6

Captulo 1

Algebra tensorial
1.1

Algebra linear
Referencias: [8, 16, 4, 5, 11, 7, 10, 14, 6, 21]
Obviamente, o conceito preciso e puro de vetor e aquele fornecido pela algebra linear; em
particular, e obvio que, a rigor, um vetor: (i) nao e uma grandeza caracterizada por modulo,
direc ao e sentido, e (ii) nao e uma tripla (ou n-upla) numerica (real, complexa, etc). De fato,
num espaco vetorial puro (bruto) nao existe a nocao de modulo de um vetor, assim como a tripla
numerica dene tao somente as componentes do vetor numa dada base
1
. Isso posto, e claro
que devemos, imediatamente, reconhecer o papel fundamentalssimo e talvez o mais importante,
do ponto de vista heurstico, da associac ao primitiva de vetores com deslocamentos no espaco
fsico; em geral, alias, o surgimento de novos conceitos e teorias vem, a partir da pratica, envolto
numa serie de superestruturas superuas, que, so com o desenvolvimento logico posterior, ca
evidenciado.
No caso particular dos deslocamentos, o que se faz necessario e considerar o espaco fsico
como um espaco am, no sentido matematico preciso da palavra
2
. Aqui, so queremos lembrar
que, com essa estrutura, e que podemos dar sentido `a noc ao de que o espaco fsico, pelo menos
na acepcao da geometria euclidiana, nao possui origem privilegiada; o conceito mais primitivo e
o de ponto, a partir do qual se constroi o de deslocamento e, como conseq uencia, o de vetor
3
.
Dito de outra forma, num espaco vetorial puro, nao existe a noc ao de ponto.
1
Eu, Maurcio Ortiz Calvao, sou representado, no Brasil, por uma carteira de identidade com um certo
n umero de registro geral, ao passo que, nos Estados Unidos, possuo uma carteira com um n umero distinto; sera
que, por isso, eu, Maurcio Ortiz Calvao, sou duas pessoas?
2
Gostaramos de remeter, aqui, o leitor para o livro de Bamberg & Sternberg, [4], em especial as duas primeiras
secoes do primeiro captulo, onde os autores constroem, explicitamente, a ideia de vetor a partir dos pontos de
um espaco am. Tal obra e extremamente didatica e de agradavel leitura.
3
Convem reetir sobre tres conceitos de vetor tradicionalmente introduzidos na literatura: livre, deslizante e
ligado; pense na nocao de equipolencia na geometria euclidiana [16].
7
8 CAP

ITULO 1.

ALGEBRA TENSORIAL
1.1.1 Espacos vetoriais
1.1.1.1 Axiomas
Um espaco vetorial (ou linear) T (sobre K) e um conjunto {T, +, , K}, onde T e um conjunto
nao vazio de elementos chamados vetores, +, sao duas leis de composicao:
+ : T T T (adicao)
: K T T (multiplicac ao por escalar)
e K := (K, , ) e um corpo, cujos elementos do conjunto de base, K, sao chamados, nesse
contexto, de escalares (por exemplo, os n umeros reais, racionais, ou complexos). Outrossim, tais
composic oes devem satisfazer, para quaisquer u, v, w T e a, b K, os seguintes axiomas
4
:
1. v + w = w + v (comutatividade da adic ao)
2. u + (v + w) = (u + v) + w (associatividade da adicao)
3. 0| v +0 = v (existencia de elemento neutro para adic ao)
4. v T | v + (v) = 0, v (existencia de elementos inversos para adic ao)
5. a (v +w) = a v + a w
6. (a b) v = a v + b v
7. a (b v) = (a b) v
8. 1v = v.
Os axiomas de (1) a (4) tornam {T, +} um grupo abeliano (comutativo). Os axiomas (2) e (7),
com o abuso de notac ao mencionado na nota de rodape 4, permitem a eliminacao de parenteses
em certas expressoes; ou seja, u+v+w=(u+v)+w e abv = (ab)v.
Exerccio 1.1 Prove as seguintes conseq uencias imediatas dos axiomas:
1. o elemento neutro, 0, para adicao e unico.
2. para todo v T, 0v = 0.
3. os elementos inversos para adic ao sao unicos.
4. se a K, v T, e av = 0, entao ou a = 0 ou v = 0.
Exerccio 1.2 Seja T := R
d
:=
d vezes
. .. .
R R, onde R e o conjunto dos n umeros reais. Dena-
mos
(u
1
, . . . , u
d
) + (v
1
, . . . , v
d
) = (u
1
+ v
1
, . . . , u
d
+v
d
),
a (v
1
, . . . , v
d
) = (av
1
, . . . , av
d
), a R.
Prove que (R
d
, +, ) e, entao, um espaco vetorial (sobre o corpo dos reais).
4
Infelizmente, por abuso de notacao, costuma-se denotar ambas as operacoes e simplesmente por justa-
posicao, assim como as operacoes + e pelo mesmo smbolo +. Tome cuidado!
1.1.

ALGEBRA LINEAR 9
Exerccio 1.3 Seja R
+
o conjunto de n umeros reais positivos. Dena a soma de dois elemen-
tos de R
+
como sendo o produto no sentido usual (p + q := pq), e a multiplicacao por escalares
de R como sendo
: R R
+
(r, p) r p := p
r
.
Com tais operacoes, mostre que (R
+
, +, ) e um espaco vetorial sobre R.
Se U e V sao dois espacos vetoriais sobre o mesmo corpo de escalares, ent ao construmos um
novo espaco vetorial, dito a soma direta de U e V e denotado por U + V, da seguinte forma: o
novo conjunto de vetores e U V , as novas adic ao e multiplicac ao por escalar sao denidas por
(com um evidente abuso de notacao)
(u, v) + (u

, v

) := (u +u

, v +v

)
a (u, v) := (a u, a v).
Exerccio 1.4 Mostre que, no exerccio 1.2 acima, (R
d
, +, ) e a d-esima soma direta de R
consigo mesmo.
1.1.1.2 Convencoes de domnio, de soma e de n ucleo-ndice
Seguindo [8], e mais simples comecar com um exemplo de equac ao matricial:
u = Av.
Aqui v e uma matriz (vetor) coluna, de ordem N 1, digamos; A e uma matriz de ordem
M N; e u e, pois, uma matriz (vetor) coluna, de ordem M 1. Esta equac ao matricial
nos diz como cada elemento individual de u e determinado a partir dos elementos individuais
de v via A. Para escrevermos explicitamente tal expressao, introduz-se uma notacao para os
elementos (componentes) de u e v, assim como os elementos de A: digamos que v
a
represente
o a-esimo elemento de u (a = 1, 2, . . . , N), u

o -esimo elemento de v ( = 1, 2, . . . , M), e

A

a
o elemento da -esima linha e a-esima coluna de A. A equac ao matricial acima e, ent ao,
equivalente `as M equacoes
u

=
N

=1
A

a
v
a
.
A convenc ao de domnio surge da observac ao de que nao e necessario enunciar, em cada ocorrencia
de um conjunto de equac oes como essa, que existem M equacoes envolvidas e que a validade de
cada uma delas esta sendo armada. Isso pode ser percebido a partir da presenca do ndice
em cada membro da equac ao: pois e um ndice livre, diferentemente de a, que esta sujeito a
um sinal de somatorio. Por outro lado, a convenc ao de soma segue da observac ao de que, sempre
que uma soma ocorre em uma expressao desse tipo, e uma soma sobre umndice (no caso a) que
ocorre precisamente duas vezes na expressao a ser somada. Assim, uma soma ocorre somente
quando ha um ndice repetido; e quando um ndice esta repetido, uma soma e quase sempre
implcita. Sob tais circunstancias, o smbolo de somatorio

N
a=1
nao desempenha nenhum papel
10 CAP

ITULO 1.

ALGEBRA TENSORIAL
util, ja que a soma pode ser reconhecida pela repeticao de um ndice; o smbolo pode, pois, ser
omitido.
Assim, a equacao de componente ou elemento acima e escrita, quando as convenc oes de
domnio e soma estao vigentes, na forma simples
u

= A

a
v
a
.
A presenca do ndice repetido a no membro direito implica soma sobre seu domnio permitido de
valores 1, 2, . . . , N em virtude da convencao de soma; ao passo que a presenca do ndice livre ,
em ambos os membros da equac ao, implica igualdade para cada valor 1, 2, . . . , M que ele pode
assumir, em virtude da convenc ao de domnio.
Em geral, as convenc oes de domnio e de soma funcionam da seguinte maneira. Se, numa
equac ao envolvendo grandezas indexadas, existemndice livres (nao repetidos), entao a equac ao
vale para todos os valores nos domnios de todos os ndices livres, tendo tais domnios sido
anteriormente declarados: isso e a convencao de domnio. Onde, numa expressao envolvendo
grandezas indexadas, qualquer ndice estiver repetido, soma sobre todos os valores possveis no
domnio daquele ndice e implicada, o domnio, de novo, tendo sido previamente declarado: isso
e a convencao de soma.
O funcionamento das conven coes de domnio e de soma na pratica e relativamente direto.
Uma ou duas regrasfreq uentemente melhor empregadas para vericac ao interativa da correc ao
de um calculodevem ser mencionadas. O n umero de ndices livres nos dois membros de uma
equac ao deve ser o mesmo; e, naturalmente, cada ndice livre diferente em uma expressao deve
ser representado por uma letra diferente.

Indices repetidos em uma expressao so podem ocorrer
aos pares. A substituicao de uma letra representando um ndice por outra letra e permitida,
contanto que todas as ocorrencias da letra sejam alteradas no mesmo tempo e da mesma maneira,
e contanto que que subentendido que a nova letra tem o mesmo domnio de valores que aquela
que ela substitui. A pratica mais conveniente a se adotar, onde ndices com diferentes domnios
estiverem envolvidos em um unico calculo, e reservar uma pequena sec ao de um particular
alfabeto para representar os ndices com um dado domnio. Assim, no caso discutido acima,
poder-se-ia tomar a, b, c para variarem e se somarem de 1 a N, e , , para variarem e se
somarem de 1 a M; ent ao, u

= A

c
v
c
signicaria exatamente o mesmo que u

= A

a
v
a
.
Dois pontos devem ser enfatizados sobre a maneira em que tais conven coes sao usadas nessas
notas. Em primeiro lugar, nos arranjamos as coisas de modo que o par de ndices repetidos
implicando uma soma ocorrera (quase sempre) com um ndice na posicao superior e outro na
inferior. Isso ja esta aparente no modo em que escolhemos escrever a equac ao matricial acima,
quando algo do tipo u

= A
a
v
a
poderia ser esperado. O ponto esta relacionado `a importancia
de distinguir entre um espaco vetorial e o seu dual (vetores coluna versus vetores linha), que
sera explorado, com detalhes, mais a frente.
O segundo ponto a prestar atencao e que uma expressao como (x
c
) e freq uentemente usada
para representar (x
1
, x
2
, . . . , x
n
). E mais, o valor de uma funcao de n variaveis, digamos f, em
(x
c
), sera denotado por f(x
c
). Nesta situacao, o ndice c nao esta sujeito nem `a convencao de
soma nem `a de domnio. Em tal contexto, (x
c
) deve geralmente ser pensado como o conjunto
das coordenadas de um ponto em algum espaco.
1.1.

ALGEBRA LINEAR 11
1.1.1.3 Independencia linear e bases
Seja T um espaco vetorial. Um conjunto nito de vetores, digamos {v
1
, . . . , v
r
}, e dito linear-
mente dependente se existirem escalares a
1
, . . . , a
r
, nem todos zero, tais que a
i
v
i
= 0 (aqui, ca
subentendido, pelas convenc oes de domnio e soma, que trata-se de

r
i=1
a
i
v
i
= 0.). Um con-
junto innito e linearmente dependente se algum subconjunto nito for linearmente dependente.
Um conjunto de vetores e linearmente independente se ele nao for linearmente dependente.
Uma soma da forma a
i
v
i
, onde v
i
T e a
i
K, e chamada uma combinacao linear de
v
1
, . . . , v
r
.
Como conseq uencias simples, notamos que dois vetores sao linearmente dependentes se um
e m ultiplo do outro; nao podemos dizer que cada um e m ultiplo do outro, ja que um deles pode
ser 0. Se um conjunto S inclui 0, ent ao ele e linearmente dependente a despeito de quaisquer
outros elementos.
Exerccio 1.5 Prove essas duas ultimas armacoes.
O n umero maximo de vetores linearmente independentes em um espaco vetorial T e chamado
de dimensao de T e denota-se por dimT. Naturalmente, pode nao haver um maximo nito, em
cujo caso escrevemos dimT = ; isso signica que, para todo n positivo, ha um subconjunto
linearmente independente de T tendo n elementos.
Uma base de T e um subconjunto S de T linearmente independente e tal que todo vetor e
uma combinac ao linear de elementos de S.
5
Exerccio 1.6 Prove que, se S e uma base, entao a combinacao linear que expressa v T em
termos dos elementos de S e unica, exceto pela ordem das parcelas.
Se S e uma base de T, ent ao, para cada v T, os escalares unvocos que ocorrem como
coecientes na combina cao linear de elementos de S que expressam v sao chamados de compo-
nentes de v com respeito `a base S. Consideramos que uma componente de v e atribuda a cada
elemento de S; no entanto, somente um n umero nito de componentes serao nao zero
6
.
Exerccio 1.7 Prove que todas as bases tem o mesmo n umero de elementos, a dimensao de T.
1.1.1.4 Transformacoes de base; vetores contravariantes (ou primais)
Seja {e
1
, . . . , e
N
} (ou, simplesmente, {e

}) uma base de um espaco vetorial N-dimensional, T,

de modo que qualquer v T pode ser escito como v = v
a
lphae

, para convenientes escalares

v

. Os escalares v

sao as componentes de v com respeito `a base {e

}.
Queremos agora ver como as componentes de um vetor se transformam quando uma nova
base e introduzida. Seja {e

} uma nova base de T, e sejam v

as componentes de v com
respeito a essa nova base. Ent ao
v = v

. (1.1)
5
Mencionamos, sem prova, que uma base sempre existe. Isso e obvio se dimT for nita, mas, caso contrario,
exige inducao transnita.
6
Em espacos vetorias puros, somente combina coes lineares com um n umero nito de termos sao denidas, ja
que nenhum signicado e atribudo a limites ou convergencia. Espacos vetorias nos quais uma nocao de limite
esta denida e que satisfazem certas relacoes adicionais sao chamados espacos vetoriais topologicos. Quando esta
estrutura adicional e derivada de um produto interno positivo denido, o espaco e dito um espaco de Hilbert.
12 CAP

ITULO 1.

ALGEBRA TENSORIAL
Os novos vetores de base podem, como quaisquer vetores, ser expressos como uma combinac ao
linear dos antigos:
e

= X

, (1.2)
e, inversamente, os antigos como uma combinac ao linear dos novos:
e

= X

. (1.3)
(Embora estejamos usando a mesma letra de n ucleo X, os N
2
n umeros X

sao diferentes dos N

2
n umeros X

, as posic oes das plicas indicando a diferenca.) Substituindo, agora, e

, de (1.2),
em 1.3, vem
e

= X

. (1.4)
Devido `a independencia linear de {e

}, temos pois
X

, (1.5)
onde

e o delta de Kronecker, denido por

:=

0, se = ,
1, se = .
(1.6)
(Note que nao podemos dizer que

= 1, pois aparece tanto como um super-ndice quanto

como um sub-ndice e, de acordo com nossas convenc oes, um somatorio esta implcito; de fato,

= N, a dimensao de T.) Analogamente, podemos deduzir que

X

(=

). (1.7)
Exerccio 1.8 Deduza essa ultima equacao.
A substituicao de e

, a partir da equacao (1.2), em (1.1), fornece

v = v

, (1.8)
e, devido `a independencia linear de e

,
v

= X

. (1.9)
Conseq uentemente,
X

= X

= v

. (1.10)
Recapitulando, se as bases com e sem plica estao relacionadas por
e

= X

, e

= X

, (1.11)
ent ao as componentes estao relacionadas por
v

= X

, v

= X

, (1.12)
e valem
X

, X

. (1.13)
1.1.

ALGEBRA LINEAR 13
1.1.2 Espacos duais
Embora se sugira que possa ser util visualizar os vetores de um espaco vetorial como um conjunto
de setas partindo de uma origem, de certa forma esta imagem pode ser muito capciosa, pois
muitos conjuntos de objetos sem qualquer semelhanca com setas constituem espacos vetoriais
sob denicoes adequadas de adicao e multiplicac ao por escalar. Dentre tais objetos, temos as
func oes (voce imaginaria uma delas como uma seta?).
Restrinjamo-nos a funcoes reais denidas num espaco vetorial real de conjunto de vetores T.
Matematicamente, uma tal funcao f e simbolizada por f : T R, indicando que ela aplica um
vetor de T em um n umero real. Pode-se dotar o conjunto de todas as funcoes desse tipo com
uma estrutura de espaco vetorial, denindo-se:
1. a soma f + g de duas func oes f e g como
(f + g)(v) = f(v) + g(v), para todo v T;
2. o produto af do escalar a pela func ao f como
(af)(v) = a(f(v)), para todo v T;
3. a func ao zero 0 como
0(v) = 0, para todo v T
(onde, na esquerda, 0 e uma func ao, ao passo que, na direita, ele e o n umero real zero);
4. a func ao inversa f da funcao f como
(f)(v) = (f(v)), para todo v T.
Exerccio 1.9 Prove que, munido dessas operacoes, o conjunto de funcoes f constitui um espaco
vetorial. Qual e a sua dimensao?
1.1.2.1 Funcionais ou formas lineares
O espaco de todas as func oes reais sobre um espaco vetorial T e grande demais para nossos
propositos; restringir-nos-emos, pois, `aquelas funcoes que sao lineares. Ou seja, as funcoes que
satisfazem
f(au + bv) = af(u) + bf(v), (1.14)
para todos a, b R e todos u, v T. Fun coes lineares reais sobre um espaco vetorial real
sao geralmente chamadas de funcionais ou formas lineares.

E facil vericar que a soma de dois
funcionais lineares e tambem um funcional linear, e que a multiplicac ao por um escalar fornece
um funcional linear tambem. Essas observac oes garantem que o conjunto de todos os funcionais
lineares sobre um espaco vetorial T e tambem um espaco vetorial. Este espaco e o dual de T e
denota-se por T

.
Exerccio 1.10 Prove as ultimas armacoes.
14 CAP

ITULO 1.

ALGEBRA TENSORIAL
Como os funcionais lineares sao vetores, iremos, de agora em diante, usar o tipo em negrito
para eles. Destarte, se v T e f T

, ent ao f (v) R, ou seja, e um escalar, a despeito do tipo

em negrito.
Temos agora dois tipos de vetores, aqueles em T e aqueles em T

. Para distingui-los, aqueles

em T sao chamados vetores contravariantes ou primais, ao passo que aqueles em T

sao chamados
de vetores covariantes ou duais. Como uma caracterstica distintiva adicional, os vetores de base
de T

portarao super-ndices e as componentes de vetores em T

portarao sub-ndices. Assim,

se {e

} e uma base de T

, ent ao g T

tem uma expressao unica g = g

, em termos de
componentes. Na verdade, a razao para a escolha das expressoes contravariante e covariante
cara mais clara ainda na segunda subsubsecao a seguir.
1.1.2.2 Bases duais (naturais)
O uso da letra min uscula na soma implcita acima sugere, de acordo com nossa convenc ao de
domnio, que o domnio da soma e de 1 a N, a dimensao de T, ou seja, que T

tem a mesma
dimensao que T. Esse, de fato, e o caso, como provaremos, agora, mostrando que uma dada base
{e

} de T induz, de uma maneira natural, uma base dual {e

} de T

possuindo N elementos
que satisfazem e

(e

) =

.
Comecamos por denir e

como a funcao real que leva cada vetor v T no n umero real que
e a sua -esima componente v

relativamente a {e

}, ou seja, e

(v) = v

, para todo v T.
Isso nos da N funcoes reais que claramente satisfazem e

(e

) =

; resta mostrar que elas sao

lineares e que constituem uma base de T

.
Exerccio 1.11 Verique que as funcoes e

sao, de fato, lineares.

Para provar que constituem uma base, prosseguimos assim.
Para qualquer g T

, podemos denir N n umeros reais g

por g(e

) =: g

. Entao, para
qualquer v T,
g(v) = g(v

) = v

g(e

) (pela linearidade de g)
= v

= g

(v).
Assim, para qualquer g T

, temos g = g

, mostrando que {e

} gera T

e resta a questao
da independencia linear de {e

}. Isso se responde notando que uma relac ao x

= 0, onde
x

R e 0 e o funcional zero, implica que

0 = x

(e

) = x

= x

, para todo .
Do exposto, vemos que, dada uma base {e

} de T, as componentes g

de g T

relativamente
`a base dual {e

} sao dadas por g

= g(e

).
1.1.2.3 Lei de transformacao das componentes
Uma mudanca de base (1.11) em T induz uma mudanca da base dual. Denotemos o dual da
base com plica {e

} por e

, de modo que, por denic ao, e

(e

) =

, e e

= Y

, para
1.2.

ALGEBRA MULTILINEAR 15
alguns Y

. Entao,

= e

(e

) = Y

(X

)
= Y

(e

) (pela linearidade dos e

)
= Y

= Y

.
o que quer dizer Y

= X

.
Exerccio 1.12 Prove essa ultima armacao.
Sendo assim, mediante uma mudanca de base de T dada por (1.11), as bases duais de T

se
transformam como
e

= X

, e

= X

. (1.15)
Mostra-se de imediato que as componentes de g T

, relativamente `as bases duais se transfor-

mam como
g

= X

, g

= X

. (1.16)
Exerccio 1.13 Prove isso.
Ent ao, a mesma matriz [X

] e sua inversa [X

] estao envolvidas, mas os seus papeis relativa-

mente aos vetores de base e `as componentes estao trocados.
Dado T e uma base sua {e

}, acabamos de ver como construir o seu dual T

com base dual

{e

} satisfazendo e

(e

) =

. Podemos aplicar esse processo novamente para chegar no dual

T

de T

, com base dual {f

}, digamos, satisfazendo f

(e

) =

, e os vetores h T

podem
ser expressos em termos de componentes como h = h

. Sob uma mudanca de base de T, as

componentes de vetores em T se transformama de acordo com v

= X

. Isso induz uma

mudan ca da base dual de T

, sob a qual as componentes de vetores em T

se transformam de
acordo com g

= X

. Por sua vez, isso induz uma mudanca de base de T

, sob a qual ve-se

prontamente que as componentes de vetores em T

se transformam de acordo com h

= X

(porque a inversa da inversa de uma matriz e a propria matriz). Ou seja, as componentes de

vetores em T

se transformam exatamente da mesma maneira que as componentes de vetores

em T. Isso signica que, se estabelecermos uma correspondencia biunvoca entre os vetores de
T e de T

, fazendo com que v

em T corresponda a v

em T

, onde {f

} e o dual do dual
de {e

}, ent ao essa correspondencia sera independente de base.

Exerccio 1.14 Convenca-se disso!
Uma correspondencia biunvoca independente de base entre dois espacos vetoriais e chamada um
isomorsmo natural e, naturalmente, espacos vetoriais naturalmente isomorfos sao geralmente
identicados, identicando-se os vetores correspondentes. Conseq uentemente, nos identicare-
mos T

e T.
1.2

Algebra multilinear
Referencias: [5, 11, 7, 10, 14, 21, 15, 19, 2]
16 CAP

ITULO 1.

ALGEBRA TENSORIAL
1.2.1 Produtos tensoriais; o espaco T
r
s
Dado um espaco vetorial T, vimos como criar um novo espaco vetorial, a saber o seu dual
T

, mas o processo acaba a (ao identicarmos T

com T). Entretanto, e possvel gerar um

novo espaco vetorial a partir de dois espacos vetoriais, formando o que se chama o seu produto
tensorial. Como preliminar para isso, precisamos denir funcionais bilineares em um par de
espacos vetoriais.
Sejam T e U dois espacos vetoriais reais de dimensao nita. O produto cartesiano T U e
o conjunto de todos os pares (ordenados) da forma (v, w), onde v T e w U. Um funcional
bilinear f sobre T U e uma funcao real f : T U R, que e bilinear, ou seja, satisfaz
f(au + bv, w) = af(u, w) + bf(v, w),
para todos a, b R, u, v T e w U,
e
f(v, cw + ex) = cf(v, w) + ef(v, x),
para todos c, e R, v T e w, x U.
Com denic oes de adic ao, multiplicac ao por escalar, a func ao zero e inversas analogas `as
dadas para funcionais lineares na Subsec ao 1.1.2, e imediato demonstrar que o conjunto de
funcionais bilineares sobre T U e um espaco vetorial e, de agora em diante, usaremos tipo em
negrito para os funcionais bilineares.
Exerccio 1.15 Demonstre o dito acima.
Estamos agora em condic oes de denir o produto tensorial T U de T e U como o espaco
vetorial de todos os funcionais bilineares sobre T

. Note que, nessa denic ao, usamos os

conjuntos de base T

e U

dos espacos duais, e nao os proprios T e U.

Surge, naturalmente, a questao da dimensao de TU. Ela e, de fato, NM, onde N e M sao
as dimensoes de T e U, respectivamente; provamos isso mostrando que, a partir de bases dadas
de T e U, podemos denir NM elementos de T U, que constituem uma base para ele.
Seja {e

}, = 1, . . . , N e {f
a
}, a = 1, . . . , M, bases de T

e U

, duais `as bases {e

} e {f
a
} de
T e U, respectivamente. (Note que usamos dois alfabetos diferentes para os suxos que possuem
domnios diferentes.) Denamos NM func oes e
a
: T

R como
e
a
(g, h) = g

h
a
, (1.17)
onde g

sao as componentes de g T

relativamente a {e

} e h
a
as de h U

relativamente a
{f
a
}. Em particular,
e
a
(e

, f
b
) =

b
a
. (1.18)

E simples mostrar que os e

a
sao bilineares e pertencem, assim, a T U. Para mostrar que
constituem uma base devemos mostrar que geram T U e que sao linearmente independentes.
Exerccio 1.16 Seguindo um desenvolvimento analogo ao da Subsubsecao 1.1.2.2, mostre que
{e
a
} (i) gera T U, e (ii) e linearmente independente.
1.2.

ALGEBRA MULTILINEAR 17
Com o exerccio acima, demonstramos, pois, que a dimensao de TU e NM, o produto das
dimensoes de T e U, e que, de uma maneira natural, bases {e

} de T e {f
a
} de U induzem uma
base {e
a
} de T U, sendo as componentes
a
de qualquer T U, relativamente a essa
base, dadas, em termos das bases duais, por
a
=(e

, f
a
).
Investiguemos, agora, como as componentes
a
e os vetores de base e
a
se transformam
quando novas bases sao introduzidas em T e U. Suponhamos que as bases de T e U se transfor-
mem de acordo com
e

= X

, f

a
= Y
b
a
f
b
. (1.19)
Isso induz uma nova base {e

a
} de T U, e, para quaisquer (g, h) T

,
e

a
(g, h) = g

h
a
= X

Y
b
a
g

h
b
= X

Y
b
a
e
b
(g, h).
Sendo assim,
e

a
= X

Y
b
a
e
b
. (1.20)
Analogamente, para as componentes, obtemos

= X

Y
a

b

b
. (1.21)
Exerccio 1.17 Prove isso.
Um vetor que e um elemento do produto tensorial de dois espacos (ou mais, vide abaixo) e
chamado um tensor. O produto tensorial, conforme denido acima, e um produto de espac os.

E
possvel denir um tensor que e o produto tensorial g h de vetores individuais g T e h U,
exigindo-se que
g h = g

h
a
e
a
, (1.22)
onde g

e h
a
sao as componentes de g e h relativamente a bases de T e U que induzem a
base {e
a
} de T U. Embora essa denicao seja dada por intermedio de bases, ela e, de fato,
independente de base.
Exerccio 1.18 Prove isso.
Em particular temos
e

f
a
= e
a
. (1.23)
O produto tensorial g h pertence a T U, mas nem todos os tensores de T U sao dessa
forma. Aqueles que o sao chamam-se de tensores decomponveis.
Tendo estabelecido a ieia basica do produto tensorial de dois espacos vetoriais, podemos
estende-la para tres ou mais espacos. No entanto, dados tres espacos T, U, V, podemos formar o
seu produto tensorial de duas maneiras: (TU)V ou T(UV). Esses dois espacos claramente
possuem a mesma dimensao e sao, de fato, naturalmente isomorfos, no sentido de que podemos
estabelecer uma correspondencia bijetiva, independente de base, entre os seus elementos, assim
como zemos com T e T

. Isso e feito escolhendo-se bases {e

}, {f
a
} e {g
A
} em T, U e
V, respectivamente (tres domnios, portanto tres alfabetos), deixando
aA
e

(f
a
g
A
)
corresponder a (
aA
e

f
a
) g
A
, e mostrando, entao, que essa correspondencia e independente
de base. Devido a esse isomorsmo natural, identicamos esses espacos, e a notac ao T UV
nao e ambgua.
18 CAP

ITULO 1.

ALGEBRA TENSORIAL
Exerccio 1.19 Prove a existencia do isomorsmo natural mencionado.
Uma maneira alternativa de denir T U V e como o espaco de funcionais trilineares
sobre T

. Isso leva a um espaco que e naturalmente isomorfo `aqueles do paragrafo

precedente, e todos os tres sao identicados.
Exerccio 1.20 Convenca-se disso.
Existem outros isomorsmos naturais, por exemplo entre T U e U T, ou entre (T U)

e
T

, e ,sempre que eles existirem, os espacos sao identicados.

Exerccio 1.21 Convenca-se disso.
De agora em diante, restringir-nos-emos a espacos de produto tensorial obtidos tomando-se
produtos tensoriais repetidos de um unico espaco vetorial T e o seu dual T

. Introduzimos a
seguinte notac ao:
r vezes
. .. .
T T T =: T
r
= T
r
(esta ultima notac ao, por abuso),
s vezes
. .. .
T

=: T
s
= T
s
(esta ultima notac ao, por abuso),
T
r
T
s
=: T
r
s
.
Em particular T = T
1
e T

= T
1
.
Um elemento de T
r
e um tensor contravariante de posto r, um elemento de T
s
e um tensor
covariante de posto s, ao passo que um elemento de T
r
s
e um tensor misto de posto (r, s). Note
que esta nomenclatura rotula vetores contravariantes e covariantes como tensores de posto (1, 0)
e (0, 1) respectivamente. Escalares podem ser includos no esquema geral considerando-os como
tensores de posto (0, 0).
Uma base {e

} de T (de dimensao N) induz uma base dual {e

} de T

e essas, juntas,
induzem uma base {e

r
} de T
r
s
. Cada tensor T
r
s
tem N
r+s
componentes unvocas
relativamente `a base induzida:
=

s
e

r
. (1.24)
Uma mudanca de base de T induz uma mudanca de base de T
r
s
, sob a qual as componentes se
transformam de acordo com:

s
= X

1
X

r
X

1
X

s
. (1.25)
Por exemplo, para um tensor T
1
2
,

= X

E comum denir-se os tensores como objetos tendo componentes que se transformam de

acordo com as equac oes (1.25). Esta maneira de se encarar tensores se justica notando-se que
se a cada base de T estao associados N
r+s
n umeros reais, que, sob uma mudanca de base dada
pelas equacoes (1.11), se transformam como (1.25), ent ao esses n umeros sao as componentes de
um tensor de posto (r, s), conforme nos denimos tal objeto; simplesmente fazemos
=

s
e

r
.
1.2.

ALGEBRA MULTILINEAR 19
1.2.2 Tensores relativos
Mostraremos agora que existem ainda objetos geometricos mais gerais que os tensores acima
vistos, cujas componentes se transformam, nao simplesmente com fatores da matriz de trans-
formac ao de base, mas, alem disso, com um fator dependente do determinante de tal matriz.
Para tanto, relembraremos, na Subsubsec ao seguinte, algo sobre determinantes.
1.2.2.1 Determinantes, smbolos de Levi-Civita, deltas de Kronecker generalizados
Seja uma matriz quadrada NN [Z

], onde, como usual, suporemos que o superndice indica

linha e o subndice indica coluna, ou seja,
[Z

Z
1
1
Z
1
2
Z
1
N
Z
2
1
Z
2
2
Z
2
N
.
.
.
.
.
.
.
.
.
.
.
.
Z
N
1
Z
N
2
Z
N
N

. (1.26)
O determinante dessa matriz, det[Z] ou, simplesmente, Z, pode ser denido atraves da regra
geral de Cramer ou, de uma maneira mais geometrica, atraves do estudo da nocao de volume
num espaco N-dimensional. Aqui queremos que voce se convenca que ele tambem pode ser
escrito como:
det[Z] =

2
...
N
Z

1
1
Z

2
2
Z

N
N
,
=

2
...
N
Z
1

1
Z
2

2
Z
N

N
, (1.27)
onde introduzimos os chamados smbolos de Levi-Civita:

2
...
N
:=

2
...
N
:=

1, se (
1
,
2
, . . . ,
N
) for permutac ao par de (1, 2, . . . , N);
1, se (
1
,
2
, . . . ,
N
) for permutac ao mpar de (1, 2, . . . , N);
0, nos outros casos, ou seja, se houver ndices repetidos.
(1.28)
Observacoes:
1. Note que seguimos a conven cao de
12...N
=
12...N
= 1 e nao aquela de
12...N
=
12...N
= 1,
`as vezes adotada por alguns autores.
2. Note que, com a equacao (1.27), de fato, ca ovio que, por troca de quaisquer duas las
(linhas ou colunas), o determinante muda de sinal, devido `a anti-simetria dos smbolos de
Levi-Civita
3. Como conseq uencia do item acima, ou diretamente da propria equac ao (1.27), o determi-
nante de uma matriz com duas las proporcionais resulta ser nulo.
4. Para ajudar ainda mais na aceitac ao da expressao (1.27) para o determinante, lembre-se
de (ou prove agora), do calculo vetorial basico, a expressao para (i) o produto vetorial em
termos de componentes cartesianas:
AB = det

x y z
A
x
A
y
A
z
B
x
B
y
B
z

=
ijk
A
i
B
j
e
k
.
20 CAP

ITULO 1.

ALGEBRA TENSORIAL
ou (ii) o produto misto, tambem em termos de componentes cartesianas:
A (BC) = det

A
x
A
y
A
z
B
x
B
y
B
z
C
x
C
y
C
z

,
o que tambem faz uma conexao com a ideia, acima mencionada, de determinante como
uma medida de volume (no caso, do paraleleppedo com arestas A, B e C).
Tendo em conta a anti-simetria dos smbolos de Levi-Civita, podemos ainda reescrever a
(1.27) como

2
...
N
Z =

2
...
N
Z

1
Z

2
. . . Z

N
, (1.29)
ou

2
...
N
Z =

2
...
N
Z

1
Z

2
. . . Z

N
, (1.30)
formas que serao uteis para a subsubsec ao seguinte.
Exerccio 1.22 Convenca-se da validade de tais formulas.
Seria interessante se pudessemos ter uma expressao nal para o determinante, Z, isolado
em um membro dessa expressao, em funcao dos smbolos de Levi-Civita e dos elementos da
matriz. Para tanto, convem introduzirmos novos objetos, que sao os tensores deltas de Kronecker
generalizados,

r
, denidos por

r
:= det

r
.
.
.
.
.
.

(1.31)
Obviamente, o delta de Kronecker (usual) e um caso particular dessa denic ao, correspondente
ao valor r = 1. Com r = 2 em (1.31), vemos que

.
Em geral,

r
e a soma de r! termos, cada um dos quais e o produto de r deltas de Kronecker
(usuais). Como, conforme ja vimos, o delta de Kronecker (usual) e um tensor do tipo (1,1), segue
imediatamente que o delta de Kronecker generalizado e um tensor do tipo (r, r). Da sua propria
denic ao e facil mostrar que: (i) o delta de Kronecker generalizado e anti-simetrico em todos
os super-ndices e todos os sub-ndices; (ii) se r > N, onde N e a dimensao do espaco, entao

r
0.
Exerccio 1.23 Convenca-se dessas armacoes.
Queremos agora estabelecer uma relac ao ou identidade fundamental entre

N
,

N
e

N
:

N
=

N
. (1.32)
1.2.

ALGEBRA MULTILINEAR 21
Para tanto, consideremos a grandeza
A

N
:=

N
, (1.33)
que e obviamente anti-simetrica nos subndices e nos super-ndices. Conseq uentemente, as unicas
possveis componentes nao nulas de A

N
ocorrerao quando (
1
,
2
, . . . ,
N
) e (
1
,
2
, . . . ,
N
)
forem permutacoes (sem repetic ao) de (1, 2, . . . , N). No entanto, de (1.28), (1.33) e (1.31), ve-se
facilmente que
A
12N
12N
= 0.
Logo, acabamos de mostrar que
A

N
0,
o que, por (1.33), estabelece (1.32).
Exerccio 1.24 Mostre, a partir de (1.32), que, genericamente,
1
j!

1
...
Nj

1
...
j

1
...
Nj

1
...
j
=

1
...
Nj

1
...
Nj
. (1.34)
Da ou da propria (1.32) vem, em particular, que:

N
= N!
Exerccio 1.25 Prove isso!
Finalmente, podemos, pois, ter a expressao que procuravamos:
Z := det[Z

] =
1
N!

N
Z

1
1
Z

2
Z

N
. (1.35)
Exerccio 1.26 Prove-a!
1.2.2.2 Tensores relativos
Consideremos, agora, como caso particular da matriz [Z

], tratada na subsubsecao anterior,

uma matriz mudanca de base, num certo espaco vetorial:
e

= X

. (1.36)
Nessa situacao, a expressao para o determinante de [X

], conforme (1.29) ou (1.30), mostra

que, se postularmos, como e naturalssimo, que, independentemente de base, os valores das
componentes dos smbolos de Levi-Civita sao os mesmos (

N
=

N
e

N
=

N
), ent ao conclumos que as leis de transformacao para esses smbolos (invariantes por
denic ao) passam a ser:

N
= X
1
X

1
X

2
X

N
e

N
= XX

1
X

2
X

N
.
22 CAP

ITULO 1.

ALGEBRA TENSORIAL
Tais leis sao iguais `aquelas para tensores, exceto pela presenca de um fator potencia do determi-
nante da matriz mudan ca de base. Isso sugere a importancia de tratarmos de objetos geometricos
cujas componentes se transformem de uma maneira mais geral. Sendo assim, fugindo um pouco
`a nossa apresenta cao geometrica ou independente de base ata aqui, diremos que um conjunto
de N
r+s
n umeros

s
constituem as componentes de um tensor relativo de posto (r, s) e
peso w, se, sob uma mudanca de base (1.36), esses n umeros (chamados componentes do tensor
relativo) se transformarem de acordo com

s
= X
w
X

1
X

r
X

1
X

s
. (1.37)
Note o sinal no expoente do determinante X. Podemos observar, ent ao que:
1.

N
e

N
constituem as componentes de tensores relativos de peso 1 e -1, respecti-
vamente.
2. os tensores de que tratamos ate antes dessa subsubsec ao sao tensores relativos de peso 0;
`as vezes, eles sao chamados tensores absolutos.
1.2.3 Operac oes e resultados adicionais
1.2.3.1 Contracao
Ate aqui, temos tres operac oes basicas com tensores (absolutos ou relativos): adicao de tensores
de mesmo posto, multiplica cao de um tensor por um escalar e formac ao do produto tensorial.
Existe uma quarta operac ao basica com tensores, que e mais facilmente explicada em termos
de componentes. Esta operac ao e a contracao, que associa N
r+s2
n umeros (componentes)
R

p1

p+1

q1

q+1

s
com N
r+s
n umeros (componentes) Q

s
, denidos por
R

p1

p+1

q1

q+1

s
:= Q

p1

p+1

q1

q+1

s
. (1.38)
Ou seja, fazendo-se um sub-ndice igual a um supre-ndice e somando, como a convenc ao de
soma implica.

E claro que existem rs maneiras de fazer isso, cada uma das quais leva a uma
contra cao do conjunto original de n umeros.
O signicado especial que essa operacao tem para tensores (absolutos ou relativos) e que, se
os n umeros originais forem as componentes de um tensor relativo de posto (r, s) e peso w, ent ao
suas contra coes sao as componentes de um tensor relativo de posto (r 1, s 1) e mesmo peso,
w.
Exerccio 1.27 Prove isso!
1.2.3.2 Simetrizacao e anti-simetrizacao
Dada uma matriz [M

], podemos expressa-la sempre como a soma de duas outras matrizes,

[M
()
] e [M
[]
], tal que
M

= M
()
+ M
[]
, (1.39)
onde
M
()
:=
1
2
(M

+ M

) (1.40)
M
[]
:=
1
2
(M

). (1.41)
1.2.

ALGEBRA MULTILINEAR 23
A matriz [M
()
] e a chamada parte simetrica de [M

] e o processo mostrado em (1.40) e

chamado simetrizacao de [M

], ao passo que a matriz [M

[]
] e a chamada parte anti-simetrica
de [M

] e o processo indicado em (1.41) e chamado anti-simetriza cao de [M

]; tal terminologia
justica-se pelo fato de que
M
()
= M
()
e
M
[]
= M
[]
.
Alem disso, se, de fato, M

constitu rem as componentes de um tensor de posto (2, 0), assim

tambem o constituem M
()
e M
[]
, diferentemente de M

.
Exerccio 1.28 Prove isso!
No caso mais geral, a componente M
(
1

r
)
da chamada parte (totalmente) simetrica de M

r
e obtida somando-se todas as componentes obtidas por permutac oes dos ndices (
1
, . . . ,
r
) e
dividindo-se o resultado por r!; ou seja, no caso de tres ndices, teramos:
M
()
:=
1
3!
(M

+ M

+M

+ M

+ M

+ M

) .
Algo analogo vale para a chamada parte (totalmente) anti-simetrica, mas, aqui, as permutac oes
pares dos ndices (
1
, . . . ,
r
) sao somadas, ao passo que as permutacoes mpares sao subtradas,
ou seja:
M
[]
:=
1
3!
(M

+ M

+M

) .
Naturalmente, tudo isso pode ser estendido para ndices covariantes, presenvando sempre o
carater tensorial dos objetos resultantes (as partes simetrica e anti-simetrica). Ja a simetrizacao
ou anti-simetrizac ao em ndices em nveis distintos nao gera tensores.
Exerccio 1.29 Prove isso!
1.2.3.3 Regras do quociente
As regras do quociente permitem estabelecer diretamente o carater tensorial de um objeto dado
que o produto dele com um tensor (relativo) arbitrario gera sempre um tensor (relativo). Raci-
ocinemos atraves de um exemplo concreto, em termos de componentes, de novo.
Sejam dados, numa certa base, um conjunto de n umeros Y

, que, quando multiplicados

pelas componentes T

de um tensor arbitrario, saibamos fornecer sempre um tensor C

; ou
seja,
C

= Y

(1.42)
e um tensor para qualquer tensor T

. Entao, a regra do quociente, nesse caso, arma que Y

constituirao as componentes de um tensor tambem, de posto (1,2), conforme sugerido pela sua
estrutura de ndices.
Para provar isso, usamos a lei de transformac ao caracterstica das componentes de um tensor.
Imaginamos que, numa nova base, ainda vale a equacao (1.42), como que por denicao das novas
24 CAP

ITULO 1.

ALGEBRA TENSORIAL
componentes do objeto Y, cujo carater queremos descobrir. Ent ao,
C

= Y

(pois C e T sao tensores)

X

= Y

substituindo (1.42)
X

= Y

ja que T e arbitrario

= 0

multiplicando por X

= X

multiplicando por X

= X

,
que e justamente o que queramos demonstrar. A propria expressao regra do quociente se
explica pela forma como Y

se apresenta em (1.42).
Exerccio 1.30 Como voce adaptaria o enunciado de tal regra ao caso de tensores relativos?
Exerccio 1.31 Se, para um tensor simetrico, mas, fora isso, arbitrario, de componentes S

,
o resultado
C

= Y

e sempre um vetor contravariante, o que voce pode deduzir sobre o carater de Y

ou de al-
guma(s) de suas partes?
Referencias Bibliogracas
[1] R. Adler, M. Bazin, and M. Schier. Introduction to general relativity. McGraw-Hill Koga-
kusha, Tokyo, Japan, second edition, 1975.
[2] J. L. Synge an A. Schild. Tensor calculus. Dover, New York, USA, 1978.
[3] J. L. Anderson. Principles of relativity physics. Academic Press, New York, USA, 1967.
[4] P. Bamberg and S. Sternberg. A course in mathematics for students of physics. Cambridge
University Press, Cambridge, England, 1988.
[5] R. L. Bishop and S. I. Goldberg. Einsteins theory of relativity. Dover, New York, USA,
1980.
[6] A. I. Borisenko and I. E. Tarapov. Vector and tensor analysisi with applications. Dover,
New York, USA, 1979.
[7] W. L. Burke. Applied dierential geometry. Cambridge University Press, Cambridge, En-
gland, 1985.
[8] M. Crampin and F. A. E. Pirani. Applicable dierential geometry. Cambridge University
Press, Cambridge, England, 1986.
[9] R. dInverno. Introducing Einsteins relativity. Oxford University Press, Oxford, England,
1992.
[10] C. T. J. Dodson and T. Poston. Tensor geometry. The geometric viewpoint and its uses.
Pitman, London, England, 1977.
[11] J. Foster and J. D. Nightingale. A short course in general relativity. Longman, London,
England, rst edition, 1979.
[12] J. Foster and J. D. Nightingale. A short course in general relativity. Springer-Verlag, New
York, USA, second edition, 1995.
[13] L. P. Hughston and K. P. Tod. An introduction to general relativity. Cambridge University
Press, Cambridge, England, 1990.
[14] A. Lichnerowicz. Elements of tensor calculus. Methuen, London, England, 1962.
[15] D. Lovelock and H. Rund. Tensors, dierential forms, and variational principles. John
Wiley & Sons, Chichester, England, 1975.
31
32 REFER

ENCIAS BIBLIOGR

AFICAS
[16] L. Nachbin. Introducao `a algebra. McGraw-Hill do Brasil, Rio de Janeiro, Brasil, 1971.
[17] C. Nash and S. Sen. Topology and geometry for physicists. Academic Press, New York,
USA, 1983.
[18] B. ONeill. Semi-Riemannian geometry, with applications to relativity. Academic, New
York, USA, 1983.
[19] J. A. Schouten. Ricci-calculus. Springer, Berlin, Germany, 1954.
[20] B. F. Schutz. Geometrical methods of mathematical physics. Cambridge University Press,
Cambridge, England, 1980.
[21] A. Trautman. Foundations and current problems of general relativity. In S. Deser and K. W.
Ford, editors, Lectures on general relativity, Proceedings of the 1964 Brandeis Summer
Institute in Theoretical Physics, Englewood Clis, USA, 1965. Prentice-Hall.