常秩定理
推论(秩定理):常秩映射的局部标准形
- 推论
- 依赖深度 layer 25
- 分析学
- 多元微分
cor.rank-theorem · 推论 · 微积分 · 多元 · 秩
陈述
设 开, 是 ,且 Jacobi 矩阵的秩在 上恒等于 (即 对一切 )。则对每个 ,存在 附近的光滑坐标变换 与 附近的光滑坐标变换 ,使
说明
⭐ 秩定理说「常秩映射局部只有一种形状」:一切常秩 的映射在局部长得一模一样,唯一的「不变量」就是秩 。这是微积分里的一条分类定理,也是「局部 标准形」这个套路的收官之作。
⭐ 三个推论一次拿到:
- : 局部同构,即逆映射定理;
- :,即浸入标准形;
- :,即淹没(局部投影)标准形。
⚠ 常秩这个前提不能去:()在 处秩 、在 处秩 ,局部形状不是标准形(它是「折叠」)。
证明全文在边上(先对 造坐标把 的前 个分量变成坐标,再用隐函数定理把剩下的分量消掉)。
谁指向它(入边)
推出 1
-
逆映射定理 + 隐函数定理 常秩定理
固定 ,记 。
第一步:选主元并在定义域上换坐标。 有某个 子式非零。不妨设前 个坐标上的主子式非零(否则先重排坐标 —— 那是线性同构,不影响结论)。把 拆成 , 拆成 。则 可逆。
第二步:把 当成新坐标。 令 。它的导数在 处是块矩阵 ,行列式 ,故由逆映射定理(
thm.inverse-function) 在 附近是 坐标变换。在 坐标下(记新坐标仍为 ,其中 、), 把 变成其中 的取值在 里。这一步用掉了「 的前 个分量可以当坐标」这个事实。
第三步: 不依赖 。 由常秩假设, 在每点秩恒为 ;而它的前 行是 (因为第一分量就是 ),于是后 行必须是前 行的线性组合。设后 行的第一块为 ,则
(若某点 ,则该点的秩 ,与常秩矛盾。)于是 在连通邻域上只依赖 :。
第四步:再用一次逆映射定理把 拉直。 个分量 由第二步的秩条件知它们在 处的 Jacobi 矩阵秩为 (否则整体秩会超过 );重排后可设 的前 个分量构成满秩。在值域上取坐标变换 ,其导数可逆(块结构同上),于是 就是 。
第五步:整理。 把 (定义域坐标)、(值域坐标)代入即得结论。∎
⚠ 第三步用到「邻域连通 + 导数为零 常值」;这里可以取球邻域(凸、连通)规避讨论。⭐ 整条证明就是三次换坐标:把 变成坐标、把 说成不依赖 、把 拉直。
参考
- Rudin, Principles of Mathematical Analysis, Ch. 9
- Lang, Undergraduate Analysis, Ch. XVI
同一星团的其他概念 25 个
- 赋范空间layer 9
- 梯度layer 11
- 浸入 / 淹没 / 嵌入layer 12
- 压缩映射layer 14
- Banach 空间layer 15
- 压缩映射原理layer 15
- 偏导数layer 16
- 方向导数layer 17
- Hessian 矩阵layer 17
- 可微与全微分layer 18
- Jacobi 矩阵layer 19
- 多元链式法则layer 20
- 多元中值定理layer 22
- 混合偏导相等layer 22
- 逆映射定理layer 23
- 多元 Taylor 公式layer 23
- 隐函数定理layer 24
- 逆映射定理(Banach 版)layer 24
- Morse 引理layer 24
- Sard 定理layer 24
- 极值判别(Hessian 判据)layer 24
- 隐函数定理(Banach 版)layer 25
- 正则值原像定理layer 25
- Lagrange 乘子法layer 26