\displaystyle \mu :\Sigma \to [0,\,\infty )}
若满足:
μ
(
∅
)
=
0
{\displaystyle \mu (\varnothing )=0}
(空集合的测度为零)
可数可加性 (
σ
{\displaystyle \sigma }
-可加性): 若集合序列
{
E
n
∈
Σ
}
n
∈
N
{\displaystyle \{E_{n}\in \Sigma \}_{n\in \mathbb {N} }}
对所有不相等正整数
i
≠
j
{\displaystyle i\neq j}
都有
E
i
∩
E
j
=
∅
{\displaystyle E_{i}\cap E_{j}=\varnothing }
,则
μ
(
⋃
n
∈
N
E
n
)
=
∑
n
=
1
∞
μ
(
E
n
)
{\displaystyle \mu \left(\bigcup _{n\in \mathbb {N} }E_{n}\right)=\sum _{n=1}^{\infty }\mu (E_{n})}
。
那
μ
{\displaystyle \mu }
被称为定义在
Σ
{\displaystyle \Sigma }
上的一个非负测度 ,或简称为测度 。为了叙述简便起见,也可称
(
X
,
Σ
,
μ
)
{\displaystyle (X,\,\Sigma ,\,\mu )}
为一测度空间 。
直观上,测度是“体积”的推广;因为空集合的“体积”当然为零,而且互相独立的一群(可数个)物体,总“体积”当然要是所有物体“体积”直接加总(的极限)。而要定义“体积”,必须先要决定怎样的一群子集合,是“可以测量的”,详细请见σ -代数 。
如果将
μ
{\displaystyle \mu }
的值域扩展到复数 ,也就是说
μ
:
Σ
→
C
{\displaystyle \mu :\Sigma \to \mathbb {C} }
,那
μ
{\displaystyle \mu }
会被进一步称为复数测度 。[ 1]
直观上,因为测度的单调性,只要包含于零测集的集合,也“应该”是零测集,完备测度的定义体现了这个直观的想法。更进一步的,任意测度可以按如下的定理扩展为完备测度:[ 3]
定理 —
(
X
,
Σ
,
μ
)
{\displaystyle (X,\,\Sigma ,\,\mu )}
是测度空间 ,若取:
Σ
⋆
:=
{
S
|
(
S
⊆
X
)
∧
(
∃
A
)
(
∃
B
)
{
(
A
,
B
∈
Σ
)
∧
(
A
⊆
S
⊆
B
)
∧
[
μ
(
B
−
A
)
=
0
]
}
}
{\displaystyle \Sigma ^{\star }:={\bigg \{}S\,{\bigg |}\,(S\subseteq X)\wedge (\exists A)(\exists B)\{(A,\,B\in \Sigma )\wedge (A\subseteq S\subseteq B)\wedge [\mu (B-A)=0]\}{\bigg \}}}
那
Σ
⋆
{\displaystyle \Sigma ^{\star }}
是一个Σ-代数 ,此时若定义:
μ
⋆
:=
{
⟨
S
,
r
⟩
|
(
S
⊆
X
)
∧
(
∃
A
)
(
∃
B
)
{
(
A
,
B
∈
Σ
)
∧
(
A
⊆
S
⊆
B
)
∧
[
μ
(
B
−
A
)
=
0
]
∧
[
r
=
μ
(
A
)
]
}
}
{\displaystyle \mu ^{\star }:={\bigg \{}\langle S,\,r\rangle \,{\bigg |}\,(S\subseteq X)\wedge (\exists A)(\exists B)\{(A,\,B\in \Sigma )\wedge (A\subseteq S\subseteq B)\wedge [\mu (B-A)=0]\wedge [r=\mu (A)]\}{\bigg \}}}
那
μ
⋆
{\displaystyle \mu ^{\star }}
是定义在
Σ
⋆
{\displaystyle \Sigma ^{\star }}
上的完备测度,且有:
(
∀
S
∈
Σ
)
[
μ
⋆
(
S
)
=
μ
(
S
)
]
{\displaystyle (\forall S\in \Sigma )[\mu ^{\star }(S)=\mu (S)]}
More information 证明 ...
Close
Rudin, Walter. Real and Complex Analysis(Second Edition). McGRAW-HILL. 1984: 124–124.
Rudin, Walter. Real and Complex Analysis(Second Edition). McGRAW-HILL. 1984: 17–17.
R. M. Dudley, 2002. Real Analysis and Probability . Cambridge University Press.
D. H. Fremlin, 2000. Measure Theory . Torres Fremlin.
Paul Halmos , 1950. Measure theory . Van Nostrand and Co.
M. E. Munroe, 1953. Introduction to Measure and Integration . Addison Wesley.
Shilov, G. E., and Gurevich, B. L., 1978. Integral, Measure, and Derivative: A Unified Approach , Richard A. Silverman, trans. Dover Publications. ISBN 0-486-63519-8 . Emphasizes the Daniell integral .