Matrices, Determinantes y Autovectores para Físicos

Captulo 4
Matrices, Determinantes y
Autovectores
141
Metodos de la Fsica Matematica (Vol 1) BORRADOR PRELIMINAR
4.1. Operadores Lineales
Deniremos como operador lineal (o transformaciones lineales) a una operacion que asocia un vector
[v V
1
un vector [v
V
2
y que respeta la linealidad, es decir esta funcion de V
1
V
2
cumple con
[v
= A[v A[ [v
1
+ [v
2
] = A[v
1
+ A[v
2
[v , [v
1
y [v
2
V
1
Sencillamente algo que act ue sobre una suma de vectores y que sea equivalente a la suma de sus actuaciones
sobre los vectores suma.
Ejemplos
Las siguientes transformaciones
[x
= T[x (x
, y
, z
) = T(x, y, z)
claramente son lineales
T(x, y, z) = (x, 2y, 3z)
Ta (x, y, z) + b (m, n, l) = aT(x, y, z) + bT(m, n, l)
T(ax + bm, ay + bn, az + bl) = a (x, 2y, 3z) + b (m, 2n, 3l)
(ax + bm, 2 [ay + bn] , 3 [az + bl]) = (ax + bm, 2 [ay + bn] , 3 [az + bl])
T(x, y, z) = (z, y, x)
Ta (x, y, z) + b (m, n, l) = aT(x, y, z) + bT(m, n, l)
T(ax + bm, ay + bn, az + bl) = a (z, y, x) + b (l, n, m)
(az + bl, ay + bn, ax + bm) = (az + bl, ay + bn, ax + bm)
Cosas tan sencillas como multiplicacion por un escalar es una transformacion (u operador) lineal
T : V V tal que
T[v = [v
= [v
Claramente,
T[a [v + b [w] = aT[v + bT[w = a[v + b[w
Obviamente, si = 1 tenemos la transformacion identidad que transforma todo vector en s mismo; si
= 0 tendremos la transformacion cero, vale decir que lleva a todo [v V a al elemento cero [0
La denicion de producto interno tambien puede ser vista como una transformacion (operador) lineal
T : V R
T[v = a [v
Otra vez:
T[a [v + b [w] = a[ [a [v + b [w] = a a [v + b a [w
por lo tanto es lineal. Esto implica que tambien la proyeccion de un determinado [v V sobre un
subespacio S es un operador lineal, y lo denotaremos como
[[s s[] [v = s [v [s = [v
s
con [s y [v
s
S
Hernandez & N u nez Universidad Industrial de Santander 142
esta idea se extiende facil si para un proyector T : V
m
S
n
con m > n de tal modo que para un vector
[v V
m
P
m
[v
_
[u
i
u
i
m
_
[v =
u
i
[v
m
[u
i
= [v
m
con u
i
[ base de S
n
.Es claro que estamos utilizando la convencion de Einstein para la suma de
nidices
Las ecuaciones lineales tambien pueden verse como transformaciones lineales. Esto es, considere una
transformacion lineal T : V
n
V
m
Por lo tanto asociaremos
[y = T[x
_
y
1
, y
2
, y
3
, , y
m
_
= T
__
x
1
, x
2
, x
3
, , x
n
__
a traves de n m n umeros, a
i
j
, organizados de la siguiente forma
y
i
= a
i
j
x
j
con
_
i = 1, 2, , m
j = 1, 2, , n
una vez mas,
T[[v + [w] = T
_
_
v
1
, v
2
, v
3
, , v
n
_
+
_
w
1
, w
2
, w
3
, , w
n
__
= a
i
j
v
j
+ a
i
j
w
j
= T
__
v
1
+ w
1
, v
2
+ w
2
, v
3
+ w
3
, , v
n
+ w
n
__
= a
i
j
(v + w)
j
= a
i
j
v
j
+ a
i
j
w
j
= a
i
j
_
v
j
+ w
j
_
Como siempre estamos utilzando la convencion de suma de Einstein
La derivada es un operador lineal. As podemos representar el operador lineal diferenciacion como
[v
= T[v [y
= D[y D[y (x)]

d
dx
[y (x)]
dy (x)
dx
y
(x)
es claro que
D[f (x) + g (x)] = Df (x) + Dg (x) f
(x) + g
(x)
igualmente podemos asociar un operador diferencial de cualquier orden a una derivada del mismo
orden, esto es
[y
= D
2
[y D
2
[y (x)]
d
2
dx
2
[y (x)]
d
2
y (x)
dx
2
y
(x)
[y
= D
3
[y D
3
[y (x)]
d
3
dx
3
[y (x)]
d
3
y (x)
dx
3
y
(x)
.
.
.
y
(n)
_
= D
n
[y D
n
[y (x)]
d
n
dx
n
[y (x)]
d
n
y (x)
dx
n
y
(n)
(x)
Igualmente, cualquier ecuacion diferencial lineal es un ejemplo de operador lineal, recordamos el ejemplo
del tema de transformadas integrales. Esto es
y
3 y
+ 2 y =
_
D
2
3D + 2
_
y (x)
es claro que si y (x) = f (x) + g (x) la linealidad es evidente
(f (x) + g (x))
3 (f (x) + g (x))
+ 2 (f (x) + g (x)) = (f
3 f
+ 2 f) + g
3 g
+ 2 g
_
D
2
3D + 2
_
(f (x) + g (x)) =
_
D
2
3D + 2
_
f (x) +
_
D
2
3D + 2
_
g (x)
La integral tambien es un operador lineal
g (x) =
_
x
a
f(t)dt Tf(t)
Otro ejemplo tpico son los operadores de transformaciones integrales
F(s) =
_
b
a
/(s, t) f(t)dt Tf(t)
donde /(s, t) es una funcion conocida de s y t, denominada el n ucleo de la transformacion. Si a y b
son nitos la transformacion se dira nita, de lo contrario innita.
As si f(t) = f
1
(t) + f
2
(t) con f
1
(t) y f
2
(t) (
[a,b]
es obvio que
F(s) =
_
b
a
/(s, t) [f
1
(t) + f
2
(t)] dt T[f
1
(t) + f
2
(t)]
F(s) =
_
b
a
/(s, t) f
1
(t)dt +
_
b
a
/(s, t) f
2
(t)dt
F(s) = F(s
1
) + F(s
2
) T[f
1
(t) + f
2
(t)] = Tf
1
(t) +Tf
2
(t)
Dependiendo de la seleccion del n ucleo y los limites tendremos distintas transformaciones integrales.
En Fsica las mas comunes son:
Nombre F(s) = Tf(t) f(t) = T
1
F(s)
Laplace F(s) =
_
0
e
st
f(t)dt f(t) =
1
2i
_
+i
i
e
st
F(s)ds
Fourier de senos y cosenos F(s) =
_

0
sen(st)
cos(st)
f(t)dt f(t) =
2
_

0
sen(ts)
cos(ts)
F(s)ds
Fourier compleja F(s) =
_

e
i st
f(t)dt f(t) =
2
e
i st
F(s)ds
Hankel F(s) =
_

0
tJ
n
(st)f(t)dt f(t) =
_

0
sJ
n
(ts)F(s)ds
Mellin F(s) =
_

0
t
s1
f(t)dt f(t) =
1
2i
_
+i
i
s
t
F(s)ds
4.1.1. Espacio Vectorial de Operadores Lineales
Un conjunto de operadores lineales A, B, C : V
1
V
2
puede constituir un espacio vectorial lineal
si se dispone entre ellos de la operacion suma y la multiplicacion por un escalar. As, claramente, dado
A, B, C ,y denida
(A+B) [v A[v +B[v
_
_
_
A[ [v
1
+ [v
2
] = A[v
1
+ A[v
2
B[ [v
1
+ [v
2
] = B[v
1
+ B[v
2

es directo comprobar que
(A+B) [ [v
1
+ [v
2
] = A[ [v
1
+ [v
2
] +B[ [v
1
+ [v
2
]
= ( A[v
1
+ A[v
2
) + B[v
1
+ B[v
2
= ( A[v
1
+ B[v
1
) + A[v
2
+ B[v
2
(A+B) [ [v
1
+ [v
2
] = A[ [v
1
+ [v
2
] +B[ [v
1
+ [v
2
]
Igualmente, se cumple que
[(A+B) +C] = [A+(B+C)]
con A+B+C lineales en V
[(A+B) +C] [v = (A+B) [v +C[v [v V
1
= A[v +B[v +C[v
= A[v +(B+C) [v
= [A+(B+C)] [v
del mismo modo se puede comprobar facilmente
A+B = B+A
Ahora bien, si denimos la transformacion cero de V
1
V
2
tal que
[0 = 0 [v [v V
1
se le asigna a el vector [0 V
2
[v V
1
, entonces el operador lineal 0 sera el elemento neutro respecto
a la suma de operadores. Finalmente, el elemento simetrico queda denido por
(A) [v = A[v =(AA) [v = 0 [v = [0
Con ello queda demostrado que los operadores lineales forman un espacio vectorial el cual de ahora en
adelante denominaremos /(V
1
, V
2
) .
4.1.2. Composicion de Operadores Lineales
El producto o composicion de dos operadores lineales, A y B se denotara AB y signicara que primero
se aplica B y al resultado se aplica A. Esto es
AB[v = A(B[v) = A[ v = [ v
La composicion de funciones cumple con las siguientes propiedades

(AB) C = A(BC) ; (AB) =(A) B = A(B) ;
(A
1
+A
2
) B = A
1
B+A
2
B; A(B
1
+B
2
) = AB
1
+AB
2
Es decir, que la composicion de operadores es asociativa y distributiva a la suma y que conmuta respecto a
la multiplicacion por escalares.
Por otro lado si 1 es el operador Identidad
1[v = [v = A1 = 1A = A;
En general AB ,= BA,por lo tanto podemos construir el conmutador de estos operadores como
[A, B] = ABBA [ABBA] [v = AB[v BA[v
Es inmediato comprobar algunas de las propiedades mas utiles de los conmutadores:
[A, B] = [B, A]
[A, (B+C)] = [A, B] + [A, C]
[A, BC] = [A, B] C+B[A, C]
0 = [A, [B, C]] + [B, [C, A]] + [C, [A, B]]
Dados dos vectores [v
1
y [v
2
deniremos como el elemento de matriz del operador A al producto interno
de dos vectores
v
2
[ (A[v
1
) A
(|v1,|v2)
es claro que A
(|v1,|v2)
sera en general un n umero complejo, pero esto lo veremos detalladamente en la
seccion 4.2, mas adelante.
Ejemplos
Potencias de Operadores: Uno de los ejemplos mas utiles en la composicion de operadores lo
constituyen las potencias de los operadores, las cuales provienen de la aplicacion consecutiva de un
mismo operador,
A
0
= 1; A
1
= A; A
2
= AA; A
3
= A
2
A = AAA;
Es claro que las potencias de operadores cumplen las propiedades estandares de las potencias de
n umeros
A
n+m
= A
n
A
m
; (A
n
)
m
= A
nm
Llamaremos operadores nilpotentes de grado n a los operadores A
n
,= 0, del tipo
A
n
[v = [0 [v V
1
al vector nulo, [0 V
2
. Es decir un operador que lleva cualquier vector [v
al elemento neutro de V
2
. El ejemplo mas emblematico es el operador diferencial
D
n
P
n1
_
= [0
d
n
dx
n
P
n1
(x) =
d
n
dx
n
_
a
i
x
i
= 0
con
P
n1
_
perteneciente al espacio de polinomios de grado n 1
Operador Ecuaciones Diferenciales. Si consideramos el espacio de funciones
f(x) (
[a,b]
podemos construir un operador diferencial
_
a
0
1 + a
1
D+ a
2
D
2
+ + a
n
D
n
[f
_
a
0
+ a
1
d
dx
+ a
2
d
2
dx
2
+ + a
n
d
n
dx
n
_
f(x)
con a
0
, a
1
, a
2
, a
n
coecientes constantes. De este modo
_
D
2
3D+ 2
_
y = (D1) (D2) y =
_
d
2
dx
2
3
d
dx
+ 2
_
y (x) = y
3 y
+ 2 y
con r = 1 y r = 2 las races del polinomio caracterstico
Funciones de Operadores: Basandonos en el primero de los ejemplos se puede construir un poli-
nomio en potencias de los operadores:
P
n
(x) = a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
= a
i
x
i
=
P
n
(A) [v =
_
a
0
1 + a
1
A+ a
2
2
A+ + a
n
n
A
n
[v =
_
a
i
A
i
[v [v V
1
Mas a un, lo anterior nos permite extender la idea operadores a funciones de operadores, es decir si nos
saltamos todos los detalles de convergencia de la serie anterior, los cuales dependeran de los autovalores
de A y de su radio de convergencia, de esta manera, al igual que podemos expresar cualquier funcion
F (z) como una serie de potencias de z en un cierto dominio, podremos expresar la funcion de un
operador, F (A) , como una serie de potencias del operador A esto es
F (z) = a
i
x
i
F (A) [v =
_
a
i
A
i
[v
As, por ejemplo, podemos expresar
e
A
[v =
_

n=0
A
n
n!
_
[v =
_
1 +A+
A
2!
+ +
A
n
n!

_
[v
En este caso hay que hacer una acotacion, dado que, en general, [A, B] ,= 0 =e
A
e
B
,= e
B
e
A
,= e
A+B
esta armacion se corrobora de manera inmediata al desarrollar las exponenciales
e
A
e
B
[v =
_

n=0
A
n
n!
__

m=0
B
m
m!
_
[v =
_

n=0
m=0
A
n
n!
B
m
m!
_
[v
e
B
e
A
[v =
_

n=0
B
n
n!
__

m=0
A
m
m!
_
[v =
_

n=0
m=0
B
n
n!
A
m
m!
_
[v
e
A+B
[v =
_

n=0
(A+B)
n
n!
_
[v
solo en el caso que [A, B] = 0 = e
A
e
B
= e
B
e
A
= e
A+B
, la demostracion es inmediata pero requiere
expandir y rearreglar las sumatorias arriba expuestas. En general mas adelante demostraremos la
relacion de Glauber
e
A
e
B
= e
A+B
e
1
2
[A,B]
4.1.3. Proyectores
La notacion de Dirac se hace particularmente conveniente para representar proyectores. Hasta ahora,
hemos relacionado un funcional lineal, un bra w[ del espacio dual V
, con un vector ket [v del espacio

vectorial V a traves de su producto interno w[ v C el cual es, en general, un n umero complejo. Si ahora
escribimos esta relacion entre vectores y formas diferenciales de una manera diferente. As, la relacion entre
w[, y [v un ket [ o un bra [ arbitrarios seran
[v w[ =
_
_
_
[v w[
[v w[
La primera sera la multiplicacion del vector [v por el n umero complejo w[ ,mientras que la segunda
relacion sera la multiplicacion de la forma w[ por el complejo [v . Es imperioso se nalar que el orden en
la escritura de los vectores y formas es crtico, solo los n umeros complejos se pueden mover con impunidad
a traves de estas relaciones
[v = [v = [v , w[ = w[ = w[
w[ [v = w[ v = w[ v y A[v = A[v = A[v
Por lo tanto, dado un vector [v , podemos construir un proyector P
|v
a lo largo del vector [v
P
|v
[v v[ con v[ v = 1
siempre y cuando este operador lineal cumpla
P
|v
[ [z
1
+ [z
2
] = P
|v
[z
1
+ P
|v
[z
2
=
[v v[ [ [z
1
+ [z
2
] = [v v[ [z
1
+[v v[ [z
2
= [v v [z
1
+ [v v [z
2
P
2
|v
= P
|v
([v v[) ([v v[) = [v v[ =
P
|v
P
|v
[z = ([v v[) ([v v[) [z = [v v [v
. .
1
v [z = [v v [z = P
|v
[z
As el operador P
|v
actuando sobre el vector [ representara la proyeccion de [ a lo largo de [v
P
|v
[ = [v v[ v[ [v
Es inmediato construir un proyector de un vector sobre un subespacio S
q
.
Sea [e
1
, [e
2
, [e
3
, , [e
q
un conjunto ortonormal de vectores que expande S
q
. Por lo tanto deniremos
el proyector P
q
al proyector sobre el subespacio S
q
de la forma
P
q
= [e
i
e
i
q
es claro que P
2
q
= P
q
P
2
q
[v = P
q
P
q
[v =P
2
q
[v =
_
[e
i
e
i
q
__
[e
j
e
j
q
_
[v = [e
i
e
i
[e
j
. .
i
j
e
j
[v
P
2
q
[v = [e
j
e
j
[v P
q
[v [v V
4.1.4. Espacio Nulo e Imagen
El conjunto de todos los [v V
1
A[v = [0 , se denomina espacio nulo, n ucleo o kernel (n ucleo en
aleman) de la transformacion A y lo denotaremos como (A), en smbolos diremos que
(A) = [v [ [v V
1
A[v = [0
Adicionalmente, (A) V
1
sera un subespacio de V
1
. La prueba de esta armacion es inmediata. Dados
[v
1
, [v
2
(A) ,con A un operador lineal, es claro que
A[v
1
= [0
A[v
2
= [0
_
_
_
=
1
A[v
1
+
2
A[v
2
= [0 = A(
1
[v
1
+
2
[v
2
)
por la misma razon se tiene que el elemento neutro contenido en (A) ,esto es
A[ v = [0 [v V
1
A[0 = [0 si = 0
por lo tanto, queda demostrado que (A) es un subespacio de V
1
.
Deniremos imagen (rango o recorrido) de A,y la denotaremos como
(A) = [v
[ [v
V
2
A[v = [v
igualmente (A) V
2
tambien sera un subespacio de V
2
ya que si [v =
1
[v
1
+
2
[v
2
y dado que A
es un operador lineal, se cumple que
A
_
_
_
1
[v
1
+
2
[v
2
. .
|v
_
_
_ =
1
A[v
1
. .
[v
+
2
A[v
2
. .
[v
=
1
[v
1
+
2
[v
. .
|v
Es claro que si V de dimension nita, AV = n tambien sera de dimension nita n y tendremos que
dim[(A)] + dim[(A)] = dim[V]
vale decir que la dimension del n ucleo mas la dimension del recorrido o imagen de una transformacion lineal
es igual a la dimension del dominio.
Para demostrar esta armacion supongamos que dim[V] = n y que
[e
1
, [e
2
, [e
3
[e
k
V es una base de (A) , donde k = dim[(A)] n.
Como [e
1
, [e
2
, [e
3
[e
k
V estos elementos forman base y por lo tanto son linealmente indepen-
dientes, necesariamente ellos formaran parte de una base mayor de V.
Esto es [e
1
, [e
2
, [e
3
, , [e
k
, [e
k+1
, , [e
k+r1
, [e
k+r
V sera una base de V donde k + r = n
Es esquema de la demostracion sera:
primero probaremos que A[e
k+1
, A[e
k+2
, , A[e
k+r1
, A[e
k+r
forman una base pa-
ra AV
luego demostraremos que dim[AV] = r y como hemos supuesto que k+r = n habremos demostrado
la armacion anterior.
Si los r elementos A[e
k+1
, A[e
k+2
, , A[e
k+r1
, A[e
k+r
expanden AV entonces
cualquier elemento
[w AV [w = A[v = C
i
[Ae
i
con [Ae
i
= A[e
i
Ahora bien, analicemos con cuidado los lmites de la suma implcita del ndice i = 1, 2, , k + r
[w = C
i
[Ae
i
= C
1
[Ae
1
+ C
2
[Ae
2
+ + C
k
[Ae
k
. .
=|0 ya que A|e1=A|e2=A|e3=A|e
k
=|0
+ C
k+1
[Ae
k+1
+ + C
k+r
[Ae
k+r
Por lo tanto A[e

k+1
, A[e
k+2
, , A[e
k+r1
, A[e
k+r
expanden AV . Ahora bien, para
demostrar que son base, demostraremos que son linealmente independientes, para ello supondremos que
_
C
k+1
, C
k+2
, , C
k+r
_
C
i
[Ae
i
= 0 con i = k + 1, k + 2, , k + r
y ttenemos que demostrar que C
k+1
= C
k+2
= = C
k+r
= 0. Entonces
C
i
[Ae
i
= C
i
A[e
i
= A
_
C
i
[e
i
_
= 0 con i = k + 1, k + 2, , k + r
por lo tanto el elemento [v = C
i
[e
i
(A) con i = k + 1, k + 2, , k + r. Con lo cual dado que
[v (A) , [v = C
i
[e
i
con i = 1, 2, , r, entonces se puede hacer la siguiente resta
[v [v =
k
i=1
C
i
[e
i

k+r
i=k+1
C
i
[e
i
y como los [e
1
, [e
2
, [e
3
, , [e
k
, [e
k+1
, , [e
k+r1
, [e
k+r
son una base de V entonces las C
k+1
=
C
k+2
= = C
k+r
= 0
Ejemplos
Transformaciones Identidad: Sea 1 : V
1
V
2
, la transformacion identidad,
[v V
1
1[v = [v . (1) = [0 V
1
(1) V
1
Sistemas de lineales de Ecuaciones. En V
n
los sistemas de ecuaciones lineales representan el
espacio nulo,(A) , para vectores de V
n
A[x = [0
_
_
_
_
_
A
11
A
12
A
1n
A
21
A
22

.
.
.
.
.
.
A
n1
A
n2
A
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_
A
i
j
x
i
= 0
son j ecuaciones con j = 1, 2, , n. Recordemos que estamos utilizando la convencion de Einstein
para suma de ndices. Esto es
n
i=1
A
i
j
x
i
= 0
Ecuaciones diferenciales ordinarias. Sea (
2
[,]
el espacio vectorial de todas las funciones con-
tinuas doblemente diferenciables. Denimos A :(
2
[,]
(
[,]
como la transformacion lineal
_
D
2
1
_
tal que para todas las y(x) (
2
[,]
se cumple
A[x = [0
_
D
2
1
_
y(x) = 0
_
d
2
dx
2
1
_
y (x) = y
y = 0
por lo tanto el n ucleo o espacio nulo de A,(A) lo constituyen el conjunto de soluciones para la
mencionada ecuacion diferencial. Por lo tanto el problema de encontrar las soluciones de la ecuacion
diferencial es equivalente a encontrar los elementos del n ucleo de A.
4.1.5. Operadores Biyectivos e Inversos
Se dice que A : V
1
V
2
es biyectivo (uno a uno o biunvoco) si dados [v
1
, [v
2
V
1
, [v
V
2
,
se tiene que
A[v
1
= [v
A[v
2
= [v
=[v
1
= [v
2
es decir sera biyectiva si A transforma vectores distintos de V

1
en vectores distintos de V
2
. Mas a un, se
puede armar que una transformacion lineal A, sera biyectiva si y solo si (A) = [0 . Vale decir, si el
subespacio nulo esta constituido, unicamente por el elemento neutro del espacio vectorial. La demostracion
es sencilla. Supongamos que A es biyectiva y que A[v = [0 ,entonces [v = [0 ,es decir, A[0 = [0 , por
consiguiente (A) = [0 . Recprocamente, si
(A) = [0
A[v
1
= A[v
2
_
_
_
=A[v
1
A[v
2
= [0 = A
_
_
_[v
1
[v
2
. .
|v1|v2=0
_
_
_ =[v
1
= [v
2
La importancia de las transformaciones lineales uno a uno o biyectiva reside en la posibilidad de denir
inversa, debido a que siempre existe en V
2
un vector [v
asociado a traves de A con un vector [v V

1
.
Diremos que A
1
: V
2
V
1
es el inverso de A, si A
1
A = 1 = AA
1
.
Podemos armar que un operador lineal A tendra inverso A
1
si a cada vector [v
V
2
Habra que hacer un par de comentarios al respecto. El primero es que, tal y como hemos enfatizado
arriba, en general, los operadores no conmutan entre si, y los inversos no son una excepcion. Es decir, debieran
existir (y de hecho existen) inversas por la izquierda A
1
A e inversas por la derecha AA
1
. Por simplicidad
e importancia en Fsica obviaremos esta dicotoma y supondremos que A
1
A = 1 = AA
1
. El segundo
comentario tiene que ver con la existencia y unicidad del inverso de un operador lineal. Algunos operadores
tienen inverso, otros no, pero aquellos quienes tienen inverso, ese inverso es unico. Veamos, supongamos que
A
1
1
A[v = [v
A
1
2
A[v = [v
_
_
_
=A
1
1
A[v A
1
2
A[v = [0 =
_
A
1
1
A
1
2
_
. .
A
1
1
=A
1
2
A[v =A
1
1
= A
1
2
Ahora bien, un operador lineal A tendra inverso s y solo s para cada vector [v
V
2
! [v
V
1
A[v = [v
. Es decir cada vector [v
esta asociado con uno y solo un vector [v a traves de la

transformaci on lineal A. Dejaremos sin demostracion esta armacion pero lo importante es recalcar que
para que exista inverso la transformacion lineal A,tiene que ser biyectiva y esto implica que se asocia uno y
solo un vector de V
1
con otro de V
2
.
Todava podemos a nadir algunas demostraciones consecuencias de las armaciones anteriores. Sea la
transformacion lineal T : V
1
V
2
supongamos ademas que T /(V
1
, V
2
) Entonces las siguientes arma-
ciones son v alidas y equivalentes
1. T es Biyectiva en V
1
2. T es invertible y su inversa T
1
: TV
1
V
1
es lineal
3. [v V
1
, T[v = [0 = [v = [0 esto es, el espacio nulo (T) unicamente contiene al elemento
neutro de V
1
.
Si ahora suponemos que V
1
tiene dimension nita, digamos dim[V
1
] = n, las siguientes armaciones
seran validas y equivalentes
1. T es Biyectiva en V
1
2. Si [u
1
, [u
2
, [u
3
, [u
n
V
1
son linealmente independientes entonces, T[u
1
, T[u
2
, T[u
3
, T[u
n

TV
1
tambien seran linealmente independientes.
3. dim[TV
1
] = n
4. Si [e
1
, [e
2
, [e
3
[e
n
V
1
es una base de V
1
, entonces T[e
1
, T[e
2
, T[e
3
T[e
n

TV
1
es una base de TV
1

4.1.6. Operadores Hermticos Conjugados
Deniremos la accion de un operador A sobre un bra de la forma siguiente
(w[ A)
. .
w
|
[v = w[ (A[v)
. .
|v
por lo cual lo que estamos diciendo es que el elemento de matriz para el operador, A, es el mismo, y no
importa donde opere A.De esta manera, dado cada vector en V, tiene asociado un vector en V
podemos
demostrar que A operando sobre los bra es lineal. Esto es dado
w[ =
1
z
1
[ +
2
z
2
[ =
(w[ A) [v (
1
z
1
[ +
2
z
2
[ A) [v = (
1
z
1
[ +
2
z
2
[) (A[v) =
1
z
1
[ (A[v) +
2
z
2
[ (A[v)
=
1
(z
1
[ A) [v +
2
(z
2
[ A) [v
Siguiendo con esta logica podemos construir la accion del operador hermtico conjugado, A
. Para ello
recordamos que igual que a cada vector (ket) [v le esta asociado una forma lineal (bra) v[ ,a cada ket
transformado A[v = [v
le correspondera un bra transformado v
[ = v[ A
. Por lo tanto
[v v[
[v
= A[v v
[ = v[ A
ahora bien,si A es lineal, A
tambien lo sera. Dado que a un vector [w =

1
[z
1
+
2
[z
2
le corresponde
un bra w[ =
1
z
1
[ +
2
z
2
[ (la correspondencia es antilineal). Por lo tanto, [w
= A[w =
1
A[z
1
+
2
A[z
2
, por ser A lineal, entonces
[w
[ w[ A
= (
1
z
1
[ +
2
z
2
[) A
1
z
1
[ +
2
z
2
[ =
1
z
1
[ A
2
z
2
[ A
Es claro que de la denicion de producto interno en la notacion de Dirac, se desprende

x
[ y = y[ x
[x
= A[x , [y V =x[ A
[y = y[ A[x
[x , [y V
Igualmente se pueden deducir las propiedades de los operadores hermticos conjugados
_
A
= A; (A)
; (A+B)
= A
+B
; (AB)
= B
Esta ultima propiedad es facilmente demostrable y es educativa su demostracion. Dado [v
= AB[v,
ademas se tiene que
[ v = B[v
[v
= A[ v
_
_
_
=v
[ = v[ A
= v[ B
= v[ (AB)
A partir de propiedades anteriores se deriva una mas util relacionada con el conmutador de dos operadores
hermticos
[A, B]
=
_
A
, B
_
=
_
B
, A
La conclusiones a las que llegamos son

Para obtener el hermtico conjugado de una expresion proceda de la siguiente manera:
Cambie constantes por sus complejas conjugadas

Cambie los kets por sus bras asociados y viceversa (bras por kets): [v v[
Cambie operadores lineales por sus hermticos conjugados A
A;
Invierta el orden de los factores
De este modo
([v w[)
= [w v[
que se deduce facilmente de la consecuencia de la denicion de producto interno
x[
_
[v w[
_
[y = y[ ([v w[) [x
= y[ [v
w[ [x
= x[ [w v[ [y
Existe un conjunto de operadores que se denominan Hermticos a secas o autoadjunto. Un operador
Hermtico (o autoadjunto) sera aquel para el cual A
= A. Con esto
x[ A
[y = x[ A[y = y[ A[x
Claramente los proyectores son autoadjuntos por construccion

P
|v
([v v[)
= [v v[
4.1.7. Operadores Unitarios
Por denicion un operador sera unitario si su inversa es igual a su adjunto. Esto es
U
1
= U
=U
U = UU
= 1
De estos operadores podemos decir varias cosas
Las transformaciones unitarias dejan invariantes al producto interno y consecuentemente la norma de
vectores. Esto se demuestra facilmente. Dados dos vectores [x , [y sobre los cuales actua un operadore
unitario
[ x = U[x
[ y = U[y
_
_
_
= y [ x = y[ U
U[x = y [x
Es claro que si Aes hermtico, A
= A, el operador T = e
iA
es unitario.
T = e
iA
=T
= e
iA
= e
iA
=TT
= e
iA
e
iA
= 1 = T
T = e
iA
e
iA
El producto de dos operadores unitarios tambien es unitario. Esto es si U y V son unitarios entonces
(UV)
(UV) = V
U
. .
1
V = V
V = 1
(UV) (UV)
= UVV
. .
1
U
= UU
= 1
4.2. Representaci on Matricial de Operadores
Supongamos un operador lineal A en el espacio vectorial de transformaciones lineales /(V, W) donde
dim(V ) = n y dim(W) = m y sean [e
1
, [e
2
, [e
3
, [e
n
y [e
1
, [e
2
, [e
3
, [e
m
las bases para
V y W respectivamente. Entonces A[e
j
W
A[e
i
= A
i
[e
con i = 1, 2, .., n y = 1, 2, .., m

las A
i
son las componentes de la expansion de A[e
i
en la base [e
1
, [e
2
, [e
3
, [e
m
. Para un vector
generico [x tendremos que
[ x = A[x = x
[e
pero, a su vez [x = x
i
[e
i
con lo cual
[ x = A[x = x
[e
= A
_
x
i
[e
i
_
= x
i
A[e
i
= x
i
A
i
[e
=
_
x
x
i
A
i
_
[e
i
= 0
para nalmente concluir que
x
= A
i
x
i
Varias cosas se pueden concluir hasta este punto
1. Si acordamos que los ndices de arriba indican las podemos representar los vectores como un arreglo
vertical de sus componentes
[x
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
y las cantidades
A
i

_
_
_
_
_
_
_
_
_
_
A
1
1
A
1
2
A
1
j
A
1
n
A
2
1
A
2
2
A
2
j
A
2
n
.
.
.
.
.
.
.
.
.
A
1
A
2
A
j
A
n
.
.
.
.
.
.
.
.
.
A
m
1
A
m
2
A
m
j
A
m
n
_
_
_
_
_
_
_
_
_
_
de tal modo que se cumpla
[ x
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
x
m
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
A
1
1
A
1
2
A
1
j
A
1
n
A
2
1
A
2
2
A
2
j
A
2
n
.
.
.
.
.
.
.
.
.
A
1
A
2
A
j
A
n
.
.
.
.
.
.
.
.
.
A
m
1
A
m
2
A
m
j
A
m
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
j
x
n
_
_
_
_
_
_
_
_
_
Notese que los ndices arriba indican la y los de abajo columnas. Las cantidades A
j
es la represen-
tacion del operador A en las bases [e
1
, [e
2
, [e
3
, [e
n
y [e
1
, [e
2
, [e
3
, [e
m
de V y W
respectivamente. Es decir una matriz A
i
j
es un arreglo de n umeros
A
i
j
=
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
donde el superndice, i, indica la
_
_
_
_
_
A
1
1
A
2
1
.
.
.
A
n
1
_
_
_
_
_
y el subndice j columna
_
A
1
1
A
1
2
A
1
n
_
2. Diremos que las componentes de los vectores transforman como
x
= A
i
x
i
3. Si suponemos [e
1
, [e
2
, [e
3
, [e
n
y [e
1
, [e
2
, [e
3
, [e
m
bases ortonormales
x
= e
[ x = e
[ A[x = e
[ A
_
x
i
[e
i
_
=x
i
e
[ A[e
i
queda claro que A
i
e
[ A[e
i
ser a la representacion matricial
4. Los vectores [e
k
transforman de la siguiente manera
A[e
i
= [ w
i
= A
j
i
[e
j
=
donde [e
1
, [e
2
, [e
3
, [e
n
y [e
1
, [e
2
, [e
3
, [e
n
son las bases para V y W respectiva-
mente.
Denitivamente, las matrices son uno de los objetos mas utiles de las Matematicas. Ellas permiten aterri-
zar conceptos y calcular cantidades. La palabra matriz fue introducida en 1850 por James Joseph Sylvester
1
y su teora desarrollada por Hamilton
2
y Cayley
3
. Si bien los fsicos las consideramos indispensables, no
fueron utilizadas de manera intensiva hasta el aparicion de la Mecanica Cuantica alrededor de 1925.
1
James Joseph Sylvester (1814-1897 Londres, Inglaterra). Ademas de sus aportes con Cayley a la Teora de las Matrices
descubrio la solucion a la ecuacion c ubica y fue el primero en utilizar el termino discriminante para categorizar cada una de
las races de la ecuacion. Para vivir tuvo que ejercer de abogado durante una decada. Por fortuna otro matematico de la epoca
(Arthur Cayley) frecuentaba los mismos juzgados y tribunales y pudieron interactuar. Por ser judo tuvo cantidad de dicultades
para conseguir trabajo en la Academia.
2
Sir William Rowan Hamilton (1805 - 1865, Dublin, Irlanda) Sus contribuciones en el campo de la Optica, Din amica del
cuerpo Rgido, Teora de ecuaciones algebraicas y Teora de Operadores Lineales.
3
Arthur Cayley (1821, Richmond, 1895, Cambridge, Inglaterra) En sus cerca de 900 trabajos cubri o cas la totalidad de
las areas de las Matem aticas de aquel entonces. Sus mayores cotribuciones se centran el la Teora de Matrices y la Gemetra no
euclideana. No consiguio empleo como Matemetico y tuvo que graduarse de abogado y ejercer durante mas de 15 a nos, durante
los cuales publico mas de 250 trabajos en Matem aticas
4.2.1. Bases y Representaci on Matricial de Operadores
Es importante recalcar que la representacion matricial de un operador depende de las bases [e
1
, [e
2
, [e
3
, [e
n
y [e
1
, [e
2
, [e
3
, [e
m
de de V y W respectivamente. Si tenemos otras bases ortonormal para V y W
vale decir, [e
1
, [e
2
, [e
3
, [e
n
y [e
1
, [e
2
, [e
3
, [e
m
su representacion sera distinta. Esto es
e
[ A[e
j
=

A
j
=
_
_
_
_
_
_
_
_
_
_
_
A
1
1

A
1
2

A
1
j

A
1
n
A
2
1

A
2
2

A
2
j
A
2
n
.
.
.
.
.
.
.
.
.
1

A
2

A
n
.
.
.
.
.
.
.
.
.
A
m
1

A
m
2

A
m
j
A
m
n
_
_
_
_
_
_
_
_
_
_
_
Mas a un cambiando el orden en el cual se presenta una base, cambia la representacion matricial del operador.
Los siguientes ejemplos trataran de ilustrar estas situaciones
Si tenemos un matriz 2 3, B de la forma
B =
_
3 1 2
1 0 4
_
y supongamos las bases canonicas para V
3
y V
2
: [e
1
, [e
2
, [e
3
y [e
1
, [e
2
. Entonces la matriz B
representan la transformacion B :V
3
V
2
que lleva un vector generico [x = (x
1
, x
2
, x
3
) en un vector
generico [y = (y
1
, y
2
) tal que
B =
_
3 1 2
1 0 4
_
=B[x = [y =
_
3 1 2
1 0 4
_
_
_
x
1
x
2
x
3
_
_
=
_
y
1
y
2
_
y esto es
y
1
= 3x
1
+ x
2
2x
3
y
2
= x
1
+ 0x
2
+ 4x
3
La representacion matricial, dependera de la base en la cual se exprese. Si suponemos el operador dife-
rencial D() =
d()
dx
y consideramos el dominio un espacio vectorial de los polinomios de grado 3, por lo
tanto D() : P
3
P
2
, si consideramos las bases
_
1, x, x
2
, x
3
_
y
_
1, x, x
2
_
de P
3
y P
2
respectivamente. Si
el producto interno esta denido como
P
i
[P
j

_
1
1
dx T
i
(x) T
j
(x)
La representacion matricial el operador diferencial sera
_
P
i
D[P
j
=
_
P
i
P
j
_
=
_
_
0 1 0 0
0 0 2 0
0 0 0 3
_
_
como siempre i indica las las y j las columnas.
Otra manera de verlo es operar (diferenciar) sobre el [P
j
P
3
y expresar ese resultado en la base de P
2
D[P
j
=
_
_
d(1)
dx
= 0 = 0 1 + 0 x + 0 x
2
d(x)
dx
= 1 = 1 1 + 0 x + 0 x
2
d(x
2
)
dx
= 2x = 0 1 + 2 x + 0 x
2
d(x
3
)
dx
= 3x
2
= 0 1 + 0 x + 3 x
2
y los coecientes de esa expansion seran las columnas de la matriz que los representa.
Para enfatizar que los elementos de matrz, no solo dependen de la base sino del orden en el cual la base
se presente. Consideremos que la base de P
2
viene representadas por
_
x
2
, x, 1
_
. La representacion matricial
del operador D() =
d()
dx
sera
P
i
D[P
j
=
P
i
P
j
_
=
_
_
0 0 0 3
0 0 2 0
0 1 0 0
_
_
aunque
_
_
0 1 0 0
0 0 2 0
0 0 0 3
_
_
_
_
_
_
1
1
1
1
_
_
_
_
=
_
_
1
2
3
_
_
=1 + 2x + 3x
2
equivalentemente
_
_
0 0 0 3
0 0 2 0
0 1 0 0
_
_
_
_
_
_
1
1
1
1
_
_
_
_
=
_
_
3
2
1
_
_
=1 + 2x + 3x
2
Es el mismo polinomio!
Recuerde que las componentes del vector multiplican a los vectores bases en el mismo orden.
Si ahora construimos la respresentacion para el mismo operador D() =
d()
dx
en la siguiente base
_
1, 1 + x, 1 + x + x
2
, 1 + x + x
2
+ x
3
_
y
_
1, x, x
2
_
de P
3
y P
2
, respectivamente.
D[P
j
=
P
j
_
=
_
_
d(1)
dx
= 0 = 0 1 + 0 x + 0 x
2
d(1+x)
dx
= 1 = 1 1 + 0 x + 0 x
2
d(1+x+x
2
)
dx
= 1 + 2x = 1 1 + 2 x + 0 x
2
d(1+x+x
2
+x
3
)
dx
= 1 + 2x + 3x
2
= 1 1 + 2 x + 3 x
2
con lo cual
P
i
D[P
j
=
P
i
P
j
_
=
_
_
0 1 1 1
0 0 2 2
0 0 0 3
_
_
4.2.2. Algebra de Matrices
Por comodidad supongamos que dim(V ) = dim(W) = n y consideremos la base ortogonal [e
1
, [e
2
, [e
3
, [e
n
.De
este modo es claro, que se reobtienen las conocidas relaciones para matrices cuadradas
e
i
A+B[e
j
=
e
i
A+B[e
j
=
e
i
A[e
j
+
e
i
B[e
j
= A
i
j
+ B
i
j
con lo cual tenemos la suma de matrices. Esto es
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
+
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
A
n
n
_
_
_
_
_
_
_
_
_
_
A
1
1
+ B
1
1
A
1
2
+ B
1
2
A
1
n
+ B
1
n
A
2
1
+ B
2
1
A
2
2
+ B
2
2
A
2
n
+ B
2
n
.
.
.
.
.
.
.
.
.
A
n
1
+ B
n
1
A
n
n
+ B
n
n
_
_
_
_
_
en forma compacta puede demostrarse A
i
j
+ B
i
j
= (A + B)
i
j
con lo cual es directo la demostrar la igualdad
de matrices
_
_
_
_
_
A
1
1
+ B
1
1
A
1
2
+ B
1
2
A
1
n
+ B
1
n
A
2
1
+ B
2
1
A
2
2
+ B
2
2
A
2
n
+ B
2
n
.
.
.
.
.
.
.
.
.
A
n
1
+ B
n
1
A
n
n
+ B
n
n
_
_
_
_
_
= 0
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
=
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
A
n
n
_
_
_
_
_
de donde A
i
j
= B
i
j
De igual modo para la representacion de composicion de operadores
e
i
AB[e
j
=
e
i
A1B[e
j
=
e
i
A
_
[e
k
e
k
_
B[e
j
=
e
i
A[e
k
e
k
B[e
j
= A
i
k
B
k
j
para multiplicacion de matrices. Esto es
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
A
n
n
_
_
_
_
_
_
_
_
_
_
A
1
k
B
k
1
A
1
k
B
k
2
A
1
k
B
k
n
A
2
k
B
k
1
A
2
k
B
k
2
A
2
k
B
k
n
.
.
.
.
.
.
.
.
.
A
n
k
B
k
1
A
n
k
B
k
n
_
_
_
_
_
como ya sabamos AB ,= BA A
i
k
B
k
j
,=B
i
k
A
k
j
De la misma manera la multiplicacion de un n umero por una matriz es la multiplicacion de todos sus
elementos por ese n umero
e
i
A[e
j
=
e
i
A[e
j
= A
i
j
4.2.3. Representaci on Diagonal
Finalmente mostraremos que dado un operador lineal A /(V, W) donde dim(V ) = dim(W) = n y sea
[u
1
, [u
2
, [u
3
, [u
n
una base ortonormal para V y W. Si adicionalmente se da el caso que
A[u
i
= [u
i
la representacion matricial es diagonal
u
j
A[u
i
= A
j
i
=
u
j
[u
i
=
j
i
Esta armacion tambien es valida para dim(V ) ,= dim(W) pero por simplicidad seguimos trabajando con
matrices cuadradas.
En leguaje de ndices estaremos diciendo que
D
i
j
= D
k

k
l

l
j
i
k
=
_
_
_
_
D
1
0 0 0
0 D
2
0 0
0 0 D
3
0
0 0 0 D
4
_
_
_
_
4.2.4. Sistemas de Ecuaciones lineales
Una de las aplicaciones mas utiles del algebra de matrices es la resolucion de los sitemas de ecuaciones
lineales. El cual puede ser expresado de la siguiente forma
A
i
x
i
= c
con i = 1, 2, .., n y = 1, 2, .., m

por lo tanto tendremos m ecuaciones lineales para n incognitas
_
x
1
, x
2
, x
n
_
. Las A
i
es la matriz de
los coecientes. Por lo tanto este problema puede ser pensado como un problema de un operador A en el
espacio vectorial de transformaciones lineales /(V, W) donde dim(V ) = n y dim(W) = m, con las c
las
componentes del vector transformado
[c = A[x c
= A
i
x
i
Concretemos en un ejemplo
2x + 3y z = 5
4x + 4y 3z = 3
2x + 3y z = 10
=
_
_
2 3 1
4 4 3
2 3 1
_
_
_
_
x
y
z
_
_
=
_
_
5
3
1
_
_
el metodo m as utilizado es la eliminacion de Gauss Jordan el cual se basa en el intercambio de ecuaciones
y la multiplicacion apropiada e inteligente por constantes y resta de ecuaciones. La idea es construir una
matriz triangular superior para poder luego despejar desde abajo. Veamos:
a
b
c
_
_
2 3 1
4 4 3
2 3 1
5
3
1
_
_
entonces para eliminar x de lala la c (o la ecuacion c) sumamos la la a con la c, a+c y esta nueva ecuacion
sera la nueva c
a
b
c
_
_
2 3 1
4 4 3
0 6 2
5
3
6
_
_
ahora 2a + b sera la nueva b
a
b
_
_
2 3 1
0 2 1
0 6 2
5
7
6
_
_
nalmente 3b
+ c
a
b
_
_
2 3 1
0 2 1
0 0 5
5
7
15
_
_
Este sistema es equivalente al primer sistema de ecuaciones. La solucion emerge rapidamente:
5z = 15 z = 3 2y z = 7 2y 3 = 7 y = 2 2x + 3 (2) 3 = 5 x = 1
Es bueno recalcar que los sistemas de ecuaciones lineales no necesariamente tienen solucion y a veces tienen
mas de una solucion.
4.2.5. Operadores Hermticos
La representacion matricial de un operador hermtico,
_
A
_
i
j
=
e
i
[e
j
=
e
j
A[e
i
=
_
A
j
i
_
vale decir: el hermtico conjugado de una matriz, es su traspuesta conjugada. Si la matriz es Hermtica, i.e.
A
= A =
_
A
_
i
j
= A
i
j
por lo tanto, las matrices hermticas son simetricas respecto a la diagonal y los elementos de la diagonal son
n umeros reales. Un operador hermtico estara representado por una matriz hermtica.
Aqu vale la pena probar algunas de las propiedades que arriba expresamos para operadores hermticos
conjugados, vale decir
_
A
= A; (A)
; (A+B)
= A
+B
; (AB)
= B
Es claro que
_
A
_
e
i
[e
j
=
_
_
A
_
i
j
_
=
__
A
j
i
_
= A
i
j
y
(A)
e
i
[e
j
=
e
j
A[e
i
e
j
A[e
i
e
i
[e
j
=
pero mas interesante es

(AB)
e
i
(AB)
[e
j
=
_
A
i
k
B
k
j
_
= A
j
k
B
k
i
= A
k
j
B
i
k
= B
i
k
A
k
j
B
4.2.6. Inversa de una matriz

Hemos visto que dada una transformacion lineal biyectiva, podemos denir una inversa para esa trans-
formacion lineal. Esa transformacion lineal tendra como representacion un matriz. Por lo tanto dado un
operador lineal A diremos que otro operador lineal B sera su inverso (por la derecha) si
AB = 1
e
i
AB[e
j
=
i
j
A
i
k
B
k
j
=
i
j
ahora bien, como conocemso la matriz A
i
k
y las suponemos no singular (esto es: det
_
A
i
k
_
,= 0) y si tomamos
un j jo tendremos un sistema de n ecuaciones lineales inhomogeneo con n incognitas B
1
j
, B
2
j
, B
3
j
, B
n
j
.
Al resolver el sistema tendremos la solucion. El procedimiento para encontrar la inversa es equivalente al
metodo de eliminacion de Gauss Jordan, veamos como funciona. Supongamos una matriz 3 3
_
_
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
1 0 0
0 1 0
0 0 1
_
_
Gauss Jordan
_
_
1 0 0
0 1 0
0 0 1
B
1
1
B
1
2
B
1
3
B
2
1
B
2
2
B
2
3
B
3
1
B
3
2
B
3
3
_
_
Como un ejemplo
_
_
2 3 4
2 1 1
1 1 2
1 0 0
0 1 0
0 0 1
_
_
_
_
2 3 4
0 2 3
1 1 2
1 0 0
1 1 0
0 0 1
_
_
_
_
2 3 4
0 2 3
0 5 8
1 0 0
1 1 0
1 0 2
_
_
4.2.7. Cambio de Bases para vectores

Dada una representacion (una base) particular un bra, un ket o un operador queda representado por una
matriz. Si cambiamos la representacion, ese mismo bra, ket u operador tendra otra matriz como representa-
cion. Mostraremos como estan relacionadas esas matrices.
Dadas dos base discretas ortonormales [u
i
y [t
i
, entonces un vector cualquiera
[ =
_
u
k
_
u
k
[
_
[ =
u
k

. .
c
k
[u
k
[ = ([t
m
t
m
[) [ = t
m
[
. .
c
m
[t
m
_
=
_
_
t
m
[ =
u
k
t
m
[u
k
. .
S
m
k
u
k
[ = t
m
[
u
k
[t
m
. .
S
k
m
con lo cual, una vez mas, tendremos que la expresion de transformacion de componentes de un vector
c
m
= S
m
k
c
k
c
k
=

S
k
m
c
m
y S
m
k
(o

S
k
m
) sera la matriz de transformacion, cambio de base o cambio de representacion. Ahora bien, por
denicion de producto interno
t
m
[u
k
=
u
k
[t
m
= S
m
k
= S
k
m
S
m
k
por lo tanto, la matriz de transformacion entre bases es hermtica o autoadjunta y la relacion anterior queda
escrita como
c
m
= S
m
k
c
k
= t
m
[ = S
m
k
u
k

c
k
= S
k
m
c
m
=
u
k
[ = S
k
m
t
m
[
Igualmente la regla de transformacion de las representaciones matriciales de operadores quedan expresadas
como
t
i
A[t
j
=
t
i
_
[u
k
u
k
_
A([u
m
u
m
[) [t
j
=
t
i
[u
k
. .
S
i
k
u
k
A[u
m
u
m
[t
j
. .
S
m
j
por lo tanto,
A
i
j
= S
i
k
A
k
m
S
m
j
donde

A
i
j
es la representacion del operador A respecto a la base [t
j
y A
k
m
su representacion en la base
[u
m
4.3. Traza de Operadores

La traza, Tr (A) , de un operador A es la suma de los elementos diagonales de su representacion matricial.
Esto es dado un operador A y una base ortogonal [u
i
para V
n
Tr (A) =
u
k
A[u
k
= A
i
i
As
A
i
j
=
_
_
1 2 3
4 5 6
7 8 9
_
_
=Tr (A) = A
i
i
= 15
4.3.1. Invariancia de la Traza
La traza de una matriz no depende de la base que seleccionemos. Es un invariante que caracteriza
al operador independientemente de la base en la cual se represente. Entonces Dadas dos base discretas
ortonormales [u
i
y [t
i
,
A
k
k
=
u
k
A[u
k
=
u
k
[t
m
t
m
[ A[u
k
= t
m
[ A[u
k
u
k
. .
1
[t
m
= t
m
[ A[t
m
= A
m
m
Donde una vez mas hemos utilizado las dos relaciones de cierre [t
m
t
m
[ = 1 y
u
k
_
u
k
[ = 1. Es claro que
el n umero que representa esta suma sera el mismo independientemente de su representacion matricial.
4.3.2. Propiedades de la Traza
Claramente la traza es lineal
Tr (A+B) = Tr (A) + Tr (B)
ya que
Tr (A+ B) =
u
k
A+ B[u
k
=
u
k
A[u
k
+
u
k
B[u
k
= Tr (A) + Tr (B)
La traza de un producto conmuta esto es
Tr (AB) = Tr (BA)
y es facilmente demostrable
Tr (AB) =
u
k
AB[u
k
=
u
k
A[u
m
u
m
[
. .
1
B[u
k
=
u
k
B[u
m
u
m
[
. .
1
A[u
k
= Tr (BA)
Recuerde que
u
k
B[u
m
y
u
k
A[u
k
son n umeros que pueden ser reordenados.
Del mismo modo es facil demostrar que la traza de un triple producto de matrices respeta la ciclicidad
del orden de la matrices en el producto
Tr (ABC) = Tr (BCA) = Tr (CAB)
4.3.3. Diferenciaci on de Operadores
Dado un operador A(t) el cual supondremos dependiente de una variable arbitraria t podremos denir
la derivada como
dA(t)
dt
= lm
t0
A(t + t) A(t)
t
por lo tanto si
u
k
A[u
i
= A
k
i
entonces
u
k
dA(t)
dt
[u
i
=
_
dA(t)
dt
_
k
i
=
d
dt
u
k
A(t) [u
i
=
dA
k
i
dt
=
_
_
_
_
_
_
dA
1
1
dt
dA
1
2
dt

dA
1
n
dt
dA
2
1
dt
dA
2
2
dt
dA
2
n
dt
.
.
.
.
.
.
dA
n
1
dt
dA
n
2
dt
dA
n
n
dt
_
_
_
_
_
_
con lo cual la regla es simple, la representacion matricial de la derivada de un operador sera la derivada de
cada uno de sus elementos. Con ello
d
dx
_
_
x x
2
2
1 e
x
5x
3x
3
3 cos x
_
_
=
_
_
1 2x 0
0 e
x
5
9x
2
0 sen x
_
_
4.3.4. Reglas de Diferenciacion de Operadores Lineales
Las reglas usuales de la diferenciacion se cumpliran con la diferenciacion de operadores. Esto se demuestra
con la representacion matricial
d (A(t) +B(t))
dt
=
d (A(t))
dt
+
d (B(t))
dt
u
k
d (A(t) +B(t))
dt
[u
i
=
d
dt
u
k
(A(t) +B(t)) [u
i
=
d
dt
_
u
k
A(t) [u
i
+
u
k
B(t) [u
i
_
=
d
dt
u
k
A(t) [u
i
+
d
dt
u
k
B(t) [u
i
u
k
dA(t)
dt
[u
i
+
u
k
dB(t)
dt
[u
i
=
d (A(t))
dt
+
d (B(t))
dt
Del mismo modo se cumplira que
d (A(t) B(t))
dt
=
dA(t)
dt
B(t) +A(t)
dB(t)
dt
con la precaucion que no se puede modicar el orden de aparicion de los operadores. Es facil ver que
u
k
d (A(t) B(t))
dt
[u
i
=
d
dt
u
k
A(t) B(t) [u
i
=
d
dt
u
k
A(t) 1B(t) [u
i
=
_
u
k
A(t) [u
m
u
m
[ B(t) [u
i
_
=
d
u
k
A(t) [u
m
dt
u
m
[ B(t) [u
i
+
u
k
A(t) [u
m
d u
m
[ B(t) [u
i
dt
=
u
k
dA(t)
dt
[u
m
u
m
[ B(t) [u
i
+
u
k
A(t) [u
m
u
m
[
dB(t)
dt
[u
i
Otras propiedades de la derivacion de operadores se demuestran a partir de la expansion en series de los

operadores. Por ejemplo si queremos conocer la expresion para
de
At
dt
, con A ,= A(t)si recordamos que
e
At
[v =
_

n=0
(At)
n
n!
_
[v =
_
1 +At +
(At)
2
2!
+ +
(At)
n
n!

_
[v
tendremos que
de
At
dt
[v =
d
dt
_

n=0
(At)
n
n!
_
[v =
_

n=0
d
dt
_
(At)
n
n!
_
_
[v
=
_

n=0
nt
n1
A
n
n!
_
[v =
_

n=0
t
n1
A
n1
(n 1)!
_
. .
e
At
A[v
Notese que la suma es hasta innito, por lo tanto al cambiar de ndice p = n 1, p sigue variando hasta
innito y la serie es la misma que la anterior. Entonces
de
At
dt
[v = e
At
A[v Ae
At
[v
tambien fjese que si un solo operador esta siendo derivado el orden de presentacion de los operadores es
indiferente. Ahora bien, cuando se presenta la siguiente situacion
d
_
e
At
e
Bt
_
dt
[v =
de
At
dt
e
Bt
[v + e
At
de
Bt
dt
[v = Ae
At
e
Bt
[v + e
At
Be
Bt
[v
= e
At
Ae
Bt
[v + e
At
e
Bt
B[v
con A ,= A(t) y B ,= B(t) y siempre
_
e
Bt
, B
= 0. Con lo cual, solo para el caso en el cual [A, B] = 0

podremos factorizar e
At
e
Bt
y
d
_
e
At
e
Bt
_
dt
[v = (A+B) e
At
e
Bt
[v
Si [A, B] ,= 0 el orden de aparicion de los operadores es MUY importante.
Para el caso en el cual A = A(t) no necesariamente
_
A(t) , e
dA(t)
dt
_
= 0. Veamos:
de
A(t)
dt
[v =
d
dt
_

n=0
(A(t))
n
n!
_
[v =
_

n=0
_
1
n!
d (A(t))
n
dt
_
_
[v
=
_

n=0
_
1
n!
_
d (A(t))
dt
A(t)
n1
+A(t)
d (A(t))
dt
A(t)
n2
A(t)
n1
d (A(t))
dt
__
_
[v
Adicionalmente
si [A, [A, B]] = [B, [A, B]] = 0 =[A, F(B)] = [A, B]
dF(B)
dB
Esta relacion es facilmente demostrable para el caso en el cual [A, B] = 1 el operador identidad, en ese caso
tenamos que AB
n
B
n
A = nB
n1
AB
n
B
n
A = ABB B
. .
n
BB B
. .
n
A
= (1 +BA) BB B
. .
n1
BB B
. .
n
A
= 1B
n1
+B(1 +BA)BB B
. .
n2
BB B
. .
n
A
= 2B
n1
+B
2
(1 +BA)BB B
. .
n3
BB B
. .
n
A
.
.
.
= nB
n1
Obviamente, para este caso, se cumple que
[A, B] = 1 =[A, [A, B]] = [B, [A, B]] = 0
para demostrar esta relacion desarrollemos en Serie de Taylor la funcion F(B) . Esto es
[A, F(B)] =
_
A,
n=0
f
n
B
n
n!
_
=
n=0
f
n
[A, B
n
]
n!
= [A, B]
n=0
f
n
nB
n1
n!
= [A, B]
n=0
f
n
B
n1
(n 1)!
= [A, B]
dF(B)
dB
Para el caso mas general se procede del mismo modo
si [A, C] = [B, C] = 0 con C =[A, B] =[A, F(B)]
?
= [A, B]
dF(B)
dB
Probaremos primero que
si [A, C] = [B, C] = 0 con C =[A, B] =[A, B
n
] = AB
n
B
n
A = n[A, B] B
n1
Tendremos que
AB
n
B
n
A = ABB B
. .
n
BB B
. .
n
A
= (C+BA) BB B
. .
n1
BB B
. .
n
A
= CB
n1
+B(C+BA)BB B
. .
n2
BB B
. .
n
A
= 2CB
n1
+B
2
(C+BA)BB B
. .
n3
BB B
. .
n
A
.
.
.
= nCB
n1
= n[A, B] B
n1
con lo cual es inmediato demostrar que
[A, F(B)] =
_
A,
n=0
f
n
B
n
n!
_
=
n=0
f
n
[A, B
n
]
n!
= [A, B]
n=0
f
n
nB
n1
n!
= [A, B]
n=0
f
n
B
n1
(n 1)!
= [A, B]
dF(B)
dB
4.3.5. La F ormula de Glauber
Ahora estamos en capacidad de demostrar limpiamente la formula de Glauber. Esta es
e
A
e
B
= e
A+B
e
1
2
[A,B]
Para demostrarla, procedemos a considerar un operador F(t) = e
At
e
Bt
, por lo tanto
dF(t)
dt
[v =
de
At
e
Bt
dt
[v = Ae
At
e
Bt
[v + e
At
Be
Bt
[v =
_
A+ e
At
Be
At
_
e
At
e
Bt
[v
=
_
A+ e
At
Be
At
_
F(t) [v
Ahora bien, dado que
si [A, [A, B]] = [B, [A, B]] = 0 =[A, F(B)] = [A, B]
dF(B)
dB
entonces
_
e
At
, B
= t [A, B] e
At
=e
At
B = Be
At
+ t [A, B] e
At
por lo cual
dF(t)
dt
[v =
_
A+ e
At
Be
At
_
F(t) [v = (A+B+ t [A, B]) F(t) [v
por tanteo uno puede darse cuenta que
F(t) = e
(A+B)t+
t
2
2
[A,B]
cumple con la ecuacion anterior, por lo tanto absorbiendo t en los operadores correspondientes llegamos a la
formula de Glauber
e
A
e
B
= e
A+B
e
1
2
[A,B]
4.4. Un Zoologico de Matrices Cuadradas
A continuacion presentaremos un conjunto de matrices que seran de utilidad mas adelante
4.4.1. La matriz nula
es
A
i
j
= 0 i, j =A
i
j
=
_
_
_
_
_
0 0 0
0 0 0
.
.
.
.
.
.
0 0 0
_
_
_
_
_
4.4.2. Diagonal a Bloques
Podremos tener matrices diagonales a bloques, vale decir
D
i
j
=
_
_
_
_
D
1
1
D
1
2
0 0
D
2
1
D
2
2
0 0
0 0 D
3
3
D
3
4
0 0 D
4
3
D
4
4
_
_
_
_
4.4.3. Triangular superior e inferior
D
i
j
=
_
_
_
_
D
1
1

D
1
2

D
1
3

D
1
4
0

D
2
2
D
2
3

D
2
4
0 0

D
3
3

D
3
4
0 0 0

D
4
4
_
_
_
_
y

D
i
j
=
_
_
_
_
D
1
1
0 0 0
D
2
1

D
2
2
0 0
D
3
1
D
3
2

D
3
3
0
D
4
1

D
4
2

D
4
3

D
4
4
_
_
_
_
4.4.4. Matriz singular
A es singular = det A = 0
4.4.5. Matriz de cofactores
A
i
j
=
_
_
a
1
1
a
1
2
a
1
3
a
2
1
a
2
2
a
2
3
a
3
1
a
3
2
a
3
3
_
_
y (A
c
)
i
j
=
_
_
(A
c
)
1
1
(A
c
)
1
2
(A
c
)
1
3
(A
c
)
2
1
(A
c
)
2
2
(A
c
)
2
3
(A
c
)
3
1
(A
c
)
3
2
(A
c
)
3
3
_
_
donde los (A
c
)
i
j
es la matriz de cofactores, y los cofactores son
(A
c
)
1
1
= (1)
1+1
a
2
2
a
2
3
a
3
2
a
3
3
(A
c
)
1
2
= (1)
1+2
a
2
1
a
2
3
a
3
1
a
3
3
(A
c
)
1
3
= (1)
1+3
a
2
1
a
2
2
a
3
1
a
3
2
(A
c
)
2
1
= (1)
2+1
a
1
2
a
1
3
a
3
2
a
3
3
(A
c
)
2
2
= (1)
2+2
a
1
1
a
1
3
a
3
1
a
3
3
(A
c
)
2
3
= (1)
2+3
a
1
1
a
1
2
a
3
1
a
3
2
(A
c
)
3
1
= (1)
3+1
a
1
2
a
1
3
a
2
2
a
2
3
(A
c
)
3
2
= (1)
3+2
a
1
1
a
1
3
a
2
1
a
2
3
(A
c
)
3
3
= (1)
3+3
a
1
1
a
1
2
a
2
1
a
2
2
4.4.6. Matriz Adjunta

Llamaremos matriz adjunta, adj [A], a la traspuesta de la matriz de cofactores de una determinada matriz.
Esto es
adj [A] = (A
c
)
T
=adj
_
A
i
j
=
_
(A
c
)
i
j
_
T
= (A
c
)
j
i
Esto es
A
i
j
=
_
_
1 2 3
4 5 6
7 8 9
_
_
=adj
_
A
i
j
=
_
_
3 6 3
6 12 6
3 6 3
_
_
Una matriz sera autoadjunta si adj [A] = A
4.5. Un Parentesis Determinante
4.5.1. Denici on
Antes de continuar es imperioso que refresquemos algunas propiedades del determinante de una matriz.
Ya hemos visto que el det A : M
nn
1. Es decir, asocia un n umero real con cada matriz del espacio
vectorial M
nn
de matrices n n
As, dada una matriz
A
i
j
=
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
=det A =
ijk
A
1
i
A
2
j
A
3
k
=
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
Hemos generalizado el ndice de Levi Civita de tal forma que
ijk
=
ijk
=
_
_
_
0, si cualesquiera dos ndices son iguales
1, si los ndices i, j, k constituyen una permutacion cclica de 1, 2, 3 n
1 si los ndices i, j, k constituyen una permutacion anticclica de 1, 2, 3 n
Esta situaci on es clara para el caso de matrices 3 3, veamos.
Dada una matriz 3 3
A
i
j
=
_
_
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
_
_
=det A =
ijk
A
1
i
A
2
j
A
3
k
=
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
con lo cual
det A =
123
A
1
1
A
2
2
A
3
3
+
312
A
1
3
A
2
1
A
3
2
+
231
A
1
2
A
2
3
A
3
1
+
132
A
1
1
A
2
3
A
3
2
+
321
A
1
3
A
2
2
A
3
1
+
213
A
1
2
A
2
1
A
3
3
= A
1
1
A
2
2
A
3
3
+ A
1
3
A
2
1
A
3
2
+ A
1
2
A
2
3
A
3
1
A
1
1
A
2
3
A
3
2
A
1
3
A
2
2
A
3
1
A
1
2
A
2
1
A
3
3
4.5.2. Propiedades Determinantes
1. det A = det A
T
donde A
T
es la traspuesta de A
Esta propiedad proviene de la denicion del ndice de Levi Civita
det A =
ijk
A
1
i
A
2
j
A
3
k
=
ijk
A
i
1
A
j
2
A
k
3
= det A
T
que se traduce que se intercambian las por columnas el determinante no se altera
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
A
1
1
A
2
1
A
3
1
A
1
2
A
2
2
A
3
2
A
1
3
A
2
3
A
3
3
2. Si dos las o dos columnas son identicas el determinante se anula
iik
A
1
i
A
2
i
A
3
k
=
iik
A
i
1
A
i
2
A
k
3
= 0
por denicion del ndice de Levi Civita
A
1
1
A
1
1
A
1
3
A
2
1
A
2
1
A
2
3
A
3
1
A
3
1
A
3
3
A
1
1
A
1
2
A
1
3
A
1
1
A
1
2
A
1
3
A
3
1
A
3
2
A
3
3
= 0
3. Si multiplicamos una la o una columna por un n umero, el determinante queda multiplicado por el
n umero
ijk
A
1
i
_
A
2
j
_
A
3
k
=
ijk
A
1
i
A
2
j
A
3
k
= det A
ijk
A
i
1
A
j
2
_
A
k
3
_
=
ijk
A
i
1
A
j
2
A
k
3
= det A
de aqu claramente se desprende que si una la o una columna es cero ( = 0) el determinante se
anula. Mas a un, si dos las o dos columnas son proporcionales A
1
i
= A
2
j
el determinante se anula, por
cuanto se cumple la propiedad anterior
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
Obvio que
A
1
1
0 A
1
3
A
2
1
0 A
2
3
A
3
1
0 A
3
3
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
0 0 0
= 0
al igual que
A
1
1
A
1
1
A
1
3
A
2
1
A
2
1
A
2
3
A
3
1
A
3
1
A
3
3
A
1
1
A
1
2
A
1
3
A
1
1
A
1
2
A
1
3
A
3
1
A
3
2
A
3
3
A
1
1
A
1
1
A
1
3
A
2
1
A
2
1
A
2
3
A
3
1
A
3
1
A
3
3
A
1
1
A
1
2
A
1
3
A
1
1
A
1
2
A
1
3
A
3
1
A
3
2
A
3
3
= 0
4. Si se intercambian dos las o dos columnas cambia de signo el determinante.
det A =
ijk
A
1
i
A
2
j
A
3
k
=
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
=
ijk
A
1
j
A
2
i
A
3
k
= det

A
donde en la matriz

A se han intercambiando un par de columnas. Claramente las propiedades del
ndice de Levi Civita, obliga al cambio de signo
det

A = det A
Notese que una sntesis de las propiedades anteriores nos lleva a reescribir el determinante de una
matriz de la forma
det A =
det A =
ijk
A
i
A
j
A
k
det A =
det A =
ijk
A
i
A
j
A
k

claramente, si 123 reobtenemos la denicion anterior. Si se intercambian dos las o dos
columnas, el determinante cambia de signo debido al intercambio de dos ndices griegos. Si dos las
o dos columnas son iguales el determinante se anula debido a la propiedad de smbolo de Levi Civita
con ndices griegos.
5. El determinante de un producto es el producto de los determinantes
det (AB) = det (A) det (B)
Antes de proceder a la demostracion de este importante propiedad jugaremos un poco mas con las
propiedades de las matrices. Queremos se nalar que si A es una matriz mn y B es una matriz n p,
entonces tendremos que
(AB)
= A
B
esto es que la esima la es igual a la multiplicacion de la esima la, A
,por toda la matriz

B. Veamos
C
i
j
= (AB)
i
j
= A
i
l
B
l
j
por lo tanto la esima la
C
j
= A
l
B
l
j
=C
j
= (A
1
, A
2
, A
3
, A
n
, )
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
B
n
n
_
_
_
_
_
det (A) det (B) = det (A)
_
ijk
B
i
1
B
j
2
B
k
3

_
=
_
ijk
A
i
A
j
A
k

_
_
abc
B
a
1
B
b
2
B
c
3

_
que siempre puede ser rearreglado a
_
ijk
A
i
A
j
A
k

__
ijk
B
i
1
B
j
2
B
k
3

_
= A
i
B
i
1
A
j
B
j
2
A
k
B
k
3
= det (AB)
veamos este desarrollo en el caso de 3 3
_
123
A
1
1
A
2
2
A
3
3
+
312
A
1
3
A
2
1
A
3
2
+
231
A
1
2
A
2
3
A
3
1
+
132
A
1
1
A
2
3
A
3
2
+
321
A
1
3
A
2
2
A
3
1
+
213
A
1
2
A
2
1
A
3
3
_
123
B
1
1
B
2
2
B
3
3
+
312
B
1
3
B
2
1
B
3
2
+
231
B
1
2
B
2
3
B
3
1
+
132
B
1
1
B
2
3
B
3
2
+
321
B
1
3
B
2
2
B
3
1
+
213
B
1
2
B
2
1
B
3
3
_
con lo cual
= A
1
1
A
2
2
A
3
3
_
B
1
1
B
2
2
B
3
3
+ B
1
3
B
2
1
B
3
2
+ B
1
2
B
2
3
B
3
1
B
1
1
B
2
3
B
3
2
B
1
3
B
2
2
B
3
1
B
1
2
B
2
1
B
3
3
_
+ A
1
3
A
2
1
A
3
2
_
B
1
1
B
2
2
B
3
3
+ B
1
3
B
2
1
B
3
2
+ B
1
2
B
2
3
B
3
1
+ B
1
1
B
2
3
B
3
2
+ B
1
3
B
2
2
B
3
1
+ B
1
2
B
2
1
B
3
3
_
+ A
1
2
A
2
3
A
3
1
_
B
1
1
B
2
2
B
3
3
+ B
1
3
B
2
1
B
3
2
+ B
1
2
B
2
3
B
3
1
+ B
1
1
B
2
3
B
3
2
+ B
1
3
B
2
2
B
3
1
+ B
1
2
B
2
1
B
3
3
_
A
1
1
A
2
3
A
3
2
_
B
1
1
B
2
2
B
3
3
+ B
1
3
B
2
1
B
3
2
+ B
1
2
B
2
3
B
3
1
+ B
1
1
B
2
3
B
3
2
+ B
1
3
B
2
2
B
3
1
+ B
1
2
B
2
1
B
3
3
_
A
1
3
A
2
2
A
3
1
_
B
1
1
B
2
2
B
3
3
+ B
1
3
B
2
1
B
3
2
+ B
1
2
B
2
3
B
3
1
+ B
1
1
B
2
3
B
3
2
+ B
1
3
B
2
2
B
3
1
+ B
1
2
B
2
1
B
3
3
_
A
1
2
A
2
1
A
3
3
_
B
1
1
B
2
2
B
3
3
+ B
1
3
B
2
1
B
3
2
+ B
1
2
B
2
3
B
3
1
+ B
1
1
B
2
3
B
3
2
+ B
1
3
B
2
2
B
3
1
+ B
1
2
B
2
1
B
3
3
_
como son n umeros los rearreglo
= A
1
1
A
2
2
A
3
3
_
B
1
1
B
2
2
B
3
3
+ B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
+ A
1
3
A
2
1
A
3
2
_
B
1
1
B
2
2
B
3
3
+ B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
+ A
1
2
A
2
3
A
3
1
_
B
1
1
B
2
2
B
3
3
+ B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
1
A
2
3
A
3
2
_
B
1
1
B
2
2
B
3
3
+ B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
3
A
2
2
A
3
1
_
B
1
1
B
2
2
B
3
3
+ B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
2
A
2
1
A
3
3
_
B
1
1
B
2
2
B
3
3
+ B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
= A
1
1
A
2
2
A
3
3
_
+B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
+ A
1
3
A
2
1
A
3
2
_
B
1
1
B
2
2
B
3
3
+ B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
+ A
1
2
A
2
3
A
3
1
_
B
1
1
B
2
2
B
3
3
+ +B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
1
A
2
3
A
3
2
_
B
1
1
B
2
2
B
3
3
+ B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
3
A
2
2
A
3
1
_
B
1
1
B
2
2
B
3
3
+ B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
2
A
2
1
A
3
3
_
B
1
1
B
2
2
B
3
3
+ B
2
1
B
3
2
B
1
3
+ B
3
1
B
1
2
B
2
3
B
1
1
B
3
2
B
2
3
B
3
1
B
2
2
B
1
3
B
2
1
B
1
2
B
3
3
_
A
1
1
B
1
1
A
2
2
A
3
3
B
2
2
B
3
3
+ A
1
2
B
2
1
A
2
3
A
3
1
B
3
2
B
1
3
ijk
A
i
1
A
j
2
A
k
2

4.6. Autovectores y Autovalores
4.6.1. Deniciones y Teoremas Preliminares
Llamaremos a [ un autovector del operador A si se cumple que
A[ = [
en este caso (que, en general sera un n umero complejo) se denomina el autovalor correspondiente al
autovector [ . La ecuacion A[ = [ en conocida en la literatura como la ecuacion de autovalores y se
cumple para algunos valores particulares de los autovalores . El conjunto de los autovalores se denomina el
espectro del operador A.
Supongamos que A : V V y que dimV = n, supongamos ademas que una base ortogonal para V es
[e
1
, [e
2
, [e
3
, [e
n
. Por lo tanto la repercusion de esta ecuacion sobre la representacion matricial es
la siguiente
e
i
A[e
j
e
j
[ =
e
i
[ =
e
i
[ =A
i
j
c
j
= c
i
claramente, si [e
1
, [e
2
, [e
3
, [e
n
genera una representacion diagonal de A entonces
A
i
j

i
j
=A
i
j
c
j

i
j
c
j
= c
i
=A
i
j

i
j
Esto lo podemos resumir en el siguiente teorema que presentaremos sin demostracion.
Teorema Dado un operador lineal A :V
n
V
n
si la representacion matricial de A es diagonal,
e
i
A[e
j
=
A
i
j

i
j
entonces existe una base ortonormal [e
1
, [e
2
, [e
3
, [e
n
4
y un conjunto de cantidades
1
,
n
, ,
n
tales que se cumple
A[e
i
=
i
[e
i
con i = 1, 2, n
igualmente se cumple que si existe una base ortonormal [e
1
, [e
2
, [e
3
, [e
n
y un conjunto de
cantidades
1
,
n
, ,
n
tales satisfagan
A[e
i
=
i
[e
i
con i = 1, 2, n
Entonces se cumple la representacion matricial de A es diagonal,
e
i
A[e
j
= A
i
j
= diag (
1
,
n
, ,
n
)
4
Realmente un conjunto de vectores linealmente independientes, pero como siempre puedo ortoganalizarlos mediante el
metodo de Gram Smith, consideraremos que es una base ortogonal de entrada
4.6.2. Algunos comentarios
1. Notese que si [ es autovector de A para un determinado autovalor entonces
_
= [ (un vector
proporcional a [ ,con un n umero complejo) tambien es un autovector para el mismo autovalor.
Esto representa una incomoda ambig uedad: dos autovectores que corresponden al mismo autovalor.
Un intento de eliminarla es siempre considerar vectores [ normalizados, i.e. [ = 1. Sin embargo
no deja de ser un intento que no elimina la ambig uedad del todo porque siempre queda angulo de fase
arbitrario. Esto es el vector e
i
[ ,con un n umero real arbitrario, tiene la misma norma del vector
[ . Sin embargo esta arbitrariedad es inofensiva. En Mecanica Cuantica las predicciones obtenidas
con [ son las mismas que con e
i
[
2. Un autovalor sera no degenerado o simple si esta asociado a un unico autovector [
5
de lo contrario
si denominara degenerado si existen dos o mas autovectores de A, linealmente independientes asociados
al mismo autovalor . El grado (o el orden) de la degeneracion es el n umero de vectores linealmente
independientes que esten asociados al mencionado autovalor .
3. El orden de degeneracion de un autovalor expande un espacio vectorial S () V
n
(denominado
autoespacio) cuya dimension es el orden de la degeneracion. Esto es si es gdegenerado, entonces
existen
[
1
, [
2
, [
3
, [
g
=A[
i
= [
i
adicionalmente un autovector correspondiente al autovalor puede ser expresado como

[ = c
i
[
i
con i = 1, 2, , g
con lo cual
A[ = c
i
A[
i
= c
i
[
i
= [
4.6.3. Algunos Ejemplos
1. Reexion respecto al plano xy : Si R :V
3
V
3
es tal que R[ =
_
donde se ha realizado una
reexi on en el plano xy. Esto es
R[i = [i ; R[j = [j ; R[k = [k
con [i , [j , [k vectores unitarios cartesianos. Es claro que cualquier vector en el plano xy sera auto-
vector de R con un autovalor = 1 mientras que cualquier otro vector [ V
3
y que no este en
el mencionado plano cumple con [ = c [k y tambien sera autovector de R pero esta vez con un
autovalor = 1.
2. Dos visiones de Rotaciones de angulo jo : La rotaciones de un vector en el plano pueden verse
de dos maneras.
a) Se considera el plano como un espacio vectorial real V
2
con una base cartesiana canonica: [i =
(1, 0) , y [j = (0, 1) , esto es si
R[a = [a = el angulo de rotacion = n con n entero
5
Con la arbitrariedad del calibre antes mencionado
b) Igualmente si consideramos el plano complejo unidimensional, expresemos cualquier vector en el
plano en su forma polar [z = re
i
por lo cual
R[z = re
i(+)
= e
i
[z
si queremos = e
i
reales necesariamente = n con n entero
3. Autovalores y Autovectores de Proyectores. Es interesante plantearse la ecuacion de autovalores
con la denicion del proyector para un determinado autoespacio. Esto es dado P
= [ [ si este
proyector cumple con una ecuacion de autovalores para un [ supuestamente arbitrario
P
[ = [ =P
[ = ([ [) [ =[ [
es decir necesariamente [ es colineal con [ . Mas a un si ahora el [ no es tan arbitrario sino que
es ortogonal a [ , [ = 0 = = 0. Esto nos lleva a concluir que el espectro del operador
P
= [ [ es 0 y 1,el primer de los cuales es innitamente degenerado y el segundo es simple. Esto

nos lleva a reexionar que si existe un autovector de un determinado operador, entonces su autovalor
es distinto de cero, pero pueden existir autovalores nulos que generan un autoespacio innitamente
degenerado.
4. El operador diferenciacion D[f D(f) = f
: Los autovectores del operador diferenciacion

necesariamente deben satisfacer la ecuacion
D[f = [f D(f) (x) = f
(x) = f (x)
la solucion a esta ecuacion sera una exponencial. Esto es
[f f (x) = ce
x
con c ,= 0
las f (x) se denominaran autofunciones del operador
4.6.4. Autovalores, autovectores e independencia lineal
Uno de los teoremas mas utiles e importantes tiene que ver con la independencia lineal de los autovectores
correspondientes a distintos autovalores de un determinado operador lineal. Este importante teorema se puede
concretar en.
Teorema Sean [
1
, [
2
, [
3
, [
k
autovectores del operador A :V
m
V
n
y suponemos que existen k
autovalores,
1
,
2
, ,
k
, distintos correspondientes a cada uno de los autovectores [
j
. Entonces
los [
1
, [
2
, [
3
, , [
k
son linealmente independientes.
Demostracion La demostracion de este teorema es por induccion y resulta elegante y sencilla.
Primeramente demostramos que vale j = 1.
Obvio que el resultado se cumple y es trivial para el caso k = 1(un autovector [
1
que corresponde a
un autovalor
1
es obvia y trivialmente linealmente independiente).
Seguidamente supondremos que se cumple para j = k 1.
Esto es que si existen [
1
, [
2
, [
3
, [
k1
autovectores de Acorrespondientes a
1
,
2
, ,
k1
entonces los [
1
, [
2
, [
3
, [
k1
son linealmente independientes.
Ahora lo probaremos para j = k.
Por lo cual si tenemos k autovectores [
1
, [
2
, [
3
, [
k
, podremos construir una combinacion
lineal con ellos y si esa combinacion lineal se anula seran linealmente independientes
c
j
[
j
= 0 con j = 1, 2, , k
al aplicar el operador A a esa combinacion lineal, obtenemos
c
j
A[
j
= 0 =c
j
j
[
j
= 0
multiplicando por
k
y restando miembro a miembro obtenemos
c
j
(
j

k
) [
j
= 0 con j = 1, 2, , k 1
(notese que el ultimondice es k1) pero, dado que los k1 vectores [
j
son linealmente independiente,
entonces tendremos k 1 ecuaciones c
j
(
j

k
) = 0 una para cada j = 1, 2, , k 1. Dado que
j
,=
k
necesariamente llegamos a que c
j
= 0 para j = 1, 2, , k 1 y dado que
c
j
[
j
= 0 con j = 1, 2, , k =c
j
,= 0
con lo cual si
c
j
[
j
= 0 =c
j
= 0 con j = 1, 2, , k
y los [
1
, [
2
, [
3
, [
k
son linealmente independientes. Con lo cual queda demostrado el
teorema
Es importante acotar que el inverso de este teorema NO se cumple.
Esto es, si A :V
m
V
n
tiene [
1
, [
2
, [
3
, , [
n
autovectores linealmente independientes. NO
se puede concluir que existan n autovalores,
1
,
2
, ,
n
, distintos correspondientes a cada uno de los
autovectores [
j
.
El teorema anterior lo complementa el siguiente que lo presentaremos sin demostracion. Este teorema
sera de gran utilidad en lo que sigue.
Teorema Si la dim(V
n
) = n cualquier operador lineal A :V
n
V
n
tendra un maximo de n autovalores distintos.
Adicionalmente, si A tiene precisamente n autovalores,
1
,
2
, ,
n
, entonces los correspondientes
n autovectores, [
1
, [
2
, [
3
, , [
n
, forman una base para V
n
y la representacion matricial,
en esa base, del operador sera diagonal
A[
j
= A
i
j
= diag (
1
,
2
, ,
n
)
4.7. Autovalores y Autovectores de un operador
Una vez mas supongamos que A : V V y que dimV = n, supongamos ademas que [e
1
, [e
2
, [e
3
, [e
n
es una base ortogonal para V. Por lo tanto la representacion matricial de la ecuacion de autovalores es la
siguiente
e
i
A[e
j
e
j
[ =
e
i
[ =A
i
j
c
j
= c
i
=
_
A
i
j

i
j
_
c
j
= 0
para con j = 1, 2, , n El conjunto de ecuaciones
_
A
i
j

i
j
_
c
j
= 0 puede ser considerado un sistema (lineal
y homogeneo) de ecuaciones con n incognitas c
j
.
4.7.1. El polinomio caracterstico.
Dado que un sistema lineal y homogeneo de ecuaciones con n incognitas tiene solucion si el determinante
de los coecientes se anula tendremos que
_
A
i
j

i
j
_
c
j
= 0 =det [A1] = 0 P () = det
_
A
i
j

i
j
= 0
Esta ecuacion se denomina ecuacion caracterstica (o secular) y a partir de ella emergen todos los autovalores
(el espectro) del operador A. Claramente esta ecuacion implica que
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
= 0 det
_
A
i
j

i
j
= 0
y tendra como resultado un polinomio de grado n (el polinomio caracterstico). Las races de este polinomio
seran los autovalores que estamos buscando. Es claro que estas races podran ser reales y distintas, algunas
reales e iguales y otras imaginarias.
Es importante se nalar que el polinomio caracterstico sera independiente de la base a la cual este referida
la representacion matricial
w
i
A[w
j
del operador A.
4.7.2. Primero los autovalores, luego los autovectores
El procedimiento es el siguiente. Una vez obtenidos (los autovalores) las races del polinomio carac-
terstico, se procede a determinar el autovector, [
j
, correspondiente a ese autovalor. Distinguiremos en
esta determinacion casos particulares dependiendo del tipo de raz del polinomio caracterstico. Ilustraremos
estos casos con ejemplos especcos para el caso especco de matrices 3 3 a saber:
1. Una matriz 3 3 con 3 autovalores reales distintos
e
i
A[e
j
=
_
_
2 1 3
1 2 3
3 3 20
_
_
=det
_
A
i
j

i
j
2 1 3
1 2 3
3 3 20
= 0
con lo cual el polinomio caracterstico queda expresado como
3
24
2
+ 65 42 = ( 1) ( 2) ( 21) = 0
y es claro que tiene 3 races distintas. Para proceder a calcular los autovectores correspondientes a cada
autovalor resolvemos la ecuacion de autovalores para cada autovalor. Esto es
a)
1
= 1
_
_
2 1 3
1 2 3
3 3 20
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
x
2
x
3
_
_
2x
1
+ x
2
+ 3x
3
= x
1
x
1
+ 2x
2
+ 3x
3
= x
2
3x
1
+ 3x
2
+ 20x
3
= x
3
que constituye un sistema de ecuaciones algebraicas de 3 ecuaciones con 3 incognitas. Resolviendo
el sistema tendremos que
1
= 1
_
_
x
1
x
2
x
3
_
_
1=1
=
_
_
1
1
0
_
_
con un escalar distinto de cero
b)
2
= 2
_
_
2 1 3
1 2 3
3 3 20
_
_
_
_
x
1
x
2
x
3
_
_
= 2
_
_
x
1
x
2
x
3
_
_
2x
1
+ x
2
+ 3x
3
= 2x
1
x
1
+ 2x
2
+ 3x
3
= 2x
2
3x
1
+ 3x
2
+ 20x
3
= 2x
3
Resolviendo el sistema tendremos que
2
= 2
_
_
x
1
x
2
x
3
_
_
2=2
=
_
_
3
3
1
_
_
c)
3
= 21
_
_
2 1 3
1 2 3
3 3 20
_
_
_
_
x
1
x
2
x
3
_
_
= 21
_
_
x
1
x
2
x
3
_
_
2x
1
+ x
2
+ 3x
3
= 21x
1
x
1
+ 2x
2
+ 3x
3
= 21x
2
3x
1
+ 3x
2
+ 20x
3
= 21x
3
3
= 21
_
_
x
1
x
2
x
3
_
_
3=21
=
_
_
1
1
6
_
_
2. Una matriz 3 3 con 2 autovalores reales distintos, es decir una matriz con autovalores repetidos
e
i
A[e
j
=
_
_
4 3 1
4 1 0
1 7 4
_
_
=det
_
A
i
j

i
j
4 3 1
4 1 0
1 7 4
= 0
3
+
2
5 3 = ( + 3) ( 1)
2
= 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 1 es un autovalor degenerado
de orden 2. Para proceder a calcular los autovectores correspondientes a cada autovalor resolvemos la
ecuacion de autovalores para cada autovalor. Esto es:
a)
1
= 3
_
_
4 3 1
4 1 0
1 7 4
_
_
_
_
x
1
x
2
x
3
_
_
= 3
_
_
x
1
x
2
x
3
_
_
4x
1
3x
2
+ x
3
= 3x
1
4x
1
x
2
= 3x
2
x
1
+ 7x
2
4x
3
= 3x
3
1
= 3
_
_
x
1
x
2
x
3
_
_
1=3
=
_
_
1
2
13
_
_
b)
2
= 1 (autovalor degenerado de orden 2)
_
_
4 3 1
4 1 0
1 7 4
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
x
2
x
3
_
_
4x
1
3x
2
+ x
3
= x
1
4x
1
x
2
= x
2
x
1
+ 7x
2
4x
3
= x
3
2
= 1
_
_
x
1
x
2
x
3
_
_
2=1
=
_
_
1
2
3
_
_
3. Otra matriz 3 3 con 2 autovalores reales distintos, es decir otra matriz con autovalores repetidos
e
i
A[e
j
=
_
_
2 1 1
2 3 2
3 3 4
_
_
=det
_
A
i
j

i
j
2 1 1
2 3 2
3 3 4
= 0
con lo cual el polinomio caracterstico ahora queda expresado como
3
+
2
5 3 = ( 7) ( 1)
2
= 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 1 vuelve a ser un autovalor
degenerado de orden 2. Para proceder a calcular los autovectores correspondientes a cada autovalor
resolvemos la ecuacion de autovalores para cada autovalor. Esto es:
a)
1
= 7
_
_
2 1 1
2 3 2
3 3 4
_
_
_
_
x
1
x
2
x
3
_
_
= 7
_
_
x
1
x
2
x
3
_
_
2x
1
+ x
2
+ x
3
= 7x
1
2x
1
+ 3x
2
+ 3x
3
= 7x
2
3x
1
+ 3x
2
+ 4x
3
= 7x
3
1
= 7
_
_
x
1
x
2
x
3
_
_
1=7
=
_
_
1
2
3
_
_
b)
2
= 1, el autovalor degenerado de orden 2 presenta una peque na patologa. Veamos
_
_
2 1 1
2 3 2
3 3 4
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
x
2
x
3
_
_
2x
1
+ x
2
+ x
3
= x
1
2x
1
+ 3x
2
+ 3x
3
= x
2
3x
1
+ 3x
2
+ 4x
3
= x
3
2
= 1
_
_
_
_
x
1
x
2
x
3
_
_
2=1
=
_
_
1
0
1
_
_
_
_
x
1
x
2
x
3
_
_
2=1
=
_
_
0
1
1
_
_
con lo cual el autovector [
2
correspondiente al autovalor
2
= 1 se podra escribir como
[
2
= [
21
+ [
22

_
_
x
1
x
2
x
3
_
_
2=1
=
_
_
1
0
1
_
_
+
_
_
0
1
1
_
_
4. Una matriz 3 3 con 1 autovalor real y dos autovalores complejos
e
i
A[e
j
=
_
_
1 2 3
3 1 2
2 3 1
_
_
=det
_
A
i
j

i
j
1 2 3
3 1 2
2 3 1
= 0
3
3
2
15 18 = ( 6)
_
2
+ 3 + 3
_
= 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 6 es un autovalor real. Adicio-
nalmente existen dos autovalores complejos, uno el complejo conjugado del otro:
=
1
2
_
3 + i
3
_
y

=
1
2
_
3 i
3
_
. Para proceder a calcular los autovectores correspondientes a cada autovalor re-
solvemos la ecuacion de autovalores para cada autovalor real. En este caso existe un unico autovalor
real = 6.
_
_
1 2 3
3 1 2
2 3 1
_
_
_
_
x
1
x
2
x
3
_
_
= 6
_
_
x
1
x
2
x
3
_
_
4x
1
3x
2
+ x
3
= 6x
1
4x
1
x
2
= 6x
2
x
1
+ 7x
2
4x
3
= 6x
3
= 6
_
_
x
1
x
2
x
3
_
_
=6
=
_
_
1
1
1
_
_
4.8. Autovalores y Autovectores de Matrices Importantes
En esta seccion presentaremos autovalores y autovectores de matrices importantes en Fsica
4.8.1. Autovalores y Autovectores de Matrices Similares
Supongamos la representacion matricial de un determinado operador lineal A : V V y que dimV = n,
supongamos ademas que [e
1
, [e
2
, [e
3
, [e
n
y [w
1
, [w
2
, [w
3
, [w
n
son dos bases ortogonales
para V. Entonces
A[e
j
= A
l
j
[e
l
con A
i
j
=
e
i
A[e
j
y
A[w
j
=

A
l
j
[w
l
con

A
i
j
=
w
i
A[w
j
ahora bien, cada uno de los vectores base [e

j
y [w
j
puede ser expresado en las otras bases [w
1
, [w
2
, [w
3
, [w
n
y [e
1
, [e
2
, [e
3
, [e
n
, respectivamente como
[w
j
= c
l
j
[e
l
[e
l
= c
m
l
[w
m
_
_
_
=[w
j
= c
l
j
c
m
l
[w
m
=c
l
j
c
m
l
= c
m
l
c
l
j
=
m
j
= c
m
l
= (c
m
l
)
1
Las cantidades c
l
j
son escalares que pueden ser arreglados como una matriz. Esa matriz, adicionalmente es
no singular
6
por ser una la representacion de una transformacion lineal que aplica una base en otra. Entonces
ademas
[w
j
= c
l
j
[e
l
=A[w
j
= c
l
j
A[e
l
=

A
l
j
[w
l
= c
m
j
A
k
m
[e
k
= c
m
j
A
k
m
c
h
k
. .
h
j
[w
h
con lo cual
A
l
j
= c
m
j
A
k
m
c
l
k
=

A
l
j
= c
l
k
A
k
m
c
m
j
=

A
l
j
=
_
c
l
k
_
1
A
k
m
c
m
j
que puede ser expresada en el lenguaje de operadores, nalmente como
A = C
1
AC
w
i
A[w
j
=
_
c
i
k
_
1
e
k
A[e
m
c
m
j
De esta manera hemos demostrado el siguiente teorema.
Teorema Dadas dos matrices, nn, A
l
j
y

A
i
j
las cuales corresponden a la representacion matricial de un operador
A en las bases ortogonales [e
1
, [e
2
, [e
3
, [e
n
y
[w
1
, [w
2
, [w
3
, [w
n
, respectivamente. Entonces existe una matriz c
l
j
, no singular, tal que
A = C
1
AC
w
i
A[w
j
=
_
c
i
k
_
1
e
k
A[e
m
c
m
j
El inverso de este teorema tambien se cumple. Vale decir
Teorema Si dos matrices n n, A
l
j
y

A
i
j
, estan relacionadas por la ecuacion
A = C
1
AC
w
i

A[w
j
=
_
c
i
k
_
1
w
k
A[w
m
c
m
j
donde C es una matriz no singular, entonces

A y A representan el mismo operador lineal.
Demostracion Para proceder a demostrarlo supondremos A : V V y que dimV = n, supongamos ademas que
[e
1
, [e
2
, [e
3
, [e
n
y [w
1
, [w
2
, [w
3
, [w
n
son bases de V de tal forma
[w
j
= c
l
j
[e
l
[e
l
= c
m
l
[w
m
_
_
_
=[w
j
= c
l
j
c
m
l
[w
m
=c
l
j
c
m
l
= c
m
l
c
l
j
=
m
j
= c
m
l
= (c
m
l
)
1
donde
c
l
j
=
e
l
[w
j
y c
m
l
= (c
m
l
)
1
= w
m
[e
l
Supongamos que
A[e
j
= A
l
j
[e
l
con A
i
j
=
e
i
A[e
j
A[w
j
=

A
l
j
[w
l
con

A
i
j
=
w
i

A[w
j
al actuar A sobre [w
j
tendremos
A[w
j
= c
l
j
A[e
l
= c
l
j
A
k
l
[e
k
= c
l
j
A
k
l
c
m
k
[w
m
= c
m
k
A
k
l
c
l
j
[w
m
= (c
m
k
)
1
A
k
l
c
l
j
. .
w
i
|
A|wj
[w
m
que es exactamente la representaci on matricial de

A. Con lo cual A

A y queda demostrado el
teorema.
6
det
c
i
j
= 0
Denicion Dos matrices, A
k
l
y

A
i
j
, n n, se denominara similares si existe una matriz no singular c
i
k
tal que
A = C
1
AC
w
i

A[w
j
=
_
c
i
k
_
1
w
k
A[w
m
c
m
j
Podemos juntar los dos teoremas anteriores y armar que
Teorema Dos matrices, A
k
l
y

A
i
j
, n n, similares representan la misma transformacion lineal.
k
l
y

A
i
j
, n n, similares tienen el mismo determinante.
Demostracion La demostracion es inmediata y proviene de las propiedades del determinante de un producto:
det
_
A
_
= det
_
C
1
AC
_
= det
_
C
1
_
det (A) det (C) = det (A)
Con lo cual es inmediato el siguiente Teorema
k
l
y

A
i
j
, n n, similares tienen el mismo polinomio caracterstico y con ello el mismo
conjunto de autovalores
Demostracion Es inmediato vericar que
A1 = C
1
AC1 = C
1
(A1) C
y dado que
det
_
A1
_
= det
_
C
1
(A1) C
_
= det
_
C
1
_
det (A1) det (C) = det (A1)
ambas matrices,

A y A, tendran el mismo polinomio caracterstico y con ello el mismo conjunto de
autovalores.
Todos los teoremas de esta seccion pueden ser resumidos en el siguiente teorema
Teorema Sea un operador lineal A : V V y que dimV = n, supongamos ademas que el polinomio caracterstico
tiene n races distintas,
1
,
2
, . . . ,
n
. Entonces tendremos que
Los autovectores [u
1
, [u
2
, , [u
n
correspondientes a los a
1
,
2
, . . . ,
n
, forman una base
para V.
La representacion matricial del operador
u
k
A[u
m
en la base de autovectores
[u
1
, [u
2
, , [u
n
, sera diagonal
A
k
m
=
k
m
=
u
k
A[u
m
= diag (
1
,
2
, . . . ,
n
)
Cualquier otra representacion matricial,
e
k
A[e
m
, del operador A en otra base de V, estara relacio-
nada con la representacion diagonal mediante una transformacion de similaridad
= C
1
AC diag (
1
,
2
, . . . ,
n
) =
_
c
i
k
_
1
e
k
A[e
m
c
m
j
donde c
m
j
es la matriz, no singular y por lo tanto invertible, de cantidades que relacionan ambas bases
[u
j
= c
l
j
[e
l
[e
l
= c
m
l
[u
m
_
_
_
c
m
l
= (c
m
l
)
1
= c
m
l
c
l
j
=
m
j
Demostracion La demostracion, en terminos de los teoremas anteriores es inmediata y se la dejamos como ejercicio
al lector.
4.8.2. Autovalores y Autovectores de Matrices Hermticas
Tal y como mencionamos con anterioridad un operador Hermtico cumple con
A
= A =
_
A
_
i
j
=
e
i
[e
j
=
e
j
A[e
i
=
_
A
j
i
_
Esto es: el hermtico conjugado de una matriz, es su traspuesta conjugada. Por lo tanto las matrices Hermti-
cas son simetricas respecto a la diagonal y los elementos de la diagonal son n umeros reales.
Por su parte, llamaremos antihermtico a un operador que cumpla con
A
= A =
_
A
_
i
j
=
e
i
[e
j
=
e
j
A[e
i
=
_
A
j
i
_
Teorema Suponga un operador Hermtico A = A
tiene por autovalores

1
,
2
, . . . ,
n
. Entonces:
Los autovalores
1
,
2
, . . . ,
n
son reales.
Los autovectores [u
1
, [u
2
, , [u
n
, correspondientes a cada uno de los autovalores, seran orto-
gonales.
Demostracion:
Para demostrar que los autovalores
1
,
2
, . . . ,
n
son reales, proyectamos la ecuacion de autovalores
en cada uno de los autovectores:
A[ = [ = [ A[ = [
Ahora bien, dado que [ es real, si demostramos que [ A[ estara demostrado que lo sera tam-
bien. Pero como A es Hermtico
[ A[
= [ A
[ = [ A[ =[ A[ 1
y por consiguiente los autovalores
1
,
2
, . . . ,
n
son reales. Mas a un, si A es Hermtico, y como sus
autovalores son reales entonces
[ A
[ = [ = [ A[ = [
Para demostrar que los autovectores [u
1
, [u
2
, , [u
n
son ortogonales, consideremos dos auto-
vectores con sus correspondientes autovalores de tal forma que se cumplen las siguientes ecuaciones
A[ = [ y A[ = [
pero como A es Hermtico entonces se cumple que [ A = [ entonces multiplicando a la izquierda
por [ y a [ A = [ por [ la derecha.
([ A = [) [
[ (A[ = [)
_
_
_
=
_
_
_
[ A[ = [
[ A[ = [
_
_
_
=( ) [ = 0
y como hemos supuesto que ,= con lo cual [ = 0 los autovectores correspondientes a dos
autovalores son ortogonales.
Existen situaciones en las cuales un determinado autovalor =
0
es degenerado. Consideremos una
matriz n n, A
i
j
, por lo cual el polinomio caracterstico P () = det
_
A
i
j

i
j
= 0 tendra una raz

degenerada de orden k n. Entonces el siguiente teorema garantiza la existencia de, al menos un subespacio
S (
0
) V
n
Teorema Sea un operador lineal A : V
n
V
n
con una representacion matricial n n tal que su polinomio
T () = det
_
A
i
j

i
j
= 0 tiene al menos una raz degenerada =

0
, de orden k n. Entonces
existen k autovectores, no triviales, que cumplen con
A[
j
=
0
[
j
con j = 1, 2, , k
Demostracion La demostracion tambien emerge de una variante del Metodo de Induccion Completa.
Para ello, probamos que se cumple para j = 1. Esta armacion es obvia. Si existe un =
0
existe
un
0
existe un [
j
, tal que cumple con la ecuacion anterior el es linealmente independiente con el
mismo.
Suponemos que se cumple para 1 j = m k. Es decir existen m autovectores [
j
de A para el
autovalor
0
. Denamos un subespacio S
0
= S (
0
) V
n
donde
[
j
S
0
A[
j
=
0
[
j
=A[
j
S
0
con j = 1, 2, , m
por lo tanto podremos separar V
n
como una suma directa entre el subespacio S
0
y, A su complemento
ortogonal
V
n
= S
0
A A[
j
=
0
[
j
[ A = [
j
= 0
claramente S
0
es un subespacio invariante de A por cuanto su accion se circunscribe dentro del mismo
subespacio S
0
. Mostraremos que se cumple para operadores Hermticos, por cuanto no es verdad en
general. Entonces
[
j
= 0
A[
j
=
0
[
j
_
_
_
=
j
[ = 0 =
j
[ A
[ =
j
[ A[
de donde se concluye que el vector es ortogonal a S
0
y por lo tanto esta en el complemento ortogonal,
A[ A como, por hipotesis [ A. Esto implica que A tambien es un espacio invariante del
operador Hermtico A. Entonces el espacio V
n
puede expresarse como una suma directa de los dos
subespacios invariantes respecto al operador lineal A V
n
= S
0
A y su representacion matricial en
la base de autovectores tendra la forma de una matriz diagonal a bloques:con lo cual
u
j
A[u
i
= A
j
i

_
_
_
_
_
_
_
_
_
_
Q
1
1
Q
1
m
0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Q
m
1
Q
m
m
0 0
0 0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 1 0 0
0 0 R
m+1
m+1
R
m+1
n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 R
n
m+1
R
n
n
_
_
_
_
_
_
_
_
_
_
donde Q
y R
son matrices m m y (n m) (n m) , respectivamente. La matriz Q
opera en
S
0
mientras que R
act ua sobre el complemento ortogonal A. El polinomio caracterstico de A puede

expresarse como
T () = det
_
A
i
j

i
j
= 0 =T () = det
_
Q
i
j

i
j
det
_
R
i
j

i
j
= 0
y como =
0
es la raz m ultiple del polinomio caracterstico y que anula el det
_
Q
i
j

i
j
tendremos
que
det
_
Q
i
j

0
i
j
= 0 =T () = (
0
)
m
T () con T (
0
) ,= 0
donde
0
no es raz del polinomio T () . Ahora bien, para que se cumpla para j = k el polinomio
caracterstico es
j = k =T () = (
0
)
k
!() =(
0
)
m
T () = (
0
)
k
!()
otra vez
0
no es raz del polinomio !() . La ecuacion anterior se cumple para todo en particular
para =
0
. Por lo tanto
1 = (
0
)
km
!()
T ()
Es claro que =
0
obliga a k = m
4.8.3. Autovalores y Autovectores de Matrices Unitarias
Tal y como mencionamos anteriormente, un operador sera unitario si su inversa es igual a su adjunto.
Esto es
U
1
= U
=U
U = UU
= 1
dado que los operadores unitarios conservan la norma de los vectores sobre los cuales ellos act uan, i.e.
[ x = U[x
[ y = U[y
_
_
_
= y [ x = y[ U
U[x = y [x
son naturales para representar cambios de base dentro de un espacio vectorial. De lo anterior se deduce que
si [e
1
, [e
2
, [e
3
, [e
n
es una base ortonormal, el conjunto de vectores transformados, [w
j
= U[e
j
,
tambien son ortonormales:
[w
j
= U[e
j
=
w
i
[w
j
=
w
i
U[e
j
=
e
i
U[e
j
=
i
j
Bases y operadores unitarios
Los operadores unitarios aplican vectores base de un espacio vectorial en otra. El siguiente Teorema lo
ilustra
Teorema La condicion necesaria y suciente para que un operador U : V
n
V
n
sea unitario es que aplique
vectores de una base ortonormal [e
1
, [e
2
, [e
3
, [e
n
en otra de [w
1
, [w
2
, [w
3
, [w
n
tambien ortonormal.
Demostracion Demostremos primero la condicion necesaria: Si es unitario aplica una base en otra. Esto es, supongamos
que los vectores [e
j
forman una base ortonormal para V
n
. Sean [ , y U
[ V
n
. Estos vectores
pueden ser expresados en terminos de la base [e
j
de V
n
. Por lo tanto, si seleccionamos U
[ se
cumple que
U
[ = c
j
[e
j
=UU
[ = c
j
U[e
j
= c
j
[w
j
=[ = c
j
[w
j
donde hemos aplicado el operador U a la ecuacion U
[ = c
j
[e
j
y el resultado es que el otro vector,
[, tambien se pudo expresar como combinacion lineal de los vectores transformados [w
j
de la
base [e
j
. Y por lo tanto los [w
j
tambien constituyen una base. Es decir, los operadores unitarios
aplican una base ortonormal en otra
La condicion de suciencia (Si aplica una base en otra es unitario) se puede demostrar como sigue. Si
[e
j
y [w
j
son bases ortonormales de V
n
y una es la transformada de la otra implica que
[w
j
= U[e
j
; y w
j
[ = e
j
[ U
con
e
i
[e
j
=
i
j
; [e
j
e
j
= 1
w
i
[w
j
=
i
j
; [w
j
w
j
= 1
Por lo tanto,
U
U[e
j
= U
[w
j
= [e
k
e
k
[w
j
= [e
k
w
k
[w
j
= [e
k

k
j
= [e
j
Esto signica que U
U = 1. De un modo equivalente, se puede demostrar que UU
= 1. Veamos:
U
[e
j
= [e
k
e
k
[e
j
= [e
k
w
k
[e
j
y ahora, aplicando el operador U a esta ecuacion, tenemos

UU
[e
j
= U[e
k
w
k
[e
j
= [w
k
w
k
[e
j
= [e
j
Esto signica que esta demostrado que U es unitario: U
U = UU
= 1.
Matrices unitarias
La representacion de una matriz unitaria en una base [e
j
implica
U
k
j
=
e
k
U[e
j
; e
m
[ U
[e
j
=
e
j
U[e
m
=
_
U
j
m
_
k
j
=
e
k
[e
j
=
e
k
1[e
j
=
e
k
UU
[e
j
=
e
k
U[e
m
e
m
[ U
[e
j
=
m
U
k
m
_
U
j
m
_
k
j
=
e
k
[e
j
=
e
k
1[e
j
=
e
k
U[e
j
=
e
k
[e
m
e
m
[ U[e
j
=
m
(U
m
k
)
U
m
j
Una vez mas, dado un operador lineal A, la representacion matricial del Hermtico conjugado de ese operador
A
es la traspuesta conjugada de la matriz que representa al operador A. En el caso de operadores unitarios.

Con lo cual es facilmente vericable que una matriz sea unitaria. Basta comprobar que la suma de los
productos de los elementos de una columna (la) de la matriz con los complejos conjugados de otra columna
(la). Esa suma de productos sera
1. cero si las columnas (las) son distintas
2. uno si las columnas (las) son iguales
Ejemplos de matrices unitarias son las llamadas matrices de rotacion. Alrededor del eje z tendremos que
R() =
_
_
cos sen 0
sen cos 0
0 0 1
_
_
y tambien la matriz de rotacion de una partcula de espn
1
2
en el espacio de estados
R
(1/2)
(, , ) =
_
e
i
2
(+)
cos e
i
2
()
sen
e
i
2
()
sen e
i
2
(+)
cos
_
claramente se cumple la regla expuesta arriba.
Autovalores y Autovectores de Matrices Unitarias
Si [
u
es un autovector, normalizado del operador U correspondiente a un autovalor u tendremos que
norma al cuadrado sera igual a
U[
u
= u[
u
=
u
[ U
U[
u
= 1 = u
u
u
[
u
= u
u =u = e
iu
con
u
una funcion real. Por lo cual podemos concluir que, necesariamente, los autovalores de los operadores
unitarios ser an n umeros complejos de m odulo 1. Cuando los autovalores son diferentes, digamos u
,= u,
entonces
_
[
u
= 0. Con lo cual los autovectores de un operador unitarios son ortogonales.
Transformacion unitaria de Operadores Hemos visto como las transformaciones unitarias permiten
construir bases ortogonales [e
m
para el espacio vectorial V
n
partiendo de otra base [e
m
tambien
ortogonal. En esta subseccion mostraremos como transforman los operadores lineales bajo transformaciones
unitarias.
Denicion Dadas dos bases ortonormales [e
j
y [w
k
en V
n
con [w
j
= U[e
j
, un operador lineal unitario
U : V
n
V
n
.y un operador lineal A : V
n
V
n
. Deniremos al operador transformado

A : V
n
V
n
como aquel cuya representacion matricial en la base [w
k
es la misma que en la base [e
j
:
w
j

A[w
i
=
e
j
A[e
i
A partir de esta denicion es facil concluir que
w
j

A[w
i
=
e
j
AU[e
i
=
e
j
A[e
i
=U
AU = A

A = UAU
Por lo tanto la ecuacion

A = UAU
corresponde a la denicion de la transformacion de un operador A

mediante un operador unitario U
. Es facil identicar las propiedades de estos operadores transformados.

Veamos
Hermtico conjugado y Funciones de un Operador transformado:
_
A
_
=
_
UAU
= U
U =
(A
)
en particular se sigue de esta propiedad que si A = A
, es Hermtico tambien lo sera

A
A = A

A =
_
A
_
Del mismo modo

_
A
_
2
=
_
UAU
__
UAU
_
= UA
2
U
(A
2
)
con lo cual
_
A
_
n
=
_
UAU
_
n2

_
UAU
_
= UA
n
U
(A
n
) =

T (A) = T
_
A
_
donde T (A) es una funcion del operador A.
Autovalores y autovectores de un operador transformado Sera un autovector [
de A corres-
pondiente a un autovalor , y sea
_
el transformado de [
mediante el operador unitario U. Entonces

A[
= [
=

A
_
=
_
UAU
_
U[
= UA[
= U[
_
con lo cual es claro que
_
es un autovector de

A con el mismo autovalor :
_
=
_
. Equi-
valentemente podemos armar que los autovectores transformados de A, seran autovectores del operador
transformado,

A.
4.9. Conjunto Completo de Observables que conmutan
Denicion Diremos que un operador A : V
n
V
n
es un observable si el conjunto de autovectores
_
u
i|
__
de
un operador Hermtico A, forman una base de V
n
.
A
u
i ()
_
= a
i
u
i ()
_
=
u
i ()
_
_
u
i ()
= 1
_
u
i ()
u
j ()
_
=
i
j
donde el ndice indica el grado de degeneracion del autovalor a

i
.
Un ejemplo trivial de un observable lo constituyen los proyectores, P
|
= [ [ con [ = 1.
Claramente, la ecuacion de autovalores para un proyector obliga a que tenga dos autovalores 0 y 1. El
autovalor nulo es innitamente degenerado y esta asociado a todos los vectores ortogonales a [, mientras
que el autovalor 1 corresponde a un autovalor simple y esta asociado a todos los vectores colineales al mismo
vector [. Esto es
P
|
[ = [ y P
|
[ = 0 si [ = 0
Mas a un, sea un vector arbitrario [ V
n
. Siempre se podra expresar como
[ = P
|
[ +
_
1 P
|
_
[ =P
|
_
[ = P
|
[ +
_
1 P
|
_
[
_
=
P
|
[ = P
|
_
P
|
[
_
+
_
P
|
P
2
|
_
[ = P
|
[ =P
|
_
P
|
[
_
= P
|
[
ya que P
2
|
= P
|
, por denicion de proyector. Entonces, se deduce que P
|
[ es un autovector de P
|
con autovalor 1. Igualmente
_
1 P
|
_
[ es un autovector de P
|
con autovalor 0, y la demostracion es
inmediata
P
|
_
1 P
|
_
[ =
_
P
|
P
2
|
_
[ = 0
Para el caso de autoespacios correspondientes a autovalores degenerados se puede denir un observable A
de la forma
A =
i
a
i
P
i
con P
i
=
_
()
_
_
()
_
i
y = 1, 2, , k
Observables que Conmutan
Teorema Si dos operadores lineales A y B, operadores Hermticos, conmutan, [A, B] = 0,y [ es autovector de
A con autovalor a, entonces B[ tambien sera autovector de A con el mismo autovalor a.
Demostracion La demostracion es sencilla
A[ = a [ =B(A[ = a [) =BA[ = A(B[) = a (B[)
Ahora bien, de esta situacion se pueden distinguir un par de casos:
si el autovalor a es no degenerado los autovectores asociados con este autovalor son, por denicion,
colineales con [ . Por lo tanto B[ , sera necesariamente colineal con [ . La conclusion a esta
armacion es que NECESARIAMENTE [ es autovector de B
si el autovalor a se degenerado, B[ S
a
, es decir B[ esta en el autoespacio S
a
con lo cual S
a
es
globalmente invariante bajo la accion de B.
Teorema Si dos observables A y B conmutan, [A, B] = 0, y si [
1
y [
2
son autovectores de A para autovalores
distintos, entonces el elemento de matriz
B[
2
= 0
Demostracion Si A[
1
= a
1
[
1
y A[
2
= a
2
[
2
entonces
0 =
[A, B] [
2
=
ABBA[
2
=
_
A
_
B[
2

B(A[
2
)
= a
1
B[
2
a
2
B[
2
= (a
1
a
2
)
B[
2
=
B[
2
= 0
Teorema Si dos observables A y B, operadores Hermticos, conmutan, [A, B] = 0, los autovectores [
i
comunes a A y B constituyen una base ortonormal para V

n
.
Demostracion Denotemos los autovectores de A como
i ()
_
, de tal modo
A
i ()
_
= a
i
i ()
_
donde i = 1, 2, .., n k
n
+ 1 y = 1, 2, .., k
n
k
n
indica el orden de la degeneracion de un determinado autovalor a
n
. Dado que A es un observable
los
i ()
_
forman base los Claramente,
_
i ()

j ()
_
=
i
j
y dado que los elementos de matriz
i ()
j ()
_
=
i
j
esto quiere decir que los elementos
i ()
j ()
_
= B
i ()
j ()
seran nulos para i ,= j pero no podemos decir nada a priori para el
caso ,= y i = j. Entonces, al ordenar la base, en general
1 (1)
_
,
1 (2)
_
,
1 (k1)
_
,
2 (1)
_
,
2 (2)
_
, ,
2 (k2)
_
, ,
3 (1)
_
,
nkn (1)
_
para el caso que consideraremos sera
1 (1)
_
,
1 (2)
_
,
1 (3)
_
,
2 (1)
_
,
2 (2)
_
,
3 (1)
_
,
4 (1)
_
,
4 (2)
_
,
5 (1)
_
y la representacion matricial de B en esa base,
i ()
j ()
_
, tendra la forma de una matriz
diagonal a bloques
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
B
1 (1)
1 (1)
B
1 (1)
1 (2)
B
1 (1)
1 (3)
0 0 0 0 0 0
B
1 (2)
1 (1)
B
1 (2)
1 (2)
B
1 (2)
1 (3)
0 0 0 0 0 0
B
1 (3)
1 (1)
B
1 (3)
1 (2)
B
1 (3)
1 (3)
0 0 0 0 0 0
0 0 0 B
2 (1)
2 (1)
B
2 (1)
2 (2)
0 0 0 0
0 0 0 B
2 (2)
2 (1)
B
2 (2)
2 (2)
0 0 0 0
0 0 0 0 0 B
3 (1)
3 (1)
0 0 0
0 0 0 0 0 0 B
4 (1)
4 (1)
B
4 (1)
4 (2)
0
0 0 0 0 0 0 B
4 (2)
4 (1)
B
4 (2)
4 (2)
0
0 0 0 0 0 0 0 0 B
5 (1)
5 (1)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Tal y como hemos mencionado los subespacios: c
1
, c
2
, y c
4
corresponden a los autovalores degenerados
a
1
, a
2
, y a
4
(de orden 3, 2 y 2 respectivamente).
Una vez mas surgen dos casos a analizar
Si a
n
es un autovalor no degenerado, entonces existe un unico autovector asociado a este autovalor (la
dimension del autoespacio es 1 esto es k
j
= 1 y no hace falta). Esto corresponde al ejemplo hipotetico
de arriba para los autovalores simples a
3
, y a
5
Si a
n
es un autovalor degenerado, entonces existe un conjunto de autovectores asociados a este autovalor
a
n
(en este caso la dimension del autoespacio es k
n
). Como los
j ()
_
son autovectores de A su
representacion matricial sere diagonal a bloques. Ahora bien, como el autoespacio S
a
es globalmente
invariante bajo la accion de B y B
i ()
j ()
=
i ()
j ()
_
es Hermtico, por ser B Hermtico entonces
B es diagonalizable dentro del bloque que la dene. Es decir, se podra conseguir una base
j ()
_
tal
que la representacion matricial de B en esa base es diagonal
B
i ()
j
=
_
i ()
j ()
_
=
_
i ()
j ()
_
=

B
i ()
j ()
= b
j ()
i
j
que no es otra cosa que los vectores
j ()
_
seran autovectores de B
B
j ()
_
= b
j ()
j ()
_
Es importante recalcar que los autovectores
j ()
_
de A asociados con un autovalor degenerado NO
son necesariamente autovectores de B. Solo que como B es Hermtico puede ser diagonalizado dentro
del autoespacio.
De ahora en adelante denotaremos los autovectores comunes a dos operadores A y B con distintos
autovalores como
u
i|j ()
_
tal que
A
u
n|m ()
_
= a
n
u
n|m ()
_
y B
u
n|m ()
_
= b
m
u
n|m ()
_
donde hemos dejado espacio para permitir la degeneracion la cual sera indicada por el ndice
La prueba del inverso del teorema anterior es bien simple
Teorema Si existe una base de autovectores
_
u
j ()
__
comunes a A y B, entonces A y B conmutan, [A, B] = 0
Demostracion Es claro que
AB
u
n|m ()
_
= b
m
A
u
n|m ()
_
= b
m
a
n
u
n|m ()
_
BA
u
n|m ()
_
= a
n
B
u
n|m ()
_
= a
n
b
m
u
n|m ()
_
restando miembro a miembro obtenemos de manera inmedita
(ABBA)
u
n|m ()
_
= [A, B]
u
n|m ()
_
= (b
m
a
n
a
n
b
m
)
u
n|m ()
_
= 0
Denicion Diremos que A, B, C, D constituye un conjunto completo de observables que conmuntan si
1. Obviamente los operadores del conjunto conmuntan entre ellos:
[A, B] = [A, C] = [A, D] = [B, C] = [B, D] = [C, D] = = 0
2. Al especicar el conjunto de autovalores para los operadores
a
n
, b
m
, c
k
, d
l
, se especica de manera unvoca un unico autovetor com un a todos estos
operadores
a
n
, b
m
, c
k
, d
l
, =
u
n|m|k|l ()
_
Analicemos los siguientes ejemplos.
1. Considere, que el espacio de estados para un determinado sistema fsico viene expandido por una base
ortonormal [u
1
, [u
2
, [u
3
. Denimos dos operadores L
z
y S de la siguiente manera
L
z
[u
1
= [u
1
; L
z
[u
2
= 0; L
z
[u
3
= [u
3
S[u
1
= [u
3
; S[u
2
= [u
2
; S[u
3
= [u
1
En la base ortonormal [u
1
, [u
2
, [u
3
las representaciones matriciales para L
z
, L
2
z
, S y S
2
seran las
siguientes
u
i
L
z
[u
j
=
_
_
1 0 0
0 0 0
0 0 1
_
_
,
u
i
L
2
z
[u
j
=
_
_
1 0 0
0 0 0
0 0 1
_
_
u
i
S[u
j
=
_
_
0 0 1
0 1 0
1 0 0
_
_
,
u
i
S
2
[u
j
=
_
_
1 0 0
0 1 0
0 0 1
_
_
Es claro que estas matrices son reales y simetricas y, por lo tanto, son Hermticas y, al ser el espacio
de dimension nita, deben ser diagonalizables y sus autovectores formaran base para ese espacio. Por
lo tanto, L
z
, L
2
z
, S y S
2
son observables.
Cual sera la forma mas general de una representacion matricial de un operador que conmunte con
L
z
?
Notamos que los vectores de la base ortonormal [u
1
, [u
2
, [u
3
son autovectores para L
z
con auto-
valores 1, 0, 1 con lo cual su representacion matricial tiene que ser diagonal. Recuerde que si dos
observables A y B conmutan, [A, B] = 0, y si [
1
y [
2
son autovectores de A para autovalores
distintos, entonces el elemento de matriz
B[
2
= 0, con lo cual
[M, L
z
] = 0
u
i
M[u
j
=
_
_
M
1
1
0 0
0 M
2
2
0
0 0 M
3
3
_
_
,
Esto se desprende de manera directa de
0 =
u
i
[M, L
z
] [u
j
=
u
i
ML
z
L
z
M[u
j
= (
j

i
)
u
i
M[u
j
con (
j

i
) ,= 0 para i ,= j
Si nos planteamos la misma pregunta para L
2
z
, vemos que sus autovalores son 1, 0. Esto es
L
2
z
[u
1
= [u
1
; L
2
z
[u
2
= 0; L
2
z
[u
3
= [u
3
;
con lo cual tendremos que la representacion matricial para ese operador que conmute con L
2
z
, no es
diagonal. Esto es
[N, L
2
z
] = 0
u
i
N[u
j
=
_
_
N
1
1
0 N
1
3
0 N
2
2
0
N
3
1
0 N
3
3
_
_
,
ya que
0 =
u
1
[N, L
2
z
] [u
3

u
1
N[u
3
=
u
1
N[u
3
y vale para cualquier elemento N

1
3
(y equivalentemente para N
3
1
). Adicionalmente, si ordenamos la
base de autovectores de L
z
, como [u
1
, [u
3
, [u
2
tendremos como representacion matricial diagonal
a bloques, correspondiente a un autorvalor degenerado 1,
u
i

N[u
j
=
_
_
N
1
1
N
1
3
0
N
3
1
N
2
2
0
0 0 N
3
3
_
_
,
Finalmente, la representacion matricial, mas general, de un operador que conmute con S
2
es
[P, S
2
] = 0
u
i
P[u
j
=
_
_
P
1
1
P
1
2
P
1
3
P
2
1
P
2
2
P
2
3
N
3
1
P
3
2
P
3
3
_
_
,
Ahora intentaremos construir una base comun de autovectores para L
2
z
y S. Para ello notamos que
[u
2
es un autovector comun a L
2
z
y S, por lo tanto existira un subespacio expandido por [u
1
, [u
3
.
En ese subespacio las respresentaciones matriciales para L
2
z
y S, seran
u
i
L
2
z
[u
j
S13
=
_
1 0
0 1
_

u
i
S[u
j
S13
=
_
0 1
1 0
_
Acto seguido planteamos el problema de autovalores para S, esto es
S[q
j
=
j
[u
j

_
0 1
1 0
__
q
1
q
2
_
=
_
q
1
q
2
_

_
_
_
[q
2
=
1
2
([u
1
+[u
3
)
[q
3
=
1
2
([u
1
[u
3
)
con lo cual tendremos
Autovectores Autovalor L
2
z
Autovalor S
[q
1
= [u
2
0 1
[q
2
=
1
2
([u
1
+[u
3
) 1 1
[q
3
=
1
2
([u
1
[u
3
) 1 -1
Cuadro 4.1: Dado que no hay lineas repetidas L
2
z
y S forman un CCOC
2. Consideremos otro ejemplo proveniente de la Mecanica Clasica. Se trata de dos osciladores armonicos,
de igual masa, acoplados con resortes con la misma constante elastica k
7
. La ecuaciones de movimiento
para este sistema son
m x
1
+ kx
1
k(x
2
x
1
) = 0 y m x
2
+ kx
2
+ k(x
2
x
1
) = 0
con lo cual podremos expresar esta ecuacion en forma de operadores
D[x = 0
_
m
d
2
dt
2
+ 2k k
k m
d
2
dt
2
+ 2k
_
_
x
1
x
2
_
= 0
Figura 4.1: Osciladores armonicos acoplados
Si pensamos esta ecuacion como una ecuacion de autovalores, el autovalor es claramente = 0 y como
las masas y las constantes elasticas son iguales podemos intercambiar las partculas y la fsica (las
ecuaciones de movimiento) no cambian. Esto se puede expresar matematicamente como el operador
permutacion de las partculas
P =
_
0 1
1 0
_

_
0 1
1 0
__
x
1
x
2
_
=
_
x
2
x
1
_
Es inmediato comprobar que [D, P] = 0 con lo cual existira una combinacion lineal de autovectores de
D (asociados con el autovalor = 0 ) los cuales tambien seran autovectores de P. Para ello procedamos
a calcular los autovalores y autovectores de P
P[x = [x
1
1
= 0 1 [u
1
=
1
2
_
1
1
_
; [u
2
=
1
2
_
1
1
_
.
facilmente podemos expresar el vector posicion como una combinacion lineal de estos dos autovectores
de P. Esto es
_
x
1
x
2
_
=

1
2
_
1
1
_
+

2
2
_
1
1
_

_
_
_
1
=
1
2
(x
1
+ x
2
)
2
=
1
2
(x
1
x
2
)
Es claro que
[u
1
=
1
2
(x
1
+ x
2
)
_
1
1
_
; y [u
2
=
1
2
(x
1
x
2
)
_
1
1
_
.
son autovectores de P y D
7
Pueden consultar una animacion bien interesante y simular en http://qbx6.ltu.edu/s_schneider/physlets/main/
coupledosc.shtml
Bibliografa
[1] Apostol, T. M. (1972) Calculus Vol 2 (Reverte Madrid) QA300 A66C3 1972
[2] Arfken, G. B. y Weber, H. (2000) Mathematical Methods for Physicists 5ta Edicion (Academic
Press, Nueva York)
[3] Cohen-Tannoudji, C., Diu B. y Laloe (1977) Quantum Mechanics Vol 1 (John Wiley Interscience,
Nueva York)
[4] Gelfand, I.M. (1961) Lectures on Linear .Algebra (John Wiley & Sons Interscience, Nueva York).
[5] Jordan, T.F. (1969) Linear Operator for Quantum Mechanics (John Wiley & Sons Interscience,
Nueva York).
[6] Schutz, B. (1980) Geometrical Methods in Mathematical Physics (Cambridge University Press,
Londres)
192
4.10. Algunos ejercicios resueltos
1. Representacion Matricial de Operadores Lineales
Considere los siguientes operadores lineales de Pauli 1
2
1
2
z
[+ = [+ ,
z
[ = [
x
[+
x
= [+
x
,
x
[
x
= [
x
y
[+
y
= [+
y
,
y
[
y
= [
y
con
[+
_
1
0
_
, [
_
0
1
_
[+
x
=
1
2
[[+ +[] , [
x
=
1
2
[[+ []
[+
y
=
1
2
[[+ + i [] , [
y
=
1
2
[[+ i []
a) Encuentre las expresiones matriciales para
x
,
y
y
z
en terminos de la base [+ , [
Solucion Para empezar notamos que
x
+ [+
x
= 1
x
+ [
x
=
x
[+
x
= 0
x
[
x
= 1
y
+ [+
y
= 1
y
+ [
y
=
y
[+
y
= 0
y
[
y
= 1
Es decir, las los vectores [+
x
, [
x
y
_
[+
y
, [
y
_
forman bases ortonormales, por lo que los
vectores [+ , [ se pueden expresar en termino de esas bases como
[+ =
1
2
[[+
x
+[
x
] [ =
1
2
[[+
x
[
x
]
[+ =
1
2
_
[+
y
+[
y
_
[ =
i
2
_
[+
y
[
y
_
As las expresiones matriciales seran
(
z
)
i
j
=
_
_
+[
z
[+ +[
z
[
[
z
[+ [
z
[
_
_
=
_
_
1 0
0 1
_
_
y
(
x
)
i
j
=
_
_
+[
x
[+ +[
x
[
[
x
[+ [
x
[
_
_
=
_
_
_
_
1
2
[
x
+[ +
x
[]
x
[[+
x
+[
x
]
1
2
[
x
+[ +
x
[]
x
[[+
x
[
x
]
1
2
[
x
+[
x
[]
x
[[+
x
+[
x
]
1
2
[
x
+[
x
[]
x
[[+
x
[
x
]
_
_
_
_
=
_
_
_
_
1
2
[
x
+[ +
x
[] [[+
x
[
x
]
1
2
[
x
+[ +
x
[] [[+
x
+[
x
]
1
2
[
x
+[
x
[] [[+
x
[
x
]
1
2
[
x
+[
x
[] [[+
x
+[
x
]
_
_
_
_
(
x
)
i
j
=
_
_
0 1
1 0
_
_
(
y
)
i
j
=
_
_
+[
y
[+ +[
y
[
[
y
[+ [
y
[
_
_
=
_
_
_
_
1
2
[
y
+[ +
y
[]
y
_
[+
y
+[
y
_
i
2
[
y
+[ +
y
[]
y
_
[+
y
[
y
_
i
2
[
y
+[
y
[]
y
_
[+
y
+[
y
_
1
2
[
y
+[
y
[]
y
_
[+
y
[
y
_
_
_
_
_
=
_
_
_
_
1
2
[
y
+[ +
y
[]
_
[+
y
[
y
_
i
2
[
y
+[ +
y
[]
_
[+
y
+[
y
_
i
2
[
y
+[
y
[]
_
[+
y
[
y
_
1
2
[
y
+[
y
[]
_
[+
y
+[
y
_
_
_
_
_
(
y
)
i
j
=
_
_
0 i
i 0
_
_
b) Ahora encuentre las expresiones matriciales para
x
,
y
y
z
en terminos de la base [+
x
, [
x
Solucion
c) Finalmente, encuentre la matriz de transformacion entre las bases [+ , [ [+
x
, [
x
Solucion
2. Considere, que el espacio de estados para un determinado sistema fsico viene expandido por la base
ortonormal [u
1
, [u
2
, [u
3
. Denimos dos operadores L
z
y S de la siguiente manera
L
z
[u
1
= [u
1
; L
z
[u
2
= 0; L
z
[u
3
= [u
3
S[u
1
= [u
3
; S[u
2
= [u
2
; S[u
3
= [u
1
a) Encuentre la representacion matricial en la base [u

1
, [u
2
, [u
3
del operador: [L
z
, S]
Solucion La matriz sera
_
_
_
_
_
_
u
1
L
z
S SL
z
[u
1
u
1
L
z
S SL
z
[u
2
u
1
L
z
S SL
z
[u
3
u
2
L
z
S SL
z
[u
1
u
2
L
z
S SL
z
[u
2
u
2
L
z
S SL
z
[u
3
u
3
L
z
S SL
z
[u
1
u
3
L
z
S SL
z
[u
2
u
3
L
z
S SL
z
[u
3
_
_
_
_
_
_
con lo cual
_
_
_
_
_
_
u
1
L
z
S[u
1

u
1
SL
z
[u
1
u
1
L
z
S[u
2

u
1
SL
z
[u
2
u
1
L
z
S[u
3

u
1
SL
z
[u
3
u
2
L
z
S[u
1

u
2
SL
z
[u
1
u
2
L
z
S[u
2

u
2
SL
z
[u
2
u
2
L
z
S[u
3

u
2
SL
z
[u
3
u
3
L
z
S[u
1

u
3
SL
z
[u
1
u
3
L
z
S[u
2

u
3
SL
z
[u
2
u
3
L
z
S[u
3

u
3
SL
z
[u
3
_
_
_
_
_
_
de donde
u
i
[L
z
, S] [u
j
=
_
_
_
_
_
_
0 0 0 0 1 (1)
0 0 0 0 0 0
(1) 1 0 0 0 0
_
_
_
_
_
_
=
_
_
_
_
_
_
0 0 2
0 0 0
2 0 0
_
_
_
_
_
_
b) L
z
, S y [L
z
, S] seran biyectivas
Solucion
Por denicion S es biyectivas ya que cada vector tiene su imagen, L
z
no lo es por cuanto el vector
[u
2
no tiene imagen y, nalmente [L
z
, S] tampoco sera biyectiva dado que
u
i
[L
z
, S] [u
j
no
tiene inversa ya que del det
_
u
i
[L
z
, S] [u
j
= 0
c) Encuentre la dimension del Dominio, del Rango y del n ucleo de la transformaciones L
z
, S y [L
z
, S]
Solucion
Dominio Rango N ucleo
L
z
3 2 1
S 3 3 0
[L
z
, S] 3 2 2
dado que [L
z
, S] [u
2
= 0
3. En mecanica clasica la cantidad de movimiento angular viene denida como

L = r p. Para pasar a
mecanica cuantica se asocia r y p con los operadores posicion y cantidad de movimiento los cuales, al
operar sobre la funcion de onda nos proveen
r[ X[ = xr [ = x (r) r[ P
x
[ =
_
i

x
_
r [ = i

x
(r)
r[ Y[ = y r [ = y (r) r[ P
y
[ =
_
i

y
_
r [ = i

y
(r)
r[ Z[ = z r [ = z (r) r[ P
z
[ =
_
i

z
_
r [ = i

z
(r)
En denitiva, en coordenadas cartesianas en la representacion de coordenadas [r tendremos que
r[ R[ = r (r) y r[ P
x
[ = i

(r)
De forma que en Mecanica cuantica las componentes cartesianas del operador cantidad de movimiento
angular son
r[
L[ = i
_
r
_
(r)
r[
L[ = i
_
y

z
z

y
_
(r)+i
_
z

x
x

z
_
(r) +i
_
x

y
y

x
_
(r)
k
a) Utilizando las deniciones anteriores muestre que el conmutador de las componentes cartesianas
de la cantindad de movimiento angular cumple con
[L
x
, L
y
] [ = iL
z
[
con L
1
= L
1
= L
x
; L
2
= L
2
= L
y
; L
3
= L
3
= L
z
En general [L
l
, L
m
] = i
lmn
L
n
Solucion
Dado que
[L
1
, L
2
] [ = [L
x
, L
y
] [ = (L
x
L
y
L
y
L
x
) [
= i
__
y

z
z

y
__
z

x
x

z
_
_
z

x
x

z
__
y

z
z

y
__
(r)
con lo cual
=
__
y

z
_
z

x
x

z
_
z

y
_
z

x
x

z
__
_
z

x
_
y

z
z

y
_
x

z
_
y

z
z

y
___
(r)
=
____
yz

zx
+ y

x
_
xy

2
z
2
_
_
z
2

yx
zx

yz
__

__
zy

xz
z
2

yx
_
_
yx

z
2
zx

zy
x

y
___
(r)
=
_
y

x
x

y
_
(r)
b) Dados dos Operadores Vectoriales

A y

B que conmutan entre ellos y con

L tales que
_
A,

B
_
=
_
A,
L
_
=
_
L,

B
_
= 0
con Demuestre entonces que
_
A

L,

B

L
_
= i
_
A

B
_

L
Solucion:
_
A

L,

B

L
_
== i
klm
A
l
B
m
L
k
= A
l
B
m
i
klm
L
k
= A
l
B
m
[L
l
, L
m
] = A
l
B
m
L
l
L
m
A
l
B
m
L
m
b
m
L
l
= A
l
L
l
B
m
L
m
B
m
L
m
A
l
L
l
4. Si dos operadores estan relacionadas por: U = exp(iaH) e
iaH
, donde a es un n umero real
a) Pruebe que si H es un operador hermtico, entonces U es unitario (1pto)
Solucion:
U = exp(iaH) U
= (exp(iaH))
= exp(iaH) UU
= exp(iaH) exp(iaH) = 1
b) Pruebe que si U es un operador unitario, entonces H es hermtico (1pto)
Solucion:
UU
= 1 exp(iaH) exp(iaH
) = 1 exp(ia
_
HH
_
) = 1
_
HH
_
= 0
5. Autovalores y Autovectores
Dos operadores lineales cumplen con
AB +BA = 0; A
2
= B
2
= I [A, B] = 2iC
a) Muestre que [C, B] = 2iA y C
2
= I
Solucion: C
2
= I
[A, B][A, B] = 4C
2
(AB BA) (AB BA) = 4C
2
(2BA) (2AB) = 4C
2
C
2
= I
ya que AB = BA y A
2
= B
2
= I
Solucion: [C, B] = 2iA
[C, B] =
1
2i
[[A, B], B] =
1
2i
(AB BA) B B(AB BA) =
1
2i
2A 2BAB = 2iA
ya que AB = BA y A
2
= B
2
= I
b) Evalue [[[A, B], [B, C]], [A, B]]
Solucion:
[[[A, B], [B, C]], [A, B]] = [[2iC, 2iA], 2iC] = 8i[[C, A], C] = 8i[2iB, C] = 32iA
a) Sean A y B dos operadores hermticos, con autovalores no degenerados y un operador unitario
denido como: U = A + iB. Muestre que
1) [A, B] = 0 y A
2
+B
2
= 1
Solucion: Como
UU
= U
U = (A + iB) (A + iB)
= (A + iB)
(A + iB) (A + iB) (A iB) = (A iB) (A + iB)

BA AB = BA +AB [B, A] = [B, A] [B, A] = 0
La segunda de las armaciones se puede demostrar, a partir de
UU
= I (A + iB) (A + iB)
= (A + iB) (A iB) =
_
A
2
+B
2
+ i (BA AB)
_
I = A
2
+B
2
2) Los autovectores de A tambien lo son de B
Solucion: Si [u
i
son autovectores de A entonces
A[u
i
=
i
[u
i
BA[u
i
=
i
B[u
i
como [B, A] = 0 entonces AB[u
i
=
i
B[u
i
por lo tanto B[u

i
es un autovector de A. Pero la solucion para la ecuacion de autovectores
(A
i
I) [u
i
= 0 es unica, por lo cual todos los autovectores de A son proporcionales. Esto
es B[u
j
=
j
[u
j
, con lo cual que damostrado que los autovectores de A son autovalores de
B
3) Si U[v
i
=
i
[v
i
entonces [
i
[ = 1
Solucion: Es claro que
v
j
U[v
i
=
v
j
I [v
i

v
j
[v
i
=
v
j
I [v
i

2
i
= 1
b) Dada una matriz de la forma
A =
_
_
1 0
1 0
0 0 1
_
_
y A[v
i
=
i
[v
i
con y n umeros complejos distintos de cero, encuentre

1) las relaciones que deben cumplir y para que
i
sea real.
Solucion: El Polinomio caracterstico y la condicion para que sea real sera:
(1 )(1 2 +
2
) = 0 = 1
_
> 0 R
2) las relaciones que deben cumplir y para que
v
j
[v
i
=
j
i
Solucion: Los autovalores y autovectores para esta matriz sera
1
= 1 [v
1
=
_
_
0
0
1
_
_
;
2
= 1+
_
[v
2
=
_
_
1
0
_
_
;
3
= 1+
_
[v
3
=
_
_
1
0
_
_
.
con lo cual
v
2
[v
3
= 0

2
= 1 [[ = [[
3) Suponga que A es hermtica, encuentre las relaciones que deben cumplir y
Solucion: Si A es hermtica, entonces
= , con lo cual se cumplen automaticamente ambas asevera-

ciones.
c) Data las siguientes matrices determine cuales conmutan entre ellas y encuentre la base de auto-
vectores comunes (5)
A =
_
6 2
2 9
_
B =
_
1 8
8 11
_
C =
_
9 10
10 5
_
D =
_
14 2
2 11
_
Solucion: Notamos que [A, B] = [A, D] = [D, B] = 0 y
[A, C] =
_
0 2
2 0
_
[B, C] =
_
0 8
8 0
_
[D, C] =
_
0 2
2 0
_
y los autovectores comunes a A, B, D, seran
[u
1
=
_

1
2
1
_
[u
2
=
_
2
1
_
a) Dados dos operadores lineales tales que:
AB = BA; A
2
= 1; B
2
= 1; y [A, B] = 2iC
1) Muestre que C
2
= 1 y que [B, C] = 2iA
Solucion:
[A, B] = ABBA = 2iC 2AB = 2iC ABAB = C
2
AABB = C
2
1 = C
2
[B, C] = i (BABABB) = 2iA i (BABA) = 2iA i (BBAA) = 2iA
2) Evalue [[[A, B] , [B, C]] , [A, B]]
Solucion:
[[[A, B] , [B, C]] , [A, B]] = [[2iC, 2iA] , 2iC] = 8 [[AB, iA] , AB] = 8i [(ABAAAB) , AB]
[[[A, B] , [B, C]] , [A, B]] = 8i [2B, AB] = 16i (BABABB) = 32iA
b) Dada la representacion matricial de dos operadores
A =
_
_
0 0 1
0 1 0
1 0 0
_
_
y B =
_
_
0 1 1
1 0 1
1 1 0
_
_
1) Eval ue [A, B]
Solucion:
AB =
_
_
0 0 0
1 0 0
0 0 0
_
_
= BA [A, B] = 0
2) Muestre que A tiene por autovalores
1
= 1 y
2
= 1 con
1
un autovalor degenerado.
Construya la base de autovectores para A
Solucion:
_
_
0 0 1
0 1 0
1 0 0
_
_
_
_
x
y
z
_
_
=
_
_
x
y
z
_
_
_
_
0 1
0 1 0
1 0
_
_
_
_
x
y
z
_
_
Entonces para
0 1
0 1 0
1 0
= (1 ) (1 ) =
_
2
1
_
(1 ) = 0
con lo cual tiene dos autovalores = 1 y = 1. Para el caso de = 1 se cumple que
_
_
0 0 1
0 1 0
1 0 0
_
_
_
_
x
y
z
_
_
=
_
_
x
y
z
_
_
z = x
y = y
x = z
con lo cual el autovector asociado con el autovalor = 1 tendra la forma de
[u
1
=
_
_
1
0
1
_
_
Para = 1 se cumple
_
_
0 0 1
0 1 0
1 0 0
_
_
_
_
x
y
z
_
_
=
_
_
x
y
z
_
_
z = x
y = y
x = z
con lo cual hay dos vectores linealmente independientes asociados con = 1, a saber
[u
1a
=
_
_
1
0
1
_
_
y [u
1b
=
_
_
0
y
0
_
_
con y arbitrario
Notese que estos tres autovectores [u
1a
, [u
1b
, [u
1
son ortogonales entre si
3) cual es la representacion matricial de A en la base de autovectores ?
Solucion: Diagonal de la forma
A
i
j
=
_
_
u
1
A[u
1
u
1
A[u
2
u
1
A[u
3
u
2
A[u
1
u
2
A[u
2
u
2
A[u
3
u
3
A[u
1
u
3
A[u
2
u
3
A[u
3
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
ya que los autovectores forman una base ortogonal. Obviamente se cumple que
det[A] = det[
A] = 1 y Tr[A] = Tr[
A] = 1
4) A partir de los autovectores de A encuentre los autovalores y autovectores de B
Solucion: Claramente B[u
1
= [u
1
con lo cual tenemos el primer autovector de B asociado al
autovalor = 1. Para encontrar los otros autovectores tendremos
_
_
1 1
1 1
1 1
_
_
_
_
1
y
1
_
_
=
_
_
0
0
0
_
_
6. Un operador Cantidad de Movimiento Generalizado se dene como aquel conjunto de operadores
hermticos que cumplen con
[J
x
, J
y
] = iJ
z
[J
y
, J
z
] = iJ
x
[J
z
, J
x
] = iJ
y
es decir [J
i
, J
j
] = i
ijk
J
k
con
ijk
el smbolo de Levy Civita y los ndices repetidos NO indican suma. Adicionalmente, denimos
los siguientes operadores
J
2
= J
2
x
+J
2
y
+J
2
z
; J
+
= J
x
+ iJ
y
J
= J
x
iJ
y
a) Muestre que
_
J
2
, J
+
=
_
J
2
, J
=
_
J
2
, J
z
= 0
Solucion: Para probar esta propiedad se puede demostrar de forma generica que
_
J
2
k
, J
m
= 0
con k, m = 1, 2, 3 x, y, z esto es
_
J
2
k
, J
m
= [J
k
J
k
, J
m
] = J
k
J
k
J
m
J
m
J
k
J
k
= J
k
J
k
J
m
(i
mkl
J
l
+J
k
J
m
) J
k
con lo cual
_
J
2
k
, J
m
= J
k
J
k
J
m
i
mkl
J
l
J
k
J
k
(i
mkn
J
n
+J
k
J
m
)
y claramente se anula por cuanto los ndices no suman pero si son mudos, y
mkl
=
mlk
_
J
2
k
, J
m
= J
k
J
k
J
m
i
mkl
J
l
J
k
i
mkn
J
k
J
n
J
k
J
k
J
m
al conmutar los cuadrados de las componentes con cualquiera de las componentes, y dado que los
comutadores son lineales entonces queda demostrado que
_
J
2
, J
=
_
J
2
x
+J
2
y
+J
2
z
, J
x
iJ
y
=
_
J
2
y
, J
x
+
_
J
2
z
, J
x
i
_
J
2
x
, J
y
i
_
J
2
z
, J
y
= 0
b) Si denimos los autovectores comunes a J
2
y J
z
como [j, m como
J
2
[j, m = j (j + 1)
2
[j, m J
z
[j, m = m [j, m con j, m [j
, m
=
jj

mm
adicionalmente tenemos que

J
[j, m =
_
j(j + 1) m(m1) [j, m1 J
+
[j, m =
_
j(j + 1) m(m + 1) [j, m + 1
y si suponen (es facil demostrarlo) que j m j esto quiere decir que dado el valor un j, m
vara entre j y j de uno en uno, esto es m = j, j + 1, j + 2, , j 2, j 1, j. Suponga
ahora que j =
1
2
Encuentre
1) la representacion matricial para J
z
, J
, J
+
, J
2
en la base de autovectores de J
z
, J
2
Solucion: Si [j, m son autovectores de J
2
y J
z
su representacion matricial sera diagonal
y como m vara entre j y j con incrementos de 1 tendremos que seran matrices 2 2. La
base ortogonal de autovectores sera
_
1
2
,
1
2
_
,
1
2
,
1
2
_ _
_
_
1
2
,
1
2
J
z
1
2
,
1
2
_
1
2
,
1
2
J
z
1
2
,
1
2
_
1
2
,
1
2
J
z
1
2
,
1
2
_
1
2
,
1
2
J
z
1
2
,
1
2
_
_
_

2
_
_
1 0
0 1
_
_
_
_
1
2
,
1
2
J
2
1
2
,
1
2
_
1
2
,
1
2
J
2
1
2
,
1
2
_
1
2
,
1
2
J
2
1
2
,
1
2
_
1
2
,
1
2
J
2
1
2
,
1
2
_
_
_
3
4
2
_
_
1 0
0 1
_
_
La representacion matricial para J
, J
+
obviamente no sera diagonal
_
_
1
2
,
1
2
J
+
1
2
,
1
2
_
1
2
,
1
2
J
+
1
2
,
1
2
_
1
2
,
1
2
J
+
1
2
,
1
2
_
1
2
,
1
2
J
+
1
2
,
1
2
_
_
_

_
_
0 1
0 0
_
_
_
_
1
2
,
1
2
1
2
,
1
2
_
1
2
,
1
2
1
2
,
1
2
_
1
2
,
1
2
1
2
,
1
2
_
1
2
,
1
2
1
2
,
1
2
_
_
_

_
_
0 0
1 0
_
_
2) Encuentre los autovalores y autovalores para J
z
, J
, J
+
, J
2
.
Solucion: Otra vez,
_
1
2
,
1
2
_
,
1
2
,
1
2
_ _
son autovectores de J
2
y J
z
. En el caso de J
2
con
un autovalor de
3
4
2
para ambos autovectores y en el caso de J
z
los autovalores seran
2
respectivamente. Para J
, J
+
no tendran autovalor distinto de cero en esta base.
7. Como una herencia del formalismo Hamiltoniano de Mecanica Clasica, uno construye en Mecanica
Cuantica el Operador Hamiltoniano, hermtico, para un sistema unidimensional como
H =
P
2
2m
+V(X)
donde H, P y X son operadores, y V(X) un operador que es una funcion de otro operador. Adicional-
mente, uno puede construir el siguiente operador [X, P] = i1.
a) Determine los siguientes conmutadores [H, P], [H, X] y [H, XP]
Solucion: En general tenemos que
si [A, [A, B]] = [B, [A, B]] = 0 =[A, F(B)] = [A, B]
dF(B)
dB
donde F(B) es una funcion decente del operador B. Como, afortunadamente, para nuestro caso
[X, P] = XP PX = i1 XP = i1 +PX
entonces
[X, [X, P]] = i [X, 1] = [P, [X, P]] = i [P, 1] = 0
_
_
_
[P, V(X)] = [P, X]
dV(X)
dX
= i
dV(X)
dX
[X, V(X)] = 0
Los conmutadores que debemos calcular se convierten en:
1)
[H, P] =
__
P
2
2m
+V(X)
_
, P
_
=
_
P
2
2m
, P
_
+ [V(X), P] = [P, V(X)] = i
dV(X)
dX
2)
[H, X] =
__
P
2
2m
+V(X)
_
, X
_
=
_
P
2
2m
, X
_
+ [V(X), X]
como [V(X), X] = 0
[H, X] =
_
P
2
2m
, X
_
=
1
2m
(PPX XPP) =
1
2m
(PPX (i1 +PX) P) =
1
2m
(PPX iP P(XP)) =
[H, X] =
1
2m
(PPX iP P(i1 +PX)) =
iP
m
Otra forma mas ingeniosa (e inmediata) es si notamos que
[H, X] =
1
2m
[PP, X] =
1
2m
([P, X] P +P[P, X]) =
iP
m
3)
[H, XP] =
__
P
2
2m
+V(X)
_
, XP
_
=
_
P
2
2m
, XP
_
+ [V(X), XP]
con lo cual, esta vez tendremos dos terminos que contribuiran. El primero de los terminos es
_
P
2
2m
, XP
_
=
1
2m
_
P
2
XP XPP
2
_
=
1
2m
_
P
2
XP (i1 +PX) P
2
_

_
P
2
2m
, XP
_
=
1
2m
_
P
2
XP iP
2
P(i1 +PX) P
_
=
iP
2
m
y el segundo, como [V(X), X] = 0 contribuira con
[V(X), XP] = V(X)XP XPV(X) = XV(X)P XPV(X) = X[V(X), P] = iX
dV(X)
dX
Otra vez, invocando el ingenio tenemos
[H, XP] = [H, X]P +X[H, P] =
_
iP
m
_
P +X
_
i
dV(X)
dX
_
=
iP
2
m
+ iX
dV(X)
dX
b) Suponga que H[
n
>= E
n
[
n
> y entonces encuentre la representacion matricial del siguiente
operador <
m
[[A, H][
n
> en funcion de la representacion matricial de un operador arbitrario
A.
Solucion: La representacion matricial
<
m
[[A, H][
n
>=<
m
[ (AHHA) [
n
>=<
m
[AH[
n
> <
m
[HA[
n
>= (E
n
E
m
) <
m
[A[
n
>
8. Dada la siguiente representacion matricial de un operador en la base canonica
< e
i
[M[e
j
>=
_
2 i
2
i
2 3
_
[e
1
>=
_
1
0
_
[e
2
>=
_
0
1
_
a) Encuentre los autovectores [
1
>, [
2
> para ese operador en la base canonica
Solucion: Los autovalores para este operador son
1
= 1 y
2
= 4, y los autovectores son:
[
1
>=
_
i
2
1
_
[
2
>=
_
i
2
1
_
<
1
[ =
_
i
2, 1
_
<
2
[ =
_
2
, 1
_
b) Encuentre las representaciones matriciales de los operadores proyeccion sobre los auto espacios,
P
|1>
= [
1
><
1
[ y P
|2>
= [
2
><
2
[ , en esa misma base canonica
Solucion:
< e
i
[P
|1>
[e
j
>=
_
_
< e
1
[
1
><
1
[e
1
> < e
1
[
1
><
1
[e
2
>
< e
2
[
1
><
1
[e
1
> < e
2
[
1
><
1
[e
2
>
_
_
=
_
2 i
2
i
2 1
_
de igual forma
< e
i
[P
|2>
[e
j
>=
_
_
< e
1
[
2
><
2
[e
1
> < e
1
[
2
><
2
[e
2
>
< e
2
[
2
><
2
[e
1
> < e
2
[
2
><
2
[e
2
>
_
_
=
_
1
2
i
2
1
_
c) Encuentre las representaciones matriciales de los operadores proyeccion sobre un autoespacio
ortogonal a otro U
2
1
= [
1
><
2
[ y U
1
2
= [
2
><
1
[ en esa misma base
Solucion:
< e
i
[U
2
1
[e
j
>=
_
_
< e
1
[
1
><
2
[e
1
> < e
1
[
1
><
2
[e
2
>
< e
2
[
1
><
2
[e
1
> < e
2
[
1
><
2
[e
2
>
_
_
=
_
1 i
2
i
2
1
_
y ahora, dado que
_
U
2
1
_
= U
1
2
, es inmediato
< e
i
[U
1
2
[e
j
>=
_
1
i
2
i
2 1
_
9. Muestre que, dada la representacion matricial de un operador generico M en la base [e
1
>, [e
2
> con
autovalores [
1
>, [
2
>
a) El polinomio caracterstico se puede expresar como P
=
2
Traza(M) + det(M)
Solucion:
< e
i
[M[e
j
>=
_
M
1
1
M
1
2
M
2
1
M
2
2
_
det
_
M
1
1
M
1
2
M
2
1
M
2
2

_
=
2
_
M
1
1
+ M
2
2
_
+M
1
1
M
2
2
M
1
2
M
2
1
b) Que puede decir para un operador generico M en la base canonica [1 >, [2 >, [3 >
Solucion:
< e
i
[M[e
j
>=
_
_
M
1
1
M
1
2
M
1
3
M
2
1
M
2
2
M
2
3
M
3
1
M
3
2
M
3
3
_
_
P
= det
_
_
M
1
1
M
1
2
M
1
3
M
2
1
M
2
2
M
2
3
M
3
1
M
3
2
M
3
3

_
_

P
=
3
+
_
M
1
1
+ M
2
2
+ M
3
3
_
2
+
_
M
1
2
M
2
1
M
1
1
M
3
3
+ M
3
1
M
1
3
M
2
2
M
3
3
M
1
1
M
2
2
+ M
2
3
M
3
2
_
+M
1
1
_
M
2
2
M
3
3
M
2
3
M
3
2
_
+ M
3
1
_
M
1
2M
2
3
M
1
3
M
2
2
_
+ M
2
1
_
M
1
3
M
3
2
M
1
2
M
3
3
_
Para el caso de 3D sucede lo mismo solo que la traza es coeciente para una potencia mas
elevada. La traza sera el coeciente de
2
y el determinante sigue siedo el coeciente para el
termino independiente del polinomio caracterstico.
10. Dadas las siguientes ecuaciones
A[f
n
>=
n
[g
n
> y A
T
[g
n
>=
n
[f
n
>
con A
T
la traspuesta A
a) Entonces los [f
n
> seran autovectores del operador B = A
T
A con autovalores (n)
2
y los [g
n
>
de C = AA
T
los mismos con autovalores (n)
2
Solucion:
A[f
n
> A
_
1
n
A
T
[g
n
>
_
=
n
[g
n
> AA
T
[g
n
>=
2
n
[g
n
>
con los cual [g
n
> son autovectores de C = AA
T
.
Equivalentemente,
A
T
[g
n
> A
T
_
1
n
A[f
n
>
_
=
n
[f
n
> A
T
A[f
n
>=
2
n
[f
n
>
y ahora los [f
n
> son autovectores de B = A
T
A.
b) Los [f
n
> son ortogonales entre si
Solucion: Si los [f
n
> son autovectores de B = A
T
A, entonces
B[f
n
> A
T
A[f
n
>=
2
n
[f
n
> < f
m
[A
T
A[f
n
>=
2
n
< f
m
[f
n
>
pero tambien
< f
m
[B
T
< f
m
[A
T
A =
2
m
< f
m
[ < f
m
[A
T
A[f
n
>=
2
m
< f
m
[f
n
>
con lo cual
< f
m
[A
T
A[f
n
> < f
m
[A
T
A[f
n
>= 0
_
2
n
2
m
_
< f
m
[f
n
>= 0
entonces si n ,= m necesariamente < f
m
[f
n
>= 0 y los [f
n
> son ortogonales entre si
4.11. Algunos ejercicios propuestos
1. Las matrices
x
,
y
,
z
se conocen con el nombre de matrices de Pauli :
x
=
_
0 1
1 0
_
;
y
=
_
0 i
i 0
_
;
z
=
_
1 0
0 1
_
; I =
_
1 0
0 1
_
a) Muestre si las matrices de Pauli
x
,
y
,
z
, conjuntamente con la matriz identidad, 1 forman un
grupo respecto a la siguiente operacion
j

k

j
k
= i
jkm
m
+
jk
1 con j, k, m = x, y, z
jkm
el smbolo de Levi Civita y i =
1
b) Muestre si las matrices de Pauli
x
,
y
,
z
, conjuntamente con la matriz identidad, 1 son lineal-
mente independientes.
c) Las matrices de Pauli forman base para un espacio vectorial de matrices complejas 2x2 ? por
que ? Si forman base exprese la matriz
_
3 i
5 1
_
en terminos de esa base
d) Derive la expresion general para [
j
,
k
]
e) Suponga ahora que
z
act ua
z
[+ = [+ ,
z
[ = [
con
[+
_
1
0
_
, [
_
0
1
_
encuentre la expresion para los autovalores y autovectores de las otras matrices de Pauli
x
[+
x
=
+x
[+
x
,
x
[
x
=
x
[
x
y
[+
y
=
+y
[+
y
,
y
[
y
=
y
[
y
f ) Muestre que cualquier representacion matricial de un operador generico M puede ser expresado
como combinacion lineal de las matrices de Pauli.
g) El polinomio caracterstico para ese operador generico M se puede expresar como
P
=
2
Traza(M) + det(M)
. Donde los son sus autovalores
h) Considere el siguiente operador vectorial =
x
+
y
+
z

k y el vector direccion
n = sen cos +sen sen +cos

k = n
x
+n
y
+n
z

k, con lo cual n = n
x
x
+n
y
y
+n
z
z
A partir de todo lo anterior evalue la representacion matricial del siguiente operador en la base
canonica
exp
_
i
2
n
_
2. Dado un operador Hermtico A y uno unitario U, pruebe las siguientes armaciones
a)

A = U
1
AU es tambien un operador Hermtico
b) Si A es antihermtico entonces

A = iA
c) La composicion de dos operadores, A y B Hermticos sera Hermtica si y solo si A y B conmuntan.
d) Si S es un operador real y antisimetrico, pruebe que A = (I S) (I S)
1
es un operador ortogo-
nal
8
e) Si
A =
_
cos sen
sen cos
_
Encuentre la expresion para S
3. Dada la representacion matricial de un operador
_
_
1 1 3
1 1 3
3 3 3
_
_
a) Encuentre la representacion diagonal y la base que diagonaliza esta matrz
b) Muestre que la traza y el determinante de ambas representaciones matriciales coinciden
c) Encuentre la matriz de transformacion a la representacion diagonal
4. Dada una matriz hermtica
H =
_
10 3i
3i 0
_
construya la matriz unitaria U, tal que U
HU = L donde L es una matriz real y diagonal.

5. Un operador, C, lineal NO es hermtico. Muestre que
_
C +C
_
y i
_
C +C
_
, con i =
1, si lo son.
Esto implica que siempre podremos separar un operador lineal como
C =
1
2
_
C +C
_
+
1
2i
i
_
C +C
_
6. Suponga que un operador L puede ser escrito como la composicion de otros dos operadores L = L
L
+
con [L
, L
+
] = I. Demostrar que
Si L[x >= [x > y [y >= L
+
[x > entonces L[y >= ( + 1)[y >
y, del mismo modo, demuestre que
Si L[x >= [x > y [yz >= L
[x > entonces L[z >= ( 1)[z >

Por ello es costumbre denominar a L
+
y L
los operadores de subidas y de bajada respectivamente,

ya que ellos construyen otros vectores con autovalores mayores (menores) en una unidad al vector
operado
8
Esto es A
T
= A
1
con A
T
el traspuesto de A
7. En Mecanica Cuantica, el problema del oscilador armonico simple puede ser representado por un
problema de autovalores
L[ >= [ > < x[L[ >= < x[ >L(x) = (x) donde L
d
2
dx
2
+
x
2
4
+
1
2
Si construimos un par de operadores
L
+
=
x
2
+
d
dx
y L
=
x
2

d
dx
utilice los resultados del problema anterior y construya las nuevas autofunciones de L con sus autova-
lores
8. Construimos un sistema con tres partculas rgidamente unidas, colocadas en tres puntos distintos de
la siguiente forma
m
1
= 1
_
_
1
1
2
_
_
m
2
= 2
_
_
1
1
0
_
_
y m
3
= 1
_
_
1
1
2
_
_
a) Encuentre la matriz del tensor de inercia
b) Diagonalice esa matriz y encuentre los ejes principales de inercia
9. Pruebe que la representacion matricial, 2 2 mas general para un operador unitario y simetrico (vale
decir: SS
= I y S
T
= S) puede ser escrita como
S =
_
e
2i
i
1
2
e
i(+)
i
1
2
e
i(+)
e
2i
_
con , y parametros reales y, adicionalmente 0 1
10. Considere matrices ortogonales, reales 3 3 (esto es: M
T
M = I) las cuales, adicionalmente cumplen
con: det M= 1
a) cuantos parametros reales son necesarios para caracterizar unvocamente a este tipo de matrices?
b) este tipo de matrices forman grupo baja la multiplicacion de matrces?
c) Si ahora considera la matrices ortogonales reales con det M= 1 este tipo de matrices formaran
grupo bajo la multiplicacion? Justique su respuesta.
11. Considere las siguiente representaci on matriciales para dos operadores
< u
i
[A[u
j
>= A
i
j
=
_
1
1
_
y < u
m
[B[u
n
>= B
m
n
=
_
1 1
2
1
_
a) Muestre como actuan A y B sobre un vector generico [ > expandido en esa base [u
1
>, [u
2
>
(vale decir [ >= [u
1
> +[u
2
>)
b) Muestre que los autovalores de A son degenerados para = 0 y que sus autovectores son ortogo-
nales para ,= 0 e incluso para 0
c) Muestre que tambien B tiene autovalores degenerados para = 0 y encuentre la expresion (en
funcion de 0 1) para el coseno del angulo entre dos autovectores.
12. Dada la siguiente representacion matricial de un operador en la base canonica
M=
_
2 i
2
i
2 3
_
[1 >=
_
1
0
_
[2 >=
_
0
1
_
a) Encuentre los autovectores [
1
>, [
2
> para ese operador en la base canonica
b) Encuentre las representaciones matriciales de los operadores proyeccion sobre los auto espacios,
P
|i>
= [
i
><
i
[, en esa misma base canonica
c) Encuentre las representaciones matriciales de los operadores proyeccion sobre los complementos
ortogonales de los autoespacios U
n
m
= [
m
><
n
[ en esa misma base y con ella calcule M = M
i
j
U
j
i
Bibliografa
[1] Apostol, T. M. (1972) Calculus Vol 2 (Reverte Madrid) QA300 A66C3 1972
[2] Arfken, G. B.,Weber, H., Weber, H.J. (2000) Mathematical Methods for Physicists 5ta Edicion
(Academic Press, Nueva York)
[3] Borisenko, A.I, y Tarapov I.E. (1968) Vector and Tensor Analisys (Dover Publications Inc, Nueva
York)
[4] Dennery, P. y Krzywicki, A. (1995) Mathematics for Physicists (Dover Publications Inc, Nueva York)
[5] Gelfand, I.M. (1961) Lectures on Linear .Algebra (John Wiley & Sons Interscience, Nueva York).
[6] Lovelock, D, y Rund, H. (1975) Tensors, Dierential Forms & Variational Principles (John Wiley
Interscience, Nueva York).
[7] Santalo, L.A (1969) Vectores y Tensores (Editorial Universitaria, Buenos Aires)
[8] Schutz, B. (1980) Geometrical Methods in Mathematical Physics (Cambridge University Press,
Londres)
210

Matrices, Determinantes y Autovectores para Físicos

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Matrices, Determinantes y Autovectores para Físicos

Transféré par

Droits d'auteur :

Formats disponibles

Captulo 4

= D[y D[y (x)]

Hernandez & N u nez Universidad Industrial de Santander 144

La composicion de funciones cumple con las siguientes propiedades

, con un vector ket [v del espacio

Por lo tanto A[e

es decir sera biyectiva si A transforma vectores distintos de V

asociado a traves de A con un vector [v V

. Es decir cada vector [v

esta asociado con uno y solo un vector [v a traves de la

Hernandez & N u nez Universidad Industrial de Santander 151

le correspondera un bra transformado v

ahora bien,si A es lineal, A

tambien lo sera. Dado que a un vector [w =

Es claro que de la denicion de producto interno en la notacion de Dirac, se desprende

Esta ultima propiedad es facilmente demostrable y es educativa su demostracion. Dado [v

La conclusiones a las que llegamos son

Hernandez & N u nez Universidad Industrial de Santander 152

Claramente los proyectores son autoadjuntos por construccion

con i = 1, 2, .., n y = 1, 2, .., m

queda claro que A

la representacion matricial es diagonal

con i = 1, 2, .., n y = 1, 2, .., m

pero mas interesante es

4.2.6. Inversa de una matriz

4.2.7. Cambio de Bases para vectores

4.3. Traza de Operadores

Otras propiedades de la derivacion de operadores se demuestran a partir de la expansion en series de los

= 0. Con lo cual, solo para el caso en el cual [A, B] = 0

4.4.6. Matriz Adjunta

Hemos generalizado el ndice de Levi Civita de tal forma que

2. Si dos las o dos columnas son identicas el determinante se anula

,por toda la matriz

adicionalmente un autovector correspondiente al autovalor puede ser expresado como

= [ [ es 0 y 1,el primer de los cuales es innitamente degenerado y el segundo es simple. Esto

: Los autovectores del operador diferenciacion

ahora bien, cada uno de los vectores base [e

que es exactamente la representaci on matricial de

Teorema Suponga un operador Hermtico A = A

tiene por autovalores

= 0 tendra una raz

= 0 tiene al menos una raz degenerada =

son matrices m m y (n m) (n m) , respectivamente. La matriz Q

act ua sobre el complemento ortogonal A. El polinomio caracterstico de A puede

donde hemos aplicado el operador U a la ecuacion U

Esto signica que U

U = 1. De un modo equivalente, se puede demostrar que UU

y ahora, aplicando el operador U a esta ecuacion, tenemos

Esto signica que esta demostrado que U es unitario: U

es la traspuesta conjugada de la matriz que representa al operador A. En el caso de operadores unitarios.

A partir de esta denicion es facil concluir que

Por lo tanto la ecuacion

corresponde a la denicion de la transformacion de un operador A

. Es facil identicar las propiedades de estos operadores transformados.

, es Hermtico tambien lo sera

Del mismo modo

mediante el operador unitario U. Entonces

donde el ndice indica el grado de degeneracion del autovalor a

comunes a A y B constituyen una base ortonormal para V

y dado que los elementos de matriz

y vale para cualquier elemento N

a) Encuentre la representacion matricial en la base [u

(A + iB) (A + iB) (A iB) = (A iB) (A + iB)