فضای متریک ذاتی (Intrinsic Metric Space)، در ریاضیات (Mathematics)

انواع فضاهای متریک (Metric Space) را در آموزش زیر شرح دادیم :

فضای متریک ذاتی (Intrinsic Metric Space) :

تعریف: فضای متریک ذاتی (Intrinsic Metric Space) مترادف با فضای طولی (Length Space) است. یک فضای متریک

\[ (X, d) \]

دارای متر ذاتی است اگر فاصله بین هر دو نقطه برابر با اینفیموم طول منحنی های متصل کننده آنها باشد. به عبارت دیگر، متریک با ساختار مسیری فضا سازگار است.

\[ d(x, y) = \inf\{L(\gamma) : \gamma \text{ منحنی از } x \text{ به } y\} \]

توضیح مفهومی: اصطلاح "ذاتی" (intrinsic) به این معناست که متریک به طور طبیعی از درون فضا و با اندازه گیری طول مسیرها به دست می آید، نه اینکه از بیرون به فضا تحمیل شده باشد. برای مثال، متر اقلیدسی روی یک زیرمجموعه از

\[ \mathbb{R}^n \]

ذاتی نیست، زیرا فاصله بین دو نقطه در آن زیرمجموعه ممکن است از طریق مسیرهایی که از زیرمجموعه خارج می شوند محاسبه شود. اما اگر متریک را به عنوان طول کوتاه ترین مسیر درون همان زیرمجموعه تعریف کنیم (در صورت وجود)، آن گاه ذاتی خواهد بود.

متر القایی در مقابل متر ذاتی: اگر

\[ Y \subset X \]

و

\[ X \]

یک فضای متریک باشد، متر القایی (induced metric) روی

\[ Y \]

با

\[ d_Y(x, y) = d_X(x, y) \]

تعریف می شود. اما متر ذاتی روی

\[ Y \]

به صورت

\[ d_{Y, int}(x, y) = \inf\{L_Y(\gamma)\} \]

تعریف می شود که

\[ \gamma \]

مسیرهایی درون

\[ Y \]

هستند. معمولا

\[ d_Y \leq d_{Y, int} \]

.

ویژگی های اصلی:

در فضاهای ذاتی، گوی ها ممکن است به طور موضعی فشرده نباشند.

این فضاها تحت عملیات هندسی مانند الحاق مسیرها بسته هستند.

مفهوم همگرایی در این فضاها با همگرایی مسیرها مرتبط است.

هر فضای ژئودزیکی ذاتی است.

متریک های ذاتی و غیرذاتی:

ذاتی: خمینه های ریمانی، فضاهای اقلیدسی، گراف ها (با متر کوتاه ترین مسیر).

غیرذاتی: زیرمجموعه ای از

\[ \mathbb{R}^n \]

با متر اقلیدسی (مگر اینکه محدب باشد)، فضای گسسته با متر گسسته (چون هیچ مسیر غیرثابتی وجود ندارد).

متر داخلی (Inner Metric): گاهی به متر ذاتی، متر داخلی هم می گویند. برای یک فضای متریک

\[ (X, d) \]

، می توان متر داخلی

\[ d_i \]

را تعریف کرد. اگر

\[ d = d_i \]

، فضا ذاتی است.

کاربردها: فضاهای ذاتی در هندسه متریک (برای مطالعه ساختارهای هندسی)، آنالیز روی فضاها (برای تعریف گرادیان و ...)، و در فیزیک (برای مدل سازی فضا-زمان های با ساختار مسیری) کاربرد دارند.

📌 مثال ساده:

\[ Y = S^1 \subset \mathbb{R}^2 \]

با متر اقلیدسی القایی از

\[ \mathbb{R}^2 \]

یک فضای ذاتی نیست، زیرا فاصله بین دو نقطه روی دایره در متر اقلیدسی طول وتر است، نه طول کمان. اما اگر متریک روی

\[ Y \]

را به عنوان طول کمان (کوتاه ترین مسیر روی دایره) تعریف کنیم، آن گاه

\[ Y \]

با این متریک یک فضای ذاتی (و حتی ژئودزیکی) است.