张量的基本概念(我觉得说的比较好-关键是通俗)
张量及其运算的定义及应用
张量及其运算的定义及应用
张量的定义
张量是指在向量、矩阵等数学对象的基础上扩展形成的一种数
学工具。
它是一种多重线性函数，可以表示多个向量之间的关系。
张量在物理学、数学、计算机等领域都有广泛的应用。
在线性代数中，张量可以由向量和矩阵生成。
在物理学中，张
量可以描述弹性力学、流体运动和电磁学等现象。
张量的运算
张量在运算中主要有以下几种方式：
1. 张量乘法：张量乘法是指将一个张量与另一个向量或矩阵相乘。
这种方法常用于求解矩阵的特征值、特征向量以及矩阵的相
似性等问题。
2. 张量变形：将张量的某些维度进行重新排列，得到新的张量。
这种方法常应用于机器学习、计算机视觉等场景中。
3. 张量积：将两个不同的向量或矩阵进行混合，生成一个新的张量。
4. 条件张量积：是指将两个张量按某种方式组合起来，形成一个新的张量。
这种方法广泛应用于量子计算和量子信息等领域。
应用领域
1. 物理学：张量在物理中的应用广泛，如爱因斯坦场方程、黎曼张量等都是张量概念的应用。
2. 工程学：张量在工程学领域中也有广泛的应用，如机械工程领域中常用的应力张量、应变张量等，在材料工程领域中也有重要应用。
3. 计算机：张量也是计算机领域中的热门话题，如深度学习模型中的卷积神经网络、循环神经网络等都是基于张量的设计。
总之，张量作为一种数学工具在不同领域都有着广泛的应用和巨大的发展前景。
张量概念及其基本运算
为哑标号或假标号。哑标号在其方程内先罗列， 再求和。
3.求和约定
关于哑标号应理解为取其变程n内所有数值，然后再求和， 这就叫做求和约定。 例如：
3
aibi aibi a1b1 a2b2 a3b3 i 1
3
aijbj aijbj ai1b1 ai2b2 ai3b3 j1 3
ai2i ai2i a121 a222 a323 i 1
ii
2
3 i 1
ii
2பைடு நூலகம்
( 11
22
33 )2
33
ij ij
ij ij
i1 j1
1111 1212 1313
21 21 22 22 23 23
31 31 32 32 33 33
、 、 、 当取n时，n阶张量，M = 3n。
◆ 张量的定义为：由若干坐标系改变时满足一定 坐标转化关系的有序数组成的集合。
◆ 张量是矢量和矩阵概念的推广。标量是0阶张量，
矢量是一阶张量，矩阵是二阶张量，而三阶张量 好比立体矩阵，更高阶张量则无法用图形表示
◆ 张量出现的背景：我们的目的是要用数学量来表示
则作用的结果将产生一个新的降低一阶的张量。
例如：
'i
xi
x1
,
x2
,
x3
ui 'i
ui xi
u1 x1
u2 x2
u3 x3
★ 关于求和标号，即哑标有： ◆ 求和标号可任意变换字母表示。
◆ 求和约定只适用于字母标号，不适用于数字标号。
◆ 在运算中，括号内的求和标号应在进行其它运算前
优先求和。例：
aii2 a121 a222 a323
张量的知识点总结
张量的知识点总结一、张量的定义张量最早由数学家黎曼引入，描述了一种可以沿任意方向变化的数学对象。
在现代数学和物理学中，张量通常被定义为一种可以描述不同维度物理量间关系的数学对象。
张量是一个多维数组，它包括0维标量、1维向量、2维矩阵等，可以描述不同级别的物理量。
二、张量的特点1. 多维性：张量可以描述多维物理量之间的关系，可以用来描述空间中的各种物理量。
2. 方向性：张量可以沿任意方向变化，可以用来描述各种不同方向的物理量。
3. 连续性：张量可以描述连续的物理量，如电磁场、应力场等连续性的物理量。
三、张量的运算1. 张量的加法和减法张量的加法和减法与普通向量和矩阵非常类似，只不过在多维情况下需要注意张量的维度和方向。
2. 张量的乘法张量的乘法包括外积和内积两种，外积用于描述不同张量的叉乘关系，内积用于描述相同张量的点乘关系。
3. 张量的导数和积分张量的导数和积分是描述张量微分和积分的运算，包括对张量的微分和积分操作。
四、张量的应用1. 物理学中的应用张量在物理学中有着广泛的应用，可以描述各种力学量、电磁场、应力场等物理量之间的关系，同时也可以描述空间对称性和不变性等物理性质。
2. 工程学中的应用在工程学中，张量广泛应用于材料力学、流体力学、弹性力学等领域，能够描述各种物理场和物理量之间的相互作用和变化。
3. 计算机科学中的应用张量在深度学习和神经网络领域有着广泛应用，能够描述各种数据结构和数据间的关系，同时也可以描述各种算法和计算模型之间的联系。
五、结语张量作为一种描述多维物理量之间关系的数学对象，在物理学、工程学和计算机科学领域有着非常重要的应用。
对张量的深入理解和运用，对于理解和描述空间中的各种物理量和数据结构是至关重要的。
希望通过本文的总结，能够帮助读者更好地理解张量的概念和运用，为相关领域的学习和研究提供一定的帮助。
张量的基本概念及应用
张量的基本概念及应用张量是数学和物理学中的一个基本概念，它可以用于描述多维数据集、向量和矩阵等多种数学对象。
下面是张量的基本概念以及一些应用领域：基本概念：1.张量的阶次：张量的阶次是指它有多少个坐标轴（或维度）。
标量是零阶张量，向量是一阶张量，矩阵是二阶张量，依此类推。
2.张量的分量：张量的每个分量表示在各个坐标轴上的数值，这些分量可以是实数或复数。
3.张量的坐标系变换：张量的坐标系变换是指将张量从一个坐标系转换到另一个坐标系，这在物理学中非常常见。
张量的分量会根据坐标系的变化而变化，但张量的物理含义保持不变。
应用领域：1.相对论物理：在爱因斯坦的广义相对论中，使用度规张量来描述时空的弯曲，以及质点在弯曲时空中的运动。
2.量子力学：在量子力学中，使用态矢量（波函数）来描述粒子的状态，这可以看作是一种复数张量。
3.机器学习和深度学习：在深度学习中，神经网络中的权重和激活值可以表示为张量。
张量的高阶表示可以用于处理多维数据，如图像和时间序列数据。
4.工程学：张量在工程领域中用于处理多维数据，如应力张量用于描述物体的受力分布，流体动力学中的速度梯度张量等。
5.图像处理：在计算机视觉领域，图像通常表示为三维张量（宽度、高度、颜色通道），张量运算用于图像处理和分析。
6.地质学和地球物理学：张量在描述地质应力、地震波传播等方面有广泛的应用。
7.生物学：在分子生物学中，蛋白质折叠和DNA结构可以使用张量来建模。
8.计算流体动力学：在模拟流体行为时，使用张量来表示流体的速度梯度，从而预测流体的行为。
总之，张量是一个非常通用且强大的数学工具，它在各种学科和应用领域中都有广泛的应用，用于描述和处理多维数据和复杂的数学对象。
(最新整理)张量基础知识
2021/7/26
30
二阶张量 三阶张量 四阶张量
Tij* aik a Tjl kl
T* ijk
aila jmaknTlmn
T* ijkl
aima jnakoalpTmnop
Tij akialjTk*l
Tijk
ali
amj
ank
T* lmn
Tijkl
ami
anj
aok
a
pl
T* mnop
2021/7/26
xi' x i' j j
2021/7/26
27
同理
xi x ij' j'
同二维问题，可得
ij' j'k
ik
（正交性）
2021/7/26
28
于是得到最终的矢量变换法则如下
P*P A 1PA
a11 a21 a31
P1* P2* P3* P1 P2 P3a12 a22 a32
a13 a23 a33
有些量虽然在坐标变换时数值不变，但其符号在第二类 点操作时发生改变，这称为赝标量。
2021/7/26
4
二、矢量
有一些物理量，它既有大小，又有方向，如力、速度、 电场强度等，这些物理量需要指明其大小和方向才能完全描
述，称为矢量。取直角坐标系OX1X2X3,设有矢量 f ，在三 个坐标轴方向上的投影分别为 f 1, f 2, f 3 ，于是我们将 f 表 为： f (f1, f2, f3)。
2021/7/26
19
1 同一个方程中各项自由标必须相同
2 不能改变某一项的自由标，但所有项的 自由标可以改变
如： ajixi bj
张量的基本概念
张量的基本概念
嘿，咱来说说“张量”是啥玩意儿哈。
有一回我看一本很复杂的物理书，里面提到了张量。
我当时就懵了，这是啥神秘的东西呢？后来我专门去研究了一下。
张量呢，简单来说就是一种比普通数字和向量更复杂的东西。
就像你玩游戏，有普通的道具，还有那种很厉害很复杂的超级道具。
张量就有点像那个超级道具。
比如说，我们平时说的速度、力这些都是向量，只有大小和方向。
但是张量呢，它可以描述更多的信息。
我记得有一次，我看到一个工程师在计算桥梁的受力情况。
他就用到了张量，因为桥梁的受力很复杂，不是简单的一个方向的力就能说清楚的。
所以啊，张量就是一种很厉害的数学和物理工具，可以帮助我们描述更复杂的情况。
下次你看到那些很复杂的科学问题的时候，说不定就有张量在里面发挥作用呢。
高等数学教材张量
高等数学教材张量张量是高等数学中一个重要的概念，广泛应用于物理学、工程学以及计算机科学等领域。
本文将从定义、性质和应用等方面对高等数学教材中的张量进行详细介绍。
一、定义在高等数学教材中，张量被定义为多重线性函数。
具体来说，对于一个多重线性函数f（x1,x2,...,xn），如果对于任意向量的每个分量，该函数的取值都是这些向量分量的线性组合，则称f为n阶张量。
二、性质1. 平衡性：n阶张量是对所有向量分量有平衡作用的，即改变某一个向量分量的值，张量函数的取值也会发生相应的变化。
2. 线性性：n阶张量具有线性性，即对于任意的向量分量，张量函数对于分量的线性组合也是成立的。
3. 分量独立性：n阶张量中的每个分量是相互独立的，改变一个分量的值不会影响其他分量的取值。
三、应用1. 物理学中的应用在物理学中，张量是描述物理量与坐标系变换关系的数学工具。
例如，矢量就是一阶张量，它描述了物体在空间中的方向和大小。
而二阶张量则用于描述应力张量和惯性张量等物理量。
2. 工程学中的应用在工程学中，张量被广泛应用于力学分析、工程材料性能研究以及结构设计等方面。
通过定义适当的张量，可以描述材料的应力和应变分布，从而分析材料的强度和刚度。
3. 计算机科学中的应用在计算机科学中，张量主要应用于机器学习和深度学习领域。
通过构建合适的张量模型，可以实现对大量数据进行高效的处理和分析，从而帮助解决各种实际问题。
综上所述，高等数学教材中的张量是一个重要的数学概念。
它不仅具有平衡性和线性性，还具有分量独立性。
张量在物理学、工程学和计算机科学等领域都有广泛的应用，为解决实际问题提供了有力的数学工具。
对于学习高等数学的同学来说，深入理解和掌握张量的定义、性质和应用是非常重要的。
通过学习和应用张量，同学们可以更好地理解和应用数学知识，提高解决实际问题的能力。
张量和外代数的基本概念和运算法则
张量和外代数的基本概念和运算法则在现代数学中，张量和外代数是重要的代数结构。
它们在物理、工程、计算机科学等领域中被广泛应用。
本文将介绍张量和外代数的基本概念和运算法则，帮助读者对这些代数结构有更深入的认识。
一、张量的基本概念张量可以看作是线性函数的扩展。
线性函数接受向量作为输入，并输出一个标量。
而张量接受向量作为输入，并输出一个向量或张量。
因此，张量有多个分量，每个分量可以是标量、向量或张量。
在二维欧几里得空间中，一个二阶张量可以表示为一个矩阵。
设$T$是一个二阶张量，它的第$i$行第$j$列的分量为$T_{ij}$。
假设$u$和$v$是两个向量，它们的分量分别为$u_i$和$v_j$。
则$T(u,v)$可以表示为：$T(u,v)=T_{ij}u_iv_j$这里的$u_iv_j$表示一个标量的乘积，$T_{ij}$表示矩阵的第$i$行第$j$列的元素。
因此，$T(u,v)$是一个标量。
同样的，对于$n$维欧几里得空间中的$k$阶张量，它可以表示为一个$n^k$维的数组。
二、张量的运算法则张量有多种运算法则，包括张量的加法、张量的数乘、张量的乘法和张量的缩并等。
这里介绍其中的几种基本运算法则。
1. 张量的加法设$T$和$S$是两个$k$阶张量，它们的分量分别为$T_{i_1i_2...i_k}$和$S_{i_1i_2...i_k}$。
则$T$和$S$的和可以表示为：$(T+S)_{i_1i_2...i_k}=T_{i_1i_2...i_k}+S_{i_1i_2...i_k}$即将$T$和$S$的每个对应分量相加，得到一个新的$k$阶张量$T+S$。
2. 张量的数乘设$a$是一个标量，$T$是一个$k$阶张量，它的分量为$T_{i_1i_2...i_k}$。
则$aT$可以表示为：$(aT)_{i_1i_2...i_k}=aT_{i_1i_2...i_k}$即将$T$的每个分量乘以标量$a$，得到一个新的$k$阶张量$aT$。
张量及其性质的介绍及应用
张量及其性质的介绍及应用张量是一个线性空间到它自身或另一个线性空间的多重线性映射，是现代数学、物理学和工程学中极为重要的概念之一。
在许多领域，张量用来描述物理系统、分析数据结构和解决优化问题，因此对于张量的理解和应用是非常有意义的。
1. 张量的定义和性质1.1 张量的概念一个张量可以被定义为一个多维数组，它由一些数值构成，并且这些数值是根据某些规律排列成矩阵、向量或其他更高阶的数组。
这些规律可以通过不同的方式表示，例如作为矩阵的元素、矢量空间中的向量或在一些几何空间中的点。
1.2 张量的性质张量有一些独特的性质，包括线性性、多重线性性、对称性、反对称性等。
这些属性让它们非常适合用来描述物理现象或建模数据，并且能够应用于各种学科领域。
2. 张量的应用2.1 物理学中的应用在物理学中，张量可以用来描述物理系统的不同特征，例如电磁场、流体力学和广义相对论。
它们的应用能够使得物理学模型更为准确和精确，并且帮助科学家更好地理解基本的物理过程。
2.2 工程学中的应用在工程学中，张量常用于解决力学问题、对结构进行优化和分析，例如应力分析、材料疲劳和结构动力学。
张量的应用能够帮助工程师更好地理解和优化物理系统，从而提高系统的性能和功能。
2.3 数据分析中的应用在数据分析中，张量可以被用来解决各种优化问题，例如图像和语音处理、人工神经网络、数据压缩和信号分析。
张量的应用能够使数据分析更加准确和高效，从而提高数据处理的速度和效率。
3. 总结张量的概念和性质在数学、物理学和工程学等领域中都有重要的应用，能够被用来描述物理系统、分析数据结构和解决优化问题。
希望本文对于读者能够提供张量的基本概念及其应用的介绍，使人们更加深入地理解张量在各种学科中的应用及其优越性。
张量与张量积的定义与计算
张量与张量积的定义与计算张量是现代数学与物理学中非常重要的概念。
它广泛应用于各个领域，包括线性代数、微积分、物理学、工程学等。
在本文中，我们将介绍张量的基本概念、定义以及张量积的计算方法。
一、张量的定义张量可以看作是向量和矩阵的推广。
在物理学和工程学中，张量用于描述空间中的物理量。
在数学上，张量可以定义为多维数组，在不同的坐标系下有不同的分量表示。
在线性代数中，张量的定义可以从张量空间的角度看待。
假设V是一个n维向量空间，那么V的p阶张量空间可以表示为V ⊗ V ⊗⋯⊗V（一共p个V）。
其中⊗表示张量积，它是一种多重线性映射的二元运算。
二、张量积的定义张量积是以外积的方式组合两个向量的操作。
设有两个向量a和b，它们的张量积可以表示为a⊗b。
具体来说，张量积的结果是一个矩阵，其中每个元素由两个向量的对应元素相乘而得。
如果a是一个m维列向量，b是一个n维行向量，那么a⊗b的结果是一个m×n的矩阵。
矩阵中的每个元素由a和b的对应元素相乘得到。
三、张量积的计算计算张量积需要按照一定的规则进行。
具体来说，如果矩阵a和矩阵b的大小分别是m×n和p×q，那么它们的张量积可以通过以下步骤计算：1. 创建一个大小为(m×p)×(n×q)的零矩阵。
2. 遍历矩阵a的每个元素aij。
3. 将矩阵b的每个元素乘以aij，并将结果放入零矩阵中对应的位置。
计算完所有的元素后，得到的零矩阵就是矩阵a和矩阵b的张量积。
四、应用场景张量和张量积在各个领域都有重要的应用。
例如，在物理学中，张量用于描述力、能量、电磁场等物理量。
在工程学中，张量可用于描述应力、应变、磁场等。
此外，张量积还在机器学习和神经网络中扮演重要的角色。
在深度学习中，神经网络的参数可以表示为张量，通过计算张量积可以进行复杂的运算。
总结：本文介绍了张量与张量积的定义与计算方法。
张量是一种多维数组，在物理学和工程学中被广泛应用。
张量的概念及基本运算
张量的概念及基本运算
张量是一种多维数组或矩阵的扩展，它在数学和物理学中被广泛使用。
它具有多个维度，可以表示向量、矩阵、高维数据等。
在数学中，张量可以用来描述线性映射和向量空间中的向量运算。
它有以下几个重要的基本运算：
1. 张量加法：对应位置上的元素相加。
例如，对于两个2×2的张量A和B，其加法运算可以表示为A + B = [a11+b11, a12+b12; a21+b21, a22+b22]。
2. 张量乘法：张量的乘法分为两种情况，即内积和外积。
- 内积：也称为点积或数量积，用于计算两个张量之间的标量结果。
对于两个向量A和B，内积可以表示为A·B = a1b1 + a2b2 + ... + anbn。
- 外积：也称为叉积或向量积，用于计算两个向量之间的向量结果。
对于两个向量A和B，外积可以表示为A×B = [a2b3 - a3b2, a3b1 - a1b3, a1b2 - a2b1]。
3. 张量的转置：将张量的行和列进行交换，得到的新张量。
例如，对于一个2×3的张量A，其转置可以表示为A^T = [a11, a21; a12, a22; a13, a23]。
4. 张量的缩并：也称为张量的收缩，是指对张量中的某些维度进行求和运算。
例如，对于一个3维的张量A，可以通过缩并某个维度，得到一个降维后的张量。
这些是张量的一些基本概念和运算，它们在数学、物理学、计算
机科学等领域都有广泛的应用。
张量是什么意思
张量是什么意思张量是什么意思？它是怎样定义出来的呢？简单地说，所谓“张”，就是弯曲。
所以，物理中的“张”可以理解为：被拉伸或压缩的长度，即“长”。
而那些能够弯曲的微小粒子，我们把它称之为“量子”。
也就是说，把万物看作都具有某种程度的“量子化”特性（其实就是具有很多分身），然后再把它们进行不同形式的结合，最终得到了所需要的物质——这就是“张”！张量的理论基础就是量子力学。
但它与普通的量子力学又略有不同。
因此，从某种角度来讲，它又属于量子场论。
从本质上来讲，它与通常意义下的张量完全等价；而且正如你知道的，二者的确没有什么区别。
只不过用的符号、名字不太一样罢了。
那么究竟怎样才算真正掌握了这门新兴科学呢？答案很简单：多做题目就好啦。
记住，光会理论是没有任何意义的。
你必须去熟练运用它。
记忆一大堆数据，再进行复杂的计算，其结果往往差强人意。
当然，对于物理这种逻辑推演类学科，深厚的积累很重要，这时还需要做一些习题，包括课堂笔记、错题集这类东西，当然，你必须选择适合自己的方法，因为这样才有助于提高自己成绩啊。
经典张量和量子张量是相互关联的。
经典张量和相应的黑体辐射形成，并已研究了它的统一表示法。
其指数标量部分有许多类型，在相应物理情景中受到严格的限制。
空间距离、自旋等特殊问题仍未考虑进来。
另一方面，由量子力学产生的问题却比较容易处理。
例如用量子化过程代替经典的经典矢量力学。
近年来，多伦多大学潘德（ P.T. Pendry）教授领导的团队将连续量子化的方法引入量子空间变换群上变换规则中，将量子场论扩展到非交换体系，从统计学观点提供了理解高维状态方程系数的重要机遇。
此外，量子理论预言单独利用强场或弱场几乎不能获得相图或粒子动力学性质。
事实上，在目前中心反射计和超冷原子激光器取得令人信服的实验证据的带动下，非线性效应广泛吸收各向同性理论研究方向一方面聚焦于弱变粒子有效性，另一方面着眼于大多数（但不是全部）奇异效应的量子特征。
张量和矩阵
张量和矩阵在数学中，张量和矩阵都是非常重要的概念。
它们有许多相似之处，但也有很多不同之处。
在本文中，我们将介绍这两个概念的基础知识，以及它们在数学和物理中的应用。
一、张量的基本概念张量是一个非常基础的数学概念，可以用来描述物理现象、几何结构等。
它可以被描述为一个多维数组，其中每个元素都有一个特定的坐标。
一个张量的维数取决于它的坐标系，通常由几个张量分量决定。
一个二阶张量可以被描述为一个二维数组，其中的每个元素都有两个下标。
用一个具体的例子来说明：假设有一张二维图像，每个像素的颜色值都有一个特定的坐标。
将这个图像表示为一个二阶张量，其中的每个元素都对应一个像素的颜色值。
同样，我们可以将三维图像表示为一个三阶张量，其中的每个元素都对应一个像素的颜色值和位置。
矩阵是一种特殊类型的张量，通常表示为一个二维数组。
每个元素都有一个特定的下标，矩阵的维数由它的行和列数决定。
矩阵的乘法是对两个矩阵进行元素级别的乘法，并将结果相加得到一个新的矩阵。
行列式是一种特殊类型的算术运算，用于确定矩阵是否可逆。
如果一个矩阵的行列式为零，则称该矩阵为奇异矩阵，否则称为非奇异矩阵。
矩阵可以被视为一种特殊类型的张量，其中的每个元素都只有二维坐标。
在某些情况下，我们可以将一个高阶张量表示为一个矩阵的集合。
例如，在深度学习中，一个二阶张量可以被视为一组矩阵，其中每个矩阵表示一个样本的特征向量。
在这种情况下，矩阵乘法可以被视为执行对每个样本的一系列线性变换。
这种线性变换可以被视为对输入数据进行预处理，以便于实现更好的分类或回归效果。
张量和矩阵在数学和物理中有许多应用。
例如，在物理学中，张量可以被用于描述物体的形态、运动和电磁场等。
在机器学习和计算机视觉中，张量可以用来表示图像、声音和文本等数据。
在深度学习中，张量可以被用来描述神经网络的权重和偏差等参数，并用于计算网络的输出。
总之，张量和矩阵是非常重要的数学概念。
它们在许多领域中都有广泛的应用，包括物理学、机器学习、计算机视觉和信号处理等。
张量的通俗理解
张量的通俗理解
张量（Tensor）是数学中一种常用的数学概念，它是一种可以把多个数值（也称之为维数）进行联系的数据结构。
它不仅有0维、1维、2维、3维、4维及更高维度之外的扩展空间，而且其表示形式
是可以有多种形式的，可以是矩阵，也可以是向量，还可以是更复杂的形式。
简单来说，张量就是一种较为复杂的数据结构，它可以表示一组不同维度的数据，而每一维度的数据也可以有自己的维度和顺序，因此可以更容易地描述非常复杂的数据关系。
二、张量的应用
一般情况下，张量的应用是非常广泛的，它可以用于科学计算，特别是机器学习和深度学习应用等方面。
1.器学习应用：张量主要用于机器学习中处理复杂数据，如图像识别和文本分析等，例如深度学习中用到的卷积神经网络（CNN），多层感知网络（MLP），矩阵分解学习（Matrix Factorization），深度
强化学习（Deep Reinforcement Learning）等，都需要使用到张量，它们能够处理大型数据，同时又保证计算的准确性。
2.能网络应用：张量也用于计算机智能网络的研究，它可以用来表示复杂的数据关系，通过这种关系可以推出各种结果，从而使计算机智能网络的计算结果更加准确。
3.物学应用：张量也广泛应用于生物学领域，可以用来分析生物物种之间的关系，计算基因组序列之间的关系等。
三、总结
从上面的介绍中可以看出，张量在数学、机器学习、智能网络和生物学等多个领域都得到了广泛的应用，它可以帮助我们更加精确地分析和处理复杂的数据，并且还可以用来研究复杂的数据关系。
此外，张量是一种可以扩展的数据结构，可以把多个数据进行联系，从而使计算机更加强大。
02 张量概念
5 / 48
02 张量概念
1.2 指标记法
在张量的讨论中，都采用下标字母符号， ◆ 在张量的讨论中，都采用下标字母符号，来表示和区 别该张量的所有分量。 别该张量的所有分量。 不重复出现的下标符号称为自由标号 自由标号。 ◆ 不重复出现的下标符号称为自由标号。自由标号在其 方程内只罗列不求和。以自由标号的数量确定张量的 方程内只罗列不求和。 阶次。 阶次。 重复出现，且只能重复出现一次的下标符号称为哑标 ◆ 重复出现，且只能重复出现一次的下标符号称为哑标 号或假标号。哑标号在其方程内先罗列，再求和。 假标号。哑标号在其方程内先罗列，再求和。 如不特意说明，今后张量下标符号的变程， ◆ 如不特意说明，今后张量下标符号的变程，仅限于三 维空间，即变程为3。 维空间，即变程为3
i =1 j =1
j =1 3 3
+a21b2c1 + a22b2c2 + a33b2c3
+a31b3c1 + a32b3c2 + a33b3c3
aijk xi x j xk = ∑∑∑aijk xi x j xk
i =1 j =1 k =1
3
3
3
展开式（ 项 展开式（9项）
8 / 48
展开式（ 项 展开式（27项）
哈工大 土木工程学院
3 / 48
02 张量概念
若我们以r 表示维度（如三维空间）， ），以 表示阶数， ◆ 若我们以 表示维度（如三维空间），以n 表示阶数， 则描述一切物理恒量的分量数目M 可统一地表示成： 则描述一切物理恒量的分量数目 可统一地表示成：
M =r
n
统一称这些物理量为张量（ 统一称这些物理量为张量（Tensor） 。 ） 0时 零阶张量， 1，标量； 当n = 0时，零阶张量，M = 1，标量； 矢量； 当n = 1时，一阶张量，M = 31，矢量； 时 一阶张量， 当n = 2时，二阶张量，M = 32，矩阵； 时 二阶张量， 矩阵； 阶张量， 当取 n 时，n 阶张量，M = 3n。
张量分析简介
ji,j fii 0
张量基本概念
★ 自由指标表示：若轮流取该指标范围内的任何值， 关系式将始终成立。
例如：表达式 xi aij x j
在自由指标 i 取1，2，3时该式始终成立，即有
xx21
a11x1 a21x1
a12x2 a22x2
a13x3 a23x3
a1jxj a2jxj
x3 a31x1 a32x2 a33x3 a3jxj
张量基本概念
★ 同时取值的自由指标必须同名，独立取值的自由指 标应防止重名。
ji, j fi 0
★ 自由指标必须整体换名，即把方程或表达式中出现 的同名自由指标全部改成同一个新名字。
ji, j fi 0 i 换成k jk, j fk 0
张量基本概念
ij
1 0
(i = j) (i, j=1, 2, …, n) (i j)
➢ 特性
1. 对称性，由定义可知指标 i 和 j 是对称的，即
ij ji
26
符号ij 与erst
2. ij 的分量集合对应于单位矩阵。例如在三维空间
11 12 13 1 0 0
21
22
23
0
1
0
31 32 33 0 0 1
42
坐标与坐标转换
➢ 笛卡尔坐标系(单位直角坐标系)
r ( x 1 ,x 2 ,x 3 ) x 1 e 1 x 2 e 2 x 3 e 3 x ie i
ei ej eijkek 而对于左手系，有： ei ej eijkek
e3 e2
e3 e1
e1
e2
32
符号ij 与erst
2. 矢量的点积：
ab(ajej)(bkek)ajbk(ej ek)
tensorflow张量的基本概念
tensorflow张量的基本概念（原创版）目录1.TensorFlow 概述2.张量的基本概念3.TensorFlow 中的数据结构4.TensorFlow 中的操作节点5.TensorFlow 中的图6.TensorFlow 会话7.TensorFlow 的应用场景正文1.TensorFlow 概述TensorFlow 是一个广泛应用于机器学习和人工智能领域的开源框架，由谷歌公司开发。
它提供了一种灵活、高效的方式来处理大规模的矩阵计算，使得各种机器学习算法得以实现。
2.张量的基本概念在 TensorFlow 中，张量（Tensor）是一种多维数组，可以用于表示各种数据结构，如标量、向量、矩阵等。
张量是 TensorFlow 中的核心数据结构，所有的计算都是基于张量进行的。
3.TensorFlow 中的数据结构TensorFlow 中主要有两种数据结构，即张量（Tensor）和占位符（Placeholder）。
张量是具有固定形状和数据的数据结构，而占位符则是一种灵活的数据结构，可以用于表示未确定的数据。
4.TensorFlow 中的操作节点在 TensorFlow 中，操作节点（OP）是组成计算图的基本单元。
每个操作节点都对应一个特定的操作，如加法、乘法等。
操作节点之间通过数据流进行连接，形成一个计算图。
5.TensorFlow 中的图计算图是 TensorFlow 中的核心概念，它表示一个计算过程的结构。
计算图由节点（Node）和边（Edge）组成，每个节点表示一个操作，边表示操作之间的数据流动。
6.TensorFlow 会话在 TensorFlow 中，会话（Session）是用于执行计算图的实体。
会话负责分配资源、管理变量以及执行操作。
通过会话，我们可以将计算图转换为具体的执行计划，并在硬件上运行。
7.TensorFlow 的应用场景TensorFlow 广泛应用于各种机器学习和人工智能领域，如计算机视觉、自然语言处理、推荐系统等。
张量的通俗理解
张量的通俗理解1 关于张量的四种定义“张量”在不同的运用场景下有不同的定义。
（1）张量是多维数组，这个定义常见于各种人工智能软件。
听起来还好理解。
（2）张量是某种几何对象，不会随着坐标系的改变而改变。
（3）张量是向量和余向量（covector）通过张量积（tensor product）组合而成的。
（4）张量是多重线性映射，即：，V表示是矢量空间， V*是对应的对偶空间。
2 多维数组开源框架tensor-flow是这么定义tensor（张量）的：A tensor is ageneralization of vectors and matrices to potentially higher dimensions.也就是说，张量（tensor）是多维数组，目的是把向量、矩阵推向更高的维度。
更具体点，也即是说：把三维张量画成一个立方体：我们就可以进一步画出更高维的张量：从数据结构上来看，张量就是多维数组。
这个定义本身没有错，但是没有真正反映张量的核心。
3 几何对象我们来看下第二个定义：张量是某种几何对象，不会随着坐标系的改变而改变。
3.1 二维平面最简单的几何对象就是二维平面，在线性代数中称为R方（这是一个向量空间），下面用一个有颜色的方框来表示：这个R方可以通过直角坐标系来描述（也就是单位正交基来张成）也可以由别的坐标系来描述（别的基来张成），当然R方本身不会因为基不同而发生改变：上面的图有几点值得注意：是一个几何对象，它与坐标系（基）无关,可以通过不同的坐标系（基）来描述（张成）,并且，不同的坐标系（基）之间有明确的转换规则（这个我们后面再说）,那这样一个几何对象，就可以用张量来描述。
3.2 二维平面中的向量R方中的向量，也是一个几何对象：当 R方被某个基张成的时候，向量也获得了坐标值：如果基发生了变换，坐标值也会不断的变化：从而可以得到如下的结论：向量是一个几何对象，它与基无关,不同的基下，有不同的坐标值,并且，不同的坐标值之间有明确的转换规则,所以，向量这个几何对象也可以用张量来描述。
张量的基本概念
张量的基本概念
概念
由若干坐标系改变时满足一定坐标转化关系的有序数组成的集合。
张量是矢量和矩阵概念的推广，标量是0阶张量，矢量是1阶张量，矩阵是二阶张量，而三阶张量好比是立方体矩阵。
它的出现是有原因的，因为我们无法用标量和向量完整的表示所有的物理量，所以物理学家使用的数学量的概念就必须扩大，所以张量就出现了。
下标标记法
求和约定
关于自由标号
同一方程式中，各张量的自由标号相同，即同阶标号字母相同。
关于Kronecker delta (δij)符号
张量的基本运算
参考文献
康冉1991，张量的概念及其基本运算，百度文库。
你们的评论、反馈，及对你们有所用，是我整理材料和博文写作的最大的鼓励和唯一动力。
欢迎讨论和关注！
没有整理与归纳的知识，一文不值！高度概括与梳理的知识，才是自己真正的知识与技能。
永远不要让自己的自由、好奇、充满创造力的想法被现实的框架所束缚，让创造力自由成长吧！多花时间，关心他（她）人，正如别人所关心你的。
理想的腾飞与实现，没有别人的支持与帮助，是万万不能的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
向量是在一个线性空间中定义的量，当这个线性空间的基变换时，向量的分量也跟着变换。
而一个线性空间有一个伴随的对偶空间。
张量是一个同时定义在几个线性空间的量，这几个线性空间的基可同时变换，或者只是只变换几个，此时，张量的分量也跟着变换。
我们一般见到的张量是同时定义在几个线性空间及其对偶空间里的量，在实际的符号表达中，就表现为同时有几个上指标和下指标，也即线性空间及其对偶空间。
张量其实是一种线性代数，即多重线性代数，从字面上理解，也正好是上面提到的“定义在多个线性空间的量”。
在流形中，一点的切空间正好同构于一个欧氏空间，也即，与一个欧氏空间的性质一样。
而这个欧氏空间有一个伴随的对偶空间，所以可以定义张量。
要对流形上张量作微分运算，必须比较流形上相距很近两点的张量的差，这就引出了联络的概念，而联络的概念的引出，需要这两个不同的点的欧氏空间是同构的。
进而发展了张量分析。
现代数学是建立在代数与拓扑基础上的，很多概念如果代数水平不行，是很难理解的。
比如泛函分析、纤维从理论等。
代数方面的知识，最好能掌握抽象代数的概念，进而掌握交换代数的知识。
其实，线性代数是很多现代数学概念的基础，而线性代数的核心就是空间的概念。
而现在，我们国内工科学的线性代数只是讲一讲矩阵、矩阵运算、特征值、特征向量、二次形等等。
线性代数的精髓概念根本涉及不到。
这也就造成了很多同学理解现代数学中很多概念的困难。
现代数学的一个非常重要的方法论就是公理化的方法。
这是希尔伯特在其《几何基础》中最先明确提出的，这本书当初得到了彭加莱的很高的评价。
公理化思想的威力我当初是在学习《实变函数论》这门课时深刻体会到的。
武熙鸿老师的《黎曼几何初步》中，则是处处渗透着公理化的思想，读来颇有味道。
应该这样说，是低阶张量被我们找到了可以比拟的物理意义，但张量本身并不需要具有几何比拟
其实，张量是有很强的几何背景的，不管是低阶的，还是高阶的。
这主要是因为现代张量的定义是建立在线性空间概念的基础上的。
而线性空间正是从一、二、三维空间中抽现出来的。
只要把握住“多个线性空间及其对偶空间”这个关键就行了。
而物理学家对于张量的定义是从坐标变换的角度定义的，这正是当初Ricci定义的方式。
这种定义在现代数学中推广起来比较困难。
所以把它定义成了多重线性映射。
我的朋友有的是搞弹性理论和流体的，但他们对张量的理解也很混乱，所以有时也向他们解释这个东西。
但好像解释来解释去，他们还是不太明白。
可能与他们是搞计算的有关，对这些纯理论的东东没有一个很系统的学习与理解，而且理解那么深也没用。
不过，他们搞得计算的东东倒是一门很深的东东，我理解起来挺困难的。
有时与他们神侃，很是佩服他们的计算机水平，不只对数值计算有极深的造诣，对一个程序如何编译成汇编代码，如何在CPU
中执行，操作系统如何对内存处理，那些程序又如何在内存中调度，反正听得多了，我也能
侃了。
赫赫。
尤其他们用java编写的程序，速度与用fortaun编写的速度差不多，太佩服他们了。
本来想用弹性理论中的应力张量作一番解释的。
但手头没有弹性理论的书，而且对于应力如何在一个弹性体中给出的，也不太清楚。
所以就此作罢了。
但要清楚地一点是，数学中定义的空间，与实际的物理空间，比如定义在一个弹性体上的应力所在的空间，是两码事清。
线性代数被捕，想想还是当时实在不能理解N维空间。
三维空间好理解，想象不出N维空间是个什么玩艺儿。
其实程序中经常用数组，一维、二维、三维用惯了，多维照用就是了，根本不用想象它是平的还是方的。
张量就相当那个N维数组。
我也是数学上学习吃力.但我对四维空间最近有了新的几何理解.我认为三维物体,包括所有星体和粒子,都以光速辐射出自身质量,就象把自身的拷贝以光速传送出去一样,产生引力场空间.物质的全部能量以光速辐射后,对周围物体不产生任何作用,因为匀速运动的空间或能量是对物质不产生任何作用的.这样就存在一个光速扩散的似乎与我们无关的辐射空间,即所谓的虚空间,或第四维空间.如果物质还以2倍光速辐射能量和物质,则有第5维空间.依次类推.实空间的真空和物体,都要加速收缩,以弥补辐射损失,从而产生了引力.总之,静止和加速运动的物体和能量,用三维空间的数学来表示;匀速运动的物体和能量,主要是光速空间,用n+3维来表示.不知我的理解是否有道理,请高人指教.
现在，一看到与相对论物理有关的东东，就感觉心烦气躁，细想，一是天资愚钝，二是功力太差。
不是我这种人能理解的了得，否则，非得走火入魔。
关于维数，我一直想用通俗的语言解释清楚，一是因为给别人通俗的解释一遍，更能加深自己的理解，做一些总结，对于一个概念，如果能以通俗的语言讲，就表明对它的理解已达到一定的境界了；二是因为有些搞力学的朋友问到我关于维数的问题，但他们又不需要做很深的理论数学的学习，只需要应用数学即可。
但是，解释来解释去，还是解释不清楚。
前两天，与一位搞音乐的朋友交流，他讲的浅显的东西还是能理解的了得，但是，更深入的，就到云里了。
所以，是不是对于一门学科，如果没有很深的基础做支撑，弄明白其中的一些概念，还是挺费劲的。
而且，弄明白，往往是出于好奇心，并没有太大的用处。
所以，现在还是很矛盾。
但，还是经常写一些小散记，以记下对一些基本概念的理解。
其实，维数的概念应该最早出现在几何中(猜得)，而在拓扑学中体现的比较严谨和直观。
历史上，数学家造出了一个一一映射，能把一维线段内部映为一个正方形里面，难道这说明直线与正方形同维吗后来才发现，这个一一映射，应该加上连续这个限定词，才能保持维数的不变，这正是同胚的概念。
这种概念对于我们来说是很直观的。
后来学习代数几何，它是用“环”、“模”、“群”这些代数工具来研究几何问题。
结果，在里面，维数的定义一下子出现了4种，其中，最常用的一种定义是使用一种特殊的“环”定义的。
这下子可真摸不着头脑了，后来时间长了，才慢慢琢磨出它们的好处了。
那就是，这些概念与定义，更适合与其他分支的交叉，而不是只具备很少现代数学基础的人所能理解的。
而上面提到的n维空间的概念，在几何中是使用公理化的方式定义的。
也是经过一段时间的琢磨，才感觉到这种定义方式的优越性的。
而要用通俗的语言解释，现在确实非常的难。