← 全部问题 为什么 hom ( U , hom ( V , W ) ) \hom(U, \hom(V, W)) hom ( U , hom ( V , W )) 同构于 hom ( U ⊗ V , W ) \hom(U \otimes V, W) hom ( U ⊗ V , W ) ? 同构
hom ( U , hom ( V , W ) ) ≅ hom ( U ⊗ V , W ) \hom(U, \hom(V, W)) \cong \hom(U \otimes V, W) hom ( U , hom ( V , W )) ≅ hom ( U ⊗ V , W ) 反映了 Hom 和张量积之间的伴随/对偶关系。从
U U U 到从
V V V 到
W W W 的线性映射空间的线性映射对应于从
U × V U \times V U × V 到
W W W 的双线性映射,而这又对应于从张量积空间
U ⊗ V U \otimes V U ⊗ V 到
W W W 的线性映射。
适用条件 U , V , W U, V, W U , V , W 是数域 P \mathbb{P} P 上的线性空间。hom ( X , Y ) \hom(X,Y) hom ( X , Y ) 表示从 X X X 到 Y Y Y 的所有线性映射构成的向量空间。理解与推导 将 hom ( V , W ) \hom(V,W) hom ( V , W ) 解释为从 V V V 到 W W W 的所有线性映射的线性空间。 将 hom ( U , hom ( V , W ) ) \hom(U,\hom(V,W)) hom ( U , hom ( V , W )) 解释为从 U U U 到这个映射空间的线性映射空间。 认识到从 U U U 到 hom ( V , W ) \hom(V,W) hom ( V , W ) 的线性映射等价于从 U × V U \times V U × V 到 W W W 的双线性映射。 应用张量积的泛性质将此双线性映射映射到从 U ⊗ V U \otimes V U ⊗ V 到 W W W 的唯一线性映射。 得出这两个 Hom 空间之间的同构结论。 例子 视频指出:“设 U, V, W 为数域 P 上的线性空间。那么 hom ( U , hom ( V , W ) ) ≅ hom ( U ⊗ V , W ) \hom(U, \hom(V, W)) \cong \hom(U \otimes V, W) hom ( U , hom ( V , W )) ≅ hom ( U ⊗ V , W ) 。”讲师称之为“Hom 和张量积之间的对偶关系”。
容易误解的地方 将 hom ( U , V ) \hom(U,V) hom ( U , V ) 误解为特定的线性映射,而不是所有此类映射的向量空间。 假设视频为此同构提供了严格的证明;视频仅陈述并概念性地解释了它。 相关问题 张量积在同构意义下是唯一的,因为如果 ( W , φ ) (W, \varphi) ( W , φ ) 和 ( W ′ , φ ′ ) (W', \varphi') ( W ′ , φ ′ ) 是 U U U 和 V V V 的两个张量积,则存在唯一的线性空间同构 τ : W → W ′ \tau: W \to W' τ : W → W ′ 使得交换图成立,这意味着 W ′ = τ ( W ) W' = \tau(W) W ′ = τ ( W ) 且 φ ′ = τ φ \varphi' = \tau \varphi φ ′ = τ φ 。这表明任何两个实现仅相差一个唯一的同构。
适用条件: U U U 和 V V V 是数域 P \mathbb{P} P 上的线性空间。;( W , φ ) (W,\varphi) ( W , φ ) 是 U U U 和 V V V 的张量积。;( W ′ , φ ′ ) (W',\varphi') ( W ′ , φ ′ ) 是 U U U 和 V V V 的另一个张量积。
认识概念 记号 U ⊗ V U \otimes V U ⊗ V 表示空间还是元素? + ↗ 记号 U ⊗ V U \otimes V U ⊗ V 表示整个张量积空间,它在同构意义下是唯一确定的。相比之下,u ⊗ v u \otimes v u ⊗ v 表示该空间内的一个基本张量元素,由对向量 u ∈ U u \in U u ∈ U 和 v ∈ V v \in V v ∈ V 应用双线性映射 φ \varphi φ 生成。
适用条件: U U U 和 V V V 是数域 P \mathbb{P} P 上的线性空间。;u u u 在 U U U 中,v v v 在 V V V 中。;φ \varphi φ 是张量积构造中的双线性映射。
张量积的泛性质指出,对于域 P P P 上的线性空间 U , V , W U, V, W U , V , W ,如果存在一个双线性映射 φ : U × V → W \varphi: U \times V \to W φ : U × V → W ,使得对于任意从 U × V U \times V U × V 到 P P P (其中 P P P 是域 P P P 上的任意线性空间)的双线性映射 f f f ,都存在唯一的线性映射 τ : W → P \tau: W \to P τ : W → P 使得交换图成立(即 f = τ φ f = \tau \varphi f = τ φ ),那么对 ( W , φ ) (W, \varphi) ( W , φ ) 被称为 U U U 和 V V V 的张量积。
适用条件: U , V , W U, V, W U , V , W 是域 P P P 上的线性空间。;φ \varphi φ 是从 U × V U \times V U × V 到 W W W 的双线性映射。;f f f 是从 U × V U \times V U × V 到域 P P P 上的任意线性空间 P P P 的双线性映射。;τ \tau τ 是从 W W W 到 P P P 的唯一线性映射。
理解原因 如果 A 是 m 乘 n,B 是 p 乘 q,为什么 A ⊗ B A \otimes B A ⊗ B 的大小等于 m p 乘 n q? + ↗ 克罗内克积 A ⊗ B A \otimes B A ⊗ B 是一个 m p × n q mp \times nq m p × n q 的分块矩阵,因为它将 m × n m \times n m × n 矩阵 A A A 的每个元素 a i j a_{ij} a ij 替换为 p × q p \times q p × q 矩阵 a i j B a_{ij}B a ij B 。这导致有 m m m 个行块和 n n n 个列块,每个块的大小为 p × q p \times q p × q ,使得总维度为 m p × n q mp \times nq m p × n q 。
适用条件: A A A 是 m × n m \times n m × n 矩阵。;B B B 是 p × q p \times q p × q 矩阵。;a i j a_{ij} a ij 是 A A A 的元素。
理解原因 为什么 u ⊗ v u \otimes v u ⊗ v 满足这些分配律和标量移动规则? + ↗ 张量积记号 u ⊗ v u \otimes v u ⊗ v 满足分配律和标量移动规则,因为它是通过双线性映射 φ \varphi φ 构造的。双线性意味着在每个变量中分别具有线性,从而得出 ( a 1 u 1 + a 2 u 2 ) ⊗ v = a 1 u 1 ⊗ v + a 2 u 2 ⊗ v (a_1u_1+a_2u_2)\otimes v=a_1u_1\otimes v+a_2u_2\otimes v ( a 1 u 1 + a 2 u 2 ) ⊗ v = a 1 u 1 ⊗ v + a 2 u 2 ⊗ v ,u ⊗ ( b 1 v 1 + b 2 v 2 ) = b 1 u ⊗ v 1 + b 2 u ⊗ v 2 u\otimes(b_1v_1+b_2v_2)=b_1u\otimes v_1+b_2u\otimes v_2 u ⊗ ( b 1 v 1 + b 2 v 2 ) = b 1 u ⊗ v 1 + b 2 u ⊗ v 2 ,以及 a ( u ⊗ v ) = ( a u ) ⊗ v = u ⊗ ( a v ) a(u\otimes v)=(au)\otimes v=u\otimes(av) a ( u ⊗ v ) = ( a u ) ⊗ v = u ⊗ ( a v ) 。
适用条件: u , u 1 , u 2 u, u_1, u_2 u , u 1 , u 2 属于 U U U 。;v , v 1 , v 2 v, v_1, v_2 v , v 1 , v 2 属于 V V V 。;a , a 1 , a 2 , b 1 , b 2 a, a_1, a_2, b_1, b_2 a , a 1 , a 2 , b 1 , b 2 是域 P \mathbb{P} P 中的标量。
答案依据视频资料生成并经过独立核验。若有疑问,请核对原视频或联系原作者。