Топология
Многообразия
Пространство всех поз робота, пространство всех ориентаций камеры, пространство всех ковариационных матриц - всё это многообразия. Когда данные или параметры лежат на многообразии, евклидова оптимизация ломается: правильный подход - риманова геометрия.
- **Компьютерное зрение:** SO(3) и SE(3) - многообразия поворотов и жёстких движений; ключ к SLAM, pose estimation
- **Риманова оптимизация:** geomstats, geoopt - градиентный спуск на Stiefel, Grassmann, SPD; применяется в нейросетях с ортогональными весами
- **Физика:** конфигурационные пространства механических систем - многообразия; симплектическая геометрия → гамильтонова механика
Предварительные знания
Топологическое многообразие
**Топологическое многообразие** размерности n (n-многообразие) - хаусдорфово пространство X со счётной базой, в котором каждая точка имеет окрестность, гомеоморфную открытому шару в R^n (или R^n целиком). Ключевое: многообразие локально выглядит как R^n, но глобально может иметь содержательную топологию.
**Примеры n-многообразий:** n=0: дискретное множество точек. n=1: R, S¹, интервалы. n=2: поверхности (S², T², Σg, RP², ...). n=3: R³, S³, замкнутые 3-многообразия. Группы Ли (GL(n), SO(n), SU(n)) - гладкие многообразия с групповой структурой.
| Многообразие | Размерность | π₁ | H₁ | Компактность |
|---|---|---|---|---|
| R^n | n | {e} | 0 | Нет |
| S^n (n≥2) | n | {e} | 0 (n>1) | Да |
| S¹ | 1 | ℤ | ℤ | Да |
| T^n = (S¹)^n | n | ℤ^n | ℤ^n | Да |
| SO(3) | 3 | ℤ/2ℤ | ℤ/2ℤ | Да |
| GL(n,R) | n² | ℤ | ℤ (n≥1) | Нет |
Почему точка пересечения «восьмёрки» S¹ ∨ S¹ не является точкой 1-многообразия?
Гладкие многообразия и атлас
**Гладкое многообразие** - топологическое многообразие с дополнительной структурой: **атласом**. Атлас - набор карт {(Uα, φα)}, где Uα - открытые покрытия M, φα: Uα → R^n - гомеоморфизмы, и **функции перехода** φβ ∘ φα⁻¹ (там, где карты перекрываются) - гладкие (C∞).
**Зачем гладкость?** Гладкая структура позволяет дифференцировать функции на многообразии, строить касательные пространства, рассматривать векторные поля и дифференциальные уравнения. Это фундамент дифференциальной геометрии и её применений в ML (геометрические методы оптимизации).
Для чего нужен атлас из двух карт для S², если S² - компактное пространство?
Касательное пространство
**Касательное пространство** T_p M в точке p ∈ M - векторное пространство размерности n, содержащее все «направления движения» через p. Формально: T_p M - пространство производных (дериваций) гладких функций f: M → R в точке p. На S^n: T_p S^n = {v ∈ R^{n+1} : ⟨v, p⟩ = 0}.
**Риманово многообразие:** гладкое многообразие с внутренним произведением g_p на каждом T_p M, гладко зависящим от p. Это позволяет измерять углы, длины кривых, объёмы. Евклидово пространство R^n - плоское риманово многообразие. Сфера S^n с Round метрикой - ненулевая постоянная кривизна.
Касательное пространство - ключ к оптимизации на многообразиях. В точке p градиент функции f: M → R - это элемент T_p M. Метод градиентного спуска на многообразии: grad_p f ∈ T_p M, шаг - движение по геодезической. Именно так работает **риманова оптимизация** (библиотеки geomstats, geoopt).
Размерность касательного пространства T_p M для n-многообразия M равна:
Примеры: группы Ли и пространства матриц
**Группа Ли** - гладкое многообразие, являющееся одновременно группой, с гладкими групповыми операциями. Важнейшие примеры: GL(n,R), SO(n), SU(n), SE(3). Используются в CV (повороты и движения камер), обучении с подкреплением (пространства управления), физике (симметрии).
**Риманова оптимизация в ML:** многие задачи ML имеют ограничения, определяющие многообразия: ортогональные матрицы (SO(n)), матрицы с единичными нормами строк (Stiefel), симметричные положительно определённые матрицы (SPD). Библиотека geomstats реализует градиентный спуск на этих многообразиях. Преимущество: сохранение ограничений без штрафов.
Какова размерность многообразия SO(n) (группа вращений в R^n)?
Ключевые идеи
- **n-многообразие:** локально ≅ R^n; примеры: S^n, T^n, SO(n); «восьмёрка» - не многообразие
- **Гладкая структура:** атлас карт {(Uα, φα)} с гладкими переменами координат; минимум 2 карты для S²
- **Касательное пространство T_p M:** n-мерное, линеаризация M в точке p; основа для градиентов и геодезических
- **Группы Ли:** SO(n), SU(n), SE(3) - гладкие многообразия + группа; основа геометрических методов ML
Связанные темы
Многообразия - центральный объект современной геометрии и ML:
- Когомологии де Рама — Дифференциальные формы живут на гладких многообразиях; de Rham cohomology - инварианты гладкой структуры
- TDA и ML — Данные часто лежат на многообразиях (manifold hypothesis); UMAP, t-SNE моделируют это
Вопросы для размышления
- Пространство симметричных положительно определённых матриц n×n (SPD(n)) - гладкое риманово многообразие. Какова его размерность? Почему евклидова интерполяция SPD-матриц некорректна?
- Quaternion-параметризация SO(3) через единичные кватернионы S³. Это накрытие S³ → SO(3): сколько кватернионов соответствуют одному вращению? Связь с π₁(SO(3)) = ℤ/2ℤ.
- UMAP предполагает, что данные лежат на многообразии. Как это предположение (manifold hypothesis) влияет на алгоритм и его применимость к разным задачам?