Sard 定理
定理(Sard):临界值集是零测集
- 定理
- 依赖深度 layer 24
- 分析学
- 多元微分
thm.sard · 定理 · 微积分 · 测度
陈述
设 开, 是 且 ( 时自然满足)。则 的临界值全体
是 中的零测集(def.null-set,Lebesgue 测度为零)。
说明
⭐ Sard 说「临界值极其稀少」:几乎每个值都是正则值,于是几乎每个水平集是子流形(thm.regular-value)。这一条把「正则性」从「碰巧成立的假设」变成「几乎必然成立的事实」——这是微分拓扑里所有「一般位置」论证的根基。
⚠ 光滑性(或足够高阶)是必要的: 且 只是 时有反例(Whitney 构造的 函数把临界值映满一个区间)。Sard 给出的门槛是 、。
⭐ 常被引用的推论:任意 维流形可以嵌入 (用 Sard 制造一个「一般位置」的映射),以及 Borsuk–Ulam 型结论、Morse 理论里「几乎所有函数所有临界点都非退化」。
⚠ 本节点只给证明提纲,不声称给出完整证明 —— 完整证明相当重(对 归纳、Whitney 分解、外层用 Fubini 定理把零测性降维)。提纲与出处:
- :对 归纳,把 切成可数多个小方块,在每个方块上把 展成一阶 Taylor,用「临界点处 」把小方块的像控制住;
- 一般 :改用「临界点按 分层」(Whitney 分解),每层用 Fubini 降到低维情形,再对 归纳。
细节见 Milnor《Topology from the Differentiable Viewpoint》§3 与 Sternberg《Lectures on Differential Geometry》§II.3。∎
谁指向它(入边)
推出 1
-
证明提纲:对 归纳 + Whitney 分解 + Fubini
⚠ 这是提纲,不是完整证明 —— 完整证明相当重,节点说明里已声明。以下只把骨架摆清楚,每一步都能在标准参考书中找到细节。
情形 :对 归纳。 把 用可数多个边长 的闭方块盖住,在每个方块上对 用带 Lagrange 余项的一阶 Taylor:
若 是临界点(),则 在该方块上的像被压进「以 为心、半径 的区间」;把它再按 切片,对每个切片用 维的归纳假设( 在切片上的临界点集零测),再用 Fubini 把零测性从切片拼回整体。取 得证。
一般 :Whitney 分解。 令 (),临界点集是 。要证每个 零测。对 从大到小归纳(外层对 归纳):
- 中「 在该点局部 维平坦」的那部分:把 局部写成 上的图(秩定理思想),于是 局部是 维映射,对 用外层归纳假设(注意此时 目标维数,直接套 的归纳);
- 其余部分:逐层剥去低维子集,每一层用 Fubini 降到 维,再用内层对 的归纳。
收敛性: 上面两处归纳都是「对 的良序」进行的(按 或按字典序),每一层都把问题降到更小的 ,有限步终止。
为什么需要 : 上面 那一层用了二阶 Taylor 余项 ;一般情形每降一维就多要一阶导数,累加需要 阶。Whitney 的 反例正说明这个门槛不可省。
细节:Milnor《Topology from the Differentiable Viewpoint》§3;Sternberg《Lectures on Differential Geometry》§II.3;Guillemin–Pollack §2。∎(提纲)
⚠ 「∎」在这里标记的是提纲的完整交付,不是定理的完整证明。这一条是本图上少数几条明确标注「不给完整证明」的定理之一 —— 理由是完整证明的篇幅与所用工具(Fubini + Whitney 分解)都超出了本团其余内容的层次。
定义引用 1
-
Sard 定理的结论是「零测集」,用到的就是零测集这个概念。
参考
- Milnor, Topology from the Differentiable Viewpoint, §3
- Sternberg, Lectures on Differential Geometry, §II.3
- Guillemin–Pollack, Differential Topology, §2
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
- 极值判别(Hessian 判据)layer 24
- 常秩定理layer 25
- 隐函数定理(Banach 版)layer 25
- 正则值原像定理layer 25
- Lagrange 乘子法layer 26