範數誘導度量
同一實賦範向量空間上的範數以向量差的範數定義度量,度量公理由範數公理全稱推出。
mko-norm-induced-metric · definition · v0.10.0
數學敘述
若(V,norm)為已認證的實賦範向量空間,則d(x,y)=norm(x-y)滿足非負、分離、對稱與三角不等式。本輪只在R^n的命名l1與linfinity範數作精確座標切片。
代表公式(精確 TeX)
D(x,y)
成立條件
- 左右點位於同一有限維實座標空間,使用同一已命名範數。
- 誘導性來自全稱公式與範數公理,不由有限點距離樣本建立。
符號作用域
d— 範數誘導度量V— 實賦範向量空間x— 第一向量y— 第二向量
直觀、定義與常見誤解
分離性由norm(x-y)=0當且僅當x-y=0。
對稱性由norm(-(y-x))=norm(y-x)。
三角不等式由x-z=(x-y)+(y-z)及範數三角不等式。
檢查有限幾對距離後就宣稱任意metric由某個norm誘導。
已採用的推導導讀
範數誘導度量:由範數公理證明 d(x,y)=‖x−y‖ 是度量,並在 ℝ³ 上以 l1 與 l∞ 精確計算原始 MKO 保留;導讀有自己的追加式修訂與驗證界線,不代表新 Lean 證明。
前置知識
- 實賦範向量空間 — 誘導公式依已認證範數。
- 度量空間 — 結論是度量公理。
- 固定基底下的平面向量 — 誘導公式使用同一空間中的向量差。
- 函數映射 — d須為V乘V到非負實數的總函數。
驗證界線
只處理同一認證範數的誘導公式;不宣稱每個度量皆範數誘導,也不推出完備、內積、緊緻或有限維。
not_formalized
這不表示內容錯誤;只表示尚未登錄可重播的計算或形式證據。
下一個義務
與完備度量空間共同支撐實Banach空間。
同源結構化資料
本頁與互動版共用同一個物件與既有語言 edition;未新增證明或人工審定。
原始 MKO JSON · 純文字 Markdown