当前位置: 首页 > web >正文

实变函数 第二章 点集

§2 点集

2.1 欧式空间

2.1.1 度量空间、欧式空间

Definition \textbf{Definition} Definition 度量空间 (距离空间)

∀ x , y ∈ X : ∃ d : ( x , y ) → R \forall x,y\in X:\exists d:(x,y)\to\mathbb{R} x,yX:d:(x,y)R,满足:

  1. d ( x , y ) = d ( y , x ) ⩾ 0 d(x,y)=d(y,x)\geqslant 0 d(x,y)=d(y,x)0
  2. ∀ z : d ( x , y ) ⩽ d ( x , z ) + d ( y , z ) \forall z:d(x,y)\leqslant d(x,z)+d(y,z) z:d(x,y)d(x,z)+d(y,z) (三点不等式)

则称 ( X , d ) (X,d) (X,d) 为度量空间, X X X 中元素称为点, d d d 称为点 x , y x,y x,y 之间的距离.若 X ⊇ Y ≠ ϕ X\supseteq Y\ne\phi XY=ϕ,则称 ( Y , d ) (Y,d) (Y,d) ( X , d ) (X,d) (X,d) 的子空间.

Definition \textbf{Definition} Definition n n n 维欧式空间

  • ∀ x , y ∈ R : \forall x,y\in\mathbb{R}: x,yR:
    d ( x , y ) = ∣ x − y ∣ d(x,y)=|x-y| d(x,y)=xy
  • ∀ x = ( x 1 , x 2 ) , y = ( y 1 , y 2 ) ∈ R 2 : \forall x=(x_1,x_2),y=(y_1,y_2)\in\mathbb{R}^2: x=(x1,x2),y=(y1,y2)R2:
    d ( x , y ) = ( x 1 − y 1 ) 2 + ( x 2 − y 2 ) 2 ⋮ d(x,y)=\sqrt{(x_1-y_1)^2+(x_2-y_2)^2} \\\vdots d(x,y)=(x1y1)2+(x2y2)2
  • ∀ x = ( x 1 , ⋯ , x n ) , y = ( y 1 , ⋯ , y n ) ∈ R n : \forall x=(x_1,\cdots,x_n),y=(y_1,\cdots,y_n)\in\mathbb{R}^n: x=(x1,,xn),y=(y1,,yn)Rn:
    d ( x , y ) = ∑ k = 1 n ( x k − y k ) 2 d(x,y)=\sqrt{\sum_{k=1}^{n}(x_k-y_k)^2} d(x,y)=k=1n(xkyk)2
    其中 ( R n , d ) (\mathbb{R}^n,d) (Rn,d) 称为 n n n 维欧式空间,简记为 R n \mathbb{R^n} Rn d d d 称为欧几里得距离.

2.1.2 邻域、矩体

Definition \textbf{Definition} Definition 邻域
U ( P 0 ) = U ( P 0 , δ ) = { P : d ( P , P 0 ) < δ } U(P_0)=U(P_0,\delta)=\{P:d(P,P_0)<\delta\} U(P0)=U(P0,δ)={P:d(P,P0)<δ}

Definition \textbf{Definition} Definition n n n 维区间(矩体)
点集
I : = { ( x 1 , ⋯ , x n ) : a i < x i < b i } I:=\{(x_1,\cdots,x_n):a_i<x_i<b_i\} I:={(x1,,xn):ai<xi<bi}
n n n 维开区间(开矩体),改换不等号即为闭区间、半开半闭区间. b i − a i b_i-a_i biai 称为第 i i i 个边长, ∣ I ∣ : = ∏ i = 1 n ( b i − a i ) |I|:=\prod\limits_{i=1}^n(b_i-a_i) I:=i=1n(biai) 称为体积.

2.1.3 点集距离、点集直径、有界点集

Definition \textbf{Definition} Definition 两个非空点集的距离
d ( E , F ) = inf ⁡ { d ( x , y ) : x ∈ E , y ∈ F } d(E,F)=\inf\{d(x,y):x\in E,y\in F\} d(E,F)=inf{d(x,y):xE,yF}

Definition \textbf{Definition} Definition 一个非空点集直径
d i a m ( E ) = sup ⁡ P , Q ∈ E d ( P , Q ) \mathrm{diam}(E)=\sup\limits_{P,Q\in E}d(P,Q) diam(E)=P,QEsupd(P,Q)

Definition \textbf{Definition} Definition 有界点集
E ⊂ R n E\subset\mathbb{R}^n ERn,若
d i a m E < ∞ \mathrm{diam}\ E < \infty diam E<
则称 E E E 为有界点集(包含空集).

2.2 欧式空间的点

2.2.1 内点、外点、界点

Definition \textbf{Definition} Definition 内点、外点、界点

E ⊆ R n , P 0 ∈ R n E\subseteq\mathbb{R^n},P_0\in\mathbb{R^n} ERn,P0Rn

  1. 内点:
    ∃ U ( P 0 ) ⊆ E \exists\ U(P_0)\subseteq E  U(P0)E
    开核(全体内点):
    E o : = { x : ∃ U ( x ) ⊆ E } \overset{o}{E}:=\{x:\exists\ U(x)\subseteq E\} Eo:={x: U(x)E}
  2. 外点: P 0 P_0 P0 E c E^c Ec 的内点,即 ∃ U ( P 0 ) ⊆ E c \exists\ U(P_0)\subseteq E^c  U(P0)Ec
  3. 界点: P 0 P_0 P0 既非 E E E 内点也非外点. 即
    ∀ U ( P 0 ) : U ( P 0 ) ∩ E ≠ ϕ ∧ U ( P 0 ) ∩ E c ≠ ϕ \forall U(P_0):U(P_0)\cap E\ne\phi\wedge U(P_0)\cap E^c\ne\phi U(P0):U(P0)E=ϕU(P0)Ec=ϕ
    边界(全体界点): ∂ E : = { x : ∀ U ( x ) : U ( x ) ∩ E ≠ ϕ ∧ U ( x ) ∩ E c ≠ ϕ } \partial E:=\{x:\forall U(x):U(x)\cap E\ne\phi\wedge U(x)\cap E^c\ne\phi\} E:={x:U(x):U(x)E=ϕU(x)Ec=ϕ}

E ≠ ϕ 、 R n E\neq\phi、\mathbb{R^n} E=ϕRn,则 E E E 至少有一个界点,即 ∂ E ≠ ϕ \partial E\ne\phi E=ϕ.

2.2.2 聚点、孤点

Definition \textbf{Definition} Definition 聚点、孤点、闭包

  1. 聚点: 以下三种表述等价
    • P 0 P_0 P0 的任何邻域都含有无穷多 E E E 的点. 即 ∀ U ( P 0 ) ∩ E 为无限集 \forall U(P_0)\cap E\ 为无限集 U(P0)E 为无限集
    • P 0 P_0 P0 的任一邻域内至少含有一个属于 E E E 而异于 P 0 P_0 P0 的点. 即
      ∀ U ( P 0 ) ∩ E \ { P 0 } ≠ ϕ \forall U(P_0)\cap E\backslash \{P_0\}\ne\phi U(P0)E\{P0}=ϕ
    • 存在 E E E 中互异点列 { P n } \{P_n\} {Pn} 收敛于 P 0 P_0 P0. 即
      ∃ { P n } ∀ i ≠ j : P i ≠ P j ⊆ E , s . t . P n → P 0 ( n → ∞ ) \exists\underset{\forall i\ne j:P_i\ne P_j}{\{P_n\}}\subseteq E,\ \mathrm{s.t.}\ P_n\to P_0(n\to\infty) i=j:Pi=Pj{Pn}E, s.t. PnP0(n)
  • 导集(全体聚点):
    E ′ : = { x : ∀ U ( x ) : U ( x ) ∩ E \ { x } ≠ ϕ } E':=\{x:\forall U(x):U(x)\cap E\backslash \{x\}\ne\phi\} E:={x:U(x):U(x)E\{x}=ϕ}
  1. 孤立点: P 0 ∈ E P_0\in E P0E 但非 E E E 的聚点. 即
    ∃ U ( P 0 ) ∩ E = { P 0 } \exists\ U(P_0)\cap E=\{P_0\}  U(P0)E={P0}
  • 全体孤立点: E \ E ′ = { x : ∃ U ( x ) ∩ E = { x } } E\backslash E'=\{x:\exists\ U(x)\cap E=\{x\}\} E\E={x: U(x)E={x}}
  1. 闭包:
    E ‾ : = E ∪ E ′ = { x : ∀ U ( x ) : U ( x ) ∩ E ≠ ϕ } = E ∪ ∂ E = E o ∪ ∂ E \begin{align*} \overline{E}&:=E\cup E'=\{x:\forall U(x):U(x)\cap E\ne\phi\} \\&\ =E\cup\partial E=\overset{o}{E}\cup\partial E \end{align*} E:=EE={x:U(x):U(x)E=ϕ} =EE=EoE

Tips: 有限集没有聚点.

Theorem \textbf{Theorem} Theorem Bolzano-Weierstrass \text{Bolzano-Weierstrass} Bolzano-Weierstrass 定理(聚点定理)

E E E 为有界无限集,则 E E E 至少有一个聚点.

2.2.3 几类点的关系

R n \mathbb{R}^n Rn 中的点可以分类为点集 E E E 的 (1) 内点、界点、外点 或 (2) 聚点、孤立点、外点.

  • 界点是聚点或孤立点.
  • 内点必为聚点,但聚点可能是内点或界点.
  • E E E 的内点属于 E E E,但 E E E 的界点或聚点不一定属于 E E E.

2.3 欧式空间的基本点集

2.3.1 开集、闭集、紧集

Definition \textbf{Definition} Definition 开集、闭集

E ⊆ R n E\subseteq\mathbb{R^n} ERn.

  • 开集(open set): E E E 的每个点都是 E E E 的内点. 即
    E ⊆ E o ⇔ E = E o E\subseteq\overset{o}{E}\Leftrightarrow E=\overset{o}{E} EEoE=Eo

  • 闭集(closed set): E E E 的每个聚点都属于 E E E. 即
    E ′ ⊆ E ⇔ ∂ E ⊆ E E'\subseteq E\Leftrightarrow\partial E\subseteq E EEEE

开集、闭集通常由 G G G F F F 表示.

Tips:

  1. 二者具有对偶性,取余集开闭互换.
  2. ∀ E ⊂ R n \forall E\subset\mathbb{R}^n ERn,开核 E o \overset{o}{E} Eo 为开集,导集 E ′ E' E 、闭包 E ‾ \overline{E} E 为闭集.
  3. (1) 任意开集之并仍为开集,有限个开集之交仍为开集.
    (2) 任意闭集之交仍为闭集,有限个闭集之并仍为闭集.

Theorem \textbf{Theorem} Theorem Heine-Borel-Lebesgue \text{Heine-Borel-Lebesgue} Heine-Borel-Lebesgue 定理(有限覆盖定理)

R n \mathbb{R^n} Rn 中有界闭集的任一开覆盖必存在有限子覆盖.

Definition \textbf{Definition} Definition 紧集

  • 紧集(compact set): 任一族覆盖 E E E 的开集,若可从中选出有限个开集仍然覆盖 E E E,则 E E E 为紧集. (或表述为:若 E E E 的任意开覆盖,都存在有限子覆盖,则 E E E 为紧集.)

Tips:

有限维欧式空间 R n \mathbb{R^n} Rn 中,紧集与有界闭集等价;在 R ∞ \mathbb{R^{\infty}} R 或其他空间中,二者不等价.

2.3.2 自密集、完备集

Definition \textbf{Definition} Definition 自密集、完备集

E ⊆ R n E\subseteq\mathbb{R^n} ERn

  1. 自密集: 集合中每个点都是这个集的聚点. 或者说 没有孤立点的集. 即
    E ⊆ E ′ E\subseteq E' EE

  2. 完备集(完全集): 是自密集且是闭集. 或者说 没有孤立点的闭集. 即
    E = E ′ E=E' E=E

Tips: R \mathbb{R} R 中有理数全体为自密集; R \mathbb{R} R 中任一闭区间及全直线为完备集.

2.3.3 开、闭、完备集构造

Definition \textbf{Definition} Definition 构成区间

G G G 是直线上的开集,若开区间 ( α , β ) ⊆ G (\alpha,\beta)\subseteq G (α,β)G,且 α , β ∉ G \alpha,\beta\notin G α,β/G,则称 ( α , β ) (\alpha,\beta) (α,β) G G G 的构成区间.

Theorem \textbf{Theorem} Theorem 开集构造定理

直线上任一个非空开集可以表示成有限或可数个互不相交的构成区间的和集.

2.2.4 康托尔三分集

http://www.xdnf.cn/news/6803.html

相关文章:

  • 数据结构与算法——单链表(续)
  • NoSQL数据库复习题目要点
  • 北斗导航 | 基于深度学习的卫星导航数据训练——检测识别故障卫星
  • windows编程:LIB和OBJ格式文件解析
  • 【Linux网络】数据链路层
  • buuctf Crypto-鸡藕椒盐味1
  • 现代计算机图形学Games101入门笔记(十一)
  • AML 数据集
  • 内网im聊天软件,私有化部署安全可控
  • 2025认证杯二阶段C题完整论文讲解+多模型对比
  • Vue3:脚手架
  • 一分钟了解Python编程语言
  • 科技项目验收测试对软件产品和企业分别有哪些好处?
  • 机器学习知识自然语言处理入门
  • allure报告自定义logo和名称
  • 什么是SMBus
  • 医疗机械中丝杆支撑座有什么特殊要求?
  • 前端精度问题全解析:用“挖掘机”快速“填平精度坑”的完美解决方案
  • 支付宝授权登录
  • ROS2学习(4)------ROS2工作空间介绍
  • Vue3基础学习(中)
  • 高标准农田灌区信息化赋能粮食产能提升
  • 二维数组以及C99中的变长数组(如何在VS2022中使用苹果的clang编译器)
  • 智慧灌区信息化节水灌溉系统解决方案
  • 基于 nvitop+Prometheus+Grafana 的物理资源与 VLLM 引擎服务监控方案
  • 【Python】EAFP?请求原谅比请求允许容易?
  • 小白学编程之——深入理解Java线程的完整生命周期
  • 研华服务器ASMB-825主板无法识别PCIE-USB卡(笔记本)
  • 5.10品牌日|电商院徐一帆解读:中国企业如何迈向全球品牌
  • 根据用户ID获取所有子节点数据或是上级直属节点数据