1902 — Lebesgue 測度與積分#

案件摘要#

1902 年，28 歲的 Henri Lebesgue 在南錫大學發表博士論文《Intégrale, longueur, aire》，提出測度論與以「值域分割」為核心的新積分。Riemann 積分處理不了病態函數、無法安心交換極限與積分號——Lebesgue 的 \(\int f\,d\mu\) 把這兩樁懸案一併偵破，為實分析與機率論的公理化打下地基。

前因 -- 為什麼會有這個案子#

• Riemann 積分的缺陷一：病態函數。1875 年前後，Du Bois-Reymond 構造出可積函數的傅立葉級數卻在處處收斂到一個不可積的函數；Dirichlet 的狄利克雷函數（有理數處為 1、無理數處為 0）在 Riemann 意義下完全不可積。「到處不連續」到什麼程度才不可積？Riemann 理論答不上來。
• Riemann 積分的缺陷二：極限交換困難。分析學到處需要 \(\lim \int f_n = \int \lim f_n\) （例如傅立葉級數逐項積分），但 Riemann 積分只有在相當強的一致收斂下才允許交換，而一致收斂太苛刻、常常不成立。
• Jordan 容度：1892 年 Jordan 用有限個區間覆蓋來量「長度」，但只能處理邊界整齊的集合——對有理數集這種「到處稀疏卻稠密」的集合無能為力。測量的量尺必須升級。

線索與推理 -- 數學式、程式、理論#

線索一：測度——可數可加的量尺#

Lebesgue 的關鍵升級：不再用有限個區間，改用可數個區間覆蓋，取外測度

滿足 Carathéodory 可測條件的集合稱為可測集，其測度 \(m\) 具可數可加性：若 \(E_i\) 互不相交，則 \(m\left(\bigcup_i E_i\right) = \sum_i m(E_i)\) 。

後果立現：單點測度為 0，故有理數集 \(\mathbb{Q} \cap [0,1]\) 是可數個單點的聯集，測度為 0——「到處稠密」卻測量起來是零。無理數集的測度則是 \(1\) 。狄利克雷函數案的兇手現形。

線索二：值域分割 vs 定義域分割#

Riemann 積分切定義域：把 \([a,b]\) 切成小區間，每段取高 \(\times\) 寬求和。Lebesgue 反其道而行，切值域：把 \(f\) 的函數值分層，問「 \(f\) 的值落在 \([y, y+dy]\) 的 \(x\) 有多少測度」：

用「錢袋比喻」：Riemann 是把一袋硬幣按時間順序一枚枚加總；Lebesgue 是先把硬幣按面額分堆，各堆數量乘面額再相加。對「亂序」的函數（如狄利克雷函數），分堆法輕鬆取勝：

狄利克雷函數可積了，積分值為 0——與直覺（「幾乎處處是 0」）完全吻合。

線索三：控制收斂定理——極限交換結案#

Lebesgue 積分的殺手鐧是收斂定理。單調收斂定理： \(0 \le f_1 \le f_2 \le \cdots\) ，則 \(\int \lim f_n = \lim \int f_n\) 。控制收斂定理（DCT, 1910 年正式表述）：若 \(|f_n| \le g\) 可積且 \(f_n \to f\) 逐點，則

不需要一致收斂，只要一個可積的「上限擔保」 \(g\) 。傅立葉級數逐項積分、機率中的期望值極限，從此有了穩固的法律依據。配套的完整空間 \(L^1\) 、 \(L^2\) （Riesz–Fischer, 1907）讓傅立葉分析脫胎換骨。

線索四：從測度到機率#

1933 年 Kolmogorov 把機率公理化：機率就是測度，樣本空間 \(\Omega\) 上的 \(\sigma\) -代數 \(\mathcal{F}\) ， \(P: \mathcal{F} \to [0,1]\) 且 \(P(\Omega)=1\) ；隨機變數的期望值就是 Lebesgue 積分：

大數法則、遍歷定理、隨機過程全部建立在 Lebesgue 的地基上。1902 年的積分理論，三十年後變成整座機率大廈。

程式碼範例：Lebesgue 積分的簡單模擬#

import numpy as np

def lebesgue_integral(f, a=0, b=1, n_levels=64, N=200000):
    # 值域分割：把 f 的「值」切成 n_levels 層，按層的測度加權
    x = np.random.uniform(a, b, N)          # 用蒙地卡羅近似 [a,b] 上的測度
    y = f(x)
    edges = np.linspace(0, y.max() + 1e-12, n_levels + 1)
    total = 0.0
    for k in range(n_levels):
        mask = (y >= edges[k]) & (y < edges[k+1])   # 值落在第 k 層的點集
        m = mask.mean() * (b - a)                    # 該點集的（近似）測度
        total += edges[k] * m                        # y_k * m(第 k 層)
    return total

# 案件一：狄利克雷函數（Riemann 不可積，Lebesgue 積分 = 0）
f_dirichlet = lambda x: (np.abs(x - np.round(x)) < 1e-9).astype(float)
print("狄利克雷函數 Lebesgue 積分 ≈", lebesgue_integral(f_dirichlet))  # ≈ 0

# 案件二：x^2 在 [0,1]，理論值 1/3
f_sq = lambda x: x**2
print("∫x² dx ≈", lebesgue_integral(f_sq), "（Riemann 應也得 1/3 ≈", 1/3, "）")

模擬顯示：狄利克雷函數在 Riemann 意義下「每個分割都取不準」而不可積，Lebesgue 分層法卻乾淨地得到 0；對光滑函數兩者一致——新量尺嚴格包含舊量尺。

結案 -- 後果與影響#

• 實分析誕生：測度論 + Lebesgue 積分成為二十世紀分析的標準語言， \(L^p\) 空間、完備性、對偶理論構成泛函分析的基石。
• 傅立葉分析重生：Parseval 等式、逐項積分、Carleson 定理（1966， \(L^2\) 傅立葉級數幾乎處處收斂）都在 Lebesgue 框架內才可能證明。
• 機率論公理化：Kolmogorov 1933 年以測度論重建機率，現代隨機過程、金融數學（Black–Scholes 的 Itô 積分）皆其後裔。
• Riemann 積分並未作廢——數值計算與光滑函數的世界仍是它的天下；Lebesgue 提供的是「幾乎處處」的理論法庭。

關鍵人物與文獻#

• H. Lebesgue, Intégrale, longueur, aire, Annali di Matematica (1902)；另見其博士論文版本。
• H. Lebesgue, Leçons sur l'intégration et la recherche des fonctions primitives (1904)。
• A. Kolmogorov, Grundbegriffe der Wahrscheinlichkeitsrechnung (1933)。