Programa de Pos-Graduacao em Matematica Aplicada - UFRGS

MAP05 - Metodos Matriciais Computacionais

Lista de Exerccios 1

Leticia Tonetto
Professor Joao Batista Carvalho
17 de setembro de 2012
Exerccio 1 (P2.1.1 - Golub)
Mostrar que se A R tem posto p entao existe X Rmp e Y Rnp tal que A = XY T
tal que X e Y tem posto p
Resolu
c
ao
Utilizando eliminacao elementar podemos obter a forma escalonada da matriz A, dada
por E1 A = R ou A = E 1 R = E2 R. Sendo E2 uma matriz m m e R uma matriz m n.
Alem disso, R tera m p linhas nulas e posto p
[
]
bpn
R
R=
(1)
0(mp)n mn
Decompondo a matriz E2 em blocos temos
em(mp) ]
bmp E
E2 = [E
posto(E2 ) = m, sendo que as primeiras p colunas de E2 formam uma matriz de posto p.
E a decomposicao de A

b E]
e
Amn = [E
| {z } | {zmm}
rank=p

rank=p

[
|

b
R
0

]
{z mn}

T
b R
b
= |{z}
E
|{z} = XY

(2)

mp pn

rank=p

Logo a matriz A de posto p pode ser decomposta em um produto de matrizes de posto p.

Exerccio 2 - (P2.1.4 - Golub)
Suponha que A Rnn , b Rn e que (x) = 12 xT Ax xT b. Mostre que o gradiente da e
dado por (x) = 21 (AT + A) b.
Resolu
c
ao
Temos que

(x) =

1
2

a11

..
(x1 . . . xn ) .

an1

..
.

x1

a1n

..
.. (x1 . . . xn )
.

ann
xn

a11 x1 + + a1n xn

a21 x1 + + a2n xn

= 12 (x1 . . . xn )
..

.
an1 x1 + + ann xn

b1
..
.
..
.
bn

(3)

(b1 x1 . . . bn xn )

(4)

Entao
(x) =

1[
a11 x21 + a12 x1 x2 + . . . + a1n x1 xn + a21 x2 x1 + a22 x22 + . . . + a2n x2 xn + . . . +
2

+an1 xn x1 + an2 xn x2 + . . . + ann x2n ] b1 x1 . . . bn xn

Calculando o gradiente
=

e1 + . . . +
en
x1
xn

teremos
2

(5)

(x) =

(1
2

)
[2a11 x1 + a12 x2 + + a1n xn + a21 x2 + + an1 xn ] b1 e1 +

)
[a12 x1 + + a21 x1 + 2a22 x2 + + a2n xn + + an2 x2 ] b2 e2
..
.
(1
)
+ 2 [an1 x1 + a2n x2 + + an1 x1 + an2 x2 + + 2ann xn ] bn en

(1
2

a11
1 ..
(x) = 2 .
an1

..
.

a11
a1n
.. + ..
. .
ann
a1n

..
.

x1
an1
.. ..
. .
xn
ann

b1
..
.
bn

(6)

(x) = 12 (A + AT )x b

Exerccio 3 - (P2.1.5 - Golub)

Assuma que ambas A e A + uv T sao nao singulares onde A Rnn e u e v R. Mostrar
que se x resolve
(A + uv T )x = b

(7)

entao ele tambem resolve o problema com o lado direito perturbado da forma Ax = b + u.
De uma expressao para em termos de A, u, v.
Resolu
c
ao
Se x resolve (7) e A + uv T e nao-singular
(A + uv T )1 (A + uv T )x = (A + uv T )1 b
x = (A + uv T )1 b
e entao pela formula de Sherman-Morrison-Woodberry
x = (A1 A1 u(I + v T A1 u)1 v T A1 )b
x = A1 b A1 u(I + v T A1 u)1 v T A1 b
Temos que I = 1 e escalar e v T A1 u e escalar. Multiplicando a equacao anterior por A
3

Ax = b

(v T A1 b)
u
(1 + v T A1 u)

Entao x e solucao de Ax = b u, sendo

=

(v T A1 b)
.
(1 + v T A1 u)

Exerccio 4 - (P2.2.2 - Golub)

Prove a desigualdade de Cauchy-Schwartz considerando a desigualdade
0 (ax + by)T (ax + by)
para escalares a e b convenientes.
Resolu
c
ao
Vamos considerar na desigualdade 0 (ax + by)T (ax + by), para x e y nao-nulos, b = 1
e a um escalar qualquer . Se 0 = (ax + by)T (ax + by), ou 0 = (y x)T (y x) estamos
no caso x e y LDs, ou seja, y = x, temos
x 22 = xT x
|xT y| = ||(xT x) = || x 2 x 2 = x 2 x 2 = x 2 y 2
Isso implica que a desigualdade de Cauchy-Schwartz e valida para o caso x e y LDs.
Agora se 0 < (ax + by)T (ax + by), ou 0 < (y x)T (y x), estamos no caso x e y LI,
ou seja, y x = 0. Entao temos
0 < y x 2 = (y x)T (y x) = y T y 2y T x + 2 xT x
uma equacao quadratica nao-nula na variavel , isso implica que seu discriminante deve
ser negativo, ou seja,
4(y T x)2 4(y T y)(xT x) < 0 |(y T x)| < y 2 x 2
E entao, desses dois casos, segue a desigualdade de Cauchy-Schwartz
|xT y| x 2 x 2 .

Exerccio 5 - (P2.2.8 - Golub)

Dados x e y de Rn e () = x y 2 . Mostre que e minimizada quando = xT y/y T y.
Resolu
c
ao
(
() =

(xi yi )2

)1/2

i=1
n
n

1
() = ( (xi yi )2 )1/2
2yi (xi yi )
2 i=1
i=1

Entao
n
(xi yi )yi
() = ni=1
( i=1 (xi yi )2 )1/2

(8)

Determinando pontos crticos de ()

(x y)T y
() =
=0
x y 2

Entao
(x y)T y = 0
y T y xT y = 0
Temos ponto crtico em
=

xT y
yT y

(9)

Tal ponto crtico e ponto de mnimo visto que () reescrita como

()

y T y xT y
x y 2

e uma reta crescente com raiz dada em (9) e coeficiente angular y T y positivo. Logo
dado em (9) minimiza .
T
Obs: y = xyT yy y e a projecao ortogonal de x na direcao de y.
5

Exerccio 6
Seja x = [1 1 1 1]T . Em MatLab ou Scilab, descubra como a funcao norm funciona. Para
up = norm(x, p), complete a tabela abaixo, com os valores numericos e 7 casas decimais.

p
1
2
3
4
5
6

up

p
4
7
2
8
1.587401 9
1.4142135 10
1.3195079 11
1.2599210 12

up
1.2190136
1.1892071
1.1665290
1.1486983
1.1343125
1.12246204

p
13
14
15
16
17
18

up
1.1125315
1.10408951
1.0968249
1.0905077
1.0849639
1.0800597

e finalmente calcule norm(x, inf ) e compare.

Resolu
c
ao
norm(x, inf ) = 1.

A fim de verificar matematicamente o comportamento apresentado na tabela, vamos mostrar

que se x Rn , entao
lim x p = x .

Resolu
c
ao
Considerando M = max1in |xi |. Para x = 0 escrevemos
x p = M

( n (
)1/p
|xi | )p
i=1

(10)

Temos que cada termo na soma nao excede 1 e que no mnimo um termo e igual a 1, e
como e claro que M x p
6

teremos
M x p n1/p M
Fazendo p temos que
x p M = x
Logo
lim x p = x .

Exerccio 7 - (2.0 - Datta)

Responder verdadeiro ou falso, justificando a escolha.
(a) Os autovalores de uma matriz triangular superior T sao as entradas da diagonal.
VERDADEIRO.
Resolu
c
ao
Se T e uma matriz triangular superior, entao o polin
omio caracterstico p() = det(T I)

e o produto das entradas da diagonal, ou seja, p() = (tii ), cujas razes sao as entradas
da diagonal t11 , t22 , t33 , ... e correspondem aos autovalores da matriz T .

(b) Os autovalores de uma matriz real simetrica sao reais.

VERDADEIRO.
Resolu
c
ao
De maneira equivalente podemos mostrar que os autovalores de uma matriz auto-adjunta
sao reais (uma matriz real auto-adjunta e simetrica, ou seja, A = AT ).
Se A e auto-adjunta A = A , sendo A a matriz adjunta tal que < Av, v >=< v, A v >.
Seja autovalor de A entao Av = v, para algum vetor nao nulo v.
E temos
< v, v >=< v, v >=< Av, v >=< v, A v >=< v, Av >=< v, v >= < v, v >
7

Entao = e real.

(c) Uma matriz e nao-singular se e somente se todos seus autovalores sao nao-nulos.
VERDADEIRO.
Resolu
c
ao
Uma matriz A e nao-singular (inversvel) A e injetiva N (A) = 0 nao existe v = 0
tal que Av = 0 A nao tem 0 como autovalor. Se A e inversvel, entao existe A1 tal que
A1 Av = A1 v e entao 1 v = A1 v, ou seja, 1 e autovalor de A1 . Ou seja, os autovalores
de A1 sao os inversos dos autovalores de A, e os autovetores sao os mesmos.

(d) Os autovalores de uma matriz ortogonal sao todos iguais a 1.

FALSO.
Resolu
c
ao
Contra-exemplo
(
B=

0 1
1 0

ortogonal, pois AT = A1 , mas seus autovalores sao i e i.

E

(e) Uma matriz ortogonal nao e necessariamente inversvel.

FALSO
Resolu
c
ao
Por definicao uma matriz e ortogonal se AT = A1 , entao se existe A1 , A e necessariamente inversvel.

(f ) Uma matriz real simetrica ou uma matriz complexa hermitiana podem ser sempre transformadas em uma matriz diagonal por transformacao similar.
VERDADEIRO
8

Resolu
c
ao
Pelos Teoremas 2.17 e 2.20 (Datta) garante-se a decomposicao espectral para matrizes
simetricas e hermitianas, ou seja, dada A simetrica existe O ortogonal (OT = O1 ) tal que,
OT AO = D, D matriz diagonal. Analogamente para o caso de uma matriz hermitiana,
garante-se a existencia de uma matriz unitaria U (U = U 1 ), tal que U AU = D. Ou seja,
em ambos os casos dada matriz A existe P tal que P 1 AP = D, transformacao similar.

(g) Duas matrizes similares tem os mesmos autovalores.

VERDADEIRO
Resolu
c
ao
Se A e similar a B entao existe uma matriz P inversvel, tal que B = P 1 AP
O polinomio caracterstico da matriz B e dado por
pB () = det(B I) = det(P 1 AP I) = det(P 1 (A I)P )
= det(P 1 ) det(A I) det P = det(A I) = pA ()
Entao pB () = pA () e A e B tem os mesmos autovalores.

(h) Se duas matrizes tem os mesmos autovalores, entao elas devem ser similares.
FALSO
Resolu
c
ao
Contra-exemplo
(
A=

1 1
0 1

(
B=

1 0
0 1

A e B possuem os mesmos autovalores, supondo que sejam similares entao existe uma
matriz P tal que
A = P 1 BP
e da A = P 1 IP = I e um absurdo pois A = I.
9

(i) O produto de duas matrizes triangulares superiores(inferiores) nao necessariamente sera

uma matriz triangular superior (inferior).
FALSO
Resolu
c
ao
O produto de matrizes triangulares e uma matriz triangular. De fato, suponha que U e
V sao duas matrizes n n triangulares superiores.
(U V )ij =

Uik Vkj = ui1 v1j + ... + uin vnj

k=1

Precisamos mostrar que a expressao se anula para i > j, ou seja, todo termo uik vkj se
anula. Consideramos dois casos
Se i > k entao uik = 0 ja que U e triangular superior. uik vkj = 0
Se k > j entao vkj = 0 ja que V e triangular superior. Logo uik vkj = 0.
Ja que i > j, para todo k teremos i > k e/ou k > j, logo esses dois casos cobrem todas
as possibilidades para k.
(j) I = 1 para qualquer norma.
FALSO.
Resolu
c
ao
Contra-exemplo: I F =

n, onde F denota a norma de Frobenius.

(k) O comprimento de um vetor e preservado por uma multiplicacao ortogonal.

VERDADEIRO
Resolu
c
ao
De fato
Ax 2 = (Ax)T Ax = xT AT Ax = xT Ix = xT x = x 2
Entao A ortogonal preserva o comprimento de um vetor x, Ax = x .

10

(l) Se A < 1 entao I A e nao-singular.

VERDADEIRO
Resolu
c
ao
Sejam 1 , 2 , ..., n os autovalores de A. Entao os autovalores de I E sao 1 1 , 1
2 , ..., 1 n . Ja que A < 1, i < 1 para cada i. Entao, nenhuma das quantidades
1 1 , 1 2 , ..., 1 n e zero. Isso prova que I E e nao-singular.
(m) Se A 2 = 1, entao A deve ser ortogonal.
FALSO
Contra-exemplo
(
B=

1/2 0
0
1

B 2 = 1, mas B nao e ortogonal.

Obs: O contrario e valido, ou seja, se B e ortogonal entao B 2 = 1, de fato,

B 2 = maximo autovalor de (B T B) = (B T B) = (I) = 1.

(A) designa o raio espectral da matriz A, (A) = maxi |i (A)|

(n) O produto de duas matrizes ortogonais (unitarias) e uma matriz ortogonal (unitaria).
VERDADEIRO
Resolu
c
ao
Se A e B sao ortogonais, entao AAT = I e BB T = I.
Seja C = AB entao CC T = AB(AB)T = ABB T AT = AAT = I, logo C e ortogonal. De
maneira analoga podemos mostrar para o caso de matrizes unitarias.

Exerccio 8 - (2.7 - Datta)

Construir uma base ortonormal de R(A), onde

11

1 2
A= 2 3
4 5
Resolu
c
ao
Considerando a base = {v1 , v2 }, com v1 = (1, 2, 4), v2 = (2, 3, 5). Aplicamos o processo
de ortogonalizacao de Gram-Smith para obter uma base = {w1 , w2 } ortogonal, sendo
w1 = v 1
w2 = v 2

< v2 , w 1 >
w1
< w1 , w 1 >

Entao normalizamos os vetores obtidos. Conclumos que os vetores

1/21 2/6
2/ 21 1/ 6

4/ 21 1/ 6
formam uma base ortonormal para R(A).

Exerccio 9 - (2.10 - Datta)

Prove que para uma matriz subordinada a uma norma , || A para todo autovalor
de A.
Resolu
c
ao
Seja autovalor de A, entao Ax = x, para algum x nao nulo. Tomando a norma em
cada lado
Ax = x = || x
Entretanto, temos para qualquer norma subordinada
Ax A x
Entao

12

|| x = Ax A x
Logo || A .

Exerccio 10 - (2.24 - Datta)

Prove que para qualquer x, temos
x x 2 x 1 .
Resolu
c
ao
Vamos mostrar a primeira parte da desigualdade. Temos que
|x1 |
|x2 |

|x1 |2 + ... + |xn |2

|x1 |2 + ... + |xn |2
..
.
..
.

Entao max1in |xn |

Entao x x 2
Agora a segunda parte

|xn |

|x1 |2 + ... + |xn |2

|x1 |2 + ... + |xn |2 = x 2

x 22 = x21 + ... + x2n =

x 22 =
=(

n
i=1

i=1

x2i

n
i=1

i=1

x2i

x2i + 2

|xi |)2 = x 21

Entao x 2 x 1 . Logo
x x 2 x 1 .
13

i=j

|xi ||xj |