ICT - UNIFESP - São José dos Campos

Álgebra Linear Computacional Primeiro Semestre de 2023

Álgebra Linear Aplicada Prof. Thadeu Senne

Lista de Exercı́cios 4 - Normas Matriciais e Condicionamento de Matrizes

1. Para qualquer matriz A ∈ Rm×n , mostre que:
1 √
(a) √ ∥A∥2 ≤ ∥A∥1 ≤ n∥A∥2 .
n
1 √
(b) √ ∥A∥∞ ≤ ∥A∥2 ≤ n∥A∥∞ .
n
1
(c) ∥A∥∞ ≤ ∥A∥1 ≤ n∥A∥∞ .
n
(d) ∥Ax∥2 ≤ ∥A∥F ∥x∥2 ∀ x ∈ Rn .
√
(e) ∥A∥2 ≤ ∥A∥F ≤ n∥A∥2 .

2. Seja Q ∈ Rn×n uma matriz ortogonal. Prove que:

(a) ∥Q∥2 = 1 .
(b) ∥Qx∥2 = ∥x∥2 para todo x ∈ Rn .
(c) ∥QA∥2 = ∥A∥2 para toda matriz A ∈ Rn×n .
(d) ∥QA∥F = ∥A∥F para toda matriz A ∈ Rn×n .

3. Seja v ∈ Rn e considere a matriz A = v T . Mostre que ∥A∥2 = ∥v∥2 .

4. Sejam u, v ∈ Rn e considere a matriz A = uv T . Mostre que ∥A∥2 = ∥u∥2 ∥v∥2 .

5. Seja uma matriz A ∈ Rn×n . Mostre que:

(a) ∥A∥1 = ∥AT ∥∞ .
(b) ∥A∥2 = ∥AT ∥2 .

6. Mostre que, para qualquer norma matricial induzida, ∥I∥ = 1 . Calcule ∥I∥F .

7. Seja A ∈ Rn×n . Mostre que ∥A∥2 = max |y T Ax| .

∥x∥2 =1 , ∥y∥2 =1

8. Seja A ∈ Rn×n uma matriz simétrica e positiva-definida.

(a) Mostre que, para quaisquer x, y ∈ Rn ,

xT Ay ≤ (xT Ax)1/2 (y T Ay)1/2 .

Dica: Use a fatoração de Cholesky de A (ou seja, se A é simétrica e definida postiva, existe uma
matriz triangular superior G tal que A = GT G .)
(b) Prove que ∥x∥A = (xT Ax)1/2 é uma norma em Rn .

9. Seja A ∈ Rn×n uma matriz simétrica, cujos autovalores são λ1 , . . . , λn . Mostre que
v
u n
uX
∥A∥F = t λ2i .
i=1
10. Seja A ∈ Rn×n uma matriz não singular. Mostre que, para qualquer norma matricial induzida,
1
∥A−1 ∥ = .
min ∥Ax∥
∥x∥=1

11. Sejam A ∈ Rn×n uma matriz não singular e Kp (A) o número de condição de A com relação à
norma-p. Mostre que:
(a) Kp (A) = Kp (A−1 ) .
(b) Kp (αA) = Kp (A) para qualquer escalar α ̸= 0 .
(c) Kp (A) ≥ 1 .
(d) Kp (I) = 1 .
(e) K∞ (A) = K1 (AT ) .
(f) Se B ∈ Rn×n é não singular, então Kp (AB) ≤ Kp (A)Kp (B) .

12. Seja A ∈ Rn×n , cujas colunas são a1 , a2 , . . . , an . Mostre que

∥ai ∥p
Kp (A) ≥ max , com i, j = 1, 2, . . . , n .
i, j ∥aj ∥p

13. Seja Q ∈ Rn×n uma matriz ortogonal.

(a) Mostre que K2 (Q) = 1 .
(b) Considere o sistema linear Qx = b com b ∈ Rn , x
b = x + ∆x ∈ Rn uma solução aproximada
para esse sistema, e r = b − Qb
x . Mostre que

∥∆x∥2 ∥r∥2
= .
∥x∥2 ∥b∥2

14. Sejam xb ∈ Rn uma solução aproximada de Ax = b , com A ∈ Rn×n não singular , b ∈ Rn ,

r = b − Ab xT , em que α = 1/∥b
x e ∆A = αrb x∥22 . Mostre que:
(a) x
b é a solução exata do sistema linear (A + ∆A)b
x = b.
∥∆A∥2 1 ∥A−1 ∥2 ∥r∥2
(b) = .
∥A∥2 K2 (A) ∥b
x∥ 2
15. Seja A ∈ Rn×n uma matriz simétrica e positiva-definida. Mostre que
λmax
K2 (A) = ,
λmin
em que λmax > 0 e λmin > 0 são, respectivamente, o maior e o menor autovalores de A .

16. Considere as matrizes

" #
1 1
An = 1 , para cada n = 1, 2, . . . .
1 1−
n
Calcule A−1
n , K∞ (An ) e lim K∞ (An ) .
n→+∞

17. Sejam A ∈ Rn×n uma matriz não singular e Q ∈ Rn×n uma matriz ortogonal. Mostre que:
(a) K2 (QA) = K2 (AQ) = K2 (A) .
(b) Se B = QT AQ , então K2 (B) = K2 (A) .