外积(Wedge Product)

news/2025/2/8 4:27:28/文章来源:https://www.cnblogs.com/crossLH/p/18703570

关于微分形式的外积(wedge product), 又称楔积, 不同的作者会采用不同的记号.
这里采用行列式记号, 即John M. Lee采用的记号. (另一个记号是Alt记号, 多为复几何/多复变的专家采用. 二者之间差一个常系数.)

先看一个例子, 这是一个2-form \(\Omega\) 和1-form \(\theta\)的外积:

\[\Omega \wedge \theta (X,Y,Z)=\Omega(X,Y) \theta (Z)+\Omega (Y,Z)\theta (X)+\Omega (Z,X) \theta (Y), \]

我发现右边正好是最节约的表达形式: 按照通常的公式展开会有很多同样的项被合并, 如 $\Omega(X,Y) \theta (Z)-\Omega(Y,X) \theta (Z)=2\Omega(X,Y) $, 可是右边正好每一个代表项就出现一次.

这是巧合吗? 于是我又计算了另一个例子, 来看两个2-form的外积:

\[\begin{aligned}\omega \wedge \eta (X,Y,Z,W)=&\omega (X,Y) \eta (Z,W)+ \omega (X,Z) \eta (W,Y)+\omega (X,W) \eta (Y,Z) \\&+\omega (Y,Z)\eta (W,X)+\omega (Y,W)\eta (X,Z)\\&+\omega (Z,W)\eta (X,Y) \end{aligned} \]

其中的计算经过了一些化简, 但是最后的结果竟然又是同样的最节约的形式!

这趋势我回到外积的最初定义:

\[\omega \wedge \eta=\frac{(k+l) !}{k ! l !} \operatorname{Alt}(\omega \otimes \eta), \]

这里的Alt算子定义如下:

\[\text { Alt } \alpha=\frac{1}{k !} \sum_{\sigma \in S_{k}}(\operatorname{sgn} \sigma)\left({ }^{\sigma} \alpha\right). \]

Alt算子定义中的系数$k! $ 意义容易理解, 因为右端的求和项正好是 $k! $ 项, 所以这算是一个平均, 也使得Alt算子作用到本身就是微分形式的张量场时是保持不变的. 第一眼看到外积中的系数时, 我并没有留意什么, 觉得不过可能是为了公式好看的普通的系数罢了. 今天初看才发现, 这个不正是组合数 \(C_{k+l}^{k}\) 吗? 受到这点的启发, 那么也就好解释上面发现的现象了.

实际上, 结合两个公式, 我们有
\begin{equation}\label{eq1}
\omega \wedge \eta=\frac{1}{k ! l !} \sum_{\sigma \in S_{k}}(\operatorname{sgn} \sigma)\left({ }^{\sigma} \alpha\right)
\end{equation}
首先, $\eqref{eq1} $ 右端的求和项中最节约的项总共应该有 \(C_{k+l}^{k}\) 项: 假设右端作用上 \(k+l\) 个向量, 每从 \(k+l\) 个向量中选取 \(k\) 个向量出来被 \(\omega\) 作用(\(\omega\) 是一个 \(k\)-形式), 剩下的 \(l\) 个向量就被 \(\eta\) 作用, 这代表了公式右端求和符号中的一项. 按照这样的取法, 每个取法, 都对应一项; 且不同取法对应的项不能互相合并. 接下来, 容易看出每一项会被重复 $k!\cdot l! $ 次, 而这恰好是公式 $\eqref{eq1} $ 前面的系数!

从这次探寻来看, 我觉得获益颇多. 首先是细节--很多有趣的发现就藏在细节里, 一旦你忽视了或错过了, 可能会对整体的理解出现大的偏差. 另一点是, 我们也可以倒过来想, 为什么在定义外积时会出现这样的常系数? 理论上看, 微分形式外积之后仍是微分形式, 故其本身就可以表示为某种最节约的几项求和, 而这样的系数恰好使得其呈现出公式上的简明. 这似乎又回到最初的起点, 我一开始就是认为这个系数是为了公式好看才加上去的, 结果也验证了这一点. 可是, 又有不同. 一开始只是凭感觉, 经过一些推导之后, 这些感觉变成了真实的感受, 成为了我的一种经验. 当然这种简单的数学感觉无足挂齿.

如今天这般的对数学的追问, 可以说是新的收获, 也可以说是温习了一遍研究数学的万有范式: 直觉和严格验证.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/880429.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

INFINI Labs 产品更新 - Easysearch 增强 Rollup 能力,Console 完善 TopN 指标等

INFINI Labs 产品更新发布!此次更新,Easysearch 增强 Rollup 能力,支持更多的聚合方式;Console 完善了 TopN 的指标,支持自定义视图,并内嵌视图模板;Gateway 进行了多处优化以及修复相关 Bug 等等。欢迎下载体验,探索更多可能! INFINI Easysearch v1.10.1 INFINI Easy…

Proj CJI Paper Reading: Detecting language model attacks with perplexity

AbstractTool: PPL Findings:queries with adversarial suffixes have a higher perplexity, 可以利用这一点检测 仅仅使用perplexity filter对mix of prompt types不合适,会带来很高的假阳率Method: 使用Light-GDB根据perplexity和token length filter带有adversarial suffix…

年化收益17倍的红中探底(单针探底)操作策略

作者QQ: 396068801,加Q分享交流通达信红中探底指标。 红中探底条件: # 更新日志:# 2025-2-7 改为红中创10天新低,25日均线向上,尾盘进。# 止盈操作:涨停不卖, 每涨8%就卖一半,直到浮盈达到3倍清仓;高点跌8%清仓。# 止损: 买入后只要跌超6%就清仓止损。# 卖票时间: …

Java基础学习(十五)

Java基础学习(十五):IO流 目录Java基础学习(十五):IO流概念基本流字节输出流 FileOutputStream字节输入流 FileInputStream字符集Java 中的编码和解码字符输入流 FileReader字符输出流 FileWriter缓冲流字节缓冲流字符缓冲流转换流序列化流 和 反序列化流序列化流反序列化…

linux vm tools 问题

转载vmware tools 失效问题解决方式(Ubuntu 22 以及其他系统) - 知乎 今天新装了Kubuntu 以及 Ubuntu 版本均为 22x,一如既往的操作,最后发现VMware tools失效。 尝试输入vmware-user发现又可以了。 具体表现: 1、窗口分辨率可以缩放,无法复制粘贴,无法复制粘贴文件。 2…

【shell脚本】轻松搞定打包与Shell部署

本篇和大家分享的是springboot打包并结合shell脚本命令部署,重点在分享一个shell程序启动工具,希望能便利工作; 1. profiles指定不同环境的配置 通常一套程序分为了很多个部署环境:开发,测试,uat,线上 等,我们要想对这些环境区分配置文件,可以通过两种方式: 1、通过a…

01 HTML详解

一. HTML语言 HTML是超文本标记语言。超文本:文本、图片、声音、视频、表格、链接等等。 标记:由许许多多的标签组成。二. HTML结构 HTML 代码是由 "标签" 构成的。 形如: <body>hello</body>标签名 (body) 放到 < > 中。大部分标签成对出现。…

HTML详解

一. HTML语言 HTML是超文本标记语言。超文本:文本、图片、声音、视频、表格、链接等等。 标记:由许许多多的标签组成。二. HTML结构 HTML 代码是由 "标签" 构成的。 形如: <body>hello</body>标签名 (body) 放到 < > 中。大部分标签成对出现。…

【Nginx】Nginx 配置页面请求不走缓存 浏览器页面禁用缓存

我是Superman丶 巴韭特锁螺丝 2025年02月07日 08:50 陕西 前言 使用缓存的优点在于减少数据传输,节省网络流量,加快响应速度;减轻服务器压力;提供服务端的高可用性;缺点在于数据的不一致问题;增加成本 Nginx作为Web缓存服务器,介于客户端和应用服务器之间,当用户通过浏…

NLog日志(三)

程序开发日志输出常用逻辑 1.应用启动和关闭添加新配置<rules><!-- 默认日志记录器(仅控制台输出) --><logger name="*" minlevel="Debug" writeTo="logconsole" /><!-- 记录应用启动 & 关闭日志 --><logger n…

XXL-CACHE v1.2.0 | 多级缓存框架

Release Notes1、【增强】多序列化协议支持:针对L2缓存,组件化抽象Serializer,可灵活扩展更多序列化协议; 2、【优化】移除冗余依赖,精简Core体积;XXL- CACHE 快速接入示例代码参考github仓库 /test 目录:https://github.com/xuxueli/xxl-cache/tree/master/xxl-cache-s…

将模型api集成到python中

1.今日成果 1-1从阿里百炼上获取使用API的代码,在本地配置好环境,运行。 1-2ollama上拉取视频理解的模型,却没有上传视频的界面,可以使用python代码加载模型 1-3huggingface上的模型可以通过transformer集成到python运行。 1-4Qwen模型本地部署的环境搭建好了 2.未解决的问…