Tensores Pags. 1-89 PDF

1 Tensores
1
Tensores
1.1 Introducción
Muchos fenómenos físicos se representan matemáticamente mediante Tensores, los cuales,

por necesidad son representados en un sistema de referencia, de este modo surge el
concepto de componentes del tensor. Si bien los tensores son independientes del sistema
de referencia, las componentes serán dependientes y variarán con éste.
Los tensores pueden ser clasificados según su orden como:
Escalar (Tensor de orden 0): Cantidad que tiene magnitud pero no dirección (ejemplo:
densidad de masa, temperatura, presión). Los escalares pueden ser funciones del espacio y
del tiempo y no necesariamente han de ser constantes.
Vector (Tensor de orden 1): Cantidad que tiene magnitud y dirección (ejemplo: velocidad,
aceleración, fuerza). Será simbolizado por una letra en negrita con una flecha en la parte
r
superior del tensor, i.e.: • .
Tensor de segundo orden (Tensor de orden 2): Cantidad que tiene magnitud y dos
direcciones (ejemplo: tensión, deformación). Será simbolizado por una letra en negrita.
Para los tensores de órdenes superiores también usaremos letras en negrita.
Este capítulo trata del estudio detallado de los tensores (escalar, vector, tensor de segundo
orden, y de orden superior), y de algunas herramientas matemáticas que darán soporte al
desarrollo de las teorías que se exponen en los capítulos posteriores.
Primeramente, revisaremos algunas operaciones de vectores independientemente del
sistema de coordenadas. A continuación, introduciremos el sistema de coordenadas
rectangulares para expresar las componentes de un vector en dicho sistema. Una vez
definido el sistema de referencia, podremos expresar las operaciones con vectores tan sólo
12 MECÁNICA DEL MEDIO CONTINUO: CONCEPTOS BÁSICOS
en función de sus componentes. Por último, expondremos la notación indicial por su

simplicidad y fácil manipulación matemática.
Posteriormente estudiaremos los tensores de orden superior, poniendo especial énfasis en
los tensores de segundo orden. Para finalizar, plantearemos los campos de tensiones y los
sistemas de coordenadas cilíndricas y esféricas.
1.2 Vectores
A continuación presentamos algunas operaciones entre vectores en el espacio vectorial

tridimensional Euclidiano (E ) .
r r
Suma: Sean los vectores a y b pertenecientes al espacio de vectores. La suma de los
r
mismos, ver Figura 1.1(a), será otro vector ( c ) dado por:
r r r r r
c =a+b=b+ a (1.1)
r r r
a r d a r
c c
r
r −b r
b b
a) b)
Figura 1.1: Suma y resta de vectores.
r r r
Resta: La resta de dos vectores ( a , b ), ver Figura 1.1(b), será otro vector ( d ) dado por:
r r r
d=a−b (1.2)
r r r
Para los vectores a , b y c , pertenecientes al espacio de vectores, se cumplen las siguientes
relaciones:
r r r r r r r r r
(a + b) + c = a + (b + c ) = a + b + c (1.3)
r r
Producto por un escalar λ : Sea el vector a , el producto λa será un vector con la misma
r
dirección de a , mientras que su módulo y sentido dependerán del valor del escalar λ , tal y
como se indica en la Figura 1.2.
Producto Escalar
r r
Sean los vectores a y b , se define el Producto Escalar de ambos vectores como un escalar γ
de valor:
r r r r
γ = a ⋅ b = a b cos θ (1.4)
Mecánica del Medio Continuo: Conceptos Básicos (3ª Edición) Por: Eduardo W.V. Chaves
1 TENSORES 13
siendo θ el ángulo formado por los dos vectores, y • es el módulo (o magnitud) de • , ver
r r r r
Figura 1.3(a). Podemos concluir también que a ⋅ b = b ⋅ a .
r r
Para el caso en que a = b obtenemos que:
r r r r r r r r r r r
a ⋅ a = a a cos θ θ
→ a ⋅ a = a a ⇒ a = a ⋅ a
=0 º
(1.5)
λ =1 λ >1 λ<0 0 < λ <1
r r r
r r λa a a
a a
r
λa
r
λa
Figura 1.2: Producto de un vector por un escalar.
Vector Unitario (versor)

r
Dado un vector a , el versor (vector unitario) asociado a esta dirección será un vector â
r
con la misma dirección y sentido de a , definido por:
r
a
aˆ = r (1.6)
a
r r
donde a es el módulo del vector a . Si â es un vector unitario, entonces debe cumplir
que:
aˆ = 1 (1.7)
Vector Nulo
El vector nulo viene representado por:

r
0 (1.8)
Vector Proyección
r r
El vector proyección del vector a sobre el vector b (Figura 1.3(b)) será un vector con la
r r
dirección de b y con módulo de valor projbr a dado por:
r r
projbr a = a ⋅ bˆ (1.9)
r
donde b̂ es el versor según la dirección de b , luego se cumple que:
r r
r a ⋅b
projbr a = r (1.10)
b
Mecánica del Medio Continuo: Conceptos Básicos (3ªEdición) Por: Eduardo W.V. Chaves
r 0≤θ≤π r
a a
. r
θ r θ
r b
b projbr a
a) b)
Figura 1.3: Producto escalar.
r r
Podemos obtener el vector projbr a como su módulo projbr a multiplicado por el versor
r
según la dirección de b :
r r r r r
r a⋅b b a⋅b r
proj a = r
r
b
r = r r b
b b b b (1.11)
1
4243
escalar
Ortogonalidad de dos vectores:
Dos vectores son ortogonales entre sí cuando se cumple la siguiente condición:

r r
a⋅b = 0 (1.12)
Producto Vectorial
r r r
El producto vectorial de dos vectores a y b da como resultado un tercer vector c que se
caracteriza por ser perpendicular a estos dos vectores (Figura 1.4), y que posee las
siguientes características:
Representación:
r r r r r
c = a ∧ b = −b ∧ a (1.13)
r r r
Dado que c es perpendicular a a y a b , se cumple entonces que:
r r r r
a⋅c = b ⋅c = 0 (1.14)
r
El módulo de c es por definición:
r r r
c = a b sin θ (1.15)
r r
siendo θ el menor ángulo formado entre los vectores a y b , ver Figura 1.4.
El módulo del producto vectorial es el área ( A ) del paralelogramo formado por estos dos
vectores, ver Figura 1.4(a):
r r
A= a∧b (1.16)
y como consecuencia el área del triangulo formado por los puntos OCD (Figura 1.4(b))
será:
1 r r
AT = a∧b (1.17)
2
1 TENSORES 15
r r r r
Si a y b son colineales (linealmente dependiente, i.e. a = αb , donde α es un escalar), el
r
producto vectorial entre ellos resultará el vector nulo, 0 .
r r r r D
c = a∧b c r
D b
r AT
b A θ r C
.
O . a
.. θ r
a C
O
r r r
−c =b∧a
a) b)
Figura 1.4: Producto vectorial.
Triple Producto Escalar

r r r
Dados tres vectores ( a, b, c ) se denomina el triple producto escalar a:
(
r r r r r r r r r
)
a ⋅ b ∧ c = b ⋅ (c ∧ a) = c ⋅ a ∧ b = V ( )
( ) ( )
r r r r r r r r r (1.18)
V = −a ⋅ c ∧ b = −b ⋅ (a ∧ c ) = −c ⋅ b ∧ a
El resultado de esta operación es el volumen del paralelepípedo ( V ) formado por estos tres
vectores, tal y como se muestra en la Figura 1.5.
r r
Luego, para vectores cualesquiera a , b se cumple que:
(
r r r r
)
a⋅ b ∧ a = 0 (1.19)
r r r r
Dados los vectores a , b , c , d , y α , β escalares, la siguiente propiedad es válida:
r r r r r r r r r r
(α a + β b) ⋅ (c ∧ d) = α a ⋅ (c ∧ d) + β b ⋅ (c ∧ d) (1.20)
NOTA: Algunos autores representan el triple producto escalar por la siguiente
r r r r r r
(
r r r r r r
) r r r r r r
nomenclatura, [a, b, c ] ≡ a ⋅ b ∧ c , [b, c, a] ≡ b ⋅ (c ∧ a) , [c, a, b] ≡ c ⋅ a ∧ b , y así ( )
sucesivamente. ■
V ≡ Triple producto escalar
r r r r V
a∧b c
b
.. θ r
a
Figura 1.5: Triple producto escalar.
Triple Producto Vectorial

r r r r
Dados tres vectores a , b y c , el triple producto vectorial resulta un vector w dado por
r r r r
( )
w = a ∧ b ∧ c , siendo válidas las siguientes relaciones:
r r r r
( )
r r r r r r
(
r r r r r r
)
w = a ∧ b ∧ c = −c ∧ a ∧ b = c ∧ b ∧ a = (a ⋅ c ) b − a ⋅ b c ( )
(1.21) ( )
r
Observemos que el vector w es un vector contenido en el plano Π1 , formado por los vectores
r r
b y c , según se muestra en la Figura 1.6.
r r
Π1 Π1 - plano formado por b y c
Π2 r r r r
c Π 2 - plano formado por a y b ∧ c
r r
b w contenido en el plano Π1
r
a
r r
r b∧c
w
Figura 1.6: Triple producto vectorial.
r r
Ejemplo 1.1: Probar que si a y b son vectores se cumple que:
(ar ∧ br )⋅ (ar ∧ br ) = (ar ⋅ ar )(br ⋅ br ) − (ar ⋅ br )
2
Solución:
(ar ∧ br )⋅ (ar ∧ br )
r r 2 r r 2 r 2 r 2
= a ∧ b = a b sin θ = a b sin 2 θ ( )
r 2 r 2 r 2 r 2 r 2 r 2
= a b 1 − cos 2 θ = a b − a b cos 2 θ ( )
r 2 r 2 r r 2 r 2 r 2 r r 2
= a b − a b cos θ = a b − a ⋅ b ( ) ( )
r r r r r r 2
= (a ⋅ a) b ⋅ b − a ⋅ b ( ) ( )
r r r 2 r r r 2
donde hemos considerado que a ⋅ a = a y b ⋅ b = b .
Transformación Lineal
Decimos que una transformación F es una transformación lineal cuando dados dos
r r
vectores u y v y un escalar α se cumplen que:
r r r r
F (u + v ) = F (u) + F ( v )
r r
F (αu) = αF (u)
1 TENSORES 17
1
Ejemplo 1.2: Verificar si para las siguientes transformaciones σ(ε) = Eε y ψ(ε) = Eε 2
2
son transformaciones lineales.
Solución: σ(ε1 + ε 2 ) = E [ε1 + ε 2 ] = Eε1 + Eε 2 = σ(ε1 ) + σ(ε 2 ) (transformación lineal)
σ( ε)
σ (ε 1 + ε 2 ) = σ (ε 1 ) + σ ( ε 2 )
σ (ε 2 )
σ (ε 1 )
ε1 ε2 ε1 + ε 2 ε
1
La transformación ψ(ε) = Eε 2 se demuestra fácilmente que no es una transformación
2
lineal ya que:
1 1
[ ] 1 1 1
ψ(ε1 + ε 2 ) = E [ε1 + ε 2 ]2 = E ε12 + 2ε1ε 2 + ε 22 = Eε12 + Eε 22 + E 2ε1ε 2
2 2 2 2 2
= ψ ( ε 1 ) + ψ ( ε 2 ) + Eε 1 ε 2 ≠ ψ ( ε 1 ) + ψ ( ε 2 )
ψ ( ε)
ψ (ε1 + ε 2 )
ψ (ε1 ) + ψ (ε 2 )
ψ (ε 2 )
ψ (ε1 )
ε1 ε2 ε1 + ε 2 ε
1.3 Sistema de Coordenadas
Un tensor es una interpretación matemática de un concepto físico. Sus componentes

adoptan valores que dependen del sistema de coordenadas elegido para representarlo, ver
Figura 1.7.
TENSORES
Interpretación matemática de conceptos físicos
(Independiente del sistema de coordenadas)
COMPONENTES
Representación del Tensor en
un Sistema de Coordenadas
Figura 1.7: Esquema tensor-componentes.

r
Consideremos un tensor de orden uno ( a ) como el representado en la Figura 1.8(a), la
representación de este tensor en un sistema de coordenadas genérico ( ξ1 , ξ 2 , ξ 3 ) se hace a
través de sus componentes ( a1 , a 2 , a 3 ), ver Figura 1.8(b).
ξ3 ξ2
r
a ( a1 , a 2 , a 3 )
r r
a a
a) b)
ξ1
Figura 1.8: Representación de un vector.
Los sistemas de coordenadas pueden ser de varios tipos: coordenadas curvilíneas,

coordenadas cartesianas rectangulares, coordenadas cilíndricas y coordenadas esféricas,
entre otros.
1.3.1 Sistema de Coordenadas Rectangulares
El sistema de coordenadas cartesianas rectangulares viene definido por tres vectores: î , ĵ ,

k̂ , los cuales constituyen una base ortonormal. Se entiende por base ortonormal, aquella que
satisface las siguientes propiedades:
1. Los vectores que forman esta base son unitarios (versores):
î = ˆj = kˆ = 1 (1.22)
o lo que es igual:
1 TENSORES 19
î ⋅ î = ˆj ⋅ ˆj = kˆ ⋅ kˆ = 1 (1.23)
2. Los vectores de esta base son ortogonales entre sí, es decir:
î ⋅ ˆj = ˆj ⋅ kˆ = kˆ ⋅ î = 0 (1.24)
3. El producto vectorial entre los versores que forman esta base cumple lo siguiente:
î ∧ ˆj = kˆ ; ˆj ∧ kˆ = î ; kˆ ∧ î = ˆj (1.25)
Para conocer el sentido del vector resultante del producto vectorial utilizamos la regla de la
mano derecha, tal y como se indica en la Figura 1.9.
î ∧ ˆj = kˆ ˆj ∧ kˆ = î kˆ ∧ î = ˆj (1.26)
ĵ ĵ ĵ
î î î
k̂ k̂
k̂
Figura 1.9: Regla de la mano derecha.
1.3.2 Representación de los Vectores en el Sistema de

Coordenadas Cartesianas
r
En el sistema de coordenadas cartesianas, el vector a (Figura 1.10) está representado por
sus componentes ( a x , a y , a z ) como:
r
a = a x î + a y ˆj + a z kˆ (1.27)
ay
r
a
ĵ
î ax
k̂
x
az
Figura 1.10: Vector en el sistema cartesiano.
Las operaciones básicas particularizadas a este sistema de referencia son:

r r
Producto Escalar de dos vectores a y b
r r
a ⋅ b = (a x î + a y ˆj + a z kˆ ) ⋅ (b x î + b y ˆj + b z kˆ ) = (a x b x + a y b y + a z b z ) (1.28)
r r r
Luego, se cumple que a ⋅ a = a x a x + a y a y + a z a z = a 2x + a 2y + a 2z = a
2
NOTA: La proyección de un vector sobre una dirección determinada obtenemos a

través del producto escalar del vector y del versor que define esa dirección. Como
r
ejemplo, si quisiéramos obtener la componente del vector a según la dirección y
r
(representado por su versor ĵ ) es suficiente con: a ⋅ ˆj = (a x î + a y ˆj + a z kˆ ) ⋅ (ˆj) = a y .■
r
módulo del vector a
r
a = a 2x + a 2y + a 2z (1.29)
r
vector unitario correspondiente al vector a
r
a ax ay az
aˆ = r = î + ˆj + kˆ
a 2 2 2 (1.30)
ax + a y + az a 2x + a 2y + a 2z a 2x + a 2y + a 2z
vector nulo
r
0 = 0 î + 0 ˆj + 0 kˆ (1.31)
r r
Suma de dos vectores a y b
r r
a + b = (a x î + a y ˆj + a z kˆ ) + (b x î + b y ˆj + b z kˆ )
(1.32)
x (
= (a + b ) î + a + b ˆj + (a + b ) kˆ
x y y ) z z
r r
Resta de dos vectores a y b
r r
a − b = (a x î + a y ˆj + a z kˆ ) − (b x î + b y ˆj + b z kˆ )
(1.33)
x (
= (a − b ) î + a − b ˆj + (a − b ) kˆ
x y y ) z z
Multiplicación por un escalar λ

r
λa = λa x î + λa y ˆj + λa z kˆ (1.34)
r r
Producto Vectorial de dos vectores a y b
î ˆj kˆ
r r r a y az a ay
c = a ∧ b = ax ay az = î − a x a z ˆj + x kˆ
by bz bx bz bx b y (1.35)
bx b y bz
= (a y b z − a z b y )î − (a xb z − a z b x )ˆj + (a xb y − a y b x )kˆ
donde el símbolo • ≡ det (•) se emplea para indicar el determinante de una matriz.
r r r
Triple Producto Escalar de los vectores [ a, b, c ] en términos de sus
componentes viene definido por:
1 TENSORES 21
ax ay az
r r r
(
r r r r r r r r r
)
V (a, b, c ) = a ⋅ b ∧ c = b ⋅ (c ∧ a) = c ⋅ a ∧ b = b x ( ) by bz
cx cy cz
by bz bx bz bx by (1.36)
= ax − ay + az
cy cz cx cz cx cy
( ) (
= a x b y c z − b z c y − a y (b x c z − b z c x ) + a z b x c y − b y c x )
r r r
Triple Producto Vectorial de los vectores ( a, b, c ) en función de sus
componentes es:
r r r
(
a∧ b∧c ) r r r r r r
( )
= (a ⋅ c ) b − a ⋅ b c
(1.37)
( )
= (λ 1b x − λ 2 c x ) î + λ 1b y − λ 2 c y ˆj + (λ 1b z − λ 2 c z ) kˆ
r r r r
con λ 1 = a ⋅ c = a x c x + a y c y + a z c z , y λ 2 = a ⋅ b = a x b x + a y b y + a z b z .
Ejemplo 1.3: Considérense los puntos A(1,3,1) , B (2,−1,1) , C (0,1,3) y D(1,2,4 ) .

Se pide:
→ →
1) Encontrar el área del paralelogramo definido por AB y AC ;
→ → →
2) Encontrar el volumen del paralelepípedo definido por: AB , AC y AD ;
→ →
3) Encontrar el vector proyección del vector AB sobre el vector BC .
Solución:
→ →
1) Primero se calculan los vectores AB y AC :
r → → →
a = AB = OB − OA = (2î − 1ˆj + 1kˆ ) − (1î + 3ˆj + 1kˆ ) = 1î − 4ˆj + 0kˆ
(0î + 1ˆj + 3kˆ )− (1î + 3ˆj + 1kˆ ) = −1î − 2ˆj + 2kˆ
r → → →
b = AC = OC − OA =
Utilizando la definición (1.35) se obtiene el producto vectorial:
î ˆj kˆ
r r
a∧b= 1 − 4 0 = ( −8)î − 2ˆj + ( −6)kˆ
−1 − 2 2
El área del paralelogramo será igual al módulo del vector resultante del producto
vectorial:
r r
A = a ∧ b = (−8) 2 + (−2) 2 + ( −6) 2 = 104 (unidades cuadradas)
→
2) Calculando el vector AD :
r → → →
( ) ( )
c = AD = OD − OA = 1î + 2ˆj + 4kˆ − 1î + 3ˆj + 1kˆ = 0î − 1ˆj + 3kˆ
Utilizando la definición (1.36) obtenemos que:
r r r r r r
(
V (a, b, c ) = c ⋅ a ∧ b ) = (0î − 1ˆj + 3kˆ )⋅ (− 8î − 2ˆj − 6kˆ )
= 0 + 2 − 18 = 16 (unidades cúbicas)
→
3) A continuación calculamos el vector BC :
→ → →
( ) ( )
BC = OC − OB = 0î + 1ˆj + 3kˆ − 2î − 1ˆj + 1kˆ = −2î + 2ˆj + 2kˆ
Utilizando la ecuación (1.11):
proj
→
AB =
→
BC ⋅ AB
→
BC
→
=
(− 2î + 2ˆj + 2kˆ )⋅ (1î − 4ˆj + 0kˆ ) (− 2î + 2ˆj + 2kˆ )
→
BC
BC
1
42
→
⋅4
BC
3
→
(− 2î + 2ˆj + 2kˆ )⋅ (− 2î + 2ˆj + 2kˆ )
→ 2
BC
=
(− 2 − 8 + 0 ) (− 2î + 2ˆj + 2kˆ )
(4 + 4 + 4 )
→ 5ˆ 5ˆ 5 ˆ
proj →
AB = i − j− k
BC 3 3 3
1.3.3 Convenio de Suma de Einstein

r
Definimos en la expresión (1.27) la representación de un vector a en el sistema de
coordenadas rectangular:
r
a = a x î + a y ˆj + a z kˆ (1.38)
Podemos reescribir la representación anterior como:
r
a = a1eˆ 1 + a 2 eˆ 2 + a 3 eˆ 3 (1.39)
donde hemos considerado que: a1 ≡ a x , a 2 ≡ a y , a 3 ≡ a z , eˆ 1 ≡ î , eˆ 2 ≡ ĵ , eˆ 3 ≡ k̂ , tal y
como se indica en la Figura 1.11.
y
a y ≡ a2
r
a
ˆj ≡ eˆ
2
î ≡ eˆ a x ≡ a1
1
x
a z ≡ a3 kˆ ≡ eˆ 3
z
De esta forma podemos expresar la representación simbólica del vector (1.39) como una
suma:
3
r
a = a1eˆ 1 + a 2 eˆ 2 + a 3 eˆ 3 = ∑ a eˆ i i (1.40)
i =1
1 TENSORES 23
o simplemente utilizando el convenio de suma o Notación de Einstein, según la cual, se

utilizan índices repetidos para indicar suma, así pues la expresión (1.40) queda de la
siguiente manera:
r
a = a1eˆ 1 + a 2 eˆ 2 + a 3 eˆ 3 = a i eˆ i (i = 1,2,3)
r (1.41)
a = a i eˆ i (i = 1,2,3)
NOTA: La notación de suma fue introducida por Albert Einstein en 1916, dando origen
así a la notación indicial. ■
1.4 Notación Indicial
Utilizando notación indicial los ejes del sistema de coordenadas son designados por la letra
x con un subíndice. Por eso xi no representa un único valor, sino i valores, es decir x1 ,
x 2 , x3 ( si i = 1,2,3 ) donde estos valores ( x1 , x 2 , x3 ) corresponden respectivamente a los
ejes ( x , y , z ).
r
En un sistema de coordenadas cartesianas, un vector a será representado por sus
componentes en la base del citado sistema de la siguiente forma:
r
a = a1eˆ 1 + a 2 eˆ 2 + a 3 eˆ 3 (1.42)
donde ê1 , ê 2 , ê 3 son versores (vectores unitarios), tal y como se muestra en la Figura
1.12, y a1 , a 2 , a 3 son las componentes del vector. En notación indicial las componentes del
vector serán representadas por a i . Si no se indica el rango del subíndice, se supondrá que
adopta los valores 1,2,3. Por tanto, las componentes de vector pueden representarse de la
siguiente forma:
 a1 
r
(a) i = a i = a 2  (1.43)
 a 3 
y ≡ x2
a2
r
a
ê 2
ê1 a1
x ≡ x1
ê 3
a3
z ≡ x3
r
Componentes del Vector Unitario: Dado un vector a , el vector unitario asociado a esta
dirección será un vector â dado por:
r
â = a
r con aˆ = 1 (1.44)
a
cuyas componentes serán:

ai ai ai
aˆ i = = = (i, j , k = 1,2,3) (1.45)
a12 + a 22 + a 32 a ja j ak ak
Los subíndices se denominan de 2 formas:

Subíndices libres aquellos que sólo aparecen una vez en un término de la expresión. En la
ecuación anterior el subíndice libre es el subíndice ( i ). El número de
subíndices libres indica el orden del tensor.
Subíndices mudos son los subíndices que se repiten en una expresión indicando suma. En la
ecuación anterior (1.45) son, o bien el ( j ), o bien el ( k ).
OBS.: Un subíndice en un término de una expresión sólo puede aparecer una o

dos veces. En el caso de que aparezca tres o más veces, entonces la expresión es
incorrecta.
Producto Escalar: Utilizando las definiciones (1.4) y (1.28), podemos expresar el producto
escalar en notación indicial de la siguiente forma:
r r r r
γ = a ⋅ b = a b cos θ
(1.46)
γ = a1b1 + a 2 b 2 + a 3b 3 = a i b i = a j b j (i, j = 1,2,3)
Ejemplo 1.4: Reescribir en notación indicial las siguientes expresiones:

1) a1 x1 x 3 + a 2 x 2 x 3 + a 3 x 3 x 3
Solución: a i xi x 3 (i = 1,2,3)
2) x1 x1 + x2 x2
Solución: xi x i (i = 1,2)
 a11 x + a12 y + a13 z = b x

3) a 21 x + a 22 y + a 23 z = b y

 a 31 x + a 32 y + a 33 z = b z
Solución:
 a11 x1 + a12 x 2 + a13 x 3 = b1  a1 j x j = b1
 
índice índice
a 21 x1 + a 22 x 2 + a 23 x 3 = b2
mudo j
 → a 2 j x j = b2 libre
i → a ij x j = bi
a x + a x + a x = b 
 31 1 32 2 33 3 3  a 3 j x j = b3
Como podemos apreciar, la utilización de la notación indicial supone que la expresión
quede muy concisa. En muchos casos, tratar de realizar manipulaciones algebraicas sin
utilizar notación indicial o tensorial es casi imposible debido a la gran cantidad de términos
que pueden intervenir.
1 TENSORES 25
Ejemplo 1.5: Expandir la expresión: Aij x i x j (i, j = 1,2,3)

Solución: Los índices i, j son índices mudos (indican suma), no hay índice libre, y como
resultado tenemos un escalar. Expandimos primero el índice mudo i y a continuación el
índice j , resultando así:
Aij x i x j expandiend
   oi
→ A1 j x1 x j + A2 j x 2 x j + A3 j x 3 x j
1424 3 1 424 3 1 424 3
A11 x1 x1 A21 x 2 x1 A31 x 3 x1
+ + +
expandiendo j
A12 x1 x 2 A22 x 2 x 2 A32 x 3 x 2
+ + +
A13 x1 x 3 A23 x 2 x 3 A33 x 3 x 3
Reagrupando los términos anteriores obtenemos:
Aij x i x j = A11 x1 x1 + A12 x1 x 2 + A13 x1 x 3 + A21 x 2 x1 + A22 x 2 x 2 +
A23 x 2 x 3 + A31 x 3 x1 + A32 x 3 x 2 + A33 x 3 x 3
1.4.1 Delta de Kronecker

El símbolo delta de Kronecker δ ij definimos de la manera siguiente:
 1 si i = j

δ ij =  (1.47)
 0 si i ≠ j

Observemos también que el producto escalar de la base ortonormal eˆ i ⋅ eˆ j es 1 si i = j y 0
si i ≠ j . Si lo anterior lo exponemos de forma explícita, obtendremos:
 eˆ 1 ⋅ eˆ 1 eˆ 1 ⋅ eˆ 2 eˆ 1 ⋅ eˆ 3  1 0 0
 
eˆ i ⋅ eˆ j = eˆ 2 ⋅ eˆ 1 eˆ 2 ⋅ eˆ 2 eˆ 2 ⋅ eˆ 3  = 0 1 0 = δ ij (1.48)
eˆ 3 ⋅ eˆ 1 eˆ 3 ⋅ eˆ 2 eˆ 3 ⋅ eˆ 3  0 0 1

Una propiedad muy interesante de la delta de Kronecker la demostramos a continuación
r
con el siguiente ejemplo, sea un vector ( V ) de componentes ( Vi ) se cumple:
δ ij Vi = δ 1 jV1 + δ 2 jV2 + δ 3 jV3 (1.49)
luego, como ( j = 1,2,3) es un índice libre tenemos:
j = 1 ⇒ δ ij Vi = δ 11V1 + δ 21V2 + δ 31V3 = V1 

j = 2 ⇒ δ ij Vi = δ 12V1 + δ 22V2 + δ 32V3 = V 2  ⇒ δ ij Vi = V j (1.50)

j = 3 ⇒ δ ijVi = δ 13V1 + δ 23V 2 + δ 33V3 = V3 
Es decir, en la presencia del símbolo Delta de Kronecker reemplazamos el índice repetido,

tal y como se indica a continuación:
δi j V i =V j (1.51)
Por esta razón, la delta de Kronecker es frecuentemente llamada operador de sustitución.
Otros ejemplos relacionados con este operador se presentan a continuación:

δ ij Aik = A jk , δ ij δ ji = δ ii = δ jj = δ 11 + δ 22 + δ 33 = 3 , δ ji a ji = aii = a jj = a11 + a 22 + a 33
También podemos verificar que se cumple que:
 ∂x1 ∂x1 ∂x1 
 
 ∂x1 ∂x 2 ∂x 3  1 0 0
∂xi  ∂x 2 ∂x 2 ∂x 2  
= = 0 1 0 = δ ij (1.52)
∂x j  ∂x1 ∂x 2 ∂x 3 
   
 ∂x 3 ∂x3 ∂x 3  0 0 1 
 ∂x1 ∂x 2 ∂x 3 
r
Sea la base ortonormal ê i , podemos obtener las componentes del vector a en esta base
como:
r
a ⋅ eˆ i = a p eˆ p ⋅ eˆ i = a p δ pi = a i (1.53)
Con eso, también podemos representar un vector como:
r r
a = a i eˆ i = (a ⋅ eˆ i )eˆ i (1.54)
Ejemplo 1.6: Resolver las siguientes expresiones:

1) δ ii δ jj
Solución: δ ii δ jj = (δ 11 + δ 22 + δ 33 )(δ 11 + δ 22 + δ 33 ) = 3 × 3 = 9
2) δ α1δ αγ δ γ1
Solución: δ α1δ αγ δ γ1 = δ γ1δ γ1 = δ 11 = 1
NOTA: Observar que es incorrecto hacer la siguiente operación δ γ1δ γ1 ≠ δ γγ = 3 ≠ δ 11 = 1 ,
ya que lo que se reemplaza es el índice repetido ■
1.4.2 Símbolo de Permutación

El símbolo de permutación  ijk viene definido como:
+ 1 si (i, j , k ) ∈ {(1,2,3), (2,3,1), (3,1,2)}


 ijk = − 1 si (i, j , k ) ∈ {(1,3,2), (3,2,1), (2,1,3)} (1.55)
0 para el resto de casos i.e. : si (i = j ) o ( j = k ) o (i = k )

NOTA:  ijk son las componentes del pseudo-tensor Levi-Civita, que será definido mas
adelante. ■
Otra forma de expresar este operador es a través de sus subíndices:
1
 ijk = (i − j )( j − k )(k − i ) (1.56)
2
Los valores de  ijk pueden ser fácilmente memorizados si utilizamos la Figura 1.13(a), en el
cual si los valores de los índices están ordenados en el sentido horario el valor de  ijk es
igual a 1 y si están ordenados en el sentido antihorario  ijk asumirá el valor − 1 .
Con la definición (1.67) y utilizando la Figura 1.13(b) podemos comprobar que las
siguientes relaciones son válidas:
1 TENSORES 27
 ijk =  jki =  kij

(1.57)
 ijk = − ikj = − jik = − kji
(ijk ) = 1
1 i ijk =  jki = kij
(ijk ) = −1 ijk = −ikj  ijk = − ikj

3 2 k j = − kji
= − jik
a) b)
Figura 1.13: Símbolo de permutación.
Si expresamos el símbolo de permutación en función de la delta de Kronecker (operador de

sustitución), obtenemos:
 ijk =  lmn δ li δ mj δ nk
= δ 1i δ 2 j δ 3k − δ 1i δ 3 j δ 2 k − δ 2i δ 1 j δ 3k + δ 3i δ 1 j δ 2 k + δ 2i δ 3 j δ 1k − δ 3i δ 2 j δ 1k (1.58)
( ) (
= δ 1i δ 2 j δ 3k − δ 3 j δ 2 k − δ 1 j (δ 2i δ 3k − δ 3i δ 2 k ) + δ 1k δ 2i δ 3 j − δ 3i δ 2 j )
lo que es igual al resultado del siguiente determinante:
δ 1i δ 1 j δ 1k δ 1i δ 2i δ 3i
 ijk = δ 2i δ 2 j δ 2 k = δ 1 j δ 2 j δ 3 j (1.59)
δ 3i δ 3 j δ 3k δ 1k δ 2 k δ 3k
Por lo tanto podemos expresar el producto  ijk  pqr como el producto de dos
determinantes que definimos a continuación:
δ 1i δ 2i δ 3i δ 1 p δ 1q δ 1r
 ijk  pqr = δ1 j δ 2 j δ 3 j δ 2 p δ 2q δ 2r (1.60)
δ 1k δ 2 k δ 3k δ 3 p δ 3q δ 3r
Si tenemos en cuenta que dadas dos matrices cuadradas se cumple que
det (AB ) = det (A )det (B ) , donde det (•) ≡ • es el determinante de la matriz • , la relación
(1.60) resulta ser:
 δ 1i δ 2i δ 3i   δ 1 p δ 1q δ 1r  δ ip δ iq δ ir
 
 ijk  pqr = δ 1 j δ2j δ 3 j  δ 2 p δ 2 q δ 2 r  ⇒  ijk  pqr = δ jp δ jq δ jr (1.61)
δ 1k δ 2k δ 3k  δ 3 p δ 3q δ 3r  δ kp δ kq δ kr
Observemos que el término δ ip fue obtenido a través de la operación:

δ 1i δ 1 p + δ 2i δ 2 p + δ 3i δ 3 p = δ mi δ mp = δ ip , análogamente podemos obtener el resto de
términos. Para el caso particular en el que r = k la relación (1.61) puede expresarse como:
 ijk  pqk = δ ip δ jq − δ iq δ jp i, j , k , p, q = 1,2,3 (1.62)
Ejemplo 1.7: a) Probar que  ijk  pjk = 2δ ip y que  ijk  ijk = 6 . b) Obtener el valor numérico
de la siguiente expresión  ijk δ 2 j δ 3k δ 1i .
Solución: a) Utilizando la expresión (1.62),  ijk  pqk = δ ip δ jq − δ iq δ jp , y haciendo q = j ,
resulta:
 ijk  pjk = δ ip δ jj − δ ij δ jp
= δ ip 3 − δ ip = 2δ ip
Partiendo del resultado anterior, es trivial la siguiente comprobación:
 ijk  ijk = 2δ ii = 6
b)  ijk δ 2 j δ 3k δ 1i = 123 = 1
r r r
El Producto Vectorial de dos vectores a y b resultará un vector c , definido en
(1.35), y viene dado por:
eˆ 1 eˆ 2 eˆ 3
r r r
c = a ∧ b = a1 a2 a 3 = (a 2 b 3 − a 3b 2 )eˆ 1 + (a 3b1 − a1b 3 )eˆ 2 + (a1b 2 − a 2 b1 )eˆ 3 (1.63)
142 4 43 4 14243 14243
b1 b2 b3 c1 c2 c3
Podemos utilizar la definición del símbolo de permutación  ijk , definido en (1.55), y

r
expresar las componentes de c como:
c 1 = 123 a 2 b 3 + 132 a 3b 2 = 1 jk a j b k 

c 2 =  231a 3b1 +  213 a1b 3 =  2 jk a j b k  ⇒ c i =  ijk a j b k (1.64)

c 3 =  312 a1b 2 +  321a 2 b1 =  3 jk a j b k 
r r
Luego, el producto vectorial, entre dos vectores a , b , podrá ser representado a través del
símbolo de permutación como:
r r
a ∧ b =  ijk a j b k eˆ i
a j eˆ j ∧ b k eˆ k = a j b k  ijk eˆ i (1.65)
a j b k (eˆ j ∧ eˆ k ) = a j b k  ijk eˆ i = a j b k  jki eˆ i
Con lo cual concluimos que:
(eˆ j ∧ eˆ k ) =  ijk eˆ i (1.66)
También podemos relacionar el operador de permutación con la base ortonormal ê i a

través del triple producto escalar de dicha base:
eˆ i ∧ eˆ j =  ijm eˆ m ⇒ (eˆ i ∧ eˆ j )⋅ eˆ
=  ijm eˆ m ⋅ eˆ k =  ijm δ mk =  ijk
k (1.67)
r r r
El Triple Producto Escalar de los vectores ( a, b, c ) viene dado por:
r r r
( ) ( ) ( )
λ = a ⋅ b ∧ c = a i eˆ i ⋅ b j eˆ j ∧ c k eˆ k = a i b j c k eˆ i ⋅ eˆ j ∧ eˆ k =  ijk a i b j c k (1.68)
r r r
( )
λ = a ⋅ b ∧ c =  ijk a i b j c k (i, j , k = 1,2,3) (1.69)
ó
1 TENSORES 29
a1 a 2 a3
(
r r r r r r r r r
)
λ = a ⋅ b ∧ c = b ⋅ (c ∧ a) = c ⋅ a ∧ b = b1 b 2 ( ) b3 (1.70)
c3 c1 c2
r r r r r r r r r
( )
Demostraremos que se cumplen a ⋅ b ∧ c = b ⋅ (c ∧ a) = c ⋅ a ∧ b partiendo de la relación ( )
(1.69), y además teniendo en cuenta las relaciones dadas en (1.57), obtenemos que:
r r r r r r
[a, b, c] ≡ a ⋅ b ∧ c ( ) = ijk aib j c k
r r r r r r
=  jki aib j c k = b ⋅ (c ∧ a) ≡ [b, c, a]
r r r
( r r r
=  kij aib j c k = c ⋅ a ∧ b ≡ [c, a, b] )
r r r
( r r r
= −ikj aib j c k = −a ⋅ c ∧ b ≡ −[a, c, b]
r r r r r r
) (1.71)
= − jik aib j c k = −b ⋅ (a ∧ c ) ≡ −[b, a, c ]

r r r
( r r r
= − kji aib j c k = −c ⋅ b ∧ a ≡ −[c, b, a] )
Observemos que:
a1 a 2 a3 a1 a2 a3
r r r r r r
[a, b, c] = −[a, c, b] = b1 b 2 b 3 = − c1 c2 c3 (1.72)
c1 c2 c3 b1 b 2 b3
con lo cual hemos demostrado que si intercambiamos filas (o columnas) el signo del
determinante cambia.
Ejemplo 1.8: Escribir la siguiente relación a ∧ b ⋅ c ∧ d sin emplear el producto (r r ) (r r )

vectorial.
r r
(
Solución: Observemos que el producto vectorial a ∧ b lo podemos expresar de la siguiente )
(
r r
)
forma: a ∧ b = a j eˆ j ∧ b k eˆ k =  ijk a j b k eˆ i , cuyo resultado es un vector, donde hemos
utilizado la definición del símbolo de permutación (1.65). Análogamente podemos expresar
r r
( r r
) ( )
el producto vectorial c ∧ d como c ∧ d =  nlm c l d m eˆ n , por lo tanto:
(
r r
a∧b )⋅ ( r r
c∧d ) =  ijk a j b k eˆ i ) ⋅ ( nlm c l d m eˆ n )
=  ijk  nlm a j b k c l d m eˆ i ⋅ eˆ n
=  ijk  nlm a j b k c l d m δ in
=  ijk  ilm a j b k c l d m
Teniendo en cuenta que  ijk  ilm =  jki  lmi (relación (1.57)) y aplicando la relación (1.62),
i.e.:  jki  lmi = δ jl δ km − δ jm δ kl ) =  jki  ilm , concluimos que:
 ijk  ilm a j b k c l d m = (δ jl δ km − δ jm δ kl ) a j b k c l d m = a l b m c l d m − a m b l c l d m
Puesto que el subíndice mudo indica el producto escalar: a l c l = (a ⋅ c ) y b m d m = b ⋅ d ,
r r
(r r )
luego:
(ar ∧ br )⋅ (cr ∧ dr ) = (ar ⋅ cr ) (br ⋅ dr ) − (ar ⋅ dr )(br ⋅ cr ) r r
r r
Además, la expresión anterior se cumple para el caso cuando a = c y b = d , luego
(ar ∧ br )⋅ (ar ∧ br ) = ar ∧ br 2 r r r r
( ) ( )( )
r r r r r
= (a ⋅ a) b ⋅ b − a ⋅ b b ⋅ a = a
2 r
b
2
( )
r r
− a⋅b
2
que es la misma expresión demostrada en el Ejemplo 1.1.
(r r ) (r r ) r [r
Ejemplo 1.9: Probar que: a ∧ b ∧ c ∧ d = c d ⋅ (a ∧ b) − d c ⋅ (a ∧ b)
r r
] r [r r r
]
Solución: Expresaremos en notación indicial los términos que están la derecha de la igualdad:
[r r r
cr d ⋅ (a


] [rr r r
] [ (
∧ b) − d c ⋅ (a ∧ b)  = c p d i  ijk a j b k − d p c i  ijk a j b k
p
)] [ ( )]
⇒  ijk a j b k c p d i −  ijk a j b k c i d p ⇒  ijk a j b k c p d i − c i d p ( )
Si utilizamos la propiedad de la delta de Kronecker:
⇒  ijk a j b k (δ pm c m d n δ ni − δ im c m d n δ np ) ⇒ ( ijk a j b k ) c m d n (δ pm δ ni − δ im δ np )
y si consideramos (1.62), resulta: δ pm δ ni − δ im δ np =  pil  mnl . Reemplazamos en la expresión
anterior y obtenemos:
⇒ ( ijk a j b k ) c m d n ( pil  mnl ) ⇒  pil [( ijk a j b k ) ( mnl c m d n )]
(r r )
Dado que las componentes de a ∧ b son  ijk a j b k y las componentes de c ∧ d son (r r )
 mnl c m d n , obtenemos que:
[(r r ) (r r )]
 pil [( ijk a j b k ) ( mnl c m d n )] = a ∧ b ∧ c ∧ d p
r r r r
Ejemplo 1.10: Si a , b , c son vectores linealmente independientes y v un vector dado
por:
r r r r r
v = αa + βb + γ c ≠ 0
Probar que los escalares α , β , γ vienen dados por:
 ijk v i b j c k  ijk a i v j c k  ijk a i b j v k
α= ; β= ; γ=
 pqr a p b q c r  pqr a p b q c r  pqr a p b q c r
r r r
Solución: Haciendo el producto escalar del vector v por el vector ( b ∧ c ) obtenemos que:
r r r r r r r r r r r r
v ⋅ (b ∧ c ) = αa ⋅ (b ∧ c ) + β b ⋅ (b ∧ c ) + γ c ⋅ (b ∧ c )
14243 14243
=0 =0
Obtenemos entonces el valor de α como:
r r r
v ⋅ (b ∧ c )
α= r r r
a ⋅ (b ∧ c )
En componentes:
v1 v2 v3 v1 b1 c1
b1 b2 b3 v2 b2 c2
c1 c2 c3 v3 b3 c3  ijk v i b j c k
α= = =
a1 a2 a3 a1 b1 c1  pqr a p b q c r
b1 b2 b3 a2 b2 c2
c1 c2 c3 a3 b3 c3
Análogamente podemos obtener los parámetros β , γ , es decir, hacemos el producto
r r r r r
escalar del vector v por los vectores a ∧ c y a ∧ b , respectivamente.
Ejemplo 1.11: Probar la relación (1.37):

r r r
( )
r r r r r r
a ∧ b ∧ c = (a ⋅ c ) b − a ⋅ b c ( )
1 TENSORES 31
r
(r r ) (r r )
Solución: Teniendo en cuenta que (d) i = b ∧ c i =  ijk b j c k y a ∧ d q =  qjk b j c k , podemos
obtener que:
[ar ∧ (br ∧ cr )]
q =  qsi a s ( ijk b j c k ) =  qsi  ijk a s b j c k =  qsi  jki a s b j c k
= (δ qj δ sk − δ qk δ sj ) a s b j c k = δ qj δ sk a s b j c k − δ qk δ sj a s b j c k
r r r r
( )
= a k b q c k − a j b j c q = b q (a ⋅ c ) − c q a ⋅ b
[ (
r r r
)] [ r r r rr r
⇒ a ∧ b ∧ c q = b(a ⋅ c ) − c a ⋅ b q ( )]
1.5 Operaciones Algebraicas con Tensores
1.5.1 Diádicas
El producto diádico de dos vectores (producto tensorial) resultará en un tensor de segundo
r r
orden. Si consideramos los vectores v y u , el producto diádico vendrá representado por:
rr r r
uv ≡ u ⊗ v = A (1.73)
donde el operador ⊗ denota el producto tensorial. Como veremos más adelante, cualquier
tensor puede ser representado a través de combinación lineal de productos diádicos
(diádicas). Verificaremos también que una diádica es un caso particular de un tensor de
segundo orden, Holzapfel(2000).
El producto diádico obedece a las siguientes leyes:
r r r r r r r r r
1. (u ⊗ v ) ⋅ x = u( v ⋅ x ) ≡ u ⊗ ( v ⋅ x ) (1.74)
r r r r r r r
2. u ⊗ (αv + βw ) = αu ⊗ v + βu ⊗ w (1.75)
r r r r r r r r r r r
3. (αv ⊗ u + βw ⊗ r ) ⋅ x = α ( v ⊗ u) ⋅ x + β ( w ⊗ r ) ⋅ x
r r r r r r (1.76)
= α[v ⊗ (u ⋅ x )] + β [w ⊗ (r ⋅ x )]
donde α y β son escalares. Por definición, el producto diádico no posee la propiedad
r r r r
conmutativa, es decir, u ⊗ v ≠ v ⊗ u .
La expresión (1.73) también la podemos expresar en el sistema cartesiano como:
r r
A = u ⊗ v = (u i eˆ i ) ⊗ ( v j eˆ j )
= u i v j (eˆ i ⊗ eˆ j ) (i, j = 1,2,3) (1.77)
= A ij (eˆ i ⊗ eˆ j )
A =
{ A ij eˆ i ⊗ eˆ j
Tensor
{ 1 424 3 (i, j = 1,2,3) (1.78)
componentes base
Las componentes de un tensor de segundo orden serán representadas de diferentes formas

en el desarrollo de este libro:
r r
1=2
A4u4⊗3
v
↓
componentes
↓
(1.79)
r r
( A ) ij = (u ⊗ v ) ij = u i v j = A ij
Dichas componentes pueden estar explícitamente expresadas de forma matricial:
 A 11 A 12 A 13 
( A ) ij = A ij = A =  A 21 A 22 A 23  (1.80)
 A 31 A 32 A 33 
Observemos que un tensor de segundo orden tiene 9 componentes independientes. A
continuación exponemos la representación de tensores de diferentes órdenes, dos, tres y
cuatro, en el sistema cartesiano:
U = U ij eˆ i ⊗ eˆ j
T = Tijk eˆ i ⊗ eˆ j ⊗ eˆ k (i, j , k , l = 1,2,3) (1.81)
I = I ijkl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l
OBS.: El orden de un tensor viene dado por el número de subíndices libres en sus
componentes.
OBS.: El número de componentes de un tensor viene dado por el máximo valor
del rango del subíndice, elevado al número de subíndices libres.
Ejemplo 1.12: ¿ Cuál es el orden de los tensores representados por sus componentes: v i ,
Φ ijk , Fijj , ε ij , C ijkl , σ ij ? Determinar cuantas componentes independientes tiene el tensor
C.
Solución: El orden del tensor viene dado por el número de subíndices libres, luego:
r r
Tensores de orden uno: v , F ; Tensores de segundo orden: ε , σ ; Tensor de tercer orden:
Φ ; Tensor de cuarto orden: C .
El número de componentes de un tensor viene dado por el máximo valor del rango del
subíndice, 3 si ( i = 1,2,3 ), elevado al número de subíndices libres. Es decir, para el tensor de
cuarto orden, el número de índices libres es 4, luego:
3 4 = (i = 3) × ( j = 3) × (k = 3) × (l = 3) = 81
El tensor de cuarto orden C ijkl tiene 81 componentes independientes.
Dados dos tensores de segundo orden A y B , a continuación definimos algunas

operaciones entre ellos:
Suma
La suma de dos tensores del mismo orden resulta ser un tercer tensor de igual orden:
C = A +B =B + A (1.82)
Las componentes del tensor resultante ( C ) viene representadas por:
1 TENSORES 33
(C) ij = ( A + B) ij C ij = A ij + B ij (1.83)
que de forma matricial expresamos como:
C =A+B (1.84)
Multiplicación de un tensor por un escalar
La multiplicación de un tensor de segundo orden ( A ) por un escalar ( λ ) viene definido
por un tensor D , tal que:
D = λA en
componente
 s →(D) ij = λ( A ) ij (1.85)
en forma matricial:
 A 11 A 12 A 13   λA 11 λA 12 λA 13 
A = A 21 A 22 
A 23  → λA = λA 21 λA 22 λA 23  (1.86)
 A 31 A 32 A 33  λA 31 λA 32 λA 33 
También se cumple que:
r r
(λ A ) ⋅ v = λ ( A ⋅ v ) (1.87)
r
para cualquier vector v .
Producto Escalar
r
El producto escalar de un tensor de segundo orden A por un vector x (tensor de orden
r
uno) resulta ser otro vector y (tensor de orden uno):
r r δ kl
y = A⋅x
= ( A jk eˆ j ⊗ eˆ k ) ⋅ ( x l eˆ l )
= A jk x l δ kl eˆ j
(1.88)
= A jk x k eˆ j
123
yj
= y j eˆ j
El producto escalar de dos tensores de segundo orden A y B es otro tensor de segundo

orden, verificándose que A ⋅ B ≠ B ⋅ A :
δ jk δ jk
C = A ⋅ B = ( A ij eˆ i ⊗ eˆ j ) ⋅ (B kl eˆ k ⊗ eˆ l ) D = B ⋅ A = (B ij eˆ i ⊗ eˆ j ) ⋅ ( A kl eˆ k ⊗ eˆ l )
= A ij B kl δ jk eˆ i ⊗ eˆ l = B ij A kl δ jk eˆ i ⊗ eˆ l
= A ik B kl eˆ i ⊗ eˆ l = B ik A kl eˆ i ⊗ eˆ l (1.89)
123 123
AB BA
= C il eˆ i ⊗ eˆ l = D il eˆ i ⊗ eˆ l
También se cumplen las siguientes propiedades:

A ⋅ (B + C) = A ⋅ B + A ⋅ C
(1.90)
A ⋅ (B ⋅ C) = ( A ⋅ B) ⋅ C
Potencia de Tensores
El producto escalar (contracción simple) nos permite definir la potencia de tensores de

segundo orden, luego:
A 0 = 1 ; A1 = A ; A 2 = A ⋅ A (1.91)
donde 1 es el tensor identidad de segundo orden, ver subapartado 1.5.2.5.
Doble Producto Escalar
r r r r
Consideremos dos diádicas, A = c ⊗ d y B = u ⊗ v , el doble producto escalar (doble
contracción) podrá ser definido de distintas formas A : B y A ⋅ ⋅B tal como se indica a
continuación.
Doble contracción (⋅ ⋅ ) :
(cr ⊗ dr ) ⋅ ⋅ (ur ⊗ vr ) = (cr ⋅ vr )(dr ⋅ ur ) (1.92)
δ il
δ jk
A ⋅ ⋅ B = ( A ij eˆ i ⊗ eˆ j )⋅ ⋅ (B kl eˆ k ⊗ eˆ l )
= A ij B kl δ jk δ il
(1.93)
= A ij B ji
=γ (escalar )
Doble contracción ( : ):
(
r r r r
) r r r r
A : B = c ⊗ d : (u ⊗ v ) = (c ⋅ u) d ⋅ v ( ) (1.94)
Según la definición del doble producto escalar, podemos demostrar que es conmutativo:
r r r r
( )
r r r r
( )
r r r r
B : A = (u ⊗ v ) : c ⊗ d = (u ⋅ c ) v ⋅ d = (c ⋅ u) d ⋅ v = A : B ( ) (1.95)
En componentes:
δ ik
A : B = ( A ij eˆ i ⊗ eˆ j ) : (B kl eˆ k ⊗ eˆ l )
= A ij B kl δ ik δ jl δ jl (1.96)
= A ij B ij
=λ (escalar )
Observemos que A : B ≠ A ⋅ ⋅B , excepto cuando al menos uno de los dos tensores sea
simétrico, i.e. A sym : B = A sym ⋅ ⋅ B , A : B sym = A ⋅ ⋅ B sym , A sym : B sym = A sym ⋅ ⋅ B sym
El doble producto escalar de un tensor de tercer orden ( S ) y uno de segundo ( B ), resulta:
(
r r r r r
)
r r r r
S : B = c ⊗ d ⊗ a : (u ⊗ v ) = (a ⋅ v ) d ⋅ u ( )cr
( ) ( )ar
r r r r r r r r r (1.97)
B : S = (u ⊗ v ) : c ⊗ d ⊗ a = (u ⋅ c ) v ⋅ d
1 TENSORES 35
Teniendo en cuenta la definición anterior, S : B en la base Cartesiana viene representada

por:
S ijk eˆ i ⊗ eˆ j ⊗ eˆ k : B pq eˆ p ⊗ eˆ q = S ijk B pq δ jp δ kq eˆ i = S ijk B jk eˆ i (1.98)
La doble contracción de un tensor de cuarto orden C con uno de segundo orden ε queda
definido por:
C ijkl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l : ε pq eˆ p ⊗ eˆ q = C ijkl ε pq δ kp δ lq eˆ i ⊗ eˆ j = C ijkl ε kl eˆ i ⊗ eˆ j (1.99)

= σ ij eˆ i ⊗ eˆ j
donde σ ij son la componentes resultante de la operación σ = C : ε .

A continuación expresamos algunas propiedades del doble producto escalar ( : ):
a) A : B = B : A
b) A : (B + C ) = A : B + A : C (1.100)
c) λ(A : B ) = (λA ) : B = A : (λB )
donde A , B, C son tensores de segundo orden y λ escalar.
A través del doble producto escalar, podemos obtener las componentes del tensor de
segundo orden A , según el sistema cartesiano, como:
( A ) ij = ( A kl eˆ k ⊗ eˆ l ) : (eˆ i ⊗ eˆ j ) = eˆ i ⋅ ( A kl eˆ k ⊗ eˆ l ) ⋅ eˆ j = A kl δ ki δ lj = A ij (1.101)
r r
Consideremos dos vectores cualesquiera a , b y A un tensor de segundo orden,
demostramos que:
r r
a ⋅ A ⋅ b = a p eˆ p ⋅ A ij eˆ i ⊗ eˆ j ⋅ b r eˆ r = a p A ij b r δ pi δ jr
= a i A ij b j = A ij (a i b j ) (1.102)
r r
= A : (a ⊗ b )
Producto Vectorial
r
El producto vectorial de un tensor de segundo orden A por un vector x (tensor de orden
uno) resulta ser un tensor de segundo orden dado por:
r
A ∧ x = ( A ij eˆ i ⊗ eˆ j ) ∧ ( x k eˆ k )
(1.103)
=  ljk A ij x k eˆ i ⊗ eˆ l
donde empleamos la definición (1.67), es decir, eˆ j ∧ eˆ k =  ljk eˆ l . Hemos demostrado en el

r
(r r ) r r r
(r r ) r
Ejemplo 1.11 la siguiente relación a ∧ b ∧ c = (a ⋅ c ) b − a ⋅ b c , que también la podemos
representar a través de diádicas como:
[ar ∧ (br ∧ cr )] j = (a k c k )b j − (a k b k )c j = (b j c k − c j b k )a k
[( ) ]
r r r r r (1.104)
= b ⊗ c − c ⊗b ⋅a j
r r
En el caso particular cuando a = c podemos decir que:
[ar ∧ (br ∧ ar )] j = (a k a k )b j − (a k b k )a j = (a k a k )b p δ jp − (a k b p δ kp )a j
[ ] [
= (a k a k )δ jp − (a k δ kp )a j b p = (a k a k )δ jp − a p a j b p ] (1.105)
{ r r r
= [(a ⋅ a)1 − a ⊗ a] ⋅ b j
r r
}
Con lo cual podemos decir que las siguientes relaciones son válidas:
r r r r r r r r r r r r r r
( ) (
a ∧ (b ∧ c ) = (a ⋅ c ) b − a ⋅ b c = b ⊗ c − c ⊗ b ⋅ a
r r
) (1.106)
r r r
a ∧ (b ∧ a) = [(a ⋅ a)1 − a ⊗ a]⋅ b
r r r
1.5.1.1 Representación de las Componentes de un Tensor de Segundo

Orden en la Base Cartesiana
Como hemos visto, un vector que tiene 3 componentes independientes lo hemos

representado en el espacio cartesiano tal y como se indica en la Figura 1.12. Un tensor de
segundo orden arbitrario tiene 9 componentes independientes, luego necesitaríamos de un
hiperespacio para su presentación. A continuación presentamos un artilugio para hacer la
representación de las componentes del tensor de segundo orden en el espacio cartesiano.
Dado un tensor de segundo orden T , y su representación en la base cartesiana:
T = Tij eˆ i ⊗ eˆ j
= T11eˆ 1 ⊗ eˆ 1 + T12 eˆ 1 ⊗ eˆ 2 + T13 eˆ 1 ⊗ eˆ 3 +
(1.107)
+ T21eˆ 2 ⊗ eˆ 1 + T22 eˆ 2 ⊗ eˆ 2 + T23 eˆ 2 ⊗ eˆ 3 +
+ T31eˆ 3 ⊗ eˆ 1 + T32 eˆ 3 ⊗ eˆ 2 + T33 eˆ 3 ⊗ eˆ 3
Podemos obtener la proyección de T según la base ê k como:

T ⋅ eˆ k = Tij eˆ i ⊗ eˆ j ⋅ eˆ k = Tij eˆ i δ jk = Tik eˆ i = T1k eˆ 1 + T2 k eˆ 2 + T3k eˆ 3 (1.108)
Observemos que como resultado tenemos tres vectores ( k = 1,2,3 ):
r
k = 1 ⇒ Ti1eˆ i = T11eˆ 1 + T21eˆ 2 + T31eˆ 3 = t ( eˆ 1 )
 r ( eˆ )
T ⋅ eˆ k = Tik eˆ i ⇒ k = 2 ⇒ Ti 2 eˆ i = T12 eˆ 1 + T22 eˆ 2 + T32 eˆ 3 = t 2 (1.109)
 r (eˆ )
k = 3 ⇒ Ti 3 eˆ i = T13 eˆ 1 + T23 eˆ 2 + T33 eˆ 3 = t
3
r ˆ r ˆ r ˆ
La representación de estos vectores t ( e1 ) , t (e 2 ) , t (e 3 ) , en la base cartesiana se muestra en la
Figura 1.14.
x3 r ˆ
t (e3 ) = T ⋅ eˆ 3
ê 3
r ˆ
t (e 2 ) = T ⋅ eˆ 2
r ˆ ê 2 x2
t (e1 ) = T ⋅ eˆ 1
ê 1
x1
Figura 1.14: Vectores tensores en la base cartesiana.
1 TENSORES 37
r ˆ
Observemos también que t ( e1 ) es el tensor proyectado según la dirección ê1 cuyo versor
representamos por nˆ (i1) = [1,0,0] , es decir:
 T11 T12 T31  1  T11 
( T ⋅ nˆ ) i =  T21 T23  0 =  T21  = t i( e1 )
ˆ
T22 (1.110)
 T31 T32 T33  0  T31 
El mismo resultado (1.110) podía haber sido obtenido simplemente haciendo el producto
escalar de T dado por (1.107) por la base ê1 , es decir:
T ⋅ eˆ 1 = [ T11eˆ 1 ⊗ eˆ 1 + T12 eˆ 1 ⊗ eˆ 2 + T13 eˆ 1 ⊗ eˆ 3 +
+ T21eˆ 2 ⊗ eˆ 1 + T22 eˆ 2 ⊗ eˆ 2 + T23 eˆ 2 ⊗ eˆ 3 +
(1.111)
+ T31eˆ 3 ⊗ eˆ 1 + T32 eˆ 3 ⊗ eˆ 2 + T33 eˆ 3 ⊗ eˆ 3 ] ⋅ eˆ 1
r ˆ
= T11eˆ 1 + T21eˆ 2 + T31eˆ 3 = t ( e1 )
Luego, podemos representar las componentes de un tensor de segundo orden en la base
cartesiana tal y como se indica en la Figura 1.15.
Las componentes de la diagonal principal, T11 , T22 , T33 , están normales a los planos
definidos por los versores ê1 , ê 2 , ê 3 , respectivamente. Por ello denominamos de
componentes normales. Las componentes que están tangentes al plano denominamos de
componentes tangenciales, que corresponden a las componentes que están fuera de la diagonal
principal.
x3 rˆ
T33 ê 3 t (e 3 )
 T11 T12 T13 
Tij =  T21 T22 T23 
 T31 T32 T33  rˆ
t (e 2 )
T13 ê1 T23 ê 2 T32 ê 3
T31ê 3
r ˆ T22 ê 2
t ( e1 ) T21ê 2
T12 ê1
x2
T11ê1
x1
Figura 1.15: Representación de las componentes de un tensor de segundo en la base

cartesiana.
NOTA: A lo largo del libro utilizaremos las siguientes notaciones:
Notación tensorial Notación simbólica
A ⋅ B = ( A ij eˆ i ⊗ eˆ j ) ⋅ (B kl eˆ k ⊗ eˆ l )
= A ij B kl δ jk (eˆ i ⊗ eˆ l ) (1.112)
= A ij B jl (eˆ i ⊗ eˆ l )
base cartesiana
Notación indicial
Observemos que no se repite índices más que 2 veces ni en la notación simbólica ni en la

notación indicial. Observemos también que la notación indicial será equivalente a la
notación tensorial sólo cuando se trata de un escalar, e.g. A : B = A ijB ij = λ , a ⋅ b = a i b i .■
1.5.2 Propiedades de los Tensores

1.5.2.1 Transpuesta
Sea un tensor de segundo orden A representado por:

A = A ij (eˆ i ⊗ eˆ j ) (1.113)
La transpuesta del tensor A definimos como:
A T = A ji (eˆ i ⊗ eˆ j ) = A ij (eˆ j ⊗ eˆ i ) (1.114)
Si A ij son las componentes de A , las componentes de la transpuesta de A serán:
(A T ) ij = A ji (1.115)
r r r r
Si A = u ⊗ v , la transpuesta de A vendrá dada por A T = v ⊗ u :
r r T r r
AT = (u ⊗ v ) = v ⊗u
(
= u i eˆ i ⊗ v j eˆ j )
T
= v j eˆ j ⊗ u i eˆ i = v i eˆ i ⊗ u j eˆ j
(1.116)
(
= u i v j eˆ i ⊗ eˆ j )
T
= u i v j eˆ j ⊗ eˆ i = u j v i eˆ i ⊗ eˆ j
= (A )T
ˆ ⊗ eˆ j
ij e i = A ij eˆ j ⊗ eˆ i = A ji eˆ i ⊗ eˆ j
Sean A , B dos tensores y α , β escalares, las siguientes relaciones son válidas:

(A T )T = A
(αB + βA ) T = αB T + βA T (1.117)
(B ⋅ A ) = A
T T
⋅B T
( )
A : B T = A ij eˆ i ⊗ eˆ j : (B kl eˆ l ⊗ eˆ k ) = A ij B kl δ il δ jk = A ij B ji = A ⋅ ⋅ B
(1.118)
AT : B = (A ˆ
ij e j ⊗ eˆ ) : (B
i kl e k
ˆ ⊗ eˆ l ) = A ij B kl δ jk δ il = A ij B ji = A ⋅ ⋅ B
La transpuesta de la matriz que contienen las componentes del tensor, se forma al cambiar
filas por columna y viceversa, es decir:
1 TENSORES 39
T
 A 11 A 12 A 13   A 11 A 12 A 13   A 11 A 21 A 31 
A = A 21 A 22 A 23   → A =  A 21
 transpuesta T
A 22 A 23  =  A 12
 A 22 A 32  (1.119)
 A 31 A 32 A 33   A 31 A 32 A 33   A 13 A 23 A 33 
Ejemplo 1.13: Demostrar que las siguientes relaciones son válidas:

( )
A : (B ⋅ C ) = B T ⋅ A : C = A ⋅ C T : B ( )
donde A , B , C son tensores de segundo orden cualesquiera.
Solución: Demostraremos esta identidad a través de sus componentes:
(
A : (B ⋅ C ) = A ij eˆ i ⊗ e j : B lk eˆ l ⊗ e k ⋅ C pq eˆ p ⊗ eˆ q )
= A ij B lk C pq eˆ i ⊗ e j : δ kp eˆ l ⊗ eˆ q( )
= A ij B lk C pq δ kp δ il δ jq = A ij B ik C kj
Observemos que cuando trabajamos en notación indicial la posición de las componentes
no importa, es decir:
A ij B ik C kj = B ik A ij C kj = A ij C kj B ik
Podemos ahora observar que la operación B ik A ij resultará un tensor de segundo orden
cuyas componentes son (B T ⋅ A ) kj luego, B ik A ij C kj = (B T ⋅ A ): C . Análogamente podemos
decir que A ij C kj B ik = (A ⋅ C T ): B .
r r
Ejemplo 1.14: Demostrar que, si u , v son vectores y A un tensor de segundo orden, la
siguiente relación es válida:
r r r r
u⋅ AT ⋅ v = v ⋅ A ⋅u
Solución:
r r r r
u⋅ AT ⋅ v = v ⋅ A ⋅u
u i eˆ i ⋅ A jl eˆ l ⊗ eˆ j ⋅ v k eˆ k = v k eˆ k ⋅ A jl eˆ j ⊗ eˆ l ⋅ u i eˆ i
u i A jl δ il v k δ jk = v k δ kj A jl u i δ il
u l A jl v j = v j A jl u l
1.5.2.2 Simetría y Antisimetría
1.5.2.2.1 Tensor Simétrico
Un tensor de segundo orden A es simétrico, i.e.: A ≡ A sym , si el tensor es igual a su

transpuesta:
A = A T en
componente
 s → A ij = A ji (1.120)
En forma de matriz:
 A 11 A 12 A 13 
A =A 
→ AT sym
=  A 12 A 22 A 23  (1.121)
 A 13 A 23 A 33 
Podemos notar claramente que un tensor simétrico de segundo orden tiene 6 componentes
independientes: A 11 , A 22 , A 33 , A 12 , A 23 , A 13 .
Según ecuación (1.120) un tensor simétrico se puede representar por:
A ij = A ji
A ij + A ij = A ij + A ji
2 A ij = A ij + A ji (1.122)
1 1
A ij = ( A ij + A ji ) ⇒ A= (A + A T )
2 2
Un tensor de cuarto orden C , cuyas componentes son C ijkl , puede presentar:
Simetría menor:
C ijkl = C jikl = C ijlk = C jilk (1.123)
Simetría mayor:
C ijkl = C klij (1.124)
Luego, un tensor de cuarto orden es simétrico si presenta simetría menor y mayor. Un
tensor de cuarto orden no simétrico tiene 81 componentes independientes. Si presenta sólo
simetría menor, es decir, simetría en ij = ji (6) y simetría en kl = lk (6) , quedando el tensor
con 36 componentes independientes. Si además de simetría menor el tensor presenta
también simetría mayor, el tensor presenta 21 componentes independientes.
1.5.2.2.2 Tensor Antisimétrico
Un tensor A será antisimétrico, i.e.: A ≡ A anti , si:

A = − A T en
componente
  s → A ij = − A ji (1.125)
o aún:
 0 A 12 A 13 
A = −A 
→ A T anti
= − A 12 0 A 23  (1.126)
 − A 13 − A 23 0 
Observemos que un tensor antisimétrico de segundo orden tiene 3 componentes
independientes: A 12 , A 23 , A 13 .
Según la condición (1.125) un tensor antisimétrico viene dado por:
A ij + A ij = A ij − A ji
2 A ij = A ij − A ji (1.127)
1 1
A ij = ( A ij − A ji ) ⇒ A = (A − A T )
2 2
Sea W un tensor antisimétrico, luego debe cumplir la relación (1.127):
1 1 1
Wij = (Wij − W ji ) = (Wkl δ ik δ jl − Wkl δ jk δ il ) = Wkl (δ ik δ jl − δ jk δ il ) (1.128)
2 2 2
Utilizando la relación entre la delta de Kronecker y el operador de permutación dada por
(1.62) obtenemos que δ ik δ jl − δ jk δ il = − ijr  lkr y reemplazando en la expresión (1.128)
resulta:
1
Wij = − Wkl  ijr  lkr (1.129)
2
1 TENSORES 41
Desarrollando el término Wkl  lkr para los índices mudos k , l sólo quedamos con los
siguientes términos distintos de cero:
Wkl  lkr = W12  21r + W13  31r + W2112 r + W23  32 r + W3113r + W32  23r (1.130)
con lo que concluimos que:
r =1 ⇒ Wkl  lkr = − W23 + W32 = −2W23 = 2 w1 

r=2 ⇒ Wkl  lkr = W13 − W31 = 2W13 = 2w2  ⇒ Wkl  lkr = 2wr (1.131)

r =3 ⇒ Wkl  lkr = − W12 + W21 = −2W12 = 2w3 
donde hemos hecho los siguientes cambios de variables:

 0 W12
W13   0 W12 W13   0 − w3 w2 
Wij =  W21  
W23  =  − W12
0 0  
W23  =  w3 0 − w1  (1.132)
 W31W32 0   − W13 − W23 0   − w2 w1 0 
r r
Definimos así el vector axil w correspondiente al tensor antisimétrico W . El módulo de w
viene dado por:
r r r
ω 2 = w = w ⋅ w = w12 + w22 + w32 = W232 + W132 + W122
2
(1.133)
Reemplazando (1.131) en (1.129) y considerando que  ijr =  rij obtenemos que:
Wij = − wr  rij (1.134)
Partiendo de la expresión (1.134) y multiplicando los dos miembros por  kij obtenemos
que:
 kij Wij = − wr  rij  kij = −2 wr δ rk = −2 wk (1.135)
donde aplicamos la relación  rij  kij = 2δ rk obtenida en el Ejemplo 1.7, con lo que
concluimos que:
1
wk = −  kij Wij (1.136)
2
La representación de las componentes del tensor antisimétrico y de su vector axil
correspondiente, en el sistema cartesiano, se puede apreciar en la Figura 1.16.
r r
Sean a y b vectores arbitrarios y W un tensor antisimétrico, entonces se cumple que:
r r r r r r
b ⋅ W ⋅ a = a ⋅ W T ⋅ b = −a ⋅ W ⋅ b (1.137)
r r
luego si a = b resulta que:
r r r r r r
− a ⋅ W ⋅ a = a ⋅ W ⋅ a = W : (a ⊗ a) = 0 (1.138)
r r
NOTA: Observar que (a ⊗ a) resulta un tensor de segundo orden simétrico. Más
adelante, demostraremos que el doble producto escalar entre un tensor simétrico y un
tensor antisimétrico resulta ser cero. ■
x3
r
w = w1eˆ 1 + w2 eˆ 2 + w3 eˆ 3
w3 = − W12
W13
W23
 0 W12 W13 
Wij =  − W12 0 W23  W12
 − W13 − W23 0 
W12
x2
w1 = − W23 W23 w2 = W13

W13
x1
Figura 1.16: Componentes de un tensor antisimétrico.

r
Sean W un tensor antisimétrico y a un vector arbitrario, las componentes del producto
r
escalar W ⋅ a vienen dadas por:
Wij a j = Wi1a1 + Wi 2 a 2 + Wi 3 a 3
i = 1 ⇒ W11a1 + W12 a 2 + W13 a 3
(1.139)
i = 2 ⇒ W21a1 + W22 a 2 + W23 a 3
i =3⇒ W31a1 + W32 a 2 + W33 a 3
Considerando la propiedad del tensor antisimétrico, i.e., W11 = 0 , W22 = 0 , W33 = 0 , el
producto escalar (1.139) resulta:
i = 1 ⇒ W12 a 2 + W13 a 3
(W ⋅ a)i ⇒ i = 2 ⇒ W21a1 + W23 a 3
r
(1.140)
i = 3 ⇒ W a + W a
 31 1 32 2
Fijemos que las componentes anteriores son las mismas que resultan de la operación:
eˆ 1 eˆ 2 eˆ 3
r r
w ∧ a = w1 w2 w3
a1 a2 a3 (1.141)
= (− w3 a 2 + w2 a 3 ) eˆ 1 + (w3 a1 − w1a 3 ) eˆ 2 + (− w2 a1 + w1a 2 ) eˆ 3
= (W12 a 2 + W13 a 3 )eˆ 1 + (W21a1 + W23 a 3 ) eˆ 2 + (W31a1 + W32 a 2 ) eˆ 3
donde se cumple que w1 = −W23 = W32 , w2 = W13 = −W31 , w3 = −W12 = W21 . Luego, dado un
r
tensor antisimétrico W , y el vector axil w correspondiente a W se cumple que:
r r r
W⋅a = w ∧ a (1.142)
r
para todo vector a . La relación anterior podría haber sido obtenida a través de la
definición de las componentes de W dada por (1.134), i.e.:
1 TENSORES 43
r r r
(W ⋅ a) i = Wik a k = − w j  jik a k =  ijk w j a k = ( w ∧ a) i (1.143)
r r
Podemos representar el vector axil w por su módulo, w = ω , y por un versor según la
r r
dirección de w como w = ωê1* , luego la expresión (1.142) puede aun ser expresada por:
r r r r
W ⋅ a = w ∧ a = ωeˆ 1* ∧ a (1.144)
Además si escogemos dos versores ê *2 , ê *3 que constituyan una base ortonormal con ê1* ,
ver Figura 1.17, tal que:
eˆ 1* = eˆ *2 ∧ eˆ *3 ; eˆ *2 = eˆ *3 ∧ eˆ 1* ; eˆ *3 = eˆ 1* ∧ eˆ *2 (1.145)
r
Podemos entonces representar el vector a en esta nueva base como
r
a = a1* eˆ 1* + a *2 eˆ *2 + a *3 eˆ *3 , luego:
r r
W ⋅ a = ωeˆ 1* ∧ a = ωeˆ 1* ∧ (a1* eˆ 1* + a *2 eˆ *2 + a *3 eˆ *3 )
= ω (a1* eˆ 1* ∧ eˆ 1* + a *2 eˆ 1* ∧ eˆ *2 + a *3 eˆ 1* ∧ eˆ *3 ) = ω (a *2 eˆ *3 − a *3 eˆ *2 )
1 424 3 1 424 3 1 424 3 (1.146)
=0ˆ =eˆ *3 =− eˆ *2
[ r
= ω (eˆ *3 ⊗ eˆ *2 − eˆ *2 ⊗ eˆ *3 ) ⋅ a ]
Con lo cual podemos representar un tensor antisimétrico como:
W = ω (eˆ *3 ⊗ eˆ *2 − eˆ *2 ⊗ eˆ *3 ) (1.147)
r
w = ωê1*
ê*2 ê3 ê 2
ê1*
ê1
ê*3
Figura 1.17: bases ortonormales.
Aprovechando la representación del tensor antisimétrico (1.147), podemos obtener la

proyección del tensor W según las direcciones ê1* , ê *2 , ê *3 :
r
W ⋅ eˆ 1* = 0 ; W ⋅ eˆ *2 = ωeˆ *3 ; W ⋅ eˆ *3 = −ωeˆ *2 (1.148)
También podemos verificar que se cumple lo siguiente:
[
eˆ *3 ⋅ W ⋅ eˆ *2 = eˆ *3 ⋅ ω (eˆ *3 ⊗ eˆ *2 − eˆ *2 ⊗ eˆ *3 ) ] ⋅ eˆ *
2 =ω
(1.149)
eˆ *2 ⋅ W ⋅ eˆ *3 = eˆ *2 ⋅ [ω (eˆ *
3 ⊗ eˆ *2 − eˆ *2 ⊗ eˆ )] ⋅ eˆ
*
3
*
3 = −ω
Luego, en este nuevo espacio podemos representar las componentes del tensor W como:
0 0 0 
Wij* = 0 0 − ω 

(1.150)
0 ω 0 
En la Figura 1.18 podemos apreciar dichas componentes y la representación del vector axil.
Observemos también que, si tomamos otros dos versores cualesquiera (normales entre sí)
definidos en el plano eˆ *2 − eˆ *3 nos proporcionarán las mismas componentes que (1.150).
Es interesante observar que las componentes de W en las bases ( eˆ i ⊗ eˆ j ) y ( eˆ *i ⊗ eˆ *j ) son
distintas, ver Figura 1.18 y Figura 1.16. Más adelante obtendremos la ley que gobierna dicha
transformación, i.e. conocidas las componentes en un sistema, a través de ley de
transformación podemos obtener las componentes en otra base.
x3
r
x2 w = ωê1*
ê*2
0 0 0 
Wij* = 0 0 − ω 
 ê1*
0 ω 0  ω
x1
ω
r
ω = w = W232 + W132 + W122
ê*3
Figura 1.18: Componentes del tensor antisimétrico en el espacio definido por el vector axil.
1.5.2.2.3 Descomposición Aditiva de Tensores en una Parte Simétrica y Antisimétrica
Cualquier tensor puede ser descompuesto (de forma adicional) en una parte simétrica A sym
y en otra antisimétrica A anti :
1 1
A= ( A + A T ) + ( A − A T ) = A sym + A anti
2 4243 1
1 2 4243 (1.151)
sym anti
A A
en componentes:
1 1
A ijsym = ( A ij + A ji ) y A ijanti = ( A ij − A ji ) (1.152)
2 2
Observemos que, si A y B son tensores de segundo orden cualesquiera, se cumple que:
(A T
⋅B ⋅ A)
sym
=
2 

(
1 T
) (
T


1
2
) [
A ⋅ B ⋅ A + A T ⋅ B ⋅ A  = A T ⋅ B ⋅ A + A T ⋅ BT ⋅ A ]
1
[
= A T ⋅ B + BT ⋅ A
2
] (1.153)
= A ⋅ B sym ⋅ A
T
Ejemplo 1.15: Si σ es un tensor de segundo orden simétrico y W es un tensor de

segundo orden antisimétrico. Demostrar que σ : W = 0 .
Solución:
σ : W = σ ij (eˆ i ⊗ eˆ j ) : Wlk (eˆ l ⊗ eˆ k ) = σ ij Wlk δ il δ jk = σ ij Wij (escalar)
1 TENSORES 45
Desarrollando
σ ij Wij = σ1 j W1 j + σ 2 j W2 j + σ 3 j W3 j
123 1424 3 1
424 3
σ11W11 σ21W21 σ31W31
+ + +
σ12 W12 σ 22 W22 σ32 W32
+ + +
σ13W13 σ23W23 σ33W33
Considerando la propiedad de un tensor simétrico σ12 = σ 21 , σ 31 = σ13 , σ 32 = σ 23 y

antisimétrico W11 = W22 = W33 = 0 , W21 = − W12 , W31 = − W13 , W32 = − W23 , resultando:
c.q.d.
σ :W =0
Ejemplo 1.16: Demostrar que:

r r r r
a) M ⋅ Q ⋅ M = M ⋅ Q sym ⋅ M
b) A : B = A sym : B sym + A anti : B anti
r
donde , M es un vector y Q , A , y B son tensores de segundo orden.
Solución:
a)
( )
r r r r
M ⋅ Q ⋅ M = M ⋅ Q sym + Q anti ⋅ M
r r r r
= M ⋅ Q sym ⋅ M + M ⋅ Q anti ⋅ M
r r
r
r
r r
r
(
Ya que el producto: M ⋅ Q anti ⋅ M = Q anti : M ⊗ M = 0 , resulta que:
r
)
M ⋅ Q ⋅ M = M ⋅ Q sym ⋅ M c.q.d.
b)
A :B = ( A sym + A anti ) : (B sym + B anti )
= A sym : B sym + 1
A sym
42
anti
43 + 1
:B A anti
42
sym
43 + A
:B anti
: B anti
=0 =0
= A sym : B sym + A anti : B anti
Luego como consecuencia tenemos que:
A : B sym = A sym : B sym ; A : B anti = A anti : B anti c.q.d.
r r
Ejemplo 1.17: ¿La relación n ⋅ T = T ⋅ n es válida siempre? Siendo T un tensor de segundo
r
orden y n un vector. En el supuesto de que la relación no sea válida, ¿para qué caso
particular lo sería?
Solución:
r r
n ⋅ T = n i eˆ i ⋅ Tkl (eˆ k ⊗ eˆ l ) T ⋅ n = Tlk (eˆ l ⊗ eˆ k ) ⋅ n i eˆ i
= n i Tkl δ ik eˆ l y = n i Tlk δ ki eˆ l
= n k Tkl eˆ l = n k Tlk eˆ l
r r r r
Con lo que comprobamos que n k Tkl ≠ n k Tlk , luego n ⋅ T ≠ T ⋅ n . La relación n ⋅ T = T ⋅ n
sólo será válida cuando el tensor T sea simétrico.
r r r
Ejemplo 1.18: Obtener el vector axil w asociado al tensor antisimétrico ( x ⊗ a ) anti .
r r r
Expresar w en función de x y a .
Solución:
r
Sea z un vector arbitrario, se cumple que:
r r r r r
( x ⊗ a ) anti ⋅ z = w ∧ z
r r r
donde w es el vector axil asociado a ( x ⊗ a ) anti . Teniendo en cuenta que:
r r 1 r r
[ r r 1 r r r r
]
( x ⊗ a ) anti = ( x ⊗ a ) − ( x ⊗ a ) T = [ x ⊗ a − a ⊗ x ]
2 2
podemos aún decir que:
1 r r r r r r r r r r r r r r
[x ⊗ a − a ⊗ x ] ⋅ z = w ∧ z ⇒ [ x ⊗ a − a ⊗ x ] ⋅ z = 2w ∧ z
2
r r r r r r r r
Utilizando la identidad (1.104) se cumple que [x ⊗ a − a ⊗ x ] ⋅ z = z ∧ ( x ∧ a ) , luego:
[xr ⊗ ar − ar ⊗ xr ] ⋅ zr = zr ∧ ( xr ∧ ar ) = (ar ∧ xr ) ∧ zr = 2wr ∧ zr
con lo cual, concluimos que:
r 1 r r r r
w = (a ∧ x ) es el vector axil asociado al tensor ( x ⊗ a ) anti
2
1.5.2.3 Cofactor de un Tensor. Adjunta de un Tensor

r
Dado un tensor A , representamos el cofactor de A como cof(A ) . Dados dos vectores a
r
y b existe un único tensor cof( A ) asociado al tensor A tal que:
r r r r
cof( A ) ⋅ (a ∧ b) = ( A ⋅ a) ∧ ( A ⋅ b) (1.154)
Definimos la adjunta de un tensor A como:

adj( A ) = [cof (A )]
T
(1.155)
donde se cumple que:
[adj(A)]T = adj( A T ) (1.156)
Las componentes de cof(A ) podemos obtener de la siguiente manera:
[cof( A)]it  tpr a p b r =  ijk A jp a p A kr b r
(1.157)
⇒ [cof( A )]it  tpr =  ijk A jp A kr
Multiplicando ambos lados de la igualdad por  qpr y además considerando que

 tpr  qpr = 2δ tq , concluimos que:
[cof(A)]it  tpr =  ijk A jp A kr ⇒ [cof( A)]it 1
4tpr  qpr =  ijk  qpr A jp A kr
24 3
= 2δ tq
(1.158)
1
⇒ [cof( A )]iq =  ijk  qpr A jp A kr
2
1.5.2.4 Traza de un Tensor
Antes de definir la traza de un tensor de segundo orden definimos la traza de su base:

Tr (eˆ i ⊗ eˆ j ) = eˆ i ⋅ eˆ j = δ ij (1.159)
Luego la traza de un tensor A es la suma de las componentes de su diagonal principal:
1 TENSORES 47
Tr ( A ) = Tr ( A ij eˆ i ⊗ eˆ j ) = A ij Tr (eˆ i ⊗ eˆ j ) = A ij (eˆ i ⋅ eˆ j ) = A ij δ ij = A ii
(1.160)
= A 11 + A 22 + A 33
Análogamente podemos decir que:
r r r r
Tr (u ⊗ v ) = Tr (u ⊗ v ) = u i v j Tr (eˆ i ⊗ eˆ j ) = u i v j (eˆ i ⋅ eˆ j ) = u i v j δ ij = u i v i
r r (1.161)
= u1 v 1 + u 2 v 2 + u 3 v 3 = u ⋅ v
NOTA: Podemos adelantar que la traza de un tensor es un invariante, es decir, es
independiente del sistema de referencia. ■
Dados dos tensores A y B :
La traza de la transpuesta de un tensor es igual a la traza del tensor:
( )
Tr A T = Tr (A ) (1.162)
La traza de la suma de estos dos tensores será la suma de la traza de los tensores:
Tr(A + B ) = Tr (A ) + Tr (B ) (1.163)
La demostración es muy sencilla bastando expresar en términos de componentes la
expresión anterior:
Tr(A + B ) = Tr (A ) + Tr (B )
(1.164)
[(A 11 + B 11 ) + (A 22 + B 22 ) + (A 33 + B 33 )] = (A 11 + A 22 + A 33 ) + (B 11 + B 22 + B 33 )
La traza del producto escalar será:
[
Tr(A ⋅ B ) = Tr ( A ij eˆ i ⊗ eˆ j ) ⋅ (B lm eˆ l ⊗ eˆ m ) ]
144244
[
= A ij B lm δ jl Tr (eˆ i ⊗ eˆ m )
3
] (1.165)
δ im
= A il B li = A ⋅ ⋅B = Tr ( B ⋅ A )
Análogamente podemos obtener:
Tr(A ⋅ B ⋅ C ) = Tr (B ⋅ C ⋅ A ) = Tr (C ⋅ A ⋅ B ) = A ij B jk C ki (1.166)
Luego, es fácil demostrar que las siguientes relaciones son válidas:
Tr (A ) = A ii , [Tr ( A )] = Tr ( A ) Tr ( A ) = A ii A jj , Tr(A ⋅ A ) = Tr A 2 = A il A li
2
( )
(1.167)
( )
Tr(A ⋅ A ⋅ A ) = Tr A 3 = A ij A jk A ki
Podemos escribir el doble producto escalar ( : ) en función de la traza como:

A : B = A ij B ij
= A kj B lj δ ik δ il = A ik B il δ jk δ jl
= A kj B lj δ kl = A ik B il δ kl
123 123
( A⋅BT ) ( AT ⋅B ) (1.168)
kl kl
(
= A ⋅ BT ) kk (
= AT ⋅B ) kk
= Tr ( A ⋅ B ) T
= Tr ( A T
⋅ B)
Ejemplo 1.19: Demostrar las siguientes identidades:

(T ) = (T )
m T T m
; ( )
Tr T T
m
( )
= Tr T m .
Solución:
(T ) m T
= (T ⋅ T L T ) = T T ⋅ T T L T T = T T
T
( ) m
c.q.d.
Para la segunda demostración utilizaremos la propiedad de la traza Tr (T T ) = Tr (T )

Tr (T T ) = Tr (T m ) = Tr (T m ) c.q.d.
m T
1.5.2.5 Tensores Particulares
1.5.2.5.1 Tensores Identidad
Tensor identidad de segundo orden:

1 = δ ij eˆ i ⊗ eˆ j = eˆ i ⊗ eˆ i = 1 eˆ i ⊗ eˆ j (1.169)
donde 1 es la matriz con las componentes del tensor 1 . δ ij es conocido como el símbolo
delta de Kronecker, definido en (1.47):
 1 si i = j

δ ij =  (1.170)
 0 si i ≠ j

Tensores identidades de cuarto orden:
I = 1⊗1 = δ ik δ jl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l = I ijkl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l (1.171)
I = 1⊗1 = δ il δ jk eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l = I ijkl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l (1.172)
I = 1 ⊗ 1 = δ ij δ kl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l = I ijkl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l (1.173)
Con lo cual, dado un tensor de segundo orden arbitrario, A , se cumplen que:

( )(
I : A = δ ik δ jl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l : A pq eˆ p ⊗ eˆ q )
(
= δ ik δ jl A pq δ kp δ lq eˆ i ⊗ eˆ j )
(
= δ ik δ jl A kl eˆ i ⊗ eˆ j ) (1.174)
(
= A ij eˆ i ⊗ eˆ j )
=A
y
( )(
I : A = δ il δ jk eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l : A pq eˆ p ⊗ eˆ q )
(
= δ il δ jk A pq δ kp δ lq eˆ i ⊗ eˆ j )
(
= δ il δ jk A kl eˆ i ⊗ eˆ j ) (1.175)
(
= A ji eˆ i ⊗ eˆ j )
T
=A
y
1 TENSORES 49
( )(
I : A = δ ij δ kl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l : A pq eˆ p ⊗ eˆ q )
(
= δ ij δ kl A pq δ kp δ lq eˆ i ⊗ eˆ j )
(
= δ ij δ kl A kl eˆ i ⊗ eˆ j ) (1.176)
(
= A kk δ ij eˆ i ⊗ eˆ j )
= Tr ( A )1
La parte simétrica del tensor de identidad de cuarto orden viene definido como:
I sym ≡ I =
1
2
(
1⊗1 + 1⊗1 en )
componente

1
s → I ijkl = δ ik δ jl + δ il δ jk
2
( ) (1.177)
La propiedad que presenta el producto tensorial ⊗ se presenta a continuación.

Consideremos el tensor identidad de segundo orden un tensor de segundo orden
1 = δ ij eˆ i ⊗ eˆ j , luego definimos el producto tensorial ⊗ como:
( ) (
1⊗1 = δ ij eˆ i ⊗ eˆ j ⊗(δ kl eˆ k ⊗ eˆ l ) = δ ij δ kl eˆ i ⊗ eˆ k ⊗ eˆ j ⊗ eˆ l ) (1.178)
que es lo mismo que:

(
1⊗1 = I = δ ik δ jl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l ) (1.179)
Y el producto tensorial ⊗ como:
( ) (
1⊗1 = δ ij eˆ i ⊗ eˆ j ⊗(δ kl eˆ k ⊗ eˆ l ) = δ ij δ kl eˆ i ⊗ eˆ l ⊗ eˆ k ⊗ eˆ j ) (1.180)
ó
(
1⊗1 = I = δ il δ jk eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l ) (1.181)
La parte antisimétrica de I será:
I anti =
1
2
(
1⊗1 − 1⊗1 en )
componente
 s → I ijk
anti
l =
1
2
(
δ ik δ jl − δ il δ jk ) (1.182)
r
Se puede demostrar que, dado un tensor de segundo orden A y un vector b las siguientes
relaciones son válidas:
r r
b ⋅1 = b
I:A = A ; I sym : A = A sym
A : 1 = Tr (A ) = A ii (1.183)
( )
A 2 : 1 = Tr A 2 = Tr (A ⋅ A ) = A il A li
A3 : 1 = Tr (A ) = Tr (A ⋅ A ⋅ A ) = A
3
ij A jk A ki
1.5.2.5.2 Pseudo-Tensor Levi-Civita
El Pseudo-Tensor Levi-Civita, también conocido como Tensor de Permutación, es un pseudo-

tensor de tercer orden definido como:
 =  ijk eˆ i ⊗ eˆ j ⊗ eˆ k (1.184)
donde  ijk son las componentes del operador de permutación definido en (1.55).
Ejemplo 1.20: Demostrar que: T : 1 = Tr (T ) .
Solución:
T : 1 = Tij eˆ i ⊗ eˆ j : δ kl eˆ k ⊗ eˆ l
= Tij δ kl δ ik δ jl
= Tij δ ij = Tii = T jj
= Tr ( T ) c.q.d.
Ejemplo 1.21: Probar que si σ y D son tensores de segundo orden la siguiente relación es
válida:
σ ⋅ ⋅ D = Tr (σ ⋅ D )
Solución: Basándonos en lo que fue demostrado en (1.93), podemos decir que:
σ ⋅ ⋅ D = σ ij D ji
= σ kj D jl δ ik δ il = σ kj D jl δ lk
= σ kj D jl δ lk
123
( σ⋅D )
kl
= (σ ⋅ D) kl δ lk = (σ ⋅ D) kk = (σ ⋅ D) ll
= Tr (σ ⋅ D) c.q.d.
Una segunda alternativa para la demostración sería:
σ ⋅ ⋅ D = σ ij D ji = σ ij D jk δ ik
= (σ ⋅ D ) : 1
= Tr (σ ⋅ D )
c.q.d.
1.5.2.6 Determinante de un Tensor
El determinante de un tensor es un escalar y también es un invariante:

det ( A ) ≡ A
=  ijk A 1i A 2 j A 3k =  ijk A i1 A j 2 A k 3 (1.185)
144244 3
AT
El determinante de un tensor es igual al determinante de la matriz que contiene las

componentes del tensor.
La demostración de (1.185) puede hacerse partiendo directamente del determinante:
A 11 A 12 A 13
det ( A ) = A = A 21 A 22 A 23
A 31 A 32 A 33
= A 11 ( A 22 A 33 − A 23 A 32 ) − A 21 ( A 12 A 33 − A 13 A 32 ) + A 31 ( A 12 A 23 − A 13 A 22 ) (1.186)
= A 11 (1 jk A j 2 A k 3 ) − A 21 (− 2 jk A j 2 A k 3 ) + A 31 ( 3 jk A j 2 A k 3 )
= 1 jk A 11 A j 2 A k 3 +  2 jk A 21 A j 2 A k 3 +  3 jk A 31 A j 2 A k 3
=  ijk A i1 A j 2 A k 3
Algunas consideraciones sobre el determinante de tensores:

det (1) = 1 (1.187)
1 TENSORES 51
Podemos concluir de (1.185) que:

det ( A T ) = det ( A ) (1.188)
También podemos demostrar que las siguientes relaciones son válidas:
det ( A ⋅ B) = det ( A )det (B)
(1.189)
det (αA ) = α 3 det ( A ) siendo α un escalar
Un tensor (A ) se dice que es singular si det ( A ) = 0 .
Intercambiando dos líneas o columnas el signo del determinante cambia.
Si todos elementos de una fila o columna son cero, el determinante es cero.
Multiplicando todos los elementos de una fila o columna por una constante c
(escalar), el determinante queda: c A .
Ejemplo 1.22: Demostrar que: A  tpq =  rjk A rt A jp A kq

Solución: Sabemos que:
A =  rjk A r1 A j 2 A k 3
(1.190)
A  tpq =  rjk  tpq A r1 A j 2 A k 3
Como lo visto anteriormente, ecuación (1.61), la expresión  rjk  tpq podrá ser expresada en
función de la delta de Kronecker como:
δ rt δ rp δ rq
 rjk  tpq = δ jt δ jp δ jq
(1.191)
δ kt δ kp δ kq
= δ rt δ jp δ kq + δ rp δ jq δ kt + δ rq δ jt δ kp − δ rq δ jp δ kt − δ jq δ kp δ rt − δ kq δ jt δ rp
Reemplazando la expresión anterior (1.191) en la expresión (1.190), y utilizando la
propiedad del operador de sustitución obtenemos que:
A  tpq = A t1 A p 2 A q 3 + A p1 A q 2 A t 3 + A q1 A t 2 A p 3 − A q1 A p 2 A t 3 − A t1 A q 2 A p 3 − A p1 A t 2 A q 3
= A t1 ( 1 jk A pj A qk ) + A t 2 ( 2 jk A pj A qk ) + A t 3 ( 3 jk A pj A qk )
=  rjk A rt A jp A kq =  rjk A tr A pj A qk
c.q.d.
1
Ejemplo 1.23: Demostrar que: A =  rjk  tpq A rt A jp A kq
6
Solución:
Partiendo del problema anterior: A  tpq =  rjk A rt A jp A kq y multiplicando ambos lados por
 tpq , resulta:
A  tpq  tpq =  rjk  tpq A rt A jp A kq (1.192)
Utilizando la propiedad definida anteriormente en la ecuación (1.62), obtenemos que
 tpq  tpq = δ tt δ pp − δ tp δ tp = δ tt δ pp − δ tt = 6 . Luego, la relación (1.192) resulta:
1
A =  rjk  tpq A rt A jp A kq
6 c.q.d.
Ejemplo 1.24: Demostrar que:

( r r
) r r
det µ1 + αa ⊗ b = µ 3 + µ 2 α a ⋅ b (1.193)
Solución: Si denotamos por A ij µδ ij + αa i b j , el determinante de A viene dado por

A =  ijk A i1 A j 2 A k 3 , donde A i1 = µδ i1 + αa i b1 , A j 2 = µδ j 2 + αa j b 2 y A k 3 = µδ k 3 + αa k b 3 ,
luego podemos decir que:
r r
( )
det µ1 + αa ⊗ b =  ijk (µδ i1 + αa i b1 )(µδ j 2 + αa j b 2 )(µδ k 3 + αa k b 3 ) (1.194)
Desarrollando la expresión (1.194) obtenemos que:
( )
det µ1 + αa ⊗ b =  ijk [µ 3 δ i1δ j 2 δ k 3 + µ 2 αa k b 3 δ i1δ j 2 + µ 2 αa j b 2 δ i1δ k 3 + µ 2 αa i b 1δ j 2 δ k 3 +
r r
+ µα a j b 2 a k b 3 δ i1 + µα 2 a i a k b 1b 3 δ j 2 + µα 2 a i a j b 1b 2 δ k 3 + α 3 a i a j a k b 1b 2 b 3
2
]
Observemos que:
µ 3  ijk δ i1δ j 2 δ k 3 = µ 3 123 = µ 3
µ 2 α ( ijk a k b 3 δ i1δ j 2 +  ijk a j b 2 δ i1δ k 3 +  ijk a i b1δ j 2 δ k 3 ) =
r r
µ 2 α (12 k a k b 3 +  1 j 3 a j b 2 +  i 23 a i b1 ) = µ 2 α (a 3b 3 + a 2 b 2 + a1b1 ) = µ 2 α (a ⋅ b)
 ijk a i a k b1b 3 δ j 2 =  i 2 k a i a k b1b 3 = a1a 3b1b 3 − a 3 a1b1b 3 = 0
 ijk a i a j b1b 2 δ k 3 =  ij 3 a i a j b1b 2 =  123 a1 a 2 b1b 2 −  213 a 2 a1b1b 2 = 0
 ijk a i a j a k b1b 2 b 3 = 0
Fijemos que no hacía falta expandir los términos  ijk a i a k b1b 3 δ j 2 ,  ijk a i a j b1b 2 δ k 3 ,
 ijk a i a j a k b1b 2 b 3 , para saber que son iguales a cero, ya que
r r
 ijk a i a k b1b 3 δ j 2 = (a ∧ a) j b 1b 3 δ j 2 = 0 y análogamente para los otros términos. Con lo que
hemos demostrado que:
( r r
) r r
det µ1 + αa ⊗ b = µ 3 + µ 2 α a ⋅ b c.q.d.
Para µ = 1 tenemos que:
( r r
)
r r
det 1 + αa ⊗ b = 1 + α a ⋅ b
Análogamente, se puede demostrar que:
r r
( )
det αa ⊗ b = α 3  ijk a i a j a k b1b 2 b 3 = 0
También podemos demostrar que se cumple la siguiente relación:
[ r r r r r r
] r r r r r r r r
det 1 + α (a ⊗ b) + β (b ⊗ a) = 1 + α (a ⋅ b) + β (a ⋅ b) + αβ (a ⋅ b) 2 − (a ⋅ a)(b ⋅ b) [
(1.195) ]
r r
donde α , β son escalares. Si β = 0 recaemos en la expresión det 1 + αa ⊗ b = 1 + αa ⋅ b .
r r
( )
Si α = β , obtenemos que:
(
r r r r r r
)
r r
( ) ( ) ( )
r r 2 r r r r
det 1 + α a ⊗ b + α b ⊗ a = 1 + α a ⋅ b + α a ⋅ b + α 2  a ⋅ b − (a ⋅ a) b ⋅ b 
 
( )
(1.196)

r r r r
= 1 + α 2 a ⋅ b − α a ∧ b 
2

( ) ( )
(r r )
donde hemos utilizado la propiedad a ⋅ b − (a ⋅ a) b ⋅ b = − a ∧ b , ver Ejemplo 1.1.
2
( ) (r r )
r r r r 2
También podemos demostrar que la siguiente relación es válida:

det (α A + β B ) = α 3 det (A ) + α 2 β Tr[B ⋅ adj( A )] + αβ 2 Tr[A ⋅ adj(B)] + β 3 det (B ) (1.197)
r r
Para el caso particular cuando α = 1 , A = 1 , B = a ⊗ b , y además teniendo en cuenta que
(
r r
) r r
( )
det a ⊗ b = 0 , y cof a ⊗ b = 0 , concluimos que:
1 TENSORES 53
( r r
) r r r r
[ r r
det 1 + βa ⊗ b = det (1) + βTr a ⊗ b ⋅ 1 = 1 + βTr a ⊗ b = 1 + βa ⋅ b ] [ ] (1.198)
cuya relación ya fue demostrada anteriormente.

Podemos demostrar que la siguiente propiedad es válida:
r
[r r r r r
]
( A ⋅ a) ⋅ ( A ⋅ b) ∧ ( A ⋅ c ) = det ( A ) a ⋅ (b ∧ c) [ ] (1.199)
Para la demostración partiremos de la definición del triple producto escalar dada por (1.69),
(
r r r
)
a ⋅ b ∧ c =  ijk a i b j c k , y multiplicamos por ambos lados de la igualdad por el determinante
del tensor A , resultando:
r r r
( )
a ⋅ b ∧ c A =  ijk a i b j c k A (1.200)
Fue demostrado en el Ejemplo 1.22 que se cumple que A  ijk =  pqr A pi A qj A rk , con lo
cual:
r r r
( )
a ⋅ b ∧ c A =  ijk a i b j c k A
=  pqr A pi A qj A rk a i b j c k
(1.201)
=  pqr ( A pi a i )( A qj b j )( A rk c k )
r
[ r
= ( A ⋅ a) ⋅ ( A ⋅ b) ∧ ( A ⋅ c )
r
]
1.5.2.7 Inversa de un Tensor
La inversa de un tensor A es un tensor A −1 , definido como:

si A ≠ 0 ⇔ ∃ A −1 A ⋅ A −1 = A −1 ⋅ A = 1 (1.202)
En notación indicial:
si A ≠ 0 ⇔ ∃ A ij−1 A ik A kj−1 = A ik−1 A kj = δ ij (1.203)
La expresión de la inversa podemos obtener partiendo de la definición de la adjunta de un
r r r r
tensor dada por (1.154), adj( A T ) ⋅ (a ∧ b) = ( A ⋅ a) ∧ ( A ⋅ b) , y multiplicamos escalarmente
r
por el vector d , resultando:
{[adj(A)] ⋅ (a ∧ b)}⋅ d = [( A ⋅ a) ∧ ( A ⋅ b)]⋅ d
T r r r r r r
[ r r
] r
= ( A ⋅ a) ∧ ( A ⋅ b) ⋅ 1 ⋅ d (1.204)
= [( A ⋅ a) ∧ ( A ⋅ b)]⋅ A ⋅ A
r r r
⋅
12r3 d −1
=c
Utilizando la definición (1.201), podemos decir que también se cumple que:
r r r
( r
) r r
c ⋅ a ∧ b A = ( A ⋅ c ) ⋅ ( A ⋅ a) ∧ ( A ⋅ b) [ ] (1.205)
(r r r
) r r
[
a ∧ b ⋅ c A = ( A ⋅ a) ∧ ( A ⋅ b) ⋅ ( A ⋅ c)
r
]
Luego:
{[adj(A)] ⋅ (a ∧ b)}⋅ d = [( A ⋅ a) ∧ ( A ⋅ b)]⋅ A ⋅ A −1 ⋅ d

T r r r r r r
(1.206)
= A (a ∧ b )⋅ A −1 ⋅ d
r r r
r r r r r
El vector resultante de la operación (a ∧ b) representamos por el vector p = (a ∧ b) , con
lo cual la expresión anterior en notación indicial queda:
{[adj(A)]ki p k }di = A p k A ki−1d i
⇒ [adj( A )]ki p k d i = A A ki−1p k d i (1.207)
⇒ [adj( A )] : [(a ∧ b) ⊗ d] = A A −1 : [(a ∧ b) ⊗ d]
r r r r r r
Con lo cual concluimos que:

1
[adj(A)] = A A −1 ⇒ A −1 = [adj(A)] = 1 [cof(A)]T (1.208)
A A
Algunas consideraciones sobre la inversa de tensores:

Si los tensores A y B son invertibles entonces las siguientes propiedades son
válidas:
( A ⋅ B) −1 = B −1 ⋅ A −1
(A )
−1 −1
=A
(1.209)
(βA )−1 = 1 A −1
β
det ( A ) = [det ( A )]
−1 −1
La siguiente nomenclatura será utilizada para representar la transpuesta de la

inversa:
A −T ≡ ( A −1 ) T ≡ ( A T ) −1 (1.210)
Podemos demostrar que también es válida la relación adj( A ⋅ B) = adj(B) ⋅ adj( A ) ,
partiendo de la propia definición de la inversa (1.208):
B −1 ⋅ A −1 =
[adj(B)] ⋅ [adj(A)]
B A
⇒ A B B −1 ⋅ A −1 = [adj(B)] ⋅ [adj( A )]
⇒ A B (A ⋅ B ) = [adj(B)] ⋅ [adj( A )]
−1
(1.211)
⇒AB
[adj(A ⋅ B)] = [adj(B)] ⋅ [adj(A)]
A ⋅B
⇒ adj( A ⋅ B) = [adj(B)] ⋅ [adj( A )]
donde hemos utilizado la propiedad que A ⋅ B = A B . Análogamente podemos demostrar
que cof( A ⋅ B) = [cof( A )] ⋅ [cof(B)] .
Inversa de una matriz
Pasos para obtener la inversa de una matriz A :
1) Obtener la matriz cofactor: cof (A ) .
Sea la matriz A :
1 TENSORES 55
 A 11 A 12 A 13 
A = A 21 A 22 A 23  (1.212)
 A 31 A 32 A 33 
Definiremos la matriz M donde las componentes Mij serán obtenidas a partir del
determinante resultante de la matriz A al eliminar la línea i y la columna j , es decir:
 A 22 A 23 A 21 A 23 A 21 A 22 
 
 A 32 A 33 A 31 A 33 A 31 A 32 
A A 13 A 11 A 13 A 11 A 12 
M =  12  (1.213)
 A 32 A 33 A 31 A 33 A 31 A 32 
 A 12 A 13 A 11 A 13 A 11 A 12 
 
 A 22 A 23 A 21 A 23 A 21 A 22 
con esto podemos definir la matriz cofactor de A :
cof (A ) = (−1) i + j Mij (1.214)
2) Obtener la adjunta de la matriz A :
La adjunta de la matriz A es la transpuesta de la matriz cofactor:
adj(A ) = [cof (A )]
T
(1.215)
3) La inversa será:
adj(A )
A −1 = (1.216)
A
luego se cumple que:
A [adj(A )] = A 1 (1.217)
donde 1 es la matriz identidad.
Teniendo en cuenta (1.64), podemos expresar las componentes de la primera, segunda,
tercera fila de la matriz cofactor, (1.214), respectivamente como: M1i =  ijk A 2 j A 3k ,
M 2i =  ijk A 1 j A 3k , M3i =  ijk A 1 j A 2 k .
r r
Ejemplo 1.25: Dado un tensor A , demostrar que existe un vector no nulo n ≠ 0 tal que
r r
A ⋅ n = 0 si y solo si det ( A ) = 0 , Chadwick (1976).
Solución: Primero partimos del hecho que det ( A ) ≡ A = 0 y también escogemos una base
r r r r r
( r
arbitrario {f , g, h} , linealmente independiente luego f ⋅ g ∧ h ≠ 0 , y aplicando la definición )
obtenida en (1.201):
(
r r r
) r r
[ r
f ⋅ g ∧ h A = ( A ⋅ f ) ⋅ ( A ⋅ g) ∧ ( A ⋅ h) ]
Por el hecho que det ( A ) ≡ A = 0 , eso implica que:
r
[ r r
( A ⋅ f ) ⋅ ( A ⋅ g) ∧ ( A ⋅ h) = 0
r r r
]
Con lo cual concluimos que los vectores ( A ⋅ f ) , ( A ⋅ g) , ( A ⋅ h) son linealmente
dependientes. Esto implica que existen escalares no nulos α ≠ 0 , β ≠ 0 , γ ≠ 0 tal que:
r r r r r
α ( A ⋅ f ) + β ( A ⋅ g) + γ ( A ⋅ h) = 0 ⇒ A ⋅ αf + βg + γh = 0 ⇒ (r r r r r
A ⋅n = 0 )
r r r r r r r r
donde n = αf + βg + γh ≠ 0 , ya que {f , g, h} son linealmente independiente, ver Ejemplo
1.10.
r r r
Ahora escogemos dos vectores k , m que son linealmente independientes con n y
r r r r r r
reemplazamos esta base {k , m, n} en lugar de los vectores {a, b, c} de la definición en
(1.201):
r r r r
k ⋅ (m ∧ n) A = ( A ⋅ k ) ⋅ [( A ⋅ m) ∧ ( A ⋅ n)]
r r
r r r r r r r r
Considerando que A ⋅ n = 0 y que k ⋅ (m ∧ n) ≠ 0 , ya que la base {k , m, n} está constituida
por vectores linealmente independientes, obtenemos que:
r r r
k ⋅ (m ∧ n) A = 0 ⇒ A =0
14243 c.q.d.
≠0
1.5.2.8 Tensores Ortogonales (Transformación Ortogonal)
Tensores ortogonales juega un papel muy importante en la mecánica del continuo. Un

tensor de segundo orden ( Q ) se dice que es ortogonal cuando su transpuesta ( Q T ) es igual
a su inversa ( Q −1 ):
Q T = Q −1 (1.218)
Luego, se cumple que:
Q ⋅ QT = QT ⋅ Q = 1 Q ik Q jk = Q ki Q kj = δ ij (1.219)
Q ⋅ QT = (Q ik eˆ i ⊗ eˆ k ) ⋅ (Q jl eˆ l ⊗ eˆ j )
= Q ik Q jl δ kl (eˆ i ⊗ eˆ j )
(1.220)
= Q ik Q jk (eˆ i ⊗ eˆ j )
= δ ij (eˆ i ⊗ eˆ j )
Una transformación ortogonal propia tiene las siguientes características:

La inversa de Q es igual a la transpuesta (ortogonalidad):
Q −1 = Q T (1.221)
El tensor Q será propio (tensores de rotación) si:
det (Q) ≡ Q = +1 (1.222)
Un tensor ortogonal es impropio cuando Q = −1 , tensores de rotación-reflexión. Podemos
demostrar que si A y B son tensores ortogonales, un tercer tensor resultante del producto
A ⋅ B = C también es un tensor ortogonal, ver Ejemplo 1.26.
r r
Consideremos dos vectores arbitrarios a y b y que a través de una transformación
ortogonal obtenemos:
r r r
~ r ~
a = Q⋅a ; b = Q ⋅b (1.223)
r r
~ ~
El producto escalar de los vectores resultantes de esta operación ( a ) y ( b ) viene dado por:
1 TENSORES 57
r r r r r r
~ ~ r r
a ⋅ b = (Q ⋅ a) ⋅ (Q ⋅ b) = a ⋅ Q T ⋅ Q ⋅ b = a ⋅ b
123
=1
~~ (1.224)
ai b i = (Q ik a k )(Q ij b j ) = a k Q ik Q ij b j = a k b k
123
δ kj
r r r r r
~ ~ ~ ~ ~2 r r r 2
Lo que también es válido cuando a = b , luego a ⋅ a = a = a ⋅ a = a . Con lo que
concluimos que una transformación ortogonal aplicada a vectores, preservan los módulos
de los vectores y preservan los ángulos entre los vectores, Figura 1.19. Es decir, una
transformación ortogonal está caracterizada sólo por rotaciones de los vectores.
Q
r r
~
r a = a
b r
~ r r
b ~
θ r
~ b = b
θ a
r r r
a ~ ~ r r
a⋅b = a⋅b
Figura 1.19: Transformación ortogonal.
Ejemplo 1.26: Demostrar que si A y B son tensores ortogonales, el tensor resultante de

la operación C = A ⋅ B resulta ser otro tensor ortogonal.
Solución: C −1 = ( A ⋅ B) −1 = B −1 ⋅ A −1 = B T ⋅ A T = ( A ⋅ B) T = C T c.q.d.
1.5.2.9 Tensor Definido Positivo, Definido Negativo y Tensor Semi-

Definido
Decimos que un tensor es definido positivo cuando se cumple que:
Notación Tensorial Notación Indicial Notación Matricial

r r (1.225)
x⋅T⋅x >0 x i Tij x j > 0 xT T x > 0
r
para todo vector x no nulo.
Decimos que un tensor es definido negativo cuando se cumple que:
Notación Tensorial Notación Indicial Notación Matricial

r r (1.226)
x⋅T⋅x <0 x i Tij x j < 0 xT T x < 0
r
para todo vector x no nulo.
r r r r
El tensor será semi-definido positivo si x ⋅ T ⋅ x ≥ 0 para todo x ≠ 0 . Análogamente definimos
r r r r
un tensor semi-definido negativo cuando se cumple que x ⋅ T ⋅ x ≤ 0 , para todo x ≠ 0 .
r r r r
Recordar que también se cumple que x ⋅ T ⋅ x = x ⋅ T sym ⋅ x , ver Ejemplo 1.16, luego si la
parte simétrica del tensor es definido positivo, el tensor también lo será.
r r r r r
Si α = x ⋅ T ⋅ x = T : ( x ⊗ x ) = Tij x i x j , luego la derivada de α con respecto a x viene dada
por:
∂α ∂x i ∂x j
= Tij x j + Tij x i = Tij δ ik x j + Tij x i δ jk = Tkj x j + Tik x i = (Tki + Tik ) x i (1.227)
∂x k ∂x k ∂x k
Con lo que concluimos que:
∂α r
r = 2 T sym ⋅ x (1.228)
∂x
y que:
∂ 2α
r r = 2 T sym (1.229)
∂x ⊗ ∂x
NOTA: Como veremos más adelante, una condición necesaria y suficiente para que un
tensor sea definido positivo es que sus autovalores ( λ1 > 0 , λ 2 > 0 , λ 3 > 0 ) sean positivos.
La demostración se encuentra en el subapartado “Representación Espectral de un Tensor”.
■
Ejemplo 1.27: Sea un tensor de segundo orden arbitrario F . Demostrar que los tensores
resultantes C = F T ⋅ F y b = F ⋅ F T son tensores simétricos y semi-definidos positivos. Verificar
también en que condiciones C y b son tensores definidos positivos.
Solución:
C T = (F T ⋅ F )T = F T ⋅ (F T )T = F T ⋅ F = C
(simetría)
b T = (F ⋅ F T ) T = (F T )T ⋅ F T = F ⋅ F T = b
Con lo cual hemos demostrado que los tensores C = F T ⋅ F y b = F ⋅ F T son simétricos.
Para demostrar que los tensores C = F T ⋅ F y b = F ⋅ F T son semi-definidos positivos,
partimos de la definición de un tensor semi-definido positivo, es decir, un tensor A es
r r r r
semi-definido positivo si se cumple que x ⋅ A ⋅ x ≥ 0 , para todo x ≠ 0 . Luego:
r r r r r r r r
x ⋅ C ⋅ x = x ⋅ (F T ⋅ F ) ⋅ x x ⋅ b ⋅ x = x ⋅ (F ⋅ F T ) ⋅ x
r r r r
= (F ⋅ x ) ⋅ (F ⋅ x ) = (F T ⋅ x ) ⋅ (F T ⋅ x )
r 2 r 2
= F ⋅x ≥0 = FT ⋅x ≥0
x i C ij x j = x i ( Fki Fkj ) x j x i bij x j = x i ( Fik F jk ) x j
= ( Fki x i )( Fkj x j ) = ( Fik x i )( F jk x j )
2 2
= Fki x i ≥0 = Fik x i ≥0
Con lo cual demostramos que C = F T ⋅ F y b = F ⋅ F T son semi-definidos positivos.
r r r r r r r
Observemos que x ⋅ C ⋅ x = F ⋅ x sólo será igual a cero, con x ≠ 0 , si F ⋅ x = 0 , y por
2
r r r r
definición F ⋅ x = 0 con x ≠ 0 , si y solo si det ( F ) = 0 , ver Ejemplo 1.25. Luego, los
tensores C = F T ⋅ F y b = F ⋅ F T serán tensores definidos positivos si y solo si det ( F ) ≠ 0 .
1 TENSORES 59
1.5.2.10 Descomposición Aditiva de Tensores
Dados dos tensores arbitrarios S , T ≠ 0 , y un escalar α , podemos hacer la representación

del tensor S a través de la siguiente descomposición aditiva de tensores:
S = αT + U donde U = S − αT (1.230)
Observemos que dependiendo del valor de α tendremos infinitas posibilidades para la
representación del tensor S de forma aditiva de tensores. Pero, si
Tr ( T ⋅ UT ) = Tr (U ⋅ T T ) = 0 la descomposición aditiva es única. Partiendo de (1.230)
podemos obtener el valor de α :
S ⋅ T T = αT ⋅ T T + U ⋅ T T ⇒ Tr (S ⋅ T T ) = αTr ( T ⋅ T T ) + Tr (U ⋅ T T ) = αTr ( T ⋅ T T )
14243 (1.231)
=0
con lo cual obtenemos que:

Tr (S ⋅ T T )
α= (1.232)
Tr ( T ⋅ T T )
Como ejemplo, supongamos que T = 1 , obtenemos α como:
Tr (S ⋅ T T ) Tr (S ⋅ 1) Tr (S ) Tr (S )
α= = = = (1.233)
Tr ( T ⋅ T T ) Tr (1 ⋅ 1) Tr (1) 3
Con eso podemos definir el tensor U como:
Tr (S )
U = S − αT = S − 1 ≡ S dev (1.234)
3
Luego:
Tr (S )
S= 1 + S dev = S esf + S dev (1.235)
3
Tr (S )
NOTA: Al tensor S esf = 1 denominamos de tensor esférico y al tensor
3
Tr (S )
S dev = S − 1 de tensor desviador de S . ■
3
1
Supongamos ahora que el tensor T = (S + S T ) luego, podemos definir α como:
2
Tr (S ⋅ T T )
1
2
[
Tr S ⋅ (S + S T ) T ]
α= = =1 (1.236)
[
Tr ( T ⋅ T T ) 1 Tr (S + S T ) ⋅ (S + S T ) T
4
]
donde hemos tenido en cuenta la propiedad de traza Tr[S ⋅ S ] = Tr[S T ⋅ S T ] ,
Tr[S T ⋅ S ] = Tr[S ⋅ S T ] . Con eso podemos definir el tensor U como:
1 1
U = S − αT = S − (S + S T ) = (S − S T ) (1.237)
2 2
Representando así el tensor S a través de la siguiente descomposición aditiva única como:
1 1
S= (S + S T ) + (S − S T ) = S sym + S anti (1.238)
2 2
que es la misma obtenida en la descomposición aditiva de un tensor en una parte simétrica

y otra antisimétrica, ver expresión (1.151).
Ejemplo 1.28: Encontrar un tensor de cuarto orden P tal que se cumpla que:
P : A = A dev
Solución: Teniendo en cuenta la descomposición aditiva de un tensor en una parte esférica y
otra desviadora, podemos obtener que:
Tr ( A ) Tr ( A )
A = A esf + A dev = 1 + A dev ⇒ A dev = A − 1
3 3
Recurriendo a la definición de los tensores identidades de cuarto orden, definidos en
(1.176) y (1.174), donde se cumple que I : A = Tr ( A )1 y I : A = A . Entonces, podemos
decir que:
Tr ( A ) 1  1   1 
A dev = A − 1 = I : A − I : A =  I − I  : A =  I − 1 ⊗ 1 : A
3 3  3   3 
Con lo cual, concluimos que:
1
P = I − 1 ⊗1
3
El tensor P es conocido como tensor proyección de cuarto orden, Holzapfel(2000).
1 TENSORES 61
1.5.3 Ley de Transformación de las Componentes de

Tensores
Las componentes de un tensor dependen del sistema de coordenadas, es decir, si cambia el
sistema de coordenadas debido a una rotación del sistema, las componentes también
cambiarán. Entre los sistemas de coordenadas, las componentes están relacionadas entre sí
a través de las leyes de transformación de base, Figura 1.20.
TENSORES
Interpretación matemática de conceptos físicos
(Independiente del sistema de coordenadas)
COMPONENTES
Representación del Tensor en
un Sistema de Coordenadas
SISTEMA DE LEYES SISTEMA DE

COORDENADAS DE COORDENADAS
I TRANSFORMACIÓN II
Figura 1.20: Leyes de transformación de base.
Consideremos el sistema de coordenadas cartesianas (x1 , x 2 , x3 ) representado por la base

ortonormal (eˆ 1 , eˆ 2 , eˆ 3 ) , véase Figura 1.21. En este sistema, un vector arbitrario v
r
representamos a través de sus componentes como sigue:

r
v = v i eˆ i = v 1 eˆ 1 + v 2 eˆ 2 + v 3 eˆ 3 (1.239)
Representaremos sus componentes a través de una matriz columna, i.e.:
 v1 
r
( v ) i = v i =  v 2  (1.240)
 v 3 
x3
x 2′
x3′ γ1
x1′
ê′2
ê3 ê1′
ê′3 β1
ê 2 x2
ê1
α1
x1
Figura 1.21: Transformación de coordenadas.
Considerando ahora un nuevo sistema de coordenadas ortogonal (x1′ , x 2′ , x3′ ) , representado

por sus respectivos versores (eˆ 1′ , eˆ ′2 , eˆ ′3 ) , como se muestra en la Figura 1.21, el vector v
r
será representado en este sistema como v ′j eˆ ′j .

Como hemos mencionado anteriormente un vector, por ser un tensor, es independiente del
sistema adoptado, luego:
r
v = v ′k eˆ ′k = v j eˆ j (1.241)
Para obtener las componentes según una dirección es suficiente hacer el producto escalar
por el versor correspondiente a esta dirección:
v ′k eˆ ′k ⋅ eˆ ′i = ( v j eˆ j ) ⋅ eˆ ′i
v ′k δ ki = ( v j eˆ j ) ⋅ eˆ ′i (1.242)
v ′i = ( v 1 eˆ 1 + v 2 eˆ 2 + v 3 eˆ 3 ) ⋅ eˆ ′i
o aún:
 v 1′   ( v 1eˆ 1 + v 2 eˆ 2 + v 3 eˆ 3 ) ⋅ eˆ 1′ 
 v ′  = ( v eˆ + v eˆ + v eˆ ) ⋅ eˆ ′ 
 2  1 1 2 2 3 3 2 (1.243)
 v ′3   ( v 1 eˆ 1 + v 2 eˆ 2 + v 3 eˆ 3 ) ⋅ eˆ ′3 
Reestructurando la expresión anterior, obtenemos:

 v 1′   eˆ 1 ⋅ eˆ 1′ eˆ 2 ⋅ eˆ 1′ eˆ 3 ⋅ eˆ 1′   v 1 
 v ′  = eˆ ⋅ eˆ ′ eˆ 2 ⋅ eˆ ′2

eˆ 3 ⋅ eˆ ′2   v 2  ∴ a ij = eˆ j ⋅ eˆ ′i = eˆ ′i ⋅ eˆ j
 2  1 2 (1.244)
 v ′3   eˆ 1 ⋅ eˆ ′3 eˆ 2 ⋅ eˆ ′3 eˆ 3 ⋅ eˆ ′3   v 3 
o aún:
v ′i = a ij v j (1.245)
1 TENSORES 63
donde definimos la matriz de transformación de coordenadas A ≡ aij como:
 eˆ 1 ⋅ eˆ 1′ eˆ 2 ⋅ eˆ 1′ eˆ 3 ⋅ eˆ 1′   eˆ 1′ ⋅ eˆ 1 eˆ 1′ ⋅ eˆ 2 eˆ 1′ ⋅ eˆ 3 
   
A ≡ a ij = eˆ 1 ⋅ eˆ ′2 eˆ 2 ⋅ eˆ ′2 eˆ 3 ⋅ eˆ ′2  = eˆ ′2 ⋅ eˆ 1 eˆ ′2 ⋅ eˆ 2 eˆ ′2 ⋅ eˆ 3  (1.246)
eˆ 1 ⋅ eˆ ′3 eˆ 2 ⋅ eˆ ′3 eˆ 3 ⋅ eˆ ′3   eˆ ′3 ⋅ eˆ 1 eˆ ′3 ⋅ eˆ 2 eˆ ′3 ⋅ eˆ 3 

Considerando el producto escalar eˆ ′i ⋅ eˆ j = eˆ ′i eˆ j cos(xi′ , x j ) = cos(xi′ , x j ) , ver ecuación
(1.4), la relación anterior será expresada a través de los cosenos directores por:
 v 1′   cos( x1′ , x1 ) cos( x1′ , x 2 ) cos( x1′ , x3 )  v 1 
 v ′  = cos(x ′ , x ) cos(x ′ , x ) cos(x ′ , x )  v 
 2  2 1 2 2 2 3   2
 v ′3   cos(x 3′ , x1 ) cos(x3′ , x 2 ) cos( x3′ , x 3 )  v 3 
{ 1444444424444444 3{ (1.247)
v′ A v
v ′ = Av
En la Figura 1.21 se observa que, cos α 1 = cos(x1′ , x1 ) , cos β 1 = cos(x1′ , x 2 ) y

cos γ 1 = cos( x1′ , x3 ) , es decir, la primera fila de a ij esta formada por los cosenos de los
ángulos que forma x1′ con x1 , x 2 y x3 . Observemos que esta matriz es no simétrica
A ≠ A T , y será representada explícitamente por:
 a11 a12 a13 
a ij ≡ A =  a 21 a 22 a 23  (1.248)
 a 31 a 32 a33 
La inversa de la ecuación (1.245) será:
v k eˆ k ⋅ eˆ i = v ′j eˆ ′j ⋅ eˆ i
v k δ ki = v ′j a ji
(1.249)
v i = v ′j a ji
v = A T v′
También podemos decir que:
eˆ i = a ji eˆ ′j (1.250)
La inversa de la relación (1.247) viene dada por:

v = A −1v ′ (1.251)
Comparando las relaciones (1.251) y (1.249), concluimos que la matriz A es una matriz
ortogonal, es decir:
Notación
A −1 = A T ⇒ A T A = 1 Indicial
 → a ki a kj = δ ij (1.252)
Tensor de segundo orden

Consideremos un sistema de coordenadas representado por su base ortonormal ê i luego,
el cambio de base para un nuevo sistema representado por su base ortonormal eˆ ′i será
dado por la ley de transformación: eˆ k = a ik eˆ ′i . Consideremos ahora la representación de
un tensor de segundo orden T de forma simbólica:
T = Tkl eˆ k ⊗ eˆ l
= Tkl a ik eˆ ′i ⊗ a jl eˆ ′j
(1.253)
= Tkl a ik a jl eˆ ′i ⊗ eˆ ′j
= Tij′ eˆ ′i ⊗ eˆ ′j
Resultando que la ley de transformación para las componentes de tensores de segundo será:
Tij′ = Tkl a ik a jl (1.254)
Tensor de tercer orden
Consideremos ahora un tensor de tercer orden S representado en la base ê i :
S = S lmn eˆ l ⊗ eˆ m ⊗ eˆ n
= S lmn ail eˆ ′i ⊗ a jm eˆ ′j ⊗ a kn eˆ ′k
(1.255)
= S lmn ail a jm a kn eˆ ′i ⊗ eˆ ′j ⊗ eˆ ′k
= S ′ijk eˆ ′i ⊗ eˆ ′j ⊗ eˆ ′k
concluyendo que las componentes del tensor de tercer orden en la nueva base eˆ ′i serán:
S ′ijk = S lmn a il a jm a kn (1.256)
En forma general, las transformaciones de coordenadas de las componentes de tensores de
primer, segundo, tercer y cuarto orden serán dadas respectivamente por:
orden de (x1 , x 2 , x3 ) →

a
(x1′ , x 2′ , x3′ ) de (x1′ , x 2′ , x3′ ) →
a
(x1 , x 2 , x3 )
0 (escalar) λ′ = λ λ = λ′
1 (vector) S i′ = a ij S j S i = a ji S ′j
(1.257)
2 S ij′ = a ik a jl S kl S ij = a ki a lj S kl′
3 ′ = a il a jm a kn S lmn
S ijk ′
S ijk = a li a mj a nk S lmn
4 ′ = a im a jn a kp a lq S mnpq
S ijkl ′
S ijkl = a mi a nj a pk a ql S mnpq
Ejemplo 1.29: Obtener las componentes de la siguiente operación:
T′ = A ⋅ T ⋅ AT
donde Tij y a ij son las componentes de los tensores T y A , respectivamente.
Si a ij son las componentes de la matriz de transformación de base, hacer también la
representación de las componentes de los tensores T y T ′ en sus respectivos sistemas.
Solución: La expresión T ′ = A ⋅ T ⋅ A T en notación simbólica queda:
′ (eˆ a ⊗ eˆ b ) = a rs (eˆ r ⊗ eˆ s ) ⋅ T pq (eˆ p ⊗ eˆ q ) ⋅ a kl (eˆ l ⊗ eˆ k )
Tab
= a rs T pq a kl δ sp δ ql (eˆ r ⊗ eˆ k )
= a rp T pq a kq (eˆ r ⊗ eˆ k )
Para obtener las componentes de T ′ es suficiente hacer el doble producto escalar por la
base (eˆ i ⊗ eˆ j ) , resultando:
′ (eˆ a ⊗ eˆ b ) : (eˆ i ⊗ eˆ j ) = a rp T pq a kq (eˆ r ⊗ eˆ k ) : (eˆ i ⊗ eˆ j )
Tab
′ δ ai δ bj = a rp T pq a kq δ ri δ kj
Tab
Tij′ = a ip T pq a jq
Observemos que esta operación viene representada en forma matricial como:
1 TENSORES 65
T ′ = A T AT
Si A es la matriz de transformación de base se cumple que A T = A −1 luego, se cumple
que T = A T T ′ A , y la representación de las componentes se muestran en la Figura abajo:
T ′ = A T AT x3′
′
T33
′
T23
′
T32 ′
T22
x3
x3′ T33 T13′
′
T31 T12′ x2′
T13 ′
T21
T23 x2′ T11′
T32
T31 T22
T12
T21 x2 x1′
T11
x1
x1′ T = AT T ′ A
Figura 1.22: Ley de transformación de base.

r r
NOTA: Aunque en la Figura 1.22 hemos dibujado los sistemas x y x ′ , en realidad estos
dos sistema tiene el mismo origen tal y como se puede apreciar en la Figura 1.21. Hemos
separado los sistemas para mejor visualización de las componentes. ■
Ejemplo 1.30: Considérese un tensor de segundo orden simétrico T = T T y I T , II T , III T

escalares dados por:
I T = Tr ( T ) = Tii ; II T =
1
2
{ 2
I T − Tr ( T 2 ) } ; III T = det ( T )
Demostrar que I T , II T , III T son invariantes bajo un cambio de base.

Solución: a) Considerando la ley de transformación para un tensor de segundo orden dado
por (1.257), podemos decir que: Tij′ = a ik a jl Tkl . Luego, haciendo que i = j obtenemos Tii′
y vendrá dado por:
Tii′ = a ik a il Tkl = δ kl Tkl = Tkk = I T
Lo que demuestra que I T es un invariante.
b) Para demostrar que II T es un invariante es suficiente demostrar que Tr ( T 2 ) es un
invariante, ya que se demostró que I T es un invariante.
Tr ( T ′ 2 ) = Tr ( T ′ ⋅ T ′) = T ′ : T ′ = Tij′ Tij′ = ( a ik a jl Tkl )( a ip a jq T pq )

= a ik a ip a jl a jq Tkl T pq
123 123
δ kp δ lq
= T pl T pl
= T : T = Tr ( T T ⋅ T ) = Tr ( T ⋅ T ) = Tr ( T 2 )
c)
det ( T ′) = det ( T ′) = det (A T A T ) = det (A )det ( T )det (A T ) = det ( T )
1
424 3 1424 3
= ±1 = ±1
Consideremos ahora cuatro sistemas de coordenadas (x1 , x 2 , x3 ) , (x1′ , x 2′ , x3′ ) , (x1′′, x 2′′ , x3′′ ) y
(x1′′′, x 2′′′, x3′′′) y así como las siguientes matrices de transformación, ver Figura 1.23:
A : matriz de transformación del sistema (x1 , x 2 , x3 ) al sistema (x1′ , x 2′ , x3′ ) ;
B : matriz de transformación del sistema (x1′ , x 2′ , x3′ ) al sistema (x1′′, x 2′′ , x3′′ ) ;
C : matriz de transformación del sistema (x1′′, x 2′′ , x3′′ ) al sistema (x1′′′, x 2′′′, x3′′′) .
X′
A −1
=A T
B −1 = B T
A B
BA
X X ′′
AT BT
CBA C
AT BT CT C −1 = C T
X ′′′
Figura 1.23: Matrices de transformación entre sistemas.

Si consideramos una matriz columna v formada por las componentes del tensor de orden
r
uno v en el sistema (x1 , x 2 , x3 ) y las matrices de transformación A , B , C , podemos
decir que las componentes de este vector en el sistema (x1′ , x 2′ , x3′ ) serán:
v ′ = Av (1.258)
y su forma inversa
v = AT v′ (1.259)
Las componentes de este vector en el sistema (x1′′, x ′2′ , x3′′ ) son:
v ′′ = Bv ′ (1.260)
y su forma inversa:
v ′ = B T v ′′ (1.261)
Reemplazando la ecuación (1.258) en la ecuación (1.260) hallamos:
v ′′ = BA v (1.262)
1 TENSORES 67
La matriz formada por BA será la matriz de transformación (también ortogonal, i.e.

(BA ) −1 = (BA ) T , ver Ejemplo 1.26) del sistema (x1 , x 2 , x3 ) para el sistema (x1′′, x 2′′ , x3′′ ) , ver
Figura 1.23. La forma inversa será obtenida reemplazando la ecuación (1.261) en la
ecuación (1.259), resultando:
v = A T B T v ′′ (1.263)
Podríamos haber obtenido esta ecuación directamente de la ecuación (1.262)
v = (BA ) v ′′ = (BA ) v ′′ = A T B T v ′′
−1 T
(1.264)
Análogamente, podemos obtener las componentes del vector en el sistema (x1′′′, x 2′′′, x3′′′) , ver
Figura 1.23, como:
v ′′′ = CBA v Forma
 inversa
→ v = A T B T C T v ′′′ (1.265)
1.5.3.1 Transformada de Coordenadas en 2 Dimensiones
En el caso 2D tenemos como matriz de transformación de coordenadas una matriz con 4

componentes, donde dos son redundantes, y además las otras dos se pueden escribir en
función de una única variable libre, α .
y
α y ′y = α
x′ π
y′ α x′y = −α
α y′y α x′y 2
π
α y ′x = +α
α y ′x α x′x = α 2
x
Figura 1.24: Transformación de sistema de coordenadas- 2D.
La transformación de coordenadas entre el sistema x − y al sistema x ′ − y ′ viene dada por

la matriz A , que es:
 a11 a12 0 cos(α x′x ) cos(α x′y ) 0
A = a 21 a 22 0 = cos(α y ′x ) cos(α y ′y ) 0 (1.266)
 0 0 1   0 0 1
cuya matriz A es la matriz con los cosenos directores, ver Figura 1.24. Por relaciones
trigonométricas podemos deducir que:
α x′x = α y′y ⇒ cos(α x′x ) = cos(α y′y ) = cos(α )
π 
cos(α x′y ) = cos − α  = sin(α )
2  (1.267)
π 
cos(α y′x ) = cos + α  = − sin(α )
2 
Quedando la matriz de transformación (en 2D) definida por:
 cos(α) sin(α ) 
A=  (1.268)
− sin(α ) cos(α )
Como comprobación de esta transformación consideremos un vector posición del punto
r
P dado por r , donde sus coordenadas son ( x P , y P ) en el sistema x − y , y las coordenadas
del mismo punto en el sistema x ′ − y ′ son ( x ′P , y ′P ) , ver Figura 1.25.
yP′
y x′
P
xP
yP
yP
sin
co
(α
s(
)
α)
y′ α x ′P
r
r
β
)
(α
is n
y ′P yP
α xP
) x
s(α
c o
xP
Figura 1.25: Transformación de sistema de coordenadas- 2D.
Podemos escribir que:

 π 
 x ′P = x P cos(α ) + y P cos − α 
′
 x P = x P cos(α ) + y P cos(β )  2 
  (1.269)
 π   y ′ = − x cos π − α  + y cos(α )
 y ′P = − x P cos(β ) + y P cos 2 − β 
 ⇒ 
P P P
  2 
 x ′P = x P cos(α ) + y P sin(α )
⇒ (1.270)
 y ′P = − x P sin(α) + y P cos(α )
En forma matricial:
−1
 x ′P   cos(α ) sin(α )   x P  Forma  x   cos(α ) sin(α )   x ′P 
→ P  = 
Inversa
 y ′  =  − sin(α ) cos(α )  y      y′  (1.271)
 P   P  y P  − sin(α ) cos(α )  P
Como la matriz es ortonormal, su inversa es igual a su transpuesta, es decir, A −1 = A T ,
luego la relación anterior puede ser reescrita como:
 x P  cos(α ) − sin(α )  x ′P 
 y  =  sin(α ) cos(α )   y ′  (1.272)
 P    P
1 TENSORES 69
Ejemplo 1.31: Encontrar la matriz de transformación del sistema ( x, y , z ) al sistema

x′′′, y ′′′, z ′′′ , ver Figura 1.26:
z = z′
z ′′ = z ′′′
y ′′′
β
γ y ′ = y ′′
α y
x α x′
γ
x ′′′
x ′′
Figura 1.26: Rotación.
Solución: Podemos observar que la obtención del sistema x′′′, y ′′′, z′′′ es una combinación de
rotaciones mostradas a continuación:
♦ Rotación según eje z
z = z′
sistema x, y , z para x′, y ′, z′

y′
α  cos α sin α 0
α
y A = − sin α cos α 0
 0 0 1 
x x′
con 0 ≤ α ≤ 360 º
♦ Rotación según eje y′
z = z′ sistema x′, y ′, z′ para x′′, y ′′, z′′

z ′′ cos β 0 − sin β 
B =  0 1 0 
 sin β 0 cos β 
β y ′ = y ′′ con 0 ≤ β ≤ 180 º
α y z = z′ z ′′
x α x′
x′
β
x ′′
x ′′
♦ Rotación según eje z ′′
z = z′
z ′′ = z ′′′
sistema x′′, y ′′, z′′ para x′′′, y ′′′, z′′′
y ′′′
β  cos γ sin γ 0
γ y ′ = y ′′
C = − sin γ cos γ 0 
α y
 0 0 1 
x α x′ con 0 ≤ γ ≤ 360º
γ
x ′′′
x ′′
La matriz de transformación del sistema ( x, y , z ) para el sistema x′′′, y ′′′, z′′′ , ver Figura 1.23,
será dada por:
D = CBA
Resultando:
 (cos α cos β cos γ − sin α sin γ ) (sin α cos β cos γ + cos α sin γ ) − sin β cos γ 
D = (− cos α cos β sin γ − sin α cos γ ) (− sin α cos β sin γ + cos α cos γ ) sin β sin γ 

 cos α sin β sin α sin β cos β 
Los ángulos α, β , γ son conocidos como los ángulos de Euler.
1 TENSORES 71
Ejemplo 1.32: Consideremos que las componentes de un tensor de segundo orden T , en

el sistema de referencia (x1 , x 2 , x 3 ) , están representadas por:
 3 − 1 0
(T )ij = Tij = T =  − 1 3 0 
 0 0 1 
Sabiendo que la matriz de transformación de coordenadas del sistema (x1 , x 2 , x 3 ) al sistema
(x1′ , x 2′ , x 3′ ) viene dada por:
 
 0 0 1
 2 2 
A= 0
 2 2 
 2 2 
− 0
 2 2 
Obtener las componentes del tensor Tij en el nuevo sistema de coordenadas (x1′ , x 2′ , x 3′ ) .
Solución: Como se definió en la ecuación (1.257), la ley de transformación para un tensor de
segundo orden es
Tij′ = aik a jl Tkl
Para que la operación anterior sea posible en forma matricial:
[ ]
Tij′ = [a i k ] [Tk l ] a l j
T
Luego:
T ′ = A T AT
 0  2 2
0 1 0 − 
  2 2 
 2   3 − 1 0  
2   2 2 
T ′=  0   − 1 3 0  0
 2 2   2 2 
 2 2  0 0 1 
 
− 0 1 0 0 
 2 2   
Efectuando la operación de matrices obtenemos que:
1 0 0 
T ′ = 0 2 0 
0 0 4 
NOTA: Como podemos verificar en el ejemplo anterior las componentes del tensor T en
esta nueva base presenta una característica donde los términos fuera de la diagonal principal
son nulos. La pregunta ahora es: ¿Dado un tensor T , existe una transformación de base tal
que las componentes fuera de la diagonal principal de este tensor sean nulos? Este tipo de
problema es el denominado problema de autovalor y autovector. ■
1.5.4 Autovalores y Autovectores de un Tensor

Como hemos visto anteriormente, el producto escalar de un tensor de segundo orden T
con un vector (o un versor nˆ ′ ) resulta un vector, o dicho de otra manera, que la proyección
de un tensor de segundo orden según una dirección resulta un vector que no

necesariamente tiene la misma dirección de nˆ ′ , ver Figura 1.27 (a).
El problema de autovalor y autovector consiste en encontrar una dirección n̂ tal que el
vector proyección según está dirección esté coincidente con la dirección n̂ , ver Figura 1.27
(b).
a) Proyección de T sobre b) Dirección principal de T .

un plano arbitrario.
r ˆ
t (n′) = T ⋅ nˆ ′
r ˆ
t (n) = T ⋅ nˆ
r ˆ
n̂ = t (n) nˆ
nˆ ′
= λnˆ
x3 n̂ - dirección principal
x2 λ - autovalor asociado a la
dirección n̂ .
x1
Figura 1.27: Proyección de un tensor sobre una dirección.
Luego, sea un tensor T . Un vector n̂ se dice autovector de T si existe un escalar λ ,

denominado autovalor, tal que:
T ⋅ nˆ = λnˆ (1.273)
Si T es un tensor de segundo orden, podemos escribir la ecuación (1.273) en componentes
como:
Tij nˆ j = λnˆ i
⇒ Tij nˆ j − λnˆ i = 0 i (1.274)
Notación r
( )
⇒ Tij − λδ ij nˆ j = 0 i  → (T − λ1) ⋅ nˆ = 0
Tensorial
El conjunto de ecuaciones homogéneas anteriores solo tendrá soluciones no triviales de n̂

r
(es decir, para nˆ ≠ 0 ), ver Ejemplo 1.25, si y sólo si:
det ( T − λ1) = 0 ; Tij − λδ ij = 0 (1.275)
que es conocido como el determinante característico del tensor T , explícitamente dado
por:
T11 − λ T12 T13
T21 T22 − λ T23 =0 (1.276)
T31 T32 T33 − λ
1 TENSORES 73
Desarrollando este determinante y reestructurando los términos podemos obtener el

polinomio característico, que está representado por una ecuación cúbica en λ :
λ3 − λ2 I T + λ II T − III T = 0 (1.277)
donde I T , II T , III T son los invariantes principales del tensor T , definidos en función de sus
componentes Tij por:
I T = Tr (T ) = Tii
δ jk
II T =
1
2
[
( TrT ) 2 − Tr ( T 2 ) ]
=
1
2
{ [( ) ]}
Tr ( Tij eˆ i ⊗ eˆ j ) Tr ( Tkl eˆ k ⊗ eˆ l ) − Tr Tij eˆ i ⊗ eˆ j ⋅ (Tkl eˆ k ⊗ eˆ l )
=
1
2
{ [ ]}
Tij δ ij Tkl δ kl − Tij Tkl δ jk Tr (eˆ i ⊗ eˆ l ) (1.278)
=
1
2
{ Tii Tkk − Tij Tkl δ jk δ il }
=
1
2
{ }
Tii Tkk − Tij T ji = Mii = Tr[cof( T )]
III T = det ( T ) = Tij =  ijk Ti1 T j 2 Tk 3
donde Mii es la traza de la matriz cofactor definida en la expresión (1.213), i.e.

Mii = M11 + M 22 + M33 . Explícitamente, los invariantes vienen dados por:
IT = T11 + T22 + T33
T22 T23 T11 T13 T T12
II T = + + 11
T32 T33 T31 T33 T21 T22 (1.279)
= T22 T33 − T23 T32 + T11 T33 − T13 T31 + T11 T22 − T12 T21
III T = T11 ( T22 T33 − T32 T23 ) − T12 (T21 T33 − T31 T23 ) + T13 ( T21 T32 − T31 T22 )
Si T es un tensor simétrico, los invariantes principales se resumen de la forma:
IT = T11 + T22 + T33
II T = T11 T22 + T11 T33 + T22 T33 − T122 − T132 − T232
(1.280)
III T = T11 T22 T33 + T12 T13 T23 + T13 T12 T23 − T122 T33 − T23
2
T11 − T132 T22
OBS.: Encontrar los autovalores (también conocidos como valores principales) es

equivalente a encontrar unas direcciones principales (autovectores) tal que Tij = 0
para i ≠ j . Además podemos decir que los autovectores constituyen una matriz de
transformación entre el sistema original y el sistema formado por los autovectores.
Los autovalores λ1 , λ 2 , λ 3 se obtienen al resolver la ecuación cúbica (1.277). Una vez

obtenidos los autovalores, los autovectores se obtienen al aplicar la ecuación (1.274), i.e.
( Tij − λ 1δ ij ) nˆ (j1) = 0 i , ( Tij − λ 2 δ ij ) nˆ (j2 ) = 0 i , ( Tij − λ 3 δ ij ) nˆ (j3) = 0 i , con la restricción
nˆ k nˆ k = 1 . Estos autovectores constituyen una nueva base denominada de espacio principal.
Si T es simétrico, el espacio principal viene definido por una base ortonormal y los
autovalores son todos reales. Si los tres autovalores son distintos λ 1 ≠ λ 2 ≠ λ 3 tenemos tres
direcciones principales únicas. Si dos autovalores son iguales, e.g. λ 1 = λ 2 ≠ λ 3 tenemos en
este caso una dirección principal única ( n̂ (3) ) correspondiente al autovalor λ 3 y las otras
dos pueden ser cualesquiera mientras sean mutuamente ortogonales entre si y a n̂ (3) , es
decir, cualquier dirección que este en el plano normal a n̂ (3) . Si λ 1 = λ 2 = λ 3 cualquier
dirección será una dirección principal. Cuando un tensor presenta los tres autovalores
iguales lo denominamos de Tensor Esférico, ver A.4 Elipsoide del Tensor.
Una vez obtenidos los autovectores, estos constituyen una base ortonormal denominado
de espacio principal. En este espacio sólo tendremos componentes normales. Luego, las
componentes del tensor en este espacio vienen representadas por:
λ 1 0 0   T1 0 0
Tij =  0
′ λ2 0 =0
  T2 0  (1.281)
 0 0 λ 2   0 0 T3 
En este espacio (espacio principal), los invariantes pueden ser obtenidos como:
IT = T1 + T2 + T3
II T = T1 T2 + T2 T3 + T1 T3 (1.282)
III T = T1 T2 T3
Cuyos valores tienen que coincidir con los valores obtenidos en (1.279), ya que son
invariantes. En el caso particular que el tensor sea esférico, es decir, T1 = T2 = T3 = T , se
cumple que I T2 = 3 II T , III T = T 3 .
Dado un tensor antisimétrico W , los invariantes principales vienen dados por:
IW = Tr (W ) = 0
II W
1
[
= ( TrW ) 2 − Tr (W 2 ) =
2
]
− Tr (W 2 )
2
0 W23 0 W13 0 W12
= + +
− W23 0 − W13 0 − W12 0 (1.283)
= W23 W23 + W13 W13 + W12 W12

= ω2
III W =0
r r r
donde ω 2 = w = w ⋅ w = W232 + W132 + W122 , ver expresión (1.133). Luego, la ecuación
2
característica correspondiente a un tensor antisimétrico queda:

λ3 − λ2 I W + λ II W − III W = 0
⇒ λ3 + ω 2 λ = 0 (1.284)
(
⇒ λ λ2 + ω 2 = 0 )
Con lo cual comprobamos que por lo menos un autovalor es real e igual a cero, y dos
posibles raíces imaginarias:
λ2 + ω 2 = 0 ⇒ λ2 = −ω 2 = 0 ⇒ λ (1, 2 ) = ±ω − 1 = ±ω i (1.285)
1.5.4.1 Ortogonalidad de los Autovectores
Retomando la definición de autovalores dada por (1.273), si λ 1 , λ 2 , λ 3 (con λ 1 ≠ λ 2 ≠ λ 3 )

son los autovalores del tensor de segundo orden T luego, se cumple que:
1 TENSORES 75
T ⋅ nˆ (1) = λ 1nˆ (1) ; T ⋅ nˆ ( 2 ) = λ 2 nˆ ( 2) T ⋅ nˆ (3) = λ 3 nˆ (3) (1.286)

Podemos multiplicar la primera expresión por n̂ ( 2) y a la segunda por n̂ (1) resultando:
nˆ ( 2 ) ⋅ T ⋅ nˆ (1) = λ 1nˆ ( 2 ) ⋅ nˆ (1) ; nˆ (1) ⋅ T ⋅ nˆ ( 2 ) = λ 2 nˆ (1) ⋅ nˆ ( 2 ) (1.287)
Considerando T simétrico, se cumple que nˆ ( 2) ⋅ T ⋅ nˆ (1) = nˆ (1) ⋅ T T ⋅ nˆ ( 2) = nˆ (1) ⋅ T ⋅ nˆ ( 2)
luego:
λ 1nˆ ( 2) ⋅ nˆ (1) = λ 2 nˆ (1) ⋅ nˆ ( 2 ) (1.288)
Teniendo en cuenta que nˆ ( 2) ⋅ nˆ (1) = nˆ (1) ⋅ nˆ ( 2) , la relación anterior queda:
(λ 1 − λ 2 ) nˆ (1) ⋅ nˆ ( 2) = 0 (1.289)
Ya que λ1 ≠ λ 2 ≠ 0 , para satisfacer (1.289) se debe cumplir que:
nˆ (1) ⋅ nˆ ( 2 ) = 0 (1.290)
Análogamente podemos demostrar que nˆ (1) ⋅ nˆ (3) = 0 y nˆ ( 2) ⋅ nˆ (3) = 0 . Con lo que
demostramos que los autovectores son versores ortogonales entre sí, constituyendo así una
base ortonormal, ver Figura 1.28, donde la matriz de transformación de base viene dada
por:
 nˆ (1)   nˆ 1(1) nˆ (21) nˆ 3(1) 
   
A = nˆ ( 2)  = nˆ 1( 2) nˆ (22 ) nˆ 3( 2 )  (1.291)
nˆ (3)  nˆ (3) nˆ (23) nˆ (33) 
   1
NOTA: Si el tensor no es simétrico, los autovectores no necesariamente constituyen una
base ortonormal.
diagonalización
T ′ = A T AT
x3 T33 T3
T2
x3′ ( 3)
n̂
n̂( 2 )
T23 x 2′
T13
T23
T13 T22 n̂(1)
T12 T12
x2 T1
T11
x1′
x1
T = AT T ′ A Espacio Principal
Figura 1.28: Diagonalización.
Ejemplo 1.33: Demostrar que las siguientes relaciones son invariantes:

C12 + C 22 + C 32 ; C13 + C 23 + C 33 ; C14 + C 24 + C 34
donde C1 , C 2 , C 3 son los autovalores del tensor de segundo orden C .
Solución :
Cualquier combinación de los invariantes principales será un invariante. Intentaremos
expresar las relaciones anteriores en función de los invariantes principales.
Consideremos la siguiente relación:
2
(
I C2 = (C1 + C 2 + C 3 ) = C12 + C 22 + C 32 + 2 C1 C 2 + C1 C 3 + C 2 C 3
1444424444 3
)
II C
⇒ C12 + C 22 + C 32 = I C2 − 2 II C
Comprobando que C12 + C 22 + C 32 es un invariante. Análogamente, podemos obtener que:
C13 + C 23 + C 33 = I C3 − 3 II C I C + 3 III C
C14 + C 24 + C 34 = I C4 − 4 II C I C2 + 4 III C I C + 2 II C2
Ejemplo 1.34: Demostrar que si Q es un tensor de segundo orden ortogonal propio, y E

es un tensor de segundo orden, los autovalores de E no cambian con la transformación:
E* = Q ⋅ E ⋅ QT
Solución:
Los autovalores ( λ i ) del tensor E obtenemos a partir del determinante característico:
0 = det (E * − λ* 1 * ) = det (E * − λ1) 0 = det (E *ij − λδ ij )
(
= det Q ⋅ E ⋅ Q T − λ1 ) (
= det Q ik E kp Q jp − λδ ij )
= det (Q ⋅ E ⋅ Q − Q ⋅ λ1 ⋅ Q )
T T
= det (Q E − λQ ik Q jp δ kp )
kp Q jp
= det [Q ⋅ (E − λ1 ) ⋅ Q ]
ik
= det [Q (E ) ]
T
− λδ kp Q jp
(Q3)
ik kp
= det
12Q
(3) det (E − λ1) det
1 424
T
= det (Q )det (E − λδ ) det (Q )
ik kp kp jp
1 1
= det (E − λ1 ) = det (E − λδ )
kp kp
*
Con lo cual comprobamos que E y E tienen los mismos autovalores.
1.5.4.2 Solución de la Ecuación Cúbica
Si un tensor T es simétrico podemos demostrar que las raíces de la ecuación característica

( λ3 − λ2 I T + λ II T − III T = 0 ) serán todas raíces reales, definidas de la forma:
  α  I
λ 1 = 2 S cos   + T
  3  3
  α 2π   I T
λ 2 = 2 S cos +  + (1.292)
 3 3  3
  α 4π   I T
λ 3 = 2S cos +  +
 3 3   3
con
I T2 − 3 II T R I T II T 2I 3 R3  Q 
R= ; S= ; Q= − III T − T ; T= ; α = arccos − 
3 3 3 27 27  2T 
1 TENSORES 77
con α en radianes. (1.293)

Ya que λ1 , λ 2 , λ 3 son los autovalores del tensor T , luego podemos reestructurar la
solución como:
 α 
cos 3  0 0 
λ 1 0 0 1 0 0    
0  IT     α 2π  
 λ2 0=  0 1 0 + 2 S 0 cos +  0
3  3 3   (1.294)
 0 0 λ 3  0 0 1  
144244 3  0  α 4π  
0 cos + 
Parte Esférica
  
 344343
14 4444444244444
Parte Desviadora
donde distinguimos claramente la parte esférica y desviadora del tensor. Observemos que si
T es esférico se cumple que I T2 = 3 II T , luego R = S = 0 .
Ejemplo 1.35: Determinar los valores principales y las direcciones principales del tensor de
segundo orden simétrico T , cuyas componentes en la base Cartesiana se representan
matricialmente por:
 3 − 1 0
(T )ij = Tij = T = − 1 3 0
 0 0 1 
( )
Solución: Buscamos soluciones no triviales para Tij − λδ ij n j = 0 i , con la restricción de que
nˆ j nˆ j = 1 . Como ya hemos visto, la solución no trivial requiere la condición:
Tij − λδ ij = 0
Explícitamente, la expresión anterior queda:
T11 − λ T12 T13 3 − λ −1 0
T21 T22 − λ T23 = −1 3 − λ 0 =0
T31 T32 T33 − λ 0 0 1− λ
Desarrollando el determinante anterior obtenemos la ecuación cúbica:
[
(1 − λ ) (3 − λ ) 2 − 1 = 0 ]
3 2
λ − 7 λ + 14λ − 8 = 0
Podríamos haber obtenido directamente la ecuación característica anterior a través de los
invariantes:
I T = Tr ( Tij ) = Tii = T11 + T22 + T33 = 7
T T23 T11 T13 T11 T12
II T =
1
2
( )
Tii T jj − Tij Tij = 22
T32 T33
+
T31 T33
+
T21 T22
= 14
III T = Tij =  ijk Ti1 T j 2 Tk 3 = 8

Luego, utilizando la ecuación (1.277), la ecuación característica será:
λ3 − λ2 I T + λ II T − III T = 0 → λ3 − 7λ2 + 14λ − 8 = 0
Resolviendo la ecuación cúbica podemos obtener las tres raíces reales, puesto que la matriz
T es simétrica:
λ 1 = 1; λ 2 = 2; λ3 = 4
Podemos además comprobar si los invariantes están bien calculados utilizando la expresión
de los invariantes en función de los autovalores:
I T = λ1 + λ 2 + λ 3 = 1 + 2 + 4 = 7 ✓
II T = λ 1 λ 2 + λ 2 λ 3 + λ 3 λ 1 = 1 × 2 + 2 × 4 + 4 × 1 = 14 ✓
III T = λ 1 λ 2 λ 3 = 8 ✓
Con lo que podemos comprobar que los invariantes son los mismos que los obtenidos
anteriormente.
Cálculo de las direcciones principales:
Para obtener las direcciones principales, utilizamos la ecuación (1.274), donde cada
autovalor λ i está asociado a un autovector nˆ (i ) .
Para λ 1 = 1
3 − λ 1 −1 0   n 1  3 − 1 − 1 0   n1   0 
 −1 3 − λ1 0  n 2  =  − 1 3 − 1 0  n 2  = 0 
   

 0 0 1 − λ 1  n 3   0 0 1 − 1 n 3  0 
resultando el siguiente sistema de ecuaciones:
2n1 − n 2 = 0 
  ⇒ n1 = n 2 = 0
 − n1 + 2n 2 = 0
0n = 0
 3
n i n i = n12 + n 22 + n 32 = 1
Luego, podemos obtener que: λ1 = 1 ⇒ nˆ i(1) = [0 0 ± 1] .
NOTA: Esta solución podría haberse determinado previamente por la situación particular
que presentan las componentes del tensor. Al ser los términos T13 = T23 = T31 = T32 = 0 ,
T33 = 1 ya es un valor principal, como consecuencia esta dirección ya es una dirección
principal. ■
Para λ 2 = 2
3 − λ 2 −1 0   n 1  3 − 2 − 1 0   n1   0 
 −1 3 − λ2    
0  n 2  =  − 1 3 − 2 0  n 2  = 0 

 0 0 1 − λ 2  n 3   0 0 1 − 2  n 3  0 
n1 − n 2 = 0 ⇒ n1 = n 2

 − n1 + n 2 = 0
− n = 0
 3
Podemos observar que las dos primeras ecuaciones son linealmente dependientes.
Necesitamos entonces de una ecuación adicional:
1
n i n i = n12 + n 22 + n 32 = 1 ⇒ 2n12 = 1 ⇒ n1 = ±
2
Luego:
 1 1 
λ2 = 2 ⇒ nˆ i( 2 ) =  ± ± 0
 2 2 
Para λ 3 = 4
3 − λ 3 −1 0   n 1  3 − 4 − 1 0   n1  0 
 −1 3 − λ3    
0  n 2  =  − 1 3 − 4 0  n 2  = 0 

 0 0 1 − λ 3  n 3   0 0 1 − 4  n 3  0 
1 TENSORES 79
 − n1 − n 2 = 0 
  ⇒ n1 = −n 2
 − n1 − n 2 = 0 
− 3n = 0
 3
1
n i n i = n12 + n 22 + n 32 = 1 ⇒ 2n 22 = 1 ⇒ n 2 = ±
2
Resultando:
 1 1 
λ3 = 4 ⇒ nˆ i(3) =  m ± 0
 2 2 
Podemos entonces resumir que las direcciones principales correspondientes a sus valores
principales son:
λ1 = 1 ⇒ nˆ (i1) = [0 0 ± 1]
 1 1 
λ2 = 2 ⇒ nˆ (i 2 ) = ± ± 0
 2 2 
 1 1 
λ3 = 4 ⇒ nˆ (i 3) = m ± 0
 2 2 
NOTA: Las componentes del tensor en el sistema de coordenadas original (x1 , x 2 , x 3 ) es el
mismo del Ejemplo 1.32. Los autovalores obtenidos fueron λ 1 = 1 , λ 2 = 2 y λ 3 = 4 y la
matriz de transformación A está constituida por los autovectores de T . Verificando así
que los autovectores constituyen una base de transformación del sistema (x1 , x 2 , x 3 ) para el
sistema (x1′ , x 2′ , x 3′ ) que está formada por los ejes principales ■
1.5.5 Representación Espectral de Tensores

De la solución de la ecuación (1.277) obtenemos tres autovalores: λ 1 ≡ T1 , λ 2 ≡ T2 ,
λ 3 ≡ T3 . Cada autovalor estará asociado a un autovector, es decir:
para T1 ⇒ nˆ i(1) [
= nˆ 1(1) nˆ (21) nˆ (31) ]
para T2 ⇒ nˆ i( 2 ) = [ nˆ ( 2)
1 nˆ (22 ) nˆ 3( 2 ) ] (1.295)
para T3 ⇒ nˆ i(3) = [ nˆ ( 3)
1 nˆ (23) nˆ 3(3) ]
En el espacio principal, cuyas bases están formadas por los autovectores nˆ (1) , nˆ ( 2) , nˆ (3) , el
tensor T tendrá como componentes una matriz diagonal formada por los autovalores:
 T1 0 0
Tij′ = T ′ =  0 T2 0  (1.296)
 0 0 T3 
Sabiendo que los autovectores forman una base de transformación tal que:
T ′ = A T AT (1.297)
luego, la forma inversa será:
T = AT T ′ A (1.298)
donde
 nˆ (1)   nˆ 1(1) nˆ (21) nˆ 3(1) 
   
A = nˆ ( 2)  = nˆ 1( 2) nˆ (22 ) nˆ 3( 2 )  (1.299)
nˆ (3)  nˆ (3) nˆ (23) nˆ (33) 
   1
Explícitamente, la relación (1.298) queda:
 T11 T12 T13  nˆ 1(1) nˆ 1( 2 ) nˆ 1(3)   T1 0 0   nˆ 1(1) nˆ (21) nˆ (31) 
T    
 12 T22 T23  = nˆ (21) nˆ (22 ) nˆ (23)   0 T2 0  nˆ 1( 2) nˆ (22 ) nˆ 3( 2) 
 T13 T23 T33  nˆ (1) nˆ ( 2 ) nˆ 3(3)   0 0 T3  nˆ 1(3) nˆ (23) nˆ 3(3) 
 3 3
T
 1 0 0
T 
= A  0 T2 0  A (1.300)
 0 0 T3 
1 0 0 0 0 0  0 0 0 
= T1A 0 0 0 A + T2 A 0 1 0A + T3 A 0 0 0 A
 T  T   T 
0 0 0 0 0 0 0 0 1
donde se cumple que:
1 0 0 nˆ 1(1) nˆ 1(1) nˆ 1(1) nˆ (21) nˆ 1(1) nˆ 3(1) 

 
A T 0 0 0A = nˆ (21) nˆ 1(1) nˆ (21) nˆ (21) nˆ (21) nˆ 3(1)  = nˆ i(1) nˆ (j1)
0 0 0 nˆ (1) nˆ (1) nˆ 3(1) nˆ (21) nˆ 3(1) nˆ 3(1) 
 3 1
0 0 0  nˆ 1( 2 ) nˆ 1( 2 ) nˆ 1( 2 ) nˆ (22 ) nˆ 1( 2 ) nˆ (32 ) 
 
A T 0 1 0A = nˆ (22) nˆ 1( 2) nˆ (22 ) nˆ (22 ) nˆ (22 ) nˆ (32 )  = nˆ i( 2 ) nˆ (j2 ) (1.301)
0 0 0 nˆ ( 2 ) nˆ ( 2 ) nˆ 3( 2 ) nˆ (22 ) nˆ (32 ) nˆ (32 ) 
 3 1
0 0 0  nˆ 1(3) nˆ 1(3) nˆ 1(3) nˆ (23) nˆ 1(3) nˆ 3(3) 
 
A T 0 0 0A = nˆ (23) nˆ 1(3) nˆ (23) nˆ (23) nˆ (23) nˆ 3(3)  = nˆ i(3) nˆ (j3)
0 0 1 nˆ (3) nˆ (3) nˆ (33) nˆ (23) nˆ 3(3) nˆ 3(3) 
 3 1
Luego, podemos representar las componentes de un tensor de segundo orden en función
de sus valores principales y autovectores como:
Tij = T1 nˆ i(1) nˆ (j1) + T2 nˆ (i 2 ) nˆ (j2 ) + T3 nˆ (i 3) nˆ (j3) (1.302)
o en notación tensorial como:
T = T1 nˆ (1) ⊗ nˆ (1) + T2 nˆ ( 2 ) ⊗ nˆ ( 2 ) + T3 nˆ (3) ⊗ nˆ (3) (1.303)
o también
3
Representación espectral de un
T= ∑T
a =1
a nˆ ( a ) ⊗ nˆ ( a )
tensor simétrico de segundo orden
(1.304)
que es la denominada representación espectral del tensor. Observemos que en la expresión

anterior tenemos que recurrir al símbolo de suma ya que el índice aparece tres veces en la
expresión.
NOTA: La representación espectral (1.304) podría haber sido obtenida fácilmente
partiendo de la definición del tensor identidad (tensor esférico) dada por (1.169),
1 TENSORES 81
1 = nˆ i ⊗ nˆ i , donde {nˆ 1 , nˆ 2 , nˆ 3 } constituye una base ortonormal. Podemos también

3
representar 1 = nˆ i ⊗ nˆ i a través del símbolo de suma como 1 = ∑ nˆ ( a ) ⊗ nˆ ( a ) . Luego, se
a =1
cumple que:
 3  3 3
 a =1
∑
T = T ⋅ 1 = T ⋅  nˆ ( a ) ⊗ nˆ ( a )  =

∑
a =1
T ⋅ nˆ ( a ) ⊗ nˆ ( a ) = ∑T
a =1
a nˆ ( a ) ⊗ nˆ ( a ) (1.305)
donde hemos utilizado la definición de autovalor y autovector T ⋅ nˆ ( a ) = Ta nˆ ( a ) . ■

Consideremos un tensor ortogonal R cuya transformación ortogonal aplicada al versor
original N̂ transforma en el versor n̂ , es decir, nˆ = R ⋅ N
ˆ . Podemos entonces hacer la
representación espectral de un tensor ortogonal como:
 3 ˆ (a) ˆ (a)  3 3
R = R ⋅ 1 = R ⋅  N
 a =1
∑ ⊗ N  =

∑a =1
R ⋅N
ˆ (a) ⊗ N
ˆ (a ) =
∑ nˆ
a =1
(a ) ˆ (a)
⊗N (1.306)
En el espacio de las direcciones principales, la potencia de tensores podemos expresarla

como:
 T1n 0 0
(T ) n
ij

= 0 T2n 0

(1.307)
0 0 T3n 

Luego, la representación espectral del tensor T n será:
3
Tn = ∑T
a =1
n
a nˆ ( a ) ⊗ nˆ ( a ) (1.308)
Si ahora queremos calcular la raíz cuadrada del tensor T , podemos fácilmente obtener a
través de la representación espectral:
3
T= ∑
a =1
Ta nˆ ( a ) ⊗ nˆ ( a ) (1.309)
r r
Consideremos un tensor semi-definido positivo ( T ), luego hay que cumplir x ⋅ T ⋅ x ≥ 0
r r
para todo x ≠ 0 . Aplicando la representación espectral obtenemos que:
r r
x⋅T⋅x ≥0
r  3  r
∑
⇒ x ⋅  Ta nˆ ( a ) ⊗ nˆ ( a )  ⋅ x ≥ 0
 a =1  (1.310)
3
r r
⇒ ∑ Ta x ⋅ nˆ ( a ) ⊗ nˆ ( a ) ⋅ x ≥ 0
a =1
r
Observemos que el resultado de la operación ( x ⋅ nˆ (a ) ) es un escalar con lo cual podemos
escribir que:
∑ T [1
( x ⋅ nˆ ) ]
3 3
r r r
∑ Ta x ⋅ nˆ ( a ) ⊗ nˆ ( a ) ⋅ x ≥ 0 ⇒ a
4243
(a) 2
a =1 a =1
>0 (1.311)
r r r
⇒ T1 ( x ⋅ nˆ (1) ) 2 + T2 ( x ⋅ nˆ ( 2 ) ) 2 + T3 ( x ⋅ nˆ (3) ) 2 ≥ 0
r r r
Fijemos que la expresión anterior hay que cumplir para todo x ≠ 0 . Si adoptamos x = n̂ (1)
quedamos con T1 (nˆ (1) ⋅ nˆ (1) ) 2 = T1 ≥ 0 , análogamente para T 2 y T 3 . Con lo cual
demostramos que si un tensor es semi-definido positivo eso implica que sus autovalores
son mayores o igual a cero, T 1 ≥ 0 , T 2 ≥ 0 , T 3 ≥ 0 . Concluimos también que, un tensor será
definido positivo si y solo si sus autovalores son positivos y distintos de cero, es decir,
T 1 > 0 , T 2 > 0 , T 3 > 0 . Como consecuencia la traza de un tensor definido positivo es mayor
que cero. Si la traza de un tensor definido positivo es igual a cero, eso implica que el tensor
es el tensor nulo.
Teniendo en cuenta lo expuesto anteriormente, queda trivial la representación de los
tensores identidades de cuarto orden de la siguiente forma:
3 3
I = δ ik δ jl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l = eˆ i ⊗ eˆ j ⊗ eˆ i ⊗ eˆ j = ∑∑ eˆ
a =1 b =1
a ⊗ eˆ b ⊗ eˆ a ⊗ eˆ b (1.312)
Luego, como I es un tensor isótropo, será válido también en cualquier base ortonormal
nˆ ( a ) :
3
I= ∑ nˆ
a ,b =1
(a)
⊗ nˆ (b ) ⊗ nˆ ( a ) ⊗ nˆ (b ) (1.313)
Análogamente, podemos hacer la representación de los tensores I , I como:

I = δ il δ jk eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l = eˆ i ⊗ eˆ j ⊗ eˆ j ⊗ eˆ i (1.314)
3
I= ∑ nˆ
a ,b =1
(a)
⊗ nˆ (b ) ⊗ nˆ (b ) ⊗ nˆ ( a ) (1.315)
I = δ ij δ kl eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l = eˆ i ⊗ eˆ i ⊗ eˆ k ⊗ eˆ k (1.316)
3
I= ∑ nˆ
a ,b =1
(a)
⊗ nˆ ( a ) ⊗ nˆ (b ) ⊗ nˆ (b ) (1.317)
Ejemplo 1.36: Sea w un tensor antisimétrico de segundo orden y V un tensor de

segundo orden definido positivo cuya representación espectral viene dada por:
3
V= ∑λ
a =1
a nˆ ( a ) ⊗ nˆ ( a )
Demostrar que el tensor antisimétrico w puede ser representado por:

3
w = ∑ w ab nˆ (a ) ⊗ nˆ (b)
a ,b =1
a ≠b
Demostrar también que se cumple la relación:

3
w ⋅ V − V ⋅ w = ∑ w ab (λ b − λ a ) nˆ ( a ) ⊗ nˆ (b)
a ,b =1
a ≠b
Solución:
Es cierto que
1 TENSORES 83
 
w ⋅ 1 = w ⋅  ∑ nˆ ( a ) ⊗ nˆ ( a)  = ∑ w ⋅ nˆ (a ) ⊗ nˆ (a ) = ∑ (wr ∧ nˆ ( a) ) ⊗ nˆ ( a)
3 3 3
 a =1  a =1 a =1
∑ w (nˆ )
3
= b
(b )
∧ nˆ ( a ) ⊗ nˆ ( a )
a ,b =1
r r
donde hemos aplicado la propiedad de un tensor antisimétrico w ⋅ nˆ = w ∧ nˆ , donde w es
el vector axil asociado al tensor w . Expandiendo la expresión anterior obtenemos que
w = wb (nˆ (b) ∧ nˆ (1) ) ⊗ nˆ (1) + wb (nˆ (b) ∧ nˆ ( 2) ) ⊗ nˆ ( 2) + wb (nˆ (b) ∧ nˆ (3) ) ⊗ nˆ (3) =
( ) (
= w1 nˆ (1) ∧ nˆ (1) ⊗ nˆ (1) + w2 nˆ ( 2) ∧ nˆ (1) ⊗ nˆ (1) + w3 nˆ (3) ∧ nˆ (1) ⊗ nˆ (1) + ) ( )
+ w (nˆ
1
(1)
∧ nˆ (2)
) ⊗ nˆ (2)
+ w2 nˆ ( ( 2)
∧ nˆ ( 2)
) ⊗ nˆ ( 2)
+ w3 nˆ ( ( 3)
∧ nˆ ( 2)
) ⊗ nˆ ( 2)
+
+ w (nˆ
1
(1)
∧ nˆ ( 3)
) ⊗ nˆ ( 3)
+ w2 (nˆ ( 2)
∧ nˆ ( 3)
) ⊗ nˆ
( 3)
+ w3 (nˆ ( 3)
∧ nˆ ( 3)
) ⊗ nˆ ( 3)
Simplificando la expresión anterior resulta que:

w = −w2 (nˆ (3) ) ⊗ nˆ (1) + w3 (nˆ ( 2) ) ⊗ nˆ (1) +
( )
+ w1 nˆ (3) ⊗ nˆ ( 2 ) − w3 nˆ (1) ⊗ nˆ ( 2 ) + ( )
− w1 (nˆ ) ⊗ nˆ
( 2) ( 3)
+ w2 (1) (nˆ ) ⊗ nˆ
( 3)
Además teniendo en cuanta que w1 = −w 23 = w 32 , w2 = w13 = −w 31 , w3 = −w12 = w 21 ,

w aún puede ser expresado por:
w = w 31 nˆ (3) ⊗ nˆ (1) + w 21 nˆ ( 2) ⊗ nˆ (1) +
+ w 32 nˆ (3) ⊗ nˆ ( 2 ) + w12 nˆ (1) ⊗ nˆ ( 2 ) +
+ w 23 nˆ ( 2 ) ⊗ nˆ (3) + w13 nˆ (1) ⊗ nˆ (3)
el cual es exactamente igual a
3
w = ∑ w ab nˆ (a ) ⊗ nˆ (b)
a ,b =1
a ≠b
Los términos w⋅V y V ⋅ w pueden ser obtenidos como sigue a continuación:

 3 
   3 
 a ,b =1
∑
w ⋅ V =  w ab n ⊗ n  ⋅  λ b nˆ (b) ⊗ nˆ (b) 
ˆ (a) ˆ (b )
  b =1 
∑
 a≠b 
3 3
= ∑
a ,b =1
λ b w ab nˆ ( a ) ⊗ nˆ (b ) ⋅ nˆ (b ) ⊗ nˆ (b ) = ∑λ w
a ,b =1
b ab nˆ ( a ) ⊗ nˆ (b )
a ≠b a≠b
y
 
 3   3 
 a =1
( a ) ( a
∑
V ⋅ w =  λ a nˆ ⊗ nˆ  ⋅ 
)
  a ,b =1
w ab nˆ ⊗ nˆ 
( a ) ( b )

∑
 a≠b 
3
= ∑λ w
a ,b =1
a ab nˆ ( a ) ⊗ nˆ (b )
a ≠b
Luego,
 3   3 
   
∑
w ⋅ V − V ⋅ w =  λ b w ab nˆ ⊗ nˆ  −  λ a w ab nˆ ⊗ nˆ 
 a ,b =1
( a ) ( b )
  a ,b =1
( a ) ( b )

∑
 a ≠b   a≠b 
3
= ∑w
a ,b =1
ab (λ b − λ a ) nˆ ( a ) ⊗ nˆ (b )
a ≠b
Análogamente, es posible demostrar que:

3
w ⋅ V 2 − V 2 ⋅ w = ∑ w ab (λ2b − λ2a ) nˆ ( a ) ⊗ nˆ (b)
a ,b =1
a ≠b
1.5.6 Teorema de Cayley-Hamilton

El teorema de Cayley-Hamilton afirma que cualquier tensor T satisface su propia ecuación
característica, es decir, si λ1 , λ 2 , λ 3 son los autovalores de T , podemos escribir:
λ 1 0 0
( T ) ij =  0 λ2 0  (1.318)
 0 0 λ 3 
Y si estos autovalores satisfacen la ecuación: λ3 − λ2 I T + λ II T − III T = 0 , el tensor T

también la satisface, es decir:
T 3 − T 2 I T + T II T − III T 1 = 0 (1.319)
Una aplicación del teorema de Cayley-Hamilton es expresar la potencia de tensores T n
como una combinación de T n −1 , T n − 2 , T n −3 . Si queremos obtener T 4 queda:
T 3 ⋅ T − T 2 ⋅ TI T + T ⋅ T II T − III T 1 ⋅ T = 0
(1.320)
⇒ T 4 = T 3 I T − T 2 II T + III T T
Utilizando el teorema de Cayley-Hamilton podemos expresar el tercer invariante en función
de las trazas, que será útil a la hora de obtener las derivadas parciales de los invariantes.
Según el teorema de Cayley-Hamilton sigue siendo válida la expresión:
T 3 − I T T 2 + II T T − III T 1 = 0 (1.321)
Haciendo el doble producto escalar con el tensor identidad de segundo orden ( 1 ), la
expresión queda:
T 3 : 1 − I T T 2 : 1 + II T T : 1 − III T 1 : 1 = 0 : 1 (1.322)
Como ya hemos visto anteriormente, las siguientes relaciones son válidas T 3 : 1 = Tr ( T 3 ) ,
T 2 : 1 = Tr ( T 2 ) , T : 1 = Tr (T ) , 1 : 1 = Tr (1) = 3 , 0 : 1 = Tr (0) = 0 . Reemplazando en la
ecuación (1.322) obtenemos:
Tr ( T 3 ) − I T Tr ( T 2 ) + II T Tr ( T ) − III T Tr (1) = 0
123
=3
(1.323)
1
[
III T = Tr ( T 3 ) − I T Tr ( T 2 ) + II T Tr ( T )
3
]
1 TENSORES 85
Reemplazando los valores de los invariantes I T , II T , dados por la ecuación (1.278),

obtenemos:
1 3 1 3
III T =  Tr ( T 3 ) − Tr ( T 2 ) Tr ( T ) + [Tr ( T )]  (1.324)
3 2 2 
En notación indicial
1 3 1 
III T =  Tij T jk Tki − Tij T ji Tkk + Tii T jj Tkk  (1.325)
3 2 2 
Ejemplo 1.37: Partiendo del teorema de Cayley-Hamilton obtener la inversa de un tensor

T en función de potencia de tensores.
Solución:
El teorema de Cayley-Hamilton afirma que:
T 3 − T 2 I T + T II T − III T 1 = 0
Haciendo el producto escalar de la expresión anterior por el tensor T −1 obtenemos que:
T 3 ⋅ T −1 − T 2 ⋅ T −1 I T + T ⋅ T −1 II T − III T 1 ⋅ T −1 = 0 ⋅ T −1
T 2 − TI T + 1 II T − III T T −1 = 0
⇒ T −1 =
1
III T
(T 2 − TI T + 1 II T )
El teorema de Cayley-Hamilton también es válido para matrices cuadradas de orden n . Sea

una matriz cuadrada An×n el determinante característico viene dado por:
λ1n×n − A = 0 (1.326)
donde 1n×n es la matriz identidad. Desarrollando el determinante obtenemos:
λn − I 1 λn −1 + I 2 λn − 2 − L (−1) n I n = 0 (1.327)
donde I 1 , I 2 , L , I n son los invariantes de la matriz A . Para el caso particular n = 3 y si A
representa las componentes del tensor A tenemos que: I 1 = I A , I 2 = II A , I 3 = III A .
Aplicando el teorema de Cayley-Hamilton se cumple que
A n − I 1A n −1 + I 2 A n − 2 − L + (−1) n I n 1 = 0 (1.328)
A través de la relación (1.328) podemos obtener la inversa de la matriz An×n , por ello
multiplicando todos los términos por A −1 , resultando:
A n A −1 − I 1A n −1A −1 + I 2 A n − 2 A −1 − L + (−1) n I n 1A −1 = 0
(1.329)
⇒ A n −1 − I 1 A n − 2 + I 2 A n −3 − L (−1) n −1 I n −11 + (−1) n I n A −1 = 0
luego
A −1 =
(−1) n −1
In
(A n −1 − I 1A n − 2 + I 2 A n−3 − L (−1) n −1 I n −11 ) (1.330)
El invariante I n = det (A ) luego, sólo habrá la inversa de A si I n = det (A ) ≠ 0 .
Ejemplo 1.38: Dado el tensor T representado por sus componentes en el sistema

cartesiano:
5 0 0 
T = 0 2 0
0 0 1 
Comprobar el teorema de Cayley-Hamilton.
Solución:
El teorema de Cayley-Hamilton también se aplica para las componentes del tensor:
T 3 − T 2 I T + T II T − III T 1 = 0
donde I T = 5 + 2 + 1 = 8 , II T = 10 + 2 + 5 = 17 , III T = 10 , luego:
5 3 0 0  125 0 0  5 2 0 0  25 0 0 
   
T 3
=0 23 0  =  0 8 0  ; T 2
=0 22 0  =  0 4 0 
0 0 1   0 0 1  0 0 1   0 0 1 
 
Aplicando el teorema de Cayley-Hamilton verificamos que:
125 0 0  25 0 0 5 0 0  1 0 0  0 0 0 
 0 8 0 − 8  0 4 0 + 17 0 2 0  − 10 0 1 0 = 0 0 0 
       
 0 0 1   0 0 1  0 0 1  0 0 1  0 0 0 
1444444444442444444444443
0 0 0  0 0 0 
0 0 0  c.q.d.
  = 0 0 0 
0 0 0 0 0 0 
1.5.7 Módulo de un Tensor

El módulo de un tensor, también conocido como Norma de Frobenius, viene dado a
continuación:
r r r
(vector) v = v ⋅ v = v i vi (1.331)
(tensor de segundo orden) T = T : T = Tij Tij (1.332)
(tensor de tercer orden) A = A : ⋅A = A ijk A ijk (1.333)
(tensor de cuarto orden) C = C :: C = C ijkl C ijkl (1.334)

r
Por ejemplo, la norma de un vector v , denominada norma Euclidiana, mide la magnitud
del vector. Para visualizar la norma de un tensor de segundo orden, consideremos que T
sea un tensor simétrico ( T = T T ) y que T1 , T2 , T3 sean sus autovalores, luego la norma,
que es un invariante, viene dada por:
T = T : T = Tr ( T T ⋅ T ) = Tr ( T 2 )
(1.335)
= Tij Tij = T12 + T22 + T32 = I T2 − 2 II T
En el espacio principal de T se puede visualizar la interpretación de la norma de T , ver

Figura 1.29. Como podemos ver es una medida de distancia.
1 TENSORES 87
x 2′
T2
T1
x1′
T3
x3′
Figura 1.29: Norma de un tensor de segundo orden en el espacio principal.
1.5.8 Tensor Isótropo y Anisótropo

Un tensor se denomina isótropo cuando sus componentes son las mismas en cualquier
sistema de coordenadas, en caso contrario el tensor será anisótropo.
Consideremos las componentes de un tensor T representadas en forma matricial por T
en un sistema de referencia y las componentes del mismo tensor en cualquier otro sistema
obtenido por la transformación de base que representamos genéricamente por T ′ . Este
tensor se dice isótropo cuando cumple que:
T =T ′ (1.336)
Tensor Isótropo de orden uno
r
Consideremos un vector v representado por sus componentes v 1 , v 2 , v 3 en el sistema de
coordenadas x1 , x 2 , x3 . La representación de estas componentes en un nuevo sistema de
coordenadas x1′ , x 2′ , x3′ será v 1′ , v ′2 , v ′3 , por lo que es válido decir:
r
v = v i eˆ i = v ′j eˆ ′j ⇒ v ′i = a ij v j (1.337)
r
Para que v sea isótropo por definición tiene que cumplir v i = v ′i y eso sólo será posible si
a ij = δ ij , i.e. eˆ i = eˆ ′j (no hubo cambio de sistema), ó v i = v ′i = 0 i . Luego, el único tensor
r
de orden uno isótropo es el vector nulo 0 .
Tensor Isótropo de segundo orden
Un ejemplo de un tensor isótropo de segundo orden es el tensor identidad 1 , representado
por sus componentes por δ kl . Utilizando la transformación de coordenadas para las
componentes de un tensor de segundo orden obtenido en (1.254), se demuestra que:
δ ′ij = a ik a jl δ kl = a ik a jk = δ ij
123 (1.338)
AA T =1
Una consecuencia inmediata del anterior es que cualquier tensor esférico ( α1 ) es un tensor
isótropo. Es decir, si un tensor de segundo orden es isótropo este tensor es esférico.
Tensor Isótropo de tercer orden
Un ejemplo de un tensor (pseudo) isótropo de orden tres es el pseudo-tensor Levi-Civita,

definido en (1.184) cuyas componentes son  lmn . Aplicando la ley de transformación de
coordenadas (1.256), resulta:
′ijk = a il a jm a kn  lmn = A  ijk =  ijk (Ver Ejemplo 1.22)
{ (1.339)
1
Tensor Isótropo de cuarto orden

Si δ kl es isótropo, resulta sencillo demostrar que los siguientes tensores de cuarto orden
son también isótropos:
I ijkl = δ ij δ kl ; I ijkl = δ ik δ jl ; I ijkl = δ il δ jk (1.340)
Se puede demostrar que cualquier tensor isótropo de cuarto orden puede ser representado
como una combinación lineal de los tres tensores dados anteriormente en (1.340):
D = a 0 I + a1 I + a 2 I
D = a 0 1 ⊗ 1 + a1 1⊗1 + a 2 1⊗1 (1.341)
D ijkl = a 0 δ ij δ kl + a1δ ik δ jl + a 2 δ il δ jk
Ejemplo 1.39: Demostrar que el tensor de cuarto orden que presenta simetría menor y
mayor C es isótropo, donde las componentes de este tensor vienen dadas por:
C ijkl = λ δ ij δ kl + µ (δ ik δ jl + δ il δ jk )
donde λ , µ son constantes.
Solución:
La ley de transformación de las componentes de un tensor de cuarto orden viene dada por:
C ′ijkl = a im a jn a kp a lq C mnpq
Considerando que C mnpq = λδ mn δ pq + µ (δ mp δ nq + δ mq δ np ) y reemplazando en la expresión
anterior, obtenemos que:
C ′ijkl = a im a jn a kp a lq [λδ mn δ pq + µ (δ mp δ nq + δ mq δ np )]
(
= λa im a jn a kp a lq δ mn δ pq + µ a im a jn a kp a lq δ mp δ nq + a im a jn a kp a lq δ mq δ np )
(
= λa in a jn a kq a lq + µ a ip a jq a kp a lq + a iq a jn a kn a lq )
(
= λδ ij δ kl + µ δ ik δ jl + δ il δ jk )
= C ijkl
Con lo que demostramos que el tensor C es isótropo.
1.5.9 Tensores Coaxiales

Decimos que dos tensores de segundo orden simétricos T y S son coaxiales, si presentan
los mismos autovectores, luego:
3 3
T= ∑
a =1
Ta nˆ ( a ) ⊗ nˆ ( a ) ; S= ∑S
a =1
a nˆ ( a ) ⊗ nˆ ( a ) (1.342)
donde Ta son los autovalores de T y S a son los autovalores de S . Es de fácil

demostración que, para que dos tensores sean coaxiales, es suficiente que el producto
escalar entre ellos sea conmutativo, es decir:
1 TENSORES 89
si T ⋅S = S ⋅ T ⇒ S , T son coaxiales (1.343)

También podemos concluir que un tensor simétrico S , y su inversa S −1 son tensores
coaxiales puesto que S ⋅ S −1 = S −1 ⋅ S = 1 , y además recurriendo a sus representaciones
espectrales:
3 3
1 ˆ (a ) ˆ (a )
S= ∑
a =1
S a nˆ ( a ) ⊗ nˆ ( a ) ; S −1 = ∑S
a =1 a
n ⊗n (1.344)
1
siendo S a y , los autovalores de S y S −1 respectivamente.
Sa
Si S y T son tensores simétricos y coaxiales podemos demostrar que el tensor resultante
de la operación ( S ⋅ T ) resulta ser otro tensor simétrico. Para su demostración partimos de
la definición de tensores coaxiales:
T ⋅S = S ⋅ T ⇒ T ⋅S − S ⋅ T = 0 ⇒ T ⋅ S − ( T ⋅ S ) T = 0 ⇒ 2( T ⋅ S ) anti = 0 (1.345)
Luego, si la parte antisimétrica de un tensor es cero resulta que este tensor es simétrico:
( T ⋅ S ) anti = 0 ⇒ ( T ⋅ S ) ≡ ( T ⋅ S ) sym (1.346)
1.5.10 Descomposición Polar
Consideremos un tensor de segundo orden arbitrario, F , no singular ( det ( F ) ≠ 0 ⇒ ∃F −1 ).

Además, la proyección de F según dirección N̂ resulta un vector que lo representamos
r
por su módulo y dirección como F ⋅ N
ˆ = λ nˆ ≠ 0 , ya que det ( F ) ≠ 0 . Con eso, dada una
ˆ
(n)
ˆ ( a ) , podemos decir que:

base ortonormal N
3
F −1 ⋅ F = 1 = ∑ Nˆ
a =1
(a) ˆ (a)
⊗N
3 3
⇒ F = F ⋅1 = F ⋅ ∑ Nˆ
a =1
(a) ˆ (a ) =
⊗N ∑ F ⋅ Nˆ
a =1
(a) ˆ (a)
⊗N (1.347)
3
⇒F = ∑ λ nˆ
a =1
a
(a) ˆ (a )
⊗N
NOTA: Observemos que la representación de F , dada por (1.347), no es la

representación espectral de F en el sentido estricto de la palabra, ya que λ a no son los
ˆ ( a ) son los autovectores de F . ■
autovalores de F y tan poco nˆ ( a ) o N
Notar que para una base ortonormal arbitraria de N ˆ ( a ) , la nueva base nˆ ( a ) no
necesariamente será una base ortogonal. Queremos encontrar una base N ˆ ( a ) tal que la
r r
⋅ f (N
ˆ (1 ) ) ˆ (2) )
nueva base nˆ ( a ) sea una base ortonormal, ver Figura 1.30, i.e. f (N = 0,
r (Nˆ ( 2 ) ) r (Nˆ ( 23 ) r (Nˆ ( 3) ) r (Nˆ (1) )
f ⋅f = 0, f ⋅f = 0 . Luego, buscamos un espacio tal que se cumpla la
siguiente transformación ortogonal nˆ ( a ) = R ⋅ Nˆ ( a ) , el cual nos garantiza la ortogonalidad de
nˆ ( a ) , ya que una transformación ortogonal no cambian los ángulos entre vectores ni sus
magnitudes.
r ˆ (1 ) r r
f (N ) = F ⋅ N
ˆ (1) F ⋅N
ˆ (1) = f (Nˆ (1) ) = f (Nˆ (1) ) nˆ (1) = λ nˆ (1)
1
r r
F ⋅N
ˆ ( 2) = f (Nˆ ( 2 ) ) = f (Nˆ ( 2 ) ) nˆ ( 2 ) = λ nˆ ( 2 )
2
r ˆ (2) r r
f (N ) = F ⋅ N
ˆ ( 2)
N̂(3) F ⋅N
ˆ (3) = f (Nˆ ( 3) ) = f (Nˆ ( 3) ) nˆ (3) = λ nˆ (3)
3
(1)
n̂
n̂( 2 ) N̂( 2 )
n̂(3) N̂(1)
r ˆ (3)
f (N ) = F ⋅ N
ˆ ( 3)
ˆ (a) .
Figura 1.30: Proyección de F según la base N
Consideremos ahora que la transformación entre N ˆ ( a ) y nˆ ( a ) viene dada por la siguiente
transformación ortogonal nˆ ( a ) = R ⋅ Nˆ ( a ) , podemos decir que:
3 3 3
F= ∑
a =1
ˆ (a) =
λ a nˆ ( a ) ⊗ N ∑
a =1
λ aR ⋅ N ˆ (a) = R ⋅
ˆ (a) ⊗ N
∑ λ Nˆ
a =1
a
(a) ˆ (a) = R ⋅ U
⊗N (1.348)
3
donde hemos definido el tensor U = ∑ λ a N
ˆ (a ) ⊗ N ˆ (a) ⊗ N
ˆ ( a ) . Ya que N ˆ ( a ) resulta un tensor
a =1
simétrico, el tensor U también lo es, U = UT . Análogamente, pero ahora teniendo en

cuenta que nˆ ( a ) = R ⋅ N ˆ ( a ) = R T ⋅ nˆ ( a ) = nˆ ( a ) ⋅ R , podemos decir que:
ˆ (a) ⇒ N
3 3 3
F= ∑ λ nˆ
a =1
a
(a) ˆ (a ) =
⊗N ∑ λ nˆ
a =1
a
(a)
⊗ nˆ ( a ) ⋅ R = ∑λ
a =1
an
ˆ ( a ) ⊗ nˆ ( a ) ⋅ R = V ⋅ R (1.349)
3
donde hemos definido el tensor V = ∑ λ a nˆ ( a ) ⊗ nˆ ( a ) . Verificamos que V es simétrico, y
a =1
comparando las representaciones espectrales de los tensores U y V , verificamos que
tienen los mismos autovalores y distintos autovectores. Luego, definimos la
descomposición polar como:
F = R ⋅U = V ⋅R Descomposición polar (1.350)
Recordemos del Ejemplo 1.27 que los tensores resultantes de las operaciones C = F T ⋅ F
y b = F ⋅ F T son tensores simétricos, y definidos positivos cuando det ( F ) ≠ 0 . Haciendo el
producto escalar por la izquierda por F T en la relación F = R ⋅ U obtenemos que:
12⋅3F = F T ⋅ R ⋅ U = (R T ⋅ F ) T ⋅ U = UT ⋅ U = U 2 ⇒ U = ± F T ⋅ F = ± C
T
F (1.351)
C
Análogamente podemos obtener que:

V = ± F ⋅FT = ± b (1.352)
Puesto que los tensores C y b son tensores definidos positivos eso implica que los
autovalores de C y b son todos reales y positivos. Ahora bien, hasta ahora la única
1 TENSORES 91
restricción para el tensor F es que det ( F ) ≠ 0 , luego podemos tener las siguientes
posibilidades:
Si det ( F ) > 0
En esta situación tenemos que det ( F ) = det (R )det(U) = det ( V )det(R ) > 0 , resultando las
siguientes posibilidades:
R − Tensor ortogonal propio R − Tensor ortogonal impropio
 ó
U, V − Tensores definidos positivos U, V − Tensores definidos negativos
Si det ( F ) < 0
En esta situación tenemos que det ( F ) = det (R )det (U) = det ( V )det (R ) < 0 , resultando las
siguientes posibilidades:
R − Tensor ortogonal propio R − Tensor ortogonal impropio
 ó
U, V − Tensores definidos negativos U, V − Tensores definidos positivos
NOTA: En el capítulo 2 trabajaremos con unos tensores particulares donde F es no
singular ( det ( F ) ≠ 0 ) y det ( F ) > 0 . Los tensores U y V son tensores definidos positivos,
y el tensor R es un tensor de rotación, es decir, tensor ortogonal propio. ■
1.5.11 Derivada Parcial con Tensores

La primera derivada de un tensor con respecto a él mismo viene definido como:
∂A ∂A ij
= A ,A = (eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l )
∂A ∂A kl
(1.353)
= δ ik δ jl (eˆ i ⊗ eˆ j ⊗ eˆ k ⊗ eˆ l )
= I (tensor identidad de cuarto orden)
Podemos entonces obtener la derivada de la traza de un tensor respecto a él mismo:
∂[Tr ( A )] ∂A kk
≡ [Tr ( A )],A = (eˆ i ⊗ eˆ j ) = δ ki δ kj (eˆ i ⊗ eˆ j ) = δ ij (eˆ i ⊗ eˆ j ) = 1 (1.354)
∂A ∂A ij
La derivada parcial de la traza al cuadrado de un tensor respecto al él mismo:
∂[Tr ( A )] ∂[Tr ( A )]
2
= 2 Tr ( A ) = 2 Tr ( A )1 (1.355)
∂A ∂A
La derivada parcial de la traza del cuadrado un tensor respecto al él mismo:
[
∂ Tr ( A 2 ) ] =
∂ ( A sr A rs ) 
(eˆ i ⊗ eˆ j ) =  A rs
∂ ( A sr )
+ A sr
∂( A rs ) 
 (eˆ i ⊗ eˆ j )
∂A ∂A ij  ∂A ij ∂A ij 
(1.356)
[ ] [ ]
= A rs δ si δ rj + A sr δ ri δ sj (eˆ i ⊗ eˆ j ) = A ji + A ji (eˆ i ⊗ eˆ j )
= 2 A ji (eˆ i ⊗ eˆ j ) = 2A T
Queda al lector la demostración de:
[
∂ Tr ( A 3 ) ] = 3( A 2 ) T (1.357)
∂A
Luego, si consideramos un tensor de segundo orden simétrico C , podemos decir que:
∂[Tr (C)]
=1;
∂[Tr (C)]
2
= 2 Tr (C)1 ;
[
∂ Tr (C 2 ) ] = 2C T = 2C ;
∂C ∂C ∂C
(1.358)
[
∂ Tr (C )3
] = 3(C 2 ) T = 3C 2
∂C
y además podemos decir que la derivada de la norma del tensor simétrico C viene dada
por:
∂ Tr (C ⋅ C T )  ∂ Tr (C 2 ) 
∂C
=
∂ C:C ( =  )  =   = 1 Tr (C 2 ) [ ] [Tr(C )],
−1
2 2
C
∂C ∂C ∂C ∂C 2 (1.359)
[ ]
−1
1
= Tr (C 2 ) 2 2C
2
o aún:
∂C C
= (1.360)
∂C C
Otra aplicación interesante viene a continuación:
(
∂ n i C ij n j ) =
∂n i
C ij n j + n i C ij
∂n j
= δ ik C ij n j + n i C ij δ jk
∂n k ∂n k ∂n k
(1.361)
= C kj n j + n i C ik = C kj n j + C jk n j
= 2C kj n j
donde hemos considerado que C es simétrico, i.e., C kj = C jk .

Consideremos aún el tensor de segundo orden simétrico C . Para obtener la derivada
parcial de su inversa con respecto a él mismo partimos de la siguiente condición:
=
(
∂1 ∂ C −1 ⋅ C
=O
) (1.362)
∂C ∂C
donde O es el tensor nulo de cuarto orden. La expresión anterior en notación indicial
queda:
(
∂ C iq−1C qj ) = ∂(C ) C −1
iq
+ C iq−1
( )
∂ C qj
= O ikjl
qj
∂C kl ∂C kl ∂C kl
( )C
∂ C iq−1
= −C iq−1
( )
∂ C qj
⇒
( )C
∂ C iq−1 −1
= −C iq−1
( )
∂ C qj
C −jr1
qj qj C jr (1.363)
∂C kl ∂C kl ∂C kl ∂C kl
⇒
( )δ
∂ C iq−1
= −C iq−1
( )
∂ C qj
C −jr1
qr
∂C kl ∂C kl
Considerando que C qj =
1
2
( )
C qj + C jq , la expresión anterior queda:
1 TENSORES 93
( )δ
∂ C iq−1
= −C iq−1
(
1  ∂ C qj + C jq  −1 )
qr   C jr
∂C kl 2 ∂C kl 
( )
∂ C ir−1 1
[ 1
] [
= −C iq−1 δ qk δ jl + δ jk δ ql C −jr1 = − C iq−1δ qk δ jl C −jr1 + C iq−1δ jk δ ql C −jr1 ] (1.364)
∂C kl 2 2
( )
∂ C ir−1 1
[
= − C ik−1C lr−1 + C il−1 C −kr1 ]
∂C kl 2
En notación tensorial queda:
∂C −1
∂C
1
[
= − C −1 ⊗C −1 + C −1 ⊗C −1
2
] (1.365)
NOTA: Observemos que si no hubiéramos reemplazando la parte simétrica de C qj en
(1.363), hubiéramos obtenido que

( )δ
∂ C iq−1
= −C iq−1
( )
∂ C qj
C −jr1 = −C iq−1δ qk δ jl C −jr1 = −C ik−1C lr−1 .
qr
∂C kl ∂C kl
Resultando un tensor no simétrico. ■
1.5.11.1 Derivada Parcial de los Invariantes
Las derivadas parciales de los invariantes principales de un tensor de segundo orden se

obtienen a continuación:
Derivada parcial de I T con respecto a T , ver ecuación (1.354):
∂[I T ] ∂[Tr ( T )]
= = [Tr ( T )], T = 1 (1.366)
∂T ∂T
Derivada parcial de II T con respecto a T :
∂[ II T ] ∂  1
= [ 2  1  ∂[Tr ( T )]
 [Tr ( T )] − Tr ( T )  = 
2
2
− ]
∂ Tr ( T 2 ) [ ]
∂T ∂T  2  2  ∂T ∂T 
(1.367)
1
= 2( TrT )1 − 2 T T
2
[ ]
= Tr ( T )1 − T T
Aún podemos expresar (1.367) remplazando T T , obtenido por el teorema de Cayley-

Hamilton:
T 3 : T −2 − I T T 2 : T −2 + II T T : T −2 − III T 1 : T −2 = 0
T − I T 1 + II T T −1 − III T T − 2 = 0 (1.368)
⇒ T = I T 1 − II T T −1 + III T T − 2
Luego,
∂[ II T ]
∂T
(
= Tr ( T )1 − T T = Tr ( T )1 − I T 1 − II T T −1 + III T T − 2 )T
(1.369)
(
= II T T −1
− III T T −2 T
)
Para obtener la derivada del tercer invariante, utilizaremos la definición dada por (1.324):
∂[ III T ] ∂ 1 1 1 3
 Tr ( T ) − Tr ( T ) Tr ( T ) + [Tr ( T )] 
3 2
=
∂T ∂T  3 2 6 
1
= 3( T 2 ) T −
1 ∂ Tr ( T 2 )[ 1 ]
Tr ( T ) − Tr ( T 2 )
∂[Tr ( T )] 3
+ [Tr ( T )] 1
2
3 2 ∂T 2 ∂T 6
1 1 (1.370)
Tr ( T 2 )1 + [Tr ( T )] 1
2
= ( T 2 ) T − Tr ( T ) T T −
2 2
= ( T 2 ) T − Tr ( T ) T T +
1
2
[
[Tr(T )] − Tr( T 2 ) 1
2
]
= ( T 2 ) T − I T T T + II T 1
Si multiplicamos por la inversa del tensor T en la ecuación (1.321) obtenemos:
T 3 ⋅ T −1 − I T T 2 ⋅ T −1 + II T T ⋅ T −1 − III T 1 ⋅ T −1 = 0
T 2 − I T T + II T 1 − III T T −1 = 0 (1.371)
⇒ III T T −1 = T 2 − I T T + II T 1
y la transpuesta:
( III TT ) = (T
−1 T 2
− I T T + II T 1 ) = (T )
T 2 T
− I T T T + II T 1 (1.372)
Reemplazando ecuación (1.372) en la expresión (1.370) obtenemos:
∂[ III T ]
∂T
(
= III T T −1 )T
= III T T −T (1.373)
1.5.11.2 Derivada Temporal de Tensores
Asumamos que un tensor de segundo orden depende de un parámetro t , que es el tiempo.

Definimos la primera derivada temporal y la segunda derivada temporal del tensor T ,
respectivamente, por:
D D2
T ≡ T& ; 2
&&
T≡T (1.374)
Dt Dt
La derivada temporal del determinante de un tensor viene definida como:
DT
D
Dt
[det(T )] = ij cof Tij
Dt
( ) (1.375)
donde cof (Tij ) es el cofactor de Tij y definido como [cof (Tij )]T = det(T ) (T −1 )ij .
1 1
Ejemplo 1.40: Considérese J = [det (b )] 2 = ( III b ) 2 , donde b es un tensor de segundo
orden simétrico, b = b T . Obtener la derivada de J y de ln(J ) con respecto a b .
Solución:
1 TENSORES 95
 1

∂ ( III b ) 2 
⇒ ∂J
=  
∂b ∂b
1 1 ∂ III 1 1
= ( III b )− 2 b
= ( III b )− 2 III b b −T
2 ∂b 2
1 1 1
= ( III b ) 2 b −1 = J b −1
2 2
  1

∂ ln III b 2 
∂[ln( J )]   1 ∂ III b 1 −1
⇒ =  = = b
∂b ∂b 2 III b ∂b 2
1.5.12 Tensor Esférico y Desviador

Cualquier tensor puede ser descompuesto en una parte esférica y en otra parte desviadora.
Luego, para un tensor T esta descomposición viene dada por:
Tr ( T ) I
T = T esf + T dev = 1 + T dev = T 1 + T dev
3 3 (1.376)
dev
= Tm 1 + T
El tensor desviador de T vendrá definido como:
Tr ( T )
T dev = T − 1 = T − Tm 1 (1.377)
3
Para las operaciones siguientes consideraremos que T es un tensor simétrico ( T = T T )
luego, en estas condiciones las componentes del tensor T dev vienen dadas por:
 T11dev T12dev T13dev   T11 − Tm T12 T13 
 dev   
Tijdev =  T12dev dev
T22 T23  =  T12 T22 − Tm T23 
 T dev
 13
dev
T23 T33dev   T13 T23 T33 − Tm 
(1.378)
 13 ( 2 T11 − T22 − T33 ) T12 T13 
 
= T12 1
3
(2 T22 − T11 − T33 ) T23 
 T13 T23 1
(2 T33 − T11 − T22 )
 3
Podemos también hacer la representación de las componentes del tensor dado por (1.376)
en la base cartesiana tal y como se indica en la Figura 1.31.
x3
T 33
T23
T13 T23
T13
T12 T22
T12
T11 x2
x
14414444442444444443
x3 x3
Tm T33dev
T23
T13 T23
T13
Tm
+ T12
T12
dev
T22
Tm x2 T11dev x2
x1 x1
Figura 1.31: Parte esférica y desviadora de un tensor de segundo orden.
1.5.12.1 Primer Invariante del Tensor Desviador
Los invariantes del tensor desviador ( T dev ) pueden ser obtenidos en función de los
invariantes principales de T :
 Tr ( T )  Tr ( T )
I = Tr ( T dev ) = Tr  T − 1 = Tr ( T ) − Tr (1) = 0 (1.379)
T dev 3 3 123
  δ =3 ii
Con lo que concluimos que la traza de cualquier tensor desviador es cero.
1.5.12.2 Segundo Invariante del Tensor Desviador
Para obtener el segundo y tercer invariante del tensor desviador utilizaremos el espacio de
las direcciones principales por simplicidad. En este espacio se cumple que:
Componentes del tensor:
 T1 0 0
Tij =  0 T2 0  (1.380)
 0 0 T3 
Invariantes principales: I T = T1 + T2 + T3 , II T = T1 T2 + T2 T3 + T3 T1 , III T = T1 T2 T3 .

Las componentes del tensor desviador definido en (1.377) ( T dev = T − Tm 1 ) en el espacio
de las direcciones principales son:
1 TENSORES 97
 T1 − Tm 0 0 
Tijdev =  0 T2 − Tm 0 
 (1.381)
 0 0 T3 − Tm 
El segundo invariante del tensor desviador de T puede ser obtenido como:

II T dev = ( T1 − Tm )( T2 − Tm ) + ( T1 − Tm )( T3 − Tm ) + ( T2 − Tm )( T3 − Tm )
= ( T1 T2 + T1 T3 + T2 T3 ) − 2 Tm ( T1 + T2 + T3 ) + 3 Tm2
2I I2 (1.382)
= II T − T ( I T ) + T
3 3
1
(
= 3 II T − I T
3
2
)
También podríamos haber obtenido el resultado anterior partiendo directamente de la
definición del segundo invariante de un tensor dado en (1.278):
II
T dev
=
1
2
{ [ 1
]}
( I dev ) 2 − Tr ( T dev ) 2 = − Tr ( T dev ) 2
T 2
{ [ ]}
1
2
{ [ 1
]}
= − Tr ( T − Tm 1) 2 = {− Tr[( T − Tm 1) ⋅ ( T − Tm 1)]}
2
1
2
{ [ 1
]} [
= − Tr ( T 2 − 2 Tm T ⋅ 1 + Tm2 1) = − Tr ( T 2 ) + 2 Tm Tr ( T ) − Tm2 Tr (1)
2
] (1.383)
1 I I 
2
=  − Tr ( T 2 ) + 2 T I T − T 3
2 3 9 
1 2 I T2 
=  − Tr ( T ) + 
2 3
Teniendo en cuenta que Tr ( T 2 ) = T12 + T22 + T32 = I T2 − 2 II T , ver Ejemplo 1.33, la relación
anterior (1.383) resulta:
1 2 I T2  1  2 I T2  1
II T dev =  − I T + 2 II T +
2
 = 2 II T −
3  2 3  3
( 2
 = 3 II T − I T ) (1.384)
Otra expresión que podemos encontrar en la literatura, para el segundo invariante de un

tensor desviador, es en función de las componentes del tensor desviador. Utilizando la
expresión (1.383):
II
T dev
=−
1
2
[ 1
] [ 1
Tr ( T dev ) 2 = − Tr ( T dev ⋅ T dev ) = − T dev
2 2
] ⋅ ⋅T dev = − 1 Tijdev T jidev
2
(1.385)
Expandiendo la expresión anterior obtenemos:
II
T dev
=−
1
2
[
( T11dev ) 2 + ( T22
dev 2
) + ( T33dev ) 2 + 2( T12dev ) 2 + 2( T13dev ) 2 + 2( T23
dev 2
) ] (1.386)
En el espacio de las direcciones principales:
II
T dev
=−
1 dev dev
2
1
2
[
Tij T ji = − ( T1dev ) 2 + ( T2dev ) 2 + ( T3dev ) 2 ] (1.387)
Otra forma de expresar el segundo invariante viene demostrada a continuación:
dev dev
T22 T23 T11dev T13dev T11dev T12dev
II T dev = dev
+ +
T23 T33dev T13dev T33dev T12dev dev
T22
(1.388)
1
= − − 2 T22
2
[
dev dev
T33 − 2 T11dev T33dev − 2 T11dev T22
dev
− ( T12dev ) 2 − ( T23
dev 2
]
) − ( T13dev ) 2
O aún:
1
II T dev = −  T22
2 
dev
( ) − 2 T T + (T ) + (T ) − 2 T T + (T )
2 dev
22
dev
33
dev 2
33
dev 2
11
dev
11
dev
33
dev 2
33 +
(T dev 2
11 ) − 2 T T + (T )  + (T ) + (T ) + (T )
dev
11
dev
22
dev 2
22
dev 2
11
dev 2
22
dev 2
33
(1.389)
− ( T12dev ) 2 − ( T23
dev 2
) − ( T13dev ) 2
Observa que de la ecuación (1.321) obtenemos que:
( T11dev ) 2 + ( T22
dev 2
) + ( T33dev ) 2 = −2 II − 2( T12dev ) 2 − 2( T13dev ) 2 − 2( T23
dev 2
) (1.390)
T dev
Reemplazando (1.390) en la expresión (1.389) obtenemos:
II
T dev
=−
1
6
[ dev
( T22 − T33dev ) 2 + ( T11dev − T33dev ) 2 + ( T11dev − T22
dev 2
) − ( T12dev ) 2 − ( T23
dev 2
]
) − ( T13dev ) 2
(1.391)
Y si consideramos las direcciones principales:
II
T dev
=−
1
6
[
( T2dev − T3dev ) 2 + ( T1dev − T3dev ) 2 + ( T1dev − T2dev ) 2 ] (1.392)
1.5.12.3 Tercer Invariante del Tensor Desviador
El tercer invariante del tensor desviador de T queda:

III T dev = ( T1 − Tm )( T2 − Tm )( T3 − Tm )
= T1 T2 T3 − Tm ( T1 T2 + T1 T3 + T2 T3 ) + Tm2 ( T1 + T2 + T3 ) − Tm3
I I2 I3
= III T − T II T + T I T − T
3 9 27 (1.393)
I T II T 2 I T3
= III T − +
3 27
=
1
27
( 3
2 I T − 9 I T II T + 27 III T )
Otra forma de expresar el tercer invariante es:
1 dev dev dev
III = T1dev T2dev T3dev = Tij T jk Tki (1.394)
T dev 3
Ejemplo 1.41: Considérese un tensor de segundo orden simétrico σ y su parte desviadora
∂s
s ≡ σ dev . Obtener el resultado de la operación s : . Demostrar también que los tensores
∂σ
σ y σ dev son tensores coaxiales.
Solución: Teniendo la definición de un tensor desviador σ = σ esf + σ dev = σ esf + s .
Iσ
Obtenemos que: s = σ − 1 . Luego:
3
1 TENSORES 99
 I 
∂ σ − σ 1 
∂s
= 
3  = ∂[σ ] − 1 ∂[I σ ] 1
∂σ ∂σ ∂σ 3 ∂σ
∂s ij ∂σ ij 1 ∂ [I σ ] 1
= − δ ij = δ ik δ jl − δ kl δ ij
∂σ kl ∂σ kl 3 ∂σ kl 3
Con lo cual
∂s ij  1  1 1
s ij = s ij  δ ik δ jl − δ kl δ ij  = s ij δ ik δ jl − s ij δ kl δ ij = s kl − δ kl s ii = s kl
∂σ kl  3  3 3 {
=0
∂s
s: =s
∂σ
Para demostrar que dos tensores son coaxiales, hay que cumplir que σ dev ⋅ σ = σ ⋅ σ dev :
Iσ
σ ⋅ σ dev = σ ⋅ (σ − σ esf ) = σ ⋅ σ − σ ⋅ σ esf = σ ⋅ σ − σ ⋅ 1
3
Iσ I
= σ ⋅σ − σ ⋅
1 = σ ⋅σ − σ 1⋅σ
3 3
 Iσ 
= σ − 1  ⋅ σ = σ dev ⋅ σ
 3 
Con lo cual demostramos que los tensores σ y σ dev son coaxiales, es decir, tienen las
mismas direcciones principales.

Tensores Pags. 1-89 PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Tensores Pags. 1-89 PDF

Загружено:

Авторское право:

Доступные форматы

1 Tensores

Muchos fenómenos físicos se representan matemáticamente mediante Tensores, los cuales,

en función de sus componentes. Por último, expondremos la notación indicial por su

A continuación presentamos algunas operaciones entre vectores en el espacio vectorial

Figura 1.1: Suma y resta de vectores.

λ =1 λ >1 λ<0 0 < λ <1

Figura 1.2: Producto de un vector por un escalar.

Vector Unitario (versor)

El vector nulo viene representado por:

Ortogonalidad de dos vectores:

Dos vectores son ortogonales entre sí cuando se cumple la siguiente condición:

Figura 1.4: Producto vectorial.

Triple Producto Escalar

V ≡ Triple producto escalar

Figura 1.5: Triple producto escalar.

Triple Producto Vectorial

Figura 1.6: Triple producto vectorial.

1.3 Sistema de Coordenadas

Un tensor es una interpretación matemática de un concepto físico. Sus componentes

Figura 1.7: Esquema tensor-componentes.

Figura 1.8: Representación de un vector.

Los sistemas de coordenadas pueden ser de varios tipos: coordenadas curvilíneas,

1.3.1 Sistema de Coordenadas Rectangulares

El sistema de coordenadas cartesianas rectangulares viene definido por tres vectores: î , ĵ ,

Figura 1.9: Regla de la mano derecha.

1.3.2 Representación de los Vectores en el Sistema de

Figura 1.10: Vector en el sistema cartesiano.

Las operaciones básicas particularizadas a este sistema de referencia son:

NOTA: La proyección de un vector sobre una dirección determinada obtenemos a

 Multiplicación por un escalar λ

Ejemplo 1.3: Considérense los puntos A(1,3,1) , B (2,−1,1) , C (0,1,3) y D(1,2,4 ) .

1.3.3 Convenio de Suma de Einstein

o simplemente utilizando el convenio de suma o Notación de Einstein, según la cual, se

1.4 Notación Indicial

Figura 1.12: Vector en el sistema cartesiano.

cuyas componentes serán:

Los subíndices se denominan de 2 formas:

OBS.: Un subíndice en un término de una expresión sólo puede aparecer una o

Ejemplo 1.4: Reescribir en notación indicial las siguientes expresiones:

Ejemplo 1.5: Expandir la expresión: Aij x i x j (i, j = 1,2,3)

1.4.1 Delta de Kronecker

Es decir, en la presencia del símbolo Delta de Kronecker reemplazamos el índice repetido,

Por esta razón, la delta de Kronecker es frecuentemente llamada operador de sustitución.

Otros ejemplos relacionados con este operador se presentan a continuación:

Ejemplo 1.6: Resolver las siguientes expresiones:

1.4.2 Símbolo de Permutación

+ 1 si (i, j , k ) ∈ {(1,2,3), (2,3,1), (3,1,2)}

 ijk =  jki =  kij

(ijk ) = −1 ijk = −ikj  ijk = − ikj

Si expresamos el símbolo de permutación en función de la delta de Kronecker (operador de

Observemos que el término δ ip fue obtenido a través de la operación:

 ijk  pqk = δ ip δ jq − δ iq δ jp i, j , k , p, q = 1,2,3 (1.62)

Podemos utilizar la definición del símbolo de permutación  ijk , definido en (1.55), y

También podemos relacionar el operador de permutación con la base ortonormal ê i a

= − jik aib j c k = −b ⋅ (a ∧ c ) ≡ −[b, a, c ]

Ejemplo 1.8: Escribir la siguiente relación a ∧ b ⋅ c ∧ d sin emplear el producto (r r ) (r r )

que es la misma expresión demostrada en el Ejemplo 1.1.

Ejemplo 1.11: Probar la relación (1.37):

1.5 Operaciones Algebraicas con Tensores

Las componentes de un tensor de segundo orden serán representadas de diferentes formas

Dados dos tensores de segundo orden A y B , a continuación definimos algunas

El producto escalar de dos tensores de segundo orden A y B es otro tensor de segundo

También se cumplen las siguientes propiedades:

Multiplicación por un escalar λ

Tensor identidad de segundo orden:

Podemos concluir de (1.185) que:

La siguiente nomenclatura será utilizada para representar la transpuesta de la