Definition eines Tensors, Rechenregeln
Tensoren sind Gr¨oßen, mit deren Hilfe man Skalare, Vektoren sowie weit- ere Gr¨oßen analoger Struktur in ein einheitliches Schema einordnen kann, um mathematische und physikalische Zusammenh¨ange zu beschreiben.
Tensoren sind dabei durch ihre Transformationseigenschaften gegen¨uber orthogonalen Transformationen (Drehungen und Drehspiegelungen) definiert.
Im Hintergrund steht dabei die allgemeinere Frage : was ¨andert sich und was ¨andert sich nicht, wenn das Bezugssystem sich ¨andert (also beispiel- sweise gedreht wird) ?
Wir betrachten nun eine lineare Abbildung R
3→ R
3. Einem Vektor a mit Komponenten a
1, a
2, a
3wird dabei ein Vektor b zugeordnet.
b = T a bzw.
b
1= t
11a
1+ t
12a
2+ t
13a
3b
2= t
21a
1+ t
22a
2+ t
23a
3b
1= t
31a
1+ t
32a
2+ t
33a
3Verwenden wir die Einsteinsche Summenkonvention (¨uber doppelt vorkommende Indizes wird stets summiert), so k¨onnen wir schreiben
b
i= t
ija
j(dies bedeutet also b
i= P
3j=1
t
ija
j)
Wir unterwerfen nun die beiden Vektoren a und b einer orthogonalen Transformation, die durch die Matrix R = (r
ij) vermittelt wird. Dann gilt bekanntlich
R
TR = RR
T= E (... Einheitsmatrix) , R
T= R
−1, r
ijr
il= δ
jlNun ist a
0= Ra bzw. a
0l= r
lja
j, b
0= Rb bzw. b
0k= r
kib
i, und a = R
−1a
0bzw. a
j= r
lja
0l, b = R
−1b
0bzw. b
i= r
kib
0k.
Schreiben wir den Zusammenhang von a
0und b
0in der Form b
0k= t
0kla
0ldann ist
1
t
0kla
0l= b
0k= r
kib
i= r
kit
ija
j= r
kit
ijr
lja
0lDamit haben wir die Transformationseigenschaften von T gewonnen, n¨amlich
t
0kl= r
kir
ljt
ijBemerkung. Man beachte, dass auch b
0ka
0l= r
kir
ljb
ia
j. Sowohl t
ijals auch b
ia
jtransformieren sich also gleich.
Die vorige Gleichung t
0kl= r
kir
ljt
ijdefiniert das Transformationsverhalten eines Tensors zweiter Stufe. Diese Form der Definition kann nun beliebig verallgemeinert werden.
Die Gr¨oße S stelle eine Menge von Termen mit drei Indizes dar: s
ijk, die das Transformationsverhalten s
0ijk= r
irr
jsr
kts
rsthaben. Dann stellt S einen Tensor 3. Stufe dar.
Allgemein entsprechen Tensoren n-ter Stufe einer Menge von Termen mit n Indizes und analogem Transformationsverhalten (ein Faktor r
ijpro Index).
Bislang k¨onnen wir festhalten :
• Tensoren nullter Stufe sind Skalare
• Tensoren erster Stufe sind Vektoren
• Tensoren zweiter Stufe sind Matrizen .
Bemerkung. Mathematisch gesehen, ist ein Tensor n-ter Stufe ein Ele- ment eines direkten Produkts von n Vektorr¨aumen (siehe Lineare Algebra).
Der Tensor ”erbt” dabei alle Transformationseigenschaften der beteiligten Vektoren. Hier haben wir es vorwiegend mit Vektoren des R
3zu tun und die Transformationen sind orthogonale Transformationen.
Im R
3hat ein Tensor 0.ter Stufe eine Komponente, ein Tensor 1. Stufe 3 Komponenten, ein Tensor 2. Stufe 3
2= 9 Komponenten, und ein Tensor n-ter Stufe 3
nKomponenten.
2
Durch die M¨oglichkeit der paarweisen Vertauschung von Indizes ergeben sich Symmetrieeigenschaften von Tensoren.
Gilt etwa f¨ur einen Tensor 2. Stufe t
ik= t
ki, dann heißt er sym- metrisch. Im Falle von t
ik= −t
kiheißt er schiefsymmetrisch (bzw.
auch antisymmetrisch).
Ein allgemeiner Tensor ist etwa symmetrisch in den ersten beiden Indizes, wenn t
ijk...l= t
jik...lund schiefsymmetrisch in den ersten beiden Indizes, wenn t
ijk...l= −t
jik...l.
Einen Tensor zweiter Stufe (und in analoger Weise einen Tensor n-ter Stufe) kann man in einen symmetrischen und einen schiefsymmetrischen Anteil zerlegen, n¨amlich
t
ij=
12(t
ij+ t
ji) +
12(t
ij− t
ji)
Beispiele.
• Die Kronecker-Deltafunktion δ
ijdefiniert einen symmetrischen Tensor zweiter Stufe in jedem R
n, n > 0 mit der Transformationseigenschaft
δ
0ij= r
isr
jtδ
st= r
isr
js= δ
ij• Im R
2ist der Tensor 2. Stufe mit σ
12= −σ
21= 1 , σ
11= σ
22= 0 schiefsymmetrisch, entsprechend der Matrix
µ 0 1
−1 0
¶ .
• Im R
3ist der Tensor 2. Stufe mit a
12= a
13= 1 , a
23= −2 , a
21= a
31= −1 , a
32= 2 , a
11= a
22= a
33= 0 schiefsymmetrisch, entsprechend der Matrix
0 1 1
−1 0 −2
−1 2 0
Rechenregeln f¨ ur Tensoren.
• Tensoren gleicher Stufe k¨onnen addiert oder subtrahiert werden.
c
ik= a
ik± b
ik3
• Das direkte Produkt zweier Tensoren f¨uhrt stets (außer bei Tensoren nullter Stufe) zu einem Tensor h¨oherer Ordnung. Die Stufe des Produk- ttensors ist dabei durch die Summe der Stufen der beteiligten Tensoren gegeben.
Beispiel: r
iklm= a
ik⊗ b
lm= a
ikb
lm• Ein Tensor (h¨oherer Stufe) kann einer Verj¨ ungung unterworfen werden.
Dabei summiert man ¨uber zwei der Indizes. Nach der Summenkonvention wird das durch das Gleichsetzen zweier Indizes ausgedr¨uckt. Als Ergebnis erh¨alt man einen Tensor mit einer um zwei niedrigeren Stufe.
r
iklm, → r
iilm= P
i
r
iilm= s
lm• Bei der Uberschiebung ¨ von zwei Tensoren bildet man zuerst das Ten- sorprodukt und f¨uhrt danach eine Verj¨ungung aus.
Beispiel: Gegeben t
ij, a
k. t
ij⊗ a
k= t
ija
k→ t
ija
j= b
i(Multiplikation einer Matrix und eines Vektors) Beispiel: Gegeben a
i, b
ja
i⊗ b
j= a
ib
j→ a
ib
i= a · b
(Skalarprodukt von zwei Vektoren)
• Die Spur eines Tensors zweiter Stufe ist wie die Spur einer Matrix definiert, n¨amlich als Verj¨ungung, und ist ein Skalar.
Sp(t
ik) = tr(t
ik) = t
ii• Gewisse Eigenschaften von Tensoren bleiben bei orthogonalen Transfor- mationen erhalten. Ein Tensor 0. Stufe (ein Skalar) ist nat¨urlich invariant gegen¨uber solchen Transformationen. F¨ur Vektoren als Tensoren 1. Stufe ist das Skalarprodukt invariant.
Bei Tensoren 2. Stufe sind die Spur und die Determinante invariant.
4