族谱网 头条 人物百科

张量积

2020-10-16
出处:族谱网
作者:阿族小谱
浏览:751
转发:0
评论:0
两个张量的张量积有两个(或更多)张量积的分量的一般公式。例如,如果U和V是秩分别为n和m的两个协变张量,则它们的张量积的分量给出为所以两个张量的张量积的分量是每个张量的分量的普通积。注意在张量积中,因子U消耗第一个rank(U)指标,而因子V消耗下一个rank(V)指标,所以例子设U是类型(1,1)的张量,带有分量Uβ;并设V是类型(1,0)的张量,带有分量V。则而张量积继承它的因子的所有指标。两个矩阵的克罗内克积对于矩阵这个运算通常叫做克罗内克积,用来明确结果有特定块结构在其上,其中第一个矩阵的每个元素被替代为这个元素与第二个矩阵的积。对于矩阵U{\displaystyleU}和V{\displaystyleV}:多重线性映射的张量积给定多重线性映射f(x1,……-->,xk){\displaystylef(x_{1},\dots,x_{k})}和g(x1,……-->,xm){\disp...

两个张量的张量积

有两个(或更多)张量积的分量的一般公式。例如,如果 U 和 V 是秩分别为 n 和 m 的两个协变张量,则它们的张量积的分量给出为

所以两个张量的张量积的分量是每个张量的分量的普通积。

注意在张量积中,因子 U 消耗第一个 rank(U) 指标,而因子 V 消耗下一个 rank(V) 指标,所以

例子

设 U 是类型 (1,1) 的张量,带有分量 Uβ;并设 V 是类型 (1,0) 的张量,带有分量 V。则

张量积继承它的因子的所有指标。

两个矩阵的克罗内克积

对于矩阵这个运算通常叫做克罗内克积,用来明确结果有特定块结构在其上,其中第一个矩阵的每个元素被替代为这个元素与第二个矩阵的积。对于矩阵 U {\displaystyle U} 和 V {\displaystyle V} :

多重线性映射的张量积

给定多重线性映射 f ( x 1 , … … --> , x k ) {\displaystyle f(x_{1},\dots ,x_{k})} 和 g ( x 1 , … … --> , x m ) {\displaystyle g(x_{1},\dots ,x_{m})} 它们的张量积是多重线性函数

向量空间的张量积

在域 K {\displaystyle K} 上的两个向量空间V 和 W 的张量积 V ⊗ ⊗ --> W {\displaystyle V\otimes W} 有通过“生成元和关系”的方法的形式定义。在这些 ( v , w ) {\displaystyle (v,w)} 的关系下的等价类被叫做“张量”并指示为 v ⊗ ⊗ --> w {\displaystyle v\otimes w} 。通过构造,可以证明在张量之间的多个恒等式并形成张量的代数。

要构造 V ⊗ ⊗ --> W {\displaystyle V\otimes W} ,采用在 K {\displaystyle K} 之上带有基 V × × --> W {\displaystyle V\times W} 的向量空间,并应用(因子化所生成的子空间)下列多线性关系:

( v 1 + v 2 ) ⊗ ⊗ --> w = v 1 ⊗ ⊗ --> w + v 2 ⊗ ⊗ --> w {\displaystyle (v_{1}+v_{2})\otimes w=v_{1}\otimes w+v_{2}\otimes w}

v ⊗ ⊗ --> ( w 1 + w 2 ) = v ⊗ ⊗ --> w 1 + v ⊗ ⊗ --> w 2 {\displaystyle v\otimes (w_{1}+w_{2})=v\otimes w_{1}+v\otimes w_{2}}

c v ⊗ ⊗ --> w = v ⊗ ⊗ --> c w = c ( v ⊗ ⊗ --> w ) {\displaystyle cv\otimes w=v\otimes cw=c(v\otimes w)}

这里的 v , v i , w , w i {\displaystyle v,v_{i},w,w_{i}} 是来自适当空间的向量,而 c {\displaystyle c} 来自底层域 K {\displaystyle K} 。

我们可以推出恒等式

零在 V ⊗ ⊗ --> W {\displaystyle V\otimes W} 中。

结果的张量积 V ⊗ ⊗ --> W {\displaystyle V\otimes W} 自身是向量空间,它可以直接通过向量空间公理来验证。分别给定 V 和 W 基 { v i } {\displaystyle \{v_{i}\}} 和 { w i } {\displaystyle \{w_{i}\}} ,形如 v i ⊗ ⊗ --> w j {\displaystyle v_{i}\otimes w_{j}} 的张量形成 V ⊗ ⊗ --> W {\displaystyle V\otimes W} 的基。张量积的维数因此是最初空间维数的积;例如 R m ⊗ ⊗ --> R n {\displaystyle \mathbb {R} ^{m}\otimes \mathbb {R} ^{n}} 有维数 m n {\displaystyle mn} 。

张量积的泛性质

张量积可以用泛性质来刻画。考虑通过双线性映射 φ 把笛卡尔积 V × W 嵌入到向量空间 X 的问题。张量积构造 V ⊗ W 与给出自

的自然嵌入映射 φ : V × W → V ⊗ W 一起是这个问题在如下意义上的“泛”解。对于任何其他这种对 (X, ψ),这里的 X 是向量空间,而 ψ 是双线性映射 V × W → X,则存在一个唯一的线性映射

使得

假定这个泛性质,张量积在同构意义下的惟一性是容易验证的。

直接推论是从 V × W 到 X 的双线性映射

和线性映射

的同一性。它是 ψ 到 T 的自然同构映射。

希尔伯特空间的张量积

两个希尔伯特空间的张量积是另一个希尔伯特空间,其定义如下。

定义

设 H 1 {\displaystyle H_{1}} 和 H 2 {\displaystyle H_{2}} 是两个希尔伯特空间,分别带有内积 〈 〈 --> ⋅ ⋅ --> , ⋅ ⋅ --> 〉 〉 --> 1 {\displaystyle \langle \cdot ,\cdot \rangle _{1}} 和 〈 〈 --> ⋅ ⋅ --> , ⋅ ⋅ --> 〉 〉 --> 2 {\displaystyle \langle \cdot ,\cdot \rangle _{2}} 。构造 H1 和H2 的张量积 H 1 ⊗ ⊗ --> ^ ^ --> H 2 {\displaystyle H_{1}{\hat {\otimes }}H_{2}} 如下:

考虑他们的作为线性空间的张量积 H = H 1 ⊗ ⊗ --> H 2 {\displaystyle H=H_{1}\otimes H_{2}} 。 H 1 {\displaystyle H_{1}} 和 H 2 {\displaystyle H_{2}} 上的内积自然地扩展到 H {\displaystyle H} 上:

由内积的双线性(Bilinearity),只需定义

其中 ϕ ϕ --> 1 , ψ ψ --> 1 ∈ ∈ --> H 1 {\displaystyle \phi _{1},\psi _{1}\in H_{1}} 和 ϕ ϕ --> 2 , ψ ψ --> 2 ∈ ∈ --> H 2 {\displaystyle \phi _{2},\psi _{2}\in H_{2}} 即可。

现在 H {\displaystyle H} 是一未必完备的内积空间。将 H {\displaystyle H} 完备化,得到希尔伯特空间 H 1 ⊗ ⊗ --> ^ ^ --> H 2 {\displaystyle H_{1}{\hat {\otimes }}H_{2}} ,这就是 H1 和 H2作为希尔伯特空间的张量积。在希尔伯特空间的范畴中, H 1 ⊗ ⊗ --> ^ ^ --> H 2 {\displaystyle H_{1}{\hat {\otimes }}H_{2}} 具有如前所述的泛性质,即它是二者在该范畴内的乘积。

性质

如果 H1 和 H2 分别有正交基{φk} 和 {ψl},则 {φk ⊗ ψl} 是 H1 ⊗ H2 的正交基。

与对偶空间的关系

在泛性质的讨论中,替代 X 为 V 和 W 的底层标量域生成空间 ( V ⊗ ⊗ --> W ) ⋆ ⋆ --> {\displaystyle (V\otimes W)^{\star }} ( V ⊗ ⊗ --> W {\displaystyle V\otimes W} 的对偶空间,包含在那个空间上的所有线性泛函),它自然的同一于在 V × × --> W {\displaystyle V\times W} 上所有双线性函数的空间。换句或说,所有双线性泛函是在张量积上的泛函,反之亦然。

只要 V {\displaystyle V} 和 W {\displaystyle W} 是有限维的,在 V ⋆ ⋆ --> ⊗ ⊗ --> W ⋆ ⋆ --> {\displaystyle V^{\star }\otimes W^{\star }} 和 ( V ⊗ ⊗ --> W ) ⋆ ⋆ --> {\displaystyle (V\otimes W)^{\st同构 }} 之间有一个自然的同构,而对于任意维的向量空间我们只有一个包含 V ⋆ ⋆ --> ⊗ ⊗ --> W ⋆ ⋆ --> ⊂ ⊂ --> ( V ⊗ ⊗ --> W ) ⋆ ⋆ --> {\displaystyle V^{\star }\otimes W^{\star }\subset (V\otimes W)^{\star }} 。所以线性泛函的张量是双线性泛函。这给我们一种新看法,把双线性泛函看做张量积自身。

参见

外积

并矢积


免责声明:以上内容版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。感谢每一位辛勤著写的作者,感谢每一位的分享。

——— 没有了 ———
编辑:阿族小谱
发表评论
写好了,提交
{{item.label}}
{{commentTotal}}条评论
{{item.userName}}
发布时间:{{item.time}}
{{item.content}}
回复
举报
点击加载更多
打赏作者
“感谢您的打赏,我会更努力的创作”
— 请选择您要打赏的金额 —
{{item.label}}
{{item.label}}
打赏成功!
“感谢您的打赏,我会更努力的创作”
返回

更多文章

更多精彩文章
扫一扫添加客服微信