在数学 中,测度 是一種將几何空間 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 )廣義化 後產生的概念。传统的黎曼积分 是在区间 上进行的,為了把积分推广到更一般的集合上,人們就发展出测度的概念。一个特别重要的例子是勒贝格测度 ,它從
n
{\displaystyle n}
维欧式空间
R
n
{\displaystyle {\mathbb {R} }^{n}}
出發,概括了傳統长度、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。
研究測度的學問被統稱為测度论 ,因為指定的數值通常是非負实数 ,所以测度论通常會被視為实分析 的一个分支,它在数学分析 和概率论 有重要的地位。
定義 —
(
X
,
Σ
)
{\displaystyle (X,\,\Sigma )}
為可测空间 ,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} }}
對所有不相等正整數
i
≠
j
{\displaystyle i\neq j}
都有
E
i
∩
E
j
=
∅
{\displaystyle E_{i}\cap E_{j}=\varnothing }
,則
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 }
被稱為定義在
Σ
{\displaystyle \Sigma }
上的一個非負測度 ,或簡稱為測度 。為了敘述簡便起見,也可稱
(
X
,
Σ
,
μ
)
{\displaystyle (X,\,\Sigma ,\,\mu )}
为一测度空间 。
直觀上,測度是「體積」的推廣;因為空集合的「體積」當然為零,而且互相獨立的一群(可數個)物體,總「體積」當然要是所有物體「體積」直接加總(的極限)。而要定義「體積」,必須先要決定怎樣的一群子集合,是「可以測量的」,詳細請見σ -代數 。
如果將
μ
{\displaystyle \mu }
的值域擴展到複數 ,也就是說
μ
:
Σ
→
C
{\displaystyle \mu :\Sigma \to \mathbb {C} }
,那
μ
{\displaystyle \mu }
會被進一步稱為複數測度 。[ 1]
直觀上,因為測度的單調性,只要包含於零測集的集合,也「應該」是零測集,完備測度的定義體現了這個直觀的想法。更進一步的,任意测度可以按如下的定理擴展为完备测度:[ 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 }}
是一個Σ-代数 ,此時若定義:
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 }}
是定義在
Σ
⋆
{\displaystyle \Sigma ^{\star }}
上的完備測度,且有:
(
∀
S
∈
Σ
)
[
μ
⋆
(
S
)
=
μ
(
S
)
]
{\displaystyle (\forall S\in \Sigma )[\mu ^{\star }(S)=\mu (S)]}
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 .