anonim_from_rus (anonim_from_rus) wrote,
anonim_from_rus
anonim_from_rus

Categories:

Тензоры говорят нам - нет противным! Вставайте, люди добрые! За линейную форму и прямой градиент!

Сейчас у меня будут два тезиса.

Первый - гуманитарии могут сразу идти бабочек ловить, как говорили в нашем незабвенном детстве. И потом, немного позже, пока мы, крутые и умные мужики, не поняли, что нас тупо разводят симпатичные барышни.
Второй - технари должны думать, даже если им этого делать не хочется.

И третий тезис, чтоб было по-честному: люди, не понимающие, что такое тензор, не имеют права управлять государством.

Про тензоры (кратко) здесь:


Правило (соглашение) Эйнштейна
Здесь и далее по тексту статьи в основном будет использоваться общепринятое соглашение — так называемое правило Эйнштейна, в соответствии с которым, если в записи присутствуют верхний и нижний индекс, обозначенные одинаковой буквой (так называемый немой индекс), то по нему предполагается суммирование. Например, запись {\displaystyle x^{i}e_{i}}{\displaystyle x^{i}e_{i}} означает то же, что и {\displaystyle x=\sum _{i=1}^{n}x^{i}e_{i}}{\displaystyle x=\sum _{i=1}^{n}x^{i}e_{i}}. Это позволяет упростить записи формул за счет того, что не указываются знаки суммирования. По индексам, обозначенным разными буквами, суммирования не предполагается. Немой индекс в результате «исчезает», а остальные индексы остаются, например: {\displaystyle y^{j}=c_{i}^{j}x^{i}=\sum _{i=1}^{n}c_{i}^{j}x^{i}}{\displaystyle y^{j}=c_{i}^{j}x^{i}=\sum _{i=1}^{n}c_{i}^{j}x^{i}} или {\displaystyle a_{i}^{j}=b_{k}^{j}c_{i}^{k}=\sum _{k=1}^{n}b_{k}^{j}c_{i}^{k}}{\displaystyle a_{i}^{j}=b_{k}^{j}c_{i}^{k}=\sum _{k=1}^{n}b_{k}^{j}c_{i}^{k}}. См. также подраздел настоящей статьи посвященной операции свёртки.

Контравариантность векторов
Пусть набор векторов {\displaystyle \{e_{i}\}=(e_{1},e_{2},...,e_{n})}{\displaystyle \{e_{i}\}=(e_{1},e_{2},...,e_{n})} является базисом в векторном пространстве {\displaystyle V}V. Тогда любой вектор {\displaystyle x}x этого пространства в данном базисе представляется как линейная комбинация базисных векторов: {\displaystyle x=x^{i}e_{i}}{\displaystyle x=x^{i}e_{i}}. Набор (упорядоченный) чисел {\displaystyle \{x^{i}\}=(x^{1},x^{2},...,x^{n})^{T}}{\displaystyle \{x^{i}\}=(x^{1},x^{2},...,x^{n})^{T}} (вектор-столбец) называют координатами или компонентами вектора в данном базисе или координатным представлением вектора.

Рассмотрим другой набор векторов {\displaystyle \{e'_{i}\}=(e'_{1},e'_{2},...,e'_{n})}{\displaystyle \{e'_{i}\}=(e'_{1},e'_{2},...,e'_{n})}, также являющийся базисом. Каждый из векторов нового базиса может быть представлен в «старом» базисе (как и любой вектор): {\displaystyle e'_{i}=e_{i'}=c_{i'}^{i}e_{i}}{\displaystyle e'_{i}=e_{i'}=c_{i'}^{i}e_{i}}, то есть координатами {\displaystyle (c_{i'}^{1},c_{i'}^{2},...,c_{i'}^{n})^{T}}{\displaystyle (c_{i'}^{1},c_{i'}^{2},...,c_{i'}^{n})^{T}}. Соответственно, матрица {\displaystyle C=\{c_{i'}^{i}\}}{\displaystyle C=\{c_{i'}^{i}\}}, столбцы которой представляют координаты нового базиса в старом — это матрица преобразования старого базиса в новый. Обратная матрица {\displaystyle C^{-1}=\{c_{i}^{i'}\}}{\displaystyle C^{-1}=\{c_{i}^{i'}\}} позволяет получить старый базис из нового. Кроме этого именно с помощью обратной матрицы можно получить координатное представление произвольного вектора в новом базисе. В самом деле {\displaystyle x=x^{i}e_{i}=x^{i}c_{i}^{i'}e_{i'}=(x^{i}c_{i}^{i'})e'_{i}}{\displaystyle x=x^{i}e_{i}=x^{i}c_{i}^{i'}e_{i'}=(x^{i}c_{i}^{i'})e'_{i}}, то есть новые координаты (в новом базисе) равны {\displaystyle x^{i'}=x^{i}c_{i}^{i'}}{\displaystyle x^{i'}=x^{i}c_{i}^{i'}} (в матрично-векторной форме это записывается как {\displaystyle x'=C^{-1}x}{\displaystyle x'=C^{-1}x}). То есть координаты вектора преобразовываются обратно базису. Это свойство преобразования координат называется контравариантность.

Ковариантность линейных функционалов
Если координаты какого-либо объекта будут преобразовываться как базис, то есть с помощью матрицы преобразования базиса, то это называется ковариантность. Примером ковариантного объекта являются так называемые ковекторы - это линейные функционалы (линейные формы) на пространстве {\displaystyle V}V. Это требует пояснения. В силу линейности множество всех таких функционалов также образует векторное пространство {\displaystyle V^{*}}V^*, называемое сопряженным к {\displaystyle V}V и имеющее ту же размерность, что и {\displaystyle V}V. Таким образом, линейные функционалы (формы) — это векторы сопряженного пространства. Ковекторами (ковариантными тензорами ранга 1) они становятся в силу привязки к основному пространству {\displaystyle V}V, а именно специфическим выбором базиса сопряженного пространства, однозначно определяемого базисом пространства {\displaystyle V}V. В заданном базисе пространства {\displaystyle V}V произвольная линейная форма равна {\displaystyle f(x)=f(x^{i}e_{i})=f(e_{i})x^{i}=f_{i}x^{i}}{\displaystyle f(x)=f(x^{i}e_{i})=f(e_{i})x^{i}=f_{i}x^{i}}.Координаты вектора {\displaystyle x^{i}}x^i можно трактовать как тоже линейные функции, которые ставят в соответствие каждому вектору — его соответствующую координату: {\displaystyle x^{i}=e^{i}(x)}{\displaystyle x^{i}=e^{i}(x)}. Эти линейные функционалы являются базисом в сопряженном пространстве и называются дуальным (или двойственным) базисом (к базису основного пространства). Соответственно, произвольная линейная форма представляется в виде:{\displaystyle f(x)=f_{i}e^{i}}{\displaystyle f(x)=f_{i}e^{i}}, то есть тоже как набор координат {\displaystyle (f_{1},f_{2},...,f_{n})}{\displaystyle (f_{1},f_{2},...,f_{n})} (они записываются как вектор-строка, в отличие от вектора-столбца координат векторов основного пространства).

В новом базисе имеем: {\displaystyle f(x)=f(x^{i'}e_{j'})=f(e_{i'})x^{i'}=f(c_{i'}^{i}e_{i})e^{i'}(x)=f(e_{i})c_{i'}^{i}e^{i'}=(f_{i}c_{i'}^{i})e^{i'}=f_{i'}e^{i'}}{\displaystyle f(x)=f(x^{i'}e_{j'})=f(e_{i'})x^{i'}=f(c_{i'}^{i}e_{i})e^{i'}(x)=f(e_{i})c_{i'}^{i}e^{i'}=(f_{i}c_{i'}^{i})e^{i'}=f_{i'}e^{i'}}, где {\displaystyle f_{i'}=f_{i}c_{i'}^{i}}{\displaystyle f_{i'}=f_{i}c_{i'}^{i}} — координаты линейной формы в новом дуальном базисе {\displaystyle \{e^{i'}(x)\}}{\displaystyle \{e^{i'}(x)\}}. Они преобразуются с помощью той же матрицы {\displaystyle C=\{c_{i'}^{i}\}}{\displaystyle C=\{c_{i'}^{i}\}} перехода от старого базиса пространства {\displaystyle V}V к новому {\displaystyle f'=fC}{\displaystyle f'=fC}. Это можно пояснить и без формул: линейный функционал — вектор в пространстве {\displaystyle V^{*}}V^*, поэтому при смене базиса в нем, его координаты меняются обратно своему базису, но этот дуальный базис меняется в свою очередь обратно изменению базиса в пространстве {\displaystyle V}V (так как это координаты векторов по сути). В итоге координаты линейной функции преобразовываются так же, как и базис основного пространства. Поэтому они называются ковекторами по отношению к основному пространству.

Замечания
1. В случае ортонормированных базисов обратная матрица преобразования базиса равна просто транспонированной: {\displaystyle C^{T}=C^{-1}}{\displaystyle C^{T}=C^{-1}}, поэтому {\displaystyle (fC)^{T}=C^{T}f^{T}=C^{-1}f^{T}}{\displaystyle (fC)^{T}=C^{T}f^{T}=C^{-1}f^{T}}, то есть, если координаты линейной формы записать не в виде вектор-строки, а в виде вектора-столбца, то правило преобразования координат линейной формы не будет отличаться от правила преобразования вектора. Таким образом, при переходах между ортонормированными базисами (повороты или изменения ориентации базиса) ковариантное преобразование не отличается от контравариантного.

2. В пространствах с (псевдо)скалярным произведением ((псевдо)евклидовы пространства) пространство {\displaystyle V^{*}}V^* канонически изоморфно пространству {\displaystyle V}V, то есть их можно отождествить (каждый линейный функционал представляется в виде скалярного произведения фиксированного вектора {\displaystyle a\in V}{\displaystyle a\in V} на вектор-аргумент функции {\displaystyle x\in V}x \in V, то есть {\displaystyle f(x)=(a,x)}{\displaystyle f(x)=(a,x)}, соответственно, между {\displaystyle a}a и {\displaystyle f}f имеется взаимно однозначное соответствие). Поэтому вектор и ковектор по существу можно считать одним объектом. В связи с этим считается, что один и тот же вектор (в общем случае и тензор) можно просто представить как в контравариантных координатах, так и в ковариантных. Так часто поступают, например, в физике, где тензоры обычно рассматриваются либо в геометрическом трехмерном пространстве, либо в четырехмерном пространстве-времени.

Примеры пересчета координат при замене базиса
Пример пересчета координат вектора при смене базиса

Изменение координат вектора {\displaystyle v}v при переходе к другому базису
Рассмотрим некоторый вектор {\displaystyle v}{\displaystyle v} в некотором двумерном евклидовом пространстве (евклидова плоскость), который на рисунке справа изображен в виде направленной стрелки зеленого цвета. В некотором базисе (на рисунке он обозначен красным) на плоскости, состоящем из векторов {\displaystyle {\color {red}e_{1}}={\begin{pmatrix}1\\0\end{pmatrix}}}{\displaystyle {\color {red}e_{1}}={\begin{pmatrix}1\\0\end{pmatrix}}} и {\displaystyle {\color {red}e_{2}}={\begin{pmatrix}0\\1\end{pmatrix}}}{\displaystyle {\color {red}e_{2}}={\begin{pmatrix}0\\1\end{pmatrix}}} этот вектор имеет координаты {\displaystyle {\begin{pmatrix}1\\2\end{pmatrix}}}{\displaystyle {\begin{pmatrix}1\\2\end{pmatrix}}}, то есть {\displaystyle {\color {limegreen}v}={\color {red}e_{1}}+2\color {red}e_{2}}{\displaystyle {\color {limegreen}v}={\color {red}e_{1}}+2\color {red}e_{2}} (сам вектор {\displaystyle v} v не зависит от выбора базиса и задается независимо от него).

Теперь введем новый базис {\displaystyle \color {blue}f_{1}}{\displaystyle \color {blue}f_{1}}, {\displaystyle \color {blue}f_{2}}{\displaystyle \color {blue}f_{2}}, получаемый из первого поворотом на {\displaystyle 45^{\circ }}{\displaystyle 45^{\circ }} в положительном направлении. Разложим векторы {\displaystyle \color {blue}f_{1}}{\displaystyle \color {blue}f_{1}}, {\displaystyle \color {blue}f_{2}}{\displaystyle \color {blue}f_{2}}, по базису {\displaystyle \color {red}e_{1}}{\displaystyle \color {red}e_{1}}, {\displaystyle \color {red}e_{2}}{\displaystyle \color {red}e_{2}} и обозначим через {\displaystyle c_{i}^{j}}{\displaystyle c_{i}^{j}} {\displaystyle j}j-ю координату вектора {\displaystyle \color {blue}f_{i}}{\displaystyle \color {blue}f_{i}}, тогда

{\displaystyle {\color {blue}f_{i}}=c_{i}^{1}{\color {red}e_{1}}+c_{i}^{2}{\color {red}e_{2}}=c_{i}^{j}{\color {red}e_{j}},\quad i=1,2,}
{\displaystyle {\color {blue}f_{i}}=c_{i}^{1}{\color {red}e_{1}}+c_{i}^{2}{\color {red}e_{2}}=c_{i}^{j}{\color {red}e_{j}},\quad i=1,2,}
Очевидно {\displaystyle {\color {blue}f_{1}}={\begin{pmatrix}{\frac {1}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}\end{pmatrix}}}{\displaystyle {\color {blue}f_{1}}={\begin{pmatrix}{\frac {1}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}\end{pmatrix}}}, {\displaystyle {\color {blue}f_{2}}={\begin{pmatrix}-{\frac {1}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}\end{pmatrix}}}{\displaystyle {\color {blue}f_{2}}={\begin{pmatrix}-{\frac {1}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}\end{pmatrix}}}, Соответственно, матрица перехода {\displaystyle (c_{i}^{j})}{\displaystyle (c_{i}^{j})} от базиса {\displaystyle \color {red}e_{1}}{\displaystyle \color {red}e_{1}}, {\displaystyle \color {red}e_{2}}{\displaystyle \color {red}e_{2}} к базису {\displaystyle \color {blue}f_{1}}{\displaystyle \color {blue}f_{1}}, {\displaystyle \color {blue}f_{2}}{\displaystyle \color {blue}f_{2}} имеет вид {\displaystyle C=\{c_{i}^{j}\}={\begin{pmatrix}{\frac {1}{\sqrt {2}}}&-{\frac {1}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\end{pmatrix}}}{\displaystyle C=\{c_{i}^{j}\}={\begin{pmatrix}{\frac {1}{\sqrt {2}}}&-{\frac {1}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\end{pmatrix}}}.

Поскольку {\displaystyle {\color {limegreen}v}={\tilde {v}}^{i}{\color {blue}f_{i}}={\tilde {v}}^{i}c_{i}^{j}{\color {red}e_{j}}=v^{j}{\color {red}e_{j}}}{\displaystyle {\color {limegreen}v}={\tilde {v}}^{i}{\color {blue}f_{i}}={\tilde {v}}^{i}c_{i}^{j}{\color {red}e_{j}}=v^{j}{\color {red}e_{j}}}, то старые координаты с новыми связаны как {\displaystyle v^{j}=c_{i}^{j}{\tilde {v}}^{i}}{\displaystyle v^{j}=c_{i}^{j}{\tilde {v}}^{i}} или в матричной форме {\displaystyle v=C{\tilde {v}}}{\displaystyle v=C{\tilde {v}}}, соответственно обратная зависимость координат в новом базисе от координат в старом выглядит в тензорной записи как {\displaystyle {\tilde {v}}^{i}=c_{j}^{i}v^{j}}{\displaystyle {\tilde {v}}^{i}=c_{j}^{i}v^{j}}, а в матричной как {\displaystyle {\tilde {v}}=C^{-1}v}{\displaystyle {\tilde {v}}=C^{-1}v}. Обратную к матрицу легко найти в данном случае: {\displaystyle C^{-1}=C^{T}=\{c_{j}^{i}\}={\begin{pmatrix}{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\\-{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\end{pmatrix}}}{\displaystyle C^{-1}=C^{T}=\{c_{j}^{i}\}={\begin{pmatrix}{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\\-{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\end{pmatrix}}}. Соответственно, координаты вектора в новом базисе равны

{\displaystyle {\tilde {v}}={\begin{pmatrix}{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\\-{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\end{pmatrix}}{\begin{pmatrix}1\\2\end{pmatrix}}={\begin{pmatrix}{\frac {3}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}\end{pmatrix}}={\begin{pmatrix}{\frac {3{\sqrt {2}}}{2}}\\{\frac {\sqrt {2}}{2}}\end{pmatrix}}}
{\displaystyle {\tilde {v}}={\begin{pmatrix}{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\\-{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\end{pmatrix}}{\begin{pmatrix}1\\2\end{pmatrix}}={\begin{pmatrix}{\frac {3}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}\end{pmatrix}}={\begin{pmatrix}{\frac {3{\sqrt {2}}}{2}}\\{\frac {\sqrt {2}}{2}}\end{pmatrix}}}
Видно, что, координаты вектора в новом базисе, действительно, отличаются от координат в старом базисе (что было видно уже по рисунку), при этом сам вектор {\displaystyle \color {limegreen}v}{\displaystyle \color {limegreen}v}, как элемент пространства, никак не зависит от выбора базиса (геомерически зеленая стрелка не изменилась никак).

Пример пересчета координат линейного функционала
Линейные функционалы являются ковекторами (ковариантными тензорами 1 ранга), поэтому при смене базиса их координаты преобразуются также как и базис (с помощью той же матрицы). Для примера рассмотрим то же двумерное евклидово пространство с тем же первоначальным красным базисом и зеленым вектором.

Пусть в этом базисе (точнее в дуальном к нему) некоторый линейный функционал {\displaystyle \varphi (x)}\varphi (x) имеет координаты (1,1) (можно показать, что такой функционал находит проекцию на направление вектора (1,1) и умножает ее на {\displaystyle {\sqrt {2}}}{\sqrt {2}}. Например, для зеленого вектора {\displaystyle v}v из рисунка {\displaystyle {\begin{pmatrix}1\\2\end{pmatrix}}}{\displaystyle {\begin{pmatrix}1\\2\end{pmatrix}}} значение функционала равно 1+2=3. Значение функционала не должно зависеть от базиса. Покажем это на примере нового базиса, в котором ось {\displaystyle x}x получается поворотом на 45 градусов против часовой стрелки, а ось {\displaystyle y}y оставлена неизменной. Матрица преобразования базиса будет иметь вид: {\displaystyle C=\{c_{i}^{j}\}={\begin{pmatrix}{\frac {1}{\sqrt {2}}}&0\\{\frac {1}{\sqrt {2}}}&1\end{pmatrix}}}{\displaystyle C=\{c_{i}^{j}\}={\begin{pmatrix}{\frac {1}{\sqrt {2}}}&0\\{\frac {1}{\sqrt {2}}}&1\end{pmatrix}}}, а новые координаты линейного функционала будут равны {\displaystyle \varphi =(1,1){\begin{pmatrix}{\frac {1}{\sqrt {2}}}&0\\{\frac {1}{\sqrt {2}}}&1\end{pmatrix}}=({\frac {2}{\sqrt {2}}},1)}{\displaystyle \varphi =(1,1){\begin{pmatrix}{\frac {1}{\sqrt {2}}}&0\\{\frac {1}{\sqrt {2}}}&1\end{pmatrix}}=({\frac {2}{\sqrt {2}}},1)}. Обратная матрица преобразования базиса равна {\displaystyle C^{-1}={\begin{pmatrix}{\sqrt {2}}&0\\-1&1\end{pmatrix}}}{\displaystyle C^{-1}={\begin{pmatrix}{\sqrt {2}}&0\\-1&1\end{pmatrix}}}. С ее помощью найдем координаты вектора v в новом базисе {\displaystyle v={\begin{pmatrix}{\sqrt {2}}&0\\-1&1\end{pmatrix}}{\begin{pmatrix}1\\2\end{pmatrix}}={\begin{pmatrix}{\sqrt {2}}\\1\end{pmatrix}}}{\displaystyle v={\begin{pmatrix}{\sqrt {2}}&0\\-1&1\end{pmatrix}}{\begin{pmatrix}1\\2\end{pmatrix}}={\begin{pmatrix}{\sqrt {2}}\\1\end{pmatrix}}}. Соответственно, значение линейного функционала от вектора в новом базисе будет равно: {\displaystyle ({\frac {2}{\sqrt {2}}},1){\begin{pmatrix}{\sqrt {2}}\\1\end{pmatrix}}=3}{\displaystyle ({\frac {2}{\sqrt {2}}},1){\begin{pmatrix}{\sqrt {2}}\\1\end{pmatrix}}=3}, то есть получили то же значение, что и в первоначальном базисе.

Значение линейного функционала не зависит от выбранного базиса, а зависит только от аргумента-вектора, который тоже от базиса не зависит, тем не менее в координатной записи и вектор и ковектор зависят от базиса.

Определения
Существует несколько по существу эквивалентных определений тензоров. Их эквивалентность связана с тем, что между множествами объектов (включая и тензорные операции и отношения между ними), порождаемых этими определениями, можно установить взаимно-однозначное соответствие (говорят пространства этих объектов изоморфны друг другу).

Тензор как набор компонент (многоиндексный объект)
Общее определение. Правило преобразования координат
Тензором типа {\displaystyle (_{r}^{s})}{\displaystyle (_{r}^{s})} на векторном пространстве {\displaystyle V}V (размерности {\displaystyle n}n) называется объект, задаваемый в произвольном базисе {\displaystyle \{e_{i}\}}\{e_{i}\} набором чисел {\displaystyle T_{j_{1}j_{2}\dots j_{r}}^{i_{1}i_{2}\dots i_{s}}}{\displaystyle T_{j_{1}j_{2}\dots j_{r}}^{i_{1}i_{2}\dots i_{s}}} (каждый из индексов может принимать значения от 1 до {\displaystyle n}n), которые при переходе к другому базису {\displaystyle \{e_{i}^{'}\}}{\displaystyle \{e_{i}^{'}\}} изменяются по следующему закону (применяется правило Эйнштейна):

{\displaystyle T_{j'_{1}j'_{2}\dots j'_{r}}^{i'_{1}i'_{2}\dots i'_{s}}=T_{j_{1}j_{2}\dots j_{r}}^{i_{1}i_{2}\dots i_{s}}c_{i_{1}}^{i'_{1}}c_{i_{2}}^{i'_{2}}\dots c_{i_{s}}^{i'_{s}}c_{j'_{1}}^{j_{1}}c_{j'_{2}}^{j_{2}}\dots c_{j'_{r}}^{j_{r}}}{\displaystyle T_{j'_{1}j'_{2}\dots j'_{r}}^{i'_{1}i'_{2}\dots i'_{s}}=T_{j_{1}j_{2}\dots j_{r}}^{i_{1}i_{2}\dots i_{s}}c_{i_{1}}^{i'_{1}}c_{i_{2}}^{i'_{2}}\dots c_{i_{s}}^{i'_{s}}c_{j'_{1}}^{j_{1}}c_{j'_{2}}^{j_{2}}\dots c_{j'_{r}}^{j_{r}}}
то есть {\displaystyle s}s раз с помощью матрицы, обратной к матрице преобразования базиса, и {\displaystyle r}r раз с помощью матрицы преобразования базиса. Другими словами, в рамках данного определения тензор — это массив компонент + закон преобразования компонент при замене базиса.

Число {\displaystyle s+r}{\displaystyle s+r} называют валентностью или рангом тензора, {\displaystyle s}s — контравариантной валентностью, {\displaystyle r}r- ковариантной валентностью . Говорят также {\displaystyle s}s-раз контравариантный и {\displaystyle r}r -раз ковариантный тензор. Число компонент тензора (набор чисел, которым представляется тензор в данном базисе) равно {\displaystyle n^{s+r}}{\displaystyle n^{s+r}}.

Соответственно, из этого определения следует, что вектор пространства {\displaystyle V}V — это тензор типа {\displaystyle (_{0}^{1})}{\displaystyle (_{0}^{1})}, а ковектор этого пространства — это тензор типа {\displaystyle (_{1}^{0})}{\displaystyle (_{1}^{0})}. Для удобства считают, что тензор типа {\displaystyle (_{0}^{0})}{\displaystyle (_{0}^{0})} — это само поле действительных чисел, то есть скаляры, не изменяющиеся при смене базиса.

Преобразования координат в частных случаях
Для вектора {\displaystyle x}x пространства {\displaystyle V}V, являющегося ковариантным тензором 1 ранга {\displaystyle x^{i}}x^i формула преобразования координат при смене базиса будет иметь вид{\displaystyle x^{i'}=x^{i}c_{i}^{i'}=c_{i}^{i'}x^{i}}{\displaystyle x^{i'}=x^{i}c_{i}^{i'}=c_{i}^{i'}x^{i}}, или в матричной форме: {\displaystyle \mathbf {x} '=C^{-1}\mathbf {x} }{\displaystyle \mathbf {x} '=C^{-1}\mathbf {x} }, где {\displaystyle \mathbf {x} ,\mathbf {x} '}{\displaystyle \mathbf {x} ,\mathbf {x} '} — вектор-столбцы координат вектора x в старом базисе и новом базисе.

Для линейной формы {\displaystyle f(x)}f(x) — ковариантного тензора 1 ранга {\displaystyle f_{i}}f_{i} формула преобразования координат будет иметь вид:{\displaystyle f'_{i}=f_{i'}=f_{i}c_{i'}^{i}}{\displaystyle f'_{i}=f_{i'}=f_{i}c_{i'}^{i}}, или в матричной форме {\displaystyle \mathbf {f} '=\mathbf {f} C}{\displaystyle \mathbf {f} '=\mathbf {f} C}, где {\displaystyle \mathbf {f} ,\mathbf {f} '}{\displaystyle \mathbf {f} ,\mathbf {f} '} — вектор-строки координат линейной формы {\displaystyle f}f в старом и новом базисе.

Для билинейной формы {\displaystyle B:V^{2}\rightarrow R}{\displaystyle B:V^{2}\rightarrow R} (дважды ковариантный тензор {\displaystyle B_{ij}}{\displaystyle B_{ij}}) формула преобразования координат имеет вид:

{\displaystyle B'_{ij}=B_{i'j'}=B_{ij}c_{i'}^{i}c_{j'}^{j}=c_{i'}^{i}B_{ij}c_{j'}^{j}=C^{T}BC}{\displaystyle B'_{ij}=B_{i'j'}=B_{ij}c_{i'}^{i}c_{j'}^{j}=c_{i'}^{i}B_{ij}c_{j'}^{j}=C^{T}BC}

Для линейного оператора {\displaystyle A:V\rightarrow V}{\displaystyle A:V\rightarrow V} (один раз ковариантный и один раз контравариантный тензор {\displaystyle A_{i}^{j}}{\displaystyle A_{i}^{j}}) формула пересчета координат имеет вид:

{\displaystyle A_{i'}^{j'}=A_{i}^{j}c_{i'}^{i}c_{j}^{j'}=c_{j}^{j'}A_{i}^{j}c_{i'}^{i}=C^{-1}AC}{\displaystyle A_{i'}^{j'}=A_{i}^{j}c_{i'}^{i}c_{j}^{j'}=c_{j}^{j'}A_{i}^{j}c_{i'}^{i}=C^{-1}AC}

Псевдотензоры
Псевдотензоры — алгебраические объекты, координаты которых преобразуются аналогично тензорам, за исключением смены ориентации базиса — в этом случае псевдотензоры меняют знак, в отличие от истинных тензоров. Формально это означает, что в законе преобразования координат необходимо добавить множитель, равный знаку определителя матрицы преобразования базиса: {\displaystyle sign(det(C))}{\displaystyle sign(det(C))}.

Частными случаями псевдотензоров являются псевдоскаляры и псевдовекторы. Пример псевдоскаляра — так называемый ориентированный объем. Пример псевдовектора — результат векторного произведения в трехмерном пространстве, например вектор момента импульса. Псевдотензорами являются также символы Леви-Чивиты.

Многоиндексные объекты, не являющиеся тензорами
Любой набор чисел (например, матрица), при отсутствии или несоответствии закона их изменения при изменении базиса пространства тензорному закону преобразования координат, тензором не является. Не являются тензорами также многоиндексные объекты, которые хотя бы в одном базисе равны нулю (все координаты в этом базисе равны нулю).

Существуют объекты, которые похожи на тензоры (к ним применимы стандартные операции с тензорами, например, свертка с векторами или другими тензорами), но закон преобразования которых при смене базиса не является тензорным. Классическим, но сложным примером таких объектов, являются символы Кристоффеля {\displaystyle \Gamma _{jk}^{i}}{\displaystyle \Gamma _{jk}^{i}}, обозначающие компоненты так называемой связности в римановых многообразиях — их закон преобразования не является тензорным. Однако свёртка компонент связности с вектором даёт настоящий вектор, а их разность — настоящий тензор (тензор кручения). Символы Кристоффеля, как и любые коэффициенты связности на расслоении, являются элементами более сложного пространства, чем пространство тензоров — расслоения струй.

К тензорам не относятся также сами матрицы преобразования координат (матрицы Якоби), являющегося частным случаем диффеоморфизма между двумя многообразиями, с помощью которых и вводится классическое определение тензора, хотя по многим своим свойствам они напоминают тензор. Для них также можно ввести верхние и нижние индексы, операции умножения, сложения и свёртки. Однако, в отличие от тензора, компоненты которого зависят лишь от координат на заданном многообразии, компоненты матрицы Якоби также зависят от координат на многообразии-образе. Это различие очевидно в том случае, когда рассматриваются матрицы Якоби диффеоморфизма двух произвольных многообразий, однако при отображении многообразия в себя его можно не заметить, так как касательные пространства образа и прообраза изоморфны (не канонически). Тем не менее, оно сохраняется. Аналогию между матрицами Якоби и тензорами можно развить, если рассматривать произвольные векторные расслоения над многообразием и их произведения, а не только касательное и кокасательное расслоение.

Тензор как полилинейная функция
Общее определение
Тензором типа {\displaystyle (_{r}^{s})}{\displaystyle (_{r}^{s})} называется полилинейная функция (полилинейная форма) {\displaystyle T\colon (V^{*})^{s}\times V^{r}\to R}{\displaystyle T\colon (V^{*})^{s}\times V^{r}\to R}, то есть числовая функция от {\displaystyle s+r}{\displaystyle s+r} аргументов следующего вида {\displaystyle T(f_{1},f_{2},...,f_{s},x_{1},x_{2},...,x_{r})}{\displaystyle T(f_{1},f_{2},...,f_{s},x_{1},x_{2},...,x_{r})}, где {\displaystyle f_{i}}f_{i}-линейные функционалы на {\displaystyle V}V, а {\displaystyle x_{j}}x_{j} — векторы пространства {\displaystyle V}V.

Координатами тензора в некотором базисе будут значения полилинейной функции на различных комбинациях базисных векторов: {\displaystyle T_{j_{1}j_{2}...j_{r}}^{i_{1}i_{2}...i_{s}}=T(e^{i_{1}},e^{i_{2}},...,e^{i_{s}},e_{j_{1}},e_{j_{2}},...,e_{j_{r}})}{\displaystyle T_{j_{1}j_{2}...j_{r}}^{i_{1}i_{2}...i_{s}}=T(e^{i_{1}},e^{i_{2}},...,e^{i_{s}},e_{j_{1}},e_{j_{2}},...,e_{j_{r}})}

Полилинейные функции на {\displaystyle V}V как ковариантные тензоры
На пространстве {\displaystyle V}V полилинейные функции — это числовые функции от нескольких аргументов-векторов этого пространства, линейные по каждому из аргументов: {\displaystyle f(v_{1},v_{2},...,v_{r})}{\displaystyle f(v_{1},v_{2},...,v_{r})}. Линейность по каждому аргументу означает, эти функции можно рассматривать как линейные функционалы по каждому аргументу, если остальные аргументы фиксированы.

Полилинейные функции от {\displaystyle r}r аргументов-векторов пространстве {\displaystyle V}V являются тензорами типа {\displaystyle (_{r}^{0})}{\displaystyle (_{r}^{0})}, то есть {\displaystyle r}r-раз ковариантными тензорами (частным случаем такого типа тензоров были ковекторы). В самом деле, если рассматривать такой тензор как функцию {\displaystyle T(v_{1},v_{2},...,v_{r})}{\displaystyle T(v_{1},v_{2},...,v_{r})}, то при представлении каждого из векторов как линейной комбинации векторов базиса пространства в силу полилинейности функции получим:

{\displaystyle T(x_{1}^{i_{1}}e_{i_{1}},x_{2}^{i_{2}}e_{i_{2}},...,x_{r}^{i_{r}}e_{i_{r}})=x_{1}^{i_{1}}x_{2}^{i_{2}}...x_{r}^{i_{r}}T(e_{i_{1}},e_{i_{2}},...,e_{i_{r}})=T_{i_{1}i_{2}...i_{r}}x_{1}^{i_{1}}x_{2}^{i_{2}}...x_{r}^{i_{r}}}{\displaystyle T(x_{1}^{i_{1}}e_{i_{1}},x_{2}^{i_{2}}e_{i_{2}},...,x_{r}^{i_{r}}e_{i_{r}})=x_{1}^{i_{1}}x_{2}^{i_{2}}...x_{r}^{i_{r}}T(e_{i_{1}},e_{i_{2}},...,e_{i_{r}})=T_{i_{1}i_{2}...i_{r}}x_{1}^{i_{1}}x_{2}^{i_{2}}...x_{r}^{i_{r}}}

где {\displaystyle T_{i_{1}i_{2}...i_{r}}}{\displaystyle T_{i_{1}i_{2}...i_{r}}} — координатное выражение полилинейной функции, а произведения {\displaystyle x_{1}^{i_{1}}x_{2}^{i_{2}}...x_{r}^{i_{r}}}{\displaystyle x_{1}^{i_{1}}x_{2}^{i_{2}}...x_{r}^{i_{r}}} — это дуальный базис пространства {\displaystyle (V^{*})^{r}}{\displaystyle (V^{*})^{r}}, сопряженного к {\displaystyle (V)^{r}}{\displaystyle (V)^{r}}. То есть полилинейные функции образуют векторное пространство, сопряженное к {\displaystyle (V)^{r}}{\displaystyle (V)^{r}}. При смене базиса в основном пространстве в сопряженном базис меняется обратно, а векторы самого сопряженного пространства (то есть в данном случае полилинейные функции) меняются обратно к своему базису, а значит также как и базис основного пространства. Таким образом, полилинейные функции на пространстве {\displaystyle V}V преобразуются ковариантно в координатном представлении и являются {\displaystyle r}r-раз ковариантными тензорами.

Классический пример тензоров типа {\displaystyle (_{2}^{0})}{\displaystyle (_{2}^{0})} (дважды ковариантный тензор) являются билинейные формы — числовые функции двух аргументов-векторов пространства {\displaystyle g(x,y)}{\displaystyle g(x,y)}, линейные по каждому из аргументов. В координатном представлении она записывается в виде матрицы {\displaystyle A}A компонент — значений билинейной формы на парах базисных векторов. При смене базиса матрица билинейной формы преобразуются как {\displaystyle A'=C^{T}AC}{\displaystyle A'=C^{T}AC}, где С -матрица преобразования базиса.

Полилинейные функции на {\displaystyle V^{*}}V^* как контравариантные тензоры
Аналогично можно показать, что полилинейные функции на сопряженном пространстве {\displaystyle (V^{*})^{s}}{\displaystyle (V^{*})^{s}} являются тензорами типа {\displaystyle (_{0}^{s})}{\displaystyle (_{0}^{s})} в силу контравариантного характера преобразования координат.

Несколько сложнее в данном определении понять, что контравариантные тензоры типа {\displaystyle (_{0}^{1})}{\displaystyle (_{0}^{1})} — векторы пространства {\displaystyle V}V. Дело в том что линейные функционалы на пространстве {\displaystyle V^{*}}{\displaystyle V^{*}} также образуют пространство, сопряженное к {\displaystyle V^{*}}{\displaystyle V^{*}} — второе сопряженное пространство, обозначаемое {\displaystyle V^{**}}V^{**}. Однако, можно показать, что для конечномерных векторных пространств второе сопряженное пространство {\displaystyle V^{**}}V^{**} канонически изоморфно исходному векторному пространству {\displaystyle V}V, то есть пространства {\displaystyle V}V и {\displaystyle V^{**}}V^{**} можно отождествлять. Поэтому линейные функционалы на сопряженном пространстве {\displaystyle V^{*}}{\displaystyle V^{*}} можно отождествлять с векторами пространства {\displaystyle V}V, соответственно это тензоры типа {\displaystyle (_{0}^{1})}{\displaystyle (_{0}^{1})}

Полилинейные функции как линейные отображения
Аналогично можно показать, что закон преобразования полилинейных функций общего вида также соответствует тензорному.

Неочевидным из этого определения является то, что линейные операторы на {\displaystyle V}V являются тензорами типа {\displaystyle (_{1}^{1})}{\displaystyle (_{1}^{1})}. Тем не менее, если рассмотреть полилинейную функцию {\displaystyle T(f,x)}{\displaystyle T(f,x)}, где {\displaystyle x}x-вектор пространства, а {\displaystyle f}f-линейная функция (вектор сопряженного пространства), то при фиксированном {\displaystyle x}x такая функция есть просто линейный функционал на пространстве {\displaystyle V^{*}}V^*, то есть элемент пространства {\displaystyle V^{**}}V^{**}. Как уже отмечалось выше, это пространство тождественно исходному пространству {\displaystyle V}V, а значит этой функции при фиксированном {\displaystyle x}x сопоставлен другой вектор {\displaystyle y}y этого же пространства и при этом такое отображение линейно. Следовательно, полилинейные функции типа {\displaystyle T(f,x)}{\displaystyle T(f,x)} отождествляются с линейными операторами на {\displaystyle V}V.

Рассуждая аналогично, можно показать, что линейные отображения {\displaystyle L:V^{r}\rightarrow V}{\displaystyle L:V^{r}\rightarrow V} являются тензорами типа {\displaystyle (_{r}^{1})}{\displaystyle (_{r}^{1})} и более обобщенно — линейные отображения {\displaystyle L:V^{r}\rightarrow V^{s}}{\displaystyle L:V^{r}\rightarrow V^{s}} являются тензорами типа {\displaystyle (_{r}^{s})}{\displaystyle (_{r}^{s})}.

Тензор как элемент тензорного произведения векторных пространств
Общее определение
Тензор ранга {\displaystyle (s,r)}{\displaystyle (s,r)} над {\displaystyle n}n-мерным векторным пространством {\displaystyle V}V — это элемент тензорного произведения {\displaystyle s}s пространств {\displaystyle V}V и {\displaystyle r}r сопряжённых пространств {\displaystyle V^{*}}V^* (то есть пространств линейных функционалов (ковекторов) на {\displaystyle V}V)

{\displaystyle \tau \in \underbrace {V\otimes \ldots \otimes V} _{s}\otimes \underbrace {V^{*}\otimes \ldots \otimes V^{*}} _{r}=\left(\bigotimes _{i=1}^{s}V\right)\otimes \left(\bigotimes _{i=1}^{r}V^{*}\right)=(\otimes ^{s}V)\otimes (\otimes ^{r}V^{*})=\otimes _{r}^{s}V=T_{r}^{s}(V).}{\displaystyle \tau \in \underbrace {V\otimes \ldots \otimes V} _{s}\otimes \underbrace {V^{*}\otimes \ldots \otimes V^{*}} _{r}=\left(\bigotimes _{i=1}^{s}V\right)\otimes \left(\bigotimes _{i=1}^{r}V^{*}\right)=(\otimes ^{s}V)\otimes (\otimes ^{r}V^{*})=\otimes _{r}^{s}V=T_{r}^{s}(V).}
Пояснения по тензорному произведению
Данное определение считается современным, но требует предварительного пояснения непростого понятия тензорного произведения векторных пространств. Тензорное произведение векторных пространств — это векторное пространство {\displaystyle W}W, которое связано с этими векторными пространствами посредством полилинейного отображения, то есть каждому элементу декартова (прямого) произведения векторных пространств поставлен в соответствие элемент пространства {\displaystyle W}W и каждой полилинейной форме на этих векторных пространствах соответствует линейная форма в пространстве {\displaystyle W}W.

Тензорное произведение векторов проще определить в координатном представлении: это вектор, координатами которого являются всевозможные произведения координат «умножаемых» векторов. Например, если «умножаются» два вектора x и y пространства {\displaystyle V}V размерности {\displaystyle n}n, то их тензорное произведение это вектор {\displaystyle z}z размерности {\displaystyle n^{2}}n^{2}, координаты которого равны числам {\displaystyle x^{i}y^{j}}{\displaystyle x^{i}y^{j}}, где индексы {\displaystyle i,j}{\displaystyle i,j} побегают все возможные значения от 1 до {\displaystyle n}n (эти координаты удобно записать в виде квадратной матицы {\displaystyle n\times n}n\times n). В векторной форме получение этой матрицы-тензорного произведения запишется как {\displaystyle xy^{T}}{\displaystyle xy^{T}} или {\displaystyle yx^{T}}{\displaystyle yx^{T}} в зависимости от порядка умножения (не путать с {\displaystyle x^{T}y}{\displaystyle x^{T}y} или {\displaystyle y^{T}x}{\displaystyle y^{T}x} — в этих случаях получаются просто одно число). Тензорное произведение некоммутативно, то есть порядок перемножаемых векторов влияет на результат (набор чисел одинаковый, но как упорядоченные наборы чисел они отличаются). Собственно, тензорные произведения векторов являются некоторыми тензорами (перемножаемые векторы не зависят от базиса, а значит и тензорное произведение определено независимо от него, при этом любое изменение базиса меняет координатное представление и перемножаемых векторов и их произведения).

Координатное представление тензора
Выберем в пространстве {\displaystyle V}V базис {\displaystyle \{\mathbf {e} _{1},\mathbf {e} _{2},\ldots ,\mathbf {e} _{n}\}}{\displaystyle \{\mathbf {e} _{1},\mathbf {e} _{2},\ldots ,\mathbf {e} _{n}\}}, и соответственно {\displaystyle \{\mathbf {f} ^{1},\mathbf {f} ^{2},\ldots ,\mathbf {f} ^{n}\}}{\displaystyle \{\mathbf {f} ^{1},\mathbf {f} ^{2},\ldots ,\mathbf {f} ^{n}\}} — дуальный базис в сопряжённом пространстве {\displaystyle V^{*}}V^* (то есть {\displaystyle (\mathbf {e} _{a}\cdot \mathbf {f} ^{b})=\delta _{a}^{b}}(\mathbf{e}_a \cdot \mathbf{f}^b) = \delta_a^b, где {\displaystyle \delta _{a}^{b}}\delta_a^b — символ Кронекера).

Тогда в пространстве тензоров {\displaystyle \mathrm {T} _{r}^{s}(V)=\otimes _{r}^{s}V}{\displaystyle \mathrm {T} _{r}^{s}(V)=\otimes _{r}^{s}V} естественным образом возникает базис

{\displaystyle \{\mathbf {e} _{i_{1}}\,\otimes \,\mathbf {e} _{i_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {e} _{i_{s}}\,\otimes \,\mathbf {f} ^{j_{1}}\,\otimes \,\mathbf {f} ^{j_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {f} ^{j_{r}}\},\quad 1\leqslant i_{a},j_{b}\leqslant n}{\displaystyle \{\mathbf {e} _{i_{1}}\,\otimes \,\mathbf {e} _{i_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {e} _{i_{s}}\,\otimes \,\mathbf {f} ^{j_{1}}\,\otimes \,\mathbf {f} ^{j_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {f} ^{j_{r}}\},\quad 1\leqslant i_{a},j_{b}\leqslant n}.
Произвольный тензор {\displaystyle \tau \in \mathrm {T} _{r}^{s}(V)}{\displaystyle \tau \in \mathrm {T} _{r}^{s}(V)} можно записать как линейную комбинацию базисных тензорных произведений:

{\displaystyle \tau =\sum _{j_{1},j_{2},\ldots ,j_{r}}\sum _{i_{1},i_{2},\ldots ,i_{s}}{\tau _{j_{1},j_{2},\ldots ,j_{r}}^{i_{1},i_{2},\ldots ,i_{s}}}\mathbf {e} _{i_{1}}\,\otimes \,\mathbf {e} _{i_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {e} _{i_{s}}\,\otimes \,\mathbf {f} ^{j_{1}}\,\otimes \,\mathbf {f} ^{j_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {f} ^{j_{r}}.}{\displaystyle \tau =\sum _{j_{1},j_{2},\ldots ,j_{r}}\sum _{i_{1},i_{2},\ldots ,i_{s}}{\tau _{j_{1},j_{2},\ldots ,j_{r}}^{i_{1},i_{2},\ldots ,i_{s}}}\mathbf {e} _{i_{1}}\,\otimes \,\mathbf {e} _{i_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {e} _{i_{s}}\,\otimes \,\mathbf {f} ^{j_{1}}\,\otimes \,\mathbf {f} ^{j_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {f} ^{j_{r}}.}
Используя соглашение Эйнштейна, это разложение можно записать как

{\displaystyle \tau ={\tau _{j_{1},j_{2},\ldots ,j_{r}}^{i_{1},i_{2},\ldots ,i_{n}}}\mathbf {e} _{i_{1}}\,\otimes \,\mathbf {e} _{i_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {e} _{i_{s}}\,\otimes \,\mathbf {f} ^{j_{1}}\,\otimes \,\mathbf {f} ^{j_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {f} ^{j_{r}}.}{\displaystyle \tau ={\tau _{j_{1},j_{2},\ldots ,j_{r}}^{i_{1},i_{2},\ldots ,i_{n}}}\mathbf {e} _{i_{1}}\,\otimes \,\mathbf {e} _{i_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {e} _{i_{s}}\,\otimes \,\mathbf {f} ^{j_{1}}\,\otimes \,\mathbf {f} ^{j_{2}}\,\otimes \,\ldots \,\otimes \,\mathbf {f} ^{j_{r}}.}
Числа {\displaystyle \tau _{j_{1},j_{2},\ldots ,j_{r}}^{i_{1},i_{2},\ldots ,i_{s}}}{\displaystyle \tau _{j_{1},j_{2},\ldots ,j_{r}}^{i_{1},i_{2},\ldots ,i_{s}}} называются компонентами тензора {\displaystyle \tau }\tau . Нижние индексы компонент тензора называются ковариантными, а верхние — контравариантными. Например, разложение некоторого дважды ковариантного тензора {\displaystyle h}h будет таким:

{\displaystyle h=\sum _{j,k}h_{jk}\mathbf {f} ^{j}\otimes \mathbf {f} ^{k}}h = \sum_{j,k} h_{jk} \mathbf{f}^j \otimes \mathbf{f}^k
Тензорное поле
Для так называемых гладких многообразий {\displaystyle M}M, которые в общем случае не являются векторными пространствами, тензор может быть задан на так называемом касательном пространстве {\displaystyle T_{p}M}T_{p}M к точке {\displaystyle p}p многообразия, поскольку касательное пространство является векторным пространством. Соответственно, тензор можно считать заданным в точке многообразия. Соответственно, гладкая функция (тензорозначная), ставящая в соответствие каждой точке многообразия тензор, есть тензорное поле.

Классический пример тензорного поля, называемого обычно просто тензором, -метрический тензор в римановых многообразиях (пространствах) и применяемый также в общей теории относительности.

Примеры и применение тензоров

Там еще дохуя, но мы это опустим.


Если кто-то действительно дочитал до этого места, сразу скажу - не зря.

Когда меня приперло тензорами на 4-м курсе Ленинградского политехнического института, я сразу понял, что именно меня ждет.
Нет, я не сдался сразу, я честно барахтался. Но тензоры были неумолимы. Особенно неумолимо были тензорное поле, квадрупольный момент и метрический тензор. Именно они довели меня до решения самостоятельно отправиться в советскую армию, хотя я мог бы еще побарахтаться.
Я побарахтался, а потом все равно отправился в армию.
Потому что тензорное исчисление - это вот прям неописуемый восторг для тех, кому не надо идти в армию.
Но вот когда я вернулся через два года и все равно сдал (на четыре) математическую физику, я понял, что кое-что еще могу. И потом еще много чего понял, когда началась сраная перестройка, а я и такие как я думали исключительно про тензор кривизны Римана.

Но вот я думаю, что прочие люди должны знать, что я и такие как я, думают про сраного Горбачева и прочих подонков, взлетевших именно тогда, когда мы размышляли о римановом пространстве и прочих сложных вещах.

Просто пришли тупые неграмотные орки и отняли у нас Родину.
Пока мы думали о других важных вещах.


Я это никогда не забуду.
И никогда не прощу.
Subscribe

  • Post a new comment

    Error

    Anonymous comments are disabled in this journal

    default userpic

    Your reply will be screened

    Your IP address will be recorded 

  • 8 comments