1 NB Le note che seguono sono per uso strettamente didattico. Si prega quindi di non far circolare...
-
Upload
florentina-ferretti -
Category
Documents
-
view
218 -
download
4
Transcript of 1 NB Le note che seguono sono per uso strettamente didattico. Si prega quindi di non far circolare...
1
NB
•Le note che seguono sono per uso strettamente didattico. Si prega quindi di non far circolare il materiale che segue e di non usarlo per citazioni.
•Aggiornate al 11/04/23
Dispense per il corso di Filosofia della Fisica (parte I)
Mauro Dorato, Dipartimento di Filosofia,
Università di Roma3
2
Parte IIntroduzione “matematica” alla MQ• Queste note sono state elaborate a partire dai seguenti testi: • R.I.G. Hughes, The Structure and Interpretation of QM Harvard
University Press, 1989, • R. Shankar, Principles of QM, Plenum Press, 1988, • C. Isham, Lectures on QM, Imperial Press, 1997, • Lang, Algebra Lineare, Boringhieri, • T. Apostol, Calcolo, vol. 2 Geometria, Boringhieri, • G.C Ghirardi, I fondamenti concettuali e le implicazioni epistemologiche
della meccanica quantistica, in G. Boniolo, Filosofia della Fisica, Bruno Mondadori, 1997
• F.Byron, R. Fuller, Mathematics of Classical and Quantum Physics, Dover, 1992
• Allori e Zanghì, Un viaggio nel mondo quantistico, in Allori, Dorato, Laudisa, Zanghì, La natura delle cose, Carocci, Roma, 2005
3
Indice Prima Parte
• 1) Vettori e spazi vettoriali• 2) Operatori lineari • 3) Autovalori e autovettori• 4) Numeri complessi• 5) Indipendenza lineare e
dimensionalità• 6) Prodotti scalari e vettori
normalizzati; vettori ortonormali
• 7) La notazione di P.A.Dirac• 8) Operatori aggiunti,
hermitiani e unitari
• Seconda parte
• 9) Generalizzazione a infinite dimensioni
• 10) Gli operatori coniugati X e K
• 10) Spazi di Hilbert
• 11) I postulati della MQ
4
1.Vettori e spazi vettoriali
Operazioni con vettori in R2
Addizione tra vettori
Moltiplicazioni con scalari
5
Nel piano R2 ogni vettore (punto) corrisponde a una coppia ordinata di numeri reali e viceversa
0 x
y
vy
vx
y
xvv
v
v=
000;
6
u
v
w = u + v
Addizione di due vettori (vista geometricamente, è la regola del parallelogramma)
7
v=
y
xvv
y
xuu
u=
Addizione (vista analiticamente)
yy
xxuvuv
uv
8
wvu
4
33112
1
2u
31v
u
v
3
4 w
Ovvamente i due punti di vista convergono!
9
• Moltiplicazione di un vettore con uno scalare a (è come un “cambiamento di scala”, dilatazione o contrazione, indotte dal numero reale a)
w = 2 v
y
xavav
av
0
v
a = 2
a = -1.5 wx = 2 vx
u= -1.5v
10
y
xavav
av a = -1
y
x
y
x
vv
vv
vv )1(
0
00
yy
xxvvvv
Sommando un vettore e il suo inverso…
11
Lo stesso vettore (in nero) può avere differenti rappresentazioni o scomposizioni, in funzione di “basi” diverse, qui rappresentate dai due sistemi di coordinate rosse e blu, uno ruotato rispetto all’altro
1 base
2 base
12
Spazio vettoriale lineare V •Sia dato un campo F, ovvero (in modo informale), un insieme di scalari reali o complessi (immaginari) con due operazioni binarie + e .Uno spazio vettoriale su F è una strutturaV = <V, +, ., 0> chiusa rispetto a + e alla moltiplicazione . di un vettore con uno scalare e tale che, per ogni vettore u, v e w in V e per ogni a e b in F, valgono i seguenti assiomi: 1 (u + v) + w = u + (v + w) associatività +2 u + v = v + u commutatività +3 v + 0 = v esistenza el. neutro +4 v + (- v ) = 0 esistenza inverso +5 (a + b) . v = a . v + b . v distribut. + per scalari 6 a . ( v + w) = a . v + a . w distrib . per vettori7 a .(b v) = (ab) . v associatività .8 1 . u = u esistenza el. neutro .
13
• In breve, uno spazio vettoriale lineare V è uno spazio di elementi qualsiasi (numeri, funzioni, serie, vettori etc.) che si possono sommare tra loro e moltiplicare per scalari obbedendo alle regole appena viste
• Dal punto di vista assiomatico, un spazio vettoriale è una qualunque entità che soddisfi le leggi viste sopra.
** Per la MQ, il concetto di vettore in un particolare spazio vettoriale, detto di Hilbert, si rileverà fondamentale, perché, come vedremo, corrisponderà allo stato di un sistema quantistico. **
14
Esercizi (a , b , c) + (d , e , f) = (a + d, b + e, c + f)
• (a , b , c )= (a , b , c)• Mostrare che entità di questo tipo (triple di reali) formano
uno spazio vettoriale con queste due operazioni• Scrivere il vettore nullo e l’inverso di (a , b , c)• Abbiamo uno spazio vettoriale se richiediamo che a , b , c
siano reali positivi?• Mostrare che vettori del tipo (a , b , 1) non formano uno
spazio vettoriale• Dimostrare che:• 0v = 0 (aggiungi 0v a v); 0 = 0 (aggiungi 0 a v)
(-1) v = (-v) (aggiungi v a (-1) v)
15
2. Indipendenza lineare
• Serve tra l’altro a generalizzare il nostro spazio di partenza R2 allo spazio Rn. Consideriamo una n-pla di vettori
• Definiamo la somma di n vettori per n scalari così
• Def 0) Un insieme di vettori è detto linearmente indipendente (LI) se e solo se l’unico modo affinché la somma sopra data dia il vettore nullo è che siano nulli tutti i coefficienti per tutti gli i. In simboli, se accade
nn vvvv ,,...., 121
n
iiin aaaaa
1332211 ... vvvvv n
0)(1
i
n
iii aia 0v allora i vettori sono LI
16
Infatti, se uno dei coefficienti non fosse nullo, per esempio a3
Def 1. Uno spazio vettoriale Vn è n-dimensionale se ammette al massimo n vettori linearmente indipendenti
Teor 1. Dato un insieme di n vettori linearmente indipendenti, ogni altro vettore v in Vn può essere scritto come una combinazione lineare di questi. In questo caso gli n vettori che ricoprono lo spazio Vn formano una base e le componenti dell’espansione di v si chiamano coefficienti
3
'a
aa i
i nn v
a
av
a
av
a
av
32
3
21
3
13 ...
1
13
3
'n
iii
i
vav
ponendo
Si ottieneCioè il vettore v3 si scrive
come combinazione lineare degli altri
17
Dimostrazione del teorema precedente
•Dati n+1 scalari ai e n+1 vettori vi , per definizione di indip. lineare di n vettori, deve valere la seguente relazione
con qualche a diverso da 0: altrimenti, se tutti gli n+1 scalari fossero nulli, avremmo n+1 vettori LI in uno spazio n-dimensionale, il che è impossibile per la def. 1. In più a è non nullo, perché altrimenti, causa la definizione di ind.lineare di n vettori, (def 0), ci sarebbe qualche scalare nella sommatoria diverso da 0, ciò che contrasta con l’ipotesi che n vettori siano LI (def.. Ne segue che, ponendo
0
n
iiiaa
1
' vv
n
iiia
1
vva
ia
ai
' si ha
18
• Teor. I coefficienti dell’espansione di v, dati n vettori fissati della base, sono unici.
Siano
per assurdo due diverse espansioni di v. Sottraendo, si ha
n
iiia
1
vv
n
iiib
1
vv
n
iiii ba
1
)( vv-v0
Se non si avesse ai = bi per tutti gli i, gli n vettori vi non sarebbero LI, contro l’ipotesi del teorema; in tal caso esisterebbe infatti uno scalare diverso da 0 tra gli n scalari ai - bi. Si noti che questo risultato di unicità vale rispetto a una base fissata, e non contraddice quindi la esprimibilità multipla di uno stesso vettore in basi diverse vista sopra
19
• Il prossimo concetto, quello di operatore lineare, ci servirà a specificare la nozione di osservabile di un sistema quantistico
20
3. Operatori lineari su spazi vettoriali
• Un operatore A che agisce su un insieme di vettori ha un vettore come input e un vettore come output: Av = v’
A: V V
• Un operatore A è lineare se soddisfa i due assiomi seguenti:
1 A (v + w) = Av + Aw
2 A (av) = a(Av)
21
Esempi di operatori lineari in R2
• Operatore di proiezione '0PP vxyxv xx
x
v
Px v
w
Px w
Px proietta sull’asse x, azzerando la coordinata y di
qualunque vettore
22
Il cateto rosso di un triang. rett. è uguale all’ipotenusa per il seno dell’angolo opposto (quello blu è uguale
all’ipotenusa per il coseno dell’angolo adiacente)
r = 1 1.sen
1.cos
23
Le matrici
• Una matrice è una generalizzazione di un vettore, che è a sua volta la generalizzazione di numero
• In generale, una matrice a n righe e n colonne è fatta da n2 elementi (qui n =4). Il prodotto tra due matrici A e B si effettua righe per colonne
nbcs
greg
jyte
tvfa
dhcfdgcebhafbgae
hgfe
dcba AB;B;A
24
Un operatore di rotazione Rmuta l’orientamento di un vettore v di un angolo ma lascia inalterata la sua
lunghezza. Non confondere Rcon una proiezione
v’=Rv
v
v’x= v’cos(v(coscossinsincosvx – sinvy
v’y = v’sin(v(sincoscossinsinvx + cos vy
v’y
y
x
yx
yx
v
v
cossin
sin– cos
vcosvsin
vsin– vcos
'
''R
defv
vvv
y
x
matricematrice
v’x
25
Ne segue che l’operatore di rotazione R in R2 corrisponde biunivocamente alla seguente matrice quadrata 2 x 2
cossin
sin– cos
R
La corrispondenza in questione è generale: ogni operatore lineare di R2 è esprimibile tramite una matrice 2x2 di numeri reali e, viceversa, una matrice soddisfa le due condizioni di un operatore lineare
26
x
v’= Sx v
v
'vvv
vv
dcbavS
y
x
y
xx
Operatore di riflessione attorno all’asse x
Esercizio: Trovare la matrice (operatore) corrispondente a Sx
yyx
xyx
vdvcvvbvav
a =1; b = 0
c =0; d = -1
1001
xS
27
• Esercizi: trovare le matrici corrispondenti all’operatore di identità I, a Sy , a Py e a Px
00 e 1
0 0' allora ha Si
0P che Imponiamo x
dcba
dycxxbyaxx
dycxbyaxv
xyx
dcbav
00
01Px
28
Prodotto tra 2 operatori (matrici): scopriamo la non-commutatività
dhcfdgcebhafbgae
hgfe
dcba AB;B;A
Non sempre il prodotto tra due operatori è commutativo: il commutatore [A, B] =def AB - BA può essere diverso da zero. Per esempio, se
cossin
sin-cos0001RP 00
01cossinsin-cos PR xx
e 0
Il prodotto a destra proietta sull’asse x, mentre se non è 0 o , per quello a sinistra questo non è vero
29
Operatore di proiezione Psu una generica linea L che passa per l’origine ma diversa da x e y
P =
2
2
sinsincossincoscos
Perché vale l’espressione di cui sopra? (suggerimento:
P = R Px RL
v
vL
vL
NB. La direzione antioraria di rotazione ha per convenzione il segno + e gli operatori si applicano dal più esterno al più interno
Pv = vL
30
Svolgimento dell’esercizio precedente
2
2
sincossin
sincoscos
00
sincos
cossin
sincos
cossin
sincos
00
sincos
cossin
sincos
00
01
00
01
cossin
sincos
RPRP
R
RP
P
R
x
x
x
31
Lo spazio delle matrici è uno spazio vettoriale!
• Poiché l’addizione tra due matrici (ovvero, due operatori lineari A e B) è facilmente definibile (il primo elemento in alto a sinistra della matrice somma C è la somma dei due elementi corrispondenti delle matrici addende A e B), e il prodotto di una matrice per uno scalare obbedisce alle leggi lineari viste per la struttura di uno spazio vettoriale, anche lo spazio delle matrici 2x2 è uno spazio vettoriale lineare
(aA)v = a (Av)
hdgcfbea
hgfe
dcba CBA
vavat
asarv
vt
sra
32
4. Autovalori e autovettori
• Un vettore non nullo v è un autovettore di un operatore A con autovalore a se e solo se
Av = av
• In questo caso, l’azione dell’operatore A sul suo autovettore v produce un multiplo di v (av), dato dalla moltiplicazione di v per l’autovalore scalare a.
33
I è l’operatore identità, con autovalore 1. Nel secondo esempio, v è un autovettore dell’operatore rappresentato da A, con autovalore 3. I e A sono matrici simmetriche (ovvero gli elementi fuori diagonale sono uguali). Non tutti gli operatori hanno autovettori. Studiare gli autovettori di questo operatore A :
v333003
y
xyxyxAv
y
xv;0330A
y
xv;3003A
(l’effetto di A è prima di triplicare, poi di ruotare di 90 in senso antiorario e poi riflettere v attorno all’asse y)
10
01I
34
y
xv;0330A
x
y
yx
yxAv 3
03
30
A ha autovettori v solo se v è tale che x = y (e l’autovalore = 3) e v giace lungo la bisettrice del primo quadrante, oppure se v giace lungo quella del secondo quadrante (l’autovalore è -3). In generale, per matrici simmetriche cosiffatte si ha:
x
xv
x
xv
y
xa
y
xA
x
ya
y
xAAv
a
aA
0
0
L’autovalore in questo caso è +a
L’autovalore in questo caso è - a
v forma un angolo di 45
v forma un angolo
di 45+90=135
35
10
01yS
y
xv
y
xyx
yx10
01y v' vS
v
x
y
-x
SyvQuali sono gli autovettori e gli autovalori di Sy ? Autovalore: 1 (per x = 0) e -1 (per y = 0). Quali quelli di R ? Risp: 1 per per
L
L
PvL = 1vL = vL
PvLvL
vL
P(che proietta lungo L ha solo due autovalori: 1 e 0 (che è ammissibile) e i suoi autovettori sono tutti lungo vL e vL+90
v non è autovettore di P
v
36
Riassumendo, abbiamo tre tipi di operatori (Hughes p.24)1 Alcuni, come R (se si eccettua R e R in genere non
hanno alcun autovettore (per Re l’autovalore è +1 mentre per l’ autovalore è –
2 In altri casi, come per Sy, Pe
gli autovettori sono su due linee distinte e tra loro ortogonali (per le matrici simmetriche) e abbiamo due autovalori distinti
3 Per l’operatore identità I e per Rtutti i vettori dello spazio sono autovettori aventi il medesimo autovalore (rispettivamente 1 e -1)
0
0a
aA
37
Esprimiamo ora questo operatore, che come abbiamo visto ha autovettori lungo 45 e 135, come somma di altri due operatori di proiezione, moltiplicati per i relativi autovalori
03
30A
P
1/22/1
2/11/245P
2
2
sinsincossincoscos
1/22/12/11/2
135P
135452211 P)3(P3PP aa
A0330
2/32/32/32/32/32/32/32/3
2/32/32/32/3
2/32/32/32/3
NB Questo tipo di decomposizione A= a1 P1 +a2 P2 vale se e solo se A è simmetrico, cioè se a12 = a21
Studiamo l’operatore
cos45=sin45=
sin135= -cos135=
38
Teorema di decomposizione spettrale in R2
• Se A è un operatore simmetrico su R2, esistono due operatori di proiezione P1 e P2 che proiettano su due direzioni mutuamente ortogonali, e tali che A= a1 P1 +a2 P2
Se i due autovalori sono distinti la decomposizione di A è unica e tutti gli autovettori stanno o sulla linea su cui proietta P1 o su quella su cui proietta P2 con i rispettivi autovalori. Se i due autovalori sono uguali, la decomposizione non è unica, e tutti i vettori del piano sono autovettori di A
39
5. Cenni sui numeri complessi• Importanza di estrarre radici di numeri negativi: x2 +1=0 non
ha soluzioni reali: il sistema dei reali non è chiuso rispetto a
• I numeri complessi possono essere definiti a partire da coppie ordinate di numeri reali (a,b). Si chiama numero complesso una coppia di numeri reali che soddisfi a queste condizioni
• Uguaglianza (a, b) = (c, d) sse a = c e b = d• Addizione (a, b) + (c, d) = (a+c, b+d)• Moltiplicazione (a, b)(c, d) = (ac-bd, ad+bc)• In (a, b), la prima componente a è la parte reale del numero,
b è la parte immaginaria• Le due operazioni viste sono commutative, associative e
distributive
40
• Il numero (0,0) è l’elemento neutro per l’addizione, così come (1,0) è l’elemento neutro per la moltiplicazione.
• I numeri complessi sono un’estensione di quelli reali, che sono tutte e sole le coppie della forma (a, 0), con a numero reale qualsiasi, ovvero le coppie con parte immaginaria nulla. L’insieme dei reali C0 è un sottoinsieme di C
• Il numero (0,1) è indicato con i
i = (0,1)2 = (0,1)(0,1) = (0.0-1.1,0.1+1.0) = (-1,0)
i636136 Per esempio:
41
• Si noti che ib = bi = (b,0)(0,1) = (0, b)• Quindi (a, b) = (a, 0)+(0, b)= (a, 0)+[(b,0)(0,1)] = a+ib
• Ogni numero complesso (a, b) è esprimibile nella forma a+ib
x + iy= z=(r cosir sin
iy= irsin
x
y
r
r=x+iy= modulo del numero z z = (x2 + y2)1/2
Se r=1, z = cos isin= ei(vedi pagina successiva)
x = rcos
Piano complesso
42
• Se z = x+iy, z* = x – iy è detto complesso coniugato di z• zz* = (x+iy)(x – iy) = x2 + y2 = z2 = modulo quadro di z
• (z1+z2)* = z1
* +z2
*
• Notiamo che sinx = x - x3/3! + x5/5! -….(sviluppo in serie di McLaurin)
che cosx = 1 – x2/2! + x4/4! -….
e che ex = 1+ x + x2/2! + x3/3! + x4/4! +….
Sostituendo ia x nell’ultimo sviluppo, per “vettori” complessi unitari (r =1) otteniamo la seguente, notevole relazione di Eulero:
ei=cos isin
che Feynman definisce come “la formula più notevole della matematica” (Feynman Lectures on Physics, vol. 1, cap. 22)
Per numeri complessi qualsiasi si ha
z = r ei
43
Esercizi
• Mettere (1+i)2 1/i e 1/1+i nella forma a +ib
• Calcolare il modulo dei seguenti numeri 1+i 3+4i 1+i/1-i
• Determinare i numeri reali che soddisfano x+iy = x-iy
La prossima nozione, quella di “prodotto scalare”, servirà a definire la nozione di probabilità
44
6. Prodotto scalare definito in V sopra un campo (corpo) complesso F
• Un prodotto scalare, indicato con < uv> in base alla notazione di P. Dirac, è una funzione che associa a coppie di vettori u, v uno scalare e che soddisfa i seguenti tre assiomi:
(i)
(ii)
(iii)
(= 0 solo se v =0)
wuvuwvu
uvvu
vv
baba
*
0
Il prodotto è lineare nel secondo vettore
45
• Utilizziamo (ii) e (iii) per mostrare che il prodotto scalare è antilineare nel primo vettore
)(
*
iii(ii) baba vuwwvu
wvwu
vwuwvwuw
**
)(
**
***)((
ba
baba ii
2. Per definizione, è la norma di u
3. Se
1. Se 0uv allora allora vv è è ortogonaleortogonale a a uu
1v il vettore è normalizzato
uuu
3 nozioni da
ricordare (vedi p.46)
46
In R2, per due vettori u e v si ha
22112
1
2
1 ; vuvuvuv
vv
u
uu
222
212211 uuuuuuuuu
Ponendo u = v spieghiamo la 2 della
pagina precedente
u
cvv
u-cvDeterminiamo un numero c tale che < u-cv|v> = 0
0 = <u|v> - c <v|v> => c = <u|v>/ <v|v> Poiché
c|v| = |u| cos=> c = cos|u||v|
Uguagliando i due valori di c si ha
cos|u|/|v = <u|v>/|v|2, ovvero <u|v> = |u||v|cos
se <u|v>=0 perché cos(/2)=0 (vedi la 1 della pagina precedente: i due vettori u e v sono ortogonali)
teorema di Pitagora
47
Un insieme di vettori e1, e2, … en è detto ortonormale sse
<u, v>= , dove è l’angolo compreso tra i due vettori. Se |v|=1, Pv=cos
Pv
cosvu
|v| =1
2))(cos1(cos vvPvv P
ijji ee 01
ijse i = j
altrimenti
Esercizio: Tenendo presenti gli assiomi, verificare che
22112211 '' vvvvvv aaaa' jij
jii
vvaa
2
1
'*2
1
cos è una probabilità!
48
• Se al posto di due qualsiasi v1 , v2 non complanari, utilizziamo i due vettori ortonormali e1 , e2 i vettori v , v’ si scrivono
• v = v1 e1 + v2 e2 v’ = v’1 e1 + v’2 e2 e
• Il senso del secondo assioma <u/v)=<v/u)*, che implica l’antilinearità, è dato dall’esigenza di avere, anche in Vn (C), una norma positiva: ogni vettore v in R2 (C ) è esprim. come v = v1 e1 + v2 e2 con vi complesso. Se v=v’, i termini
sono reali, come dev’essere per delle norme, mentre vi2 non sono
necessariamente positivi per vi complesso:
'vv
n
ii
iii vvv
1
22
1
*vv
2iv
2
1
'*2
1
'*2
1
eei
iijij
jii
vvvv
49
Due teoremi solo “enunciati”…
1) La disuguaglianza di Schwarz
222vuvu
2) La disuguaglianza triangolare
vuuv
In R3 ha un’interpretazione ovvia, se si tolgono i quadrati e si considera che vuvuvu cos
In R2 ha un’interpretazione ovvia: la lunghezza di una somma di vettori (di un lato di un triangolo) è inferiore alla somma degli altri due lati
50
7. La notazione di
Data una base, un vettore v in Vn è in corrispondenza biunivoca con una n-pla di coefficienti complessi
acDir
v
nv
vv
..
..
..2
1 trasponendo
e passando al “coniugato complesso
data una base data una base
vvvv n *,*,..,..,..*, 21
n
iii vv
1
* 'v'v *,*,..,..,..*, 21 nvvv
'......
''
2
1
nv
vv
51
Lo spazio dei bra è detto duale di quello dei ket e c’è una corrispondenza biunivoca tra gli elementi corrispondenti
*,*,..,..,..*, 21 nvvvv
nv
vv
..
..
..2
1
v è definito come “ket”
è definito come “bra”v
v
ketbra
52
0....1..00
iie 0,0,..,..,1,..,0,0 iie
Per una base ortonormale, si ha
n
ii
n
ii
n
ii
n
ii
vv
ivv
11
11
i*e*v
ev
i
iket
bra
Bra e ket si corrispondono come un numero e il suo complesso coniugato, e, come sappiamo, <v’|v> è il complesso coniugato di <v|v’>, ovvero <v’|v>= <v|v’>*
Invertendo l’ordine del prodotto scalare e dei fattori, “coniugando” i coefficienti complessi otteniamo l’equazione aggiunta alla prima..***
...
cba
cba
''v'v''v'''v'v
'''v'''v''v'v'v
Vettore riga
Vettore colonna
53
Moltiplicando “scalarmente” entrambi i lati per il bra si haj
n
ijiji
n
ii
n
ii vvviv
111
ijjvj
Infatti l’ultima sommatoria è diversa da 0 solo per un valore di i, quello uguale a j. Poiché la i-esima componente del vettore v è data da riscriviamo la prima formula in alto a sinistra sostituendo al posto della i-esima componente di v il suo valore espresso come prodotto scalare
ivvi
viiiviv
n
i
n
i 11
L’ultima uguaglianza dell’equazione qui sopra si giustifica con il fatto che la moltiplicazione tra il coefficiente complesso vi = <i| v e la sua base i è commutativa e si può quindi invertire l’ordine
n
ii
n
ii ivv
11ie|v
54
*11
j
n
ii
n
ii vvv
ji*jvi*v
iivv
n
i 1
iivv
n
i 1viiv
n
i 1
aggiunta
Come si vede, la regola è la seguente: si trasforma un ket in un bra e viceversa, si inverte l’ordine dei fattori (ovvero si passa al complesso coniugato del prodotto scalare), e si “coniugano” gli eventuali coefficienti complessi, qui assenti
Provare a trovare l’aggiunta della seguente equazione
55
Teorema di Gram-Schmidt:
Data una qualunque n-pla di vettori LI
possiamo sempre trovare n vettori ortonormali
costruendo opportune combinazioni lineari
nvvv ,....,, 21
n,....,3,2,1
Idea della dimostrazione: prima si costruiscono n vettori mutuamente ortogonali e poi si normalizzano,ottenendo |1>, |2>, |3>….
520
;210
;003
321 vvv
',...,'2,'1 n
Tre vettori LI
'2'2
'2'2
'1'1
'1'1'3
'1'1
'1'1'2;
003
'1
333
221
vvv
vvv
esempio con n=3
ESERCIZIO
56
|v2>
|1’>
In R2 la proiezione del vettore |v2> su |1’> = | t 1’ >, è un multiplo di |1’ >, ed è uguale al prodotto scalare tra i due vettori <1’|v2> diviso il modulo di | 1’ >
|2’>
|t1’>
| t1’> + | 2’ > = |v2>
Moltiplicando per <1’|
t<1’|1’>+ <1’| 2’>= <1’|v2>
Si noti che | 2’ >= |v2> - t |1’> è ortogonale a |1’>
quindi t = <1’|v2>/<1’|1’>, perché <1’|2’>= 0
La proiezione di v2 su 1’, t|1’> = (|1’> <1’|v2>)/ <1’|1’>
57
520
;210
;003
321 vvv
'2'2
'2'2
'1'1
'1'1'3
'1'1
'1'1'2;
003
'1
333
221
vvv
vvv
0'1'1
'1'1'1'1'2'1 2
2 v
v Come si vede, |1’> e |2> sono ortogonali
2
1
0
9
0
0
3
0
2
1
0
'1'1
)2.01.00.3(
0
0
3
2
1
0
'2
58
5/15/2
0
5/245/12
0
520
410
52210.0210
0520
'3
xx
Normalizzazione (|1> è unitario)
e |1’|=(<1’ | 1’>)1/2
00
1
001
9
003
'1'1
'11 2/1
5/25/1
0
2211
210
'2
'22
xx
5/1
5/20
25/125/4
5/15/2
0
'3
'33
Verificare che i tre vettori
|1>, |2> e |3> sono a due a due ortogonali e che hanno norma unitaria
59
• Da questa procedura costruttiva segue che il massimo numero di vettori a due a due ortogonali eguaglia il numero massimo di vettori LI (provare l’asserto verificando anzitutto che un insieme di vettori a due a due ortogonali è LI)
• Dato uno spazio vettoriale V, un sottoinsieme di suoi elementi che formino essi stessi uno spazio vettoriale si chiama sottospazio.
• Denotiamo il sottospazio i-esimo di dimensione ni con
• Dati due sottospazi e la loro somma si definisce
• e contiene tutti gli elementi dei due sottospazi e delle loro combinazioni lineari. In V3, il sottospazio costituito dal piano xy per esempio è dato da Vxy
2
iniV
iniV
kji mk
mj
ni VVV
jmjV
Alcune osservazioni
60
Prima di arrivare alla nozione di aggiunto di un operatore lineare, riscriviamo alcuni operatori noti nel linguaggio di Dirac in uno spazio a n dimensioni.
Intanto, operatori lineari possono agire su kets A|v> = |v’ > o su “bras” <v|A=<v’ |
l’azione di un operatore lineare A è completamente determinata dalla sua azione sui vettori di base
Supponiamo che l’azione di A su |>i sia |i’> A|i> = |i’>
'111
ivivivvn
ii
n
ii
n
ii
AAA
Scriviamo le componenti della nuova base i’ in funzione di quella originale j, ovvero le proiezioni dei vari |i’ > su j
jiijij AA '
61
Le componenti del ket trasformato da A sono esprimibili in termini di una matrice n x n . Poniamo che sia A|v> = |v’>
jiA
n
jjij
n
jj
n
jj
n
jji
viv
jvijviiv'iv
11
11
'
AjA
AAvA
Le componenti della prima colonna della matrice sono le proiezioni del primo vettore della base di v’ sulla base di v, ovvero le componenti del primo vettore |1’>
della base di v’ rispetto alla base originaria| i > di v; tali componenti (proiezioni) risultano dall’azione dell’operatore sul primo vettore della base, <1|A|1> = <1|1’>, <2|A|1>= <2|1’>, etc.
nn v
vv
nnnn
n
v
vv
..21
...
..121.2111
'.''
2
1
2
1
AAA..A
AAA
62
Esempio: sia A l’operatore di rotazione di 90 gradi attorno all’asse z = R(z )
R(z ) |1>= |1’> =|2> è la prima colonna di R
R(z ) |2>= =|2’>= -|1> è la seconda colonna di R
R(z ) |3>= |3> è la terza colonna di R
xy
z
x
100001010
331323321222311121
332313322212312111
RRRRRRRRR
/2) R(z
Quest’ultima matrice esprime quanto detto sopra
100
3;010
2;001
11>
3>
2>
63
Ripetiamo la p. 53)
ViiiViivV
vvv
vijivjVjivV
n
i
n
i
n
ii
ji
n
iiji
n
iji
i
n
i
n
ii
n
ii
111
11
111
Poichè <i |V>= vi sostituiamo questo valore nella seconda espressione in alto a sinistra
L’ultima uguaglianza si spiega perché il prodotto tra lo scalare vi e la base è commutativo
64
L’operatore di identità in forma matriciale è
• L’operatore di proiezione: poiché la prima uguaglianza qui sotto vale per ogni v, l’oggetto tra parentesi è il proiettore identità
ijij jijIiI
Pi è il proiettore per il ket | i>
n
i
n
i
n
i
Iv111
iPiivii
Equazione di completezza
i
n
ii
n
i
iiiiI PP 11
n
ii
n
i
PiiI11
65
vi è la componente di v lungo i, ovvero la sua proiezione lungo i. Un vettore v è quindi la somma delle sue proiezioni lungo n direzioni. Gli operatori P agiscono anche su “bras”
i*viivv
v
i
i
ii
P
iv *
jijjiijji PjijjiiPP
L’operatore di proiezione è idempotente (PP=P), come due filtri polarizzatori con uguale direzione nello spazio.
Per il secondo proiettore da lo scalare 0, come due filtri polarizzatori ortogonali l’uno rispetto all’altro
ji
ii vviivP
66
Scriviamo Pi = i><i in forma matriciale
0.1
00
i 0.1.00i
Mentre <v v’> è uno scalare, è un operatore. L’operatore di proiezione Pi ha solo un elemento diverso da 0, un 1 sull’i-esimo elemento della diagonale. Sommando gli altri proiettori, sappiamo che si deve ottenere l’identità e infatti la diagonale della matrice somma sarà costituita da tutti 1
0...00........1.........0...000...00
iP
i
iP vv
vv
i
iPI
67
8. L’aggiunto di un operatore
†
**
AvAAvvA
vvvv
v
aaavaa
Così come un ket (vettore colonna) si trasforma nel bra che gli corrisponde (vettore riga) con una trasposizione e coniugazione complessa dei suoi coefficienti, anche un operatore A è legato in modo
analogo al suo aggiunto †A
jiij
jiij
AA
AAAijAiAA
*
***
†
††
ijjji
Mostriamo ora che la matrice corrispondente all’aggiunto di un operatore A, ovvero è la matrice trasposta (scambio righe con colonne) e complessa coniugata di A
Questa eguaglianza vale per
definizione
†A
68
ii
iiA
coniugando
iiiiA
otrasponend
iiiiA
t
4831
4831
8341
†
esempio †††ABAB
†††
†
ABCABCA(BC)ABC
(AB)C(AB)CABC
Dim.
Dalla 2 e 3 espressione segue la 1
Trovare l’aggiunta di
*AB***
AB
4††
633452211
6454332211
avavvvavav
vavvvavava
Risposta
69
Operatori hermitiani, anti-hermitiani e unitari (In MQ i primi rappresentano le osservabili)
Un operatore A è hermitiano se
AA† Un operatore A è anti-hermitiano se
AA†
Come un numero complesso, un operatore hermitiano si può scrivere come una somma di una parte puramente reale e di una puramente immaginaria
22
†† AAAAA
70
3112
iiA
Esempio: sia A un operatore sui complessi C2 e v un ket
iv 11
viiiii
v 4)1(44
)1)(3()1)(1()1)(1()1)(2(
A
Notiamo che v è un autovettore di A con autovalore 4, che è un numero reale
Poiché A è uguale al suo aggiunto A, allora è un operatore hermitiano, e “corrisponde” nei complessi a una matrice simmetrica in R2: i suoi elementi fuori-diagonale sono l’uno il complesso coniugato dell’altro, mentre gli elementi sulla diagonale sono reali e, come vedremo, hanno una somma, che si chiama traccia, che è uguale alla somma degli autovalori associati ad A
AAA T†
3112
3112*
*
ii
ii
71
Vediamo ora perché
Gli autovalori di un operatore hermitiano sono numeri reali2
vavvavvavvav
membri i entrambi v per
scal.ndomoltiplica AA
Passiamo ora all’equazione aggiunta, si ottiene
2** vavvavv †A
PER DEFINIZIONE DI OPERATORE HERMITIANO, A=A† e
quindi vale anche ;
sottraendo le due equazioni membro a membro si ha
vvvv †AA
**)(0 02aavaa v a è reale perché
uguale al suo a*.
72
Riassumendo, un operatore lineare A su V si dice hermitiano se per ogni v e u, si ha
vuvu AA Un operatore lineare A su V si dice di proiezione se è (i) hermitiano e (ii) idempotente, ovvero AA=A. L’insieme di proiettori P è in corrispondenza biunivoca con l’insieme di sottospazi di V su cui i vari P proiettano
Dimostriamo ora una relazione estremamente importante che incontreremo dopo. Sia P un operatore di proiezione; allora vale la seguente:
2vvv PP
2. vvvvvvv àhermiticitidemp PPPPP 2
73
Esercizi:
Se A e B sono hermitiani, che cosa si può dire di
(i) AB; (ii)AB+BA;(iii)[A, B] ; i[A, B] ?
(i) R. sì solo se [AB]=0 (NB: agg.(A) = aggiunto di A)
agg(AB) = agg(B)agg.(A)=(per hermiticità) BA in generale diverso da AB
R. (ii) sì
agg(AB+BA)=agg(AB)+agg(BA)=agg(B)agg(A)+agg(A)agg(B)=BA+AB=AB+BA
(iii) agg(AB-BA)=agg(B)agg(A)- agg(A)agg(B)=BA-AB= -(AB-BA) anti-hermitiano
(iv)agg(i[A, B])= -i(agg(AB)-agg(BA))=-i (agg(B)agg(A)- agg(A)agg(B))=
-i(BA-AB)= - iBA + iAB= i(AB-BA)= i[A, B] ovvero i[A,B] è uguale al suo aggiunto
e quindi è hermitiano
La regola per passare agli aggiunti è (oltre a invertire l’ordine dei fattori) sostituire:
†AA *aa
74
Operatori unitari
IUU †
Un operatore U è unitario se
Quest’equazione ci dice che U e U† sono l’uno l’inverso dell’altro. Poiché si
dimostra che quando un operatore A ha un inverso vale
AA-1 =A-1A= I
Anche per U si ha U†U= I
in analogia ai numeri complessi unitari, u = ei per i quali vale
uu* = eie-i = e0 =1
Esercizio: Mostrare che il prodotto di operatori unitari è unitario
75
Siano U e U1 i due operatori unitari. Allora
UU† = I = U†U e U1 U1† = I = U1
† U1
Dobbiamo dimostrare che UU1 (UU1)† = I
Poiché si ha (UU1)† = U1†U† (p.68), UU1 (UU1)† = U U1 U1
† U†
Ma dato che U1 è unitario, possiamo scrivere U1 U1† =I e si ha
UU1 (UU1)† =U I U† = U U† = I, dove la penultima uguaglianza vale perché I U† = U† (I è l’operatore identità)
Gli operatori unitari preservano il prodotto scalare tra i vettori sui quali agiscono
22
11
'
'
vUv
vUv
21212121 '' vvvUUvUvUvvv †
76
Gli operatori unitari sono quindi una generalizzazione in Vn(C) degli operatori di rotazione in R2, i quali ultimi preservano la lunghezza dei vettori e il prodotto scalare. Poiché la matrice che esprime l’aggiunto di un operatore è la coniugata della matrice trasposta, nel caso di un campo reale come R2 la parte immaginaria di ogni numero è nulla e l’inversa di U, che è U† è semplicemente la sua trasposta: U†=UT (ricordiamo che
quando in spazi reali Rn AAT = I, A si dice matrice ortogonale)
Teorema: Le colonne e le righe di matrici unitarie U n x n, se viste come componenti di n vettori, sono ortonormali (ortog. e di norma 1)
Dim. poiché (1) la colonna i-esima della matrice che rappresenta U è l’immagine del vettore di base i> dopo l’applicazione di U, e (2) ogni vettore della base è ortogonale agli altri, e (3) U preserva il prodotto scalare dei vettori su cui agisce, allora anche la colonna j della matrice che rappresenta U sarà ortogonale alla colonna i. Ora consideriamo che le colonne della matrice U† , che è esso stesso corrispondente a una rotazione, sono, a a parte un fattore di coniugazione complessa, le righe di U: poiché abbiamo già dimostrato che le colonne di vettori di rotazione come U† sono ortogonali, lo saranno anche le righe di U. QED
Una dimostrazione alternativa del teorema precedente
jUkkUijIUUijUUijIi
kkIIUU
kij
k
†††
† ;Le due ipotesi sono
0* k k
kjkikjik UUUU †
Al variare dell’indice di riga k da 1 a n, per i diverso da j la colonna i-esima e quella j-esima possono essere pensate come le n coordinate di due diversi vettori colonna u e v che formano la matrice U. Per la loro ortogonalità, basta mostrare che il prodotto scalare tra i due vettori <u|v> è nullo; ovvero che le somme kuk*vkdei prodotti delle coniugate complesse delle componenti di uk = Uki* per le componenti di vk=Ukj è 0, proprio come avviene sopra. Per i=j, moltiplichiamo scalarmente il vettore colonna i per sé stesso (kuk*uk, determinando quindi il modulo quadrato del vettore u; ma poiché, per come è definito ijtale prodotto deve valere 1, il vettore in questione è normalizzato. I vettori colonna della matrice U sono dunque
ortonormali. Per le righe, basta utilizzare l’altra relazione UU † = I
per i diverso da j
Ricorda l’ Eq. di completezza a p. 62
78
cbaddcba
det
(a) det A=det A†
(b) det (AB)= det A det B
Esercizio: Provare che il determinante (“det”) di una matrice unitaria è un numero complesso di modulo unitario
Assumere che
iiii
ii
1111
2
1
11
2
12/1
Verificare che queste due matrici sono unitarie, che il loro determinante è della forma eie vedere se sono hermitiane
La traccia di una matrice A è, come la funzione determinante, una funzione che associa ad A uno scalare. La traccia, denotata con “Tr”, è uguale alla somma degli elementi diagonali della matrice stessa:
n
iiiTr
1
)( AA
79
EserciziMostrare che
1) Tr (AB) = Tr (BA)
2) Tr(ABC) = Tr(BCA)=Tr(CAB)
3) La traccia di un operatore è invariante per cambio unitario di base i> Ui>; alternativamente, mostrare che Tr(A)=Tr(U†AU)
4) Mostrare lo stesso per un determinante Det(A)=Det(U†AU), ovvero che il determinante di una matrice è invariante per cambio di base unitario
80
9. Equazione caratteristica per matrici finite
Se A è una trasformazione lineare (un operatore lineare dello spazio V), l’equazione agli autovalori T(v) = av può (portando a sinistra del segno di = il termine av e aggiungendo l’operatore identità), scriversi nella forma
(A - aI )(v) = 0
Trovare le soluzioni di questa equazione è equivalente a trovare gli autovettori e gli autovalori di un operatore lineare qualsiasi A. Si può dimostrare che questa
equazione ha soluzioni diverse dall’autovettore v = 0 se e solo se la matrice A-aI non è invertibile, ovvero se non esiste una matrice inversa (A-aI)-1 tale
che A-aI per la sua inversa sia l’identità I. La non invertibilità, a sua volta, è equivalente alla seguente condizione sul determinante della matrice di cui sopra (si veda T. Apostol, Geometria, vol.2, p. 201, oppure Lang, p. 232)
det (A- aI)= 0
81
1320det213
20det11122det3
113220213
det
Esempio di determinazione di autovettori di un operatore A: Imponiamo che det (A-aI)=0
L’ultima sommatoria si ottiene calcolando il determinante di A-aI come indicato nella prima riga: il polinomio che ne risulta, detto caratteristico, è di grado pari alla dimensione dello spazio in cui è definito l’operatore. Il polinomio caratteristico è un equazione di grado n che ha come soluzioni o radici proprio gli autovalori a di A. In assenza di degenerazione (ovvero quando non si verifica che uno stesso autovalore sia associato ad autovettori distinti) gli autovalori sono tanti quanti le radici dell’equazione.
00
113
220
213
det
0
00
00
00
113
220
213
det
i
iiac
a
a
a
a
a
a
82
Per ogni operatore hermitiano A in Vn esiste almeno una base di vettori ortonormali. In questa “autobase” l’operatore è diagonale e ha come elementi diagonali proprio gli autovalori dell’operatore.
Affrontiamo prima il caso (non degenere) in cui tutti gli n autovalori sono distinti
Dato l’operatore hermitiano A, scriviamo prima l’equazione caratteristica
det (A - aI ) = |0>, ricordandoci che il calcolo del determinante ci fornisce il
polinomio caratteristico già introdotto: ici ai. Tale polinomio in a, grazie
al teorema fondamentale dell’algebra, ha almeno una radice, ovvero un
autovalore, chiamiamolo a1. In corrispondenza a tale autovalore, deve esistere un
autovettore non nullo v1>, perché altrimenti la matrice (A - aI ) sarebbe invertibile
e ciò è escluso dall’ipotesi che il suo determinante sia nullo (vedi la presentazione
sull’equazione caratteristica). Prendiamo adesso in considerazione il sottospazio
Vn-1 _|1 costituito da vettori tutti ortogonali a v1> e scegliamo una base costituita
dall’autovettore normalizzato v1> e da altri n-1 vettori ortonormali scelti nel
sottospazio Vn-1 _|1 ; in questa base l’operatore A ha la forma seguente:
83
000
0001a
A
L’immagine del vettore |v1> dopo che a esso applichiamo A è la prima colonna, che ha tutti zeri sotto l’autovalore a1
perché le sue componenti rispetto agli altri vettori della base del sottospazio ortogonale a |v1> sono nulle: <2|A|1>= <3|A|1>=….= 0 e ciò per l’ipotesi di ortogonalità. Lo stesso dicasi per la prima riga, dato che A è hermitiano, cioè (AT)* =A† =A, cosicché la prima colonna è uguale alla prima riga a parte a1
Partendo da det(A-aI) = 0, che implica
la nuova equazione caratteristica è (a1- a) det(matrice nel box) = 0, ovvero
1
01 0)(
n
i
iiacaa
Dato che il polinomio di grado n-1 deve a sua volta generare una radice a2 e un
autovettore normalizzato |v2> per le ragioni già viste a proposito di a1, si può
definire il sottospazio Vn-2_|2 i cui vettori sono tutti ortogonali a |v2>. Iterando
la procedura per |v3> fino a vn si ottiene la seguente matrice:
NB: Gli altri termini corrispondenti all’equazione in alto a p. 81 sono infatti tutti nulli perché la prima riga
e la prima colonna sono nulli tranne a1
01
n
i
ii ac
n
i
ii ac
1
84
na
aa
00....0.00.0
2
1
A
Come si vede la matrice che esprime l’operatore hermitiano A è diagonalizzata (tutti 0 tranne sulla diagonale, dove troviamo tutti gli autovalori di A)
Ci può essere più di una base che diagonalizza A, e questo accade quando c’è degenerazione. Supponiamo che per due diversi vettori ortonormali v1 e v2 ; allora si ha:
aaa 21
212121
2211 ;
vvavavavvα
vavvav
A
AA
Poiché v1 v2 sono ortogonali, essi generano un sottospazio bidimensionale chiamato autospazio i cui elementi sono tutti autovettori di A con lo stesso autovalore a. Qualunque coppia di vettori ottenuti da una rotazione rigida di v1 v2 sono una possibile autobase per A: nel caso degenere abbiamo dunque un’infinità di basi ortonormali. Se il polinomio caratteristico ha una radice di molteplicità m, la dimensione del sottospazio il cui unico autovalore è a sarà data proprio da m
85
Vediamo ora il caso degenere con un esempio, in cui abbiamo un operatore hermitiano in qualche base data
101020101
A
Determiniamo l’equazione caratteristica imponendo
2,2,00)2(
2]22)[1(
)]2(0[10]0)1)(2)[(1(
0101
020101
det
2
2
aaa
aaaaa
aaaa
aa
aaIA
Per determinare l’autovettore v corrispondente ad a=0, dobbiamo determinare un’equazione che ci sia utile allo scopo
86
Scriviamo l’ultima relazione in una base, moltiplicando per <i| e ricordando che l’identità I si può decomporre I =ii> <i|
0 vaIvav AA
Sostituiamo ora nell’espressione del box rosso i valori dell’esempio precedente per determinare l’autovettore v di coordinate (x, y, z), corrispondenti all’autovalore a=0
zxzyxyy
zxzyx
zyx
01010020101
000
010100201001
101
2
1
2
101
101
vvv
Qualunque vettore con z=-x va bene e data la libertà di scala, scegliamo x=1; se moltiplichiamo v per un vettore a norma 1, va bene lo stesso
0
))((
1
11
n
jjijij
j
n
j
n
j
va
vjiajivjjaivaIi
A
AAA
87
Per le altre due radici (autovalori) coincidenti, a=2, si ottiene un’unica equazione, come conseguenza della degenerazione. Si trovino per esercizio le tre seguenti condizioni seguendo la falsariga dell’esempio precedente:
000
0
zx
zx
Le condizioni x=z e y arbitrario (0=0) definiscono un insieme di vettori che è ortogonale al primo autovettore |v> già trovato, e che giacciono in un piano ortogonale al primo vettore già trovato |v>. Scegliendo per il primo autovettore corrispondente ad a=2 y=1 (0=0 non pone alcuna condizione), x=z e normalizzando, si ha
12
1
6
1'
111
3
1
2
2
a
a
v
v
Il terzo vettore è scelto in modo che sia ortogonale al secondo. Ogni distinta scelta della frazione y/z ci dà coppie distinte di autovettori con il medesimo autovalore 2
88
Teorema: (Mentre) gli autovalori (di un operatore hermitiano sono reali, quelli) di un operatore unitario U sono numeri complessi di modulo 1, e i suoi autovettori sono mutuamente ortogonali
Assumiamo dapprima che non ci sia degenerazione (autovalori tutti distinti):
jjjaggiunta
jjj
iii
vaUvvavU
vavU
*
†
Moltiplichiamo scalarmente l’aggiunta della seconda equazione per la prima
0)*1(
**
ijij
ijijijijijij
vvaa
vvaavIvvvaavUUv †
1*0)(2 iiiii aaavvji
Poiché gli autovalori a sono tutti distinti, e ogni autovettore è diverso dal vettore
nullo, abbiamo due casi
1) i =j
89
1*1**))(( jijjjijiji aaaaaaaavvji
2) caso ji
01*0)*1( ijjiijij vvaavvaa
Se U è degenere, per il teorema a p. 76 (che afferma che le colonne e le righe di matrici unitarie U nxn, se viste come componenti di n vettori, sono ortonormali), e ripetendo la dimostrazione a p. 82-83, la somma dei moduli quadri degli elementi di ogni riga deve dare 1 (ortonormalità dei vettori riga); se scegliamo il primo autovettore con norma unitaria |v1| = 1, tutti gli altri elementi della prima riga sono nulli. Iterando la procedura per le altre righe si ottiene la conclusione
Moltiplico entrambi i membri per aj*
90
Diagonalizzazione di matrici hermitiane grazie a cambiamenti unitari della base
Consideriamo una base ortogonale per un operatore hermitiano A in Vn
A questa base possiamo sempre applicare una trasformazione U tale che per ogni vettore ortonormale |i> ci dia proprio la base (autobase) |ai>= U|i>, che è quella che diagonalizza la matrice A. Tale trasformazione U, preservando gli angoli, sarà unitaria, e da basi ortonormali porta a basi ortonormali. Ne segue che per ogni hermitiano A esiste una matrice unitaria U tale che U†AU è diagonale. Trovare una base che diagonalizza A equivale dunque a risolvere il problema degli autovalori, cioè trovare i possibili valori delle osservabili di un sistema.
n,...,3,2,1
91
Esercizio(1) Trovare gli autovalori e gli autovettori normalizzati dell’operatore A; 2) stabilire se la matrice è hermitiana e se 3) i suoi autovettori sono ortogonali
410020131
A
(i) det (A-aI) = 0
(ii)determiniamo l’autovettore v1
Non ci sono condizioni sulla prima componente x1,
mentre le altre due sono nulle. Scegliamo quindi x1=1, y1= z1=0
030300000
03030000
141001201311
)det
11111
1111
11111
1
1
1
1
1
1
1
zyzyxyzyx
zyzyxzyx
zyx
Ia( -A
001
11 wv
4;2;1)]4)(2)[(1(
0
410
020
131
)-Adet
321
aaaaaa
a
a
a
aI(
92
22222
222
22222
20200000
503
zyzyxzyx
zxzyx
125
2v
Normalizziamo i due vettori divedendoli per il rispettivo modulo
125
30
1
1425
125
2w
000
241002201321
)det2
2
2
2
2
2
2zyx
zyx
Ia( -A
000
441004201341
)det3
3
3
3
3
3
3zyx
zyx
Ia( -A
301
10
1
91
301
3w
0
02
033
3
3
333
y
y
zyx
93
410020131
A Non è simmetrica e dunque non è hermitiana, dato che la trasposta di A non è identica ad A
021212121 zzyyxxww Non vale l’ortogonalità
001000100
B
(2)Considerando la seguente matrice B, stabilire se è hermitiana, trovare i suoi autovalori e autovettori e chiamando U la matrice di autovettori di B, verificare che U† BU è diagonale
cossinsincosC
(3) Verificare che C è unitaria, mostrare che i suoi autovalori sono di
modulo 1 (eie-ie trovare isuoi autovettori, mostrando che sono ortogonali. Verificare che U†BU è diagonale, ponendo U uguale alla matrice degli autovettori di C
94
Teorema: Se A e B sono due operatori hermitiani commutanti, esiste almeno una base di autovettori comuni che li diagonalizza entrambi
Dimostriamo solo il caso in cui almeno uno dei due operatori (per es. A) sia non degenere (per ogni autovalore ai c’è un solo autovettore vi). Per una dimostrazione in cui entrambi sono degeneri, vedi R. Shankar, pp.48-50
)0
)(
iiii
iiiiiiii
vavv
vavavvav
(BBA )A(B0BA-ABBA,
BBBAA
Ne segue che B|vi>è un autovettore di A con autovalore ai. Poiché dagli esercizi sappiamo che gli autovettori sono individuati a meno un fattore di scala b, si può scrivere:
iii vbv B
Questo mostra che |vi> è anche un autovettore di B con autovalore bi ; poiché ogni autovettore di A è anche un autovettore di B, ed esiste un’unica base per A (perché è non-degenere), allora la base |vi> diagonalizzerà entrambi gli operatori.