18.Raising and Lower Indexs

提高和降低张量索引

同样,使用的是非标准的符号。

我们对V和熟悉,一个是向量所在的空间,一个是协向量所在的 对偶空间 ,

有一个问题:

有何办法能在V的向量与 的协向量之间 建立对应的关系?

换句话说, 有何方法可以让我们在V中获取一个向量 并在 中找到它的"伙伴"(partner)?

首先尝试的方法是利用基底,(但是该方法不行)

会存在问题。

原因: 考虑改变基底的情况,

问题在于,虽然基向量是协变的,

所以当我们从旧基转到新基时,

我们使用正向变换来变换基向量,

而基协向量是逆变的,

因此,

从新基 转换到旧基 ,

使用的是反向变换来转,

这个系数匹配就不好,不是相同的。

尝试方法2:

用一个向量v点乘另一个向量, 得到一个协向量?????
v·v = 协向量? 两向量点乘是把对应位置的分量相乘再求和, 得到一个实数, 实数怎么是协向量(长得跟行向量一样)??

事实证明,确实是

首先,若横线是输入向量,毫无疑问是输出数,那就是一个从V到R的函数。

但是的成员不能只是从向量到标量的任何旧函数, 它们还必须是线性的,

所以,需要利用点积的性质,证明该函数是线性的,。

上图左侧就证明了 __ 是线性的, 这意味着 它确实是 的成员 , 所以 __ 真的是个协向量。

??????????????????????????不明所以

难道是: 协向量是像个行向量一样, 协向量 · 向量 = 实数, 且服从缩放、加法规则。

上图左侧是 协向量的使用, 右侧是 __ 的使用, 它们在使用上是一样的。

原来使用基底的方法, 无法实现变化时只改变向量或协向量, 系数的变换不一致;

而新方法,其变化时, 系数的变化是一致的。向量及其协向量伙伴将始终以相同的量增大或缩小。

既然有这种归属关系,那么我们就能将该协向量 用对偶基的线性组合来表示。

x究竟是多少????

要弄清楚x,

回顾之前的内容:

v·w是通过向量 传递给 度量张量"g" 来给出的。

(因为度量张量g是对称的,所以那个计算顺序无所谓)

__ 作相同的事,

于是,我们就知道如何获取协向量__ 的分量,

因此,作为一种替代表示法,

不将"g"与下标 j 写一起,*********就是如图:

就是这两边相等,可以选择其中一种表达式。

总而言之,向量V可以写为:

它的伙伴协向量__可以写为:

之间的转换方式是对度量张量进行求和:

需要注意的一点是:

只有在极其特殊的情况下, 才会相等 。 上标跟下标的意义是不同的。

上面我们找到了从向量V找到其对应的伙伴协向量V*的方法,

如果我们要反过来呢? 怎么找?

从左往右可以通过度量张量g , 而 从右往左呢?

我们现在对度量张量定义其 逆。

对上面的所有 式子进行归总:

升高、降低索引的操作 就是 指 将变量的上下标之间的转化,

对于 , 就是利用度量张量(协变度量张量,因其分量是协变的),将 变为了 ,也就是降低索引操作。

对于 , 就是利用逆度量张量(逆变度量张量, 因其分量是逆变的),将变为了 , 也就是升高索引操作。

这种升高和降低操作不仅适用于向量和协向量分量,也可升高和降低其他张量分量的索引,

以下面张量Q为例:

事实证明,可在任何的张量分量上进行降低和升高索引操作,

向量的对应伙伴 协向量除了__这种表示方法 , 还有其他的表示方法,

最后总结:

就那么

相关推荐
Tianyanxiao16 分钟前
如何利用探商宝精准营销,抓住行业机遇——以AI技术与大数据推动企业信息精准筛选
大数据·人工智能·科技·数据分析·深度优先·零售
撞南墙者23 分钟前
OpenCV自学系列(1)——简介和GUI特征操作
人工智能·opencv·计算机视觉
OCR_wintone42124 分钟前
易泊车牌识别相机,助力智慧工地建设
人工智能·数码相机·ocr
王哈哈^_^1 小时前
【数据集】【YOLO】【VOC】目标检测数据集,查找数据集,yolo目标检测算法详细实战训练步骤!
人工智能·深度学习·算法·yolo·目标检测·计算机视觉·pyqt
一者仁心1 小时前
【AI技术】PaddleSpeech
人工智能
是瑶瑶子啦1 小时前
【深度学习】论文笔记:空间变换网络(Spatial Transformer Networks)
论文阅读·人工智能·深度学习·视觉检测·空间变换
EasyCVR1 小时前
萤石设备视频接入平台EasyCVR多品牌摄像机视频平台海康ehome平台(ISUP)接入EasyCVR不在线如何排查?
运维·服务器·网络·人工智能·ffmpeg·音视频
柳鲲鹏1 小时前
OpenCV视频防抖源码及编译脚本
人工智能·opencv·计算机视觉
西柚小萌新1 小时前
8.机器学习--决策树
人工智能·决策树·机器学习
向阳12181 小时前
Bert快速入门
人工智能·python·自然语言处理·bert