3.Tensors For Beginners- Forward and Backward Transformations

张量在不同坐标系之间来回移动的规则究竟如何。

之前说过,张量在坐标系变化下是不变的,故了解如何在坐标系之间来回移动对理解张量很重要。

Forward:旧基 到 新基

3.Tensors For Beginners- Forward and Backward Transformations_第1张图片

old basis:旧基

这是在二维坐标系下的两组基。

3.Tensors For Beginners- Forward and Backward Transformations_第2张图片

线性代数中的基: 向量空间V中的一组向量 若满足:
1)线性无光
2)向量中间V中的任何一个向量 都可由 该组向量 线性表出,
则称该组向量为 向量空间V的 一组基

前向变换(Forward):从旧基转移到新基

如何转移?

--------------利用旧基向量 构建 新基向量

3.Tensors For Beginners- Forward and Backward Transformations_第3张图片

用旧基的线性组合来表示新基

可将这四个系数存储到一个2 x 2的矩阵F中,

矩阵F就是正向变换。

3.Tensors For Beginners- Forward and Backward Transformations_第4张图片

后向变换(Backward):从新基转移到旧基

3.Tensors For Beginners- Forward and Backward Transformations_第5张图片

3.Tensors For Beginners- Forward and Backward Transformations_第6张图片

3.Tensors For Beginners- Forward and Backward Transformations_第7张图片

知道这个矩阵B后,就知道如何进行后向转换了,如何从新基转移到旧基

把向前转换 和 向后转换 两个矩阵进行相乘, F*B= E

3.Tensors For Beginners- Forward and Backward Transformations_第8张图片

3.Tensors For Beginners- Forward and Backward Transformations_第9张图片 

解释:
new(\tilde e_{1},\tilde e_{2})^{T} = F( e_{1}, e_{2})^{T}

两边左乘F^{-1}

F^{-1} * new(\tilde e_{1},\tilde e_{2})^{T} = ( e_{1}, e_{2})^{T}

( e_{1}, e_{2})^{T} = F^{-1} * new(\tilde e_{1},\tilde e_{2})^{T}

F^{-1} 就是上边的 B矩阵

3.Tensors For Beginners- Forward and Backward Transformations_第10张图片

这是二维的例子。

现推广到n维,

也是类似的,有n个旧基:e_{1} , e_{2} ...e_{n},n个新基\tilde e_{1} , \tilde e_{2} ...\tilde e_{n}

向前转换:Forward

3.Tensors For Beginners- Forward and Backward Transformations_第11张图片

但这么多方程看起来有点烦人, 

试试用公式简化

观察一下上图,就能写出下式:

3.Tensors For Beginners- Forward and Backward Transformations_第12张图片

一个新基 由 旧基中的所有向量的线性组合表示

该公式总结了上述的所有方程。

后向变换:Backward 

也是类似的

3.Tensors For Beginners- Forward and Backward Transformations_第13张图片

用新基的所有向量的线性组合来表示 旧基中的任一向量

并把这些系数写到一个 n x n的矩阵B中

同样的道理,可以用一个公式来总结 上述n个方程。

3.Tensors For Beginners- Forward and Backward Transformations_第14张图片

对于获得的两个矩阵,我们如何证明它们是互逆的?

3.Tensors For Beginners- Forward and Backward Transformations_第15张图片

3.Tensors For Beginners- Forward and Backward Transformations_第16张图片

观察上面最底下的这个式子, 其不就是在用 n个旧基向量的求和 来 构建一个 旧基向量吗,

那么中间那部门应该等于多少?

当然是 k==i 时,中间那部分就为1, 当 k ≠ i 时,中间那块为0.

3.Tensors For Beginners- Forward and Backward Transformations_第17张图片

这种 if i = k,就为1; if i≠k,就为0; 是普遍现象,我们把它称为Kronecker Delta

3.Tensors For Beginners- Forward and Backward Transformations_第18张图片

就是表示出一个单位矩阵

解释:
new(\tilde e_{1},\tilde e_{2}...\tilde e_{n})^{T} = F( e_{1}, e_{2}...e_{n})^{T}

两边左乘F^{-1}

F^{-1} * new(\tilde e_{1},\tilde e_{2}...\tilde e_{n})^{T} = ( e_{1}, e_{2}...e_{n})^{T}

( e_{1}, e_{2}...e_{n})^{T} = F^{-1} * new(\tilde e_{1},\tilde e_{2}...\tilde e_{n})^{T}

F^{-1} 就是上边的 B矩阵

 

3.Tensors For Beginners- Forward and Backward Transformations_第19张图片

你可能感兴趣的:(张量,python,开发语言)