Algebra Lineal Matrices Vectores

Metodos Matematicos 1
Operadores Lineales
Matrices, Determinantes,
Autovalores y Autovectores
*
L. A. N u nez
**
Centro de Fsica Fundamental,
Departamento de Fsica, Facultad de Ciencias,
Universidad de Los Andes, Merida 5101, Venezuela y
Centro Nacional de Calculo Cientco, Universidad de Los Andes,
(CeCalCULA),
Corporacion Parque Tecnologico de Merida, Merida 5101, Venezuela
Enero 2007 1.0
Indice
1. Operadores Lineales 1
1.1. Espacio Vectorial de Operadores Lineales . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Composicion de Operadores Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Proyectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4. Espacio Nulo e Imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5. Operadores Biyectivos e Inversos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6. Operadores Hermticos Conjugados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7. Operadores Unitarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2. Representacion Matricial de Operadores 15
2.1. Bases y Representacion Matricial de Operadores . . . . . . . . . . . . . . . . . . . . 17
2.2. Algebra de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3. Representacion Diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
*
ADVERTENCIA: El presente documento constituye una gua para los estudiantes de Metodos
Matematicos de la Fsica de la Universidad de Los Andes. Es, en el mejor de los casos, un FORMU-
LARIO y de ninguna manera sustituye a los lbros de texto del curso. La bibliografa de la cual han
surgido estas notas se presenta al nal de ellas y debe ser consultada por los estudiantes.
**
e-mail: nunez@ula.ve Web: http://webdelprofesor.ula.ve/ciencias/nunez/
1
Formulario de Metodos Matematicos 1 Matrices, Determinantes y Autovectores
2.4. Sistemas de Ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5. Operadores Hermticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.6. Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.7. Cambio de Bases para vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3. Traza de Operadores 24
3.1. Invariancia de la Traza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2. Propiedades de la Traza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3. Diferenciacion de Operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4. Reglas de Diferenciacion de Operadores Lineales . . . . . . . . . . . . . . . . . . . . 26
3.5. La Formula de Glauber . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4. Un Zoologico de Matrices Cuadradas 29
4.1. La matriz nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2. Diagonal a Bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.3. Triangular superior e inferior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.4. Matriz singular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.5. Matriz de cofactores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.6. Matriz Adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5. Un Parentesis Determinante 31
5.1. Denicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.2. Propiedades Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
6. Autovectores y Autovalores 34
6.1. Deniciones y Teoremas Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.2. Algunos comentarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.3. Algunos Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
6.4. Autovalores, autovectores e independencia lineal . . . . . . . . . . . . . . . . . . . . 37
7. Autovalores y Autovectores de un operador 38
7.1. El polinomio caracterstico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
7.2. Primero los autovalores, luego los autovectores . . . . . . . . . . . . . . . . . . . . . 39
8. Autovalores y Autovectores de Matrices Importantes 43
8.1. Autovalores y Autovectores de Matrices Similares . . . . . . . . . . . . . . . . . . . . 43
8.2. Autovalores y Autovectores de Matrices Hermticas . . . . . . . . . . . . . . . . . . . 46
8.3. Autovalores y Autovectores de Matrices Unitarias . . . . . . . . . . . . . . . . . . . . 49
9. Conjunto Completo de Observables que conmutan 52
Luis A. N u nez Universidad de Los Andes, Merida, Venezuela 2
1. Operadores Lineales
Deniremos como operador lineal (o transformaciones lineales) a una operacion que asocia un
vector [v) V
1
un vector [v
) V
2
y que respeta la linealidad, es decir esta funcion de V
1
V
2
cumple con
_
= A[v) A[ [v
1
) + [v
2
)] = A[v
1
) + A[v
2
) [v) , [v
1
) y [v
2
) V
1
Sencillamente algo que act ue sobre una suma de vectores y que sea equivalente a la suma de sus
actuaciones sobre los vectores suma.
Ejemplos
Las siguientes transformaciones
_
= T[x)
_
x
, y
, z
_
= T(x, y, z)
claramente son lineales
T(x, y, z) = (x, 2y, 3z)
Ta (x, y, z) +b (m, n, l) = aT(x, y, z) +bT(m, n, l)
T(ax +bm, ay +bn, az +bl) = a (x, 2y, 3z) +b (m, 2n, 3l)
(ax +bm, 2 [ay +bn] , 3 [az +bl]) = (ax +bm, 2 [ay +bn] , 3 [az +bl])
T(x, y, z) = (z, y, x)
Ta (x, y, z) +b (m, n, l) = aT(x, y, z) +bT(m, n, l)
T(ax +bm, ay +bn, az +bl) = a (z, y, x) +b (l, n, m)
(az +bl, ay +bn, ax +bm) = (az +bl, ay +bn, ax +bm)
Cosas tan sencillas como multiplicacion por un escalar es una transformacion (u operador)
lineal T : V V tal que
T[v) =

_
= [v)
Claramente,
T[a [v) +b [w)] = aT[v) +bT[w) = a[v) +b[w)
Obviamente, si = 1 tenemos la transformacion identidad que transforma todo vector en
s mismo; si = 0 tendremos la transformacion cero, vale decir que lleva a todo [v) V a al
elemento cero [0)
La denicion de producto interno tambien puede ser vista como una transformacion (opera-
dor) lineal T : V R
T[v) = a [v)
Otra vez:
T[a [v) +b [w)] = a[ [a [v) +b [w)] = a a [v) +b a [w)
por lo tanto es lineal. Esto implica que tambien la proyeccion de un determinado [v) V
sobre un subespacio S es un operador lineal, y lo denotaremos como
[[s) s[] [v) = s [v) [s) = [v
s
) con [s) y [v
s
) S
esta idea se extiende facil si para un proyector T : V
m
S
n
con m > n de tal modo que para
un vector [v) V
m
P
m
[v)
_
[u
i
)
u
i
m
_
[v) =

u
i
[v)
m
[u
i
) = [v
m
)
con u
i
[ base de S
n
.Es claro que estamos utilizando la convencion de Einstein para la suma
de nidices
Las ecuaciones lineales tambien pueden verse como transformaciones lineales. Esto es, consi-
dere una transformacion lineal T : V
n
V
m
Por lo tanto asociaremos
[y) = T[x)
_
y
1
, y
2
, y
3
, , y
m
_
= T
__
x
1
, x
2
, x
3
, , x
n
__
a traves de n m n umeros, a
i
j
, organizados de la siguiente forma
y
i
= a
i
j
x
j
con
_
i = 1, 2, , m
j = 1, 2, , n
una vez mas,
T[[v) + [w)] = T
_
_
v
1
, v
2
, v
3
, , v
n
_
+
_
w
1
, w
2
, w
3
, , w
n
__
= a
i
j
v
j
+a
i
j
w
j
= T
__
v
1
+w
1
, v
2
+w
2
, v
3
+w
3
, , v
n
+w
n
__
= a
i
j
(v +w)
j
= a
i
j
v
j
+a
i
j
w
j
= a
i
j
_
v
j
+w
j
_
Como siempre estamos utilzando la convencion de suma de Einstein
La derivada es un operador lineal. As podemos representar el operador lineal diferenciacion
como
_
= T[v)
_
= D[y) D[y (x)]
d
dx
[y (x)]
dy (x)
dx
y
(x)
es claro que
D[f (x) +g (x)] = Df (x) +Dg (x) f
(x) +g
(x)
igualmente podemos asociar un operador diferencial de cualquier orden a una derivada del
mismo orden, esto es
_
= D
2
[y) D
2
[y (x)]
d
2
dx
2
[y (x)]
d
2
y (x)
dx
2
y
(x)
_
= D
3
[y) D
3
[y (x)]
d
3
dx
3
[y (x)]
d
3
y (x)
dx
3
y
(x)
.
.
.
y
(n)
_
= D
n
[y) D
n
[y (x)]
d
n
dx
n
[y (x)]
d
n
y (x)
dx
n
y
(n)
(x)
Igualmente, cualquier ecuacion diferencial lineal es un ejemplo de operador lineal, recordamos
el ejemplo del tema de transformadas integrales. Esto es
y
3 y
+ 2 y =
_
D
2
3D + 2
_
y (x)
es claro que si y (x) = f (x) +g (x) la linealidad es evidente
(f (x) +g (x))
3 (f (x) +g (x))
+ 2 (f (x) +g (x)) =
_
f
3 f
+ 2 f
_
+g
3 g
+ 2 g
_
D
2
3D + 2
_
(f (x) +g (x)) =
_
D
2
3D + 2
_
f (x) +
_
D
2
3D + 2
_
g (x)
La integral tambien es un operador lineal
g (x) =
_
x
a
f(t)dt Tf(t)
Otro ejemplo tpico son los operadores de transformaciones integrales
F(s) =
_
b
a
/(s, t) f(t)dt Tf(t)
donde /(s, t) es una funcion conocida de s y t, denominada el n ucleo de la transformacion.
Si a y b son nitos la transformacion se dira nita, de lo contrario innita.
As si f(t) = f
1
(t) +f
2
(t) con f
1
(t) y f
2
(t) (
[a,b]
es obvio que
F(s) =
_
b
a
/(s, t) [f
1
(t) +f
2
(t)] dt T[f
1
(t) +f
2
(t)]
F(s) =
_
b
a
/(s, t) f
1
(t)dt +
_
b
a
/(s, t) f
2
(t)dt
F(s) = F(s
1
) +F(s
2
) T[f
1
(t) +f
2
(t)] = Tf
1
(t) +Tf
2
(t)
Dependiendo de la seleccion del n ucleo y los limites tendremos distintas transformaciones
integrales. En Fsica las mas comunes son:
Nombre F(s) = Tf(t) f(t) = T
1
F(s)
Laplace F(s) =
_
0
e
st
f(t)dt f(t) =
1
2i
_
+i
i
e
st
F(s)ds
Fourier de senos y cosenos F(s) =
_

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

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

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

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

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

0
t
s1
f(t)dt f(t) =
1
2i
_
+i
i
s
t
F(s)ds
1.1. Espacio Vectorial de Operadores Lineales
Un conjunto de operadores lineales A, B, C : V
1
V
2
puede constituir un espacio vec-
torial lineal si se dispone entre ellos de la operacion suma y la multiplicacion por un escalar. As,
claramente, dado A, B, C ,y denida
(A+B) [v) A[v) +B[v)
_
_
_
A[ [v
1
) + [v
2
)] = A[v
1
) + A[v
2
)
B[ [v
1
) + [v
2
)] = B[v
1
) + B[v
2
)
es directo comprobar que
(A+B) [ [v
1
) + [v
2
)] = A[ [v
1
) + [v
2
)] +B[ [v
1
) + [v
2
)]
= ( A[v
1
) + A[v
2
)) + B[v
1
) + B[v
2
)
= ( A[v
1
) + B[v
1
)) + A[v
2
) + B[v
2
)
(A+B) [ [v
1
) + [v
2
)] = A[ [v
1
) + [v
2
)] +B[ [v
1
) + [v
2
)]
Igualmente, se cumple que
[(A+B) +C] = [A+(B+C)]
con A+B+C lineales en V
[(A+B) +C] [v) = (A+B) [v) +C[v) [v) V
1
= A[v) +B[v) +C[v)
= A[v) +(B+C) [v)
= [A+(B+C)] [v)
del mismo modo se puede comprobar facilmente
A+B = B+A
Ahora bien, si denimos la transformacion cero de V
1
V
2
tal que
[0) = 0 [v) [v) V
1
se le asigna a el vector [0) V
2
[v) V
1
, entonces el operador lineal 0 sera el elemento neutro
respecto a la suma de operadores. Finalmente, el elemento simetrico queda denido por
(A) [v) = A[v) = (AA) [v) = 0 [v) = [0)
Con ello queda demostrado que los operadores lineales forman un espacio vectorial el cual de ahora
en adelante denominaremos L(V
1
, V
2
) .
1.2. Composicion de Operadores Lineales
El producto o composicion de dos operadores lineales, A y B se denotara AB y signicara que
primero se aplica B y al resultado se aplica A. Esto es
AB[v) = A(B[v)) = A[ v) =

_
La composicion de funciones cumple con las siguientes propiedades
(AB) C = A(BC) ; (AB) =(A) B = A(B) ;
(A
1
+A
2
) B = A
1
B+A
2
B; A(B
1
+B
2
) = AB
1
+AB
2
Es decir, que la composicion de operadores es asociativa y distributiva a la suma y que conmuta
respecto a la multiplicacion por escalares.
Por otro lado si 1 es el operador Identidad
1[v) = [v) = A1 = 1A = A;
En general AB ,= BA,por lo tanto podemos construir el conmutador de estos operadores como
[A, B] = ABBA [ABBA] [v) = AB[v) BA[v)
Es inmediato comprobar algunas de las propiedades mas utiles de los conmutadores:
[A, B] = [B, A]
[A, (B+C)] = [A, B] + [A, C]
[A, BC] = [A, B] C+B[A, C]
0 = [A, [B, C]] + [B, [C, A]] + [C, [A, B]]
Dados dos vectores [v
1
) y [v
2
) deniremos como el elemento de matriz del operador A al producto
interno de dos vectores
v
2
[ (A[v
1
)) A
(|v
1
,|v
2
)
es claro que A
(|v
1
,|v
2
)
sera en general un n umero complejo, pero esto lo veremos detalladamente
en la seccion 2, mas adelante.
Ejemplos
Potencias de Operadores: Uno de los ejemplos mas utiles en la composicion de operadores
lo constituyen las potencias de los operadores, las cuales provienen de la aplicacion consecutiva
de un mismo operador,
A
0
= 1; A
1
= A; A
2
= AA; A
3
= A
2
A = AAA;
Es claro que las potencias de operadores cumplen las propiedades estandares de las potencias
de n umeros
A
n+m
= A
n
A
m
; (A
n
)
m
= A
nm
Llamaremos operadores nilpotentes de grado n a los operadores A
n
,= 0, del tipo
A
n
[v) = [0) [v) V
1
al vector nulo, [0) V
2
. Es decir un operador que lleva cualquier
vector [v) al elemento neutro de V
2
. El ejemplo mas emblematico es el operador diferencial
D
n
P
n1
_
= [0)
d
n
dx
n
P
n1
(x) =
d
n
dx
n
_
a
i
x
i
= 0
con

P
n1
_
perteneciente al espacio de polinomios de grado n 1
Operador Ecuaciones Diferenciales. Si consideramos el espacio de funciones
f(x) (
[a,b]
podemos construir un operador diferencial
_
a
0
1 +a
1
D+a
2
D
2
+ +a
n
D
n
[f )
_
a
0
+a
1
d
dx
+a
2
d
2
dx
2
+ +a
n
d
n
dx
n
_
f(x)
con a
0
, a
1
, a
2
, a
n
coecientes constantes. De este modo
_
D
2
3D+ 2
_
y = (D1) (D2) y =
_
d
2
dx
2
3
d
dx
+ 2
_
y (x) = y
3 y
+ 2 y
con r = 1 y r = 2 las races del polinomio caracterstico
Funciones de Operadores: Basandonos en el primero de los ejemplos se puede construir
un polinomio en potencias de los operadores:
P
n
(x) = a
0
+a
1
x +a
2
x
2
+ +a
n
x
n
= a
i
x
i
=
P
n
(A) [v) =
_
a
0
1 +a
1
A+a
2
2
A+ +a
n
n
A
n
[v) =
_
a
i
A
i
[v) [v) V
1
Mas a un, lo anterior nos permite extender la idea operadores a funciones de operadores,
es decir si nos saltamos todos los detalles de convergencia de la serie anterior, los cuales
dependeran de los autovalores de A y de su radio de convergencia, de esta manera, al igual
que podemos expresar cualquier funcion F (z) como una serie de potencias de z en un cierto
dominio, podremos expresar la funcion de un operador, F (A) , como una serie de potencias
del operador A esto es
F (z) = a
i
x
i
F (A) [v) =
_
a
i
A
i
[v)
As, por ejemplo, podemos expresar
e
A
[v) =
_

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

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

n=0
A
n
n!
__

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

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

n=0
B
n
n!
__

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

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

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

[v) del espacio vectorial V a traves de su producto interno w[ v) C el cual es, en general, un
n umero complejo. Si ahora escribimos esta relacion entre vectores y formas diferenciales de una
manera diferente. As, la relacion entre w[, y [v) un ket [) o un bra [ arbitrarios seran
[v) w[ =
_
_
_
[v) w[ )
[v) w[
La primera sera la multiplicacion del vector [v) por el n umero complejo w[ ) ,mientras que la
segunda relacion sera la multiplicacion de la forma w[ por el complejo [v) . Es imperioso se nalar
que el orden en la escritura de los vectores y formas es crtico, solo los n umeros complejos se
pueden mover con impunidad a traves de estas relaciones
[v) = [v) = [v) , w[ = w[ = w[
w[ [v) = w[ v) = w[ v) y A[v) = A[v) = A[v)
Por lo tanto, dado un vector [v) , podemos construir un proyector P
|v
a lo largo del vector [v)
P
|v
[v) v[ con v[ v) = 1
siempre y cuando este operador lineal cumpla
P
|v
[ [z
1
) + [z
2
)] = P
|v
[z
1
) + P
|v
[z
2
) =
[v) v[ [ [z
1
) + [z
2
)] = [v) v[ [z
1
) +[v) v[ [z
2
) = [v) v [z
1
) + [v) v [z
2
)
P
2
|v
= P
|v
([v) v[) ([v) v[) = [v) v[ =
P
|v
P
|v
[z) = ([v) v[) ([v) v[) [z) = [v) v [v)
. .
1
v [z) = [v) v [z) = P
|v
[z)
As el operador P
|v
actuando sobre el vector [) representara la proyeccion de [) a lo largo de
[v)
P
|v
[) = [v) v[ ) v[ ) [v)
Es inmediato construir un proyector de un vector sobre un subespacio S
q
.
Sea [e
1
) , [e
2
) , [e
3
) , , [e
q
) un conjunto ortonormal de vectores que expande S
q
. Por lo tanto
deniremos el proyector P
q
al proyector sobre el subespacio S
q
de la forma
P
q
= [e
i
)
e
i
q
es claro que P
2
q
= P
q
P
2
q
[v) = P
q
P
q
[v) = P
2
q
[v) =
_
[e
i
)
e
i
q
__
[e
j
)
e
j
q
_
[v) = [e
i
)
e
i
[e
j
)
. .
i
j
e
j
[v)
P
2
q
[v) = [e
j
)
e
j
[v) P
q
[v) [v) V
1.4. Espacio Nulo e Imagen
El conjunto de todos los [v) V
1
A[v) = [0) , se denomina espacio nulo, n ucleo o kernel
(n ucleo en aleman) de la transformacion A y lo denotaremos como (A), en smbolos diremos que
(A) = [v) [ [v) V
1
A[v) = [0)
Adicionalmente, (A) V
1
sera un subespacio de V
1
. La prueba de esta armacion es inmediata.
Dados [v
1
) , [v
2
) (A) ,con A un operador lineal, es claro que
A[v
1
) = [0)
A[v
2
) = [0)
_
_
_
=
1
A[v
1
) +
2
A[v
2
) = [0) = A(
1
[v
1
) +
2
[v
2
))
por la misma razon se tiene que el elemento neutro contenido en (A) ,esto es
A[ v) = [0) [v) V
1
A[0) = [0) si = 0
por lo tanto, queda demostrado que (A) es un subespacio de V
1
.
Deniremos imagen (rango o recorrido) de A,y la denotaremos como
(A) =
_
_
[
_
V
2
A[v) =

__
igualmente (A) V
2
tambien sera un subespacio de V
2
ya que si [v) =
1
[v
1
) +
2
[v
2
) y
dado que A es un operador lineal, se cumple que
A
_
_
_
1
[v
1
) +
2
[v
2
)
. .
|v
_
_
_ =
1
A[v
1
)
. .
[v
1
)
+
2
A[v
2
)
. .
[v
2
)
=
1
1
_
+
2
2
_
. .
|v
Es claro que si V de dimension nita, AV = n tambien sera de dimension nita n y tendremos

que
dim[(A)] + dim[(A)] = dim[V]
vale decir que la dimension del n ucleo mas la dimension del recorrido o imagen de una transforma-
cion lineal es igual a la dimension del dominio.
Para demostrar esta armacion supongamos que dim[V] = n y que
[e
1
) , [e
2
) , [e
3
) [e
k
) V es una base de (A) , donde k = dim[(A)] n.
Como [e
1
) , [e
2
) , [e
3
) [e
k
) V estos elementos forman base y por lo tanto son linealmente
independientes, necesariamente ellos formaran parte de una base mayor de V.
Esto es [e
1
) , [e
2
) , [e
3
) , , [e
k
) , [e
k+1
) , , [e
k+r1
) , [e
k+r
) V sera una base de V donde
k +r = n
Es esquema de la demostracion ser a:
primero probaremos que A[e
k+1
) , A[e
k+2
) , , A[e
k+r1
) , A[e
k+r
) forman una
base para AV
luego demostraremos que dim[AV] = r y como hemos supuesto que k + r = n habremos
demostrado la armacion anterior.
Si los r elementos A[e
k+1
) , A[e
k+2
) , , A[e
k+r1
) , A[e
k+r
) expanden AV en-
tonces cualquier elemento
[w) AV [w) = A[v) = C
i
[Ae
i
) con [Ae
i
) = A[e
i
)
Ahora bien, analicemos con cuidado los lmites de la suma implcita del ndice i = 1, 2, , k +r
[w) = C
i
[Ae
i
) = C
1
[Ae
1
) +C
2
[Ae
2
) + +C
k
[Ae
k
)
. .
=|0 ya que A|e
1
=A|e
2
=A|e
3
=A|e
k
=|0
+C
k+1
[Ae
k+1
) + +C
k+r
[Ae
k+r
)
Por lo tanto A[e
k+1
) , A[e
k+2
) , , A[e
k+r1
) , A[e
k+r
) expanden AV . Ahora bien,
para demostrar que son base, demostraremos que son linealmente independientes, para ello supon-
dremos que
_
C
k+1
, C
k+2
, , C
k+r
_
C
i
[Ae
i
) = 0 con i = k + 1, k + 2, , k +r
y ttenemos que demostrar que C
k+1
= C
k+2
= = C
k+r
= 0. Entonces
C
i
[Ae
i
) = C
i
A[e
i
) = A
_
C
i
[e
i
)
_
= 0 con i = k + 1, k + 2, , k +r
por lo tanto el elemento [v) = C
i
[e
i
) (A) con i = k + 1, k + 2, , k +r. Con lo cual dado
que [v) (A) , [v) = C
i
[e
i
) con i = 1, 2, , r, entonces se puede hacer la siguiente resta
[v) [v) =
k
i=1
C
i
[e
i
)
k+r
i=k+1
C
i
[e
i
)
y como los [e
1
) , [e
2
) , [e
3
) , , [e
k
) , [e
k+1
) , , [e
k+r1
) , [e
k+r
) son una base de V entonces
las C
k+1
= C
k+2
= = C
k+r
= 0
Ejemplos
Transformaciones Identidad: Sea 1 : V
1
V
2
, la transformacion identidad,
[v) V
1
1[v) = [v) . (1) = [0) V
1
(1) V
1
Sistemas de lineales de Ecuaciones. En V
n
los sistemas de ecuaciones lineales representan
el espacio nulo,(A) , para vectores de V
n
A[x) = [0)
_
_
_
_
_
A
11
A
12
A
1n
A
21
A
22

.
.
.
.
.
.
A
n1
A
n2
A
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_
A
i
j
x
i
= 0
son j ecuaciones con j = 1, 2, , n. Recordemos que estamos utilizando la convencion de
Einstein para suma de ndices. Esto es

n
i=1
A
i
j
x
i
= 0
Ecuaciones diferenciales ordinarias. Sea (
2
[,]
el espacio vectorial de todas las funcio-
nes continuas doblemente diferenciables. Denimos A :(
2
[,]
(
[,]
como la transfor-
macion lineal
_
D
2
1
_
tal que para todas las y(x) (
2
[,]
se cumple
A[x) = [0)
_
D
2
1
_
y(x) = 0
_
d
2
dx
2
1
_
y (x) = y
y = 0
por lo tanto el n ucleo o espacio nulo de A,(A) lo constituyen el conjunto de soluciones para
la mencionada ecuacion diferencial. Por lo tanto el problema de encontrar las soluciones de
la ecuacion diferencial es equivalente a encontrar los elementos del n ucleo de A.
1.5. Operadores Biyectivos e Inversos
Se dice que A : V
1
V
2
es biyectivo (uno a uno o biunvoco) si dados [v
1
) , [v
2
) V
1
, [v
)
V
2
, se tiene que
A[v
1
) =

_
A[v
2
) =

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

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

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

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

1
[z
1
) +
2
[z
2
)
le corresponde un bra w[ =
1
z
1
[ +
2
z
2
[ (la correspondencia es antilineal). Por lo tanto,
[w
) = A[w) =
1
A[z
1
) +
2
A[z
2
) , por ser A lineal, entonces
w[ A
= (
1
z
1
[ +
2
z
2
[) A
1
z
1
[ A
2
z
2
[ A

Es claro que de la denicion de producto interno en la notacion de Dirac, se desprende
y) = y[ x
_
= A[x) , [y) V = x[ A
[y) = y[ A[x)
[x) , [y) V
Igualmente se pueden deducir las propiedades de los operadores hermticos conjugados
_
A
= A; (A)
; (A+B)
= A
+B
; (AB)
= B
Esta ultima propiedad es facilmente demostrable y es educativa su demostracion. Dado [v
) =
AB[v), ademas se tiene que
[ v) = B[v)
[v
) = A[ v)
_
_
_
=
= v[ A
= v[ B
= v[ (AB)
A partir de propiedades anteriores se deriva una mas util relacionada con el conmutador de dos
operadores hermticos
[A, B]
=
_
A
, B
_
=
_
B
, A
_
La conclusiones a las que llegamos son
Para obtener el hermtico conjugado de una expresion proceda de la siguiente manera:
Cambie constantes por sus complejas conjugadas
Cambie los kets por sus bras asociados y viceversa (bras por kets): [v) v[
Cambie operadores lineales por sus hermticos conjugados A
A;
Invierta el orden de los factores
De este modo
([v) w[)
= [w) v[
que se deduce facilmente de la consecuencia de la denicion de producto interno
x[
_
[v) w[
_
[y) = y[ ([v) w[) [x)
= y[ [v)
w[ [x)
= x[ [w) v[ [y)
Existe un conjunto de operadores que se denominan Hermticos a secas o autoadjunto. Un
operador Hermtico (o autoadjunto) sera aquel para el cual A
= A. Con esto
x[ A
[y) = x[ A[y) = y[ A[x)
Claramente los proyectores son autoadjuntos por construccion

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

las A
i
son las componentes de la expansion de A[e
i
) en la base [e
1
) , [e
2
) , [e
3
) , [e
m
) . Para
un vector generico [x) tendremos que
[ x) = A[x) = x
[e
) pero, a su vez [x) = x

i
[e
i
)
con lo cual
[ x) = A[x) = x
[e
) = A
_
x
i
[e
i
)
_
= x
i
A[e
i
) = x
i
A
i
[e
) =
_
x
x
i
A
i
_
[e
i
) = 0
para nalmente concluir que
x
= A
i
x
i
Varias cosas se pueden concluir hasta este punto
1. Si acordamos que los ndices de arriba indican las podemos representar los vectores como
un arreglo vertical de sus componentes
[x)
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
y las cantidades
A
i

_
_
_
_
_
_
_
_
_
_
A
1
1
A
1
2
A
1
j
A
1
n
A
2
1
A
2
2
A
2
j
A
2
n
.
.
.
.
.
.
.
.
.
A
1
A
2
A
j
A
n
.
.
.
.
.
.
.
.
.
A
m
1
A
m
2
A
m
j
A
m
n
_
_
_
_
_
_
_
_
_
_
de tal modo que se cumpla
[ x)
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
x
m
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
A
1
1
A
1
2
A
1
j
A
1
n
A
2
1
A
2
2
A
2
j
A
2
n
.
.
.
.
.
.
.
.
.
A
1
A
2
A
j
A
n
.
.
.
.
.
.
.
.
.
A
m
1
A
m
2
A
m
j
A
m
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
j
x
n
_
_
_
_
_
_
_
_
_
Notese que los ndices arriba indican la y los de abajo columnas. Las cantidades A
j
es la re-
presentacion del operador Aen las bases [e
1
) , [e
2
) , [e
3
) , [e
n
) y [e
1
) , [e
2
) , [e
3
) , [e
m
)
de V y W respectivamente. Es decir una matriz A
i
j
es un arreglo de n umeros
A
i
j
=
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
donde el superndice, i, indica la
_
_
_
_
_
A
1
1
A
2
1
.
.
.
A
n
1
_
_
_
_
_
y el subndice j columna
_
A
1
1
A
1
2
A
1
n
_
2. Diremos que las componentes de los vectores transforman como
x
= A
i
x
i
3. Si suponemos [e
1
) , [e
2
) , [e
3
) , [e
n
) y [e
1
) , [e
2
) , [e
3
) , [e
m
) bases ortonormales
x
= e
[ x) = e
[ A[x) = e
[ A
_
x
i
[e
i
)
_
=x
i
e
[ A[e
i
)
queda claro que A
i
e
[ A[e
i
) sera la representacion matricial
4. Los vectores [e
k
) transforman de la siguiente manera
A[e
i
) = [ w
i
) = A
j
i
[e
j
) =
donde [e
1
) , [e
2
) , [e
3
) , [e
n
) y [e
1
) , [e
2
) , [e
3
) , [e
n
) son las bases para V y W res-
pectivamente.
Denitivamente, las matrices son uno de los objetos mas utiles de las Matematicas. Ellas permi-
ten aterrizar conceptos y calcular cantidades. La palabra matriz fue introducida en 1850 por James
Joseph Sylvester
1
y su teora desarrollada por Hamilton
2
y Cayley
3
. Si bien los fsicos las conside-
ramos indispensables, no fueron utilizadas de manera intensiva hasta el aparicion de la Mecanica
Cuantica alrededor de 1925.
2.1. Bases y Representaci on Matricial de Operadores
Es importante recalcar que la representacion matricial de un operador depende de las bases
[e
1
) , [e
2
) , [e
3
) , [e
n
) y [e
1
) , [e
2
) , [e
3
) , [e
m
) de de V y W respectivamente. Si tenemos
otras bases ortonormal para V y W vale decir, [e
1
) , [e
2
) , [e
3
) , [e
n
) y [e
1
) , [e
2
) , [e
3
) , [e
m
)
su representacion sera distinta. Esto es
e
[ A[e
j
) =

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

A
1
2

A
1
j

A
1
n
A
2
1

A
2
2

A
2
j

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

A
2

A
j

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

A
m
2

A
m
j

A
m
n
_
_
_
_
_
_
_
_
_
_
_
1
James Joseph Sylvester (1814-1897 Londres, Inglaterra). Adem as de sus aportes con Cayley a la Teora de
las Matrices descubri o la soluci on a la ecuaci on c ubica y fue el primero en utilizar el termino discriminante para
categorizar cada una de las races de la ecuaci on. Para vivir tuvo que ejercer de abogado durante una decada. Por
fortuna otro matem atico de la epoca (Arthur Cayley) frecuentaba los mismos juzgados y tribunales y pudieron
interactuar. Por ser judo tuvo cantidad de dicultades para conseguir trabajo en la Academia.
2
Sir William Rowan Hamilton (1805 - 1865, Dublin, Irlanda) Sus contribuciones en el campo de la Optica, Dinamica
del cuerpo Rgido, Teora de ecuaciones algebr aicas y Teora de Operadores Lineales.
3
Arthur Cayley (1821, Richmond, 1895, Cambridge, Inglaterra) En sus cerca de 900 trabajos cubri o cas la
totalidad de las areas de las Matem aticas de aquel entonces. Sus mayores cotribuciones se centran el la Teora de
Matrices y la Gemetra no euclideana. No consiguio empleo como Matemetico y tuvo que graduarse de abogado y
ejercer durante mas de 15 a nos, durante los cuales public o mas de 250 trabajos en Matem aticas
Mas a un cambiando el orden en el cual se presenta una base, cambia la representacion matricial
del operador. Los siguientes ejemplos trataran de ilustrar estas situaciones
Si tenemos un matriz 2 3, B de la forma
B =
_
3 1 2
1 0 4
_
y supongamos las bases canonicas para V
3
y V
2
: [e
1
) , [e
2
) , [e
3
) y [e
1
) , [e
2
) . Entonces la
matriz B representan la transformacion B :V
3
V
2
que lleva un vector generico [x) = (x
1
, x
2
, x
3
)
en un vector generico [y) = (y
1
, y
2
) tal que
B =
_
3 1 2
1 0 4
_
= B[x) = [y) =
_
3 1 2
1 0 4
_
_
_
x
1
x
2
x
3
_
_
=
_
y
1
y
2
_
y esto es
y
1
= 3x
1
+x
2
2x
3
y
2
= x
1
+ 0x
2
+ 4x
3
La representacion matricial, dependera de la base en la cual se exprese. Si suponemos el operador
diferencial D() =
d()
dx
y consideramos el dominio un espacio vectorial de los polinomios de grado
3, por lo tanto D() : P
3
P
2
, si consieramos las bases
_
1, x, x
2
, x
3
_
y
_
1, x, x
2
_
de P
3
y P
2
respectivamente. Si el producto interno esta denido como
P
i
[P
j
)
_
1
1
dx T
i
(x) T
j
(x) dx
La representacion matricial el operador diferencial sera
_
P
i
D[P
j
) =
_
P
i
P
j
_
=
_
_
0 1 0 0
0 0 2 0
0 0 0 3
_
_
como siempre i indica las las y j las columnas.
Otra manera de verlo es operar (diferenciar) sobre el [P
j
) P
3
y expresar ese resultado en la
base de P
2
D[P
j
) =
_
_
d(1)
dx
= 0 = 0 1 + 0 x + 0 x
2
d(x)
dx
= 1 = 1 1 + 0 x + 0 x
2
d(x
2
)
dx
= 2x = 0 1 + 2 x + 0 x
2
d(x
3
)
dx
= 3x
2
= 0 1 + 0 x + 3 x
2
y los coecientes de esa expansion ser an las columnas de la matriz que los representa.
Para enfatizar que los elementos de matrz, no solo dependen de la base sino del orden en el
cual la base se presente. Consideremos que la base de P
2
viene representadas por
_
x
2
, x, 1
_
. La
representacion matricial del operador D() =
d()
dx
sera
P
i
D[P
j
) =

P
i
P
j
_
=
_
_
0 0 0 3
0 0 2 0
0 1 0 0
_
_
aunque
_
_
0 1 0 0
0 0 2 0
0 0 0 3
_
_
_
_
_
_
1
1
1
1
_
_
_
_
=
_
_
1
2
3
_
_
=1 + 2x + 3x
2
equivalentemente
_
_
0 0 0 3
0 0 2 0
0 1 0 0
_
_
_
_
_
_
1
1
1
1
_
_
_
_
=
_
_
3
2
1
_
_
=1 + 2x + 3x
2
Es el mismo polinomio!
Recuerde que las componentes del vector multiplican a los vectores bases en el mismo orden.
Si ahora construimos la respresentacion para el mismo operador D() =
d()
dx
en la siguiente base
_
1, 1 +x, 1 +x +x
2
, 1 +x +x
2
+x
3
_
y
_
1, x, x
2
_
de P
3
y P
2
, respectivamente.
D[P
j
) =
P
j
_
=
_
_
d(1)
dx
= 0 = 0 1 + 0 x + 0 x
2
d(1+x)
dx
= 1 = 1 1 + 0 x + 0 x
2
d(1+x+x
2
)
dx
= 1 + 2x = 1 1 + 2 x + 0 x
2
d(1+x+x
2
+x
3
)
dx
= 1 + 2x + 3x
2
= 1 1 + 2 x + 3 x
2
con lo cual
P
i
D[P
j
) =

P
i
P
j
_
=
_
_
0 1 1 1
0 0 2 2
0 0 0 3
_
_
2.2. Algebra de Matrices
Por comodidad supongamos que dim(V ) = dim(W) = n y consideremos la base ortogonal
[e
1
) , [e
2
) , [e
3
) , [e
n
) .De este modo es claro, que se reobtienen las conocidas relaciones para
matrices cuadradas
e
i
A+B[e
j
) =

e
i
A+B[e
j
) =

e
i
A[e
j
) +
_
e
i
B[e
j
) = A
i
j
+B
i
j
con lo cual tenemos la suma de matrices. Esto es
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
+
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
A
n
n
_
_
_
_
_
_
_
_
_
_
A
1
1
+B
1
1
A
1
2
+B
1
2
A
1
n
+B
1
n
A
2
1
+B
2
1
A
2
2
+B
2
2
A
2
n
+B
2
n
.
.
.
.
.
.
.
.
.
A
n
1
+B
n
1
A
n
n
+B
n
n
_
_
_
_
_
en forma compacta puede demostrarse A
i
j
+ B
i
j
= (A+B)
i
j
con lo cual es directo la demostrar la
igualdad de matrices
_
_
_
_
_
A
1
1
+B
1
1
A
1
2
+B
1
2
A
1
n
+B
1
n
A
2
1
+B
2
1
A
2
2
+B
2
2
A
2
n
+B
2
n
.
.
.
.
.
.
.
.
.
A
n
1
+B
n
1
A
n
n
+B
n
n
_
_
_
_
_
= 0
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
=
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
A
n
n
_
_
_
_
_
de donde A
i
j
= B
i
j
De igual modo para la representacion de composicion de operadores
e
i
AB[e
j
) =

e
i
A1B[e
j
) =

e
i
A
_
[e
k
)
_
e
k
_
B[e
j
) =

e
i
A[e
k
)
_
e
k
B[e
j
) = A
i
k
B
k
j
para multiplicacion de matrices. Esto es
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
A
n
n
_
_
_
_
_
_
_
_
_
_
A
1
k
B
k
1
A
1
k
B
k
2
A
1
k
B
k
n
A
2
k
B
k
1
A
2
k
B
k
2
A
2
k
B
k
n
.
.
.
.
.
.
.
.
.
A
n
k
B
k
1
A
n
k
B
k
n
_
_
_
_
_
como ya sabamos AB ,= BA A
i
k
B
k
j
,=B
i
k
A
k
j
De la misma manera la multiplicacion de un n umero por una matriz es la multiplicacion de
todos sus elementos por ese n umero
e
i
A[e
j
) =
e
i
A[e
j
) = A
i
j
2.3. Representaci on Diagonal
Finalmente mostraremos que dado un operador lineal A L(V, W) donde dim(V ) = dim(W) =
n y sea [u
1
) , [u
2
) , [u
3
) , [u
n
) una base ortonormal para V y W. Si adicionalmente se da el
caso que
A[u
i
) = [u
i
)
la representacion matricial es diagonal
u
j
A[u
i
) = A
j
i
=

u
j
[u
i
) =
j
i
Esta armacion tambien es valida para dim(V ) ,= dim(W) pero por simplicidad seguimos traba-
jando con matrices cuadradas.
En leguaje de ndices estaremos diciendo que
D
i
j
= D
k

k
l

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

por lo tanto tendremos m ecuaciones lineales para n incognitas
_
x
1
, x
2
, x
n
_
. Las A
i
es la matriz
de los coecientes. Por lo tanto este problema puede ser pensado como un problema de un operador
A en el espacio vectorial de transformaciones lineales L(V, W) donde dim(V ) = n y dim(W) = m,
con las c
las componentes del vector transformado

[c) = A[x) c
= A
i
x
i
Concretemos en un ejemplo
2x + 3y z = 5
4x + 4y 3z = 3
2x + 3y z = 10
=
_
_
2 3 1
4 4 3
2 3 1
_
_
_
_
x
y
z
_
_
=
_
_
5
3
1
_
_
el metodo mas utilizado es la eliminacion de Gauss Jordan el cual se basa en el intercambio de
ecuaciones y la multiplicacion apropiada e inteligente por constantes y resta de ecuaciones. La idea
es construir una matriz triangular superior para poder luego despejar desde abajo. Veamos:
a
b
c
_
_
2 3 1
4 4 3
2 3 1
5
3
1
_
_
entonces para eliminar x de lala la c (o la ecuacion c) sumamos la la a con la c, a+c y esta nueva
ecuacion sera la nueva c
a
b
c
_
_
2 3 1
4 4 3
0 6 2
5
3
6
_
_
ahora 2a +b sera la nueva b
a
b
_
_
2 3 1
0 2 1
0 6 2
5
7
6
_
_
nalmente 3b
+c
a
b
_
_
2 3 1
0 2 1
0 0 5
5
7
15
_
_
Este sistema es equivalente al primer sistema de ecuaciones. La solucion emerge rapidamente:
5z = 15 z = 3 2y z = 7 2y 3 = 7 y = 2 2x + 3 (2) 3 = 5 x = 1
Es bueno recalcar que los sistemas de ecuaciones lineales no necesariamente tienen solucion y a
veces tienen mas de una solucion.
2.5. Operadores Hermticos
La representacion matricial de un operador hermtico,
_
A
_
i
j
=

e
i
[e
j
) =

e
j
A[e
i
)
=
_
A
j
i
_
vale decir: el hermtico conjugado de una matriz, es su traspuesta conjugada. Si la matriz es Hermti-
ca, i.e.
A
= A =
_
A
_
i
j
= A
i
j
por lo tanto, las matrices hermticas son simetricas respecto a la diagonal y los elementos de la
diagonal son n umeros reales. Un operador hermtico estara representado por una matriz hermtica.
Aqu vale la pena probar algunas de las propiedades que arriba expresamos para operadores
hermticos conjugados, vale decir
_
A
= A; (A)
; (A+B)
= A
+B
; (AB)
= B

Es claro que
_
A
e
i
[e
j
)
_
=
_
_
A
_
i
j
_
=
__
A
j
i
_
= A
i
j
y
(A)
e
i
[e
j
) =

e
j
A[e
i
)
e
j
A[e
i
)
e
i
[e
j
) =
pero mas interesante es

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

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

_
_
2 3 4
0 2 3
1 1 2
1 0 0
1 1 0
0 0 1
_
_

_
_
2 3 4
0 2 3
0 5 8
1 0 0
1 1 0
1 0 2
_
_

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

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

S
k
m
c
m
y S
m
k
(o

S
k
m
) sera la matriz de transformacion, cambio de base o cambio de representacion. Ahora
bien, por denicion de producto interno
t
m
[u
k
) =
_
u
k
[t
m
)
= S
m
k
= S
k
m
S
m
k
por lo tanto, la matriz de transformacion entre bases es hermtica o autoadjunta y la relacion
anterior queda escrita como
c
m
= S
m
k
c
k
= t
m
[ ) = S
m
k
_
u
k
)
c
k
= S
k
m
c
m
=
_
u
k
[) = S
k
m
t
m
[ )
Igualmente la regla de transformacion de las representaciones matriciales de operadores quedan
expresadas como
t
i
A[t
j
) =

t
i
_
[u
k
)
_
u
k
_
A([u
m
) u
m
[) [t
j
) =

t
i
[u
k
)
. .
S
i
k
_
u
k
A[u
m
) u
m
[t
j
)
. .
S
m
j
por lo tanto,
A
i
j
= S
i
k
A
k
m
S
m
j
donde

A
i
j
es la representacion del operador A respecto a la base [t
j
) y A
k
m
su representacion en
la base [u
m
)
3. Traza de Operadores
La traza, Tr (A) , de un operador A es la suma de los elementos diagonales de su representacion
matricial. Esto es dado un operador A y una base ortogonal [u
i
) para V
n
Tr (A) =
_
u
k
A[u
k
) = A
i
i
As
A
i
j
=
_
_
1 2 3
4 5 6
7 8 9
_
_
= Tr (A) = A
i
i
= 15
3.1. Invariancia de la Traza
La traza de una matriz no depende de la base que seleccionemos. Es un invariante que caracteriza
al operador independientemente de la base en la cual se represente. Entonces Dadas dos base
discretas ortonormales [u
i
) y [t
i
),
A
k
k
=
_
u
k
A[u
k
) =
_
u
k
[t
m
) t
m
[ A[u
k
) = t
m
[ A[u
k
)
_
u
k
. .
1
[t
m
) = t
m
[ A[t
m
) = A
m
m
Donde una vez mas hemos utilizado las dos relaciones de cierre [t
m
) t
m
[ = 1 y
u
k
_
u
k
[ = 1. Es cla-
ro que el n umero que representa esta suma sera el mismo independientemente de su representacion
matricial.
3.2. Propiedades de la Traza
Claramente la traza es lineal
Tr (A+B) = Tr (A) +Tr (B)
ya que
Tr (A+B) =
_
u
k
A+B[u
k
) =
_
u
k
A[u
k
) +
_
u
k
B[u
k
) = Tr (A) +Tr (B)
La traza de un producto conmuta esto es
Tr (AB) = Tr (BA)
y es facilmente demostrable
Tr (AB) =
_
u
k
AB[u
k
) =
_
u
k
A[u
m
) u
m
[
. .
1
B[u
k
) =
_
u
k
B[u
m
) u
m
[
. .
1
A[u
k
) = Tr (BA)
Recuerde que

u
k
B[u
m
) y

u
k
A[u
k
) son n umeros que pueden ser reordenados.
Del mismo modo es facil demostrar que la traza de un triple producto de matrices respeta la
ciclicidad del orden de la matrices en el producto
Tr (ABC) = Tr (BCA) = Tr (CAB)
3.3. Diferenciaci on de Operadores
Dado un operador A(t) el cual supondremos dependiente de una variable arbitraria t podremos
denir la derivada como
dA(t)
dt
= lm
t0
A(t + t) A(t)
t
por lo tanto si

u
k
A[u
i
) = A
k
i
entonces
_
u
k
dA(t)
dt
[u
i
) =
_
dA(t)
dt
_
k
i
=
d
dt
_
u
k
A(t) [u
i
) =
dA
k
i
dt
=
_
_
_
_
_
_
dA
1
1
dt
dA
1
2
dt

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

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

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

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

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

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

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

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

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

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

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

D
1
2

D
1
3

D
1
4
0

D
2
2
D
2
3

D
2
4
0 0

D
3
3

D
3
4
0 0 0

D
4
4
_
_
_
_
y

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

D
2
2
0 0
D
3
1
D
3
2

D
3
3
0
D
4
1

D
4
2

D
4
3

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

Llamaremos matriz adjunta, adj [A], a la traspuesta de la matriz de cofactores de una determi-
nada matriz. Esto es
adj [A] = (A
c
)
T
= adj
_
A
i
j
=
_
(A
c
)
i
j
_
T
= (A
c
)
j
i
Esto es
A
i
j
=
_
_
1 2 3
4 5 6
7 8 9
_
_
= adj
_
A
i
j
=
_
_
3 6 3
6 12 6
3 6 3
_
_
Una matriz sera autoadjunta si adj [A] = A
5. Un Parentesis Determinante
5.1. Denici on
Antes de continuar es imperioso que refresquemos algunas propiedades del determinante de una
matriz. Ya hemos visto que el det A : M
nn
'. Es decir, asocia un n umero real con cada matriz
del espacio vectorial M
nn
de matrices n n
As, dada una matriz
A
i
j
=
_
_
_
_
_
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
_
_
_
_
_
= det A =
ijk
A
1
i
A
2
j
A
3
k
=
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n

Hemos generalizado el ndice de Levi Civita de tal forma que
ijk
=
ijk
=
_
_
_
0, si cualesquiera dos ndices son iguales
1, si los ndices i, j, k constituyen una permutacion cclica de 1, 2, 3 n
1 si los ndices i, j, k constituyen una permutacion anticclica de 1, 2, 3 n
Esta situacion es clara para el caso de matrices 3 3, veamos.
Dada una matriz 3 3
A
i
j
=
_
_
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
_
_
= det A =
ijk
A
1
i
A
2
j
A
3
k
=
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
con lo cual
det A =
123
A
1
1
A
2
2
A
3
3
+
312
A
1
3
A
2
1
A
3
2
+
231
A
1
2
A
2
3
A
3
1
+
132
A
1
1
A
2
3
A
3
2
+
321
A
1
3
A
2
2
A
3
1
+
213
A
1
2
A
2
1
A
3
3
= A
1
1
A
2
2
A
3
3
+A
1
3
A
2
1
A
3
2
+A
1
2
A
2
3
A
3
1
A
1
1
A
2
3
A
3
2
A
1
3
A
2
2
A
3
1
A
1
2
A
2
1
A
3
3
5.2. Propiedades Determinantes
1. det A = det A
T
donde A
T
es la traspuesta de A
Esta propiedad proviene de la denicion del ndice de Levi Civita
det A =
ijk
A
1
i
A
2
j
A
3
k
=
ijk
A
i
1
A
j
2
A
k
3
= det A
T
que se traduce que se intercambian las por columnas el determinante no se altera
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
A
1
1
A
2
1
A
3
1
A
1
2
A
2
2
A
3
2
A
1
3
A
2
3
A
3
3
2. Si dos las o dos columnas son identicas el determinante se anula
iik
A
1
i
A
2
i
A
3
k
=
iik
A
i
1
A
i
2
A
k
3
= 0
por denicion del ndice de Levi Civita
A
1
1
A
1
1
A
1
3
A
2
1
A
2
1
A
2
3
A
3
1
A
3
1
A
3
3
A
1
1
A
1
2
A
1
3
A
1
1
A
1
2
A
1
3
A
3
1
A
3
2
A
3
3
= 0
3. Si multiplicamos una la o una columna por un n umero, el determinante queda multiplicado
por el n umero
ijk
A
1
i
_
A
2
j
_
A
3
k
=
ijk
A
1
i
A
2
j
A
3
k
= det A
ijk
A
i
1
A
j
2
_
A
k
3
_
=
ijk
A
i
1
A
j
2
A
k
3
= det A
de aqu claramente se desprende que si una la o una columna es cero ( = 0) el determinante
se anula. Mas a un, si dos las o dos columnas son proporcionales A
1
i
= A
2
j
el determinante
se anula, por cuanto se cumple la propiedad anterior
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
A
3
1
A
3
2
A
3
3
Obvio que
A
1
1
0 A
1
3
A
2
1
0 A
2
3
A
3
1
0 A
3
3
A
1
1
A
1
2
A
1
3
A
2
1
A
2
2
A
2
3
0 0 0
= 0
al igual que
A
1
1
A
1
1
A
1
3
A
2
1
A
2
1
A
2
3
A
3
1
A
3
1
A
3
3
A
1
1
A
1
2
A
1
3
A
1
1
A
1
2
A
1
3
A
3
1
A
3
2
A
3
3
A
1
1
A
1
1
A
1
3
A
2
1
A
2
1
A
2
3
A
3
1
A
3
1
A
3
3
A
1
1
A
1
2
A
1
3
A
1
1
A
1
2
A
1
3
A
3
1
A
3
2
A
3
3
= 0
4. Si se intercambian dos las o dos columnas cambia de signo el determinante.
det A =
ijk
A
1
i
A
2
j
A
3
k
=
A
1
1
A
1
2
A
1
n
A
2
1
A
2
2
A
2
n
.
.
.
.
.
.
A
n
1
A
n
2
A
n
n
=
ijk
A
1
j
A
2
i
A
3
k
= det

A
donde en la matriz

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

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

claramente, si 123 reobtenemos la denicion anterior. Si se intercambian dos
las o dos columnas, el determinante cambia de signo debido al intercambio de dos ndices
griegos. Si dos las o dos columnas son iguales el determinante se anula debido a la propiedad
de smbolo de Levi Civita con ndices griegos.
5. El determinante de un producto es el producto de los determinantes
det (AB) = det (A) det (B)
Antes de proceder a la demostracion de este importante propiedad jugaremos un poco mas
con las propiedades de las matrices. Queremos se nalar que si A es una matriz mn y B es
una matriz n p, entonces tendremos que
(AB)
= A
B
esto es que la esima la es igual a la multiplicacion de la esima la, A
,por toda la
matriz B. Veamos
C
i
j
= (AB)
i
j
= A
i
l
B
l
j
por lo tanto la esima la
C
j
= A
l
B
l
j
= C
j
= (A
1
, A
2
, A
3
, A
n
, )
_
_
_
_
_
B
1
1
B
1
2
B
1
n
B
2
1
B
2
2
B
2
n
.
.
.
.
.
.
B
n
1
B
n
2
B
n
n
_
_
_
_
_
det (A) det (B) = det (A)
_
ijk
B
i
1
B
j
2
B
k
3

_
=
_
ijk
A
i
A
j
A
k

__
abc
B
a
1
B
b
2
B
c
3

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

__
ijk
B
i
1
B
j
2
B
k
3

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

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

e
i
[) =
e
i
[) = A
i
j
c
j
= c
i
claramente, si [e
1
) , [e
2
) , [e
3
) , [e
n
) genera una representacion diagonal de A entonces
A
i
j

i
j
= A
i
j
c
j

i
j
c
j
= c
i
= A
i
j

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

i
j
entonces existe una base ortonormal [e
1
) , [e
2
) , [e
3
) , [e
n
)
4
y
un conjunto de cantidades
1
,
n
, ,
n
tales que se cumple
A[e
i
) =
i
[e
i
) con i = 1, 2, n
4
Realmente un conjunto de vectores linealmente independientes, pero como siempre puedo ortoganalizarlos me-
diante el metodo de Gram Smith, consideraremos que es una base ortogonal de entrada
igualmente se cumple que si existe una base ortonormal [e
1
) , [e
2
) , [e
3
) , [e
n
)y un con-
junto de cantidades
1
,
n
, ,
n
tales satisfagan
A[e
i
) =
i
[e
i
) con i = 1, 2, n
Entonces se cumple la representacion matricial de A es diagonal,
e
i
A[e
j
) = A
i
j
= diag (
1
,
n
, ,
n
)
6.2. Algunos comentarios
1. Notese que si [) es autovector de A para un determinado autovalor entonces
_
= [)
(un vector proporcional a [) ,con un n umero complejo) tambien es un autovector para
el mismo autovalor. Esto representa una incomoda ambig uedad: dos autovectores que co-
rresponden al mismo autovalor. Un intento de eliminarla es siempre considerar vectores
[) normalizados, i.e. [) = 1. Sin embargo no deja de ser un intento que no elimina
la ambig uedad del todo porque siempre queda angulo de fase arbitrario. Esto es el vector
e
i
[) ,con un n umero real arbitrario, tiene la misma norma del vector [) . Sin embargo
esta arbitrariedad es inofensiva. En Mecanica Cuantica las predicciones obtenidas con [) son
las mismas que con e
i
[)
2. Un autovalor sera no degenerado o simple si esta asociado a un unico autovector [)
5
de
lo contrario si denominara degenerado si existen dos o mas autovectores de A, linealmente
independientes asociados al mismo autovalor . El grado (o el orden) de la degeneracion es el
n umero de vectores linealmente independientes que esten asociados al mencionado autovalor
.
3. El orden de degeneracion de un autovalor expande un espacio vectorial S () V
n
(denomi-
nado autoespacio) cuya dimension es el orden de la degeneracion. Esto es si es gdegenerado,
entonces existen
[
1
) , [
2
) , [
3
) , [
g
) = A[
i
) = [
i
)
adicionalmente un autovector correspondiente al autovalor puede ser expresado como
[) = c
i
[
i
) con i = 1, 2, , g
con lo cual
A[) = c
i
A[
i
) = c
i
[
i
) = [)
6.3. Algunos Ejemplos
1. Reexion respecto al plano xy : Si R :V
3
V
3
es tal que R[) =
_
donde se ha
realizado una reexion en el plano xy. Esto es
R[i) = [i) ; R[j) = [j) ; R[k) = [k)
5
Con la arbitrariedad del calibre antes mencionado
con [i) , [j) , [k) vectores unitarios cartesianos. Es claro que cualquier vector en el plano xy
sera autovector de R con un autovalor = 1 mientras que cualquier otro vector [) V
3
y
que no este en el mencionado plano cumple con [) = c [k) y tambien sera autovector de R
pero esta vez con un autovalor = 1.
2. Dos visiones de Rotaciones de angulo jo : La rotaciones de un vector en el plano
pueden verse de dos maneras.
a) Se considera el plano como un espacio vectorial real V
2
con una base cartesiana canonica:
[i) = (1, 0) , y [j) = (0, 1) , esto es si
R[a) = [a) = el angulo de rotacion = n con n entero
b) Igualmente si consideramos el plano complejo unidimensional, expresemos cualquier vec-
tor en el plano en su forma polar [z) = re
i
por lo cual
R[z) = re
i(+)
= e
i
[z)
si queremos = e
i
reales necesariamente = n con n entero
3. Autovalores y Autovectores de Proyectores. Es interesante plantearse la ecuacion de
autovalores con la denicion del proyector para un determinado autoespacio. Esto es dado
P
= [) [ si este proyector cumple con una ecuacion de autovalores para un [) supuesta-

mente arbitrario
P
[) = [) = P
[) = ([) [) [) = [) [)
es decir necesariamente [) es colineal con [) . Mas a un si ahora el [) no es tan arbitrario
sino que es ortogonal a [) , [) = 0 = = 0. Esto nos lleva a concluir que el espectro
del operador P
= [) [ es 0 y 1,el primer de los cuales es innitamente degenerado y el

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

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

k
) [
j
) = 0 con j = 1, 2, , k 1
(notese que el ultimo ndice es k 1) pero, dado que los k 1 vectores [
j
) son linealmen-
te independiente, entonces tendremos k 1 ecuaciones c
j
(
j

k
) = 0 una para cada j =
1, 2, , k1. Dado que
j
,=
k
necesariamente llegamos a que c
j
= 0 para j = 1, 2, , k1
y dado que
c
j
[
j
) = 0 con j = 1, 2, , k = c
j
,= 0
con lo cual si
c
j
[
j
) = 0 = c
j
= 0 con j = 1, 2, , k
y los [
1
) , [
2
) , [
3
) , [
k
) son linealmente independientes. Con lo cual queda demos-
trado el teorema
Es importante acotar que el inverso de este teorema NO se cumple.
Esto es, si A :V
m
V
n
tiene [
1
) , [
2
) , [
3
) , , [
n
) autovectores linealmente independien-
tes. NO se puede concluir que existan n autovalores,
1
,
2
, ,
n
, distintos correspondientes a
cada uno de los autovectores [
j
) .
El teorema anterior lo complementa el siguiente que lo presentaremos sin demostracion. Este
teorema sera de gran utilidad en lo que sigue.
Teorema Si la dim(V
n
) = n cualquier operador lineal A :V
n
V
n
tendra un maximo de n autovalores
distintos. Adicionalmente, si A tiene precisamente n autovalores,
1
,
2
, ,
n
, entonces
los correspondientes n autovectores, [
1
) , [
2
) , [
3
) , , [
n
) , forman una base para V
n
y la representacion matricial, en esa base, del operador sera diagonal
A[
j
) = A
i
j
= diag (
1
,
2
, ,
n
)
7. Autovalores y Autovectores de un operador
Una vez mas supongamos que A : V V y que dimV = n, supongamos ademas que
[e
1
) , [e
2
) , [e
3
) , [e
n
) es una base ortogonal para V. Por lo tanto la representacion matricial
de la ecuacion de autovalores es la siguiente
e
i
A[e
j
)
e
j
[) =
e
i
[) = A
i
j
c
j
= c
i
=
_
A
i
j

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

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

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

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

i
j
= 0
y tendra como resultado un polinomio de grado n (el polinomio caracterstico). Las races de este
polinomio seran los autovalores que estamos buscando. Es claro que estas races podran ser reales
y distintas, algunas reales e iguales y otras imaginarias.
Es importante se nalar que el polinomio caracterstico sera independiente de la base a la cual
este referida la representacion matricial

w
i
A[w
j
) del operador A.
7.2. Primero los autovalores, luego los autovectores
El procedimiento es el siguiente. Una vez obtenidos (los autovalores) las races del polinomio
caracterstico, se procede a determinar el autovector, [
j
) , correspondiente a ese autovalor. Dis-
tinguiremos en esta determinacion casos particulares dependiendo del tipo de raz del polinomio
caracterstico. Ilustraremos estos casos con ejemplos especcos para el caso especco de matrices
3 3 a saber:
1. Una matriz 3 3 con 3 autovalores reales distintos
e
i
A[e
j
) =
_
_
2 1 3
1 2 3
3 3 20
_
_
= det
_
A
i
j

i
j
2 1 3
1 2 3
3 3 20
= 0
con lo cual el polinomio caracterstico queda expresado como
3
24
2
+ 65 42 = ( 1) ( 2) ( 21) = 0
y es claro que tiene 3 races distintas. Para proceder a calcular los autovectores correspon-
dientes a cada autovalor resolvemos la ecuacion de autovalores para cada autovalor. Esto
es
a)
1
= 1
_
_
2 1 3
1 2 3
3 3 20
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
x
2
x
3
_
_

2x
1
+x
2
+ 3x
3
= x
1
x
1
+ 2x
2
+ 3x
3
= x
2
3x
1
+ 3x
2
+ 20x
3
= x
3
que constituye un sistema de ecuaciones algebraicas de 3 ecuaciones con 3 incognitas.
Resolviendo el sistema tendremos que
1
= 1
_
_
x
1
x
2
x
3
_
_
1
=1
=
_
_
1
1
0
_
_
con un escalar distinto de cero
b)
2
= 2
_
_
2 1 3
1 2 3
3 3 20
_
_
_
_
x
1
x
2
x
3
_
_
= 2
_
_
x
1
x
2
x
3
_
_

2x
1
+x
2
+ 3x
3
= 2x
1
x
1
+ 2x
2
+ 3x
3
= 2x
2
3x
1
+ 3x
2
+ 20x
3
= 2x
3
2
= 2
_
_
x
1
x
2
x
3
_
_
2
=2
=
_
_
3
3
1
_
_
c)
3
= 21
_
_
2 1 3
1 2 3
3 3 20
_
_
_
_
x
1
x
2
x
3
_
_
= 21
_
_
x
1
x
2
x
3
_
_

2x
1
+x
2
+ 3x
3
= 21x
1
x
1
+ 2x
2
+ 3x
3
= 21x
2
3x
1
+ 3x
2
+ 20x
3
= 21x
3
3
= 21
_
_
x
1
x
2
x
3
_
_
3
=21
=
_
_
1
1
6
_
_
2. Una matriz 3 3 con 2 autovalores reales distintos, es decir una matriz con autovalores
repetidos
e
i
A[e
j
) =
_
_
4 3 1
4 1 0
1 7 4
_
_
= det
_
A
i
j

i
j
4 3 1
4 1 0
1 7 4
= 0
3
+
2
5 3 = ( + 3) ( 1)
2
= 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 1 es un autovalor
degenerado de orden 2. Para proceder a calcular los autovectores correspondientes a cada
autovalor resolvemos la ecuacion de autovalores para cada autovalor. Esto es:
a)
1
= 3
_
_
4 3 1
4 1 0
1 7 4
_
_
_
_
x
1
x
2
x
3
_
_
= 3
_
_
x
1
x
2
x
3
_
_

4x
1
3x
2
+x
3
= 3x
1
4x
1
x
2
= 3x
2
x
1
+ 7x
2
4x
3
= 3x
3
1
= 3
_
_
x
1
x
2
x
3
_
_
1
=3
=
_
_
1
2
13
_
_
b)
2
= 1 (autovalor degenerado de orden 2)
_
_
4 3 1
4 1 0
1 7 4
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
x
2
x
3
_
_

4x
1
3x
2
+x
3
= x
1
4x
1
x
2
= x
2
x
1
+ 7x
2
4x
3
= x
3
2
= 1
_
_
x
1
x
2
x
3
_
_
2
=1
=
_
_
1
2
3
_
_
3. Otra matriz 3 3 con 2 autovalores reales distintos, es decir otra matriz con autovalores
repetidos
e
i
A[e
j
) =
_
_
2 1 1
2 3 2
3 3 4
_
_
= det
_
A
i
j

i
j
2 1 1
2 3 2
3 3 4
= 0
con lo cual el polinomio caracterstico ahora queda expresado como
3
+
2
5 3 = ( 7) ( 1)
2
= 0
y es claro que tiene 2 races iguales y una distinta. En este caso = 1 vuelve a ser un
autovalor degenerado de orden 2. Para proceder a calcular los autovectores correspondientes
a cada autovalor resolvemos la ecuacion de autovalores para cada autovalor. Esto es:
a)
1
= 7
_
_
2 1 1
2 3 2
3 3 4
_
_
_
_
x
1
x
2
x
3
_
_
= 7
_
_
x
1
x
2
x
3
_
_

2x
1
+x
2
+x
3
= 7x
1
2x
1
+ 3x
2
+ 3x
3
= 7x
2
3x
1
+ 3x
2
+ 4x
3
= 7x
3
1
= 7
_
_
x
1
x
2
x
3
_
_
1
=7
=
_
_
1
2
3
_
_
b)
2
= 1, el autovalor degenerado de orden 2 presenta una peque na patologa. Veamos
_
_
2 1 1
2 3 2
3 3 4
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
x
2
x
3
_
_

2x
1
+x
2
+x
3
= x
1
2x
1
+ 3x
2
+ 3x
3
= x
2
3x
1
+ 3x
2
+ 4x
3
= x
3
2
= 1
_
_
_
_
x
1
x
2
x
3
_
_
2
=1
=
_
_
1
0
1
_
_
_
_
x
1
x
2
x
3
_
_
2
=1
=
_
_
0
1
1
_
_
con lo cual el autovector [
2
) correspondiente al autovalor
2
= 1 se podra escribir como
[
2
) = [
21
) + [
22
)
_
_
x
1
x
2
x
3
_
_
2
=1
=
_
_
1
0
1
_
_
+
_
_
0
1
1
_
_
4. Una matriz 3 3 con 1 autovalor real y dos autovalores complejos
e
i
A[e
j
) =
_
_
1 2 3
3 1 2
2 3 1
_
_
= det
_
A
i
j

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

=
1
2
_
3 i
3
_
. Para proceder a calcular los autovectores corres-
pondientes a cada autovalor resolvemos la ecuacion de autovalores para cada autovalor real.
En este caso existe un unico autovalor real = 6.
_
_
1 2 3
3 1 2
2 3 1
_
_
_
_
x
1
x
2
x
3
_
_
= 6
_
_
x
1
x
2
x
3
_
_

4x
1
3x
2
+x
3
= 6x
1
4x
1
x
2
= 6x
2
x
1
+ 7x
2
4x
3
= 6x
3
= 6
_
_
x
1
x
2
x
3
_
_
=6
=
_
_
1
1
1
_
_
8. Autovalores y Autovectores de Matrices Importantes
En esta seccion presentaremos autovalores y autovectores de matrices importantes en Fsica
8.1. Autovalores y Autovectores de Matrices Similares
Supongamos la representacion matricial de un determinado operador lineal A : V V y que
dimV = n, supongamos ademas que [e
1
) , [e
2
) , [e
3
) , [e
n
) y [w
1
) , [w
2
) , [w
3
) , [w
n
) son
dos bases ortogonales para V. Entonces
A[e
j
) = A
l
j
[e
l
) con A
i
j
=

e
i
A[e
j
)
y
A[w
j
) =

A
l
j
[w
l
) con

A
i
j
=

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

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

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

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

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

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

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

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

e
i
A[e
j
)
y
A[w
j
) =

A
l
j
[w
l
) con

A
i
j
=

w
i

A[w
j
)
6
det
`
c
i
j
= 0
al actuar A sobre [w
j
) tendremos
A[w
j
) = c
l
j
A[e
l
) = c
l
j
A
k
l
[e
k
) = c
l
j
A
k
l
c
m
k
[w
m
) = c
m
k
A
k
l
c
l
j
[w
m
) = (c
m
k
)
1
A
k
l
c
l
j
. .
w
i
|
A|w
j
[w
m
)
que es exactamente la representacion matricial de

A. Con lo cual A

A y queda demostrado
el teorema.
Denicion Dos matrices, A
k
l
y

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

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

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

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

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

A y A, tendran el mismo polinomio caracterstico y con ello el mismo con-
junto de autovalores.
Todos los teoremas de esta seccion pueden ser resumidos en el siguiente teorema
Teorema Sea un operador lineal A : V V y que dimV = n, supongamos ademas que el polinomio
caracterstico tiene n races distintas,
1
,
2
, . . . ,
n
. Entonces tendremos que
Los autovectores [u
1
) , [u
2
) , , [u
n
) correspondientes a los a
1
,
2
, . . . ,
n
, forman una
base para V.
La representacion matricial del operador

u
k
A[u
m
) en la base de autovectores
[u
1
) , [u
2
) , , [u
n
), sera diagonal
A
k
m
=
k
m
=
_
u
k
A[u
m
) = diag (
1
,
2
, . . . ,
n
)
Cualquier otra representacion matricial,

e
k
A[e
m
) , del operador A en otra base de V,
estara relacionada con la representacion diagonal mediante una transformacion de similaridad
= C
1
AC diag (
1
,
2
, . . . ,
n
) =
_
c
i
k
_
1
_
e
k
A[e
m
) c
m
j
donde c
m
j
es la matriz, no singular y por lo tanto invertible, de cantidades que relacionan
ambas bases
[u
j
) = c
l
j
[e
l
)
[e
l
) = c
m
l
[u
m
)
_
_
_
c
m
l
= (c
m
l
)
1
= c
m
l
c
l
j
=
m
j
Demostracion La demostracion, en terminos de los teoremas anteriores es inmediata y se la dejamos como
ejercicio al lector.
8.2. Autovalores y Autovectores de Matrices Hermticas
Tal y como mencionamos con anterioridad un operador Hermtico cumple con
A
= A =
_
A
_
i
j
=

e
i
[e
j
) =

e
j
A[e
i
)
=
_
A
j
i
_
Esto es: el hermtico conjugado de una matriz, es su traspuesta conjugada. Por lo tanto las matrices
Hermticas son simetricas respecto a la diagonal y los elementos de la diagonal son n umeros reales.
Por su parte, llamaremos antihermtico a un operador que cumpla con
A
= A =
_
A
_
i
j
=

e
i
[e
j
) =
e
j
A[e
i
)
=
_
A
j
i
_
Teorema Suponga un operador Hermtico A = A
tiene por autovalores

1
,
2
, . . . ,
n
. Entonces:
Los autovalores
1
,
2
, . . . ,
n
son reales.
Los autovectores [u
1
) , [u
2
) , , [u
n
) , correspondientes a cada uno de los autovalores, seran
ortogonales.
Demostracion:
Para demostrar que los autovalores
1
,
2
, . . . ,
n
son reales, proyectamos la ecuacion de
autovalores en cada uno de los autovectores:
A[) = [) = [ A[) = [)
Ahora bien, dado que [) es real, si demostramos que [ A[) estara demostrado que
lo sera tambien. Pero como A es Hermtico
[ A[)
= [ A
[) = [ A[) =[ A[) '

y por consiguiente los autovalores
1
,
2
, . . . ,
n
son reales. Mas a un, si A es Hermtico, y
como sus autovalores son reales entonces
[ A
[ = [ = [ A[) = [)
Para demostrar que los autovectores [u
1
) , [u
2
) , , [u
n
) son ortogonales, consideremos dos
autovectores con sus correspondientes autovalores de tal forma que se cumplen las siguientes
ecuaciones
A[) = [) y A[) = [)
pero como A es Hermtico entonces se cumple que [ A = [ entonces multiplicando a la
izquierda por [) y a [ A = [ por [ la derecha.
([ A = [) [)
[ (A[) = [))
_
_
_
=
_
_
_
[ A[) = [)
[ A[) = [)
_
_
_
=( ) [) = 0
y como hemos supuesto que ,= con lo cual [) = 0 los autovectores correspondientes a
dos autovalores son ortogonales.
Existen situaciones en las cuales un determinado autovalor =
0
es degenerado. Consideremos
una matriz nn, A
i
j
, por lo cual el polinomio caracterstico P () = det
_
A
i
j

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

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

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

de A puede expresarse como
T () = det
_
A
i
j

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

i
j
det
_
R
i
j

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

i
j
_
tendremos que
det
_
Q
i
j

0
i
j
= 0 = T () = (
0
)
m
T () con T (
0
) ,= 0
donde
0
no es raz del polinomio T () . Ahora bien, para que se cumpla para j = k el
polinomio caracterstico es
j = k = T () = (
0
)
k
() = (
0
)
m
T () = (
0
)
k
()
otra vez
0
no es raz del polinomio () . La ecuacion anterior se cumple para todo en
particular para =
0
. Por lo tanto
1 = (
0
)
km
()
T ()
Es claro que =
0
obliga a k = m
8.3. Autovalores y Autovectores de Matrices Unitarias
Tal y como mencionamos anteriormente, un operador sera unitario si su inversa es igual a su
adjunto. Esto es
U
1
= U
= U
U = UU
= 1
dado que los operadores unitarios conservan la norma de los vectores sobre los cuales ellos act uan,
i.e.
[ x) = U[x)
[ y) = U[y)
_
_
_
= y [ x) = y[ U
U[x) = y [x)
son naturales para representar cambios de base dentro de un espacio vectorial. De lo anterior se
deduce que si [e
1
) , [e
2
) , [e
3
) , [e
n
)es una base ortonormal, el conjunto de vectores transfor-
mados, [w
j
) = U[e
j
) , tambien son ortonormales:
[w
j
) = U[e
j
) =
w
i
[w
j
) =

w
i
U[e
j
) =

e
i
U[e
j
) =
i
j
Bases y operadores unitarios
Los operadores unitarios aplican vectores base de un espacio vectorial en otra. El siguiente Teo-
rema lo ilustra
Teorema La condicion necesaria y suciente para que un operador U : V
n
V
n
sea unitario es que apli-
que vectores de una base ortonormal [e
1
) , [e
2
) , [e
3
) , [e
n
) en otra de [w
1
) , [w
2
) , [w
3
) , [w
n
)
tambien ortonormal.
Demostracion Demostremos primero la condicion necesaria: Si es unitario aplica una base en otra. Esto
es, supongamos que los vectores [e
j
) forman una base ortonormal para V
n
. Sean [) , y
U
[) V
n
. Estos vectores pueden ser expresados en terminos de la base [e
j
) de V
n
. Por
lo tanto, si seleccionamos U
[) se cumple que
U
[) = c
j
[e
j
) = UU
[) = c
j
U[e
j
) = c
j
[w
j
) = [) = c
j
[w
j
)
donde hemos aplicado el operador U a la ecuacion U
[) = c
j
[e
j
) y el resultado es que el otro
vector, [), tambien se pudo expresar como combinacion lineal de los vectores transformados
[w
j
) de la base [e
j
) . Y por lo tanto los [w
j
) tambien constituyen una base. Es decir,
los operadores unitarios aplican una base ortonormal en otra
La condicion de suciencia (Si aplica una base en otra es unitario) se puede demostrar como
sigue. Si [e
j
) y [w
j
) son bases ortonormales de V
n
y una es la transformada de la otra
implica que
[w
j
) = U[e
j
) ; y w
j
[ = e
j
[ U
con
e
i
[e
j
) =
i
j
; [e
j
)
e
j
= 1

w
i
[w
j
) =
i
j
; [w
j
)
w
j
= 1
Por lo tanto,
U
U[e
j
) = U
[w
j
) = [e
k
)
_
e
k
[w
j
) = [e
k
)
_
w
k
[w
j
) = [e
k
)
k
j
= [e
j
)
Esto signica que U
U = 1. De un modo equivalente, se puede demostrar que UU
= 1.
Veamos:
U
[e
j
) = [e
k
)
_
e
k
[e
j
) = [e
k
)
_
w
k
[e
j
)
y ahora, aplicando el operador U a esta ecuacion, tenemos
UU
[e
j
) = U[e
k
)
_
w
k
[e
j
) = [w
k
)
_
w
k
[e
j
) = [e
j
)
Esto signica que esta demostrado que U es unitario: U
U = UU
= 1.
Matrices unitarias
La representacion de una matriz unitaria en una base [e
j
) implica
U
k
j
=
_
e
k
U[e
j
) ; e
m
[ U
[e
j
) =
_
e
j
U[e
m
)
=
_
U
j
m
_
k
j
=
_
e
k
[e
j
) =
_
e
k
1[e
j
) =
_
e
k
UU
[e
j
) =
_
e
k
U[e
m
) e
m
[ U
[e
j
) =
m
U
k
m
_
U
j
m
_
k
j
=
_
e
k
[e
j
) =
_
e
k
1[e
j
) =
_
e
k
U[e
j
) =
_
e
k
[e
m
) e
m
[ U[e
j
) =
m
(U
m
k
)
U
m
j
Una vez mas, dado un operador lineal A, la representacion matricial del Hermtico conjugado de
ese operador A
es la traspuesta conjugada de la matriz que representa al operador A. En el caso

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

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

w
j

A[w
i
) =

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

A[w
i
) =

e
j
AU[e
i
) =

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

A = UAU
Por lo tanto la ecuacion

A = UAU
corresponde a la denicion de la transformacion de un opera-

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

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

A
A = A

A =
_
A
_
Del mismo modo

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

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

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

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

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

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

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

B[
2
) = 0
Demostracion Si A[
1
) = a
1
[
1
) y A[
2
) = a
2
[
2
) entonces
0 =

[A, B] [
2
) =

ABBA[
2
) =
_
A
_
B[
2
)
B(A[
2
))
= a
1
B[
2
) a
2
B[
2
) = (a
1
a
2
)
B[
2
) =
B[
2
) = 0
Teorema Si dos observables A y B, operadores Hermticos, conmutan, [A, B] = 0, los autovectores
[
i
) comunes a A y B constituyen una base ortonormal para V
n
.
Demostracion Denotemos los autovectores de A como

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

i ()
_
forman base los Claramente,
_
i ()

j ()
_
=
i
j
y dado que los elementos de matriz

i ()
j ()
_
=
i
j
esto quiere decir que los elementos
i ()
j ()
_
= B
i ()
j ()
seran nulos para i ,= j pero no podemos decir nada a priori para
el caso ,= y i = j. Entonces, al ordenar la base, en general
1 (1)
_
,
1 (2)
_
,
1 (k
1
)
_
,
2 (1)
_
,
2 (2)
_
, ,
2 (k
2
)
_
, ,
3 (1)
_
,
nkn (1)
_
para el caso que consideraremos sera
1 (1)
_
,
1 (2)
_
,
1 (3)
_
,
2 (1)
_
,
2 (2)
_
,
3 (1)
_
,
4 (1)
_
,
4 (2)
_
,
5 (1)
_
y la representacion matricial de B en esa base,

i ()
j ()
_
, tendra la forma de una
matriz diagonal a bloques
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
B
1 (1)
1 (1)
B
1 (1)
1 (2)
B
1 (1)
1 (3)
0 0 0 0 0 0
B
1 (2)
1 (1)
B
1 (2)
1 (2)
B
1 (2)
1 (3)
0 0 0 0 0 0
B
1 (3)
1 (1)
B
1 (3)
1 (2)
B
1 (3)
1 (3)
0 0 0 0 0 0
0 0 0 B
2 (1)
2 (1)
B
2 (1)
2 (2)
0 0 0 0
0 0 0 B
2 (2)
2 (1)
B
2 (2)
2 (2)
0 0 0 0
0 0 0 0 0 B
3 (1)
3 (1)
0 0 0
0 0 0 0 0 0 B
4 (1)
4 (1)
B
4 (1)
4 (2)
0
0 0 0 0 0 0 B
4 (2)
4 (1)
B
4 (2)
4 (2)
0
0 0 0 0 0 0 0 0 B
5 (1)
5 (1)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Tal y como hemos mencionado los subespacios: c
1
, c
2
, y c
4
corresponden a los autovalores
degenerados a
1
, a
2
, y a
4
(de orden 3, 2 y 2 respectivamente).
Una vez mas surgen dos casos a analizar
Si a
n
es un autovalor no degenerado, entonces existe un unico autovector asociado a este
autovalor (la dimension del autoespacio es 1 esto es k
j
= 1 y no hace falta). Esto corresponde
al ejemplo hipotetico de arriba para los autovalores simples a
3
, y a
5
Si a
n
es un autovalor degenerado, entonces existe un conjunto de autovectores asociados a
este autovalor a
n
(en este caso la dimension del autoespacio es k
n
). Como los

j ()
_
son
autovectores de A su representacion matricial sere diagonal a bloques. Ahora bien, como el
autoespacio S
a
es globalmente invariante bajo la accion de B y B
i ()
j ()
=

i ()
j ()
_
es
Hermtico, por ser B Hermtico entonces B es diagonalizable dentro del bloque que la dene.
Es decir, se podra conseguir una base

j ()
_
tal que la representacion matricial de B en esa
base es diagonal
B
i ()
j
=
_
i ()
j ()
_
=
_
i ()
j ()
_
=

B
i ()
j ()
= b
j ()
i
j
que no es otra cosa que los vectores

j ()
_
seran autovectores de B
B
j ()
_
= b
j ()
j ()
_
Es importante recalcar que los autovectores

j ()
_
de A asociados con un autovalor dege-
nerado NO son necesariamente autovectores de B. Solo que como B es Hermtico puede ser
diagonalizado dentro del autoespacio.
De ahora en adelante denotaremos los autovectores comunes a dos operadores A y B con
distintos autovalores como

u
i|j ()
_
tal que
A
u
n|m ()
_
= a
n
u
n|m ()
_
y B
u
n|m ()
_
= b
m
u
n|m ()
_
donde hemos dejado espacio para permitir la degeneracion la cual sera indicada por el ndice
La prueba del inverso del teorema anterior es bien simple
Teorema Si existe una base de autovectores
_
u
j ()
__
comunes a A y B, entonces A y B conmutan,
[A, B] = 0
Demostracion Es claro que
AB
u
n|m ()
_
= b
m
A
u
n|m ()
_
= b
m
a
n
u
n|m ()
_
BA
u
n|m ()
_
= a
n
B
u
n|m ()
_
= a
n
b
m
u
n|m ()
_
restando miembro a miembro obtenemos de manera inmedita
(ABBA)
u
n|m ()
_
= [A, B]
u
n|m ()
_
= (b
m
a
n
a
n
b
m
)
u
n|m ()
_
= 0
Denicion Diremos que A, B, C, D constituye un conjunto completo de observables que conmuntan
si
1. Obviamente los operadores del conjunto conmuntan entre ellos:
[A, B] = [A, C] = [A, D] = [B, C] = [B, D] = [C, D] = = 0
2. Al especicar el conjunto de autovalores para los operadores
a
n
, b
m
, c
k
, d
l
, se especica de manera unvoca un unico autovetor com un a todos
estos operadores
a
n
, b
m
, c
k
, d
l
, =
u
n|m|k|l ()
_
Analicemos los siguientes ejemplos. Considere, que el espacio de estados para un determinado
sistema fsico viene expandido por una base ortonormal [u
1
) , [u
2
) , [u
3
). Denimos dos operadores
L
z
y S de la siguiente manera
L
z
[u
1
) = [u
1
) ; L
z
[u
2
) = 0; L
z
[u
3
) = [u
3
)
S[u
1
) = [u
3
) ; S[u
2
) = [u
2
) ; S[u
3
) = [u
1
)
En la base ortonormal [u
1
) , [u
2
) , [u
3
) las representaciones matriciales para L
z
, L
2
z
, S y S
2
seran
las siguientes
u
i
L
z
[u
j
) =
_
_
1 0 0
0 0 0
0 0 1
_
_
,
u
i
L
2
z
[u
j
) =
_
_
1 0 0
0 0 0
0 0 1
_
_
u
i
S[u
j
) =
_
_
0 0 1
0 1 0
1 0 0
_
_
,
u
i
S
2
[u
j
) =
_
_
1 0 0
0 1 0
0 0 1
_
_
Es claro que estas matrices son reales y simetricas y, por lo tanto, son Hermticas y, al ser el espacio
de dimension nita, deben ser diagonalizables y sus autovectores formaran base para ese espacio.
Por lo tanto, L
z
, L
2
z
, S y S
2
son observables.
Cual sera la forma mas general de una representacion matricial de un operador que conmunte
con L
z
?
Notamos que los vectores de la base ortonormal [u
1
) , [u
2
) , [u
3
) son autovectores para L
z
con autovalores 1, 0, 1 con lo cual su representacion matricial tiene que ser diagonal. Recuerde
que si dos observables A y B conmutan, [A, B] = 0, y si [
1
) y [
2
) son autovectores de A para
autovalores distintos, entonces el elemento de matriz

B[
2
) = 0, con lo cual
[M, L
z
] = 0
u
i
M[u
j
) =
_
_
M
1
1
0 0
0 M
2
2
0
0 0 M
3
3
_
_
,
Esto se desprende de manera directa de
0 =

u
i
[M, L
z
] [u
j
) =

u
i
ML
z
L
z
M[u
j
) = (
j

i
)
u
i
M[u
j
) con (
j

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

u
1
[N, L
2
z
] [u
3
)
u
1
N[u
3
) =

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

N[u
j
) =
_
_
N
1
1
N
1
3
0
N
3
1
N
2
2
0
0 0 N
3
3
_
_
,
Finalmente, la representacion matricial, mas general, de un operador que conmute con S
2
es
[P, S
2
] = 0
u
i
P[u
j
) =
_
_
P
1
1
P
1
2
P
1
3
P
2
1
P
2
2
P
2
3
N
3
1
P
3
2
P
3
3
_
_
,
Ahora intentaremos construir una base comun de autovectores para L
2
z
y S. Para ello notamos
que [u
2
) es un autovector comun a L
2
z
y S, por lo tanto existira un subespacio expandido por
[u
1
) , [u
3
). En ese subespacio las respresentaciones matriciales para L
2
z
y S, seran
u
i
L
2
z
[u
j
)
S
13
=
_
1 0
0 1
_

u
i
S[u
j
)
S
13
=
_
0 1
1 0
_
Acto seguido planteamos el problema de autovalores para S, esto es
S[q
j
) =
j
[u
j
)
_
0 1
1 0
__
q
1
q
2
_
=
_
q
1
q
2
_

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

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

1
2
_
1
1
_
+

2
2
_
1
1
_

_
1
=
1
2
(x
1
+x
2
)
2
=
1
2
(x
1
x
2
)
Es claro que
[u
1
) =
1
2
(x
1
+x
2
)
_
1
1
_
; y [u
2
) =
1
2
(x
1
x
2
)
_
1
1
_
.
son autovectores de P y D
7
Pueden consultar una animaci on bien interesante y simular en http://qbx6.ltu.edu/s_schneider/physlets/
main/coupledosc.shtml
Referencias
[1] Apostol, T. M. (1972) Calculus Vol 2 (Reverte Madrid) QA300 A66C3 1972
[2] Arfken, G. B. y Weber, H. (2000) Mathematical Methods for Physicists 5ta Edicion (Aca-
demic Press, Nueva York)
[3] Cohen-Tannoudji, C., Diu B. y Laloe (1977) Quantum Mechanics Vol 1 (John Wiley Inters-
cience, Nueva York)
[4] Gelfand, I.M. (1961) Lectures on Linear .Algebra (John Wiley & Sons Interscience, Nueva
York).
[5] Jordan, T.F. (1969) Linear Operator for Quantum Mechanics (John Wiley & Sons In-
terscience, Nueva York).
[6] Schutz, B. (1980) Geometrical Methods in Mathematical Physics (Cambridge University
Press, Londres)

Algebra Lineal Matrices Vectores

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Algebra Lineal Matrices Vectores

Enviado por

Direitos autorais:

Formatos disponíveis

Metodos Matematicos 1

, con un vector ket

Es claro que si V de dimension nita, AV = n tambien sera de dimension nita n y tendremos

) asociado a traves de A con un

) . Es decir cada vector [v

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

1.6. Operadores Hermticos Conjugados

) le correspondera un bra transformado v

ahora bien,si A es lineal, A

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

Luis A. N u nez Universidad de Los Andes, Merida, Venezuela 14

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

[y) = y[ ([v) w[) [x)

[y) = x[ A[y) = y[ A[x)

Claramente los proyectores son autoadjuntos por construccion

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

) pero, a su vez [x) = x

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

las componentes del vector transformado

Luis A. N u nez Universidad de Los Andes, Merida, Venezuela 23

pero mas interesante es

2.6. Inversa de una matriz

= 0. Con lo cual, solo para el caso en el cual

4.6. Matriz Adjunta

Luis A. N u nez Universidad de Los Andes, Merida, Venezuela 32

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

= [) [ si este proyector cumple con una ecuacion de autovalores para un [) supuesta-

= [) [ es 0 y 1,el primer de los cuales es innitamente degenerado y el

: Los autovectores del operador diferen-

Teorema Suponga un operador Hermtico A = A

tiene por autovalores

[) = [ A[) =[ A[) '

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

act ua sobre el complemento ortogonal ^. El polinomio caracterstico

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

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

Por lo tanto la ecuacion

corresponde a la denicion de la transformacion de un opera-

. Es facil identicar las propiedades de estos operadores

, es Hermtico tambien lo sera

Del mismo modo

donde el ndice indica el grado de degeneracion del autovalor a

y dado que los elementos de matriz

Você também pode gostar