Você está na página 1de 18

Matrizes hermitianas e unitarias

Amit Bhaya,
Programa de Engenharia Eletrica
COPPE/UFRJ
Universidade Federal do Rio de Janeiro
amit@nacad.ufrj.br
http://www.nacad.ufrj.br/amit

6 de abril de 2011

Indice (conceitos chave)

Matrizes complexas

Matrizes simetricas (hermitianas) e teorema espectral

Matrizes unitarias

Transformacoes lineares

Representacao matricial de transformac


ao linear

Similaridade e mudanca de base

Forma triangular de Schur

Matrizes normais

Forma de Jordan

Matrizes complexas
O produto interno entre x, y Cn e definido como xH y, onde
xH = xT , onde x e o conjugado complexo do vetor x.
O vetor x e ortogonal a y se xH y = 0, e o comprimento de x e
kxk = (xH x)1/2 .
A conjugada transposta de uma matriz A e escrita AH . Note que
(AB)H = BH AH .
Tres propriedades fundamentais de matrizes hermitianas:
1. Se A = AH , entao, x Cn , o n
umero xH Ax R.
2. Todo autovalor de uma matriz hermitiana e real.

3. Os autovetores de uma matriz hermitiana correspondentes a


autovalores distintos s
ao ortogonais.

Matrizes simetricas e teorema espectral


Conclusao (da 3a prop. na p
agina anterior): Uma matriz real

T
simetrica A = A pode ser fatorada como A = QQT os AV
o.n. de A sao as colunas de Q, e os AV de A formam a diagonal de
.
O fato acima A = QQT e conhecida como teorema espectral,
pois contem o conjunto de AV (:= espectro de A), ou ainda
como teorema de eixos principais.
Escrevendo
(1)
A = 1 q1 qT1 + + n qn qTn
vemos que A pode ser escrita como uma combinacao linear
(coefs. sao os AV) de n matrizes projetoras (de posto um), que
projetam nas n autodirec
oes o.n. Refere-se a (1) como
decomposic
ao espectral de A.

Matrizes unitarias
Uma matriz U e denominada unit
aria se UH U = UUH = I. Em
outras palavras, U possui colunas o.n. e linhas o.n. e UH = U1 .
Propriedades de matrizes unit
arias:
1. Matrizes unitarias preservam
angulo e comprimento (i.e.,
preservam o produto interno). (Ux)H Uy = xH y kUxk = kxk.
2. Todo autovalor de A tem valor absoluto 1. (|i (A)| = 1, i )
3. Autovetores correspondendo a autovalores diferentes sao
ortogonais.
K e chamada anti-hermitiana se K = KH . Sendo real, isto
etrica.
significa, K = KT , e, neste caso, K e chamada anti-sim
Os autovalores de matrizes anti-hermitianas s
ao puramente
imaginarias e podemos diagonalizar via uma similaridade unitaria:
aria e diagonal com os autovalores
K = UUH , com U unit
imaginarios de K na diagonal principal.

Real versus complexo


Rn
xT y
kxk = (xT x)1/2
AT = (aji )
(AB)T = BT AT
(Ax)T y = xT (AT y)
x y se xT y = 0
AT = A (A sim
etrica)
A = QQT (= AT ) ( real, diag.)

Cn
xH y
kxk = (xH x)1/2
AH = (aji )
(AB)H = BH AH
(Ax)H y = xH (AH y)
x y se xH y = 0
AH = A (A hermitiana)
A = UUH (= AH ) ( real, diag.)

KT = K (anti-sim
etrica)

KH = K (anti-hermitiana)

QT Q = QQT = I (ortogonal)

UH U = UUH = I (unit
aria)

(Qx)T Qy = xT y

Colunas, linhas, AV o.n., |AV | = 1

(Ux)H Uy = xH y

Colunas, linhas, AV o.n., |AV | = 1

Transformacoes lineares

Quando a matriz A multiplica um vetor x, podemos pensar que ela


transforma x em Ax.
Exemplos:
 A = I estica todo vetor por um fator .
0 1
Arot =
roda todo vetor por 90 graus. Etc.
1
0
Um mapeamento T : (V, F) (W, F) e chamado transformac
ao
linear se
F, v1 , v2 V, T(v1 + v2 ) = T(v1 ) + T(v2 ).
facil verificar que toda matriz define uma transformacao linear.
E
Na realidade, a inversa tambem vale.

Determinando a matriz representando uma transformacao


linear
Sejam os vetores {v1 , . . . , vn } uma base para o espaco V, e
{w1 , . . . , wm } uma base para o espaco W. Qualquer
transformacao linear T mapeando V a W e representada por uma
matriz. A j-esima coluna e encontrada pela aplicacao de T ao
j-esimo vetor da base para V; o resultado Tvj e uma combinacao
linear dos vetores da base para W (os wi ) e os coeficientes da
combinacao linear formam a j-esima coluna da representacao
matricial desejada. I.e.,
Tvj = a1j w1 + a2j w2 + + amj wm
e a matriz da transformac
ao linear T e (aij ).

Similaridade

Dada uma matriz A e uma matriz n


ao-singular M, dizemos que a
transformacao que leva A a B := M1 AM e uma transformac
ao
de similaridade, e que as matrizes A e B s
ao similares.
Perguntas chaves: Quais s
ao as similaridades entre A e B?
Varrendo todas as matrizes n
ao-singulares M possveis, e possvel
encontrar uma estrutura especial para B?
Matrizes similares possuem o mesmo polin
omio caracterstico.
Portanto, mesmos tracos, determinantes, autovalores.

x AV de A (AV ) corresponde a M1 x AV de B (com mesmo AV


).

Simlaridade = Mudanca de base


Matrizes similares representam a mesma transformacao linear em
bases diferentes.
Diagrama comutativo:
replacements
TB1
base B
V

base B1

IB1 B2

IB2 B1

base B2

base B2

TB2

Comutatividade do diagrama acima significa: caminho (de


base B2

) equivale ao caminho

base B2

As matrizes que representam a mesma transformacao linear T em


duas bases diferentes B1 e B2 s
ao similares:
TB2 = IB1 B2 TB1
B = M1
A

IB2 B1 transf. lin.


M
matrizes

Formas triangulares (de Schur) com M unitaria


(Lema de Schur) Para qualquer matriz quadrada A, existe uma
matriz unitaria M = U tal que U1 AU = S onde S e triangular
superior. Os autovalores de A que s
ao os mesmos de S (pela
similaridade) aparecem, portanto, na diagonal principal da matriz
triangular S.
Lema acima e valido para qualquer matriz: frequentemente
permite escapar da hip
otese de diagonalizabilidade.
Aplicacao importante: Diagonalizac
ao de matrizes simetricas e
hermitianas com autovalores repetidos.
1. A hermitiana U1 AU hermitiana.
2. A simetrica ou hermtiana e triangular simultaneamente A
diagonal.
Teorema espectral (vers
ao final): Toda matriz simetrica
(resp. hermitiana) pode ser diagonalizada por uma matriz
ortogonal (resp. unitaria) e as colunas desta matriz contem um
conjunto completo de autovetores o.n.

Prova do lema de Schur (para n = 4)


Toda matriz possui ao menos um autovalor 1 (no pior caso, repetido 4

vezes) e um AVx1 associado. Seja U1 a matriz unitaria cuja primeira


coluna e x1 (as demais sao escolhidas arbitrariamente, de modo que U1
seja unitaria). Portanto, tem-se

1
0
AU1 = U1
0
0

1 0
0
0
U2 =
0
M2
0

1
0
U3 =
0
0

0
1
0
0

0
0
(M3 )11
(M3 )21

(M3 )12
(M3 )22

1
0
1
= U1 AU1 =
0
0

1
0
U1
2 (U1 AU1 )U2 =
0
0

1 1

U1
3 (U2 U1 AU1 U2 )U3 =

1
0
0
0

2
0
0

2
0
0

3
0

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 , i.e.,
NNH = NH N. Para tais matrizes (e somente para elas), a matriz
triangular (do lema de Schur) T = U1 NU coincide com a matriz
diagonal dos autovalores . Em outras palavras, matrizes normais
sao exatamente aquelas que possuem um conjunto completo de
autovetores o.n.
Matrizes hermitianas, simetricas e unit
arias certamente sao
normais.

Forma de Jordan
Agora vamos permitir M arbitraria e tentar diagonalizar A ate onde
possvel.
Se A possui s autovetores independentes, ela e similar a uma matriz com
s blocos:

J1

..
J = M1 AM =
.
.
Js
Cada bloco de Jordan e uma matriz triangular com apenas um
autovalor i e um autovetor:

i 1


.
Ji =

1
i

Quando o bloco possui ordem m > 1, o autovalor i e repetido m vezes e


ha (m 1) 1s acima da diagonal principal. O mesmo autovalor pode
aparecer em varios blocos, se corresponder a varios autovetores
independentes. Duas matrizes sao similares se compartilham a mesma
forma de Jordan. Por isso, e referido tambem como forma can
onica

Forma de Jordan:


exemplos








1 2
2 1
1 0 todas
1 1
T=
,A=
,B=
= J =
.
0 1
1
0
1 1
0 1
Para T transformar
o2
superdiagonal em 1: M = diag (1, 1/2). Para A,

1/2
1/2
leva a T, seguido por M . . .. Para B uma
U=
1/ 2 1/ 2
permuta
cao.

0 1 2
0 0 1
A = 0 0 1 and B = 0 0 0 . Zero e AV triplo para ambas
0 0 0
0 0 0
as matrizes, portanto aparecera em todos os blocos de Jordan.
Possibilidades: um bloco 3 3; ou um 2 2 e um 1 1; ou tres 1 1, i.e.:

0 1 0
0 1 0
0 0 0
J1 = 0 0 1 , J2 = 0 0 0 , J3 = 0 0 0 .
0 0 0
0 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 . Atencao!: A tecnica de


contar autovetores n
ao 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.

Aplicacao da forma de Jordan a EDOs


Ak = (MJM1 )(MJM1 ) (MJM1 ) = MJk M1 .

J e bloco-diagonal! Portanto, por exemplo, se tiver um AV

repetido 3 vezes e um u
nico AV correspondente:

n n
1 0
nn1 n(n 1)n2
.
Jni = 0 1 = 0
n
nn1
n
0
0

0 0

Para a equacao diferencial correspondente:


t

e
te t 12 t 2 e t
e Ji t = 0
e t
te t .
0
0
e t

Transformacoes de similaridade

1. A diagonaliz
avel: Colunas de X AV, X1 AX = diagonal
2. A arbitr
aria: forma de Jordan J = M1 AM bloco-diagonal.
3. A arbitr
aria, U unit
aria, U1 AU = T triangular.
4. A normal (AAH = AH A): U unit
aria, U1 AU =
diagonal. Casos especiais, com autovetores ortonormais:
4.1
4.2
4.3
4.4

A
A
A
A

hermitiana real.
real simetrica real, U = Q ortogonal.
anti-hermitiana imaginaria.
ortogonal ou unitaria, entao todos os |i | = 1.

Autovalores e autovetores: resumo


Matriz

Autovalores

Sim
etrica: AT = A
Ortogonal: QT = Q1

reais

Antisim
etrica: AT = A
Hermitiana: AH = A

imagin
arios

Autovetores
ortogonal xT
i xj = 0
ortogonal xH
i xj = 0
ortogonal xH x = 0

reais

Positiva definida: xT Ax > 0


Similar: B = S1 AS
Projec
ao: P = PT = P2

ortogonal xH
i xj = 0

reais, positivos
(B) = (B)

ortogonal
xB = S1 xA

= 1; 0

espaco coluna; espaco nulo

Reflex
ao: I 2uuT
Posto 1: A = uvT

= 1; 1, . . . , 1
= vT u; 0, . . . , 0

u; u

Inversa: A1
Deslocamento: A + I
Est
avel (DT, pot
encias): An 0
Est
avel (CT,expo.): e tA 0
P
Markov: mij > 0, ni=1 mij = 1

1/(A)
(A) +
|i | < 1
Re(i ) < 0, i
max (M) = 1

u; u
mesmos de A
mesmos de A
NAD
NAD
xequil > 0

k = e 2ik/n
diagonal de

xk = (1, k , . . . , n1
)
k
colunas de X (l.i.)

diagonal de real
diagonal de J

colunas de Q (o.n.)

cada bloco d
a um AV

AVdeAT A, AAT em V, U

AVdeAH A, AAH em V, U

Permutac
ao cclica: Pn = I
Diagonaliz
avel: XX1
Sim
etrica: QQT

Forma de Jordan: J = M1 AM
qq. matriz A = UVT R
qq. matriz A = UVH C

|i | = 1, i

posto(A) = posto()
posto(A) = posto()