记张量积的数学记号为 ⊗。

1. linear

假设 V,W 为线性空间(vector spaces),f:V→W是线性(linear)的,如果满足:

f(v1+v2)=f(v1)+f(v2)f(αv)=αf(v)
  • f 表示的是两个线性空间的映射,从线性空间 V 到线性空间 W;

2. bilinear

有三个线性空间,U,V,W,f:U×V→W是双线性的(bilinear),如果:

f(u1+u2,v)=f(u1,v)+f(u2,v)f(u,v1+v2)=f(u,v1)+f(u,v2)f(αu,v)=αf(u,v)=f(u,αv)
  • 当 v 固定,f(u,v) 在 u 中是线性的;

    • f(u,v)=fv(u)=fv(u1+u2)=fv(u1)+fv(u2)
    • f(αu,v)=fv(αu)=αfv(u)
  • 当 u 固定时,f(u,v) 在 v 是线性的;

3. U⊗V

{bilinearU×V→W}≃Hom(U⊗V,W)
  • U⊗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→W 是 U⊗V→W上的线性映射(linear map)。

    • 既然 U⊗V 是一个新的线性空间,不仿记为 X
    • 此时 U⊗V→W 可被重新描述为 X→W

4. 张量的相关计算

U⊗V 该线性空间中的元素:{u⊗v|u∈U,v∈V}

因为 U⊗V 仍然构成线性空间(f(u,v):U⊗V),所以有:

f(u1+u2,v)=f(u1,v)+f(u2,v)⇒(u1+u2)⊗v=u1⊗v+u2⊗vf(u,v1+v2)=f(u,v1)+f(u,v2)⇒u⊗(v1+v2)=u⊗v1+u⊗v2f(αu,v)=αf(u,v)=f(u,αv)⇒(αu)⊗v=α(u⊗v)=u⊗(αv)

5. 一个实例

定义二维线性空间:R2=⟨e1,e2⟩,则 R2⊗R2的标准基由下述构成:

e1⊗e1,e1⊗e2,e2⊗e1,e2⊗e2

从张量积(tensor product)到多重线性代数(multilinear algebra)的更多相关文章

  1. 线性代数 | Linear Algebra

    网上说<线性代数应该这样学>非常不错,再配合大学教材,把线性代数的基本知识点过一遍. 线性代数 - 知乎 最近在跟一个教程:李宏毅的线性代数 基本知识: Rn :We denote the ...

  2. 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 ...

  3. python深度学习培训概念整理

    对于公司组织的人工智能学习,每周日一天课程共计五周,已经上了三次,一天课程下来讲了两本书的知识.发现老师讲的速度太快,深度不够,而且其他公司学员有的没有接触过python知识,所以有必要自己花时间多看 ...

  4. (转)TensorFlow 入门

        TensorFlow 入门 本文转自:http://www.jianshu.com/p/6766fbcd43b9 字数3303 阅读904 评论3 喜欢5 CS224d-Day 2: 在 Da ...

  5. R中的统计模型

    R中的统计模型 这一部分假定读者已经对统计方法,特别是回归分析和方差分析有一定的了解.后面我们还会假定读者对广义线性模型和非线性模型也有所了解.R已经很好地定义了统计模型拟合中的一些前提条件,因此我们 ...

  6. tensorflow op tf.global_variables_initializer

    一.安装目前用了tensorflow.deeplearning4j两个深度学习框架, tensorflow 之前一直支持到python 3.5,目前以更新到3.6,故安装最新版体验使用. 慢慢长征路: ...

  7. MATLAB矩阵运算

    1. 矩阵的加减乘除和(共轭)转置 (1) 矩阵的加法和减法 如果矩阵A和B有相同的维度(行数和列数都相等),则可以定义它们的和A+B以及它们的差A-B,得到一个与A和B同维度的矩阵C,其中Cij=A ...

  8. Domain Adaptation (3)论文翻译

    Abstract The recent success of deep neural networks relies on massive amounts of labeled data. For a ...

  9. 论文翻译——Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank

    Abstract Semantic word spaces have been very useful but cannot express the meaning of longer phrases ...

随机推荐

  1. ASP.NET MVC案例教程(基于ASP.NET MVC beta)——第三篇:ASP.NET MVC全局观

    摘要      本文对ASP.NET MVC的全局运行机理进行一个简要的介绍,以使得朋友们更好的理解后续文章. 前言      在上一篇文章中,我们实现了第一个ASP.NET MVC页面.对于没有接触 ...

  2. 16、cgminer学习之:popen函数和system函数详解(执行系统命令)

    1.popen函数我们先用man指令查一下popen函数: 函数说明: (1)popen()会调用fork()产生子进程,然后从子进程中调用/bin/sh -c来执行参数command的指令. (2) ...

  3. HDU 2577 How to Type (线性dp)

    How to Type Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others) Tota ...

  4. CSS伪元素与伪类的区别

    伪类和伪元素介绍 伪类:伪类选择元素基于的是当前元素处于的状态,或者说元素当前所具有的特性,而不是元素的id.class.属性等静态的标志.由于状态是动态变化的,所以一个元素达到一个特定状态时,它可能 ...

  5. 全选或者单选checkbox的值动态添加到div

    图片.png <!DOCTYPE html> <html> <head> <meta charset="utf-8" /> < ...

  6. BigBoss按键映射

    // BigBoss: SBSettings Toggle Spec 按键映射 http://thebigboss.org/guides-iphone-ipod-ipad/sbsettings-tog ...

  7. 关于android的2.2与4.4的文件读取的一点发现

    好久没有写文章了,本来想写的东西,时间一长,就感觉不想写了.没什么用,到用时.又不知道去哪找了或怎么解决. 有一句话说的好啊,好记性不如烂笔头. 我要做到善于总结.及时整理,额............ ...

  8. Qt的焦点策略

    Qt的窗口部件在图形用户界面中按用户的习惯的方式来处理键盘焦点.基本出发点是用户的击键能定向到屏幕上窗口中的任何一个,和在窗口中任何一个部件中.当用户按下一个键,他们期望键盘焦点能够到达正确的位置,并 ...

  9. js课程 4-12 js中正则表达式如何使用

    js课程 4-12 js中正则表达式如何使用 一.总结 一句话总结: 1.js正则表达式手册取哪里找? w3cschool或者菜鸟教程->找到js正则表达式->完整的RegExp参考手册这 ...

  10. 利用java反射将结果集封装成为对象和对象集合

    java反射机制是什么 反射机制是在运行状态中,可以知道任何一个类的属性和方法,并且调用类的属性和方法: 反射机制能够做什么 1.判断运行对象的所属类 2.构造任意一个类的对象 3.获取任意一个类的属 ...