张量积是线性代数中一种构造新空间的方法。它将两个向量空间 V 和 W 结合成一个更大的空间 V⊗W,并将双线性映射问题转化为线性映射问题。它是多线性代数、微分几何以及量子力学中“复合系统”的数学语言。
设 V,W 是域 F 上的向量空间。张量积 V⊗W 是一个向量空间,配备了一个双线性映射 ϕ:V×W→V⊗W(记为 ϕ(v,w)=v⊗w),满足以下 通用性质 (Universal Property):
对任何向量空间 Z 和任何双线性映射 B:V×W→Z,都存在唯一的线性映射 L:V⊗W→Z 使得:
B(v,w)=L(v⊗w)
这说明 V⊗W 是能承载所有来自 V×W 的双线性信息的“最小”线性空间。
若 {e1,…,em} 是 V 的一组基,{f1,…,fn} 是 W 的一组基,则:
{ei⊗fj∣1≤i≤m,1≤j≤n}
构成 V⊗W 的一组基。
- 维数关系: dim(V⊗W)=dimV⋅dimW。
对线性映射 A:V→V′ 和 B:W→W′,其张量积映射 A⊗B:V⊗W→V′⊗W′ 的矩阵表示即为 Kronecker 积。
设 A 是 m×n 矩阵,B 是 p×q 矩阵,则 A⊗B 是 mp×nq 的分块矩阵:
A⊗B=a11B⋮am1B…⋱…a1nB⋮amnB
- 分配律: (v1+v2)⊗w=v1⊗w+v2⊗w。
- 标量结合: (cv)⊗w=v⊗(cw)=c(v⊗w)。
- 混合乘积性质: (A⊗B)(C⊗D)=(AC)⊗(BD)。
- 行列式: det(A⊗B)=(detA)n(detB)m(其中 A,B 分别为 m,n 阶方阵)。
设 Ax=λx,By=μy。求 A⊗B 在向量 x⊗y 上的作用。
点击查看解答
(A⊗B)(x⊗y)=(Ax)⊗(By)=(λx)⊗(μy)=λμ(x⊗y)因此,A⊗B 的特征值是 A 和 B 的特征值的两两乘积。
计算 A=(1023) 与 B=(0110) 的张量积 A⊗B。
点击查看过程与答案
A⊗B=(1B0B2B3B)=0100100002032030.
并非 V⊗W 中的所有向量都能写成 v⊗w 的形式。能写成此形式的称为 纯张量 (Pure Tensor) 或可分态。
在 R2⊗R2 中,判断 z=e1⊗e1+e2⊗e2 是否为纯张量。
Details
点击查看证明
设
z=(ae1+be2)⊗(ce1+de2)=ac(e1⊗e1)+ad(e1⊗e2)+bc(e2⊗e1)+bd(e2⊗e2)。
与
e1⊗e1+e2⊗e2比较系数:
- ac=1
- ad=0⟹a=0 或 d=0。
- 若 a=0,则 ac=0=1,矛盾。
- 若 d=0,则 bd=0=1,矛盾。
因此 z 不是纯张量。在量子力学中,这被称为 贝尔态 (Bell State) 或纠缠态。