← 返回笔记目录

数学 / NOTEBOOK

线性代数

关于基变换、协变与逆变分量、张量缩并及音乐同构的学习笔记。

#线性代数#对偶空间#张量

逆变与协变分量

对于一个向量(使用爱因斯坦求和约定)

A⃗=Aie⃗i\vec A = A^i\vec e_i

我们对他进行基变换(把新的基写成原来的线性组合):

e⃗i′=A′jie⃗j\vec e'_i =A'^j{}_i\vec e_j

把系数整理成矩阵

M=(A′11A′12⋯A′1nA′21A′22⋯A′2n⋮⋮⋱⋮A′n1A′n2⋯A′nn)\mathcal{M}= \begin{pmatrix} A'^1{}_1 & A'^1{}_2 & \cdots & A'^1{}_n \\ A'^2{}_1 & A'^2{}_2 & \cdots & A'^2{}_n \\ \vdots & \vdots & \ddots & \vdots \\ A'^n{}_1 & A'^n{}_2 & \cdots & A'^n{}_n \end{pmatrix}

A⃗\vec A 并没有变,所以可以写成两个基的线性组合:

A⃗=Aie⃗i=Bje⃗j′\vec A = A^i\vec e_i = B^j\vec e'_j

因为基进行了一个M\mathcal{M} 的线性变换,所以系数(即坐标)要进行一个M−1\mathcal{M^{-1}} 的逆变换才能保持A⃗\vec A 保持不变。所以AiA^i 叫做逆变分量. 举个具体例子:

取原基

{e⃗1,e⃗2},\{\vec e_1,\vec e_2\},

定义新基为

e⃗1′=2e⃗1+e⃗2,e⃗2′=e⃗1+3e⃗2.\begin{aligned} \vec e'_1 &= 2\vec e_1+\vec e_2,\\ \vec e'_2 &= \vec e_1+3\vec e_2. \end{aligned}

对应的换基矩阵为

M=(2113).\mathcal M= \begin{pmatrix} 2 & 1\\ 1 & 3 \end{pmatrix}.

设同一个向量 A⃗\vec A 在原基下表示为

A⃗=A1e⃗1+A2e⃗2,\vec A=A^1\vec e_1+A^2\vec e_2,

在新基下表示为

A⃗=B1e⃗1′+B2e⃗2′.\vec A=B^1\vec e'_1+B^2\vec e'_2.

将新基代入:

A⃗=B1(2e⃗1+e⃗2)+B2(e⃗1+3e⃗2)=(2B1+B2)e⃗1+(B1+3B2)e⃗2.\begin{aligned} \vec A &=B^1(2\vec e_1+\vec e_2) +B^2(\vec e_1+3\vec e_2)\\ &=(2B^1+B^2)\vec e_1 +(B^1+3B^2)\vec e_2. \end{aligned}

与

A⃗=A1e⃗1+A2e⃗2\vec A=A^1\vec e_1+A^2\vec e_2

比较系数,得到

{A1=2B1+B2,A2=B1+3B2.\begin{cases} A^1=2B^1+B^2,\\ A^2=B^1+3B^2. \end{cases}

写成矩阵形式:

(A1A2)=(2113)(B1B2).\begin{pmatrix} A^1\\ A^2 \end{pmatrix} = \begin{pmatrix} 2 & 1\\ 1 & 3 \end{pmatrix} \begin{pmatrix} B^1\\ B^2 \end{pmatrix}.

即

[A]=M[B].[A]=\mathcal M[B].

由于

M−1=15(3−1−12),\mathcal M^{-1} = \frac{1}{5} \begin{pmatrix} 3 & -1\\ -1 & 2 \end{pmatrix},

所以

[B]=M−1[A].[B] = \mathcal M^{-1}[A].

即

(B1B2)=M−1(A1A2).\begin{pmatrix} B^1\\ B^2 \end{pmatrix} =\mathcal{M^{-1}} \begin{pmatrix} A^1\\ A^2 \end{pmatrix}.

所以在这个具体例子中:

基按 M 变换⟹分量按 M−1 变换\boxed{ \text{基按 }\mathcal M\text{ 变换} \qquad \Longrightarrow \qquad \text{分量按 }\mathcal M^{-1}\text{ 变换} }

现在考虑协向量 ω\omega。协向量是对偶空间 V∗V^* 中的元素,即定义在向量空间 VV 上的线性泛函:

ω:V→F.\omega:V\to\mathbb F.

它作用在向量空间V{V}的向量 vv 上,得到一个标量:

ω(v)∈F.\omega(v)\in\mathbb F.

academic-excerpt-01.webp 协向量ω\omega可以写成对偶基eie^i的线性组合:

ω=ωiei\omega = \omega_ie^i

所以

ω(v)=(ωiei)(vjej)=ωivjei(ej)=ωivjδji=ωivi.\begin{aligned} \omega(v) &= (\omega_i e^i)(v^j e_j) \\ &= \omega_i v^j e^i(e_j) \\ &= \omega_i v^j \delta^i_j \\ &= \omega_i v^i . \end{aligned}

现在对ω\omega和vv都进行换基,换基之后由于ω\omega和vv都没变,所以得到的结果也不变,就是说:

ωi′v′i=ωivi\omega'_i v'^i = \omega_i v^i

由于 academic-excerpt-02.webp 变换后的新基可以写成原来基的线性组合,比如按照LADR书上的vkv_k=Ai,kwiA_{i,k} w_i (依旧爱因斯坦求和约定),变换后的第kk个分量写成矩阵第kk列的每行的线性组合。之前逆变分量vv我们知道变换后的分量和变换之前的分量差了个逆矩阵:

v′i=(M−1)ijvjv'^i=({\mathcal M^{-1}})^i{}_jv^j\qquad\text{}

第一个数字ii还是代表矩阵的行,只不过写成了上标的形式。可以用具体例子方便理解

(v′1v′2⋮v′n)=((M−1)11(M−1)12⋯(M−1)1n(M−1)21(M−1)22⋯(M−1)2n⋮⋮⋱⋮(M−1)n1(M−1)n2⋯(M−1)nn)(v1v2⋮vn)\begin{pmatrix} v'^1\\ v'^2\\ \vdots\\ v'^n \end{pmatrix} = \begin{pmatrix} (M^{-1})^1{}_1 & (M^{-1})^1{}_2 & \cdots & (M^{-1})^1{}_n\\ (M^{-1})^2{}_1 & (M^{-1})^2{}_2 & \cdots & (M^{-1})^2{}_n\\ \vdots & \vdots & \ddots & \vdots\\ (M^{-1})^n{}_1 & (M^{-1})^n{}_2 & \cdots & (M^{-1})^n{}_n \end{pmatrix} \begin{pmatrix} v^1\\ v^2\\ \vdots\\ v^n \end{pmatrix}

这样刚才的逆变换就很直观了。然后线性泛函协向量ω\omega为了直接和列向量vv作用得到一个标量,我们把协向量ω\omega写成行向量的形式:

ω(v)=(ω1ω2⋯ωn)(v1v2⋮vn)=ωivi.\omega(v) = \begin{pmatrix} \omega_1 & \omega_2 & \cdots & \omega_n \end{pmatrix} \begin{pmatrix} v^1\\ v^2\\ \vdots\\ v^n \end{pmatrix} = \omega_i v^i.
ωi′=Mjiωj.\omega'_i=M^j{}_i\omega_j.

还是用具体例子方便理解:

(ω1′ω2′⋯ωn′)=(ω1ω2⋯ωn)(M11M12⋯M1nM21M22⋯M2n⋮⋮⋱⋮Mn1Mn2⋯Mnn).\begin{pmatrix} \omega'_1 & \omega'_2 & \cdots & \omega'_n \end{pmatrix} = \begin{pmatrix} \omega_1 & \omega_2 & \cdots & \omega_n \end{pmatrix} \begin{pmatrix} M^1{}_1 & M^1{}_2 & \cdots & M^1{}_n\\ M^2{}_1 & M^2{}_2 & \cdots & M^2{}_n\\ \vdots & \vdots & \ddots & \vdots\\ M^n{}_1 & M^n{}_2 & \cdots & M^n{}_n \end{pmatrix}.

于是:

ωi′v′i=(Mjiωj)((M−1)ikvk).\omega'_i v'^i = \left(M^j{}_i\omega_j\right) \left((M^{-1})^i{}_k v^k\right).

先把普通的数重新排列一下:

=ωj[Mji(M−1)ik]vk.= \omega_j \left[ M^j{}_i(M^{-1})^i{}_k \right] v^k.

中间这一坨

Mji(M−1)ikM^j{}_i(M^{-1})^i{}_k

其实就是矩阵乘法 MM−1MM^{-1} 的第 jkjk 个元素。

而

MM−1=I.MM^{-1}=I.

所以

Mji(M−1)ik=δjk.M^j{}_i(M^{-1})^i{}_k = \delta^j{}_k.

所以

ωjδjkvk=ωjvj.\omega_j\delta^j{}_k v^k = \omega_j v^j.

于是

ωi′v′i=ωivi\boxed{ \omega'_i v'^i = \omega_i v^i }

所以一个逆变搭配一个协变可以形成一个不变量,所以vv=vieiv^i e_i=vjejv_je^j写成一上一下,一个协变一个逆变的形式就是为了保持向量vv的不变性。

张量指标的缩并

前面已经知道,协向量 ω∈V∗\omega\in V^* 可以作用在向量 v∈Vv\in V 上:

ω(v)=ωivi.\omega(v)=\omega_i v^i.

其本质来源于对偶空间 V∗V^* 与向量空间 VV 之间的自然配对:

V∗×V→F.V^*\times V\to\mathbb F.

对于基 {ei}\{e_i\} 和对偶基 {ei}\{e^i\},有

ei(ej)=δji,e^i(e_j)=\delta^i_j,

其中 δji\delta^i_j 为克罗内克符号:

δji={1,i=j,0,i≠j.\delta^i_j= \begin{cases} 1,&i=j,\\ 0,&i\neq j. \end{cases}

因此,一个来自 V∗V^* 的下指标和一个来自 VV 的上指标可以进行自然配对。 在张量的指标记号中,这种配对就表现为缩并(contraction)。


缩并的完整过程

例如考虑一个具有两个上指标和一个下指标的张量:

T=Tijk ei⊗ej⊗ek.T = T^{ij}{}_k \,e_i\otimes e_j\otimes e^k.

这里:

TijkT^{ij}{}_k

只是张量的分量,而完整的张量还包括基:

ei⊗ej⊗ek.e_i\otimes e_j\otimes e^k.

现在将第一个上指标 ii 和下指标 kk 对应的位置进行缩并。

由于 ek∈V∗e^k\in V^* 是线性泛函,可以作用在 ei∈Ve_i\in V 上,所以

ek(ei)=δik.e^k(e_i)=\delta^k_i.

因此缩并后的张量为

C(T)=Tijk ek(ei) ej=Tijk δik ej.\begin{aligned} C(T) &= T^{ij}{}_k\,e^k(e_i)\,e_j\\ &= T^{ij}{}_k\,\delta^k_i\,e_j. \end{aligned}

这里实际上已经产生了一个标量:

δik.\boxed{\delta^k_i}.

这个标量会乘在剩下的张量因子 eje_j 上。

但是根据克罗内克符号的性质,

δik={1,k=i,0,k≠i,\delta^k_i= \begin{cases} 1,&k=i,\\ 0,&k\neq i, \end{cases}

所以它会把所有 k≠ik\neq i 的项全部消掉,只留下 k=ik=i 的项:

Tijkδik=Tiji.T^{ij}{}_k\delta^k_i = T^{ij}{}_i.

因此

C(T)=Tijiej.\boxed{ C(T)=T^{ij}{}_i e_j. }

如果只写缩并后张量的分量,就写成

Tiji.\boxed{ T^{ij}{}_i. }

为什么缩并时看不到产生的标量

如果把爱因斯坦求和约定完全展开,缩并前为

T=∑i,j,kTijk ei⊗ej⊗ek.T = \sum_{i,j,k} T^{ij}{}_k \,e_i\otimes e_j\otimes e^k.

缩并 ii 和 kk 后:

C(T)=∑i,j,kTijk ek(ei) ej.C(T) = \sum_{i,j,k} T^{ij}{}_k \,e^k(e_i)\,e_j.

因为

ek(ei)=δik,e^k(e_i)=\delta^k_i,

所以

C(T)=∑i,j,kTijkδikej.C(T) = \sum_{i,j,k} T^{ij}{}_k \delta^k_i e_j.

由于 δik\delta^k_i 只有在 k=ik=i 时才等于 11,因此三重求和变成

C(T)=∑i,jTijiej.C(T) = \sum_{i,j} T^{ij}{}_i e_j.

所以在通常的指标记号中,我们直接写成

Tijk⟶Tiji\boxed{ T^{ij}{}_k \longrightarrow T^{ij}{}_i }

并不是缩并过程中没有产生标量。

实际上完整过程是

ek(ei)⟶δik\boxed{ e^k(e_i) \longrightarrow \delta^k_i }

产生了克罗内克符号这个标量。

只不过 δik\delta^k_i 在求和过程中起到了“筛选指标”的作用:

Tijkδik=Tiji,T^{ij}{}_k\delta^k_i = T^{ij}{}_i,

所以最后通常不再把 δik\delta^k_i 单独写出来,而是直接把它吸收到新的张量分量中。

因此可以把一次缩并理解为:

V∗ 中的一个基泛函+V 中的一个基向量⟶δ⟶两个指标被消去\boxed{ V^*\text{ 中的一个基泛函} + V\text{ 中的一个基向量} \longrightarrow \delta \longrightarrow \text{两个指标被消去} }

缩并后不一定得到标量

需要注意的是:

进行一次缩并,会产生一个标量配对,但整个张量不一定变成标量。

例如

TijkT^{ij}{}_k

缩并 ii 和 kk 后得到

Tiji.T^{ij}{}_i.

其中 ii 已经被求和消去,但是还剩下自由指标 jj。

所以完整结果为

Tijiej,T^{ij}{}_i e_j,

它仍然是一个向量。

只有当缩并之后一个自由指标都不剩时,最终结果才是标量。

例如对于

Tij,T^i{}_j,

进行缩并:

Tii=∑iTii.T^i{}_i = \sum_iT^i{}_i.

此时所有指标都被消去,所以

Tii∈F\boxed{ T^i{}_i\in\mathbb F }

是一个标量。

如果把 TijT^i{}_j 看成矩阵,那么

Tii=T11+T22+⋯+Tnn=tr⁡(T).T^i{}_i = T^1{}_1+T^2{}_2+\cdots+T^n{}_n = \operatorname{tr}(T).

所以矩阵的迹其实就是一种典型的张量缩并。 具体例子:academic-excerpt-03.webp (大学生理工专题导读 矢量与张量分析p133)

升降指标与音乐同构

给定一个向量v∈Vv \in V ,定义v♭:=g(v,⋅)v^\flat :=g(v,\cdot) ,因为度规gg是双线性泛函,固定一个输入vv之后就变成单线性泛函了,"⋅\cdot"表示占位,可变的(LADR里面矩阵那一节也用的这个)。所以

v♭(w)=g(v,w)v^\flat(w)=g(v,w)

所以音乐同构把v∈Vv \in V 变成了v♭∈V∗v^\flat \in V^* ,v♭v^\flat变成了对偶空间的协向量,所以降指标了,设v=vjejv=v^j e_j ,我们想变成协向量的形式v♭=vieiv^\flat=v_ie^i .根据定义:

v♭(w)=g(v,w)=g ⁣(vjej,  wiei)=vjwi g(ej,ei)=gjivjwi\begin{aligned} v^\flat(w) &= g(v,w) \\[4pt] &= g\!\left(v^j e_j,\; w^i e_i\right) \\[4pt] &= v^j w^i\, g(e_j,e_i) \\[4pt] &= g_{ji}v^j w^i \\[4pt] \end{aligned}

另一方面因为v♭v^\flat是协变基,v♭=vieiv^\flat=v_ie^i. 所以:

v♭(w)=(viei)(wjej)=viwjei(ej)=viwjδij=viwi.\begin{aligned} v^\flat(w) &=(v_i e^i)(w^j e_j)\\ &=v_iw^j e^i(e_j)\\ &=v_iw^j\delta^i{}_j\\ &=v_iw^i. \end{aligned}

所以很显然gijvjwi=viwig_{ij} v^j w^i =v_iw^i,所以:

gijvj=vig_{ij}v^j =v_i

如果gijg_{ij}是非退化的。所谓非退化(non-degenerate),意思是

g(v,w)=0,∀ w∈V⟹v=0.g(v,w)=0,\quad \forall\, w\in V \Longrightarrow v=0.

类似于线代中的单射:当且仅当null⁡T={0}\operatorname{null}T=\{0\} ,然后根据结论 academic-excerpt-04.webp

♭:V→V∗\flat:V\to V^*
dim⁡V=dim⁡V∗\dim V=\dim V^*
g 非退化⟺♭ 单射⟹♭ 满射⟹♭ 可逆g\text{ 非退化} \Longleftrightarrow \flat\text{ 单射} \Longrightarrow \flat\text{ 满射} \Longrightarrow \flat\text{ 可逆}

所以gijg_{ij}是非退化的就是可逆的. 现在我们定义另一个音乐同构:♯\sharp 。作用和上面的♭\flat相反。∀w∈V∗\forall w \in V^* ,w♯∈Vw^\sharp \in V .也就是说

♯:V∗→V\sharp:V^* \to V

假设w=wieiw=w_ie^i ,通过♯\sharp,w♯=wjejw^\sharp=w^je_j.类似之前降指标的推导。

♭ 是双射⟹∀w∈V∗, ∃! u∈V,u♭=w⟹∀v∈V,u♭(v)=w(v)⟹∀v∈V,g(u,v)=w(v).\begin{aligned} \flat \text{ 是双射} &\Longrightarrow \forall w\in V^*,\ \exists!\,u\in V,\quad u^\flat=w\\ &\Longrightarrow \forall v\in V,\quad u^\flat(v)=w(v)\\ &\Longrightarrow \forall v\in V,\quad g(u,v)=w(v). \end{aligned}
g 非退化⟹♭:V→V∗ 是双射⟹∀w∈V∗, ∃! u∈V,u♭=w⟹w♯:=u,w(v)=g(w♯,v),∀v∈V.w=wiei,w♯=wjejw(ei)=g(w♯,ei)=g(wjej,ei)=wjg(ej,ei)=gjiwj,w(ei)=(wjej)(ei)=wjej(ei)=wjδij=wi⟹wi=gjiwj=gijwj.♯(ej):=gijei⟹w♯=♯(wjej)=wj♯(ej)=gijwjei=wiei⟹wi=gijwj.wi=gijwj=gijgjkwk⟹gijgjk=δik⟹(gij)=(gij)−1.\begin{aligned} g\text{ 非退化} &\Longrightarrow \flat:V\to V^*\text{ 是双射} \\ &\Longrightarrow \forall w\in V^*,\ \exists!\,u\in V,\quad u^\flat=w \\ &\Longrightarrow w^\sharp:=u,\qquad w(v)=g(w^\sharp,v),\quad \forall v\in V. \\[6pt] w=w_i e^i,\qquad w^\sharp&=w^j e_j \\[4pt] w(e_i) &=g(w^\sharp,e_i) \\ &=g(w^j e_j,e_i) \\ &=w^j g(e_j,e_i) \\ &=g_{ji}w^j, \\[4pt] w(e_i) &=(w_j e^j)(e_i) \\ &=w_j e^j(e_i) \\ &=w_j\delta^j_i \\ &=w_i \\[4pt] &\Longrightarrow w_i=g_{ji}w^j =g_{ij}w^j. \\[8pt] \sharp(e^j)&:=g^{ij}e_i \\ \Longrightarrow\quad w^\sharp &=\sharp(w_j e^j) \\ &=w_j\sharp(e^j) \\ &=g^{ij}w_j e_i \\ &=w^i e_i \\ &\Longrightarrow w^i=g^{ij}w_j. \\[8pt] w_i &=g_{ij}w^j \\ &=g_{ij}g^{jk}w_k \\ &\Longrightarrow g_{ij}g^{jk}=\delta_i^k \\ &\Longrightarrow (g^{ij})=(g_{ij})^{-1}. \end{aligned}