1.黎曼与曲面：度量张量与内在几何结构的诞生
1854年黎曼在一篇题为《论几何的基础》的讲座中，扔出一句划时代的话：几何的基础应建立在量与量之间的可度量关系上.这不只是反对欧几里得几何，而是引入一个根本性转变：空间不是预设的，几何由内部的度量结构决定.他提出：在一个任意曲面的任意一点，长度、角度、体积等几何量，都应由一个叫作“度量张量”（metric tensor）的东西来定义.这个对象——我们今天写作 g_ij——就是现代张量理论的正式起点.它有两个指标，告诉你：在该点，坐标方向 i 与方向 j 之间的“度量关系”是多少.更重要的是：它不是坐标赋予的，而是空间本身的“本地属性”.这就是所谓的内蕴几何：不再依赖把曲面嵌入三维空间看弯曲，而是直接在曲面自身上定义“测量规则”.从此，曲率、长度、体积等几何量，统统都被还原为对 g_ij的计算.黎曼本人还提出了今天被称为“黎曼曲率张量”的雏形，虽然他没有写下完整公式，但框架已经具备.他没有叫它“张量”，但他给出了最早的、具有清晰几何含义的对称二阶张量，并且指出：它的变换方式决定了它是不是“真正的几何对象”.如果说柯西的张量来自物理结构的多维依赖，黎曼的张量则来自几何结构的自洽性需求.这时张量还只是个“方法”，不是一个“体系”.它的计算规则、导数推广、坐标变换律都还没建立.
2.克里斯托费尔与协变导数：张量运算的规则建立
有了黎曼度量张量，几何不再是画图，而是做计算，但一个新的问题马上出现了：如果张量是几何对象，那我们能不能对它求导数？换句话说，张量场的“变化率”还能是张量吗？答案是：不能直接求偏导数.因为张量的变换规则非常特殊.你直接对它求偏导数，不会再得到一个“按张量规则变换”的对象.也就是说，普通导数不能保持张量性.这时候，克里斯托费尔在1869年引入了一个关键概念：协变导数（covariant derivative）.
为了让张量在不同坐标系中求导后仍然“像张量那样变”，他引入了一组修正项——这就是今天我们熟知的克里斯托费尔符号（Christoffel symbols），记作
这些符号本身不是张量，但用来纠正偏导数的不变性问题.加上它们之后，导数操作才恢复了张量结构.这一步彻底打开了张量分析的大门.从此之后：可以定义张量的梯度、散度、拉普拉斯等操作；可以比较不同点之间张量的“平行传播”；可以写出曲率、连接、测地线的精确定义.这也标志着：张量不再只是个多指标量，而是构成可微几何结构的基本语言.克里斯托费尔虽然是做几何的，但他建的这套微积分系统，直接被后来的引力理论、规范场论、现代微分几何全面继承.他没有发明“张量”这个词，但他给出了“如何运算张量”的全部规则框架.
3.绝对张量分析学派：里奇–列维–奇塔与形式主义的确立
到了19世纪末，张量的雏形已经具备：有了多指标对象（柯西），有了变换不变量的思想（黎曼），也有了正确的导数定义（克里斯托费尔）.但这些都是“散件”.要把这些散件组装成一套可复制、可教学、可编程的数学语言，还差临门一脚.这一步，由意大利数学家里奇（Gregorio Ricci-Curbastro）完成.他在19世纪90年代系统整理了所有前人成果，创建了一整套以“坐标无关”为核心的计算体系，他称之为：“绝对微积分”（calcolo differenziale assoluto），这是历史上第一次把张量作为一等公民登上数学舞台，不再只是“多指标表格”，而是构造几何、力学、物理规律的通用语言.他的学生——列维-奇塔（Tullio Levi-Civita）——将这套语言进一步优化和推广，加入了现代记号、更加系统的分类，并写成教材.他最重要的贡献之一是引入了“张量变换律”作为定义标准：凡是在坐标变换下按特定规则变化的多指标对象，才配叫“张量”.这套标准一经确立，就像编程语言的语法规范一样，为后世无数几何、物理理论打下了语法基础.
到20世纪初，张量已经拥有：明确的分类：标量（一阶0阶张量）、向量（一阶张量）、二阶张量等；精确的定义方式：通过变换律；完整的运算规则：加法、乘法、缩并、协变导数；应用场景：从弹性力学到黎曼几何.但这套语言还停留在数学圈子里，没掀起大风浪.直到爱因斯坦在1915年将其引入引力理论，张量才成为物理学中不可动摇的基础语法.
4.爱因斯坦与广义相对论：张量成为引力的唯一语言
1915年爱因斯坦站在普鲁士科学院讲台上，提出广义相对论.他没有从实验出发，也没有直接从几何构造，而是从一个极其大胆的思想出发：物理定律的形式必须在所有参考系下保持不变.这叫广义协变性.问题是，用什么语言能保证“所有参考系下形式不变”？经典力学不行，矢量形式也不够——只有一套东西具备这个能力：张量.爱因斯坦直接引入了张量分析语言，把引力重新定义为“时空弯曲”，并用度量张量 g_μν 来描述时空结构.这个度量不再只是距离的计算器，而是决定光线如何传播、物体如何下落的物理结构.
他的核心公式：
两边全是张量.左边是空间的几何，右边是能量与动量的分布，整个宇宙的动力学就浓缩在这一张量等式中.张量，从此脱离了数学的边缘地位，成为理论物理的“主语”.但故事没有结束.狭义相对论也需要张量语言来表达洛伦兹协变性.量子力学和场论随后也发现：如果你想让局域对称性成立，张量结构必须内嵌进去.张量，变成了物理的普遍语法.
5.张量分析与洛伦兹协变：狭义相对论的形式升级
爱因斯坦在1905年提出狭义相对论，最初只用到了简单的代数与坐标变换.但很快，物理学家发现：要将它写得更优雅、更通用，尤其是让它能扩展到场论，就不能只靠坐标公式——必须用张量语言重写一切.狭义相对论的核心是：物理规律在洛伦兹变换下形式不变.张量天生就适合干这件事.因为张量的定义本身就是：在任意坐标变换下按规则变化，从而保证整体表达保持结构不变.这正是“协变性”的含义.于是，物理学开始以张量为基本单位，重写经典力学和电磁学，麦克斯韦方程在这个新语言下变成两条张量方程，简洁、对称、自动协变.没有张量，你就无法说清什么是真实、什么是伪量，什么是标量场、什么是矢量场，什么能参与作用，什么是数学产物.张量语言的引入，还为后来的量子场论提供了结构模板.你想让一个场是玻色子？那它必须是某种对称张量；你想让它是费米子？那你必须从旋量这个张量的“子种类”中选取.接下来，这种结构进入量子时代，与对称性、群论、规范性联手，成就了现代物理最深的结构.
6.量子场论与规范场：张量结构与局域对称性的结合
到了20世纪中叶，量子力学与相对论融合成了量子场论（Quantum Field Theory, QFT）.这时张量不再只是表达物理量的容器，而成为整个理论结构必须服从的框架.核心原则是：物理规律必须在局域对称性（规范对称性）下保持不变.简单说就是：你可以在每一点自由地“旋转”内部自由度（如相位、色荷、味道……），但物理不能因此改变.这种局域旋转不是几何意义上的旋转，而是抽象空间（李群）中的对称变换.这时候，张量语言再次登场，不只是坐标变换的“工具”，而是群表示的承载体：标量场对应 SU(n) 群的不变表示；矢量场是张量的一阶形式；电磁场（QED）通过反对称张量F_μν 描述；胶子场（QCD）通过 SU(3)群下的非阿贝尔张量结构组织；弱相互作用的玻色子通过 SU(2) 群矩阵构造出来；引力理论的推广（如规范引力）更是建立在度量张量和连接张量之间的变换结构上；你想让一个量“参与相互作用”，那它就必须是群的一个表示；你想让这个表示能写进拉格朗日量，那它就必须变换成张量形式.连最核心的物理对象——拉格朗日量、作用量、能动张量、流密度、散度项……都必须是张量或张量密度.更关键的是，张量给了我们计算“可观测量”的最短路径.因为你不知道自然的“本体”是什么，但你知道它必须在变换下给出不变预测，而这正是张量最擅长的事.从规范场理论中，我们看到一个结构性事实：张量是连接对称性与相互作用的最小语言单位.如果没有张量，你没法让对称性“落地”，也没法构造作用，也就没法预测粒子如何交换.接下来，数学家进一步从张量出发，构造更抽象的工具——丛、纤维、李代数表示空间.张量又一次被“升维”.
7.李群、纤维丛与弯曲空间：张量工具的抽象推广
到这一步，张量已经是坐标变换下的不变量表达、物理对称结构的载体.但在更高层次，数学家开始问：张量为什么“变成这样”？它们的变换规则背后有什么更深的结构？这时张量被推进到了更抽象的层级——丛理论（fiber bundles） 和 李群表示.李群视角：在物理中常见的“对称性群”都是李群（连续可微的群结构）.张量可以被视为李群在流形上的表示，是群作用下的场.这使得张量的“变换规律”不再是经验总结，而是李群表示论的直接产物.举例：电磁场是 U(1)群下的规范张量；弱相互作用是 SU(2) 群；强相互作用是 SU(3)；引力理论中，度量张量是不变于广义坐标变换下的对称二阶张量场.丛理论视角：张量场不是“函数”，而是赋值在流形每一点上的线性结构，本质上是丛（bundle）上的截面.
切丛（tangent bundle）：向量场；余切丛（cotangent bundle）：协变张量；张量积丛：任意阶张量；主丛与伴随丛：规范场的抽象容器
这意味着，张量不只是“一个数学对象”，而是被整个空间的拓扑和几何结构所支配的局部实体.
更进一步，张量场之间的关系、平行传输、联络（connection）、曲率张量等，全部可以在丛上自然构造——这就是现代微分几何的基础结构.也就是说：张量不仅描述了空间中的对象，它们本身就是空间结构的表达.在规范引力理论、弦论、非交换几何中，张量结构仍是核心.即使在极抽象的范畴论框架下，人们也往往要先“张量化”对象，才能定义范畴之间的态射.但回到实际世界，它也没有脱离工程和应用.数值模拟和AI时代，张量又一次变身，成为运算主角.
8.数值计算与工程力学：张量在计算机中的离散化表达
进入20世纪中后期，随着计算机的普及，张量理论从抽象几何的高空，落到了数值模拟与工程计算的地面.工程师、材料学家、气象模型师不关心协变导数和纤维丛，但他们天天面对应力张量、惯性张量、弹性模量张量、各向异性材料的响应张量.这些张量不再是无限维流形上的场，而是离散网格上的有限维数组，本质上是矩阵或更高阶数组——这也是今天所谓“张量运算”的实际意义：在编程世界里，“张量”通常就是带维度的多维数组，加上“如何变换”的规则.这种“弱化版张量”，虽然远离黎曼几何，却保留了两个核心：多维结构（指标）；准确的变换行为（尤其在有限元模拟中）
在流体力学、结构仿真、地震波模拟、航空材料分析中，张量场（尤其是二阶对称张量）作为模拟输入和输出，成为基础运算单位.与此同时，线性代数的发展也开始以“张量积”为核心运算操作，把向量空间的组合结构看作最基本的构造手段——不仅方便编码，也适用于物理建模.尤其是在有限元分析（FEM）与有限差分法（FDM）中，张量形式的物理律表达，是构造数值格式的语言基础.工程上的“张量”不必追求全协变性，但一旦进入曲面力学或非线性弹性，就必须重新回到真正的张量变换律.张量由此实现了从理论物理到工程数值的全链路穿透：既能表达弯曲时空中的引力，也能用于模拟风洞中的翼型结构.而到了21世纪，它又一次在意想不到的地方重生——人工智能.
9.现代AI中的张量结构：从张量乘法到深度神经网络
进入21世纪，张量在一个出人意料的领域“再就业”：人工智能.现代深度学习框架——如 TensorFlow、PyTorch、JAX，甚至名字里都直接带了 “Tensor”——并不是在卖弄高数，而是在告诉你：整个神经网络本质上就是张量变换的流水线.在这个语境中，张量通常指的是：多维数据结构：标量是一阶0维张量，向量是一维张量，矩阵是二维张量，图像是三维张量（宽×高×通道），视频是四维张量（帧×高×宽×通道）；张量运算规则：广播（broadcasting）、转置（transpose）、缩并（contraction）、外积（outer product）、卷积（convolution）……统统都是张量运算的“工程版本”.更进一步，高阶张量分解（tensor decomposition） 成为模型压缩、表示学习、参数高效化的重要工具.比如 Tucker 分解、CP分解、张量网络（Tensor Networks），这些概念最早来自量子多体物理，如今又在机器学习中发光发热.
AI研究者逐渐意识到：不理解张量结构，你写不出有效的模型；不了解张量变换，你调不动高效的训练.虽然在AI中，“张量”这个词常常被当作“带维度的数组”来用，少有人考虑它是否满足坐标变换下的协变性——但它仍然继承了“结构有维、行为有律”的核心精神.于是我们看到，从19世纪的黎曼几何，到20世纪的相对论，再到今天的图像识别与自然语言处理，张量完成了一次跨越三层学科的语言迁移：从几何语言 → 到物理语言 → 再到机器语言.但它仍然面对一个哲学老问题：张量究竟是现实的结构，还是人类书写现实的方式？
10.哲学视角：张量是现实，还是人造的坐标语法？
张量如此强大，几乎无所不包——从引力场到神经网络，从黑洞结构到图像识别.但这也引出一个根本性的问题：张量到底“存在”吗？它是自然的结构，还是我们对自然的编码？这不是学院派争论，而是一个决定你怎么看待整个科学框架的问题.一种观点是实在论（realism）：张量就像质量、电荷、时间一样，是自然界客观存在的一部分.例如在广义相对论中，度量张量 g_μν 决定了光线怎么走、物体如何自由下落，它不是“描述”，而是“决定”物理行为的实体.这意味着：张量是自然的组织方式，我们只是发现了它.从这个角度看，张量的变换律不是人造规则，而是宇宙的深层对称性在数学中的显影.
另一种观点是工具论/结构主义（instrumentalism/structuralism）：张量是语言，是我们用来描述物理世界的“语法工具”.它之所以有效，是因为它满足了一种强约束：形式上要在变换下保持一致；内容上要能编码足够多的信息；运算上要能复用已有工具（如线性代数）.换句话说：张量之所以存在，是因为我们要求自然规律具有“坐标独立性”这一形式美.在这个观点下，张量不是“真”，而是“方便”.就像我们选择用实数描述连续性，不是因为自然真的“用”实数，而是因为实数让我们可以表达足够多的物理过程.
还有一种观点介于两者之间：张量是一种结构映射：它不是实体，但它确实反映了自然中的结构关系.就像拓扑结构不是“存在”的东西，但确实反映了空间中“连接性”的真实特征；张量也不是粒子、能量那样的实体，但它确实描绘了“变量间相互依赖关系”的稳定性.它们不是自然本身，但它们像地图一样，成功地与自然之间形成了一种稳定对应关系.张量已经成为21世纪理解世界不可绕开的核心语言.
转载本文请联系原作者获取授权，同时请注明本文来自刘明成科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3609997-1484955.html?mobile=1
收藏
