TEOREMA 7 Crtogonalidade e Minimos Quacrsticos 277 DEMONSTRAGAO_ Para simplifear a notagdo, vamos supor que Utena apenas tres colunas, cada tuma um vetor em B.A demonstrapdo do caso geraléessencialmente a mesma, Seja U (uu, u,] aa I+ [ss wad ] Pi (Os clementos na matrz A direta sio produtos internos com a notasio de transposigdo. As colunas de Uso ortogonais se e somente se wfuy = usu; =0, ulus =ufu © ‘Todas as colunes de Utém comprimento unto see somente se wa) =1, wfus=1, wfu=1 © O teorema segue imediatamente de (4) a (6). . Seja U uma matriz m * n com colunas ortogonais ¢ scjam x € y vetores em R'. Entio a. JUxI = Ist b. (UN y) =xy ©. (Ux): (Uy) =O see somente se x-y = 0 [As propriedades (a) ¢ (c) dizem que a aplicagao linear x -~ Ux preserva comprimentos e ortogo- nalidade, Essas propriedades sto cruciais para muitos algoritmos computacionais. Veja o Exercicio 25 para a demonstragdo, | eg Ve sno Wi 2p [3 o 1” = Wv2 2/3 sty [uve v2 0 _fi oo v0 = [40 OF Sie 2) li f] ‘Verifique que Ux] = [nl ‘soLugio ot v2 2/3 v- [US 2] oop WUxl = J9FT4FT ] va (Os Teoremas 6 ¢7 sio paticularmenteiteis quando aplicados a matrizes quadradas. Uma matriz ‘ortogonal é uma mariz quadrada invertvel U tal que U'= U’. Pelo Teorema 6, tl matrz tem coli ‘nas ortonormais.'E fil ver que qualquer matriz quadrada com colunas ortonormais & uma maiz ‘ortogonal. Surpreendentemente, tl matrz tem de tr linhas ortonormais também, Veja os Exercicios, 21 €28, Matrizes oriogonais setio muito utilizadas no Capitulo 7. EXEMPLO7 A matriz aii 1/8 -1/ Ve vali 2¥6 4/Jo6 Wi ye 7/8 'Um nome melhor poderasermatrs orionmal sess tem & encontrado em alguns extos de estates No enn, ‘maps onlggonal 60 tenmo-padio en lgeva lines(6 uma matriz ortogona, jd que & quadrada e suas colunas s4o ortonormais, pelo Exemplo S. Verifique que as linhas também sto ortonormais! . Wil Moetre que {um} € mam base ortonemal para 2. Sejamy ¢L como no Exemplo 3 ena Figura 3, Calcul aprojegd ortogonal 9 e y sobre L usando 37 6 J vetave que oxy 278 CAPITULO 6 PROBLEMAS PRATICOS . _ ftv 1. sean ws = [Y3] ew 3 w= [| ]o gar dow no exemple 3, 3, Sejam Ve x como no Exemplo 6 esejay = 6.2 EXERCICIOS [Nos Exercicos I 6, determine quas dos conjuntos de vetores sto oF togonais ‘GHAI (IM IRN een ee eeu eat (ef (ll (e-E "ames racomni[“f 1 cates oon a 1. iniepjntcngle eee mnt] sae 1 siany= [2] © 0=[ 1] teeycomesmde vere og Gute) coutonapas 14 soumy=[3] « «= [7] beeay con sson ds vere ont pcre) exons 1s. siamy= [2] 6 = [8] cde dy tenn vmibusectamn 16 sams=[ 3] © »= [2] edad dey en carcass [Nos Exerecios 17 a 2, determine quis dos conjuntos de vetoes sto ‘ortoncrais. Se ur coajunto for apenas ertogonal, normalize os vetres ara obter um conjuntoortonorma. (aS) EC mcs] = [RH] vv 3 v10 oO a. [2] [ waa 5] yas) Can Va uve v2 2/3 wie} L-vv2] L-23 Nox Exericios 23 « 24, todos os vstorespertsacom a B. Marge cada sfmapio como Verdadeira ou Fal. unique cada espost. 28, a. Nemtodo conjuntolnetment independent em R” 6 um con- jana ogo. », Se y forums combina liner de etre no nulos eontdos ‘mm onjunocrogoaal, cro os coccenos aa sombinagzo linear perio sereaeulados vm se fear operas as nba deuma mat, Se os vetoes em um conjunto otogonal de vetoes no nulos ‘orem normalizados,entio alguns dos novos vetrespoderio alo ser ontogonais. ‘Uma matiz com colnas orogens € uma mtr orogonal € SeL forum ria contendo 0 sj fora projesto ortogonal de yooh Leno | ser igual dintncia dy "Nem todo conjuntocrtogoal em Re inearrenteindependete 1b, Seum conjunto $= {4 .. W) vera propriodade do que tu, = O sempre que ij, eno S sect um conjunto orto- oral. Seas coluas de wma mati A mx frem eronomsis, eto { spliago liner x x proservar comprimentos. 4. Apmjegdoonogonal de y sobre v6 igual projogo orogoal dey sobre cy, no quale, Uma metiz onogona invetvel 25. Prove oeorena 7. [Sugestio: Para) clele Ux 04 prove ®) rmeiza ‘Spon que sje um subespag de Rperado porn vetoes oF togonais no alos. Expliqa por uc I= 24, 26.27, Seja U uma matriz quadrada com colunss orononms. Explique Porque U € invertivel.(Measione os teoremas que usa) Seja U uma mates ortogonl nm. Most que a inka de U for ram uma base artnormal para Sejam Ue Viatizesortoponas nxn. Expiqne po que UP é una matriz ortogona. [Ou se, expique por que UY 6 invertivel e sue inversa (VY) Consider una matrirortogonl Ue constuaV trocano a ordem enire lgumascolunas de U: Expliqe pr que ¥&orogonal Mosire que ¢projes8o oriogonsl de um veto y sobre usa rea contendo a crigem em Rnlo depende a escola do vetr no nulo twem L usadoa formate par Para faze sso, soponba que yew Sejm dados ej fo alla pa frmuls (2) nesta sagan. Subs tua w ness formula por ba, na qual & um escalar nfo mul nto especiicado. Mestre que «nove formula dé. o mesmo valor de§. Sej vv, um conjunto rtgonal de vores lo nulsesejam ,escalaresabitios no malos. Moste que (c, ,,}€ também, See ieivcatageal Gxatnegesnist Ce ceqemide ‘cores €definda em termes de pares de veiores, isso mostra que, Se aos os vetores em um cajunto orogona orem nommsizads, ‘enido o novo conjunto continuard rtogoal Dado u + 0 em RY, soja J = £{u}. Moste que a aplicagio x “= ro} x uma tansformacio near Dado u-# 0 em BR. se £~ fu}. Para y em R's reflesdo de y em relagio a & 0 pono fy defnido por vel, y= 20), ¥-¥ figra que monra que ref éasoma de ~ pry ey. Mestre cue eplicagiay = rely € um tsformagio linear 3h 2. 5 Crtogonalidade e Minimos Quacrsticos 279, A reflexio de y em relagio a uma retacontendo aerigem. (M) Mosie que ae cohinas da matriz A so ortogonsisefetundo ‘uma operaplo matricial aproprada. Diga a operagdoutlizada, a8. 6-361 “121-6 36 32 6-3 6-1 2-123 ei 6 aca Saar tae 121 6 36. [M]Nositensa seguir, seja Va matriz bt normalizando-se cada coluna da mati 4 no Exerecio 35 &. Caleule U'Ue UU" Qual difeenga ene las? . Gere um vetor aleatbrio y em Rte calule p= UU'yex= y—p. Explique por que ppertence a Col 4. Veriique que 2€ortogoral ap. ©. Verfique que 2 6 otogonsl.a cada colune de U. 4. Note quey = p+ 2, em que p esti em Col 4. Explique porque pertence a (Col 4). (A importncia dessa decomposigao de y sec explicaa na prima seg.) |_ SOLUGOES DOS PROBLEMAS PRATICOS 1. Os vetores sto ortogonais porque Eles so unitérios porque 2/5-+2/: V5) + 2/ V5) = 1/5 + 4/5 O/v3? + V5 = 4/5 41/5 = 1 Em particular, 0 conjunto {u,, ,) élinearmente independentee é portanto, uma base para ?, jd que o conjunto contém dois vetoes. 2 unioy=[7] © a= [ aL 2072 Lt ~-(4) Esse ¢ 0 mesmo ¥ encontrado no Exemplo 3. A projegdo ortogonal nio parece depender da es- ‘colha de wna reta. Veja 0 Exercicio 31.ya ar a uy=| v3 2a [7 ]- 0 W3 f indian po taeanisx=[*"] « w(t] 18 Ux: 34742212 © my=-6418=12 6.3 | PROJEGOES ORTOGONAIS ‘A projegio ortogonal de um ponto em IR sobre uma reta contendo a origem tem um andlogo im- portantc em BR’, Dados um vetor y ¢ um subespago HY em R, existe um vetor ¥ em W tal que (1) ¥ € 0 tnico vetor em W para o qual y— J ortogonal a W © (2) 0 tico vetor em Wo mais proxi- ‘mo possivel dey. Veja a Figura 1. Essas duas propriedades de 9 fornecem a chave para as solug@es cde minimos quadrétics de sistemas lineares, mencionadas no exemplo introdutéro deste capitulo. A histria completa serd contada na Seqdo 6.5, ‘Como preparagio para o primeiro teorema, note que, sempre que um vetory & escrito como uma ccombinagdo linear de vetoresv,,., vem R°, 0s termos na soma para y podem ser agrupados em 1, cada termo em (2) & ume projesao ortogonal de y sobre um espago unidimensio- nal gerado por um dos elementos 1. da base de WA Figura 3 ilustra isso quando W € um subespao 4de R® gerado por u, eu, Aqui, fief: denotam as projegdes de y sobre as retas geradas por u,€ ty, respectivamente. A projeeio ortogonal 3 de y sobre IV & a soma das projegdes de y sobre 0s espagos ‘unidimensionais ortogonais entre si. O vetor na Figura 3 corresponde ao vetory na Figura 4 da Se~ (lo 6.2, j que agora € ¥que pertence a W. FIQURA 3 A projeco ortogonal de y é a soma de suas projesdes sobre os subespayos unidimensionais or togonss entre si. Propriedades das Projecdes Ortogonais Sc {u,, ...,u,} for uma base ortogonal para W’¢ se y pertencer a W, entio a férmula para proj,y serd cxatamente @ mesma que a representagio de y dade pelo Teorema 5 na Seqlo 6.2. Nesse cas0, Droj,y=¥. Sey esti em W = fuy....,uy},enido projy y = y. Esse fato segue, também, do proximo teorema. ‘Teorema da Methor Aproximacio ‘Seja 17 um subespago de R, seja y qualquer vetor em RR e seja Va projeglo ortogonal de y sobre W. Ent, 90 porto de W mais proximo de y, ou seja, ly-S)- [i ]ew-sienn.umesnsegnn onto ‘ 6.3 EXERCICIOS [Nos Bxericios 1 ©, voo8 pade supor que {u,., } sja uma base ‘ortogonal para [Jefe ‘0 ‘ Nov Bx 2st poo mai ona pees Stace. coomoan tien Soom aca rss 3 3 1 yl ifyefa shee] a beal a 1 1 41 a 1 ° [Nos Exerciios 13 14, encontre a methoraproximagdo de z por vetores da formacy, +6, : i 5 |. escreva v como a soma dedois vetoes umem = 1% re a Buy} €0 outro cm £ (us. us. 0) Nos Exercicos 3 6 verifique que {uu} 6 um eonjurto ortogonl n, Prove que todo vetor x em IR pode ser cacrito na forma x~ p+ u, em que p esd cm Lin A. u perience a [Nal d. Mote também que es equagio Ax tver lupo, nto exist um Unico pem Lin 4 tal que Ap =. Sein W/um subespago de R com uma base eriogonal {,, om) 86h (¥p n¥} uma ase orogonal para JF. 1. Explique por que {Ws Ws Ves Yq) €um conjunto orto gona ', xplique porque o conjunto-em (a) ge ©. Mostre que dim H+ dim = m (M] Soja U a matri 8 4 no Exersicio 46 na Soyio 6.2. Encontro 0 onto mais proximo dey (I, 1,15, 11s, I)em Col U. Desereva 8 tecles ou comandor itilizads para resolver este problems, [M] Seja Ua matic no Exerciio 25. Enconre a distincia de (yy 1, 1), =1,=1, =I) a0 subespago Col U. | SOLUGAO DO PROBLEMA PRATICO Caleule Proje [Nesse caso, y & uma combinagao linear de u, e u,, de modo que y pertence a W. O ponto mais pro- xximo de y em W760 proprio y. 6.4 | 0 PROCESSO DE GRAM-SCHMIDT (© processo de Gram-Sehmidt é um algoritmo simples para produzir uma ase ortogonal ou orto- normal para qualquer subespago nao nulo de R°. Os dois primeiras exemplos do processo sio para serem feitos & mio. EXEMPLO 1 Soja W=2£{x,,x,},emque x; = fy) para | Con una bsg souugio A Figura 1 mostra o subespago MY, junto com x, x,©«projego p dex, sobre, A com ponente dex, otogonal 3,63, ~ p, que est em WV, pois 6 frmado por 3, eum milplo de, Se- Jamy,=1,e [-8FIGURA 1 Construsio de uma base ortogonal {v,V,]- Assim, {y,, v,} € um conjunto ortogonal de vetores nao nulos em JW. Como dim W= 2, 0 conjunto {¥.¥5) Cuma base para WV. . (© préximo exemplo ilusta por completo o processo de Gram-Schmidt. Estude-o cuidadosamente. 0 0 i 1 I 1 Il linearmente independente, logo forma uma base para um subespago W’ de IR. Construa uma base cortogonal para Wf. EXEMPLO2 Sejam x =| | |. = © x= | 2 | -Bntio fx,,x,,x,} €umconjunto sovugio Passo I. Sejamv, =x, ¢ W,= L(x} = £1). Passo 2. Seja¥; 0 vetorobtido siraindo-se de x, sua projesio sobre o subespago WY, ou sea, = 1 — Pry, Xa Como ¥) =x) -3/4 v4 ys uv Como no Exemplo 1, v, 68 componente de x, ortogonal ax, e {¥,¥,) uma base ortogonal para 0 subesparo W, gerado por x, €x, Passo 2 (opeionad. Se apropriado, muliplique v, por um escalar para simplificarcéeuls pos- teriores. Como v, tem elementos contendo fragdes, & conveniente multiplicé-lo por 4 e substituir {¥),¥} pela base ortogoaal 1 3 1 1 1 1 1 1 Passo 3. Sejav, 0 vetor obtido subtraindo-se de x, sua projesio sobre o subespago W, Use abase {y,¥/;} para caleular a projeso sobre Projesto de Prjegdo de sssobrey) xysabrey, ‘ : 1 3 oO mew mew _2fi] zt a] _fas vem * vem afi | ti] 1/=| 273 1 1 2/3TEOREMA 11 Crtogonalidade e Minimos Quacrticos 287 nto, v, ¢ a componente de x, ortogonal a W.,a saber, 0) fo 0 a -|0|_]28 |_|] 2a weno peime=l i!) aa /=) 173 1) LA 1B ‘Veja. a Figura 2 para um diagrams dessa consruslo. Note que ¥, pertence «J, jé que tanto x, como MojcX, esto em WV. Assim, {v,V’.¥,} € um conjunto ortogonal de vetores no mules e, portato, umn conjuntolinearmente independents em W. Note que iV tem dimensio tres, jé que tem uma bese com tnés vetoes. Logo, pelo Teorema das Bases na Seco 4.5, {v,,', ¥,} € ume base ortogonal para W.at Waki FIOURA2 A construgbo de v, a partide x, ede I, ‘A demonstragio do préximo teorema mostra que essa estratégia funciona de fato. A multiplicago de vetores por escalaresndo é mencionada porque ela 8 € usada para simplificar edleulos & mio. 0 Processo de Gram-Schmidt Dada uma base {x,,...,3,} para um subespago I de, defina aM, My HV, yen Sty Sy, evi! Viv Entfo {y,,.-.¥,} uma base ortogonal para 1 Além disso, AME) SEEK} paral Sk

Be deinda por T(x) = eax. Most ‘que I é uma tansformagio linea 23, Supoaha que 4 = QR seja uma ftoragdo QR de uma maiz Am 1 (com colunas linesrmente independents). Escreva.4 em blocos como [4, 4, em que 4, tena peolunas. Mosie como obter uma {inoragdo QR de 4 eexplique porque sua fatorago tem as proprie- des epropriadas 24. [MT] Use o processo de Gram-Schmid para produsir uma bate o7- ‘ogonal para oesparo de cohunas de oo 7-1 Bites is a] -6 3B -3 16 eats 2 33 25, [M] Useométodo desenvolvido nesta segdo para produsir uma fa- toragio QR pars a matrz no Exercicio 2 26. [M) Em um programa que trabalha com matizes,o processo de Gran Schmidt fanciona melhor com vetoes ortonormais. Come ‘undo com x... X, tem uma tiniea solugio de minimos quadréscos para cada b em B '. As colunas de A sio inearmente independentes. ©. Amatriz 4 éinvertivel. Quando essasafrmagSes sio verdaderas, a solugdo de minimos quadeticos & 6 dada por 14" @rlouea 3 Os principais elementos de uma demonstragdo do Teorema 14 esti esbogados nos Exercicios de 19.421, que também revé conceites do Capitulo 4. A férmula (4) para $¢ itil, principalmente para questdestebricas e célculos manusis no caso em que 4° é uma matriz 2x 2 invertivel ‘Quando se utiliza uma soluglo de minimos quadréticos% para se oster 48 como uma aproximacko deb, a distincia entre be A € chamada erro de minimos quadriticos dessa aproximagdo. EXEMPLO3 Dados 4 cb como no Exemplo 1, determine o ero de minimos quadriticos na solusio de minimos quadriticos de 4x b. SOLUGHO Do Exemplo 1, temos Logo |b 48) = VO (O erro de minimos quadréticos ¢ v/84. Para qualquer x em R?, a distincia entre b € 0 vetor Ax é pelo menos V84, Veja a Figura 3. Note que a solugdo de minimos quadriticos # no aparece na figura.m Calculos Alternativos para Solugdes de Minimos Quadraticos (0 préximo exemplo mostra como encontrar uma solugdo de minimos quadriticos para Ax =b quan- ddo as colunas de 4 sho ortogonais entre si. Tas matrizes aparecem, muitas vezes, em problemas de regressio linear, discutidos na prbxima sego, EXEMPLO 4 Encontre uma solugio de minimos quadriticos de Ax =, na qual 1-6 <1 12 2 ees elfen 17 6 SOLUQHO Como 2s colunas a, ©, de A so ortogonais, a projegdo ortogonal de b sobre Col 6 dada por bea, bay 8 45, Bm as a = Ga ge © 2) Pay pe 2|,)-1 1 2/+}a2|| s2 2} Lia] Lue ‘Agora que bé conhecido, podemos resolver Ai = b, Mas isso é trivial, pois ja conhecemos os coefi- cientes que, mulkplicados pelascolunas de 4, irio produzir b De (5) claro que [feo] =[v72] . ‘Em alguns casos, as equagdes normais para um problema de minimos quadriticos podem ser mal Go 3)-Crtogonalidade e Minimos Quacrsticos 301 SOLUGHO Por ume andlise semelhante &feita no Exemplo 2, obtemos Veto de Marie de Vewede Vee absenagio rojeto primetro resid » loan eo Bo 4 nl ,_toa aoa al le y Xe ea |t Mn Loy 2 og Bs 6 . Regressao Multipla Suponba que um experimento envolva duas variiveisindependentes — we v, por exemplo —e uma ‘vaiével dependente y. Uma equago simples para prever 0 valor de y « partir de we v tema forma Y= Bo + Bi + fav ® ‘Uma equagio de previsio mais geral poderia ter a forma Y= Bot Bin + Bow + Bau? + Baur + Bev? o Essa equagdo é utilizada em geologia, por exemplo, para modelar superficies de erosiio, circos gla- ciais, pH do solo e outras quantidades. im tis casos, o ajuste de minimos quadréticos € chamada superficie de inclinagio. Tanto 2 equacao (4) como a (5) correspondem a modelos lineares, ji que sto lineares nos para- metros desconhecidos (apesar de w ev estarem multiplicados). Em geral, um modelo linear & gerade sempre quey & previsto por uma equagdo da forma ¥ = Bo fol, v) + Bi filte,v) +--+ Be fil vd fem que fy ~»f, 80 fangies conhocidas arbitréras eB. B,sfo coefcientes a determina. FXEMPLO 4 Em geogrfi, modelos locas de teens so constridos a pats de dads (1,3, (le Ye 08 quais up ey, epresentam a laude, a longitude ea alte, respectivamente, Descreve'o modelo linear baseado em (4) que fornece o ajuste de minimos quadriticos para esses dados. A solugio é chamada plano de minimos quadraticos. Veja a Figura 6. FIGURAS Um plano de minimos quadriticos. SOLUGAO —_—Esperamos que os dados satisfapam as seguintes equagZes: Bo + Biwi + Bovi +e Bo Bius-+ Bate +e Bo + Bit + Bat +64 [Esse sistema em forma matricial fica y~ B+ €, em que Vetor de Matic de Veiordos Veto obseraga0 rojto rmctros —reieal yi tom om @ 7 1 om Bo a =|". x= B= (*] « Ba Ye 1 oy . (© Exemplo 4 mostra que o modelo linear para regresslo mila tem a mesma forma abstata que o modelo para regrestdo simples nos exemplos anteriores. A dlgebra linear nos do poder de compreender o principio geral por tris de todos os modelos lineares. Uma vez que X esta definida ‘apropriadamente, as equagdes normais para f tém a mesma forma matricial, independente do numero de variveis eavolvidas. Asim, qualquer que seja 0 modelo linear com X°¥ invertivl, a solugdo de tminimos quadritics B& dada por (178) "X'y.Leitura Adicional Ferguson, J. Inroduction o Linear Algebra in Geology (New York: Chapman & Hall, 1998), Krumbein, W. C.,and F. A. Graybill, An Iuroduction 1 Statistical Models in Geology (New York: McGraw-Hill, 1963), Legendre, P, and L, Legendre, Numerical Ecology (Amsterdam: Elsevier, 1998) Unwin, David I., An Introduction 10 Trend Surface Analysis, Concepts and Techniques in Modern Geography, No. 5 (Norwich, England: Geo Books, 1975) PROBLEMA PRATICO ‘Quando as vendas mensais de um produto esto sujitas & variago sazonal, a curva que aproxima os dados de vendas pode ter a forma Bo + Bix + Basen 2zxx/12) em que x 60 tempo em meses. Otermo B, + Bx fornece a tendéncia bsica de vendas, eo temo que contém 0 seno reflote as mudangas sazonais nas vendas. Obtenia a maz de projeto€ 0 vetor de primetrs para 0 modelo linear que ajusta os dados na equagdo anterior por minimos quadrétcos, Supodha que os dados sejam (x, 1), 6.6 EXERCICIOS Nos Exersicios a4, enconteaequagoy~, + ,xdarea de misimos I par uma bie lrbole. Supoaha que obseragbes de um comets recém-descoberto forneceram os dados a sequt: Determine o tipo de rbitae faye ums previsto de onde ocometa vai estar quando 8 = 46 (radios) @ [ose 1,10 71300230 165 125101 [MIA pressio arterial p (om milimetos de meretrio) de ume eran Saudivele seu peso w (em libras) esto relacionados (aproximada- ‘meni) pela equasio Po Biinw = p Use os dados experimeniai «seguir para estimar a pressdo atria ‘deuma cranga saudvel pesando 10 libras (= 45 kg). 38 p | an 98 439473 103110 488 12 1, [Fara matic o deepen de um avo deolando, a posto horizon do evo fo moti cada segundo, do instante r= 0 2 As poses medias (em i) fram: 0; 88; 2.9%; 62.0, 1891; 220 2948; 3808 4711: 8717 668; 8092 4. cone curva cba de minmos quartic =, + B+ Ar Bp piracne don », Useoreulad des para estima vlc do aio quando 143 segundos Sciam ¥ = £ (5+ 0. tx) e720, 2 +9). Mone gue # ten denon quit’ pan co dads Gy) ov ,99 tom de contr o ponto (7), ou sea, most que ¢ satisazem & equagio linear y= f+ Br. [Sugestéo: Obtenta esa equi a bird equago vetoraly~ +e. Denote primeira colua de Ror’, Uso fn de que vtorrsiduale€crogna ao epago “eokina doe potato, = 1) (Quando sao fomecidos os dados (x), 4 (sy) paraum deter. ‘mina problema de minimos quaitios as sepuintesabreviagdes So utes Desde, Days Daim "Aldea bisica do melhor juste po minimos quads de dados experimen. ‘ais de KF. Gaus, ndependentemente, dA. Legendre), cas fara come- {gouem 1807 so usar o metodo par determina rajetria do asteroide Ceres. ‘Quarets dns depois desu dseabea, o steroids desapareceu ats do Sol, ‘Gauss provi que eleirsaarecer dea mesos depose neous ocalzap0, A preciso d previsiosupreendeu a comundadecienficaeuropeia Crtogonalidade e Minimos Quacrticos 303, ‘As equagdes normais para uma reta de minimos quudsticos yf fs podem er esritas na forma nh + hDe=Sy AUr+AEe 418. Obtena as equagdes norma (7) partir da forma matricial dada nesta seco, ‘Use a inverse de una mati pre resolver 0 sistema de equagies em (7), obtendo, asim, as formulas para, ¢ fj, que aparecem em ‘muitos exos de estate, 47, a. Reescreva os das no Exemplo Icom novascoordenadas x24 forma de devo mio. Sea Ya mati de pojtosetociada Porque as colunas de sia oogonsis? by, Escrevac resolv as equaes norma pare os dados no item (@), encorirando «eta de minimosquadsticos y= B+ Bx*, om quest = 55. Suponta ques coordensds dos dads (sn ),etgam forma de desviomédio, de modo que Bx ~0, Moste que, esse ‘so, se. fora marie do projet pam ae de minimos quads 05 eno 7 ser uma mae diagonal. (0s Execs 19¢20 envolvem uma mare de projeto com dus 00 ‘mais cons uma solugdo de minimosquadrisicos fparay XB. Con- sider 0 equines meres 16. 18 (DIXBIP —a soma dos quadrados do “trmo de epressto”, Denote esse nimero por SS(R) [do inglés: sum of the squares ofthe “re- session term) (lly — XA |? —asoms dos quadrados dos termos de eo, Denote esse ‘Amero po SS(E) [do ings: sum of the squares for error term]. (Gi iy —a soms “tral” dos quadrados dos valores dey. Denote esse mero pr $S(T) [do inglés: “otal” sum ofthe squares. ‘Todos os textos de esttstica que discutem regressto ¢ o modelo linear y= AB ~ definem esses nimeros, embers a terminologia ¢ a notaydo ‘variem um poueo. Para simplificer, vamos supor que a média dos valores ey seja zero. Ness caso, $S(T) é proporcional4chamada varlancia do ‘conjunto de valores dey. 19,_Justfique a equaedo SS(T) = SS(R) ~ SS(F).[Supestdo: Use um ‘ecorema eexpigue por que as hpdtess do teorema so sais.) Esa equacto ¢ exitemamente importante em estatisia, tanto em teoria de repressio quanto em aadlise de vardnea, Mostre que IX BI? = Ay. (Sugesto: Reescreva as equagies A esquerda do sina de igualdadee use ofato de que P satis as ‘equagdes norma] Essa firma para SS(R)&utliada em estas tice Desse resultado e do Exercico 1, obtém-s a formula-padrio para SS(E) SIE) 20, | SOLUGAO DO PROBLEMA PRATICO Precisamos construir X¢ ftais que a k-ésima linha de XP o valor previsto de y que corresponde 20 onto (r.9).asaber, Deve estar claro que 1 Bro + Bury + Br sem (2arx4/12) xy sen(2nx1/12) sen(27%5/12),304 carirutos 6.7 | ESPAGOS MUNIDOS DE PRODUTO INTERNO DEFINIGAO “Muitasvezes,nogdes de comprimento, dsticiae ortogonaidade so importantes em aplicagdes que cavolvom espagos vetorias. Para BR esses concitosestio baseados nas propriodades do produto {ntomo listadas no teorema 1 da Seglo 6.1. Para outros espagos, precisamos de anélogos do produto {ntemo com as mesmas propriedades. As conclusdes do teorema | transformam-se, agora, em axio- ‘mas na definigdo a seguir ‘Um produto interno em um espayo vetorial V é uma fungo que associa a cada par de vetores u ‘ev-em V'um niimero real ¢ satisfaz 0s seguintes axiomas, quaisquer gue sejam os vetores| u,vewem Ve oescalar c: 1. (ay) = (0) 2 (uty.w) = (aw) + (¥m) 3 fev.w) = cfr) 4 (au)20 © (uu) =Oseesomentese w= 0 ‘Umespaco vetorial que tem um produto intemo € chamado espago munido de produto interno. (© espago vetorial Rr com o produto interno usual & um espago munido de produto interno, e prati- ccamente tudo que foi diseutido neste capitulo para R* vale para espagos munides de produto intemo, (Os exemplos nesta e na préxima segéo dio os fundamentos para uma variedade de aplicagBes estu- = 44, +51y,— 4H, +S, W ‘Se w= (,,¥,),entdo wey) (uj + 04), + Sieg + 23)wws = uy + Suz + doy, uw) + (ve) {Isso mostra @ Axioma 2. Para o Axioma 3, temas (evn) = A(eridin + Steva)wn = e€4mny + S09) = (v9) Para o Axioma 4, note que =4u?+ Su)20 edu? + Su? = 0 se. somente se u, seja, u= 0. Além disso, <0, 0> = 0. Porianto (1) define um produto interno em 5 Produtos interos semethantes a (1) podem ser definidos em f°. Fles aparecem naturalmente em ‘conexdio com “problemas de minimos quadréticos com pesos”, nos quais os pesos so escolhidos para ‘muliplicar os varios termos da soma de modo a dar mais importincia as medidas mais confidveis. De agora em diante, quando um produto interno envolver polinémios ou outras fungBes, vamos ‘eserover as fungdes da maneira usual em vez de usar negrito para indicar vetores. Apesar disso, & ‘importante lembrar que cada fungéo é um vetor quando for tratada como um elemento de um espayo vetorial. EXEMPLO 2 Sejam 1, ..,f,nimeros reais distintos. Para p eq em P,, defina (Dad) = plloda to) + ptsiyacr) ++ pUtndae) Q (Os Axiomas de 1 a 3 na definiglo de produto intemo sio facilmente verifciveis. Para Axioma 4, note que (2. P) = Ia? + [ote +--+ [ote = 0 ‘Além disso, <0, 0>=0. (Continuamos usando um zero em negrito para o polindmio nul o veto zero +f Iss0 $6 € possivel sep for © polinémio nulo, j que 0 grau de p & menor que n * 1. Logo, 2) define um produto interno em P, .Crtogonalidade e Minimos Quacrticos 305, EXEMPLO 3 _Seja V igual a P, munido do produto intemo definido no Exemplo 2, em que f, Je t,= 1. Sejam p() = 128 € g(t) =2t~ 1. Caleule € <4, 4>- soLuglo {pea} = pO)4) + P(3)4(5) + PCa) =I) + BNO) + 12)Q) = 12 (OF + 4 QF + Or 1? +0) + Comprimentos, Distancias ¢ Ortogonalidade Seja V um espago munido de produto intemo, como o produto interno denotado por . Come ‘em R', definimos o comprimento ou norma de um vetor v como sendo 0 escalar b= Ve Equivalentemente, |v? = . Essa definigdo faz sentido, ja que 2 0, mas a definigio nao diz que =v, v> ¢ uma “soma de quadrades”, pois v no precisa ser um elemento de B’.) ‘Um vetor unitério é um vetor com comprimento 1. A distancia entre u ev é|\u— vi. Os vetores ‘wey sio ortogonais se = 0. EXEMPLO 4 Considere P, com o produto interno (2) do Exemplo 3. Caleule o comprimento dos vetores p(t) = 12 q()=28~ 1, sowugto le? = (P.p) = (oO + [p(T + Le? + BP + [122 = 153 Ip = ¥153 ‘Vimmos, no Exemplo 3, que =2. Logo, lll= V3- . O Processo de Gram-Schmidt ‘Acexisténcia de bases ortogonais para subespagos de dimensio finita de um espago munide de produto interno pode ser demonstrada pelo processo de Gram-Schmidt, como para R’. Certas bases ortogonais «que aparecem com frequéncia em eplicagdes podem ser consiruidas por esse processo. ‘A projegio ortogonal de um vetor sobre um subespago HV com uma base ortogonal pode ser cons- ‘ruida como de habito. A projecdo no depende da escolha da base ortogonal tem as propriedades descritas no Teorema de Decomposicao Ortogonal e no Teorema da Melhor Aproximacdo. EXEMPLO 5 _Seja V igual a P, munido do produto intemo definido no Exemplo 2, envolvendo 0 <éleulo dos potindmios nes pontes -2,~1,0, 12, econsidere P, como um subespago de V.Construa ‘uma base ortogonal para P, aplicando o processo de Gram-Schmidt eos polindmios 1, ¢€ ‘SOLUGAO 0 produto intemo depende apenas dos valores de um polindmio em 2, ...,2, logo, vamos lista os valores de cada potinémio como um vetor em R, abaixa do nome do polinémio:" Polinémio ‘ a “1 0 1 2 Vetor de valores ‘Cada poindmio em P, ests uncamente deteminaéo pelo se valor nos cinco mimeros2, 2 De ao, comespon- éncia eae pe seu veto de valores um isomerism, ou sj, uma eplicagdo bijtora com veloresem BR que preserva ‘combina insures.O produto interno de dois polinémios em V ¢ igual ao produto interno (padrio) dos vetores corres- pondentes em R:. Note que f é ortogonal 4 fungo constante 1. Escothemos, entio, p,(t)=1.ep,()=t. Para p, vamos usar os vetores em RY para calcular a projeso de ? sobre £ {P,P}: (op) =(21) 44 404144 = 10 (po. 70) =3 (op) <1.) = 84D +0414 A projesdo ortogonal de sobre {1,1 € p, + 0p, logo palt) =P =2p() =P -2 Uma base ortogonal para subespazo P, de V 6 Poinieice pr 1) [2 2 1} fal fa @ Veworde valores: | 1 0). |= 1 if fo 1 2 2 . A Melhor Aproximacao em Espacos Munidos de Produto Interno ‘Um problema comum em matemética aplicada envolve um espace vetorial V cujes elementos so fungSes. O problema ¢ aproximar a fungdo fem ¥ por uma fungo g em um subespago espe- cificado W de ¥. O “quio perto” a aproximagio esti de fdepende da definigto de f= g). Vamos Considerar apenas o caso em que a distancia entre fe g & determinada por urn produto interno. esse caso, a melhor apraximacao de fpor funcdes em W & a projecao ortogonal de fsobre 0 ssubespago W. EXEMPLOG Seja Viguala.P, com o produto interno do Exemplo $ esejam p,.p, ep, cs elementos «da base ortogonal para osubespaco P, encontrada no Exempl 5. Encontre a melhor aproximagio de (= 5 —5¢ por polindmios em P, SOLUGHO Os valores de pp, ep, 808 mimeros -2, 1 0, 1 € 2 esto listados em (3) como vetores em B®. Os valores corespondentes de p slo: -3, 9/2, , 9/3 ¢-3, Temos: (P.m)=8. (p.m) =9.— (.02) (Po. pa) = 5. (papa) = 14 nto, a melhor aproximago de p em V por polindmios em P, & 7 = LPB) 9 {0-BY) Pres toy pa) Ot = pot Sip ne polinbo ¢o ras prtrie de ete do 08 plintmiospenencetes a P, quando a dlstacts medida apenas em -2, -1, 0, 1 €2. Vejaa Figura | 2), Po ro)w/t =proyn FI Pei © ipriyv wy 2 ie QURAZ Ahipotenusa 0 ado TEOREMA 16 TEOREMA 17 FIOURA 3 Os comprimentos 4d lados de um triingulo. Crtogonalidade e Minimos Quacrticos 307 0s polindmios p,,p,e p,n0s Exemplos 5¢ 6 pertencem a uma classe geral de polindmios conhe- cidos em estatistica como polindmios oriogonais.*A ortogonalidade & em relacSo ao tipo de produto interno deserito no Exempla 2. Duas Desigualdades Dado um vetorvemum esa muni de produto inte ado un stespego Wd dimensoFi, ‘podemos aplicar o Teorema de Pitigoras 4 decomposi¢io ortogonal de v em relagio a W, obtendo vi? = I projy vi? + lv — projy vil? ‘Veja Figua 2. Em particular, sso most qu noma da poeso de v sobre Wa pd exeder a norma do proprio v. Essa observagdo simples nos leva a importante desigualdade a seguir. ‘ADesigualdade de Cauchy Schwarz Quaisquer que sejam w e ver ¥, ‘(o,9)] 5 a st ® DEMONSTRAGAO Seu, entiio ambos os lados de (4) serdo iguais a zero, logo (4) évilida nesse ‘aso, (Veja o Problema Pritico 1.) Se wO, seja W o subespago gerado por w. Lembre que |laul|=|a) [ul para qualquer escalar a, Logo, va Ma = ea pgp = Hoa yg — Heed desiyll= |i i= Ka, wil" A= fu ' tall Como lpr, v sv, semos -" < jy), o que prova (4 . A desigualdade de Cauchy-Schwarz€ itil em muitos ramos da matematica. Os exerefcios contém ‘lgumas poucas aplicagSes simples. Precisamos dessa desigualdade aqui para provar outra desigual- dade envolvendo a norma de vetores. Veja a Figura 3. Desigualdade Triangular Quaisquer que seam wc vem F, jut vi < ul + [vl DEMONSTRAGAO [ut vlf? = (u+v,u+¥) = (um) + 2(u,v) + (¥,¥) << oP? +21(0.¥)1 + IP? << Lol? +2full iv + lv? Cauchy-Setovare = (Hu + Ivip? A desigualdade triangular segue de imediato extraindo-se as raizes quadradas dos dois lados. Um Produto Interno para Cla, b] (Precisa de conhecimentos de Calculo) Provavelmente, o espago munido de produto interno mais utilizado pare aplicagSes é o espago vetorial Cla, b] de todas as fungdes continuas em um intervalo a $¢ —0 imple fnso encanta emf). 3) ?] (Os Execs 3a se refer P, com produto interno dado pelo cl clo do valor dos poliniis ei, De I. (Veja oExemplo2) 3. Calle = Tlu) Tv) , emque A= 1-38 ex =1—F. Caloule ,emque fi) =51—3e (=P —F Calcul if para f como no Exerc 21 Calcul pare g come no Exercicio 22 Sei Voespag C-!,!}eomo produ intemo do Exempla 7. Eoonte uma base rtogonal para osubespugo gerado plas poindenos 1, ¢ Os polininios ness base so chumatospolnimias de Legendre. Seia Vo espago C[-2,2] com o produto intemo do Exemplo 7. En: cone nabs onopna ao mbes pra pelos lies 2. 28. IM] Considere P, com 0 produto interno como no Exemplo 5 € sejam py, P,P, 08 polindmies ortogonais daquete exemplo. Usando um programa matricial, aplique o processo de Gram- Schmidt so conjunto {p,.7.,P..Pt} para obter uma base orto- ‘gona pare IM] Seis 70 espago C10, 2x] com o prodiointemo do Exemplo 7. Use o process de Grar-Schmidt para ober uma base orogoaal para osubespago gerado por {1,008 08% cosy), Use um prow ‘ma matricial ov um programa de clculosmateméticos para calcular ‘as intograisdetnids epropriadas ‘SOLUQOES DOS PROBLEMAS PRATICOS 1, Pelo Axioma 1, = <0, ¥>. Entio = = Oy, v> pelo Axioma 3, de modo que <0, >= 0, 2. Usando os Axiomas 1,2 e, depois, 0 | novamente, temos: = = <¥, w+ w= /.) Podemos ignorar p,€ ¢, se quisermos apenas a tendéncia quadrética. Ese, por exemplo, precisarmos determinar a tendéncia de quarto grau, teriamos de encontrar (via Gram-Schmidt) apenas um polindmio p, em P, que seja ortogonal sP, ecaleular / 1, 0 conjunto {I.cost,cos2r,...,cosnsen,sen2r,...,sen mt} © 6 ortogonel em relagdo ao produto interno (ei [ soamar © Essa oriogonalidade € verifcada no proximo exemplo nos Exercicios 56 EXEMPLO3 Considere C[0,2x] com o produto interno (6) ¢ sam m em inteiros positivos diferentes. ‘Mostre que cos me cos nt slo ortogonais, ‘SOLUGHO Vamos usar uma identidade trigonométrica. Quando m #, (orm, cosnt)= [coum covns dt [“Teostns +e) + coset nee sen(mt +t). sent ™) men mn Seja Wo subespago de C[0, 2] gerado pelasfungdes em (S). Dada fem C{0, 2x}, a melhor apro- ximagio ée f por fungdes em WV & chamada aproximagio de Fourier de ordem n de fem (0, 2x). ‘Como as fungées em (5) so ortogonais, a melhor aproximagio & dada pela projegdo ortogonal sobre W. Nesse caso, os cocfcientes a,c , em (4) sio chamados coeficientes de Fourier def férmula- -padiio para uma projegdo ortogonal mostra que __theoske) = _(fesenie) (Goskr.coskiy” Genkr.sen kr} (O Bxereicio 7 pede para vocé mostrar que =n e =m. Logo, LP roctra, n= 4 [Prosnnear 0 © coefciente da fang (constants) 1 na proj ortogonl& Ot Pyora=1[E [rasa aay ‘em que, & definide por (7) para k=0, Isso explica por que otermo consiante em (4) eserito come a2. EXEMPLO 4 Encontre a aproximasio de Fourier de ordem m para a fungdo () = ¢n0 interval [0,23 SOLUGAO Temos «©, para k> 0, integrand por partes, iy pt cot Pcstetr= [peo 1 ipa t tend frentris | watt fet Logo, a aproximaglo de Fourier de ordem n para fi) =#& 2 2 —2sent ~sen21 ~ Zsen3t — ++ — 2 sen nt34 ‘A Figura 3 mostra as aproximagies de Fourier de teceira e quartaordens para f- . > oe 7 or (0) Tereimordem () Quarta ode FFGURA3 Aproximagdes de Fourier para a fung20 () ‘A norma da diferenga entre fe uma aproximagdo de Fourier & chamada erro quadritico médio ‘na aproximagao. (O termo médio se refere ao fato de que a norma & determinséa por uma integral.) ode-se mostrar que o erro quadritico médio tende a zero quando a ondem da aproximagiio de Fourier cresce. Por essa razio, ¢ comum escrever Jo) = 2+ Stem conmt + basenmt) Essa expresso para /échamatla série de Fourier de fem [0, 2x]. O termo a,c0s mi, por exemplo, & ‘a projegio de fsobreo subespago unidimensional gerado por cos mt PROBLEMAS PRATICOS 1. Sciam a ( af © 4,() = 38 — 4. Verifique que {4 4» 43} 6m conjunto ortogonal em ({-2,2] em relasio ao produto interno do Exemplo 7 na Seyi 6.7 (integragio de 2 a 2). 2. Encontre as aproximagSes de Fourier de primeira e terovira ordens para 7G 6.8 EXERCICIOS sent +5 sen 21 — 600521 1. Encontre a rts de minimos quadrtioos y= Bi, +x que melhor asta aos dados (~2, 0), (1, 0), (0,2), (14), 2, 4), supondo que © primeir etltimo dados seam menos confiveis. DE pesos de modo 2 eles fcarem com a metade do peso de cada um dos outros ‘ets pontos, 2. Emum problema de minimos quadrétcos com peso, sponta que 5 entre 25 pontos de dados tenia medidas y menos confaveis que ‘soutros e devam sr colocados pesos de modo qu pesema metade de cada um dos outros 20 pontos. Um miedo & muliplicaros 20, ‘pontes por 1 © os outros S por 1/2. Um segundo método é mult- Plicar 0:20 ponies por 2 eos outros Spor 1. Os dais métodos dio resulados diferentes? Expigue. Aust ums fungotendéncia bce gs dados no Exemplo 2. 0 polindmio edbico ortogonal éPs\¢) |. Para fazer uma andl de tendéocia de seis pontos de dadosigual- ‘mente espagados, pode-se user polindmios ortogonais em relagto 0 céleulo dos valores em = 113e5 pate) = 1, (© polinomio p, fot mulplicado por um escalar de modo gue ‘seus valores nos pontos de edleulo sejam ineiros pequenos,) bs. Ajuste uma fungdo tendéncia quadritica aos dads 5,03. E14). (1,4) 8.6) (5.8) pian © Nos Exercicios $ 2 14,0 espago & C[0.2r] munido do produto intemo ©. 8. 6. a 8 %. 10. 4 2 1B. “Most que sen mt sen nt 0 ortogonais quando m #. Moste que sen mt ees nso orogens pra tos 0s intros postivosn en Mosie aus eos’ =n seal! para k> 0. Encontre « aproximasdo de Fouier de tercera ord para font Enconte # aprximasdo de Fourier de terccra ordem pera f= 28-1 "Encoate a aproximagio de Fourier de ercirordem para a onda uadradef0)= 1 para 0 t= m6 f0)==1 pata t= 2 nconte a aproximagto de Fourier detereeraordem pra se", som calclar neha intgral nconte a aproximaso de Fourier deweresraordem pra co, sem calcula neha integral Explique porque um cocfcene de Fourier da soma de dias fn «asda des coetcienes de Fourier corespondrtes das ds Fined. Suposbe gv os prineiroscofcentes de Four de wma fingdof cen C{0,2e} sam aya 62, Qu dos pois tigone- ‘iicorasguir ort tns primo de? usiique sua epost.$F + aycost +.a,c0s21 + by sent + aycoss +a3cos21 +b, vent + bn sen21 15, [M] Use os dadoe do Exericio 13 na Seyi 6 sobre odesempeaho ddo um avo durene a decolagem Supenha que ot possiveis eros ris medidas aumenter quando a velocidade do vito aumenta€ ‘ju I mati diagonal de pesos cujos elementos diagonai oI, 6 Crtogonalidade e Minimos Quacrsticos 315, 1, 1,08, 09,08, 07,0,6,0,5,04,03, 02.€6,1. Encontre 2 curva ciibica que se aust esses dados com o menor ero minimo qua bs, Oitem (a) implica U'AU tera forma a Segui. Expique porque ‘sautovalores de A, sbo A.» [Sugesdo: Veaos Exerceios ‘Suplementares part o Capitulo 8) oe «ew 0 vay = 4, o [Mf Quando o veto dirita do sinal de igualdade em uma equaglo ‘x= 6 ligeiramente modificado — por exemplo, para Ax = 0+ Ab para algum vetor Ab —, a solugio muda de x para x-+ As, na qual Ax ‘satisfaz A(Ax) ~ Ab. O quociente jab) & chamado varlagéo rela- tiva em b (ouo erro relative em b quaado Ab representa o ero possi- vel nas coordenadas deb). A varigio rlaiva na solugioé||Ax/|x) ‘Quando 4 ¢ invertivel, o mimero de singularidade de 4, denotado por cond), forece uma limitaglo do quio grande pode ser vari- ‘ho relativa de x: Lab) Wart cone — “py my 2 [Nox Exercicios 17 20, resolva dx = e A(x) = Ab e mostre que a de- sigualdade (2) 6 valida em cada caso. (Veja a discusso sobre matrizes ‘mal condicionadas nos Exerceios de 41a 43 ma Seglo 23.) 45° 3742 [1929 0,01 ve ha}e=["6sa}0>=[con] as 3 0.00 0,01 meaa[te tife=[-ter}45= [oom] 7-6-4 1 0.00 4103 2a ny Taf P= | os bo 74 wae 26-41 4n0 5 1 0-2) ,_| -mos ou 7a «soot | boa 69.5357 Matrizes Simétricas e Formas Quadraticas EXEMPLO INTRODUTORIO Processamento de Imagens Multicanais Fazendo a volta ao mundo em pouco mais de 80 minus, 08 dois satélites Landsat cruzam os céus silenciosamente em “rbitas quase polares, gravando imagens de partes da superficie da Terra em faixas com 185 quil6metros de largura. Acada 16 dias, cada satélite sobrevoa quase todos os quilémetros quacrados do planeta, de modo que qualquer local pode ser ‘monitorado a cada 8 dias. ‘As imagens enviadas por esses satélitestém muitas utlidades. Elas so utilizadas por empreiteirose urbanistas para estudar ‘taxa ca diregdo do crescimenio urbano, do desenvolvimento industrial eoutras variages no uso da tera. Paises rurais podem sanalisar a umidade do solo classificar a vegetagio em regives| remotas€ localiza lagos ¢ ris em seus interiores. Governos podem detectare avaliar danos causados por desastresnaturais, ‘como incéndios loresais, movimento de lava, inundaydes ce ciclones. Agéncias de meio ambiente podem identifica a poluigdo a partir de nuvens de fumaga e medir a temperatura da ‘gua em lagos erios préximos a usinas elétricas, (Os sensores a bordo dos sales recebem sete imagens simultiness de qualquer regio da Tera a ser estudada, Os sensoresregstram a energia de diferentes bandas de comprimento de onda ~trés no espoctro de luz vsivele quatro nas faixas| jnfravermelha etérmicas. Cada imagem ¢digitalizadae ‘armazenada na forma de uma matriz retangular, na qual cada clemento indica a intensidade do sinal em um pequeno ponto ‘correspondente (ou piel)* ns imagem, Cada ums das ste imagens um canal de uma imagem muicanal ou mutiespectral As sote imagens obtidas pelos satiites de uma regio fixa ‘contém, em geral, muitasinformagBes redundantes, pois algumas, das caructeristioas dessa drea aparccem em diversas imagens. ‘Entretano, outrascaracterstcas, devido sua cor ou temperatura, ‘podem refletr luz registrada por apenas um ou dois sensores. Um ‘dos objetivos do processamento de imager multicanal consists em *Alweviatura d pcuve lemons (lementos da imagen). (NT) extra informago de maneira mais eficiente que o simples estado de cada imagem separadamente A anailise da componente principal é wma mancira cfetiva de suprimir informagio redundante c apresentar, ‘em apenas uma ou duas imagens composias, « maior parte da informagdo contida nos dades iniciais. Em linhas ‘gerais, a ideia consiste em encontrar combinagies lineares especiais das imagens, ou seja, uma lista de pesos (ou coeficientes) que, em cada pixel, combinam os sete valores correspondentes da imagem em um novo valor. Os pesos so escolhidos de modo que a gama de intensidade de luz ou varidncia da cena ~ na imagem composta (chamada primeira componente principal) seja maior que aquela em ‘qualquer uma das imagens originais. Também é possivel ‘construir imagens componentes adicionais utilizando os ‘ritérios que serdo apresentados na Segdo 7.5. AAs fotos a seguir, do Vale da Estrada de Ferro em Nevada, 1nos Estados Unidos, ilustram a andlise da componente principal. As figuras (a)-(c) mostram as imagens de trés ‘bandas espeetrais obtidas pelo Landsat, As figuras (d)- (P apresentam o rearranjo da informagdo total em termos ddas tr8s componentes principais da imagem. A primeira ‘componente (d) mostra (ou “captura”) 93,5% da varidneia da cena presente nos dados iniciais. Dessa forma, os trés canis, ide dados iniciais foram reduzides a um s6 canal, com perda, ‘emalgum sentido, de apenas 6,5% a variancia da cena, A MDA Information Systems LLC, de Gaithersburg, MD, ‘que de mancira gentil nos codeu as fotografias a seguir, esté fazendo experigneias com imagens de 224 bandas espectrais distintas. A andlise da componente principal, que é essencial A analise dessas quantidades enormes de dados, reduz, ‘em geral, 08 dados a aproximadamente 15 componentes prineipais ites,318 capiruo7: (©) Banda especal 4 proxi 20 (6) Banda especal 7: atavermelho iafwernetha io, (© Componente principal 1:93,5% (©) Componente principal 2: 53% (© Component principal 3: 1.2% Em aplicagdes, as matrizes simétricas apsrecem com frequéncia maior que qualquer outra classe im- portante de matrizes. A teoria correspondente é rica e clegante, © dopende de maneira essencial tanto dda técnica de diagonalizagio apresentada no Capitulo 5, quanto da ortogonalidade estudada no Capf- tulo 6. A diagonalizaglo de uma matrz simétrica, descrita na Segio 7.1, 6 fundamento necessério {i discussio das formas quadriticas apresentadas nas Seg8es 7.2 ¢ 7.3. O material contido na Sesio 73, por sua ver, énecessario nas duas iltimas segs do capitulo, que tratam da decomposigo em valores singularese do processamento de imagens descrito no exemplo introdutério, Durante todo 0 capitulo, todas as matrizese vetores tém elementos reais. 7.1 | DIAGONALIZAGAO DE MATRIZES SIMETRICAS ‘Uma matriz simétriea é uma matriz tal que AT = A, Tal matriz é necessariamente quadrada. Os clementos da diagonal sio arbitrrios, mas os demais ocorrem em pares — em lados opostos da dia ‘zonal principal EXEMPLO 1 Dentre as matrizes a seguir, s6 as ts primeiras sd simétricas, sinsice [} 2} [23 a] fo aTEOREMA 1. TEOREMA 2 Matizes Simetricas e Formas Quacrsticas 319, Antes de dar inicio ao estudo das matrizes simétricas, convém rever o processo de diagonalizago escrito na Serao 5.3. 62 ot pewnio2 Dean mrncamtics [2 $ -] -1-1 5 SOLUGHO A equago caracteristica de A 6 0=-2 417? 902 + 144 = 8), A 3) (Cileulos usuais produzem uma base para cada autoespago: iyo [ -Essestrésvetores formam uma base pars R°. De fato, & fil verifcar que {v,,y ¥,} € uma base or- togonal para R.A experiéncia do Capitulo 6 sugere que uma base ortonormal poderia ser mais itil para os cleulos, de modo que vamos calcular 0s autovetores normalizados(unitiios). =1/v3 “6 Wi m= ova]. m=|-ve}. m=] a/v3 ° 2/¥6 Wi Sejam V3 1B v3 a) p=| ya -ve ya]. D=|0 6 0 0 v6 V3 0 0 3 Entéo, A = PDP*, como de hibito, Mas agora, como P é uma matriz quadrada e tem colunas orto- normais, P 6 uma matric orlagonale P* ésimplesmente igual aP. (Veja a Seglo 6.2.) . © Teorema 1 explica por que os autovetores no Exemplo ? sio ortogonais ~eles correspondem & autovalores distintos, Se A for simétrica,entio dois autovetores quaisquer correspondentes a autovalores distints serd0 ortogonsis. DEMONSTRAGAO Sejam v, ev, autovetores corespondentes a autovalores distints,digames 2, 4, respecivamente, Para provar que v,"V, =O, cloule Arisa = Gavi"2 = (ADT ¥2 Poisy, €um autovetor = OTA V2 = V7(Ava)—Pois Al = 4 =T0en) Pois v2 € um autovetor = davlva = Awe v2 Portanto, (A, ~A,)v;¥, = 0. Como k, 2, #0, segue que ¥;¥, = 0. . 0 tipo de diagonalizagio especial que aparece no Exemplo 2 & crucial para a teoria das matrizes simétricas. Uma matrz. 4 n xn é dita diagonalizavel por matriz ortogonal se existir uma matiz ‘ortogonal P (com P= P*) e uma matriz diagonal Dtais que = ppp! = ppp o ‘Tal diagonalizagio requer n autovetoreslinearmente independentes e ortonormais. Quando isto é possivel? Se 4 for diagonalizével por matriz ortogonal, como em (1), entéo AP = (PoPPYT = PT™DTP® = PDPT = A ‘Assim, A seri simétrica! Reciprocamente, 0 Teorema 2 mostra que toda matriz simética é diagona- lizével por matriz ortogonal. A demonstragio desse resultado € muito mais dificil e serd omitida; a ‘deia principal envolvida na demonstracdo seré apresentada depois do Teorema 3. ‘Uma matriz A n “"!y,,e componente de v, ortogonal a v, & eee PtH Enido, {v,,%} é um conjunto ortogonal contido no autoespago comrespondente ao autovalor A= 7. (Note que’, é uma combinagdo linear de v,¢ v , portanto, perience ao autoespago em questho, Essa cconstrugdo do vetor 2, nada mais ¢ que uma aplicagao do processo de Gram-Schmit descrito na Selo 164.) Como esse autoespaco é bidimensional (com base {v,v,}), conjunto ortogonal {v,,2,} forma ‘uma base ortogenal para autoespago pelo Teorema da Base. (Veja a Segao 2.9 0u 45.) "Normalizando v,¢ 2, obtemos a seguinte base ortonormal paa 0 autoespago correspondent a yi -/vB m=] oo |. m=] avis yi vis ‘Uma base ortonormal para o autoespayo correspondents a L w= n= 5 Peli i Plo Teorema 1, u, €ortogonal aos autovetores u, ¢w,,Porianto,{u,, 1,1} & um conjunto ortonor- ral. Sejam 1v2 -1/J18 -2/3 0 0 [wou ws 0 avis -1/3 70 Wi VIB 2/3 07 Entio, P é uma matriz otogonal que diagonaliza A e 4 = PDP . 'No Exemplo 3, oautovalor 7 em multiplicidade dois e o autoespago correspondente é bidimen- sional, Isso no é um acidente, como mostra o préximo teorema. Teorema Espectral ‘© conjunto dos autovalores de uma matriz.d & chamado, algumas vezes, espectro de d ea descrigio ‘a seguir dos autovalores & conhecida como um teorema espectral (0 Teorema Espectral para Matrizes Simétricas ‘Uma matriz.d n x n simétrica tem as seguintes propriedades: ‘& 4 tem n autovalores reais, contando multiplicidades. 1. A dimenséo do autvespago correspondente a cada autovalor 2. € igual & muliplicidade de i ‘como raiz da equagdo caracterstca. ‘e. Os autoespages sfio ortoganais entre si, no sentido de que os autovetores correspondentes & autovalores distintos slo ortogonais. 4. A € diagonalizivel por matriz ortogonal.Matizes Simetricas e Formas Quacrsticas 321, © item (a) segue do Exercicio 24 na Segdo 5.5, O item (b) segue facilmente do item (d). (Veja 0 _Exercicio 31.) 0 item (¢) € 0 Teorema 1. Devido 20 item (a), pode-se fazer uma demonstragao do ‘tem (@) usando-se 0 Exercicio 32 e a fatoragdo de Schur discutida no Exercicio Suplementar 16, no Capitulo 6. Os detalhes serio omitidos. Decomposigao Espectral Suponba que A= PDP", em que as colunas de P sio formadas por autovetores ortonormais de A, Uy, sn Wy € 08 aulovetores correspondentes 2,, .. 4, formam a matrz diagonal D. Enido, como Usando a expansio coluna-por-linha de um produto (Teorema 10 na Sedo 2.4), podemos escrever A= Aymuy + Zawul +--+ Ay ® ‘Basa representago de A 6 chamada uma decomposigdo espectral porque ela divide 4 em partes determinadas pelo espectro (autovalores) de 4. Cada um dos termos em (2) & uma matin x n de posto I, Por exemplo, cada coluna de ,u,u, um miltiplo de u,. Além disso, cada matriz wu” 6umna matriz de projesio no sentido de que, pare cada x em R', 0 vetor(4u)x a projesio ortogonal de 1x sobre 0 subespago gerado por u. (Veja o Exercicio 35.) EXEMPLO4 —Construa uma decomposisio espectral da matriz A que tenha a seguintediagonalizasio por matrz ortogonal: af [ie well SIL 2) SOLUGHO Denotando as colunas de P por u, eu, temos, A= Suul + 3upu} oof -[YAJos wae [YE 3] + _[-tv5 ys 2/5 uut -[ ie [-v5 avs)= [3/5 75] Para verificar essa decomposi¢do de 4, note que Suu + 300% R/S 16/5] 4 3/5 -6/5] _[7 v/s 8/5] *[-o/s 12/5} = OMENTARIO NUMERICO £ possivel calcular os autovalores de uma matriz simétrica 4, no muito grande, com bastante precisio utlizando algoritmos computacionais modemos de alto desempenho, Eles aplicam ‘em A uma sequéncia de transformagies de semelhanga envolvendo matrizes ortogoaais. Os ‘elementos diagonais das matrizes transformadas convergem rapidamente para os autovalores de A. (Veja 0s Comentrios Numéricos na Sesio 52.) O uso de matrizes ortogonais evita, em eral, 0 acimulo de erros numéricos durante 0 processo. Quando A é simétrice, a sequéacia de matrizes ortogonais di origem a uma matriz, também ortogonal, cujas colunas sfo os au- tovetores de 4,‘Uma matriz nfo simétrica ndo pode ter um conjunto completo de autovetores ortogonss, ‘mas os algoritmos ainda produzem autovalores razoavelmente procisos. Feito isso, € preciso ‘empregar téenicas nfo ortogonais para calcular os auiovetores. PROBLEMAS PRATICOS 1 Prove que, se for simétrica, eto 4° também seri, 2, Mostre que, se d for diagonalizével por matriz ortogonal, entio 4” também o sera. 1 EXERCICIOS Demin quis mits or Eero 86 orn : as a) 3] [2 2] aft o- 6 2 0 a o-~ 2] 62 1 0 0 6 niati2 ‘Determine quis das matizes, aos Exercicios 7a 12, so ortogoaais. De- termine as inverss das matrires ortogonsis encontadas. 06 08 a [/s2 -uv2 08 -06 Wa v2 “12 [2 wf 2 2 22 23 as 0 v5 ~2/¥8 Bs 4B 2) os os -0s -os i, | 08 08 os - | "os as 0s os -03 03 03-08 Diagonalize, por mati ortogonal, ss matrzes dos Exereicios de 13 2 22, enibindo uma matrz ortogonsl P e uma matriz diagonal D. Para ‘economizar seu tempo, os autovalores dos Exercicios de 17 2 22 slo: 5.2.2: (20) 13, 7,15 21) 9, 5.1: (22)2,0. 31 13 16 4 4 1B 15, wf 3 ait 32 wv, | 2 4 a 1 4 aj} 4 13 23, Sejam 4 1 ('] Nese qu 264 : autovalor de A ev um autovetor. Em seguide, diagonlize 4 ti- Tizando uma matriz ortogonel 342 “2 1 -4 5 2|.mel 2fewel]it|ve 2 2 4, ' ° sifque que v,¥, Sto atovetores de A. Em seguid, diagonalize A ‘uilizande uma mate ortogonl [Nos Exercicios 25 « 26, marque cada uma das afirmages como Verds- 0 para todo x #0, +. megativa definida se Q(x) <0 para todo x0, ¢. Indefinida se Q(x) adquire valores tanto positivos quanto negatives. ‘Além disso, Q ¢ dita positiva semidefinida se Q(x) 2 0 para todo x negativa semidefinida se (Q(x) $0 para todo x. AS duas formas quadriticas epresentadas nas partes (a) c (b) da Figura 4 sio ositivas Semidefinidas, mas a forma em (a) é mais bem descrta como positiva definida (O Teorema 5 caracteriza algumas formas quadréticas em termos de autovalores. TEOREMA 5 | Formas Quadraticas e Autovalores Seja A uma matrz simétrica m xn. Entdo, a forma quadrética x'Ax é: 1. positiva definida se e somente se todos os autovalores de 4 forem positives, '. negativa definida se e somente se todos 0s autovalores de A forem negativos, ¢, indefinida se e somente se 4 tiver autovalores positivos e negatives. DEMONSTRAGAO © Teorema dos Eixos Prineipais mostra que existe uma mudanga de varivel cortogonal x= Py tal que O(x) = xx = y" Dy = Ay? Hay} bod Aaa? ® ‘etn QUE Aron, $80 08 autovalores de A, Como P ¢ invertivel, existe ume correspondéncia biunivo- ca entre os x ndo nulos ¢ as y nao nulos. Portanto, os valores de Q(x) com x #0 coincidem com os ‘valores da expressio a ireita do sinal de igualdade em (4), cujo sinal € determinado pelos sinais dos autovalores 2... i, nas tés maneiras descritas no enunciado do teorema, . EXEMPLO 6 A forma quadsitica Q(x) ~ 317-4 203-4 x + dx.x, + 4x-x, 6 positiva definida? ‘SOLUGAO Devido aos sinais positives, a forma “parece” ser positiva definida. Mas a matriz asso- ciada & ccujos autovalores sio 5, 2¢ ~1. Portanto, Q ¢ uma forma quadritica indefinida e no positiva de~ finida, .‘A classificagdo das formas quadréticas também ¢ usada para as matrizes associadas. Assim, uma rmatrz.4 ¢ dita positiva definida se cla for uma matriz simétrica tal que a forma quadritica x/Ax positiva definida. Os outros termos, como, por exemplo, matriz positiva semidefinida, slo defini ‘Uma manciraripida de determinar se uma mati simétrica A & positva definida consiste em tentar escrever Ana forma d= 'R, na qual Rétrangular superior com elementos diagonais po- sitves. (Uma ligeira modificago do algoritmo para obtengdo de uma fatoraco LU servepara «esse proptsite,) Esse tipo de fatoragdo, conhecido como fatoragdo de Cholesky, possivel see somente se 4 for positiva definida. Veja o Exercicio Suplementar 7 no final deste capitulo. 328 CAPITULO: [wee] fos de maneiaandloge. ENTARIO NUMERIC PROBLEMA PRATICO wes 7.2 EXERCICIOS ‘Desereva uma matriz A positiva semidefinida em termos de seus autovalores. {*] Caste gute ge =| El -E 13. Suponha que. perengaa Re enoontre a mari assosinda forma aquadeética. 10s] - 6x23 — 34} b Sx? + ama 44 Suponia que x pertenga aR? encontre a matrizassociads & forma quads, a. 201} + 158.22 1003 5. Suponha que x pertenga quadrities. a. Bx} + af —3ef Gry Fray — Deas b dru Orr bone BR eencontre a matrz assoiada a eema 6 Suponha que x pertenga a Re enconte a matrizasociada&foema quad a. Sr} AP +I + Sty — Ie b. x}—duas t4nns 7. Faga uma madenga de varlvel x = Py que transforma a forma ‘quadticax,'+ I0s.x, +5 om uma forma quadritica sem eros ‘ruzados, Encontze Pea nova forma quaditen 1. ‘Sea Aw matric associada forma quadetica Oxf + Fad + Tad —Be.an + Bes Pods mostrar que os autovalores de A sto 3,915. Eneontr uma ‘mutrizortogonal P tal ques mudange de varivel x= Py transforma 14x em uma forma quaditica sem trmos enizados. Enconre Pe nova forma quadritics. [Nos Exercicios 9 18, clasifique a forma quadétcs, Em segue, faga ‘uma mudanga de varivel x= Py que transforma a forma quadrética em ‘uma som termoscruzados. Ecreva anova forma quadritice. Constr & Imaitz P usando os méicdos da Seqlo 7.1, 9 Bepm dun $OY WO OF Bey 43K M. 2x} 4 lOxisp +2871 Sef +p 20h 13. xf —6y 1. 8x} + 6x12 IM] ~21} ~ 6x} ~9x} 9x3 + 4nyay bday nine 6xix (Mf 4 dad baa eG Spe d Bay Ane 4 on 17, IM) x48 $3 $a + 9x1x2— rks + Daaws + 9K IM] bx} x3 = Lar ~ 128,45 — 12g — 2 Sex=(c, x) ex'x= 1, isto 6 x°+ x2 1, qual 60 maior valor possivel da forma quadrtica Sr" + 8x2? CFemte alguns exemplos ex) 20, Qual 6 omsior valor da forms quadritos Sx, 34 sex"x= 1? Nos Exercicios 21 ¢ 22, as matrizes so x ne 0s vetorespertencem a (ie. Marque cada sfirmapao a seguir como Verdadeira ov False. Justif- ‘que cada rexpost, 21, a. Amutriz asociada a uma forma quadritics 6 uma mari simé- », Uma forma qudtitea no tem fermos cruzados ee somente se ‘ matre associada for diagonal. . Os eixos principais de uma forma quadritica wx slo autove- tores ded 6 Uma forma quadritica postive defini @ sats O¢x) > 0 pare todo xem R . Seosauloviloresdeuma matric simétriea A frem todos positvos, centdo a forma quadeitica WAX Ser poitivadetnia, £ Uma fatoragdo de Cholesky de uma matrix simétrca 4 tem a Tema d~ R'R, na qual R& uma matic tangular superior com todos os elementos diagonss positives. 22. a. Acxpressio|inl? uma forma quadrétie, b, Se forsimetricaeP for uma matrizrtogonal, eno a mudanga dd variével x Py transformars x/4x em ume forma quadritica em terms enuzados. Sed for uma matric simétiea 2x2, eno 0 conjunta dos x ais quex“4x¢(paralguma constanec)eomesponderiaumecircul, ‘una clipse ou uma hipésbole. 4. Uma forma quadrtosindefinida¢ positivasemidefinida ou ne- sstiva semidetnid B©. Sed forsiméuica ea forma quadétes x74x adgurir apenas va Tores negatives para x0, eno todos os autovalres de 4 serio oma fv wena alone ane 40 -tegunie4=[2 Het 44 een emer tovslores de 4. 23, Sed, eh orem o autovalors de 4, nto plindmiocaaceris- too de. poder ser eset de dus maneies: deta A) ) G.-2,). Use esse fato pra mostrar que hh, = ad osclemen- tes dagonis de 4) ¢., = 6c 24, Veritique as atrmagbos a segui. 4. 6 postiva dtinida se det. >0e @>0 b, Oénegatvn desde sede. 4>0e a0. 25, 26, a. 28, Matizes Simetricas e Formas Quacrsticas 329, © Qbindenida se det <0. Mose que, se B for mn, ento BB seri positiva semidefinia e, se forn x ne invertve,entdo BB ser posiiva defnida ‘Mosire que, se uma mati Ann for positiva definida, entio existe ‘uma mati positva defini B tal que A= BB, [Sugestdo: Escrevs 4™~ PDP", com P" =P Produza uma mati diagonal Ctl que D~C'Cedefina B= PCP" Moste que 2 funciona} Sejam A ¢ B mates simirioas x xn eujos autovalores s todos positivos, Mosre que os autovalres de A + 8 sio todos posiivos, [Sigesto: Consider formas quadeticas] Sein uma matric simétzica invertiveln xn. Moste que, sea forma quadtitieax/4x € posiivadefinids, eno a forma quadriticax74“"x também o ser. [Sugestdo: Considereautovalores SOLUGKO DO PROBLEMA PRéTICO 7.3 | OTIMIZAGAO COM VINCULO Dy = hiyi taayd + aga uma mudanga de varidvel ortogonal x = Py e esereva, xx = that «como em (4). Se um autovalor—, por exemplo — fossenegativo, entio w/Ax seria negativo para x correspondents a y= (a-ésima coluna de /.). Logo, todos os autovalores de uma forms quadrtice positiva semidefinda tem de ser nfo negatives. Reiprocamente, se 0s autovalores nfo fossem nega- tives, a expansio anterior mostra que x/4x tem que Se postva semidefnida Engenheiros, economists, cientistas ¢ matemiéticos precisam, muitas vezes, encontrar valores mie xximos ou minimos de uma forma quadrtica Q(x) para x em um determinado conjunto, Em geral, 0 problema pode ser colocado de tal forma que x varie no conjunto de vetores unitério. Esse problema de otimizagdo com vineulo (ou restricdo) tem uma solugio interessante e elegante. O Exemplo 6 2 seguir e a discussio na Seglo 7.5 iro mostrar como tais problemas aparecem na pritica. ‘A condiglo de que um vetor x em R° seja unitrio pode ser escrits de vias maneiras equivalentes: isi) a é usada nas aplicagies ‘Quando uma forma quadeitica Q nfo tem termos eruzados, ¢fécil encontrar o miximo e o mini- ‘mo de Q(x) para x'x= 1. EXEMPLO 1 Encontre os valores maximo e minimo de O(x) = 9x3 + 4x! + 3x sujeito drestriggo SOLUGHO Como.x! ex} no séo negativos, temos 4x} 9x3 ,portanto, © 3x oxt O(n) = 9x3 + 4x +343 59x} 49x) +98} 9} +03 +3) 9 sempre que xi +2 + 2 1, Logo, valor miximo de Q(x) no pode ser maior que 9 se x for um vetor ‘unitiri. Além disso, O(w quando x= (1,0, 0), logo 9 € 0 valor méximo de Q(x) para x ara encontrar o valor minimo de Q(x), note que 9x? = 3x2, ax} = 3aTEOREMA 6 «, portant, beet Q(x) = 357 43x) 4 3x9 =o 4 eT sempre que x3 +2 += 1. Temnos, também, que Q(x) = 3 quando x, = 0,x,=0€x, = 1. Logo, 360 valor minimo de Q(x) quando x"x = 1. . £ fic ver, no Exemplo 1, que a matrz associada a forma quadritica Q tem autovalores 9,4 €3, «0 maior eo menor sovalores so iguss, respectivamente, ao maximo e minimo (com resrgf0) de Q(x). Veremos que isso é valido para qualquer forma quadritica. EXEMPLO2 Sciam A =). $] ee —wpae xem RA Figure mosta geod 0.A ‘Figura 2 mostra apenas uma parte do grifico no interior de um cilindro; a intersepo do cilindro corm superficie ¢0 conjunto de pontos (x, 2) ais que z= Ofx,,x) ex2+x7= 1. As “alturas” desses pontos so os valores restritos de ((x). Geometricamente, 0 problema de otimizagio com vinculos ‘consiste em localizar o ponto mais alto e o mais baixo na curva de intersegdo, 0s dois pontos mais altos na curva esto 7 unidades acima do plano x, ooorrem quando 0.¢x, =. Esses pontos comespondem ao autovalor 7 de 4 e aos autovetores x= (0, 1) ¢—x =1), De forma analog, os dois pontos mais baixos na curva esto a 3 unidades abaixo do plano x,x, ‘ecorespondem ao autovalor 3 € os auroverores (1, 0) € (-1, 0) = % FIOURA 2 A intereego de 2=3x}-+ 7x3 com ocilindso +23 ‘Todo ponto pertencente a curva de intersesio na Figura 2 tem coordenada z entre 37 e, qualquer que seja 0 nlimero rentre3e 7, existe um vetorunitéio x tal que Q(x) =r. Em outras palavras, © con- {junto de todos os valores possiveis de x'4x para || = 1 60 intervalo fechado 3 <¢< 7. Pode-se mostrar que, para qualquer matriz simétrica 4, 0 conjunto de todos os valores possiveis de ‘x'Ax para |x| = | €um intervalo fechado na reta real. (Veja o Exercicio 13.) Denote as extremidades inferior e superior desse intervalo por m e M, respectivamente, ou s2ja, mm min {xan ix] = 1), Mm max {x"Ax: Ix] = 1) Q (O Exereicio 12 pede para provar que, se A. for um autovalor de 4, enti m $12.M. O proximo teore- sma diz que m e M slo autovalores de 4, como no Exemplo 2." Seja uma matrizsimétricaedefina m eM como em (2) Entéo M é 0 maior autovalor), de A © ‘m&o menor O valor de x'Ax & M quando x € um autovetor unitirio u, associado a M. Quando x um vetorunitiro associado am, 0 valor de x'Ax 6m. DEMONSTRACAO. Diagonalize A por uma mairz ortogonal P, A= PDP’. Sabemos que xT4x=y"Dy quando x = Py Além disso, a Is = [IPI = Iyll_paratodo y 10 uso de minima © maximo em (2) 88 menor € maior no tore, seer i ordem natural dos nines reis¢ nfo amédaloeTEOREMA 7 Matizes Simetrieas e Formas Quacrsticas 331, 58 que P'P = Py? = (PyY(Py) = y'P "Py = y'y = IP. Em particular, y= 1 se e somente se Ill = 1. Assim, x”4x e y"Dy assumem 0 mesmo conjunto de valores quando x e y percorrem o con Junto de todos 0s vetoes unitiros Para simplificar a notagdo, vamos supor que A soja uma matriz.3 x3 com autovalores a2 bc. Arrume as colunas de P (que sio auioveiores) de modo que P=[u, u,u,] © a 0 0 p-=|0 6 0 0 oO ‘Dado qualquer vetor unitirio y em R? com coordenadas y, y,,¥, note que ay} = ay? by Somando essas desigualdades, obtemos yi Dy = ay + by} + ey Say] tay} tay} (yi + yh +) = allyl? =a ‘Logo, M< a, pela definigSo de M. No entanto, y"Dy ~ a quando y= = (1,0, 0, de modo que, de fato, M= a, De (3), 0 x que corresponde a y =e, € 0 autovetor u, de A, pois 1 xePas(y an wllol=n ° Entlo, M=a=eDe, = u,"Au, 0 que prova a afirmagdo sabre M. Um argumento semelhante mostra «quem & 0 menor autovalt¢,¢ este € 0 valor de x74X quando x = Pe, =, . EXEMPLO3 Seja A sa 4 [; ; |] sso nin citi 114 ‘restrigfo x'x= 1 e enconire um vetorunitirio no qual esse maximo éatingido, SOLUQHO Pelo'Teorema 6, 0 valor desejado 6 0 maior autovalor de A.A equasio caactristca & 241082 4 1B =-A-OA—3|A—1) O maior autovalor € 6. (O méximo de x'4x, sujeito &restrigdo, ¢atingido quando x é um autovetorunitéti associado a z wv Ractnseenld-Ge-Opecnco mest | prion, = [1/93]. 1 v3 [No Teorema 7 ¢ em aplicagoes mais adiante, os valores de xAx serao calculados com restriges adicionais sobre o vetorunitirio x. Sejam 4, 2, e u, como no Teorema 6. Entio o valor miximo de x'4x sujeito ds retrigdes x=, xf, =0 € 0 segundo maior auiovalor 2, ¢ esse méximo é atingido quando x é um autoveiorunittio u, associado a hy. (© Teorema 7 pode ser demonstrado por um argumeato semelhante ao feito anteriormente, no qual © teorema é reduzido ao caso em que a matrz da forma quadritica 6 diagonal. O préximo exemplo «dé uma ideia da demonstragdo para o caso de uma matriz diagonal. EXEMPLO 4 Encontro valor méximo de 9x? + 4x2+ 3x? sujelto ds rstrigbes xx 4ve w, = (1,0, 0). Note que u,é um autovetor unittio assoiado ao maior autovalor sssoclada a forma quadrética Lex'u, =0,em da matizTEOREMA 8 SOLUGAO Seas coordenadas de xforem xx, 5. €restrgG0 7u, = 0 signifi, simplemente, que x,=0. Para tal vetor unitiri, x3 +x3=1e od 44x} 43rd = 4 3g sad tad 3 +2) 4 Logo, o méximo da forma quadritice sujcito as restrigdes no pode ser maior que 4. E esse valor & atingido em x= (0, 1,0), que € 0 autovetorassociado ao segundo maior autovalor da matriz associada 2 forma quadtica . EXEMPLOS —Considere a matriz 4 no Exemplo 3 ¢sejau, um autovetorunitiri associado ao maior autovalor de 4. Encontre o valor méximo de x'4x sujeito &s condigSes Mx=1, xT =0 ® SoLUGHO Do Exempla 3, 0 segundo maior autovalor de A & = 3. Resolva (4 3/)x~ 0 para en- contrar um autovetor e normalize-o pare obter Ve v6 2/6 (0 vetoru,¢ utomaticementeortogona au, pois os dois vetoes esti associades a autovalres di ferentes, Logo, o méwimo de x/Ax sujito is restrigdes em (4) €3, obtido quando x =, . (© priximo teorema generaliza 0 Teorema Te, junto com o Teorema 6, caracteriza, de maneira itil, todos os autovalores de A. Omitiremos a demonstragio. ja A uma matriz simétrica n * n com uma diagonalizagio por matriz ortogonal A= PDP“, em ‘que os elementos na diagonal de D esto arrumados de modo que 2, >2, >...22, € as colunas de P sfo autovetores unitirios associados u, ...,u,- Eno, para k= 2, ...n, 0 valor infximo de.x'Ax ae weet, xu =O... xy =0 60 autovalor ,, ¢ esse maximo ¢ atingido quando x = u,. (© Teorems 8 ser itil nas Segdes 7.4 ¢ 7.5. A aplicagio a seguir precisa apenas do Teorema 6, EXEMPLO 6 Durante o préximo ano, o governo de um municfpio esté planejando consertar x ccentenas de quilémetros de estradas © pontes ¢ melhorar y centenas de acres de parques e dreas de lazer. O municipio precisa decidir como alocar seus recursos (fundos, equipamentos, milo de obra tc.) entre esses dois projetos. Se for melhor, do ponto de vista de custo, trabalhar nos dois projetos simultaneamente que em apenas um deles, entio xe y poderio satisfazer uma restrigdo do tipo 4x 4 9y? <36 ‘Veja a Figura 3. Cada ponto (x,y) no conjunto factivel sombreado representa um plano de obras pos- sivel para o ano. Os pontos na curva de restrigdo 41° + 9y* = 36 utilizam a quantidade méxima de recursos disponiveis, argues 2 ‘eas de lazer S| at+9y4 cons 3 Consent de estrada © pontes FIQURA3 Planejamento de obrasMatizes Simetricas e Formas Quacrsticas 333, Ao escolber um plano de obras, 0 municipio quer consulta a opinid de seus residentes. Para me- diro valor ou wilidade que os residentes dariam aos diversos planos de obras (x, »), 0s economistas utilizar, algumas vezes, uma fuungd0 do tipo ax.y) = x9 (© conjunto de pontos (x,y) nos qusis 4(x, y) & constante & chamado uma curva de indiferenca. A Fi- ‘gura 4 mostra trés dessas curvas. Pontos pertencentes a uma curva de indiferenga correspondem a alternaivas que os residentes do municipio, como um grupo, achariam que tém o mesmo valor En- ‘contre o planejamento de obras que maximiza a fungio de uilidade q. SOLUGKO O vinculo 4x!+9)?= 36 nio descreve um conjunto de vetores unitérios, mas uma mudan- ‘9a de varidveis pode resolver isso, Coloque a resrigdo na forma FIOURAS 0 planejamento timo de obras & (2,151.4). edefina mak. og x=3n ec ‘Aequagio do vinculo fic, entio, Mixd= «© fing utilidade transforma-se om (3x, 2x,) ~ (3x,)(2x,)= 6x,x,, Seja x = [k } Endo, o pro- blema ¢ maximizar Q(x) = 6, sujito ax'x= 1. Note que Otx)= x7Ax, em que 03 a=[3 a] ravlonsd soi, oman as 7 panna “YY pam yw? v2 Logo, valor méximo de Q(x) = g(x, x,) 63, ating quando x,= W/Z ex,= V3. Em temmos das varéves origins, o planejamento de obras timo &x 3x, =3/V2 ~2, centenas de quilémetros de estradas e pontes, : V2 = 1,4 centenas de acres de parques e areas de lazer. (O planejamento Simo é o pontoem que a curva derestigio ea curva deiniferenga g(x») ~3 oo ‘tangentes. Os pontos (x, y) de maior utilidade pertencem a curvas de indiferenga sem pontos em co- ‘mum com acuva de estrigio Veja a Figura 4. 7 PROBLEMAS PRATICOS 4. Seja O(a) ~ 3x7 + 3x2 + 2x, Encontre uma mudanga de variéveis que transforme Q em uma forma quadritica sem termes eruzados ¢ ache a nova forma quaritica. 2, Com Q como no Problema 1, encontre 0 valor maximo de Q sujeito a restrigdo x"x = 1 e ache lum vetor unitrio no qual 0 maximo é atingido. Para una discus sobre cures de indiferense, veja Econometric Medel, Techniques, and Aplications, de Miche ‘ Tnligstr, Rows G. Bodkin e Chong Hsio (Upper Sade River, NI: Prentice Hal, 1996).34 capiruo7 7.3 EXERCICIOS [Nos Exercicos 1 2, enconte a mudanga de variével x= Py que trans- forma a forma quadritica x/Ax em y'Dy como indicado A. Sxf-+ 6x} + Fed + dnyay — dans = 99} + OYE + BYE 2 Buf + 2eF + Ded + Dayne Devas + deans = SP HINT [Sugetdo: x ey dovem tro mesmo nimero de coordenaas, de ‘odo que forma qanrtca mosrada ag deveter um eeticnte slo pray] Nos Exeriis de 36, enconte (valor maximo de 0) sjito & resigdox'x~ 1, (b) um vtor unio no qual omnia ating e() (valor miximo de OG) sujet restigdes xx = Tex'a=0. 3. Oly) = 5x7 + 6x) + 7x3 + dram dean (Veja o Exerc 1) 10. un. 2 1B. Encontre 0 valor maximo de Q(x) = 752+ 35-2, sujeito& restrigo x) +42 1. (Nio preci encontrar um vetor no qual 0 riximo éatingido.) Encontro valor maximo de ({3) = 3x + $4,)~2x.x, sujito & restrigdo x2 +2 = 1. (Nao precise encontrar um vetor n0 qual 0 smiximo éatngivo.) ‘Suponhs que x tea um autovetor unitro de uma mariz asociado ap eutovalor 3. Qual 6 valer de x'4x? Seja. um auiovalor qualquer de uma matrzsimétrica A, Justtique ‘8 afinmago feta nesta segdo de que m $A. M, em que m e M sfo ‘como em (2). [Sugesto: Encontre x tl que A= x44] Seja 4 uma matrz simétrca mn, sejam M e mos valores maximo «minim da forma quadriticax'4x e denote por u,€ wos autove- {ores uniéros correspondents, Os eéleulos a seguir mostam que, 40) = 384244244 2me teas +4ye Ole io qualquer mero “ene Mem, existe um vtor unitri al Exeriio2) tue t= 4x. Verifiqn que (1a) lf para alg ante . 4+ Sed — 4m Oe I, Depois define X= T= ee, + Ae mote que 3x = ate lexide=e co iP 4 3ef 4 Bees (0) Nos Exersicios 14.17, sigaa insrugs dada pr os Exrcicos 7. SejaQha)~-24?-144n3,¢ 45, Enconzeun veornittioxem 92346 Testu dui artis ajdinakgnrrel [ager 14 aan tee +2000 + Son + date io: Os auovalores da mati ssoinda 8 forms Q so 2,-1¢~4] B. Scja Ox) = 7x2 #x2++ 732 — Be, — dr, — Bex, Encontre wm veto unitirio ¥ em Be? no qual Q(x) tinge seu maximo sujito & restiedo x= | [Sugestd Os autovalores da matrz ssociada 8 forma Q'sio 9-3] 15. 16. na 3x Sra + Teint Tray +See + Sets Gx.x2 Oryx — HOR 4 ~ 6eats — 612K —2eIK 6x! — ox} — 1344-1 enix Pann anes dein ‘SOLUGOES DOS PROBLEMAS PRATICOS 1 Amie oma gute =[} Ds < @ (0 valor maximo de Of3) sujeito & pone re=164 Sree ‘emer de O(8)) desejada € x= Py,em que P [ v2 lizar 08 autovetores.) A nova forma quadritica & y'Dy= 4y,? + 2y,2. 34 4} # tet enconrar os autos 462, 05a We 2 svete wince [1/3 « [-y4] nls snags dev yw V2 a © méxino de (9 pra um vetoruiiro x46 ing mo vetor nisi, ]. (Uma septs su qu cone ats et] wer inn em un 74 | DECOMPOSICAO EM VALORES SINGULARES (Os teoremas de diagonalizagio nas SegBes 5.3 e 7.1 sdo importantes em muitas aplicagdes interes- ‘antes. Infelizmente, como sabemos, nem todas as matrizes podem ser colocadas na forma A= PDP" ‘com D diagonal. No entanto, é sempre possivel obter uma fatoracao A= QDP** para qualquer matriz Am n! Uma fatorasio particular desse tipo, chamada decomposico em valores singulares, & wma das fatoragies mais iteis em Algebra linear aplicada, ‘A.decomposigdo em valores singulares baseia-se na seguinte propriedade da diagonalizago usual, ‘que pode ser imitada para matrizes retangulares: os valores absolutes dos autovalores de urna matriz simétrica 4 medem as quantidades que A estica ou encurta certos vetores (0s autovetores), Se Ax = ‘axe ln entio (Axl = Pall = lx} = 2) @ ‘Se, for 0 autovalor de maior médulo, eno um autovetor untério associado v, identificaré a dire- ‘20 na qual o efeito de esticar obtido pela matriz A é maior. Em outras palavras, o comprimento deMatizes Simetricas e Formas Quacrsticas 335, Ax é miximo quando x ‘matrizes retangulares que |v, =I’, de (1). Essa descrigdo de v, ede tem um andlogo para 3s leva & decorpesigao em valores singulres. 44 srcumos se4=[$ "4 !S] toasantomatios hore ‘x: [pl] = 1} em R® na elipse em Re ilustrada na Figura 1. Encontre um vetor unitério x no qual comprimento |x| & maximo e calcule esse comprimento maximo, Maliplicaso por FlQURA 1 Uma transformagio de Bem SSOLUGAO A quantidade [Ax atinge seu méximo no mesmo x que toma méximo [Axe ||Ax|? & mais facil de estudar. Note que [axl? = (4x)" ax) = xT = xs Além disso, 474 & uma matriz simétria, pois 474)" = 4"A°"= AA. O problema agora é maximizar & ‘forma quadrética x'(4'A)x sujeita& restrigao [n= 1, Pelo Teorema 6 na Seqdo 7.3, 0 valor miximo 0 maior autovalor 2, de 474. Além disso, o valor méximo ¢ atingido em um autovetor unitério de AA associado a, ara a matriz d nesse exemplo, a8 om # waft S]e oy s=[aco oa re 21° [ io Os autovalores de 474 slo 2, ~ 360, A, ~ 90 2, ~ 0. Os autovetores unitirios assoviados sto, re5- pectivamente, ys 2/3 23 w=/2/3), w= 3 vy =| -2/3 2p 23 3 © valor maximo de [Ax|?€ 360, atngido quando x € 0 vetor unitéro v,. O vetor Av, & 0 ponto na clipe ilustrada na Figura 1 que esti mais aistado possive da origem,a saber, G5 SB) 360 = 6/10. . Avs Paras) = 1,0 valor méximo de [4x 6 Av |= © Exemplo 1 sugere que o efvito de A sobre a esfera unitéria em BR esteja relacionado a forma ‘quaditica x7(474)x. De fato, todo o comportamento geométrico da transformagio x +» Ax é captu- ado por essa forma quadritica, como veremos. Os Valores Singulares de uma Matriz m xn Seja A uma matriz m xn, Entdo, 7A é uma matrizsiméticae pode ser diagonalizada por uma mattiz ‘ortogonal Sea {v,.... ¥,} uma base ortonormal para R” consistindo em autovetores de e sejam 4p oom , 08 autovalores associados. Entio, se 1 SiS n, Laval AviVTAN, = VTATAY, VTQu¥,) —Poisy, &umautovetor de ATA @) a Si quey, €um vetor unitTEOREMA 9 ‘Logo, os autovalores de 4 so todos nio negativos. Trocando a numeragdo, se necessério, podemos ‘supor que os autovalores estejam ordenados de modo que deh azo (Os valores singulares de 4 sdo as raizes quadradas dos autovalores de 4°4, denotados porG,,.., 6, ‘cestio arrumados em ordem decrescente, ou soja, 0; = W/7, para 1 SiS. De(2),0s valores singu- lares de A sd 0s comprimentos dos vet0res AV... AV, EXEMPLO 2 Considere a matriz A no Exemplo 1, Como 0s autovalores de 4'A sio 360,90 € 0, 05 valores singulares de A so 0 = V30 =6V10. 07 = V9 =3V10, 03 =0 ‘Do Exemplo 1, 0 primeiro valor singular de 4 é 0 maximo de ||4x|| quando x percorre todos os vetores: _nitrios eo miximo éatingido no autavetorunitro v, 0 Tearema 7na Seqho 7.3 mostra que o segundo valor singular de & 0 maximo de [43 quando x percore todos os vetoresunitiros riogonais av, © ‘esse miximo é atingido no segundo autovetor unitirio v, (Exercicio 22) Para v, como no Exemplo 1, wo-[t 8 N28) -2] 27 all aei-ls ie ponte no eomenor da eps na Figs aim com A, sno io aor ja gua 2). Os dois primeiros valores singulares de A sio os comprimentos dos semieixos maior e menor da clipse. . 0 fato de que Av, ¢ Av, slo ortogonais na Figura 2 nfo é um acidente, como mostra o préximo teorema, SSuponha que {¥,,...¥,}Seja uma base ortonormal para R® consistindo em autovetores de 4A ordena- ‘dos de tal forma que 05 autovaloresassociados satisfagam A, >... 2, Suponha que A ten r valo- es singulares no nulos, Entéo {4v,,...Av,} seré uma base oriogonal para Col A posto de A =r. DEMONSTRAGAO Como v, ey so ortogonais para ij, temos (av)" (Avy) =F Ally, = WE yy Logo, {4v,,..,A¥,} 6 um conjunto ortogonal. Além disso, como os comprimentos dos vetores AV), «yA¥, S40 0s alores singulares de A e como existem r valores singulares no mulos, Ay, # 0 se € somenie se 1 < i$ r. Entio Av, ... AV, s40 vetores linearmente independentes ¢ perten- ccem a Col 4. Por fim, qualquer que seja y em Col A ~y = Ax, por exemplo -, podemos escrever Y= ALR CA bot eA, erg dtea eee enV WAV Ho erAY, FOF +0 ‘Assim, y pertence a L{4v, ....Av,}, 0 que mostra que {4V,, ..,A¥,} € uma base (ortogonal) para Col A. Portanio, posto de A= dim (Col A) =. . MENTARIO NUMERIC [Em alguns casos, o posto de 4 pode ser bastante sensivel a pequenas variagoes nos clementos de A. O método dbvio de contar o nimero de colunas pivos em A ndo funciona bem se 4 for reduzida por linhas por um computador. Erros de aproximacio muitas vezes criam uma forma ‘eseada com posto maximo, "Na pritica, a maneira mais confiivel de estimar 0 posto de uma matriz A grande é contar 0 ‘nlimero de valores singulares ndo nulos. Nesse caso, valores singulares extremamente peque- nos sio considerados nulos para todos os efeitos, e 0 posto eferivo da matriz& 0 nimero obtido contando-se os valores singulares no mulos resiantes." "Em ger, o problea de estimar-o posto no & simples, Pare uma discuss dos pnts sts envol¥idos, ve Philip E. Gil, Water Mry e Mergaet I! Wright, Nunerical Linco digebra and Opimisaton, vol. 1 (Redwood City, CA ‘Atison-Wesly, 1991), Sepd0 58.TEOREMA 10 Matizes Simétricas e Formas Quacrsticas 337 ‘A Decomposicao em Valores Singulares ‘Adecomposigho de 4 envolve urna matrz Ba [S Oo) — =r ns ® sgonal” Em Xn a forma ‘em que D & uma matriz diagonal rx para algum r ndo excedendo 0 menor valor entre m e n. (Ser for igual a m oun ou ambos, algumas ou todas as matrizes nulas nio aparecerio.) ‘ADecomposicéo em Valores Singulares ‘Seja A uma matriz-m x n de posto r. Entlo, existe uma matri2 ¥ mx n como em (3) na qual os ele- ‘menos diagonais de D sto os r primeiros valores singulares de 4, 6, 20,2 ...26, > 0, existom, ‘uma matrizortogonal U m x m ¢ uma matriz ortogonal V nn tis que A=uEvt (Qualquerfatoragio da forma d= UEV", com Ue V ortogonais, ¥ como em (3) ¢ elementos dis- _gonais positivos om D, 6 chamada uma decomposisio em valores singulares (ou DVS) de 4. As smatrizes U e V nio estio apenas determinadas por 4, mas os elementos diagonais de ¥ slo necessa- riamente 0s valores singulares de 4. Veja o Exercicio 19. Em tal decomposigdo, as colunas de U sio chamadas yetores singulares de 4 i esquerda c as colunas de V sio chamadas vetores singulares de Ai direita, DEMONSTRAGAO Sejam 4 € v, come no Teorema 9, de modo que {AV,..AV,} €uma base orto- onal para Col 4. Vamos normnalizar cada Ay, para obfer uma base oronormnal {wna qual = aoa ata ne Tad a Ay sou, (Si sr) ® ‘Vamos extender {u,.., 81) ama base ortonormal {,...,) para RS defn U=lo) wo te} © VElw to vl Por consi, Ue Vsio mates ortogonis.Além disso de (4), AV = [Avy os Ave Oo O]= (010) oo au, © = 0] Seja D a matrz diagonal cujos elementos disgonsis slo 6, ..., 0, €seja E como em (3), Entio o o Como Yuna avi oon UBF = AV A 7 Pe ior ee Se anaes EXEMPLO 3 Use os resultados dos Exemplos | ¢ 2 para construir uma decomposigao cm valores: feainespnanaies=[1 3] ‘SOLUGAO A construgio pode ser dividida em trés passos.Passo I. Encontre uma diagonaltzacdo ortogonal de A’A. Em outras palavras, encontre 0s auto- valores de 4’ e um conjunto correspondente de aufovetores ortonormais. Se 4 s6 tiver duas colu- ‘nas, os céleulos poderdo ser feitos de forma manual, Matrizes maiores necessitam, em geral, de um ‘programa que trabalhe com matrizes” No entanto, para a matriz 4 dada, os autovalores e autoverores foram calculados no Exemplo 1. Passo 2. Monteas matrices Ve Z Arume os autovalores de 474 em ordem decrescente. No Exem- plo 1, esses autovalores j esto lstados em ordem decrescente: 360, 9 € 0, Os aulovetores unitirios correspondentes, v, ¥; €¥,, So 08 vetores singulares de 4 A direita. Usando o Exemplo 1, temos 3-2/3 2/3 2/3 -1/3 -2/3 23/3 Velu wv ‘As raizes quadradas dos autovalores so os valores singulares: 0 =6VT, 0 =3V10, 9) (0s valores singulares nio nulos sfo os elementos diggonais de D. A matriz Etem o mesmo tamanho que 4, com D no canto esquerdo superior ¢ 0 em todos os outros lugares. ov 0 svi0 0 0 o[%y vn za o-[% 3 ‘] ‘Passo 3. Construa U. Quando A tem posto r, as * primeiras colunas de U sio os vetores normalizados obtidos de Av, ...,¥,, Nesse exemplo, A tem dois valores singulares no nulos, de modo que posto de ‘462, Lembre da eqns (2) ¢ do parigrafo antes do Exemplo 2 que [|= 6, ¢[4v, |= ¢, Entto ee -2,{"]- 3/vib m= a4 = ral 6] = [1/0 w= day -sal 3]- 10 a 3VI0L-9) © | 3/10. [Note que {u, u,}j & uma base para R, de modo que no preisamos de vetoes adicionais para fr- tar Ue U=[u, w.A decomposigio em valores singulares de A a/v vw] [ov 0 0] [M3 2S 2 += [8 38] [6% 8 3] [8 8 8 v 5 v . DHMe 4 saan dng en sip =[-f SOLUGAD Primi cate 474 =[_} 5] Os auovares de 4 sf 18 0, com antovetores untrosassoiados we] “21. wel? "= Lanah Yahya Esse ytres units foram as cohnas de: meteeea [ag va “v2 v2 (0s valores singulares sio 0) = VI8 = 3V/2 © 0; = 0. Como existe apenas um valor singular di- ferente de zero, a “matriz” D pode ser escrita como um iinico nimero, ou scja, D= 32, A matric Z tem 0 mesmo tamanho que 4, com D em seu canto esquerdo superio Do 3v2 0 z=|0 of=| 0 0 00 oo 50 MATLAB, por exemplo, pode produzic tanto os autovaores quanto os sutovetores com un Geo comand ee.Matizes Simétricas e Formas Quacrsticas 339, Para construir U, precisamos de Av, e de Av,: av ° a= | iG] ama {t ai Lo Para conferr esses eéleulos, verifique que 4%, 3/2. f elaro que Av, = 0, j8 que 0, Anica coluna de U que encontramos at agora & i us w= ean =| -2/3 wt 2B ‘As outras colunas de U slo encontradas expandindo-se o conjunto {u,} a uma base ortogonal para 1. Precisamos, entio, de dois vetores unitirios ortogonais enre si u,¢ u, que sejam ortogonais & 1, (Veja a Figura 3) Cada veior tem de stisfazer a equagd0 que € equivalente & equagdo +x, —2x, + 2r, =O, Uma base para. 0 conjunto solugio dessa equacdo é Et (Verifigue que w, € w, slo ortogonais a u,) Aplicando o processo de Gram-Schimid (com normali- zagies) a {w, w,}, obtemos av 2/8 w=] i/v5 |. us 4/V5 0 5/Vi Por fim, fezendo U=[u, u, u,] ¢ usando Ee V* como anteriormente, podemos escrever iat Ys 2/V8 -a/VB]P3va 0 Z VB -1/¥: A4=|2 2]-]23 vs 4jvello o[' [ 2 3] 2 0 SVS [ ° A Uva uv? Aplicacdes da Decomposicao em Valores Singulares ADVS € usada, muitas vezes, para se estimar 0 posto de uma matriz, como jf observamos. Diversas ‘outras aplicapdes auméricas estio descrtas a seguir, resumidamente, e a Segdo 7-5 apresentari uma aplicagio ao processamento de imagens. EXEMPLO 5 (0 Numero de Singularidade) A maior parte dos cdleulos muméricos envolvendo ‘uma equagdo x = b ¢ Ho confidvel quanto possivel quando se usa ums DVS de 4. As duas matrizes “ortogonais Ue F nko afetam 0 comprimento de vetores ou odngulo entre vetores (Teorema 7 na Segio 6.2), Quaisquer instabilidades que possam ocorrer em célculos numéricos podem ser identificadas ‘em Z, Se os valores singulares de 4 forem muito grandes ou muito pequenos, eros de aproximacio serdo praticamente inevitiveis, mas uma anise destes errs pode ser auxiliada pelo conhecimento dos elementos em Ee em V. Sed for uma matrz invertivel nn, entSo o quociente 6, /0, entre © maior eo menor valor singular forece o nimero de singularidade de A. Os Exercicios de 4i a 43 na Segéo 2.3 mostraram como 0 ‘nimero de singularidade afeta a sensibilidade de uma solugdo de 4x = b em relagio a mudangas (ou €ert0s) nos elementos de . (De fato, um “nimero de singularidade” pode ser caleulado de diversas ‘maneiras, mas a definigdo dada aqui € muito uilizada para o estudo de Ax = b.) . FXEMPLO 6 (Gases para 0s Espacos Fundamentals) Dada uma DVS para uma matriz A m x 1 seam uy Wy, 8 Vtores singular a esqueda, ¥, 05 Vtressingulares diet, 6». ©, 08 valores singles er posto de . elo Teoroma 9, faye 6 uma base ortonormal para Col 4. ‘Lembre, do Teorema 3 na Seedo 6.1, que (Col 4) = Nul 4° Logo, Wr eiesesttnd © uma base ortonormal para Nul 4",TEOREMA Como Av]| = 0, para 1 $n €6,~ 0 see somente se i> r, os vetoresY,.. .~.¥, eraM Um Su- bbespaco de Nal A de dimensio n—r. Pelo Teorema do Posto, dim Nul A =n” posto de A. Ent, oN) o ‘uma base ortonormal para Nul A, pelo Teorema da Base (na Sego 4.5). De (5) ¢ (6), 0 complemento ortogonal de Nul 4" &Col 4. Trocando por 4", temos (Nul A)! = Col "= Lin 4, Portanto, de (7), Wiseeesteh ®) uma base ortonormal para Lin A ‘A Figura 4 resume as equagdes de (5) (8), mas mostra s base ortogonal {6,u,,...,0,u,} para Col {Epa os quo ubeopayeshdamentlsdtcmianle or 4 poden ser ssc alguns eel espouse problemas de osmizaeio com vncules : Muttipleagzo or A Lina Av FIQURA4 Os quatro espacos fundamentais e @ apo de A. (Os quatro subespagos fundameniais¢ o conceito de valores singulares fornecem as afiemagSes fi- ‘ais para o Teorema da Matiz Invertvel. (Lembre-se de que as afirmagdes sobre 4" forarm omitidas do teorema para evitar quase que dobrar o aimero de afirmagdes,) As outa afiemagSes foram dadas nas Seydes 2.3,2.9, 32, 4665.2. ‘Teorema da Matric lvertivel(concluséo) Seja A uma matriz n xn, Entio cada uma das afrmagies a seguir € equivalent afimagio de ‘que dé uma matriz invertvel. u. (Col) = {0}. ¥, (NLA = RY, wv, Lina =" x. tem valores singulares no nus. EXEMPLO7 (OVS Reduzida ea Pseudoinversa deA) Quando Econtém linhas ou colunas nulas, 6 possivel obter uma decomposiggo mais compacta de A. Usando a notagao estabelecida anteriormente, seja ro posto de 4 e divida as matrizes Ue V em bloces de modo que o primeiro bloco de cada urna cconteaha r colunas: U [Uy Un V=Iv Verh emaue ¥, Entio, U,émxre V, én, (Para simplificar a notagdo, vamos considerar U._ou V._, apesar de que ‘uma dessas matrizes pode no ter colunas.) A multiplicagio de matrizes em Bioco mostra que U, Un [° Sle |-wowr © emque U, =[u) = wy] Ivo wlMatizes Simétricas e Formas Quacraticas 341, Essa fatoragdo de A & conhecida como uma decomposi¢io em valores singulares reduzida. Como ‘0s elementos diagonais em D nio so nulos, a matriz D é invertvel. A matsiz a seguir 6 chamada pseudoinversa (ou inversa de Moore-Penrose) de 4: At =¥,D"'Ur (ao) (Exerccos plement de 12214, 40 final et capil, explora algunas at roped dda decomposigdo em valores singulares reduzida e da pseudoin, versa. EXEMPLO 8 (Solucdo de Minimos Quadréticos) Dada a equagdo Ax = b, use « pscudoinversa de A em (10) para definir Endo, a DVS em (9), AR = (U, DV \(V,D“1Ub) =UDD"UTS —saque VV, <1 =U,Ulb ‘Segue de (5) que U,U;"b é a projegao ortogonal b de b sobre Col A. (Veja o Teorema 10 na Segio 63.) ‘Logo, £é uma solugda de minimos quadeiticos para 4x = b. De ato, ese Stem o menor comprimen- to entre todas as solugdes de minimos quadeiticos para Ax~ b. Vejao Exercicio Suplementar 14. mL COMENTARIO NUM (Os Exemplos 1 a 4 € 0s exervicios fustram 0 conceito de valores singulares e sugerem como fazer efleulos manuais. Na pritica, 0 edleulo de A7A deve ser evitado, 74 que quaisquer erros rnos elementos de A serao elevados a0 quatirado em 4A. Existem méiodos iterativos rapidos «que procuzem os valores singulares e os vetores singulares de A com precisio de virias casas decimals. Leitura Adicional Hom, Roger A. eChares R. Johnson, Matix Analysis (Cambridge University Press, Cambridge, 1990) Long, Clif, “Visualization of Matrix Singular Value Decomposition,” Mathematics Magazine S6 (1983), pp. 161-167. Moler, C. B. ¢ D. Morison, “Singular Value Analysis of Cryptograms,” Amer: Math. Monthly 90 (1983), pp. 78-87, Srang, Gilbert, Linear Algebra and ts Applications, 4 ef, (Belmont, CA: Brooks/Cole, 2005). ‘Watkins, David S., Fundamentals of Matric Computations (Nova York: Wiley, 1991), pp. 390-398, 409-421, PROBLEMA PRATICO ‘Dada uma decomposicao em valores singulares A = UV", encontre uma DVS para 4". Qual arelago entre os valores singulares de A e 0s de 4"? 7.4 EXERCICIOS acon os valores singulares ds matrizes nos Exerccios a4 “5 0 ate 3] “[% 4] [ [ tamom maD\Spemcasunsdsmanin mrs S212(S¢ 9 [ of a[ a Serena YA -is 3h Uv; a sont mee ‘nap 1 o ve ° o 3 ] 1 v6 ] 3 2/3 2/3 2 33-13 uve342 capiruto7 rae) 1a enonteampvspan a=[3 2 2 iscsi tt wn 1. Fara dn ban e om rion Coe e 15, Suponta que a ftorago« seguir je uma DVS pers uma mati A, ‘com os elementos om Ue V eredendados para dus casas deci 040-078 0477 [20 0 0 -o87|| 0 310 0 -o84 032 -o16 JL 0 0 0 030 — 0,51 — 081 x| 076 064 — 012 058 — 0.88 2% Qual €o posto de 4? '. Sem fazer nenhums cont, use essa decomposigo de 4 para ‘ncontrar uma base para Col de uma base para Nu A. [Suges- to Esoreva primeira as colunas de) 16. Repita o Fxereico 15 para a DVS a seguir de uma matrz 43 x4: 086 -0,t1 050771248 0 0 a=] 031 068 -067|| 0 634 0 0 088 oat ons -oss|| 0 0 0 0. 0.66 —003 035 0.65 ,. | -813 -090 —039 —o13 06S 008 -0.16 —073 =034 042 —0384 — 008 [Nos Exercicios 17 824, A é uma mati m > com uma decomposigo com valores singulares 4 = UEV',em que U uma matrz rtogonal m Xm, 26 uma matriz “diagonal” m xn com r elemento postivos © ne- ‘hum elemento negative, e 7 é uma mariz ontogoralm Xn. Jusifique cada resposta, 17. Suponha que scja quadrada c inventive. Encontr uma decompo: ‘igo em valores singularee de 4" 18, Mostre que, se for quairada, eno [lt 4] sei o produto dos va- lores singular de. 19, Moste que as colunss de soos autovetaes de 44, 8 colunas de U slo os atovetores de AA” eoselementosdisgonis de Eso os valores Sngulares do A, [Sugestdo: Use a DVS pura calelar Ate Ad") 20, Mose que, se 4 for uma mutriz psiiva defini nn, entio uma éiagonalizapto por maiz nogonal = PDP” seri uma decompo siglo em valores singulares de 4 21. Most que se P for uma matte otogonsl mm, eto PA tek os smesmos valores singulares que 4. Justiique a afrmagdo feta no Exemplo 2 de que 0 segundo valor Singular de uma matriz 4 € 0 miximo de [ Ax) quando x percore 0 ‘onjunto de todos os vetoes unitirios orogonsis «vem que ¥, & ‘um velo singular diritaassocindo ao primero valor singular de A. [Sugests Use 0 Teorema 7 na $2920 73.) Sejam U~ [u, Je V[y,..¥Jhem queos vetores u,¢v,sB0 ‘como no Teorema 19, Mestre que A= ojuy! + ound +--+ oul Usando a nota do Exerecio 23, mostre que = Gy, para 1 < J S7= posto ded, Seja 7: > R* uma transformapolineat.Descreva como encon- tearuma bare Bpare Be uma base Cara Ral que a maiz de Tem relagdo as bases @ e Cseja uma matriz “diagonal” m x [0] Calcle una DVS para caca matrz nos Exericis 2627. Use das ‘casas decimals em suas repost. Utilize 0 método dos Exemplos 34. 2 Me 2s, 8 13 4 219 4 MA | ay ay ig) 24 4 6-8-4 2 7-5-6 4 MAS) Gia 2 a 1204 4-8 28, [Mf Caleule os valores singulares da matriz 4» 4 no Exerecio 9 Segio 2.3 ecaleule o nimero de singuaridade 6/0, 29, [M] Caloule os valores singulares da matriz $x $ no Exercicio 10 ‘a Solo 23 ecaleuleonimero de singulridade 6/6. SOLUGKO DO PROBLEMA PRATICO ‘Se A= ULV, em que E 6 mx, entio A= (V'YE/U"= VEU". Essa é uma DVS para 4’, que Ve U ‘sio matrizes ortogonais e £” € uma matriz n x m “diagonal”. Como E ¢ Xm 0s mesmos elementos dliggonais no nulos, A e.4 tem os mesmos valores ndo singulares.[Obs.: Se A for 2X n,entlo AA" seri apenas 2 x 2e seus autovalores serdo mas facilmentecaleulaveis (a mao) que os autovalores de 4°A.] 7.5 | APLICAGOES AO PROCESSAMENTO DE IMAGENS E A ESTATISTICA ‘As fotograias tradas de satélites que aparecem na introdugto deste capitulo fornecem urn exemplo ‘de dados muliidimensionais — informagdo organizada de tal modo que cada dado no conjunto de da- dos ¢ identificado com um ponto (ou vetor) em BR. O principal objetivo desta segdo & explicar urna técnica, conhecida como andiise da componente principal, usads para analisar ‘ais dados multi ‘mensionais. Os céleulosilustraro 0 uso da diagonalizago por matriz ortogonal e da decomposicio ‘em valores singulares. ‘Acanilise da componente principal pode ser aplicada a qualquer conjunto de dados consistindo ‘om uma lista de medidas feitas em uma colegdo de objetos ou individuos. Por exemplo, considere ‘um processo quimico para a produgio de um material pléstico, Para monitorar 0 processo, sio reti- radas 300 amostras do material produzido, e cada amostra ¢ sujeita a uma bateria de testes, tas ‘como ponto de fuséo, densidade, maleabilidade, resisténcia & tragdo,e assim por diante. O relatério do laboratério para cada amostra € um vetor em: R®, e o conjunto de tais vetores forma uma matriz ‘8 300, chamada matriz de observagies. TInformalmente, podemos dizer que os dados de controle do processo tém dimensio eito. Os dois ‘exemplos a seguir deserever dados que podem ser visualizados por meio de grifices.FIGURA2 Pontos espalhados representendo dados espectrais 0 pare algum x, eno forma quadritica x7Ax sera po sitive defnida 1. Qualque forma quarétca pode ser taneformad, por uma mi ddanga de viriveis convenient, em uma forma quadritica ser terms eruzados. i. O maior valor de uma forma quadritca x'4x para |x| = 1&0 aioe clementonadisgonal de 4 44. Ovalor maximo de uma forms quadrtice positiva definidex'4x 60 maior auovalor de 4. ik, Uma forma quadriticapostiva definida pode ser transformed fem uma forma quadritiea negativa definide por ume mudanga de varves convenient x= Py para alguma maiz onogonalP. 1. Uma forma quadrice indefnid é uma forma cujs autovalores lo eto definidos. sm, Se for uma matiz orignal nxn, niio umudana de varies 3x =Py tansformardx4x em ums forma quate cya mati & Pu. 1. Se Uforuma matrizm x1 com colunas ortogonsis,entio UU seri a projego ortogonal de x sabre Col U: ©. SeBformxne se x forum veto nitro cm Reno Bx] So, femque 6, €0 primeico valor singular de B . Umadecomposigfo em valores sngulace de ume mati # mx pode ser escrta na forma B= PEQ, na qual P & uma matriz fortogonal mx m, O é uma matriz oxtogonal nx e¥ é uma matriz “diagonal” mn @ Se form, eno de 4A terBo os mesmes valores sing aces, 2 Soja (u,..,u} uma base ortonormal para Ree sejam 2,2, ceacalaresebitreios. Deion As yma ob Leta | Mostre que 6 simétrica, '. Mostre que, 2 $0 os autovalores de A ‘3. ‘Soja ume matiz simétieam = m de posto. Explique por que a ‘ecomposigio espectal de representa 4 como ume soma der rmatrize de posto 1 4. Soja. A uma mates siméerican n | Mosite que (Col A)*=Nul A. Sugestdo: Veja a Seel0 6.1] b, Mostre que cada y em R” pode ser escrito na forma y= $1 x, 1 qual ¥pertence a Col 4 ez petence a Nul A.“Mose que, sev for um autovetor de uma matrz An =n associado ‘umautovalor aio nulo, enti vperteneeré.& Col A, [Sugesdo; Use 1 definigdo de autovetor] {6 Seja A um matriz simétrcn nx n, Use o Exercicio 5 e uma base ‘de autovetores para B para obte uma segunda demonstapio da ddecomposigto no Exercico 4), 7. Prove que uma matriz An <6 positiva definida see somente 4 sddmitir uma fatoragdo de Cholesky, ou aja, A= 'R para gums ati invertive triangular superior Reajos elementos dingonas sto todos postivos, [Sugesta: Use uma fetoracdo QR eo Exeeicio 26 ra $e5807.2] 8 Useo Bxecicio 7 para mostrar que, se 4 for postiva defini, entdo A ati uma fatoragdo LU, A= LU, em que U tem pivdspositivs tem aua diagonal. (A rvfproca também & verdadei) Se form com mesmo posto que Ae Q é uma mati ortogonal nx m. [Si _gertio: Use uma decomposigio em valores singulares 4 = UEV' © note que = (UEU "(UV *)] Essa decomposigdo€ utilizada, por exemplo, em engenhatia mecnica para modelar a deformagao de lum material A mattz Pdesereve oalongamento ou compressto do rateril (nas diregbes dos autovetores de P) e Q descreve a o1agio do material no espage. (0s Execcis 1214 tam de uma matiz A m xn com uma decomposigio em valores singular reduzia A= UD pseudoinversa "= VD-U; Matizes Simétrieas e Formas Quacrsticas 349, 12, Verifque as sguintes propriedades de 4°: Paracada y em Rr AA'y 6a projegio ontogonal de y sabre Cold. b, Paracada xem R’ 4“Ax a projego onogonal de x sobre Lin . © AdAmAed'Ad =A, 13, Suponha que a equagéo 4x =b sea consstenteesejax'= 4°. Pelo Exerecio 23 na Seqio 63, existe exatamente um vetor pem Lin A tal que Ap=b, Os pasos a seguir provam que x"=pex’éasoli- (fo de camprimento minimo de Ax~b. 1. Mostre que x” pertnce a Col. [Sugertio: Escrevab como Ax para algum xe useo Exereici 12.) , Mostre que x” € uma solugdo de Ax =D. ©. Most que, sew forma slugio de Ax~b, ento fxs, com ‘igualdadevilda apenas se u~ x 14, Dado qualquer b em , adapte o Exerccio 13 para mostrar que 4° 6a soluclo de minmos quadrdticos de menor comprimento {sugestdo: Considere a equagdo Ax =, na gual b 6 projeo or fogonal deb sobre Col 4. [M] Nos Exercicios 15 16, construa a pseudoinversa de 4. Comece ‘usando um programa para produri a DVS de A ou, $e ndo tiver um pro- ‘rama disponivel, comece com uma diagonalizagio de 44 por mattiz ‘ortogonal, Uses pscudoinversa para resolver xD para =, ‘)e se fa soluplo, Fags um edleulo para verifeer que &pertence& Lin 4A. Encontre um veiorndo aula w em Nul de weriique que || < | $+ tl o que tom de ser vlid pelo Exerici 136). 3-3-6 6 1 at te BAR go oot ro 4042 0 [3 03 5 0 MARZ D4 8 603-6 0Geometria dos pacos Vetoriais Es EXEMPLO INTRODUTERIO Os Sélidos Platénicos © filésofo grego Plato fundou, na cidade de Atenas em 387 aC, ‘uma Academia considerada, algumas vezes, como a primeira Universidade do mundo. Apesar de ocuriculo inelurasronomia, biologi, teora politica ¢filosofia,o assunto que mais agradava Platio ra geometri. De fat, inscrito em cima da pora de sua academia estavam as palevras: "Nao permito que ninguém que desconhega geometria entre pela minha porta." (s gregos ficavam muito impressionados por padres ‘geométricas, como os sélidos regulares. Um poliedro & dito regula se suas faces forem poligonos regulares congruentes © todos os angulos nos vértices forem iguais, Cerca de 150 anos antes de Euclides, os seguidores de Pitigora jé conheciam pelo ‘menos tés sdidos regulars: o tetracdro (4 faces trangulares), ‘ cubo (6 faces quadradss)e 0 octaedro (8 faces triangulares). (Veja a Figura 1.) Essas formas ocorrem naturalmente em cristaiscomuns. Existom apenas cinco séidos regulares, 08 dois restantes sendo 0 dodecacdro (12 faces pentagonais) 0 ‘cosaedro (20 faces trangulares). Platio discutiu# teria bésica desses cinco sélidos no Livro XIII de seus Elementos¢, dese entio, eles levam seu nome: 05 solide platénicos. Durante séculos, nfo houve necessidade de se considerar ‘objetos geométricos em mais de trés dimensGes. Mia, hoje em ia, os matematicos trabalham de mance regular com objetos ‘em espagos vetoriais com quatro, cinco ou até centenas de -[Je-[iJ-»- ome ‘B= (b, b,,b,} é uma base para R®, Determine se 0s pontos p, ep, sio combinagSes afins dos pontos em B. SOLUGHO Enconire as coordenadas de p, ¢ p, em relasio & base B. Esses dois céleulos podem ser combinados por meio do escalonamento da maitz [b, bb, p,p,),aumentada com duas colunas: sat aH: 20 2/~lo 1 a0 2) fe {Leia coluna 4 paras coefcenes de p, e coluna Spar os coeficietes dep, P= 2h —be-+ 2b) © y= Fi + 3b Ys EXEMPLO 2 Sejam b, ‘A.soma dos coeficientes na combinago linear para p, é—1 nfo 1, de modo que p, ndo & uma com- bbinagdo afim dos pontos em b. No entanto, p, ¢ uma combinaco afim dos pontos em b, jé que a soma dos coeficientes na combinacdo linear para p, 61. . ‘Um conjunto $€ afim se p, q€ S implica ser (1 — p+ ig € S para todo niimero real f CGoometicarent, um conjuntoéafim se, sempre que dois pontos pertencerem ao eonjuno, rela contendo esses dois pontos estiver contida no conjunto. (Se S s6 contiver um ponto p, entio a reta contendo pe p seks un pont, uma reta“depeneraa”) Em temo algdbrcos, pat um conju) ‘ser afin a definigdo requer qu toda combinagto aim de dois pontos em Spey aS. De fra ‘surpreendente, isso ¢ equivalente a exigir que S contenha todas as combinagées afins de um numero: ‘sbitro de pontos em S.354 copiruio 8 TEOREMA 2 DEFINIGAO TEOREMA 3 ‘Um conjunto § é afim se e somente se toda combinagio afim de pontos em S pertencer a S. Em ‘outras palavras S 6 afim se e somente se S= afim S. DEMONSTRAGAO Suponha que S'seja aim e use inducdo no nimero m de pontos de S que aparece ‘em uma combinagao afim Quando m & 1 ou 2, uma combinacio afim de m pontos em S pertence a $ pela definigdo de conjuntoafim. Suponha agora que qualquer combinagdo afim de k ou menos pontos fem S pertencer a $e considere uma combinagdo afim de k + 1 pontos. Sejam v, em S,para i= 1, .., K+ Lesejay = oy, +... $44, + e.¥y Come, +... +e, +6, = 1 Como a soma dos ¢,é1, pelo ‘menos um doles é diferente de 1. Reordenando os ¥,¢ ce necessirio, podemos supor sem perda de ‘goneralidade que c,, # 1. Saja tc, +... +c, Entio f= 1—¢,,, #06 +n) becomes © Peta hipstese de indugo, 0 ponto z= (c/w, +... * (i), pertence a,j que seus coeficientesso- ‘mam 1. Enido (6) mostra y como uma combinagio aim de dois pontos em S, logo pertence aS. Pelo principio de indugdo, toda combinapdo afm de pontos em S perence aS, ou sej, afims SS. Como ‘A inclusio inversa, $< afim S sempre ¢ verdadeira, mos que, quando S aim, S= aim S.Recipro- cament, se S= afim 5, entio combinagSes afins de dois (ou mais) pontos em $ pertencem a S, logo Séafim . A préxima definiglo fomece terminologia para conjuntos afins que enfatiza a conexSo com su- bespacos de B ‘Um translagzo de um conjunto S em R* por um vetor p é 0 conjunto S++ p= {s+ pis. 5} ‘Uma variedade afim em Fé uma translagéo de um subespago de R. Duas variedadesafins so parallas se uma delas for ums translagéo a outs. A dimensio de uma variedade afim & a i- ‘mens do subespago paralelo correspondente. A dimensio de um conjuntoS, denotada por dim 'S, 6a dimensdo da menor variedade aim que contém S. Uma reta em 8 & una variedade fim de ‘dimenslo 1. Um hiperplano em R 6 uma variedade afim de dimension —1. Em R?, os subespacos prOprios*consistem em: a origem 0, todas as retas contendo a origem e todos 60s planos contenda a origem. Logo as variedades afin proprias em R? sio os pontos (de dimensio 2er0), as rtas (de dimensao 1) ¢ os planos (de dimensio 2), que podem conter ou nfo a origem. ( priximo teorema mostra que essas deserigdes geoméitieas de retas e planos em (como trans- lagdes de subespacos)coincidem, de fato, com as descrigSes algSbricas anteriores como conjuntos de todas as combinagGes afins de dois ou trés pontos, respectivaments Um conjunto nfo vazio S éafim see somente se for uma variedade afizn. DEMONSTRAGAO Suponhe que Sj fim. Sea pum posto ixoem Seseja W=S+(-p), de mado «que SF +p, Para mostrar que S uma variedad aim, basta mostrar que ”& um subespago de Be. Como p esté em S, o vetor nulo pertence a W. Para mostrar que W é fechado em relaco a soma de ‘stores e& mukiplicaso por escaares, basta mostrar que, sew, ew, pertenceem aH, en30, + m, Dertencerd.a W qualquer que ej onimero rel Como, eu, esto em WY, exstom s,e8, em S tis feu, ~5,~peu,~ 4, p. Endo, qualquer que sejaonfmero real a m= 61 ~ pI FHP) = (1-98 416148 —p)—P Sejay=s, +5, p. Temos que y 6uma combinago afm de pontos em S logo pestence a, jf que § afi (pelo tcorema 2). Mas eto (I~ fs, + também esti em S, de modo qu u, +, perience a —p + S= W. Isso mostra que W é um subespago de R” ¢ S é uma variedade afim, pois S= W+ Reciprocamente, suponha que S seja uma varicdade afim, ou seja, S= W’'+ p paraalgump < Rte aigum subespago WV. Para mostrar que S fim, basta mostrar que, dados dis pontosquaisquer 8, ¢ P= 0, ransladado de $ prico S. Ve Fgura 4m Soyo 15. "Um subconjunto 4 de um conjnto B € dito um sabeonjnte proprio de B se AB, Amesma condo se apis m= bespagospropriosevariedades afin em Bo si gua 2Brioura 3 DEFINIGAO TEOREMA 4 |AGeometria dos Espagos\Vetorials 355 s,m, area contendo , es, esti contda em S, Pela dafingdo de W,existem u, eu, em W tas que a, +pes,=u, +p. Assim, para cada rreal, (19s) +1 = (91a +p) +m +9) =(-)u +10 +p ‘Como I7€ um subespago, (1—u, +m, € W7, de modo que (Is, +18, € I+ p=S.Portano, Sé aim . (0 Teorema 3 fornece um modo geométrco de se vero fecho aim de um conjuno: & a varedade «fim que consiste em todas as combinagSes afins de pontos no conjunto. Por exemplo, a Figura 3 ‘mostra os pontos estudados no Exemplo 2. Embora 0 conjunto de todas as combinagBes ineares de »,,b, eb, sea todo BY, ocoajunto de todas as combinagSesafins € apenas o plano que costémb,,b, cb,. Note que p, (do Exemplo 2) pertence ao plano dfinid por b,,b, eb, enguanto plo pertence «esse plano, Veja também o Exercicio 14, 0 prximo exemplo olha um conjunto familiar — o conjunto de solugSes de um sistema 4x = b — sob um ponto de vista novo. HREMPLO3- suport ues ayes agus A= jun as max pan ga 2 : . []-e-[ ‘| Lenk depo 18 qv cnn uno nay soso dee ye ais oops ran. Doe ps0 ent Singtel bean oyu) SOLUGAO _O eonjuntosolugdo é uma reta contendo p ne direso dew, como na Figura 1. Como afim {, ¥3) 6a retadeterminada por v, cv, basta identificar dois pontos na reta x= xu + p. Duas esco- Ihas simples correspondem ax, =e, ~ 1, ou sea, eseolha v, = p ev, =u-+p, de modo que ver PRLS [Nesse cas0, 0 conjunto solugo pode ser Gescrito como o conjunto de todas as combinagées afins da wal Jef . Antes, o Teorema I mostrou uma conexio importante entre combinagdes afins e combinagées li- neares. O préximo teorema fornece outra visio de comibinagSes afins, uma visio intimamente ligada ‘a aplicages em computapio grifica nos casos de R” e de R, que sero discutidas na proxima sepio (ena Seqdo 2.7) Para v em Ra forma homogtnes padrlo de v & 0 ponto ¥ = [yee ‘Umponto y em R é uma combinago afm de v,... em R* see somente sea forma homogénea dey pertencer a £4¥,,...,¥,}. De ato, y= ev, +... Fev, come, +... +¢,= 1 see somente se Wt tes, uTnieniea DEMONSTRAGAO Um poto y pertence a ain{y,. ¥,} 8 @ somente se existrem coeficientes eal eoledeel] Isso ocorre see somente se pertencer a £4¥,,¥,, .a fee. rever p como uma combinagao afim de V,, ¥, € ¥y S€ possivel, :| Use Teorema 4 para ¢s- SOLUGHO Esealone a maiz aumentada para a equacio vit thy tat =P Para simplificar a artmética, mova a quarta linha com todos os elementos igus a 1 para 0 topo (equivalente a ts trocas de linhas). Depois disso, o nimero de operages aritméticas é basicamente ‘omesmo que pars o método usando o teorema I. ta Paid aa pin~f? ft 4[fo2z2s EW bl 2 or sl"l0 1 6 2 12 10} lo 1 o-t 10 0 15) o 10 4 ~'~To 0 1 os 000 8 Flo Teorema 4, 1.5, v,* 0.5%, = p. Veja Figun 4, que most plano que conv, ¥ "3 © (Guntos com os poatos nos eixos coondenados). PROBLEMA PRATICO cage pone = [e=[h}=[3] w= [f] amr aman cxplque porque p tem de ser uma combinacio afm de v,v, ev, Depois enconte « combinasio stim par p. [Sugestdo: Qual és dimensio desi {v,¥ )2] 8.1 EXERCICIOS "Nos Eicon 1 covey como uma conbingo fin ds outros ; i nts istados, spose ronisessint =[ i] =| }m=| uve [due [Z}e= [= [f= [3] J la 'S= (by by by). Note que S€ uma base onogonal para R. Bsereva cada ‘um dos poatos dados como uma combinaeafim de poatos no conjur- 10S, se porsivel. [Sugestio: Use o feorema 5, na Sepio 62, em vez do ‘ecalonamento para encontrar os coefcientet.) El -(l-els Joel7. Seam n=[Gh =| 7 4 1 5 -9 4 3 10 2 w=] 3 of Pals 3 “1 5 5 {y-¥¥y)-Pode-se mostrar qe 86 lineaments independ 8 p,portence a £65)? p prince afin S? i, pypertence a(S)? p,pertence a afin 6. p,pertence a £(S) p, prtence a afin 5? 4 Repita o Exericio 7 quando 1 2 3 _|o t] Lf o w= of. eh el al = 3 6 4 s 1 ai 3 6 p=] -3| © Ba] 6 4 6 “8 bop gm wales in ap 35 seb : [Jason poaa)icy Reunueuenmuie a -ncelicies ai in pea ae nat a wn = aes 5 1 1] © p=| 3 | txeone 2 4 ontsv, ey, ts qu conjuntsligdo de 4x = igual ain ve) [Nos Exericioe 1 12, marquo cada efirmagio como Veréadeire ou Fal 2 Tusiqu cada respi, 1 a. Ocorjunto de das as combinagtes fn de pons em um con- junto chamado feco afi de i. Se fb} forum conjuno lineaments independent em Rresep era combinaio linear deb, coop Ser una combines aim de .. By «0 echo afim de dois patos dsnts &chamado es, tamaa-snspenaee= [4] 6 formax= xu pyemaue |AGeometria dos Espagos\etorials 357 ‘Uma varidade afm & um subespag. © Umplano em ®? é um biperplano, Se S= {x} endo afim Sse oconjunto vazio, 1, Umanjunta fim see somente se cantiver se echo afin, . Uma variedade afi de dimenso 1 &chamadareta 4. Uma variedadeafim de dimenso 2 ¢ chamatahiperplano. «©. Uma varedadeafim que conti aorigem 6 um eubespago, 13, Suponha que {vv ¥,} seja uma base para f’. Mostre que £ Wv,-¥,.¥,-¥,) € um plano em Iv. [Sugestio: O que voce pode dizer sobre We V quando £ (u,v) éum plano?) 14. Mostrequs, se {¥,¥; ¥) for uma bas par Bento aim(v,¥.,¥3) serio plano que Coatem v,,¥, ©, 15,_ Soja 4 uma matrizm x, Dado b em R, mostre que 0 conjunto S de todas as solugdes de 4x = b€ um subconjnto afi de ) 6 um sub- 16, Sojamvc Rreke R. Prove que conjuntoafim de B. 17, Escolha um conjunt S de its pontos de modo que afim Sseja 0 plano em Fcujeequagdo és, = 5, Justiique sua resposta 18, Escotha um eonjuato $ de quatro pontos dstnts em IR? de modo aque afi $ sea plano em BR exja equagdo € 2, +x, ~3x,= 12. Sstifique sua respost, 19, Seja Sum subcoajuntoafim de R*e suponha que fs R°—> Ro seja ‘uma transforma Hines. Denote por /() conjunto de imagens YG): x 5}. Prove que (5) um subconjuntoafim de R" 20, Sejam f: R — Re uma transformagéo linear, Tum subconjunto atime Bre S= (xe R'ftx)€ T). Prove que ¢ um subconjunto aim de Be [Nos Exercicios 21 226, prove as afmagies sobre os subconjunts A ¢ 2B de Box enconte 0 exemplo pedido em. Uma demonstragto para ‘um exerccio pode user resultados de execicios anteriores (lem dost ‘oremas ji disponivis no texto). 21, SeAcBeB foralim, eno fim A cB, 22, SeAB, ent afm A Calm B. 23, ((alim 4) U (fim B)] calm (4 W 8). (Suge: Para mostrar que DUEcF,mosire que Dc PeECF] 24, Enoontre um exemplo em R? para mostar que a igualdade pode ‘lo ser vilida na airmagio do Exercicio 23. [Sugestéo: Consiere conjuntos 4 e contendo apenas um ou dois pontos] 28. fim (4B) (afm Oafim 8), 126, Encontreum exemplo.m R para mostrar que igualdade pode nfo ser vlidanaafirmagdo do Exereicio 25, xeRi xv ‘SOLUGAO DO PROBLEMA PRATICO RT nel ses pontos como colunas: ‘Como os pontos v,v, ¢v, no slo colineares (ou seja, nfo pertencem # uma mesma ret), afim {pp ¥4} milo pode ter dimensio 1, Logo afim {v3 ¥,} tem de ser igual a R?, Para encontrar os coeficientes usados para exprssar p como uma cambinagio afim dev, ¥, © ¥, calcule primiro peel] «ef Para escrever p ~ v, como uma combinagio linear dev, -y, €,—¥), escalone a matriz que tem es- ¥,=¥,) +2(0,—¥)),0 que mostra que p=(1-}-2)4 44 +2¥5Isso expresa p como uma combinayo afim de v,v, €,,jé que a soma dos coeficientes€ 1. ‘Um modo alterativo € usar o método do Exenplo 3 ¢escalonar: [ "] brad 10 Hove os Pl ly 1 3 af~lo 1 Te ee oath Isto mostra que p 8.2| INDEPENDENCIA AFIM Esta sepo continua a explorar arelagdo entre os conceitoslineares € os conceitesafins. Considere, primeiro, um conjunto de tres vetoresem R’, digamos S {v,¥,.¥,}. Se for linarmente dependen- te, um dos vetores poderd ser escrito como uma combinagdo linear dos outros dois. O que acontece ‘quando um dos vetores é uma combinagao afim dos outros dois? Por exemplo, suponta que va =(1=2v) + 1¥2,paraalgum rem, Enizo (=v tive Esta é uma relagdo de dependéncia linear, jd que nem todos os coeficientes so nulos. Mas podemos dizer mais do que isso — a soma dos coeficientes na relasSo de dependéncia é igual a zero: (-n4r+Cy =o. Esta 6 a propriedade adicional necesséria para se define dependéncia afim. DEFINICAO Um eonjunto de pontosindenados (vy... v,) em R 6 dependente do ponto de vista aim (ou de- ‘pondente afm, par simplificar) se exisirem nimeros ras ¢,.., nom todos nulos ‘as que ei tebe o Caso contririo, 0 conjunto € dito independente do ponto de vista afim (ou independente afm). ‘Uma combinagdo afim & um tipo particular de combinago linear, @ dependénciaafim & um tipo restrto de dependénca linea. Assim, cada conjunto dependenteafim & de modo autométio lincar- ‘mente dependente, ‘Um conjunto {v,} contendo apenas um ponto (mesmo sendbo o vetor nulo) tem de ser independen- te afim, jé que as propriedades sobre os ceficientes para que o conjunto seja dependente no poder ser cumpridas quando s6 ha um coeficiente, Para {v,}, a primeira equago em (1) é simplesmente ¢, = 0 e pelo menos um dos coeficientes (0 tinico) tem de ser diferente de ze. (0 Exercicio 13 pede que voe# mostre que um conjunto indexado {v,,v,} & dependenteafim se © somente sev, =v, O teorema a seguir trata do caso geral e mostra como o conceito de dependéncia afim 6 anélogo ao de dependéncia linea. Os itens(c)¢ () fornecem métodos iteis para determinar se um conjunto & dependente afim. Lembre da Segdo 8.1 que, se vestiver em R, 0 vetor vem RB"! denotarda forma homogénea dev. TEOREMA 5 — Dadoumconjuntoindexedo S~{¥,,...¥,} em R*com p> 2, asafirmaptes a seguir sto logicamente ‘equivalentes. Em outras palavras, ou todas so verdadciras, ou todas so filsas. ‘5 édependenteafim. ', Um dos pontos em $¢ uma combinaglo afim de outros pontos em S. © Oconjunto {v, vip... ¥,—¥i} em R’ é linarmente dependents, 4. Oconjunto {¥,,....¥,) dé formas homogéneas em R" é linearmente dependente DEMONSTRAGAO Suponka que a afirmagso (a) soja verdadeiraesejam cy... escalaressatsfa- zendo (1), Reordenando os panos, senecessirio, podemos supor sem perda de generaidade que c, #0 ¢ cividir ambas as equagdes em (I) por c,, de modo que 1+ (eye) + ..* (¢/e=0€ Vp (ea/eive s+ ep/eNp @|AGeometria dos Espagos\Vetorials 358 "Note que a soma dos coeficientes &direita do sinal de igualdade em (2) € igual a1. Assim, (a) implica (©). Suponha agora que (b)seja verdadeira. Novamente, reordenando os pontos se necessério, pode~ ‘mos SUpOr que V,=65¥, + .. + 6¥,,emque c,* ...+¢,= 1. Temas (abet eg = ava oF Op¥y ® e2—¥)) oF eplvp =H) =O “ [Nem todos os coefcientes c...¢, podem ser nus, jé que a soma & 1, de modo que (b impli () Se (c) for verdadeira ent existirio coeficientes c,..,¢, nem todos nulos, tis que (4) € valida ‘Colocando (4) na forma (3) ¢ escolhendo ¢, =-( ¢,*".. +¢), obtemos ¢, +... + ¢, = 0. Assim, (3) ‘mostra que (1) & valida, de modo que (c) implica (a). Iso prova que (a), (b) ¢ () so Togicamente ‘equivalents. Por fim, (d) éequivalentea (a), jé que as duas equagSes em (1) sdo equivalentes & equa- «fo 8 seguir envolvendo as formas homogéneas dos pontos em S: “ w]_fe o[t]e-ee[t]-[] . ‘Na firma (¢) do teorema 5, v, poderia ser substituido por qualquer outro ponto na lista yy +, Soa notago mudaria na demonstragio. Assim, para testar se um conjunto € dependent aim, ud. ‘aia um poato do conjunto dos outros ports e verfique seo conjuntotansladado com p 1 pontos 6 linearmente dependeate, EXEMPLO 1 0 fecho afim de dois pontos distintosp e q é uma reta. Se um terceiro ponto r pertencer 1 essa reta, entfo {p, 4, r} & dependente afim. Se um ponto s nao pertencer a esta reta, entfo esses {ts pontos nio serdo colineares e {p, q, 8} serd independenteafim. Veja a Figura 1 . aiftp.a) ® s FIGURA {p, 4,1} € dependenteafim, ome ef LiJoE E independente afi, ys). Detemmine se $ 1 1 ee -0.5 0 {ogo formam ur conju linearmente independenteS. Logo, todas as afirmagdes no teorema $s falsas, eS & indopendenteafim. A Figura 2 mostra Se sua ranslagio 8. Note que £(S') 6 um plano contend oigem afi S€m plan paral contendovv,6¥, (Elo gue fia soe ‘uma parte dos planos.) stimiy.¥,¥9) Tarts Lay FIGURA2 Um conjuntoindependente afi {¥,¥,,¥) cmos soon=[$]o=[3}o=[Fo-[i freee Occonjunto 8 ¢ dependente afim?TEOREMA 6 DEFINICAO wee onsen SJo-n-[{] «2-0 [if ei bat =r 1-1 = b= -1 4 1ni~fo os as|~fo sis os o-1} Lo -os 15] Lo 0 0 LLembre da Segdo 4.6 (ou da Seqdo 2.8) que as colunas sfo linearmente dependentes, pois nem todas as colunas sio colunas pivd, de modo que v,~v,,¥,~¥, €¥,¥, sio inearmente dependentes. Pela afirmagio (¢) do teorema 5, {¥,V,,¥,, ¥,} € um conjunto dependente afim. Essa dependéncia também ppoderia ter sido estabelecida usando-se o item (d) no teorema 5, em vez do item (c). . amatriz: 0s céleulos no Exemplo 3 mostram que v,—v, é uma combinacdo linear de v, ~v, e¥,—V,, 0que significa que v, -v, esté em 2{v, -v,,v, —v'}. Pelo Teorema I na Segio 8.1, , ester afim [¥,,V,, ¥,}- De fato, ui escalonamento completo da matriz no Exemplo 3 mostraria que 7 Ve =v, = 2(v2— v1) +303 — v1) 6) Ve = —4¥1 + 202 + 3¥5 oO ‘Veja a Figura 3 aim(y. 93.95) FIOURA2v,pertence ao plano afm {¥, ¥.9¥4) A Figura 3 mostra reticulados nos dois planos ¢{v,— v,,v, —v,) eafim {¥,,¥,.¥,}- Oreticulado cemafim {v,,¥,,¥,} baseia-se em (5). Outro “sistema de coordenadas” pode se bascar em (6), em que (0s eneficientes ~4, 23 sio chamados coordenadas afins ou baricéntricas de v,, Coordenadas Baricéntricas ‘A definigdo de coordenadas baricéntricas depende da vers4o afim a seguir do Teorema de Represen- ‘taco Unica na Sepao 4.4. Veja o Exercicio 17 no final desta seeao para a demonstracio, Seja $= {¥;...¥,} um conjunto independente afim em I. Entio, cada p em afim $ tem uma ‘epresentacio tinica como combinasio afim de v,,.., ¥, Em outras palavras, para cad p existe vn tal que © tebe al a [Note que (7) € equivalente a uma tinica equagio [lea(t lf 7|AGeometria dos EspagosVetorials 361 ‘envolvendo as formas homogéneas dos pontos. O escalonamento da matriz aumentada[¥, ... ¥, para (8) fornece as coordenadas bariéntricas de p. exeMPLO 4 sein =[1].=[}].c=[$] © p= [3]; Basnte as node ba cfntrcas de pdoteminadas peo conunto independents aim (,B SOLUGAO Escalonando a matriz aumentada dos pontos em forma homogénea © movendo a éltima links para a posigo da primeira para simplificar aaritmética, obtemos 1309 5) frig 703 3/~f1 3 5 1114] [7 0 3 o 1 ‘As coordenadas so !, | ‘As coordenadas bariegntricas t8m interpretagSes fisicas e geométricas. Elas foram defi- nidas originalmente por A. F. Moebius em 1827 para um ponto p no interior de umm tridagulo ‘com vértices em a, b ¢ ¢. Ele esereveu que as coordenadas baricéntricas de p so trés ni ‘meros nao negativos m,, m, ¢ m, tais que p € 0 centro de massa de um sistema consistindo ‘em um tridngulo (sem massa) e massas m,, m, ¢ m_ nos vértices correspondentes. As massas estio unicamente determinadas se for exigido qué sua soma seja 1. Essa visio ainda & til em fisica hoje em dia ‘A Figura 4 fornece uma interpretago geometrica para as coordenadas baricéntricas no Exemplo 4,mostrando otriéngulo Aabe e tes triingulos menores Apbe, Aape ¢ Aabp. AS reas dos triéngulos _menores s4o proporcionais is coordenadss baricéntricas de p. De fato, 1 ‘tea(Apbe) = 5 eat abe) frea(Aape) = 5 -drea(Aabe) ® frea(Aabp) = 2 drea(Aabe) Grea» 5 Scea(Aube) ll aie . FIOURA4 p=rasb +10. Aqui, r=! As formulas na Figura 4 esto verficadas nos Exercicios de 21 a 23. Igualdades andlogas slo vi- lias para volumes de tetraedros quando p é um ponto no interior de um tetraedro em com vérti- cesema,b, ced ‘Quando um ponto néo esti no interior de um triingulo (ou tetruedro, algumas ou todas as coor- denadas baricéntricas sero negativas, A Figura 5 ilustra o easo de um triingulo com vértices em a, "Veja o Exericio 29 na Seedo 1.3. Em astronomia, no enunto,“coordenadas baricttias” se referem, em geal a ‘oordcuadasusuais eB ca um sistema couhcedo pr Slstema Celesal Iteraclonal, umn sista de coordeaadas ‘atsinas par 0 espagosideral cam ovigam ao cenro de masa (olicen0) do sistema Sola.