Aerospace Kim

[실수공간의 위상] ch1. 거리공간

다음 읽을거리: ch2. 열린집합, 닫힌집합


Inner Product

 

  두 집합 A,B 에 대해, A×B 란 aA 및 bB 에 대하여 (a,b) 꼴의 모든 순서쌍의 집합임을 상기하자.

 

Definition.  R-벡터공간 Vinner product 란 다음의 성질을 만족하는 함수 ,:V×VR 을 의미한다.
  (1) v,w=w,v
  (2) cR,cv,w=cv,w=v,cw
  (3) v0v,v>0
  (4) v+w,z=v,z+w,z

 

  위에서 두 번째 조건에 따라 V 의 영벡터 0VR 의 영 0 에 대해 다음이 성립한다.

v,0V=v,00V=0v,0V=0

  따라서 영벡터와의 inner product 는 영임을 알 수 있다.

 

  다음은 inner product 를 이해하는 일반적인 방식이다. 이 정의가 위 조건을 만족함은 쉽게 보일 수 있으므로 생략한다.

 

Definition.  R-벡터공간 Rndot product 란 다음과 같이 정의된 inner product 이다.x=(x1,,xn),y=(y1,,yn)x,y=x1y1++xnyn

 

  Dot product 는 standard inner product 라고도 하며, R-벡터공간 Rn 에 대한 논의에서 특별한 언급이 없다면 기호 , 는 dot product 를 의미한다.

 

 

Norm

 

  Norm 이란 크기의 일반화된 개념이다.

 

Definition.  R-벡터공간 Vnorm 이란 다음의 성질을 만족하는 함수 p:VR 을 의미한다.
  (1) cR,p(cv)=|c|p(v)
  (2) v0p(v)>0
  (3) p(v+w)p(v)+p(w)

 

  다음의 정리에 따르면 크기가 0인 벡터는 영벡터뿐이다.

 

Theorem 1.1.  벡터공간 V 의 norm p 와 벡터 v 에 대해 p(v)=0 일 필요충분조건은 v=0 인 것이다.

 

  Proof.  Norm의 정의의 첫 번째 조건에 따라 V 의 영벡터 0VR 의 영 0 에 대해 다음이 성립한다.

p(0V)=p(00V)=|0|p(0V)=0

  따라서 영벡터의 norm 은 0이다. 역으로 어떤 벡터 v 에 대해 p(v)=0 이라고 하자. Norm 의 정의의 두 번째 조건의 대우명제는 p(v)0v=0 이므로 v=0 을 얻는다.   

 

 

  Norm의 정의에서 세 번째 성질을 삼각 부등식(triangle inequality)이라고 하는데, 이를 살짝 변형하여 아래와 같은 역삼각 부등식(reverse triangle inequality)을 얻을 수 있다. 이것도 종종 사용되는 성질이다.

 

Theorem 1.2.  R-벡터공간 V 의 norm p 와 임의의 v,wV 에 대해 다음이 성립한다.p(v)p(w)p(vw)

 

  Proof.  삼각 부등식에 따라 다음이 성립한다.

p(v)=p(vw+w)p(vw)+p(w)

p(v)p(w)p(vw)

 

 

  다음은 벡터공간으로서의 Rn 에서 정의되는 중요한 두 norm 이다.

 

Definition.  Rn 의 원소 x=(x1,,xn) 에 대해 아래의 두 함수 RnR 을 각각 euclidean norm, sup norm이라고 한다.||x||=x,x|x|=max{|x1|,,|xn|}

 

  위의 정의에서 norm 이라는 이름을 붙였지만, 진짜 norm 일지는 증명해보아야 아는 것이다. 다음의 정리부터 시작하자.

 

Lemma 1.3.  코시-부냐콥스키-슈바르츠 부등식 (Cauchy–Bunyakovsky–Schwarz inequality)
  임의의 x,yRn 에 대해 다음 부등식이 성립한다.|x,y|||x||||y||

 

※ 이 정리는 짧게 CBS 부등식, 또는 코시-슈바르츠 부등식이라고도 한다.

 

  Proof.  y=0 인 경우 |x,y|=0||x||||y||=0 이므로 부등식이 자명하게 성립한다. y0 이라고 하자. 임의의 cR 에 대해 다음이 성립한다.

0xcy,xcy=x,xcycy,xcy=x,xcx,ycy,x+c2y,y=||x||22cx,y+c2||y||2

  이제 c=x,y||y||2 라고 하자. 위 식은 다음과 같다.

0||x||22cx,y+c2||y||2=||x||22x,y2||y||2+x,y2||y||2

x,y2||x||2||y||2

  이때 ||x||||y|| 는 음이 아닌 실수이므로 원하는 결과를 얻는다.   

 

 

Theorem 1.4.  Euclidean norm 과 sup norm 은 Rn 의 norm 이며, 특히 다음이 성립한다.|x|||x||n|x|

 

  Proof.

  Step 1. Euclidean norm이 Rn 의 norm 임을 확인하자.

  (1) 임의의 cR 에 대해 다음이 성립한다.

||cx||=(cx1)2++(cxn)2=c2x12++xn2=|c|||x||

  (2) 0이 아닌 xRn 의 어떤 성분 xi 는 0이 아니며 다음이 성립한다.

0<|xi|=xi2x12++xn2=||x||

  (3) 코시-부냐콥스키-슈바르츠 부등식에 따라 다음 식이 성립한다.

||x+y||2=x+y,x+y=x,x+x,y+y,x+y,y=||x||2+||y||2+2x,y||x||2+||y||2+2|x,y|||x||2+||y||2+2||x||||y||=(||x||+||y||)2

  따라서 ||x+y||||x||+||y|| 를 얻는다.

 

  Step 2. Sup norm이 Rn 의 norm 임을 확인하자.

  (1) 임의의 cR 에 대해 다음이 성립한다.

|cx|=max{|cx1|,,|cxn|}=max{|c||x1|,,|c||xn|}=|c|max{|x1|,,|xn|}=|c||x|

  (2) 0이 아닌 xRn 의 어떤 성분 xi 는 0이 아니며 |x|=|xm| 이라고 할 때 다음이 성립한다.

0<|xi||xm|=|x|

  (3) Step 1에 따라 euclidean norm 은 Rn 의 norm이며, n=1 의 경우 euclidean norm 은 절댓값함수 || 와 동일하므로 norm 의 세 번째 성질에 따라 임의의 a,bR 에 대해 삼각 부등식 |a+b||a|+|b| 가 성립한다. |x+y|=|xm+ym| 이라고 하자. 다음이 성립한다.

|x+y|=|xm+ym||xm|+|ym||x|+|y|

 

  Step 3. 정리의 부등식을 증명하자. |x|=|xm| 이라고 하자. 다음이 성립한다.

|x|=|xi|=xm2x12++xn2=||x||

  따라서 |x|||x|| 를 얻는다. 한편 다음이 성립한다.

||x||=x12++xn2=|x1|2++|xn|2|xm|2++|xm|2=n|xm|2=n|xm|=n|x|

  따라서 원하는 결과를 얻는다.   

 

 

  일상생활에서 쓰이는 길이의 개념과 더 비슷한 norm 은 euclidean norm 이지만, 다변수 해석학에서 더 자주 쓰이는 것은 sup norm 이다. Sup norm 를 더 선호하는 것은 단지 단순함 때문이며, 나중에 살펴보겠지만 두 norm 중 어느 것을 사용하더라도 달라지는 것이 없다. 미리 힌트를 주자면 위 정리의 부등식에 따라 두 norm 은 서로 비슷한 (사실상 같은) 값을 갖는 것이 그 원인이다.

 

  Rn 의 sup norm 을 정의하였듯이 실수를 성분으로 갖는 m×n 행렬의 집합 Mm×n(R) 에서도 절댓값이 가장 큰 성분을 그 값으로 하여 sup norm 을 잘 정의할 수 있다. 이 경우 다음의 성질이 성립한다.

 

Theorem 1.5.  m×n 행렬 An×p 행렬 B 에 대해 다음 부등식이 성립한다.|AB|n|A||B|

 

  Proof.  |AB|AB(r,s) 번째 성분의 절댓값이라고 하자. 다음이 성립한다.

|AB|=|k=1narkbks|k=1n|ark||bks|k=1n|A||B|=n|A||B|

 

 

거리공간

 

Definition.  집합 X거리(metric)란 다음의 성질을 만족하는 함수 d:X×XR 을 의미한다.
  (1) d(x,y)=d(y,x)
  (2) d(x,y)=0x=y
  (3) d(x,z)d(x,y)+d(y,z)
  거리 d 가 정의된 집합 X거리공간(metric space)이라고 하며 (X,d) 와 같이 표기한다.

 

  한 집합에 반드시 하나의 거리만 정의될 이유는 없으며, 하나의 집합에 서로 다른 거리가 정의된 두 거리공간은 엄밀히 서로 다른 거리공간으로 보야아 한다.

 

  만약 거리공간의 거리가 무엇인지 분명한 경우 거리공간을 그냥 그 집합으로 언급하기도 한다. 예를들어 절대값 함수 || 가 정의된 실수집합 R 은 거리공간으로서 (R,||) 이라고 하기보다는 일반적으로 R 이라고 한다.

 

  위 정의로부터 거리의 숨겨진 성질 하나를 얻어낼 수 있다. 이는 "음의 거리" 를 고려하지 않는 우리의 직관과 일치한다.

 

Theorem 1.6.  거리공간 (X,d) 과 임의의 x,yX 에 대해 다음이 성립한다.d(x,y)0

 

  Proof.  거리의 정의에 따라 다음이 성립한다.

0=d(x,x)d(x,y)+d(y,x)=2d(x,y)

  따라서 원하는 결과를 얻는다.   

 

 

  다음의 정의는 어떤 집합과 그 부분집합에 동일한 거리를 사용하는 일반적인 상황에 대해 말한다.

 

Defintion.  거리공간 (X,d) 을 생각하자. 집합 YX 와 정의역을 Y×Y 로 제한한 거리 d 에 대해 (Y,d)(X,d)부분공간(subspace)이라고 한다.

 

  부분공간의 원소는 원래 거리공간에도 속하므로 거리의 성질을 모두 만족하며, 따라서 부분공간도 거리공간임은 자명하다. 사실상 부분공간이라는 개념은 (거리를 바꾸지 않는다면) 그저 부분집합에 불과하다.

 

  다음의 정리에 따르면 집합에 norm 이 잘 정의되는 경우 그 집합은 자연스럽게 거리를 가진다.

 

Theorem 1.7.  집합 X 에 정의된 norm p 에 대해 함수 d(x,y)=p(xy)X 의 거리이다.

 

  Proof.  위와 같이 정의된 함수가 거리의 성질을 만족하는지 확인하자.

  (1) 다음이 성립한다.

d(x,y)=p(xy)=|1|p(yx)=d(y,x)

  (2) 정리 1.1.에 따라 다음이 성립한다.

d(x,y)=0p(xy)=0xy=0x=y

  (3) 다음이 성립한다.

d(x,z)=p(xz)=p(xy+yz)p(xy)+p(yz)=d(x,y)+d(y,z)

 

 

  따라서 다음의 따름정리를 얻는다.

 

Corollary 1.8.  다음과 같이 정의된 두 함수는 각각 euclidean matric, sup matric 이라고 하며 Rn 의 거리이다.d(x,y)=||xy||d(x,y)=|xy|

 

  여기서 잠시 두 거리가 서로 어떠한 모양을 갖는지를 생각하자.

 

  쉽게 좌표평면 R2 위에서, y=0 인 경우를 생각하자. ||x0||=2 을 만족하는 모든 x 의 집합을 U , |x0|=2 을 만족하는 모든 x 의 집합을 V 라고 하자. U 의 원소의 경우 식 x2=4 를 만족하므로 U 는 좌표평면에서 중심이 원점이고 반지름이 2인 원의 형태이다. 한편 V 의 원소의 경우 가장 큰 성분의 절댓값이 2인 점이므로, 두 성분 중 하나는 ±2 이고 나머지 성분은 -2 에서 2 사이의 값을 갖는 점일 것이다. 이러한 점들을 모으면 좌표평면에서 중심이 원점이고 한 변의 길이가 4인 정사각형으로 나타난다.

 

  나아가 다음의 두 집합을 생각하자.

U={x:||xy0||r}

V={x:|xy0|r}

  이 두 집합이 좌표평면에서 어떻게 나타나는지를 생각해본다면, U 는 중심이 y0 이고 반지름이 r 인 내부가 채워진 원, V 는 중심이 y0 이고 한 변의 길이가 2r 인 정사각형임을 쉽게 떠올릴 수 있다. 만약 집합의 표현에 대신 < 가 사용되었다면 각각 이전의 도형에서 경계선이 제외된 집합을 가리킬 것이다.

 

  이렇게 경계선이 없는 원과 정사각형은 (다음 포스팅에서 알아볼) 열린집합의 원형이다.

 

 

읽어주셔서 감사합니다.

 

 

References)

[1] James R. Munkres. (1991). Analysis on manifolds. CRC press.


다음 읽을거리: ch2. 열린집합, 닫힌집합

 

 


댓글