¿Cuál es una buena manera de entender los tensores?

Cuando las tuberías se congelan, el agua en ellas se expande y a veces rompe la tubería. Pero sucede algo interesante si miras 100 tuberías rotas. Casi todos tienen la ruptura a lo largo de la tubería, nunca alrededor de su circunferencia.


El material de la tubería es casi el mismo en ambas direcciones, entonces, ¿por qué la tubería se rompe en una sola?

Cuando el hielo comienza a presionar contra el interior de la tubería, el material de la tubería se pone bajo tensión. Esto significa que si tuviera que cortar una pequeña ranura en la tubería, tendría que tirar con fuerza a ambos lados de la ranura para mantenerla cerrada. Además, la cantidad que tira depende de la longitud de la hendidura. Tendrá que tirar el doble de fuerza para mantener cerrada una ranura de 2 cm en comparación con una ranura de 1 cm. Cuando la tensión se vuelve tan alta que la resistencia cohesiva del metal es demasiado débil para mantenerla unida, el tubo explota.

Sin embargo, la razón por la que explota en una dirección es que la tensión es mayor en esa dirección. La fuerza necesaria para mantener una hendidura cerrada depende no solo de la longitud de la hendidura, sino también de la dirección de la hendidura. Ori Barbut mostró un cálculo explícito de esto en su respuesta a ¿Por qué es más difícil volar un globo largo que uno redondo? Resulta que la tensión es exactamente el doble en la dirección longitudinal que en la dirección circunferencial.

Una vez que conocemos la tensión en estas dos direcciones, podemos determinar la fuerza necesaria para mantener cerrada cualquier hendidura. Si la hendidura es de 1 cm en un ángulo de 45 grados, envolviéndose diagonalmente como un poste de barbero, por ejemplo, la fuerza necesaria está a medio camino para una hendidura de 1 cm en cada una de las dos direcciones originales.

Todo esto es válido siempre que la tubería sea homogénea. En general, la tensión podría cambiar de un lugar a otro, y si tenemos una hendidura larga y torcida, sería más complicado encontrar la fuerza para mantenerlo cerrado. Sin embargo, mientras nuestras rendijas sean pequeñas, lo que acabamos de decir es válido.

Esta tensión bidimensional es un ejemplo de tensor. Específicamente, es un tensor de rango dos. Puedes pensarlo como una función. La entrada a la función es un vector, en este caso un vector que describe una hendidura en la tubería (la hendidura tiene magnitud y dirección, por lo que es un vector). Su salida es otro vector: la fuerza necesaria para mantener la hendidura cerrada. Entonces, un tensor de rango dos, en general, es una función lineal de vectores a vectores. (La parte “lineal” es lo que asumimos al decir que una hendidura dos veces más larga requiere el doble de la fuerza, y que una hendidura en ángulo puede calcularse si sabe lo que sucede para las hendiduras longitudinales y de circunferencia). El tensor no es la hendidura. sí mismo o la fuerza misma. Es una relación entre las posibles rendijas y las fuerzas que serían necesarias para mantenerlas cerradas.

La presión es otro tensor muy similar a la tensión. De hecho, la presión es básicamente una tensión negativa. Por lo general, pensamos que la presión es solo un número. Pero en realidad, es una función lineal que mapea superficies planas en fuerzas (cualquier superficie plana tiene una fuerza sobre ella debido a la presión). Cuando la presión es la misma en todas las direcciones, podemos pensar que es solo un número, pero cuando se empuja de manera desigual, como podría ocurrir dentro de un cristal cuya estructura selecciona direcciones especiales, necesitamos la descripción del tensor.

Muchas otras cantidades físicas familiares pueden ser representadas por tensores, como la tensión mecánica de un sólido, el momento de inercia de una distribución de masa, la polarización de un dieléctrico, el momento cuadrupolo de una distribución de carga y, en matemáticas superiores, incluso ¡El teorema de Pitágoras! (El teorema de Pitágoras como tensor se llama “la métrica”).

Podemos generalizar fácilmente la idea a tensores de diferente rango. Un tensor de rango tres tendría dos vectores como entrada y un vector como salida. Un rango cuatro implicaría cuatro vectores. También existe un tensor de rango uno. Toma un vector y genera “cero vectores”, lo que significa solo un número. Pero un vector también puede hacer eso. Tome un vector A, y para cualquier vector de entrada B, genere el producto de punto de A y B. ¡Ahora el vector A se convierte en un tensor de rango uno! Incluso hay tensores de rango cero: son solo números, aunque generalmente nos referimos a ellos como “escalares”.

Al describir la geometría curva de la relatividad general, se usa un tensor de rango cuatro llamado tensor de curvatura de Riemann. Tiene tres entradas: un vector que apunta en la dirección que le interesa y dos vectores más que crean un paralelogramo cuando se juntan. Tomas el primer vector y lo caminas alrededor del borde del paralelogramo. Cuando regrese a donde comenzó, se rotará ligeramente si el espacio-tiempo es curvo (este es el significado de “espacio-tiempo curvo”). El cambio en el primer vector debido a esta rotación es la salida del tensor.

La relatividad es conocida por su uso intensivo de tensores. Algunos otros importantes son el tensor métrico, mencionado anteriormente, y el tensor de energía de estrés, que es la versión de espacio-tiempo de cuatro dimensiones del tensor de presión, así como varias cantidades que se derivan haciendo operaciones en estos tensores.

A veces verá la definición básica de un tensor descrita de manera diferente. También puede pensar que un tensor de rango dos toma dos vectores como entrada y tiene un número como salida. Esta es la misma idea que antes, pero la entrada sería la hendidura que corte y un vector unitario en alguna dirección. El número sería el componente de la fuerza en esa dirección. La forma de pensarlo mejor depende de la situación precisa.

Si ha estudiado álgebra lineal, un tensor de rango dos es un operador lineal. (Nota: estoy pasando por alto la importante diferencia entre un espacio vectorial y su doble). Si elige una base, no se diferencia de una matriz. Todos son básicamente la misma idea. La diferencia es que una matriz se define como un grupo de números en una matriz con ciertas reglas sobre cómo hacer álgebra en ella. Un tensor es la relación real entre cantidades físicas, y la matriz puede representar ese tensor.

Por lo general, no insistimos mucho en esto. Los físicos prefieren una forma diferente de hacer un seguimiento de sus tensores, llamada notación de índice. Lleva un tiempo acostumbrarse, pero nos permite manipular tensores de rango tres, cuatro o más, lo que sería imposible con las matrices. (Un tensor de rango tres requeriría una “matriz” que se parece a un cubo. No confunda el rango del tensor, que es cuántos vectores toma como entrada, con la dimensión en la que está trabajando. el tensor de presión ordinario es de rango dos, lo que significa que hay dos vectores involucrados, pero la dimensión tres significa que los vectores están en tres dimensiones. El tensor de curvatura de Riemann en GR es de rango cuatro y dimensión cuatro).

Una razón por la que a los físicos les gustan los tensores es que el tensor no depende de las coordenadas que utiliza. Para nuestra tubería, podríamos definir la dirección x para bajar la longitud de la tubería y la dirección y para rodear la tubería. Entonces, si quisiéramos una fórmula para la fuerza necesaria para mantener cerrada una rendija en una dirección arbitraria, se vería bastante descuidada. Tendría que decirnos que tomemos la parte x del vector de hendidura y multipliquemos eso por T1 por algún vector unitario, luego tome la parte y y multiplique eso por T2 por un vector unitario, luego sume esos. Además, podríamos haber tomado la dirección x para envolver diagonalmente alrededor del poste en el sentido de las agujas del reloj, y la dirección y para envolver y rodear el poste en el sentido contrario a las agujas del reloj. Entonces tendríamos una fórmula aún más complicada con diferentes números. Sin embargo, con un tensor, simplemente podemos escribir F = TS, lo que significa que la fuerza es la tensión que actúa sobre la ranura, o en notación de índice

[matemáticas] F ^ a = T ^ a_bS ^ b [/ matemáticas]

y esta fórmula se ve igual sin importar qué sistema de coordenadas usemos. (Sin embargo, a medida que cambiemos los sistemas de coordenadas, los valores numéricos de cosas como [math] T ^ a_b [/ math] cambiarán).

Después de todo, las coordenadas son solo una elección tonta que hicimos, una cuadrícula imaginaria que pegamos en la superficie. La física no debería depender de eso, y la notación tensorial es una forma de hacer explícito este concepto. De hecho, es tan importante que cierta literatura de física en realidad define un tensor por lo que le sucede cuando cambia las coordenadas.

Entonces, un tensor es una forma de representar una relación lineal entre cantidades vectoriales. Es especialmente importante en la mecánica del continuo, la relatividad y algunas áreas de matemáticas superiores, y nos gustan porque muestran la independencia coordinada de las leyes físicas.

El principal problema con la comprensión de los tensores es que se usan en diferentes campos, y es difícil encontrar un lugar donde se expliquen como un panorama general. Procedo con el panorama general. Para cada tema, puede buscar documentación específica.

Básicamente, un tensor es un elemento de un espacio vectorial especial llamado espacio tensorial. Un espacio tensor es un concepto que aparece naturalmente cuando se trata de espacios multilineales. Para cada espacio multilineal hay un espacio tensor único (hasta el isomorfismo). Por ejemplo, hay espacios tensoriales construidos a partir de espacios de funciones multilineales.

Una familia común de espacios multilineales utilizados cuando se trabaja con tensores son los construidos a partir de copias de un espacio vectorial fuente y su dual. Esta familia tiene propiedades algebraicas muy ricas y se usa con frecuencia en aplicaciones geométricas.

En este caso, cuando se establece una base para el espacio vectorial de origen, automáticamente un tensor se puede describir como un conjunto de números. Este conjunto generalmente se representa como una matriz N-dimensional, donde N es el número de espacios vectoriales que producen el espacio multilineal. La notación común para esto es la notación de índices de Einstein, que hace uso de índices superiores e inferiores.

En geometría y física, el espacio vectorial utilizado para construir la familia anterior es el espacio tangente . El espacio tangente es un concepto que se aplica a múltiples. Cuando se habla de tensores en geometría o en física, las personas generalmente omiten esta referencia.

Aproximadamente, una variedad tiene un espacio tangente para cada punto, por lo que hay un “campo” de espacios tangentes. Si tomamos un tensor de una construcción de espacio tensorial en el espacio tangente, y repetimos esto para cada punto en la variedad, tenemos un campo tensorial. Estos pueden ser referidos también como tensores también.

Al establecer un sistema de coordenadas para la variedad, automáticamente hay una base natural para cada espacio tangente ([math] \ partial_i [/ ​​math]), por lo que cada tensor obtiene una representación numérica. Los campos tensoriales pueden verse entonces, como una matriz N-dimensional de funciones.

Cambiar el sistema de coordenadas del colector hará que todos los tensores cambien sus componentes. Algunos de ellos pueden cambiar sus componentes con la matriz jacobiana de la transformación y se denominarán covariantes. Otros pueden cambiar sus componentes de forma inversa, y se denominarán contravariantes. Otros pueden cambiar de una manera más complicada o mixta. Los conceptos covariante y contravariante también se utilizan en álgebra tensorial básica.

Un caso muy común de múltiples son aquellos que vienen con una métrica, que es un campo tensor de 2 covariantes. Una métrica permite establecer isomorfismos entre tensores contravariantes y covariantes, por lo que los índices pueden cambiar hacia arriba y hacia abajo bajo ciertas reglas.

Un tipo especial de métricas son las métricas riemannianas. Bajo una métrica riemanniana es posible estudiar la forma del espacio (es decir, la forma de la variedad riemanniana). Cuando el espacio es plano, existen sistemas de coordenadas especiales llamados sistemas de coordenadas cartesianas , que hacen que los cálculos y las ecuaciones físicas parezcan realmente simples. La física antigua se desarrolla bajo estas coordenadas. El tensor expresado en coordenadas cartesianas se suele llamar tensores cartesianos.

Para comprender los tensores, debe saber en qué nivel se encuentra y cuántos conceptos están implícitos en el texto.

Los tensores son útiles cuando tienes muchas coordenadas relacionadas entre sí de una manera estructurada. Un vector simple como [math] \ mathbf v = (1,4,2) [/ math] es un ejemplo de un tensor, pero es lo suficientemente simple como para que no necesite comprender los tensores en general para comprender los vectores. Del mismo modo, las matrices son ejemplos de tensores, pero nuevamente, se entienden mejor como matrices.

La mejor manera de entender una construcción matemática no es individualmente, sino en el contexto del conjunto (o espacio) de todas las construcciones de ese tipo. En lugar de intentar definir un número, defina qué es un campo de números; en lugar de definir qué es un vector, considere todos los vectores que componen un espacio vectorial. Entonces, para comprender los tensores de un tipo particular, considere todos los tensores del mismo tipo juntos.

Productos tensoriales covariantes

Los tensores más simples son los vectores, por lo que construiremos tensores a partir de espacios vectoriales, que supongo que ya conocemos. Supongamos que tenemos dos espacios vectoriales [matemática] V [/ matemática] y [matemática] W [/ matemática] sobre un campo [matemática] F [/ matemática]. Puede comenzar con más de dos, pero para empezar no tengo que usar índices, tomaré solo dos. Puede unirlos para obtener su producto tensor [math] V \ otimes W [/ math] que será otro espacio vectorial.

Los elementos individuales de [math] V \ otimes W [/ math] se nombran como combinaciones lineales de elementos de la forma [math] \ mathbf v \ otimes \ mathbf w [/ math] donde [math] \ mathbf v \ in V [/ math] y [math] \ mathbf w \ en W [/ math]. Dado que son combinaciones lineales, si tiene [matemática] k [/ matemática] escalares [matemática] a_1, \ ldots, a_k [/ matemática] en [matemática] F [/ matemática], vectores [matemática] \ mathbf v_1, \ ldots, \ mathbf v_k [/ math] en [math] V [/ math] y vectores vectores [math] \ mathbf w_1, \ ldots, \ mathbf w_k [/ math] en [math] W [/ math], entonces

[matemáticas] \ displaystyle \ sum_ {i = 1} ^ k a_i \ mathbf v_i \ otimes \ mathbf w_i = a_1 \ mathbf v_1 \ otimes \ mathbf w_1 + \ cdots + a_k \ mathbf v_k \ otimes \ mathbf w_k [/ math]

es un tensor típico en [matemáticas] V \ otimes W [/ matemáticas]. Pero hay un requisito que hacemos en el símbolo [math] \ otimes [/ math], y es que sea lineal en cada coordenada. Entonces requerimos que

[matemáticas] (a_1 \ mathbf v_1 + a_2 \ mathbf v_2) \ otimes \ mathbf w = a_1 \ mathbf v_1 \ otimes \ mathbf w + a_2 \ mathbf v_2 \ otimes \ mathbf w [/ math]

y

[math] \ mathbf v \ otimes (a_1 \ mathbf w_1 + a_2 \ mathbf w_2) = a_1 \ mathbf v \ otimes \ mathbf w_1 + a_2 \ mathbf v \ otimes \ mathbf w_2 [/ math].

Esa condición nos permite especificar una base para el espacio vectorial [math] V \ otimes W [/ math] si tenemos bases para [math] V [/ math] y [math] W [/ math]. Suponga que [math] V [/ math] es un espacio vectorial de dimensión [math] m [/ math] con base [math] \ mathbf b_1, \ ldots, \ mathbf b_m [/ math], y que [math] W [/ math] es un espacio vectorial de dimensión [math] n [/ math] con base [math] \ mathbf c_1, \ ldots, \ mathbf c_n [/ math]. Entonces [math] V \ otimes W [/ math] es un espacio vectorial de dimensión [math] mn [/ math] y una base cuyos elementos son [math] \ mathbf b_i \ otimes \ mathbf c_j [/ math] donde [math] ] i [/ matemática] varía de [matemática] 1 [/ matemática] a [matemática] m [/ matemática] y [matemática] j [/ matemática] varía de [matemática] 1 [/ matemática] a [matemática] n [ /matemáticas]. Eso significa que un elemento típico de [matemáticas] V \ otimes W [/ matemáticas] puede escribirse como

[matemáticas] \ displaystyle \ sum_ {i = 1} ^ m \ sum_ {j = 1} ^ n a_ {ij} \ mathbf b_i \ otimes \ mathbf c_j [/ math]

En lugar de escribir esto como una suma doble con rangos específicos para los índices, puede suponer que se pueden determinar por contexto y escribir la suma más simplemente como

[matemáticas] \ displaystyle \ sum_ {ij} a_ {ij} \ mathbf b_i \ otimes \ mathbf c_j [/ math]

y si las bases de los espacios vectoriales componentes [matemática] V [/ matemática] y [matemática] W [/ matemática] son ​​fijas, tampoco es necesario mencionarlas, y la [matemática] \ suma [/ matemática] El símbolo puede ser suprimido. Eso produce la notación muy abreviada

[matemáticas] a_ {ij} [/ matemáticas]

para este tensor

Ahora, por supuesto, puede tomar un producto tensor de más de dos espacios vectoriales. Si tiene tres espacios vectoriales con dimensiones y bases especificadas, entonces un elemento típico del producto tensor triple se expresaría como [math] a_ {ijk} [/ math]. Aunque esa es una expresión simple, recuerde que cada uno de los tres subíndices varía en un rango, y es una suma triple donde cada [math] a_ {ijk} [/ math] es un coeficiente en esa suma.

Espacios vectoriales duales

Si [matemática] V [/ matemática] es un espacio vectorial, existe un espacio vectorial dual [matemática] V ^ {*} [/ matemática] cuyos elementos son transformaciones lineales al campo escalar, [matemática] V \ a F [ /matemáticas]. Si [math] V [/ math] tiene una base finita [math] \ mathbf b_1, \ ldots, \ mathbf b_n [/ math], entonces [math] V ^ {*} [/ math] es un espacio vectorial de misma dimensión con una base [math] \ mathbf b_1 ^ {*}, \ ldots, \ mathbf b_n ^ {*} [/ math] donde [math] \ mathbf b_i ^ {*}: V \ to F [/ math] es la transformación que envía el vector [math] a_1 \ mathbf b_1 + \ cdots + a_n \ mathbf b_n [/ math] al escalar [math] a_i [/ ​​math].

Al escribir los elementos de [math] V [/ math] y [math] V ^ {*} [/ math] como vectores, puede escribir los elementos de [math] V [/ math] como vectores de columna y [math] V ^ {*} [/ math] como vectores de fila (o viceversa).

Productos tensoriales covariantes y contravariantes

Estos son productos tensoriales donde algunos de los espacios vectoriales componentes son espacios vectoriales duales. Para aquellos que son espacios de vectores duales, en lugar de usar subíndices, generalmente se usan superíndices. Tomemos, por ejemplo, el producto tensor [math] V ^ {*} \ otimes W [/ math]. Un elemento típico se escribiría como [math] a ^ i_j [/ math]. Es, como antes, en realidad una suma. Aquí [math] i [/ math] se convierte en un superíndice porque el producto tensor es contravariante en [math] V [/ math], que es solo otra forma de decir que el espacio vectorial dual [math] V ^ {*} [ / math] se está utilizando en lugar de [math] V [/ math] en sí.

Puede pensar que [math] a ^ i_j [/ math] es una transformación lineal [math] V [/ math] a [math] W [/ math], es decir, una matriz. De esa manera, una matriz ordinaria es uno de estos tensores donde una coordenada es contravariante.

Composición de tensores

Si tiene dos productos tensoriales y aparece un espacio vectorial V en uno de los productos tensoriales covariantemente y el otro contrariamente, entonces puede componerlos

[matemáticas] (V ^ {*} \ otimes W) \ veces (V \ otimes U) \ a W \ otimes U [/ matemáticas]

Dado [math] a ^ i_j \ en V ^ {*} \ otimes W [/ math] y [math] b_ {ik} \ en V \ otimes U [/ math], el resultado es [math] \ mathbf \ sum_ia ^ i_jb_ {ik} \ en W \ otimes U [/ math]. El signo de suma en el resultado generalmente se suprime, por lo que se escribe más simplemente como [math] a ^ i_jb_ {ik} [/ math].

En términos más generales, si tiene dos tensores complicados donde el mismo índice aparece como un superíndice en uno y un subíndice en el otro, pueden multiplicarse escribiéndolos uno al lado del otro con una suma comprendida sobre ese índice.

Como ejemplo, una matriz [matemática] V ^ {*} \ otimes W [/ matemática] multiplicada por un vector (columna) en [matemática] V [/ matemática] da un vector (columna) en [matemática] W [/ matemática ]

Desde la perspectiva del aprendizaje automático, los tensores son útiles para representar relaciones de orden superior. Así como las matrices se pueden usar para registrar correlaciones por pares, los tensores son útiles para registrar correlaciones de orden superior. La manipulación de correlaciones de orden superior es útil para aprender patrones ocultos en los datos mediante el aprendizaje de un modelo de variable latente.

Puedes encontrar más detalles en

¿Cuáles son los mejores recursos para comenzar con el análisis de tensor?

No intentaré agregar mucho a las respuestas ya excelentes, excepto para compartir dos elementos:

1. Escuché por primera vez la palabra “tensor” como estudiante de primer año de matemáticas / física en la universidad. No sabía qué era, y escuché que surgía en lugares que no podía imaginar que estuvieran relacionados: la relatividad general y la ciencia de los materiales. Traté de preguntar qué era un tensor, y todo lo que obtuve fueron respuestas insatisfactorias … “coordenadas [murmullo] transformación [murmullo] lineal”. Entre esas líneas.

En un momento le pregunté a mi profesor de física qué era un tensor. Se reclinó en su silla, pensó por el momento de silencio requerido y dejó que el drama del momento se construyera, y luego abrió la boca para pronunciar lo que estoy seguro de que pensó que era una idea brillante: “Un tensor es lo que obtienes cuando divides dos vectores “.

Ahora, no sabía qué era un tensor en ese momento. Pero al menos sabía lo suficiente como para no escuchar a este chico.

2. De todos modos, no fue hasta más tarde, después de dejar mi especialización en física y enfocarme solo en matemáticas, finalmente encontré una definición que tenía sentido. (Fue la respuesta del mapa multilineal dada por otros en este hilo). Pero por lo que vale, más tarde me encontré con una imagen más física que también me gustó:

Imagine un bloque de chicle. Puede exprimirlo a lo largo de un eje perpendicular a los lados opuestos. Digamos que lo aprietas a lo largo del eje z. Encontrará que se reduce en la dirección z, como es de esperar. Pero también “rezuma” en las direcciones x e y. Este es un ejemplo de un fenómeno tensorial: tiene una entrada unidimensional (“apretar a lo largo del eje z”) que produce una salida tridimensional (“reducir a lo largo del eje z, crecer a lo largo de los ejes x e y”).

Eso es todo. Otros tensores toman diferentes entradas dimensionales y producen diferentes salidas dimensionales. Y los resultados pueden crecer o reducirse en todas las direcciones diferentes. Pero eso es básicamente lo largo y corto.

La matemática de los tensores es bastante sencilla. Creo que lo más importante es desarrollar una imagen intuitiva que facilite la comparación y la aplicación al mundo físico.

El profesor Dan Fleisch crea una imagen usando bloques. Comienza representando vectores (tensores de rango 1) y luego se acumula hasta el rango dos y tres. Lo bueno está en los últimos cinco minutos del video.

Encontré este video realmente útil cuando estaba tratando de entender los tensores. (Por supuesto, esto en sí mismo no es suficiente para ‘entender’ el tema. Tendría que estudiar algunas aplicaciones antes de hacer esa afirmación).

¿Qué es un tensor?

Esto depende del lugar de donde vienes:

  • si eres de un entorno matemático y eres totalmente genial con los vectores y los espacios vectoriales como objetos abstractos (no solo “listas de números y conjuntos de listas de números”), y te sientes cómodo con el dual espacio a un espacio vectorial, y los codificadores que viven en él, entonces un tensor puede considerarse como “una máquina (lineal) para convertir n vectores y m codificadores en un número”. Un (2,3) -tensor toma un par de vectores (el orden importa) y un triple de covectores, y escupe un número (en el campo original sobre el que se define el espacio vectorial).
  • si eres de un entorno físico, entonces los tensores son artilugios divertidos que tienen un montón de índices superiores e índices inferiores, y admiten operaciones de “rastreo” de cualquier manera que eliminen todos los índices para generar valor escalar.
  • Si usted es una persona informática, los tensores son generalizaciones de matrices, representables como matrices n-dimensionales.

Los tensores son un concepto matemático, por lo que tiendo a preferir la primera forma.

Puede encontrar algunos libros en línea si escribe “análisis de tensor pdf” o “cálculo de tensor pdf” en Google. Aquí hay unos ejemplos:

Página en mines.edu
Página en ita.uni-heidelberg.de

Pero si no le importa comprar algunos libros, entonces hay muchos buenos libros para comprar. Aqui hay uno bueno:

Amazon.es: AI Borisenko: Libros

Además, muchos libros sobre Relatividad general comienzan con introducciones sobre tensores, por lo que puede buscar sobre eso. Aquí hay algunos buenos libros sobre relatividad general, aunque los haya comprado:

Una introducción para los físicos: Amazon.es: MP Hobson, GP Efstathiou, AN Lasenby: Libros

Amazon.es: Bernard Schutz: 9780521887052: Libros

Una introducción a la relatividad general: Amazon.es: Sean Carroll: Libros

Creo que el último de Sean Carroll se usa en el MIT.

Finalmente, dependiendo de si desea estudiar los tensores como matemático o como físico, puede encontrar útiles los QA en Stack Exchange:

Los tensores más nuevos & # 39; # 39; Preguntas
Los tensores más nuevos & # 39; # 39; Preguntas
El más nuevo & # 39; cálculo-tensor & # 39; Preguntas
El más nuevo & # 39; metric-tensor & # 39; Preguntas

ADVERTENCIA: El análisis de tensores es un tema tan bueno, pero si termina leyendo el libro equivocado, podría terminar luchando mucho con él. Puede ser interesante saber que incluso Einstein tuvo errores en su artículo de 1915 sobre la relatividad general que le señaló Levi-Civita, el hombre detrás del análisis del tensor:

“En 1900, él y Ricci-Curbastro publicaron la teoría de los tensores en las aplicaciones Méthodes de calcul différentiel absolu et leurs , que Albert Einstein utilizó como recurso para dominar el cálculo del tensor, una herramienta crítica en el desarrollo de la teoría de la relatividad general. Levi -La serie de documentos de Civita sobre el problema de un campo gravitatorio estático también se discutió en su correspondencia de 1915-1917 con Einstein. La correspondencia fue iniciada por Levi-Civita, ya que encontró errores matemáticos en el uso de Einstein del cálculo del tensor para explicar la teoría de relatividad. Levi-Civita guardó metódicamente todas las respuestas de Einstein a él, y aunque Einstein no había guardado las de Levi-Civita, toda la correspondencia podría reconstruirse a partir del archivo de Levi-Civita. Es evidente a partir de estas cartas que, después de numerosas cartas , los dos hombres habían llegado a respetarse mutuamente. En una de las cartas, sobre el nuevo trabajo de Levi-Civita, Einstein escribió “Admiro la elegancia de su método de computación ion; debe ser agradable cabalgar por estos campos sobre el caballo de las verdaderas matemáticas, mientras que nosotros tenemos que abrirnos paso laboriosamente a pie “”. – Tullio Levi-Civita

Hay una respuesta “estúpida” y, de alguna manera, estoy completamente satisfecho con que, como estudiante de matemáticas, no esté realmente interesado en las aplicaciones. Considere un espacio vectorial: sabe cómo agregar vectores y sabe cómo escalar vectores con escalares, pero no cómo multiplicar, a partir de los axiomas de los espacios vectoriales. Ahora hay algunas propiedades deseables que cualquier multiplicación decente debería tener: distributividad con suma, por ejemplo. El producto tensor es exactamente lo que necesita para hacer eso.

Por supuesto, todo esto parece artificial hasta que aprenda la teoría básica de variedades o comience a usar álgebras en algún campo, ¡pero lo anterior es una manera agradable y simple de verlo!

Primero, permítanme comenzar con la afirmación aparentemente inútil de que un tensor es un tipo de cantidad que depende de su estructura interna. En lo que sigue me limitaré a los sistemas de coordenadas como la mayoría de nosotros teníamos en álgebra y geometría de la escuela secundaria.

Comenzaremos con escalares. Estos son solo números. Si tiene un escalar en todas partes en su sistema de coordenadas (por ejemplo, una tabla), entonces tiene un campo escalar. Un ejemplo de un escalar es la temperatura, si puede medir la temperatura en todas partes sobre una mesa, entonces tiene un campo de temperatura. Cada punto tiene una temperatura descrita por un solo número.

Volvamos a la parte superior de nuestra mesa y observemos que tenemos componentes en las direcciones x e y, un sistema de coordenadas cartesianas. Digamos que estamos midiendo los componentes x e y de la velocidad del viento en cada punto de la mesa. Este es un vector, una cantidad que cumple con los axiomas para pertenecer a un espacio vectorial. En este caso, tiene una flecha en cada punto que representa la magnitud de la velocidad y su dirección. Por lo tanto, tiene dos números en cada punto que definen los valores específicos del campo vectorial. En general, un vector será una colección de números que llamaremos componentes. Habrá un componente para cada dirección que estemos considerando, en este caso x e y.

Si queremos expresar las tensiones, las fuerzas que quieren que la mesa vuelva a su forma anterior si la distorsionamos de alguna manera, entonces ya no podemos usar un vector en general. Para cada dirección no hay un solo componente, sino un componente para cada dirección. Por lo tanto, en la dirección x tenemos x e y obteniendo xx y xy, también obtenemos esto en la dirección y, yx e yy. Por lo tanto, tenemos 4 componentes en 2 dimensiones, 9 componentes en 3 dimensiones, y así sucesivamente. Existen reglas de transformación específicas que se aplican para probar si una cantidad es o no un tensor.

Aquí hay algunas respuestas técnicas agradables, pero déjame un poco tonto.

Una forma de pensar en un tensor es como una función de vectores: un tensor toma uno o más vectores y genera un número real. Al igual que una función algebraica, excepto que en lugar de tomar uno o más números, un tensor toma uno o más vectores y produce un número real.

Ok, pero ¿cómo es eso útil?

Una pequeña digresión: en la escuela secundaria nos enseñan que un vector es como una flecha que señala tantas unidades a lo largo de un eje del sistema de coordenadas, tantas a lo largo de un segundo y tantas a lo largo del tercero. El conjunto de estos 3 números se denominan componentes del vector, y distinguimos un vector de otro por sus componentes: el vector A es el vector con componentes (a, b, c), el vector B es el vector con componentes (d, e, f), etc. Luego nos enseñan todo tipo de cosas que podemos hacer con vectores como agregarlos, tomar el producto de punto, producto cruzado, etc., cada uno de los cuales equivale a un conjunto de operaciones que realizamos en los componentes de vector (es) Todo está muy centrado en los componentes.

Si congelamos un vector en el espacio y luego giramos el sistema de coordenadas a su alrededor, el vector tendrá un nuevo conjunto de componentes. Entonces, si tenemos el vector A con componentes (a, b, c) y luego cambiamos el sistema de coordenadas, el vector A tendrá nuevos componentes (a ‘, b’, c ‘). O podemos transformarnos en un sistema de coordenadas totalmente diferente, como componentes esféricos y obtener otro conjunto de componentes (a ”, b ”, c ”).

Lo que hace que los tensores sean interesantes es que no importa cuáles sean los componentes, siempre obtienes el mismo número real. Entonces, si tomamos un tensor T y le damos un vector A con componentes (a, b, c), obtenemos un número real. Pero si cambiamos el sistema de coordenadas para que A tenga componentes (a ‘, b’, c ‘), cuando le damos los nuevos componentes del vector A al tensor T, obtenemos el mismo número real que antes. Esto es muy bueno porque nos permite desarrollar operaciones en vectores que no están definidos por operaciones en sus componentes.

Los tensores son útiles en física porque, en la palabra real, las cantidades físicas no deberían depender de un sistema de coordenadas: si tenemos alguna fuerza del vector F moviéndose a lo largo de un vector de desplazamiento D, obtenemos una cierta cantidad de trabajo y no importa qué coordenada sistema que elegimos, siempre debemos obtener la misma cantidad de trabajo.

Los tensores están asociados con la relatividad general, porque las operaciones tensorales son invariables para coordinar los cambios, incluso si los sistemas de coordenadas están ‘curvados’ (lo que sea que eso signifique). Pero podemos imaginar aplicaciones más prácticas. Por ejemplo, considere un simple sistema de coordenadas rectangulares bidimensionales donde tenemos un eje horizontal xy un eje vertical y. Ahora imagine un nuevo sistema de coordenadas donde, en lugar de ser vertical, el eje y está inclinado al eje x solo 45 grados en lugar de 90. Este es un sistema de coordenadas perfectamente bueno. Por ejemplo, un vector con componentes (2,1) en el sistema de coordenadas rectangular tendrá componentes (1, sqrt (2)). Pruébelo con un trozo de papel cuadriculado: en lugar de traducir 2 unidades horizontalmente y 1 unidad verticalmente, traslade 1 unidad horizontalmente y 1.1415 unidades a lo largo de un ángulo de 45 grados y llegue al mismo punto. Este sigue siendo un sistema de coordenadas ‘plano’, pero no es euclidiano. Debido a que los ejes de coordenadas ya no son ortogonales (orientados a 90 grados entre sí), muchas cosas que damos por sentado ya no son ciertas. Por ejemplo, en el sistema de componentes rectangulares (1,0) el punto (0,1) es 0, pero en el nuevo sistema de coordenadas esto ya no es cierto. La longitud de nuestro vector (2,1) es el sqrt ((2,1) dot (2,1)) que se encuentra por el teorema de Pitágoras como l = sqrt (2 ^ 2 + 1 ^ 2) = sqrt (5 ) Pero en los nuevos sistemas de coordenadas, sqrt (1 ^ 2 + sqrt (2) ^ 2) = sqrt (3) que no es igual a sqrt (5). En este tipo de sistemas de coordenadas no euclidianos, todas nuestras antiguas operaciones basadas en componentes, como el producto de punto y el producto cruzado, están fuera de la puerta. Los tensores nos permiten generalizar estas operaciones para que se apliquen a cualquier sistema de coordenadas. Por ejemplo, el equivalente tensoral del producto punto se llama producto interno. En el sistema de coordenadas rectangular, interno ((2,1), (2,1)) es sqrt (5), y en el sistema de coordenadas inclinado, interno ((1, sqrt (2)), (1, sqrt (2 )) también es sqrt (5). Entonces, si utilizamos el producto interno (un tensor que toma dos vectores) en lugar del producto punto (una operación en los componentes de dos vectores), no tenemos que preocuparnos por la coordenada sistema, la respuesta siempre será la misma, es un resultado muy útil.

Editar: la pregunta original fue “¿Cuáles son algunos buenos recursos para aprender tensores?”. Mi respuesta anterior es irrelevante después de la fusión, pero aquí está de todos modos:

Prueba estas notas. El contenido principalmente en el contexto de la relatividad general, escrito por Edmund Bertschinger del MIT.

Introducción al análisis tensorial

Bueno, puede comenzar con tensores cartesianos y luego avanzar a tensores generalizados. De todos modos, el análisis vectorial de la serie schaum contiene un capítulo introductorio sobre Tensores, y es una buena manera de entender los tensores mientras resuelvo los problemas ‘resueltos’ por usted mismo (de hecho, los estoy haciendo en estos días). Solo tenga confianza, ya que las matrices no son una nueva rama de las Matemáticas sino una nueva notación, de manera similar los tensores son solo una notación, no un nuevo concepto de las matemáticas.

¡Tensor es una variante más alta de un Vector!

Tomemos un ejemplo de un cubo de panneer o requesón.

Si lo presionamos desde arriba y abajo, se exprime en las direcciones laterales. Sabes por qué ? ¿Esto es respondido por alguna cantidad? Sí, es tensor!

Los tensores están representados por matrices donde

  • Los términos diagonales representan tensiones normales y
  • Los términos fuera de diagonal representan tensiones de corte .

Digamos que aplicas Sigma XX solo en el cubo. El Sigma YY y el Sigma ZZ son generados por los componentes Tau XY y XZ y Tau YZ lo equilibra para alcanzar el equilibrio.

Un tensor es un mapa multilineal. Lo que esto significa es que si tiene un conjunto de coordenadas (o de manera más general / abstracta, funciones u otros objetos) puede transformar cada una de estas coordenadas de acuerdo con un conjunto de reglas (transformaciones lineales) para obtener su nuevo conjunto de coordenadas. La clave aquí es que cada coordenada puede tener su propia transformación, por lo que puede estirar o distorsionar diferentes coordenadas de diferentes maneras.

Los videos de la introducción de Leonard Susskind en la relatividad general son una introducción muy amable

ver tensor físico y física de 4 vectores

Descubrimiento de una nueva teoría dentro de la teoría de Einstein con una definición muy breve de tensor

Una sola ley de transformación universal para 4 vectores y tensores

A partir de una inspiración de la respuesta de Patrick Hochstenbach, Leonard Susskind hizo series de conferencias aún más recientes sobre Relatividad general.
http://www.youtube.com/playlist ? …

Esta es la forma en que me sentí al principio:

Pon los números juntos, obtienes un vector

Poner vectores juntos, obtienes una matriz

Poner matrices juntas, obtienes un tensor

Ahora, imagínelos geométricamente y dibuje un dibujo, ¡ay allá!

Veleros

El viento golpea la vela y crea una fuerza. La fuerza es aproximadamente lineal (es decir, si duplica el viento, aproximadamente duplica la fuerza). Sin embargo, la fuerza generalmente no está en la dirección del viento.

Puede crear una matriz en la que ponga las coordenadas * x, y * del viento, y saque las coordenadas * x, y * de la fuerza en el barco. Esa matriz es un tensor.