Escolar Documentos
Profissional Documentos
Cultura Documentos
ARIO
7 Diagonalizacao de Matrizes 42
7.1 Resultado b asico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
7.2 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
7.3 Func ao de matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
7.4 Aplicac ao a equa coes de diferencas . . . . . . . . . . . . . . . . . . . . . . 48
8 Teorema Espectral 52
8.1 Considera coes iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
8.2 Espacos vetoriais complexos . . . . . . . . . . . . . . . . . . . . . . . . . . 54
8.3 Equac oes diferenciais e a exponencial de matrizes . . . . . . . . . . . . . . 58
9 Massas e Molas em Equilbrio 62
9.1 Uma massa e uma mola . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
9.2 Duas molas e uma massa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
9.3 Uma massa suspensa por uma mola . . . . . . . . . . . . . . . . . . . . . . 64
9.4 Uma massa entre duas molas alinhadas com a forca da gravidade . . . . . 64
9.5 Duas massas e duas molas alinhadas com a gravidade . . . . . . . . . . . . 65
9.6 Uma linha de molas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
10 Projecoes e Quadrados Mnimos 71
10.1 Proje cao sobre linha reta . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
10.2 Determinac ao da constante de elasticidade de uma mola . . . . . . . . . . 73
10.3 Soluc ao de sistemas impossveis: quadrados mnimos . . . . . . . . . . . . 74
10.4 Regressao linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
11 Agrupamento de Genes 79
11.1 Motivac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
11.2 Particionamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
12 Exerccios I 80
12.1 Parte um . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
12.2 Parte dois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
12.3 Parte tres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
12.4 Parte quatro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
13 Exerccios II 90
13.1 Um . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
13.2 Dois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
13.3 Tres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Captulo 1
Metodo de Eliminacao de Gauss
1.1 Metodo de substituicao
O metodo de elimina cao de Gauss nada mais e do que uma vers ao algoritmica do metodo
de substituic ao. Recordamos o metodo de substituic ao. O metodo de substitui cao escreve
uma das incognitas em termos das outras (resolve para uma em func ao das outras),
e substitui a expressao dessa inc ognita nas restantes equac oes, eliminando-a, portanto.
Vejamos um exemplo, com tres equac oes a tres inc ognitas u, v e w,
2u + v + w = 5
4u 6v = 2
2u + 7v + 2w = 9
1
a
equac ao
2
a
equac ao
3
a
equac ao
(1.1)
Resolvemos a primeira equa cao para a inc ognita u em fun cao das outras inc ognitas, ob-
tendo
u =
1
2
(5 v w) (1.2)
A equac ao (1.2) e equivalente `a primeira equac ao em (1.1). Substituindo-se o valor de u
como expresso pelo lado direito da equac ao (1.2) nas 2
a
e 3
a
equac oes de (1.1) obtemos
4
2
(5 v w) 6v = 2
2
2
(5 v w) + 7v + 2w = 9
(1.3)
resultando em
8v 2w = 12
8v + 3w = 14
(1.4)
Chamemos o n umero que multiplica a incognita u, na 1
a
equac ao em (1.1) de pivo, isto e,
2 e o pivo da primeira equac ao em (1.1). Se multiplicarmos ambos os lados da 1
a
equac ao
em (1.1) por
4
2
, onde no denominador temos o pivo, e se da segunda equac ao subtrairmos
esse m ultiplo da primeira equacao, obtemos a equacao,
8v 2w = 12
1
2 CAP
ITULO 1. M
ETODO DE ELIMINAC
AO DE GAUSS
Analogamente, multiplicando-se ambos os lados da primeira equac ao em (1.1) por
2
2
,
onde novamente, no denominador temos o piv o da primeira equac ao e no numerador o
n umero que multiplica u, a vari avel que sera substituda, na terceira equac ao, e da terceira
equac ao subtrarmos esse m ultiplo da primeira equa cao, obtemos,
8v + 3w = 14
Em outras palavras, da segunda e da terceira equa coes subtramos m ultiplos da primeira
equac ao conseguindo eliminar a inc ognita u, e obtendo as mesmas equa coes derivadas por
substituic ao, equacao (1.4).
E nesta ideia que se baseia a primeira etapa do metodo de
eliminac ao de Gauss.
Reduzimos ent ao o sistema de tres equacoes a tres inc ognitas ao sistema
2u + v + w = 5
8v 2w = 12
8v + 3w = 14
formado por uma equacao a tres inc ognitas e um sub-sistema de duas equac oes a duas
inc ognitas, v e w. Sabendo-se a soluc ao do sub-sistema dois por dois, isto e, sabendo-se
o valor de v e w, pode-se recorrer `a primeira equac ao para determinar u.
Mas, ao sub-sistema dois por dois podemos aplicar a mesma ideia de substituic ao,
isto e, usa-se a segunda equa cao para determinar uma das inc ognitas, v, em funcao da
outra, w, e substitui-se na terceira equac ao, obtendo-se, esquematicamente, um sistema
na forma
2u + v + w = 5
8v 2w = 12
w = 2
Desta forma resolve-se a ultima equa cao, determinando-se w, depois substitui-se o valor
de w na segunda equac ao, determinando-se o valor de v, e nalmente usa-se na primeira
equac ao os valores j a determinados de v e w para obter-se o valor de u. A esta ultima
etapa da-se o nome de retrosubstituicao.
Claramente o procedimento pode ser seguido no caso de um sistema de n equac oes a n
inc ognitas, trocando-o inicialmente por uma equac ao com n inc ognitas e um sub-sistema
de n 1 equac oes a n 1 incognitas, e procedendo recursivamente, para diminuir o
tamanho do sub-sistema ate atingir um sub-sistema de uma equac ao a uma inc ognita.
1.2 Etapas do metodo de Gauss
O metodo de eliminac ao de Gauss e constitudo por duas etapas: (A) Eliminac ao avancada;
(B) Retrosubstituic ao.
1.2. ETAPAS DO M
ETODO DE GAUSS 3
(A) Eliminacao avancada A eliminacao avancada elimina vari aveis de equacoes mais
abaixo usando as de cima.
E um processo reversvel. O n umero (nao-nulo) que multiplica
a vari avel da equa cao acima a ser eliminada das equa coes abaixo e chamado de pivo.
No exemplo,
piv o
....
2 u + v + w = 5
4u 6v = 2
2u + 7v + 2w = 9
Usa a 1
a
equac ao para eliminar a
1
a
variavel (u) das equa coes restantes
subtraindo m ultiplos da 1
a
` a 2
a
e depois ` a 3
a
(1.5)
2u + v + w = 5
piv o
....
8 v 2w = 12
8v + 3w = 14
linha 1 e mantida
linha 2 linha 2 2linha 1
linha 3 linha 3 (1)linha 1
Observac oes
Para eliminar o 4u na 2
a
equac ao basta subtra-la de um m ultiplo da 1
a
linha. O
multiplicador da 1
a
linha e obtido dividindo-se o 4 pelo piv o. Assim, faz-se a troca
da 2
a
linha,
linha 2 linha 2 - 2linha 1
Note que este procedimento e reversvel. Por exemplo, para recuperar a 2
a
linha
original basta adicionar ` a 2
a
linha atual duas vezes a linha 1 atual (que, ali as, n ao
sofre alterac oes).
linha 2 linha 2 + 2linha 1
O procedimento gerou um subsistema de 2 equac oes a 2 inc ognitas (v, w). Sabendo-
se a soluc ao deste subsistema 2 por 2, sabemos a solu cao do sistema 3 por 3 original.
Aplicando-se este procedimento sistematicamente, o sistema vai gerando subsiste-
mas de tamanho cada vez menor: 3 por 3 2 por 2 1 por 1.
Usa-se, em seguida, a 2
a
equac ao para eliminar a 2
a
vari avel (v) da equac ao restante
(a 3
a
equac ao), subtraindo-se da 3
a
equac ao um m ultiplo da 2
a
.
2u + v + w = 5
8v 2w = 12
w = 2
mantem
mantem
linha 3 (1)linha 2
4 CAP
ITULO 1. M
ETODO DE ELIMINAC
AO DE GAUSS
(B) Retrosubstituicao A substituicao recuada ou retrosubstituicao procede da ultima
equac ao em dire cao `a primeira, como a seguir:
w = 2
8v 2(2) = 12 v = 1
2u + (1) + (2) = 5 u = 1
ultima equacao
substitui-se w da 3
a
equac ao na 2
a
equac ao
substituem-se os valores de w e v na 1
a
equac ao
Finalmente
u = 1
v = 1
w = 2
(1.6)
Observacao conceitualmente importante Esta ultima etapa tambem e reversvel.
E a reversibilidade das duas etapas, A e B, que garante logicamente que as solu coes do
sistema original, equa cao 1.1 (ou equac ao 1.5) e as soluc oes do sistema nal, equac ao 1.6,
s ao as mesmas. Pode-se ir de uma ` a outra e da outra ` a uma...
Pode-se utilizar uma notacao matricial para ressaltar ainda mais o car acter algortmico,
de processamento de n umeros, de que se reveste o metodo de Gauss. O objetivo e obter-se
uma matriz triangular superior
1
U, (upper triangular). Tem-se
2 1 1
4 6 0
2 7 2
b
. .. .
5
2
9
linha 1 linha 1
linha 2 linha 2 2 linha 1
linha 3 linha 3 + linha 1
2 1 1
8 2
8 3
5
12
14
linha 1 linha 1
linha 2 linha 2
linha 3 linha 3 + linha 2
2 1 1
8 2
1
5
12
2
1 0 0
2 1 0
0 0 1
A
. .. .
2 1 1
4 6 0
2 7 2
=
EA
. .. .
A
1
A
2
2A
1
A
3
2 1 1
0 8 2
2 7 2
F
. .. .
1 0 0
0 1 0
1 0 1
EA
. .. .
2 1 1
0 8 2
2 7 2
=
FEA
. .. .
(EA)
1
(EA)
2
(EA)
3
+ (EA)
1
2 1 1
0 8 2
0 8 3
G
. .. .
1 0 0
0 1 0
0 1 1
FEA
. .. .
2 1 1
0 8 2
0 8 3
=
GFEA=U
. .. .
(FEA)
1
(FEA)
2
(FEA)
3
+ (FEA)
2
=
U
. .. .
2 1 1
0 8 2
0 0 1
1 0 0
0 1 0
0 1 1
, F
1
=
1 0 0
0 1 0
1 0 1
e E
1
=
1 0 0
2 1 0
0 0 1
6 CAP
ITULO 1. M
ETODO DE ELIMINAC
AO DE GAUSS
Calculando-se o produto obtem-se
L = E
1
F
1
G
1
=
1 0 0
2 1 0
1 1 1
que e uma matriz triangular inferior (por isso a escolha da letra L para representa-la, do
ingles lower triangular).
Como
GFEA = U
aplicando-se em ambos os lados da equacao acima, as operac oes inversas, comecando com
a inversa da ultima realizada, G, obtemos
G
1
GFEA = G
1
U donde FEA = G
1
U
e em seguida, a inversa de F e depois a inversa de E, chega-se a
A = E
1
F
1
G
1
GFEA = E
1
F
1
G
1
U = LU
isto e, a matriz foi fatorada num produto de uma matriz triangular inferior com 1
s na
diagonal, L, por uma matriz triangular superior com os piv os na diagonal, U.
Em resumo, as matrizes L e U ter ao o seguinte aspecto,
L =
1 0 0
m
21
1 0
m
31
m
32
1
e U =
piv o
1
0 piv o
2
0 0 pivo
3
Ly = b
Ux = y
1.4. FATORAC
AO PA = LU 7
Assim, resolve-se primeiramente o sistema para y,
Ly = b
que e facil e rapido de se resolver, e uma substituicao avancada e em seguida,
resolve-se para x o sistema
Ux = y
que e uma retrosubstituic ao, igualmente f acil e r apida de executar.
Exemplo 1 No exemplo, resolve-se
1 0 0
2 1 0
1 1 1
y
1
y
2
y
3
5
2
9
2 1 1
0 8 2
0 0 1
u
v
w
5
12
2
ITULO 1. M
ETODO DE ELIMINAC
AO DE GAUSS
Exemplo 2 Exemplo de sistema singular. Assuma que ao aplicar o algoritmo de Gauss
a um sistema, obtenha:
u + v + w =
2u + 2v + 5w =
4u + 4v + 8w =
u + v + w =
3w = a
4w = b
O algoritmo n ao pode prosseguir, e temos as seguintes possibilidades para o conjunto
soluc ao do sistema:
a
3
=
b
4
o sistema tem innitas soluc oes;
a
3
=
b
4
o sistema n ao tem solu cao alguma
Exemplo 3 Exemplo de sistema nao singular, e algoritmo de Gauss, como apresentado
ate o momento, falha.
u + v + w =
2u + 2v + 5w =
4u + 6v = 8w =
u + v + w =
0u + 0v + 3w =
0u + 2v + 4w =
N ao ha como continuar o algoritmo uma vez que o candidato a piv o e nulo. A soluc ao
deste pequeno obst aculo e trocar as duas ultimas linhas de posic ao
u + v + w =
0u + 2v + 4w =
0u + 0v + 3w =
e o algoritmo pode prosseguir com a etapa B da retrosubstituicao.
Matrizes de permutacao
Uma matriz de permutac ao e obtida a partir da matriz identidade trocando-se suas linhas
ou colunas. Assim, uma matriz de permutacao, n n, tem apenas n entradas n ao-nulas,
iguais a 1, sendo que em cada linha e em cada coluna h a apenas uma entrada igual a 1.
A matriz P e um exemplo de matriz de permutac ao:
P =
0 1 0
1 0 0
0 0 1
Obtida da matriz identidade trocando
a 1
a
e a 2
a
colunas (ou linhas)
Uma matriz de permutacao pode ser representada por suas colunas ou linhas que s ao
vetores can onicos, como no exemplo a seguir:
Q =
0 1 0
0 0 1
1 0 0
[ [ [
e
3
e
1
e
2
[ [ [
e
T
2
e
T
3
e
T
1
1.4. FATORAC
AO PA = LU 9
Concentremo-nos na representac ao envolvendo as colunas. Dena a func ao
i : 1, 2, 3 1, 2, 3
j i(j) = i
j
onde i
1
= 3, i
2
= 1 e i
3
= 2. Ent ao
Q =
[ [ [
e
i
1
e
i
2
e
i
3
[ [ [
[ [ [
e
3
e
1
e
2
[ [ [
e
T
i
1
e
T
i
2
.
.
.
.
.
.
.
.
.
e
T
i
n
P
. .. .
[ [ [
e
i
1
e
i
2
e
i
n
[ [ [ [
= I
A entrada lm (linha l e coluna m) da matriz produto P
T
P e dada por e
T
i
l
e
i
m
=
lm
, isto
e, P
T
P = I.
Sistemas nao-singulares: fatoracao PA = LU
Por simplicidade, represente matriz de permutac ao da seguinte forma
0 0 1 0
0 1 0 0
1 0 0 0
0 0 0 1
e
T
3
e
T
2
e
T
1
e
T
4
3
2
1
4
ITULO 1. M
ETODO DE ELIMINAC
AO DE GAUSS
Ilustramos o processo atraves de um exemplo,
1
2
3
4
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
1 2 4 6
3 2 1 5
1 3 2 1
2 1 1 2
3
2
1
4
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
pivo
....
1 3 2 1
3 2 1 5
1 2 4 6
2 1 1 2
3
2
1
4
1 0 0 0
3 1 0 0
1 0 1 0
2 0 0 1
1 3 2 1
0 7 5 2
0 1 2 5
0 7 3 4
3
1
2
4
1 0 0 0
1 1 0 0
3 0 1 0
2 0 0 1
1 3 2 1
0
pivo
....
1 2 5
0 7 5 2
0 7 3 4
3
1
2
4
1 0 0 0
1 1 0 0
3 7 1 0
2 7 0 1
1 3 2 1
0 1 2 5
0 0 19 33
0 0 17 39
3
1
4
2
1 0 0 0
1 1 0 0
2 7 1 0
3 7 0 1
1 3 2 1
0 1 2 5
0 0
pivo
....
17 39
0 0 19 33
19
17
)A
3
3
1
4
2
1 0 0 0
1 1 0 0
2 7 1 0
3 7
19
17
1
1 3 2 1
0 1 2 5
0 0 17 39
0 0 0
180
17
Obtem P, L e U
1.5. SISTEMAS DE EQUAC
OES COM MATRIZES RETANGULARES 11
Pode-se vericar que PA = LU, onde
P =
3
1
4
2
0 0 1 0
1 0 0 0
0 0 0 1
0 1 0 0
L =
1 0 0 0
1 1 0 0
2 7 1 0
3 7
19
17
1
e U =
1 3 2 1
0 1 2 5
0 0 17 39
0 0 0
180
17
x
y
= x = x(t) =
1 + t
3 2t
t IR
b) Como x = 1 + t e y = 3 2t, eliminando t, obtem-se y + 2x = 5.
Poder-se-ia ter feito a alnea b) usando a formula usual para a equa cao da reta em IR
2
passando pelos pontos x
0
= (x
0
, y
0
) e x
0
= (x
1
, y
1
):
y y
0
x x
0
=
y
1
y
0
x
1
x
0
(1.8)
Vale lembrar que enquanto a equac ao (1.7) e valida em IR
n
, para qualquer n 1, a
equac ao (1.8) s o e valida para IR
2
e nao h a f ormula analoga, com apenas uma equac ao,
para n = 2.
12 CAP
ITULO 1. M
ETODO DE ELIMINAC
AO DE GAUSS
1.5.2 Resolver sistemas
A quest ao que se coloca e sobre o signicado de resolver um sistema de equac oes. Quando
o sistema tem apenas uma solu cao, a questao e determinar a soluc ao. Quando o sistema
tem mais do que uma solucao, o que se quer e parametrizar o conjunto soluc ao, isto e,
determinar uma funcao cuja imagem seja o conjunto soluc ao do sistema de equacoes.
Vejamos alguns exemplos para entender o que se quer dizer.
Resolva a equacao 3x = 4. A soluc ao desta equac ao, em IRe unica e e x = 4/3. Resolva
agora a equac ao 3y + 4x = 12 em IR
2
. O conjunto de pontos que satisfaz esta equa cao
comp oe uma reta. A resolucao implica que se determine uma equacao parametrica da
reta. Bem
y =
12
3
4
3
x
x
y
x
4
4
3
x
4
3
0
4
x IR
ou seja e a reta que passa pelo ponto (0, 4)
T
e tem dire cao (3, 4)
T
.
Sistemas de m equacoes a n inc ognitas
Para resolver sistemas lineares de m equac oes a n inc ognitas, podemos aplicar proce-
dimento an alogo ao ja apresentado, usando permutac oes, e subtraindo a uma linha um
m ultiplo de outra.
O objetivo agora e que e um pouco modicado. Ao inves de realizar as operac oes
elementares para obter uma matriz triangular inferior, realizam-se essas opera coes com o
intuito de chegar a uma matriz escada. Uma matriz escada e tal que:
As linhas nulas aparecem embaixo;
Abaixo de qualquer piv o s o ha zeros;
Cada pivo est a ` a direita do piv o da linha acima.
Com esse objetivo em mente, dada uma matriz A, mn, e sempre possvel determinar
matrizes P, quadrada, mm, de permutacao, L, tambem quadrada, mm, triangular
inferior com uns na diagonal principal, e U, mn, matriz escada, contendo os pivos, tal
que PA = LU.
Considere a resolu cao do sistema Ax = b, onde, ap os as operac oes elementares,
A [ b U [
b
U [
b =
U
. .. .
pivo
....
1 3 2 1 0
0 0
pivo
....
3 1 2
0 0 0 0
pivo
....
2
b
. .. .
4
1
2
1
3
1
3
x
4
+ x
4
= 4 x
1
=
14
3
3x
2
1
3
x
4
donde as solu coes sao dadas por
x
1
x
2
x
3
x
4
x
5
14
3
3x
2
1
3
x
4
x
2
1
3
1
3
x
4
x
4
1
14
3
0
1
3
0
1
+ x
2
3
1
0
0
0
+ x
4
1
3
0
1
3
1
0
para todo x
2
, x
4
IR.
1.6 Sobre sistemas singulares e regulares
A palavra singular ja diz que se um sistema e singular e porque ele e, de alguma forma
diferente, ou melhor raro. O que e raro, e diferente, e singular. Ent ao os sistema singulares
s ao rarose os regulares s ao mais comuns. Vamos esclarecer isso um pouco. Considere os
sistemas de duas equac oes a duas incgnitas a seguir:
2x y = 1
x + y = 5
Tem uma unica solu cao: sistema regular
2x y = 1
4x 2y = 8
N ao tem nenhuma soluc ao: sistema singular
2x y = 1
4x + 2y = 2
Tem innitas soluc oes: sistema singular
14 CAP
ITULO 1. M
ETODO DE ELIMINAC
AO DE GAUSS
Um sistema de duas equac oes a duas incognitas e dito regular se tem uma e somente uma
soluc ao (sistema deteminado), caso contrario, se nao tiver nenhuma solu cao, ou innitas
soluc oes e chamado de singular (sistema impossvel ou indeterminado). Seja S o espa co
de todos os sistemas de duas equac oes a duas incognitas,
ax + by = c
dx + ey = f
Coomo cada equac ao representa uma reta, podemos pensar que S e o conjunto de pares
de retas, ou ainda, que e o conjunto dos coecientes,
S =
a b c
d e f
, para todo , a, b, c, d, e, f IR
Sejam
S
R
= conjunto dos sistemas regulares
S
S
= conjunto dos sistemas singulares
Ent ao,
S = S
R
d
S
S
onde designa a uni ao de conjuntos e d diz que a intersec ao dos conjuntos e vazia.
Observamos o seguinte com relacao aos sistemas regulares e singulares:
1. Um sistema regular corresponde a duas retas transversais. Se as perturbarmos um
pouquinho, isto e, se modicarmos um pouquinho os coecientes do sistema, as
duas retas continuar ao a ser transversais, logo o sistema resultante continuar a a ser
regular, a ter uma unica soluc ao;
2. Um sistema singular corresponde a (a) duas retas paralelas, ou (b) duas retas coin-
cidentes. A perturbarmos um pouquinho essas retas, e claro que podemos continuar
a ter retas paralelas, ou coincidentes, mas e possvel perturb a-las bem pouquinho e
elas passarem a ser transversais, correspondendo assim a um sistema regular, com
uma unica soluc ao.
O conjunto dos sistema regulares e dito:
aberto (ou estavel) porque satisfaz a propriedade 1. acima;
denso porque satisfaz a propriedade 2. acima
O conjunto dos sistema regulares e aberto porque sucientemente perto de qualquer
sistema regular so h a sistemas regulares, e e denso porque perto de qualquer sistema
(regular ou singular) h a um sistema regular.
1.6. SOBRE SISTEMAS SINGULARES E REGULARES 15
Sejamos um pouco mais formais. Uma perturbac ao de um sistema e simplesmente
uma perturba cao (modicacao) dos seus coecientes. Considere uma perturbac ao nos
sistemas singulares dados anteriormente,
(2 + )x y = 1
4x 2y = 8
(x, y) =
,
8
(2 + )x y = 1
4x + 2y = 2
(x, y) = (0, 1) Tem uma unica soluc ao: sistema regular
Assim, dado um sistema singular, haver a tao perto quanto se queira, bem pequeno, um
sistema regular (sistemas regulares sao densos).
Por outro lado, uma perturbacao pequena de um sistema regular nao destr oi sua
regularidade. Considere uma perturbacao geral do sistema regular dado,
(2 +
1
)x + (1 +
2
)y = (1 +
3
)
(1 +
4
)x + (1 +
5
)y = (5 +
6
)
Quando s forem bem pequenos, o sistema tem uma unica solu cao: sistema regular. De
fato,
det
2 +
1
1 +
2
1 +
4
1 +
5
= 3+
. .. .
(
1
+
4
+
5
2
+
1
4
) = 3 +
que e diferente de zero garantido a resolucao do sistema, desde que ou os s sejam
pequenos.
Porque o conjunto S
r
e aberto e denso em S e justicavel armar que, salvo raras (e
quica honrosas) excecoes, um sistema de n equac oes a n inc ognitas tem uma unica solucao.
Em matematica diz-se que genericamente um sistema de n equac oes a n inc ognitas, tem
uma unica soluc ao. Ou ainda, a existenca e unicidade de solucoes e uma propriedade
generica de sistemas de n equac oes a n inc ognitas.
Captulo 2
Determinante
Da lngua portuguesa, estudante signica, por incrvel que possa parecer, aquele que
estuda, como amante e aquele que ama, presidente aquele que preside e determinante
aquele que determina.
Para entender que em matematica o nome nao e incompatvel com o sentido da palavra
determinante, vamos primeiro ver o que e o determinante. Mais ` a frente, veremos porque
ele e o que determina.
O determinante, denotado por det, e uma funcao escalar (isto e, assume valores re-
ais) denida para matrizes quadradas com as seguintes propriedades (que a caracterizam
completamente):
i) det I = 1;
ii) det e multilinear nas linhas, isto e, escolhida uma linha, e mantidas inalteradas as
outras linhas, o det e linear nessa linha (aditiva e homogenea de grau 1);
iii) det e anti-simetrica, isto e, trocando-se duas linhas, o det troca de sinal.
Vejamos como essas propriedades especicam unicamente o determinante.
Exemplo 5 A partir das propriedades denidoras, calcule o determinante de uma matriz
2 2.
det
a b
c d
= det
(a 0) + (0 b)
c d
ii
= det
a 0
c d
+ det
0 b
c d
ii
= det
a 0
c 0
+ det
a 0
0 d
+ det
0 b
c 0
+ det
0 b
0 d
ii
= ac det
1 0
1 0
+ ad det
1 0
0 1
+ bc det
0 1
1 0
+ bd det
0 1
0 1
= ad bc
16
2.1. PROPRIEDADES DO DETERMINANTE 17
uma vez que por (iii)
det
1 0
1 0
= det
1 0
1 0
det
1 0
1 0
= 0
e analogamente,
det
0 1
0 1
= 0
e por (iii) e (i),
det
0 1
1 0
= det
1 0
0 1
= 1
2.1 Propriedades do determinante
Para facilitar o calculo do determinante de uma matriz e conveniente introduzir algu-
mas propriedades que agilizam o seu calculo. Se formos usar apenas as propriedades
denidoras, resultar a em um processo moroso.
a) Se duas linhas da matriz sao iguais, o determinante e nulo. Esta propriedade e uma
consequencia de (iii). Para n ao dicultar a notac ao, vamos ilustrar a demonstrac ao
no caso de uma matriz 3 3, que e sucientemente esclarecedora. De fato, assuma
que a primeira e a segunda linha se igualam, e troque-as entre si. Pela propriedade
(iii)
A
1
A
1
A
3
(iii)
....
=
A
1
A
1
A
3
Areas e Volumes
3.1 Calculo de areas
Dados dois vetores v
1
e v
2
em IR
n
, o paralelogramo gerado por eles tem a mesma area
que o paralelogramo gerado por v
1
e v
2
+ v
1
, para todo o valor de . Escolha entao
de tal sorte que v
1
e v
2
+ v
1
formem um retangulo, i.e., escolha de tal forma que esses
vetores sejam ortogonais,
v
1
v
2
+ v
1
Assim
(v
2
+ v
1
)
T
v
1
= 0
v
T
2
v
1
+ v
T
1
v
1
= 0 =
v
T
2
v
1
v
T
1
v
1
Agora, sejam u
1
= v
1
e u
2
= v
2
v
T
2
v
1
v
T
1
v
1
v
1
.
E claro que u
1
u
2
(foram construdos
para tal). Denote por
{(u, v) = paralelogramo gerado por u e v
Ent ao
area{(u
1
, u
2
) = [[u
1
[[ [[u
2
[[
e tambem
area{(v
1
, v
2
) = area{(u
1
, u
2
)
Seja
A =
[ [
u
1
u
2
[ [
18
3.1. C
ALCULO DE
AREAS 19
a matriz cujas colunas sao os vetores u
1
e u
2
. Ent ao,
A
T
A =
u
T
1
u
T
2
[ [
u
1
u
2
[ [
u
T
1
u
1
0
0 u
T
2
u
2
donde
det(A
T
A) = u
T
1
u
1
u
T
2
u
2
= [[u
1
[[
2
[[u
2
[[
2
logo
area{(u
1
, u
2
) = [[u
1
[[ [[u
2
[[ =
det(A
T
A)
quando u
1
u
2
.
Por outro lado, seja
B =
[ [
v
1
v
2
[ [
[ [
u
1
u
2
[ [
[ [
v
1
v
2
v
1
[ [
[ [
v
1
v
2
[ [
R
. .. .
1
0 1
v
T
1
v
1
v
T
1
v
2
v
T
2
v
1
v
T
2
v
2
det(B
T
B) [
Observacao 6 Note que, se os vetores v
1
e v
2
estiverem em IR
2
, a matriz B e quadrada
e, como o determinante de uma matriz e de sua transposta s ao iguais, temos det(B
T
B) =
det(B
T
) det(B) = (det B)
2
, donde,
area{(v
1
, v
2
) =
det(B
T
B) =
(det B)
2
= [ det B[
20 CAP
ITULO 3.
AREAS E VOLUMES
3.2 Volumes
Em IR
3
, sejam tres vetores l.i.s, v
1
, v
2
e v
3
. Seja
{(v
1
, v
2
, v
3
) = paraleleppedo gerado pelos vetores
Ent ao, analogamente ao que foi feito para dois vetores em IR
2
pode-se concluir que
volume ({(v
1
, v
2
, v
3
)) = [ det A[
onde A e a matriz cujas colunas sao os vetores v
1
, v
2
e v
3
.
3.3 Hipervolume
Em IR
4
, sejam quatro vetores l.i.s, v
1
, v
2
, v
3
e v
4
, gerando um hiper-paralelogramo de
16 = 2
4
= C
0
4
+ C
1
4
+ C
2
4
+ C
3
4
+ C
4
4
vertices dados por:
C
0
4
= 1 0 = (0, 0, 0, 0)
C
1
4
= 4 v
1
, v
2
, v
3
, v
4
C
2
4
= 6 v
1
+v
2
, v
1
+v
3
, v
1
+v
4
, v
2
+v
3
v
2
+v
4
v
3
+v
4
C
3
4
= 4 v
1
+v
2
+v
3
, v
1
+v
2
+v
4
, v
1
+v
3
+v
4
, v
2
+v
3
+v
4
C
4
4
= 1 v
1
+v
2
+v
3
+v
4
Seja
{(v
1
, v
2
, v
3
, v
4
) = hiper-paralelogramo gerado pelos vetores
Ent ao,
4-volume ({(v
1
, v
2
, v
3
, v
4
)) = [ det A[
onde A e a matriz cujas colunas sao os vetores v
1
, v
2
, v
3
e v
4
.
Note que os vetores sao l.i.s se e somente se det A = 0.
3.4 Paralelogramo em IR
3
Dados v
1
e v
2
IR
3
, tem-se o paralelogramo gerado, {(v
1
, v
2
). A matriz A cujas colunas
s ao os vetores v
1
e v
2
,
A =
[ [
v
1
v
2
[ [
a
11
a
12
a
21
a
22
a
31
a
32
3.5. CRIT
a
11
a
12
a
21
a
22
, A
13
=
a
11
a
12
a
31
a
32
, A
23
=
a
21
a
22
a
31
a
32
Cada uma delas contem dois vetores correspondentes, respectivamente, ` a projec ao dos
vetores originais nos planos xy, xz e yz, gerando em cada plano, paralelogramos (casual-
mente as projecoes podem ser l.d.s e nao gerar paralelogramos). Mostramos o seguinte
Teorema de Pit agoras para as areas:
( area{)
2
= (area{
12
)
2
+ (area{
13
)
2
+ (area{
23
)
2
onde, por exemplo, {
12
representa o paralelogramo resultante da proje cao do paralelo-
gramo original no plano xy.
DemonstracaoVimos, anteriormente, que
( area{(v
1
, v
2
))
2
= det(A
T
A) (3.1)
= det
v
T
1
v
1
v
T
1
v
2
v
T
2
v
1
v
T
2
v
2
= det
a
2
11
+ a
2
21
+ a
2
31
a
11
a
12
+ a
21
a
22
+ a
31
a
23
a
11
a
12
+ a
21
a
22
+ a
31
a
32
a
2
12
+ a
2
22
+ a
2
32
a
2
11
+ a
2
21
+ a
2
31
a
2
12
+ a
2
22
+ a
2
32
(a
11
a
12
+ a
21
a
22
+ a
31
a
32
)
2
= a
2
11
a
2
12
+ a
2
11
a
2
22
+ a
2
11
a
2
32
+ a
2
21
a
2
12
+ a
2
21
a
2
22
+ a
2
21
a
2
32
+ a
2
31
a
2
12
+ a
2
31
a
2
22
+ a
2
31
a
2
32
a
2
11
a
2
12
+ a
2
21
a
2
22
+ a
2
31
a
2
32
+ 2a
11
a
12
a
21
a
22
+ 2a
11
a
12
a
31
a
32
+ 2a
21
a
22
a
31
a
32
= a
2
11
a
2
22
+ a
2
11
a
2
32
+ a
2
21
a
2
12
+ a
2
21
a
2
32
+ a
2
31
a
2
12
+ a
2
31
a
2
22
2a
11
a
12
a
21
a
22
2a
11
a
12
a
31
a
32
2a
21
a
22
a
31
a
32
Por outro lado
(det A
12
)
2
= det
a
11
a
12
a
21
a
22
2
= a
2
11
a
2
22
2a
11
a
12
a
21
a
22
+ a
2
12
a
2
21
(det A
13
)
2
= det
a
11
a
12
a
31
a
32
2
= a
2
11
a
2
32
2a
11
a
32
a
31
a
12
+ a
2
31
a
2
12
(3.2)
(det A
23
)
2
= det
a
21
a
22
a
31
a
32
2
= a
2
21
a
2
32
2a
21
a
32
a
31
a
22
+ a
2
31
a
2
22
(...horas depois...) comparando as equa coes (3.1) e (3.2), conclumos a demonstracao do
resultado.
3.5 Criterio do determinante para vetores l.i.s
Os vetores v
1
, v
2
, v
3
IR
n
s ao l.is se e somente se algum dos subdeterminantes 3 3, (e
h a C
3
n
tais subdeterminantes) da matriz A, n 3 cujas colunas sao os vetores dados, for
22 CAP
ITULO 3.
AREAS E VOLUMES
n ao nulo. Caso contr ario, isto e, se todos os subdeterminantes 3 3 forem nulos, ent ao
os vetores sao l.d.s.
Este resultado se generaliza para k vetores em IR
n
, k n. Os vetores v
1
, v
2
, . . . v
k
IR
n
s ao l.i.s se somente se algum subdeterminante k k da matriz A cujas colunas s ao
os vetores dados, for nao nulo. Se todos os C
k
n
subdeterminantes forem nulos, entao os
vetores ser ao l.d.s.
Tambem,
k volume{ (v
1
, v
2
, . . . v
k
) =
klinhas
(det A
k linhas
)
2
Observacao 7 Hiper-volume ou k-volume
k = 1 comprimento
k = 2 area
k = 3 volume (usual)
(k = 0 n umero de elementos)
Captulo 4
Gram-Schmidt
4.1 Processo de ortogonalizacao
Considere o seguinte problema. Dados os vetores l.i.s, obtenha uma base para o espaco
gerado. Para ilustrar, consideremos tres vetores, a, b e c em IR
n
, independentes, e
U = span a, b, c, deseja-se obter uma base ortonormal para U. Uma forma de se
resolver este problema e atraves do processo de Gram-Schmidt ou algum de seus variantes.
Pode-se inicialmente ortogonalizar (1
0
passo) e em seguida normalizar (2
0
passo).
1
0
passo: ortogonalizacao. Sejam
q
1
= a
q
2
= b
q
1
q
1
T
q
1
T
q
1
b (4.1)
q
3
= c
q
1
q
1
T
q
1
T
q
1
c +
q
2
q
2
T
q
2
T
q
2
c (4.2)
Pode-se vericar que os vetores q
1
, q
2
e q
3
s ao ortogonais entre si (i.e. dois a dois). Isto
e natural se observarmos como foram obtidos. O vetor q
2
e obtido de b, retirando-se a
componente paralela ao vetor q
1
, que e a projec ao ortogonal de b sobre a dire cao de q
1
,
q
1
q
1
T
q
1
T
q
1
b
Analogamente, o vetor q
3
, e obtido retirando-se as componentes paralelas a q
1
e q
2
.
2
0
passo: normalizacao. Sejam
q
1
=
q
1
[[ q
1
[[
q
2
=
q
2
[[ q
2
[[
(4.3)
q
3
=
q
3
[[ q
3
[[
Os vetores q
1
, q
2
e q
3
, formam uma base ortonormal de U.
23
24 CAP
ITULO 4. GRAM-SCHMIDT
4.2 Fatoracao QR de uma matriz
Da equac ao (4.1) podemos reescrever
a = q
1
b =
s
12
. .. .
q
1
T
b
q
1
T
q
1
q
1
+ q
2
c =
s
13
. .. .
q
1
T
c
q
1
T
q
1
q
1
+
s
23
. .. .
q
2
T
c
q
2
T
q
2
q
2
+ q
3
ou, agrupando em forma matricial,
[ [ [
a b c
[ [ [
[ [ [
q
1
q
2
q
3
[ [ [
1 s
12
s
13
0 1 s
23
0 0 1
[ [ [
q
1
q
2
q
3
[ [ [
[ [ [
[[ q
1
[[q
1
[[ q
2
[[q
2
[[ q
3
[[q
3
[ [ [
[ [ [
q
1
q
2
q
3
[ [ [
[[ q
1
[[ 0 0
0 [[ q
2
[[ 0
0 0 [[ q
3
[[
r
11
r
12
r
13
0 r
22
r
23
0 0 r
33
[[ q
1
[[ 0 0
0 [[ q
2
[[ 0
0 0 [[ q
3
[[
1 s
12
s
13
0 1 s
23
0 0 1
[[ q
1
[[ [[ q
1
[[s
12
[[ q
1
[[s
13
0 [[ q
2
[[ [[ q
2
[[s
23
0 0 [[ q
3
[[
1 1 1 0
2 1 1 0
0 1 1 0
2 2 3
1 5 2
1
8
Em geral, seja:
A
i
= i-esima linha da matriz A;
B
j
= j-esima coluna da matriz B;
C
ij
= elemento da matriz C na i-esima linha e j-esima coluna.
Seja ainda C = AB. Dene-se
C
ij
=
p
k=1
A
ik
B
kj
para todo i = 1, . . . m e j = 1, . . . n.
Com essa deni cao de produto de matrizes, e notando que A
i
e uma matriz 1 p e
B
j
e uma matriz p 1, entao, C
ij
= A
i
B
j
, e uma matriz 1 1.
26
5.1. MULTIPLICAC
AO DE MATRIZES 27
Algoritmo para calculo de C = A B A = A
75
; B = B
58
; C = C
78
BeginAlgorithm
. Faca C 0, a matriz nula.
. For i = 1 : 7 (escolhe a linha do resultado)
. For j = 1 : 8 (escolhe a coluna do resultado)
. For k = 1 : 5 (calcula o resultado como acumulac ao progressiva)
. C
ij
C
ij
+ A
ik
B
kj
. EndFor
. EndFor
. EndFor
EndAlgorithm
O que acontece se trocarmos a ordem dos Fors ? Quantas trocas existem?
Algumas formas de olhar a multiplicacao de matrizes Podemos organizar a
multiplica cao de matrizes por diferentes blocos: elementos, linhas, colunas, etc, Vejamos
algumas possibilidades.
. . . . . . . . .
A
i
. . . . . . . . .
.
.
.
.
.
. [
.
.
.
.
.
.
.
.
. B
j
.
.
.
.
.
.
.
.
. [
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. C
ij
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Observamos que C
ij
= A
i
B
j
.
[ [ [ [
[ [ [ [
[ [ [ [
[ [ [ [
[ [ [ [
.
.
. [
.
.
.
.
.
. B
l
.
.
.
.
.
. [
.
.
.
.
.
. [
.
.
.
.
.
. [
.
.
.
.
.
. C
l
.
.
.
.
.
. [
.
.
.
.
.
. [
.
.
.
Notamos que C
l
e combinac ao linear das colunas de A com coecientes dados pelas coluna
B
l
.
Vejamos uma ultima e importante estruturac ao do produto de duas matrizes:
[ [ [
A
1
A
2
A
3
[ [ [
B
1
B
2
B
3
= A
1
B
1
+ A
2
B
2
+ A
3
B
3
28 CAP
2x y + z = 2
x + y 2z = 0
x 2y z = 2
Neste caso, o conjunto soluc ao representa a interse cao de tres planos (tres conjuntos
lineares):
plano
1
: plano perpendicular ao vetor (2, 1, 1) e passando pelo ponto (4, 2, 0);
plano
2
: plano perpendicular ao vetor (1, 1, 2) e passando pelo ponto (0, 0, 0);
plano
3
: plano perpendicular ao vetor (1, 2, 1) e passando pelo ponto (0, 1, 1)
A unica soluc ao e (1, 1, 1).
Representa cao de vetor por combinac ao linear das colunas da matriz:
2 1 1
1 1 2
1 2 1
x
y
z
2
0
1
2
1
1
1
1
2
1
2
1
x
y
z
2
0
2
2
1
1
+ y
1
1
2
+ z
1
2
1
2
0
2
Uma matriz A, (i.e., uma func ao linear), leva subespacos em subespacos. Em parti-
cular, como uma reta passando pela origem e um subespaco, se colecionarmos as imagens
30 CAP
x
y
z
1 0 0
0 1 0
0 0 0
x
y
z
x
y
0
Ent ao,
a reta t(1, 1, 1), t IR tem por imagem a reta dada pela equac oes x = y e z = 0,
ou parametricamente, por (t, t, 0), t IR;
J a a reta (0, 0, t), t IR tem por imagem a origem (0, 0, 0);
o plano z = 3 tem por imagem o plano z = 0, ou seja o plano xy;
o plano x + y = 1 tem por imagem a reta (1, 0) + t(1, 1), t IR.
Exemplo 9 Dada a transformacao linear denida pela matriz T,
T =
1 0 1/2
0 1 2
determine a imagem por T da reta denida pelos pontos (1, 1, 1) e (3, 2, 1).
Podemos fazer este problema determinando a reta e depois sua imagem, ou determinando
a imagem dos pontos e depois o conjunto (reta ou ponto) que eles denem.
5.4. ORTOGONALIDADE 31
Primeiro a reta e depois a imagem. A reta tem por direc ao o vetor diferenca
(3, 2, 1) (1, 1, 1) = (2, 1, 2), e a equac ao parametrica e:
t (1 + 2t, 1 + t, 1 2t)
Assim, calculando a imagem do ponto generico,
T
1 + 2t
1 + t
1 2t
1 0 1/2
0 1 2
1 + 2t
1 + t
1 2t
3
2
+
3
2
t
3 3t
1
1
1
3
2
3
e T
3
2
1
5
2
1
i=1
u
i
v
i
= u
1
v
1
+ u
2
v
2
+ . . . u
n
v
n
e a norma de um vetor e dada por:
[[u[[ =
'u, u` =
u
2
1
+ u
2
2
+ u
2
3
+ . . . u
2
n
Dois vetores sao chamados ortogonais se e somente se
u
1
v
1
+ u
2
v
2
+ . . . u
n
v
n
= 0
Neste caso denota-se u v (e le-se u e perpendicular a v). A motiva cao para esta
denic ao, e que para vu ser a hipotenusa do tri angulo com outros lados u e v, devemos
ter o teorema de Pitagoras satisfeito, i.e.,
[[u[[
2
+[[v[[
2
= [[v u[[
2
e usando as denic oes esta equacao implica que u
1
v
1
+ u
2
v
2
+ . . . u
n
v
n
= 0.
32 CAP
0
0
c
= 0
Exemplo 11 Os espacos
U = plano xy;
V = plano xz,
n ao s ao espacos ortogonais. Verique.
Denicao Dado um subespaco U, o espaco perpendicular ou ortogonal a U, denotado
por U
(le-se U perp) e o subespaco formado por todos os vetores w que sejam ortogonais
a cada um dos vetores de U, i.e., em smbolos,
w U
w u, u U
No exemplo 10, tem-se que U
= V e V
=
(0, y, 0), y IR = eixo dos ys.
Observacao Pode-se vericar que (U
.
Em IR
3
, o eixo dos xs e o eixo dos zs s ao subespa cos ortogonais, mas n ao s ao com-
plementares ortogonais.
Com a nota cao introduzida, podemos enunciar o
5.4. ORTOGONALIDADE 33
Teorema Fundamental da
Algebra Linear Dada uma matriz A, mn,
O espaco nulo de uma matriz A e o complementar ortogonal do espa co linha de A,
em IR
n
;
O espaco nulo ` a esquerda e o complementar ortogonal do espaco coluna de A em
IR
m
.
Como
o espaco nulo de A e o n ucleo de A, N(A);
o espaco coluna de A e a imagem de A, Im(A);
o espaco linha de A e Im(A
T
);
e o espa co nulo a esquerda de A, e o n ucleo da transposta, N(A
T
),
podemos escrever o TEFAL da seguinte forma simb olica:
(Im(A
T
))
= N(A)
(Im(A))
= N(A
T
)
Podemos ainda escrever:
N(A) Im(A
T
) = IR
n
N(A
T
) Im(A) = IR
m
Como consequencia temos que
dim N(A) + dim Im(A
T
) = n = dim Dom(A)
dim N(A
T
) + dim Im(A) = m = dim ContraDom(A)
Observamos que dim Im(A) = dim Im(A
T
) que e o posto da matriz e e o n umero de pivos.
Assim, pode-se esvrever
dim N(A) + dim Im(A) = n = dim Dom(A)
Este ultimo resultado e mais conhecido como o teorema do n ucleo e da imagem. Qua-
litativamente podemos expressar o resultado da seguinte forma: Tendo n dimens oes no
domnio da transformac ao linear A, algumas s ao anuladas (dim N(A)) e outras sobrevi-
vem na imagem de A, de forma a que todas as dimensoes iniciais est ao contabilizadas.
Poder-se-ia dizer que este resultado e uma lei de balanco de dimensoes.
Como consequencia to TEFAL, Im(A) = N(A
T
)
1 1 0
0 1 1
1 0 1
x
1
x
2
x
3
b
1
b
2
b
3
Como N(A
T
) = span(1, 1, 1), ent ao o sistema tem solucao se e somente se b satiszer a
seguinte condic ao de compatibilidade:
b
1
+ b
2
+ b
3
= 0
Observacao
Assuma que A e uma matriz real simetrica. Ent ao existe matriz ortogonal Q e matriz
diagonal D tal que:
AQ = QD
ou
A = QDQ
T
Sendo Q
1
, . . . , Q
n
as colunas de Q e d
1
, . . . d
n
as entradas da diagonal principal de D,
pode-se vericar que:
A = d
1
Q
1
(Q
1
)
T
+ d
2
Q
2
(Q
2
)
T
+ . . . d
n
Q
n
(Q
n
)
T
(5.1)
Uma vez que as colunas (e as linhas) de Q s ao vetores com norma 1, notamos que a matriz
P
1
= Q
1
(Q
1
)
T
e uma matriz de projec ao, isto e, (P
1
)
2
= P
1
. Ali as, como P
1
e uma matriz
simetrica, ent ao P
1
e uma projec ao ortogonal. Como tambem e uma matriz com posto 1,
a imagem e gerada pelo vetor Q
1
, P
1
e a matriz da projec ao ortogonal sobre a direc ao de
Q
1
. Resultado analogo vale para P
i
, i = 1, 2, . . . , n.
A equac ao (5.1) revela como funciona uma matriz real simetrica. Calculando Ax o
resultado e
Ax = d
1
Q
1
(Q
1
)
T
x + d
2
Q
2
(Q
2
)
T
x + . . . d
n
Q
n
(Q
n
)
T
x
= d
1
P
1
x + d
2
P
T
2
x + . . . d
n
P
n
x (5.2)
Dado x, a componente de x no eixo denido por Q
i
,
P
i
x = Q
i
(Q
i
)
T
x
e multiplicada por d
i
para produzir a imagem; a soma dessas componentes amplia-
das/reduzidas, espelhadas ou n ao, e o vetor resultante, como mostra a equacao (5.2).
A ampliac ao versus reduc ao e denida por [ d
i
[. Se [ d
i
[ > 1 tem-se uma ampliacao,
se 0 <[ d
i
[ < 1 tem-se uma redu cao, se d
i
= 0 tem uma anulacao, e se [ d
i
[ = 1
n ao h a nem reduc ao, nem ampliacao, tem-se uma manutencao. Ja se d
i
< 0 tem-se um
espelhamento, caso contrario nao.
Captulo 6
Autovalores e Autovetores
6.1 Motivacao
Considere o problema de valor inicial (PVI) para uma equacao diferencial ordinaria (EDO)
linear de 1
a
ordem
dx
dt
= ax , t > 0
x(0) = x
0
A solucao geral da EDO e
x(t) = ce
at
onde c e uma constante qualquer, e assim,
x
0
= x(0) ce
a0
= c x
0
= c
a soluc ao do PVI e dada por
x(t) = x
0
e
at
Quando
a > 0 o PVI e um modelo para o crescimento populacional;
a < 0 tem-se um modelo para o decaimento radiativo;
a = tem-se um modelo para uma situac ao constante, que n ao varia com o tempo
(estacion aria).
No primeiro caso temos uma escala de tempo naturalmente associada ao fen omeno sendo
modelado,
t
d
= o tempo necess ario para que a quantidade x dobre de valor
35
36 CAP
dx
dt
= ax + by
dy
dt
= cx + dy
t > 0
x(0) = x
0
y(0) = y
0
onde as equac oes est ao no lado esquerdo e as condic oes iniciais no lado direito da equa cao
em destaque anterior.
Utilizando notac ao matricial o sistema pode ser reescrito como
dv
dt
. .. .
d
dt
x
y
=
A
. .. .
a b
c d
v
. .. .
x
y
,
v(0)
. .. .
x(0)
y(0)
=
v
0
. .. .
x
0
y
0
e
t
(6.2)
(onde temos a separac ao das vari aveis de estado, (, )
T
, e a variavel temporal, e
t
). Com
v dada pela equac ao (6.2), temos
d
dt
v =
d
dt
e
t
e
t
e
t
e
t
= e
t
(6.3)
6.1. MOTIVAC
AO 37
Av(t) = e
t
A
(6.4)
Impondo que os lados direitos de (6.3) e (6.4) se igualem, (i.e., que v(t) dada em (6.2)
satisfaca a equacao (6.1), obtemos,
e
t
A
= e
t
, t,
ou, uma vez que e
t
= 0, t,
A
(6.5)
Resumindo temos: v = v(t) dado na equac ao (6.2) e soluc ao do sistema de EDOs
(6.1) se e s o se , , e satisfazem equacao (6.5). Assim, e natural estudar equac oes do
tipo da equac ao (6.5).
Denicao 13 Dada uma matriz quadrada A, n n, procura-se (escalar pertencente a
IR ou C) e vetor v = 0 (pertencente a IR
n
ou a C
n
, tais que
Av = v (6.6)
Os s que satisfazem esta equa cao sao chamados de autovalores da matriz, e os corres-
pondentes vs sao chamados de autovetores.
Observacao 14 a) As inc ognitas, neste problema, s ao e v;
b) O conjunto dos autovalores de uma matriz e o espectro da matriz,
(A) = , tal que existe v = 0 satisfazendo Av = v
c) O problema (6.6) nao e linear uma vez que envolve produtos das inc ognitas, v.
Exemplo 15 Reex ao por reta. Considere a reex ao, R, pela reta passando pela origem
e com dire cao dada pelo vetor (3, 2)
T
. Temos:
R
3
2
3
2
3
2
2
3
2
3
2
3
4
6
2
3
4
6
10
15
2/3
1
tambem sao autovetores de R associados ao autovalor 1 uma vez que sao todos eles
m ultiplos n ao nulos do autovetor (2, 3)
T
.
38 CAP
2
3
0
0
3
2
3
2
logo (2, 3)
T
e autovetor de associado ao autovalor 0 e (3, 2)
T
e autovetor de associado
ao autovalor 1.
Observacao 17 a) Todo o vetor u = 0 que esteja no n ucleo da matriz A e um autovetor
associado ao autovalor 0. Em outras palavras, zero e um autovalor de uma matriz se e
somente se seu n ucleo for n ao-trivial;
b) Se u = 0 e autovetor da matriz A relativo ao autovalor , entao todo o seu m ultipli
n ao-nulo, ku, com k = 0 tambem sera autovetor de A para o mesmo autovalor ;
c) Recordamos que uma matriz quadrada A e inversvel se e s o se N(A) = 0. Assim,
A e inversvel se e s o se 0 nao for autovalor de A.
d) O problema de determinac ao dos autovalores, envolvendo o determinante, e altamente
n ao-linear. Conhecidos os autovalores, a determinac ao dos autovetores e um problema
linear.
6.2 Determinacao analtica dos autovalores
Para resolver
Av = v
escrevemos
Av Iv = 0
ou, ainda, colocando em evidencia o v,
(A I)v = 0
Procuramos soluc oes n ao-triviais (ie., v = 0) desta equacao. Isto ocorre se e so se AI
for nao-inversvel, ou seja, se e so se det(A I) = 0.
Observacao 18 a) p
c
() = det(A I) e um polin omio de grau n em , chamado de
polinomio caracterstico de A.
b) p
c
() tem n razes se forem contadas as multiplicidades;
c) As razes podem ser complexas;
d) e um autovetor de A se e s o se e raiz do polin omio caracterstico.
6.3. APLICAC
AO AO ESTUDO DE SISTEMAS DE EDOS 39
Exemplo 19 Dada a matriz
A =
4 5
2 3
4 5
2 3
= (4 )(3 ) 2(5)
=
2
2
As razes sao = 2 e = 1, isto e, (A) = 1, 2.
Calculo do autovetor associado a = 2
(A I)v = 0
2 5
2 5
x
y
0
0
2x 5y = 0
x
y
= k
5
2
5 5
2 2
x
y
0
0
x
y
= k
1
1
dv
dt
= 4v 5w, t > 0, v = 8 em t = 0
dv
dt
= 2v 3w, t > 0, w = 5 em t = 0
Sejam
u =
v(t)
w(t)
, u
0
= u(0) =
v(0)
w(0)
8
5
e A =
4 5
2 3
1
1
e u
2
= e
2t
5
2
8
5
ou seja,
c
1
1
1
+c
2
5
2
8
5
1 5
1 2
x
y
8
5
c
1
+ 5c
2
= 8
c
1
+ 2c
2
= 5
c
1
= 3
c
2
= 1
Soluc ao do sistema (6.7) satisfazendo as condic oes iniciais (6.8) e:
u(t) = 3e
t
1
1
+ 1
5
2
e
2t
=
3e
t
+ 5e
2t
3e
t
+ 2e
2t
, i.e.,
V
= v tal que Av = v
e um subespaco, o autoespaco do autovalor .
b) O traco de uma matriz A e:
tr (A) =
n
i=1
a
ii
6.3. APLICAC
AO AO ESTUDO DE SISTEMAS DE EDOS 41
E fato que
tr (A) =
n
i=1
i
=
1
+
2
+ . . .
n
(6.9)
det(A) =
n
i=1
i
=
1
2
. . .
n
(6.10)
No exemplo,
V
1
= span (1, 1)
T
V
2
= span (5, 2)
T
Tambem
tr (A) = a
11
+ a
22
= 4 + (3) = 1 = 2 + (1) =
1
+
2
det(A) = a
11
a
22
a
21
a
12
= 4 (3) (5) 2 = 2 = 2 (1) =
1
2
Exemplo 22 Vamos demonstrar os resultados das equa coes (6.9), (6.10) no caso 2 2.
O polinomio caracterstico da matriz
A =
a b
c d
e
p
c
() = (a )(d ) bc =
2
(a + d) + (ad bc)
=
2
tr (A) + det(A)
Se
1
e
2
s ao as razes de p
c
, ent ao, p
c
pode ser escrito como
p
c
() = (
1
)(
2
) =
2
(
1
+
2
) +
1
2
Aassim, igualando os coecientes, temos
1
+
2
= tr (A) = a
11
+ a
22
1
2
= det(A) = a
11
a
22
a
21
a
12
Captulo 7
Diagonalizacao de Matrizes
7.1 Resultado basico
Denicao 23 Uma matriz A, nn, e diagonalizavel se e s o se existe matriz P, inversvel,
e matriz D diagonal, (i.e. fora da diagonal principal os elementos s ao nulos), tais que
A = PDP
1
(ou AP = PD)
Teorema 24 Dada matriz A, n n, com n autovetores l.i.s, ent ao A e diagonalizavel,
e se
1
, . . . ,
n
s ao os autovalores e v
1
, . . . , v
n
s ao os correspondentes autovetores, ent ao
podemos tomar
D =
1
O
.
.
.
.
.
.
O
n
e P =
[
.
.
.
.
.
. [
v
1
.
.
.
.
.
. v
n
[
.
.
.
.
.
. [
[
.
.
.
.
.
. [
1 0
0 2
P =
1 5
1 2
donde,
P
1
=
1
3
2 5
1 1
2
3
5
3
1
3
1
3
Ent ao
4 5
2 3
1 5
1 2
1 0
0 2
2/3 5/3
1/3 1/3
42
7.1. RESULTADO B
ASICO 43
DemonstracaoEscrevendo a condic ao de autovalor-autovetor temos,
Av
1
=
1
v
1
.
.
.
.
.
.
Av
n
=
n
v
n
Organizando em forma matricial
AP =
[ [
.
.
. [
Av
1
Av
2
.
.
. Av
n
[ [
.
.
. [
[ [
.
.
. [
[ [
.
.
. [
1
v
1
2
v
2
.
.
.
n
v
n
[ [
.
.
. [
[ [
.
.
. [
[ [
.
.
. [
v
1
v
2
.
.
. v
n
[ [
.
.
. [
[ [
.
.
. [
1
O
.
.
.
.
.
.
O
n
= PD
Assim, AP = PD e como P e inversvel (pois P tem colunas l.i.s), ultiplicando ambos
os lados pela direita por P
1
temos
AP = PD APP
1
= PDP
1
A = PDP
1
Observacao 26 a) A e diagonaliz avel se e s o se A admite uma base de autovetores.
b) Se A tem n autovalores distintos ent ao ter a n autovetores l.i.s e automaticamente ser a
diagonaliz avel.
c) A n ao precisa ter n autovalores distintos para ser diagonaliz avel. Os exemplos mais
simples sao a matriz a matriz identidade e a matriz nula, nn. Mais geralmente qualquer
matriz diagonal e diagonalizavel, basta escolher P = I. Pode ter ou n ao todos os elementos
distintos na diagonal principal.
d) A matriz P que diagonaliza uma matriz n ao e unica. Por exemplo, para a matriz
identidade, qualquer matriz inversvel serve.
Exemplo 27 Nem todas as matrizes sao diagonaliz aveis. Por exemplo, as matrizes
A =
0 1
0 0
e B =
3 1
0 3
n ao s ao diagonalizaveis.
44 CAP
ITULO 7. DIAGONALIZAC
AO DE MATRIZES
A matriz A tem zero como unico autovalor, com multiplicidade 2. Os autovetores s ao
m ultiplos n ao-nulos de (1, 0)
T
, (nao h a outros autovetores), i.e.
V
0
= span (1, 0)
T
1
,
2
. . . ,
k
com multiplicidades n
1
, n
2
, . . . n
k
, respectivamente. Neste caso, o n umero
de razes
n = n
1
+ n
2
+ . . . n
k
e, tambem
p
c
() = (1)
n
(
1
)
n
1
(
2
)
n
2
. . . (
k
)
n
k
Sejam ainda d
1
= dimV
1
, d
2
= dimV
2
. . . e d
n
k
= dimV
n
k
. Dene-se:
n
i
= multiplicidade algebrica do autovalor
i
d
i
= multiplicidade geometrica do autovalor
i
Em geral,
multiplicidade algebrica de
i
multiplicidade geometrica de
i
1
v
1
+ c
2
2
v
2
Assim,
c
1
v
1
+ c
2
v
2
= 0
c
1
1
v
1
+ c
2
2
v
2
= 0
c
1
1
v
1
+ c
2
1
v
2
= 0
c
1
1
v
1
+ c
2
2
v
2
= 0
c
2
(
1
2
)v
2
= 0
Mas
1
=
2
e v
2
= 0, donde c
2
= 0. De forma analoga conclui-se que c
1
= 0, logo a
unica combinac ao linear de v
1
e v
2
nula e quando os coecientes s ao nulos, ou seja, v
1
e
v
2
s ao l.i.s.
7.2. EXEMPLOS 45
7.2 Exemplos
Exemplo 29 Cizalhamento
A =
1
1
3
0 1
0 1 0 0
0 0 0 0
0 0 0 1
0 0 0 0
0 1
1 0
= i.
V
i
= span (i, 1)
T
K =
P
. .. .
i i
1 1
D
. .. .
i 0
0 i
P
1
. .. .
i i
1 1
1
2i
K e diagonaliz avel.
46 CAP
ITULO 7. DIAGONALIZAC
AO DE MATRIZES
Observacao 33 Se uma matriz, A, com entradas reais admitir um autovalor, , com-
plexo (mais claramente, com parte imaginaria n ao-nula), ent ao o autovetor associado, v,
tambem tera entradas complexas. Alem disso,
, o complexo conjugado do autovalor, e
v, o complexo conjugado do autovetor, tambem s ao um par de autovalor, autovetor de
A. De fato,
Av = v
Av =
v
A v =
v A v =
v
Este resultado pode ser empregado no exemplo anterior, para a determina cao do autovetor
associado a i, quando se tiver calculado o autovetor associado a i.
7.3 Funcao de matriz
Potencias
A = PDP
1
A
2
= PDP
1
PDP
1
= PD
2
P
1
D
2
=
2
1
O
.
.
.
O
2
n
1 5
1 2
D
5
. .. .
(1)
5
0
0 2
5
P
1
. .. .
1
3
2 5
1 1
54 55
22 23
Inversas
A
1
= PD
1
P
1
De fato,
PD
I
. .. .
P
1
P D
1
P
1
= P
I
. .. .
DD
1
P
1
= PP
1
= I
No exemplo,
A
1
=
1 5
1 2
1 0
0 1/2
2 5
1 1
1
3
3
2
5
2
1 2
1 0
0 1
7.3. FUNC
AO DE MATRIZ 47
4 5
2 3
3
2
5
2
1 2
1 0
0 1
D
2
3D + 2I
P
1
= Pq(D)P
1
Para a matriz dada no exemplo 19,
q(A) =
1 5
1 2
q(1) 0
0 q(2)
2 5
1 1
1
3
1 5
1 2
6 0
0 0
2 5
1 1
1
3
4 10
4 10
1
3
4 5
2 4
= 2, 1
Teorema 38 Se A e B s ao diagonaliz aveis, ent ao elas possuem a mesma matriz de au-
tovetores, P, se e s o se comutam, i.e., AB = BA. Neste caso, os autovalores de AB
48 CAP
ITULO 7. DIAGONALIZAC
AO DE MATRIZES
(ou de BA) s ao dados pelo prodto dos autovalores de A e de B associados aos mesmos
autovetores. Mais especicamente, se
Av
i
=
i
v
i
e Bv
i
=
i
v
i
, ent ao ABv
i
= (
i
i
)v
i
Demonstracao(, se diagonalizam com a mesma P, ent ao comutam) Se A =
PDP
1
e B = PP
1
ent ao
AB = PD
I
. .. .
P
1
P P
1
= P
diagonais comutam
....
D P
1
(AB e diagonaliz avel com P; diagonal
i
i
= PDP
1
= PP
1
PDP
1
= BA
(, se comutam, ent ao diagonalizam com a mesma P) Assuma que os autovetores sejam
distintos. Ent ao
Av = v BAv = Bv A(Bv) = (Bv)
Bv e um autovetor de A (ou e nulo). Em qualquer dos casos, v e autovetor de B,
Se Bv = 0, v e autovetor associado ao autovalor nulo;
Se Bv = 0 , como s s ao distintos, o autoespaco tem dimens ao 1, logo Bv = v,
logo v e autovetor de B, assim, P e o mesmo.
7.4 Aplicacao a equacoes de diferencas
Exemplo 39 juros a 6% ao ano; capital a investir R$ 1000,00
Denote por
P
0
principal ou capital inicial
P
k
capital no k-esimo ano
a) Juros simples (calculado uma vez ao ano):
P
k
= (1 + 0, 06)
k
P
0
Por exemplo, P
5
= capital ap os 5 anos = (1 + 0, 06)
5
P
0
1338, 23.
b) Juros compostos todos os meses (composto 12 vezes ao ano)
P
k+1
=
1 +
0, 06
12
P
k
, k indica mes
donde P
k
=
1 +
0, 06
12
k
P
0
7.4. APLICAC
AO A EQUAC
OES DE DIFERENC AS 49
5 anos correspondem a 60 meses, assim,
P
60
=
1 +
0, 06
12
60
1000 =
1 +
0, 06
12
12
5
1000 1348, 85
c) Juros compostos diariamente (365 dias ao ano)
P
k
=
1 +
0, 06
365
k
P
0
P
5365
=
1 +
0, 06
365
365
5
1000 1349, 83
c) Juros compostos instant aneamente. Inicialmente calcule o valor quando o ano e dividido
em N partes iguais, assim 5 anos corresponde a 5N divis oes,
P
5N
=
1 +
0, 06
N
5
1000
Assim, para saber o valor quando os juros s ao calculados instantaneamente, basta calcular
o limite quando N ,
lim
N
P
5N
=
e
0,06
5
1000 1349, 87
Mais formalmente, se t representa o tempo em anos, tem-se que
P(t +
1
N
) = P(t)
1 +
0, 06
N
(t) = 0, 06P(t)
cuja soluc ao geral e
P(t) = P
0
e
0,06t
50 CAP
ITULO 7. DIAGONALIZAC
AO DE MATRIZES
Exemplo 40 Sequencia de Fibonacci A sequencia de Fibonacci e denida como a
soluc ao da seguinte equacao de diferencas linear de 2
a
ordem
F
k+2
= F
k+1
+ F
k
F
0
= 0, F
1
= 1
Considere o vetor
U
k
=
F
k+1
F
k
Ent ao, U
k
satisfaz o seguinte sistema de equacoes de diferencas, linear de 1
a
ordem,
U
k+1
=
F
k+2
F
k+1
F
k+1
+ F
k
F
k+1
=
A
. .. .
1 1
1 0
U
k
. .. .
F
k+1
F
k
isto e,
U
k+1
= AU
k
com U
0
= (F
1
, F
0
)
T
= (1, 0)
T
A forma da soluc ao pode ser obtida notando que
U
1
= AU
0
U
2
= AU
1
= A(AU
0
) = A
2
U
0
U
3
= AU
2
= A(A
2
U
0
) = A
3
U
0
.
.
.
U
k
= A
k
U
0
Podemos vericar que a matriz A tem 2 autovalores distintos,
=
1
(5)
2
logo A e diagonaliz avel. A quantidade
+
e conhecida como a razao aurea
1
Assim, A =
PDP
1
onde
P =
1 1
D =
+
0
0
P
1
=,
1
+
1
1
Seja um retangulo de lados L e l, com L > l, e considere o quadrado de lado l includo no retangulo.
O retangulo menor que sobra tem lados l e Ll. Estes serao proporcionais aos lados do retangulo maior,
respectivamente L e l, se a razao r = L/l for a razao aurea.
L
l
=
l
L l
l
2
= L
2
Ll
L
2
l
2
L
l
= 1 r
2
r 1 = 0
7.4. APLICAC
AO A EQUAC
OES DE DIFERENC AS 51
Pode-se vericar que
A
k
= PD
k
P
1
Ainda,
F
k
=
0 1
F
k+1
F
k
0 1
U
k
=
0 1
A
k
U
0
=
1
k
+
k
1
.
.
.
k
n
c
1
.
.
.
c
n
= P
c
1
k
1
.
.
.
c
n
k
n
= c
1
k
1
v
1
+ c
2
k
2
v
2
. . . c
n
k
n
v
n
Denicao 42 Dada equac ao de diferencas
U
k+1
= AU
k
diz-se que e:
a) estavel se os autovalores satisfazem [
i
[ < 1;
b) neutramente estavel se [
j
[ = 1 para algum j e [
i
[ < 1, para os restantes is;
c) instavel se, para algum autovalor, [
j
[ > 1
Teorema 43 (Perron-Frobenius) Seja A uma matriz cujas entradas s ao todas positivas.
Ent ao o maior autovalor
1
de A e real e positivo, e os componentes do autovetor corres-
pondente podem ser escolhidos positivos.
Denicao 44 Uma matriz e de Markov, se todas suas entradas sao n ao-negativas e a
soma dos elementos de cada coluna e um.
Toda a matriz de Markov tem 1 como autovalor. O vetor com todas as entradas iguais a
1 e autovetor da transposta de uma matriz de Markov, associado ao autovalor 1.
Captulo 8
Teorema Espectral
8.1 Considerac oes iniciais
Exemplo 45 Diagonalize a matriz abaixo, com uma matriz inversvel e depois com uma
matriz ortogonal.
A =
5 1 1
1 5 1
1 1 5
2 1 1
1 2 1
1 1 2
x
y
z
0
0
0
A solucao e,
x y z
T
= z
1 1 1
T
z
Autovetores para = 6 (A 6I)v = 0, i.e.,
1 1 1
1 1 1
1 1 1
x
y
z
0
0
0
x y z
T
=
y z 1 1
T
= y
1 1 1
T
+ z
1 1 1
T
y, z
52
8.1. CONSIDERAC
OES INICIAIS 53
Assim, a matriz dos autovetores,
S =
1 1 1
1 1 0
1 0 1
e inversvel, e
AS = SD
D =
3 0 0
0 6 0
0 0 6
Agora, podemos construir uma matriz ortogonal para diagonalizar A. Aplicamos o pro-
cesso de Gram-Schmidt (G-S) ` as colunas de S.
1 1 1
3
3
1 1 1
T
Os vetores b = (1, 1, 0)
T
e c = (1, 0, 1)
T
s ao ortogonais ao vetor (1, 1, 1)
T
, mas
n ao s ao ortogonais entre si. No entanto os vetores b e c pertencem ao autoespaco V
6
.
Combina coes lineares dos dois continuam a pertencer ao mesmo espaco. De fato, como
Ab = 6b, e Ac = 6c,
A(b + c) = A(b) + A(c) = 6b + 6c = 6(b + c) V
6
Como o processo de Gram-Schmidt troca vetores por combinacoes lineares deles, se com-
binarmos vetores do mesmo autoespaco, eles continuar ao no mesmo autoespaco e podem
ser escolhidos (e isso que G-S faz) de forma a serem vetores ortonormais. Facamos,
c = c P
b
c =
1 0 1
1
[[(1, 1, 0)[[
2
1 1 0
T
=
1/2 1/2 1
T
Agora normalize c, obtendo (
6/6,
6/6, 2
6/6)
T
. Ent ao, a matriz
Q =
3
3
2
2
6
6
3
3
2
2
6
6
3
3
0
2
6
6
e ortogonal e A = QDQ
T
.
Teorema 46 Teorema Espectral Matrizes simetricas reais tem autovalores reais e seus
autovetores podem ser escolhidos ortonormais, formando base, isto e, se A = A
T
, existe
matriz diagonal real, D, e matriz ortogonal, Q, (QQ
T
= I), tal que
A = QDQ
T
onde as colunas de Q s ao formadas pelos autovetores e a diagonal principal de D e formada
pelos autovalores de A.
54 CAP
x
1
x
2
. . . x
n
T
, com x
i
IC
Denotamos a norma em IC
n
por, [[ [[, onde
[[x[[
2
= [x
1
[
2
+ . . . [x
n
[
2
Vale recordar que se z = a+ib IC, com a, b IR, e i
2
= 1, entao o complexo conjugado
de z e
z = a ib
e
z z = [z[
2
= a
2
+ b
2
Um n umero complexo z e dito complexo unitario se [z[ = 1. Recordamos ainda a formula
de Euler,
e
a+ib
= e
a
(cos b + isen b)
Dado x C
n
, i.e. uma matriz n1, denota-se por x
ou por x
H
, e le-se x hermitiano,
a matriz 1 n
x
H
= x
T
=
x
1
x
2
. . . x
n
O produto interno em IC
n
e dado por
(x, y) = x
H
y = x
1
y
1
+ x
2
y
2
+ . . . x
n
y
n
Exemplo 47 Sejam
x =
1 + i
3i
e y =
4 i
2
Temos
x
H
= x
T
=
1 i 3i
Assim,
x
H
y =
1 i 3i
4 i
2
1 i 3i
1 + i
3i
), A hermitiana ou A estrela
ou a adjunta de A, por
A
H
=
T
a transposta conjugada da matriz A.
Pode-se vericar que
(AB)
H
= B
H
A
H
e (A
H
)
H
= A
Assim,
(x, Ay) = x
H
Ay = (A
H
x)
H
y = (A
H
x, y)
e este resultado mostra como A muda de posic ao no produto interno. No caso real, A
muda de posic ao no produto interno, pela transposta, e no caso complexo pela transposta
conjugada.
Denicao 48 Uma matriz e dita hermitiana ou auto-adjunta se A
H
= A, i.e. se A
hermitiana e ela propria.
Em particular, uma matriz hermitiana, quando muda de posic ao no produto interno,
continua ela pr opria. O mesmo ocorre com matrizes simetricas reais e o produto interno
e o produto interno em IR
n
, que ao trocar de posic ao no produto interno, se mantem
inalteradas.
Exemplo 49 A matriz
A =
2 3 3i
3 + 3i 5
e hermitiana.
Exemplo 50 Seja A uma matriz anti-simetrica real, A
T
= A. Entao, iA e uma matriz
hermitiana.
Observacao 51 a) Uma matriz A e hermitiana se e somente se a
ij
= a
ji
e ao longo da
diagonal principal so ha n umeros reais.
b) Se A e real, A
H
= A
T
e A ser a hermitiana se e s o se A for simetrica.
c) Os autovalores de matrizes hermitianas s ao reais e os autovetores (de autovalores dis-
tintos) sao ortogonais.
Demonstracao(c) Seja v e um par autovetor-autovalor de A, Av = v. Ent ao,
v
H
v = v
H
Av = (A
H
v)
H
v
A
H
=A
= (Av)
H
v = (v)
H
v =
v
H
v
Como v
H
v = 0 pois v e um autovetor, ent ao, =
, isto e, e real.
56 CAP
[
.
.
. [
u
1
.
.
. u
n
[
.
.
. [
1
.
.
.
u
H
1
.
.
.
u
H
n
[
.
.
. [
1
u
1
.
.
.
n
u
n
[
.
.
. [
u
H
1
.
.
.
u
H
n
=
1
u
1
u
H
1
+
2
u
2
u
H
2
+ . . .
n
u
n
u
H
n
8.2. ESPAC OS VETORIAIS COMPLEXOS 57
c) Dados vetores ortonormais, u
1
, . . . , u
k
, a matriz de proje cao ortogonal no espaco gerado
por eles e:
P = u
1
u
H
1
+u
2
u
H
2
+ . . . u
k
u
H
k
d) Todas as classes de matrizes acima sao diagonalizaveis, admitindo base ortonormal de
autovetores.
e) Se A e anti-hermitiana, ent ao B = iA e hermitiana.
DemonstracaoDe fato,
B
H
= (iA)
H
= iA
H
= i(A) = iA = B
f) Se A e hermitiana, ent ao iA e anti-hermitiana.
g) Se A e unit aria, entao seus autovalores s ao complexos unit arios.
DemonstracaoComo
Av = v [[Av[[ = [[v[[ [[Av[[
2
= [[v[[
2
(Av)
H
Av = (v)
H
v v
H
I
. .. .
A
H
A v =
v
H
v
v
H
v =
v
H
v
Como v
H
v = [[v[[
2
= 0, ent ao [[ = 1, i.e., os autovalores s ao unit arios.
h) tr (A
T
) = tr (A), tr (A
H
) =
tr (A).
i) det(A
T
) = det(A) e det(A
H
) =
det(A)
j) det(e
A
) = e
tr (A)
.
Demonstracao
det(e
A
) = det(Ue
D
U
H
) = det(U) det(e
D
) det(U
H
)
= det(U) det(U
H
) det(e
D
) = e
1
+
2
+...
n
= e
tr (A)
= 0
logo e
A
e sempre inversvel. Note que det(U) det(U
H
) = det(UU
H
) = det(I) = 1 e que
e
D
=
1
.
.
.
e
x y z
8 2 0
2 6 1
0 1 4
x
y
z
x y z
PDP
T
x
y
z
u v w
u
v
w
=
1
u
2
+
2
v
2
+
3
w
2
onde
D =
1
0 0
0
2
0
0 0
3
u
v
w
= P
T
x
y
z
1 + at +
a
2
t
2
2!
+
(a
3
t
3
3!
+
a
4
t
4
4!
+ . . .
= 0 + a + a
2
t + a
3
t
2
2!
+ a
4
t
3
3!
+ . . .
= a
1 + at +
a
2
t
2
2!
+
a
3
t
3
3!
+
a
4
t
4
4!
+ . . .
= ae
at
Assim, a fun cao x(t) = x
0
e
at
satisfaz a equa cao diferencial ordinaria
dx
dt
= ax
e a condi cao inicial x(0) = x
0
.
Analogamente, considere o PVI associado a um sistema de equa coes diferenciais line-
ares, homogeneas de 1
a
ordem,
dx
dt
= Ax, t > 0 (8.1)
x(0) = x
0
onde x = x(t).
Se denirmos a exponencial de matrizes
1
,
e
At
= 1 + At + A
2
t
2
2!
+ A
3
t
3
3!
+ A
4
t
4
4!
+ . . .
Exemplo 56 Sendo A = diag(1, 2),
e
At
=
1 0
0 1
1 0
0 2
t +
1 0
0 4
t
2
2!
+ . . .
=
e
t
0
0 e
2t
Note que
d
dt
e
At
= A + A
2
t + A
3
t
2
2!
+ . . .
= A
I + At + A
2
t
2
2!
+ . . .
= Ae
At
1
A exponencial de matrizes quadradas e uma funcao bem denida uma vez que a serie e convergente
em sentido apropriado, mas cuja discussao foge aos objetivos destas notas
60 CAP
I + Dt + D
2
t
2
2!
+ D
2
t
3
3!
+ . . .
P
1
= P
1
t
.
.
.
e
n
t
Assim,
x(t) = P
1
t
.
.
.
e
n
t
c
. .. .
P
1
x
0
= P
c
1
e
1
t
.
.
.
c
n
e
n
t
= c
1
e
1
t
v
1
+ c
2
e
2
t
v
2
+ . . . c
n
e
n
t
v
n
Exemplo 57 Determine a solucao do PVI dado a seguir,
du
dt
=
2 1
1 2
u u(0) =
2
3
2 1
1 2
= (2 )
2
1 = 0
Autovalores: = 1 e = 3.
Autovetores associados ao autovalor = 1, (1, 1)
t
, .
Autovetores associados ao autovalor = 3, (1, 1)
t
, .
Soluc ao da forma
u(t) = c
1
1
1
e
1t
+ c
2
1
1
e
3t
8.3. EQUAC
OES DIFERENCIAIS E A EXPONENCIAL DE MATRIZES 61
Para satisfazer a condi cao inicial,
2
3
= u
0
= c
1
1
1
+ c
2
1
1
donde
c
1
+ c
2
= 2
c
1
c
2
= 3
c
1
= 5/2
c
2
= 1/2
A solucao ent ao e dada por
u(t) =
5
2
1
1
e
1t
+
1
2
1
1
e
3t
=
1
2
5e
t
e
3t
e
t
+ e
3t
Captulo 9
Massas e Molas em Equilbrio
9.1 Uma massa e uma mola
Considere uma mola na horizontal com uma das extremidades (a da esquerda) presa a
uma parede e em cuja outra extremidade est a ligada uma massa pontual. O movimento
desse sistema e regido pela 2
a
lei de Newton. Denotemos por m a massa da partcula
pontual, por L o comprimento livre da mola, e por y = y(t) a posi cao da massa com
relac ao ` a parede, e por F a forca exercida pela mola na massa. Entao, pela 2
a
lei de
Newton, temos:
m
d
2
y
dt
2
= F
A forca que a mola exerce sobre a massa e proporcional `a alteracao do comprimento da
mola (Hook),
F variacao do comprimento
A varia cao do comprimento da mola e dado por y L, que e positivo se a mola est a
sendo alongada (sofrendo distens ao) e negativo se ela estiver sendo diminuda (sofrendo
compress ao). A forca que a mola exerce, sobre a massa e no sentido de diminuir seu
tamanho, caso esteja sendo alongada, e de aumentar caso esteja menor que seu tamanho
natural. Neste caso, pode-se entao escrever que
F = c(y L)
onde c denota a constante de elasticidade da mola, ou constante de Hook.
A situac ao de equilbrio ocorre quando y(t) e constante, donde d
2
y/dt
2
= 0, e, pela
segunda lei de Newton, e necess ario que F = 0 donde y = L, isto e, quando a mola estiver
com o seu comprimento natural.
Se x(t) for a posic ao da mola, no tempo t, em rela cao `a posic ao de equilbrio,
x = y L
62
9.2. DUAS MOLAS E UMA MASSA 63
ent ao F = cx e
m
d
2
x
dt
2
= cx
que e a forma usual da equac ao do sistema massa-mola.
9.2 Duas molas e uma massa
Seja uma massa pontual entre duas molas cada uma das molas presa uma parede. Seja
y = y(t) a posic ao da massa, marcada com relac ao ` a parede da esquerda, e denote a mola
da esquerda por 1 e a da direita por 2.
Alguns informac oes sobre o sistema s ao dados na tabela a seguir, onde
c
> 0 denota
a variac ao do comprimento de uma mola e D representa a distancia entre as paredes.
mola comp. const. Hook pto inicial pto nal
c
1 L
1
c
1
0 y(t) y L
1
2 L
2
c
2
y(t) D D y L
2
N ao se faz a-priori nenhuma rela cao entre L
1
, L
2
e D. Assim, quando o sistema estiver
em equibrio, e D > L
1
+ L
2
, as molas estar ao sendo distendidas, e caso D < L
1
+ L
2
as
molas estarao sendo comprimidas. Denote por
F
1
= forca exercida pela mola 1 na massa = c
1
(y L
1
)
F
2
= forca exercida pela mola 2 na massa = c
2
(D y L
2
)
A equacao de movimento continua sendo a expressao da 2
a
lei de Newton, m
d
2
y
dt
2
= F
onde F = F
1
+ F
2
e o somat orio das forcas exercidas sobre a massa. Assim, a condicao
de equilbrio continua sendo a nulidade de F, isto e,
c
1
(y L
1
) + c
2
(D y L
2
) = 0
Resolvendo-se para y, a solu cao de equilbrio ocorre quando a massa se encontra em
y =
c
1
L
1
+ c
2
(D L
2
)
c
1
+ c
2
Como casos particulares temos:
c
1
= c
2
y =
D+L
1
L
2
2
L
1
= L
2
y =
c
2
D+(c
1
c
2
)L
1
c
1
+c
2
c
1
= c
2
e L
1
= L
2
y =
D
2
64 CAP
IBRIO
Observacao Se D = L
1
+ L
2
, ent ao quando c
1
= c
2
, y = L
1
e quando L
1
= L
2
,
y =
c
1
L
1
+c
2
L
2
c
1
+c
2
=
c
1
c
1
+c
2
L
1
+
c
2
c
1
+c
2
L
2
que e a media ponderada dos comprimentos por pesos
referentes ` a elasticidade relativa das molas.
9.3 Uma massa suspensa por uma mola
Quando uma massa esta suspensa por uma mola, e o eixo esta apontando para baixo,
seja y o deslocamento da massa em relac ao ao ponto de suporte da mola. Tipicamente,
os valores que y assume s ao positivos. Esta situacao representa um sistema com uma
extremidade xa e a outra livre (FL).
A soma das for cas, uma devido ` a gravidade e a outra devido ` a forca de restaura cao
da mola, e dada por,
F = c(y L) + mg
e a equa cao de movimento escreve-se como
m
d
2
y
dt
2
= F = c(y L) + mg
Em equilbrio, c(y L) + mg = 0, ou
y = L +
mg
c
E usual utilizar vari avel para descrever posic ao em rela cao ` a posi cao de equilbrio, isto
e,
x = y
L +
mg
c
L +
mg
c
c
1
+ c
2
c
2
c
2
c
2
y
1
y
2
c
1
L
1
c
2
L
2
c
2
L
2
m
1
g
m
2
g
66 CAP
IBRIO
ou, ainda,
1 1
0 1
c
1
0
0 c
2
1 0
1 1
y
1
y
2
L
1
L
2
= g
m
1
m
2
Denotando as matrizes,
A =
1 1
0 1
e C =
c
1
0
0 c
2
e os vetores
y, =
y
1
y
2
, m =
m
1
m
2
e / =
L
1
L
2
e
1
e
2
e
3
e
4
1 0 0
1 1 0
0 1 1
0 0 1
y
1
y
2
y
3
L
1
L
2
L
3
L
4
D
ou seja,
e = Ay /
onde / = (L
1
, L
2
, L
3
, L
4
D)
T
e A e a matriz de diferencas, 4 3,
A =
1 0 0
1 1 0
0 1 1
0 0 1
68 CAP
IBRIO
2
a
etapa A lei de Hook (uma lei constitutiva ou material) conecta os alongamentos das
molas `a tens ao interna das mesmas
w
1
= c
1
e
1
w
2
= c
2
e
2
w
3
= c
3
e
3
w
4
= c
4
e
4
ou, simplesmente,
w = Ce
onde a matriz da materialidade e dada por
C = diag(c
1
, c
2
, c
3
, c
4
) =
c
1
0 0 0
0 c
2
0 0
0 0 c
3
0
0 0 0 c
4
3
a
etapa Equac ao de balan co (armacao do estado de equilbrio): as forcas internas
(w) das molas devem balancear as forcas externas sobre as massas (f). A massa i tem
acima a mola i e abaixo a mola i + 1:
0 = F
i
= Forca da gravidade + forca da mola i + forca da mola i + 1
= m
i
g w
i
+ w
i+1
Assim,
w
2
w
1
= m
1
g
w
3
w
2
= m
2
g
w
4
w
3
= m
3
g
ou, pondo em evidencia as matrizes,
1 1 0 0
0 1 1 0
0 0 1 1
w
1
w
2
w
3
w
4
= g
m
1
m
2
m
3
ou ainda,
A
T
w = gm
9.6. UMA LINHA DE MOLAS 69
A matriz de rigidez do sistema xo-xo
Finalmente, das tres etapas, conclumos:
A
T
w = gm A
T
(Ce) = gm A
T
(C(Au)) = gm
isto e A
T
CAu = gm ou
A
T
C(Ay /) = gm A
T
CAy = gm+ A
T
C/
A matriz K = A
T
CA e chamada de matriz de rigidez do sistema. Ela e o analogo
discreto do operador laplaciano que tanto aparece nas equac oes da Fsica-Matematica.
Podemos determinar qual a estrutura de K = A
T
CA. De fato,
A =
1 1 0 0
0 1 1 0
0 0 1 1
c
1
0 0 0
0 c
2
0 0
0 0 c
3
0
0 0 0 c
4
1 0 0
1 1 0
0 1 1
0 0 1
c
1
+ c
2
c
2
0
c
2
c
2
+ c
3
c
3
0 c
3
c
3
+ c
4
Como caso particular, tomemos molas com constante de elasticidade unit aria, c
1
= c
2
=
c
3
= c
4
= 1, C = I. Ent ao,
K =
2 1 0
1 2 1
0 1 2
ou seja, K = K
3
, que novamente reencontramos.
Sistema Fixo-Livre
No sistema FL, h a o mesmo n umero de massas e molas. Consideremos o caso em que h a
tres massas. Analogamente ao caso do sistema FF, denotemos por
y = (y
1
, y
2
, y
3
) posic ao das massas
u = (u
1
, u
2
, u
3
) deslocamento das massas do equilbrio sem gravidade
e = (e
1
, e
2
, e
3
) alongamento das molas
w = (w
1
, w
2
, w
3
) tens ao nas molas: forca interna
f = (f
1
, f
2
, f
3
) forca nas massas
A obtenc ao das equac oes e realizada nas tres etapas descritas anteriormente.
70 CAP
IBRIO
1
a
etapa Deslocamentos das massas alongamento de molas
Quando em equilbrio, na horizontal, o sistema satisfaz
y = (y
1
, y
2
, y
3
) = (L
1
, L
1
+ L
2
, L
1
+ L
2
+ L
3
)
e a variavel u e medida a partir desses pontos, resultando em
u = (u
1
, u
2
, u
3
) = (y
1
L
1
, y
2
(L
1
+ L
2
), y
3
(L
1
+ L
2
+ L
3
))
o que reescrito fornece,
(y
1
, y
2
, y
3
) = (u
1
+ L
1
, u
2
+ L
1
+ L
2
, u
3
+ L
1
+ L
2
+ L
3
)
donde
e
1
= y
1
L
1
= u
1
e
2
= y
2
y
1
L
2
= u
2
u
1
(9.3)
e
3
= y
3
y
2
L
3
= u
3
u
2
ou ainda,
e
1
e
2
e
3
1 0 0
1 1 0
0 1 1
u
1
u
2
u
3
2
a
etapa Alongamento de molas tens ao interna
w
1
w
2
w
3
c
1
0 0
0 c
2
0
0 0 c
3
e
1
e
2
e
3
3
a
etapa Tensao interna de molas forcas sobre massas
w
2
w
1
= m
1
g
w
3
w
2
= m
2
g
w
3
= m
3
g
ou
1 1 0
0 1 1
0 0 1
w
1
w
2
w
3
= g
m
1
m
2
m
3
Captulo 10
Projec oes e Quadrados Mnimos
para Matrizes Retangulares
10.1 Projecao sobre linha reta
Sejam dados um ponto b e uma reta r, que passa pela origem e que tem direc ao denida
pelo vetor a. Como veremos, os dois problemas a seguir sao equivalentes:
Determinar ponto p da reta r, mais pr oximo de b;
Determinar a projec ao ortogonal de b sobre a reta r.
Ponto mais proximo O ponto generico da reta e dado por ta, com t IR. Seja f(t)
a distancia de ta a b,
f(t) = dist(ponto da reta, b) = dist(ta, b) = [[ta b[[
=
(a
1
t b
1
)
2
+ (a
2
t b
2
)
2
+ . . . (a
n
t b
n
)
2
Observamos que achar o ponto de mnimo de f e equivalente a achar o ponto de mnimo
da func ao g =
f
2
2
, dada explicitamente por
g : IR IR
t g(t) =
1
2
(a
1
t b
1
)
2
+ (a
2
t b
2
)
2
+ . . . (a
n
t b
n
)
2
= 0). Deri-
vando g em relac ao t, e igualando a zero temos
g
(t) = (a
1
t b
1
) a
1
+ (a
2
t b
2
) a
2
+ . . . (a
n
t b
n
) a
n
= 0
donde, resolvendo para t obtemos
t =
a
1
b
1
+ a
2
b
2
+ . . . a
n
b
n
a
2
1
+ a
2
2
+ . . . a
2
n
=
a
T
b
a
T
a
71
72 CAP
INIMOS
Recordamos aqui que a e um vetor coluna,
a =
a
1
a
2
.
.
.
a
n
.
O ultimo destes resultados depende do Teorema Fundamental da
Algebra Linear (TE-
FAL). Demonstracao:
N(P)
TEFAL
= Im(P
T
)
= spana
b
1
b
2
.
.
.
b
n
a
1
a
2
.
.
.
a
n
c
74 CAP
INIMOS
Em geral este sistema e impossvel, isto e, salvo raras excec oes o sistema nao tem soluc ao.
Sejam a = (a
1
a
2
. . . a
n
)
T
e b = (b
1
b
2
. . . b
n
)
T
. Alternativamente, o que se procura fazer
e determinar o valor de c de forma a que o vetor erro, b ca, seja o vetor de menor
tamanho possvel. Isto e, procura-se minimizar a soma de quadrados,
E(c) = (b
1
ca
1
)
2
+ (b
2
ca
2
)
2
+ . . . (b
n
ca
2
)
2
A solucao, j a sabemos, e:
c =
a
T
b
a
T
a
=
n
i=1
a
i
b
i
n
i=1
a
2
i
10.3 Solucao de sistemas impossveis: quadrados mnimos
Seja Ax = b um sistema impossvel. Geralmente, troca-se este problema pelo problema
de minimizar, em algum sentido, o vetor Ax b.
A solucao de quadrados mnimos de um sistema impossvel e, por denic ao, o valor da
inc oginta x tal que o vetor de discrepancia d = Ax b tenha a menor norma euclideana
possvel.
Esta soluc ao e conseguida quando o vetor b Ax seja ortogonal ao espaco coluna de
A, isto e, se as colunas de A forem A
1
, A
2
, . . . , A
k
,
A =
[ [
.
.
. [
A
1
A
2
.
.
. A
k
[ [
.
.
. [
IVEIS: QUADRADOS M
INIMOS 75
que pode ser reorganizado em forma matricial,
(A
1
)
T
(A
2
)
T
(A
k
)
T
Ax =
(A
1
)
T
(A
2
)
T
(A
k
)
T
b
o que notoriamente pode ser escrito simplesmente como a chamada equacao normal,
A
T
Ax = A
T
b
cuja soluc ao e a solucao de quadrados mnimos de um sistema impossvel.
Apresentamos uma deduc ao alternativa, baseada no Teorema Fundamental da
Algebra
Linear. Queremos determinar x de tal forma que
b Ax Im(A)
Isto e, queremos que
b Ax Im(A)
, donde, Im(A)
= (N(A
T
)
= N(A
T
), uma vez
que o perp do perp de um espaco vetorial de dimensao nita e o pr oprio espa co. Ent ao,
basta que b Ax N(A
T
), isto e,
A
T
(b Ax) = 0 A
T
Ax = A
T
b
obtendo novamente a equac ao normal.
Observacao (1)
E um fato que se A tem colunas linearmente independentes (lis), entao
A
T
A e inversvel. Neste caso, podemos representar a soluc ao de quadrados mnimos por
x =
A
T
A
1
A
T
b
e a projec ao ortogonal de b sobre o espa co coluna de A por
Pb = Ax = A
A
T
A
1
A
T
b
A matriz
P = A
A
T
A
1
A
T
e a matriz da projec ao ortogonal de b sobre o espa co coluna de A.
(ii) Quando A n ao tem colunas lis, basta reduzir o problema escolhendo colunas lis.
76 CAP
INIMOS
Um exemplo Considere
A =
1 2
1 3
0 0
e b =
4
5
6
1 1 0
2 3 0
1 2
1 3
0 0
x
y
1 1 0
2 3 0
4
5
6
2 5
5 13
x
y
9
23
4
5
6
1 2
1 3
0 0
2
1
0
0
6
A
T
A
1
A
T
=
1 0 0
0 1 0
0 0 0
uma matriz de proje cao sobre o plano xy como era natural esperar se notarmos como s ao
as colunas da matriz A.
Observacao Dada uma matriz A qualquer, a matriz P = A
A
T
A
1
A
T
satisfaz as
seguintes propriedades: (i) P
2
= P (idempotencia); (ii) P
T
= P (simetria).
Denicao Uma matriz e chamada de matriz de projecao se e so se satisfaz a condi cao
(i) acima. Quando, alem de (i) satisfaz (ii), ent ao e chamada de matriz de projec ao
ortogonal.
Existe motivac ao geometrica para o uso dessa nomenclatura.
Observacao Dados k vetores lis em IR
n
, v
1
, v
2
, . . . v
k
, com n k, entao, para deter-
minar a matriz de proje cao sobre o espa co U gerado pelos vetores,
U = spanv
1
, v
2
, . . . v
k
basta construir a matriz A cujas k colunas sao os vetores dados, e a matriz de proje cao e
ent ao dada por P = A
A
T
A
1
A
T
.
10.4. REGRESS
AO LINEAR 77
10.4 Regressao linear
Considere a tabela dada a seguir referente a dados experimentais. Assume-se que as
vari aveis denotadas por x sejam livres (explicativas) e que a variavel y seja dependente
(vari avel resposta)
x
1
x
2
x
3
. . . x
n
y
1
a
observacao x
1
1
x
1
2
x
1
3
. . . x
1
n
y
1
2
a
observacao x
2
1
x
2
2
x
2
3
. . . x
2
n
y
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
observacao k x
k
1
x
k
2
x
k
3
. . . x
k
n
y
k
Assuma agora que tem motivos para achar que os dados sao razoavelmente representados
pelo seguinte modelo linear,
y =
0
+
1
x
1
+
2
x
2
+ . . .
n
x
n
A questao e determinar os coecientes
0
,
1
, . . .
n
de forma a que a soma dos quadrados
dos erros seja mnima. Temos:
d
1
= y
1
0
+
1
x
1
1
+
2
x
1
2
+ . . .
n
x
1
n
erro na 1
a
observa cao
d
2
= y
2
0
+
1
x
2
1
+
2
x
2
2
+ . . .
n
x
2
n
erro na 2
a
observa cao
.
.
.
d
k
= y
k
0
+
1
x
k
1
+
2
x
k
2
+ . . .
n
x
k
n
i=1
y
i
j=1
j
x
i
j
2
Qual a soluc ao? Pode derivar a func ao E com relac ao a cada
i
e obter um sistema linear
para determinar os pontos crticos. Alternativamente, pense a equac ao (10.1) matricial-
mente,
Denotemos por d = (d
1
d
2
. . . d
k
)
T
o vetor de discrep ancia, y = (y
1
y
2
. . . y
k
)
T
,
= (
0
1
. . .
n
)
T
, e
X =
1 x
1
1
. . . x
1
n
1 x
2
1
. . . x
2
n
.
.
.
.
.
. . . .
.
.
.
1 x
k
1
. . . x
k
n
78 CAP
INIMOS
A equac ao (10.1) pode ent ao ser escrita simplesmente como
d = y X
A situacao ideal seria determinar de tal forma que d pudesse ser escolhido igual ao
vetor nulo. Como isto quase nunca e possvel, vemos que estamos perante um problema
impossvel, e partimos para obter a soluc ao de quadrados mnimos. Assim, o valor do
vetor que procuramos e solucao da equac ao normal,
X
T
X = X
T
y
Captulo 11
Agrupamento de Genes
11.1 Motivacao
Um microarray de DNA mede os nveis de express ao de milhares de genes em um experi-
mento unico. Essa informac ao pode ser armazenada em um vetor coluna longo. Se temos
20 indivduos, e 1000 nveis, podemos formar a matriz G, 1000 20,
G =
[ [ [
[ [ [
G
1
G
2
.
.
. G
20
[ [ [
[ [ [
Uma quest ao basica (etapa inicial) para o entendimento deste conjunto de dados e
agrupar os genes que apresentem nveis de express ao altamente correlacionados (e algumas
vezes anti-correlacionados). Esses genes podem estar no mesmo caminho celular.
O projeto do Genoma Humano nos disse quais s ao as pecas no quebra-cabeca da vida:
as linhas de G.
Questao de que forma essas pecas se mobilizam para produzir funcao como, por
exemplo, criar protenas?
11.2 Particionamento
Interesse em particionar um grafo em duas partes, isto e, a partir de um grafo conexo,
retirar alguns arcos de forma a obter dois subgrafos desconexos.
79
Captulo 12
Exerccios I
12.1 Parte um
1
a
Questao: a) Dada a matriz
P =
2
3
1
3
1
3
1
3
2
3
1
3
1
3
1
3
2
3
3
0
3
, b =
6
6
6
e c =
6
3
6
0 1 1 2
1 2 1 2
2 7 6 1
2 6 4 8
4
6
16
20
5
a
Questao: a) Dado o plano de equa cao x + 2y + z = 0, determine a matriz R da
reex ao em rela cao ao plano . b) De os vertices de um tri angulo cuja imagem pela
transformac ao R seja ele pr oprio.
6
a
Questao: a) Determine a fatorac ao PA = LU da matriz
A =
1 1 1 2
1 1 2 1
2 1 1 1
2 3 4 6
ICIOS I
e dy/dx (y(x + h) y(x))/h, na condicao de fronteira de Robin, quando h, que
representa o tamanho da malha, e pequeno. Use h = 1/2 = 0, 5. Explicite a matriz do
sistema de equa coes.
9
a
Questao: a) Obtenha a matriz de incidencia A do grafo dado na gura. b) Determine
o espa co nulo de A; c) Determine o espaco nulo ` a esquerda de A; d) Explique o que o
Teorema Fundamental da
Algebra Linear arma para A; e) Determine A
T
A e AA
T
.
12.2 Parte dois
1
a
Questao: Determine uma expressao simples para
det
a a a a
a b b b
a b c c
a b c d
2
a
Questao: Um fabricante de perfumes, desejando determinar o preco de venda que
maximizaria o seu lucro, quer expressar as suas vendas semanais y (em milhares de vidros)
como uma fun cao linear do preco x (em reais por vidro), y = a + bx. Com este objetivo
em mente, ele realizou vendas experimentais do perfume em quatro cidades semelhantes,
tendo obtido os seguintes resultados:
Cidade 1 Cidade 2 Cidade 3 Cidade 4
x 6,25 6,75 8,00 8,75
y 6,03 5,62 4,78 4,34
a) Obtenha o sistema indeterminado que a e b devem satisfazer.
b) Determine a e b que melhor se ajustam aos dados, no sentido dos mnimos quadrados.
3
a
Questao: Dados dois polin omios de grau menor ou igual a 2, p e q, dena o seguinte
produto interno,
'p, q` = p(0)q(0) + p(1)q(1) + p(2)q(2)
Utilize o metodo de Gram-Schmidt ` a base 1, x, x
2
com este produto interno.
4
a
Questao: Dados os vetores
v
1
=
1
1
0
1
v
2
=
1
0
1
1
v
3
=
0
1
1
1
7
0
7
0
u
T
u.
Mostre que
[ [u +v[ [
2
+[ [u v[ [
2
= 2
[ [u[ [
2
+[ [v[ [
2
1 t t
2
t
3
t 1 t t
2
t
2
t 1 t
t
3
t
2
t 1
1 6
3 6
4 8
5 0
7 8
84 CAP
ICIOS I
c) Escreva A como QR, onde Q tem colunas ortonormais e R e triangular superior.
d) Determine a matriz de projec ao sobre o espaco gerado pela colunas de A. (Sugestao:
Faca isso a partir da matriz Q.
e) Determine a soluc ao de mminos quadrados de Ax = b, se b = (3, 7, 1, 0, 4).
9
a
Questao: a) Determine os coecientes de Fourier a
0
, a
1
, b
1
da func ao degrau y(x),
que e 1 no intervalo 0 x e 0 no restante do intervalo < x 2:
a
0
=
(y, 1)
(1, 1)
a
1
=
(y, cos x)
(cos x, cos x)
b
1
=
(y, sen x)
(sen x, sen x)
b) Represente gracamente a func ao y(x) e a func ao aproximada, z(x), obtida atraves do
polin omio de Fourier,
z(x) = a
0
+ a
1
cos x
com apenas dois termos.
10
a
Questao: a) Aplique o metodo de Gram-Schmidt aos vetores (1, 1, 0), (0,1,-1), e
(1,0,-1), para encontrar uma base ortonormal para o plano x
1
+ x
2
+ x
3
= 0 (ao qual os
vetores anteriores pertencem). Qual e a dimens ao deste subespaco, e quantos vetores n ao
nulos resultam do metodo de Gram-Schmidt?
b) Obtenha as matrizes da projecao ortogonal sobre o subespa co V denido pelo plano,
e sobre o subespaco V
(V perp).
12.3 Parte tres
1
a
Questao: Considere o problema de valor inicial para o sistema de equacoes diferenciais
ordin arias:
x
1
= 3x
1
+ 3x
2
x
2
= 4x
1
+ 2x
2
, t > 0 (12.1)
onde x
1
= x
1
(t) e x
2
= x
2
(t), e as condic oes iniciais s ao
x
1
(0) = 1 , x
2
(0) = 2 (12.2)
a) Represente o sistema matricialmente.
b) Determine as solucoes da equac ao (12.1) da forma
x
1
(t)
x
2
(t)
u
v
e
t
, onde u, v
e s ao constantes.
c) Determine a soluc ao de (12.5) sujeita `as condic oes da equac ao (12.2).
2
a
Questao: Diagonalize a matriz
A =
0 1 1
1 0 1
1 1 0
12.3. PARTE TR
ES 85
atraves de uma matriz ortogonal, sabendo que os autovalores sao -1 e 2.
3
a
Questao: Sejam a, b, c e d n umeros reais tais que
a
2
+ b
2
= 1
c
2
+ d
2
= 1
ac + bd = 0
(12.3)
Mostre que
a
2
+ c
2
= 1
b
2
+ d
2
= 1
ab + cd = 0
(12.4)
(Sugest ao: Lembre-se, esta disciplina e de
Algebra Linear vetores e matrizes.)
4
a
Questao: [ Calculo Funcional] Note bem: v arias alneas nao dependem das anteri-
ores. Dada a matriz
A =
0 2
1 3
ICIOS I
-
Lembrete:
r s
u v
1
=
1
rv su
v s
u r
correspondendo ao autovalor
= 1. Assuma que o n umero de caminh oes total e de 1000 unidades.
7
a
Questao: Uma quest ao importante relativamente a matrizes que modelam situac oes
fsicas e a localizac ao dos autovalores de uma matriz; por vezes mesmo quando nao e
possvel determina-los facilmente, saber algo a respeito e suciente. O teorema a seguir e
uma ferramenta importante nesse contexto.
Teorema (dos crculos) de Gerschgorin. Todo autovalor de uma matriz A, nn, com
entradas reais ou complexas, esta na uniao dos crculos (de Gerschgorin) C
1
, C
2
, . . . , C
n
,
onde C
i
e o crculo, no plano complexo
1
de centro a
ii
, o i-esimo elemento da diagonal
principal da matriz, e raio dado pela f ormula r
i
=
n
j=1;j=i
[b
ij
[ que se iguala ` a soma dos
valores absolutos dos restantes elementos da i-esima linha.
1
O plano complexo e, essencialmente, o IR
2
, com o eixo dos x
s o
eixo imaginario.
12.4. PARTE QUATRO 87
a) Dada a matriz
D =
4 2 1
1 5 3
2 4 7
1
= 3x
1
1
2
x
2
x
2
= 2x
1
+ 3x
2
, t > 0 (12.5)
onde x
1
= x
1
(t) e x
2
= x
2
(t), e as condic oes iniciais s ao
x
1
(0) = 3 , x
2
(0) = 2 (12.6)
a) Represente o sistema matricialmente.
b) Determine as solucoes da equac ao (12.5) da forma
x
1
(t)
x
2
(t)
u
v
e
t
, onde u, v
e s ao constantes.
c) Determine a soluc ao de (12.5) sujeita `as condic oes da equac ao (12.6).
9
a
Questao: Diagonalize a matriz
A =
2 1 0
1 1 1
0 1 2
a
1
c
1
b
1
a
2
c
2
b
2
a
3
c
3
b
3
a
4
c
4
b
4
a
5
c
5
b
5
a
6
88 CAP
ICIOS I
onde os espacos vazios s ao preenchidos por zeros, obtenha a decomposic ao A = LU,
fazendo as hip oteses adequadas sobre as entradas da matriz A.
2
a
Questao: Companhias multinacionais nos EUA, Japao e Europa detem recursos no
valor de US$ 4 trilhoes (4 10
12
). No incio, $ 2 trilhoes est ao nos EUA, e $ 2 trilhoes
est ao na Europa. Cada ano, 1/2 do dinheiro dos EUA cam no pas, e o restante vai para
o Japao e para a Europa em quantidades iguais. No caso do Jap ao e da Europa, metade
dos recursos ca nos respectivos pases e o restante vai para os EUA.
a) Obtenha a matriz A tal que
E
J
E
ano k + 1
= A
E
J
E
ano k
b) Determine a distribuic ao limite dos $ 4 trilh oes quando o mundo terminar.
c) Determine a distribuic ao dos recursos no ano k.
3
a
Questao: Dado o sistema
0 0 0 0 1 1
0 0 0 0 2 1
0 0 3 1 5 1
0 0 1 3 2 5
2 1 2 3 1 0
1 2 1 1 2 1
x
1
x
2
x
3
x
4
x
5
x
6
0
3
10
11
9
4
3 3 1 1
3 3 1 1
1 1 3 3
1 1 3 3
7
a
Questao: a) Quais os valores de a e b que tornam a seguinte equac ao uma cadeia de
Markov?
u
k+1
= Au
k
=
a b
1 a 1 b
u
k
, u
0
=
1
1
b) Calcule u
k
= SS
1
u
0
para valores arbitr arios de a e b.
c) Sob quais condicoes em a e b, u
k
se aproxima de um limite nito quando k e
quale o limite?
1 0 0 3
0 0 0 0
2 0 0 6
b)Para a matriz A determine a base dos quatro sub-espacos associados (n ucleo, imagem
[espaco coluna], n ucleo a esquerda, espaco linha.
10
a
Questao: Diagonalize a matriz
A =
2 1 0
1 1 1
0 1 2
1 3 1
3 3 3
1 3 1
a
1
c
1
b
1
a
2
c
2
b
2
a
3
c
3
b
3
a
4
c
4
b
4
a
5
c
5
b
5
a
6
(x)
b) Dado o problema de valor na fronteira (ou de contorno)
d
2
y
dx
2
+ 3
dy
dx
+ y = 5x
2
+ 3x, para x [0, 2]
sujeito `as condic oes y(0) = 2 e y(2) = 1, obtenha um sistema de quatro equac oes a 4
inc ognitas que o aproxime, utilizando para esquema de discretizacao o metodo de dife-
rencas nitas.
3
a
Questao: Dado o sistema
0 0 0 0 1 1
0 0 0 0 2 1
0 0 3 1 5 1
0 0 1 3 2 5
2 1 2 3 1 0
1 2 1 1 2 1
x
1
x
2
x
3
x
4
x
5
x
6
0
3
10
11
9
4
90
13.1. UM 91
calcule a solu cao ap os obter a decomposi cao PA = LU.
4
a
Questao: Dado o plano de equac ao x 2y + z = 0, determine
a) a matriz A da reexao em relac ao ao plano ;
b) a matriz B da proje cao ortogonal sobre ;
c) a matriz C da proje cao segundo a direc ao do vetor (1, 1, 1).
5
a
Questao: a) Determine o posto das matrizes A, B, C da questao anterior.
b) Determine os espacos nulos de A, B e C.
c) Determine os espacos coluna de A, B e C.
d) Determine, sem fazer contas, atraves de um argumento geometrico, A
2
, B
2
e C
2
.
Tambem AB.
6
a
Questao: Dados os vetores (verticais) u IR
m
e v IR
n
, dene-se o produto
tensorial u v pelo produto de matrizes,
u v = uv
T
onde o superescrito T denota a transposic ao.
a) Dados u = (1, 2, 1)
T
e v = (2, 3 4)
T
determine u v e u
T
v.
Uma matriz A e decomponvel quando e possvel escolher vetores u e v tais que A = uv.
b) Dadas as matrizes
A =
2 7
6 21
4 14
e B =
4 16
5 25
6 36
4 1 1 1
1 5 1 1
1 1 3 1
1 1 1 2
pode ser obtida como uma perturbac ao de posto 1 de uma matriz diagonal com entradas
(3,4,2,1), e a perturbac ao e da forma u u.
92 CAP
ICIOS II
b) Dadas as matrizes
A =
2 1 0 0 1
1 2 1 0 0
0 1 2 1 0
0 0 1 2 1
1 0 0 1 2
e
A =
2 1 0 0 0
1 2 1 0 0
0 1 2 1 0
0 0 1 2 1
0 0 0 1 2
a
1
c
1
b
1
a
2
c
2
b
2
a
3
c
3
b
3
a
4
c
4
b
4
a
5
c
5
b
5
a
6
e mostre que esta pode ser escrita como uma perturbac ao de posto 2 da matriz em blocos
A =
a
1
c
1
b
1
a
2
c
2
b
2
a
3
a
4
c
4
b
4
a
5
c
5
b
5
a
6
1 0 2
1 1 4
e verique que este e ortogonal ao espaco linha. Dado x = (3, 3, 3), decomponha-o em
uma componente no espaco linha, x
r
e um componente no espaco nulo, x
n
.
5
a
Questao: a) A dist ancia de um (hiper)plano a
T
x = c, em um espaco de dimens ao m,
` a origem e [c[/[[a[[. Qual a dist ancia do plano x
1
+x
2
x
3
x
4
= 8 `a origem, e que ponto
94 CAP
ICIOS II
no plano e o mais perto da origem.
b) Determine uma base ortonormal para o espaco coluna da matriz
A =
1 6
3 6
4 8
5 0
7 8
2, 1/
4, 1/
8, . . .) e da
func ao f(x) = e
x
(no intervalo 0 x 1). Qual e o produto interno, neste intervalo, de
e
x
e e
x
?
b) Determine os coecientes de Fourier a
0
, a
1
, b
1
da fun cao degrau y(x), que e 1 no
intervalo 0 x e 0 no restante do intervalo < x 2:
a
0
=
(y, 1)
(1, 1)
a
1
=
(y, cos x)
(cos x, cos x)
b
1
=
(y, sen x)
(sen x, sen x)
c) Determine a linha reta mais perto da parabola y = x
2
no intervalo 1 x 1 no
sentido de /
2
[1, 1].
d) Determine o proximo polinomio de Legendre - um polin omio c ubico ortogonal a 1, x e
a x
2
1
3
sobre o intervalo 1 x 1.
e) Aplique o metodo de Gram-Schmidt aos vetores (1, 1, 0), (0,1,-1), e (1,0,-1), para
encontrar uma base ortonormal para o plano x
1
+ x
2
+ x
3
= 0 (ao qual os vetores acima
pertencem). Qual e a dimensao deste subespaco, e quantos vetores n ao nulos resultam do
metodo de Gram-Schmidt?
9
a
Questao: a) Eliminac ao por blocos d a, se o bloco piv o A for inversvel,
I 0
CA
1
I
A B
C D
A B
0 D CA
1
B
A matriz DCA
1
B e chamada de complemento de Schur. Mostre que seu determinante
13.3. TR
ES 95
vezes det A se iguala ao determinante da matriz em blocos original,
A B
C D
Mais ainda, mostre que se AC = CA, ent ao esse determinante se iguala a det(ADCB).
b) Neste caso, o sistema de equac oes para (v, p) dado por:
Av + Bp =
Cv + Dp =
pode ser desacoplado em equa coes que primeiramente devem ser resolvidas para p e em
seguida para v. Determine essas equacoes.
10
a
Questao: Se C =
a b
c d
e D =
u v
w z
2a c b 0
b a + d 0 b
c 0 a + d c
0 c b 2d
u
v
w
z
0
0
0
0
1 2 1
1 0 1
4 4 5
Determine:
(a) o polinomio caracterstico de A e os autovalores de A, sabendo-se que = 1 e uma
raiz do polin omio caracterstico de A.
(b) um autovetor correspondente a cada autovalor e diagonalize A.
2
a
Questao: Dado o plano de equac ao xy +2z = 0, considere a matriz A da proje cao
sobre segundo a direc ao denida pelo vetor (1,1,1). Sem determinar explicitamente A,
obtenha:
a) Os autovalores de A;
b) Uma base de autovetores.
96 CAP
ICIOS II
c) A base e ortogonal?
d) A matriz A e diagonaliz avel?
Uma questao importante e a localizac ao dos autovalores de uma matriz; por vezes mesmo
quando nao e possvel determin a-los facilmente, saber algo a respeito e suciente. O
teorema a seguir e uma ferramenta importante nesse contexto.
Teorema (dos crculos) de Gerschgorin. Todo autovalor de uma matriz A, n n,
est a em pelo menos um dos crculos (de Gerschgorin) C
1
, C
2
, . . . , C
n
, onde C
i
e o crculo
de centro a
ii
e raio r
i
=
n
j=1;j=i
[b
ij
[ igual ` a soma dos valores absolutos dos restantes
elementos da i-esima linha.
3
a
Questao: a) A matriz
A =
4 2 1
1 5 3
2 4 7
e chamada diagonalmente dominante porque cada entrada da diagonal excede a soma dos
valores absolutos dos restantes elementos da linha. Esboce os crculos de Gerschgorin
para esta matriz.
b) Nenhum crculo contem = 0. Mostre que as matrizes diagonalmente dominantes sao
sempre inversveis.
c) Conclua, justicando, que A e inversvel.
d) Lembrando que todos os autovalores de matrizes simetricas reais s ao reais, use o te-
orema de Gerschgorin para obter um intervalo que contenha (C), o espectro da matriz
C, onde
C =
2 0 1
0 3 2
1 2 2
ES 97
matrizes?)
c) Mostre que a relac ao de similaridade de matrizes, A B se e s o se existir S inversvel
tal que A = SBS
1
, e uma relacao de equivalencia.
5
a
Questao: Uma matriz simetrica real A e chamada de positiva denida se x
T
Ax > 0,
para todo x = 0.
a) Escolhendo adequadamente x, mostre que a
11
> 0. Mostre tambem que todas as
entradas da diagonal principal de A s ao positivas.
b) Mostre que os autovalores de A s ao positivos (sugest ao: escolha x). Conclua que A e
inversvel.
c) Determine os autovalores da matriz
C =
1 1
1 1
ICIOS II
Note que a transformac ao y = Q
T
x preserva angulos e dist ancias, assim, o conjunto
geometrico obtido e o mesmo que nas variaveis x, mas mudado de posic ao.
e) Ja agora, a partir de A = QDQ
T
e escolhendo direito , obtenha uma raiz quadrada
de A, B, com B
2
= A, B na forma QQ
T
.
8
a
Questao: Considere a matriz tridiagonal
A =
a b
b a b
b a
.
.
.
.
.
.
.
.
.
b
b a
Seja X
k
= det(A
(k)
) o determinante da k-esima sub-matriz principal de A, isto e, a matriz
k k no canto superior esquerdo da matriz A.
a) Expandindo pela k-esima linha, mostre que
X
k
= aX
k1
b
2
X
k2
b) Resolva esta equacao de diferen cas, para obter o valor de X
k
para k arbitr ario. (Se for
muito difcil em geral, faca apenas para quando a = 2 e b = 1).
9
a
Questao: Seja A uma matriz tridiagonal simetrica de tamanho (n + m) (n + m).
a) Verique que A pode ser escrita como uma matriz diagonal em blocos,
A =
T
1
0
0 T
2
+ (e
n
+e
n+1
) (e
n
+e
n+1
)
onde T
1
e uma matriz n n e T
2
e uma matriz mm. Ilustre essa decomposic ao com a
matriz dada na quest ao anterior (a = 2 e b = 1, e n = m = 3.)
b) Se T
1
= Q
1
D
1
Q
T
1
e T
2
= Q
2
D
2
Q
T
2
, mostre que
A =
Q
1
0
0 Q
2
D
1
0
0 D
2
+ z z
Q
T
1
0
0 Q
T
2
com z
T
= (q
T
1
, q
T
2
) onde q
T
1
e a ultima linha de Q
1
e q
T
2
e a primeira linha de Q
2
.
c) Ilustre explicitamente esta construc ao com o exemplo referido.
10
a
Questao: Exerccios 5.3.5, 5.3.9 e 5.3.11 do livro Linear Algebra and its Applications
by G. Strang.