向量/元素 - 具备N个独立维度/属性的个体?
元素(向量) + 元素作用规则 → 空间 space
线性规则(加法+数乘) → 线性空间
元素的相似程度 → 距离 → 度量空间
向量的自身大小 → 范数 → 赋范空间
向量的相对位置 → 夹角 → 内积空间
向量基:正交基,非正交基。基向量 → 任意向量。
函数基:三角基、小波基。。。。
函数 = 无穷维向量
函数空间:变换/映射/操作/算子operator @ 操作数 operand
空间一定是由元素和元素之间的规则组成的。组成空间的元素是一个个的向量,而向量之间的相互关系就是空间内的规则。
线性空间(Linear Space):定义了加法和数乘的空间。
度量空间(Metric Space):定义了距离的空间。
赋范空间(Normed Space):定义了范数的空间。
线性赋范空间(Normed Linear Space):定义了范数的线性空间。
内积空间 (Inner product space):定义并满足内积性质的线性赋范空间。
欧几里得空间(Euclidean Space):定义了内积的线性空间。(定义了内积的有限维实线性空间)
希尔伯特空间(Hilbert space):完备的内积空间称为Hilbert空间。
巴拿赫空间(Banach Space):完备的赋范空间。定义了距离、范数和完备性。
完备空间(Complete Space):若一个空间是完备的,则该空间中的任何一个柯西序列都收敛在该空间中。完备性Completeness是指定义了极限,且无论怎么取极限,其极限都不会超脱于该空间。
某种意义上,人是社会空间中的一个元素。人在社会中生存生活,会受到各种社会规范(元素规则)的约束。但在不同的场景下,起主导作用的规则不同。即所谓,人在江湖,身不由己。
参考:
重新理解函数空间
函数空间的理解
Function basis
Reproducing Hilbert Kernel Space
数学中的各种空间
各种数学空间概念的关系图
机器学习的数学基础之空间
分析学中的空间