本节介绍并讨论了主要定义和结果。首先,考虑以下定义,它是G公司-公制空间到我-尺寸情况,其中\(l\in\mathbb{N}\).
定义3.1
([三])
让X(X)做一个非空的集合。A函数\(g:X^{l+1}\longrightarrow\mathbb{右}_{+}\)被称为克-度度量我在X(X)如果满足以下条件:
-
第1组)
\(g(x{0},x{1},\ldots,x{l})=0\)当且仅当\(x{0}=x{1}=\cdots=x{l}\),
-
g2)
\(g(x{0},x{1},\ldots,x{l})=g(x_{\sigma(0)},x_{\segma(1)}用于置换σ在\(\{0,1,\ldot,l\}\),
-
g3)
\(g(x{0},x{1},ldots,x{l})为所有人\(((x{0},x{1},\ldots,x{l}),(y_{0}.,y_{1}.,\ldot,y_})在x^{l+1}中具有\({x{i}:i=0,1,\ldots,l\}\substeq\{y_{i}:i=0、1,\ltots,l \}\),
-
g4)
对于所有人\(x_{0},x_{1},\ldot,x_}s},y_{0{,y_1},\ ldot,y_}t},w\ in x\)具有\(s+t+1=l\),
$$g(x{0},x{1},\ldot,x{s},y{0},y{1},\ldots,y{t})\leq g(x_{0}$$
这对\((X,g)\)被称为克-公制空间。值得注意的是,如果\(l=1)(分别为。\(l=2))则它等价于一个普通的度量空间(分别是。G公司-公制空间)。
定义3.2
([三])
让\((X,g)\)成为克-公制空间,\(x中的x)成为重点,并且\({x_{k}\}\subseteq x\)是一个序列。
-
1)
\({x{k}) 克-收敛到x个如果是所有人\(epsilon>0\)存在\(N\in\mathbb{N}\)这样的话
$$i{1},\ldots,i{l}\geq N\quad\Longrightarrow\quad g(x,x{1},\ldot,x{l})<\epsilon$$
-
2)
\({x{k})据说是克-柯西(Cauchy if for all)\(epsilon>0\)存在\(N\in\mathbb{N}\)这样的话
$$i{0},i{1},\ldot,i{l}\geq N\quad\Longrightarrow\quad g(x_{i{0{},x_{1}},\ ldot,x_i{l{}})<\epsilon$$
-
3)
\((X,g)\)如果每个克-Cauchy序列\((X,g)\)是克-收敛于\((X,g)\).
现在,通过装备Definition2.4具有克-度量,我们引入以下定义,这是一个推广。
定义3.3
门格尔概率克-度量空间(仍然表示为PGM公司-空格)是三元组\((X,F,T)\),其中X(X)是一个非空集合,T型是连续的t吨-规范,以及F类是来自的映射\(X^{l+1}\)进入之内\(\增量^{+}\),满足以下条件:
-
(i)
\(F{(x{0},x{1},\ldots,x{l})}(t)=1\)为所有人\(x\中的x_{0},x_{1},\ldots,x_}l}\)和\(t>0\)当且仅当\(x{0}=x{1}=\cdots=x{l}\);
-
(ii)
\(F{(x{0},x{1},\ldots,x{l})}(t)\geqF{为所有人\(((x{0},x{1},\ldots,x{l}),(y_{0}.,y_{1}.,\ldot,y_})在x^{l+1}中具有\({x{i}:i=0,1,\ldots,l\}\substeq\{y_{i}:i=0、1,\ltots,l \}\);
-
(iii)
\(F{(x{0},x{1},\ldots,x{l})}(t)=F{用于置换σ在\(\{0,1,\ldot,l\}\);
-
(iv)
对于所有人\(x_{0},x_{1},ldots,x_}m},y_{0{,y_1},idots,y_}n},w\ in x\)具有\(m+n+1=l\),
$$F_{(x_{0},x_{1},\ldots,x_}m},y_{0{,y_1},\tots,y_}n})}(t+s)\geqT\bigl(F_{(x_}0}、x_1}、\tots、x_{m}、w、w)}\ldot,w)}(s)\bigr)$$
下面,根据中给出的渐近密度的推广[1],统计收敛和Cauchy序列PGM公司-引入了空间。
定义3.4
让\((X,F,T)\)成为PGM公司-空间。对于任何\(epsilon>0\),\(0<增量<1)和\(x\在x\中),强者\((\ε,\δ)\)-附近x个由子集定义\(M_{x}(\ε,\δ)\)属于\(X^{l}\)如下:
$$M_{x}(\epsilon,\delta)=\bigl\{(x_{1},x_{2},\ldots,x_})\in x^{l};F{(x,x{1},x{2},\ldots,x{l})}(\epsilon)>1-\delta\bigr\}$$
接下来,我们将集合的渐近密度的概念推广到我-维度案例。
定义3.5
让\(K\子集\mathbb{N}^{l}\),的l维渐近密度属于K由定义
$$\delta_{l}(K)=\lim_{n\to\infty}\frac{l!}{n^{l}}\bigl\vert\bigl\{(i_{1},i_{2},\ldots,i_})\K;i{1},i{2},\ldots,i{l}\leqn\bigr\}\bigr\vert$$
定义3.6
让\((X,F,T)\)成为PGM公司-空间。
-
(i)
A序列\({x{n})在里面X(X)在统计上收敛到一点x个在里面X(X)w.r.t.强拓扑如果,对于任何\(epsilon>0\)和\(0<增量<1),
$$\delta_{l}\bigl(\bigl\{(i_{1},i_{2},\ldots,i_})\in\mathbb{N}^{l}:F_{(x_{i_1}},x_{i_2}}),\ldot,x_i_{l{},x)}(\epsilon)\leq 1-\delta\bigr\}\bigr)=0$$
并表示为\(x{n}\覆盖{st}{\右箭头}x\)或\(st-\lim_{n\to\infty}x_{n}=x\).
-
(ii)
\({x{n})称为统计Cauchy w.r.t.强拓扑\(epsilon>0\)和\(0<增量<1),存在\(i_{\epsilon}\in\mathbb{N}\)这样的话
$$\delta_{l}\bigl(\bigl\{(i_{1},i_{2},\ldots,i_{l})\in\mathbb{N}^{l}:F_{(x_{i_{1}},x_{i_{2}},\ldots,x_{i_{l}},x_{i_{\epsilon})}(\ epsilon)\leq 1-\delta\bigr}\bigr)=0$$
我们可以重申部分\((i)\)定义如下:
- (\(i ^{\prime}\)):
-
\(x{n}\覆盖{st}{\右箭头}x\)如果且仅当,对于任何\(epsilon>0\)和\(0<增量<1),
$$\delta_{l}\bigl(\bigl\{(i_{1},i_{2},\ldots,i_})在\mathbb{N}^{l}中:(x_{i_{1\},x_{2{},\ ldots、x_{l{})notinM_{x}(\epsilon,\delta)\bigr\}\bigr)=0$$
以下定理表明,如果序列在统计上收敛到X(X),那么这一点是独一无二的。
定理3.7
让 \({x{n}) 是一个序列 PGM公司-空间 \((X,F,T)\) 这样的话 \(x{n}\覆盖{st}{\右箭头}x\) 和 \(x{n}\覆盖{st}{\右箭头}y\),然后 \(x=y).
证明
让\(epsilon>0\)和\(0<增量<1),通过T型,存在\(0<\增量{0}<1\)这样的话
$$T(1-\增量{0},1-\增量})>1-\增量$$
设置
$$\开始{对齐}&A(\epsilon,\delta):=\biggl\{(i_{1},i_{2},\ldots,i_})\in\mathbb{N}^{l}:F_{(x_{i_1}},x_{i_2}}),\ldot,x_i_{l}}}{0}\biggr\},\\&B(\epsilon,\delta):=\biggl\{(i{1},i{2},\ldots,i{l})\in\mathbb{N}^{l}:F{(x{i{1{},x{i}2}}\biggl(\frac{\epsilon}{2}\biggr)\leq1-\delta{0}\bigr\},\end{aligned}$$
和
$$C(\epsilon,\delta):=A$$
自\(x{n}\覆盖{st}{\右箭头}x\)和\(x{n}\覆盖{st}{\右箭头}y\),所以\(delta_{l}(A(\epsilon,\delta))=\delta_}(B(\epsilon,\telta))=0.)因此\(δ{l}(C(ε,δ))=0\),因此\(delta_{l}(C^{C}(\epsilon,\delta))=1\).假设\(((i{1},i{2},\ldots,i{l})在C^{C}(\epsilon,\delta)中,然后是定义的第(ii)部分3.3和(iv)定义2.1我们有
$$开始{对齐}F_{(x,y,y,\ldots,y)}(\epsilon)和\geq T\biggl frac{\epsilon}{2}\biggr)\&\geq T\biggl(F{(x{i{1}},x{i}2},\ldot,x{i{l}}},\ldots,x_{i_{l}},y)}\biggl(\frac{ε}{2}\biggr)\\&>T(1-\δ_{0},1-\δ_{0})\\&>1-\δ。\结束{对齐}$$
自\(增量>0)是武断的,我们得出结论\(F_{(x,y,y,\ldots,y)}(\epsilon)=1\),因此\(x=y \). □
定理3.8
中的每个收敛序列 PGM公司-空间在统计上是收敛的.
证明
让\({x{n})是中的一个序列PGM公司-空间\((X,F,T)\)收敛到一点\(x中的x)。对于\(epsilon>0\)和\(0<增量<1),存在\(n_{0}\in\mathbb{n}\)这样,对所有人来说\(i{1},i{2},\ldots,i{l}\geqn{0}\),
$$F{(x{i{1}},x{i}2},\ldots,x{i{l},x)}(\epsilon)>1-\delta$$
设置
$$A(n):=\bigl\{(i_{1},i_{2},\ldots,i_})\in\mathbb{n}^{l}:i_{1},i_{2},\ ldots、i_{l}\leq n,F{$$
然后
$$\bigl\vert A(n)\bigr\vert\geq\binom{n-n_{0}}{l}$$
和
$$\lim_{n\to\infty}\frac{l!\vert A(n)\vert}{n^{l}}\geq\lim_{n\to\infty}\frac{l!}{n_{l}{binom{n-n_{0}}{l}=1$$
所以
$$st-\lim_{n\to\infty}x_{n}=x$$
□
示例3.9证明了上述定理的逆命题是无效的。
示例3.9
让\(X=\mathbb{R}\)和\(G:\mathbb{R}\times\mathbb}R}\times\mathbb{R}\ longrightarrow\mathbb2{R}^{+}\)成为G公司-上的公制\(\mathbb{R}\)由定义
$$G(x,y,z)=\vert x-y\vert+\vert x-z\vert+\vert y-z\vert$$
\((T=\分钟)\)定义函数\(F:\mathbb{R}\times\mathbb}R}\times\mathbb{R}\ longrightarrow\mathbb2{R}^{+}\)如下:
$$F_{(x,y,z)}(t)=\textstyle\begin{cases}H(t),&x=y=z,\\mathcal{D}{(\frac{t}{G(x,y,z){)},&\text{otherwise,}\end{casesneneneep$$
哪里\(H(t)\)和\(\mathcal{D}(t)\)分布函数如下:
$$H(t)=\textstyle\begin{cases}0,\t\t\leq 0,\\t,\t\t>0。\end{cases}\displaystyle,\quad\quad\mathcal{D}=\textstyle\begin{cases}0,&t\leq 0,\\1-e^{-t},&t>0。\结束{cases}$$
现在,考虑中的以下顺序\(\mathbb{R}\):
$$x_{n}=\textstyle\boot{cases}n,&n\text{为正方形,}\\1,&&\text{否则。}\end{cases}$$
很明显\({x{n})统计上收敛到1,但它不是正常收敛的。
定义3.10
一套\(A={n_{k}:k\in\mathbb{n}\}\)据说是统计密度在里面\(\mathbb{N}\)如果集合
$$A(n)=\bigl\{(i_{1},i_{2},\ldots,i_})在A^{l},i_{1{,i_2},\ ldots、i_{l}\leqn\bigr\}中$$
具有渐近密度1,即。,
$$\delta_{l}(A)=\lim_{n\to\infty}\frac{l!\vertA(n)\vert}{n^{l}}=1$$
定理3.11
让 \({x{n}) 是中的一个序列 PGM公司-空间 \((X,F,T)\).那么以下是等效的:
-
(i)
\({x{n}) 统计上收敛到一点 \(x中的x).
-
(ii)
有一个序列 \(\{y_{n}\}\) 在里面 X(X) 这样的话 \(x{n}=y{n}\) 几乎所有人 n个,和 \({y_{n}\}\) 收敛到x.
-
(iii)
有一个统计密集的子序列 \({x{n{k}}) 属于 \({x{n}) 这样的话 \({x{n{k}}) 是收敛的.
-
(iv)
有一个统计密集的子序列 \({x{n{k}}) 属于 \({x{n}) 这样的话 \({x_{n_{k}}\}\) 在统计学上是收敛的.
证明
\(((i\Longrightarrow\mathit{ii})\)让\({x{n})是一个收敛于x个,所以
$$开始{对齐}和\delta_{l}\bigl(\bigl\{(i_{1},i_{2},\ldots,i_})\in\mathbb{N}^{l}:F_{(x_{i_1}},x_{i_2},\ ldots、x_{l{},x)}(\epsilon)>1-\delta\bigr\}\bigr)\&\quad=\lim_{N\to \infty}\frac{l!}{N^{l}}\bigl|\bigl\{(i{1},i{2},\ldots,i{l})\in\mathbb{N}^{l{;i_{1},i_{2},\ldots,i_{l}\leq n,F_{(x_{i_{1}},x_{i_{2}}),\ldots,x_{i_{l}},x)}(\epsilon)>1-δ\bigr}\bigr |=1。\结束{对齐}$$
对于每个\(k\in\mathbb{N}\),我们可以选择递增序列\({n_{k})这样,对于每一个\(n>n{k}\),
$$\frac{l!}{n^{l}}\biggl\vert\biggl{(i{1},i{2},\ldots,i{l})\in\mathbb{n}^{l{;i{1},i{2},\ldot,i{l}\leqn,F{(x{i{1{}},x{i}2}、\ldot、x{i_l}}、x)}(\epsilon)>1-\frac{1}{2^{k}}\biggr\}\bigr\vert>1-\frac{1{2^}{k}$$
定义顺序\({y_{n}\}\)如下:
$$y_{m}=\textstyle\begin{cases}x{m},&1\leqm\leqn_{1},\\x{m{,&n_{k}<m\leq n_{k+1},i{1},i{2},\ldot,i{l-1}\leq n _{k+1}},x{m},x)}(\epsilon)>1-\frac{1}{2^{k}},\\x,&\text{otheral}。\结束{cases}$$
选择\(k\in\mathbb{N}\)这样的话\(\压裂{1}{2^{k}}<\增量\)很明显\({y_{m})收敛到x个.修复\(n\in\mathbb{n}\),用于\(n{k}<n\leqn{k+1}),我们有
$$\begin{aligned}\begin{aligned}&\bigl\{(i_{1},i_{2},\ldots,i_})\in\mathbb{N}^{l};i{1},i{2},\ldots,i{l}\leqn;x{i{j}}\neqy_{i{j}}\bigr\}\\&\quad\substeq\bigl\{(i{1},i{2},ldots,i{l})\in\mathbb{N}^{l}:;i{1},i{2},\ldots,i{l}\leqn\bigr\}\\&\quad\quad\biggl{}-\biggl\{(i{1{,i},ildots,i{l})\in\mathbb{n}^{l};i{1},i{2},\ldots,i{l}\leqn{k},F{(x{i{1{},x{i}2}。\end{aligned}\end{alinged}$$
因此,
$$开始{对齐}&\lim_{n\to\infty}\frac{l!}{n^{l}}\bigl\vert\bigl\{(i_{1},i_{2},\ldot,i_})\in\mathbb{n}^{l{;i{1},i{2},\ldots,i{l}\leqn;x{i{j}}\neqy_{i{j}}\bigr\}\biger\vert\\&\quad\leq1-\lim_{n\to\infty}\frac{l!}{n^{l}}\biggl\vert\biggl{(i{1},i{2},\ldots,i{l})\in\mathbb{n}^{l{;i{1},i{2},\ldots,i{l}\leqn{k},F{(x{i{1{},x{i}2}对齐}$$
所以
$$\开始{aligned}&\delta_{l}\bigl(\bigl\{(i_{1},i_{2},\ldots,i_})\in\mathbb{N}^{l};i{1},i{2},\ldots,i{l}\leqn;x{i{j}}\neqy_{i{j}}\bigr\}\biger)\\&\quad=\lim_{n\to\infty}\frac{l!}{n^{l}}\bigl\vert\bigl\{(i{1},i{2},\ldots,i{l})\in\mathbb{n}^{l{};i{1},i{2},\ldots,i{l}\leqn;x_{i_{j}}\neq y_{i_{j}}\bigr\}\bigr\vert=0。\结束{对齐}$$
\((\mathit{ii}\Longrightarrow\mathit{ii{)\)让\({y_{n}\}\)是中的收敛序列X(X)和\(A=\mathbb{n}:y_{n}\neq x_{n}\}\).我们有\(△{l}(A)=1),所以序列\({y_{n}\}\)是的统计密集子序列\({x{n})这是收敛的。
\((\mathit{ii}\Longrightarrow\mathit{iv})\)从定理中可以看出3.8.
\((\mathit{iv}\Longrightarrow i)\)让\({x{n{k}})是一个统计密集的子序列\({x{n})在统计上收敛到一点\(x中的x).设置\(A={n_{k}:k\in\mathbb{n}\}\),所以\(△{l}(A)=1)。对于ϵ>和\(0<增量<1),
$$\开始{aligned}&\bigl\{(i_{1},i_{2},\ldots,i_})\in \mathbb{N}^{l};i{1},i{2},\ldots,i{l}\leqn,F{(x{i{1{},x{i}2};i{1},i{2},\ldots,i{l}\leqn,F{(x{i{1{},x{i}2}),\ldot,x{i{l}},x)}(\epsilon)>1-\delta\bigr\}。\结束{对齐}$$
因此,
$$开始{对齐}&\lim_{n\to\infty}\frac{l!}{n^{l}}\bigl\vert\bigl\{(i_{1},i_{2},\ldot,i_})\in\mathbb{n}^{l{;i{1},i{2},\ldot,i{l}\leqn,F{(x{i{1{},x{i}2}{1},i{2},\ldots,i{l})在\mathbb{A}^{l}中;i{1},i{2},\ldots,i{l}\leqn,F{(x{i{1{}},x{i}2}。\结束{对齐}$$
所以,
$$\delta_{l}\bigl(\bigl\{(i_{1},i_{2},\ldots,i_})\in\mathbb{N}^{l};i{1},i{2},\ldots,i{l}\leqn,F{(x{i{1{},x{i}2}),\ldot,x{l}},x)}(\epsilon)>1-\delta\bigr\}\bigr)=1$$
因此\({x{n})统计上收敛到x个. □
以下推论是上述定理的直接结果。
推论3.12
中的每个统计收敛序列 PGM公司-空间具有收敛子序列.
定理3.13
中的每个统计收敛序列 PGM公司-空间在统计学上是柯西的.
证明
假设\({x{n})是一个在统计上收敛于一点的序列x个.让\(epsilon>0\)和\(0<\增量<1\).自T型是连续的,有\(0<\增量{1}<1\)和\(0<\增量{2}<1\)这样的话\(T(1-\δ{1},1-\δ})>1-\δ)另一方面,存在\(i{\epsilon}\)这样的话
$$F{(}x{i{\epsilon},x,x,\ldots,x)}\biggl(\frac{\epsilon}{2}\bigr)>1-\delta{1}$$
自
$$F{(x{i{1}},x{i}2},\ldot,x{i{l},x)}(\epsilon)\geq T\biggl(F{ots,x{i{l}},x{i{\epsilon}})}\biggl(\frac{\epsilon}{2}\bigr)\biggr)$$
所以
$$\开始{aligned}&\biggl\{(i_{1},i_{2},\ldots,i_})\in\mathbb{N}^{l};i{1},i{2},\ldots,i{l}\leqn,F{(x{i{1{},x{i}2}1},i{2},\ldots,i{l})\in\mathbb{n}^{1};i{1},i{2},\ldots,i{l}\leqn,F{(x{i{1{},x{i}2}),\ldot,x{i{l}},x)}(\epsilon)>1-\delta\bigr\}。\结束{对齐}$$
因此
$$开始{对齐}&\lim_{n\to\infty}\frac{l!}{n^{l}}\biggl\vert\biggl{(i_{1},i_{2},\ldots,i_})\in\mathbb{n}^{l{;i{1},i{2},\ldots,i{l}\leqn,F{(x{i{1{},x{i}2}n\to\infty}\frac{l!}{n^{l}}\bigl\vert\bigl\{(i{1},i{2},ldots,i{l})\in\mathbb{n}^{l{;i{1},i{2},\ldots,i{l}\leqn,F{(x{i{1{}},x{i}2}。\结束{对齐}$$
自\({x{n})是统计收敛的,所以前面不等式的右边是零。因此,它表明\({x{n})在统计学上是Cauchy。□
定义3.14
让\((X,F,T)\)成为PGM公司-空间。如果每个统计柯西序列都是统计收敛的,那么\((X,F,T)\)据说是统计上已完成.
推论3.15
每个统计完成 PGM公司-空间已完成.
证明
让\((X,F,T)\)统计完整PGM公司-空间。假设\({x{n})是中的Cauchy序列\((X,F,T)\),所以这是一个统计上的柯西序列。自X(X)统计上是完整的,所以\(x{n}\}\)在统计学上是收敛的。按推论3.12,有一个子序列\({x{n{k}})属于\({x{n})收敛到一点\(x中的x).通过连续性T型,用于\(0<增量<1),存在\(0、2、3、4)这样的话
$$\textstyle\begin{cases}T(1-\delta{1},1-\delta{2})>1-\ delta,\\T(1-\ delta{3},1-\delta_{4})>1-\ delat{1}。\结束{cases}$$
让\(δ{5}:=最大值,δ{2},δ{3}),那么我们有
$$T\bigl(T(1-\delta_{5},1-\delta _{4}),1-\delta_{5}\bigr)>1-\ delta$$
对于\(epsilon>0\),自\({x{n})是柯西,那么就存在\(N_{1}\in\mathbb{N}\)和\(x{i{epsilon}}位于x{n}中)这样,对所有人来说\(i{1},i{2},\ldots,i{l}\geqN{1}\),
$$F{(x{i{1}},x{i}2},\ldots,x{i{l}}$$
从那以后\(x{n{k}}\右箭头x\),存在\(N_{2}\geq N_{1}\)这样,对于\(i{n{1}},i{n}2}},
$$F{(x{i{n{1}}},x{i}n{2}}、\ldots、x{i_n{l}}和x)}\biggl(\frac{\epsilon}{4}\bigr)>1-\delta_{5}$$
对于\(i{1},i{2},\ldots,i{l},i{n{1}},l{n{2}},我们有
$$\begin{aligned}&F_{(x_{i_{1}},x_{i_{2}},\ldots,x_{i_{l},x)}(\epsilon)\\&&quad\geq T\biggl(F_{(x_},x_{i_{ε})}\biggl(\frac{ε}{2}\biggr)\biggr)\\&&quad\geq T\biggl(T\biggl(F_{(x_{i_{ε}),x_{i_{n_{1}}}{2}},\ldot,x{i{l}}}},\ldot,x{i{n{l}})}\biggl(\frac{\epsilon}{4}\bigr)(1)\biggr),F{(x{i{1}},x{i}2},ldots,x{i{l}}\biger)\\&\quad>1-\delta。\结束{对齐}$$
第三个不等式产生于部分\((\mathit{ii})\)定义的3.3以及F类所以,\({x{n})是收敛的,因此\((X,F,T)\)已完成。□