最后更新: 2026-04-05 19:38 查看: 194 次纠错评论(0) 课件开VIP

乘积空间与拓扑基

## 乘积空间与拓扑基

设 $\mathscr{B}$ 是 $X$ 的一个子集族，规定新子集族
$\overline{\mathscr{B}}:=\{U \subset X \mid U$ 是 $\mathscr{B}$ 中若干成员的并集 $\}$
$=\{U \subset X \mid \forall x \in U$ ，存在 $B \in \mathscr{B}$ ，使得 $x \in B \subset U\}$ 。
称 $\overline{\mathscr{B}}$ 为 $\mathscr{B}$ 所**生成**的子集族。显然 $\mathscr{B} \subset \overline{\mathscr{B}}, \varnothing \in \overline{\mathscr{B}}$ 。
设 $X_1$ 和 $X_2$ 是两个集合，记 $X_1 \times X_2$ 为它们的笛卡儿积：

$$
X_1 \times X_2=\left\{\left(x_1, x_2\right) \mid x_i \in X_i\right\} .
$$

规定 $j_i: X_1 \times X_2 \rightarrow X_i$ 为 $j_i\left(x_1, x_2\right)=x_i(i=1,2)$ ，称 $j_i$ 为 $X_1 \times X_2$到 $X_i$ 的投射。如果 $A_i \subset X_i(i=1,2)$ ，则 $A_1 \times A_2 \subset X_1 \times X_2$ 。容易验证：当 $A_i \subset X_i, B_i \subset X_i(i=1,2)$ 时，

$$
\left(A_1 \times A_2\right) \cap\left(B_1 \times B_2\right)=\left(A_1 \cap B_1\right) \times\left(A_2 \cap B_2\right) .
$$

对于＂$\cup$＂运算，类似等式不成立．

## 3.1 乘积空间

设 $\left(X_1, \tau_1\right)$ 和 $\left(X_2, \tau_2\right)$ 是两个拓扑空间．现在要在笛卡儿积 $X_1 \times X_2$ 上规定一个与 $\tau_1, \tau_2$ 密切相关的拓扑 $\tau$ ．具体地说，$\tau$ 要使 $j_1$和 $j_2$ 都连续．并且是满足此要求的最小拓扑．

在具体给出 $\tau$ 的定义之前，我们先来考察 $\tau$ 应该含有哪些集合？
$\forall U_i \in \tau_i$ ，由于 $j_i$ 连续，$j_i^{-1}\left(U_i\right) \in \tau$（定理1．1）．若 $U_1 \in \tau_1, U_2 \in \tau_2$ ，则

$$
U_1 \times U_2=\left(U_1 \times X_2\right) \cap\left(X_1 \times U_2\right)=j_1^{-1}\left(U_1\right) \cap j_2^{-1}\left(U_2\right) \in \tau .
$$

构造 $X_1 \times X_2$ 的子集族 $\mathscr{B}=\left\{U_1 \times U_2 \mid U_i \in \tau_i\right\}$ ，则所要构造的拓扑 $\tau$ 包含 $\mathscr{B}$ 。根据拓扑公理（2），$\tau$ 也一定包含 $\overline{\mathscr{B}}$ ，因此 $\tau$ 就是包含 $\overline{\mathscr{B}}$的最小拓扑．

**命题 $1.10 \overline{\mathscr{B}}$ 是 $X_1 \times X_2$ 上的一个拓扑**．

证明 显然 $\overline{\mathscr{B}}$ 满足拓扑公理（1）。
由 $\overline{\mathscr{S}}$ 的定义看出，$\overline{\mathscr{B}}$ 中成员的任意并仍在 $\overline{\mathscr{B}}$ 中，因此拓扑公理（2）也满足．下面验证满足拓扑公理（3）。

设 $W, W^{\prime} \in \overline{\mathscr{B}}$ ，要证明 $W \cap W^{\prime} \in \overline{\mathscr{B}} . \forall\left(x_1, x_2\right) \in W \cap W^{\prime}$ ，则 $\left(x_1, x_2\right) \in W$ ，从而有 $U_i \in \tau_i(i=1,2)$ ，使得 $\left(x_1, x_2\right) \in U_1 \times U_2 \subset W$ ；同样，有 $U_i^{\prime} \in \tau_i$ ，使得 $\left(x_1, x_2\right) \in U_1^{\prime} \times U_2^{\prime} \subset W^{\prime}$ 。于是 $\left(x_1, x_2\right) \in \left(U_1 \times U_2\right) \cap\left(U_1^{\prime} \times U_2^{\prime}\right) \subset W \cap W^{\prime}$ ，而

$$
\left(U_1 \times U_2\right) \cap\left(U_1^{\prime} \times U_2^{\prime}\right)=\left(U_1 \cap U_1^{\prime}\right) \times\left(U_2 \cap U_2^{\prime}\right) \in \mathscr{B} .
$$

由 $\overline{\mathscr{B}}$ 的定义，$W \cap W^{\prime} \in \overline{\mathscr{B}}$ ．公理（3）满足．
命题1．10说明 $\overline{\mathscr{S}}$ 就是我们所要构造的拓扑 $\tau$ 。
**定义 1.10** 称 $\overline{\mathscr{B}}$ 为 $X_1 \times X_2$ 上的乘积拓扑，称 $\left(X_1 \times X_2, \overline{\mathscr{B}}\right)$为 $\left(X_1, \tau_1\right)$ 和 $\left(X_2, \tau_2\right)$ 的**乘积空间**。简记为 $X_1 \times X_2$ ．

用类似的方法可以规定有限个拓扑空间 $\left(X_i, \tau_i\right)(i=1, \cdots, n)$ 的乘积空间 $X_1 \times X_2 \times \cdots \times X_n$ ，它的拓扑由 $\mathscr{B}=\left\{U_1 \times U_2 \times \cdots \times U_n\right. \left.\mid U_i \in \tau_i, i=1, \cdots, n\right\}$ 所生成，请读者自己验证。

> 拓扑空间的＂乘积＂运算具有结合律，

即

$$
X_1 \times X_2 \times X_3=\left(X_1 \times X_2\right) \times X_3=X_1 \times\left(X_2 \times X_3\right) .
$$

无穷多个拓扑空间 $\left\{\left(X_\lambda, \tau_\lambda\right): \lambda \in \Lambda\right\}$ 的乘积空间的定义要麻烦一些。 $\left\{X_\lambda: \lambda \in \Lambda\right\}$ 的笛卡儿积规定为

$$
\prod_{\lambda \in \Lambda} X_{\Lambda}:=\left\{f: \Lambda \rightarrow \bigsqcup_{\lambda \in \Lambda} X_\lambda \mid f(\lambda) \in X_\lambda, \forall x \in \Lambda\right\} .
$$

这里记号 $\sqcup$ 表示集合族 $\left\{X_\lambda: \lambda \in \Lambda\right\}$ 的无交并（参见第 87 页）．其上的拓扑通常有两种，它们分别由 $\mathscr{B}_1=\left\{\prod_{\lambda \in \Lambda} U_\lambda \mid U_\lambda \in \tau_\lambda\right\}$ 和 $\mathscr{B}_2=\left\{\prod_{\lambda \in \Lambda} U_\lambda \mid U_\lambda \in \tau_\lambda\right.$ ，且除去有限个 $\lambda$ 外，$\left.U_\lambda=X_\lambda\right\}$ 所生成。最常用的是第二种，称为乘积拓扑（或 Тихонов 拓扑），它保留有限乘积空间的更多的性质．下面我们将只讨论有限乘积空间．

## 3.2 乘积空间的性质

由乘积拓扑的定义直接得到投射 $j_i: X_1 \times X_2 \rightarrow X_i$ 的连续性． $j_i$ 还是开映射（习题3）．设 $Y$ 是任一拓扑空间，$f: Y \rightarrow X_1 \times X_2$ 是一映射。称 $f_i=j_i \circ f: Y \rightarrow X_i(i=1,2)$ 为 $f$ 的两个分量（映射）。于是 $f$ 与它的两个分量互相决定．

**定理1.3** 对于任何拓扑空间 $Y$ 和映射 $f: Y \rightarrow X_1 \times X_2, f$ 连续 $\Longleftrightarrow f$ 的分量都连续．

证明 $\Longrightarrow$ ．因为 $j_i$ 连续，所以当 $f$ 连续时，复合映射 $f_i= j_i \circ f$ 也连续 $(i=1,2)$ ．

$\Longleftarrow$设 $U_i \in \tau_i(i=1,2)$ ，则 $f_i^{-1}\left(U_i\right)$ 都是 $Y$ 的开集．容易看出 $f(y) \in U_1 \times U_2 \Longleftrightarrow f_i(y) \in U_i(i=1,2)$ ，因此 $f^{-1}\left(U_1 \times U_2\right)= f_1^{-1}\left(U_1\right) \cap f_2^{-1}\left(U_2\right)$ ，它是 $Y$ 的开集．对于 $X_1 \times X_2$ 中一般的开集 $W$ ，有 $W=\bigcup_{\alpha \in \mathscr{A}} U_{1, \alpha} \times U_{2, \alpha}$ ，其中 $U_{i, \alpha} \in \tau_i, \forall \alpha \in \mathscr{A}$ ．于是
$$
f^{-1}(W)=\bigcup_{a \in \mathscr{A}} f^{-1}\left(U_{1, \alpha} \times U_{2, \alpha}\right)
$$

也是 $Y$ 的开集．因此 $f$ 是连续的．
对于任何多个拓扑空间的乘积空间（无穷情形用乘积拓扑），定理同样成立．还可证明，$X_1 \times X_2$ 上使定理能成立的拓扑只有乘积拓扑。

**推论 $\forall b \in X_2$ ，由 $x \mapsto(x, b)$ 规定的映射 $j_b: X_1 \rightarrow X_1 \times X_2$ 是嵌入映射**。

证明 须要验证 $i_b: X_1 \rightarrow i_b\left(X_1\right)=X_1 \times\{b\}$ 是同胚．它显然是一一对应．$i_b^{-1}$ 是 $j_1$ 在 $X_1 \times\{b\}$ 上的限制，因此是连续的．$i_b$ 的两个分量分别是恒同映射 id：$X_1 \rightarrow X_1$ 和 $X_1$ 到 $X_2$ 的常值映射（把 $X_1$映为 $\{b\}$ ），都是连续的．由定理1．3推出 $i_b$ 是连续的．

## 3.3 拓扑基

乘积拓扑是用一个特定的子集族生成的。这种规定拓扑的方法在度量空间中已经用过．度量空间的开集是球形邻域的并集，也就是说度量空间的球形邻域族生成了度量拓扑。拓扑基就是从以上方法中抽象出的一个一般性概念。

**定义1.11** 称集合 $X$ 的子集族 $\mathscr{B}$ 为**集合 $X$ 的拓扑基**，如果 $\overline{\mathscr{B}}$ 是 $X$ 的一个拓扑；称拓扑空间 $(X, \tau)$ 的子集族 $\mathscr{B}$ 为这个**拓扑空间的拓扑基**，如果 $\overline{\mathscr{B}}=\tau$ 。

> 这里提出了两个有联系的不同概念：集合的拓扑基和拓扑空间的拓扑基。前者只要求 $\overline{\mathscr{B}}$ 是集合 $X$ 的一个拓扑，而后者要求 $\overline{\mathscr{B}}$是 $X$ 原有的拓扑 $\tau$ 。这两个概念的判断方法也不一样。

**命题1.11** $\mathscr{B}$ 是集合 $X$ 的拓扑基的充分必要条件是：
（1）$\bigcup_{B \in \mathscr{B}} B=X$ ；
（2）若 $B_1, B_2 \in \mathscr{B}$ ，则 $B_1 \cap B_2 \in \overline{\mathscr{B}}$（也就是 $\forall x \in B_1 \cap B_2$ ，存在 $B \in \mathscr{B}$ ，使得 $x \in B \subset B_1 \cap B_2$ ）．

证明 必要性显然．下面证充分性，即当（1）和（2）成立时验证
$\overline{\mathscr{B}}$ 满足拓扑公理．
$\overline{\mathscr{B}}$ 的定义蕴涵它满足拓扑公理（2），并且 $\varnothing \in \overline{\mathscr{B}}$ ．条件（1）说明 $X \in \overline{\mathscr{B}}$ ．因此 $\overline{\mathscr{B}}$ 也满足拓扑公理（1）。设 $U, U^{\prime} \in \overline{\mathscr{B}}$ ．记 $U =\bigcup_\alpha B_\alpha, U^{\prime}=\bigcup_\beta B_\beta^{\prime}$ ，其中 $B_\alpha, B_\beta^{\prime} \in \mathscr{B}, \forall \alpha, \beta$ ，则 $U \cap U^{\prime} =\bigcup_{\alpha, \beta}\left(B_\alpha \cap B_\beta^{\prime}\right)$ 。由条件（2），得 $B_\alpha \cap B_\beta^{\prime} \in \overline{\mathscr{B}}, \forall \alpha, \beta$ 。再由拓扑公理（2），推出 $U \cap U^{\prime} \in \overline{\mathscr{B}}$ ．于是拓扑公理（3）成立．

`例`规定 $\boldsymbol{R}$ 的子集族 $\mathscr{B}=\{[a, b) \mid a<b\}$ 。显然 $\mathscr{B}$ 满足命题 1.11 中条件（1）。任取 $\left[a_1, b_1\right),\left[a_2, b_2\right)$ ，若 $x \in\left[a_1, b_1\right) \cap\left[a_2, b_2\right)$ ，记 $a=\max \left\{a_1, a_2\right\}, b=\min \left\{b_1, b_2\right\}$ ，于是 $a \leqslant x<b$ ．则 $[a, b) \in \mathscr{B}$ ，并且 $x \in[a, b) \subset\left[a_1, b_1\right) \cap\left[a_2, b_2\right)$ 。因此命题1．11中条件（2）也满足．这样， $\mathscr{B}$ 是 $\boldsymbol{R}$ 上的一个拓扑基．

令 $\mathscr{B}^{\prime}=\{[a, b) \mid a<b, b$ 是有理数 $\}$ 。则同样可证 $\mathscr{B}^{\prime}$ 是 $\boldsymbol{R}$ 上的拓扑基。因为 $\mathscr{B}^{\prime} \subset \mathscr{B}$ ，所以 $\overline{\mathscr{B}}^{\prime} \subset \overline{\mathscr{B}}$ 。另一方面，不难验证 $\mathscr{B} \subset \overline{\mathscr{B}}^{\prime}$ ，并由此得出 $\overline{\mathscr{B}} \subset \overline{\mathscr{B}^{\prime}}$ 。这样 $\mathscr{B}$ 与 $\mathscr{B}^{\prime}$ 生成相同的拓扑。一般地，当两个拓扑基生成相同的拓扑时，就称它们是等价的。

**命题1.12** $\mathscr{B}$ 是拓扑空间 $(X, \tau)$ 的拓扑基的充分必要条件
为：
（1） $\mathscr{B} \subset \tau$（即 $\mathscr{B}$ 的成员是开集）；
（2）$\tau \subset \overline{\mathscr{B}}$（即每个开集都是 $\mathscr{B}$ 中一些成员的并集）。
证明 必要性显然．
由条件（1）与（2）推出 $\overline{\mathscr{B}}=\tau$ ，从而 $\mathscr{B}$ 是 $(X, \tau)$ 的拓扑基。充分性得证。

`例`若 $\mathscr{B}$ 是 $(X, \tau)$ 的拓扑基，$A \subset X$ 。规定 $\mathscr{B}_A:=\{A \cap B \mid B \in \mathscr{B}\}$ ．它是 $A$ 的子集族．显然命题1．12的条件（1）成立．设 $V$ 是 $A$ 的开集，则有 $U \in \tau$ ，使 $V=A \cap U$ 。设 $U=\bigcup_a B_a, B_a \in \mathscr{B}$ ，则 $V =\bigcup_a A \cap B_a \in \overline{\mathscr{B}}_A$ 。于是 $\mathscr{B}_A$ 满足命题1．12条件（2）。因此 $\mathscr{B}_A$是 $\left(A, \tau_A\right)$ 的拓扑基．

`例`设 $\boldsymbol{R}$ 的子集族 $\mathscr{B}=\{(a, b) \mid a<b, a, b$ 为有理数 $\}$ 。则 $\mathscr{B}$是 $\boldsymbol{E}^1$ 的拓扑基（请读者自己验证）。

设 $\mathscr{B}$ 是拓扑空间 $X$ 的拓扑基，$x \in A \subset X$ ，则 $A$ 是 $x$ 的邻域 $\Longleftrightarrow$ 存在 $B \in \mathscr{B}$ ，使得 $x \in B \subset A$（请读者自己证明）．于是，许多概念可利用拓扑基来刻画。例如：
$x$ 是 $A$ 的聚点 $\Longleftrightarrow \mathscr{B}$ 中每个包含 $x$ 的成员与 $A \backslash\{x\}$ 有交点；
$x \in \bar{A} \Longleftrightarrow \mathscr{B}$ 中每个包含 $x$ 的成员与 $A$ 有交点；
$f: Y \rightarrow X$ 连续 $\Longleftrightarrow \forall B \in \mathscr{B}, f^{-1}(B)$ 是 $Y$ 的开集。
当 $\mathscr{B}$ 中成员的形式比较＂规范＂时（如度量空间中的球形邻域或乘积空间中 $U_1 \times U_2$ 形式的开集），以上概念的检验就往往要方便得多。

## 疑难解答

> **Q:什么是子集簇？**

简单的说，就是 **一堆子集放在一起，组成的集合**

我们举一个例子具体解释

设全集
$$
X=\{1,2\}
$$

它一共只有 4 个子集：
$$
\emptyset,\ \{1\},\ \{2\},\ \{1,2\}
$$

---

### 1. 子集族是什么？

随便挑几个子集放在一起，就是**子集族**。

比如：
- $\mathcal F_1=\big\{\{1\},\{2\}\big\}$
- $\mathcal F_2=\big\{\emptyset,\{1,2\}\big\}$
- $\mathcal F_3=\big\{\emptyset,\{1\},\{1,2\}\big\}$

这些**全都是子集族**，没有任何条件，只要里面每个元素都是 X 的子集就行。

---

### 2. 什么时候子集族能成为「拓扑」？

拓扑是**满足三条公理的特殊子集族**：

1. $\emptyset,X\in\tau$
2. 任意多个开集的并仍在 $\tau$ 中
3. 有限个开集的交仍在 $\tau$ 中

---

### 例子 1：一个合法拓扑
$$
\tau=\big\{\emptyset,\ \{1\},\ \{1,2\}\big\}
$$

检查：
1. 有 $\emptyset,X$ ✔️
2. 任意并：
   - $\{1\}\cup\{1,2\}=\{1,2\}\in\tau$
   都在里面 ✔️
3. 有限交：
   - $\{1\}\cap\{1,2\}=\{1\}\in\tau$
   都在里面 ✔️

所以这是**拓扑空间**。

---

### 例子 2：不是拓扑的子集族
$$
\mathcal F=\big\{\{1\},\{2\}\big\}
$$

- 没有 $\emptyset$ 和 $X=\{1,2\}$ ❌
直接就不是拓扑。

---

### 例子 3：差一点，但也不是拓扑
$$
\mathcal F=\big\{\emptyset,\{1\},\{2\},\{1,2\}\big\}
$$
这其实**也是拓扑**（叫离散拓扑）。

再换一个：
$$
\mathcal F=\big\{\emptyset,\{1,2\},\{1,2\}\big\}
$$
重复元素不影响，仍然是拓扑。

---

### 一句话总结

- **子集族**：X 的一堆子集随便凑一起。
- **拓扑**：满足三条开集公理的**特殊子集族**。
- **拓扑空间**：集合 X + 一个拓扑 τ，打包在一起。

> **Q:笛卡尔积的投影**

笛卡尔积 先回忆一下：
两个集合 $X,Y$ 的**笛卡尔积**
$$
X\times Y=\big\{(x,y)\mid x\in X,\,y\in Y\big\}
$$
就是把所有“一对一对”的元素全部列出来。

比如：
$X=\{1,2\},\ Y=\{a,b\}$
$$
X\times Y=\{(1,a),(1,b),(2,a),(2,b)\}
$$

### 投影是什么？

在笛卡尔积 $X\times Y$ 上，有两个很自然的**投影映射**：

1. 向第一个集合 $X$ 投影
记作：
$$
p_1:X\times Y\to X
$$
定义：
$$
p_1(x,y)=x
$$

意思就是：
**扔掉第二个坐标，只保留第一个。**

比如：
$p_1(2,a)=2$

### 2. 向第二个集合 $Y$ 投影
记作：
$$
p_2:X\times Y\to Y
$$
定义：
$$
p_2(x,y)=y
$$

意思就是：
**扔掉第一个坐标，只保留第二个。**

比如：
$p_2(2,a)=a$

---

### 放到拓扑空间里，它有什么意义？

当 $X,Y$ 都是**拓扑空间**时：
- 先在 $X\times Y$ 上定义**乘积拓扑**
- 这两个投影 $p_1,p_2$ 自动是**连续映射**

而且反过来：
**乘积拓扑，其实就是“让这两个投影都连续”的最弱拓扑。**

>  **Q:乘积空间**

乘积空间，就是**把两个（或多个）拓扑空间“拼在一起”，得到一个更大的空间**，点由原来每个空间的点组合而成。

### 1. 直观例子
最经典、最好懂的：
- 直线 $ \mathbb R $ 是1维空间
- 平面 $ \mathbb R^2 = \mathbb R \times \mathbb R $ 就是**两条直线的乘积空间**

平面上一个点 $(x,y)$，就是：
- 从第一条直线取一个点 $x$
- 从第二条直线取一个点 $y$
组合起来的新点。

同理：
- $ \mathbb R^3 = \mathbb R \times \mathbb R \times \mathbb R $ 是三维欧氏空间
- 圆柱面 $ S^1 \times \mathbb R $：圆 × 直线
- 环面 $ T^2 = S^1 \times S^1 $：圆 × 圆

---

### 2. 严格一点的定义
设 $X,Y$ 是两个拓扑空间，它们的**乘积空间**记作：
$$
X \times Y
$$

### （1）点集
元素是**有序对**：
$$
(x,y),\quad x\in X,\ y\in Y
$$

### （2）拓扑怎么定义？
乘积空间上的开集，用**“矩形开集”**生成：
- 取 $U\subset X$ 开，$V\subset Y$ 开
- 则 $U\times V$ 是 $X\times Y$ 里的“开矩形”
- 所有这种开矩形的**任意并、有限交**，就构成乘积拓扑

简单说：  在乘积空间里，“局部看起来”就是每个因子空间各自开一点，拼起来的小方块。

### 3. 一句话总结
乘积空间 =**把多个空间的点两两配对，再给配对后的集合配上自然的“乘积拓扑”**。

>  Q: 通俗解释乘积拓扑空间的基本性质

先一句话概括：**乘积拓扑就是让“每个分量都连续”的最弱拓扑**，它保证投影映射连续，且和“收敛、紧致、连通、分离性”等性质配合得非常好。

### 1. 定义：乘积拓扑长什么样
设 $X=\prod_{\alpha\in A}X_\alpha$ 是一族拓扑空间的乘积。

乘积拓扑的**基**由这样的集合构成：
$$
U=\prod_{\alpha\in A}U_\alpha
$$
其中：
- 只有**有限个** $U_\alpha$ 是 $X_\alpha$ 中的真开集
- 其余所有 $U_\alpha=X_\alpha$

直观理解：
**只限制有限个坐标，其他坐标完全自由**。

---

### 2. 投影映射是核心
对每个分量 $\alpha$，投影
$$
p_\alpha:X\to X_\alpha,\quad p_\alpha((x_\alpha))=x_\alpha
$$

- $p_\alpha$ **连续、开、满**
- 乘积拓扑是**使所有投影都连续的最弱拓扑**

这是乘积拓扑最根本的刻画。

---

### 3. 映射连续 ⇔ 分量连续
$$
f:Y\to \prod X_\alpha \text{ 连续}
\quad\Longleftrightarrow\quad
\forall\alpha,\ p_\alpha\circ f:Y\to X_\alpha \text{ 连续}
$$

一句话：
**看一个映射到乘积空间连续不连续，只需要看它每个坐标是不是都连续。**

---

### 4. 收敛性：按坐标收敛
在乘积拓扑中：
$$
x_\lambda\to x \text{ 在 }\prod X_\alpha
\quad\Longleftrightarrow\quad
\forall\alpha,\ x_{\lambda,\alpha}\to x_\alpha \text{ 在 }X_\alpha
$$

乘积收敛 = **每个分量分别收敛**。

---

### 5. 分离公理（好性质大多“可乘积”）
设每个 $X_\alpha$ 满足：
- $T_0$ ⇒ 乘积 $T_0$
- $T_1$ ⇒ 乘积 $T_1$
- **Hausdorff ($T_2$)** ⇒ 乘积 Hausdorff
- 正则 ⇒ 乘积正则
- 完全正则 ⇒ 乘积完全正则

一句话：
**常见的分离性都可以“继承”到乘积空间。**

---

### 6. 紧致性：Tychonoff 定理
**任意多个紧致空间的乘积仍然紧致。**

这是一般拓扑中最强、最重要的定理之一。
- 有限乘积紧致 ⇐ 每个紧致（简单）
- **无限乘积也紧致**（深刻）

---

### 7. 连通性、道路连通性
- 任意多个**连通空间**的乘积连通
- 任意多个**道路连通空间**的乘积道路连通

直观：
把连通空间“拼”成乘积，不会断开。

---

### 8. 可数性
- 若每个 $X_\alpha$ 第一可数，且乘积**至多可数个**，则乘积第一可数
- 若每个 $X_\alpha$ 第二可数，且乘积**至多可数个**，则乘积第二可数

无限不可数乘积通常**不再第一可数**。

---

### 9. 度量性
可数多个度量空间的乘积：
- 仍可度量化
- 可以用形如
  $$
  d(x,y)=\sum_{n=1}^\infty\frac1{2^n}\frac{d_n(x_n,y_n)}{1+d_n(x_n,y_n)}
  $$
  的度量诱导乘积拓扑

不可数多个度量空间的乘积**不可度量化**。

---

### 10. 稠密性
若每个 $D_\alpha\subset X_\alpha$ 稠密，则
$$
\prod D_\alpha \text{ 在 }\prod X_\alpha \text{ 中稠密}
$$

---

# 极简总结（记忆版）
1. 乘积拓扑 = **最弱的让投影连续的拓扑**
2. 连续 ⇔ **分量连续**
3. 收敛 ⇔ **按坐标收敛**
4. **紧致、Hausdorff、正则、连通、道路连通** 都可乘积
5. 可数性、可度量化一般只在**可数乘积**时保持

## 理解：拓扑基

### 拓扑基是什么？
一句话：**拓扑基 = 构成所有开集的“最小一套基本块”**

你可以把它理解成：
- 积木里的**基础积木**
- 汉字里的**偏旁部首**
- 数字里的**0~9**

只要有这套“基本块”，**所有开集都能拼出来**。

---

### 直观例子（实数轴）
实数上的开集，比如：
$$
(0,1),\ (2,5),\ (-\infty,3),\ (1,2)\cup(4,6)
$$

这些开集都可以用**开区间**拼出来：
$(a,b)$

所以：**全体开区间 (a,b) 就是实数通常拓扑的一个拓扑基。**

---

# 正式定义（人话版）
设 $X$是一个拓扑空间，$\mathcal B$是一族开集。

如果满足：
> **任何一个开集，都能写成 $\mathcal B$中若干集合的并集**

那 $\mathcal B$就叫**拓扑基**。

---

# 为什么要搞拓扑基？
1. **不用写无穷多开集**
   直接给基，就等于定义了整个拓扑。

2. **验证连续性、收敛性更简单**
   看基就够了，不用看所有开集。

3. **描述空间结构更清晰**
   比如：
   - 度量空间的基 = 开球
   - 离散空间的基 = 所有单点集
   - 下限拓扑的基 = 半开区间

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：连续映射与同胚映射

下一篇：拓扑的性质-T1,T2,T3,T4的分离程度公理

本文对您是否有用？有用 (0) 无用 (0)