贡献者: JierPeter
拓扑空间定义了什么样的集合算开集,而开集的补集被称为闭集。除此之外,还有一些集合是既不开也不闭的。比如说,在 上定义的度量拓扑中,开区间都是开集,闭区间和孤立点都是闭集,但是半开半闭区间两者都不属于。
1. 基本概念
定义 1
给定拓扑空间 以及它的一个子集 。
- 如果对于 ,存在一个开集 使得 ,那么称这个 是 的一个内点(interior point)。
- 如果存在一个开集 使得 ,那么称这个 是 的一个外点(exterior point)。
- 如果一个 既不是 的外点也不是内点,那么称 是 的一个边界点(boarder point)。
- 全体内点构成的集合,称为 的内部(interior),记为 。
- 全体外点构成的集合,称为 的外部(exterior)。
- 全体边界点构成的集合,称为 的边界(boarder)。
- 如果包含点 的任何开集 ,都含有和 不相同的、 的元素:,那么我们说 是 的一个聚点或者极限点(limit point)。
外点就是 “补集的内点”。
聚点的概念在数学分析和高等微积分里就会出现。在微积分中,一个集合 的聚点 ,就是不管取多小的 作为半径,总有某个不是 的点 落在 里面。 自己的点 当然是 的聚点,但是 也可以是聚点。比如说,区间 的全体聚点构成的集合,就是 。
有了这些定义,我们就可以更直观地理解开集和闭集了:
习题 1
给定 以及它的一个子集 。那么, 是开集当且仅当 的点都是内点; 是闭集当且仅当 的聚点都在 里。证明留做习题。
同样地,使用区间为例子来理解开集、闭集和内点、聚点的关系会非常直观。
由定义,对于任何拓扑空间的子集 ,外点都不是聚点,因此聚点要么是内点、要么是边界点。
对于 ,它的聚点构成的集合被称为 的导出集(induced set)或者导集,在小时百科中记为1。
在数学分析中,我们会使用包含点 的任意长度的开区间,来描述 的 “附近”。这一概念在拓扑学中被拓展为 “邻域”:
定义 2 邻域
给定拓扑空间 和 ,则任意开集 ,被称为 的一个邻域(neighborhood)。
注意,这里定义的邻域必须是开集。在紧致性一节中,我们会提到一个容易混淆的概念,“紧邻域”,它并不一定是开集,因此不一定是邻域。紧邻域的名字是有些混淆,但是没有办法,约定俗成这么叫了2。
2. 闭包
给定任意拓扑空间 的任意子集 ,那么 是 所包含的最大的开集。对称地,包含 的最小的闭集被称为 的闭包(closure),记为 。闭包很容易得到:
定理 1
给定任意拓扑空间 的任意子集 ,则有 。
推论 1
考虑到 的边界点要么在 中,要么是 的聚点; 的聚点要么在 中,要么是 的边界点;故 等于 和 的边界的并。
以区间作为例子:如果 ,那么 ,。
以圆盘作为例子:如果 ,那么 。尝试在 的圆盘上添加部分点进 ,得到的 还是具有相同的闭包。这是因为这些添加的点都是在最初的 的边界上的。
3. 稀疏和稠密
给定任意拓扑空间 的任意子集 ,如果 ,即 没有内点,那么称 是稀疏(sparse)的;如果 ,也就是说 是 和 的边界的并,那么称 在 中是稠密(dense)的。
无论取什么开集,它都不可能被稀疏的集合完全包含,总有遗漏的点,所以有了 “稀疏” 的名称。而当 在 中稠密时,不可能找一个开集来圈出 中完全和 不相交的一块区域,所以有了 “稠密” 的名称。
全体有理数的集合 在 中既稠密,又稀疏。
例 2 Cantor 集
令 ,也就是说, 是一段长度为 的线段。把这条线段的中间挖去 ,得到 。现在 有了两段长为 的线段,同样地,分别挖去它们中间的 ,得到 。以此类推, 有 条长度为 的线段,把每条线段的中间挖掉 ,就可以得到 。取这一列集合的极限 ,所得到的 被称为Cantor 集,这是一个非常重要的集合,常用来作特例来阐释各种集合的性质。
这是一个稀疏集,同时又是一个完备集(perfect set)3另外,在测度论中,这个集合的测度是 0.
1. ^ 有的教材中, 代表的是补集,但在小时百科中我们使用 表示补集了,于是 可以腾出来表示导集。
2. ^ 事实上,一种常见的表达方式是在 “邻域” 两字前加其它修饰,这样表达的往往不是邻域(即不是开集),而是包含某个邻域的集合。“紧邻域” 表示包含一个邻域的紧集,“闭邻域” 表示包含一个邻域的闭集,它们往往都不是开集,从而不是邻域。
3. ^ 导集还是自身的集合,称为完备集或者完美集。
致读者: 小时百科一直以来坚持所有内容免费无广告,这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此,我们请求广大读者
热心打赏 ,使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元,我们一周就能脱离亏损, 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款, 他们的付出帮助了 99% 的读者免费获取知识, 我们在此表示感谢。