浅尝向量与张量
大家好！今天我们来聊聊数学和物理中两个非常重要的概念：向量 和 张量。无论你是刚接触线性代数的学生，还是对广义相对论或机器学习感兴趣的研究者，理解这两个概念都会让你的知识体系更加扎实。本文将从直观的例子出发，逐步深入，带你领略向量和张量的魅力。
1. 什么是向量？
1.1 从物理和数学角度看向量
在物理学中，向量被定义为 既有大小又有方向的量。比如位移、速度、力、电场强度等。它们可以用带箭头的线段表示，箭头的长度代表大小，箭头指向代表方向。
在数学中，向量被抽象为 向量空间中的元素 ，可以进行加法和数乘运算。常见的表示方法是用有序数组，比如二维向量v⃗=(vx,vy)\vec{v} = (v_x, v_y)v =(vx,vy)，三维向量v⃗=(vx,vy,vz)\vec{v} = (v_x, v_y, v_z)v =(vx,vy,vz)。
1.2 向量的运算
- 加法：平行四边形法则或三角形法则。对应分量相加。
- 数乘：缩放向量的长度，方向可能反转（负系数）。
- 点积（内积） ：a⃗⋅b⃗=∣a⃗∣∣b⃗∣cosθ\vec{a} \cdot \vec{b} = |\vec{a}| |\vec{b}| \cos\thetaa ⋅b =∣a ∣∣b ∣cosθ，结果是一个标量。用于计算投影、角度、功等。
- 叉积（外积） ：仅适用于三维，a⃗×b⃗\vec{a} \times \vec{b}a ×b 结果是一个向量，方向垂直于原平面，大小等于平行四边形面积。用于力矩、角动量等。
1.3 向量的应用
向量几乎无处不在：物理中的力学分析、计算机图形学中的坐标变换、机器学习中的特征向量......它们是描述线性关系的基石。
2. 从向量到张量：为什么需要张量？
向量已经很有用了，为什么还要引入张量呢？因为现实世界中有些量 需要多个方向信息才能完整描述。
- 标量：只需一个数（温度、质量）。
- 向量：需要一个方向和大小（力、速度）。
- 张量：需要多个方向之间的映射关系（应力、应变、曲率）。
举个例子：在固体力学中，物体内部某点的应力 状态不能仅用一个向量表示，因为不同方向的截面上的应力不同。我们需要一个 二阶张量（应力张量）来描述该点的受力情况，它包含9个分量（三维中）。
另一个例子：广义相对论中，时空的弯曲由黎曼曲率张量描述，它是一个四阶张量。
3. 张量的定义与表示
3.1 张量的直观理解
简单来说，张量是一个满足特定坐标变换规则的多维数组。它的"阶数"（或"秩"）表示需要多少个指标来索引它的分量。
- 0阶张量：标量（一个数）。
- 1阶张量：向量（一组数，需要1个指标）。
- 2阶张量：矩阵（一组数，需要2个指标）。
- 3阶张量：立体数组（需要3个指标），等等。
但张量不仅仅是数组，它的核心在于 在坐标系变换下，分量的变化遵循一定的线性规则。这个规则保证了张量所描述的物理量不依赖于人为选择的坐标系。
3.2 张量的分量表示
在三维空间中，一个二阶张量T\mathbf{T}T可以写成矩阵形式：
T=(T11T12T13T21T22T23T31T32T33) \mathbf{T} = \begin{pmatrix} T_{11} & T_{12} & T_{13} \\ T_{21} & T_{22} & T_{23} \\ T_{31} & T_{32} & T_{33} \end{pmatrix} T= T11T21T31T12T22T32T13T23T33
每个分量TijT_{ij}Tij对应于基向量的组合。比如应力张量中，TijT_{ij}Tij表示作用在法向为iii方向的面上的jjj方向的面力分量。
3.3 坐标变换下的行为
这是张量最核心的特征。当坐标系旋转时，向量的分量会按一定规则变化；同样，二阶张量的分量变化规则涉及两个旋转矩阵的乘积（每个指标对应一个变换矩阵）。这个性质保证了张量方程的形式在任意坐标系下都成立------这正是物理学定律所要求的。
4. 张量的运算
张量的运算与向量类似，但更丰富。
- 加减：对应分量相加减（要求同阶）。
- 数乘：每个分量乘以标量。
- 张量积（外积） ：将两个张量组合成一个更高阶的张量。例如两个向量u⃗\vec{u}u 和v⃗\vec{v}v 的张量积u⃗⊗v⃗\vec{u} \otimes \vec{v}u ⊗v 得到一个二阶张量，其分量为uivju_i v_juivj。
- 缩并 ：对张量的两个指标求和，降低阶数。例如二阶张量的缩并就是求迹（∑iTii\sum_i T_{ii}∑iTii），得到标量。
- 内积：实际上是张量积后再缩并。例如向量的点积就是两个一阶张量先张量积得二阶，再缩并得零阶。
这些运算在连续介质力学、电磁学、相对论中频繁出现。
5. 张量的应用举例
5.1 应力张量与应变张量
在连续介质力学中，物体内一点的应力状态由应力张量σij\sigma_{ij}σij描述。通过它，我们可以计算任意方向截面上的应力向量。类似地，应变张量描述物体的变形。胡克定律（线性弹性）就是应力张量与应变张量之间的线性关系：σij=Cijklϵkl\sigma_{ij} = C_{ijkl} \epsilon_{kl}σij=Cijklϵkl，其中CCC是四阶弹性张量。
5.2 惯性张量
在刚体动力学中，惯性张量是一个二阶张量，它描述了刚体绕不同轴旋转的惯性大小。角动量L⃗\vec{L}L 与角速度ω⃗\vec{\omega}ω 的关系为L⃗=I⋅ω⃗\vec{L} = \mathbf{I} \cdot \vec{\omega}L =I⋅ω ，这里I\mathbf{I}I就是惯性张量。
5.3 电磁场张量
在狭义相对论中，电场和磁场统一为电磁场张量FμνF_{\mu\nu}Fμν，它是一个四维时空中的二阶反对称张量。麦克斯韦方程组可以用这个张量简洁地表示为两个张量方程，体现了洛伦兹协变性。
5.4 黎曼曲率张量
在广义相对论中，黎曼曲率张量R σμνρR^{\rho}_{\ \sigma\mu\nu}R σμνρ是一个四阶张量，它完全描述了时空的弯曲。爱因斯坦场方程就是关于该张量的缩并（里奇张量）与能量-动量张量的关系。
5.5 机器学习中的张量
在现代深度学习框架（如TensorFlow、PyTorch）中，数据通常以张量的形式存储和运算。图像可以是三维张量（高×宽×通道），视频可以是四维张量（帧×高×宽×通道），Transformer模型中的注意力矩阵也是张量。这些框架的名字就来源于"张量"一词，体现了其核心数据结构。
6. 总结
| 概念 | 阶数 | 例子 | 变换规则 |
|---|---|---|---|
| 标量 | 0 | 温度、质量 | 不变 |
| 向量 | 1 | 速度、力 | 乘以一个变换矩阵 |
| 二阶张量 | 2 | 应力、惯性张量 | 乘以两个变换矩阵 |
| 高阶张量 | ≥3 | 曲率张量、弹性张量 | 乘以多个变换矩阵 |
从向量到张量，我们从一个方向的信息扩展到了多方向、多层次的线性关系。张量不仅统一了向量和标量，还为描述复杂的物理现象提供了强大的语言。无论你未来从事哪个领域，掌握张量的基本思想都会让你对世界的理解更加深刻。
希望这篇文章能帮助你建立对向量和张量的直观认识。如果你有任何问题或想法，欢迎在评论区留言讨论！
参考书目：
- 《矢量与张量分析》（冯卡门等）
- 《广义相对论基础》（赵峥）
- 《Deep Learning》（Ian Goodfellow et al.）
研究学习不易，点赞易。
工作生活不易，收藏易，点收藏不迷茫 ：）