Algebra Linear Nivelamento

PARTE DO CURSO DE NIVELAMENTO 2009 - PEQ/COPPE/UFRJ
PROF. EVARISTO
LGEBRA VETORIAL E MATRICIAL

MATRIZES E VETORES

1) CONCEITOS BSICOS

Os clculos/operaes assim como conceitos envolvendo matrizes e vetores
constituem a base dos mtodos numricos que tratam da soluo de sistemas lineares e no
lineares de equaes algbricas ou diferenciais. A representao destes sistemas em termos
matriciais/vetoriais extremamente mais compacta e corrente na literatura tcnica. Como
visa-se neste curso apresentar os conceitos bsicos deste assunto especialmente
relacionados com aplicaes em Engenharia Qumica, os elementos de matrizes e vetores
sero em princpio nmeros ou variveis reais a no ser quando explicitamente
especificados como complexos.

Uma matriz um arranjo retangular de nmeros em m linhas e n colunas, m x n,
sendo representada como A (letras maisculas em negrito) pertencente a 9
m x n
, isto :
. O elemento da linha i A
mxn
e9 e coluna j de A representado por a
ij
(correspondente
letra minscula com o sub-ndice ij ) ou (A)
ij
. A matriz completa geralmente escrita na
forma: ou,
11 12 1
21 22 2
1 2
n
n
m m mn
a a a
a a a
a a a
| |
|
|
|
|
|
\ .
= A
em forma mais compacta,por:
( )
ij
a = A com i= 1, ..., m e j=1, ...n. Se duas matrizes A e B
apresentam o mesmo nmero de linhas e o mesmo nmero de colunas so ditas do mesmo
tipo.
Se
(
tal que a
ij
= 0 para todo i e j ento a matriz A dita nula e
representada por 0.
)
ij
a = A
Se n=m a matriz A dita quadrada.
Se n=m e para i,j = 1, ... n a matriz quadrada A dita a a
ij ji
= simtrica.

Se n=1 tem-se um vetor coluna ou simplesmente vetor designado por v (letra minscula em
negrito) e representado por:
1
2 m
m
v
v
v
| |
|
|
= e9
|
|
|
\ .
v
Se m=1 tem-se um vetor linha designado por v

T
(letra minscula em negrito com o sobre-
ndice T de transposto) e representada por: ( )
1
1 2
T x
n
v v v
n
= e9 v
Se m=n=1 tem-se um escalar (real) o (letra minscula grega), ou seja: . oe9
A matriz pode ser e9
mxn
A particionada por:
a) Colunas na forma:

1
PROF. EVARISTO

( )
2
=
1 n
A a a a onde
1
2
j
j
m
mj
a
a
a
| |
|
|
= e9
|
|
|
\ .
j
a
para j = 1, ... , n so os n vetores

colunas da matriz A;

b) Linhas na forma:
onde a para i = 1, ... , m so os m
1
2
T
T
T
m
| |
|
|
=
|
|
|
\ .
a
a
A
a
( )
1
1 2
T xn
i i i in
a a a = e9 vetores
linhas da matriz A.

2) OPERAES ENTRE MATRIZES

As operaes de adio ou subtrao so definidas apenas para matrizes do mesmo
tipo, assim se A e B so matrizes (m x n ) ento a matriz C , tambm (m x n ), soma ou
subtrao de A com B, representada por C = A B, tem como termo geral :
c
ij
= a
ij
b
ij
para i = 1, ... , m e j = 1, ... , n .
Se o um escalar qualquer, a matriz oA uma matriz cujo termo geral oa
ij
.
A operao de multiplicao de matrizes est intimamente relacionada a
transformaes de coordenadas. Assim sejam as seguintes transformaes lineares:
para i = 1, ..., m e
1
n
i ij
j
z a y
=
=
j
1
p
j jk k
k
y b x
=
=
para j = 1, ..., m.,

expressando z
i
em temos de x
k
, por substituio tem-se:

1 1 1 1
p p n n
i ij jk k ij jk k
j k k j
z a b x a b x
= = = =
| | | |
= =
| |
\ . \ .

k
definindo: tem-se:
1
n
ik ij jk
j
c a b
=
=
1
m
i ik
k
z c x
=
=
, o que induz definio da matriz:

onde A (m,n) , B (n,p) e C (m,p) que apresenta como termo geral:
para i = 1, ..., m e k = 1, ..., p. Verificando-se assim que a operao
= C A B
1
n
ik ij
j
c
=
=
jk
a b A B s
definida se o nmero de colunas de A (primeira parcela do produto) for igual ao nmero
de linhas de B (segunda parcela do produto). importante ressaltar que a lei de
comutatividade no satisfeita pelo produto entre matrizes, mesmo que seja definida,
isto m=p e mesmo que seja do mesmo tipo que
B A
B A A B, o que s ocorrer se m=p=n
(isto ambas as matrizes so quadradas e de mesma dimenso), assim de uma forma geral
tem-se: . = B A A B

2
PROF. EVARISTO

Se a primeira parcela do produto um vetor linha u
T
(1,n) e a segunda parcela um
vetor coluna v (n,1) ento o produto
T
u v um escalar:
1
n
j j
j
u v
=
=
T
u v que
comutvel, isto . Este produto chamado de =
T T
u v v u produto escalar de dois
vetores.
Se A uma matriz (m,n) e v um vetor (n,1) ento o produto um vetor u
(m,1) cujo termo geral : para i = 1, ..., m. Este produto pode ser efetuado de
duas formas distintas:
A v
1
n
i ij
j
u a v
=
=
j
|
|
T
i i
u
(a) por linhas (mtodo ij) considerando a partio por linhas da matriz A, isto : ,
ento: , isto o elemento i de u dado por
1
2
T
T
T
m
| |
|
|
=
|
|
|
\ .
a
a
A
a
1
2
T
T
T
m
| |
|
=

|
|
\ .
a v
a v
A v
a v
= a v para i = 1, ..., m, que

o produto escalar do vetor composto pelos elementos da linha i da matriz A com o vetor u.
(b) por colunas (mtodo ji): considerando a partio por colunas de A, isto :
, ento: ( )
2
=
1 n
A a a a
( )
1
2
2 1 2 2
1
n
n n i i
i
n
v
v
v v v v
v
=
| |
|
|
= = = + + + =
|
|
|
\ .
1 n 1
u A v a a a a a a a
, isto o vetor u
uma combinao linear dos vetores coluna de A sendo os coeficientes desta combinao os
elementos do vetor v.
Exemplo Ilustrativo
1 2
7
3 4 ,
8
5 6
| |
| |
|
= =
|
|
\ .
|
\ .
A v
(a)mtodo ij: e ( ) ( )
1 2
7 7
1 2 1 7 2 8 23 ; 3 4 3 7 4 8 53
8 8
u u
| | | |
= = + = = = + =
| |
\ . \ .
( )
3
7
5 6 5 7 6 8 83
8
u
| |
= = + =
|
\ .
, logo:
23
53
83
| |
|
=
|
|
\ .
u

3
PROF. EVARISTO

(b) mtodo ji: .
1 2 23
7 3 8 4 53
5 6 83
| | | | | |
| | |
= + =
| | |
| | |
\ . \ . \ .
u

A designao dos mtodos como ij e como ji deve-se forma como os loops de
programao so efetuados, assim no primeiro mtodo tem-se o seguinte fluxograma:

Especificao de m e n
a e v
ij j
u = 0
i
para i= 1,...., m e j=1,.....,n
i : m
i > m
PARE
i < m _
j = j + 1
_
j : n
j < n
u = u + a v
i i
j > n
loop
externo
loop
interno
i = 1
i = i +1
j = 1
ij j

4
PROF. EVARISTO

Note que neste caso o loop externo em i (linha)e o loop interno em j (coluna).
O segundo mtodo descrito pelo fluxograma:

Especificao de m e n
a e v
ij j
u = 0
i
para i= 1,...., m e j=1,.....,n
i > m
PARE
i < m _
_ j < n
j > n
loop
externo
loop
interno
j=1
u = u + v a
i i j ij
i = i + 1
i : m
i = 1
j : n
j = j + 1

Note que neste caso o loop externo em j (coluna) e o loop interno em i (linha).

5
PROF. EVARISTO

Estes mtodos podem tambm ser ilustrados acompanhando passo a passo o
Exemplo Ilustrativo anterior segundo cada um dos algoritmos.

Mtodo ij
i 1 1 2 2 3 3
j 1 2 1 2 1 2
u
1
7 23 23 23 23 23
u
2
0 0 21 53 53 53
u
3
0 0 0 0 35 83

Mtodo ji
j 1 1 1 2 2 2
i 1 2 3 1 2 3
u
1
7 7 7 23 23 23
u
2
0 21 21 21 53 53
u
3
0 0 35 35 35 83

A operao de transposio de uma matriz A (m,n) consiste em trocar as linhas
pelas colunas de A, esta nova matriz chamada de matriz transposta de A , representada
por A
T
, e uma matriz (n,m) cujo termo da linha j e coluna i
T
ji ij
a a = para j = 1, ... , n e i
= 1, ... , m. Se a matriz A simtrica ento: A = A
T
.

As propriedades que sero descritas a seguir aplicam-se exclusivamente a matriz
quadradas (n,n) e a vetores coluna (n,1) e a vetores linha (1,n).
Define-se como matriz identidade a matriz I cujo elemento geral :
, onde o
ij
chamado de delta de Kronecker, deste modo a
matriz identidade uma matriz diagonal cujos termos da diagonal so todos unitrios,
assim: , entendendo-se como
( )
1 apenas se i=j
0 sempre que i j
ij
ij
= o =

=
I
|
|
1 0 0
0 1 0
0 0 1
| |
|
=

|
|
\ .
I
matriz diagonal uma matriz quadrada em

que apenas os elementos da diagonal (tambm chamada de diagonal principal) so no
nulos, geralmente uma matriz diagonal representada na forma
mais compacta: .
1
2
0 0
0 0
0 0
n
d
d
d
| |
|
=

|
|
\ .
D
|
|
( )
1 2 n
d d diag d = D
Note que toda matriz diagonal simtrica.

Uma propriedade muito importante da matriz identidade : = = I A A I A, isto , a
matriz identidade pr-multiplicada ou ps-multiplicada por qualquer matriz quadrada de
mesma dimenso no altera o valor de elemento algum desta matriz.

6
PROF. EVARISTO

Uma matriz diagonal um caso particular de matrizes dita esparsas, que so
matrizes que apresentam um grande nmero de elementos nulos, sendo os elementos no
nulos mais a exceo do que a regra. Algumas destas matrizes so apresentadas abaixo:
1) matrizes tridiagonais so matrizes que apresentam apenas os elementos da diagonal, os
elementos sobre a diagonal e os elementos sob a diagonal no nulos, sendo os demais nulos,
assim se A uma matriz tridiagonal ento:
0 se i = j - diagonal
0 se i = j+1 (para i= 2,...,n)-sob a diagonal
0 se i = j - 1 (para i=1,...,n-1)- sobre a diagonal
=0 em qualquer outro caso
ij
a
=
=

=

2) matrizes bidiagonais so matrizes que apresentam apenas os elementos da diagonal e os
elementos sobre a diagonal ou sob a diagonal no nulos, no primeiro caso diz-se que a
matriz bidiagonal superior e no segundo caso bidiagonal inferior.
3) matrizes triangulares so matrizes que apresentam todos os elementos sob (ou sobre) a
diagonal nulos, sendo neste caso chamada de matriz triangular superior ou matriz U (ou
triangular inferior ou matriz L), assim:
( ) 0
ij
= U se i > j e se j > i . ( ) 0
ij
= L
Algumas vezes para evitar ambigidades representa-se a matriz identidade de
dimenso n por I
n
.
O trao de uma matriz quadrada A a soma dos elementos de sua diagonal, isto :
. ( )
1
n
ii
i
tr a
=
=
A
Uma matriz quadrada A dita positiva definida se 0 >
T
x A x para todo vetor
(isto no nulo), caso = x 0 0 >
T
x A x a matriz A dita positiva semi-definida e se
para alguns vetores 0 > x
T
x A = x 0 e se 0 <
T
x A x para algum vetor a matriz A
dita
= x 0
no-definida. Alm disto, A dita negativa definida se 0 <
T
x A x para todo vetor
e dita = x 0 negativa semi-definida caso 0 s x A x
T
.

O determinante de uma matriz A um escalar obtido atravs da soma de todos os
produtos possveis envolvendo um elemento de cada linha e cada coluna da matriz, com o
sinal positivo ou negativo conforme o nmero de permutaes dos ndices seja par ou
mpar. Sua obteno e sua representao, apesar de ser um dos conceitos mais preliminares
envolvendo matrizes, no so tarefas triviais e o conceito de determinante ser utilizado
nestas notas apenas como base de outras propriedades de matrizes quadradas. Assim, o
determinante de A designado por det(A) pode ser representado por:
( )
1 2
1,i 2, ,
det a
n
i n
a a =
A
i
, ou ento atravs do conceito de cofator do elemento ij da
matriz A (representado por A
ij
)que o determinante da matriz obtida cancelando a linha i e
a coluna j da matriz A com o sinal mais ou menos conforme i+j seja par ou mpar, assim:
( )
( 1) det
i j
ij ij
A
+
= A onde matriz quadrada (n-1,n-1) obtida pela eliminao da linha
i e a coluna j de A.. Tem-se ento:
ij
A

7
PROF. EVARISTO

( )
1
det
n
ij ij
j
a A
=
=
A
(expanso do determinante pela linha i),
( )
1
det
n
ij ij
i
a A
=
=
A
(expanso do determinante pela coluna j).
Alm disto: (pois equivaleria a dizer que a matriz A apresenta duas
linhas iguais, no caso as linhas i e k); e
1
0 se k i
n
ij kj
j
a A
=
=
1
0 se k j
n
ij ik
i
a A
=
=
(pois equivaleria a dizer que a

matriz A apresenta duas colunas iguais, no caso as colunas j e k).
Na prtica, entretanto, praticamente impossvel calcular o determinante de
matrizes atravs destas regras gerais por envolver um nmero muito grande de termos [na
realidade n!, assim mesmo com matrizes relativamente pequenas como com n=10 tem-se 3
milhes de termos]. Felizmente, para os nossos propsitos, apenas as regras a seguir sero
suficientes:
O determinante de uma matriz A mantm-se inalterado se somarem-se a todos os
elementos de qualquer linha (ou coluna) os correspondentes elementos de uma outra linha
(ou coluna) multiplicados pela mesma constante o;

se a
ij
o nico elemento no nulo da linha i ou da coluna j ento: ; ( ) det
ij ij
a A = A

se ento :
a b
c d
| |
=

\ .
A
|
det( )
a b
a d b c
c d
= = A .

Da regra verifica-se que se det(A) = 0 ento A apresenta duas linhas (ou colunas)
proporcionais entre si, ou ainda, de uma forma mais geral, pode-se afirmar que uma linha
(ou coluna) de A pode ser escrita como combinao linear de alguma ou algumas linhas (ou
colunas) da mesma matriz. Da regra demonstra-se que se A for uma matriz triangular
ento det(A) simplesmente o produto dos elementos de sua diagonal (note que o mesmo
vale para matrizes bidiagonais que so tambm matrizes triangulares).
Se det(A) = 0 diz-se que a matriz A singular, e caso det(A) = 0 ento A dita
regular.
Se ento det(C) = det(A) . det (B). = C A B
Se B = A
T
ento det(B) = det(A), isto det(A
T
) = det(A)
A matriz adjunta de uma matriz A a matriz transposta da matriz obtida
substituindo cada elemento da matriz A pelo seu correspondente cofator, isto se a
matriz adjunta de A ento o elemento da linha i e coluna j de A
ji
. A propriedade mais
importante da matriz adjunta diz respeito aos produtos: P=A e Q= A o primeiro
produto tem com termo geral:
1 1
det( )
n n
ij ik kj ik jk ij
k k
p a a a A
= =
= = = A o

8
PROF. EVARISTO

e o segundo produto: , assim:
1 1
det( )
n n
ij ik kj ki kj ij
k k
q a a A a
= =
= = = A o

det( ) = = A A A A A I

. Deste modo se det(A) = 0 (A regular) define-se:
1
det( )
= A
A

1
A a chamada inversa de A que tem como propriedade:

= = A A A A I
1 1
que existe apenas se det(A) = 0. Note que
( )
( )
1
1
det
det
= A
A

Exemplo Ilustrativo: Considere a seguinte matriz (2x2):
a b
c d
|
=

\ .
A
|
|
, assim, seus cofatores so:
11 12
21 22
; A
; A
A d c
A b a
= =
= =
, permitindo determinar a
matriz adjunta: , note que:
d b
c a
| |
=

\ .
A
|
1 0
1
( ) det( )
0 1 ( )
d b
a d b c
c a a d b c
| | | |
= = = =
| |

\ . \ .
A A A A A I A

1
, isto , para
determinar a inversa de uma matriz (2x2) basta trocar os elementos da diagonal principal,
trocar o sinal dos elementos da diagonal secundria e dividir a matriz resultante pelo
determinante da matriz original.

Se , isto a inversa da matriz igual a sua transposta, ento a matriz A
chamada de
T
= A A
1
matriz ortogonal., e neste caso o det(A) = +1 ou -1 .
Exemplo Ilustrativo - Considere a mudana de coordenadas em 9
2
resultante da simples
rotao dos eixos, conforme mostrado abaixo:

x
x
1
2
y
1
2
y
u
P
v
1
u
1
v
u
2
2
O
r
o
u

v-se da figura acima que no sistema original (x
1
, x
2
) : v
1
= r cos(o) e : v
2
= r sen(o), o
vetor OP faz um ngulo igual a u - o com o eixo y
1
e projeta-se na poro negativa do eixo
y
2
, assim: ou seja:
( )
( )
1
2
cos cos cos
cos cos
u r r r sen sen
u r sen r sen r sen
= uo = u o+ u o
= uo = u o+ u o

9
PROF. EVARISTO

2
2
1 1
2 1
cos
cos
u v sen v
u sen v v
= u + u
= u + u
ou, em termos matriciais: ,

1 1
2 2
cos
cos
u v sen
u v sen
u u | | | | | |
=
| | |
u u
\ . \ . \ .
identificando a matriz da transformao :
cos cos
cos cos
T
sen sen
sen sen
u u u | | | |
= =
| |
u
u u u u
\ . \ .
T T ,
tem-se:
e
2 2
2 2
1 0 cos cos cos
0 1 cos cos cos
T
sen sen sen
sen sen sen
| | u+ u u u+ u u | |
= =
| |
u u+ u u u+ u
\ . \ .
T T
.
2 2
2 2
1 0 cos cos cos
0 1 cos cos cos
T
sen sen sen
sen sen sen
| | u+ u u u u u | |
= =
| |
u u u u u+ u
\ . \ .
T T
Verificando-se assim que a matriz T uma matriz ortogonal.
interessante verificar que os vetores coluna da matriz T so exatamente os
componentes dos vetores no novo sistema de coordenadas, em acordo
2
1 0
e
0 1
| | | |
= =
| |
\ . \ .
1
e e
com a figura abaixo:
x
x
1
2
y
1
y
2
u
O
r
e
1
cos( ) u
-sen( ) u
x
x
1
2
y
1
y
2
O
u
e
2
u
u
cos( )
sen( )

3) ALGUMAS PROPRIEDADES FUNDAMENTAIS DE OPERAES ENTRE
MATRIZES

As leis de associao e de comutao so vlidas para as operaes de
adio/subtrao, assim: (A+B)+C = A+(B+C) e A+B = B+A.

So vlidas tambm as leis de associao e de distribuio para a multiplicao,
assim: (AB)C = A(BC) ; A(B+C) = AB + AC e (A+B)C = AC + BC

Para a matriz transposta tem-se as seguintes propriedades:(A+B)
T
= A
T
+ B
T
e
(AB)
T
= B
T
A
T

e para a matriz inversa: (AB)
-1
= B
-1
A
-1
e (A
-1
)
T
=(A
T
)
-1
Um menor de ordem p
de uma matriz A (n,n) o valor do determinante da matriz obtida eliminando-se n-p linhas
e n-p colunas da matriz A. Se uma matriz A apresenta a propriedade de todos os menores de
ordem (r + 1 ) serem nulos e de pelo menos um menor de ordem r ser no nulo ento diz-se

10
PROF. EVARISTO

que a matriz A de posto (rank) r . Note que todo matriz quadrade (n,n) regular ( ou no
singular) apresenta o posto igual a n.

Um conjunto de n vetores u
1
, u
2
, ..., u
n
com n elementos dito linearmente
independente se os nicos valores de c
1
, c
2
, ....c
n
tais que: c
1
u
1
+c
2
u
2
+ ....+c
n
u
n
= 0 so:c
1

=c
2
= ...=c
n
= 0. Neste caso os vetores u
1
, u
2
, ..., u
n
formam uma base de 9
n
e todo vetor
deste espao de dimenso n (que o numero mximo de vetores linearmente independentes
que pode existir neste espao, que tambm igual ao nmero de elementos destes vetores)
pode ser expresso como uma combinao linear dos vetores da base, os coeficientes desta
combinao linear so os componentes do vetor nesta base. Os componentes de um vetor
qualquer do 9
n
apenas confundem-se com seus elementos quando adota-se a base cannica
do 9
n
, que a base composta pelos vetores unitrios e
i
cujo nico elemento no nulo o
isimo, isto : e
ij
= o
ij
, desta forma os vetores coluna ou os vetores linha da matriz
identidade I so os vetores da base cannica do 9
n
.

Em uma matriz de posto r todos seus vetores linha (ou coluna) podem ser escritos
como uma combinao linear de r vetores linha (ou coluna), desta forma o posto de uma
matriz tambm o nmero mximo de vetores linha (ou coluna) linearmente independentes.

Uma forma de determinar o posto de uma matriz atravs do processo de
ortogonalizao de Gram-Schmidt aplicado aos vetores linha ou aos vetores coluna da
matriz, este processo pode ser resumido na forma, sejam: v
1
, v
2
, ... , v
n
os vetores coluna
(ou linha) de A, ento adota-se:
u
1
= v
1

u v
v u
u
u
2
T
1
1
2 2
2
1
=

|
\
|
.
|
|

u v
v u
u
u
v u
u
u
T
1
1
T
3 3
3
2
1
3 2
2
2
2
=

|
\
|
.
|
|

|
\
|
.
|
|

......................................................................
u v
v u
u
u
T
j j
j k
k
k
k
j
=

|
\
|
.
|
|

(
( =
2
1
1
para j = 2, ..., n com u
1
= v
1

onde p = + + + p p p
n 1
2
2
2
2
(mdulo de p)
Encontrando-se durante este processo algum vetor u
k
com mdulo nulo ( ou menor que um
valor pequeno preestabelecido) abandona-se este vetor e prossegue-se o procedimento
renumerando-se os vetores subseqentes, ao final do processo o nmero de vetores u
k
no
nulos igual ao posto da matriz. Este procedimento pode ser tambm aplicado a matrizes
no-quadradas.

Exemplos Ilustrativos :Calcular atravs do processo de ortogonalizao de Garm-Schmidt o
posto de cada uma das matrizes abaixo:

11
PROF. EVARISTO

(a) ; (b) ; (c) .
2 3 7
4 6 2
4 0 1
|
\
|
.
|
|

|
\
|
.
|
|
|
1 2 3
2 4 1
1 2 4
5 10 6

|
\
|
.
|
|
|
1 2 3 1
2 4 1 3
1 2 4 4
5 10 6 10
(a) utilizando os vetores coluna da matriz, isto : , v v v
1 2 3
2
4
4
3
6
0
7
2
1
=
|
\
|
.
|
|
=
|
\
|
.
|
|
=
|
\
|
.
|
|
; e
tem-se: u v u u v u v
1 1 2
= =
|
\
|
.
|
|
= = =
1 1 1
2
4
4
6 1 ;
T T
3
8
u v
v u
u
u u
2
T
1
1
2 2
2
1
2
2 2 3
3
6
0
18
6
2
4
4
4
4
2
6 1 =

|
\
|
.
|
|
=
|
\
|
.
|
|

|
\
|
.
|
|
=
|
\
|
.
|
|
= = ;
T
u v 8
u v
v u
u
u
v u
u
u u
T
1
1
T
3 3 3
3
2
1
3 2
2
2
2
2 2
7
2
1
18
6
2
4
4
18
6
4
4
2
4
2
4
6 =

|
\
|
.
|
|

|
\
|
.
|
|
=
|
\
|
.
|
|

|
\
|
.
|
|
+
|
\
|
.
|
|
=
|
\
|
.
|
|
=
como os 3 vetores u
1
, u
2
e u
3
so no nulos o posto da matriz igual a 3.
utilizando os vetores linha da matriz, isto : , v v v
1 2 3
2
3
7
4
6
2
4
0
1
=
|
\
|
.
|
|
=
|
\
|
.
|
|
=
|
\
|
.
|
|
; e
tem-se: u v u u v u v
1 1 2
= =
|
\
|
.
|
|
= = =
1 1
2
3
7
62 4 1 ;
T T
;
1 3

u v
v u
u
u u u
2
T
1
1
2 2
2
1 2 2
4
6
2
4
62
2
3
7
3 871
6 194
1548
7 466 13 935 =

|
\
|
.
|
|
=
|
\
|
.
|
|

|
\
|
.
|
|
=
|
\
|
.
|
|
= =
,
,
,
, , ;
T
v
3

u v
v u
u
u
v u
u
u
T
1
1
T
3 3
3
2
1
3 2
2
2
2
2
4
0
1
1
62
2
3
7
13 935
7 466
3 871
6 194
1 548
=

|
\
|
.
|
|

|
\
|
.
|
|
=
|
\
|
.
|
|
+
|
\
|
.
|
|
+
|
\
|
.
|
|
=
,
,
,
,
,

=
|
\
|
.
|
|
=
3
1 5
1 5
13 5 ,
,
, u
3
, novamente tem-se os 3 vetores u
1
, u
2
e u
3
no nulos e o posto da
matriz igual a 3.
(b) utilizando os vetores coluna da matriz, isto : , v v v
1 2 3
1
2
1
5
2
4
2
10
3
1
4
6
=

|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
=

|
\
|
.
|
|
|
; e
u v u u v u v
1 1 2
= =

|
\
|
.
|
|
|
= = =
1 1
1
2
1
5
31 62 33 ;
T T
;
1 3

12
PROF. EVARISTO

u v
v u
u
u u
2
T
1
1
2 2
2
1 2
2
4
2
10
62
31
1
2
1
5
0
0
0
0
0 =

|
\
|
.
|
|
=
|
\
|
.
|
|
|
+

|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
=
novo: u v
v u
u
u u
T
1
1
2 3
3
2
1 2
3
1
4
6
33
31
1
2
1
5
4 065
1129
2 935
0 677
5 184 =

|
\
|
.
|
|
=

|
\
|
.
|
|
|
+

|
\
|
.
|
|
|
=

|
\
|
.
|
|
|
=
,
,
,
,
, , como h
apenas 2 vetores coluna linearmente independente o posto desta matriz igual a 2;
utilizando os vetores linha da matriz, isto :
v v v v
1 2 3 4
1
2
3
2
4
1
1
2
4
5
10
6
=
|
\
|
.
|
|
=

|
\
|
.
|
|
=

|
\
|
.
|
|
=

|
\
|
.
|
|
; ; e , tem-se:
u v u u v u v u v
1 1 2
= =
|
\
|
.
|
|
= = = =
1 1 1 4 1 3
1
2
3
14 7 7 ; e
T T T

u v
v u
u
u u u
2
T
1
1
2 2
2
1 2
2
4
1
7
14
1
2
3
15
3
2 5
17 5 17 5 =

|
\
|
.
|
|
=
|
\
|
.
|
|

|
\
|
.
|
|
=

|
\
|
.
|
|
= =
,
,
, , ; e
T
v
2 3

u v
2 4
52 5
T
= ,
u v
v u
u
u
v u
u
u u
T
1
1
T
3 3
3
2
1
3 2
2
2
2 3
1
2
4
7
14
1
2
3
17 5
17 5
15
3
2 5
0
0
0
0 =

|
\
|
.
|
|

|
\
|
.
|
|
=

|
\
|
.
|
|
+
|
\
|
.
|
|

|
\
|
.
|
|
=
|
\
|
.
|
|
=
,
,
,
,
n
ovo: u
3
:
u v
v u
u
u
v u
u
u u
T
1
1
T
3 4
4
2
1
4 2
2
2
2 3
5
10
6
7
14
1
2
3
52 5
17 5
15
3
2 5
0
0
0
0 =

|
\
|
.
|
|

|
\
|
.
|
|
=

|
\
|
.
|
|

|
\
|
.
|
|

|
\
|
.
|
|
=
|
\
|
.
|
|
=
,
,
,
,

desta forma a matriz apresenta apenas 2 vetores linha linearmente independentes
reconfirmando que a matriz tem posto = 2;
(c) utilizando os vetores coluna da matriz, isto :
v v v v
1 2 3 4
1
2
1
5
2
4
2
10
3
1
4
6
1
3
4
10
=

|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
=

|
\
|
.
|
|
|
=

|
\
|
.
|
|
|
; ; e ,
u v u u v u v u v
1 1 2
= =

|
\
|
.
|
|
|
= = = =
1 1 1 3
1
2
1
5
31 62 33 59 ; e
T T T
;
1 4
u v
v u
u
u u
2
T
1
1
2 2
2
1 2
2
4
2
10
62
31
1
2
1
5
0
0
0
0
0 =

|
\
|
.
|
|
=
|
\
|
.
|
|
|
+

|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
=

13
PROF. EVARISTO

novo: u v
v u
u
u u
T
1
1
2 3
3
2
1 2
3
1
4
6
33
31
1
2
1
5
4 065
1129
2 935
0 677
5 184 =

|
\
|
.
|
|
=

|
\
|
.
|
|
|
+

|
\
|
.
|
|
|
=

|
\
|
.
|
|
|
=
,
,
,
,
, ,
u v
2 4
19 194
T
= ,
u v
v u
u
u
v u
u
u
T
1
1
T
3 4
4
2
1
4 2
2
2
2
2
1
3
4
10
59
31
1
2
1
5
19 194
5184
4 065
1129
2 935
0 677
0
0
0
0
=

|
\
|
.
|
|

|
\
|
.
|
|
=

|
\
|
.
|
|
|

|
\
|
.
|
|
|

|
\
|
.
|
|
|
=
|
\
|
.
|
|
|
,
,
,
,
,
,
= u
3
0;como h apenas 2 vetores coluna linearmente independente o posto desta matriz
igual a 2, isto pode ser reconfirmado com os vetores linha da matriz.

4) FUNES DE MATRIZES

De forma anloga a funes analticas de variveis escalares que podem, em um
certo domnio, ser expandidas em sries de potncias da forma:
f x c x
i
i
i
( ) =
=
0
onde : c
i
d f x
dx
i
i
i
x
=

(
=
1
0
!
( )
tem-se as funes de matrizes que um matriz
da forma: . Como exemplo tem-se a funo exponencial de uma matriz A
definida , em analogia funo e
x
=
f ( ) c
i
i
i
A =
=
0
A
1
0
i
x
i
i
!
, pela srie:
( ) exp
!
A
A
= =
=
e
i
i
i
1
0
A , note que esta funo apresenta as propriedades:
i-) exp(0) = I onde 0 a matriz nula;
ii-) ( ) exp
!
A
A
t e
t
i
t
i
i
i
= =
=
0
A onde t um escalar, assim:

( ) d t
dt
it
i
t
i
t
i
i
i
i
i
i
exp
! !
exp( )
A
A A A A A = = =

1
0 0
ou seja se ( ) ( ) u t t = exp A , tem-se:
e ( ) u 0 = I
( )
( )
d t
dt
t
u
u = A , ou seja a matriz ( ) u t soluo da equao diferencial
ordinria matricial
( )
( )
d t
dt
t
u
u = A , sujeita condio inicial ( ) u 0 = I .

Uma forma mais simples para determinar funes de matrizes pode ser desenvolvida
atravs da aplicao do Teorema de Cayley-Hamilton que estabelece que todo a matriz
quadrada A raiz de seu polinmio caracterstico, isto se
( ) p c c c
n n n
n
= + + + + +

1
1
2
2
1
c
n
o polinmio caracterstico de A, ento:

14
PROF. EVARISTO

n
( ) p c c c c
n n n
n n
A A A A A I 0 = + + + + + =

1
1
2
2
1
C C C C
1
= + + +

n n
n
1
2
2
1
. A demonstrao deste teorema

pode ser feita definindo-se a matriz adjunta da matriz I- A, isto : C = adj(I- A) que pode
ser expressa na forma: , onde C
k
k= 1, 2, ...,n so
matrizes do mesmo tipo de A, mas : (I- A)[adj(I- A)]=det(I- A)I = p()I, ou seja:
C +
( ) ( ) ( )
I A C C C C I
1 1
+ + + + = + + + + +

n n
n n
n n n
n n
c c c c
1
2
2
1
1
2
2
1

igualando os termos eqipotentes de , tem-se:
C I A A C A
C A C I A A C A C A
C A C I A A C A C A
C A C I A A C A C A
A C I A I A C I
1 1
2 1 1
1 1
2 1 1
1
3 2 2
2 2
3
1
2 2
2
1 1
2
1 1
0
= =
= =
= =
= =
= = =

n n n
n n n n
n n n n
n n n n n n
n n n n
c c
c c
c c
c c
somando todos os termos

aps tem-se: ( ) A p = A A A A I
n n n
n n
c c c c + + + + + =

1
1
2
2
1
0
I
A
.
Uma conseqncia do teorema de Cayley-Hamilton que:
A A A A
n n n
n n
c c c c =

1
1
2
2
1
, multiplicando membro a membro por A:
A A A A
n n n
n n
c c c c
+
=
1
1 2
1
1
2
substituindo a expresso de A
n
, tem-se:
( ) ( ) ( ) A A A A
n n n
n n n
c c c c c c c c c c
+
= + + + +
1
1
2
2
1
1 2 3
2
1 1 1
I
I
0
, e assim
sucessivamente, o que permite concluir que :
A A A A
m n n
n n
d d d d = + + + +

1
1
2
2
1
para m = 0, 1, 2,..... Alm disto se A
regular, multiplica-se membro a membro de p(A) por A
-1
, resultando em :
A A A I A
n n n
n n
c c c c

+ + + + + =
1
1
2
2
3
1
1
ou seja:
(
A A A A

= + + + +
1 1
1
2
2
3
1
-
1
c
n
n n n
n
c c c
)
I
I
A
{ note que c
n
=(-1)
n
det(A) = 0 pois
A regular ou no-singular), assim sendo se A regular:
A A A A
m n n
n n
d d d d = + + + +

1
1
2
2
1
para m = 0, 1, 2,......
A aplicao do Teorema de Cayley-Hamilton srie de potncias
permite reescrev-la na forma:
f c
i
i
i
( ) A A =
=
0
f
i
i
i
n
( ) A =
=
o
0
1
pois potncias superiores (n-1) da
matriz A pode, pelo teorema de Cayley-Hamilton, serem expressas em termos das (n-1)
primeiras potncias da matriz A, alm disto de acordo com a propriedade anteriormente
apresentada de que se um valor caracterstico e v o correspondente vetor caracterstico
de A, ento q() valor caracterstico e v o correspondente vetor caracterstico de
q a a a
m m m
m m
( ) A A A A A I = + + + + +

1
1
2
2
1
f
i
i
i
n
( ) o =
=
0
1
a tem-se que os valores caractersticos de
f(A) satisfazem a: , ento para determinar os coeficientes o
i
, assim
procede-se:

15
PROF. EVARISTO

(i) se os valores caractersticos de A so todos distintos, resolve-se o sistema linear de
equaes: para k = 1, 2, ...n; o
i k
i
k
i
n
f =
=
( )
0
1
Se A uma matriz (2,2), o
0
, o
1
soluo de :

o o
o o
o

o

0 1 1 1
0 1 2 2
0
2 1 1 2
2 1
1
2 1
2 1
+ =
+ =
f
f
f f
f f
( )
( )
( ) ( )
( ) ( )

caso
1
=
2
tem-se:
o

o

0
2 1 1 2
2 1
1 1 1
1
2 1
2 1
1
2 1
2 1
=

(
= '
=

(
= '
lim
lim
f f
f f
f f
f
( ) ( )
( ) ( )
( ) ( )
( )

o mesmo resultado poderia ser obtido derivando-se a segunda equao do sistema em
relao a
2
e, em seguida, fazer
2
1
, assim:
o o
o
o
o
0 1 1 1
1 1
0 1 1 1
1 1
+ =
= '

= '
= '
f
f
f f
f
( )
( )
( ) ( )
( )

Exemplos Ilustrativos: (a) para calcule A
-3
e ln(A); A =
|
\
|
.
|
4 2
1 3
(b) para A = calcule
|
\
|
.
|
5 3
2 2
A .
(a) , assim: ( )( ) p( ) = + = = =
2
1 2
7 10 2 5 2 5 e
o
o
0
1
5 2 2 5
3
5 2
3
=

=

f f
f f
( ) ( )
( ) ( )
; para f(x)=x
-3
tem-se:
o
o
0
1
5 8 2 125
3
0 203
1 125 1 8
3
0 039
=

=
=

=
,
,
logo:
A
=
|
\
|
.
|

|
\
|
.
|
=

|
\
|
.
|
3
0 203
1 0
0 1
0 039
4 2
1 3
0 047 0078
0 039 0 086
, ,
,
, ,
e
para f(x)=ln(x), tem-se
o
o
0
1
5 2 2 5
3
0 082287
5 2
3
0 30543
=

=
=

=
ln( ) ln( )
,
ln( ) ln( )
,
ento:
B A = =
|
\
|
.
|
+
|
\
|
.
|
=
|
\
|
.
|
ln( ) , ,
, ,
, ,
0 082287
1 0
0 1
0 305430
4 2
1 3
1 304008 0 610860
0 30543 0 998577
, esta ltima
funo matricial est correta se a funo inversa tambm verdadeira, isto : A = exp(B),
para isto deve-se inicialmente determinar os valores caractersticos de B que so

16
PROF. EVARISTO

q
1
=0,693147 e q
2
=1,609438 determina-se a seguir:
|
q q
q q
|
q q
0
2 1
2 1
1
2 1
2 5
0 269412
5 2
3 27407
=

=
=

,
,
e ento:
exp( ) , ,
, ,
, ,
B A =
|
\
|
.
|
+
|
\
|
.
|
=
|
\
|
.
|
= 0 269412
1 0
0 1
3 27407
1 304008 0 610860
0 30543 0 998577
4 2
1 3

(b) ento como ( )( ) p( ) = = + = =
2
1 2
3 4 1 4 1 4 e f x x ( ) = , tem-
se: ( ) ( ) f
1
1 4 2 = = = = i e f
2
logo:
o
o
0
1
4 2
5
0 4 0 8
2
5
0 4 0 2
=
+
= +
=

=
i
i
i
i
, ,
, ,
e
( ) ( ) A i i
i i
i i
= +
|
\
|
.
|
+

|
\
|
.
|
=
+
+
|
\
|
.
|
0 4 0 8
1 0
0 1
0 4 0 2
5 3
2 2
2 4 0 2 1 2 0 6
0 8 0 4 0 4 1 2
, , , ,
, , , ,
, , , ,
note que:
( )
A
i i
i i
i i
i i
A
2 2 4 0 2 1 2 0 6
0 8 0 4 0 4 1 2
2 4 0 2 1 2 0 6
0 8 0 4 0 4 1 2
5 3
2 2
=
+
+
|
\
|
.
|

+
+
|
\
|
.
|
=

|
\
|
.
|
=
, , , ,
, , , ,
, , , ,
, , , ,

(ii) se a matriz A apresenta valores caractersticos mltiplos, por exemplo,
, neste caso para levantar a indeterminao no clculo
1 2 1
= = = = = =
+

m m n
dos coeficientes o
i
, deriva-se em relao a
1
m vezes a equao correspondente a
1
,
assim: ; ; ; ....; o
i
i
i
n
f =
=
1 1
0
1
( ) i f
i
i
i
n
o = '
1
1
1
1
1
( ) i i f
i
i
i
n
( ) ( ) = ''
1
1
2
1
2
1
o
i i i m
d f
d
i
i m
m
m
i m
n
( ) ( )
( )
+ =
1 1
1
1
1
o

sendo as demais equaes:
o
i k
i
k
i
n
f =
=
( )
0
1
para k = m+1, m+2, ...n.

Exemplo Ilustrativo: para calcule exp(A); A =

|
\
|
.
|
|
|
1 750 2 000 0 250
0 125 2 000 0 375
0 250 2 000 0 250
, , ,
, , ,
, , ,
p( ) det
, , ,
, , ,
, , ,
=
+
+
+
|
\
|
.
|
|
|
= + + + = = =
1750 2 000 0 250
0125 2 000 0 375
0 250 2 000 0 250
4 5 2 0 1
3 2
1 2

e
3
2 = , assim:
o o o
o o
o o o
0 1 2
1 2
0 1 2
1
2
2 4 2
+ =
=
+ =
exp( )
exp( )
exp( )
1 tem-se assim: logo:
o
o
o
0
1
2
0 871094
0 638550
0 135335
=
=
=
,
,
,

17
PROF. EVARISTO

( ) exp , ,
, , ,
, , ,
, , ,
,
, , ,
, , ,
, , ,
A =
|
\
|
.
|
|
|
+

|
\
|
.
|
|
|
+

|
\
|
.
|
|
|
= 0 871094
1 0 0
0 1 0
0 0 1
0 638550
1 750 2 000 0 250
0 125 2 000 0 375
0 250 2 000 0 250
0 135335
1 750 2 000 0 250
0 125 2 000 0 375
0 250 2 000 0 250
2

=
0 193471 1 065512 0 358348
0 029068 0 435547 0 062902
0 058136 0 135335 0 242076
, , ,
, , ,
, , ,

|
\
|
.
|
|
|

Caso desejar-se determinar uma srie de potncias
onde a varivel t uma varivel escalar real, esta funo pode ser rescrita na forma:
onde uma funo escalar de t determinada atravs da
soluo de:
( ) f t c t t
i
i i
i
( ) A A = =
=
0
+
( )
| |
+( ) t t
i
i
i
n
=
=
o A
0
1
( ) o
i
t
(i) para k = 1, 2, ...n se os valores caractersticos de A so todos
distintos;
( ) o
i k
i
k
i
n
t f =
=
( )
0
1
t
t (ii) ; ( ) o
i
i
i
n
t f =
=
1 1
0
1
( )
( ) i t t
df
d
i
i
t
i
n
o

=
=
1
1
1
1
1
( )
;
( ) i i t t
d f
d
i
i
t
i
n
( )
( )
=

=
=
1
1
2 2
2
2
2
1
1
o

;

( ) i i i m t t
d f
d
i
i m m
m
m
t
i m
n
( ) ( )
( )
+ =

=
=
1 1
1
1
1
o

sendo as demais equaes:
para k = m+1, m+2, ...n. se ( ) o
i k
i
k
i
n
t f =
=
( )
0
1
t

1 2 1
= = = = = =
+

m m n

Exemplos Ilustrativos: (a) para calcule exp(At); A =
|
\
|
.
|
4 2
1 3
(b) para A = calcule. exp(At).
|
\
|
.
|
3 2
2 1
(a) , assim: ( )( ) p( ) = + = = =
2
1 2
7 10 2 5 2 5 e

18
PROF. EVARISTO

o
o
0
2 5
1
5 2
5 2
3
3
=

=

e e
e e
t t
t t
; logo: exp( ) At
e e e e
t t t t
=
|
\
|
.
|
|
\
|
.
|
+
|
\
|
.
|
|
\
|
.
|
5 2
3
1 0
0 1 3
4 2
1 3
2 5 5 2
ento:
d[exp( t
dt
e e e e
t t t t
A )]
=
|
\
|
.
|
|
\
|
.
|
+
|
\
|
.
|
|
\
|
.
|
10
3
1 0
0 1
5 2
3
4 2
1 3
2 5 5 2
e
A A [exp( )] t
e e e e
t t t t
=
|
\
|
.
|
|
\
|
.
|
+
|
\
|
.
|
|
\
|
.
|

|
\
|
.
|

`
)
=
5 2
3
4 2
1 3 3
7
4 2
1 3
10
1 0
0 1
2 5 5 2

=
|
\
|
.
|
|
\
|
.
|
+
|
\
|
.
|
|
\
|
.
|
= 10
3
1 0
0 1
5 2
3
4 2
1 3
2 5 5 2
e e e e d[exp( t
dt
t t t t
A )]
e
exp(A0)=I, comprovando que esta matriz exponencial est correta.
(b) deve-se assim resolver o sistema: ( ) p( ) = + + = + = =
2
2
1 2
2 1 1 1
( )
( )
o o
o
o o
o
o
o
o
o
0 1 1
1
0 1
1
0
1
0
1
1
1
1
1
+ =
=

=
=

= +
=

=
=
e
te
e
te
t e
te
d
dt
te
d
dt
t e
t
t
t
t
t
t
t
t
assim:
( ) exp( ) At t e te
t t
= +
|
\
|
.
|
+

|
\
|
.
|

1
1 0
0 1
3 2
2 3
; exp( ) At
t =
=
|
\
|
.
|
0
1 0
0 1
e
| |
d t
dt
te t e
t t
exp( )
( )
A
=
|
\
|
.
|
+

|
\
|
.
|

1 0
0 1
1
3 2
2 3
e
( ) A A
A
[exp( )]
)]
t t e te
d[exp( t
dt
t t
= +

|
\
|
.
|

|
\
|
.
|
+
|
\
|
.
|

`
)
=

1
3 2
2 3
2
3 2
2 3
1 0
0 1
,
comprovando que a matriz exponencial est correta.

5) FORMAS QUADRTICAS

Em 9
2
a expresso geral das formas quadrticas :
f x x c b x b x
a
x a x x
a
x ( , )
1 2 1 1 2 2
11
1
2
12 1 2
22
2
2
2 2
= + + + + + ,
cujas derivadas parciais so:
c
c
f x x
x
b a x a x
( , )
1 2
1
1 11 1 12 2
= + + e
c
c
f x x
x
b a x a x
( , )
1 2
2
2 22 2 12 1
= + +
c
c
2
1 2
1
2
11
f x x
x
a
( , )
= ;
c
c c
c
c c
f x x
x x
f x x
x x
a
( , ) ( , )
1 2
1 2
1 2
2 1
12
= = e
c
c
2
1 2
2
2
22
f x x
x
a
( , )
= .
Esta forma quadrada pode ser rescrita em forma matricial, segundo:

19
PROF. EVARISTO

( ) ( ) f x x c b b
x
x
x x
a a
a a
x
x
( , )
1 2 1 2
1
2
1 2
11 12
12 22
1
2
1
2
= +
|
\
|
.
| +
|
\
|
.
|
|
\
|
.
| , ou seja, definindo:
x b A =
|
\
|
.
| e9 =
|
\
|
.
| e9
|
\
|
.
| e9
x
x
b
b
a
a a
x
1
2
2
1
2
2
12
12 22
2 2
, e =
a
11
[ matriz simtrica], tem-se:
( ) f c
T T
x b x x A = + +
1
2
x
definindo o operador diferencial vetorial : V=
c
c
c
c
x
x
1
2
|
\
|
.
|
|
|
|
(operador gradiente) , tem-se:
Vf(x) =
c
c
c
c
f x x
x
f x x
x
( , )
( , )
1 2
1
1 2
2
|
\
|
.
|
|
|
|
= + b A x (vetor gradiente de uma funo escalar f) e
V
2
f(x) = ( )
c
c
c
c
c
c
c
c
c
c
c
c
x x
f x x
x
f x x
x
f x x
x
f x x
x
a a tr
1 2
1 2
1
1 2
2
2
1 2
2
1
2
1 2
2
2
11 22
|
\
|
.
|
|
\
|
.
|
|
|
|
= + = + =
( , )
( , )
( , ) ( , )
A
(Laplaciano de uma funo escalar).

Define-se tambm a matriz Hessiana por:
( ) H x A =
|
\
|
.
|
|
|
|

|
\
|
.
| =
|
\
|
.
|
|
|
|
|
=
c
c
c
c
c
c
c
c
c
c
c
c c
c
c c
c
c
x
x
f x x
x
f x x
x
f x x
x
f x x
x x
f x x
x x
f x x
x
1
2
1 2
1
1 2
2
2
1 2
2
1
2
1 2
1 2
2
1 2
2 1
2
1 2
2
2
( , ) ( , )
( , ) ( , )
( , ) ( , )
.
Estas definies podem ser generalizadas para 9
n
, segundo:
x b A =
|
\
|
.
|
|
|
|
e9 =
|
\
|
.
|
|
|
|
e9
|
\
|
.
|
|
|
|
e9
x
x
x
b
b
b
a a
a a a
a a a
n
n
n
n n
n nn
nxn
1
2
1
2
12 1n
12 22 2
1n 2

, e =
a
11
( )
[ matriz simtrica],
tem-se: f c c b x a x x
T T
i i
i
n
ij i j
j
n
i
n
x b x x A x = + + = + +
= = =

1
2
1
2
1 1 1
,

20
PROF. EVARISTO

Vf(x) =
c
c
c
c
c
c
f
x
f
x
f
x
n
( )
( )
( )
x
x
x
b A x
1
2
|
\
|
.
|
|
|
|
|
|
|
= + ,
V
2
f(x) = ( )
c
c
c
c
c
c
c
c
c
c
c
c
x x x
f
x
f
x
f
x
a a a tr
n
n
nn
1 2
1
2
11 22
|
\
|
.
|
|
\
|
.
|
|
|
|
|
|
|
= + + + =
( )
( )
( )
x
x
x
A
( ) H x
x x x
x x x
x x x
x x x
=
|
\
|
.
|
|
|
|
|
|
|
|
\
|
.
| =
|
\
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c c
c
c c
c
c c
c
c
c
c c
c
c c
c
c c
c
c
x
x
x
f
x
f
x
f
x
f
x
f
x x
f
x x
f
x x
f
x
f
x x
f
x x
f
x x
f
x
n
n
n
n
n n
n
1
2
1 2
2
2
1
2
1 2
2
1
2
2 1
2
2
2
2
2
2
1
2
2
2
2
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
|
.
|
|
|
|
|
|
|
|
|
= A
H
f
x x
f
x x
H
ij
i j j i
ji
( )
( ) ( )
( ) x
x x
x = = =
c
c c
c
c c
2 2
[matriz simtrica]. Note que caso a matriz A no seja
simtrica redefinem-se seus elementos na forma:
a
ij,velha
=
+
|
\
|
.
|
a a
ij velha ji velha , ,
2
ou, em termos matriciais,
( )
A A A
nova velha velha
T
= +
1
2

A forma quadrtica acima pode ser simplificada, atravs de um translao do eixo,
tal que o termo b
T
x desapaream, assim sejam as novas coordenadas (y
1
, y
2
, ..., y
n
) tais que:
x=y+d assim: b x e b y b d
T T T
= +
( )
( ) x A x y d A y A d y A y y A d d A y d A d
T T T T T T T
= + + = + + + =
= + + y A y d A y d A d
T T T
2 pois : [ A simtrica], logo: y A d d A y
T T
=
( ) f c
T T T T T
y b y b d y A y d A y d A d = + + + + +
1
2
1
2

identificando : ( ) f c
T T
d b d d A d = + + =
1
2
c e definindo
b b A d = +

21
PROF. EVARISTO

( ) f c
T T
y b y y A = + +

1
2
y, adotando d tal que : o que
s ser possvel se A for regular, assim chega-se a:
b b A d 0 d A b = + = =
1
( ) f c
T
y y A = +
1
2
y onde : x=y+d , d A b =
1
e ( )
c f c
T T
= = + + d b d d A
1
2
d ,
neste novo sistema de coordenadas tem-se:
Vf(y) =
c
c
c
c
c
c
f
y
f
y
f
y
n
( )
( )
( )
y
y
y
A y
1
2
|
\
|
.
|
|
|
|
|
|
|
= , neste novo sistema de coordenadas o valor da varivel
independente y que anula o vetor gradiente o valor nulo, isto a origem : y=0 e neste
ponto o valor da funo f(y) igual a : . Esta condio, Vf(y) =0 uma condio
necessria para o ponto ser um extremo da funo (mximo ou mnimo) e chamado de
c
ponto crtico, este ponto ser um ponto de mnimo se para qualquer vizinhana de y =0 ,
isto : y s o , a funo f(y) > f(0) = , ou seja : e, neste caso, a matriz A
chamada de
c y A y
T
> 0
positiva definida e caso em toda vizinhana de y=0 a f(y) < f(0) = , ou seja :
e, neste caso, a matriz A chamada de
c
y A y
T
< 0 negativa definida e o ponto um ponto
de mximo. Em qualquer outra situao o ponto no nem de mximo nem de mnimo, e no
caso da matriz ser no definida tem-se o chamado ponto de sela.

A forma quadrtica pode tambm ser rescrita em sua forma cannica, de forma
anloga apresentada no processo de diagonalizao de matrizes, assim considerando
y P z = , onde P a matriz cujos vetores coluna so os vetores caractersticos normalizados
de A (por enquanto considerados n vetores caractersticos linearmente independentes e
ortogonais entre si, isto os valores caractersticos so todos reais e distintos - matriz A
simtrica ), tem-se assim:
( )
( )
f c c c z
T T T
i i
i
n
z z P A P z z D z = + = + = +
=

1
2
1
2
1
2
2
1
, como origem y=0
correspondente tambm a z=0, tem-se z=0 como ponto de mnimo se para
todo o domnio em que z = 0 se
i i
i
n
z >
=
2
1
0
i
> 0 para todo i = 1, , n , z=0 um ponto de
mximo se para todo o domnio em que z = 0 se
e z=0 um ponto de sela se no h vizinhana de z=0 na
i i
i
n
z <
=
2
1
0
= 1, , n
i
< 0 para todo i

22
PROF. EVARISTO

23
qual no muda de sinal o que ocorre se alguns
i i
i
n
z
=
2
1
0 e os demais so
i
<
i
> 0.
No 9
2
a forma cannica assume a forma:
(
f z z c z z ( , )
1 2 1 1
2
2 2
2
1
2
= + +
)
, neste caso a forma das curvas de nvel caracterizam as
seguinte cnicas, de acordo com o sinal de A = det (A) = , asssim
com A > 0 :
a a
11 22
a
12
2
1 2
=
elipse; A < 0 : hiprbole e A = 0 : parbola .

(a) Elipse: neste caso os valores caractersticos tm o mesmo sinal, sendo z=0 um ponto de
mnimo se ambos forem positivos e um ponto de mximo se ambos forem positivos. O
tamanho do eixo z
1

| |
2
1
K c e do eixo z
2

| |
c
>
2
2
K , onde K=f(z
1
,z
2
) [ verificando
que se z=0 um ponto de mnimo K c > > , e
1 2
0 0 e se z=0 um ponto de mximo
, deste modo em ambos os casos: K c < < < , e
1 2
0 0
| |
0
1
K c >
2
e
| |
0 >
2
2
K c ].
seguir representam-se s superfcie f(z
1
,z
2
) e as correspondentes curvas de contorno: A
M

1
1 0.5 0 0.5 1
1
0.5
0.5
0
1.5
1.5
1.5
1.5
1
1
1
1
1
1
1
0.5
0.5
0.5
0.5
0.5
0.5
M
1
( )
2
2
2
1 2 1
5 ) , ( z z z z f + =

(b) Hiprbole: neste caso os valores caractersticos tm os sinais distintos, sendo z=0 um
ponto de sela Abaixo representam-se a superfcie f(z
1
,z
2
) e as correspondentes curvas de
contorno
PROF. EVARISTO

M

1 0.5 0 0.5 1
1
0.5
0
0.5
1
0.5
0.5
0.5
0.5
0
0
0
0
0
0
0
0
0.5
0.5
0.5
0.5
0.5
0.5
M

( )
2
2
2
1 2 1
5 ) , ( z z z z f =

(c) Parbola: neste caso um dos valores caractersticos nulo e portanto a matriz A
singular, desta forma no possvel fazer a translao de eixo que elimina o termo b
T
x.
Ento neste caso a rotao dos eixos aplicada diretamente s variveis (x
1
, x
2
), isto :
, obtendo-se : z P x =
f z z c b z b z z ( , )
~ ~
1 2 1 1 2 2
1
1
2
2
= + + +
se
2
= 0 ou:

35
PROF. EVARISTO

f z z c b z b z z ( , )
~ ~
1 2 1 1 2 2
2
2
2
2
= + + +
se
1
= 0, onde b P b b P b = =
~ ~
. Verifica-se
assim que a condio necessria no obtida em nenhum dos casos, pois no primeiro caso
tem-se: Vf(z) =
c
c
c
c
f z z
z
f z z
z
b z
b
( , )
( , )
~
~
1 2
1
1 2
2
1 1 1
2
|
\
|
.
|
|
|
|
=
+ |
\
|
.
|
segundo componente no nulo,
e no segundo caso tem-se: Vf(z) =
c
c
c
c

f z z
z
f z z
z
b
b z
( , )
( , )
~
~
1 2
1
1 2
2
1
2 2 2
|
\
|
.
|
|
|
|
=
+
|
\
|
.
|
primeiro componente no
nulo. Deste modo em ambos os casos um dos componentes do vetor gradiente constante
no podendo ser anulado atravs da escolha de z
1
ou z
2
, neste caso no se tem nem mximo
nem mnimo. Abaixo, representa-se curvas de nvel para cada um dos casos.

1 0.5 0 0.5 1
1
0.5
0
0.5
1
30 25
25
20
20
15
15
15
15
10
10
10
10
5
5
5
5 0
0
0
0
5
5
5
10
10
curvas de nvel (um dos val. caract. =0)
M
f , z
1
z
2
z
1
.
2 z
2
.
5 z
2
2

1 0.5 0 0.5 1
1
0.5
0
0.5
1
25
25
20
20
15
15
15
10
10
10
5
5
5
0
0
0
5
5
5
10
10
15
curvas de nvel (um dos val. caract. =0)
M
f , z
1
z
2
z
2
.
2 z
1
.
5 z
1
2

41
PROF. EVARISTO

42
Lista de Exerccios

1) Mostre que todo matriz ortogonal apresenta o determinante +1 ou -1. Sugesto: parta dos
princpios que det(A)=det(A
T
) e que det(A
-1
)=1/det(A).

2) Mostre que (A.B)
T
=B
T
.A
T

3) Mostre que (A.B)
-1
=B
-1
.A
-1

4) Mostre que (A
-1
)
T
=( A
T
)
-1

Algebra Linear Nivelamento

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algebra Linear Nivelamento

Uploaded by

Copyright:

Available Formats

PARTE DO CURSO DE NIVELAMENTO 2009 - PEQ/COPPE/UFRJ

Se m=1 tem-se um vetor linha designado por v

para j = 1, ... , n so os n vetores

para j = 1, ..., m.,

, o que induz definio da matriz:

= a v para i = 1, ..., m, que

matriz diagonal uma matriz quadrada em

(pois equivaleria a dizer que a

ou, em termos matriciais: ,

. A demonstrao deste teorema

somando todos os termos

You might also like