各类空间与相关性质汇总

1.度量空间

度量空间的核心是定义了距离,拥有距离的空间叫做度量空间。这里指的包括各个点之间的距离,向量之间的距离,曲线之间的距离,函数之间的距离等。

定义

如果引入了函数 $\rho: \mathbb{M} \times \mathbb{M} \rightarrow \mathbb{R}^1$,则空间 $\mathbb{M}$ 称为度量的,它具有以下属性:

  1. $\rho(u, v)=0 \Leftrightarrow u=v$;

  1. $\rho(u, v)=\rho(v, u) \geqslant 0 \quad \forall u, v \in \mathbb{M}$; (对称且非负)

  1. $\rho(u, v) \leqslant \rho(u, w)+\rho(w, v) \quad \forall u, v, w \in \mathbb{M}$。 (三角不等式)

这个函数 $\rho$ 被称为空间 $\mathbb{M}$ 中的**度量(метрикой)**或**距离(расстоянием)**。

通过度量空间,可以引入下面五个重要定义:

1.强收敛

如果 $\lim _{n \rightarrow \infty} \rho\left(u_n, u\right)=0$,度量空间 $\mathbb{M}$ 的元素序列 $\left{u_n\right}$ 与引入的度量 $\rho$ 被称为强收敛(сильно сходящейся) 到元素 $u \in \mathbb {M}$ 。

2.柯西序列

如果 $\lim _{\substack{m \rightarrow \infty \ n \rightarrow \infty}} \rho\left(u_m, u_n\right)=0$,则度量空间 $\mathbb{M}$ 的元素序列 $\left{u_n\right}$ 称为柯西序列(фундаментальной)。

3.完备性

度量空间 $\mathbb{M}$ 被称为完备的,若对于任意基本序列$\left{u_n\right}$存在一个元素 $u \in \mathbb{M}$,使得序列强收敛到它。 $\left(\lim _{n \rightarrow \infty} \rho\left(u_n, u\right)=0\right)$。

换而言之,集合中的元素取极限不超出此空间称其具有完备性。

对于完备性可以举几个例子:有一个有理数组成的一个集合 {1, 1.4, 1.41, 1.414, 1.4142…},此集合极限为$√2$,而$√2$是无理数,不是有理数,即有理数不具备完备性。

一个通俗的理解是把学校理解为一个空间,你从学校内的宿舍中开始一直往外走,当走不动停下来时 **(极限收敛)**,发现已经走出学校了 **(超出空间)**,不在学校范围内了 **(不完备了)**。

4.集合封闭性

如果一个集合 $M$ 也包含它的所有边界点,则称它为闭集。

这里也列出边界点的定义,在数分2中我们曾学习过:

$x$ 是 $\mathbf{M}$ 的边界点,如果在它的任何邻域中,有属于 $\mathbf{M}$ 并且不在 $\mathbf{M}$ 中的点 (对应于下面那个半黑半白的球)

这里有两个备注:

1.任何强收敛序列都是柯西序列,但反之的情况很多时候不成立:因为无限维度量空间的柯西序列可能不会强收敛到该空间中的任何元素。

2.在度量空间 $\mathbb{M}$ 中,可能同时具有不同的度量,这些度量在收敛性和完备性方面可能是完全不一致的。

5.紧集(紧致性)

度量空间 $\mathbb{M}$ 中度量为 $\rho$ 的集合 $\mathbf{U}$ 被称为紧集,如果从任意序列 $\left{u_n\right} \subset \mathbf{ U}$ 中可以选出子序列,对于度量 $\rho$ 强收敛到某个元素 $u \in \mathbf{U}$。

在有限维的情况下,一个集合的紧致概念等价于它的 封闭性和有界性 (充分必要条件);但无限维情况有所不同——紧集可以得到封闭性和有界性,反之却不成立。

2.赋范空间

一个线性空间 $\mathbb{L}$ 被称为赋范空间,如果定义了一个泛函 $|\cdot|: \mathbb{L} \rightarrow \mathbb{R}^1$,并具有以下性质:

  1. $|u|=0 \Leftrightarrow u=\Theta ;$(零等于零元素的范数,只有它)

  1. $|u+v| \leqslant|u|+|v| \quad \forall u, v \in \mathbb{L} ;$(三角不等式)

  1. $|\lambda u|=|\lambda| \cdot|u| \quad \forall u \in \mathbb{L},\lambda \in \mathbb{R}^1$。(正半定性)

这个泛函称为空间 $\mathbb{L}$ 的范数。

范数的几何意义可以认为是一个元素到空间零点的距离。这里需要注意的是,距离指的是两个元素之间的关系,而范数指的是一个元素本身的性质。 任何赋范空间都是具有度量 $\rho(u, v)=|u-v|$ 的度量空间。这个度量称为由范数生成的度量。

注意:在引入范数 $|\cdot|$ 的赋范空间中,强收敛通常称为**范数收敛(сходимостью по норме)**,因为它的定义可以重新表述:序列 $\left{u_n\right}$ 强收敛于元素 $u$ ,如果 $\lim _{n \rightarrow \infty}\left|u_n-u\right|=0$。

3.巴拿赫空间

若赋范空间对其范数生成的度量是完备的,则该赋范空间称为巴拿赫空间。

我们列出了几个经典的巴拿赫空间:

  1. 带有任何范数的空间 $\mathbb{R}^n$

  1. 空间 $C[a;b]$ 在区间 $[a;b]$ 上连续。具有范数的函数 $|f|=\max _{t \in[a ; b]}|f(t)|$

  1. 空间 $\ell^p$ 与范数 $|x|=\left(\sum_{n=1}^{\infty}\left|x_n\right|^p\right)^{1 / p }$

  1. 空间 $L^p(a ; b)$ 与范数 $|f|=\left((L) \int_a^b|f(t)|^p d t\right)^{1 / p}$

4.欧几里得空间

线性空间 $\mathbb{H}$ 称为欧几里得空间,如果泛函 $\langle\cdot, \cdot\rangle$ : $\mathbb{H} \times \mathbb{H} \rightarrow \mathbb{R}$ 被引入,且具有以下性质:

  1. $\langle h, h\rangle \geqslant 0, \forall h \in \mathbb{H} ;\langle h, h\rangle=0 \Leftrightarrow h=\Theta$;

  1. $\left\langle h_1, h_2\right\rangle=\left\langle h_2, h_1\right\rangle, \forall h_1, h_2 \in \mathbb{H}$;

  1. $\left\langle h_1+h_2, h_3\right\rangle=\left\langle h_1, h_3\right\rangle+\left\langle h_2, h_3\right\rangle, \forall h_1, h_2, h_3 \in \mathbb {H}$;

  1. $\left\langle\lambda h_1, h_2\right\rangle=\lambda\left\langle h_1, h_2\right\rangle, \forall h_1, h_2 \in \mathbb{H}, \forall \lambda \in \mathbb{R}$。

这个泛函称为空间 $\mathbb{H}$ 中的内积。内积的意义在于在范数的概念上加了角度限制条件。 拥有内积的空间叫做内积空间,有限维内积空间是欧几里得空间。 欧几里得空间是一个定义了内积的实数域上的线性空间。

注意:任何欧几里得空间都是范数为 $|h|=\sqrt{\langle h, h\rangle}$ 的赋范空间。该范数称为标量积生成的范数。该范数生成的度量 $\rho(u, v)=\sqrt{\langle u-v, u-v\rangle}$ 称为内积生成的度量。

注意:欧几里得空间一定是赋范空间。

!无限维欧几里得空间中单位球的非紧致性

在任意无限维欧几里得空间中,单位球 $\mathbf{U}={u \in \mathbb{H}:|u| \leqslant 1}$ **不具有紧致性(集合不是紧集)**。为了证明这一点,只要考虑正交系 $\left{e_n\right}$ 就足够了:

$$

\left|e_n\right|=1, n=1,2, \ldots, \quad\left\langle e_m, e_n\right\rangle=0, m \neq n 。

$$

对于这个系统的任意两个不同的元素 $e_m, e_n$,我们有

$$

\rho^2\left(e_m, e_n\right)=\left|e_m-e_n\right|^2=\left\langle e_m-e_n, e_m-e_n\right\rangle=\left\langle e_m, e_m\right\rangle-2\left\langle e_m, e_n\right\rangle+\left\langle e_n, e_n\right\rangle=1-2 \cdot 0+1=2,

$$

因此,序列 $\left{e_n\right}$ 及其任何子序列都不是柯西序列,也就更不可能有强收敛到某点的子序列了。

对于欧式空间的紧致性、连续性等概念,我们也将提出对于无限维空间的弱紧致性,弱连续性等概念。概念如下:

1.弱收敛

如果 $\lim _{n \rightarrow \infty}\left\langle u_n, h\right\rangle=\left\langle u_0, h\right\rangle \quad \forall h \in \mathbb{H}$,那么引入标量积 $\langle\cdot, \cdot\rangle$的欧几里得空间 $\mathbb{H}$ 的元素序列 $\left{u_n\right}$ 称为弱收敛(слабо сходящейся) 到这个空间的元素$u_0$,

值得注意的是,弱收敛的概念仅在无限维空间中才有意义。 因为在有限维空间中,弱收敛和强收敛是等价的。

2.弱紧集(弱紧致性)

欧几里得空间 $\mathbb{H}$ 中的集合 $\mathbf{U}$ 称之为是弱紧集(слабо компактным),如果从任何序列 $\left{u_n\right} \subset \mathbf{U}$ 中可以挑出一个弱收敛到某个元素 $u \in \mathbf{U}$ 的子序列。

注:一个集合是紧集直接意味着它是弱紧集:因为如果集合 $U$ 是紧集,那么从它的任意元素序列 $\left{u_n\right}$ 中可以选择一个子序列 $\left{u_{ n_k}\right}$ 收敛到元素 $u \in \mathbf{U}$。 但是这个子序列弱收敛到同一个元素 $u$,所以集合 $U$ 是弱紧集。

2.1 弱紧集引理

如果引入了标量积$\langle\cdot,\cdot\rangle$的欧几里得空间 $\mathbb{H}$ 中的集合 $\mathbf{U}$ 是凸集,封闭集且有界,则这个集合是弱紧集。

5.希尔伯特空间

若欧几里得空间对其内积生成的度量是完备的,则该欧几里得空间称为希尔伯特空间。

我们列出了几个经典的希尔伯特空间:

  1. $\mathbb{R}^n$ 与内积 $\langle x, y\rangle=\sum_{k=1}^n x_k y_k$。

  1. $\ell^2$ 与内积 $\langle x, y\rangle_{\ell^2}=\sum_{k=1}^{\infty} x_k y_k$。

  1. $L^2(a ; b)$ 与内积 $\langle f, g\rangle_{L^2(a ; b)}=(L) \int_a^b f(t) g(t) dt$

上述关系可以表示为韦恩图:

最优化方法1——各类拓扑空间与强弱紧集、下半收敛问题相关推荐

  1. 《BI那点儿事》Microsoft 聚类分析算法——三国人物身份划分

    <BI那点儿事>Microsoft 聚类分析算法--三国人物身份划分 原文:<BI那点儿事>Microsoft 聚类分析算法--三国人物身份划分 什么是聚类分析?  聚类分析属 ...

  2. 房子要室内设计了,先从讲装修的施工工艺开始!

    住老师先和大家讲讲电路改造怎么做的? 一.电路的施工工艺进行过程有哪些? 1.绘制草图模拟布线图. 2.划出线条.明确认定线路终端插座,开关,面板的地区,墙面标画出准确的地区和尺寸. 3.切割出线槽. ...

  3. 逻辑覆盖测试用例设计

    逻辑覆盖测试用例设计 实验目标 能够依据程序画出程序流程图 理解常用覆盖方法的内涵 理解常用覆盖方法的强弱关系 能够使用常用覆盖方法设计测试用例 背景知识 白盒测试通常采用静态测试方法和动态测试方法开 ...

  4. 用框架解决问题(系统思维)

    01 如何让思维变得系统化 系统思维是将认识对象作为系统来思考的,框架是对系统的一种简化. 用框架进行思考,使用框架,可以让我们的思考更快.更系统. 在工作和生活中,我们都希望越来越好,所以在这个过程 ...

  5. 最优化方法系列:Adam+SGD-AMSGrad 重点

    https://blog.csdn.net/wishchin/article/details/80567558 自动调参的Adam方法已经非常给力了,不过这主要流行于工程界,在大多数科学实验室中,模型 ...

  6. 最优化方法系列:Adam+SGD-AMSGrad

    自动调参的Adam方法已经非常给力了,不过这主要流行于工程界,在大多数科学实验室中,模型调参依然使用了传统的SGD方法,在SGD基础上增加各类学习率的主动控制,以达到对复杂模型的精细调参,以达到刷出最 ...

  7. 各类防火墙应用对比分析

    各类防火墙应用对比分析 用户的网络拓扑结构的简单与复杂.用户应用程序的难易程度不是决定是否应该使用防火墙的标准,决定用户是否使用防火墙的一个根本条件是用户对网络安全的需求! 一.两种设备产生和存在的背 ...

  8. 阿里开源 GNN 框架 Graph-Learn,实现了各类可复用模型和编程接口!

    近日,阿里巴巴开源了面向图神经网络(GNN)的框架Graph-Learn(GL,原AliGraph).该框架由阿里内部团队研发,面向工业场景而设计,为当下主流GNN算法提供了基础运行框架. 项目地址: ...

  9. 2022CPA审计-第三编-各类交易和账户余额的审计-【完结-有点感觉了?】

    前面太虚幻了,完全不知所云.从九章开始先摸清对各类账户的审计,再回归一般性原则[第一编][第二编],之后进入特殊事项的考虑[第四编],然后收尾出报告[第五编]:[第六编]你知道什么叫内控吗?最后讲讲道 ...

最新文章

  1. NopCommerce架构分析-依赖注入
  2. mybatis 模糊查询
  3. 2019-03-06-算法-进化(三数之和)
  4. Jquery简单的右侧浮动菜单
  5. dbscan算法中 参数的意义_常用聚类算法
  6. android手机状态解释,比方android.os.Build.VERSION.SDK
  7. 「leetcode」383. 赎金信:哈希表的经典题目
  8. 14个非常有用的jquery技巧,注意事项和最佳实践
  9. AngularJS的基础元素应用
  10. 【龙印】在龙芯1c上用TM7705+NTC热敏电阻实现温度测量
  11. 上海it外包公司排名_it外包公司排行榜怎么来的?
  12. mysql spatial 函数_MySQL中spatial基本操作
  13. 记录一下unity3d资源加载Resources.Load资源加载的坑
  14. Android App开发动画特效中遮罩动画的讲解及实战演示(附源码 简单易懂 可直接使用)
  15. HCIE--路由交换--IGP部分实验详解
  16. TeamViewer由商业用途改为个人用途
  17. Noise-contrastive Estimation(NCE)学习
  18. 视觉slam14讲学习(一)之se3上的定位表示:轨迹显示与轨迹误差
  19. 离子感烟探测器的工作原理介绍
  20. C1小笔记【任务训练篇三】

热门文章

  1. java中处理换行符
  2. C#语言实例源码系列-实现无损压缩图片
  3. 【全国计算机等级考试二级教程——C语言程序设计(2021年版)编程题答案-第8章】
  4. Black Arch虚拟机安装及配置
  5. 在html页面上引用脚本文件,如何在html中调用JS文件
  6. python字符串居中对齐_Python center()字符串居中对齐方法详解
  7. 开发板ping不通虚拟机
  8. python在线编程平台-在线python编程
  9. AD_PCB 快捷键
  10. 【Mini KITTI】KITTI数据集简介 — Mini KITTI