张量积、楔积（外积）、叉积、内积

大家好，欢迎来到IT知识分享网。

一.核心区别概览

二.概念极其运算规则

1.内积 (Inner Product)

定义： 定义在向量空间 V (实数域 R 或复数域 C) 上的一个二元运算，将两个向量 a 和 b 映射到一个标量 (R 或 C)。记作 <a, b>, (a, b), 或 a· b (点积是内积在欧氏空间的特例)。

运算规则 (公理)：

共轭对称性 (Conjugate Symmetry)： <a, b> = conjugate(<b, a>)。在实数域上，这简化为对称性 (Symmetry)： <a, b> = <b, a>。

第一变元线性 (Linearity in the First Argument)： <ua + vb, c> = u<a, c> + v<b, c> (其中 u, v 是标量)。

正定性 (Positive Definiteness)： <a, a> ≥ 0，且 <a, a> = 0 当且仅当 a = 0。(复数域附加)： 由共轭对称性和第一变元线性可以推出第二变元的共轭线性 (Antilinearity / Conjugate Linearity)： <a, ub + vc> = conjugate(u)<a, b> + conjugate(v)<a, c>。

关键特性： 双线性性(实) 或 半双线性性(复 – 第一变元线性，第二变元共轭线性)、对称性(实) 或 共轭对称性(复)、正定性。

输出是标量。

几何意义/应用：计算向量的长度/模： ||a|| = √(<a, a>)。

计算两个向量之间的夹角 θ：

<a, b> = ||a|| ||b|| cosθ (在实内积空间)。

判断正交性 (垂直)： <a, b> = 0。投影。

定义希尔伯特空间 (完备的内积空间)。

示例 (标准欧几里得内积，R³)：

a = (a₁, a₂, a₃), b = (b₁, b₂, b₃)

<a, b> = a · b = a₁b₁ + a₂b₂ + a₃b₃

(1, 2, 3) · (4, 5, 6) = 1*4 + 2*5 + 3*6 = 4 + 10 + 18 = 32

2.叉积 (Cross Product)

定义： 严格限定在三维欧几里得空间 (R³) 上的一个二元运算，将两个向量 a 和 b 映射到另一个三维向量 a × b。

运算规则：

结果向量： a × b 的结果是一个向量。

方向： 垂直于 a 和 b 所在的平面，方向由右手定则确定 (右手四指从 a 弯向 b，拇指方向即为 a × b 的方向)。

模长： ||a × b|| = ||a|| ||b|| |sinθ|，其中 θ 是 a 和 b 之间的夹角。其模长等于以 a 和 b 为邻边的平行四边形的面积。

分量公式：

关键特性：

反对称性 (Antisymmetry / Skew-Symmetry)： a × b = -(b × a)。

双线性性 (Bilinearity)。输出是向量 (同空间)。仅在 R³ 有定义。a × a= 0。a× b = 0 当且仅当 a 和 b 平行 (线性相关)。

几何意义/应用：

计算垂直于两个给定向量的向量。

计算平行四边形或三角形的面积 (||a × b||)。

计算平行六面体的体积 (与标量三重积 a· (b× c) 相关)。

物理学中广泛用于计算力矩、角动量、洛伦兹力等。

示例：

a = (1, 0, 0) (x 轴单位向量), b = (0, 1, 0) (y 轴单位向量)

a × b = (0*0 – 0*1, 0*0 – 1*0, 1*1 – 0*0) = (0, 0, 1) (z 轴单位向量)

a × b = – (b × a) = – (0, 0, -1) = (0, 0, 1) (验证反对称)

3.楔积 (Wedge Product) / 外积 (Exterior Product)

定义： 定义在向量空间 V 的外代数 (Exterior Algebra) 上的运算。它将 k 个向量 (v₁, v₂, …, vₖ) 映射到一个k-向量 (k-vector) 或反对称张量 (Antisymmetric Tensor)，记作 v₁ ∧ v₂ ∧ … ∧ vₖ。特别地，两个向量的楔积 u ∧ v 是最基本的形式。k 称为该 k-向量的阶 (Grade)。

运算规则 (核心公理)：

双线性性 (Bilinearity)：

(au + bv) ∧ w = a(u ∧ w) + b(v ∧ w),

u ∧ (av + bw) = a(u ∧ v) + b(u ∧ bw) (标量 a, b)。

反对称性 (Antisymmetry / Alternating)：

u ∧ v = – (v ∧ u)。

更一般地，交换 k-向量中任意两个相邻向量的位置会改变符号。这意味着如果任意两个向量相同或线性相关，则整个楔积为零：

u ∧ u = 0, 如果 v = cu (c 是标量)，则 u ∧ v = 0。

结合律 (Associativity)：

(u ∧ v) ∧ w = u ∧ (v ∧ w) = u ∧ v ∧ w。

关键特性：

反对称性、结合律、双线性性。

输出是一个新的代数对象 (k-向量)，它代表了有向的 k 维平行体 (parallelepiped) 的体积和方向。k-向量存在于一个新的空间 Λᵏ(V) (V 的 k 阶外积空间) 中。

几何意义/应用：

有向面积/体积： u ∧ v (2-向量) 表示以 u 和 v 为边张成的有向平行四边形的面积和平面方向。u ∧ v ∧ w (3-向量) 表示以 u, v, w 为边张成的有向平行六面体的体积和空间定向。模长 ||u ∧ v|| 等于 ||u × v|| (在 R³)。

定向 (Orientation)： k-向量的符号表示空间的定向 (如右手系 vs 左手系)。

线性无关性检测： v₁ ∧ v₂ ∧ … ∧ vₖ ≠ 0 当且仅当向量 {v₁, …, vₖ} 线性无关。

微分形式 (Differential Forms)： 现代微分几何和物理（如广义相对论、规范场论）的基础语言。k-微分形式就是流形上每一点指定一个 k-向量场的对象，用于定义积分、斯托克斯定理等。

与叉积的关系 (在 R³)：

在三维欧氏空间中，叉积 u × v 和楔积 u ∧ v 紧密相关但不完全相同。

u ∧ v 本身是一个 2-向量（一个平面上的有向面积元）。

在 R³ 中，2-向量空间 Λ²(R³) 与 1-向量空间 R³ 本身同构（维数都是 3）。这个同构映射由 霍奇对偶 (Hodge Star Operator, ★) 给出：★(u ∧ v) = u × v。

因此，在 R³ 中，叉积 u × v 可以看作是楔积 u ∧ v 的霍奇对偶。叉积的结果向量垂直于楔积所代表的平面，其长度等于楔积所代表的面积。

示例 (R³)：

u = (1, 0, 0), v = (0, 1, 0)

u ∧ v 是一个 2-向量，代表 xy 平面上的一个单位有向面积元。

u ∧ u = (1, 0, 0) ∧ (1, 0, 0) = 0 (反对称性)

(u + v) ∧ w = u ∧ w + v ∧ w (双线性性)

4.张量积 (Tensor Product)

定义： 定义在两个向量空间 V 和 W (或同一个空间) 上的运算。它将向量 v ∈ V 和 w ∈ W 映射到一个新的对象 v ⊗ w，称为简单张量 (Simple Tensor)。v ⊗ w 属于一个新的向量空间 V ⊗ W，称为 V 和 W 的张量积空间。这个空间包含了所有形如 v ⊗ w 的元素以及它们的有限线性组合。

运算规则 (核心性质)：

双线性性 (Bilinearity)： 这是张量积的定义性特征。

(av₁ + bv₂) ⊗ w = a(v₁ ⊗ w) + b(v₂ ⊗ w) (对第一个变元线性)

v ⊗ (aw₁ + bw₂) = a(v ⊗ w₁) + b(v ⊗ w₂) (对第二个变元线性)

(其中 v, v₁, v₂ ∈ V; w, w₁, w₂ ∈ W; a, b 是标量)。

无其他约束： 张量积 v ⊗ w 本身不要求对称性 (v ⊗ w ≠ w ⊗ v)，也不要求反对称性 (v ⊗ w ≠ – (w ⊗ v)。它是最一般的双线性组合形式。

关键特性：

双线性性是核心。

输出是一个新空间的元素 (张量)。V ⊗ W 的维度是 dim(V) * dim(W)。张量积空间 V ⊗ W 的元素 (张量) 可以看作是作用在 V* × W* (对偶空间) 上的双线性映射 (其中 V* 是 V 的对偶空间)。

几何意义/应用：

构造更大的向量空间： 用于从较小的空间构建更高维度的空间。例如，线性算子的空间可以看作 V* ⊗ W。

表示多线性映射： V ⊗ W 中的元素天然对应于从 V* × W* 到标量的双线性映射。更一般地，(p, q) 型张量空间 T^(p, q)(V) = V⊗ᵖ ⊗ (V*)⊗ᵖ 中的元素对应于多重线性映射 (V*)ᵖ × Vᵖ -> R。

量子力学： 描述复合量子系统的希尔伯特空间是子系统希尔伯特空间的张量积 (如 H_{total} = H₁ ⊗ H₂)。

机器学习： 在深度学习和张量分解中广泛应用。

与其他积的关系：

内积： 内积 不是 张量积。内积输出标量，张量积输出新的向量空间中的元素。

楔积： 楔积是张量积的一个商空间 (Quotient Space)。具体来说，k 阶外积空间 Λᵏ(V) 是由 k 重张量积空间 V ⊗ … ⊗ V (k 次) 模掉 (商掉) 所有对称张量子空间后得到的空间。更准确地说，是模掉所有形如 v ⊗ v 或 … ⊗ v ⊗ w ⊗ … + … ⊗ w ⊗ v ⊗ … 的元素 (强制反对称)。所以 u ∧ v 可以看作 u ⊗ v – v ⊗ u (在等价类意义下)。

示例 (简单情况)：

设 V = R², W = R²。

v = (1, 0) ∈ V, w = (0, 1) ∈ W。

v ⊗ w 是 V ⊗ W 中的一个元素。如果取 V 的标准基 {e₁, e₂}, W 的标准基 {f₁, f₂}，则 V ⊗ W 的基是 {e₁ ⊗ f₁, e₁ ⊗ f₂, e₂ ⊗ f₁, e₂ ⊗ f₂}。

v ⊗ w = (1, 0) ⊗ (0, 1) = 1*e₁ ⊗ 0*f₁ + 1*e₁ ⊗ 1*f₂ + 0*e₂ ⊗ 0*f₁ + 0*e₂ ⊗ 1*f₂ = e₁ ⊗ f₂ (假设线性组合)。

w ⊗ v = (0, 1) ⊗ (1, 0) = e₂ ⊗ e₁。在 V ⊗ W 中，e₁ ⊗ f₂ 和 e₂ ⊗ e₁ 是不同的、线性无关的元素。v ⊗ w ≠ w ⊗ v。

5.总结区别 (再强调一遍)

内积： 两个向量 -> 标量。衡量相似度、角度、长度。核心是对称双线性(实)/共轭对称半双线性(复) + 正定。

叉积： 两个三维向量 -> 一个三维向量。结果垂直于输入向量平面，模长等于面积。核心是反对称 + 双线性 + 仅在 R³。

楔积/外积： k 个向量 -> 一个 k-向量 (反对称张量)。代表有向 k 维体积和方向。核心是反对称 + 结合 + 双线性。是张量积的商。

张量积： 两个向量 (来自可能不同的空间) -> 一个(1,1)型张量/双线性映射。构造更大的空间，表示最一般的双线性组合。核心只有双线性性，没有对称或反对称要求。是最基础的操作，楔积建立在它的基础上 (通过商掉对称部分)。

楔积是张量积的反对称化：

术语混淆： “外积”一词有时会被不严格地用作叉积或楔积的同义词，特别是在物理学文献中。在数学中，尤其是在现代微分几何和代数中，“外积”几乎总是等同于“楔积”。阅读时需要根据上下文仔细辨别。

推广： 叉积可以被推广到更高维度的形式（如七维），但推广形式复杂且不常用。楔积则是处理任意维度中“有向体积”的自然和强大的工具。张量积是线性代数中最普遍的构造之一。

抽象程度： 张量积和楔积是更抽象的概念，定义在一般的向量空间上。内积需要额外的结构（内积）。叉积是一个具体的、只在三维欧氏空间中定义的运算。

理解这些区别对于掌握向量代数、线性代数、张量分析、微分几何以及它们在物理学（经典力学、电磁学、广义相对论、量子力学）中的应用至关重要。