百科问答小站 logo
百科问答小站 font logo



学习微分几何,需要哪些预备知识? 第1页

  

user avatar    网友的相关建议: 
      

我猜题主指的应该是本科级别的微分几何,那对应的level应该是do carmo的那本《differential geometry of curves and surfaces》+一点点manifold相关的知识。要看懂这本书需要的知识储备其实不多,我猜题主应该是非纯数专业的理工科学生,因为微分几何是纯数的必修课,所以纯数的学生应该不会问这种问题。如果假设题主是理工科学生的话,那么题主应该是学过微积分和线性代数的,那要看懂do carmo就很简单了。

要看懂do carmo,所需要的知识大概有以下几点:

  • 求导,算积分,求determinant,求eigenvalue和eigenvector,以及diagonalization。 这一部分知识你作为理工科学生应该是很熟练的。你会在do carmo里遇到大量的你在学习微积分和线性代数的时候一直在做的计算题。
  • do carmo引用了很多微积分和线性代数里的经典定理,你看到这部分内容的时候可以直接把微积分和线性代数的书翻出来,直接用结论即可。不用深入理解那些经典定理也是可以继续看下去的。主要用到的就是multi-variable version 的chain rule和inverse function theorem。 而且do carmo每一章的最后一个section都是附录,里面包含了这一章所用到的微积分和线性代数知识。
  • 除了微积分和线性代数,一些有意思的推论的证明需要使用到一点点的point set topology,这个可以现学,即使你没学过point set topology也是可以继续看的,不影响对后续内容的理解。
  • 有了以上三点所说的基础知识,你就可以看懂do carmo了。当然了,你微积分和线性代数的基础越扎实,你的理解就能越深。比如说一开始在学regular curve和unit-speed reparametrization的时候,你要是以前在微积分/数学分析里学过一点关于rectifiable curve的东西的话,那么你会很舒服。在学frenet-serret formula的时候,你要是学过ode的相关知识的话,那么你会很舒服。如果你在multi-variable calculus学过differentiable map的相关理论内容的话,那么在学derivative of smooth maps between smooth surfaces的时候,你会很舒服。线性代数里的linear map,inner product,orthogonal matrix,quadratic form这一块的知识学得好的话,你在学gauss map,1st/2nd fundamental form,isometry and conformal maps的时候会很舒服。学过open/closed/compact sets相关知识的话,你会在很多地方都很舒服。
  • 你的微积分线性代数基础越扎实你会学的越舒服。但是你即使没有学过我在上一点说到过的知识,仅仅掌握了微积分线性代数里的各种计算类的知识,你也是可以看得懂的。遇到不懂的再把微积分线性代数课本翻出来直接用上面的结论即可。
  • 如果你看完了do carmo并且觉得微分几何很有意思,想要深入学习的话,那么这时候就可以按照 @Yuhang Liu 提供的学习路子来学。

一点题外话:

  • 我是一个微积分和线性代数都考了70几的物理系学生,也就是除了基本的知识以外真的啥都不懂,这学期我学了数学系的微分几何,还算顺利。所以,如果我能学的来,那么你也可以。
  • 我在国外上学,所以一些术语我只知道英文。如果造成了任何不便,十分抱歉。
  • 有想到别的东西的话,我会再补充。



  

相关话题

  怎么用清晰的具象的语言来描述黎曼度量的意义与定义? 
  高斯-博内定理和幅角原理的关系是什么? 
  有哪些不借助变换群的观点就很难解答的欧氏几何问题? 
  什么是 Finsler Geometry?它与 Riemann 几何有什么关系? 
  想要学习流形的话需要哪些预备知识? 
  梯子沿着垂直的墙下滑,扫过的区域的边界是怎样的? 
  二重积分经过变量变换后,为什么原有闭区域的边界点也是新区域的边界点? 
  orbifold和groupoid有没有人了解? 
  几何分析是不是一个被普遍公认的独立的学科,如果是,为何AMS的学科分类里面里面找不到几何分析? 
  李导数与协变导数有什么联系? 

前一个讨论
如何评价PyTorch 0.4.0?
下一个讨论
如何看待阿里巴巴提出的 FashionAI 比赛?





© 2024-12-18 - tinynew.org. All Rights Reserved.
© 2024-12-18 - tinynew.org. 保留所有权利