科普:从平面距离到抽象距离
提起距离,想必是为大多数人所熟知的,最朴素的说法是两点间
的线段的长度。但这里的一个隐含的前提是在一个平直的空间(欧氏
空间)之中,对于这一点只要想一下球面上的两点间的距离(大圆的
劣弧长)就容易理解了。可见,距离是与空间相关的,我们在说距离
的时候都是指某个空间中的距离,但这样的空间往往因为默认而被省
略。在下文中如果不作特殊说明的话,所涉及的空间都是指欧氏空间,
读者不妨以二维欧氏空间(就是通常所说的平面)做一个直观的类比。
事实上,我们可以把两点间的距离看作是连接这两点的曲线段的
最小长,只是在欧氏空间中这样的曲线段就是线段,而我们通常所说
的三角不等式则是这种最小性的表现。这一点对下文中关于距离的抽
象化过程,是非常关键的。
设点 A、B∈R,对于 A、B的距离 d 有两种不同的理解,这可以通
过下面的不同记法看出。
1)d=d(AB) 2)d=d(A,B)
如果把 d 视为一个函数的话,那么1)中它是在线段上取值,而2)中
则是在 R×R 的点上取值的。
在第一种理解的基础上,我们可以把d的定义域推广到平面区域
以及更高维的区域中去,于是得到面积和一般度量的概念,甚至可以
推广到象有理数集Q 这样的集合上面,得到所谓测度的概念。
在本文之中,我还是把它看成是 R×R上的函数,比如通常在平面
上两点 x 与 y之间的距离就给定为:
d(x,y)=[(x1-y1)^2+(x2-y2)^2]^1/2
其中 x,y 分别为坐标是(x1,x2)、(y1,y2)的点。
类似的,我们容易把它推广至R^n 中,而这样的距离函数d有如
下的性质:对 R中的任何点 A、B、C
D1:d(A,B)≥0(非负性)
D2:d(A,B)=0当且仅当 A=B (唯一性)
D3:d(A,B)=d(B,A) (对称性)
D4:d(A,B)≤d(A,C)+d(C,B) (最小性)
其中 D4又往往被称为三角不等式,它是几何意义在先的,代数上等
价于所谓的柯西不等式。
受这样的启发,我们可以用一般的集合X来代替 R^n,结果就得
到了如下定义。
定义:所谓度量空间(又叫做距离空间)(X,d),指在其中定义了度量
(或距离)d的这种结构的集合 X,d是定义在 X×X上的函数,且对 X
中的任何点 A、B、C,满足如下的度量(或距离)公理:
D1:d(A,B)≥0 (非负性)
D2:d(A,B)=0当且仅当 A=B (唯一性)
D3:d(A,B)=d(B,A) (对称性)
D4:d(A,B)≤d(A,C)+d(C,B) (最小性)
事实上,这样的一组公理并不是独立的,公理 D1完全可以由其余
的三个公理推出(为什么?),但由于 D1也是非常重要的,所以我们
还是把它单独放到了公理之中。
想必读者已经注意到上述四条公理与性质之间的相似之处了,这
正是所谓公理化方法的表现,我把它归结为“性质优先”这四个字。
简单的说,就是从研究具体对象的性质转到通过强化这样的性质来包
容更多乃至更高层次的对象。
细心的读者也许注意到了,在距离空间的定义中就使用了这样的
记号(X,d),它强调了尽管基础集合相同,但只要定义的距离不同,
它就不是同一个距离空间(就好象第一个坐标相同的两个点未必相同
一样)。那么是不是任何一个非空集合X 都能被赋予一个距离d呢?
是肯定的。
命
对任何一个非空集合 X,都存在一个函数 d:X×X→[0,
∞)满足距离公理D1-D4.
证明:可以定义如下的距离ρ,ρ(x,y)=1,若 x≠y;ρ(x,x)=0,
若 x=y,则易知这样的ρ满足公理 D1-D4(请读者自己验证)。■
上面定义的距离称为是离散距离,这样的名称大概是与相应的拓
扑有关。这样的抽象化比起从平直到弯曲的推广而言,显然是要高上
一个层次。
尽管我们通常也称某个X是距离空间,那是因为已经默认了一个
距离 d,比如在 R上定义的距离通常被默认为:
d(x,y)=︱x-y︱,x∈R,y∈R
当然我们也可以在R 上定义其他的距离,比如说上面的离散距离ρ。
显然,(R,d)≠(R,ρ),相信聪明的读者也还可以给出其他的距离。
而在所谓的欧氏空间 R^n 中,我们默认的距离则由下式给出:
d(x,y)=[(x1-y1)^2+…+(xn-yn)^2]^1/2 (1)
其中 x,y 分别为坐标是(x1,…,xn)、(y1,…,yn)的点。读者若是觉
得太抽象的话,不妨还是考虑一下n=2的情形,它正是平面直角坐标
系中的两点间的距离
,而其几何意义则是著名的毕达哥拉斯定
理。
对于 n维的情形,它可以直观的理解为n 维长方体的对角线之长,
但这里存在着一个直观的缺陷。n>3时,就不存在所谓朴素直观的几
何了,因此更值得以解析的方式处理。我们不妨就把(1)式作为欧
氏空间 R^n 中两点间距离的定义,其合理性则可以由距离公理D1-D4
来保证。
对于(1)式的距离,如果我们把其中的指数2换成任意的 p≥1,
同时把二次根式改成p 次根式,就得到 R^n 的另一个距离,只是证明
要稍微麻烦一些。同样,我们还可以把 R换成复数域 C,把相应的坐
标换成复数(注意其中的平方应该换成是相应模的平方),就可以定
义 C^n 中类似的距离。
最后我要说明的是,这样的公理化抽象的方法并不是万能的。事
实上。在 R^n 中还有一种距离尚未被包含在这样的公理化过程中。它
可以表现为集合与集合之间的距离,我们有如下的方法尝试推广:
由于距离有最小性,可以考虑集合之间的“最小值”。为什么我
在这里要加引号呢?请读者先考虑一下R上原点到区间(1,2)的距
离,是1吗?这里有一个极限的概念,严格的说应该是下确界(inf),
但不熟悉它的读者还是不妨当它是某种可能取不到的“最小值”。
比如我们可以定义集合A与 B 之间的距离为:
d(A、B)=inf{d(x,y);x∈A,y∈B}
在这样的定义之下,R^3中两相交直线间的距离为零,而非相交(平
行、异面)直线间的距离与朴素的几何学相同。
值得注意的是,这样的距离并不是距离空间中的距离,因为它不
满足 D2,甚至还不满足三角不等式D4!
比如可以在距离为1的两异面直线 a、b上各取一点 A和 B,则他们的
连线 c=AB 与 a、b的距离都是0,这样得到
d(a,b)=1>0+0=d(a,c)+d(b,c)
可见这里的“距离”不满足三角不等式,已经被排除在距离空间之外
了。
即使你认为这是特例,要考虑把相交的两直线看成一条直线的话,
那也是徒劳的,因为我可以把直线 c稍微“拉开一点点”。如果实在
要“维护正统观念”的话,就只能说是我们以前看走了眼,其实通常
所谓的异面直线间的距离并不是真正意义上的距离。
本文作者 Strongart是一位自学数学的牛人,现在他依然努力坚持
自学数学,似乎又有了新的突破,还录了一些数学专业教学视频放在
网上。然而,他却一直没有收到专业人士的邀请,至今只能依靠网络
书店购买书籍,无法获取海量的论文资料,也没有机会和一流的学者
们交流,最后只能走上娱乐拯救学术的道路,这不论对他自己还是对
中国的数学事业都将是一个损失。这里我希望一些有识之士能够用自
己的实际行动支持一下!
欢迎大家二次分享此文档,请注明文档作者 Strongart,欢迎访问
Strongart的新浪博客。