Пространство, время и движение. Величайшие идеи Вселенной
Шрифт:
Линия между двумя точками, при движении по которой мы проходим минимальное расстояние (или затрачиваем максимум собственного времени, если речь идет о пространстве-времени), называется геодезической. Такие линии описываются формулами (см. приложение Б), которые можно вывести примерно так же, как делалось в главе 3 при обсуждении принципа наименьшего действия. Тогда мы говорили о пространстве путей, по которым может пройти частица, связывали с каждым из них какое-то количество действия и находили такой, на котором оно минимально (а производная действия в пространстве путей равна нулю). При поиске геодезических линий мы будем действовать точно так же, но вместо действия будем минимизировать длину кривой.
Геодезическая
А что значит «сохранять направление движения»? Это когда положение вектора скорости относительно траектории не изменяется, то есть осуществляется параллельный перенос этого вектора. Поэтому можно дать еще одно определение геодезической линии: это путь, при движении по которому вектор скорости остается параллельным начальному вектору скорости. Выходит, что параллельный перенос вектора связан с метрическим тензором: кривые, на которых возможен параллельный перенос, имеют минимальную длину.
Кривизна
Итак, к чему мы пришли? Метрический тензор — самая базовая геометрическая структура многообразия. Он позволяет определять длины траекторий, находить площади и объемы многомерных областей пространства и вычислять скалярные произведения векторов. Он говорит нам, как выполнять параллельный перенос векторов вдоль кривой: мы выяснили, что для этого нужны геодезические линии — кратчайшие пути между точками. Именно параллельный перенос позволит нам сложить последнюю часть головоломки: полностью кривизну пространства.
Сфера и гиперболическая плоскость — это самые простые искривленные многообразия, кривизна которых одинакова во всех точках и направлениях. Для более сложных случаев хотелось бы придумать способ надежно определять кривизну в любой точке многообразия. Мы уже поняли, что метрика не слишком подходит для этой цели, поскольку зависит от выбранной системы координат и при одной и той же геометрии может быть проще или сложнее. Нужная нам величина (возможно, тензор) должна однозначно показывать кривизну пространства и принимать нулевое значение при ее отсутствии.
При параллельном переносе вектора по двум разным траекториям итоговый вектор не совпадает с исходным. Мы уже видели это на примере сферы, когда переносили вектор с экватора на полюс. Аналогичным образом, если начать движение с полюса, дойти до экватора, переместиться вдоль него, а затем вернуться на полюс, направление вектора также изменится. Это очень важный момент: параллельный перенос по замкнутому контуру, как правило, не позволяет сохранить исходный вектор. По крайней мере в искривленных пространствах.
Мы можем использовать это наблюдение для оценки кривизны: на плоских множествах при параллельном переносе по замкнутому контуру вектор сохраняет направление, на искривленных — отклоняется на какой-то угол.
Однако проблема в том, что замкнутых контуров очень много и описать поведение векторов на них едва ли реально. Поэтому мы должны выбрать какой-то ограниченный набор характерных контуров, которые несложно описать в численном виде.
И здесь нам на помощь придет уже ставший привычным прием:
Представим себе два вектора,
23
Если вам кажется, что из-за кривизны пространства мы можем не попасть в исходную точку, вы правы: это действительно так. Но так как наш контур очень мал, расхождение будет пренебрежимо мало по сравнению с величинами, которые мы хотим измерить.
Чтобы определить такой контур, не требуется много данных: нужны всего два вектора и точка. Чтобы измерить кривизну, возьмем еще один, третий вектор
(7.20)
Именно так мы будем определять кривизну в любой точке произвольного многообразия. Построив контур при помощи двух векторов и выполнив параллельный перенос третьего вектора, мы получим итоговый вектор, который покажет нам, как сильно искривлено пространство. На почти плоских множествах он будет очень мал, на сильно искривленных — относительно велик.
Иными словами, мы получили отображение множества из трех векторов