11.The Metric Tensor

Metric Tensor--度量张量

度量张量可以测量空间的长度和角度。

How do you get the length of a vector ?

(正交基的话)可以使用三角形的勾股定理(毕达哥拉斯定理)。

上面用的是正交基e1、e2来计算的, 但是,若你想用 利用勾股定理计算就行不通,因为 不是正交基,无法这么计算。

Pythagoras's Theorem is a lie for non-orthonormal bases.毕达哥拉斯定理对于非正交基而言是个谎言。 其仅在基底向量长度为1且正交的情况下成立。

事实上,若我们使用不同的坐标系,其中一个向量V总是平行于一个基向量时,毕达哥拉斯定理就不起作用。

从这三个例子可以看出,对于一般的非正交坐标系,毕达哥拉斯定理对我们没什么好处。

事实证明,向量长度的真正公式不是由毕达哥拉斯给出的,而是由点积给出的,。

所以向量V的平方长度 = V**·** V、

orthonormal basis -----正交基

上面第一个红色箭头的就是 向量长度的真正公式;

而下面第二个红色箭头是因为正交基,才有这么简单的公式出来。

而在这个新基的基底下,就不会有那么简单的式子了,因为 不是正交基 , 长度也不为1。

但是另有办法计算, 也就是想办法计算出

而要怎么计算这个呢? 我们知道e1 · e1 =1 , e1 · e2=0 , e2 · e2 = 1.

故可将新基用旧基来线性表示,再展开计算。

这新公式通常有效,原因是放向量的分量变大时,基向量会变小,因此,当从"a"变到"b"时,

比较左、中图,发现向量的组件从"1"变大为"2",与a1相比,b1会缩小。

因此,分量的增长和基向量的点积的缩小将平衡,长度将相同。

类似的,中、右图比较,分量缩小,则基向量的点积将增大以平衡事物,并且长度将保持不变。

看图,我们可以把向量的长度写成矩阵的乘法形式

在任何给定坐标系中获取向量长度的关键是 这里的矩阵
这就是 我们所说的度量张量

用字母g来表示度量张量,

看下图,左边这个是旧基中的度量张量,右边这个是新基中的度量张量

它们度量的是同一个向量V的长度,也就是说,它们是相同的度量张量,它只是由不同的矩阵表示,就像向量一样,度量张量是不变的 ,但是,当使用不同的坐标系 时,它们看起来不同并且具有不同的组件

因此,归根到底,要使用下图这些公式来获得向量长度,只需要知道基向量点积,

我们可以将e1 · e1 , e1 · e2, e2 · e2 这些乘积存储到一个矩阵中,该矩阵表示该坐标系的度量张量。

因此,要获 得 向量长度 的平方,可在这里使用下面这些简单的公式,

注意,这里有隐含对 i 和 j 的求和,度量张量的分量由基向量的点积给出。

以上就展示了如何利用度量张量来计算向量的长度。

接下来展示 如何利用 度量张量来测量角度。

有以下坐标系:

故有:

还有度量张量如下:(注意:这两个是同一个度量张量 ,只是在不同的坐标系 下,有不同的分量 而已,)

假设有两个向量V 、W, 想测量它们之间的角度。

与向量V 、W 的方向相同,且 的长度都为1。


要求出V 和 W 的角度, 按照公式,只要求出 V · W,以及她两的长度。

度量张量的用途

改变坐标系时,张量的分量是如何转换的?

下面验证一下向量的长度在不同坐标系下(不同分量的度量矩阵),其长度保持不变。

故使用度量张量的公式适用于所有坐标系,并且向量长度将保持不变。

巨大的规律,但是我还没悟出来, ,, 能写成这类形式的,都是张量,

相关推荐
不爱土豆唯爱马铃薯4 分钟前
aipy漫画系列创作分享之漫画技能分享
人工智能
字节跳动视频云技术团队20 分钟前
豆包视频通话背后,火山引擎重构 Agent 时代多模态传输底座
人工智能·agent·音视频开发
大公产经晚间消息39 分钟前
《寻访独角兽》首期走进太仓,探访小科智行的硬科技“突围”
网络·人工智能·科技
触底反弹1 小时前
🔥 RAG 到底是怎么工作的?掰开揉碎了给你讲明白!
javascript·人工智能·后端
数聚天成DeepSData1 小时前
遥感农业数据集下载全攻略
数据库·人工智能·深度学习·机器学习·自然语言处理·数据挖掘
wuhanzhanhui1 小时前
重塑供应链!2026武汉数字孪生产业展览会亮相,打造工业未来新基石
大数据·人工智能
先吃饱再说1 小时前
花 600 万就能复刻百亿模型?蒸馏技术到底是什么
人工智能·llm
新知图书1 小时前
多模态响应解析与后处理
人工智能·agent·多模态·ai agent·智能体
CAIE研习社2 小时前
产品经理方向学生可以考哪些证书
人工智能
汤姆小白2 小时前
08-应用部署
人工智能·python·机器学习·numpy·transformer