1. 正张量、非负张量的概念
定义 对称二阶张量(对称仿射量) N \bold N N对应有二次型 x ⃗ ∙ N ∙ x ⃗ = N : x ⃗ x ⃗ \vec{x}\bullet\bold{N}\bullet\vec{x}=\bold{N}:\vec{x}\vec{x} x∙N∙x=N:xx
(1) 若该二次型正定则称作正张量(对称正定仿射量),记作 N > 0 \bold{N}>0 N>0;
(2) 若二次型非负则称作非负张量,记作 N ≥ 0 \bold{N}\ge0 N≥0。显然,正张量必定为非负张量。
2. 正张量、非负张量的充要条件
对称张量可在其正交标准基
{
e
⃗
1
,
e
⃗
2
,
e
⃗
3
}
\{\vec{e}_1,\vec{e}_2,\vec{e}_3\}
{e1,e2,e3}中进行谱表示,以方便进一步讨论:(不区分上下标)
x
⃗
∙
N
∙
x
⃗
=
N
:
x
⃗
x
⃗
=
(
u
1
e
⃗
1
+
u
2
e
⃗
2
+
u
3
e
⃗
3
)
∙
(
λ
1
e
⃗
1
e
⃗
1
+
λ
2
e
⃗
2
e
⃗
2
+
λ
3
e
⃗
3
e
⃗
3
)
∙
(
u
1
e
⃗
1
+
u
2
e
⃗
2
+
u
3
e
⃗
3
)
=
(
u
1
λ
1
e
⃗
1
+
u
2
λ
2
e
⃗
2
+
u
3
λ
3
e
⃗
3
)
∙
(
u
1
e
⃗
1
+
u
2
e
⃗
2
+
u
3
e
⃗
3
)
=
u
1
u
1
λ
1
+
u
2
u
2
λ
2
+
u
3
u
3
λ
3
=
[
u
1
u
2
u
3
]
[
λ
1
λ
2
λ
3
]
[
u
1
u
2
u
3
]
\begin{aligned} &\quad\ \vec{x}\bullet\bold{N}\bullet\vec{x}=\bold{N}:\vec{x}\vec{x}\\\ \\ &=(u_1\vec{e}_1+u_2\vec{e}_2+u_3\vec{e}_3)\bullet(\lambda_1\vec{e}_1\vec{e}_1+\lambda_2\vec{e}_2\vec{e}_2+\lambda_3\vec{e}_3\vec{e}_3)\bullet(u_1\vec{e}_1+u_2\vec{e}_2+u_3\vec{e}_3)\\\ \\ &=(u_1\lambda_1\vec{e}_1+u_2\lambda_2\vec{e}_2+u_3\lambda_3\vec{e}_3)\bullet(u_1\vec{e}_1+u_2\vec{e}_2+u_3\vec{e}_3)\\\ \\ &=u_1u_1\lambda_1+u_2u_2\lambda_2+u_3u_3\lambda_3\\\ \\ &=\begin{bmatrix}u_1&u_2&u_3\end{bmatrix} \begin{bmatrix} \lambda_1&&\\ &\lambda_2&\\ &&\lambda_3 \end{bmatrix} \begin{bmatrix}u_1\\u_2\\u_3\end{bmatrix} \end{aligned}
x∙N∙x=N:xx=(u1e1+u2e2+u3e3)∙(λ1e1e1+λ2e2e2+λ3e3e3)∙(u1e1+u2e2+u3e3)=(u1λ1e1+u2λ2e2+u3λ3e3)∙(u1e1+u2e2+u3e3)=u1u1λ1+u2u2λ2+u3u3λ3=[u1u2u3]
λ1λ2λ3
u1u2u3
显然,实对称张量正定意味着其特征值构成的对角阵正定,根据Sylvester定理该对角阵正定要求其所有的顺序主子式为正,即:
{
λ
1
>
0
λ
1
λ
2
>
0
λ
1
λ
2
λ
3
>
0
⟺
λ
1
,
λ
2
,
λ
3
>
0
\begin{cases} \lambda_1>0 \\\ \\ \lambda_1\lambda_2>0 \\\ \\ \lambda_1\lambda_2\lambda_3>0 \end{cases} \Longleftrightarrow \lambda_1,\lambda_2,\lambda_3>0
⎩
⎨
⎧λ1>0 λ1λ2>0 λ1λ2λ3>0⟺λ1,λ2,λ3>0
故,实对称张量为正张量的充要条件为其特征值均为正实数。
同理,若实对称张量的二次型非负,意味着其特征值构成的对角阵半正定,即
{
λ
1
≥
0
,
λ
2
≥
0
,
λ
3
≥
0
λ
1
λ
2
≥
0
,
λ
2
λ
3
≥
0
,
λ
1
λ
3
≥
0
λ
1
λ
2
λ
3
≥
0
⟺
λ
1
≥
0
,
λ
2
≥
0
,
λ
3
≥
0
\begin{cases} \lambda_1\ge0,\lambda_2\ge0,\lambda_3\ge0 \\\ \\ \lambda_1\lambda_2\ge0,\lambda_2\lambda_3\ge0,\lambda_1\lambda_3\ge0 \\\ \\ \lambda_1\lambda_2\lambda_3\ge0 \end{cases} \Longleftrightarrow \lambda_1\ge0,\lambda_2\ge0,\lambda_3\ge0
⎩
⎨
⎧λ1≥0,λ2≥0,λ3≥0 λ1λ2≥0,λ2λ3≥0,λ1λ3≥0 λ1λ2λ3≥0⟺λ1≥0,λ2≥0,λ3≥0
故,实对称张量为非负张量的充要条件为其特征值均非负。
3. 由任意(正则)张量构造非负(正)张量的一种方式
对于任意张量
T
\bold{T}
T,均有:
(
T
∙
T
T
)
T
=
(
T
T
)
T
∙
T
T
=
T
∙
T
T
(
T
T
∙
T
)
T
=
T
T
∙
(
T
T
)
T
=
T
T
∙
T
(\bold{T}\bullet\bold{T}^T)^T=(\bold{T}^T)^T\bullet\bold{T}^T=\bold{T}\bullet\bold{T}^T \\\ \\ (\bold{T}^T\bullet\bold{T})^T=\bold{T}^T\bullet(\bold{T}^T)^T=\bold{T}^T\bullet\bold{T}
(T∙TT)T=(TT)T∙TT=T∙TT (TT∙T)T=TT∙(TT)T=TT∙T
故张量
X
=
T
∙
T
T
、
Y
=
T
T
∙
T
\bold{X}=\bold{T}\bullet\bold{T}^T、\bold{Y}=\bold{T}^T\bullet\bold{T}
X=T∙TT、Y=TT∙T为对称张量,又对任意非零向量
x
⃗
\vec{x}
x 满足:
x
⃗
∙
X
∙
x
⃗
=
x
⃗
∙
T
∙
T
T
∙
x
⃗
=
(
x
⃗
∙
T
)
∙
(
x
⃗
∙
T
)
=
∣
x
⃗
∙
T
∣
2
≥
0
x
⃗
∙
Y
∙
x
⃗
=
x
⃗
∙
T
T
∙
T
∙
x
⃗
=
(
T
∙
x
⃗
)
∙
(
T
∙
x
⃗
)
=
∣
T
∙
x
⃗
∣
2
≥
0
\vec{x}\bullet\bold{X}\bullet\vec{x} =\vec{x}\bullet\bold{T}\bullet\bold{T}^T\bullet\vec{x} =(\vec{x}\bullet\bold{T})\bullet(\vec{x}\bullet\bold{T}) =|\vec{x}\bullet\bold{T}|^2\ge0\\\ \\ \vec{x}\bullet\bold{Y}\bullet\vec{x} =\vec{x}\bullet\bold{T}^T\bullet\bold{T}\bullet\vec{x} =(\bold{T}\bullet\vec{x})\bullet(\bold{T}\bullet\vec{x}) =|\bold{T}\bullet\vec{x}|^2\ge0
x∙X∙x=x∙T∙TT∙x=(x∙T)∙(x∙T)=∣x∙T∣2≥0 x∙Y∙x=x∙TT∙T∙x=(T∙x)∙(T∙x)=∣T∙x∣2≥0
故,
X
=
T
∙
T
T
、
Y
=
T
T
∙
T
\bold{X}=\bold{T}\bullet\bold{T}^T、\bold{Y}=\bold{T}^T\bullet\bold{T}
X=T∙TT、Y=TT∙T为非负张量。
进一步,若张量 T \bold{T} T 为正则张量,那么当且仅当 x ⃗ = 0 \vec{x}=0 x=0时, T ∙ x ⃗ = x ⃗ ∙ T = 0 \bold{T}\bullet\vec{x}=\vec{x}\bullet\bold{T}=0 T∙x=x∙T=0,这说明上述二次型恒为正,故此时 X = T ∙ T T 、 Y = T T ∙ T \bold{X}=\bold{T}\bullet\bold{T}^T、\bold{Y}=\bold{T}^T\bullet\bold{T} X=T∙TT、Y=TT∙T 为正张量。
4. 平方根定理
定理 设 N \bold N N 为正张量,则存在唯一的正张量 U \bold U U ,使得 U 2 = N \bold U^2=\bold N U2=N,称 U \bold U U为 N \bold N N 的方根,记作 U = N \bold U=\sqrt{\bold N} U=N。并且: U \bold U U与 N \bold N N具有相同的主方向, U \bold U U的特征值为 N \bold N N的特征值的算数平方根。
证明如下:
正张量
N
\bold N
N 可以通过谱表示写作:
N
=
∑
i
=
1
3
λ
i
e
⃗
i
e
⃗
i
(
λ
i
>
0
)
\bold N=\sum^{3}_{i=1}\lambda_i\vec{e}_i\vec{e}_i(\lambda_i>0)
N=i=1∑3λieiei(λi>0)
显然,张量
U
≜
∑
i
=
1
3
λ
i
e
⃗
i
e
⃗
i
\bold U\triangleq\sum^{3}_{i=1}\sqrt{\lambda_i}\vec{e}_i\vec{e}_i
U≜i=1∑3λieiei
是正张量(特征值为正的对称张量)。又
U
2
=
(
λ
1
e
⃗
1
e
⃗
1
+
λ
2
e
⃗
2
e
⃗
2
+
λ
3
e
⃗
3
e
⃗
3
)
∙
(
λ
1
e
⃗
1
e
⃗
1
+
λ
2
e
⃗
2
e
⃗
2
+
λ
3
e
⃗
3
e
⃗
3
)
=
N
\bold U^2=(\sqrt{\lambda_1}\vec{e}_1\vec{e}_1+\sqrt{\lambda_2}\vec{e}_2\vec{e}_2+\sqrt{\lambda_3}\vec{e}_3\vec{e}_3)\bullet(\sqrt{\lambda_1}\vec{e}_1\vec{e}_1+\sqrt{\lambda_2}\vec{e}_2\vec{e}_2+\sqrt{\lambda_3}\vec{e}_3\vec{e}_3)=\bold N
U2=(λ1e1e1+λ2e2e2+λ3e3e3)∙(λ1e1e1+λ2e2e2+λ3e3e3)=N
这说明了方根
U
\bold U
U的存在性,下面继续证明其唯一性:
0
=
(
U
2
−
λ
G
)
∙
e
⃗
=
(
U
+
λ
G
)
∙
(
U
−
λ
G
)
∙
e
⃗
≜
(
U
+
λ
G
)
∙
u
⃗
0=(\bold U^2-\lambda\bold G)\bullet\vec{e}=(\bold U+\sqrt{\lambda}\bold G)\bullet(\bold U-\sqrt{\lambda}\bold G)\bullet\vec{e}\triangleq(\bold U+\sqrt{\lambda}\bold G)\bullet\vec{u}
0=(U2−λG)∙e=(U+λG)∙(U−λG)∙e≜(U+λG)∙u
若
u
⃗
≠
0
\vec{u}\ne0
u=0
则
−
λ
<
0
-\sqrt{\lambda}<0
−λ<0 为正张量的特征值(矛盾)。故
U
∙
e
⃗
=
λ
e
⃗
\bold U\bullet\vec{e}=\sqrt{\lambda}\vec{e}
U∙e=λe
这说明
N
\bold N
N与
U
\bold U
U具有相同的主方向,而对应的特征值仅相差一个算术平方根,设
N
=
U
2
=
V
2
\bold N =\bold U^2=\bold V^2
N=U2=V2
则有:
U
∙
e
⃗
=
λ
e
⃗
V
∙
e
⃗
=
λ
e
⃗
\bold U\bullet\vec{e}=\sqrt{\lambda}\vec{e}\\\ \\ \bold V\bullet\vec{e}=\sqrt{\lambda}\vec{e}
U∙e=λe V∙e=λe
即
(
U
−
V
)
∙
e
⃗
=
0
(\bold{U-V})\bullet\vec{e}=0
(U−V)∙e=0
由于可以通过以正张量
N
\bold N
N的特征向量为基张成整个向量空间,故对于任意向量
x
⃗
\vec{x}
x均有:
(
U
−
V
)
∙
x
⃗
=
0
(\bold{U-V})\bullet\vec{x}=0
(U−V)∙x=0
则
U
=
V
(证毕)
\bold U=\bold V (证毕)
U=V(证毕)