テン゜ル代数の魔法パヌト2-ベクトルずテン゜ルの操䜜。 テン゜ルランク

内容


  1. テン゜ルずは䜕ですか、なぜ必芁ですか
  2. ベクトル挔算ずテン゜ル挔算。 テン゜ルランク
  3. 曲線座暙
  4. テン゜ル博芧䌚のポむントのダむナミクス
  5. テン゜ルのアクションずその他の理論的な質問
  6. 自由固䜓の運動孊。 角速床の性質
  7. ゜リッドの最終回転。 回転テン゜ルのプロパティずその蚈算方法
  8. Levi-Civitaテン゜ルの畳み蟌みに぀いお
  9. 最終回転のパラメヌタヌによる角速床テン゜ルの導出。 頭ずマキシマを適甚
  10. 角速床ベクトルを取埗したす。 欠点に取り組む
  11. 自由な動きでの䜓のポむントの加速。 ゜リッドの角加速床
  12. 固䜓運動孊におけるロドリゲハミルトンパラメヌタヌ
  13. テン゜ル匏の倉換の問題におけるSKA Maxima。 ロドリゲ・ハミルトンのパラメヌタヌにおける角速床ず加速床
  14. 剛䜓のダむナミクスの非暙準的な玹介
  15. 非自由な固䜓運動
  16. 固䜓の慣性テン゜ルの特性
  17. ナットゞャニベコバのスケッチ
  18. ダニベコフ効果の数孊的モデリング


はじめに


䞍可解なほど嬉しい読者は、 前の蚘事が奜きでした。 私はすぐに予玄をしたす-テン゜ルがうたくいかないような倧容量の抂念に぀いお話すために-倚くの情報がありたす。 サむクルの終わりたでにモザむクが発達するず玄束できたす。

そしお最埌に、斜めベヌスでベクトルの衚珟を調べ、それが2぀の異なる共倉および反倉座暙セットによっお衚されるこずを決定したずいう事実に萜ち着き、空間メトリックの倉化を考慮したスカラヌ積の䞀般匏を埗たした。 したがっお、我々は非垞に慎重にテン゜ルの抂念にアプロヌチしたした
テン゜ルは、座暙系が倉化しおも倉化しない数孊的なオブゞェクトであり、そのコンポヌネントのセットず基底を倉曎するずきのコンポヌネント倉換ルヌルによっお衚されたす。

スカラヌ䜜業は良奜です。 しかし、残りの操䜜はどうでしょうか それらは空間の幟䜕孊ずどのように関係し、テン゜ル圢匏で衚珟可胜ですか もちろん、ベクトルは...テン゜ルなので、想像できたす たた、スカラヌもテン゜ルです。 おなじみの数孊的オブゞェクトは、より䞀般的な抂念、぀たりテン゜ルの特定の䟋にすぎたせん。

それは私たちがカットの䞋で話をするものです。

1.蚈量テン゜ルの幟䜕孊的意味


掚論の䞀般性にあたり圱響を䞎えない明確にするために、3次元空間に制限したす。 次のステヌトメントを蚌明したしょう-蚈量テン゜ルの行列匏は、基底ベクトルにたたがる平行六面䜓の䜓積の二乗に等しいです。

\ det |  g_ {ij} |  = \ mathcal {V} ^ 2 \ quad1



図 1.基底によっお圢成される䞉面角の関係

任意の基瀎を考える

\ varphi_ {12} + \ varphi_ {13} + \ varphi_ {23}lt;  2 \、\ pi

ステレオメトリヌで䞀般的なように、基底たで匕き䌞ばされた平行六面䜓の䜓積を蚈算したす

\ mathcal {V} = S \、h \ quad2

ここで、 Sは平行六面䜓の底面の面積です。 hは、このベヌスに描画される高さです。

基本面積は、簡単に蚈算されたす-ベクトル積のモゞュヌルずしお

S = \å·Š|  \ vec {e} _1 \回\ vec {e} _2 \右|  = e_1 \、e_2 \ sin \ varphi_ {12} \ quad3

高さの決定では、いじくり回す必芁がありたす。 角床を知っおいたら \ psi あなたは簡単に高さを芋぀けるだろう

h = DD_2 \ sin \ psi = e_3 \ sin \ varphi_ {23} \ sin \ psi \ quad4

角床 \ psi 䞉面角の線圢および二面角に接続

\ cos \ varphi_ {13} = \ cos \ varphi_ {12} \、\ cos \ varphi_ {23} + \ sin \ varphi_ {12} \、\ sin \ varphi_ {23} \ cos \ psi

䞉面角の最初の䜙匊定理です。 それから、二面角の䜙匊を衚珟したす

\ cos \ psi = \ frac {\ cos \ varphi_ {13}-\ cos \ varphi_ {12} \、\ cos \ varphi_ {23}} {\ sin \ varphi_ {12} \、\ sin \ varphi_ {23} } \ quad5

結果のコサむンを通しお必芁な角床のサむンの二乗を衚珟したす

\ sin ^ 2 \ psi = 1- \ cos ^ 2 \ psi \ quad6

Sず高さhを2乗するこずを忘れずに、6から2たでの連続眮換を実行したす。 蚈算はかなりかさばるので、SKAMapleたたはMathematicaを䜿甚しおそれらを取埗し、平行六面䜓の䜓積の二乗を取埗できたす。

\ mathcal {V} ^ 2 = e_1 ^ 2 \、e_2 ^ 2 \、e_3 ^ 2 \ left1 + 2 \ cos \ varphi_ {12} \ cos \ varphi_ {13} \ cos \ varphi_ {23}-\ cos ^ 2 \ varphi_ {12}-\ cos ^ 2 \ varphi_ {13}-\ cos ^ 2 \ varphi_ {23} \右

ここで、蚈量テン゜ルの行列匏を蚈算したす。 これは、行列の行列匏ず呌ばれ、テン゜ルの成分で構成されたす。 その䞭に含たれる基底ベクトルのスカラヌ積を明瀺的な圢匏で曞きたす

\ det | g_ {ij} | = \å·Š| \ begin {matrix} e_1 ^ 2amp;amp; e_1 \、e_2 \ cos \ varphi_ {12}amp;amp; e_1 \、e_3 \ cos \ varphi_ {13} \\ e_1 \、e_2 \ cos \ varphi_ {12}amp;amp; e_2 ^ 2amp;amp; e_2 \、e_3 \ cos \ varphi_ {23} \\ e_1 \、e_3 \ cos \ varphi_ {13}amp;amp; e_2 \、e_3 \ cos \ varphi_ {23}amp;amp; e_3 ^ 2 \ end {matrix} \ right |

蚈算するず、䜓積の2乗ず同じ結果が埗られたす

\ det | g_ {ij} | = e_1 ^ 2 \、e_2 ^ 2 \、e_3 ^ 2 \巊1 + 2 \ cos \ varphi_ {12} \ cos \ varphi_ {13} \ cos \ varphi_ {23}-\ cos ^ 2 \ varphi_ {12 }-\ cos ^ 2 \ varphi_ {13}-\ cos ^ 2 \ varphi_ {23} \右

したがっお、ステヌトメント1は真です。 したがっお、蚈量テン゜ルの行列匏から根を抜出するこずにより、基底にたたがる平行六面䜓の䜓積を取埗できたす。

\ mathcal {V} = \ sqrt g \ quad7

どこで g = \ det | g_ {ij} | 簡朔にするために、行列匏の倀を瀺したす。

根7は、RTGのような䞀般盞察性理論ず重力の代替理論に関する文献によく芋られたす。 この倀は基本的に重芁であり、少し埌で有甚になりたす。

2.ベクトルのテン゜ル積。 ダむアド。 テン゜ルのランク。 畳み蟌み


スカラヌ積の匏に泚意しおください

䟡倀

C ^ {ji} = a ^ j \、b ^ i \ quad8

2぀のベクトルのテン゜ル積たたはdyadず呌ばれたす。 テン゜ルが乗算され、結果がテン゜ルになるため、この積はテン゜ルず呌ばれたす。この堎合は2番目のランクです。 C ^ {ji} 。 テン゜ルのランクは、そのむンデックスの数です。 ベクトルは、突然、テン゜ルでもあり、最初のランクのみです。 はい、これは理解できたす-幟䜕孊的゚ンティティずしおのベクトルは、考慮される座暙系に䟝存しないためです。 そのコンポヌネントのみが、座暙系の遞択に䟝存したす。

もちろん、第2ランクのテン゜ル8は、その成分の行列で衚されたす

\ mathbf {C} = \ begin {bmatrix} a ^ 1 \、b ^ 1amp;amp; a ^ 1 \、b ^ 2amp;amp; a ^ 1 \、b ^ 3 \\ a ^ 2 \、b ^ 1amp;amp; a ^ 2 \、b ^ 2amp;amp; a ^ 2 \、b ^ 3 \\ a ^ 3 \、b ^ 1amp;amp; a ^ 3 \、b ^ 2amp;amp; a ^ 3 \、b ^ 3 \ end {bmatrix} \ quad9

8を䜿甚するず、スカラヌ積を次の圢匏で曞き盎すこずができたす。

c = g_ {ij} C ^ {ji} \ quad10

これは、結果のテン゜ルのランクを䞋げるずいう事実のため、 畳み蟌みず呌ばれるテン゜ル積でもありたす。 10のすべおのむンデックスは「ダム」であり、メトリックテン゜ルずダむアドのコンポヌネントを二重合蚈するために䜿甚され、結果は数倀cになりたす。

泚意深い読者は、出力がテン゜ルであるべきだず蚀うでしょう。 したがっお、テン゜ルはスカラヌであるこずが刀明し、テン゜ルでもありたす。 むンデックスがなく、基底を倉曎するずきに倉換できないため、れロランク。 スカラヌ積は基底倉化に察しお䞍倉です。これは、スカラヌ積に含たれるベクトルの長さもベクトル間の角床も基底倉化から倉化しないためです。 したがっお、スカラヌはれロランクテン゜ルです。

ただし、すべおの数倀がスカラヌではありたせん。 スカラヌは、ベクトルの長さ、ベクトルのスカラヌ積、物䜓の質量、絶察枩床、および座暙系に䟝存しない他の量です。 ベクトル成分はもはやスカラヌではなく、基底が倉化するず倉化したす。

テン゜ルのランクずコンポヌネントのタむプに぀いおは少し埌で説明したすが、今のずころは次の燃え䞊がる質問に進みたす。

3.ベクタヌ補品。 Levi-Civitaテン゜ル


ベクトルに戻っお、ベクトル乗算を実行したしょう

\ vec {c} = \ vec {a} \回\ vec {b} = \巊a ^ 1 \、\ vec {e} _1 + a ^ 2 \、\ vec {e} _2 + a ^ 3 \ 、\ vec {e} _3 \ right\ times \ leftb ^ 1 \、\ vec {e} _1 + b ^ 2 \、\ vec {e} _2 + b ^ 3 \、\ vec {e} _3 \右

他のオプションがない堎合、ブラケットを慎重に開き、操䜜の非可換性を蚘憶したす

\ vec {c} =amp; \ quad a ^ 1 \、b ^ 1 \ left\ vec {e} _1 \ times \ vec {e} _1 \ right+ a ^ 2 \、b ^ 1 \ left\ vec {e} _2 \ times \ vec {e} _1 \右+ a ^ 3 \、b ^ 1 \巊\ vec {e} _3 \回\ vec {e} _1 \右+

a ^ 1 \、b ^ 2 \ left\ vec {e} _1 \ times \ vec {e} _2 \ right+ a ^ 2 \、b ^ 2 \ left\ vec {e} _2 \ times \ vec {e} _2 \右+ a ^ 3 \、b ^ 2 \巊\ vec {e} _3 \回\ vec {e} _2 \右+

+ a ^ 1 \、b ^ 3 \巊\ vec {e} _1 \ times \ vec {e} _3 \ right+ a ^ 2 \、b ^ 3 \ left\ vec {e} _2 \ times \ vec {e} _3 \右+ a ^ 3 \、b ^ 3 \巊\ vec {e} _3 \回\ vec {e} _3 \右

もちろん、私たちは倧孊でよく勉匷し、それ自䜓のベクトルのベクトル積がれロに等しいこずを知っおいたす。 しかし、単玔化を急ぐこずはありたせん。これは間違いなく楜しい事実に加えお、もう1぀、ダむアドのコンポヌネント9が芋えるからです。 しかし、れロ積に関連付けられた共線ベクトルの単玔化を陀けば、䜕も芳察されなくなりたした。 私たちは、その最も玔粋な圢で任意の基瀎で䜜業したす。

トリックを適甚する-ベクトルを掛ける \ vec {c} 最初の基底ベクトルに察するスカラヌ \ vec {e} _1 今考えお \ vec {e} _i \ times \ vec {e} _i = 0、\ quad i = \ overline {1,3}

\ vec {c} \ cdot \ vec {e} _1 = a ^ 2 \、b ^ 1 \、\ left [\ vec {e} _1 \ cdot \ left\ vec {e} _2 \ times \ vec {e } _1 \ right\ right] + a ^ 3 \、b ^ 1 \、\ left [\ vec {e} _1 \ cdot \ left\ vec {e} _3 \ times \ vec {e} _1 \ right \右] + a ^ 1 \、b ^ 2 \、\å·Š[\ vec {e} _1 \ cdot \巊\ vec {e} _1 \回\ vec {e} _2 \右\右] +

+ a ^ 3 \、b ^ 2 \、\ left [\ vec {e} _1 \ cdot \ left\ vec {e} _3 \ times \ vec {e} _2 \ right\ right] + a ^ 1 \ 、b ^ 3 \、\ left [\ vec {e} _1 \ cdot \ left\ vec {e} _1 \ times \ vec {e} _3 \ right\ right] + a ^ 2 \、b ^ 3 \ 、\å·Š[\ vec {e} _1 \ cdot \巊\ vec {e} _2 \回\ vec {e} _3 \右\右]

角括匧内の係数は、ベクトルの混合積です。 ベクトルが同䞀平面䞊にある同じ平面にある堎合、そのような積はれロに等しくなりたす。 ぀たり、混合補品で少なくずも1぀のベクトルが繰り返される堎合、れロに等しくなりたす。 したがっお、9぀の項のうち2぀の項しかありたせん。これらの項では、混合乗算時にベクトルが繰り返されたせん。

\ vec {c} \ cdot \ vec {e} _1 = a ^ 3 \、b ^ 2 \、\ left [\ vec {e} _1 \ cdot \ left\ vec {e} _3 \ times \ vec {e } _2 \ right\ right] + a ^ 2 \、b ^ 3 \、\ left [\ vec {e} _1 \ cdot \ left\ vec {e} _2 \ times \ vec {e} _3 \ right \右]

だから、今それを芚えおいる \ vec {c} \ cdot \ vec {e} _1 = c_1 -ベクトルの共倉成分 \ vec {c} 。 最埌に、最初の項のベクトル積のベクトルを再配眮し、ベクトル積の芏則に埓っおマむナスを远加したす

c_1 = a ^ 2 \、b ^ 3 \、\ left [\ vec {e} _1 \ cdot \ left\ vec {e} _2 \ times \ vec {e} _3 \ right\ right]-a ^ 3 \、b ^ 2 \、\ left [\ vec {e} _1 \ cdot \ left\ vec {e} _2 \ times \ vec {e} _3 \ right\ right] \ quad11

同様に、残りのコンポヌネントを遞択したす

c_2 = \ vec {c} \ cdot \ vec {e} _2 = a ^ 3 \、b ^ 1 \、\ left [\ vec {e} _2 \ cdot \ left\ vec {e} _3 \ times \ vec {e} _1 \ right\ right]-a ^ 1 \、b ^ 3 \、\ left [\ vec {e} _2 \ cdot \ left\ vec {e} _3 \ times \ vec {e} _1 \右\右] \クワッド12

c_3 = \ vec {c} \ cdot \ vec {e} _3 = a ^ 1 \、b ^ 2 \、\ left [\ vec {e} _3 \ cdot \ left\ vec {e} _1 \ times \ vec {e} _2 \ right\ right]-a ^ 2 \、b ^ 1 \、\ left [\ vec {e} _3 \ cdot \ left\ vec {e} _1 \ times \ vec {e} _2 \右\右] \クワッド13

匏11-13は、ベクトル積の混合からの因子たで、ベクトル代数のコヌスからベクトル積の射圱を蚈算するための匏を非垞に連想させたす。 しかし、我々はデカルトベヌスで䜜業しおいるわけではありたせん。䜕らかの違いを期埅するのは自然です。 ずころで、この乗数は䜕ですか 結局のずころ、ベクトルの混合積は幟䜕孊的な意味を持っおいたす...それは同じです...それに含たれるベクトルがたたがる平行六面䜓の䜓積です。 そしお、基底たで匕き䌞ばされた平行六面䜓の䜓積は、蚈量テン゜ルの行列匏の根です それは

\å·Š[\ vec {e} _1 \ cdot \巊\ vec {e} _2 \回\ vec {e} _3 \右\右] = \å·Š[\ vec {e} _2 \ cdot \巊\ vec {e} _3 \ times \ vec {e} _1 \ right\ right] = \ left [\ vec {e} _3 \ cdot \ left\ vec {e} _1 \ times \ vec {e} _2 \ right \ right] = \ mathcal {V} = \ sqrt g \ quad14

そのため、䜿甚されたスペヌスのメトリックである衚面化されたした。 したがっお、特定のテン゜ル、ベクトル積の結果である共倉ベクトルを䞎える初期ベクトルの畳み蟌みを構築するこずが可胜です。 さらに、このテン゜ルは蚈量テン゜ルに関連しおいたす。 このような第3䜍のテン゜ルは、むタリアの数孊者Levi-Civitaにちなんで名付けられたした。

Levi-Civitaテン゜ルの成分が関係によっお決定されるこずを確認するのは難しくありたせん

\ varepsilon_ {ijk} = \ vec {e} _i \ cdot \ left\ vec {e} _j \ times \ vec {e} _k \ right\ quad15

27個ありたすが、それらのほずんど、぀たり21はれロに等しくなりたす。 これらは、むンデックスが少なくずも1回繰り返されるコンポヌネントです。 非れロのコンポヌネントは6぀のみで、非反埩むンデックスに察応しおいたす。 モゞュロは等しい \ sqrt g しかし、そのうちの3぀は正で、他の3぀は負です。 匏11-13では、ベクトルを所定の䜍眮に再配眮し、マむナスを远加しおダむアドの係数を正にし、匏自䜓はベクトル代数の過皋に粟通しおいるように芋えたす。 今、私たちはすべおをその堎所に戻したす

c_1 = a ^ 2 \、b ^ 3 \、\ left [\ vec {e} _1 \ cdot \ left\ vec {e} _2 \ times \ vec {e} _3 \ right\ right] + a ^ 3 \、b ^ 2 \、\å·Š[\ vec {e} _1 \ cdot \巊\ vec {e} _3 \回\ vec {e} _2 \右\右] \ quad16

c_2 = a ^ 3 \、b ^ 1 \、\ left [\ vec {e} _2 \ cdot \ left\ vec {e} _3 \ times \ vec {e} _1 \ right\ right] + a ^ 1 \、b ^ 3 \、\ left [\ vec {e} _2 \ cdot \ left\ vec {e} _1 \ times \ vec {e} _3 \ right\ right] \ quad17

c_3 = a ^ 1 \、b ^ 2 \、\ left [\ vec {e} _3 \ cdot \ left\ vec {e} _1 \ times \ vec {e} _2 \ right\ right] + a ^ 2 \、b ^ 1 \、\å·Š[\ vec {e} _3 \ cdot \巊\ vec {e} _2 \回\ vec {e} _1 \右\右] \ quad18

混合補品の笊号は、むンデックスの順序によっお異なりたす。セット1,2,3、2,3,1、3,1,2では正、セット1,3,2、2,1 、3および3,2,1は負です。 ベクトルが正しい座暙系で䞎えられおいる堎合、それらの混合された積は、ベクトルが正しいトリプルを圢成する堎合、正になるこずが知られおいたす。 最初の甚語16-18では、基底ベクトルの正しいトリプルが珟れたす。 2番目の甚語では、混合補品では同じベクトルが参加したすが、巊のトリプルず芋なされたす。

どのトリプルが基底ベクトルを䞎えるかを決定する方法は 順序付けられおおり、番号1、2、3が割り圓おられおいるため、非垞に簡単です。ベクトルの順序に埓うず、䜿甚する座暙系に察応するトリプル、぀たり1,2,3-右のトリプルが埗られたす。

そしお、最初にベクタヌ2を取埗した堎合 次に、ベクトル3が順番に続きたす。 そしお次は䜕ですか そしお、次のベクトル1、最初からやり盎したすが、ベクトルの順序に違反するこずなく、぀たり2,3,1-右のトリプル、および3,1,2-たた右のトリプルに違反したせん。 組み合わせ論の蚀語では、順序付けられたトリプルの基底ベクトルは、偶数の順列を圢成したす぀たり、芁玠のシヌケンスに違反したせん。 トリプル内のトレヌスベクトルの順序が受け入れられたものず反察の堎合、その順列は奇数になりたす。 したがっお、順列3,2,1、2,1,3、1,3,2は奇数であり、ベクトルのトリプルは巊利きです。

䞊蚘のすべおを䜿甚しお、関数を導入したす

Pi、j、k= \ begin {cases} +1、\ quad \ quadi、j、k\、\ quad \ text {Even permutation} \\ -1、\ quad \ quadi、 j、k\、\ quad \ text {奇数眮換} \ end {cases} \ quad19

そしお、14ず19に基づいお、最終的にLevi-Civitaテン゜ルを曞きたす

\ varepsilon_ {ijk} = \ begin {cases} + \ sqrt g、\ quad Pi、j、k= +1 \\-\ sqrt g、\ quad Pi、j、k= -1 \ \ \ quad 0、\ quad i = j \ vee j = k \ vee k = i \ end {cases} \ quad20

正しい座暙系のために

\ label {eqleft-levy-chivit} \ varepsilon_ {ijk} = \ begin {cases}-\ sqrt g、\ quad Pi、j、k= +1 \\ + \ sqrt g、\ quad P i、j、k= -1 \\ \ quad 0、\ quad i = j \ vee j = k \ vee k = i \ end {cases} \ quad21

巊座暙系甚。

その埌、ベクトル積の匏をテン゜ル圢匏で曞き出すこずができたす

c_i = \ varepsilon_ {ijk} \、a ^ i \、b ^ j \ quad21

したがっお、これはベクトル積であり、Levi-Civitaテン゜ルによるダむアドの畳み蟌みであり、出力コベクトル 、぀たり共倉成分によっお定矩されるベクトルを提䟛したす。

4.ベクトルの混合ベクトル-スカラヌ積


習埗した知識で歊装しお、私たちは今そのような操䜜を考えたす

v = \ vec {a} \ cdot\ vec {b} \ times \ vec {c}

ベクトルを䜿甚せずに、すぐにテン゜ル圢匏で蚘述しようずしたす。 たず、スカラヌ積は可換であるため、

\ vec {a} \ cdot\ vec {b} \ times \ vec {c}=\ vec {b} \ times \ vec {c}\ cdot \ vec {a}

ここで、スカラヌ積をテン゜ルずしおペむントできるこずを思い出しおください
ベクトルカバヌ䜜業

g_ {ij} \、a ^ i \、b ^ j = a_i b ^ j

21に基づいお、ベクトル積はコベクトルを䞎えるだけです。぀たり、

\ varepsilon_ {ijk} \、b ^ j \、c ^ k = f_i \ quad \ Rightarrow \ quad v = f_i \、a ^ i = \ varepsilon_ {ijk} \、b ^ j \、c ^ k \、a ^私

぀たり、最埌に、テン゜ル圢匏の混合補品

v = \ varepsilon_ {ijk} \、a ^ i \、b ^ j \、c ^ k \ quad22

ここで、Levi-Civitaテン゜ルが再び関䞎したす。

匏22は、ベクトルを操䜜するこずで取埗できたす。これも、Levi-Civitaテン゜ルの定矩になりたすが、ご芧のずおり、テン゜ル衚蚘を䜿甚する方が合理的です。

5.テン゜ルのランク。 共倉成分ず反倉成分


したがっお、ベクトル挔算を分析する過皋で、テン゜ルは、既知の倚くの数孊オブゞェクトのプロパティず挔算を䞀般化する数孊オブゞェクトであるずいう結論に達したした。 スカラヌずベクトルは䞡方ずもテン゜ルです。 それらは、共倉成分ず反倉成分のランクず数が異なりたす。 ランクはテン゜ルむンデックスの総数に等しく、括匧内の敎数のペア p、q で瀺されたす。ここで、 pは反倉むンデックスの数、 qは共倉むンデックスの数です。 テン゜ルはランクp + qの p倍反倉、 q倍共倉であるず蚀われおいたす。

  1. ランクテン゜ル0,0はスカラヌで、その倀は単䞀の数倀ずしお衚珟でき、座暙系の倉化に察しお䞍倉の倀を持ちたす。 スカラヌにはむンデックスがなく、基底が倉曎されおもたったく倉換されたせん。 ただし、すべおの数倀がスカラヌではありたせん。 たずえば、ベクトルたたはテン゜ルの成分はスカラヌではありたせん。基底が倉化するず倉化するためです。
  2. ランクテン゜ル1,0はベクトルです。 ベクトルの堎合、自然に反倉な衚珟が必芁です;ベクトルのスカラヌ積を蚈算するには、メトリックテン゜ルずの畳み蟌みが必芁です。

    ベクトルのコンポヌネントは、線圢挔算子を適甚するこずによっお倉換されたす。基本的には、ベクトルのコンポヌネントを含む列を倉換行列に乗算するこずにより、テン゜ル圢匏で衚瀺されたす

    \チルダ{a} ^ i = \ alpha_j ^ i \、a ^ j

  3. ランク0,1のテン゜ルはコベクトルです。 怜蚎䞭の空間で非瞮退蚈量テン゜ルが定矩されおいる堎合

    \ det | g_ {ij} |〜\ ne〜0

    その堎合、ベクトルずコベクトルは同じ幟䜕孊的オブゞェクトの2぀の異なる衚珟、぀たりベクトルです。 盎亀基底ベクトルが盞互に垂盎であるでは、反倉座暙ず共倉座暙が䞀臎したす。 ある衚珟から別の衚珟ぞの遷移は、メトリックテン゜ルずの畳み蟌みによっお実行されたす

    a_i = g_ {ij} \、a ^ j、\ quad a ^ i = g ^ {ij} \、a_j

    どこで g ^ {ij} 成分が行列である反倉蚈量テン゜ル、
    逆行列テン゜ル成分 g_ {ij} 。

    ベクトルによるコベクトルのスカラヌ乗算では、メトリックテン゜ルを䜿甚する必芁はありたせん。ベクトルずの盎接畳み蟌みによっお生成されたす。

    c = a_i \、b ^ i

    コベクトル成分の倉換も線圢挔算子を適甚しお実行されたすが、ベクトルずは異なり、コベクトル成分を含む行には座暙倉換行列が乗算されたす

    \チルダ{a} _i = \ alpha_i ^ j \、a_j

  4. ランク0,2のテン゜ルは双線圢圢匏であり、その䟋は2共倉蚈量テン゜ルg ijです。 メトリックテン゜ルのコンポヌネントは、線圢座暙倉換挔算子を二重に適甚するこずにより倉換されたす。これは、転眮倉換行列ずメトリックテン゜ルの行列の乗算、および結果の倉換行列ずの乗算に察応したす。

    \チルダ{g} _ {ij} = \ alpha_i ^ k \、\ alpha_j ^ l \、g_ {kl}

  5. ランクテン゜ル2.0-䟋はダむアド8です。 䞀般に、ランクk、0のすべおのテン゜ルはポリベクトルたたはポリアド トラむアド、 テトラッドなどず呌ばれ、察応する数のベクトルのテン゜ル積の線圢結合ずしお圢成されたす。 それらの成分は、線圢の適甚量によっお適切なランクに倉換されたす
    元のベクトルを倉換する挔算子。
  6. ランク1,1のテン゜ルは線圢挔算子です。 䟋は、回転行列たたはベクトルずコベクトルの他の座暙倉換です。 䞀般に、線圢挔算子の適甚は、行列乗算の操䜜に還元されたす。

    b ^ i = \ alpha_j ^ i \、a ^ j \ quad23

    どこで b ^ i -倉換の結果。 a ^ j -゜ヌスベクトル。 \ alpha_j ^ i 線圢挔算子の行列のコンポヌネントです。 線圢挔算子を倉換するプロセスを怜蚎しおください。 Sをある基底から別の基底ぞの遷移行列ずする。 次に、基底を倉曎するず、䞡方のベクトルが倉換されたす-匕数ず結果の䞡方

    a ^ {i} = s_j ^ i \、a ^ {'j}、\ quad b ^ {i} = s_j ^ i \、b ^ {' j} \ quad24

    24を23に代入するず、

    s_q ^ p \、b ^ {'q} = \ alpha_k ^ p\、s_j ^ k \、a ^ {' j}

    ここで、巊の行列を掛けたす S ^ {-1} 私たちは埗る

    b ^ {'q} =\チルダ{s} _p ^ q \、\ alpha_k ^ p \、s_j ^ k\、a ^ {' j} \ quad25

    どこで \チルダ{s} _q ^ p -マトリックス成分 S ^ {-1} 。 䞀方、新しい基底のベクトルの堎合、

    b ^ {'q} = \ alpha_j ^ {' q} \、a ^ {'j} \ quad26

    25ず26を比范するず、線圢挔算子の倉換匏が埗られたす

    \ alpha_j ^ {'q} = \チルダ{s} _p ^ q \、\ alpha_k ^ p \、s_j ^ k

    これらのオブゞェクトにはすべお共通のプロパティがありたす。コンポヌネントのセットず、基底を倉曎するずきの倉換ルヌルがありたす。


結論


結果の䞀郚を芁玄したす。

たず、ベクトル挔算をテン゜ル関係に瞮小できるこずを発芋したした。これにより、゚キゟチックな座暙系を䜿甚したり、空間の次元を増やしたりするたびに匏を導出する䞍䟿さがなくなりたす。 関係は同じたたで、空間のゞオメトリに関連するテン゜ルの内郚ずその䞭での正の回転方向の遞択のみが倉曎されたす。 物理孊、数孊、力孊の倚くの方皋匏がベクトル量で動䜜するこずを考えるず、テン゜ルを䜿甚するず方皋匏を1回だけ曞くこずができたす。 さらに、テン゜ルの蚘録はコンパクトです-それは蚈算を簡玠化したす。

第二に、倚くの数孊オブゞェクトスカラヌ、ベクトル、双線圢圢匏、線圢挔算子はすべおテン゜ルの特殊なケヌスであるため、より耇雑な仲間のテン゜ルの匷力な翌の䞋でプロパティを䞀般化できるこずを理解しおいたす。

将来、テン゜ル衚蚘法を䜿甚しお、共通の芳点から非垞に散文的な問題にアプロヌチし、研究者の生掻を楜にする方法を怜蚎したす。

継続するには...

Source: https://habr.com/ru/post/J261615/


All Articles