A. T. Baraviera
Instituto de Matematica - UFRGS
Conte
udo
Conte
udo
Pref
acio
2
2
3
1.1
1.2
2.1
2.2
2.3
2.4
Espacos vetoriais . . . . .
Subespacos vetoriais . . .
Produto interno . . . . . .
Bases ortonormais . . . .
2.4.1 Ortogonalizacao de
Mudanca de base . . . . .
Exerccios . . . . . . . . .
2.5
2.6
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
Gram-Schmidt
. . . . . . . . .
. . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3.1
3.2
3.3
3.4
3.5
3.6
Transformacoes lineares . . . . . . . . . . . . . . . . .
Funcionais lineares . . . . . . . . . . . . . . . . . . . .
Operadores lineares . . . . . . . . . . . . . . . . . . . .
Adjunta de uma transformacao linear . . . . . . . . .
Projecao sobre um subespaco . . . . . . . . . . . . . .
Autovetores e autovalores . . . . . . . . . . . . . . . .
3.6.1 Autovalores e autovetores de transformacoes hermitianas . . . . . . . . . . . . . . . . . . . . . .
i
5
5
6
7
11
13
14
15
16
16
17
19
19
21
21
22
CONTEUDO
ii
3.7
Traco e determinante . . . .
3.7.1 Traco . . . . . . . .
3.7.2 Determinante . . . .
3.8 Exponencial de uma matriz
3.9 Comutador de matrizes . .
3.10 Exerccios . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
23
23
24
25
28
29
4.1
4.2
4.3
Notacao de Dirac . . . . . . . . . . . . . . . . . . . . .
Usando esta notacao . . . . . . . . . . . . . . . . . . .
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . .
31
31
32
32
5.1
5.2
34
34
35
Grupos . . . . . . . . . . .
Grupos de matrizes . . . . .
6.2.1 Matrizes unit
arias .
6.2.2 Matrizes ortogonais
Matrizes especiais . . . . . .
6.3.1 SU (2) . . . . . . . .
6.3.2 SU (n) . . . . . . . .
Acao de grupos . . . . . . .
.
.
.
.
.
.
.
.
37
37
38
38
39
39
39
40
41
.
.
.
.
.
.
.
.
.
.
.
43
43
43
45
46
47
48
50
52
52
53
53
6
6.1
6.2
6.3
6.4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
7.1
7.2
7.3
7.4
7.5
7.6
7.7
7.8
7.9
7.10
7.11
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
CONTEUDO
7.12 Exemplos . . .
7.12.1 Exemplo
7.12.2 Exemplo
7.12.3 Exemplo
iii
. .
1.
2.
3.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
55
55
56
57
8.1
8.2
8.3
59
59
61
63
9.1
9.2
9.3
65
65
66
67
10.1
10.2
10.3
Algebras
C . . . . . . . . . . . . . . . . . . . . . . . .
Estados de uma
algebra . . . . . . . . . . . . . . . . .
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . .
68
68
71
72
10
11
11.1 Introducao . . . . . . . . . . . . .
11.2 Matriz densidade . . . . . . . . .
11.3 Redefinindo estado . . . . . . . .
11.3.1 Relacao com os estados de
11.4 Sistema de dois nveis . . . . . .
11.4.1 Caracterizacao geometrica
11.4.2 Um exemplo . . . . . . .
11.4.3 Evolucao temporal . . . .
. . .
. . .
. . .
uma
. . .
. . .
. . .
. . .
. . . . . . .
. . . . . . .
. . . . . . .
algebra C
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
74
74
75
76
77
77
77
78
80
.
.
.
.
.
.
.
.
.
.
.
.
.
.
82
82
83
85
87
87
88
90
12
12.1
12.2
12.3
12.4
Partcula cl
assica na reta . . . . . . . . .
Partcula qu
antica . . . . . . . . . . . . .
O operador Hamiltoniano . . . . . . . . . .
A partcula em uma caixa unidimensional
12.4.1 Caso cl
assico . . . . . . . . . . . .
12.4.2 Caso qu
antico . . . . . . . . . . . .
12.4.3 Um exemplo de limite classico . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
CONTEUDO
iv
12.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . .
91
13
92
Bibliografia
94
Pref
acio
Estas notas foram escritas com o objetivo de apoiar o mini-curso
de introducao `
a mecanica qu
antica que sera ministrado no col
oquio
de matematica da regi
ao sul. A meta e pouco ambiciosa: pretendo
apenas dar um pequeno primeiro passo para convidar alunos dos cursos de matematica a aprender um pouco mais sobre esta area t
ao
importante e que pode, quando certa maturidade e atingida, servir
como enorme estmulo e motivacao para problemas matematicos bem
sofisticados. Ao mesmo tempo gostaria que servissem tambem para
atrair alguns alunos dos cursos de fsica para o estudo de um pouco
mais de matematica. A interacao entre fsicos e matematicos sempre foi produtiva para ambos e espero que continue cada vez mais
intensa.
Agradeco aos organizadores do col
oquio pela oportunidade de
oferecer este mini-curso e, especialmente, a Artur Lopes: pela insistencia que fez estas notas verem a luz do dia e tambem por todas
as conversas ao longo dos u
ltimos anos sobre problemas relacionados ao conte
udo deste texto, que seguramente est
ao presentes nas
entrelinhas.
Minha incompetencia seguramente deixou in
umeros errinhos ao
longo do texto; o leitor, como exerccio, deve procur
a-los e pode incomodar este autor pelo endereco
baravi@mat.ufrgs.br
Ficarei feliz se tiver pelo menos um leitor atento.
Captulo 1
1.1
No final do seculo XIX a fsica vivia um momento de certa tranquilidade e alguns chegavam a propor que a tarefa dos futuros pesquisadores seria apenas a de efetuar medicoes mais precisas das constantes
fundamentais das teorias que descreviam o mundo. Reconheciam que
havia apenas duas pequenas lacunas, mas essas certamente seriam
preenchidas em breve: uma dizia respeito a compreensao do experimento de Michelson e Morley, sobre a velocidade de propagacao da
luz em direcoes distintas (uma sendo a da translacao da Terra e outra
perpendicular `a primeira) e a outra sobre a deducao teorica da curva
de intensidade da radiacao de corpo negro: a expressao de como um
objeto escuro e aquecido emite radiacao eletromagnetica. Para surpresa e espanto de muitos, dessas duas pequenas lacunas surgiram,
respectivamente, a teoria da relatividade e a teoria quantica, os dois
pilares da fsica atual, conceitualmente muito distintos das teorias
anteriores.
A primeira descricao teorica bem sucedida da radiacao de corpo
negro e devida ao fsico Max Planck. Ele apresentou sua teoria em
dezembro de 1900 e a principal inovacao que permitiu o sucesso de sua
formulacao estava na hip
otese de que a emiss
ao ou absorcao de luz
(usando essa palavra como sin
onimo de radiacao eletromagnetica) n
ao
se dava de forma contnua mas sim discreta, em pequenos pedacos
chamados por ele de quanta(palavra que e o plural em latim de
quantum).
2
1.2. RELAC
OES
ENTRE OS MUNDOS CLASSICO
E QUANTICO3
Esse sucesso encorajou seguidores, e Einstein ent
ao aplica a ideia
para compreender o problema do efeito fotoeletrico, surgimento de
corrente eletrica em determinados metais quando sao expostos a luz.
Essa explicacao e um dos famosos artigos do ano maravilhoso de
Einstein, 1905, e foi essencialmente por ela que ele ganhou o premio
Nobel em 1921.
Anos depois Niels Bohr aplicou a hipotese quantica a um modelo
atomico e assim conseguiu uma boa descricao de como um determinado elemento emite frequencias especficas de luz quando devidamente excitado, fenomeno que j
a era bem conhecido no seculo XIX,
mas que ate ent
ao carecia de uma explicacao teorica.
Esses trabalhos ajudaram a consolidar a hipotese quantica como
algo efetivamente necessario para a compreensao do mundo fsico, mas
ainda n
ao existia verdadeiramente uma mecanica quantica. Essa so
comeca a surgir com os trabalhos de Schrodinger, Heisenberg, Born e
Dirac que desenvolvem as equacoes fundamentais da teoria e descobrem a base de sua formulacao matematica. Algum tempo depois,
J. von Neumann ajuda a fundamentar melhor o aspecto matematico
dessas ideias e introduz, motivado por quest
oes dessa teoria, o importante conceito de
algebra de operadores.
1.2
Relac
oes entre os mundos cl
assico e
qu
antico
CAPITULO 1.
qu
antica e preciso procurar por aquelas que, no limite classico, re preciso
produzem o comportamento j
a conhecido pela mecanica. E
ressaltar que essas relacoes sao sofisticadas e ainda sao tema de muitas
investigacoes.
Nessas notas tentaremos ser mais breves e pragm
aticos: apresentaremos a quantizacao de sistemas bem simples, alguns que em
geral n
ao tem um bom analogo cl
assico, evitando as dificuldades dos
caminhos mencionados acima. Com excecao de um captulo, todos
os espacos vetoriais que aparecem no texto sao de dimensao finita e
automaticamente sao espacos de Hilbert, o que evitar
a a passagem
por sutilezas da analise funcional. Esperamos que o leitor fique motivado e empreenda seu caminho por esse mundo mais rico assim que
adquirir uma maior maturidade.
Captulo 2
2.1
Espa
cos vetoriais
Um espaco vetorial V sobre um corpo C e um conjunto cujos elementos chamaremos vetores de denotaremos por ix munido de duas
operacoes, a soma vetorial V V V e o produto por escalar
C V V , que satisfazem as propriedades: para todo ix, iy, iz V
e , C temos
1) (associatividade) ix + (iy+iz) = (ix+iy)+iz
2) (comutatividade) ix+iy =iy+ix
3) (existencia de zero) Existe vetor 0 V tal que ix + 0 = 0
4) (existencia do vetor oposto) Dado ix V existe vetor ix V
tal que ix + (ix) = 0
5) (associatividade) (ix) = ()ix
6) (distributividade) (ix+iy) = ix + iy
5
CAPITULO 2.
6
7) (distributividade) ( + )ix = ix + ix
Exemplo 2.1.3. (C , C) onde Cn e o conjunto das n-uplas ordenadas (x1 , . . . , xn ), xi C, com a soma e produto por escalar definidos,
respectivamente, por
(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
(x1 , . . . , xn ) = (x1 , . . . , xn )
Neste u
ltimo exemplo o corpo usado foi C. No restante deste
texto o corpo sempre sera o dos n
umeros complexos, salvo mencao
explcita em contrario. Em boa parte do texto o leitor tambem pode
imaginar que o espaco vetorial em quest
ao e Cn .
2.2
Subespacos vetoriais
2.3
Produto interno
CAPITULO 2.
n
X
xi yi
i=1
O produto interno nos permite introduzir uma nocao que generaliza a um espaco vetorial qualquer a ideia de perpendicularidade no
espaco, com a qual j
a estamos familiarizados:
Defini
c
ao 2.3.2. Dizemos que dois vetores u e v s
ao ortogonais se
hu, vi = 0. Dizemos que um conjunto E = {v1 , . . . , vk } e ortonormal se seus elementos s
ao, dois a dois, ortogonais e hvi , vi i = 1 para
todo i.
No caso do espaco ser R3 com o produto interno canonico, ou seja,
h(x1 , x2 , x3 ), (y1 , y2 , y3 )i = x1 y1 + x2 y2 + x3 y3
a ortogonalidade significa exatamente perpendicularidade no sentido
geometrico usual.
Com um espaco vetorial V munido de um produto interno
p podemos definir uma aplicacao k k : V R escrevendo kvk = hv, vi.
De fato podemos provar que essa funcao e uma norma sobre V mas
para isso precisamos de alguns resultados preliminares.
Observa
c
ao 2.3.4. Durante a prova obtivemos uma identidade conhecida como identidade polar:
ku + vk2 = kuk2 + 2Re(hu, vi) + kvk2
Corol
ario 2.3.5. Usando o teorema acima o leitor pode provar, indutivamente, o seguinte resultado: se {v1 , . . . , vk } s
ao dois a dois
ortogonais, ent
ao
kv1 + + vk k2 = kv1 k2 + + kvk k2
Teorema 2.3.6. Seja E = {v1 , . . . , vk } subconjunto ortonormal de
V . Ent
ao, para todo v V
kvk2 =
k
X
i=1
|hvi , vi|2 + kv
k
X
i=1
hvi , vivi k2
k
X
i=1
hvi , vivi + v
{z
a
k
X
i=1
hvi , vivi
{z
b
k
k
X
X
hvi , vivi i =
ha, bi = h hvi , vivi , v
i=1
i=1
CAPITULO 2.
10
k X
k
k
X
X
hvi , vihvj , vihvi , vj i =
h hvi , vivi , vi
i=1 j=1
i=1
k
X
i=1
hvi , vihvi , vi
k
X
i=1
hvi , vihvi , vi = 0
Mas ent
ao kvk2 = ka + bk2 = kak2 + kbk2 e
k
k
k
X
X
X
|hvi , vi|2
hvj , vivj i =
kak2 = h hvi , vivi ,
i=1
j=1
i=1
Corol
ario 2.3.7. Se E = {v1 , . . . , vk } e subconjunto ortonormal de
V ent
ao para todo vetor v V vale a desigualdade de Bessel:
kvk2
k
X
i=1
|hv, vi i|2
Corol
ario 2.3.8. Dados u e v em V ent
ao vale a desigualdade de
Cauchy-Bunyakovsky-Schwarz:
|hu, vi| kukkvk
Prova: Se v = 0 a desigualdade e claramente verdadeira; vamos
ent
ao assumir que v e n
ao nulo. Sendo assim, podemos considerar o
vetor v/(kvk) que e unit
ario (por que?) e o conjunto E = {v/(kvk)} e
subconjunto ortonormal de V . Portanto, pela desigualdade de Bessel,
kuk2 |hu,
e assim |hu, vi| kukkvk.
v 2
1
|hu, vi|2
i| =
kvk
kvk2
11
i kuk = ||kuk
ii ku + vk kuk + kvk
iii kuk = 0 u = 0
Deixamos para o leitor as provas de (i) e (iii) e passamos a prova de
(ii): temos
ku + vk2 = kuk2 + 2Re(hu, vi) + kvk2 kuk2 + 2|hu, vi| + kvk2
kuk2 + 2kukkvk + kvk2 = (kuk + kvk)2
e ent
ao o resultado segue.
Uma norma nos permite definir uma nocao natural de distancia
no espaco V , isto e, uma metrica, que e uma funcao d : V V R+
tal que
i d(u, v) = d(v, u)
ii d(u, w) d(u, v) + d(v, w)
iii d(u, v) = 0 u = v
Podemos definir d como sendo d(u, v) = ku vk.
2.4
Bases ortonormais
Dizemos que uma expressao do tipo 1 v1 + . . . , k vk e uma combinacao linear dos vetores v1 , . . . , vk .
Chegamos ent
ao ao importante conceito de independencia linear.
Defini
c
ao 2.4.1. Dizemos que um conjunto de vetores {v1 , . . . , vk }
V e linearmente independente (LI) se a equac
ao
1 v1 + k vk = 0
s
o admite a soluc
ao trivial (1 , . . . , k ) = (0, . . . , 0).
CAPITULO 2.
12
13
1 0 0
0 1 0
E11 = 0 0 0 , E12 = 0 0 0 ,
..
..
.
.
2.4.1
Ortogonalizac
ao de Gram-Schmidt
v1
i + 1 hu1 , u1 i = 0
kv1 k
CAPITULO 2.
14
ou seja,
1 =
1
hv2 , v1 i
kv1 k
w2
. Para obter
O vetor u2 e ent
ao definido como sendo u2 = kw
2k
u3 procederemos de forma similar: primeiro procuramos w3 = v3 +
1 u1 + 2 u2 que deve ser ortogonal a u1 e a u2 , o que determina 1
e 2 como sendo
1 = hv3 , u1 i
2 = hv3 , u2 i
2.5
Mudanca de base
b = Ta
2.6. EXERCICIOS
15
n
n
n
X
X
X
a1 (
Tk1 vk ) + a2 (
Tk2 vk ) + + an (
Tkn vn ) =
k=1
k=1
k=1
2.6
Exerccios
f (t)g(t)dt
Captulo 3
3.1
Transformac
oes lineares
(T )(u) = T (u)
N
ao e difcil verificar que T + S e T sao ambas lineares, o que
mostra que dessa forma dotamos o espaco L(U, V ) de uma estrutura
de espaco vetorial.
16
17
v1
v2
v = . = [v1 , v2 , . . . , vk ]tB
..
vk B
Ent
ao
k X
k
k
k
X
X
X
vi Tji fj
vi T (ei ) =
vi ei ) =
T (v) = T (
i=1
i=1
i=1
3.2
Funcionais lineares
CAPITULO 3.
18
k
X
vi ei
i=1
e
L(v) =
k
X
vi L(ei ) =
i=1
i=1
k
X
i,j=1
k
X
i=1
k
X
vi L(ej )hej , ei i =
k
X
vi L(ei )hei , ei i =
vi
i=1
k
X
hL(ej )ej , ei i =
j=1
k
k
k
X
X
X
vi h
vi ei i =
L(ej )ej , ei i = h
L(ej )ej ,
j=1
j=1
i=1
hv0 , vi
onde v0 fica unicamente determinado como sendo
que conclui o teorema.
Pk
j=1
L(ej )ei , o
Observa
c
ao 3.2.2. Este resultado simples e a vers
ao em dimens
ao
finita de um resultado bem mais geral da an
alise funcional conhecido
como teorema de Riesz.
19
3.3
Operadores lineares
v
||v| kAk|v|
|v|
|v|=1
Com essa norma podemos definir uma distancia em L(V, V ) da
seguinte forma: d(A, B) = kA Bk.
3.4
Quando temos uma transformacao linear T : V V podemos procurar uma nova transformacao T : V V de tal forma que
hT v, ui = hv, T ui
para todo u e v em V
CAPITULO 3.
20
Prova:
Considere u V fixo.
Lu : V C como sendo
Lu (v) = hu, T vi
Da linearidade de T segue que Lu e um funcional linear e portanto
existe um u
nico u0 (que, naturalmente, depende de u) tal que
Lu (v) = hu0 , vi
Como u0 depende de u, escreveremos u0 = f (u).
Se agora trocamos u por w ent
ao podemos definir Lw e teremos,
de forma similar, um u
nico w0 tal que Lu (v) = hv, u0 i, w0 = f (w).
Considere ent
ao
Lu+w (v) = hv, u + wi = Lu (v) + Lw (v) =
hv, f (u)i + hv, f (w)i = hv, f (u) + f (w)i
Mas por outro lado, podemos escrever Lu+w (v) = hv, f (u + w)i e
portanto f (u + w) = f (u) + f (w); o leitor pode, sem dificuldade,
verificar que f (u) = f (u), logo f e uma transformacao linear, que
denotaremos por T .
Defini
c
ao 3.4.2. Um operador linear tal que A = A e chamado de
auto-adjunto.
Nesse contexto essas matrizes tambem sao chamadas de hermitianas.
Como e a matriz associada a uma transformacao linear autoadjunta? Fixemos de incio uma base, que pode ser a base canonica
de Cn . Ent
ao sabemos que o elemento de matriz aij e dado por
aij = hei , Aej i
Ent
ao temos
ji
aij = hA ei , ej i = hAei , ej i = hej , Aei i = a
Ou seja, a matriz A e tal que e igual a conjugacao de sua transposta:
A = AT .
SOBRE UM SUBESPAC
3.5. PROJEC
AO
O
3.5
21
Proje
c
ao sobre um subespaco
Pv (u) =
hv, ui
v
kvk
1
1
hhv, xiv, yi =
hv, xihv, yi =
kvk
kvk
1
1
hx, vihv, yi =
hx, hv, yivi = hx, Pv (y)i
kvk
kvk
hv, ui
hv, ui
hv, ui
hv, viv = hv, uiv = Pv (u)
v) =
Pv (v) =
kvk
kvk
kvk2
3.6
Autovetores e autovalores
para algum C
CAPITULO 3.
22
Observa
c
ao 3.6.1. E se vetores nulos fossem admitidos? Bem,
nesse caso, temos 0 = T (0) = 0 para todo e qualquer complexo;
assim os autovalores seriam todo o conjunto C para qualquer transformac
ao linear, o que n
ao parece muito interessante...
Exemplo 3.6.1. Consideremos o caso de uma transformac
ao linear
P tal que P P = P (o leitor consegue imaginar um exemplo?). Ent
ao
a equac
ao de autovalores e
P v = v
Mas
v = P (v) = P P (v) = P (v) = 2 v
e assim os autovalores desta transformac
ao satisfazem a relac
ao =
2 , equac
ao que tem soluc
oes 0 e 1. Portanto podemos concluir que
uma projec
ao (que satisfaz a relac
ao acima) s
o admite como autovalores 0 e 1.
3.6.1
23
3.7. TRAC
O E DETERMINANTE
3.7
Tra
co e determinante
3.7.1
Traco
n
X
aii
i=1
Isso ent
ao definiu uma funcao tr () : Mn (C) C; algumas de
suas propriedades b
asicas est
ao condensadas no proximo
Lema 3.7.1. Para todo A, B Mn (C) e C
a) tr (A + B) = tr (A) + tr (B)
b) tr (A) = tr (A)
c) tr (AB) = tr (BA)
CAPITULO 3.
24
n
X
(AB)ii =
i=1
n X
n
X
Bki Aik =
i=1 k=1
n X
n
X
n X
n
X
Aik Bki
i=1 k=1
Bki Aik =
k=1 i=1
n
X
(BA)kk = tr (BA)
k=1
3.7.2
Determinante
25
3.8
Podemos ent
ao tentar definir eT como sendo
eT =
X Tk
k!
k0
A expressao envolve soma de operadores lineares, composicoes de operadores lineares e o produto por n
umeros reais, todas essas operacoes
que est
ao bem definidas para elementos de L(V, V ). Mas h
a uma
passagem ao limite quando utilizamos a serie e por isso devemos investigar com algum cuidado a quest
ao da convergencia.
Nosso primeiro passo na direcao de definir eT e a procura de um
criterio de convergencia em L(V, V ).
Teorema 3.8.1. L(V, V ) com a norma de operador k k e um espaco
completo, isto e, sequencias de Cauchy s
ao convergentes.
Prova: Uma sequencia de Cauchy e uma sequencia {Tn }nN
L(V, V ) tal que para todo > 0 existe N N tal que
kTm Tn k <
CAPITULO 3.
26
m
m
X
X
Tk
kT kk
k
k!
k!
k=n+1
k=n+1
X kT kk
k0
k!
que e uma serie convergente; series convergentes tem a bela propriedade de que suas caudas ficam pequenas, ou, para ser mais claro,
27
k!
kN
k!
k!
k=n+1
kN
1
0
D=
..
.
0
2
..
.
1
e
0
0
D
...
ao e =
ent
..
0
.
0
..
.
0
e2
..
.
0
..
.
0
...
b)
1
eQDQ
= QeD Q1
1
0
D=
..
.
0
2
..
.
0
..
.
ent
ao n
ao e difcil ver que
21
0
DD =
..
.
0
22
..
.
0
..
.
0
...
0
...
CAPITULO 3.
28
e,
k1
0
k
D =
..
.
Assim
eD
1 0
0 1
=
.. ..
. .
0
..
.
k1
1 0
+
k!
..
.
0
k2
..
.
...
+
1
0
..
.
b)
eQDQ
1
0
..
.
0
k2
..
.
0
..
.
0
2
..
.
0
1
...
+
2
0
0
e 1
... + = 0
..
0
.
= I + QDQ1 + +
= QQ1 +QDQ1 + +
0
..
.
0
...
0
e2
..
.
0
..
.
21
0
..
.
0
22
..
.
0
..
.
0
...
1
1
QDk Q1 + = Q(I+D+ + Dk + )Q1 =
k!
k!
Corol
ario 3.8.3. Decorre facilmente de a) que e0nn = I (onde
0nn e a matriz nula).
3.9
1
[QDQ1 ]k + =
k
= QeD Q1
[8].
0
...
+
Comutador de matrizes
Uma caracterstica interessante de transformacoes lineares e das matrizes que as representam (que e o que usaremos no que segue) e a
n
ao comutatividade: em geral, dadas duas matrizes A e B (corres-
3.10. EXERCICIOS
29
X
k
Aki Bjk
Bli Ajl =
X
k
Bjk Aki
Ajl Bli =
3.10
Exerccios
1- Mostre que [A, [B, C]] + [C, [A, B]] + [B, [C, A]] = 0 (que e conhecida como identidade de Jacobi).
CAPITULO 3.
30
Captulo 4
Neste captulo introduzimos uma notacao bastante empregada, sobretudo pelos fsicos, para trabalhar com a mecanica quantica. Neste
livro ela sera usada apenas em algumas ocasioes, mas como e muito
comum acreditamos que o leitor ganha algo tornando-se familiarizado
com isso o mais cedo possvel, o que certamente facilitara o seu acesso
a literatura.
4.1
Notac
ao de Dirac
Os objetos b
asicos da mecanica qu
antica sao um espaco vetorial completo, ou seja, um espaco de Hilbert H e os operadores lineares de
H. A notacao de Dirac tem por objetivo representar esses objetos:
vetores, funcionais lineares e operadores. Uma das vantagens e que
as propriedades algebricas se tornam praticamente obvias pelo que e
sugerido na notacao.
Vamos ent
ao estabelecer o dicion
ario entre a notacao usual e a de
Dirac.
|i, chamado de ket, representa, na notacao de Dirac, um vetor
importante dizer que o que aparece na notacao e
no espaco H. E
apenas um rotulo arbitrario. Uma notacao comum, por exemplo, e
|0i que n
ao significa necessariamente o vetor nulo no espaco, mas sim
um vetor com o rotulo 0, como por exemplo, v0 .
31
CAPITULO 4.
32
h|, chamado de bra, representa o elemento do dual de H, o funcional linear F () = h, i. Ja sabemos que h
a uma identificacao
entre funcionais lineares e vetores, e esta notacao reforca este fato.
Assim, h, i representa a acao do funcional F sobre o vetor ,
que e o n
umero complexo h, i.
Por fim, e possvel escrever |ih|, que representa um operador de
H, o operador T, () = h, i. No caso particular de = e com
unit
ario, ou seja, h, i = 1, o operador de fato e uma projecao
sobre o subespaco gerado por e sera denotado simplesmente por
P = T, .
4.2
4.3
Exerccios
4.3. EXERCICIOS
33
(|i) = h|
para todo C
Captulo 5
5.1
Equac
oes diferenciais ordin
arias lineares
5.2. EXERCICIOS
35
com a R e x : R R. Ent
ao n
ao e difcil ver que x(t) = cet e uma
solucao, para qualquer constante c escolhida.
Para eliminar essa ambiguidade assumiremos duas coisas: a linearidade do campo X (que n
ao e fundamental para a unicidade mas
simplificar
a nossa vida) e uma condicao inicial x(0) = x0 para a curva
x. Desta forma, estamos interessados em resolver o problema de valor
inicial (PVI) para a equacao linear:
d
x(t) = Ax(t)
x(0) = x0
dt
Afirmamos que x(t) = eAt x0 (onde a exponencial e definida como
na secao anterior) e solucao do PVI. De fato, a primeira coisa a notar
e que x(0) = eA0 x0 = e0 x0 = x0 , ou seja, a solucao satisfaz a condicao
inicial. Precisamos ent
ao verificar que x(t) satisfaz a equacao diferencial ordin
aria. Note que
X 1
1
tk Ak
eAt = I + tA + t2 A2 + . . . =
2!
k!
k0
d At
1
1
e = A + 2tA2 + 3t2 A3 + =
dt
2!
3!
1
= A(I + tA + t2 A2 + ) = AeAt = eAt A
2!
(onde a u
ltima igualdade segue do fato simples de que a matriz A
comuta com I e com qualquer outra potencia de A, de forma que
podemos colocar A em evidencia `
a direita e `a esquerda).
Logo,
d
d
x(t) = eAt x0 = AeAt x0 = Ax(t)
dt
dt
e a equacao e satisfeita; logo, x(t) = eAt x0 e a solucao do PVI enunciado acima.
5.2
Exerccios
CAPITULO 5.
36
b)
d
dt x
d
dt y
d
dt x
d
dt y
=
=
=
=
3x
3y
2x + 3y
2y
Captulo 6
Neste captulo recordamos o importante conceito de grupo e apresentamos exemplos de grupos especiais de tranformacoes lineares, alguns
dos quais serao usados mais tarde.
6.1
Grupos
CAPITULO 6.
38
6.2
Grupos de matrizes
6.2.1
Matrizes unit
arias
39
6.2.2
Matrizes ortogonais
6.3
Matrizes especiais
6.3.1
SU(2)
S
ao matrizes cujo determinante e exatamente ||2 + ||2 = 1. Com o
produto de matrizes esse conjunto se torna um grupo.
Observa
c
ao 6.3.1. H
a uma forte ligac
ao entre este grupo e a esfera
X
S 3 = {(x1 , . . . , x4 )|
x2i = 1}
que tentaremos deixar clara. Em primeiro lugar, podemos representar S 3 como um subconjunto de C2 (e n
ao do R4 , como fizemos),
CAPITULO 6.
40
q = (y1 , y2 , y3 , y4 )
q = (2 , 2 )
6.3.2
SU(n)
DE GRUPOS
6.4. AC
AO
41
6.4
A
c
ao de grupos
CAPITULO 6.
42
Exerccios
1- Verifique que o conjunto G = {a, b} munido do produto aa =
a, ab = ba = b, bb = a e um grupo.
2- Considere G o espaco de matrizes na forma
1 t
0 1
com t C; verifique que este conjunto, munido do produto
usual de matrizes, e um grupo abeliano (comutativo).
3- Considerando o grupo do exerccio anterior verifique que a aplicacao
: G R R
1 t
(
, x) = x + t
0 1
e uma acao de G sobre R.
4- Mostre que o conjunto
1 x
0 1
0 0
y
z
1
Captulo 7
7.1
7.2
A descricao qu
antica de um sistema de dois nveis re
une duas caractersticas interessantes: e bastante simples e, por outro lado, ja revela
43
CAPITULO 7.
44
(7.1)
45
com , e reais.
Seria bonito termos o conjunto S 3 como o espaco de estados, mas
podemos ir alem. Se agora trocamos por
= ei = ei v0 + ei v1
= (cos ( ), ei sen ( ))
2
2
(7.2)
7.3
O significado de probabilidade
CAPITULO 7.
46
leitor tambem sente este mal-estar talvez console saber que esta em
companhia de ninguem menos que Albert Einstein, que expressou
dessa forma sua insatisfacao: Deus n
ao joga dados!.
Bem, n
ao queremos entrar em discuss
oes teologicas, mas sim pensar melhor o que significa dizer que a probabilidade de se encontrar
0 ao efetuar uma medicao sobre o estado
2
1
= v0 + v1
5
5
e de 1/5. Uma primeira tentativa seria dizer que se efetuarmos diversas medicoes sobre esse objeto ent
ao, a longo prazo, a frequencia
de se obter 0 e de 1/5. Essa e, por exemplo, a interpretacao que
podemos dar a uma frase como a probabilidade de sair cara num
lancamento de uma moeda honesta e de 1/2. No entanto no caso
qu
antico essa interpretacao n
ao e possvel pela seguinte raz
ao: ao
se efetuar a medicao o estado do sistema muda. Por exemplo, se a
medicao encontrou o valor 0 ent
ao o estado mudou de para v0 , logo
n
ao faz sentido repetir as medicoes com o mesmo objeto ja que ele
n
ao est
a mais no mesmo estado.
Por isso a forma de interpretar e a seguinte: consideramos uma
grande quantidade de objetos, todos no estado . Efetuando medicoes
separadas em cada um deles (que e medido apenas uma vez) ent
ao a
frequencia de medicoes com resultado 0 se aproxima de 1/5.
7.4
n
X
pi xi
i=1
7.5. OBSERVAVEIS
E SEU VALOR ESPERADO
47
p
hx2 i hxi2
Este n
umero e sempre maior ou igual a zero (e est
a sempre bem
definido, pois estamos calculando a media de um quadrado que e
algo n
ao negativo) e tambem e chamado de dispersao da variavel
aleat
oria.
7.5
Observ
aveis e seu valor esperado
Um observ
avel e uma caracerstica do sistema em estudo que pode ser
registrada por meio de uma medicao. Cada observavel est
a associado
a um operador hermitiano em M2 (C): os estados que podem ser encontrados por meio de uma medicao do observavel A M2 (C), A =
A , sao os autovetores de A. Os valores da medicao sao os autovalores correspondentes, que no caso de operadores hermitianos, sao
reais. Se supomos que esses autovalores sao distintos, ent
ao ja sabemos que os respectivos autovetores sao ortogonais, e portanto sao
uma base ortonormal (lembre que sempre podemos supor os autovetores normalizados) de C2 . Dessa forma, podemos representar um
estado qualquer como combinacao linear dos autovetores de A, que
denotaremos v1 e v2 , com autovalores 1 e 2 . Um estado ent
ao
pode ser escrito na forma
= 1 v1 + 2 v2
CAPITULO 7.
48
Podemos ent
ao perguntar qual o valor esperado em uma medicao
do observavel A no estado : bem, podemos obter o valor i com
probabilidade |i |2 . Logo, o valor esperado sera
hAi = 1 |1 |2 + 2 |2 |2 = 1 1 1 + 2 2 2 =
1 1 1 hv1 , v1 i + 2 2 2 hv2 , v2 i = h1 v1 , 1 1 v1 i + h2 v2 , 2 2 v2 i =
h1 v1 , A(1 v1 )i + h2 v2 , A(2 v2 )i = h, Ai
Desta forma temos uma expressao simples para obter o valor esperado de um observ
avel num determinado estado e ja sabemos que
o mesmo sera real, pois
hAi = h, Ai = hA, i = h, Ai
hAi
7.6
O princpio da incerteza
1
|h, [A, B]i|.
2
=
=
=
49
h, A2 ih, B 2 i
hA, AihB, Bi
k A k2 k B k2
|hA, Bi|2
onde, na u
ltima passagem, foi utilizada a desigualdade de CauchyBunyakovsky-Schwarz; logo, temos AB |hA, Bi|. Note que
hA, Bi =
=
=
=
=
h, ABi
h, ([A, B] + BA)i
h, [A, B]i + h, BAi
h, [A, B]i + hBA, i
h[A, B], i + hA, Bi
Portanto temos
hA, Bi hA, Bi = 2iIm(hA, Bi) = h, [A, B]i.
Logo,
Im(hA, Bi) =
1
h, [A, B]i.
2i
Assim,
AB |hA, Bi| |Im(hA, Bi)| =
1
|h, [A, B]i|.
2
Observa
c
ao 7.6.2. O leitor deve notar que absolutamente nada de
bidmensional apareceu na prova deste resultado: a demonstrac
ao vale
para operadores em espacos vetorias de dimens
ao qualquer, desde que,
claro, sejam v
alidas as mesmas hip
oteses.
Observa
c
ao 7.6.3. Por raz
oes hist
oricas preferimos manter a terminologia princpio da incerteza para este conhecido resultado, ainda
que nesse contexto ele nada tenha de princpio: e uma consequencia
de propriedades previas dos objetos que estamos discutindo. Por
este motivo muitos autores defendem a denominac
ao relac
ao de incerteza.
CAPITULO 7.
50
7.7
Evoluc
ao temporal
(7.3)
TEMPORAL
7.7. EVOLUC
AO
51
CAPITULO 7.
52
7.8
Evoluc
ao temporal ap
os uma medic
ao
7.9
Operadores hermitianos em C2
7.10. EXPONENCIAIS DE I
A) tem a forma
w+z
A=
x + iy
x iy
wz
53
= wI + xx + yy + zz
onde
x =
0
1
1
0
, y =
0 i
i 0
, z =
1
0
0
1
7.10
Exponenciais de i
O c
alculo das exponencias das matrizes de Pauli e facilitado pelo fato
de que suas potencias sao f
aceis de se obter. Por exemplo, x2 = I.
Desta forma, podemos calcular
1
1
(itx )2 + (itx )3 + =
2!
3!
1
1
I itx t2 I + it3 x + =
2!
3!
1
1
I(1 t2 + ) ix (t t3 + ) =
2!
3!
cos t
i sin t
I cos t ix sin t =
i sin t
cos t
eitx = I itx +
O leitor pode notar que, para qualquer t real, esta matriz est
a no
grupo SU (2).
7.11
A discuss
ao desta secao de fato contem a origem historica de um
observavel que e um importante exemplo de sistema de dois nveis na
fsica.
CAPITULO 7.
54
55
7.12. EXEMPLOS
7.12
Exemplos
7.12.1
Exemplo 1
1
+ = V +1, + =
2
1
0
1 = 1, 0 =
0
1
1
1
CAPITULO 7.
56
=
0
2
2 1
Ent
ao o resultado da medicao de A neste estado sera 0 com probabilidade 1/2 e 1 com probabilidade tambem 1/2; portanto o valor esperado deste observavel e 1/2, o que tambem pode ser obtido com a express
ao h , A i (verifique!). O leitor pode agora calcular tambem
o valor esperado de A no estado + e constatar que tambem sera 1/2.
7.12.2
Exemplo 2
e
+ = 1 + a , + =
a 1 + a2
p
1
2
= 1 + a , =
a + 1 + a2
<1
=
=
P (1)
|h(0, 1), i|2
(a + 1 + a2 )2
57
7.12. EXEMPLOS
7.12.3
Exemplo 3
eit
0
0
eit
(0)
Podemos ent
ao tentar saber como sera a evolucao temporal do valor
esperado de um certo observ
avel, por exemplo,
x =
0 1
1 0
Sabemos que
hAi(t) = h(t), A(t)i = heitz (0), eitz (0)i =
h(0), eitz Aeitz (0)i
Logo devemos calcular eitz x eitz :
eit
0
0
eit
0
1
1
0
eit
0
0
eit
0
e2it
e2it
0
CAPITULO 7.
58
Exerccios
1- Quais, dentre os vetores abaixo, represesntam o mesmo estado
fsico?
1
1
1
a) (1, 1) b) (i, i) c) (i, 0)
2
2
2
2- Obtenha a evolucao temporal de sistemas descritos pelos seguintes
hamiltonianos:
H = x
H = y
(note que x2 = y2 = I)
3- Considere o operador
H = Bx x + By y + Bz z
com Bx , By e Bz reais. Ent
ao mostre que eitH e elemento de
SU (2).
Captulo 8
8.1
Para evitar um salto muito abrupto vamos tentar primeiro compreender como trabalhar com um sistema que tem 3 nveis, ou seja, que
pode assumir 3 estados. De forma analoga ao caso de 2 nveis, devemos considerar um espaco vetorial de dimensao 3, ou seja, C3 . Neste
espaco os estados serao vetores de norma 1 e tambem identificaremos
dois vetores e se = ei para algum real. A evolucao temporal e os observ
aveis serao representados, novamente, por operadores
hermitianos, ou seja, por operadores representados por matrizes hermitianas.
Exemplo 8.1.1. Tome
0 0
H= 0 1
0 0
0
0
2
Este observ
avel tem como autovalores 0, 1 e 2, correspondendo aos
autovetores (1, 0, 0), (0, 1, 0) e (0, 0, 1). Se consideramos o estado =
59
CAPITULO 8.
60
0
H= 1
1
1 1
0 1
1 0
Os autovalores s
ao 1 (com multiplicidade 2) e 2. Esta matriz e hermitiana, e portanto representa um observ
avel (ou pode ser o hamiltoniano, o operador que nos d
a a evoluc
ao temporal).
Exemplo 8.1.3. Tome
0
H= 1
1
1 1
1 1
1 1
0
1
1
=
2 1
8.2. N NIVEIS
61
A
0
0
0
0 C B
0
H =
0
B C 0
0
0
0
D
O c
alculo dos autovalores n
ao e difcil e obtemos A, D, C B e
C + B. Um caso particular e tomar C = D = A e B = 2A, com
A > 0. Assim, os autovalores passam a ser A com multiplicidade 3 e
3A com multiplicidade 1. Podemos ent
ao procurar os autovetores;
para = 3A, o menor deles, temos
0
1 1
H=
2 1
0
e o leitor pode ent
ao continuar o processo e obter os demais autovetores.
8.2
N nveis
CAPITULO 8.
62
`s N posicoes dos
a
atomos do material. Esse modelo, com toda a
ingenuidade que aparenta, e um ponto de partida razoavel para entender, por exemplo, o comportamento de partculas em um cristal.
Considere os operadores lineares em Cn definidos por
0 1 0 0 ...
0 0 0 ... 1
0 0 1 0
1 0 0
0 0 0 1 ...
0 1 0
0 ...
N+ =
e N =
..
..
..
..
.
.
.
1 0
0 ...
N+
0 ...
an1
a0
a1
a0
a1 a0
a1 a2
N+ . = . e N . = .
.. ..
.. ..
an1
an2
an1
a0
Podemos ent
ao definir bk,l = ei n lk para l = 1, 2, . . . , n e k = 0, 1, . . . , n
1. Definimos assim os vetores (j
a normalizados)
b0,l
1
b1,l
Bl =
..
n
.
bn1,l
2
N
ao e difcil verificar que N+ Bl = ei n l Bl e N Bl = ei n l Bl .
Vamos agora definir o operador = N+ + N 2I; este de fato
e hermitiano e, portanto, um observ
avel. Seus autovetores sao os
mesmos Bl ja definidos, e os autovalores sao obtidos como segue:
2
8.3. OPERADOR POSIC
AO
63
8.3
Operador posi
c
ao
0 0 0
0 1 0
X= 0 0 2
..
.
0 0
como sendo
0
0
0
..
.
...
...
0 ... n 1
para k = 0, 1, . . . , n 1
n1
X
bj,l vj
j=0
CAPITULO 8.
64
n
ao depende do l escolhido! Assim, qualquer que seja o autoestado
de temos que a posicao tem uma distribuicao equiprovavel.
O operador pode ser interpretado como sendo associado a energia de uma partcula num cristal, sendo que X est
a relacionado a sua
posicao nessa rede cristalina. Os autovalores de sao os possveis
valores da energia e os de X, os possveis valores da posicao. O
que constatamos acima e que quando uma partcula est
a num estado
que e auto-estado de , e portanto tem uma energia bem definida,
ent
ao temos enorme desconhecimento sobre sua posicao, pois h
a igual
probabilidade de encontr
a-la em todas as posicoes possveis.
Exerccios
1- Para a e b reais, obtenha os autovalores e os autovetores do
operador
a(N+ + N ) + bI
2- Considerando-se um estado que e auto-estado de X, qual e
a probabilidade de que tenha um determinado valor de energia
(isto e, um determinado autovalor do operador )?
Captulo 9
9.1
Dois sistemas de tr
es nveis
CAPITULO 9.
66
9.2
Dois sistemas
Generalizando o procedimento da u
ltima secao vemos que a descricao
de um sistema composto de dois subsistemas descritos, respectivamente, pelos espacos de Hilbert H1 e H2 , e feita usando-se o espaco
de Hilbert H = H1 H2 . Evitando maiores abstracoes, este espaco
(o produto tensorial de H1 por H2 ) pode ser definido como segue:
Se {vi }i=1,...,d1 e uma base de H1 e {uj }j=1,...,d2 e uma base de H2
ent
ao a base de H1 H2 e o conjunto {vi uj }(i,j){1,...,d1 }{1,...,d2 }
e assumimos as seguintes propriedades: para v, w H1 , u, t H2 e
C,
1- (v) u = v u = v (u)
2- (v + w) u = v u + w u
3- v (u + t) = v u + v t
Por fim, o produto interno de H e definido da seguinte forma:
para os elementos da base
hvi uj , vl um i := hvi , vl i1 huj , um i2
e estendemos, pela linearidade de h, i, para um vetor qualquer de H.
9.3
67
Dois spins
Captulo 10
10.1
Algebras
C
10.1. ALGEBRAS
C
69
ent
ao temos uma
algebra C .
Exemplo 10.1.1. C com a norma usual kzk = |z| e com a involuc
ao
z = z sendo a operac
ao de tomar o complexo conjugado e uma
algebra C .
CAPITULO 10.
70
Ent
ao kIdk2 = n 6= 1; porem, uma unidade deve satisfazer k1 1k =
k1k2 , o que implica em k1k sendo 1 ou 0. Desta forma vemos que
Mn (C) munido de k k2 n
ao e uma
algebra C .
10.2. ESTADOS DE UMA ALGEBRA
10.2
71
Estados de uma
algebra
Algebras
sao espacos vetoriais, logo e interessante perguntar o que
ocorre com seus funcionais lineares. No caso de algebras C com
unidade uma classe especial de funcionais lineares merece bastante
atencao, e e chamada de estado; no momento oportuno tentaremos
fazer a conex
ao deste conceito de estado com aquele que ja vem sendo
usado desde o incio do texto.
Defini
c
ao 10.2.1. Seja A uma
algebra C com unidade; um funcional linear f : A C e chamado de estado se
(a) f (a a) 0 para todo a A.
(b) f (1) = 1.
Como a
algebra que mais aparece nessas p
aginas e Mn (C), vamos
descrever precisamete seus estados. O primeiro passo e a definicao
de um produto interno: se a e b sao elementos de Mn (C) ent
ao
ha, bi = tr (a b)
e um produto interno. De fato a verificacao da linearidade n
ao e
difcil e deixamos a tarefa para o leitor.
Usando uma base qualquer de Cn , por exemplo a base canonica,
podemos agora ver que
hb, ai = tr (b a) =
n
X
i=1
hei , b aei i =
hei , a bei i =
n
X
ha, ai = tr (a a) =
n
X
n
X
i=1
Alem disso,
i=1
n
X
i=1
ha bei , ei i =
i=1
hei , a aei i =
n
X
i=1
kaei k2 0
n
X
i=1
haei , aei i =
CAPITULO 10.
72
n
X
i=1
hei , aVf a ei i =
n
X
i=1
n
ha ei , Vf a ei i
a|e
=0
1
para qualquer v Cn
e desta forma Vf 0.
Portanto o espaco de estados da
algebra C definida por Mn (C)
corresponde ao espaco de elementos de Mn (C) positivos e de traco
unit
ario. Voltaremos a encontrar estes estados no proximo captulo.
10.3
Exerccios
1- Considere uma
algebra C A com unidade 1, isto e, com um
elemento 1 tal que 1a = a1 = a para todo a A. Mostre que
1 = 1; mostre que k1k = 1.
10.3. EXERCICIOS
73
2- Considere a
algebra C A = M2 (C). Se : A C e um funcional linear e que satisfaz a igualdade (a)(b) = (ab) para
todo par a e b em A ent
ao mostre que e o funcional nulo,
ou seja, (a) = 0 para todo a A (obs.: o resultado continua
verdadeiro se trocamos M2 (C) por Mn (C)).
Captulo 11
11.1
Introdu
c
ao
Vamos nesse captulo considerar situacoes como a seguinte: imaginemos duas partculas, uma no estado e a outra no estado . Pretendemos efetuar uma medicao de um observ
avel, digamos A, mas
n
ao sabemos a priori qual das partculas sera medida, sabemos apenas que a probabilidade de estarmos com a partcula de estado e
p e a de estarmos com e (1 p). Este e o tipo de incerteza com a
qual ja estamos acostumados, do mesmo tipo que a incerteza sobre
qual sera a cor de uma bola retirada de uma urna ou qual serao os
proximos n
umeros da mega-sena. A esta e acrescida uma incerteza
tipicamente quantica pois mesmo a certeza de termos um determinado estado (por exemplo, ) n
ao nos permite nada alem de prever
apenas valores esperados de um certo observ
avel.
Onde podemos encontrar uma situacao desse tipo? Bem, uma
possibilidade e quando se tenta descrever um sistema com uma grande
quantidade de partculas (por exemplo, todo o ar dentro de uma sala);
n
ao parece razoavel tentar descrever o estado qu
antico de cada uma,
mas eventualmente e possvel saber quais sao os estados presentes e
qual a probabilidade de cada um. Quando se efetua uma medicao
74
75
de algum observ
avel numa partcula escolhida ao acaso estamos exatamente na situacao sugerida acima, na qual n
ao sabemos qual o
estado qu
antico exato. Essa e a situacao descrita no ambito do que
se chama de mecanica estatstica quantica.
11.2
Matriz densidade
Dado um elemento n
ao nulo v V podemos definir a projecao sobre
a direcao de v (que assumimos normalizado) como sendo o operador
Pv : V V
n
X
i=1
hei , Pv (ei )i =
n
X
i=1
n
X
i=1
CAPITULO 11.
76
11.3
Redefinindo estado
A palavra estado ate esse momento estava sendo usada com o seguinte
significado: uma classe de equivalencia entre vetores unit
arios de um
certo espaco de Hilbert, que identifica dois vetores e ei ( R),
ou seja, dois vetores que sao m
ultiplos por um fator que e um n
umero
complexo de norma unit
aria.
No incio deste captulo ampliamos a tarefa de representar um
estado associado a um sistema com aleatoriedade para um operador
, conhecido como matriz densidade. Deste momento em diante esse
sera o sentido no qual usaremos a palavra estado. Os estados de
antes, ou seja, classes de vetores unit
arios, sao representados nessa
nova linguagem de operadores por meio do operador projecao:
vetor unit
ario
P (v) = h, vi
77
e
Pei (v) = hei , viei = ei h, viei =
h, vi = P (v)
mostrando que de fato os dois vetores que representam o mesmo
estado est
ao associados ao mesmo estado puro definido pelo operador
densidade = P = Pei .
11.3.1
Relac
ao com os estados de uma
algebra C
11.4
11.4.1
Caracterizac
ao geom
etrica
CAPITULO 11.
78
com x, y e z reais. Agora podemos usar a primeira condicao, a positividade de : um operador positivo precisa ter autovalores maiores
ou iguais a zero. Como o determinante de uma matriz e dado pelo
produto de seus autovalores, ent
ao podemos concluir que det 0 e
ent
ao
1
1
x2 y 2 z 2 0,
ou seja,
x2 + y 2 + z 2
4
4
de forma que cada estado (isto e, cada matriz-densidade) corresponde
a um ponto dentro da esfera de raio 1/2 e centro (0, 0, 0) em R3 .
E quanto aos estados puros? Bem, estes correspondem a operadores de projecao sobre uma dada direcao. Mas como ja vimos, uma
projecao P satisfaz a propriedade P 2 = P e portanto so admite como
autovalores 0 e 1, sendo que toda projecao sobre um subespaco de
dimensao menor do que a do o espaco ambiente tem necessariamente
o autovalor 0. Portanto para os estados puros um dos autovalores de
e zero e assim o determinante tambem e zero; logo, para os estados
puros temos
0 = det =
1
1
x2 y 2 z 2 x2 + y 2 + z 2 =
4
4
11.4.2
Um exemplo
Para exemplificar o c
alculo de valores esperados por meio da matriz
densidade vamos considerar a situacao descrita pelo estado
=
1
3
|0ih0| + |1ih1|
4
4
79
3
1
|1ih0| + |0ih1| |0i+
4
4
3
1
|1ih0| + |0ih1| |1i = 0
4
4
1
3
|0ih0| |1ih1| |0i+
4
4
3
1 3
1
1
|0ih0| |1ih1| |1i = =
4
4
4 4
2
CAPITULO 11.
80
11.4.3
Evoluc
ao temporal
Exerccios
1- Verifique a afirmacao de que os vetores e ei correspondem
ao mesmo operador de projecao P (v) = h, vi (sugestao:
lembre que o operador de projecao se escreve como |ih|).
2- Sejam 1 e 2 matrizes densidade (de mesma dimensao). Ent
ao
mostre que = a1 + (1 a)2 tambem e uma matriz densidade
para todo a [0, 1] ( e o que se chama de uma combinacao
convexa de 1 e 2 ).
Wk Wk = 1
k=1
W W
k=1
81
Captulo 12
12.1
Partcula cl
assica na reta
A descricao classica feita pela mecanica de uma partcula na reta envolve basicamente o conhecimento, em cada instante, de duas coisas:
sua posicao, representada por um ponto na reta, e sua velocidade. A
posicao sera representada pela variavel x e o momento da partcula
(que vem a ser o produto de sua massa pela velocidade) e representado por p.
Quando a partcula est
a sujeita a acao de uma forca F : R R
podemos descrever seu movimento por meio da lei de Newton:
F = ma = m
d2
x
dt2
d
dt x(0)
= v0 .
12.2. PARTICULA QUANTICA
83
Uma forca pode ser convenientemente representada por um potencial, uma funcao V : R R tal que
d
V (x) = F (x)
dx
N
ao e difcil ver que podemos obter uma funcao V satisfazendo essa
propriedade se definimos
V (x) =
F (s)ds
p2
+ V (x)
2m
d
dt x
d
dt p
=
p H
= x H
12.2
Partcula qu
antica
CAPITULO 12.
84
Em primeiro lugar, qual e o espaco de estados? Precisamos descrever uma partcula na reta e temos um espaco de Hilbert naturalmente associado a ela que e o espaco L2 (R). O produto interno e
definido como sendo
Z
f (x)g(x)dx
hf, gi =
R
d
dx
df
(x).
ou seja, pf = i dx
Podemos verificar a comutatividade (ou n
ao) dos operadores x
e
p; para isso usaremos uma funcao auxiliar (que assumimos diferenciavel):
[
x, p] = (
xp px
) =
x
(i
d
d
d
d
) + i (x) = ix + i + ix =
dx
dx
dx
dx
i
ou seja, [
x, p] = i; sendo assim esses operadores n
ao comutam e para
esse par vale tambem a relacao de incerteza que ja deduzimos antes
(e bom lembrar, no contexto de espacos de dimensao finita; mas a
generalizacao pode ser feita sem problemas com o uso de algumas
ferramentas mais avancadas):
xp
1
1
1
|h, [
x, p]i| = |h, i| =
2
2
2
85
12.3
1 2
+V=i
2
2m x
t
e
Para resolvermos equacoes como esta (note que o operador H
linear) um metodo bastante empregado e o da separacao de variaveis,
que e usado para se obter um candidato a solucao (e depois e preciso
usar algumas tecnicas um pouco mais cuidadosas para verificar que o
candidato a solucao e de fato uma solucao da equacao em quest
ao).
A separacao de variaveis consiste em se procurar solucoes da equacao
na forma de produto de funcoes de apenas uma variavel, ou seja,
(x, t) = (x)T (t). Depois, usando-se a linearidade, pode-se combinar estas solucoes para ent
ao tentar produzir a solucao do problema
original.
CAPITULO 12.
86
2
2m dx
dt
Dividindo ambos os lados por T obtemos
2
1 d
2m
idT
dx2 T + V (x)
= dt
1 d2
+ V = E
2m dx2
d
T = iET
dt
A primeira equacao e conhecida como equacao de Schrodinger independente do tempo, e sua solucao pode ser mais ou menos difcil
dependendo do potencial V (x) que se utiliza. A segunda equacao tem
um solucao simples, a funcao
T (t) = eiEt
Isso mostra que para potenciais independentes do tempo, a dificuldade de se encontrar solucoes esta concentrada na obtencao de
(x) pois a parte temporal tem uma solucao simples. No que segue
abordaremos alguns casos simples onde e possvel obter de maneira
explcita.
A constante de separacao E tambem merece algumas palavras.
pois satisfaz
De fato ela corresponde aos autovalores do operador H,
= E
H
A funcao de Hamilton na mecanica cl
assica e uma constante de movi
mento associada a energia mecanica do sistema; os autovalores de H
87
na mecanica qu
antica correspondem a energia do sistema quantico
em quest
ao. Muitas vezes (como no exemplo que daremos a seguir)
esses autovalores formam um conjunto discreto e portanto a energia n
ao pode assumir um continuo de valores, como habitualmente
acontece no caso cl
assico, mas apenas um conjunto discreto, sendo
ent
ao quantizada. Esse e um dos aspectos chave da teoria quantica.
Quanto a funcao (que e um vetor, um elemento de um espaco de
Hilbert conveniente), sua interpetacao e a seguinte: a probabilidade
de encontrar uma partcula descrita pelo estado (atencao, estamos usando a palavra estado novamente no sentido de vetor!) num
intervalo I da reta e dada por
Z
P(x I) = |(s)|2 ds
I
12.4
12.4.1
Caso cl
assico
Queremos obter o comportamento de uma partcula livre que se movimenta dentro de uma caixa unidimensional; ou seja, sua posicao e
representada como sendo um n
umero real no intervalo [0, L], onde L
e o comprimento da caixa. Se a partcula e livre ent
ao ela se move
sem a influencia de uma forca exterior dentro da caixa e assim sua
velocidade e constante pois pela lei de Newton
ma = F = 0
logo a aceleracao (que e a variacao de velocidade) e nula. Porem
quando a partcula colide com as paredes da caixa (situadas em x = 0
e x = L) ent
ao ela sofre a acao de uma forca que tende a faze-la
continuar dentro da caixa. Estamos assumindo que essa colisao e
perfeitamente el
astica e que a parede e um objeto solido com massa
infinitamente maior que a da partcula: nesse caso o efeito da colisao e
o de simplesmente trocar o sentido do movimento, fazendo com que a
velocidade da partcula troque de v para v logo apos a colisao. Em
resumo, temos um movimento no qual a partcula tem velocidade
CAPITULO 12.
88
12.4.2
Caso qu
antico
89
d2
(x) = E(x)
dx2
Nesse
caso a solucao n
ao e difcil: as funcoes 1 = cos( Ex) e
2 = sin ( Ex) claramente satisfazem a equacao acima; como esta e
linear ent
ao as combinacoes lineares de 1 e 2 tambem sao solucoes,
o que nos d
a a forma geral de uma solucao como sendo
(x) = A1 1 + A2 2
com constantes A1 e A2 que devem ser encontradas de forma que a
condicao de fronteira seja satisfeita (e tambem a condicao de normalizacao, uma vez que o significado dessa funcao e expresso em termo
de probabilidades):
0 = (0) = A1
e
0 = (L) = A2 sin EL
CAPITULO 12.
90
cn n
n=1
12.4.3
Um exemplo de limite cl
assico
ou seja, para os estados descritos por numeros n elevados (que correspondem fisicamente a situacoes de energias bem elevadas) obtem-se
que a probabilidade de se encontrar uma partcula no intervalo [a, b]
est
a cada vez mais proxima da probabilidade que ja havamos calculado no caso classico.
12.5. EXERCICIOS
12.5
91
Exerccios
x|(x)|2 dx
Captulo 13
Para ter uma visao mais completa e num nvel matematico em grande
parte compreensvel por quem seguiu este texto deve-se olhar Lectures on quantum theory, um belssimo livro-texto de Chris Isham
92
93
[6]. Tambem bastante interessante e motivador e o livro Quantum
mechanics: a modern development, de Leslie E. Ballentine [1].
A mecanica qu
antica fornece um novo paradigma que pode modificar radicalmente o que chamamos de computacao; uma discussao
bonita e muito esclarecedora deste tema pode ser encontrada no livro
Nocoes de informacao qu
antica de Marcelo Terra Cunha [9].
Por u
ltimo, n
ao custa repetir: as conhecidas Feynman lectures
[4] sao brilhantes e sua leitura e obrigatoria e enriquecedora.
Bibliografia
[1] L. E. Ballentine. Quantum Mechanics: a modern development World Scientific, 1998
[2] D. Deutsch. The fabric of reality Penguin Books, 1997
[3] R. Exel. Uma introdu
c
ao `
as C -
algebras
http://www.mtm.ufsc.br/exel/papers/intro.pdf
[4] R. Feynman, R.B. Leighton e M. Sands. The Feynman lectures on physics, vol.3 Addison-Wesley, 1965
[5] B. Greene. The fabric of the cosmos Penguin Books, 2004
[6] C. J. Isham. Lectures on quantum theory Imperial College
Press, Londres 1995
94