Jeder Tensor auf Rang 2 würde den gleichen Trick machen, richtig?
Was ist dann die Motivation für die Wahl der Metrik?
Auch, wenn Sie mir helfen, das zu beweisen , wäre ich auch dankbar ^^
Es ist eine Konvention . Wenn eine Theorie einen ausgezeichneten invertierbaren Rang-2-Tensor hat, warum sollte man ihn nicht verwenden? Beispiele:
Wenn es mehr als einen ausgezeichneten invertierbaren Rang-2-Tensor gibt, müsste man eine Wahl treffen. ZB bimetrisches GR usw.
--
Formaler ausgedrückt spiegelt der Begriff „Anheben und Absenken von Indizes“ den musikalischen Isomorphismus wider . Siehe auch zB diesen Phys.SE-Beitrag und darin enthaltene Links.
Um eine gute Vorstellung vom "Anheben und Absenken von Indizes" zu haben, benötigen Sie einen nicht entarteten 2-Tensor. Wenn es nicht nicht entartet ist, können Sie es senden zu , in diesem Fall können Sie nicht sagen, dass "den Index zu senken und ihn dann wieder zu erhöhen" wie nichts zu tun ist. Das zu können, ist von entscheidender Bedeutung. Eine Riemannsche Mannigfaltigkeit ist per Definition mit einer solchen nicht entarteten (symmetrischen) bilinearen Form ausgestattet, daher gibt es eine kanonische Wahl des Begriffs des Anhebens und Absenkens von Indizes.
Wenn Ihr Verteiler garantiert andere nicht entartete 2-Tensoren trägt, können Sie diese auch zum Anheben und Absenken von Indizes verwenden (obwohl die Bedeutung eine andere ist als die des Anhebens und Absenkens mit der Metrik). Das ist zum Beispiel der Fall, wenn Ihre Mannigfaltigkeit symplektisch ist (also eine geschlossene, nicht entartete 2-Form trägt ).
Jeder Vektorraum (über die reellen Zahlen) kommt natürlich mit seinem dualen Vektorraum von linearen Abbildungen auf die reellen Zahlen, zB
Lassen Grundlage sein dann für die Erweiterung
Die duale Basis zu wird als Grundlage definiert von so dass
Wenn auf dem Vektorraum Es gibt ein inneres Produkt (zum Beispiel das übliche Punktprodukt) dann gibt es eine natürliche Karte zwischen und :
Lassen dann
Lassen Sie uns die folgende Matrix definieren
Definieren Sie die inverse Matrix von durch
Wir haben also tatsächlich gefunden:
Lassen Sie uns kurz zusammenfassen, was wir bisher getan haben.
Jetzt haben wir alles zur Hand, um die kovarianten (dualen) Koordinaten auszudrücken in Bezug auf die kontravarianten Koordinaten eines Vektors . Denken Sie daran:
Und da haben Sie es
Das Entscheidende ist das zu beachten und sind nicht irgendwelche Zufallszahlen, sondern zwei verschiedene Dinge: Ersteres sind die Koordinaten von in während letzteres die Koordinaten von sind in .
Der metrische Tensor wird durch seine Fähigkeit definiert, Indizes zu erhöhen und zu verringern. Nehmen Sie einen endlichdimensionalen Vektorraum, , mit . Bei einem anderen Raum, , mit Dimension Sie können den Raum linearer Karten zwischen diesen Räumen konstruieren. Wir nennen Elemente aus dem Raum linearer Abbildungen Matrizen, und in diesem Beispiel bilden sie einen Vektorraum, der hat .
Wenn der Zielraum Dimension hat (dh die Karte von zu Skalaren), dann hat der Kartenraum Dimensionen . Wie wir aus der linearen Algebra gelernt haben, sind alle zwei endlichdimensionalen Räume mit derselben Dimensionalität isomorph. Wir können daher eine isomorphe Abbildung (dh eine Abbildung, die sowohl 1 zu 1 ist als auch den Zielraum abdeckt) aus dem konstruieren zu . Die Karte von zu heißt Metrik.
Mit anderen Worten, wenn der Index oben ist, ist der Vektor von , wenn es unten ist (oft Dual-Space genannt ).
Abgesehen von der Invertierbarkeit wählen wir auch die Metrik aus, um andere gewünschte Eigenschaften zu haben. Insbesondere wollen wir die von produzierten Skalare unter einigen Transformationen (normalerweise Rotationen oder Lorentz-Transformationen) invariant zu sein. Dies schränkt die metrische Signatur (Muster von Vorzeichen von Eigenwerten) ein.
Auch dafür gibt es keinen Beweis denn das ist die Definition der inversen Metrik (die Karte von zu , im Gegensatz zu umgekehrt).
Die Verwendung des metrischen Tensors auf diese Weise erklärt den Riesz-Darstellungssatz auf einer nicht-orthogonalen Basis.
Der Riesz-Darstellungssatz stellt eine Entsprechung zwischen linearen Funktionalen und Vektoren her, indem eine lineare Funktion mit dem Vektor verknüpft wird, der normal zu seinen Ebenenmengen ist. Die Kontraktion mit dem metrischen Tensor berechnet diesen Normalenvektor.
Was es bedeutet, dass ein Vektor "normal" zu einer Hyperebene ist, hängt von der Metrik ab. Wenn Sie also den metrischen Tensor durch eine andere bilineare Form ersetzen, berechnen Sie den Vektor, der in einer anderen Metrik "senkrecht" ist.
Wir wissen, dass wir einen Vektor schreiben können als:
Dann erwarten wir:
Was dazu führt:
Aber ist unsere natürliche Definition von .
Deswegen:
Eine andere Betrachtungsweise ist mit -Formen und Vektoren. Gegeben die Vektorbasis und die -bilden diese sind dual if
Ryan Unger