2.多重线性代数
这份内容是多重线性代数的基础核心内容，是张量分析、微分几何的前置必备知识，下面为你系统梳理、拆解核心概念与公式逻辑：
一、域上的向量空间（公理化定义）
设\(F\)是域（通常取实数域\(\mathbb{R}\)或复数域\(\mathbb{C}\)），非空集合\(V\)若满足以下两种运算的全部公理，就称为域\(F\)上的向量空间，\(V\)中的元素称为向量。
- 加法运算：\(V\times V\to V,\ (X,Y)\mapsto X+Y\)，且\(V\)关于加法构成交换群（阿贝尔群）
- 封闭性、结合律、交换律成立；
- 存在唯一零向量\(0\)作为单位元；
- 每个向量都存在唯一负向量。
- 数乘运算：\(F\times V\to V,\ (\alpha,X)\mapsto \alpha X\)，对任意\(\alpha,\beta\in F,\ X,Y\in V\)，满足4条公理：
- 对向量加法的分配律：\(\alpha(X+Y)=\alpha X+\alpha Y\)
- 对域加法的分配律：\((\alpha+\beta)X=\alpha X+\beta X\)
- 数乘结合律：\((\alpha\beta)X=\alpha(\beta X)\)
- 单位元性质：\(1X=X,\ 0X=0\)（左侧\(0\)是域中的数零，右侧\(0\)是\(V\)的零向量）
补充：若向量空间\(V\)额外定义了乘法运算\(\odot:V\times V\to V\)，则\(V\)成为域\(F\)上的代数。
二、基、维数与坐标变换
这部分是向量空间的结构核心，也是张量指标运算的基础。
-
基与维数
- 基的定义：\(V\)的一个线性无关向量组\(\{e_1,e_2,\dots,e_n\}\)，且\(V\)中任意向量\(X\)都可被其唯一线性表出：\[X=\sum_{i=1}^n X^i e_i \]其中\(X^1,X^2,\dots,X^n\)称为向量\(X\)在基\(\{e_i\}\)下的分量（坐标）。
- 维数：一组基中包含的向量个数，且\(V\)的任意两组基的向量个数完全相同，因此维数是向量空间的不变量，\(n\)维向量空间记为\(V^n\)。
- 基的定义：\(V\)的一个线性无关向量组\(\{e_1,e_2,\dots,e_n\}\)，且\(V\)中任意向量\(X\)都可被其唯一线性表出：
-
基变换与坐标变换
设\(\{e_i\}\)和\(\{\bar{e}_i\}\)是\(V\)的两组基，基变换关系为：\[\bar{e}_j = \sum_{i=1}^n a_j^i e_i,\quad a_j^i\in F \]写成矩阵形式为\([\bar{e}_1\ \dots\ \bar{e}_n] = [e_1\ \dots\ e_n] A\)，其中矩阵\(A=(a_j^i)_{n\times n}\)。
- 核心结论：\(\{\bar{e}_j\}\)能成为基的充要条件是矩阵\(A\)非奇异（可逆），即\(\det(a_j^i)\neq0\)。
同一向量\(X\)在两组基下的坐标满足：
\[X=\sum_{i=1}^n X^i e_i = \sum_{i=1}^n \bar{X}^i \bar{e}_i \]对应的坐标变换公式为：
\[X^i = \sum_{j=1}^n a_j^i \bar{X}^j,\quad \bar{X}^i = \sum_{j=1}^n b_j^i X^j \]其中矩阵\(B=(b_j^i)\)是\(A\)的逆矩阵（\(B=A^{-1}\)），满足Kronecker delta正交关系：
\[\sum_{k=1}^n b_j^k a_k^i = \delta_j^i,\quad \sum_{k=1}^n b_k^i a_j^k = \delta_j^i \]Kronecker delta符号定义为：
\[\delta_j^i = \begin{cases} 1,\quad i=j \\ 0,\quad i\neq j \end{cases} \] -
Einstein求和约定（哑指标规则）
为简化公式，约定：一个项中上下指标出现相同字母时，自动对该指标在取值范围内求和，重复的指标称为哑指标（求和指标）。
上述公式可简化为：- 向量展开：\(X=X^i e_i = \bar{X}^i \bar{e}_i\)
- 基变换：\(\bar{e}_j = a_j^i e_i\)
- 坐标变换：\(X^i = a_j^i \bar{X}^j,\ \bar{X}^i = b_j^i X^j\)
- 逆矩阵关系：\(a_i^k b_k^j = \delta_i^j,\ a_k^i b_j^k = \delta_j^i\)
三、对偶空间与对偶基
这是多重线性代数的核心，也是区分共变/反变向量的关键。
-
线性泛函（对偶向量）
设\(V\)是\(n\)维向量空间，映射\(\theta:V\to F\)若满足对任意\(X,Y\in V,\ \alpha\in F\)，有\[\begin{cases} \theta(X+Y)=\theta(X)+\theta(Y) \\ \theta(\alpha X)=\alpha \theta(X) \end{cases} \]则称\(\theta\)是\(V\)上的线性泛函（线性函数），也叫对偶向量。
-
对偶空间的定义
记\(V^* = \{\theta\mid \theta:V\to F \text{ 是线性泛函}\}\)，在\(V^*\)上定义加法和数乘：
对任意\(\theta,\omega\in V^*,\ \alpha\in F,\ X\in V\)，\[\begin{cases} (\theta+\omega)(X)=\theta(X)+\omega(X) \\ (\alpha\theta)(X)=\alpha \theta(X) \end{cases} \]则\(V^*\)也构成域\(F\)上的向量空间，称为\(V\)的对偶空间。
-
对偶基
设\(\{e_1,\dots,e_n\}\)是\(V\)的一组基，定义\(V^*\)中的\(n\)个向量\(\omega^1,\dots,\omega^n\)，满足：\[\langle \omega^j, e_i \rangle \stackrel{\text{def}}{=} \omega^j(e_i) = \delta_i^j \]核心性质：
- \(\{\omega^i\}\)是线性无关的；
- 任意\(\theta\in V^*\)都可唯一表示为\(\theta = \sum_{i=1}^n \theta(e_i)\omega^i\)，记\(\theta_i=\theta(e_i)\)，则\(\theta=\theta_i \omega^i\)。
因此\(\{\omega^i\}\)是\(V^*\)的一组基，称为\(\{e_i\}\)的对偶基，且\(V^*\)与\(V\)维数相同，均为\(n\)。
-
对偶空间的自反性
记\(V^{**}\)是\(V^*\)的对偶空间（即\(V^{**}=(V^*)^*\)），有核心定理：定理1.2.1 有限维向量空间\(V\)与\(V^{**}\)自然同构，即\(V=V^{**}\)。
证明核心逻辑：
- 对任意\(X\in V\)，定义映射\(X:V^*\to F\)，满足\(\langle X,\omega \rangle = \omega(X)\)，可验证\(X\)是\(V^*\)上的线性泛函，即\(X\in V^{**}\)；
- 反之，任意\(V^*\)上的线性泛函，都能找到唯一的\(X\in V\)与之对应，该对应是双射且保持线性运算，因此是自然同构。
-
对偶基的变换规律
若基变换为\(\bar{e}_j = a_j^i e_i\)，其对偶基\(\{\omega^i\}\)和\(\{\bar{\omega}^i\}\)满足变换：\[\bar{\omega}^j = b_i^j \omega^i \]其中\(B=(b_j^i)=A^{-1}\)，与向量坐标的变换规律一致。
同时，线性泛函的分量满足\(\bar{\theta}_i = a_i^j \theta_j\)。
四、反变向量与共变向量
这是张量分析的基础概念，也是这份讲义的落脚点：
- 反变向量（逆变向量）：向量空间\(V\)中的元素\(X\)称为反变向量，它的分量\(X^1,\dots,X^n\)称为反变分量。
- 变换特征：基变换下，反变分量的变换与基变换矩阵互逆，因此称为“反变”。
- 共变向量（协变向量）：对偶空间\(V^*\)中的元素\(\theta\)称为共变向量，它的分量\(\theta_1,\dots,\theta_n\)称为共变分量。
- 变换特征：基变换下，共变分量的变换与基变换矩阵同步，因此称为“共变”。
核心记忆点
- 指标规则：反变分量用上标，共变分量用下标；基向量下标与分量上标配对，对偶基上标与分量下标配对，天然适配Einstein求和约定。
- 变换核心：基变换\(\bar{e}=eA\)，反变分量\(\bar{X}=A^{-1}X\)，共变分量\(\bar{\theta}=A^T\theta\)。
- 这份内容是张量的前置基础：后续的\((p,q)\)型张量，就是\(p\)个反变指标、\(q\)个共变指标的多重线性映射，所有张量运算都基于这套向量空间、对偶空间与指标规则。
向量空间与对偶空间 详细讲解（微分几何基础）
各位同学，今天我们来系统讲解微分几何的核心代数基础——有限维向量空间与对偶空间。这部分内容是多重线性代数、张量分析、黎曼几何的起点，我会从定义出发，逐句拆解公理，完成所有定理的严格推导，最后用表格归纳核心知识点。
一、域上的向量空间：定义与公理
我们首先明确研究的基础：域与向量空间。
1. 域的概念
设\(F\)是一个域，通俗来说，域是一个定义了加、减、乘、除（非零元可逆）运算，且满足交换律、结合律、分配律的集合。微分几何中，我们几乎只用到实数域\(\mathbb{R}\)和复数域\(\mathbb{C}\)，后续默认\(F=\mathbb{R}\)（实向量空间）。
2. 向量空间的严格定义
域\(F\)上的向量空间\(V\)，是一个配备了两种运算的集合，且满足全部8条公理：
（i）加法运算：\(V\times V\to V,\ (X,Y)\mapsto X+Y\)
要求\(V\)关于加法构成交换群（阿贝尔群），即满足：
- 封闭性：对任意\(X,Y\in V\)，\(X+Y\in V\)；
- 结合律：对任意\(X,Y,Z\in V\)，\((X+Y)+Z=X+(Y+Z)\)；
- 交换律：对任意\(X,Y\in V\)，\(X+Y=Y+X\)；
- 单位元存在：存在唯一的零向量\(0\in V\)，使得对任意\(X\in V\)，\(X+0=X\)；
- 逆元存在：对任意\(X\in V\)，存在唯一的负向量\(-X\in V\)，使得\(X+(-X)=0\)。
（ii）数乘运算：\(F\times V\to V,\ (\alpha,X)\mapsto \alpha X\)
要求对任意\(\alpha,\beta\in F\)，\(X,Y\in V\)，满足4条相容性公理：
- 数乘对向量加法的分配律：\(\alpha(X+Y)=\alpha X+\alpha Y\)；
- 数乘对域加法的分配律：\((\alpha+\beta)X=\alpha X+\beta X\)；
- 数乘结合律：\((\alpha\beta)X=\alpha(\beta X)\)；
- 单位元性质：\(1X=X\)（\(1\)是域\(F\)的乘法单位元）。
补充说明
公理中最后一条推论\(0X=0\)，必须区分两个\(0\)的含义：左侧\(0\)是域\(F\)的零元，右侧\(0\)是向量空间\(V\)的零向量，二者分属不同集合，不可混淆。
例子：最典型的\(n\)维实向量空间\(\mathbb{R}^n\)，元素是\(n\)维实列向量，加法是对应分量相加，数乘是数乘每个分量，完全满足上述所有公理，是微分几何中最常用的向量空间模型。
二、向量空间的基、维数与坐标变换
向量空间的结构由基完全刻画，我们只讨论有限维向量空间（微分几何中流形的切空间都是有限维的）。
1. 基与维数的定义
设\(V\)是\(F\)上的向量空间：
- 线性无关：向量组\(e_1,e_2,\dots,e_n\in V\)，若等式\(\sum_{i=1}^n a^i e_i=0\)成立当且仅当所有系数\(a^1=a^2=\dots=a^n=0\)，则称该向量组线性无关。
- 基（底）：若\(V\)的一个线性无关向量组\(e_1,\dots,e_n\)，能线性表出\(V\)中任意元素\(X\)，即\[X=\sum_{i=1}^n X^i e_i \]则称\(\{e_i\}\)是\(V\)的一组基，数组\(X^1,\dots,X^n\)称为向量\(X\)在基\(\{e_i\}\)下的分量（坐标）。
- 维数：\(V\)的任意一组基中向量的个数，称为\(V\)的维数，记作\(\dim V=n\)。
维数定义的合理性：有限维向量空间的任意两组基，所含向量的个数一定相等（由线性代数的替换定理可证），因此维数是向量空间的固有属性，与基的选择无关。
2. 基变换公式
设\(\{e_i\}\)和\(\{\bar{e}_j\}\)是\(V\)的两组基，我们可以用一组基线性表出另一组基：
写成矩阵形式：\((\bar{e}_1,\dots,\bar{e}_n)=(e_1,\dots,e_n)\cdot A\)，其中矩阵\(A=(a_j^i)_{n\times n}\)，第\(j\)列是\(\bar{e}_j\)在基\(\{e_i\}\)下的坐标。
核心定理
\(\{\bar{e}_j\}\)是\(V\)的一组基的充要条件是：矩阵\(A\)非奇异（可逆），即
严格证明
-
必要性：若\(\{\bar{e}_j\}\)是基，则线性无关。假设\(A\)奇异，则存在不全为零的数\(x^1,\dots,x^n\)，使得\(\sum_{j=1}^n a_j^i x^j=0\)对所有\(i\)成立。
此时\(\sum_{j=1}^n x^j \bar{e}_j = \sum_{j=1}^n x^j \sum_{i=1}^n a_j^i e_i = \sum_{i=1}^n \left(\sum_{j=1}^n a_j^i x^j\right) e_i = 0\)，与\(\{\bar{e}_j\}\)线性无关矛盾，故\(A\)非奇异。 -
充分性：若\(A\)非奇异，先证\(\{\bar{e}_j\}\)线性无关：设\(\sum_{j=1}^n x^j \bar{e}_j=0\)，代入基变换公式得\(\sum_{i=1}^n \left(\sum_{j=1}^n a_j^i x^j\right) e_i=0\)。
因\(\{e_i\}\)线性无关，故\(\sum_{j=1}^n a_j^i x^j=0\)对所有\(i\)成立，即线性方程组\(Ax=0\)。\(A\)可逆，故方程组只有零解\(x^1=\dots=x^n=0\)，因此\(\{\bar{e}_j\}\)线性无关。再证\(\{\bar{e}_j\}\)张成\(V\)：对任意\(X\in V\)，\(X=\sum_{i=1}^n X^i e_i\)。因\(A\)可逆，存在数组\(\bar{X}^j\)使得\(X^i=\sum_{j=1}^n a_j^i \bar{X}^j\)，代入得
\[X=\sum_{i=1}^n \left(\sum_{j=1}^n a_j^i \bar{X}^j\right)e_i=\sum_{j=1}^n \bar{X}^j \left(\sum_{i=1}^n a_j^i e_i\right)=\sum_{j=1}^n \bar{X}^j \bar{e}_j \]即任意\(X\)可被\(\{\bar{e}_j\}\)线性表出。综上，\(\{\bar{e}_j\}\)是\(V\)的一组基。
3. 向量的坐标变换
同一个向量\(X\)在两组基下有两组坐标：
将基变换公式\(\bar{e}_j=\sum_{i=1}^n a_j^i e_i\)代入，得：
由基的线性无关性，坐标必须唯一对应，因此得到坐标变换公式：
其中矩阵\(B=(b_j^i)\)是矩阵\(A\)的逆矩阵，即\(B=A^{-1}\)，满足克罗内克δ（Kronecker delta）恒等式：
克罗内克δ的定义为：
本质上，\(\delta_j^i\)就是\(n\)阶单位矩阵的第\(i\)行第\(j\)列元素。
4. 爱因斯坦求和约定（爱因斯坦惯例）
这是微分几何、张量分析中最核心的记号简化规则，后续所有公式都将使用：
在一个项里，上、下指标有相同字母时，自动在该指标的取值范围内求和，这个重复的字母称为求和指标（哑指标），不重复的指标称为自由指标。
按照这个约定，我们可以把之前的公式大幅简化：
- 向量展开：\(X=X^i e_i = \bar{X}^i \bar{e}_i\)
- 基变换：\(\bar{e}_j = a_j^i e_i\)
- 坐标变换：\(X^i = a_j^i \bar{X}^j\)，\(\bar{X}^i = b_j^i X^j\)
- 逆矩阵关系：\(a_i^k b_k^j = \delta_i^j\)，\(a_k^i b_j^k = \delta_j^i\)
关键规则：
- 哑指标可以任意替换字母（如\(X^i e_i=X^j e_j\)），不改变求和结果；
- 等式两边的自由指标必须完全一致（如\(X^i = a_j^i \bar{X}^j\)，两边自由指标都是\(i\)）；
- 一个指标在同一项中最多出现两次（一次上标、一次下标），禁止重复出现三次及以上。
三、对偶空间与对偶基
对偶空间是微分几何中“余切空间”“1-形式”的代数原型，是理解张量的核心环节。
1. 线性泛函（线性函数）的定义
设\(V\)是\(n\)维向量空间，映射\(\theta:V\to F\)若满足线性性，即对任意\(X,Y\in V\)，\(\alpha\in F\)，有：
则称\(\theta\)是\(V\)上的线性泛函。
例子：\(V=\mathbb{R}^n\)，\(X=(x^1,\dots,x^n)^T\)，定义\(\theta(X)=a_1 x^1 + a_2 x^2 + \dots + a_n x^n\)，这就是\(\mathbb{R}^n\)上的线性泛函，对应一个\(n\)维行向量\((a_1,\dots,a_n)\)。
2. 对偶空间的定义与向量空间结构
我们把\(V\)上所有线性泛函的集合记作\(V^*\)，即：
在\(V^*\)上定义加法和数乘运算：对任意\(\theta,\omega\in V^*\)，\(\alpha\in F\)，\(X\in V\)，
核心结论：\(V^*\)是\(F\)上的向量空间
我们只需验证向量空间的公理（核心验证封闭性，其余公理可自然推导）：
-
加法封闭性：若\(\theta,\omega\)是线性泛函，则\(\theta+\omega\)也是线性的：
\[(\theta+\omega)(X+Y)=\theta(X+Y)+\omega(X+Y)=\theta(X)+\theta(Y)+\omega(X)+\omega(Y)=(\theta+\omega)(X)+(\theta+\omega)(Y) \]\[(\theta+\omega)(\alpha X)=\theta(\alpha X)+\omega(\alpha X)=\alpha\theta(X)+\alpha\omega(X)=\alpha(\theta+\omega)(X) \]因此\(\theta+\omega\in V^*\)。
-
数乘封闭性：若\(\theta\)是线性泛函，则\(\alpha\theta\)也是线性的：
\[(\alpha\theta)(X+Y)=\alpha\theta(X+Y)=\alpha(\theta(X)+\theta(Y))=\alpha\theta(X)+\alpha\theta(Y)=(\alpha\theta)(X)+(\alpha\theta)(Y) \]\[(\alpha\theta)(\beta X)=\alpha\theta(\beta X)=\alpha\beta\theta(X)=\beta(\alpha\theta(X))=\beta(\alpha\theta)(X) \]因此\(\alpha\theta\in V^*\)。
其余公理（交换律、结合律、零元、负元、数乘相容性）均可通过逐点验证得到，因此\(V^*\)是\(F\)上的向量空间，称为\(V\)的对偶空间。
3. 对偶基的定义与构造
设\(\{e_i\}\)是\(V\)的一组基，我们在\(V^*\)中构造一组向量\(\omega^1,\omega^2,\dots,\omega^n\)，满足：
即\(\omega^i\)作用在基向量\(e_j\)上，当\(i=j\)时结果为1，\(i\neq j\)时结果为0。
核心定理：\(\{\omega^i\}\)是\(V^*\)的一组基
我们分两步证明：线性无关 + 张成\(V^*\)。
步骤1：证明\(\{\omega^i\}\)线性无关
设\(\sum_{i=1}^n c_i \omega^i = 0\)（零泛函），将其作用在任意基向量\(e_j\)上：
对所有\(j=1,\dots,n\)成立，因此系数全为0，\(\{\omega^i\}\)线性无关。
步骤2：证明\(\{\omega^i\}\)张成\(V^*\)
对任意\(\theta\in V^*\)，我们证明\(\theta = \sum_{i=1}^n \theta(e_i) \omega^i\)。
对任意\(X\in V\)，\(X=X^j e_j\)，将等式右边作用在\(X\)上：
而左边\(\theta(X)=\theta(X^j e_j)=X^j \theta(e_j)=\sum_{i=1}^n X^i \theta(e_i)\)，与右边完全相等。
因此对任意\(X\in V\)，两边作用结果一致，故\(\theta = \sum_{i=1}^n \theta(e_i) \omega^i\)，即任意线性泛函都可被\(\{\omega^i\}\)线性表出。
综上，\(\{\omega^i\}\)是\(V^*\)的一组基，称为\(\{e_i\}\)的对偶基。由此直接得到推论：
即有限维向量空间与其对偶空间维数相等。
四、双重对偶空间与自然同构定理
1. 双重对偶空间的定义
\(V\)的对偶空间是\(V^*\)，而\(V^*\)本身也是向量空间，因此它也有对偶空间，记作\(V^{**}\)，称为\(V\)的双重对偶空间：
也就是“线性泛函的线性泛函”构成的向量空间。
2. 自然同构定理（定理1.2.1）
定理：有限维向量空间\(V\)与其双重对偶空间\(V^{**}\)自然同构，即\(V=V^{**}\)（在自然同构意义下）。
严格证明
我们构造一个映射\(\Phi:V\to V^{**}\)，证明它是不依赖基选择的线性双射（自然同构）。
步骤1：构造映射\(\Phi\)
对任意\(X\in V\)，定义\(\Phi(X)=\varphi_X\in V^{**}\)，其中\(\varphi_X\)的作用规则为：
通俗来说：把向量\(X\)映射成一个线性泛函\(\varphi_X\)，它作用在对偶向量\(\omega\)上，就是\(\omega\)在\(X\)处的取值。
首先验证\(\varphi_X\in V^{**}\)（即\(\varphi_X\)是\(V^*\)上的线性泛函）：
对任意\(\omega,\theta\in V^*\)，\(\alpha\in F\)，
因此\(\varphi_X\)是线性的，\(\Phi\)是\(V\)到\(V^{**}\)的良定义映射。
步骤2：证明\(\Phi\)是线性映射
对任意\(X,Y\in V\)，\(\alpha\in F\)，
- \(\Phi(X+Y)=\varphi_{X+Y}\)，而\(\varphi_{X+Y}(\omega)=\omega(X+Y)=\omega(X)+\omega(Y)=\varphi_X(\omega)+\varphi_Y(\omega)=(\varphi_X+\varphi_Y)(\omega)\)，故\(\varphi_{X+Y}=\varphi_X+\varphi_Y\)，即\(\Phi(X+Y)=\Phi(X)+\Phi(Y)\)。
- \(\Phi(\alpha X)=\varphi_{\alpha X}\)，而\(\varphi_{\alpha X}(\omega)=\omega(\alpha X)=\alpha\omega(X)=\alpha\varphi_X(\omega)=(\alpha\varphi_X)(\omega)\)，故\(\varphi_{\alpha X}=\alpha\varphi_X\)，即\(\Phi(\alpha X)=\alpha\Phi(X)\)。
因此\(\Phi\)是线性映射。
步骤3：证明\(\Phi\)是单射（核为零）
单射等价于：若\(\Phi(X)=0\)（零泛函），则\(X=0\)。
若\(\Phi(X)=0\)，则对任意\(\omega\in V^*\)，\(\varphi_X(\omega)=\omega(X)=0\)。反证：若\(X\neq0\)，将\(X\)扩充为\(V\)的一组基\(\{e_1=X,e_2,\dots,e_n\}\)，取其对偶基\(\{\omega^1,\dots,\omega^n\}\)，则\(\omega^1(X)=\omega^1(e_1)=1\neq0\)，与\(\omega(X)=0\)对所有\(\omega\)成立矛盾。因此\(X=0\)，\(\Phi\)是单射。
步骤4：证明\(\Phi\)是满射
对任意\(\varphi\in V^{**}\)，我们需要找到\(X\in V\)，使得\(\Phi(X)=\varphi\)，即\(\varphi(\omega)=\omega(X)\)对所有\(\omega\in V^*\)成立。
取\(V\)的一组基\(\{e_i\}\)，对偶基\(\{\omega^i\}\)，令\(X=\sum_{i=1}^n \varphi(\omega^i) e_i\)，验证对任意\(\omega\in V^*\)，\(\omega(X)=\varphi(\omega)\)：
任意\(\omega\in V^*\)可表示为\(\omega=\sum_{j=1}^n \omega(e_j) \omega^j\)，因此
而\(\varphi\)是线性的，故
二者完全相等，因此\(\Phi(X)=\varphi\)，\(\Phi\)是满射。
结论
\(\Phi\)是不依赖基选择的线性双射，因此\(V\)与\(V^{**}\)自然同构。在有限维情形下，我们可以直接将\(V\)与\(V^{**}\)等同，即\(V\)也是\(V^*\)的对偶空间，\(V\)与\(V^*\)互为对偶。
注：自然同构仅在有限维向量空间成立，无限维空间中\(V^{**}\)严格大于\(V\)，微分几何中我们仅处理有限维空间，因此可放心等同。
五、对偶基的基变换与反变/共变向量
1. 对偶基的基变换
设\(V\)的两组基\(\{e_i\}\)和\(\{\bar{e}_j\}\)满足基变换\(\bar{e}_j=a_j^i e_i\)（矩阵\(A=(a_j^i)\)），它们的对偶基分别为\(\{\omega^i\}\)和\(\{\bar{\omega}^j\}\)，则对偶基的变换公式为：
其中矩阵\(B=(b_i^j)=A^{-1}\)，即对偶基的变换矩阵是原基变换矩阵的逆矩阵。
证明
由对偶基的定义，\(\bar{\omega}^j(\bar{e}_k)=\delta_k^j\)，代入基变换公式：
因此\(b_i^j a_k^i=\delta_k^j\)，即\(BA=I\)，故\(B=A^{-1}\)。
2. 反变向量与共变向量
这是张量分析的核心概念，我们直接给出定义与变换规律：
-
反变向量：向量空间\(V\)中的元素\(X\)称为反变向量，它的分量\(X^i\)称为反变分量。
坐标变换规律：\(\bar{X}^i = b_j^i X^j\)（与基变换矩阵\(A\)互逆，和基变换方向相反，故称“反变”）。 -
共变向量：对偶空间\(V^*\)中的元素\(\theta\)称为共变向量，它的分量\(\theta_i\)称为共变分量。
坐标变换规律：\(\bar{\theta}_i = a_i^j \theta_j\)（与基变换矩阵\(A\)相同，和基变换方向一致，故称“共变”）。
共变分量变换公式推导
\(\theta=\theta_i \omega^i = \bar{\theta}_j \bar{\omega}^j\)，代入对偶基变换\(\bar{\omega}^j = b_k^j \omega^k\)，得：
与左边\(\theta_k \omega^k\)比较，得\(\theta_k = \bar{\theta}_j b_k^j\)。两边乘\(a_i^k\)，得\(a_i^k \theta_k = a_i^k b_k^j \bar{\theta}_j = \delta_i^j \bar{\theta}_j = \bar{\theta}_i\)，即\(\bar{\theta}_i = a_i^j \theta_j\)，推导完成。
六、核心知识点归纳总结表
| 核心概念 | 严格定义 | 核心性质/定理 | 变换公式（爱因斯坦求和） |
|---|---|---|---|
| 域\(F\)上的向量空间\(V\) | 配备加法、数乘运算，满足8条公理的集合，加法构成交换群，数乘满足4条相容性 | 是线性代数的核心研究对象，微分几何中默认有限维实向量空间 | - |
| 基\(\{e_i\}\) | 线性无关且张成\(V\)的向量组 | 有限维\(V\)的任意两组基元素个数相同，定义维数\(\dim V=n\) | 基变换：\(\bar{e}_j = a_j^i e_i\)，矩阵\(A=(a_j^i)\)可逆 |
| 维数\(\dim V\) | 基中向量的个数 | \(\dim V = \dim V^* = \dim V^{**}\)（有限维） | - |
| 克罗内克δ\(\delta_j^i\) | \(\delta_j^i=\begin{cases}1,i=j\\0,i\neq j\end{cases}\) | 单位矩阵的元素，是线性代数、张量分析的基础记号 | \(a_i^k \delta_k^j = a_i^j\)，\(b_j^k a_k^i = \delta_j^i\) |
| 爱因斯坦求和约定 | 上下重复指标自动求和，重复指标为哑指标，不重复为自由指标 | 大幅简化多重线性代数、张量分析的公式 | \(X=X^i e_i\)，\(\bar{e}_j=a_j^i e_i\) |
| 线性泛函\(\theta\) | 满足线性性的映射\(\theta:V\to F\) | 线性性保证其完全由在基上的取值决定 | \(\theta(X)=\theta_i X^i\)（\(\theta_i=\theta(e_i)\)） |
| 对偶空间\(V^*\) | \(V\)上所有线性泛函构成的向量空间 | 有限维下与\(V\)维数相等，互为对偶空间 | - |
| 对偶基\(\{\omega^i\}\) | 满足\(\omega^i(e_j)=\delta_j^i\)的\(V^*\)的基 | 与\(V\)的基一一对应，是\(V^*\)的一组标准基 | 对偶基变换：\(\bar{\omega}^j = b_i^j \omega^i\)，\(B=A^{-1}\) |
| 双重对偶空间\(V^{**}\) | \(V^*\)上所有线性泛函构成的向量空间 | 有限维下与\(V\)自然同构，即\(V=V^{**}\) | - |
| 反变向量（\(V\)中元素） | \(V\)中的向量\(X\) | 坐标变换与基变换互逆 | 坐标变换：\(\bar{X}^i = b_j^i X^j\) |
| 共变向量（\(V^*\)中元素） | \(V^*\)中的线性泛函\(\theta\) | 坐标变换与基变换一致 | 坐标变换：\(\bar{\theta}_i = a_i^j \theta_j\) |
张量积与张量代数 详细讲解（微分几何核心基础）
各位同学，我们承接上一节的向量空间与对偶空间，今天系统讲解多重线性代数的核心——张量积、张量代数与对称/反对称张量。这部分内容是微分几何中张量分析、外微分形式、黎曼曲率张量的代数基础，我会从定义的动机出发，逐句拆解公理，完成所有定理的严格推导，最后用表格归纳核心知识点。
一、k重线性映射：张量积的前置概念
张量的本质是多重线性映射，我们先从最基础的k重线性映射讲起。
1. k重线性映射的定义
定义1.2.1 设\(V_1,V_2,\dots,V_k\)和\(W\)均为域\(F\)上的向量空间，映射
若对任意第\(i\)个变元都满足线性性，即对任意\(1\leq i\leq k\)，任意\(X_i,Y_i\in V_i\)，\(\alpha,\beta\in F\)，都有
则称\(f\)为\(k\)重线性映射。
- 特别地，\(k=2\)时，称为双线性映射（比如向量空间的内积、对偶空间的配对\(\langle\theta,X\rangle\)都是双线性映射）；
- \(k=1\)时，就是我们上一节讲的线性映射（线性泛函是\(k=1,W=F\)的特殊情况）。
2. k重线性映射的向量空间
我们把所有\(V_1\times\cdots\times V_k\to W\)的k重线性映射构成的集合记作
我们可以自然地在这个集合上定义加法和数乘运算：
- 加法：对任意\(f,g\in\mathscr{L}(V_1,\dots,V_k;W)\)，\((f+g)(X_1,\dots,X_k)=f(X_1,\dots,X_k)+g(X_1,\dots,X_k)\)
- 数乘：对任意\(\alpha\in F\)，\(f\in\mathscr{L}(V_1,\dots,V_k;W)\)，\((\alpha f)(X_1,\dots,X_k)=\alpha\cdot f(X_1,\dots,X_k)\)
容易验证，这两种运算满足向量空间的全部公理，因此\(\mathscr{L}(V_1,\dots,V_k;W)\)是\(F\)上的向量空间。
3. 关键注记：k重线性映射的值域性质
线性映射\(T:V\to W\)的值域\(\text{Im }T=T(V)\)一定是\(W\)的子空间，但k重线性映射的值域不一定是子空间。
- 反例：取\(V_1=V_2=\mathbb{R}^2\)，\(W=\mathbb{R}^4\)，双线性映射\(f((x_1,x_2),(y_1,y_2))=(x_1y_1,x_1y_2,x_2y_1,x_2y_2)\)。
值域中的元素都是形如\((a,b,c,d)\)且\(ad=bc\)的向量（秩1矩阵的拉直），但两个这样的向量相加，比如\((1,0,0,0)+(0,0,0,1)=(1,0,0,1)\)，不满足\(ad=bc\)，不在值域中。
因此我们用\(\langle\text{Im }f\rangle\)表示由\(\text{Im }f\)生成的\(W\)的子空间，这是张量积定义的核心要素。
二、张量积的定义与存在唯一性定理
张量积的核心是泛性质（万有性质），它不是一个具体的空间，而是“把双线性映射转化为线性映射”的通用构造。
1. 张量积的泛性质定义
定义1.2.2 设\(V_1,V_2\)是域\(F\)上的向量空间，若存在一个向量空间\(W\)和一个双线性映射
满足以下两个条件：
- 生成性：\(W=\langle\text{Im }\otimes\rangle\)，即\(W\)由所有形如\(X\otimes Y\)（\(X\in V_1,Y\in V_2\)）的元素张成；
- 泛性质：对任意向量空间\(Z\)和任意双线性映射\(f:V_1\times V_2\to Z\)，都存在唯一的线性映射\(g:W\to Z\)，使得\(f=g\circ\otimes\)，即下图交换：graph LR A[V₁×V₂] --⊗--> B[W] A --f--> C[Z] B --g--> C
则称\((W,\otimes)\)为\(V_1\)和\(V_2\)的张量积，记作\(W=V_1\otimes V_2\)，元素\(X\otimes Y\)称为\(X\)和\(Y\)的张量积。
定义的核心解读
泛性质的本质是：\(V_1\times V_2\)上的所有双线性映射，都可以唯一地对应到\(V_1\otimes V_2\)上的线性映射。张量积把“双线性问题”完全转化为我们熟悉的“线性问题”，这是它最核心的价值。
2. 张量积的唯一性（同构意义下）
首先证明：满足泛性质的张量积在同构意义下唯一。
- 证明：设\((W_1,\otimes_1)\)和\((W_2,\otimes_2)\)都是\(V_1,V_2\)的张量积。
- 对双线性映射\(\otimes_2:V_1\times V_2\to W_2\)，由\((W_1,\otimes_1)\)的泛性质，存在唯一线性映射\(g:W_1\to W_2\)，使得\(\otimes_2 = g\circ\otimes_1\)。
- 对双线性映射\(\otimes_1:V_1\times V_2\to W_1\)，由\((W_2,\otimes_2)\)的泛性质，存在唯一线性映射\(h:W_2\to W_1\)，使得\(\otimes_1 = h\circ\otimes_2\)。
- 因此\(\otimes_1 = h\circ g\circ\otimes_1\)，而恒等映射\(\text{id}_{W_1}\)也满足\(\otimes_1 = \text{id}_{W_1}\circ\otimes_1\)，由泛性质中\(g\)的唯一性，得\(h\circ g = \text{id}_{W_1}\)。
- 同理可得\(g\circ h = \text{id}_{W_2}\)，因此\(g\)是\(W_1\to W_2\)的线性同构。
这说明张量积的定义不依赖具体构造，只由泛性质唯一决定，接下来我们构造一个具体的张量积，证明其存在性。
3. 张量积的构造与存在性证明
我们利用上一节的对偶空间，构造满足泛性质的张量积：
步骤1：构造空间与张量积映射
设\(V_1^*,V_2^*\)分别是\(V_1,V_2\)的对偶空间，令
即\(V_1^*\times V_2^*\)上的双线性泛函构成的向量空间。
对任意\(X\in V_1,Y\in V_2\)，定义\(X\otimes Y:V_1^*\times V_2^*\to F\)为：
其中\(\langle\theta,X\rangle=\theta(X)\)是对偶空间的配对。
步骤2：验证\(X\otimes Y\)是双线性泛函，且\(\otimes\)是双线性映射
-
对任意\(\theta_1,\theta_2\in V_1^*\)，\(\alpha\in F\)，
\[(X\otimes Y)(\alpha\theta_1+\theta_2,\sigma) = \langle\alpha\theta_1+\theta_2,X\rangle\langle\sigma,Y\rangle = \alpha\langle\theta_1,X\rangle\langle\sigma,Y\rangle + \langle\theta_2,X\rangle\langle\sigma,Y\rangle = \alpha(X\otimes Y)(\theta_1,\sigma) + (X\otimes Y)(\theta_2,\sigma) \]对第二个变元同理，因此\(X\otimes Y\in\mathscr{L}(V_1^*,V_2^*;F)=W\)。
-
对任意\(X_1,X_2\in V_1\)，\(\alpha\in F\)，
\[(\alpha X_1+X_2)\otimes Y = \alpha(X_1\otimes Y) + X_2\otimes Y \]对\(Y\)同理，因此\(\otimes:V_1\times V_2\to W\)是双线性映射。
步骤3：确定\(W\)的基与维数
设\(\dim V_1=n\)，\(\dim V_2=m\)，取\(V_1\)的基\(\{e_i\}_{1\leq i\leq n}\)，\(V_2\)的基\(\{\bar{e}_p\}_{1\leq p\leq m}\)，它们的对偶基分别为\(\{\omega^i\}\subset V_1^*\)和\(\{\bar{\omega}^p\}\subset V_2^*\)。
-
张成性：对任意\(X\in V_1,Y\in V_2\)，\(X=X^i e_i\)，\(Y=Y^p \bar{e}_p\)，由\(\otimes\)的双线性性，
\[X\otimes Y = X^i Y^p (e_i\otimes \bar{e}_p) \]因此所有\(X\otimes Y\)都可以被\(\{e_i\otimes \bar{e}_p\}\)线性表出，而\(W=\langle\text{Im }\otimes\rangle\)，故\(W\)由\(\{e_i\otimes \bar{e}_p\}\)张成。
-
线性无关性：设\(\sum_{i,p} a^{ip} e_i\otimes \bar{e}_p = 0\)（零双线性泛函），将其作用在\((\omega^j,\bar{\omega}^q)\)上，
\[\sum_{i,p} a^{ip} (e_i\otimes \bar{e}_p)(\omega^j,\bar{\omega}^q) = \sum_{i,p} a^{ip} \langle\omega^j,e_i\rangle\langle\bar{\omega}^q,\bar{e}_p\rangle = \sum_{i,p} a^{ip} \delta_i^j \delta_p^q = a^{jq} = 0 \]对所有\(j,q\)成立，因此\(\{e_i\otimes \bar{e}_p\}\)线性无关。
综上，\(\{e_i\otimes \bar{e}_p\}\)是\(W\)的一组基，且
同时我们得到\(W=\mathscr{L}(V_1^*,V_2^*;F)\)，即\(V_1\otimes V_2\)与\(V_1^*,V_2^*\)上的双线性泛函空间同构。
步骤4：验证泛性质
对任意双线性映射\(f:V_1\times V_2\to Z\)，我们构造线性映射\(g:W\to Z\)：
- 对基元素\(e_i\otimes \bar{e}_p\)，定义\(g(e_i\otimes \bar{e}_p)=f(e_i,\bar{e}_p)\)；
- 将\(g\)线性扩张到整个\(W\)，即对任意\(\sum a^{ip} e_i\otimes \bar{e}_p\in W\)，\(g(\sum a^{ip} e_i\otimes \bar{e}_p)=\sum a^{ip} f(e_i,\bar{e}_p)\)。
-
验证\(f=g\circ\otimes\)：对任意\(X=X^i e_i\in V_1\)，\(Y=Y^p \bar{e}_p\in V_2\)，
\[g(X\otimes Y)=g(X^i Y^p e_i\otimes \bar{e}_p)=X^i Y^p f(e_i,\bar{e}_p)=f(X^i e_i,Y^p \bar{e}_p)=f(X,Y) \]最后一步用到了\(f\)的双线性性。
-
验证\(g\)的唯一性：若有\(g_1,g_2:W\to Z\)都满足\(f=g_1\circ\otimes=g_2\circ\otimes\)，则对所有\(X\otimes Y\)，\(g_1(X\otimes Y)=g_2(X\otimes Y)\)。而\(\{X\otimes Y\}\)张成\(W\)，因此\(g_1=g_2\)。
至此，我们构造的\((W,\otimes)\)满足张量积的全部定义，因此张量积是存在的。
4. 核心定理与对偶性质
定理1.2.2 域\(F\)上的有限维向量空间\(V_1,V_2\)的张量积\(V_1\otimes V_2\)在同构意义下存在且唯一，其维数满足
张量积的对偶性
我们可以完全对称地得到对偶空间的张量积：
即对偶空间的张量积与\(V_1\times V_2\)上的双线性泛函空间同构。
命题1.2.3 \(V_1\otimes V_2\)与\(V_1^*\otimes V_2^*\)互为对偶空间，且若\(\{e_i\}\)是\(V_1\)的基，\(\{\bar{e}_p\}\)是\(V_2\)的基，\(\{\omega^i\},\{\bar{\omega}^p\}\)是对应的对偶基，则\(\{e_i\otimes \bar{e}_p\}\)和\(\{\omega^i\otimes \bar{\omega}^p\}\)互为对偶基，满足
5. 推广：k重张量积
我们可以将张量积的定义推广到任意有限个向量空间：
它满足k重线性映射的泛性质：任意k重线性映射\(f:V_1\times\cdots\times V_k\to Z\)，都存在唯一的线性映射\(g:\bigotimes_{i=1}^k V_i\to Z\)，使得\(f=g\circ\otimes\)。
其维数满足：
三、张量的定义、基变换与运算
有了张量积的基础，我们可以定义微分几何中最核心的研究对象——张量。
1. (r,s)型张量的定义
定义1.2.3 设\(V\)是\(n\)维向量空间，\(V^*\)是其对偶空间，\(r,s\)为非负整数，定义(r,s)型张量空间为
\(V_s^r\)中的元素称为r阶反变、s阶共变的(r,s)型张量。
特殊情形
- \((0,0)\)型张量：\(V_0^0=F\)，即域中的元素，称为标量；
- \((1,0)\)型张量：\(V_0^1=V\)，即反变向量；
- \((0,1)\)型张量：\(V_1^0=V^*\)，即共变向量；
- \((1,1)\)型张量：\(V_1^1=V\otimes V^*\)，与线性变换空间\(\mathscr{L}(V;V)\)同构（矩阵是其分量表示）。
2. 张量的基与分量
设\(\{e_i\}\)是\(V\)的一组基，\(\{\omega^i\}\)是其对偶基，则\(V_s^r\)的一组基为
其中\(i_1,\dots,i_r,j_1,\dots,j_s=1,2,\dots,n\)，因此\(V_s^r\)的维数为\(n^{r+s}\)。
任意\((r,s)\)型张量\(\Phi\in V_s^r\)可以唯一表示为基的线性组合（爱因斯坦求和约定）：
其中数组\(\Phi_{j_1\dots j_s}^{i_1\dots i_r}\)称为张量\(\Phi\)在基\(\{e_i\}\)下的分量，其定义为
本质上是将张量作为多重线性泛函，代入对偶基和基得到的取值。
3. 张量的基变换公式（张量的核心判别准则）
张量的本质是“基变换下满足特定规律的数组”，这是微分几何中判断一个量是否为张量的核心准则。
设\(V\)的两组基满足变换关系：
其中矩阵\(A=(a_i^l)\)可逆，其逆矩阵为\(B=(b_l^i)\)，即\(a_i^l b_l^k = \delta_i^k\)，\(b_l^i a_k^l = \delta_k^i\)。由上一节的结论，对偶基的变换为：
命题1.2.4 张量\(\Phi\)在新基\(\{\bar{e}_i\}\)下的分量\(\bar{\Phi}_{j_1\dots j_s}^{i_1\dots i_r}\)与旧基下的分量满足变换关系：
反之，满足该变换规律的数组，一定是某个\((r,s)\)型张量的分量。
严格推导
张量\(\Phi\)在两组基下的表示是唯一的，即：
将基变换\(\bar{e}_i = a_i^k e_k\)、对偶基变换\(\bar{\omega}^j = b_l^j \omega^l\)代入右侧：
由基的线性无关性，两边对应基的系数必须相等，因此：
两边同时乘\(b_{k_1}^{i'_1}\cdots b_{k_r}^{i'_r} a_{j'_1}^{l_1}\cdots a_{j'_s}^{l_s}\)，对\(k_1\dots k_r,l_1\dots l_s\)求和，利用克罗内克δ的性质\(a_i^k b_k^{i'}=\delta_i^{i'}\)，\(b_l^j a_{j'}^l=\delta_{j'}^j\)，右侧化简为\(\bar{\Phi}_{j'_1\dots j'_s}^{i'_1\dots i'_r}\)，即得到变换公式(1.2.10)'。
核心记忆点
- 反变指标（上标）：乘逆矩阵\(b\)，与基变换方向相反；
- 共变指标（下标）：乘矩阵\(a\)，与基变换方向相同。
4. 张量的基本运算
张量有三类核心运算：加法与数乘、张量乘法、缩并。
（1）加法与数乘
同类型的\((r,s)\)型张量构成向量空间，因此：
- 加法：两个\((r,s)\)型张量相加，分量对应相加，即\((\Phi+\Psi)_{j_1\dots j_s}^{i_1\dots i_r} = \Phi_{j_1\dots j_s}^{i_1\dots i_r} + \Psi_{j_1\dots j_s}^{i_1\dots i_r}\)；
- 数乘：数\(\alpha\in F\)乘张量，分量对应乘\(\alpha\)，即\((\alpha\Phi)_{j_1\dots j_s}^{i_1\dots i_r} = \alpha\cdot\Phi_{j_1\dots j_s}^{i_1\dots i_r}\)。
（2）张量乘法（张量积）
定义1.2.4 设\(\Phi\in V_{s_1}^{r_1}\)，\(\Psi\in V_{s_2}^{r_2}\)，定义它们的张量积\(\Phi\otimes\Psi\in V_{s_1+s_2}^{r_1+r_2}\)，作为多重线性泛函满足：
其分量满足：
核心性质：
- 结合律：\((\Phi\otimes\Psi)\otimes\Xi = \Phi\otimes(\Psi\otimes\Xi)\)；
- 分配律：\(\Phi\otimes(\Psi+\Xi)=\Phi\otimes\Psi+\Phi\otimes\Xi\)，\((\Phi+\Psi)\otimes\Xi=\Phi\otimes\Xi+\Psi\otimes\Xi\)；
- 不满足交换律：一般情况下\(\Phi\otimes\Psi\neq\Psi\otimes\Phi\)（比如两个向量\(X\otimes Y\)和\(Y\otimes X\)，分量分别为\(X^i Y^p\)和\(Y^i X^p\)，通常不相等）。
（3）缩并运算
缩并是张量特有的运算，是微分几何中迹、散度、曲率缩并的基础。
定义1.2.5 对\((r,s)\)型张量\(\Phi\in V_s^r\)（\(r\geq1,s\geq1\)），取定第\(i\)个反变指标和第\(j\)个共变指标，定义缩并运算\(\text{ct}_{(i,j)}:V_s^r\to V_{s-1}^{r-1}\)：
- 对可分解张量\(T=X_1\otimes\cdots\otimes X_r\otimes\theta^1\otimes\cdots\otimes\theta^s\)，\[\text{ct}_{(i,j)} T = \langle\theta^j,X_i\rangle \cdot X_1\otimes\cdots\hat{X_i}\cdots\otimes X_r\otimes\theta^1\otimes\cdots\hat{\theta^j}\cdots\otimes\theta^s \]其中\(\hat{\cdot}\)表示去掉该因子；
- 将\(\text{ct}_{(i,j)}\)线性扩张到整个\(V_s^r\)，得到\((r-1,s-1)\)型张量\(\text{ct}_{(i,j)}\Phi\)。
分量表示：设\(\Phi = \Phi_{j_1\dots j_s}^{i_1\dots i_r} e_{i_1}\otimes\cdots\otimes e_{i_r}\otimes\omega^{j_1}\otimes\cdots\otimes\omega^{j_s}\)，则
即把第\(i\)个上标和第\(j\)个下标替换为同一个哑指标\(k\)，对\(k\)求和。
例子：\((1,1)\)型张量\(\Phi=\Phi_j^i e_i\otimes\omega^j\)，缩并后得到\(\text{ct}_{(1,1)}\Phi=\Phi_k^k\)，就是矩阵\((\Phi_j^i)\)的迹，是一个\((0,0)\)型标量。
5. 张量代数
我们把所有类型的张量空间做直和，得到张量代数：
\(\mathscr{T}(V)\)中的元素是有限个不同类型张量的和，以张量积作为乘法，构成一个结合代数，称为\(V\)上的张量代数。
它有两个重要的子代数：
- 反变张量代数：\(\mathscr{T}^1(V)=\bigoplus_{r=0}^\infty V_0^r\)，仅含反变张量；
- 共变张量代数：\(\mathscr{T}^2(V)=\bigoplus_{s=0}^\infty V_s^0\)，仅含共变张量。
四、对称与反对称张量
接下来我们研究共变张量中两类特殊的张量，它们是微分几何中黎曼度量、外微分形式的代数基础。
1. 对称与反对称张量的定义
我们研究\(r\)阶共变张量空间\(V_r^0 = \underbrace{V^*\otimes\cdots\otimes V^*}_{r个}\)，其元素是\(V\)上的\(r\)重线性泛函\(\Phi:V\times\cdots\times V\to F\)。
定义1.2.6 设\(\Phi\in V_r^0\)，
- 若对任意\(1\leq a<b\leq r\)，任意\(X_1,\dots,X_r\in V\)，交换第\(a,b\)个变元后值不变，即\[\Phi(\dots,X_a,\dots,X_b,\dots) = \Phi(\dots,X_b,\dots,X_a,\dots) \]则称\(\Phi\)为r阶对称共变张量；
- 若对任意\(1\leq a<b\leq r\)，任意\(X_1,\dots,X_r\in V\)，交换第\(a,b\)个变元后值变号，即\[\Phi(\dots,X_a,\dots,X_b,\dots) = -\Phi(\dots,X_b,\dots,X_a,\dots) \]则称\(\Phi\)为r阶反对称（反称）共变张量。
经典例子
- 对称张量：欧氏空间的内积\(\langle X,Y\rangle\)是2阶对称共变张量，黎曼流形的度量张量就是2阶对称正定共变张量；
- 反对称张量：\(n\)阶方阵的行列式是\(n\)阶反对称共变张量，微分几何中的\(r\)次外微分形式就是\(r\)阶反对称共变张量。
2. 置换群对张量的作用
设\(S_r\)是\(r\)元置换群（对称群），对任意置换\(\sigma\in S_r\)，定义其对\(r\)阶共变张量的作用：
由此我们可以重新刻画对称与反对称张量：
- \(\Phi\)是对称张量 \(\iff\) 对任意\(\sigma\in S_r\)，\(\sigma\Phi=\Phi\)；
- \(\Phi\)是反对称张量 \(\iff\) 对任意\(\sigma\in S_r\)，\(\sigma\Phi=(\text{sgn}\sigma)\Phi\)，其中\(\text{sgn}\sigma\)是置换的符号（偶置换为1，奇置换为-1）。
3. 对称化算子与反对称化算子
我们可以通过算子，把任意\(r\)阶共变张量转化为对称或反对称张量。
定义 对\(r\)阶共变张量空间\(V_r^0\)，定义：
- 对称化算子\(\mathscr{S}_r:V_r^0\to V_r^0\)：\[\mathscr{S}_r(\Phi) = \frac{1}{r!}\sum_{\sigma\in S_r} \sigma\Phi \tag{1.2.19} \]
- 反对称化算子\(\mathscr{A}_r:V_r^0\to V_r^0\)：\[\mathscr{A}_r(\Phi) = \frac{1}{r!}\sum_{\sigma\in S_r} (\text{sgn}\sigma)\sigma\Phi \tag{1.2.20} \]
定理1.2.6 对称化算子与反对称化算子具有以下性质：
- 投影算子性质：\(\mathscr{S}_r^2=\mathscr{S}_r\)，\(\mathscr{A}_r^2=\mathscr{A}_r\)（算子作用两次等于作用一次）；
- 像空间：\(\mathscr{S}_r(V_r^0)\)是所有\(r\)阶对称共变张量构成的空间，记作\(\Theta^r(V^*)\)；\(\mathscr{A}_r(V_r^0)\)是所有\(r\)阶反对称共变张量构成的空间，记作\(\Lambda^r(V^*)\)（外形式空间）；
- 等价刻画：\(\Phi\)是对称张量 \(\iff \mathscr{S}_r(\Phi)=\Phi\)；\(\Phi\)是反对称张量 \(\iff \mathscr{A}_r(\Phi)=\Phi\)。
反对称化算子的严格证明（对称化算子同理）
-
证明\(\mathscr{A}_r^2=\mathscr{A}_r\)：
\[\begin{aligned} \mathscr{A}_r(\mathscr{A}_r\Phi) &= \frac{1}{r!}\sum_{\tau\in S_r} (\text{sgn}\tau) \tau\left(\frac{1}{r!}\sum_{\sigma\in S_r} (\text{sgn}\sigma)\sigma\Phi\right) \\ &= \frac{1}{(r!)^2}\sum_{\tau\in S_r}\sum_{\sigma\in S_r} (\text{sgn}\tau)(\text{sgn}\sigma) (\tau\sigma)\Phi \end{aligned} \]令\(\rho=\tau\sigma\)，则\(\sigma=\tau^{-1}\rho\)，且\(\text{sgn}\sigma=\text{sgn}\tau^{-1}\text{sgn}\rho=\text{sgn}\tau\text{sgn}\rho\)，因此\(\text{sgn}\tau\text{sgn}\sigma=\text{sgn}\rho\)。
同时，当\(\sigma\)遍历\(S_r\)时，\(\rho\)也遍历\(S_r\)，因此：\[\begin{aligned} \mathscr{A}_r(\mathscr{A}_r\Phi) &= \frac{1}{(r!)^2}\sum_{\tau\in S_r}\sum_{\rho\in S_r} (\text{sgn}\rho) \rho\Phi \\ &= \frac{1}{(r!)^2} \cdot r! \cdot \sum_{\rho\in S_r} (\text{sgn}\rho)\rho\Phi \\ &= \frac{1}{r!}\sum_{\rho\in S_r} (\text{sgn}\rho)\rho\Phi = \mathscr{A}_r\Phi \end{aligned} \] -
证明\(\mathscr{A}_r(V_r^0)=\Lambda^r(V^*)\)：
- 先证\(\mathscr{A}_r(V_r^0)\subset\Lambda^r(V^*)\)：对任意\(\Phi\in V_r^0\)，任意\(\tau\in S_r\)，\[\begin{aligned} \tau(\mathscr{A}_r\Phi)(X_1,\dots,X_r) &= \mathscr{A}_r\Phi(X_{\tau(1)},\dots,X_{\tau(r)}) \\ &= \frac{1}{r!}\sum_{\sigma\in S_r} (\text{sgn}\sigma)\Phi(X_{\tau\sigma(1)},\dots,X_{\tau\sigma(r)}) \\ &= \frac{1}{r!}\text{sgn}\tau \sum_{\sigma\in S_r} (\text{sgn}\tau\sigma)\Phi(X_{\tau\sigma(1)},\dots,X_{\tau\sigma(r)}) \\ &= \text{sgn}\tau \cdot \mathscr{A}_r\Phi(X_1,\dots,X_r) \end{aligned} \]因此\(\tau(\mathscr{A}_r\Phi)=(\text{sgn}\tau)\mathscr{A}_r\Phi\)，即\(\mathscr{A}_r\Phi\)是反对称张量。
- 再证\(\Lambda^r(V^*)\subset\mathscr{A}_r(V_r^0)\)：若\(\Phi\)是反对称张量，则\(\sigma\Phi=(\text{sgn}\sigma)\Phi\)，因此\[\mathscr{A}_r\Phi = \frac{1}{r!}\sum_{\sigma\in S_r} (\text{sgn}\sigma)(\text{sgn}\sigma)\Phi = \frac{1}{r!}\sum_{\sigma\in S_r} \Phi = \Phi \]即\(\Phi\in\mathscr{A}_r(V_r^0)\)。
- 先证\(\mathscr{A}_r(V_r^0)\subset\Lambda^r(V^*)\)：对任意\(\Phi\in V_r^0\)，任意\(\tau\in S_r\)，
-
等价刻画：由上述证明直接可得，\(\Phi\)是反对称张量当且仅当\(\mathscr{A}_r\Phi=\Phi\)。
4. 线性映射的诱导拉回映射
定义 设\(f:V\to W\)是向量空间之间的线性映射，定义拉回映射\(f^*:W_r^0\to V_r^0\)，对任意\(\Psi\in W_r^0\)，任意\(X_1,\dots,X_r\in V\)，
拉回映射是微分几何中流形之间的映射诱导微分形式拉回的代数原型，具有核心性质：
定理1.2.7 对称化算子、反对称化算子与拉回映射可交换，即
反对称化算子的证明
对任意\(\Psi\in W_r^0\)，任意\(X_1,\dots,X_r\in V\)，
由\(X_1,\dots,X_r\)的任意性，得\(\mathscr{A}_r\circ f^* = f^*\circ\mathscr{A}_r\)。
五、核心知识点归纳总结表
| 核心概念 | 严格定义 | 核心性质/定理 | 关键公式/变换规律 |
|---|---|---|---|
| k重线性映射 | 对每个变元都满足线性性的映射\(f:V_1\times\cdots\times V_k\to W\) | 全体构成向量空间\(\mathscr{L}(V_1,\dots,V_k;W)\)；值域不一定是子空间，需取生成子空间 | 双线性映射：\(f(\alpha X_1+X_2,Y)=\alpha f(X_1,Y)+f(X_2,Y)\) |
| 张量积\(V_1\otimes V_2\) | 满足泛性质的向量空间，将双线性映射转化为线性映射 | 同构意义下存在唯一；\(\dim(V_1\otimes V_2)=\dim V_1\cdot\dim V_2\)；与\(\mathscr{L}(V_1^*,V_2^*;F)\)同构 | 基：\(\{e_i\otimes\bar{e}_p\}\)；张量积双线性：\((\alpha X_1+X_2)\otimes Y=\alpha X_1\otimes Y+X_2\otimes Y\) |
| (r,s)型张量 | 张量空间\(V_s^r=\underbrace{V\otimes\cdots\otimes V}_{r个}\otimes\underbrace{V^*\otimes\cdots\otimes V^*}_{s个}\)的元素 | 是\(r\)个\(V^*\)、\(s\)个\(V\)上的多重线性泛函；\(\dim V_s^r=n^{r+s}\)（\(n=\dim V\)） | 分量表示：\(\Phi=\Phi_{j_1\dots j_s}^{i_1\dots i_r} e_{i_1}\otimes\cdots\otimes e_{i_r}\otimes\omega^{j_1}\otimes\cdots\otimes\omega^{j_s}\) |
| 张量基变换 | 基变换\(\bar{e}_i=a_i^l e_l\)，逆矩阵\(b_l^i\) | 反变指标与基变换反向，共变指标与基变换同向；是张量的核心判别准则 | 分量变换：\(\bar{\Phi}_{j_1\dots j_s}^{i_1\dots i_r} = \Phi_{l_1\dots l_s}^{k_1\dots k_r} b_{k_1}^{i_1}\cdots b_{k_r}^{i_r} a_{j_1}^{l_1}\cdots a_{j_s}^{l_s}\) |
| 张量乘法（张量积） | \(\Phi\in V_{s_1}^{r_1},\Psi\in V_{s_2}^{r_2}\)，则\(\Phi\otimes\Psi\in V_{s_1+s_2}^{r_1+r_2}\) | 满足结合律、分配律；不满足交换律；是张量代数的乘法 | 分量：\((\Phi\otimes\Psi)_{j_1\dots j_{s_1+s_2}}^{i_1\dots i_{r_1+r_2}} = \Phi_{j_1\dots j_{s_1}}^{i_1\dots i_{r_1}} \cdot \Psi_{j_{s_1+1}\dots j_{s_1+s_2}}^{i_{r_1+1}\dots i_{r_1+r_2}}\) |
| 缩并运算 | 对\((r,s)\)型张量，配对一个反变指标和一个共变指标求和，得到\((r-1,s-1)\)型张量 | 线性运算；与张量积可交换；是迹、散度的代数原型 | 分量：\(\text{ct}_{(i,j)}\Phi\)的分量为\(\Phi_{j_1\dots k\dots j_s}^{i_1\dots k\dots i_r}\)（对\(k\)求和） |
| 张量代数\(\mathscr{T}(V)\) | 所有张量空间的直和\(\bigoplus_{r,s=0}^\infty V_s^r\)，以张量积为乘法 | 结合代数；包含反变、共变两个子代数 | 元素为有限个不同类型张量的和 |
| 对称共变张量 | 交换任意两个变元值不变的\(r\)阶共变张量 | 是对称化算子的像空间\(\Theta^r(V^*)\)；对称化算子是投影算子 | 对称化算子：\(\mathscr{S}_r(\Phi)=\frac{1}{r!}\sum_{\sigma\in S_r}\sigma\Phi\)；对称\(\iff\mathscr{S}_r\Phi=\Phi\) |
| 反对称共变张量 | 交换任意两个变元值变号的\(r\)阶共变张量 | 是反对称化算子的像空间\(\Lambda^r(V^*)\)（外形式空间）；反对称化算子是投影算子 | 反对称化算子：\(\mathscr{A}_r(\Phi)=\frac{1}{r!}\sum_{\sigma\in S_r}(\text{sgn}\sigma)\sigma\Phi\)；反对称\(\iff\mathscr{A}_r\Phi=\Phi\) |
| 拉回映射\(f^*\) | 线性映射\(f:V\to W\)诱导的\(f^*:W_r^0\to V_r^0\)，\((f^*\Psi)(X_1,\dots,X_r)=\Psi(f(X_1),\dots,f(X_r))\) | 线性映射；与对称化、反对称化算子可交换 | 交换性：\(\mathscr{S}_r\circ f^*=f^*\circ\mathscr{S}_r\)，\(\mathscr{A}_r\circ f^*=f^*\circ\mathscr{A}_r\) |
外代数（Grassmann代数）详细讲解与推导
各位同学，今天我们讲解微分几何的核心代数工具——外代数（格拉斯曼代数）。外代数是反对称张量的代数体系，是流形上外微分形式、Stokes定理、活动标架法的基础，我们将从定义出发，完成所有定理的严格推导，最终归纳核心知识点。
一、前置基础：反对称张量空间
我们先回顾上一节的核心结论，作为外代数的基础：
- 设\(V\)是域\(F\)（微分几何中默认实数域\(\mathbb{R}\)，特征不为2）上的\(n\)维向量空间，\(V^*\)是其对偶空间。
- \(r\)阶反对称共变张量空间：\(\Lambda^r(V^*) = \mathscr{A}(V_r^0)\)，其中\(\mathscr{A}\)是反对称化算子，满足\(\mathscr{A}^2=\mathscr{A}\)，即反对称张量是反对称化算子的不动点。
- 约定：
- \(\Lambda^0(V^*) = F\)（标量，0阶反对称张量）；
- \(\Lambda^1(V^*) = V^*\)（1阶张量天然是反对称的，无变元可交换）；
- 当\(r>n\)时，\(\Lambda^r(V^*) = \{0\}\)（\(n\)维空间中\(r>n\)个向量必线性相关，反对称张量取值恒为0）。
我们的目标是：在反对称张量空间的直和上，定义一个满足结合律、反交换律的乘法，使其成为一个代数，这就是外代数。
二、外积（楔积）的定义与核心性质
1. 外积的定义
定义1.2.7 设\(\Phi\in\Lambda^r(V^*)\)（\(r\)阶反对称张量），\(\Psi\in\Lambda^s(V^*)\)（\(s\)阶反对称张量），定义外积（楔积）\(\wedge:\Lambda^r(V^*)\times\Lambda^s(V^*)\to\Lambda^{r+s}(V^*)\)为：
定义解读
- 反对称化算子的展开：反对称化算子\(\mathscr{A}(T) = \frac{1}{(r+s)!}\sum_{\sigma\in S_{r+s}} (\text{sgn}\sigma)\sigma T\)，代入外积定义可得等价形式：\[\Phi\wedge\Psi = \frac{1}{r!s!}\sum_{\sigma\in S_{r+s}} (\text{sgn}\sigma)\sigma(\Phi\otimes\Psi) \]这个形式更直观地体现了外积的本质：对张量积做带符号的全置换求和，得到反对称张量。
- 系数的意义：\(\frac{(r+s)!}{r!s!}\)是为了让外积的基满足简洁的运算规则，同时让外积与行列式、置换求和自然兼容。
- 良定性：\(\Phi\otimes\Psi\)是\(r+s\)阶张量，经反对称化后得到\(r+s\)阶反对称张量，因此外积的结果一定属于\(\Lambda^{r+s}(V^*)\)，运算封闭。
2. 外积的核心性质与严格证明
定理1.2.8 外积具有双线性、分配律、反交换律、结合律，即对任意\(\Phi,\Phi_1,\Phi_2\in\Lambda^r(V^*)\)，\(\Psi,\Psi_1,\Psi_2\in\Lambda^s(V^*)\)，\(\eta\in\Lambda^t(V^*)\)，\(\alpha,\beta\in F\)，有：
（i）双线性与分配律
证明：
张量积\(\otimes\)是双线性的，反对称化算子\(\mathscr{A}\)是线性的，因此二者的复合运算\(\wedge\)天然保持双线性，分配律是双线性的直接推论。
（ii）反交换律
证明：
外积的结果是反对称张量，因此对任意置换\(\tau\in S_{r+s}\)，有
我们构造一个特殊置换\(\tau\)：将前\(r\)个位置与后\(s\)个位置整体交换，即
步骤1：计算置换\(\tau\)的符号
将前\(r\)个元素每个都向后移动\(s\)个位置，总共需要\(r\times s\)次相邻交换，每次相邻交换改变置换符号一次，因此
步骤2：展开外积的作用
对任意\(X_1,X_2,\dots,X_{r+s}\in V\)，有
代入外积的展开式：
由\(X_1,\dots,X_{r+s}\)的任意性，得
反交换律得证。
两个直接推论
-
推论1 对任意\(\omega\in\Lambda^1(V^*)=V^*\)，有\(\omega\wedge\omega=0\)。
证明：取\(r=s=1\)，由反交换律\(\omega\wedge\omega = (-1)^{1\times1}\omega\wedge\omega = -\omega\wedge\omega\)，因此\(2\omega\wedge\omega=0\)，在特征不为2的域中，\(\omega\wedge\omega=0\)。 -
推论2 设\(\{\omega^i\}_{1\leq i\leq n}\)是\(V^*\)的一组基，则对任意\(1\leq i_1,\dots,i_r\leq n\)，有
\[\omega^{i_1}\wedge\omega^{i_2}\wedge\cdots\wedge\omega^{i_r} = r!\cdot\mathscr{A}(\omega^{i_1}\otimes\omega^{i_2}\otimes\cdots\otimes\omega^{i_r}) \tag{1.2.26} \]证明：由外积的结合律（下文证明）和数学归纳法，\(r=2\)时\(\omega^{i_1}\wedge\omega^{i_2}=\frac{2!}{1!1!}\mathscr{A}(\omega^{i_1}\otimes\omega^{i_2})\)成立；假设\(r-1\)时成立，则\(r\)时由结合律和外积定义直接得证。
（iii）结合律
证明：
我们只需证明两边都等于同一个表达式：\(\frac{(r+s+t)!}{r!s!t!}\mathscr{A}(\Phi\otimes\Psi\otimes\eta)\)，即可证明二者相等。
步骤1：展开左边\((\Phi\wedge\Psi)\wedge\eta\)
由外积定义，\(\Phi\wedge\Psi = \frac{(r+s)!}{r!s!}\mathscr{A}(\Phi\otimes\Psi)\)，因此
由于反对称化算子满足\(\mathscr{A}(\mathscr{A}(T)\otimes S)=\mathscr{A}(T\otimes S)\)（对张量先部分反对称化再整体反对称化，等于直接整体反对称化），因此
步骤2：展开右边\(\Phi\wedge(\Psi\wedge\eta)\)
同理可得
左右两边完全相等，因此结合律得证。
结合律的核心意义：外积的运算顺序不影响结果，因此可以直接写\(\Phi\wedge\Psi\wedge\eta\)，无需加括号，为高阶外积的运算提供了基础。
三、反对称张量空间的基、维数与外代数
1. 基与维数定理
定理1.2.9 设\(\dim V = n\)，则：
- 若\(r>n\)，则\(\Lambda^r(V^*) = \{0\}\)；
- 若\(0\leq r\leq n\)，则\(\dim\Lambda^r(V^*) = \binom{n}{r}\)，且\(\Lambda^r(V^*)\)的一组基为\[\{\omega^{i_1}\wedge\omega^{i_2}\wedge\cdots\wedge\omega^{i_r} \mid 1\leq i_1 < i_2 < \dots < i_r \leq n\} \]其中\(\{\omega^i\}_{1\leq i\leq n}\)是\(V^*\)的一组基。
严格证明
（1）\(r>n\)时\(\Lambda^r(V^*)=\{0\}\)
对任意\(\Phi\in\Lambda^r(V^*)\)，任意\(X_1,\dots,X_r\in V\)，由于\(r>n\)，\(n\)维空间中\(r\)个向量必线性相关，不妨设\(X_r = \sum_{i=1}^{r-1}a_i X_i\)。代入\(\Phi\)得：
而\(\Phi\)是反对称的，交换第\(i\)个和第\(r\)个变元得\(\Phi(\dots,X_i,\dots,X_i) = -\Phi(\dots,X_i,\dots,X_i)\)，因此\(\Phi(\dots,X_i,\dots,X_i)=0\)，故\(\Phi(X_1,\dots,X_r)=0\)，即\(\Phi=0\)，\(\Lambda^r(V^*)=\{0\}\)。
（2）\(0\leq r\leq n\)时的基与维数
我们分线性无关性和张成性两步证明：
步骤1：证明基的线性无关性
设存在系数\(a_{i_1\cdots i_r}\in F\)，使得
我们需要证明所有系数\(a_{i_1\cdots i_r}=0\)。
任取一组递增指标\(j_1<j_2<\dots<j_r\)，将剩下的\(n-r\)个指标按递增顺序记为\(j_{r+1}<\dots<j_n\)，用\(\omega^{j_{r+1}}\wedge\cdots\wedge\omega^{j_n}\)外乘上述等式两边：
- 对于等式中除\(a_{j_1\cdots j_r}\omega^{j_1}\wedge\cdots\wedge\omega^{j_r}\)外的所有项，其外积必然包含重复的指标，由\(\omega^i\wedge\omega^i=0\)，这些项全部为0；
- 仅剩下\(a_{j_1\cdots j_r}\cdot \omega^{j_1}\wedge\cdots\wedge\omega^{j_r}\wedge\omega^{j_{r+1}}\wedge\cdots\wedge\omega^{j_n}\)。
将\(V\)的基向量\(e_{j_1},e_{j_2},\dots,e_{j_n}\)代入该式，由对偶基的性质\(\omega^i(e_j)=\delta_j^i\)，得：
因此\(a_{j_1\cdots j_r}=0\)，由\(j_1<\dots<j_r\)的任意性，所有系数为0，线性无关性得证。
步骤2：证明张成性
对任意\(\Psi\in\Lambda^r(V^*)\)，\(\Psi\)作为\(r\)阶张量，可表示为
由于\(\Psi\)是反对称张量，其分量\(b_{j_1\cdots j_r}\)关于指标是反对称的，且\(\mathscr{A}\Psi=\Psi\)。
由外积的推论2，\(\omega^{j_1}\wedge\cdots\wedge\omega^{j_r}=r!\mathscr{A}(\omega^{j_1}\otimes\cdots\otimes\omega^{j_r})\)，因此：
由于分量\(b_{j_1\cdots j_r}\)是反对称的，交换指标会改变符号，因此我们可以将所有项按指标递增顺序合并，最终得到：
其中\(a_{i_1\cdots i_r}=b_{i_1\cdots i_r}\)，即\(\Psi\)可被基线性表出，张成性得证。
维数结论
基的个数等于从\(n\)个指标中选\(r\)个递增指标的组合数\(\binom{n}{r}\)，因此\(\dim\Lambda^r(V^*)=\binom{n}{r}\)。
核心推论
\(\theta^1,\theta^2,\dots,\theta^r\in V^*\)线性相关的充要条件是\(\theta^1\wedge\theta^2\wedge\cdots\wedge\theta^r=0\)。
证明：
- 必要性：若\(\theta^1,\dots,\theta^r\)线性相关，不妨设\(\theta^r=\sum_{i=1}^{r-1}a_i\theta^i\)，代入外积得：\[\theta^1\wedge\cdots\wedge\theta^r = \sum_{i=1}^{r-1}a_i \theta^1\wedge\cdots\wedge\theta^{r-1}\wedge\theta^i \]每一项都有重复的\(\theta^i\)，外积为0，因此整体为0。
- 充分性：若\(\theta^1\wedge\cdots\wedge\theta^r=0\)，反证假设\(\theta^1,\dots,\theta^r\)线性无关，则可将其扩充为\(V^*\)的一组基，此时\(\theta^1\wedge\cdots\wedge\theta^r\)是\(\Lambda^r(V^*)\)的基元素，非零，与条件矛盾，因此必线性相关。
2. 外代数（Grassmann代数）的定义
我们将所有阶数的反对称张量空间做直和，得到：
外代数的核心性质
- 维数：\(\dim\Lambda(V^*) = \sum_{r=0}^n \binom{n}{r} = 2^n\)，是\(2^n\)维的向量空间。
- 代数结构：以外积作为乘法，外积的双线性、结合律保证了\(\Lambda(V^*)\)构成\(F\)上的结合代数，称为外代数（格拉斯曼代数）。
- 外代数的基：\[\{1,\ \omega^i(1\leq i\leq n),\ \omega^{i_1}\wedge\omega^{i_2}(1\leq i_1<i_2\leq n),\ \dots,\ \omega^1\wedge\omega^2\wedge\cdots\wedge\omega^n\} \]其中\(1\in\Lambda^0(V^*)=F\)是外积的单位元，满足\(1\wedge\Phi=\Phi\wedge1=\Phi\)。
四、外代数的核心定理
1. Cartan引理（定理1.2.10）
Cartan引理是微分几何活动标架法的核心工具，是外积反交换律的重要应用。
定理陈述：设\(\omega^1,\omega^2,\dots,\omega^r\in V^*\)是线性无关的1-形式，\(\theta^1,\theta^2,\dots,\theta^r\in V^*\)，则
的充要条件是：\(\theta^i\)可表示为\(\omega^1,\dots,\omega^r\)的线性组合，且系数矩阵对称，即
严格证明
必要性（\(\sum\omega^i\wedge\theta^i=0 \implies \theta^i=\sum a_{ij}\omega^j,\ a_{ij}=a_{ji}\)）
-
基扩充：由于\(\omega^1,\dots,\omega^r\)线性无关，将其扩充为\(V^*\)的一组基\(\{\omega^1,\dots,\omega^r,\omega^{r+1},\dots,\omega^n\}\)。
-
展开\(\theta^i\)：每个\(\theta^i\)可唯一表示为
\[\theta^i = \sum_{j=1}^r a_{ij}\omega^j + \sum_{p=r+1}^n a_{ip}\omega^p \] -
展开外积和：
\[\begin{aligned} \sum_{i=1}^r \omega^i\wedge\theta^i &= \sum_{i=1}^r \omega^i\wedge\left( \sum_{j=1}^r a_{ij}\omega^j + \sum_{p=r+1}^n a_{ip}\omega^p \right) \\ &= \sum_{i,j=1}^r a_{ij}\omega^i\wedge\omega^j + \sum_{i=1}^r\sum_{p=r+1}^n a_{ip}\omega^i\wedge\omega^p \end{aligned} \] -
化简两项：
- 第一项：\(\sum_{i,j=1}^r a_{ij}\omega^i\wedge\omega^j = \sum_{1\leq i<j\leq r} (a_{ij}-a_{ji})\omega^i\wedge\omega^j\)（\(i=j\)时外积为0，\(i>j\)时交换指标变号）；
- 第二项：\(\sum_{i=1}^r\sum_{p=r+1}^n a_{ip}\omega^i\wedge\omega^p\)，其中\(\omega^i\wedge\omega^p\)（\(i\leq r<p\)）是\(\Lambda^2(V^*)\)的基元素，线性无关。
-
系数为0的条件：
由于\(\sum\omega^i\wedge\theta^i=0\)，而\(\Lambda^2(V^*)\)的基线性无关，因此所有系数必须为0：- 第二项的系数\(a_{ip}=0\)（\(1\leq i\leq r,\ r+1\leq p\leq n\)），即\(\theta^i\)仅含\(\omega^1,\dots,\omega^r\)的项：\(\theta^i=\sum_{j=1}^r a_{ij}\omega^j\)；
- 第一项的系数\(a_{ij}-a_{ji}=0\)，即\(a_{ij}=a_{ji}\)，系数矩阵对称。
充分性（\(\theta^i=\sum a_{ij}\omega^j,\ a_{ij}=a_{ji} \implies \sum\omega^i\wedge\theta^i=0\)）
将\(\theta^i\)代入外积和：
由\(a_{ij}=a_{ji}\)，所有项的系数为0，因此\(\sum\omega^i\wedge\theta^i=0\)，充分性得证。
2. 外形式的分解定理（定理1.2.11）
这是Cartan引理的推广，刻画了可被一组线性无关1-形式分解的外形式的充要条件。
定理陈述：设\(\omega^1,\dots,\omega^r\in V^*\)是线性无关的1-形式，\(\Phi\in\Lambda^s(V^*)\)，则存在\(\Psi^1,\dots,\Psi^r\in\Lambda^{s-1}(V^*)\)，使得
的充要条件是
严格证明
必要性（\(\Phi=\sum\omega^i\wedge\Psi^i \implies \omega^1\wedge\cdots\wedge\omega^r\wedge\Phi=0\)）
将\(\Phi\)代入得：
每一项都包含重复的\(\omega^i\)，由外积的反交换律，重复指标的外积为0，因此整体为0，必要性得证。
充分性（\(\omega^1\wedge\cdots\wedge\omega^r\wedge\Phi=0 \implies \Phi=\sum\omega^i\wedge\Psi^i\)）
- 基扩充：将\(\omega^1,\dots,\omega^r\)扩充为\(V^*\)的一组基\(\{\omega^1,\dots,\omega^n\}\)，则\(\Phi\)可唯一表示为\[\Phi = \sum_{1\leq i_1<\dots<i_s\leq n} a_{i_1\cdots i_s} \omega^{i_1}\wedge\cdots\wedge\omega^{i_s} \]
- 分析条件：\(\omega^1\wedge\cdots\wedge\omega^r\wedge\Phi=0\)，展开后，外积非零的充要条件是\(\omega^{i_1},\dots,\omega^{i_s}\)的指标都不在\(1,\dots,r\)中（即所有指标\(\geq r+1\)）。
由于外积结果为0，而\(\{\omega^1\wedge\cdots\wedge\omega^r\wedge\omega^{i_1}\wedge\cdots\wedge\omega^{i_s}\mid i_1,\dots,i_s\geq r+1\}\)是\(\Lambda^{r+s}(V^*)\)的基元素，线性无关，因此所有对应系数\(a_{i_1\cdots i_s}=0\)。 - 分解\(\Phi\)：\(\Phi\)的展开式中，所有非零项都至少包含一个\(1,\dots,r\)中的指标，因此可以将每个项中的\(\omega^i\)（\(i\leq r\)）提出来，整理为\[\Phi = \omega^1\wedge\Psi^1 + \omega^2\wedge\Psi^2 + \dots + \omega^r\wedge\Psi^r \]其中\(\Psi^i\in\Lambda^{s-1}(V^*)\)，充分性得证。
3. 线性映射的诱导拉回与外积的交换性（定理1.2.12）
这个定理是流形上光滑映射诱导微分形式拉回的代数原型，是外微分形式理论的核心基础。
定理陈述：设\(f:V\to W\)是向量空间之间的线性映射，其诱导的拉回映射\(f^*:\Lambda^r(W^*)\to\Lambda^r(V^*)\)定义为
则拉回映射与外积可交换，即对任意\(\Phi\in\Lambda^r(W^*)\)，\(\Psi\in\Lambda^s(W^*)\)，有
即\(f^*\)是外代数\(\Lambda(W^*)\to\Lambda(V^*)\)的代数同态。
严格证明
对任意\(X_1,X_2,\dots,X_{r+s}\in V\)，我们逐行展开验证：
由\(X_1,\dots,X_{r+s}\)的任意性，得\(f^*(\Phi\wedge\Psi)=f^*\Phi\wedge f^*\Psi\)，定理得证。
五、核心知识点归纳总结表
| 核心概念 | 严格定义 | 核心性质/定理 | 关键公式 |
|---|---|---|---|
| \(r\)阶反对称张量空间\(\Lambda^r(V^*)\) | 反对称化算子的像空间\(\mathscr{A}(V_r^0)\)，约定\(\Lambda^0(V^*)=F\)，\(\Lambda^1(V^*)=V^*\) | \(r>n\)时\(\Lambda^r(V^*)=\{0\}\)；\(0\leq r\leq n\)时\(\dim\Lambda^r(V^*)=\binom{n}{r}\) | 反对称性：\(\Phi(\dots,X_a,\dots,X_b,\dots)=-\Phi(\dots,X_b,\dots,X_a,\dots)\) |
| 外积（楔积）\(\wedge\) | \(\Phi\in\Lambda^r,\Psi\in\Lambda^s\)，则\(\Phi\wedge\Psi=\frac{(r+s)!}{r!s!}\mathscr{A}(\Phi\otimes\Psi)\) | 双线性、分配律、反交换律、结合律；运算封闭，结果为\(\Lambda^{r+s}\)的元素 | 反交换律：\(\Phi\wedge\Psi=(-1)^{rs}\Psi\wedge\Phi\)；结合律：\((\Phi\wedge\Psi)\wedge\eta=\Phi\wedge(\Psi\wedge\eta)\) |
| 外代数\(\Lambda(V^*)\) | 所有反对称张量空间的直和\(\bigoplus_{r=0}^n\Lambda^r(V^*)\)，以外积为乘法 | \(2^n\)维结合代数，是微分几何外微分形式的代数原型 | 基：\(\{1,\omega^i,\omega^{i_1}\wedge\omega^{i_2}(i_1<i_2),\dots,\omega^1\wedge\cdots\wedge\omega^n\}\) |
| 1-形式线性无关判别 | \(\theta^1,\dots,\theta^r\in V^*\)线性相关\(\iff\theta^1\wedge\cdots\wedge\theta^r=0\) | 是判断微分形式线性无关的核心准则 | 线性无关\(\implies\theta^1\wedge\cdots\wedge\theta^r\neq0\) |
| Cartan引理 | 线性无关的\(\omega^1,\dots,\omega^r\)，\(\sum\omega^i\wedge\theta^i=0\)的充要条件是\(\theta^i=\sum a_{ij}\omega^j\)，\(a_{ij}=a_{ji}\) | 活动标架法的核心工具，刻画外积为零的条件 | \(\sum_{i=1}^r\omega^i\wedge\theta^i=0\iff\theta^i=\sum_{j=1}^r a_{ij}\omega^j,\ a_{ij}=a_{ji}\) |
| 外形式分解定理 | \(\Phi\in\Lambda^s\)可分解为\(\sum\omega^i\wedge\Psi^i\)的充要条件是\(\omega^1\wedge\cdots\wedge\omega^r\wedge\Phi=0\) | 刻画了外形式的可分解性，是Poincaré引理的代数基础 | \(\Phi=\sum_{i=1}^r\omega^i\wedge\Psi^i\iff\omega^1\wedge\cdots\wedge\omega^r\wedge\Phi=0\) |
| 拉回映射\(f^*\) | 线性映射\(f:V\to W\)诱导\(f^*:\Lambda^r(W^*)\to\Lambda^r(V^*)\)，\((f^*\Psi)(X_1,\dots,X_r)=\Psi(f(X_1),\dots,f(X_r))\) | 与外积可交换，是外代数的同态，流形上微分形式拉回的原型 | \(f^*(\Phi\wedge\Psi)=f^*\Phi\wedge f^*\Psi\) |
欧氏向量空间 详细讲解与推导
各位同学，今天我们讲解欧氏向量空间——这是从线性代数过渡到黎曼几何的核心桥梁。黎曼流形的本质，就是在光滑流形的每个切空间上，都配备了一个光滑变化的欧氏内积（度量张量）。我们将从定义出发，完成所有命题的严格证明，讲清每个概念的几何意义与微分几何中的应用价值。
一、正定对称二阶张量与内积的等价性
1. 正定二阶对称共变张量的定义
定义1.2.8 设\(V\)是实数域\(\mathbb{R}\)上的\(n\)维向量空间，\(g\in\Theta^2(V^*)\)（即\(g\)是二阶对称共变张量，等价于\(g:V\times V\to\mathbb{R}\)是双线性对称映射）。若对任意非零向量\(X\in V\)，都有
则称\(g\)是正定的二阶对称共变张量，也称为度量张量。
基下的分量表示
设\(\{e_i\}_{1\leq i\leq n}\)是\(V\)的一组基，\(\{\omega^i\}_{1\leq i\leq n}\)是\(V^*\)中的对偶基（满足\(\omega^i(e_j)=\delta_j^i\)），则二阶对称张量\(g\)可唯一表示为：
由\(g\)的对称性，分量满足\(g_{ij}=g_{ji}\)，即矩阵\(G=(g_{ij})_{n\times n}\)是对称矩阵。
对任意向量\(X=X^i e_i\in V\)，代入\(g\)的表达式得：
这是关于分量\(X^1,\dots,X^n\)的二次型。根据线性代数中二次型正定性的结论，\(g\)正定的充要条件是其分量矩阵\(G=(g_{ij})\)是正定对称矩阵。
2. 内积的定义与等价性定理
我们先回顾内积的公理化定义：
\(V\)上的内积是一个映射\(\langle\ \cdot\ ,\ \cdot\ \rangle:V\times V\to\mathbb{R}\)，对任意\(X,Y,Z\in V\)，\(\alpha\in\mathbb{R}\)，满足以下4条公理：
- 对称性：\(\langle X,Y\rangle = \langle Y,X\rangle\)；
- 数乘齐次性：\(\langle \alpha X,Y\rangle = \alpha\langle X,Y\rangle\)；
- 加法线性性：\(\langle X+Y,Z\rangle = \langle X,Z\rangle + \langle Y,Z\rangle\)；
- 正定性：\(\langle X,X\rangle \geq 0\)，且等号成立当且仅当\(X=0\)。
核心等价定理
在\(n\)维实向量空间\(V\)上，给定一个正定对称二阶共变张量\(g\)，等价于给定\(V\)上的一个内积。
严格证明
我们分双向证明等价性：
-
充分性（正定张量\(\implies\)内积）
给定正定对称二阶共变张量\(g\)，定义映射\(\langle X,Y\rangle = g(X,Y)\)，验证其满足内积的4条公理：- 对称性：由\(g\)的对称性，\(\langle X,Y\rangle=g(X,Y)=g(Y,X)=\langle Y,X\rangle\)；
- 数乘齐次性：由\(g\)的双线性性，\(\langle\alpha X,Y\rangle=g(\alpha X,Y)=\alpha g(X,Y)=\alpha\langle X,Y\rangle\)；
- 加法线性性：由\(g\)的双线性性，\(\langle X+Y,Z\rangle=g(X+Y,Z)=g(X,Z)+g(Y,Z)=\langle X,Z\rangle+\langle Y,Z\rangle\)；
- 正定性：由\(g\)的正定性，\(\langle X,X\rangle=g(X,X)\geq0\)，且\(\langle X,X\rangle=0\)当且仅当\(X=0\)。
因此\(\langle\ \cdot\ ,\ \cdot\ \rangle\)是\(V\)上的内积。
-
必要性（内积\(\implies\)正定张量）
给定\(V\)上的内积\(\langle\ \cdot\ ,\ \cdot\ \rangle\)，定义映射\(g:V\times V\to\mathbb{R}\)为\(g(X,Y)=\langle X,Y\rangle\)。
由内积的对称性、双线性性，\(g\)是二阶对称共变张量；由内积的正定性，对非零\(X\)有\(g(X,X)=\langle X,X\rangle>0\)，因此\(g\)是正定对称二阶共变张量。
这个等价性是微分几何的核心：黎曼度量就是流形切空间上的一族光滑的正定对称二阶张量，也就是每个切空间上的内积。
二、范数、距离与核心不等式
利用内积，我们可以给向量空间赋予几何结构：长度、距离、角度。
1. 范数与距离的定义
-
向量的范数（长度）：对任意\(X\in V\)，定义
\[\|X\| = \langle X,X\rangle^{1/2} = \sqrt{g(X,X)} \tag{1.2.39} \]范数为1的向量称为单位向量。
-
两点间的距离：对任意\(X,Y\in V\)，定义二者的距离为
\[d(X,Y) = \|X-Y\| \tag{1.2.40} \]
2. 核心不等式的严格证明
（1）Schwarz不等式
对任意\(X,Y\in V\)，有
等号成立当且仅当\(X,Y\)线性相关。
证明：
对任意实数\(t\in\mathbb{R}\)，由内积的正定性，有
展开双线性型：
这是关于\(t\)的一元二次函数，二次项系数\(\langle Y,Y\rangle\geq0\)，函数恒非负，因此判别式\(\Delta\leq0\)：
化简得：
两边开平方即得\(|\langle X,Y\rangle| \leq \|X\|\cdot\|Y\|\)。
等号成立当且仅当判别式\(\Delta=0\)，此时二次函数有重根\(t_0\)，使得\(\langle X+t_0Y,X+t_0Y\rangle=0\)，由正定性得\(X+t_0Y=0\)，即\(X,Y\)线性相关。
（2）三角不等式
对任意\(X,Y\in V\)，有
等号成立当且仅当\(X,Y\)同向（即存在非负实数\(t\)，使得\(X=tY\)或\(Y=tX\)）。
证明：
展开范数的平方：
由Schwarz不等式，\(\langle X,Y\rangle \leq |\langle X,Y\rangle| \leq \|X\|\cdot\|Y\|\)，因此：
两边开平方即得三角不等式。
三、欧氏向量空间、正交性与正交规范基
1. 欧氏向量空间的定义
定义1.2.9 实向量空间\(V\)，连同其上由度量张量\(g\)确定的内积、范数，称为欧氏向量空间，简记为\((V,g)\)。
角度与正交性
由Schwarz不等式，对任意非零向量\(X,Y\in V\)，有
因此可唯一确定角度\(\theta\in[0,\pi]\)，满足
- 若\(\theta=\frac{\pi}{2}\)，即\(\langle X,Y\rangle=0\)，则称向量\(X\)和\(Y\)正交；
- 若\(V\)的一组基\(\{e_i\}_{1\leq i\leq n}\)满足：两两正交，且每个向量都是单位向量，即\[\langle e_i,e_j\rangle = \delta_{ij} = \begin{cases}1,\ i=j \\ 0,\ i\neq j\end{cases} \]则称\(\{e_i\}\)为\(V\)的正交规范基（幺正基）。
2. 正交规范基的存在性（Schmidt正交化）
命题1.2.13 任意\(n\)维欧氏向量空间\((V,g)\)中，一定存在正交规范基。
证明：Schmidt正交化过程
我们通过构造性证明，从任意一组基出发，得到正交规范基。
设\(\{\bar{e}_1,\bar{e}_2,\dots,\bar{e}_n\}\)是\(V\)的任意一组基，我们分两步构造正交规范基：
步骤1：正交化
-
第一个向量：取\(e_1' = \bar{e}_1\)，显然\(e_1'\neq0\)（基向量线性无关）。
-
归纳构造第\(k\)个向量（\(k\geq2\)）：
假设已经构造了\(e_1',e_2',\dots,e_{k-1}'\)，两两正交且非零，令\[e_k' = \bar{e}_k - \sum_{i=1}^{k-1} \frac{\langle e_i',\bar{e}_k\rangle}{\langle e_i',e_i'\rangle} e_i' \]验证正交性：对任意\(1\leq j\leq k-1\)，计算内积
\[\begin{aligned} \langle e_j',e_k'\rangle &= \langle e_j',\bar{e}_k\rangle - \sum_{i=1}^{k-1} \frac{\langle e_i',\bar{e}_k\rangle}{\langle e_i',e_i'\rangle} \langle e_j',e_i'\rangle \\ &= \langle e_j',\bar{e}_k\rangle - \frac{\langle e_j',\bar{e}_k\rangle}{\langle e_j',e_j'\rangle} \langle e_j',e_j'\rangle \\ &= 0 \end{aligned} \]因此\(e_k'\)与\(e_1',\dots,e_{k-1}'\)都正交。
验证非零性：若\(e_k'=0\)，则\(\bar{e}_k = \sum_{i=1}^{k-1} \frac{\langle e_i',\bar{e}_k\rangle}{\langle e_i',e_i'\rangle} e_i'\)，即\(\bar{e}_k\)可被\(\bar{e}_1,\dots,\bar{e}_{k-1}\)线性表出，与基的线性无关性矛盾，因此\(e_k'\neq0\)。
最终我们得到\(n\)个两两正交的非零向量\(\{e_1',\dots,e_n'\}\)，构成\(V\)的一组正交基。
步骤2：单位化（规范化）
对每个正交基向量，除以其长度得到单位向量：
显然\(\|e_k\|=1\)，且\(\langle e_i,e_j\rangle = \frac{1}{\|e_i'\|\|e_j'\|}\langle e_i',e_j'\rangle = \delta_{ij}\)，因此\(\{e_1,\dots,e_n\}\)是\(V\)的一组正交规范基。
正交规范基的核心优势
在正交规范基\(\{e_i\}\)下，度量张量的分量满足：
即度量矩阵\(G\)是单位矩阵\(I_n\)。
对任意向量\(X=X^i e_i\)，\(Y=Y^i e_i\)，内积简化为：
这就是我们熟悉的欧氏空间笛卡尔坐标系下的数量积，也是正交规范基能极大简化计算的核心原因。
四、度量张量的共轭、V与V*的自然同构
1. 共轭度量张量
在欧氏空间\((V,g)\)中，度量矩阵\(G=(g_{ij})\)是正定对称矩阵，因此一定可逆。记其逆矩阵为\(G^{-1}=(g^{ij})_{n\times n}\)，满足：
即逆矩阵也是对称矩阵。
利用\(g^{ij}\)，我们可以构造一个\((2,0)\)型对称张量：
称为度量张量\(g\)的共轭度量张量，它是对偶空间\(V^*\)上的内积：对任意\(\theta,\sigma\in V^*\)，
2. V与V*的自然同构（指标升降）
度量张量的核心作用之一，是建立了向量空间\(V\)与其对偶空间\(V^*\)之间的自然同构，这就是微分几何中“指标升降”操作的代数基础。
同构映射的构造
定义线性映射\(f:V\to V^*\)：
- 对基向量\(e_i\)，定义\(f(e_i) = g_{ij}\omega^j\)；
- 将\(f\)线性扩张到整个\(V\)：对任意\(X=X^i e_i\in V\)，\[f(X) = X^i f(e_i) = X^i g_{ij} \omega^j = X_j \omega^j \]其中\(X_j = g_{ij}X^i\)，称为向量\(X\)的共变分量，对应的\(X^i\)称为反变分量。
证明\(f\)是线性同构
我们分别证明\(f\)是单射和满射：
- 单射：若\(f(X)=0\)，则\(X_j=0\)对所有\(j\)成立。由\(X^i = g^{ij}X_j\)，得\(X^i=0\)，因此\(X=0\)，故\(f\)是单射。
- 满射：对任意\(\sigma=\sigma_i\omega^i\in V^*\)，取\(X = \sigma_i g^{ij} e_j\in V\)，则\[f(X) = X^k g_{kj} \omega^j = \sigma_i g^{ik} g_{kj} \omega^j = \sigma_i \delta_i^j \omega^j = \sigma_i \omega^i = \sigma \]因此\(f\)是满射。
综上，\(f\)是\(V\to V^*\)的线性双射，即线性同构。
3. 欧氏空间的自然同构命题
命题1.2.14 欧氏向量空间\((V,g)\)和\((V^*,\tilde{g})\)是自然同构的，即同构映射\(f\)保持内积：
严格证明
设\(X=X^i e_i\)，\(Y=Y^j e_j\)，则\(f(X)=X_i\omega^i\)，\(f(Y)=Y_j\omega^j\)，其中\(X_i=g_{ik}X^k\)，\(Y_j=g_{jl}Y^l\)。
计算对偶空间的内积：
因此同构映射\(f\)保持内积，\((V,g)\)和\((V^*,\tilde{g})\)作为欧氏空间是自然同构的。
正交规范基下的简化
在正交规范基下，\(g_{ij}=g^{ij}=\delta_{ij}\)，因此\(X_i = \delta_{ij}X^j = X^i\)，即共变分量与反变分量完全相等，无需区分，这也是正交规范基的另一大优势。
五、张量空间的内积
利用度量张量\(g\)和共轭度量\(\tilde{g}\)，我们可以将内积自然推广到任意\((r,s)\)型张量空间\(V_s^r\)，使其也成为欧氏向量空间。
以\((1,2)\)型张量空间\(V_2^1\)为例，设两个张量：
定义它们的内积为：每个反变指标用共轭度量\(g^{ab}\)缩并，每个共变指标用度量\(g_{ab}\)缩并，即
1. 张量的范数
张量\(\Phi\)的范数定义为：
2. 正交规范基下的简化
在正交规范基下，\(g_{ij}=g^{ij}=\delta_{ij}\)，内积简化为分量的平方和：
范数简化为：
这个结论可以推广到任意\((r,s)\)型张量：正交规范基下，张量的内积就是所有分量对应相乘再求和，范数就是分量平方和的平方根。
六、核心知识点归纳总结表
| 核心概念 | 严格定义 | 核心性质/定理 | 关键公式 |
|---|---|---|---|
| 正定对称二阶共变张量\(g\) | \(g\in\Theta^2(V^*)\)，双线性对称，且对非零\(X\)有\(g(X,X)>0\) | 等价于\(V\)上的内积；分量矩阵\(G=(g_{ij})\)是正定对称矩阵 | \(g=g_{ij}\omega^i\otimes\omega^j\)，\(g_{ij}=g(e_i,e_j)\) |
| 内积 | 满足对称性、双线性、正定性的映射\(\langle\cdot,\cdot\rangle:V\times V\to\mathbb{R}\) | 与正定对称二阶张量一一对应；是欧氏空间的核心结构 | \(\langle X,Y\rangle=g(X,Y)=g_{ij}X^iY^j\) |
| 范数 | \(|X|=\sqrt{\langle X,X\rangle}\) | 满足Schwarz不等式、三角不等式；刻画向量的长度 | \(|X|=\sqrt{g_{ij}X^iX^j}\) |
| 欧氏向量空间 | 配备了内积（度量张量\(g\)）的实向量空间\((V,g)\) | 存在正交规范基；是黎曼流形切空间的代数模型 | 角度：\(\cos\theta=\frac{\langle X,Y\rangle}{|X||Y|}\) |
| 正交规范基 | 满足\(\langle e_i,e_j\rangle=\delta_{ij}\)的基 | 度量矩阵为单位矩阵；无需区分共变/反变分量；通过Schmidt正交化构造 | \(g_{ij}=g^{ij}=\delta_{ij}\)，\(\langle X,Y\rangle=\sum_{i=1}^n X^iY^i\) |
| 共轭度量张量\(\tilde{g}\) | \((2,0)\)型对称张量\(\tilde{g}=g^{ij}e_i\otimes e_j\)，\(G^{-1}=(g^{ij})\)是\(G\)的逆矩阵 | 是对偶空间\(V^*\)上的内积；满足\(g_{ij}g^{jk}=\delta_i^k\) | \(\tilde{g}(\theta,\sigma)=g^{ij}\theta_i\sigma_j\) |
| \(V\)与\(V^*\)的自然同构 | 线性映射\(f:V\to V^*\)，\(f(X)=g_{ij}X^i\omega^j=X_j\omega^j\) | 保持内积；是微分几何中指标升降的代数基础 | 共变分量\(X_i=g_{ij}X^j\)，反变分量\(X^i=g^{ij}X_j\) |
| 张量空间的内积 | 反变指标用\(g^{ab}\)缩并，共变指标用\(g_{ab}\)缩并 | 使任意\((r,s)\)型张量空间成为欧氏空间 | 正交规范基下：\(\langle\Phi,\Psi\rangle=\sum\Phi_{\cdot\cdot}^{\cdot}\Psi_{\cdot\cdot}^{\cdot}\)，\(|\Phi|=\sqrt{\sum(\Phi_{\cdot\cdot}^{\cdot})^2}\) |
posted on 2026-03-10 13:24 Indian_Mysore 阅读(5) 评论(0) 收藏 举报
浙公网安备 33010602011771号