Captulo 1

Espa
cos Vetoriais de Dimens
ao Finita
Um espaco vetorial e um conjunto dotado de duas operacoes, adicao e multiplicacao por um
n
umero, com as propriedades usuais dessas operacoes. Os elementos de um espaco vetorial
sao chamados de vetores e os n
umeros envolvidos na operacao de multiplicacao, de escalares.
Os n
umeros que mais nos interessam em Fsica sao, obviamente, os reais R e os complexos
C, entretanto e interessante fazer uma discussao mais detalhada sobre o tipo de escalares
aceitaveis na definicao de um espaco vetorial. De uma forma geral, os escalares devem ser
elementos de um corpo, sendo desejavel aqui uma breve introducao a esse conceito.

1.1

Corpo

Definic
ao 1.1 (Corpo). Um corpo K e um conjunto completo dotado das quatro operac
oes:
soma, subtracao, multiplicacao e divisao, com as propridades usuais.
O ingrediente essencial na definicao acima e o requerimento de um corpo constituir um
conjunto completo.
Definic
ao 1.2 (Conjunto completo). Um conjunto completo e aquele em que toda sequencia
de Cauchy converge para um elemento do conjunto.
Relembremos a definicao de uma sequencia de Cauchy.
Definic
ao 1.3 (Sequencia de Cauchy). Uma sequencia {an } e dito ser de Cauchy se para
todo > 0 existe um N, tal que
|an am | < ,

para quaisquer

n, m > N.

A definicao de sequencia de Cauchy corresponde `a formulacao mais basica da nocao de

convergencia de uma sequencia. De fato, note que em uma sequencia de Cauchy os sucessivos elementos ficam arbitrariamente proximos uns dos outros (e nao apenas dos vizinhos),
1

CAPITULO 1.

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

sem entretanto ser exigido que essa sequencia possua um limite. Em um certo sentido, a
nocao de convergencia contida no criterio de Cauchy pode ser vista como uma forma de
convergencia fraca, em que os elementos da sequencia ficam arbitrariamente proximos uns
dos outros, mas o limite pode nem sequer existir, como veremos no exemplo abaixo.
Exemplo 1.1. O conjunto dos n
umeros racionais Q nao forma um corpo, pois ha sequencias
de Cauchy Q que nao convergem. Por exemplo, pode-se mostrar facilmente que {xn }, onde



2
1
xn +
x0 = 1, xn+1 =
2
xn

e uma sequencia de Cauchy, mas seu limite nao pertence a Q.

Exemplo 1.2. O corpo dos reais, R, e formado completando os racionais com os limites
de todas as sequencias de Cauchy em Q, isto e,
 
Pn
.
R=Q
Qn Cauchy
Note, em particular, que um n
umero irracional r, definido como r R mas r
/ Q, corresponde
a uma sequencia cujo limite define r. Nesse sentido, podemos representar r como uma
sequencia:


P1 P2
Pn
r=
,
, ...,
, ... .
Q1 Q2
Qn

Note ainda que todas as sequencias {Pn /Qn } que possuem o mesmo limite correspondem
ao mesmo n
umero irracional. Em outras palavras, um n
umero irracional r corresponde, em
verdade, `a classe de equivalencia formada por todas as sequencias em Q com o mesmo
limite r.
Outro conceito que sera u
til adiante, em conexao com nossa discussao de espacos de
Hilbert, e que portanto merece ser revisto aqui, e a nocao de cardinalidade de um conjunto.
Definic
ao 1.4 (Cardinalidade). A cardinalidade de um conjunto C e o n
umero de elementos
de C.
Os exemplos abaixo servem para ilustrar a definicao acima, tanto para o caso de conjuntos
com um n
umero finito quanto para conjuntos com infinitos elementos, sejam enumeraveis ou
nao enumeraveis.
Exemplo 1.3. Alguns conjuntos e suas respectivas cardinalidades:

C = {faces de um dado}, card(C) = 6;

1.2. ESPAC
O VETORIAL
C = N, card(C) = 0 infinito enumeravel;

C = Q, card(Q) = card(N);

C = , card() = 1 infinito nao enumeravel;

C = [0, 1], card(C) = card().

1.2

Espaco Vetorial

De posse da definicao de corpo, podemos agora dar uma definicao formal de espaco vetorial.
Definic
ao 1.5 (Espaco Vetorial). Um espaco vetorial V sobre um corpo de escalares K e
um conjunto dotado de duas operacoes, adic
ao e multiplicac
ao por um escalar, as quais
possuem as seguintes propriedades
i) adicao: associativa, comutativa, possui elemento neutro e elemento inverso.
ii) multiplicacao por escalar: distributiva (no escalar e no vetor) e associativa.
Os elementos de um espaco vetorial V sao chamados de vetor e serao denotados por |V i .
Os escalares serao denotados por letra min
uscula a, sendo que como ja mencionado os corpos
de interesse sao K = R ou K = C.
Propriedades. Usando a notacao acima, temos que as propriedades que definem um
espaco vetorial V sobre o corpo K sao
1. fechamento da adicao:
|V i + |W i V, |V i , |W i V.
2. comutatividade da adicao:
|V i + |W i = |W i + |V i .
3. associativade da adicao:
|V i + (|W i + |Zi) = (|V i + |W i) + |Zi .
4. elemento neutro da adicao:
|0i V |0i + |V i = |V i , |V i V.

CAPITULO 1.

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

5. elemento inverso da adicao:

para todo |V i V, |V i V |V i + |V i = |0i .
6. fechamento da multiplicacao por escalar:
a |V i V, |V i V e a K.
7. distributividade da multiplicacao por escalar:
a (|V i + |W i) = a |V i + a |W i .
(a + b) |V i = a |V i + b |V i .
8. associatividade da multiplicacao por escalar:
a (b |V i) = ab |V i .
Um espaco vetorial abstrato V e uma generalizacao dos espacos vetoriais mais usuais,
como R2 ou R3 , em que os vetores sao objetos com direcao, sentido e magnitude, sendo
possvel dar-lhes uma representacao atraves de setas, ~v, e para os quais as operacoes
acima sao bem definidas e possuem uma clara interpretacao geometrica. A notacao abstrata
|V i, conhecida como notacao de Dirac, contudo e mais geral, visto que em muitos casos
os elementos dos espacos vetoriais de interesse nao admitem uma interpretacao geometrica
por meio de setas. Na notacao de Dirac, um vetor |V i tambem e chamamdo de ket, por
razoes que ficaram claras em breve. Vale mencionar ainda que a notacao de Dirac e muito
conveniente na realizacao de diversas operacoes com vetores, de modo que o esforco inicial do
leitor para familiarizar-se com essa notacao sera, acreditamos, amplamente recompensado.

1.3

Independ
encia Linear, Base e Dimens
ao

Definic
ao 1.6 (Independencia linear). Um conjunto de vetores {|ii}ni=1 sao ditos serem
linearmente independentes se a identidade
n
X
i=1

ai |ii = 0

verificar-se apenas se todos ai = 0.

Segue da definicao que em um conjunto de vetores linearmente independentes, nenhum
vetor pode ser escrito como combinacao linear dos outros. De maneira contraria, em um
conjunto de vetores linearmente dependentes devem existir pelo menos dois coeficientes ai

1.3. INDEPENDENCIA
LINEAR, BASE E DIMENSAO

nao nulos. Digamos que aj 6= 0,, entao podemos expressar o vetor |ji em funcao dos outros,
isto e
n
X
ai
|ii ,
|ji =
aj
i=1,i6=j
onde pelo menos um dos coeficientes ai e nao nulo.

Definic
ao 1.7 (Dimensao). A dimensao de um espaco vetorial
vetores linearmente independentes.

V e

o n
umero maximo de

Assim, se dim(V) = n, entao ha, no maximo, n vetores linearmente independentes; logo

qualquer vetor |V i V pode ser escrito como uma combinacao linear de (no maximo) n
outros vetores. Vamos, por conveniencia, enunciar esse resultado como um teorema.
Teorema 1.1. Qualquer vetor |V i em um espaco vetorial de dimensao n pode ser escrito
como uma combinacao linear de n vetores linearmente independentes (l.i.).
Demonstracao. Suponha que |V i nao pudesse ser escrito como combinacao linear de n vetores
l.i. Entao poderamos adicionar |V i a outros n vetores l.i. e assim teramos (n + 1) vetores
l.i.; logo a dimensao seria n + 1 e nao n.
Definic
ao 1.8 (Base). Um conjunto B = {|ii}ni=1 de n vetores l.i. em um espaco de dimensao n e dito uma base desse espaco.
Se B = {|ii}ni=1 e uma base de V, entao |V i V, existem coeficientes vi , tais que
|V i =

n
X
i=1

vi |ii .

A expansao acima e u
nica. Os n
umeros vi sao ditos as coordenadas (ou componentes) de |V i
na base B. Dessa forma, o vetor (abstrato) |V i pode ser representado por um conjunto de n
n
umeros correspondendo `as suas coordenadas em uma determinada base B. Em particular,
podemos escrever o vetor |V i em notacao matricial

v1
v2

|V i = .. .
.
vn
importante observar, contudo, que se mudarmos de base, e.g., B = {|i i}ni=1 , as comE
ponentes de |V i mudam:

v1
v
2
|V i = .. .
.
vn

CAPITULO 1.

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

Mas obviemante o vetor permanece o mesmo. A adocao de uma base e a consequente

representacao dos vetores em termos das suas componentes nessa base e muito conveniente
(e pratico) para a manipulacao de vetores. Por exemplo, para a adicao de vetores basta
somar as respectivas componentes. Ou seja, se
|V i =

n
X
i=1

vi |ii

entao
|V i + |W i =

|W i =

n
X
i=1

n
X
i=1

wi |ii ,

(vi + wi ) |ii

e similarmente para multiplicacao por escalar.

1.4

Produto interno e nota

c
ao de Dirac

Podemos generalizar o conceito de produto escalar do 3 , definido por

~ B|
~ cos
A B = |A||
= Ax Bx + Ay By + Az Bz ,
a partir das suas propriedades.
Definic
ao 1.9. O produto interno entre dois vetores |V i e |W i e uma regra que produz um
n
umero (no corpo K) e satisfaz as seguintes propriedades:
i) hV |W i = hW |V i se K = , ou hV |W i = hW |V i se K = C.
ii) hV |V i 0, com igualdade sendo verificada somente se |V i = |0i .
iii) hV | (a |W i + b |Zi) = a hV |W i + b hV |Zi .
Observa
c
ao 1. A notacao acima para denotar o produto vetorial entre os vetores |V i e
|W i e um pouco confusa, uma vez que nao definimos (ainda) o smbolo hV |. Deveramos na
verdade usar algo do tipo
(|V i , |W i) ou |V i |W i .
Entretanto, veremos adiante que a notacao acima e bastante conveniente, sendo possvel
atribuir um significado concreto ao smbolo hV | . Antecipamos aqui que vetores |V i sao
chamados de kets, ao passo que o smbolo hV | e chamado de um bra.

 DE DIRAC
1.4. PRODUTO INTERNO E NOTAC
AO

Observa
c
ao 2. Decorre das propriedades (i) e (iii) acima que o produto interno e semilinear no argumento da esquerda do produto interno. Ou seja, usando temporariamente a
notacao de para produto interno, temos que
(a |W i + b |Zi) |V i = {|V i (a |W i + b |Zi)}
= {a hV |W i + b hV |Zi}
= a hW |V i + b hZ|V i .
Assim somos tentados a escrever
(a |W i + b |Zi) |V i = (|aW i + |bZi) |V i
= haW + bZ | V i .
Mas para isso e necessario entender o que e um bra. Antes, porem, uma pequena revisao de
bases ortonormais.
Definic
ao 1.10. Uma base B = {|ii}ni=1 e dita ortonormal se
hi|ji = ij ,
onde
ij =
e o chamado delta de Kronecker.

1, i = j
0, i =
6 j

Vale lembrar ainda que

i) se hV |W i = 0, entao |V i e |W i sao ditos mutuamente ortogonais.
p
ii) |V | hV |V i e a norma de |V i .

A escolha de uma base ortogonal e muito u

til para realizar operacoes com vetores. Por
exemplo, o produto interno pode ser facilmente calculado em termos de uma base ortonormal.
Seja B = {|ii}ni=1 uma base ortonormal. Se
|V i =

n
X
i=1

vi |ii e |W i =

n
X
j=1

wj |ji

entao
hV |W i =
=

XX
i

XX
X
i

vi wj hi|ji
vi wj ij

vi wi .

CAPITULO 1.

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

Consequentemente, a norma de um vetor pode ser facilmente obtida a partir de suas coordenasdas em uma base ortonormal:
s
n
X
X
2
2
|vi |2 .
|V | = hV |V i =
|vi |
|V | =
i

i=1

Alem disso, as componentes vi em uma base ortonormal sao facilmente calculadas, tomandose o produto interno de |V i com o respectivo vetor |ii da base. De fato,
X
X
hi|V i =
vj hi|ji =
vj ij = vi ,
j

ou seja
vi = hi|V i .

Assim a decomposicao de |V i em uma base ortogonal {|ii}ni=1 pode ser escrita formalmente
como
X
vi |ii
|V i =
i

hi|V i |ii

ou alternativamente,
|V i =

|ii hi|V i

X
i

|ii hi| |V i ,

Donde conclumos que uma base ortogonal satisfaz a chamada relacao de completeza:
n
X
i=1

|ii hi| = I,

onde I denota identidade.

Em notacao matricial a decomposicao acima le-se

1
0
0
1

0
0

|V i = v1 + v2 + + vn
..
..

.
.

0
0

0
0
..
.

0
1

1.5. ESPAC
O DUAL

1.5

Espaco Dual

Definic
ao 1.11 (Funcional linear). Uma aplicacao linear F : V 7 K do espaco vetorial
para o proprio corpo K de escalares e dita um funcional linear.
Se F e um funcional linear sobre

V entao

F (a |V i + b |W i) = aF (|V i) + bF (|W i).

Teorema 1.2. O conjunto dos funcionais lineares sobre um espaco vetorial
vetorial.

V e um espaco

Demonstracao. Defina a adicao e multiplicacao por escalar de forma natural

(F + G) |V i = F (|V i) + G(|V i)
e
(aF )(|V i) = a [F (|V i)].

facil verificar que todas as propriedades de um espaco vetorial sao satisfeitas.

E
Definic
ao 1.12. O espaco vetorial dos funcionais lineares em
e denotado por V .

V e dito o espaco dual de V e

Definic
ao 1.13. Dois espacos vetoriais V e W sao ditos isomorfos, denotados por V
= W, se
existir uma aplicacao linear bijetiva T : V 7 W entre eles (ou seja, se existir um isomorfismo
T entre V e W).
Dito de outro modo, se dois espacos vetoriais V e W sao isomorfos, entao eles podem ser
colocados em correspondencia biunvoca um com o outro.
Teorema 1.3. Dois espacos de dimensao finita sao isomorfos se, e somente se, eles possuem
a mesma dimensao.
Demonstra
cao. Suponha
 V
  que eles sao isomorfos. Claramente o isomorfismo T leva a base
i de V na base iW de W, e vice-versa, logo ambos espacos possuem a mesma dimensao.
   
Por outro lado, se V e W possuem a mesma dimensao, entao a transformacao T iV = iW
define um isomorfismo entre eles.

Do teorema acima, concluimos que todos os espacos vetoriais de dimensao n sao isomorfos

Rn , ou seja,

dim(V) = n

V
= Rn .

Vamos agora retornar ao caso o espaco dual de um espaco vetorial de dimensao finita.
Teorema 1.4. Se

V e um espaco de dimensao finita n, entao V

= V.

CAPITULO 1.

10

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

Observa
c
ao. Em geral, a relacao: V
= V nao e verdadeira para espacos de dimensao
infinita (nao enumeravel). Nesse caso, veremos adiante que dim(V ) > dim(V).
Pelo teorema acima, para cada vetor |V i V podemos associar um dual V V . Para
determinarmos o funcional linear V , basta saber como ele atua sobre vetores de V. Isso pode
ser feito a partir da definicao do produto interno.
Produto interno como um funcional linear. Dado um vetor |V i
seguinte aplicacao:
hV |i : V 7 K.

V,

considere a

Ou seja, com |V i fixo, o produto interno de |V i com os demais vetores V define um funcional
linear em V, visto que
hV |aW + bZi = a hV |W i + b hV |Zi .
Sendo assim, podemos denotar o dual V de |V i pelo bra hV |:
V hV |
de modo que
V (|W i) = hV |W i .
Assim vemos que um bra hV | e um elemento do espaco dual

V.

Operac
oes adjuntas. A operacao de tomar o dual, tambem dita tomar o adjunto,
de um vetor recebe um smbolo especial, a adaga :
(|V i) hV | .
Regra de operac
oes adjuntas:
i) (a |V i) = hV | a = a hV |
ii) (a |V i + b |V i) = hV | a + hW | b = a hV | + b hW | .
Demonstrac
ao de i). Para obter o dual de a |V i precisamos saber como o funcional haV |i
atua. Ora, temos que
haV |W i = hW |aV i = a hW |V i = a hV |W i .
Logo,
(a |V i) = a hV | = hV | a .
Deixamos a demonstracao ii) a cargo do leitor.

11

1.6. OPERADORES LINEARES

Se introduzirmos uma base ortonormal,

v1

|V i = ... .
vn

Entao quem e o bra hV | nessa base? Ora, como hV |W i =

tarmos hV | pelo vetor linha
hV | = (v1 vn ),
pois

vi wi , e conveniente represen-

w1

X
( v1 , , vn ) ... =
vi wi = hV |W i .
i
wn

Dito de outra forma, se

|V i =
entao

n
X
i=1

n
X

hV | = (|V i) =

i=1

vi |ii ,

vi |ii

Exemplo 1.4. Considere o adjunto da expressao

X
|iihi|V i .

n
X
i=1

hi| vi .

Temos que

|iihi|V i =

P
vi |ii) = i vi hi|, donde segue que
!
X
X
|ii hi|V i =
hV |iihi| .

vi |ii, logo (

Podemos entao estabelecer a seguinte regra para o calculo do adjunto de expressoes

envolvendo vetores: inverta a ordem dos fatores, troque kets por bras (e vice-versa) e tome
o complexo conjugado de todos os escalares.

1.6

Operadores Lineares

Um operador atuando em um espaco vetorial V e uma regra para transformar qualquer

vetor |V i em outro vetor |V i . Em outras palavras, se e um operador, entao
|V i = |V i ,

|V i V.

12

CAPITULO 1.

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

Nosso interesse maior sao os operadores lineares, para os quais temos as propriedades:
(a |V i) = a |V i
e
(a |V i + b |W i) = a |V i + b |W i .

Exemplos de operadores
1. Operador identidade:
2. Operador de rotacao em

I |V i = |V i , |V i V

V = R3 :

~x = R(~)~x,
onde R(~) representa a operacao de rotacao por um angulo em torno do eixo definido
por ~ = ~n. Por exemplo, para uma rotacao em torno do eixo z, ~ = (/2)~k, e se
denotarmos |1i = ~i, |2i = ~j e |3i = ~k, temos entao que
 
~k |1i = |2i ,
R
2
 
~k |2i = |1i
R
2
e
 
~k |3i = |3i .
R
2
Claramente a acao da rotacao e linear:
R[|1i + |2i] = R |1i + R |2i .
O exemplo acima ilustra um fato importante: para conhecermos um dado operador
linear basta sabermos como ele atua nos elementos de uma base ortonormal. Mais
precisamente, se B = {|ii}ni=1 e uma base de V e se
|ii = |i i
entao a acao de em qualquer vetor |V i esta
X
|V i =
vi |ii
i

esta bem definida:

|V i =

X
i

vi |ii =

X
i

vi |i i .

13

1.6. OPERADORES LINEARES

Operador inverso. O inverso de um operador e denotado por 1 e definido por
1 = 1 = I.
Exemplo. Se = R(~) entao 1 = R(~).
facil verificar ainda que, se e possuirem inverso, entao ()1 = 1 1 .
E

Observa
c
ao: nem todo operador possui um inverso, as condicoes para tais serao mencionadas adiante.

1.6.1

Algebra
de Operadores

possvel definir de maneira natural as operacoes de adicao e multiplicacao de operadores:

E
1. Adicao: claramente se 1 e 2 sao dois operadores lineares, entao a soma deles tambem
sera um operador linear:
= 1 + 2 ;
|V i = 1 |V i + 2 |V i .
2. Multiplicacao: se e sao operadores lineares em
produto atraves da relacao

V,

entao definimos o operador

() |V i = ( |V i).
Com essa definicao, os parenteses tornam-se desnecessarios, ou seja, a expressao
|V i
fica bem definida (sem ambiguidade). Note que a ordem das operacoes e importante,
pois em geral:
6= .
Um conjunto C dotado de duas operacoes, adicao e multiplicacao, com as propriedades
usuais, e dito ser uma algebra. Se a multiplicacao for comutativa, a algebra e dita ser
comutativa; do contrario, a algebra sera nao comutativa.. Temos, portanto, que o conjunto
de operadores em um espaco vetorial forma uma algebra nao commutativa, chamada de
algebra dos operadores lineares em V, denotada por L(V).

CAPITULO 1.

14

1.6.2

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

Comutadores

Em face da nao comutatividade da multiplicacao de operadores, torna-se importante considerar o operador comutador entre dois operadores que mede
Definic
ao 1.14. O comutador dos operadores e e definido pela relacao
[, ]
Temos entao que, em geral, [, ] 6= 0, significando que [, ] |V i =
6 0, para um vetor
|V i generico.
Identidades u
teis envolvendo comutadores:
[, ] = [, ] + [, ]
[, ] = [, ] + [, ]
A verificacao das identidades acima e deixada como exerccio para o leitor.

1.7

Matrizes como representa

co
es de operadores

Um operador linear em um espaco de dimensao finita V pode ter uma representacao

bastante concreta e conveniente por meio de matrizes. Suponha que saibamos como atua
em uma base ortonormal, B = {|ii}ni=1 , de modo que podemos determinar os vetores |i i,
onde
|i i = |ii .
Conhecer os novos vetores |i i significa conhecer os seus componentes na base B, ou seja,
hj|i i = hj| |ii ji .
Os n
umeros ji sao ditos os elementos de matriz de na base B. Claramente ha nn desses
elementos. Assim temos
X
|i i =
ji |ji .
j

Em particular se |V i =

vi |ii e |V i = |V i, entao as componentes de |V i na base B sao

vi = hi|V i = hi||V i
X
= hi|
vj |ji
j

X
j

X
ij

hi||ji vj
ij vj .


1.7. MATRIZES COMO REPRESENTAC
OES
DE OPERADORES

15

A expressao acima corresponde exatamente `a regra usual de multiplicacao de matrizes. Assim

podemos representar o operador na base B pela matriz ji :

11 12 1n
21 22 2n

= ..
..
.. = (|1 i |2 i |n i)
.
.
.
.
.
.
n1 n2 nn

h1| |1i h1| |2i h1| |ni

h2| |1i h2| |2i h2| |ni

=
.
..
..
..
.
.

.
.
.
.
hn| |1i hn| |2i hn| |ni

De modo que se

entao

|V i =

|V i =

v1
v2
..
.
vn

11 12 1n
21 22 2n
..
..
..
..
.
.
.
.
n1 n2 nn

v1
v2
..
.
vn

facil verificar ainda que a representacao matricial da soma e multiplicacao de operadores

E
pode ser obtida usando as regras usuais de soma e multiplicacao de matrizes. Por exemplo

11 1n
11 1n

.. ..
.. .
..
..
= ...
.
.
. .
.
n1 nn
n1 nn

Ou em notacao de ndice

()ij =

ik kj .

1.7.1

Operador Adjunto

Para todo operador : V 7 V atuando em um espaco vetorial

operador dual atuando no espaco dual:
:

V.

V podemos definir um

CAPITULO 1.

16

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

onde,
hV | (hV |) = hV | ,

Ou seja

hV | = hV | .

Note que a notacao acima deve ser entendida de maneira apropriada.

hV | hV | i : funcional linear.

hV | = hV | hV | i = (hV | i) = hV || i : funcional linear gerado pela acao de .

Entretanto, e comum esquecermos a diferenca entre um operador e o seu dual , e
dizermos que o operador atua tanto em kets |V i como em bras hV | , ou seja,
|V i = |V i

hV | = hV | .

As vezes dizemos que um operador pode atuar tanto `a direita, i.e., no ket, quanto a`
esquerda, i.e., no bra. Se for um operador linear, sua atuacao nos bras sera da seguinte
forma:
hV | a = hV | a = a hV |
(hV | a + hW | b) = a hV | + b hW | .

Note que o bra hV |, obtido pela acao de `a esquerda de hV |, nao e o dual do ket |V i,
obtido pela acao de `a direita de |V i , ou seja,
|V i =
6 |V i .

Contudo, como |V i so depende do operador e do proprio vetor hV |, segue que deve existir
um operador tal que
|V i = |V i .
Temos entao a seguinte definicao.

Definic
ao 1.15. O operador adjunto de , denotado por , e definido pela relacao


V | |W = hW ||V i .
De forma mais sucinta podemos entao escrever

( |V i) = hV | .
Por outro lado, se introduzirmos a notacao
|V i |V | ,
obtemos a seguintes relacoes
hV | = hV | ,


V  = hV | .

que sao bastante u

teis na manipulacao de operadores adjuntos


1.7. MATRIZES COMO REPRESENTAC
OES
DE OPERADORES

17

Representac
ao matricial de :


( )ij = i| |j = hi|ji = hj||ii = ji ,

ou seja,

= (t )

(conjugado hermiteano),

onde t indica transposta e { }, complexo conjugado.

facil provar a seguintes propriedades de operadores adjuntos:
E
1. () = .
2. ( + ) = + ;
3. () = ;
4. (a) = a ;
5. ( ) = .

1.7.2

Operadores Hermiteanos e Unit

arios

Em mecanica quantica, certas classes especiais de operadores desempenham um papel

fundamental, entre os quais destacamos os operadores hermiteanos e operadores unitarios.
Definic
ao 1.16. Um operador e dito
i) Hermiteano (ou auto-adjunto) se = .
ii) Anti-hermiteano se = .
iii) Unitario se 1 = , ou = I = .
Propriedades importantes:
1. Qualquer operador pode ser decomposto como a soma de uma parte hermiteana e
uma anti-hermiteana:
= H + A ,
onde
pois obviamente

1
H = ( + )
2

1
A = ( ),
2

1
1
= ( + ) + ( ).
2
2

CAPITULO 1.

18

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

2. Um operador H e hermiteano se e somente se hV |H|V i e real para todo V V.


Demonstracao. Se H = H
hV |H|V
i=
V |H |V = hV |H|V i . Por outro lado,


se hV |H|V i = hV |H|V i = V |H |V
V |H H |V = 0 H H = 0.

Em MQ, o elemento de matriz hV |H|V i representa o valor esperado do operador

H no estado |V i . Logo se H for associado a alguma grandeza fsica mensuravel, e
importante que o valor esperado seja real.

3. Os autovalores de um operador hermiteano sao reais.

Demonstracao. A equacao de autovalor e
|V i = |V i hV | = hV |
hV | = hV | hV ||V i = hV |V i
hV |V i = hV |V i = .

4. Os autovalores de um operador unitario sao n

umeros complexos de modulo unitario.
Demonstracao. Partindo da relacao = I e usando a equacao de autovalor |V i =
|V i, temos


V | |V = V | |V

hV |V i = hV |V i = hV ||V i = hV |V i .

Portanto,
||2 = 1

|| = 1.

5. Um operador unitario preserva produto interno.


Demonstracao. Seja |V1 i = U |V1 i e |V2 i = U |V2 i . Entao hV2 |V1 i = V2 |U U|V1 =
hV2 |V1 i .
6. Uma transformacao unitaria preserva modulo.
Para ver isso, basta fazer |V1 i = |V2 i = |V i na propriedade anterior, donde ontemos
|V |2 = |V |2 .


1.7. MATRIZES COMO REPRESENTAC
OES
DE OPERADORES

19

7. Uma transformacao unitaria leva uma base ortonormal em outra base ortonormal, e
vice-versa, ou seja, uma transformacao que leva uma base ortonormal em outra base
ortonormal e uma transformacao unitaria.
8. As colunas de uma matriz unitaria sao vetores ortonormais. Da mesma forma, as linhas
podem ser interpretadas como vetores (duais) ortonormais.
Demonstracao. Vimos que

U = ( |1 i |2 i |n i ) =

h1 |
h2 |
..
.
hn |

Como {|ii} e ortonormal, |j i = U |ji tambem o e, logo hk |j i = k,j . Lembre ainda

que |i i indica os componentes de |ii na base {|j i}. Temos entao
U = (|1 i |2 i |n i) = U 1 .
Logo as colunas de U , que sao as linhas de U (a menos de conjugacao complexa), sao
mutuamente ortonormais.
9. Os autovetores de um operador hermiteano geram uma base ortonormal. Na base
dos autovetores o operador e diagonal, e os elementos da diagonal sao os autovalores
correspondentes.
Demonstracao. Suponha inicialmente que os autovalores sao nao degenerados, ou seja,
para cada autovalor existe apenas um u
nico autovetor. Nesse caso escrevemos
|i i = i |i i ,
onde sem perda de generalidade supomos hi |i i = 1. Sejam agora i e j dois
autovalores distintos, i.e., i 6= j. Entao
hj ||i i = i hj |i i ,
e portanto


i hj |i i = i | |j = hi ||j i = j hi |j i = j hj |i i .

Mas i 6= j , logo

(i j ) hj |i i = 0

hj |i i = 0.

CAPITULO 1.

20

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

A demonstracao acima pode ser facilmente estendida para o caso degenerado mas isso
nao sera feito aqui.
10. Os autovetores de um operador unitario sao mutuamente ortogonais.
Demonstracao. (Caso nao degenerado). Seja
U |ui i = ui |ui i ,
Entao


uj |U U|ui = ui uj |U |ui huj |ui i = ui uj huj |ui i (1 ui uj ) huj |ui i = 0.

Portanto,

se

i = j ui ui = 1
i 6= j e ui =
6 uj huj |ui i = 0

Exemplo 1.5. Diagonalizacao de matrizes hermiteanas. Em um espaco vetorial real,

um operador hermiteano corresponde a uma matriz da forma t = . Nesse caso a
matriz e dita ser hermiteana. Consideremos a seguinte matriz hermiteana




0 i
0 i

, =
= .
=
i 0
i 0
C
alculo dos autovalores:


 i 
 = 0 2 1 = 0 = 1.
= 
i 

C
alculo dos autovetores: Para o autovalor 1 = 1, temos
 

a
1 i
= 0 a = ib,
b
i 1
que nos fornece o autovetor

 
1
1
|1 i =
.
2 i
Fazendo o mesmo para 2 = 1, obtemos


1
1
|2 i =
.
2 i


1.7. MATRIZES COMO REPRESENTAC
OES
DE OPERADORES

21

cheque da ortogonalidade:
1
1
h2 |1 i = (1 i)
2
2

1
i

1
= (1 + i2 ) = 0.
2

Entao na base B = {|1 i , |2 i} a matriz e simplesmente



1 0

.
=
0 1

1.7.3

Mudanca de base:

Vimos que uma transformacao e unitaria se, e somente se, leva uma base ortonormal em
outra base ortonormal. Seja U a representacao matricial de um operador unitario na base
B = {|ii} que leva os vetores dessa base nos vetores de uma nova base B = {|i i}, ou seja,
|i i = U |ii hi|j i = Uij
com transformacao inversa dada por
|ii = U |i i hi |ji = (U )ij = Uji .
Da primeira equacao acima, vemos que as colunas de U representam os vetores da nova
base B escritos na base antiga. Da mesma forma, as linhas de U representam os vetores
(duais) hi| da base antiga escrita na nova base, ou seja

h1 |
h2 |

U = (|1 i , |2 i |n i) = .. .
.
hn |

Seja agora |V i um vetor com coordenadas vi na base ortogonal {|ii}. Entao e facil verificar
que as coordenadas vi de |V i na nova base {|i i} sao dadas por
X
|V i = U |V i vi =
Uji vj .
j

Da mesma forma, se representa um operador na base original, entao na nova base esse
operador e representado pela matriz
= U U.
No caso de um operador hermiteano, a nova base de interesse e a base gerada pelos autovetores de :
i = |i i .

CAPITULO 1.

22

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

e nessa nova base B = {|i i} a matriz e diagonal. Ou seja, toda matriz hermiteana (em
um espaco de dimensao finita) pode ser diagonalizada por uma transformacao unitaria de
bases. Isto e, existe uma transformacao unitaria U tal que

1 0 0
0 2 0

= U U = ..
.. . .
..
.
.
.
.
0 0 n
e a transformacao U e dada por

U = (|1 i |2 i |n i).

1.8

Operadores de projec
ao e decomposi
c
ao espectral

Como o nome sugere, um operador de projecao P projeta vetores de um espaco vetorial

em um dado subespaco de V. Assim, se aplicarmos P a um vetor que ja pertence ao
respectivo subespaco, nada acontece, uma vez que o vetor ja esta projetado no subespaco
em questao. Dessa propriedade esperada do conceito de projecao, decorre naturalmente a
definicao de operador de projecao.

Definic
ao 1.17. Um operador hermiteano P e dito um operador de projecao se P 2 = P.
Definic
ao 1.18. Se P1 e P2 sao operadores de projecao com P1 P2 = P2 P1 = 0, entao P1 e
P2 sao ditos ortogonais entre si.
Deixamos para o leitor verificar que se P1 e P2 sao dois operadores de projecao, entao
P1 + P2 e um operador de projecao se, e somente se, P1 P2 = P2 P1 = 0. Em outras palavras,
a soma de operadores de projecao ortogonais e um operador de projecao. Ou seja, se

Pi , i = j
Pi Pj =
0, i 6= j
entao P =

Pi e operador de projecao e vice-versa.

Exemplo 1.6. Seja |ei um vetor normal, i.e., | |ei | = 1. Entao a quantidade
Pe = |eihe|
define um operador de projecao. A acao de Pe em um vetor |V i qualquer e definida por
Pe |V i = |eihe|V i = he|V i |ei V.

 E DECOMPOSIC
ESPECTRAL
1.8. OPERADORES DE PROJEC
AO
AO

23

Alem disso:
Pe2 |V i = |eihe|Pe |V i = |eihe|eihe|V i = he|V i |ei = Pe |V i .

Logo Pe2 = Pe . De maneira mais direta, poderamos ter feito a seguinte manipulacao:
Pe2 = Pe Pe = |eihe|eihe| = |eihe| = Pe .
Proposic
ao 1.1. Seja B = {|ii}ni=1 uma base ortogonal. Ent
ao o conjunto de operadores de
projecao {Pi = |iihi|} forma um conjunto de operadores mutuamente ortogonais e alem disso
temos a seguinte identidade:
n
n
X
X
Pi =
|iihi| = I.
(1.1)
i=1

i=1

Demonstracao.
hV |

X
i

Pi

|V i = hV |
=

X
i

X
i

|iihi| |V i =

Vi Vi = hV |V i

X
i

hV |iihi|

= hV |I|V i .
Logo temos a relacao desejada:

Pi = I. De modo mais direto, temos

!
X
X
X
|V i =
Vi |ii =
hi|V i|ii =
|iihi| |V i = I |V i ,
i

resultando na mesma relacao.

A igualdade (1.1) e a relacao de completeza dos operadores Pi , a qual diz que os Pi
formam um conjunto completo de operadores ortogonais. Dessa discussao sobre operadores
de projecao mutuamente ortogonais e do fato de que operadores hermiteanos (ou unitarios)
sao diagonalizaveis, segue o teorema.
Teorema 1.5 (Teorema da Decomposicao Espectral). Seja um operador hermiteano (ou
normal) sobre um espaco vetorial de dimensao finita n e sejam 1 , 2 , . . . , r , seus autovalores distintos. Entao existem operadores de projecao Pi , i = 1, . . . , r, tais que
i) Pi Pj = 0, i 6= j (autoespacos sao ortogonais);
P
ii) ri=1 Pi = I (autovetores formam uma base completa);
P
iii) ri=1 i Pi = 1 P1 + + r Pr ( e diagonalizavel).

CAPITULO 1.

24

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

Observa
c
ao. Em particular se os autovalores forem nao degenerados, i.e., r = n, entao
Pi = |i ihi | e =

n
X
i=1

i |i ihi | .


0 i
i 0

Exemplo 1.7. No exemplo anterior vimos que para a matriz =

, temos 1 = 1,
 


1
1
1
1
e 2 = 1, |2 i = 2
. Os respectivos operadores de projecao sao
|1 i = 2
i
i

1
P1 = |1 ih1 | =
2

1
i

1
P2 = |2 ih2 | =
2

1
i

1 i
i 1

1
1
(1, i) =
2
2

1 i
i 1

1
1
(1, i) =
2
2

Decomposic
ao Espectral:
1
1 P1 + 2 P2 = 1
2

1.8.1

1 i
i 1

1
+ (1)
2

1 i
i 1

0 i
i 0

= .

Operadores Hermiteanos Simultaneamente Diagonaliz

aveis

Dois operadores e sao ditos simultaneamente diagonalizaveis se eles podem ser decompostos em termos do mesmo conjunto de operadores de projecao. Ou seja, existe uma base
ortonormal na qual os dois operadores sao diagonais.
Teorema 1.6. Uma condicao necessaria e suficiente para dois operadores hermiteanos e
serem simultaneamente diagonalizaveis e que
[, ] = 0.
Em outras palavras, se e comutam, entao existe uma base de autovetores comum que
diagonaliza tanto quanto .

1.9

Funco
es de operador

Seja um operador. A n-esima potencia e definida da maneira usual:

n vezes
z
}|
{
= .
n

1.10. EXERCICIOS

25

Definimos ainda 0 = I. O operador inverso de , se existir, e denotado por 1 e corresponde ao operador tal que 1 = 1 = I.
Considere agora a funcao f (x) que admite uma expansao em serie de Taylor:
f (x) =

an xn .

n=0

Entao a funcao f () e o operador definido pela serie

f () =

an n .

n=0

Exemplo 1.8. O operador exponencial de e

X n
1
1
e = I + + 2 + 3 + =
.
2
3!
n!
n=0

1.10

Exerccios

1. Considere a matriz
=

5 3i
3i 5

a) Obtenha os operadores de projecao P1 e P2 associados aos autovalores 1 e 2 , e

verifique a validade da decomposi
cao espectral: = 1 P1 + 2 P2 .

Verifique
seu resultado mostrando que 2 = . Sub) Obtenha a matriz = .
P
gestao: use a relacao f () = i f (i )Pi .

2. Repita o problema anterior para a seguinte a matriz



2
1+i
.
=
1i
3

3. Calcule os autovalores e respectivos autovetores das matrizes de Pauli







1 0
0 i
0 1
.
, 3 =
, 2 =
1 =
0 1
i 0
1 0

Verifique, em particular, que todas elas possuem os mesmos autovalores 1.

4. Considere as matrizes

1 0
0
= 0 1 0 ,
0 0 1

1 0 0
= 0 0 1 .
0 1 0

Mostre que elas podem ser simultaneamente diagonalizaveis e encontre uma base comum de autovetores. Obtenha a matriz nessa base.

26

CAPITULO 1.

FINITA
ESPAC
OS VETORIAIS DE DIMENSAO

5. Mostre as seguintes identidades entre comutadores:

[, ] = [, ] + [, ],
[, ] = [, ] + [, ].
6. a) Mostre que se A e B sao operadores que nao comutam entao
1

eA+B = eA eB e 2 [A,B] .
b) Use a relacao acima para mostrar que o operador U = eiH e unitario se, e somente
se, H e hermiteano.

7. Algebra
das Matrizes Geradoras das Rotacoes (Muito Importante).
a) Considere a matrix 2 2


0 1
.
z =
1 0

Mostre que z e a a matriz geradora das rotacoes em torno do eixo z no sentido de

que


cos sin
z
e
= cos I + sin z =
.
sin cos

Generalize o resultado acima (sem fazer muitos calculos adicionais) para o caso 3D, ou
seja,

0 1 0
cos sin 0
z = 1 0 0 ez = sin cos 0 .
0 0 0
0
0
1

b) Escreva as matrizes x e y geradoras das rotacoes em torno dos eixos x e y,

respectivamente. (Nao e necessario deduzir as identidades equivalentes a` relacao do
item anterior.)
c) As matrizes i , i = x, y, z, obviamente nao sao hermiteanas, entretanto as matrizes
Li = ii
claramente o sao (verifique isso). Determine agora as relacoes de comutacao (dois a
dois) entre as matrizes Lx , Ly e Lz . Em particular, verifique que as mesmas definem
uma algebra, ou seja, o conjunto {Lx , Ly , Lz } e fechado sob operacao de comutacao.
d) Diagonalize a matriz Lz , ordenando os autovetores em ordem decrescente dos respectivos autovalores. Determine tambem a forma das matrizes Lx e Ly na base dos
autovalores de Lz . Sua resposta deve corresponder as matrizes dadas no Exerccio 4.2.1
do livro-texto (Shankar). Em particular, vale observar que as matrizes Li , a menos
de um fator de ~, correspondem `as respectivas componentes do operador momento
angular (para uma partcula com momento angular total J = 1).

1.10. EXERCICIOS

27

8. Considere os tres operadores Li da questao acima agrupados como se fossem componentes de um vetor, ou seja, escreva
~ = (Lx , Ly , Lz )
L

~ = i
~ = i(x , y , z ).
L

Seja ~n um vetor unitario, mostre entao que

~

ei~nL = e~n = R(~n),

onde R(~n) representa a matriz de rotacao de um angulo em torno da direcao definida
por ~n.
9. a) Sejam P1 e P2 dois operadores de projecao. Mostre que P1 + P2 e um operador
de projecao se, e somente se, P1 P2 = P2 P1 = 0. Sugestao: para provar a volta,
mostre que se P1 + P2 e um operador de projecao, entao [P1 , P2 ] = P1 P2 P2 P1 = 0 e
{P1 , P2 } = P1 P2 + P2 P1 = 1.