当前位置: 首页 > ds >正文

N维漂洛界的定义和参数方程

本文仅发布于csdn和知乎,在其余平台不作发表。

说明

不式一般性,本文对图形分量的指代局限于第一象限。
所谓的“面积”意思是在 N N N维一次型中超平面在第一象限的图形的 N − 1 N-1 N1维体积
曹在课题组中给出的不变量法属纯几何方法,不易说明这种证法在一般一次型的推广,本文执笔的能力水平只能理解到三维,所以在本文只是给出二维证明。三微情况的完整推导过程,详见《集合微扰法》的附录一。

定义

N N N维直角坐标系空间中:
所有面积相等的平面的分布边界构成漂洛界 D D D(其中每一个点不包含值为 0 0 0的坐标)。
一个点 P P P是 超平面 A A A的临点,如果这个 A A A的面积(下文简记为 ( A ) (A) (A))关于 P P P的微扰是不变量。


执笔:MonCera
理论指导:曹璟鑫,陶哲轩

简单情形

在二维情况的两个基本问题

知定点坐标,求过墙角定点的最短直线段?
长度为定值的墙角滑杆,求轨迹?
过原点引出一条直线,注意到这个和直线的交点的各个坐标和对应长度是正相关的。
答案就不说了,网上讲这个问题的文章一大把。这里只是讲讲方法。

二维情况的微分几何证明

在这里插入图片描述
微调倾斜角,两式作差得到的交点就是临点。

二维情况的不变量法证明

微调滑杆,两滑杆作差为0得到决定临点分布的比例系数的方程。

二维情况的旋心法证明

相当于是认为杆在绕一点旋转,把这个旋心分析出来问题就解决了。

一般情况

在N维的两个基本问题

知定点确定的超平面系 [ A ] [A] [A] ( A ) (A) (A)的最小值?
面积 ( A ) (A) (A)为定值,求 D D D的方程?

用拉格朗日乘数法得到临点

临点 P ( x 1 , x 2 , . . . , x N ) P(x_1,x_2,...,x_N) P(x1,x2,...,xN) A A A一一对应,临点的位置与 [ A ] [A] [A]的分布区域一一对应。

λ = ∑ 1 N a − 2 , μ = N 2 ∏ 1 N a 2 \lambda=\sum_{1}^{N}a^{-2}, \mu=N^2\prod_{1}^{N}a^{2} λ=1Na2μ=N21Na2
以截距为变量,构造约束方程(临点)和目标变量(面积),尝试得到临点(A的截距的值为不变量时的点)。

g = A = ∑ 1 N x a − 1 = 0 , h = ( ( A ) ) 2 = λ μ g=A= \sum_1^N\frac{x}{a}-1=0,h=((A))^2=\lambda\mu g=A=1Nax1=0h=((A))2=λμ

核心工作是求导。
h a i = − s g a i h_{a_i}= -sg_{a_i} hai=sgai
λ μ a i + λ a i μ = s x a i 1 a i 2 \lambda\mu_{a_i}+\lambda_{a_i}\mu= sx_{a_i}\frac{1}{a_i^2} λμai+λaiμ=sxaiai21
λ μ a i − 1 a i 3 μ = s x a i 1 a i 2 \lambda\frac{\mu}{a_i}-\frac{1}{a_i^3}\mu= sx_{a_i}\frac{1}{a_i^2} λaiμai31μ=sxaiai21
μ ( λ − 1 a i 2 ) = s x i a i \mu(\lambda\ -\frac{1}{a_i^2})= s\frac{x_i}{a_i} μ(λ ai21)=saixi

注意到与g相似的结构 x 1 a 1 \frac{x^1}{a^1} a1x1,将(1)的左右边相加N次得到s:

s = h ( N − 1 ) s=h(N-1) s=h(N1)
于是得到 D D D
x i = a i μ ( λ − 1 a i 2 ) ( ( A ) ) 2 x_i = \frac{a_i\mu(\lambda-\frac{1}{a_i^2})}{((A))^2} xi=((A))2aiμ(λai21)

http://www.xdnf.cn/news/2377.html

相关文章:

  • 算法设计课作业
  • 【概念】什么是 JWT Token?
  • JAVA多线程(8.0)
  • matlab实现稀疏低秩去噪
  • day7 python针对心脏病数据集预处理
  • Java ThreadLocal与内存泄漏
  • 黑马Java基础笔记-4
  • 青少年CTF-贪吃蛇
  • YOLOv11改进:RevColV1可逆列目标检测网络(特征解耦助力小目标检测)
  • 写入cache时数据格式错误产生的ERRO导致整个测试框架无法运行
  • 大模型时代的语言格局演变:为什么是 JavaScript?
  • PyTorch数据加载与预处理
  • 模板引擎语法-过滤器
  • TeaCache原理及代码
  • 泛型进阶之通配符
  • import tree # pip install dm_tree ModuleNotFoundError: No module named ‘tree‘
  • 如何导出1寸分辨率为300及以上的照片?
  • 常见cmd命令
  • 基于PyTorch的图像识别主要依赖于深度学习模型(尤其是卷积神经网络,CNN)对图像特征进行自动学习和分类
  • tigase源码学习杂记-IO处理的线程模型
  • Python-MCPServerStdio开发
  • python输出
  • 防火墙规则配置错误导致的网络问题排查
  • Tauri v2 配置全解析(完整版)
  • Eigen线性代数求解器(分解类)
  • 内存大冒险
  • ai与望闻问切
  • 2025最新Facefusion3.1.2使用Docker部署,保姆级教程,无需配置环境
  • C语言输入输出完全指南:从基础到文件操作
  • MCP 协议解读:STDIO 高效通信与 JSON-RPC 实战