中心仿射曲面和余二维中心仿射浸入

来源 :东北大学 | 被引量 : 0次 | 上传用户:jianpingdujuan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在1872年的“爱尔兰根纲领”中F.Klein把几何归结到可递变换群的几何不变量理论中,进而加以分类。这样,对每一个可递变换群,都可以定义一个隶属于这个可递变换群的几何。仿射空间Rn中的一个向量v经过变换之后变成向量(v),如果它们之间的关系满足(v)=Av,A是一个n×n阶的非退化矩阵,则变换的全体就构成一个可递变换群,称为中心仿射变换群。仿射空间Rn中的中心仿射几何是隶属于Rn中的中心仿射变换群的几何,它研究的是图形在中心仿射变换下的不变性质。本文主要讨论了子流形在Rn+1(或Rn+2)中的中心仿射变换群G下的不变量和不变性质。  如果浸入x:M→ Rn+1(或x:M→Rn+2)始终保持位置向量x截于切平面x*(TM),则在切丛TM上存在一个关于中心仿射变换群G不变的对称的2-形式g,g此时被称为x的中心仿射度量。对中心仿射浸入x:M→ Rn+1,王长平计算了中心仿射超曲面的关于中心仿射度量g的第一和第二变分公式,得到一个新的中心仿射不变量-Tchebychev算子。刘会立和王长平进一步讨论了这个Tchebychev算子,得到了中心仿射Tchebychev曲面(Tchebychev超曲面)的分类。对中心仿射超曲面分类的工作一直是研究中心仿射浸入x:M→ Rn+1的重要工作之一,而分类的方法主要是基于中心仿射不变量和这些不变量之间的关系。中心仿射浸入的环绕空间Rn+1中没有定义度量、中心仿射不变量之间的关系复杂以及中心仿射超曲面的范围广泛,这些都增加了中心仿射超曲面分类工作的难度。针对这种情况,本篇论文提出了一个解决方法,即先对所有的中心仿射超曲面分成一些大类,然后再考虑这些大类中的小类。本论文主要考虑了中心仿射超曲面中两大类——中心仿射平移曲面和中心仿射直纹曲面。在论文的第三章中,首先计算了中心仿射平移超曲面的基本结构方程和中心仿射不变量,根据这些公式和解相关的偏微分方程,得到了3维仿射空间中的数量曲率x为常数的中心仿射平移曲面,Pick不变量J为常数的中心仿射平移曲面和‖T‖2为常数的中心仿射平移曲面,其中T是中心仿射Tchebychev向量场。对于中心仿射直纹超曲面,经过计算可以得到它的基本结构方程和一些不变量之间的关系。在3维仿射空间中,经过计算得到了中心仿射曲面的Pick不变量J、高斯曲率K、‖T‖2和中心仿射平均曲率H之间的关系,通过解相关的偏微分方程给出了3维仿射空间中的线性Weingarten中心仿射直纹曲面的详细分类。  对余二维中心仿射浸入x:Mn→Rn+2,一直存在两种不同的研究方式。一方面,Nomizu和Sasaki运用条件trh{T(X,Y)+h(SX,Y)}=0定义了一个预法化的Blaschke向量场ξ作为第二截向量场,其中h是中心仿射基本形式,S是Weingarten算子,T是一个2形式。另一方面,刘会立在研究余二维的中心仿射浸入时用一种新的方式定义了中心仿射度量g,然后选用△gx作为第二截向量场,其中△g表示度量g的拉普拉斯算子。这样在研究余二维的中心仿射浸入时,预法化的Blaschke向量场ξ和向量场△gx都可以作为第二截向量场,它们之间的联系和区别一直以来是大家所关注的问题。在论文的第四章中,首先运用活动标架法计算出余二维的中心仿射浸入x的基本公式和中心仿射不变量,根据这些公式和不变量,得到了这两个第二截向量场之间的关系即ξ=1/n△gx-H/2x,其中H是中心仿射平均曲率,这样就统一了这两个第二截向量场,也就是统一了余二维中心仿射浸入的两种不同结构。接下来使用△gx作为第二截向量场,计算出了余二维的中心仿射浸入第一、第二变分公式,从而定义了余二维的极小中心仿射浸入。可以证明这样定义的余二维的极小中心仿射浸入也是预法化的Blaschke向量场ξ作为第二截向量场的极小中心仿射浸入。作为例子,在论文中验证了R4中Pick不变量恒为零的中心仿射齐性曲面是中心仿射极小的。  本文共分为四个部分:第一部分介绍了仿射微分几何和中心仿射几何的发展历程。第二部分列出了中心仿射微分几何的预备知识。第三部分是中心仿射超曲面,主要是关于R3中中心仿射平移曲面和中心仿射直纹面的一些结果。第四部分是关于余二维的中心仿射子流形,运用活动标架法计算了余二维的中心仿射子流形的第一和第二变分公式,并得到了不同的中心仿射法化之间的关系。
其他文献
入侵检测技术是一种重要的网络安全技术,是防火墙后的第二道屏障。入侵检测系统作为主动防护系统是构成网络安全测防体系的主要部分之一。目前IPv4网络中存在很多安全问题,在
随着网络的迅速发展和普及,建立在网络基础上的安全协议变得越来越重要。本文主要在基于新鲜性原则分析密码协议的信任多集方法基础上,继续完善并扩展了基于新鲜性原则分析安
在当今信息时代,Internet在人们的日常生活中发挥越来越大的作用,其发展速度非常迅猛,以致地面通信已无法满足现代通信对覆盖面、通信速度及数据带宽等方面的要求。通过互联
随着物联网的发展,无线传感网络的能耗问题越来越重要,因为能量是影响传感网在现实场景中能否应用的重要因素。射频通信是无线传感节点中最耗能的部分,过去几年,为了提升射频
网格是利用高速国际互联网把地理上广泛分布的各种资源,包括计算资源、存储资源、带宽资源、软件资源、数据资源、信息资源、知识资源等连成一个逻辑整体,就像一台超级计算机
超大规模的模式识别问题是现在机器学习算法在实际应用中遇到的越来越多的一个难题。随着信息时代的到来,现实中这种大规模问题是很常见的,例如专利分类问题。即便是像支持向量机这样高效率的学习算法,面对超大规模的分类问题,也是难以克服的。在这种情况下,利用丰富的计算资源,使得机器学习并行化,是当前机器学习领域的一个重要发展方向。最小最大模块化支持向量机(M3-SVM)是基于“分而治之”的思想解决大规模问题的
在计算机技术和通信技术飞速发展的今天,计算机网络已经深入到社会的各个领域,人们的生产方式和生活方式发生了翻天覆地的变化,同时也改变着人们思维方式和学习方式。在我国,
随着互联网的快速发展,人们的生活变得更加多姿多彩。观看网络视频成为人们休闲生活的重要组成部分,同时,网络视频中的广告投放业务也成为网络视频公司的主要盈利来源。网络
随着机器人技术的发展和实际应用的需要,多机器人系统的应用已经成为国内外研究的热点。而多机器人图形构造是多机器人协作研究领域里的典型问题之一,随机分布的多机器人系统
随着互联网络的快速发展和网络用户数量的不断攀升,用户对网络服务质量和网络性能等方面的需求也不断增强。在下一代IPv6网络中,路由选择问题正成为网络通信领域中的一个热点