Botiqun bsico de Algebral Lineal para Mecnica Cuntica

Julio Csar Gutirrez Vega

Photonics and Mathematical Optics Group
Tecnolgico de Monterrey, Mxico
http://homepages.mty.itesm.mx/jgutierr/
11 de enero de 2012
Estos apuntes contienen los fundamentos de lgebra matricial mnimos necesarios para iniciar con el curso de
Mecnica Cuntica. Los detalles y demonstraciones se pueden consultar en libros ms especializados del tema.
ndice
1. Espacios vectoriales lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2. Linealidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3. Espacio dual, kets, bras, producto interno y bases ortonormales . . . . . . . . . . . . . . . . . . . . . . 3
4. Denicin de matrices especiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5. Transformaciones lineales, operadores y conmutador . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5.1. Propiedades de conmutadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6. Eigenvalores y eigenvectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.1. Caso especial de una matriz de 2 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
7. Denicin y propiedades de matrices Hermitianas y unitarias . . . . . . . . . . . . . . . . . . . . . . . 8
8. Matrices similares y diagonalizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
8.1. Cambio de base de una transformacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
8.2. Diagonalizacin de matrices Hermitianas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
9. Ejemplo: 2 masas acopladas por resortes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1. Espacios vectoriales lineales
Denition 1 Un espacio vectorial lineal V es una coleccin de objetos [
1
, [
2
, ..., [
N
V reales o
complejos llamados vectores para los cuales
1. Hay una regla de suma bien denida (cerradura)
[
1
+[
2
V. (1)
2. Hay una regla de multiplicacin por un escalar a bien denida (cerradura)
a [ V. (2)
3. Hay un vector nulo [0 tal que
[ +[0 = [ . (3)
4. Haya un vector inverso aditivo [a tal que
[ +[ = [ [ = 0. (4)
1
2 J.C. Gutirrez-Vega, Notas de Algebra Lineal Tecnlogico de Monterrey
Propiedades
1. La suma es conmutativa
[
1
+[
2
= [
2
+[
1
(5)
2. La suma es asociativa
[ + ([n +[n) = ([ +[n) +[n = [ +[n +[n . (6)
3. La suma es distributiva
(a +/) ([n +[) = a ([n +[) +/ ([n +[) (7a)
= (a +/) [n + (a +/) [ (7b)
= a [n +a [ +/ [n +/ [ (7c)
4. La multiplicacin es asociativa
a (/ [) = (a/) [ = a/ [ (8)
Ejemplos de espacios vectoriales: Polinomios de grado :, vectores en 3D, matrices de 2 2.
2. Linealidad
Denition 2 Una combinacin lineal de vectores del espacio V es una expresin de la forma
a
1
[
1
+a
2
[
2
+... +a
N
[
N
. (9)
Denition 3 Un vector [n es linealmente independiente de los vectores [
1
, [
2
, ..., [
N
si no puede
escribirse como una combinacin lineal de ellos.
Denition 4 Una coleccin de vectores [
1
, [
2
, ..., [
N
cubre el espacio V si cada vector [n V se
puede expresar con una combinacin
[n = a
1
[
1
+a
2
[
2
+... +a
N
[
N
. (10)
Denition 5 Una base es un conjunto de vectores linealmente independientes que cubren el espacio V.
Ejemplos
a) ^ x, ^ y, ^z , son una base para el espacio de vectores en 3D.
b)
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
, son una base para el espacio de matrices de 2 2.
Denition 6 La dimensin de la base es el nmero mnimo de vectores necesarios para formar la base. La
dimensin puede ser nita (e.g. Vectores unitarios) innita (e.g. Polinomios de Hermite).
Notacin: Si un espacio vecorial tiene dimensin : comunmente se escribe
V
n
(R) si todos los elementos son reales
V
n
(C) si algn elemento es complejo
Notas de Algebra Lineal 3
3. Espacio dual, kets, bras, producto interno y bases ortonormales
La notacin de Dirac asume que los estados de un sistema fsico se representan por un conjunto de vectores
columna denominados kets
[
1
, [
2
, ..., [
N
V, [a =
_

_
a
1
a
2
.
.
.
a
N
_

_
. (11)
Por ejemplo, los estados de spin del electrn se representan en una base de espinores
[+ =
_
1
0
_
, [ =
_
0
1
_
. (12)
Para cada espacio vectorial Vexiste un espacio dual V
y
formado por los vectores rengln adjuntos (transpuesto
conjugados) llamados bras

1
[ ,
2
[ , ...,
N
[ V
y
, , a[ =
_
a

1
, a

2
, a

(13)
Algunas propiedades de los bras y ket son
1. Para cada ket corresponde un bra
[ =
_

2
.
.
.

N
_

_
= [ =
_

1
,

2
,

. (14)
2. Esta correspondencia es anti-lineal. Si c es una constante compleja
[ c = c

[ . (15)
Equivalentemnte, el ket [c est asociado al bra c[ , pero si intentamos sacar la constante, recordar que
[c = [ c, c[ = c

[ (16)
Denition 7 El PRODUCTO INTERNO de dos vectores [n y [n
n[n =
_
n

1
, n

2
, n

_
n
1
n
2
.
.
.
n
N
_

_
= n[n

=
_

_
_
n

1
, n

2
, n

_
n
1
n
2
.
.
.
n
N
_

_
_

(17)
es un nmero complejo (en general) que resulta de multiplicar el bra n[ por el ket [n y que satisface la propiedad
de linealidad
n[ (a [r +/ [j) = a n[r +/ n[j . (18)
Denition 8 El PRODUCTO EXTERNO de dos vectores [ y [n
[ n[ =
_

2
.
.
.

N
_

_
_
n

1
, n

2
, n

, (19)
es un operador. La ventaja de la notacin de Dirac, es que si este operador [ n[ acta sobre un ket [a , i.e.
[ n[a , (20)
esperamos obtener un ket. Note que la cantidad n[a es un nmero complejo (producto interno de n y a).
Consequentemente [ n[a es un ket.
4 J.C. Gutirrez-Vega, Notas de Algebra Lineal Tecnlogico de Monterrey
Denition 9 La NORMA de un vector [n se dene como
[n[ =
_
n[n _ 0, [n[ = 0 si y solo si [n = 0. (21)
Denition 10 La FASE relativa de dos vectores [n y [n se dene como
arg n[n = arc cos
_
n[n n[n
n[n n[n
. (22)
Denition 11 Dos vectores [n y [n son ORTOGONALES si
n[n = 0. (23)
Denition 12 Una BASE ORTONORMAL del espacio vectorial V es un conjunto de vectores linealmente
independientes [
1
, [
2
, ..., [
N
V que son ortogonales entre si y tienen norma igual a 1, esto es

j
[
k
= c
jk
. (24)
Ejemplo de operador lineal: El proyector hacia un ket [n
Sea [ un ket normalizado, i.e. n[n = 1. Considere el operador 1
u
denido por
1
u
= [n n[ , (25)
y aplcalo a un ket arbitrario [a :
1
u
[a = [n n[a . (26)
1
u
actuando sobre [a da un ket proporcional a [n . El coeciente de proporcionalidad n[a es el producto
escalar de [n y [a . De esta forma, el operador 1
u
= [n n[ es el proyector de un ket arbitrario sobre el ket [n .
El proyector satisface
1
2
u
= 1
u
1
u
= [n n[n n[ = [n n[ = 1
u
, (27)
que equivale a decir que proyectar dos veces sobre un vector es igual a proyectar solo una vez.
Ejemplo de operador lineal: El proyector hacia un espacio
Sean [n
1
, [n
2
, ..., [n
N
una base ortonormal para un subespacio l, tal que n
m
[n
n
= c
mn
. El operador
de proyeccin
1 =
N

n=1
[n
n
n
n
[ , (28)
constituye un proyector del ket [a al subespacio l
1 [a =
N

n=1
[n
n
n
n
[a , (29)
ya que 1 [a da la superposicin lineal de proyecciones de [a en los vectores base [n
n
, esto es, la proyeccin
de [a en el subespacio l.
Ejemplo: Proceso de normalizacin de Gram-Schmidt.
Para construir una base ortonormal [c
1
, [c
2
, ..., [c
N
a partir de una base arbitraria [
1
, [
2
, ..., [
N

se aplica el proceso de Gram-Schmidt

1. Normalizar el primer vector
[c
1
=
[
1

[ [
1
[
. (30)
Notas de Algebra Lineal 5
2. Construir un vector ortonormal a [c
1

[c
2
=
[
2
[c
1
c
1
[
2

[[
2
[c
1
c
1
[
2
[
. (31)
3. Construir un vector ortonormal a [c
1
y [c
2

[c
3
=
[
3
[c
1
c
1
[
3
[c
2
c
2
[
3

[[
3
[c
1
c
1
[
3
[c
2
c
2
[
3
[
, (32)
y as sucesivamente.
4. Denicin de matrices especiales
Previamente a denir algunas matrices especiales, es importante denir dos caractersticas importantes de
una matriz.
Denition 13 El DETERMINANTE de una matriz cuadrada A =a
jk
es un nmero representado por
det A y cuya frmula general es
det A =

a
1k1
a
2k2
...a
nkn
, (33)
donde los ndices de columna /
1
, /
2
, ..., /
n
son tomados del conjunto 1, 2, ..., : sin repeticiones. El signo positivo
(negativo) es asumido si la permutacin (/
1
, /
2
, ..., /
n
) es par (impar). Para una matriz de 2 2
det
_
a /
c d
_
= ad /c. (34)
Propiedades
det (aA) = a
n
det A (35)
det AB = det Adet B. (36)
det
_
A
T
_
= det A, (37)
det
_
A
1
_
= (det A)
1
(38)
Denition 14 La TRAZA de una matriz cuadrada A =a
jk
es la suma de los elementos de su diagonal
central, i.e.
Tr A =

a
jj
. (39)
Propiedades
Tr (aA) = a Tr A (40)
Tr AB = Tr BA. (41)
Tr
_
A
T
_
= Tr A, (42)
Tr
_
A
1
_
= (Tr A)
1
(43)
Denamos ahora un conjunto de matrices especiales:
Denition 15 La matriz IDENTIDAD se dene con 1 = c
mn
, esto es
1 =
_
_
1 0 0
0 1 0
0 0 1
_
_
. (44)
La matriz identidad siempre es cuadrada.
6 J.C. Gutirrez-Vega, Notas de Algebra Lineal Tecnlogico de Monterrey
Denition 16 La INVERSA A
1
de una matriz A =a
jk
corresponde a la matriz tal que
A A
1
= A
1
A = 1, (45)
y satisface la propiedad
(AB)
1
= B
1
A
1
. (46)
No todas las matrices tienen inversa. Un requisito necesario para que A tenga inversa es que det A ,= 0. Para
una matriz de 2 2
_
a /
c d
_
1
=
1
ad /c
_
d /
c a
_
. (47)
Denition 17 La TRANSPUESTA de una matriz A =a
jk
corresponde a la matriz
A
T
=a
kj
, (48)
y satisface las propiedades
(A+B)
T
= A
T
+B
T
, (49)
(AB)
T
= B
T
A
T
, i.e. AB =
_
B
T
A
T
_
T
. (50)
Denition 18 La ADJUNTA de la matriz A =a
jk
se dene como la transpuesta conjugada
A
y
=
_
A
T
_

= (A

)
T
, (51)
y satisface la propiedad
(AB)
y
= B
y
A
y
. (52)
Ejemplo: El bra de un ket es la adjunta
[ =
_

2
.
.
.

N
_

_
= [ =
_

1
,

2
,

. (53)
5. Transformaciones lineales, operadores y conmutador
Denition 19 Un OPERADOR T transforma un ket [a V en otro ket [/ V. Esto se expresa de la
forma
[/ = A [a . (54)
Los operadores tambin pueden operar sobre los vectores duales (bras).
Si [/ = A [a entonces /[ = a[ A
y
. (55)
Las propiedades de linealidad de los operadores son
T (c
1
[a +c
2
[/) = c
1
T[a +c
2
T[/ , (56a)
(a[ c
1
+/[ c
2
) T = a[ T c
1
+/[ T c
2
, (56b)
donde c
1
y c
2
son constantes.
Producto de operadores representan una transformacin unicada y en secuencia
AB[a = M[a , donde M= AB. (57)
En general 2 operadores no conmutan
AB ,= BA. (58)
Notas de Algebra Lineal 7
Denition 20 El CONMUTADOR de los operadores A y B se dene como
[A, B] = ABBA. (59)
Example 21 Sean los operadores = r y 1 = d,dr, entonces el conmutador [, 1] = [r, d,dr] est dado por
_
r,
d
dr
_
) = r
d)
dr

d
dr
(r)) = ), (60)
por lo tanto concluimos que el operador r y el operador derivada d,dr no conmutan y de hecho
_
r,
d
dr
_
= 1. (61)
5.1. Propiedades de conmutadores
Si [A, B] = 0 entonces y 1 conmutan. Se cumple que AB = BA solo si las matrices son diagonales.
La traza del producto AB satisface
Tr (AB) = Tr (BA) , entonces Tr [A, B] = 0. (62)
Sean A, B, C tres operadores
[, 1] + [1, ] = 0, (63a)
[, ] = 0, (63b)
[, 1 +C] = [, 1] + [, C] , (63c)
[, 1]
y
=
_
1
y
,
y

, (63d)
[, 1C] = [, 1] C +1[, C] , (64a)
[1, C] = [1, C] + [, C] 1, (64b)
[, [1, C]] + [1, [C, ]] + [C, [, 1]] = 0. (65)
6. Eigenvalores y eigenvectores
Denition 22 Los eigenvectores del operador A son aquellos vectores [a
n
que satisfacen la relacin
A[a
n
= j
n
[a
n
, (66)
donde j
n
es una constante compleja llamada eigenvalor.
Los eigenvectores se autoreproducen despus de la transformacin excepto por un factor de escala.
Cuando 2 o ms eigenvectores tienen el mismo eigenvalor, se dice que son DEGENERADOS.
La MULTIPLICIDAD del eigenvalor corresponde al nmero de eigenvectores linealmente independientes
que comparte.
6.1. Caso especial de una matriz de 2 2
Los eigenvalores de la matriz
' =
_
a /
c d
_
(67)
8 J.C. Gutirrez-Vega, Notas de Algebra Lineal Tecnlogico de Monterrey
estn dados por
j

=
tr
2

_
_
tr
2
_
2
det
_
1=2
=
1
2
_
a +d
_
(a d)
2
+ 4/c
_
, (68)
donde tr = a +d es la traza y det = ad /c es el determinante.
Los eigenvectores [

son
[

= C
_
/
j

a
_
, (69)
donde C es cualquier constante. Tambin podemos escribir
[

__
j

d
_
,c
1
_
=
_
_
_
a d (
_
(a d)
2
+ 4/c
_
,2c
1
_
_
. (70)
7. Denicin y propiedades de matrices Hermitianas y unitarias
Denition 23 La matriz cuadrada real A =a
jk
R es SIMETRICA o ANTI-SIMETRICA si es
igual a su transpuesta o al negativo de su transpuesta, respectivamente.
A
T
= A. A
T
= A. (71)
Cualquier matriz cuadrada real se puede descomponer en su parte simtrica y su parte anti-simtricaC
A =
_
A+A
T
2
_
+
_
AA
T
2
_
(72)
Denition 24 La matriz H =/
jk
es HERMITIANA (o AUTO-ADJUNTA) si es igual a su adjunta
H
y
= H, equivalentemente H
T
= H

(73)
o ANTI-HERMITIANA si es igual al negativo de su adjunta,
H
y
= H, equivalentemente H
T
= H

(74)
Una matriz Hermitiana tiene las propiedades
1. Los elementos de su diagonal principal de una matriz Hermitiana siempre son reales.
2. Los eigenvalores de una matriz Hermitiana siempre son reales.
3. Los eigenvalores de una matriz anti-Hermitiana siempre son imaginarios o cero..
4. Eigenvectores correspondientes a diferentes eigenvalores de una matriz hermitiana son ortogonales.
5. Si una matriz Hermitiana tiene eigenvalores distintos, los eigenvectores forman una base ortonormal
del espacio de dimensin .
6. Cualquier matriz A se puede descomponer en su parte Hermitiana y anti-Hermitiana
A =
_
A+A
y
2
_
+
_
AA
y
2
_
. (75)
7. Si H es una matriz Hermitiana la operacin
r[H[r = / R (76)
se conoce como forma Hermitiana y su resultado siempre es un nmero real.
Notas de Algebra Lineal 9
8. Si H es una matriz anti-Hermitiana la operacin
r[H[r = / Im (77)
se conoce como forma anti-Hermitiana y su resultado siempre es un nmero imaginario puro.
9. Si H es una matriz Hermitiana, la norma de la matriz es simplemente multiplicarla por si misma, i.e.
H[H = H
y
H = H
2
(78)
10. Si H es una matriz Hermitiana,
a) su determinante es igual al producto de sus eigenvalores,
b) su traza es igual a la suma de sus eigenvalores.
11. La diagonalizacin de una matriz Hermitiana H est dada por la transformacin
U
1
AU = D, (79)
donde U es una matriz unitaria cuyas columnas son el eigenvectores normalizados de A y D es una matriz
diagonal con los eigenvalores.
12. Equivalentemente, la expansin de una matriz Hermitiana est dada por
A = UDU
1
. (80)
Denition 25 La matriz A =a
jk
es UNITARIA si
A[A = A
y
A = 1, equivalentemente A
y
= A
1
(81)
es decir su adjunta y su inversa son iguales.
Una matriz unitaria tiene las propiedades
1. El producto de matrices unitarias es unitario.
2. Las columnas y renglones de una matriz unitaria forman una base ortonormal para el espacio de dimensin
.
3. Los eigenvalores de una matriz unitaria son nmeros complejos de mdulo unitario, i.e. exp(ic
n
) .
4. Los eigenvectores de una matriz unitaria son mutuamente ortogonales.
5. Matrices unitarias preservan los productos internos. Si
[a
0
= U[a j [/
0
= U[/ , (82)
entonces
/
0
[a
0
=

/[U
y
U[a
_
= /[a . (83)
6. Si U es una matriz unitaria,
a) su determinante es igual al producto de sus eigenvalores,
b) su traza es igual a la suma de sus eigenvalores.
7. Matrices de rotacin son ejemplos de matrices unitarias.
10 J.C. Gutirrez-Vega, Notas de Algebra Lineal Tecnlogico de Monterrey
8. Matrices similares y diagonalizacin
Denition 26 Las matrices A =a
jk
y B =/
jk
de tamao son SIMILARES ( semejantes
equivalentes) si existe una matriz invertible T tal que
B = T A T
1
. (84)
La transformacin de la matriz A en la matriz B se llama de TRANFORMACIN DE SIMILARIDAD
equivalencia.
Denition 27 Si T U es unitaria, i.e.
B = U A U
1
. (85)
entonces la transformacin de equivalencia es UNITARIA.
Dos matrices similares A y B tienen las propiedades
1. A y B tienen los mismos eigenvalores.
2. El determinante y la traza de A y B son iguales.
3. Si A es ortonormal, entonces B ser ortonormal si y solo si T es unitaria.
Denition 28 Una mtariz A =a
jk
de es DIAGONALIZABLE si existe una matriz T tal que A
es similar a una matriz diagonal D, i.e.
D = T A T
1
. (86)
Corollary 29 Una matriz A =a
jk
de es diagonizable si y solo si tiene eigenvectores linealmente
independientes. En este caso la matriz diagonal est dada por
D =
_

_
j
1
0 0
0 j
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 j
N
_

_
, (87)
donde j
j
son los eigenvalores de A y T es una matriz cuyas columnas son los eigenvectores de A, entonces
D = T A T
1
. (88)
Corollary 30 Si una matriz A tiene eigenvalores distintos, entonces es diagonalizable.
Corollary 31 Factorizacin espectral de una matriz. La expansin de la matriz A se puede obtener de
la relacin de diagonalizacin
D = T A T
1
, (89)
T
1
D = T
1
T A T
1
= A T
1
, (90)
T
1
DT = AT
1
T = A. (91)
As la matriz A puede factorizarse de la forma
A = T
1
DT. (92)
Notas de Algebra Lineal 11
8.1. Cambio de base de una transformacin lineal
Desde un punto de vista fsico, matrices similares representan la misma transformacin en diferentes sistemas
de coordenadas.
Consideremos la transformacin lineal denida por el operador W
[/
w
= W[a
w
(93)
donde [a
w
y [/
w
estn representadas en una base w = [n
1
, [n
2
, ..., [n
N
.
Si ahora se desea expresar [a en trminos de otra base v = [
1
, [
2
, ..., [
N
, entonces Wtiene que cambiar
a otra matriz V.
Consideremos que C es la matriz que transforma las componentes n de [a
w
en las componentes de [a
v
,
esto es C[a
w
= [a
v
.
Inversamente, C
1
transforma las componentes de de [a
v
en las componentes n de [a
w
, esto es [a
w
=
C
1
[a
v
.
Entonces podemos escribir
[/
w
= W [a
w
, (94a)
C
1
[/
v
= W
_
C
1
[a
v

, (94b)
[/
v
= CWC
1
[a
v
, (94c)
[/
v
= V[a
v
, (94d)
donde V = CWC
1
es la nueva matriz de transformacin en la base v.
Ejemplo: Base cartesiana y base espinorial
Consideremos las bases Cartesiana y helicoidal (espinorial)
[r =
_
1
0
_
, [j =
_
0
1
_
, [+ =
1
_
2
_
1
i
_
, [ =
1
_
2
_
1
i
_
, (95)
Cualquier ket se puede expresar como una superposicin en una base o en otra
[a
c
= [r c
x
+[j c
y
, [a
e
= [+ c
+
+[ c

. (96)
Es fcil demostrar que si conocemos las componentes Cartesianas de [a entonces las componentes espinoriales
son
_
c
+
c

_
=
1
_
2
_
1 i
1 i
_ _
c
x
c
y
_
. (97)
Inversamente, si conocemos las espinoriales, la cartesianas sern
_
c
x
c
y
_
=
1
_
2
_
1 1
i i
_ _
c
+
c

_
. (98)
Supongamos que [a
c
est expresado en cartesianas y se transforma acorde a
[/
c
= M [a
c
, (99)
donde [/
c
estar dado en Cartesianas.
Si ahora deseamos expresar esta transformacin en espinoriales tenemos
[/
e
= N [a
e
= CMC
1
[a
e
, (100)
donde
C =
1
_
2
_
1 i
1 i
_
, (101)
es la transformacin que me convierte de cartesianas a espinoriales.
12 J.C. Gutirrez-Vega, Notas de Algebra Lineal Tecnlogico de Monterrey
8.2. Diagonalizacin de matrices Hermitianas
En base a los resultados anteriores tenemos
Theorem 32 Una matriz Hermitiana A puede ser diagonalizada por un cambio unitario de base.
Theorem 33 Si A es Hermitiana, entonces existe una matriz unitaria U (construida con los eigenvectores de
A) talque U
y
AU es diagonal.
Diagonalizacin simultnea de 2 matrices Hermitianas
Theorem 34 Si A y B son dos matrices Hermitianas que conmutan, i.e. [A, B] = 0, entonces existe (al menos)
una base de eigenvectores comunes que diagonalizan ambas matrices.
9. Ejemplo: 2 masas acopladas por resortes
Consideremos el sistema de 2 masas mostrado en la Fig. 1. Los bloques tienen masa :, los resortes que
conectan a la pared una constante 1, y el resorte que conecta las masas una constante /.
1. Planteamiento del sistema de ecuaciones. Sean r(t) y j (t) los desplazamientos de las masas a partir
de sus posiciones de equilibrio. La aplicacin de la segunda ley de Newton lleva al sistema de ecuaciones
:
d
2
r
dt
2
= 1r +/ (j r) = (/ +1) r +/j, (102)
:
d
2
r
dt
2
= / (j r) +1j = /r (/ +1) j. (103)
Este sistema se puede escribir en forma matricial de la forma
d
2
dt
2
_
r(t)
j (t)
_
=
1
:
_
(/ +1) /
/ (/ +1)
_ _
r(t)
j (t)
_
, (104)
equivalentemente
d
2
dt
2
[r = A[r , (105)
A =
1
:
_
(/ +1) /
/ (/ +1)
_
, [r (t) =
_
r(t)
j (t)
_
, r, j R, (106)
donde identicamos que A es Hermitiana.
2. Eliminacin del tiempo: Reduccin a un problema de eigenvalores. Si asumimos que r(t) y j (t)
se pueden escribir de forma armnica compleja
r(t) = r
0
exp(i.t) , j (t) = j
0
exp(i.t) , (107)
donde . es la frecuencia de oscilacin del sistema, entonces el operador segunda derivada d
2
,dt
2
se puede
sustitur por (i.)
2
= .
2
, por lo tanto
A[r
0
= .
2
[r
0
, [r
0
=
_
r
0
j
0
_
, r
0
, j
0
C. (108)
donde [r
0
es el vector de amplitudes complejas. De esta manera, las frecuencias .
2
corresponden a los
eigenvalores del operador A.
Notas de Algebra Lineal 13
3. Un comentario sobre la base. En la ecuacin
d
2
dt
2
[r = A[r , (109)
el vector [r est expresado en una bse cannica cartesiana
[A =
_
1
0
_
, [1 =
_
0
1
_
, (110)
que representa desplazamientos unitarios de cada masa.
En el tiempo t, el estado del sistema queda representado por la superposicin
[r = [A r(t) +[1 j (t) . (111)
En la base cannica, la matriz A acopla los desplazamientos r y j atravs de los elementos
12
,
21
. Es
deseable expresar [r en una base diferente donde los elementos de [r estn desacoplados. Es decir, una
base donde A sea diagonal. Esta es la base de eigenvectores de A.
4. Los eigenvectores y eigenvalores de la matriz A son
[l =
1
_
2
_
1
1
_
, j
1
= .
2
1
=
1
:
, (112)
[\ =
1
_
2
_
1
1
_
, j
2
= .
2
2
=
2/ +1
:
. (113)
5. Interpretacin fsica: El estado [r (t) del sistema se puede expresar en la nueva base ortogonal de
vectores [l y [\
[r (t)
uv
= [l n(t) +[\ (t) =
_
n(t)
(t)
_
, (114)
Una oscilacin proporcional al modo [l (i.e. masas igualmente desplazadas de su posicin de equilibrio)
siempre se mantiene proporcional a ese estado y oscila a una frecuencia .
1
=
_
1,:.
Una oscilacin proporcional al modo [\ (i.e. masas igualmente anti-desplazadas de su posicin de equi-
librio) siempre se mantiene proporcional a ese estado y oscila a una frecuencia .
2
=
_
(2/ +1) ,:.
[l y [\ son estados de oscilacin invariantes del sistema. Son los modos de oscilacin naturales del
sistema.
6. La matriz Hermitiana A se puede expandir como
A = T
1
DT, (115)
donde T es una matriz unitaria formada con los eigenvectores de A y D es la diagonal de sus eigenvalores
T =
1
_
2
_
1 1
1 1
_
, D =
_
j
1
0
0 j
2
_
, T
1
=
1
_
2
_
1 1
1 1
_
. (116)
De esta forma la ecuacin dinmica toma la forma
d
2
dt
2
[r = A[r = T
1
DT[r , (117)
que lleva a
d
2
dt
2
[T[r] = D[T[r] , (118)
d
2
dt
2
[r
uv
= D[r
uv
, (119)
donde vemos que la transformacin de las componentes vector entre ambas bases est dada por
T[r = [r
uv
. (120)
14 J.C. Gutirrez-Vega, Notas de Algebra Lineal Tecnlogico de Monterrey
7. El sistema [r (t)
uv
evoluciona en el tiempo de acuerdo a
d
2
dt
2
[r (t)
uv
=
_
.
2
1
0
0 .
2
2
_
[r (t)
e
=
_
.
2
1
n(t)
.
2
2
(t)
_
. (121)
Es decir, las ecuaciones estn desacopladas. Por lo que podemos escribir
d
2
n(t)
dt
2
= .
2
1
n(t) ,
d
2
(t)
dt
2
= .
2
2
(t) . (122)
Las soluciones a estas ecuaciones armnicas estn dadas por
n(t) = n
0
(0) exp(i.
1
t) , (t) =
0
(0) exp(i.
2
t) , (123)
donde n
0
(0) y
0
(0) son los desplazamientos en t = 0 en la base (n, ) . As, las componentes de [r (t)
e
en la base [l , [\ se desacoplan y se pueden resolver fcilmente.
8. La solucin general en la base [l , [\ es
[r (t)
uv
= [l n(t) +[\ (t) , (124)
= [l n
0
(0) exp(i.
1
t) +[\
0
(0) exp(i.
2
t) . (125)
Que puede expresarse como
_
n(t)
(t)
_
=
_
exp(i.
1
t) 0
0 exp(i.
2
t)
_ _
n(0)
(0)
_
. (126)
La matriz es el propagador en la base [l , [\ .
9. Expresando [r
0
en la base Cartesiana .
a) Expansin de los vectores [l y [\ en la base cartesiana
[l = [A a
1
+[1 a
2
= [A A[l +[1 1 [l = [A
1
_
2
+[1
1
_
2
, (127)
[\ = [A a
1
+[1 a
2
= [A A[\ +[1 1 [\ = [A
1
_
2
+[1
1
_
2
, (128)
es decir
_
[l
[\
_
= T
_
[A
[1
_
=
1
_
2
_
1 1
1 1
_ _
[A
[1
_
. (129)
b) Expansin de las componentes (n
0
,
0
) en la base cartesiana
n
0
= l[r
0
=
1
_
2
[1, 1]
_
r
0
j
0
_
=
r
0
+j
0
_
2
, (130)

0
= \ [r
0
=
1
_
2
[1, 1]
_
r
0
j
0
_
=
r
0
j
0
_
2
, (131)
es decir
_
n
0

0
_
= T
_
r
0
j
0
_
=
1
_
2
_
1 1
1 1
_ _
r
0
j
0
_
. (132)
c) Sustituyendo
[r (t) =
_
[A +[1
_
2
_
r
0
(0) +j
0
(0)
_
2
exp(i.
1
t) +
_
[A [1
_
2
_
r
0
(0) j
0
(0)
_
2
exp(i.
2
t) , (133)
_
r(t)
j (t)
_
= [A
r
0
(0) [exp (i.
1
t) + exp(i.
2
t)] +j
0
(0) [exp (i.
1
t) exp(i.
2
t)]
2
(134)
+[1
r
0
(0) [exp (i.
1
t) exp(i.
2
t)] +j
0
(0) [exp (i.
1
t) + exp(i.
2
t)]
2
(135)
Notas de Algebra Lineal 15
10. El propagador. Esta relacin se puede reescribir como
[r (t) = P[r (0) (136)
_
r(t)
j (t)
_
=
1
2
_
exp(i.
1
t) + exp(i.
2
t) exp(i.
1
t) exp(i.
2
t)
exp(i.
1
t) exp(i.
2
t) exp(i.
1
t) + exp(i.
2
t)
_ _
r(0)
j (0)
_
. (137)
la cual pone de maniesto el propagador del sistema en la base [A y [1
P =
1
2
_
exp(i.
1
t) + exp(i.
2
t) exp(i.
1
t) exp(i.
2
t)
exp(i.
1
t) exp(i.
2
t) exp(i.
1
t) + exp(i.
2
t)
_
, (138)
=
exp(i.
1
t)
2
_
1 1
1 1
_
+
exp(i.
2
t)
2
_
1 1
1 1
_
. (139)
a) El propagador es independiente del estado inicial del sistema.
b) El propagador se puede poner de manera abstracta
P = [l l[ exp(i.
1
t) +[\ \ [ exp(i.
2
t) (140)
11. RESUMIENDO: Para solucionar el problema
d
2
dt
2
[r = A[r , (141)
a) Encuentra los eigenvectores [l , [\ y eigenvalores .
2
1
, .
2
2
de la matriz A.
b) Construye el propagador
P = [l l[ exp(i.
1
t) +[\ \ [ exp(i.
2
t) . (142)
c) La evolucin temporal est dada por
[r (t) = P[r (0) . (143)
.