둘이 다른 연산임. dx^2 이라고 쓸때는 dx와 dx의 symmetric product를 의미하고 쐐기곱은 wedge product 또는 exterior product라고 함. - dc App
익명(episode5899)2025-07-30 05:50:00
답글
글쓴이(110.11)2025-07-30 16:12:00
미분형식은 다변수함수에서 미적분을 엄밀하게 정의한 거라 보면 됨. 애초에 미분형식이 굳이 antisymmetric하게 정의되어야 하는 건 다변수함수 미적분에서 dx를 미분소로 직관적으로 다루었을 때 결과가 antisymmetric하기 때문임 (변수변환으로 야코비안 다뤘을 때 생각해보셈). 근데 야코비안이 determinant랑 연관이 있잖아? 선대를 보면 알겠지만 재밌게도 determinant가 유일하게 정의되기 때문에 다변수함수에서 그런 성질을 만족하는 operation이 wedge product로 유일하게 결정된 거임. 그러니까 미분형식이 미분과 관련된 모든 연산을 정의하는 게 아님.
수갤러 1(126.6)2025-07-30 08:21:00
답글
니가 말한 dx^2를 쓰는 경우는 사실 미분형식이 아니고 다른 거임. 미분형식은 linear form인데 dx^2는 linear도 아니고 quadratic form임.
수갤러 1(126.6)2025-07-30 08:21:00
답글
물론 기본적으로 텐서를 사용해서 미분소를 벡터로 보고 수학적으로 엄밀하게 정의한다는 사상은 같음. 단지 변수변환이 성립할 필요가 없는 곳에서 미분형식의 연산 (wedge product)를 쓰지 않을 수도 있단 말임.
수갤러 1(126.6)2025-07-30 08:31:00
답글
더 공부하고 다시 댓글 봐바야겠당 ㅜ
글쓴이(110.11)2025-07-30 16:14:00
일단 basis를 나타내는 표현이라고 봐도 무방할 듯. E dx^2은 basis x를 x로 대응시키는 mapping의 값이 E라는 뜻. 비슷하게 2F dx dy로 쓰면 basis dx를 dy로 대응시키는 mapping과 dy를 dx로 대응시키는 값이 F라는 뜻 이런식임. Riemannian metric은 symmetric matrix로 나타내지니까 이 곱은 당연히 bilinear, symmetric해야 함.
둘이 다른 연산임. dx^2 이라고 쓸때는 dx와 dx의 symmetric product를 의미하고 쐐기곱은 wedge product 또는 exterior product라고 함. - dc App
미분형식은 다변수함수에서 미적분을 엄밀하게 정의한 거라 보면 됨. 애초에 미분형식이 굳이 antisymmetric하게 정의되어야 하는 건 다변수함수 미적분에서 dx를 미분소로 직관적으로 다루었을 때 결과가 antisymmetric하기 때문임 (변수변환으로 야코비안 다뤘을 때 생각해보셈). 근데 야코비안이 determinant랑 연관이 있잖아? 선대를 보면 알겠지만 재밌게도 determinant가 유일하게 정의되기 때문에 다변수함수에서 그런 성질을 만족하는 operation이 wedge product로 유일하게 결정된 거임. 그러니까 미분형식이 미분과 관련된 모든 연산을 정의하는 게 아님.
니가 말한 dx^2를 쓰는 경우는 사실 미분형식이 아니고 다른 거임. 미분형식은 linear form인데 dx^2는 linear도 아니고 quadratic form임.
물론 기본적으로 텐서를 사용해서 미분소를 벡터로 보고 수학적으로 엄밀하게 정의한다는 사상은 같음. 단지 변수변환이 성립할 필요가 없는 곳에서 미분형식의 연산 (wedge product)를 쓰지 않을 수도 있단 말임.
더 공부하고 다시 댓글 봐바야겠당 ㅜ
일단 basis를 나타내는 표현이라고 봐도 무방할 듯. E dx^2은 basis x를 x로 대응시키는 mapping의 값이 E라는 뜻. 비슷하게 2F dx dy로 쓰면 basis dx를 dy로 대응시키는 mapping과 dy를 dx로 대응시키는 값이 F라는 뜻 이런식임. Riemannian metric은 symmetric matrix로 나타내지니까 이 곱은 당연히 bilinear, symmetric해야 함.
기호로는 ⊗로 많이 쓰는데 자주 생략됨. symmetric tensor로 검색해보셈