张量与张量的运算

线性空间

设$\mathfrak{K}$是任意域，满足下列公理的元素（被称为向量）组成的集合$V$称为定义在$\mathfrak{K}$上的向量（线性）空间：

在$V$上给出一个二元运算$V\times V⟶V$，且赋予$V$阿贝尔群结构：

1. $x+y=y+x$（交换律）；
2. $(x+y)+z=x+(y+z)$（结合律）；
3. 存在零元素，即零向量，对$\forall x\in V$都有$x+0=x$；
4. 对于$\forall x\in V$，都有一个逆元素，使得$x+(-x)=0$；

在集合$\mathfrak{K}\times V$上给定一个运算$(\lambda ,x)⟼\lambda x$，使得具有如下性质：

1. $1\cdot x=x$；
2. $\forall \alpha ,\beta \in \mathfrak{K},\forall x\in V$都有$(\alpha \beta )x=\alpha \beta (x)$（结合律）

以及，可以延伸出来的：

1. $(\alpha +\beta )x=\alpha x+\beta x$
2. $\lambda (x+y)=\lambda x+\lambda y$

可见，向量空间和群环域一样都是一种代数学的基本结构，这也就意味着向量空间中的向量可以是多项式，函数，序列等，只要满足它们的集合满足上述公理即可，而$\mathfrak{K}$在这里提供的是一个“标量”的角色。

维数与基底

线性相关性

空间$V$的向量$v_1,\cdots ,v_n$中，如果存在一个不全为$0$的标量，使得：
$${\alpha }_1{v}_1+{\alpha }_2{v}_2+\cdots +{\alpha }_n{v}_n=0$$
则称向量组$v_1,\cdots ,v_n$是线性相关的，否则则是线性无关的。

秩

给定的一个向量组中，最大的线性无关子向量组的元素个数，即是该向量组的秩。

维数

在整个向量空间$V$中，最大线性无关向量组的元素个数为$n$，那么称该空间的维数为$n$，记作$dimV=n$。

基底

设$V$是$n$维向量空间，任意$n$个线性无关的向量$e_1,\cdots ,e_n$构成的组就称为空间$V$的（有限的线性的）基底。

对偶空间

线性函数

如果有映射$f:V⟶\mathfrak{K}$，且：
$$f(\alpha x+\beta y)=\alpha f(x)+\beta f(y),\forall \alpha ,\beta \in \mathfrak{K},\forall x,y\in V$$

则称$f$是定义在$V$上的线性函数。

对偶空间和对偶基底

若$V$上有线性函数$f$和$g$，那么令：

$$(\alpha f+\beta g)(x)=\alpha f(x)+\beta g(y)$$

可以验证，$\alpha f+\beta g$也是一个线性函数，于是，我们可以定义：

向量空间$V$中所有的线性函数也可以构成一个向量空间，该向量空间被称为$V$的对偶空间，记作：$V^{\ast }=\mathcal{L}(V,\mathfrak{K})$。因为符合向量空间的定义，所以对偶空间内的元素本质是线性函数的同时，也可以称为向量。

于是，对偶空间$V^{\ast }$中的元素被称为共变向量（余向量），称$V$中的元素为反变向量。

从本质上来讲，如果一个定义在$\mathfrak{K}$上有一个向量空间$V$，它有一组基底 { e 1 , ⋯   , e n } \{e_1,\cdots,e_n\} {e1​,⋯,en​}，那么定义它的对偶基底 { e 1 , ⋯   , e n } \{e^1,\cdots,e^n\} {e1,⋯,en}时，则是如下过程：

1. 首先，对偶基的本质是一个函数，它的定义域即是$V$，其中的元素是向量，任何向量都可以被表示为形如：$v=v^1{e}_1+\cdots +v^n{e}_n$的形式，其中$v^1,\cdots ,v^n\in \mathfrak{K}$，是对应方向上的分量；
2. 然后，对偶基的值域是$\mathfrak{K}$，在满足上述定义的时候，对偶函数$e^i$作用于向量$v$上时，就得到了$v$在$e_i$方向上的分量$e^i$；
3. 因此，对偶基的构造就要满足：$e^i{e}_j={\delta }_{ij}$，其中${\delta }_{ij}=\{\begin{array}{cc}1& i=j\\ 0& i\ne j\end{array}$

多重线性映射

如果在$\mathfrak{K}$上有向量空间$V_1,\cdots ,V_p,U$，映射

$$f:V_1\times \cdots \times V_p⟶U$$

被称为多重线性映射（$p$-线性映射）。

张量

设$\mathfrak{K}$是一个域，$V$是其上的一个向量空间，$V^{\ast }$是$V$的对偶空间，$p$和$q$都是大于等于零的整数，

$$V^p\times (V^{\ast }{)}^q=\underset{p}{\underbrace{V\times \cdots \times V}}\times \underset{q}{\underbrace{V^{\ast }\times \cdots \times V^{\ast }}}$$

是$p$重空间$V$和$q$重空间$V^{\ast }$的笛卡尔积，所有的$p+q$重线性映射：

$$f:V^p\times (V^{\ast }{)}^q⟶\mathfrak{K}$$

都被称为$V$上的$(p,q)$型，$p+q$阶张量。

特别的，$(1,0)$型张量就是通常的$V$上的线性函数，也就是$V^{\ast }$的一个元素，而$(0,1)$型张量就是$V^{\ast }$上的一个线性函数，也就是$V$的一个元素。