凸函数的对偶几何与核磁共振量子计算
立即解锁
发布时间: 2025-08-22 01:35:33 阅读量: 1 订阅数: 5 


应用数学与全局优化的进展:纪念Gilbert Strang
# 凸函数的对偶几何与核磁共振量子计算
## 1. 凸函数的对偶几何基础
在研究凸函数时,我们会遇到一些重要的方程和概念。例如方程 $-u_i + \frac{\partial\Phi}{\partial x_i}(x) = 0$,这里的 $\tilde{\Phi}$ 是 $\Phi$ 的凸共轭,$u = [u_1, \ldots, u_n]$ 是共轭变量。对于图浸入的情况,有 $\Gamma_{ki,j} = 0$,$S_{k}^i = 0$,$t_{ij} = 0$,$\tau_i = 0$,$\kappa_i = 0$ 对所有指标都成立,并且 $h_{ij}(x) = \frac{\partial^2\Phi(x)}{\partial x_i\partial x_j}$。
### 1.1 几何散度
我们可以为余维数为 2 的质心仿射浸入 $\{f, -f, \xi\}$ 及其相关的对偶映射 $\{\tilde{f}, -\tilde{f}, \zeta\}$ 构造几何散度 $G$:
$G(x, y) = \langle \tilde{f}(y), f(x) - f(y) \rangle_{n + 2} = \langle \tilde{f}(y), f(x) \rangle_{n + 2} = \sum_{a = 1}^{n + 2} \tilde{f}_a(y)f_a(x)$
对于图浸入,将 $f$ 和 $\tilde{f}$ 代入可得:
$G(x, y) = -\langle x, (\partial\Phi)(y) \rangle_n + \Phi(x) + \tilde{\Phi}((\partial\Phi)(y)) \equiv B_{\Phi}(x, y)$
在余维数为 1 的等仿射浸入和余维数为 2 的质心仿射浸入中,几何散度是对偶平坦空间上 Bregman(规范)散度的推广。
### 1.2 散度函数诱导的黎曼结构
S. Eguchi 首次证明了散度函数可以诱导黎曼度量 $g$ 和一对共轭联络 $\Gamma$,$\Gamma^*$:
- $g_{ij}(x) = -\frac{\partial x_i\partial y_j D(x, y)}{\vert_{y = x}}$
- $\Gamma_{ij,k}(x) = -\frac{\partial x_i\partial x_j\partial y_k D(x, y)}{\vert_{y = x}}$
- $\Gamma_{ij,k}^*(x) = -\frac{\partial y_i\partial y_j\partial x_k D(x, y)}{\vert_{y = x}}$
将这些公式应用于 Bregman 散度 $B_{\Phi}(x, y)$ 可得:
- $g_{ij}(x) = \frac{\partial^2\Phi(x)}{\partial x_i\partial x_j}$
- $\Gamma_{ij,k}(x) = 0$
- $\Gamma_{ij,k}^*(x) = \frac{\partial^3\Phi(x)}{\partial x_i\partial x_j\partial x_k}$
计算它们的曲率张量表明这对联络是对偶平坦的,在仿射几何文献中通常称为“黑塞流形”。
### 1.3 α - 黑塞几何
#### 1.3.1 基本结构
与散度函数 $D_{\Phi}^{(\alpha)}(x, y)$ 相关的流形 $\{M, g_x, \Gamma_x^{(\alpha)}, \Gamma_x^{(-\alpha)}\}$ 由以下式子给出:
- $g_{ij}(x) = \Phi_{ij}$
- $\Gamma_{ij,k}^{(\alpha)}(x) = \frac{1 - \alpha}{2} \Phi_{ijk}$
- $\Gamma_{ij,k}^{*(\alpha)}(x) = \frac{1 + \alpha}{2} \Phi_{ijk}$
这里 $\Phi_{ij} = \frac{\partial^2\Phi(x)}{\partial x_i\partial x_j}$,$\Phi_{ijk} = \frac{\partial^3\Phi(x)}{\partial x_i\partial x_j\partial x_k}$。
#### 1.3.2 曲率张量和体积形式
对于 α - 黑塞流形 $\{M, g_x, \Gamma_x^{(\alpha)}, \Gamma_x^{(-\alpha)}\}$:
- 曲率张量:$R_{\mu\nu ij}^{(\alpha)}(x) = \frac{1 - \alpha^2}{4} \sum_{l,k} (
0
0
复制全文
相关推荐










