Tensörler: Üç Boyutu Aşan Cebirsel Nesneler

Sıralamalı dünya: skaler, vektör, matris, tensör

Matematikte sayılar farklı boyutlarda gruplanır:

• Skaler (rank 0): tek bir sayı. Sıcaklık 25°C, kütle 5 kg.
• Vektör (rank 1): sıralı sayılar listesi. Hız $(3, 4, 0)$ m/s, kuvvet, konum.
• Matris (rank 2): iki indisli sayılar (satır × sütun). Doğrusal dönüşüm, kovaryans matrisi.
• Tensör (rank n): çok indisli sayılar.

Üç boyutu aşan bir nesne. Tensör budur. Daha doğrusu: tensörler çok boyutlu sayı dizileridir, ama daha derindirler — geometrik anlamda.

Tensör nedir? Resmi tanım

Bir rank-$n$ tensör, $n$ adet indisle indislenmiş ve uygun dönüşüm kurallarına uyan bir nesnedir. Yani sadece "çok boyutlu dizi" değil — koordinat değiştiğinde belirli bir kuralla dönüşen nesne.

Örnek: 3 boyutlu uzayda bir vektör $(v_1, v_2, v_3)$. Koordinat sisteminizi döndürürseniz vektörün bileşenleri değişir ama "kendisi" (fiziksel uzaydaki ok) aynı kalır. Vektör için dönüşüm kuralı: $v_i' = R_{ij} v_j$ (rotasyon matrisiyle).

Rank-2 tensör (matris benzeri): $T_{ij}$ iki indisli; dönüşümü $T_{ij}' = R_{ik} R_{jl} T_{kl}$. İki "rotasyon kopyası" uygulanır.

Genel: rank-$n$ tensör $T_{i_1 i_2 \dots i_n}$ dönüşürken her indise bir rotasyon uygulanır.

"Yer değiştirmeye karşı" değişmezlik

Tensörlerin temel özelliği: fiziksel anlam koordinat sistemine bağlı değildir. Bileşenleri değişir, ama nesnenin kendisi koordinatsızdır.

Bu özellik fizik ve mühendislik için temel: doğa kanunları hangi koordinat sisteminde yazılırsa yazılsın aynı kalmalıdır. Tensörler bu "koordinatsızlık" özelliğini matematik olarak garanti eder.

Tarihte tensörler

Tensör kavramı 19. yüzyıl sonu - 20. yüzyıl başında gelişti:

• Gregorio Ricci-Curbastro (1890'lar): "absolute differential calculus" (mutlak diferansiyel hesap) adıyla tensör analizinin temellerini attı.
• Tullio Levi-Civita (Ricci'nin öğrencisi, 1900): tensörlerin sistematik teorisini geliştirdi.
• Albert Einstein (1915): tensörleri Genel Görelilik kuramı için kullandı. Levi-Civita'dan iki yıl ders alarak öğrendi.

Einstein bir keresinde "tensör hesabı olmadan genel göreliliği yazamazdım" demiştir.

Genel görelilikte tensörler

Einstein'ın genel görelilik denklemi:

$G_{\mu\nu} = 8\pi G \, T_{\mu\nu}$

Burada:

• $G_{\mu\nu}$ Einstein tensörü (uzay-zaman eğriliğini temsil eder).
• $T_{\mu\nu}$ enerji-momentum tensörü (madde ve enerjinin dağılımı).
• $\mu, \nu$ indisleri 4 boyutlu uzay-zaman koordinatları (0=zaman, 1,2,3=uzay).

Yani: madde ve enerji uzay-zamanı eğer; eğri uzay-zaman yerçekimi olarak görünür. Tek bir tensör denklemi.

Bu denklem 10 farklı diferansiyel denklem içerir (simetri sayesinde). Tensör notasyonu olmadan yazılırsa sayfalarca yer kaplar.

Modern AI ve tensörler

2010'lardan itibaren derin öğrenme ile tensörler tüm bilim adamlarının dilinde yer aldı. TensorFlow (Google, 2015) ve PyTorch (Facebook, 2016) gibi kütüphanelerin adlarındaki "Tensor" tam olarak bunu gösterir.

Bir sinir ağında işlenen veri tipik olarak tensördür:

• Rank 1: tek bir gözlemin özellik vektörü.
• Rank 2: bir batch (örnekler × özellikler).
• Rank 3: bir görüntü (yükseklik × genişlik × kanal).
• Rank 4: bir batch görüntü (batch × yükseklik × genişlik × kanal).
• Rank 5+: video, hacim verisi, vs.

Sinir ağlarındaki tüm hesaplar tensör işlemleridir: matris çarpımları, konvolüsyon, attention. Modern GPU'lar (NVIDIA TensorCore) özellikle tensör çarpımları için optimize edilmiştir.

İlginç not: AI'da kullanılan "tensörler" matematiksel olarak tam tensör değildir. Çoğu zaman sadece çok boyutlu dizilerdir; tensörün geometrik dönüşüm özelliği aktif kullanılmaz. Yine de isim yerleşti.

Tensör operasyonları

Birkaç temel işlem:

Tensör çarpımı (outer product)

$T = u \otimes v$, yani $T_{ij} = u_i v_j$. İki vektörden bir matris üretmek; rank arttırır.

Tensör daralması (contraction)

İki indis eşitlenir ve toplanır. Klasik örnek: matris izi $\text{tr}(A) = \sum_i A_{ii}$.

Skaler çarpım (Einstein notasyonu)

$c = a_i b^i$ (tekrarlanan indis üzerinden örtük toplam). Einstein'ın notasyonu, $\sum$ sembolünü kaldırarak formülleri sadeleştirir.

Tensör gradyanları

Çok değişkenli fonksiyonların türevleri tensör olur. Sinir ağlarındaki backpropagation algoritması tensör gradyanlarını verimli hesaplar.

Mühendislikte tensörler

Mekanik

• Stress tensörü (gerilim tensörü): bir noktadaki iç kuvvetlerin tüm yönlerdeki bileşenleri.
• Strain tensörü (gerinim tensörü): deformasyonun ölçüsü.

Cauchy bunların temellerini 1820'lerde attı; modern yapı mühendisliğinin temel araçları.

Elektromanyetizma

Maxwell tensörü (electromagnetic field tensor) $F_{\mu\nu}$ elektrik ve manyetik alanları tek bir nesnede birleştirir.

Akışkanlar mekaniği

Türbülans, viskozite, momentum akışı — hepsi tensör dilinde ifade edilir.

Optik ve kristalografi

Anisotropik (yöne bağlı) malzemelerin özellikleri tensörlerle modellenir.

Sade bir matematik, derin bir araç

Tensörler birinci bakışta sadece "çok indisli sayılar" gibi görünür. Ama gerçek güçleri koordinattan bağımsız geometri'yi mümkün kılmalarındadır. Bu olmadan modern fizik (genel görelilik, kuantum alan teorisi, dize teorisi) ya yazılamazdı ya da çok daha hantal olurdu.

Aynı zamanda modern bilgisayar bilimlerinin (özellikle makine öğrenmesi) ayrılmaz aracı. TensorFlow, PyTorch, JAX — her büyük AI kütüphanesi tensörler üzerine inşa edilmiştir.

Skaler bir sayıdır. Vektör yön bilgisi de taşır. Matris doğrusal dönüşüm yapar. Tensör? Sınırsız boyutlu doğanın dilidir.