Real Analysis Lebesgue积分理论
本文档系统建立Lebesgue积分理论。首先从简单函数出发，通过分层定义建立一般函数的积分。然后详细证明积分的线性性、单调性和Fatou引理。重点介绍三大收敛定理——单调收敛定理、Fatou引理和控制收敛定理，这些是处理极限与积分交换的核心工具。最后通过Tonelli-Fubini定理处理乘积空间上的积分，为后续的函数空间理论奠定基础。
前置知识：测度论基础、可测函数 核心思想：从简单函数到一般函数，通过逼近建立积分理论，利用三大收敛定理处理极限交换
1. 简单函数
定义：$f = \sum_{i=1}^N a_i \mathbf{1}_{E_i}$，有限个可测集指示函数的线性组合
规范表示：$f = \sum_{i=1}^M b_i \mathbf{1}_{F_i}$，其中 $\{F_i\}$ 是 $X$ 的分割，$\{b_i\}$ 两两不同
性质：$f \in \overline{\mathbb{R}}^X$ 属于 $\mathcal{SP}(X)$ 当且仅当 $f$ 可测且 $f(X)$ 为有限集
简单函数积分：$\int f = \sum_{i=1}^N a_i \mu(E_i)$
逼近定理：
- 对非负函数 $f$，存在递增简单函数序列 $\{f_n\}$ 使得 $f_n \to f$ 逐点
- 对一般函数 $f$，存在简单函数序列 $\{f_n\}$ 满足 $|f_n| \leq |f_{n+1}|$ 且 $f_n \to f$ 逐点
证明思路（对非负函数）：
- 对每个 $n$，记 $T_n = \{f \geq n\}$，$E_{n,k} = \{\frac{k-1}{2^n} \leq f < \frac{k}{2^n}\}$
- 定义 $f_n = n\mathbf{1}_{T_n} + \sum_{k=1}^{n2^n} \frac{k-1}{2^n} \mathbf{1}_{E_{n,k}}$
- 则 $0 \leq f(\omega) - f_n(\omega) \leq \frac{1}{2^n}, \forall \omega \in T_n^c$
2. Lebesgue积分的定义
层次定义：
第一层：简单函数 $f = \sum_{i=1}^N a_i \mathbf{1}_{E_i}$ \(\int f = \sum_{i=1}^N a_i \mu(E_i)\)
第二层：非负可测函数 $f \in \mathcal{L}_+(X)$ \(\int f d\mu = \sup \\{\int \phi d\mu: \phi \in \mathcal{SP}\_+(X), \phi \leq f\\}\)
第三层：一般可测函数 $f \in \mathcal{L}(X)$ \(\int f = \int f_+ - \int f_-\) 其中 $f_+ = \max(f,0)$，$f_- = \max(-f,0)$
可积性：
- 积分存在：$\int f_+$ 和 $\int f_-$ 至少有一个有限
- 可积：$\int |f| < \infty$，记 $f \in \mathcal{L}^1(X)$
几乎处处有限：$|f| < \infty, \mu$-a.e.，记 $f \in \mathcal{L}^0(X)$
3. 积分的性质
核心性质：
- 零函数性质：若 $f = 0$ a.e.，则 $\int f = \int |f| = 0$
- 可积函数几乎处处有限：若 $f \in \mathcal{L}^1(X)$，则 $f \in \mathcal{L}^0(X)$
- Chebyshev不等式：若 $f \in \mathcal{L}^1(X) \cap \mathcal{L}_+(X)$，则对任意 $\alpha > 0$： \(\mu\\{f \geq \alpha\\} \leq \frac{1}{\alpha} \int_X f\)
- 线性性质：$\mathcal{L}^1(X)$ 是线性空间，积分是线性映射
- 几乎处处相等的函数积分相同
- 单调性：若 $f \leq g$ a.e.，则 $\int f \leq \int g$
- 三角不等式：$|\int f| \leq \int |f|$
4. 三大收敛定理
重要性排序：MCT → Fatou → DCT（强度递增）
4.1 单调收敛定理（MCT, Beppo Levi）
定理：设 $\{f_n\} \subset \mathcal{L}_+(X)$，$f_n \leq f_{n+1}$，$f_n \to f$ 逐点，则： \(\lim_{n\to\infty} \int f_n d\mu = \int f d\mu\)
级数形式：设 $\{f_n\} \subset \mathcal{L}_+(X)$，则： \(\int \sum_{n=0}^\infty f_n d\mu = \sum_{n=0}^\infty \int f_n d\mu\)
反例（说明单调性必要）：
- $X = \mathbb{R}, f_n = \mathbf{1}_{[n,\infty)}$：$f_n \to 0$ 但 $\int f_n = \infty \not\to 0$
- $X = (0,1], f_n = n\mathbf{1}_{(0,1/n]}$：$f_n \to 0$ 但 $\int f_n = 1 \not\to 0$
4.2 Fatou引理
定理：若 $\{f_n\} \subset \mathcal{L}_+(X)$，则： \(\int \liminf_{n\to\infty} f_n d\mu \leq \liminf_{n\to\infty} \int f_n d\mu\)
证明思路：
- 令 $g_m = \inf_{n \geq m} f_n$，则 $g_m$ 递增
- $\int g_n \leq \int f_n, \forall n$
- 由 MCT 知 $\int \liminf f_n = \int \lim g_n = \lim \int g_n \leq \liminf \int f_n$
Lieb形式：设 $\{f_n\}$ 和 $f$ 都可积，$f_n \to f$ a.e.，则： \(\lim_{n\to\infty} \|\int (f_n - f)\| = 0 \Leftrightarrow \lim_{n\to\infty} \int \|f_n\| = \int \|f\|\)
4.3 控制收敛定理（DCT）
定理：设 $\{f_n\} \subset \mathcal{L}^1(X)$，$|f_n| \leq g$ a.e.（其中 $g \in \mathcal{L}^1(X)$），$f_n \to f$ a.e.，则： \(\lim_{n\to\infty} \int f_n d\mu = \int f d\mu\) 且 $\lim_{n\to\infty} \int |f_n - f| d\mu = 0$
证明思路：
- 由可积的控制判别，$f_n, f \in \mathcal{L}^1(X)$
- 不妨设 $f_n \to f, |f_n| \leq g$ 逐点成立
- $\int f + \int g = \int \lim (f_n+g) \leq \liminf \int (f_n+g) = \liminf \int f + \int g$
- 因此 $\int f \leq \liminf \int f$，同理 $\int -f \leq \liminf \int -f$
变形：
- 若 $|f_n| \leq g_n$，$g_n \to g$ a.e.，且 $|g_n|{L^1} \to |g|{L^1}$，则 $\int f_n \to \int f$
- $f_n \xrightarrow{L^1} f \Leftrightarrow |f_n|{L^1} \to |f|{L^1}$
4.4 有界控制定理（BCT）
定理：设 $|f_n| \leq M$ a.e.，$\mu(X) < \infty$，$f_n \to f$ a.e.，则 $f_n \xrightarrow{L^1} f$
意义：DCT 在有限测度空间和有界序列情形的特例
5. Tonelli-Fubini定理
重要性：将高维积分化为一维，是多元微积分的基础
5.1 Tonelli定理（非负函数）
定理：设 $(\Omega_i, \mathscr{F}_i, \mu_i)$ 是 σ-有限测度空间，$(\Omega, \mathscr{F}, \mu) = (\Omega_1 \times \Omega_2, \mathscr{F}_1 \otimes \mathscr{F}_2, \mu_1 \otimes \mu_2)$
若 $f \in \mathcal{L}_+(\Omega)$，则：
- 对 a.e. $x \in \Omega_1$，截口 $f(x,\cdot) \in \mathcal{L}_+(\Omega_2)$
- $g(x) = \int f(x,\cdot) d\mu_2 \in \mathcal{L}_+(\Omega_1)$
- 积分交换： \(\int_\Omega f d\mu = \int_{\Omega_1} \left(\int_{\Omega_2} f(x,y) d\mu_2(y)\right) d\mu_1(x) = \int_{\Omega_2} \left(\int_{\Omega_1} f(x,y) d\mu_1(x)\right) d\mu_2(y)\)
5.2 Fubini定理（可积函数）
定理：若 $f \in \mathcal{L}^1(\Omega)$，则：
- 对 a.e. $x \in \Omega_1$，$f(x,\cdot) \in \mathcal{L}^1(\Omega_2)$
- 对 a.e. $y \in \Omega_2$，$f(\cdot,y) \in \mathcal{L}^1(\Omega_1)$
- 积分交换公式成立
应用：计算重积分、验证可积性
6. 积分换元公式
6.1 抽象积分换元公式
定理：设 $\Phi: (X, \mathscr{F}) \to (Y, \mathscr{G})$ 是可测映射，$\nu = \Phi_* \mu$，则： \(\int_Y f(y) d\nu(y) = \int_X (f \circ \Phi)(x) d\mu(x)\)
证明思路：
- 对指示函数 $f = \mathbf{1}_E$ 验证
- 对简单函数（利用线性）
- 对非负可测函数（用MCT）
- 对一般函数（分解为正负部）
6.2 $\mathbb{R}^n$ 上的积分换元公式
定理：设 $\Omega_1, \Omega_2 \subset \mathbb{R}^n$ 是开集，$\Phi: \Omega_1 \to \Omega_2$ 是微分同胚，则： \(\int_{\Omega_2} f(y) dy = \int_{\Omega_1} (f \circ \Phi)(x) \|\mathbf{J}\_\Phi(x)\| dx\)
其中 $\mathbf{J}_\Phi(x) = \det(Jac(\Phi)(x)) = \det\left(\frac{\partial \Phi_i}{\partial x_j}\right)$
证明思路（五步法）：
- 闭方体的体积变换：$m(\Phi(Q)) \leq (\sup_{x \in Q} |Jac(\Phi)(x)|_\infty)^n m(Q)$
- 推论：零测集的像仍是零测集
- 闭方体不等式：$m(\Phi(Q)) \leq \int_Q |\mathbf{J}_\Phi(x)| dx$
- 开集和Borel集的不等式
- 函数的积分换元
典型例子：
- 球面坐标（2维）：$\iint f(x,y) dxdy = \iint f(r\cos\theta, r\sin\theta) r dr d\theta$
- 球面坐标（3维）：$\iiint f(x,y,z) dxdydz = \iiint f(r\sin\theta\cos\varphi, r\sin\theta\sin\varphi, r\cos\theta) r^2\sin\theta dr d\theta d\varphi$
7. 含参积分的连续性和求导
7.1 连续性
定理：设 $(X, \mathscr{F}, \mu)$ 是测度空间，$I$ 是度量空间，$f: X \times I \to \mathbb{R}$ 满足：
- 对任意 $t \in I$，$\omega \mapsto f(\omega,t) \in \mathcal{L}^1(X)$
- $t \mapsto f(\omega,t)$ 连续，$\forall \omega$ a.e.
- 存在 $g \in \mathcal{L}^1(X)$ 使得 $|f(\omega,t)| \leq g(\omega)$ a.e., $\forall t \in I$
则 $F(t) = \int_X f(\omega,t) d\mu$ 连续
7.2 方向导数
定理：设 $\Omega \subset \mathbb{R}^n$ 是开集，$(X, \mathscr{F}, \mu)$ 完备，$f: X \times \Omega \to \mathbb{R}$，$v \in \mathbb{R}^n \setminus \{0\}$，满足：
- 对任意 $x \in \Omega$，$\omega \mapsto f(\omega,x) \in \mathcal{L}^1(X)$
- $x \mapsto f(\omega,x)$ 连续且方向可导，$\forall \omega$ a.e.
- 存在 $g \in \mathcal{L}^1(X)$ 使得 $|\nabla_v f(\omega,x)| \leq g(\omega)$ a.e., $\forall x \in \Omega$
则 $\nabla_v F(x) = \int \nabla_v f(\omega,x) d\mu$
8. Lebesgue积分与Riemann积分的关系
定理：若 $f$ 在 $[a,b]$ 上 Riemann 可积，则：
- $f$ 是 Lebesgue 可积的
- 两种积分值相等
反例：$f(x) = \frac{\sin x}{x}$ 在 $\mathbb{R}$ 上
- 有反常 Riemann 积分（条件收敛）
- 不是 Lebesgue 可积的（因为 $\int |f| = \infty$）
Lebesgue积分的优势：
- 可处理更广泛的函数类
- 极限交换条件更宽松（DCT vs. 一致收敛）
- 乘积空间理论更完善（Tonelli-Fubini）
第二部分小结
逻辑链条： 简单函数 → 非负函数 → 一般函数 → 积分性质 → 三大收敛定理 → Tonelli-Fubini → 积分换元
关键定理（按重要性排序）：
- MCT：建立积分收敛性的基础
- DCT：最常用的极限交换工具
- Tonelli-Fubini：处理高维积分
- Fatou：提供不等式估计
- 积分换元公式：变量替换的基础
核心技巧：
- 简单函数逼近
- 寻找控制函数
- 利用单调性