ℓₚ 공간에서 동시에 최적 포장과 커버링 상수 찾기

본 논문은 “동시 포장·커버링 상수”라는 개념을 ℓₚ(1 ≤ p < ∞) 공간에 적용하여, 단위 구(반경 1)들의 포장이 얼마나 효율적으로 전체 공간을 커버할 수 있는지를 정량화한다. 먼저 일반적인 노름 공간 X 에 대해 닫힌 구 B(x,r) 를 정의하고, r‑포장과 R‑커버링(또는 R‑넷)의 개념을 소개한다. r‑포장은 서로 겹치지 않는 구들의 집합이며, R‑커버링은 모든 점이 적어도 하나의 구에 포함되는 집합이다. 이러한 두 개념을 결합해 γ(X)=inf{R(P) : P는 1‑포장} 라는 상수를 정의한다. 이는 “포장을 유지하면서 반경을 최소한으로 늘렸을 때 전체를 덮는 데 필요한 최소 반경”을 의미한다. 일반적으로 1 ≤ γ(X) ≤ 2 가 성립한다. ℓₚ 공간에 대한 정확한 값을 구하기 위해 저자는 두 단계의 증명을 제시한다. 1) **하한**: 기존 연구인 Burlak‑Rankin‑Robertson 의 결과를 활용한다. Lemma 1에 따르면 ℓₚ 단위 구 안에 무한히 α‑분산된 집합이 존재하면 α ≤ 2^{1/p} 이다. 이를 바탕으로 Proposition 2를 증명한다. 임의의 1‑분산 집합 P에 대해, R(P)보다 작은 r을 잡고, B(0,r)와 겹치지 않는 점 c 를 찾는다(존재는 (1)식에서 보장). ε>0 을 임의로 잡고, δ 를 정의한 뒤, Q = B(0,r+δ+2ε)∩P 가 무한함을 보인다. 만약 Q가 유한하면, 적절한 좌표 e_n 를 이용해 B(δe_n, r+2ε) 가 P와 겹치지 않게 되므로 R(P)≥r+2ε 가 모순이 된다. 따라서 Q는 무한하고, Lemma 1에 의해 r+δ+ε ≥ 2^{1‑1/p} 를 얻는다. ε→0 로 한계값을 취하면 R(P) ≥ 2^{1‑1/p} 가 된다. 즉, γ(ℓₚ) ≥ 2^{1‑1/p}. 2) **상한**: Klee 가 제시한 “분산된 체비쉐프 집합” 구성을 ℓₚ(ℵ₀) 에 맞게 변형한다. 먼저 ℓₚ(A) 라는, 가산 지지함수를 갖는 실값 함수들의 공간을 정의하고, A⊂A′이면 자연스럽게 포함 관계가 성립한다. 재귀적으로 두 종류의 가산 집합 Dₙ (밀집 부분집합) 과 Pₙ (점들의 집합) 을 만든다. 초기 단계에서 D₁={0}, P₁=∅ 로 시작한다. 단계 n에서 - Pₙ₊₁ = { x + eₓ : x∈Dₙ } 로 정의한다. 여기서 eₓ는 x에 1을 더하는 표준 기저 벡터이다. - Dₙ₊₁ 은 ℓₚ(∪_{i≤n}D_i) 에서 기존 구 B(x,1) (x∈∪_{i≤n}P_i) 를 제외한 가산 밀집 집합을 선택한다. 이 과정에서 각 Pₙ 은 서로 겹치지 않으며, 두 원소 사이의 거리는 최소 2^{1/p} 이상이다(증명은 지원(supp) 집합이 서로 겹치지 않음과 노름의 분리성을 이용). 또한 Dₙ 은 점점 더 큰 부분공간에 대해 밀집하므로, 임의의 ε>0 에 대해 모든 x∈ℓₚ는 어떤 z∈∪_{i≤N}P_i 와 거리 <1+ε 가 되도록 선택할 수 있다. 따라서 최종 집합 P = ∪ₙPₙ 은 2^{1/p}‑분산이면서 R(P)=1, 즉 γ(ℓₚ) ≤ 2^{1‑1/p}. 두 경계가 일치함으로써 주된 정리, 즉 **γ(ℓₚ)=2^{1‑1/p}** 가 증명된다. 이 결과는 p가 1에 가까워질수록 γ가 1에 접근해 포장이 매우 촘촘해짐을, p가 크게 될수록 γ가 2에 가까워져 포장에 큰 빈틈이 생김을 보여준다. 이는 무한 차원 Banach 공간에서 포장·커버링 효율성을 평가하는 새로운 도구를 제공한다. 또한, 기존의 밀도 기반 방법과 달리 거리 기반 상수 γ는 하이퍼볼릭 공간이나 다른 비유클리드 구조에도 적용 가능함을 시사한다.