Tensor

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche
Der Titel dieses Artikels ist mehrdeutig. Weitere Bedeutungen sind unter Tensor (Begriffsklärung) aufgeführt.

Ein Tensor ist ein mathematisches Objekt aus der Linearen Algebra und Differentialgeometrie. Der Begriff wurde ursprünglich in der Physik eingeführt und erst später mathematisch präzisiert. Auch heute noch ist die Tensoranalysis ein wichtiges Werkzeug in den physikalischen und ingenieurwissenschaftlichen Disziplinen.

Einleitung[Bearbeiten]

Bei einem Tensor handelt es sich um eine mathematische Funktion, die eine bestimmte Anzahl von Vektoren auf einen Wert abbildet. Die Anzahl von Vektoren, die ein Tensor entgegennimmt, wird als Rang r oder Stufe des Tensors bezeichnet.[1]

Das bestimmende Merkmal von Tensoren ist, dass Tensoren multilinear sind. Sie weisen also für jeden der r Vektoren, welche als Argument übergeben werden, eine lineare Abbildung auf. Die Multilinearität von Tensoren ermöglicht es, den Wert der Funktion als Funktion auf beliebigen Basisvektoren e_n auszudrücken. Die Werte, auf die der Tensor die Basisvektoren abbildet, werden als die Komponenten des Tensors bezeichnet.[1]

Beispiel

Für einen Tensor T mit dem Rang 1 gilt aufgrund der Multilinearität von T für alle w,v \in \mathbb{C}^n, c \in \mathbb{C} der Zusammenhang:

T(v + c\,w) = T(v) + c\,T(w)

Gleichsam gilt für einen Tensor T vom Rang 2 für alle u,v,w \in \mathbb{C}^n, c \in \mathbb{C} der Zusammenhang:

T(u + c\,v, w) = T(u, w) + c\,T(v, w),

sowie

T(u, v + c\,w) = T(u, v) + c\,T(u, w).

Komponenten von Tensoren[Bearbeiten]

Seien e_1, e_2, \dots, e_n die Basisvektoren des Raums \mathbb{C}^n, so lassen sich die Vektoren v,w wie folgt in Komponenten darstellen:

\begin{array}{rcll}
v = & v_1\,e_1 + v_2\,e_2 + \dots + v_n\,e_n & = \sum_{i=1}^n v_i\,e_i & = v^i\,e_i \\
w = & w_1\,e_1 + w_2\,e_2 + \dots + w_n\,e_n & = \sum_{j=1}^n w_j\,e_j & = w^j\,e_j
\end{array}

Dann gilt für den Tensor T vom Rang 2:

T(v,w) = T(v^i\,e_i,\ w^j\,e_j) = v^i\,w^j\,T(e_i, e_j) = v^i\,w^j\,T_{ij}

Die Werte T_{ij} = T(e_i, e_j) sind hierbei die Komponenten des Tensors für die jeweiligen Basisvektoren. Der Tensor selbst ist hierbei – im Gegensatz zu den Komponenten des Tensors – unabhängig davon, welches Basissystem verwendet wird.

Basistransformation[Bearbeiten]

Um die Komponenten T_{ij} von einem Basissystem \mathcal{B} mit den Basisvektoren e_i in ein anderes Basissystem \mathcal{B}' mit den Basisvektoren e_{i'} zu überführen, wird der geometrische Tensor g benötigt. Dieser definiert sich aus dem Zusammenhang:

e^{j'} = g_{j'i}\,e^i

Daraus folgt:

T_{i'j'} = g_{i'}^i\, g_{j'}^j\,T_{ij}

Darstellung des Tensors mit Hilfe der Komponenten[Bearbeiten]

Mit Hilfe der Komponenten kann ein Tensor dargestellt werden. Beispielsweise kann ein Tensor T mit Rang 2 in einem gegebenen Basissystem \mathcal{B} wie folgt als Matrix dargestellt werden:

[T]_\mathcal{B} \equiv \begin{pmatrix}
T_{11} & T_{12} & \cdots & T_{1n} \\
T_{21} & T_{22} & \cdots & T_{2n} \\
\vdots & \vdots  & \ddots & \vdots \\
T_{n1} & T_{n2} & \cdots & T_{nn}
\end{pmatrix}

Dadurch lässt sich der Wert T(v,w) im Rahmen des entsprechenden Basissystems mit Hilfe der Matrixmultiplikation berechnen:

T(v,w) = 
\begin{pmatrix} v_1 & v_2 & \cdots & v_n \end{pmatrix}
\cdot \begin{pmatrix}
T_{11} & T_{12} & \cdots & T_{1n} \\
T_{21} & T_{22} & \cdots & T_{2n} \\
\vdots & \vdots  & \ddots & \vdots \\
T_{n1} & T_{n2} & \cdots & T_{nn}
\end{pmatrix} \cdot \begin{pmatrix}
w_1 \\ w_2 \\ \vdots \\ w_n
\end{pmatrix}
Anwendungsbeispiel

Es soll mit Hilfe des Trägheitstensors I der Drehimpuls L eines starren Körpers mit der Winkelgeschwindigkeit \omega in einem dreidimensionalen Vektorraum mit der Basis \mathcal{B} = \left\{ e_x \otimes e_y \otimes e_z \right\} = \left| x,y,z \right\rangle berechnet werden:

L = I(\omega,\omega) = \left\langle \omega \right| I \left| \omega \right\rangle = \omega_i\,I_j^i\,\omega^j = 
\begin{pmatrix} \omega_x & \omega_y & \omega_z \end{pmatrix}
\cdot \begin{pmatrix}
I_{xx} & I_{xy} & I_{xz} \\
I_{yx} & I_{yy} & I_{yz} \\
I_{zx} & I_{zy} & I_{zz} 
\end{pmatrix} \cdot \begin{pmatrix}
\omega_x \\ \omega_y \\ \omega_z
\end{pmatrix}

Arten von Tensoren[Bearbeiten]

Das Levi-Civita-Symbol im Dreidimensionalen repräsentiert einen besonders einfachen dreistufigen Tensor.

Ausgehend von einem endlichdimensionalen Vektorraum bezeichnet man Skalare als Tensoren vom Typ (0,0), Vektoren als Tensoren vom Typ (1,0) und Kovektoren als Tensoren vom Typ (0,1). Tensoren höherer Stufe definiert man als multilineare Abbildungen mit Tensoren geringerer Stufe als Argumente und Abbildungswerte. So kann etwa ein Tensor vom Typ (1,1) als lineare Abbildung zwischen Vektorräumen oder als bilineare Abbildung mit einem Vektor und einem Kovektor als Argumente aufgefasst werden.

Beispielsweise ist der mechanische Spannungstensor in der Physik ein Tensor zweiter Stufe – eine Zahl (Stärke der Spannung) oder ein Vektor (eine Hauptspannungsrichtung) reichen nicht immer zur Beschreibung des Spannungszustandes eines Körpers aus. Als Tensor vom Typ (0,2) aufgefasst ist er eine lineare Abbildung, die einem Flächenelement (als Vektor) die darauf wirkende Kraft (als Kovektor) zuordnet, oder eine bilineare Abbildung, die einem Flächenelement und einem Verschiebungsvektor die Arbeit zuordnet, die bei der Verschiebung des Flächenstücks unter dem Einfluss der wirkenden Spannung verrichtet wird.

Bezüglich einer fest gewählten Vektorraumbasis erhält man die folgenden Darstellungen der verschiedenen Typen von Tensoren:

  • Ein Skalar durch eine einzelne Zahl.
  • Ein Vektor durch einen Spaltenvektor.
  • Ein Kovektor durch einen Zeilenvektor.
  • Ein Tensor zweiter Stufe durch eine Matrix.

Die Anwendung des Spannungstensors auf ein Flächenelement ist dann z. B. durch das Produkt einer Matrix mit einem Spaltenvektor gegeben. Die Koordinaten von Tensoren höherer Stufe können entsprechend in ein höherdimensionales Schema angeordnet werden. So können diese Komponenten eines Tensors anders als die eines Spaltenvektors oder einer Matrix mehr als ein oder zwei Indizes haben. Ein Beispiel für einen Tensor dritter Stufe, der drei Vektoren des \mathbb R^3 als Argumente hat, ist die Determinante einer 3×3-Matrix als Funktion der Spalten dieser Matrix. Bezüglich einer Orthonormalbasis wird er durch das Levi-Civita-Symbol \varepsilon_{ijk} repräsentiert.

Wort- und Begriffsgeschichte[Bearbeiten]

Das Wort Tensor (lat. tendo „ich spanne“) wurde in den 1840er Jahren von William Rowan Hamilton in die Mathematik eingeführt; er bezeichnete damit den Absolutbetrag seiner Quaternionen, also keinen Tensor im modernen Sinn.

James Clerk Maxwell scheint den Spannungstensor, den er aus der Elastizitätstheorie in die Elektrodynamik übertrug, selbst noch nicht so genannt zu haben.

In seiner modernen Bedeutung, als Verallgemeinerung von Skalar, Vektor, Matrix, wird das Wort Tensor erstmals von Woldemar Voigt in seinem Buch Die fundamentalen physikalischen Eigenschaften der Krystalle in elementarer Darstellung (Leipzig, 1898) eingeführt.

Unter dem Titel absolute Differentialgeometrie entwickelten Gregorio Ricci-Curbastro und dessen Schüler Tullio Levi-Civita um 1890 die Tensorrechnung auf riemannschen Mannigfaltigkeiten; einem größeren Fachpublikum machten sie ihre Ergebnisse 1900 mit dem Buch Calcolo differenziale assoluto zugänglich, das bald in andere Sprachen übersetzt wurde, und aus dem sich Albert Einstein die mathematischen Grundlagen aneignete, die er zur Formulierung der allgemeinen Relativitätstheorie benötigte. Einstein selbst prägte 1916 den Begriff Tensoranalysis und trug mit seiner Theorie maßgeblich dazu bei, den Tensorkalkül bekannt zu machen; er führte überdies die einsteinsche Summenkonvention ein, nach der über doppelt auftretende Indizes unter Weglassung der Summenzeichen summiert wird.

Unterschiedliche Betrachtungsweisen[Bearbeiten]

Der Begriff des Tensors wird sowohl in der Physik als auch in der Mathematik verwendet. In der Mathematik wird dieses Objekt meistens in der Algebra und der Differentialgeometrie betrachtet. Dabei wird eine koordinatenunabhängige Notation bevorzugt, in den Anwendungen wie der Physik verwendet man dagegen meist die Indexnotation von Tensoren. Weiterhin werden in der Physik häufig Tensorfelder behandelt, die häufig auch einfach als Tensoren bezeichnet werden. Ein Tensorfeld ist eine Abbildung, die jedem Punkt des Raums einen Tensor zuordnet; viele physikalische Feldtheorien handeln von Tensorfeldern. Das prominenteste Beispiel ist die Allgemeine Relativitätstheorie.

Einsteinsche Summenkonvention[Bearbeiten]

Insbesondere in der Tensoranalysis (einem Teilgebiet der Differentialgeometrie) und der Physik ist die einsteinsche Summenkonvention beliebt. Sie verkürzt die Schreibweise von Tensoren. Die Konvention besagt, dass Summenzeichen weggelassen werden können und dabei automatisch über Indizes summiert wird, welche einmal oben und einmal unten stehen. Ein einfaches Beispiel ist die Matrizenmultiplikation. Seien A, B zwei Matrizen mit den Komponenten A_{ik} und B_{kj}. Dann lautet die Komponentendarstellung des Matrixproduktes

(A\cdot B)_{ij}=\sum_{k} A_{ik} B_{kj}.

Mit der einsteinschen Summenkonvention schreibt man

{(A\cdot B)^i}_j={A^i}_k {B^k}\!_j.

Ko- und Kontravarianz[Bearbeiten]

Die Begriffe ko- und kontravariant beziehen sich im Zusammenhang mit der Tensorrechnung auf die Koordinatendarstellungen von Vektoren, Linearformen und Tensoren höherer Stufe. Sie beschreiben, wie sich solche Koordinatendarstellungen bezüglich eines Basiswechsels im zugrundeliegenden Vektorraum verhalten.

Legt man in einem n-dimensionalen Vektorraum V eine Basis (e_1,\dots,e_n) fest, so kann jeder Vektor v dieses Raumes durch ein Zahlentupel (x^1,\dots,x^n), seine Koordinaten, gemessen und dargestellt werden, v=e_k\,x^k. (Hier und im weiteren verwenden wir die Einsteinsche Summenkonvention.) Geht man zu einer anderen Basis von V über, so ändert sich der Vektor selbst nicht, aber die Koordinaten der neuen Basis werden andere sein. Genauer: Ist die neue Basis durch e'_j=e_k\,A^k{}_j in der alten Basis bestimmt, so ergeben sich die neuen Koordinaten durch Vergleich in

v=e_k\,x^k=e'_j\,x'^j=e_k\,A^k{}_j\,x'^j

also x^k=A^k{}_j\,x'^j oder

x'\,^j=(A^{-1})^j{}_k\,x^k.

Dreht man zum Beispiel eine orthogonale Basis in einem dreidimensionalen euklidischen Raum V um 30^\circ um die z-Achse, so drehen sich die Koordinatenvektoren im Koordinatenraum \R^3 ebenfalls um die z-Achse, aber in der entgegengesetzten Richtung um -30^\circ.

Dieses der Basistransformation entgegengesetzte Transformationsverhalten nennt man kontravariant. Oft werden Vektoren zur Abkürzung der Notation mit ihren Koordinatenvektoren identifiziert, so dass Vektoren allgemein als kontravariant bezeichnet werden.

Eine Linearform oder Kovektor \alpha\in V^* ist dagegen eine skalarwertige lineare Abbildung \alpha:V\to\mathbb K auf dem Vektorraum. Man kann ihr als Koordinaten ihre Werte auf den Basisvektoren, \alpha_k=\alpha(e_k), zuordnen. Die Koordinatenvektoren einer Linearform transformieren sich wie das Basistupel als

\alpha'_j=\alpha(e'_j)=\alpha(e_k\,A^k{}_j)=\alpha_k\,A^k{}_j

weshalb man dieses Transformationsverhalten kovariant nennt. Identifiziert man wieder Linearformen mit ihren Koordinatenvektoren, so bezeichnet man auch allgemein Linearformen als kovariant. Hierbei geht, wie bei Vektoren, die zugrundeliegende Basis aus dem Kontext hervor. Man spricht in diesem Kontext auch von Dualvektoren.

Diese Kurzbezeichnung wird auf Tensorprodukte ausgedehnt (Symbol: Tensormultiplikation \otimes). Faktoren, die Vektorräume sind, nennt man kontravariant, Faktoren, die Dualräume sind, nennt man kovariant.

Invarianten von Tensoren 1. und 2. Stufe[Bearbeiten]

Als Invarianten bezeichnet man aus Tensorkoordinaten gebildete Skalare die sich unter Koordinatentransformation nicht ändern. Für Tensoren 1. Stufe (Vektoren) führt die Bildung des Skalarprodukts zu einer Invarianten

I_1=x^j x_j=x'^jx'_j

Für Tensoren 2. Stufe lassen sich im Allgemeinen sechs irreduzible Invarianten (d.h. Invarianten die nicht durch andere Invarianten ausgedrückt werden können) finden

I_1 = A_{ii} =\mathrm{Spur}(A)
I_2 = A_{ij}A_{ji} =\mathrm{Spur}\left(A^2\right)
I_3 = A_{ij}A_{ij} =\mathrm{Spur}\left(AA^T\right)
I_4 = A_{ij}A_{jk}A_{ki} =\mathrm{Spur}\left(A^3\right)
I_5 = A_{ij}A_{jk}A_{ik} =\mathrm{Spur}\left(A^2A^T\right)
I_6 = A_{ij}A_{jk}A_{lk}A_{il} =\mathrm{Spur}\left(A^2\left(A^2\right)^T\right)

Im Falle von symmetrischen Tensoren 2. Stufe (z. B. der Verzerrungstensor) fallen die Invarianten I_2=I_3 und I_4=I_5 zusammen. Außerdem lässt sich I_6 über die anderen 3 Invarianten darstellen (ist also nicht mehr irreduzibel). Die Determinante ist auch eine Invariante, sie lässt sich beispielsweise für 3\times 3-Matrizen über die irreduziblen Invarianten I_1, I_2 und I_4 darstellen als

\mathrm{Det}(A)=\frac{1}{6}I_1^3-\frac{1}{2}I_1I_2+\frac{1}{3}I_4.[2]

Für antisymmetrische Tensoren gilt I_1=0, I_2=-I_3, I_4=-I_5=0 und I_6 lässt sich wieder auf I_2 zurückführen.[3] Somit haben symmetrische Tensoren 2. Stufe 3 irreduzible Invarianten und antisymmetrische Tensoren 2. Stufe eine irreduzible Invariante

Definition[Bearbeiten]

(r,s)-Tensorraum[Bearbeiten]

Im Folgenden sind alle Vektorräume endlichdimensional. Mit L(E;K) bezeichne man die Menge aller Linearformen aus dem K-Vektorraum E in den Körper K. Sind E_1, \dots, E_k Vektorräume über K, so werde der Vektorraum der Multilinearformen E_1 \times E_2 \times \dots \times E_k \to K mit L^{k}(E_1,E_2,\dots,E_k;K) bezeichnet.

Ist E ein K-Vektorraum, so wird mit E^* sein Dualraum bezeichnet. Dann ist L^{k}(E_1^*,E_2^*,\dots,E_k^*;K) eine Realisierung des Tensorproduktes

E_1\otimes E_2\otimes \dots\otimes E_k (vergleiche hierzu den Abschnitt Tensorprodukte und Multilinearformen).

Setze nun für einen fixierten Vektorraum E mit Dualraum E^*

T^r_s(E,K) = L^{r+s}(E^*,\ldots , E^*,E,\ldots, E;K)

mit r Einträgen von E^* und s Einträgen von E. Dieser Vektorraum realisiert das Tensorprodukt


\underbrace{E\otimes\dots\otimes E}_{r\text{ Faktoren}}
\otimes
\underbrace{E^*\otimes\dots\otimes E^*}_{s\text{ Faktoren}}

Elemente dieser Menge heißen Tensoren, kontravariant der Stufe r und kovariant der Stufe s. Kurz spricht man von Tensoren vom Typ (r,s). Die Summe r+s heißt Stufe oder Rang des Tensors.

Es gibt natürliche Isomorphismen der folgenden Art:

\begin{align}
&L^k(E_1,E_2,\dots,E_k;K)\\
\cong &L^m(E_1,\dots,E_m;E_{m+1}^*\otimes\cdots\otimes E_k^*)\\
\cong &L(E_1\otimes\cdots\otimes E_m,E_{m+1}^*\otimes\cdots\otimes E_k^*)
\end{align}

Das heißt, man kann Tensoren der Stufe r+s>2 auch induktiv als multilineare Abbildungen zwischen Tensorräumen geringerer Stufe definieren. Dabei hat man für einen Tensor eines bestimmten Typs mehrere äquivalente Möglichkeiten.

In der Physik sind die Vektorräume in der Regel nicht identisch, z. B. kann man einen Geschwindigkeitsvektor und einen Kraftvektor nicht addieren. Man kann jedoch die Richtungen miteinander vergleichen, d. h. die Vektorräume bis auf einen skalaren Faktor miteinander identifizieren. Daher kann die Definition von Tensoren des Typs (r,s) entsprechend angewendet werden. Es sei außerdem erwähnt, dass (dimensionsbehaftete) Skalare in der Physik Elemente aus eindimensionalen Vektorräumen sind und dass Vektorräume mit Skalarprodukt mit ihrem Dualraum identifiziert werden können. Man arbeitet z. B. mit Kraftvektoren, obwohl Kräfte ohne die Verwendung des Skalarprodukts als Kovektoren anzusehen sind.

Äußeres Tensorprodukt[Bearbeiten]

Als (äußeres) Tensorprodukt oder Tensormultiplikation bezeichnet man eine Verknüpfung \otimes zwischen zwei Tensoren. Sei E ein Vektorraum und seien t_1 \in T_{s_1}^{r_1}(E) und t_2 \in T_{s_2}^{r_2}(E) Tensoren. Das (äußere) Tensorprodukt von t_1 und t_2 ist der Tensor t_1 \otimes t_2 \in T_{s_1+s_2}^{r_1+r_2}(E), welcher durch

\left(t_1 \otimes t_2)(\beta^1, \ldots , \beta^{r_1}, \gamma^1, \ldots , \gamma^{r_2},f_1, \ldots , f_{s_1},g_1, \ldots , g_{s_2}\right) := t_1(\beta^1, \ldots , \beta^{r_1}, f_1, \ldots, f_{s_1}) t_2(\gamma^1, \ldots , \gamma^{r_2},g_1, \ldots , g_{s_2})

definiert ist. Hierbei sind die \beta^j, \gamma^j \in E^* und die f_j,g_j \in E.

Beispiele[Bearbeiten]

Im Folgenden seien E und F endlichdimensionale Vektorräume.

  • Die Menge der (0,0)-Tensoren ist isomorph zum zugrunde liegenden Körper K. Sie ordnen keiner Linearform und keinem Vektor ein Körperelement zu. Deshalb die Bezeichnung als (0,0)-Tensoren.
  • (0,1)-Tensoren ordnen keiner Linearform und einem Vektor eine Zahl zu, entsprechen somit den Linearformen L(E,K)=E^* auf E.
  • (1,0)-Tensoren ordnen einer Linearform und keinem Vektor eine Zahl zu. Sie sind somit Elemente des bidualen Vektorraums E^{**}. Sie entsprechen bei endlichdimensionalen den Ausgangsvektorräumen E, da hier T_0^1(E) \cong E^{**} \cong E gilt (siehe Isomorphismus).
  • Eine lineare Abbildung E\to F zwischen endlichdimensionalen Vektorräumen kann als Element von E^*\otimes F aufgefasst werden und ist dann ein (1,1)-Tensor.
  • Eine Bilinearform E \times E \to K lässt sich als ein Element von E^* \otimes  E^* auffassen, also als ein (0,2)-Tensor. Insbesondere lassen sich also Skalarprodukte als (0,2)-Tensor auffassen.
  • Das Kronecker-Delta \delta ist wieder ein (0,2)-Tensor. Es ist ein Element von E^* \otimes  E^*, und somit also eine multilineare Abbildung  \delta : E \times  E \to  \mathbb R. Multilineare Abbildungen sind durch die Wirkung auf die Basisvektoren eindeutig bestimmt. So ist das Kronecker-Delta eindeutig durch
\delta(e_i,e_j) = \left\{\begin{matrix} 1, & \mbox{falls } i=j, \\  0, & \mbox{falls } i \neq j,\end{matrix}\right.
bestimmt.
  • Die Determinante von n×n-Matrizen, aufgefasst als alternierende Multilinearform der Spalten, ist ein (0,n)-Tensor. Bezüglich einer Orthonormalbasis wird er durch das Levi-Civita-Symbol ("Epsilontensor") dargestellt. Speziell in drei Dimensionen ist die Determinante \det\colon \mathbb R^3 \times \mathbb R^3 \times \mathbb R^3 \to \mathbb R ein Tensor dritter Stufe und es gilt \varepsilon_{ijk}=\det(e_i,e_j,e_k) für die Elemente einer Orthonormalbasis. Sowohl das Kronecker-Delta als auch das Levi-Civita-Symbol werden häufig verwendet, um Symmetrieeigenschaften von Tensoren zu untersuchen. Das Kronecker-Delta ist symmetrisch bei Vertauschungen der Indizes, das Levi-Civita-Symbol antisymmetrisch, so dass man mit ihrer Hilfe Tensoren in symmetrische und antisymmetrische Anteile zerlegen kann.
  • Ein weiteres Beispiel für einen kovarianten Tensor 2. Stufe ist der Trägheitstensor.
  • In der Elastizitätstheorie verallgemeinert man die hookesche Gleichung über den Zusammenhang zwischen Kräften und zugehörigen Dehnungen und Verzerrungen in einem elastischen Medium ebenfalls mit Hilfe der Tensorrechnung durch Einführung des Verzerrungstensors, der Verzerrungen, Deformationen beschreibt, und des Spannungstensors, der die die Deformationen verursachenden Kräfte beschreibt. Siehe dazu auch unter Kontinuumsmechanik nach.
  • Sei (V,g) ein metrischer Vektorraum. Die Metrik g ordnet zwei Vektoren v und w des Vektorraums V eine reelle Zahl g(v,w) zu. Ist die Metrik eine lineare Abbildung in beiden Argumenten, so handelt es sich bei der Metrik g um einen Tensor. Genauer gesagt ist die Metrik g ein zweifach kovarianter Tensor. Eine solche Metrik g wird deshalb auch metrischer Tensor genannt. Mit \,g_{i j} werden die Koordinaten der Metrik bezüglich einer Basis des Vektorraums V bezeichnet; v^i und  w^j seien die Koordinaten der Vektoren v und w bezüglich derselben Basis. Für die Abbildung zweier Vektoren v und w unter der Metrik g gilt deshalb
 g(v,w)= \sum_{i,j} g_{i j} v^i w^j.
Der Übergang zwischen ko- und kontravarianten Tensoren lässt sich mittels der Metrik durch
x_i = \sum_{j} g_{i j} x^j
bewerkstelligen.
Im Fall der allgemeinen Relativitätstheorie ist diese Metrik sogar meist von Punkt zu Punkt verschieden. In diesem Fall hängt diese Funktion noch von einer zusätzlichen Variablen, welche den Ort beschreibt, ab. Ein solches Objekt wird Tensorfeld genannt und weiter unten beschrieben. Dieser metrische Tensor heißt riemannsche Metrik. In der speziellen Relativitätstheorie verwendet man dabei statt der euklidischen Metrik die des Minkowskiraumes. Noch allgemeinere Metriken (allerdings mit derselben Signatur wie die Minkowski-Metrik) werden in der Allgemeinen Relativitätstheorie verwendet. Im Fall der Relativitätstheorie ist dies ein (4,0)-Tensorfeld.

Tensoralgebra[Bearbeiten]

Hauptartikel: Tensoralgebra

Sei E ein Vektorraum über einem Körper K. Dann ist durch

\mathrm T(E)=\bigoplus_{n\geq0}E^{\otimes n}=K\oplus E\oplus(E\otimes E)\oplus(E\otimes E\otimes E)\oplus\ldots

die sogenannte Tensoralgebra definiert. Mit der Multiplikation, die auf den homogenen Bestandteilen durch das Tensorprodukt gegeben ist, wird \mathrm T(E) zu einer unitären assoziativen Algebra.

Basis[Bearbeiten]

Basis & Dimension[Bearbeiten]

Sei E wie oben ein Vektorraum. Dann sind die Räume T^{r}_s(E) ebenfalls wieder Vektorräume. Weiterhin sei E nun endlichdimensional mit der Basis \{e_1, \ldots, e_n\}. Die duale Basis wird mit \{e^1, \ldots, e^n\} bezeichnet. Der Raum T^{r}_s(E) der Tensoren ist dann ebenfalls endlichdimensional und

\left\{\left.e_{i_1} \otimes \cdots \otimes e_{i_r} \otimes e^{j_1} \otimes \cdots \otimes e^{j_s}\right|i_1, \ldots , i_r, j_1, \ldots, j_s = 1, \ldots , n\right\}

ist eine Basis dieses Raumes. Das heißt, jedes Element t \in T^{r}_s(E) kann durch

\sum_{i_1, \ldots , i_r, j_1, \ldots, j_s = 1, \ldots , n} a_{j_1, \ldots,j_s}^{i_1,\ldots,i_r} e_{i_1} \otimes \cdots \otimes e_{i_r} \otimes e^{j_1} \otimes \cdots \otimes e^{j_s}

dargestellt werden. Die Dimension dieses Vektorraums ist T_s^r(E) = n^{r+s}. Wie in jedem endlichdimensionalen Vektorraum reicht es auch im Raum der Tensoren zu sagen, wie eine Funktion auf der Basis operiert.

Da die obige Summendarstellung sehr viel Schreibarbeit mit sich bringt, wird oftmals die einsteinsche Summenkonvention verwendet. In diesem Fall schreibt man also

a_{j_1, \ldots j_s}^{i_1,\ldots,i_r} e_{i_1} \otimes \cdots \otimes e_{i_r} \otimes e^{j_1} \otimes \cdots \otimes e^{j_s}.

Oftmals identifiziert man die Komponenten des Tensors mit dem Tensor an sich. Siehe dafür unter Tensordarstellungen der Physik nach.

Basiswechsel und Koordinatentransformation[Bearbeiten]

Seien { e'_{i_1}, \dots, e'_{i_n} } und { e_{i_1}, \dots, e_{i_n} } jeweils unterschiedliche Basen der Vektorräume  V_1, \dots , V_n \ . Jeder Vektor, also auch jeder Basisvektor { e'_{1_1} } kann als Linearkombination der Basisvektoren { e_{i_1} } dargestellt werden. Der Basisvektor e'_{i_l} werde dargestellt durch:

e'_{i_l} = \sum_{j_l} a_{j_l,i_l} e_{j_l}.

Die Größen a_{j_l,i_l} bestimmen also die Basistransformation zwischen den Basen e'_{i_l} und e_{i_l}. Das gilt für alle l=1,\dots, n. Dieses Verfahren wird Basiswechsel genannt.

Ferner seien T'_{{i_1}, \dots , {i_n}} die Koordinaten des Tensors T bezüglich der Basis  e'_{i_1}, \dots, e'_{i_n} . Dann ergibt sich für das Transformationsverhalten der Tensorkoordinaten die Gleichung

T'_{{i_1}, \dots ,{i_n}} = \sum_{j_1} \dots \sum_{j_n} a_{j_1, i_1} \dots a_{j_n, i_n} T_{{j_1}, \dots , {j_n}}.

Es wird in der Regel zwischen der Koordinatendarstellung des Tensors T'_{{i_1}, \dots ,{i_n}} und der Transformationsmatrix a_{j_1, i_1}\dots a_{j_n, i_n} unterschieden. Die Transformationsmatrix a_{j_1, i_1}\dots a_{j_n, i_n} ist zwar eine indizierte Größe, aber kein Tensor. Im euklidischen Raum sind das Drehmatrizen und in der speziellen Relativitätstheorie z. B. Lorentz-Transformationen, die sich auch als „Drehungen“ in einem vierdimensionalen Minkowskiraum auffassen lassen. Man spricht in diesem Fall auch von Vierertensoren und Vierervektoren.

Operationen auf Tensoren[Bearbeiten]

Neben dem Tensorprodukt gibt es für (r,s)-Tensoren weitere wichtige Operationen.

Inneres Produkt[Bearbeiten]

Das interne Produkt eines Vektors v \in E (bzw. eines (Ko)Vektors \beta \in E^*) mit einem Tensor t \in T^r_s(E;K) ist der (r,s-1) (bzw. (r-1,s)-Tensor, welcher durch

(i_vt)\left(\beta^1, \ldots , \beta^r, \cdot ,v_1,\ldots, v_{s-1}\right) = t\left(\beta^1, \ldots , \beta^r,v,v_1,\ldots, v_{s-1}\right)

bzw. durch

(i^\beta t)\left(\cdot , \beta^1, \ldots , \beta^{r-1},v_1,\ldots, v_s\right) = t\left(\beta, \beta^1, \ldots , \beta^{r-1}, v_1,\ldots, v_s\right)

definiert ist. Dies bedeutet, dass der (r,s)-Tensor t an einem festen Vektor v bzw. festen Kovektor \beta ausgewertet wird.

Tensorverjüngung[Bearbeiten]

Hauptartikel: Tensorverjüngung

Gegeben sei ein (r,s)-Tensor und 1\leq k\leq r und 1\leq l\leq s. Die Tensorverjüngung C^k_l bildet den Tensor

\sum \beta_{i_1} \otimes \cdots \otimes \beta_{i_k} \otimes \cdots \otimes \beta_{i_r} \otimes v^{j_1}\otimes\cdots\otimes v^{j_l}\otimes\cdots\otimes v^{j_s}

auf den Tensor

\begin{align}
&C^k_l\left(\sum \beta_{i_1} \otimes \cdots \otimes \beta_{i_k} \otimes \cdots \otimes \beta_{i_r} \otimes v^{j_1}\otimes\cdots\otimes v^{j_l}\otimes\cdots\otimes v^{j_s}\right)\\
=&\sum \beta_{i_k}(v^{j_l})\cdot(\beta_{i_1}\otimes\cdots\otimes\beta_{i_{k-1}} \otimes\beta_{i_{k+1}}\otimes\cdots\otimes\beta_{i_r}\otimes v^{j_1}\otimes\cdots\otimes v^{j_{l-1}}\otimes v^{j_{l+1}}\otimes\cdots\otimes v^{j_s})
\end{align}

ab. Dieser Vorgang heißt Tensorverjüngung oder Spurbildung. Im Fall von (1,1)-Tensoren entspricht die Tensorverjüngung

C_1^1: V^*\otimes V\to K

unter der Identifizierung V^*\otimes V\cong\mathrm{End}(V) der Spur eines Endomorphismus.

Mit Hilfe der einsteinschen Summenkonvention kann man die Tensorverjüngung sehr kurz darstellen. Seien beispielsweise T_i^j die Koeffizienten (bzw. Koordinaten) des zweistufigen Tensors T bezüglich einer gewählten Basis. Will man diesen (1,1)-Tensor verjüngen, so schreibt man oft anstatt C_1^1 (T) nur die Koeffizienten T_i^i. Die einsteinsche Summenkonvention besagt nun, dass über alle gleichen Indizes summiert wird und somit T_i^i ein Skalar ist, die mit der Spur des Endomorphismus übereinstimmt. Der Ausdruck B_{i}{}^{j}{}_{i} ist hingegen nicht definiert, weil nur über gleiche Indizes summiert wird, wenn einer oben und einer unten steht. Hingegen ist also B_{i}{}^{j}{}_{j} ein Tensor erster Stufe.

Pull-Back (Rücktransport)[Bearbeiten]

Hauptartikel: Rücktransport

Sei \phi \in L(E,F) eine lineare Abbildung zwischen Vektorräumen, welche kein Isomorphismus zu sein braucht. Der Rücktransport von \phi sei eine Abbildung \phi^* \in L(T^0_s(F),T^0_s(E)), welche durch

\phi^* t(f_1, \ldots , f_s) = t(\phi(f_1), \ldots , \phi(f_s))

definiert ist. Dabei ist t \in T^0_s(F) und f_1 , \ldots , f_s \in E.

Push-Forward[Bearbeiten]

Hauptartikel: Pushforward

Sei \phi : E \to F ein Vektorraumisomorphismus. Definiere den Push-Forward von \phi durch \phi_* \in L(T^r_s(E),T^r_s(F)) mit

 \phi_* t(\beta^1, \ldots , \beta^r, f_1, \ldots , f_s) = t(\phi^*(\beta^1), \ldots , \phi^*(\beta^r), \phi^{-1}(f_1), \ldots , \phi^{-1}(f_s)).

Dabei ist t \in T^r_s(E), \beta^1, \ldots , \beta^r \in F^* und f_1, \ldots , f_s\in F. Mit \phi^*(\beta^i) wird der Rücktransport der Linearform \beta^i notiert. Konkret heißt dies \phi^*(\beta^i(.)) = \beta^i(\phi(.)). Analog zum Rücktransport kann man beim Push-Forward auf die Isomorphie von \phi verzichten und diese Operation nur für (r,0)-Tensoren definieren.

Tensorproduktraum[Bearbeiten]

Hauptartikel: Tensorprodukt

In diesem Abschnitt werden Tensorprodukträume definiert. Diese werden typischerweise in der Algebra betrachtet. Diese Definition ist allgemeiner als die der (r,s)-Tensoren, da hier die Tensorräume aus unterschiedlichen Vektorräumen konstruiert werden können.

Die universelle Eigenschaft[Bearbeiten]

Universelle Eigenschaft des Tensorproduktes

Es seien V und W Vektorräume über dem Körper K. Sind X,Y weitere K-Vektorräume, b:V\times W\to X eine beliebige bilineare Abbildung und f:X\to Y eine lineare Abbildung, dann ist auch die Verknüpfung (f\circ b):V\times W\to Y eine bilineare Abbildung. Ist also eine bilineare Abbildung gegeben, so kann man daraus auch beliebig viele weitere bilineare Abbildungen konstruieren. Die Frage, die sich ergibt, ist, ob es eine bilineare Abbildung gibt, aus der auf diese Art, durch Verknüpfung mit linearen Abbildungen, alle bilinearen Abbildungen auf V\times W (auf eindeutige Weise) konstruiert werden können. Ein solches universelles Objekt, d.h. die bilineare Abbildung samt ihrem Bildraum, wird als Tensorprodukt von V und W bezeichnet.

Definition: Als Tensorprodukt der Vektorräume V und W, wird jeder K-Vektorraum X bezeichnet, zu dem es eine bilineare Abbildung \phi\colon V\times W\to X gibt, die die folgende universelle Eigenschaft erfüllt:

Zu jeder bilinearen Abbildung b\colon V\times W\to Y von V \times W in einen Vektorraum Y existiert genau eine lineare Abbildung b'\colon X\to Y, so dass für alle (v,w) \in V \times W gilt
b(v,w)=b'(\phi(v,w)).

Gibt es einen solchen Vektorraum X, so ist er bis auf Isomorphie eindeutig. Man schreibt X=V\otimes W und \phi(v,w)=v\otimes w. Die universelle Eigenschaft kann also als b(v,w) = b'(v\otimes w) geschrieben werden. Zur Konstruktion solcher Produkträume sei auf den Artikel Tensorprodukt verwiesen.

Tensor als Element des Tensorproduktes[Bearbeiten]

In der Mathematik sind Tensoren Elemente von Tensorprodukten.

Es sei K ein Körper und es seien V_1,V_2,\ldots,V_s Vektorräume über dem Körper K.

Das Tensorprodukt V_1 \otimes \cdots \otimes V_s von V_1,\ldots,V_s ist ein K-Vektorraum, dessen Elemente Summen von Symbolen der Form

v_1\otimes\cdots\otimes v_s,\quad v_i\in V_i,

sind. Dabei gelten für diese Symbole die folgenden Rechenregeln:

  • v_1\otimes\cdots\otimes(v_i'+v_i'')\otimes\cdots\otimes v_s=(v_1\otimes\cdots\otimes v_i'\otimes\cdots\otimes v_s)+(v_1\otimes\cdots\otimes v_i''\otimes\cdots\otimes v_s)
  • v_1\otimes\cdots\otimes(\lambda v_i)\otimes\cdots\otimes v_s
=\lambda(v_1\otimes\cdots\otimes v_i\otimes\cdots\otimes v_s),\quad\lambda\in K

Die Tensoren der Form v_1\otimes\cdots\otimes v_s heißen elementar. Jeder Tensor lässt sich als Summe von elementaren Tensoren schreiben, aber diese Darstellung ist außer in trivialen Fällen nicht eindeutig, wie man an der ersten der beiden Rechenregeln sieht.

Ist \{e_i^{(1)},\ldots,e_i^{(d_i)}\} eine Basis von V_i (für i=1,\ldots,s; d_i=\dim V_i), so ist

\{e_1^{(j_1)}\otimes\cdots\otimes e_s^{(j_s)}\mid 1\leq i\leq s, 1\leq j_i\leq d_i\}

eine Basis von V_1\otimes\cdots\otimes V_s. Die Dimension von V_1\otimes\cdots\otimes V_s ist also das Produkt der Dimensionen der einzelnen Vektorräume V_1,\ldots,V_s.

Tensorprodukte und Multilinearformen[Bearbeiten]

Der Dualraum von V_1\otimes\cdots\otimes V_s kann mit dem Raum der s-Multilinearformen

V_1\times\cdots\times V_s\to K

identifiziert werden:

  • Ist \lambda\colon V_1\otimes\cdots\otimes V_s\to K eine Linearform auf V_1\otimes\cdots\otimes V_s, so ist die entsprechende Multilinearform
(v_1,\ldots,v_s)\mapsto\lambda(v_1\otimes\cdots\otimes v_s).
  • Ist \mu\colon V_1\times\cdots\times V_s\to K eine s-Multilinearform, so ist die entsprechende Linearform auf V_1\otimes\cdots\otimes V_s definiert durch
\sum_{j=1}^kv_1^{(j)}\otimes\cdots\otimes v_s^{(j)}\mapsto\sum_{j=1}^k\mu(v_1^{(j)},\ldots,v_s^{(j)}).

Sind alle betrachteten Vektorräume endlichdimensional, so kann man

(V_1\otimes\cdots\otimes V_s)^*\quad\mathrm{und}\quad V_1^*\otimes\cdots\otimes V_s^*

miteinander identifizieren, d.h. Elemente von V_1^*\otimes\cdots\otimes V_s^* entsprechen s-Multilinearformen auf V_1\times\cdots\times V_s.

Tensorprodukte eines Vektorraums und Symmetrie[Bearbeiten]

Man kann das Tensorprodukt \mathcal T^2V:=V\otimes V eines Vektorraumes V mit sich selbst bilden. Ohne weiteres Wissen über den Vektorraum kann ein Automorphismus des Tensorprodukts definiert werden, der darin besteht, in den reinen Produkten a\otimes b die Faktoren zu vertauschen,

\Pi_{12}(a\otimes b):=b\otimes a.

Das Quadrat dieser Abbildung ist die Identität, woraus folgt, dass es Eigenvektoren zum Eigenwert 1 und zum Eigenwert -1 gibt.

  • Ein w\in V\otimes V, welches \Pi_{12}(w):=w erfüllt, heißt symmetrisch. Beispiele sind die Elemente
w=a\odot b:=\frac12(a\otimes b+b\otimes a).
Die Menge aller symmetrischen Tensoren der Stufe 2 wird mit \mathcal S^2V=(1+\Pi_{12})(V\otimes V) bezeichnet.
  • Ein w\in V\otimes V, welches \Pi_{12}(w):=-w erfüllt, heißt antisymmetrisch oder alternierend. Beispiele sind die Elemente
w=a\wedge b:=\frac12(a\otimes b-b\otimes a).
Die Menge aller antisymmetrischen Tensoren der Stufe 2 wird mit \Lambda^2V:=(1-\Pi_{12})(V\otimes V) bezeichnet.

Mittels \mathcal T^{n+1}V:=V\otimes \mathcal T^nV können Tensorpotenzen von V beliebiger Stufe gebildet werden. Entsprechend können weitere paarweise Vertauschungen definiert werden. Nur sind diese nicht mehr voneinander unabhängig. So lässt sich jede Vertauschung der Stellen j und k auf Vertauschungen mit der ersten Stelle zurückführen.

\Pi_{jk}=\Pi_{1j}\circ\Pi_{1k}\circ\Pi_{1j}

Injektives und projektives Tensorprodukt[Bearbeiten]

Falls die Vektorräume, welche man miteinander tensorieren will, eine Topologie besitzen so ist es wünschenswert, dass ihr Tensorprodukt ebenfalls eine Topologie besitzt. Es gibt natürlich viele Möglichkeiten eine solche Topologie zu definieren. Das injektive beziehungsweise das projektive Tensorprodukt sind dafür jedoch eine natürliche Wahl.

Tensoranalysis[Bearbeiten]

Hauptartikel: Tensoranalysis

Ursprünglich wurde der Tensorkalkül nicht in dem modernen hier vorgestellten algebraischen Konzept untersucht. Der Tensorkalkül entstand aus Überlegungen zur Differentialgeometrie. Insbesondere Gregorio Ricci-Curbastro und sein Schüler Tullio Levi-Civita haben ihn entwickelt. Man nennt den Tensorkalkül daher auch Ricci-Kalkül. Albert Einstein griff diesen Kalkül in seiner Relativitätstheorie auf, was ihm große Bekanntheit in der Fachwelt einbrachte. Die damaligen Tensoren werden heute als Tensorfelder bezeichnet und spielen in der Differentialgeometrie auch heute noch eine wichtige Rolle. Im Gegensatz zu Tensoren sind Tensorfelder differenzierbare Abbildungen, die jedem Punkt des zugrundeliegenden (oftmals gekrümmten) Raums einen Tensor zuordnen.

Siehe auch[Bearbeiten]

Literatur[Bearbeiten]

  • Theodor Bröcker: Lineare Algebra und Analytische Geometrie. Birkhäuser, Basel 2004, ISBN 3-7643-2178-4, Kap. VII: Tensorrechnung.
  • R. Abraham, J. E. Marsden, T. Ratiu: Manifolds, tensor analysis, and applications. (= Applied mathematical sciences 75). 2. Auflage. Springer, New York NY u. a. 1998, ISBN 0-387-96790-7.
  • Theodore Frankel: The Geometry of Physics. An Introduction. Cambridge University Press, Cambridge u. a. 1997, ISBN 0-521-38334-X.
  • Horst Teichmann: Physikalische Anwendungen der Vektor- und Tensorrechnung. (= BI-Hochschultaschenbücher 39). 3. Auflage. Bibliographisches Institut, Mannheim u. a. 1973, ISBN 3-411-00039-2.
  • André Lichnerowicz: Einführung in die Tensoranalysis. (= BI Hochschultaschenbuch 77). Bibliographisches Institut, Mannheim u. a. 1966.
  • Mikhail Itskov: Tensor algebra and tensor analysis for engineers. 3. Auflage. Springer, Heidelberg u. a. 2013, ISBN 978-3-642-30878-9.
  • Adalbert Duschek Der Tensorbegriff und seine Bedeutung für die Physik, Teil 1,2,3, Physikalische Blätter 1954, 1955, Teil 1, Geometrische Grundlagen, Teil 2, Tensoralgebra, Teil 3, Tensoranalysis
  • Karin Reich Die Entwicklung des Tensorkalküls. Vom absoluten Differentialkalkül zur Relativitätstheorie, Birkhäuser 1994 (zur Geschichte)

Weblinks[Bearbeiten]

Einzelnachweise[Bearbeiten]

  1. a b  Nadir Jeevanjee: An Introduction to Tensors and Group Theory for Physicists. Birkhäuser, Boston 25. August 2011, ISBN 9780817647148, S. 242.
  2. Vorlage:Internetquelle/Wartung/Datum nicht im ISO-FormatProf. Kerstin Weinberg: Vorlesungsskript: Tensoralgebra und -Analysis. Universität Siegen, 24. Oktober 2012, abgerufen am 19. Juli 2013 (PDF, 235 KB).
  3.  Heinz Schade, Klaus Neemann: Tensoranalysis. 2. überarbeitete Auflage. de Gruyter, S. 277 ff. (Online bei Scribd: S. 272ff.).