IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 1/16

Teorema de Cayley-Hamilton: mais uma prova

Seja () = det(I A) =
n
+
1

n1
+ +
n1
+
n
o
polin omio caracterstico de A. Ent ao,
(A) = A
n
+
1
A
n1
+ +
n1
A +
n
I = 0
Considere a matriz Adj (A I) (matriz adjunta formada pelos
determinantes obtidos ao retirar-se de (A I) uma linha e uma
coluna), com elementos cuja maior potencia em e
n1
. Assim,
pode-se escrever
Adj (A I) = B
1

n1
+ B
2

n2
+ + B
n1
+ B
n
sendo B
i
matrizes (n n) constantes (isto e, independentes de ) a
determinar. Usando a identidade
(A I)Adj (A I) = det(A I)I
e substituindo o lado esquerdo, tem-se
(A I)(B
1

n1
+ B
2

n2
+ + B
n1
+ B
n
) =
= det(A I)I
B
1

n
+ (AB
1
B
2
)
n1
+ (AB
2
B
3
)
n2
+
+ (AB
n1
B
n
) + AB
n
= det(A I)I
e usando a equa c ao caracterstica do lado direito
B
1

n
+ (AB
1
B
2
)
n1
+ (AB
2
B
3
)
n2
+
+ (AB
n1
B
n
) + AB
n
=
n
I +
1

n1
I + +
n1
I +
n
I
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 2/16
Igualando os coecientes de mesma potencia em :
B
1
= I
AB
1
B
2
=
1
I
AB
2
B
3
=
2
I
.
.
.
.
.
.
AB
n1
B
n
=
n1
I
AB
n
=
n
I
Multiplicando a primeira equa c ao por A
n
, a segunda por A
n1
, e
assim por diante, e somando, do lado direito tem-se (A) (e, obri-
gatoriamente, do lado esquerdo tambem). Assim,
(A
n
B
1
+A
n
B
1
)+(A
n1
B
2
+A
n1
B
2
)+(A
n2
B
3
+A
n2
B
3
)+
+ ( A
2
B
n1
+ A
2
B
n1
) + ( AB
n
+ AB
n
) = 0
Como conclus ao, (A) = 0.
Fun c ao de matriz denida como serie de potencia
Suponha que f() possa ser denida
f() =

i=0

i
com raio de convergencia . Se todos os autovalores de A tem mag-
nitude menor do que , ent ao f(A) pode ser denida
f(A) =

i=0

i
A
i
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 3/16
Exemplo: Considere uma matriz

A na forma de Jordan e seja
f() = f(
1
) +
f

(
1
)
1!
(
1
) +
f

(
1
)
2!
(
1
)
2
+
Ent ao
f(

A) = f(
1
)I+
f

(
1
)
1!
(

A
1
I)+ +
f
(n1)
(
1
)
(n 1)!
(

A
1
I)
n1
+
Como (

A
1
I)
k
= 0 para k n, a serie innita pode ser truncada.
Calculando exp(At) por serie: a serie de Taylor
exp(t) = 1 + t +

2
t
2
2!
+ +

n
t
n
n!
+
converge para todo e t nitos. Ent ao,
exp(At) = I + At +
t
2
2!
A
2
+ +
t
n
n!
A
n
+ =

k=0
1
k!
t
k
A
k
Pode ser usado como metodo numerico para computar exponenciais
de matrizes.
Matlab: v arias rotinas para c alculo de exponencial de matriz (serie,
aproxima c ao de Pade, forma de Jordan)
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 4/16
Propriedades de exp(At)
exp(At) = I + At +
t
2
2!
A
2
+ +
t
n
n!
A
n
+ =

k=0
1
k!
t
k
A
k
exp(0) = I
exp[A(t
1
+ t
2
)] = exp(At
1
) exp(At
2
)
Fazendo t
2
= t
1
: exp(At
1
) exp(At
1
) = exp[A0] = I
[exp(A(t))]
1
= exp(At)
d
dt
exp(At) =

k=1
1
(k 1)!
t
k1
A
k
= A
_

k=0
1
k!
t
k
A
k
_
=
_

k=0
1
k!
t
k
A
k
_
A
Portanto,
d
dt
exp(At) = Aexp(At) = exp(At)A
Note que
exp[(A + B)t] = exp(At) exp(Bt) AB = BA
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 5/16
Transformada de Laplace de f(t)
F(s) = L[f(t)]
_

0
f(t) exp(st)dt ; L
_
t
k
k!
_
= s
(k+1)
Assim: L[exp(At)] =

k=0
s
(k+1)
A
k
= s
1

k=0
s
k
A
k
Como a serie innita converge para | s
1
|< 1

k=0
(s
1
)
k
= 1 + s
1
+ s
2

2
+ = (1 s
1
)
1
s
1

k=0
(s
1
A)
k
= s
1
I + s
2
A + s
3
A
2
+
= s
1
(I s
1
A)
1
= [s(I s
1
A)]
1
= (sI A)
1
= L[exp(At)] = (sI A)
1
Embora na demonstra c ao se tenha usado o fato de que os autovalo-
res de s
1
A tem que ter m odulo menor do que 1, a express ao acima
vale para todo s exceto s igual a um autovalor de A.
Pode tambem ser estabelecida aplicando-se Laplace em
d
dt
exp(At) = Aexp(At) = sL[exp(At)]exp(0) = AL[exp(At)]
(sI A)L[exp(At)] = I = L[exp(At)] = (sI A)
1
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 6/16
Equa cao de Sylvester
AM + MB = C
A R
nn
, B R
mm
, C R
nm
s ao matrizes constantes
M R
nm
e a (matriz) inc ognita
Pode ser re-escrita como um conjunto de equa c oes lineares
Por exemplo, para n = 2, m = 3

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

m
11
m
12
m
21
m
22
m
31
m
32

m
11
m
12
m
21
m
22
m
31
m
32

b
11
b
12
b
21
b
22

c
11
c
12
c
21
c
22
c
31
c
32

a
11
+ b
11
a
12
a
13
b
21
0 0
a
21
a
22
+ b
11
a
23
0 b
21
0
a
31
a
32
a
33
+ b
11
0 0 b
21
b
12
0 0 a
11
+ b
22
a
12
a
13
0 b
12
0 a
21
a
22
+ b
22
a
23
0 0 b
12
a
31
a
32
a
33
+ b
22

m
11
m
21
m
31
m
12
m
22
m
32

=
=

c
11
c
21
c
31
c
12
c
22
c
32

De maneira generica, a equa c ao de Sylvester pode ser escrita como

S(M) = C, denindo um mapeamento do espa co de dimens ao nm
para o pr oprio espa co.
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 7/16
Um autovalor de S pode ser denido como um escalar tal que
S(M) = M
Considerando S como uma matriz quadrada de ordem nm, h a nm
autovalores
k
, k = 1, 2, . . . , nm, dados por

k
=
i
+
j
, i = 1, 2, . . . , n ; j = 1, 2, . . . , m
sendo
i
, i = 1, 2, . . . , n autovalores de A e
j
, j = 1, 2, . . . , m
autovalores de B. De fato, considerando u R
n1
um autovetor ` a
direita de A associado a
i
, e v R
1m
um autovetor ` a esquerda de
B associado a
j
, tem-se:
Au =
i
u ; vB = v
j
Aplicando a transforma c ao S na matriz uv tem-se
S(uv) = Auv + uvB =
i
uv + uv
j
= (
i
+
j
)uv
Como o determinante de uma matriz e igual ao produto de todos os
seus autovalores; uma matriz e n ao singular se e somente se nenhum
autovalor e igual a zero.
Se n ao existe nenhum i e j tais que
i
+
j
= 0, ent ao a matriz
quadrada de ordem nm denida por S e n ao singular e, para cada
C, a solu c ao M da equa c ao de Sylvester e unica.
Se
i
+
j
= 0 para algum i e j, dado C a solu c ao pode existir ou
n ao. Se C pertence ao range de S, existem m ultiplas solu c oes.
Equa c ao de Lyapunov: A

P + PA + Q = 0, P = P

Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 8/16
Formas Quadraticas (Hermitianas)
S ao fun c oes de n vari aveis complexas da forma
n

i=1
n

j=1
m
ij
x
i
x
j
= x

M
1
x R , m
ij
C
Como x

M
1
x R, (x

M
1
x)

= (x

1
x) = (x

M
1
x)
x

M
1
x x

1
x = 0 , x

(M
1
M

1
)x = 0
Por outro lado,
x

M
1
x = x

_
1
2
(M
1
+ M

1
)
_
x x

Mx
M =
1
2
(M
1
+ M

1
) M = M

Toda forma Hermitiana pode ser escrita como

x

Mx
com M = M

.
Exemplo: M =
_
5 1
1 8
_
x

Mx = 5x
2
1
2x
1
x
2
+ 8x
2
2
> 0 x
1
, x
2
= 0
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 9/16
Exemplos de formas quadraticas
Bx
2
= x

Bx ;
n

i=2
(x
i+1
x
i
)
2
; Fx
2
Gx
2
Se x

Ax = x

Bx para todo x R
n
e as matrizes A e B s ao simetri-
cas, ent ao A = B (unicidade da forma quadr atica)
Uma forma quadr atica pode denir conjuntos:
{x : f(x) = c} (superfcie quadr atica)
{x : f(x) c} (regi ao quadr atica)
Suponha que a matriz simetrica A foi decomposta na forma A =
QQ

, com diagonal contendo os autovalores reais de A ordenados

1

2

n
. Ent ao
x

Ax = x

QQ

x = (Q

x)

(Q

x) =
n

i=1

i
(q

i
x)
2

1
n

i=1
(q

i
x)
2
=
1
x
2
Similarmente, x

Ax
n
x
2
. Assim,

n
x

x x

Ax
1
x

x
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 10/16
Matrizes Hermitianas M = M

(Simetricas se M e real)
Autovalores reais
Forma de Jordan diagonal
Autovetores correspondentes a autovalores distintos ortogonais
Toda matriz Hermitiana M pode ser transformada por uma matriz
unit aria P (isto e, P
1
= P

) em uma matriz diagonal com elemen-

tos reais:

M = PMP

Positividade
Uma matriz M e denida positiva se e somente se x

Mx > 0,
x = 0, x C
n
.
Uma matriz M e semidenida positiva se e somente se x

Mx
0, x C
n
.
Uma matriz M e (semi)denida negativa se M e (semi)denida
positiva.
Uma matriz hermitiana n n M e denida positiva (semidenida
positiva) se e somente se qualquer das condi c oes seguintes e satisfeita.
Todos os autovalores de M s ao positivos (n ao negativos)
Todos os menores principais lderes de M s ao positivos (todos os
menores principais de M s ao n ao negativos)
Existe uma matriz n ao singular n n N (uma matriz singular
n n N ou uma matriz mn com m < n) tal que M = N

N.
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 11/16
Considerando a ultima condi c ao, se M = N

N, ent ao
x

Mx = x

Nx = (Nx)

(Nx) = Nx
2
2
0
para qualquer x. Se N e n ao-singular, Nx = 0 x = 0, e portanto
M e denida positiva. Se N e singular, existe x = 0 tal que Nx = 0
e M e semidenida positiva.
Menores Principais de uma Matriz
Seja
M =
_
_
m
11
m
12
m
13
m
21
m
22
m
23
m
31
m
32
m
33
_
_
Menores Principais (determinantes de todas as submatrizes de M
cujas diagonais coincidem ou fazem parte da diagonal de M):
m
11
, m
22
, m
33
det
__
m
11
m
12
m
21
m
22
__
, det
__
m
11
m
13
m
31
m
33
__
, det
__
m
22
m
23
m
32
m
33
__
det(M)
Menores Principais Lderes (determinantes das submatrizes de M
obtidas ao eliminarem-se as ultimas k colunas e k linhas, k = 2, 1, 0):
m
11
, det
__
m
11
m
12
m
21
m
22
__
, det(M)
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 12/16
todos os menores principais lderes positivos = menores prin-
cipais positivos.
No entanto, todos os menores principais lderes n ao negativos n ao
implica que todos os menores s ao n ao negativos. Por exemplo,
M =
_
_
0 0 1
0 0 0
1 0 2
_
_
m
11
= 0 , det
_
0 0
0 0
_
= 0 , det(M) = 0
Entretanto,
m
22
= 0 , m
33
= 2 , det
_
0 1
1 2
_
= 1
det
_
0 0
0 2
_
= 0
Exemplo: M =
_
5 1
1 8
_
e denida positiva, pois
m
11
= 5 > 0 ; det(M) = 39 > 0
autovalores de M:
1
= 4.6972 ;
2
= 8.3028
M = N

N ; N =
_
2.2273 0.1981
0.1981 2.8215
_
; det(N) = 6.2450 = 0
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 13/16
Note que a matriz simetrica H

H e sempre semidenida positiva;

ser a denida positiva se H

H for n ao singular. O mesmo vale para

HH

.
Como H

H e HH

s ao matrizes simetricas semidenidas positivas,

seus autovalores s ao reais e n ao negativos.
Se H R
mn
, ent ao H

H tem n autovalores e HH

tem m auto-
valores. Usando a propriedade de determinantes, para A R
mn
e
B R
nm
s
n
det(sI
m
AB) = s
m
det(sI
n
BA)
tem-se
det(sI
m
HH

) = s
mn
det(sI
n
H

H)
e portanto os polin omios caractersticos de H

H e HH

diferem ape-
nas em s
mn
. Como conclus ao, H

H e HH

tem os mesmos auto-

valores positivos mas podem ter um n umero diferente de autovalores
iguais a zero (no m aximo igual a n min{n, m}).
Decomposi cao em Valores Singulares
Seja H R
mn
e dena M = H

H (simetrica, nn e semidenida
positiva). Assim, todos os autovalores de M s ao reais e n ao nega-
tivos (zero ou positivos). Seja r o n umero de autovalores positivos
(portanto, M tem rank r).
Os autovalores de M = H

H podem ser arranjados na forma

2
1

2
2

2
r
> 0 =
r+1
=
r+2
= =
n

2
i
, i = 1, 2, . . . , n : autovalores de H

i
, i = 1, 2, . . . , n : valores singulares de H
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 14/16
Exemplo
H =
_
1 2 3
1 2 5
_
M = H

H =
_
_
2 0 2
0 8 16
2 16 34
_
_
Autovalores de M: 41.6977, 2.3023, 0
Valores singulares de H: 6.4574 =

41.6977, 1.5173 =

2.3023
Autovalores de HH

: 41.6977, 2.3023
Valores singulares de H

: 6.4574 =

41.6977, 1.5173 =

2.3023
Portanto, os autovalores de H

H diferem dos de HH

apenas no
n umero de zeros, e H e H

tem os mesmos valores singulares.

Teorema: (Decomposi c ao em Valores Singulares)
Toda matriz H mn pode ser colocada na forma
H = RSQ

com R

R = RR

= I
m
, Q

Q = QQ

= I
n
e S uma matriz m n
com os valores singulares de H na diagonal.
As colunas de Q (R) s ao autovetores ortonormais de H

H (HH

).
O rank de H e igual ao n umero de valores singulares diferentes de
zero. Se o rank de H e r, as r primeiras colunas de R formam uma
base ortonormal para o range de H, e as ultimas (n r) colunas de
Q formam uma base para o espa co nulo de H.
Matlab: [R,S,Q]=svd(H)
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 15/16
Elips oides
Se A = A

> 0, A R
nn
, o conjunto
E = {x R
n
: x

Ax 1}
e um elips oide no espa co R
n
centrado em 0
PSfrag replacements
s
1
s
2
E
Os semi-eixos s ao dados por s
i
=
1/2
i
q
i
(autovalores determinam
os tamanhos, autovetores as dire c oes)
Se q
1
est a associado ao autovalor m aximo
max
e q
n
ao mnimo
min
,
a raz ao
_

max
/
min
d a a maior excentricidade.
Profs. Pedro/Ivanil
IA536 - Teoria de Sistemas Lineares - FEEC/UNICAMP algebra5 16/16
Norma de Matrizes
A sup
x=0
Ax
x
= sup
x=1
Ax
sendo sup o supremo ou o menor limitante superior. A norma A,
como e denida atraves da norma de x, e chamada norma induzida
pela norma de x. Para x diferentes, tem-se diferentes A.
A
1
= max
j
n

i=1
| a
ij
|
A
2
= (
max
(A

A))
1
2
A

= max
i
n

j=1
| a
ij
|
Propriedades
Ax Ax
A + B A + B
AB AB
Decorrencia de
(A + B)x = Ax + Bx Ax + Bx (A + B)x
ABx ABx ABx
Exemplo: A =
_
3 2
1 0
_
A
1
= 4 ; A
2
= 3.7 ; A

= 5
Profs. Pedro/Ivanil