분류
1. 개요[편집]
측도 공간 및 실수 가 주어졌을 때 르베그 - 공간(공간)은 다음을 만족시키는 보렐 가측함수 혹은 들의 집합을 말한다.
.
이 공간을 결정하는 다음의 식을 르베그 노름 혹은 -노름이라 한다.
즉 -공간은 이 -노름이 유한한 함수들의 집합이다.
.
이 공간을 결정하는 다음의 식을 르베그 노름 혹은 -노름이라 한다.
즉 -공간은 이 -노름이 유한한 함수들의 집합이다.
유한개의 원소에 대해서는 초등적으로도 정의할 수 있는데 벡터 에 대해 로 정의한다.
1.1. 정확한 정의[편집]
측도론의 관점에서는 -노름은 함수가 0이 아니어도, 함수값이 0과 다른 집합이 측도 0이기만 하면 0이 된다. 이러한 함수들은 -공간을 생각할 때는 0으로 간주한다. 엄밀하게 이야기하자면 를 -노름이 유한한 함수들의 공간, 을 -노름이 0인 함수들의 공간으로 정의했을 때, 으로 생각할 수 있다. 이 관점에서는 공간의 원소들은 거의 모든 곳에서 같은 함수들의 동치류인 셈이다.
1.2. -공간[편집]
노름은 함수의 최대값을 측도 공간에 맞추어 일반화한 '실질적 최댓값'의 개념으로, 다음처럼 정의된다.
통상적인 최대값의 경우 측도 0인 집합에서 함수값이 끝없이 커지면 거의 모든 점에서 일지라도 최대값이 다를 수 있기 때문에, 그것을 막으려 변경된 정의이다. 거의 모든 점에서 이면 노름은 동일하며, 이것 덕분에 노름이 유한한 집합 -공간을 비슷하게 정의할 수 있다.
2. 성질[편집]
별도의 서술이 없으면 로 가정하자.
- -공간은 노름에 대한 완비 공간이다. 즉 임의의 코시 수열이 수렴한다.
완비인 노름 공간을 바나흐 공간(Banach space)이라 부른다. - -노름은 내적이 되고, -공간은 완비 내적 공간인 힐베르트 공간(Hilbert space)이 된다.
2.1. 공간 사이의 관계[편집]
- 일반적으로 공간 사이에는 포함관계가 없다. 하지만 에 대해 은 성립한다.
- 유한차원 공간이 아니면 가 다를 때 공간은 단순히 공간의 전체집합만 다른 것이 아니라 공간의 위상(topology)이 달라진다. 즉 에 대해 명제 과 사이에는 아무런 관계가 없다.
- 다만 확률공간(인 공간)에선 이면 의 (위상공간으로서의) 포함관계가 성립한다. 또한 확률공간에서는 -노름은 일 때 -노름의 극한이 된다.
- 리츠 쌍대성(Riesz duality): 에 대해 의 쌍대공간은 로 주어진다. 여기서 는 을 만족하는 횔더 부등식에 등장하는 양수로, 보통 횔더 켤레(Holder conjugate)라 불린다. 이 쌍대성은 과 에선 성립하지 않는데, 이지만 이기 때문이다.
- 리츠 보간 정리(Riesz interpolation theorem)
주어진 지수 에 연관된 작용소 가 , 을 만족하고 정의역 위에서 유계일 때, 임의의 과 에 대해서 는 로의 잘 정의된 유계 연산자이며, 그 크기는 다음의 식으로 제한된다. |
2.2. 실수 위에서의 -공간[편집]
3. 쓰임새[편집]
편미분방정식을 전공하지 않으면 흔히 보는 것은 정도일 것이다.
이 중 공간은 많은 분야에서 특별한 지위를 누리고 있는데, 공간 중에서 유일하게 내적을 논할 수 있는 공간이 이기 때문이다. 일반적인 작용소를 분석하기 가장 쉬운 공간이 스펙트럼 정리의 위력을 자유자재로 사용할 수 있는 힐베르트 공간이며, 많은 이계 미분작용소[1]는 특정 가중치가 주어진 변형된 공간에서의 에르미트 연산자로 간주될 수 있으므로 이 접근 방식은 상당히 범용적인 방법이다. 꼭 미분방정식이 아니더라도 는 푸리에 변환이 연산자로 정의되는 유일한 공간인 등등의 여러 가지 특수성을 지니고 있다. 해석학 전공자가 아니라면 이러한 내용들의 응용 예시 중 제일 유명하고 중요한 경우인 양자역학에서 공간을 제일 자주 보게 될 것이다. 양자역학 자체가 내적(브라켓)과 연산자를 힐베르트 공간[2], 위에서 다루는 내용 위에 쌓아올려진 학문이기 때문.
과 공간은 정의 자체가 매우 직관적이기 때문에 제일 먼저 배우기도 하며, 유계성을 다루는 곳에서 외려 보다도 훨씬 자연스럽게 등장하는 경우가 많다. 다만 연산자로서의 성질을 다수 희생해야 하는 단점이 있어 의외로 보다 다루기 불편한 상황들도 있다. 통계학이나 최적화 이론 등등의 응용수학에선 선형 계획법(linear programming) 형태의 대부분 문제에서 이나 노름이 적용되고, 이차형식과 유클리드 노름을 다룬다면 공간이 나오는 경우가 많다. 보통 노름은 미분에 대해 최적화하기가 쉽지만 계산하긴 어렵고, 이나 노름은 반대의 성질을 가지게 된다.
확률론에서의 적률(모멘트, moment)을 높은 차수까지 요구한다면 그 차수만큼의 을 요구할 수 있겠지만, 부득이한 상황이 아니고선 적절한 방법으로 꼬리를 잘라내고 일반적인 확률변수에 대해 확장하는 것이 요구되기 때문에 를 넘어서는 공간이 잘 나오지는 않는 편이다.
해석학 내에선 공간은 비교적 단순한 편으로, 더 다양한 상황을 묘사하기 위해선 도함수 등등에 조금 더 다양한 조건이 붙어 있는 여러 가지 함수공간을 생각하기도 한다. 모든 차수의 도함수가 에 있는 소볼레프 공간(Sobolev space)이 대표적인 예이다. 이런 상황에서도 대부분의 사람들이 가 아닌 다른 특정한 차수의(, 같은) 공간을 볼 일은 별로 없다. 특정 편미분방정식을 전공한다면 이야기는 또 달라질 수 있겠지만...
이 중 공간은 많은 분야에서 특별한 지위를 누리고 있는데, 공간 중에서 유일하게 내적을 논할 수 있는 공간이 이기 때문이다. 일반적인 작용소를 분석하기 가장 쉬운 공간이 스펙트럼 정리의 위력을 자유자재로 사용할 수 있는 힐베르트 공간이며, 많은 이계 미분작용소[1]는 특정 가중치가 주어진 변형된 공간에서의 에르미트 연산자로 간주될 수 있으므로 이 접근 방식은 상당히 범용적인 방법이다. 꼭 미분방정식이 아니더라도 는 푸리에 변환이 연산자로 정의되는 유일한 공간인 등등의 여러 가지 특수성을 지니고 있다. 해석학 전공자가 아니라면 이러한 내용들의 응용 예시 중 제일 유명하고 중요한 경우인 양자역학에서 공간을 제일 자주 보게 될 것이다. 양자역학 자체가 내적(브라켓)과 연산자를 힐베르트 공간[2], 위에서 다루는 내용 위에 쌓아올려진 학문이기 때문.
과 공간은 정의 자체가 매우 직관적이기 때문에 제일 먼저 배우기도 하며, 유계성을 다루는 곳에서 외려 보다도 훨씬 자연스럽게 등장하는 경우가 많다. 다만 연산자로서의 성질을 다수 희생해야 하는 단점이 있어 의외로 보다 다루기 불편한 상황들도 있다. 통계학이나 최적화 이론 등등의 응용수학에선 선형 계획법(linear programming) 형태의 대부분 문제에서 이나 노름이 적용되고, 이차형식과 유클리드 노름을 다룬다면 공간이 나오는 경우가 많다. 보통 노름은 미분에 대해 최적화하기가 쉽지만 계산하긴 어렵고, 이나 노름은 반대의 성질을 가지게 된다.
확률론에서의 적률(모멘트, moment)을 높은 차수까지 요구한다면 그 차수만큼의 을 요구할 수 있겠지만, 부득이한 상황이 아니고선 적절한 방법으로 꼬리를 잘라내고 일반적인 확률변수에 대해 확장하는 것이 요구되기 때문에 를 넘어서는 공간이 잘 나오지는 않는 편이다.
해석학 내에선 공간은 비교적 단순한 편으로, 더 다양한 상황을 묘사하기 위해선 도함수 등등에 조금 더 다양한 조건이 붙어 있는 여러 가지 함수공간을 생각하기도 한다. 모든 차수의 도함수가 에 있는 소볼레프 공간(Sobolev space)이 대표적인 예이다. 이런 상황에서도 대부분의 사람들이 가 아닌 다른 특정한 차수의(, 같은) 공간을 볼 일은 별로 없다. 특정 편미분방정식을 전공한다면 이야기는 또 달라질 수 있겠지만...
4. 이면?[편집]
지수 가 1보다 작아도 공간을 비슷하게 정의할 수 있다. 다만 -노름은 삼각부등식을 만족시키지 못해 더 이상 노름이 되지 못한다.