Catégorie
Tenseur
Concepts associés (61)
Raising and lowering indices
In mathematics and mathematical physics, raising and lowering indices are operations on tensors which change their type. Raising and lowering indices are a form of index manipulation in tensor expressions. Mathematically vectors are elements of a vector space over a field , and for use in physics is usually defined with or . Concretely, if the dimension of is finite, then, after making a choice of basis, we can view such vector spaces as or . The dual space is the space of linear functionals mapping .
Tenseur symétrique
Un tenseur d'ordre 2 est dit symétrique si la forme bilinéaire associée est symétrique. Un tenseur d'ordre 2 étant défini par rapport à un certain espace vectoriel, on peut y choisir des vecteurs de base et le tenseur est alors représenté par une matrice de composantes . Une définition équivalente à la précédente consiste à dire que la matrice est symétrique, c'est-à-dire que : pour tout couple d'indices i et j, car cette propriété reste inchangée si l'on change de base.
Nombre dual
En mathématiques et en algèbre abstraite, les nombres duaux sont une algèbre associative unitaire commutative à deux dimensions sur les nombres réels, apparaissant à partir des réels par adjonction d'un nouvel élément ε avec la propriété ε = 0 (ε est un élément nilpotent). Ils ont été introduits par William Clifford en 1873. Ils sont notamment utiles pour fournir un outil de dérivation automatique. Ils ont également des applications en physique. Tout nombre dual s'écrit de façon unique sous la forme z = a + bε avec a et b réels.
Notation de Voigt
vignette|Notation de Voigt pour une matrice symétrique 3x3. On appelle notation de Voigt une convention permettant de réduire le nombre d'indices utilisés pour décrire un tenseur symétrique. Cette notation permet notamment de représenter sous forme matricielle des tenseurs d'ordre 3, comme le tenseur piézoélectrique, ou 4 comme le tenseur des modules élastiques. Cette notation doit son nom à Woldemar Voigt qui les a élaborées.
Tensor decomposition
In multilinear algebra, a tensor decomposition is any scheme for expressing a "data tensor" (M-way array) as a sequence of elementary operations acting on other, often simpler tensors. Many tensor decompositions generalize some matrix decompositions. Tensors are generalizations of matrices to higher dimensions (or rather to higher orders, i.e. the higher number of dimensions) and can consequently be treated as multidimensional fields.
Vector multiplication
In mathematics, vector multiplication may refer to one of several operations between two (or more) vectors. It may concern any of the following articles: Dot product – also known as the "scalar product", a binary operation that takes two vectors and returns a scalar quantity. The dot product of two vectors can be defined as the product of the magnitudes of the two vectors and the cosine of the angle between the two vectors. Alternatively, it is defined as the product of the projection of the first vector onto the second vector and the magnitude of the second vector.
Application multilinéaire
En algèbre linéaire, une application multilinéaire est une application à plusieurs variables vectorielles et à valeurs vectorielles qui est linéaire en chaque variable. Une application multilinéaire à valeurs scalaires est appelée forme multilinéaire. Une application multilinéaire à deux variables vectorielles est dite bilinéaire. Quelques exemples classiques : le produit scalaire est une forme bilinéaire symétrique ; le déterminant est une forme multilinéaire antisymétrique des colonnes (ou lignes) d'une matrice carrée.
Covariant et contravariant (algèbre linéaire)
vignette|Exemple de coordonnées covariantes d'un vecteur (bleu) dans un repère non orthonormé. En algèbre linéaire, les adjectifs covariant et contravariant sont utilisés pour décrire la manière avec laquelle des grandeurs varient lors d'un changement de base. Ces grandeurs sont dites covariantes lorsqu'elles varient comme les vecteurs de la base, et contravariantes lorsqu'elles varient de façon contraire. La notion est étroitement liée au concept de dualité : les coordonnées covariantes dans une base correspondent en effet aux coordonnées contravariantes dans la base duale, et réciproquement.
Tensor representation
In mathematics, the tensor representations of the general linear group are those that are obtained by taking finitely many tensor products of the fundamental representation and its dual. The irreducible factors of such a representation are also called tensor representations, and can be obtained by applying Schur functors (associated to Young tableaux). These coincide with the rational representations of the general linear group. More generally, a matrix group is any subgroup of the general linear group.
Tensor network
Tensor networks or tensor network states are a class of variational wave functions used in the study of many-body quantum systems. Tensor networks extend one-dimensional matrix product states to higher dimensions while preserving some of their useful mathematical properties. The wave function is encoded as a tensor contraction of a network of individual tensors. The structure of the individual tensors can impose global symmetries on the wave function (such as antisymmetry under exchange of fermions) or restrict the wave function to specific quantum numbers, like total charge, angular momentum, or spin.