1.问题的提出
1.1什么是数学空间?
- 研究工作的对象和遵循的规则
- 元素和机构(线性结构:加法和数乘; 拓扑结构:距离、范数、开集)
- 是很多工程学甚至社会科学的语言
在微积分里可以定义极限和连续,依赖于距离。
∀ ε > 0 , ∃ δ > 0 ( ∣ x − x 0 ∣ < δ ) ⇒ ( ∣ f ( x ) − f ( x 0 ) ∣ < ε ) \begin{array}{l}{\forall \varepsilon>0, \quad \exists \delta>0} \\ {\left(\left|x-x_{0}\right|<\delta\right) \Rightarrow\left(\left|f(x)-f\left(x_{0}\right)\right|<\varepsilon\right)}\end{array} ∀ε>0,∃δ>0(∣x−x0∣<δ)⇒(∣f(x)−f(x0)∣<ε)
2. 距离、范数(曲线距离)
2.1 向量
x = ( x 1 , ⋯   , x n ) x=\left(x_{1}, \cdots, x_{n}\right) x=(x1,⋯,xn)到 y = ( y 1 + … , y n ) y=\left(y_{1}+\dots, y_{n}\right) y=(y1+…,yn)的距离
情形1
d 1 ( x , y ) = ( x 1 − y 1 ) 2 + ⋅ ⋅ ⋅ + ( x n − y n ) 2 d_{1}(x, y)=\sqrt{(x_{1}-y_{1})^2+···+(x_{n}-y_{n})^2} d1(x,y)=(x1−y1)2+⋅⋅⋅+(xn−yn)2
这是我们学过的最常见的距离,也就是直线距离。
情形2
d 2 ( x , y ) = = m a x { ∣ x 1 − y 1 ∣ + ⋯ + ∣ x n − y n ∣ } d_{2}(x, y)==max\{\left|x_{1}-y_{1}\right|+\dots+\left|x_{n}-y_{n}\right|\} d2(x,y)==max{∣x1−y1∣+⋯+∣xn−yn∣}
这是一种折线距离。折线之中取最大的(现实比较常见,因为两点之间,可能直线无法跨越)。
情形3
d 3 ( x , y ) = ∣ x 1 − y 1 ∣ + ⋯ + ∣ x n − y n ∣ d_{3}(x, y)=\left|x_{1}-y_{1}\right|+\dots+\left|x_{n}-y_{n}\right| d3(x,y)=∣x1−y1∣+⋯+∣xn−yn∣
2.2 函数
函数 f ( x ) f(x) f(x)到函数 g ( x ) g(x) g(x)的距离
情形1
d 1 ( f , g ) = ∫ a b ( f ( x ) − g ( x ) ) 2 d x d_{1}(f, g)=\int_{a}^{b}(f(x)-g(x))^{2} dx d1(f,g)=∫ab(f(x)−g(x))2dx
也就是相互抵消之后,面积就是它的距离。
情形2
d 2 ( f , g ) = max a < x < b ∣ f ( x ) − g ( x ) ∣ \begin{aligned}d_{2}(f, g)=\max _{a<x<b}|f(x)-g(x)|\end{aligned} d2(f,g)=a<x<bmax∣f(x)−g(x)∣
也可以取二者的最大值,但是注意不可以取最小值。比如两条直线有一个交点,如果取了最小值也就是0的话,按照一些距离的定义,这两条曲线是一条线,但是不是。所以我们要取最大值,最大值也是0的时候,这两条曲线才是同一条直线。
情形3
d 3 ( f , g ) = ∫ a b ( f ( x ) − g ( x ) ) k d x d_{3}(f, g)=\int_{a}^{b}(f(x)-g(x))^{k} d x d3(f,g)=∫ab(f(x)−g(x))kdx
也可以是任意次方,但是需要注意,如果是奇数次方,里面应该打上绝对值。
2.3 那么我们究竟怎么定义距离呢?
前面我们看到了,距离有这么多种计算方式,但是究竟什么是距离呢?我们应该抓住:不是具体指它是什么,而是有什么属性的对象是它。
这么说可能有点绕,举个栗子:如果我问你什么是苹果,你可能告诉我,红红的,圆形,带有红晕,吃起来很甜,但是我如果问你什么是水果,你就没办法具体描述了,因为苹果是红的,橘子是黄的,西瓜是绿的,有的甜,有的酸,有的是圆的,但是有的水果是方的,我们只能通过描述可以吃、水分较多的植物果实等等属性来进行定义。
定义:设
x
x
x是一非空集合,任给一对这一集合的元素
x
,
y
x,y
x,y,都给定一个实数
d
(
x
,
y
)
d(x,y)
d(x,y)与它们对应,并且满足:
(
1
)
d
(
x
,
y
)
≥
0
,
d
(
x
,
y
)
=
0
⇔
x
=
y
(
2
)
d
(
x
,
y
)
=
d
(
y
,
x
)
(
3
)
d
(
x
,
y
)
≤
d
(
x
,
z
)
+
d
(
z
,
y
)
\begin{array}{l}{(1) \quad d(x, y) \geq 0, d(x, y)=0 \Leftrightarrow x=y} \\ {(2) \quad d(x, y)=d(y, x)} \\ {(3) \quad d(x, y) \leq d(x, z)+d(z, y)}\end{array}
(1)d(x,y)≥0,d(x,y)=0⇔x=y(2)d(x,y)=d(y,x)(3)d(x,y)≤d(x,z)+d(z,y)
则称
d
(
x
,
y
)
d(x,y)
d(x,y)是这两点之间的距离。
其实翻译一下,这三个条件就是在说:
- 自身和自身的距离应该是0,而自身和其他的距离应大于0。
- A和B的距离与B和A的距离应该是相同的。
- A和B的距离与B和C的距离之和要大于等于A和C的距离
这就是教我们使用这种方式去描述抽象概念,也就是抓它最重要的属性。
2.4 线性空间
定义了加法和数乘的空间就是线性空间。这是对空间概念的一个具体化。就类似于下面的水果的概念具象到了热带水果。
2.5 度量空间
距离的定义是多种多样的。只要满足距离的三条性质,就可以被认为是一种距离。而定义了距离以后的空间又被叫做度量空间。
范数
有了度量空间后还不够,我们需要知道向量本身的大小。于是我们引入了范数的概念。范数同样需要满足非负性和三角不等式,但范数还有一个条件,也就是第2点。
定义:设 ∣ ∣ x ∣ ∣ ||x|| ∣∣x∣∣是 R n R^n Rn的范数,若满足:
- ∥ x ∥ ≥ 0 , ∀ x ∈ R ∗ : ∥ x ∥ = 0 ⇔ x = 0 \|x\| \geq 0, \quad \forall x \in R^{*} :\|x\|=0 \Leftrightarrow x=0 ∥x∥≥0,∀x∈R∗:∥x∥=0⇔x=0。
- ∥ α x ∥ = ∣ α ∣ ∥ x ∥ , ∀ α ∈ R , x ∈ R ∗ \|\alpha x\|=|\alpha|\|x\|, \quad \forall \alpha \in R, x \in R^{*} ∥αx∥=∣α∣∥x∥,∀α∈R,x∈R∗
- ∣ ∣ x + y ∥ ∣ ≤ ∥ x ∥ + ∥ y ∥ . ∀ x , y ∈ R ∗ | | x+y\| | \leq\| x\|+\| y \| . \quad \forall x, y \in R^{*} ∣∣x+y∥∣≤∥x∥+∥y∥.∀x,y∈R∗
简单看成到零点的距离多了第2点。因此范数比距离更加具体。
注1:由范数可以定义距离
d
(
x
,
y
)
=
∥
x
−
y
∥
d(x,y)=\|x-y\|
d(x,y)=∥x−y∥。
注2:但是距离不一定可以范数,例如
∥
x
∥
=
d
(
0
,
x
)
\|x\|=d(0,x)
∥x∥=d(0,x)但是
∥
α
x
∥
=
d
(
0
,
x
)
\|\alpha x\|=d(0,x)
∥αx∥=d(0,x)≠
∣
α
∥
x
∥
|\alpha \|x\|
∣α∥x∥。
2.6 赋范空间
定义了范数的空间被称为赋范空间,完备的赋范空间称为巴纳赫空间。
2.7 内积空间
赋范空间有向量的模长,即范数,但是还缺乏一个很重要的概念——两个向量的夹角。这时候我们引入内积的概念。
定义:设
(
x
,
y
)
∈
R
(x,y) \in R
(x,y)∈R,且满足:
- 对称性
- 对第一变元的线性性;(也就是 α \alpha α可以提出来)
- 正定性
则称 ( x , y ) (x,y) (x,y)为内积。例:
( x , y ) = ∑ i = 1 n x i y i (x, y)=\sum_{i=1}^{n} x_{i} y_{i} (x,y)=∑i=1nxiyi
(
f
,
x
)
=
∫
−
∞
+
∞
f
(
x
)
g
(
x
)
d
x
(f, x)=\int_{-\infty}^{+\infty} f(x) g(x) d x
(f,x)=∫−∞+∞f(x)g(x)dx
内积可以导出范数。反之不可,因为内积比范数定义又多了。
在线性空间上定义内积。其空间称为内积空间。
内积空间可在空间中建立欧几里得几何学,例如交角、垂直和投影等,故习惯上称其为欧几里得空间,这也是我们最习惯的空间。
2.8 希尔伯特空间
1904-1910年希尔伯特引入无穷实数组并定义内积,其空间称为内积空间,再加上完备性,称为希尔伯特空间(无穷维)。它是欧几里得空间的一个推广,其不再局限于有限维的情形。与欧几里得空间相仿,希尔伯特空间是一个内积空间,其上有角和距离的概念。
希尔伯特空间一般是函数,常见的是含有各种频率的平面波函数,一种频率对应一个基底,维度是无穷,这些基底即平面波函数是完备的(Hilbert空间中的任何元素都可以用平面波函数展开, 其实就是指傅里叶变换), 正交(平面波函数做"点积"为delta函数)
2.9 拓扑空间
欧几里得几何学需要内积,但连续的概念不需要内积,甚至不需要距离。比如,社交圈的描述;学号的指定是”连续“的。圈子不是距离。
设
x
x
x是任一集合
τ
∈
2
x
\tau \in \mathbf{2}^{x}
τ∈2x,若满足:
- τ \tau τ内任意个集合的并仍属于 τ \tau τ。
- τ \tau τ内有限个集合的交仍属于 τ \tau τ。
- x x x和空集仍属于 τ \tau τ。
则称 τ \tau τ是 x x x上的一个拓扑。称 ( x , τ ) (x,\tau) (x,τ)为拓扑空间。称 x ∈ X , x n ⊂ X ; x n → x . x \in X,{x_{n} }\subset X ; x_n \rightarrow x. x∈X,xn⊂X;xn→x.是指:对含有 x x x的任一开集 O ∈ τ O \in\tau O∈τ存在 N N N,当 n > N n>N n>N时, x n ∈ O x_n \in O xn∈O。
综述
线性空间又称作向量空间,关注的是向量的位置,对于一个线性空间,知道基(相当于三维空间中的坐标系)便可确定空间中元素的坐标(即位置);线性空间只定义了加法和数乘运算。如果我们想知道向量的长度怎么办?—-定义范数,引入赋范线性空间赋范线性空间定义了范数的线性空间!如果我们想知道向量的夹角怎么办?—-定义内积,引入内积空间3.内积空间定义了内积的线性空间!!4.欧式空间定义了内积的有限维实线性空间!如果我们想研究收敛性(极限)怎么办?—-定义完备,Banach空间完备的赋范线性空间!Hilbert空间完备的内积空间!!!(极限运算中不能跑出度量的范围)他们之间的关系可以用下图表示: