数学分析笔记13：高维欧式空间与多元连续函数

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$|x_n-x_0|\to 0$。在高维空间上，也有类似于绝对值的概念，实际上，$|a-b|$可以表示为线段$a$到$b$的长度，$|x|$就是$0$到$x$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$n$维欧式空间中，长度的定义是：
$$||(x_1,\cdots ,x_n)||=\sqrt{\sum _{k=1}^n{x}_k^2}$$我们把$n$维向量就简记为$x$，长度就记为$||x||$，两个n维空间的点的距离就定义为$$|x_1-x_2||$$
$n$维欧式空间上长度有如下性质：
(1)$||x||\ge 0$，并且$||x||=0$的充要条件为$x=0$
(2)对任意的实数$a$，$||ax||=|a|||x||$
(3)$||x+y||\le ||x||+||y||$
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$d(x,y)=||x-y||$，就有如下性质：
(4)$d(x,y)\ge 0$，$d(x,y)=0$的充要条件是$x=y$
(5)$d(x,z)\le d(x,y)+d(y,z)$
实际上，满足(1)-(3)的函数$||.||$称为范数，满足(4)-(5)的二元函数$d(x,y)$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 $R^n$为$n$维欧式空间，$x_0\in R$，$\delta >0$，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$x_0$为中心，$\delta$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$||.|{|}_1,||.|{|}_2$是$R^n$的两个度量，那么，存在正数$c_1,c_2>0$，对任意的$x\in R^n$，都有
$$c_1||x|{|}_1\le ||x|{|}_2\le c_2||x|{|}_2$$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$R^n$上的点列，如果存在$x_0\in R^n$，对任意的$\epsilon >0$，存在正整数$K$，$k\ge K$，都有
$$||x_k-x_0||<\epsilon$$记为
$$\underset{k\to \infty }{\lim }{x}_k=x_0$$

按照上面的定义，实际上，${\lim }_{k\to \infty }{x}_k=x_0$等价于${\lim }_{k\to \infty }||x_0-x_k||=0$。更一般地，假设：$x=(x^{(1)},x^{(2)},\cdots ,x^{(n)})$，这样，有
$$\underset{1\le i\le n}{\max }(|x^{(i)}|)\le ||x||\le \sqrt{n}\underset{1\le i\le n}{\max }(|x^{(i)}|)$$如果$||x_k||\to 0$,那么，${\max }_{1\le i\le n}(|x_k^{(i)}|)\to 0$，这就说明了，如果$x_k\to x_0$，那么，$x_k$各分量都收敛到$x_0$的各分量，反过来也成立。也就是说，$n$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

$n$维欧式空间$R^n$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 $E$是$n$维欧式空间的点集，$x_0\in R^n$
(1)如果存在$\delta >0$，$B(x_0,\delta )\subset E$，$x_0$称为$E$的内点，全体内点的集合称为$E$的内部
(2)如果对任意的$\delta >0$，$B(x_0,\delta )\cap E\ne \varnothing$，$B(x_0,\delta )\cap E^c\ne \varnothing$，则称$x_0$是$E$的边界点，全体边界点的集合称为$E$的边界
(3)如果存在$\delta >0$，$B(x_0,\delta )\subset E^c$，则称$x_0$是$E$的外点，全体外点的集合称为$E$的外部

定义13.4 $E$是$n$维欧式空间的点集，如果$E$的每个点都是$E$的内点，则称$E$是开集，补集是开集的点集称为闭集

定理13.1 $n$维欧式空间上的开集有如下性质：
(1)$\varnothing$和$R^n$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 $n$维欧式空间上的闭集有如下性质：
(1)$\varnothing$和$R^n$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 $E$是$n$维欧式空间的点集，$x_0\in R^n$，如果$x_0$的任意去心邻域都有$E$的点，即：$\forall \delta >0$
B ( x 0 , δ ) / { x 0 } ∩ E ≠ ∅ B(x_0,\delta)/\{x_0\} \cap E \neq \emptyset B(x0​,δ)/{x0​}∩E​=∅则称$x_0$是$E$的聚点，全体聚点的集合称为$E$的导集，记为$E^{\prime }$，集合$\overline{E}=E\cup E^{\prime }$称为$E$的闭包

定理13.3 $E$是$n$维欧氏空间上的点集
(1)$E$是闭集的充要条件是$E^{\prime }\subset E$
(2)$E$是闭集的充要条件是$E=\overline{E}$

现在，我们要引入连通性的概念。

定义13.6 $E$是$R^n$上的点集，如果$E$的任意两点都有一条折线，这两个折线上每一点都在$E$内，则称$E$为连通集，$E$既是连通集，又是开集，则称$E$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$0$点的邻域，能将集合盖住。同样地，可以定义$n$维欧式空间的有界集。

定义13.7 $E$是$n$维欧式空间上的点集，如果存在$M>0$，$E\subset B(0,M)$，则称$E$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$n$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) $R^n$是完备的，即 { x k } \{x_k\} {xk​}是收敛列的充要条件是：$\forall \epsilon >0$，$\exists K\ge 1$，$k_1,k_2\ge K$时，都有
$$||x_{k_1}-x_{k_2}||<\epsilon$$

定理13.5 $R^n$的任意有界无穷集都有聚点

定理13.6 $R^n$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$R^n$的有界闭集列，满足：
(1)$diam(E_k)\to 0$
(2) { E k } \{E_k\} {Ek​}是渐降列
存在唯一的$x_0\in R^n$，$x_0\in {\cap }_{k=1}^{\infty }{E}_k$

定理13.8(有限覆盖定理) $E\subset R^n$是有界闭集， S = { F t , t ∈ T } S=\{F_t,t\in T\} S={Ft​,t∈T}是$E$的开覆盖，那么一定存在有限个$F_1,F_2,\cdots ,F_n\in S$
$$E\subset {\cup }_{k=1}^n{F}_k$$

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$n$欧式空间上的函数，就记为$f(x_1,\cdots ,x_n)$。定义域是$n$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 $f(x)$是一个定义在$E$上的$n$元函数，如果$x_0\in E^{\prime }$，存在实数$A$，对任意的$\epsilon >0$，存在$\delta >0$，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
$$|f(x)-A|<\epsilon$$
则称$f(x)$在$x\to x_0$过程中收敛，$A$是$f(x)$在$x\to x_0$过程的极限，记为
$$\underset{x\to x_0}{\lim }f(x)=A$$

同样地，可以定义$f(x)$在某点的连续性：

定义13.9 $f(x)$是定义在$E$上的$n$元函数，$x_0\in E$并且是$E$的一个聚点，如果$$\underset{x\to x_0}{\lim }f(x)=f(x_0)$$
则称$f(x)$在$x_0$上连续，如果$f(x)$在$E$上每个点都连续（如果是孤立点，则规定$f(x)$就在该点上连续），则称$f(x)$在$E$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 $f(x)$是定义在$E$上的$n$元函数，$x_0\in E^{\prime }$，则${\lim }_{x\to x_0}f(x)=A$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​}，${\lim }_{k\to \infty }{x}_k=x_0$，都有
$$\underset{n\to \infty }{\lim }f(x_n)=A$$

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$x_0$的点，那么 { f ( x k ) } \{f(x_k)\} {f(xk​)}一定收敛到$A$，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$f(x)$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$f(x)$和$g(x)$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$f(x)\le g(x)$，则
$\lim f(x)\le \lim g(x)$
(4)(不等式性质2)函数$f(x)$和$g(x)$在某个过程的极限存在，并且$\lim f(x)<\lim g(x)$，则存在某个时刻，在该时刻之后，有$f(x)<g(x)$
(5)(局部保号性1)函数$f(x)$在某个过程的极限存在，在某个时刻之后，有$f(x)\le 0(\ge 0)$，则$\lim f(x)\le 0(\lim f(x)\ge 0)$
(6)(局部保号性2)函数$f(x)$在某个过程的极限存在，$\lim f(x)>0(\lim f(x)<0)$，则在某个时刻之后，有$f(x)>0(<0)$
(7)函数极限的四则运算性质都成立
(8)(夹逼准则)函数$f(x)$和$g(x)$在某个过程的极限都等于$A$，并且在该过程的某个时刻之后，都有$f(x)\le h(x)\le g(x)$，则$h(x)$在该过程的极限存在，并且$\lim h(x)=A$

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$f(x,y)=xy\frac{x^2-y^2}{x^2+y^2}$，求证：
$$\underset{(x,y)\to (0,0)}{\lim }f(x,y)=0$$

证：
由三角不等式：
$$|\frac{x^2-y^2}{x^2+y^2}|\le |\frac{x^2}{x^2+y^2}|+|\frac{y^2}{x^2+y^2}|=1$$因此：
$$|f(x,y)|\le |xy|\le \frac{x^2+y^2}{2}$$对任意的$\epsilon >0$，当$\sqrt{x^2+y^2}<\sqrt{2\epsilon }$时，就有
$$|f(x,y)|<\epsilon$$

例13.2 $f(x,y)=\frac{xy}{x^2+y^2}$，证明$f(x,y)$在$(0,0)$处极限不存在

证：
$x_n=y_n=\frac{1}{n}$时，就有
$$f(x_n,y_n)=\frac{1}{2}$$故：$f(x_n,y_n)\to \frac{1}{2}$\
而$x_n=\frac{1}{n},y_n=0$时，$f(x_n,y_n)=0$，因此，$f(x,y)$在$(0,0)$
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 $f(x,y)=\frac{xy}{x^2+y^2}$，我们已经证明了其在$(0,0)$处全面极限不存在，然而，当$y\ne 0$时，${\lim }_{x\to 0}f(x,y)=0$，从而
$$\underset{y\to 0}{\lim }\underset{x\to 0}{\lim }f(x,y)=0$$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 $f(x,y)=x\sin \frac{1}{y}$在$(0,0)$处全面极限为$0$，而$x\ne 0$时，${\lim }_{y\to 0}f(x,y)$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$f(x,y)$在$(x_0,y_0)$的某个去心邻域上有定义，当$y\ne y_0$时，极限
$$\underset{x\to x_0}{\lim }f(x,y)$$存在，如果并且$f(x,y)$在$(x_0,y_0)$处极限也存在，那么极限
$$\underset{y\to y_0}{\lim }li{m}_{x\to x_0}f(x,y)$$也存在
$$\underset{(x,y)\to (x_0,y_0)}{\lim }f(x,y)=\underset{y\to y_0}{\lim }li{m}_{x\to x_0}f(x,y)$$

证：
设$$\underset{(x,y)\to (x_0,y_0)}{\lim }f(x,y)=A$$对任意的$\epsilon >0$，存在$\delta >0$，当$0<\sqrt{(x-x_0{)}^2+(y-y_0{)}^2}<\delta$时，都有
$$|f(x,y)-A|<\epsilon$$当$0<|y-y_0|<\delta$时，只要$0<|x-x_0|<{\delta }^2-|y-y_0{|}^2$，就有
$$A-\epsilon <f(x,y)<A+\epsilon$$由极限的不等式性质
$$A-\epsilon \le \underset{x\to x_0}{\lim }f(x,y)\le A+\epsilon$$这样就证明了：
$$\underset{(x,y)\to (x_0,y_0)}{\lim }f(x,y)=\underset{y\to y_0}{\lim }li{m}_{x\to x_0}f(x,y)$$

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 $f(x,y)=\frac{y}{x^2+y}$在$(0,0)$处的极限不存在，但两个累次极限都存在
$$\underset{y\to 0}{\lim }f(x,y)=0$$$$\underset{x\to 0}{\lim }f(x,y)=1$$

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 $f(x)$和$g(x)$是都是定义在$E$上的$n$元函数，$x_0$在$E$内并且是$E$的聚点
(1)$f(x)$和$g(x)$在$x_0$上连续，则$f(x)\pm g(x)$在$x_0$上连续
(2)$f(x)$和$g(x)$在$x_0$上连续，则$f(x)g(x)$在$x_0$上连续
(3)$f(x)$和$g(x)$在$x_0$上连续,$g(x_0)\ne 0$，则$\frac{f(x)}{g(x)}$在$x_0$上连续

其次，我们要考虑$n$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 $R^n$上的点集$E$到$R^m$上的映射称为$n$元$m$维向量函数

实际上，$n$元$m$维向量函数$g$，可以看成$m$个$n$元函数组成一个向量，即：
$$g(x_1,\cdots ,x_n)=(g_1(x_1,\cdots ,x_n),\cdots ,g_m(x_1,\cdots ,x_m))$$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$1$元$2$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$x_0$上连续就定义为各个分量函数在$x_0$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 $g(y_1,\cdots ,y_m)$在$(y_1^0,\cdots ,y_m^0)$的某个邻域$B_1$有定义且在$(y_1^0,\cdots ,y_m^0)$处连续，$n$元$m$维向量函数$f(x_1,\cdots ,x_n)$在$(x_1^0,\cdots ,x_n^0)$的某个邻域$B_2$上有定义，并且在$(x_1^0,\cdots ,x_n^0)$上连续，同时，满足：
(1)$f(x_1^0,\cdots ,x_n^0)=(y_1^0,\cdots ,y_m^0)$
(2)$f(B_2)\subset B_1$
则$g(f(x_1,\cdots ,x_n))$在$(x_1^0,\cdots ,x_n^0)$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 $n$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 $n$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 $n$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。