- 多様体(manifold) は、局所的には平面のように見える一方で、全体としてはより複雑な構造を持つ空間の数学的概念
- 19世紀にリーマン(Bernhard Riemann) が提示したこの概念は、空間を物理的背景ではなく独立した研究対象へと拡張した
- 各点でユークリッド空間のように見える性質を利用して、数学者たちは従来の微積分の道具で面積・体積・運動などを計算する
- 地図(chart) と アトラス(atlas) を通じて複雑な空間を複数の断片に分けて分析し、その結果を結び合わせて全体構造を理解する
- 今日、多様体は一般相対性理論、位相幾何学、データ解析、物理学などで中心的な役割を果たす基礎数学の言語として定着している
アイデアの形成
- 古代から幾何学はユークリッド空間の直線と平面を扱う学問だった
- この空間では、2点間の最短距離は直線であり、三角形の内角の和は180度である
- 19世紀初頭、数学者たちは曲面空間を探究し始め、平行線が交わったり三角形の内角の和が変わったりする現象を発見した
- リーマンはガウスの曲面研究を拡張し、任意次元の空間でも幾何学を定義できる一般理論を提示した
- 1854年のゲッティンゲン大学での講演でこの概念を発表し、これは後に現代位相幾何学と相対性理論の基礎となった
- 当時は抽象的すぎるとして無視されたが、ポアンカレとアインシュタインの研究を経て、20世紀半ばには数学の標準概念として定着した
多様体の定義と構造
- “Manifold” は、リーマンのドイツ語 Mannigfaltigkeit(多様性) に由来する
- 多様体とは局所的にユークリッド空間のように見える空間であり、たとえば円は1次元多様体である
- 円の上のアリは、自分が曲線の上にいるという事実を認識できない
- 一方、8の字型の曲線は交点で直線のように見えないため、多様体ではない
- 地球の表面は2次元多様体だが、双円錐(double cone) の頂点はそうではない
- 多様体の核心は内在的性質に注目することにある
- 空間の次元や外部形状によって変わる性質ではなく、各点でのユークリッド的近似を用いて分析する
- そのために数学者たちは空間を複数のパッチ(patch) に分け、各パッチを座標系(chart) で表す
- 互いに重なる領域の座標変換規則を定義し、この全体の集合をアトラス(atlas) と呼ぶ
- アトラスによって複雑な空間を小さなユークリッドの断片に分けて計算し、その結果を組み合わせて全体構造を把握する
- このようなアプローチは、今日では数学と物理学全般で標準的に使われている
多様体の活用
- 一般相対性理論では、時空は4次元多様体であり、重力はその曲率として表現される
- 私たちが認識する3次元空間も多様体であり、局所的には平面のように見えるが、全体の形はまだ完全には解明されていない
- 物理学者たちは問題を多様体の言語に変換し、幾何学的性質を活用する
- 例: 二重振り子(double pendulum) の取りうるすべての状態を2つの角度で表すと、その状態空間はドーナツ型(トーラス) の多様体になる
- 振り子の運動はこのトーラス上の経路として表され、これによって複雑な運動を幾何学的に分析できる
- 同様に、複雑な代数方程式の解集合や高次元データ(例: 脳のニューロン活動) も多様体として解釈して構造を理解する
- 多様体は数学と科学全般の基礎言語であり、「数字を使うのと同じくらい普遍的」な道具として認識されている
1件のコメント
Hacker News のコメント
この本は内容が濃いが構成が美しく、基礎位相幾何から滑らかな写像や接空間までを論理的につないでいる
集中力は必要だが、定義の一つひとつが幾何学の本質を明らかにするのに役立っている。強くおすすめする
Lee の Topological Manifolds もよいし、Riemannian Manifolds の最新版は必要な部分だけ選んで読むのがよい
悪くはないが、厳密さの面では物足りないと感じた。代わりに Jeffrey M. Lee の Manifolds and Differential Geometry のほうがずっとよかった
単なる定義ではなく、数学的概念がどのように発展してきたかを興味深く説明している
実際のフィードは https://www.quantamagazine.org/feed/ だ
たとえば 二重振り子(double pendulum) の取りうるすべての状態空間をマニフォールドとして説明していたが、なぜあえてマニフォールドとして見る必要があるのかが明確ではなかった
また アトラス(Atlas) の概念についての説明も不足していた。単純な球面でさえ一枚の平面では覆えないので複数の座標系が必要になるが、その重なりを扱うのが核心だ
ちなみに相対論でいう時空は Riemannian ではなく Minkowski 空間 だ
今もっとも水準の高い科学ジャーナリズム媒体の一つだと思う。
クリックベイトなしで真面目で、技術的な図解と芸術的なイラスト の組み合わせが素晴らしい
ポッドキャストも悪くないが、すべての記事を読み上げてくれる版があればいいのにと思う
しかも ペイウォール、クッキーポップアップ、政治的な煽り がまったくない
文章と図のおかげで概念をずっとよく理解できるようになった
それとも単に 内在する部分空間 を比喩的に表現しているだけなのだろうか
大半のデータが実際にマニフォールド上に存在すると仮定するのは合理的だ
たとえば手書き数字の「6」を滑らかに変形しても、依然として「6」と認識されるような場合だ
しかし ReLU 活性化関数を使うと滑らかさが壊れるため、ニューラルネットワークの表現空間は真のマニフォールドではない
一方で Swish のような滑らかな活性化関数を使えば構造を保てる
ニューラルネットワークの学習過程に幾何学的解析を適用した興味深い研究がある
学習中に 相転移(phase transition) に似た現象が見つかったという
Information Geometry of Evolution of Neural Network Parameters While Training
たとえば y=sin(x)+noise のようなデータは 1 次元マニフォールドと見なせる
しかし 次元の呪い のため、この定義がアルゴリズム的に有用かどうかには懐疑的だ
Wikipedia リンク
正直すべてを理解したわけではないが、図が本当に美しい
Google 画像検索
これは 滑らかで対称的な特殊な空間 で、局所的には平坦だが全体としては複雑に曲がっている
曲率が完全に釣り合っているため、全体として膨張も収縮もしない
弦理論ではこのマニフォールドが 隠れた次元 を説明するために使われ、その形が粒子や力の性質に影響する
見た目には循環論法のようだが、実際にはその 変換性質 がテンソルを他の数の配列と区別している
抽象的に見ると、可視化に縛られなくてよいので便利だ
しかし本質は座標系に依存しない 幾何学的構造 だ
たとえば特殊相対論の Minkowski 空間 は座標なしでも定義できる
テンソルはベクトルと共変ベクトルを入力として実数を返す 多重線形写像 として理解するとずっと明快だ
変換規則だけを学び、なぜそうなるのかの説明が足りない
一方で数学的定義は 微分形式と余ベクトル を通して、はるかに根本的に理解させてくれる
定義の中にそのもの自体が含まれているからだ
半径は 0 より大きければよい
実質的にマニフォールドの一例のように見えるのに、なぜなのだろう
地図製作者は主に 歪み(distortion) を扱うので、すでに適切な方法論がある
またマニフォールドは 大域座標系(global coordinates) ではなく 局所座標系(local charts) で定義されるため、異なる地域の座標は一致しない
歴史的にも地図製作はマニフォールドの概念よりはるか以前から存在していた
他の言語では両方に同じ語を使うこともある。たとえばイタリア語ではどちらも varietà だ
関連説明は math.stackexchange の回答 を参照
以前に知っていた意味が頭に残り、新しい概念の理解を妨げる
用語の 語源 も一緒に教えてくれると、ずっと助けになると思う
吸気や排気のように二つの空間が入り組んでいることが多い