# 度量空间

定义
XX 为非空集合
若映射 d:X×XRd:X \times X \to \mathbb R 满足

  1. x,yX,d(x,y)0{}^\forall x,y \in X,\ d(x,y) \geq 0,并且:当且仅当 x=yx=yd(x,y)=0d(x,y)=0
  2. x,yX,d(x,y)=d(y,x){}^\forall x,y \in X,\ d(x,y) = d(y,x)
  3. x,y,zX,d(x,z)d(x,y)+d(y,z){}^\forall x,y,z \in X,\ d(x,z) \leq d(x,y) + d(y,z)

则称 ddXX 上的 度量函数 (metric function)「距離関数」
(X,d)(X,d)度量空间 (metric space)「距離空間」

示例
Rn\mathbb R^n 中,有数个经典的度量函数

  1. Manhattan 距离 d1(n)(x,y):=i=1nxiyid_1^{(n)}(x, y) := \sum\limits_{i=1}^n |x_i - y_i|
  2. Euclidean 距离 d2(n)(x,y):=i=1n(xiyi)2d_2^{(n)}(x, y) := \sqrt{\sum\limits_{i=1}^n (x_i - y_i)^2}
  3. Chebyshev 距离 d(n)(x,y):=max1inxiyid_\infty^{(n)}(x, y) := \max\limits_{1 \leq i \leq n} |x_i - y_i|
证明

简单验证各条性质即可
\square

示例
XX 为任意非空集合,则称映射

d(x,y):={0,x=y1,xyd(x,y) := \begin{cases}0,& x=y\\1,& x \neq y\end{cases}

XX 上的离散度量函数

证明

任取 x,y,zXx,y,z \in X,显然 dd 满足度量函数的三条性质
\square


基于度量函数,可以构造一个确定的拓扑结构

对于任意非空集合 XX
如同在开基的章节构造出拓扑一样,我们先自然地定义基本细胞单位:邻域

N(x,ε):={yXd(x,y)<ε}N(x,\varepsilon) := \{y \in X \mid d(x,y) < \varepsilon\}

并生成拓扑结构

Od={AP(X)aA,ε>0,s.t.N(a,ε)A}\mathcal O_d = \{ A \in \mathcal{P}(X) \mid {}^\forall a \in A,{}^\exists \varepsilon \gt 0,\ s.t. \ N(a,\varepsilon) \subset A \}

此时,(X,Od)(X,\mathcal O_d) 成为拓扑空间,称为由度量函数 dd 导出的 度量拓扑 (metric topology)「距離位相」

我们熟知的实数,复数空间 Rn,Cn\mathbb R^n,\mathbb C^n 中的标准拓扑,均为由 Euclidean 距离导出的度量拓扑


以下回顾拓扑中基本概念的定义与结论,并给出在度量空间中的等价版本

(X,d)(X,d) 为度量空间,AXA \subset X

  • aXa \in XAA内点 (Interior Point)「内点」 \stackrel{def}

ε>0,s.t.N(a,ε)A{}^\exists \varepsilon \gt 0,\quad s.t. \quad N(a,\varepsilon) \subset A

  • aXa \in XAA外点 (Exterior Point)「外点」 \stackrel{def}

ε>0,s.t.N(a,ε)A={}^\exists \varepsilon \gt 0,\quad s.t. \quad N(a,\varepsilon) \cap A = \emptyset

  • aXa \in XAA边界点 (Boundary Point)「边界点」 \stackrel{def}

ε>0,s.t.N(a,ε)A,N(a,ε)Ac{}^\forall \varepsilon \gt 0,\quad s.t. \quad N(a,\varepsilon) \cap A \neq \emptyset,\ N(a,\varepsilon) \cap A^c \neq \emptyset

  • aXa \in XAA触点 (Adherent Point)「触点」 \stackrel{def}

ε>0,s.t.N(a,ε)A{}^\forall \varepsilon \gt 0,\quad s.t. \quad N(a,\varepsilon) \cap A \neq \emptyset

二级概念

  • AA内点 全体为 AA内部 (Interior)「内部」,记作 AiA^i
  • AA外点 全体为 AA外部 (Exterior)「外部」,记作 AeA^e
  • AA边界点 全体为 AA边界 (Frontier/Boundary)「边界」,记作 AfA^f
  • AA触点 全体为 AA闭包 (Closure)「閉包」,记作 A\overline A

数个拓扑空间中的结论,在度量空间中同样成立(仅作提醒,不予证明)

  • AOdA=AiA \in \mathcal O_d \iff A = A^i
  • AFdA=AA \in \mathcal F_d \iff A = \overline A
  • (Ai)i=Ai(A^i)^i = A^i
  • (A)=A\overline{(\overline A)} = \overline A
  • (AB)i=AiBi(A \cap B)^i = A^i \cap B^i
  • AB=AB\overline{A \cup B} = \overline A \cup \overline B
  • AiA^i 是被 AA 包含的最大开集
  • A\overline A 是包含 AA 的最小闭集
  • 开集的补集为闭集,闭集的补集为开集

在度量空间上,映射的连续性可以有新的等价定义方式

命题
(X,dX),(Y,dY)(X,d_X),(Y,d_Y) 为度量空间,映射 f:XYf:X \to Y,以下命题等价

  1. 映射 ff 在点 aXa \in X 处连续
  2. ε>0,δ>0,s.t.f(NX(a,δ))NY(f(a),ε){}^\forall \varepsilon \gt 0,\ {}^\exists \delta \gt 0,\ s.t.\ f(N_X(a,\delta)) \subset N_Y(f(a),\varepsilon)
  3. ε>0,δ>0,s.t.NX(a,δ)f1(NY(f(a),ε)){}^\forall \varepsilon \gt 0,\ {}^\exists \delta \gt 0,\ s.t.\ N_X(a,\delta) \subset f^{-1}(N_Y(f(a),\varepsilon))
  4. ε>0,s.t.f1(NY(f(a),ε))NX(a){}^\forall \varepsilon \gt 0,\ s.t. \ f^{-1}(N_Y(f(a),\varepsilon)) \in \mathcal N_X(a)
  5. UNY(f(a)),s.t.f1(U)NX(a){}^\forall U \in \mathcal N_Y(f(a)),\ s.t. \ f^{-1}(U) \in \mathcal N_X(a)
证明(省略)

命题
(X,dX),(Y,dY)(X,d_X),(Y,d_Y) 为度量空间,映射 f:XYf:X \to Y,以下命题等价

  1. 映射 ff 连续
  2. OOY,s.t.f1(O)OX{}^\forall O \in \mathcal O_Y,\ s.t. \ f^{-1}(O) \in \mathcal O_X
  3. FFY,s.t.f1(F)FX{}^\forall F \in \mathcal F_Y,\ s.t. \ f^{-1}(F) \in \mathcal F_X
证明(省略)

度量空间具有数个良好的拓扑性质

命题
度量空间是 Hausdorff 空间

证明

令距离拓扑空间 (X,Od),x,yX,xy(X,\mathcal O_d),\ x,y \in X,\ x \neq y
ε:=d(x,y)2>0\varepsilon := \frac{d(x,y)}{2} > 0
此时显然

xN(x,ε),yN(y,ε)x \in N(x,\varepsilon),\ y \in N(y,\varepsilon)

现验证不交,假设 zN(x,ε)N(y,ε)z \in N(x,\varepsilon) \cap N(y,\varepsilon),则

d(x,y)d(x,z)+d(z,y)<ε+ε=d(x,y)d(x,y) \leq d(x,z) + d(z,y) < \varepsilon + \varepsilon = d(x,y)

从而矛盾,故 N(x,ε)N(y,ε)=N(x,\varepsilon) \cap N(y,\varepsilon) = \emptyset,即度量空间满足 Hausdorff 公理
\square

命题
度量空间满足第一可数公理

证明

(X,d)(X,d) 为距离空间,对于任意 xXx \in X,取

B(x):={N(x,1n)nN}\mathcal B(x) := \{N(x,\frac{1}{n}) \mid n \in \mathbb N\}

则显然其至多可数,现验证其为邻域基
任取 UN(x)U \in \mathcal N(x),则根据邻域的定义,存在 ε>0\varepsilon \gt 0,使得 N(x,ε)UN(x,\varepsilon) \subset U
取自然数 nn,使得 1n<ε\frac{1}{n} \lt \varepsilon,则有

N(x,1n)N(x,ε)UN(x,\frac{1}{n}) \subset N(x,\varepsilon) \subset U

B(x)\mathcal B(x) 成为 xx 的至多可数邻域基
\square

命题
度量空间是正规空间

证明

(X,d)(X,d) 为度量空间,则已知其为 Hausdorff 空间,自然满足 T1T_1 公理,需证明其满足 T4T_4 公理
取不交闭集 A,BXA,B \subset X,则 ABcOdA \subset B^c \in \mathcal O_d

对于任意 aAa \in A,度量空间中的开集性质给出

εa>0,s.t.N(a,εa)BcN(a,εa)B={}^\exists \varepsilon_a \gt 0,\quad s.t.\quad N(a,\varepsilon_a) \subset B^c \implies N(a,\varepsilon_a) \cap B = \emptyset

同样,对于任意 bBb \in B

δb>0,s.t.N(b,δb)AcN(b,δb)A={}^\exists \delta_b \gt 0,\quad s.t.\quad N(b,\delta_b) \subset A^c \implies N(b,\delta_b) \cap A = \emptyset

{U:=aAN(a,εa2)OdV:=bBN(b,δb2)Od\begin{cases} U := \bigcup\limits_{a \in A} N(a,\dfrac{\varepsilon_a}{2}) \in \mathcal O_d \\ V := \bigcup\limits_{b \in B} N(b,\dfrac{\delta_b}{2}) \in \mathcal O_d \end{cases}

则显然 AU,BVA \subset U,\ B \subset V,现验证 UV=U \cap V = \emptyset
取任意 cUVc \in U \cap V,则存在 aA,bBa \in A,\ b \in B,使得

cN(a,εa2)N(b,δb2)c \in N(a,\dfrac{\varepsilon_a}{2}) \cap N(b,\dfrac{\delta_b}{2})

则由三角不等式,有

d(a,b)d(a,c)+d(c,b)<εa2+δb2max{εa,δb}d(a,b) \leq d(a,c) + d(c,b) < \frac{\varepsilon_a}{2} + \frac{\delta_b}{2} \leq \max{\{\varepsilon_a, \delta_b\}}

但此时有

{N(a,εa)B=d(a,b)εaN(b,δb)A=d(a,b)δb\begin{cases} N(a,\varepsilon_a) \cap B = \emptyset \implies d(a,b) \geq \varepsilon_a \\ N(b,\delta_b) \cap A = \emptyset \implies d(a,b) \geq \delta_b \end{cases}

从而 d(a,b)max{εa,δb}d(a,b) \geq \max{\{\varepsilon_a, \delta_b\}},与上式矛盾,故 UV=U \cap V = \emptyset,即度量空间满足正规空间的定义
\square

# 度量化

任何的度量函数都一定可以基于上述方法导出度量拓扑
但是反过来,拓扑空间不一定可以抽象出度量函数
研究在何种条件下,拓扑空间可以导出度量函数,是本节的核心课题 (度量化问题)
也就是说,给定拓扑空间 (X,O)(X,\mathcal O),是否存在度量函数 dd,使得 Od=O\mathcal O_d = \mathcal O

示例

  1. 离散拓扑 (X,P(X))(X,\mathcal{P}(X)) 一定可以度量化
  2. 密着拓扑 (X,{,X})(X,\{\emptyset,X\}) 除非 XX 为单点集,否则一定不能度量化

定理 Urysohn 的度量化定理
满足第二可数公理的正规空间一定可以度量化

证明(较长)

证明纲要

  • 第二可数公理给出至多可数的开基,并用自然数列控制编号
  • 正规空间满足 T4T_4,通过 Urysohn 引理构造出一列连续函数族 {fn:X[0,1]}\{f_n:X \to [0,1]\} \quad
  • 利用该函数族构造出 d:X×XRd:X \times X \to \mathbb R,并验证其为度量函数
  • 验证 Od=O\mathcal O_d = \mathcal O

(X,O)(X,\mathcal O) 为满足第二可数公理的正规空间,以下开始证明

开基编号
由于 (X,O)(X,\mathcal O) 满足第二可数公理,故存在至多可数的开基 B\mathcal B
现在,取开基元 U,VBU, V \in \mathcal B,使其满足

UV\overline U \subset V

由于 B\mathcal B 至多可数,故满足上述条件的全体组合

M:={(U,V)U,VB{,X},UV}M := \{ (U, V) \mid U,V \in \mathcal B \setminus \{\emptyset, X\},\ \overline U \subset V \}

也是至多可数的

建立其与自然数集 N\mathbb N 之间的双射编号关系,即改写为

M={(Un,Vn)nN,Un,VnB{,X},UnVn}M = \{(U_n, V_n) \mid n \in \mathbb N,\ U_n, V_n \in \mathcal B \setminus \{\emptyset, X\},\ \overline{U_n} \subset V_n \}

此时,对各个序号 nnUn,Vnc\overline{U_n}, V_n^c 都为不交的非空闭集

应用 Urysohn 引理
由于 (X,O)(X,\mathcal O) 为正规空间,所以满足 T4T_4 公理,进入 Urysohn 引理的射程范围内
对于不交的非空闭集 Un,Vnc\overline{U_n}, V_n^c,根据 Urysohn 引理,存在实连续映射

fn:X[0,1],s.t.fn(Un)={0},fn(Vnc)={1}f_n:X \to [0,1], \quad s.t. \quad f_n(\overline{U_n}) = \{0\},\ f_n(V_n^c) = \{1\}

构造度量函数
定义映射

d:X×XR,s.t.d(x,y):=n=1fn(x)fn(y)2nd:X \times X \to \mathbb R,\quad s.t.\quad d(x,y) := \sum_{n=1}^\infty \frac{|f_n(x) - f_n(y)|}{2^n}

以下证明 dd 为度量函数

任取 x,y,zXx,y,z \in X
由绝对值的定义,显然有 d(x,y)0d(x,y) \geq 0
现在验证 d(x,y)=0x=yd(x,y) = 0 \iff x = y
x=yx = y,则显然 d(x,y)=0d(x,y) = 0

(Hausdorff 包含链)
xyx \neq y,由于正规空间 \implies Hausdorff 空间,所以对于异点 x,yx,y

Hx,HyO,s.t.xHx,yHy,HxHy={}^\exists H_x, H_y \in \mathcal O,\quad s.t.\quad x \in H_x,\ y \in H_y,\ H_x \cap H_y = \emptyset

由于 B\mathcal B 为开基,所以对于 xHxx \in H_x

B1B,s.t.xB1Hx{}^\exists B_1 \in \mathcal B,\quad s.t.\quad x \in B_1 \subset H_x

(Regular 包含链)
此时,有 x∉B1cx \not\in B_1^c
由于正规空间 \implies 正则空间,所以满足 T3T_3 公理,对于点 xx 与闭集 B1cB_1^c 的分离性

Rx,RB1cO,s.t.xRx,B1cRB1c,RxRB1c={}^\exists R_x, R_{B_1^c} \in \mathcal O,\quad s.t.\quad x \in R_x,\ B_1^c \subset R_{B_1^c},\ R_x \cap R_{B_1^c} = \emptyset

由于 B\mathcal B 为开基,所以对于 xRxx \in R_x

B2B,s.t.xB2Rx{}^\exists B_2 \in \mathcal B,\quad s.t.\quad x \in B_2 \subset R_x

统合结果
此时存在包含链,注意仅 RB1ccR_{B_1^c}^c 为闭集,也注意 B1cRB1cRB1ccB1B_1^c \subset R_{B_1^c} \implies R_{B_1^c}^c \subset B_1

xB2Rx(RB1c)cB1Hxx \in B_2 \subset R_x \subset (R_{B_1^c})^c \subset B_1 \subset H_x

所以,对于包含关系 B2B1\overline{B_2} \subset B_1,存在序号 mNm \in \mathbb N,使得 (Um,Vm)=(B2,B1)(U_m,V_m) = (B_2, B_1)

回顾函数列 fmf_m 的定义,对于我们最开始规定的 xyx \neq y,有

  • xUmUmx \in U_m \subset \overline{U_m},所以 fm(x)=0f_m(x) = 0
  • y∉VmyVmcy \not\in V_m \implies y \in V_m^c,所以 fm(y)=1f_m(y) = 1

那么,距离

d(x,y)=n=1fn(x)fn(y)2n12m>0d(x,y) = \sum_{n=1}^\infty \frac{|f_n(x) - f_n(y)|}{2^n} \geq \frac{1}{2^m} > 0

所以 xyd(x,y)>0x \neq y \implies d(x,y) > 0
取对偶得到 d(x,y)=0x=yd(x,y) = 0 \implies x = y

综上所述,dd 满足度量函数的第一条定义

接下来验证对称性与三角不等式

d(y,x)=n=1fn(y)fn(x)2n=n=1fn(x)fn(y)2n=d(x,y)d(y,x) = \sum_{n=1}^\infty \frac{|f_n(y) - f_n(x)|}{2^n} = \sum_{n=1}^\infty \frac{|f_n(x) - f_n(y)|}{2^n} = d(x,y)

d(x,z)=n=1fn(x)fn(z)2nn=1fn(x)fn(y)+fn(y)fn(z)2n=n=1fn(x)fn(y)2n+n=1fn(y)fn(z)2n=d(x,y)+d(y,z)\begin{aligned} d(x,z) &= \sum_{n=1}^\infty \frac{|f_n(x) - f_n(z)|}{2^n} \\ &\leq \sum_{n=1}^\infty \frac{|f_n(x) - f_n(y)| + |f_n(y) - f_n(z)|}{2^n} \\ &= \sum_{n=1}^\infty \frac{|f_n(x) - f_n(y)|}{2^n} + \sum_{n=1}^\infty \frac{|f_n(y) - f_n(z)|}{2^n} \\ &= d(x,y) + d(y,z) \end{aligned}

所以,dd 满足度量函数的三条定义,成为度量函数

验证拓扑相等
最后证明 Od=O\mathcal O_d = \mathcal O

(OOd\mathcal O \subset \mathcal O_d)
OOO \in \mathcal O
对于任意点 aOa \in O,其与闭集 OcO^c 的分离性由 T3T_3 公理给出:

Oa,OOcO,s.t.aOa,OcOOc,OaOOc={}^\exists O_a, O_{O^c} \in \mathcal O,\quad s.t.\quad a \in O_a,\ O^c \subset O_{O^c},\ O_a \cap O_{O^c} = \emptyset

由于 B\mathcal B 为开基,所以对于 aOaa \in O_a

O1B,s.t.aO1Oa{}^\exists O_1 \in \mathcal B,\quad s.t.\quad a \in O_1 \subset O_a

进一步,再对于 aa 与闭集 BacB_a^c 的分离性,给出

Oa,OO1cO,s.t.aOa,O1cOO1c,OaOO1c={}^\exists O_a', O_{O_1^c}' \in \mathcal O,\quad s.t.\quad a \in O_a',\ O_1^c \subset O_{O_1^c}',\ O_a' \cap O_{O_1^c}' = \emptyset

由于 B\mathcal B 为开基,所以对于 aOaa \in O_a'

O2B,s.t.aO2Oa{}^\exists O_2 \in \mathcal B,\quad s.t.\quad a \in O_2 \subset O_a'

此时具有包含链,注意 O1cOO1c(OO1c)cO1O_1^c \subset O_{O_1^c}' \implies (O_{O_1^c}')^c \subset O_1

aO2Oa(OO1c)cO1Oaa \in O_2 \subset O_a' \subset (O_{O_1^c}')^c \subset O_1 \subset O_a

所以,对于包含关系 O2O1\overline{O_2} \subset O_1,存在序号 N\ell \in \mathbb N,使得 (U,V)=(O2,O1)(U_\ell,V_\ell) = (O_2, O_1)

现在考虑度量空间中的邻域 N(a,12)N(a, \frac{1}{2^\ell})

对于任意 bVcb \in V_\ell^c,有 f(b)=1f_\ell(b) = 1
aUUa \in U_\ell \subset \overline{U_\ell},所以 f(a)=0f_\ell(a) = 0
那么,距离

d(a,b)=n=1fn(a)fn(b)2nf(a)f(b)2=12d(a,b) = \sum_{n=1}^\infty \frac{|f_n(a) - f_n(b)|}{2^n} \geq \frac{|f_\ell(a) - f_\ell(b)|}{2^\ell} = \frac{1}{2^\ell}

所以,任意 bVcb \in V_\ell^c 都不在邻域 N(a,12)N(a, \frac{1}{2^\ell}) 中,即 N(a,12)VN(a, \frac{1}{2^\ell}) \subset V_\ell

V=O1OaOV_\ell = O_1 \subset O_a \subset O,所以 N(a,12)ON(a, \frac{1}{2^\ell}) \subset O
综上所述,任意点 aOa \in O 都存在邻域 N(a,12)N(a, \frac{1}{2^\ell}) 包含于 OO
根据度量拓扑的定义,得到 OOdO \in \mathcal O_d

(OdO\mathcal O_d \subset \mathcal O)
OOdO' \in \mathcal O_d,任取点 xOx \in O',度量拓扑的定义给出

ε>0,s.t.N(x,ε)O{}^\exists \varepsilon \gt 0,\quad s.t.\quad N(x,\varepsilon) \subset O'

首先,取满足

n>k12n<ε2\sum_{n \gt k} \frac{1}{2^n} < \frac{\varepsilon}{2}

kNk \in \mathbb N,然后对点 xx 定义

Oi(x):={yXfi(x)fi(y)<ε2k},i=1,2,,kO_i(x) := \{ y \in X \mid |f_i(x) - f_i(y)| < \frac{\varepsilon}{2k} \},\quad i = 1,2,\ldots,k

由于各个 fif_i 都为连续映射,所以各个 xOi(x)Ox \in O_i(x) \in \mathcal O
定义

O(x):=i=1kOi(x)O(x) := \bigcap_{i=1}^k O_i(x)

由于有限交运算,O(x)OO(x) \in \mathcal O 也成立

此时,对于任意 yO(x)y \in O(x),有

d(x,y)=n=1fn(x)fn(y)2n=n=1kfn(x)fn(y)2n+n>kfn(x)fn(y)2n<n=1kε2k+ε2=ε\begin{aligned} d(x,y) &= \sum_{n=1}^\infty \frac{|f_n(x) - f_n(y)|}{2^n} \\ &= \sum_{n=1}^k \frac{|f_n(x) - f_n(y)|}{2^n} + \sum_{n \gt k} \frac{|f_n(x) - f_n(y)|}{2^n} \\ &< \sum_{n=1}^k \frac{\varepsilon}{2k} + \frac{\varepsilon}{2} = \varepsilon \end{aligned}

所以

O(x)N(x,ε)O(x) \subset N(x,\varepsilon)

度量拓扑的定义给出,N(x,ε)ON(x,\varepsilon) \subset O',所以对于任意点 xOx \in O'

O(x)O,s.t.xO(x)O{}^\exists O(x) \in \mathcal O,\quad s.t.\quad x \in O(x) \subset O'

所以 xxOO' 的内点,依据拓扑空间的定义,得到 OOO' \in \mathcal O

综上!满足第二可数公理的正规空间一定可以度量化
\square

# 完备性与完备化

定义
(X,d)(X,d) 为度量空间
取其任意点列 {xn}nNX\{x_n\}_{n \in \mathbb N} \subset X
{xn}nN\{x_n\}_{n \in \mathbb N} 收敛于 xXx \in X,当且仅当

ε>0,NN,s.t.n>N,d(xn,x)<ε{}^\forall \varepsilon > 0,\ {}^\exists N \in \mathbb N,\ s.t.\ {}^\forall n > N,\ d(x_n,x) < \varepsilon

此时称 xx{xn}nN\{x_n\}_{n \in \mathbb N}极限,记作 x=limnxnx = \lim\limits_{n \to \infty} x_n

分析学中熟知的极限的唯一性也可以推广到度量空间中

命题
若度量空间 (X,d)(X,d) 中的点列 {xn}nN\{x_n\}_{n \in \mathbb N} 收敛,则其极限唯一

证明

假设

x,yX,xy,s.t.limnxn=x,limnxn=y{}^\exists x,y \in X,\ x \neq y,\quad s.t.\quad \lim\limits_{n \to \infty} x_n = x,\ \lim\limits_{n \to \infty} x_n = y

ε:=d(x,y)2>0\varepsilon := \frac{d(x,y)}{2} > 0

则由极限的定义,分别可以知道

{N1N,s.t.n>N1,d(xn,x)<εN2N,s.t.n>N2,d(xn,y)<ε\begin{cases} {}^\exists N_1 \in \mathbb N,\ s.t.\ {}^\forall n > N_1,\ d(x_n,x) < \varepsilon \\ {}^\exists N_2 \in \mathbb N,\ s.t.\ {}^\forall n > N_2,\ d(x_n,y) < \varepsilon \end{cases}

那么对于任意 m>max{N1,N2}m > \max{\{N_1,N_2\}},由三角不等式,有

d(x,y)d(x,xm)+d(xm,y)<ε+ε=d(x,y)d(x,y) \leq d(x,x_m) + d(x_m,y) < \varepsilon + \varepsilon = d(x,y)

从而矛盾,故极限唯一
\square

定义
(X,d)(X,d) 为度量空间
称点列 {xn}nNX\{x_n\}_{n \in \mathbb N} \subset XCauchy 列,当且仅当

ε>0,NN,s.t.m,n>N,d(xn,xm)<ε{}^\forall \varepsilon > 0,\ {}^\exists N \in \mathbb N,\ s.t.\ {}^\forall m,n > N,\ d(x_n,x_m) < \varepsilon

命题
度量空间 (X,d)(X,d) 中的任意收敛点列均为 Cauchy 列

证明

假设极限为 xXx \in X,即

limnxn=x\lim\limits_{n \to \infty} x_n = x

任取 ε>0\varepsilon > 0,由极限的定义

NN,s.t.n>N,d(xn,x)<ε2{}^\exists N \in \mathbb N,\ s.t.\ {}^\forall n > N,\ d(x_n,x) < \frac{\varepsilon}{2}

此时,对于任意 m,n>Nm,n > N,由三角不等式,有

d(xn,xm)d(xn,x)+d(xm,x)<ε2+ε2=εd(x_n,x_m) \leq d(x_n,x) + d(x_m,x) < \frac{\varepsilon}{2} + \frac{\varepsilon}{2} = \varepsilon

所以 {xn}nN\{x_n\}_{n \in \mathbb N} 为 Cauchy 列
\square

注意!与实数空间不同,度量空间中的 Cauchy 列不一定收敛
以下为一个经典反例,将 π\pi 换成 2,e\sqrt{2},e 等无理数亦可

示例
在有理数域 Q\mathbb Q 上,取度量函数为 Euclidean 距离 d(x,y)=xyd(x,y) = |x-y|
定义点列 {xn}nN\{x_n\}_{n \in \mathbb N}π\pi 的前 nn 位小数,即

x1=3x2=3.1x3=3.14x4=3.141\begin{aligned} x_1 &= 3 \\ x_2 &= 3.1 \\ x_3 &= 3.14 \\ x_4 &= 3.141 \\ &\ \vdots \end{aligned}

此时 {xn}nN\{x_n\}_{n \in \mathbb N} 成为 Q\mathbb Q 上的 Cauchy 列,但其极限 πQ\pi \notin \mathbb Q,因此不收敛

定义
称度量空间 (X,d)(X,d)完备 (Complete)「完備」,当且仅当其任意 Cauchy 列均收敛


如上述例子中已经知道:

  • 实数空间 R\mathbb R 是完备的
  • 有理数空间 Q\mathbb Q 不是完备的,但是 QR\mathbb Q \subset \mathbb R

类似这样的模式,对于任意不完备的度量空间。我们也希望能通过某种手段将其 “补全” 为完备空间
这样的过程称为度量空间的完备化

显然,补全的方式并不止一种,但是考察一个 “最不浪费” 的补全方式才是核心,例如对于不完备的有理数域 Q\mathbb Q 来说

  • R\mathbb R 是一个恰好的完备,这意味着 Q\mathbb QR\mathbb R 中稠密
  • 虽然 R2\mathbb R^2 也是完备的,但是 Q\mathbb QR2\mathbb R^2 中并不稠密,这显得有些浪费

想要将一个不完备的度量空间嵌入到一个完备的度量空间中,首先需要确保这个嵌入的过程不会破坏原本的度量结构,为此需要准备等距映射

定义
(X,dX),(Y,dY)(X,d_X),(Y,d_Y) 为度量空间
映射 f:XYf:X \to Y 称为 等距映射 (isometric mapping)「等長写像」,当且仅当

x1,x2X,dY(f(x1),f(x2))=dX(x1,x2){}^\forall x_1,x_2 \in X,\quad d_Y(f(x_1),f(x_2)) = d_X(x_1,x_2)

等距映射显而易见是永远单射

那么,对于任意给定的非完备的度量空间 (X,d)(X,d)
我们现在希望能找到一个组合:(X,d)(X^*, d^*) 以及映射 i:XXi:X \to X^*,其满足

  1. (X,d)(X^*, d^*) 为完备的度量空间,这是我们的目标
  2. ii 为等距映射,这保证了原本的度量结构不被破坏
  3. i(X)i(X)XX^* 中稠密,这保证了补全的 “最小浪费” 性质

如果能找到这样的组合 ((X,d),i)((X^*, d^*), i),则称其为 (X,d)(X,d)完备化 (completion)「完備化」
事实上,这样的组合永远存在

定理
任意度量空间均存在完备化,且在同构意义下完备化唯一

证明(很长)

证明纲要

  • 考虑 Cauchy 列全体构成的集合 C(X,Od)C(X, \mathcal O_d),证明距离 {d(xn,yn)}nN\{d(x_n,y_n)\}_{n \in \mathbb N} 收敛
  • 定义等价关系 :=d(xn,yn)0\sim := d(x_n,y_n) \to 0,基于这个等价关系构造商集 X:=C(X,Od)/X^* := C(X, \mathcal O_d) / \sim
  • XX^* 上构造函数 d:(x,y)limd(xn,yn)d^*:(x,y) \mapsto \lim d(x_n,y_n),证明其为度量函数,由此得到度量空间 (X,d)(X^*, d^*)
  • 构造映射 i:XXi:X \to X^*,并证明其为等距映射
  • 证明 i(X)i(X)XX^* 中稠密
  • 证明 (X,d)(X^*, d^*) 是完备的
  • 任取两种不同的完备化,证明其中间存在双射的等距映射

取任意度量空间 (X,d)(X,d) 即对应的距离拓扑空间 (X,Od)(X,\mathcal O_d)

证明距离收敛
C(X,Od)C(X, \mathcal O_d)(X,Od)(X,\mathcal O_d) 上所有 Cauchy 列构成的集合
此时,取任意 {xn}nN,{yn}nNC(X,Od)\{x_n\}_{n \in \mathbb N}, \{y_n\}_{n \in \mathbb N} \in C(X, \mathcal O_d)
任取 ε>0\varepsilon \gt 0,由于 {xn}nN,{yn}nN\{x_n\}_{n \in \mathbb N}, \{y_n\}_{n \in \mathbb N} 都为 Cauchy 列,所以

{N1N,s.t.m,n>N1,d(xn,xm)<ε2N2N,s.t.m,n>N2,d(yn,ym)<ε2\begin{cases} {}^\exists N_1 \in \mathbb N,\ s.t.\ {}^\forall m,n \gt N_1,\ d(x_n,x_m) < \frac{\varepsilon}{2} \\ {}^\exists N_2 \in \mathbb N,\ s.t.\ {}^\forall m,n \gt N_2,\ d(y_n,y_m) < \frac{\varepsilon}{2} \end{cases}

那么对于任意 m,n>max{N1,N2}m, n \gt \max{\{N_1,N_2\}},由三角不等式,有

d(xn,yn)d(xn,xm)+d(xm,ym)+d(ym,yn)<ε2+d(xm,ym)+ε2d(x_n,y_n) \leq d(x_n,x_m) + d(x_m,y_m) + d(y_m,y_n) < \frac{\varepsilon}{2} + d(x_m,y_m) + \frac{\varepsilon}{2}

移项得到

d(xn,yn)d(xm,ym)<εd(x_n,y_n) - d(x_m,y_m) < \varepsilon

同理可得

d(xm,ym)d(xn,yn)<εd(x_m,y_m) - d(x_n,y_n) < \varepsilon

综上 d(xn,yn)d(xm,ym)<ε|d(x_n,y_n) - d(x_m,y_m)| < \varepsilon,所以 {d(xn,yn)}nN\{d(x_n,y_n)\}_{n \in \mathbb N} 为实数空间中的 Cauchy 列
而实数空间为完备的度量空间,所以 {d(xn,yn)}nN\{d(x_n,y_n)\}_{n \in \mathbb N} 收敛

定义等价关系
定义

{xn}nN,{yn}nNC(X,Od),{xn}nN{yn}nNlimnd(xn,yn)=0{}^\forall \{x_n\}_{n \in \mathbb N}, \{y_n\}_{n \in \mathbb N} \in C(X, \mathcal O_d),\quad \{x_n\}_{n \in \mathbb N} \sim \{y_n\}_{n \in \mathbb N} \iff \lim\limits_{n \to \infty} d(x_n,y_n) = 0

以下验证 \sim 为等价关系,取任意 {xn}nN,{yn}nN,{zn}nNC(X,Od)\{x_n\}_{n \in \mathbb N}, \{y_n\}_{n \in \mathbb N}, \{z_n\}_{n \in \mathbb N} \in C(X, \mathcal O_d)

  • 自反性:显然 limnd(xn,xn)=0\lim\limits_{n \to \infty} d(x_n,x_n) = 0,所以 {xn}nN{xn}nN\{x_n\}_{n \in \mathbb N} \sim \{x_n\}_{n \in \mathbb N} \quad
  • 对称性:若 {xn}nN{yn}nN\{x_n\}_{n \in \mathbb N} \sim \{y_n\}_{n \in \mathbb N},则 limnd(xn,yn)=0\lim\limits_{n \to \infty} d(x_n,y_n) = 0,由度量函数的对称性,有 limnd(yn,xn)=0\lim\limits_{n \to \infty} d(y_n,x_n) = 0,所以 {yn}nN{xn}nN\{y_n\}_{n \in \mathbb N} \sim \{x_n\}_{n \in \mathbb N} \quad
  • 传递性:若 {xn}nN{yn}nN\{x_n\}_{n \in \mathbb N} \sim \{y_n\}_{n \in \mathbb N}{yn}nN{zn}nN\{y_n\}_{n \in \mathbb N} \sim \{z_n\}_{n \in \mathbb N},则 limnd(xn,yn)=0\lim\limits_{n \to \infty} d(x_n,y_n) = 0limnd(yn,zn)=0\lim\limits_{n \to \infty} d(y_n,z_n) = 0,由度量函数的三角不等式,有

d(xn,zn)d(xn,yn)+d(yn,zn)d(x_n,z_n) \leq d(x_n,y_n) + d(y_n,z_n)

取极限得到 limnd(xn,zn)=0\lim\limits_{n \to \infty} d(x_n,z_n) = 0,所以 {xn}nN{zn}nN\{x_n\}_{n \in \mathbb N} \sim \{z_n\}_{n \in \mathbb N} \quad

从而,\sim 为等价关系,构造商集

X:=C(X,Od)/X^* := C(X, \mathcal O_d) / \sim

以下记 [{xn}nN]\left[\{x_n\}_{n \in \mathbb N}\right]{xn}nN\{x_n\}_{n \in \mathbb N} 在商集 XX^* 中的等价类

构造度量函数
定义映射

d:X×XR,s.t.d([{xn}nN],[{yn}nN]):=limnd(xn,yn)d^*:X^* \times X^* \to \mathbb R,\quad s.t.\quad d^*\left(\left[\{x_n\}_{n \in \mathbb N}\right], \left[\{y_n\}_{n \in \mathbb N}\right]\right) := \lim\limits_{n \to \infty} d(x_n,y_n)

需要验证

  • dd^* 是 Well-defined 的
  • dd^* 满足度量函数的三条定义

(Well-defined)
任取 [{xn}nN]=[{xn}nN],[{yn}nN]=[{yn}nN]\left[\{x_n\}_{n \in \mathbb N}\right] = \left[\{x_n'\}_{n \in \mathbb N}\right],\ \left[\{y_n\}_{n \in \mathbb N}\right] = \left[\{y_n'\}_{n \in \mathbb N}\right],只需证明 limnd(xn,yn)=limnd(xn,yn)\lim\limits_{n \to \infty} d(x_n,y_n) = \lim\limits_{n \to \infty} d(x_n',y_n')

limnd(xn,yn)=K\lim\limits_{n \to \infty} d(x_n,y_n) = K,则对于任意 ε>0\varepsilon \gt 0,,极限和等价类的定义给出

{N0N,s.t.n>N0,d(xn,yn)K<ε3N1N,s.t.n>N1,d(xn,xn)<ε3N2N,s.t.n>N2,d(yn,yn)<ε3\begin{cases} {}^\exists N_0 \in \mathbb N,\ s.t.\ {}^\forall n \gt N_0,\ |d(x_n,y_n) - K| < \dfrac{\varepsilon}{3} \\ {}^\exists N_1 \in \mathbb N,\ s.t.\ {}^\forall n \gt N_1,\ d(x_n,x_n') < \dfrac{\varepsilon}{3} \\ {}^\exists N_2 \in \mathbb N,\ s.t.\ {}^\forall n \gt N_2,\ d(y_n,y_n') < \dfrac{\varepsilon}{3} \end{cases}

那么,对于任意 n>max{N0,N1,N2}n \gt \max{\{N_0,N_1,N_2\}},由三角不等式,有

d(xn,yn)d(xn,xn)<ε3+d(xn,yn)<K+ε3+d(yn,yn)<ε3<K+εd(x_n',y_n') \leq \underbrace{d(x_n',x_n)}_{\lt \frac{\varepsilon}{3}} + \underbrace{d(x_n,y_n)}_{< K + \frac{\varepsilon}{3}} + \underbrace{d(y_n,y_n')}_{\lt \frac{\varepsilon}{3}} \lt K + \varepsilon

又因为

d(xn,yn)d(xn,yn)+d(xn,yn)+d(xn,yn)d(x_n,y_n) \leq d(x_n,y_n') + \underline{d(x_n',y_n')} + d(x_n',y_n)

所以移项可得

d(xn,yn)d(xn,yn)d(xn,xn)d(yn,yn)>Kεd(x_n',y_n') \geq d(x_n,y_n) - d(x_n',x_n) - d(y_n,y_n') \gt K - \varepsilon

综上 d(xn,yn)K<ε|d(x_n',y_n') - K| < \varepsilon,所以 limnd(xn,yn)=K=limnd(xn,yn)\lim\limits_{n \to \infty} d(x_n',y_n') = K = \lim\limits_{n \to \infty} d(x_n,y_n)
从而 dd^* 为 Well-defined

(度量函数定义)
任取 [{xn}nN],[{yn}nN],[{zn}nN]X\left[\{x_n\}_{n \in \mathbb N}\right], \left[\{y_n\}_{n \in \mathbb N}\right], \left[\{z_n\}_{n \in \mathbb N}\right] \in X^*

  • 非负性与正定性:基于等价类和 dd^* 的定义显然 d0d^* \geq 0 成立,并且

[{xn}nN]=[{yn}nN]deflimnd(xn,yn)=0defd([{xn}nN],[{yn}nN])=0[\{x_n\}_{n \in \mathbb N}] = [\{y_n\}_{n \in \mathbb N}] \stackrel{\text{def}}{\iff} \lim\limits_{n \to \infty} d(x_n,y_n) = 0 \stackrel{\text{def}}{\iff} d^*([\{x_n\}_{n \in \mathbb N}], [\{y_n\}_{n \in \mathbb N}]) = 0

  • 对称性:传递于 dd 的对称性

d([{yn}nN],[{xn}nN])=limnd(yn,xn)=limnd(xn,yn)=d([{xn}nN],[{yn}nN])d^*([\{y_n\}_{n \in \mathbb N}], [\{x_n\}_{n \in \mathbb N}]) = \lim\limits_{n \to \infty} d(y_n,x_n) = \lim\limits_{n \to \infty} d(x_n,y_n) = d^*([\{x_n\}_{n \in \mathbb N}], [\{y_n\}_{n \in \mathbb N}])

  • 三角不等式:传递于 dd 的三角不等式

d([{xn}nN],[{zn}nN])=limnd(xn,zn)limn(d(xn,yn)+d(yn,zn))=limnd(xn,yn)+limnd(yn,zn)=d([{xn}nN],[{yn}nN])+d([{yn}nN],[{zn}nN])\begin{aligned} d^*([\{x_n\}_{n \in \mathbb N}], [\{z_n\}_{n \in \mathbb N}]) &= \lim\limits_{n \to \infty} d(x_n,z_n) \\ &\leq \lim\limits_{n \to \infty} \left(d(x_n,y_n) + d(y_n,z_n)\right) \\ &= \lim\limits_{n \to \infty} d(x_n,y_n) + \lim\limits_{n \to \infty} d(y_n,z_n) \\ &= d^*([\{x_n\}_{n \in \mathbb N}], [\{y_n\}_{n \in \mathbb N}]) + d^*([\{y_n\}_{n \in \mathbb N}], [\{z_n\}_{n \in \mathbb N}]) \end{aligned}

综上所述,dd^* 满足度量函数的三条定义,成为度量函数
由此得到度量空间 (X,d)(X^*, d^*)

构造等距映射
对于任意点 xXx \in X,定义仅包含 xx 的常值点列

xn:=x,nNx_n := x,\quad {}^\forall n \in \mathbb N

任取 ε>0\varepsilon \gt 0,则对于任意 nN,n>1n \in \mathbb N,\ n \gt 1,都有

d(xn,x)=d(x,x)=0<εd(x_n,x) = d(x,x) = 0 \lt \varepsilon

所以该点列收敛于 xx,从而为 Cauchy 列,也就是说 {xn}nNC(X,Od)\{x_n\}_{n \in \mathbb N} \in C(X, \mathcal O_d)
以下简记等价类 [{xn}nN]\left[\{x_n\}_{n \in \mathbb N}\right][x][x]

定义映射

i:XX,x[x]i:X \to X^*,\ x \mapsto [x]

对于任意 x,yXx, y \in X,有

d(i(x),i(y))=d([x],[y])=limnd(x,y)=d(x,y)d^*(i(x), i(y)) = d^*([x], [y]) = \lim\limits_{n \to \infty} d(x,y) = d(x,y)

所以 ii 为等距映射

证明稠密性
回忆稠密性的定义,本质上需要证明 i(X)=X\overline{i(X)} = X^*,实际上只需要证明 Xi(X)X^* \subset \overline{i(X)} 即可,另一边显然

任取 [{xn}nN]X\left[\{x_n\}_{n \in \mathbb N}\right] \in X^*ε>0\varepsilon \gt 0,由于 {xn}nN\{x_n\}_{n \in \mathbb N} 为 Cauchy 列,所以

NN,s.t.m,n>N,d(xn,xm)<ε2{}^\exists N \in \mathbb N,\ s.t.\ {}^\forall m,n \gt N,\ d(x_n,x_m) < \frac{\varepsilon}{2}

此时 {i(xm)}mN\{i(x_m)\}_{m \in \mathbb N}XX^* 中的点列,对于每个序号 mm,点 i(xm)i(x_m) 都对应着 XX^* 当中的某个等价类 [{xn(m)}nN][\{x_n^{(m)}\}_{n \in \mathbb N}]

由于对于每个 mm,都有 Cauchy 列 {xn(m)}nNC(X,Od)\{x_n^{(m)}\}_{n \in \mathbb N} \in C(X, \mathcal O_d),并且回顾 {xn}C(X,Od)\{x_n\} \in C(X, \mathcal O_d)

由先前的结论,可以得到 {d(xn(m),xn)}nN\{d(x_n^{(m)}, x_n)\}_{n \in \mathbb N} 收敛,设

Km:=limnd(xn(m),xn)K_m := \lim\limits_{n \to \infty} d(x_n^{(m)}, x_n)

NmN,s.t.n>Nm,d(xn(m),xn)Km<ε2{}^\exists N_m \in \mathbb N,\ s.t.\ {}^\forall n \gt N_m,\ |d(x_n^{(m)}, x_n) - K_m| < \frac{\varepsilon}{2}

综上,取 m,n>Nm,n \gt N 则有

d(xn,xm)<ε2d(x_n,x_m) \lt \frac{\varepsilon}{2}

成立。再对于这里的 mm,取 n>max{N,Nm}n \gt \max{\{N, N_m\}},则有

d(xn(m),xn)Km<ε2|d(x_n^{(m)}, x_n) - K_m| < \frac{\varepsilon}{2}

成立,这样一来根据三角不等式

d([{xn(m)}nN],[{xn}nN])=limnd(xn(m),xn)=Kmd(xn(m),xn)Km+d(xn(m),xn)<ε2+ε2=ε\begin{aligned} d^*([\{x_n^{(m)}\}_{n \in \mathbb N}], [\{x_n\}_{n \in \mathbb N}]) &= \lim\limits_{n \to \infty} d(x_n^{(m)}, x_n) \\ &= K_m \\ &\leq |d(x_n^{(m)}, x_n) - K_m| + d(x_n^{(m)}, x_n) \\ &\lt \frac{\varepsilon}{2} + \frac{\varepsilon}{2} = \varepsilon \end{aligned}

这表明 {i(xm)}mN=[{xn(m)}nN]\{i(x_m)\}_{m \in \mathbb N} = [\{x_n^{(m)}\}_{n \in \mathbb N}] 落在了 [{xn}nN][\{x_n\}_{n \in \mathbb N}]ε\varepsilon - 邻域内,同时等价于

limmi(xm)=[{xn}nN]\lim\limits_{m \to \infty} i(x_m) = [\{x_n\}_{n \in \mathbb N}]

由于 ε\varepsilon 是任取的,所以 [{xn}nN]i(X)[\{x_n\}_{n \in \mathbb N}] \in \overline{i(X)},从而 Xi(X)X^* \subset \overline{i(X)}
综上,i(X)i(X)XX^* 中稠密

证明完备性
任取 Cauchy 列 {[{xn(m)}nN]}mNX\{[ \{x_n^{(m)}\}_{n \in \mathbb N} ]\}_{m \in \mathbb N} \subset X^*,我们需要证明它收敛
形式上,可以将 {[{xn(m)}nN]}mN\{[ \{x_n^{(m)}\}_{n \in \mathbb N} ]\}_{m \in \mathbb N} 记作 {am}mN\{a_m\}_{m \in \mathbb N},其中

am:=[{xn(m)}nN]Xa_m := [ \{x_n^{(m)}\}_{n \in \mathbb N} ] \in X^*

由于 i(X)i(X)XX^* 中稠密,所以任意 ana_n 均是 i(X)i(X) 的触点,这意味着对于 1n>0\frac{1}{n} \gt 0

nN,xnX,s.t.d(an,i(xn))<1n{}^\forall n \in \mathbb N,\ {}^\exists x_n \in X,\quad s.t. \quad d^*(a_n, i(x_n)) < \frac{1}{n}

取点列

:=[{xn}nN]\ell := [\{x_n\}_{n \in \mathbb N}]

以下证明 {an}nN\{a_n\}_{n \in \mathbb N} 收敛于 X\ell \in X^*

(证明 X\ell \in X^*
任取 ε>0\varepsilon \gt 0,由于 {an}nN\{a_n\}_{n \in \mathbb N} 为 Cauchy 列,所以

N1N,s.t.m,n>N1,d(an,am)<ε3{}^\exists N_1 \in \mathbb N,\ s.t.\ {}^\forall m,n \gt N_1,\ d^*(a_n,a_m) < \frac{\varepsilon}{3}

由于 d(an,i(xn))<1nd^*(a_n, i(x_n)) < \frac{1}{n} 对任意 nn 成立,所以取

N2:=max{N1,3ε}N_2 := \max{\left\{N_1, \left\lceil \frac{3}{\varepsilon} \right\rceil\right\}}

则有

n>N2,d(an,i(xn))<1n1N2ε3{}^\forall n \gt N_2,\quad d^*(a_n, i(x_n)) < \frac{1}{n} \leq \frac{1}{N_2} \leq \frac{\varepsilon}{3}

那么,对于任意 m,n>max{N1,N2}m,n \gt \max{\{N_1,N_2\}},由三角不等式,有

d(xn,xm)=d(i(xn),i(xm))d(i(xn),an)+d(an,am)+d(am,i(xm))<ε3+ε3+ε3=ε\begin{aligned} d(x_n, x_m) &= d^*(i(x_n), i(x_m)) \\ &\leq d^*(i(x_n), a_n) + d^*(a_n, a_m) + d^*(a_m, i(x_m)) \\ &\lt \frac{\varepsilon}{3} + \frac{\varepsilon}{3} + \frac{\varepsilon}{3} = \varepsilon \end{aligned}

所以 {xn}nN\{x_n\}_{n \in \mathbb N}XX 上的 Cauchy 列,得到 =[{xn}nN]X\ell = [\{x_n\}_{n \in \mathbb N}] \in X^*

(证明 ama_m \to \ell
由于在先前已经得知

limmi(xm)=[{xn}nN]\lim\limits_{m \to \infty} i(x_m) = [\{x_n\}_{n \in \mathbb N}]

所以,沿用 ε>0\varepsilon \gt 0

N3N,s.t.m>N3,d(i(xm),)<2ε3{}^\exists N_3 \in \mathbb N,\ s.t.\ {}^\forall m \gt N_3,\ d^*(i(x_m), \ell) < \frac{2\varepsilon}{3}

那么,对于任意 m>max{N2,N3}m \gt \max{\{N_2,N_3\}},由三角不等式,有

d(am,[{xn}nN])d(am,i(xm))+d(i(xm),)<ε3+2ε3=εd^*(a_m, [\{x_n\}_{n \in \mathbb N}]) \leq d^*(a_m, i(x_m)) + d^*(i(x_m), \ell) < \frac{\varepsilon}{3} + \frac{2\varepsilon}{3} = \varepsilon

这表明,

limmam=\lim\limits_{m \to \infty} a_m = \ell

至此,任意 XX^* 上的 Cauchy 列均收敛,所以 (X,d)(X^*, d^*) 为完备的度量空间

证明完备化的唯一性
((X,d),i)((X^*,d^*),i^*)((X,d),i)((X^\triangle,d^\triangle),i^\triangle) 同时为 (X,d)(X,d) 的完备化,目标是证明存在双射等距映射 ff 使得

i=fii^\triangle = f \circ i^*

任取 ξX\xi \in X^*。由于 i(X)i^*(X)XX^* 中稠密,存在点列 {xn}nNX\{x_n\}_{n \in \mathbb N} \subset X 使得 {i(xn)}nN\{i^*(x_n)\}_{n \in \mathbb N}XX^* 中收敛于 ξ\xi

考察 XX^\triangle 中的对应点列 {i(xn)}nN\{i^\triangle(x_n)\}_{n \in \mathbb N}。由于 ii^*ii^\triangle 均为等距映射,我们有:

d(i(xn),i(xm))=d(xn,xm)=d(i(xn),i(xm))d^\triangle(i^\triangle(x_n), i^\triangle(x_m)) = d(x_n, x_m) = d^*(i^*(x_n), i^*(x_m))

因为 {i(xn)}nN\{i^*(x_n)\}_{n \in \mathbb N} 收敛,故其为 XX^* 中的 Cauchy 列。由上式可知,{i(xn)}nN\{i^\triangle(x_n)\}_{n \in \mathbb N} 亦为 XX^\triangle 中的 Cauchy 列。由于 XX^\triangle 是完备的,故该点列收敛。

定义映射 ff 为:

f:XX,ξlimni(xn),Whereξ=limni(xn)f: X^* \to X^\triangle,\quad \xi \mapsto \lim_{n \to \infty} i^\triangle(x_n),\quad \text{Where } \xi = \lim_{n \to \infty} i^*(x_n)

(Well-defined)
实际上 ff 的映射规则是:确定 ξ\xi 后,取任意收敛于 ξ\xi 的点列 {xn}nNX\{x_n\}_{n \in \mathbb N} \subset X,然后计算 {i(xn)}nN\{i^\triangle(x_n)\}_{n \in \mathbb N} 的极限作为 f(ξ)f(\xi) 的值
因此,良定性其实需证明 f(ξ)f(\xi) 的值不依赖于逼近序列 {xn}\{x_n\} 的选取。即只要是以 ξ\xi 为极限的点列,经过 ii^\triangle 映射后所得的极限均相同

{yn}nNX\{y_n\}_{n \in \mathbb N} \subset X 是另一列满足 limni(yn)=ξ\lim\limits_{n \to \infty} i^*(y_n) = \xi 的点列。由三角不等式及等距性质:

d(i(xn),i(yn))=d(xn,yn)=d(i(xn),i(yn))d(i(xn),ξ)+d(ξ,i(yn))\begin{aligned} d^\triangle(i^\triangle(x_n), i^\triangle(y_n)) &= d(x_n, y_n) \\ &= d^*(i^*(x_n), i^*(y_n)) \\ &\leq d^*(i^*(x_n), \xi) + d^*(\xi, i^*(y_n)) \end{aligned}

nn \to \infty 时,右侧趋于 00。因此 limnd(i(xn),i(yn))=0\lim\limits_{n \to \infty} d^\triangle(i^\triangle(x_n), i^\triangle(y_n)) = 0,这意味着两个序列在 XX^\triangle 中收敛于同一点。即 ff 是良定义的。

(交换图性质)
对任意 xXx \in X,取常数序列 xn=xx_n = x。显然 limni(xn)=i(x)\lim\limits_{n \to \infty} i^*(x_n) = i^*(x)。根据 ff 的定义:

f(i(x))=limni(xn)=i(x)f(i^*(x)) = \lim_{n \to \infty} i^\triangle(x_n) = i^\triangle(x)

fi=if \circ i^* = i^\triangle

(双射)
等距映射必为单射,实际上只需要证明满射
对于任意 ηX\eta \in X^\triangle(值域中的点),我们要找到一个 ξX\xi \in X^*(定义域中的点),使得 f(ξ)=ηf(\xi) = \eta

任取 ηX\eta \in X^\triangle
因为 i(X)i^\triangle(X)XX^\triangle 中是稠密的,所以必定存在一个序列 {xn}nNX\{x_n\}_{n \in \mathbb N} \subset X,使得 {i(xn)}nN\{i^\triangle(x_n)\}_{n \in \mathbb N} 收敛于 η\eta

limni(xn)=η\lim_{n \to \infty} i^\triangle(x_n) = \eta

所以 {i(xn)}nN\{i^\triangle(x_n)\}_{n \in \mathbb N}XX^\triangle 中的 Cauchy 列。
等距映射 ii^\triangle 保证了原像 {xn}nN\{x_n\}_{n \in \mathbb N}XX 中的 Cauchy 列:
进一步,等距映射 ii^* 也保证了 {i(xn)}nN\{i^*(x_n)\}_{n \in \mathbb N}XX^* 中的 Cauchy 列

因为 XX^* 完备,所以这个 Cauchy 列在 XX^* 中一定收敛。令

ξ:=limni(xn)X\xi := \lim_{n \to \infty} i^*(x_n) \in X^*

此时,根据 ff 的定义

f(ξ)=f(limni(xn))=limni(xn)=ηf(\xi) = f\left(\lim_{n \to \infty} i^*(x_n)\right) = \lim_{n \to \infty} i^\triangle(x_n) = \eta

综上,ff 是双射等距映射,完备化在同构意义下唯一
\square

# 度量空间的紧性

在度量空间中,传统的 “紧致性”(有限覆盖)可以被拆解为更容易验证的性质。

  • 全有界,意味着空间在几何尺度上是 “有限” 的,可以用有限个小球逼近。
  • 点列紧,意味着序列 “无法离开”。任意点列必有收敛子列。

定义
称度量空间 (X,d)(X,d)全有界 (totally bounded)「全有界」,当且仅当

ε>0,NN,{xn}n=1NX,s.t.X=i=1NN(xi,ε){}^\forall \varepsilon \gt 0,\ {}^\exists N \in \mathbb N,\ {}^\exists \{x_n\}_{n=1}^N \subset X,\quad s.t. \quad X = \bigcup_{i=1}^N N(x_i,\varepsilon)

定义
称度量空间 (X,d)(X,d)点列紧 (sequentially compact)「列コンパクト」,当且仅当其任意点列均存在收敛子列

以下命题证明过程中用到了抽屉原理,以下作补充说明
“抽屉原理”(Pigeonhole Principle),又称鸽巢原理或狄利克雷原理(Dirichlet's Box Principle),是数学中(特别是组合数学和分析学中)最基础的逻辑工具之一。在分析学的证明(特别是涉及紧致性的证明)中,它通常被默认为公理或显而易见的事实

命题:若将无限多个元素放入有限个集合(抽屉)中,则至少有一个集合(抽屉)中包含了无限多个元素。

证明

假设结论不成立。即假设每一个 AiA_i (i=1,,ki=1, \dots, k) 都只包含有限个元素。令 Ai|A_i| 表示 AiA_i 中元素的个数。因为 SS 是这些集合的并集,所以 SS 的元素总数受限于各部分元素个数之和:$$|S| \le |A_1| + |A_2| + \dots + |A_k|$$ 由于有限个有限数的和仍然是有限数,这推出 S|S| 是有限的。但这与 “SS 是无限集” 的前提矛盾。故假设错误,必然存在至少一个 AjA_j 包含无限多个元素。

命题
全有界的度量空间满足

  • 第二可数公理
  • 任意点列具有 Cauchy 子列
证明

(第二可数公理)
由于可分的度量空间必满足第二可数公理,所以只需证明全有界的度量空间为可分的,即证明其存在势至多可数的稠密子集

对于任意 nNn \in \mathbb N,取半径为 εn:=1n\varepsilon_n := \frac{1}{n},全有界性给出对于每一个 εn\varepsilon_n,存在一个有限势集 AnX,A<A_n \subset X,\ |A| \lt \infty 使得

X=xAN(x,εn)X = \bigcup_{x \in A} N\left(x, \varepsilon_n\right)

定义

D:=nNAnD := \bigcup_{n \in \mathbb N} A_n

DD 为可数集,以下证明 DDXX 中稠密,即 XDX \subset \overline D

任取 xXx \in X 以及 ε>0\varepsilon \gt 0,Archimedes 原理给出

nN,s.t.εn=1n<ε{}^\exists n \in \mathbb N,\quad s.t.\quad \varepsilon_n = \frac{1}{n} \lt \varepsilon

由于 X=xAnN(x,εn)X = \bigcup\limits_{x \in A_n} N\left(x, \varepsilon_n\right),所以必然

yAnD,s.t.xN(y,εn){}^\exists y \in A_n \subset D,\quad s.t.\quad x \in N\left(y, \varepsilon_n\right)

那么由 εn<ε\varepsilon_n \lt \varepsilon 可知 xN(y,ε)x \in N(y, \varepsilon),这表明 xx 的任意 ε\varepsilon - 邻域均与 DD 交于 yy,从而 xDx \in \overline D
综上,XDX \subset \overline D,所以 DDXX 中稠密

(存在 Cauchy 子列)
该证明是一个经典的对角线法则和抽屉原理的结合应用
{xn}nNX\{x_n\}_{n \in \mathbb N} \subset X 为任意点列

  • 取半径 ε1=1\varepsilon_1 = 1,由全有界性,

A1<,s.t.X=aA1N(a,1)|{}^\exists A_1| \lt \infty,\quad s.t.\quad X = \bigcup_{a \in A_1} N(a, 1)

此处将无穷个点分配到有限个邻域中,根据抽屉原理,必然存在某个邻域 N(a?,1)N(a_?, 1) 包含了无限多个点,记这些点构成的子列为 \{x_n^{(1)}\}_

{xn(1)}nNN(a1,1)\{x_n^{(1)}\}_{n \in \mathbb N} \subset N(a_1, 1)

显然,对于该子列中任意两项,距离 d(xi(1),xj(1))<2d(x^{(1)}_i, x^{(1)}_j) \lt 2

  • 再选半径 ε2=12\varepsilon_2 = \frac{1}{2},同理,由全有界性,

A2<,s.t.X=aA2N(a,12)|{}^\exists A_2| \lt \infty,\quad s.t.\quad X = \bigcup_{a \in A_2} N\left(a, \frac{1}{2}\right)

根据抽屉原理,必然存在某个邻域 N(a?,12)N(a_?, \frac{1}{2}) 包含了无限多个点,记这些点构成的子列为 \{x_n^{(2)}\}_

{xn(2)}nN{xn(1)}nNN(a2,12)\{x_n^{(2)}\}_{n \in \mathbb N} \subset \{x_n^{(1)}\}_{n \in \mathbb N} \cap N\left(a_2, \frac{1}{2}\right)

显然,对于该子列中任意两项,距离 d(xi(2),xj(2))<1d(x^{(2)}_i, x^{(2)}_j) \lt 1

  • 由此归纳,对于任意 kNk \in \mathbb N,取半径 εk=1k\varepsilon_k = \frac{1}{k},由全有界性,

Ak<,s.t.X=aAkN(a,1k)|{}^\exists A_k| \lt \infty,\quad s.t.\quad X = \bigcup_{a \in A_k} N\left(a, \frac{1}{k}\right)

根据抽屉原理,必然存在某个邻域 N(a?,1k)N(a_?, \frac{1}{k}) 包含了无限多个点,记这些点构成的子列为 \{x_n^{(k)}\}_

{xn(k)}nN{xn(k1)}nNN(ak,1k)\{x_n^{(k)}\}_{n \in \mathbb N} \subset \{x_n^{(k-1)}\}_{n \in \mathbb N} \cap N\left(a_k, \frac{1}{k}\right)

显然,对于该子列中任意两项,距离 d(xi(k),xj(k))<2kd(x^{(k)}_i, x^{(k)}_j) \lt \frac{2}{k}

现在我们选取对角线元素构成最终的子列 {yk}kN\{y_k\}_{k \in \mathbb N},令:

yk=xk(k)y_k = x^{(k)}_k

y1y_1 是第一代子列的第 1 项,y2y_2 是第二代子列的第 2 项……

注意:对于任意 k>k \gt \ellyky_k 出现在第 kk 代子列中,而第 kk 代子列是第 \ell 代子列的子序列。这意味着 yy_\ellyky_k 都属于第 \ell 代子列 {xn()}nN\{x_n^{(\ell)}\}_{n \in \mathbb N}

现证明 {yk}kN\{y_k\}_{k \in \mathbb N} 为 Cauchy 列。任取 ε>0\varepsilon \gt 0
根据 Archimedes 原理,存在 NNN \in \mathbb N,使得 2N<ε\frac{2}{N} \lt \varepsilon

那么对于任意 m,n>Nm,n \gt Nyny_nymy_m 都属于第 NN 代子列 {xn(N)}nN\{x_n^{(N)}\}_{n \in \mathbb N},因此

d(yn,ym)2N<εd(y_n, y_m) \leq \frac{2}{N} \lt \varepsilon

综上,{yk}kN\{y_k\}_{k \in \mathbb N} 为 Cauchy 列
并且显然是第零代子列 {xn}nN\{x_n\}_{n \in \mathbb N} 的子列
\square

以下为核心定理:紧致性的等价刻画

命题
(X,d)(X,d) 为度量空间,则以下命题等价

  1. (X,d)(X,d) 为紧的
  2. (X,d)(X,d) 为点列紧的
  3. (X,d)(X,d) 为完备且全有界的
证明

(1) \Rightarrow (2)
(X,d)(X,d) 为紧的度量空间。
使用反证法,假设存在一个点列 {xn}nNX\{x_n\}_{n \in \mathbb N} \subset X 没有收敛子列。
这意味着不可能有一个邻域 N(x,ε)N(x, \varepsilon) 包含无限多个点 xnx_n

而另一边,紧性给出有限开覆盖的存在性

{Ui}i=1N,s.t.Xi=1NUi{}^\exists \{U_i\}_{i=1}^N,\quad s.t.\quad X \subset \bigcup_{i=1}^N U_i

这说明无穷点列 {xn}nN\{x_n\}_{n \in \mathbb N} 必然落在有限个开集 UiU_i 中,根据抽屉原理,必然存在某个开集 Ui?U_{i_?} 包含了无限多个点 xnx_n,这与 “不可能有一个邻域 N(x,ε)N(x, \varepsilon) 包含无限多个点 xnx_n” 矛盾
综上,任意点列均存在收敛子列

(2) \Rightarrow (3)
(X,d)(X,d) 为点列紧的,首先证明完备性
任取 Cauchy 列 {xn}nNX\{x_n\}_{n \in \mathbb N} \subset Xε>0\varepsilon \gt 0

由于 (X,d)(X,d) 点列紧,存在收敛子列 {xnk}kN\{x_{n_k}\}_{k \in \mathbb N} 收敛于某个点 xXx \in X

N0N,s.t.k>N0,d(xnk,x)<ε2{}^\exists N_0 \in \mathbb N,\quad s.t.\quad {}^\forall k \gt N_0,\quad d(x_{n_k}, x) \lt \frac{\varepsilon}{2}

由于 {xn}nN\{x_n\}_{n \in \mathbb N} 为 Cauchy 列,存在 N1NN_1 \in \mathbb N,使得

m,n>N1,d(xn,xm)<ε2{}^\forall m,n \gt N_1,\quad d(x_n, x_m) \lt \frac{\varepsilon}{2}

N:=max{N0,N1}N := \max{\{N_0, N_1\}},则对于任意 n>Nn \gt N 和任意 k>Nk \gt N 使得 nk>Nn_k \gt N,由三角不等式,有

d(xn,x)d(xn,xnk)+d(xnk,x)<ε2+ε2=εd(x_n, x) \leq d(x_n, x_{n_k}) + d(x_{n_k}, x) \lt \frac{\varepsilon}{2} + \frac{\varepsilon}{2} = \varepsilon

这表明 {xn}nN\{x_n\}_{n \in \mathbb N} 收敛于 xx,所以 (X,d)(X,d) 为完备的度量空间、

接着证明全有界性
假设 (X,d)(X,d) 不全有界,则存在某个 ε0>0\varepsilon_0 \gt 0,使得 XX 不能被有限个半径为 ε0\varepsilon_0 的开球覆盖

现在构造以下序列

  • 取任意 x1Xx_1 \in X
  • 由于 XX 不能被有限个半径为 ε0\varepsilon_0 的开球覆盖,必然存在某个点 x2Xx_2 \in X,使得 d(x2,x1)ε0d(x_2, x_1) \geq \varepsilon_0
  • 同理,取 x3Xx_3 \in X,使得 d(x3,x1)ε0d(x_3, x_1) \geq \varepsilon_0d(x3,x2)ε0d(x_3, x_2) \geq \varepsilon_0
  • 依此类推,得到点列 {xn}nNX\{x_n\}_{n \in \mathbb N} \subset X,使得对于任意 m,nNm,n \in \mathbb Nmnm \neq n,都有

d(xn,xm)ε0d(x_n, x_m) \geq \varepsilon_0

这表明该序列不可能存在收敛子列,因为收敛子列的项之间的距离必须趋于零,这与上述条件矛盾
综上,(X,d)(X,d) 必为全有界的度量空间

(3) \Rightarrow (1)
(X,d)(X,d) 为完备且全有界的度量空间。使用反证法
假设 (X,d)(X,d) 不紧,则存在某个开覆盖 U={Uλ}λΛ\mathcal U = \{U_\lambda\}_{\lambda \in \Lambda} 没有有限子覆盖

现按以下方法构造不可覆盖的球列

  • ε1=12\varepsilon_1 = \frac{1}{2},由于全有界性,存在有限个半径为 ε1\varepsilon_1 的开球覆盖 XX

X=i=1N1N(xi(1),ε1)X = \bigcup_{i=1}^{N_1} N(x_i^{(1)}, \varepsilon_1)

由于 XX 不能被 U\mathcal U 的有限子覆盖覆盖,必然存在某个开球 N(x?(1),ε1)N(x_?^{(1)}, \varepsilon_1) 不能被 U\mathcal U 的有限子覆盖覆盖,记为 B1B_1,其半径为 ε1\varepsilon_1

  • ε2=14\varepsilon_2 = \frac{1}{4},同理,存在有限个半径为 ε2\varepsilon_2 的开球覆盖 XX

X=i=1N2N(xi(2),ε2)X = \bigcup_{i=1}^{N_2} N(x_i^{(2)}, \varepsilon_2)

由于 B1B_1 不能被 U\mathcal U 的有限子覆盖覆盖,必然存在某个涉足到了 B1B_1 的开球 N(x?(2),ε2)N(x_?^{(2)}, \varepsilon_2) 不能被 U\mathcal U 的有限子覆盖覆盖,记为 B2B_2,半径为 ε2\varepsilon_2。满足

B2B1B_2 \cap B_1 \neq \emptyset

  • 依此类推,得到一列开球 {Bn}nN\{B_n\}_{n \in \mathbb N},其中每个 BnB_n 半径为 εn=12n\varepsilon_n = \frac{1}{2^n},满足

Bn+1BnB_{n+1} \cap B_n \neq \emptyset

且不能被 U\mathcal U 的有限子覆盖覆盖

xnx_nBnB_n 的中心点,由构造知 BnBn+1B_n \cap B_{n+1} \neq \emptyset,所以对于 yBnBn+1y \in B_n \cap B_{n+1},由三角不等式,有

d(xn,xn+1)d(xn,y)+d(y,xn+1)<εn+εn+1d(x_n, x_{n+1}) \leq d(x_n, y) + d(y, x_{n+1}) \lt \varepsilon_n + \varepsilon_{n+1}

那么任意 m>nm > n,利用三角不等式将距离拆解为相邻项之和:注意 12k0\frac{1}{2^k} \to 0,所以

d(xn,xm)k=nm1d(xk,xk+1)<k=nm1(εk+εk+1)0(n,m)d(x_n, x_m) \le \sum_{k=n}^{m-1} d(x_k, x_{k+1}) < \sum_{k=n}^{m-1} (\varepsilon_k + \varepsilon_{k+1}) \to 0 \quad (n,m \to \infty)

所以{xn}nN\{x_n\}_{n \in \mathbb N} 为 Cauchy 列,由于 (X,d)(X,d) 完备,故存在极限点 xXx \in X

既然极限点 xXx \in X,而 U\mathcal UXX 的开覆盖,必然存在某个开集 Uλ0UU_{\lambda_0} \in \mathcal U,使得 x \in U_

又由于 Uλ0U_{\lambda_0} 是度量拓扑下的开集,

δ>0,s.t.N(x,δ)Uλ0{}^\exists \delta \gt 0,\quad s.t.\quad N(x, \delta) \subset U_{\lambda_0}

现在两个极限条件分别给出

{xnxN0N,s.t.n>N0,d(xn,x)<δ2εn0N1N,s.t.n>N1,εn<δ2\begin{cases} x_n \to x \implies {}^\exists N_0 \in \mathbb N,\quad s.t.\quad {}^\forall n \gt N_0,\quad d(x_n, x) \lt \frac{\delta}{2} \\ \varepsilon_n \to 0 \implies {}^\exists N_1 \in \mathbb N,\quad s.t.\quad {}^\forall n \gt N_1,\quad \varepsilon_n \lt \frac{\delta}{2} \end{cases}

那么当 n>max{N0,N1}n \gt \max\{N_0, N_1\} 时,对于任意 yBny \in B_n,由三角不等式,有

d(y,x)d(y,xn)+d(xn,x)<δ2+δ2=δd(y, x) \leq d(y, x_n) + d(x_n, x) \lt \frac{\delta}{2} + \frac{\delta}{2} = \delta

所以

BnN(x,δ)Uλ0B_n \subset N(x, \delta) \subset U_{\lambda_0}

这意味着 BnB_n 能被 Uλ0U_{\lambda_0} 这单一个开集覆盖,从而能被 U\mathcal U 的有限子覆盖覆盖,矛盾!
综上,(X,d)(X,d) 必为紧的度量空间
\square

紧致性的本质:

紧致=完备+全有界\text{紧致} = \text{完备} + \text{全有界}

  • 完备性 处理的是 “微观” 上的收敛问题(极限点必须在空间内)。
  • 全有界性 处理的是 “宏观” 上的大小问题(不能无限延展,也不能包含无限个互不相关的方向)。