张量与多重线性代数

缩并

缩并是这样一种运算:它把一个张量的某个上(逆变)指标与某个下(协变)指标配对并对它们求和,从而使张量收缩两个槽位。它是不另选额外结构便缩小张量的唯一典范方式:它利用了向量槽与协向量槽之间内建的配对。

最简单的情形是迹。一个 (1,1) 型张量 T 的分量为 T^i_j;把 i 与 j 缩并得到标量 sum_i T^i_i,这恰好就是对应矩阵的迹。所以“迹”就是一上一下张量的缩并,而它与基无关,无非就是说缩并定义良好这件事。

矩阵与向量、矩阵与矩阵的乘积也是改了装的缩并。(A*v)^i = sum_j A^i_j v^j 把 A 的下指标与 v 的上指标缩并。(A*B)^i_k = sum_j A^i_j B^j_k 把共有的中间指标缩并。线性代数里每一处“一个指标在上、另一个在下”的求和,都是一次缩并。

关键的诚实之处:你只能把一个上指标与一个下指标缩并。把两个上指标或两个下指标求和并非典范运算——它暗中依赖于内积(度量)的选取。这正是升降指标的角色:度量让你能合法地转换一个指标,从而使缩并成为可能。

trace(A) = sum_i A^i_i ; (A B)^i_k = sum_j A^i_j B^j_k

迹缩并一个槽位;矩阵乘法缩并共有的中间指标。

缩并把型从 (p,q) 降为 (p-1,q-1)。它是“对重复哑指标求和”的多重线性代数版本,也正是量子信息中用来“迹掉”一个子系统的偏迹。

又称
index contractiontrace contraction