Les tenseurs sont des objets mathématiques issus de l'algèbre multilinéaire permettant de généraliser les scalaires et les vecteurs. On les rencontre notamment en analyse vectorielle et en géométrie différentielle fréquemment utilisés au sein de champs de tenseurs. Ils sont aussi utilisés en mécanique des milieux continus.
Le présent article ne se consacre qu'aux tenseurs dans des espaces vectoriels de dimension finie, bien que des généralisations en dimension infinie et même pour des modules existent.
Le principe est de généraliser les notions de scalaires et de vecteurs en dimension finie. Les tenseurs d'un type donné sont eux-mêmes membres d'un espace vectoriel :
ils possèdent une addition et un produit par les scalaires ;
ils sont indépendants d'un choix de base mais peuvent être représentés par des tableaux à plusieurs entrées pour un choix de base donnée.
S'y ajoutent deux opérations : un produit, dit tensoriel, permettant de multiplier deux tenseurs (éventuellement de natures distinctes) ainsi qu'une application linéaire qui réduit leur ordre, appelée contraction.
Comme évoqué ci-dessus les scalaires et les vecteurs constituent des exemples simples de tenseurs. Dans une base donnée, un vecteur (tenseur d'ordre 1) peut être représenté par la donnée d'un n-uplet de coordonnées. Les matrices n×n — qui peuvent représenter suivant les cas des endomorphismes, des bivecteurs ou encore des formes bilinéaires — forment une extension des n-uplets similaire à l'extension que représente les n-uplets par rapport aux scalaires. Les objets descriptibles par des matrices constituent donc les premiers types de tenseurs non triviaux, appelés tenseurs d'ordre 2. En prolongeant la réflexion on peut imaginer, toujours de manière informelle, des matrices cubiques n×n×n, correspondant aux tenseurs d'ordre 3, et ainsi de suite.
center
Les deux opérations classiques de la manipulation des tenseurs peuvent être intuitivement illustrées par certaines opérations matricielles.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
En mathématiques, les variétés différentielles ou variétés différentiables sont les objets de base de la topologie différentielle et de la géométrie différentielle. Il s'agit de variétés, « espaces courbes » localement modelés sur l'espace euclidien de dimension n, sur lesquelles il est possible de généraliser une bonne part des opérations du calcul différentiel et intégral. Une variété différentielle se définit donc d'abord par la donnée d'une variété topologique, espace topologique localement homéomorphe à l'espace R.
vignette|Une photographie de David Hilbert (1862 - 1943) qui a donné son nom aux espaces dont il est question dans cet article. En mathématiques, un espace de Hilbert est un espace vectoriel réel (resp. complexe) muni d'un produit scalaire euclidien (resp. hermitien), qui permet de mesurer des longueurs et des angles et de définir une orthogonalité. De plus, un espace de Hilbert est complet, ce qui permet d'y appliquer des techniques d'analyse. Ces espaces doivent leur nom au mathématicien allemand David Hilbert.
En mathématiques, en physique et en ingénierie, un champ tensoriel est un concept très général de quantité géométrique variable. Il est utilisé en géométrie différentielle et dans la théorie des variétés, en géométrie algébrique, en relativité générale, dans l'analyse des contraintes et de la déformation dans les matériaux, et en de nombreuses applications dans les sciences physiques et dans le génie. C'est une généralisation de l'idée de champ vectoriel, lui-même conçu comme un « vecteur qui varie de point en point », à celle, plus riche, de « tenseur qui varie de point en point ».
Couvre la décomposition des tenseurs et le théorème de Jennrich, en se concentrant sur le rang des tenseurs et l'unicité de la décomposition des tenseurs.
In this thesis, we propose and analyze novel numerical algorithms for solving three different high-dimensional problems involving tensors. The commonality of these problems is that the tensors can potentially be well approximated in low-rank formats. Ident ...
Tensor trains are a versatile tool to compress and work with high-dimensional data and functions. In this work we introduce the streaming tensor train approximation (STTA), a new class of algorithms for approximating a given tensor ' in the tensor train fo ...
A rank-adaptive integrator for the approximate solution of high-order tensor differential equations by tree tensor networks is proposed and analyzed. In a recursion from the leaves to the root, the integrator updates bases and then evolves connection tenso ...