张量入门(Tensor for Beginners)(三)

2019-04-14 17:29发布

第二章 从几个例子来认识张量

2.1 前向变换和后向变换(Forward&Backward Transformations)

        现在,我们有平面上的两组基:        centering Old Basis &:{overrightarrow{e}_1,overrightarrow{e}_2}} \ \ \ New Basis &:{widetilde{overrightarrow{e}_1},widetilde{overrightarrow{e}_2}}}         从Old Basis到New Basis的变换称为Forward,从New Basis到Old Basis的变换称为Backward。这两组基之间有如下关系: egin{matrix} widetilde{overrightarrow{e}_1}= 2overrightarrow{e}_1+1overrightarrow{e}_2 qquad qquad overrightarrow{e}_1=frac{1}{4}widetilde{overrightarrow{e}_1} +(-1)widetilde{overrightarrow{e}_2} \ widetilde{overrightarrow{e}_2} = -frac{1}{2}overrightarrow{e}_1+frac{1}{4}overrightarrow{e}_2 qquad qquad overrightarrow{e}_2=frac{1}{2}widetilde{overrightarrow{e}_1} +2widetilde{overrightarrow{e}_2} end{matrix} 所以,它们之间的变换矩阵如下: F=egin{bmatrix} 2 & -frac{1}{2} \ 1 & frac{1}{4} end{bmatrix} qquad qquad B=egin{bmatrix} frac{1}{4} & frac{1}{2} \ -1 & 2end{bmatrix} 其中,F表示Forward transformation matrix,B表示Backward transformation matrix。将上式中的两个矩阵相乘有: FB=BF=I Rightarrow B=F^{-1}         将其中的数字抽象为数学符号,有: egin{matrix} widetilde{overrightarrow{e}_1} = F_{11}overrightarrow{e}_1+F_{21}overrightarrow{e}_2 \ widetilde{overrightarrow{e}_2} = F_{12}overrightarrow{e}_1+F_{22}overrightarrow{e}_2 end{matrix}              F=egin{bmatrix} F_{11} & F_{21} \ F_{12}& F_{22} end{bmatrix} 扩展到n维向量空间,有: egin{matrix} widetilde{overrightarrow{e}_1} = F_{11}overrightarrow{e}_1+F_{21}overrightarrow{e}_2 + cdots + F_{n1}overrightarrow{e}_n \ widetilde{overrightarrow{e}_2} = F_{12}overrightarrow{e}_1+F_{22}overrightarrow{e}_2+ cdots + F_{n2}overrightarrow{e}_n \ vdots \ widetilde{overrightarrow{e}_n} = F_{1n}overrightarrow{e}_1+F_{2n}overrightarrow{e}_2+ cdots + F_{nn}overrightarrow{e}_n end{matrix} qquad qquad F = egin{bmatrix} F_{11} & F_{12} & cdots & F_{1n} \ F_{21} & F_{22} & cdots & F_{2n} \ vdots & vdots & &vdots\ F_{n1} & F_{n2} & cdots & F_{nn} \ end{bmatrix} 所以,有: widetilde{overrightarrow{e}_i} = sum_{j=1}^{n}F_{ji}overrightarrow{e}_j 这里其实就是线性代数中的基变换和坐标变换,可以参考中国科学技术大学出版社的线性代数一书4.4节。不过这个变换是简单的,有线性代数基础的同学应该不难理解。         同理,对于Backward transformation matrix也有类似的结论: overrightarrow{e}_i= sum_{j=1}^{n}B_{ji}widetilde{overrightarrow{e}_j} 由此可推得: egin{matrix} widetilde{overrightarrow{e}_j}= sum_{k=1}^{n}F_{kj}overrightarrow{e}_k \ overrightarrow{e}_i= sum_{j=1}^{n}B_{ji}widetilde{overrightarrow{e}_j} end{matrix} qquad Rightarrow qquad overrightarrow{e}_i= sum_{j=1}^{n}B_{ji}sum_{k=1}^{n}F_{kj}overrightarrow{e}_k=sum_{j=1}^{n}sum_{k=1}^{n}B_{ji}F_{kj}overrightarrow{e}_k 由左右两边相等可知: sum_{j=1}^{n}sum_{k=1}^{n}B_{ji}F_{kj}=left{egin{matrix} 1 &if i=k \ 0& if i
eq k end{matrix}
ight. =diag{1,1,cdots,1}=I         将上述这种符号简化可得Kronecker Delta: delta_{ij}=left{egin{matrix} 1 &if i=k \ 0& if i
eq k end{matrix}
ight. 下一节,将会见到tensor的第一个例子。