Você está na página 1de 58

Álgebra Linear

CONTROLE DIGITAL

Controle Digital

Álgebra Linear

Péricles Rezende Barros

Laboratório de Instrumentação Eletrônica e Controle

Departamento de Engenharia Elétrica

Univesidade Federal de Campina Grande

Período 2013.1

de Engenharia Elétrica Univesidade Federal de Campina Grande Período 2013.1 LIEC-DEE-UFCG c Pericles Rezende Barros 1
de Engenharia Elétrica Univesidade Federal de Campina Grande Período 2013.1 LIEC-DEE-UFCG c Pericles Rezende Barros 1
de Engenharia Elétrica Univesidade Federal de Campina Grande Período 2013.1 LIEC-DEE-UFCG c Pericles Rezende Barros 1

LIEC-DEE-UFCG

c

Pericles Rezende Barros

1

Álgebra Linear

CONTROLE DIGITAL

Vetores

Vetores:

com x i i esimo´

x =

x

.

.

.

x

1

n

elemento.

= x 1

.

.

.

x n

T ,

Espaço Linear (Vetorial): ¬ n × 1 .

x 1 . . . x n T , • Espaço Linear (Vetorial): ¬ n ×
x 1 . . . x n T , • Espaço Linear (Vetorial): ¬ n ×
x 1 . . . x n T , • Espaço Linear (Vetorial): ¬ n ×

LIEC-DEE-UFCG

c

Pericles Rezende Barros

2

Álgebra Linear

CONTROLE DIGITAL

Independência Linear
Independência Linear

Dois vetores são independentes linearmente se combinação não trivial deles que resulte no vetor zero.

1 v 1 + 2 v 2 = 0

1 = 2 = 0

não

existe

nenhuma

O conjunto de vetores em R n é dito linearmente dependente se existe números

reais não nulos

1 ,

2 ,

m , não nulos, tal que

1 x 1 + 2 x 2 +

+ m x m = 0

(1)

Se o conjunto de vetores em (1) é linearmente dependente, existe pelo menos um 1 que é diferente de zero. Isso implica em

x 1

=

1 1

2 x 2 +

3 x 3 + ···

+ m x n

: = 2 x 2 + 3 x 3 + ··· + m x m

+ m x n : = 2 x 2 + 3 x 3 + ··· +
+ m x n : = 2 x 2 + 3 x 3 + ··· +
+ m x n : = 2 x 2 + 3 x 3 + ··· +

LIEC-DEE-UFCG

c

Pericles Rezende Barros

3

Álgebra Linear

CONTROLE DIGITAL

onde i = 1 . Tal expressão é chamada de combinação linear.

i

onde i = 1 . Tal expressão é chamada de combinação linear. i LIEC-DEE-UFCG c Pericles
onde i = 1 . Tal expressão é chamada de combinação linear. i LIEC-DEE-UFCG c Pericles
onde i = 1 . Tal expressão é chamada de combinação linear. i LIEC-DEE-UFCG c Pericles

LIEC-DEE-UFCG

c

Pericles Rezende Barros

4

Álgebra Linear

CONTROLE DIGITAL

Span - Expansão
Span - Expansão

O conjunto de todas as combinações lineares de um conjunto especificado de vetores

 

S x = {x | x = 1 v 1 + 2 v 2 + ··· + n v n

i ¬ }

 

Dimensão de um Espaço Linear

 

Número máximo de vetores independentes linearmente.

 

Produto interno

 

x · y = x T y =

x i y i

i

  Produto interno   • x · y = x T y = x i y
  Produto interno   • x · y = x T y = x i y
  Produto interno   • x · y = x T y = x i y

LIEC-DEE-UFCG

c

Pericles Rezende Barros

5

Álgebra Linear

CONTROLE DIGITAL

Bases e Representação

Um conjunto de vetores linearmente independentes em R n é chamado de base se todo vetor em R n pode ser expresso como uma única combinação linear desse conjunto. Em R n , todo conjunto de vetores linearmente independentes pode ser usado como base. Seja q 1 q 2 ··· q n tal conjunto. Então todo vetor x pode ser expresso unicamente como

x = 1 q 1 + 2 q 2 +

+ n q n

Defina-se Q uma matriz n × n

Q = q 1 q 2 ···

q n

Então (2) pode ser escrita como

(2)

(3)

= q 1 q 2 ··· q n Então (2) pode ser escrita como (2) (
= q 1 q 2 ··· q n Então (2) pode ser escrita como (2) (
= q 1 q 2 ··· q n Então (2) pode ser escrita como (2) (

LIEC-DEE-UFCG

c

Pericles Rezende Barros

6

Álgebra Linear

CONTROLE DIGITAL

Chama-se x¯ =

q 1

q 2 ···

q n

.

Q

:= Qx¯

1

2

.

.

.

n

x

=

  a representação do vetor x

1

2

.

.

.

n

Associa-se com todo R n a seguinte base ortonornal

1

0

0

.

.

.

0

0

0

1

0

.

.

.

0

0

0

0

0

.

.

.

1

0

i 1 =

,i 2 =

, ··· ,i n 1 =

,i n =

Com respeito a essa base tem-se

(4)

com relação a base

0

0

0

.

.

.

0

1

(5)

       0 0 0 . . . 0 1 
       0 0 0 . . . 0 1 
       0 0 0 . . . 0 1 

LIEC-DEE-UFCG

c

Pericles Rezende Barros

7

Álgebra Linear

CONTROLE DIGITAL

x :=

x

x

.

.

.

x

1

2

n

= x 1 i 1 +x 2 i 2 +

+x

n i n = I n

x

x

.

.

.

x

1

2

n

Onde I n é uma matriz unitária n × n. Em outras palavras, a representação de qualquer vetor x com respeito a base ortonormal em (5) se iguala ela mesma.

de qualquer vetor x com respeito a base ortonormal em (5) se iguala ela mesma. LIEC-DEE-UFCG
de qualquer vetor x com respeito a base ortonormal em (5) se iguala ela mesma. LIEC-DEE-UFCG
de qualquer vetor x com respeito a base ortonormal em (5) se iguala ela mesma. LIEC-DEE-UFCG

LIEC-DEE-UFCG

c

Pericles Rezende Barros

8

Álgebra Linear

CONTROLE DIGITAL

Norma Euclidiana

Dado vetor x = x 1

.

.

.

x n T , a norma Euclidiana é defina como:

x = x T x =

n

i=1

x

2

i

1

2

.

Relação entre a norma Euclidiana de um vetor ao valor absoluto de seus elementos:

max | x i | ≤ x n · max |x i | ,to1 i n.

Propriedades de normas. Dados vetores n × 1 x e y, e um escalar :

Propriedades de normas. Dados vetores n × 1 x e y , e um escalar :
Propriedades de normas. Dados vetores n × 1 x e y , e um escalar :
Propriedades de normas. Dados vetores n × 1 x e y , e um escalar :

LIEC-DEE-UFCG

c

Pericles Rezende Barros

9

Álgebra Linear

CONTROLE DIGITAL

x 0

x = 0 , se e somente se x = 0

· x = | x

x + y x + y , desigualdade triangular

Desigualdade de Cauchy-Schwarz:

Dado x complexo:

x T y x · y

x H conjugado transposto ou transposto Hermiltiano

x conjugado

| x | → magnitude de x. (escalar)

Normas de Vetores

→ conjugado | x | → magnitude de x . (escalar) • Normas de Vetores LIEC-DEE-UFCG
→ conjugado | x | → magnitude de x . (escalar) • Normas de Vetores LIEC-DEE-UFCG
→ conjugado | x | → magnitude de x . (escalar) • Normas de Vetores LIEC-DEE-UFCG

LIEC-DEE-UFCG

c

Pericles Rezende Barros

10

Álgebra Linear

CONTROLE DIGITAL

O conceito de norma é a generalização de comprimento ou magnitude. Qualquer função nos reais de x denotada por || x ||, pode ser definida como uma norma e tem as seguintes propriedades:

1. || x || ≥ 0 para todo x ||x || = 0 se e somente se x=0;

2. || x || = | ||| x || , para todo

real;

3. || x 1 +x 2 || ≤ ||x 1 || + || x 2 || para todo x 1 e x 2 ;

A última inequação é chamada de desigualdade triangular.

1 e x 2 ; A última inequação é chamada de desigualdade triangular. LIEC-DEE-UFCG c Pericles
1 e x 2 ; A última inequação é chamada de desigualdade triangular. LIEC-DEE-UFCG c Pericles
1 e x 2 ; A última inequação é chamada de desigualdade triangular. LIEC-DEE-UFCG c Pericles

LIEC-DEE-UFCG

c

Pericles Rezende Barros

11

Álgebra Linear

CONTROLE DIGITAL

Norma-p

x p =

i=1 |x i | p

n

1

p

Norma-1, Norma-2, Norma-.

|| x || 1 =

n

i=1

| x i |

|| x || 2 = x x =

|| x ||

=

max | x i |

i

i=1 | x i | 2 1/2

n

Elas são chamadas respectivamente, norma 1, 2 ou euclidiana e norma infinita.

Elas são chamadas respectivamente, norma 1, 2 ou euclidiana e norma infinita. LIEC-DEE-UFCG c Pericles Rezende
Elas são chamadas respectivamente, norma 1, 2 ou euclidiana e norma infinita. LIEC-DEE-UFCG c Pericles Rezende
Elas são chamadas respectivamente, norma 1, 2 ou euclidiana e norma infinita. LIEC-DEE-UFCG c Pericles Rezende

LIEC-DEE-UFCG

c

Pericles Rezende Barros

12

Álgebra Linear

CONTROLE DIGITAL

Projeções Ortogonais

Projeção é uma transformação linear P de um espaço vetorial para ele mesmo onde P = P 2

P de um espaço vetorial para ele mesmo onde P = P 2 Figure 1: A

Figure 1: A transformação P é a projeção ortogonal na linha m

Exemplo 1: A função que mapeia o ponto (x, y, z) R 3 no ponto (x, y, 0) é a projeção no plano x y

) ∈ R 3 no ponto ( x , y , 0 ) é a projeção
) ∈ R 3 no ponto ( x , y , 0 ) é a projeção
) ∈ R 3 no ponto ( x , y , 0 ) é a projeção

LIEC-DEE-UFCG

c

Pericles Rezende Barros

13

Álgebra Linear

CONTROLE DIGITAL

P = 0

0

1

0

1

0

0

0

0

A ação dessa matriz num vetor arbitrário é:

P y =

x

z

y

x

0

(6)

(7)

Como P 2 = P então a matriz P é realmente uma projeção

P 2 y = P

x

z

x

y =

0

x

y

0

(8)

 y  = P   x  z x  y  = 
 y  = P   x  z x  y  = 
 y  = P   x  z x  y  = 

LIEC-DEE-UFCG

c

Pericles Rezende Barros

14

Álgebra Linear

CONTROLE DIGITAL

Álgebra Linear CONTROLE DIGITAL Figure 2: Projeção ortogonal do ponto (x,y,z) no plano x-y LIEC-DEE-UFCG c

Figure 2: Projeção ortogonal do ponto (x,y,z) no plano x-y

CONTROLE DIGITAL Figure 2: Projeção ortogonal do ponto (x,y,z) no plano x-y LIEC-DEE-UFCG c Pericles Rezende
CONTROLE DIGITAL Figure 2: Projeção ortogonal do ponto (x,y,z) no plano x-y LIEC-DEE-UFCG c Pericles Rezende
CONTROLE DIGITAL Figure 2: Projeção ortogonal do ponto (x,y,z) no plano x-y LIEC-DEE-UFCG c Pericles Rezende

LIEC-DEE-UFCG

c

Pericles Rezende Barros

15

Álgebra Linear

CONTROLE DIGITAL

Propriedades
Propriedades

espaço

representando o range e o null space de P.

Considere

o

vetorial W .

Supondo U

e

V

subespaços

de

W

P é o operador Identidade em U : x U : Px = x

Tem-se a soma direta W = U V . Ou seja cada vetor x pode ser unicamente decomposto segundo x = u + v u U, v V . A decomposição é da seguinte forma u = Px e v = x Px = (I P)x

O range e o null space de uma projeção são complementares (P e Q = I P). P e Q são projetores de modo que o range de um é o null space do outro e vice-versa

P é a projeção ao longo de V em U e Q é a projeção ao longo de U em V

Projeções Ortogonais

V em U e Q é a projeção ao longo de U em V Projeções Ortogonais
V em U e Q é a projeção ao longo de U em V Projeções Ortogonais
V em U e Q é a projeção ao longo de U em V Projeções Ortogonais

LIEC-DEE-UFCG

c

Pericles Rezende Barros

16

Álgebra Linear

CONTROLE DIGITAL

Uma projeção é ortogonal quando seu range U e seu null space V são subespaços ortogonais. A condição necessária e suficiente para uma projeção P ser ortogonal é P = P T

Se x e y são vetores no dominio da projeção então, Px U e y Py V seu produto escalar deve ser nulo para satisfazer a condição de ortogonalidade:

Px, y Py = (Px) T (y Py) = x T (P T P T P)y

(9)

Portanto caso uma projeção seja ortogonal P T P T P = 0 ou P = P T e P = P 2

seja ortogonal P T − P T P = 0 ou P = P T e
seja ortogonal P T − P T P = 0 ou P = P T e
seja ortogonal P T − P T P = 0 ou P = P T e

LIEC-DEE-UFCG

c

Pericles Rezende Barros

17

Álgebra Linear

CONTROLE DIGITAL

Caso os vetores u 1 u 2

u k sejam uma base ortonormal para o subespaço U e as

colunas da matriz A sejam compostas dos vetores u 1 u 2

u k o projetor é dado por:

P A = AA T

(10)

Caso as colunas de A não formem uma base ortonormal é necessário um termo de normalização no projetor:

P A = A(A T A) 1 A T

(11)

normalização no projetor: P A = A ( A T A ) − 1 A T
normalização no projetor: P A = A ( A T A ) − 1 A T
normalização no projetor: P A = A ( A T A ) − 1 A T

LIEC-DEE-UFCG

c

Pericles Rezende Barros

18

Álgebra Linear

CONTROLE DIGITAL

Ortonormalização

O vetor x é dito ser normatizado se sua norma euclidiana é 1 ou x x = 1.

Dois vetores x 1 e x 2 são ditos ortogonais se x 1 x 2 = x 2 x 1 = 0. Um conjunto de

vetores x i , i = 1, 2,

,

m é dito ser ortonormal

se

x x j =

i

0

se

i

= j

1

se

i = j

se x ′ x j = i 0 se i = j 1 se i =
se x ′ x j = i 0 se i = j 1 se i =
se x ′ x j = i 0 se i = j 1 se i =

LIEC-DEE-UFCG

c

Pericles Rezende Barros

19

Álgebra Linear

CONTROLE DIGITAL

Ortogonalização de Grahm-Schmidt
Ortogonalização de Grahm-Schmidt

Dados vetores independentes linearmente

u 1 ,u 2 , ··· ,u m

então um conjunto normalizado {q 1 ,q 2 , ··· ,q m } é obtido de

q

1

q 2

q m

= u 1 / u 1

=

u 2 q T u 2 q 1

1

u 2 (q T u 2 )q 1 ···

1

=

 

m

1

q

T

k

u m q k

u m

k=1

u m

m1

(q u m )q k

T

k

k=1

Algoritmo de ortonormalização de Schmidt.

A primeira equação normaliza o vetor u 1 para ter norma 1. O vetor (q 1 u 2 )q 1 é a projeção do vetor u 2 sobre q 1 . A subtração de u 2 retira a componente de q 1 . Este é então normalizado.

de u 2 retira a componente de q 1 . Este é então normalizado. LIEC-DEE-UFCG c
de u 2 retira a componente de q 1 . Este é então normalizado. LIEC-DEE-UFCG c
de u 2 retira a componente de q 1 . Este é então normalizado. LIEC-DEE-UFCG c

LIEC-DEE-UFCG

c

Pericles Rezende Barros

20

Álgebra Linear

CONTROLE DIGITAL

Matrizes

Considere a matriz m × n A mxn ou. A:

A =

a 11

·

·

·

·

·

· ·

·

a m1

·

·

·

·

a 1n

·

·

·

a mn

.

A matriz zero tem todos seus elementos nulos (0 m × n ).

A matriz identidade é uma matriz quadrada (n × n) com todos seus elementos da diagonal principal 1(um) e todos os elementos restantes 0 (zero).

a ii

a ij

=

0

=

0

i =

j

os elementos restantes 0 (zero). a i i a ij = 0 = 0 i =
os elementos restantes 0 (zero). a i i a ij = 0 = 0 i =
os elementos restantes 0 (zero). a i i a ij = 0 = 0 i =

LIEC-DEE-UFCG

c

Pericles Rezende Barros

21

Álgebra Linear

CONTROLE DIGITAL

Sejam A, B, C e D matrizes respectivamente de ordem n × m, m × r, l × n e r × p matrizes reais. Seja a i a i-ésima coluna de A, e b j a j-ésima linha de B. Usa-se então

AB = a 1 a 2 ···

a m

CA = C a 1 a 2 ···

BD =

b

1

b 2

.

.

.

b m

= a 1 b 1 +a 2 b 2 + ··· +a m b m

a m = Ca 1 Ca 2 ···

Ca m

b

b

.

.

.

1

2

b

m

D =

b

b

1

2

D

D

.

.

.

b m D

(12)

(13)

(14)

   b b 1 2 D D . . . b m D 
   b b 1 2 D D . . . b m D 
   b b 1 2 D D . . . b m D 

LIEC-DEE-UFCG

c

Pericles Rezende Barros

22

Álgebra Linear

CONTROLE DIGITAL

Multiplicação
Multiplicação

Dadas matrizes A mxp e B pxn :

AB

= BA

Para matriz quadrada A nxn :

Nilpotente

A k = A · A · A ·

· A

k vezes

A 0 = I

A n × n é nilpotente se existe um k positivo tal que:

A k = 0

n × n é nilpotente se existe um k positivo tal que: A k = 0
n × n é nilpotente se existe um k positivo tal que: A k = 0
n × n é nilpotente se existe um k positivo tal que: A k = 0

LIEC-DEE-UFCG

c

Pericles Rezende Barros

23

Álgebra Linear

CONTROLE DIGITAL

Transposta

Dada matriz A mxp :

Traço
Traço

A T a ij a ji (AB) T = B T A T

Traço é a soma dos elementos da diagonal:

tr A =

n

i=1

a

ii

T A T • Traço é a soma dos elementos da diagonal: tr A = n
T A T • Traço é a soma dos elementos da diagonal: tr A = n
T A T • Traço é a soma dos elementos da diagonal: tr A = n

LIEC-DEE-UFCG

c

Pericles Rezende Barros

24

Álgebra Linear

CONTROLE DIGITAL

Determinante

Expansão de Laplace:

det A n x n =

n

a ij c ij

j=1

com c ij denotando o cofactor correspondente ao elemento a ij . Lembre-se que c ij é ( 1) i+ j vezes o determinante da matriz resultante (n 1) × (n 1) quando i esima´ linha e a j esima´ coluna de A são retiradas.

Propriedades:

det AB

=

det A det B

det A T

=

det A

c det A T

=

c n det A

det B det A T = det A c det A T = c n det
det B det A T = det A c det A T = c n det
det B det A T = det A c det A T = c n det

LIEC-DEE-UFCG

c

Pericles Rezende Barros

25

Álgebra Linear

CONTROLE DIGITAL

Inversa
Inversa

Considere matriz quadrada A n x n . A inversa de A é dada por:

A 1 = adj A det A

Se A é uma matriz 2 × 2, então tem-se

A 1 =

a

a

11

21

a

a

12

22

=

a 11 a 22 a 12 a 21

1

a 22

a 21

a 12

a 11

(15)

Assim a inversa de uma matriz 2 × 2 é muito simples de ser calculada: troca-se as entradas da diagonal e muda-se o sinal dos elementos da diagonal secundária.

Lema da Inversão da Matriz

o sinal dos elementos da diagonal secundária. Lema da Inversão da Matriz LIEC-DEE-UFCG c Pericles Rezende
o sinal dos elementos da diagonal secundária. Lema da Inversão da Matriz LIEC-DEE-UFCG c Pericles Rezende
o sinal dos elementos da diagonal secundária. Lema da Inversão da Matriz LIEC-DEE-UFCG c Pericles Rezende

LIEC-DEE-UFCG

c

Pericles Rezende Barros

26

Álgebra Linear

CONTROLE DIGITAL

A + XBY T 1 = A 1 A 1 X B 1 +Y T A 1 X 1 Y T A 1

A + xy T 1 = A 1

A 1 xy T A 1

1+y T A 1 x

1 − A − 1 x y T A − 1 1 + y T A
1 − A − 1 x y T A − 1 1 + y T A
1 − A − 1 x y T A − 1 1 + y T A

LIEC-DEE-UFCG

c

Pericles Rezende Barros

27

Álgebra Linear

CONTROLE DIGITAL

Matrizes em Bloco
Matrizes em Bloco

A 1

0

A 1

0

A

A

2

4

A

A

2

4

+ B 1

B

3

.

B 1

B 3

B 2

0

B 2

0

= A 1 +B 1 B 3

=

A 2 +B 2 A 4

A

A 1 B 1 +A 2 B 3

A

4 B 3

1 B 2

0

.

Se x é umvetor n × 1 e A é uma matriz m × n particionada por linhas então,

A

.

.

.

1

A

m

x =

A

1 x

.

.

.

A m x

.

E, se z is m × 1 e A é uma matriz m × n particionada por colunas então

z T

A 1

.

.

.

A n

= z T

A 1

.

.

.

z T A n

.

colunas então z T A 1 . . . A n = z T A 1
colunas então z T A 1 . . . A n = z T A 1
colunas então z T A 1 . . . A n = z T A 1

LIEC-DEE-UFCG

c

Pericles Rezende Barros

28

Álgebra Linear

CONTROLE DIGITAL

det

A

11

0

A A 22 = det A 11 . det A 22 .

12

det A 1 1 0 A A 2 2 = det A 1 1 . det
det A 1 1 0 A A 2 2 = det A 1 1 . det
det A 1 1 0 A A 2 2 = det A 1 1 . det

LIEC-DEE-UFCG

c

Pericles Rezende Barros

29

Álgebra Linear

CONTROLE DIGITAL

Equações Lineares

Considere o conjunto de equações algébricas

Ax = b

(16)

Espaço imagem: espaço vetorial expandido pelas colunas de A

A

=

b

=

a 1

a 2 ···

a n

Ax = a 1 x 1 +a 2 x 2 + ··· +a n x n .

Posto: número de colunas independentes linearmente.

Espaço Linha: espaço vetorial expandido pelas linhas de A

Espaço Nulo ou Núcleo (Null space ou kernel) de A: espaço vetorial de vetores x, n × 1 tais que Ax = 0.

de A : espaço vetorial de vetores x , n × 1 tais que Ax =
de A : espaço vetorial de vetores x , n × 1 tais que Ax =
de A : espaço vetorial de vetores x , n × 1 tais que Ax =

LIEC-DEE-UFCG

c

Pericles Rezende Barros

30

Álgebra Linear

CONTROLE DIGITAL

Espaço Linha Nulo de A: espaço vetorial de vetores x, n × 1 tais que A T x = 0.

Solução de Ax = b somente existe se b está no espaço imagem de A. Isto é equivalente a b T y = 0 para todo y no espaço nulo de A T .

Se A n x n , então a solução é: x = A 1 b.

Parametrização de todas soluções

n 1

···

n k uma base do espaço nulo de A.

Considere x p uma solução de Ax p = b.

Defina

x = x p + 1 n 1 + ··· + k n k

Ax p +

k

i=1

i An i = Ax p +0 = b

Assim, para todo i, x é uma solução.

(17)

= Ax p + 0 = b Assim, para todo i , x é uma solução.
= Ax p + 0 = b Assim, para todo i , x é uma solução.
= Ax p + 0 = b Assim, para todo i , x é uma solução.

LIEC-DEE-UFCG

c

Pericles Rezende Barros

31

Álgebra Linear

CONTROLE DIGITAL

Seja x ser uma soluçao de Ax = b. Subtraindo esta forma Ax p = b leva a

A(x x p )= 0

O que implica que x x p está no espaço nulo ou

x x p = 1 n 1 + ··· + k n k

no espaço nulo ou x − x p = 1 n 1 + ··· + k
no espaço nulo ou x − x p = 1 n 1 + ··· + k
no espaço nulo ou x − x p = 1 n 1 + ··· + k

LIEC-DEE-UFCG

c

Pericles Rezende Barros

32

Álgebra Linear

CONTROLE DIGITAL

Autovalores e Autovetores (Eigenvalues and Eigenvectors)
Autovalores e Autovetores (Eigenvalues and Eigenvectors)

Se A é n × n e p é um vetor não nulo n × 1 tal que para um escalar ,

Ap = p,

então p é o autovetor associado ao autovalor .

Uma matriz real pode ter autovalores e autovetores complexos, embora os autovalores devam ocorrer em pares e conjugados bem como os autovetores. Em outras palavras se:

e conjugados bem como os autovetores. Em outras palavras se: Ap = p , então Ap

Ap = p, então Ap = p

Os n autovalores de A são precisamente as raizes do polinômio caracteristico de A, dado por:

( ) = det ( I n A)

Assim:

det A = tr A =

i

i

( ) = det ( I n − A ) Assim: d e t A =
( ) = det ( I n − A ) Assim: d e t A =
( ) = det ( I n − A ) Assim: d e t A =

LIEC-DEE-UFCG

c

Pericles Rezende Barros

33

Álgebra Linear

CONTROLE DIGITAL

Terorema de Cayley-Hamilton

Se

 

det (sI n A)= s n +a n 1 s n 1 +

+ a 0

 

então

A n +a n 1 A n 1 +

+ a 1 A+a 0 I n = 0 n = det (AI n A)

1 + + a 1 A + a 0 I n = 0 n = det
1 + + a 1 A + a 0 I n = 0 n = det
1 + + a 1 A + a 0 I n = 0 n = det

LIEC-DEE-UFCG

c

Pericles Rezende Barros

34

Álgebra Linear

CONTROLE DIGITAL

Transformações de Similaridade

Uma transformação de similaridade é do tipo A = T 1 AT , onde matriz A e a

¯

matriz inversível T são matrizes n × n.

¯

A tem os mesmos autovalores que A.

T são matrizes n × n . ¯ • A tem os mesmos autovalores que A
T são matrizes n × n . ¯ • A tem os mesmos autovalores que A
T são matrizes n × n . ¯ • A tem os mesmos autovalores que A

LIEC-DEE-UFCG

c

Pericles Rezende Barros

35

Álgebra Linear

CONTROLE DIGITAL

Formas diagonal - Autovalores Distintos
Formas diagonal - Autovalores Distintos

Se a matriz A tem autovalores distintos e T tem como colunas o conjunto independente linearmente correspondente aos autovetores (conjunto independente linearmente) de A, então T 1 AT é uma matriz diagonal.

( ) = det ( I n A)

Se i é um autovalor de A então

( i ) = det ( i I n A)= 0. Considere os n autovalores i i = 1 ··· n. Por definição

Ap i = i p i =

p 1

p 2

p 3 ···

p n

i

0

0

.

.

.

0

.

··· p n       i 0 0 . . . 0
··· p n       i 0 0 . . . 0
··· p n       i 0 0 . . . 0

LIEC-DEE-UFCG

c

Pericles Rezende Barros

36

Álgebra Linear

CONTROLE DIGITAL

Assim

ou

A

p 1

p 1

p 2

p 2

p 3 ···

p 3 ···

p n

p n =

p 1

1 A

p 1

p 2

p 2

p 3 ···

p 3 ···

p n

p n

=


0

0

0

.

0 0

0

1

2

.

.

.

1

0

0

.

.

.

0

0

2

0

.

0

0

0

3

.

0

0

0

3

.

0

0

0

0

0

0

0

0

0

0

0

0

.

n

0

0

0

.

n

0 0 . n 0 0 0 . n       
0 0 . n 0 0 0 . n       
0 0 . n 0 0 0 . n       

LIEC-DEE-UFCG

c

Pericles Rezende Barros

37

Álgebra Linear

CONTROLE DIGITAL

Autovalores Complexos

Números complexos podem surgir quando calculamos os autovalores e autovetores. Para resolver este problema extendemos o espaço linear real para o espaço linear complexo. Todas os conceitos e resultados desenvolvidos para os vetores e matrizes reais podem ser aplicados para vetores e matrizes complexos.

vetores e matrizes reais podem ser aplicados para vetores e matrizes complexos. LIEC-DEE-UFCG c Pericles Rezende
vetores e matrizes reais podem ser aplicados para vetores e matrizes complexos. LIEC-DEE-UFCG c Pericles Rezende
vetores e matrizes reais podem ser aplicados para vetores e matrizes complexos. LIEC-DEE-UFCG c Pericles Rezende

LIEC-DEE-UFCG

c

Pericles Rezende Barros

38

Álgebra Linear

CONTROLE DIGITAL

Formas de Jordan - Autovalores de A não sendo todos distintos
Formas de Jordan - Autovalores de A não sendo todos distintos

Um autovalor com multiplicidade 2 ou superior é chamado de autovalor repetido, em contraste com o autovalor com multiplicidade 1 chamado autovalor simples. Se A possui somente autovalores simples, ela sempre tem uma representação na forma diagonal. Se A possui autovalores repetidos, então ela pode não ter uma representação na forma diagonal. Contudo a matriz A possui uma representação na forma de blocos de matrizes, estes blocos são chamados de blocos de Jordan. A matriz A é então representada na forma canônica de Jordan.

Considere uma matriz A n × n, com apenas 01 autovalor de multiplicidade n. Assuma que

A I

tem posto n 1. Assim,

(A I)q = 0

tem somente 01 solução independente linearmente. Para formar uma base para ¬ n precisa-se encontrar n 1 vetores independentes linearmente.

¬ n precisa-se encontrar n − 1 vetores independentes linearmente. LIEC-DEE-UFCG c Pericles Rezende Barros 39
¬ n precisa-se encontrar n − 1 vetores independentes linearmente. LIEC-DEE-UFCG c Pericles Rezende Barros 39
¬ n precisa-se encontrar n − 1 vetores independentes linearmente. LIEC-DEE-UFCG c Pericles Rezende Barros 39

LIEC-DEE-UFCG

c

Pericles Rezende Barros

39

Álgebra Linear

CONTROLE DIGITAL

Autovetores generalizados

Defina

v

v

n

n

v

n

1

2

v

1

(A I) n v

=

0

(A I) n 1 v

=

0.

=

v

=

(A I)v n =(A I)v

=

(A I)v n 1 =(A I) 2 v

.

.

.

=

(A I)v 2 =(A I) n 1 v.