{
  "id": "fubinis-theorem",
  "title": "富比尼定理",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "富比尼定理给出了乘积空间上的积分等于任一积分次序下的累次积分的条件。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "富比尼积分定理",
    "富比尼换序定理"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/fubinis-theorem/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/fubinis-theorem/",
      "json": "https://aiwiki.page/en/fubinis-theorem.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "富比尼定理是测度论中的一项基本定理，它使乘积空间上的积分可以通过对各个因子空间依次积分来计算。其标准形式指出：若一个可测函数的绝对值具有有限积分，则可以逐个变量进行积分，无论采用哪种次序，结果都相同。它与密切相关的、适用于非负函数的托内利定理一起，为微积分、概率和数学分析中交换积分次序提供了主要依据。"
    },
    {
      "heading": "测度论中的表述",
      "text": "设 \\((X,\\mathcal A,\\mu)\\) 和 \\((Y,\\mathcal B,\\nu)\\) 为 σ 有限测度空间。σ 有限是指每个空间都可以表示为可数个有限测度的可测集之并。在它们的笛卡尔积 \\(X\\times Y\\) 上，赋予乘积σ代数 \\(\\mathcal A\\otimes\\mathcal B\\) 和乘积测度 \\(\\mu\\times\\nu\\)。\n\n假设 \\(f:X\\times Y\\to\\mathbb R\\) 或 \\(\\mathbb C\\) 是可测函数，且绝对可积：\n\n\\[\\int_{X\\times Y}|f(x,y)|\\,d(\\mu\\times\\nu)(x,y)<\\infty.\\]\n\n则有：\n\n- 对 \\(\\mu\\)-几乎所有的 \\(x\\)，截面函数 \\(y\\mapsto f(x,y)\\) 关于 \\(\\nu\\) 可积。\n- 对 \\(\\nu\\)-几乎所有的 \\(y\\)，截面函数 \\(x\\mapsto f(x,y)\\) 关于 \\(\\mu\\) 可积。\n- 由这些内层积分得到的函数，在例外零测集上任意赋予有限值后，均为可积函数。\n- 乘积空间上的积分与两种次序下的累次积分相等：\n\n\\[\\int_{X\\times Y}f\\,d(\\mu\\times\\nu) = \\int_X\\left(\\int_Y f(x,y)\\,d\\nu(y)\\right)d\\mu(x) = \\int_Y\\left(\\int_X f(x,y)\\,d\\mu(x)\\right)d\\nu(y).\\]\n\n这里，“几乎处处”允许在测度为零的集合上存在例外。该定理并不要求每个截面函数都有有限积分。\n\n用Lp空间的语言来说，定理的假设是 \\(f\\in L^1(X\\times Y,\\mu\\times\\nu)\\)。实值函数和复值函数都适用。"
    },
    {
      "heading": "托内利定理与绝对可积性",
      "text": "**托内利定理**讨论的是可测函数\n\n\\[f:X\\times Y\\to[0,\\infty].\\]\n\n在相同的 σ 有限性假设下，有\n\n\\[\\int_{X\\times Y}f\\,d(\\mu\\times\\nu) = \\int_X\\int_Y f(x,y)\\,d\\nu(y)\\,d\\mu(x) = \\int_Y\\int_X f(x,y)\\,d\\mu(x)\\,d\\nu(y),\\]\n\n其中共同的值可以是 \\(+\\infty\\)。\n\n两者的区别十分重要：\n\n- **托内利定理：**凭借非负性，无须先证明积分有限，就可以交换积分次序。\n- **富比尼定理：**凭借绝对可积性，对于可同时取正值和负值的函数，或复值函数，也可以交换积分次序。\n\n这两个结果常合称为富比尼–托内利定理。\n\n验证富比尼定理假设的一种标准方法，是对 \\(|f|\\) 应用托内利定理。如果累次积分\n\n\\[\\int_X\\int_Y |f(x,y)|\\,d\\nu(y)\\,d\\mu(x)\\]\n\n或其逆序形式中任意一个有限，那么 \\(|f|\\) 在乘积空间上的积分就有限，从而可以应用富比尼定理。\n\n相比之下，即使 \\(f\\) 本身的两种累次积分都存在且为有限数，也不能据此断定它绝对可积，或这两个积分相等。"
    },
    {
      "heading": "在多元微积分中的含义",
      "text": "对于紧矩形上的连续函数，富比尼定理具有如下熟悉的形式：\n\n\\[\\int_{[a,b]\\times[c,d]}f(x,y)\\,d(x,y) = \\int_a^b\\left(\\int_c^d f(x,y)\\,dy\\right)dx = \\int_c^d\\left(\\int_a^b f(x,y)\\,dx\\right)dy.\\]\n\n这里的乘积测度是二维勒贝格测度。在上述连续性假设下，这些积分也等于相应的黎曼积分。连续性是充分条件，而非必要条件；测度论中的定理还适用于远不如连续函数规则的函数。\n\n改变区域的描述方式\n\n对于可测区域 \\(D\\)，可以将被积函数在 \\(D\\) 外延拓为零，从而表示在 \\(D\\) 上的积分；等价地，也可以使用该区域的示性函数：\n\n\\[\\int_D f(x,y)\\,d(x,y) = \\int_{\\mathbb R^2}f(x,y)\\mathbf 1_D(x,y)\\,d(x,y).\\]\n\n交换积分次序时，需要用另一方向的截面来描述同一个区域。\n\n例如，三角形区域\n\n\\[D=\\{(x,y):0\\le y\\le x\\le1\\}\\]\n\n有以下两种描述：\n\n\\[0\\le x\\le1,\\quad 0\\le y\\le x\\]\n\n和\n\n\\[0\\le y\\le1,\\quad y\\le x\\le1.\\]\n\n因此，对于可积函数 \\(f\\)，\n\n\\[\\int_0^1\\int_0^x f(x,y)\\,dy\\,dx = \\int_0^1\\int_y^1 f(x,y)\\,dx\\,dy.\\]\n\n交换积分次序不同于变量代换：后者通常需要引入由雅可比矩阵导出的因子。"
    },
    {
      "heading": "定理的假设为何重要",
      "text": "考虑\n\n\\[f(x,y)=\\frac{x^2-y^2}{(x^2+y^2)^2}, \\qquad 0<x<1,\\quad 0<y<1.\\]\n\n固定 \\(x>0\\)，有\n\n\\[\\frac{\\partial}{\\partial y} \\left(\\frac{y}{x^2+y^2}\\right) = \\frac{x^2-y^2}{(x^2+y^2)^2},\\]\n\n所以\n\n\\[\\int_0^1f(x,y)\\,dy=\\frac{1}{1+x^2}.\\]\n\n于是\n\n\\[\\int_0^1\\left(\\int_0^1f(x,y)\\,dy\\right)dx =\\frac{\\pi}{4}.\\]\n\n按相反次序积分时，\n\n\\[\\frac{\\partial}{\\partial x} \\left(\\frac{x}{x^2+y^2}\\right) = -\\frac{x^2-y^2}{(x^2+y^2)^2},\\]\n\n从而得到\n\n\\[\\int_0^1\\left(\\int_0^1f(x,y)\\,dx\\right)dy =-\\frac{\\pi}{4}.\\]\n\n两个累次积分都有限，但并不相等。这并不矛盾：该函数在原点附近并非绝对可积。在极坐标下，\n\n\\[|f(x,y)|=\\frac{|\\cos(2\\theta)|}{r^2},\\]\n\n而面积元带来一个因子 \\(r\\)，因此径向积分与下面的发散积分成正比：\n\n\\[\\int_0^\\varepsilon\\frac{dr}{r}.\\]\n\n该函数的正部和负部的积分均为无穷大，因此它在该正方形上的有符号勒贝格积分没有定义。\n\n其他技术性说明\n\n对于乘积测度的构造及上述交换积分次序的结论，σ 有限性是一项标准的充分假设。虽然存在假设更弱的版本，但若直接去掉 σ 有限性而不以其他条件替代，结论可能不再成立。\n\n此外，还须区分乘积 σ 代数及其完备化。对于仅关于完备化乘积测度可测的函数，截面可测性及相应结论通常需要使用适当的、经过完备化的因子测度，以几乎处处成立的形式表述。\n\n该定理并不能自动保证对反常积分或主值积分的任意运算都是合理的。这些过程可能涉及不同的极限运算，需要另行论证。"
    },
    {
      "heading": "证明的主要思路",
      "text": "标准证明从简单函数出发，逐步推广到一般可测函数。\n\n首先，对于可测矩形 \\(A\\times B\\)，乘积测度的定义性质为\n\n\\[(\\mu\\times\\nu)(A\\times B)=\\mu(A)\\nu(B).\\]\n\n由此可得矩形示性函数的积分恒等式。随后，通过测度论中的扩张论证，建立一般可测集以及非负简单函数的相应结论。\n\n非负可测函数可以由一列单调递增的非负简单函数从下方逼近。利用单调收敛定理，可将积分恒等式传递到极限，从而证明托内利定理。\n\n对于绝对可积的实值函数，将其写为\n\n\\[f=f^+-f^-, \\qquad f^+=\\max(f,0),\\quad f^-=\\max(-f,0).\\]\n\n由于 \\(f^++f^-=|f|\\)，这两部分的积分均有限。分别对它们应用托内利定理，再将所得等式相减，即可证明富比尼定理。复值函数则通过其实部和虚部来处理。"
    },
    {
      "heading": "应用",
      "text": "概率与期望\n\n若随机变量 \\(X\\) 和 \\(Y\\) 具有联合概率密度函数 \\(p(x,y)\\)，则\n\n\\[\\mathbb E[g(X,Y)] = \\int_{\\mathbb R^2}g(x,y)p(x,y)\\,dx\\,dy.\\]\n\n当\n\n\\[\\int_{\\mathbb R^2}|g(x,y)|p(x,y)\\,dx\\,dy<\\infty.\\]\n\n时，富比尼定理允许按任一次序计算积分。对于非负的 \\(g\\)，即使期望值为无穷大，托内利定理也允许同样的次序交换。\n\n在满足统计独立性时，联合分布是乘积测度。若 \\(u(X)\\) 和 \\(v(Y)\\) 可积，先由托内利定理确立它们的乘积绝对可积，再由富比尼定理得到\n\n\\[\\mathbb E[u(X)v(Y)] = \\mathbb E[u(X)]\\,\\mathbb E[v(Y)].\\]\n\n无穷求和\n\n在自然数集上使用计数测度，积分就变成了求和。于是，富比尼定理给出了绝对可和的二重无穷级数的换序规则：\n\n\\[\\sum_{m=1}^{\\infty}\\sum_{n=1}^{\\infty}a_{mn} = \\sum_{n=1}^{\\infty}\\sum_{m=1}^{\\infty}a_{mn}, \\qquad \\sum_{m,n}|a_{mn}|<\\infty.\\]\n\n对于非负项，托内利定理无须要求总和有限，即可给出等式。\n\n类似地，将计数测度与另一测度结合，在满足\n\n\\[\\sum_{n=1}^{\\infty}\\int_X|f_n|\\,d\\mu<\\infty.\\]\n\n时，就可以交换求和与积分的次序。\n\n卷积与积分变换\n\n对于 \\(\\mathbb R^d\\) 上的可积函数，托内利定理和平移不变性给出\n\n\\[\\int_{\\mathbb R^d}\\int_{\\mathbb R^d} |f(x-y)g(y)|\\,dy\\,dx = \\|f\\|_1\\|g\\|_1.\\]\n\n这表明它们的卷积几乎处处存在，且满足\n\n\\[\\|f*g\\|_1\\le\\|f\\|_1\\|g\\|_1.\\]\n\n只要满足相关的绝对可积性条件，富比尼定理也能为证明傅里叶变换恒等式时所使用的积分次序交换提供依据。"
    },
    {
      "heading": "历史背景",
      "text": "该定理以意大利数学家圭多·富比尼的名字命名。他在 1907 年的工作中确立了一项关于勒贝格积分的重要换序定理。此后，莱奥尼达·托内利提出了与之互补的非负函数情形的结果。这两个定理共同将经典的累次积分理论推广到勒贝格积分及抽象测度空间这一更广泛的框架中。"
    }
  ],
  "links": [
    "measure-theory",
    "calculus",
    "probability",
    "mathematical-analysis",
    "cartesian-product",
    "sigma-algebra",
    "measurable-function",
    "almost-everywhere",
    "lp-space",
    "continuous-function",
    "lebesgue-measure",
    "riemann-integral",
    "indicator-function",
    "jacobian-matrix",
    "polar-coordinates",
    "probability-density-function",
    "expected-value",
    "statistical-independence",
    "infinite-series",
    "convolution",
    "fourier-transform",
    "lebesgue-integral"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}