Tenseur | EPFL Graph Search

Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?

Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.

Découvrez-en plus sur les applications Graph.

En mathématiques, plus précisément en algèbre multilinéaire et en géométrie différentielle, un tenseur est un objet très général, dont la valeur s'exprime dans un espace vectoriel. On peut l'utiliser entre autres pour représenter des applications multilinéaires ou des multivecteurs. On pourrait abusivement considérer qu'un tenseur est une généralisation à n indices du concept de matrice carrée (la matrice possède un indice ligne et un indice colonne — un tenseur peut posséder un nombre arbitraire d'indices inférieurs, covariants, et d'indices supérieurs, contravariants, à ne pas confondre avec des exposants), mais la comparaison s'arrête là car une matrice n'est qu'un simple tableau de nombres qui peut être utilisé pour représenter des objets abstraits, alors que le tenseur est, comme les vecteurs et les applications multilinéaires, un objet abstrait dont les coordonnées changent lorsqu'on passe d'une représentation dans une base donnée à celle dans une autre base. On peut envisager l'outil tenseur dans quatre types d'utilisation différentes : le cas simple, où on l'utilise pour ses capacités à représenter des objets algébriques complexes et où on n'a pas besoin des concepts de distances ni d'angles ; on n'introduira pas de produit scalaire, et dans ce cas les coordonnées covariantes représentent des objets de type application linéaire et les coordonnées contravariantes représentent des objets de type (multi-)vecteurs ; le cas où la base est orthonormée, et où il n'y a pas de différence entre coordonnées covariantes et contravariantes ; le cas où la base n'est pas orthonormée, et où le produit scalaire est défini par un tenseur métrique. Dans ce cas, le tenseur métrique permet de convertir les coordonnées covariantes en coordonnées contravariantes (et vice versa) ; le cas des espaces courbes de Riemann et plus tard, de la relativité générale, dans lesquels le tenseur métrique est en fait un champ de tenseurs appelé métrique riemannienne (resp Métrique pseudo-riemannienne) et qui dépend donc de la position.

À propos de ce résultat

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.

Publications associées (19)

Personnes associées (10)

Concepts associés (244)

Cours associés (82)

Séances de cours associées (579)

Tenseur

Ricci calculus

In mathematics, Ricci calculus constitutes the rules of index notation and manipulation for tensors and tensor fields on a differentiable manifold, with or without a metric tensor or connection. It is also the modern name for what used to be called the absolute differential calculus (the foundation of tensor calculus), developed by Gregorio Ricci-Curbastro in 1887–1896, and subsequently popularized in a paper written with his pupil Tullio Levi-Civita in 1900.

Divergence (analyse vectorielle)

vignette|Les lignes bleues représentant les gradients de couleur, du plus clair au plus foncé. L'opérateur divergence permet de calculer, localement, la variation de ce gradient de couleur vignette|Illustration de la divergence d'un champ vectoriel, ici champ de vitesse converge à gauche et diverge à droite. En géométrie, la divergence d'un champ de vecteurs est un opérateur différentiel mesurant le défaut de conservation du volume sous l'action du flot de ce champ.

Singular cohomology is defined by dualizing the singular chain complex for spaces. We will study its basic properties, see how it acquires a multiplicative structure and becomes a graded commutative a

La mécanique des milieux continus, essentielle à la compréhension du travail de l'ingénieur civil, est abordée dans ce cours. Ce cours couvre les notions de contraintes et déformations, les grands pri

The objective of this course is to provide a complete introduction to deep machine learning. How to design a neural network, how to train it, and what are the modern techniques that specifically handl

Intersection des collecteurs dans l'exercice 8.2

Couvre l'intersection des collecteurs dans l'exercice 8.2 et l'exercice 8.8.

Symmétrie en physique

Explore le concept de symétrie en physique et son rôle crucial dans la compréhension des lois fondamentales de la nature.

Tenseurs sphériques et théorème de Wigner-Eckart

Couvre la transformation des vecteurs et des tenseurs en physique quantique.

Mutual information for low-rank even-order symmetric tensor estimation

Nicolas Macris, Jean François Emmanuel Barbier, Clément Dominique Luneau

We consider a statistical model for finite-rank symmetric tensor factorization and prove a single-letter variational expression for its asymptotic mutual information when the tensor is of even order.

OXFORD UNIV PRESS2021

A Gauss-Bonnet Theorem for Asymptotically Conical Manifolds and Manifolds with Conical Singularities

Adrien Giuliano Marcone

The purpose of this thesis is to provide an intrinsic proof of a Gauss-Bonnet-Chern formula for complete Riemannian manifolds with finitely many conical singularities and asymptotically conical ends.

EPFL2019

Mutual Information for Low-Rank Even-Order Symmetric Tensor Factorization

Nicolas Macris, Jean François Emmanuel Barbier, Clément Dominique Luneau

We consider a statistical model for finite-rank symmetric tensor factorization and prove a single-letter variational expression for its mutual information when the tensor is of even order. The proof u

IEEE2019