Beruflich Dokumente
Kultur Dokumente
Obs. Apenas uma pequena parte deste material será utilizado em sala
de aula.
O objetivo deste capı́tulo é fornecer a base matemática para a análise e
sı́ntese de sistemas de controle.
No estudo de álgebra linear a noção de conjunto é um conceito
fundamental.
Def. Um conjunto é definido como sendo uma coleção de objetos e é
explicitado listando-se seus elementos.
F = {0, 1, 2, · · · }
F = {x ∈ R / x ≥ 0}
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 1
✬ ✩
Corpos numéricos
1. ∀α, β ∈ F, α + β ∈ F, αβ ∈ F
• α + 0 = α ∀α ∈ F
• 1α = α ∀α ∈ F
3. ∀α ∈ F então ∃ − α ∈ F
4. ∀α = 0 ∈ F então ∃ α1 ∈ F
5. Associatividade: ∀α, β, γ ∈ F
• (α + β) + γ = α + (β + γ)
• (αβ)γ = α(βγ)
6. Comutatividade : ∀α, β ∈ F
• α+β =β+α
• αβ = αβ
7. Distributividade: ∀α, β, γ ∈ F
• (α + β)γ = αγ + βγ
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 2
✬ ✩
Corpos numéricos
Exemplos:
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 3
✬ ✩
Espaços lineares
Propriedades:
1. x + y = y + x , ∀ x, y ∈ X (comutativa)
2. (x + y) + z = x + (y + z) , ∀ x, y, z ∈ X (associativa)
3. 0 + x = x , ∀ x ∈ X
5. (αβ)x = α(βx) , ∀ α, β ∈ R , ∀ x ∈ X
6. α(x + y) = αx + αy , ∀ α ∈ R , ∀ x, y ∈ X
7. (α + β)x = αx + βx , ∀ α, β ∈ R , ∀ x ∈ X
8. 1x = x , ∀ x ∈ X
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 4
✬ ✩
Exemplos
• Espaço X = Rn , com as operações de adição vetorial e multiplicação
por escalar definidas de maneira convencional
• Y = {0} , 0 ∈ Rn
• Z = span(v1 , v2 , . . . , vk ) , vi ∈ Rn , i = 1, . . . , k
span(v1 , v2 , . . . , vk ) = α1 v1 + · · · + αk vk : αi ∈ R
n
• W = f : R+ → R , f diferenciável
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 5
✬ ✩
Subespaços lineares
• 0∈W
• ∀w1 , w2 ∈ W então w1 + w2 ∈ W
• ∀α ∈ F e ∀w ∈ W então αw ∈ W
Exemplos:
• X , Y, Z são subespaços do Rn
• V é um subespaço de W
x1
• x ∈ R2 : x = é um subespaço do R2
αx1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 6
✬ ✩
b1
b2
AB = a1 a2 · · · am ..
.
bm
= a1 b1 + a2 b2 + · · · + am bm
CA = C a1 a2 · · · am = Ca1 Ca2 · · · Cam
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 7
✬ ✩
b1 b1 D
b2 bD
2
BD = .. D = .
. ..
bm bm D
x1
x2
x= ..
.
xn
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 8
✬ ✩
α1 x1 + α2 x2 + · · · + αn xn = 0
α1 = α2 = · · · = αn = 0
1
x1 = − [α2 x2 + α3 x3 · · · + αn xn ]
α1
isto é, um dos vetores (mas não necessariamente qualquer um) pode ser
escrito como uma combinação linear dos demais.
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 9
✬ ✩
α1 x1 + α2 x2 + · · · + αn xn = β1 x1 + β2 x2 + · · · + βn xn
=⇒ α1 = β1 ; α2 = β2 ; · · · ; αn = βn
s 1
,
s+1 s+2
s 1
α1 + α2 =0
s+1 s+2
No entanto, para escalares pertencentes ao corpo das funções racionais
em s, a igualdade vale se
1 s
α1 = − ; α2 =
s+2 s+1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 10
✬ ✩
Dimensão
∞
αi ti = 0 ⇐⇒ α1 = α2 = · · · = 0
i=1
x = α1 q1 + α2 q2 + · · · + αn qn
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 11
✬ ✩
Q q 1 q2 · · · q n
α1
α2
x = Q .. = Qα
.
αn
α α1 α2 · · · αn é a representação de x na base {q1 , q2 , . . . , qn }.
A qualquer vetor x ∈ Rn , pode-se associar a base ortonormal
1 0 0
1 0
0
0 0 0
e1 = .. , e2 = . , . . . , en = .
. .. ..
0 0 0
0 0 1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 12
✬ ✩
x1 x1
x2 x2
x= .. = x1 e1 + x2 e2 + · · · + xn en = In ..
. .
xn xn
Base: e1 = s3 ; e2 = s2 ; e3 = s; e4 = 1
Se x = s3 + 4s2 − 4s + 10, então
1
4
x= e1 e2 e3 e4 ,
−4
10
1 4 −4 10 é a representação de x na base escolhida.
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 13
✬ ✩
Mudança de Base
x= e1 e2 · · · en β= ē1 ē2 · · · ēn β̄
p1i
p2i
Seja pi = .. a representação de ei na base {ē1 , ē2 , . . . , ēn }:
.
pni
p1i
p2i
ei = ē1 ē2 · · · ēn ..
.
pni
Epi , i = 1, 2, . . . , n
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 14
✬ ✩
e1 e2 · · · en = Ep1 Ep2 · · · Epn
= E p 1 p2 · · · p n
p11 p12 · · · p1n
p21 p22 · · · p2n
= ē1 ē2 · · · ēn .. .. .. ..
. . . .
pn1 pn2 · · · pnn
ē1 ē2 · · · ēn P
x= ē1 ē2 · · · ēn Pβ = ē1 ē2 · · · ēn β̄
β = Qβ̄
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 15
✬ ✩
β̄ = P β = P Qβ̄ , ∀β̄
P Q = I → P = Q−1
1
4
x= ē1 ē2 ē3 ē4
1
11
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 16
✬ ✩
Operadores lineares
Transformação Linear
T
y(t) = g(t − τ )x(τ )dτ
0
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 17
✬ ✩
L(x) = L(α1 x1 + α2 x2 + · · · + αn xn )
= α1 L(x1 ) + α2 L(x2 ) + · · · + αn L(xn )
= α1 y1 + α2 y2 + · · · + αn yn
a1i
a2i
Seja .. a representação de yi na base {u1 , . . . , um }
.
ami
a1i
a2i
yi = u 1 u2 · · · u m .. , i = 1, 2, . . . , n
.
ami
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 18
✬ ✩
Neste caso,
L( x1 x2 · · · xn ) = y1 y2 · · · yn
a11 a12 · · · a1n
a21 a22 · · · a2n
= u1 u2 · · · u m . .. ... ..
.. . .
am1 am2 · · · amn
u 1 u2 · · · u m A
y = L(x)
u1 u2 · · · um β = L( x1 x2 · · · xn α)
= u1 u2 · · · um Aα =⇒ β = Aα
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 19
✬ ✩
Transformação de Similaridade
L
x y (= L(x))
A
e1 · · · en α β (= Aα)
P Q P Q = P −1
Ā
ē1 · · · ēn ᾱ β̄ (= Āᾱ)
β̄ = Āᾱ ; β̄ = P β = P Aα = P AP −1 ᾱ
=⇒ Āᾱ = P AP −1 ᾱ , ∀α
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 20
✬ ✩
Ā = P AP −1 = Q−1 AQ
A = P −1 ĀP = QĀQ−1
=⇒ Q = P −1
A, Ā : matrizes similares
P AP −1 , P −1 ĀP : Transformações de Similaridade
Todas as representações de um operador linear são similares. Uma matriz
A ∈ Rn×n pode ser vista como a representação de um operador linear ou
como o operador linear propriamente dito.
Exemplo de transformação linear: A transformação que rotaciona
um ponto no plano de 90o no sentido anti-horário
y3
x2 = y1
x3
y2 x1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 21
✬ ✩
0
y1 = L(x1 ) = x1 x2
1
−1
y2 = L(x2 ) = x1 x2
0
Portanto,
0 −1
A=
1 0
0 −1 1.5 −0.5
β = Aα = =
1 0 0.5 1.5
1.5
é a representação de x3 na base {x1 , x2 }
0.5
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 22
✬ ✩
y = L(x) = A(α1 x1 + α2 x2 + · · · + αn xn )
= α1 Ax1 + α2 Ax2 + · · · + αn Axn
=⇒ yi = Axi , i = 1 · · · n
Exemplo
3 2 −1 0
A=
−2 1 0
; b = 0
4 3 1 1
−1 −4 −5
Ab =
0 ; A2 b = 2 ; A3 b = 10
1 −3 −13
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 23
✬ ✩
0
A(b) = b Ab A b 2
1
0
0
A(Ab) = b Ab A2 b
0
1
17
A(A2 b) = b Ab A2 b
−15
5
0 0 17
Ā =
1 0 −15
=⇒
0 1 5
(Forma Companheira)
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 24
✬ ✩
−1
Ā = Q AQ ; Q q 1 q2 · · · q n
i-ésima coluna de Q:
=⇒ representação de qi na base ortonormal {e1 , . . . , en } = qi
Ā = Q−1 AQ → QĀ = AQ
ou, como Q = q1 q2 · · · q n ,
q1 q2 · · · q n Ā = Aq1 Aq2 · · · Aqn
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 25
✬ ✩
An = β1 b + β2 Ab + · · · + βn An−1 b
0 0 ··· 0 β1
1 0 ··· 0 β2
0 1 ··· 0 β3
Ā = .. .. . . .. ..
. . . . .
0 0 ··· 0 βn−1
0 0 ··· 1 βn
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 26
✬ ✩
Ortonormalização
0 se i = j
xi xj =
1 se i = j
u1 = x 1 q1 = u1 /u1
u2 = x2 − (q1 x2 )q1 q2 = u2 /u2
.. ..
. .
n−1
un = x n − (qk xn )qk qn = un /un
k=1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 27
✬ ✩
u2
x2
q2
q1 x1 = u1
U u 1 u2 · · · u n ; U U = In
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 28
✬ ✩
Propriedades:
n
n
Se y = U x, então yi2 = x2i , ou
i=1 i=1
y, ỹ = U x, U x̃ = (U x) (U x̃) = x U U x = x, x̃
e também não altera o ângulo ∠ y, ỹ = ∠ x, x̃
Se U é ortonormal, a transformação linear y = U x preserva a norma dos
vetores
Ux = x
epreserva o ângulo entre vetores
∠ U x, U x̃ = ∠ x, x̃
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 29
✬ ✩
cos θ − sin θ
y = Uθ x ; Uθ =
sin θ cos θ
e2
u2 u1
θ
e1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 30
✬ ✩
cos θ sin θ
y = Rθ x ; Rθ =
sin θ − cos θ
e2
u1
e1
u2
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 31
✬ ✩
X= x1 x2 · · · x n
q1 q 2 · · · q n Q = XF
Q Q = I =⇒ F RF = I ; R X X
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 32
✬ ✩
F RF = F L LF = (LF ) (LF ) = I
F = V Ω−0.5 V R−0.5
min Tr (X − Q) (X − Q)
sujeito a Q Q = I
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 33
✬ ✩
Re-escrevendo em termos de F :
min Tr (X − XF ) (X − XF )
sujeito a F X XF = I
min Tr(X X + F X XF − F X X − X XF )
sujeito a F X XF = I
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 34
✬ ✩
∂L
= 2(R + RΛF ) = 2R(I + ΛF ) = 0
∂F
∂L
= (F X XF − I) = 0
∂Λ
Resolvendo em termos de F e de Λ:
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 35
✬ ✩
1 1 0
x1 = 1
, x2 = 2 ,
x3 =
1
1 3 −1
X x1 x2 x3
Procedimento interativo:
1 0.5774
u1 1
u1 = x 1 ; q1 = =√ 1 = 0.5774
u1 3
1 0.5774
−0.7071
u
= 0.0000
2
u2 = x2 − (u1 x2 )u1 ; q2 =
u2
0.7071
−0.4082
u3
u3 = x3 − (u2 x3 )u2 − (u1 x3 )u1 ; q3 = = 0.8165
u3
−0.4082
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 36
✬ ✩
1.7321 3.4641 0
L = chol(R) =
0 1.4142 −0.7071
, LL=R
0 0 1.2247
−1
Q = XL = u1 u2 u3
[Q, L] = qr(X)
Q Q = I (decomposição triangular
ortonormal)
0.9908 −0.0890 −0.1021
Q2 = XR−0.5 =
0.1348 0.5758 0.8064
0.0130 0.8127 −0.5825
Q2 Q2 = I
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 37
✬ ✩
1 2
X= x1 x2 =
3 0.5
0.32 0.95
Schmidt: Q = q 1 q2 =
0.95 −0.32
0.1 1
Schur: U = u 1 u2 =
1 −0.1
x1
u1
q1
x2
−u2
u2
q2
−u1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 38
✬ ✩
a11 a12 · · · a1n x1 y1
a
21 a22 · · · a2n x2 y2
. .. ... .. .. = .. (Ax = y)
.. . . . .
am1 am2 · · · amn xn ym
A (m × n) , x (n × 1) , y (m × 1)
aij , yi ∈ R : dados do sistema; xi ∈ R : incógnitas
• Problema: dados A e y
1. ∃x : Ax = y?
R(A) y = Ax : x ∈ R ⊆ Rm
n
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 39
✬ ✩
n
N (A) x ∈ R : Ax = 0
y = x1 a1 + x2 a2 + · · · + xn an
e portanto
xi ∈ R, i = 1,
. . . , n são as ponderações das colunas de
A = a1 a2 · · · an
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 40
✬ ✩
Propriedades
• Para A ∈ Rm×n
ν(A) = n − ρ(A)
· colunas de A são LI
· det(A A) = 0
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 41
✬ ✩
0 1 1 2 −1
A = 1 2 3 4 −1 = a1 a2 a3 a4 a5
2 0 2 0 2
0 1 1 2 −1
Ax = x1
1 + x
2 2 + x
3 3 + x
4 4 + x
5 −1
2 0 2 0 2
a3 = a1 + a2 ; a4 = 2a2
a5 = a3 − a4 = a1 + a2 − 2a2 = a1 − a2
0 1
Ax = (x1 + x3 + x5 )
1 + (x2 + x3 + 2x4 − x5 ) 2
2 0
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 42
✬ ✩
x +x +x =0
1 3 5
Ax = 0 ⇐⇒
x2 + x3 + 2x4 − x5 = 0
−1 0 −1
−1 −2 1
v1 =
1 ; v2 = 0 , v3 = 0
0 1 0
0 0 1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 43
✬ ✩
Teorema
• Dada uma matriz A ∈ Rm×n e um vetor y ∈ Rm×1 , existe uma solução
x ∈ Rn×1 da equação
y = Ax
x = xp + α1 n1 + α2 n2 + · · · + αk nk
k
Axp + αi Ani = Axp + 0 = y
i=1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 44
✬ ✩
ρ(A)
q
R(A)
R(AB)
ρ(B) R(B) d
p
N (B) ν(B) n N (A)
ν(A)
B A
Rp Rn Rq
• domı́nio de AB = R(B);
• R(AB) = subespaço de R(A);
• ρ(AB) ≤ min (ρ(A), ρ(B));
• ρ(AB) = ρ(B) − d ; ν(A) = n − ρ(A) ⇒ d ≤ n − ρ(A);
• ρ(AB) ≥ ρ(A) + ρ(B) − n
Se B é uma matriz n × n não singular
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 45
✬ ✩
A∗ A n × n ; AA∗ m × m
•n≤m
• Aα = 0 ⇒ α=0
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 46
✬ ✩
Inversa
Condições equivalentes:
• as colunas de A formam uma base para o Rn
• as linhas de A formam uma base para o Rn
• a equação y = Ax tem uma solução única x = A−1 y para todo y ∈ Rn .
Em particular, a única solução de Ax = nesse caso é x = 0
• AA−1 = A−1 A = I
• N (A) = {0}
• R(A) = Rn
• det(A A) = det(AA ) = 0
1
A−1 = Adj (A)
det(A)
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 47
✬ ✩
e = Ax − y
2x A A − 2y A = 0
xa = (A A)−1 A y
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 48
✬ ✩
−1
O erro e = Axa − y = A(A A) A − I y é ortogonal ao R(A):
−1
e, Ax = y A(A A) A − I Ax = 0
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 49
✬ ✩
x : Ax = y = xp + z : z ∈ N (A)
(x − xm ) xm = (x − xm ) A (AA )−1 y =
= A(x − xm ) (AA )−1 y = 0 =⇒ (x − xm ) ⊥ xm
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 50
✬ ✩
min x x
sujeito a Ax = y
L (x, λ) = x x + λ (Ax − y)
∂L
= 2x + λ A = 0
∂x
∂L
= (Ax − y) = 0
∂λ
=⇒ x = A (AA )−1 y
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 51
✬ ✩
Ax = λx
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 52
✬ ✩
a11 a12 a11 − λ a12
A= ; A − λI =
a21 a22 a21 a22 − λ
= λ2 − Tr(A)λ + det(A)
n
det(A) = aij Coij ; Coij : cofator de aij
j=1
∆(λ) = det(λI − A) = 0
y A = λy =⇒ y (λI − A) = 0
∆(λ) = λ4 + α1 λ3 + α2 λ2 + α3 λ + α4
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 54
✬ ✩
Autovalores distintos
Teorema: Sejam λ1 , λ2 , . . . , λn autovalores distintos de A e vi um
autovetor de A associado ao autovalor λi , i = 1, 2, . . . , n. Então, o
conjunto de autovetores {v1 , v2 , . . . , vn } é LI.
Prova: Primeiramente, note que
(λ − λ )v , j =
i
i j i
(A − λj I)vi =
=0 , j=i
n
αi vi = 0
i=1
n
n−1
(A − λn I) αi vi = αi (λi − λn )vi
i=1 i=1
n
n−2
(A − λn−1 I)(A − λn I) αi vi = αi (λi − λn )(λi − λn−1 )v i
i=1 i=1
..
.
α1 (λ1 − λ2 )(λ1 − λ3 ) · · · (λ1 − λn )v1 = 0
{v1 , v2 , . . . , vn } LI → Base do Cn
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 55
✬ ✩
Forma Diagonal
Seja Ā a representação de A na base formada pelos autovetores
{v1 , v2 , . . . , vn }. A i-ésima coluna de Ā = representação de Avi = λi vi
na base {v1 , v2 , . . . , vn }. Então,
0
0
..
.
Avi = v1 v2 · · · v i · · · vn
λi
..
.
0
λ1 0 ··· 0
0 λ2 · · · 0
Ā = .. .. . . .. = Q−1 AQ
. . . .
0 0 · · · λn
Q = v1 v2 · · · vn
AQ = QĀ =⇒ Avi = λi vi , i = 1 · · · n
Exemplo
1 0 −1
A=
0 2 0
, λ1 = 1, λ2 = 2, λ3 = 3
0 0 3
(A − λ1 I)v1 = 0
0 0 −1
v11
−v31 = 0
1
0 1
0 v21 → v1 =
= 0 v21 = 0 0
0 0 2 v31 2v31 = 0 0
(A − λ2 I)v2 = 0
−1 0 −1
v12
−v12 − v32 = 0
0
0 0 0 v22 = 0 → v2 =
1
0 0 1 v32 v32 = 0 0
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 57
✬ ✩
(A − λ3 I)v3 = 0
−2 −1
0
v13
−2v13 − v33 = 0
0 −1 0 v23
= 0 −v23 = 0
0 0 0 v33
−0.5
→ v13 = −0.5v33 ; v3 =
0
1
1 0 0
{v1 , v2 , v3 } são LI Ā =
0 2 0
, Q= v1 v2 v3
0 0 3
Considere entretanto
1 0 −1
A=
0 1 0
, λ1 = λ2 = 1, λ3 = 2
0 0 2
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 58
✬ ✩
0 0 −1 v11
(A − λ1 I)v1 = 0 =⇒ 0 0 0
v21 = 0
0 0 1 v31
1 0
Soluções LI: v1 =
0
, v2 = 1
0 0
−1 0 −1 v13
(A − λ3 I)v3 = 0 =⇒
0 −1 0 v23 = 0
0 0 0 v33
−1
; v3 =
0
, Q = v1 v2 v3
1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 59
✬ ✩
Autovalores complexos
Considere a matriz
−1 1 1
A=
0 4 −13
0 1 0
Autovalores: −1, 2 + j3 e 2 − j3
1 j −j
Autovetores: 0
; −3 + j2 ; −3 − j2
0 j −j
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 60
✬ ✩
1 j −j −1 0 0
Q=
0 −3 + j2 −3 − j2
; Ā =
0 2 + j3 0
0 j −j 0 0 2 − j3
5 1
A= , λ1 = λ2 = 5 , MA = 2
0 5
(A − λ1 I)v1 = 0
0 1 v11
⇒ = 0
0 0 v21
1
v1 =
0
MG = 1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 61
✬ ✩
λ 1 0 ··· 0
0 λ 1 ···
0
.. .. .. . . ..
Jk (λ) =
. . . . . ∈ Ck×k
0 0 0 ··· 1
0 0 0 ··· λ
Para qualquer matriz A ∈ Rn×n existe uma matriz não singular Q tal que
Jk1 (λ1 )
J (λ )
−1 k2 2
Ā = Q AQ = .
..
Jkr (λr )
k1 + · · · + k r = n
sendo que A tem r autovalores distintos λ1 , . . . , λr entre n possı́veis.
Associados aos r autovalores distintos, pode-se determinar r autovetores
LI {v1 , v2 , . . . , vr } a partir de
(A − λi I)vi = 0 , i = 1, 2, . . . , r
(A − λ I)2 v = 0
i i2
=⇒ Autovetor Generalizado de λi
(A − λi I)vi2 = 0
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 63
✬ ✩
(A − λI)v = 0 ; v = 0
e portanto é um autovetor.
• O número de blocos de Jordan associados ao autovalor λ é dado por
ν(A − λI)
Exemplo
0 6 −5
A=
1 0 2
3 2 4
∆(λ) = λ3 − 4λ2 + 5λ − 2 = ; λ1 = 2 , λ2 = λ3 = 1
Para o autovalor λ2 = 1:
−1 6 −5
(A − 1I)v2 =
1 −1 2
v2 = 0
3 2 3
2 0 0
Ā = Q−1 AQ =
0 1 1
0 0 1
−1
v2 =
3/7
5/7
−1
(A − 1I)v22 = v21 ; v22 =
22/49
46/49
Q= v1 v21 v22
(A − λI)v = 0
(A − λI)2 v2 = 0
(A − λI)3 v3 = 0
(A − λI)4 v4 = 0
v4 v
v3 (A − λI)v4 = (A − λI)v
v2 (A − λI)v3 = (A − λI)2 v
v1 (A − λI)v2 = (A − λI)3 v
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 66
✬ ✩
Av1 = λv1
Av2 = v1 + λv2
Av3 = v2 + λv3
Av4 = v3 + λv4
λ 1 0 0
0 λ 1 0
Ā =
0 0 λ 1
0 0 0 λ
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 67
✬ ✩
(A − λI)v = 0
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 68
✬ ✩
Exemplo
3 −1 1 1 0 0
−1 −1
1 1 0 0
0 0 2 0 1 1
A=
0 0 0 2 −1 −1
0 0 0 0 1 1
0 0 0 0 1 1
A B
det = det A det C
0 C
∆(λ) = det(A − λI) = [(3 − λ)(1 − λ) + 1] (2 − λ)2 (1 − λ)2 − 1
1 −1 1 1 0 0
1 −1 −1 −1
0 0
0 0 0 0 1 1
(A − 2I) =
0 0 0 0 −1 −1
0 0 0 0 −1 1
0 0 0 0 1 −1
3 −1 1 1 0 0
−1 −1
1 1 0 0
0 0 2 0 1 1
A=
0 0 0 2 −1 −1
0 0 0 0 1 1
0 0 0 0 1 1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 70
✬ ✩
0 2 2 1 0 0
0
2 0 0 0 0
0
0 1 1 2 1
Q =
0 0 −1 0 −2 −1
0.5 0 0 0.5 0 1
−0.5 0 0 0.5 0 1
= x v1 v 2 v 3 u1 u2
• x, v1 e u1 são autovetores
0 0 0 0 0 0
0 2 1 0 0 0
−1 0 0 2 1 0 0
Ā = Q AQ =
0 0 0 2 0 0
0 0 0 0 2 1
0 0 0 0 0 2
Ax = v + λx ; Ay = −v + λy
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 71
✬ ✩
vi , vj = vi vj = 0
Av = λv ; v = 0 =⇒ v ∗ Av = λv ∗ v
Tomando o conjugado transposto da expressão (escalar) acima e
lembrando que A∗ = A (matriz simétrica)
Subtraindo
0 = (λ − λ̄)v ∗ v =⇒ λ = λ̄ =⇒ λ∈R
(A − λi I)k v = 0 e (A − λi I)k−1 v = 0 (k ≥ 2)
Entretanto,
k−2 k
(A − λi I) v, (A − λi I) v = 0
Usando a simetria de A
k−1 k−1
(A − λi I) v, (A − λi I) v = (A − λi I)k−1 v = 0
⇐⇒ (A − λi I)k−1 v = 0
∃ Q : Ā = Q−1 AQ → diagonal
Q Q = I (base ortonormal)
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 73
✬ ✩
Funções matriciais
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 74
✬ ✩
= Q Â + 5Â + 6I Q−1 = Qf (Â)Q−1
2
∆(λ) = det(λI − A) = (λ − λi )ni
i
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 75
✬ ✩
λ1 0 0 0 λ1 1 0 0
0 λ 0 0 0 λ 0 0
1 1
Â1 = ; Â2 =
0 0 λ1 0 0 0 λ1 0
0 0 0 λ1 0 0 0 λ1
λ1 1 0 0 λ1 1 0 0
0 λ 1 0 0 λ 1 0
1 1
Â3 = ; Â4 =
0 0 λ1 0 0 0 λ1 1
0 0 0 λ1 0 0 0 λ1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 76
✬ ✩
com grau n̄ = n̄i ≤ ni = n = dimensão de A.
φ1 = (λ − λ1 ) ; φ2 = (λ − λ1 )2
φ3 = (λ − λ1 )3 ; φ4 = (λ − λ1 )4
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 77
✬ ✩
Note que
0 1 0 0 0 0 1 0
0 0 1 0 0 0 0 1
2
(Â − λI) = ; (Â − λI) =
0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 0
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
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 78
✬ ✩
Teorema de Cayley-Hamilton
∆(λ) = φ(λ)h(λ)
Como φ(A) = 0,
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 79
✬ ✩
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 80
✬ ✩
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 81
✬ ✩
m
m
∆(λ) = (λ − λi )ni ; n= ni
i=1 i=1
9 = 0, 1, . . . , n − 1
i
f () (λi ) = h() (λi )
i = 1, 2, . . . , m
d
f (λ) d
h(λ)
onde f () (λi ) ; h() (λi )
dλ λ=λi dλ λ=λi
Neste caso, f (A) = g(A) e diz-se que h(λ) é igual a f (λ) no espectro
(conjunto dos autovalores) de A.
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 82
✬ ✩
• O resultado acima pode ser usado para qualquer função f (λ) (não
necessariamente polinomial), definindo-se f (A) = h(A) e computando-se
os coeficientes βi , i = 0, . . . , n − 1.
1 2
• A100 , A= ; ∆(λ) = det(λI − A) = (λ − 1)2
0 1
g(λ) = α0 + α1 λ
f (1) = g(1) → 1 100
= α0 + α1
=⇒ α0 = −99 ; α1 = 100
d d
f (1) = g(1) → 100(1 ) = α1
99
dλ dλ
1 200
A100 = f (A) = g(A) = α0 I + α1 A =
0 1
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 83
✬ ✩
g(λ) = α0 + α1 λ + α2 λ2 ; f (A) = α0 I + α1 A + α2 A2
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 84
✬ ✩
λ1 1 0 0
0 0
λ1 1
 =
0 0 λ1 1
0 0 0 λ1
h(λ) = β0 + β1 (λ − λ1 ) + β2 (λ − λ1 )2 + β3 (λ − λ1 )3
f (λ1 )
f (Â) = f (λ1 )I + (Â − λ1 I)
1!
f (λ1 ) 2 f (3) (λ1 )
+ (Â − λ1 I) + (Â − λ1 I)3
2! 3!
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 85
✬ ✩
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
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 86
✬ ✩
(sI − A)−1 =
1 1 1
(s − λ1 ) 0 0
(s − λ1 )2 (s − λ1 )3
1 1
0 0 0
(s − λ1 ) (s − λ1 )2
1
0 0 0 0
(s − λ1 )
1 1
0 0 0
(s − λ2 ) (s − λ2 )2
1
0 0 0 0
(s − λ2 )
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 87
✬ ✩
Teorema de Cayley-Hamilton
Seja ∆(λ) = det(λI − A) = λn + α1 λn−1 + · · · + αn−1 λ + αn o polinômio
caracterı́stico de A. Então,
e cada termo dentro dos colchetes é uma matriz diagonal cujo elemento
(i, i) é dado por
λni + α1 λn−1
i + · · · + αn−1 λi + αn = ∆(λi ) = 0
pois λi é um autovalor de A.
• O teorema de Cayley-Hamilton fornece uma fórmula explı́cita para o
cálculo da matriz inversa
−1 1 n−1 n−2
A =− A + α1 A + · · · + αn−1 I
αn
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 88
✬ ✩
Para mostrar que a matriz dentro dos colchetes vale sempre zero, note
que a forma de Jordan é composta de blocos diagonais Âi
n n−1
Âi + α1 Âi + · · · + αn−1 Âi + αn I = 0
Note que os termos abaixo da diagonal principal são sempre iguais a zero,
e que na diagonal principal um elemento tı́pico (i, i) é dado por
∆(λi ) = 0. Na diagonal acima da diagonal principal (verificar), um termo
tı́pico é dado por
d∆(λ)
nλn−1 + α1 (n − 1)λn−2 + · · · + αn−1 = =0
i i
dλ λ=λi
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 89
✬ ✩
Norma de vetores
Qualquer função real representada por x pode ser definida como uma
norma se para qualquer x ∈ Rn e para qualquer escalar α ∈ R
1. x ≥ 0 ; x = 0 ⇐⇒ x = 0
2. αx = | α | x
Exemplo
n p1
xp = | xi |p ; p ≥ 1 p inteiro
i=1
√
x2 = x x (norma Euclidiana)
x∞ = max | xi | (norma infinito)
i
x
b
x1 = | a | + | b |
√
x2 = a2 + b2
x∞ = max{| a |, | b |}
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 90
✬ ✩
Produto Interno
x, y x1 y1 + x2 y2 + · · · + xn yn = x y
Propriedades:
• αx, y = α x, y
• x + y, z = x, z + y, z
• x, y = y, x
• x, x = x2 ≥ 0
• x, x = 0 ⇐⇒ x = 0
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 91
✬ ✩
• Identidade do paralelogramo
x x−y
x+y
1
2
Defina x = x, x . Então,
| x, y | ≤ xy
vale ∀ α.
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 92
✬ ✩
y, x
Escolhendo α = − , tem-se
y, y
x, y y, x | x, y |2
x, x ≥ =
y, y y, y
y
θ ! "
x y
y
y
! "
x y
θ = cos−1 =⇒ x y = xy cos θ
xy
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 93
✬ ✩
Produto Interno
x y = xy cos θ
x : xy ≤0
x : xy ≤0
0
y
✫ ✪
EEL 6001: Teoria de Sistemas Lineares I algebra.tex 94