从张量积(tensor product)到多重线性代数(multilinear algebra)
记张量积的数学记号为 ⊗\otimes。
1. linear
假设 V,WV,W 为线性空间(vector spaces),f:V→Wf: V\rightarrow W是线性(linear)的,如果满足:
f(v_1+v_2)=f(v_1)+f(v_2)\\ f(\alpha v)=\alpha f(v)
- ff 表示的是两个线性空间的映射,从线性空间 VV 到线性空间 WW;
2. bilinear
有三个线性空间,U,V,WU, V, W,f:U×V→Wf:U\times V\rightarrow W是双线性的(bilinear),如果:
f(u_1+u_2,v)=f(u_1, v)+f(u_2,v)\\ f(u, v_1+v_2)=f(u, v_1)+f(u, v_2)\\ f(\alpha u, v)=\alpha f(u, v)=f(u, \alpha v )
- 当 vv 固定,f(u,v)f(u, v) 在 uu 中是线性的;
- f(u,v)=fv(u)=fv(u1+u2)=fv(u1)+fv(u2)f(u, v)=f_v(u)=f_v(u_1+u_2)=f_v(u_1)+f_v(u_2)
- f(αu,v)=fv(αu)=αfv(u)f(\alpha u, v)=f_v(\alpha u)=\alpha f_v(u)
- 当 uu 固定时,f(u,v)f(u, v) 在 vv 是线性的;
3. U⊗VU\otimes V
\left\{\text{bilinear}\;U\times V\rightarrow W\right\}\simeq\text{Hom}(U\otimes V,W)
- U⊗VU\otimes V 仍然是线性空间(是一个新的线性空间),才能使双线性映射(bilinear maps) U×V→WU\times V\rightarrow W 是 U⊗V→WU\otimes V\rightarrow W上的线性映射(linear map)。
- 既然 U⊗VU\otimes V 是一个新的线性空间,不仿记为 XX
- 此时 U⊗V→WU\otimes V \rightarrow W 可被重新描述为 X→WX\rightarrow W
4. 张量的相关计算
U⊗VU\otimes V 该线性空间中的元素:{u⊗v|u∈U,v∈V}\left\{u\otimes v|u\in U,v\in V\right\}
因为 U⊗VU\otimes V 仍然构成线性空间(f(u,v):U⊗Vf(u, v): U\otimes V),所以有:
f(u_1+u_2,v)=f(u_1,v)+f(u_2,v)⇒ (u_1+u_2)\otimes v = u_1\otimes v+u_2\otimes v\\ f(u, v_1+v_2)=f(u, v_1)+f(u,v_2) ⇒ u\otimes (v_1+v_2)=u\otimes v_1+u\otimes v_2\\ f(\alpha u, v)=\alpha f(u, v)=f(u, \alpha v)⇒ (\alpha u)\otimes v=\alpha(u\otimes v)=u\otimes (\alpha v)
5. 一个实例
定义二维线性空间:R2=⟨e1,e2⟩\mathbb R^2=\left,则 R2⊗R2\mathbb R^2\otimes \mathbb R^2的标准基由下述构成:
e_1\otimes e_1,e_1\otimes e_2,e_2\otimes e_1,e_2\otimes e_2
从张量积(tensor product)到多重线性代数(multilinear algebra)相关推荐
- 【机器学习的数学基础】(二)线性代数(Linear Algebra)(中)
文章目录 2 线性代数(Linear Algebra)(中) 2.4 向量空间 2.4.1 群 2.4.2 向量空间 2.4.3 向量子空间 2.5 线性独立 2.6 基和秩 2.6.1 生成集和基 ...
- MIT 线性代数 Linear Algebra 26:复矩阵,傅里叶矩阵, 快速傅里叶变换 FFT
这一讲我们来讲一下复矩阵.线性代数中,复矩阵是避免不了的话题,因为一个简单实矩阵都有可能有复数特征值. 复矩阵 我们着重看一下复矩阵和实矩阵在运算上的区别. 距离 首先,一个复数向量的的距离求法发生了 ...
- 线性代数 linear algebra
2.3 实现属于我们自己的向量 Vector.py class Vector: def __init__(self, lst): self._values = lst #return len def ...
- MIT 线性代数 Linear Algebra 9: 向量空间的一些定义(线性独立,基,维度)
本节内容都是一些定义,实际上我们之前已经接触过了.让我们总结一下: linear independent 线性独立 给定一组向量 {v1,v2,...,vn}\{\bm{v_1,v_2,...,v_n ...
- MIT 线性代数 Linear Algebra 10: 矩阵的四个space
这一节是相当于对之前所有内容的一个总括,也是对线性代数的研究对象 – 矩阵 – 的一个总结 (从vector space的角度). 这四个space分别是 Column space C ( A ) C ...
- 线性代数 -- Linear Algebra with Applications
@.如果线性方程组无解,则称该方程组是不相容的(inconsistent). @.如果线性方程组至少存在一个解,则称该方程组是相容的(consistent). @.等价方程组(equivalent s ...
- 点积、内积、外积、叉积、张量积——概念区分
找张量积概念的时候,被各种野路子博客引入的各种"积"搞混了,下面仅以Wikipedia为标准记录各种积的概念. 点积(Dot product) https://en.wikiped ...
- 克罗内克积【kronecker product】
克罗内克积[Kronecker product] 已知矩阵A和矩阵B. Amn=[a11a12...a1na21a22...a2n............am1am2...amn],Bpq=[b11b ...
- 张量分析入门笔记 (Tensor For Beginner)
前言 学习的时候感觉要学一下张量,在B站看了一个视频,记录一下,参考的是B站视频[机翻]张量分析入门 (Tensor For Beginner) 前言 1. 张量的定义 Tenson Definiti ...
最新文章
- 面向连接和无连接的套接字到底有什么区别?
- ORACLE 11g 自动内存管理
- robot framework好的学习网址
- 你真的理解反向传播吗?面试必备
- 3.空域图像处理的洪荒之力
- 在外键上创建索引V1.0
- Appium原理初步--Android自动化测试学习历程
- Koa2 和 Express 中间件对比
- Java自学免费视频教程
- Sublime Text 2 注册码/破解方法
- 微信小程序ui布局常用技巧
- Strong-Convexity
- 2018浙大408考研经验(划掉)个人口胡 普通一本+二战(伪)+小跨吧大概
- 微信浏览器视频播放探索
- 解决网络连接正常,网页打不开的问题
- android 是否可触摸,android 2.0可能支持多点触摸?
- OSChina 周二乱弹 —— 金 冈刂 犭良
- 8-9(CCPD车牌数据集)
- 操作系统真象还原第10章:输入输出系统
- Python|简单的求和
热门文章
- mysql 分布式 生成序号_分布式唯一ID生成方案
- 安装pyOpenGL/python-opengl
- 在IDEA集成Github
- 虚拟机和主机通信的机制
- Android上传图片的两种方式
- android 视频标签,android--------WebView实现 Html5 视频标签加载
- html中可以编辑的文本,用BeautifulSoup编辑html中的文本
- matlab工具箱作用简介,Matlab各工具箱功能简介(部分)
- 报表 labview_干货!24个LabVIEW初学者常见问题及解答汇总
- LeetCode 105. 从前序与中序遍历序列构造二叉树(递归)