El tensor métrico en SR obedece a la ley de transformación (estoy usando la notación de barra de Schutz para diferentes índices de marco):
Si no me equivoco, la segunda matriz de Lorentz se puede contraer con la métrica así:
Esto parece incorrecto ya que los elementos de la matriz de Lorentz generalmente se escriben con un índice superior y uno inferior, y no entiendo cómo podría escribirse en una representación matricial.
De varias fuentes, también me dicen que las ecuaciones anteriores son equivalentes a la multiplicación de matrices con la transpuesta de :
¿Contraer la matriz de Lorentz la transpone?
¿Cuáles son las diferencias entre , , y ? ¿Cuáles de ellos son inversos y cuáles transpuestos?
Tenga en cuenta que no es en sí mismo un tensor. Es una matriz de coeficientes de transformación.
Un tensor está bien definido en ausencia de cualquier marco especificado, y sus componentes pueden definirse en un marco u otro. La transformación de Lorentz, por el contrario, se utiliza para calcular cómo cambian los componentes del tensor de un cuadro a otro.
Contraer un índice hacia arriba y otro hacia abajo en un tensor de segundo rango da un tensor de rango cero, lo que equivale a decir un escalar invariante. Contratando un índice hacia arriba y otro hacia abajo en un no tensor como dará algún tipo de resultado matemático, pero no se garantiza que sea una cantidad de interés particular. Del mismo modo, la combinación de métrica con se puede usar para obtener una cantidad con todos los índices hacia abajo, pero no es un tensor y es mejor no jugar estos índices de gimnasia sin tensores. Sólo dejalo ser lo que es
Para un tensor de segundo rango, bajar el primer índice corresponde a premultiplicar por la métrica en lenguaje matricial; bajar el segundo índice corresponde a posmultiplicar por la métrica. La operación de transposición corresponde a invertir el orden de los índices (NB sin moverlos hacia arriba o hacia abajo). Por ejemplo
Primero una breve introducción a los tensores. Un tensor en un -espacio vectorial es solo un mapa multilineal de Copias de y copias del espacio vectorial dual al campo subyacente :
Ok, ¿cómo llegamos de estos vectores y mapas lineales a estos números? con el que estamos trabajando?
Bueno, hacemos lo que siempre hacemos intuitivamente, a saber, elegir una base. Digamos que elegimos alguna base en nuestro espacio vectorial, ahora podemos expresar cada vector como una combinación lineal de estos vectores base: . El son básicamente números y la posición del índice hasta ahora es solo una convención. Ahora podemos hacer lo mismo para el espacio vectorial dual, con una elección de base particularmente inteligente , tal que . Nuevamente, la posición del índice es solo una convención para no mezclar vectores y vectores duales, ¡ya que estos son objetos fundamentalmente diferentes!
Con esta convención de índice, ahora escribiríamos los componentes de un vector como y de un vector dual como .
Para los tensores, es muy similar:
Bien, ahora, ¿qué sucede cuando elegimos una base diferente? y una base dual correspondiente ? Dado que nuestros nuevos vectores base (y los nuevos covectores base) siguen siendo elementos del mismo espacio vectorial (doble) subyacente, podemos expresarlos como una combinación lineal:
Ahora, por último, ¿qué significa realmente contraer dos tensores? Las contracciones de tensor en realidad solo se definen para un tensor individual y son mapas lineales definido por:
Me tomó bastante tiempo llegar al comienzo de la clase de relativismo, pero esto puede ayudar: una multiplicación general de matrices como todos sabemos se ve así:
Podría haber cometido un error de índice en alguna parte, pero espero que esto brinde una especie de comprensión y espero que ayude.
kilianm
chang hexiang