Apndice A

Conceitos Bsicos de lgebra Linear e Notao

As definies e axiomas apresentados a seguir representam uma coletnea de conceitos

bsicos de lgebra linear, fundamentais para a formulao de boa parte dos resultados
apresentados neste estudo. A incluso destes conceitos na forma de apndice se justifica pela
sua utilizao generalizada na apresentao dos resultados principais deste trabalho. Sendo
assim, no texto da tese, assume-se familiaridade com os tpicos aqui referenciados. Criam-se,
portanto, condies para que o texto se ocupe apenas de tpicos mais avanados.
Na apresentao que se segue, os resultados so apenas referenciados, sendo que
discusses mais detalhadas podem ser encontradas na literatura (CHEN, 1984; LUENBERGER,
1969; STRANG, 1988; BAZARAA et. al. , 1993).

A.1 Escalar

Uma varivel que assume valores no eixo dos nmeros reais denominada escalar. Os
escalares so descritos por letras minsculas do alfabeto romano expressas em itlico. O
conjunto de todos os escalares reais representado por .

x se x 0
O mdulo de um escalar real x dado na forma: x =
x se x < 0

A.2 Vetor

Um arranjo ordenado de n escalares xi (i=1,2,...,n) denominado vetor de

dimenso n. Os vetores so descritos por letras minsculas do alfabeto romano expressas em
negrito, e assumem a forma de coluna ou linha:
x1
x
x = 2 ou x = [x1 x 2
M
L x ].
n
x n

233
Para coerncia de notao, salvo meno contrria, o texto desta dissertao considera os
vetores na forma de coluna. O conjunto de todos os vetores de dimenso n com elementos
reais representado por n.

Um escalar um vetor de dimenso 1.

Vetor 0n: o vetor nulo de dimenso n, com todos os elementos iguais a zero. O
subscrito n suprimido quando no h margem dvida.
Vetor 1n: o vetor de dimenso n com todos os elementos iguais a 1.
Vetor ei: o vetor normal unitrio de dimenso n (a dimenso deve ser indicada
pelo contexto) com todos os elementos iguais a 0, exceto o i-simo elemento que
igual a 1. Neste caso, 1 i n.

A.3 Matriz

Um arranjo ordenado de m.n escalares xij (i=1,2,...,m; j=1,2,...,n) denominado matriz

de dimenso mn. As matrizes so descritas por letras maisculas do alfabeto romano
expressas em negrito, e assumem a forma:

x11 x12Lx
x Lx 1n
2n
M M OL x M
x
X = 21 22 .
x m1 x m 2
mn

O conjunto de todas as matrizes mn com elementos reais representado por mn.

x1i
x
As colunas da matriz X so vetores-coluna descritos por x i = 2i , i=1,...,n.
M
x mi

[
As linhas da matriz X so vetores-linha descritos por x ( j ) = x j1 x j 2 L x ], jn

j=1,...,m.
Um vetor uma matriz com nmero unitrio de linhas e/ou colunas.

172
A.4 Conjuntos e operaes com conjuntos

Um conjunto pode ser definido como uma agregao de objetos. Os conjuntos so

descritos por letras maisculas do alfabeto romano expressas em itlico. Por convenincia de
notao, alguns conjuntos especiais so descritos por smbolos especficos. Exemplos:

: conjunto dos nmeros naturais

: conjunto dos nmeros reais
c: conjunto dos nmeros complexos

O estado lgico ou associao de um elemento x a um conjunto X qualquer

representado por

x X: x pertence a X
x X: x no pertence a X

Um conjunto pode ser especificado listando-se seus elementos entre colchetes

X = {x1 , x 2 ,..., x n}

ou evidenciando uma ou mais propriedades comuns aos seus elementos

X2 = {x X1 tal que P(x) verdade} ou X2 = {x X1: P(x)}

As principais operaes entre conjuntos so:

Unio: X1 X2 = {x: x X1 ou x X2 };

Interseo: X1 X 2 = {x: x X1 e x X 2 };

X1 X2 = (conjunto vazio) se X1 e X2 so conjuntos

disjuntos.

O complemento de um conjunto X representado por X e definido na forma:

X = {x: x X} .

S um subconjunto de X, se x S implica x X. Neste caso, diz-se que S est contido

em X (S X) ou que X contm S (X S). Se S X e S no igual a X, ento S um
subconjunto prprio de X.

173
A.5 Conjuntos especiais de nmeros reais

Se a e b so nmeros reais (a,b ), define-se:

[a, b] = {x: a x b}
(a, b] = {x: a < x b}
[a, b) = {x: a x < b}
(a, b) = {x: a < x < b}

Se X um conjunto de nmeros reais, ento o menor limitante superior de X, dado por

x = sup x = sup{x: x X } ,
x X

o supremo de X, e o maior limitante inferior de X, dado por

x = inf x = inf {x: x X} ,

x X

o nfimo de X. Se x = + ento X no limitado superiormente. De forma anloga, se

x = ento X no limitado inferiormente.

A.6 Espao vetorial linear

Um espao vetorial linear (X,) consiste de um conjunto X de vetores e de um campo

, sobre os quais esto definidas duas operaes:

Adio (+): mapeamento XX X tal que, x, y X, (x,y) (x+y) produz x+y

X.
Multiplicao por escalar (): mapeamento X X tal que, x X e a ,
(a,x) (ax) produz ax X.

Uma srie de axiomas podem ainda ser deduzidos para o espao (X,):

(1) x+y = y+x (comutatividade na adio)

(2) (x+y)+z = x+(y+z) (associatividade na adio)
(3) a(x+y) = ax + ay (distributividade na adio)
(4) x+0 = x (elemento nulo)
(5) (ab)x = a(bx) (associatividade na multiplicao)
(6) (a+b)x = ax+ bx (distributividade na multiplio)

174
 (7) 1x = x (elemento neutro)

Exemplos: (,),(n,), (mn,), onde n e m so inteiros positivos.

A.7 Subespao vetorial linear

Seja (X,) um espao vetorial linear e S um subconjunto de X. Diz-se ento que (S,)
um subespao linear de (X,) se S forma um espao linear sobre atravs das mesmas
operaes definidas sobre (X,).

A.8 Variedade linear

A translao de um subespao chamada de variedade linear. Uma variedade linear V

pode ser descrita na forma:
V = x + S,

onde (S,) um subespao linear de (X,) e x qualquer elemento de X.

A.9 Conjunto convexo

Diz-se que um conjunto X em um espao vetorial linear convexo se dados quaisquer

elementos x1,x2 X, todos os elementos da forma ax1 + (1a)x2, com 0 a 1 tambm esto
em X. So conjuntos convexos:

o conjunto vazio, por definio; subespaos;

variedades lineares; interseo de conjuntos convexos.
As propriedades de convexidade e no convexidade esto ilustradas na Figura A.1.

(a) (b)
Figura A.1: Convexidade. (a) Convexo. (b) No convexo.

175
A.10 Combinao linear e combinao convexa

Seja S = {x1, x2, ..., xn} um subconjunto de um espao vetorial linear (X,).
Combinaes lineares de elementos de S so formadas atravs de

L
a1x 1 + a2 x 2 + + an x n ,

onde a1, a2, ..., an .

O conjunto de todas as combinaes lineares de elementos de S chamado de
subespao gerado e representado por [S]. [S] um subespao linear de (X,).

i=1 ai = 1 , ento a
n
Se os escalares a1, a2, ..., an so tais que ai 0 (i=1,2,...,n) e

combinao linear chamada combinao convexa dos elementos x1, x2, ..., xn X.

A.11 Dependncia linear

Diz-se que um vetor x linearmente dependente em relao a um conjunto de vetores S

se x pode ser expresso como uma combinao linear de elementos de S, ou seja, se x [S].
Caso contrrio, diz-se que x linearmente independente em relao ao conjunto S. Um
conjunto de vetores x1, x2, ..., xn linearmente independente se e somente se a equao

i=1 ai x i = 0
n
tem como nica soluo ai = 0, i = 1,2,...,n.

A.12 Base e dimenso de um espao vetorial linear

Um conjunto S de vetores linearmente independentes forma uma base para (X,) se S

gera (X,). Se S = {x1, x2, ..., xn} uma base para (X,), ento diz-se que o espao vetorial
(X,) de dimenso n (ou n-dimensional). Qualquer outra base para o mesmo espao (X,)
possui o mesmo nmero n de elementos.
Qualquer y X pode ser expresso na forma:

b1
L
y = b1x1 + b2 x 2 + + bn x n = [x1 x 2 L b
x n ] 2 ,
M
bn

176
onde b = [b1 b2 Lb] n
T
a representao de y na base S (o superscrito T representa a

operao de transposio).
A representao de um vetor numa determinada base nica.
Se n finito, diz-se que o espao vetorial (X,) de dimenso finita. Para n infinito,
(X,) dito ser de dimenso infinita.

A.13 Produtos entre vetores

Produto interno
O produto interno uma funo fPI: nn que associa a cada par de vetores
x, y n um escalar dado por:

x,y = xTy = x1y1 + x2y2 + + xnyn,

onde x = [x1 x2 xn]T e y = [y1 y2 yn]T.

Produto externo
O produto externo uma funo fPE: mn mn que associa a cada par de vetores
x m, y n uma matriz de dimenso mn definida na forma:

x1 y1 x1 y2 L x1 yn
x y O M
M
x, y = xy = 2 1
T

x y
m 1L x m yn

A.14 Norma, semi-norma e quase-norma

A norma uma funo fN: n que associa a cada vetor x n um escalar

representado por x . A norma satisfaz os seguintes axiomas:

x 0, x X; x = 0 x = 0 ;

x + y x + y , x, y X (desigualdade triangular);

ax = a x , x X , a .

Dentre as funes fN que atendem a estes axiomas, possvel destacar:

177
 1/ p
n p
x = xi (norma p);
i =1
p

n
Para p = 1 tem-se x 1 = x i ;
i =1

1/ 2
n 2
( ) = xi
1/ 2
Para p = 2 tem-se x = x, x 1/ 2
= x x
T
(norma euclidiana);
i =1
2

Para p = tem-se x = max x i .

i

A semi-norma uma funo fSN: n que satisfaz todas as propriedades de norma,

com exceo do primeiro axioma. O subespao linear X0 n onde x = 0 denominado

espao nulo da semi-norma.

A quase-norma uma funo fQN: n que satisfaz todas as propriedades de
norma, com exceo do segundo axioma (desigualdade triangular), o qual assume a forma:

x + y b( x + y ), x, y X , com b .

Os conceitos de norma, semi-norma e quase-norma so fundamentais para a definio

de propriedades topolgicas.

A.15 Vetores ortogonais e ortonormais

Dois vetores x, y n so ortogonais entre si, x y, se o seu produto interno se

anula:
x y x,y = 0.

Alm disso, se x,x = y,y = 1, ento os vetores x, y n so ortonormais entre si.

Um vetor x ortogonal a um conjunto S (x S) se x,s = 0, s S.

A.16 Relao entre produto interno e norma euclidiana

A desigualdade de Cauchy-Schwartz-Buniakowsky

178
 2
x, y x, x y, y x, y x 2 y 2

estabelece uma importante relao entre produto interno e norma euclidiana. A igualdade
vlida se e somente se os vetores x e y estiverem alinhados.

A.17 Projeo de um vetor em uma determinada direo

Dado um espao vetorial linear X, seja y X um vetor que fornece uma determinada
direo. A projeo de qualquer vetor x X na direo de y dada na forma:

x, y y xT y
projy ( x ) = 1/ 2
1/ 2
= y
y, y y, y yT y

A.18 Vetores ortonormais gerados a partir de vetores linearmente

independentes

Apesar de todo conjunto de vetores ortonormais no-nulos ser linearmente

independente, nem todo conjunto de vetores linearmente independentes ortonormal, mas
pode passar por um processo de ortonormalizao, como segue.
Dado um conjunto de m vetores n-dimensionais (m n) linearmente independentes
{x1, x2, ..., xm}, sempre possvel estabelecer uma combinao linear adequada destes vetores
que produza m vetores n-dimensionais mutuamente ortogonais {u1, u2, ..., um} que geram o
mesmo espao. Alm disso, se os vetores ui (i=1, ..., m) apresentarem norma unitria, eles so
mutuamente ortonormais.
Um conjunto de vetores ortonormais {u1, u2, ..., um} pode ser obtido a partir de um
conjunto de vetores linearmente independentes {x1, x2, ..., xm} atravs do processo de
ortogonalizao de Gram-Schmidt, o qual pode ser dividido em duas etapas:

Etapa (1) y1 = x 1

i 1 xi , y j
yi = xi y j , i = 2, ..., m
j =1 y j ,y j

yi
Etapa (2) ui = 1/ 2
, i = 1, ..., m
yi , yi

179
 Com isso tem-se

u1 = a11x1

u2 = a21x1 + a22x2

u3 = a31x1 + a32x2 + a33x3

M M M O
com aii > 0 (i=1,...,m). Certamente existem outros processos de ortonormalizao mais gerais,
que no impem qualquer tipo de restrio aos coeficientes aij (i j; i,j=1,...,m).

A.19 Algumas propriedades de matrizes

Simetria
Uma matriz A = {aij} de dimenso nn dita ser simtrica se aij = aji, i,j=1,2,...,n.

Inverso
Dada uma matriz A de dimenso nn, se existe uma matriz B de mesma dimenso tal
que AB = BA = I ento B nica e denominada a matriz inversa de A, ou seja, B = A1.

Pseudo-inverso
Dada uma matriz A de dimenso mn, sempre existe uma matriz B satisfazendo as
seguintes igualdades:

ABA = A; BAB = B; (AB)T = AB; (BA)T = BA;

A matriz B, geralmente denominada A+, nica e conhecida como a inversa de

Moore-Penrose ou a pseudo-inversa da matriz A. A matriz A+ pode ser diretamente
determinada atravs da decomposio de A em valores singulares.
Se a matriz A de posto completo, ou seja, se (A) = min(m,n) (veja definio mais
adiante), a pseudo-inversa dada na forma:

se m < n, (A) = m e A+ = AT(AAT)1;

se m > n, (A) = n e A+ = (ATA)1AT;
se m = n, (A) = m = n e A+ = A1.

180
 Portanto, se A uma matriz inversvel (matriz quadrada e de posto completo), a
pseudo-inversa igual inversa.

Cofator
Dada uma matriz A de dimenso nn, o cofator do elemento aij (i,j=1,2,...,n) dado na
forma:

cij = ( 1)i + j mij ,

onde mij o determinante da matriz formada eliminando-se a i-sima linha e a j-sima coluna
da matriz A.

Determinante
Dada uma matriz A de dimenso nn, o determinante de A dado na forma:

n aij cij , para qualquer i

i =1
A = det (A ) = ou
aij cij , para qualquer j
n
j =1

onde cij o cofator do elemento aij.

Seja A = [a1 La La]
j n (1 j n). O determinante de A possui as seguintes

propriedades:

Invarincia: ( L a L a ])
det [a1 j n = ( La
det [a1 j + ak L a ]) ,
n j k,

1 j,k n;

( L ba L a ]) = b.det ([a L a L a ])
Homogeneidade: det [a1 j n 1 j n

Com isso, se B uma matriz obtida de A pela troca de duas de suas colunas, ento
det(B) = det(A).

Trao
Dada uma matriz A de dimenso nn, o trao de A, representado por tr(A), a soma
dos elementos da diagonal de A, ou seja:
n
tr(A) = aii
i =1

181
Adjunta
Dada uma matriz A de dimenso nn, a adjunta de A, representada por adj(A), dada
na forma:

adj(A) = { aij }

onde aij = cji, o cofator do elemento aji.

A.adj(A) = det (A ). I adj(A)

So vlidas as seguintes igualdades: A 1 =
adj( A ). A = det ( A ). I det(A )

Singularidade

Diz-se que uma matriz A de dimenso nn singular se det(A) = 0. Caso contrrio,

diz-se que A no-singular. Como A 1 = adj(A) / det(A) , A admite inversa se e somente se

det(A) 0, ou seja, se A no-singular.

Range e posto
O range de uma matriz A de dimenso mn um subespao do m definido na forma:

{
R(A ) = y m : y = Ax, para algum x n . }
Portanto, R(A) dado pelo conjunto de todas as possveis combinaes lineares das
colunas de A. A dimenso de R(A) denominada posto da matriz A e representado por
(A). O posto o nmero de colunas linearmente independentes de A.
Como (A) = (AT), o posto pode ser tambm considerado como sendo o nmero de
linhas linearmente independentes de A. Se n m e (A) = m, ento R(A) m, donde se
conclui que

dim{R(A)} = (A) = (AT) min(m,n).

Nulidade
O nulo de uma matriz A de dimenso mn um subespao do n definido na forma:

{
N (A) = x n : Ax = 0 }

182
 A dimenso de N(A) denominada nulidade da matriz A e representada por (A). A
nulidade e o posto esto relacionados por:

(A) + (A) = n

So propriedades importantes: N(A) R(AT) no n N(AT) R(A) no m

Autovalor e autovetor
Seja uma matriz A de dimenso nn. Diz-se que um escalar C (conjunto dos
nmeros complexos) um autovalor de A se existe um vetor no-nulo x Cn, chamado de
autovetor associado a , tal que

Ax = x.

Ax = x pode ser reescrito como (I A)x = 0;

x Cn , x 0 tal que (I A)x = 0 se e somente se det(I A) = 0 ;

( ) = det (I A ) o polinmio caracterstico de A;

Como o grau de () n, a matriz A possui n autovalores.

Positividade
Uma matriz A de dimenso nn dita ser definida positiva se e somente se

<x,Ax> = xTAx > 0, x n, x 0,

ou, de forma equivalente, se todos os seus autovalores forem positivos.

Uma matriz A de dimenso nn dita ser semi-definida positiva se e somente se

<x,Ax> = xTAx 0, x n,

ou, de forma equivalente, se todos os seus autovalores forem no-negativos.

Uma matriz A de dimenso nn dita ser definida negativa (semi-definida negativa) se
A definida positiva (semi-definida positiva).

183
A.20 Teoremas envolvendo propriedades de matrizes

Teorema: Seja A uma matriz de dimenso mn e considere o sistema de equaes lineares

Ax = y . possvel afirmar que:

1) Dados A mn e y m, existe x n tal que Ax = y se e somente se y R(A), ou seja,

se e somente se y puder ser expresso como uma combinao linear das colunas de A.

Nota: y R( A ) ( A ) = ([AM y]) .

2) Dado A mn, para todo y m existe x n tal que Ax = y se e somente se

R(A) m.

Nota: R( A ) ( A ) = m
m

Teorema: Seja A uma matriz de dimenso mn tal que (A) = m. Ento a matriz
Q = AAT m definida positiva.

Teorema: Seja A uma matriz de dimenso nn. Ento os autovetores associados a autovalores
distintos so linearmente independentes.

Teorema: Seja A uma matriz simtrica de dimenso nn. Ento os autovalores de A so reais e
autovetores associados a autovalores distintos so ortogonais.

Teorema: Toda matriz A de dimenso mn que tenha posto unitrio pode ser fatorada na
forma A = uvT, para algum u m e v n.

184