Algebra Linear

1. Funções de Matriz Quadrada

1.1. Teorema de Cayley-Hamilton

pag.1 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

à Considere A ∈ Rn×n associada a transformação linear f : Rn → Rn

Polinômios de matriz quadrada Para k positivo e k ∈ Z, defina:

A0 = I ; Ak = AA · · · A (k vezes)

Seja f (λ) um polinômio em λ de grau finito como, eg:

f (λ) = λ2 + 8λ + 15 = (λ + 3)(λ + 5)

I Uma função f (A) é definida da forma:

f (A) , A2 + 8A + 15I = (A + 3I)(A + 5I)

pag.2 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

I Se A assume a forma bloco diagonal

 
A1 0
A=  
0 A2

com A1 e A2 matrizes quadradas de qualquer ordem, tem-se

   
k Ak1 0 f (A1 ) 0
A =   ; f (A) =  
0 Ak2 0 f (A2 )

pag.3 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

I Como é sempre possı́vel escrever  = Q−1 AQ ou A = QÂQ−1 , sendo  a

representação de A na Forma Canônica de Jordan, então:

f (A) = f (QÂQ−1 )
³ ´
= QÂQ−1 2 +8QÂQ−1 + 15I
| {z }
(QÂQ−1 )(QÂQ−1 )
³ ´
= Q Â2 + 8Â + 15I Q−1

= Qf (Â)Q−1

ou f (Â) = Q−1 f (A)Q

pag.4 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

Definição O polinômio mı́nimo de A é o polinômio mônico (o coeficiente do

termo de grau mais alto é 1) ψ(λ) de menor grau tal que ψ(A) = 0

I Note que f (A) = 0 se e somente se f (Â) = 0 (matrizes similares têm o

mesmo polinômio mı́nimo...)

I Obter o polinômio mı́nimo diretamente de A não é tão trivial, porém o

polinômio mı́nimo de uma matriz na forma de Jordan pode ser obtido por
inspeção...

Se λi é um autovalor de A com multiplicidade ni , o polinômio caracterı́stico de

A é dado por
Y
∆(λ) = det(λI − A) = (λ − λi )ni
i

pag.5 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

I Suponha que a forma de Jordan de A é conhecida, define-se como o ı́ndice de λi ,

dado por n̄i , a maior ordem de todos os blocos de Jordan associados a λi . Por exemplo,
λ1 tem multiplicidade 4 nas quatro matrizes abaixo:
2 3 2 3
λ1 0 0 0 λ1 1 0 0
6 7 6 7
6 0 λ1 0 0 7 6 0 λ1 0 0 7
7 6
Â1 = 6 7 ; Â2 = 6
6 7
7
6 0 0 λ1 0 5 4 0 0 λ1 0 7
7 6
4 5
0 0 0 λ1 0 0 0 λ1
2 3 2 3
λ1 1 0 0 λ1 1 0 0
6 7 6 7
6 0 λ1 1 0 77 6 0 λ1 1 0 7
Â3 = 6 7 ; Â4 = 6
6 6 7
7
6 0 0 λ1 0 7 6 0 0 λ1 1 7
4 5 4 5
0 0 0 λ1 0 0 0 λ1

I os ı́ndices do autovalor λ1 são, respectivamente, n̄i = 1, 2, 3 e 4

pag.6 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

à Usando os ı́ndices n̄i de todos os autovalores λi , o polinômio mı́nimo pode

ser expresso da forma:
Y
ψ(λ) = (λ − λi )n̄i
i
P P
com grau n̄ = n̄i ≤ ni = n = dimensão de A

I Nas matrizes acima, os polinômios mı́nimos são:

ψ1 = (λ−λ1 ) ; ψ2 = (λ−λ1 )2 ; ψ3 = (λ−λ1 )3 ; ψ4 = (λ−λ1 )4

I Porém note que o polinômio caracterı́stico é sempre ∆(λ) = (λ − λ1 )4

I O polinômio mı́nimo é um fator do polinômio caracterı́stico, porém, se os
autovalores são todos distintos, os dois polinômios são iguais...

pag.7 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

Exemplo Para a matriz na forma de Jordan

 
λ 1 0 0
 
 0 λ 1 0 
 
 =  , n̄i = 4
 0 0 λ 1 
 
0 0 0 λ

Compute:

   
0 1 0 0 0 0 1 0
   
 0 0 1 0   0 0 0 1 
(Â − λI)2 = 
   
(Â − λI) =   ; 
 0 0 0 1   0 0 0 0 
   
0 0 0 0 0 0 0 0

pag.8 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

 
0 0 0 1
 
 0 0 0 0 
(Â − λI)3 =  (Â − λI)k = 0 para k ≥ 4
 
 ;
 0 0 0 0 
 
0 0 0 0

I Veja que n̄i = 4...

I Note ainda que ψ4 = (λ − λ1 )4

I Portanto, ψ(A) = 0 e nenhum outro polinômio de grau menor verifica a

condição

pag.9 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Teorema de Cayley-Hamilton

Teorema Seja

∆(λ) = det(λI − A) = λn + α1 λn−1 + · · · + αn−1 λ + αn

o polinômio caracterı́stico de A. Então,

∆(A) = An + α1 An−1 + · · · + αn−1 A + αn I = 0

isto é, toda matriz A ∈ Rn×n satisfaz sua equação caracterı́stica

Como ni ≥ n̄i , o polinômio caracterı́stico contém o polinômio mı́nimo como um

fator, ou seja, para algum polinômio h(λ)

∆(λ) = ψ(λ)h(λ)

Como ψ(A) = 0, ⇒ ∆(A) = ψ(A)h(A) = 0 · h(A) = 0

pag.10 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Teorema de Cayley-Hamilton

I Pelo Teorema, An pode ser escrito como uma combinação linear de

{I, A, . . . , An−1 }, ie, multiplicando-se ∆(A) = 0 por A tem-se:

An+1 + α1 An + · · · + αn−1 A2 + αn A = 0

tal que An+1 pode ser escrito como combinação linear de {A, A2 . . . , An },
que por sua vez pode se escrever como combinação linear de {I, A, . . . , An−1 },
e assim sucessivamente...
I Para qualquer polinômio f (λ), independentemente do grau, e valores
apropriados de βi , f (A) pode ser expresso na forma

f (A) = β0 I + β1 A + · · · + βn−1 An−1

I Se o polinômio mı́nimo (grau n̄) de A é conhecido, A pode ser expressa

como combinação linear de {I, A, . . . , An̄−1 }

pag.11 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Teorema de Cayley-Hamilton

Expressando um polinômio qualquer f (λ) na forma:

f (λ) = q(λ)∆(λ) + h(λ)

I q(λ): quociente da divisão por ∆(λ)

I h(λ): resto da divisão (grau menor que n)

Obtém-se:

f (A) = q(A)∆(A) + h(A) = q(A) · 0 + h(A) = h(A)

pag.12 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

à Uma alternativa à divisão de polinômios em f (λ) é dada a seguir. Defina:

h(λ) = β0 + β1 λ + · · · + βn−1 λn−1

sendo βi , i = 0, . . . , n − 1: n incógnitas a serem obtidas

I Se os n autovalores de A são distintos, βi podem ser obtidos diretamente

das n equações

f (λi ) = q(λi )∆(λi ) + h(λi ) = h(λi ) , i = 1, 2, . . . , n

I Se A tem autovalores com multiplicidade maior do que 1, a expressão acima

tem que ser diferenciada (em relação a λ) para fornecer novas equações como a
seguir...

pag.13 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada
Teorema Seja f (λ) uma função dada e A ∈ Rn×n com o polinômio caracterı́stico:
m
Y m
X
∆(λ) = (λ − λ i )n i ; n= ni
i=1 i=1

Defina o polinômio de grau n − 1 (com n coeficientes a determinar):

h(λ) = β 0 + β1 λ + · · · + β n−1 λn−1

Os n coeficientes βi podem ser obtidos do conjunto de n equações dadas por

8
< ` = 0, 1, . . . , ni − 1
(`) (`)
f (λi ) = h (λi )
: i = 1, 2, . . . , m

` `
˛ ˛
(`) d f (λ) ˛˛ (`) d h(λ) ˛˛
sendo que f (λi ) , ; h (λi ) ,
dλ` ˛λ=λ i dλ` ˛λ=λ i
Então f (A) = h(A) e diz-se que h(λ) é igual a f (λ) no espectro (conjunto dos
autovalores) de A
pag.14 Teoria de Sistemas Lineares – Aula 8
c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

 
100
1 2
Exemplo Obtenha A , sendo A =   e ∆(λ) = (λ − 1)2
0 1
I Faça: h(λ) = β0 + β1 λ, ie, até n − 1 ...
I Espectro de A: λ = 1 , f (λ) = λ100

f (1) = h(1) ⇒ 1100 = β0 + β1 



=⇒ β1 = 100 e β0 = −99
d d 

h(1) ⇒ 100(199 ) = β1

f (1) = 
dλ dλ
 
100 1 200
A = f (A) = h(A) = β0 I + β1 A =  
0 1

pag.15 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada
 
0 0 −2 
   ∆(λ) = (λ − 1)2 (λ − 2)
Exemplo Para A = 
 0 1 , com 
0 
n1 = 2, n2 = 1
1 0 3

I Obtenha eAt , ie, se f (λ) = eλt , encontre f (A). Considere:

h(λ) = β0 + β1 λ + β2 λ2 ; h(A) = f (A) = β0 I + β1 A + β2 A2

Então

f (1) = h(1) ⇒ et = β0 + β1 + β2
f 0 (1) = h0 (1) ⇒ tet = β1 + 2β2
f (2) = h(2) ⇒ e2t = β0 + 2β1 + 4β2

e...

pag.16 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

e...

β0 = −2tet + e2t ; β1 = 3tet + 2et − 2e2t ; β2 = e2t − et − tet

 
t 2t t 2t
2e − e 0 2e − 2e
At
 
e = f (A) = h(A)  t
 0 e 0 

−et + e2t 0 2e2t − et

pag.17 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada
à Pode-se também obter f (Â) genérica, para  na forma de Jordan, e
posteriormente ajustar a uma escolha para f (λ)...

 
λ1 1 0 0
 
 0 λ1 1 0 
 
Exemplo Considere o bloco de Jordan: Â =  
 0 0 λ1 1 
 
0 0 0 λ1

I ∆(λ) = (λ − λ1 )4 . Escolhendo (de maneira conveniente):

h(λ) = β0 + β1 (λ − λ1 ) + β2 (λ − λ1 )2 + β3 (λ − λ1 )3

A condição f (λ) = h(λ) no espectro de  fornece

f 0 (λ1 ) f 00 (λ1 ) f (3) (λ1 )
β0 = f (λ1 ) ; β1 = ; β2 = ; β3 =
1! 2! 3!

pag.18 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

Portanto

f 0 (λ1 ) f 00 (λ1 ) f (3) (λ1 )

f (Â) = f (λ1 )I+ (Â−λ1 I)+ (Â−λ1 I)2 + (Â−λ1 I)3
1! 2! 3!

Usando as propriedades de (Â − λI)k (e para k ≥ 4, (Â − λI)k = 0):

 
f (λ1 ) f 0 (λ1 )/1! f 00 (λ1 )/2! f (3) (λ1 )/3!
 

 0 f (λ1 ) f 0 (λ1 )/1! f 00 (λ1 )/2! 

f (Â) =  
0

 0 0 f (λ1 ) f (λ1 )/1!  
0 0 0 f (λ1 )

pag.19 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

Por exemplo, escolhendo: f (λ) = eλt

 2 λ1 t 3 λ1 t 
λ1 t
t e t e
 e teλ1 t
 2! 3! 

 t2 eλ1 t 
eλ1 t teλ1 t
 
Ât  0 
e = 2! 
 
 0
 0 eλ1 t teλ1 t 

 
0 0 0 eλ1 t

pag.20 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada
Exemplo Considere a matriz (com dois blocos de Jordan)
 
λ1 1 0 0 0
 
 0 λ 1 0 0 
 1 
 
A=  0 0 λ1 0 0 
 
 0 0 0 λ2 1 
 
0 0 0 0 λ2

I Se f (λ) = eλt , então

 
eλ1 t teλ1 t t2 eλ1 t /2! 0 0
 
 0
 eλ1 t teλ1 t 0 0 

At
 
e =  0 0 eλ1 t 0 0 

 
 0
 0 0 eλ2 t teλ2 t 

0 0 0 0 eλ2 t

pag.21 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

I Se f (λ) = (s − λ)−1 , então

 
1 1 1
 (s − λ ) (s − λ )2 0 0
 1 1 (s − λ1 )3 

 1 1 
 0 0 0 

 (s − λ1 ) (s − λ1 )2 

 1 
(sI−A) −1
= 0 0 0 0 

 (s − λ1 ) 

 1 1 
 0 0 0 

 (s − λ2 ) (s − λ2 )2 

 1 
0 0 0 0
(s − λ2 )

pag.22 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°
 Funções de Matriz Quadrada

à O teorema de Cayley-Hamilton fornece uma fórmula explı́cita para o cálculo

da matriz inversa, já que uma matriz deve satisfazer seu próprio polinômio
caracterı́stico. De fato multiplicando ∆(A) por A−1 :
−1 −1
¡ n n−1
¢
A ∆(A) = A A + α1 A + · · · + αn−1 A + αn I = 0
¡ n−1 n−2 −1
¢
A + α1 A + · · · + αn−1 I + αn A =0
ou
1 h i
A−1 = − An−1 + α1 An−2 + · · · + αn−1 I
αn

I Veja que a inversa de A é expressão de até n − 1 potências de A

pag.23 Teoria de Sistemas Lineares – Aula 8

c Reinaldo M. Palhares
°