{
  "id": "einstein-summation-convention",
  "title": "爱因斯坦求和约定",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "用重复指标表示求和的记号约定，可简化涉及向量、矩阵和张量的表达式。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "爱因斯坦求和规则",
    "爱因斯坦记号",
    "爱因斯坦求和法",
    "求和约定"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/einstein-summation-convention/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/einstein-summation-convention/",
      "json": "https://aiwiki.page/en/einstein-summation-convention.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "爱因斯坦求和约定是一种用重复指标代替显式求和符号的记号规则。在标准的张量形式中，同一项内出现两次的指标——一次作为上指标，一次作为下指标——表示在其指定范围内求和。这一约定使涉及张量的表达式更加简洁，同时保留有关其分量和缩并的信息。阿尔伯特·爱因斯坦在其1916年关于广义相对论的论文第5节中明确引入了这一规则。它也用于线性代数和计算中的数组记号。(en.wikisource.org)"
    },
    {
      "heading": "基本规则与指标范围",
      "text": "对于取值范围为 \\(1\\) 到 \\(n\\) 的指标 \\(i\\)，表达式\n\n\\[a_i b^i\\]\n\n表示\n\n\\[\\sum_{i=1}^{n}a_i b^i =a_1b^1+a_2b^2+\\cdots+a_nb^n.\\]\n\n重复指标指定了需要先相乘、再相加的分量；它不是指数。求和约定分别适用于和式中的每一项，而不是不加区分地作用于整个等式。(en.wikisource.org)\n\n指标的取值范围必须由上下文确定。对于有限维向量空间中的分量，指标可取值的个数通常等于该空间的维数。在四维时空中，指标通常从 \\(0\\) 取到 \\(3\\)。不同类型的指标可以有不同的取值范围；相互匹配的指标字母必须对应相容的分量空间。(w0.ned.ipac.caltech.edu)\n\n多对重复指标表示多个独立的求和。例如，\n\n\\[T_{ij}u^iv^j =\\sum_{i=1}^{n}\\sum_{j=1}^{n}T_{ij}u^iv^j.\\]\n\n这里，\\(i\\) 和 \\(j\\) 都不再出现在结果中。相比之下，\\(u^iv^j\\) 中的两个指标各不相同且均未重复，因此不包含隐含求和，而是给出张量积的分量。(en.wikisource.org)"
    },
    {
      "heading": "自由指标与哑指标",
      "text": "哑指标又称求和指标，在同一项中出现两次，并在求和后消去。用哪个字母表示它并无本质意义：\n\n\\[A^i{}_j x^j=A^i{}_k x^k.\\]\n\n只要替换后的字母不与该项中的其他指标冲突，这两个表达式就表示相同的分量。(appliedmechanicslab.github.io)\n\n自由指标不参与求和，用于标记结果的分量。在\n\n\\[y^i=A^i{}_j x^j\\]\n\n中，\\(i\\) 是自由指标，\\(j\\) 是哑指标。对于 \\(i\\) 的每一个允许取值，这个等式都表示一个标量等式。所有相加的项，以及张量等式的两边，都必须具有相互匹配的自由指标，且相应指标的上下位置也必须一致。因此，\\(u^i+v^j\\) 并不表示通常意义上按分量进行的向量加法。(appliedmechanicslab.github.io)\n\n在标准约定下，同一指标不能在一项中出现三次或更多次。因此，\\(a_i b^i c^i\\) 这样的表达式需要改写，或者明确采用另一种约定。像 \\(A^1{}_1\\) 这样的特定分量不会自动求和：重复的数字指定的是一个固定分量，而不是遍历取值范围的指标。(appliedmechanicslab.github.io)"
    },
    {
      "heading": "上指标与下指标",
      "text": "在微分几何中，指标的位置反映其变换方式。按惯例，上指标表示逆变分量，包括向量的分量；下指标表示协变分量，包括对偶空间中元素的分量。它们的变换规律使相互匹配的一对上、下指标可以用于张量缩并。每缩并一对指标，张量的指标总数就减少两个。(w0.ned.ipac.caltech.edu)\n\n度量张量将上指标分量与下指标分量联系起来：\n\n\\[v_i=g_{ij}v^j, \\qquad v^i=g^{ij}v_j,\\]\n\n其中，\\(g^{ij}\\) 是逆度量的分量。对于实向量，度量配对为\n\n\\[g(u,v)=g_{ij}u^iv^j.\\]\n\n当度量正定时，这就是一个内积；时空度量则不一定正定。(w0.ned.ipac.caltech.edu)\n\n在实欧几里得空间的一组标准正交基下，度量分量构成单位矩阵，对应的上指标分量与下指标分量在数值上相同。因此，笛卡尔坐标系中的张量计算常常把所有指标都写在下方，用 \\(a_i b_i\\) 表示点积。这种简化记号不应原样套用于任意坐标系或不定度量。(w0.ned.ipac.caltech.edu)"
    },
    {
      "heading": "矩阵与张量运算",
      "text": "表示线性映射的矩阵通过下式作用于向量：\n\n\\[y^i=A^i{}_j x^j.\\]\n\n映射的复合则写为\n\n\\[C^i{}_k=A^i{}_jB^j{}_k.\\]\n\n共同的指标 \\(j\\) 执行矩阵乘法中熟悉的求和，而 \\(i\\) 和 \\(k\\) 标记输出的分量。(nwchemex.github.io)\n\n矩阵的迹是同一对象内部的缩并：\n\n\\[\\operatorname{tr}A=A^i{}_i.\\]\n\n克罗内克 delta定义为：当 \\(i=j\\) 时，\\(\\delta^i{}_j=1\\)；否则为 \\(0\\)。它满足\n\n\\[\\delta^i{}_jv^j=v^i.\\]\n\n这些公式说明，指标的排列方式可以区分不同运算，而无须逐一写出运算名称。不过，仅凭简洁的指标记号，并不能断定一个数组按张量的方式变换；变换性质仍是一项独立的要求。(en.wikisource.org)"
    },
    {
      "heading": "计算记号与扩展",
      "text": "这一约定也为数值线性代数中的多维数组运算提供了一种表达语言。NumPy 的 einsum 用字符标签标记数组的轴。例如，einsum('ij,jk->ik', A, B) 表示矩阵乘法，而 einsum('i,i->', a, b) 对向量对应元素的乘积求和。箭头显式指定输出标签。(numpy.org)\n\n这类接口扩展了传统的数学约定。einsum('ij->i', A) 对标签仅出现一次的轴求和，而 einsum('i,i->i', a, b) 保留重复标签，并计算逐元素乘积。同样，einsum('ii->i', A) 提取的是对角线元素，而不是计算迹。这些都是有效的软件指令，因为输出标签决定哪些轴会保留下来；如果不说明修改后的规则，就不应将它们理解为通常的爱因斯坦记号。(numpy.org)"
    }
  ],
  "links": [
    "tensor",
    "albert-einstein",
    "general-relativity",
    "linear-algebra",
    "vector-space",
    "dimension-vector-space",
    "spacetime",
    "tensor-product",
    "differential-geometry",
    "dual-space",
    "tensor-contraction",
    "metric-tensor",
    "inner-product",
    "euclidean-space",
    "orthonormal-basis",
    "identity-matrix",
    "linear-map",
    "matrix",
    "matrix-trace",
    "kronecker-delta",
    "numerical-linear-algebra"
  ],
  "sources": [
    {
      "title": "The Foundation of the Generalised Theory of Relativity",
      "url": "https://en.wikisource.org/wiki/The_Foundation_of_the_Generalised_Theory_of_Relativity"
    },
    {
      "title": "Einstein Summation Convention — Applied Mechanics Lab",
      "url": "https://appliedmechanicslab.github.io/appliedmechanicslab/course_notes/ENGN1370/ESC.html"
    },
    {
      "title": "Einstein Summation Convention — TensorWrapper 1.0.0 documentation",
      "url": "https://nwchemex.github.io/TensorWrapper/background/einstein_summation_convention.html"
    },
    {
      "title": "numpy.einsum — NumPy v2.1 Manual",
      "url": "https://numpy.org/doc/2.1/reference/generated/numpy.einsum.html"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}