1 测度空间与可测性基础
Lebesgue积分并不是先从“区间切片的极限”出发，而是先把“集合有多大”形式化为测度，再在此基础上讨论函数的积分。为此，需要先规定：哪些集合可以被赋予大小，哪些函数可以在这些集合上被“测度地看待”。
1.1 测度的定义与直观
1.1.1 σ-代数与可测集
测度的定义依赖于一类集合系统。通常在给定集合集族时，要求它对可数次并与补运算封闭，这样才能保证“从简单集合出发，通过极限和分解仍可测”。这样的集合系统称为σ-代数。 在σ-代数意义下的集合称为可测集；可测性的引入保证测度可以稳定地处理“把很多部分拼起来”或“取剩余部分”的操作。
1.1.2 可测函数的刻画（几乎处处的角色）
函数可测性的要求，本质上是：函数的取值对应的阈值集合必须是可测集。更具体地说，若对任意实数阈值，集合\(\{x: f(x)>\alpha\}\)在给定测度空间中可测，则称\(f\)可测。 这一刻画方式使得积分能在“函数—集合”的桥梁上建立：积分不是直接对函数求和，而是经由函数的水平集把问题转化到可测集合上。
1.1.3 外测度与可测化思想（从集合到测度）
在许多构造中，可以先对一般集合给出“外部的大小上界”（外测度），再证明某些集合族是良好的，从而得到可测集与真正测度。外测度的作用可以理解为：把“直观的长度/面积”等概念推广到更广的集合类别，但随后需要一个可测化步骤，确保测度在合适集合上具有一致的加性与极限性质。
1.2 常见测度类型
1.2.1 Lebesgue测度（实数上的标准测度）
在实数上，Lebesgue测度把区间的长度当作测度，并通过可测化过程推广到更复杂的集合。它与直觉中的“长度”一致：对区间与由区间生成的集合类给出自然的大小，并能处理具有“零长度但复杂结构”的集合。 在\(\mathbb{R}^n\)上，Lebesgue测度对应体积的抽象扩展。
1.2.2 离散测度与计数测度
离散测度关注“点的权重”。例如在可数集合上，可将每个点赋予常数或给定权重，测度随点的计数或加权求和而变化。计数测度是最基础的离散例：任意有限集合测度为其元素个数，可数集合可产生无穷值。 这类测度常用于将和式问题嵌入到积分框架中。
1.2.3 积测度与Fubini思路的起点
当空间是乘积结构（如\(\mathbb{R}^m\times\mathbb{R}^n\)）时，需要测度的“乘法构造”。积测度使得可测集在不同坐标方向上可以逐步分析，为后续的Fubini与Tonelli定理提供基础。 直观上，它允许把二维或多维的积分分解为“先固定一部分变量再对另一部分求积分”的结构。
2 从非负函数到积分的构造
Lebesgue积分的构造通常从非负函数开始，因为它避免了正负抵消带来的技术麻烦。先为非负可测函数定义积分，再通过分解推广到一般实值函数。
2.1 单调逼近与初等积分
2.1.1 指示函数与集合的积分
最初的“积分对象”可以是指示函数\(1_A\)：当\(x\in A\)取值1，否则为0。此时其积分自然对应于测度\(\mu(A)\)。 这样一来，积分框架与测度框架被直接连接起来：对集合的“大小”可以视为对其指示函数的积分。
2.1.2 简单函数的积分定义
简单函数由有限个可测集合上的常数拼接而成。由于每一块区域常数不变，简单函数的积分可以定义为对应常数与测度的加权和。 该定义保留了“线性叠加”的直觉，也为后续用逼近建立一般函数的积分提供了起点。
2.1.3 非负可测函数的积分（上确界构造）
任意非负可测函数可以用一列单调上升的简单函数逼近。于是可以将非负函数的积分定义为所有不超过该函数的简单函数积分的上确界。 这一“上确界”定义保证积分与单调结构相容：逼近越贴近真实函数，积分值也越逼近最终答案。
2.2 一般可测函数的积分
2.2.1 正部与负部分解
一般实值函数\(f\)可以拆为正部\(f^+=\max(f,0)\)与负部\(f^-=\max(-f,0)\)，从而\(f=f^+-f^-\)。 分别讨论\(f^+\)与\(f^-\)的积分，再据此给出\(f\)的积分定义。这种分解把问题拆成两个非负情况。
2.2.2 {±∞} 情形与可积性的判别
若\(f^+\)或\(f^-\)的积分发散，就可能出现\(+\infty\)或\(-\infty\)的情形。为了避免\(+\infty- \infty\)这种不良相减，通常要求至少有一边是有限的，或规定“不可定义”的组合情况。 因此，“可积”并不总是指积分为有限实数，也包括对某些方向的无限积分有一致定义。
2.2.3 绝对可积与条件可积
| 绝对可积指\(\int | f | \,d\mu<\infty\)，此时积分是良好且不会因正负部分抵消导致不稳定。 |
|---|---|---|
| 条件可积则指\(\int f\,d\mu\)有限但\(\int | f | \,d\mu\)不一定有限。该区别在实践中常影响积分的可操作性与收敛定理的适用范围。 |
3 积分的基本性质
Lebesgue积分的价值不仅在于“能算”，更在于它在收敛与极限交换方面表现良好。其基本性质奠定了后续定理的可用性。
3.1 线性性与齐次性
3.1.1 在可积条件下的线性
在适当的可积假设下，积分满足加法与数乘的线性结构：\(\int (af+bg)\,d\mu=a\int f\,d\mu+b\int g\,d\mu\)。 当积分存在且符号不造成不良的\(\infty-\infty\)情形时，线性性能够用于把复杂问题拆成更容易的部分。
3.1.2 复值/向量值情形的推广要点
对于复值函数，可通常将其表示为实部与虚部的线性组合，并分别讨论可积性与积分定义。 若函数取值于一般的向量空间，则需额外的范数、可测性与可积性条件，以保证积分作为向量对象有意义。
3.2 单调性与极限估计
3.2.1 积分的单调收敛行为
若\(0\le f\le g\)，则积分满足\(\int f\,d\mu\le \int g\,d\mu\)。这一单调性是Lebesgue积分体系与逼近构造的核心一致性。 配合“逼近列”的单调结构，许多极限交换问题就变得可控。
3.2.2 约化与截断技巧（截断函数的使用）
| 在处理发散或不适定的问题时，常用截断思想：例如用\(\min(\, | f | ,n)\)或\(f\cdot 1_{\{ | f | \le n\}}\)把函数限制在有限范围内，再在\(n\to\infty\)时恢复原问题。 |
|---|
截断既能避免\(\infty\)带来的混乱，又便于套用收敛定理或估计。
3.3 与几乎处处等价的关系
3.3.1 “几乎处处相等”对积分的影响
在测度论中，“几乎处处”表示允许在零测集合上例外。若两个可测函数在除零测集合外相等，则它们的积分（在可积意义下）相同。 这体现了Lebesgue积分忽略“极小测度的偏差”的理念：不影响积分结果的部分被自然地视为无关。
3.3.2 修改函数不改变积分（在合理条件下）
当改变发生在零测集合上，积分的值不变；当修改导致可积性发生变化，则需更谨慎。 这种处理方式在泛函分析中尤为重要，因为许多空间（如\(L^p\)空间）本来就以“几乎处处相同的等价类”为元素。
4 收敛定理与积分极限交换
Lebesgue积分理论最强的部分体现在：在合适条件下，积分与极限可以交换，且收敛方式由函数序列的结构决定。
4.1 单调收敛定理（MCT）
4.1.1 条件与结论的严格表述
若\((f_n)\)是一列非负可测函数，并满足\(f_n\uparrow f\)（逐点单调增加并收敛到\(f\)），则有 \[ \int f_n\,d\mu \to \int f\,d\mu. \] 结论不依赖于额外的可积性假设，非负性与单调性足够支撑极限交换。
4.1.2 典型应用（非负函数序列）
常见做法是把复杂的非负函数用单调逼近构造出来，例如用截断序列近似，或用指示函数的并集结构逼近集合与其测度。 在概率论中，这类思想对应于“事件概率对事件并的极限关系”的积分化表达。
4.2 支配收敛定理（DCT）
4.2.1 支配函数与可积性要求
| 若\(f_n\to f\)逐点收敛，并且存在可积的支配函数\(g\)使得\( | f_n | \le g\)几乎处处，那么 |
|---|
\[ \int f_n\,d\mu \to \int f\,d\mu. \] 其关键在于“统一控制”：单靠逐点收敛不足以保证积分极限一致，支配函数提供了全局的估计。
4.2.2 交换极限与积分的常用套路
实践中常将问题化为寻找合适的上界。例如当函数由核、指数、幂次等结构构成时，常用已知不等式或增长/衰减估计来构造\(g\)。 当找到可积的支配函数后，极限交换就变得直接可用。
4.3 Fatou引理与逆向估计
4.3.1 Fatou引理的形式
对非负可测函数序列\((f_n)\)，Fatou引理给出 \[ \int \liminf_{n\to\infty} f_n\,d\mu \le \liminf_{n\to\infty}\int f_n\,d\mu. \] 它常用于在缺乏充分支配条件时获得“下界方向”的极限估计。
4.3.2 liminf/limsup 相关不等式
通过对\(-f_n\)应用同类思想，可得到对应的上界版本，从而组合得到对极限行为的夹逼估计。 当你只能证明“下方不会太小”的性质时，Fatou引理是常用工具。
4.4 L^p 收敛与积分收敛的联系（概览）
4.4.1 由范数收敛推出的积分收敛方向
在\(L^p\)空间中，范数收敛通常意味着某种“功率可积意义下”的控制。由此可推导积分收敛（例如在\(p\ge1\)与适当条件下得到子序列逐点收敛或收敛于\(L^1\)等）。 具体关系依赖于测度是否有限以及\(p\)的取值。
4.4.2 弱收敛/强收敛与测度方法的关联
强收敛更接近范数意义下的控制，通常更容易导出积分层面的结论；弱收敛则需要借助紧性、紧嵌入或测度论工具间接得到信息。 在分析与偏微分方程中，这种“先弱后强”的策略常与紧性方法共同出现。
5 与黎曼积分的关系与例子
黎曼积分依赖区间分割与上、下和的极限。Lebesgue积分通过测度与可测函数的逼近，处理更广泛的函数类别，并更自然地匹配收敛行为。
5.1 黎曼可积与Lebesgue可积的对应
5.1.1 连续与黎曼可积的重合区域
在紧区间上，连续函数同时可黎曼可积与Lebesgue可积，并且两者积分数值一致。 更一般地，黎曼可积函数通常也能被Lebesgue框架吸收，至少在经典情形下不会产生冲突。
5.1.2 有界函数的典型比较
在有界函数的语境下，许多判别标准可以互相转化。黎曼可积性强调“可忽略的振荡集中在不连续点附近”，而Lebesgue可积性则表达为“绝对值的可积与测度意义下的极限控制”。 两种观点在良性条件下会给出一致结论。
5.2 特殊例子：奇异性如何被“容纳”
5.2.1 分段函数与可积性
分段函数的可积性常取决于各段的可测性与分段界面集合的测度性质。在常见情况下，有限个跳点或在零测集合上的“怪异行为”不会阻碍Lebesgue可积。 因此，Lebesgue积分对许多“看似难搞”的局部不连续更宽容。
5.2.2 发散型与“需要的不是更细分而是更强工具”
有些函数在黎曼意义下无法处理，但在Lebesgue框架下可以判断其是否可积，或者说明其积分发散。 关键并不只是“切得更细”，而是对函数的大小分布（尤其是大值出现在哪里、出现的测度有多大）建立更合适的判断体系。
5.3 经典比较案例的直观解释
直观上，黎曼积分像是在网格上逼近；Lebesgue积分更像是在“概率/测度的视角”上统计函数的取值大小。 当函数的大值只出现在少量（零测或小测度）的区域时，Lebesgue积分仍能给出合理的结果，而黎曼逼近可能被这些尖峰破坏。
6 Lebesgue可积性、L^p空间与范数
\(L^p\)空间把可积性提升为函数空间结构：不只是“能不能积分”，还关心在何种意义下函数之间可比较、可度量，并能讨论极限与连续算子。
6.1 L^p空间的定义要点
6.1.1 p范数与可测性要求
对\(1\le p<\infty\)，\(L^p\)常用的范数为 \[
| \|f\|_p=\left(\int | f | ^p\,d\mu\right)^{1/p}. |
|---|
\]
| 因此，\(f\)必须可测且\( | f | ^p\)可积。对于\(p=\infty\)，范数用本质上“几乎处处的上界大小”刻画。 |
|---|
这些条件保证\(L^p\)在数学上构成良好的度量空间。
6.1.2 范数、等价类与几乎处处
由于“改变零测集合不影响积分”，所以\(L^p\)的元素通常以等价类形式出现：若两个函数几乎处处相等，则它们视为同一个元素。 范数也是在这种等价关系下定义，避免了无意义的差异。
6.2 Hölder不等式与Minkowski不等式（概述）
6.2.1 Hölder：乘积可积性的判别
| Hölder不等式提供了乘积积分的控制：在合适的\(p,q\)（满足典型共轭关系）下，\(\int | fg | \)可以由\(\|f\|_p\)与\(\|g\|_q\)估计。 |
|---|
它是许多非线性分析、能量估计的基础工具。
6.2.2 Minkowski：三角不等式的积分形式
| Minkowski不等式对应范数的三角不等式：\(\|f+g\|_p\le \|f\|_p+\|g\|_p\)。 |
|---|
这保证了\(L^p\)空间的几何结构与收敛理论可以顺利展开。
6.3 L^p之间的包含关系（概览）
6.3.1 有界测度空间中的嵌入
当测度空间的总测度有限时，不同\(p\)之间存在包含关系：较大的\(p\)通常意味着更强的可积约束，从而在一定条件下嵌入到较小\(p\)的空间中。 这反映了“在有限总体里，\(p\)越大越能抑制大值尾部”的直观。
6.3.2 典型反例：包含的失败条件
若测度空间是无限的，包含关系可能失败：函数可以在尾部以合适速度衰减，导致某个\(p\)可积而另一个\(p\)不具备可积性。 因此嵌入性质依赖于测度是否有限以及函数的分布衰减。
7 变换公式与积分工具箱
Lebesgue积分体系与几何变换、坐标改变紧密相关。变量代换、分部积分与Fubini/Tonelli为计算与理论证明提供了“工具箱”。
7.1 变量代换与Jacobian（思路概览）
7.1.1 线性变换下的测度缩放
在线性变换下，体积元素会随行列式的绝对值缩放。这个缩放因子对应于Jacobian的本质：它告诉你“变换把单位区域拉伸/压缩了多少”。 因此积分在变量代换后会出现相应的缩放项。
7.1.2 一般光滑变换的直觉说明
对光滑可逆变换，局部尺度改变由Jacobian矩阵刻画。直观上，积分等于把原函数在新变量下“重新加权”再求和。 严谨表述需要适当的可测性与可积性条件，但核心思想一致：局部几何尺度因子进入积分表达式。
7.2 分部积分（在适当条件下）
7.2.1 与绝对连续/导数可积性的关系（概述）
分部积分本质依赖于求导与积分的配合。通常要求函数具有足够的可微结构（如绝对连续）以及导数或相关量可积，才能保证公式成立且边界项可控。 在Lebesgue框架下，“可微但可能不处处”也能通过适当的弱导数或可积性条件处理。
7.2.2 分部积分的版本与适用边界
不同情形下会有不同版本：对一维实函数、对弱导数、对带边界的区域等，都需要相应的边界项与可积性假设。 工具的适用边界决定了你能否把导数从一个因子转移到另一个因子。
7.3 Fubini与Tonelli定理
7.3.1 Tonelli：非负情形的逐步分解
当函数非负时，即使整体积分可能为无穷大，Tonelli仍允许交换积分顺序或分步积分：对几乎所有固定截面，内部积分是良好定义的。 它为多维积分的分解提供了最基本、最稳健的路线。
7.3.2 Fubini：可积情形的交互
当函数绝对可积（或满足可积条件）时，Fubini给出更强结论：双重积分的计算可以在几乎所有截面上逐步完成，且积分顺序可交换，并能得到有限值的合理性。 这使得许多偏微分方程与概率计算中的“先条件化再积分”成为数学上可验证的操作。
7.3.3 反例提示：为何需要可积性假设
若不满足可积条件，即使逐点交换可能形式上成立，积分值可能因无穷项的相互抵消或发散而变得不一致。 因此非负情形与可积情形的差别，是Fubini/Tonelli体系的重要分界。
8 测度论视角的进一步延伸
在基础理论之上，Lebesgue积分进一步融入更一般的测度论结构，使“几乎处处”“密度”“概率期望”等概念能够统一表述，并为更高级结果提供语言。
8.1 几乎处处性质与“忽略零测集合”
8.1.1 零测集与可测性细节
零测集在许多证明中被当作“可以跳过的异常区域”。具体而言，只要结论对零测集之外成立，就能在积分意义上保持正确。 可测性细节确保这种跳过不会破坏可计算性或极限交换的逻辑链条。
8.1.2 版本（representative）的选择
同一个\(L^p\)等价类包含多个版本的函数。不同版本在零测集合上可能不同，但范数与积分等性质保持一致。 选择合适版本常用于简化证明，例如让序列在某些集合上具有更好的点态性质。
8.2 Radon–Nikodym定理与密度（概览）
8.2.1 绝对连续与导数的思想
Radon–Nikodym定理在适当条件下说明：若一个测度相对于另一个测度“不会把质量放在被测为零的地方”，则它可以写成另一测度的密度形式。 这为把“抽象测度”转化为“可积分的密度函数”提供了核心桥梁。
8.2.2 何时可以谈“密度”与“导出积分”
当满足绝对连续性条件时，密度函数的积分能再现原测度，从而把许多测度论命题转译到积分计算上。 在概率里，密度对应概率分布相对于参照测度的形状描述；在分析里则对应权重或加权积分。
8.3 几何/概率中的应用取向（概览）
8.3.1 概率密度函数与期望的统一表述
概率论常把随机变量的期望看作对某种密度或分布测度下的积分。Lebesgue积分提供了统一的处理方式：无论是离散、连续还是混合分布，都可以在测度框架下用同样语言表达期望与条件结构。 这使得“期望计算”能与收敛定理自然衔接。
8.3.2 偏微分方程中的能量积分思路
在偏微分方程中，常见的“能量”或“弱形式”表达本质是对函数及其导数的某种可积量进行积分。Lebesgue积分及其收敛定理用于支持极限过程（例如近似解到弱解的过渡），并保证能量估计在极限下不丢失。 因此测度论视角为现代分析提供了稳定的推理语言。