2026-07-29 · 把集合函数变成密度

0. 导读与元结构 (Orientation & Meta-structure)

起点问题。 设 $\mu$ 与 $\nu$ 都给每个可测集合 $A$ 分配质量。即使我们知道全部数值 $\nu (A)$，它仍是一个定义在集合族上的函数；何时能用一个普通可测函数 $f$ 把它压缩为

$$\nu (A)={\int }_{A}fd\mu (A\in \mathrm{\Sigma })？$$

真正的障碍不是公式技巧，而是：$\nu$ 是否会把正质量藏在 $\mu$ 完全看不见的零集里。Radon–Nikodym 定理回答：在适当的 $\sigma$-有限条件下，“不在 $\mu$-零集上藏质量”恰好等价于“相对于 $\mu$ 存在密度”。

对象与量词分四层：

1. 可测空间 $(X,\mathrm{\Sigma })$ 决定哪些集合可以提问；
2. 测度 $\mu ,\nu :\mathrm{\Sigma }\to [0,\mathrm{\infty }]$ 回答集合的质量；
3. 绝对连续性 $\nu \ll \mu$ 比较两者的零集；
4. Radon–Nikodym 导数 $d\nu /d\mu$ 是一个按 $\mu$-几乎处处等同的可测函数类，而不是指定点值的函数。

前置知识是可测函数、Lebesgue 积分与零测集。存在性证明的 Hilbert 空间路线还用到 $L^2$ 与 Riesz 表示定理；这一步会明确标作 graduate bridge，不用高级词汇替代定义。主导 proof engines 是：有限测度局部化、正线性泛函表示、零集上的反证与 $\sigma$-有限拼接。

今天开启 2026-W31 的三日 anchor micro-arc“信息与密度”：第 1 日构造测度密度；第 2 日把条件期望定义成受限信息上的 Radon–Nikodym 导数；第 3 日进入鞅的时间一致性。

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 两个前提概念

设 $(X,\mathrm{\Sigma })$ 是可测空间，$\mu ,\nu$ 是其上的非负测度。

定义（absolute continuity of measures，测度的绝对连续性）。

$$\nu \ll \mu ⟺\mathrm{\forall }A\in \mathrm{\Sigma },\mu (A)=0⟹\nu (A)=0.$$

这里比较的是全部可测零集；它不表示数值不等式 $\nu (A)\le \mu (A)$。

定义（$\sigma$-finiteness，$\sigma$-有限性）。 测度 $\mu$ 是 $\sigma$-有限的，当且仅当

$$\mathrm{\exists }(X_n{)}_{n\ge 1}\subseteq \mathrm{\Sigma },X=\bigcup _{n=1}^{\mathrm{\infty }}{X}_n,\mathrm{\forall }n\ge 1,\mu (X_n)<\mathrm{\infty }.$$

它允许总质量无穷，但要求空间能被可数个有限质量区域覆盖。这个条件正是把有限情形逐块拼回整体的接口。

若 $f:X\to [0,\mathrm{\infty }]$ 可测，则

$${\nu }_f(A):={\int }_{A}fd\mu$$

定义一个测度，并自动满足 ${\nu }_f\ll \mu$。困难方向是逆命题：只有集合层的 $\nu \ll \mu$，能否反推出这样的 $f$？

1.2 Radon–Nikodym 定理

定理（Radon–Nikodym）。 设 $(X,\mathrm{\Sigma })$ 是可测空间，$\mu$ 与 $\nu$ 是 $\sigma$-有限非负测度，并且 $\nu \ll \mu$。则存在 $\mathrm{\Sigma }$-可测函数

$$f:X\to [0,\mathrm{\infty })$$

使得

$$\mathrm{\forall }A\in \mathrm{\Sigma },\nu (A)={\int }_{A}fd\mu .$$

若 $g:X\to [0,\mathrm{\infty })$ 也是满足同一恒等式的可测函数，则

$$\mu (\{x\in X:f(x)\ne g(x)\})=0.$$

因此把 $f$ 的 $\mu$-几乎处处等价类记为

$$f=\frac{d\nu }{d\mu }.$$

1.3 存在性为何成立：一条 Hilbert 空间证明架构

先假设 $\mu (X),\nu (X)<\mathrm{\infty }$，并令 $\lambda =\mu +\nu$。在实 Hilbert 空间 $L^2(\lambda )$ 上定义

$$L(g)={\int }_{X}gd\nu .$$

Cauchy–Schwarz 不等式给出

$$|L(g)|\le \nu (X{)}^{1/2}{({\int }_X|g{|}^{2}d\nu )}^{1/2}\le \nu (X{)}^{1/2}\parallel g{\parallel }_{L^2(\lambda )},$$

所以 $L$ 是有界线性泛函。由 Riesz 表示定理，存在 $h\in L^2(\lambda )$，使

$$L(g)={\int }_{X}ghd\lambda (g\in L^2(\lambda )).$$

取 $g={\mathbf{1}}_A$，得到

$$\nu (A)={\int }_{A}hd\lambda (A\in \mathrm{\Sigma }).$$

因为 $0\le \nu (A)\le \lambda (A)$ 对每个 $A$ 成立，分别在 $\{h<0\}$ 与 $\{h>1\}$ 上测试，便知 $0\le h\le 1$ 在 $\lambda$-几乎处处成立。测度恒等式 $d\nu =hd\lambda$ 与 $d\lambda =d\mu +d\nu$ 合起来成为

$$(1-h)d\nu =hd\mu .$$

在 $B=\{h=1\}$ 上，$\nu (B)=\lambda (B)$ 先推出 $\mu (B)=0$；再由 $\nu \ll \mu$ 得 $\nu (B)=0$。因此可以在 $X\setminus B$ 上定义

$$f=\frac{h}{1-h},$$

并在 $B$ 上任意取有限值。由上面的测度恒等式可得

$${\int }_{A}fd\mu =\nu (A)(A\in \mathrm{\Sigma }).$$

这一步也精确显示了绝对连续性的职责：它消灭 $h=1$ 上可能残留、却不能由 $\mu$ 看见的质量。

对 $\sigma$-有限情形，分别取 $\mu$-有限覆盖与 $\nu$-有限覆盖，枚举二者的交集并不交化，得到共同分割

$$X=\underset{n=1}{\overset{\mathrm{\infty }}{⨆}}{C}_n,\mu (C_n)<\mathrm{\infty },\nu (C_n)<\mathrm{\infty }.$$

在每个 $C_n$ 上得到密度 $f_n$，再令 $f=\sum _n{f}_n{\mathbf{1}}_{C_n}$。这就是 $\sigma$-有限假设进入证明的确切位置。

唯一性则来自“对所有集合积分相同”：若 $f>g$ 的集合有正 $\mu$-测度，在某个有限分块及某个集合 $\{f\ge g+1/k\}$ 上便会产生严格正的积分差，矛盾；交换 $f,g$ 即得 $f=g$ 在 $\mu$-几乎处处成立。

1.4 谱系、推论与现代延伸

Encyclopedia of Mathematics 将它记为由 Johann Radon 与 Otto Nikodým 建立的经典测度论定理，并列出 Radon 1919 年论文与 Nikodým 1930 年论文。现代命题的价值不只在“找到一个函数”，而在于把三类运算统一起来：

1. 换测度积分。 对每个非负可测函数 $\phi$，

   $${\int }_X\phi d\nu ={\int }_X\phi \frac{d\nu }{d\mu }d\mu .$$

2. 链式法则。 若 $\eta \ll \nu \ll \mu$ 且相关测度满足上述 $\sigma$-有限条件，则

   $$\frac{d\eta }{d\mu }=\frac{d\eta }{d\nu }\frac{d\nu }{d\mu }\mu \text{-a.e.}$$

3. Lebesgue 分解。 有限符号测度可以唯一拆成相对于 $\mu$ 的绝对连续部分与奇异部分；绝对连续部分再写成 $fd\mu$。

Graduate / modern extension. 对 Banach 空间值向量测度，并非每个目标空间都允许同样的密度表示；能够支持相应结论的 Banach 空间称具有 Radon–Nikodym property。概率论中的下一站更直接：若只在子 $\sigma$-代数 $\mathcal{G}$ 上观察事件，则条件期望 $\mathbb{E}[X\mid \mathcal{G}]$ 正是一个受限符号测度相对于 $\mathbb{P}{|}_{\mathcal{G}}$ 的 Radon–Nikodym 导数。

2. 固定模板习题 (Template Exercise)

题目。 在 $([0,1],\mathcal{B}([0,1]))$ 上令 $\mu$ 为 Lebesgue 测度，并定义

$$\nu (A)={\int }_{A}2xd\mu (x),\eta (A)={\int }_{A}3x^{2}d\mu (x).$$

证明 $\nu$ 与 $\eta$ 都是概率测度；求

$$\frac{d\nu }{d\mu },\frac{d\eta }{d\nu },\frac{d\eta }{d\mu },$$

并直接核验 Radon–Nikodym 导数的链式法则。

模板识别。 看到“多个测度都相对于同一参考测度给出密度”，先不要重新从集合定义求导；把密度视为似然比 (likelihood ratio)，相邻测度之间用商，总的换测度用乘积。唯一需要单独处理的是分母密度为零的集合，而导数只要求几乎处处确定。

分级提示。

1. 先计算两个密度在 $[0,1]$ 上的积分，确认总质量。
2. 已知 $d\nu /d\mu =2x$ 与 $d\eta /d\mu =3x^2$；在 $x>0$ 上取二者之商。
3. 点 $x=0$ 的 $\nu$-测度是多少？这说明 $d\eta /d\nu$ 在该点可以如何定义。
4. 把所得商与 $2x$ 相乘，再与 $3x^2$ 比较。

3. 大家之言 (Mathematician in Their Own Words)

语境。 Andrey N. Kolmogorov 的 Grundbegriffe der Wahrscheinlichkeitsrechnung 初版于 1933 年；这里核对的是 Nathan Morrison 编订翻译的 1956 年第二英文版。原书前言落款为 1933 年复活节。Kolmogorov 在前言开头写道：

“The purpose of this monograph is to give an axiomatic foundation for the theory of probability.”

“本专著的目的，是为概率论给出一个公理化基础。”（中译）

这不是泛泛的“重视严谨”。其数学方法是先决定对象的类型：事件属于 $\sigma$-代数，概率是测度，随机变量是可测函数，期望是积分。Radon–Nikodym 定理沿着同一方向再走一步：条件概率与条件期望不必先靠点态公式猜测，而可从事件上的积分恒等式构造。先把概念放进正确结构，计算规则才成为定理的结果，而非定义表上的偶然巧合。

4. 反例与边界 (Counterexample & Boundary)

4.1 去掉绝对连续性：单点质量无密度

取 $X=[0,1]$，令 $\mu$ 为 Lebesgue 测度，令 $\nu ={\delta }_0$ 为 $0$ 点的 Dirac 概率测度。逐项检查：

1. $\nu (A)=1$ 当 $0\in A$，否则 $\nu (A)=0$，所以 $\nu$ 确为概率测度；
2. $\mu (\{0\})=0$，但 $\nu (\{0\})=1$，故 $\nu \ll ̸\mu$；
3. 若存在非负可测函数 $f$ 使 $\nu (A)={\int }_{A}fd\mu$ 对所有 $A$ 成立，取 $A=\{0\}$，右端必为 $0$，左端却为 $1$，矛盾。

因此绝对连续性排除的正是“集中在参考测度零集上的质量”。这不是技术性条件，而是密度表示的必要条件。

4.2 把“几乎处处唯一”误写成“逐点唯一”

仍取 Lebesgue 测度，令

$$f(x)=1,g(x)=\{\begin{array}{ll}7,& x=0,\\ 1,& x\ne 0.\end{array}$$

则 $f\ne g$ 作为逐点函数，但对每个 Borel 集 $A$ 都有

$${\int }_{A}fd\mu ={\int }_{A}gd\mu =\mu (A).$$

所以 Radon–Nikodym 导数的自然对象是 $L^1$ 式的几乎处处等价类；逐点唯一性既不成立，也不应被要求。

5. 今日一问与数学地图 (Question & Map)

设 $(\mathrm{\Omega },\mathcal{F},\mathbb{P})$ 是概率空间，$X\in L^1(\mathbb{P})$，并且 $\mathcal{H}\subseteq \mathcal{G}\subseteq \mathcal{F}$。在 $\mathcal{G}$ 上定义有限符号测度

$${\nu }_X(A)={\int }_{A}Xd\mathbb{P},A\in \mathcal{G}.$$

Radon–Nikodym 定理给出 $\mathcal{G}$-可测密度 $Y=d{\nu }_X/d(\mathbb{P}{|}_{\mathcal{G}})$，这就是 $\mathbb{E}[X\mid \mathcal{G}]$。

今日一问。 不调用已经记住的条件期望公式，只使用上面的积分刻画与 Radon–Nikodym 导数的几乎处处唯一性，怎样证明

$$\mathbb{E}[\mathbb{E}[X\mid \mathcal{G}]\mid \mathcal{H}]=\mathbb{E}[X\mid \mathcal{H}]\mathbb{P}\text{-a.s.}？$$

方向提示。 不要比较点值；对每个 $A\in \mathcal{H}$ 比较两边在 $A$ 上的积分，然后寻找它们共同表示的同一个符号测度。保留最后一步“为什么可由所有测试事件推出几乎处处相等”作为核心思考。

数学地图。

$$\text{Lebesgue 积分与符号测度}⟶\text{绝对连续性}⟶\text{Radon–Nikodym 密度}⟶\text{条件期望}⟶\text{鞅与过滤}⟶\text{换测度、似然比与随机分析}.$$

附录 A：习题完整解答 (Full Solution)

展开完整解答

可复用模板：共同参考测度下“先取密度之商，再用链式乘法”。

首先，两个定义式都是以非负可测函数生成测度。其总质量分别为

$$\nu ([0,1])={\int }_0^{1}2xdx=1,\eta ([0,1])={\int }_0^{1}3x^{2}dx=1,$$

故 $\nu$ 与 $\eta$ 都是概率测度。

由定义，对每个 Borel 集 $A$，

$$\nu (A)={\int }_{A}2xd\mu ,\eta (A)={\int }_{A}3x^{2}d\mu .$$

所以

$$\frac{d\nu }{d\mu }(x)=2x,\frac{d\eta }{d\mu }(x)=3x^2\mu \text{-a.e.}$$

在 $x>0$ 上，候选商为

$$\frac{d\eta }{d\nu }(x)=\frac{d\eta /d\mu }{d\nu /d\mu }(x)=\frac{3x^2}{2x}=\frac{3}{2}x.$$

在 $x=0$ 时分母为零，但 $\nu (\{0\})=0$，故该点取值不影响 Radon–Nikodym 导数的 $\nu$-几乎处处等价类。令其在 $0$ 处也取 $0$。为避免循环使用待核验的链式法则，直接检查：对每个 Borel 集 $A$，

$${\int }_A\frac{3}{2}xd\nu ={\int }_A\frac{3}{2}x\cdot 2xd\mu ={\int }_{A}3x^{2}d\mu =\eta (A).$$

因此

$$\frac{d\eta }{d\nu }(x)=\frac{3}{2}x\nu \text{-a.e.}$$

最后直接相乘：

$$\frac{d\eta }{d\nu }\frac{d\nu }{d\mu }=\frac{3}{2}x\cdot 2x=3x^2=\frac{d\eta }{d\mu }\mu \text{-a.e.}$$

链式法则得到核验。模板中的边界动作是：密度之商只在分母非零处计算；分母为零的集合若是中间测度的零集，则在其上任选代表值。

资料与来源 (Sources)

1. Encyclopedia of Mathematics, “Radon-Nikodým theorem.” 定理陈述、几乎处处唯一性、$\sigma$-有限条件、Radon 1919 与 Nikodým 1930 的文献条目，以及向量测度 / Radon–Nikodym property 的延伸：https://encyclopediaofmath.org/wiki/Radon-Nikodym_theorem
2. Terence Tao, “245B, notes 1: Signed measures and the Radon-Nikodym-Lebesgue theorem,” What’s new, 4 January 2009. 课程讲义给出绝对连续性、Radon–Nikodym 导数、Lebesgue 分解及有限情形的证明机制：https://terrytao.wordpress.com/2009/01/04/245b-notes-1-signed-measures-and-the-radon-nikodym-lebesgue-theorem/
3. A. N. Kolmogorov, Foundations of the Theory of Probability, Second English Edition, translation edited by Nathan Morrison, Chelsea Publishing Company, 1956. 本期“大家之言”引文见作者前言；University of York 历史统计资料页所托管扫描本：https://www.york.ac.uk/depts/maths/histstat/kolmogorov_foundations.pdf
4. Internet Archive, Foundations of the Theory of Probability 数字化条目。本期用其可检索全文核对前言原句，并与上述版本信息交叉核验：https://archive.org/details/kolmogorov_202112