可测函数的复合

在数学中，从简单创造复杂最自然的方式之一是通过复合——将一个函数代入另一个函数。这个过程类似于一条流水线，是构建世界数学模型的基础。然而，这在测度论中引出了一个关键问题：如果我们最初的函数在“行为良好”的意义上是可测的，我们能保证最终的复合函数也是可测的吗？答案并非简单的“是”或“否”，探索其中的细微差别揭示了数学分析深刻而优雅的结构。这种稳定性不仅仅是一个技术细节；它是确保我们用于科学和工程的数学工具箱既强大又可靠的基石。

本文深入探讨了复合可测函数的迷人特性。我们将首先探索支配此运算的​​原理与机制​​，确立保持可测性的“黄金法则”，并剖析那些虽然优美但属于病态的反例，在这些反例中可测性会失效。然后，我们将踏上​​应用与跨学科联系​​的旅程，揭示这个单一概念如何为概率论、动力系统和现代微分方程理论等不同领域提供关键基础，证明其在科学家和数学家的工具库中不可或缺的作用。

在我们通过数学理解世界的旅程中，我们常常从简单的概念构建复杂的思想。我们有数字，所以我们定义加法和乘法来组合它们。在函数的世界里，从两个函数（比如 $f$ 和 $g$）构建一个新函数最自然的方式之一就是将它们复合——计算 $g(f(x))$。这就像一条流水线：原材料 $x$ 进入机器 $f$，出来的任何东西立即被送入第二台机器 $g$。

我们现在必须问一个对整个测度论大厦至关重要的问题：如果我们的起始函数 $f$ 和 $g$ 在作为​​可测​​函数的意义上是“行为良好”的，我们能相信我们流水线的最终产品，即复合函数 $g \circ f$，也是可测的吗？正如我们将看到的，答案是一个令人愉快的混合体：“是的，几乎总是如此！”和“不，其原因非同寻常！”

让我们从好消息开始，幸运的是，这涵盖了你将遇到的绝大多数情况。这里有一个优美而强大的原则在起作用。想象一个函数 $f$，它将某个空间 $X$ 中的点映射到实数轴 $\mathbb{R}$。如果 $f$ 不会过于混乱地打乱 $X$ 中的点，我们就称 $f$ 是可测的。更精确地说，对于实数轴上任何一个“好的”目标区域（任何​​Borel集​​），那些落在该区域内的 $X$ 中起点的集合在 $X$ 中是一个可测集。

现在，让我们引入第二个函数 $g$，它将实数映射到其他实数。如果 $g$ 是一个​​连续函数​​呢？想想连续性意味着什么：你可以一笔画出它的图像而不用把笔从纸上拿开。它可以拉伸、弯曲和移动数轴，但绝不会撕裂它。

当我们形成复合函数 $h(x) = g(f(x))$ 时，会发生什么？要检查 $h$ 是否可测，我们必须在最终输出空间中选择一个目标Borel集，称之为 $B$，然后考察它的原像 $h^{-1}(B)$。根据复合的定义，最终落在 $B$ 中的输入集合由一个两步过程给出：

$h^{-1}(B) = (g \circ f)^{-1}(B) = f^{-1}(g^{-1}(B))$

让我们从终点到起点反向追踪这个逻辑，这通常是思考原像最清晰的方式。

1. 首先，我们看 $g^{-1}(B)$。这是中间数轴上所有被 $g$ 映射到我们最终目标 $B$ 中的点的集合。因为 $g$ 是连续的，它有一个极好的性质：任何Borel集的原像是另一个Borel集。所以，$g^{-1}(B)$ 是中间数轴上的一个“好”集合。

2. 接下来，我们将 $f^{-1}$ 应用于这个中间集合。我们现在问：$f$ 将 $X$ 中的哪些起点映射到了集合 $g^{-1}(B)$ 中？但是等等！我们刚刚确定 $g^{-1}(B)$ 是一个Borel集。根据 $f$ 是可测的定义，任何 Borel集的原像在 $X$ 中都是一个可测集。

所以，我们已经证明了 $h^{-1}(B)$ 是一个可测集。因为这对任何Borel集 $B$ 都成立，所以我们的复合函数 $h = g \circ f$ 是可测的！

这一结果是分析学中的一个主力工具。我们可以简单地陈述它：​​一个连续函数与一个可测函数的复合是可测的。​​ 这立即为我们提供了一个强大的工具箱来创建新的可测函数。如果你从任何可测函数 $f$ 开始，你可以保证 $f^2$、$|f|$、$\cos(f)$ 和 $\exp(f)$ 都是可测的，因为函数 $y \mapsto y^2$、$y \mapsto |y|$、$y \mapsto \cos(y)$ 和 $y \mapsto \exp(y)$ 都是连续的。

事实上，我们可以更加通用。我们对 $g$ 所需的关键性质实际上并非连续性本身，而是它的一个推论：Borel集的原像是Borel集。任何具有此性质的函数都称为 ​​Borel可测函数​​。连续函数是最著名的例子，但一个函数不必是连续的才能是Borel可测的。例如，任何​​单调函数​​（一个始终非减或非增的函数）都是Borel可测的，因为像 $(-\infty, c]$ 这样的区间的原像总会是另一个区间——一个非常简单的Borel集。阶梯函数和分段常数函数也是如此，例如在计算和理论中至关重要的取整函数 $\lfloor y \rfloor$。因此，黄金法则可以更一般地表述为：

​​一个Borel可测函数与一个可测函数复合，其结果是一个可测函数。​​

原像论证非常巧妙和抽象。但我们能否以更具构造性的方式“看到”这个结果？我们能否从更简单、更具体的片段构建复合函数？这种方法揭示了与数学其他领域的美妙联系。

让我们再次从 $h = g \circ f$ 开始，其中 $g$ 是连续的，$f$ 是可测的。如果 $g$ 是一个非常简单的函数，比如一个​​多项式​​，例如 $g(y) = a_k y^k + \dots + a_1 y + a_0$？那么复合函数就是 $h(x) = g(f(x)) = a_k (f(x))^k + \dots + a_1 f(x) + a_0$。现在，我们依赖于可测函数的一个基本性质：可测函数集合在基本算术运算下是封闭的。如果 $f$ 是可测的，那么它与自身的乘积 $f^2 = f \cdot f$ 也是可测的。由此推断，$f^k$ 对任何整数 $k$ 都是可测的。乘以一个常数 $a_k$ 保持可测性，可测函数相加也同样如此。因此，我们的复合函数 $h(x)$，仅仅是 $f(x)$ 的缩放幂次之和，必须是可测的。

你可能会说：“这对多项式来说很不错，但对于其他连续函数，比如 $\sin(y)$ 呢？” 奇迹就在这里，以分析学最伟大的定理之一的形式出现：​​Weierstrass逼近定理​​。该定理告诉我们，闭区间上的任何连续函数都可以通过一个多项式以我们想要的任何精度来逼近。我们可以找到一个多项式序列 $\{g_n\}$，它逐点收敛到我们的连续函数 $g$。

现在，看看这引发的一系列精彩事件：

1. 对于我们序列中的每一个多项式 $g_n$，复合函数 $h_n = g_n \circ f$ 都是可测的，原因我们刚刚讨论过。
2. 随着我们的多项式 $g_n$ 越来越接近 $g$，复合函数 $h_n(x)$ 也越来越接近最终的函数 $h(x) = g(f(x))$。
3. 我们最终得到的目标函数 $h$ 是一个可测函数序列 $\{h_n\}$ 的逐点极限。在这里，我们引用测度论的另一个基石：​​一个可测函数序列的逐点极限是可测的。​​

结论是相同的，但过程完全不同。我们不是通过抽象的集合论论证，而是从简单的代数模块（多项式）开始，并使用极限和逼近的强大引擎来构建我们的复杂结果。这展示了代数、逼近论和测度论的概念如何优美地交织在一起。

到目前为止，我们的故事充满了成功与和谐。似乎复合行为良好的函数是产生另一个行为良好函数的万无一失的方法。但是数学世界充满了美丽的怪物，正是在研究它们的过程中，我们常常获得最深刻的理解。事实证明，复合的顺序以及所涉及空间的定义都至关重要。

颠倒顺序的危险

我们的黄金法则是针对 [Borel可测](/sciencepedia/feynman/keyword/borel_measurable) $\circ$ 可测。如果我们调换顺序会发生什么？可测 $\circ$ 连续 又如何？我们能否取一个连续函数 $g$ 和一个可测函数 $f$，然后形成复合函数 $f \circ g$？这看起来同样合理。然而，它却可能彻底失败。

为了见证这一失败，我们必须涉足实分析最奇特的角落之一，这涉及到著名的​​康托尔集 (Cantor set)​​。这一构造是数学中一个经典的“病态”杰作。

1. 我们从一个特殊的​​连续函数​​开始。首先考虑康托尔“魔鬼阶梯”函数 $c(x)$。然后我们定义一个新函数 $\psi(x) = c(x) + x$。这个函数 $\psi$ 是一个从 $[0,1]$ 到 $[0,2]$ 的连续且严格递增的函数，因此它是一个​​同胚​​（一个可逆的连续映射，其逆也连续）。它的一个显著特性是，它将测度为零的康托尔集 $C$ 映射到一个测度为1的集合 $\psi(C)$。
2. 我们的​​连续函数​​是 $g = \psi^{-1}$。它将区间 $[0,2]$ 连续地映射回 $[0,1]$。
3. 因为 $\psi(C)$ 具有正测度，所以它“足够大”，可以包含一个真正病态的子集——一个​​非勒贝格可测集​​ $E \subset \psi(C)$。这个集合 $E$ 就是我们的“怪物”。
4. 现在，我们定义我们的​​可测函数​​ $f$。令 $A = g(E) = \psi^{-1}(E)$。因为 $E \subset \psi(C)$，这意味着 $A = \psi^{-1}(E) \subset \psi^{-1}(\psi(C)) = C$。由于康托尔集 $C$ 的测度为零，它的任何子集（包括 $A$）都必须是勒贝格可测的（且测度为零）。
5. 因此，我们选择 $f$ 为集合 $A$ 的指示函数，$f = \mathbb{1}_A$。这是一个定义在 $[0,1]$ 上的、行为良好的可测函数。

现在，我们有了所有的材料：一个​​可测函数​​ $f$ 和一个​​连续函数​​ $g$。让我们以“错误”的顺序将它们复合，得到定义在 $[0,2]$ 上的函数 $h(x) = f(g(x))$。

这个新函数 $h(x)$ 是什么？让我们追踪其定义： $h(x) = f(g(x)) = \mathbb{1}_A(g(x))$ 根据指示函数的定义，当 $g(x) \in A$ 时 $h(x) = 1$，否则为 $0$。但 $g(x) \in A$ 意味着什么呢？ $g(x) \in A \iff \psi^{-1}(x) \in \psi^{-1}(E) \iff x \in E$ 这个逻辑是不可避免的。我们的复合函数 $h(x)$ 正是 $\mathbb{1}_E(x)$，即非可测集 $E$ 的指示函数！一个指示函数是可测的，当且仅当其所指示的集合是可测的。由于 $E$ 不可测，我们的函数 $h(x) = f(g(x))$ 是​​不可测的​​。

我们用一个完全规范的可测函数和一个完全规范的连续函数进行复合，结果却得到了一个不可测的怪物。这戏剧性地证明了：复合的顺序至关重要。

细则：不匹配的空间

在我们的黄金法则的细则中，还隐藏着最后一个微妙之处。$g \circ f$ 的法则在 $f: (X, \mathcal{M}) \to (Y, \mathcal{N})$ 和 $g: (Y, \mathcal{N}) \to (Z, \mathcal{P})$ 的情况下有效。关键是 $f$ 的输出空间上的 $\sigma$-代数 $\mathcal{N}$ 必须与 $g$ 的输入空间上的 $\sigma$-代数相同。它们必须使用同一种语言。如果它们不匹配会发生什么？

在实数轴上，我们有两种不同但相关的可测性语言。我们有由开集生成的​​Borel $\sigma$-代数​​ $\mathcal{B}(\mathbb{R})$。但我们也有更广阔的​​Lebesgue $\sigma$-代数​​ $\mathcal{L}$，它包含了所有的Borel集以及许多更奇异的集合。

考虑这个场景：

• 令 $f(x) = 3x - 5$。这是一个连续函数，一个简单的线性映射。它相对于Borel集当然是可测的：$f: (\mathbb{R}, \mathcal{B}) \to (\mathbb{R}, \mathcal{B})$。
• 现在来看 $g$。让我们选择一个奇异的集合，一个在 $\mathcal{L}$ 中但不在 $\mathcal{B}$ 中的集合 $A$。我们定义 $g$ 为这个集合的指示函数，$g(y) = \mathbb{1}_A(y)$。
• $g$ 是可测的吗？如果我们将它定义为一个从Lebesgue空间到Borel空间的映射，$g: (\mathbb{R}, \mathcal{L}) \to (\mathbb{R}, \mathcal{B})$，那么是的。它对Borel集的原像是像 $A$ 或 $A^c$ 这样的集合，根据构造它们都在 $\mathcal{L}$ 中。

但请看这种不匹配。我们想形成 $h=g \circ f$。函数 $f$ 映射到 $(\mathbb{R}, \mathcal{B})$，但 $g$ 期望其输入来自 $(\mathbb{R}, \mathcal{L})$。这就像把一个欧洲电器插到美国插座上；系统描述不匹配。

即使我们只是将它们作为 $\mathbb{R}$ 上的原始函数进行复合，然后问所得到的函数 $h(x) = \mathbb{1}_A(3x-5)$ 是否是Borel可测的，我们也会碰壁。要检查 $h$ 是否是Borel可测的，我们必须看它对Borel集的原像是否是Borel集。让我们检查 $\{1\}$ 的原像： $h^{-1}(\{1\}) = \{x \in \mathbb{R} \mid h(x)=1\} = \{x \in \mathbb{R} \mid 3x-5 \in A\} = f^{-1}(A)$。

因为 $f$ 是一条简单的直线，它的逆 $f^{-1}$ 保留了一个集合的“病态”性质。因为 $A$ 不是一个Borel集，所以它经过缩放和平移后的版本 $f^{-1}(A)$ 也不是一个Borel集。因此，我们找到了一个Borel集 $\{1\}$，它在 $h$ 下的原像不是Borel集。这个复合函数 $h$ 不是Borel可测的。

这个教训虽然微妙但深刻：可测性不是函数孤立的性质，而是函数与其定义域和上域上的$\sigma$-代数之间的关系。在复合函数时，链条中的环节必须兼容。

我们的探索把我们从一个简单、优雅的规则带到了数学分析的狂野前沿。我们看到了复合如何让我们构建一个由可预测、可测函数组成的巨大宇宙。但我们也看到，通过挑战边界——通过颠倒顺序或不匹配空间——我们揭示了关于测量一个集合的意义的深刻且非直观的真理。这就是数学之美：规则是强大的，但例外之处往往是学习最深刻的地方。

既然我们已经掌握了在函数复合下可测性行为的原理，你可能会问：“这一切是为了什么？” 这是一个合理的问题。为什么数学家们要花这么多时间担心组合几个函数是否能保持这个看似抽象的性质？这仅仅是一个定义的游戏，还是它与某些具体、有用的东西有关？

答案是，这个概念并非一个孤立的好奇心产物。它是现代科学大厦中的一个基础螺丝，一根承重柱。支配可测函数复合的规则，为我们提供了一个稳健可靠的“工具箱”，用以构建世界的数学模型。当我们知道我们有一套“行为良好”的函数——即可测函数——我们需要能够将它们相加、相乘，是的，还有将它们彼此代入，而永远不会离开这个行为良好的世界。没有这个保证，我们的数学机器将是脆弱的，一遇到复杂情况就会崩溃。

让我们踏上一段旅程，看看这个简单的想法将我们带向何方。我们将看到，它构成了从概率论到物理系统演化，乃至工程控制问题解的定义等一切事物的基石。

在我们开始探索之前，让我们首先欣赏这些复合规则赋予我们的纯粹的构造能力。最直接的情况是将一个可测函数 $f$ 与一个连续函数 $\phi$ 复合。结果 $\phi \circ f$ 总是可测的。这非常直观。连续函数不会产生任何疯狂、病态的跳跃；它平滑地将邻近的输入映射到邻近的输出。所以，如果 $f$ 的行为足够好以至于可测，那么用一个平滑的函数 $\phi$ 进行复合不应该破坏事情。

这个简单的规则立即解锁了一整类操作。对于任何可测函数 $f$，我们知道像 $f^2$ 或者实际上任何整数次幂 $f^n$ 都必须是可测的，因为函数 $\phi(y) = y^n$ 是连续的。同样的逻辑告诉我们，如果一个表示物理信号的函数 $f$ 是可测的，那么像 $\sin(f)$ 或 $\exp(f)$ 这样的转换后信号也保证是可测的。这个原则甚至可以扩展到更高维度。许多物理现象，比如来自点源的引力场或电场，都由径向函数描述——这些函数只依赖于与原点的距离，$f(\mathbf{x}) = g(||\mathbf{x}||)$。将向量 $\mathbf{x}$ 映射到其范数 $||\mathbf{x}||$ 的函数是连续的。因此，如果一维轮廓 $g$ 是Borel可测的，那么所得到的多维函数 $f$ 是Borel可测函数与连续函数的复合，因此保证是可测的，这是分析其物理性质的第一个也是最关键的一步。

当我们把条件从连续性放宽到更广泛的*Borel可测*函数的概念时，该理论变得更加强大。一个经典的例子是倒数函数 $\phi(y) = 1/y$。这个函数在 $y=0$ 处有一个重大的断裂，所以它在整个实数轴上不是连续的。然而，它仍然是Borel可测的。这确保了如果 $f$ 是一个可测函数，它的倒数 $1/f$（在 $f(x)=0$ 处要小心定义）也是可测的。

有了这些构建模块——在和、标量乘法以及与Borel可测函数的复合下封闭——我们就可以构建一个完整的可测函数代数。考虑两个可测函数 $f$ 和 $g$ 的乘积。它们的乘积 $fg$ 是否可测并非一目了然。但一点代数上的巧思揭示了其中的联系。利用恒等式

我们看到乘积只是和、差以及平方的组合。我们知道可测函数的和与差是可测的。我们也知道平方是与连续函数 $y \mapsto y^2$ 的复合。因此，乘积也必须是可测的。这是一个美丽的综合时刻：乘法问题通过加法和复合的性质得以解决。这种稳健性使得可测函数空间成为数学构造的完美工坊。

真正的魔力发生在我们把这个工坊及其工具应用于其他领域的问题时。

概率论：随机性的语言

也许最直接和最深刻的应用是在概率论中。什么是“随机变量”？你可以把它看作是随机实验的数值结果——骰子掷出的数字，随机选出的人的身高，明天的温度。在数学上，​​随机变量无非就是概率空间上的一个可测函数​​。

在这种视角下，函数的复合有了新的意义：它是从旧的随机变量创造新的随机变量。如果 $X$ 是代表实验结果的随机变量，那么该结果的任何“合理”函数 $\phi(X)$ 也应该是一个随机变量。什么使一个函数“合理”？恰恰是它是Borel可测的！如果 $X$ 是气体分子的速度，那么它的动能，与 $X^2$ 成正比，也是一个随机变量。如果 $X$ 是一个随机信号电压，那么处理后的信号 $\sin(X)$ 也是一个随机变量。复合的机制使我们有信心自由地操纵随机变量，知道结果仍然是概率论中定义良好的对象。这对于定义和计算像方差和高阶矩这样的基本量至关重要，这些量通常涉及像 $(X-\mu)^2$ 这样的函数。

这个框架也阐明了局限性。如果有人试图将一个随机变量 $X$ 与一个真正病态的、非Borel可测的函数 $\phi$ 复合，那么得到的函数 $\phi(X)$ 将不保证是一个随机变量。测度论为安全的操作和可能导致数学上无意义的操作之间提供了一个精确的界限。

动力系统：状态的演化

让我们把目光从随机转向确定性，转向研究系统如何随时间演化的动力系统领域。想象一个系统的状态（也许是气体中所有粒子的位置和动量，或金融市场的状态）作为大空间 $X$ 中的一个点。支配其从一个时刻到下一个时刻演化的物理或经济定律可以用一个变换 $T: X \to X$ 来描述。

这个领域的一个中心问题是：系统演化时哪些性质是守恒的？在许多物理系统中，一个称为“测度”（可以被认为是相空间中的体积，或概率）的量是守恒的。这样的变换 $T$ 被称为保测的。现在，如果我们先应用一个这样的保测变换 $T_2$，然后再应用另一个 $T_1$，会发生什么？组合变换 $S = T_1 \circ T_2$ 是否仍然保测？答案是响亮的“是”。证明是一个简单而优雅的定义应用，其中复合映射 $S$ 的可测性是一个基础性的先决条件。这告诉我们，保测变换的集合在复合下是封闭的，形成数学家所谓的半群。这个性质是遍历理论的基石，使我们能够理解复杂系统的长期统计行为，从行星轨道到流体的混合。

分析与微分方程：驯服无穷与无穷小

可测性与复合的概念在数学分析中也是不可或缺的工具，尤其是在处理极限和微分方程时。

考虑一个来自信号处理的场景，其中一系列输入信号 $g_n(x)$被送入一个应用连续变换 $\phi$ 的设备中。如果我们知道输入信号 $g_n$ 收敛到某个极限信号 $g$，我们希望输出信号 $\phi(g_n)$ 也收敛到处理后的极限信号 $\phi(g)$。$\phi$ 的连续性确保了这一点。这个简单的事实，当与像Lebesgue控制收敛定理这样的强大工具结合时，允许我们通过将极限移到积分内部来计算复杂函数的积分极限——这项技术可以将一个不可能的问题变成一个可解的问题。

复合也为证明隐式定义函数的性质提供了优雅的解决方案。假设我们有一个可测函数 $f(x)$，我们定义一个新函数 $g(x)$ 作为像 $z^5 + 4z = f(x)$ 这样的方程的唯一解 $z$。对于 $g(x)$ 没有简单的公式。我们怎么可能知道 $g$ 是否可测？关键是把 $g$ 看作一个复合。函数 $p(z) = z^5 + 4z$ 是严格递增和连续的，所以它有一个连续的反函数，我们称之为 $q$。那么我们的函数 $g(x)$ 就是 $g(x) = q(f(x))$。因为 $f$ 是可测的，$q$ 是连续的，它们的复合 $g$ 必须是可测的！这是一个非常强大的论证，完全避开了对显式公式的需求。

这种推理路线在现代微分方程理论中，并在控制论中达到了顶峰。考虑一个系统，其状态 $x$ 根据 $\dot{x}(t) = f(t, x(t), u(t))$ 演化，其中 $u(t)$ 是我们可以选择的控制输入。在许多实际应用中，控制 $u(t)$ 可能不是一个好的、平滑的函数；它可能是一个在值之间突然切换的“开关”控制。对这种输入最通用和最现实的建模方式是作为一个可测函数。但这产生了一个问题：为了使方程有意义，右侧作为一个关于时间的函数必须是可测的。这是一个涉及时间 $t$、状态 $x(t)$ 和输入 $u(t)$ 的复杂复合。著名的Carathéodory定理为解的存在唯一性提供了条件，这些条件正是保证这一点而对函数 $f$ 所需的最小假设集。它们要求 $f$ 在时间上是可测的，但在状态上仅需是连续的（或Lipschitz的）。这对于时间相关参数粗糙，但系统对内部状态的响应是稳定的问题，提供了一个自然的框架。可测函数及其复合的理论为将这个应用科学的基本问题置于严格的基础上提供了精确的语言。

为了看到这些思想的完整编排，考虑最后一个耀眼的例子：一个函数的连分数展开。对于任何非负可测函数 $f(x)$，我们可以使用一个递归算法生成一个整数系数函数序列 $a_k(x)$。该算法涉及重复地取整数部分（使用取整函数 $\lfloor \cdot \rfloor$），然后取小数部分的倒数。

这些系数函数 $a_k(x)$ 本身是否可测？乍一看，这个任务似乎毫无希望。但是通过逐步应用我们的工具箱，我们可以通过归纳法证明它。我们从 $f_0 = f$ 开始，它是可测的。第一个系数是 $a_0(x) = \lfloor f_0(x) \rfloor$。取整函数不是连续的，但它是一个简单的Borel可测函数。所以 $a_0$ 是一个可测函数与一个Borel可测函数的复合，因此是可测的。序列中的下一个函数 $f_1$ 是由 $f_0$ 和 $a_0$ 通过减法和取倒数构建的。正如我们所见，这些运算保持可测性。所以 $f_1$ 是可测的。我们现在可以重复这个论证：$a_1(x) = \lfloor f_1(x) \rfloor$ 是可测的，这反过来又意味着 $f_2$ 是可测的，依此类推，对所有的 $k$ 都成立。整个无限的系数函数序列都继承了原始函数 $f$ 的可测性。这是对该理论力量的美丽证明——一个递归过程，产生无限的复杂性，在每一步都被我们讨论过的闭包性质保持在行为良好的函数领域内。

从两个函数的简单乘积到连分数的无穷系数，从随机变量的统计到控制系统的稳定性，可测函数的复合原理是那条贯穿始终、统一的线索。它确保了我们的数学模型不是纸牌屋，而是一个能够描述我们周围世界丰富性的稳健而有弹性的结构。