MA-141 GEOMETRIA ANALÍTICA,

TURMA G - 1
o PERÍODO DE 2007

Matrizes Ortogonais, Método de Gran-Schmidt e Auto Valores

1 Matrizes Ortogonais

Denição: Dizemos que uma matriz n × n A é ortogonal se At = A−1 .

Vamos escrever uma matriz n×n A com uma matriz 1×n onde cada entrada é uma coluna de A. Isto é, seja
     
  a11 a12 a1n
a11 a12 ... a1n  
 a21 
 
 a22 
 
 a2n 
 
A=
 a21 a22 ... a2n  e A(1) =  .  , A(2) =  .  , . . . , A(n) =  .  as colunas de A.
     
.....................   ..   ..   .. 
an1 an2 ... ann      
an1 an2 ann

A transposta de A, escrita como uma matrix n×1 onde cada entrada é uma linha de At , tem a forma
 
  At(1)
a11 a21 . . . an1  
  At(2) 
t
At

A =
.a. 12 a22 . . . an2  =  .  , i.e., as linhas de são as transpostas das colunas de A.
 
. . . . . . . . . . . . . . . . . . .  .. 
a1n a2n . . . ann  
At(n)

Usando essa representação em blocos, de At em linhas e A em colunas, podemos expressar o produto At A na forma
 
At(1)  
 t  At(1) A(1) At(1) A(2) ··· At(1) A(n)
A  h i  
 (2)   t t t
At A =  .  A(1) A(2) · · · A(n) =  A(2) A(1) A(2) A(2) · · · A(2) A(n)  .

 ..  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 
.
At(n) A(1) At(n) A(2) · · · At(n) A(n)
 
At(n)

Observemos agora que para todo par 1 ≤ i, j ≤ n temos que At(i) A(j) = a1i a1j + a2i a2j + · · · + ani anj = hA(i) , A(j) i.
Portanto
 
hA(1) , A(1) i hA(1) , A(2) i ··· hA(1) , A(n) i
At A =  hA(2) , A(1) i hA(2) , A(2) i ···
hA(2) , A(n) i 
 
.............................................
 
hA(n) , A(1) i hA(n) , A(2) i · · · hA(n) , A(n) i
No caso de A ser ortogonal, teremos que At A = In = matriz identidade n × n. Resulta então que se A é ortogonal

as colunas de A satisfazem às seguintes condições:

(
0 se i 6= j
hA(i) , A(j) i = δij =
1 caso contrário

Claramente a armação inversa também é verdadeira: se hA(i) , A(j) i = δij , para todo para 1 ≤ i, j ≤ n, então A é

ortogonal. Temos assim um critério para identicar se uma matriz é ou não ortogonal.

Questão 1. Vericar quais das matrizes abaixo são ortogonais.

 
√1
 
1 −1 1 1 1 0 0    
2 2 2 2 6 1 −2

2
 1 2 3 1
1 1 1 −1 √1 √1 2 3
   0 
3
 2 2 2 2
    
A= , B= 2 6 −1 2
, C=
1 1 ,
2 D=
 1
.
 
 −1 1 1 1   0 −2 √1 −1
√  2 3 
2 2 2 2 3 2 6 2
0 1 2 0 1
   
1 1 −1 1 1 3
0 0 √1
2 2 2 2 3 2
 Questão 2. Seja A uma matriz ortogonal. Mostre que as seguintes armações são verdadeiras:

a) A também é ortogonal.
−1

b) det A = ±1.
√
c) Se λ é um autovalor de A, então |λ| = 1 (Observe que λ = a + b −1 pode ser um número complexo e assim
√
|λ| = a2 + b2 ).
d) Se B for outra matriz ortogonal, então AB também é ortogonal.
 
3
 
−1
Questão 3. Resolva o sistema  4 , onde A está descrita
AX =   na questão 1.
 
0

2 Método de Gran-Schmidt

O método de Gran-Schmidt consiste em um algorítimo que permite construir a partir de uma família de m de
n1
vetores linearmente independentes v1 , . . . , vn do R uma nova família de m vetores, e1 , . . . , em com a propriedade

hei , ej i = δij (lembrar que δij vale 0 se i 6= j e vale 1 caso contrário).

Denição: Uma família de vetores e1 , . . . , em satisfazendo a condição hei , ej i = δij é chamada de ortonormal.
O método: Num primeiro passo usamos um processo recursivo para construir, para cada 1 ≤ s ≤ m, um vetor f s
como combinação linear dos vetores f 1 , . . . , f s−1 construídos anteriormente. Num segundo passo, obtemos os vetores
1
e1 , . . . , em procurados, normalizando-se os vetores f 1, . . . , f m, i.e., ei = f . Ver descrição abaixo:
kf i k i

f1 = v1
hv 2 ,f 1 i
f2 = v2 − f1
hf 1 ,f 1 i
hv 3 ,f 1 i hv 3 , f 2 i
f3 = v3 − f1 − f2
hf 1 ,f 1 i hf 2 ,f 2 i
. .
. .
. .
hv m ,f 1 i hv m ,f 2 i hv m ,f m−1 i
f m = vm − f1 − f2 − · · · − f m−1 .
hf 1 ,f 1 i hf 2 , f 2 i hf m−1 ,f m−1 i

1 1 1
e1 = f , e2 = f , . . . , em = f .
kf 1 k 1 kf 2 k 2 kf m k m
Quando aplicamos o método de Gran-Schmidt às colunas de uma matriz A, n×n e de posto n, e colocamos os novos
vetores obtidos e1 , . . . , en como colunas de uma nova matriz E, obtemos que E é uma matriz ortogonal, conforme

vimos na seção anterior.

Questão 4. Construa uma família ortonormal e1 , e2 , . . . , em aplicando o método de Gran-Schmidt aos vetores dos
dois casos abaixo.
       
      1 1 1 0
1 0 0        
1 0 0 1
a) b)
     
v1 = 
1 2 2 3 1 ,
 , v =   , v =   v1 = 
0 , v 2 = 1 , v 3 = 0 , v 4 = 1 .
      
1 1 1
       
0 0 1 0
 
0
3
Questão 5. Encontre uma família ortonormal e1 , e2 , e3 Dica!
5
de forma que e1 = 
 0 .
 Tome dois vetores v2 e
 
4
5
1 Claro que m ≤ n, pois os vetores são linearmente independentes.

2
  
0
3
5
v3 de forma que
 0  , v2 , v3
v1 =   sejam linearmente independentes e aplique o método de Gran-Schmidt a eles.
 
4
5
Questão 6. Dados três vetores v1 , v2 , v3 onde v3 é combinação linear de v1 e v2 . Mostre que a construção

acima de f 1, f 2, f 3 produz f 3 = 0. Dica! Verique que hf 2 , f 2 i = hv 2 , f 2 i; substitua na fórmula do f 3 v2 por sua

representação como combinação linear de v1 e v2 .

Observação: A questão acima mostra que não vale a pena usar o método em famílias linearmente dependentes.

3 Auto-valores e Auto-vetores de uma Matriz

Denição: Dada uma matriz n × n A dizemos que um número complexo λ é um auto valor de A se existir vetor não
n n
nulo a∈C tal que Aa = λa (C é o conjunto das matrizes n×1 com coecientes complexos).

Colocando a denição acima em equações temos:

     
  a1 a1   a1
a11 a12 . . . a1n     a11 − λ a12 ··· a1n  
  a2   a2    a2 

 a21 a22 . . . a2n   .  = λ  e assim  a21 a − λ · · · a .  = 0.
  
. . . . . . . . . . . . . . . . . . . . .  .  .  . . . . . . . . . . . .22. . . . . . . . . . . . . . . . 2n

.....  . 

. 
. . .

an1 an2 . . . ann   an1 an2 · · · ann − λ
an an an

Vemos que a matriz do lado direito é igual a A − λIn . De fato

     
a11 − λ a12 ··· a1n a11 a12 . . . a1n 1 0 ··· 0
     
 =  a21 a22 . . . a2n  − λ 0 1 · · · 0
 . . . . . . . . . . .a.22. .− λ ···
 a21 a2n
...................  .....................
 . . . . . . . . . . . . . .
.
an1 an2 · · · ann − λ an1 an2 . . . ann 0 0 ··· 1

Obtemos assim o sistema homogêneo (A − λIn )a = 0. Sabemos que é necessário e suciente que det(A − λIn ) =
0 para que o sistema tenha solução não nula a 6= 0. Calculando-se o determinante vamos obter uma equação
n n n−1
polinomial em λ. I.e., det(A − λIn ) = (−1) λ + c1 λ + · · · + cn . Concluímos assim que λ é uma raiz do polinômio
n n
(−1) x + c1 x n−1
+ · · · + cn que é chamado de polinômio característico da matriz A.
Conclusão, para obtermos os auto valores de uma matriz A calculamos seu polinômio característico det(A−xIn ) =
(−1)n xn + c1 xn−1 + · · · + cn e em seguida encontramos suas raízes. As raízes λ1 , λ 2 , . . . , λ n do polinômio característico

são os auto valores da matriz. Para obter os auto vetores da matriz A resolvemos em seguida os sistemas homogêneos

     
x1 x1 x1
     
 x2   x2   x2 
(A − λ1 In )  .  = 0, (A − λ2 In )  .  = 0, ··· , (A − λn In )  .  = 0.
     
 ..   ..   .. 
     
xn xn xn

Como pode ocorrer de uma raiz aparacer repetida temos no máximo n sistemas para resolver.

Questão 7. Encontre os auto valores e os auto vetores das matrizes abaixo.

     
! 1 3 −3 1 2 1 −1 −4 14 Procurar as raízes entre os divisores do termo
1 4      
,
0 4 0,
0 −1 1  ,  2 −7
,
14 independente. No segundo e no terceiro problema,
1 1   
−3 3 1 0 0 −1 2 −4 11 um exame da matriz já revela uma das raízes.