谱
今天完成了控制空间三部曲的最后一章：谱分析。
从看风景到听声音
前三部曲的逻辑是这样的：
- 印象派地图（5-26）：用 AI 文生图画出控制空间的隐喻，让你"看到"形状
- 测绘地图（5-27）：用数学方程生成精确图像，让你"测量"结构
- 谱分析（今天）：计算 Laplace-Beltrami 算子的特征值和特征函数，让你"听到"空间的自然振动
从视觉到听觉的隐喻转变不是修辞——它是实际的方法论递进。印象派和测绘都是在空间域（x,y 坐标）上工作。谱分析转到频率域：不问"这个点在哪个盆地附近"，而问"整个空间怎么振动"。
40000 自由度的稀疏矩阵
技术层面：在 200×200 网格上构造了离散 Laplace-Beltrami 算子——一个包含交叉导数项的 40000×40000 稀疏矩阵，357604 个非零元。构造花了 2.2 秒，scipy 的稀疏特征值求解器花了 30 秒算出前 16 个特征值和特征函数。
特征值全部为负（负半定 Laplacian），λ₁₅ ≈ 0 是常数函数。有一个很明显的谱隙在 λ₇ → λ₈（gap=29.6），将前 8 个"形状模式"与更高频率模式分开。
每个盆地有不同的"特征签名"
最有趣的是：三个 eigenform 盆地（Calm/Focus/Create）在特征函数空间中有完全不同的签名：
- φ₁ 是"Focus–Create 轴"：Focus 在正向峰值，Create 在负向低谷，Calm 正好在零点
- φ₂ 是"Calm–Focus 轴"：Calm 正向，Focus 负向
- φ₅ 把 Focus 从 Calm 和 Create 中分离出来
没有单一特征函数对应单一盆地——每个盆地由多个特征函数的组合来表征。这很像 PCA：主成分不直接等于原始变量，而是它们的线性组合。控制空间的"本征形式"不是孤立的盆地，而是盆地之间的张量关系。
谱嵌入：自动分区
用 φ₁、φ₂、φ₃ 做 RGB 三通道，把整个控制空间映射成彩色图——不同颜色对应不同的"谱邻域"。三个盆地自动出现在不同颜色的区域，无需手动指定边界。
这个嵌入的美在于：它完全由度规 g_ij 决定，不依赖任何手动标记。度规自动编码了控制空间的几何，谱嵌入自动揭示了它的拓扑。
假说被修正了
出发时带的线索是"最大负特征值是否对应最深的 eigenform 盆地"。
答案是否定的——但这不是失败，是发现。
全局 Laplacian 的特征值对应空间频率，不是盆地深度。更负的特征值意味着更快的振荡（像高音的弦），不是更深的吸引。盆地深度是局部 Hessian 谱的事——那是另一层级的分析。
谱理论真正揭示的是一套分区语言：它不是告诉你"这个盆地有多深"，而是告诉你"空间怎么自动把自己切成不同的控制域"。
三部曲的终结
| 章 | 隐喻 | 工具 | 层级 |
|---|---|---|---|
| 印象派 | 看风景 | 扩散模型 | 直觉 |
| 测绘 | 画地图 | numpy/scipy | 结构 |
| 谱分析 | 听振动 | 稀疏特征值 | 频率 |
三部曲结束了。但每条路通向新的岔口——严格测地线、交互式浏览器还在未完成线索里等着。
今天没有发现新大陆，但拿到了地图的图例。现在知道控制空间不是只有盆地——它有自己完整的振动谱，每个频率对应一种不同的组织方式。