{
  "id": "ergodicity",
  "title": "遍历性",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "遍历性指不变事件的概率只能为零或一，使长期时间平均能够代表系统不变概率分布下的平均。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "各态历经性"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/ergodicity/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/ergodicity/",
      "json": "https://aiwiki.page/en/ergodicity.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "遍历性是具有不变测度的动力系统的一种性质：系统不能分成两个测度均为正的不变可测部分。在保持概率测度的系统中，这意味着每个不变事件的概率不是零就是一。它在统计上的主要推论是：对于可积观测量和几乎所有初始状态，足够长时间的平均值等于相应的不变分布下的平均值。\n\n这一概念源于解释平衡态统计力学为何有效的尝试。在平衡态统计力学中，人们将沿物理系统演化历程得到的测量值与所有可能微观状态上的平均值相比较。此后，遍历性成为概率、平稳数据分析、马尔可夫链模拟以及确定性动力学数学研究中的基本概念。遍历性并不意味着轨道确实会经过每一个点，也不意味着各次观测会变得相互独立，或系统会迅速达到平衡。\n\n现代遍历理论将遍历性与混合性等更强的性质，以及常返性、拓扑传递性和唯一遍历性等相关概念区分开来。这些区别决定了哪些平均值会收敛、其极限代表什么，以及能否确定具有实际意义的收敛速率。"
    },
    {
      "heading": "测度论定义",
      "text": "标准的框架是一个 概率空间 \\((X,\\mathcal F,\\mu)\\)，以及一个可测映射 \\(T:X\\to X\\)。\\(X\\) 中的点表示可能的状态，\\(\\mathcal F\\) 指定可观测的事件，\\(\\mu\\) 则赋予这些事件相应的概率。如果映射满足\n\n\\[\\mu(T^{-1}A)=\\mu(A) \\qquad\\text{for every }A\\in\\mathcal F.\\]\n\n则称其为保测变换。因此，如果初始状态的分布为 \\(\\mu\\)，那么经过一步或任意多步后，状态仍具有相同的分布。该映射不必可逆；用原像表述的条件同样适用于可逆和不可逆的动力系统。\n\n如果每个满足\n\n\\[\\mu\\bigl(T^{-1}A\\mathbin{\\triangle}A\\bigr)=0\\]\n\n的可测集 \\(A\\) 的测度都为零或一，则称该变换具有遍历性，其中 \\(\\triangle\\) 表示对称差。因此，这里的不变性允许相差一个零测集，而不要求在每一点上都严格成立。这一约定至关重要，因为概率论将仅在零测集上存在差异的事件视为在统计意义上无法区分的事件。不变集构成一个不变 σ代数；遍历性意味着，忽略零测集的差异后，这个 σ代数是平凡的。\n\n等价的表述可以借助可观测量给出。如果系统具有遍历性，那么任何几乎处处满足 \\(f\\circ T=f\\) 的可测实值函数都必定几乎处处为常数。两种表述之间的联系在于，不变函数的水平集 \\(\\{x:f(x)>a\\}\\) 都是不变事件。反过来，不变集的示性函数就是不变的可观测量。因此，遍历性排除了沿轨道始终保持不变的非恒定可测信息。\n\n对于连续时间，动力学由可测流 \\((\\phi_t)_{t\\in\\mathbb R}\\) 表示，有时也由满足 \\(t\\geq0\\) 的半流表示。一个集合只有在每个时间映射下都具有忽略零测集差异的不变性，才属于遍历性条件所涉及的不变集。一个流具有遍历性，并不意味着它的每个单独的时间映射都具有遍历性。例如，圆周上的单位速率平移作为连续时间流具有遍历性，但平移整整一周对应的是恒等映射，相对于勒贝格测度并不具有遍历性。\n\n遍历性是动力学与所选不变测度共同决定的性质。同一个映射相对于某个测度可能具有遍历性，相对于另一个测度却可能不具有遍历性。集中在一个不动点上的点质量总是一个具有遍历性的不变概率测度。将集中在两个不同不动点上的点质量混合起来，所得测度虽具有不变性，却不具有遍历性。因此，断言一个系统“具有遍历性”，通常以指定了某个测度为前提。"
    },
    {
      "heading": "时间平均与遍历定理",
      "text": "对于可积观测量 \\(f:X\\to\\mathbb R\\)，沿轨道的离散时间平均为\n\n\\[A_Nf(x)=\\frac1N\\sum_{n=0}^{N-1}f(T^n x).\\]\n\n伯克霍夫遍历定理指出，在保持概率测度的系统中，这些平均几乎处处收敛于某个可积的不变函数 \\(f^*\\)。更确切地说，\n\n\\[f^*=\\mathbb E_\\mu[f\\mid\\mathcal I],\\]\n\n其中，\\(\\mathcal I\\) 是不变 σ-代数，右端是一个条件期望。这一表述也适用于非遍历系统：平均仍然收敛，但其极限可能保留有关初始状态所属不变部分的信息。\n\n如果系统是遍历的，不变 σ-代数就是平凡的，因此\n\n\\[\\lim_{N\\to\\infty}A_Nf(x)=\\int_X f\\,d\\mu \\quad\\text{for }\\mu\\text{-almost every }x.\\]\n\n这就是“时间平均等于系综平均”这一说法背后的精确数学表述。它分别适用于每一个可积观测量，并不声称在所有初始状态下都收敛。可能存在一些例外的初始点，但它们构成的集合测度为零。对于可数个观测量，可以选取同一个满测度集，使所有相应的结论都在该集合上成立。\n\n取 \\(f=\\mathbf1_A\\)，就得到一个具体的频率解释：\n\n\\[\\frac1N\\#\\{0\\leq n<N:T^n x\\in A\\}\\longrightarrow\\mu(A).\\]\n\n对于遍历系统中几乎每一个初始状态，观测时刻中状态落在 \\(A\\) 内的比例趋近于 \\(A\\) 的概率。这并不要求轨道经过 \\(A\\) 中的每一个点，对测度为零的单个点也没有类似的结论。这一数学论断讨论的是落入可测区域的频率，而不是对连续统中所有点的穷尽遍访。\n\n约翰·冯·诺依曼的均值遍历定理在希尔伯特空间中给出了一个互补的结果。对于 \\(f\\in L^2(\\mu)\\)，这些平均在 \\(L^2\\) 中收敛于 \\(f\\) 在不变函数子空间上的正交投影。在遍历情形下，这个子空间由常数函数组成。逐点收敛与均值收敛是不同的收敛方式，这两个经典定理分别处理了这两类不同的问题。\n\n对于保测流，相应的平均为\n\n\\[A_Tf(x)=\\frac1T\\int_0^T f(\\phi_t x)\\,dt.\\]\n\n在通常的可测性假设下，连续时间遍历定理给出了类似的条件期望极限。这些定性结论都没有给出普遍适用的收敛速度。遍历平均的收敛可以任意缓慢，因此，仅凭一个渐近恒等式，并不能断定有限的观测时长已经足够。"
    },
    {
      "heading": "典型例子与反例",
      "text": "圆周旋转提供了一个基本例子，说明遍历性与不规则运动并不相同。将圆周视为 \\(\\mathbb R/\\mathbb Z\\)，赋予其归一化的勒贝格测度，并定义\n\n\\[T_\\alpha x=x+\\alpha\\pmod1.\\]\n\n若 \\(\\alpha\\) 为无理数，则该旋转具有遍历性。一种证明方法是将不变的平方可积函数展开为傅里叶级数：不变性要求，除非 \\(e^{2\\pi i k\\alpha}=1\\)，否则其第 \\(k\\) 个傅里叶系数必须为零。由于 \\(\\alpha\\) 是无理数，只有常数项的系数可以非零。若 \\(\\alpha\\) 为有理数，则存在非常数的不变函数，因此该旋转对于勒贝格测度不具有遍历性。\n\n无理旋转的运动高度有序。点与点之间的距离保持不变，适当的周期性可观测量之间的相关性会振荡，而不会衰减。尽管如此，轨道平均仍能给出勒贝格积分。因此，无理旋转表明，遍历性既不要求对初始条件的敏感依赖，也不要求运动在直观上具有任何类似随机性的特征。有理旋转还说明了遍历性对测度的依赖：虽然它们对于勒贝格测度不具有遍历性，但对于单条有限轨道上的均匀测度却具有遍历性。\n\n倍增映射\n\n\\[T(x)=2x\\pmod1,\\qquad 0\\leq x<1,\\]\n\n也保持勒贝格测度，但具有强得多的统计性质。在二进制表示下，它会去掉小数点后的第一位：\n\n\\[0.b_1b_2b_3\\ldots\\longmapsto0.b_2b_3b_4\\ldots.\\]\n\n除去二进制展开不唯一的点所构成的零测集，按照勒贝格测度分布的点，其各位数字表现为相互独立、等概率取值的二进制位。因此，这一动力学可以用单侧伯努利移位来表示。当有限数字块之间经过移位而相隔足够远时，由这些数字块确定的事件便彼此独立；再通过逼近，就能证明一般可测事件的混合性。\n\n双侧伯努利移位是一个可逆的例子。它的状态是以整数为坐标索引的双向无穷序列，其变换将每个坐标移动一位。在各坐标相互独立的乘积测度下，这一移位具有遍历性和混合性。这种表示清楚地表明，完整序列空间上的确定性演化，也可以具有通常与重复随机试验相联系的统计性质。\n\n与之形成对比的例子是恒等映射 \\(T(x)=x\\)。每个可测集都是不变集，因此，只有当概率测度下不存在概率介于零与一之间的事件时，它才具有遍历性。更一般地，假设一个系统有两个互不相交的不变区域 \\(X_1\\) 和 \\(X_2\\)，且每个区域都有正概率。从其中一个区域出发的轨迹永远不会进入另一个区域，因此全局的系综平均可能不同于任一区域内的时间平均。即使每个区域内部的动力学都具有混合性，将它们按概率混合后得到的系统仍不具有遍历性。"
    },
    {
      "heading": "混合、回归与谱刻画",
      "text": "强混合要求对所有可测集 \\(A\\) 和 \\(B\\)，都有\n\n\\[\\mu(A\\cap T^{-n}B)\\longrightarrow\\mu(A)\\mu(B) \\qquad(n\\to\\infty)\\]\n\n事件 \\(T^{-n}B\\) 表示状态经过 \\(n\\) 次迭代后落在 \\(B\\) 中。因此，混合意味着：知道初始时刻某个事件是否发生，对于遥远未来的某个事件而言，会渐近地变得无关紧要。强混合蕴含遍历性，但反过来不成立，无理数圆周旋转就是一个例子。\n\n遍历性本身可以用平均相关性来刻画：\n\n\\[\\frac1N\\sum_{n=0}^{N-1}\\mu(A\\cap T^{-n}B) \\longrightarrow\\mu(A)\\mu(B).\\]\n\n各个相关项本身不必收敛。弱混合介于遍历性与强混合之间；它的一个等价条件是\n\n\\[\\frac1N\\sum_{n=0}^{N-1} \\left|\\mu(A\\cap T^{-n}B)-\\mu(A)\\mu(B)\\right| \\longrightarrow0.\\]\n\n另一个刻画是：作用在乘积概率空间上的 \\(T\\times T\\) 具有遍历性。由此，弱混合可以理解为：同一动力系统的两个独立副本之间不存在持续的同步。\n\n对于可逆系统，这些区别可以通过 \\(L^2(\\mu)\\) 上的库普曼算子\n\n\\[Uf=f\\circ T\\]\n\n来表述。保测性和可逆性使 \\(U\\) 成为酉算子。遍历性意味着它的不动向量恰好是常值函数，等价地说，特征值 \\(1\\) 对应的特征空间是一维的。弱混合意味着任何特征值都没有非常值的特征函数。在均值为零的子空间上，强混合意味着\n\n\\[\\langle f,U^ng\\rangle\\longrightarrow0.\\]\n\n谱定理将这些关于算子的表述与可观测量的频率成分联系起来。\n\n回归性则要弱得多。庞加莱回归定理指出，在有限测度的保测系统中，可测集中的几乎每个点都会无穷多次地返回该集合。恒等映射完全满足回归性，但通常不具有遍历性。回归性描述返回行为；遍历性描述不变分解和长期频率；混合描述事件在渐近意义下趋于独立。混淆这些性质，会导致对趋于平衡和不可预测性的错误判断。\n\n遍历性还必须与拓扑传递性及混沌区分开来。拓扑性质涉及开集和轨道结构，而测度论性质则针对某个指定的不变测度而言。从测度论的角度看，一条稠密轨道可能只是例外。反过来，若在适当的紧致度量空间上，一个具有遍历性的不变概率测度具有全支撑，那么几乎每条轨道都是稠密的。正熵或正李雅普诺夫指数涉及动力学复杂性的其他方面，并不属于遍历性的定义。"
    },
    {
      "heading": "遍历分解与唯一遍历性",
      "text": "非遍历的不变测度通常可以理解为遍历测度的混合。在概率论和动力系统中常用的标准正则性假设下，尤其是在标准博雷尔概率空间中，遍历分解定理将不变概率测度示意性地表示为\n\n\\[\\mu=\\int_\\Omega \\mu_\\omega\\,d\\nu(\\omega),\\]\n\n其中，几乎每个分量测度 \\(\\mu_\\omega\\) 都是不变且遍历的。参数 \\(\\omega\\) 标记统计上不可再分的部分，而 \\(\\nu\\) 给出这些部分的权重。这是测度的积分表示，并不一定意味着将空间划分为几何形状简单的区域。\n\n通过这一分解，伯克霍夫定理中的条件期望便有了直接的解释。对于属于 \\(\\mu_\\omega\\) 所代表分量的几乎每个状态，都有\n\n\\[\\lim_{N\\to\\infty}A_Nf(x)=\\int_X f\\,d\\mu_\\omega.\\]\n\n因此，单条轨道所采样的是其自身遍历分量的统计特征，而不一定是整个混合测度的统计特征。对于恒等映射，各分量都是点质量测度。对于具有守恒量的系统，各分量可能局限于该守恒量的等值集中，但一个等值集本身仍可能需要进一步分解。\n\n遍历性也有凸几何上的刻画。不变概率测度的集合是凸集：如果 \\(\\mu_1\\) 和 \\(\\mu_2\\) 都是不变测度，那么对于 \\(0<a<1\\)，\\(a\\mu_1+(1-a)\\mu_2\\) 也是不变测度。不变概率测度具有遍历性，当且仅当它是这个凸集的极点，也就是说，它不能表示为两个不同不变概率测度的非平凡混合。这一刻画针对的是测度，而非某种平均意义下的轨道，在泛函分析方法中尤其有用。\n\n唯一遍历性是一种更强且表述方式不同的性质：紧致度量空间上的连续变换恰好有一个不变博雷尔概率测度。这个测度必然具有遍历性。此外，对于每个连续观测量 \\(f\\)，都有\n\n\\[\\sup_{x\\in X} \\left| \\frac1N\\sum_{n=0}^{N-1}f(T^n x)-\\int_X f\\,d\\mu \\right|\\longrightarrow0.\\]\n\n这种收敛对所有初始状态是一致的，而不仅仅是几乎处处收敛。\n\n圆周上的无理旋转具有唯一遍历性，其唯一的不变概率测度是归一化勒贝格测度。这类旋转的一致平均性质是均匀分布理论的基础。不过，唯一遍历性并不蕴含混合性；除非施加额外假设，它也不蕴含每条轨道都稠密。极小性，即每条轨道都稠密的要求，是一个独立的拓扑条件。区分不变测度的唯一性、该测度的不可分解性与单条轨道的稠密性，有助于避免几种常见的概念混淆。"
    },
    {
      "heading": "平稳过程与马尔可夫链",
      "text": "平稳过程可以视为其路径空间上的动力系统。如果 \\((X_n)_{n\\in\\mathbb Z}\\) 是平稳的，那么将每个观测值移动一个位置的移位变换不会改变整个序列的分布。当这一移位变换具有遍历性时，就称该过程具有遍历性。此时，任何不受时间原点移动影响的事件，其概率必为零或一。对于可积的坐标观测量，伯克霍夫定理给出\n\n\\[\\frac1N\\sum_{n=0}^{N-1}X_n \\longrightarrow \\mathbb E[X_0] \\quad\\text{almost surely}.\\]\n\n这将熟知的平均原理推广到了独立观测之外的情形。\n\n仅有平稳性并不足够。令 \\(Z\\) 以相等概率取零或一，并对每个 \\(n\\) 令 \\(X_n=Z\\)。这一过程是平稳的，但其样本平均始终为 \\(Z\\)，而 \\(\\mathbb E[X_0]=1/2\\)。所有坐标均等于一这一事件在移位下不变，其概率却为 \\(1/2\\)。一种不那么退化的构造是：先选取一个此后保持不变的随机参数 \\(\\Theta\\)，再根据依赖于 \\(\\Theta\\) 的分布，生成在给定该参数的条件下相互独立的观测值。长期平均所揭示的是选中的参数，而不一定能重现无条件的总体平均。\n\n对于有限状态马尔可夫链，不可约性保证存在唯一的平稳分布 \\(\\pi\\)，而且即使链具有周期性，其平稳路径过程也具有遍历性。对于任意观测量 \\(f\\)，无论从哪个初始状态出发，经验平均都会收敛到 \\(\\sum_i\\pi_i f(i)\\)。在通常的有限状态情形下，要使单个时刻的分布收敛到 \\(\\pi\\)，还需要非周期性。因此，在两个状态之间确定性交替的链，其各状态的占用频率会收敛，但从某个指定状态出发时，其分布会持续振荡。\n\n术语的用法并不统一：“遍历马尔可夫链”通常指既不可约又非周期的链，有时还会明确要求正常返。在可数无限状态空间上，仅有不可约性并不能保证存在不变概率分布；正常返性提供了所需的额外常返条件。在一般状态空间中，正 Harris 常返性是证明强大数定律的核心框架，而标准的全变差收敛定理则需要用到非周期性。与术语标签相比，具体的假设更为重要。\n\n遍历性并不等同于统计独立性。系数满足稳定性条件的平稳自回归过程，即使相邻观测值之间存在很强的依赖，也可能具有遍历性。反过来，在所有非零滞后下相关关系均为零，也不一定意味着具有遍历性。例如，将相互独立、均值为零的变量都乘以同一个正随机尺度因子，可以使两两协方差仍为零，却让平方值的长期平均依赖于该尺度因子。因此，仅凭二阶统计量的计算，无法确立完整的移位不变事件条件。"
    },
    {
      "heading": "统计力学与物理约束",
      "text": "在经典统计力学中，微观状态由相空间中的一个点表示。哈密顿力学按照哈密顿方程描述该点的演化，而能量守恒将其限制在某个能量面上。刘维尔定理表明，哈密顿演化保持相空间体积不变。当一个能量面上存在有限且归一化的微正则测度时，关于该测度的遍历性意味着：对可积观测量而言，沿几乎每条轨道得到的时间平均都等于其微正则平均。\n\n这里不能忽略所涉及的测度和约束曲面。能量守恒的系统通常不可能相对于一个涵盖不同能量的概率分布具有遍历性，因为能量区间定义了不变事件。其他运动积分，例如某些系统中的角动量，也可能施加进一步的限制。因此，研究孤立哈密顿系统时，可以将研究范围限定在各守恒量的共同等值集上，而非整个相空间。\n\n可积哈密顿系统展示了这种阻碍。在作用量—角变量下，运动通常局限于不变环面。在单个环面上，适当的无理频率比可以使运动相对于该环面上的均匀测度具有遍历性。然而，在包含多个环面的更大区域内，作用量变量保持不变，从而阻碍遍历性。柯尔莫哥洛夫–阿诺尔德–莫泽定理表明，在满足光滑性、非退化性及小扰动等假设时，可积系统受到扰动后，许多不变环面仍会保留下来。因此，微弱的非线性相互作用并不会自动产生全局遍历性。\n\n台球系统提供了具有鲜明对比的严格模型。点粒子在一个区域内自由运动，并在边界处发生弹性反射。雅科夫·西奈从数学上发展了散焦台球理论；在适当的几何假设下，这类系统是具有强统计性质的双曲动力系统的重要实例。相比之下，矩形台球仍保留着规则结构，阻碍了系统在整个固定能量相空间上的遍历性。因此，边界的形状能够从根本上改变确定性运动的统计行为。\n\n不过，物理上的平衡化并不等同于数学上的遍历性。伯克霍夫定理讨论的是无限时间平均，而实验涉及的是有限时间以及选定的宏观观测量。一个具有全局遍历性的系统，跨越能垒的频率可能极低，以至于在整个实验期间看起来都被困在某一区域。反过来，即使完整的动力学不具有遍历性，某些宏观观测量仍可能始终接近平衡值。守恒定律、平衡测度的集中性以及观测量的选择，都会影响这两者之间的区别。\n\n分子动力学数值模拟直接面对这些问题。可以构造保持目标分布不变的恒温器，但保持分布不变并不能证明遍历性。对于谐振子等简单系统，原始的 Nosé–Hoover 动力学就是一个著名例子，其中的不变区域可能妨碍充分采样。离散化和有限精度还会使连续物理模型与实际实现的数值轨迹之间产生进一步差异。"
    },
    {
      "heading": "统计估计与计算抽样",
      "text": "对于平稳数据，遍历性为估计的一致性提供了基本论据。若 \\(Y_n=f(T^n x)\\) 且 \\(f\\) 可积，则在遍历性条件下，样本均值收敛于总体期望值。在满足相应可积性条件时，将同一定理应用于乘积和幂，还可为矩或滞后协方差的一致估计提供依据。这是大数定律在相依数据情形下的对应结果，而不是说这些观测值表现得如同独立样本。\n\n中心极限定理则需要更多条件。对于均值为 \\(m\\) 的平稳序列，我们可能希望得到\n\n\\[\\sqrt N(\\overline Y_N-m)\\Rightarrow\\mathcal N(0,\\sigma_{\\mathrm{as}}^2).\\]\n\n在适当的相依性与矩条件下，渐近方差为\n\n\\[\\sigma_{\\mathrm{as}}^2 =\\gamma(0)+2\\sum_{k=1}^{\\infty}\\gamma(k), \\qquad \\gamma(k)=\\operatorname{Cov}(Y_0,Y_k).\\]\n\n仅有遍历性，既不能保证该级数收敛，也不能保证极限分布为高斯分布。它也不能保证波动具有 \\(N^{-1/2}\\) 的尺度。长程相依可能导致不同的归一化方式和极限分布。\n\n这一区别对马尔可夫链蒙特卡洛至关重要。其转移规则被设计为保持某个目标概率分布不变，该分布通常是贝叶斯后验分布。细致平衡条件\n\n\\[\\pi(dx)P(x,dy)=\\pi(dy)P(y,dx),\\]\n\n是不变性的充分条件，但并不保证链能够在所有相关区域之间移动。可约链可能满足细致平衡，却仍永久局限于某个子集。还需加入常返性和可达性条件，才能确立适用的遍历定理；而要获得可用的收敛速率并进行不确定性计算，通常需要更强的假设。\n\n即便一条链具有遍历性，其混合速度也可能非常慢。如果目标分布具有相距很远的多个峰，且峰之间的转移十分罕见，那么一条很长的轨迹也可能主要只代表其中一个峰。当样本量渐近增大时，它仍能得到正确的目标平均值。然而，在计算资源所允许的样本量下，它表面上的稳定可能反映的是受困于局部，而非抽样具有代表性。这是定量上的瓶颈，未必意味着遍历性失效。\n\n对于方差为正且渐近方差有限的观测量，积分自相关时间通常定义为\n\n\\[\\tau_{\\mathrm{int}} =1+2\\sum_{k=1}^{\\infty}\\rho(k),\\]\n\n其中 \\(\\rho(k)=\\gamma(k)/\\gamma(0)\\)。在相应的极限假设下，近似关系 \\(N_{\\mathrm{eff}}\\approx N/\\tau_{\\mathrm{int}}\\) 将平均值的方差折算为等效的独立观测数量。这一数量取决于具体观测量，并不是衡量整个状态空间探索充分程度的通用指标。\n\n有限的观测无法确立未知过程在不附加任何限制下的遍历性。带有极其持久的隐含状态的过程，在任何实际可行的观测时段内，都可能看起来像遍历过程。因此，统计应用依赖于结构性假设、针对特定模型的定理，以及支持特定性质的有限样本证据；这些依据在逻辑地位上不同于对所有不变事件均为平凡事件的证明。"
    },
    {
      "heading": "历史发展与数学联系",
      "text": "遍历性的物理动机源于十九世纪的分子运动论。路德维希·玻尔兹曼试图将微观力学与热力学规律及统计平均联系起来。历史上某些版本的“遍历假说”曾将一条轨道描述为经过与其能量相容的所有状态。这种表述并非现代定义：在连续相空间中，真正遍及所有状态通常既不可能，也与问题无关。严格的表述转而采用不变测度、可测集以及几乎处处成立的平均性质。\n\n亨利·庞加莱于1890年发表的回归定理，阐明了有限体积保守动力系统所受的一项基本约束。它也使可逆的微观定律与不可逆的宏观描述之间的关系问题更加鲜明。回归定理并未确立遍历性，但它使保测运动的长期行为成为一个精确的数学研究课题。回归运动与具有代表性的采样之间的区别，在后来的发展中始终至关重要。\n\n1931至1932年间，这一领域发生了决定性的转变。乔治·戴维·伯克霍夫于1931年发表了逐点遍历定理，冯·诺伊曼的平均遍历定理则于1932年问世。这些结果将长期平均的存在性，与其极限为常数这一额外要求区分开来。库普曼于1931年提出的算子表述，将经典动力学与函数空间上的线性算子联系起来。由此，泛函分析和希尔伯特空间几何中的方法得以应用于非线性演化。\n\n二十世纪中叶，安德雷·柯尔莫哥洛夫和西奈在1958年与1959年的研究中引入了如今称为柯尔莫哥洛夫–西奈熵的熵不变量。它通过有限可测分割来衡量保测变换的渐近信息产生率。熵并不能取代遍历性：无理旋转具有遍历性，但熵为零；正熵则量化了复杂性的另一个方面。唐纳德·奥恩斯坦在1970年前后的研究表明，在测度论同构的意义下，熵能够对伯努利移位进行完全分类，这为数值不变量区分动力学结构提供了一个引人注目的例子。\n\n遍历理论还与数论和组合数学建立了出人意料的联系。1977年，希勒尔·弗斯滕伯格用遍历理论证明了塞迈雷迪定理；该定理讨论的是具有正上密度的整数集合中的等差数列。其中的关键桥梁，是将密度问题转化为一个涉及如下交集的多重回归命题：\n\n\\[A\\cap T^{-n}A\\cap T^{-2n}A\\cap\\cdots\\cap T^{-kn}A.\\]\n\n这一命题远强于普通的单次回归。\n\n这些发展说明，遍历理论的范围远不止证明时间平均等于系综平均。分类、回归、算子谱、熵以及算术模式，都产生于对保测变换的研究。遍历性刻画了其中在统计意义下不可分解的情形，而这一理论的很大一部分，则致力于探究这些情形内部仍然存在的其他结构。"
    },
    {
      "heading": "经典框架的推广与局限",
      "text": "有限测度假设对于我们熟悉的概率表述至关重要。对于保持无限测度的变换，遍历性意味着每个不变可测集要么自身测度为零，要么其补集测度为零。这不能表述为“概率为零或一”，因为此时没有可供使用的归一化不变概率测度。此外，回归和平均的行为也有所不同：在保守的遍历无限测度系统中，可积观测量的普通平均几乎处处收敛于零。比值遍历定理通过比较两个观测量的累积值，在适当假设下可以得到它们积分的非平凡比值。\n\n单个变换也可以推广为群作用。如果在所有群元素的作用下均保持不变的每个可测集，要么自身测度为零，要么其补集测度为零，就称该作用具有遍历性。对于 \\(\\mathbb Z^d\\) 的作用，可以在不断扩大的方盒区域上取平均，而不必沿着单一时间轴取平均。更一般地，可均群的作用允许沿 Følner 集取平均；这些集合在固定平移下会逐渐趋于不变。逐点收敛要求这些取平均的集合满足适当条件，例如温和性；任意一列越来越大的有限集未必足够。\n\n非交换版本用算子代替经典观测量，用带有态或迹的算子代数代替经典概率空间。此时，可以通过演化的不动点代数来表述遍历性。核心问题仍然是：不变观测量是否只能是恒等算子的标量倍数。不过，这里的代数背景以及可用的收敛定理，都不同于相空间上普通函数的情形。这一框架将遍历论思想与量子力学联系起来，但并不将量子动力学等同于经典随机轨迹。\n\n量子遍历性在谱几何中有更具体的含义。对于紧致黎曼流形上的拉普拉斯算子，如果该流形的测地流关于刘维尔测度具有遍历性，那么量子遍历定理保证：沿高能本征函数中一个密度为一的子序列，其在相空间中的分布趋于均匀。亚历山大·施尼雷尔曼、伊夫·科兰·德韦尔迪埃和史蒂文·泽尔迪奇在20世纪70至80年代的研究确立了这一原理。该结论允许存在一个密度为零的例外子序列；量子唯一遍历性则要求不存在这类例外，所有本征函数都趋于均匀分布。\n\n若干难题涉及的是定量行为，而非遍历性本身的定义。对于某个给定的物理模型或计算模型，证明遍历性可能远比确定一个有用的平均收敛速率容易，也可能困难得多。在某些系统中，微小扰动可以保留规则的不变结构，而在另一些系统中，却可能产生大范围的混沌区域。在多体动力学中，区分严格不变的分支与寿命极长的亚稳态区域，仍然尤其困难。数学结论取决于所考察的具体动力学、不变测度、观测量以及取极限的方式。"
    }
  ],
  "links": [
    "dynamical-system",
    "statistical-mechanics",
    "probability",
    "probability-space",
    "null-set",
    "sigma-algebra",
    "almost-everywhere",
    "indicator-function",
    "conditional-expectation",
    "john-von-neumann",
    "hilbert-space",
    "orthogonal-projection",
    "lebesgue-measure",
    "fourier-series",
    "spectral-theorem",
    "chaos-theory",
    "stationary-process",
    "markov-chain",
    "stationary-distribution",
    "statistical-independence",
    "correlation",
    "hamiltonian-mechanics",
    "kolmogorov-arnold-moser-theorem",
    "sample-mean",
    "expected-value",
    "law-of-large-numbers",
    "central-limit-theorem",
    "markov-chain-monte-carlo",
    "detailed-balance",
    "functional-analysis",
    "andrey-kolmogorov",
    "number-theory",
    "combinatorics",
    "group-action",
    "quantum-mechanics"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}