SYSTEMATIC MATHEMATICS

测度与 Lebesgue 积分

本课程按内容分成 6 个单元,长度分别为 10、6、8、6、5、5,共有 40 个可直接学习的知识章节。当区间分割与 Riemann 和不够用时,“集合有多大”和“函数下方的面积”应该怎样定义?课程先逐个读懂 X、𝓕、μ、集合运算以及有偏骰子概率列表中的每个符号和数字;再建立可测集合、区间覆盖外测度、正则逼近,以及把预测度变成测度的 Carathéodory 扩张。σ 先读作“sigma”再建立 σ-代数;“几乎处处”表示“只允许在零测集上例外”;每个积分先解释成面积累积或带符号累积。π–λ 与单调类定理说明怎样把已验证恒等式从生成族扩展出去;Lusin 定理说明可测函数怎样在受控的小删除集合之外变得连续。随后学习分层蛋糕公式、收敛定理选择记录、Jensen 不等式、可靠收敛定理、Lᵖ 空间、重复积分、变量替换、密度表示与 Hardy–Littlewood 极大估计;每次交换极限、级数、导数或积分,都并列写出精确许可与失败反例。

本课程之前: 已完成实分析以及证明、逻辑与集合论;例题与应用还会使用单变量微积分、多变量微积分、线性代数与概率统计。学习者应熟悉可数集合运算、严格极限、函数列、Riemann 积分、范数、内积与逼近证明。

COURSE FACTSLevel, chapters, units, prerequisite, and outcome
第 1 章

读懂测度符号:集合、集合族与大小规则

目标: 同一个集合 A 能有不同测度吗?

测度论把普通长度常常混在一起的三件事分开:有哪些可能对象、允许测量哪些对象集合、以及用什么数值规则测量它们。先读懂这三层,符号就不会变成没有含义的代码。

先从定义开始:在 (X,𝓕,μ) 中,X 是全部可能点组成的集合;𝓕(读作“花体 F”)是被宣布可以测量的子集族;μ(读作“mu”)是大小规则;μ(A) 是分配给可测子集 A 的数字。另外,∅ 是空集,A⊆X 表示 A 的每个点都在 X 中,A^c 是 X 中不属于 A 的部分,∪ 表示并集,∩ 表示交集,Σ 表示把列出的项相加。 本节要建立:在有限集合 X={x₁,…,x_n} 上,选取非负权重 w₁,…,w_n,并把 μ(A) 定义为 A 中各点 x_i 对应 w_i 的和。这就在全部子集上定义了一个测度。若这些权重之和为一,μ 就是概率测度,μ(A) 表示结果落入 A 的概率。

本节具体例题是:某个有偏六面骰子被赋予 (1,1,1,1,2,2)/8。写出每一面的概率并检查总和。 把它与这个失败边界比较:“概率质量函数”中的“质量”只是一种比喻,表示总概率 1 怎样分配到一个个精确结果上;它不是物理质量,也不能代替对元组的解释。像 (1,1,1,1,2,2)/8 这样的列表必须逐项展开说明。

在有限集合 X={x₁,…,x_n} 上,选取非负权重 w₁,…,w_n,并把 μ(A) 定义为 A 中各点 x_i 对应 w_i 的和。这就在全部子集上定义了一个测度。若这些权重之和为一,μ 就是概率测度,μ(A) 表示结果落入 A 的概率。

空集没有点,所以权重之和为零:μ(∅)=0。

若可测集合 A₁,A₂,… 两两不交,相加权重时没有任何点被重复计算。

因此它们并集的权重等于各自权重之和;有限 X 上至多只有有限个不交集合非空,所以可数可加性成立。

某个有偏六面骰子被赋予 (1,1,1,1,2,2)/8。写出每一面的概率并检查总和。

  1. 六个位置按顺序对应点数 1、2、3、4、5、6;共同分母 8 表示把每个列出的数都除以 8。
  2. 所以 P(1)=P(2)=P(3)=P(4)=1/8,而 P(5)=P(6)=2/8=1/4。
  3. 把六个概率相加:四个 1/8 加两个 2/8,得到 (4+4)/8=1。

结果: 点数 1–4 各自的概率是 1/8;点数 5–6 各自的概率是 1/4。后两个点数中的每一个,出现概率都是前四个任一点数的两倍。