Baixe o app para aproveitar ainda mais
Prévia do material em texto
Matrizes hermitianas e unita´rias Amit Bhaya, Programa de Engenharia Ele´trica COPPE/UFRJ Universidade Federal do Rio de Janeiro amit@nacad.ufrj.br http://www.nacad.ufrj.br/˜ amit COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Matrizes complexas O produto interno entre x,y ∈ Cn e´ definido como xHy, onde xH = xT , onde x e´ o conjugado complexo do vetor x. O vetor x e´ ortogonal a y se xHy = 0, e o comprimento de x e´ ‖x‖ = (xHx)1/2. A conjugada transposta de uma matriz A e´ escrita AH. Note que (AB)H = BHAH. Treˆs propriedades fundamentais de matrizes hermitianas: 1. Se A = AH, enta˜o, ∀x ∈ Cn, o nu´mero xHAx ∈ R. 2. Todo autovalor de uma matriz hermitiana e´ real. 3. Os autovetores de uma matriz hermitiana correspondentes a autovalores distintos sa˜o ortogonais. 1 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Matrizes sime´tricas e teorema espectral Conclusa˜o (da 3a prop. na pa´gina anterior): Uma matriz real sime´trica A = AT pode ser fatorada como A = QΛQT – os −→ AV o.n. de A sa˜o as colunas de Q, e os AV de A formam a diagonal de Λ. O fato acima A = QΛQT e´ conhecida como teorema espectral, pois Λ conte´m o conjunto de AV (:= espectro de A), ou ainda como teorema de eixos principais. Escrevendo A = λ1q1q T 1 + · · ·+ λnqnq T n (1) vemos que A pode ser escrita como uma combinac¸a˜o linear (coefs. sa˜o os AV) de n matrizes projetoras (de posto um), que projetam nas n autodirec¸o˜es o.n. Refere-se a (1) como decomposic¸a˜o espectral de A. 2 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Matrizes unita´rias Uma matriz U e´ denominada unita´ria se UHU = UUH = I. Em outras palavras, U possui colunas o.n. e linhas o.n. e UH = U−1. Propriedades de matrizes unita´rias: 1. Matrizes unita´rias preservam aˆngulo e comprimento (i.e., preservam o produto interno). (Ux)HUy = xHy ⇒ ‖Ux‖ = ‖x‖. 2. Todo autovalor de A tem valor absoluto 1. (|λi(A)| = 1,∀i) 3. Autovetores correspondendo a autovalores diferentes sa˜o ortogonais. K e´ chamada anti-hermitiana se K = −KH. Sendo real, isto significa, K = KT , e, neste caso, A e´ chamada anti-sime´trica. Os autovalores de matrizes anti-hermitianas sa˜o puramente imagina´rias e podemos diagonalizar via uma similaridade unita´ria: K = UΛUH, com U unita´ria e Λ diagonal com os autovalores imagina´rios de K na diagonal principal. 3 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Real versus complexo R n C n xT y xHy ‖x‖ = (xT x)1/2 ‖x‖ = (xHx)1/2 AT = (aji) A H = (aji) (AB)T = BT AT (AB)H = BHAH (Ax)T y = xT (AT y) (Ax)Hy = xH(AHy) x ⊥ y se xT y = 0 x ⊥ y se xHy = 0 AT = A (A sime´trica) AH = A (A hermitiana) A = QΛQT (= AT ) (Λ real, diag.) A = UΛUH(= AH) (Λ real, diag.) KT = −K (anti-sime´trica) KH = −K (anti-hermitiana) QT Q = QQT = I (ortogonal) UHU = UUH = I (unita´ria) (Qx)T Qy = xT y (Ux)HUy = xHy Colunas, linhas, −→ AV o.n., |AV | = 1 Colunas, linhas, −→AV o.n., |AV | = 1 4 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Transformac¸o˜es lineares Quando a matriz A multiplica um vetor x, podemos pensar que ela transforma x em Ax. Exemplos: A = αI estica todo vetor por um fator α. Arot = [ 0 −1 1 0 ] roda todo vetor por 90 graus. Etc. Um mapeamento T : (V, F) → (W, F) e´ chamado transformac¸a˜o linear se ∀α ∈ F,∀v1,v2 ∈ V,T(αv1+v2) = αT(v1)+T(v2). E´ fa´cil verificar que toda matriz define uma transformac¸a˜o linear. Na realidade, a inversa tambe´m vale. 5 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Determinando a matriz representando uma transformac¸a˜o linear Sejam os vetores {v1, . . . ,vn} uma base para o espac¸o V, e {w1, . . . ,wm} uma base para o espac¸o W. Qualquer transformac¸a˜o linear T mapeando V a W e´ representada por uma matriz. A j-e´sima coluna e´ encontrada pela aplicac¸a˜o de T ao j-e´simo vetor da base para V; o resultado Tvj e´ uma combinac¸a˜o linear dos vetores da base para W (os wi) e os coeficientes da combinac¸a˜o linear formam a j-e´sima coluna da representac¸a˜o matricial desejada. I.e., Tvj = a1jw1 + a2jw2 + · · ·+ amjwm e a matriz da transformac¸a˜o linear T e´ (aij). 6 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Similaridade Dada uma matriz A e uma matriz na˜o-singular M, dizemos que a transformac¸a˜o que leva A a B := M−1AM e´ uma transformac¸a˜o de similaridade, e que as matrizes A e B sa˜o similares. Perguntas chaves: Quais sa˜o as similaridades entre A e B? Varrendo todas as matrizes na˜o-singulares M poss´ıveis, e´ poss´ıvel encontrar uma estrutura especial para B? Matrizes similares possuem o mesmo polinoˆmio caracter´ıstico. Portanto, mesmos trac¸os, determinantes, autovalores. x −→ AV de A (AV λ) corresponde a M−1x −→ AV de B (com mesmo AV λ). 7 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Simlaridade = Mudanc¸a de base Matrizes similares representam a mesma transformac¸a˜o linear em bases diferentes. Diagrama comutativo: base B1V base B1V base B2V base B2V TB1 TB2 IB2→B1 IB1→B2 Comutatividade do diagrama acima significa: caminho (de base B2V a base B2V ) ↑−→↓ equivale ao caminho −→. As matrizes que representam a mesma transformac¸a˜o linear T em duas bases diferentes B1 e B2 sa˜o similares: TB2 = IB1→B2 TB1 IB2→B1 transf. lin. B = M−1 A M matrizes 8 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Formas triangulares (de Schur) com M unita´ria (Lema de Schur) Para qualquer matriz quadrada A, existe uma matriz unita´ria M = U tal que U−1AU = S onde S e´ triangular superior. Os autovalores de A que sa˜o os mesmos de S (pela similaridade) aparecem, portanto, na diagonal principal da matriz triangular S. Lema acima e´ va´lido para qualquer matriz: frequentemente permite escapar da hipo´tese de diagonalizabilidade. Aplicac¸a˜o importante: Diagonalizac¸a˜o de matrizes sime´tricas e hermitianas com autovalores repetidos. 1. A hermitiana ⇒ U−1AU hermitiana. 2. A sime´trica ou hermtiana e triangular simultaneamente ⇒ A diagonal. Teorema espectral (versa˜o final): Toda matriz sime´trica (resp. hermitiana) pode ser diagonalizada por uma matriz ortogonal (resp. unita´ria) e as colunas desta matriz conte´m um conjunto completo de autovetores o.n. 9 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Matrizes normais Para qual classe de matrizes a forma triangular do lema de Schur e´ diagonal? A matriz N e´ chamada normal se comuta com NH : NNH = NHN. Para tais matrizes (e somente para elas), a matriz triangular (do lema de Schur) T = U−1NU coincide com a matriz diagonal dos autovalores Λ. Em outras palavras, matrizes normais sa˜o exatamente aquelas que possuem um conjunto completo de autovetores o.n. Matrizes hermitianas, sime´tricas e unita´rias certamente sa˜o normais. 10 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Forma de Jordan Agora vamos permitir M arbitra´ria e tentar diagonalizar A ate´ onde poss´ıvel. Se A possui s autovetores independentes, ela e´ similar a uma matriz com s blocos: J = M −1 AM = J1 . . . Js . Cada bloco de Jordan e´ uma matriz triangular com apenas um autovalor λi e um autovetor: Ji = λi 1 · · · 1 λi . Quando o bloco possui ordem m > 1, o autovalor λi e´ repetido m vezes e ha´ (m − 1) 1’s acima da diagonal principal. O mesmo autovalor pode aparecer em va´rios blocos, se corresponder a va´rios autovetores independentes. Duas matrizes sa˜o similares se compartilham a mesma forma de Jordan. Por isso, e´ referido tambe´m como forma canoˆnica de Jordan. 11 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Forma de Jordan: exemplos T = [ 1 2 0 1 ] , A = [ 2 −1 1 0 ] , B = [ 1 0 1 1 ] todas possuem amesma forma de Jordan J = [ 1 1 0 1 ] . Para T transformar o 2 superdiagonal em 1: M = diag (1, 1/2). Para A, U = [ 1/ √ 2 1/ √ 2 1/ √ 2 −1/√2 ] leva a T, seguido por M . . .. Para B uma permutac¸a˜o. A = 0 1 20 0 1 0 0 0 and B = 0 0 10 0 0 0 0 0 . Zero e´ AV triplo para ambas as matrizes, portanto aparecera´ em todos os blocos de Jordan. Possibilidades: um bloco 3× 3; ou um 2× 2 e um 1× 1; ou treˆs 1× 1, i.e.: J1 = 0 1 00 0 1 0 0 0 , J2 = 0 1 00 0 0 0 0 0 , J3 = 0 0 00 0 0 0 0 0 . A possui apenas um −→ AV (1, 0, 0), portanto apenas um bloco ⇒ similar a J1; B possui o −→ AV adicional (0, 1, 0) e e´ similar a J2. Atenc¸a˜o!: A te´cnica de contar autovetores na˜o funciona sempre. E.g., A 4× 4 com um AV repetido 4 vezes (J3 e J1) ou (J2 e J2): dois −→ AV indep., forma de Jordan distintos. 12 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Aplicac¸a˜o da forma de Jordan a EDOs Ak = (MJM−1)(MJM−1) · · · (MJM−1) = MJkM−1. J e´ bloco-diagonal! Portanto, por exemplo, se tiver um AV repetido 3 vezes e um u´nico −→ AV correspondente: Jni = λ 1 00 λ 1 0 0 λ n = λ n nλn−1 n(n− 1)λn−2 0 λn nλn−1 0 0 λn . Para a equac¸a˜o diferencial correspondente: eJit = e λt teλt 12t 2eλt 0 eλt teλt 0 0 eλt . 13 COE745, c©Amit Bhaya Aula 7: Roteiro para estudo Transformac¸o˜es de similaridade 1. A diagonaliza´vel: Colunas de X −→ AV, X−1AX = Λ diagonal 2. A arbitra´ria: forma de Jordan J = M−1AM bloco-diagonal. 3. A arbitra´ria, ∃U unita´ria, U−1AU = T triangular. 4. A normal (AAH = AHA): ∃U unita´ria, U−1AU = Λ diagonal. Casos especiais, com autovetores ortonormais: (a) A hermitiana ⇒ Λ real. (b) A real sime´trica ⇒ Λ real, U = Q ortogonal. (c) A anti-hermitiana ⇒ Λ imagina´ria. (d) A ortogonal ou unita´ria, enta˜o todos os |λi| = 1. 14
Compartilhar