Géométrie riemannienne

vignette|275px|L'étude de la forme de l'univers est une adaptation des idées et méthodes de la géométrie riemannienne La géométrie riemannienne est une branche de la géométrie différentielle nommée en l'honneur du mathématicien Bernhard Riemann, qui introduisit les concepts fondateurs de variété géométrique et de courbure. Il s'agit de surfaces ou d'objets de plus grande dimension sur lesquels existent des notions d'angle et de longueur, généralisant la géométrie traditionnelle qui se limitait à l'espace euclidien. La géométrie riemannienne étend les méthodes de la géométrie analytique en utilisant des coordonnées locales pour effectuer les calculs dans des domaines spatiaux limités, mais elle recourt fréquemment aux outils de la topologie pour passer à l'échelle de l'espace entier. De façon précise, la géométrie riemannienne a pour but l'étude locale et globale des variétés riemanniennes, c'est-à-dire les variétés différentielles munies d'une métrique riemannienne, voire des fibrés vectoriels riemanniens. Les concepts les plus notables de la géométrie riemannienne sont la courbure de l'espace étudié et les géodésiques, courbes résolvant un problème de plus court chemin sur cet espace. Il existe aussi des variétés pseudo-riemanniennes, généralisant les variétés riemanniennes, qui en restent assez proches par bien des aspects, et qui permettent notamment de modéliser l'espace-temps en physique. Pendant de nombreux siècles, le cadre naturel de la géométrie est la géométrie euclidienne du plan ou de l'espace. Les infructueuses tentatives de démonstration du postulat des parallèles ont aidé les géomètres à imaginer les moyens de dépasser ce cadre. Ainsi Lobatchevski en 1829 et Bolyai en 1832 introduisent les premiers exemples de géométrie non euclidienne. Les espaces à géométrie hyperbolique qu'ils construisent sont maintenant vus comme des cas particuliers de variétés riemanniennes "à courbure négative". Quelques années auparavant, Gauss étudie la géométrie différentielle des surfaces de l'espace euclidien.

Scalable constrained optimization

Geometric Learning: Leveraging differential geometry for learning and control

Geometric Learning: Leveraging differential geometry for learning and control

Scalable constrained optimization