5.1.1.1 几乎复张量 J

文档摘要

5.1.1.1 几乎复张量 J 5.1.1.1 几乎复张量 $ J $：在数值微分几何引擎中，如何让一个“不满足Nijenhuis条件”的$ J $——既不崩溃、不发散、又能在有限步内收敛？你正在调试一个自主开发的黎曼流形优化器，目标是训练一个定义在高维曲面（比如Stiefel流形$ \mathrm{St}(k,n) $）上的神经网络。梯度下降路径本该平滑地沿测地线滑落，可某天，损失曲线突然炸开——不是缓慢漂移，而是以指数级震荡崩塌；更诡异的是，当你把切空间投影到局部坐标卡中，发现雅可比矩阵的特征值对里，有一半是纯虚数，另一半却严重偏离共轭关系；而当你手算其Nijenhuis张量$ NJ $时，它非零——但数值上又小得可疑，像一层薄雾，既不能忽略，又无法归零。这不是数学理论的疏漏。