맨위로가기

미분 사상

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요

미분 사상은 미분 가능한 다양체 사이의 매끄러운 함수를 일반화한 개념으로, 각 점에서의 전미분인 선형 사상으로 정의된다. 구체적으로, 다양체 M에서 N으로 가는 함수 φ에 대해, x ∈ M에서의 미분 사상 dφx는 M의 x에서의 접공간 TxM에서 N의 φ(x)에서의 접공간 Tφ(x)N으로 가는 선형 사상이다. 접벡터를 곡선 또는 유도로 정의하는 방식에 따라 미분 사상은 다르게 표현될 수 있으며, 국소 좌표 표현에서는 야코비 행렬로 나타낼 수 있다. 미분 사상은 접다발 사이의 다발 사상인 접선 사상 Tφ를 유도하며, 벡터장의 푸시포워드 개념을 통해 사상에 따른 벡터장을 정의할 수 있다. 리 군의 곱셈 사상을 이용한 푸시포워드 예시를 통해 미분 사상의 구체적인 적용을 살펴볼 수 있다.

더 읽어볼만한 페이지

  • 미분의 일반화 - 기울기 (벡터)
    기울기(벡터)는 스칼라장의 특정 지점에서 값이 가장 빠르게 증가하는 방향과 변화율을 나타내는 벡터로, 함수의 등위면에 수직이며 크기는 해당 방향의 변화율을 나타내고, 스칼라 함수의 각 성분에 대한 편미분으로 구성되며 나블라 연산자로 표현된다.
  • 미분의 일반화 - 야코비 행렬
    야코비 행렬은 열린 집합 U에서 정의된 함수 f의 각 성분 편도함수를 요소로 가지는 행렬이며, 함수가 미분 가능할 때 전미분을 나타내고, n=m일 경우 행렬식은 함수의 동작에 대한 정보를 제공하며 다양한 분야에 응용된다.
  • 매끄러운 함수 - 분포 (해석학)
    해석학에서 분포는 시험 함수 공간의 연속 쌍대 공간의 원소로 정의되며, 로랑 슈바르츠에 의해 정립되어 편미분 방정식의 해를 다루는 데 유용하고 미분 불가능하거나 특이점을 갖는 함수를 포함한 다양한 함수를 다루는 데 효과적인 일반적인 함수의 개념을 확장한 것이다.
  • 매끄러운 함수 - 모스 이론
    모스 이론은 미분다양체 위의 함수의 임계점과 지표를 이용하여 다양체의 위상수학적 성질을 연구하는 이론으로, 함수값에 따른 부분공간 변화를 관찰하여 다양체의 호몰로지를 계산하고 위상수학적 성질을 밝히는 데 응용된다.
  • 미분기하학 - 가우스 곡률
    가우스 곡률은 3차원 유클리드 공간에 놓인 곡면의 두 주곡률의 곱으로, 곡면의 형태를 나타내는 지표이며 곡면 자체의 길이 측정만으로 결정되는 내재적인 값이다.
  • 미분기하학 - 가우스의 빼어난 정리
    가우스의 빼어난 정리는 곡면의 가우스 곡률이 외부 공간이 아닌 곡면 자체의 리만 계량만으로 결정된다는 정리로, 곡면의 변형 시 가우스 곡률이 보존됨을 의미하며, 지도 제작의 불가능성 증명과 고차원 리만 다양체 일반화에 응용되어 미분기하학과 일반 상대성 이론의 기초가 된다.
미분 사상
개요
유형수학적 개념
분야미분기하학
관련 개념접선 공간
정의
정의매끄러운 다양체 M, N 사이의 매끄러운 사상 φ: M → N의 미분은 M의 각 점 x에서 정의되는 접선 공간 사이의 선형 사상 dφ: TM → TN이다.
다른 이름미분 (differential), 접사상 (tangent map), 유도 사상 (induced map)
성질
연쇄 법칙만약 φ: M → N 과 ψ: N → P 가 매끄러운 사상이라면, d(ψ ∘ φ) = dψ ∘ dφ이다.
좌표 표현좌표계를 사용하여 미분을 나타낼 수 있다.
벡터장과의 관계벡터장 X on M에 대해, φX는 N 위의 벡터장이다.
응용
응용다양체의 임베딩과 잠수, 리 군론

2. 동기 부여

다변수 미분 적분학에서, }}의 열린 집합 에서 }}의 열린 집합 로의 미분 가능 함수 의 각 점 에서의 전미분 '': '''R''' → '''R'''}}는 선형 사상이며, 야코비 행렬로 표현된다.

이를 임의의 매끄러운 다양체 , 사이의 매끄러운 함수 로 일반화할 수 있다. ∈ 가 주어졌을 때, M}}을 의 에서의 접공간, N}}을 의 에서의 접공간이라 하면, 의 에서의 미분 사상은 다음과 같은 선형 사상이다.

: TM → TN}}

만약 접공간을 를 만족하는 곡선들의 동치류로 정의했다면, 미분 사상은 다음과 같이 표현된다.

(γ'(0)) = (φ ∘ γ)'(0)}}

3. 매끄러운 함수의 미분

φ : ''M'' → ''N''를 매끄러운 다양체 사이에서 정의된 매끄러운 함수라고 하자. ''x'' ∈ ''M''가 주어졌을 때, dφx는 ''M''의 x에서의 접공간 TxM에서 ''N''의 φ(''x'')에서의 접공간 Tφ(x)N으로 가는 선형 사상이다.

접벡터를 γ(0) = ''x''를 만족하는 곡선들의 동치류로 정의하면, 미분은 다음과 같이 주어진다.

:dφx(γ'(0)) = (φ ∘ γ)'(0).

여기서 γ는 γ(0) = x를 만족하는 M의 곡선이고, γ'(0)는 0에서 곡선 γ에 대한 접벡터이다. 다시 말해, 0에서 곡선 γ에 대한 접벡터의 푸시포워드는 0에서 곡선 φ ∘ γ에 대한 접벡터이다.

접벡터를 매끄러운 실수 값을 갖는 함수에 작용하는 유도로 정의하면, 미분은 다음과 같이 주어진다.

:dφx(X)(f) = X(f ∘ φ),

임의의 함수 f ∈ C(''N'')와 점 ''x'' ∈ ''M''에서의 임의의 유도 X ∈ TxM에 대해 정의에 의해, X의 푸시포워드는 Tφ(x)N에 있으며, 따라서 자체적으로 유도, 즉 dφx(X) : C(N) → ℝ이다.

아인슈타인 표기법을 사용하면 다음과 같이 표현할 수 있다.

:dφx(∂/∂ua) = (∂φ^b/∂ua)(∂/∂vb)

여기서 편미분은 주어진 차트에서 ''x''에 해당하는 ''U''의 점에서 평가된다. 선형성에 의해 확장하면 다음과 같은 행렬을 얻는다.

:(dφx)ab = ∂φ^b/∂ua.

따라서 미분은 각 점에서 매끄러운 사상 φ와 관련된 접공간 사이의 선형 변환이다. 일반적으로 미분이 가역적일 필요는 없다. 그러나, 만약 φ가 국소 미분 동형 사상이라면, dφx는 가역적이고, 그 역은 Tφ(x)N의 당김을 제공한다.

미분은 다음과 같은 다양한 다른 표기법으로 표현된다.

:Dφx, (φ*)x, φ'(''x''), Txφ.

3. 1. 접벡터의 정의에 따른 미분

φ : ''M'' → ''N''를 매끄러운 다양체 사이에서 정의된 매끄러운 함수라 하자. ''x'' ∈ ''M''가 주어졌을 때, dφx는 ''M''의 x에서의 접공간 TxM에서 ''N''의 φ(''x'')에서의 접공간 Tφ(x)N으로 가는 선형 사상이다.

접벡터를 γ(0) = ''x''를 만족하는 곡선들의 동치류로 정의하면, 미분은 다음과 같이 주어진다.

:dφx(γ'(0)) = (φ ∘ γ)'(0).

여기서 γ는 γ(0) = x를 만족하는 M의 곡선이고, γ'(0)는 0에서 곡선 γ에 대한 접벡터이다. 다시 말해, 0에서 곡선 γ에 대한 접벡터의 푸시포워드는 0에서 곡선 φ ∘ γ에 대한 접벡터이다.

접벡터를 매끄러운 실수 값을 갖는 함수에 작용하는 유도로 정의하면, 미분은 다음과 같이 주어진다.

:dφx(X)(f) = X(f ∘ φ),

임의의 함수 f ∈ C(''N'')와 점 ''x'' ∈ ''M''에서의 임의의 유도 X ∈ TxM에 대해 정의에 의해, X의 푸시포워드는 Tφ(x)N에 있으며, 따라서 자체적으로 유도, 즉 dφx(X) : C(N) → ℝ이다.

아인슈타인 표기법을 사용하면 다음과 같이 표현할 수 있다.

:dφx(∂/∂ua) = (∂φ^b/∂ua)(∂/∂vb)

여기서 편미분은 주어진 차트에서 ''x''에 해당하는 ''U''의 점에서 평가된다. 선형성에 의해 확장하면 다음과 같은 행렬을 얻는다.

:(dφx)ab = ∂φ^b/∂ua.

따라서 미분은 각 점에서 매끄러운 사상 φ와 관련된 접공간 사이의 선형 변환이다. 일반적으로 미분이 가역적일 필요는 없다. 그러나, 만약 φ가 국소 미분 동형 사상이라면, dφx는 가역적이고, 그 역은 Tφ(x)N의 당김을 제공한다.

미분은 다음과 같은 다양한 다른 표기법으로 표현된다.

:Dφx, (φ*)x, φ'(''x''), Txφ.

3. 2. 국소 좌표 표현

''x''와 φ(''x'') 주변의 차트를 선택하면, φ는 국소적으로 \R^m\R^n의 열린 집합 사이의 매끄러운 함수로 표현된다. 이 때, 미분은 야코비 행렬로 표현된다.

아인슈타인 표기법을 사용하면, 미분은 다음과 같이 표현된다.

:d\varphi_x\left(\frac{\partial}{\partial u^a}\right) = \frac{\partial{\widehat{\varphi}}^b}{\partial u^a} \frac{\partial}{\partial v^b}

여기서 편미분은 주어진 차트에서 x 에 해당하는 U 의 점에서 평가된다.

선형성에 의해 확장하면 다음과 같은 행렬을 얻는다.

:\left(d\varphi_x\right)_a^{\;b} = \frac{\partial{\widehat{\varphi}}^b}{\partial u^a}

따라서 미분은 각 점에서 매끄러운 사상 \varphi 와 관련된 접공간 사이의 선형 변환이다. 그러므로, 선택된 국소 좌표계에서, 이것은 \R^m에서 \R^n으로의 해당 매끄러운 사상의 야코비 행렬로 표현된다.

3. 3. 주요 성질

미분 사상은 다음과 같은 선형 사상이다.

:\mathrm d \varphi_x:T_xM\to T_{\varphi(x)}N\,

만약 접공간을 γ(0) = ''x''가 성립하는 곡선들 중 특정 성질을 만족하는 동치류로 정의했다면, 미분 사상은 다음과 같이 된다.

:\mathrm d \varphi_x(\gamma'(0)) = (\varphi \circ \gamma)'(0).

4. 접다발 위의 미분 사상

''M''과 ''N''이 매끄러운 다양체이고, ''φ'' : ''M'' → ''N''가 매끄러운 함수라고 하자. ''x'' ∈ ''M''가 주어졌을 때, T_x M을 ''M''의 x에서의 접공간, T_{\varphi \left( x \right)} N을 ''N''의 φ(''x'')에서의 접공간이라 정의하면, φ의 ''x''에서의 미분 사상은 다음과 같은 선형 사상이다.

:\mathrm d \varphi_x:T_xM\to T_{\varphi(x)}N\,

만약 접공간을 γ(0) = ''x''가 성립하는 곡선들 중 특정 성질을 만족하는 동치류로 정의했다면, 미분 사상은 다음과 같이 된다.

:\mathrm d \varphi_x(\gamma'(0)) = (\varphi \circ \gamma)'(0).

매끄러운 사상 \varphi의 미분은 접다발 사이의 다발 사상 (벡터 다발 준동형사상) d\varphi를 유도한다. 이는 다음 가환도표에 적합하다.

미분 사상의 밀어내기


여기서 \pi_M\pi_N은 각각 MN의 접다발의 다발 사영을 나타낸다.

\operatorname{d}\!\varphiTM에서 M 위의 당김 다발 ''φ''''TN''로의 다발 사상을 유도한다.

:(m,v_m) \mapsto (m,\operatorname{d}\!\varphi (m,v_m)),

여기서 m \in M이고 v_m \in T_mM이다. 후자의 사상은 다시 M 위의 벡터 다발 Hom(''TM'', ''φ''''TN'')의 단면으로 볼 수 있다. 다발 사상 \operatorname{d}\!\varphi는 또한 T\varphi로 표기하며, '''접선 사상'''이라고 불린다. 이러한 방식으로, T는 함자이다.

5. 벡터장의 푸시포워드

매끄러운 사상 ''φ'' : ''M'' → ''N''과 ''M'' 위의 벡터장 ''X''가 주어졌을 때, 일반적으로 ''φ''에 의한 ''X''의 푸시포워드를 ''N'' 위의 어떤 벡터장과 동일시하는 것은 불가능하다. 예를 들어, 사상 ''φ''가 전사 함수가 아니면, ''φ''의 이미지 밖에서는 그러한 푸시포워드를 정의할 자연스러운 방법이 없다. 또한, ''φ''가 단사 함수가 아니면 주어진 점에서 푸시포워드를 선택하는 방법이 두 개 이상일 수 있다. 그럼에도 불구하고, 사상에 따른 벡터장의 개념을 사용하여 이러한 어려움을 정확하게 만들 수 있다.

''M'' 위의 ''φ''''TN''의 단면을 '''사상 ''φ''에 따른 벡터장'''이라고 한다. 예를 들어, ''M''이 ''N''의 부분 다양체이고 ''φ''가 포함 사상인 경우, ''φ''에 따른 벡터장은 ''M''을 따른 ''N''의 접다발의 단면이다. 특히, ''M'' 위의 벡터장은 ''TM''을 ''TN'' 안에 포함시켜 그러한 단면을 정의한다.

''X''가 ''M'' 위의 벡터장, 즉 ''TM''의 단면이라고 가정하자. 그러면, d''φ'' ∘ ''X''는 '''푸시포워드''' ''φ''''X''를 생성하는데, 이는 ''φ''에 따른 벡터장, 즉 ''M'' 위의 ''φ''''TN''의 단면이다.

''N'' 위의 임의의 벡터장 ''Y''는 (''φ''''Y'')''x'' = ''Y''''φ''(''x'')를 갖는 ''φ''''TN''의 당김 단면 ''φ''''Y''를 정의한다. ''M'' 위의 벡터장 ''X''와 ''N'' 위의 벡터장 ''Y''는 '''φ-관련'''이라고 하는데, 이는 ''φ''''X'' = ''φ''''Y''가 ''φ''에 따른 벡터장으로 성립할 때이다. 다시 말해, ''M''의 모든 ''x''에 대해 d''φ''''x''(''X'') = ''Y''''φ''(''x'')가 성립한다.

어떤 상황에서는, ''M'' 위의 ''X'' 벡터장이 주어졌을 때, ''X''와 ''φ''-관련된 ''N'' 위의 유일한 벡터장 ''Y''가 존재한다. 이것은 특히 ''φ''가 미분 동형 사상일 때 성립한다. 이 경우, 푸시포워드는 다음으로 주어진 ''N'' 위의 벡터장 ''Y''를 정의한다.

: ''Y''y = ''φ''*(''X''''φ''-1(''y'')).

더 일반적인 상황은 ''φ''가 전사적인 경우 (예: 섬유 다발의 다발 투영) 발생한다. 이때 ''M'' 위의 벡터장 ''X''는 ''N''의 모든 ''y''에 대해 d''φ''''x''(''X''x)가 ''φ''−1({''y''})의 ''x''의 선택에 무관할 때 '''투영 가능'''이라고 한다. 이것이 ''N'' 위의 벡터장으로서의 ''X''의 푸시포워드가 잘 정의되도록 보장하는 정확한 조건이다.

5. 1. 리 군에서의 푸시포워드 예시

리 군 G의 곱셈 사상 m(-,-) : G\times G \to G을 이용하여 왼쪽 곱셈 L_g = m(g,-)와 오른쪽 곱셈 R_g = m(-,g) 사상 G \to G를 정의할 수 있다. 이를 통해 G의 원점에서의 접선 공간 \mathfrak{g} = T_e G(이는 관련 리 대수)으로부터 G에 대한 왼쪽 또는 오른쪽 불변 벡터장을 구성할 수 있다. 예를 들어 X \in \mathfrak{g}에 대해, \mathfrak{X}_g = (L_g)_*(X) \in T_g G로 정의된 벡터장 \mathfrak{X}을 얻는다.

만약 \gamma(0) = e이고 \gamma'(0) = X인 곡선 \gamma: (-1,1) \to G가 주어지면, 다음이 성립한다.

\begin{align}

(L_g)_*(X) &= (L_g\circ \gamma)'(0) \\

&= (g\cdot \gamma(t))'(0) \\

&= \frac{dg}{d\gamma}\gamma(0) + g\cdot \frac{d\gamma}{dt} (0) \\

&= g \cdot \gamma'(0)

\end{align}

이는 L_g\gamma에 대해 상수이기 때문이다. 따라서 접선 공간 T_g GT_g G = g\cdot T_e G = g\cdot \mathfrak{g}로 나타낼 수 있다.

하이젠베르크 군의 경우, 리 대수는 다음과 같이 주어진다.

\mathfrak{h} = \left\{

\begin{bmatrix}

0 & a & b \\

0 & 0 & c \\

0 & 0 & 0

\end{bmatrix} : a,b,c \in \mathbb{R}

\right\}

i < j인 행렬의 상위 항목 중 하나에서 임의의 실수를 제공하는 경로를 찾을 수 있기 때문이다.

다른 예시로,

G = \left\{

\begin{bmatrix}

a & b \\

0 & 1/a

\end{bmatrix} : a,b \in \mathbb{R}, a \neq 0

\right\}

인 그룹에서, 리 대수는

\mathfrak{g} = \left\{

\begin{bmatrix}

a & b \\

0 & -a

\end{bmatrix} : a,b \in \mathbb{R}

\right\}

로 주어진다.

6. 한국 미분기하학의 발전 (추가 제안)



본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com