莫尔斯引理

                     

贡献者: DTSIo

  • 本文存在未完成的内容。
  • 本文处于草稿阶段。
预备知识 隐函数定理的不动点证明

   莫尔斯引理在微分几何学中占有基本地位。粗略地说,它表示:一个光滑函数在其非退化临界点附近的表现,完全由其在这一点处的二阶导数决定。

1. 表述与直观

引理 1 莫尔斯引理

   设 $n$ 元光滑函数 $f$ 定义在坐标原点附近, 满足 $f'(0)=0$. 如果 Hessian 矩阵 $$ f''(0)=\left(\frac{\partial^2f}{\partial x^i\partial x^j}(0)\right)~ $$ 是可逆的, 则在坐标原点的某个小邻域上, 存在微分同胚 $\varphi(x)$, 使得 $$ (f\circ\varphi)(x)=f(0)+\frac{1}{2}\langle f''(0)x,x\rangle~. $$

   我们注意到, $f(0)+\frac{1}{2}\langle f''(0)x,x\rangle$ 正是 $f$ 的泰勒展开截断到二阶的近似表达式. 因此, 莫尔斯引理说明: 在非退化临界点附近, 可以找到一个坐标变换, 使得 $f$ 的表达式在新坐标之下与 $f$ 的二阶近似重合.

2. 证明

   设 Hessian 矩阵 $f''(0)=(h_{ij})$. 将新坐标 $\varphi^{-1}(x)$ 记作 $y$, 从而将方程重写为

\begin{equation} f(x)=f(0)+\frac{1}{2}\sum_{k,l=1}^nh_{kl}y^ky^l~. \end{equation}
我们希望新坐标 $y$ 是二阶接近旧坐标 $x$ 的, 所以可以设 $$ y^k =x^k+\sum_{i,j=1}^nA^k_{ij}(x)x^ix^j~. $$ 其中 $A_{ij}(x)$ 是待求解的光滑函数. 将 $f(x)$ 进行泰勒展开到三阶, 得到 $$ f(x)=f(0)+\frac{1}{2}\sum_{i,j=1}^nh_{ij}x^ix^j+ \sum_{i,j,k=1}^nR_{ijk}(x)x^ix^jx^k~. $$ 其中最后一项是积分形式的余项给出的, $R_{ijk}(x)$ 都是已知的光滑函数. 于是, 将 $y$ 代入式 1 右边, 将 $f(x)$ 的泰勒展开式代入式 1 左边, 式 1 就化成了 $$ \sum_{i,j,k,l=1}^nh_{kl}A^l_{ij}(x)x^ix^jx^k =\sum_{i,j,k=1}^nR_{ijk}(x)x^ix^jx^k -\frac{1}{2}\sum_{i,j,k,l=1}^n\sum_{p,q=1}^nh_{pq}A^p_{ij}(x)A^q_{kl}(x)x^ix^jx^kx^l~. $$ 如果对比 $x^ix^jx^k$ 的系数, 会发现只需要求解如下关于 $A(x)$ 的方程:
\begin{equation} \sum_{l=1}^nh_{kl}A^l_{ij}(x) =R_{ijk}(x) -\frac{1}{2}\sum_{l=1}^n\sum_{p,q=1}^nh_{pq}A^p_{ij}(x)A^q_{kl}(x)x^l~. \end{equation}
到目前为止还没有用到 $(h_{ij})$ 是非退化矩阵. 现在要用到它了. 将 $(h_{ij})$ 的逆矩阵写为 $(c^{ij})$, 同时记 $B_{ijk}(x)=\sum_{l=1}^nh_{kl}A^l_{ij}(x)$, 则式 2 就等价于 $$ B_{ijk}(x) =R_{ijk}(x)-\frac{1}{2}\sum_{l=1}^n\sum_{p,q=1}^nc^{pq}B_{ijp}(x)B_{klq}(x)x^l~. $$ 这已经是关于未知量 $[B_{ijk}(x)]_{i,j,k=1}^n$ 的不动点型方程了. 如果将它移项重写为 $F(x,B)=0$, 其中 $$ F(x,B)=B_{ijk}-R_{ijk}(x)+\frac{1}{2}\sum_{l=1}^n\sum_{p,q=1}^nc^{pq}B_{ijp}B_{klq}x^l~, $$ 则显然有 $$ \frac{\partial F}{\partial B}(0,R(0))=\mathrm{Id}~. $$ 即恒同映射. 根据隐函数定理, 这确定了唯一一个隐函数 $[B_{ijk}(x)]_{i,j,k=1}^n$. 满足 $[B_{ijk}(0)]_{i,j,k=1}^n=[R_{ijk}(0)]_{i,j,k=1}^n$. 这就给出了满足条件的新坐标 $$ y^k =x^k+\sum_{i,j,l=1}^nc^{kl}B_{ijl}(x)x^ix^j~. $$

                     

© 小时科技 保留一切权利