🌟🌟🌟本文案由Gemini 2.0 Flash Thinking Experimental 01-21 创作，用来辅助学习知识。🌟🌟🌟
书籍大纲 书籍大纲▮▮▮▮ 1. chapter 1： 绪论 (Introduction)T 0 T 1 T 2 T 0 T 1 T 2 T 3 T 3 T 4 T 4
1. chapter 1： 绪论 (Introduction) 1.1 什么是拓扑学？ (What is Topology?)拓扑学 (Topology) 是数学的一个分支，它研究的是空间在连续变形下保持不变的性质。这种“连续变形”可以想象成拉伸、弯曲、扭转，但不包括撕裂或粘合。拓扑学也被形象地称为“橡皮泥几何学”，因为它关注的是图形的本质形状，而不是精确的度量或角度。
拓扑学与我们日常接触的几何学有所不同。在欧几里得几何学 (Euclidean Geometry) 中，我们关心长度、角度、面积和体积等度量性质。而在拓扑学中，这些具体的度量变得不那么重要，重要的是空间中点与点之间的“邻近”关系和整体结构。
可以用一些经典的例子来帮助理解什么是拓扑学：
① 咖啡杯与甜甜圈 ：从拓扑学的角度来看，一个带把手的咖啡杯和一个甜甜圈是“相同”的。你可以想象用橡皮泥制作一个咖啡杯，然后通过连续的变形，比如拉伸和弯曲，将其变成一个甜甜圈，而不需要撕裂或粘合。这种“相同”在拓扑学中被称为同胚 (homeomorphic) 。
② 地图着色问题 ：一个著名的拓扑学问题是地图着色问题 (Map Coloring Problem)，也称为四色定理 (Four Color Theorem)。这个问题提出，是否只需要四种颜色就可以为任何地图着色，使得相邻的国家（具有共同边界）颜色不同。这个问题最终被证明是正确的，并且它是一个典型的拓扑学问题，因为它关注的是区域之间的邻接关系，而不是区域的形状或大小。
③ 纽结理论 (Knot Theory) ：纽结理论是拓扑学的一个分支，研究的是数学上的“结”，比如鞋带打结。在纽结理论中，我们关心的是如何判断两个结是否可以通过连续变形互相转换，而不会将绳子切开或粘合。
拓扑学的核心概念是拓扑空间 (topological space) 和 连续映射 (continuous mapping) 。拓扑空间是对我们所研究的“空间”的抽象定义，它不仅仅局限于我们熟悉的欧几里得空间，还可以是更广泛的集合，只要定义了合适的“拓扑”结构。连续映射则是在拓扑空间之间保持“连续性”的函数，它精确地描述了拓扑学中的“连续变形”。
总而言之，拓扑学是一门研究空间本质结构的学科，它从一个全新的角度审视我们周围的世界，揭示了隐藏在各种数学对象背后的深刻联系。它不仅是现代数学的重要组成部分，也在物理学、计算机科学等领域有着广泛的应用。
1.2 拓扑学的历史发展 (Historical Development of Topology)拓扑学的历史发展可以追溯到18世纪，但作为一个独立的数学分支被明确提出和系统研究，则是在19世纪末和20世纪初。以下是拓扑学发展史上几个重要的里程碑：
① 萌芽期 (18世纪 - 19世纪中期) ：
⚝ 莱昂哈德·欧拉 (Leonhard Euler) ：通常认为欧拉在1736年关于柯尼斯堡七桥问题 (Seven Bridges of Königsberg) 的研究是拓扑学的开端。这个问题看似一个休闲难题，但欧拉的分析方法，即关注连接关系而不是具体的距离，预示了拓扑学的研究方向。欧拉公式V − E + F = 2
⚝ 卡尔·弗里德里希·高斯 (Carl Friedrich Gauss) ：高斯在电磁学和曲面论的研究中，使用了拓扑学的概念，例如高斯曲率 (Gaussian curvature) 和链接数 (linking number)。虽然他没有明确提出“拓扑学”这个概念，但他的工作为拓扑学的发展奠定了基础。
⚝ 约翰·本尼迪克特·李斯廷 (Johann Benedict Listing) ：李斯廷在1847年的著作 Vorstudien zur Topologie 中首次使用了“拓扑学 (Topologie)”这个词。他在书中研究了连通性、曲面和纽结等拓扑概念，并区分了拓扑性质和度量性质。
⚝ 波恩哈德·黎曼 (Bernhard Riemann) ：黎曼在复分析和代数几何的研究中，引入了黎曼曲面 (Riemann surface) 的概念。黎曼曲面是研究复变函数的重要工具，也是拓扑学的重要研究对象。黎曼对曲面的亏格 (genus) 的研究，是拓扑不变量研究的早期例子。
② 形成期 (19世纪后期 - 20世纪初期) ：
⚝ 昂利·庞加莱 (Henri Poincaré) ：庞加莱被誉为“拓扑学之父”。他在1895年发表的论文 Analysis Situs (位置分析) 被认为是拓扑学的奠基之作。庞加莱系统地发展了拓扑学的基本概念和方法，例如同伦 (homotopy)、基本群 (fundamental group) 和同调 (homology)。他提出的庞加莱猜想 (Poincaré conjecture) 更是影响了拓扑学一个世纪的发展，并在2002年被格里戈里·佩雷尔曼 (Grigori Perelman) 最终证明。
⚝ 格奥尔格·康托尔 (Georg Cantor) ：康托尔创立了集合论 (Set Theory)，为拓扑学提供了语言和基础工具。集合论的概念，如开集 (open set)、闭集 (closed set)、极限点 (limit point) 等，成为拓扑学的基础概念。
⚝ 费利克斯·豪斯多夫 (Felix Hausdorff) ：豪斯多夫在1914年出版的 Grundzüge der Mengenlehre (集合论纲要) 中，首次给出了拓扑空间的现代定义。他系统地研究了拓扑空间的基本性质，例如分离公理 (separation axioms)、紧致性 (compactness) 和连通性 (connectedness)。豪斯多夫的定义为拓扑学的进一步发展奠定了坚实的基础。
③ 发展期 (20世纪中期至今) ：
⚝ 代数拓扑 (Algebraic Topology) 的兴起：20世纪中期，代数拓扑迅速发展，成为拓扑学的一个重要分支。代数拓扑利用代数工具，例如群、环和模，来研究拓扑空间。重要的发展包括同调论 (homology theory)、上同调论 (cohomology theory) 和谱序列 (spectral sequence) 等。
⚝ 微分拓扑 (Differential Topology) 的发展：微分拓扑研究光滑流形 (smooth manifold) 的拓扑性质。重要的成果包括莫尔斯理论 (Morse theory)、示性类 (characteristic class) 和微分同胚分类 (classification of diffeomorphisms) 等。
⚝ 低维拓扑 (Low-dimensional Topology) 的兴起：低维拓扑主要研究低维流形 (维度为1, 2, 3, 4的流形)。特别是三维流形拓扑 (3-manifold topology) 和四维流形拓扑 (4-manifold topology) 成为研究的热点。瑟斯顿几何化猜想 (Thurston's geometrization conjecture) 和庞加莱猜想的证明，是低维拓扑的重要里程碑。
⚝ 拓扑学在其他领域的应用 ：拓扑学的思想和方法被广泛应用于数学的其他分支，例如代数几何、泛函分析和动力系统。同时，拓扑学也在物理学 (例如凝聚态物理、宇宙学)、计算机科学 (例如数据分析、机器人学) 和生物学 (例如DNA拓扑、神经网络) 等领域找到了重要的应用。
拓扑学的发展是一个不断演进和深化的过程。从最初的直观几何问题，到抽象的拓扑空间理论，再到与其他数学分支和应用领域的交叉融合，拓扑学展现了强大的生命力和广阔的发展前景。
1.3 拓扑学的分支与应用 (Branches and Applications of Topology)拓扑学作为一个庞大而深刻的数学分支，自身又可以细分为多个子领域，并且在其他学科中有着广泛的应用。
拓扑学的分支 (Branches of Topology) ：
① 一般拓扑学 (General Topology) 或 点集拓扑学 (Point-set Topology) ：这是一般拓扑学的基础，研究拓扑空间的基本概念和性质，例如开集、闭集、连续性、紧致性、连通性、分离公理、可度量化等。本书的前七章主要内容属于一般拓扑学的范畴。
② 代数拓扑学 (Algebraic Topology) ：代数拓扑学利用代数工具来研究拓扑空间。它将拓扑问题转化为代数问题，通过计算拓扑不变量 (topological invariant)，例如同伦群 (homotopy group)、同调群 (homology group) 和上同调环 (cohomology ring)，来区分和分类拓扑空间。本书的第九章到第十二章将介绍代数拓扑学的初步内容。
③ 微分拓扑学 (Differential Topology) ：微分拓扑学研究光滑流形的光滑结构和微分性质。它结合了拓扑学和微分几何的思想和方法，研究光滑流形上的微分结构、向量场、微分形式、流形之间的光滑映射等。微分拓扑学在物理学，特别是广义相对论和弦理论中有着重要的应用。
④ 几何拓扑学 (Geometric Topology) ：几何拓扑学主要研究低维流形 (low-dimensional manifold)，特别是三维和四维流形的拓扑性质。它关注流形的几何结构和拓扑分类，例如纽结理论、曲面拓扑、三维流形拓扑和四维流形拓扑。几何拓扑学与物理学中的凝聚态物理和量子场论也有着密切的联系。
⑤ 纽结理论 (Knot Theory) ：纽结理论是几何拓扑学的一个分支，专门研究数学上的“结”。它研究如何区分和分类不同的结，以及结的各种不变量，例如琼斯多项式 (Jones polynomial) 和亚历山大多项式 (Alexander polynomial)。纽结理论在DNA拓扑和统计物理中也有应用。
⑥ 低维拓扑学 (Low-dimensional Topology) ：低维拓扑学主要研究维度小于等于4的流形。低维拓扑学由于其特殊性，展现出许多高维拓扑学所不具备的现象和技巧。例如，二维曲面拓扑有成熟的分类理论，三维流形拓扑在瑟斯顿几何化猜想被证明后取得了巨大进展，而四维流形拓扑则充满了神秘和挑战。
⑦ 集合论拓扑学 (Set-theoretic Topology) ：集合论拓扑学关注拓扑学与集合论之间的联系，研究拓扑空间的一些更精细的性质，例如基数性质、公理系统和模型论方法在拓扑学中的应用。
拓扑学的应用 (Applications of Topology) ：
拓扑学不仅是纯粹数学的重要分支，也在许多其他领域有着广泛的应用：
① 物理学 (Physics) ：
⚝ 凝聚态物理 (Condensed Matter Physics) ：拓扑相 (topological phase) 和拓扑绝缘体 (topological insulator) 是近年来凝聚态物理的研究热点。拓扑学的概念，例如陈数 (Chern number) 和拓扑不变量，被用来描述和分类物质的拓扑性质。
⚝ 宇宙学 (Cosmology) ：宇宙的形状和拓扑结构是宇宙学研究的重要问题。拓扑学可以用来研究宇宙的大尺度结构，例如宇宙的连通性和曲率。
⚝ 量子场论 (Quantum Field Theory) 和 弦理论 (String Theory) ：拓扑量子场论 (topological quantum field theory) 是一个重要的理论框架，它将拓扑学和量子场论结合起来。弦理论也大量使用了拓扑学的概念，例如卡拉比-丘流形 (Calabi-Yau manifold) 和拓扑弦理论 (topological string theory)。
② 计算机科学 (Computer Science) ：
⚝ 数据分析 (Data Analysis) 和 机器学习 (Machine Learning) ：拓扑数据分析 (Topological Data Analysis, TDA) 是一门新兴领域，它利用拓扑学的工具来分析复杂数据。持久同调 (persistent homology) 是TDA的核心技术，可以用来提取数据中的拓扑特征，例如连通分支、环和空洞。
⚝ 计算机图形学 (Computer Graphics) 和 图像处理 (Image Processing) ：拓扑学可以用来描述和分析图形和图像的结构。例如，拓扑骨架 (topological skeleton) 可以用来提取图像的骨架结构，拓扑简化 (topological simplification) 可以用来简化复杂几何模型。
⚝ 机器人学 (Robotics) ：拓扑学可以用来进行路径规划 (path planning) 和运动规划 (motion planning)。例如，可以使用拓扑地图 (topological map) 来表示机器人的环境，并使用拓扑方法来寻找路径。
③ 生物学 (Biology) ：
⚝ DNA拓扑 (DNA Topology) ：DNA分子具有复杂的拓扑结构，例如超螺旋 (supercoiling) 和纽结。拓扑学可以用来研究DNA的拓扑性质，以及拓扑变化对DNA功能的影响。
⚝ 神经网络 (Neural Networks) ：拓扑神经网络 (topological neural network) 是一种新型神经网络，它利用拓扑学的概念来设计网络结构和学习算法。
⚝ 生物网络分析 (Biological Network Analysis) ：拓扑学可以用来分析生物网络的结构和功能，例如蛋白质相互作用网络 (protein-protein interaction network) 和基因调控网络 (gene regulatory network)。
④ 其他领域 (Other Fields) ：
⚝ 经济学 (Economics) 和 社会科学 (Social Sciences) ：拓扑学可以用来研究社会网络 (social network) 和经济网络 (economic network) 的结构和动态。
⚝ 化学 (Chemistry) 和 材料科学 (Materials Science) ：拓扑学可以用来研究分子的拓扑结构和材料的拓扑性质，例如拓扑聚合物 (topological polymer) 和拓扑机械超材料 (topological metamaterial)。
拓扑学的分支众多，应用广泛，它不仅是数学研究的前沿领域，也在科学技术的许多方面发挥着越来越重要的作用。随着学科的不断发展，拓扑学必将在未来展现出更加广阔的应用前景。
1.4 预备知识：集合论与逻辑 (Preliminaries: Set Theory and Logic)学习拓扑学需要一些数学预备知识，其中最重要的是集合论 (Set Theory) 和 逻辑 (Logic) 。本节将简要回顾集合论和逻辑的基本概念，为后续章节的学习打下基础。
1.4.1 集合的基本概念 (Basic Concepts of Sets)集合 (Set) 是数学中最基本的概念之一。简单来说，集合是由一些元素 (element) 组成的整体。例如，自然数集合N = { 1 , 2 , 3 , … } Z = { … , − 2 , − 1 , 0 , 1 , 2 , … } R
集合的表示方法 ：
① 列举法 (Roster Method) ：将集合的所有元素列举出来，用花括号 {} 括起来。例如，集合A = { 1 , 2 , 3 }
② 描述法 (Set-builder Notation) ：用描述元素性质的方式来表示集合。例如，集合是 偶 数 B = { x ∣ x 是偶数 } | 读作“使得 (such that)”。
集合的基本关系 ：
① 属于关系 (Membership) ：用符号∈ ∉ 2 ∈ { 1 , 2 , 3 } 4 ∉ { 1 , 2 , 3 }
② 包含关系 (Inclusion) ：用符号⊆ ⊊ ⊈ A B A B 子集 (subset) ，记作A ⊆ B A ⊆ B A ≠ B A B 真子集 (proper subset) ，记作A ⊊ B
③ 集合相等 (Equality of Sets) ：如果两个集合A B A B 相等 (equal) ，记作A = B A = B A ⊆ B B ⊆ A
特殊的集合 ：
① 空集 (Empty Set) ：不包含任何元素的集合称为空集 (empty set) ，记作∅ { }
② 全集 (Universal Set) ：在讨论问题时，我们常常需要指定一个全集 (universal set) ，用符号U E R
1.4.2 集合的运算 (Set Operations)集合之间可以进行各种运算，得到新的集合。常见的集合运算包括：
① 并集 (Union) ：集合A B 并集 (union) ，记作A ∪ B A B 或 A ∪ B = { x ∣ x ∈ A 或 x ∈ B } 交集 (Intersection) ：集合A B 交集 (intersection) ，记作A ∩ B A B 且 A ∩ B = { x ∣ x ∈ A 且 x ∈ B } A ∩ B = ∅ A B 不相交 (disjoint) 。
③ 差集 (Difference) ：集合A B 差集 (difference) ，记作A ∖ B A − B A B 且 A ∖ B = { x ∣ x ∈ A 且 x ∉ B } 补集 (Complement) ：在给定全集U A 补集 (complement) ，记作A c ∁ U A U ∖ A U A 且 A c = { x ∣ x ∈ U 且 x ∉ A } = U ∖ A 对称差 (Symmetric Difference) ：集合A B 对称差 (symmetric difference) ，记作A △ B A ∪ B A ∩ B A △ B = ( A ∖ B ) ∪ ( B ∖ A )
集合运算的性质 ：
集合运算满足许多重要的性质，例如：
⚝ 交换律 (Commutative Laws) ：A ∪ B = B ∪ A A ∩ B = B ∩ A 结合律 (Associative Laws) ：( A ∪ B ) ∪ C = A ∪ ( B ∪ C ) ( A ∩ B ) ∩ C = A ∩ ( B ∩ C ) 分配律 (Distributive Laws) ：A ∪ ( B ∩ C ) = ( A ∪ B ) ∩ ( A ∪ C ) A ∩ ( B ∪ C ) = ( A ∩ B ) ∪ ( A ∩ C ) 德·摩根律 (De Morgan's Laws) ：( A ∪ B ) c = A c ∩ B c ( A ∩ B ) c = A c ∪ B c 函数 (Function) 或 映射 (Mapping) 是数学中描述集合之间关系的重要概念。设X Y X Y 函数 (function) 或 映射 (mapping) f X x Y 唯一 确定的元素y f : X → Y x ∈ X 原像 (preimage) ，y ∈ Y x 像 (image) ，记作y = f ( x ) X f 定义域 (domain) ，集合Y f 陪域 (codomain) 。
像集 (Image Set) ：函数f : X → Y 像集 (image set) ，记作f ( X ) Im ( f ) X f ( X ) = { f ( x ) ∣ x ∈ X } f ( X ) Y f ( X ) ⊆ Y
逆像集 (Preimage Set) ：对于Y V ⊆ Y V f : X → Y 逆像集 (preimage set) ，记作f − 1 ( V ) X V f − 1 ( V ) = { x ∈ X ∣ f ( x ) ∈ V }
函数的类型 ：
① 单射 (Injective Function) 或 一对一函数 (One-to-one Function) ：如果对于任意x 1 , x 2 ∈ X x 1 ≠ x 2 f ( x 1 ) ≠ f ( x 2 ) f : X → Y 单射 (injective) 。等价地，如果f ( x 1 ) = f ( x 2 ) x 1 = x 2 f
② 满射 (Surjective Function) 或 映上函数 (Onto Function) ：如果对于任意y ∈ Y x ∈ X f ( x ) = y f ( X ) = Y f : X → Y 满射 (surjective) 。
③ 双射 (Bijective Function) 或 一一对应 (One-to-one Correspondence) ：如果函数f : X → Y f 双射 (bijective) 。双射也称为一一对应 (one-to-one correspondence) 。
④ 恒等映射 (Identity Mapping) ：从集合X 恒等映射 (identity mapping) id X : X → X id X ( x ) = x x ∈ X
⑤ 复合映射 (Composition of Mappings) ：设f : X → Y g : Y → Z 复合映射 (composition of mappings) g ∘ f : X → Z ( g ∘ f ) ( x ) = g ( f ( x ) ) x ∈ X
1.4.4 逻辑与证明方法 (Logic and Proof Methods)数学证明 (Mathematical Proof) 是数学推理的核心。学习拓扑学需要掌握一些基本的逻辑知识和证明方法。
逻辑联结词 (Logical Connectives) ：
① 否定 (Negation) ：符号¬ P ¬ P P
② 合取 (Conjunction) ：符号∧ P Q P ∧ Q P Q
③ 析取 (Disjunction) ：符号∨ P Q P ∨ Q P Q
④ 蕴含 (Implication) 或 条件 (Conditional) ：符号⇒ → P Q P ⇒ Q P Q P 前件 (antecedent) ，Q 后件 (consequent) 。
⑤ 等价 (Equivalence) 或 双条件 (Biconditional) ：符号⇔ ↔ P Q P ⇔ Q P Q P Q P ⇔ Q ( P ⇒ Q ) ∧ ( Q ⇒ P )
量词 (Quantifiers) ：
① 全称量词 (Universal Quantifier) ：符号∀ ∀ x ∈ R , x 2 ≥ 0 x x 2 ≥ 0
② 存在量词 (Existential Quantifier) ：符号∃ ∃ x ∈ R , x 2 = 2 x x 2 = 2
③ 唯一存在量词 (Unique Existential Quantifier) ：符号∃ !
常用的证明方法 (Proof Methods) ：
① 直接证明 (Direct Proof) ：从已知条件出发，运用逻辑推理，直接导出结论。
② 反证法 (Proof by Contradiction) ：假设结论不成立，然后从假设出发，运用逻辑推理，导出矛盾。从而证明原结论成立。
③ 数学归纳法 (Mathematical Induction) ：证明关于自然数的命题的一种方法。通常用于证明对于所有自然数n ≥ n 0 P ( n ) 基础步骤 (Base Case) ：证明P ( n 0 ) 归纳步骤 (Inductive Step) ：假设P ( k ) k ≥ n 0 P ( k + 1 )
④ 反例 (Counterexample) ：要证伪一个全称命题∀ x , P ( x ) x 0 P ( x 0 ) x 0 反例 (counterexample) 。
掌握集合论和逻辑的基本知识，以及常用的证明方法，是学习拓扑学乃至整个数学的基础。在后续章节中，我们将大量运用这些预备知识来定义拓扑学的概念，证明拓扑学的定理。
<END_OF_CHAPTER/>
2. chapter 2： 拓扑空间 (Topological Spaces) 2.1 拓扑的定义 (Definition of Topology)拓扑学是研究拓扑空间及其性质的数学分支。而拓扑空间，顾名思义，是赋予了拓扑结构的集合。那么，什么是拓扑结构呢？
定义 2.1.1 (拓扑 (Topology))
设X X 拓扑 (topology) T X
① 包含空集和全集 (Contains the empty set and the whole set) ：∅ ∈ T X ∈ T 对任意并运算封闭 (Closed under arbitrary unions) ：U ⊆ T ⋃ U ∈ U U ∈ T 对有限交运算封闭 (Closed under finite intersections) ： 若U 1 , U 2 , … , U n ∈ T ⋂ i = 1 n U i ∈ T
若T X ( X , T ) 拓扑空间 (topological space) 。T X 开集 (open sets) 。
解释与说明：
⚝ 集合X ： 拓扑结构是定义在集合上的，这个集合X 子集族T ： 拓扑T X X X T T 条件 ①： 空集∅ X 条件 ②： 任意多个开集的并集仍然是开集。这里的“任意”指的是可以是有限个、可数个，甚至是不可数个。条件 ③： 有限个开集的交集仍然是开集。注意这里是“有限”交，无限个开集的交集不一定是开集（我们会在后续的例子中看到）。
为什么要这样定义拓扑？
拓扑的定义看似抽象，但其根源来自于对欧几里得空间中“开集”概念的推广。在实数轴R R n ( a , b )
拓扑的定义抓住了“开集”最本质的性质：并运算和有限交运算的封闭性，以及包含空集和全集。通过这三个简单的条件，我们就可以构建起丰富多彩的拓扑空间，并研究其拓扑性质。
2.2 开集 (Open Sets)在拓扑空间( X , T ) T 开集 (open sets) 。开集是拓扑学中最基本的概念之一，拓扑空间的许多重要性质都通过开集来定义和描述。
开集的性质：
根据拓扑的定义，我们已经知道开集族T
①∅ X
例子 2.2.1 (实数轴上的开集)
在实数轴R 标准拓扑 (standard topology) ，也称为 通常拓扑 (usual topology) 。标准拓扑由所有 开区间 (open intervals) ( a , b ) ( a , b ∈ R ) R T std R
例如：
⚝( 0 , 1 ) ( − ∞ , 2 ) ⋃ n = 1 ∞ ( − n , 2 ) ( 0 , 1 ) ∪ ( 2 , 3 ) ⋃ n = 1 ∞ ( n , n + 1 ) ( 0 , 2 ) ∩ ( 1 , 3 ) = ( 1 , 2 ) ⋂ n = 1 N ( − 1 / n , 1 / n ) = ( − 1 / N , 1 / N )
反例 2.2.2 (非开集)
⚝ 闭区间 (closed interval) [ a , b ] R [ 0 , 1 ] 半开区间 (half-open interval) [ a , b ) ( a , b ] R [ 0 , 1 ) ( 0 , 1 ] 单点集 (singleton set) { x } R { 0 } 有理数集 (rational numbers) Q R
重要性：
开集是定义拓扑空间连续性、收敛性、紧致性、连通性等重要概念的基础。理解开集的性质和例子，对于学习拓扑学至关重要。
2.3 闭集 (Closed Sets)与开集相对偶的概念是 闭集 (closed sets) 。在拓扑空间中，闭集可以通过开集来定义。
定义 2.3.1 (闭集 (Closed Set))
设( X , T ) C ⊆ X 闭集 (closed set) ，如果它的补集X ∖ C X ∖ C ∈ T
闭集的性质：
闭集的性质可以从开集的性质通过取补集运算推导出来。
① 包含空集和全集 (Contains the empty set and the whole set) ：∅ X ∅ c = X ∈ T X c = ∅ ∈ T 对任意交运算封闭 (Closed under arbitrary intersections) ： 设C C = { C α } α ∈ A C α ⋂ α ∈ A C α 证明： 要证明⋂ α ∈ A C α X ∖ ( ⋂ α ∈ A C α ) X ∖ ( ⋂ α ∈ A C α ) = ⋃ α ∈ A ( X ∖ C α ) C α X ∖ C α ⋃ α ∈ A ( X ∖ C α ) ⋂ α ∈ A C α 对有限并运算封闭 (Closed under finite unions) ： 若C 1 , C 2 , … , C n ⋃ i = 1 n C i 证明： 类似地，我们考虑⋃ i = 1 n C i X ∖ ( ⋃ i = 1 n C i ) = ⋂ i = 1 n ( X ∖ C i ) C i X ∖ C i ⋂ i = 1 n ( X ∖ C i ) ⋃ i = 1 n C i
例子 2.3.2 (实数轴上的闭集)
在实数轴R
⚝ 闭区间 (closed interval) [ a , b ] R ∖ [ a , b ] = ( − ∞ , a ) ∪ ( b , ∞ ) 单点集 (singleton set) { x } R ∖ { x } = ( − ∞ , x ) ∪ ( x , ∞ ) [ a , ∞ ) ( − ∞ , b ] [ 0 , 1 ] ∪ [ 2 , 3 ] ⋂ n = 1 ∞ [ − 1 / n , 1 / n ] = { 0 }
反例 2.3.3 (非闭集)
⚝ 开区间 (open interval) ( a , b ) R ( 0 , 1 ) R ∖ ( 0 , 1 ) = ( − ∞ , 0 ] ∪ [ 1 , ∞ ) 半开区间 (half-open interval) [ a , b ) ( a , b ] R
重要说明：
⚝ 集合可以是既开又闭的 (clopen sets) ： 在拓扑空间中，一个集合可以同时是开集和闭集。例如，在任何拓扑空间( X , T ) ∅ X 集合可以既不开也不闭的 (neither open nor closed) ： 也存在既不是开集也不是闭集的集合。例如，半开区间[ a , b ) R “开”与“闭”不是互斥的 ： 开集和闭集是相对的概念，它们不是互相排斥的。一个集合可以是开集，可以是闭集，可以既开又闭，也可以既不开也不闭。
2.4 邻域 (Neighborhoods)邻域 (neighborhood) 是拓扑空间中描述“点周围”区域的概念。它推广了欧几里得空间中“点附近的小球”的概念。
定义 2.4.1 (邻域 (Neighborhood))
设( X , T ) x ∈ X X x 邻域 (neighborhood) 是指包含x U ⊆ X x N x N ⊆ X U ∈ T x ∈ U ⊆ N
换句话说，x x
邻域系统 (Neighborhood System)
对于点x ∈ X x x 邻域系统 (neighborhood system) ，记为N ( x )
邻域的性质：
① 若N x x ∈ N N x N ⊆ M ⊆ X M x N 1 N 2 x N 1 ∩ N 2 x x N x V ⊆ N V x ∈ X x N y ∈ N N y
开邻域 (Open Neighborhood)
如果一个邻域本身也是开集，则称之为 开邻域 (open neighborhood) 。根据邻域的定义，每个点的邻域都包含一个开邻域。因此，在很多情况下，我们只需要考虑开邻域就足够了。
例子 2.4.2 (实数轴上的邻域)
在实数轴R
⚝ 对于点x ∈ R x ( a , b ) a < x < b x ( x − 1 , x + 1 ) ( x − ϵ , x + ϵ ) ϵ > 0 x [ x − ϵ , x + ϵ ] ϵ > 0 x ( x − ϵ , x + ϵ ) [ x , x + ϵ ) ϵ > 0 x ( x , x + ϵ ) ( x − δ , x + δ ) ( x , x + ϵ ) x ( x − ϵ / 2 , x + ϵ / 2 ) [ x , x + ϵ ) x
重要性：
邻域的概念是描述拓扑空间局部性质的重要工具。例如，连续性、极限、导数等概念都可以用邻域来定义。邻域系统可以刻画拓扑空间的结构，在某些情况下，甚至可以用邻域系统来定义拓扑。
2.5 拓扑空间的例子 (Examples of Topological Spaces)拓扑空间种类繁多，以下介绍一些重要的例子。
2.5.1 度量空间 (Metric Spaces)定义 2.5.1.1 (度量 (Metric))
设X 度量 (metric) d d : X × X → R
① 非负性 (Non-negativity) ： 对于所有x , y ∈ X d ( x , y ) ≥ 0 同一性 (Identity of indiscernibles) ：d ( x , y ) = 0 x = y 对称性 (Symmetry) ： 对于所有x , y ∈ X d ( x , y ) = d ( y , x ) 三角不等式 (Triangle inequality) ： 对于所有x , y , z ∈ X d ( x , z ) ≤ d ( x , y ) + d ( y , z )
若d X ( X , d ) 度量空间 (metric space) 。
度量拓扑 (Metric Topology)
对于度量空间( X , d ) d 度量拓扑 (metric topology) T d
定义 2.5.1.2 (度量拓扑 (Metric Topology))
设( X , d ) x ∈ X r > 0 开球 (open ball) B d ( x , r ) B d ( x , r ) = { y ∈ X ∣ d ( x , y ) < r } ( X , d ) 度量拓扑 (metric topology) T d U ⊆ X x ∈ U r > 0 B d ( x , r ) ⊆ U
换句话说，度量拓扑是由所有开球生成的拓扑。可以证明，这样定义的T d
例子 2.5.1.3 (度量空间的例子)
⚝ 实数轴R ： 距离函数d ( x , y ) = | x − y | R R B d ( x , r ) = ( x − r , x + r ) 欧几里得空间R n ： 欧几里得距离d ( x , y ) = ∑ i = 1 n ( x i − y i ) 2 R n x = ( x 1 , … , x n ) y = ( y 1 , … , y n ) R n n 离散度量空间 (Discrete Metric Space) ： 设X d d ( x , y ) = { 0 , if x = y 1 , if x ≠ y ( X , d ) x ∈ X B d ( x , 1 ) = { y ∈ X ∣ d ( x , y ) < 1 } = { x } { x } X 离散拓扑 (discrete topology) 。
重要性：
度量空间是一类非常重要的拓扑空间。许多拓扑学的概念最初都是从度量空间中发展起来的。度量空间具有良好的性质，例如满足 Hausdorff 分离公理（将在后续章节介绍）。但并非所有拓扑空间都是度量空间（即可度量化的）。
2.5.2 欧几里得空间 (Euclidean Spaces)欧几里得空间 (Euclidean space) R n
欧几里得空间R n R n T R n
① 由欧几里得度量诱导的拓扑 ： 如 2.5.1 节所述，由欧几里得距离d ( x , y ) = ∑ i = 1 n ( x i − y i ) 2 由开球基生成的拓扑 ：T R n B ( x , r ) = { y ∈ R n ∣ d ( x , y ) < r } 由开方体基生成的拓扑 ：T R n 开方体 (open boxes) 构成的基生成。一个n ( a 1 , b 1 ) × ( a 2 , b 2 ) × ⋯ × ( a n , b n ) a i < b i
欧几里得空间的性质
⚝R n R n R n n ≥ 1 R n
欧几里得空间是分析学、几何学和拓扑学中最基本的空间之一，是许多理论和应用的基础。
2.5.3 离散拓扑与密着拓扑 (Discrete Topology and Indiscrete Topology)离散拓扑 (Discrete Topology)
设X 离散拓扑 (discrete topology) T disc X T disc = P ( X ) = { U ∣ U ⊆ X }
验证离散拓扑是拓扑：
①∅ ∈ P ( X ) X ∈ P ( X ) X X
性质：
⚝ 在离散拓扑中，每个集合都是开集（也是闭集，因为其补集也是开集）。{ x } X X X
密着拓扑 (Indiscrete Topology)
设X 密着拓扑 (indiscrete topology) 或 平凡拓扑 (trivial topology) T indisc T indisc = { ∅ , X }
验证密着拓扑是拓扑：
①∅ ∈ T indisc X ∈ T indisc ∅ ∪ ∅ = ∅ ∈ T indisc ∅ ∪ X = X ∈ T indisc X ∪ X = X ∈ T indisc ∅ ∩ ∅ = ∅ ∈ T indisc ∅ ∩ X = ∅ ∈ T indisc X ∩ X = X ∈ T indisc
性质：
⚝ 在密着拓扑中，只有∅ X X X X X
总结：
离散拓扑和密着拓扑是两种极端情况的拓扑。离散拓扑 “过于精细”，使得每个点都是开集，而密着拓扑 “过于粗糙”，几乎没有开集。它们通常作为例子或反例，帮助我们更好地理解拓扑学的概念和性质。
<END_OF_CHAPTER/>
3. chapter 3： 连续性与同胚 (Continuity and Homeomorphisms) 3.1 连续映射 (Continuous Mappings)在拓扑学中，连续性是一个至关重要的概念，它是我们在拓扑空间之间建立联系的桥梁。连续映射 (continuous mapping) 是对实分析中连续函数概念的推广，但它不再依赖于度量，而是基于拓扑空间的开集结构。
定义 3.1.1 (连续映射的定义) ：( X , T X ) ( Y , T Y ) f : X → Y 连续的 ，如果对于Y V ∈ T Y f − 1 ( V ) = { x ∈ X ∣ f ( x ) ∈ V } X f − 1 ( V ) ∈ T X
换句话说，一个映射是连续的，当且仅当开集的逆像仍然是开集 。这个定义抓住了连续性的本质，即“邻近的点映射到邻近的点”这一直观概念的拓扑版本。
理解连续映射的关键点：
① 逆像而非像 ：连续性的定义是基于开集的逆像 ，而不是像。即我们考察的是Y f X X f Y
② 拓扑结构依赖 ：连续性是相对于拓扑空间而言的。对于同一个集合之间的映射，如果赋予不同的拓扑结构，其连续性可能会发生改变。
③ 推广实分析概念 ：在实分析中，函数f : R → R x 0 ϵ − δ R
定理 3.1.2 (连续映射的等价条件) ：( X , T X ) ( Y , T Y ) f : X → Y
(1)f Y C ⊆ Y f − 1 ( C ) X x ∈ X f ( x ) V x U f ( U ) ⊆ V X A ⊆ X f ( A ― ) ⊆ f ( A ) ― A ― A
证明：
⚝ (1)⇔ ：C ⊆ Y Y ∖ C f f − 1 ( Y ∖ C ) = X ∖ f − 1 ( C ) f − 1 ( C )
⚝ (1)⇔ ：f f ( x ) V f ( x ) V ′ ⊆ V f f − 1 ( V ′ ) X U = f − 1 ( V ′ ) U x x ∈ f − 1 ( V ′ ) f ( x ) ∈ V ′ ⊆ V u ∈ U f ( u ) ∈ V ′ ⊆ V f ( U ) ⊆ V Y V f − 1 ( V ) X x ∈ f − 1 ( V ) f ( x ) ∈ V V f ( x ) x U x f ( U x ) ⊆ V U x ⊆ f − 1 ( V ) f − 1 ( V ) = ⋃ x ∈ f − 1 ( V ) U x
⚝ (1)⇒ ：A ⊆ X f ( A ― ) ⊆ f ( A ) ― f ( A ― ) ∩ f ( A ) ― c = ∅ f ( A ― ) ⊆ f ( A ) ― f ( A ) ― f ( A ) f ( A ) f ( A ) ― c = Y ∖ f ( A ) ― f f − 1 ( f ( A ) ― c ) X f ( A ) ⊆ f ( A ) ― A ⊆ f − 1 ( f ( A ) ) ⊆ f − 1 ( f ( A ) ― ) f − 1 ( f ( A ) ― ) c = X ∖ f − 1 ( f ( A ) ― ) ⊆ X ∖ A ⊆ X ∖ A ― = A ― c A ― ⊆ f − 1 ( f ( A ) ― ) f ( A ― ) ⊆ f ( f − 1 ( f ( A ) ― ) ) ⊆ f ( A ) ―
⚝ (4)⇒ ：f Y C f − 1 ( C ) X C ⊆ Y C = C ― A = f − 1 ( C ) f ( A ) = f ( f − 1 ( C ) ) ⊆ C = C ― = f ( A ) ― f ( A ) ⊆ C f ( A ― ) ⊆ f ( A ) ― ⊆ f ( A ) ― = f ( f − 1 ( C ) ) ― ⊆ C ― = C f ( A ― ) ⊆ C A ― ⊆ f − 1 ( C ) = A ⊆ A ― A = A ― A = f − 1 ( C ) f
例子 3.1.3 (连续映射的例子) ：
① 常值映射 ：设f : X → Y x ∈ X f ( x ) = c c ∈ Y f Y V c ∈ V f − 1 ( V ) = X c ∉ V f − 1 ( V ) = ∅
② 恒等映射 ：设f : X → X x ∈ X f ( x ) = x f X V f − 1 ( V ) = V
③ 包含映射 ：设A X i : A → X a ∈ A i ( a ) = a i X V i − 1 ( V ) = V ∩ A A
④ 投影映射 ：设X = X 1 × X 2 p 1 : X → X 1 p 1 ( x 1 , x 2 ) = x 1 p 1 X 1 U 1 p 1 − 1 ( U 1 ) = U 1 × X 2 X 1 × X 2 p 2 : X → X 2
⑤ 实数上的连续函数 ：考虑实数集R f : R → R
定理 3.1.4 (连续映射的复合) ：f : X → Y g : Y → Z X , Y , Z g ∘ f : X → Z
证明： W ⊆ Z g g − 1 ( W ) ⊆ Y f f − 1 ( g − 1 ( W ) ) ⊆ X f − 1 ( g − 1 ( W ) ) = ( g ∘ f ) − 1 ( W ) ( g ∘ f ) − 1 ( W ) g ∘ f
3.2 同胚映射 (Homeomorphisms)同胚 (homeomorphism) 是拓扑学中描述两个拓扑空间“拓扑等价”的核心概念。如果两个空间之间存在同胚映射，则它们在拓扑性质上是无法区分的。
定义 3.2.1 (同胚映射的定义) ：( X , T X ) ( Y , T Y ) f : X → Y 同胚映射 ，如果它满足以下三个条件：
(1)f f f f − 1 : Y → X
如果存在从X Y X Y 同胚的 (homeomorphic)，记作X ≅ Y
理解同胚映射的关键点：
① 拓扑等价 ：同胚关系是一种等价关系，满足自反性、对称性和传递性。如果X ≅ Y X Y
② 保持拓扑性质 ：同胚映射保持拓扑性质，例如紧致性、连通性、可分性、Hausdorff 性质等。如果X X ≅ Y Y
③ 开集与闭集的对应 ：如果f : X → Y U ⊆ X f ( U ) ⊆ Y C ⊆ X f ( C ) ⊆ Y f f − 1
定理 3.2.2 (同胚的等价条件) ：f : X → Y f f f − 1 f U ⊆ X U f ( U ) ⊆ Y
证明： ( ⇒ ) f f f − 1 ( ⇐ ) f U ⊆ X U f ( U ) ⊆ Y U ⊆ X f ( U ) ⊆ Y f f Y V ⊆ Y f − 1 ( V ) ⊆ X U = f − 1 ( V ) f ( U ) = f ( f − 1 ( V ) ) = V f V U = f − 1 ( V ) f f − 1 X U ⊆ X ( f − 1 ) − 1 ( U ) = f ( U ) ⊆ Y f − 1 f
例子 3.2.3 (同胚映射的例子) ：
① 开区间与实数轴 ：开区间( − 1 , 1 ) R f : ( − 1 , 1 ) → R f ( x ) = tan ( π x 2 ) f − 1 ( y ) = 2 π arctan ( y ) f f − 1
② 单位圆盘与正方形 ：闭单位圆盘D 2 = { ( x , y ) ∈ R 2 ∣ x 2 + y 2 ≤ 1 } [ − 1 , 1 ] × [ − 1 , 1 ]
③ R n R m n ≠ m n ≠ m R n R m
④ 莫比乌斯带与圆环面 ：莫比乌斯带 (Möbius band) 和圆环面 (torus) 不是同胚的。莫比乌斯带是不可定向的，而圆环面是可定向的，定向性是拓扑性质，同胚映射会保持定向性。
非例子 3.2.4 (非同胚映射的例子) ：
① 闭区间与开区间 ：闭区间[ 0 , 1 ] ( 0 , 1 )
② 圆圈与线段 ：圆圈S 1 [ 0 , 1 ]
3.3 开映射与闭映射 (Open Mappings and Closed Mappings)开映射 (open mapping) 和闭映射 (closed mapping) 是与连续映射相关的概念，但它们描述的是映射将开集或闭集映成什么类型的集合。
定义 3.3.1 (开映射与闭映射的定义) ：f : X → Y
(1)f 开映射 ，如果对于X U ⊆ X f ( U ) ⊆ Y Y f 闭映射 ，如果对于X C ⊆ X f ( C ) ⊆ Y Y
注意：
⚝ 连续映射 vs. 开映射 vs. 闭映射 ：连续映射的定义是关于开集的逆像 ，而开映射和闭映射的定义是关于开集和闭集的像 。同胚与开/闭映射 ：根据定理 3.2.2，双射f : X → Y f
例子 3.3.2 (开映射与闭映射的例子) ：
① 投影映射是开映射 ：设X = X 1 × X 2 p 1 : X → X 1 p 1 X U 1 × U 2 U 1 ⊆ X 1 U 2 ⊆ X 2 p 1 ( U 1 × U 2 ) = U 1 X 1 p 1 f : R 2 → R f ( x , y ) = x C = { ( x , y ) ∈ R 2 ∣ x y = 1 } R 2 f ( C ) = { x ∈ R ∣ ∃ y , x y = 1 } = R ∖ { 0 } R
② 恒等映射既是开映射又是闭映射 ：恒等映射i d : X → X
③ 连续开映射不一定是闭映射，反之亦然 ：例如，指数映射exp : R → S 1 t ↦ ( cos ( 2 π t ) , sin ( 2 π t ) ) C = [ 0 , ∞ ) ⊆ R exp ( C ) = S 1 C n = [ n , ∞ ) exp ( C n ) = S 1 A = ⋃ n = 0 ∞ [ 2 n , 2 n + 1 ] exp ( A ) = S 1
④ 闭区间到点的映射是闭映射但不是开映射 ：设f : [ 0 , 1 ] → { ∗ } [ 0 , 1 ] { ∗ } f [ 0 , 1 ] { ∗ } ∅ { ∗ } f ( 0 , 1 / 2 ) [ 0 , 1 ] f ( ( 0 , 1 / 2 ) ) = { ∗ } { ∗ } { ∗ }
定理 3.3.3 (闭映射的等价条件) ：f : X → Y f x ∈ X U f ( x ) V f ( X ∖ U ) ⊇ Y ∖ V
证明： ( ⇒ ) f x ∈ X U x X ∖ U f f ( X ∖ U ) Y V = Y ∖ f ( X ∖ U ) V x ∈ U x ∉ X ∖ U f ( x ) ∉ f ( X ∖ U ) f ( x ) ∈ Y ∖ f ( X ∖ U ) = V V f ( x ) Y ∖ V = Y ∖ ( Y ∖ f ( X ∖ U ) ) = f ( X ∖ U ) f ( X ∖ U ) = Y ∖ V ⊇ Y ∖ V
⚝( ⇐ ) x ∈ X U f ( x ) V f ( X ∖ U ) ⊇ Y ∖ V f C ⊆ X f ( C ) ⊆ Y Y ∖ f ( C ) y ∈ Y ∖ f ( C ) y ∉ f ( C ) x ∈ f − 1 ( y ) x ∉ C x ∈ X ∖ C C X ∖ C X ∖ C x f ( x ) = y V x f ( X ∖ ( X ∖ C ) ) = f ( C ) ⊇ Y ∖ V x
换个思路。要证f ( C ) Y ∖ f ( C ) y ∈ Y ∖ f ( C ) x ∈ f − 1 ( y ) x ∉ C C X ∖ C x f ( x ) = y V x f ( X ∖ ( X ∖ C ) ) = f ( C ) ⊇ Y ∖ V x
正确的等价条件应该是：f A ⊆ X f ( A ― ) ⊇ f ( A ) ― f ( A ― ) ⊆ f ( A ) ―
正确的闭映射等价条件 ：映射f : X → Y X A ⊆ X A ― U f ( A ) ― V f ( U ) ⊆ V
或者更常用的形式：映射f : X → Y y ∈ Y X U f − 1 ( y ) y V f − 1 ( V ) ⊆ U
3.4 粘合引理 (Pasting Lemma)粘合引理 (Pasting Lemma) 提供了一种构造连续映射的有效方法，它允许我们通过在拓扑空间的子集上分别定义连续映射，然后在“粘合处”保证连续性，从而得到整体的连续映射。
定理 3.4.1 (粘合引理) ：X Y A B X X = A ∪ B f : A → Y g : B → Y x ∈ A ∩ B f ( x ) = g ( x ) h : X → Y 如 果 如 果 h ( x ) = { f ( x ) , 如果 x ∈ A g ( x ) , 如果 x ∈ B h
证明： Y C ⊆ Y h − 1 ( C ) X h − 1 ( C ) = { x ∈ X ∣ h ( x ) ∈ C } = { x ∈ A ∪ B ∣ h ( x ) ∈ C } = { x ∈ A ∣ f ( x ) ∈ C } ∪ { x ∈ B ∣ g ( x ) ∈ C } = f − 1 ( C ) ∪ g − 1 ( C ) f : A → Y C ⊆ Y f − 1 ( C ) A A X f − 1 ( C ) X g : B → Y C ⊆ Y g − 1 ( C ) B X h − 1 ( C ) = f − 1 ( C ) ∪ g − 1 ( C ) X h
注意：
⚝ 条件A ∪ B = X ：必须覆盖整个空间X 条件f ( x ) = g ( x ) A ∩ B ：保证了h A , B A B
例子 3.4.2 (粘合引理的应用) ：
① 分段定义的函数 ：考虑函数h : R → R 如 果 如 果 h ( x ) = { x 2 , 如果 x ≤ 0 x , 如果 x ≥ 0 A = ( − ∞ , 0 ] B = [ 0 , ∞ ) R A ∪ B = R f : A → R f ( x ) = x 2 g : B → R g ( x ) = x f g A ∩ B = { 0 } f ( 0 ) = 0 2 = 0 g ( 0 ) = 0 f ( 0 ) = g ( 0 ) h
② 球面的构造 ：球面S n S 1
③ 圆锥的构造 ：圆锥可以通过将圆盘的边界粘合到一个点来构造。粘合引理在理解商拓扑和构造复杂拓扑空间时非常有用。
粘合引理是拓扑学中一个非常实用的工具，它简化了构造和证明复杂空间上连续映射的过程。通过将空间分解为更简单的部分，并在这些部分上分别定义连续映射，我们可以利用粘合引理得到整体的连续映射。
<END_OF_CHAPTER/>
4. chapter 4： 生成拓扑的方法 (Methods for Generating Topologies) 4.1 基与子基 (Bases and Subbases)在拓扑学中，我们经常需要定义拓扑空间。直接验证拓扑的定义，即验证所有满足拓扑三条公理的开集族，有时会很繁琐。幸运的是，我们可以通过更小的集合族来“生成”拓扑，从而简化定义过程。基 (basis) 和 子基 (subbasis) 就是这样两种工具。
定义 4.1.1 (基 (Basis))
设X X 基 (basis) B X
① 对于每个x ∈ X B ∈ B x ∈ B B 1 , B 2 ∈ B x ∈ B 1 ∩ B 2 B 3 ∈ B x ∈ B 3 ⊆ B 1 ∩ B 2
如果一个子集族B X B B
定理 4.1.2 (由基生成的拓扑 (Topology Generated by a Basis))
设B X T B X U ∈ T B x ∈ U B ∈ B x ∈ B ⊆ U T B X B 生成的拓扑 (topology generated by the basis) 。并且B ( X , T B )
证明：
我们需要验证T B
① 空集和全集属于T B ：∅ T B x ∈ ∅ X x ∈ X B ∈ B x ∈ B ⊆ X X ∈ T B
② T B T B { U α } α ∈ A T B U = ⋃ α ∈ A U α x ∈ U α 0 ∈ A x ∈ U α 0 U α 0 ∈ T B B ∈ B x ∈ B ⊆ U α 0 U α 0 ⊆ U x ∈ B ⊆ U U ∈ T B
③ T B T B U 1 , U 2 ∈ T B U 1 ∩ U 2 ∈ T B x ∈ U 1 ∩ U 2 U 1 , U 2 ∈ T B B 1 , B 2 ∈ B x ∈ B 1 ⊆ U 1 x ∈ B 2 ⊆ U 2 x ∈ B 1 ∩ B 2 ⊆ U 1 ∩ U 2 B 3 ∈ B x ∈ B 3 ⊆ B 1 ∩ B 2 x ∈ B 3 ⊆ U 1 ∩ U 2 U 1 ∩ U 2 ∈ T B T B T B
综上，T B X T B B ⊆ T B B U ∈ T B U B U = ⋃ B ∈ B U B B U = { B ∈ B ∣ ∃ x ∈ U , x ∈ B ⊆ U } B ( X , T B )
例子 4.1.3 (度量空间的基 (Basis for Metric Spaces))
在度量空间( X , d ) 开球 (open balls) 构成的集合族B = { B ( x , r ) ∣ x ∈ X , r > 0 } B ( x , r ) = { y ∈ X ∣ d ( x , y ) < r } x r
验证B
① 对于任意x ∈ X r = 1 x ∈ B ( x , 1 ) ∈ B B ( x 1 , r 1 ) , B ( x 2 , r 2 ) ∈ B y ∈ B ( x 1 , r 1 ) ∩ B ( x 2 , r 2 ) B ( y , r 3 ) ⊆ B ( x 1 , r 1 ) ∩ B ( x 2 , r 2 ) y ∈ B ( x 1 , r 1 ) d ( x 1 , y ) < r 1 ϵ 1 = r 1 − d ( x 1 , y ) > 0 y ∈ B ( x 2 , r 2 ) d ( x 2 , y ) < r 2 ϵ 2 = r 2 − d ( x 2 , y ) > 0 r 3 = min { ϵ 1 , ϵ 2 } > 0 B ( y , r 3 ) z ∈ B ( y , r 3 ) d ( y , z ) < r 3 d ( x 1 , z ) ≤ d ( x 1 , y ) + d ( y , z ) < d ( x 1 , y ) + r 3 ≤ d ( x 1 , y ) + ϵ 1 = d ( x 1 , y ) + ( r 1 − d ( x 1 , y ) ) = r 1 z ∈ B ( x 1 , r 1 ) d ( x 2 , z ) ≤ d ( x 2 , y ) + d ( y , z ) < d ( x 2 , y ) + r 3 ≤ d ( x 2 , y ) + ϵ 2 = d ( x 2 , y ) + ( r 2 − d ( x 2 , y ) ) = r 2 z ∈ B ( x 2 , r 2 ) B ( y , r 3 ) ⊆ B ( x 1 , r 1 ) ∩ B ( x 2 , r 2 )
所以，开球族B
定义 4.1.4 (子基 (Subbasis))
设X X 子基 (subbasis) S X ⋃ S ∈ S S = X
与基不同，子基本身不要求满足交集的性质。子基通过有限交运算来生成基，再由基生成拓扑。
定理 4.1.5 (由子基生成的拓扑 (Topology Generated by a Subbasis))
设S X B S S X B S B S T S = T B S S 生成的拓扑 (topology generated by the subbasis) 。
证明：
首先，验证B S
① 对于每个x ∈ X S ⋃ S ∈ S S = X S ∈ S x ∈ S S S S ∈ B S x ∈ X B ∈ B S x ∈ B X X ∈ B S x ∈ X x ∈ X ∈ B S
② 对于任意B 1 , B 2 ∈ B S x ∈ B 1 ∩ B 2 B 3 ∈ B S x ∈ B 3 ⊆ B 1 ∩ B 2 B 1 , B 2 ∈ B S S B 1 = S 1 , 1 ∩ ⋯ ∩ S 1 , n B 2 = S 2 , 1 ∩ ⋯ ∩ S 2 , m S i , j ∈ S B 1 ∩ B 2 = ( S 1 , 1 ∩ ⋯ ∩ S 1 , n ) ∩ ( S 2 , 1 ∩ ⋯ ∩ S 2 , m ) = S 1 , 1 ∩ ⋯ ∩ S 1 , n ∩ S 2 , 1 ∩ ⋯ ∩ S 2 , m B 1 ∩ B 2 S B 1 ∩ B 2 ∈ B S B 3 = B 1 ∩ B 2
因此，B S B S T S = T B S S
例子 4.1.6 (实数轴上的子基 (Subbasis for Real Line))
在实数集R S = { ( a , ∞ ) ∣ a ∈ R } ∪ { ( − ∞ , b ) ∣ b ∈ R } R ⋃ S ∈ S S = R S B S ( a , ∞ ) ( − ∞ , b ) ( a , ∞ ) ∩ ( − ∞ , b ) = ( a , b ) a < b ( a , ∞ ) ∩ ( c , ∞ ) = ( max { a , c } , ∞ ) ( − ∞ , b ) ∩ ( − ∞ , d ) = ( − ∞ , min { b , d } ) S B S ( a , b ) ( a , ∞ ) ( − ∞ , b ) R ( a , b ) ( a , b ) S = { ( a , ∞ ) ∣ a ∈ R } ∪ { ( − ∞ , b ) ∣ b ∈ R }
总结：
⚝ 基 (basis) 通过并集生成拓扑中的开集。基本身需要满足两个条件：覆盖全集和基元素的有限交可以被基元素包含。子基 (subbasis) 通过有限交集生成基，再由基生成拓扑。子基只需要满足覆盖全集一个条件。
4.2 子空间拓扑 (Subspace Topology)当我们有一个拓扑空间( X , T ) X Y ⊆ X Y Y ( X , T ) 子空间拓扑 (subspace topology) 就是这样一种拓扑。
定义 4.2.1 (子空间拓扑 (Subspace Topology))
设( X , T ) Y ⊆ X X 子空间拓扑 (subspace topology) 或 相对拓扑 (relative topology) 是Y T Y T Y = { Y ∩ U ∣ U ∈ T } Y V T Y X U ∈ T V = Y ∩ U
定理 4.2.2 (T Y Y T Y Y
证明：
我们需要验证T Y
① 空集和全集属于T Y ：∅ = Y ∩ ∅ ∅ ∈ T ∅ ∈ T Y Y = Y ∩ X X ∈ T Y ∈ T Y
② T Y T Y { V α } α ∈ A T Y α ∈ A U α ∈ T V α = Y ∩ U α ⋃ α ∈ A V α = ⋃ α ∈ A ( Y ∩ U α ) = Y ∩ ( ⋃ α ∈ A U α ) { U α } α ∈ A ⊆ T T ⋃ α ∈ A U α ∈ T ⋃ α ∈ A V α = Y ∩ ( ⋃ α ∈ A U α ) ∈ T Y
③ T Y T Y V 1 , V 2 ∈ T Y U 1 , U 2 ∈ T V 1 = Y ∩ U 1 V 2 = Y ∩ U 2 V 1 ∩ V 2 = ( Y ∩ U 1 ) ∩ ( Y ∩ U 2 ) = Y ∩ ( U 1 ∩ U 2 ) U 1 , U 2 ∈ T T U 1 ∩ U 2 ∈ T V 1 ∩ V 2 = Y ∩ ( U 1 ∩ U 2 ) ∈ T Y T Y T Y
综上，T Y Y
例子 4.2.3 (单位区间作为实数轴的子空间 (Unit Interval as Subspace of Real Line))
考虑实数轴R T R Y = [ 0 , 1 ] Y T Y [ 0 , 1 ] ∩ U U R
例如：( 1 / 2 , 3 / 2 ) R [ 0 , 1 ] ∩ ( 1 / 2 , 3 / 2 ) = ( 1 / 2 , 1 ] [ 0 , 1 ] ( − 1 / 2 , 1 / 2 ) R [ 0 , 1 ] ∩ ( − 1 / 2 , 1 / 2 ) = [ 0 , 1 / 2 ) [ 0 , 1 ] ( − 1 / 2 , 3 / 2 ) R [ 0 , 1 ] ∩ ( − 1 / 2 , 3 / 2 ) = [ 0 , 1 ] [ 0 , 1 ] ( 1 / 4 , 3 / 4 ) R [ 0 , 1 ] ∩ ( 1 / 4 , 3 / 4 ) = ( 1 / 4 , 3 / 4 ) [ 0 , 1 ]
注意，在子空间[ 0 , 1 ] [ 0 , 1 / 2 ) ( 1 / 2 , 1 ] R 相对性 。一个集合在一个子空间中是开集，并不意味着它在更大的空间中也是开集。
命题 4.2.4 (子空间拓扑的基 (Basis for Subspace Topology))
设( X , T ) Y ⊆ X B ( X , T ) B Y = { Y ∩ B ∣ B ∈ B } T Y
证明：
我们需要验证B Y T Y
①B Y ⊆ T Y B ∈ B B ∈ T Y ∩ B ∈ T Y B Y ⊆ T Y
② 对于任意V ∈ T Y y ∈ V B ′ ∈ B Y y ∈ B ′ ⊆ V V ∈ T Y U ∈ T V = Y ∩ U U ∈ T B T y ∈ V ⊆ U B ∈ B y ∈ B ⊆ U B ′ = Y ∩ B B ′ ∈ B Y y ∈ B ⇒ y ∈ Y ∩ B = B ′ B ⊆ U ⇒ Y ∩ B ⊆ Y ∩ U = V B ′ = Y ∩ B ⊆ V V ∈ T Y y ∈ V B ′ ∈ B Y y ∈ B ′ ⊆ V
综上，B Y T Y
例子 4.2.5 (单位区间子空间拓扑的基 (Basis for Subspace Topology on Unit Interval))
实数轴R ( a , b ) [ 0 , 1 ] [ 0 , 1 ] ∩ ( a , b )
⚝ 当a < b ≤ 0 1 ≤ a < b [ 0 , 1 ] ∩ ( a , b ) = ∅ 0 ≤ a < b ≤ 1 [ 0 , 1 ] ∩ ( a , b ) = ( a , b ) a < 0 < b ≤ 1 [ 0 , 1 ] ∩ ( a , b ) = [ 0 , b ) 0 ≤ a < 1 < b [ 0 , 1 ] ∩ ( a , b ) = ( a , 1 ] a < 0 < 1 < b [ 0 , 1 ] ∩ ( a , b ) = [ 0 , 1 ]
因此，[ 0 , 1 ] ( a , b ) ⊆ [ 0 , 1 ] [ 0 , b ) b > 0 ( a , 1 ] a < 1
总结：
⚝ 子空间拓扑是在子集上继承母空间拓扑的一种自然方式。
4.3 乘积拓扑 (Product Topology)给定两个拓扑空间( X , T X ) ( Y , T Y ) 笛卡尔积 (Cartesian product) X × Y 乘积拓扑 (product topology) 就是为了实现这个目的而定义的。
定义 4.3.1 (乘积拓扑 (Product Topology))
设( X , T X ) ( Y , T Y ) X × Y = { ( x , y ) ∣ x ∈ X , y ∈ Y } 乘积拓扑 (product topology) 是由 基 (basis) B X × Y = { U × V ∣ U ∈ T X , V ∈ T Y } U × V = { ( x , y ) ∣ x ∈ U , y ∈ V } 基本开集 (basic open set) 。
定理 4.3.2 (B X × Y X × Y B X × Y X × Y
证明：
我们需要验证B X × Y
① 对于每个( x , y ) ∈ X × Y B ∈ B X × Y ( x , y ) ∈ B ( X , T X ) ( Y , T Y ) X ∈ T X Y ∈ T Y X × Y ∈ B X × Y ( x , y ) ∈ X × Y ( x , y ) ∈ X × Y
② 对于任意B 1 , B 2 ∈ B X × Y ( x , y ) ∈ B 1 ∩ B 2 B 3 ∈ B X × Y ( x , y ) ∈ B 3 ⊆ B 1 ∩ B 2 B 1 = U 1 × V 1 B 2 = U 2 × V 2 U 1 , U 2 ∈ T X V 1 , V 2 ∈ T Y B 1 ∩ B 2 = ( U 1 × V 1 ) ∩ ( U 2 × V 2 ) = ( U 1 ∩ U 2 ) × ( V 1 ∩ V 2 ) T X T Y U 1 ∩ U 2 ∈ T X V 1 ∩ V 2 ∈ T Y B 1 ∩ B 2 = ( U 1 ∩ U 2 ) × ( V 1 ∩ V 2 ) ∈ B X × Y B 3 = B 1 ∩ B 2
所以，B X × Y X × Y B X × Y
例子 4.3.3 (欧几里得平面R 2 R 2
考虑实数轴R T R R 2 = R × R 是 中 的 开 集 B R 2 = { U × V ∣ U , V 是 R 中的开集 } U = ( a , b ) V = ( c , d ) ( a , b ) × ( c , d ) = { ( x , y ) ∣ a < x < b , c < y < d } 开矩形 (open rectangle) 。所有开矩形构成的集合族是R 2
实际上，R 2 R 2
命题 4.3.4 (投影映射的连续性 (Continuity of Projection Maps))
设( X , T X ) ( Y , T Y ) X × Y 投影映射 (projection maps) π 1 : X × Y → X π 2 : X × Y → Y π 1 ( x , y ) = x π 2 ( x , y ) = y
证明：
我们需要证明对于X U ∈ T X π 1 − 1 ( U ) X × Y Y V ∈ T Y π 2 − 1 ( V ) X × Y
⚝π 1 − 1 ( U ) = { ( x , y ) ∈ X × Y ∣ π 1 ( x , y ) = x ∈ U } = U × Y U ∈ T X Y ∈ T Y U × Y ∈ B X × Y π 2 − 1 ( V ) = { ( x , y ) ∈ X × Y ∣ π 2 ( x , y ) = y ∈ V } = X × V X ∈ T X V ∈ T Y X × V ∈ B X × Y
因此，投影映射π 1 π 2
命题 4.3.5 (乘积拓扑的子基 (Subbasis for Product Topology))
乘积拓扑在X × Y 子基 (subbasis) 生成。这个子基是S X × Y = { π 1 − 1 ( U ) ∣ U ∈ T X } ∪ { π 2 − 1 ( V ) ∣ V ∈ T Y } = { U × Y ∣ U ∈ T X } ∪ { X × V ∣ V ∈ T Y } S X × Y B S X × Y S X × Y ( U × Y ) ∩ ( X × V ) = ( U ∩ X ) × ( Y ∩ V ) = U × V U ⊆ X V ⊆ Y S X × Y U × V U ∈ T X V ∈ T Y B X × Y S X × Y B X × Y
推广到有限个空间的乘积 (Product of Finitely Many Spaces)
乘积拓扑的概念可以推广到有限个拓扑空间的乘积。设( X 1 , T 1 ) , ( X 2 , T 2 ) , … , ( X n , T n ) n X 1 × X 2 × ⋯ × X n B = { U 1 × U 2 × ⋯ × U n ∣ U i ∈ T i , i = 1 , 2 , … , n } U 1 × U 2 × ⋯ × U n = { ( x 1 , x 2 , … , x n ) ∣ x i ∈ U i , i = 1 , 2 , … , n } 基本开集 (basic open set) 。
总结：
⚝ 乘积拓扑是在笛卡尔积空间上定义的自然拓扑。
4.4 商拓扑 (Quotient Topology)商拓扑 (quotient topology) 是一种通过 商映射 (quotient map) 在商集上定义拓扑的方法。它与子空间拓扑和乘积拓扑不同，商拓扑是从已有的拓扑空间“构造”新的拓扑空间。
定义 4.4.1 (商映射 (Quotient Map))
设( X , T X ) ( Y , T Y ) p : X → Y p 商映射 (quotient map) 如果T Y V ⊆ Y p − 1 ( V ) T X
换句话说，商映射p : X → Y Y T Y p 最精细的拓扑 (finest topology) 。
定义 4.4.2 (商拓扑 (Quotient Topology))
设( X , T ) Y p : X → Y 商拓扑 (quotient topology) 是Y T p T p = { V ⊆ Y ∣ p − 1 ( V ) ∈ T } Y V T p V 原像 (preimage) p − 1 ( V ) X
定理 4.4.3 (T p Y T p Y
证明：
我们需要验证T p
① 空集和全集属于T p ：p − 1 ( ∅ ) = ∅ ∅ ∈ T ∅ ∈ T p p − 1 ( Y ) = X X ∈ T Y ∈ T p
② T p T p { V α } α ∈ A ⊆ T p α ∈ A V α ∈ T p p − 1 ( V α ) ∈ T ⋃ α ∈ A V α p − 1 ( ⋃ α ∈ A V α ) ∈ T p − 1 ( ⋃ α ∈ A V α ) = ⋃ α ∈ A p − 1 ( V α ) { p − 1 ( V α ) } α ∈ A ⊆ T T ⋃ α ∈ A p − 1 ( V α ) ∈ T ⋃ α ∈ A V α ∈ T p
③ T p T p V 1 , V 2 ∈ T p p − 1 ( V 1 ) ∈ T p − 1 ( V 2 ) ∈ T V 1 ∩ V 2 p − 1 ( V 1 ∩ V 2 ) ∈ T p − 1 ( V 1 ∩ V 2 ) = p − 1 ( V 1 ) ∩ p − 1 ( V 2 ) p − 1 ( V 1 ) , p − 1 ( V 2 ) ∈ T T p − 1 ( V 1 ) ∩ p − 1 ( V 2 ) ∈ T V 1 ∩ V 2 ∈ T p T p T p
综上，T p Y p
例子 4.4.4 (圆作为单位区间的商空间 (Circle as Quotient Space of Unit Interval))
考虑单位区间[ 0 , 1 ] R p : [ 0 , 1 ] → S 1 = { ( x , y ) ∈ R 2 ∣ x 2 + y 2 = 1 } p ( t ) = ( cos ( 2 π t ) , sin ( 2 π t ) ) S 1 p 0 1 ( 1 , 0 )
在S 1 p S 1 V ⊆ S 1 p − 1 ( V ) [ 0 , 1 ]
例如，考虑S 1 A = { ( cos θ , sin θ ) ∣ θ ∈ ( ϵ , 2 π − ϵ ) } 0 < ϵ < π p − 1 ( A ) = ( ϵ / ( 2 π ) , 1 − ϵ / ( 2 π ) ) ⊆ [ 0 , 1 ] [ 0 , 1 ] A S 1
商空间 (Quotient Space)
通常，商拓扑与 等价关系 (equivalence relation) 联系在一起。设X ∼ X X / ∼ ∼ 商集 (quotient set) ，即所有等价类的集合。商映射 (quotient map) q : X → X / ∼ x ∈ X [ x ] ∈ X / ∼
如果( X , T ) X / ∼ 商拓扑 (quotient topology) ，使得商映射q : X → X / ∼ T q X / ∼ V ⊆ X / ∼ q − 1 ( V ) ∈ T
例子 4.4.5 (粘合空间 (Adjunction Space))
设( X , T X ) A ⊆ X X x ∼ y x = y x , y ∈ A A 粘合 (glue) 成一个点。商集X / ∼ X / A q : X → X / A X ∖ A A A X / A
例如，如果X = [ 0 , 1 ] A = { 0 , 1 } X / A = [ 0 , 1 ] / { 0 , 1 } 0 1 S 1
总结：
⚝ 商拓扑是通过商映射在商集上定义的拓扑。
本章介绍了生成拓扑的四种重要方法：基与子基、子空间拓扑、乘积拓扑和商拓扑。这些方法为我们提供了强大的工具，可以从已知的拓扑空间出发，构造和研究更复杂的拓扑空间。理解这些方法是深入学习拓扑学的关键。
<END_OF_CHAPTER/>
5. chapter 5： 紧致性 (Compactness) 5.1 紧致空间的定义与基本性质 (Definition and Basic Properties of Compact Spaces)在拓扑学中，紧致性 (Compactness) 是一个极其重要的概念，它推广了有限集合在分析学中的许多优良性质到更一般的拓扑空间。紧致空间在数学分析、泛函分析、代数拓扑等领域都有着广泛的应用。本节将首先给出紧致空间的定义，并探讨其基本性质。
定义 5.1.1 (开覆盖与子覆盖, Open Cover and Subcover)
设X A ⊆ X { U α } α ∈ A X A ⊆ ⋃ α ∈ A U α { U α } α ∈ A A 开覆盖 (open cover) 。如果存在A A ′ ⊆ A A ′ A ⊆ ⋃ α ∈ A ′ U α { U α } α ∈ A ′ { U α } α ∈ A 有限子覆盖 (finite subcover) 。
定义 5.1.2 (紧致空间, Compact Space)
拓扑空间X 紧致空间 (compact space) ，如果X
简单来说，一个空间是紧致的，意味着无论你用多少个开集去覆盖它，你总能从中选出有限个开集仍然能覆盖它。
例子 5.1.3 (紧致空间的例子)
⚝ 任何有限拓扑空间都是紧致的。因为任何开覆盖都必然是有限的，自然存在有限子覆盖（即自身）。[ a , b ] X X { x } X { { x } } x ∈ X X X X { U α } α ∈ A X α 0 ∈ A U α 0 ≠ ∅ X U α 0 = X { U α 0 }
定理 5.1.4 (紧致性的基本性质)
设X
① 紧致空间的闭子集是紧致的 (Closed subset of a compact space is compact) 。C ⊆ X X C C { V α } α ∈ A C α ∈ A X U α V α = U α ∩ C { V α } α ∈ A C C ⊆ ⋃ α ∈ A V α = ⋃ α ∈ A ( U α ∩ C ) ⊆ ⋃ α ∈ A U α X { U α } α ∈ A ∪ { X ∖ C } C ⊆ ⋃ α ∈ A U α X ∖ C C X = C ∪ ( X ∖ C ) ⊆ ( ⋃ α ∈ A U α ) ∪ ( X ∖ C ) = ⋃ α ∈ A U α ∪ ( X ∖ C ) { U α } α ∈ A ∪ { X ∖ C } X X { U α 1 , U α 2 , … , U α n , X ∖ C } X C ⊆ U α 1 ∪ U α 2 ∪ … ∪ U α n ∪ ( X ∖ C ) C ⊆ U α 1 ∪ U α 2 ∪ … ∪ U α n C = C ∩ ( ⋃ i = 1 n U α i ) = ⋃ i = 1 n ( U α i ∩ C ) = ⋃ i = 1 n V α i { V α 1 , V α 2 , … , V α n } { V α } α ∈ A C C
② 紧致空间的连续像仍是紧致空间 (Continuous image of a compact space is compact) 。f : X → Y X f ( X ) Y f ( X ) { V α } α ∈ A f ( X ) α ∈ A V α Y f ( X ) ⊆ ⋃ α ∈ A V α X ⊆ f − 1 ( ⋃ α ∈ A V α ) = ⋃ α ∈ A f − 1 ( V α ) f V α Y f − 1 ( V α ) X { f − 1 ( V α ) } α ∈ A X X A ′ = { α 1 , α 2 , … , α n } ⊆ A X ⊆ ⋃ i = 1 n f − 1 ( V α i ) f ( X ) = f ( ⋃ i = 1 n f − 1 ( V α i ) ) = ⋃ i = 1 n f ( f − 1 ( V α i ) ) ⊆ ⋃ i = 1 n V α i { V α 1 , V α 2 , … , V α n } { V α } α ∈ A f ( X ) f ( X )
③ Hausdorff 空间中的紧致子集是闭集 (Compact subset of a Hausdorff space is closed) 。Y K ⊆ Y K Y ∖ K y ∈ Y ∖ K x ∈ K Y y V x x U x V x ∩ U x = ∅ x ∈ K U x { U x } x ∈ K K Y K K { U x 1 , U x 2 , … , U x n } K K ⊆ ⋃ i = 1 n U x i V x 1 , V x 2 , … , V x n y V = ⋂ i = 1 n V x i V y V ∩ K = ∅ z ∈ V ∩ K z ∈ K ⊆ ⋃ i = 1 n U x i j ∈ { 1 , 2 , … , n } z ∈ U x j z ∈ V = ⋂ i = 1 n V x i ⊆ V x j z ∈ U x j ∩ V x j U x j V x j U x j ∩ V x j = ∅ V ∩ K = ∅ y V V ⊆ Y ∖ K y ∈ Y ∖ K Y ∖ K K
④ Hausdorff 空间中，紧致子空间到 Hausdorff 空间的连续双射是同胚 (Continuous bijection from a compact space to a Hausdorff space is a homeomorphism) 。f : X → Y X Y f f − 1 : Y → X f − 1 X C ( f − 1 ) − 1 ( C ) = f ( C ) Y C ⊆ X X C f f ( C ) Y Y f ( C ) Y X C f ( C ) Y f − 1 f
这些基本性质为我们研究紧致空间提供了有力的工具。例如，性质 ① 和 ② 表明紧致性在闭子集和连续映射下保持。性质 ③ 和 ④ 则揭示了在 Hausdorff 空间中紧致性的特殊作用。
5.2 紧致子集 (Compact Subsets)定义 5.2.1 (紧致子集, Compact Subset)
设X K ⊆ X K X 紧致子集 (compact subset) ，如果子空间( K , T K ) T K K
根据紧致空间的定义，K X X { U α } α ∈ A K ⊆ ⋃ α ∈ A U α A ′ ⊆ A K ⊆ ⋃ α ∈ A ′ U α
定理 5.2.2 (紧致子集的性质)
设X
① X X
② 紧致子集的闭子集仍是紧致子集 。K ⊆ X C ⊆ K K K C K C X C K C X K X C K C X
③ 紧致子集的连续像仍是紧致子集 。f : X → Y K ⊆ X f | K : K → Y f f | K K Y K f | K ( K ) = f ( K ) f ( K ) Y
④ Hausdorff 空间中的紧致子集是闭子集 。X K ⊆ X K X
⑤ 实数轴R R 。 (Heine-Borel 定理的一部分)[ a , b ] R R R K ⊆ R { ( − n , n ) } n ∈ N { ( − n i , n i ) } i = 1 m ( − max { n i } , max { n i } ) K
例子 5.2.3 (紧致子集的例子)
⚝ 在欧几里得空间R n Heine-Borel 定理 (Heine-Borel Theorem) 指出，一个子集是紧致的当且仅当它是闭且有界的。例如，单位闭球B n = { x ∈ R n ∣ ‖ x ‖ ≤ 1 } l 2 { x ∈ l 2 ∣ ‖ x ‖ ≤ 1 }
5.3 乘积空间的紧致性：Tychonoff 定理 (Compactness of Product Spaces: Tychonoff's Theorem)定理 5.3.1 (Tychonoff 定理, Tychonoff's Theorem)
设{ X α } α ∈ A ∏ α ∈ A X α X α
证明概要 (Proof Sketch)
Tychonoff 定理的证明不是平凡的，通常需要使用 选择公理 (Axiom of Choice) 或其等价形式，例如 Zorn 引理 (Zorn's Lemma) 。这里我们只给出证明的思路，不详细展开。( ⇒ ) X = ∏ α ∈ A X α β ∈ A p β : X → X β X β = p β ( X ) ( ⇐ ) X α X = ∏ α ∈ A X α X 滤子 (filter) 和 超滤子 (ultrafilter) 的概念。一个滤子F X ∅ ∉ F A , B ∈ F A ∩ B ∈ F A ∈ F A ⊆ B ⊆ X B ∈ F
可以证明，一个拓扑空间X X U X = ∏ α ∈ A X α α ∈ A X α p α ( U ) = { p α ( U ) ∣ U ∈ U } p α ( U ) X α F α U F α X α X α X α α ∈ A F α X α x α ∈ X α x = ( x α ) α ∈ A ∈ ∏ α ∈ A X α = X U X x X X
Tychonoff 定理是一个非常深刻且重要的定理，它表明了紧致性在乘积运算下的稳定性。对于有限个紧致空间的乘积，证明相对容易，但对于无限个紧致空间的乘积，则需要更精巧的工具。
应用 5.3.2 (Tychonoff 定理的应用)
⚝ Cantor 集 (Cantor Set) 是紧致的。Cantor 集可以看作是可数个离散空间{ 0 , 1 } { 0 , 1 } N { 0 , 1 } { 0 , 1 } N { 0 , 1 } N [ 0 , 1 ] Torus (环面) S 1 × S 1 S 1 R 2 S 1 × S 1 n ( S 1 ) n Hilbert 立方体 (Hilbert Cube) [ 0 , 1 ] N = ∏ n = 1 ∞ [ 0 , 1 ] [ 0 , 1 ] [ 0 , 1 ] N
5.4 列紧致性与极限点紧致性 (Sequential Compactness and Limit Point Compactness)在度量空间中，紧致性还有一些等价的刻画，例如 列紧致性 (sequential compactness) 和 极限点紧致性 (limit point compactness) 。在一般拓扑空间中，这些概念与紧致性有所区别，但在某些条件下是等价的。
定义 5.4.1 (列紧致空间, Sequentially Compact Space)
拓扑空间X 列紧致空间 (sequentially compact space) ，如果X
定义 5.4.2 (极限点紧致空间, Limit Point Compact Space)
拓扑空间X 极限点紧致空间 (limit point compact space) ，如果X
定理 5.4.3 (紧致性、列紧致性、极限点紧致性之间的关系)
① 紧致空间是极限点紧致空间 (Compact space is limit point compact) 。X A ⊆ X A x ∈ X x U x U x ∩ A { x } x ∈ A x ∈ A A x ∉ A ∖ { x } ― { U x } x ∈ X X X { U x 1 , U x 2 , … , U x n } X A = A ∩ X = A ∩ ( ⋃ i = 1 n U x i ) = ⋃ i = 1 n ( A ∩ U x i ) A ∩ U x i A = ⋃ i = 1 n ( A ∩ U x i ) A A
② 在第一可数空间中，极限点紧致空间是列紧致空间 (In a first-countable space, limit point compact space is sequentially compact) 。X { x n } n ∈ N X { x n } n ∈ N { x n ∣ n ∈ N } { x n ∣ n ∈ N } X { x n ∣ n ∈ N } x X x { B k } k ∈ N x { x n ∣ n ∈ N } B k B k { x n ∣ n ∈ N } { x n k } k ∈ N x n k ∈ B k n 1 < n 2 < … { x n k } k ∈ N x
③ 在度量空间中，紧致性、列紧致性、极限点紧致性是等价的 (In a metric space, compactness, sequential compactness, and limit point compactness are equivalent) 。( X , d ) ⇒ ⇒ ⇔ ⇔
(a) 紧致⇒ ⇒ ⇒ ⇒ ⇒ ⇒
因此，在度量空间中，我们可以使用列紧致性或极限点紧致性来判断一个空间是否紧致，这在实际应用中非常方便。
5.5 紧致性在分析中的应用 (Applications of Compactness in Analysis)紧致性在数学分析中有着广泛而深刻的应用，它使得许多重要的定理得以成立，并简化了问题的分析。以下列举几个紧致性在分析中的典型应用。
① 极值定理 (Extreme Value Theorem) ：X f : X → R f X 证明 : 由于X f f ( X ) R R f ( X ) R f ( X ) sup f ( X ) inf f ( X ) f ( X ) sup f ( X ) ∈ f ( X ) inf f ( X ) ∈ f ( X ) x m a x , x m i n ∈ X f ( x m a x ) = sup f ( X ) f ( x m i n ) = inf f ( X )
② 一致连续性定理 (Uniform Continuity Theorem) ：X Y f : X → Y f X 证明 : 对于任意ϵ > 0 x ∈ X f x δ x > 0 d X ( x , x ′ ) < δ x d Y ( f ( x ) , f ( x ′ ) ) < ϵ / 2 { B ( x , δ x / 2 ) } x ∈ X X X { B ( x i , δ x i / 2 ) } i = 1 n X δ = min { δ x 1 / 2 , δ x 2 / 2 , … , δ x n / 2 } > 0 x , x ′ ∈ X d X ( x , x ′ ) < δ { B ( x i , δ x i / 2 ) } i = 1 n X i x ∈ B ( x i , δ x i / 2 ) d X ( x , x i ) < δ x i / 2 d X ( x ′ , x i ) ≤ d X ( x ′ , x ) + d X ( x , x i ) < δ + δ x i / 2 ≤ δ x i / 2 + δ x i / 2 = δ x i d Y ( f ( x ) , f ( x i ) ) < ϵ / 2 d Y ( f ( x ′ ) , f ( x i ) ) < ϵ / 2 d Y ( f ( x ) , f ( x ′ ) ) ≤ d Y ( f ( x ) , f ( x i ) ) + d Y ( f ( x i ) , f ( x ′ ) ) < ϵ / 2 + ϵ / 2 = ϵ ϵ > 0 δ > 0 d X ( x , x ′ ) < δ d Y ( f ( x ) , f ( x ′ ) ) < ϵ f X
③ Lebesgue 数引理 (Lebesgue Number Lemma) ：( X , d ) { U α } α ∈ A X λ > 0 Lebesgue 数 (Lebesgue number) )，使得对于X A diam ( A ) < λ α ∈ A A ⊆ U α 证明 : 假设不存在这样的λ > 0 n ∈ N + λ = 1 / n n X A n diam ( A n ) < 1 / n A n U α x n ∈ A n X { x n } n ∈ N { x n k } k ∈ N x ∈ X { U α } α ∈ A X α 0 ∈ A x ∈ U α 0 U α 0 ϵ > 0 B ( x , ϵ ) ⊆ U α 0 x n k → x K k > K d ( x n k , x ) < ϵ / 2 k 1 / n k < ϵ / 2 k > K k y ∈ A n k d ( y , x n k ) ≤ diam ( A n k ) < 1 / n k < ϵ / 2 d ( y , x ) ≤ d ( y , x n k ) + d ( x n k , x ) < ϵ / 2 + ϵ / 2 = ϵ A n k ⊆ B ( x , ϵ ) ⊆ U α 0 A n k U α λ > 0
这些例子展示了紧致性在分析学中的强大作用。紧致性使得我们能够从无限到有限，通过有限子覆盖的性质来研究无限空间的问题，从而得到许多重要的结论。
<END_OF_CHAPTER/>
6. chapter 6： 连通性 (Connectedness) 6.1 连通空间的定义与基本性质 (Definition and Basic Properties of Connected Spaces)在拓扑学中，连通性 (connectedness) 是一个描述拓扑空间“完整”或“不可分割”的重要概念。直观上，一个连通空间不能被分成两个或多个互不相交的非空开集。本节将深入探讨连通空间的定义，并介绍其基本性质。
定义 6.1.1 连通空间 (Connected Space)
设( X , T ) X 连通的 (connected) ，如果X X U V
①U ≠ ∅ V ≠ ∅ U ∩ V = ∅ U ∪ V = X U V X 不连通的 (disconnected) 。
等价定义
连通性还有一些等价的定义方式，这有助于我们从不同角度理解这一概念。
定理 6.1.2 连通性的等价定义
对于拓扑空间( X , T )
(1)X X X ∅ X X x , y X x y X { 0 , 1 } { 0 , 1 }
证明思路：
⚝ (1) ⇔ (2): 利用开集与闭集的互补关系，若X = U ∪ V U , V V = X ∖ U U = X ∖ V A X = A ∪ ( X ∖ A ) A X ∖ A X = U ∪ V U f : X → { 0 , 1 } U = f − 1 ( { 0 } ) V = f − 1 ( { 1 } ) f { 0 } , { 1 } U V X f U V U ∩ V = ∅ U ∪ V = X X X = U ∪ V f : X → { 0 , 1 } f ( x ) = 0 x ∈ U f ( x ) = 1 x ∈ V f X = U ∪ V x ∈ U , y ∈ V C x , y C = ( C ∩ U ) ∪ ( C ∩ V ) x ∈ C ∩ U y ∈ C ∩ V C ∩ U C ∩ V U , V X C ∩ U , C ∩ V C ( C ∩ U ) ∩ ( C ∩ V ) = C ∩ ( U ∩ V ) = ∅ C
例子 6.1.3 连通与不连通的例子
① 实数集R (赋予通常拓扑)。直观上，实数轴是“连续不断”的，不能被分成两个分离的开区间。严格证明需要用到实数的完备性以及区间套定理等性质，这里暂不展开。
② 区间[ 0 , 1 ] (赋予通常拓扑)。作为R [ 0 , 1 ]
③ 离散空间X 。对于离散空间X x ∈ X { x } X ∖ { x } X { 0 , 1 }
④ Q R a ( − ∞ , a ) ∩ Q ( a , + ∞ ) ∩ Q Q Q
⑤ 拓扑学家的正弦曲线 (Topologist's sine curve) S = { ( x , sin ( 1 / x ) ) ∣ x ∈ ( 0 , 1 ] } ∪ { ( 0 , y ) ∣ y ∈ [ − 1 , 1 ] }
定理 6.1.4 连通性的基本性质
(1) 连续映射保持连通性 ：如果f : X → Y X f ( X ) Y
证明： 假设f ( X ) f ( X ) U ′ , V ′ f ( X ) = U ′ ∪ V ′ U ′ ∩ V ′ = ∅ U ′ , V ′ f ( X ) Y U ~ , V ~ U ′ = U ~ ∩ f ( X ) V ′ = V ~ ∩ f ( X ) U = f − 1 ( U ~ ) V = f − 1 ( V ~ ) f U V X f − 1 ( U ′ ) = { x ∈ X ∣ f ( x ) ∈ U ′ } ⊆ U f − 1 ( V ′ ) = { x ∈ X ∣ f ( x ) ∈ V ′ } ⊆ V U ′ V ′ f − 1 ( U ′ ) f − 1 ( V ′ )
更简洁的证明方法是利用等价定义 (5)。假设f ( X ) g : f ( X ) → { 0 , 1 } g ∘ f : X → { 0 , 1 } g f ( X ) f g ∘ f X f ( X )
(2) 连通集的并 ：设{ C α } α ∈ A X p ∈ X α ∈ A p ∈ C α ⋃ α ∈ A C α
证明： 令C = ⋃ α ∈ A C α C C C = U ∪ V U , V C p ∈ C p ∈ U α ∈ A C α ⊆ C = U ∪ V C α = ( C α ∩ U ) ∪ ( C α ∩ V ) U , V C C α ∩ U , C α ∩ V C α p ∈ U ∩ C α C α ∩ U ≠ ∅ C α ∩ V ≠ ∅ C α = ( C α ∩ U ) ∪ ( C α ∩ V ) C α C α C α ∩ V = ∅ α ∈ A C α ⊆ U α ∈ A C = ⋃ α ∈ A C α ⊆ U V U ∩ V = ∅ C = U ∪ V C
(3) 连通集的闭包 ：如果A X A ― A
证明： 假设A ― A ― A ― = U ∪ V U , V A ― A ⊆ A ― = U ∪ V A = ( A ∩ U ) ∪ ( A ∩ V ) U , V A ― A ∩ U , A ∩ V A U , V A ― = A ― ∩ ( U ∪ V ) = ( A ― ∩ U ) ∪ ( A ― ∩ V ) = U ∪ V A ∩ U A ∩ V
假设A ∩ U = ∅ A ⊆ V V A ― A ― ⊆ V U U ⊆ A ― U ∩ V = ∅ A ∩ U ≠ ∅ A ∩ V ≠ ∅ A = ( A ∩ U ) ∪ ( A ∩ V ) A A A ―
总结
本节介绍了连通空间的概念及其等价定义和基本性质。连通性是拓扑学中描述空间整体“完整性”的重要概念，为后续研究更复杂的拓扑性质奠定了基础。
6.2 道路连通性 (Path Connectedness)道路连通性 (path connectedness) 是比连通性更强的概念。直观上，如果空间中任意两点都可以用一条“道路”连接起来，则称该空间是道路连通的。本节将给出道路连通性的严格定义，并探讨其与连通性的关系。
定义 6.2.1 道路 (Path)
设X x , y ∈ X x y 道路 (path) 是指一个连续映射γ : [ 0 , 1 ] → X γ ( 0 ) = x γ ( 1 ) = y [ 0 , 1 ]
定义 6.2.2 道路连通空间 (Path Connected Space)
拓扑空间X 道路连通的 (path connected) ，如果对于X x , y x y
例子 6.2.3 道路连通的例子
① 欧几里得空间R n 。对于R n x , y γ ( t ) = ( 1 − t ) x + t y t ∈ [ 0 , 1 ] γ γ ( 0 ) = x , γ ( 1 ) = y
② 凸集 (convex set) 在R n 。凸集的定义保证了连接集合内任意两点的直线段仍然在集合内，因此凸集是道路连通的。
③ 球面S n = { x ∈ R n + 1 ∣ ‖ x ‖ = 1 } n ≥ 1 。对于S n x , y x ≠ − y x y x = − y n ≥ 1 z ∈ S n z ≠ x z ≠ y x z z y x y
定理 6.2.4 道路连通性与连通性的关系
(1) 道路连通空间一定是连通空间 。
证明： 假设X X X = U ∪ V U , V x ∈ U , y ∈ V X x y γ : [ 0 , 1 ] → X [ 0 , 1 ] = γ − 1 ( U ) ∪ γ − 1 ( V ) γ U , V X γ − 1 ( U ) , γ − 1 ( V ) [ 0 , 1 ] x = γ ( 0 ) ∈ U 0 ∈ γ − 1 ( U ) γ − 1 ( U ) ≠ ∅ y = γ ( 1 ) ∈ V 1 ∈ γ − 1 ( V ) γ − 1 ( V ) ≠ ∅ γ − 1 ( U ) ∩ γ − 1 ( V ) = γ − 1 ( U ∩ V ) = γ − 1 ( ∅ ) = ∅ γ − 1 ( U ) ∪ γ − 1 ( V ) = γ − 1 ( U ∪ V ) = γ − 1 ( X ) = [ 0 , 1 ] [ 0 , 1 ] = γ − 1 ( U ) ∪ γ − 1 ( V ) [ 0 , 1 ] [ 0 , 1 ] X
(2) 连通空间不一定是道路连通空间 。例如，拓扑学家的正弦曲线 (例子 6.1.3 ⑤) 是连通的，但不是道路连通的。
道路连通性的性质
(1) 道路连通性是拓扑性质 ：如果X Y X Y
(2) 连续映射保持道路连通性 ：如果f : X → Y X f ( X ) Y
证明： 对于f ( X ) y 1 , y 2 x 1 , x 2 ∈ X f ( x 1 ) = y 1 , f ( x 2 ) = y 2 X x 1 x 2 γ : [ 0 , 1 ] → X f ∘ γ : [ 0 , 1 ] → f ( X ) ( f ∘ γ ) ( 0 ) = f ( γ ( 0 ) ) = f ( x 1 ) = y 1 ( f ∘ γ ) ( 1 ) = f ( γ ( 1 ) ) = f ( x 2 ) = y 2 f ∘ γ f ( X ) y 1 y 2 f ( X )
(3) 道路连通集的乘积空间是道路连通的 ：如果{ X α } α ∈ A ∏ α ∈ A X α
证明： 对于∏ α ∈ A X α x = ( x α ) α ∈ A y = ( y α ) α ∈ A α ∈ A X α x α y α γ α : [ 0 , 1 ] → X α γ : [ 0 , 1 ] → ∏ α ∈ A X α γ ( t ) = ( γ α ( t ) ) α ∈ A γ ( 0 ) = ( γ α ( 0 ) ) α ∈ A = ( x α ) α ∈ A = x γ ( 1 ) = ( γ α ( 1 ) ) α ∈ A = ( y α ) α ∈ A = y γ β ∈ A p β ∘ γ : [ 0 , 1 ] → X β ( p β ∘ γ ) ( t ) = p β ( γ ( t ) ) = p β ( ( γ α ( t ) ) α ∈ A ) = γ β ( t ) γ β p β ∘ γ γ ∏ α ∈ A X α
总结
道路连通性是比连通性更强的概念，它要求空间中任意两点之间存在道路连接。道路连通空间一定是连通的，反之不然。道路连通性在很多情况下更容易验证和使用，尤其是在几何直观性较强的空间中。
6.3 连通分支 (Connected Components)连通分支 (connected components) 的概念可以将一般的拓扑空间分解成若干个“连通块”。本节将定义连通分支，并探讨其性质。
定义 6.3.1 连通关系
设X X ∼ x , y ∈ X x ∼ y X x y
定理 6.3.2 连通关系是等价关系
在拓扑空间X ∼
(1) 自反性 (Reflexivity) ：x ∼ x x ∈ X { x } x x 对称性 (Symmetry) ：如果x ∼ y y ∼ x 传递性 (Transitivity) ：如果x ∼ y y ∼ z x ∼ z
证明 (传递性)： 如果x ∼ y C 1 x , y y ∼ z C 2 y , z C = C 1 ∪ C 2 y ∈ C 1 ∩ C 2 C = C 1 ∪ C 2 x ∈ C 1 ⊆ C z ∈ C 2 ⊆ C C x z x ∼ z
定义 6.3.3 连通分支 (Connected Component)
由等价关系∼ 连通分支 (connected component) 或 连通组分 。包含点x ∈ X C ( x )
根据等价类的性质，拓扑空间X X = ⋃ x ∈ X C ( x ) C ( x ) ≠ C ( y ) C ( x ) ∩ C ( y ) = ∅
定理 6.3.4 连通分支的性质
(1) 连通分支是连通的 。
证明： 对于x ∈ X 存 在 连 通 子 集 包 含 C ( x ) = { y ∈ X ∣ x ∼ y } = { y ∈ X ∣ 存在连通子集 C x y 包含 x , y } y ∈ C ( x ) C x y x , y C ( x ) = ⋃ y ∈ C ( x ) C x y C x y x C ( x ) = ⋃ y ∈ C ( x ) C x y
(2) 连通分支是闭集 。
证明： 对于任意x ∈ X C ( x ) C ( x ) ― y ∈ C ( x ) ― C ( x ) ― x y x ∼ y y ∈ C ( x ) C ( x ) ― ⊆ C ( x ) C ( x ) ⊆ C ( x ) ― C ( x ) = C ( x ) ― C ( x )
(3) 连通分支是极大连通子集 ：如果C X C ( x ) ⊆ C x ∈ C C = C ( x )
证明： 如果C x ∈ C y ∈ C C x , y x ∼ y y ∈ C ( x ) C ⊆ C ( x ) C ( x ) ⊆ C C = C ( x )
(4) 如果X 。
证明： 设X = C 1 ∪ C 2 ∪ ⋯ ∪ C n X C i C i = X ∖ ⋃ j ≠ i C j ⋃ j ≠ i C j C i C i
例子 6.3.5 连通分支的例子
① 离散空间X { x } x ∈ X 。因为离散空间中只有单点集是连通的。
② Q { q } q ∈ Q Q
③ 拓扑学家的正弦曲线S S (因为S
④ 设X = [ 0 , 1 ] ∪ [ 2 , 3 ] X R [ 0 , 1 ] [ 2 , 3 ] 。这两个集合都是连通的，闭的 (在X X
道路连通分支 (Path-connected Components)
类似于连通分支，我们也可以定义 道路连通分支 (path-connected components) 。在拓扑空间X ∼ p x , y ∈ X x ∼ p y x y ∼ p ∼ p 道路连通分支 。包含点x ∈ X P ( x )
定理 6.3.6 道路连通分支的性质
(1) 道路连通分支是道路连通的 。道路连通分支是连通的 (因为道路连通蕴含连通)。道路连通分支是极大道路连通子集 。道路连通分支不一定是闭集，也不一定是开集 (例如，拓扑学家的正弦曲线的道路连通分支不是闭集)。每个连通分支是若干个道路连通分支的并集 。
总结
连通分支的概念将拓扑空间分解成互不相交的连通“块”，为研究空间的连通结构提供了有力工具。连通分支是闭集，且是极大连通子集。道路连通分支是道路连通的“块”，但性质不如连通分支那么“好”。
6.4 局部连通性与局部道路连通性 (Local Connectedness and Local Path Connectedness)局部连通性 (local connectedness) 和 局部道路连通性 (local path connectedness) 是描述空间在“局部”范围内连通性质的概念。本节将介绍这两个概念，并探讨它们与连通性、道路连通性的关系。
定义 6.4.1 局部连通空间 (Locally Connected Space)
拓扑空间X 局部连通的 (locally connected) ，如果对于X x x U x V ⊆ U
等价定义
定理 6.4.2 局部连通性的等价定义
拓扑空间X X U U X
证明思路：
⚝ (局部连通 ⇒ 开集的连通分支是开集): 设U X C U x ∈ C ⊆ U X x V ⊆ U V U x V ⊆ C V x V ⊆ C C x x C C x ∈ X x U x W ⊆ U W C x x C x X W C x C x x C x ⊆ W ⊆ U X
例子 6.4.3 局部连通的例子
① 欧几里得空间R n 。对于x ∈ R n U B ( x , ϵ ) ⊆ U B ( x , ϵ ) x U
② 离散空间X 。对于x ∈ X U { x } x { x } ⊆ U
③ Q q ∈ Q Q U q Q { q } { q } q
④ 康托集 (Cantor set) 是局部连通的 。康托集是全不连通的 (totally disconnected)，即连通分支都是单点集。单点集在康托集中既开又闭，所以康托集是局部连通的。
定义 6.4.4 局部道路连通空间 (Locally Path Connected Space)
拓扑空间X 局部道路连通的 (locally path connected) ，如果对于X x x U x V ⊆ U
定理 6.4.5 局部道路连通性的等价定义
拓扑空间X X U U X
证明思路： 类似于定理 6.4.2 的证明，将“连通”替换为“道路连通”即可。
例子 6.4.6 局部道路连通的例子
① 欧几里得空间R n 。开球是道路连通的。
② 离散空间X 。单点集是道路连通的。
③ Q
④ 拓扑学家的正弦曲线S 。点( 0 , 0 )
局部连通性与局部道路连通性，连通性与道路连通性的关系
(1) 局部道路连通空间一定是局部连通空间 (因为道路连通蕴含连通)。反之不然，例如，存在局部连通但不局部道路连通的空间 (需要更复杂的例子)。
(2) 连通且局部道路连通的空间一定是道路连通空间 。
证明： 设X x ∈ X P ( x ) x y ∈ P ( x ) X y V V y V ⊆ P ( y ) = P ( x ) P ( x ) y y P ( x ) P ( x ) z ∉ P ( x ) P ( z ) ∩ P ( x ) = ∅ w ∈ P ( z ) w W ⊆ P ( z ) P ( z ) P ( x ) X X ∅ X P ( x ) ≠ ∅ P ( x ) = X y ∈ X y ∈ P ( x ) x y X
(3) 拓扑空间X X U U 。
(4) 拓扑空间X X x 。类似地，X X x
总结
局部连通性和局部道路连通性是局部性质，描述了空间在每一点附近的连通或道路连通情况。局部道路连通性强于局部连通性。连通且局部道路连通的空间是道路连通的，这是一个重要的结论，将连通性和局部道路连通性联系起来。
<END_OF_CHAPTER/>
7. chapter 7： 分离公理 (Separation Axioms) 7.1 T 0 T 1 T 2 T 0 T 1 T 2 分离公理 (Separation Axioms) 是一系列用于描述拓扑空间中点和闭集之间如何被拓扑结构区分开来的性质。它们在拓扑学中扮演着至关重要的角色，帮助我们对拓扑空间进行分类，并研究各种空间所具有的特殊性质。本节将首先介绍最基本的分离公理：T 0 T 1 T 2
定义 7.1.1T 0 T 0
一个拓扑空间X T 0 X x y
换句话说，对于任意x , y ∈ X x ≠ y U x ∈ U y ∉ U V y ∈ V x ∉ V T 0
例子 7.1.2T 0
考虑集合X = { a , b } T = { ∅ , { a } , { a , b } } a b { a } a b ( X , T ) T 0
非例子 7.1.3 非T 0
考虑集合X = { a , b } T = { ∅ , { a , b } } a b X a b ( X , T ) T 0
定义 7.1.4T 1 T 1
一个拓扑空间X T 1 X x y x y y x T 1 T 0
定理 7.1.5T 1
一个拓扑空间X T 1 X { x }
证明： ( ⇒ ) X T 1 x ∈ X { x } X ∖ { x } y ∈ X ∖ { x } y ≠ x X T 1 U y y x y ∈ U y ⊆ X ∖ { x } X ∖ { x } = ⋃ y ∈ X ∖ { x } U y { x } ( ⇐ ) x ∈ X { x } X T 1 x , y ∈ X { y } X ∖ { y } x ≠ y x ∈ X ∖ { y } U = X ∖ { y } x y { x } X ∖ { x } y ≠ x y ∈ X ∖ { x } V = X ∖ { x } y x X T 1
例子 7.1.6T 1
① 离散拓扑空间 (Discrete Topological Space)：在离散拓扑空间中，每个子集都是开集，因此每个单点集{ x } T 1 ( X , d ) x ∈ X { x } X ∖ { x } y ∈ X ∖ { x } y ≠ x r = d ( x , y ) > 0 B ( y , r / 2 ) y B ( y , r / 2 ) ⊆ X ∖ { x } X ∖ { x } { x } T 1 R n T 1
非例子 7.1.7 非T 1
考虑集合X = { a , b } T = { ∅ , { a } , { a , b } } ( X , T ) T 0 T 1 { b } X ∖ { b } = { a } { a } { b } { a } X ∖ { a } = { b } { b } { a } ( X , T ) T 1
定义 7.1.8T 2 T 2
一个拓扑空间X T 2 X x y U V x ∈ U y ∈ V U ∩ V = ∅
Hausdorff 公理是最常用的分离公理之一，它要求对于任意两个不同的点，都可以找到开集将它们“分离”开来，并且这些开集互不相交。Hausdorff 空间具有许多良好的性质，在数学分析、几何学等领域中非常重要。
定理 7.1.9T 2
①T 2 T 1 T 2
证明：
① 假设X T 2 x , y ∈ X U V x ∈ U y ∈ V U ∩ V = ∅ x ∈ U y ∉ U y ∈ V U ∩ V = ∅ x y U y x V X T 1
② 假设X T 2 ( x n ) x y x ≠ y x ≠ y X T 2 U V x ∈ U y ∈ V U ∩ V = ∅ ( x n ) x N 1 ∈ N n > N 1 x n ∈ U ( x n ) y N 2 ∈ N n > N 2 x n ∈ V N = max { N 1 , N 2 } n > N x n ∈ U x n ∈ V x n ∈ U ∩ V U ∩ V = ∅ x n ∈ ∅
例子 7.1.10T 2
① 度量空间 (Metric Space)：度量空间都是 Hausdorff 空间。对于度量空间( X , d ) x , y ∈ X r = d ( x , y ) > 0 x y r / 2 U = B ( x , r / 2 ) V = B ( y , r / 2 ) x ∈ U y ∈ V z ∈ U ∩ V d ( x , z ) < r / 2 d ( y , z ) < r / 2 d ( x , y ) ≤ d ( x , z ) + d ( z , y ) < r / 2 + r / 2 = r = d ( x , y ) d ( x , y ) < d ( x , y ) U ∩ V = ∅ R n x , y ∈ X { x } { y } x ∈ { x } y ∈ { y } { x } ∩ { y } = ∅
非例子 7.1.11 非T 2
① 密着拓扑空间 (Indiscrete Topological Space) (当空间包含多于一个点时)：设X x y T = { ∅ , X } X x y x y X x y T 0 ( X = { a , b } , T = { ∅ , { a } , { a , b } } ) T 2 T 0 T 1 a b b X = { a , b } a X a b
总结 7.1.12T 0 T 1 T 2 T 2 ⇒ T 1 ⇒ T 0 T 1 T 2 T 0 T 1
分离公理T 0 T 1 T 2
7.2 正则空间与 T 3 T 3 在上一节中，我们介绍了T 0 T 1 T 2 T 3 T 3
定义 7.2.1 正则空间 (Regular Space)
一个拓扑空间X C ⊆ X x ∉ C U V x ∈ U C ⊆ V U ∩ V = ∅
正则性要求可以分离点和不包含该点的闭集。直观上，正则空间比 Hausdorff 空间具有更强的分离能力。
定义 7.2.2T 3 T 3
一个拓扑空间X T 3 T 1
注意，有些文献中 “正则空间” 的定义包含了T 1 T 3 T 3 T 1
定理 7.2.3 正则空间的等价刻画
一个拓扑空间X x ∈ X x U x V V ― ⊆ U
证明： ( ⇒ ) X U x C = X ∖ U x X V W x ∈ V C ⊆ W V ∩ W = ∅ V ∩ W = ∅ V ⊆ X ∖ W W X ∖ W V ― ⊆ X ∖ W ― = X ∖ W X ∖ W ⊆ X ∖ C = U C ⊆ W V ― ⊆ X ∖ W ⊆ U V ― ⊆ U ( ⇐ ) x ∈ X x U x V V ― ⊆ U C X x ∉ C U = X ∖ C x x V V ― ⊆ U = X ∖ C W = X ∖ V ― V ― W C ⊆ X ∖ V ― = W C ⊆ W V ∩ W = V ∩ ( X ∖ V ― ) = ∅ V W x ∈ V C ⊆ W X
定理 7.2.4T 3 T 2 T 3 T 2
证明：
假设X T 3 X T 1 X T 2 x , y ∈ X X T 1 { y } x ≠ y x ∉ { y } X { y } x ∉ { y } U V x ∈ U { y } ⊆ V y ∈ V U ∩ V = ∅ X T 2
例子 7.2.5T 3
① 度量空间 (Metric Space)：度量空间是T 3 T 1 T 2 ( X , d ) C ⊆ X x ∉ C C X ∖ C x ∈ X ∖ C r = inf { d ( x , y ) ∣ y ∈ C } C x ∉ C r > 0 U = B ( x , r / 2 ) V = ⋃ y ∈ C B ( y , r / 2 ) V V x ∈ U C ⊆ V U ∩ V = ∅ z ∈ U ∩ V y ∈ C z ∈ B ( y , r / 2 ) d ( y , z ) < r / 2 z ∈ U = B ( x , r / 2 ) d ( x , z ) < r / 2 d ( x , y ) ≤ d ( x , z ) + d ( z , y ) < r / 2 + r / 2 = r y ∈ C d ( x , y ) ≥ inf { d ( x , y ′ ) ∣ y ′ ∈ C } = r U ∩ V = ∅ T 1 T 3 R n T 3 T 3 T 1 T 2 C x ∉ C C X ∖ C U = { x } V = C U V x ∈ U C ⊆ V x ∉ C U ∩ V = { x } ∩ C = ∅ T 3
非例子 7.2.6 非T 3
存在T 2 T 3 T 2 T 3
总结 7.2.7T 2 T 3 T 3 ⇒ T 2 ⇒ T 1 ⇒ T 0 T 2 ⇏ T 3
正则性和T 3
7.3 正规空间与 T 4 T 4 在前面几节中，我们讨论了点与点、点与闭集之间的分离性。本节将介绍更强的分离公理，关注闭集与闭集之间的分离性：正规空间 (Normal Spaces) 和T 4 T 4
定义 7.3.1 正规空间 (Normal Space)
一个拓扑空间X X C 1 C 2 U 1 U 2 C 1 ⊆ U 1 C 2 ⊆ U 2 U 1 ∩ U 2 = ∅
正规性要求可以分离不相交的闭集。这是分离公理系列中最强的基本公理之一。
定义 7.3.2T 4 T 4
一个拓扑空间X T 4 T 1
类似于T 3 T 1 T 4 T 4 T 1
定理 7.3.3 正规空间的等价刻画
一个拓扑空间X C C U V C ⊆ V ⊆ V ― ⊆ U
证明： ( ⇒ ) X C U C D = X ∖ U C C ∩ D = ∅ X V W C ⊆ V D ⊆ W V ∩ W = ∅ V ∩ W = ∅ V ⊆ X ∖ W W X ∖ W V ― ⊆ X ∖ W ― = X ∖ W X ∖ W ⊆ X ∖ D = U D ⊆ W V ― ⊆ X ∖ W ⊆ U C ⊆ V ⊆ V ― ⊆ U ( ⇐ ) C C U V C ⊆ V ⊆ V ― ⊆ U C 1 C 2 X C 1 ∩ C 2 = ∅ U = X ∖ C 2 C 1 U 1 C 1 ⊆ U 1 ⊆ U 1 ― ⊆ U = X ∖ C 2 U 2 = X ∖ U 1 ― U 1 ― U 2 U 1 ― ⊆ X ∖ C 2 C 2 ⊆ X ∖ U 1 ― = U 2 C 2 ⊆ U 2 U 1 ∩ U 2 = U 1 ∩ ( X ∖ U 1 ― ) = ∅ U 1 U 2 C 1 ⊆ U 1 C 2 ⊆ U 2 X
定理 7.3.4T 4 T 3 T 4 T 3
证明：
假设X T 4 X T 1 X T 3 X C X x ∉ C X T 1 { x } x ∉ C { x } ∩ C = ∅ X { x } C U V { x } ⊆ U x ∈ U C ⊆ V U ∩ V = ∅ X X T 1 X T 3
例子 7.3.5T 4
① 度量空间 (Metric Space)：度量空间是T 4 T 3 T 1 ( X , d ) C 1 C 2 C 1 ∩ C 2 = ∅ f : X → R f ( x ) = d ( x , C 1 ) d ( x , C 1 ) + d ( x , C 2 ) d ( x , C ) = inf { d ( x , y ) ∣ y ∈ C } f x ∈ C 1 f ( x ) = 0 x ∈ C 2 f ( x ) = 1 U 1 = f − 1 ( [ 0 , 1 / 2 ) ) U 2 = f − 1 ( ( 1 / 2 , 1 ] ) f U 1 U 2 x ∈ C 1 f ( x ) = 0 < 1 / 2 x ∈ U 1 C 1 ⊆ U 1 x ∈ C 2 f ( x ) = 1 > 1 / 2 x ∈ U 2 C 2 ⊆ U 2 x ∈ U 1 ∩ U 2 f ( x ) < 1 / 2 f ( x ) > 1 / 2 U 1 ∩ U 2 = ∅ T 1 T 4 R n T 4 T 4 T 1 T 3 C 1 C 2 C 1 C 2 U 1 = C 1 U 2 = C 2 U 1 U 2 C 1 ⊆ U 1 C 2 ⊆ U 2 C 1 ∩ C 2 = ∅ U 1 ∩ U 2 = ∅ T 4
非例子 7.3.6 非T 4
存在T 3 T 4 T 3 T 4
总结 7.3.7T 3 T 4 T 4 ⇒ T 3 ⇒ T 2 ⇒ T 1 ⇒ T 0 T 3 ⇏ T 4
正规性和T 4
7.4 Urysohn 引理与 Tietze 扩张定理 (Urysohn's Lemma and Tietze Extension Theorem)正规空间 (Normal Spaces) 具有非常重要的性质，其中最著名的两个结果是 Urysohn 引理 (Urysohn's Lemma) 和 Tietze 扩张定理 (Tietze Extension Theorem)。这两个定理深刻地揭示了正规空间中连续函数的存在性和延拓性。
定理 7.4.1 Urysohn 引理 (Urysohn's Lemma)
设X T 4 C 1 C 2 X f : X → [ 0 , 1 ] x ∈ C 1 f ( x ) = 0 x ∈ C 2 f ( x ) = 1
意义与解释：
Urysohn 引理表明，在T 4 [ 0 , 1 ]
定理 7.4.2 Tietze 扩张定理 (Tietze Extension Theorem)
设X T 4 C X f : C → R F : X → R x ∈ C F ( x ) = f ( x ) sup x ∈ X | F ( x ) | = sup x ∈ C | f ( x ) | f : C → [ a , b ] [ a , b ] F : X → [ a , b ] x ∈ C F ( x ) = f ( x ) f : C → R F : X → R x ∈ C F ( x ) = f ( x )
意义与解释：
Tietze 扩张定理表明，在T 4
Urysohn 引理与 Tietze 扩张定理的应用
Urysohn 引理和 Tietze 扩张定理在拓扑学和相关领域有广泛的应用，例如：
① 度量化定理 (Metrization Theorems) ：Urysohn 引理是证明 Urysohn 度量化定理 (Urysohn Metrization Theorem) 的关键步骤，该定理给出了拓扑空间可度量化的充分条件。分割单位 (Partitions of Unity) ：在微分几何和流形理论中，分割单位的构造依赖于正规空间的存在性以及 Urysohn 引理。函数逼近 (Function Approximation) ：Tietze 扩张定理在函数逼近理论中有应用，例如可以用来证明某些函数空间中的逼近定理。拓扑空间的构造与分类 ：分离公理，特别是正规性，在构造和分类各种拓扑空间时起着重要作用。例如，紧致 Hausdorff 空间都是正规空间，这使得 Urysohn 引理和 Tietze 扩张定理在紧致 Hausdorff 空间的研究中非常有用。
总结 7.4.3 Urysohn 引理与 Tietze 扩张定理的重要性
Urysohn 引理和 Tietze 扩张定理是正规空间理论的基石，它们不仅揭示了正规空间中连续函数的丰富性，也为解决拓扑学和相关领域的许多问题提供了强有力的工具。理解和掌握这两个定理对于深入学习拓扑学至关重要。
本章系统地介绍了分离公理T 0 T 1 T 2 T 3 T 4
<END_OF_CHAPTER/>
8. chapter 8： 可度量化 (Metrization) 8.1 可度量空间的定义与性质 (Definition and Properties of Metrizable Spaces)知识框架 (Knowledge Framework):
⚝ 可度量空间 (Metrizable Space) 的定义：通过度量 (metric) 引入拓扑 (topology) 的空间。
深度解析 (In-depth Analysis):
可度量空间是拓扑学中一类非常重要的空间，它们是可以通过度量来描述其拓扑结构的空间。度量的概念在数学分析中至关重要，而可度量空间则将度量的强大工具引入到更广泛的拓扑学领域。
定义 8.1.1 (可度量空间 (Metrizable Space)) ：
设X X d d T d X T T d = T X 可度量空间 (metrizable space) ，并称度量d 相容于 (compatible with) X
简单来说，一个拓扑空间是可度量的，如果我们可以找到一个度量，用这个度量定义的开集族恰好就是这个拓扑空间原有的开集族。
度量诱导拓扑 (Topology Induced by a Metric) ：
回顾度量空间( X , d ) T d U ⊆ X x ∈ U r > 0 B d ( x , r ) = { y ∈ X ∣ d ( x , y ) < r } U B d ( x , r ) ⊆ U T d
可度量空间的性质 (Properties of Metrizable Spaces) ：
由于可度量空间本质上是具有特定拓扑的度量空间，因此它们继承了度量空间的所有拓扑性质。
① Hausdorff 性质 (T 2 ：每个可度量空间都是 Hausdorff 空间。
证明 ：设X d x , y ∈ X x ≠ y d ( x , y ) = ϵ > 0 r = ϵ / 2 B d ( x , r ) B d ( y , r ) z ∈ B d ( x , r ) ∩ B d ( y , r ) d ( x , y ) ≤ d ( x , z ) + d ( z , y ) < r + r = ϵ = d ( x , y ) B d ( x , r ) ∩ B d ( y , r ) = ∅ X
② 正规性 (T 4 ：每个可度量空间都是正规空间。事实上，每个可度量空间都是仿紧空间，而仿紧 Hausdorff 空间是正规的。更初等的证明方法如下：
证明 ：设X d A B X a ∈ A B a ∉ B r a > 0 B d ( a , r a ) ∩ B = ∅ b ∈ B r b > 0 B d ( b , r b ) ∩ A = ∅
定义开集U = ⋃ a ∈ A B d ( a , r a / 2 ) V = ⋃ b ∈ B B d ( b , r b / 2 ) A ⊆ U B ⊆ V U ∩ V = ∅
假设存在z ∈ U ∩ V a ∈ A b ∈ B z ∈ B d ( a , r a / 2 ) z ∈ B d ( b , r b / 2 ) r a ≤ r b d ( a , z ) < r a / 2 d ( b , z ) < r b / 2 ≤ r a / 2 d ( a , b ) ≤ d ( a , z ) + d ( z , b ) < r a / 2 + r a / 2 = r a b ∈ B d ( a , r a ) B d ( a , r a ) ∩ B = ∅ b ∉ B b ∈ B U ∩ V = ∅ U V A B X
③ 第一可数性 (First Countability) ：每个可度量空间都是第一可数空间。
证明 ：对于任意点x ∈ X { B d ( x , 1 / n ) ∣ n ∈ N + } x U U r > 0 B d ( x , r ) ⊆ U n 1 / n < r B d ( x , 1 / n ) ⊆ B d ( x , r ) ⊆ U { B d ( x , 1 / n ) ∣ n ∈ N + } x
可度量空间的例子 (Examples of Metrizable Spaces) ：
⚝ 度量空间 (Metric Spaces) ：根据定义，所有的度量空间，赋予由度量诱导的拓扑，都是可度量空间。例如，欧几里得空间R n 离散空间 (Discrete Space) ：离散空间是可度量空间。可以定义度量d ( x , y ) = 1 x ≠ y d ( x , x ) = 0 实数R ，欧几里得空间R n ，复平面C 都是可度量空间。
非可度量空间的例子 (Examples of Non-metrizable Spaces) ：
⚝ 不可数集合上的密着拓扑 (Indiscrete Topology on an Uncountable Set) ：设X T = { ∅ , X } X X Sorgenfrey 直线 (R l ：Sorgenfrey 直线，也称为下限拓扑直线，是实数集R [ a , b )
可度量性的重要性 (Importance of Metrizability) ：
可度量性在拓扑学中非常重要，因为它允许我们使用度量的工具来研究拓扑空间。度量为我们提供了距离的概念，使得我们可以定义收敛性、连续性、完备性等重要概念，这些概念在分析学中至关重要。可度量化定理的目的就是给出拓扑空间可度量化的充分必要条件，从而帮助我们判断一个拓扑空间是否可以“度量化”。接下来的 Urysohn 度量化定理和 Nagata-Smirnov 度量化定理就是解决这个问题的关键定理。
8.2 Urysohn 度量化定理 (Urysohn Metrization Theorem)知识框架 (Knowledge Framework):
⚝ Urysohn 度量化定理 (Urysohn Metrization Theorem) 的陈述：第二可数正规空间是可度量空间。
深度解析 (In-depth Analysis):
Urysohn 度量化定理是拓扑学中最经典的定理之一，它给出了一个拓扑空间可度量化的重要充分条件。这个定理将拓扑空间的可数性条件（第二可数性）和分离性条件（正规性）联系起来，揭示了可度量空间深刻的结构特征。
定理 8.2.1 (Urysohn 度量化定理 (Urysohn Metrization Theorem)) ：
每个第二可数 (second-countable) 的正规 (normal)T 1
注记 (Remarks) ：
⚝ 由于正规T 1 T 2
证明思路 (Proof Idea) ：
Urysohn 度量化定理的证明思想非常巧妙，它利用了 Urysohn 引理和嵌入 (embedding) 的概念。证明的核心步骤如下：
利用第二可数性找到可数基 ：设X T 1 B = { B n } n ∈ N X 构造函数族 ：利用正规性以及 Urysohn 引理，构造一族连续函数{ f n m } ( n , m ) B n ― ⊆ B m f n m : X → [ 0 , 1 ] f n m ( B n ― ) = { 0 } f n m ( X ∖ B m ) = { 1 } 定义嵌入映射 ：利用构造的函数族{ f n m } X I ω = [ 0 , 1 ] N F : X → I ω I ω [ 0 , 1 ] I ω 证明F ：需要证明F F F ( X ) 连续性 ：由乘积拓扑的性质，只需证明每个分量函数是连续的，而分量函数f n m 单射性 ：利用T 1 F x ≠ y B m x y X T 1 B n x ∈ B n B n ― ⊆ B m f n m x y F ( x ) ≠ F ( y ) 开映射到像 ：需要证明对于X U F ( U ) F ( X ) 结论 ：由于F X I ω X I ω F ( X ) F ( X ) X
Urysohn 度量化定理的应用 (Applications of Urysohn Metrization Theorem) ：
⚝ 欧几里得空间R n ：R n R n 流形 (Manifolds) ：每个流形，如果满足 Hausdorff 和第二可数条件，则它是可度量化的。因为流形是局部欧几里得空间，局部上具有欧几里得空间的性质。对于 Hausdorff 流形，可以证明正则性，再结合第二可数性，即可应用 Urysohn 度量化定理。紧致 Hausdorff 空间 (Compact Hausdorff Spaces) ：并非所有紧致 Hausdorff 空间都是可度量化的。但是，如果一个紧致 Hausdorff 空间是第二可数的，那么它就是可度量化的。例如，Cantor 集是紧致 Hausdorff 且第二可数的，因此是可度量化的。
局限性 (Limitations) ：
Urysohn 度量化定理的条件是充分的，但不是必要的。存在不是第二可数的但可度量化的空间，例如不可数离散空间。为了得到可度量化的充分必要条件，需要更强的定理，例如 Nagata-Smirnov 度量化定理。
8.3 Nagata-Smirnov 度量化定理 (Nagata-Smirnov Metrization Theorem)知识框架 (Knowledge Framework):
⚝ Nagata-Smirnov 度量化定理 (Nagata-Smirnov Metrization Theorem) 的陈述：利用σ σ σ
深度解析 (In-depth Analysis):
Nagata-Smirnov 度量化定理是拓扑学中关于可度量化问题的最终答案，它给出了一个拓扑空间可度量化的充分必要条件。这个定理比 Urysohn 度量化定理更强大，因为它移除了第二可数性的限制，使用了更精细的拓扑工具——σ
定义 8.3.1 (σ σ ：
一个拓扑空间X B σ σ B B = ⋃ n = 1 ∞ B n B n
定义 8.3.2 (局部有限族 (Locally Finite Family)) ：
一个集合族F = { A α } α ∈ Λ 局部有限族 (locally finite family) ，如果对于任意点x ∈ X x U x U x F { α ∈ Λ ∣ U x ∩ A α ≠ ∅ }
定理 8.3.3 (Nagata-Smirnov 度量化定理 (Nagata-Smirnov Metrization Theorem)) ：
一个拓扑空间X X T 1 σ
注记 (Remarks) ：
⚝ 正则T 1 σ T 1 σ T 1 σ T 1 σ
证明思路 (Proof Idea) ：
Nagata-Smirnov 度量化定理的证明比较复杂，需要用到仿紧空间和分割单位等工具。证明的两个方向分别如下：
⚝ 必要性 (⇒ ：如果X X T 1 σ T 1 σ d X n ∈ N + U n = { B d ( x , 1 / n ) ∣ x ∈ X } U n σ V n B = ⋃ n = 1 ∞ V n X σ
⚝ 充分性 (⇐ ：如果X T 1 σ X B = ⋃ n = 1 ∞ B n X σ B n B ∈ B n U B U B ― ⊆ B f B : X → [ 0 , 1 ] f B ( U B ― ) = { 1 } f B ( X ∖ B ) = { 0 } d ( x , y ) = ∑ n = 1 ∞ ∑ B ∈ B n 1 2 n | f B ( x ) − f B ( y ) | d d X σ
Nagata-Smirnov 度量化定理的应用 (Applications of Nagata-Smirnov Metrization Theorem) ：
⚝ 所有可度量空间 ：Nagata-Smirnov 定理给出了可度量空间的完整刻画，因此可以直接用来判断一个空间是否可度量化。Paracompact Hausdorff 流形 ：所有 paracompact Hausdorff 流形都是可度量化的。由于流形局部欧几里得，具有局部有限基，结合 paracompactness 和 Hausdorff 性质，可以证明存在σ CW 复形 (CW Complexes) ：所有 CW 复形都是可度量化的。CW 复形是拓扑学中非常重要的空间，Nagata-Smirnov 定理保证了它们的可度量性。
总结 (Summary) ：
Nagata-Smirnov 度量化定理是可度量化理论的基石，它提供了判断一个拓扑空间是否可度量化的充分必要条件。与 Urysohn 度量化定理相比，Nagata-Smirnov 定理更加强大和通用，适用于更广泛的拓扑空间，特别是那些不满足第二可数性的空间。理解这两个定理及其证明思路，对于深入学习拓扑学和相关领域至关重要。
<END_OF_CHAPTER/>
9. chapter 9： 同伦论初步 (Introduction to Homotopy Theory) 9.1 同伦关系与同伦等价 (Homotopy Relation and Homotopy Equivalence)在拓扑学中，同伦 (Homotopy) 的概念提供了一种比较两个连续映射 (Continuous Mapping) 的方法，这种比较比简单的相等性更为宽松。直观上，如果我们可以将一个连续映射“连续地变形”为另一个连续映射，则称这两个映射是同伦的。同伦关系是同伦论 (Homotopy Theory) 的基础，而同伦等价 (Homotopy Equivalence) 则是一种比同胚 (Homeomorphism) 更弱的等价关系，它在拓扑空间的分类中扮演着重要的角色。
定义 9.1.1 (同伦关系 (Homotopy Relation))
设X Y f : X → Y g : X → Y f g 同伦的 (homotopic) ，记作f ≃ g H : X × [ 0 , 1 ] → Y x ∈ X
①H ( x , 0 ) = f ( x ) H ( x , 1 ) = g ( x ) [ 0 , 1 ] X × [ 0 , 1 ] H f g 同伦 (homotopy) 。对于每个固定的t ∈ [ 0 , 1 ] H t : X → Y H t ( x ) = H ( x , t ) f g t H t f = H 0 g = H 1
例 9.1.2 (直线同伦 (Straight-line Homotopy))
设f , g : X → R n X R n H : X × [ 0 , 1 ] → R n H ( x , t ) = ( 1 − t ) f ( x ) + t g ( x ) H 直线同伦 (straight-line homotopy) 。由于f g R n H
①H ( x , 0 ) = ( 1 − 0 ) f ( x ) + 0 g ( x ) = f ( x ) H ( x , 1 ) = ( 1 − 1 ) f ( x ) + 1 g ( x ) = g ( x ) H f g f ≃ g X R n
定理 9.1.3 (同伦关系是等价关系 (Homotopy Relation is an Equivalence Relation))
在拓扑空间Y X Y C ( X , Y ) ≃
① 自反性 (Reflexivity) ：对于任何连续映射f : X → Y f ≃ f 对称性 (Symmetry) ：如果f ≃ g g ≃ f 传递性 (Transitivity) ：如果f ≃ g g ≃ h f ≃ h
证明：
① 自反性 ：取同伦H ( x , t ) = f ( x ) t ∈ [ 0 , 1 ] H : X × [ 0 , 1 ] → Y H ( x , 0 ) = f ( x ) H ( x , 1 ) = f ( x ) f ≃ f
② 对称性 ：如果f ≃ g H : X × [ 0 , 1 ] → Y H ( x , 0 ) = f ( x ) H ( x , 1 ) = g ( x ) H ′ ( x , t ) = H ( x , 1 − t ) H ′ : X × [ 0 , 1 ] → Y H ′ ( x , 0 ) = H ( x , 1 ) = g ( x ) H ′ ( x , 1 ) = H ( x , 0 ) = f ( x ) g ≃ f
③ 传递性 ：如果f ≃ g g ≃ h H : X × [ 0 , 1 ] → Y f g K : X × [ 0 , 1 ] → Y g h L : X × [ 0 , 1 ] → Y L ( x , t ) = { H ( x , 2 t ) 0 ≤ t ≤ 1 / 2 K ( x , 2 t − 1 ) 1 / 2 ≤ t ≤ 1 t = 1 / 2 H ( x , 2 ⋅ 1 / 2 ) = H ( x , 1 ) = g ( x ) K ( x , 2 ⋅ 1 / 2 − 1 ) = K ( x , 0 ) = g ( x ) t = 1 / 2 L H K t = 1 / 2 L
①L ( x , 0 ) = H ( x , 0 ) = f ( x ) L ( x , 1 ) = K ( x , 2 ⋅ 1 − 1 ) = K ( x , 1 ) = h ( x ) f ≃ h
由于同伦关系是一个等价关系，我们可以考虑同伦等价类 (homotopy equivalence class) 。
定义 9.1.4 (同伦等价 (Homotopy Equivalence))
设X Y f : X → Y g : Y → X g ∘ f ≃ id X f ∘ g ≃ id Y id X : X → X id Y : Y → Y X Y X Y 同伦等价的 (homotopy equivalent) ，或具有相同的同伦类型 (same homotopy type) ，记作X ≃ Y f 同伦等价 (homotopy equivalence) ，g f 同伦逆 (homotopy inverse) 。
例 9.1.5 (圆圈与环面 (Circle and Annulus))
设S 1 = { ( x , y ) ∈ R 2 ∣ x 2 + y 2 = 1 } A = { ( x , y ) ∈ R 2 ∣ 1 / 2 ≤ x 2 + y 2 ≤ 1 } S 1 ≃ A
定义映射f : S 1 → A f ( x ) = x S 1 A g : A → S 1 g ( x , y ) = ( x x 2 + y 2 , y x 2 + y 2 )
则g ∘ f : S 1 → S 1 g ( f ( x ) ) = g ( x ) = ( x x 2 + y 2 , y x 2 + y 2 ) x ∈ S 1 x 2 + y 2 = 1 g ( f ( x ) ) = ( x 1 , y 1 ) = ( x , y ) = x = id S 1 ( x ) g ∘ f = id S 1 g ∘ f ≃ id S 1
另一方面，考虑f ∘ g : A → A ( f ∘ g ) ( x , y ) = f ( g ( x , y ) ) = g ( x , y ) = ( x x 2 + y 2 , y x 2 + y 2 ) f ∘ g ≃ id A H : A × [ 0 , 1 ] → A H ( ( x , y ) , t ) = ( 1 − t ) ( x , y ) + t ⋅ g ( x , y ) = ( 1 − t ) ( x , y ) + t ( x x 2 + y 2 , y x 2 + y 2 ) t = 0 H ( ( x , y ) , 0 ) = ( x , y ) = id A ( x , y ) t = 1 H ( ( x , y ) , 1 ) = g ( x , y ) = ( f ∘ g ) ( x , y )
我们需要验证对于所有t ∈ [ 0 , 1 ] ( x , y ) ∈ A H ( ( x , y ) , t ) ∈ A 1 / 2 ≤ ‖ H ( ( x , y ) , t ) ‖ 2 ≤ 1 g ( x , y ) ( x , y ) [ 1 / 2 , 1 ] H ( ( x , y ) , t ) ( x , y ) g ( x , y ) A A S 1 f ∘ g ≃ id A
综上，g ∘ f ≃ id S 1 f ∘ g ≃ id A S 1 ≃ A
注 9.1.6
同伦等价是一种比同胚更弱的概念。如果两个空间是同胚的，则它们一定是同伦等价的，但反之不然。例如，圆圈S 1 A
9.2 基本群 (Fundamental Group)基本群 (Fundamental Group) 是代数拓扑 (Algebraic Topology) 中最重要的工具之一，它将拓扑空间与群论联系起来，通过研究拓扑空间中的环路 (loop) 的同伦类来刻画空间的性质。
定义 9.2.1 (道路 (Path) 和环路 (Loop))
设X I = [ 0 , 1 ] X γ : I → X X 道路 (path) 。点γ ( 0 ) 起点 (starting point) ，点γ ( 1 ) 终点 (ending point) 。
如果一条道路γ γ ( 0 ) = γ ( 1 ) = x 0 γ x 0 基点 (base point) 的环路 (loop) 。
定义 9.2.2 (道路同伦 (Path Homotopy))
设γ σ X x 0 x 1 γ σ 道路同伦的 (path homotopic) ，记作γ ≃ p σ H : I × I → X I = [ 0 , 1 ] s , t ∈ I
①H ( s , 0 ) = γ ( s ) H ( s , 1 ) = σ ( s ) H ( 0 , t ) = x 0 t ∈ I H ( 1 , t ) = x 1 t ∈ I
条件 ③ 和 ④ 表明，在同伦变形过程中，道路的起点和终点始终保持不变。映射H γ σ 道路同伦 (path homotopy) 。
类似于同伦关系，道路同伦关系≃ p
定义 9.2.3 (道路的乘积 (Product of Paths))
设γ X x 0 x 1 σ X x 1 x 2 乘积 (product) γ ∗ σ x 0 x 2 ( γ ∗ σ ) ( s ) = { γ ( 2 s ) 0 ≤ s ≤ 1 / 2 σ ( 2 s − 1 ) 1 / 2 ≤ s ≤ 1 γ ∗ σ γ σ
定理 9.2.4 (基本群的定义 (Definition of Fundamental Group))
设X x 0 ∈ X X x 0 π 1 ( X , x 0 ) x 0 π 1 ( X , x 0 ) [ γ ] ⋅ [ σ ] = [ γ ∗ σ ] [ γ ] γ ( π 1 ( X , x 0 ) , ⋅ ) X x 0 基本群 (fundamental group) 。
定理 9.2.5 (基本群的群结构 (Group Structure of Fundamental Group))
基本群π 1 ( X , x 0 ) [ γ ] ⋅ [ σ ] = [ γ ∗ σ ]
① 封闭性 (Closure) ：如果[ γ ] , [ σ ] ∈ π 1 ( X , x 0 ) [ γ ] ⋅ [ σ ] = [ γ ∗ σ ] ∈ π 1 ( X , x 0 ) 结合律 (Associativity) ：( [ γ ] ⋅ [ σ ] ) ⋅ [ τ ] = [ γ ] ⋅ ( [ σ ] ⋅ [ τ ] ) ( γ ∗ σ ) ∗ τ ≃ p γ ∗ ( σ ∗ τ ) 单位元 (Identity Element) ：设c x 0 c x 0 ( s ) = x 0 s ∈ I [ c x 0 ] [ γ ] ⋅ [ c x 0 ] = [ c x 0 ] ⋅ [ γ ] = [ γ ] γ ∗ c x 0 ≃ p γ c x 0 ∗ γ ≃ p γ 逆元 (Inverse Element) ：对于每个[ γ ] ∈ π 1 ( X , x 0 ) [ γ ] − 1 = [ γ ¯ ] γ ¯ ( s ) = γ ( 1 − s ) γ [ γ ] ⋅ [ γ ¯ ] = [ γ ¯ ] ⋅ [ γ ] = [ c x 0 ] γ ∗ γ ¯ ≃ p c x 0 γ ¯ ∗ γ ≃ p c x 0
注 9.2.6 (基点依赖性 (Base Point Dependence))
基本群的定义依赖于基点x 0 X x 0 , x 1 ∈ X π 1 ( X , x 0 ) π 1 ( X , x 1 ) π 1 ( X )
例 9.2.7 (单点空间的基本群 (Fundamental Group of a Point Space))
设X = { x 0 } X c x 0 π 1 ( { x 0 } , x 0 ) [ c x 0 ] { e } 1
例 9.2.8 (欧几里得空间的基本群 (Fundamental Group of Euclidean Space))
设X = R n γ x 0 H ( s , t ) = ( 1 − t ) γ ( s ) + t x 0 t = 0 H ( s , 0 ) = γ ( s ) t = 1 H ( s , 1 ) = x 0 = c x 0 ( s ) t ∈ [ 0 , 1 ] H ( 0 , t ) = ( 1 − t ) γ ( 0 ) + t x 0 = ( 1 − t ) x 0 + t x 0 = x 0 H ( 1 , t ) = ( 1 − t ) γ ( 1 ) + t x 0 = ( 1 − t ) x 0 + t x 0 = x 0 H γ c x 0 γ c x 0 π 1 ( R n , x 0 ) = { [ c x 0 ] } R n 单连通的 (simply connected) 。
9.3 道路提升引理与覆盖映射 (Path Lifting Lemma and Covering Maps)覆盖空间 (Covering Space) 是研究拓扑空间的重要工具，它与基本群有着密切的联系。道路提升引理 (Path Lifting Lemma) 是覆盖空间理论中的一个基本结果，它描述了覆盖映射 (covering map) 如何提升道路。
定义 9.3.1 (覆盖映射 (Covering Map))
设p : X ~ → X x ∈ X U x p − 1 ( U ) X ~ { V α } α ∈ A α ∈ A p | V α : V α → U p 覆盖映射 (covering map) ，X ~ X 覆盖空间 (covering space) 。邻域U 均匀邻域 (evenly covered neighborhood) 。
例 9.3.2 (指数映射 (Exponential Map) 作为覆盖映射)
考虑指数映射p : R → S 1 p ( t ) = ( cos ( 2 π t ) , sin ( 2 π t ) ) = e 2 π i t S 1 S 1 x x = ( 1 , 0 ) x U = S 1 ∖ { ( 0 , − 1 ) } p − 1 ( U ) = ⋃ n ∈ Z ( n − 1 / 4 , n + 1 / 4 ) V n = ( n − 1 / 4 , n + 1 / 4 ) p U S 1 p : R → S 1 R S 1
定理 9.3.3 (道路提升引理 (Path Lifting Lemma))
设p : X ~ → X γ : [ 0 , 1 ] → X X γ ( 0 ) = x 0 x ~ 0 ∈ X ~ p ( x ~ 0 ) = x 0 γ ~ : [ 0 , 1 ] → X ~ γ ~ ( 0 ) = x ~ 0 p ∘ γ ~ = γ γ ~ γ 提升 (lift) ，起点为x ~ 0
证明思路：
利用γ ( [ 0 , 1 ] ) γ ( [ 0 , 1 ] ) [ 0 , 1 ] γ p
定理 9.3.4 (同伦提升引理 (Homotopy Lifting Lemma))
设p : X ~ → X H : [ 0 , 1 ] × [ 0 , 1 ] → X x ~ 0 ∈ X ~ p ( x ~ 0 ) = H ( 0 , 0 ) H ~ : [ 0 , 1 ] × [ 0 , 1 ] → X ~ H ~ ( 0 , 0 ) = x ~ 0 p ∘ H ~ = H H H ( 0 , t ) = x 0 H ( 1 , t ) = x 1 t ∈ [ 0 , 1 ] H ~ H ~ ( 0 , t ) = x ~ 0 H ~ ( 1 , t ) = x ~ 1 t ∈ [ 0 , 1 ] x ~ 1 H ( 1 , 0 )
道路提升引理的应用：
道路提升引理是研究覆盖空间和基本群关系的关键。它可以用来证明覆盖映射诱导的基本群同态是单射 (injective)。
9.4 基本群的计算 (Computation of Fundamental Groups)计算拓扑空间的基本群是代数拓扑的核心问题之一。对于简单的空间，如欧几里得空间和单点空间，基本群是平凡群。对于更复杂的空间，我们需要使用一些工具和技巧来计算基本群。
9.4.1 圆的基本群 (Fundamental Group of the Circle)我们来计算圆圈S 1 π 1 ( S 1 , b ) b = ( 1 , 0 ) ∈ S 1 p : R → S 1 p ( t ) = e 2 π i t b ~ = 0 ∈ R p ( b ~ ) = b
考虑环路γ : [ 0 , 1 ] → S 1 b γ ( 0 ) = γ ( 1 ) = b γ ~ : [ 0 , 1 ] → R γ ~ ( 0 ) = b ~ = 0 p ∘ γ ~ = γ γ ( 1 ) = b p ( γ ~ ( 1 ) ) = γ ( 1 ) = b = p ( 0 ) γ ~ ( 1 ) p − 1 ( b ) = Z
定义映射ϕ : π 1 ( S 1 , b ) → Z ϕ ( [ γ ] ) = γ ~ ( 1 ) γ ~ γ γ ~ ( 0 ) = 0
定理 9.4.1 (圆的基本群 (Fundamental Group of the Circle))
映射ϕ : π 1 ( S 1 , b ) → Z π 1 ( S 1 , b ) ≅ Z
证明思路：
① 证明ϕ γ ≃ p σ γ ~ ≃ p σ ~ γ ~ ( 1 ) = σ ~ ( 1 ) ϕ ϕ ( [ γ ] ⋅ [ σ ] ) = ϕ ( [ γ ∗ σ ] ) = ϕ ( [ γ ] ) + ϕ ( [ σ ] ) ϕ
具体证明概要：
① 良定义性 ：如果γ ≃ p σ H : I × I → S 1 γ σ H ~ : I × I → R γ ~ σ ~ H ~ ( 0 , t ) = x ~ 0 = 0 H ~ ( 1 , t ) p − 1 ( b ) = Z t ↦ H ~ ( 1 , t ) H ~ ( 1 , t ) γ ~ ( 1 ) = H ~ ( 1 , 0 ) = H ~ ( 1 , 1 ) = σ ~ ( 1 ) ϕ
② 同态性 ：考虑[ γ ] , [ σ ] ∈ π 1 ( S 1 , b ) γ ~ γ σ ~ σ γ ~ ( 1 ) = n γ ∗ σ γ γ ~ γ ~ ( 1 ) = n σ γ ~ σ ′ σ b σ ′ n σ ~ ′ γ ~ ∗ σ ~ ′ γ ∗ σ ( γ ~ ∗ σ ~ ′ ) ( 1 ) = σ ~ ′ ( 1 ) = n + σ ~ ( 1 ) ϕ ( [ γ ] ⋅ [ σ ] ) = ϕ ( [ γ ] ) + ϕ ( [ σ ] )
③ 双射性 ：满射性 ：对于任何整数n ∈ Z γ n ( s ) = e 2 π i n s γ n b γ n γ ~ n ( s ) = n s γ ~ n ( 1 ) = n ϕ ( [ γ n ] ) = n ϕ 单射性 ：如果ϕ ( [ γ ] ) = ϕ ( [ σ ] ) γ ~ ( 1 ) = σ ~ ( 1 ) = n σ ~ ′ ( s ) = σ ~ ( s ) − n σ ~ ′ ( 0 ) = − n σ ~ ′ ( 1 ) = 0 σ ~ ″ ( s ) = σ ~ ( s ) − σ ~ ( 0 ) γ ~ σ ~ n σ ~ − 1 ∗ γ ~ p ∘ ( σ ~ − 1 ∗ γ ~ ) = ( p ∘ σ ~ ) − 1 ∗ ( p ∘ γ ~ ) = σ − 1 ∗ γ ϕ ( [ γ ] ) = ϕ ( [ σ ] ) γ ~ ( 1 ) = σ ~ ( 1 ) H ~ ( s , t ) = ( 1 − t ) γ ~ ( s ) + t σ ~ ( s ) R H ~ ( 0 , t ) = ( 1 − t ) γ ~ ( 0 ) + t σ ~ ( 0 ) = 0 H ~ ( 1 , t ) = ( 1 − t ) γ ~ ( 1 ) + t σ ~ ( 1 ) = n p ∘ H ~ = H S 1 γ ≃ p σ ϕ
9.4.2 球的基本群 (Fundamental Group of the Sphere)对于n ≥ 2 n S n π 1 ( S n , x 0 ) = { e } 2 S 2 π 1 ( S 2 , x 0 ) = { e }
定理 9.4.2 (球的基本群 (Fundamental Group of the Sphere))
对于n ≥ 2 π 1 ( S n ) = { e }
证明思路 (对于S 2
考虑S 2 ∖ { N } R 2 N γ S 2 γ γ γ γ S 2 ∖ { N } ≅ R 2 R 2 γ R 2 γ S 2 π 1 ( S 2 ) = { e }
更严格的证明需要使用单纯逼近定理 (Simplicial Approximation Theorem) 或Lebesgue 数引理 (Lebesgue Number Lemma) 等工具，这里只给出直观的解释。
总结
本章我们介绍了同伦论的基本概念，包括同伦关系、同伦等价、基本群、覆盖映射和道路提升引理。我们计算了圆圈S 1 Z S n n ≥ 2
<END_OF_CHAPTER/>
10. chapter 10： 覆盖空间 (Covering Spaces) 10.1 覆盖空间的定义与性质 (Definition and Properties of Covering Spaces)覆盖空间 (Covering Space) 的概念是拓扑学中一个核心且富有洞察力的概念，它提供了一种研究拓扑空间结构的新视角，尤其是在理解空间的连通性和基本群方面起着至关重要的作用。直观上，覆盖空间将一个“简单”的空间“覆盖”在另一个空间之上，使得局部看起来与原空间相同，但整体结构可能更为复杂或“展开”。
定义 10.1.1 覆盖空间 (Covering Space)
设p : X ~ → X p 覆盖映射 (covering map) ，且X ~ X 覆盖空间 (covering space) ，如果对于每个点x ∈ X U ⊂ X x p − 1 ( U ) X ~ { V α } α ∈ A p − 1 ( U ) = ⋃ α ∈ A V α α ∈ A p | V α : V α → U U 均匀邻域 (evenly covered neighborhood) 。
解释:
⚝ 连续满射 (Continuous Surjection): p X ~ X X X ~ 均匀邻域 (Evenly Covered Neighborhood): 关键在于每个点x ∈ X U U X ~ V α V α p U V α X ~ X 同胚 (Homeomorphism): p | V α : V α → U p | V α ( p | V α ) − 1 V α U
例子 10.1.2 圆的覆盖空间 (Covering Space of the Circle)
考虑圆S 1 = { ( x , y ) ∈ R 2 ∣ x 2 + y 2 = 1 } R S 1 p : R → S 1 p ( t ) = ( cos ( 2 π t ) , sin ( 2 π t ) ) t S 1 2 π t
为了验证p S 1 x ( 1 , 0 ) ∈ S 1 ( 1 , 0 ) U S 1 ( − 1 , 0 ) U = S 1 ∖ { ( − 1 , 0 ) } p − 1 ( U ) R ( n − 1 / 2 , n + 1 / 2 ) n V n = ( n − 1 / 2 , n + 1 / 2 ) p | V n : V n → U
性质 10.1.3 覆盖映射的性质 (Properties of Covering Maps)
设p : X ~ → X
① 局部同胚 (Local Homeomorphism): 覆盖映射p X ~ x ~ x ~ V ⊂ X ~ p ( V ) X p | V : V → p ( V ) x ~ ∈ X ~ V α p | V α : V α → U U p ( x ~ )
② 开映射 (Open Map): 覆盖映射p O ~ ⊂ X ~ p ( O ~ ) ⊂ X x ∈ p ( O ~ ) x ~ ∈ O ~ p ( x ~ ) = x x U p − 1 ( U ) = ⋃ α ∈ A V α p | V α : V α → U O ~ O ~ ∩ V α V α p | V α p ( O ~ ∩ V α ) U X p ( O ~ ) = ⋃ α ∈ A p ( O ~ ∩ V α )
③ 离散逆像 (Discrete Preimage): 对于每个点x ∈ X p − 1 ( x ) X ~ p − 1 ( x ) X ~ p − 1 ( x ) x U p − 1 ( U ) = ⋃ α ∈ A V α p | V α : V α → U x ~ ∈ p − 1 ( x ) x ~ ∈ V α V α x ~ V α ∩ p − 1 ( x ) = { x ~ }
④ 提升性质 (Lifting Property): 覆盖空间的一个重要性质是路径提升 (path lifting) 和同伦提升 (homotopy lifting) 性质，这将在后续章节中详细讨论。这些性质使得我们能够将X X ~ X ~ X
覆盖空间的纤维 (Fiber of a Covering Space)
对于覆盖映射p : X ~ → X x ∈ X p − 1 ( x ) x 纤维 (fiber) 。由于覆盖映射是局部同胚且逆像是离散的，纤维p − 1 ( x ) X ~ X 度 (degree) 。例如，对于圆的覆盖映射p : R → S 1 p − 1 ( ( cos ( 2 π θ ) , sin ( 2 π θ ) ) ) = { θ + n ∣ n ∈ Z } S 1 q : S 1 → S 1 q ( z ) = z n n n
10.2 万有覆盖空间 (Universal Covering Space)万有覆盖空间 (Universal Covering Space) 是覆盖空间理论中一个极其重要的概念。它在某种意义上是“最大”的覆盖空间，能够“覆盖”所有其他的覆盖空间。理解万有覆盖空间有助于我们深入了解空间的拓扑结构，特别是其基本群。
定义 10.2.1 万有覆盖空间 (Universal Covering Space)
一个拓扑空间X ~ 单连通的 (simply connected) ，如果它是道路连通的 (path-connected) 且其基本群 (fundamental group) 是平凡群 (trivial group)，即π 1 ( X ~ , x ~ 0 ) = { e } x ~ 0 ∈ X ~
定义 10.2.2 万有覆盖映射与万有覆盖空间 (Universal Covering Map and Universal Covering Space)
如果存在一个覆盖映射p : X ~ → X X ~ p 万有覆盖映射 (universal covering map) ，X ~ X 万有覆盖空间 (universal covering space) 。
直观理解:
万有覆盖空间可以被视为将原空间“完全展开”，消除所有“环路”的空间。例如，实数轴R S 1 S 1 R R R
定理 10.2.3 万有覆盖空间的存在性与唯一性 (Existence and Uniqueness of Universal Covering Space)
设X X ( X ~ , p ) ( p 1 : X ~ 1 → X ) ( p 2 : X ~ 2 → X ) X x ~ 1 ∈ X ~ 1 x ~ 2 ∈ X ~ 2 p 1 ( x ~ 1 ) = p 2 ( x ~ 2 ) = x 0 h : X ~ 1 → X ~ 2 p 2 ∘ h = p 1 h ( x ~ 1 ) = x ~ 2
条件解释:
⚝ 道路连通 (Path-connected): 空间中任意两点之间都存在路径连接。局部道路连通 (Locally path-connected): 空间中每一点的每个邻域都包含一个包含该点的道路连通的邻域。半局部单连通 (Semi-locally simply connected): 对于每一点x ∈ X U U π 1 ( U , x ) → π 1 ( X , x ) X U
大多数常见的拓扑空间（例如流形 (manifolds)、CW-复形 (CW-complexes)）都满足这些条件。
构造万有覆盖空间 (Construction of Universal Covering Space)
对于满足定理 10.2.3 条件的空间X X ~
选择基点 (Choose a base point): 选取X x 0 ∈ X 定义点集 (Define the point set): 定义X ~ x 0 是 中 以 开 始 的 路 径 X ~ = { [ γ ] ∣ γ 是 X 中以 γ ( 0 ) = x 0 开始的路径 } [ γ ] γ 定义覆盖映射 (Define the covering map): 定义映射p : X ~ → X p ( [ γ ] ) = γ ( 1 ) 定义拓扑 (Define the topology): 为了在X ~ X U x ∈ U x ~ = [ γ ] ∈ X ~ p ( x ~ ) = γ ( 1 ) = x 是 以 开 始 且 完 全 在 中 的 路 径 U [ γ ] = { [ γ ∗ α ] ∣ α 是以 x 开始且完全在 U 中的路径 } γ ∗ α γ α 是 的 开 集 { U [ γ ] ∣ U 是 X 的开集 , [ γ ] ∈ X ~ , p ( [ γ ] ) ∈ U } X ~
通过这种构造，可以证明p : X ~ → X X ~ X ~ X
例子 10.2.4 圆的万有覆盖空间 (Universal Covering Space of the Circle)
圆S 1 R p ( t ) = ( cos ( 2 π t ) , sin ( 2 π t ) ) R
例子 10.2.5n n n ≥ 2
对于n ≥ 2 n S n S n i d : S n → S n
例子 10.2.6 环面T 2 = S 1 × S 1 T 2 = S 1 × S 1
环面T 2 = S 1 × S 1 R 2 p : R 2 → T 2 p ( s , t ) = ( ( cos ( 2 π s ) , sin ( 2 π s ) ) , ( cos ( 2 π t ) , sin ( 2 π t ) ) )
覆盖变换群 (Deck Transformation Group)，也称为自同构群 (automorphism group) 或覆盖群 (covering group)，描述了覆盖空间自身的对称性，并且与基本群有着深刻的联系。
定义 10.3.1 覆盖变换 (Deck Transformation)
设p : X ~ → X 覆盖变换 (deck transformation) 是一个同胚ϕ : X ~ → X ~ p ∘ ϕ = p ϕ p − 1 ( x )
直观理解:
覆盖变换是覆盖空间X ~ X ~ X S 1 R ϕ n ( t ) = t + n n R p ( ϕ n ( t ) ) = p ( t + n ) = ( cos ( 2 π ( t + n ) ) , sin ( 2 π ( t + n ) ) ) = ( cos ( 2 π t ) , sin ( 2 π t ) ) = p ( t )
定理 10.3.2 覆盖变换群 (Deck Transformation Group)
所有覆盖变换的集合，在映射复合运算下构成一个群，称为 覆盖变换群 (deck transformation group) ，记为Deck ( p ) Aut p ( X ~ ) i d X ~
性质 10.3.3 覆盖变换群的性质 (Properties of Deck Transformation Group)
设p : X ~ → X Deck ( p )
① 传递性 (Transitivity) (对于万有覆盖空间): 如果p : X ~ → X X Deck ( p ) x ∈ X x ~ 1 , x ~ 2 ∈ p − 1 ( x ) ϕ ∈ Deck ( p ) ϕ ( x ~ 1 ) = x ~ 2
② 自由作用 (Free Action): 如果p : X ~ → X X ~ Deck ( p ) X ~ X ~ x ~ ∈ X ~ ϕ ∈ Deck ( p ) ∖ { i d X ~ } ϕ ( x ~ ) ≠ x ~
③ 与基本群的关系 (Relationship with Fundamental Group): 对于道路连通的、局部道路连通的、半局部单连通的空间X p : X ~ → X Deck ( p ) X π 1 ( X , x 0 )
例子 10.3.4 圆的覆盖变换群 (Deck Transformation Group of the Circle)
对于圆S 1 R p : R → S 1 Deck ( p ) ϕ n ( t ) = t + n n ∈ Z Z S 1 π 1 ( S 1 ) ≅ Z
例子 10.3.5 环面的覆盖变换群 (Deck Transformation Group of the Torus)
对于环面T 2 = S 1 × S 1 R 2 p : R 2 → T 2 Deck ( p ) ϕ ( m , n ) ( s , t ) = ( s + m , t + n ) ( m , n ) ∈ Z 2 Z 2 T 2 π 1 ( T 2 ) ≅ Z 2
10.4 覆盖空间与基本群的关系 (Relationship between Covering Spaces and Fundamental Group)覆盖空间理论与基本群理论紧密相连，覆盖空间为研究基本群提供了几何工具，而基本群则为分类覆盖空间提供了代数方法。
定理 10.4.1 基本群的子群与覆盖空间的对应 (Correspondence between Subgroups of Fundamental Group and Covering Spaces)
设X x 0 ∈ X 基 本 群 的 子 群 基 点 为 的 覆 盖 空 间 { 基本群 π 1 ( X , x 0 ) 的子群 } ⟷ { 基点为 x 0 的覆盖空间 ( p : X ~ → X , x ~ 0 ) } / ∼ H ⟼ ( X ~ H , p H ) ( X ~ H , p H ) H ≤ π 1 ( X , x 0 ) ∼
解释:
⚝ 基点为x 0 x 0 指覆盖空间p : X ~ → X x ~ 0 ∈ X ~ p ( x ~ 0 ) = x 0 覆盖空间之间的同构 (Isomorphism of covering spaces): 两个基点覆盖空间( p 1 : X ~ 1 → X , x ~ 1 ) ( p 2 : X ~ 2 → X , x ~ 2 ) h : X ~ 1 → X ~ 2 p 2 ∘ h = p 1 h ( x ~ 1 ) = x ~ 2
定理 10.4.2 覆盖映射诱导的基本群同态 (Induced Homomorphism of Fundamental Groups by Covering Map)
设p : X ~ → X x ~ 0 ∈ X ~ x 0 = p ( x ~ 0 ) ∈ X p p ∗ : π 1 ( X ~ , x ~ 0 ) → π 1 ( X , x 0 ) p ∗ p ∗ ( π 1 ( X ~ , x ~ 0 ) ) π 1 ( X , x 0 )
解释:
⚝ 诱导同态 (Induced Homomorphism): 对于X ~ γ ~ x ~ 0 p ∘ γ ~ X x 0 [ γ ~ ] ↦ [ p ∘ γ ~ ] p ∗ 单射性 (Injectivity): p ∗ p ∗ ( [ γ ~ ] ) = [ p ∘ γ ~ ] π 1 ( X , x 0 ) [ γ ~ ] π 1 ( X ~ , x ~ 0 ) p ∘ γ ~ X γ ~ X ~
定理 10.4.3 覆盖变换群与基本群子群的关系 (Relationship between Deck Transformation Group and Subgroup of Fundamental Group)
设p : X ~ → X x ~ 0 ∈ X ~ x 0 = p ( x ~ 0 ) ∈ X Deck ( p ) X π 1 ( X , x 0 ) Φ : Deck ( p ) → π 1 ( X , x 0 )
总结:
覆盖空间理论和基本群理论相互补充，共同构成了拓扑学的重要组成部分。覆盖空间提供了一种几何方式来研究空间的连通性和环路结构，而基本群则提供了代数工具来分类和区分拓扑空间。万有覆盖空间和覆盖变换群的概念进一步深化了这种联系，使得我们能够通过研究覆盖空间的对称性来理解基空间的基本群结构。这种理论框架在代数拓扑的许多分支中都有着广泛的应用，例如在流形理论、同伦论和同调论中。
<END_OF_CHAPTER/>
11. chapter 11： 单纯同调论初步 (Introduction to Simplicial Homology) 11.1 单纯复形 (Simplicial Complexes)在拓扑学中，我们经常需要将复杂的空间分解成更简单、更易于处理的构建块。单纯复形 (Simplicial Complex) 正是这样一种工具，它将空间分解成称为 单纯形 (simplex) 的基本单元，例如点、线段、三角形和四面体等。单纯同调论正是建立在单纯复形的基础之上，通过代数方法来研究拓扑空间的性质。
首先，我们来定义什么是单纯形。
定义 11.1.1 (单纯形 Simplex) { v 0 , v 1 , … , v p } R N p + 1 张成 (span) 的p 单纯形 (simplex) σ σ = [ v 0 , v 1 , … , v p ] σ = { ∑ i = 0 p t i v i ∣ ∑ i = 0 p t i = 1 , t i ≥ 0 for all i = 0 , … , p } v 1 − v 0 , v 2 − v 0 , … , v p − v 0 v 0 , v 1 , … , v p σ 顶点 (vertices) 。
根据维度p p = 0 [ v 0 ] = { v 0 } p = 1 v 0 v 1 [ v 0 , v 1 ] p = 2 v 0 , v 1 , v 2 [ v 0 , v 1 , v 2 ] p = 3 v 0 , v 1 , v 2 , v 3 [ v 0 , v 1 , v 2 , v 3 ]
定义 11.1.2 (面 Face) σ = [ v 0 , v 1 , … , v p ] p { v i 0 , v i 1 , … , v i q } ⊆ { v 0 , v 1 , … , v p } σ 0 ≤ q ≤ p { v i 0 , v i 1 , … , v i q } q τ = [ v i 0 , v i 1 , … , v i q ] σ q q σ σ 固有面 (proper face) 。0-面就是顶点，1-面就是棱，2-面就是三角形面等等。
定义 11.1.3 (抽象单纯复形 Abstract Simplicial Complex) 抽象单纯复形 (abstract simplicial complex) K K σ ∈ K σ ∈ K τ ⊆ σ σ τ ∈ K K 单纯形 (simplices) ，σ ∈ K 顶点 (vertices) 。K 维度 (dimension) 定义为K dim K = max { | σ | − 1 ∣ σ ∈ K }
抽象单纯复形提供了一种不依赖于欧几里得空间的、更抽象的描述单纯形及其组合关系的方式。
定义 11.1.4 (几何实现 Geometric Realization) K | K | K 几何实现 (geometric realization) 。构造方法如下：V K v ∈ V R V e v K σ = { v 0 , v 1 , … , v p } ∈ K Δ σ e v 0 , e v 1 , … , e v p | K | 弱拓扑 (weak topology) 。弱拓扑是指，| K | A σ ∈ K A ∩ Δ σ Δ σ
在实际应用中，我们通常不严格区分抽象单纯复形和它的几何实现，有时直接用 单纯复形 (simplicial complex) 指代几何实现。
定义 11.1.5 (单纯复形 Simplicial Complex) 单纯复形 (simplicial complex) K R N K σ ∈ K σ K σ , τ ∈ K σ ∩ τ σ τ K 弱拓扑 (weak topology) ，即子集A ⊆ K σ ∈ K A ∩ σ σ
例子 11.1.6 (单纯复形的例子 Examples of Simplicial Complexes) 点 (Point) ：一个点可以看作是 0-单纯形构成的单纯复形。线段 (Interval) ：一条线段可以看作是由两个 0-单纯形 (端点) 和一个 1-单纯形 (线段本身) 构成的单纯复形。三角形 (Triangle) ：一个三角形 (包括内部) 可以看作是由三个 0-单纯形 (顶点)、三个 1-单纯形 (边) 和一个 2-单纯形 (三角形面) 构成的单纯复形。圆周 (Circle) ：圆周可以 三角剖分 (triangulation) 成一个环状的单纯复形，例如由三个 0-单纯形和三个 1-单纯形构成 (三角形的边界)。球面 (Sphere) ：球面S 2
单纯复形为我们提供了一种将拓扑空间离散化的方法，使得我们可以利用组合和代数工具来研究拓扑性质。接下来，我们将介绍如何利用单纯复形构建 链复形 (chain complex) 和 同调群 (homology group) 。
11.2 链复形与同调群 (Chain Complexes and Homology Groups)为了定义单纯复形的同调群，我们需要引入 链群 (chain group) 和 边界算子 (boundary operator) 的概念。这需要我们首先对单纯形进行 定向 (orientation) 。
定义 11.2.1 (定向单纯形 Oriented Simplex) p σ = [ v 0 , v 1 , … , v p ] 定向 (orientation) 是指其顶点的 排序 (ordering) ，排序之间相差偶数次置换被认为是相同的定向，相差奇数次置换则被认为是相反的定向。对于p ≥ 1 p
例如，对于 1-单纯形[ v 0 , v 1 ] [ v 0 , v 1 ] [ v 1 , v 0 ] [ v 0 , v 1 , v 2 ] [ v 0 , v 1 , v 2 ] [ v 1 , v 2 , v 0 ] [ v 2 , v 0 , v 1 ] [ v 1 , v 0 , v 2 ] [ v 0 , v 2 , v 1 ] [ v 2 , v 1 , v 0 ]
定义 11.2.2 (链群 Chain Group) K p ≥ 0 p p C p ( K ) 自由阿贝尔群 (free abelian group) ，其 基 (basis) 是K p σ p σ [ σ ] − [ σ ] C p ( K ) K p [ … , v i , … , v j , … ] = − [ … , v j , … , v i , … ] p < 0 p > dim K C p ( K ) = 0
简单来说，p p 形式线性组合 (formal linear combination) ，系数通常取整数Z K e 1 , e 2 , e 3 c = 2 e 1 − 3 e 2 + e 3
定义 11.2.3 (边界算子 Boundary Operator) 边界算子 (boundary operator) ∂ p : C p ( K ) → C p − 1 ( K ) p σ = [ v 0 , v 1 , … , v p ] p ≥ 1 ∂ p ( [ σ ] ) = ∂ p ( [ v 0 , v 1 , … , v p ] ) = ∑ i = 0 p ( − 1 ) i [ v 0 , … , v ^ i , … , v p ] [ v 0 , … , v ^ i , … , v p ] v i ( p − 1 ) [ v 0 ] ∂ 0 ( [ v 0 ] ) = 0 ∂ p C p ( K )
例如：∂ 1 ( [ v 0 , v 1 ] ) = [ v 1 ] − [ v 0 ] ∂ 2 ( [ v 0 , v 1 , v 2 ] ) = [ v 1 , v 2 ] − [ v 0 , v 2 ] + [ v 0 , v 1 ] = [ v 1 , v 2 ] + [ v 2 , v 0 ] + [ v 0 , v 1 ]
定理 11.2.4 (边界的边界为零 Boundary of a Boundary is Zero) p c ∈ C p ( K ) p ≥ 2 ∂ p − 1 ∘ ∂ p ( c ) = 0 ∂ p − 1 ∂ p = 0
证明概要 (Sketch of Proof) ：只需验证对p σ = [ v 0 , v 1 , … , v p ] ∂ p − 1 ∂ p ( [ σ ] )
定义 11.2.5 (链复形 Chain Complex) C p ( K ) ∂ p ⋯ ⟶ ∂ p + 1 C p ( K ) ⟶ ∂ p C p − 1 ( K ) ⟶ ∂ p − 1 ⋯ ⟶ ∂ 1 C 0 ( K ) ⟶ ∂ 0 0 单纯链复形 (simplicial chain complex) ，通常简称为 链复形 (chain complex) 。性质∂ p − 1 ∂ p = 0 im ∂ p + 1 ⊆ ker ∂ p
定义 11.2.6 (圈群 Cycle Group 和 边缘群 Boundary Group) p p Z p ( K ) ∂ p 核 (kernel) ，即Z p ( K ) = ker ∂ p = { c ∈ C p ( K ) ∣ ∂ p ( c ) = 0 } Z p ( K ) p p p p B p ( K ) ∂ p + 1 像 (image) ，即B p ( K ) = im ∂ p + 1 = { ∂ p + 1 ( c ) ∣ c ∈ C p + 1 ( K ) } B p ( K ) p p
由于∂ p ∂ p + 1 = 0 B p ( K ) = im ∂ p + 1 ⊆ ker ∂ p = Z p ( K ) B p ( K ) Z p ( K )
定义 11.2.7 (同调群 Homology Group) p p H p ( K ) 商群 (quotient group) H p ( K ) = Z p ( K ) / B p ( K ) = ker ∂ p / im ∂ p + 1 H p ( K ) p 不是p + 1 的部分，直观上可以理解为p “洞 (holes)” 。例如，H 1 ( K ) H 2 ( K )
同调群是拓扑空间的重要代数不变量，同胚的空间具有同构的同调群。通过计算同调群，我们可以区分不同的拓扑空间，并研究它们的拓扑性质。
11.3 单纯映射与同调群的诱导同态 (Simplicial Maps and Induced Homomorphisms of Homology Groups)为了研究单纯复形之间的关系，我们需要定义 单纯映射 (simplicial map) 。
定义 11.3.1 (单纯映射 Simplicial Map) K L 单纯映射 (simplicial map) f : K → L f : V ( K ) → V ( L ) V ( K ) V ( L ) K L { v 0 , v 1 , … , v p } ∈ K K { f ( v 0 ) , f ( v 1 ) , … , f ( v p ) } ∈ L L { f ( v 0 ) , f ( v 1 ) , … , f ( v p ) }
几何上，单纯映射将K L
定理 11.3.2 (诱导链同态 Induced Chain Homomorphism) f : K → L f # : C p ( K ) → C p ( L ) p σ = [ v 0 , v 1 , … , v p ] ∈ C p ( K ) 如 果 互 不 相 同 否 则 f # ( [ σ ] ) = { [ f ( v 0 ) , f ( v 1 ) , … , f ( v p ) ] , 如果 f ( v 0 ) , f ( v 1 ) , … , f ( v p ) 互不相同 0 , 否则 f # C p ( K )
定理 11.3.3 (链同态 Chain Homomorphism) f # 交换 (commute) ，即f # ∂ p = ∂ p f # c ∈ C p ( K ) f # ( ∂ p ( c ) ) = ∂ p ( f # ( c ) )
证明概要 (Sketch of Proof) ：只需验证对p σ = [ v 0 , v 1 , … , v p ] f # ( ∂ p ( [ σ ] ) ) ∂ p ( f # ( [ σ ] ) )
由于f #
定理 11.3.4 (诱导同调同态 Induced Homology Homomorphism) f : K → L f ∗ : H p ( K ) → H p ( L ) p z ∈ Z p ( K ) f ∗ ( [ z ] ) = [ f # ( z ) ] [ z ] z H p ( K ) [ f # ( z ) ] f # ( z ) H p ( L )
证明概要 (Sketch of Proof) ：需要验证定义是良定义的 (well-defined)。首先，如果z ∈ Z p ( K ) p f # ( z ) ∈ Z p ( L ) p ∂ p ( f # ( z ) ) = f # ( ∂ p ( z ) ) = f # ( 0 ) = 0 z 1 , z 2 ∈ Z p ( K ) [ z 1 ] = [ z 2 ] H p ( K ) z 1 − z 2 ∈ B p ( K ) c ∈ C p + 1 ( K ) z 1 − z 2 = ∂ p + 1 ( c ) f # ( z 1 ) − f # ( z 2 ) = f # ( z 1 − z 2 ) = f # ( ∂ p + 1 ( c ) ) = ∂ p + 1 ( f # ( c ) ) ∈ B p ( L ) [ f # ( z 1 ) ] = [ f # ( z 2 ) ] H p ( L )
诱导同调同态f ∗
11.4 同调群的计算例子 (Examples of Homology Group Computations)为了更好地理解同调群的意义，我们来看一些简单例子的同调群计算。
例子 11.4.1 (点的同调群 Homology Groups of a Point) X = { p t } K = { [ v 0 ] } ⋯ ⟶ ∂ 2 C 1 ( K ) ⟶ ∂ 1 C 0 ( K ) ⟶ ∂ 0 0 C 0 ( K ) = ⟨ [ v 0 ] ⟩ ≅ Z C p ( K ) = 0 p ≥ 1 ∂ p = 0 p Z 0 ( K ) = ker ∂ 0 = C 0 ( K ) ≅ Z B 0 ( K ) = im ∂ 1 = 0 p ≥ 1 Z p ( K ) = ker ∂ p = C p ( K ) = 0 B p ( K ) = im ∂ p + 1 = 0 H p ( { p t } ) = { Z , p = 0 0 , p ≠ 0 H 0 ( { p t } ) ≅ Z
例子 11.4.2 (闭区间的同调群 Homology Groups of a Closed Interval) X = [ 0 , 1 ] K = { [ v 0 ] , [ v 1 ] , [ v 0 , v 1 ] } ⋯ ⟶ ∂ 2 C 1 ( K ) ⟶ ∂ 1 C 0 ( K ) ⟶ ∂ 0 0 C 0 ( K ) = ⟨ [ v 0 ] , [ v 1 ] ⟩ ≅ Z 2 C 1 ( K ) = ⟨ [ v 0 , v 1 ] ⟩ ≅ Z C p ( K ) = 0 p ≥ 2 ∂ 1 ( [ v 0 , v 1 ] ) = [ v 1 ] − [ v 0 ] ∂ 0 ( [ v 0 ] ) = ∂ 0 ( [ v 1 ] ) = 0 Z 0 ( K ) = ker ∂ 0 = C 0 ( K ) = ⟨ [ v 0 ] , [ v 1 ] ⟩ ≅ Z 2 B 0 ( K ) = im ∂ 1 = ⟨ [ v 1 ] − [ v 0 ] ⟩ ≅ Z Z 1 ( K ) = ker ∂ 1 = { c [ v 0 , v 1 ] ∈ C 1 ( K ) ∣ ∂ 1 ( c [ v 0 , v 1 ] ) = c ( [ v 1 ] − [ v 0 ] ) = 0 } = 0 [ v 1 ] − [ v 0 ] ≠ 0 c = 0 B 1 ( K ) = im ∂ 2 = 0 C 2 ( K ) = 0 H 0 ( [ 0 , 1 ] ) = Z 0 ( K ) / B 0 ( K ) = Z 2 / Z ≅ Z H 1 ( [ 0 , 1 ] ) = Z 1 ( K ) / B 1 ( K ) = 0 / 0 = 0 H p ( [ 0 , 1 ] ) = 0 , p ≥ 2 H 0 ( [ 0 , 1 ] ) ≅ Z
例子 11.4.3 (三角形的边界的同调群 Homology Groups of the Boundary of a Triangle, 相当于S 1 K v 0 , v 1 , v 2 e 0 = [ v 1 , v 2 ] , e 1 = [ v 0 , v 2 ] , e 2 = [ v 0 , v 1 ] ⋯ ⟶ ∂ 2 C 1 ( K ) ⟶ ∂ 1 C 0 ( K ) ⟶ ∂ 0 0 C 0 ( K ) = ⟨ [ v 0 ] , [ v 1 ] , [ v 2 ] ⟩ ≅ Z 3 C 1 ( K ) = ⟨ [ e 0 ] , [ e 1 ] , [ e 2 ] ⟩ = ⟨ [ v 1 , v 2 ] , [ v 0 , v 2 ] , [ v 0 , v 1 ] ⟩ ≅ Z 3 C p ( K ) = 0 p ≥ 2 ∂ 1 ( [ e 0 ] ) = ∂ 1 ( [ v 1 , v 2 ] ) = [ v 2 ] − [ v 1 ] ∂ 1 ( [ e 1 ] ) = ∂ 1 ( [ v 0 , v 2 ] ) = [ v 2 ] − [ v 0 ] ∂ 1 ( [ e 2 ] ) = ∂ 1 ( [ v 0 , v 1 ] ) = [ v 1 ] − [ v 0 ] ∂ 0 = 0 Z 0 ( K ) = ker ∂ 0 = C 0 ( K ) = ⟨ [ v 0 ] , [ v 1 ] , [ v 2 ] ⟩ ≅ Z 3 B 0 ( K ) = im ∂ 1 = ⟨ [ v 2 ] − [ v 1 ] , [ v 2 ] − [ v 0 ] , [ v 1 ] − [ v 0 ] ⟩ ( [ v 2 ] − [ v 1 ] ) − ( [ v 2 ] − [ v 0 ] ) = [ v 0 ] − [ v 1 ] ( [ v 2 ] − [ v 1 ] ) − ( [ v 1 ] − [ v 0 ] ) = [ v 2 ] − 2 [ v 1 ] + [ v 0 ] B 0 ( K ) [ v i ] − [ v j ] B 0 ( K ) Z 3 [ v 1 ] − [ v 0 ] [ v 2 ] − [ v 0 ] H 0 ( K ) = Z 0 ( K ) / B 0 ( K ) = Z 3 / ⟨ [ v 1 ] − [ v 0 ] , [ v 2 ] − [ v 0 ] ⟩ ≅ Z [ v 0 ] [ v 1 ] [ v 2 ] [ v 0 ] Z 1 ( K ) = ker ∂ 1 = { c 0 [ e 0 ] + c 1 [ e 1 ] + c 2 [ e 2 ] ∈ C 1 ( K ) ∣ ∂ 1 ( c 0 [ e 0 ] + c 1 [ e 1 ] + c 2 [ e 2 ] ) = 0 } ∂ 1 ( c 0 [ e 0 ] + c 1 [ e 1 ] + c 2 [ e 2 ] ) = c 0 ( [ v 2 ] − [ v 1 ] ) + c 1 ( [ v 2 ] − [ v 0 ] ) + c 2 ( [ v 1 ] − [ v 0 ] ) = ( − c 1 − c 2 ) [ v 0 ] + ( − c 0 + c 2 ) [ v 1 ] + ( c 0 + c 1 ) [ v 2 ] = 0 − c 1 − c 2 = 0 , − c 0 + c 2 = 0 , c 0 + c 1 = 0 c 2 = − c 1 , c 0 = c 2 = − c 1 , c 0 + c 1 = − c 1 + c 1 = 0 c 0 = c 2 = − c 1 Z 1 ( K ) = { c 1 ( − [ e 2 ] + [ e 0 ] + [ e 1 ] ) ∣ c 1 ∈ Z } = ⟨ − [ e 2 ] + [ e 0 ] + [ e 1 ] ⟩ = ⟨ [ v 0 , v 1 ] + [ v 1 , v 2 ] + [ v 2 , v 0 ] ⟩ ≅ Z B 1 ( K ) = im ∂ 2 = 0 C 2 ( K ) = 0 H 1 ( K ) = Z 1 ( K ) / B 1 ( K ) = Z 1 ( K ) ≅ Z
对于p ≥ 2 H p ( K ) = 0 S 1 H p ( S 1 ) = { Z , p = 0 , 1 0 , p ≠ 0 , 1 H 1 ( S 1 ) ≅ Z
通过这些简单的例子，我们初步了解了如何计算单纯复形的同调群，以及同调群如何反映拓扑空间的连通性和洞的结构。在后续章节中，我们将学习更强大的工具和定理，用于计算更复杂空间的同调群，并探讨同调论在拓扑学中的应用。
<END_OF_CHAPTER/>
12. chapter 12： 奇异同调论 (Singular Homology) 12.1 奇异单纯形与奇异链 (Singular Simplices and Singular Chains)奇异同调论 (Singular Homology) 是代数拓扑 (Algebraic Topology) 中的一个核心概念，它提供了一种强大的工具来研究拓扑空间 (Topological Space) 的结构。与单纯同调论 (Simplicial Homology) 依赖于将空间分解为单纯复形 (Simplicial Complex) 不同，奇异同调论直接作用于任意拓扑空间，无需任何分解，这使其具有更广泛的适用性。本节将首先介绍奇异单纯形 (Singular Simplex) 和奇异链 (Singular Chain) 的概念，它们是构建奇异同调论的基础。
首先，我们需要定义标准n n ，记作Δ n
定义 12.1.1 (标准n ：n Δ n R n + 1 e 0 = ( 1 , 0 , … , 0 ) , e 1 = ( 0 , 1 , … , 0 ) , … , e n = ( 0 , 0 , … , 1 ) Δ n 且 Δ n = { ( t 0 , t 1 , … , t n ) ∈ R n + 1 ∣ ∑ i = 0 n t i = 1 , 且 t i ≥ 0 , ∀ i = 0 , 1 , … , n } t i 重心坐标 (barycentric coordinates) 。
例如：Δ 0 Δ 1 e 0 e 1 Δ 2 e 0 , e 1 , e 2 Δ 3 e 0 , e 1 , e 2 , e 3
接下来，我们定义奇异n n 。
定义 12.1.2 (奇异n ：X 奇异n σ X σ : Δ n → X
换句话说，奇异n n Δ n X
为了构建链复形 (Chain Complex)，我们需要定义面映射 (face map) 。对于标准n Δ n i Δ ( i ) n − 1 i e i ( n − 1 ) 面映射 ∂ i n : Δ n − 1 → Δ n ∂ i n ( t 0 , … , t n − 1 ) = ( t 0 , … , t i − 1 , 0 , t i , … , t n − 1 ) Δ n − 1 Δ n i i
对于一个奇异n σ : Δ n → X i σ ( i ) ( n − 1 ) σ ( i ) = σ ∘ ∂ i n : Δ n − 1 → X
现在我们可以定义奇异n n 。
定义 12.1.3 (奇异n ：X G 奇异n C n ( X ; G ) n σ : Δ n → X G C n ( X ; G ) ∑ i g i σ i g i ∈ G σ i n G = Z C n ( X ) = C n ( X ; Z )
直观上，奇异n n G
为了定义同调群，我们还需要边界算子 (boundary operator) 。
定义 12.1.4 (边界算子) ：边界算子 ∂ n : C n ( X ; G ) → C n − 1 ( X ; G ) n σ ∂ n ( σ ) = ∑ i = 0 n ( − 1 ) i σ ( i ) = ∑ i = 0 n ( − 1 ) i ( σ ∘ ∂ i n ) n c = ∑ i g i σ i ∂ n ( c ) = ∑ i g i ∂ n ( σ i ) = ∑ i g i ∑ j = 0 n ( − 1 ) j σ i ( j ) n = 0 C − 1 ( X ; G ) = 0 ∂ 0 : C 0 ( X ; G ) → C − 1 ( X ; G )
一个关键的性质是 ∂ n − 1 ∘ ∂ n = 0 ∂ 2 = 0
定理 12.1.5 (边界算子的性质) ：n ≥ 1 ∂ n − 1 ∘ ∂ n = 0
证明概要 ：∂ n − 1 ( ∂ n ( σ ) ) n σ ∂ n − 1 ( ∂ n ( σ ) ) = ∂ n − 1 ( ∑ i = 0 n ( − 1 ) i σ ( i ) ) = ∑ i = 0 n ( − 1 ) i ∂ n − 1 ( σ ( i ) ) σ ( i ) = σ ∘ ∂ i n ( n − 1 ) ∂ n − 1 σ ( i ) ∂ n − 1 ( σ ( i ) ) = ∑ j = 0 n − 1 ( − 1 ) j ( σ ( i ) ) ( j ) = ∑ j = 0 n − 1 ( − 1 ) j ( σ ∘ ∂ i n ∘ ∂ j n − 1 ) ∂ i n ∘ ∂ j n − 1 i ≤ j ∂ i n − 1 ∘ ∂ j n − 2 = ∂ j + 1 n ∘ ∂ i n − 1 ∂ n − 1 ∘ ∂ n ( σ ) = 0
有了奇异链群C n ( X ; G ) ∂ n 奇异链复形 (singular chain complex) ：⋯ → ∂ n + 1 C n + 1 ( X ; G ) → ∂ n C n ( X ; G ) → ∂ n − 1 C n − 1 ( X ; G ) → ∂ n − 2 ⋯ → ∂ 1 C 1 ( X ; G ) → ∂ 0 C 0 ( X ; G ) → ∂ − 1 0 ∂ − 1 ∂ n ∘ ∂ n + 1 = 0
12.2 奇异同调群的定义 (Definition of Singular Homology Groups)基于奇异链复形，我们可以定义奇异同调群 (singular homology groups) 。
定义 12.2.1 (奇异n n ：奇异n n Z n ( X ; G ) ∂ n Z n ( X ; G ) = ker ( ∂ n ) = { c ∈ C n ( X ; G ) ∣ ∂ n ( c ) = 0 } Z n ( X ; G ) n
⚝ 奇异n n B n ( X ; G ) ∂ n + 1 B n ( X ; G ) = im ( ∂ n + 1 ) = { c ∈ C n ( X ; G ) ∣ ∃ d ∈ C n + 1 ( X ; G ) s.t. c = ∂ n + 1 ( d ) } B n ( X ; G ) n
由于∂ n ∘ ∂ n + 1 = 0 im ( ∂ n + 1 ) ⊆ ker ( ∂ n ) B n ( X ; G ) ⊆ Z n ( X ; G ) B n ( X ; G ) Z n ( X ; G )
定义 12.2.2 (奇异同调群) ：奇异n n H n ( X ; G ) n Z n ( X ; G ) n B n ( X ; G ) H n ( X ; G ) = Z n ( X ; G ) / B n ( X ; G ) = ker ( ∂ n ) / im ( ∂ n + 1 ) G = Z H n ( X ) = H n ( X ; Z ) H n ( X ; G )
奇异同调群H n ( X ; G ) X n H 0 ( X ; G ) X H 1 ( X ; G ) X H 2 ( X ; G ) X
例子 12.2.3 (点的同调群) ：X = { p t } n > 0 n σ n : Δ n → { p t } C n ( { p t } ; G ) ≅ G n = 0 C 0 ( { p t } ; G ) ≅ G ∂ n : C n ( { p t } ; G ) → C n − 1 ( { p t } ; G ) n ∂ n ( σ n ) = ∑ i = 0 n ( − 1 ) i σ n − 1 = ( 1 − 1 + 1 − ⋯ − 1 + 1 ) σ n − 1 = σ n − 1 n + 1 n n > 0 ∂ n ( σ n ) = ∑ i = 0 n ( − 1 ) i σ n − 1 = ( 1 − 1 + 1 − ⋯ + 1 − 1 ) σ n − 1 = 0 n + 1 ∂ 0 ( σ 0 ) = 0
因此，链复形为：⋯ → ≅ G → 0 G → ≅ G → 0 G → ≅ G → 0 G → 0 → ≅ → 0
计算同调群：H 0 ( { p t } ; G ) = Z 0 ( { p t } ; G ) / B 0 ( { p t } ; G ) = ker ( ∂ 0 ) / im ( ∂ 1 ) = C 0 ( { p t } ; G ) / im ( ∂ 1 ) = G / 0 ≅ G n > 0 n ∂ n ker ( ∂ n ) = 0 im ( ∂ n + 1 ) = C n ( { p t } ; G ) ≅ G H n ( { p t } ; G ) = 0 / G = 0 n ∂ n = 0 ker ( ∂ n ) = C n ( { p t } ; G ) ≅ G im ( ∂ n + 1 ) = 0 H n ( { p t } ; G ) = G / 0 ≅ G
总结：H n ( { p t } ; G ) = { G , n = 0 0 , n > 0 H n ( { p t } ; Z ) = { Z , n = 0 0 , n > 0
12.3 同伦不变性 (Homotopy Invariance)奇异同调论的一个重要性质是同伦不变性 (Homotopy Invariance) 。这意味着同伦等价 (Homotopy Equivalence) 的空间具有同构的同调群。为了理解这一点，我们需要引入链同伦 (chain homotopy) 的概念。
定义 12.3.1 (链映射和链同伦) ：f : X → Y f # : C n ( X ; G ) → C n ( Y ; G ) n σ : Δ n → X f # ( σ ) = f ∘ σ : Δ n → Y C n ( X ; G ) f # f # ∘ ∂ n = ∂ n ∘ f # f #
设f , g : X → Y 链同伦 P P n : C n ( X ; G ) → C n + 1 ( Y ; G ) n ≥ 0 ∂ n + 1 ∘ P n + P n − 1 ∘ ∂ n = g # − f # n ≥ 0 P − 1 = 0 P f # g # f # g # 链同伦的 (chain homotopic) ，记作f # ≃ g #
定理 12.3.2 (棱柱算子) ：f , g : X → Y H : X × I → Y H ( x , 0 ) = f ( x ) H ( x , 1 ) = g ( x ) I = [ 0 , 1 ] P : C n ( X ; G ) → C n + 1 ( Y ; G ) ∂ n + 1 ∘ P n + P n − 1 ∘ ∂ n = g # − f #
构造棱柱算子 (prism operator) P n Δ n × I n σ : Δ n → X σ × id I : Δ n × I → X × I H : X × I → Y H ∘ ( σ × id I ) : Δ n × I → Y Δ n × I ( n + 1 )
对于标准n Δ n v 0 , … , v n Δ n × I v 0 × { 0 } , … , v n × { 0 } , v 0 × { 1 } , … , v n × { 1 } v i 0 = v i × { 0 } v i 1 = v i × { 1 } 0 ≤ i ≤ n ( n + 1 ) [ v 0 0 , … , v i 0 , v i 1 , … , v n 1 ] v 0 0 , … , v i 0 , v i 1 , … , v n 1 ( n + 1 ) Δ n × I
对于奇异n σ : Δ n → X P n ( σ ) : Δ n + 1 → Y ( n + 1 ) [ v 0 0 , … , v i 0 , v i 1 , … , v n 1 ] H ∘ ( σ × id I ) P n C n ( X ; G ) P n ∂ n + 1 ∘ P n + P n − 1 ∘ ∂ n = g # − f #
定理 12.3.3 (同伦不变性定理) ：f , g : X → Y f # , g # : C ∗ ( X ; G ) → C ∗ ( Y ; G ) f ∗ , g ∗ : H n ( X ; G ) → H n ( Y ; G ) f ∗ = g ∗
证明概要 ：P ∂ n + 1 ∘ P n + P n − 1 ∘ ∂ n = g # − f # n z ∈ Z n ( X ; G ) ∂ n ( z ) = 0 ( g # − f # ) ( z ) = ( ∂ n + 1 ∘ P n + P n − 1 ∘ ∂ n ) ( z ) = ∂ n + 1 ( P n ( z ) ) + P n − 1 ( ∂ n ( z ) ) = ∂ n + 1 ( P n ( z ) ) + P n − 1 ( 0 ) = ∂ n + 1 ( P n ( z ) ) g # ( z ) − f # ( z ) = ∂ n + 1 ( P n ( z ) ) ∈ B n ( Y ; G ) g # ( z ) f # ( z ) H n ( Y ; G ) [ g # ( z ) ] = [ f # ( z ) ] H n ( Y ; G ) f ∗ = g ∗
推论 12.3.4 (同伦等价的同调群) ：f : X → Y f ∗ : H n ( X ; G ) → H n ( Y ; G ) n ≥ 0
证明概要 ：f : X → Y g : Y → X g ∘ f ≃ id X f ∘ g ≃ id Y ( g ∘ f ) ∗ = g ∗ ∘ f ∗ = ( id X ) ∗ = id H n ( X ; G ) ( f ∘ g ) ∗ = f ∗ ∘ g ∗ = ( id Y ) ∗ = id H n ( Y ; G ) f ∗ g ∗ f ∗
例子 12.3.5 (可缩空间的同调群) ：X X { p t } H n ( X ; G ) ≅ H n ( { p t } ; G ) = { G , n = 0 0 , n > 0 R k H n ( R k ; G ) = { G , n = 0 0 , n > 0
12.4 切除定理与 Mayer-Vietoris 序列 (Excision Theorem and Mayer-Vietoris Sequence)为了更有效地计算复杂空间的同调群，我们需要更强大的工具，例如切除定理 (Excision Theorem) 和 Mayer-Vietoris 序列 (Mayer-Vietoris Sequence) 。
定理 12.4.1 (切除定理) ：Z ⊆ A ⊆ X Z ― ⊆ Int ( A ) B = X ∖ Z i : ( X ∖ Z , A ∖ Z ) → ( X , A ) i ∗ : H n ( X ∖ Z , A ∖ Z ; G ) → H n ( X , A ; G ) n
直观理解 ：如果Z A X A Z Z ― ⊆ Int ( A )
相对同调群 (relative homology groups) H n ( X , A ; G ) C ∗ ( X , A ; G ) = C ∗ ( X ; G ) / C ∗ ( A ; G ) ∂ n ∂ 2 = 0
Mayer-Vietoris 序列 是计算并集空间同调群的重要工具。
定理 12.4.2 (Mayer-Vietoris 序列) ：X = Int ( A ) ∪ Int ( B ) A , B ⊆ X U = A ∩ B ⋯ → ∂ H n ( U ; G ) → ( i ∗ , j ∗ ) H n ( A ; G ) ⊕ H n ( B ; G ) → ( k ∗ − l ∗ ) H n ( X ; G ) → ∂ H n − 1 ( U ; G ) → … ⋯ → ∂ H 0 ( U ; G ) → ( i ∗ , j ∗ ) H 0 ( A ; G ) ⊕ H 0 ( B ; G ) → ( k ∗ − l ∗ ) H 0 ( X ; G ) → ∂ 0 i : U → A , j : U → B , k : A → X , l : B → X ( i ∗ , j ∗ ) x ↦ ( i ∗ ( x ) , j ∗ ( x ) ) ( k ∗ − l ∗ ) ( a , b ) ↦ k ∗ ( a ) − l ∗ ( b ) ∂ 连接同态 (connecting homomorphism) 。
长正合序列 (long exact sequence) 的意思是，在序列的任何位置，像 (image) 等于核 (kernel)。例如，im ( ( i ∗ , j ∗ ) ) = ker ( ( k ∗ − l ∗ ) ) im ( ( k ∗ − l ∗ ) ) = ker ( ∂ ) im ( ∂ ) = ker ( ( i ∗ , j ∗ ) )
连接同态∂ 的构造比较复杂，简述如下：X = Int ( A ) ∪ Int ( B ) X n x ∈ Z n ( X ; G ) x = a + b a A A b B B ∂ ( x ) = 0 ∂ ( a + b ) = ∂ ( a ) + ∂ ( b ) = 0 ∂ ( a ) = − ∂ ( b ) ∂ ( a ) = − ∂ ( b ) C n − 1 ( A ; G ) C n − 1 ( B ; G ) ∂ ( a ) ∈ C n − 1 ( A ∩ B ; G ) = C n − 1 ( U ; G ) ∂ ( ∂ ( a ) ) = 0 ∂ ( a ) U ( n − 1 ) ∂ ( [ x ] ) = [ ∂ ( a ) ] ∈ H n − 1 ( U ; G ) ∂
Mayer-Vietoris 序列可以将复杂空间X = A ∪ B A , B , A ∩ B
总结 ：
<END_OF_CHAPTER/>
13. chapter 13： 流形初步 (Introduction to Manifolds) 13.1 流形的定义与例子 (Definition and Examples of Manifolds)流形 (manifold) 是拓扑学中一个核心概念，它推广了我们熟悉的曲线和曲面的概念到任意维度。粗略地说，一个n n R n
定义 13.1.1 (拓扑流形 (Topological Manifold))
一个拓扑空间M n
① Hausdorff 性质 (Hausdorff Property) ：对于M x y x U y V U ∩ V = ∅ M T 2
② 局部欧几里得性 (Locally Euclidean) ：对于M x x U U R n V ϕ : U → V ( U , ϕ ) M x 坐标图 (coordinate chart) 或局部坐标系 (local coordinate system) 。ϕ 坐标映射 (coordinate map) ，而U 坐标邻域 (coordinate neighborhood) 。
解释:
⚝ Hausdorff 性质 确保了流形上的点是“可分离的”，这是拓扑空间良好性质的基础。局部欧几里得性 是流形概念的核心。它意味着虽然流形作为一个整体可能具有复杂的结构，但在任何足够小的局部区域内，其拓扑结构都与欧几里得空间相同。我们可以用欧几里得空间的坐标来描述流形局部区域内的点。
例子 13.1.2 (流形的例子)
① 欧几里得空间R n ：n R n n M = R n x ∈ R n U = R n ϕ : R n → R n ϕ ( x ) = x R n
② 球面S n ：n S n = { x ∈ R n + 1 ∣ ‖ x ‖ = 1 } n S 2 球极投影 (stereographic projection) 来构造坐标图。
▮▮▮▮⚝ 北极投影 (North Pole Projection) ：从北极N = ( 0 , 0 , 1 ) S 2 ∖ { N } x y R 2 U N = S 2 ∖ { N } p = ( x , y , z ) ∈ U N ϕ N ( p ) = ( u , v ) ∈ R 2 N p x y ϕ N ( x , y , z ) = ( x 1 − z , y 1 − z ) ϕ N : U N → R 2
▮▮▮▮⚝ 南极投影 (South Pole Projection) ：从南极S = ( 0 , 0 , − 1 ) S 2 ∖ { S } x y R 2 U S = S 2 ∖ { S } p = ( x , y , z ) ∈ U S ϕ S ( p ) = ( u ′ , v ′ ) ∈ R 2 S p x y ϕ S ( x , y , z ) = ( x 1 + z , y 1 + z ) ϕ S : U S → R 2 U N U S S 2 U N ∪ U S = S 2 { ( U N , ϕ N ) , ( U S , ϕ S ) } S 2 图册 (atlas) ，证明了S 2 S n n
③ 环面T 2 = S 1 × S 1 ：环面 (torus)T 2 S 1 S 1 T 2 n T n = ( S 1 ) n n n
④ 实射影空间R P n ：实射影空间R P n R n + 1 ∖ { 0 } S n R P n n R P 2 S 2
⑤ 格拉斯曼流形G ( k , n ) ：格拉斯曼流形G ( k , n ) R n k k ( n − k )
非流形的例子:
① 锥 (Cone) ：将圆盘D 2 S 1 C ( S 1 ) R 2
② 带尖点的平面 (Plane with a point removed and then glued back) ：考虑R 2 ∖ { 0 }
13.2 流形的拓扑性质 (Topological Properties of Manifolds)流形作为拓扑空间，继承了一些重要的拓扑性质，同时也具有一些独特的性质。
① Hausdorff 性质 (Hausdorff Property) ：根据定义，流形必须是 Hausdorff 空间。这意味着流形上的点是可分离的，极限是唯一的，这在进行分析和几何研究时非常重要。
② 局部紧致性 (Locally Compactness) ：每个n M M x U R n V R n V U
③ 可数基 (Countable Basis) ：并非所有流形都具有可数基。但是，在许多应用中，我们通常考虑第二可数 (second-countable) 的流形，即拓扑具有可数基的流形。第二可数性保证了流形上存在可数稠密子集，这在某些构造和定理中非常有用。一个重要的结果是，对于连通流形 (connected manifold) ，第二可数性等价于可度量化 (metrizable) 。
④ 仿紧性 (Paracompactness) ：每个流形都是仿紧的。仿紧性是一个比紧致性弱，但仍然很有用的性质。它保证了单位分解 (partition of unity) 的存在，这在微分几何和微分拓扑中是至关重要的工具。
⑤ 连通性 (Connectedness) 和 道路连通性 (Path Connectedness) ：流形的连通性和道路连通性是重要的拓扑性质。一个流形M M M
⑥ 局部性质 (Local Properties) ：流形的许多性质是局部定义的，例如局部欧几里得性。这意味着我们只需要在每一点的邻域内考虑这些性质。例如，连续性、可微性等概念在流形上都是局部定义的。
定理 13.2.1 (流形的拓扑性质总结)
每个n M
⚝ Hausdorff 空间
如果M
⚝M M M
13.3 流形的定向 (Orientation of Manifolds)定向 (orientation) 是流形的一个重要概念，它涉及到流形上的“方向”概念。对于曲线和曲面，定向的概念比较直观。例如，对于曲线，定向可以理解为沿着曲线前进的方向；对于曲面，定向可以理解为“正面”和“反面”。对于高维流形，定向的概念需要更精确的定义。
定向的定义 (对于可微流形，这里简化为拓扑流形)
对于n V V 定向 (orientation) 。两个有序基{ v 1 , … , v n } { w 1 , … , w n } 相同定向 (same orientation) ，如果将一个基变换到另一个基的线性变换的行列式为正。否则，它们具有相反定向 (opposite orientation) 。向量空间V
对于n M 定向 (orientation) 的概念需要局部坐标图来定义。
定义 13.3.1 (可定向流形 (Orientable Manifold))
一个n M 可定向的 (orientable) ，如果存在一个图册 (atlas) A = { ( U α , ϕ α ) } ( U α , ϕ α ) ( U β , ϕ β ) U α ∩ U β ≠ ∅ 转移映射 (transition map) ϕ β ∘ ϕ α − 1 : ϕ α ( U α ∩ U β ) → ϕ β ( U α ∩ U β ) ϕ α ( U α ∩ U β ) A M 定向图册 (orienting atlas) ，它定义了M 定向 (orientation) 。
如果存在一个定向图册，则流形是可定向的；否则，流形是不可定向的 (non-orientable) 。
例子 13.3.2 (可定向与不可定向流形的例子)
① 欧几里得空间R n ：R n ( R n , id ) id
② 球面S n ：n S n S 2 { ( U N , ϕ N ) , ( U S , ϕ S ) } ϕ S ∘ ϕ N − 1
③ 环面T n ：n T n S 1
④ 实射影空间R P n ：实射影空间R P n n
▮▮▮▮⚝ 当n R P n n R P n R P 2
⑤ 莫比乌斯带 (Möbius Band) ：莫比乌斯带是一个经典的不可定向曲面的例子。从直观上看，沿着莫比乌斯带环绕一周，方向会反转。
定向的意义:
⚝ 体积形式 (Volume Form) ：在可定向流形上，可以定义体积形式，从而可以进行积分运算。同调论 (Homology Theory) ：定向在同调论中起着重要作用，例如在定义基本类 (fundamental class) 和研究流形的边界 (boundary) 时。向量场 (Vector Field) ：在可定向流形上，可以讨论向量场的指标 (index) 和 Euler 示性数 (Euler characteristic)。
13.4 流形的分类 (Classification of Manifolds)流形的分类问题是拓扑学和几何学中的一个核心问题。目标是将所有流形按照某种等价关系 (通常是同胚) 进行分类。流形的分类难度随着维度的增加而迅速增加。
低维流形的分类结果:
① 1 维流形 (1-manifolds) ：1 维连通流形可以完全分类。任何连通的 1 维流形都同胚于以下两种之一：
▮▮▮▮⚝ 直线R (非紧致，无边界)圆圈S 1 (紧致，无边界)
带边界的 1 维连通流形也只有两种：
▮▮▮▮⚝ 闭区间[ 0 , 1 ] (紧致，有边界)半直线[ 0 , ∞ ) (非紧致，有边界)
② 2 维流形 (2-manifolds) 或曲面 (Surfaces) ：2 维连通紧致流形 (曲面) 的分类是一个经典结果。可定向的紧致曲面可以由亏格 (genus)g g g g S 2 Σ g Σ 0 = S 2 Σ 1 = T 2 Σ 2
不可定向的紧致曲面也可以分类，它们可以由亏格和不可定向性来描述。例如，实射影平面R P 2 交叉帽 (cross-cap) 粘合到球面S 2
高维流形的分类:
对于维度n ≥ 3
⚝ 3 维流形 (3-manifolds) ：3 维流形的分类是一个巨大的成就，由 William Thurston 的几何化猜想 (Geometrization Conjecture) 和 Grigori Perelman 对庞加莱猜想 (Poincaré Conjecture) 的证明完成。几何化猜想表明，每个紧致的 3 维流形都可以分解成若干个几何结构简单的部分。
⚝ 4 维流形 (4-manifolds) ：4 维流形的分类是目前最困难的领域之一。4 维拓扑与低维拓扑和高维拓扑有很大的不同，存在许多独特的现象。4 维流形的分类问题远未解决，仍然是活跃的研究领域。
⚝ 高维流形 (n-manifolds,n ≥ 5 ：对于n ≥ 5 高维拓扑 (high-dimensional topology) 的一些强大工具，例如h
流形分类的意义:
流形的分类不仅是拓扑学本身的重要问题，也对其他数学分支和物理学有重要意义。例如，在广义相对论中，时空模型通常用流形来描述；在凝聚态物理中，拓扑相 (topological phase) 的分类也与流形拓扑有关。
总结:
流形是拓扑学中研究的核心对象之一。理解流形的定义、性质和分类是深入学习拓扑学和相关领域的关键。本章只是对流形理论的初步介绍，更深入的学习需要进一步研究微分流形、黎曼流形、代数拓扑等更高级的主题。
<END_OF_CHAPTER/>
14. chapter 14： 同调论的应用 (Applications of Homology Theory) 14.1 Brouwer 不动点定理 (Brouwer Fixed Point Theorem)Brouwer 不动点定理 (Brouwer Fixed Point Theorem) 是拓扑学中最深刻且应用广泛的定理之一。它断言，从某个特定的拓扑空间到自身的连续映射必然存在不动点 (fixed point)，即存在一个点，经过映射后仍然是自身。这个定理在数学的多个分支，如泛函分析 (functional analysis)、微分方程 (differential equations) 和经济学 (economics) 中都有重要的应用。
定理 14.1.1 (Brouwer 不动点定理 (Brouwer Fixed Point Theorem)) 设D n n D n = { x ∈ R n ∣ ‖ x ‖ ≤ 1 } f : D n → D n x 0 ∈ D n f ( x 0 ) = x 0
证明概要 (Proof Outline): 我们使用反证法 (proof by contradiction) 和同调论 (homology theory) 来证明这个定理。假设存在一个连续映射f : D n → D n x ∈ D n f ( x ) ≠ x
基于这个假设，我们可以构造一个从D n S n − 1 r : D n → S n − 1 x ∈ D n f ( x ) ≠ x r ( x ) f ( x ) f ( x ) x S n − 1 r ( x ) r ( x ) = x − f ( x ) ‖ x − f ( x ) ‖ r x ∈ S n − 1 r ( x ) = x r S n − 1
现在，考虑包含映射 (inclusion map)i : S n − 1 ↪ D n r : D n → S n − 1 r ∘ i : S n − 1 → S n − 1 r ∘ i = id S n − 1 id S n − 1 S n − 1
应用同调函子 (homology functor)H n − 1 H n − 1 ( r ∘ i ) = H n − 1 ( r ) ∘ H n − 1 ( i ) = H n − 1 ( id S n − 1 ) = id H n − 1 ( S n − 1 ) n ≥ 1 H n − 1 ( S n − 1 ) ≅ Z H n − 1 ( D n ) = 0 n ≥ 1 H n − 1 ( i ) : H n − 1 ( S n − 1 ) → H n − 1 ( D n ) H n − 1 ( r ) : H n − 1 ( D n ) → H n − 1 ( S n − 1 ) H n − 1 ( i ) : Z → 0 H n − 1 ( r ) : 0 → Z H n − 1 ( r ) ∘ H n − 1 ( i ) 0 → 0
但是，H n − 1 ( r ) ∘ H n − 1 ( i ) = id H n − 1 ( S n − 1 ) = id Z Z Z
这个矛盾来源于我们最初的假设：存在一个连续映射f : D n → D n f : D n → D n
Brouwer 不动点定理的应用 (Applications of Brouwer Fixed Point Theorem):
① 经济学中的均衡理论 (Equilibrium Theory in Economics): 在经济学中，Brouwer 不动点定理被用来证明在某些条件下，市场均衡 (market equilibrium) 的存在性。例如，在 Arrow-Debreu 模型 (Arrow-Debreu model) 中，利用 Brouwer 不动点定理可以证明一般均衡 (general equilibrium) 的存在。
② 微分方程 (Differential Equations): 在微分方程理论中，Brouwer 不动点定理可以用来证明某些类型的微分方程解的存在性。例如，在研究常微分方程 (ordinary differential equations) 的周期解 (periodic solutions) 时，Poincaré 映射 (Poincaré map) 的不动点对应于周期解的存在。
③ 博弈论 (Game Theory): 在博弈论中，纳什均衡 (Nash equilibrium) 的存在性可以使用 Kakutani 不动点定理 (Kakutani fixed-point theorem) 证明，而 Kakutani 不动点定理是 Brouwer 不动点定理的一个推广。
④ 计算机图形学 (Computer Graphics) 和数值分析 (Numerical Analysis): 不动点迭代算法 (fixed-point iteration algorithms) 在数值分析和计算机图形学中被广泛使用。Brouwer 不动点定理保证了在某些条件下，迭代过程会收敛到一个不动点。
Brouwer 不动点定理是一个非常强大的工具，它揭示了连续映射在拓扑空间上的深刻性质，并在多个领域有着重要的理论和实际应用价值。
14.2 Jordan 曲线定理 (Jordan Curve Theorem)Jordan 曲线定理 (Jordan Curve Theorem) 是拓扑学中最直观但证明却出乎意料地困难的定理之一。它描述了平面上简单闭曲线 (simple closed curve) 的性质。
定义 14.2.1 (简单闭曲线 (Simple Closed Curve)) 平面R 2 C S 1 R 2
定理 14.2.2 (Jordan 曲线定理 (Jordan Curve Theorem)) 设C R 2 R 2 ∖ C 有界的 (bounded) 区域（称为 内部 (interior)），另一个是 无界的 (unbounded) 区域（称为 外部 (exterior)）。并且，曲线C
Jordan 曲线定理虽然陈述简单，但其证明并非易事。直观上，我们很容易相信这个定理是正确的，因为我们日常生活中看到的任何简单闭曲线（如圆、椭圆、三角形等）都将平面分成内外两个部分。然而，要给出严格的数学证明，特别是对于任意形状的简单闭曲线，则需要用到拓扑学的工具，如同调论。
使用同调论证明 Jordan 曲线定理的思路 (Using Homology Theory to Prove Jordan Curve Theorem):
证明 Jordan 曲线定理的一种方法是使用奇异同调论 (singular homology theory)，特别是 Alexander 对偶性 (Alexander duality)。对于平面R 2 C H 0 ( R 2 ∖ C ) R 2 ∖ C H 0 ( R 2 ∖ C ) ≅ Z 2
更具体地，证明的关键步骤包括：
① 证明R 2 ∖ C 这部分通常可以通过构造性的方法或者使用道路连通性 (path connectedness) 的反证法来完成。
② 证明R 2 ∖ C 这部分是最困难的，通常需要使用同调论的工具。我们可以考虑曲线C C S 1 H 1 ( C ) ≅ Z H 0 ( C ) ≅ Z
③ 应用 Alexander 对偶性。 在R n K ⊂ R n K H ~ i ( K ) R n ∖ K H n − i − 1 ( R n ∖ K ) n = 2 K = C H 0 ( R 2 ∖ C ) H ~ 1 ( C ) C ≅ S 1 H ~ 1 ( S 1 ) = H 1 ( S 1 ) ≅ Z H ~ 0 ( S 1 ) = 0
更精确地，使用奇异同调和上同调的 Alexander 对偶性版本，我们可以得到：H 0 ( R 2 ∖ C ) ≅ H c 1 ( R 2 , C ) H c 1 ( R 2 , C ) H 0 ( R 2 ∖ C ) ≅ Z 2 R 2 ∖ C
Jordan 曲线定理的推广 (Generalizations of Jordan Curve Theorem):
Jordan 曲线定理可以推广到更高维的空间。例如，Jordan-Brouwer 分离定理 (Jordan-Brouwer Separation Theorem) 是 Jordan 曲线定理在高维的推广。
定理 14.2.3 (Jordan-Brouwer 分离定理 (Jordan-Brouwer Separation Theorem)) 设S R n S n − 1 拓扑球面 (topological sphere)）。则R n ∖ S 有界的 区域（称为 内部 ），另一个是 无界的 区域（称为 外部 ）。并且，S
Jordan-Brouwer 分离定理的证明也需要用到同调论，特别是 Alexander 对偶性。这些定理深刻地揭示了欧几里得空间中子集的拓扑结构，是拓扑学的重要成果。
14.3 向量场与 Euler 示性数 (Vector Fields and Euler Characteristic)向量场 (vector field) 是拓扑学和微分几何 (differential geometry) 中重要的概念，它在物理学、工程学等领域有着广泛的应用。Euler 示性数 (Euler characteristic) 是一个拓扑不变量 (topological invariant)，可以用来描述拓扑空间的某些全局性质。向量场与 Euler 示性数之间存在深刻的联系，Poincaré-Hopf 指标定理 (Poincaré-Hopf index theorem) 揭示了这种联系。
定义 14.3.1 (向量场 (Vector Field)) 在一个流形 (manifold)M V M p V ( p ) ∈ T p M T p M M p M R n M R n V : M → R n
定义 14.3.2 (奇点 (Singularity) 或 零点 (Zero) ) 向量场V p ∈ M V ( p ) = 0
定义 14.3.3 (指标 (Index) ) 对于平面R 2 V p p C p C V ( x ) V ( x ) p ind p ( V )
定义 14.3.4 (Euler 示性数 (Euler Characteristic)) 对于一个有限 CW 复形 (finite CW complex)X χ ( X ) χ ( X ) = ∑ k = 0 dim X ( − 1 ) k c k c k X k S S V E F χ ( S ) = V − E + F S 2 χ ( S 2 ) = 2 T 2 χ ( T 2 ) = 0
定理 14.3.5 (Poincaré-Hopf 指标定理 (Poincaré-Hopf Index Theorem)) 设M V M p 1 , p 2 , … , p k M ∑ i = 1 k ind p i ( V ) = χ ( M ) Poincaré-Hopf 指标定理的意义 (Significance of Poincaré-Hopf Index Theorem):
① 联系局部性质与全局性质 (Relating Local and Global Properties): Poincaré-Hopf 指标定理将向量场在奇点附近的局部性质（指标）与流形的全局拓扑性质（Euler 示性数）联系起来。这是一个非常深刻的结果，揭示了拓扑学中局部与全局的统一性。
② 向量场的存在性问题 (Existence of Vector Fields): Poincaré-Hopf 指标定理可以用来判断在某个流形上是否存在具有特定性质的向量场。例如，如果一个紧致流形的 Euler 示性数不为零，则根据 Poincaré-Hopf 指标定理，任何向量场在该流形上都必须至少有一个奇点。例如，球面S 2 χ ( S 2 ) = 2 ≠ 0 S 2 “球面上不能梳毛”定理 (Hairy Ball Theorem) 的拓扑解释。而环面T 2 χ ( T 2 ) = 0 T 2
③ 计算 Euler 示性数 (Calculating Euler Characteristic): 在某些情况下，可以通过构造具有简单奇点的向量场，并计算这些奇点的指标，来计算流形的 Euler 示性数。
例子 (Examples):
① 球面S 2 考虑球面S 2 S 2 1 + 1 = 2 χ ( S 2 ) = 2
② 环面T 2 环面T 2 = S 1 × S 1 χ ( T 2 ) = 0 T 2 χ ( T 2 ) = 0
Poincaré-Hopf 指标定理是微分拓扑 (differential topology) 和代数拓扑 (algebraic topology) 交叉领域的重要定理，它深刻地揭示了向量场与流形拓扑结构之间的内在联系，并在几何学、物理学等领域有着重要的应用。
<END_OF_CHAPTER/>
15. chapter 15： 前沿专题与研究方向 (Advanced Topics and Research Directions) 15.1 同调代数 (Homological Algebra)同调代数 (Homological Algebra) 是数学的一个分支，它研究一般的同调函子 (homological functor) 和上同调函子 (cohomological functor)，以及它们所导出的链复形 (chain complex) 和谱序列 (spectral sequence) 等代数结构。虽然同调代数最初起源于拓扑学，特别是代数拓扑学，但它已经发展成为一个独立的学科，并在代数学的许多领域，如群论、环论、表示论和代数几何中都有着广泛的应用。
15.1.1 同调代数的基本概念 (Basic Concepts of Homological Algebra)同调代数的核心概念围绕着链复形 (chain complex) 和正合序列 (exact sequence)。
① 链复形 (Chain Complex) ：一个链复形C ∙ 阿贝尔群 (abelian group)C n 边界同态 (boundary homomorphism)d n : C n → C n − 1 d n ∘ d n + 1 = 0 n ⋯ → d n + 1 C n → d n C n − 1 → d n − 1 ⋯ d n ∘ d n + 1 = 0 Im ( d n + 1 ) ⊆ Ker ( d n )
② 同调群 (Homology Group) ：对于一个链复形C ∙ n 阶同调群 (n-th homology group)H n ( C ∙ ) n-圈群 (n-cycle group)Ker ( d n ) n-边界群 (n-boundary group)Im ( d n + 1 ) H n ( C ∙ ) = Ker ( d n ) / Im ( d n + 1 ) H n ( C ∙ ) H n ( C ∙ ) = 0 n 正合的 (exact)。
③ 正合序列 (Exact Sequence) ：一个阿贝尔群的序列⋯ → f n + 1 A n → f n A n − 1 → f n − 1 ⋯ Im ( f n + 1 ) = Ker ( f n )
④ 函子 (Functor) ：同调代数广泛使用函子的概念，特别是加法函子 (additive functor) 和正合函子 (exact functor)。函子是范畴之间的映射，保持范畴的结构。例如，Ext 函子 (Ext functor) 和 Tor 函子 (Tor functor) 是同调代数中重要的导出函子。
15.1.2 同调代数与拓扑学的联系 (Connection between Homological Algebra and Topology)同调代数最初是为了解决拓扑学中的问题而发展起来的。单纯同调论 (Simplicial Homology) 和 奇异同调论 (Singular Homology) 是代数拓扑学的核心内容，它们都依赖于同调代数的框架。
① 同调群作为拓扑不变量 (Homology Groups as Topological Invariants) ：拓扑空间X H n ( X )
② 谱序列在拓扑中的应用 (Applications of Spectral Sequences in Topology) ：谱序列是计算同调群的强大工具，尤其在处理纤维丛 (fiber bundle) 和滤过空间 (filtered space) 的同调群时非常有效。例如，Serre 谱序列 (Serre spectral sequence) 是计算纤维丛同调群的重要工具。
③ 链复形与微分形式 (Chain Complexes and Differential Forms) ：在微分拓扑中，微分形式 (differential form) 的外微分运算构成了一个De Rham 复形 (De Rham complex)，其同调群称为 De Rham 上同调群 (De Rham cohomology group)。De Rham 上同调群与奇异同调群之间存在深刻的联系，De Rham 定理 (De Rham's theorem) 建立了 De Rham 上同调群与奇异上同调群之间的同构关系。
15.1.3 同调代数的应用与研究方向 (Applications and Research Directions of Homological Algebra)同调代数不仅在拓扑学中扮演着关键角色，而且在代数学和理论物理等领域也有着广泛的应用。
① 代数几何 (Algebraic Geometry) ：在代数几何中，层上同调 (sheaf cohomology) 是研究代数簇 (algebraic variety) 和概型 (scheme) 的重要工具。Ext 函子 和 Tor 函子 在研究层的性质和关系中发挥着核心作用。
② 表示论 (Representation Theory) ：同调代数方法被广泛应用于群表示论和代数表示论中。例如，群上同调 (group cohomology) 用于研究群的性质和群表示的分类。导出范畴 (derived category) 的理论为表示论提供了新的视角和工具。
③ 理论物理 (Theoretical Physics) ：同调代数在理论物理，特别是弦理论和量子场论中，也找到了应用。例如，BRST 量化 (BRST quantization) 方法就使用了同调代数的思想。卡拉比-丘流形 (Calabi-Yau manifold) 的研究中，同调代数工具也至关重要。
④ 范畴化 (Categorification) ：范畴化是将代数结构提升到范畴层面的一种思想。同调代数在范畴化理论中扮演着重要角色，例如，霍尔代数 (Hall algebra) 和 Cluster 代数 (Cluster algebra) 的范畴化研究是当前的热点。
⑤ 非交换几何 (Noncommutative Geometry) ：非交换几何试图将几何的概念推广到非交换代数。同调代数工具，如 循环同调 (cyclic homology) 和 拓扑 K-理论 (topological K-theory)，在非交换几何中发挥着重要作用。
未来的研究方向包括发展新的同调代数工具，探索同调代数在交叉学科中的应用，以及深入研究同调代数与范畴化、非交换几何等新兴领域的联系。同调代数作为一个充满活力的研究领域，将继续在数学和相关学科中发挥重要作用。
15.2 微分拓扑 (Differential Topology)微分拓扑 (Differential Topology) 是拓扑学的一个分支，它研究可微流形 (differentiable manifold) 上的可微结构和可微映射的性质。与研究拓扑空间同胚性质的点集拓扑学 (point-set topology) 不同，微分拓扑更关注流形的光滑性，以及保持光滑性的变换。微分拓扑是连接拓扑学、微分几何和分析学的桥梁，在物理学和工程学中也有广泛应用。
15.2.1 微分拓扑的基本概念 (Basic Concepts of Differential Topology)微分拓扑的核心概念包括可微流形、切空间、向量场、微分形式和微分同胚等。
① 可微流形 (Differentiable Manifold) ：一个n M n R n 坐标卡 (coordinate chart)）之间满足光滑相容性条件。这意味着在坐标卡重叠区域，坐标变换是可微的。
② 切空间 (Tangent Space) ：对于可微流形M p 切空间 T p M p p p
③ 向量场 (Vector Field) ：向量场 X M p X p ∈ T p M X X
④ 微分形式 (Differential Form) ：微分形式 是在流形上定义的反对称多重线性形式。0-形式是光滑函数，1-形式可以看作是切向量的线性函数，2-形式可以看作是两个切向量的反对称双线性函数，以此类推。外微分 (exterior derivative) 是微分形式上的重要运算，它将k ( k + 1 )
⑤ 微分同胚 (Diffeomorphism) ：两个可微流形M N f : M → N f f − 1 M N 微分同胚 (diffeomorphic)。微分同胚是微分拓扑中的等价关系，微分拓扑主要研究在微分同胚下不变的性质。
15.2.2 微分拓扑与拓扑学的联系 (Connection between Differential Topology and Topology)微分拓扑是拓扑学的一个分支，它在拓扑学的框架下引入了微分结构，使得我们可以使用微积分的工具来研究拓扑空间。
① 光滑逼近 (Smooth Approximation) ：微分拓扑中的一个重要结果是光滑逼近定理，它表明在适当的条件下，连续映射可以被光滑映射逼近。这使得我们可以用光滑的观点来研究一般的拓扑现象。
② 横截性 (Transversality) ：横截性是微分拓扑中研究映射之间“一般位置”关系的概念。横截性定理 (Transversality Theorem) 是微分拓扑的基本定理之一，它在研究流形的交和纤维积等方面有着重要应用。
③ Morse 理论 (Morse Theory) ：Morse 理论研究流形上的光滑函数与其拓扑之间的关系。通过分析光滑函数的临界点 (critical point) 及其指标 (index)，Morse 理论可以给出流形的拓扑信息，例如同调群和同伦群。
④ 示性类 (Characteristic Class) ：示性类是与向量丛 (vector bundle) 相关的上同调类，它们是微分拓扑和代数拓扑之间的重要桥梁。陈示性类 (Chern class)、庞特里亚金示性类 (Pontryagin class) 和 欧拉示性类 (Euler class) 是重要的示性类，它们在流形的分类和向量丛的研究中起着关键作用。
15.2.3 微分拓扑的应用与研究方向 (Applications and Research Directions of Differential Topology)微分拓扑在数学的多个分支以及物理学和工程学中都有着广泛的应用。
① 微分几何 (Differential Geometry) ：微分拓扑为微分几何提供了基础框架。微分几何研究流形上的几何结构，如黎曼度量 (Riemannian metric) 和联络 (connection)。微分拓扑的概念和方法是研究微分几何问题的基本工具。
② 物理学 (Physics) ：微分拓扑在物理学中，特别是在广义相对论、规范场论和弦理论中，有着重要的应用。流形的概念是描述时空和物理场的自然语言。拓扑缺陷 (topological defect)、拓扑绝缘体 (topological insulator) 等概念都源于微分拓扑的思想。
③ 动力系统 (Dynamical Systems) ：微分拓扑的方法被广泛应用于动力系统的研究。结构稳定性 (structural stability)、分岔理论 (bifurcation theory) 和 混沌理论 (chaos theory) 都与微分拓扑有着密切的联系。
④ 低维拓扑 (Low-dimensional Topology) ：低维拓扑，特别是 3 维和 4 维流形的研究，是微分拓扑的重要分支。庞加莱猜想 (Poincaré conjecture) 的证明就深刻地使用了微分拓扑的工具。结理论 (knot theory) 和 辫子群 (braid group) 也与微分拓扑密切相关。
⑤ 计算拓扑 (Computational Topology) ：计算拓扑将拓扑学的思想和方法应用于计算机科学和数据分析。微分拓扑中的一些概念，如 流形学习 (manifold learning) 和 持久同调 (persistent homology)，在数据降维、特征提取和形状分析等领域有着重要的应用。
未来的研究方向包括深入研究高维流形的分类问题，探索微分拓扑在生物学、材料科学和社会网络等新兴领域的应用，以及发展新的计算微分拓扑方法。微分拓扑作为一个活跃的研究领域，将继续在理论和应用层面都取得重要的进展。
15.3 代数拓扑的现代应用 (Modern Applications of Algebraic Topology)代数拓扑 (Algebraic Topology) 作为拓扑学的一个核心分支，利用代数工具研究拓扑空间。虽然代数拓扑的经典应用主要集中在纯数学领域，但近年来，随着学科交叉的日益深入，代数拓扑的思想和方法在计算机科学、数据科学、生物学、物理学和工程学等领域展现出强大的应用潜力。
15.3.1 数据分析与拓扑数据分析 (Data Analysis and Topological Data Analysis, TDA)拓扑数据分析 (Topological Data Analysis, TDA) 是代数拓扑在数据科学中最引人注目的应用之一。TDA 利用拓扑学的工具，特别是持久同调 (Persistent Homology)，来研究数据的形状和结构。
① 持久同调 (Persistent Homology) ：持久同调是一种用于提取数据拓扑特征的强大工具。它通过构建数据的过滤 (filtration)，例如 Čech 复形 (Čech complex) 或 Vietoris-Rips 复形 (Vietoris-Rips complex)，并计算不同尺度下的同调群，来追踪拓扑特征的“生死”过程。持久图 (persistence diagram) 和 条形码 (barcode) 是可视化持久同调结果的常用方法。
② 数据降维与特征提取 (Data Dimensionality Reduction and Feature Extraction) ：TDA 可以用于数据降维和特征提取。通过计算数据的持久同调，可以提取出反映数据本质结构的拓扑特征，例如连通分支数、环的个数和空腔的个数。这些拓扑特征可以作为新的数据表示，用于后续的机器学习任务。
③ 聚类分析 (Clustering Analysis) ：TDA 可以辅助聚类分析。传统的聚类方法通常基于距离或密度，而 TDA 可以发现基于拓扑形状的聚类结构。例如，利用持久同调可以识别环状或带状的数据结构，并进行相应的聚类。
④ 复杂网络分析 (Complex Network Analysis) ：TDA 可以应用于复杂网络分析。通过将网络表示为图，并构建相应的拓扑空间，可以利用持久同调分析网络的全局结构和功能模块。例如，在生物网络、社交网络和交通网络分析中，TDA 可以发现重要的拓扑模式。
15.3.2 图像分析与形状识别 (Image Analysis and Shape Recognition)代数拓扑在图像分析和形状识别领域也展现出应用潜力。
① 图像分割 (Image Segmentation) ：TDA 可以用于图像分割。通过将图像像素点视为数据点，并构建相应的拓扑空间，可以利用持久同调分析图像的连通性和区域结构，从而实现图像分割。
② 形状描述子 (Shape Descriptor) ：持久同调可以作为形状描述子，用于形状识别和检索。不同形状的物体具有不同的拓扑特征，持久同调可以捕捉这些特征，并用于区分不同的形状。例如，在医学图像分析中，可以利用持久同调分析器官的形状，辅助疾病诊断。
③ 三维模型分析 (3D Model Analysis) ：TDA 可以应用于三维模型分析。通过将三维模型的表面离散化为点云数据，并计算其持久同调，可以分析三维模型的拓扑结构，例如孔洞和空腔。这在计算机辅助设计 (CAD) 和逆向工程 (reverse engineering) 中具有应用价值。
15.3.3 材料科学与拓扑材料 (Materials Science and Topological Materials)代数拓扑的概念和方法在材料科学，特别是拓扑材料的研究中，发挥着越来越重要的作用。
① 拓扑绝缘体 (Topological Insulator) ：拓扑绝缘体是一类新型量子材料，其体态是绝缘的，但表面态是导电的。拓扑绝缘体的表面态受到拓扑保护，具有鲁棒性。代数拓扑中的 K-理论 (K-theory) 和 示性类 (characteristic class) 被用于描述拓扑绝缘体的拓扑不变量。
② 拓扑超导体 (Topological Superconductor) ：拓扑超导体是一类具有拓扑非平凡超导态的材料。拓扑超导体可能支持 马约拉纳零能模 (Majorana zero mode)，在量子计算领域具有潜在应用价值。代数拓扑的方法被用于分类和表征拓扑超导体的拓扑相。
③ 拓扑缺陷 (Topological Defect) ：在凝聚态物理中，拓扑缺陷是指材料中存在的拓扑非平凡的结构，例如 位错 (dislocation) 和 畴壁 (domain wall)。代数拓扑的概念被用于分类和研究拓扑缺陷的性质。
15.3.4 机器人学与运动规划 (Robotics and Motion Planning)代数拓扑在机器人学和运动规划领域也有应用。
① 构型空间拓扑 (Configuration Space Topology) ：机器人的构型空间 (configuration space) 描述了机器人所有可能的姿态。构型空间的拓扑性质，例如连通性和基本群，对机器人的运动规划问题至关重要。代数拓扑的方法可以用于分析构型空间的拓扑结构。
② 路径规划 (Path Planning) ：在机器人路径规划中，需要找到从起始构型到目标构型的无碰撞路径。构型空间的拓扑信息可以用于指导路径搜索算法。例如，基本群 (fundamental group) 可以用于检测构型空间中的障碍物和环路。
③ 传感器网络 (Sensor Network) ：代数拓扑可以应用于传感器网络的覆盖和连通性分析。通过将传感器网络建模为拓扑空间，可以利用同调群等拓扑不变量来研究网络的覆盖范围和鲁棒性。
15.3.5 研究方向展望 (Future Research Directions)代数拓扑的现代应用正处于快速发展阶段，未来的研究方向包括：
① 发展新的 TDA 方法 ：研究更高效、更鲁棒的 TDA 算法，例如针对大规模数据和高维数据的持久同调计算方法，以及结合机器学习的 TDA 方法。
② 探索 TDA 在新领域的应用 ：将 TDA 应用于生物信息学、金融分析、社会科学、自然语言处理等更多领域，挖掘数据的拓扑价值。
③ 深化拓扑材料研究 ：利用更高级的代数拓扑工具，例如 谱序列 (spectral sequence) 和 导出范畴 (derived category)，深入研究拓扑材料的拓扑相和拓扑性质。
④ 发展拓扑机器人学 ：将代数拓扑与机器人学更紧密地结合，发展基于拓扑的运动规划算法和机器人控制策略。
代数拓扑作为一个理论与应用并重的学科，将在未来的科技发展中扮演越来越重要的角色。随着研究的深入，我们有理由相信代数拓扑将在更多领域展现其独特的魅力和价值。
<END_OF_CHAPTER/>
