参数化是用称为参数的量来表示数学对象或对象族的方法。在几何学中,参数用于指定曲线、曲面或更高维空间中的点;在统计学中,参数用于确定概率分布族中的成员。参数化通常表现为从参数空间到所表示对象的映射。不同的参数化可以描述同一个对象,但在唯一性、光滑性、计算便利性和解释方式上有所不同。
一般表述
参数化可以表示为一个函数
F:Θ⟶X,
其中,Θ 是参数空间,X 是包含所研究对象的空间。参数值 θ∈Θ 确定对象 F(θ)。所表示的对象族就是映射的像:
F(Θ)={F(θ):θ∈Θ}.
参数空间可以是一个区间、欧几里得空间的子集、离散集合,或更一般的空间。参数不一定是实数,不过,由有限个实值参数组成的参数组尤其常见。
需要区分以下几种性质:
- **覆盖性:**映射的像包含所有预期表示的点或对象。
- **唯一性:**不同的参数值表示不同的对象。
- **正则性:**映射具有适当的连续性或可微性。
- **最小性:**相对于所研究的结构,表示中不包含多余的参数。
参数化不一定同时满足以上所有性质。例如,周期性的表示可以有意让多个参数值对应同一个点。
参数与变量的区别取决于具体语境。在函数族 y=f(x;θ) 中,x 通常在某个具体函数内部变化,而 θ 用来选定所考察的是函数族中的哪一个函数。当研究整个函数族时,θ 本身也成为变量。
曲线与参数方程
Rn 中的曲线通常用映射表示:
r:I⟶Rn,t⟼r(t),
其中 I 是一个区间。在三维空间中,这就成为一组参数方程:
x=x(t),y=y(t),z=z(t).
参数 t 可以表示时间,但不一定具有物理含义。
例如,单位圆的一种参数化为
r(t)=(cost,sint).
取 0≤t≤2π 可以覆盖整个圆,但会将 (1,0) 表示两次。取 0≤t<2π 则使表示成为一一对应,但在角坐标从末端回绕到起点的位置,其逆映射不连续。因此,全局一一对应的表示不一定是与拓扑相容的全局坐标系。
参数式、显式与隐式描述
同一个几何集合可以有多种描述形式:
- 显式:y=f(x)。
- 隐式:G(x,y)=0。
- 参数式:x=x(t)、y=y(t)。
单位圆的隐式方程是
x2+y2=1.
单个表达式 y=f(x) 无法描述整个圆,而参数表示可以做到。
显式函数的图像本身也可以参数化为
r(t)=(t,f(t)).
因此,参数化既涵盖函数图像的表示,也能处理具有竖直切线的曲线、闭曲线和自交曲线。
正则性与奇点
对于可微曲线,导数 r′(t) 给出一个切向量。当
r′(t)=0.
时,称该参数化在 t 处正则。
不满足正则性可能源于表示方式,而不是几何集合本身。例如,
r(t)=(t3,0)
描绘的是一条直线,但其导数在 t=0 处为零。因此,必须区分参数化的奇点与所表示对象的内在奇点。
重参数化与弧长
重参数化改变参数,但不改变所表示的几何图像。若
r:I→Rn
且 ϕ:J→I 是适当的双射,则
r(u)=r(ϕ(u))
表示同一条曲线。
对于正则可微的重参数化,ϕ 及其逆映射均可微,且 ϕ′ 不为零。由链式法则可得
r′(u)=r′(ϕ(u))ϕ′(u).
递增的 ϕ 保持定向不变,递减的 ϕ 则反转定向。速率变为原来的 ∣ϕ′(u)∣ 倍。
对于连续可微的正则曲线,从参考参数 t0 起算的弧长为
s(t)=∫t0t∥r′(τ)∥dτ.
在这一关系可逆的范围内,用 s 表示曲线就得到单位速率参数化:
dsdr=1.
这样便将曲线的几何形状与原参数沿曲线行进的速率分离开来。不过,对于物理运动轨迹,用弧长代替时间虽然保留了空间路径,却不保留运动的时间信息。
关于弧长的曲线积分
∫Cfds=∫If(r(t))∥r′(t)∥dt,
在保持同一次遍历的正则一一重参数化下不变。重复遍历可能改变积分值,而反转定向会改变形如 ∫CF⋅dr 的曲线积分的符号。
曲面与更高维空间
R3 中的曲面片可表示为
X:U⊆R2⟶R3,(u,v)⟼X(u,v).
对于定义域 U 为开集的光滑曲面片,标准的正则性条件是两个偏导数 Xu 和 Xv 线性无关。等价地,
Xu×Xv=0.
它们张成曲面的切空间,其叉积确定一个有向法线方向以及面积缩放因子:
dA=∥Xu×Xv∥dudv.
这个因子在曲面积分中起着核心作用。
更一般地,从 Rk 的开子集到 Rn 的光滑参数化,在其雅可比矩阵的秩为 k 时具有局部满秩性质。满秩保证局部参数方向相互独立,但仅凭这一点,不能排除相距较远的参数值映射到同一点的情形。
局部坐标与全局限制
在微分几何中,流形用彼此相容的局部坐标图来描述。坐标图将流形上的一个邻域映射到欧几里得空间的一个开子集,其逆映射就是局部参数化。
单个全局坐标片往往无法覆盖整个流形。例如,球坐标给出
X(θ,ϕ)=(sinθcosϕ,sinθsinϕ,cosθ),
但在两极,经度 ϕ 不唯一,微分的秩也在那里下降。这反映的是坐标的局限,而不是球面的奇性。
球面无法用一个映到 R2 开子集上的坐标图来表示。使用多个相互重叠的坐标图可以避开这一障碍。因此,全局参数化问题不仅取决于代数公式,也取决于拓扑学。
有理参数化
有理参数化将坐标表示为参数的多项式之比。例如,
x(t)=1+t21−t2,y(t)=1+t22t
给出的点位于单位圆上,因为
x(t)2+y(t)2=1.
当 t 取实数值时,这种表示覆盖圆上除 (−1,0) 以外的所有点;当 ∣t∣→∞ 时,所表示的点趋近于该点。这些公式可以通过求圆与经过该遗漏点、斜率为 t 的直线的交点来推导。
有理参数化在代数几何和精确符号计算中十分重要,但并非每条代数曲线都存在有理参数化。在特征为零的情形下,亏格大于零的非奇异射影曲线不能进行有理参数化。因此,椭圆曲线虽然具有代数方程,却不存在圆所具有的那种有理参数化。
统计学中的参数化
参数统计模型是一个概率分布族:
P={Pθ:θ∈Θ}.
参数 θ 用来选定该族中的一个分布。
例如,正态分布可以用均值和方差进行参数化:
θ=(μ,v),μ∈R,v>0,
其密度为
p(x∣μ,v)=2πv1exp[−2v(x−μ)2].
同一个分布族也可以改用均值和标准差,或均值和精度 1/v 进行参数化。
可识别性与冗余
若满足
Pθ=Pθ′⟹θ=θ′.
则称参数化是可识别的。这是统计识别的一个基本方面。如果不同参数值确定相同的分布,那么仅凭该模型,数据无法区分这些参数值。
例如,置换有限高斯混合模型的分量标签不会改变混合分布。因此,除非考虑这些等价关系或施加额外限制,否则其带标签的参数化通常是不可识别的。
冗余有时能带来便利,但也可能使解释、估计和不确定性计算变得复杂。
重参数化与推断
可逆变换 η=g(θ) 改变模型的索引方式,而不改变模型中的分布。在最大似然估计中,使似然达到最大值的参数值相应地变换为
η=g(θ).
在贝叶斯推断中,参数上的概率分布也必须随之变换。如果 θ 和 η 通过光滑可逆变换联系起来,则它们的密度满足
pη(η)=pθ(g−1(η))detDg−1(η).
因此,在一种参数化下均匀的先验,在另一种参数化下通常并不均匀。省略雅可比因子会改变概率模型,而不只是改变记号。
优化与数值计算
在数学优化中,参数化可以通过构造本身保证满足约束。正数可以写成
a=eα,α∈R.
类似地,严格为正且总和为一的权重可以用Softmax函数表示:
wi=∑j=1mezjezi.
给所有 zi 加上同一个常数不会改变权重,因此这种参数化是冗余的。此外,参数取有限值时,它也无法表示恰好为零的权重。
这类变换将有约束搜索替换为无约束搜索,但也改变了数值计算中的几何结构。若
x=F(θ),
则
∇θ(f∘F)=DF(θ)T∇xf(F(θ)).
因此,即使所表示的目标函数值相同,普通的欧几里得梯度下降在不同参数化下通常也会沿不同路径行进。
参数的尺度、近乎线性相关的方向以及坐标奇点,都可能影响收敛性和数值稳定性。光滑双射的坐标变换会保留相应的局部极小点,但不一定保留凸性或算法行为。
惩罚项也依赖于参数化。在非线性变量变换前后使用形式相同的表达式,例如欧几里得范数的平方,通常会定义出不同的正则化。
用途与概念区分
参数化为几何构造、积分、模拟、统计建模和数值求解方法提供支持。在计算机辅助设计中,控制点和基函数用于参数化曲线与曲面。在有限元法中,从参考单元到物理单元的映射用于组织插值、微分和积分计算。
这一术语在建模中还有一个相关含义:未被显式解析的过程可以用包含已解析量和可调系数的公式来表示。在这种情形下,参数化是一种近似方案,不一定是精确的坐标描述。
在这些用途中,有三点区别至关重要:所表示的对象并不等同于其参数值;多个参数值可能表示同一个对象;改变参数化可能保留底层对象不变,却改变坐标、遍历方式、概率密度、惩罚项或计算行为。