相空间指的是动力学发生的空間。为了用哈密顿量描述动力学,必须指定位置和动量,
和
。虽然一般的相空间可能是具有非平凡拓扑结构的 2N 维流形(例如,摆的位置坐标会连接回自身),但是通常,相空间是
。
一个可观测量或简称为函数是从相空间到
的函数。它们可以用多元多项式表示,或者用截断的泰勒级数近似。一个分布的例子是
可观测量或函数可以与映射组合。见后文。
一个映射是相空间到自身的一个函数。它可以用可观测量或函数的向量表示。映射可以相加和乘以一个标量。一个映射可以是一个常数映射
一个映射可以是线性的。如果 A 是一个矩阵
一个映射也可以是非线性的。
函数可以与映射组合。
如果相空间中的一个点具有坐标
,
是一个可观测量,
是一个映射,其中
是可观测量,合成定义为
.
合成可以扩展到函数向量,因此也适用于映射。映射通过合成运算形成代数。
我们用
或
或空来表示合成。
如果
是一个映射,而
是一个函数,我们用以下符号表示合成运算:
如果 A、B 是映射,我们用以下符号表示合成运算:
,
例如,如果
请注意,如果 A 和 B 是矩阵
人们可以将跟踪代码视为计算映射的算法,该映射是单圈映射的近似值。
一个运算符是一个将一个函数转换为另一个函数的函数。映射也是一个运算符。运算符可以由函数生成,例如导数运算符、向量场、李运算符。运算符可以组合起来形成例如指数运算符。
一个导数运算符由各种导数的幂和乘以分布组成。例如向量场和李运算符。
一个形式为
的微分运算符。
动力系统可以通过求解以下问题来定义:
其中
是
中的轨迹,
是一个映射。
如果我们有兴趣找到
,其中
通常是一个映射,则解可以写成
其中
是一个向量场,并且
该方法可用于例如求解从初始条件
开始的微分方程。首先定义
然后计算
然后用
代替 s 中的
,解将为
。
当映射由
定义时,向量场的特例,其中
是辛矩阵。
如果
是
和
的函数。
.
在文献中它通常表示为
使得
- 微分代数
具有导数性质的代数。与非标准分析领域有关。TPSA 向量是近似的例子。另见 [1]
- TPSA
截断幂级数代数。所有在特定阶数截断的幂级数的代数。幂级数可以相加,相乘。可以为它们定义解析函数。幂级数可以与映射复合。例如:epsilon(z)。
- k-射流
在特定阶数
截断的幂级数向量。如果生成映射将原点映射到原点,则复合映射可以表示为 K-射流。另见 [2]
- 复合映射
由映射或函数生成的算子,相当于映射与另一个映射的复合。如果生成映射将原点映射到原点,则复合映射可以表示为 k-射流。
- 李变换
通过对李算子求指数而产生的变换。特别地,如果 :f: 是李算子,则
是李变换。当在更一般的环境中定义时,李变换构成一个群,一个李群,它也是一个拓扑群。
- 李代数
一般来说,任何向量场,如果它也具有满足以下性质的乘法性质
在经典动力学中,指具有泊松括号作为乘法的相空间函数,或具有对易作为乘法的李算子
- 弗洛凯空间
粒子在其中以圆周运动的归一化空间。与弗洛凯定理有关,该定理在固体物理学中更常被称为布洛赫定理。另见 [3]
- BCH 公式
一个将两个指数算子的组合关联到单个算子的公式。对于有限矩阵,我们陈述

其中 C 由 A 和 B 的嵌套对易子的和组成。由于公式 [:f:,:g:]=:{f,g}:,这在李算子的情况下推广到以下陈述

其中 h 是相空间上的分布。但是,我们注意到,这只是一个纯粹的形式关系,实际上可能会由于缺乏收敛性而失效。h 可以用不同的形式以不同形式的级数表示,具体取决于什么被认为是展开参数。如果 f 和 g 都被认为很小,那么

如果仅考虑 g 很小,则
