矩阵填充学习（二）

前言

上一篇文章学习了一些关于矩阵以及张量的基础知识，但是并不完全，后续学习中会继续补充。这篇文章将对张量分解的内容进行介绍学习。

张量的Tucker分解

张量分解的概念源自Hitchcock于1927发表的论文，他提出一个张量可以表现为有限个秩1张量的和，并称为典范多元分解。到20世纪60年代，Tucker相继发表了三篇关于张量因子分解的论文，后续Carroll与Harshman在1970年提出典范因子分解和平行因子分解，从而奠定了张量分解的两类方法：
（1）Tucker分解，又称高阶奇异值分解
（2）典范/平行因子分解，常简称CP分解
下面介绍Tucker分解的相关内容。

Tucker分解(高阶奇异值分解)

Tucker分解与Tucker算子密切相关。

Tucker算子

Tucker算子是张量与矩阵的多模式乘法的一种有效表示。

定义

令$\mathcal{G}\in {\mathbb{K}}^{J_1\times J_2\times \cdots \times J_N}$，矩阵$U^{(n)}\in {\mathbb{K}}^{I_n\times J_n}$，其中 n ∈ { 1 , ⋯   , N } n\in \{ 1,\cdots,N \} n∈{ 1,⋯,N}，则Tucker算子定义为：$$[[\mathcal{G};U^{(1)},U^{(2)},\cdots ,U^{(N)}]]\stackrel{\underset{\mathrm{d}\mathrm{e}\mathrm{f}}{}}{=}\mathcal{G}{\times }_1{U}^{(1)}{\times }_2{U}^{(2)}\cdots {\times }_N{U}^{(N)}$$其结果是一个N阶$I_1\times I_2\times \cdots I_N$张量。

Tucker算子性质

给定N阶张量$\mathcal{G}\in {\mathbb{K}}^{J_1\times J_2\times \cdots \times J_N}$和标号集合 N = { 1 , ⋯   , N } \mathcal{N}=\{ 1,\cdots,N\} N={ 1,⋯,N}，则Tucker算子具有以下性质：

（1）若$U^{(n)}\in {\mathbb{K}}^{I_n\times J_n},n\in \mathcal{N}$，则$$[[[[\mathcal{G};U^{(1)},U^{(2)},\cdots ,U^{(N)}]];V^{(1)},\cdots ,V^{(N)}]]=[[\mathcal{G};V^{(1)}{U}^{(1)},\cdots ,V^{(N)}{U}^{(N)}]]$$
（2）若$U^{(n)}\in {\mathbb{K}}^{I_n\times J_n},n\in \mathcal{N}$具有满列秩，则$$\mathcal{X}=[[\mathcal{G};U^{(1)},U^{(2)},\cdots ,U^{(N)}]]⟺\mathcal{G}=[[\mathcal{X};U^{(1)†},U^{(2)†},\cdots ,U^{(N)†}]]$$
（3）若$U^{(n)}\in {\mathbb{K}}^{I_n\times J_n}$（其中 J n ⩽ I n J_n\leqslant I_n