Vous êtes sur la page 1sur 93

Fundamentos Filosóficos da Física

Quântica
Preliminares Matemáticos
Texto em elaboração

(para uso exclusivo em sala de aula)

Departamento de Filosofia

Universidade Federal de Santa Catarina

September 16, 2009

i

c Grupo de Lógica e Fundamentos da Ciência – UFSC/CNPq

ii

. . . . . . .1 Ortogonalidade . . . . . . . . . . . .1. .Conteúdo 1 A base lógica e matemática 5 1. . . . .1 Coeficientes de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3. . . . 15 2. . . . . . . . . . . . . . . 21 2.1 A condição de normalização na teoria quântica . . . . . . . .2 Matriz de mudança de base . . . . . . . . . . . . . . . . . . . . . . .2 Relações . . . . . . 19 2. . . . . . . . . . . . . 53 iii . . . . . . . . . . . . . . . . . . . 18 2. . . 46 5 Operadores Lineares 49 5.2 Sub-espaços vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Produto de operadores .2 Digressão: a ciência da estrutura . . . 13 2 Noções de álgebra 15 2. . .0. . . . . . . . . . . . . . . . . . . . . . . . 20 2. . . . . . . . . . . . . 24 2. . . . . . . . .1 Grupos de permutação . . . . . . . . . . . . . . . . . . . . . . . . . 22 2. . . . . 37 4 Produtos Internos 39 4. . . . . . . . . . 50 5.4 Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Leis de composição e elementos notáveis . . . . . . . .5 Corpos . . . . . . . . . . . . .1 Representação matricial . . . . . . . . . . . . 43 4. . . . . . . . . .3 Dedução em ZFC . . . . . . . .3. . . . . . . . 53 5. . . . . . .1 Os postulados da lógica elementar clássica . . . . . . . . . . . . . . . . . . . .1 Combinações lineares. . . . . . . . . . .2 Os postulados de ZFC . . . . . . . . . . . . . . . . . . . . . 45 4. . . . . . . . . . . .1 Ordem de uma estrutura . . . . base . . . . . . . .3 Estruturas matemáticas . . . .4. . . . . . . 6 1. . .3 Espaço gerado. . . . . . . . . 34 3. . .3. . . . . 25 3 Espaços Vetoriais 27 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Espaços vetoriais isomorfos . 7 1. . . . . . . . . . . . superposições . . .

. . . 54 5. . .3 O valor esperado da medida de um observável . . . . . . . . . . . .1 Derivadas . . . 84 12 Apêndice C Noções sobre cálculo integral 85 13 Apêndice D Noções sobre equações diferenciais 87 .4 Funcionais Lineares . . . . . . . . . . . . . . . .3 Limites de funções e de sequências . . . . . . . . . . . . . . .1 Um pouco de história . . 55 5. . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . .0. . . . . . .0.CONTEÚDO 1 5. . . . . .2 Funções . . . . . somas diretas e projeções 65 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 8 Somas. . . 79 11. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 A função traço . . . . . 59 6. . . . . . . . .1 O comutador .3. . . . 59 7 Matrizes e operadores ortogonais e unitários 61 7. . . .1 Diagonalização . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 8. . . . .1 Operadores de evolução e hamiltoniano . . . . . . . . . .1 Resolução da identidade . . . . . . . . . 79 11. . . . . 67 8. . . . . . . . . . . . . . . . . . . . 69 9 Produto tensorial 71 10 Apêndice A Matrizes e operações com matrizes 73 11 Apêndice B Noções de cálculo diferencial 79 11. . . . . . . . . . . . . . . . . . . diagonalização 57 6. . . . . 55 6 Autovetores e autovalores. . .3. .1 O papel dos autovetores e dos autovalores na mecânica quântica . . . . . 83 11. . . . . . . . . . . . . . . .2 O espaço dos operadores .

2 CONTEÚDO .

Prefácio Este texto destina-se a estudantes de filosofia. e procuraremos deixar o texto mais autosuficiente possível. Teremos de- pois que justificar porque. Aqueles alunos que não têm familiaridade com matrizes devem recorrer ao Apêndice A sempre que necessário. na verdade. vá- rias definições são necessárias. matemática ou física que tenham interesse por questões filosóficas relacionadas à física quântica. falaremos de ‘teoria quântica’ ou de ‘mecânica quântica’ simplesmente. procuraremos ir o mais rapidamente possível para esse con- ceito. Como a estrutura matemática que nos interessa é a de espaço de Hilbert. Questões atinentes à lógica e à base matemática dessa teoria (uma teoria de conjuntos) serão comentadas sem muita delonga no Capítulo 1. Isso significa que todos os conceitos que supusermos podem (exceto em caso explicitado) ser descritos em tal teoria. de um conglomerado de teorias). Para entendermos bem o que isso significa. como é habitual. nesta primeira parte daremos atenção ao formalismo matemático unicamente. o que se inicia a fazer no Capítulo 2. chegará àquele conceito sem dificuldade—pelo menos é isso o que se espera. deixando a discussão filosófica para um segundo volume. Por ‘formalismo’ entenderemos aqui o que usualmente é assim denominado nos livros de física. A despeito disso. O leitor que tiver a paciência de seguir todas as definições e teoremas. um espaço de Hilbert é um espaço vetorial com produto interno que é completo relativamente à norma induzida por esse produto interno. salientamos que estaremos operando em uma teoria de con- juntos. pode-se erigir diferentes ‘teorias quânticas’ com base nessa estrutura. Resumidamente. a formulação da teoria quântica em uma parte da Análise Matemática denominada de teoria dos espaços de Hilbert. Como essas dis- cussões têm sentido preciso unicamente à luz do formalismo matemático dessa teoria (na verdade. que pode ser o sistema ZFC (Zermelo-Fraenkel com o Axioma da Esco- lha). 3 . A bem do rigor. ainda que várias indicações sobre os vínculos do for- malismo com a física sejam apontados no decorrer do texto. a saber.

4 CONTEÚDO

Capítulo 1

A base lógica e matemática

A teoria matemática na qual trabalharemos, e na qual todos os conceitos neces-
sários podem ser desenvolvidos, é denominada de teoria de conjuntos Zermelo-
Fraenkel de primeira ordem, ou simplesmente ZFC. O ‘C’ refere-se ao Axioma
da Escolha, que assumiremos aqui sem comentários detalhados.
A linguagem de ZFC, denotada LZFC , é constituída pelos seguintes símbolos
primitivos:

1. Uma coleção enumerável de variáveis individuais, que denotaremos por
x, y, z, . . . possivelmente com índices. Mais à frente, usaremos outros sím-
bolos para denotar elementos específicos (números, vetores, etc.).

2. Os símbolos lógicos usuais, a saber: conectivos proposicionais ∧, ∨, →, ¬,
↔ (podemos escolher qualquer conjunto adequado de conectivos, como ¬
e → por exemplo),1 quantificadores ∀, ∃ (um deles podendo ser definido a
partir do outro), o símbolo de igualdade, ‘=’.

3. Símbolos de pontuação: parênteses e vírgula.

4. O símbolo de pertinência, ∈, entendido como um símbolo de predicado bi-
nário.

As fórmulas de LZFC são definidas por recursão, da seguinte forma: as fór-
mulas atômicas são expressões da forma x = y e x ∈ y, para x e y variáveis
individuais. Se A e B são fórmulas e se x é uma variável individual, então as ex-
pressões da forma ¬A e A → B são fórmulas; a partir dessas, podemos definir,
1
Sobre conjuntos adequados de conectivos, consultar [Mendelson 1997].

5

6 CAPÍTULO 1. A BASE LÓGICA E MATEMÁTICA

como usual, A ∧ B, A ∨ B e A ↔ B como abaixo. Finalmente, ∀xA é uma fórmula,
e as únicas fórmulas são as obtidas por uma dessas cláusulas.
Admitindo que o leitor tem alguma familiaridade com o uso de parênteses,
temos:

1. A ∧ B =def ¬(A → ¬B)

2. A ∨ B =def ¬A → B

3. A ↔ B =def (A → B) ∧ (B → A)

4. ∃xA =def ¬∀x¬A

5. x < y =def ¬(x ∈ y)

6. x , y =def ¬(x = y)

7. ∃P xA =def ∃x(P(x) ∧ A) (quantificador existencial restrito)

8. ∀P xA =def ∀x(P(x) → A) (quantificador universal restrito)

Os postulados de ZFC podem ser divididos em dois grupos, os da lógica clás-
sica de primeira ordem, ou lógica elementar clássica, e os de ZFC propriamente
ditos, que balizam o predicado ∈. ZFC pode também ser formalizada usando-se
uma lógica de ordem superior em vez da de primeira ordem, mas aqui seguiremos
o procedimento que se tornou mais comum e que é o mais usado pelos filósofos,
quando eles se referem a isso.

1.1 Os postulados da lógica elementar clássica
Tendo em vista as convenções linguísiticas e definições vistas acima, são os se-
guintes os postulados (axiomas, esquemas de axiomas e regras de inferência) da
lógica elementar clássica, sendo A, B e C fórmulas quaisquer e x uma variável
individual:

1. A → (B → A)

2. (A → (B → C)) → ((A → B) → (A → C))

3. (¬A → ¬B) → ((¬A → B) → A) (Redução ao Absurdo)

Observe que a re- cíproca do teorema. vem o resultado.2 Os postulados de ZFC Os postulados específicos de ZFC serão vistos nesta seção. Daí. pondo y no lugar do segundo x para obter α(y). dito con- junto vazio: ∃x∀y(¬y ∈ x) (1.2) Chamemos por um momento de A o conjunto postulado por este axioma. . Daremos uma expli- cação intuitiva de cada um deles e depois a sua descrição simbólica. OS POSTULADOS DE ZFC 7 4. Vê- se então que.2) [Conjunto Vazio] Existe um conjunto que não tem elementos. que esta se torna ∀z(z ∈ x ↔ z ∈ y). ∀x(A → B(x)) → (A → ∀xB(x)) 7. ∀xA(x) → A(y). A.1) Ou seja. um conjunto é ‘determinado’ pelos seus elementos. então x e y são o mesmo conjunto: ∀x∀y(∀z(z ∈ x ↔ z ∈ y) → x = y) (1. sabendo que as restrições mencionadas são satisfeitas. ∀x∀y(x = y → (A(x) → A(y)) (Substitutividade da Identidade) Os detalhes sobre esse (e outros equivalentes) sistema podem ser vistos em [Mendelson 1997]. A/∀xA (Generalização) 8. qual seja.2. ∀x(x = x) (Reflexividade da Identidade. A → B/B (Modus Ponens) 5. ou seja.2 (ZFC. e de que de α → β e α → γ segue α → β ∧ γ. resulta. ou Princípio da Identidade) 9. aqui citado por curiosidade. (ZFC. 6. 1. se todos os elementos do conjunto x são elementos do conjunto y e reciprocamente. é conseqüência da substitutividade da igualdade vista na seção anterior. se A0 for também conjunto que satisfaça o axioma em apreço. resulta 2 Basta tomar α(x) como sendo ∀z(z ∈ x ↔ z ∈ x).1.1) [Extensionalidade] Quaisquer que sejam os conjuntos x e y. que conjuntos idênticos têm os mesmos elementos. lembrando que α → (> → β) equivale a α → β se > é uma tautologia. se x e y têm exatamente os mesmos elementos.

fornecem a caracterização do conceito de igualdade na teoria de conjuntos (e. x}. dito par (não ordenado) de x e y. boas ordens. do seguinte modo: hx1 . poderíamos ter usado hx. logo. tem-se que ∀x(x < ∅). tem-se que hx. portanto. x}. Com efeito. o símbolo ∅ para denotar este conjunto. y} = {y. xn i. . juntamente com os axiomas da igualdade da lógica elementar. xn−1 i. conseqüentemente. esta definição é devida ao matemático russo C. z. . isto é. n-upla ordenada.1 que A = A0 . É fácil provar (decorre do axioma da extensionalidade) que.8 CAPÍTULO 1. O axioma da extensionalidade. deve-se ter x = ∅.1. introduz-se facilmente os conceitos de relação (binária) e de função.4) Usando-se a definição acima de par ordenado. há um único conjunto vazio. como é usual. bijetiva.3) Este conjunto é denotado {x. Há outras maneiras de se definir o par ordenado de dois conjuntos. etc. pode-se introduzir os con- ceitos de tripla. o que contraria a hipótese de que x é distinto do conjunto vazio. Ademais. (ZFC. . . . nada indica que x e y não possam ser o mesmo conjunto. y}} para denotar o par ordenado de x e y (nesta ordem). . Observa-se ainda que ZFC. qualquer que seja a definição que se adote (a que usamos é a mais simples). por exemplo. sobrejetiva. Por outro lado. {x. wi see x = z ∧ y = w. vindo daí que o conjunto unitário de x é por definição o conjunto {x} =def {x. . para quaisquer x e y. Ou seja.1 impossibilita a existência de entidades que sejam destituídas de elementos (átomos) que sejam distintos do conjunto vazio. . Kuratowski. (1. A BASE LÓGICA E MATEMÁTICA de ZFC. No axioma acima. um objeto (distinto do conjunto vazio) que não tem elementos. y}. quíntupla. quádrupla. introduz-se então. e conseqüentemente o bicondicional z ∈ x ↔ z ∈ ∅ é verdadeiro. suponha que x é um átomo. à luz de ZFC. (algumas dessas definições serão mencionadas à frente). {{∅}. y}}. na matemática).3) [Axioma do Par] Dados x e y quaisquer. usando-se o conceito de par orde- nado. . pomos hx. de as rela- ções de ordem. . então z ∈ x e z ∈ ∅ são ambos falsos. yi =def {{x}. w. y. . o que se objetiva é que ela permita que se possa provar o seguinte resultado. yi =def {{∅. yi = hz. existe um conjunto que contém x e y como elementos e somente eles: ∀x∀y∃z∀t(t ∈ z ↔ t = x ∨ t = y) (1. {x. assim como definem-se os conceitos de função injetiva. . xn i =def hhx1 . x}. que expressa a propriedade fundamental dos pares ordenados: para quaisquer x.

se atri- buímos uma interpretação para as variáveis livres de uma fórmula. conjunto potência ou conjunto dos subconjuntos do referido conjunto. Uma sentença é uma asserção acerca de determinados conjuntos (na verdade. se x ⊆ y ∧ x . dei- xemos x percorrer o conjunto dos números naturais. também denominado de Axi- oma dos Subconjuntos. 2. 3}) é falsa. Vem então o postulado seguinte (a palavra ‘esquema’ reflete o fato de que na realidade a expressão abaixo encerra uma infinidade de axiomas. pois tal asserção depende do que seja x. Uma fórmula de ZFC que não contém variáveis livres é dita ser uma sen- tença de ZFC. uma vez que não sabemos a quais conjuntos as variáveis livres estão se referindo. no entanto. não podemos asseverar nada acerca de sua verdade ou falsidade. uma propriedade nesse sentido é representada pela notação P(x). e escrevemos x ⊆ y. Em símbolos. F(x). Esse postulado foi introduzido por Zermelo. o que foi feito por Skolem (e por Fraenkel) alguns anos depois. ou outra letra conveniente. não podemos saber se x ∈ {1. y. um para cada fórmula F(x) que se considere): . que se pode provar ser único para cada x. e podemos indagar acerca de sua veracidade para aquela atribuição. como dito no capítulo anterior. Tal definição resulta essencialmente naquela de fórmula da linguagem de ZFC. OS POSTULADOS DE ZFC 9 Dizemos que x é subconjunto de y. O axioma seguinte assevera que podemos formar um conjunto tomando todos os subconjuntos de um conjunto dado. Por exemplo. a qual podemos (pelo menos em princípio) saber se é verdadeira ou falsa. Importante observar uma distinção fundamental entre ∈ e ⊆.4) [Conjunto Potência] ∀x∃y∀z(z ∈ y ↔ z ⊆ x) Este conjunto. Zermelo não havia caracterizado de modo preciso o significado de ‘proprietat definit’. pelo contrário. 2. O postulado seguinte é o Esquema da Separação. se todo elemento de x é também elemento de y. Diz-se que x é subconjunto próprio de y. No entanto. é denotado P(x). e escreve-se x ⊂ y. 3} é verdadeira ou falsa. acerca dos objetos do domínio. (ZFC. mas podemos seguramente afirmar que ∀x(x ∈ {1. que podem não ser ‘conjuntos’). Em geral. ela ganha um significado. como visto. então.2.1. Uma fórmula α que contenha uma só variável livre x é dita ser uma propriedade dos objetos que constituem o domínio de x. De uma fórmula que contenha variáveis livres. já que x ∈ P(y) ↔ x ⊆ y. falando intuitivamente. dito conjunto das partes. x ⊆ y =def ∀z(z ∈ x → z ∈ y).

Por exemplo. como aquela originada quando se toma F(x) para ser x < x (o que dá o Paradoxo de Russell).5) [Esquema da Separação] Seja F(x) uma fórmula de ZF (uma ‘pro- priedade’) na qual a variável y não figure livre. podemos obter um subconjunto de z tomando aqueles dentre os seus elementos que têm uma determinada propriedade. Observa-se que em ZFC não se pode considerar como lícitas quaisquer cole- ções. Como vimos. A BASE LÓGICA E MATEMÁTICA (ZFC. podemos obter o subconjunto dos números primos. uma vez obtido o conjunto dos números naturais. Intuitivamente. que obviamente é um subcon- junto de z (daí a denominação de Axioma dos Subconjuntos dada ao postulado). O Esquema da Separação evita que classes ‘muito grandes’. se tomarmos como lícita a existência arbitrária de tais classes. são axiomas cada uma das expressões obtidas do esquema seguinte. Observa-se então que o Esquema da Separação não atribui a toda e qualquer classe o status de conjunto. dado um conjunto z. depende dos axiomas que se adota. Este é o ‘princípio da limitação de tamanho’ de Zermelo. Há portanto o problema de se saber quais classes realmente representam conjuntos. que impõe que podemos admitir unicamente conjuntos de objetos que tenham uma certa propriedade. o esquema acima diz que. Insistindo um pouco: de maneira geral. Cole- ções da forma {x : F(x)} são chamadas de classes.5) O conjunto y é em geral escrito {x ∈ z : F(x)}. As demais maneiras de se obter os conjuntos de ZFC vêm dos demais axiomas. Alguns ‘conjuntos’ são obtidos. mediante F(x)’s distintas: ∀z∃y∀x(x ∈ y ↔ x ∈ z ∧ F(x)) (1. pelo Esquema da Separação. Então. formadas por objetos tais que não se possa . ‘separando-se’ dele um subconjunto de objetos que tenham alguma propriedade especificada. vamos chamar de classes às coleções de objetos que satisfazem uma condição F(x) dada. podemos incorrer em contra- dições. O postulado acima limita as classes que podem ser consideradas como conjuntos de ZFC. ‘separando’ aqueles naturais x primos por intermédio da propriedade (que pode ser escrita adequadamente por uma fórmula de ZFC) ‘x é um número primo’. como já discutimos no capítulo anterior. devido aos já conhecidos paradoxos. desde que tais objetos façam parte de algum conjunto já especificado pela teoria. como vimos insistindo. e que representávamos por {x : F(x)}. como na teoria intuitiva. que sejam caracterizadas por uma fórmula F(x).10 CAPÍTULO 1. expressa por uma fórmula F(x) de ZF. a resposta. a partir de um conjunto já dado. uma vez que não se formou ‘antes’ (no sentido do pará- grafo anterior) o conjunto de onde tais x deveriam ser ‘separados’ pelo axioma acima.

considere a fórmula α(s. ∅ ∧ t = b))).1. Ademais. sendo β(x) uma fórmula na qual z não ocorre livre. t. 4 Note que o conjunto vazio pode ser derivado usando-se o esquema da separação. . de sorte que o seu conseqüente torna-se ∀z∃w∀t(t ∈ w ↔ ∃s(s ∈ z ∧ s = t ∧ β(s))). que é obtido por intermédio do axioma do conjunto potência. a. t)) (1. y) seja verdadeira. Deste modo. A prova também é simples: façamos α(x. e sendo que w não ocorre em α. dados a e b. y).3 Nesta situação. b) definida por (s = ∅ ∧ t = a) ∨ (s . como é fácil verificar. tem-se que o Esquema da Substituição implica o Esquema da Se- paração. y) é uma condição x-funcional se. 3 O leitor deve lembrar que ∃!xα(x) (existe um único x tal que α) abrevia ∃xα(x) ∧ ∀x∀y(α(x) ∧ α(y) → y = x). e este por sua vez é implicado pelo esquema sa substituição. y) uma fórmula de ZFC na qual x e y são variáveis livres. um novo axioma. ou ‘de todos os conjuntos unitários’ não são conjuntos de ZFC. Apliquemos o esquema da substituição ao conjunto z = PP(∅). Isto se escreve assim: ∀x∃!yα(x. vai dizer que dado um conjunto qualquer z. de sorte que não há outros axiomas específicos envolvidos na prova deste teorema além dos dois referidos no seu enunciado. O antecedente do esquema da substituição é então verdadeiro. Pode-se provar facilmente que os axiomas do conjunto potência e da substi- tuição implicam o axioma do par. y) ser x = y ∧ β(x). para cada x. ∅ ∧ t = b). Seja α(x. Postulamos então que: (ZFC. como veremos na seqüência.2. OS POSTULADOS DE ZFC 11 especificar de qual conjunto tenham vindo.4 Vem então. w é o conjunto que tem unicamente a e b como elementos. y) → ∀z∃w∀t(t ∈ w ↔ ∃s(s ∈ z ∧ α(s. existe um único y tal que α(x. ou seja. que é s-funcional. s variáveis distintas entre si e distintas de todas as demais variáveis livres de α. a coleção das imagens dos s’s do conjunto z pela ‘função’ α é também um conjunto. denominado de Esquema da Susbstituição. para tal z: ∃w∀t(t ∈ w ↔ ∃s(s ∈ z ∧ ((s = ∅ ∧ t = a) ∨ (s . sendo y variável que não ocorre em α(x). w. Dizemos então que α(x. Em outras palavras.6) [Esquema da Substituição] ∀x∃!yα(x.6) sendo z. t. t) é verdadeira. não são lícitas em ZFC. Com efeito. existe um conjunto w cujos elementos são precisamente aqueles t’s para os quais existe s ∈ z tal que α(s. coleções como a ‘coleção de todos os grupos’.

isto é. Informalmente. Note que ‘separamos’. Na definição acima. Usando-a. de um conjunto previamente obtido (a saber. reside na sua uti- lidade para partes ‘mais avançadas’ da teoria dos conjuntos. o esquema da separação se afigura satisfatório. tal coleção é um conjunto. podemos agora obter a interseção de dois conjuntos x e y como sendo o conjunto x∩y =def {z ∈ x∪y : z ∈ x∧z ∈ y}. {x. S Munidos dos axiomas acima. x ∪ y). mas não pode ser derivado dos demais axiomas de ZFC. z. y. y. Para os propósitos mais elementares. o conjunto união de um certo conjunto de conjuntos. fizemos uso da notação que emprega ‘{ : }’ (dito abs- trator). o conjunto cujos elementos são todos os conjuntos que pertencem a pelo menos um dos elementos de x. existe S o conjunto união de x. z} ∪ {t}. A sua unicidade decorre do Axioma da Extensionalidade. (ZFC. podemos ca- . estamos agora em condições de provar a exis- tência de conjuntos com três. z} =def {x. dado um conjunto x. ao passo que {x. ∀x∃y∀z(z ∈ y ↔ ∃t(z ∈ t ∧ t ∈ x)) (1.12 CAPÍTULO 1. é conveniente usar-se uma notação particular para denotar o caso especial desse conjunto de conjuntos ter S apenas dois elementos. quatro.7) [Conjunto União] Este axioma afirma que. Esse fato parece óbvio do ponto de vista intuitivo. Em símbolos. S Apesar do símbolo estar sendo usado para denotar um certo conjunto. se t e u são os únicos elementos de x.7) S O conjunto união de x é denotado x. Em outros termos. A BASE LÓGICA E MATEMÁTICA e portanto o conjunto w é o conjunto cujos elementos são os elementos de t que são precisamente os s’s de z que satisfazem a propriedade β. que por sinal já havia sido empregada antes. no entanto. v}. etc. A importância do esquema da substituição. e assim por diante. que se denomina de união de t e u. Resulta que [ z∈ x ↔ ∃t(t ∈ x ∧ z ∈ t). denotado x. Assim. podemos descrever o ‘efeito’ do esquema da substituição di- zendo que a imagem de um conjunto por uma função (caracterizada pela condição x-funcional do enunciado do postulado) é também um conjunto. como na teoria dos ordinais. Com efeito. y. a coleção cujos elementos são aqueles conjuntos que pertencem simultaneamente a x e a y com a ‘propriedade’ P(z) definida por z ∈ x ∧ z ∈ y. t} =def {x. y} ∪ {z}. elementos. Pelo Esquema da Separação. Usando o Esquema da Separação. a união de dois conjuntos pode ser então definida (a existência e unicidade desse conjunto é garantida pelos axiomas precedentes): u ∪ v =def {u. então x é denotado por t ∪ u.

1.1. z) → (y . se existe uma sequência finita de fórmulas de LZFC . e . ∀x(∀y∀z((y ∈ x ∧ z ∈ x ∧ y . e também x =def {z : ∀t(t ∈ x → z ∈ t)}. as quais podem ser vistas nos livros usuais. . existe um elemento de x que não tem elementos em comum com x. B1 . tal que: (1) Bn é A. ∀x(x .8 [O Axioma da Regularidade] Dado um conjunto x.10 [Axioma da Escolha] Dado um conjunto x cujos elementos são tembém conjuntos não vazios e dois a dois disjuntos. ∅ → ∃y(y ∈ x ∧ x ∩ y = ∅)). DEDUÇÃO EM ZFC 13 T racterizar a união de x (assim como sua interseção x) dos seguinte modo: x =def {z : ∃t(t ∈ x ∧ z ∈ t)}. e (2) cada Bi . O último axioma é o mais polêmico deles.3. ou seja. dizemos que demonstramos A a partir das premissas ou hipóteses em Γ. existe um conjunto que contém como elementos exatemente um elemento de cada um desses conjuntos de x. Neste caso. B2 . . ∃x(∅ ∈ x ∧ ∀y(y ∈ x → y ∪ {y} ∈ x)). e representamos este fato por Γ ` A. ∅ ∧ y ∩ z = ∅)) → ∃y∀z(z ∈ x → ∃w(y ∩ z = {w}))). . Bn .9 [O Axioma do Infinito] Este axioma assegura a existência de um conjunto com infinitos elementos. ZFC.3 Dedução em ZFC A noção de dedução em ZFC é a seguinte. . 1 ≤ i ≤ n−1 é um axioma ou pertence a Γ. Isso signifa que o Axioma da Escolha não pode nem ser demonstrado a partir dos demais (supostos consistentes) e nem a sua negação pode ser demonstrada. Dizemos que uma fórmula A é dedu- tível de um conjunto Γ de fórmulas. ZFC. ou das fórmulas em Γ. ou é consequência de fórmulas precedentes da sequência por Modus Ponens ou Generalização. S T o que nos permite provar todas as propriedades conhecidas envolvendo esses con- ceitos. mas foi constatado ser independente dos demais em 1963. ZFC.

14 CAPÍTULO 1. . Uma tal demonstração. e identificada com demonstração. não apresentamos as demonstrações seguindo essa definição. derivado de seus postulados sem nenhuma hipótese adicional. mas meramente um argumento na linguagem natural. dizemos que A é um teorema formal de ZFC. a palavra ‘Teorema’ para estabelecer o resultado. como é comum em matemática. Assim. Na linguagem matemática usual. ainda que isso custasse muito e fosse impraticável (o que não nos exime de conhecer o que vem a ser uma demonstração do ponto de vista formal). que permite conduzir o leitor a ‘aceitar’ a demonstração como lícita. no entanto. pode ser reduzida ao esquema da definição prece- dente. Se Γ = ∅. a noção de verdade é intuitiva. suplementada por símbologia da linguagem de ZFC. Em ZFC. A BASE LÓGICA E MATEMÁTICA enunciamos isso usando. as ‘verdades’ de ZFC são os seus teoremas.

e assim por diante.Capítulo 2 Noções de álgebra Em tudo o que se segue. e a operação de composição de funções é uma operação binária sobre o conjunto F (R) das funções reais de variável real. Uma operação binária so- bre um conjunto A é por vezes denominada de lei de composição interna sobre A (‘interna’ porque o resultado da operação entre elementos de A permanece sendo um elemento de A). b ∈ A e c = a ∗ b. c). b) pela função ∗ é denotado a ∗ b. supomos que trabalhamos na teoria ZFC apresentada no capítulo precedente. com a. e ‘operando com eles’. a adição de ma- trizes de ordem m × n é uma operação binária sobre o conjunto das matrizes dessa ordem. no sentido de que todos os conjuntos supostos nas definições a seguir ‘existem’ por força dos axiomas dessa teoria.1. Uma opera- ção binária sobre A é uma função (ou aplicação) ∗ : A × A 7→ A. a adição de números reais é uma operação binária sobre o con- junto R dos números reais. ∗ é na verdade um conjunto de triplas ordenadas da forma (a. que podem ser introduzidas em ZFC. b. Por exemplo. Iniciaremos com algumas noções básicas de álgebra. A imagem do par (a. Isso é simplesmente um modo ‘matemático’ de dizer que estamos tomando dois elementos de A não necessariamente distintos. 15 .1 Leis de composição e elementos notáveis Definição 2.1 (Operação Binária) Seja A um conjunto não vazio. 2. ob- tendo assim um (eventualmente) terceiro elemento ainda em A. Assim.

Definição 2. a cada par ha. comutativa. um número real a + b. o mesmo se dando com a adição e a multiplicação de matrizes de mesma ordem. 3. Então e0 = e0 ∗ e00 = e00 . para todos a. de acordo com a definição. mas não comu- tativa. Exercício 2. temos que a ∗ (b ∗ c) = (a ∗ b) ∗ c.2 (a) Mostre que a adição e a multiplicação de números reais são associativas e comutativas. Definição 2. bi de números reais. NOÇÕES DE ÁLGEBRA Exercício 2. se ∗ é comutativa.1. Então: 1. (b) Mostre que a composição de funções é associativa.1. ela será distributiva relativamente a . Demonstração: Suponha que e0 e e00 sejam elementos neutros para ∗. Qual é o elemento neutro relativamente à adição de matrizes? Exercício 2. dito soma de a e b.1. b. sendo distributiva à esquerda (direita) rela- tivamente a . Evidentemente. b ∈ A. para todos a. ∗ é associativa se.16 CAPÍTULO 2.2 (Operações associativa.1 Procure caracterizar cada uma das operações indicadas no pa- rágrafo anterior como funções. e que a multiplicação é distributiva relativamente à adição.3 A multiplicação de reais admite elemento neutro? E a operação de multiplicação de matrizes de ordem n? . c ∈ A. temos que (a) a ∗ (b  c) = (a ∗ b)  (a ∗ c) (distributividade à direita) (b) (b  c) ∗ a = (b ∗ a)  (c ∗ a) (distributividade à esquerda). b. temos que a ∗ b = b ∗ a. e a função identi- dade o elemento neutro para a composição de funções.1. ∗ é distributiva relativamente a  se.3 (Elemento Neutro) Um elemento e ∈ A é um elemento neutro para ∗ se e ∗ a = a ∗ e = a para todo a ∈ A. Por exemplo. para todos a.1 Se ∗ admite elemento neutro. ele é único. Por exemplo a multiplicação de números reais é distributiva em relação à adição de reais. Por exemplo.1.1. ∗ é comutativa se. c ∈ A. distributiva) Sejam ∗ e  operações binárias sobre A. a adição de números reais é uma função de R × R em R que associa. Teorema 2. 0 é elemento neutro para a adição de reais. 2.

a admite elemento neutro. (Repare que se são inversos. Exercício 2. comutativas.1. definindo-as.1.4 (Elemento Inverso) Seja ∗ operação binária sobre A e a ∈ A que admita elemento neutro e. comutativa. Neste caso. Você pode dar exemplos? Qual a codição necessária e suficiente para que um elemento neutro lateral seja elemento neutro propriamente dito? Exercício 2. quando existe. admitem elemento neutro: (1) adição de vetores. Um elemento e a ∈ Aé elemento inverso de a se ea ∗ a = a ∗ea = e. Definição 2. se a ∗ a00 = e. (4) interseção de conjuntos.4 Seja ∗ a operação binária sobre R definida por x∗y = x+y 2 (média aritmética entre x e y). (5) composição de funções. (3) união de conjuntos. Um elemento a0 ∈ A é dito ser elemento inverso à esquerda de a relativamente a ∗ se a0 ∗ a = e.2 Se ∗ é uma operação associativa. (2) produto vetorial de vetores. Teorema 2. que você deve procurar detalhar. contrariamente ao que ocorre com o elemento neutro.2. verificando quais são associativsa. Observação 2 Fato semelhante ao indicado na Observação (1) aplica-se no caso do elemento inverso. Você pode dar os detalhes? . o elemento inverso é particular a cada elemento consi- derado: cada um tem o seu inverso (no caso de existirem). costuma-se representar o inverso de a. o são tanto à direita quanto à esquerda. Verifique se ∗ é associativa. Demonstração: Suponha que a0 e a00 sejam inversos de a. e neste caso via de regra não será único.5 Operações binárias importantes são as seguintes. então cada elemento admite não mais do que um inverso.1. que é um determinado elemento que. por a−1 Dito de forma bem coloquial. LEIS DE COMPOSIÇÃO E ELEMENTOS NOTÁVEIS 17 Observação 1 Ainda que não insistamos neste ponto aqui. (6) adição de matrizes. diz-se que a é inversível.) Então temos: a0 = a0 ∗ e = a0 ∗ (a ∗ a00 ) = (a0 ∗ a) ∗ a00 = e ∗ a00 = a00 .1. composto com qualquer outro dá como resultado esse outro. Independentemente da natureza da operação ∗.1. Um elemento a00 ∈ A é dito elemento inverso à direita de a relativamente a ∗. é conveniente ter-se em mente que uma operação binária pode ter unicamente elemento neutro em um dos lados.

. Assim.A = [k. Por exemplo.1 Seja B o conjunto dos vetores do plano e A = R. 2.ai j ].1. será útil escrever às vezes αk em vez de kα. motivo pelo qual não mais insistiremos nessas dis- tinções. Exemplo 2. escrevemos a ≤ b.→ B. é uma lei de composição externa sobre o referido conjunto de matrizes. Uma lei de composição externa à esquerda sobre B é uma aplicação δ : A × B . Então a opera- ção de multiplicação de um vetor (à esquerda) por um número real é uma lei de composição externa (à esquerda) sobre B.18 CAPÍTULO 2. representada por ≤. Exemplo 2. para cada matriz A e cada número real k. Analogamente podemos considerar a operação à direita. Uma lei de composição externa à direita sobre B é uma aplicação η : B × A .2 Relações Definição 2. quando houver um elemento neutro. falamos de relações binárias. uma relação n-ária sobre A é um conjunto de n-uplas ordenadas de elementos de A. sendo α um vetor e k um número real ou complexo. bi pertence a essa relação.2 Seja Rn×n o conjunto das matrizes reais de ordem n. xn i de elementos de A. Nos exemplos que estaremos interessados. ver mais abaixo).1.→ B. . Assim.5 (Operação n-ária) Uma operação n-ária (ou de peso n) sobre um conjunto A é uma aplicação de An (o produto cartesiano de A por si mesmo n vezes) em A.2. . via de regra.6 (Lei de composição externa) Sejam A e B dois conjuntos. Uma relação n-ária so- bre A é um subconjunto de An . falando simplesmente de elemento neutro e de inverso sem quaisquer qualificações.1. uma operação n-ária sobre A associa um elemento de A a cada n-upla hx1 . o mesmo se dando com sa leis externas.1 (Relações n-árias) Seja A um conjunto. . NOÇÕES DE ÁLGEBRA Definição 2. A operação definida por k. Sempre que um par ha. Definição 2.1 A relação ‘menor ou igual’ sobre números reais é uma relação binária sobre R.1. . ele será neutro tanto à direita quanto à esquerda. Exemplo 2.2. (sobre essa notação. Se n = 2.

De maneira geral. uma estrutura reduz-se a algo da forma A = hD. as R j são relações sobre D (subconjuntos de Dn ) e as fk são funções (ou operações) em D (aplicações de Dn em D).2.1) Mais abaixo faremos uma distinção entre espécies de estruturas e estuturas propriamente ditas. Por enquanto. Um exemplo de uma relação ternária entre números reais é a relação ‘x está entre y e z’. informalmente. ESTRUTURAS MATEMÁTICAS 19 Perceba a diferença entre uma relação binária e uma operação binária. como evidenciaremos mais abaixo. Fato importante é que toda operação n-ária pode ser vista como uma relação de ordem n + 1. . {ci }i∈I . espaços vetoriais. onde os ci são elementos distinguidos do domínio D. podemos representar uma estrutura da seguinte forma A = hD. veremos estruturas matemáticas mais gerais do que as apresentadas neste seção e que são de importância para o desenvolvimento das teorias físicas. etc. Abaixo veremos alguns exemplos.3 Estruturas matemáticas Mais à frente. +. {R j } j∈J . É possível considerar tanto os elementos distinguidos quanto as operações como relações particulares (os elementos distinguidos seriam relações de peso 0. Essas ‘operam’ com os elementos de A. uma estrutura de primeira ordem é constituída por um ou mais conjuntos e por operações e relações sobre os ele- mentos desses conjuntos. 0. corpos. { fk }k∈K i. originando novos elementos. aceitaremos que. como grupos. que podemos representar assim: < = hR. Dessa forma. Vejamos por enquanto algumas das principais estruturas de interesse. te- remos uma estrutura se considerarmos o conjunto dos números reais. bem como por eventuais elementos distinguidos que são selecionados desses conjuntos para cumprirem papeis especiais. 2. enquanto que as relações simplesmente relacionam os elementos entre si. (2. ·. 1i. {R j } j∈J i.3. munido das operações de adição e de multiplicação entre seus elementos e dos elementos dis- tinguidos 0 e 1. Por exemplo. e as funções n-árias seriam relações de peso n + 1).

20 CAPÍTULO 2. B ∈ τ. Um espaço topológico é um par T = hD.1 Ordem de uma estrutura Conceito importante é o de ordem de uma estrutura. a relação da estrutura não relaciona elementos do domínio. Esta definição pode ser estendida para estruturas de ordem superior. {R j } j∈J i e B = hD0 . . {R0j } j∈J i são isomorfas se existe uma bijeção h : D 7→ D0 tal que R j (x1 . é uma coleção enumerável1 de elementos de τ. que aqui veremos de modo não muito rigoroso. como se pode constatar com uma simples inspeção na seção seguinte. Um exemplo típico é a estrutura de espaço topológico. . τi onde D é um conjunto não vazio (o domínio) e τ é uma coleçc̃ao de subconjuntos de D. ∅ e D pertencem a τ 2. os relata são subconjuntos do domínio. 2. . Neste sentido.1 (Isomorfismo de estruturas) Duas estruturas A = hD. No entanto. Uma tal estrutura é de segunda ordem. grupos são estruturas de primeira ordem. . pertence a τ. h(xn )) para toda relação R j . a estrutura diz-se de primeira ordem. Se A. ditos abertos de D. todas as estruturas relevantes em ciência são estruturas de ordem superior. então A ∩ B ∈ τ 3. . Um conjunto é contável se for finito ou enumerável. Se A1 . xτy se e somente se x e y pertencem à topologia τ. . A2 . . a definição se completa exigindo-se que sejam satisfeitos os seguintes axiomas: 1. no sentido da seção seguinte. que é um conjunto não vazio D. A propósito. há estruturas de ordem superior. . NOÇÕES DE ÁLGEBRA Definição 2. Vimos acima que uma estrutura possui um domínio. . . O conceito de isomorfismo entre estruturas pode ser estendido para estruturas de ordem superior. . . Podemos entender τ como uma relação entre subconjuntos de D.3. Diz-se que o conjunto τ é uma topologia em D (ou sobre D). Por exemplo. Alguns autores chamam tais conjuntos de denumeráveis. 1 Um conjunto é enumerável se existe uma bijeção entre ele e o conjunto dos números naturais.3. xn ) ↔ R0j (h(x1 ). Se as relações da estrutura tiverem como ‘relacionados’ unicamente elementos de D. . então A1 ∪ A2 ∪ . . Apenas para seu conhecimento.

a teoria quântica de campos. corpo. cap. ESTRUTURAS MATEMÁTICAS 21 De forma análoga. a eletrodinâmica de Maxwell. Poucas delas se enquadram na Teoria dos Modelos usual. o corpo dos reais é um corpo (estrutura algébrica) ordenado (estrutura de ordem) completo (no sentido topológico. cf. de fato. que adota um psudônimo: Nicolas Bourbaki. vale lembrar a posição de um célebre grupo de matemáticos (principalmente franceses) que teve (e tem ainda) muita influência na comunidade matemática a partir dos nos 1930. Isso evidentemente constitui erro.. o físico trabalha com estruturas como a mecânica clássica de partículas. O que é relevante é que. veremos algumas dessas estruturas. Abaixo. Da mesma forma. e se reportam à Teoria dos Modelos da lógica elementar (como em [Shoenfield 1967. definição dada na página 42). Sua obra é vasta e relevante. pois como vimos as estrutu- ras importantes em ciência não são elementares.3. estas concebidas de um certo modo (como as acima). de forma a termos estruturas de ‘ordens’ cada vez mais altas. As estruturas relevantes em ciência. as de ordem e as topológicas. que têm como ‘relata’ entidades de ordem superior aos elementos do domínio (ou dos domínios) considerado. variedade diferenciável. Bourbaki caracteri- zou como fundamentais as estruturas de três tipos básicos (que ele denominava de estruturas mães): as algébricas. o matemático lida com estruturas. o que se necessita é uma teoria generalizada das estruturas matemáticas. a mecânica quântica não relativista. 2. espaço vetorial. e o problema é que não dispomos de uma teoria adequada de tais estruturas. No que concerne as estruturas. como grupo. Por exemplo.2. vão envolver coisas como variedades diferenciáveis. pode-se ter relações que envolvam coleções de coleções de elementos de D. etc.5]. certas álgebras. o que Newton da Costa chama de Teoria de Galois Generalizada [da Costa 2005]. etc. etc. [da Costa & Rodrigues 2007]. Em particular. Qualquer estrutura matemática é desse tipo ou uma adequada combinação de estruturas desse tipo. . Os filósofos em geral falam de estruturas em ciência como se elas fossem estu- turas de primeira ordem.2 Digressão: a ciência da estrutura A noção de estrutura é central em matemática e na sistematização das discipli- nas científicas. Há quem defenda a idéia de que a matemática é a disciplina que se ocupa do estudo de estruturas. por exemplo em física. [Chang & Keisler 1980]) para a sua funda- mentação teórica. ainda que ele tenha deixado em aberta a questão de se desenvolvimentos ulterio- res da matemática exigiriam a ampliação do quadro dessas estruturas básicas. Neste particular. e assim por diante. geometria euclidiana..3.

4 Grupos O conceito de grupo. d} e a operação ∗ é definida pela tabela abaixo: * a b c d a a b c d b b a d c c c d a b d d c b a .4. Definição 2. surgido de questões teóricas em matemática. quando nos referimos ao grupo G. R é um grupo quando munido da operação de adição de reais. tendo se tornado fundamental para a fícisa presente.1 (a) Detalhe cada um dos exemplos precedentes.22 CAPÍTULO 2.4. O dominio é o conunto G = {a. mencionamos unicamente o con- junto G (dito domínio do grupo). b. em conformidade com a prática matemática usual. ∗ admite elemento neutro e ∈ G 3. ∗ é associativa) 2. Isso será feito para as demais estruturas introduzidas abaixo. o grupo é comutativo ou abeliano (em homenagem ao matemático norueguês Niels Henrik Abel. Por exemplo. Um grupo de notável interesse é o chamado grupo de Klein. o conjunto F (R) é um grupo quando munido da operação de composição de funções. (b) Diga por que o conjunto R dos números reais não é um grupo quando considerado com a operação de multiplicação de reais. ∗i onde G é um conjunto não vazio. Em geral.1 (Grupo) Um grupo é uma estrutura G = hG. ∗ é uma operação binária sobre G satisfazendo as condições seguintes: 1. Exercício 2. Mais à frente. adentrou a física. e usando a notação mencionada. 1802-1829). veremos alguns exemplos de seu uso nessa disciplina. NOÇÕES DE ÁLGEBRA 2. e o conjunto dos vetores geométricos do plano é mum grupo quando munido da operação de adição de vetores (regra do paralelogramo). em honra ao ma- temático alemão Felix Klein (1849-1925). Se a operação ∗ for ainda comutativa. c. Todo elemento a ∈ G admite um inverso a0 ∈ G. dizendo (por abuso de linguagem) que G é um grupo com a operação ∗.

tem-se que a ∗ a0 = a0 ∗ a = e. sendo a0 a imagem do elemento a pela função 0 .3 Mostre que o grupo de Klein acima é isomorfo ao grupo G0 = hG0 . j. Um grupo é uma estrutura da forma G = hG. e ∈ G é um elemento distinguido e 0 é uma função de G em G.2 (Isomorfismo entre grupos) Dois grupos G1 = hG1 . GRUPOS 23 Exercício 2. estamos explicitanto elementos distinguidos e outros termos. Seja OP o segmento orientado com origem O e .4. e. sendo e1 e e2 os elementos neutros dos grupos respectivos. i. ∗. Se fixarmos um sistema de coordenadas ortogonais (por simplicidade) OXY. ∗2 i são isomorfos se existe uma função bijetiva H : G1 . que são as coorde- nadas cartesianas ortogonais. Para todo a ∈ G. ∗1 i e G2 = hG2 .4. de forma que as formulações são equivalentes. Definição 2. As estruturas desta espécie coincidem com as da espécie anterior. para todos a.→ G2 tal que: (1) h(e1 ) = e2 . ∗ uma operação binária sobre G.4. cujo domínio é o conjunto G0 = {1. b ∈ G1 . ∗ é associativa 2. que não necessitam ser aqui explicitadas. Exercício 2. k} e a operação ◦ é dada pela tabela abaixo: ◦ 1 i j k 1 1 i j k i i 1 k j j j k 1 i k k j i 1 Um modo alternativo de caracterizar grupos é a seguinte. tudo isso cumprindo os seguintes postulados: 1. Porém.4. Um grupo de fundamental importância para nossas finalidades é o seguinte. tem-se que a ∗ e = e ∗ a = a 3.2. então cada ponto P do plano fica determinado de modo único por um par ordenado de números reais (x. y). ◦i. neste caso. Considere (informalmente) o plano euclidiano R2 com suas propriedades usuais. 0 i. onde G é não vazio. Para todo a ∈ G.2 Identifique o elemento neutro do grupo acima e o inverso de cada elemento. e (2) h(a ∗1 b) = h(a) ∗2 h(b).

4. NOÇÕES DE ÁLGEBRA extermidade P. ∗i um grupo tal que G contém n elementos x1 . y) no sentido anti-horário. x sin θ + y cos θ). como é fácil perceber. seja G = {a. f6 = .24 CAPÍTULO 2. b. Identifique o elemento neutro e o inverso de dado elemento do grupo. As coordenadas do ponto são portanto as do vetor.1 Grupos de permutação Seja G = hG. . vamos por abuso de linguagem identifi- car este segmento com um vetor α (na verdade. Em linguagem matricial. onde na primeira linha escreve- mos o domínio das funções e na segunda linha suas imagens: ! ! ! a b c a b c a b c f1 = . 2.4 Mostrar que a estrutura mencionada acima é de fato um grupo. Definimos então uma aplicação T do R2 no R2 do seguinte modo: T (x.4. essa transformação pode ser escrita da forma seguinte: cos θ − sin θ ! ! ! x x T = y sin θ cos θ y Esta função (transformação linear) é uma transformação ortogonal. b c a c a b c b a O produto (composição) de duas dessas funções é ainda uma permutação de G. . Uma função bijetiva f de G em G é uma permutação de G. o conjunto das permutações de G é um grupo comutativo. xn . O conjunto de tais transformações. conforme veremos à frente. . denotado S ym(G). f2 = . realiza uma rotação de ângulo θ do vetor (x. munido da ope- ração binária de composição de funções é conhecido como grupo das rotações do plano. f2 = . Para nossos propósitos. Intuitivamente. f5 = . geometricamente um vetor é uma classe de segmentos equipolentes). f1 é a função identidade. Exercício 2. c}. . e sua matriz cos θ − sin θ ! Rθ = sin θ cos θ é uma matriz ortogonal. y) = (x cos θ − y sin θ. dito grupo simétrico de G. . Munido deste produto. Por exemplo. As possíveis permutações de G são indicadas abaixo. a b c a c b b a c ! ! ! a b c a b c a b c f4 = .

. 2.1 1. . . Mais tarde. +. . CORPOS 25 Exemplo 2. + e · são operações binárias sobre K. . Ache o inverso de cada um dos elementos do grupo. . . . . Os corpos que nos interessam são alguns corpos numéricos. 2. . Os seguintes postulados devem ser satisfeitos: 1. . . O leitor deve entender que isso é . . 3. xn ). f2 · f5 e f3 · f3 . É tipicamente o caso dos reais e dos complexos mencionados. xn }. hK. . em especial os chamados corpo dos (números) reais e corpo dos (números) complexos com as operações usuais em cada caso.5. xi . 0. Para os interesses da física. x j . . Ache os produtos f1 · f4 . · é distributiva em relação a +. .4. Como é usual na terminologia matemática.1 (Corpo) Um corpo é uma estrutura K = hK. ·i é um grupo comutativo cujo elemento neutro é 1. . dito oposto de a. xn ) = (x1 . .5. +i é um grupo comutativo cujo elemento neutro é 0 e o inverso de cada elemento a ∈ K é denotado −a. . ·. fala-se que K é um corpo. os elementos de K são chamados de escalares. Definimos a seguinte permutação sobre D.2. e 0. e o inverso de cada elemento de K − {0} é denotado a−1 .5 Corpos A outra estrutura que nos interessa é a de corpo. . . denotada Pi j : Pi j (x1 . xi . 3. e dito simétrico de a. . . que permuta unicamente os elementos xi e x j . Suponha que temos um conjunto D = {x1 . . deve ter pelo menos dois elementos). 1i onde K é um conjunto não vazio (na verdade. Identifique o elemento neutro do grupo acima. . . fazendo-se referência ao domínio da estrutura. . x j . 2. Definição 2. 1 ∈ K são elementos distinguidos. D representará uma coleção de objetos quânticos e Pi j aparecerá como um conceito importante de ‘permuta’ entre dois desses objetos. hK − {0}. Indistintamente do caso. importa o seguinte caso de permutações. .

0. neste caso. 0.5. Portanto. +. quando · for comutativa. +. NOÇÕES DE ÁLGEBRA um abuso de linguagem. 1i. Às vezes. não é um corpo. em cada caso.5. Exercício 2. estaremos supondo a estrutura R = hR. No entanto.2 Justifique porque a estrutura Z = hZ. + 0 1 · 0 1 0 0 1 0 0 0 1 1 0 1 0 1 . ·. 0 e 1 representam números reais ou complexos. Exercício 2.26 CAPÍTULO 2. esses matemáticos falam então em corpo comutativo.1 Verifique que o conjuno dos números racionais munido das ope- rações usuais é um corpo. que podemos representar por Q = hQ. 1i ou C = hC. ou campo. Exercício 2. 0. +. sendo Z o con- junto dos números inteiros.5. 1i respectivamente. +. 0. Obviamente. 0 e 1 os inteiros zero e um. ·. Essa estrutura tem outro nome: anel. seguiremos com a definição dada. ·. ·. 1} munido das operações dadas pelas tabelas abaixo é um corpo. quando falarmos que R (ou que C) é um corpo.3 Verifique que o conjunto A = {0. + e · as operações de adição e de multiplicação de inteiros. 1i. define-se um corpo como sendo uma estrutura como a acima somente que a operação · não é comutativa.

. Tais elementos serão designados por letras gregas minusculas α. . 0.0. onde: 1. 2. ψ.2 (Espaço vetorial) Um espaço vetorial é uma estrutura E = hV. Vamos adentrar a esse campo com cautela. via de regra falaremos do domínio K em vez da estrutura K. ldots. inciando com o conceito de espaço vetorial. um espaço vetorial com produto interno. mas o leitor deve estar atento para este fato. e os observáveis físicos (que nos darão a idéia do que pode ser medido relati- vamente a um sistema físico) serão representados por certas funções (operadores hermitianos) sobre esses espaços. +. V é um conjunto não vazio cujos elementos são chamados de vetores. |ψi. ·i. β. 27 . +. |βi. o que nos brinda com uma riqueza filosófica sem precedentes. Definição 3. Trata-se ma verdade de um formalismo de uma beleza matemática sem par. os estados dos sistemas físicos serão descritos por vetores unitários (de ‘comprimento’ unitário) de um adequado espaço de Hilbert. K.Capítulo 3 Espaços Vetoriais Uma estrutura fundamental para o estudo que realizaremos é a denominada de pré-espaço de Hilbert. Como já dito antes. Os corpos dos quais faremos uso no que segue serão o corpo dos reais e o dos complexos. 1i. e de uma complicada natureza quanto à sua inter- pretação. escrevendo |αi. . ou seja. ·.. mas mais tarde usaremos a notação de Dirac. Essa estrutura é central em física. K é um corpo K = hK.

Quando temos um caso de um espaço vetorial E = hV. ·i. no entanto. Mas ele é fundamental. + é uma operação binária sobre V. para todos α e β em V e todos a. O último postulado pode parecer o mais estranho e menos evidente de to- dos. que V é um espaço vetorial sobre K. deixará claro quando de trata de uma ou de outra operação. dizemos. chamados kets. O contexto. usar o mesmo nome para coisas diferentes. de forma que prosseguiremos com a práica matemática usual de. e designado por O. +. de sorte que hV. provamos que 0α = 0. 4. Usar símbolos distintos tornaria o texto muito carregado. bem como ab para a · b.6) sobre V. I O físico inglês Paul Adrian Maurice Dirac introduziu uma notação que se tornou universal em se tratando do uso de espaços vetoriais em física quântica. ou que é um K-espaço vetorial. uma aplicação de K × V em V.28 CAPÍTULO 3. elas não são a mesma operação. Se escrevemos −α para denotar o oposto de α. Antes. . · é uma lei de composição externa (veja definição 2. O elemento neutro deste grupo é chamado de vetor nulo. Observe que apesar de usarmos a mesma notação "·"tanto para a multipli- cação de vetor por escalar quanto para a multiplicação de escalares. para provar este fato necessitamos do referido axioma. +i é um grupo comutativo. mas por ora. b ∈ K: (a) a · (α + β) = a · α + a · β (b) (a + b) · α = a · α + b · α (c) (a · b) · α = a · (b · α) (d) 1 · α = α Observação terminológica Algumas observações de notação são importantes. O mesmo se aplica para a adição de vetores e para a adição de escalares. Nos casos particulares de K = R ou de K = C. |βi. excreveremos simplesmente aα para denotar a · α. dita multiplicação de vetor por escalar. ESPAÇOS VETORIAIS 3. então parece sensato pedir que −α = (−1)α. No entanto. Veremos mais detalhes dessa notação à frente. mais uma vez por abuso de linguagem. Doravante. Esta operação satisfaz os seguintes postulados. é conveniente saber que Dirac representava os vetores assim: |αi.. A notação de Dirac. K. etc. falamos de espaços vetoriais reais ou complexos respctivamente. mais precisamente. como dizia Poin- caré. dita adição de vetores.1. Com efeito. ambas denotadas por "+".

Exercício 3.0. . . . . Para f. definimos as operações seguintes: 1. . Exemplo 3. munido das operações usuais de adição de matrizes e de multiplicação de matriz por escalar real.4 Mostre que temos um espaço vetorial real se tomarmos o con- junto R+ dos reais não negativos munido das operações x + y = xy e kx = xk . y ∈ R+ e k ∈ R. . . Exemplo 3. . . "+"denota a adição de vetores. k(x1 . somente que consideradas agora sobre C. 29 0α = (0 + 0)α = 0α + 0α. xn ) : xi ∈ R} o conjunto das n-uplas de nú- meros reais. xn ) + (y1 . donde 0α = O. kxn ) (idem observação acima com respeito à mul- tiplicação de vetor por escalar–à esquerda da igualdade–e a multiplicação de escalares. .0. .3 Seja Rn×m o conjunto das matrizes reais de ordem n × m. De ma- neira semelhante. (k f )(x) = k f (x) É facil ver que resulta um espaço vetorial real. à esquerda da igualdade. 2.0. dada a unicidade do oposto de α. ( f + g)(x) = f (x) + g(x) 2. . Neste caso. (x1 . . . mas à direita denota a adição de escalares. . g ∈ F . . b] ⊆ R. Exemplos importantes de espaços vetoriais são os seguintes. O espaço vetorial do exemplo precedente será denominado de Rn . Municiemos este conjunto com as operações seguintes. Portanto. yn ) = (x1 + y1 . . . . onde k ∈ R. xn + yn ) (o leitor deve perceber que. definimos o espaço complexo Cn tomando operações análogas às acima. . Veja o paralelo que há entre as operações definidas e as propriedades do logaritmo. . xn ) = (kx1 . à direita). cujo vetor nulo é a função nula n(x) = 0. Agora. cujo vetor nulo é a matriz nula n × m. Exemplo 3. . para obter um espaço vetorial real: 1. tem-se um espaço vetorial real. podemos estabelecer o preten- dido: α + (−1)α = 1α + (−1)α = (1 − 1)α = 0α = O.2 Considere o conjunto F das funções reais de variável real com mesmo domínio. digamos o intervalo [a.1 Seja Rn = {(x1 . −α = (−1)α. . . .0. para x.

8 Mostre que se tomarmos R como conjunto de vetores e R como conjunto de escalares. Exercício 3.0. ·. e considerando a adição de números reais como adição de vetores e a multiplicação de número reais como a multiplicação de vetor por escalar. resulta um espaço vetorial real.0. 0. e considerando a adição de números complexos como adição de vetores e a multiplicação de números complexos como a multipli- cação de vetor por escalar. .0. Uma tal expressão é por vezes denominada de superposição desses vetores.5 Todo corpo K = hK. estaremos interessados em superposições nas quais se tenha n X |xi |2 = 1. superposições Uma combinação linear de vetores é a soma desses vetores. resulta um espaço vetorial complexo. Dizemos que todo corpo é um espaço vetorial sobre si mesmo. Exercício 3. 1i pode ser visto como um espaço vetorial sobre K. ESPAÇOS VETORIAIS Exercício 3. 3. Isso terá importância mais tarde. resulta um espaço vetorial real. O motivo é que os escalares xi representarão probabilidades. Exercício 3. e sua soma deverá ser igual à unidade. Em especial. i=1 que chamaremos de condição de normalização.7 Mostre que se tomarmos C como conjunto de vetores e o próprio C como conjunto de escalares.1 Combinações lineares.9 Justifique porque não resulta espaço vetorial se tomarmos R como conjunto de vetores e C como conjunto de escalares.30 CAPÍTULO 3. Exercício 3.6 Mostre que se tomarmos C como conjunto de vetores e R como conjunto de escalares. +.0.0. Explique este fato. e considerando a adição de números rais como adição de vetores e a multiplicação de número real por nú- mero complexo como a multiplicação de vetor por escalar. e considerando a adição de números complexos como adi- ção de vetores e a multiplicação de número complexo por número real como a multiplicação de vetor por escalar. como β = x1 α1 + x2 α2 + · · · + xn αn . eventualmente mul- tiplicados por escalares.

como é fácil verificar. considerando uicamente aquelas tais que a. dita restrição da operação ∗ (definida sobre A). ao subconjunto B. b ∈ A. 1) = (0.3. = xn = 0. 2). Seja A um conjunto sobre o qual está definida a operação binária ∗. Restrinjamos agora o conjunto dessas triplas. também dita restrição (a B) da lei . Primeiramente. + xn αn = O implica x1 = . . −3) são linearmente dependentes. . Caso contrário. a ∗ b). o conjunto (os vetores) A = {(1. se restringirmos os ele- mentos considerados a apenas aqueles que pertencem a B. 0) acarreta x1 = x2 = 0. .1. Temos então (novamente por abuso de linguagem) uma restrição da operação de adição aos inteiros.1 (Dependência e Independência linear) Um conjunto A = {α1 . e seja B ⊆ A. 2) + x2 (−1. se  é uma lei de composição externa sobre A. ∗ pode ser identificada com o conjunto das triplas ordenadas da forma (a. (−1. Da mesma forma. considere a adição de números reais e agora considere esta ope- ração aplicada unicamente ao subconjunto dos reais que é isomorfo ao conjunto dos números inteiros. o conjunto A (ou os seus vetores) são linearmente dependentes. 3) e (−1. . . Convenção Convenciona-se que o conjunto vazio de vetores é linearmente in- dependente. . Equivalentemente. já que x1 (1. É imediato que tal coleção é uma função de B × B em B. definiremos o que significa restringir uma operação a um con- junto. . com a. 3. αn } de vetores de um espaço vetorial E é linearmente independente (ou os vetores de A são linearmente independentes) se uma combinação linear da forma x1 α1 + . Por exemplo. SUB-ESPAÇOS VETORIAIS 31 Definição 3. . 1)} do R2 é linearmente independente. Por outro lado os vetores (1.2. vejamos o caso de operações binárias. b. obteremos uma lei de composição externa sobre B. b ∈ B.2 Sub-espaços vetoriais Informalmente. Por exemplo. . A (ou os seus vetores) é linearmente dependente de po- demos encontrar uma combinação linear nula (como a acima) com pelo menos um dos escalares x j diferente de 0. Como vimos.

valerão em particular para os vetores de W. Exemplo 3. 3.1). Os nomes dados a esses espaços tem em mente (intuitivamente) um sistema de coor- denadas cartesianas para o espaço tridimensional. ∅. e serão importantes abaixo para exemplos.2. ·W i é um espaço vetorial sobre K. 1.1 Sendo W = {O}. Se α. +. X = {(x. 2. sendo +W e ·W restrições das operações de + e · a W. para todos α. 0) : y ∈ R} ("eixo Y"). pela primeira condi- ção. y. 2. como W . +W . 0. Os seguintes subcon- juntos são subespaços do R3 .1 (Sub-espaço vetorial) Seja E = hV. Y = {(0. em virtude de elas valerem para todos os vetores de V.2. Este subespaço é chamado de subespaço trivial de V.0.2. b] é um subespaço do espaço vetorial dado no exemplo 3. Teorema 3. basta verificar que delas resultam as condições da definição de espaço vetorial para hW. então α + β ∈ W. Analogamente. K. +W .3 O conjunto das funções reais contínuas no intervalo [a.1 Uma condição necessária e suficiente para que W seja subes- paço vetorial de V é que. 0 = α − α ∈ W. ela segue do fato de que um espaço vetorial deve ser fechado ralativamente às operações de adição de ve- tores e de multiplicação de vetor por escalar.2. são "herdadas"por W.2 O conjunto das matrizes simétricas de ordem n é um subespaço do espaço das matrizes reais de ordem n. Quanto à suficiência dessas con- dições.4 Consideremos o espaço real R3 das triplas ordenadas de números reais (um caso particular do espaço Rn do exemplo 3. K. β ∈ V e para todo k ∈ K. sendo O o vetor nulo de V. Exemplo 3. existe α ∈ W.2. Se α ∈ W. se tenha: 1. ∅.0. Exemplo 3. ·i e W ⊆ V.32 CAPÍTULO 3. Por exemplo. W . K. Quanto às demais propriedades. Exemplo 3. ou seja. então W é subes- paço vetorial de V. β ∈ W. 0) : x ∈ R} ("eixo X").2. Demonstração: Quanto à necessidade dessas condições. logo −α = (−1)α ∈ W (pela segunda condição). 0. Dizemos que W é subespaço vetorial de V se hW. ESPAÇOS VETORIAIS Definição 3. . z) : z ∈ R} ("eixo Z"). ·W i. então kα ∈ W. Z = {(0.2.

z) : x a = y b = cz . Demonstração: Sejam W1 e W2 sub-espaços de um K-espaço vetorial V. Logo α ∈ W1 e α ∈ W2 . 0.2. Transformações de fase Em física. Teorema 3. SUB-ESPAÇOS VETORIAIS 33 4. suponha que α ∈ W e que k ∈ K. R = {(x.2 A interseção de sub-espaços de um espaço vetorial é ainda um sub-espaço desse espaço. e consideremos a coleção de todas as combinações lineares (superposições) de vetores desse con- junto. XY = {(x.3. . Por exemplo. a. z) : y. Uma função (transformação) ψ −→ eiθ ψ. a. z) : x. Seja ψ um tal vetor. b. estaremos interessados prioritariamente em espaços vetoriais sobre o corpo C dos números complexos. para θ um ângulo dado. Logo. se α e β pertencem a W. é importante observarmos o seguinte. 7. 6. tanto α + β pertencem a ambos (um subespaço é fechado para a adição de vetores). 5. b. P = {(x. ambos pertencem a W. Suponha então que {α1 . A união de subespaços. no entanto. y. seja V = R3 . Es- sas classes são denominadas de raios (rays) em física. 0. c . z ∈ R} ("plano XZ"). YZ = {(0. Então. XX = {(x. Exercício 3. z) : ax + by + cz = 0. . y. 8. Como são ambos subespaços. e seja W = W1 ∩ W2 . . Para os fundamentos da física quântica. Veremos depois que a classe de todos os vetores que estão relacionados por uma transformação desse tipo são as entidades matemáticas que representam os sistemas físicos. z ∈ R} ("plano YZ"). kα ∈ W. αn } é uma coleção de vetores de um espaço vetorial V. y ∈ R} ("plano XY"). . . y. y. Como por hipótese ambos são subespaços de V.1 Prove que cada um dos casos do exemplo anterior de fato define um subespaço do R3 . pertencem a W1 e a W2 .2.2. c . é denominada de transformação de fase. 0) : x ∈ R} ("eixo X"). não é em geral um subespaço (podendo ser eventuamente). Agora. 0} (plano passando pela origem). e W1 = {(x. 0} (reta passando pela origem). segue-se que kα pertence a ambos os subsespaços (pelo fechamento relativamente à multiplicação de vetor por escalar). 0) : x. Logo.

ESPAÇOS VETORIAIS enquanto que W2 = {(0. que supomos ser linearmente dependente. 3.3. Demonstração: Seja A = {α1 . +.34 CAPÍTULO 3.2. xi ∈ K}. 0) : y ∈ R} ("eixo Y"). a soma de dois vetores não nulos quaisquer α1 ∈ W1 e α2 ∈ W2 não pertence a nenhum dos subespaços. Temos então: Definição 3. W1 ∪ W2 = {α ∈ R3 : α ∈ W1 ∨ α ∈ W2 }. Demonstração: Basta notar que a soma de vetores de [A] é ainda um vetor de [A].3 Espaço gerado. Porém.1 O conjunto [A] é um subespaço vetorial de E.2.3. ·i um espaço vetorial e A = {α1 . portanto. como no exemplo 3. .4 acima.1 Chama-se espaço gerado por A ao conjunto n X [A] = {β ∈ V : β = xi αi . .3. αn } o conjunto em questão. Convenção Convenciona-se que [∅] = {O}. a saber. . . Portanto. i. . o espaço gerado pela união.2 Dado um conjunto de vetores A. Há porém um ‘menor’ subespaço de V que contém a união de subespaços. logo a união não é fechada para a adição de vetores. Ora. para obter o espaço gerado. resultando o seguinte Teorema 3.1). . base Seja E = hV. esses vetores podem ser suprimidos. i=1 Teorema 3. αn } um conjunto de vetores de V. de forma que. existe sempre um subconjunto de A linearmente independente que gera o mesmo espaço que A. O espaço gerado por um conjunto de vetores é. o que significa que esses vetores estão no eixo X ou no eixo Y (somente o vetor nulo está em ambos). o conjunto de todas as combinações linerares desses vetores. alguns de seus vetores podem ser escritos como combinações lineares dos demais. há um vetor α j que pode ser escrito simplifica- damente como X αj = ki αi . . j . K. . bem como a multiplicação de qualquer de seus vetores por um escalar (assim cumprindo as condições do teorema (3. Perceba que se o conjunto for linearmente dependente. y.

n }. . . há um vetor nesse conjunto que é combinação linear dos demais. .1) onde i = (0. Esta base é dita base canônica do Rn . . 1. e o processo pode ser repetido até que restem unicamente vetores linearmente independentes. A é linearmente independente 2. exceto α j . então Ξ também representa uma base (canônica) para o espaço complexo Cn .3. . Se β ∈ [A]. Um conceito importante é o de matriz das coordenadas de um vetor em uma base ordenada. . ele é combinação linear dos demais vetores de A. . Seja A = {α1 . Definição 3. (3. + xn αn = xi αi + x j α j . . A gera E. . . que no caso finito pode ser entendido intuitiva- mente como designando a quantidade de elementos de A.3. é o conjunto procurado. . . n) (com o 1 na i-ésima posição) como uma base. . j i. j o que mostra ser β combinação linear dos vetores de A. j i. . j ou seja. + x j α j + . ESPAÇO GERADO. o espaço Rn tem dimensão n. Por exemplo. ou seja.3. Pode-se demonstrar que todas as bases de um espaço vetorial têm a mesma cardinalidade. O conjunto A tem um cardinal. . . .3 (Dimensão) Chama-se dimensão de um espaço vetorial ao car- dinal de uma base desse espaço. X X X β= xi αi + x j k i αi = (xi + ki )αi . BASE 35 ou seja. . Essas bases desempenharão papel relevante à frente. pois tem o conjunto (com n ele- mentos) Ξ = {1 .3. que continuarão gerando o mesmo espaço. Este cardinal chama-se dimensão do espaço vetorial. Se A − {α j } for linearmente independente. todo vetor de V é combinação linear dos vetores de A. se olharmos agora os vertores 1 como formados por nú- meros complexos. Se ainda for linearmente dependente. Da mesma forma. i. . . αn } uma base ordenada para o espaço vetorial .2 (Base de um espaço vetorial) Uma base para um espaço veto- rial E é um conjunto A de vetores de V que satisfaz as condições seguintes: 1. i. então X β = x1 α1 + . Definição 3.

yn ]. para dada base e dado vetor. e não como indicando ‘uma única’. como é fácil provar (é linearmente independente e todo vetor (x. Importante é o seguinte resultado. ·i. Seja β = (2. 3) = (x1 − x2 . 2). para espaços de dimensão infinita.3. Então. A = {(1. 3). Cabe finalmente observar que. (2. podemos escrever β = x1 α1 + . . a saber. ou (2. b]. . 1). ESPAÇOS VETORIAIS E = hV. estaremos interessados em bases ortonormais. que lhe é equivalente). K. como o es- paço das funções reais contínuas no intervalo [a. Mas assume-se que elas existem. 1/3]. como veremos no próximo capítulo. e isso na verdade pode ser demonstrado para um espaço vetorial arbitrário. (−1.2) Por exemplo. Para as finalidades da física. A demonstração do teorema anterior faz uso do Axioma da Escolha (mais preci- samente. + xn αn . e pode ser vista no Apêndice de [Halmos 1993] (encontra-se a demonstração também em vários sites na web). como vimos. como artigo indefinido. é o con- junto vazio). . . (3. Denomina-se de matriz das coordenadas do vetor beta na base ordenada A à matriz linha (com uma linha e n colunas) [β]A = [x1 x2 . xn ]. segue que xi = yi . xn ] e que [β]A = [y1 y2 . não se pode exibir uma base. do Lema de Zorn. Teorema 3. 3)]A = [7/3. 1)+ x2 (−1. admite uma infinidade de bases. pela igualdade de matrizes. Teorema 3. . para todo i. o que fornece x1 = 7/3 e x2 = 1/3.4 Todo espaço vetorial possui uma base. Se β ∈ V. Demonstração: Suponha por absurdo que [β]A = [x1 x2 . y) ∈ R2 pode ser escrito como combinação linear desses vetores). [(2. x1 +2x2 ). .3 (Unicidade das coordenadas) A matriz das coordenadas de um vetor em uma base ordenada é única. o que fazemos por meio de um produto interno. 2)} é uma base ordenada para o R2 . . . 3) = x1 (1. Assim. todas elas de mesma cardinalidade.3. mas para tanto necessitamos introduzir noções métricas nos espaços vetoriais.36 CAPÍTULO 3. . +. Um espaço vetorial. A palavra ‘uma’ deve ser entendida literalmente. com exeção do subespaço trivial constituído unicamente pelo vetor nulo (cuja base. Então.

3.4. ESPAÇOS VETORIAIS ISOMORFOS 37

3.4 Espaços vetoriais isomorfos
Escreveremos E iso F para indicar que os espaços vetoriais E = hV, K, +, ·i e
F = hW, K, +, ·i, ambos sobre o mesmo corpo K = hK, +, ·, 0, 1i, são isomorfos,
ou seja, existe uma aplicação bijetiva f : V 7→ W tal que

f (α + β) = f (α) + f (β) e f (k.α) = k. f (α) (3.3)

para todos α, β ∈ V e k ∈ K. Pode-se demonstrar (exercício) que a relação iso é
uma relação de equivalência, o quem implica em particular ser transitiva. Assim,
se E é isomorfo a F e se F é isomorfo a G, então F é isomorfo a G. Disso tudo
resulta trivial provar o seguinte resultado (a argumentação precisa, no entanto, dá
um bom exercício), extremamente útil nas demonstrações:

K n iso K 1×n iso K n×1 .

Note que os conjuntos acima, munidos das respectivas operações de espaço
vetorial, constituem espaços vetoriais sobre K. Assim, face o isomorfismo, é
indiferente (matematicamente falando) se operamos com n-uplas de elementos de
K ou com matrizes linha formadas por elementos de K ou com matrizes coluna
com tais elementos. Isso traz uma enorme vantagem, pois simplifica em muito as
demonstrações, já que podemos ir de um espaço a outro sem maiores detalhes, ora
operando com n-uplas, ora transformando-as em matrizez linha, como se fossem
a mesma coisa. Os teoremas abaixo usam este fato livremente, e o leitor atendo
deveria notar a importância dessa liberdade.

Teorema 3.4.1 Todo espaço vetorial de dimensão n sobre o corpo K = hK, +, ·, 0, 1i
é isomorfo ao K n .
Demonstração: Como K n , o conjunto das n-uplas de elementos de K munido das
operações usuais, como as definidas para o Rn (veja o exemplo (3.0.1), é isomorfo
a K 1×n , o espaço das matrizes 1 × n com elementos em K (munido das operações
correspondentes entre matrizes), basta provar que o isomorfismo se dá com esse
último espaço. Seja A = {α1 , . . . , αn } uma base ordenada para o espaço vetorial
E = hV, K, +, ·i de dimensão n. Então, para β ∈ V, podemos escrever

β = x1 α1 + . . . + xn αn .

Definimos a aplicação f : V 7→ K 1×n por f (β) = [β]A = [x1 · · · xn ]. Devemos
agora provar que f é um isomorfismo, ou seja, que é bijetiva e que ‘preserva’

38 CAPÍTULO 3. ESPAÇOS VETORIAIS

as operações. Quanto à primeira parte, inicialmente mostramos que f é injetiva.
Com efeito, pela unicidade das coordenadas (teorema (3.3.3)), se γ , β, sua matriz
das coordenadas em A é distinta da de β.1 Quanto a f ser sobrejetiva, dada uma
matriz [x1 x2 . . . xn ] de escalares de K, haverá um único vetor β (de novo, pela
unicidade das coordenadas) tal que β = x1 α1 + . . . + xn αn .2 Assim, f é bijetiva.
Agora, com relação a ela ‘manter’ as relações das estruturas, a saber, as operações
de espaço vetorial. Sejam α e β vetores de V. Assim, existem únicas [α]A =
[x1 x2 . . . xn ] e [β]A = [y1 y2 . . . yn ]. Ora, é claro que f (α + β) = [α + β]A =
[x1 + y1 . . . xn + yn ] = [x1 . . . xn ] + [y1 . . . yn ] = [α]A + [β]A = f (α) + f (β), e que
f (k.α) = [k.x1 . . . k.xn ] = k.[x1 . . . xn ] = k. f (α). Assim, f é um isomorfismo.
Esses resultados têm importância prática, por exemplo em situações como a
seguinte. Muitas vezes escrevemos n-uplas de elementos de um conjunto A como
linhas de um matriz, e operamos com essas matrizes, para depois reinterpretar-
mos os resultados novamente em termos dos elementos do conjunto A. Um caso
típico é o de vetores, digamos do R3 , que identificamos (via isomorfismos) com
triplas de números reais, suas coordenadas em uma base, digamos a canônica, e
depois formamos matrizes colocando essas coordenadas como linhas (ou como
colunas). Assim, se (1, −1, 1), (0, 1, 2) e (0, −1, 3) são coordenadas de três vetores
relativamente à base canônica do R3 , a matriz
 
 1 −1 1 
M =  0 1 2 
 
0 −1 3
 

tem determinante diferente de zero (como se constata) facilmente, o que indica
serem os vetores linearmente independentes. Interpretar vetores por meio de suas
coordenadas e colocá-las como linhas ou colunas de matrizes será um procedi-
mento que usaremos muito doravante.

1
Recorde que uma função f : A 7→ B é injetiva se x 6 y implica f (x) , f (y).
2
Uma função f : A 7→ B é sobrejetiva se para todo y ∈ B, existe x ∈ A tal que y = f (x).

Capítulo 4

Produtos Internos

Na estrutura de espaço vetorial, o máximo que podemos expressar são combina-
ções lineares (superposições) de vetores. Não há como considerar questões mé-
tricas, como ângulo entre vetores, ‘comprimento’ de um vetor e outro de mesma
natureza. Para tanto, vamos estender a estrutura E adicionando um produto in-
terno. O espaço assim obtido é denominado de pré-espaço de Hibert. Mas, o que
é um produto interno?

Definição 4.0.1 (Produto interno) Um produto interno sobre um espaço vetorial
E = hV, K, +, ·i é uma aplicação h | i : V×V 7→ K tal que, para todos α, β, γ ∈ V
e a ∈ K, se tenha:1

1. hα|β + γi = hα|βi + hα|γi

2. hα|a.βi = a.hα|βi

3. hα|βi = hβ|αi (Em física, é comum denotar o conjungado de um número
complexo z = a + bi não por z̄ = a − bi, mas por z∗ . Mais à frente, usaremos
essa notação).

4. hα|αi ≥ 0 e hα|αi = 0 se e somente se α = O

Teorema 4.0.2 Dada a definição, temos:

1. ha.α|βi = ā.hα|βi
1
Há autores que preferem postular as condições 1 e 2 abaixo de forma alternatica, a saber, (1’)
hα + β|γi = hα|βi + hα|γi e (2’) ha.α|βi = a.hα|βi. Isso é meramente uma questão de conveniência.
Aqui, seguimos o procedimento usual dos textos de física.

39

0.4 Seja Cn×n o espaço vetorial das matrizes complexas de ordem n. .3) a Exemplo 4. . . Exemplo 4. 2 Observamos que.z¯0 . hα + β|γi = hα|βi + hα|γi Demonstração: Com efeito. Quanto ao segundo item. Se A? denota a conjugada de A. No caso real (ou seja. sendo α = (x1 . sugerimos que o leitor o faça como um exercício. b] (e isto vale para a = −∞.0.1) i=1 Este produto interno é denominado de produto interno canônico sobre o Rn . . se xi = a + bi. . sendo α = (x1 . . . a aplicação seguinte é um produto interno: n X hα|βi = xi? yi (4. b = +∞). para números complexos z e z0 .hβ|αi = a. .3 Sobre o espaço das funções reais (de variável real) contínuas no intervalo [a. xn ) e β = (y1 .4) é um produto interno. yn ) n-uplas de números complexos.40 CAPÍTULO 4. .z0 = z̄. então a aplicação hA|Bi = Tr(A∗ B) (4.α|βi = hβ|a. tem-se que z.αi = a. então hA|Bi = Tr(AT B). yn ). . . . PRODUTOS INTERNOS 2.hα|βi = ā. . a aplicação seguinte é um produto interno: n X hα|βi = xi yi (4. ou se(x)ja.2 Sobre o espaço real Cn . . etnão xi? = a − bi.hα|βi.0. Este produto interno é denominado de produto interno canônico sobre o Cn .1 Sobre o espaço real Rn . Daremos agora alguns exemplos de produtos internos que interessarão ao nosso estudo.0. xn ) e β = (y1 .2) i=1 onde xi? é o conjugado de xi . a aplicação seguinte é um produto interno: Z b h f |gi = f ∗ (x)g(x)dx (4. se Rn ). . Exemplo 4. . Exemplo 4. .2 ha.

tem-se: |hα|βi| ≤ ||α||. por exemplo.0.6) Demonstração: Definição 4. O que nos interessará. 2. Teorema 4. de que a norma definida por (4. valem para qualquer que seja ela.||β|| (4.5) é ad- vinda do produto interno é que existem normas (funções que cumprem as con- dições da definição) sem que tenham sido originadas a partir do produto interno. a cada vetor α associa um escalar.0. no entanto. ||(2.5 Mostre que a aplicação recém definida é de fato uma norma. 3)||2 = 3. ||α|| ≥ 0 e ||α|| = 0 se e somente se α = 0. no entando. Alguns exemplos sobre R2 são os seguintes (para distinguí-las da norma acima. o seguinte. x2 ). |x2 |}.3 (Distância) Chama-se distância em um espaço vetorial V com produto interno a toda aplicação d : V × V 7→ K tal que: . 3)||1 = 5. a saber.3 (Desigualdade de Cauchy-Schwarz) Para todos α e β.||α||. ||kα|| = |k|. temos ||α||1 = |x1 | + |x2 | ||α||2 = max{|x1 |. A importância da observação acima. denotado ||α||.2 Chama-se norma (ou ‘comprimento’) em um espaço vetorial V a uma aplicação que. tal que: 1. dentre todas as possíveis normas. para k escalar. enquanto que ||(2. 41 Definição 4. vamos usar subíndices): para α = (x1 . aquela que é definida a partir do produto interno. será a norma induzida pelo produto interno.0.5) Exemplo 4. ||α + β|| ≤ ||α|| + ||β|| (desigualdade triangular) Importa aqui. 3.0. Os teoremas que se reportam a normas. Assim. pois será com ela que a noção de espaço de Hilbert é introduzida. a aplicação tal que p ||α|| = hα|αi (4. dita norma advinda do produto interno.

deste modo confundindo-se a norma de um vetor com o módulo de um escalar. β) = ||α − β|| é uma distância. Intuitivamente. Caso particularmente importante é quando a norma é a advinda do produto interno. Do mesmo modo. . . β) = d(β. Definição 4. .4 A aplicação d(α. Importante notar que. d(α. tem-se que ||αi − α j || < . β) Teorema 4. α) 2. β) ≤ d(α. de um espaço vetorial V converge para um vetor β se. resulta que |z|2 = hz|zi = z? z = (a − bi)(a + bi) = a2 + b2 ∈ R. Mais precisamente. Note que a noção de convergência depende da norma. existe um número natural n tal que. escrevemos nesses casos |α − β| em vez de ||α − β||. No caso do espaço vetorial ser R ou C. β) ≥ 0 e d(α. α2 . . Quando toda sequência de Cauchy converge para um vetor ainda no espaço. β) = 0 se e somente se α = β. Demonstração: Imediata.42 CAPÍTULO 4. em uma sequência de Cauchy. para todo  > 0 real.4 (Sequência convergente) A sequência de vetores α1 . d(α. . . costuma-se escrever |α| em vez de ||α||. resulta que ||β − αi || < . Toda sequência de Cauchy é convergente. . para todo  > 0 real. de um espaço vetorial V converge para um vetor β se os vetores da sequência vão ficando cada vez mais próximos de β à medida em que avançamos na sequência. os elementos da sequência vão ficando cada vez mais próximos uns dos outros à medida em que avançamos na sequência. resultando na seguinte . para i. existe un número natural n tal que.5 (Sequência de Cauchy) Uma sequência de vetores α1 .0. Dizemos que uma sequência de vetores α1 . Definição 4. O problema é que uma sequência pode convergir para um vetor que não pertença ao espaço considerado. como se pode mostrar. d(α. .0. se i > n. j > n. de um espaço vetorial V é uma sequência de Cauchy se. . PRODUTOS INTERNOS 1. α2 . 3. sendo z = a + bi um número complexo (ou ‘vetor’ no espaço vetorial dos complexos sobre si mesmo). α2 . dizemos que o espaço é (topologicamente) completo.0. γ) + d(γ.

7 Um conjunto A de vetores de um espaço E é fechado relativa- mente a um subespaço W se para todo  > 0 real e para qualquer β ∈ W. Este espaço é denominado de ` e é isomorfo a todos os P 2 2 espaços de Hilbert separáveis. vis. toda sequência de vetores do Dois exemplos notáveis de espaços de Hilbert são os seguintes. Definição 4. Ou seja.1 A condição de normalização na teoria quântica Um outro espaço vetorial real de dimensão infinita que é importante é o espaço L2 de todas as funções complexas f (x) tomando valores em R. e com o produto interno Z ∞ h f |gi = f ∗ (x)g(x)dx. Exemplo 4.0. e sendo uma das razões pelas quais von Neumann batizou essa estrutura de espaço ‘de Hilbert’. β) < . munido das operações usuais de adição de funções e de multiplicação de função por escalar real.6 (Espaço de Hilbert) Um espaço vetorial com produto interno V é um espaço de Hilbert se for completo em relação à norma induzida pelo produto interno. −∞ ditas funções ‘quadrado-integráveis’. 43 Definição 4.6 Um espaço particularmente importante (que era estudado por Hilbert).  . −∞ . z1     α =  z2   ..0. Pode-se em especial falar de um subespaço W ser fechado (nele mesmo). ||α|| = hα|αi. existe α ∈ A tal que d(α. é formado tomando-se como vetores as matrizes coluna complexas (e suas operações correspondentes e com o produto interno canônico.   tais que ∞k=1 |zi | < ∞. tais que Z ∞ | f (x)|2 dx < ∞. 4.0.0. a norma√a ser considerada é aquela que se define por meio do produto interno. Em um espaço fechado.

t)|2 é denotado ρ(x. ou seja. e são todos isomorfos a `2 .7) é então dita condição de normalização. Definição 4. a expressão simplificada Z b p= |ψ(x. a pro- babilidade de encontrarmos o valor da medida de um observável físico  medido sobre um sistema no estado descrito por ψ(x. (4. O valor |ψ(x. t) no intervalo [a. t) como pertencente a L2 . Os espaços ` e L2 são isomorfos. Exemplo 4.b] (Â) = |ψ(x.8) a designa a probabilidade de encontrar a partícula. é dada por Z 2 x−3 2 p= 1/x2 dx = [ ] = −1/3(1/8 − 1) = 7/24 = 0. para t (a coordenada tempo- ral) fixado. Assim. Grande parte dos espaços usados em física são separáveis nesse sentido. t)|2 dx. segundo a interpretação probabilista da função de onda devida a Max Born. dado um intervalo [a. t)||2 = 1. t) (4. representada pela função de onda ψ(x. b] da reta real. A probabilidade de en- contrarmos a partícula em [1.8 Um espaço de Hilbert é separável se admite uma base ortonor- mal contável (finita ou enumeável). t).7 Suponha (para t fixo).b] Um fato interessante é o seguinte.44 CAPÍTULO 4. t)|2 dx (4. 2].0. Com efeito. 29. 1 −3 1 Voltaremos a essa e outras questões ‘quânticas’ mais tarde.7) −∞ Podemos entender ψ(x. b] da reta real. PRODUTOS INTERNOS Na mecânica quântica de ondas.t) prob[a. comentado por [Brown 1979]. e (4. que ρ(x) = 1/x2 . Esta condição está associada ao papel desempenhado pelo conceito de probabi- lidade na teoria quântica. [a. ||ψ(x.0. que satisfaz Z ∞ |ψ(x. t)|2 dx = 1. t) neste intervalo é precisamente Z ψ(x. um sistema de partículas em uma dimensão tem seus estados descritos por uma função de onda ψ(x.9) e denominado densidade de probabilidade. 2 Digamos que o observável a ser medido para um sistema composto por uma partícula em um espaço de dimensão unitária. .

Uma base para H formada por vetores ortonormais é uma base ortonormal de H. π −π Uma função seccionalmente contínua nesse intervalo é uma função que é contí- nua nesse intervalo ou que tem no máximo um número finito de descontinuidades de primeira espécie (se ela é descontínua em um ponto a do intervalo.2 (Séries de Fourier) Considere o espaço de Hilbert das funções seccionalmente contínuas no intervalo [−π. Verifica-se que as funções 1. além de ortogonais. cos x + a2 . .1. ORTOGONALIDADE 45 4. ela é integrável no intervalo e é limite da série seguinte. mas existem. (4.10) O que necessitamos é aprender a calcular os coeficientes.1 + a1 sin x + b1 .1.10) é dita ser o desenvolvimento de f (x) em série de Fourier. o que faremos abaixo no caso geral de um H qualquer. A expressão (4. os ‘coeficientes de Fou- rier’). a saber. contrari- amente a funções que são descontínuas de segunda espécie. sin 2x + b2 . que não tem limite no ponto a = π2 ). Eles são ortonormais se. cos 2x.1 (Vetores Ortogonais e Ortonormais) Dois vetores α e β de H são ortogonais se hα|βi = 0. Exemplo 4.1 Ortogonalidade Daqui para frente. Se f é uma função seccio- nalmente contínua no intervalo dado. que pode ser vista como sua expressão como combinção linear das funções ortonormais dadas. são unitários.1.1. . . sin x.4. f (x) = a0 . Definição 4. Exemplo 4. assumiremos sempre que H é um espaço de Hilbert. Situação análoga ocorre com o Cn . cos 2x. cos 2x + . π] da reta real munido do produto interno 1 π Z h f |gi = f (x)g(x)dx. . sin 2x.1 O espaço Rn munido do produto interno cann̂onico é um espaço de Hilbert (exercício). isso se deve ao fato de que seus limites laterais são distintos no ponto. etc. são vetores ortonormais relativamente ao produto interno acima. Os vetores da base canônica Ξ (veja à página 35) são ortonormais relativamente a esse produto interno. como f (x) − tan(x).

. 4. βn } para H. n).1. Vetores unitários de um espaço de Hilbert H representarão os estados dos siste- mas físicos. PRODUTOS INTERNOS Denomina-se de Processo de Ortogonalização de Gram-Schmidt o seguinte procedimento para.11) Ora. Tais coeficentes são denominados de coefiencientes de Fourier. .. (4. existem escalares xi (i = 1.. αn } para um espaço H. .1 Coeficientes de Fourier O ‘caso geral’ ao qual nos referimos acima no caso do exemplo das séries de Fou- rier. tais que β = x1 α1 + .46 CAPÍTULO 4. 1=1 ||αi ||2 Constata-se sem dificuladade que os β j são ortogonais entre si. }. lembrando que β1 = α1 . . dada uma base ordenada A = {α1 . . Para exempli- ficar.12) . . Seja A = {α1 . . . . + xn αn . trata de encontrarmos as coordenadas de um vetor em uma base ortonormal. . . temos que hα1 |β2 i hα1 |β2 i hβ1 |β2 i = hβ1 |β2 − 2 α1 i = hβ1 |β2 i − hβ1 |α1 i = 0. não necessariamente de Hilbert).. . . . encontrarmos uma base ordenada ortogonal B = {β1 . (4. . do seguinte modo: (1) β1 = α1 m−1 X hα1 |βm i (2) βm+1 = βm − αi . obtendo β1 βn N ={ . . αn } uma base ortonormal ordenada para um espaço de Hil- bert H (na verdade. Se β é um vetor qualquer desse espaço. . e certos opradores (que veremos na seção seguinte) representarão os observáveis físicos. mostraremos que β2 é ortogonal a β1 . o que faremos pode ser desenvolvido para um espaço vetorial com produto interno quaquer. uma base ortonormal é obtida simples- mente dividindo-se cada vetor de B pela sua norma. Com efeito. . ||β1 || ||βn || Espaços de Hilbert são fundamentais na formulação usual da física quântica. ||α1 || ||α1 ||2 Uma vez obtida a base ortogonal B. ou seja. . sabemos que hαi |α j i = δi j .

αn = hαi |βi. deveríamos dividir cada vetor da base por sua norma.α1 + . n X hαi |βi β= . temos n X β = hα1 |βi. . (4. .10). ORTOGONALIDADE 47 logo hαi |βi = hαi |x1 α1 + . . mas ortogonais simplesmente. . resulta que hαi |βi = xi . + xn αn i = x1 hαi |α1 i + . + hαn |βi. (4. (4.1.1 Calcule os coeficientes da expressão (4. em (4. + xn αi |αn i.12). . Se os vetores da base A não fossem ortonormais.11). assim. levando em conta o produto interno e as funções envolvidas.αi . de modo a torná-los unitários. + xi hαi |αi i + .1. .10).16) ||αi || e são exatamente esses que devem ser buscados na expressão (4.13) Portanto. .14) i=i Os coeficientes da combinação linear acima são denominados de coeficientes de Fourier. Exercício 4.15) i=i ||α i || De maneira geral.αi . Tendo em vista (4.4. os coeficientes de Fourier são portanto hαi |βi xi = . . . (4.

PRODUTOS INTERNOS .48 CAPÍTULO 4.

β ∈ V e a ∈ K. y) = (x + y. ou homo- morfismo de um espaço vetorial V em um espaço vetorial W. ambos sobre um mesmo corpo K.3 A aplicaçc̃ao T : R2 7→ R2 definida por T (x. A aplicação D definida por d f (x) D( f (x)) = dx é um operador linear sobre o espaço referido.3 (Operador linear) Um operador linear sobre um espcço veto- rial V é uma transformação linerar de V em V. Definição 5.0. a seguinte. para todos α. como facilmente se verifica.T (α). 49 .0.2 (Transformação linear) Uma transformação linear. é uma aplicação T : V 7→ W tal que. para b ∈ K: T (aα + bβ) = aT (α) + bT (β). Exemplo 5. −x + 2y) é um operador linear sobre o R2 .Capítulo 5 Operadores Lineares Definição 5. T (aα) = a. se tenha que 1.0.0. b] ⊆ R. Exemplo 5.4 Considere o espaço vetorial das funções diferenciáveis em um intervalo [a. As condições 1 e 2 são chamadas de condições de linearidade. T (α + β) = T (α) + T (β) 2. Podemos subs- tituir 1 e 2 por uma só condição.

há escalares x1 .1 Representação matricial Nesta seção. em notação mais cômoda. A partir a combinação linear (5. certos operadores lineares sobre espaços relevantes (espaços de Hilbert) representarão os observáveis físicos. ou seja. Os físicos distinguem entre os observáveis e os operadores que os re- presentam mudando um pouco a notação: se T é um observável físico. ou seja. . T (|βi) = x1 T (|α1 i) + · · · + xn T (|αn i). (5. pode também ser escrito como combinação linear dos vetores da base. as transformadas T (|αi i) dos vetores da base podem ser escritos como combinações lineares dos vetores da própria base. como momento. OPERADORES LINEARES Notação Em física quântica. não faremos essa distinção.1). (5. . n X T (|βi) = y1 |α1 i + · · · + yn |αn i = y j |α j i. (5.50 CAPÍTULO 5. para que o leitor vá se acostumando a ela.T (|αi i). . Se T é um operador linear sobre V e β ∈ V. posi- ção. utlizaremos a notação de Dirac. pela linearidade de T .2) j=1 Conheceremos T se soubermos como encontrar. Seja V espaço de dimensão finita n sobre K. os escalares yi (as coordenadas de T (|βi). etc. No momento.1) A transformada de |βi pelo operador T . xn tais que |βi = x1 |α1 i + · · · + xn |αn i. dados os xi (as coordenadas de |βi na base). obtemos T (|βi) = T (x1 |α1 i + · · · + xn |αn i). ou seja. 5.3) i=1 Por sua vez. sendo vetor de V. então T̂ é o operador que o representa. . . e seja A = {|αi i} uma base ordenada para V. como a posição de uma partícula. ou seja. n X T (|βi) = xi . podemos escrever β como combinação linear dos vetores da base.

    yn a1n a2n · · · ann xn       A matrix A = [ai j ] dos coeficientes das combinações lineares acima age como se fosse o operador.1. . .3). . + a2n |αn i = nj=1 a2 j |α j i P . n X X n T (|βi) = ai j . n (5. REPRESENTAÇÃO MATRICIAL 51 T (|α1 i) = a11 |α1 i + a12 |α2 i + .  =  .xi )|α j i. (5. j = 1. n (5.  . + ann |αn i = nj=1 an j |α j i P Ou simplesmente..6) j=1 i=1 Igualando os coeficientes de (5.   .  . denotada [T ]A .6). . yn se sua transformada na mesma base. permitindo que. temos        y1   a11 a21 · · · an1   x1   y2   a12 a22 · · · an2 x2        . . obtemos n X yj = ai j xi .7) i=1 Em notação matricial.2) e (5. (5. obtemos n X n X T (|βi) = xi .     .5. .. i = 1. .. . . . xn de um vetor numa base ordenada. . . . dadas as coordenadas x1 . . .5) i=1 j=1 ou seja. . n X T (|αi i) = ai j |α j i.4) em (5.. + a1n |αn i = nj=1 a1 j |α j i P T (|α2 i) = a21 |α1 i + a22 |α2 i + . T (|αn i) = an1 |α1 i + an2 |α2 i + . . . rearranjando os somatórios. . encontremos as coordenadas y1 . .4) j=1 Substituindo (5. ai j |α j i. . . . . . A matrix A = [ai j ] chama-se matriz representativa do operador T na base A.

52 CAPÍTULO 5.4). 2) + a22 (−1. . Ache os coeficientes (o que pode fazer resolvendo sistemas de equações linerares) 4. Neste caso. Dados o operador acima e o vetor |αi = (2. obtemos hαi |T |αi i = aii . quando {|αi i} for uma base ortonormal de V. −x + 2y) sobre o R2 e a base ordenada A = {(1. 2) + a12 (−1.1.1 Perceba agora a ação da matriz. T (1. + ain |αn i Façamos agora o produto interno hαi |T |αi i. A matriz é formada por esses coeficientes colocados como colunas. 2). −1).1 Consideremos o operador T (x.1. 3) = a11 (1. A seguinte notação é útil. 3) = a21 (1. (−1. Exemplo 5. Observamos que T (|αi i) = ai1 |α1 i + ai2 |α2 i + . 1) T (−1. 1) Os sistemas lineares indicam que a11 = 2. 3. que devido ao fato de que hαi |α j i = δi j . [T (α)]A obedece a relação [T (α)]A = [T ]A [α]A É indiferente se trabalhamos com o operador T ou com uma matriz represen- tativa de T . Escreva as transformadas como combinações lineares dos vetores da mesma base. 1) = (0. Transforme os vetores da base usando T 2. Isso traz vantagens em muitas situações. tomemos novamente as expressões (5. [α]A e verifique que as coordendadas se sua transformada pelo operador. . a21 = 1 e a22 = 1. a12 = −1. proceda como segue: 1. Assim. ! 2 1 [T ]A = −1 1 Exercício 5. OPERADORES LINEARES Regra prática Para achar a matriz representativa de um operador T em uma base finita {|αi i}. y) = (x + y. 1)}. Seguiremos os passos indicados acima. 2) = (3. . ache suas coordenadas na base A indicada no exemplo.

xn ] de um vetor β em uma base A. se tem [β]TB = M. O interessante é que existe uma matriz de passagem de uma base para outra (que não detalharemos aqui). essa ma- triz permite que obtenhamos as coordenadas do mesmo vetor em outra base. ou seja. MATRIZ DE MUDANÇA DE BASE 53 Isso mostra que a matriz representativa de T na base ortonormal {|αi i} pode ser escrita    hα1 |T |α1 i hα1 |T |α2 i ··· hα1 |T |αn i   hα2 |T |α1 i hα2 |T |α2 i ··· hα2 |T |αn i   [T ]A =  .5. que tem a seguinte função: dadas as coordenadas [β]A = [x1 .3 Produto de operadores Consideremos a coleção de todos os operadores lineares sobre um espaço veto- rial V munido de uma operação binária.[β]TA . . e suas inversas mudam coordenadas em B para coordenadas em A.  . n X T r(T ) = hαi |T |αi i. obtendo matrizes diferentes. B. Mais especificamente. . Essas matrizes são sempre inversíveis. dadas as bases A e A. (5. para todo vetor β. já que são funções) de operadores.8) i=1 5. Cada uma delas age como T relativa- mente à base considerada. sendo I o operador identidade. existe uma matriz inversível M tal que. zn ]. 5. definimos o traço do operador T como a soma dos elementos da diagonal principal da matrix acima.. .1 Um operador linear T sobre V é inversível se existe um operador T −1 sobre V tal que T −1 T = T T −1 = I. Denotamos o produto dos operadores T e U por T U. Definição 5.2 Matriz de mudança de base Podemos encontrar matrizes de um mesmo operador linear T relativamente a ba- ses diferentes.    hαn |T |α1 i hαn |T |α2 i ··· hαn |T |αn i   A partir dessa matriz.3.2. [β]B = [z1 . . o produto (ou composição. .

3. aque- les que são denominados de auto-adjuntos.9) Claro que quando T e U comutam. 5.[A. Porém. quando dois operadores que representam observáveis comutam. G−1 é chamado de inverso de T . assume-se que quaisquer dois observáveis podem ‘ser medidos ao mesmo tempo’. C] Fato relevante em física é o seguinte. que pode ser estabelecido no contexto da física quântica. . Ou seja. Já na física quântica. Como veremos. uma condição necessária e suficiente para T ser inversível é que seja bijetivo.2 (Operadores que comutam) Dois operadores T e U sobre V comutam se T U = UT . ou hermitianos. Depois veremos outra condição. OPERADORES LINEARES Neste caso. Na física clássica. mostra que isso não acon- tece com dois observáveis básicos (dentre outros). [A + B. Definição 5. isso não ocorre. um observável físico é algo que pode ser medido. o que representa um fato distintivo dessa disciplina. ou seja. C: 1. B]. aqui só enunciadas: Teorema 5. ou seja. para quaisquer operadores A. Propriedades im- portantes são as seguintes. A] 2.1 O comutador obedece as seguintes propriedades. a saber.C + B. [A. O resultado abaixo. [T. C] + [B. B] = −[B.54 CAPÍTULO 5. U] =def T U − UT (5. [A. Intuitivamente. B. C] = [A.1 O comutador Escrevemos [T. terem seus valores avaliados numa mesma situação física. C] 3. a posição e o momento. isso indica que os observáveis correspondentes podem ser medidos simultaneamente. É agora fácil constatar que o conjunto de todos os operadores lineares inver- síveis sobre V munido do produto de operadores é um grupo não comutativo (exercício).3. Como T é em particular uma fun- ção. seu comutador é nulo. U] (dito comutador de T e U) para denotar a diferença T U − UT . BC] = [A. os observáveis físicos serão representados no formalismo quântico por certos operadores.3.

É claro que. às vezes escreveremos T ∈ L(E) para indicar que T é um operador linear sobre E. +. e o operador correspondente por Â.~. X] = 0 2. temos um espaço vetorial sobre K. pode- mos considerar K como um espaço vetorial sobre si mesmo (ou seja.5.3.4.~. acima poderíamos escrever coisas como [X̂. Notação Na física quântica. Temos então a . [X. K. onde i é a unidade complexa e ~ = 2π h . FUNCIONAIS LINEARES 55 Se X é um operador que representa a posição de um sistema físico (como uma partícula elementar) e P representa o seu momento. do observável que a representa. (kT )(α) = k.T (α). Isso vai desempenhar um paperl importante na física quântica. Os físicos costumam representar um observável por uma letra latina maiúscula. para k escalar. sendo h a constante de Planck. considerar o espaço vetorial que identifica os vetores com os escalares. Dados dois de tais operadores. que chamemos de L(E). +. como A.4 Funcionais Lineares Um caso especialmente importante de transformações linerares é o seguinte. 0. 1i. Deste modo. P] = 0 3. como a posição de uma partícula. ·. Assim. a adição de vetores com a adição de vetores e a multiplicação de vetor por escalar com o produto de escalares). [X. [P. 5. Como já vimos. munido dessas operações. então temos: 1. Seja V um espaço vetorial sobre um corpo K = hK.2 O espaço dos operadores Seja E = hV. U e T . se quiséssemos. 5. definamos as operações seguintes: (UT )(α) = U[T (α)]. ·i um espaço vetorial e consideremos a coleção de todos os operadores lineares sobre E. costuma-se distinguir entre um observável físico. P̂] = i. P] = i.

hβ|. i de brakets. trata-se de uma função linear que associa um escalar a cada vetor do espaço. hγ| etc. Exemplo 5. A notação de Dirac. Ou seja. tem a ver com a terminologia inglesa. denotam funcionais linerares T β . Genial. Ou seja. por um resultado conhecido como Teorema de Riez.1 (Funcional linear) Um funcional linear sobre V é uma transfor- mação linear de V em K (visto como espaço vetorial sobre si mesmo). temos T β (α) = hα|βi. Pode-se demonstrar.4. Veja como fica fácil: a notação hα|βi pode significar duas coisas: o produto interno dos vetores α e β ou a imagem do vetor α pelo funcional caracterizado por β. etc. espaço dual.1 Mostre que a aplicação recém definida é de fato linear. T γ . para β um vetor fixo de V. não? (continua) Base dual. que isso sempre ocorre para cada funcional T . e que tal β é único para cada T .4. Por isso. associamos o escalar hα|βi. OPERADORES LINEARES Definição 5. .56 CAPÍTULO 5. que chama os delimitadores h. Os nomes já vistos (página 28) de "kets"para os vetores. II Note o que foi feito acima: o vetor β de certo modo caracteriza o funcional linear T . De maneira geral. a imagem de α por T é determinada a partir de β efetuando-se o produto interno hα|βi. Dirac usou a notação seguinte para expressar esse funcional: hβ|. Para cada vetor α de V. para cada α. e agora de "bras"para os funcionais. chamado de bra. Um caso de particular interesse é o seguinte funcional linear.

Exemplo 6. b] da reta. diagonalização Definição 6.2 Seja D operador liner sobre o espaço vetorial das funções reais de variável real deriváveis no intervalo [a. dx Então f (x) = e3x é autovetor de D.0. O escalar λ é dito autovalor associado ao autovetor ξ.Capítulo 6 Autovetores e autovalores.0. Impondo T (x. O escalar λ é dito autovalor associado ao autovetor X. y) = λ(x. y). Definição 6.0. y) = (2x − y. Exemplo 6. cujo autovalor associado é λ = 3. para λ ∈ K.0.3 (Autovetores e autovalores) Seja A matrix de ordem n sobre K. definido por d f (x) D( f (x)) = .3 Seja T operador linear sobre o R2 definido por T (x. y). Um autovetor de T é um vetor não nulo ξ ∈ V tal que T (ξ) = λξ. Um autovetor de A é uma matriz 1 × n X tal que AX T = λX T .2 (Autovetores e autovalores) Seja T um operador linear sobre o espaço vetorial V (sobre o corpo K). para λ ∈ K. obtemos o sistema de equações (2 − λ)x − y = 0 ( (1 − λ)y = 0 A matriz dos coeficientes do sistema é 2 − λ −1 ! A= 0 1−λ 57 .

Impondo AX T = λX T . É facil ver que o conjunto Eλ ∪ {0} é um subspaço vetorial de V. para X = [x. det(A − λI) = 0. ou (A − λI)X T = 0. Os autovetores associados são obtidos resolvendo-se o sistema acima para cada valor de λ. portando. que são λ1 = 1 e λ2 = 2. onde 0 é o vetor nulo de V. Exemplo 6. o que fornece dois conjuntos de vetores. y) ∈ R2 : x = y} e Eλ2 = {γ ∈ V : T (γ) = λ2 γ} = {(x. y) ∈ R2 : y = 0}.58 CAPÍTULO 6. obtemos AX T − λX T = 0.0. dito espaço característico associado ao autovalor λ. Seja A matriz quadrada de ordem n sobre o corpo K. DIAGONALIZAÇÃO que deve ter determinante não nulo para que haja solução não trivial. a saber: Eλ1 = {γ ∈ V : T (γ) = λ1 γ} = {(x. y]. Portanto. A matriz A − λI deve ser singular (não inversível) para que o sistema admita solução não trivial. que é o po- linômio característico de A.4 Seja ! 1 1 A= 0 1 matrix real. Então det(A − λI) = 0 formece . Suas raízes são os autovalores de A. os autovalores são as raízes do polinômio caraterístico λ2 − 3λ + 2 = 0. e os autovetores associados são obtidos resolvendo-se os sistemas (A − λI)X T = 0 para cada λ encontrado. AUTOVETORES E AUTOVALORES. sendo I a matrix identidade de ordem n.

.

.

.

.

1 − λ 1 .

.

.

det(A − λI) = .

= (1 − λ)2 = 0. .

0 1 − λ .

.

. a matriz das coordenadas de ξ na base A. Os autovalores são os mesmos. o que fornece λ1 = λ2 = 1. Resolvendo-se o sistema AX T = 1. Pode-se demonstrar que se T é operador linear sobre V e A = [T ]A é a matriz representativa de T na base ordenada A.X T .1 Matrizes semelhantes têm o mesmo polinômio característico. logo os mesmos autovalores.0. encontramos y = 0.4 Duas matrizes A e B são semelhantes e existe uma matriz invesí- vel M tal que B = M −1 AM. então ξ é autovetor de T se e somente se X = [ξ]A .0. Teorema 6. portanto E1 = {(x. y) ∈ R2 : y = 0}. é autovetor de A.1 Mostre que o conjunto Eλ ∪ {0} é um subspaço vetorial de V. Exercício 6. Demonstração: det(B − λI) = det(M −1 AM − λI) = det(M −1 (A − λI)M) = det(A − λI). Definição 6.0.

6. . . .0.2 (Matriz diagonalizável) Uma matriz A é diagonalizável se é se- melhante a uma matriz diagonal. . .1. . É fácil ver que se A = {α1 . a saber.  0 0 . λn  Teorema 6. que têm a seguinte interpretação. a questão de responder à pergunta: “Quais são os valores possíveis da medida de um obserável relativamente a um sistema físico?”. . . 6. desempenham papel importante as equa- ções da forma T (ξ) = λξ.1.1 O papel dos autovetores e dos autovalores na mecânica quântica No formalismo da mecânica quântica. . . Se T representa um observável físico.5-7]. Definição 6.1.” [Redhead 1987. . . o valor λ é interpretado como um valor possível para a medida do observável (para o sistema no dado estado). . . 0  A =  2   . αn } é uma base ordenada de V formada por autovetores de T . Isso s conforma com o que Michael Redhead chama de algoritmo da quanti- zação.1 (Operador diagonalizável) Um operador linear T sobre V é di- agonalizável se existe uma base de V na qual a matriz representativa de T seja uma matriz diagonal.1.1 Uma matriz A de ordem n sobre o corpo K é diagonalizável se e somente se seus autovetores gerarem o K n .1 Diagonalização Definição 6. . DIAGONALIZAÇÃO 59 6. e portanto a matriz de T nessa base será a matriz diagonal  λ1 0 . . . . que ele responde da seguinte forma: “São os autovalores do operador associado ao observável a ser medido. . 0     0 λ . pp. . então teremos T (αi ) = λi αi . . medido em relação a um sistema que esteja em um estado representado por ξ. .

. em caso afirmativo. . . . Ademais. . .1. sendo os λi os autovalores. . . DIAGONALIZAÇÃO Demonstração: Primeiramente. . . Reciprocamente. tais que AXiT = λi XiT . . λn  temos AM = A(X1T . . . pois DiT = di iT . XnT ) = (λ1 X1T . . . . suponha inicialmente que A é diagonalizável. 1. dn xn ) = (λx1 . logo semelhante a muma matriz diagonal D que podemos supor tem em sua diagonal principal os escalares d1 . Ache os autovalores correspondentes. 0  D =  2  . . . . λn XnT ) = MD. Seja M matriz cujas colunas são os vetores XIT . . ou seja. . AUTOVETORES E AUTOVALORES. .1.1 Verifique que os autovalores de A abaixo são 1 e 2 (duplo). xn ) . ou seja. . .  . . . . se os vetores característicos de A gerarem K n . dn . ou seja. . . desde que A seja diagonalizável: as colunas de M são formadas por autovetores linearmente independentes de A. 0     0 λ . . . λxn ). .2 Idem para a matriz    5 −1 3  A =  −6 4 −6    −6 2 4   . . o que daria (d1 x1 . . Quanto à demonstração. . Pondo  λ1 0 . 0) são autovetors de D. recorde que K n = {(x1 . . . Xn para K n . di xi = λi xi . . 0 tais que DX T = λX T . Mas como os autovetores são não nulos. . devemos ter pelo menos um xi . . . . xn ) : x j ∈ K} pode ser visto como um espaço vetorial sobre K. logo de A. Isso ainda mostra que os d1 são autovalores de D. . que é inversível pela hipótese de que esses vetores formam uma base. . . Exercício 6. . ache a matriz diagonal D semelhante a A:    3 −1 1  A =  2 0 2    2 −1 2   Exercício 6.  0 0 . . . . se houvesse outros autovalores λ de D então haveria vetores X = (x1 . . Verifique se a matriz é diagonalizável e.60 CAPÍTULO 6. . o que dará λ = di . 0. A demonstracão deste teorema nos dá o modo de achar a matriz M que efetua a diagonalização de A. Então os vetores i = (0. pode-se extrair uma base X1 . e assim não há outros autovalores além dos indicados. M −1 AM = D. . .

suporemos que V é um espaço com produto interno. Definição 7. então. para todos ξ. ou seja. ou seja. y.0.3 (Isometria) Uma isometria sobre V é um operador linear T so- bre V tal que ||T (α)|| = ||α|| para todo α ∈ V. Demonstração: (Exercício) Definição 7. ||ξ − η|| = ||T (ξ) − T (η)||. T preserva produtos internos. T preserva distâncias. hξ|ηi = hT (ξ)|T (η)i.0. Teorema 7.3 (a) Prove o teorema anterior. 4. T preserva conjuntos ortonormais.Capítulo 7 Matrizes e operadores ortogonais e unitários Nesta seção.4 (Operador unitário) Uma isometria sobre um espaço vetorial complexo é chamado de operador unitário. Exercício 7. −y).0. Uma isometria sobre um espaço ve- torial real é chamado de operador ortogonal. 2. (b) Mostre que T (x.2 Se T é uma isometria sobre V. 61 . 3. T preserva medidas angulares. xsenθ + ycosθ) é uma isometria sobre o R2 (operador ortogonal). y) = (x. z) = (xcosθ− ysenθ. (c) Idem para T (x. η ∈ V: 1.0.

hermitianos.0. no primeiro caso. nk=1 aki ak j = δi j . (2) A−1 = AT (respect. onde a é o conjugado de a. matriz unitária) Uma matriz real (complexa) de orden n A = [a1 j ] é ortogonal (unitária) se AT A = I (A∗ A = I). como veremos.5 (Matriz ortogonal. t2 ∈ R. e é conhecido como operador de evolução unitária no formalismo da mecânica quântica. O operador U é unitário e limitado. MATRIZES E OPERADORES ORTOGONAIS E UNITÁRIOS Definição 7.4 Mostre que A é unitária e que B é ortogonal: ! cosθ isenθ A= isenθ cosθ    1/3 2/3 2/3  B =  2/3 −2/3 1/3    −2/3 −1/3 2/3  (continua) Operadores e matrizes auto-adjuntos. . as colunas de A são P vetores ortonormais relativamente ao produto interno canônico (de cada espaço). Observáveis em física. (2) as linhas de A também são vetores ortonormais relativamente ao produto interno canônico. det(A) = ±1. dados em função de um parâ- metro real t relativamente ao qual são contínuos (que entenderemos como repre- sentando o tempo). aqui somente enunciados: (1) se A for ortogonal ou unitária. A definição implica que. Uma das formulações da equação de Schrödinger pode ser dada em função do operador U.0. enquanto que H é o operador hamiltoniano.. resulta de que se {U(t)} é uma família de ope- radores unitários sobre um espaço de Hilbert H. e no segundo P caso. Exercício 7. nk=1 aki ak j = δi j . onde A∗ é a transposta conjugada de A).62CAPÍTULO 7. para todo t ∈ R. Operadores de evolução e hamiltoniano Fato importante em física. Outros fatos importantes são os seguintes. pode-se mostrar que existe um único operador H satisfazendo U(t) = e−iHt . A−1 = A∗ . e representa a energia do sistema. Ou seja. e que mos- tra a relevância desses operadores. sendo eiHt = cos(tH) − i sin(tH). Pode-se ainda demonstrar que uma matriz n × n A real (complexa) representa um operador ortogonal (unitário) T relativamente a uma base ortonormal se e somente se for ortogonal (unitária). então se esses operadores satisfazem a condição U(t1 + t2 ) = U(t1 )U(t2 )para todos t1 .

. Como se viu acima.0. 63 Teorema 7. a matriz M tem por colunas autovetores linermente in- dependentes de A. Em outras palavras. pode-se associar a ele um conjunto de k autovetores linearmente independentes. ou seja. cujos elementos diagonais são os autovalores de A. mesmo que haja autovalores com multiplicidade k > 1.3 (Teorema dos Eixos Principais) Toda matriz hermitiana (real si- métrica) A é unitariamente (ortogonalmente) semelhante a uma matriz diagonal real D.. existe M unitária (ortogonal) tal que D = M −1 AM = M ∗ AM (respect. D = M T AM). que sempre existem (o que decorre do teorema).

MATRIZES E OPERADORES ORTOGONAIS E UNITÁRIOS .64CAPÍTULO 7.

0. com αi ∈ Wi . W2 = W1 + W3 . É imediato que um vetor α pertence a W se e somente se pode ser escrito na forma α = α1 + · · · + αk . R3 = W1 ⊕ W3 ⊕ W4 . 65 .Capítulo 8 Somas. Exercício 8. e será comentado abaixo. 0. somas diretas e projeções Definição 8. Exemplo 8.0. 0) : x. . . . Então R3 = W1 + W2 + W4 = W1 + W3 + W4 . 0) : x ∈ R} (o que usualmente chamamos de "eixo OX"). mostre que W2 = W1 ⊕ W3 . e escrevemos W = W1 + · · · + Wk . Dizemos que a soma é direta. z) : z ∈ R} ("eixo OZ").7 (Soma direta) Seja W = W1 +· · ·+Wk nas condições da definição precedente. se W é o subespaço gerado pela união dos Wi . Definição 8. um vetor α ∈ W pode ser escrito de modo único como α = α1 + · · · + αk .1 Seja V o espaço R3 .0. mas que a soma R3 = W1 + W2 + W4 não é direta. O caso da unicidade é distintivo. W2 = {(x. 0. tivermos W j ∩ (W1 + · · · + W j−1 ) = {0}. . Pode-se agora demonstrar que se a soma é direta. e sejam W1 = {(x.6 (Soma de subespaços) Sejam W1 . 0) : y ∈ R} ("eixo OY"). e W3 = {(0. para todo 2 ≤ j ≤ k. y ∈ R} ("plano XY"). Wk subespaços vetoriais de V.0. y. y.5 A partir do exemplo anterior. com αi ∈ Wi ainda que esta decomposição possa não ser única. Dizemos que W é soma dos Wi . e W4 = {(0. e escrevemos W = W1 ⊕ · · · ⊕ Wk se.

Wk subespaços de V. . Suponhamos que W = W1 ⊕ · · · ⊕ Wk . . · · · . λk são autovalores distintos de T . Assim. respeitando-se os índices. podemos escrever α = E1 (α) + · · · + Ek (α). . . logo T = c1 E1 + · · · + ck Ek . λk são autovalores distintos de T diagonalizável e Ei os operadores projeção sobre os espaços característicos dos λi (i = 1. Teorema 8. Então. no caso real): Teorema 8. . . ou seja. Sejam Ei as projeções associadas a cada um dos espaços desta decomposição. e α = α1 + · · · + αk conforme acima.0.4 Seja T operador linear sobre V. que vale em particular para operadores hermitianos (ou ortogonais. vem que I = E1 + · · · + Ek . pp.0. SOMAS DIRETAS E PROJEÇÕES Definição 8. e tendo em vista que I(α) = α (operador identidade). SOMAS. tem-se que T (ξ) ∈ W. Recorde que E 2 = E. então as projeções Ei comu- tam com T . . Para cada i = 1.0. Então sabemos que podemos escrever V = W1 ⊕ · · · ⊕ Wk . Demonstração: Suponha T diagomalizável e λ1 .8 (Subespaço invariante) Seja T operador linear sobre V e W su- bespaço de V. . . k definimos um operador projeção do seguinte modo: E1 (α) = αi . . então T = λ1 E1 + λ2 E2 + · · · + λk Ek . Demonstração: (Hofman & Kunze 1979. n) os subespaços característicos associados aos autova- lores correspondentes. resultando T (α) = E1 T (α) + · · · + Ek T (α) = E1 c1 α + · · · + Ek ck α = c1 Ei (α) + · · · + ck Ek (α). .5 (Teorema Espectral) Se λ1 . uma condição necessária e suficiente para cada Wi seja invariante sob T é que T comute com cada Ei .66 CAPÍTULO 8.E. Então. . para α ∈ V. . W1 .9 (Projeção) Uma projeção sobre um espaço vetorial V é um ope- rador E sobre V tal que E 2 = E. . Definição 8. Então W é invariante sob T se para cada ξ ∈ W. logo T (α) = T (E1 (α) + · · · + Ek (α)) = T E1 (α) + · · · + T Ek (α). conhecido como Teorema Espectral. . . podemos escrever α = E1 (α) + · · · + Ek (α). tais que V = W1 ⊕ · · · ⊕ Wk . tendo em vista que os Wi são invariantes pela ação de T . sendo a operação indicada a composição (produto) de operadores. . n). . Sejam Wi (i = 1. 274-5). . e sejam Ei projeções associadas aos subespaços Wi .0. Resultado importante é o seguinte. . .

(iii) Mostre que a cada operador de projeção E está associado um subespaço vetorial de V. Ou seja. o vetor projetado (suposto não nulo) é uma base para W. para acharmos a projeção de |αi sobre W. Seja W subespaço de V e {α1 . . . Se a dimensão de W for 1. 8. .6 (i) Mostre que os operadores Ei definidos acima são de fato pro- jeções. Usando convenientemente a notação de Dirac.1. Então o operador PU =def |αihα| + |βihβ| é uma projeção sobre U (exercício). . (ii) Mostre que para projeções. RESOLUÇÃO DA IDENTIDADE 67 Exercício 8. PU (x|αi + y|βi + z|γi) = x|αi + y|βi. com o escalar precedento o vetor.0. o operador X EW (α) = hαi |αiαi i ou. |βi. Assim. Notação: projeções Uma notação útil no caso da mecânica quântica é a se- guinte. que é um modo de reescrever EW (|αi) = hψ|αi|ψi da forma como estamos acostu- mados. na notação de Dirac. e reciprocamente. para α ∈ V. |γi} seja uma base para tal espaço. Então. basta obter EW (|αi) = |ψihψ|αi. su- ponha que temos um espaço de Hilbert H de dimensão 3 e que {|αi. de sorte que podemos normalizá- lo e chamá-lo de |ψi para simplificar. de sorte podemos escrever |ψi = hψ|αi|ψi = |ψihψ|αi e então resulta a notação conveniente EW = |ψihψ|.8. Seja U um subepaço de V gerado por |αi e |βi. vale a expressão E I E j = 0 se i . . ou seja.αk } base ortonormal para W. j. X EW (|αi) = hαi |αi|αi i i é um operador de projeção sobre W (exercício).1 Resolução da identidade Iniciemos com um exemplo.

Claro que. A situação mais geral sugerida pelo que se viu acima é o operador identidade pode ser escrito como soma de projeções X 1= |αi ihαi |. aceitando-se o teorema precedente.68 CAPÍTULO 8. então X X T r(T ) = hψi |T (ψi )i = hψi |T |ψi i. (8. SOMAS DIRETAS E PROJEÇÕES Denotaremos por 1 o operador identidade sobre um espaçõ de Hilbert H. então n X T r(A) = aii .1 Seja T operador linear sobre V com produto interno. para qualquer |αi. Se a série P i hψi |T (ψi )i converge e tem o mesmo limite independentemente da base {|ψi i}. SOMAS. seja A matriz de T na base canônica (como o teorema se refere a algo invariante pela troca de bases. você já deve ter percebido que é indiferente falarmos do traço de um operador ou de sua matriz representativa em uma base ortonormal (VER VER). há um modo de representar a função traço que é importante. se A = [ai j ] é de ordem n. Disso vem que.2. o que sugere que podemos utilizar a resolução da identidade sempre que desejarmos. Uma tal expressão para 1 é denominada de resolu- ção da identidade. basta que consideremos a canônica). Suponha por simplicidade que o espaço seja o R2 e que ! a11 a12 A= a21 a22 . e resulta do seguinte Teorema 8. o qual ainda mostra o significado da expressão "traço de um operador". Com efeito.2) i i Certamente. para qualquer vetor |αi. (8. Ou seja. tem-se que 1(|αi) = |αi.2 A função traço A função traço associa cada matriz quadrada a um escalar que é a soma dos ele- mentos de sua diagonal principal. i=i No formalismo da física quântica.1) i onde {|αi i} é uma base de H. 8.

8. .3. como . Suponha que temos um sistema físico e um observável que seja representado por um operador hermitiano Â. e deve ser aqui entendido de modo intuitivo). |ψn i. e que esse sistema possa ‘ser preparado’ (terminologia dos físicos) nos n estados possíveis |ψ1 i. 1).3 O valor esperado da medida de um observável O teorema anterior tem importância em física. Se {|αi i} é uma base ortonormal para H. . que na forma de matriz (ou de suas coordenadas em relação à base canônica) vem que 2 ! ! ! ! X a a 1 a a 0 hψi |A|ψi i = (1 0) 11 12 + (0 1) 11 12 = a11 + a22 . podemos indagar sobre o valor es- perado da medida de  para o sistema no estado |ψi = ni=1 |ψi i. Se p j denota a probabilidade de que o sistema tenha sido preparado no estado |ψ j i (o conceito de probabilidade não foi ainda mencionado. . 0) e ψ2 = (0. O VALOR ESPERADO DA MEDIDA DE UM OBSERVÁVEL 69 Como os vetores da base são ψ1 = (1.8. . a21 a22 0 a21 a22 1 i=1 que coincide com a definição dada acima. (8. conheceremos tudo o que se pode conhecer sobre o sistema.3) j=1 É um princípio básico da mecânica quântica que se conhecermos o valor es- perado de todas as medidas. é P n X hÂi|ψi = p j hψ j |Â|ψ j i.

SOMAS. SOMAS DIRETAS E PROJEÇÕES .70 CAPÍTULO 8.

com ψ1 ∈ H1 e ψ2 ∈ H2 . φ2 ) (CONTINUA) 71 . ψ2 ∈ H1 e φ1 . φ1 ) + a2 f (ψ2 . f (ψ1 . Definição 9. b1 φ1 + b2 φ2 ) = b1 f (ψ1 . f (a1 ψ1 + a2 ψ2 .1 (Funcional bilinear) Denomina-se funcional bilinear entre os es- paços H1 e H2 (ambos sobre o corpo complexo C) a uma função f : H1 ×H2 . Denotaremos por H1 × H2 o pro- duto desses espaços. para todos ψ1 .→ C que satisfaz as condições seguintes. mas tendo em vista as apli- cações que temos em mente. φ1 ) + b2 f (ψ1 . cujos elementos são pares da forma ξ = (ψ1 . ψ2 ). φ2 ∈ H2 : 1.0. φ1 ) = a1 f (ψ1 . φ1 ) 2. dito produto topológico. serão dois espaços de Hilbert) H 1 e H 2 . e o caso para infinitos espaços será visto mais à frente.Capítulo 9 Produto tensorial (em preparo) Consideraremos a situação de e espaços vetoriais. A gene- ralização para um número finito qualquer de espaços é fácil de se fazer.

72 CAPÍTULO 9. PRODUTO TENSORIAL .

Como acima. . vetores. . uma matriz de ordem m × n.0. a2n  A =  21  . amn Uma definição precisa é a seguinte.Capítulo 10 Apêndice A Matrizes e operações com matrizes Informalmente. ji são denotadas por ai j ∈ X. onde m e n são números naturais não nulos. Definição 10.   am1 am2 . . etc. outras matrizes.2 (Matriz m × n) Uma matriz A de ordem m × n sobre um con- junto X é uma função cujo domínio é o conjunto I = {hi. a1n     a a22 . onde 1 ≤ i ≤ m e 1 ≤ j ≤ n. e a notação é acima. Importam as seguintes definições. escrevemos A = (ai j ) e. 1 ≤ j ≤ n} e cujo contra domínio é X. . Se m = n. funções. . Se denotarmos os elementos de uma matriz A por ai j . . Duas matrizes A = (ai j ) e B = (bi j ) são iguais se e somente se ai j = bi j para todos i e j. assim:  a11 a12 . como números. ji : 1 ≤ i ≤ m. ‘por extenso’. . j. . 73 . as imagens dos pares hi. a matriz se diz quadrada de ordem n (ou m). cujos elementos são objetos de alguma natureza. Uma matriz de ordem m × n é dita matriz nula se ai j = 0 para todos i. os seus elementos aii formam a sua diagonal principal. é uma tabela retangular com m linhas e n colunas. Se A é quadrada.

suporemos quase sempre. exceto se dissermos explicitamente o contrário (como no exemplo abaixo). desde que esta operação de adição de elementos de X e de Y faça sentido. Se k = −1. suporemos que a adição de seus elementos é sempre possível. Definição 10. que o conjunto X é um corpo. APÊNDICE AMATRIZES E OPERAÇÕES COM MATRIZES Definição 10. a matrix kA obtém-se multipliando cada elemento de A por k.1 Sejam A. A operação que às matrizes A a B associa a sua soma A + B denomia-se adi- ção de matrizes. onde ci j = ai j + bi j .74CAPÍTULO 10. denota-se a matriz kA por −A (dita oposta de A).0. A matriz quadrada de ordem n I = (δi j ). para A e B matrizes de ordem 2 sobre o conjunto N dos números naturais: 2+0 3+1 ! ! ! ! 2 3 0 1 2 4 + = = 4 5 7 8 4+7 5+8 11 13 Conceitos importantes são os seguintes.0. B e C matrizes de mesma ordem e de sorte que suas somas possam ser encontradas.4 Seja A = (ai j ) matriz de ordem m × n sobre X e k um elemento para o qual a multiplicação de k pelos elementos de X faça sentido. os elementos ai j para os quais i = j são os elementos da diagonal principal de A. Ademais. A + 0 = A (a matriz nula é o elemento neutro relativamente à adição de matrizes) . Em uma matriz quadrada Uma matriz de ordem n A = (ai j ). Então. como R ou C. A + (B + C) = (A + B) + C (associatividade da adição) 2. Definimos então a matriz kA. j e δi j = 1 se i = j é dita matriz identidade de ordem n. A + B = B + A (comutatividade da adição) 3. Denomina-se de soma das matrizes A e B à matriz A + B = (ci j ) de mesma ordem. As seguintes propriedades podem ser facilmente demonstradas (exercício): Teorema 10. δi j assim definido é denominado de delta de Kronecker. podemos escrever. tem-se: 1. Obviamente.0.3 (Adição de matrizes) Sejam A = (ai j ) e B = (bi j ) matrizes de ordens m × n sobre os conjuntos X e Y respectivamente. dita produto da matriz por k como sendo a matriz de ordem m × n cujos elementos s ao kai j . onde δi j = 0 se i . e 0 matriz nula de ordem compatível com as ope- rações indicadas. Por exemplo. Quanto falarmos da adição de duas matrizes.

Antes. Demonstra-se facilmente que (exercício): Teorema 10. Definição 10. de ordem m × p. uma definição importante. A + (−A) = 0 (toda matriz adimite uma ‘inversa’ relativamente à adição de matrizes) Este teorema mostra queo conjunto das matrizes de ordem m × n sobre um conjunto X (sobre o qual as operações usuais estejam definidas) forma um grupo comutativo. Interessa-nos particularmente o caso das matrizes quadradas. exceto quanto men- cinado o contrário.5 (Produto de matrizes) Sejam A = (ai j ) e B = (b jk ) matrizes de ordens m × n e n × p respectivamente. a matriz produto terá m linhas e p colunas. . a matriz B tem que ter n linhas. e k. Tem-se: 1. m×n · n× p = m × p. vê-se que o conjunto das matrizes de ordem m×n sobre um corpo K é um espaçõ vetorial sobre K. Suponha agora que consideremos as matrizes de ordem m × n sobre um corpo numérico K. informalmente.0. ambas sobre o mesmo corpo K.0. a de produto de matrizes. l ∈ K. como faremos abaixo.2 Sejam A e B matrizes como acima. que definiremos de maneira geral. (k + l)A = kA + lA 3. O esquema abaixo ilustra os seus elementos principais: se A tem m linhas e n colunas. k=1 Note as condições da definição. Podemos dotar o espaço vetorial das matrizes quadradas de ordem n sobre um corpo K com um produto interno. k(A + B) = kA + kB 2. Chama-se produto das matrizes A e B (nesta ordem) à matriz AB = (cik ). 75 4. para que produto possa ser definido. 1A = A (onde 1 é o elemento identidade de K) Com os dois teoremas acima. tal que Xn cik = ai j b jk . k(lA) = (kl)A 4. que consideraremos doravante. Se ela tem p colunas.

1. 4.3 Sejam A. (Matriz Simétrica) A quadrada é simétrica se ai j = a ji para todos i. (Matriz Diagonal) A quadrada é diagonal se ai j = 0 para i . j. onde ā ji é o conjugado de a ji . A0 = 0 (para A e 0 de ordem n) 4. A(BC) = (AB)C (associatividade da multiplicação de matrizes) 2. B e C matrizes de ordens tais que todos os produtos e somas indicados abaixo sejam definidos. Uma notação relevante em física é a seguinte: [A.76CAPÍTULO 10. ainda que haja matri- zes parriculares que comutem (como ilustra o caso (4) do teorema acima). (Matriz Conjugada) Chama-se conjugada de A de ordem m × n sobre um corpo numérico K à matriz A? = (bi j ) tal que bi j = a ji 5. Definição 10. não é comutativo. k(AB) = (kA)B = A(kB) para todo k 3. APÊNDICE AMATRIZES E OPERAÇÕES COM MATRIZES Exemplifiquemos com o produto de duas matrizes de ordem 2: a11 b11 + a12 b21 a11 b12 + a12 b22 ! ! ! a11 a12 b11 b12 · = a21 a22 b21 b22 a21 b11 + a22 b21 a21 b12 + a22 b22 Com um pouco de dedicação.6 1. Então. AI = IA = A (para A e I de ordem n) O produto de matrizes. 3. (Matriz Transposta) Chama-se de transposta de A de ordem m × n à matriz AT = (bi j )de ordem n × m tal que bi j = a ji . (10. 2. no entanto. B] = AB − BA. (Matriz Transposta Conjugada) Chama-se transposta conjugada de A de ordem m×n sobre um corpo numérico K à matriz A? = (bi j ) tal que bi j = ā ji . j. é fácil ver que vale o seguinte Teorema 10.0. B] = 0. .1) Se A e B comutam. obviamente [A.0.

considererando matri- zes complexas no caso da transposta conjugada. (10. . um ou outro é utilizado dependendo da preferência do autor. Bi = T r(AT B) no caso da definição alternativa).2) i=1 Ou seja.8 (Produto Interno definido pelo traço) hA. hA.0. Bi = T r(ABT ) (respectivamente. Bi = T r(AB? ). Podemos dotar o espaço vetorial das matrizes quadradas de ordem n sobre um corpo K (R ou C) de um produto interno assim definido: Definição 10. Considere os casos particulares das matrizes unitária e nula (de ordem n). Definição 10. o traço de A é a soma dos elementos de sua diagonal principal. a matriz transposta de A é obtida trocando-se as linhas e as colunas de A de forma ordenada.1 Ilustre a definição acima com exemplos.3) define de fato um produto interno sobre o espaço das matrizes acima referido.7 (Traço de uma matriz) Chama-se traço de uma matriz qua- drada A = (ai j ) de ordem n sobre um corpo K ao escalar n X T r(A) = aii . A funa̧o traço tem um importante papel em física. a definição (10.3) torna-se hA. o que dá na mesma). Em física.2 Mostre que (10. então a conjugada de A é a própria A. Exercício 10. 77 Assim. A sua transposta conjugada é obtida transpondo-se A e conjugando seus elementos (ou o contrário.0. (10. Bi = T r(A? B). Se A é uma matriz real (seus elementos são números reais).0. Exercício 10. Se K = R.0.3) Obtemos um outro produto interno pondo hA.

78CAPÍTULO 10. APÊNDICE AMATRIZES E OPERAÇÕES COM MATRIZES .

11. ou um seu sub-conjunto.Capítulo 11 Apêndice B Noções de cálculo diferencial Revisaremos nesta seção alguns dos principais conceitos do cálculo diferencial. etc. associamos um número real. chamando y o valor f (x).2 Funções Se f : A 7→ B é uma função em uma só variável independente x. em especial os de limite e derivada de uma função. racionais. naturais. percorrer um conjunto de polinômios. Suporemos sempre que es- tamos operando no corpo dos números reais ou dos complexos. de vetores. ditas funções reais (pois assu- mem valores reais) de (uma) variável real (sua variável independente percorre R. Se Rn×n representa o conjunto das ma- 79 . Alternativamente. com x percorrendo A e y assumindo valores em B.1 Um pouco de história 11. Iniciamos com um pouco de história. A notação y = f (x) é sugestiva. Exemplos relevantes são funções de R em R. de matrizes. x poderia assumir valores complexos. exceto se dito o contrário. real). dizemos que y é a variável dependente. Um exemplo típico é o da função determinante: para cada matriz quadrada A (digamos. dito determinante de A que obedece certas condições (que definem a função).

n = 2. . no entanto. O conjunto B é chamado de contra-domínio de f . escrevemos y = f (x1 . . . Casos relevantes de funções são as que têm domínio em algun subconjunto do R (ou do Cn ) e contra-domínio Rm (ou Cm ). Isso mostra que os conjuntos A e B não necessitam ‘ter a mesma natureza’. . Exemplos particularmente importantes são certas funções de um espaço veto- rial em outro (eventualmente. a saber. Exemplos importantes em nosso estudo são certas funções que associam a cada par de vetores α e β de um K-espaço vetorial V um escalar hα|βi ∈ K chamado de produto interno entre α e β. . . xn i e n ȳ = hy1 . O conjunto dos valores de x para os quais f está definida chama-se domínio de f . Img( f ) = {y ∈ B : (∃x ∈ A)(y = f (x))}. . denotado Img( f ). . digamos n. . . Neste caso. esta função é uma função de Rn×n em R. APÊNDICE B NOÇÕES DE CÁLCULO DIFERENCIAL trizes reais quadradas de ordem n. . podemos usar a mesma notação acima e escrever ȳ = f ( x̄) para representar uma tal função.1: Uma função de A em B e seus elementos principais. mas pode ser que nem todo elemento de B seja ‘imagem’ (por f ) de algum elemento de f .80 CAPÍTULO 11. '$ f '$  x y Img( f )  &% &% A = dom( f ) B = codom( f ) Figura 11. Uma função pode. e o sub-conjunto dos elementos de B que são imagens de algun x ∈ A chama-se imagem de f . no mesmo) que obedecem as chamadas ‘condições de lineraridade’. . . e de operadores linerares no caso de serem funções lineares de um espaço nele mesmo. Neste caso. ter muitas variáveis independentes. Tais funções são denominadas de transformações linerares. . . . ym i. xn ) para denotá-la. x1 . Assim. A notação f : A 7→ B sugere que A é o domínio de f . Isso é estudado mais detidamente na seção 5. xn . . Se escrevermos x̄ = hx1 .

11. sobrejetivas. f é sobre B. x . Vêm então os seguintes conceitos: 1. podemos olhar a igualdade y = 1/x como definindo uma função real de variável real.1 Definição 11. . e devemos então notar que dom( f ) = R − {0}.2. Algumas vezes (raramente na atualidade) essas funções são denominadas de biunívocas. (Função injetiva) f é injetiva se para todos x. bijetivas) Seja f : A 7→ B uma função de A em B. Exemplo 11. 3.2.1 (Funções injetivas. FUNÇÕES 81 Muitas vezes o domínio de uma função não é especificado.2 abaixo).2. Intuitivamente. Alternativamente (tomando a contrapositiva da implicação ante- rior). Informalmente. y implica f (x) . ou seja. f (y). (Função sobrejetiva) f é sobrejetiva (ou sobrejetora)se para todo y ∈ B existe x ∈ A tal que y = f (x). Definição 11. elementos distintos de A terem a mesma imagem. f (x) = f (y) implica x = y. O que informalmente significa haver uma correspondência 1 × 1 entre os elementos de A e de B. 2.2. não há elemento de B que não seja imagem de pelo menos um elemento de A. o que representa a figura acima não pode ocorrer.2 (Composição de funções) Sejam f : A 7→ B e g : B 7→ C. nunca dois elementos distintos de A podem ter a mesma imagem em B (veja a figura 11. Nomes alternativos são função injetora e função unívoca (ainda que este último seja pouco comum atualmente). (Função bijetiva) f é bijetiva (ou bijetora) se for injetiva e sobrejetiva. '$'$ x f z y A &% &% B Figura 11. ficando implícito pelo contexto.2: Se f for injetiva. y ∈ A. ou seja. Chama-se de composta de f e g (nesta ordem) à função g ◦ f : A 7→ C definida por (g ◦ f )(x) = g[ f (x)]. Por exemplo.

APÊNDICE B NOÇÕES DE CÁLCULO DIFERENCIAL Img( f ) Img(g) f '$ '$ g '$   .82 CAPÍTULO 11.

Teorema 11. O teorema abaixo for- nece as condições necessárias e suficientes. primeiro aplicamos f . .2. Os elementos y ∈ B são levados em Img(g). é uma operação binária sobre o conjunto das funções de A em B. mas somente os elementos de Img( f ) são levados em Img(g ◦ f ).2. No entanto. Chamamos de inversa à esquerda de f a uma função g : B 7→ A tal que g ◦ f = iA .2.3 (Função inversa) Seja f : A 7→ B. f ‘vem antes’ do que g na composta g ◦ f .1 (Existência das inversas) 1. sendo iB a função identidade sobre B. Importante é sabermos quanto essas inversas existem. onde iA é a função identidade so- bre A. Os elementos x ∈ A são levados por f em Img( f ). e depois aplicamos g. a saber. 2.1 Mostre que o conjunto das funções bijetivas de A em A munido da operação de composição de funções é um grupo (não comutativo). 3. Definição 11. Uma função admite inversa se e somente se for bijetiva. mas em geral não é co- mutativa. a função identidade i : A 7→ B.2 Observação A composição de funções é associativa. ou seja. Exemplo 11. Denomina-se inversa (simplesmente) de f a uma função f −1 : B 7→ A tal que f ◦ f −1 = iA e f −1 ◦ f = iB ( f −1 é inversa de f tanto à direita quanto à esquerda).  Img(g ◦ f)    &% &% B &% C A g ◦ f : A 7→ C Figura 11. Uma função admite inversa à direita se e somente se for sobrejetiva. Uma função admite inversa à esquerda se e somente se for injetiva. esta operação admite um elemento neutro. Demonstração: Exercício 11. definida por i(x) = x para todo x ∈ A. Se A = B.3: Composição das funções f : A 7→ B e g : B 7→ C. Chama-se inversa à direita de f a uma função h : B 7→ A tal que f ◦ h = iB .2. A notação não deve enganá-lo: informalmente.

para definir h : B 7→ A como a inversa à direita de f : A 7→ B. ela não admite inversa à esquerda.3. devidos principalmente ao matemático francês A. e há duas opções pelo menos no caso de f não ser injetiva (a figura acima mostra duas opções.3 Limites de funções e de sequências Seja f : A 7→ B uma função. o cálculo foi chamado de cálculo infinitesimal . necessitamos postular que podemos selecionar (escolher) uma imagem (por g) para cada elemento z pertencente a B (como f por hipótese é sobrejetiva. Na sua origem. LIMITES DE FUNÇÕES E DE SEQUÊNCIAS 83 Observação Um fato digno de nota é o seguinte. resultante da prova do item 2 do teorema anterior. e chama-se de Axioma da Escolha. Sem ele. No caso geral.. necessitamos postular que. x e y). para cada z ∈ B. Img( f ) = B). mas nada impede que tenha inversa à direita (veja a figura seguinte). Este postulado é um dos essenciais da matemática usual.. Assim. não há como contornar esse problema. podemos escolher um elemento x ∈ A tal que g(z) = x. 11. Cauchy . A idéia intuitiva de que f tem um limite b ∈ B em um ponto a ∈ A é a de que à medida em que os valores assumidos pela variável independente x se aproximam de a.4: Para se definir a inversa à direita de f : A 7→ B que não é injetiva. os valores da variável dependente y se aproximam de b. não podemos provar que uma função sobrejetiva admite inversa à direita. mas trata-se de uma das questões mais problemáticas da matemática moderna. (Outros fatos importantes sobre este axioma aparecem em outras partes deste texto. O conceito de infinitésimo foi banido do cálculo pela introdução dos chamados ‘epsilons e deltas’. No entanto. Suponha que f não é injetiva. como a sua necessidade para provar–no geral–que todo espaço vetorial possui uma base). '$'$ x f z y A &%&% B Figura 11. L..11. pelo item 1. necessitamos saber qual a imagem inversa de z ∈ B. O problema é dar um sentido preciso a essa idéia. Isso pode parecer óbvio do ponto de vista intuitivo.

(11. (MAIS) 11. Em terminologia atual. lim f (x) = b.1 Derivadas . dizemos que a função real de uma variável real f tem limite b quando sua variável independente x tende a a.3.84 CAPÍTULO 11. APÊNDICE B NOÇÕES DE CÁLCULO DIFERENCIAL (datas). em símbolos.1) x→a para simplificar a seguinte sentença: (∀ > 0)(∃δ > 0)(0 < |x − a| < δ → | f (x) − b| < ).

Capítulo 12 Apêndice C Noções sobre cálculo integral 85 .

86 CAPÍTULO 12. APÊNDICE C NOÇÕES SOBRE CÁLCULO INTEGRAL .

Capítulo 13 Apêndice D Noções sobre equações diferenciais 87 .

APÊNDICE DNOÇÕES SOBRE EQUAÇÕES DIFERENCIAIS .88CAPÍTULO 13.

2002. 2a. 1979. 1967. EPU. B. M. 1997 [Redhead 1987] Redhead. Álgebra Linear. [McMahon 2005] McMahon. [da Costa 2005] da Costa. Springer. ed. 89 . Nonlocality and Realism: A Prolegome- non to the Philosophy of Quantum Mechanics. Paris. Filosofia da Macânica Quântica. Éléments de Calcul Tensoriel. [Lichnerowicz 1987] Lichnerowicz. [Hoffman & Kunze 1979] Hoffman.. 1973. Rio de Ja- neiro. A. K. C. R. [da Costa & Rodrigues 2007] [Chang & Keisler 1980] [Halmos 1993] Halmos. Cavalvante & Cia. R. 1987. 1993. Incompleteness. Notas de Aula. H. E. Quantum Mechanics Demystified: A Self- Teaching Guide.. S. 2005. [Krause 2002] Krause. [Wallace 2006] Wallace. Álgebra Linear. [Mendelson 1997] Mendelson. McGraw-Hill. H. e Kunze. 1979. D. Introdução aos Fundamentos Axiomáticos da Ciência. [Shoenfield 1967] Shoenfield. Oxford. LTC. N. [Brown 1979] Brown. M. P.. Uni- versidade Estadual de Campinas.. Finite Dimensional Vector Spaces. Paulo. 1987. New York. D. L. D..Bibliografia [Barsotti 1973] Barsotti. Jac- ques Gabay (reimpressão da edição de Armand Colin. B. Clarendon Press. A. 2005. 2006. Curitiba. A. 1946).