考研-高等数学

七种未定式

高等数学中的七种未定式极限是：

1. $\frac{0}{0}$型极限：当函数分子和分母同时趋于零时，如$\lim_{x\rightarrow a}\frac{f(x)-f(a)}{x-a}$，可以尝试使用洛必达法则或泰勒公式等方法求解。
2. $\frac{\infty}{\infty}$型极限：当函数分子和分母同时趋于正无穷或负无穷时，如$\lim_{x\rightarrow \infty}\frac{f(x)}{g(x)}$，可以尝试使用洛必达法则、夹逼定理等方法求解。
3. $0\times \infty$型极限：当函数中有一个因子趋于零，另一个因子趋于正无穷或负无穷时，如$\lim_{x\rightarrow 0}x\ln x$，可以尝试使用变量代换、洛必达法则等方法求解。
4. $\infty - \infty$型极限：当函数中有两个趋于正无穷或负无穷的项相减时，如$\lim_{x\rightarrow \infty}(x-\ln x)$，可以尝试使用变量代换、洛必达法则等方法求解。
5. $1^{\infty}$型极限：当函数中有以常数为底、指数趋于正无穷或负无穷的幂次函数时，如$\lim_{x\rightarrow 0}(1+x)^{\frac{1}{x}}$，可以尝试使用极限的定义或变量代换等方法求解。
6. $\infty^0$型极限：当函数中有以正无穷为底、指数趋于零的幂次函数时，如$\lim_{x\rightarrow \infty}(1+\frac{1}{x})^x$，可以尝试使用指数函数的性质或变量代换等方法求解。
7. $0^0$型极限：当函数中有以零为底、指数趋于零的幂次函数时，如$\lim_{x\rightarrow 0}x^x$，可以尝试使用对数函数的性质或变量代换等方法求解。

以上七种未定式极限的计算方法并不是固定的，需要根据具体的函数形式和条件进行选择和尝试，一些特殊情况也可能需要特殊的方法。

罗尔定理的证明

罗尔定理是微积分中的一个基本定理，它陈述了一个连续函数在一个区间的两个端点处取相同的函数值，则在该区间内至少存在一个点使得该函数的导数为零。下面是对罗尔定理的证明：

假设函数 $f(x)$ 在闭区间 $[a,b]$ 上连续，在开区间 $(a,b)$ 上可导，并且满足 $f(a) = f(b)$。

由于 $f(x)$ 在 $[a,b]$ 上连续，根据最大值最小值定理，必然存在 $x_1, x_2 \in [a,b]$，使得 $f(x_1) \ge f(x)$ 对于所有 $x \in [a,b]$ 成立，并且 $f(x_2) \le f(x)$ 对于所有 $x \in [a,b]$ 成立。因此，$f(x)$ 在闭区间 $[a,b]$ 上取得了最大值和最小值。

如果 $f(x)$ 在开区间 $(a,b)$ 上恒为常数，则 $f’(x) = 0$ 对于所有 $x \in (a,b)$ 成立，命题成立。

否则，根据导数的定义，对于任意 $x \in (a,b)$，存在 $\xi \in (a,x)$ 和 $\eta \in (x,b)$，使得

$$f'(\xi) = \lim_{h \to 0^+} \frac{f(\xi + h) - f(\xi)}{h}$$

和

$$f'(\eta) = \lim_{h \to 0^+} \frac{f(\eta + h) - f(\eta)}{h}$$

如果 $f’(x) \neq 0$ 对于所有 $x \in (a,b)$ 均成立，则 $f’(x)$ 的符号在 $(a,b)$ 上不变，并且它们必然与 $f(x)$ 在 $[a,b]$ 上取得的最大值或最小值相反。但这与最大值最小值定理相矛盾，因此必定存在 $c \in (a,b)$，使得 $f’(c) = 0$。这就证明了罗尔定理

最大值最小值定理的证明

最大值最小值定理的证明可以分为两步：

第一步，证明连续函数在闭区间上一定存在最大值和最小值。

假设 $f(x)$ 是一个连续函数，定义在闭区间 $[a,b]$ 上。设 $M$ 和 $m$ 分别为 $f(x)$ 在 $[a,b]$ 上的上确界和下确界，即

M=sup⁡x∈[a,b]f(x),m=inf⁡x∈[a,b]f(x).M=x∈[a,b]supf(x),m=x∈[a,b]inff(x).

我们要证明 $M$ 和 $m$ 都是 $f(x)$ 在 $[a,b]$ 上的最大值和最小值。为此，我们需要证明：

1. $M$ 是 $f(x)$ 在 $[a,b]$ 上的最大值，即对于任意 $x\in[a,b]$，都有 $f(x)\le M$。
2. $m$ 是 $f(x)$ 在 $[a,b]$ 上的最小值，即对于任意 $x\in[a,b]$，都有 $f(x)\ge m$。

证明如下：

首先，根据上确界和下确界的定义，对于任意 $\epsilon>0$，都存在 $x_M, x_m\in [a,b]$，使得

f(xM)>M−ϵ,f(xm)M−ϵ,f(x**m)<m+ϵ.

由于 $[a,b]$ 是一个有限闭区间，因此 $x_M$ 和 $x_m$ 一定存在。此外，由于 $M$ 和 $m$ 分别是 $f(x)$ 在 $[a,b]$ 上的上确界和下确界，因此对于任意 $\epsilon>0$，都存在 $x_M’, x_m’\in [a,b]$，使得

M−ϵ<f(xM′)≤M,m≤f(xm′)<m+ϵ.M−ϵ<f(x**M′)≤M,m≤f(x**m′)<m+ϵ.

因此，我们可以得到以下不等式：

M−ϵ<f(xM′)≤f(xM)≤M,m≤f(xm)≤f(xm′)<m+ϵ.M−ϵ<f(x**M′)≤f(x**M)≤M,m≤f(x**m)≤f(x**m′)<m+ϵ.

这说明 $M$ 和 $m$ 分别是 $f(x)$ 在 $[a,b]$ 上的最大值和最小值。

第二步，证明开区间上的连续函数也具有最大值最小值定理。

假设 $f(x)$ 是一个连续函数，定义在开区间 $(a,b)$ 上。由于 $(a,b)$ 是一个无限开区间，因此 $f(x)$ 在 $(a,b)$ 上可以趋于无穷大或无穷小。但是，我们可以选取 $c\in (a,b)$，使得 $f(x)$ 在 $[a,c]$ 和 $[c,b]$ 上都是有界的。由于 $[a,c]$ 和 $[c,b]$ 都是有限闭区间，根据第一步的证明，$f(x)$ 在 $[a,c]$ 和 $[c,b]$ 上都存在最大值和最小值，记为 $M_1, m_1$ 和 $M_2, m_2$​。由于 $f(x)$ 在 $(a,b)$ 上的最大值和最小值一定在 $M_1, m_1$ 和 $M_2, m_2$ 中取得。因此，$f(x)$ 在 $(a,b)$ 上也具有最大值最小值定理。

综上所述，我们证明了最大值最小值定理。

积分 三角换元

三角换元是一种常用的积分技巧，可以将一些形如 $\int f(\sin x, \cos x) , dx$ 的积分通过变量代换 $\sin x = t$ 或 $\cos x = t$ 转化为形如 $\int g(t) , dt$ 的积分，从而简化计算。

以下是三角换元的一些常见用法：

1. $\int \sqrt{a^2-x^2} , dx$，令 $x=a\sin t$，则 $dx=a\cos t , dt$，代入原式得到 $\int a^2 \cos^2 t , dt$，然后可以使用三角恒等式 $\cos^2 t = \frac{1+\cos 2t}{2}$，最终得到 $\int \sqrt{a^2-x^2} , dx = \frac{1}{2}x\sqrt{a^2-x^2} + \frac{1}{2}a^2\arcsin \frac{x}{a} + C$。
2. $\int \frac{dx}{\sqrt{a^2+x^2}}$，令 $x=a\tan t$，则 $dx=a\sec^2 t , dt$，代入原式得到 $\int \frac{a\sec^2 t , dt}{\sqrt{a^2+a^2\tan^2 t}}$，最终得到 $\int \frac{dx}{\sqrt{a^2+x^2}} = \ln |x+\sqrt{a^2+x^2}| + C$。
3. $\int \frac{dx}{\sqrt{a^2-x^2}}$，令 $x=a\sin t$，则 $dx=a\cos t , dt$，代入原式得到 $\int \frac{a\cos t , dt}{\sqrt{a^2-a^2\sin^2 t}}$，最终得到 $\int \frac{dx}{\sqrt{a^2-x^2}} = \arcsin \frac{x}{a} + C$。
4. $\int \frac{dx}{x^2+a^2}$，令 $x=a\tan t$，则 $dx=a\sec^2 t , dt$，代入原式得到 $\int \frac{a\sec^2 t , dt}{a^2\tan^2 t+a^2}$，最终得到 $\int \frac{dx}{x^2+a^2} = \frac{1}{a}\arctan \frac{x}{a} + C$。

需要注意的是，三角换元中的变量代换应当考虑积分区间内函数取值的范围，同时也需要注意三角函数的正负号。

例1 $\int \frac{dx}{(x^2+a^2)^2}$

要计算积分 $\int \frac{dx}{(x^2+a^2)^2}$，可以通过变量代换来解决。令 $x = a\tan\theta$，则 $dx = a\sec^2\theta d\theta$，并且

$$x^2 + a^2 = a^2\tan^2\theta + a^2 = a^2\sec^2\theta.$$

Ss将这些代入原积分中，得到

$$\int \frac{dx}{(x^2+a^2)^2} = \int \frac{a\sec^2\theta d\theta}{(a^2\sec^2\theta)^2} = \int \frac{d\theta}{a^2\cos^4\theta}.$$

现在，我们可以使用三角恒等式 $\cos^2\theta = 1-\sin^2\theta$ 来将 $\cos^4\theta$ 表示为 $\cos^2\theta$ 的函数：

$$\cos^4\theta = \cos^2\theta\cos^2\theta = \cos^2\theta(1-\sin^2\theta) = \cos^2\theta - \cos^2\theta\sin^2\theta.$$

代入原式，得到

$$\int \frac{dx}{(x^2+a^2)^2} = \int \frac{d\theta}{a^2\cos^4\theta} = \int \frac{d\theta}{a^2(\cos^2\theta - \cos^2\theta\sin^2\theta)}.$$

接下来，使用代换 $u = \tan\theta$，$du = \sec^2\theta d\theta$，得到

$$\int \frac{dx}{(x^2+a^2)^2} = \int \frac{du}{a^2((1+u^2) - (1+u^2)\sin^2\theta)}.$$

再次使用三角恒等式 $\sin^2\theta = \frac{\tan^2\theta}{1+\tan^2\theta}$，得到

$$\int \frac{dx}{(x^2+a^2)^2} = \int \frac{du}{a^2(1+u^2)(1+\frac{u^2}{1+u^2})} = \int \frac{du}{a^2(1+u^2)^2}.$$

最后，使用部分分式分解，得到

$$\int \frac{dx}{(x^2+a^2)^2} = \frac{1}{2a^3}\left(\frac{x}{x^2+a^2} + \frac{1}{a^2}\arctan\frac{x}{a}\right) + C,$$

其中 $C$ 是积分常数。

例2 $\int{sin^mxdx}$

降次

这个积分的求解可以使用分部积分法以及反复利用三角函数公式来完成。下面是推导过程，使用LaTeX输出：

首先，我们使用分部积分法将被积函数中的一个$\sin^m x$项换成其导数乘以另一个函数：

$$\int \sin^m x dx = \int \sin^{m-1} x \cdot \sin x dx$$

然后，我们将$\sin x$写成$\cos x$的导数形式，即$\sin x = -\cos’(x)$。这样，我们可以将积分的第二项表示成$\cos x$和一个$\sin^{m-1} x$的乘积的形式：

$$\int \sin^m x dx = -\int \sin^{m-1} x \cdot \cos'(x) dx$$

现在，我们可以使用分部积分法了。将$\cos’(x)$视为第一部分，$\sin^{m-1} x$视为第二部分：

$$\int \sin^m x dx = -\cos(x) \cdot \sin^{m-1} x + (m-1) \int \cos x \cdot \sin^{m-2} x dx$$

注意到，上式中的$\int \cos x \cdot \sin^{m-2} x dx$也是一个$\sin$的幂函数的积分，因此我们可以继续使用分部积分法，将其化为$\sin^{m-3} x$的积分。

通过递归地应用分部积分法，我们可以将原始积分表示为以下形式：

$$\int \sin^m x dx = (-1)^{m-1} \cdot \cos(x) \cdot \sin^{m-1} x + \frac{(m-1)}{m} \int \sin^{m-2} x dx$$

现在，我们只需要将上式右边的积分改为形式$\int \sin^m x dx$，再带入分部积分的式子中，即可得到所求的结果：

$$\int \sin^m x dx = \frac{(m-1)}{m} \int \sin^{m-2} x dx - \frac{1}{m} \cos(x) \cdot \sin^{m-1} x$$

欧拉公式

欧拉公式表示为：

$e^{ix} = \cos(x) + i\sin(x)$

通过对欧拉公式的适当变换，可以得到下面的公式：

$\sin(x) = \frac{e^{ix} - e^{-ix}}{2i}$

我们可以将其代入被积函数 $\sin^m x$ 中：

$\begin{aligned} \sin^m x &= \left(\frac{e^{ix} - e^{-ix}}{2i}\right)^m\ &= \frac{1}{(2i)^m}(e^{ix} - e^{-ix})^m\ &= \frac{1}{(2i)^m}\sum_{k=0}^m \binom{m}{k} e^{i(m-2k)x}(-1)^k \end{aligned}$

因此，原积分可以写成：

$\int \sin^m x dx = \frac{1}{(2i)^m}\sum_{k=0}^m \binom{m}{k} \int e^{i(m-2k)x}(-1)^k dx$

我们可以通过分部积分来求解右侧的积分，令 $u = e^{i(m-2k)x}$ 和 $dv = (-1)^k dx$，则 $du = i(m-2k)e^{i(m-2k)x} dx$ 和 $v = (-1)^k x$，于是我们有：

$\int e^{i(m-2k)x}(-1)^k dx = (-1)^k \frac{e^{i(m-2k)x}}{i(m-2k)} - (-1)^k \frac{x e^{i(m-2k)x}}{i(m-2k)}$

将其代回原式，得到：

$\int \sin^m x dx = \frac{1}{(2i)^m}\sum_{k=0}^m \binom{m}{k} (-1)^k \left[\frac{e^{i(m-2k)x}}{i(m-2k)} - \frac{x e^{i(m-2k)x}}{i(m-2k)}\right] + C$

其中 $C$ 为积分常数。

微分方程

二阶常系数齐次微分方程是指形如 $y’’+ay’+by=0$ 的微分方程，其中 $a$ 和 $b$ 是常数。这种微分方程的通解可以表示为 $y=c_1e^{r_1x}+c_2e^{r_2x}$，其中 $c_1$ 和 $c_2$ 是任意常数，$r_1$ 和 $r_2$ 是方程的两个根。解法如下：

1. 求出特征方程的根。特征方程是 $r^2+ar+b=0$，它的两个根可以通过求解二次方程来得到：

   $r_1=\frac{-a+\sqrt{a^2-4b}}{2}$ 和 $r_2=\frac{-a-\sqrt{a^2-4b}}{2}$。

2. 判断特征方程的根的类型。

   如果特征方程的两个根都是不相等的实数，即 $r_1\neq r_2$，则通解为 $y=c_1e^{r_1x}+c_2e^{r_2x}$。

   如果特征方程的两个根相等，即 $r_1=r_2$，则通解为 $y=(c_1+c_2x)e^{r_1x}$。

   如果特征方程的两个根是共轭复数，即 $r_1=\alpha+i\beta$ 和 $r_2=\alpha-i\beta$，其中 $\alpha$ 和 $\beta$ 都是实数，那么通解为 $y=e^{\alpha x}(c_1\cos\beta x+c_2\sin\beta x)$。

3. 利用初始条件确定任意常数。

   如果给出了初始条件 $y(x_0)=y_0$ 和 $y’(x_0)=y_0’$，则可以利用这两个条件来确定常数 $c_1$ 和 $c_2$ 或 $c_1$ 和 $c_2$ 的线性组合。

二阶常系数非齐次微分方程是指形如 $y’’+ay’+by=f(x)$ 的微分方程，其中 $a$ 和 $b$ 是常数，$f(x)$ 是已知的函数。这种微分方程的通解可以表示为 $y=y_h+y_p$，其中 $y_h$ 是对应的齐次方程的通解，$y_p$ 是非齐次方程的一个特解。解法如下：

1. 求出对应的齐次方程的通解 $y_h$。根据前面提到的方法，我们可以求出齐次方程的两个根 $r_1$ 和 $r_2$，然后得到齐次方程的通解 $y_h=c_1e^{r_1x}+c_2e^{r_2x}$。

2. 求出非齐次方程的一个特解 $y_p$。这可以通过求解非齐次方程的特解来实现。具体的方法取决于 $f(x)$ 的形式。下面列出几种特殊情况的解法：

   • 当 $f(x)=P_n(x)e^{kx}$ 时，其中 $P_n(x)$ 是 $n$ 次多项式，$k$ 是常数，可以猜测一个特解为 $y_p=x^mQ_n(x)e^{kx}$，其中 $m$ 是 $P_n(x)$ 的最高次幂和 $r_1$，$r_2$ 中的最大值，$Q_n(x)$ 是 $P_n(x)$ 的系数为常数的多项式。然后代入非齐次方程中求解 $Q_n(x)$ 和 $m$ 的值。
   • 当 $f(x)=P_n(x)\sin(kx)$ 或 $f(x)=P_n(x)\cos(kx)$ 时，其中 $P_n(x)$ 是 $n$ 次多项式，$k$ 是常数，可以猜测一个特解为 $y_p=x^m[Q_n(x)\sin(kx)+R_n(x)\cos(kx)]$，其中 $m$ 是 $P_n(x)$ 的最高次幂和 $r_1$，$r_2$ 中的最大值，$Q_n(x)$ 和 $R_n(x)$ 是 $P_n(x)$ 的系数为常数的多项式。然后代入非齐次方程中求解 $Q_n(x)$、$R_n(x)$ 和 $m$ 的值。
   • 当 $f(x)$ 是一般的多项式、三角函数、指数函数或它们的线性组合时，可以尝试猜测一个形如 $y_p=c_1f_1(x)+c_2f_2(x)+\cdots+c_nf_n(x)$ 的特解，其中 $f_1(x),f_2(x),\ldots,f_n(x)$ 是 $f(x)$ 的基本解。然后代入非齐次方程中求解常数 $c_1,c_2,\ldots,c_n$。
   • 将 $y_p$ 代入原方程，检验其是否为非齐次方程的解。如果是，则 $y_p$ 是非齐次方程的一个特解。
   • 根据 $y_h$ 和 $y_p$ 得到非齐次方程的通解 $y=y_h+y_p$。

   需要注意的是，当非齐次方程的右端函数 $f(x)$ 为指数函数或正弦、余弦函数时，其形式比较特殊，解法也有些不同。在这种情况下，我们可以使用拉普拉斯变换、傅里叶变换等工具来求解。此外，当 $f(x)$ 是多项式、三角函数、指数函数或它们的线性组合时，有时候也可以使用待定系数法来求解特解。具体的方法可以参考相关的教材和资料。

实数完备性公理

实数完备性公理是实数系的一个基本公理，也称为连续性公理。它是指每一个非空实数集合，如果它有上界，则必定存在最小上界；如果它有下界，则必定存在最大下界。

换句话说，实数完备性公理保证了实数系中不存在“漏洞”或“间隙”，每一个实数集合都有一个确定的上确界和下确界。

实数完备性公理是实数系的一个重要性质，它是实数系与有理数系的区别之一。在有理数系中，存在一些集合，例如有理数集合 ${x \in \mathbb{Q} | x^2<2}$，它们在有理数系中没有上确界，但是在实数系中却存在。这就说明了实数系比有理数系更加完备。

实数完备性公理可以用来证明很多数学定理，例如中值定理、闭区间套定理、柯西收敛准则等等。因此，它是数学中一个非常重要的公理。

确界存在定理

确界存在定理是实数完备性公理的一个重要推论，它指出：非空实数集合如果有上界，则必定存在最小上界，这个最小上界就是该集合的上确界；如果有下界，则必定存在最大下界，这个最大下界就是该集合的下确界。

下面我们来证明这个定理：

假设 $S$ 是一个非空实数集合，并且 $S$ 有上界，则 $S$ 中的上界集合 $U$ 不为空。根据实数完备性公理，$U$ 必定有一个最小元素 $s_0$，即 $s_0$ 是 $U$ 的最小上界。我们需要证明 $s_0$ 是 $S$ 的上确界。

首先，由于 $s_0$ 是 $U$ 的上确界，所以对于 $S$ 中的任何元素 $s$，$s \leq s_0$，因为 $s$ 不可能大于 $s_0$，否则 $s_0$ 就不是 $U$ 的上界了。因此，$s_0$ 是 $S$ 的一个上界。

其次，对于 $S$ 中的任何上界 $u$，$u$ 必定在 $U$ 中，因为 $U$ 是所有 $S$ 的上界的集合。而 $s_0$ 是 $U$ 的最小元素，因此 $u \leq s_0$。因此，$s_0$ 是 $S$ 的最小上界，即 $s_0 = \sup S$。

同样地，如果 $S$ 有下界，则可以证明存在最大下界，即 $\inf S$。

综上所述，我们证明了确界存在定理。

Dedekind切割

Dedekind切割是实数构造中的一种方法，其基本思想是将实数集合分成左侧和右侧两个部分，并用这两个部分的交集来表示一个实数。

Dedekind切割定理指出：如果将实数集合划分成两个非空部分$A$和$B$，并满足以下三个条件：

1. $A$和$B$之间不存在任何实数，即$\forall a\in A$，$\forall b\in B$，有$a<b$；
2. $A$没有最大元素，即$A$中不存在一个元素$a$，使得$\forall x\in A$，都有$x\leq a$；
3. $B$没有最小元素，即$B$中不存在一个元素$b$，使得$\forall y\in B$，都有$b\leq y$。

那么，我们可以将$A$和$B$对应到实数轴上，并将$A$中的所有实数对应到轴上的点集合$C_A$，$B$中的所有实数对应到轴上的点集合$C_B$，则切割所代表的实数即为$C_A$中的最大元素，也就是$\sup(C_A)$。

这个定理是实数完备性公理的等价表述，因为它指出了如何用一个非空实数集合$A$来表示一个实数$x$，同时保证了实数轴上没有间隙和“漏洞”，从而满足实数完备性公理。

Euler常数

Euler常数通常用字母$\gamma$表示，它是一个重要的数学常数，定义为下式中的极限值：

$$\gamma = \lim_{n\rightarrow \infty}\left(\sum_{k=1}^{n}\frac{1}{k}-\ln n\right)$$

也可以用积分形式来表示，即

$$\gamma = \int_{0}^{1} \frac{1-e^{-x}}{x} dx$$

Euler常数出现在很多数学问题中，例如在复杂分析、概率论、数论等领域都有应用。它也是调和级数的渐近常数，即

$$\sum_{k=1}^{n} \frac{1}{k} \sim \ln n + \gamma \ (n \rightarrow \infty)$$

Euler常数的准确值是$\gamma \approx 0.57721566490153286$，它是一个无理数，并且没有已知的简单表示方式。但是，它可以被计算机以任意精度进行计算。

例子：证明$\lim{n \to \infty}(\sum{k=1}^{n}{\frac{1}{n+k}}) = \ln{2}$， 令$bn = (\sum{k=1}^{n}\frac{1}{k}-\ln n)$， $cn = b{2n} - b_n + \ln{2n} - \ln{n}$

闭区间套定理

闭区间套定理是实数完备性公理的一个重要应用，它也被称为Cantor定理或Bolzano-Weierstrass定理。该定理指出，如果有一系列的闭区间$[a_1,b_1], [a_2,b_2], [a_3,b_3],\ldots$，并且满足以下两个条件：

1. $[a_1,b_1]\supset [a_2,b_2] \supset [a_3,b_3] \supset \ldots$，即每个区间都包含后面的区间；
2. $\lim_{n \rightarrow \infty} (b_n-a_n) = 0$，即每个区间的长度趋近于零。

那么，这些区间的交集$\bigcap_{n=1}^{\infty} [a_n,b_n]$必定非空，并且其中必定存在唯一的实数。

这个定理的直观意义是，如果一系列区间的长度越来越小，而且它们之间是互相包含的，那么它们的交集必定存在，而且其中必定存在唯一的实数。

闭区间套定理的证明基于实数完备性公理，即它利用了实数的确界性质和单调有界原理。它在实数分析、数论等领域都有广泛应用，是数学中一个基础而重要的定理。

可列集

在集合论中，一个集合被称为可列集，当且仅当它能够和自然数集$\mathbb{N}$建立一一对应关系。也就是说，如果存在一个从自然数集到该集合的映射$f: \mathbb{N} \rightarrow A$，其中$A$是待定的集合，且对于任意的$x, y \in \mathbb{N}$，如果$x \neq y$，则$f(x) \neq f(y)$，那么集合$A$就是可列集。

换句话说，如果一个集合可以按照自然数的顺序列举出它的所有元素，且不会漏掉任何元素，那么这个集合就是可列集。

一些例子：

• 自然数集$\mathbb{N}$是可列集，因为它可以和自身建立一一对应的关系。

• 整数集$\mathbb{Z}$也是可列集，因为可以将它们按照下面的顺序列举出来：

  $0, 1, -1, 2, -2, 3, -3, \ldots$

  即先列举出0，然后依次列举出1，-1，2，-2，3，-3等等。

• 有理数集$\mathbb{Q}$也是可列集，可以使用Cantor对角线法证明。我们可以将所有有理数按照下面的方式排列：

  $\begin{matrix} 1/1 & 1/2 & 1/3 & 1/4 & \ldots \ 2/1 & 2/2 & 2/3 & \ldots \ 3/1 & 3/2 & \ldots \ 4/1 & \ldots \ \vdots & & & \ddots \end{matrix}$

  然后按照Cantor对角线的方式构造一个新的有理数$x$，其中$x$的第$n$位小数是第$n$行第$n$列有理数的分子和分母之和，然后我们可以证明这个新构造出来的有理数$x$不在前面的表格中，即它和所有在表格中的有理数都不相等，因此，有理数集是可列集。

可列集在数学中非常重要，因为它们具有良好的可数性质，例如它们可以用无穷级数求和，可以使用递归算法等等。同时，可列集也是比较特殊的集合，因为它们的势小于或等于自然数集$\mathbb{N}$的势，而非可列集的势可能比自然数集更大。