Metrinen tensori

Metrinen tensori eli perustensori on avaruutta kuvaava symmetrinen^[1] tensori, joka kertoo kuinka etäisyydet kyseisessä avaruudessa tulee mitata.^[2] Se on siis avaruuden metriikan esitys. Jos avaruuden metrinen tensori tunnetaan, tunnetaan koko avaruuden geometria. Metrisellä tensorilla on aina kaksi indeksiä, mistä syystä se voidaan esittää matriisimuodossa.

Mielivaltaisessa avaruudessa etäisyys kahden pisteen ${\displaystyle a}$ ja ${\displaystyle b}$ välillä saadaan käyränpituuden kaavasta

${\displaystyle L=\int _{a}^{b}{\sqrt {g_{ij}{dx^{i} \over dt}{dx^{j} \over dt}}}dt\ }$,

missä on käytetty Einsteinin summaussääntöä. Käyränpituuden kaavassa esiintyvät kertoimet ${\displaystyle g_{ij}}$ ovat avaruuden metrisen tensorin komponentit. Metrinen tensori on symmetrinen, eli

${\displaystyle g_{ij}=g_{ji}\,}$.

Jos metriikka antaa mille tahansa kahdelle pisteelle aina etäisyyden, joka on positiivinen (tai nolla), metriikan sanotaan olevan positiividefiniitti ja tällöin puhutaan Riemannin metriikasta. Jos etäisyys voi olla myös negatiivinen, kyseessä on pseudo-Riemannin metriikka. Jälkimmäisiä tulee vastaan esimerkiksi suhteellisuusteoriassa (ajanluonteiset pinnat).

Jos avaruuden koordinaatisto voidaan lausua karteesisten koordinaattien avulla, metrisen tensorin laskeminen on helppoa Jacobin matriisin avulla. Jos ${\displaystyle J\,}$ on koordinaatistomuunnosta vastaava Jacobin matriisi ja ${\displaystyle J^{T}\,}$ sen transpoosi, metrinen tensori

${\displaystyle g=J^{T}J\,}$.

Metrisen tensorin avulla mikä tahansa differentiaalinen etäisyys ${\displaystyle ds}$ voidaan Einsteinin summaussääntöä käyttäen kirjoittaa

${\displaystyle ds^{2}=g_{\mu \nu }dx^{\mu }dx^{\nu }\,}$.

Erityisesti jos tensorin kaikki nollasta eroavat komponentit ovat diagonaalilla, tämä on sama kuin

${\displaystyle ds^{2}=g_{11}dx^{1}dx^{1}+g_{22}dx^{2}dx^{2}+g_{33}dx^{3}dx^{3}+\ldots \,}$

Tilanteessa, jossa ${\displaystyle g}$ on euklidinen metriikka (ks. esimerkit alla) tämä vastaa täsmälleen Pythagoraan lausetta, kuten tietysti pitääkin.

1. ↑ Local structure tensor for multidimensional signal processing, s. 136. Presses univ. de Louvain. ISBN 9782874631016. (englanniksi)
2. ↑ De Graef, Marc & McHenry, Michael: Structure of Materials: An Introduction to Crystallography, Diffraction and Symmetry, s. 80. Cambridge University Press, 2012. ISBN 9781107005877. (englanniksi)