高维欧式空间的拓扑结构
n维欧式空间上的范数与距离
从本节开始,我们从一元微积分部分进入多元微积分部分。一元微积分的研究对象是实数域及实数域上的函数。多元微积分就建立在n维欧式空间上,研究n维欧式空间上多元函数。同样地,我们要把极限、连续性、可微性和积分推广到高维空间上,那么,应当如何推广呢?
实际上,在一维空间上,极限定义为
∣
x
n
−
x
0
∣
→
0
|x_n-x_0|\to 0
∣xn−x0∣→0。在高维空间上,也有类似于绝对值的概念,实际上,
∣
a
−
b
∣
|a-b|
∣a−b∣可以表示为线段
a
a
a到
b
b
b的长度,
∣
x
∣
|x|
∣x∣就是
0
0
0到
x
x
x之间线段的长度,两个点做差的绝对值,就是两个点之间的距离。在
n
n
n维欧式空间中,长度的定义是:
∣
∣
(
x
1
,
⋯
,
x
n
)
∣
∣
=
∑
k
=
1
n
x
k
2
||(x_1,\cdots,x_n)||=\sqrt{\sum_{k=1}^n{x_k^2}}
∣∣(x1,⋯,xn)∣∣=k=1∑nxk2我们把
n
n
n维向量就简记为
x
x
x,长度就记为
∣
∣
x
∣
∣
||x||
∣∣x∣∣,两个n维空间的点的距离就定义为
∣
x
1
−
x
2
∣
∣
|x_1-x_2||
∣x1−x2∣∣
n
n
n维欧式空间上长度有如下性质:
(1)
∣
∣
x
∣
∣
≥
0
||x||\ge 0
∣∣x∣∣≥0,并且
∣
∣
x
∣
∣
=
0
||x||=0
∣∣x∣∣=0的充要条件为
x
=
0
x=0
x=0
(2)对任意的实数
a
a
a,
∣
∣
a
x
∣
∣
=
∣
a
∣
∣
∣
x
∣
∣
||ax||=|a|||x||
∣∣ax∣∣=∣a∣∣∣x∣∣
(3)
∣
∣
x
+
y
∣
∣
≤
∣
∣
x
∣
∣
+
∣
∣
y
∣
∣
||x+y||\le ||x||+||y||
∣∣x+y∣∣≤∣∣x∣∣+∣∣y∣∣
容易验证,绝对值就满足这三条性质。这样,两个点之间的距离定义为
d
(
x
,
y
)
=
∣
∣
x
−
y
∣
∣
d(x,y)=||x-y||
d(x,y)=∣∣x−y∣∣,就有如下性质:
(4)
d
(
x
,
y
)
≥
0
d(x,y)\ge 0
d(x,y)≥0,
d
(
x
,
y
)
=
0
d(x,y)=0
d(x,y)=0的充要条件是
x
=
y
x=y
x=y
(5)
d
(
x
,
z
)
≤
d
(
x
,
y
)
+
d
(
y
,
z
)
d(x,z)\le d(x,y)+d(y,z)
d(x,z)≤d(x,y)+d(y,z)
实际上,满足(1)-(3)的函数
∣
∣
.
∣
∣
||.||
∣∣.∣∣称为范数,满足(4)-(5)的二元函数
d
(
x
,
y
)
d(x,y)
d(x,y)称为度量或距离。实际上只要有度量,就可以定义收敛,泛函分析的起点,就是从度量开始,而有范数,就可以产生度量。这样,我们就可以把收敛的概念,从一维实空间,推广到高维欧式空间。
有了度量,就可以定义邻域,又称开邻域:
定义13.1
R
n
R^n
Rn为
n
n
n维欧式空间,
x
0
∈
R
x_0\in R
x0∈R,
δ
>
0
\delta>0
δ>0,称集合
B
(
x
0
,
δ
)
=
{
x
∈
R
:
∣
∣
x
−
x
0
∣
∣
<
δ
}
B(x_0,\delta)=\{x\in R:||x-x_0||<\delta\}
B(x0,δ)={x∈R:∣∣x−x0∣∣<δ}为以
x
0
x_0
x0为中心,
δ
\delta
δ为半径的邻域
当然,邻域和度量的选取有关,但在泛函分析中,我们会证明,任意两个范数是等价的,也就是说:如果
∣
∣
.
∣
∣
1
,
∣
∣
.
∣
∣
2
||.||_1,||.||_2
∣∣.∣∣1,∣∣.∣∣2是
R
n
R^n
Rn的两个度量,那么,存在正数
c
1
,
c
2
>
0
c_1,c_2>0
c1,c2>0,对任意的
x
∈
R
n
x\in R^n
x∈Rn,都有
c
1
∣
∣
x
∣
∣
1
≤
∣
∣
x
∣
∣
2
≤
c
2
∣
∣
x
∣
∣
2
c_1||x||_1\le ||x||_2 \le c_2||x||_2
c1∣∣x∣∣1≤∣∣x∣∣2≤c2∣∣x∣∣2也就是说,只要度量是由范数诱导的,那么两个度量的邻域是相互包含的关系。后面我们会用度量来定义收敛性,由于由范数诱导产生的两个度量是等价的,那么,在两个度量之下的收敛性,都是一致的,收敛性和范数的选取没有关系。因此,我们后面范数选取的都是欧式范数,度量选取的是欧式度量。
n维欧式空间的点列收敛
有了度量,就可以定义收敛性。
定义13.2
{
x
k
}
\{x_k\}
{xk}是
R
n
R^n
Rn上的点列,如果存在
x
0
∈
R
n
x_0\in R^n
x0∈Rn,对任意的
ε
>
0
\varepsilon>0
ε>0,存在正整数
K
K
K,
k
≥
K
k\ge K
k≥K,都有
∣
∣
x
k
−
x
0
∣
∣
<
ε
||x_k-x_0||<\varepsilon
∣∣xk−x0∣∣<ε记为
lim
k
→
∞
x
k
=
x
0
\lim_{k\to\infty}{x_k}=x_0
k→∞limxk=x0
按照上面的定义,实际上,
lim
k
→
∞
x
k
=
x
0
\lim_{k\to\infty}{x_k}=x_0
limk→∞xk=x0等价于
lim
k
→
∞
∣
∣
x
0
−
x
k
∣
∣
=
0
\lim_{k\to\infty}{||x_0-x_k||}=0
limk→∞∣∣x0−xk∣∣=0。更一般地,假设:
x
=
(
x
(
1
)
,
x
(
2
)
,
⋯
,
x
(
n
)
)
x=(x^{(1)},x^{(2)},\cdots,x^{(n)})
x=(x(1),x(2),⋯,x(n)),这样,有
max
1
≤
i
≤
n
(
∣
x
(
i
)
∣
)
≤
∣
∣
x
∣
∣
≤
n
max
1
≤
i
≤
n
(
∣
x
(
i
)
∣
)
\max_{1\le i\le n}(|x^{(i)}|) \le ||x|| \le \sqrt{n}\max_{1\le i\le n}(|x^{(i)}|)
1≤i≤nmax(∣x(i)∣)≤∣∣x∣∣≤n1≤i≤nmax(∣x(i)∣)如果
∣
∣
x
k
∣
∣
→
0
||x_k||\to 0
∣∣xk∣∣→0,那么,
max
1
≤
i
≤
n
(
∣
x
k
(
i
)
∣
)
→
0
\max_{1\le i\le n}(|x_k^{(i)}|)\to 0
max1≤i≤n(∣xk(i)∣)→0,这就说明了,如果
x
k
→
x
0
x_k\to x_0
xk→x0,那么,
x
k
x_k
xk各分量都收敛到
x
0
x_0
x0的各分量,反过来也成立。也就是说,
n
n
n维欧式空间上的收敛性,就等价于依坐标收敛。这样,n维欧式空间上的收敛性,实际上就可以化成数列收敛来考虑。另外,由于不同范数都是等价的。容易证明,两个范数的收敛性是等价的,这样,就不用考虑范数的选择问题。只要在欧式范数下是收敛的,选任何范数都是收敛的。
n维欧式空间上的开闭集
n n n维欧式空间 R n R^n Rn上也可以定义开集和闭集。相关性质和定义都和一维欧式空间的开闭集是一致的。
定义13.3
E
E
E是
n
n
n维欧式空间的点集,
x
0
∈
R
n
x_0\in R^n
x0∈Rn
(1)如果存在
δ
>
0
\delta>0
δ>0,
B
(
x
0
,
δ
)
⊂
E
B(x_0,\delta)\subset E
B(x0,δ)⊂E,
x
0
x_0
x0称为
E
E
E的内点,全体内点的集合称为
E
E
E的内部
(2)如果对任意的
δ
>
0
\delta>0
δ>0,
B
(
x
0
,
δ
)
∩
E
≠
∅
B(x_0,\delta)\cap E \neq \emptyset
B(x0,δ)∩E=∅,
B
(
x
0
,
δ
)
∩
E
c
≠
∅
B(x_0,\delta)\cap E^c \neq \emptyset
B(x0,δ)∩Ec=∅,则称
x
0
x_0
x0是
E
E
E的边界点,全体边界点的集合称为
E
E
E的边界
(3)如果存在
δ
>
0
\delta>0
δ>0,
B
(
x
0
,
δ
)
⊂
E
c
B(x_0,\delta)\subset E^c
B(x0,δ)⊂Ec,则称
x
0
x_0
x0是
E
E
E的外点,全体外点的集合称为
E
E
E的外部
定义13.4 E E E是 n n n维欧式空间的点集,如果 E E E的每个点都是 E E E的内点,则称 E E E是开集,补集是开集的点集称为闭集
定理13.1
n
n
n维欧式空间上的开集有如下性质:
(1)
∅
\emptyset
∅和
R
n
R^n
Rn是开集
(2)有限个开集的交集是开集
(3)任意个开集的并集是开集
定理13.2
n
n
n维欧式空间上的闭集有如下性质:
(1)
∅
\emptyset
∅和
R
n
R^n
Rn是闭集
(2)有限个闭集的并是闭集
(3)任意个闭集的交是闭集
定义13.5
E
E
E是
n
n
n维欧式空间的点集,
x
0
∈
R
n
x_0\in R^n
x0∈Rn,如果
x
0
x_0
x0的任意去心邻域都有
E
E
E的点,即:
∀
δ
>
0
\forall \delta>0
∀δ>0
B
(
x
0
,
δ
)
/
{
x
0
}
∩
E
≠
∅
B(x_0,\delta)/\{x_0\} \cap E \neq \emptyset
B(x0,δ)/{x0}∩E=∅则称
x
0
x_0
x0是
E
E
E的聚点,全体聚点的集合称为
E
E
E的导集,记为
E
′
E^\prime
E′,集合
E
‾
=
E
∪
E
′
\overline{E}=E\cup E^\prime
E=E∪E′称为
E
E
E的闭包
定理13.3
E
E
E是
n
n
n维欧氏空间上的点集
(1)
E
E
E是闭集的充要条件是
E
′
⊂
E
E^\prime \subset E
E′⊂E
(2)
E
E
E是闭集的充要条件是
E
=
E
‾
E=\overline{E}
E=E
现在,我们要引入连通性的概念。
定义13.6 E E E是 R n R^n Rn上的点集,如果 E E E的任意两点都有一条折线,这两个折线上每一点都在 E E E内,则称 E E E为连通集, E E E既是连通集,又是开集,则称 E E E是区域,区域的闭包称为闭区域
怎么定义有界性呢,实际上,在一维情形下,有界性等价于存在一个 0 0 0点的邻域,能将集合盖住。同样地,可以定义 n n n维欧式空间的有界集。
定义13.7 E E E是 n n n维欧式空间上的点集,如果存在 M > 0 M>0 M>0, E ⊂ B ( 0 , M ) E\subset B(0,M) E⊂B(0,M),则称 E E E是有界集。
有界区域和有界闭区域就是一维空间的开区间和闭区间。只不过,在高维情况下,区域的形状更复杂了。
n维欧式空间上的基本定理
现在,我们给出 n n n维欧式空间上的基本定理,这些定理的证明和一维情形比较类似,我们仅列出。
定理13.4(柯西收敛定理)
R
n
R^n
Rn是完备的,即
{
x
k
}
\{x_k\}
{xk}是收敛列的充要条件是:
∀
ε
>
0
\forall \varepsilon>0
∀ε>0,
∃
K
≥
1
\exists K\ge 1
∃K≥1,
k
1
,
k
2
≥
K
k_1,k_2\ge K
k1,k2≥K时,都有
∣
∣
x
k
1
−
x
k
2
∣
∣
<
ε
||x_{k_1}-x_{k_2}||<\varepsilon
∣∣xk1−xk2∣∣<ε
定理13.5 R n R^n Rn的任意有界无穷集都有聚点
定理13.6 R n R^n Rn任意有界点列都有收敛子列
定理13.7(闭集套定理)
{
E
k
}
\{E_k\}
{Ek}是
R
n
R^n
Rn的有界闭集列,满足:
(1)
d
i
a
m
(
E
k
)
→
0
diam(E_k)\to 0
diam(Ek)→0
(2)
{
E
k
}
\{E_k\}
{Ek}是渐降列
存在唯一的
x
0
∈
R
n
x_0\in R^n
x0∈Rn,
x
0
∈
∩
k
=
1
∞
E
k
x_0\in\cap_{k=1}^\infty{E_k}
x0∈∩k=1∞Ek
定理13.8(有限覆盖定理)
E
⊂
R
n
E\subset R^n
E⊂Rn是有界闭集,
S
=
{
F
t
,
t
∈
T
}
S=\{F_t,t\in T\}
S={Ft,t∈T}是
E
E
E的开覆盖,那么一定存在有限个
F
1
,
F
2
,
⋯
,
F
n
∈
S
F_1,F_2,\cdots,F_n\in S
F1,F2,⋯,Fn∈S
E
⊂
∪
k
=
1
n
F
k
E\subset \cup_{k=1}^n{F_k}
E⊂∪k=1nFk
多元函数及其连续性
多元函数的极限
多元函数的极限及性质
所谓多元函数,就是 n n n欧式空间上的函数,就记为 f ( x 1 , ⋯ , x n ) f(x_1,\cdots,x_n) f(x1,⋯,xn)。定义域是 n n n维欧式空间上的点集。只不过,1维情形下,我们要求到某点的极限存在,则该点的去心邻域都要在定义域之内。然而,在多元函数情形下,由于区域的状况十分复杂,我们,只要求,该点是定义域的一个聚点即可。
定义13.8
f
(
x
)
f(x)
f(x)是一个定义在
E
E
E上的
n
n
n元函数,如果
x
0
∈
E
′
x_0\in E^\prime
x0∈E′,存在实数
A
A
A,对任意的
ε
>
0
\varepsilon>0
ε>0,存在
δ
>
0
\delta>0
δ>0,对任意的
x
∈
B
(
x
0
,
δ
)
/
{
x
0
}
∩
E
x \in B(x_0,\delta)/\{x_0\} \cap E
x∈B(x0,δ)/{x0}∩E,都有
∣
f
(
x
)
−
A
∣
<
ε
|f(x)-A|<\varepsilon
∣f(x)−A∣<ε
则称
f
(
x
)
f(x)
f(x)在
x
→
x
0
x\to x_0
x→x0过程中收敛,
A
A
A是
f
(
x
)
f(x)
f(x)在
x
→
x
0
x\to x_0
x→x0过程的极限,记为
lim
x
→
x
0
f
(
x
)
=
A
\lim_{x\to x_0}{f(x)}=A
x→x0limf(x)=A
同样地,可以定义 f ( x ) f(x) f(x)在某点的连续性:
定义13.9
f
(
x
)
f(x)
f(x)是定义在
E
E
E上的
n
n
n元函数,
x
0
∈
E
x_0\in E
x0∈E并且是
E
E
E的一个聚点,如果
lim
x
→
x
0
f
(
x
)
=
f
(
x
0
)
\lim_{x\to x_0}{f(x)}=f(x_0)
x→x0limf(x)=f(x0)
则称
f
(
x
)
f(x)
f(x)在
x
0
x_0
x0上连续,如果
f
(
x
)
f(x)
f(x)在
E
E
E上每个点都连续(如果是孤立点,则规定
f
(
x
)
f(x)
f(x)就在该点上连续),则称
f
(
x
)
f(x)
f(x)在
E
E
E上连续
类似于一维情形,高维情形的函数极限和点列极限也有如下的关系
定理13.9
f
(
x
)
f(x)
f(x)是定义在
E
E
E上的
n
n
n元函数,
x
0
∈
E
′
x_0\in E^\prime
x0∈E′,则
lim
x
→
x
0
f
(
x
)
=
A
\lim_{x\to x_0}{f(x)} = A
limx→x0f(x)=A的充分必要条件是对任意的
{
x
k
}
⊂
E
/
{
x
0
}
\{x_k\} \subset E/\{x_0\}
{xk}⊂E/{x0},
lim
k
→
∞
x
k
=
x
0
\lim_{k\to\infty}{x_k}=x_0
limk→∞xk=x0,都有
lim
n
→
∞
f
(
x
n
)
=
A
\lim_{n\to\infty}{f(x_n)}=A
n→∞limf(xn)=A
这是一个至关重要的定理,它表明了,多元情形下的函数收敛是各个方面的,全面的函数收敛,就体现在,不论如何选取点列
{
x
k
}
\{x_k\}
{xk},只要点列
{
x
k
}
\{x_k\}
{xk}是收敛到
x
0
x_0
x0的点,那么
{
f
(
x
k
)
}
\{f(x_k)\}
{f(xk)}一定收敛到
A
A
A,在一维情形下,趋向于某点,只有从右和从左两个方向,而高维情形下,却远远不止两个方向,就这个层面而言,多元微积分比一元微积分,又多了这个层面的复杂性。该定理是我们判断极限不存在的重要依据,只要取得两个点列,收敛的极限不一样,或者某个点列对应的函数值数列不收敛,就可以断定,多元函数的极限不存在。
但要判断某个多元函数的极限存在,用上面的定理是相当困难的,困难在要验证任意性,但是,只要我们确定了极限存在,就可以选取某一个特殊的点列,将问题转化为一元数列的收敛,这是这个定理的意义所在。
一维情形下函数极限的性质,可以原封不动地推广到高维情形,由于证明过程类似,我们仅列出定理,不作详细的证明。
定理13.10
(1)函数极限是唯一的
(2)(局部有界性)函数
f
(
x
)
f(x)
f(x)在某个过程的极限存在,那么在某个时刻之后函数是有界的
(3)(不等式性质)函数
f
(
x
)
f(x)
f(x)和
g
(
x
)
g(x)
g(x)在某个过程的极限存在,并且存在某个时刻,在该时刻之后,有
f
(
x
)
≤
g
(
x
)
f(x)\le{g(x)}
f(x)≤g(x),则
lim
f
(
x
)
≤
lim
g
(
x
)
\lim{f(x)}\le\lim{g(x)}
limf(x)≤limg(x)
(4)(不等式性质2)函数
f
(
x
)
f(x)
f(x)和
g
(
x
)
g(x)
g(x)在某个过程的极限存在,并且
lim
f
(
x
)
<
lim
g
(
x
)
\lim{f(x)}<\lim{g(x)}
limf(x)<limg(x),则存在某个时刻,在该时刻之后,有
f
(
x
)
<
g
(
x
)
f(x)<{g(x)}
f(x)<g(x)
(5)(局部保号性1)函数
f
(
x
)
f(x)
f(x)在某个过程的极限存在,在某个时刻之后,有
f
(
x
)
≤
0
(
≥
0
)
f(x)\le 0(\ge 0)
f(x)≤0(≥0),则
lim
f
(
x
)
≤
0
(
lim
f
(
x
)
≥
0
)
\lim{f(x)}\le 0(\lim{f(x)}\ge 0)
limf(x)≤0(limf(x)≥0)
(6)(局部保号性2)函数
f
(
x
)
f(x)
f(x)在某个过程的极限存在,
lim
f
(
x
)
>
0
(
lim
f
(
x
)
<
0
)
\lim{f(x)}> 0(\lim{f(x)}< 0)
limf(x)>0(limf(x)<0),则在某个时刻之后,有
f
(
x
)
>
0
(
<
0
)
f(x)> 0(<0)
f(x)>0(<0)
(7)函数极限的四则运算性质都成立
(8)(夹逼准则)函数
f
(
x
)
f(x)
f(x)和
g
(
x
)
g(x)
g(x)在某个过程的极限都等于
A
A
A,并且在该过程的某个时刻之后,都有
f
(
x
)
≤
h
(
x
)
≤
g
(
x
)
f(x)\le h(x) \le g(x)
f(x)≤h(x)≤g(x),则
h
(
x
)
h(x)
h(x)在该过程的极限存在,并且
lim
h
(
x
)
=
A
\lim{h(x)}=A
limh(x)=A
类似地,可以同一维情形一样,定义无穷小量和无穷大量,定义和性质类似,这里就不详细地列出\
下面,我们给出一些多元函数极限存在性判断以及求解的例子:
例13.1 设
f
(
x
,
y
)
=
x
y
x
2
−
y
2
x
2
+
y
2
f(x,y)=xy\frac{x^2-y^2}{x^2+y^2}
f(x,y)=xyx2+y2x2−y2,求证:
lim
(
x
,
y
)
→
(
0
,
0
)
f
(
x
,
y
)
=
0
\lim_{(x,y)\to (0,0)}{f(x,y)}=0
(x,y)→(0,0)limf(x,y)=0
证:
由三角不等式:
∣ x 2 − y 2 x 2 + y 2 ∣ ≤ ∣ x 2 x 2 + y 2 ∣ + ∣ y 2 x 2 + y 2 ∣ = 1 |\frac{x^2-y^2}{x^2+y^2}|\le |\frac{x^2}{x^2+y^2}|+|\frac{y^2}{x^2+y^2}|=1 ∣x2+y2x2−y2∣≤∣x2+y2x2∣+∣x2+y2y2∣=1因此:
∣ f ( x , y ) ∣ ≤ ∣ x y ∣ ≤ x 2 + y 2 2 |f(x,y)|\le |xy| \le \frac{x^2+y^2}{2} ∣f(x,y)∣≤∣xy∣≤2x2+y2对任意的 ε > 0 \varepsilon>0 ε>0,当 x 2 + y 2 < 2 ε \sqrt{x^2+y^2}<\sqrt{2\varepsilon} x2+y2<2ε时,就有
∣ f ( x , y ) ∣ < ε |f(x,y)|<\varepsilon ∣f(x,y)∣<ε
例13.2 f ( x , y ) = x y x 2 + y 2 f(x,y)=\frac{xy}{x^2+y^2} f(x,y)=x2+y2xy,证明 f ( x , y ) f(x,y) f(x,y)在 ( 0 , 0 ) (0,0) (0,0)处极限不存在
证:
x n = y n = 1 n x_n=y_n=\frac{1}{n} xn=yn=n1时,就有
f ( x n , y n ) = 1 2 f(x_n,y_n)=\frac{1}{2} f(xn,yn)=21故: f ( x n , y n ) → 1 2 f(x_n,y_n)\to \frac{1}{2} f(xn,yn)→21\
而 x n = 1 n , y n = 0 x_n=\frac{1}{n},y_n=0 xn=n1,yn=0时, f ( x n , y n ) = 0 f(x_n,y_n)=0 f(xn,yn)=0,因此, f ( x , y ) f(x,y) f(x,y)在 ( 0 , 0 ) (0,0) (0,0)
处不收敛。
累次极限和全面极限的区别
累次极限就是指对各个变元分别,累次地求极限。这样,就可以化成一元函数的极限来对多元函数进行求解,那么,能不能这样做呢?答案是否定的,原因是累次极限和全面极限没有必然的联系,下面我们会举例说明这点。
1.累次极限存在,全面极限不存在:
例13.3
f
(
x
,
y
)
=
x
y
x
2
+
y
2
f(x,y)=\frac{xy}{x^2+y^2}
f(x,y)=x2+y2xy,我们已经证明了其在
(
0
,
0
)
(0,0)
(0,0)处全面极限不存在,然而,当
y
≠
0
y\neq 0
y=0时,
lim
x
→
0
f
(
x
,
y
)
=
0
\lim_{x\to 0}{f(x,y)}=0
limx→0f(x,y)=0,从而
lim
y
→
0
lim
x
→
0
f
(
x
,
y
)
=
0
\lim_{y\to 0}\lim_{x\to 0}{f(x,y)}=0
y→0limx→0limf(x,y)=0累次极限存在,全面极限不存在
为什么会出现累次极限存在,全面极限不存在的情况呢?原因是因为累次极限只是其中的一种趋近方式,至少在二元情形下,趋向于某一个点的方向非常复杂,其中一种方向的极限,不能说明全面极限的存在。
2.全面极限存在,累次极限不存在
例13.4 f ( x , y ) = x sin 1 y f(x,y)=x\sin{\frac{1}{y}} f(x,y)=xsiny1在 ( 0 , 0 ) (0,0) (0,0)处全面极限为 0 0 0,而 x ≠ 0 x\neq 0 x=0时, lim y → 0 f ( x , y ) \lim_{y\to 0}{f(x,y)} limy→0f(x,y)不存在。
可见累次极限也不是单纯地从某一个方向的趋近,第一次累次极限不一定有意义,从而累次极限,也不一定存在,然而,全面极限确是可能存在的。
那么,两者到底有没有联系呢?实际上,如果两者都存在,那么,一定是相等的。
定理13.11 若
f
(
x
,
y
)
f(x,y)
f(x,y)在
(
x
0
,
y
0
)
(x_0,y_0)
(x0,y0)的某个去心邻域上有定义,当
y
≠
y
0
y\neq y_0
y=y0时,极限
lim
x
→
x
0
f
(
x
,
y
)
\lim_{x\to x_0}{f(x,y)}
x→x0limf(x,y)存在,如果并且
f
(
x
,
y
)
f(x,y)
f(x,y)在
(
x
0
,
y
0
)
(x_0,y_0)
(x0,y0)处极限也存在,那么极限
lim
y
→
y
0
l
i
m
x
→
x
0
f
(
x
,
y
)
\lim_{y\to y_0}lim_{x\to x_0}{f(x,y)}
y→y0limlimx→x0f(x,y)也存在
lim
(
x
,
y
)
→
(
x
0
,
y
0
)
f
(
x
,
y
)
=
lim
y
→
y
0
l
i
m
x
→
x
0
f
(
x
,
y
)
\lim_{(x,y)\to(x_0,y_0)}{f(x,y)}=\lim_{y\to y_0}lim_{x\to x_0}{f(x,y)}
(x,y)→(x0,y0)limf(x,y)=y→y0limlimx→x0f(x,y)
证:
设 lim ( x , y ) → ( x 0 , y 0 ) f ( x , y ) = A \lim_{(x,y)\to(x_0,y_0)}{f(x,y)}=A (x,y)→(x0,y0)limf(x,y)=A对任意的 ε > 0 \varepsilon>0 ε>0,存在 δ > 0 \delta>0 δ>0,当 0 < ( x − x 0 ) 2 + ( y − y 0 ) 2 < δ 0<\sqrt{(x-x_0)^2+(y-y_0)^2}<\delta 0<(x−x0)2+(y−y0)2<δ时,都有
∣ f ( x , y ) − A ∣ < ε |f(x,y)-A|<\varepsilon ∣f(x,y)−A∣<ε当 0 < ∣ y − y 0 ∣ < δ 0<|y-y_0|<\delta 0<∣y−y0∣<δ时,只要 0 < ∣ x − x 0 ∣ < δ 2 − ∣ y − y 0 ∣ 2 0<|x-x_0|<\delta^2-|y-y_0|^2 0<∣x−x0∣<δ2−∣y−y0∣2,就有
A − ε < f ( x , y ) < A + ε A-\varepsilon<f(x,y)<A+\varepsilon A−ε<f(x,y)<A+ε由极限的不等式性质
A − ε ≤ lim x → x 0 f ( x , y ) ≤ A + ε A-\varepsilon\le \lim_{x\to x_0}{f(x,y)} \le A+\varepsilon A−ε≤x→x0limf(x,y)≤A+ε这样就证明了:
lim ( x , y ) → ( x 0 , y 0 ) f ( x , y ) = lim y → y 0 l i m x → x 0 f ( x , y ) \lim_{(x,y)\to(x_0,y_0)}{f(x,y)}=\lim_{y\to y_0}lim_{x\to x_0}{f(x,y)} (x,y)→(x0,y0)limf(x,y)=y→y0limlimx→x0f(x,y)
在前面极限存在的情况下,只要累次极限存在(不论是何种求极限的次序),所求的结果都是一致的,然而,全面极限不存在的情况下,以不同的次序求累次极限,结果可能不同。
例13.5
f
(
x
,
y
)
=
y
x
2
+
y
f(x,y)=\frac{y}{x^2+y}
f(x,y)=x2+yy在
(
0
,
0
)
(0,0)
(0,0)处的极限不存在,但两个累次极限都存在
lim
y
→
0
f
(
x
,
y
)
=
0
\lim_{y\to 0}{f(x,y)}=0
y→0limf(x,y)=0
lim
x
→
0
f
(
x
,
y
)
=
1
\lim_{x\to 0}{f(x,y)}=1
x→0limf(x,y)=1
因此,不同求极限次序,得到的结果都不相同,反过来,如果在不同次序下求极限的结果不相同,那么累次极限一定不存在。这就是多元函数“方向全面”的含义。
多元连续函数及其性质
多元情形下连续函数的性质,和一元是类似的。只不过在一元情形下是“闭区间”上的连续函数,原因是,一元情形下,闭区域就等价于闭区间,而在多元情形下,闭区域却可以有纷繁复杂的几何图形,因此,我们再多元情形下,主要考察的是有界闭区域上的连续函数。
定理13.12
f
(
x
)
f(x)
f(x)和
g
(
x
)
g(x)
g(x)是都是定义在
E
E
E上的
n
n
n元函数,
x
0
x_0
x0在
E
E
E内并且是
E
E
E的聚点
(1)
f
(
x
)
f(x)
f(x)和
g
(
x
)
g(x)
g(x)在
x
0
x_0
x0上连续,则
f
(
x
)
±
g
(
x
)
f(x)\pm g(x)
f(x)±g(x)在
x
0
x_0
x0上连续
(2)
f
(
x
)
f(x)
f(x)和
g
(
x
)
g(x)
g(x)在
x
0
x_0
x0上连续,则
f
(
x
)
g
(
x
)
f(x)g(x)
f(x)g(x)在
x
0
x_0
x0上连续
(3)
f
(
x
)
f(x)
f(x)和
g
(
x
)
g(x)
g(x)在
x
0
x_0
x0上连续,
g
(
x
0
)
≠
0
g(x_0)\neq 0
g(x0)=0,则
f
(
x
)
g
(
x
)
\frac{f(x)}{g(x)}
g(x)f(x)在
x
0
x_0
x0上连续
其次,我们要考虑 n n n元函数的复合,只不过,在多元情形下,复合的情况比较复杂,下面,我们引入向量函数的概念。
定义13.10 R n R^n Rn上的点集 E E E到 R m R^m Rm上的映射称为 n n n元 m m m维向量函数
实际上,
n
n
n元
m
m
m维向量函数
g
g
g,可以看成
m
m
m个
n
n
n元函数组成一个向量,即:
g
(
x
1
,
⋯
,
x
n
)
=
(
g
1
(
x
1
,
⋯
,
x
n
)
,
⋯
,
g
m
(
x
1
,
⋯
,
x
m
)
)
g(x_1,\cdots,x_n)=(g_1(x_1,\cdots,x_n),\cdots,g_m(x_1,\cdots,x_m))
g(x1,⋯,xn)=(g1(x1,⋯,xn),⋯,gm(x1,⋯,xm))我们不是没有接触过向量函数,实际上,平面曲线的参数方程形式,就是一个
1
1
1元
2
2
2维向量函数。我们将向量函数的极限,定义为各个分量的多元函数的极限,向量函数在
x
0
x_0
x0上连续就定义为各个分量函数在
x
0
x_0
x0上连续。当然,你可以以度量的形式给出向量函数的极限和连续性,容易证明,两种极限和连续性的定义是等价的。
定理13.13
g
(
y
1
,
⋯
,
y
m
)
g(y_1,\cdots,y_m)
g(y1,⋯,ym)在
(
y
1
0
,
⋯
,
y
m
0
)
(y_1^0,\cdots,y_m^0)
(y10,⋯,ym0)的某个邻域
B
1
B_1
B1有定义且在
(
y
1
0
,
⋯
,
y
m
0
)
(y_1^0,\cdots,y_m^0)
(y10,⋯,ym0)处连续,
n
n
n元
m
m
m维向量函数
f
(
x
1
,
⋯
,
x
n
)
f(x_1,\cdots,x_n)
f(x1,⋯,xn)在
(
x
1
0
,
⋯
,
x
n
0
)
(x_1^0,\cdots,x_n^0)
(x10,⋯,xn0)的某个邻域
B
2
B_2
B2上有定义,并且在
(
x
1
0
,
⋯
,
x
n
0
)
(x_1^0,\cdots,x_n^0)
(x10,⋯,xn0)上连续,同时,满足:
(1)
f
(
x
1
0
,
⋯
,
x
n
0
)
=
(
y
1
0
,
⋯
,
y
m
0
)
f(x_1^0,\cdots,x_n^0)=(y_1^0,\cdots,y_m^0)
f(x10,⋯,xn0)=(y10,⋯,ym0)
(2)
f
(
B
2
)
⊂
B
1
f(B_2)\subset B_1
f(B2)⊂B1
则
g
(
f
(
x
1
,
⋯
,
x
n
)
)
g(f(x_1,\cdots,x_n))
g(f(x1,⋯,xn))在
(
x
1
0
,
⋯
,
x
n
0
)
(x_1^0,\cdots,x_n^0)
(x10,⋯,xn0)上连续
该定理的证明,和一维情形完全类似,只不过引入了向量函数的连续性的概念,这里给出详细的证明。
类似于一元函数情形,多元函数也有类似于一元函数的性质:
定理13.14 n n n维欧式空间上有界闭集上的连续函数是有界的,并且可取得最大值和最小值
定理13.15 n n n维欧式空间上有界闭集上的连续函数是一致连续的
定理13.16 n n n维欧式空间上有界闭区域上的连续函数值域是一个闭区间
这三个定理是我们求多元函数最值的重要依据。