数学分析:流形1

光滑道路是一个映射,但我们通过光滑道路的这个名词,可以想象成一个曲线。然后这个曲线上就会有一个速度的概念,这个速度在不同道路上(但都经过同一个点x_0)会有不同的方向,他们组成的空间就是切空间。速度就是切向量。

如果不考虑刚才的形式,那么切空间就是有点x0和线性空间Rn组成的有序对。有序对给我的感觉就是一个映射了。确实切空间本质上也是一个映射。后面我们会看到这个映射具体对应的输入和输出。包括它的基。M是流形,图册就是覆盖这个流形的Rn空间组成的图的集合。现在我们要定义流形上的切向量和切空间,我们就需要利用图册来建立关联。

是流形上的一个小邻域,包含点的每一张图,它的参数域(R^n空间中的t)中的道路和流形上的道路是一一对应的。就是说流形上的道路和参数域上的道路的映射关系:一般代表R^n空间到流形上的映射。那么我们的p(t)在它的逆映射下可以映射到我们的R^n空间,这样就和普通的R^n空间的道路对应起来了,那么响应的切空间和切向量也就对应起来了。

所以,我们在图()中,找到对应的切向量,x_i表示t0时刻经过的每一条不同的道路,它的导数就是对应的切向量,由这些切向量组合起来的就叫切空间。所以流形M的切向量在不同图中的坐标形式,就是对应R^n空间中的上述表示形式。如果两个图册还存在一个光滑互逆的映射,那么我们就可以推导得出(2),(3)

所以,流形M的切向量表示我们通过图册,找对一堆图,他们之间课通过前面的公式(3)建立关系。所以,对于任意一个流形上的切向量,它的不同的坐标表示形式可以用雅克比矩阵进行转换。

这个意思是说,我们找到了流形上的切空间,它和图上的(R^n)切空间相对应,而且线性结构和坐标形式是对应的。选择不同的图,这个线性结构并不会发生变化。

这一段非常重要,首先我们找到一个道路,然后道路上的一个点x0的邻域上,我们定一个一个函数f(x0),然后f的在x0的方向导数(选取了一个切向量)。这就是f的微分。这里其实让我有了新的认识,之前一致觉得切向量是建立在f上的,现在看来,切向量是建立在道路上的。即便没有f,那么我们也可以有道路以及道路上的切向量和切空间,在道路上的邻域选取一个f后,在进行方向导数的偏导的计算,就是f的微分。现在还没有引入基和余切空间,我们后面看是怎么对应上的。

所以,首先我们要确定一个道路,然后找到切向量,这样就可以定义一个泛函,它是映射f到R的映射,输入是一个映射f,它定义在道路上的一个函数,它本身也是一个泛函。同时,他们的线性关系是由切向量决定的。所以切空间和微分的线性空间存在同构关系。

切空间是函数f(x)上满足(8)(9)关系的函数(微分)的线性空间。

前面我们说了,切空间和微分空间是同构的,那么必然存在一个两者之间的一一映射关系。我们的方向导数,如果只是求偏导,不考虑切向量,其实就是f只对x求导,忽略x对t求导,那么就相当于后面那个方向导数是1,也可以这么理解,我们找到切空间的标准向量基,e1,e2....en,那么取这些基作为方向导数,那么最终的微分就单纯变成了求偏导。有点绕,举个例子:

然后如果你取切向量为e1,那么相当于就是0了,那么上面就是

因为e1的坐标就是1,所以你就看到了e1和f'(x1)的对应关系,所以我们终于找到了切空间的一组基。从向量角度,他是e1,e2,...en,从泛函角度,它就是求偏导,因为我们改变切向量,对应的泛函改变的是求偏导操作,和f无关。

这里也要好好理解,流形上的F,是一个定义在流形道路上的函数f,它的微分运算具有(8)(9)的形式,那么他们肯定包含切向量,这个切向量是微分中需要用到的。而把(9)里面的x换成p,其实我们就定义了流形本身上面的微分,它是和坐标无关的,也不需要引入局部坐标形式。

算子l(其实就是微分)在局部坐标(x1,x2...xn)下,也就是说选取了一个道路,具有偏导向量导数的形式。这个时候还没选具体的道路上的函数f。而具体的切向量下是有一个坐标的,是切向量的坐标。后面是坐标转换公式,它和前面的公式形式是一样的。

现在要考虑余切空间了,为什么要引出这个呢,是因为我们前面已经对切向量和切空间有一个很好的认识,也从线性泛函上好好的理解了切空间的基。包括切向量形式下的坐标基,和泛函空间中的坐标基。

f是定义在道路x上的函数,在流形的概念里,应该是流形M上的道路上的函数。l_xi是微分运算,它需要一个对应的切向量。这里要注意,我们需要固定一个函数f,然后才能建立切向量到lf的映射。它是切空间的对偶空间。这里要注意,我们的这个对偶空间,需要提供一个固定的f,然后加上微分运算,就得到了函数f在p的微分。

这里引出了切空间的对偶基。看上去符号虽然是我们熟悉的dx(偏导x)=(0或者1),但暂时还没看出它和微分的直接关系。后面的坐标转换公式就是雅克比矩阵。

所以我们再看下,对于切空间中的向量,我们的余切空间提供了一个固定函数,或者说对于一个固定的函数f,余切空间是把切向量的每个分量分别作用在f上,然后再相加,有点类似于内积的操作。所以这组基dx我们可以这么看,对于固定的f,这组基中的一个分量,会吧其中切向量的一个分量给取出来,也就是f对某一个x的偏导。所以,虽然切向量的每个分量看上去也是个偏导,但他因为没有固定的函数,而且是一个"向量",所以还需要余切空间的帮忙,对应一个固定的f,同时也引入内积的部分,得到一个R。

这里的m次微分形式,感觉应该是微分的微分的微分。。。。持续下去。但具体我还得看看。不过这个微分形式是作用在切空间上的。

phy是R^n到流形的映射。这里的坐标变换是道路上的坐标的变换,而切空间的坐标变换需要求导。求导其实就是微分,也就是对切空间中的切向量进行内积操作(对于固定的f)。所以这是在对偶空间下进行的。

这里意思是,流形上的微分形式w,在具体的图中的表现形式的转移,它是通过一个phy的对偶空间来实现的。 这么说吧,w是微分形式,微分形式的转移是发生在微分上的,也就是切向量的对偶空间上,就是求导后的对空间。

前面解释了,微分形式的转移是发生到微分上,也就是切向量的对偶空间上,所以它是一个函数,也就是系数都是函数。

相关推荐
凡人的AI工具箱3 分钟前
每天40分玩转Django:实操图片分享社区
数据库·人工智能·后端·python·django
小军军军军军军7 分钟前
MLU运行Stable Diffusion WebUI Forge【flux】
人工智能·python·语言模型·stable diffusion
Kenneth風车21 分钟前
【机器学习(九)】分类和回归任务-多层感知机(Multilayer Perceptron,MLP)算法-Sentosa_DSML社区版 (1)11
算法·机器学习·分类
最后一个bug26 分钟前
rt-linux中使用mlockall与free的差异
linux·c语言·arm开发·单片机·嵌入式硬件·算法
诚威_lol_中大努力中30 分钟前
关于VQ-GAN利用滑动窗口生成 高清图像
人工智能·神经网络·生成对抗网络
中关村科金1 小时前
中关村科金智能客服机器人如何解决客户个性化需求与标准化服务之间的矛盾?
人工智能·机器人·在线客服·智能客服机器人·中关村科金
逸_1 小时前
Product Hunt 今日热榜 | 2024-12-25
人工智能
Luke Ewin1 小时前
基于3D-Speaker进行区分说话人项目搭建过程报错记录 | 通话录音说话人区分以及语音识别 | 声纹识别以及语音识别 | pyannote-audio
人工智能·语音识别·声纹识别·通话录音区分说话人
DashVector1 小时前
如何通过HTTP API检索Doc
数据库·人工智能·http·阿里云·数据库开发·向量检索
说私域1 小时前
无人零售及开源 AI 智能名片 S2B2C 商城小程序的深度剖析
人工智能·小程序·零售