Escolar Documentos
Profissional Documentos
Cultura Documentos
Faculdade de Matemtica
lgebra Matricial
Introduo. Esta apostila1 tem o objetivo de servir de material de apoio disciplina
de lgebra Matricial, que comeou a ser oferecida a partir de 2007/1 para os novos
alunos dos cursos de Licenciatura em Matemtica, Licenciatura em Fsica,
Bacharelado em Fsica Mdica, Engenharia da Computao, Engenharia Civil,
Engenharia Eltrica, Engenharia de Computao, Engenharia Mecnica, Engenharia
Qumica, Engenharia de Controle e Automao e Engenharia de Produo. Um dos
objetivos da lgebra Matricial trabalhar conceitos de lgebra Linear em espaos
vetoriais de dimenso finita. As aulas so nos laboratrios de informtica da
Faculdade de Matemtica, e a ferramenta computacional utilizada o Matlab. O
Matlab um programa utilizado tanto no meio acadmico, por pesquisadores,
professores e alunos, quanto fora da universidade, por profissionais de diversas reas.
Assim sendo, o uso desta apostila se justifica, visto que no h um livro que seja
totalmente adequado aos objetivos da lgebra Matricial. A apostila est dividida em
captulos, de modo que possvel us-la de acordo com o cronograma de cada turma.
No final de cada captulo, h uma lista de exerccios que devem ser trabalhados para
fixao dos conceitos. No final da apostila, h uma lista de referncias bibliogrficas e
alguns links, onde podem ser encontrados textos de apoio ao uso do Matlab, e onde
podem ser baixados programas livres que funcionam de modo semelhante ao Matlab.
1
Apostila de apoio elaborada pelo Professor Luiz Eduardo Ourique, verso 2009/1.
2
ndice
Captulos Pgina
3
Captulo 1. Operaes com Matrizes
Uma matriz um conjunto retangular de nmeros. Uma matriz geralmente denotada
por uma letra maiscula. Uma matriz rA pode ser representada pela notao A = (aij),
onde o elemento ou coeficiente aij est na i-sima linha e j-sima coluna.
2 3
Exemplo 1. A = . Temos a11 = 2 , a12 = 3 , a21 = 0 e a22 = 5.
0 5
1 0 4
Exemplo 2. B = . Temos b11= 1, b12 = 0, b13 = 4, b21= 3, b22= 5 e b23 = 9.
3 5 9
Para definir uma matriz no Matlab, devemos digitar os seus coeficientes e armazenar
1 3
a matriz numa varivel. Por exemplo, para criar a matriz M = , escrevemos no
2 4
Matlab o comando abaixo, pressionamos enter, e o resultado vir abaixo:
>> M = [ 1 3 ; 2 4]
M=
1 3
2 4
Podemos usar a vrgula para separar os elementos em cada linha. Isto , a matriz M
pode ser obtida assim:
>> M = [ 1,3;2,4]
M=
1 3
2 4
Se quisermos ver um elemento Mij em particular da matriz M, basta digitar M(i,j) e
pressionar enter. Por exemplo:
>> M(1,2)
A resposta do programa ser
ans =
3
Se quisermos alterar um elemento ou um conjunto de elementos da matriz M,
podemos fazer de vrias formas. Por exemplo, se quisermos redefinir o coeficiente
M12 como igual a 10, fazemos:
>> M(1,2)=10
M=
1 10
2 4
A seguir, alguns exemplos de comando e a resposta do programa so apresentados.
Para executar cada comando, pressione enter no Matlab:
4
Obs: O desenvolvimento clculo do determinante 2x2 efetuado da seguinte forma:
1 3
= 1*4 2*3= 2.
2 4
A varivel ans uma varivel global do Matlab para armazenar o resultado do ltimo
comando executado. Para multiplicar todos os elementos de M por 4, basta escrever
4*M:
>> 4*M
ans =
4 12
8 16
>> M^2
ans =
7 15
10 22
1 3 5 7
Para multiplicar duas matrizes, digamos, M= e N= , definimos a
2 4 0 3
matriz N:
>> N = [ 5 7 ; 0 3] ;
>> M*N
ans =
5 -2
10 2
1 3 5 7 1 * 5 + 3 * 0 1 * 7 + 3 * (3) 5 2
Desenvolvimento: * = = .
2 4 0 3 2 * 5 + 4 * 0 2 * 7 + 4 * (3) 10 2
5 2
Observao : em notao usual, escrevemos MN = .
10 2
A matriz transposta ( troca de linhas por colunas e vice-versa) obtida pelo comando
M' :
>> M'
ans =
1 2
3 4
5
O vetor b = chamado de vetor-coluna, pois tem 1 coluna e 2 linhas. Pode ser
9
definido usando o comando abaixo:
>> b=[ 5 ; 9]
5
b=
5
9
Se quisermos agora que a primeira coluna de M seja substituda pelo vetor b,
fazemos:
>> M(:,1) = b
M=
5 10
9 4
Da mesma forma, se quisermos agora que a primeira linha de M seja substituda por
um valor constante, digamos igual a 8, fazemos:
>> M(1,: ) = 8
M=
8 8
9 4
Para definir uma matriz cujos coeficientes so dados por uma frmula, podemos usar
o comando for. Para ver como funciona, digite help for no Matlab.
Assim, para i =1 e j =1 , o Matlab calcula N(1,1) = 2*1 + 5*1 = 7; para i=1 e j=2, o
Matlab calcula M(1,2) = 2*1 + 5*2= 12 e assim por diante.
Para enxergar o resultado no Matlab, basta escrever N e pressionar enter:
>> N
N=
7 12 17
9 14 19
11 16 21
Por exemplo, o elemento N11 N11 = 2*1+5*1 = 7; j o elemento N23 igual a N23 =
2*2+5*3 = 19. E assim por diante.
Matriz identidade. A matriz identidade nxn, denotada por Inxn, ou simplesmente In,
1, se i = j
a matriz In = ( aij) , onde aij = . No Matlab, obtida com o comando
0, se i j
eye(n):
Exemplo. Obter a matriz identidade I3.
>> eye(3)
ans =
1 0 0
0 1 0
0 0 1
6
5, se i = j
Exemplo. Obter no Matlab a matriz 4x4 diagonal C = ( cij) , onde cij = .
0, se i j
>> C = 5*eye(4)
5 0 0 0
5 0 0
C = 0
0 0 5 0
0 0 0 5
Matriz Inversa. Dada uma matriz Anxn, a matriz inversa de A a matriz Bnxn tal que
A*B=B*A = In . No Matlab, a matriz inversa calculada com o comando inv(A).
Notao: a matriz inversa de A denotada por A1.
2 3
Exemplo. Calcular a matriz inversa de A = no Matlab.
3 4
>> A = [2,3 ; 3,4]
A=
2 3
3 4
>> B=inv(A)
B =
4.0000 3.0000
3.0000 2.0000
>> B*A
ans =
1 0
0 1
>> A*B
ans =
1 0
0 1
2 3 4 3
Assim, A = e sua matriz inversa A1 = .
3 4 3 2
IMPORTANTE: Uma matriz A tem matriz inversa se e s se det(A) 0. Por
2 3
exemplo, a matrix M= no tem matriz inversa, pois det(M) = 0.
4 6
7
Exerccios.
1 5 9 3 5 7 3
1. Defina no Matlab as matrizes A= 4 8 10 ,B= 6 8 12 , o vetor y= 5
3 7 12 5.4 3.1 9.4 7
e efetue as seguintes operaes :
a) 2*A
b) A + B
c) A2
d) det(A)
e) Ay
f) det(A)*det(B)
g) det(A*B) ( compare com o resultado do item f )
h) AB
i) BA ( compare com o resultado do item h )
j) A ( a transposta da matriz A )
k) diag(A)
l) A.2
m) substitua a primeira coluna de A pelo vetor y
n) substitua a segunda coluna de B pela terceira coluna de A.
o) inv(A) ( calcula a matriz inversa de A )
2. Defina no matlab a matriz C, tamanho 3x3, com todos os coeficientes iguais a zero.
Dica: escreva help zeros no Matlab.
3. Defina no matlab a matriz D, tamanho 3x4, com todos os coeficientes iguais a um.
Dica: escreva help ones no Matlab.
4.Defina a matriz F4x4 cujo termo genrico Fij = 4i2+ 3j. Calcule det(F). Caso exista,
calcule a matriz inversa de F.
3, se i = j
5. Definir no Matlab a matriz H4x4, cujo elemento hij= .
0, se i j
6. Defina a matriz A5x5, cujo coeficiente dado por
2, se i = j
1, se i = j 1
A (i, j) =
1, se i = j + 1
0, nos demais casos.
Para tanto, use o comando for encadeado com o comando if. Para ver como funciona
este comando no Matlab, digite help if.
2 10 18 2 0 2 8 108 167
1a. 2*A = 8 16 20 ; 1b. A+B= 2 16 22 ; 1c.A2= 6 114 164 ;
6 14 24 8.4 10.1 21.4 11 155 241
8
91
1d. det(A)= 52; 1e. A*y= 98 ; 1f. det(A)*det(B)= 842.4;1g. det(A*B) = 842.4;
128
1 4 3 1 1 25 81
1j. A = 5 8 7 ; 1k . diag(A) = 8 ; 1l. A. = 16 64 100
2
9 10 12 12 9 49 144
3 5 9 3 9 7
1m. A(:,1) = y produz A= 5 8 10 ; 1n. B(:,2) = A(:,3) produz B= 6 10 12
7 7 12 5.4 12 9.4
0.5000 0.0577 0.4231
1o. inv(A) produz A = 1.5000 0.2885
1
0.8846 .
1.0000 0.1538 0.5385
0 0 0 1 1 1 1
2.C=zeros(3) produz C = 0 0 0 ; 3. D=ones(3,4) produz 1
1 1 1
0 0 0 1 1 1 1
4. A seqncia abaixo no Matlab produz a matriz F:
for i = 1: 4 7 10 13 16
for j=1:4 19 22 25 28
F(i,j)= 4*i^2+3*j; F=
end 39 42 45 48
end 67 70 73 76
3 0 0 0
0 3 0 0
5. H =
0 0 3 0
0 0 0 3
2 1 0 0 0
1 2 1 0 0
6. A =
0 1 2 1 0
0 0 1 2 1
0 0 0 1 2
9
Captulo 2. Resoluo de sistemas lineares nxn no Matlab
Um sistema de equaes Ax = b pode ser resolvido diretamente no Matlab. Para tanto,
devemos armazenar os coeficientes do sistema na varivel A e os do lado direito das
equaes na varivel b. Feito isto, o comando A\b resolve diretamente o sistema.
Como exemplo, resolvemos o sistema abaixo:
Exemplo 1.
2x 1 + 3x 2 = 5
Neste caso A = [ 2,3 ;5,8] e b = [5;9.4]
5x 1 + 8x 2 = 9.4
11.8
Soluo : no Matlab, basta executar x=A\b . A resposta x = .
6.2
Interpretao : A soluo do sistema x1 = 11.8 e x2 = 6.2.
Verificao: 2*11.8 + 3*(6.2) = 23.6 18.6 = 5
5*11.8 + 8*(6.2) = 59 49.6 = 9.4
11.8
Notao usual: a soluo x = .
6.2
Exemplo 2.
x1 + 2 x 3 = 25.4 25.4
102.72
3x1 2x 2 + 7.2 x 3 = 102.72 . Neste caso, A=[1,0,2;3,2,7.2;8,4.2,6] e b =
8x + 4.2 x 6x = 39.5 39.5
1 2 3
O comando x = A \ b ( A contra-barra b ) :
>> x=A\b
x=
6.2000
7.5000
9.6000
Temos x1= 6.2 , x2= 7.5 e x3= 9.6.
Verificao: 6.2 + 2*9.6 = 6.2 + 19.2 = 25.4
3*6.2 2*(7.5) +7.2*9.6 = 18.6 + 15 + 69.12 = 102.72
8*6.2 +4.2*(7.5)6*9.6 = 49.6 31.5 57.6 = 39.5
A verificao mostra que esta a soluo do sistema. Em notao usual, a soluo x
6.2
= 7.5 .
9.6
3x 1 x 2 = 5 3 1 5
5x + 3x = 27 5 3 27
1
Exemplo 3.
2
. Neste caso, A = e b = .
7
1 x 5 x 2 = 1 7 5 1
9 x 1 + 7 x 2 = 55
9 7 55
O comando x = A \ b calcula a soluo: x1= 3 e x2 = 4. A verificao fica por conta
do leitor.
10
Matriz ampliada de um sistema. Um sistema Ax = b pode ser representado atravs
da notao de matriz ampliada, que consiste da matriz de coeficientes e o vetor b.
2x1 + 3x2 = 5 2 3 5
Exemplo. A matriz ampliada do sistema a matriz .
5x1 +8x2 = 9.4 5 8 9.4
x1 + 2 x 3 = 25.4
Exemplo. A matriz ampliada do sistema 3x1 2x 2 + 7.2 x 3 = 102.72
8x + 4.2 x 6x = 39.5
1 2 3
1 0 2 25.4
3 2 7.2 102.72 .
8 4.2 6 39.5
2 x 1 + x 2 + 7 x 3 = 16 x 1 + 2 x 2 + 3x 3 = 1
1. x 1 + 3x 2 + 2 x 3 = 5 2. 4 x 1 + 5x 2 + 6 x 3 = 5
5x + 3x + 4 x = 11 7 x + 8x + 9 x = 11
1 2 3 1 2 3
3x1 9 x3 + 6x 4 + 9 x5 + 4x 6 x7 = 0.108
9x1 + 3x 2 + 8x3 + 9x 4 12 x5 + 6x6 + 3x 7 = 26.24
x1 9x 2 + x3 3x 4 + x5 5x 6 + 5x 7 = 92.808
3. 4x1 + 8x 2 10x 3 + 8x 4 x5 + 4x 6 4x 7 = 53.91
5x1 + 5x 2 + 4 x3 + 11x 4 + 3x 5 + 8x 6 + 7 x 7 = 143.55
6x1 2x 2 + 9x 3 7x4 5x 5 3x 6 + 8x 7 = 6.048
8x1 + 7x2 + 2 x3 + 5x 4 + 2x5 + x6 3x 7 = 137.94
4 x 1 x2 = 50
2 x + 4x 2 x3 = 10 2 x 1 + 3x 2 5x 3 = 50.8
4. 1 5.
2x 2 + 4x 3 x4 = 47
3.4 x 1 5x 2 + 9.2x 3 = 74.14
2x 3 + + 4x 4 x 5 = 39
2x 4 + 4x 5 = 87
11
Alimento 3: cada medida contm 1 unidade de gordura, 3 unidades de protena e 5
unidades de carboidratos.
Sejam x,y e z o nmero de medidas que a pessoa consome dos alimentos 1,2 e 3,
respectivamente, em sua refeio principal. Encontre um sistema linear em x,y e z
cuja soluo diz quantas medidas de cada alimento deve ser consumida pela pessoa
para atender dieta.
7. Encontre trs nmeros reais cuja soma igual a 12, tais que a soma do dobro do
primeiro com o segundo e o dobro do terceiro 5 e tais que o terceiro nmero um a
mais do que o primeiro. Encontre um sistema linear cujas equaes descrevem este
problema e resolva-o.
x + y + z = 12
2x + y + 2z = 5
x + z =1
cuja soluo x = 4, y = 19 e z = 3.
12
Captulo 3. Teoria dos sistemas lineares
Possveis
( tem soluo) Deter min ado(Soluo nica )
In det er min ado(Infinitas Solues)
Sistemas :
Im possveis
(no tem soluo)
Classificao de sistemas com n equaes e n incgnitas. De acordo com o teorema de
Cramer, a soluo de um sistema de equaes lineares com n equaes e n incgintas
x i
Ax = b, onde x = [xi]i , i = 1,2,...,n, dada pela frmula:xi = , onde = det(A) e
xi o determinante da matriz obtida pela substituio da i-sima coluna de A, pelos
valores do vetor-coluna b, para cada i =1,...,n. Assim, se 0, a soluo do sistema
x i
nica, dada pela frmula xi = , para i=1,2,...,n. Se = 0 , ento o sistema
indeterminado ou impossvel. Para diferenciar um caso do outro, podemos usar o
teorema de Cramer: se = 0 e se todos os determinantes xi forem nulos, ento o
sistema indeterminado. Se = 0 e se xi 0, para algum i , i=1,...,n, ento o
sistema impossvel. Assim, podemos resumir que um sistema de equaes lineares
nxn :
13
2x 1 + 3x 2 = 5
Exemplo 1.
5x 1 + 8x 2 = 9.4
2 3
1 ) = = 16 15 = 1 0 :sistema possvel e determinado ( soluo nica )
5 8
5 3
2 ) x1 = = 40 28.2 = 11.8
9 .4 8
2 5
x2 = = 18.8 25 = 6.2
5 9 .4
x 1 11.8 x 2 - 6.2
3 ) x1 = = = 11.8 e x2 = = = 6.2
1 1
2x1 3x 2 + x 3 = 1
Exemplo 2. x1 + 2x 2 3x 3 = 4
- x + x + 2x = 1
1 2 3
2 3 1
1 ) = 1 2 3 = 14. Portanto, este sistema tem soluo nica.
1 1 2
Clculo do determinante pela regra de Sarrus:
2 3 1 2 3
Obs: = 1 2 3 1 2 = 8 9 + 1 ( 2 6 6 ) = 0 ( 14 ) = 14.
1 1 2 1 1
1 3 1
2 ) x1 = 4 2 3 = 42
1 1 2
2 1 1 2 3 1
x2 = 1 4 3 = 28 e x3 = 1 2 4 = 14
1 1 2 1 1 1
O desenvolvimento de cada determinante acima fica a cargo leitor.
x 1 42 x 2 28 x 3 14
3 ) x1 = = = 3 ; x2 = = = 2; x3 = = =1
14 14 14
A soluo : x1 = 3; x2 = 2 ; x3 = 1.
14
x1 + 2x 2 + 3x 3 = 1
Exemplo 3. 4x1 + 5x 2 + 6x 3 = 5
7x + 8x + 9x = 11
1 2 3
1 2 3
= 4 5 6 = 0 : sistema impossvel ou indeterminado
7 8 9
1 2 3 1 1 3 1 2 1
x1 = 5 5 6 = 6 ; x2 = 4 5 6 =12 ; x3 = 4 5 5 = 6
11 8 9 7 11 9 7 8 11
Concluso: como xi 0 , para i =1,2 e 3, e = 0, conclumos que o sistema
impossvel, isto , no admite soluo.
2x 1 + 3x 2 = 6
Exemplo 4.
4x 1 + 6x 2 = 12
2 3
= = 12 12 = 0 ;
4 6
6 3
x1 = = 36 36 = 0 ;
12 6
2 6
x2 = = 24 24 = 0
4 12
-3/2*x2+3
x2 =
x2
15
Observao sobre o mtodo de eliminao de Gauss: Podemos concluir que um
sistema s tem uma soluo, ou tem infinitas ou impossvel mediante a aplicao do
mtodo de eliminao de Gauss. O mtodo de Gauss o mais eficiente dos mtodos
usados na resoluo de sistemas de equaes lineares, por exigir um menor nmero de
operaes aritmticas na sua implementao.
x 1 + x 2 = 2
Exemplos. O sistema admite soluo nica, pois somando as duas
x 1 x 2 = 0
x + x 2 = 2
linhas, chegamos ao sistema 1 . Logo, x1 = 1 e x2 = 1. J o sistema
2x 1 = 2
x 1 + x 2 = 2 x + x2 = 2
claramente impossvel, pois 1 2. J o sistema 1
x1 + x 2 = 1 2 x 1 + 2 x 2 = 4
admite infinitas solues. De fato, multiplicando a primeira linha por 2 e subtraindo
x + x 2 = 2
da segunda linha, resulta : 1 . Logo, x2 = 2 x1. Assim, se x1= 0, x2 = 2; se
0=0
x1= 1, ento x2 = 1, e assim por diante. A mesma lgica aplica-se a sistemas com m
equaes e n incgnitas. Aps a eliminao e o escalonamento do sistema, a anlise
das equaes restante permite classificar o sistema quanto ao nmero de solues.
Vejamos um exemplo 3x3:
x 1 + 2 x 2 5x 3 = 2
2 x 1 3x 2 + 4 x 3 = 4
4x + x 6x = 8
1 2 3
1 2 5 2
A matriz aumentada do sistema 2 3 4 4
4 1 6 8
Multiplicando a primeira linha por 2 subtraindo da segunda linha; multiplicando a
primeira linha por 4 e subtraindo da terceira linha, resulta:
1 2 5 2
0 7 14 0 .
0 7 14 0
1 2 5 2
0 7 14 0
0 0 0 0
16
1 2 5 2
0 1 2 0
0 0 0 0
x1= 2 + k
x 1 2 1
x2 = 2k ou x = 0 + k 2
2
x 3 0 1
x3 = k
x 1 + 2 x 2 5x 3 = 2
Portanto, o sistema 2 x 1 3x 2 + 4 x 3 = 4 indeterminado, isto , admite uma
4x + x 6x = 8
1 2 3
x1 2
infinidade de solues. Por exemplo, se k = 0, uma soluo x 2 = 0 . Se k=1,
x 3 0
x 1 2 1 3
outra soluo x 2 = 0 + 2 = 2 , e assim por diante.
x 3 0 1 1
x 1 + 2 x 2 5x 3 = 2
Por outro lado, o sistema 2 x 1 3x 2 + 4 x 3 = 4 impossvel, pois as mesmas
4x + x 6x = 0
1 2 3
1 2 5 2
0 1 2 0
0 0 0 1
17
Exerccios. Resolva os sistemas abaixo, calculando a soluo atravs do teorema de
Cramer e classifique o sistema. Escrever os determinantes que aparecem nos clculos
intermedirios. No clculo dos determinantes, use o Matlab:
2x 1 + x 2 + 7x 3 = 16
1. x 1 + 3x 2 + 2x 3 = 5
3x + 4x + 9x = 11
1 2 3
i + 2j, se i = j
2
2. Ax = b, onde A4x4 = i , se i = j + 1 e b4x1 = [ 2i1 ] i=1:4 .
0, demais casos
1/(i + j), se i = j
3. Ax = b, onde A5x5 = 4j, se i = j 1 e b5x1 = [ 3i2 3 ] i=1:5 .
0, demais casos
2 1 7 16
1. A= 1 3 2 ; b = 5 ;
3 4 9 11
2 1 7
= 1 3 2 = 0;
3 4 9
16 1 7 2 16 7 2 1 16
x1 = 5 3 2 = 0; x2 = 1 5 2 = 0; x3 = 1 3 5 = 0.
11 4 9 3 11 9 3 4 11
2x 1 + x 2 + 7x 3 = 16
Concluso: x 1 + 3x 2 + 2x 3 = 5 um sistema indeterminado.
3x + 4x + 9x = 11
1 2 3
3 0 0 0 1
4 6 0 0 3
2. A= ;b= .
0 9 9 0 5
0 0 16 12 7
18
3 0 0 0
4 6 0 0
= = 1944
0 9 9 0
0 0 16 12
1 0 0 0 3 1 0 0
3 6 0 0 4 3 0 0
x1 = =648 ; x2 = = 540
5 9 9 0 0 5 9 0
7 0 16 12 0 7 16 12
3 0 1 0 3 0 0 1
4 6 3 0 4 6 0 3
x3 = =540 ; x4 = = 864
0 9 5 0 0 9 9 5
0 0 7 12 0 0 16 7
x i
Usando a frmula xi = , para i=1,2,3 e 4, conclumos que a soluo do sistema
x1=0.3333, x2=0.2778, x3= 0.2778, x4= 0.4444. Em forma vetorial, a soluo
0.3333
0.2778
x=
0.2778
0.4444
0.5 0.8 0 0 0 0
0 0.25 12 0 0 9
3. A = 0 0 0.1667 16 0 ; b = 24 .
0 0 0 0.125 20 45
0 0 0 0 0.1 72
8.467033536
0.529189596
A soluo x = 10^9 * 0.011024784 .
0.00011484
0.00000072
19
Captulo 4. Combinao Linear
Exemplos:
1. v = ( 2, 3) um vetor do R2.
y
2 x
2. u = ( 2, 3, 4 ) um vetor do R3.
20
z
4
3 y
Adio de Vetores
Se u = ( x1 , y1 ) e v = ( x2 , y2 ), ento u + v = ( x1 + x2, y1 + y2 )
Igualdade de Vetores
Exemplos.
3. u = ( 2 , 3) e v = (4 , 1 )
4. u = ( 2 , 5, 0 ) e v = ( 1 , 0 , 3 )
u v = ( 2 1, 5 0 , 0 3 ) = ( 1 , 5 , 3) e
5. u = ( 2 , 5 ) e v = ( x + 1, y + 7)
21
Se u = v , ento : x + 1 = 2 e y + 7 = 5 , logo x = 1 e y = 2.
Exemplos.
10. O vetor v = (48,57, 66) combinao linear dos vetores u1=(1,2,3 ) e u2= ( 4,5,6)
e u3=(7,8,9) ? Se for, ento :
22
(48 ,57 ,66) = a(1,2,3) + b(4,5,6) + c(7,8,9)
a +4b +7c = 48
Igualando as coordenadas, resulta o sistema: 2a + 5b + 8c = 57
3a + 6b + 9c = 66
11. O vetor v=( 10, 15 , 8 , 3) uma combinao linear dos vetores u1=(2,5, 0, 1) e
u2=(1, 0, 2, 0 ) ?
(10, 15 , 8, 3 ) = (2a + b , 5a , 2b , a )
2a + b = 10
5a = 15
Igualando as coordenadas correspondentes, resulta:
2b = 8
a = 3
A soluo a = 3 e b = 4. Logo, a combinao linear :
( 10, 15 , 8 , 3) = 4(2,5, 0, 1) + 3(1, 0, 2, 0 ), ou v = 4u1 + 3u2.
Exemplos.
11. O conjunto { ( 1,2 ) , (2,4) } LD, pois ( 2,4) = 2*(1,2) .
23
12. O conjunto { ( 1,0) , (0,1) } LI, pois ( 1,0) k*(0,1) , para qualquer valor de k.
14. O conjunto { (1,0,0) , (0,1,0), (3,4,0) } LD, pois (3,4,0) = 3*(1,0,0) + 4*(0,1,0).
Observao: a multiplicao 3*(1,0,0) ser escrita daqui por diante como 3(1,0,0), por
simplicidade.
16. { (1,2,3),(4,5,6),(7,8,9)} LI ou LD ?
1 4 7
Soluo: 2 5 8 = 0 , logo, o conjunto { (1,2,3),(4,5,6),(7,8,9) } LD. Neste caso,
3 6 9
isto significa que os trs vetores so coplanares. Existe um vetor que combinao
linear dos demais, por exemplo, (7,8,9) = 2(4,5,6) (1,2,3).
24
Igualando as coordenadas correspondentes, resulta o sistema:
a + 5 b + 9c = 0
2a + 6b + 10c = 0
3a + 7 b + 11c = 0
4a + 8b + 12c = 0
25
Exerccios. Verifique se os conjuntos so LI ou LD. Caso o conjunto seja LD, tente
identificar uma combinao linear entre os vetores, como no exemplo 16.
1. { ( 1, 1 ) , ( 5,5 ) }
2. { ( 2, 3 ) , (1, 4) }
3. { ( 0,0 ) , ( 2, 5) }
4. { ( 1,1,1) , (1,1,0) , (1,0,0) }
5. { (1,1,4,6) , (5,6,8,9) , (18, 22 , 24 , 24)}
6. { (3,1,1),(1,2,1),(11,7,1) }
7. { ( 1,2,5, 10) , ( 0,0,0,0)}
8. {( 1,1) , (2,2) }
9. Determinar o valor de m para que o conjunto de vetores {(1,2), ( 3, m)} seja LI.
10. Determinar o valor de m para que o conjunto de vetores {(1,2,4),(3,4,5),(1,0,m)}
seja LI.
2a b = 0 2 1
, cuja soluo nica a= 0 e b=0, pois 0 . Logo, o
3a + 4b = 0 3 4
conjunto { ( 2, 3 ) , (1, 4) } LI( Linearmente Independente ).
26
determinante da matriz dos coeficientes diferente de zero, o sistema tem soluo
nica.
a + 5b 18c = 0
a + 6b 22c = 0
4a + 8b 24c = 0
6a + 9b 24c = 0
3 1 1
6. { (3,1,1),(1,2,1),(11,7,1) } LI, pois 1 2 1 = 24.
11 7 1
1 3
9. O conjunto de vetores {(1,2), ( 3, m)} LI se e somente se = for
2 m
diferente de zero. Calculando: = m 6, resulta que o conjunto de vetores {(1,2), ( 3,
m)} LI se e somente se m 6.
27
Captulo 5. Espaos vetoriais
Neste captulo, dada uma noo intuitiva de espao vetorial, sem a formalizao
usual. So vistos exemplos de subespaos vetoriais do R2 e do R3, que so mais
simples e podem ser representados geometricamente. O conceito de base
introduzido, com exemplos de representao com o uso da base cannica e de outras
bases do R2 e R3.
Exemplo 1. V = R2.
B = { ( 1,2 ) }
28
Exemplo 2. V = R3
B = { (1,0,0) , (0,1,0) }
29
Exemplo 4. V = R2.
B = { (1,1), (1,1) } uma base do R2
1 1
De fato, B= { (1,1), (1,1) } LI , pois = 2 e todo vetor (x,y) combinao
1 1
linear dos vetores de B. Por exemplo, expressar o vetor u=(1,5) nesta base.
y (1,5)=3u1+2u2
3u1
2u2
Analogia: na base 10, o smbolo 12 representa o nmero doze ( 1 dezena mais duas
unidades ); na base 2, o smbolo 12 representado pelos smbolos 1100.
30
Em particular: (3,4,5) = 3(1,0,0) + 4(0,1,0) + 5(0,0,1)
Exemplo 6. V = R3
B = { (0,2,0), (3,0,3),( 4,0,4)} base do R3.
0 3 4
De fato, B um conjunto LI, pois 2 0 0 = 48. Todo vetor do R3 uma
0 3 4
combinao linear destes trs vetores.
3b 4c = 3
Equivale ao sistema : 2a = 4
3b + 4c = 5
Logo: a = 2 , b = 4/3 e c=
Isto , na base B, as coordenadas do vetor v so (2, 4/3, 1/4) ,isto ,
4 1
(3,4,5) = 2(0,2,0) + (3,0,3) + ( 4, 0 , 4) .
3 4
31
Conjunto Ortogonal. Um conjunto M={v1,v2,...,vn} de um espao vetorial V
ortogonal se v i v j = 0 , para cada par i , j, com i j. Por exemplo, o conjunto
M={(1,1,0), (2,2,4), (4,4,4) } ortogonal. A verificao fica a cargo do leitor.
Exemplo 14. O conjunto {(1,2,3), (2,,2)} LI. Acrescentar um terceiro vetor a este
conjunto para que ele se transforme numa base ortogonal do R3. Obter uma base
ortonormal do R3.
Soluo: procuramos um vetor v = (a,b,c) do R3 tal que
(a , b, c) ( 1,2,3) = 0
(a , b, c) ( 2,2,2) = 0
Equivale ao sistema : a + 2b + 3c = 0
2a 2b + 2c = 0
Somando as duas equaes , resulta:
a + 5c = 0, logo, a = 5c.
32
Substituindo na primeira equao, resulta: b = c. Se c = 1, ento a = 5 e b = 4.O
vetor v = (5, 4,1).
Verificao: (5,4,1) (1,2,3) = 5 + (8) + 3 = 0
( 5,4,1) ( 2,2,2) = 10 + 8 + 2 = 0
Exerccios.
33
Respostas dos exerccios:
1. Suponhamos (3,5) = a(1,2) + b(2,1)
(3,5) = ( a, 2a) + (2b, b) =
(3,5) = ( a 2b, 2a +b)
Igualando as coordenadas, resulta o sistema :
a 2b =3
2a + b = 5
5. Se o conjunto for LD, ento deve haver uma combinao linear entre os vetores,
por, exemplo : (0,0,1, 4) = a(1,0,5,9) + b(1,0,9,4)
(0,0,1, 4) = ( a ,0 ,5a , 9a) + (b ,0 , 9b ,4b)
(0,0,1, 4) = ( a + b, 0, 5a +9b , 9a+4b )
Igualando as coordenadas correspondentes, resulta o sistema :
a +b = 0 5a +9b =1 9a+4b = 4
Como este sistema no tem soluo, significa que o conjunto de vetores LI
(Linearmente Independente).
6. Suponhamos que o terceiro vetor seja o vetor ( a, b, c ) . Para que o conjunto seja
ortogonal, o produto escalar deve ser igual a zero, entre cada par de vetores diferentes.
Assim: (1,1,1)(a,b,c) = 0
(1,1,0)(a,b,c) = 0
Desenvolvendo o produto escalar, resulta: a + b + c = 0
a + b = 0
O sistema acima tem a soluo b = a , c = 2a, onde a R. Escolhendo a = 1, resulta
b = 1 e c = 2. Assim, o conjunto resultante B = {(1,1,1),(1,1,0),(1,1,2)}.
7. Basta dividir cada vetor pelo seu mdulo. O conjunto fica B={ (0.4472, 0.8944) ,
(0.8944, 0.4472)}.
34
Captulo 6. Transformaes Lineares e Representao Matricial
35
Exemplo 2. T : R2 R2 definida por T(x,y)=(x+3y,4x+2y); calculando a imagem
dos vetores da base cannica, obtemos T(1,0)=(1,4) e T(0,1)=(3,2) ,logo a matriz de T
1 3
A= . Nesta notao, a transformao interpretada como a multiplicao
4 2 2 x 2
x
de A por v = :
y
x + 3y 1 3 x
=
4x + 2y 4 2 y
1 31 1 + 3 4
Por exemplo, T(1,1) = ( 1+3, 4+2) = (4,6) ou = =
4 21 4 + 2 6
1 1 0
x
transformao interpretada como a multiplicao de A por v = y .
z
36
Exerccios.
5. A transformao que efetua uma rotao de um ngulo ( no Matlab, deve ser dado
cos() sin()
em radianos2 ) no R2 representada pela matriz A = . Calcule a
sin() cos()
imagem do vetor u=(3/5, 4/5) por uma rotao de 600 do plano. Representa
geometricamente. Compara o mdulo de u com o mdulo de T(u).
cos() sin() 0
6.A matriz A = sin() cos() 0 uma transformao linear do R3 no R3 que
0 0 1
representa uma rotao em torno do eixo z por um ngulo .
a) Se u = ( 2, 0, 4) , qual a imagem de u por uma rotao de 900 em torno do eixo z ?
Calcule no Matlab e represente graficamente no R3. Calcule o mdulo de T(u) e
compare com o mdulo de u.
b) Se u = ( 1, 0 , 1) , qual a imagem de u por uma rotao de 450 em torno do eixo z ?
Calcule no Matlab e represente graficamente no R3. Calcule o mdulo de T(u) e
compare com o mdulo de u.
3/ 7 2 / 7 6 / 7
7. Seja T: R R dada pela matriz A= 6 / 7 3 / 7 2 / 7 . Calcule w=T(1,2,3)
3 3
2 / 7 6 / 7 3 / 7
e compare | (1,2,3) | e | T(1,2,3) |. O que observa ?
2 x
radianos equivale a 1800 . Portanto, x graus equivale a y = radianos.
180
37
Respostas dos exerccios:
1.T(0,0) = (0,0) ; T(1,1)=(4,4) ; T(T(2,4))=(60,78)
cos( / 3) sin( / 3)
5. A matriz de T a matriz ;
sin( / 3) cos( / 3)
u = ( 0.6 , 0.8). T(u)=(0.3928 , 0.9196); | u | = 1 e | T(u) | = 1.
(0.39 , 0.9)
(0.6 , 0.8)
z
z
(1,0,1)
(0,2,4) (0.7, 0.7, 1)
(2,0,4)
y
y
x
x
Soluo do item a. Soluo do item b.
38
3/ 7 2 / 7 6 / 7
7. . Seja T: R R dada pela matriz A= 6 / 7 3 / 7 2 / 7 . Calcule
3 3
2 / 7 6 / 7 3 / 7
w=T(1,2,3) = ( 3.5714 , 0.8571 ; 0.7143 ) . Vemos que | u | = 3.74 e | T(u) | = 3.74.
2 1 1
8. A matriz de T a matriz [T]= 3 1 2 e T(3,4,5)=( 5 , 15 , 20).
4 2 0
39
Captulo 7. Autovalores e Autovetores
2 2 1
Soluo: a matriz de T A = . Multiplicando por v = , obtemos:
1 5 1
2 2 1 2 + 2 4 1
1 5 1 = 1 + 5 = 4 = 4 1 .
Resumindo: T(v) = 4v, onde v=(1,1), ou equivalentemente, Av = 4v.
y
y
T(v)=4v
x x
40
Exemplo 3. A rotao de 45o no plano xy no tem nenhum autovetor.
y y
T(v)
v
v
x x
41
CLCULO DOS AUTOVALORES E AUTOVETORES
Para que tal ocorra, a matriz A I deve ser singular ( det(A I)=0 ), isto , os
autovalores da matriz A so as razes da equao det(A-) =0, chamada de equao
caracterstica de A. Os autovetores associados ao autovalor formam o espao-
soluo ou auto-espao de A associado a .
Resumindo: para calcular os autovalores de uma Transformao Linear T: Rn Rn
representada pela matriz A, calculamos as razes da equao caracterstica det(A-I)
=0 , que uma equao de grau n. Depois, para cada autovalor calculado, o autovetor
dado pela soluo no-trivial do sistema (A ) v = 0 .
2 2
Resultados do Matlab para o exemplo acima: T =
1 5
poly(T) = 1 7 12
roots(poly(T)) = 4 3
2x + 2y = 4x
x + 5y = 4y
2x + 2y = 3x
x + 5y = 3y
CLCULO NO MATLAB
No Matlab, os autovalores e autovetores de uma matriz T so obtidos com o comando
[ P, D ] = eig( T ) . Os autovetores so dados na forma normalizada. No exemplo
acima, se T = [ 2 2; 1 5] , o comando [P,D] = eig(T) resulta :
P=
0.8944 0.7071
0.4472 0.7071
D=
3 0
0 4
Interpretao: autovalor = 3 associado ao autovetor v1 = ( 0.8944 , 0.4472 )
autovalor = 4 associado ao autovetor v2 = ( 0.7071 , 0.7071 )
Exemplo 5. Diagonalizao
2 2
No exemplo 4, vimos que tem autovalor = 3 associado ao autovetor
1 5
v1=(0.8944,0.4472) e autovalor =4 associado ao autovetor v2=(0.7071,0.7071).
0.8944 0.7071
Defina a matriz P cujas colunas so os autovetores: P = e
0.4472 0.7071
calcule P1*T*P. O resultado chamado de diagonalizao da transformao.
Significa que se tomarmos como base do R2 o conjunto B={v1,v2} a transformao
3 0
representada pela matriz diagonal D= . No Matlab, a matriz P obtida
0 4
diretamente com o comando [P,D]=eig(A).
43
Exerccios.
1 0 2
2. A matriz de T T =
1 2 . O polinmio caracterstico de T p() = 3 + 2.
Os autovalores so 1 = 1 associado ao autovetor v1 = ( 0 , 1 ) , e 2 = 2, associado
ao autovetor v2= ( 0.7071 , 0.7071 ) . Na forma usual, temos :
1 = 1 associado ao autovetor v1 = ( 0 , 1) e
1 = 2 associado ao autovetor v2 = ( 1 , 1 ).
44
3. O vetor v uma autovetor da matriz A, pois Av = 2v. Neste caso, o autovalor
associado = 2.
45
Captulo 8. Clculo das iteradas de uma transformao linear
0.5
Exemplo. Dado o vetor u0 = , calculadas as iteradas da transformao
0.5
0.2 0.4
representada pela matriz T = .
0.8 0.6
Soluo : calculando as cinco primeiras iteradas, obtemos:
>> u0=[0.5;0.5] ;
>> T=[0.2,0.4;0.8,0.6] ;
>> for i=1:5
T^i*u0
end
0.3333
Resumindo, vemos que o as iteradas tendem ao vetor de equilbrio . Para
0.6667
justificar tal resultado, calculamos os autovalores e autovetores da transformao T no
Matlab:
>>T=[0.2,0.4;0.8,0.6];
>>[m,n]=eig(T)
m=
46
0.7071 0.4472
0.7071 0.8944
n=
0.2000 0
0 1.0000
Tomando a base B ={ (1,1) , (1,2) } como base do R2, o vetor inicial u0= ( 0.5 ; 0.5 )
pode ser escrito como a seguinte combinao linear dos vetores de B:
1 1
(0.5 ; 0.5 ) = (1,1) + (1,2)
6 3
0.4 2 2
1. T = , u0 =
0 0.6 3
3 0 0 1
4. T = - 2 7 0 , u0 = 1
4 8 1 3
47
Respostas dos exerccios:
0.4 2 2
1. T = , u0 =
0 0.6 3
1 = 0,4 v1 = ( 1 , 0 )
2 = 0,6 v2 = ( 2 , 1 )
a + 2b = 2
b=3
Logo , a = 2 2b = 2 2*3 = 26 = 4
u0 u1 u2 u3 u4 u5 u6 u7 u8
2 5,2 1,52 1,5520 0,6752 0,5075 0,2636 0,1745 0,0982
3 1,8 1,08 0,6480 0,3888 0,2332 0,1400 0,0840 0,0504
1 = 0,7 v1 = (1 , 1 )
2 = 1 v2 = ( 1 , 2 )
48
a + 2b = 0,5
1 1 1 1
A soluo : a = e b = . Ento : ( 0,5 ; 0,5) = *( 1, 1 ) + * ( 1,2 )
6 3 6 3
Aplicando a transformao sucessivas vezes, resultam as iteradas:
49
Captulo 9. Diagonalizao de uma matriz
Vimos que toda transformao linear T:Rn Rn tem uma matriz cannica que a
representa. Portanto, podemos associar a cada matriz nxn uma transformao linear do
Rn no Rn. Por exemplo, a matriz
cos( / 4) sin( / 4) 0
T1= sin( / 4) cos( / 4) 0
0 0 1
uma rotao por um ngulo de /4 em torno do eixo z num sistema de coordenadas
xyz. J a matriz
0.8 0.1
T2 =
0.2 0.9
pode ser interpretada como uma matriz de probabilidade que pode ser usada para
descrever o comportamento de uma populao de indivduos divididos em duas
classes( por exemplo, fumantes e no-fumantes). No caso da matriz T2, vimos que
seus autovalores e autovetores so respectivamente: autovalor 1= 0.7, associado com
o autovetor v1 = (1, 1) e autovalor 2 = 1, associado com o autovetor v2 = ( 1 , 2 ).
Isto significa que T2(v1) = 0.7*v1 e T2(v2)=1*v2. Dizemos que a matriz T2 tem uma
base de autovetores, pois os autovetores v1=(1,1) e v2=(1,2) so linearmente
independentes, logo o conjunto {(1,1) , (1,2)} uma base do R2. Relacionado com
esta propriedade, est o conceito importante de diagonalizao de uma matriz. Antes
de vermos como diagonalizar uma matriz, vamos ver dois exemplos de clculo de
autovalores e suas multiplicidades algbrica e geomtrica.
ans =
1 -8 21 -18
>> roots(poly(A))
ans =
3.0000 + 0.0000i
3.0000 - 0.0000i
2.0000
50
Interpretao. Os autovalores da matriz A so
= 2 , com multiplicidade algbrica 1
= 3 , com multiplicidade algbrica 2
Interpretao :
Autovalor = 2 associado ao autovetor v = [ 0.1231; 0.1231; 0.9847 ]
Autovalor = 3 associado ao autovetor v = [ 0; 0 ; 1 ]
51
= 2 , com multiplicidade algbrica 2
Para obter os autovetores, fazemos no Matlab:
>> [m,n]=eig(A)
m=
0 -0.8165 0.7071
1.0000 0.4082 0
0 0.4082 0.7071
n=
2 0 0
0 1 0
0 0 2
Interpretao :
= 1 , associado com o autovetor [ 0.8165 ; 0.4082 ; 0.4082]
= 2 , associado aos autovetores [0;1;0] e [ 0.7071;0 ;0.7071 ] .Como estes vetores
so LI, temos:
= 1 , com multiplicidade geomtrica 1
= 2 , com multiplicidade geomtrica 2
Isto , o sub-espao associado ao autovalor = 1 uma reta pela origem do R3, que
tem dimenso 1; o sub-espao associado ao autovalor = 2 um plano pela origem
do R3, que tem dimenso 2.
0 0 2
A = 1 2 1
1 0 3
Soluo:
= 1 , associado com o autovetor v1= [ 0.8165 ; 0.4082 ; 0.4082]
= 2 , associado aos autovetores v2=[0;1;0] e v3=[0.7071;0 ;0.7071] (LI)
0.8165 0 0.7071
Logo:P=[v1,v2,v3]= 0.4082 1 0 uma matriz que diagonaliza a matriz A.
0.4082 0 0.7071
No Matlab :
52
>>[P,D]=eig(A)
P=
0 0.8165 0.7071
1.0000 0.4082 0
0 0.4082 0.7071
D=
2 0 0
0 1 0
0 0 2
>> inv(P)
ans =
1.0000 1.0000 1.0000
-2.4495 0 -2.4495
-1.4142 0 -2.8284
A matriz diagonal obtida fazendo inv(P)*A*P:
>> inv(P)*A*P
ans =
2.0000 0 0
0 1.0000 0
0 -0.0000 2.0000
2 0 0
A matriz 1 3 0 tem autovalores 1 = 2 e 2 = 3 e os autovetores associados so
3 5 3
v1= [ 1; 1; 8 ] e v2 = [ 0; 0 ; 1 ] . Estes autovetores so linearmente independentes,
pois esto associados a autovalores diferentes. Porm, impossvel determinar um
terceiro autovetor LI. Portanto, esta matriz no diagonalizvel.
Matrizes semelhantes. Se A e C so matrizes quadradas de mesma ordem, dizemos
que A e C so matrizes semelhantes se existe uma matriz invertvel P tal que a
igualdade C=P1AP vlida.
53
Teorema.
a) Matrizes semelhantes tem o mesmo determinante.
b) Matrizes semelhantes tem o mesmo polinmio caracterstico e, portanto, tem
os mesmos autovalores com as mesmas multiplicidades algbricas.
14 12
1. A =
20 17
1 0
2. A =
6 1
1 0 0
3. A = 0 1 1
0 1 1
2 0 2
4. A = 0 3 0
0 0 3
2 0 0 0
0 2 0 0
5. A=
0 0 3 0
0 0 1 3
2 0 0 0
0 2 5 5
6. A=
0 0 3 0
0 0 0 3
54
D=
1.0000 0
0 2.0000
>> inv(P)
ans =
25.6125 19.2094
25.0000 20.0000
>> inv(P)*A*P
ans =
1.0000 0.0000
0.0000 2.0000
0.6247 0.6000
A matriz P = uma matriz que diagonaliza a matriz A. As
0.7809 0.8000
colunas de P so os autovetores da matriz A. A matriz P1*A*P uma matriz
diagonal, cujos elementos so os autovalores da matriz A: P1*A*P = D.
>>P*D*inv(P)
ans =
-14.0000 12.0000
-20.0000 17.0000
1 0
2. A =
6 1
>> clear A;clear P;clear D;
>> A=[1 0;6 -1]
A=
1 0
6 1
55
>> [P,D]=eig(A)
P=
0 0.3162
1.0000 0.9487
D=
1 0
0 1
P1 =
3.0000 1.0000
3.1623 0
>> clear D;
>> P1*A*P % verificao da diagonalizao
ans =
1.0000 -0.0000
0 1.0000
1 0
Concluso : a matriz A = diagonalizvel e uma matriz que diagonaliza A
6 1
0 0.3162 3.0000 1.0000
P = . A inversa de P P1= .
1 0.9487 3.1623 0.0000
1 0 0
3. A = 0 1 1
0 1 1
56
0.7071 0 0.7071
0.7071 0 0.7071
D=
0 0 0
0 1 0
0 0 2
P1 =
0 0.7071 0.7071
1.0000 0 0
0 0.7071 0.7071
>> P1*A*P
ans =
0 0 0
0 1 0
0 0 2
1 0 0
Concluso: a matriz A = 0 1 1 diagonalizvel e uma matriz que diagonaliza A
0 1 1
0 1 0
a matriz P= 0.7071 0 0.7071 . A inversa de P a matriz P1=
0.7071 0 0.7071
0 0.7071 0.7071 0 0 0
1 0 0 =P .Na forma diagonal,a matriz fica D= 0 1 0 ,
1
0 0.7071 0.7071 0 0 2
1 0 0 0 1 0 0 0 0 0 0.7071 0.7071
0 1 1 = 0.7071 0 0.7071 0 1 0 1 0 0
0 1 1 0.7071 0 0.7071 0 0 2 0 0.7071 0.7071
57
2 0 2
4. A = 0 3 0
0 0 3
>> clear A;clear P;clear D;clear P1;
>> A=[2 0 -2;0 3 0;0 0 3];
>> [P,D]=eig(A)
P=
1.0000 0 -0.8944
0 1.0000 0
0 0 0.4472
D=
2 0 0
0 3 0
0 0 3
2 0 2
Concluso: a matriz A = 0 3 0 diagonalizvel e uma matriz que
0 0 3
1 0 0.8944
diagonaliza A a matriz P= 0 1 0 . A inversa de P a matriz P1=
0 0 0.4472
1 0 2.0000 2 0 0
0 1
0 = P . Na forma diagonal, a matriz fica D= 0 3 0 , pois os
1
0 0 2.2361 0 0 3
1
autovalores de A so 1 = 2 , 2 = 3 e 3 = 3. Ento : P * A*P =D
1 0 2.0000 2 0 2 1 0 0.8944 2 0 0
0 1 0 * 0 3 0 * 0 1 0 = 0 3 0
0 0 2.2361 0 0 3 0 0 0.4472 0 0 3
2 0 2 1 0 0.8944 2 0 0 1 0 2.0000
0 3 0 = 0 1 0 * 0 3 0 * 0 1 0
0 0 3 0 0 0.4472 0 0 3 0 0 2.2361
58
2 0 0 0
0 2 0 0
5. A=
0 0 3 0
0 0 1 3
>> clear A; clear P;clear D;clear P1;A=[-2 0 0 0;0 -2 0 0 ;0 0 3 0 ; 0 0 1 3];
>> [P,D]=eig(A)
P=
1.0000 0 0 0
0 1.0000 0 0
0 0 0 0.0000
0 0 1.0000 -1.0000
D=
-2 0 0 0
0 -2 0 0
0 0 3 0
0 0 0 3
2 0 0 0
0 2 5 5
6. A=
0 0 3 0
0 0 0 3
P=
1.0000 0 0 0
0 1.0000 0.7071 -0.7071
0 0 0.7071 0
0 0 0 0.7071
D=
-2 0 0 0
0 -2 0 0
0 0 3 0
0 0 0 3
59
Concluso : a matriz A diagonalizvel, pois cada um dos autovalores tem dois
autovetores LI associados. Assim, uma matriz que diagonaliza a matriz A a matriz
1 0 0 0
0 1 0.7071 0.7071
P= .
0 0 0.7071 0
0 0 0 0.7071
Resumindo:
Interpretao:
= 1 , associado com o autovetor [ 2 ;1 ; 1]
= 2 , associado aos autovetores [0 ; 1 ; 0 ] e [ 0.7071;0 ;0.7071 ] .Como estes
vetores so LI, temos:
= 1 , com multiplicidade geomtrica 1
= 2 , com multiplicidade geomtrica 2
60
Captulo 10. Potncias de uma matriz diagonalizvel
Existem muitas aplicaes que exigem o clculo de potncias elevadas de matrizes
quadradas. Para minimizar o tempo de processamento e diminuir o consumo de
energia, bem como diminuir os erros de arredondamento, existem algumas tcnicas
que podem reduzir a quantidade de operaes necessrias nestas aplicaes.
Consideremos A uma matriz nxn diagonalizvel e P a matriz que diagonaliza a matriz
A. Ento:
D =P1AP (1)
A = PDP1 (2)
A2=PD2P1 (3)
Ak=PDkP1 (4)
Esta equao, que vlida para uma matriz A diagonalizvel, expressa a k-sima
potncia de A em termos das k-simas potncias de D, portanto, sendo mais fcil de
calcular, pois sendo D uma matriz diagonal, ento Dk= diag( 1k , k2 ,..., kn ). Por
1 0 0 14 0 0
exemplo, se D= 0 2 0 , ento D4 = 0 2 4
0 .
0 0 2 0 0 2 4
Exemplo 1. Usar a frmula (4) para calcular a potncia A13 da matriz diagonalizvel
0 0 2
A = 1 2 1 .
1 0 3
2 1 0
Soluo: como vimos, uma matriz que diagonaliza a matriz A P = 1 0 1 . A
1 1 0
1 0 1 1 0 0
inversa de P P = 1 0 2 e D = P AP= 0 2 0 . Assim:
1 1
1 1 1 0 0 2
61
2 1 0 1 0 1 0 1 8190 16382
13
0 0
A =PD P = 1 0 1 0
13 13 1
213
0 1 0 2 = 9191 8192 8191
1 1 0 0 0 213 1 1 1 8191 0 16383
62
Captulo 11. Fatorao LU
Na aula anterior, vimos que, de acordo com o Teorema de Cramer, um sistema Ax= b,
x
nxn, possui soluo nica se =det(A) 0; neste caso, a soluo dada por xi = i ,
onde = det(A) e xi o determinante da matriz obtida pela substituio da i-sima
coluna de A, pelos valores do vetor-coluna b, para cada i =1,...,n. Porm, esta forma
de calcular a soluo muito dispendiosa, pois exige o clculo de (n+1) determinantes
de ordem n. Uma tcnica utilizada no clculo da soluo baseada na decomposio
ou fatorao LU da matriz A. Isto , consiste em escrever
A = LU
onde L triangular inferior ( matriz tal que Lij = 0, se i < j ) e U triangular superior
( matriz Uij = 0, se i > j ) . Objetivo: resolver o sistema Ax = b, usando a fatorao
A=LU.
Passo 2. Definir uma nova incgnita y por Ux = y; o sistema Ax=b fica igual a Ly=b.
2 6 2 2 0 0 1 3 1
3 8 0 = 3 1 0 0 1 3
4 9 2 4 3 7 0 0 1
A = L U
2 6 2 x 1 2
e usar este resultado para resolver o sistema 3 8 0 x 2 = 2
4 9 2 x 3 3
A x = b
2 0 0 1 3 1
Soluo : definimos L = 3 1 0 e U = 0 1 3 . Multiplicando estas
4 3 7 0 0 1
matrizes, obtemos :
63
2 0 0 1 3 1 2 1 + 0 0 + 0 0 2 3 + 0 1 + 0 0 2 1 + 0 3 + 0 1
LU= 3 0 1 3 = 3 1 + 1 0 + 0 0 3 1 + 1 3 + 0 1
1 0 3 3 + 11 + 0 0
4 3 7 0 0 1 4 1 + ( 3) 0 + 7 0 4 3 + ( 3) 1 + 7 0 4 1 + (3) 3 + 7 1
2 6 2
= 3 8 0 = A
4 9 2
2 6 2 2 0 0 1 3 1
Isto , A = LU, ou 3 8 0 = 3 1 0 0 1 3
4 9 2 4 3 7 0 0 1
A = L U
2 0 0 1 3 1 x 1 2
Temos, ento: 3 1 0 0 1 3 x = 2
2
4 3 7 0 0 1 x 3 3
L U x = b
1 3 1 x 1 y1
Definimos o sistema do passo 2: 0 1 3 x = y
2 2
0 0 1 x 3 y 3
U x = y
onde
2 0 0 y1 2
3 1 0 y = 2
2
4 3 7 y 3 3
L y = b
ou equivalentemente : 2y1 = 2
3y1 + y2 = 2
4y1 3y2 + 7y3 = 3
cuja soluo y1 = 1 ; y2 = 5 ; y3 = 2.
1 3 1 x 1 1
Resolvemos agora U x = y , isto : 0 1 3 x 2 = 5
0 0 1 x 3 2
ou : x1 + 3x2 + x3 = 1
x2 + 3x3 = 5
x3 = 2
Resolvendo este sistema por retrossubstituio, obtemos:
x3 = 2 , x2 = 1, x1 = 2 .
64
2 6 2 x 1 2
Concluso: a soluo do sistema 3 8 0 x 2 = 2 x3 = 2, x2 = 1, x1 = 2.
4 9 2 x 3 3
Em notao usual, o sistema dado
2
Em notao matricial, a soluo x = 1 .
2
2 8 x 1 2 2 8
Exemplo 2. Resoluo do sistema 1 1 x = 2 . Temos A= 1 1
2
2 2x + 8x 2 = 2
e b= . Note que este sistema equivale a 1 .
2 x 1 x 2 = 2
2 8
Soluo no Matlab: definimos a matriz A = no Matlab e depois fazemos:
1 1
>> [L,U]=lu(A)
L=
1.0000 0
0.5000 1.0000
U=
2 8
0 3
2 8 1 0 2 8
Ento : A= =
1 1 0.5 1 0 3
A = L U
Resolvemos o sistema Ly = b
1 0 y1 2
0.5 1 y = 2
2
65
y 2
No Matlab, usando o comando y = L\b, resulta y = 1 = .
y 2 3
2 8 x1 2 x 1 3
Concluso: a soluo do sistema x = 2 x = 1 .
1 1 2 2
2 8 3 2 3 + 8 (1) 2
Verificao : 1 1 1 = (1) 3 + (1) (1) = 2
O comando lu tem duas opes no Matlab. A opo [l,u]=lu(A) apresenta uma matriz
L que sofre permutaes e no tem, em geral, o formato triangular inferior. A opo
[l,u,p]=lu(A) apresenta a matriz L como matriz triangular inferior, a matriz U como
triangular superior e a matriz de permutao P tal que A = P1LU, ou seja, PA = LU.
Deste modo, se usarmos a opo [l,u,p] do comando, para resolver o sistema Ax=b,
devemos multiplicar o vetor b por P. Em alguns casos, a matriz P a matriz
identidade, o que no altera o vetor b. Para resolver o sistema Ax = b, usando o
comando [L,U,P]=lu(A), devemos seguir os seguintes passos:
66
Exerccios. Resolver os sistemas abaixo, usando a fatorao LU da matriz dos
coeficientes do sistema. Apresentar as matrizes L,U,P, os vetores y e x. Na soluo
apresentada abaixo, foi usada a opo [l,u,p] do comando lu.
3x 6x 2 = 0
1. 1
2 x 1 + 5 x 2 = 1
x 1 3x 2 =1
2. x 2 + 3x 3 = 5
2x 10x + 2x = 7
1 2 3
x1 + x3 =5
2x + 3x 2x + 6x = 1
3. 1 2 3 4
x 2 + 2x 3 =3
x 3 + 5x 4 = 7
3 6 1 0 3 6 0
1. Fatorao LU 2 5 = 2 / 3 1 0 1 ; b= 1
A = L U
0 2
y = L\b = ; x = U\y = a soluo do sistema. De fato:
1 1
3*2 6*1 = 0
2*2 + 5*1 = 1
1 3 0 1 0 0 2 10 2
2. Fatorao LU 0 1 3 = 0.5 1 0 0
2 1 ;
2 10 2 0 0.5 1 0 0 3.5
A = L U
0 0 1 1 7
P = 1 0 0 ; b= 5 ; b1 = P*b= 1
0 1 0 7 5
7 8.9286
y = L\b1 = 4.5 ; x = U\y = 2.6429 . Verificao: a cargo do leitor.
2.75 0.7857
67
3. Fatorao LU
1 0 1 0 1 0 0 0 2 3 2 6
2 3 2
6 0.5 1 0 0 0 1.5 0 3
= ;
0 1 2 0 0 0.6667 1 0 0 0 2 2
0 0 1 5 0 0 0.5 1 0 0 0 4
A = L U
0 1 0 0
1 0 0 0
P= ( Esta matriz permuta as linhas 1 e 2 , mantendo as linhas 3 e 4)
0 0 1 0
0 0 0 1
5 1 1 3
1 5 4.5 1
b= ; b1 = P*b = ; y = L\b1 = ; x = U\y = . Verificao: a
3 3 6 2
7 7 4 1
cargo do leitor.
68
Captulo 12. Decomposio em valores singulares
Se A uma matriz quadrada nxn de posto k ( isto , tem k linhas linearmente
independentes ), ento A tem uma decomposio em valores singulares A = USVT,
na qual:
1
d) ui = Av i , i=1,2,...,k
i
No Matlab:
ans =
1.7321 0
2 1.7321
aux =
69
3.0000 3.4641
3.4641 7.0000
ans =
1 10 9
>> [m,n]=eig(aux)
m=
0.8660 0.5000
0.5000 0.8660
n= 1 0
0 9
>>sigma=sqrt(diag(n))
sigma =
1
3
Os vetores u1 e u2 podem ser calculados pelas frmulas abaixo:
1 1 3 2 0.8660 0.5000
u1 = Av1 = = ,
1 10 3 0.5000 0.8660
1 1 3 2 0.5000 0.8660
u2 = Av 2 = =
2 30 3 0.8660 0.5000
No Matlab:
70
V=
0.8660 0.5000
0.5000 0.8660
e portanto:
0
A matriz S uma matriz diagonal dada pelos valores singulares: S= 1 .
0 2
No Matlab, como a matriz A 2x2, fazemos um for com 2 voltas:
>> for i=1:2
S(i,i)=sigma(i);
end
>>S
S =
1 0
0 3
Concluso: a decomposio em valores singulares de A
Exerccios.
1. Efetuar a decomposio em autovalores A = PDP1 para a matriz A =
4 2 2
2 4 2 .
2 2 4
2 0 2
3. Seja M = 0 3 0 . Use a diagonalizao de M para calcular M6.
0 0 3
1 2
4. Efetuar a decomposio em valores singulares da matriz .
2 2
4 6
5. Efetuar a decomposio em valores singulares da matriz A= . Verifique
0 4
no Matlab a igualdade A= USVT.
71
1 2 0
6. Efetuar a decomposio em valores singulares da matriz A= 2 1 0 .
0 0 3
Verifique no Matlab a igualdade A= USVT.
2 0 2
3. M= 0 3 0 . A diagonalizao de M
0 0 3
2 0 2 1 0 0.8944 2 0 0 1 0 2.0000
0 3 0 = 0 1 0 0 3 0 0 1 0 =PDP1. Logo,
0 0 3 0 0 0.4472 0 0 3 0 0 2.2361
M = P D P1
72
1 2
4. A decomposio em valores singulares da matriz
2 2
4 6
5. A decomposio em valores singulares da matriz A=
0 4
4 6 0.8944 0.4472 8 0 0.4472 0.8944 T
0 4 = 0.4472 0.8944 0 2 0.8944 0.4472 = U S V
1 2 0
6. A decomposio em valores singulares da matriz A= 2 1 0
0 0 3
1 2 0 0 0.7071 0.7071 3 0 0 0 0 1
2 1 0 = 0 0.7071 0.7071 0 3 0 0.7071 0.7071 0
0 0 3 1 0 0 0 0 1 0.7071 0.7071 0
A = U S VT
73
Referncias:
1. Noble, Ben. Applied Applied linear algebra. 3. ed. Englewood Cliffs: Prentice-
Hall, 1981. 521 p.
2. Boldrini, Jose Luis. lgebra linear. 3. ed. So Paulo : Harbra, 1986. 411 p.
4. Barroso, Lenidas et. al. Clculo numrico ( com aplicaes ). 2. ed. So Paulo:
Harbra, c. 1987. 367 p.
5. Anton, Howard. lgebra linear: com aplicaes. 8. ed. Porto Alegre: Bookman,
2001. 572 p.
Nos links abaixo, voc encontra programas que simulam o Matlab e so programas
livres :
http://freemat.sourceforge.net/download.html
http://www.scilab.org/
http://www.mat.ufmg.br/~regi/topicos/intmatl.html
http://www.del.ufms.br/tutoriais/matlab/apresentacao.htm
74