TensorReduce

TensorReduce[texpr]

尝试对符号式张量表达式 texpr 返回规范形式.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (1)

指定符号式数组的属性:

反对称矩阵化为零的轨距:

对称和反对称对的缩并化为零:

按字典顺序对张量乘积重新排序:

范围  (2)

符号式张量表达式的规范化:

显式数组和符号式数组的混合:

选项  (1)

Assumptions  (1)

指定局部假定:

属性和关系  (4)

删除完全对称数组的任意转置:

对于常见的对称性,转置为转化为规范形式:

在这种情况下,存在三种不同的规范形式:

重复张量意味着额外的对称性:

因此,该缩并为0:

对于给定的反对称矩阵,当 n 为奇数时,与自身 n 次缩并给出 0,但是对偶数 n 并非如此:

Wolfram Research (2012),TensorReduce,Wolfram 语言函数,https://reference.wolfram.com/language/ref/TensorReduce.html.

文本

Wolfram Research (2012),TensorReduce,Wolfram 语言函数,https://reference.wolfram.com/language/ref/TensorReduce.html.

CMS

Wolfram 语言. 2012. "TensorReduce." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/TensorReduce.html.

APA

Wolfram 语言. (2012). TensorReduce. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/TensorReduce.html 年

BibTeX

@misc{reference.wolfram_2024_tensorreduce, author="Wolfram Research", title="{TensorReduce}", year="2012", howpublished="\url{https://reference.wolfram.com/language/ref/TensorReduce.html}", note=[Accessed: 18-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_tensorreduce, organization={Wolfram Research}, title={TensorReduce}, year={2012}, url={https://reference.wolfram.com/language/ref/TensorReduce.html}, note=[Accessed: 18-November-2024 ]}