AM@点与点集的关系@n维空间邻域

news/2024/11/8 22:38:20/

文章目录

abstract

  • 坐标平面和平面点集, n n n维空间点集
  • 点与点集的关系
  • n维空间及其邻域

坐标平面

  • 建立了坐标系的平面称为坐标平面
  • 二元有序实数组 ( x , y ) (x,y) (x,y)全体(点坐标集合),即 R 2 = R × R \bold{R^2=R\times{R}} R2=R×R= { ( x , y ) ∣ x , y ∈ R } \set{(x,y)|x,y\in{\bold{R}}} {(x,y)x,yR}表示的就是坐标平面

平面点集

  • 坐标平面上具有某种性质的点集合称为平面点集,记为 E = { ( x , y ) ∣ ( x , y ) 具有性质 P } E=\set{(x,y)|(x,y)具有性质P} E={(x,y)(x,y)具有性质P}
  • 例如平面上以原点为中心, r r r为半径的圆内所有点的集合为 G = { ( x , y ) ∣ x 2 + y 2 < r 2 } G=\set{(x,y)|x^2+y^2<r^2} G={(x,y)x2+y2<r2}
    • 或非坐标形式的平面点集,比如令 ∣ O P ∣ |OP| OP表示 P P P O O O的距离,则 G = { P ∣ ∣ O P ∣ < r } G=\set{P||OP|<r} G={POP<r}

平面邻域

  • 平面邻域,即 R 2 \bold{R}^2 R2中的邻域

  • P 0 ( x 0 , y 0 ) P_0(x_0,y_0) P0(x0,y0)是平面上的一点, δ \delta δ是某个正数,与 P 0 P_0 P0的距离小于 δ \delta δ的所有点的全体构成的集合,称为 P 0 P_0 P0邻域,记为 U ( P 0 , δ ) U(P_0,\delta) U(P0,δ),即 U ( P 0 , δ ) U(P_0,\delta) U(P0,δ)= { ( x , y ) ∣ ( x − x 0 ) 2 + ( y − y 0 ) 2 < δ } \set{(x,y)|\sqrt{(x-x_0)^2+(y-y_0)^2}<\delta} {(x,y)(xx0)2+(yy0)2 <δ};

    • 在不强调 δ \delta δ时,点 P 0 P_0 P0的邻域简记为 U ( P 0 ) U(P_0) U(P0)
    • 去心邻域: U ˚ ( P 0 , δ ) \mathring{U}(P_0,\delta) U˚(P0,δ)= { ( x , y ) ∣ 0 < ( x − x 0 ) 2 + ( y − y 0 ) 2 < δ } \set{(x,y)|0<\sqrt{(x-x_0)^2+(y-y_0)^2}<\delta} {(x,y)0<(xx0)2+(yy0)2 <δ};或简记为 U ˚ ( P 0 ) \mathring{U}(P_0) U˚(P0)
  • 在几何上, U ( P 0 , δ ) U(P_0,\delta) U(P0,δ)表示的是以 P 0 P_0 P0为圆心,以 δ \delta δ为半径的圆内部的所有点的集合

利用邻域描述点与点集的关系

  • E E E为平面上的一个点集, P P P是平面上的一点,则 P P P E E E之间,(即 P ∈ R 2 P\in{\bold{R}^2} PR2 E ⊂ R 2 E\sub{\bold{R}^2} ER2, P , E P,E P,E的关系)必然存在3种关系:内点,外点,边界点
    • 内点:若 ∃ U ( P ) ⊂ E \exist{U(P)}\sub{E} U(P)E,则 P P P E E E内点,( P ∈ E P\in{E} PE)
    • 外点:若 ∃ U ( P ) ∩ E \exist{U(P)}\cap{E} U(P)E= ∅ \emptyset ,则 P P P E E E外点, ( P ∉ E ) (P\notin{E}) (P/E)
    • 边界点:若 ∀ U ( P ) ∩ E ≠ 0 \forall{U(P)}\cap{E}\neq{0} U(P)E=0,且 ∀ U ( P ) ∩ E ‾ ≠ 0 \forall{U(P)}\cap{\overline{E}}\neq{0} U(P)E=0,则称 P P P E E E边界点,( P ∈ E P\in{E} PE P ∉ E P\notin{E} P/E都有可能)
      • 其中 E ‾ \overline{E} E表示 E E E以外的点的集合
  • 边界: E E E的边界点全体称为 E E E边界,记为 ∂ E \partial{E} E

聚点

  • 点与点集的另一种关系:聚点,其同时也是上述三种基本关系的一种

  • 聚点: ∀ δ > 0 \forall{\delta}>0 δ>0, ∃ Q ∈ U ˚ ( P , δ ) \exist{Q}\in\mathring{U}(P,\delta) QU˚(P,δ) Q ∈ E Q\in{E} QE,则称 P P P E E E的聚点

  • 由定义可知, E E E的聚点 P P P可能属于 E E E,也可能不属于 E E E

    • 例如,设平面点集 E = { ( x , y ) ∣ 1 < x 2 + y 2 ⩽ 2 } E=\set{(x,y)|1<x^2+y^2\leqslant{2}} E={(x,y)1<x2+y22}
      • 满足 1 < x 2 + y 2 < 2 1<x^2+y^2<2 1<x2+y2<2的一切点 ( x , y ) (x,y) (x,y)都是 E E E的内点,
      • 满足 x 2 + y 2 = 1 x^2+y^2=1 x2+y2=1的一切点 ( x , y ) (x,y) (x,y)都是 E E E的边界点,它们都不属于 E E E;
      • 满足 x 2 + y 2 = 2 x^2+y^2=2 x2+y2=2的一切点 ( x , y ) (x,y) (x,y)也是 E E E的边界点,它们都属于 E E E;
      • E E E以及它的边界 ∂ E \partial{E} E上的一切点都是 E E E聚点
    • 在这里插入图片描述

点集分类

以下点集的分类都是基于边界与点集的关系作分类,作点集分类首先是找到边界

  • E E E的所有点都是它的内点,则 E E E开集

    • 例如 { ( x , y ) ∣ 1 < x 2 + y 2 < 2 } \set{(x,y)|1<x^2+y^2<2} {(x,y)1<x2+y2<2}
  • E E E的边界 ∂ E ⊂ E \partial{E}\sub{E} EE,则 E E E闭集

    • 例如 { ( x , y ) ∣ 1 ⩽ x 2 + y 2 ⩽ 2 } \set{(x,y)|1\leqslant x^2+y^2\leqslant 2} {(x,y)1x2+y22}
  • 非开集也非闭集

    • 例如: { ( x , y ) ∣ 1 < x 2 + y 2 ⩽ 2 } \set{(x,y)|1<x^2+y^2\leqslant 2} {(x,y)1<x2+y22},此点集属于半开半闭点集
  • 连通集:若 ∀ P 1 , P 2 ∈ E \forall{P_1,P_2}\in{E} P1,P2E,总可以用折线 S S S连结起来,且折线上的点都属于 E E E即( S ∩ E = S S\cap{E}=S SE=S),则称点集 E E E连通的

  • 区域:连通的开集称为开区域,简称区域

    • 例如: { ( x , y ) ∣ x + y ∈ ( − 1 , 1 ) } \set{(x,y)|x+y\in(-1,1)} {(x,y)x+y(1,1)}; { ( x , y ) ∣ x + y > 0 } \set{(x,y)|x+y>0} {(x,y)x+y>0}
  • 区域连同它的边界一同构成闭区域

    • 例如: { ( x , y ) ∣ x + y ∈ [ − 1 , 1 ] } \set{(x,y)|x+y\in[-1,1]} {(x,y)x+y[1,1]}
  • 有界集:对于平面点集 E E E,若存在一个正数 r r r,使得 ( E ⊂ U ( O , r ) ) (E\sub{U(O,r)}) (EU(O,r)),则称 E E E有界的;否则称为无界的(其中 O O O坐标原点)

    • 例如: { ( x , y ) ∣ 1 ⩽ x 2 + y 2 ⩽ 2 } \set{(x,y)|1\leqslant{x^2+y^2\leqslant{2}}} {(x,y)1x2+y22}有界闭区域
    • { ( x , y ) ∣ x + y ⩾ 0 } \set{(x,y)|x+y\geqslant 0} {(x,y)x+y0}无界闭区域(该点集只有一条边界,即直线 x + y = 0 x+y=0 x+y=0;另一侧则是无限衍生没有边界;而只要边界位于点集内,那么就是闭区域,而不要求闭区域是有界的)

n n n维空间

基础概念
  • n n n为取定的一个正整数,我们用 R n \bold{R}^{n} Rn表示 n n n元有序实数组 ( x 1 , ⋯ , x n ) (x_1,\cdots,x_n) (x1,,xn)的全体所构成的集合,即 R n \bold{R}^{n} Rn= R × R × ⋯ × R \bold{R\times{R}\times{\cdots}\times{R}} R×R××R= { ( x 1 , ⋯ , x n ) ∣ x i ∈ R , i = 1 , 2 , ⋯ , n } \set{(x_1,\cdots,x_n)|x_{i}\in{\bold{R}},i=1,2,\cdots,n} {(x1,,xn)xiR,i=1,2,,n}
  • R n \bold{R}^{n} Rn中的元素 ( x 1 , ⋯ , x n ) (x_1,\cdots,x_n) (x1,,xn)有时也用单个粗体字母表示,例如 x = ( x 1 , ⋯ , x n ) \bold{x}=(x_1,\cdots,x_n) x=(x1,,xn),
  • 零元:当 x i = 0 x_i=0 xi=0, i = 1 , 2 , ⋯ , n i=1,2,\cdots,n i=1,2,,n时,称该元素为 R n \bold{R}^{n} Rn中的零元,记为 0 \bold{0} 0 O O O
  • 在解析几何中,通过直角坐标系, R 2 \bold{R}^{2} R2(或 R 3 \bold{R}^{3} R3)中的元素分别与平面(或空间)中的向量一一对应,所以 R n \bold{R}^{n} Rn中的元素 x = ( x 1 , ⋯ , x n ) \bold{x}=(x_1,\cdots,x_n) x=(x1,,xn)也称为 R n \bold{R}^{n} Rn的一个或一个 n n n维向量
  • x i x_i xi称为点 x \bold{x} x i i i个坐标或向量的 i i i个分量
  • R n \bold{R}^{n} Rn中的零元称为 R n \bold{R}^{n} Rn中的坐标原点或** n n n维零向量**
线性运算和空间概念
  • x = ( x 1 , ⋯ , x n ) \bold{x}=(x_1,\cdots,x_n) x=(x1,,xn), y = ( y 1 , ⋯ , y n ) \bold{y}=(y_1,\cdots,y_n) y=(y1,,yn) R n \bold{R}^{n} Rn中任意两个元素, λ ∈ R \lambda\in{\bold{R}} λR规定
    • x + y = ( x 1 + y 1 , ⋯ , x n + y n ) \bold{x+y}=(x_1+y_1,\cdots,x_n+y_n) x+y=(x1+y1,,xn+yn)
    • λ x \lambda{\bold{x}} λx= ( λ x 1 , ⋯ , λ x n ) (\lambda{x_1},\cdots,\lambda{x_n}) (λx1,,λxn)
  • 定义了线性运算的集合 R n \bold{R}^{n} Rn称为** n n n维空间**

空间中的两点距离

  • R n \bold{R}^{n} Rn中的点 x = ( x 1 , ⋯ , x n ) \bold{x}=(x_1,\cdots,x_n) x=(x1,,xn), y = ( y 1 , ⋯ , y n ) \bold{y}=(y_1,\cdots,y_n) y=(y1,,yn)的距离记为 ρ ( x , y ) \rho(\bold{x,y}) ρ(x,y)
  • 规定 ρ ( x , y ) \rho(\bold{x,y}) ρ(x,y)= ( x 1 − y 1 ) 2 + ⋯ + ( x n − y n ) 2 \sqrt{(x_1-y_1)^2+\cdots+(x_n-y_n)^2} (x1y1)2++(xnyn)2
  • R n \bold{R}^{n} Rn中, x \bold{x} x 0 \bold{0} 0的距离 ρ ( x , 0 ) \rho(\bold{x,0}) ρ(x,0)记为 ∣ ∣ x ∣ ∣ ||\bold{x}|| ∣∣x∣∣
    • 特别的,在 R k , k ⩽ 3 \bold{R}^{k},k\leqslant{3} Rk,k3时, ∣ ∣ x ∣ ∣ ||\bold{x}|| ∣∣x∣∣简记为 ∣ x ∣ |x| x
    • ∣ ∣ x ∣ ∣ \bold{||x||} ∣∣x∣∣= x 1 2 + ⋯ + x n 2 \sqrt{x_1^2+\cdots+x_n^2} x12++xn2
    • z = x − y \bold{z=x-y} z=xy= ( x 1 − y 1 , ⋯ , x n − y n ) (x_1-y_1,\cdots,x_n-y_n) (x1y1,,xnyn),那么有 ∣ ∣ z ∣ ∣ = ∣ ∣ x − y ∣ ∣ \bold{||z||}=\bold{||x-y||} ∣∣z∣∣=∣∣xy∣∣= ( x 1 − y 1 ) 2 + ⋯ + ( x n − y n ) 2 \sqrt{(x_1-y_1)^2+\cdots+(x_n-y_n)^2} (x1y1)2++(xnyn)2 = ρ ( x , y ) \rho(\bold{x,y}) ρ(x,y)

n n n维空间中的变元极限

  • n n n维空间 R n \bold{R}^{n} Rn中定义了距离后,就可以定义 R n \bold{R}^{n} Rn中的变元极限
  • x = ( x 1 , ⋯ , x n ) \bold{x}=(x_1,\cdots,x_n) x=(x1,,xn), a \bold{a} a= ( a 1 , ⋯ , a n ) (a_1,\cdots,a_n) (a1,,an), x , a ∈ R n \bold{x,a}\in{\bold{R}^{n}} x,aRn,若 ∣ ∣ x → a ∣ ∣ → 0 \bold{||x\to{a}}||\to{0} ∣∣xa∣∣0,则称变元 x \bold{x} x R n \bold{R}^{n} Rn中趋于固定元 a \bold{a} a,记为 x → a \bold{x\to{a}} xa
    • 显然, x → a \bold{x\to{a}} xa ⇔ \Leftrightarrow x i → a i x_i\to{a_i} xiai, ( i = 1 , 2 , ⋯ , n ) (i=1,2,\cdots,n) (i=1,2,,n)

n n n维空间内的邻域

  • a \bold{a} a= ( a 1 , ⋯ , a n ) ∈ R n (a_1,\cdots,a_n)\in{\bold{R}^{n}} (a1,,an)Rn, δ \delta δ是某个正数,则 n n n维空间内的点集 U ( a , δ ) U(\bold{a},\delta) U(a,δ)= { x ∣ x ∈ R n , ρ ( x , a < δ ) } \set{\bold{x}|\bold{x\in{R}}^{n},\rho(\bold{x,a}<\delta)} {xxRn,ρ(x,a<δ)}就定义为 R n \bold{R}^{n} Rn a \bold{a} a δ \delta δ邻域
  • 类似的可以定义 n n n为空间 R n \bold{R}^{n} Rn内的点集的内点,外点,边界点,聚点;以及点集的分类:开集,闭集,区域等概念

http://www.ppmy.cn/news/1195541.html

相关文章

各位社区工作者!打工而已,不要太上头!!

社工家人们&#xff0c;打工而已&#xff0c;不要太上头&#xff01;咱能偷懒的就偷懒啊&#xff01; 合情合理的偷懒不仅让你更轻松&#xff0c;工作效率还会提高&#xff0c;何乐而不为呢&#xff01;&#xff01;就比如说各种报告啊&#xff0c;活动方案这些啊&#xff0c;…

【equals比较方法 和 内部类】

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 前言对象比较equals方法内部类实例内部类静态内部类总结 前言 对象比较equals方法 三种比较相等方法&#xff1a; 第一种&#xff0c;如果两侧是基本数据类型&…

[NOIP2017 提高组] 列队 题解

数据结构。 n 1 n1 n1 的 case&#xff1a;考虑有 m q mq mq 个位置&#xff0c;出队的人直接添加到队尾。维护位置对应的人&#xff0c;每次查询第 k k k 个人的位置。 实现考虑维护 01 序列&#xff0c;表示位置上是 / 否有人&#xff0c;每次查前缀和为 k k k 的位置即…

基于51单片机电子秤-proteus仿真-源程序

一、系统方案 本设计采用52单片机作为主控器&#xff0c;液晶1602显示&#xff0c;HX711模块&#xff0c;按键设置单价&#xff0c;计算总价&#xff0c;超量程报警&#xff0c;蜂鸣器报警。 二、硬件设计 原理图如下&#xff1a; 三、单片机软件设计 1、首先是系统初始化 I…

怎样做好金融投资翻译

我们知道&#xff0c; 金融投资翻译所需的译文往往是会议文献、年终报表、信贷审批等重要企业金融资料&#xff0c;其准确性事关整个企业在今后一段时期内的发展战略与经营成效。尤其像年报&#xff0c;对于上市公司来说更是至关重要的。那么&#xff0c;怎样做好金融投资翻译&…

精品基于Python的气象预报系统-爬虫

《[含文档PPT源码等]精品基于Python的气象预报系统-爬虫》该项目含有源码、文档、PPT、配套开发软件、软件安装教程、项目发布教程、包运行成功&#xff01; 软件开发环境及开发工具&#xff1a; 开发语言&#xff1a;python 使用框架&#xff1a;Django 前端技术&#xff…

学习编程语言需要具备哪些数学基础?

学习编程语言需要具备的数学基础是一个非常广泛和深入的话题。 在计算机科学和软件工程领域&#xff0c;数学与编程语言密不可分&#xff0c;其中包括离散数学、统计学、算法分析等领域。 这里将从以下四个方面详细论述学习编程语言需要具备的数学基础&#xff1a;基本数学知…

(论文阅读14/100)End-to-end people detection in crowded scenes

文献阅读笔记 简介 题目 End-to-end people detection in crowded scenes 作者 Russell Stewart, Mykhaylo Andriluka 原文链接 https://arxiv.org/pdf/1506.04878.pdf 关键词 Null 研究问题 当前的人员检测器要么以滑动窗口的方式扫描图像&#xff0c;要么对一组离…