BK度量与单纯复形：拓扑数据分析的几何视角

1. BK度量与单纯复形：完全有界映射的几何视角

在拓扑数据分析（TDA）领域，Vietoris-Rips和Čech复形已成为研究离散点云拓扑特征的核心工具。本文将聚焦Bures-Kuratowski（BK）度量空间这一特殊结构，它通过ℓp楔形分解将完全有界映射空间转化为几何可计算模型。这种构造不仅具有理论价值，更为量子信道分析提供了新的计算视角。

BK度量的核心思想是将完全有界映射空间分解为两个几何组件的楔积：一个是由完全正映射构成的锥形组件(C, β)，另一个是正则化后的非完全正映射空间(Y, d_reg)。这种分解使得我们可以利用径向函数r_C和r_Y，通过ℓp范数精确控制跨组件边的形成条件。

2. BK度量的几何构造与性质

2.1 基本定义与分解定理

设A是一个单位C*-代数，H是一个希尔伯特空间。固定参数λ>0，α∈(0,1]和p∈[1,∞]，我们定义BK度量为d_θ := β^BK_{θ,λ,p,α}。根据ℓp楔形分解定理（定理5.5），我们可以将度量空间(X,d_θ)表示为：

(X, d_θ) ≅ (C, β, θ) ∨_p (Y, d_reg, ∗)

这个分解具有以下关键性质：

1. 在C上，d_θ = β（Bures度量）
2. 在Y° := Y{∗} ≅ X\C上，d_θ = d_reg = λδ^α_reg
3. 对于x∈C和y∈Y，交叉距离为：d_θ(x,y) = ||(r_C(x), r_Y(y))||_ℓp

其中径向函数定义为：

• r_C(x) := β(x,θ) （x∈C）
• r_Y(y) := d_reg(y,∗) （y∈Y）

2.2 径向函数的几何意义

径向函数r_C和r_Y在BK度量空间中扮演着核心角色。它们本质上测量了每个点到"基点"（在C中是θ，在Y中是∗）的距离。这种构造使得我们可以将复杂的交叉距离计算简化为两个径向坐标的ℓp范数。

在实际计算中，这种分解带来了显著的简化。例如，在p=∞的情况下，交叉距离简化为： d_θ(x,y) = max{r_C(x), r_Y(y)}

这种极大值形式特别适合工程实现，因为它只需要比较两个标量值，而不需要计算更复杂的ℓp范数。

3. Vietoris-Rips复形的构造与分析

3.1 基本定义与边缘条件

给定度量空间(Z,d)和尺度参数t≥0，Vietoris-Rips复形VR_t(Z,d)是一个抽象单纯复形，其顶点集为Z，且有限子集σ⊆Z构成一个单纯形当且仅当σ中任意两点距离不超过t。等价地，σ是一个单纯形当且仅当其直径diam(σ)≤t。

在BK度量空间中，交叉边的存在条件可以通过径向函数简洁地表征：

引理6.2：对于x∈C和y∈Y°，{x,y}是VR_t(X,d_θ)的一条边当且仅当||(r_C(x), r_Y(y))||_ℓp ≤ t。

这个结果表明，交叉边的形成完全由两个径向坐标的ℓp范数决定，与点的其他几何属性无关。

3.2 混合单纯形的结构特征

对于更一般的混合单纯形（同时包含C和Y中的点），我们有更精细的结构特征：

命题6.3：设σ⊆C和τ⊆Y°是非空有限子集，定义： A := max_{x∈σ} r_C(x) B := max_{y∈τ} r_Y(y)

那么σ∪τ是VR_t(X,d_θ)的单纯形当且仅当满足以下三个条件：

1. σ是VR_t(C,β)的单纯形
2. τ是VR_t(Y°,d_reg)的单纯形
3. ||(A,B)||_ℓp ≤ t

这个命题揭示了混合单纯形形成的分层结构：首先，每个组件内部的点必须满足各自的连接条件；其次，跨组件的连接由最大径向坐标的ℓp范数控制。

3.3 径向子水平集与混合连接

为了更系统地描述混合部分的结构，我们引入径向子水平集和混合连接操作：

定义6.4：

1. 对于u≥0，定义径向子水平集：

   • C_{≤u} := {x∈C : r_C(x) ≤ u}
   • Y_{≤u} := {y∈Y° : r_Y(y) ≤ u}

2. 给定顶点集不相交的两个单纯复形K和L，定义它们的混合连接为： K⋆L := {σ∪τ : σ∈K, τ∈L, σ≠∅, τ≠∅}

基于这些定义，我们可以得到BK度量下Vietoris-Rips复形的完整结构描述：

定理6.5：对于每个t≥0，VR_t(X,d_θ)中同时与C和Y°相交的单纯形集合恰好是： ⋃_{u,v≥0, ||(u,v)||ℓp≤t} [VR_t(C{≤u}) ⋆ VR_t(Y_{≤v})]

特别地，当p=∞时，我们有全局分解： VR_t(X,d_θ) = VR_t(C,β) ∪ VR_t(Y°,d_reg) ∪ [VR_t(C_{≤t}) ⋆ VR_t(Y_{≤t})]

这个定理表明，在p=∞的情况下，复形结构简化为基于最大半径的阈值化连接，这大大提升了拓扑特征的可计算性。

4. 有限点云的计算与应用

4.1 有限点云的显式计算

对于实际应用而言，有限点云的计算尤为重要。我们有如下显式计算方案：

推论6.7：对于任意有限子集S⊂X和t≥0，设S_C := S∩C，S_Y := S∩(X\C)，并定义子水平顶点集： S_{C}^{≤t} := {x∈S_C : r_C(x) ≤ t} S_{Y}^{≤t} := {y∈S_Y : r_Y(y) ≤ t}

当p=∞时，Rips复形分解为： VR_t(S,d_θ) = VR_t(S_C,β) ∪ VR_t(S_Y,d_reg) ∪ [VR_t(S_{C}^{≤t},β) ⋆ VR_t(S_{Y}^{≤t},d_reg)]

这个结果使得VR_t(S,d_θ)的计算仅需要：

1. S_C上的β距离矩阵和半径值r_C
2. S_Y上的d_reg距离矩阵和半径值r_Y

不需要进行任何交叉距离的额外计算，这在实际应用中带来了极大的便利。

4.2 同调生成机制

BK Rips复形的一个显著特点是，即使在有限点云上，它也能产生非平凡的同调群。这种效应完全由楔形连接项驱动：

推论6.9（VR_t中的通用环）：固定p=∞和尺度t>0。假设有限点云S⊂X满足：

1. S_{C}^{≤t} = {x_1,x_2}且β(x_1,x_2) > t
2. S_{Y}^{≤t} = {y_1,y_2}且d_reg(y_1,y_2) > t
3. S = S_{C}^{≤t} ∪ S_{Y}^{≤t}

那么VR_t(S,d_θ)是完全二分图K_{2,2}的团复形，因此是一个4-循环，具有S^1的同伦型。

这个结果表明，即使两个组件内部的Rips复形在尺度t下完全不连接（仅为孤立顶点），楔形连接机制也能通过混合边创建非平凡的拓扑特征。

4.3 高秩一维同调的生成

同样的机制可以产生更高秩的一维同调：

推论6.10：固定p=∞和t>0。设S_{C}^{≤t} = {x_1,...,x_m}，S_{Y}^{≤t} = {y_1,...,y_n}，并假设在尺度t下没有组件内部边：对于i≠i'有β(x_i,x_i')>t，对于j≠j'有d_reg(y_j,y_j')>t。再设S = S_{C}^{≤t} ∪ S_{Y}^{≤t}。

那么VR_t(S,d_θ)是图K_{m,n}作为1维单纯复形。特别地，当m,n≥1时，它是连通的且： rank H_1(VR_t(S,d_θ); ℤ) = (m-1)(n-1)

因此，VR_t(S,d_θ) ≃ ∨^{(m-1)(n-1)} S^1。

这个结果展示了如何通过选择适当的点云配置，系统地生成特定秩的同调群。

5. Čech复形的两种形式与比较

5.1 内在与外在Čech复形

在一般度量空间中，Čech复形可以有两种不同的定义方式：

定义6.21：

1. 内在Čech复形Č_t(Z,d)是Z上闭度量球{B_Z(z,t)}_{z∈Z}的神经。
2. 对于云S⊆Z，外在Čech复形Č^{amb}t(S⊆Z,d)的顶点集为S，且有限子集σ⊆S是单纯形当且仅当∩{s∈σ}B_Z(s,t) ≠ ∅。

在BK楔形设置中，这种区分至关重要：外在Čech复形可以检测到粘合基点并在相对较小的尺度下变得可缩，而内在Čech复形则保留了云的点组合几何。

5.2 度量球的组件描述

BK楔形中的度量球有明确的组件描述：

引理6.23：固定t≥0。

1. 对于x∈C，B_X(x,t)∩C = B_C(x,t)，且 B_X(x,t)∩Y = {y∈Y : ||(r_C(x),r_Y(y))||_ℓp ≤ t}
2. 对于y∈Y，B_X(y,t)∩Y = B_Y(y,t)，且 B_X(y,t)∩C = {x∈C : ||(r_C(x),r_Y(y))||_ℓp ≤ t}

这个结果表明，度量球在各自组件内部表现为通常的度量球，而交叉部分则由径向函数的ℓp范数控制。

5.3 混合Čech单纯形的特征

混合Čech单纯形的存在可以通过组件内部的球相交条件来表征：

命题6.24：设σ = {x_1,...,x_m}⊆C，τ = {y_1,...,y_n}⊆Y°为有限子集，设 A := max_{1≤i≤m} r_C(x_i) B := max_{1≤j≤n} r_Y(y_j)

那么σ∪τ是Č_t(X,d_θ)的单纯形当且仅当满足以下两个条件之一：

1. (C条件)存在z∈C使得z∈∩_{i=1}^m B_C(x_i,t)且||(r_C(z),B)||_ℓp ≤ t
2. (Y条件)存在w∈Y使得w∈∩_{j=1}^n B_Y(y_j,t)且||(A,r_Y(w))||_ℓp ≤ t

这个结果表明，Čech复形比Rips复形保留了更多关于球相交模式的几何信息。

5.4 基点驱动的锥化效应

外在Čech复形展现出基点驱动的锥化效应：

推论6.28：设S⊂X有限，t≥0。则外在Čech复形Č^{amb}t(S⊆X,d_θ)在顶点集S{C}^{≤t}∪S_{Y}^{≤t}上的诱导子复形是一个完全单纯形，因此是可缩的。

特别地，如果S的每个顶点半径≤t，那么Č^{amb}_t(S⊆X,d_θ)是一个单纯形，因此是可缩的。

这个结果与推论6.9形成鲜明对比：在相同尺度下，Rips复形可能包含非平凡拓扑特征，而外在Čech复形可能已经可缩。这表明BK度量下，Čech复形可能比Rips复形更早"坍缩"同调特征。

6. 具体计算实例与应用

6.1 有限维交换情况的计算

考虑A = C^n（逐点运算和对合）和H = C的情况。每个线性映射φ:A→C都有形式φ(a_1,...,a_n) = Σ_{k=1}^n z_k a_k，对应唯一的z = (z_1,...,z_n)∈C^n。这样的φ是正定的当且仅当所有z_k∈[0,∞)。因此，C = CP(C^n,C) ≅ [0,∞)^n。在这种识别下，Bures距离为： β(z,w) = ||√z - √w||_2， z,w∈[0,∞)^n 其中√z := (√z_1,...,√z_n)，||·||_2表示R^n上的欧几里得范数。

示例6.12（二维显式CP-side Rips计算）：设n=2，考虑三个CP点z(1)=(1,0)，z(2)=(0,1)，z(3)=(1,1)∈[0,∞)^2。计算得： β(z(1),z(2)) = √2 β(z(1),z(3)) = 1 β(z(2),z(3)) = 1

因此，CP-side Vietoris-Rips复形VR_t({z(1),z(2),z(3)},β)在不同尺度下的结构为：

1. 0≤t<1：三个孤立顶点
2. 1≤t<√2："V"形树，边{z(1),z(3)}和{z(2),z(3)}
3. t≥√2：三个顶点上的完整2-单纯形

特别地，CP-side Rips同调在任何尺度下都没有H_1。

6.2 混合点云的同调生成

示例6.18：定义完全有界映射y_+ := iΘ，y_- := -iΘ。设未知但有限的参数： r_+ := d_reg(y_+,∗) r_- := d_reg(y_-,∗) D := d_reg(y_+,y_-) = λδ_reg(y_+,y_-)^α

固定锚点θ := x_1 = Θ∈CP(M_n,M_m)，考虑max-glue BK度量d_θ := β^BK_{θ,λ,∞,α}。设S := {x_0,x_4,y_+,y_-}⊂CB(M_n,M_m)，其中x_0 := 0，x_4 := 4Θ。

在这些设定下，我们有：

定理6.19：假设max{1,r_-,r_+} ≤ t < min{2,D}。则Vietoris-Rips复形VR_t(S,d_θ)是完全二分图K_{2,2}的团复形，因此同伦等价于S^1，且rank H_1 = 1。

这个结果展示了BK楔形几何如何通过混合边创建非平凡拓扑特征，即使组件内部没有连接。

7. 实际应用中的注意事项

1. 参数选择的影响：BK度量的行为强烈依赖于参数p的选择。p=∞时计算最为简单，但可能丢失一些几何细节；较小的p值保留了更多信息但增加了计算复杂度。

2. 径向函数的预处理：在实际应用中，需要有效计算或估计径向函数r_C和r_Y。对于某些C*-代数设置，这可能涉及非平凡的最优化问题。

3. 尺度参数的选择：TDA中的尺度参数t的选择至关重要。建议通过持久同调等方法研究多个尺度的拓扑特征，而不是依赖单一尺度。

4. 数值稳定性：当处理接近基点的点时，距离计算可能变得数值不稳定。建议实现适当的数值保护措施，如设置最小阈值。

5. 并行计算：由于组件内部和交叉部分的计算可以独立进行，BK度量的结构天然适合并行计算框架。