Capítulo 1

1 Espacios vectoriales con un nmero finito de dimensiones
1
CAPTULO 1
Espacios vectoriales con un nmero
finito de dimensiones
A. REVISIN DE LOS VECTORES EN EL ESPACIO
TRIDIMENSIONAL
A fin de fijar ideas, repasemos lo que hemos aprendido de los vectores en el
espacio tridimensional ordinario, con el formalismo matemtico que
usaremos despus.
El espacio tridimensional es el conjunto de todos los puntos de posiciones
r definidas por las ternas-columnas siguientes:
r =
|
|
|
.
|
\
|
z
y
x
(1.1)
donde los nmeros x, y, z (componentes cartesianas del vector r) son las
respectivas proyecciones del vector r en cada una de tres rectas del espacio,
mutuamente ortogonales que se cortan en un nico punto llamado origen, y
cuyas orientaciones las definen respectivamente los tres vectores unitarios:
i =
|
|
|
.
|
\
|
0
0
1
j =
|
|
|
.
|
\
|
0
1
0
k =
|
|
|
.
|
\
|
1
0
0
(1.2)
La suma de dos vectores es conmutativa, y es otro vector del mismo
espacio, las componentes del vector resultante son las respectivas sumas de
las componentes de los vectores sumando:
2
a + b =
|
|
|
.
|
\
|
+
+
+
=
|
|
|
.
|
\
|
+
|
|
|
.
|
\
|
z z
y y
x x
z
y
x
z
y
x
b a
b a
b a
b
b
b
a
a
a
(1.3)
El producto de un escalar o por un vector es otro vector del mismo
espacio, cuyas componentes son los respectivos productos del escalar por las
componentes del vector original:
or =
|
|
|
.
|
\
|
o
o
o
=
|
|
|
.
|
\
|
o
z
y
x
z
y
x
(1.4)
Y la suma de vectores es tambin distributiva respecto a la multiplicacin
por un escalar.
Aprovechando las propiedades anteriores, se puede ver fcilmente que
cualquier vector r en el espacio se puede representar como una combinacin
lineal de los tres unitarios definidos en la ec. (1.2):
r =
|
|
|
.
|
\
|
z
y
x
= x
|
|
|
.
|
\
|
0
0
1
+ y
|
|
|
.
|
\
|
0
1
0
+ z
|
|
|
.
|
\
|
1
0
0
= xi + yj + zk , (1.5)
y por eso, al conjunto de tres unitarios i, j, k, se le llama base primitiva de
nuestro espacio vectorial (de tres dimensiones por los momentos).
Pasemos ahora a una notacin ms cmoda, sean:
x
1
x ; x
2
y ; x
3
z ; e
1
i ; e
2
j ; e
3
k , (1.6)
entonces la ec. (1.5) nos quedara as:
r =
|
|
|
.
|
\
|
3
2
1
x
x
x
=

=
3
1 i
i
x e
i
(1.7)
3
Al espacio vectorial de vectores-columna, vamos a asociar un espacio
dual constituido por vectores-fila, as pues, a todo vector-columna tipo (1.7)
le corresponde un vector-fila en el espacio dual de la forma:
r
T
= ( )
3 2 1
x x x (1.8)
donde el suprandice T significa que esa matriz fila es la traspuesta de la
matriz columna r. La base primitiva de ese espacio estara constituida por:
e
1
T
= ( ) 0 0 1 ; e
2
T
= ( ) 0 1 0 e
3
T
= ( ) 1 0 0 (1.9)
Producto escalar. Si r y v son dos vectores-columna, el producto
escalar r.v se define mediante la operacin matricial:
r.v = r
T
v = ( )

=
=
|
|
|
.
|
\
|
3
1 i
i i
3
2
1
3 2 1
v x
v
v
v
x x x (1.10)
El cuadrado del mdulo de r sera su producto escalar consigo mismo:
2
r = r
T
r = ( )

=
=
|
|
|
.
|
\
|
3
1 i
2
i
3
2
1
3 2 1
x
x
x
x
x x x (1.11)
Es conveniente irse acostumbrando a identificar una componente dada x
i
de un vector con el producto escalar de ese vector con el unitario de base
respectivo, ejemplo:
x
2
= e
2
T
r = ( )
|
|
|
.
|
\
|
3
2
1
x
x
x
0 1 0 (1.12)
Vector unitario. Un vector (no necesariamente de la base primitiva) es
unitario si el producto escalar consigo mismo es 1 (o sea, su mdulo es la
unidad).
4
Normalizacin. Se normaliza un vector cuando se halla un vector
unitario paralelo al mismo. Para normalizar un vector, lo que se hace es
dividirlo entre su mdulo, o sea, si
v =
|
|
|
.
|
\
|
3
2
1
v
v
v
(1.13)
es el vector a normalizar, entonces el vector normalizado sera
v
N
=
|
|
|
|
|
|
|
|
|
.
|
\
|
+ +
+ +
+ +
=
|
|
|
.
|
\
|
+ +
2
3
2
2
2
1
3
2
3
2
2
2
1
2
2
3
2
2
2
1
1
3
2
1
2
3
2
2
2
1
v v v
v
v v v
v
v v v
v
v
v
v
v v v
1
(1.14)
Ortogonalidad. Si r y v son dos vectores no nulos
1
, pero su producto
escalar es cero, entonces son ortogonales, sus orientaciones respectivas son
perpendiculares entre s.
Ortonormalidad de la base. Es fcil comprobar que los vectores de la
base primitiva son a la vez unitarios y ortogonales entre s; sta propiedad se
conoce como ortonormalidad (contraccin de ortogonalidad y normalidad)
de la base, y se expresa matemticamente as:
e
i
T
e
j
= o
ij
(1.15)
donde o
ij
es la conocida DELTA DE KRONECKER. La ec. (1.15) se conoce
como relacin de ortonormalidad.
1
Un vector nulo en un espacio tridimensional no es un simple cero, sino una terna de
ceros: 0 =
|
|
|
.
|
\
|
0
0
0
.
5
EJERCICIOS
1.1 Considere el vector v =
|
|
|
|
.
|
\
|
2
3
3
, encuentre su magnitud y normalcelo.
1.2 Verifique que los vectores
|
|
|
.
|
\
|
1
1
1
,
|
|
|
.
|
\
|
1
0
1
y
|
|
|
.
|
\
|
1
2
1
son mutuamente ortogonales.
Normalcelos para conformar una base ortonormal.
Didicas: La operacin fila por columna (producto escalar) resulta ser
un nmero. Pero tambin podemos realizar la operacin columna por fila,
en cuyo caso, el resultado es una matriz cuadrada. Por ejemplo, sean:
r =
|
|
|
.
|
\
|
3
2
1
x
x
x
, y v
T
= ( )
3 2 1
v v v
entonces: rv
T
=
|
|
|
.
|
\
|
3
2
1
x
x
x
( )
3 2 1
v v v =
|
|
|
.
|
\
|
3 3 2 3 1 3
3 2 2 2 1 2
3 1 2 1 1 1
v x v x v x
v x v x v x
v x v x v x
(1.16)
Operaciones de este tipo con los unitarios de la base primitiva nos
resultan as:
e
1
e
1
T
= ( )
|
|
|
.
|
\
|
=
|
|
|
.
|
\
|
0 0 0
0 0 0
0 0 1
0 0 1
0
0
1
e
1
e
2
T
= ( )
|
|
|
.
|
\
|
=
|
|
|
.
|
\
|
0 0 0
0 0 0
0 1 0
0 1 0
0
0
1
6
e
3
e
3
T
= ( )
|
|
|
.
|
\
|
=
|
|
|
.
|
\
|
1 0 0
0 0 0
0 0 0
1 0 0
1
0
0
(1.17)
etc
Las matrices (1.17) se llaman didicas, y forman una especie de base
primitiva para matrices cuadradas 3x3, pues cualquier matriz cuadrada
A 3x3 de elementos a
ij
se puede representar como una combinacin lineal
de las matrices (1.17):
A =

= =
=
|
|
|
.
|
\
|
3
1 i
3
1 j
ij
33 32 31
23 22 21
13 12 11
a
a a a
a a a
a a a
e
i
e
j
T
(1.18)
Usando la ortonormalidad de la base primitiva, se puede demostrar
(ejercicio 1.3) a partir de la ec. (1.18), que la componente genrica a
mn
de la
matriz cuadrada A se puede extraer mediante la siguiente operacin:
a
mn
= e
m
T
Ae
n
(1.19)
Completidad o clausura de la base: la matriz unidad tiene la siguiente
representacin:
I =

=
=
|
|
|
.
|
\
|
3
1 i
1 0 0
0 1 0
0 0 1
e
i
e
i
T
(1.20)
La ecuacin (1.20), as de inocentona como Ud. la ve, y generalizada en
espacios N-dimensionales, se va a constituir en una especie de piedra
angular en todos los captulos que siguen, se llama relacin de completidad
o clausura de la base.
7
EJERCICIOS
1.3 Partiendo de la ec. (1.18), demuestre la ec. (1.19).
1.4 Considere los tres vectores: u
1
=
|
|
|
|
.
|
\
|
3 1
3 1
3 1
; u
2
=
|
|
|
|
.
|
\
|
2 1
0
2 1
; u
3
=
|
|
|
|
.
|
\
|
6 1
6 2
6 1
.
Verifique que conforman una base ortonormal y completa, o sea, satisfacen la
relacin de ortonormalidad (ec. 1.15) y la relacin de clausura (ec. 1.20).
1.5 Sean los vectores: a =
|
|
|
.
|
\
|
1
2
5
y b =
|
|
|
.
|
\
|
2
3
1
, y la matriz cuadrada M = ab
T
. Demuestre
que M
n
= M.
1.6 Sea M = ( ) ( ) 1 1
2 / 1
2 / 1
1 1
2 / 1
2 / 1
|
|
.
|
\
|
| +
|
|
.
|
\
|
o .
a) Demuestre que M
n
= ( ) ( ) 1 1
2 / 1
2 / 1
1 1
2 / 1
2 / 1
n n

|
|
.
|
\
|
| +
|
|
.
|
\
|
o .
b) Demuestre que si f(M) tiene un desarrollo en serie de la forma: f(M) =

=1 n
c
n
M
n
,
entonces:
f(M) = ( ) ( ) 1 1
2 / 1
2 / 1
) ( f 1 1
2 / 1
2 / 1
) ( f
|
|
.
|
\
|
| +
|
|
.
|
\
|
o .
Cambio de la base. La base primitiva siempre se da como
sobreentendida (de all el adjetivo de primitiva); pero en el mismo espacio se
puede tener otra base de unitarios ortogonales, esto es, otra base ortonormal
de unitarios u
1
, u
2
y u
3
. Supongamos que el origen de esta otra base coincide
con el de la primitiva, entonces, para que sea distinta a la primitiva, debe
estar rotada respecto a la misma, como muestra la figura 1.1.
La orientacin de los unitarios de la nueva base se define con respecto a
la base primitiva, dando los cosenos directores
ij
de cada u
j
con cada uno
de los tres e
i
:
8
ij
= u
i
T
e
j
= cos u
ij
(1.21)
Figura 1.1. Una base ortonormal de unitarios u
j
est rotada respecto a la base primitiva de
unitarios e
i
. Cualquier vector se puede
representar indistintamente en la base primitiva o
en la base rotada. Se muestran como ejemplo los
ngulos directores de u
1
.
Cualquier vector r con componentes (x
1
, x
2
, x
3
) en la base primitiva, tiene
tambin componentes (x
1
, x
2
, x
3
) en la nueva base, dadas por:
x
i
= u
i
T
r (1.22)
Pero si expresamos al vector r en la base primitiva (ecuacin 1.7), la
ecuacin (1.22) nos queda as:
x
i
= u
i
T
=
3
1 j
j j
x e
y usando la definicin (1.21):
e
1
e
2
e
3
u
1
u
2
u
3
u
11
u
12
u
13
9
x
i
=

=

3
1 j
j ij
x (1.23)
o escrito matricialmente:
|
|
|
.
|
\
|
|
|
|
.
|
\
|

=
|
|
|
.
|
\
|
3
2
1
33 32 31
23 22 21
13 12 11
3
2
1
x
x
x
' x
' x
' x
(1.24)
o sea: r = Rr (1.25)
donde la matriz cuadrada R de los cosenos directores es la matriz de
rotacin.
Se puede demostrar (ejercicio 1.7) que la rotacin inversa viene dada por:
r = R
T
r (1.26)
y que RR
T
= R
T
R = I (1.27)
Segn la ec. (1.27), la matriz de rotacin es ortogonal.
La matriz de rotacin tambin permite obtener los elementos de matriz
a
ij
de una matriz cuadrada referidos a la base rotada, en trminos de sus
elementos a
mn
en la base primitiva. La ec. (1.19) da los elementos de matriz
en la base primitiva, similarmente a sta, en la base rotada los elementos de
matriz sern:
a
ij
= u
i
T
Au
j
(1.28)
Usando la ec.(1.18) para la matriz A en la ec. (1.28), y la definicin
(1.21) para los cosenos directores (ejercicio 1.8), la ecuacin (1.28) se
transforma en:

= =
=
3
1 m
3
1 n
T
nj mn im ij
a ' a (1.29)
lo que equivale a expresar a la matriz A en la base rotada en trminos de la
matriz A en la base primitiva, mediante la siguiente operacin de rotacin:
10
A = RAR
T
(1.30)
EJERCICIOS
1.7 Demuestre las ecuaciones (1.26) y (1.27).
1.8 Demuestre las ecuaciones (1.29) y (1.30).
1.9 Partiendo de la ecuacin (1.30), y usando la ecuacin (1.27), demuestre que la
transformacin de rotacin inversa para la matriz A es la siguiente: A = R
T
AR.
1.10 Construya la matriz de rotacin que lleva de la base primitiva a la base ortonormal
del ejercicio 1.4.
B. VECTORES DE ESTADO EN ESPACIOS N-DIMENSIONALES
Ejemplo 1: Consideremos un sistema de cmaras adyacentes contentivas
de un gas a cierta presin P
i
en cada cmara, dispuestas tal como muestra la
figura 1.2, con paredes porosas (permeables) entre dos cmaras contiguas e
impermeables con el exterior, de manera que slo puede haber transferencia
de gas entre dos cmaras adyacentes, pero no lo hay con el exterior.
P
1
P
2
P
3
P
4
P
5
P
6
El conjunto de presiones, inicialmente distintas, va a evolucionar en el
tiempo hasta que eventualmente se igualen por transferencia de gas entre
cmaras. Diremos que en cada instante t de esa evolucin, el sistema fsico
se encuentra en cierto estado representado por la serie ordenada de presiones
instantneas. A ese estado instantneo de presiones le vamos a asociar su
correspondiente vector de estado, constituido por la columna de las seis
presiones instantneas:
Figura 1.2. Seis cmaras con gas a distintas
presiones intercambian el gas a travs de
paredes porosas.
11
P(t) =
|
|
|
|
|
|
|
|
.
|
\
|
) t ( P
) t ( P
) t ( P
) t ( P
) t ( P
) t ( P
6
5
4
3
2
1
(1.31)
y cada vector de estado representa un punto de un espacio vectorial de seis
dimensiones, cada punto de ese espacio tiene seis coordenadas, las cuales
son las seis presiones en las cmaras del sistema., as pues, cada vector de
estado (cada punto del espacio vectorial) tiene asociado un (y slo uno)
estado posible del sistema fsico.
Ejemplo 2:
y
1
y
2
y
3
y
n
y
N
Figura 1.3. Una cuerda liviana cargada con N masas puntuales a intervalos regulares, las
cuales ejecutan pequeas oscilaciones en el plano del papel, de manera tal que en cada
instante t cada masa tiene una elongacin y
n
(t) con respecto a su posicin de equilibrio.
Consideremos la cuerda tensa de la figura 1.3, cargada con N masas
iguales equidistantes, y que vibran en el plano del papel. En un instante
arbitrario t, la configuracin del sistema estar representada por el conjunto
ordenado de las N elongaciones instantneas de las masas, las cuales,
ordenadas en una columna, conformaran las N componentes del vector de
estado instantneo del sistema y(t):
.
. .
.
.
12
y(t) =
|
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
) t ( y
) t ( y
) t ( y
) t ( y
) t ( y
N
n
3
2
1
(1.32)
El espacio vectorial, en este caso, tendra N dimensiones.
Ejemplo 3: el estado de espn de un fermin (de espn ). El espn tiene
la probabilidad
+
*
+
de estar orientado hacia arriba, y la probabilidad
-
*
-
de estar orientado hacia abajo, siendo
+
y
-
cantidades complejas.
El estado del espn queda descrito por el par ordenado (
+
,
-
), el cual,
organizado en una columna, conforma el vector de estado del espn. El
espacio vectorial, en este caso, es bidimensional y complejo.
En general, la configuracin instantnea de cualquier sistema fsico con
N grados de libertad se puede representar con un vector de estado en un
espacio vectorial con N dimensiones, una por cada grado de libertad del
sistema. Las componentes del vector de estado pueden ser complejas, lo cual
es usual en Mecnica Cuntica.
El lgebra de los vectores de estado N-dimensionales es la misma que la
de los vectores tridimensionales ordinarios con los cuales Ud. est
familiarizado, excepto quizs por un pequeo ajuste que le haremos a la
definicin de producto escalar cuando se admiten componentes complejas
de los vectores. Por ejemplo, sea u nuestro vector de estado:
13
u =
|
|
|
|
|
|
|
|
|
|
|
.
|
\
|
N
n
2
1
u
u
u
u
(1.33)
La base primitiva de este espacio N-dimensional estara conformada por
los siguientes unitarios:
e
1
=
|
|
|
|
|
|
|
|
.
|
\
|
0
0
0
1
, e
2
=
|
|
|
|
|
|
|
|
.
|
\
|
0
0
1
0
, e
3
=
|
|
|
|
|
|
|
|
.
|
\
|
0
1
0
0
, , e
N
=
|
|
|
|
|
|
|
|
.
|
\
|
1
0
0
0
(1.34)
Entonces, u se puede expresar como una combinacin lineal de los
primitivos de base:
u =

=
N
1 n
n
u e
n
(1.35)
Redefinimos ahora el espacio dual de vectores fila, de manera tal que si
u
n
son las componentes del vector columna u (en general complejas),
entonces las correspondientes componentes del vector fila en el espacio dual
no sern las mismas u
n
, sino sus complejas conjugadas u
n
*:
u
+
= (u
1
* u
2
* u
3
* u
n
* u
N
*) (1.36)
El suprandice + en u significa: traspuesta y compleja conjugada, y se
lee adjunta.
14
La base del espacio dual sera de los unitarios-fila siguientes:
e
1
+
= (1 0 0 0); e
2
+
= (0 1 0 0); ; e
N
+
= (0 0 0 1) (1.37)
y de esta manera: u
+
=

=
-
N
1 n
n
u e
n
+
(1.38)
Redefinimos ahora al producto escalar de u por v mediante la siguiente
operacin:
u
+
v = (u
1
* u
2
* u
3
* u
N
*)
|
|
|
|
|
|
|
|
.
|
\
|
N
3
2
1
v
v
v
v
=

=
-
N
1 n
n n
v u (1.39)
Es obvio que con componentes complejas el producto escalar no es
conmutativo:
u
+
v = (v
+
u)* (1.40)
Como siempre, el producto escalar (fila)x(columna) es un nmero, pero
la operacin (columna)x(fila) sigue siendo una matriz cuadrada, ejemplo:
uv
+
=
|
|
|
|
|
|
|
|
.
|
\
|
N
3
2
1
u
u
u
u
(v
1
* v
2
* v
3
* v
N
*)
15
=
|
|
|
|
|
|
|
|
.
|
\
|

- - -
- - -
- - -
N N 2 N 1 N
N 2 2 2 1 2
N 1 2 1 1 1
v u v u v u
v u v u v u
v u v u v u
(1.41)
C. NOTACIN DE DIRAC
A continuacin exponemos la notacin que usaremos de aqu en adelante
para los vectores fila y columna, es una notacin inventada por Dirac, muy
til y sugerente para el manejo del lgebra de los vectores de estado, y se
fundamenta en lo siguiente:
- Los vectores-columna u se representan as: |u>, y se llaman vectores
KET
- Los vectores-fila v
+
se representan as: <v|, y se llaman vectores
BRA.
- El producto escalar v
+
u se representa as: <v|u>, y se llama
BRACKET.
- Una columna por una fila se representa as: |u><v| (un KETBRA).
- Todo bracket es un nmero, y todo ketbra es una matriz cuadrada.
Se pueden tener operaciones sucesivas del tipo
bracketbracketbracket, o sea, la nica manera de que sean vlidas es
que los bra y los ket se alternen el la forma < | >< | >< | >< | >< | > No
estn definidas las operaciones del tipo | >| > o < |< |, por la simple razn que
no existen los productos de dos matrices columna o de dos matrices fila
1
. Sin
embargo, debido a que la multiplicacin de un nmero por un ket o un bra es
conmutativa, cuando ese nmero es un producto escalar, son perfectamente
vlidas las expresiones del tipo <x|y>|z>(<x|y>)|z> o <p|<q|r><p|(<q|r>),
1
Aunque s existe una operacin entre vectores de distintos espacios, llamada producto
directo, que se representa as: |a>|b>, y cuyo resultado es otro vector en otro espacio
expandido a un nmero de dimensiones igual al producto de los nmeros de dimensiones
de los espacios de los vectores que se operan, pero eso es harina de otro costal.
16
pues <x|y> o <q|r> no son ms que nmeros; pero para evitar posibles
confusiones, se acostumbra como regla de ortografa en la notacin de Dirac
colocar a los escalares multiplicativos en las puntas de los ket o los bra, por
ejemplo:
|z><x|y> en lugar de <x|y>|z>,
<q|r><p| en lugar de <p|<q|r>,
|a>2 en lugar de 2|a>,
,m>t<n| en lugar de t|m><n|.
Esta notacin permite visualizar (y manipular) distintas interpretaciones
de una misma expresin, por ejemplo, la expresin:
|a><b|c><d|e><f|g><h|p>
se puede interpretar indistintamente como:
(|a><b|)(|c><d|)(|e><f|)(|g><h|)(|p>)
matriz x matriz x matriz x matriz x columna
o como |a>(<b|c>)(<d|e>)(<f|g>)(<h|p>)
columna x nmero x nmero x nmero x nmero
Los unitarios de la base primitiva de kets se referirn con dgitos:
e
1
|1>, e
2
|2>, e
3
|3>, , e
n
|n>,
y los de la base primitiva de bras:
e
1
T
<1|, e
2
T
<2|, e
3
T
<3|, , e
n
T
<n|,
Una componente u
i
de un vector ket |u> se identifica con el producto
escalar de ese vector con el primitivo respectivo:
u
i
<i|u> (1.42)
Es claro que:
17
u
i
*
= <i|u>
*
= (<i|u>)
+
<u|i> (1.43)
La relacin de ortonormalidad de la base primitiva se expresa as:
<m|n> = o
m,n
(1.44)
y la de clausura o completidad:
=
><
N
1 n
| n n | = I (1.45)
siendo I la matriz unidad NxN.
Propiedades de la operacin tomar adjunto (+). A continuacin le
presentamos algunas identidades tiles asociadas a la operacin de tomar el
adjunto a una expresin matricial; en las mismas, A, B, etc. Representan
matrices cuadradas, y o representa cualquier escalar o nmero complejo, los
kets (columnas) y bras (filas) ya los conocemos. Le dejamos como ejercicio
(ejercicio 1.11) las demostraciones de esas identidades.
(A
+
)
+
= A (1.46)
(AB)
+
= B
+
A
+
(1.47)
(oA)
+
= o*A
+
(1.48)
(|a>)
+
= <a| (1.49)
(<a|)
+
= |a> (1.50)
(|a>o)
+
= o
*
<a| (1.51)
(o<a|)
+
= |a>o
*
(1.52)
(|a><b|)
+
= |b><a| (1.53)
(|a>o<b|)
+
= |b>o
*
<a| (1.54)
18
(A|a>)
+
= <a|A
+
(1.55)
(<a|A)
+
= A
+
|a> (1.56)
(<a|A|b>)
+
= <b|A
+
|a> = (<a|A|b>)
*
(1.57)
Es fcil darse cuenta de que las operaciones con matrices cuadradas son
vlidas siempre y cuando la matriz cuadrada aparezca anexa a las barras
verticales de los kets o los bras. Expresiones del tipo |a>A, o A<a|, o |a>A<b|
son ilegales.
Ventajas de la notacin de Dirac, usos de la relacin de clausura. En
los desarrollos que presentaremos a continuacin se van a evidenciar las
ventajas de usar la notacin de Dirac, y es que con esta notacin los
resultados brotan solos, sobre todo si se sabe explotar la relacin de clausura
(1.45), pues siempre se puede introducir la matriz unidad I en alguna parte
de una expresin sin que esta expresin se altere. Por supuesto, la
introduccin de la matriz unidad se debe hacer legalmente, tomando en
cuenta que es una matriz cuadrada, sera ilegal ubicarla anexa a los vrtices
de los kets o bras en las formas | >I o I< |.
Usaremos la convencin de Einstein para las sumatorias: se elimina el
smbolo sobreentendindose que hay suma sobre ndices repetidos en un
mismo trmino, a no ser que se indique lo contrario con las palabras sin
suma. Segn esta convencin, la relacin de clausura para la base primitiva
es:
|i><i| I (1.58)
Veamos ahora la ventaja de introducir (legalmente) la matriz unidad en la
forma (1.58) para demostraciones y desarrollos:
a) Desarrollo de un vector columna en la base primitiva:
|u> = I|u> = |i><i|u> = |i>u
i
(1.59)
donde <i |u> u
i
(1.60)
b) Desarrollo de una fila:
19
<v| = <v|I = <v|i><i| = v
i
*<i| (1.61)
donde <v|i> v
i
* (1.62)
c) Desarrollo del producto escalar:
<v|u> = <v|I|u> = <v|i><i|u> = v
i
*u
i
(1.63)
d) Multiplicacin de un ket por un nmero:
|u>o = I|u>o = |i><i|u>o = |i>(u
i
o) (1.64)
e) Suma de kets:
|u> + |v> = I(|u> + |v>) = |i><i|(|u> + |v>)
= |i>(<i|u> + <i|v>)
= |i>(u
i
+ v
i
) (1.65)
f) Desarrollo de una matriz cuadrada en la base primitiva:
M = IMI = |i><i|M|k><k| = |i>m
ik
<k| (1.66)
donde m
ik
<i|M|k> (1.67)
son los elementos de matriz.
g) Cambios de base:
g1) Componentes u
i
de un vector |u> en la base rotada de los |i>, en
trminos de las componentes u
k
del mismo vector en la base
primitiva de los |k>:
u
i
<i|u> = <i|I|u> = <i|k><k|u> =
ik
u
k
(1.68)
donde
ik
<i|k> (1.69)
son los cosenos directores de la matriz de rotacin.
20
g2) Elementos a
ik
de una matriz cuadrada A en la base rotada, en
trminos de los elementos a
lm
de la misma matriz en la base
primitiva:
a
ik
<i|A|k> = <i|IAI|k> = <i|l><l|A|m><m|k> =
il
a
lm

mk
+
(1.70)
EJERCICIOS
1.11 Demuestre las identidades (1.46) a (1.57).
1.12 Sean |a> =
|
|
|
.
|
\
|
3
4
5
; |b> =
|
|
|
.
|
\
|
1
1
1 -
. Evale la matriz (|a><b|)
7
1.13 Sea M = |a><b|. Compruebe que m
ii
m
jj
= m
ij
m
ji
(SIN SUMAS).
1.14 En un espacio de 10 dimensiones se tienen los siguientes vectores:
|a> = |1> + |2> |3> + |4> + |8>5 |10>
|b> = |1>2 + |2>i + |3> |4>i + |7>2 + |9> (i es la unidad imaginaria).
Sea la matriz cuadrada M = |a><b|.
a) Demuestre que M
n
= M para cualquier n entero.
b) Demuestre que e
M
= I + |a>(e 1)<b| (Sugerencia: por desarrollo en serie de
Maclaurin).
1.15 Considere la matriz |a><b|, con |a> y |b> vectores conocidos no nulos. Demuestre
por desarrollo en serie de Maclaurin que:
a) ( I |a><b| )
1
= I +
> <
><
a | b 1
| b a |
b) e
|a><b|
= I +
( )
| b a |
a | b
1 e
a | b
><
> <

> <
1.16 Sean los siguientes vectores en un espacio bidimensional: |u
1
> =
|
|
.
|
\
|
1
i
;
|u
2
> =
|
|
.
|
\
|
i
1
, donde i = 1 .
a) Compruebe que son ortogonales.
b) Normalcelos.
c) Compruebe que la base de los dos vectores normalizados cumple la relacin de
clausura.
21
d) Encuentre la matriz de rotacin que pasa de la base primitiva a la base de los
vectores |u
i
> normalizados.
e) Sea |b> =
|
|
.
|
\
|
2i
1
(en la base primitiva). Encuentre las componentes de |b> en la
base de los vectores |u
i
> normalizados.
f) Compruebe que <b|b> es el mismo valor en las dos bases.
1.17 Sea la matriz A =
|
|
.
|
\
|
+
=
|
|
.
|
\
|
> < > <
> < > <
0 2i 1
i 1 0
b | a b | a
b | a b | a
2 2 1 2
2 1 1 1
; escriba
explcitamente los nmeros: ( )
*
12
A , ( )
T
12
A , ( )
+
12
A ,
*
2 1
b | a > < ,
T
2 1
b | a > < ,
+
> <
2 1
b | a
1.18 Sean los vectores: |u> = |1>(1 i) + |2>(1 + i), y |v> = |1>i |2>i, donde i = 1 .
a) Compruebe que no son ortogonales.
b) Normalcelos.
c) Compruebe los dos vectores normalizados |u
N
> y |v
N
> no satisfacen la relacin
de clausura, sino que se obtiene: |u
N
><u
N
| + |v
N
><v
N
| = |1><1| + |2><2|
|1> (1+i) <2| |2> (1i) <1|.
1.19 Sean los vectores: |1> =
|
|
.
|
\
|
> + >
t t
6
i
3
i
e 2 2 | e 1 |
5
1
, y
|2> =
|
|
|
.
|
\
|
> + >
t
|
.
|
\
| t
+
t
4
i
6 4
i
e 2 | e 2 1 |
5
1
a) Demuestre que son ortonormales.
b) Demuestre que satisfacen la relacin de clausura.
c) Construya la matriz de rotacin R que lleva de la base primitiva a la base de los
|n>, n = 1, 2.
1.20 En un espacio N-dimensional se dispone de una base ortonormal completa de
unitarios |n> rotada respecto a la base primitiva. Partiendo de la relacin de
clausura de la base primitiva, y admitiendo que la base rotada cumple la relacin de
ortonormalidad, demuestre que ella tambin satisface la relacin de clausura.
22
D. ORTOGONALIZACIN DE GRAM-SCHMIDT
Supongamos que en un espacio vectorial N-dimensional se dispone de una
base oblicua constituida por N vectores |u
k
>, k = 1, 2, , N linealmente
independientes entre s, pero no
ortogonales, ni necesariamente
unitarios. La ortogonalizacin de
Gram-Schmidt consiste en construir
uno a uno los vectores de una base
ortonormal usando los vectores de la
base oblcua.
En la figura 1.4 se puede visualizar
cmo se obtienen los dos primeros
unitarios de la base ortonormal: se
escoge al primer unitario |e
1
> en la
direccin del primer vector de la base
oblcua |u
1
>, y se normaliza realizando
la operacin:
|e
1
> =
> <
>
1 1
1
u | u
u |
(1.71)
Partiendo del segundo oblcuo |u
2
>, se construye un vector auxiliar |e
2
>
ortogonal a |e
1
>; geomtricamente, ste es:
|e
2
> = |u
2
> |e
1
><e
1
|u
2
> (1.72)
Normalizndolo, obtenemos el segundo unitario de la base ortonormal:
|e
2
> =
> <
>
' e | ' e
' e |
2 2
2
(1.73)
En la figura 1.5 se visualiza geomtricamente la obtencin del tercer
unitario de la base ortonormal, partiendo del tercer oblcuo |u
3
> y de los dos
unitarios |e
1
> y |e
2
> previamente obtenidos: se construye el vector auxiliar
|e
3
> ortogonal a |e
1
> y a |e
2
> as:
|e
1
>
|u
1
>
|u
2
>
|e
2
>
|e
2
>
|e
1
><e
1
|u
2
>
Figura 1.4. Visualizacin geomtrica
de la construccin de los dos primeros
unitarios ortonormales |e
1
> y |e
2
>.
23
|e
3
> = |u
3
> |e
1
><e
1
|u
3
>
|e
2
><e
2
|u
3
> (1.74)
el cual se normaliza para obtener |e
3
>.
El procedimiento sigue iterativamente
hasta completar los N vectores
ortonormales, cada vector auxiliar resulta
ser:
|e
k
> = |u
k
>

=
1 k
1 i
|e
i
><e
i
|u
k
> (1.75)
EJERCICIO
1.21 Considere la siguiente base linealmente independiente pero no ortogonal (oblcua):
|u
1
> =
|
|
|
.
|
\
|
1
1
1
, |u
2
> =
|
|
|
.
|
\
|
+
0
i 1
i 1
, |u
3
> =
|
|
|
.
|
\
|
0
0
i
. Aplique la tcnica de la
ortogonalizacin de Gram-Schmidt para construir una base ortonormal,
comenzando con |u
1
>.
Solucin: |e
1
> =
|
|
|
.
|
\
|
1
1
1
3
1
, |e
2
> =
|
|
|
.
|
\
|

+
3 / 2
i 3 / 1
i 3 / 1
8
3
, |e
3
> =
|
|
|
.
|
\
|
i 1
1
i
2
1
.
Compruebe que la base de los |e
i
> satisface efectivamente las relaciones de
ortonormalidad y de clausura. Represente |u
3
> en la nueva base.
|e
2
><e
2
|u
3
>
|e
1
><e
1
|u
3
>
|e
2
><e
2
|u
3
>
|e
1
>
|e
2
>
|e
3
>
|u
3
>
Figura 1.5. Visualizacin
geomtrica de la construccin
del tercer unitario |e
3
>.
|e
1
><e
1
|u
3
>
|e
3
>
24
E. PROBLEMA DE AUTOVALORES
En un espacio vectorial, el resultado general de operar por la izquierda a un
vector |u> por una matriz cuadrada A, es obtener otro vector con
orientacin diferente a la de |u>. Pero supongamos que existe un vector |s>
tal que la operacin de A sobre |s> resulta en otro vector paralelo a |s>:
A|s> = |s> (1.76)
siendo un nmero, entonces se definen a y a |s> respectivamente como
autovalor y autovector de la matriz A, y se pertenecen mutuamente, de
modo que si hay varios autovectores distintos de la matriz A, a cada uno le
corresponde su autovalor asociado
1
. La ecuacin (1.76) se llama ecuacin de
autovalores.
Cada autovalor es un nmero, el autovector lo nico que tiene bien
definida es su orientacin, note que si en la ecuacin de autovalores (1.76)
sustituimos al autovector |s> por el vector |s> = |s>o, siendo o cualquier
nmero no nulo real o complejo, la misma ecuacin se sigue cumpliendo con
el mismo autovalor , por lo tanto, |s> sera el mismo autovector asociado
al autovalor . Un ejemplo familiar lo tenemos en el espacio tridimensional
ordinario, donde los tres autovectores del tensor de inercia de un slido
rgido lo nico que definen son las tres orientaciones de los ejes principales
de inercia. En conclusin, un autovector no debe visualizarse como un
vector con mdulo definido, sino como una orientacin o eje del espacio
vectorial, as pues, al momento de definir esa orientacin, bastar con
escribir las componentes de cualquier vector con esa orientacin; si el vector
escogido tiene mdulo unidad, diremos que nuestro autovector est
normalizado.
Es trivial que la ecuacin (1.76) se cumple con |s> = |0>, siendo |0> el
vector nulo, pero el vector nulo no se acepta como autovector, pues el vector
nulo obviamente no define orientacin alguna en el espacio vectorial.
Resolviendo la ecuacin de autovalores:
La ecuacin de autovalores (1.76) se puede reescribir en esta forma:
(A I)|s> = |0> (1.77)
1
Otros nombres comnmente usados son: eigenvalor y eigenvector, o valor propio y
vector propio.
25
siendo I la matriz unidad, y |0> el vector nulo. La ecuacin (1.77) no es ms
que un sistema de N ecuaciones algebraicas simultneas homogneo, para
las N componentes del autovector |s>, que por ser homogneo, tiene
solucin no trivial si el determinante de la matriz de los coeficientes es nulo,
o sea:
|A I| = 0 (1.78)
La ecuacin (1.78) se llama ecuacin secular o caracterstica, y es una
ecuacin polinmica de grado N para el autovalor , que en principio, tiene
N races para , que sern los N autovalores de la matriz A:
1
,
2
,
3
, ,
k
, ,
N
.
A cada autovalor
i
corresponde un autovector |s
i
> que se obtiene
sustituyendo al autovalor
i
en la ecuacin de autovalores (1.76). Puesto que
el autovector no es ms que una direccin en el espacio N-dimensional, no
se van a obtener valores precisos de las componentes del autovector (a no ser
que una componente particular resulte ser cero, nico valor preciso que
puede tener), sino las relaciones entre esas componentes que dan esa
direccin.
Por ejemplo, considere el problema de resolver la ecuacin de
autovalores para la matriz:
A =
|
|
.
|
\
|
0 1
4 0
(1.79)
Lo primero que se hace es resolver la ecuacin caracterstica (1.78):
0
1 0
0 1
0 1
4 0
=
|
|
.
|
\
|

|
|
.
|
\
|
(1.80)
o sea: 0
1
4
=

(1.81)
que nos da la siguiente ecuacin de grado dos:
2
4 = 0 (1.82)
26
con sus dos soluciones:
1
= 2,
2
= 2 (1.83)
Ahora se sustituyen por turno las soluciones (1.83) en la ecuacin de
autovalores (1.76), para obtener as las direcciones de los correspondientes
autovectores:
Para el autovalor
1
= 2:
|
|
.
|
\
|
=
|
|
.
|
\
|
|
|
.
|
\
|
2
1
2
1
x
x
2
x
x
0 1
4 0
(1.84)
de donde aparentemente se obtienen dos ecuaciones algebraicas:
4x
2
= 2x
1
x
1
= 2x
2
(1.85)
que en realidad no son dos ecuaciones distintas, sino la misma ecuacin
repetida, que da la relacin entre las componentes del autovector: si x
2
= x,
entonces x
1
= 2x, y esa es toda la informacin que se necesita para establecer
la direccin de ese autovector, el cual se puede escribir as:
|s
1
> =
|
|
.
|
\
|
=
|
|
.
|
\
|
1
2
x
x
x 2
(1.86)
Note que si las ec. (1.85) hubiesen sido
realmente distintas, entonces hubiera sido
posible obtener valores precisos para las
componentes x
1
y x
2
del autovector, lo cual
hubiese sido contradictorio con lo que
hemos establecido ya, que el autovector no
es un vector bien definido, sino una mera
orientacin o direccin.
El autovector asociado a
2
= 2
(ejercicio 1.23) es:
|s
2
> =
|
|
.
|
\
|
=
|
|
.
|
\
|
1
2
y
y
y 2
(1.87)
|1>
|2>
|s
1
> |s
2
>
Figura 1.7. Orientaciones de los
autovectores |s
1
> y |s
2
>
(ecuaciones 1.86 y 1.87).
27
Los nmeros x o y son totalmente arbitrarios. Puesto que en este
problema nuestro espacio es de slo dos dimensiones, podemos dibujar las
orientaciones de esos autovectores en la base primitiva, y son las que
presentamos en la figura 1.6.
A veces conviene normalizar los autovectores, esto es, definir vectores
unitarios con sus orientaciones; en nuestro problema actual, normalizar los
autovectores significa escoger los valores de x y de y tales que el autovector
tenga mdulo 1. Compruebe Ud. que estos valores seran: x = y = 5 1 .
Si al resolver la ecuacin secular (1.78) ocurre que dos o ms races de la
ecuacin resultan iguales, se dice entonces que el autovalor involucrado est
degenerado, los autovectores asociados a ste estn degenerados, y la matriz
est degenerada. Decir que una matriz es no degenerada, significa que todos
sus N autovalores son distintos, y por lo tanto, sus autovectores definen N
orientaciones distintas en el espacio vectorial, pero no es slo que son
distintas, sino que son linealmente independientes
1
. La independencia lineal
de los autovectores de una matriz no degenerada se puede demostrar usando
la definicin de independencia lineal y la ecuacin de autovalores (ejercicio
1.42). Dems est decir que N autovectores linealmente independientes en
un espacio de N dimensiones pueden perfectamente bien formar una base en
ese espacio; si el nmero de autovectores linealmente independientes de la
base es igual al nmero de dimensiones del espacio, se dice que esa base es
completa, aunque en general dicha base puede ser oblcua. Por ejemplo, en
el espacio de dos dimensiones de la figura 1.6, los dos autovectores (no
degenerados) |s
1
> y |s
2
> forman una base oblcua en ese espacio, pero
completa, y decimos que es completa, porque cualquier otro vector |u> en
ese espacio se puede expresar como una combinacin lineal de |s
1
> y |s
2
>.
En el Captulo 2 estableceremos las condiciones que debe cumplir la matriz
no degenerada para que sus autovectores formen una base ortogonal.
Diagonalizacin de una matriz no degenerada por transformacin de
semejanza: Sea A no degenerada en un espacio de N dimensiones, entonces
tiene N autovalores distintos con sus respectivos N autovectores linealmente
independientes:
1
Que las orientaciones sean distintas no garantiza su independencia lineal, por ejemplo,
en el espacio de tres dimensiones, tres vectores de orientaciones distintas, pero
coplanares, no son linealmente independientes; es preciso que los tres vectores sean no
coplanares para que sean linealmente independientes, y as, formar una posible base en
ese espacio, aunque en general oblcua.
28
A|s
1
> = |s
1
>
1
, A|s
2
> = |s
2
>
2
A|s
i
> = |s
i
>
i
A|s
N
> = |s
N
>
N
(1.88)
Construyamos ahora dos matrices cuadradas:
a) Una matriz S cuyas columnas sean los autovectores de la matriz A:
S =
|
|
|
.
|
\
|
> > >
| | |
s | s | s |
| | |
N 2 1
(1.89)
b) Una matriz diagonal A con los autovalores de A, pero en el mismo
orden en que estn los correspondientes autovectores en S:
A =
|
|
|
|
|
|
|
|
.
|
\
|

N
3
2
1
0 0 0
0 0 0
0 0 0
0 0 0
= |i>
i
<i| (1.90)
Se puede verificar fcilmente que segn las ec. (1.88), se cumple la
siguiente igualdad:
AS = SA (1.91)
o sea: A = SAS
1
(1.92)
y: A = S
1
AS (1.93)
La ec. (1.92) se llama transformacin de semejanza, y la ec. (1.93) es la
transformacin de semejanza inversa. Puesto que la transformacin de
semejanza inversa resulta en una matriz diagonal, se dice que la misma ha
diagonalizado la matriz A.
En general, una matriz cuadrada degenerada no se puede diagonalizar,
pues al ser dos o ms de sus autovectores iguales (o proporcionales), el
determinante de S sera nulo, por lo cual no existira S
1
. Pero en el Captulo
29
2 veremos que bajo ciertas condiciones especiales que cumpla la matriz
degenerada, s es posible diagonalizarla.
Evaluacin de una funcin de matriz: Al igual que con las funciones
de variables escalares, podemos desarrollar una funcin de matriz f(A) en
serie de potencias de la matriz:
f(A) = c
n
A
n
(1.94)
Por ejemplo:
e
A
= I + A + + +
! 3
A
! 2
A
3 2
(1.95)
sen A = +
! 5
A
! 3
A
A
5 3
(1.96)
+ + + + =
3 2
A A A I
A I
1
(1.97)
suponiendo que las series convergen
Ahora bien, si A no es degenerada, podemos aplicar la transformacin de
semejanza (1.92):
A = SAS
1
entonces: A
2
= SAS
1
SAS
1
= SA
2
S
1
A
3
= SA
2
S
1
SAS
1
= SA
3
S
1
.
.
.
A
n
= . . . = SA
n
S
1
(1.98)
y la ec. (1.94) se puede escribir as:
f(A) = S(c
n
A
n
)S
1
(1.99)
30
La sumatoria entre parntesis en la ec. (1.99) es la misma serie de
potencias con que se desarroll f(A), pero ahora con la matriz diagonal A
como argumento, por lo tanto, esa sumatoria es la misma funcin, pero de A:
c
n
A
n
= f(A) (1.100)
y por lo tanto, segn la ec. (1.99), f(A) tiene la misma transformacin de
semejanza que A:
f(A) = Sf(A)S
1
(1.101)
En las ecuaciones precedentes, debe entenderse que (ejercicio 1.24):
A
n
=
|
|
|
|
|
|
|
|
.
|
\
|

n
N
n
3
n
2
n
1
0 0 0
0 0 0
0 0 0
0 0 0
= |i>
i
n
<i| (1.102)
y que: f(A) =
|
|
|
|
|
|
|
|
.
|
\
|

) ( f 0 0 0
0 ) ( f 0 0
0 0 ) ( f 0
0 0 0 ) ( f
N
3
2
1
= |i>f(i)<i| (1.103)
Ejemplo: La matriz A =
|
|
.
|
\
|
0 1
4 0
tiene como autovalores y autovectores:
1
,
2
= 2, 2 ; |s
1
> , |s
2
> =
|
|
.
|
\
|
1
2
,
|
|
.
|
\
|
1
2
entonces, siguiendo la ec. (1.89):
31
S =
|
|
.
|
\
|

1 1
2 2
evaluando su inversa obtenemos:
S
1
=
|
|
.
|
\
|
2 1
2 1
4
1
y siguiendo la ec. (1.103):
f(A) =
|
|
.
|
\
|
) 2 ( f 0
0 ) 2 ( f
por lo tanto, segn la ec. (1.101) podemos evaluar funciones de la matriz A,
por ejemplo:
e
iAt
=
4
1
t 2 cos t 2 sen ) 2 / i (
2isen2t cos2t
2 1 -
2 1
e 0
0 e
1 1
2 2
t 2 i
t 2 i
|
|
.
|
\
|
=
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|

A I
1
=
4
1
1 1
4 1
3
1
2 1 -
2 1
2 1
1
0
0
2 1
1
1 1
2 2
|
|
.
|
\
|
=
|
|
.
|
\
|
|
|
|
|
.
|
\
|
+
|
|
.
|
\
|

etc
Ejemplo: consideremos la siguiente ecuacin matricial:
|x> = A|x> + |b>
donde se conocen la matriz cuadrada A y la columna |b>, y se desea evaluar
la columna incgnita |x>; despejndola obtenemos:
|x> = (I A)
1
|b>
= S(I A)
1
S
1
|b>
32
donde S es la matriz cuadrada de los autovectores de A, y A es la matriz
diagonal de sus autovalores.
Ejemplo: suponga la ecuacin diferencial matricial:
> ) t ( x |
dt
d
= A|x(t)>
su solucin formal (ejercicio 1.35) sera:
|x(t)> = e
At
|x(0)>
= S e
At
S
1
|x(0)>
donde las componentes del vector |x(0)> se evalan en el instante t = 0, y se
suponen conocidas.
EJERCICIOS
1.22 Considere las matrices: A = |p><q|, B = |a><b| + |c><d| en un espacio
N-dimensional.
a) Demuestre que los autovalores y autovectores de A son:
1
= 0, con |s
1
>
ortogonal a |q>; y
2
= <q|p> con |s
2
> paralelo a |p>. Note que si N > 2, A es
N 1 veces degenerada, en tal caso, Cul es el autovector no degenerado?
b) Encuentre los autovalores y autovectores de B, suponiendo que se satisfacen los
siguientes productos escalares: <a|b> = <c|d> = 0 ; <d|a> = <b|c> = 1. Cul es
el mnimo nmero de dimensiones del espacio para que B no sea degenerada?.
1.23 Encuentre el autovector (1.87).
1.24 Demuestre las identidades (1.102) y (1.103) (puede hacerlo con matrices A 2x2 0
3x3 si quiere).
1.25 Demuestre que la matriz

= =
><
3
1 i
3
1 j
| j i | (espacio de tres dimensiones) es degenerada.
1.26 a) Encuentre los autovalores y autovectores de la matriz A =
|
|
|
.
|
\
|
0 0 0
0 0 1
0 1 0
. Hay
33
degeneracin?.
b) Demuestre que los tres autovectores no slo son linealmente independientes, sino
que son ortogonales.
c) Normalice los autovectores para construir una base ortonormal, y compruebe que
la misma satisface las relaciones de ortonormalidad y de clausura.
1.27 Demuestre que la matriz B =
|
|
|
.
|
\
|
0 1 0
1 0 0
0 0 1
es doblemente degenerada, y que sus dos
autovectores degenerados yacen en un mismo plano del espacio tridimensional
(plano de degeneracin), y que ese plano es ortogonal al autovector no degenerado.
1.28 Evale la matriz
7
1 3
3 1
|
|
.
|
\
|
por transformacin de semejanza.
1.29 Sea E =
|
|
|
.
|
\
|
0 0 0
1 0 0
0 1 0
; a) evale la matriz e
E
usando el desarrollo en serie del
exponencial. b) Intente la evaluacin de e
E
por transformacin de semejanza, Por
qu no puede?.
1.30 Sea A =
|
|
.
|
\
|
0 1
1 0
; a) Usando los desarrollos en serie del exponencial, del seno y
del coseno, demuestre que e
At
= I cos t + A sen t. b) Encuentre los autovalores y
autovectores de A, y demuestre que el mismo resultado se obtiene mediante la
transformacin de semejanza de e
At
.
1.31 Demuestre mediante una transformacin de semejanza que
|
|
.
|
\
|

=
|
|
.
|
\
|
0 1
1 2
1 2
2 1
1.32 a) Encuentre los autovalores y autovectores de la matriz de rotacin en el espacio de
dos dimensiones:
R =
|
|
.
|
\
|
u u
u u
cos sen
sen cos
Solucin:
1
= e
iu
, con |s
1
> =
|
|
.
|
\
|
i
1
;
2
= e
iu
, con |s
2
> =
|
|
.
|
\
|
1
i
34
b) Demuestre por transformacin de semejanza que
|
|
.
|
\
|
u u
u u
=
|
|
.
|
\
|
u u
u u
) n cos( ) n ( sen
) n ( sen ) n cos(
cos sen
sen cos
n
1.33 Demuestre que:
|
|
.
|
\
|
=
(
|
|
.
|
\
| t
1 0
0 1
1 2
2 1
2
sen
1.34 Demuestre que: cos
|
|
|
.
|
\
|
=
(
(
(
|
|
|
.
|
\
|
t
1 0 0
0 1 0
0 0 1
0 0 1
0 0 0
4 0 0
2
1.35 Demuestre que la solucin formal de la ecuacin diferencial matricial > ) t ( u | =
A|u(t)> es la siguiente: |u(t)> = e
At
|u(0)>. (Sugerencia: por desarrollo en serie de
Maclaurin de las componentes de |u(t)>).
1.36 a) Demuestre que la ecuacin diferencial matricial > ) t ( u | + A
2
|u(t)> = |0> tiene la
siguiente solucin formal: |u(t)> = cos(At) |u(0)> + A
1
sen(At) > ) 0 ( u | . (Misma
sugerencia del ejercicio 1.35).
b) Demuestre que la solucin anterior es equivalente a: |u(t)> = e
iAt
|a> + e
iAt
|b>,
donde los vectores constantes |a> y |b> son combinaciones lineales de los
vectores de condiciones iniciales |u(0)> y > ) 0 ( u | .
1.37 a) Sea la matriz X =
|
|
|
.
|
\
|
0 1 0
0 0 1
0 0 0
. Evale la matriz (I + X)
1/2
por desarrollo en serie
de Maclaurin.
b) Sea la matriz X =
|
|
|
.
|
\
|
0 1 0
0 0 1
a 0 0
, con a real positivo. Evale (I + X)
1/2
por
transformacin de semejanza. (Sugerencia: exprese a en la forma compleja:
a = |a|e
2nti
, con n entero para encontrar las races de la ecuacin caracterstica).
c) En la solucin de parte (b), haga a 0, y verifique que entonces la solucin
coincide con la de parte (a).
1.38 a) Demuestre que
|
|
.
|
\
|
1 1
4 3
es degenerada.
b) Demuestre que
|
|
.
|
\
|
+
=
|
|
.
|
\
|
n 2 1 n
n 4 n 2 1
1 1
4 3
n
. (Sugerencia: puesto que la matriz
35
|
|
.
|
\
|
1 1
4 3
es degenerada, generalcela un poco sustituyendo (por ejemplo) 4 por
la variable a, mantngala en el clculo de los autovalores y autovectores, realice
con ella la transformacin desemejanza, y en la matriz resultante evale los
lmites cuando a tiende a 4).
1.39 Use adecuadamente una transformacin de semejanza para resolver el sistema de
ecuaciones algebraicas simultneas para x
1
y x
2
:
kx
1
= k
0
(x
2
x
1
) + a
1
kx
2
= k
0
(x
1
x
2
) + a
2
donde k, k
0
, a
1
y a
2
son constantes conocidas.
1.40 Resuelva el sistema de ecuaciones diferenciales simultneas acopladas de primer
orden:
x = i y (i es la unidad imaginaria)
y = 2x
con las condiciones iniciales: x(0) = a; y(0) = b. (Sugerencia: cuando est
evaluando los autovalores de la matriz de acoplamiento, escriba i en su forma
compleja: i = e
i(t/2 + 2nt)
, con n entero.
1.41 Use la definicin de independencia (o dependencia) lineal para N autovectores
distintos de una matriz A, asociados a sus respectivos N autovalores no
degenerados, aplique a esa definicin por la izquierda la matriz A, use la ecuacin
de autovalores, y demuestre que los N autovectores no degenerados son linealmente
independientes.

Capítulo 1

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Capítulo 1

Diunggah oleh

Hak Cipta:

Format Tersedia

1 Espacios vectoriales con un nmero finito de dimensiones

Anda mungkin juga menyukai