TENSORES: PRODUCTO TENSORIAL, RANGO Y DIMENSIN, CLASIFICACIN VARIANTE,

TRANSFORMACIONES, SIMETRIZADOR, ANTISIMETRIZADOR, CONTRACCIONES, TRAZA.

Posted by Adrin on julio 11, 2010 16 comentarios
El lgebra de tensores proporciona la herramienta ms elegante que conozco hasta el momento para trabajar con
espacios vectoriales, y en base a los principios ya vistos en las dos ltimas entradas (varianza y tensor mtrico)
intentaremos analizar sus propiedades ms importantes en esta entrada (sin entrar en muchos tecnicismos, pues por
algo no soy matemtico).
En venideras entradas, gracias a esta notacin tan sencilla, explicaremos rpidamente la relatividad especial,
extrayendo conclusiones de una forma ms sencilla que con la notacin vectorial.
Producto Tensorial:
El principal ejemplo de producto tensorial lo vimos en la entrada anterior para definir la mtrica. Si tomamos dos
vectores de un espacio de N grados de libertad, cada uno de ellos covariante o contravariante a elegir, y
desarrollamos todos los posibles productos de sus componentes, obtenemos un tensor de dos grados de libertad, con
NxN componentes distintas (todas las combinaciones de productos). Segn la naturaleza de los vectores que
hayamos usado, podremos obtener tensores covariantes, contravariantes o invariantes:
Podemos generalizar este concepto para formar as tensores con muchos ms grados de libertad,
como represento en los siguientes ejemplos:
Podemos tomarnos la libertad de denominar a distintos
tensores por la misma letra dentro de una ecuacin tensorial si el nmero de indices co(contra)variantes que poseen
los determina por completo. Es importante sealar de nuevo que las letras que aparecen a un lado de la ecuacin
tienen que volver a aparecer en el otro lado y en la misma posicin (arriba o abajo), porque si no la notacin se
volvera inconsistente.
A travs del producto tensorial de tensores podemos, en definitiva, crear nuevos tensores con ms grados de libertad
de los que lo componen (en concreto la suma de los grados de libertad de los anteriores).
No obstante, cuando el nmero de grados de libertad de un tensor excede de 2, pasa a ser imposible representarlo
sencillamente sobre el papel, por lo que en general tensores de orden superior son poco deseables, salvo para hacer
cuentas.
Rango y Dimensin:
Denominamos rango de un tensor r, intuitivamente, al nmero de grados de libertad que posee, y dimensin N a
la dimensin del espacio vectorial sobre el cual se asienta. De este modo, el nmero de componentes distintas de un
tensor n0 es el nmero de combinaciones posibles que se puede hacer con su rando y su dimensin. Por
combinatoria:
Para los fsicos y los matemticos, es importante darles significado a los tensores segn su rango y su
dimensin. Algebraicamente:
Los tensores de rango 0 son escalares, pues tienen una nica componente.
Los tensores de rango 1 son vectores, pues tienen un nico grado de libertad y N componentes.
Los tensores de rango 2 son matrices cuadradas, debido a sus dos grados de libertad y a sus NxN componentes.
Asimismo, cada una de las componentes de un tensor puede estar parametrizada segn n variables, de modo que,
adems de los grados de libertad o rango del tensor, existen los grados de libertad de sus componentes, segn las
cuales, por ejemplo:
Tensores de rango 0 con 0 grados de libertad en sus componentes: pueden representar escalares.
Tensores de rango 1 con 0 grados de libertad en sus componentes: pueden representar vectores.
Tensores de rango 1 con 1 grados de libertad en sus componentes: pueden representar curvas en el espacio y sus
mtricas.
Tensores de rango 1 con 2 grados de libertad en sus componentes: pueden representar superficies en el espacio.
Tensores de rango 1 con 3 grados de libertad en sus componentes: pueden representar volmenes en el espacio.
Tensores de rango 1 con N-1 grados de libertad en sus componentes: pueden representar hiperplanos en el espacio.
Tensores de rango 1 con N grados de libertad en sus componentes: pueden representar elementos de N dimensiones
en el espacio.
Tensores de rango 2 con 0 grados de libertad en sus componentes: pueden representar matrices cuadradas.
Tensores de rango 2 con 2 grados de libertad en sus componentes: pueden representar mtricas de superficies.
Tensores de rango N con N grados de libertad en sus componentes: pueden representar mtricas de elementos de N
dimensiones en el espacio.
*Si es necesario profundizar ms en esto, hacdmelo saber en un comentario, pero buenos ejemplos al respecto son la
teora de curvas y superficies ya analizadas en este blog.
Clasificacin Variante:
Si nos fijamos en la construccin de tensores a travs de productos tensoriales, salta a la vista que el rango, la
dimensin y el nmero de grados de libertad de su parametrizacin no son suficientes para clasificarlo
completamente. Decimos que un tensor es p veces covariante y q veces contravariante (tensor p-q) segn el
nmero de componentes que posea de cada tipo. El rango del tensor, lgicamente, ser la suma de la cantidad de
ambas componentes. En los ejemplos que pusimos al principio vimos, por orden, un tensor 2-0, un tensor 0-2, dos
tensores 1-1, un tensor 4-4 y un tensor 2-3.
Transformaciones:
Los tensores se transforman componente a componente segn vimos en la entrada sobre la varianza, por lo que es
fcil generalizar el concepto a un tensor p-q del siguiente modo:

As pues, dado que las transformaciones lineales de coordenadas se representan por tensores de rango 2 (matrices),
podemos decir que un tensor p-q se transforma con p tensores de transformacin covariantes y q tensores de
transformacin contravariantes. Concretamente, en el caso de un tensor 1-1:

, o en forma matricial:

Simetrizador:
Decimos que un tensor es simtrico en algunas de sus componentes si podemos intercambiarlas obteniendo el mismo
resultado. Un claro ejemplo de ello es el tensor mtrico. Para indicar que un conjunto de componentes son simtricas
las rodeamos de un parntesis. Pongamos por caso un tensor 3-0 de dimensin 3:

, donde hemos escrito todas las posibles combinaciones de los nmeros 1, 2 y 3.
Si queremos simetrizar un determinado conjunto de componentes de un tensor, lo habitual es, para cada combinacin
de nmeros, sumar todas las posibles combinaciones, y hacer la media aritmtica de las mismas. Tomemos por caso
el tensor:
Si lo simetrizamos, sus componentes sern:
, lo que expresamos como:
En esta nueva versin del tensor, todas las componentes son simtricas
respecto a la diagonal, tal y como en principio esperbamos que sucediese.
Si nos fijamos, al simetrizar nuestro tensor de 9 componentes hemos hecho que realmente slo 6 componentes sigan
siendo independientes.
Supongamos un tensor de rango 3 y de dimensin 3, sus combinaciones independientes sern: 111, 112, 113, 122,
123, 133, 222, 223, 233 y 333. Cualquier otra combinacin de los 3 nmeros estar repetida. Si nos fijamos, para
garantizar que no repetimos ninguna combinacin de ndices nos podemos ir asegurando de que a medida que
avanzamos hacia la derecha los nmeros pueden ser iguales o mayores, pero nunca menores. As pues, el nmero de
combinaciones para un tensor simtrico de rango r y dimensin N ser la suma acumulada de posibles
combinaciones de cada ndice del tensor, bajo la condicin de no ser menor que el anterior:
, cuyos valores segn r y N son anlogos al nmero combinatorio:
Antisimetrizador:
Decimos que un tensor es antisimtricos en algunas de sus componentes si al intercambiar dos de ellas el tensor
cambia de signo, al cambiar dos de ellas de nuevo lo recupera, y as indefinidamente. Por ahora no hemos visto
ningn tensor de estas caractersticas, pero en futuras entradas veremos ejemplos de esto como el smbolo de Levi-
Civita o el tensor de campo electromagntico de Maxwell. Para indicar que un conjunto de componentes son
antisimtricas las rodeamos con un corchete, y de nuevo, pongamos por caso un tensor 3-0 de dimensin 3:

Si ahora queremos antisimetrizar un determinado conjunto de componentes de un tensor determinado el mtodo
consiste en, para cada combinacin de nmeros, sumar todas las posibles combinaciones cambiando de signo segn
el criterio visto anteriormente, y hacer la media aritmtica de las mismas. Tomemos por caso el tensor del apartado
anterior por comodidad. Si lo antisimetrizamos, sus componentes sern:

, lo que expresamos como:

En esta nueva versin del tensor, podemos observar que todas las componentes cambian de signo con respecto a la
diagonal por definicin de la antisimetra, y que la propia diagonal es idnticamente nula, debido a que sus elementos
tienen que ser iguales a sus opuestos.
En esta ocasin, al antisimetrizar nuestro tensor de 9 componentes hemos hecho que realmente slo 3 componentes
sigan siendo independientes, porque en esta ocasin los elementos de la diagonal siempre son nulos.
Supongamos de nuevo un tensor de rango 3 y de dimensin 3, su combinacin independiente ser ahora
nicamente la 123. Cualquier otra combinacin de los 3 nmeros estar repetida, ser nula, o estar relacionada con
la 123 por medio de las relaciones de signos antes vistas. Si nos fijamos, para garantizar que no repetimos ninguna
combinacin de ndices independiente nos podemos ir asegurando de que a medida que avanzamos hacia la derecha
los nmeros tienen que ser estrictamente mayores (de ah que slo exista esta combinacin), y nunca menores o
iguales. As pues, el nmero de combinaciones para un tensor simtrico de rango r y dimensin N ser la suma
acumulada de posibles combinaciones de cada ndice del tensor, bajo la condicin de ser mayor que el anterior:

, cuyos valores segn r y N son anlogos al nmero combinatorio:
Contracciones:
Una operacin muy interesante (sobre todo para demostrar que ciertas magnitudes son escalares) es la contraccin de
ndices de un tensor.
Dado un tensor p-q, podemos, en base a la notacin de Einstein, igualar uno de sus ndices simtricos con otro de sus
ndices antisimtricos, de modo que ambos desaparecen y el tensor para a ser del tipo (p-1)-(q-1). La contraccin de
ndices es un proceso que podemos aplicar tantas veces como queramos, de forma que si tenemos un tensor p-p (de
rango 2p) y lo contraemos p veces, obtendremos un escalar de rango 0. Como ejemplo de aplicacin de las
contracciones, demostraremos que la suma de los elementos de la diagonal de un tensor 1-1 es invariante frentre a
transformaciones de coordenadas, o dicho en otras palabras, la invarianza de la traza.
Traza:
Volvamos al principio de la entrada. Supongamos que genero un tensor invariante 1-1 a partir del producto tensorial
de un vector covariante y uno contravariante:
Supongamos tambin que ahora quiero contraer sus dos ndices, lo que en notacin de Einstein
equivale a sumar todos los elementos de la diagonal o calcular la traza:
, que es un nmero y adems un escalar, pues podemos demostrar su
invarianza frente a cambios de coordenadas:
Y es que si recordamos la entrada anterior, la invarianza de la traza es evidente,
pues un tensor 1-1 es el producto tensorial de un vector 1-0 con un vector 0-1, y si los ncides de estos vectores se
igualaban estbamos representando el producto escalar de los mismos, un invariante.
La conclusin es la siguiente: el producto escalar de dos vectores es equivalente a la traza del producto tensorial de los
mismos tras asegurarse de que los ndices del tensor estn en la posicin correcta (en la entrada anterior vimos cmo
subir y bajar ndices con la mtrica).
PREFACIO: Acaba todo aqu?
Soy consciente de que el contenido de esta entrada, si no se domina la materia, puede haber quedado confuso. Si es
as os agradecera que sugiriseis aportes. De todos modos, en las prximas entradas pondr un montn de ejemplos
de la aplicacin de los tensores en el campo de la fsica, reescribiendo ecuaciones conocidas, para ir entrando an ms
en en el formalismo de la relatividad.
TU VOTO:






5 Votes
COMPARTE O ALGO:
Twitter
Facebook2
Reddit

RELACIONADO

Smbolo Alternante de Levi-Civita: Definicin, Determinante, Producto Vectorial, Volumen, Contraccin,
Transformacin, Densidad Tensorial, Doble Producto Vectorial.
En "Clase: Fsica matemtica"

Principio de Covarianza: Gradiente Covariante y Ejemplos de Ecuaciones Tensoriales
En "Clase: Fsica matemtica"

Elementos Geomtricos de Relatividad General (II): Mtrica y Conexin Afn, Gradiente, Rotacional y
Divergencia.
En "Clase: Gravitacin"
Filed under Clase: Fsica matemtica, Espacios vectoriales, Fsica, Geometra analtica, Hiperespacio, Tensores, Teora de
curvas, Teora de Superficies, Vectores
v