Álgebra Linear I

Início · Capítulo 9 · Teorema espectral e formas quadráticas

Operadores auto-adjuntos e o teorema espectral

11 cards nesta seção
  1. Lema 9.1As raízes de \(p_A\) são reais quando \(A\) é simétrica
  2. Lema 9.2Auto-adjunto: autovetores de autovalores distintos são ortogonais
  3. Lema 9.3Auto-adjunto: se \(S\) é invariante, \(S^\perp\) também é
  4. Nota 9.4Como a auto-adjunção remove os dois obstáculos
  5. Teorema 9.5Teorema espectral
  6. Proposição 9.6Quociente de Rayleigh: o maior e o menor autovalor
  7. Proposição 9.7Um autovetor real pelo máximo de \(\langle Tv,v\rangle\)
  8. Exemplo 9.8Diagonalização ortogonal com um autovalor duplo
  9. Proposição 9.9Propriedades das matrizes ortogonais
  10. Teorema 9.10Toda rotação de \(\R^3\) tem um eixo
  11. Nota 9.11A forma geral de uma matriz ortogonal
Lema 9.1

As raízes de \(p_A\) são reais quando \(A\) é simétrica

Se \(A\) é uma matriz real simétrica, todas as raízes de \(p_A\) são reais.

Demonstração

Seja \(\lambda\in\Cx\) uma raiz e \(z\in\Cx^n\), \(z\neq0\), com \(Az = \lambda z\). Ponha \(c = \bar z^tAz\in\Cx\). De um lado, \(c = \lambda\,\bar z^tz = \lambda\sum_i|z_i|^2\), com \(\sum_i|z_i|^2>0\). Do outro, \(c\) é real: seu conjugado é \(\bar c = z^tA\bar z\) (porque \(A\) é real), e \(z^tA\bar z\) é um número, igual ao seu transposto, \(\bar z^tA^tz = \bar z^tAz = c\). Logo \(\lambda = c/\sum|z_i|^2\) é real.

Lema 9.2

Auto-adjunto: autovetores de autovalores distintos são ortogonais

Se \(T\) é auto-adjunto, autovetores de autovalores distintos são ortogonais.

Demonstração

Se \(Tu = \lambda u\) e \(Tv = \mu v\), então \(\lambda\langle u,v\rangle = \langle Tu,v\rangle = \langle u,Tv\rangle = \mu\langle u,v\rangle\); com \(\lambda\neq\mu\), \(\langle u,v\rangle = 0\).

Teorema espectral: o círculo, a elipse e os eixos ortogonais
Lema 9.3

Auto-adjunto: se \(S\) é invariante, \(S^\perp\) também é

Se \(T\) é auto-adjunto e \(S\) é invariante por \(T\), então \(S^\perp\) é invariante por \(T\).

Demonstração

Sejam \(v\in S^\perp\) e \(s\in S\). Então \(\langle Tv,s\rangle = \langle v,Ts\rangle = 0\), porque \(Ts\in S\). Logo \(Tv\in S^\perp\).

Nota 9.4

Como a auto-adjunção remove os dois obstáculos

O Lema 9.3 é onde a auto-adjunção trabalha, e sem ela é falso: para o cisalhamento \(\left(\begin{smallmatrix}1&1\\0&1\end{smallmatrix}\right)\), o eixo \(x\) é invariante e o eixo \(y\) (seu ortogonal) não é — é exatamente por isso que o cisalhamento não se diagonaliza. O Lema 9.1 impede o outro obstáculo (Motivação 8.37), a rotação: uma rotação de \(\R^2\) por \(\theta\notin\pi\mathbb{Z}\) não é simétrica.

Teorema 9.5

Teorema espectral

Seja \(V\) de dimensão finita com produto interno e \(T:V\to V\) auto-adjunto. Existe uma base ortonormal de \(V\) formada por autovetores de \(T\). Em matrizes: toda matriz real simétrica se escreve \[A = QDQ^t,\qquad Q\ \text{ortogonal},\quad D\ \text{diagonal}.\] Reciprocamente, se \(T\) tem uma base ortonormal de autovetores, \(T\) é auto-adjunto.

Compare com a triangularização (Teorema 8.54): lá passava-se ao quociente \(V/[v_1]\) e a matriz ficava triangular; aqui passa-se ao complemento ortogonal, que é invariante, e o bloco acima da diagonal também se anula. O teorema é “triangularização \(+\) simetria \(=\) diagonalização”.

Demonstração

Indução em \(n = \dim V\); para \(n = 1\), qualquer vetor unitário serve. Numa base ortonormal, \([T]\) é simétrica, e pelo Lema 9.1 \(p_T\) tem uma raiz real \(\lambda_1\), que é autovalor. Seja \(u_1\) um autovetor unitário. A reta \(S = [u_1]\) é invariante, logo \(S^\perp\) é invariante (Lema 9.3), de dimensão \(n-1\) (Teorema 6.22). A restrição \(T|_{S^\perp}\) é auto-adjunta (com o produto interno restrito), e pela hipótese de indução \(S^\perp\) tem uma base ortonormal \((u_2,\ldots,u_n)\) de autovetores. Então \((u_1,\ldots,u_n)\) é ortonormal (os \(u_j\), \(j\geq2\), estão em \(S^\perp\)) e formada por autovetores.

Em matrizes: se \(Q\) tem por colunas essa base, \(Q\) é ortogonal, e \(Q^{-1}AQ = D\) (Teorema 3.14), com \(Q^{-1} = Q^t\). Recíproca: \((QDQ^t)^t = QD^tQ^t = QDQ^t\).

figura

A demonstração do teorema espectral em \(\R^3\). Achado um autovetor, o plano perpendicular a ele é invariante, e \(T\) restrito a ele ainda é auto-adjunto; o problema cai uma dimensão. Os autovetores achados em cada passo são automaticamente ortogonais aos anteriores.

Proposição 9.6

Quociente de Rayleigh: o maior e o menor autovalor

Seja \(T\) auto-adjunto com autovalores \(\lambda_1\geq\cdots\geq\lambda_n\). Então \[\lambda_1 = \max_{\|v\| = 1}\langle Tv,v\rangle,\qquad \lambda_n = \min_{\|v\| = 1}\langle Tv,v\rangle,\] e os pontos de máximo (mínimo) são exatamente os autovetores unitários de \(\lambda_1\) (\(\lambda_n\)).

figura

As curvas de nível \(q = c\) de \(q(v) = \langle Av,v\rangle\) são elipses com eixos nos autovetores. A maior que ainda toca o círculo unitário o toca na direção de \(V_3\), onde \(q = 3\); a menor que o toca, na direção de \(V_1\). Nos pontos de contato, o círculo e a elipse são tangentes — e isso é a equação \(Av = \lambda v\).

Demonstração

Numa base ortonormal de autovetores, \(v = \sum_ix_iu_i\) com \(\sum_ix_i^2 = 1\), e \[\langle Tv,v\rangle = \sum_i\lambda_ix_i^2\leq\lambda_1\sum_ix_i^2 = \lambda_1,\] com igualdade se e somente se \(\sum_i(\lambda_1-\lambda_i)x_i^2 = 0\), isto é, \(x_i = 0\) sempre que \(\lambda_i<\lambda_1\): \(v\in V_{\lambda_1}\). O mínimo é igual.

Proposição 9.7

Um autovetor real pelo máximo de \(\langle Tv,v\rangle\)

Seja \(T\) auto-adjunto e \(q(v) = \langle Tv,v\rangle\). Então \(q\) atinge um máximo na esfera \(\{\|v\| = 1\}\), e todo ponto de máximo \(v_1\) é autovetor de \(T\), de autovalor real \(q(v_1)\).

Esta proposição pode substituir o Lema 9.1 na demonstração do Teorema 9.5: ela não usa números complexos, e produz diretamente o autovetor de que o teorema precisa. Com ela, a Proposição 9.6 vira parte da construção: o primeiro autovetor achado é o do maior autovalor.

Demonstração

A esfera \(\{\|v\| = 1\}\) é fechada e limitada, e \(q\) é contínua; logo \(q\) atinge um máximo num ponto \(v_1\). Seja \(w\perp v_1\) e \[f(t) = q\Big(\frac{v_1+tw}{\|v_1+tw\|}\Big) = \frac{\langle T(v_1+tw),v_1+tw\rangle}{1+t^2\|w\|^2}.\] \(f\) tem máximo em \(t = 0\), logo \(f'(0) = 0\). Derivando o numerador em \(t = 0\) (o denominador tem derivada nula aí) e usando a auto-adjunção: \[f'(0) = \langle Tw,v_1\rangle+\langle Tv_1,w\rangle = 2\langle Tv_1,w\rangle.\] Portanto \(Tv_1\perp w\) para todo \(w\perp v_1\), isto é, \(Tv_1\in(v_1^\perp)^\perp = [v_1]\): \(v_1\) é autovetor, de autovalor real \(q(v_1)\).

Exemplo 9.8

Diagonalização ortogonal com um autovalor duplo

Diagonalizar ortogonalmente \[S = \begin{pmatrix}5&-1&1\\-1&5&1\\1&1&5\end{pmatrix}.\]

Autovalores. Observe que \(S-6I = \left(\begin{smallmatrix}-1&-1&1\\-1&-1&1\\1&1&-1\end{smallmatrix}\right)\) tem posto \(1\): \(\dim V_6 = 2\). Pelo teorema espectral, \(\mathrm{ma}(6) = \mathrm{mg}(6) = 2\), e o terceiro autovalor sai do traço: \(15-6-6 = 3\). (Confira: \(p_S = (6-\lambda)^2(3-\lambda)\).)

Autoespaços. \(V_6\): \(-x-y+z = 0\), o plano \(x+y-z = 0\). \(V_3\): pelo Lema 9.2, é ortogonal a \(V_6\), logo é a reta normal ao plano: \(V_3 = [(1,1,-1)]\). (Confira: \(S(1,1,-1) = (3,3,-3)\).)

Base ortonormal. Em \(V_6\) tome uma base qualquer, \((-1,1,0)\) e \((1,0,1)\), e aplique Gram–Schmidt dentro de \(V_6\): \[w_1 = (-1,1,0),\qquad w_2 = (1,0,1)-\frac{\langle(1,0,1),w_1\rangle}{\|w_1\|^2}w_1 = (1,0,1)+\tfrac12(-1,1,0) = \big(\tfrac12,\tfrac12,1\big).\] Normalizando e juntando o de \(V_3\): \[Q = \begin{pmatrix}-\frac{1}{\sqrt2}&\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\[0.2em] \frac{1}{\sqrt2}&\frac{1}{\sqrt6}&\frac{1}{\sqrt3}\\[0.2em] 0&\frac{2}{\sqrt6}&-\frac{1}{\sqrt3}\end{pmatrix},\qquad D = \begin{pmatrix}6&0&0\\0&6&0\\0&0&3\end{pmatrix},\qquad S = QDQ^t.\] As colunas são unitárias e duas a duas ortogonais (por exemplo, \(\frac{1}{\sqrt{18}}(1+1-2) = 0\)), isto é, \(Q^tQ = I\).

Dois pontos. (i) Dentro de um autoespaço de dimensão \(\geq2\) a base de autovetores não vem ortogonal de graça — \((-1,1,0)\) e \((1,0,1)\) não são ortogonais —, e Gram–Schmidt resolve, porque qualquer combinação de autovetores de \(\lambda\) ainda é autovetor de \(\lambda\). (ii) Entre autoespaços diferentes a ortogonalidade é automática (Lema 9.2), e é ela que permitiu achar \(V_3\) sem resolver sistema. O truque do posto de \(S-6I\) e do traço evita calcular um determinante \(3\times3\).

Proposição 9.9

Propriedades das matrizes ortogonais

Seja \(A\) ortogonal (\(A^tA = I\)). Então \(\langle Au,Av\rangle = \langle u,v\rangle\); \(\det A = \pm1\); todo autovalor real é \(\pm1\); e se \(S\) é invariante por \(A\), \(S^\perp\) também é.

Demonstração

\(\langle Au,Av\rangle = u^tA^tAv = u^tv\). \(\det(A^t)\det A = 1\) e \(\det A^t = \det A\). Se \(Av = \lambda v\), \(v\neq0\), então \(\|v\| = \|Av\| = |\lambda|\,\|v\|\). Se \(A(S)\subset S\), então \(A(S) = S\) (\(A\) é injetora), e para \(v\in S^\perp\) e \(s = As'\in S\): \(\langle Av,s\rangle = \langle Av,As'\rangle = \langle v,s'\rangle = 0\).

Teorema 9.10

Toda rotação de \(\R^3\) tem um eixo

Se \(A\) é \(3\times3\) ortogonal com \(\det A = 1\), existe \(u\neq0\) com \(Au = u\), e \(A\) é uma rotação do plano \(u^\perp\).

Demonstração

\(\det(A-I) = \det(A-AA^t) = \det A\,\det(I-A^t) = \det\big((I-A)^t\big) = \det(I-A) = (-1)^3\det(A-I)\), logo \(\det(A-I) = 0\): existe \(u\neq0\) com \(Au = u\). O plano \(u^\perp\) é invariante (Proposição 9.9), e numa base ortonormal \((u_1,u_2)\) dele, completada por \(u/\|u\|\), a matriz de \(A\) é \(\left(\begin{smallmatrix}R&0\\0&1\end{smallmatrix}\right)\) com \(R\) ortogonal \(2\times2\) e \(\det R = 1\). As matrizes ortogonais \(2\times2\) de determinante \(1\) são as rotações: as colunas são \((\cos\theta,\sen\theta)\) e o vetor unitário perpendicular que dá \(\det = 1\), \((-\sen\theta,\cos\theta)\).

Nota 9.11

A forma geral de uma matriz ortogonal

Toda matriz ortogonal \(n\times n\) é, numa base ortonormal, diagonal por blocos com blocos \(\pm1\) e blocos de rotação \(2\times2\). A demonstração é a do Teorema 9.5 com o Teorema 8.50 (plano invariante de uma raiz complexa) no lugar do Lema 9.1. Em \(\R^3\) isso é o teorema de Euler (Teorema 9.10): todo movimento rígido que fixa a origem e preserva orientação é uma rotação em torno de um eixo. Em \(\R^4\), dois blocos de rotação dão uma matriz ortogonal de determinante \(1\) sem vetor fixo.