Você está na página 1de 8

CCI-22

CCI-22

Matemtica Computacional

Auto-valores e auto-vetores

Notas complementares

Carlos Henrique Q. Forster

Auto-valores e auto-vetores
10 4
A=

12 4

1
1
A = 2
2
2
2
2
A = 4
3
3

Av = v

( A I )v = 0
Sistema homogneo s tem
soluo no-trivial se a matriz
de coeficientes for singular

det ( A I ) = 0
Polinmio caracterstico da
matriz A.

10
det
12

4
=0
4

P ( ) = 2 6 + 8 = 0
1 = 2
2 = 4

Propriedades de auto-valores
Fazendo os vetores da forma

1
vi =
x

4 1
10 2

=0
4 2 x
14

1 = 2

1
8 4 x = 0 x = 2 v1 =
2

 O trao da matriz (soma dos elementos da


diagonal) igual soma dos auto-valores.
 O determinante da matriz igual ao produto
dos auto-valores.
 Se i so autovalores de A, ento 1/i so
autovalores de A-1.
 A transposta de A possui os mesmos
autovalores de A.

4 1
10 4
1
= 0 v2 =

4 4 x
14
3 / 2

2 = 4

Propriedades de matrizes e autovalores

Matriz diagonalizvel

 Seja A=P-1BP. Se existe a matriz P inversvel,


ento A e B so ditas similares.
 Matrizes similares possuem os mesmos
autovalores. (E portanto, mesmo trao, mesmo
determinante e mesmo posto).
 Numa matriz real simtrica, todos os
autovalores so reais.
 Uma matriz dita positivo-definida se
zTMz>0 para qualquer vetor z real no-nulo.
 Numa matriz positivo-definida, todos autovalores so positivos.

 Uma matriz diagonalizvel se for quadrada e


similar a uma matriz diagonal, isto , A
diagonalizvel se existe P tal que:
A=P-1DP, onde D diagonal.
 Uma matriz diagonalizvel ter auto-vetores
linearmente independentes

Alguns casos especiais


2 0
0 2

Decomposio espectral
2 0 Auto-valor nulo
0 0

Auto-valor mltiplo

0,3 0,4
0,4 0,3 Auto-valores complexos

 No caso de uma matriz diagonalizvel A


com n autovalores i e seus autovetores
correspondentes (e linearmente
independentes)

Av i = i v i , i = 1..n
Na forma matricial:

1
0

2 Matriz defectiva: A multiplicidade algbrica


no corresponde multiplicidade geomtrica
1 (multiplicidade 2, mas apenas 1 auto-vetor)

2 0
0 3

Dois auto-valores e autovetores


correspondentes

M
A v 1
M

M
v2
M

M M
v 3 = 1 v1
M M

M
2 v 2
M

M
3 v 3
M

Decomposio espectral

Decomposio espectral

 Como multiplicamos cada *coluna* por um


escalar diferente, utilizamos a multiplicao
direita por uma matriz diagonal para
representar essa operao.

 Como V contm colunas linearmente


independentes, podemos invert-la e
reescrever o problema de autovalor da forma:

A = V V 1

AV = V
onde

M
V = v 1
M

M
v2
M

M
v 3
M

1 0
= 0 2
0 0

0
0
3

Que a decomposio espectral da matriz A

Exemplo

Exemplo(cont)
 Fixando o primeiro elemento de cada vetor no
valor 1, encontramos os auto-vetores:

14 2
7

A = 3 10 2
12 28 5

7
D( ) = det( A I ) = det 3
12

14
10
28

2
2
5

= 3 + 22 + 11 12 = 0
Razes:

1
1
1
v1 = 0,5, v2 = 1, v3 = 1
4
2
2

Que forma a matriz V:


1
1
1

V = 0,5 1 1
2 4 2

Cuja inversa ...


2
0
2
V 1 = 1 0 0,5
0 2 0,5

1 = 4 2 = 1 3 = 3

Exemplo

Aplicaes

 Assim a decomposio espectral de A :

 Soluo de sistema:

14 2 1
1
1 4 0 0 2
2
0
7
A = 3 10 2 = 0,5 1 1 0 1 0 1 0 0,5
12 28 5 2 4 2 0 0 3 0 2 0,5

 Ax=b, decompondo A:
 VDV-1x=b
 x=VD-1V-1b

 Inversa:
 A=VDV-1
 A-1=VD-1V-1
 Note que a inversa da matriz diagonal
simplesmente uma matriz diagonal com os
recprocos dos elementos da matriz diagonal
original.

Aplicaes

Aplicaes
 Soma com mesmos auto-vetores:

 Potncia de matrizes:


A2=AA=VDV-1

VDV-1=






VD2V-1

An = VnV 1

 Escala

Notar que:
1n
1

2
n =
=

A1=VD1V-1
A2=VD2V-1
A1+A2=V(D1+D2)V-1
Basta portanto, somar os auto-valores nas matrizes D

O
n
m

 aA=V(aD)V-1

 Polinmio matricial
 P(A)=V P(D) V-1

 Exponencial de matriz
 Exp(A)=V Exp(D) V-1
 Assim, basta aplicar a funo a cada elemento da diagonal.

Exemplo

Exemplo(cont)

 Lembrando a srie de Fibonacci, com a


definio recursiva:

 Encontrar a decomposio da matriz:

 F(0)=1
 F(1)=1
 F(n+1)=F(n)+F(n-1)

1 1
A=

1 0

 Reescrevemos na forma matricial:

1
det
1

F ( n + 2) 1 1 F (n + 1)
F (n + 1) = 1 0 F (n)

1 =

1
= 2 1 = 0

1+ 5
1 5
, 2 =
2
2

Obtemos os auto-vetores, Fazendo vi=[x y]T,


com x=1 e substituindo em

x + y = x y = 1

 O resultado da decomposio :

1
1

v1 = 5 1, v2 = 5 1

2
2

Encontrando a inversa da matriz dos auto-vetores.

1
V = 5 1
2

5 + 5

1
10
5 1 , V =
5 5
2
10

5
5
5

1
A = 5 1

1 + 5
1
2
5 1
2 0

5 + 5

10
1 5 5 5
2 10
0

5
5
5

Para calcular F(n) a partir do vetor [1 1]T:

F ( n)
T
n
F (n 1) = A [1 1]

1
F ( n)
n 1
F (n 1) = VD V 1

Justificativa para os mtodos de GaussSeidel e Jacobi


 Abrindo a expresso matricial, obtemos:
n

1 1+ 5
1 1 5

F ( n) =

5 2
5 2

 Qual o polinmio de Taylor para calcular o


recproco de um nmero real?
 recomendvel calcular ao invs disso, a
seguinte funo:
f ( x) =

1
= 1+ x + x2 + L
1 x

 Para quais valores de x a srie vlida para


calcular o recproco de 1-x?

 No caso matricial, podemos usar a seguinte


srie de Taylor para obter uma matriz
inversa:
(I-T)-1=I+T+T2+T3+...

 Se o raio espectral (T)<1, ento 1 no


auto-valor de T, 0 no auto-valor de (I-T),
ento (I-T)-1 existe.

x k +1 = Tx k + c
converge se (T)<1, independente de x 0

 A sequncia gerada por


A convergncia dessa srie depende do
chamado raio espectral da matriz T, isto ,
o maior auto-valor em mdulo de T:

(T ) = max (T )

x k + 2 = T (Tx k + c) + c = T 2 x k + (T + I )c
x k = T k x 0 + (T k +1 + L + T 2 + T + I )c

Decomposio de Cholesky
 Quando k tende a infinito, temos:

lim x k = ( I T ) 1 c

 Com a matriz A=D-L-U, onde D so os


elementos da diagonal, -L aqueles debaixo
dela e -U aqueles acima dela:
 Jacobi: T=D-1(L+U) e c=D-1b
 Seidel: T=(D-L)-1U e c=(D-L)-1b

 Propriedades da matriz real C=ATA de posto


completo:
 Simtrica
 Positiva-definida

 Estas so condies necessrias e suficientes


para que exista uma matriz triangular inferior
L tal que:
C=LLT

c11 c12
c
21 c22
c31 c32

c11 c12
c
21 c22
c31 c32

c13 l11 0
c23 = l21 l22
c33 l31 l32

0 l11 l21 l31


0 0 l22 l32
l33 0 0 l33

2
c13 l11
l21l11

2
2

c23 = l21l11 l22 + l21


c33 l31l11 l32l21 + l32l22

l31l11

l32l21 + l32l22
2
2
2
l33 + l32 + l31

 Igualando termo a termo (notar que


simtrica)

c11 c12
c
21 c22
c31 c32

l11 = c11

l21 =

 A soluo do sistema Cx=b muito similar ao


mtodo utilizado na decomposio LU:
 Resolve-se Ly=b
 Resolve-se LTx=y

c12
l11

2
c13 l11
l21l11

2
2

c23 = l21l11 l22 + l21


c33 l31l11 l32l21 + l32l22

l31l11

l32l21 + l32l22
2
2
2
l33 + l32 + l31

c13
l11

c23 l21l31
l22

l31 =

l22 = c22 l21

l32 =
2

l33 = c33 l31 l32