Tensor simétrico

tensor invariante bajo permutaciones de los vectores sobre los que actúa

En matemáticas, un tensor simétrico es un tipo de tensor que es invariante bajo una permutación de sus argumentos vectoriales:

para cada permutación \sigma; de los símbolos {1, 2, ..., r}. Alternativamente, un tensor simétrico de orden r representado en coordenadas como una cantidad con r índices satisface que

El espacio de tensores simétricos de orden r en un espacio vectorial V de dimensión finita es naturalmente isomorfo al dual del espacio de los polinomios homogéneos de grado r en V. Sobre cuerpos de característica cero, el espacio vectorial graduado de todos los tensores simétricos se puede identificar naturalmente con el álgebra simétrica en V. Un concepto relacionado es el de tensor antisimétrico o producto exterior. Los tensores simétricos se utilizan ampliamente en ingeniería, física y matemáticas.

Definición

editar

Sea V un espacio vectorial y

 

un tensor de orden k. Entonces T es un tensor simétrico si

 

para las aplicaciones de trenzado asociadas a cada permutación σ en los símbolos {1,2,...,k} (o equivalentemente, para cada transposición en estos símbolos).

Dada una base {ei} de V, cualquier tensor simétrico T de rango k se puede escribir como

 

para obtener una lista única de coeficientes   (las componentes del tensor en la base) que son simétricos con respecto a los índices. Es decir

 

para cada permutación σ.

El espacio de todos los tensores simétricos de orden k definidos en V a menudo se denota por Sk(V) o Simk(V). Es en sí mismo un espacio vectorial, y si V tiene dimensión N, entonces la dimensión de Simk(V) es el coeficiente binomial

 

A partir de aquí se construye Sim(V) como la suma directa de Simk(V) para k = 0,1,2,...

 

Ejemplos

editar

Hay muchos ejemplos de tensores simétricos. Entre ellos figuran el tensor métrico,  , el tensor de Einstein,   y el tensor de Ricci,  .

Muchas propiedades mecánicas de los materiales y de los campos utilizados en física e ingeniería se pueden representar como campos tensoriales simétricos; como por ejemplo la tensión mecánica, la deformación y la conductividad anisotrópica. Además, en la difusión MRI se suelen utilizar tensores simétricos para describir la difusión en el cerebro u otras partes del cuerpo.

Los elipsoides son ejemplos de variedades algebraicas; y así, para el rango general, los tensores simétricos, en forma de polinomios homogéneos, se utilizan para definir las variedades proyectivas y, a menudo, se estudian como tales.

Dada una variedad de Riemann   equipada con su conexión de Levi-Civita  , el tensor de curvatura covariante es un tensor simétrico de orden 2 sobre el espacio vectorial   de 2 formas diferenciales. Esto corresponde al hecho de que, viendo que  , se tiene la simetría   entre el primer y segundo par de argumentos además de la antisimetría dentro de cada par:  .[1]

Parte simétrica de un tensor

editar

Supóngase que   es un espacio vectorial sobre un campo de característica 0. Si TVk es un tensor de orden  , entonces la parte simétrica de   es el tensor simétrico definido por

 

la suma se extiende sobre el grupo simétrico en los k símbolos. En términos de una base, y empleando el convenio de suma de Einstein, si

 

entonces

 

Los componentes del tensor que aparecen a la derecha a menudo se denotan por

 

con paréntesis () alrededor de los índices que se simetrizan. Los corchetes [] se utilizan para indicar antisimetrización.

Producto simétrico

editar

Si T es un tensor simple, dado como un producto tensorial puro

 

entonces la parte simétrica de T es el producto simétrico de los factores:

 

En general, se puede convertir Sim(V) en álgebra definiendo el producto conmutativo y asociativo ⊙.[2]​ Dados dos tensores T1 ∈ Simk1(V) y T2 ∈ Simk2(V), se usa el operador de simetrización para definir:

 

Se puede verificar (como lo hacen Kostrikin y Manin[2]​) que el producto resultante es de hecho conmutativo y asociativo. En algunos casos se omite el operador: T1T2= T1T2.

En algunos casos se utiliza una notación exponencial:

 

Donde v es un vector. Nuevamente, en algunos casos se omite el ⊙:

 

Descomposición

editar

En analogía con la teoría de matrices simétricas, un tensor simétrico (real) de orden 2 puede "diagonalizarse". Más precisamente, para cualquier tensor T ∈ Sim2(V), hay un número entero r, vectores unitarios distintos de cero v1,.. .,vr ∈ V y pesos λ1,...,λr tales que

  El número mínimo r para el cual tal descomposición es posible es el rango (simétrico) de T. Los vectores que aparecen en esta expresión mínima son los ejes principales del tensor y generalmente tienen un significado físico importante. Por ejemplo, los ejes principales del momento de inercia definen el elipsoide de Poinsot que representa el momento de inercia. Véase también la ley de inercia de Sylvester.

Para tensores simétricos de orden arbitrario k, también son posibles las descomposiciones

 .

El número mínimo r para el cual tal descomposición es posible es el rango simétrico de T.[3]​ Esta descomposición mínima se llama descomposición de Waring; y es una forma simétrica de la descomposición de rangos tensoriales. Para los tensores de segundo orden, esto corresponde al rango de la matriz que representa el tensor en cualquier base, y es bien sabido que el rango máximo es igual a la dimensión del espacio vectorial subyacente. Sin embargo, para órdenes superiores esto no tiene por qué ser así: el rango puede ser mayor que el número de dimensiones en el nivel subyacente del espacio vectorial. Además, el rango y el rango simétrico de un tensor simétrico pueden diferir.[4]

Véase también

editar

Referencias

editar
  1. Carmo, Manfredo Perdigão do (1992). Riemannian geometry. Francis J. Flaherty. Boston: Birkhäuser. ISBN 0-8176-3490-8. OCLC 24667701. 
  2. a b Kostrikin, Alexei I.; Manin, Iurii Ivanovich (1997). Linear algebra and geometry. Algebra, Logic and Applications 1. Gordon and Breach. pp. 276-279. ISBN 9056990497. 
  3. Comon, P.; Golub, G.; Lim, L. H.; Mourrain, B. (2008). «Symmetric Tensors and Symmetric Tensor Rank». SIAM Journal on Matrix Analysis and Applications 30 (3): 1254. S2CID 5676548. arXiv:0802.1681. doi:10.1137/060661569. 
  4. Shitov, Yaroslav (2018). «A Counterexample to Comon's Conjecture». SIAM Journal on Applied Algebra and Geometry (en inglés estadounidense) 2 (3): 428-443. ISSN 2470-6566. S2CID 119717133. arXiv:1705.08740. doi:10.1137/17m1131970. 

Bibliografía

editar

Enlaces externos

editar