测度论——测度论思想的引出

测度论赋能AI概率建模 测度论提供了描述不确定性、随机性和数据生成过程的精确语言,是概率机器学习、生成模型和强化学习的根基。泛函分析提供了研究函数、算子和无限维空间的工具,是理解模型表示能力、优化动态以及核方法等非参数模型的关键。两者结合,使得研究者能够以严谨的数学方式,在高维甚至无限维的空间中,对复杂的、随机的学习系统进行建模、分析和算法设计。从生成模型中的分布匹配,到强化学习中的最优控制,再到贝叶斯推断中的后验近似,其核心数学表述都深深植根于这两门学科。 阅读详情

1.  测度问题(一种引出方式)

Euclid几何(译注:典型的特征是有距离和角度)中最基本的概念之一是固体(a solid body)E在一个或多个维度上的测度m( E )。在一维、二维和三维空间中,我们分别将此测度称为E的长度、面积或体积。在经典几何方法中,物体的测度通常是通过将物体分割成有限多个组成部分来计算的,围绕每个组成部分进行刚体运动(a rigid motion)(例如平移或旋转,即保持长度,角度,面积等不变的运动),然后将这些组成部分重新组装成一个更简单的物体,该物体的面积可能相同。人们也可以通过计算某个内接或外接物体的测度来获得物体测度的上下限;这一古老的思想至少可以追溯到Archimedes的著作。这类论证可以通过诉诸几何直觉来论证,或者简单地假设存在一个测度m( E ),它可以分配给所有固体E ,并且遵循一系列几何上合理的公理。人们也可以从“物理”或“还原论(reductionistic)”的角度来证明度量概念的合理性,将宏观物体的度量视为其微观组成部分的度量之和。(注:除了Euclid空间,也可以提出其它领域的测度问题,例如Riemann流形。但为了简单起见,我们这里将重点讨论Euclid空间的情况,有关流形积分的处理,请参阅Riemann几何的任何教材。)

然而,随着解析几何(译注:或分析几何,即用代数方法来分析几何)(analytic geometry)的出现,Euclid几何被重新解释为对实数线 𝑹 的笛卡尔积(Cartesian products) \mathsf{R}^{d}  的研究(译注:又称直积,是指两个集合 X 和 Y 中所有可能元素序对的集合,记为 X \times Y ,其中一个元素来自 X,另一个元素来自Y 。用公式表示为  X \times Y = \{(x ,y): x \in X , y \in Y \}  )。使用这种解析基础而非经典的几何基础,如何定义 \mathsf{R}^{d}  的一般子集 E 的测度 m ( E ) 不再直观显而易见;我们将这个(定义有些模糊的)记下“正确”测度定义的问题称为测度问题。

为了弄清这个问题为何存在,让我们尝试将之前讨论过的关于度量的一些直觉形式化。将物体E的度量定义为其组成“原子”的度量之和的物理直觉会立即遇到一个问题:一个典型的固体由无限(且不可数)个点组成,每个点的度量(或测度)(measure)为零;而 ∞ • 0 的乘积是不确定的。更糟糕的是,两个点数完全相同的物体,度量不一定相同。例如,在一维空间中,区间 A  = [0,1] 和 B = [0,2]是一一对应的(使用从A到B的双射 x ⟶ 2x 来表示),但 B 的长度当然是 A 的两倍。因此,我们可以将 A 分解成不可数个点,然后重新组装它们,形成一个两倍长度的集合。

当然,人们可以指出,这种分解中无限(且不可数)的组成部分数量是导致直觉失效的原因,并将注意力限制在有限的划分上。但这里仍然会遇到一些麻烦,原因有很多,其中最引人注目的是Banach-Tarski悖论(Banach-Tarski paradox),该悖论表明,单位球 B =\{( x,y ,z) \in R^{3}:x^{2} + y^{2} + z^{2} \leq 1 \}  在三维空间(注:该悖论仅在三维及更高维度上成立,其原因与群论的适应性有关;有关进一步讨论,请参阅 <<An epsilon of room>>第 I 卷第2.2节)中可以分解成有限数量的分片(pieces)(实际上,分成五块分片即可),然后可以重新组装(在平移和旋转每个分片之后),形成球 B 的两个脱离(即不相交)的副本。

这里的问题在于,这种分解中使用的元素本质上是高度病态的(pathological);除去其它因素,它们的构造需要使用选择公理。(这实际上是必要的;因为 Solovay [So1970] 的一个著名定理,存在一些没有选择公理的集合论模型,在这些模型中,Banach-Tarski悖论不会发生。) 这种病态集合几乎从未出现在数学的实际应用中。因此,测度问题的标准解决方案已经放弃测量 \mathsf{R}^{d} 的每一个子集 E 的这个目标,而是只测量   \mathsf{R}^{d} 中某个“非病态”子集的子类,我们称这些子类为可测集(measurable sets)。测度问题于是分解成几个子问题:

(i)   \mathsf{R}^{d} 的一个子集 E 可测意味着什么?

(ii) 如果一个集合 E 可测,我们又该如何定义其测度?

(iii) 测度(或者测度之概念)遵从哪些好的属性或公理?

(iv) “普通”集合(例如,立方体,球体,多面体,等等)可测吗?

(v) 一个“普通”集合的测度是否等于该集合的“朴素几何测度”?(例如,一个 a × b 矩形的测度等于 ab 吗?)

这些问题在表述上有些开放,没有唯一的答案;具体来说,人们可以扩展可测集的类别,但代价是在此过程中失去一个或多个良好的测度性质(例如,有限或可数可加性、平移不变性或旋转不变性)。然而,有两个基本答案,它们足以满足大多数应用的需求。第一个是 Jordan可测集的Jordan测度(或Jordan内容)的概念,这个概念与Riemann积分(或Darboux积分)的概念密切相关。这个概念足够基础,足以在本科分析课程中进行系统学习,并且足以测量许多数学分支中大多数“普通”集合(例如,连续函数图下的面积)。然而,当研究分析中出现的集合类型,特别是那些作为其他集合的极限(在各种意义上)出现的集合时,就会发现 Jordan 可测性概念并不十分适用,必须扩展到更一般的Lebesgue可测性概念,以及相应的Lebesgue测度概念,后者扩展了 Jordan 测度。Lebesgue理论(可以被视为对 Jordan-Darboux-Riemann 理论的完备)保留了 Jordan 测度的几乎所有理想性质,但还有一个关键的附加性质,即Lebesgue理论的许多特征在极限下都能保留(如基本收敛性中所示)。Lebesgue理论的定理,例如单调收敛定理和控制收敛定理(dominated convergence theorem),这些定理在Jordan-Darboux-Riemann集合中不成立。因此,它们特别适合分析中的应用,因为在这些场景下函数或集合的极限总是存在(注:还有其他方法可以扩展 Jordan 测度和Riemann积分,例如参见练习 1.6.53 或第 1.7.3 节,但Lebesgue方法比其他方法更好地处理极限和重排,因此已成为分析中的标准方法;它也特别适合提供概率论的严格基础)。

2.  测度问题(另一种引出方式)

         如何赋予一种大小、一个容量(content)、一种概率、等等某种集合,这在我们的日常生活中非常普遍。我们在日常生活中常常经历下述事情:

●    计数:集合 {a  ,  b ,  c ,  …  ,  x  ,  y  ,  z }  有 26 个字母。

●    取度量: 长度(在一维的情况下),面积(在二维的情况下),体积(在三维的情况下)或时间。

●    计算:放射性衰变的速率或中彩票的几率。

         在每种情况下,我们都根据某个基本单位进行比较(并表达结果);刚才提到的大多数测量方法都直观易懂。不过,我们还是来仔细看看以下几个方面:

 (2)  面积 = \frac{1}{2} × 底(b) × 高度(h)  。

三角形确实比矩形更基本,因为我们可以将每个矩形,甚至任何形状奇特的四边形,表示为两个不重叠三角形的“和”:

(3)  面积 = 阴影三角形的面积 + 白色三角形的面积 。

在这样做的过程中,我们默认了一些事情。在(2)中,我们任意选择了一条特定的基线和相应的高度。但面积的概念不应该依赖于这样的选择以及这种选择所带来的计算。面积与计算方式的独立性称为良定义性(译注:即定义明确无歧义(unambiguous),其定义赋予其解释或值的唯一性)。简言之,

(4)    

注意,(4) 允许我们选择最方便的方法来计算面积。在 (1.3) 中,我们实际上使用了两个事实:

●   可以将不重叠(不相交,即脱离)集合加进面积(译注:将三角形的面积视为集合),即

Area(A) = α , Area(B) = β , A∩B = ∅   ⟹  Area(A∪B ) = α + β 。

●    全等三角形面积相同,即  Area(◸) = Area(◿) 。

这表明,我们对一项合理测度 μ(译注:Measure 的首字母为M,而希腊字母M的小写为 μ )的最低期望是

(5)  良定义的,取值范围位于 [0, ∞] ,且 μ(∅) = 0 ;

(6)  可加性,即只要 A∩B = ∅ (即只要 A 和 B 是脱离的) ,就有 μ(A∪B ) = μ(A) + μ(B );

(7) 测度 μ  在全等情况下的另一个属性是不变性(invariant)。

而测度 μ 的不变性被证明是长度,面积和体积的一个特别的属性,即 Rn 上的 Lebesgue 测度的一个属性(译注:这一步跳得有点大)。

    上述规则使我们能够测量任意形状奇特的多边形,方法如下:将多边形分解成不重叠的三角形,然后将它们的面积相加。但是,对于弯曲或更复杂的形状又应该如何求解呢,例如:

 这里对圆有一种可能的求解方法:在圆内嵌入一个正 2^{j} (j∈ℕ)边形,将其内部细分成全等的三角形,求得每一个这些分割三角形的面积,再将所有 2^{j}  个三角形的面积相加。

    在下一步中,迭加 j ⟿ j  + 1 ,通过加倍圆周上的点数并重复上述过程进行计算。最终,

(8)     圆的面积 = \lim_{j\rightarrow \infty}{2^{j}}\times 第 j 步的三角形的面积  。

同样,存在几个问题:上述这个极限存在吗?允许将一个集合细分成任意多个子集吗?这个过程依赖于某个特定的细分吗?事实上,没有什么能阻止我们用更小的方块来铺圆!对于合理的测量概念来说,所有这些问题的答案都应该是肯定的,而且只要我们的方块不相交,我们铺圆的方式就不会导致不同的结果。然而,对此仅有 (6) 这个有限可加性是不够的,我们必须用

(9)        ( σ 可加性 )       \mathsf{area}(\cup_{j\in\mathbb{N}}{A_{j}})=\Sigma_{j\in \mathbb{N}}{\mathsf{area}}(A_{j})  。 

其中, 符号 \cup_{j}A_{j} 指集合 A_{j}  的脱离并集,即成对 A_{j} 的脱离并集: A_{j }\cap A_{k} = \emptyset ( j \neq k ) 

。(译注:σ可加性(即常用求和符号Σ的小写字母)比有限可加性条件更强,又称为可数可加性。早期人们将两个集合的并集称为它们的和,因此与集合加相关的术语一般都带 σ 前缀。)

    我们将看到,条件 (5) 和 (9) 导出了测度的概念,它足够强大,能够满足我们所有日常测量需求,甚至更多。我们还将看到,一个好的测度概念使我们能够引入积分,这基本上源于一个朴素的想法:正函数的积分应该代表函数图像与横坐标之间集合的面积。

内容来源:

<<测度论导论>>(An Introduction to Measure Theory),作者:Terence Tao

<<测度,积分和鞅>>(Measures, integrals and martingales),作者:René L.Schilling

 

 

 

测度论第一讲 测度论源于黎曼积分的局限,推动勒贝格积分革命——从切分定义域转向值域。为定义“广义体积”,提出理想测度公理:平移不变、可数可加。但维塔利集构造揭示:在选择公理下,全集所有子集无法同时满足这些性质。为此,数学家退而求其次,构建$\sigma$-代数结构,通过代数与拓扑生成机制(如Borel集),限定测度定义域,最终以Carathéodory延拓定理实现测度的严格构造,奠定现代分析基础。 阅读详情

相关推荐

测度论入门:从黎曼积分的盲区到勒贝格积分与概率论的本质

长度是微积分中最直观的概念,但有理数集合的长度为何是0?黎曼积分对此束手无策,直到测度论的出现。测度论通过σ-代数与可数可加性,为“集合打分”提供了严谨框架,并由此构造出勒贝格积分——它通过“横着切”的方式,轻松处理Dirichlet函数等病态函数,同时借助三大收敛定理,成为实分析与泛函分析的基石。更重要的是,概率论的公理化体系完全建立在测度论之上,随机变量、期望、独立性均可用测度语言重新解读。此外,Cantor集、Vitali集等反直觉例子揭示了零测集与不可测集的存在,而L^p空间、Hausdorff测度

weixin_32325225的博客 215

实变函数 第三章 测度论

Proof:\color{blue}\textbf{Proof:}Proof:(I) 非负性:显然(II) 单调性:对于任意覆盖 FFF 的开区间列 {Ii}i=1∞\{I_i\}_{i=1}^{\infty}{Ii​}i=1∞​,有 E⊂F⊂⋃i=1∞IiE\subset F\subset \bigcup_{i=1}^{\infty}I_iE⊂F⊂⋃i=1∞​Ii​,故由定义 m∗(E)⩽∑i=1∞∣Ii∣ m^*(E)\leqslant\sum_{i=1}^{\infty}|I_i| m∗(E)⩽i=1

qq_45224889的博客 1011

测度论笔记(一)

测度论笔记1.一些基本概念半代数 semi-algebra代数 algebraσ\sigmaσ-algebra生成代数半代数生成代数新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 1.一些基本概念 半代数 semi-alg

kdh的专栏 6679

测度定义_测度论整理(一)

出于对自己自学能力的不自信,本科的最后一个学期还是没有选修一些更高阶的课程,感觉巩固一下测度论的基础会是一个更加好的选择233。但是我还欠着很多点集拓扑的内容没有更新完,而且这个学期需要做各种出国的准备,处理毕业论文的事宜,故肯定是来不及详细写下来了。所以我准备挑选一些关键性的概念、思想,或是一些有意义的证明技巧记录一下。各位如果有实变的基础,应该能够大致地看懂在干什么。当然如果之前没有接触过类似...

weixin_39775872的博客 2298

测度论:数据科学中概率与积分的底层地基

测度论是现代数据科学中支撑概率建模、随机过程与机器学习理论的数学基础,它超越传统黎曼积分的局限,为连续空间、不规则分布和高维数据提供严格可量化的‘长度’定义。其核心概念——σ-代数、可测函数与勒贝格积分——共同构建了随机变量、条件期望与分布距离的合法性框架。在风控建模、推荐系统与AIGC评估等工程场景中,测度论直接决定概率密度函数是否可积、贝叶斯后验是否存在、GAN生成分布能否被量化比较。掌握它,不是为了推导定理,而是确保从特征工程到损失函数的每一步操作都落在可测、可积、可收敛的稳健轨道上。

weixin_30715523的博客 399

几何测度论:从测度收敛、Alberti表示到弱切场的现代分析语言

在分析几何与测度论中,处理非光滑或不规则集合上的微分结构是一个核心挑战。传统切空间理论在度量空间失效,催生了以‘曲线碎片’和‘弱切场’为代表的现代分析工具。其原理在于,通过一族一维的‘曲线碎片’来近似和承载测度的几何信息,并从中提取出定义在测度上的广义方向场,即‘弱切场’。Alberti表示定理是这一思想的关键实现,它将测度分解为曲线碎片族上的积分,从而在测度与微分结构之间架起桥梁。这套语言的技术价值在于,为在缺乏传统线性结构的空间(如分形、奇异流形)上进行微积分运算提供了基础框架。其应用场景广泛,包括最优

weixin_31099291的博客 325

测度论概念整理

测度论概念整理 本文主要整理一些测度论基础概念,以供快捷查阅。(可能会持续更新) 文章目录测度论概念整理单调序列集合系π\piπ系半环环域/代数单调系λ\lambdaλ系σ\sigmaσ域/σ\sigmaσ代数σ\sigmaσ环Borel集合系 单调序列 设{An,n=1,2,...}\{A_n,n=1,2,...\}{An​,n=1,2,...}是一个集合序列,如果对每个n=1,2,...n=1,2,...n=1,2,...有 An⊂An+1 A_n\subset A_{n+1} An​⊂An+1​ 则称

qq_43371810的博客 2616

3.1. 测度论-概率空间的基本概念

三个部分: 1. 概率空间(概率空间的定义和测度的性质), 2. 实数轴上的L-S测度(由Stieltjes 测度函数$F$定义的半代数上的集函数 唯一决定实数轴上的测度), 3. d维实数空间上的L-S测度.

weixin_40614311的博客 3369

测度论--长度是怎样炼成的[zz]

<br />这篇文章是我见过的写得比较好的关于测度论的文章,它深入浅出,特转载于此,供更多人参考/学习<br /> <br /><br />[测度论学习]长度是怎样炼成的 (1)<br />长度是怎样炼成的? <br />源于 http://www.blog.edu.cn/user2/tchzhang/archives/2006/1359252.shtml<br />应小乐之请写的一个东西,其目的是为了回答以下问题:<br />点没有长度和面积,为什么由点组成的线和面会具有长度和面积? <br />“长度”

Xianling Mao的专栏 2万+

【信息科学与工程学】【游戏科学】游戏科学 第一篇 游戏引擎02——物理模拟系统 第五章节 毛发与毛发模拟04

数学分析、解析几何、高等代数、实变函数、常微分方程、近世代数、微分几何、复变函数、点集拓扑、概率论、数理统计、数理逻辑、偏微分方程、泛函分析、动力系统、数学物理方程、数论导引、群与代数表示、微分流形、代数拓扑、代数几何、金融数学、多元统计分析、应用随机过程、组合数学、应用随机分析、运筹学、图论、控制论、密码学、交换代数与同调代数、数值分析、计算方法、微分方程数值解、数学建模、算法与计算复杂性、常用数学软件、基础数学、计算数学、概率论与数理统计、应用数学、运筹学与控制论。

weixin_49199313的博客 1595

测度论基础与应用:现代分析数学的重要工具

本文还有配套的精品资源,点击获取 简介:测度论是现代分析数学的基石,为处理抽象集合上的测量和积分问题提供了理论基础。它起源于勒贝格测度的定义,改进了黎曼积分的局限性。测度论中的测度定义了集合的大小,勒贝格积分则扩展了积分函数的范畴。测度论不仅在数学分析中核心,在概率论、泛函分析、拓扑学、统计学及物理学理论中也占据重要地位。本课程深入探讨测度论的核心概念、测度的构造、勒贝格积...

weixin_33628677的博客 3143

测度论学习入门

现在市面上流行的测度论书有不少,适合学习的有以下几本: 1.首推Halmos的 Measure Theory。这本书内容写的极丰富,特别是其纯分析的处理方法引人入胜,一些测度论常用的技巧和测度论中经典的例子也在书中得到了充分的体现。除几何测度论外,该书对基本的测度论知识介绍得很全面。该书习题也是一大特色。此书的习题有易有难,想试下伸手的不妨一试。当然该书也有一些缺点,最显著的就是测度论中重要的方法...

weixin_42320100的博客 1万+

基于测度论的高等数理统计完整课程与理论解析

在现代概率论中,随机变量不再被简单地理解为“取值不确定的量”,而是通过测度论语言进行严格定义——它是一个从概率空间到实数轴的可测函数。这种抽象视角不仅统一了离散、连续乃至奇异分布的情形,还为期望、方差、收敛性等统计概念提供了坚实的数学基础。本章将系统阐述随机变量的测度论构造机制,揭示其本质是样本空间上的结构保持映射,并深入剖析不同类型的随机变量如何对应不同的测度类型。

weixin_42402664的博客 580

测度论

测度论 测度论简介 长度是怎样炼成的? 点没有长度和面积,为什么由点组成的线和面会具有长度和面积? “长度”“面积”这些词汇究竟是在怎样的意义上被使用的? 有的时候我们把点的长度叫做零,有的时候叫做无穷小,这两个称呼是不是都有道理? 无穷个零相加是不是还得零?(其实和第一个问题是一个意思,无穷个点怎么加成线段的?) 等等等等。 当然,小乐的问题是着眼于哲学,而我的...

dreamerLLL的博客 1万+

测度论讲义-严加安

严加安老师的测度论讲义,清晰版,对学习分析和概率的人很有帮助

[严加安][测度论讲义]

严加安,测度论讲义 学习测试论必备 学习测试论必备 学习测试论必备

测度定义_测度论浅谈

最近本公众号竟然几乎每天都会涨一个粉,简直太开心了,也许等小编大四的时候会破百哈哈哈,由于太兴奋,所以决定在十点来写这篇推文。近期没有想好要写的推文的内容,所以就找到了大二下学期和同学一起写(其实是抄各种不同版本的教材)的实变函数结课的小论文。由于全文篇幅过长,就只选取了前面很小的部分(大概前1/9的内容)来做展示(摘要和论文前1/3是本小编写的,所以相较于其他部分会更熟悉些)。(其实严...

weixin_39811386的博客 1803

Scissor算法实战:利用bulkRNA表型数据精准定位单细胞亚群

本文详细介绍了Scissor算法的实战应用,该算法通过整合bulkRNA-seq的丰富表型信息与单细胞数据,精准识别与特定临床结局(如不良预后)相关的单细胞亚群。文章深入解析了算法三步走的核心思想,并提供了适配Seurat v5的完整代码解决方案,帮助研究者从海量数据中提炼具有生物学和临床价值的洞见。

ww90123的博客 258

UA MATH523A 实分析2 测度论1 Banach-Tarski:为什么需要sigma代数

UA MATH523A 实分析2 测度论1 Banach-Tarski:为什么需要sigma代数

一个不愿透露姓名的博客 852

Matlab GUIDE -- 串口操作

1、首先新建-->应用程序-->GUIDE。 2、绘制一个简单的UI。 3、然后右击“打开串口”图标-->查看回调-->callback,即可打开此图标的回调函数,此回调函数是press button时执行(可按需要选择其他回调)。 4、在回调函数中添加打开串口的代码。 delete(instrfindall); %删除所有串口 s3 = serial('CO

Asgard-X 2840

Linux Kernel入门到精通系列讲解(RV-Kernel 篇) 5.6 在kernel 中实现系统复位和系统关机驱动

上一章节`Qemu`篇我们已经实现了我们`SOC`的`power reset`和 `power down` 寄存器,本章节我们就在`Linux driver`中去实现它

DSMGUOGUO的博客 545
上一篇: 理解数学概念——幂律(power law)
下一篇: C++编程语言:标准库:第30章——标准库概观(Bjarne Stroustrup)
ComputerInBook
博客等级 码龄19年 1168粉丝 465原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值