Presentacion de Mecanica Clasica, Fundamentos

Espacios Vectoriales
MECANICA CUANTICA
José Luis Lucio Martı́nez
Deparatamento de Fı́sica
DCI, Campus León
Universidad de Guanajuato
23 de agosto de 2017
J. L. Lucio MATEMATICAS
CALIFICACIÓN:
50 Exámenes parciales,
25 examen final,
25 tareas y exposiciones
BAJAS:
Normatividad
Conjunto de vectores V = {V1 , V2 ...Vn } que se pueden sumar entre

si y multiplicar por escalares {α, β...} de tal manera que cumplen:
la operacion suma y la multiplicacion por un escalar realizadas

sobre elementos de V solo da elementos de V
Para vectores arbitrarios Vi , Vj · · · Vk ∈ V
Vi + Vj = Vj + Vi
Vi + (Vj + Vk ) = (Vi + Vj ) + Vk
∃ 0 3 ∀Vk 0 + Vk = Vk + 0 = Vk
∀ Vk ∈ V ∃ (−Vk ) 3 Vk + (−Vk ) = 0
Para vectores Vi , Vj arbitrarios y escalares arbitrarios α, β

α(Vi + Vj ) = αVi + αVj
(α + β)Vi = αVi + βVi
α(βVi ) = (αβ)Vi
INDEPENDENCIA LINEAL
Se dice que un conjunto de vectores {V1 , V2 · · · Vn } es linealmente
independiente si no existe entre ellos una relacion lineal de la forma:
n
X
αi Vi = 0 (1)
i=1
excepto la trivial en la que αi = 0 ∀ i
Espacio Vectorial n-dimesional: Espacio vectorial que admite como

maximo n vectores linealmente independientes.
Ninguno de los elementos de un conjunto de vectores L.I. puede

expresarse como combinacion lineal del resto de vectores
Pn
T1: Si {V1 , V2 ...Vn } son L.I. → V = i=1 αi Vi . L.I. → α 6= 0
T2: Los coeficientes de la expansion son unicos. Si ∃ otra expansion

Pn Pn
V = i=1 βi Vi , V − V = 0 = i=1 (αi − βi )Vi {Vi } L.I. → αi = βi ∀ i
Vectores base: Vectores L.I.
Espacio Vectorial {Real, Complejo} : V n ({R, C})α ∈ {R, C}
PRODUCTO INTERNO: Asocia un escalar a dos vectores.
El producto interno de Vi , Vj se denota < Vi |Vj > y satisface:
< Vi |Vi > ≥ 0; 0 ↔ Vi = 0

< Vi |Vj >=< Vj |Vi > ∗
< Vi |αVj + βVk >= α < Vi |Vj > +β < Vi |Vk >
El producto escalar es lineal en el ket pero antilineal en el bra.
< αVj +βVk |Vi >=< Vi |αVj +βVk >∗ = α∗ < Vi |Vj >∗ +β∗ < Vi |Vk >∗
NORMA: La norma de un vector V se denota |V|. Si |V| = 1, unitario.
Vi , Vj son ortogonales si su producto interno es cero: < Vi |Vj >= 0
(
1 if i = j,
{ei , ej · · · }, < ei |ej >= δij δij =
0 if i 6= j
Producto escalar en terminos de vectores base, ORTONORMALES :
< V |V 0 >= αi∗ βj < ei |ej >= αi∗ βi

P P
i,j i
Desigualdad de Schwarz: < V1 |V1 >< V2 |V2 > ≥ | < V1 |V2 > |2
V = V1 + λV2 → < V |V > ≥ 0
< V1 |V1 > +λ2 < V2 |V2 > +λ(< V1 |V2 > + < V2 |V1 >∗ ) ≥ 0
Forma cuadrática en λ: Discriminante ≥ 0 → D.S.
Notación de Dirac:
Dimensión finita, expansión en una base, única. Dos asociaciones:
 
v1
 v2 
V→ (v1∗ , v2∗ , · · · vn∗ ) ← V
 
.. 
 . 
vn
Pn
En una base: V= i=1 vi ei DIRAC: (BRA) KET, uno ↔ uno
Pn Pn
|V > = i vi |ei > < V | = i < ei |vi∗
 
0
 .. 
 . 
 
|ei > → 
 1 
 (0, · · · 1, · · · 0) ← < ei |
 . 
 .. 
0
En general: α|V > ↔ α∗ < V | Ec. ADJUNTA:
α|V >= β|V1 > +γ|V2 > ↔ < V |α∗ =< V1 |β ∗ + < V2 |γ ∗
Expansión en una base: i, j, k ... ı́ndices, etiquetas.
P P
|V >= j vj |j > → < i|V >= j vj < i|j >= vj δij = vi i.e. vi =< i|V >
P P P P
|V >= i vi |i >= i |i > vi = i |i >< i|V >= ( i |i >< i|)|V >
Pn
I= i=1 |i >< i|
< i|vi∗ < i|V >∗ =< V |i >= vi∗

P P
< V| = i < V |i >< i| = i
| {z }
identidad
< V |i >< i| (< V |i >= vi∗ )

P P
|V >= i |i >< i|V > ↔ < V | = i
ADJUNTA: α → α∗ ; |u > → < u| y < w| → |w >
T: Graham-Schmidt: n vectores L.I. → n vectores ortonormales.
|1 >= |v1 >; |2 >= |v2 > − |1><1|

<1|1> |v2 >;
|3 >= |v3 > − |1><1| |2><2|

<1|1> |v3 > − <2|2> |v3 >;
n−1
|i><i|
X
|n >= |vn > − <i|i> |vn > .
i=1
T: El máximo número de vectores mutuamente ortogonales en

un espacio vectorial es igual al máximo número de vectores L.I.
{|V1 >, |V2 >, · · · |Vn >} mutuamente ⊥ son también L.I.
αi < Vk |Vi >= αk |Vk |2

P P
Sups: ∃, 0 = i αi |Vi >, (αi 6= 0 ∀i) → i
∴ αk = 0, ∀k → {|Vi >} son L.I. si son ortogonales.
SUBESPACIO: V espacio vectorial; un subconjunto de vectores, que

forman un espacio vectorial (+, x por escalar) es llamado SEV.
Ejem: V = V 3 (R). Subespacios: V = Vx1 (R), V = Vy1 (R), V = Vxy

2
(R)
SEV V1 , V2 se define la suma ⊕ como {vr ∈ V1 , vt ∈ V2 , vu ∈ V1 ◦ V2 }
OPERADORES.
Regla que asocia a cualquier vector V un vector V 0 ; V , V 0 ∈ Vn .
Aplica a bra y a kets: |V 0 >= Ω|V >, < V 0 | =< V |Ω
OPERADORES LINEALES SATISFACEN.

Ωα|Vi >= αΩ|Vi >; Ω(α|Vi > +β|Vj >) = αΩ|Vi > +βΩ|Vj >
< Vi |αΩ =< Vi |Ωα; (< Vi |α+ < Vj |β)Ω =< Vi |Ωα+ < Vj |Ωβ
R( 21 π î)|1 >= |1 >
R( 21 π î)|2 >= |3 > R|V >= v1 R|1 > +v2 R|2 > +v3 R|3 >
R( 21 π î)|3 >= −|2 >
Producto de operadores: ΛΩ|V >= Λ(Ω|V >) = Λ|ΩV >
Orden es importante: ΩΛ|V >= Ω(Λ|V >) = Ω|ΛV >
En general ΩΛ 6= ΛΩ [Ω, Λ] = Conmutador de Ω y Λ
[Ω, ΛΘ] = [Ω, Λ]Θ + Λ[Ω, Θ]; [ΩΛ, Θ] = Ω[Λ, Θ] + [Ω, Θ]Λ
El inverso de Ω se denota Ω−1 , 3 Ω−1 Ω = 1 = ΩΩ−1
Inverso de un producto: (ΩΛ)−1 = Λ−1 Ω−1
REPRESENTACIÓN MATRICIAL:
Base: ei arreglo de n componentes, única no nula la i esima)
P
Representación matricial V → base ei ; |V >= i vi |ei >
Representación matricial Ω → base ei ; < i|Ω|j >= Ωij n×n
|V 0 >= Ω|V >= vi0 |i >; v 0 (vi )

P P
|V >= i vi |i >; i
vj0 =< j|V 0 >=< j|Ω|V >= i < j|Ωvi |i

P P
>= i vi < j|Ω|i >= Ωji vi
 
Ω11 Ω12 ... Ω1n
 Ω21 Ω22 ... Ω2n 
Ωji =  .
 
.. .. .. 
 .. . . . 
Ωm1 Ωm2 ... Ωmn
PROYECTORES
Pn Pn
I = i=1 |i >< i|; Pi = |i >< i|; i=1 Pi = I
   
1 0 ... 0 0 0 ... 0
0 1 ... 0 0 0 ...0 
   
 .. .. .. ..   .. .. .. 
. . . . . . 1 .
0 0 ... 1 0 0 ... 0
(
Pi if i = j,
Pi |V >= Pi vi |i >= vi |i > Pi Pj = |i >< i|j >< j| = Pi δij =
0 if i 6= j
Representación del operador Pi : (Pi )jk =< j|i >< i|k >= δji δik
P P
(ΩΛ)ij = k < i|Ω|k >< k|Λ|j >= k Ωik Λkj → rep. de ⊗ = ⊗ de rep.
ADJUNTO DE UN OPERADOR
|αV >= α|V > → < αV | = α∗ < V |, < ΩV | =< V |Ω†
Si Ω 3 Ω|V >= |V 0 > ⇒ < V 0 | =< V |Ω†
(Ω† )ij = < i|Ω|j > = < Ωi|j > = < j|Ω|i >∗ ⇒ (Ω† )ij = (Ωji )∗
< (ΩΛ)V | =< V |(ΩΛ)† =< Ω(ΛV )| =< (ΛV )|Ω† =< V |Λ† Ω†
⇒ (ΩΛ)† = Λ† Ω†
Ec. Adjunta: α → α∗ |> → <| Ω → Ω†
z+z ∗ z−z ∗ Ω+Ω† Ω−Ω†

z = x + iy = 2 + 2 Ω= 2 + 2
OPERADORES UNITARIOS
Si UU † = 1 → U † = U −1 PRESERVAN LA NORMA
|V10 >= U|V1 > y |V20 >= U|V2 >;
< V10 |V20 > = < V1 |U † U|V2 > = < V1 |V2 >
DINÁMICA → TRANSFORMACIONES → PROBABILIDAD

       
p11 p12 . . . p1n p11 p12 p1n
 p21 p22 . . . p2n  p21  p22  p2n 
..  →  ..   ..  . . .  .. 
       
 .. .. ..
 . . . .   .   .   . 
pm1 pm2 ... pmn pn1 pn2 pnn
†
< i|U † |k >< k |U|j >= Uki∗ Ukj Columnas i-j
P
ij =< i|U U|j >=
δP k
r
Los operadores transforman los vectores
(
activa → se transforman los vectores
Transformaciones
pasiva → se transforman los operadores .
∀V ∈ Vn , |Va > → U|Va > < Vc0 | Ω |Vd0 > =< Vc | U †

| {zΩU} |Vd >
| {z } | {z }
activa activa pasiva
Traza de operadores:
P P
Traza(Ω) = Tr (Ω) = i Ωii = i < i|Ω|i >
Tr (ΩΛ) = T (ΛΩ); Tr (Ω1 Ω2 Ω3 ) = T (Ω3 Ω1 Ω2 )
ECUACIÓN DE AUTOVALORES:
Ω|V >= |V 0 > Si Ω 6= mI, |V > 6= |V 0 >
PROBLEMA: Dado Ω encontrar {V } y {ω} 3 Ω|V >= ω|V >
Ω(α|V >) = ω(α|V >) Consideramos |V > ≡ α|V >
Ejem: Ω = I, ∀ |V > I|V > = |V >; autovalor 1

Ω = PV = |V >< V |; Eigenket 1: α|V > ∀ α
Eigenket 2: |V⊥ >, autovalor 0, 2 eigenkets y 2 autovalores
Ω|V >= ω|V >→ (Ω − ωI)|V >= 0 = |0 > FORMALMENTE
|V >= (Ω − ωI)−1 |0 >; como M −1 ∝ Det(M) → Det(Ω − ωI) = 0
Ec. de eigenvalores → Det(Ω − ωI) = 0 → determina los ω 0 s
cn ω n = 0
P
Base: Polinomio Caract. Det(Ωij − ωδij ) = 0 →
En general: soluciones complejas, degeneración (raı́ces repetidas)
Ejercicio: R( π2 î) ω → 1, ±i
    
1 0 0
ω = 1 → 0 ; ω=i → √1  i  ; ω = −i → √12 −i 
2
0 1 1
T: Eigenvalores de operador Hermitico son reales. Ω = Ω† → ω = ω ∗
Ω|ω >= ω|ω > → < ω|Ω† =< ω|ω ∗ ; (ω − ω ∗ ) < ω|ω >= 0
T: Para todo operador Hermitico existe una base (al menos) la cual
está constituida por sus eigenvectores (ortogonales). Es diagonal y
los elementos son los eigenvalores.
(Ω − ωI)|ω >= 0 → |ω >6= 0; (Ω − ωI) no inv. Det(Ω − ωI) = 0
Ec. caracterı́stica → al menos una solución, ω1 , Debe existir un |ω1 >
Subespacio V⊥n−1 vectores ortogonales a |ω1 >
       
ω1 0 ... 0 ω1 0 0
0 a ... b  0  a  b 
..  →  ..   ..  . . .  .. 
       
 .. .. ..
. . . .  .   .   . 
0 c ... d 0 c d
,→ |ω1 >
Pn Pn−1
Ec. Caracterı́stica: i=1 ci ω i = (ω − ω1 ) j=1 cj ω j ;
{ω2 , |ω2 >}
       
ω1 0 ... 0 ω1 0 0
 0 ω2 ... 0  0  ω2   0 
..  →  ..   ..  . . .  .. 
       
 .. .. ..
. . . .  .   .   . 
0 0 ... 0 0 0 d
,→ |ω1 > ,→ |ω2 >
DEGENERACIÓN. EJEMPLO (Ω = Ω† )
 
1−ω 0 1
 0 2−ω 0  → −(2 − ω)((1 − ω)2 − 1) → ω(2 − ω)2 = 0
1 0 1−ω
    
1 0 1 x1 x1 + x3
ω = 0 → 0 2 0 x2  = 0 =  2x2 
1 0 1 x3 x1 + x3
2 ecs. indep. + normalización. |ω = 0 >→ √1 (1, 0, −1)T

2
      
1 0 1 x1 2x1 x1 + x3
ω = 2 → 0 2 0 x2  = 2x2  =  2x2 
1 0 1 x3 2x3 x1 + x3
Una sola ec.+ normalización. x2 arbitrario. |ω = 2 >→ (1, x2 , 1)T
Si x2 = 0, |ω = 2, 1 >→ √1 (1, 0, 1)T ; |ω = 2, 2 >→ (0, 1, 0)

2
|ω = 0 >, |ω = 2, 1 >, |ω = 2, 2 > ortogonales entre si.
EIGENESPACIOS - EIGENVALORES Si existe degeneración,
entonces:
Ω|ω1 >= ω|ω1 > Ω|ω2 >= ω|ω2 >
∀α, β, |γ > = α|ω1 > + β|ω2 > 3 Ω|γ > = ω|γ >
Subespacio generado por |ω1 >, |ω2 >,
infinitos pares de kets ortogonales |ω10 >, |ω20 >
Si degeneración mi existe eigenespacio Vωm1i de dimensión mi .
Se eligen mi vectores ortonormales para formar la base de eigenkets.
T: Autovalores de un operador unitario son complejos de módulo uno.
T: Autovectores de un operador unitario son mutuamente

ortogonales.
Suponemos @ degeneración: U|ui >= ui |ui > y U|uj >= uj |uj >
< uj |U † =< uj |uj∗ ∴ < uj |U † U|ui >=< uj |ui >= uj∗ ui < uj |ui >
→ (1 − uj∗ ui ) < uj |ui >= 0 Si i = j, |ui | = 1, < ui |ui >6= 0
Si i 6= j, ui 6= uj , (1 − uj∗ ui ) 6= 0 ∴ < ui |uj >6= 0

Cos[θ] −Sin[θ] −ix −i ix i
Rθ = ; e → ; e →
Sin[θ] Cos[θ] 1 1
Operador Ω en V n (C)). Base |1 >, |2 >, . . . |i >, . . . |n >→ Ωij N.D.
Base: EV de Ω, (|ω1 >, . . . |ωi >, . . . |ωn >); Ω → Diag(ω1 , . . . ωi , . . . ωn )
Operador Unitario induce el cambio de base: |wj >= U|j >
∀M = M † puede ser diagonalizada por un cambio de base unitario
Si Ω es hermitico, existe una transformación unitaria U (construida

con los autovectores de Ω tal que U † ΩU es diagonal
< j|ωi > = < j|U|i > = Uij comps. de |ω > en la base |i >
P
< ωi |Ω|ωj > = ωj δij = k,l < ωi |k > < k |Ω||l > < l|ωj >
Ujk† Ωkl Ulj = (U † ΩU)ij ⇒ U † ΩU = D
Encontrar base que diagonaliza ∼ resolver problema de

eigenvectores
DIGONALIZACIÓN SIMULTÁNEA
T: Si Ω, Λ son operadores hermiticos, [Ω, Λ] = 0, ∃ al menos una base

común de eigenvectores que diagonaliza a los dos operadores.
a) Un operador es no degenerado (Ω)
Ω|ωi > = ωi |ωi > → ΛΩ|ωi > = ωi Λ|ωi > = ΩΛ|ωi >
i.e. Λ|ωi > ∝ |ωi >, Ω no degenrado Λ|ωi > = λi |ωi >
Todo eigenket de Ω también lo es de Λ, base diagonaliza Ω y Λ
b) Ambos operadores son degenerados. Eigenkets |ω1n1 > . . . |ωini >
Representación de Ω = Diag(ω1 , . . . , ω1 , . . . , ωi , . . . , ωi )
| {z } | {z }
n1 ni
Para |ωj > ∃ subespacio nj dimensional, i.e. hay nj vectores L.I.
La base no es unica. Hay un infinito de bases en cada eigenespacio.
En cada eigenespacio se etiquetan los kets |ωi , α >; 1 < α < ni
Representación matricial de Λ: Λ|ωi , α > ∈ Vimi
< ωj , β|Λ|ωi , α >= 0 |ωi , α >, and |ωj , β > 3 ωi 6= ωj

 
Λ1 0
Λ→ Λ2  Λi = ni ×ni
0 Λk
Ω Diagonal independiente de selección en eigenespacios Vini
En cada eigenespacio: selección 3 Λ es diagonal
Si @ degeneración en ningún λi |ωi , λj > especifica cada ket.
CONJUNTO COMPLETO DE OBSERVABLES
FUNCIÓN DE OPERADORES
Se considera el caso f (x) → serie de potencias.
cn x n cn Ωn → Ω = Ω† → Diagonal
P P
f (x) = n → f (Ω) = n
l ↑ ↓
Convergencia Ωn → Diag(ω1n , ω2n , . . .) ← Diag(ω1 , ω2 , . . .)
dΘ(λ) Θ(λ+∆λ)−Θ(λ)
D Θ: dλ = ∆λ ; Ω = Ω† , Θ(λ) = eλΩ ; eΩ eΛ 6= eΛ eΩ

 ΩeλΩ = eλΩ Ω Resultado de derivada
dΘ(λ)
dλ =
Θ(λ)Ω Sol. de la ec. diferencial

λn Ωn n λn−1 Ωn λn−1 Ωn−1

d
P∞ P∞ P∞
dλ n=0 n = n=1 n! n! =Ω n=1 (n−1)! = ΩΘ(λ)
Generalización n → ∞
Cuerda tensa con extremos fijos (0, L). Como transmitir estado?
N intervalos: (f (x1 ), f (x2 ) . . . f (xN )) Cuando N → ∞ ∼ f (x)
La N-pleta componentes del vector fN en una base dada: |fN >
   
fN (x1 ) 0
 ..   .. 
 .  . X
   
|fN > → 
 fN (xi )  ;
 |xi > → 
i  ;
 < xi |xj >= δij ; |i >< i| = 1
 .  . i
 ..   .. 
fN (xN ) 0
N
X
|fN >= fN (xi )|xi >; < xj |fN >= fN (xj )
i=1
Espacio Vectorial: Suma y multiplicación × escalar: componentes
PRODUCTO INTERNO
N
X
< fN |gN >= fN (xi )gN (xi ); fN ⊥ g N ↔ < fn |gN >= 0
i=1
N
X N
X
< fN |fN >= |fN (xi )|2 , ∀i, |fN (xi )|2 ≥ 0; lı́m →∞
N→∞
i=1 i=1
Z
× ∆= L
N+1 < f |g >= lı́m < fN |gN >= f ∗ (x)g(x)dx
N→∞
?
Si x 6= x 0 < x|x 0 >= 0; |x 0 >< x 0 |dx 0
P R
1= i |xi >< xi | ↔
Z
< x|x 0 >< x 0 |f > dx 0 = < x|f >= f (x); < x|x 0 >= δ(x, x 0 )
(
R 0 0 0 0 6 x 0,
0 if x =
δ(x, x )f (x )dx = f (x) → δ(x, x ) =
1 if x = x 0 .
Z x+ Z x+
0 0 0
lı́m δ(x, x )f (x )dx = f (x) lı́m δ(x, x 0 )dx 0 = 1
→0 x− →0 x−
R x+
δ(x, x 0 ) no puede ser finita, porque lı́m→0 x−
δ(x, x 0 )dx 0 = 0
1
Área bajo curva=1; Base 2 → δ(...) = 2 → δ(...) = δ(x − x 0 )
Delta de Dirac

0
 if x 6= x 0 ,
< x|x 0 >= δ(x − x 0 ) 3
R b

a
δ(x − x 0 )f (x 0 )dx 0 if x ∈ (a, b)
Delta Dirac: Definida bajo integral. Igualdad × función suave.
Existen Representaciones. Área=1
Función par, real.

δ(x − y ) =< x|y >=< y |x >∗ = (δ(y − x))∗ = δ(y − x)
Derivada respecto al primer argumento dδ(x−y) dx

d
→ δ(x − y ) dy
Rb 0 Rb
a
d
δ (x − y )f (y)dy = dx a
δ(x − y)f (y )dy = dfdx(x) ; x ∈ (a, b)
Derivada respecto al segundo argumento

dδ(x−y) Rb
dy → a δ 0 (x − y )f (y)dy = − dfdx(x) ; x ∈ (a, b)
R∞ R∞
f (x) = √1 e−ikx f (x)dx; f (y ) = √1 eiky f (k )dk
2π −∞ 2π −∞
1
R∞
δ(x − y ) = 2π −∞
dkeik (x−y )
Operadores N → ∞
d
f (x) → lı́m |fN > → |f >; Ω|f >= |f̃ >; D= dx ; < x|D|y >=?
N→∞
df df (x) R
< x|D|f >=< x| dx >= dx = < x|D|y >< y |f > dy =
d
∴ < x|D|y >= Dx,y = δ 0 (x − y) = δ(x − y ) dy δ(x − y) dfdy(y) dy
R
→
df
Si < x|f >= f (x) → < x|D|f >= dx
∗
Es D hermitico ? → Dx,y = Dy,x ; Dx,y = δ 0 (x − y )
Dy∗,x = (δ 0 (y − x))∗ = δ 0 (y − x) = −δ 0 (x − y) → D 6= D †
K ≡ −iD; K = K † . AUTOADJUNTO?
< g|K |f >=< g|Kf >=< Kf |g >∗ =< f |K † |g >∗ =< f |K |g >
RR RR
<g|x><x|K |y><y|f>dxdy = <f |x><x|K |y><y |g>dxdy
Rb R bd ∗ Rb
a
df
g(x)∗ (−i dx )dx = −i a dx (g f )dx + a (−i dg ∗
dx ) fdx
Rb R bd ∗ Rb
a
f (x)∗ (−i dg df ∗
dx )dx = −i a dx (f g)dx + a (−i dx ) gdx
K autoadjunto ↔ (g(x)∗ f (x))|ba = (f (x)∗ g(x))|ba
Relevancia del dominio de los vectores y sus propiedades
d
Eigenkets de K : K |k>= k |k>; (−i dx )
d
R
<x|K |k>= k <x|k>= dy <x|K |y><y|k>= −i dx <x|k>
|k>= dy |y><y |k>= dy ψk (y )|y>; −i dψdx

k (x)
= k ψk (x) →<x|k>= Aeikx
R R
R R R R
|f>= dy |y><y|f>= dyf (y )|y>= dk |k><k |f>= dkf (k )|k>
0
1
<k |k 0>= dx <k|x><x|k 0>= dxe−i(k−k )x
= δ(k − k 0 )
R R
2π
√1 dxe−ikx f (x)
 R R
f (k) =<k |f>= dx <k |x><x|f>=
 2π
T. Fourier:
√1

dkeikx f (k)
R R
f (x) =<x|f>= dk <x|k><k|f>=

2π
T. Fourier: Relación entre las componentes en la base x̂ y p̂
Existe un operador del cual |x> es eigenket? X̂ |x>= x|x>
<x 0 |X̂ |x>= x <x 0 |x>= xδ(x 0 − x); X̂ |f>= |f̃>?

R R
<x|X̂ |f>= dy <x|X̂ |y><y|f>= dy yδ(x − y)f (y ) = xf (x) = f̃ (x)
<k |X̂ |k 0>= dx dy <k|x><x|X̂ |y><y |k 0>

R
Reciprocidad entre X̂ y K̂
0 0
1 1 d
dx dye−ikx y δ(x − y )eik y
dxe−ikx xeik x
δ(k − k 0 )
R R
= 2π = 2π = i dk
Si <k |g>= g(k ), <k|X̂ |g>= dk 0<k |X̂ |k 0><k 0 |g>

R
d
= i dk 0 δ(k − k 0 ) dk g(k 0 ) = i dg(k ) d
R
dk X̂ → i dk
Operador Base : |x> Base : |k>

d
X̂ x i dk
d
K̂ −i dx k
X̂ |f> → xf (x) <x|X̂ |f>=<x|xf>= xf (x)

d d
K̂ |f> → −i dx f (x) <x|K̂ |f> = <x|K̂ f>= −i dx f (x)
<x|X̂ K̂ |f>= dy <x|X̂ |y><y |K̂ |f>= −i dyδ(x − y)y dfdx(y) = −ix dfdx(x)
R R
<x|K̂ X̂ |f>= dy <x|K̂ |y><y|xf>= −i dy δ(x − y ) dyfdy(y) = −i dxfdx(x)

R R
<x|[X̂ , K̂ ]|g>= ig(x) → [X̂ , K̂ ] = i
Sean V1n1 y V2n2 dos EV. Indices 1, 2 en V’s y Ω’s.
V = V1n1 V2n2 producto tensorial de V1n1 y V2n2 si asociado a

N
cada par |φ1> ∈ V1n1 y |ξ2> ∈ V2n2 un vector de V |φ1> ⊗|ξ2>

El orden de los vectores no importa: |φ1> ⊗|ξ2>= |ξ2> ⊗|φ1>
Lineal respecto a multiplicación por escalar

[λ|φ1>] ⊗ |ξ2>= λ|φ1> ⊗|ξ2>; |φ1> ⊗[λ||ξ2>] = λ|φ1> ⊗|ξ2>
distributivo respecto a la suma de vectores

|φ1> ⊗[|ξ2> +|η2>] = |φ1> ⊗|ξ2> +|φ1> ⊗|η2>
[|φ1> +|ψ1>] ⊗ |ξ2>= |φ1> ⊗|ξ2> +|ψ1> ⊗|ξ2>
|u1>, |v2> bases en V1n1 y V2n2 → |u1> ⊗|v2> base en V1n1 V2n2
N
Vectores en V = V1n1 V2n2

N
P P
Producto tensorial de vectores. |φ1>= i ai |ui>, |ψ2>= j bj |vj>
P
|φ1> ⊗[|ψ2>= i,j ai bj |ui> ⊗[|vj>
P
Estados 6= ⊗ → |Ψ>= i,j ci,j |ui> ⊗[|vj>; ci,j 6= ai bj
PRODUCTO ESCALAR. Notación: |φ1> ⊗|ψ2>= |φ1 , ψ2>
<φa1 , ψ2b |φc1 , ψ2d> = <φa1 |φc1><ψ2b |ψ2d> = δac δb,d
PRODUCTO TENSORIAL DE TENSORES.
Ω1 : V1n1 y Λ2 : V2n2 → Ω1 Λ2 |φ1 , ψ2> = Ω1 |φ1> Λ2 |ψ2>

Presentacion de Mecanica Clasica, Fundamentos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Presentacion de Mecanica Clasica, Fundamentos

Cargado por

Copyright:

Formatos disponibles

Espacios Vectoriales

José Luis Lucio Martı́nez

Conjunto de vectores V = {V1 , V2 ...Vn } que se pueden sumar entre

la operacion suma y la multiplicacion por un escalar realizadas

Para vectores arbitrarios Vi , Vj · · · Vk ∈ V

Para vectores Vi , Vj arbitrarios y escalares arbitrarios α, β

(α + β)Vi = αVi + βVi

excepto la trivial en la que αi = 0 ∀ i

Espacio Vectorial n-dimesional: Espacio vectorial que admite como

Ninguno de los elementos de un conjunto de vectores L.I. puede

T2: Los coeficientes de la expansion son unicos. Si ∃ otra expansion

Vectores base: Vectores L.I.

Espacio Vectorial {Real, Complejo} : V n ({R, C})α ∈ {R, C}

PRODUCTO INTERNO: Asocia un escalar a dos vectores.

El producto interno de Vi , Vj se denota < Vi |Vj > y satisface:

< Vi |Vi > ≥ 0; 0 ↔ Vi = 0

El producto escalar es lineal en el ket pero antilineal en el bra.

NORMA: La norma de un vector V se denota |V|. Si |V| = 1, unitario.

Vi , Vj son ortogonales si su producto interno es cero: < Vi |Vj >= 0

Producto escalar en terminos de vectores base, ORTONORMALES :

< V |V 0 >= αi∗ βj < ei |ej >= αi∗ βi

V = V1 + λV2 → < V |V > ≥ 0

Forma cuadrática en λ: Discriminante ≥ 0 → D.S.

En general: α|V > ↔ α∗ < V | Ec. ADJUNTA:

Expansión en una base: i, j, k ... ı́ndices, etiquetas.

< i|vi∗ < i|V >∗ =< V |i >= vi∗

< V |i >< i| (< V |i >= vi∗ )

ADJUNTA: α → α∗ ; |u > → < u| y < w| → |w >

T: Graham-Schmidt: n vectores L.I. → n vectores ortonormales.

|1 >= |v1 >; |2 >= |v2 > − |1><1|

|3 >= |v3 > − |1><1| |2><2|

T: El máximo número de vectores mutuamente ortogonales en

αi < Vk |Vi >= αk |Vk |2

∴ αk = 0, ∀k → {|Vi >} son L.I. si son ortogonales.

SUBESPACIO: V espacio vectorial; un subconjunto de vectores, que

Ejem: V = V 3 (R). Subespacios: V = Vx1 (R), V = Vy1 (R), V = Vxy

SEV V1 , V2 se define la suma ⊕ como {vr ∈ V1 , vt ∈ V2 , vu ∈ V1 ◦ V2 }

Regla que asocia a cualquier vector V un vector V 0 ; V , V 0 ∈ Vn .

Aplica a bra y a kets: |V 0 >= Ω|V >, < V 0 | =< V |Ω

OPERADORES LINEALES SATISFACEN.

R( 21 π î)|1 >= |1 >

R( 21 π î)|3 >= −|2 >

Producto de operadores: ΛΩ|V >= Λ(Ω|V >) = Λ|ΩV >

Orden es importante: ΩΛ|V >= Ω(Λ|V >) = Ω|ΛV >

En general ΩΛ 6= ΛΩ [Ω, Λ] = Conmutador de Ω y Λ

El inverso de Ω se denota Ω−1 , 3 Ω−1 Ω = 1 = ΩΩ−1

Inverso de un producto: (ΩΛ)−1 = Λ−1 Ω−1

Representación matricial Ω → base ei ; < i|Ω|j >= Ωij n×n

|V 0 >= Ω|V >= vi0 |i >; v 0 (vi )

vj0 =< j|V 0 >=< j|Ω|V >= i < j|Ωvi |i

Si Ω 3 Ω|V >= |V 0 > ⇒ < V 0 | =< V |Ω†

Ec. Adjunta: α → α∗ |> → <| Ω → Ω†

z+z ∗ z−z ∗ Ω+Ω† Ω−Ω†

|V10 >= U|V1 > y |V20 >= U|V2 >;

DINÁMICA → TRANSFORMACIONES → PROBABILIDAD

Los operadores transforman los vectores

∀V ∈ Vn , |Va > → U|Va > < Vc0 | Ω |Vd0 > =< Vc | U †

Tr (ΩΛ) = T (ΛΩ); Tr (Ω1 Ω2 Ω3 ) = T (Ω3 Ω1 Ω2 )

Ω|V >= |V 0 > Si Ω 6= mI, |V > 6= |V 0 >

PROBLEMA: Dado Ω encontrar {V } y {ω} 3 Ω|V >= ω|V >

Ω(α|V >) = ω(α|V >) Consideramos |V > ≡ α|V >

Ejem: Ω = I, ∀ |V > I|V > = |V >; autovalor 1

Ω|V >= ω|V >→ (Ω − ωI)|V >= 0 = |0 > FORMALMENTE