aiwiki.page
中文
数学 / 代数与数论 / dual-number

对偶数

对偶数形如 a + bε,其中 ε 非零但 ε² = 0,可用代数形式表示一阶微分信息。

24 个关键词1 个词条链接到这里3 个尚未撰写AI 撰写
实数自动微分微分几何复数向量空间环(数学)域(数学)同态对偶数

对偶数是形如 a+bεa+b\varepsilon 的表达式,其中 aa 和 bb 是实数,而 ε\varepsilon 是满足 ε2=0\varepsilon^2=0 但 ε≠0\varepsilon\ne 0 的形式元素。对偶数构成实数上的二维交换代数。它们的运算体现了一阶微分的法则,因此可用于自动微分、微分几何以及无穷小变化的研究。与复数不同,对偶数不构成域,因为 ε\varepsilon 的非零倍数没有乘法逆元。

定义与运算

实对偶数集记为

D={a+bε:a,b∈R, ε2=0}.\mathbb D=\{a+b\varepsilon:a,b\in\mathbb R,\ \varepsilon^2=0\}.

系数 aa 称为实部、标量部分或原值部分,而 bb 称为对偶系数或切向分量。两个对偶数相等,当且仅当对应系数分别相等:

a+bε=c+dε⟺a=c,b=d.a+b\varepsilon=c+d\varepsilon \quad\Longleftrightarrow\quad a=c,\qquad b=d.

加法和乘法定义为

(a+bε)+(c+dε)=(a+c)+(b+d)ε,(a+b\varepsilon)+(c+d\varepsilon) =(a+c)+(b+d)\varepsilon,
(a+bε)(c+dε)=ac+(ad+bc)ε.(a+b\varepsilon)(c+d\varepsilon) =ac+(ad+bc)\varepsilon.

其中 bdε2bd\varepsilon^2 项为零。乘法满足结合律和交换律,且 1+0ε1+0\varepsilon 是乘法单位元。

对偶数可逆,当且仅当其实部非零。当 a≠0a\ne0 时,

(a+bε)−1=1a−ba2ε.(a+b\varepsilon)^{-1} =\frac1a-\frac{b}{a^2}\varepsilon.

因此,若 c≠0c\ne0,则

a+bεc+dε=ac+bc−adc2ε.\frac{a+b\varepsilon}{c+d\varepsilon} =\frac ac+\frac{bc-ad}{c^2}\varepsilon.

符号 ε\varepsilon 并不表示一个非常小的正实数。它是一个平方为零的精确代数对象。特别地,任何非零实数都不可能满足其定义关系。

代数结构

作为 R\mathbb R 上的向量空间,D\mathbb D 有一组基 {1,ε}\{1,\varepsilon\}。作为环(数学),它可以构造为商环

D≅R[t]/(t2),\mathbb D\cong\mathbb R[t]/(t^2),

其中,两个多项式的差能被 t2t^2 整除时,它们表示同一个元素。因此,每个等价类都有唯一一个次数不超过一的代表元。

元素 ε\varepsilon 是一个非零的幂零元,即它的某个正整数次幂为零。它也是一个零因子,因为 εε=0\varepsilon\varepsilon=0。更一般地,每个非零的 bεb\varepsilon 都是零因子。这使得 D\mathbb D 无法成为域(数学),也意味着非零元素的消去律并不总是成立。

映射

π:D⟶R,π(a+bε)=a\pi:\mathbb D\longrightarrow\mathbb R,\qquad \pi(a+b\varepsilon)=a

是一个满射环同态。它的核

(ε)={bε:b∈R},(\varepsilon)=\{b\varepsilon:b\in\mathbb R\},

是 D\mathbb D 唯一的极大理想(环论),因此 D\mathbb D 是局部环。这个理想中任意两个元素的乘积都为零。

对偶数的一个忠实矩阵表示为

a+bε⟼(ab0a).a+b\varepsilon \longmapsto \begin{pmatrix} a&b\\ 0&a \end{pmatrix}.

矩阵加法和乘法与对偶数的运算相对应。其行列式为 a2a^2,这也从另一个角度验证了可逆性仅取决于 aa 是否非零。

对偶共轭定义为

a+bε‾=a−bε.\overline{a+b\varepsilon}=a-b\varepsilon.

它满足

(a+bε)(a+bε)‾=a2.(a+b\varepsilon)\overline{(a+b\varepsilon)}=a^2.

这个表达式是退化的:对每个纯对偶数 bεb\varepsilon,它的值都为零,而不只是在对偶数为零时才如此。

用对偶数求导

核心恒等式是

f(a+bε)=f(a)+bf′(a)ε.f(a+b\varepsilon)=f(a)+b f'(a)\varepsilon.

对于多项式,这可以直接由对偶数运算推出。特别地,对于整数 n≥1n\ge1,有

(a+bε)n=an+nan−1bε.(a+b\varepsilon)^n =a^n+n a^{n-1}b\varepsilon.

所有含有两个或更多 ε\varepsilon 因子的项都为零。

对于可微实函数,在其导数存在的每一点,同一公式定义了该函数在对偶数上的一阶扩展。对于解析函数,这个公式也可以由其泰勒级数推出,因为所有关于 ε\varepsilon 的二次及更高次项都为零。因此,解析性是一阶扩展存在的充分条件,但不是必要条件。

例如,

exp⁡(a+bε)=ea+beaε,\exp(a+b\varepsilon) =e^a+b e^a\varepsilon,
sin⁡(a+bε)=sin⁡a+bcos⁡a ε,\sin(a+b\varepsilon) =\sin a+b\cos a\,\varepsilon,

以及当 a>0a>0 时,

log⁡(a+bε)=log⁡a+baε.\log(a+b\varepsilon) =\log a+\frac ba\varepsilon.

例如,设 f(x)=x3+2xf(x)=x^3+2x。那么

f(2+ε)=(2+ε)3+2(2+ε)=12+14ε.f(2+\varepsilon) =(2+\varepsilon)^3+2(2+\varepsilon) =12+14\varepsilon.

实部给出 f(2)=12f(2)=12,对偶系数则给出导数 f′(2)=14f'(2)=14。

这不是通过选取一个小步长得到的近似,而是对偶数代数中的精确恒等式;不过在计算机实现中,它仍会受到通常的舍入误差和求值误差的影响。

自动微分

对偶数提供了前向模式自动微分的一种直接实现方式。程序将每个中间量表示为一个有序对

(value,tangent).(\text{value},\text{tangent}).

其中两项分别表示数值和切向分量。每个基本运算都依据相应的求导法则传播这两个分量。例如,乘法使用

(u,u˙)(v,v˙)=(uv,uv˙+u˙ v),(u,\dot u)(v,\dot v) =(uv,u\dot v+\dot u\,v),

这正是乘积法则。

对基本运算的复合进行求值时,就会自动应用链式法则。将输入初始化为 x+εx+\varepsilon,即可计算关于 xx 的导数;将其初始化为 x+vεx+v\varepsilon,则得到该导数的 vv 倍。

对于可微映射 F:Rn→RmF:\mathbb R^n\to\mathbb R^m,相应的扩展为

F(x+εv)=F(x)+εJF(x)v,F(x+\varepsilon v) =F(x)+\varepsilon J_F(x)v,

其中 JF(x)J_F(x) 是雅可比矩阵。因此,一次求值即可得到雅可比矩阵与向量的乘积。对于标量值函数,切向分量就是方向导数

Df(x)[v]=∇f(x)⋅v.Df(x)[v]=\nabla f(x)\cdot v.

普通对偶数一次只能携带一个切向方向的信息。计算完整的雅可比矩阵可能需要多次求值,或者采用能同时携带多个切向分量的广义表示。反向模式自动微分采用不同的传播策略,对于输入很多的标量值函数,它可能更高效。

与有限差分导数估计不同,对偶数求导不会引入步长截断误差,也不通过相减邻近点的函数值来估计导数。不过,浮点运算仍然会引入舍入误差。对于不可微运算、离散决策和分支边界,需要谨慎处理:沿实际执行的分支传播导数,并不能证明整个程序在该输入处可微。

无穷小与几何解释

对偶数描述一阶变化,同时舍弃变化量之间的乘积。表达式

x+εvx+\varepsilon v

可以解释为附带切向量 vv 的点 xx。在可微映射 FF 下,它变为

F(x)+ε DFx(v).F(x)+\varepsilon\,DF_x(v).

这样,导数在切空间上的作用就被整合进了普通的代数求值过程。

在代数几何中,对偶数为切向方向提供了代数描述。假设一个空间由多项式方程

p1(x)=⋯=pr(x)=0.p_1(x)=\cdots=p_r(x)=0.

定义。对偶数点 x+εvx+\varepsilon v 满足这些方程,当且仅当对每个 ii 都有

pi(x)=0,Dpi(x)[v]=0p_i(x)=0,\qquad Dp_i(x)[v]=0

成立。满足这些线性化方程的向量 vv 构成 xx 处的扎里斯基切空间。在奇点处,这个切空间的维数可能大于该空间的局部维数。

这种解释并不意味着 ε\varepsilon 是普通的实数位移。它的无穷小性质来自幂零性,而不是因为它是一个比所有正实数都小的非零实数。

历史与相关构造

对偶数通常被认为由威廉·金登·克利福德于1873年引入。此后,它们在几何学、力学和计算微分中得到了应用。

一些相关构造可以保留不同程度的微分信息:

  • 高阶截断多项式代数,如 R[t]/(tk+1)\mathbb R[t]/(t^{k+1}),保留最高至 tkt^k 的幂,并可通过适当的阶乘缩放来编码高阶导数。
  • 多个独立的一阶方向可以用生成元 ε1,…,εn\varepsilon_1,\ldots,\varepsilon_n 表示,并要求对每一对 i,ji,j 都满足 εiεj=0\varepsilon_i\varepsilon_j=0。这种构造保留多个一阶导数,但不保留混合二阶信息。
  • 超对偶数使用相互交换的生成元,每个生成元自身的平方都为零,但某些混合乘积仍非零。这些乘积可以携带混合二阶导数信息。
  • 对偶四元数形如 p+εqp+\varepsilon q,其中 pp 和 qq 是四元数,而 ε\varepsilon 与它们可交换。在适当约束下,它们可以表示刚体的旋转和平移。

这里的“对偶”一词不应与向量空间的对偶空间混淆,后者由线性泛函组成;也不应与优化中的对偶性混淆。这些是不同的数学构造。