Tensor I

Indice
1 Richiami di algebra 3
1.1 Tensori di rango 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Tensori antisimmetrici e vettori . . . . . . . . . . . . . . . . . . . 10
1.3 Prodotto diadico . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Proiettori ortogonali . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5 Prodotto scalare tra tensori . . . . . . . . . . . . . . . . . . . . . 19
1.6 Tensori ortogonali . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.7 Esercizi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1
2 INDICE
Capitolo 1
Richiami di algebra
La meccanica classica oggetto di questo corso poggia sulle tre nozioni di spazio,
di tempo e quella di movimento, quest’ultima fungendo un po’ da tramite tra le
prime due visto che il moto di un sistema può essere visto come una funzione
che ad ogni istante t associa l’insieme delle posizioni nello spazio occupate dal
sistema al medesimo istante. In questo capitolo introduttivo proponiamo una
formalizzazione matematica delle strutture spazio-temporali. Il tempo nella
meccanica classica è indipendente dallo stato di moto dell’osservatore: in questo
senso esso è assoluto, cioè slegato dallo stato di moto di chi compie le misure
temporali. Descriviamo il tempo come una variabile scalare t a valori reali e
stabiliamo una corrispondenza biunivoca tra gli istanti di tempo ed i punti della
retta reale su cui viene assunta un’origine O arbitraria che può, ad esempio,
coincidere con l’istante iniziale a partire dal quale viene compiuta l’osservazione
dell’evoluzione di un particolare sistema.
La struttura spaziale richiede un poco più di cura. Un poco di riflessione
porta a concludere che i vettori con cui si opera nella fisica possono essere
interpretati come funzioni di tipo molto speciale che spostano punti in altri punti
dello spazio. Ciò giustifica la seguente nozione di spazio euclideo tridimensionale
che indicheremo con E.
Definizione 1.1 Un insieme E—i cui elementi saranno detti d’ora innanzi
punti—è detto spazio euclideo tridimensionale se esiste uno spazio vettoriale
V di dimensione 3, detto spazio delle traslazioni, i cui vettori v godono delle
seguenti proprietà:
1. i vettori v ∈ V sono applicazioni da E in sé:
v : E 7→ E v(P ) = Q P, Q ∈ E
2. Se u e v sono vettori di V, allora la loro somma è definita come
(u + v)(P ) := u(v(P )) ∀P ∈ E. (1.1)
3
4 CAPITOLO 1. RICHIAMI DI ALGEBRA
R ≡ u(Q) ≡ u(v(P ))
u+v
u
P Q ≡ v(P )
Figura 1.1: La regola del parallelogramma attraverso la composizione successiva

di vettori.
3. Dati due punti P e Q distinti appartenenti ad E esiste un unico vettore

tale che
v(P ) = Q. (1.2)
Commentiamo i tre assiomi appena enunciati. Il primo assioma traduce

formalmente cosa intendiamo quando parliamo di “vettore spostamento”. Una
volta fissato un punto P di partenza, se dichiariamo di muoverci di una quantità
ℓ1 lungo una certa direzione e di una quantità ℓ2 lungo un’altra direzione distin-
ta, otteniamo un unico punto di arrivo Q. Le istruzioni che hanno consentito di
arrivare da P a Q rappresentano il vettore di cui occorre spostarsi per passare
da P a Q. Ma se ora le stesse istruzioni, cioè lo stesso vettore, vengono impartite
a partire da un altro punto P ′ il punto di arrivo sarà Q′ , diverso da Q. I nuovi
punti di partenza ed arrivo sono traslati rispetto ai precedenti punti di partenza
ed arrivo. Il secondo assioma traduce la regola del parallelogramma che viene
proposta nei testi elementari a giustificazione della addizione tra vettori. Uno
sguardo alla Figura 1.1 dovrebbe bastare a chiarire che concepire i vettori come
funzioni permette di definire la somma vettoriale come la composizione di due
traslazioni. La commutatività delle traslazioni garantisce poi che la somma di
vettori definita in (1.1) non dipende dall’ordine con cui si fanno agire i vettori
u e v sul punto P . Infine, la terza richiesta traduce il fatto che, in geometria
euclidea, per due punti distinti P e Q nello spazio passa una sola retta. La (1.2)
permette di definire
Q − P =: v
come il solo vettore che applica P in Q. Osserviamo che −v sarà il solo vettore
che applica Q in P . Risulta allora naturale definire il modulo |v| di un vettore
come la distanza euclidea tra P e Q ≡ v(P ), cioè
|v| = |Q − P | se Q = v(P ).
Definizione 1.2 Presi due vettori a e b e sia Q = a(P ) e R = b(P ). Il
prodotto scalare tra questi vettori è definito come l’operazione
a · b : V × V 7→ R
tale che
a · b := |a||b| cos ϑ
5
R ≡ b(P )
P Q ≡ a(P )
a
Figura 1.2: Elementi per la definizione di prodotto scalare e vettoriale tra due
vettori a e b.
dove ϑ ∈ [0, π] è l’angolo compreso tra Q − P e R − P (Fig. 1.2).
Poichè |b| cos ϑ è la proiezione ortogonale di R − P nella direzione di a, mentre

|a| cos ϑ è la proiezione ortogonale di Q−P nella direzione di b, si può concludere
che il prodotto scalare cosı̀ definito è una operazione lineare nei suoi argomenti
e che, inoltre, è simmetrico, vale a dire che
a · (b1 + b2 ) = a · b1 + a · b2 e a · b = b · a.
Se a e b non sono il vettore nullo, allora l’annullarsi del prodotto scalare tra a e
b è sinonimo dell’ortogonalità tra i segmenti Q − P ed R − P e, per estensione,
è sinonimo di ortogonalità tra i vettori a e b. Notiamo anche che ϑ = 0 quando
a = b ed in questo caso abbiamo
√
|a| = a · a
che è una definizione alternativa del modulo di un vettore. I vettori a tali che
|a| = 1 sono detti versori. Il prodotto scalare tra due versori e e n è
e · n = cos ϑ.
La definizione appena data di prodotto scalare è ritagliata sulla natura tridimen-

sionale dello spazio che ci circonda. Per poterla generalizzare a spazi vettoriali
di dimensione superiore occorre enuclearne le proprietà essenziali ed assumerle
come definizione di prodotto scalare in generale.
Definizione 1.3 Assegnato uno spazio vettoriale V, non necessariamente di

dimensione 3, un prodotto scalare tra i vettori a e b di V è un’operazione,
indicata ancora con a · b, che gode delle proprietà di essere lineare in ciascuno
dei suoi argomenti e simmetrica. Il prodotto scalare è detto non degenere se, da
a · b = 0 ∀b ∈ V segue che a ≡ 0.
Il prodotto scalare che utilizzeremo è quello standard, che si identifica nel ca-
so tridimensionale con quello definito in modo intuitivo in precedenza. Sia
{e1 , e2 , e3 } una base ortonormale di V, cioè una base che soddisfi i requisiti

1 se i = j
ei · ej = (1.3)
0 se i 6= j
Osservazione. L’ortonormalità di una base {ei } si può esprimere in forma

compatta come
ei · ej = δij ,
con δij simbolo di Kronecker che assume il valore 1 quando gli indici i e j
coincidono, 0 in caso contrario.
Il prodotto scalare (standard) dei due vettori a e b è, quando la dimensione
di V è 3,
3
X
a · b := a1 b1 + a2 b2 + a3 b3 = ai b i , (1.4)
i=1
dove
a = a 1 e1 + a 2 e2 + a 3 e3 b = b 1 e1 + b 2 e2 + b 3 e3 . (1.5)
Utilizzare una base ortonormale come {ei } ha il vantaggio di poter determinare
facilmente i coefficienti degli sviluppi dei vettori a e b perché si verifica che
a i = a · ei b j = b · ej .
Nel seguito adoperermo sempre questo prodotto scalare, salvo avviso contrario.
Una seconda operazione tra vettori è il loro prodotto vettoriale
Definizione 1.4 Il prodotto vettoriale tra i vettori a e b dello spazio delle tra-
slazioni V è un’operazione, indicata con a ∧ b, che associa alla coppia ordinata
di vettori (a, b) il vettore a ∧ b tale che
1. |a ∧ b| = |a||b| sin ϑ, dove ϑ ∈ [0, π] è l’angolo tra Q − P = a(P ) − P e
R − P = b(P ) − P , orientato positivamente nel verso che fa passare da a
a b (figura 1.2);
2. ha direzione ortogonale al piano individuato dai punti P , a(P ) e b(P );
3. verso definito in base alla regola della mano destra.
Come conseguenza dalla definizione si ha che
b ∧ a = −a ∧ b
e che due vettori a e b diversi entrambi dal vettore 0 hanno prodotto vettoriale
0 se e solo se essi sono paralleli, cioè se
b = λa con λ ∈ R.
Il prodotto vettoriale consente di distinguere tra basi ortonormali positivamente

oridentate o meno.
7
Definizione 1.5 Una base ortonormale {e1 , e2 , e3 } è detta positivamente orien-

tata se
e1 ∧ e2 = e3 . (1.6)
La definizione seguente introduce un’operazione che combina quella di pro-
dotto scalare con quella di prodotto vettoriale.
Definizione 1.6 Il prodotto misto di tre vettori a, b e c è lo scalare
a ∧ b · c.
È possibile mostrare che, se nessuno dei vettori a, b e c coincide col vettore

nullo, allora a ∧ b · c = 0 se e solo se i vettori a, b e c sono coplanari, cioè se
e solo se P , a(P ), b(P ) e c(P ) individuano un unico piano.
Il prodotto misto è invariante rispetto a permutazioni circolari dei fattori che lo

compongono, vale a dire che
a ∧ b · c = b ∧ c · a = c ∧ a · b.
Al contrario, è b ∧ a · c = −a ∧ b · c e
b ∧ a · c = a ∧ c · b = c ∧ b · a.
Questa invarianza permette di concludere che, se vale (1.6), allora valgono anche
le relazioni
e2 ∧ e3 = e1 e e3 ∧ e1 = e2 .
È poi possibile iterare l’operazione di prodotto vettoriale, formando il doppio
prodotto vettoriale di tre vettori a, b e c. Ora però le operazioni (a ∧ b) ∧ c e
a∧(b∧c) danno in generale luogo a risultati diversi. Infatti è possibile mostrare
che
a ∧ (b ∧ c) = (a · c) b − (a · b) c (1.7)
mentre
(a ∧ b) ∧ c = (a · c)b − (b · c)a (1.8)
che coincide con il risultato precedente solo se a e c sono paralleli.
Siano dati due vettori a e b, vogliamo trovare se esistono dei vettori x che
risolvono l’equazione
x∧a=b (1.9)
ovvero vogliamo caratterizzare gli inversi di a per l’operazione di prodotto
vettoriale. Premettiamo la considerazione di alcuni casi degeneri.
• a = b = 0: la (1.9) è una identità.

• a = 0, b 6= 0: non esistono soluzioni di (1.9).
• a 6= 0, b = 0: la (1.9) è soddisfatta da tutti i vettori x paralleli ad a, cioè
x = λa, con λ ∈ R.
In generale, vale il seguente teorema.

Teorema 1.1 Se a e b sono vettori entrambi non nulli di V, l’equazione (1.9)
ha soluzione se e solo se a · b = 0.
Dim. Se (1.9) ammette soluzioni allora b risulta ortogonale sia ad x che ad a,
per definizione di prodotto vettoriale. Viceversa, se a · b = 0 abbiamo
2 2
(a ∧ b) ∧ a = |a| b − (a · b)a = |a| b
da cui si ricava
1
b= 2 (a ∧ b) ∧ a.
|a|
Sostituendo questa espressione nella (1.9) otteniamo
1
[x − 2 (a ∧ b)] ∧ a = 0
|a|
per cui
1
x= 2 (a ∧ b) + λa (1.10)
|a|
dove λ è un arbitrario numero reale.
Osservazione. L’equazione (1.9) o non ha soluzioni o ne ha infinite.
1.1 Tensori di rango 2

I tensori (di rango 2) sono applicazioni lineari dallo spazio delle traslazioni V in
sé. Ciò significa che, se L è un tensore, u e v ∈ V e λ uno scalare

L (u + v) = Lu + Lv
(1.11)
L (λv) = λLv
Come primi esempi di tensori prendiamo il tensore identità I ed il tensore nullo
0 le cui azioni su un vettore v ∈ V sono cosı̀ definite:
Iv = v
0v = 0 .
Il tensore identico lascia inalterato ogni vettore; al contrario, il tensore nullo
annulla ogni vettore su cui agisce.
Ex.1 Verificare che il tensore identità e quello nullo sono effettivamente dei
tensori, cioè soddisfano le condizioni (1.11).
Vale il seguente teorema di trasposizione:
Teorema 1.2 Dato un tensore A esiste un unico tensore AT trasposto di A,
che gode della proprietà seguente
Au · v = u · AT v ,
per ogni scelta dei vettori u e v ∈ V.
1.1. TENSORI DI RANGO 2 9
Particolare rilievo hanno i tensori simmetrici e quelli antisimmetrici.
Definizione 1.7 Un tensore S si dice simmetrico quando S = ST .
Definizione 1.8 Un tensore W si dice antisimmetrico se W = −W T .
In generale un tensore L non è né simmetrico né antisimmetrico ma è pos-

sibile associare ad esso in modo univoco una parte simmetrica ed una parte
antisimmetrica.
Teorema 1.3 Ogni tensore L si può scrivere in un unico modo come somma
di un tensore S simmetrico e di un tensore W antisimmetrico:
L = S +W, (1.12)
dove 
 S= L + LT
1
2
(1.13)
 W = 1 L − LT .
2
Dim. Osserviamo anzitutto che

1 1
L= L + LT + L − LT ;
2 2
inoltre T
1 1
L + LT = L + LT
2 2
e T
1 1
L − LT =− L − LT :
2 2
abbiamo mostrato che L è somma di un tensore simmetrico e di un tensore
antisimmetrico. Resta da mostrare l’unicità di tale scomposizione e per far ciò
supponiamo di poter scrivere
L=S+W (1.14)
per un’altra coppia di tensori S e W, con S simmetrico e W antisimmetrico.
Confrontando (1.12) e (1.14) otteniamo
S+W = S+W
ovvero
S − S = W − W =: A . (1.15)
Poiché la differenza di due tensori simmetrici è un tensore simmetrico e la diffe-
renza di due tensori antisimmetrici è un tensore antisimmetrico, la (1.15) afferma
che A deve essere simultaneamente simmetrico ed antisimmetrico, per cui
A = AT e A = −AT
da cui si ricava 2A = 0, cioè A = 0. Dalla (1.15) seguono le uguaglianze S = S

e W = W che garantiscono l’unicità.
Ex.2 Mostrare che la differenza o la somma di tensori simmetrici (antisimme-
trici) è un tensore simmetrico (antisimmetrico).
Assegnata una base ortonormale {e1 , e2 , e3 } ed un tensore A, possiamo

introdurre la matrice associata ad A nella base {e1 , e2 , e3 } come la matrice [A]
i cui elementi sono dati da
[A]ij := ei · Aej . (1.16)
Ovviamente, ad ogni tensore corrispondono infinite matrici, una per ogni scelta
della base {e1 , e2 , e3 }. Grazie al teorema 1.2 ed alla commutatività del pro-
dotto scalare possiamo verificare che la matrice [S] associata ad un tensore S
simmetrico è una matrice simmetrica. Infatti abbiamo
[S]ij = ei · Sej = S T ei · ej = Sei · ej = ej · Sei = [S]ji
grazie anche alla definizione (1.16).

Il teorema principale per i tensori simmetrici è il seguente teorema spettrale.
Teorema 1.4 Sia dato un tensore S simmetrico. Esiste una base ortonormale
{n1 , n2 , n3 } di V formata da autovettori di S.
Sappiamo già che la matrice associata ad un tensore simmetrico è simmetrica.
Nella base {n1 , n2 , n3 } la cui esistenza è garantita dal teorema spettrale, poiché
deve essere
Sni = λi ni ∀i = 1, 2, 3
dove λi ∈ R è l’autovalore associato all’autovalore ni , avremo anche
[S]∗ij = ni · Snj = ni · λj nj = λj ni · nj = λj δij = λi
per cui la matrice associata al tensore simmetrico S nella base {n1 , n2 , n3 } ha

diversi da 0 solo gli elementi sulla diagonale principale che coincidono con gli
autovalori del tensore stesso.
Passando ai tensori antisimmetrici W , la matrice rappresentativa su una
base ortonormale {e1 , e2 , e3 } soddisfa
[W ]ij = ei · W ej = W T ei · ej = −W ei · ej = ej · W ei = −[W ]ji :
Quando i = j, allora Wii = −Wii = 0 mentre, se i 6= j, i due elementi Wij e

Wji differiscono per un segno e la matrice è detta antisimmetrica.
1.2 Tensori antisimmetrici e vettori

Come già detto più volte ,i vettori che studiamo in questo corso appartengono
ad uno spazio vettoriale V di dimensione 3. In questo caso, è possibile stabilire
1.3. PRODOTTO DIADICO 11
una corrispondenza biunivoca tra vettori e tensori antisimmetrici che illustriamo

ricorrendo al formalismo matriciale. Fissiamo una base {e1 , e2 , e3 } ortonormale,
positivamente orientata di V. In questa base, la matrice associata al tensore
antisimmetrico W è  
0 −γ β
W = γ 0 −α  , (1.17)
−β α 0
per un’opportuna scelta dei numeri reali α, β e γ.
Definizione 1.9 Il vettore assiale w associato al tensore antisimmetrico W è
il vettore che, nella base {e1 , e2 , e3 }, ha lo sviluppo
w = αe1 + βe2 + γe3 . (1.18)
L’importanza del vettore assiale risiede nella seguente proprietà

Teorema 1.5 Sia W un tensore antisimmetrico e w il corrispondente vettore
assiale; allora
Wv = w ∧ v ∀v ∈ V . (1.19)
La dimostrazione del teorema è in realtà una semplice verifica se, introdotta la
base {e1 , e2 , e3 }, si rappresenta W tramite la matrice (1.17). Sviluppando v
sulla base scelta
v = v1 e1 + v2 e2 + v3 e3 , (1.20)
si verifica direttamente la (1.19). Per indicare che w è il vettore assiale associato
a W useremo la notazione W (w), cosicché la (1.19) si riscrive come
W (w)v = w ∧ v .
Per le proprietà del prodotto vettoriale si vede che
W (w)w = w ∧ w = 0 :
il vettore assiale associato a W appartiene al nucleo di W ed è possibile mostrare

che, se W 6= 0 il nucleo di W è uno spazio vettoriale di dimensione 1. Infine,
osserviamo che da(1.19) segue che v e W v sono mutuamente ortogonali.
Osservazione. Oltre ad essere biunivoca, la corrispondenza tra vettori e tensori
antisimmetrici è lineare. Pertanto, se i tensori antisimmetrici W 1 e W 2 hanno
w1 e w2 come corrispondenti vettori assiali, il tensore antisimmetrico αW 1 +
βW 2 ha αw 1 + βw2 come vettore assiale, ∀α, β ∈ R.
1.3 Prodotto diadico

Il prodotto diadico di due vettori a e b ∈ V è un tensore –indicato con a ⊗ b–
la cui azione su un vettore v ∈ V è data da
(a ⊗ b) v := (b · v) a . (1.21)
Certamente si tratta di un’applicazione che manda V in sé. Per verificare che è

un tensore, mostriamo la validità delle (1.11). Presi u e v ∈ V abbiamo
(a ⊗ b) (u + v) = (b · (u + v)) a .
Grazie alla linearità del prodotto scalare
(b · (u + v)) a = (b · u) a + (b · v) a
e per la definizione di prodotto diadico
(b · u) a + (b · v) a = (a ⊗ b) u + (a ⊗ b) v .
In definitiva,
(a ⊗ b) (u + v) = (a ⊗ b) u + (a ⊗ b) v
che soddisfa la (1.11)1 .
Ex.3 Verificare la (1.11)2 , vale a dire che (a ⊗ b) (λv) = λ (a ⊗ b) (v), con
λ ∈ R.
Fissiamo in V una base ortonormale {ei } –i = 1, 2, 3– e calcoliamo la matrice

del prodotto diadico (a ⊗ b) su questa base. Per definizione, le sue componenti
sono date dalla relazione
[a ⊗ b]ij = ei · (a ⊗ b) ej (1.22)
Dalla definizione di diade segue che
ei · (a ⊗ b) ej = ei · (b · ej )a = (ei · a) (b · ej ) = ai bj
dove ai e bj sono rispettivamente l’i-esimo coefficiente di a ed il j-esimo coeffi-

ciente di b nello sviluppo (1.5); pertanto
[a ⊗ b]ij = ai bj . (1.23)
Per ottenere l’espressione della traccia della diade (a ⊗ b) è sufficiente valuta-

re la traccia della sua matrice rappresentativa su una base ortonormale {ei }
qualsiasi. Infatti, anche se nel passaggio da una base ortonormale ad un’altra
i coefficienti della matrice rappresentativa cambiano, la traccia non dipende da
questo cambiamento. Si esprime questa proprietà dicendo che la traccia è un
invariante scalare. Dalla (1.23) segue allora
tr (a ⊗ b) = tr [a ⊗ b] = a1 b1 + a2 b2 + a3 b3 = a · b , (1.24)
dove l’ultimo passaggio segue dalle definizioni di prodotto scalare, di base orto-
normale e da (1.5).
Un altro importante invariante scalare è il determinante di un tensore che si
annulla se e soltanto se il tensore non è invertibile. Per una diade abbiamo
det (a ⊗ b) = 0 . (1.25)
1.3. PRODOTTO DIADICO 13
Per mostrare la (1.25) è sufficiente verificare che esiste almento un vettore v 6= 0

tale che (a ⊗ b) v = 0 perché cosı̀ a ⊗ b non può essere iniettivo e, a fortiori,
neppure invertibile. Grazie alla definizione di diade (1.21), è sufficiente trovare
soluzioni non nulle dell’equazione
(b · v) a = 0 .
Questa equazione è soddisfatta da tutti i vettori v nel complemento ortogonale

di b, per i quali b · v = 0: la (1.25) è dunque dimostrata.
In generale, un prodotto diadico non è simmetrico. Dimostriamo la seguente
formula che caratterizza il trasposto di (a ⊗ b).
(a ⊗ b)T = (b ⊗ a) . (1.26)
Presi due vettori qualsiasi u e v ∈ V, se applichiamo il teorema di trasposizione

ed usiamo la (1.21) otteniamo
T
u · (a ⊗ b) v = (a ⊗ b) u · v = (b · u) (a · v) .
Poiché
(b · u) (a · v) = ((a · v) b · u) ,
applicando ancora la (1.21) segue
T T
u · (a ⊗ b) v = (a ⊗ b) v · u = (b ⊗ a) v · u . (1.27)
Poiché la (1.27) vale ∀u ∈ V ed il prodotto scalare ordinario è non degenere,

possiamo concludere che
T
(a ⊗ b) v = (b ⊗ a) v , (1.28)
∀v ∈ V, da cui segue la (1.26).
L’insieme L(V) dei tensori di rango 2 può essere dotato di una struttura di
spazio vettoriale, definendo la somma di due tensori A e B come
(A + B)v := Av + Bv ∀v ∈ V
e la moltiplicazione di un tensore A per uno scalare λ ∈ R come
(λA)v := λ(Av) ∀v ∈ V.
Questo fatto non sorprende se si pensa che le matrici quadrate n×n formano uno
spazio vettoriale di dimensione n2 e che ogni tensore corrisponde ad una matrice
soltanto, una volta che si sia fissata una base ortonormale su cui svilupparlo.
In effetti è possibile mostrare che, se {e1 , e2 , e3 } è una base ortonormale di V,
i nove tensori
{ei ⊗ ej } ∀i, j = 1, ..., 3
costituiscono una base di L(V). Per convincersi di ciò è sufficiente osservare che
la matrice associata ad ei ⊗ ej ha tutti gli elementi nulli fuorché quello posto
all’incrocio della i-esima riga con la j-esima colonna, che vale 1. Ricordando che
le matrici di questo tipo formano nel loro complesso (facendo cioè assumere ad
i e j i valori 1,2,3) una base dello spazio vettoriale delle matrici 3 × 3, possiamo
concludere che l’asserto è valido.
Poiché l’immagine di un vettore sotto l’azione di un tensore è ancora un
vettore, ha senso moltiplicare tra loro due tensori utilizzando la seguente defi-
nizione
Definizione 1.10 Dati due tensori A e B, il loro prodotto AB è il tensore
tale che
(AB)v := A(Bv) ∀v ∈ V. (1.29)
Osserviamo che, in generale, AB 6= BA.
Esempio 1 Siano S un tensore, a e b due vettori. Allora S (a ⊗ b) = Sa ⊗ b.

Per mostrare un’identità tra due tensori basta far vedere che le loro azioni su
un qualunque vettore v coincidono. Ora,
S (a ⊗ b) v = S((b · v)a) = (b · v)Sa = (Sa ⊗ b) v
dove l’ultimo passaggio segue dalla (1.21).
Ex.4 Dimostrare che (a ⊗ b) S = a ⊗ ST b.
Esempio 2 Dimostrare che il tensore identico I ammette la seguente rappre-
sentazione:
X3
I= ei ⊗ ei , (1.30)
i=1
qualunque sia la base ortonormale {ei } scelta.
Dato un vettore v, Iv = v. D’altra parte è
3 3
!
X X
ei ⊗ ei v = (v · ei ) ei = v
i=1 i=1
poiché la base è ortonormale.

Esempio 3 Dimostrare che, assegnata una base ortonormale {ei }, per ogni
tensore L vale la seguente formula di rappresentazione
3
X
L= (Lei ) ⊗ ei (1.31)
i=1
È sufficiente combinare i risultati degli esempi 1 e 2. Infatti, dall’esempio 1

deduciamo che (Lei ) ⊗ ei = L (ei ⊗ ei ), i = 1, 2, 3 per cui il secondo membro di
(1.31) diventa
X3 X 3
(Lei ) ⊗ ei = L (ei ⊗ ei ) .
i=1 i=1
1.4. PROIETTORI ORTOGONALI 15
Poiché il prodotto tra tensori gode della proprietà distributiva A(B + C) =

AB + AC, possiamo riscrivere l’equazione precedente nella forma
3 3
!
X X
(Lei ) ⊗ ei = L ei ⊗ ei = LI = L ,
i=1 i=1
dove nel secondo passaggio è stata usata la (1.30).
1.4 Proiettori ortogonali

I proiettori ortogonali formano di una classe importante di tensori dal preciso
significato geometrico. In matematica, il nome di proiettore è attribuito ad una
classe di tensori P che godono delle due seguenti proprietà:
i) sono simmetrici, P = PT
ii) sono idempotenti, P2 = P .
Siamo interessati a due tipi di proiettori, quelli lungo una direzione assegnata
e quelli su un piano assegnato. Sia n un versore e sia v un qualsiasi vettore. Il
versore n individua una direzione (cfr. Figura 1.3): il proiettore nella direzione
di n è l’applicazione che associa a v la sua componente lungo n.
Pn v
Figura 1.3:
Il risultato dell’applicazione deve essere un vettore diretto lungo n, di modulo

pari alla lunghezza della proiezione ortogonale di v nella direzione di n. Detta
Pn l’applicazione cercata abbiamo
Pn v = (n · v) n = (n ⊗ n) v (1.32)
e dunque Pn = n ⊗ n. Per dimostrare che si tratta di un proiettore osserviamo

in primo luogo che Pn è simmetrico, grazie alla (1.26); quanto all’idempotenza
abbiamo
P2n v = (n ⊗ n) (n ⊗ n) v
= (n ⊗ n) (n · v) n = (n · v) n = Pn v ,
dove abbiamo ripetutamente usato la (1.21) ed osservato che n · n = 1, dal

momento che n è un versore.
Un’altra famiglia di proiettori ortogonali interessanti sono quelli che proiet-
tano un vettore v su un piano π. Il significato geometrico di questi tensori si
chiarisce osservando la Figura 1.4, dove e3 rappresenta un versore ortogonale al
piano π.
π
e3
Pπ v
Figura 1.4:
Proiettare un vettore v su un piano π significa associare a v un nuovo vettore

ottenuto privando v della componente lungo la normale e3 a π. Detto Pπ il
tensore che svolge questo ufficio si deve avere
Pπ v = v − (e3 · v) e3 = (I − e3 ⊗ e3 ) v. (1.33)
Questa relazione è valida per ogni v ∈ V e ci permette di concludere che Pπ =

I − e3 ⊗ e3 . La definizione di Pπ non dipende dall’orientazione della normale a
π , in quanto (−e3 ) ⊗ (−e3 ) = e3 ⊗ e3 .
Ex.5 Mostrare che le proprietà i) e ii) che caratterizzano i proiettori ortogonali
valgono nel caso di Pπ .
Esempio 4 Consideriamo nello spazio V una base ortonormale {ei } , i = 1, 2, 3,
ed un versore n = αe1 + βe2 (α2 + β 2 = 1). Determinare i vettori u ∈ V le cui
proiezioni ortogonali lungo n e sul piano {e1 , e2 } coincidono.
Sviluppiamo il vettore u sulla base {ei }: u = u1 e1 + u2 e2 + u3 e3 . Il proiettore
sul piano {e1 , e2 } è dato da P = I − e3 ⊗ e3 , e abbiamo
Pu = u1 e1 + u2 e2 . (1.34)
La proiezione di u lungo n è invece
(n ⊗ n) u = (u · n) n . (1.35)
Uguagliando (1.34) con (1.35) e servendosi dell’espressione di n ricaviamo
u1 e1 + u2 e2 = α (u · n) e1 + β (u · n) e2 .
1.4. PROIETTORI ORTOGONALI 17
Poiché e1 ed e2 sono linearmente indipendenti tale relazione equivale al sistema

α (u · n) = u1
(1.36)
β (u · n) = u2
che non impone restrizioni sul coefficiente u3 . Questo fatto ha un chiaro signi-
ficato geometrico evidenziato dalla Figura 1.4: se un vettore u è soluzione del
problema, modificandone la componente lungo e3 si ottengono altre soluzioni
del medesimo problema. La (1.36) invece precisa come deve essere orientato u
rispetto ad n: u deve appartenere al piano contenente n ed e3 .
Esempio 5 Verificare che (AB)T = BT AT , per ogni coppia di tensori A e B.
Applicando la definizione di tensore trasposto, abbiamo
T
u · (AB) v = (AB) u · v = A (Bu) · v = Bu · AT v = u · BT AT v
e, per l’arbitrarietà di u e v, segue la tesi.
Esempio 6 Siano assegnati due tensori A e B e sia fissata in V una base

ortonormale {ei } in modo che le matrici associate ai due tensori nella base
siano [A] e [B] rispettivamente. Mostrare che la matrice associata al tensore
P3
AB è il prodotto righe per colonne di [A] e [B], cioè [AB]ij = k=1 [A]ik [B]kj .
Dalla definizione di matrice associata ad un tensore segue
[AB]ij = ei · ABej = ei · A (Bej ) . (1.37)
Possiamo sviluppare il vettore Bej sulla base {ei } usando la (1.29):
Bej = (Bej · e1 ) e1 + (Bej · e2 ) e2 + (Bej · e3 ) e3 =

3
X
= (Bej · ek ) ek (1.38)
k=1
Inseriamo allora la (1.38) nella (1.37) e sfruttiamo la linearità dei tensori per
trasformare la (1.37) in
3
X 3
X
[AB]ij = (Bej · ek ) (ei · Aek ) = [A]ik [B]kj
k=1 k=1
grazie alla definizione di matrice associata ad un tensore.
Gli esempi precedenti dimostrano che proprietà ben note nell’ordinario calcolo
matriciale valgono anche se riferite ai tensori di cui le matrici sono soltanto
utili rappresentazioni, una volta che sia stata fissata una base ortonormale nello
spazio delle traslazioni V.
Chiudiamo questo paragrafo segnalando la definizione di tensore aggiunto ad un
tensore invertibile L.
Definizione 1.11 Dato un tesnore invertibile L il suo tensore aggiunto L∗ è il

tensore tale che T
L∗ := (detL) L−1 (1.39)
Vogliamo mostrare una proprietà di L∗ che discende dalla seguente identità
Lu ∧ Lv · Lw = (detL) u ∧ v · w (1.40)
valida per tutti i tensori L e tutti i vettori u, v e w. Questa relazione ha

un significato geometrico, in quanto il prodotto misto u ∧ v · w di tre vettori
rappresenta, a meno del segno, il volume del triedro avente per spigoli u, v
e w. La (1.40) afferma che il rapporto tra il volume del triedro avente per
spigoli Lu, Lv e Lw e quello del triedro di partenza è pari a detL. In questo
modo il determinante assume il significato di coefficiente di dilatazione volumica
associato alla trasformazione L ed il suo annullarsi significa che il tensore L,
agendo su tre qualsiasi vettori, riduce il triedro da loro determinato ad una
figura piana, di volume nullo.
Teorema 1.6 Dato un tensore L invertibile e due vettori u, v arbitrari, vale la

relazione
(Lu ∧ Lv) = L∗ (u ∧ v) . (1.41)
Dim. Dal teorema di trasposizione 1.2 abbiamo
(Lu ∧ Lv) · Lw = LT (Lu ∧ Lv) · w
mentre dalla (1.40) segue

−1
(detL) LT (Lu ∧ Lv) · w = u ∧ v · w
∀w ∈ V per cui
−1
(detL) LT (Lu ∧ Lv) = u ∧ v . (1.42)
Se L è invertibile anche il suo trasposto lo è dal momento che le operazioni di
trasposizione e inversione si possono scambiare tra di loro. Dalla (1.42) segue
T
(Lu ∧ Lv) = (detL) L−1 (u ∧ v)
che è la tesi.
Osservazione. La (1.41) può essere usata come definizione di aggiunto di un
tensore arbitrario L anche quando L non è invertibile e dunque non vale la
rappresentazione (1.39).
Ex.5 Ricordando l’identità vettoriale
a ∧ (b ∧ c) = (a · c) b − (a · b) c
mostrare che
a ∧ (b ∧ c) = (b ⊗ c) a − (c ⊗ b) a .
1.5. PRODOTTO SCALARE TRA TENSORI 19
1.5 Prodotto scalare tra tensori

Poiché l’insieme L(V) di tutti i tensori su V forma uno spazio vettoriale appare
naturale cercare di definire in questo spazio un prodotto scalare. La definizione
adottata è
A · B := trAT B , ∀A , B ∈ L(V) . (1.43)
Occorre verificare che questa definizione soddisfi gli assiomi proprı̂ di un prodot-
to scalare. Riguardo alla linearità bisogna mostrare che, presi A, B e C ∈ L(V),
abbiamo
A · (B + C) = A · B + A · C .
Infatti, applicando la (1.43) abbiamo
A · (B + C) = trAT (B + C) = trAT B + trAT C = A · B + A · C
La definizione (1.43) è più naturale di quanto sembri in quanto, se passiamo dai

tensori alle matrici associate abbiamo che
3 X
X 3
A·B = Aij Bij (1.44)
i=1 j=1
che coincide con il prodotto scalare standard in R9 dei vettori
(A11 , A12 , A13 , A21 , A22 , A23 , A31 , A32 , A33 )T
e
(B11 , B12 , B13 , B21 , B22 , B23 , B31 , B32 , B33 )T .
Come per i vettori, è possibile definire il modulo di un tensore |A| come
√
A = A · A.
Esempio Verificare che I · S = trS, per ogni tensore S.

Dalla (1.43) segue I · S = trIT S = trS.
Esempio Siano dati quattro vettori a, b, u, v ∈ V. Mostrare che
(a ⊗ b) · (u ⊗ v) = (a · u) (b · v) (1.45)
Ricordando la (1.23) e la (1.44), possiamo scrivere
(a ⊗ b) · (u ⊗ v) = ai bj ui vj = (ai ui ) (bj vj ) = (a · u) (b · v)
Esempio Dati due vettori u, v ∈ V ed un tensore S abbiamo
u · Sv = S · u ⊗ v (1.46)
Dalla definizione di prodotto scalare tra vettori abbiamo
u · Sv = ui [S]ij vj
ed usando la (1.23), otteniamo
ui [S]ij vj = [S]ij [u ⊗ v]ij
che, per la (1.44), dimostra la (1.46).

Ex. 7 Siano dati due versori e ed f tra loro ortogonali e siano Pe e Pf i
proiettori ortogonali lungo le direzioni individuate da e ed f . Mostrare che
Pe · Pf = 0 .
1.6 Tensori ortogonali

Definizione 1.12 Un tensore Q è detto ortogonale se
Qu · Qv = u · v (1.47)
per ogni coppia di vettori u e v.
In altre parole, i tensori ortogonali conservano il prodotto scalare tra vettori.

Dalla definizione e dal teorema di trasposizione (1.2) segue che
u · v = u · QT Qv ∀u, v ∈ V
e, siccome il prodotto scalare è non degenere, deve essere
QT Qv = v ∀v ∈ V
cioè
QT Q = I. (1.48)
T
Poiché vale anche QQ = I concludiamo che per i tensori ortogonali l’inverso
di un tensore ortogonale esiste e coincide con il suo trasposto
Q−1 = QT . (1.49)
Essendo invertibile, un tensore ortogonale ha determinante non nullo. Di più,

dalla (1.48) e dalle proprietà elementari dei determinanti segue che
det(QT Q) = (detQ)2 = 1
cioè che i tensori ortogonali hanno detQ = ±1. In particolare, i tensori or-
togonali con determinante pari a +1 sono detti tensori ortogonali speciali e
coincidono con le rotazioni. Per i tensori ortogonali speciali vale il seguente
teorema, dovuto ad Eulero.
Teorema 1.7 Dato un tensore Q ortogonale speciale, esiste un versore n, detto
asse di rotazione, tale che
Qn = n.
1.6. TENSORI ORTOGONALI 21
Per i tensori ortogonali speciali vale una formula di rappresentazione che ora
dimostriamo.
Teorema 1.8 Sia Q un tensore ortogonale speciale cui corrisponde l’asse di
rotazione e e sia W (e) il tensore antisimmetrico associato ad e. Esiste un
parametro ϑ ∈ [0, 2π[ tale che
Q = I + sin ϑW(e) + (1 − cos ϑ)W2 (e) (1.50)
Dim. Diamo una dimostrazione geometrica della (1.50), avvalendoci della Fi-
gura 1.5.
p∗
p
v Qv
p∗
ϑ e∧v
e v′
W2 (e)v
p
Figura 1.5: Dimostrazione della formula di rappresentazione per le rotazioni

attorno ad un asse.
Il vettore W(e)v = e ∧ v è ortogonale sia a v che ad e ed è orientato come in

Figura. Quanto a W2 (e)v, abbiamo (cfr. figura 1.5)
W2 (e)v = e ∧ (e ∧ v) = (e · v) e − v = −Pe v. (1.51)
I punti p e p∗ si trovano su una circonferenza di raggio | Pe v |, centrata sull’asse
di rotazione e Qv si ottiene aggiungendo a v il vettore v′ di modulo pari alla
corda che unisce p con p∗ . Dal teorema della corda si ricava
ϑ
|v′ | = 2 W2 (e)v sin ,

(1.52)
2
dove ϑ è l’angolo al centro sotteso dall’arco pp∗. Proprietà
n geometriche elemen-
o
′ W2 (e)v e∧v
tari permettono di sviluppare v sulla base ortonormale |W2 (e)v| , |e∧v| ,
ϑ W2 (e)v ϑ e∧v
v′ = |v′ | sin 2
+ |v′ | cos . (1.53)
2 |W (e)v| 2 |e ∧ v|
Dall’equazione (1.51) segue che le componenti di v e W2 (e)v sul piano ortogo-
nale ad e sono opposte per cui e ∧ v = −e ∧ W2 (e)v e poiché e e W2 (e)v sono
ortogonali abbiamo
|e ∧ v| = W2 (e)v .

Servendosi delle identità trigonometriche
sin ϑ = 2 sin ϑ2 cos ϑ2

2 sin2 ϑ2 = 1 − cos ϑ ,
da (1.52) e (1.53) otteniamo
v′ = sin ϑ (e ∧ v) + (1 − cos ϑ) W2 (e)v

= sin ϑW(e)v + (1 − cos ϑ) W2 (e)v
da cui segue la tesi, visto che Qv = v + v′ .

La dimostrazione chiarisce che il parametro ϑ rappresenta l’angolo di rotazione
necessario per passare da v a Qv.
1.7 Esercizi
Esercizio 1.1 Sia e un versore e W(e) il corrispondente tensore antisimme-
trico. Dimostrare che
W(e) (e ⊗ e) = (e ⊗ e) W(e) = 0. (1.54)
Prendiamo un arbitrario vettore v e applichiamo ad esso il tensore W(e) (e ⊗ e).

Dalle definizioni di prodotto diadico e di tensore antisimmetrico associato ad un
vettore segue
W(e) (e ⊗ e) v = W(e)(e · v)e = (e · v)e ∧ e = 0 .
In modo analogo si può vedere che (e ⊗ e) W(e)v = 0. Poiché ciò è vero ∀v ∈ V,

vale la (1.54).
Esercizio 1.2 Sia S un tensore simmetrico. Mostrare che
S·W = 0
per ogni tensore antisimmetrico W. È vero che, se il prodotto scalare tra un

tensore simmetrico S ed un tensore A si annulla, A è antisimmetrico?
Sviluppiamo il prodotto scalare usando gli elementi delle matrici associate ad S

e W rispetto ad una base ortonormale con l’aiuto della convenzione di Einstein
sugli indici ripetuti:
S · W = [S]ij [W]ij .
Ogni coppia di indici i = i0 e j = j0 fissata compare in due termini soltanto:
[S]i0 j0 [W]i0 j0 e [S]j0 i0 [W]j0 i0 che sono sommati nel prodotto scalare. Poiché W
è antisimmetrico ed S simmetrico, abbiamo
[S]j0 i0 [W]j0 i0 = [S]i0 j0 [W]j0 i0 = −[S]i0 j0 [W]i0 j0

1.7. ESERCIZI 23
per cui
[S]i0 j0 [W]i0 j0 + [S]j0 i0 [W]j0 i0 = 0.
Ripetendo lo stesso ragionamento su tutte le coppie di indici possibili, arriviamo
alla tesi. Quanto alla seconda parte dell’esercizio, produciamo un controesempio
in cui
S·A= 0
per un tensore S simmetrico, senza che A sia antisimmetrico. Scelto S = I
sappiamo che
S · A = I · A = trA
ed esistono infiniti tensori a traccia nulla che non sono antisimmetrici.
Esercizio 1.3 Trovare entro quali limiti varia la traccia di un tensore Q or-
togonale speciale. Come cambia il risultato se il tensore è ortogonale, ma non
speciale?
Prendiamo Q ∈ SO(V). Dal teorema di Eulero 1.7 sappiamo che Q è una

rotazione attorno all’asse individuato da un versore e. Dunque, se Q ∈ SO(V)
vale la formula di rappresentazione (1.50) che consente di determinare
trQ = 1 + 2 cos ϑ
dal momento che trW(e) = 0 e trW2 (e) = −trPe = −2, in virtù della (1.51).
Variando l’angolo di rotazione in [0, 2π) otteniamo che trQ ∈ [−1, 3]. Se Q ∈
O(V) \ SO(V) allora −Q ∈ SO(V) e dunque
−1 ≤ tr(−Q) ≤ 3
per cui trQ ∈ [−3, 1].
Esercizio 1.4 Sia S un tensore simmetrico e W un tensore antisimmetrico.

Dimostrare che SW + WS è un tensore antisimmetrico.
Grazie alla regola di trasposizione (AB)T = BT AT otteniamo

T
(SW)T = WT ST = −WS e (WS) = ST WT = −SW ,
dove abbiamo adoperato le ipotesi S = ST e W = −WT . Pertanto, SW + WS

è un tensore antisimmetrico.
Esercizio 1.5 Dato un tensore antisimmetrico W ed un numero naturale N ,

si consideri il tensore
XN
L := (−1)k (W)(2k−1) .
k=1
Dimostrare che L è un tensore antisimmetrico, per ogni valore di N .

Il tensore L è combinazione lineare di potenze dispari del tensore antisimmetri-

co W. Il trasposto di W(2k−1) è (W(2k−1) )T = (−1)(2k−1) W(2k−1) = −W e
dunque L è antisimmetrico.
Esercizio 1.6 Sia dato un tensore L definito positivo. Quale, tra le afferma-
zioni seguenti, risulta corretta:
La parte simmetrica di L è definita positiva.
La parte simmetrica di L ha almeno un autovalore negativo.
La parte antisimmetrica di L è definita positiva.
La parte antisimmetrica di L può avere un autovalore positivo.
Poiché L è definito positivo deve essere
u · Lu > 0 ,
∀u ∈ V\{0}. Ogni tensore si può univocamente scomporre nella somma di un

tensore simmetrico S ed uno antisimmetrico W cosicché
u · Lu = u · Su + u · Wu .
L’ultimo addendo è però nullo, in quanto ogni tensore antisimmetrico applica

un vettore u in un vettore Wu ad esso ortogonale. Dunque
u · Lu = u · Su
e si può concludere che la parte simmetrica di L è definita positiva.

Tensor I

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Tensor I

Caricato da

Copyright:

Formati disponibili

Indice

1. i vettori v ∈ V sono applicazioni da E in sé:

2. Se u e v sono vettori di V, allora la loro somma è definita come

(u + v)(P ) := u(v(P )) ∀P ∈ E. (1.1)

Figura 1.1: La regola del parallelogramma attraverso la composizione successiva

3. Dati due punti P e Q distinti appartenenti ad E esiste un unico vettore

Commentiamo i tre assiomi appena enunciati. Il primo assioma traduce

dove ϑ ∈ [0, π] è l’angolo compreso tra Q − P e R − P (Fig. 1.2).

Poichè |b| cos ϑ è la proiezione ortogonale di R − P nella direzione di a, mentre

La definizione appena data di prodotto scalare è ritagliata sulla natura tridimen-

Definizione 1.3 Assegnato uno spazio vettoriale V, non necessariamente di

Osservazione. L’ortonormalità di una base {ei } si può esprimere in forma

Il prodotto vettoriale consente di distinguere tra basi ortonormali positivamente

Definizione 1.5 Una base ortonormale {e1 , e2 , e3 } è detta positivamente orien-

Definizione 1.6 Il prodotto misto di tre vettori a, b e c è lo scalare

È possibile mostrare che, se nessuno dei vettori a, b e c coincide col vettore

Il prodotto misto è invariante rispetto a permutazioni circolari dei fattori che lo

• a = b = 0: la (1.9) è una identità.

In generale, vale il seguente teorema.

1.1 Tensori di rango 2

Particolare rilievo hanno i tensori simmetrici e quelli antisimmetrici.

Definizione 1.7 Un tensore S si dice simmetrico quando S = ST .

Definizione 1.8 Un tensore W si dice antisimmetrico se W = −W T .

In generale un tensore L non è né simmetrico né antisimmetrico ma è pos-

Dim. Osserviamo anzitutto che

da cui si ricava 2A = 0, cioè A = 0. Dalla (1.15) seguono le uguaglianze S = S

Assegnata una base ortonormale {e1 , e2 , e3 } ed un tensore A, possiamo

[A]ij := ei · Aej . (1.16)

[S]ij = ei · Sej = S T ei · ej = Sei · ej = ej · Sei = [S]ji

grazie anche alla definizione (1.16).

[S]∗ij = ni · Snj = ni · λj nj = λj ni · nj = λj δij = λi

per cui la matrice associata al tensore simmetrico S nella base {n1 , n2 , n3 } ha

[W ]ij = ei · W ej = W T ei · ej = −W ei · ej = ej · W ei = −[W ]ji :

Quando i = j, allora Wii = −Wii = 0 mentre, se i 6= j, i due elementi Wij e

1.2 Tensori antisimmetrici e vettori

una corrispondenza biunivoca tra vettori e tensori antisimmetrici che illustriamo

w = αe1 + βe2 + γe3 . (1.18)

L’importanza del vettore assiale risiede nella seguente proprietà

Per le proprietà del prodotto vettoriale si vede che

il vettore assiale associato a W appartiene al nucleo di W ed è possibile mostrare

1.3 Prodotto diadico

Certamente si tratta di un’applicazione che manda V in sé. Per verificare che è

Grazie alla linearità del prodotto scalare

e per la definizione di prodotto diadico

Fissiamo in V una base ortonormale {ei } –i = 1, 2, 3– e calcoliamo la matrice

Dalla definizione di diade segue che

dove ai e bj sono rispettivamente l’i-esimo coefficiente di a ed il j-esimo coeffi-

Per ottenere l’espressione della traccia della diade (a ⊗ b) è sufficiente valuta-

Per mostrare la (1.25) è sufficiente verificare che esiste almento un vettore v 6= 0

Questa equazione è soddisfatta da tutti i vettori v nel complemento ortogonale

Presi due vettori qualsiasi u e v ∈ V, se applichiamo il teorema di trasposizione

Poiché la (1.27) vale ∀u ∈ V ed il prodotto scalare ordinario è non degenere,

∀v ∈ V, da cui segue la (1.26).

e la moltiplicazione di un tensore A per uno scalare λ ∈ R come

Esempio 1 Siano S un tensore, a e b due vettori. Allora S (a ⊗ b) = Sa ⊗ b.

poiché la base è ortonormale.

È sufficiente combinare i risultati degli esempi 1 e 2. Infatti, dall’esempio 1

Poiché il prodotto tra tensori gode della proprietà distributiva A(B + C) =

dove nel secondo passaggio è stata usata la (1.30).

1.4 Proiettori ortogonali

Il risultato dell’applicazione deve essere un vettore diretto lungo n, di modulo

e dunque Pn = n ⊗ n. Per dimostrare che si tratta di un proiettore osserviamo

dove abbiamo ripetutamente usato la (1.21) ed osservato che n · n = 1, dal