{
  "id": "lebesgue-measure",
  "title": "勒贝格测度",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "勒贝格测度将长度、面积和体积推广到广泛的集合，为现代积分理论与概率论奠定基础。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "勒贝格量度"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/lebesgue-measure/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/lebesgue-measure/",
      "json": "https://aiwiki.page/en/lebesgue-measure.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "勒贝格测度是为欧几里得空间中的可测子集赋予长度、面积和体积的标准方法。在实数轴上，它将区间的长度作为其测度；在高维空间中，它将各边长度的乘积作为长方体的测度。勒贝格测度是测度论中的一个核心例子，也是勒贝格积分所依据的测度。它的构造推广了初等几何中的度量方法，同时保留了可数可加性和平移不变性。这一理论源于亨利·勒贝格在1902年对积分的研究。(math.ucdavis.edu)"
    },
    {
      "heading": "构造与可测性",
      "text": "用 \\(m_n\\)，或简记为 \\(m\\)，表示 \\(\\mathbb R^n\\) 上的勒贝格测度。其构造从外测度开始；外测度对每一个子集都有定义，包括那些不可测的子集。对于各边平行于坐标轴的长方体\n\n\\[Q=\\prod_{i=1}^{n}[a_i,b_i], \\qquad |Q|=\\prod_{i=1}^{n}(b_i-a_i),\\]\n\n定义\n\n\\[m^*(E)= \\inf\\left\\{ \\sum_{k=1}^{\\infty}|Q_k|: E\\subseteq\\bigcup_{k=1}^{\\infty}Q_k \\right\\}.\\]\n\n这里的下确界取遍所有可数个长方体组成的覆盖。用于覆盖的长方体可以相互重叠，所得的值也可能为无穷大。因此，外测度描述的是所有覆盖的总体积的下确界，而不是某个特定覆盖的体积。(math.ucdavis.edu)\n\n子集 \\(E\\) 满足卡拉泰奥多里判据时，称为勒贝格可测集：\n\n\\[m^*(A)=m^*(A\\cap E)+m^*(A\\setminus E) \\quad\\text{对每个 }A\\subseteq\\mathbb R^n.\\]\n\n这一条件表示，将任意检验集按其是否属于 \\(E\\) 分成两部分后，两部分的外测度之和等于原集合的外测度。可测集构成一个σ代数，记为 \\(\\mathcal L^n\\)，而勒贝格测度就是外测度在该σ代数上的限制，即 \\(m=m^*|_{\\mathcal L^n}\\)。外测度对任意集合具有可数次可加性；限制到可测集后，则具有可数可加性。(math.ucdavis.edu)"
    },
    {
      "heading": "可加性与几何不变性",
      "text": "对于两两不相交的可测集 \\(E_1,E_2,\\ldots\\)，有\n\n\\[m\\left(\\bigcup_{k=1}^{\\infty}E_k\\right) =\\sum_{k=1}^{\\infty}m(E_k).\\]\n\n此外，\\(m(\\varnothing)=0\\)，且 \\(E\\subseteq F\\) 蕴含 \\(m(E)\\leq m(F)\\)。勒贝格测度具有σ有限性：虽然 \\(m(\\mathbb R^n)=\\infty\\)，但欧几里得空间可以表示为可数个测度有限的有界长方体之并。(math.ucdavis.edu)\n\n勒贝格测度具有平移不变性：\n\n\\[m(E+x)=m(E).\\]\n\n旋转和反射也保持其测度不变。按非零实数 \\(r\\) 进行缩放时，有\n\n\\[m(rE)=|r|^n m(E).\\]\n\n更一般地，可逆的线性映射 \\(T:\\mathbb R^n\\to\\mathbb R^n\\) 满足\n\n\\[m(T(E))=|\\det T|\\,m(E).\\]\n\n因此，其行列式的绝对值就是体积的缩放因子。这些性质将抽象的测度构造与通常的几何度量联系起来。(ocw.mit.edu)"
    },
    {
      "heading": "零测集、完备性与正则性",
      "text": "零测集是测度为零的集合。每个可数集都是零测集：可以用总体积任意小的长方体覆盖其中所有的点。因此，尽管有理数在实数轴上构成一个稠密集，其测度仍为零。不可数并不意味着测度为正；标准的康托集就是不可数的零测集。(math.ucdavis.edu)\n\n勒贝格测度是完备的，也就是说，零测集的每个子集都可测，且测度为零。由开集生成的博雷尔σ代数中的所有集合都是勒贝格可测集，但反过来并不成立。事实上，勒贝格测度是其在博雷尔集上的限制的完备化：每个勒贝格可测集与某个博雷尔集的对称差都是零测集。(math.ucdavis.edu)\n\n勒贝格测度还具有正则性。对于每个可测集 \\(E\\)，有\n\n\\[m(E)=\\inf_{\\substack{E\\subseteq U\\\\U\\text{ 为开集}}}m(U) =\\sup_{\\substack{K\\subseteq E\\\\K\\text{ 为紧集}}}m(K).\\]\n\n因此，可测集可以从外部用开集逼近，从内部用紧集逼近。对于测度有限的集合和任意 \\(\\varepsilon>0\\)，可以选取这样的逼近，使 \\(m(U\\setminus K)<\\varepsilon\\)。(math.ucdavis.edu)"
    },
    {
      "heading": "不可测集",
      "text": "并非 \\(\\mathbb R\\) 的每个子集都是勒贝格可测的。维塔利集的构造利用了如下等价关系：当 \\(x-y\\) 为有理数时，规定 \\(x\\sim y\\)。借助选择公理，可以从每个与 \\([0,1]\\) 相交的等价类中选出一个位于该区间内的代表元。(ma.imperial.ac.uk)\n\n将所选集合分别平移 \\([-1,1]\\) 中的各个有理数，得到的集合两两不相交，其并集覆盖 \\([0,1]\\)，并包含于 \\([-1,2]\\)。如果所选集合可测，那么由平移不变性，各个平移后的集合都会具有相同的测度。可数可加性于是会使它们的并集具有零测度或无穷测度，这与上述包含关系矛盾。这说明，若要同时保留区间的长度，以及勒贝格测度所要求的可加性和不变性，就无法在所有子集上定义勒贝格测度。(ma.imperial.ac.uk)"
    },
    {
      "heading": "积分与概率",
      "text": "勒贝格测度为可测函数的积分提供了所需的集合大小。对于非负简单函数 \\(s=\\sum_j a_j\\mathbf1_{E_j}\\)，其中 \\(E_j\\) 为两两不相交的可测集，定义\n\n\\[\\int s\\,dm=\\sum_j a_jm(E_j).\\]\n\n一般非负函数的积分通过简单函数逼近来定义；可取正负值的函数则通过其正部和负部来处理。当某个性质不成立的点组成零测集时，就称该性质几乎处处成立。在这样的集合上改变函数的值，不会改变其勒贝格积分。(ocw.mit.edu)\n\n在概率论中，\\(\\mathbb R^n\\) 上的概率密度函数 \\(f\\) 通过下式定义概率：\n\n\\[P(A)=\\int_A f\\,dm, \\qquad f\\geq0,\\qquad \\int_{\\mathbb R^n}f\\,dm=1.\\]\n\n勒贝格测度本身并不是整个空间上的概率测度，因为其总质量为无穷大。不过，将它限制在 \\([0,1]\\) 上时，总质量为1，因而给出了均匀分布。对于具有密度的分布，单个点的概率为零，但区间的概率可能为正。(ocw.mit.edu)"
    }
  ],
  "links": [
    "real-number",
    "measure-theory",
    "lebesgue-integral",
    "outer-measure",
    "sigma-algebra",
    "linear-map",
    "determinant",
    "null-set",
    "countable-set",
    "rational-number",
    "dense-set",
    "cantor-set",
    "borel-sigma-algebra",
    "open-set",
    "equivalence-relation",
    "axiom-of-choice",
    "measurable-function",
    "almost-everywhere",
    "probability",
    "probability-density-function",
    "uniform-distribution"
  ],
  "sources": [
    {
      "title": "math.ucdavis.edu/~hunter/measure_theory/measure_notes_old.pdf",
      "url": "https://www.math.ucdavis.edu/~hunter/measure_theory/measure_notes_old.pdf"
    },
    {
      "title": "math.ucdavis.edu/~hunter/measure_theory/measure_notes.pdf",
      "url": "https://www.math.ucdavis.edu/~hunter/measure_theory/measure_notes.pdf"
    },
    {
      "title": "ocw.mit.edu/courses/18-125-measure-and-integration-fall-2003/resources/18125_le…",
      "url": "https://ocw.mit.edu/courses/18-125-measure-and-integration-fall-2003/resources/18125_lec9/"
    },
    {
      "title": "ma.imperial.ac.uk/~boz/M3P2/Non-MeasSet/non-meas.html",
      "url": "https://www.ma.imperial.ac.uk/~boz/M3P2/Non-MeasSet/non-meas.html"
    },
    {
      "title": "ocw.mit.edu/courses/18-175-theory-of-probability-spring-2014/0c6228b4a4638d5a34…",
      "url": "https://ocw.mit.edu/courses/18-175-theory-of-probability-spring-2014/0c6228b4a4638d5a34b149ec89bc7d19_MIT18_175S14_Lecture4.pdf"
    },
    {
      "title": "ocw.mit.edu/courses/18-440-probability-and-random-variables-spring-2014/e7db597…",
      "url": "https://ocw.mit.edu/courses/18-440-probability-and-random-variables-spring-2014/e7db597ccb8d29826517ada7fa97b6b4_MIT18_440S14_Lecture15.pdf"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}