（十 七）张量函数的微分与导数

1. 范数

定义 设 $\mathcal{V}$ 为“向量空间”，定义由向量空间到实数的映射 $||\bullet ||:\mathcal{V}\to \mathbb{R}$，若该映射满足：

(1) $||u||\ge 0且||u||=0⟺u=0$；

(2) $||\alpha u||=|\alpha |\cdot ||u||$

(3) $||u+v||\le ||u||+||v||$

其中，$u,v\in \mathcal{V};\alpha \in \mathbb{R}$ 。则称 $||u||$ 为定义在 $\mathcal{V}$ 上向量 $u$ 的范数，向量空间 $\mathcal{V}$ 称为线性赋范空间。

2. 线性表示定理

定理 对于将 $r$ 阶张量映射为 $s$ 阶张量的线性映射 $\mathbf{\Psi }:{\mathcal{F}}_r(\mathcal{V})\to {\mathcal{F}}_s(\mathcal{V}):\mathbf{\Phi }\mapsto \mathbf{\Psi }(\mathbf{\Phi })$，存在唯一的 $\mathbf{\Theta }\in {\mathcal{F}}_{r+s}(\mathcal{V})$ 使得上述线性映射可以由张量的 $r$ 阶并联式点积表示，即
$$\mathbf{\Psi }(\mathbf{\Phi })=\mathbf{\Theta }{(}_{\bullet }^r)\mathbf{\Phi }或\mathbf{\Psi }(\mathbf{\Phi })=\Phi {(}_{\bullet }^r)\mathbf{\Theta }$$

证明：$\mathbf{\Psi }(\mathbf{\Phi })$ 表示将 $r$ 阶张量映射为 $s$ 阶张量的映射，故：
$$\mathbf{\Psi }({\vec{g}}_{i_1}\otimes {\vec{g}}_{i_2}\otimes \cdots \otimes {\vec{g}}_{i_r})={\Theta }^{j_1,j_2,\dots ,j_s}(i_1,i_2,\dots ,i_r){\vec{g}}_{j_1}\otimes {\vec{g}}_{j_2}\otimes \cdots \otimes {\vec{g}}_{j_s}$$
需要说明的是：对于确定的指标 $i_1,i_2,\dots ,i_r$ 而言，${\Theta }^{j_1,j_2,\dots ,j_s}(i_1,i_2,\dots ,i_r)$ 为 $s$ 阶张量的分量，但 ${\Theta }^{j_1,j_2,\dots ,j_s}(i_1,i_2,\dots ,i_r)$ 整体表示的数集却不一定为张量的分量。根据映射的线性性，对于任意的 $r$ 阶张量 $\mathbf{\Phi }={\Phi }^{i_1,i_2,\dots ,i_r}{\vec{g}}_{i_1}\otimes {\vec{g}}_{i_2}\otimes \cdots \otimes {\vec{g}}_{i_r}$ 有：
$$\mathbf{\Psi }(\mathbf{\Phi })={\Phi }^{i_1,i_2,\dots ,i_r}{\Theta }^{j_1,j_2,\dots ,j_s}(i_1,i_2,\dots ,i_r){\vec{g}}_{j_1}\otimes {\vec{g}}_{j_2}\otimes \cdots \otimes {\vec{g}}_{j_s}$$
根据商法则知： ${\Theta }^{j_1,j_2,\dots ,j_s}(i_1,i_2,\dots ,i_r)$ 为 $r+s$ 阶张量的分量。 若定义：
$${\Theta }^{j_1,j_2,\dots ,j_s}(i_1,i_2,\dots ,i_r)\triangleq {\Theta }_{i_1,i_2,\dots ,i_r}^{j_1,j_2,\dots ,j_s}$$
则
$${\Psi }^{j_1,j_2,\dots ,j_s}={\Theta }_{i_1,i_2,\dots ,i_r}^{j_1,j_2,\dots ,j_s}{\Phi }^{i_1,i_2,\dots ,i_r}⟺\mathbf{\Psi }=\Theta {(}_{\bullet }^r)\mathbf{\Phi }$$
若定义：
$${\Theta }^{j_1,j_2,\dots ,j_s}(i_1,i_2,\dots ,i_r)\triangleq {\Theta }_{i_1,i_2,\dots ,i_r}^{j_1,j_2,\dots ,j_s}$$
则
$${\Psi }^{j_1,j_2,\dots ,j_s}={\Phi }^{i_1,i_2,\dots ,i_r}{\Theta }_{i_1,i_2,\dots ,i_r}^{j_1,j_2,\dots ,j_s}⟺\mathbf{\Psi }=\Phi {(}_{\bullet }^r)\mathbf{\Theta }$$
最后证明唯一性，设
$$\mathbf{\Psi }(\mathbf{\Phi })={\mathbf{\Theta }}_1{(}_{\bullet }^r)\mathbf{\Phi }={\mathbf{\Theta }}_2{(}_{\bullet }^r)\mathbf{\Phi }$$
则
$$({\Theta }_1-{\Theta }_2){(}_{\bullet }^r)\mathbf{\Phi }=0$$
由 $\mathbf{\Phi }$ 的任意性知：
$${\mathbf{\Theta }}_1={\mathbf{\Theta }}_2(证毕)$$

3. 张量函数的连续、微分与导数

定义 对于张量函数 $f:{\mathcal{F}}_r(\mathcal{V})\to {\mathcal{F}}_s(\mathcal{V}):u\mapsto f(u)$，若
$$\forall \epsilon \in R^{+}，\exists \delta \in R^{+}，s.t.||f(u)-f(u_0)||<\epsilon ，p.t.||u-u_0||<\delta$$
则称张量函数 $f(u)$ 在$u_0$ 处连续。

定义 对于张量函数 $f:{\mathcal{F}}_r(\mathcal{V})\to {\mathcal{F}}_s(\mathcal{V}):u\mapsto f(u)$,若满足对 $\forall u\in {\mathcal{F}}_r(\mathcal{V})$，均存在由 $r$ 阶张量到 $s$ 阶张量的映射 $f^{\prime }(v)[u]$ 使得对于 $\forall h\in \mathbb{R}$，均有：
$$f(v+hu)=f(v)+h{f}^{\prime }(v)[u]+o(hu)$$
其中，
$$\underset{h\to 0}{\lim }\frac{||o(hu)||}{||hu||}=\underset{h\to 0}{\lim }\frac{||o(hu)||}{|h|\cdot ||u||}=\underset{h\to 0}{\lim }\frac{||o(hu)||}{|h|}=0$$
则称 $f(u)$ 在 $v$ 处可微，$f^{\prime }(v)[u]$称作 $f(u)$的微分，且根据张量函数可微的定义知：
$$f^{\prime }(v)[u]=\underset{h\to 0}{\lim }\frac{f(v+hu)-f(v)}{h}={\frac{df(v+hu)}{dh}|}_{h=0}(\ast )$$
上式给出了张量函数微分的计算方式，最后一个等号是因为：
$$\begin{array}{rl}& {\frac{df(v+hu)}{dh}|}_{h=0}\\ & \\ & ={\underset{\Delta h\to 0}{\lim }\frac{f(v+(h+\Delta h)u)-f(v+hu)}{\Delta h}|}_{h=0}\\ & \\ & =\underset{\Delta h\to 0}{\lim }\frac{f(v+u\Delta h)-f(v)}{\Delta h}\\ & \\ & =f^{\prime }(v)[u]\end{array}$$
通过 $(\ast )$ 还可知由 $r$ 阶张量到 $s$ 阶张量的映射 $f^{\prime }(v)[u]$ 为线性映射，因为：
$$\begin{array}{rl}& (1)f^{\prime }(v)[\alpha u](\alpha \in R)\\ & \\ & =\underset{h\to 0}{\lim }\frac{f(v+h\alpha u)-f(v)}{h}\\ & \\ & =\alpha \underset{k\to 0}{\lim }\frac{f(v+ku)-f(v)}{k}(h\triangleq \frac{k}{\alpha })\\ & \\ & =\alpha f^{\prime }(v)[u]\\ & \\ & \\ & (2)f^{\prime }(v)[u+w]\\ & \\ & =\underset{h\to 0}{\lim }\frac{f(v+hu+hw)-f(v)}{h}\\ & \\ & =\underset{h\to 0}{\lim }\frac{f(v+hu+hw)-f(v+hu)}{h}+\underset{h\to 0}{\lim }\frac{f(v+hu)-f(v)}{h}\\ & \\ & =f^{\prime }(v)[w]+f^{\prime }(v)[u]\end{array}$$
那么，根据线性表示定理
$$f^{\prime }(v)[u]={\frac{df}{dv}}_R{(}_{\bullet }^r)u或f^{\prime }(v)[u]=u{(}_{\bullet }^r){\frac{df}{dv}}_L$$
其中，${\frac{df}{dv}}_L,{\frac{df}{dv}}_R$ 均为 $r+s$ 阶张量，将其分别称作张量函数的左、右导数（梯度）。