测度守恒、奇异值分解与核语言下的对偶统一

——Area 与 Coarea 公式的统一图景

0. 引子：一把刀的两个刃

每个学过几何测度论的人，都会在某个时刻与一对"孪生公式"相遇：

• 面积公式（Area Formula）：低维铺进高维时，体积怎么算？

• 余面积公式（Coarea Formula）：高维切成低维时，体积怎么分？

它们长得像，用起来像，但教科书很少说透：为什么像？底层是同一个东西的哪两个面？

答案是：它们是同一个 disintegration（条件分解）骨架，在两种纤维维数下的两个实例——更准确地说，是一对对偶的读数。

这篇科普的目标：从积分等式 → 测度等式 → 核版本，一层层剥，每层只动一个符号。最终你会发现，Area 和 Coarea 不是两个公式，而是测度守恒律在奇异值分解视角下的一对对偶表述——写成核语言，就是同一个等式。

1. 场景设定：一个问题

固定一个 Lipschitz 映射

$$f : \Omega \subset \mathbb{R}^m \longrightarrow \mathbb{R}^n$$

其中 $\Omega$ 是 Borel 集，$f$ Lipschitz（这保证了 Jacobian 几乎处处存在，且纤维的几何行为可控）。

总测度取 Lebesgue 测度的限制：

$$\mu = \mathcal{L}^m \llcorner_\Omega$$

记号说明：$\mathcal{L}^m \llcorner_\Omega$ 表示"截断到 $\Omega$ 上的 $m$ 维 Lebesgue 测度"——即对任意可测集 $A$，$(\mathcal{L}^m \llcorner_\Omega)(A) = \mathcal{L}^m(A \cap \Omega)$。它把全空间的体积测度限制在定义域 $\Omega$ 内部，$\Omega$ 外面的质量恒为零。

核心问题：如何把 $\mu$ 沿映射 $f$ "拆开"？

"拆开"有两种几何方式，取决于 $m$ 和 $n$ 谁大：

这两种"拆法"，就是 Area 和 Coarea。它们不是并列的两条路，而是一条路的两个方向——对偶的两个面。

2. 核语言：通用骨架

在分出两个公式之前，先钉死通用骨架。

定义（Markov 核）

一个从 $(Y,\mathcal{B}_Y)$ 到 $(X,\mathcal{B}_X)$ 的核 $K$ 是映射

$$K : Y \times \mathcal{B}_X \to [0,1]$$

满足：

• 对每个 $y$，$K(y,\cdot)$ 是 $X$ 上的概率测度；

• 对每个 $A$，$K(\cdot,A)$ 是 $Y$ 上的可测函数。

Disintegration 骨架

若有一个总测度 $\mu$ 在 $X$ 上，和一个"参数测度" $\nu$ 在 $Y$ 上，则核版本的分解写作：

$$\boxed{\mu \;=\; \int_Y K(y,\cdot)\,d\nu(y)}$$

展开为对任意可测集 $A$：

$$\mu(A) \;=\; \int_Y K(y,A)\,d\nu(y)$$

读法：总质量 = 对每个参数值 $y$，取纤维上的条件测度 $K(y,\cdot)$ 在 $A$ 里的部分，再按 $\nu$ 加权积分。

这个式子本身就是对偶统一的最高抽象：左边是"整体"，右边是"参数 + 条件"——它不关心 $X$ 和 $Y$ 谁大谁小，不关心纤维是连续的还是离散的。对偶性就藏在 $\mu$ 和 $\nu$ 的角色互换之中：你可以从 $\mu$ 出发往 $\nu$ 看（Coarea 方向），也可以从 $\nu$ 出发往 $\mu$ 看（Area 方向）。

Area 和 Coarea 的全部区别在于：

• $\nu$ 是什么（目标空间的哪个测度）；

• $K(y,\cdot)$ 长什么样（纤维上的条件测度是连续的还是离散的）。

3. 豪斯多夫测度：量"不规则几何"的尺子

在进入 Coarea 和 Area 公式之前，我们需要认识一把新的尺子——豪斯多夫测度（Hausdorff measure）。因为公式里的纤维，往往不是规规矩矩的 $k$ 维平面，而可能是弯曲的曲线、褶皱的曲面、甚至分形。我们需要一种测度，能公平地量任何 $k$ 维几何对象的"体积"。

3.1 从长度、面积、体积说起

在 $\mathbb{R}^m$ 里，我们熟悉三种测度：

• 1 维：长度（$\mathcal{L}^1$）

• 2 维：面积（$\mathcal{L}^2$）

• 3 维：体积（$\mathcal{L}^3$）

它们分别对应整数维度 $k = 1, 2, 3, \dots, m$。但如果我们想量一条曲线的"1 维长度"（即使它弯弯曲曲嵌在 $\mathbb{R}^3$ 里），或者量一个曲面的"2 维面积"（即使它皱巴巴地嵌在 $\mathbb{R}^{10}$ 里）呢？

Lebesgue 测度做不到这件事——它只能量"满维度"的体积。一条曲线的 3 维 Lebesgue 测度是 0，一个曲面的 3 维 Lebesgue 测度也是 0。我们需要的是：用 $k$ 维的尺子去量 $k$ 维的几何。

3.2 构造思想：用小球覆盖

豪斯多夫测度的构造非常朴素：

1. 给你一个几何集合 $S \subset \mathbb{R}^m$；

2. 用一堆半径为 $r$ 的小球去覆盖 $S$；

3. 对每个小球，取半径的 $k$ 次方，乘以一个常数因子；

4. 把所有小球的贡献加起来；

5. 让 $r \to 0$，取极限。

形式化地，$\mathcal{H}^k(S)$ 定义为：

$$\mathcal{H}^k(S) = \lim_{r \to 0} \inf_{\substack{S \subset \bigcup_i B_i \\ \text{diam}(B_i) \le r}} \frac{\omega_k}{2^k} \sum_i (\text{diam}(B_i))^k$$

其中 $\omega_k = \frac{\pi^{k/2}}{\Gamma(k/2+1)}$ 是 $k$ 维单位球的体积常数（保证在 $\mathbb{R}^k$ 里 $\mathcal{H}^k$ 和 $\mathcal{L}^k$ 归一化后一致）。

直觉：$\mathcal{H}^k$ 就是用 $k$ 维的"尺子"去量集合的 $k$ 维大小。

3.3 关键性质

3.4 在 Area / Coarea 中的角色

• Coarea（$m \ge n$）：纤维 $f^{-1}(y)$ 是 $m-n$ 维的子流形。我们用 $\mathcal{H}^{m-n}$ 来量它的"横截面积"。这就像用 2 维尺子量土豆切片的面积。

• Area（$m \le n$）：像集 $f(\Omega)$ 是 $\mathbb{R}^n$ 里的 $m$ 维曲面。我们用 $\mathcal{H}^m$ 来量它的"表面积/体积"。这就像用 2 维尺子量一张纸在 3 维空间里占的面积。

• 退化情形：当 $m = n$ 时，$\mathcal{H}^m = \mathcal{L}^m$，Coarea 和 Area 统一为换元公式。

3.5 一句话总结

豪斯多夫测度 $\mathcal{H}^k$ 是"$k$ 维体积"的通用定义——不管你的几何对象嵌在多少维的空间里，不管它弯不弯、皱不皱，$\mathcal{H}^k$ 都能公平地量出它的 $k$ 维大小。在 Area 和 Coarea 公式里，它就是量纤维和像集的那把尺子。

4. 余面积公式（Coarea）：高维压低维

4.1 积分版

假设 $m \ge n$。记 $n$-维 Jacobian：

$$J_n f(x) = \sqrt{\det\big(Df(x) Df(x)^*\big)}$$

Coarea Formula：

$$\boxed{\int_\Omega g(x)\,d\mathcal{L}^m(x) \;=\; \int_{\mathbb{R}^n} \left( \int_{f^{-1}(y)} \frac{g(x)}{J_n f(x)}\,d\mathcal{H}^{m-n}(x) \right) d\mathcal{L}^n(y)}$$

几何直觉：

• 外层对 $y$ 积分 = 沿目标空间"一刀一刀切"；

• 内层在纤维 $f^{-1}(y)$ 上积分 = 用 $\mathcal{H}^{m-n}$ 量这一刀切出来的薄片的横截面积；

• 除以 $J_n f$ = 梯度越大，薄片越密，单位 $y$ 扫过的体积越小，所以要稀释。

退化检验：若 $f$ 是投影 $f(x_1,\dots,x_m)=(x_1,\dots,x_n)$，则 $J_n f \equiv 1$，纤维是平板 $\mathbb{R}^{m-n}$，公式退化成 Fubini。

4.2 核版本

定义 Coarea 核 $K^{\text{coa}} : \mathbb{R}^n \times \mathcal{B}(\Omega) \to [0,1]$：

$$\boxed{K^{\text{coa}}(y, A) \;:=\; \frac{1}{Z(y)} \int_{A \cap f^{-1}(y)} \frac{1}{J_n f(x)} \, d\mathcal{H}^{m-n}(x) \quad (\mathcal{L}^n\text{-a.e. } y)}$$

其中归一化常数 $Z(y) = \int_{f^{-1}(y)} \frac{1}{J_n f(x)} \, d\mathcal{H}^{m-n}(x)$（当 $Z(y)=0$ 或 $\infty$ 时，约定 $K^{\text{coa}}(y,\cdot)$ 为任意概率测度，不影响积分等式）。

核版本 disintegration 等式：

$$\boxed{\mathcal{L}^m \llcorner_\Omega \;=\; \int_{\mathbb{R}^n} K^{\text{coa}}(y,\cdot)\; d\mathcal{L}^n(y)}$$

读这个核：给定目标值 $y$，$K^{\text{coa}}(y,\cdot)$ 是一个集中在纤维 $f^{-1}(y)$ 上的概率测度。它的"密度"相对于 $\mathcal{H}^{m-n}$ 就是 $1/J_n f$——梯度大的地方少分质量，梯度小的地方多分质量。

5. 面积公式（Area）：低维铺高维

5.1 积分版

假设 $m \le n$。记 $m$-维 Jacobian：

$$J_m f(x) = \sqrt{\det\big(Df(x)^* Df(x)\big)}$$

Area Formula：

$$\boxed{\int_\Omega g(x)\,J_m f(x)\,d\mathcal{L}^m(x) \;=\; \int_{\mathbb{R}^n} \left( \sum_{x \in f^{-1}(y) \cap \Omega} g(x) \right) d\mathcal{H}^m(y)}$$

几何直觉：

• 左边：在原空间先乘 Jacobian（把"小参数块"放大成"目标空间里的体积"）；

• 右边：在像空间上，每个像点 $y$ 处数原像个数，每个原像贡献一份 $g(x)$。

退化检验：若 $m=n$ 且 $f$ 是微分同胚，$J_m f = |\det Df|$，$\#f^{-1}(y)=1$，得到换元公式。

5.2 核版本

定义 Area 核 $K^{\text{area}} : \mathbb{R}^n \times \mathcal{B}(\Omega) \to [0,1]$：

$$\boxed{K^{\text{area}}(y, A) \;:=\; \sum_{x \in A \cap f^{-1}(y)} \frac{1}{N(y)} \quad \text{其中 } N(y) = \#f^{-1}(y)}$$

（当 $N(y)=0$ 时，$K^{\text{area}}(y,\cdot)$ 约定为任意概率测度。）

核版本 disintegration 等式：

$$\boxed{J_m f \cdot \mathcal{L}^m\llcorner_\Omega \;=\; \int_{\mathbb{R}^n} K^{\text{area}}(y,\cdot)\; d\big(N(y)\mathcal{H}^m(y)\big)}$$

读这个核：给定像点 $y$，若原像有 $N(y)$ 个点，核把质量均匀分给每个原像点，每点 $1/N(y)$。这是一个离散概率测度。参数测度带重数 $N(y)$——重叠几次就算几次。

6. 奇异值分解：对偶统一的语言

为什么 $J_n f$ 用 $Df Df^*$ 而 $J_m f$ 用 $Df^* Df$？为什么一个在分母一个在分子？

答案全在奇异值里——而奇异值分解本身就是线性代数中最深刻的对偶结构之一。

6.1 两个乘积的谱

设 $Df$ 的奇异值分解为 $Df = U \Sigma V^*$，其中 $\Sigma$ 是 $n \times m$ 矩形对角矩阵，对角元为 $\sigma_1 \ge \sigma_2 \ge \dots \ge \sigma_{\min(m,n)} > 0$。

• $Df Df^* = U (\Sigma \Sigma^*) U^*$：非零特征值 = $\sigma_1^2, \dots, \sigma_n^2$（$n \times n$）

• $Df^* Df = V (\Sigma^* \Sigma) V^*$：非零特征值 = $\sigma_1^2, \dots, \sigma_m^2$（$m \times m$）

关键事实：$\det(Df Df^*)$ 和 $\det(Df^* Df)$ 在 $m \neq n$ 时不相等——其中一方包含零特征值，行列式为 0。因此两个 Jacobian 必须各自选择满秩的那个乘积。

对偶视角：$Df Df^*$ 是"从目标空间看原空间"（$f$ 作用于列向量后的协方差），而 $Df^* Df$ 是"从原空间看目标空间"（$f$ 作用于行向量后的协方差）。这两个乘积是一对对偶的 Gram 矩阵——一个在 $\mathbb{R}^n$ 里算体积，一个在 $\mathbb{R}^m$ 里算体积。Area 和 Coarea 的差别，恰恰就是选择了哪一个 Gram 矩阵。

6.2 Jacobian = 所有非零奇异值的乘积

几何含义：

• $J_n f = \prod_{i=1}^n \sigma_i$：量的是目标空间方向的横截体积（$n$ 维）；

• $J_m f = \prod_{i=1}^m \sigma_i$：量的是原空间方向的平行体像体积（$m$ 维）。

6.3 为什么 Jacobian 在分母/分子

Jacobian 永远在"被压缩的那一侧"做修正。

一句话：Coarea 从目标侧往回算，所以要除；Area 从原空间往外算，所以要乘。同一个体积守恒律，移项到不同侧。

对偶统一的本质：如果把 $Df$ 看作一个线性算子 $T: \mathbb{R}^m \to \mathbb{R}^n$，那么 $Df Df^*$ 是它的"正向谱"，$Df^* Df$ 是它的"逆向谱"。Area 和 Coarea 的区别，就是选择了算子的哪一个方向的谱来修正体积。​ 这就像问"从这个方向看过去，体积被放大了多少"还是"从那个方向看过来，体积被压缩了多少"——同一个几何事实，两种提问方式。

7. 终极统一：同一个骨架，两种读数

$$\boxed{\text{总测度} \;=\; \int_{\text{参数空间}} \big(\text{纤维条件测度}\big)\; d(\text{参数测度})}$$

对偶统一的深层结构：

一句话总结：Coarea 把东西竖着切（沿等高线摊连续测度），Area 把东西铺出去（沿原像点分离散质量）。两者都是同一个骨架在两种纤维维数下的面孔——不是两个公式，而是一对对偶的公式。

8. Federer 截面定理：存在性的底气

Federer 截面定理（特化版）：对任意 Radon 测度 $\mu$ 和 Lipschitz $f: X \to Y$，存在核 $K(y,\cdot)$ 使得

$$\mu = \int_Y K(y,\cdot)\,d(f_*\mu)(y)$$

且对 a.e. $y$（关于 $f_*\mu$），$K(y,\cdot)$ 集中在 $f^{-1}(y)$ 上。

这是存在性 + 唯一性（a.e.）定理，不告诉你核长什么样。

为什么只给存在性不给构造？

三个层面的原因：

1. 条件期望的"几乎处处"本质。​ 条件测度 $K(y,\cdot)$ 本质上是条件期望 $\mathbb{E}[\cdot \mid f=y]$ 的测度版本。条件期望只被定义为 $f_*\mu$-a.e. 唯一——在零测集上可以任意修改而不影响积分等式。因此"显式公式"在最一般情形下不存在唯一答案。

2. 纤维结构可以极端复杂。​ 在最一般情形下，纤维 $f^{-1}(y)$ 可能是空集、一个点、一条曲线、一个 Cantor 集、甚至非可测集的稠密子集。你无法为每种可能的纤维类型给出一个统一的"公式"。

3. 存在性证明用的是紧性 + 弱收敛，不是"算出来"。​ 标准证明路线：用 Radon-Nikodym 分解 → 对绝对连续部分用正则条件概率存在性 → 对奇异部分用测度弱紧性 + 极限论证。每一步都是"存在某个极限"而非"这个极限等于某个表达式"。

类比：Brouwer 不动点定理告诉你不动点存在，但不告诉你它在哪。Disintegration 也是同一个哲学——存在性来自紧性/对偶性，构造性需要额外正则性。

为什么 Area/Coarea 能做到显式构造？

因为加了关键假设：$\mu \ll \mathcal{L}^m$ 且 $f$ Lipschitz。这两个条件保证了 Jacobian 几乎处处存在、纤维对 a.e. $y$ 是光滑子流形，从而可以用 $\mathcal{H}^{m-n}$ 或计数测度作为纤维上的参考测度，归一化因子恰好使核的总质量为 1。

关系图：

纯文本Federer 截面定理（存在性，最一般）     │     ├─ μ ≪ L^m 时     │   ├─ m ≥ n → Coarea 核（显式，正向谱）     │   └─ m ≤ n → Area 核（显式，逆向谱）     │     └─ μ 奇异时 → 核存在但无闭式

9. 这把刀还能切什么？

Disintegration 骨架 $\mu = \int K(y)\,d\nu(y)$ 是通用的。只要你能定义一个"参数映射" $f$，就能尝试去切。以下是几个重要方向：

9.1 切概率测度 → 条件分布

设 $\mu$ 是 $\mathbb{R}^d$ 上的概率测度，$f(x) = x_I$（取第 $I$ 个坐标子向量）。则：

$$\mu(dx) = \int_{\mathbb{R}^{|I|}} \mu(dx_{I^c} \mid x_I = y)\,d\mu_I(y)$$

这就是条件概率分布 $P(X_{I^c} \mid X_I = y)$。

• 当 $\mu$ 有密度 $p(x)$ 时，条件分布有显式：$p(x_{I^c} \mid y) = \frac{p(y, x_{I^c})}{p_I(y)}$；

• 当 $\mu$ 无密度时，disintegration 仍然保证存在性，但条件密度不存在。

应用：贝叶斯推断、马尔可夫链的条件分布、因果推断中的 do-calculus。

9.2 切 Varifold → 几何测度的"纤维分解"

Varifold 是几何测度论中描述"广义曲面"的对象——一个测度 + 法方向的结合体。

设 $V$ 是一个 $k$-varifold in $\mathbb{R}^m$，定义投影 $f: G_k(\mathbb{R}^m) \to \mathbb{R}^m$ 为"取底点"。Disintegration 给出：

$$V = \int_{\mathbb{R}^m} V_x \, d\|V\|(x)$$

其中 $V_x$ 是集中在 $x$ 处的"切空间分布"——它告诉你：在底点 $x$ 处，曲面以什么概率取哪个 $k$ 维方向。

意义：这是 Allard 正则性理论的核心工具。通过 disintegration，把 varifold 分解为"逐点切空间的平均"，从而研究其正则性。

9.3 切 Currents → 微分形式的"切片"

Current 是微分形式的广义对偶（可以看作"带方向的曲面"）。Federer 的 Slicing Theorem for Currents​ 说：

设 $T$ 是一个 $k$-dimensional current，$f: \mathbb{R}^m \to \mathbb{R}^n$ 是 Lipschitz。则对 a.e. $y$，存在一个 $(k-n)$-dimensional current $T_y$（称为 $T$ 在 $f^{-1}(y)$ 上的切片），使得：

$$\langle T, \omega \rangle = \int_{\mathbb{R}^n} \langle T_y, \omega_y \rangle \, dy$$

意义：这是 coarea 公式在 current 层面的推广。应用于极小曲面的正则性、拓扑不变量的降维计算。

9.4 切 Metric Measure Space → 最优传输

在最优传输理论中，disintegration 是 Knott-Smith 定理的核心。

设 $\pi$ 是 $\mu$ 到 $\nu$ 的耦合，则 disintegration 给出：

$$\pi(dx,dy) = \mu(dx) \otimes K(x,dy)$$

在二次代价下，Brenier 定理说 $K(x,\cdot) = \delta_{\nabla \phi(x)}$，即条件分布退化为一个 Dirac 质量。

应用：Monge-Kantorovich 问题的对偶性证明、Wasserstein 空间的几何结构。

9.5 切随机过程 → 滤波与条件期望

设 $X_t$ 是一个随机过程，$\mathcal{F}_s = \sigma(X_r : r \le s)$。Disintegration 给出：

$$P(X_t \in A \mid \mathcal{F}_s) = \int_A K_s(x_t)\,d\mathcal{L}(x_t)$$

其中 $K_s$ 是"已知到时间 $s$ 为止的信息后，未来路径的条件分布"。

应用：非线性滤波（Kalman-Bucy 的推广）、随机最优控制。

9.6 统一表：这把刀的各种切法

10. 对偶统一的终极答案

Area 和 Coarea 是同一把刀的两个刃——而"对偶"是这把刀的锻造原理。

刀柄是 disintegration：$\mu = \int K(y)\,d\nu(y)$。它本身就是对偶的化身——左边是"整体视角"，右边是"局部视角"，二者通过核 $K$ 互相编码。

切高维空间时（$m\ge n$）刃口朝下，纤维是连续薄片，核是 $\mathcal{H}^{m-n}/J_n f$，叫 Coarea。它选择算子的正向谱​ $Df Df^*$，从目标侧往回读。

铺低维参数时（$m\le n$）刃口朝上，纤维是离散点，核是均匀点质量 $1/N$，叫 Area。它选择算子的逆向谱​ $Df^* Df$，从原空间往外读。

两个刃口的方向由奇异值决定——奇异值分解 $Df = U\Sigma V^*$ 本身就是对偶的：左奇异向量张成目标空间的正交基，右奇异向量张成原空间的正交基，而 $\Sigma$ 中的对角元 $\sigma_i$ 是连接两个空间的桥梁。$Df Df^*$ 和 $Df^* Df$ 是同一座桥的两个方向的视图。

Federer 截面定理保证这把刀总能落下；两个公式告诉你落下去之后切口长什么样。

而当你走出几何测度论的课堂，你会发现这把刀无处不在——切概率、切随机过程、切最优传输、切广义曲面。它不关心你切的是什么，只要有一个映射，就能把总测度拆成"参数 + 条件"的乘积结构。存在性来自泛函分析的紧性，构造性需要额外正则性。Area 和 Coarea 只是这把刀在 Lipschitz 映射 + Lebesgue 测度下最漂亮的切口。

最终的对偶统一图景：Area 和 Coarea 不是"一个公式的两种用法"，而是"一个数学结构的两种对偶表述"。就像波粒二象性不是光的两个性质，而是量子对象在不同测量下的两种表现——Area 和 Coarea 是测度守恒律在不同维度配置下的两种对偶表现。它们共享同一个骨架，区别仅在于你选择从哪个方向去看。

支持单位：