로비어 공간

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요

로비어 공간은 여러 가지 방식으로 정의될 수 있는 개념으로, 거리 함수를 갖춘 집합, 접근 공간의 특수한 경우, 또는 풍성한 범주 이론을 사용한 정의가 있다. 로비어 계량은 삼각 부등식과 자기 자신과의 거리가 0이라는 조건을 만족하는 확장된 실수 값 함수로 정의되며, 로비어 공간과 립시츠 연속 함수는 구체적 범주를 이룬다. 접근 구조를 통한 정의는 특정 조건을 만족하는 함수를 통해 이루어지며, 범주론적 정의는 닫힌 모노이드 범주 위의 풍성한 범주를 사용한다. 로비어 공간 위에는 일반화 알렉산드로프 위상, 일반화 스콧 위상 등 다양한 위상이 사용되며, 반대 공간, 대칭화, 상수배, 로비어 계량의 합성 등의 연산이 가능하다. 로비어 공간은 위상 공간을 표현하는 데에도 사용되며, 프랜시스 윌리엄 로비어가 도입했다. 이 개념은 거리 공간을 일반화한 것으로, 에너지 또는 비용의 관점에서 해석될 수 있으며, 확장 유사 거리 공간과 같은 개념을 포함한다.

더 읽어볼만한 페이지

계량기하학 - 거리
거리는 수학에서 두 점 사이를 측정하는 함수, 물리학에서 물체의 위치 변화량, 일상생활에서 두 지점 사이의 길이를 의미하며, 국제단위계에서는 길이로 표현된다.
계량기하학 - 코시 열
코시 열은 무한수열에서 항들이 뒤로 갈수록 서로 가까워지는 수열로, 수렴열은 항상 코시 열이지만 그 역은 성립하지 않을 수 있으며, 실수의 완비성 정의 및 무한급수 수렴성 판정에 중요한 역할을 하는 개념이다.

로비어 공간

2. 정의

'''로비어 공간'''은 여러 가지로 정의될 수 있다.

기초적으로, 일련의 공리를 만족시키는 거리 함수를 갖춘 집합으로 정의할 수 있다.
더 일반적인 개념인 '''접근 공간'''(approach space^영어)의 특수한 경우로 정의할 수 있다.
풍성한 범주 이론을 사용하여, 음이 아닌 확장된 실수의 닫힌 모노이드 범주 위의 풍성한 범주로 정의할 수 있다.

이들 정의는 서로 동치이다. 범주론적 정의를 사용하면, 기초적 정의에서 일일이 정의해야 하는 개념들을 범주론적 구성의 특별한 경우로 자동적으로 얻을 수 있다.

기초적 정의와 범주론적 정의 사이의 관계는 다음과 같다.

기초적 정의	범주론적 정의
공간 속의 점	범주의 대상
거리 함수 $d(x,y)$	사상 집합 $\hom_X(x,y)$
삼각 부등식 $d(x,y)+d(y,z)\ge d(x,z)$	사상의 합성 $\hom_X(y,z)\circ\hom_X(x,y) \to \hom_X(x,z)$
스스로와의 거리 $d(x,x)=0$	항등 사상

^[1]

2. 1. 기초적 정의

집합

X

위의 '''로비어 계량'''(Lawvere metric^영어)은 다음 두 조건을 만족시키는, 확장된 실수 값 함수이다.^[1]

(삼각 부등식) 임의의 $x,y,z\in X$ 에 대하여, $d(x,y)+d(y,z)\le d(x,z)$
임의의 $x\in X$ 에 대하여, $d(x,x)=0$

위 정의에서

d(x,y)=d(y,x)

일 필요는 없다. 이 조건을 추가로 만족시키는 로비어 공간을 '''확장 유사 거리 공간'''이라고 한다. 만약

d

의 값이 항상 추가로 유한하다면 이는 '''유사 거리 공간'''이 된다.

2. 2. 접근 구조를 통한 정의

접근 구조를 통해 로비어 공간을 정의할 수 있다. 집합

X

위의 '''접근 구조'''(接近構造, approach structure^영어)

\delta

는 다음 네 조건을 만족시키는 함수이다.

:

\delta\colon X\times\mathcal P(X)\to[0,\infty]

$\forall x\in X\colon \delta(x,\{x\})=0$
$\forall x\in X\colon \delta(x,\varnothing)=\infty$
$\forall x\in X\forall A,B\subseteq X\colon \delta(x,A\cup B)=\min\{\delta(x,A),\delta(x,B)\}$
$\forall \epsilon\in[0,\infty]\forall x\in X\forall A\subseteq X\colon \delta(x,A)\le \delta(x,\{y\in X\colon \delta(y,A)\le\epsilon\})+\epsilon$

접근 구조를 갖춘 집합을 '''접근 공간'''(接近空間, approach space^영어)이라고 한다. 접근 공간

(X,\delta)

에 대하여 다음 세 조건은 서로 동치이다.^[1]

임의의 $x\in X$ 및 부분 집합 $Y\subseteq X$ 에 대하여, $\textstyle\delta(x,Y)=\inf_{y\in Y}\delta(x,\{y\})$
임의의 $x\in X$ 및 집합족 $\mathcal Y\subseteq\mathcal P(X)$ 에 대하여, $\textstyle\delta(x,\bigcup\mathcal Y)=\inf_{Y\in\mathcal Y}\delta(x,Y)$
$X\times X\to[0,\infty]$ , $(x,y)\mapsto\delta(x,\{y\})$ 는 로비어 계량을 이룬다.

위 조건들을 만족시키는 접근 공간을 '''로비어 공간'''이라고 한다. 즉, 로비어 공간은 그 접근 구조를 한원소 집합만으로부터 재구성할 수 있는 접근 공간이다.

로비어 공간

(X,d)

이 주어졌을 때, 그 위의 접근 구조는 다음과 같다.

:

\delta(x,Y)=\inf_{y\in Y}d(x,y)\in[0,\infty]\qquad\forall Y\subseteq X

2. 3. 범주론적 정의

다음과 같은 작은 범주

\mathcal C=[0,\infty]^{\operatorname{op}}

를 생각하자.

$\mathcal C$ 의 대상은 음이 아닌 확장된 실수이다.
임의의 두 수 $a,b\in[0,\infty]$ 에 대하여, 만약 $a\ge b$ 라면, 하나의 사상 $a\to b$ 가 존재한다.

이 범주는 완비 범주이며, 텐서곱

a\otimes b=a+b

에 대하여 닫힌 모노이드 범주를 이룬다. 이에 따라

\mathcal C

에 대한 풍성한 범주의 개념을 정의할 수 있다. 이 경우,

\mathcal C

-풍성한 작은 범주

X

를 '''로비어 공간'''이라고 하며, 이 경우 풍성한 함자의 개념은 상수 1의 립시츠 연속 함수의 개념과 일치한다.

두 정의 사이의 관계는 다음과 같다.

기초적 정의	범주론적 정의
공간 속의 점	범주의 대상
거리 함수 $d(x,y)$	사상 집합 $\hom_X(x,y)$
삼각 부등식 $d(x,y)+d(y,z)\ge d(x,z)$	사상의 합성 $\hom_X(y,z)\circ\hom_X(x,y) \to \hom_X(x,z)$
스스로와의 거리 $d(x,x)=0$	항등 사상

3. 위상

유사 거리 공간의 경우와 달리, 로비어 공간 위에는 다양한 위상이 사용될 수 있다. 로비어 공간에 사용될 수 있는 위상으로는 일반화 알렉산드로프 위상, 일반화 스콧 위상 등이 있다.

3. 1. 일반화 알렉산드로프 위상

유사 거리 공간의 경우와 달리, 로비어 공간

(X,d)

위에는 다양한 위상이 사용된다.

로비어 공간

(X,d)

위의, 중심

x\in X

의, 반지름

r\in(0,\infty]

의 '''열린 공'''(open ball^영어)은 다음과 같다.^[1]

:

\operatorname{ball}_X(x,r)=\{y\in X\colon d(x,y)

열린 공들의 집합족

:

\left\{\operatorname{ball}_X(x,r)\colon r\in(0,\infty],\;x\in X\right\}

은 위상의 기저를 이루며, 이들로 생성되는 위상을 '''일반화 알렉산드로프 위상'''(generalized Alexandroff topology^영어) 또는 '''열린 공 위상'''(open ball topology^영어)이라고 한다.^[2]

다음 두 조건을 보이면 족하다.

임의의 $x\in X$ 에 대하여 $\operatorname{ball}(x,\infty)=X$ 이므로, 열린 공들은 $X$ 의 덮개를 이룬다.
임의의 $x,y\in X$ 및 $r,s\in(0,\infty]$ 및 $z\in\operatorname{ball}_X(x,r)\cap\operatorname{ball}_X(y,s)$ 에 대하여, $t=\min\{r-d(x,z),s-d(y,z)\}$ 를 정의하면, 삼각 부등식에 의하여 $\operatorname{ball}_X(z,t)\subseteq\operatorname{ball}_X(x,r)\cap\operatorname{ball}_X(y,s)$ 이다.

3. 2. 일반화 스콧 위상

로비어 공간

(X,d)

위의 일반화 스콧 위상(generalized Scott topology^영어)에서, 부분 집합

U\subseteq X

가 열린집합일 필요충분조건은 다음과 같다.

임의의 코시 열 $x_0, x_1, \dotsc \in X$ 가 $x \in X$ 로 수렴한다면,
: $x\in U\iff\exists (N,\epsilon)\in\mathbb N\times\mathbb R^+\colon \bigcup_{i\ge N}\operatorname{ball}_X(x_i,\epsilon)\subseteq U$

일반화 스콧 위상은 일반화 알렉산드로프 위상보다 더 섬세한 위상이며, 사실 이는 일반화 알렉산드로프 위상보다 더 섬세한 위상들 가운데 코시 열의 (위의 정의에 따른) 극한이 (일반위상수학의 정의에 따른) 극한이 되는 가장 엉성한 위상이다.

만약

(X,d)

가 확장 유사 거리 공간이라면, 일반화 알렉산드로프 위상과 일반화 스콧 위상은

X

의 일반적인 위상과 같다.^[2]

4. 연산

로비어 공간에 대해 여러 연산을 수행할 수 있다.

반대 공간: 임의의 로비어 공간 $(X,d)$ 의 반대 로비어 공간 $X^{\operatorname{op}}=(X,d^{\operatorname{op}})$ 은 $d^{\operatorname{op}}(x,y)=d(y,x)\qquad\forall x,y\in X$ 와 같이 정의된다.^[2] 이는 반대 범주 개념의 특수한 경우이다.

대칭화: 로비어 공간 $(X,d)$의 거리 함수는 $d^{max}(x,y)=max\{d(x,y),d(y,x)\}$ 또는 $d^{avg}(x,y)=\frac{1}{2}(d(x,y)+d(y,x))$와 같이 대칭화할 수 있다. $(X, d^{max})$와 $(X, d^{avg})$는 둘 다 확장 유사 거리 공간을 이룬다. $(X, d)$가 이미 확장 유사 거리 공간이라면 $(X, d) = (X, d^{avg}) = (X, d^{max})$이다.

상수배: 로비어 공간 $(X,d)$ 및 음이 아닌 확장된 실수 $C\in[0,\infty]$ 에 대하여, $(X,Cd)$ 역시 로비어 공간이다. $C=0$ 이면 비이산 공간이고, $C=\infty$ 이면 $\infty\cdot0=0$ 으로 정의하며, 이는 원순서 집합이다.

로비어 계량의 합성: 집합 $X$ 위의 로비어 계량들의 족 $(d_i\colon X\times X\to[0,\infty])_{i\in I}$ 이 주어졌을 때, $\sup_{i\in I}d_i$ 역시 로비어 계량을 이룬다. 이는 항등 함수에 대한 시작 구조의 특수한 경우이다. 가산 개의 로비어 계량의 족 $(d_i)_{i\in I}$ ( $|I|\le\aleph_0$ )에 대해서도, $\sum_{i\in I}d_i$ 역시 로비어 계량을 이룬다. $I$ 가 유한 집합이면, 평균 계량 $\textstyle\sum_{i\in I}d_i/|I|$ 역시 로비어 계량이다.

주어진 함수를 상계로 하는 최대 로비어 계량: 함수 $f\colon X\times X\to[0,\infty]$ 가 주어졌을 때, 이를 상계로 하는 최대의 로비어 계량이 존재한다.

몫공간: 로비어 공간 $(X,d)$ 에 대해 $x\sim_0 y\iff d(x,y)=d(y,x)=0\qquad(x,y\in X)$ 와 같은 동치 관계를 정의할 수 있다.^[2] 이 몫집합 $X/\sim_0$ 위에 로비어 공간 구조를 부여할 수 있다. $X$ 가 유사 거리 공간이면 $X/\sim_0$ 는 거리 공간을 이룬다. 또한, $x\sim_\infty y\iff \max\{d(x,y),d(y,x)\}<\infty\qquad(x,y\in X)$ 와 같은 동치 관계를 정의할 수 있다. 몫집합 $X/\sim_\infty$ 은 $X$ 의 “연결 성분”들의 집합으로 생각할 수 있고, $X/\sim_\infty$ 위에 원순서 $[x]_{\sim_\infty}\lesssim[y]_{\sim_\infty}\iff d(x,y)<\infty$ 를 부여할 수 있다. $X$ 가 원순서 집합이면 $X/\sim_\infty=X$ 이다.

분리합: 로비어 공간들의 족 $(X_i,d_i)_{i\in I}$ 의 분리합은 집합으로서 분리합집합 $X=\bigsqcup_{i\in I}X_i$ 이고, 로비어 계량은 $d(x,y)=\begin{cases}d_i(x,y)&i=j\\\infty&i\ne j\end{cases}\qquad(x\in X_i,\;y\in X_j)$ 이다. 이는 로비어 공간의 범주의 범주론적 쌍대곱이다.

곱: 로비어 공간들의 족 $(X_i,d_i)_{i\in I}$ 의 곱은 집합으로서 곱집합 $X=\prod_{i\in I}X_i$ 이고, 로비어 계량은 $d(x,y)=\sup_{i\in I}d_i(x_i,y_i)\qquad\forall x,y\in X$ 이다. 이는 로비어 공간의 범주의 범주론적 곱이다.^[1]

시작 계량과 끝 계량: 위상 함자를 통해 시작 구조와 끝 구조를 정의할 수 있다. 시작 로비어 계량과 끝 로비어 계량을 정의할 수 있다.

4. 1. 반대 공간

임의의 로비어 공간

(X,d)

에 대하여, 그 '''반대 로비어 공간'''(反對Lawvere空間, opposite Lawvere space^영어)

X^{\operatorname{op}}=(X,d^{\operatorname{op}})

을 다음과 같이 정의할 수 있다.^[2]

:

d^{\operatorname{op}}(x,y)=d(y,x)\qquad\forall x,y\in X

이는 반대 범주의 개념의 특수한 경우이다.

4. 2. 대칭화

로비어 공간 $(X,d)$에 대하여, 그 거리 함수를 다음과 같이 두 가지로 대칭화할 수 있다.

$d^{max}(x,y)=max\{d(x,y),d(y,x)\}$
$d^{avg}(x,y)=\frac{1}{2}(d(x,y)+d(y,x))$

그렇다면, $(X, d^{max})$와 $(X, d^{avg})$ 둘 다 확장 유사 거리 공간을 이룬다.

만약 $(X, d)$가 이미 확장 유사 거리 공간이라면 $(X, d) = (X, d^{avg}) = (X, d^{max})$이다.

4. 3. 상수배

거리 함수에 음이 아닌 실수를 곱한다. 로비어 공간

(X,d)

및 음이 아닌 확장된 실수

C\in[0,\infty]

에 대하여,

(X,Cd)

역시 로비어 공간이다. 만약

C=0

일 경우, 이는 비이산 공간이다. 만약

C=\infty

일 경우,

\infty\cdot0=0

으로 정의하며, 이는 원순서 집합이다.

4. 4. 로비어 계량의 합성

집합

X

위의 로비어 계량들의 족

(d_i\colon X\times X\to[0,\infty])_{i\in I}

이 주어졌다고 하자. 그렇다면,

\sup_{i\in I}d_i\colon X\times X\to[0,\infty]

,

\sup_{i\in I}d_i\colon (x,y)\mapsto \sup_{i\in I}d_i(x,y)

역시 로비어 계량을 이룬다. 이는 항등 함수에 대한 시작 구조의 특수한 경우이다.

마찬가지로, 가산 개의 로비어 계량의 족

(d_i\colon X\times X\to[0,\infty])_{i\in I}

(

|I|\le\aleph_0

)이 주어졌을 때,

\sum_{i\in I}d_i\colon X\times X\to[0,\infty]

,

\sum_{i\in I}d_i\colon (x,y)\mapsto \sum_{i\in I}d_i(x,y)

역시 로비어 계량을 이룬다. 특히,

I

가 유한 집합이라면, 평균 계량

\textstyle\sum_{i\in I}d_i/|I|

역시 로비어 계량이다.

4. 5. 주어진 함수를 상계로 하는 최대 로비어 계량

임의의 집합

X

및 임의의 함수

:

f\colon X\times X\to[0,\infty]

가 주어졌다고 하자. 그렇다면, 다음을 만족시키는 로비어 계량

d

들의 함수 집합

\mathcal D\subseteq [0,\infty]^{X\times X}

를 생각할 수 있다.

:

d(x,y)\le f(x,y)\qquad\forall x,y\in X

(

d=0

이 로비어 계량이므로, 이는 항상 공집합이 아니다.) 그렇다면, 이는 최대 원소

:

d^{\max}=\sup\mathcal D=\max\mathcal D

:

d^{\max}(x,y)=\sup_{d\in\mathcal D}d(x,y)

를 가지며, 이는

f

를 상계로 하는 최대의 로비어 계량이다.

구체적으로, 임의의 집합

X

및 함수

:

f\colon X\times X\to[0,\infty]

가 주어졌을 때, 다음을 정의하자.

:

d_0(x,y)=\begin{cases}0&x=y\\\infty&x\ne y\end{cases}

:

d_1(x,y)=f(x,y)

:

d_i(x_0,x_i)=\inf_{x_1,\dotsc,x_{i-1}\in X}\left(f(x_0,x_1)+f(x_1,x_2)+\dotsb+f(x_{i-1},x_i)\right)\qquad(i=2,3,\dotsc)

그렇다면,

f

에 의하여 생성되는 로비어 계량은 다음과 같다.

:

d(x,y)=\inf_{i\in\mathbb N}d_i(x,y)

4. 6. 몫공간

로비어 공간

(X,d)

에 대하여 다음과 같은 동치 관계를 정의할 수 있다.^[2]

:

x\sim_0 y\iff d(x,y)=d(y,x)=0\qquad(x,y\in X)

이에 대한 몫집합

:

X/\sim_0

위에 자연스럽게 로비어 공간의 구조를 부여할 수 있다. 만약

X

가 유사 거리 공간이라면,

X/\sim_0

는 거리 공간을 이룬다.

마찬가지로, 로비어 공간

(X,d)

에 대하여 다음과 같은 동치 관계를 정의할 수 있다.

:

x\sim_\infty y\iff \max\{d(x,y),d(y,x)\}<\infty\qquad(x,y\in X)

이에 대한 몫집합

:

X/\sim_\infty

은 대략

X

의 “연결 성분”들의 집합으로 생각할 수 있다.

X/\sim_\infty

위에는 자연스럽게 원순서

:

[x]_{\sim_\infty}\lesssim[y]_{\sim_\infty}\iff d(x,y)<\infty

를 취할 수 있다. 만약

X

가 원순서 집합이라면,

X/\sim_\infty=X

이다.

4. 7. 분리합

임의의 로비어 공간들의 (유한 또는 무한) 족

(X_i,d_i)_{i\in I}

의 '''분리합'''(disjoint sum^영어)은 집합으로서 분리합집합

:

X=\bigsqcup_{i\in I}X_i

이다. 그 위의 로비어 계량은 다음과 같다.

:

d(x,y)=\begin{cases}d_i(x,y)&i=j\\\infty&i\ne j\end{cases}\qquad(x\in X_i,\;y\in X_j)

이 연산은 로비어 공간의 범주

\operatorname{\infty pqMet}

의 범주론적 쌍대곱을 이룬다.

4. 8. 곱

임의의 로비어 공간들의 (유한 또는 무한) 족

(X_i,d_i)_{i\in I}

의 '''곱'''은 집합으로서 곱집합

:

X=\prod_{i\in I}X_i

이며, 그 위의 로비어 계량은 다음과 같다.

:

d(x,y)=\sup_{i\in I}d_i(x_i,y_i)\qquad\forall x,y\in X

이 연산은 로비어 공간의 범주

\operatorname{\infty pqMet}

의 범주론적 곱을 이룬다.^[1]

4. 9. 시작 계량과 끝 계량

위상 함자를 통해 시작 구조와 끝 구조를 정의할 수 있다.

구체적으로, 임의의 집합

X

및 로비어 공간들의 족

(Y_i,d_i)_{i\in I}

및 함수의 족

(f_i\colon X\to Y_i)_{i\in I}

가 주어졌을 때,

(f_i)_{i\in I}

로 유도되는,

X

위의 '''시작 로비어 계량'''(initial Lawvere metric^영어)은 다음과 같다.

:

d_X(x,x')=\sup_{\in I}d_i(f_i(x),f_i(x'))

마찬가지로, 임의의 집합

X

및 로비어 공간들의 족

(Y_i,d_i)_{i\in I}

및 함수의 족

(f_i\colon Y_i\to X)_{i\in I}

가 주어졌을 때,

(f_i)_{i\in I}

로 유도되는,

X

위의 '''끝 로비어 계량'''(final Lawvere metric^영어)은 함수

:

f\colon X\times X\to[0,\infty]

:

f\colon (x,x')\mapsto\inf_{i\in I}d_i(f_i(x),f_i(x'))

를 상계로 하는 최대 로비어 계량이다.

5. 성질

로비어 공간은 다음과 같은 성질을 갖는다.

길이 거리 공간 ⇒ 거리 공간 ⇒ 유사 거리 공간 ⇒ 확장 유사 거리 공간 ⇒ 로비어 공간의 함의 관계가 성립한다.
로비어 공간의 범주에서 집합으로 가는 망각 함자는 위상 함자이다.^[1]
집합 X 위의 함수족이 주어졌을 때, 시작 로비어 계량과 끝 로비어 계량을 정의할 수 있다. 이는 위상 공간의 시작 위상 및 끝 위상과 유사하다.
로비어 공간에서 위상 공간과 연속 함수의 범주로 가는 망각 함자가 존재하며, 이는 로비어 공간에 열린 공 위상을 대응시킨다.
임의의 위상은 일련의 로비어 계량들로 표현될 수 있다.^[3]

5. 1. 함의 관계

다음과 같은 함의 관계가 성립한다.

: 길이 거리 공간 ⇒ 거리 공간 ⇒ 유사 거리 공간 ⇒ 확장 유사 거리 공간 ⇒ 로비어 공간

5. 2. 범주론적 성질

로비어 공간의 범주

\operatorname{\infty pqMet}

가 주어졌을 때, 망각 함자

:

\operatorname{\infty pqMet}\to\operatorname{Set}

는 위상 함자이다.^[1] 특히, 집합

X

위의 임의의 함수족

:

(f_i\colon X\to Y_i)_{i\in I}

이 주어졌으며

(Y_i)_{i\in I}

들이 모두 로비어 공간의 구조를 가진다면, 이로부터 '''시작 로비어 계량'''(initial Lawvere metric^영어)을 정의할 수 있다. 이는 위상 공간의 시작 위상과 유사하다. 마찬가지로, 집합

X

로 가는 임의의 함수족

:

(f_i\colon Y_i\to X)_{i\in I}

이 주어졌으며

(Y_i)_{i\in I}

들이 모두 로비어 공간의 구조를 가진다면, 이로부터 '''끝 로비어 계량'''(final Lawvere metric^영어)을 항상 정의할 수 있다. 이는 위상 공간의 끝 위상과 유사하다.

또한, 위상 공간과 연속 함수의 범주로 가는 망각 함자

:

\operatorname{\infty pqMet}\to\operatorname{Top}

가 존재하며, 이는 로비어 공간에 열린 공 위상을 대응시킨다.

5. 3. 위상 공간의 로비어 계량을 통한 표현

임의의 위상은 일련의 로비어 계량들로 표현될 수 있다. 구체적으로, 임의의 위상 공간

(X,\mathcal U)

에 대하여, 다음 조건을 만족시키는,

X

위의 로비어 계량들의 집합

(d_i)_{i\in I}

이 존재한다.^[3]

$\mathcal U$ 는 항등 함수 $f_i\colon X\to(X,d_i)$ 들에 의하여 생성되는 시작 위상이다. (여기서 로비어 공간 $(X,d_i)$ 에는 열린 공 위상을 부여한다.)
$|I|\le|\mathcal U|$ 이다.

위상 공간

X

의 임의의 열린집합

U\subseteq X

에 대하여, 다음을 정의한다.

:

d_U(x,y)=\begin{cases}0&x\not\in U\\0&x\in U\ni y\\\infty&x\in U\not\ni y\end{cases}

이는 로비어 계량을 이루며, 이 로비어 계량으로 생성되는 위상은 한원소 집합

\{U\}

를 기저로 하는 위상, 즉

:

\{\varnothing,U,X\}

이다.

이에 따라, 로비어 계량들의 집합

\{d_U\}_{U\in\mathcal U}

은 위 조건을 자명하게 만족시킨다.

6. 역사와 어원

프랜시스 윌리엄 로비어가 도입하였다.^[4]

이 개념은 거리 공간의 개념을 일반화한 것이다. 로비어는 다음과 같이 설명하였다.

> 첫째 [일반화, 즉 거리가 0인 서로 다른 두 점이 존재할 수 있음]는 범주론적 관점에서 별로 자연스럽지 않다. 이는 서로 동형인 대상이 같다는 것에 해당하기 때문이다. […] [거리가] ∞인 것을 허용하는 것은 공집합을 집합으로 취급하는 것과 마찬가지로, 완비성에 의하여 필요하다. […] [거리 함수의] 비대칭성은 더 중대한 일반화이며, 다음과 같은 자연스러운 예들이 존재한다. 예를 들어, ''X''(''a'',''b'')= 산악 지방 ''X''에서, ''a''에서 ''b''로 가는 데 필요한 에너지라고 하자. […]^[4]

즉, 로비어 공간에서 "거리" ''d''(''x'',''y'')는 어떤 "상태" 또는 "위치" ''x''에서 ''y''로 가는 데 드는 "에너지" 또는 "비용"으로 해석할 수 있다. 이 경우 로비어 공간의 공리는 다음과 같다.

''x''에서 ''z''로 가는 비용은 ''x''→''y''→''z''와 같이 분해했을 때 ''x''→''y'' 비용과 ''y''→''z'' 비용의 합보다 같거나 적다. (''y''를 거치지 않는 지름길이 있다면 부등식이 성립한다.)
''x''에서 이동하지 않는 데 드는 비용은 0이다. 즉, ''d''(''x'',''x'')=0이다.
''x''에서 ''y''로 꼭 이동할 수 있을 필요는 없다. ''x''→''y'' 전이가 불가능하면 ''d''(''x'',''y'')=∞이다.

‘확장 준 유사 거리 공간’(extended quasipseudometric space^영어)이라는 용어에서 각 성분은 고전적 거리 공간 개념의 다음과 같은 일반화를 의미한다.

확장(擴張, extended^영어): 거리 함수의 값이 ∞일 수 있다.
준(準, quasi-^영어): 거리 함수가 대칭적이지 않을 수 있다. 즉, ''d''(''x'',''y'')≠''d''(''y'',''x'')일 수 있다.
유사(類似, pseudo-^영어): 거리 함수가 분리공리를 만족시키지 않을 수 있다. 즉, ''x''≠''y''이지만 ''d''(''x'',''y'')=0일 수 있다.

7. 예

확장 유사 거리 공간은 로비어 공간이다.

7. 1. 시작 대상과 끝 대상

공집합 위에는 유일한 (자명한) 로비어 계량이 존재한다. 이는 로비어 공간의 범주의 시작 대상이다.

한원소 공간 위에는 유일한 (자명한) 로비어 계량(d(•,•)=0)이 존재한다. 이는 로비어 공간의 범주의 끝 대상이다.

7. 2. 원순서 집합

임의의 원순서 집합 $(X,\lesssim)$에 대하여, 다음과 같은 거리 함수를 부여한다.

:$d(x,y)=\begin{cases}

0&x\lesssim y\\

\infty&x\not\lesssim y

\end{cases}$

그렇다면 $(X,d)$는 로비어 공간을 이룬다.^[2]

참조

_[1] 서적 Approach spaces: the missing link in the topology–uniformity–metric triad Clarendon Press 1997
_[2] 저널 Generalized metric spaces: completion, topology, and powerdomains via the Yoneda embedding http://homepages.cwi[...] 1998-02-28
_[3] 저널 All topologies come from generalized metrics 1988-02
_[4] 저널 Metric spaces, generalized logic, and closed categories http://www.tac.mta.c[...] 1973

본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com