矢量到张量全面概述包括白线性空间.docx

矢量到张量全面概述包括白线性空间.docx

《矢量到张量全面概述包括白线性空间.docx》由会员分享，可在线阅读，更多相关《矢量到张量全面概述包括白线性空间.docx（38页珍藏版）》请在冰点文库上搜索。

矢量到张量全面概述包括白线性空间

我们都生活在形形色色的空间中。

数学上所说的空间就是点的集合，如果我们给这个点集赋予特定的空间结构（引入不同的确定关系）。

但世界上不存在毫无任何空间结构的“裸空间”。

如果我们赋予空间以线性结构（可加性与数乘性），则这个空间就叫做线性空间。

一、线性空间

只要在点集中定义了加法和数乘两种代数运算，则称之为赋予空间以线性结构，这样的点集（空间）就叫做数域P上的线性空间。

其中用于数乘的数域P是指包含0和1的数集，并且数集对加、减、乘、除（0不作除数）运算是封闭的。

此外，实数域R上的线性空间叫做实线性空间，复数域C上的线性空间叫做复线性空间。

二、广义向量空间

线性空间的元素是空间点，任一元素都可以用一组有序的数（x1，x2，…）（或曰一组空间坐标）来表示。

如果我们把空间点的一组坐标看作一种广义的向量，则线性空间又可视为广义向量的集合，称之为广义向量空间。

换句话说，线性空间的元素是广义的向量。

广义向量的维数可以有限，也可以无限。

所以线性空间的维数可以是有限的，也可以是无限的。

如果一组向量线性无关，则其中任何一个向量都无法用其余向量线性表出。

在一个向量组中，向量的极大线性无关组中向量的个数叫做向量组的秩。

向量组的秩必然等于向量的维数。

线性空间是向量的集合，其中的极大线性无关组不是唯一的，可以根据需要选取。

但同一空间中极大线性无关组的秩都是相等的。

其中选定的任何一个极大线性无关组，都可以作为线性空间的一组基向量，简称基。

所谓“基”的含义，就是说该空间中的任一个向量γ都可以用该组基向量

的线性组合表出（数学上称之为线性表出或线性表示）。

即 

其中基的秩n叫做线性空间的维数，数组

为向量γ在该组基下的表出系数（组合系数、表示系数），我们称之为向量γ在基

下的坐标。

当选定一组基后，某个向量的一组坐标就是唯一的。

但线性空间的基不是唯一的，所以同一个向量在两组不同的基下的坐标也是不同的。

三、矢量空间

线性空间的维数可以有限，也可以无限。

通常我们把有限维的实线性空间叫做矢量空间。

这是因为矢量的概念来源于三维实线性空间，矢量实体的几何形状来源于中国古代的矢（箭），抽象为带箭头的线段。

矢量空间的元素是n维矢量，如果我们选定一组n个线性无关的参考矢量g1，g2，...，gn作为基底矢量（简称基矢），而空间中的其余元素（矢量）都与这一组基矢线性相关，即矢量空间中的任一元素（矢量）P都可以分解或表示为这一组基矢的线性组合 

则表出系数

叫做矢量P在该组基矢

下的坐标，有时也叫做分量或坐标分量。

注意：

在矢量空间中，一组基矢的选取不是唯一的，所以同一个矢量在两组不同的基矢下分解表出，其两组坐标分量也可能是不相同的。

朋友们如果有兴趣，可以关注线性空间、向量空间与矢量空间的细微差别。

但在大多数情况下，可以不加区别。

四、白线性空间

我们日常生活的空间大都是三维的真欧氏空间，是一种定义了欧氏距离的度量空间，属于有限维的内积空间，也属于赋范线性空间。

在欧氏空间中，有了元素长度和距离的概念，如果我们选择或建立了参考系，进而还有角度的概念。

我们最熟悉的是笛卡儿坐标系，即正交直线坐标系，俗称直角坐标系。

自古以来我们都早已习以为常。

现在我们需要洗洗脑，把长度（距离）、角度（包括正交或曰垂直）等传统概念一律清零，暂时退出欧氏空间并放弃笛卡儿坐标系的习惯。

那么我们这个空间还剩什么？

任何元素都没有长度、没有距离、没有内积、没有角度、更没有直角（垂直和正交），一派清清白白的未赋范线性空间！

也许有人认为类似仿射空间，但周法哲喜欢称之为白线性空间。

因为就像一张白纸，没有负担，好写最新最美的文字，好画最新最美的图画。

喂！

你究竟想干什么？

且听下回分解。

上一回说到，白线性空间是没有长度、距离、角度等度量的线性空间，但决不是任何结构属性也没有的“裸空间”，白线性空间至少还有线性结构。

当然，也只有线性结构。

在这样的空间里能不能建立坐标系呢？

能建立什么样的坐标系呢？

首先谈一谈：

为什么要建立坐标系？

中国古人几千年前就知道宇宙万物生于“道”，“道生一，一生二，二生三，三生万物。

”现代科学也证明，我们的宇宙空间本来就是高度对称的，任何空间点都是一律平等的，无所谓高低贵贱；空间方向都不是绝对的，任何方向都毫无可优越性可言，具有高度的球对称性。

我们的白线性空间就是这种“太初”时期“大同世界”的数学抽象，只不过我们规定了空间各点之间的线性结构，所谓线性结构，就是元素――空间点之间的“加法”。

“数乘”归根到底也还是相同元素连续多次相加运算的“批发”或“批处理”。

人类在认识世界的过程中，为了便于描述事物的相对位置关系，不得不选择一个参考点，这就是“原点”。

当原点O选定后，空间中的其余各点的方向就可以用从原点O出发的射线来描述。

因为在白线性空间中我们规定了所有空间点之间的加法和数乘等数量关系（线性关系），所以空间任意一点P相对于原点O的位置，就可以用从O到P的有向线段来唯一地确定，这就是向量，也可以叫做矢量。

白线性空间虽然也是空间点的集合，但我们一旦选定了参考点――原点O之后，空间各点又可以与原点构成无数个矢量，而且这样的矢量与空间点一一对应，所以线性空间也叫向量空间或矢量空间。

所谓白线性空间，“白”就白在这种空间中还没有给矢量定义长度（模值或范数），还不是度量空间，更不是欧氏空间，矢量之间仅仅有线性关系存在。

可以想象，在白线性空间里有无数多个矢量，都从原点出发，好像太阳光芒四射。

如下图所示：

图：

白线性空间中的矢量

如果我们任意选取一组合适的矢量作参考矢量，则可以建立一个直线坐标系。

所谓“合适”，是指我们选取的这一组矢量要相互线性无关，矢量的个数还要足够空间的维数。

数学上把符合这样条件的矢量组称之为极大线性无关组。

选取“合适”的一组矢量，目的是为了以这样的矢量组为基础建立坐标系，所以数学上把空间中的极大线性无关组叫做空间的一组“基”，基中的矢量都叫做基矢量，简称基矢。

在白线性空间里，我们选定了原点，又选取了合适的一组基矢，就可以建立一个坐标系。

有了一个完整的坐标系作参考系，空间中的任何元素就都有了坐标定位。

正如中国的《周易》所言：

“天尊地卑，乾坤定矣。

卑高以陈，贵贱位矣。

”有了定位和次序，空间中一切事物的描述就有了着落。

在这样的空间里能建立什么样的坐标系呢？

详情且听下回分解。

上一回说到，白线性空间也是最广义的矢量空间。

如果我们选定了原点和一组合适的基矢，则可以建立一个最朴素的线性坐标系。

不妨以二维白线性空间为例，如果我们选取一组基矢

，对应的坐标线分别为x和y，则可建立一个二维的任意直线坐标系。

如下图所示：

 图1二维任意直线坐标系

因为白线性空间没有角度概念，坐标线不存在正交关系。

这里只能画成斜交的以便示意。

不过一组基矢一旦选定，在空间各点上就一成不变，大小和方向均处处相同。

所以每族坐标线应该是一族相互平行的直线。

如下图所示：

 图2 二维白线性空间示意图

设想白线性空间中的任一空间点P，坐标为（x,y）。

这是空间最基本的元素。

以原点O为起点、以P为终点的矢量P与空间点P一一对应。

所以，也可以说白线性空间是矢量空间。

当然，白线性空间中的矢量还没有定义长度，矢量之间只有线性关系。

在白线性空间中的这个坐标系中，任意矢量P则可按基矢上的线性组合表示为

其中x,y就是基矢

下的坐标分量。

如下图所示：

 图3 白线性空间中的矢量

推广到n维白线性空间里也是一样，一组基矢有n个，坐标线有n条，任意矢量P在该坐标系中可表出为n项构成的线性组合：

一旦选定了一组基矢，就等于选定了一个坐标系，则某个空间点P的一组坐标就是唯一的，对应的矢量的一组坐标分量及其线性组合就是唯一的。

注意：

在同一个白线性空间里可以选取不同的基矢组，所以同一个矢量P可以表示为不同的线性组合。

那么，在同一个白线性空间里，这不同的基矢组之间存在什么约束关系呢？

详情且听下回分解。

上一回说到，白线性空间中的基矢组的选取不是唯一的，如果选取不同的基矢组，则可建立不同的坐标系。

这一回说一说同一个空间里两组基矢之间存在什么样的关系。

假定在同一个白线性空间中，我们又选取了一组基矢

，则可以再建立一个二维直线坐标系。

它和第一组基矢

之间有什么关系呢？

为了便于比较，我们不妨让两个坐标系的原点重合，如下图所示：

图 两组基矢之间的关系

基矢也是白线性空间的矢量，一样可以在另一组基矢下线性表出。

如果把第二组基矢

逐个按第一组基矢

分解并线性表出，即

用矩阵形式表示就是

我们把上述基矢的表出系数矩阵称之为过渡矩阵，或曰基矢变换矩阵。

记为

基矢变换矩阵完全表明了同一空间两组基矢之间的关系。

是线性变换过程中的重中之中。

如果我们把第二组基矢组成的列矩阵记为

 把第一组基矢组成的列矩阵记为

则两组基矢之间的关系可简洁地表示为

如果基矢变换矩阵A可逆，即为非奇异矩阵（行列式值|A|≠0），也就是说两组基矢线性无关，则还有反过来的变换关系式为

其中A^（-1）为A的逆矩阵。

可见，有了过渡矩阵（基矢变换矩阵）A，两组基矢或曰两个坐标系之间的变换关系就完全确定了。

那好，在同一个白线性空间里，在基矢按照过渡矩阵A作变换时，同一个空间点P的描述坐标会如何变化呢？

详情且听下回分解。

上一回说到，白线性空间中的两组坐标基矢之间的关系体现于过渡矩阵A。

我们知道在白线性空间中，一个矢量实体是客观存在的事物，不会因人为的描述方式不同而有丝毫的实质性改变。

换句话说，确定的一个研究对象――矢量实体只有一个，但如果选取不同的坐标系来描述它，会有不同的表出形式（坐标分量及其线性组合）。

那么对于同一个矢量，在两组基矢（坐标系）下的两组坐标分量之间有什么关系呢？

不妨仍以上述的两个二维直线坐标系为例，白线性空间中的一个任意矢量P如下图所示：

我们已经知道，在第一个坐标系Oxy中，矢量P在第一组基矢下分解的坐标分量线性组合为

同理，在第二个坐标系Ox'y'中，矢量P在第二组基矢下分解的坐标分量线性组合为

既然两者描述的是同一个矢量，那么上述两种线性组合应该等效。

令上述两式相等，即

写成矩阵形式，有

把两组基矢之间的过渡矩阵关系式代入上式，则有

比较等式两边，并利用转置矩阵的性质，有

如果我们把第一组坐标分量组成的列矩阵记为

把第二组坐标分量组成的列矩阵记为

则上述变换关系可简洁地表示为

如果A的转置矩阵也可逆，即也为非奇异矩阵（行列式值|AT|≠0），那么两组坐标分量之间的关系可表示为

事实上这也是空间任一点P在两个坐标系中的坐标之间的变换关系。

若记坐标变换矩阵为

则同一空间中两组坐标（分量）之间的变换关系可简洁地表示为

显而易见，在同一空间里，坐标变换矩阵B是过渡矩阵（基矢变换矩阵）A的转置逆矩阵。

那么当坐标基矢按照过渡矩阵A变换时，坐标系中其它对象的所有参量是否都象矢量的坐标分量那样一律按照坐标变换矩阵B的规律变换呢？

详情且听下回分解。

上一回说到，在同一空间里，坐标变换矩阵B是过渡矩阵（基矢变换矩阵）A的转置逆矩阵。

当坐标基矢按照过渡矩阵A变换时，矢量的坐标分量（或空间点的坐标）按照坐标变换矩阵B的规律变换。

那么有没有什么对象的参量不按照坐标变换矩阵B的规律变换，而按照基矢变换矩阵A的规律变换呢？

设白线性空间（以二维空间为例）中有一条直线l，我们可以选取不同的直线坐标系来描述它。

如下图所示：

 图：

白线性空间中的直线

假定在第一个坐标系Oxy中描述直线的方程为

写成矩阵形式即

而同一条直线l在第二个坐标系Ox'y'中描述的方程为

写成矩阵形式即

其中系数a,b和a',b'均为常数。

我们来看看这两组系数之间有什么关系呢？

前面的讨论我们已经知道，在同一空间里，当坐标基矢按如下规律

变换时，任一空间点的坐标（或矢量的坐标分量）必然按如下规律

变换。

不妨代入上述直线第二个方程，有

比较上述直线的第一个方程，则有

根据转置矩阵的性质，即得两个方程系数组之间的关系

可见直线方程系数的变换矩阵正是基矢变换矩阵（过渡矩阵）A。

这个结论表明：

在同一个白线性空间中，同一条直线在两个不同的坐标系里有不同的描述方程，方程系数的变换规律与坐标基矢的变换规律完全相同。

注意：

直线方程系数的变换规律不同于空间点坐标（或矢量坐标分量）的变换规律。

可见当坐标基矢按照过渡矩阵A变换时，其它对象的参量的变换就有两种变换规律。

这两种变换规律的参量叫做什么呢？

且听下回分解

上一回说到，在同一空间里，当坐标基矢按照过渡矩阵A变换时，其它对象的参量在坐标变换过程中的变换规律可以分成两大类。

在同一空间中，选取不同的基矢组，可以建立不同的坐标系。

当坐标系改变时，基矢当然按过渡矩阵A变换，因为基矢是坐标系的基础。

同时对于空间中的同一个对象，其描述参量也必然随之变换。

有些参量的变换规律与基矢变换规律（主要体现在过渡矩阵A）相同――如上述直线方程的系数，与基矢变换规律“协调一致”地变换――这样的参量叫做协变量。

也有一些参量的变换规律与基矢变换规律不一致，而是按过渡矩阵A的转置逆矩阵B变换――如上述矢量的坐标分量，却“逆转而变”――这样的参量叫做逆变量。

为了加以区别，科学界约定俗成：

协变量仍然用下标编号，逆变量一律采用上标编号。

例如：

上述直线方程的系数a,b属于坐标变换中的协变量，可以写成

。

上述空间点P的坐标（或矢量P的坐标分量）x,y，可以写成

。

这个约定对于多维空间中的张量代数和分析非常有用，请大家务必遵守并养成良好习惯。

把空间对象的参量按照变换规律的特点分成协变量和逆变量两大类，究竟有什么用处呢？

分类的标准又是看它在坐标变换过程中是否与基矢变换矩阵（过渡矩阵）A一致，而这个过渡矩阵A的实质又是什么东东呢？

且听下回分解。

上一回说到，在同一空间里，当坐标基矢按照过渡矩阵A变换时，其它对象的参量在坐标变换过程中的变换规律可以分成两大类。

在同一空间中，选取不同的基矢组，可以建立不同的坐标系。

当坐标系改变时，基矢当然按过渡矩阵A变换，因为基矢是坐标系的基础。

同时对于空间中的同一个对象，其描述参量也必然随之变换。

有些参量的变换规律与基矢变换规律（主要体现在过渡矩阵A）相同――如上述直线方程的系数，与基矢变换规律“协调一致”地变换――这样的参量叫做协变量。

也有一些参量的变换规律与基矢变换规律不一致，而是按过渡矩阵A的转置逆矩阵B变换――如上述矢量的坐标分量，却“逆转而变”――这样的参量叫做逆变量。

为了加以区别，科学界约定俗成：

协变量仍然用下标编号，逆变量一律采用上标编号。

例如：

上述直线方程的系数a,b属于坐标变换中的协变量，可以写成

。

上述空间点P的坐标（或矢量P的坐标分量）x,y，可以写成

。

这个约定对于多维空间中的张量代数和分析非常有用，请大家务必遵守并养成良好习惯。

把空间对象的参量按照变换规律的特点分成协变量和逆变量两大类，究竟有什么用处呢？

分类的标准又是看它在坐标变换过程中是否与基矢变换矩阵（过渡矩阵）A一致，而这个过渡矩阵A的实质又是什么东东呢？

且听下回分解。

上一回说到，在同一空间里，当坐标基矢按照过渡矩阵A变换时，其它对象的参量按照其变换规律可以分成两大类：

随A协调一致地变换者叫做协变量；“逆转而变”者叫做逆变量。

显然基矢变换矩阵（过渡矩阵）A是参量分类的基准。

而这个过渡矩阵A又是什么东东呢？

一般地，在n维白线性空间里，一组基矢

可以视为n个独立变量，另一组基矢

是它们的n个齐次线性函数，即可以线性表出为

其中基矢变换矩阵（过渡矩阵）A为n×n阶方阵

矩阵元素在直线坐标系中通常为常数。

n个齐次线性函数之间线性无关的条件要求A为非奇异矩阵，即行列式值|A|≠0。

另一方面，与基矢相应的两套坐标线（直线）坐标（空间点P的坐标或任意矢量P的坐标分量）可分别记为

和

，也可以相互表出为n个齐次多元线性函数，如：

其中坐标变换矩阵B也是一个n×n阶方阵

当坐标基矢按照过渡矩阵A变换时，空间点P的坐标按照A的转置逆矩阵B变换，即“逆转而变”，所以两个变换矩阵的关系为：

即A的转置矩阵与B互逆，有

坐标变换矩阵B当然也满足可逆条件。

根据定义，两个矩阵应有如下关系：

或

这里克罗内克尔符号定义为

注意：

今后的克罗内克尔符号也可以有上下标之分，更具有普适性。

在白线性空间里，空间一切元素之间不存在正交概念，过渡矩阵A肯定不是正交矩阵，即一般地

在白线性空间里，过渡矩阵A也不一定是对称矩阵，即一般地

张量概念的前提是坐标变换，而坐标变换的核心关键是基矢变换矩阵（过渡矩阵）A。

那么在白线性空间里，张量究竟是什么样的量呢？

详情且听下回分解。

（原创）克罗内克尔符号δ初步（图）  

2009-09-0920:

22:

45|  分类：

 科学的皇后|字号 订阅

克罗内克尔符号δ（Kroneckerδ）在现代数学和计算机科学中神通广大，不可不识。

本文初步介绍笛卡儿坐标系中的克罗内克尔符号。

一、克罗内克尔符号的来由

在笛卡儿坐标系中，坐标基矢不仅均为单位矢量，而且两两相互正交（即夹角90度），这样的一组坐标基矢叫做标准正交基。

如下图所示：

图1三维笛卡儿坐标系

以三维笛卡儿坐标系为例，三个坐标基矢之间有如下点积关系：

（1） 

即下标相同的两个基矢的点积（即每个基矢的自点积）都等于1，表明坐标基矢均为单位矢量；下标不同的两个基矢的点积都等于0，表明坐标基矢两两相互正交。

为了简洁地表达上述关系，人们创造了如下的符号表达式：

（2）

称之为克罗内克尔符号，或克罗内克尔δ（Kroneckerδ）。

上述的关系式

（1）就可以简洁地记为

 （3）

这就是同一组正交标准基内部的点积关系。

二、克罗内克尔符号的矩阵形式

由定义式

（2）不难构想，以克罗内克尔符号的分量为元素，可以构成一个矩阵

（4） 

显然是一个单位矩阵。

即

（5）

这可以看作是克罗内克尔符号定义的矩阵形式。

当然也是个对称矩阵，即有

 （6）

克罗内克尔符号可以推广到n维的笛卡儿坐标系去使用，只要牢记它的两个指标均遍历其取值范围即可。

即式

（2）、（4）、（5）、（6）都不言而喻地隐含

 （7）

在n维笛卡儿坐标系中，克罗内克尔符号的矩阵形式可以是n×n阶单位矩阵。

三、克罗内克尔符号的基本性质及用途

有了克罗内克尔符号，在研究多维矢量乃至张量时就方便多了。

比如有两个矢量在笛卡儿坐标系的分量表达式分别为：

（8） 

和

（9） 

注意：

这里使用了爱因斯坦求和约定（参见周法哲前几天的博文）。

一对哑标（如i）可以同时用其它小写字母（如j）替换。

替换哑标字母是为了作矢量乘法时避免指标混乱。

则这两个矢量的点积就可以表示为

 （10）

根据克罗内克尔符号的定义式

（2）或（5）可知，指标i不等于j的求和项全为0，只有i＝j的几项参加求和（这几项δ的数值为1），所以上式的求和结果还可以写成

 （11）

这与我们过去熟悉的矢量点积的如下算式殊途同归。

（12） 

注意：

比较式（10）和（11）的结果，可以发现克罗内克尔符号的一个重要性质：

 （13）

即：

如果求和项中的哑标是克罗内克尔符号的指标之一，则结果是消去克罗内克尔符号，且另一个哑标因子的指标改换为原克罗内克尔符号的另一个指标（非哑标）。

一般地，克罗内克尔符号的这个性质可表示为

 （14）

综上所述，在n维笛卡儿坐标系中，任意两个矢量的点积运算过程可简洁地描述为

 （15）

克罗内克尔符号还有许多性质和更多的用途，请注意周法哲今后的相关博文。

不过克罗内克尔符号可以描述矢量乃至张量的点积运算，那么，矢量的叉积有没有简洁的符号表示呢？

且听下回分解

上一回说到，在同一空间里，当坐标基矢按照过渡矩阵A变换时，其它对象的参量按照其变换规律可以分成两大类：

随A协调一致地变换者叫做协变量；“逆转而变”者叫做逆变量。

显然基矢变换矩阵（过渡矩阵）A是参量分类的基准。

而这个过渡矩阵A又是什么东东呢？

一般地，在n维白线性空间里，一组基矢

可以视为n个独立变量，另一组基矢

是它们的n个齐次线性函数，即可以线性表出为

其中基矢变换矩阵（过渡矩阵）A为n×n阶方阵

矩阵元素在直线坐标系中通常为常数。

n个齐次线性函数之间线性无关的条件要求A为非奇异矩阵，即行列式值|A|≠0。

另一方面，与基矢相应的两套坐标线（直线）坐标（空间点P的坐标或任意矢量P的坐标分量）可分别记为

和

，也可以相互表出为n个齐次多元线性函数，如：

其中坐标变换矩阵B也是一个n×n阶方阵

当坐标基矢按照过渡矩阵A变换时，空间点P的坐标按照A的转置逆矩阵B变换，即“逆转而变”，所以两个变换矩阵的关系为：

即A的转置矩阵与B互逆，有

坐标变换矩阵B当然也满足可逆条件。

根据定义，两个矩阵应有如下关系：

或

这里克罗内克尔符号定义为

注意：

今后的克罗内克尔符号也可以有上下标之分，更具有普适性。

在白线性空间里，空间一切元素之间不存在正交概念，过渡矩阵A肯定不是正交矩阵，即一般地

在白线性空间里，过渡矩阵A也不一定是对称矩阵，即一般地

张量概念的前提是坐标变换，而坐标变换的核心关键是基矢变换矩阵（过渡矩阵）A。

那么在白线性空间里，张量究竟是什么样的量呢？

详情且听下回分解。

上一回说到，张量概念的前提是坐标变换，而坐标变换的核心关键是基矢变换矩阵（过渡矩阵）A。

在同一空间里，当坐标变换时，所有的参量按照其变换规律可以分成两大类：

随A协调一致地变换者叫做协变量；“逆转而变”者叫做逆变量。

那么一阶张量究竟是什么样的量呢？

本文先介绍一阶逆变张量的定义。

一般地，在n维空间的任一坐标系中给定一组有序的数

如果当坐标基矢按某个过渡矩阵A变换时，而这一组数X却按A的转置逆矩阵B变换，即变为

则称这一组数为一个一阶逆变张量。

通常用上标变量表示。

矢量的坐标分量（或矢端点的坐标）就是这样的一组数。

当坐标基矢变换时，它们却逆转而变，所以属于逆变张量。

又因为它们的变换因子中只乘了一个矩阵，所以属于一阶张量。

下面举例说明。

在白线性空间里，有一矢量P，我们选定一组基矢

建立一个坐标系，矢量P可表示为一组坐标分量

，即可表示为一组有序的数

，可构成一个n×1阶的列矩阵X。

这样就把矢量转化为一组标量，便于计算机处理。

不妨以二维空间为例，坐标基矢为

，则矢量P可以表示为数组

，或列矩阵

如下图中的

坐标系所示：

 图：

一阶逆变张量

但是，同一个矢量P在不同的坐标系中会表现为不同的数组。

就是说如果我们选定另一组基矢

建立另一个坐标系，矢量P则又可表示为另一组坐标分量

，即可表示为另一个数组

，也可构成另一个n×1阶的列矩阵X'。

不妨仍以二维空间为例，当坐标基矢组变换为

'时，则描述矢量P的数组变换成

，也可记为列矩阵

如上图中的

坐标系所示。

通过前几回的讨论我们知道，当坐标变换时，两组基矢之间的变换关系体现为一个过渡矩阵A。

仍以二维空间为例，假定可记为

或一般地对于n维空间写成

其中基矢变换矩阵（过渡矩阵）A为n×n阶方阵

一阶逆变张量的定义是说：

当坐标基矢按