Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Concept
Vecteur contravariant, covariant et covecteur
Résumé
Un vecteur contravariant est un vecteur, un vecteur covariant est une forme linéaire, encore appelé covecteur, ou encore vecteur dual. Et si on dispose d'un produit scalaire, on peut représenter une forme linéaire (= un vecteur covariant = un covecteur) par un vecteur à l'aide du théorème de représentation de Riesz (cette représentation dépend du choix du produit scalaire).
Toutes ces notions sont indépendantes de représentation dans une base : mais à partir du moment où on choisit une base , la représentation des composantes des vecteurs, et des composantes des formes linéaires, est standard : elle se fait avec un indice en haut pour les composantes des vecteurs, comme , et un indice bas pour les composantes des formes linéaires, comme où est la base duale.
Ce vocabulaire a été longtemps (et est encore souvent) associé au comportement des composantes lors d'un changement de base, en particulier les composantes d'un vecteur se transformant de manière inverse aux transformations des vecteurs de base : quand la transformation pour les vecteurs de base se lit matriciellement , alors la transformation pour les composantes se lit matriciellement , d'où le nom "contravariant" donné aux vecteurs (transformation "dans le sens inverse de "). Et les composantes des formes linéaires se transforment comme (transformation "dans le sens ").
L'importance de la distinction entre vecteur covariant et contravariant se voit également dans l'étude de changement de base des tenseurs. Par exemple un tenseur 1 fois covariant et 1 fois contravariant (comme en endomorphisme) se transforme comme , alors qu'un tenseur deux fois covariant (comme un produit scalaire) se transforme comme . Dans le cadre usuel d'un changement de systèmes de coordonnées (non orthonormé), comme un changement du système cartésien au système polaire, on ne peut confondre ces formules.
On confond souvent tenseur et calcul tensoriel ou matriciel (le calcul avec les formes multilinéaires), calculs indispensables entre autres en physique.
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Cours associés (32)
MATH-111(e): Linear Algebra
L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et ses applications.
PHYS-314: Quantum physics II
The aim of this course is to familiarize the student with the concepts, methods and consequences of quantum physics.
ME-411: Mechanics of slender structures
Analysis of the mechanical response and deformation of slender structural elements.
Séances de cours associées (169)
Éléments de groupes de Lie et d'algèbres
Explore la transformation des vecteurs et des tenseurs en physique quantique, en mettant l'accent sur les groupes de Lie et les algèbres.
Tenseurs sphériques et théorème de Wigner-Eckart
Couvre la transformation des vecteurs et des tenseurs en physique quantique.
Diagonalisation des matrices
Explore la diagonalisation des matrices à l'aide de vecteurs propres et de valeurs propres.
Publications associées (46)
Randomized flexible GMRES with deflated restarting
For a high dimensional problem, a randomized Gram-Schmidt (RGS) algorithm is beneficial in computational costs as well as numerical stability. We apply this dimension reduction technique by random sketching to Krylov subspace methods, e.g. to the generaliz ...
Springer2024Dynamically Orthogonal Approximation for Stochastic Differential Equations
Fabio Nobile, Yoshihito Kazashi, Fabio Zoccolan
In this paper, we set the mathematical foundations of the Dynamical Low Rank Approximation (DLRA) method for high-dimensional stochastic differential equations. DLRA aims at approximating the solution as a linear combination of a small number of basis vect ...
2023Collaborative Learning in the Jungle (Decentralized, Byzantine, Heterogeneous, Asynchronous and Nonconvex Learning)
Rachid Guerraoui, Sadegh Farhadkhani, El Mahdi El Mhamdi, Le Nguyen Hoang, Sébastien Louis Alexandre Rouault, Arsany Hany Abdelmessih Guirguis
We study Byzantine collaborative learning, where n nodes seek to collectively learn from each others' local data. The data distribution may vary from one node to another. No node is trusted, and f < n nodes can behave arbitrarily. We prove that collaborati ...
2021Personnes associées (12)
Concepts associés (29)
Symbole delta de Kronecker
En mathématiques, le symbole delta de Kronecker, également appelé symbole de Kronecker ou delta de Kronecker, est une fonction de deux variables qui est égale à 1 si celles-ci sont égales, et 0 sinon. Il est symbolisé par la lettre δ (delta minuscule) de l'alphabet grec. ou, en notation tensorielle : où δ et δ sont des vecteurs unitaires tels que seule la i-ème (respectivement la j-ème) coordonnée soit non nulle (et vaille donc 1).
Convention de sommation d'Einstein
En mathématiques et plus spécialement dans les applications de l'algèbre linéaire en physique, la convention de sommation d'Einstein ou notation d'Einstein est un raccourci de notation utile pour la manipulation des équations concernant des coordonnées. Selon cette convention, quand l'indice d'une variable apparaît deux fois dans un terme, on sous-entend la sommation sur toutes les valeurs que peut prendre cet indice. Cet indice est dit muet. On le fait figurer une fois en position supérieure, une fois en position inférieure.
Mixed tensor
In tensor analysis, a mixed tensor is a tensor which is neither strictly covariant nor strictly contravariant; at least one of the indices of a mixed tensor will be a subscript (covariant) and at least one of the indices will be a superscript (contravariant). A mixed tensor of type or valence , also written "type (M, N)", with both M > 0 and N > 0, is a tensor which has M contravariant indices and N covariant indices. Such a tensor can be defined as a linear function which maps an (M + N)-tuple of M one-forms and N vectors to a scalar.
MOOCs associés (12)
Algèbre Linéaire (Partie 1)
Un MOOC francophone d'algèbre linéaire accessible à tous, enseigné de manière rigoureuse et ne nécessitant aucun prérequis.
Algèbre Linéaire (Partie 1)
Un MOOC francophone d'algèbre linéaire accessible à tous, enseigné de manière rigoureuse et ne nécessitant aucun prérequis.
Algèbre Linéaire (Partie 2)
Un MOOC francophone d'algèbre linéaire accessible à tous, enseigné de manière rigoureuse et ne nécessitant aucun prérequis.