Métodos Matemáticos Aplicados a
Processos Químicos e Bioquímicos
Capítulo II : Autovalores, Autovetores
e Formas Quadráticas
José Luiz de Medeiros e Ofélia Q.F. Araújo
Engenharia Química – UFRJ
jlm@eq.ufrj.br, ofelia@eq.ufrj.br
Tel. 21-2562-7535
Sistema Quadrado Homogêneo : n Equações em n Variáveis
0
=
X
A
1
:
:
x
n
X
n
x
n
A
O SQH tem, obviamente, a Solução Trivial X = 0
Todavia, Temos Interesse apenas na Possibilidade de Soluções Não-Triviais, para as quais X ≠ 0
Sistema Quadrado Homogêneo n x n Teorema 2.1
∑
==
⇔
=
m i i i mX
B
A
X
B
A
A
A
1 2 1...
]
[
A1 , A2 , ... , Am L.I. e Tem-se B com Posto([A1 A2 ... Am B])=m,
Então :
Sistema Quadrado Homogêneo n x n Teorema 2.1
∑
==
⇔
=
m i i i mX
B
A
X
B
A
A
A
1 2 1...
]
[
A1 , A2 , ... , Am L.I. e Tem-se B com Posto([A1 A2 ... Am B])=m,
Então :
Demonstração
Tem Solução X Única
{
.) . . ( 0 . . ,..., 0 0 0 0 ) ( : . . ]) ... ([ ]) ... [ ( . 2 1 2 1 1 1 2 1 2 1 2 1 2 1 2 1 1 Sol Uma Há Só e i X X X X Assim I L A A A A X X A B X A B X A Então X X Diferentes Soluções Duas há que Admita Única é Sol A B A A A Posto p A A A A Posto pois Sol Tem B X A n m i i i n n n i i i = ⇒ = − = ⇒ = ⇒ = ⇒ = − ⇒ = = ≠ = = = =∑
∑
= = α α αSistema Quadrado Homogêneo n x n Teorema 2.2
B
se
somente
A
B
se
A
B
se
somente
e
se
A
⇒
⇒
B
A
B
se
somente
A
A
B
B
se
A
:
:
O SQH tem Solução Não-Trivial X ≠ 0 Se e Somente Se sua Matriz é Singular. Demonstração B é Suficiente para A B é Necessário para A B é Suficiente para A B é Necessário para A
Sistema Quadrado Homogêneo n x n Teorema 2.2
B
se
somente
A
B
se
A
B
se
somente
e
se
A
⇒
⇒
B
A
B
se
somente
A
A
B
B
se
A
:
:
O SQH tem Solução Não-Trivial X ≠ 0 Se e Somente Se sua Matriz é Singular. Demonstração B é Suficiente para A B é Necessário para A B é Suficiente para A B é Necessário para A B A B se somente e se A B A A B B se somente e se A ⇔ ⇒ ⇒ :
Sistema Quadrado Homogêneo n x n Teorema 2.2
0
0
=
≠
∃
⇒
X
com
A
X
Singular
A
0
0
=
≠
∃/
⇒
X
com
A
X
Singular
Não
A
O SQH tem Solução Não-Trivial X ≠ 0 Se e Somente Se sua Matriz é Singular.
Demonstração
Suficiência Necessidade
Sistema Quadrado Homogêneo n x n Teorema 2.2
0
0
=
≠
∃
⇒
X
com
A
X
Singular
A
.
.
...
,
,
)
(
A
p
n
A
1A
2A
São
L
D
Posto
Singular
A
⇒
=
<
⇒
nO SQH tem Solução Não-Trivial X ≠ 0 Se e Somente Se sua Matriz é Singular. Demonstração Suficiência
0
0
0
0
1=
≠
∃
⇒
⇒
≠
=
=
⇒
∑
=X
A
com
X
Singular
A
X
com
obtido
ser
pode
X
A
X
A
n i i iSistema Quadrado Homogêneo n x n Teorema 2.2
0
0
.
0
,
.
0
.)
.
0
.
.
(
.
0
])
0
([
)
(
=
≠
∃/
⇒
⇒
=
=
⇒
=
−
=
⇒
=
=
=
⇒
X
A
com
X
Sing
Não
A
Única
é
X
Sol
Sempre
é
X
Como
L
G
p
n
com
e
i
Única
Sol
Tem
X
A
n
p
A
Posto
A
Posto
Singular
Não
A
0
0
=
≠
∃/
⇒
X
com
A
X
Singular
Não
A
O SQH tem Solução Não-Trivial X ≠ 0 Se e Somente Se sua Matriz é Singular.
Demonstração
Sistema Quadrado Homogêneo n x n Teorema 2.3
SQH com DA ≠ 0, só possui a Solução Trivial X = 0
Demonstração
0
0
0
)
(
0
,
.
0
.)
.
0
.
.
(
.
0
])
0
([
)
(
0
=
=
⇒
≠
⇒
=
=
⇒
=
−
=
⇒
=
=
=
⇒
⇒
≠
X
para
apenas
X
A
A
DET
Única
é
X
Sol
Sempre
é
X
Como
L
G
p
n
com
e
i
Única
Sol
Tem
X
A
n
p
A
Posto
A
Posto
Singular
Não
A
D
ASistema Quadrado Homogêneo n x n Teorema 2.4
SQH com Posto(A)=n-1, tem Solução Completa X = β.S onde β é Constante Arbitrária Demonstração [ ] S V V X X X X com V X X A V X X X A V X A X A X A X A X A Assim único é V Teor Pelo A V A como colocado ser pode A D L Col a A Seja D L Col e I L Cols n Tem A n p A Posto L G p n a Sol Tem X A n A Posto n p A A A A Posto n n n n i n i n i i i n i n i n i i n i i i n i n n i i n i n n i i n i i i n n n n n β β β = − = − = ⇒ − = ⇒ = + − = ⇒ − = ⇒ = + = − ⇒ − = = = − = ⇒ − = ⇒ − = = = − − − = − = − = − = − = − = −
∑
∑
∑
∑
∑
∑
1 , 0 ) ( 0 ). , 1 . 2 . ( . . . ; . . 1 . . 1 1 ) ( . . 1 . 0 1 ]) 0 ([ 1 ) ( 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 M M L Por que ?SQH com Posto(A)=n-1, a Solução Completa é constante vezes o vetor de cofatores de Q.Q. linha com ao menos um cofator ≠ 0
Demonstração
Pelo Teor. 2.4, a Sol. Completa é X = β.S onde β é Constante Arbitrária e S é um vetor específico. Como Posto(A)=n-1, DA=0
) . ( . 0 0 0 ; ) 0 ( 1 2 1 SQH Completa Sol X SQH do Sol de direção a define D A A A A Então A de cofatores vetor k k A k T n k T k k T k T k T T k T n T T Ω = ⇒ Ω ⇒ = = Ω Ω Ω = Ω ≠ Ω Ω Ω Ω = Ω β M M M M M
SQH com Posto(A)=n-1, a Solução Completa é constante vezes o vetor de cofatores de Q.Q. linha com ao menos um cofator ≠ 0
Exemplo − = ⇒ − = = = Ω − = − = Ω = = Ω Ω Ω Ω = Ω = = + 1 2 1 3 6 3 3 7 5 5 4 , 6 9 5 6 4 ) 1 ( , 3 9 7 6 5 0 9 7 5 6 5 4 3 2 1 13 2 1 12 11 13 12 11 1 3 2 1 β β β β X X Dando X Usamos X X X
Solução Completa do SQH pode ser Obtida pela Estratégia Geral de Pivotamento e Análise de Sistemas Lineares.
Exemplo
0
9
7
5
6
5
4
3
2
1
3 2 1=
X
X
X
Exemplo 0 0 0 6 3 0 6 3 0 3 2 1 ) ( 1 0 0 0 9 7 5 6 5 4 3 2 1 0 0 0 9 7 5 6 5 4 3 2 1 3 2 1 − − − − = o Normalizad Pivô Aumentado Tableau X X X = − = ⇒ = = − = = − − − β β β 1 2 3 3 2 ) ( . . 1 2 3 . ]) 0 ([ 2 ) ( : 3 0 0 0 0 0 0 2 1 0 1 0 1 2 0 0 0 6 3 0 2 1 0 3 2 1 2 X X X X L G tem Sol A Posto A Posto Fim Nulo Pivô Pivô Pivô Normaliza − = 1 2 1 β X Sol. Completa
Matriz da Forma Quadrática
)
1
x
n
(
Y
),
1
x
n
(
X
,
)
n
x
n
(
A
Sejam
∑∑
= = = n 1 i n 1 j j i ij X X A ) X ( Q Quando Quadrática Forma uma é ) X ( Q)
1
x
n
(
X
,
Y
)
1
x
n
(
X
)
n
x
n
(
A
Variáveis da Forma Quadrática Variáveis da Forma Bilinear
∑∑
= = = n 1 i n 1 j j i ij X Y A ) Y , X ( F Quando Bilinear Forma uma é ) Y , X ( F) 1 ( , ) (n x n X n x A Sejam
[
]
( )
AX X AX X ) X ( Q X A X A X A X X X X A X X X A ) X ( Q X X A ) X ( Q Quando Quadrática Forma uma é ) X ( Q T T n 1 j j nj n 1 j j j 2 n 1 j j j 1 n 2 1 n 1 j j ij n 1 i i n 1 i n j j i ij n 1 i n 1 j j i ij = = = = = =∑
∑
∑
∑
∑
∑∑
∑∑
= = = = = = = = = M L X A X X A X X X A X Q T T n i T n j j i ij∑∑
= = = = = 1 1 ) ()
1
x
n
(
Y
),
1
x
n
(
X
,
)
n
x
n
(
A
Sejam
∑∑
= = = n 1 i n 1 j j i ij X Y A ) Y , X ( F Quando Bilinear Forma uma é ) Y , X ( F[
]
X A Y Y A X Y X F Y A Y A X X Y A X Y X A Y X F T T T n j j nj n j j j n n i n j j ij n i i n j j i ij = = = = = = =∑
∑
∑
∑
∑
∑
= = = = = = ) , ( ) , ( 1 1 1 1 1 1 1 1 M L Y A X X A Y X Y F X A Y Y A X Y X F geral em que Note T T T T T T = = ≠ = = ( , ) ) , ( ,Simétrica M X M X X A X X Q M M Simétrica A A M X M X X A A X X Q X A X X A X X A X X A X X Q X Q X Q X Q X Q X Q Como X A X X Q T T T T T T T T T T T T T T T T , ) ( , 2 , 2 ) ( 2 2 ) ( ) ( 2 ) ( ) ( ) ( ) ( ) ( ) ( = = = + = = + = + = + = + = ⇒ = =
Toda FQ é Idêntica a uma FQ com Matriz Simétrica Teorema 2.6 Demonstração
Simétrica M X M X X A X X Q M M Simétrica A A M X M X X A A X X Q X A X X A X X A X X A X X Q X Q X Q X Q X Q X Q Como X A X X Q T T T T T T T T T T T T T T T T , ) ( , 2 , 2 ) ( 2 2 ) ( ) ( 2 ) ( ) ( ) ( ) ( ) ( ) ( = = = + = = + = + = + = + = ⇒ = =
Toda FQ é Idêntica a uma FQ com Matriz Simétrica Teorema 2.6 Demonstração
Simétrica
A
A
M
X
M
X
X
A
X
X
Q
T T T
+
=
=
=
2
)
(
Toda FQ é Idêntica a uma FQ com Matriz Simétrica Teorema 2.6 Devido ao Teor. 2.6, deste Ponto em Diante só Consideramos FQs com Matrizes Simétricas, pois :
0
)
X
(
Q
0
X
,
real
n
x
n
simétrica
M
X
M
X
)
X
(
Q
Seja
=
T=
⇒
=
Classificação de Formas Quadráticas Definição 2.1
) PD ( Definida Positiva ) X ( Q 0 X 0 ) X ( Q > ∧ ≠ ⇒ − 1 ) 0 X um lg a para 0 ) X ( Q ( ) PSD ( da Semidefini Positiva ) X ( Q 0 X 0 ) X ( Q ≠ = − ⇒ ≠ ∧ ≥ 2 ) ND ( Definida Negativa ) X ( Q 0 X 0 ) X ( Q < ∧ ≠ ⇒ − 3 ) 0 X um lg a para 0 ) X ( Q ( ) NSD ( da Semidefini Negativa ) X ( Q 0 X 0 ) X ( Q ≠ = − ⇒ ≠ ∧ ≤ 4 Indefinida ) X ( Q 0 X 0 ) X ( Q 0 ) X ( Q 0 ) X ( Q ⇒ ≠ ∧ = < > 5
Seja Q(X) Definida (PD ou ND), Então DM
≠≠≠≠
0 Teorema 2.7)
0
D
(
Singular
Não
M
Definida
)
X
(
Q
,
Logo
Definida
é
)
X
(
Q
pois
Absurdo
0
X
M
X
)
X
(
Q
Em
)
SQH
(
0
X
para
ocorre
0
X
M
Assim
0
)
M
(
DET
com
Definida
X
M
X
)
X
(
Q
Admita
M * T * * * T≠
−
⇒
⇒
=
=
≠
=
=
=
DemonstraçãoCondição Necessária e Suficiente para Q(X) PD (ND) Teorema 2.8
=
=
nn 3 n 2 n 1 n n 3 33 32 31 n 2 23 22 21 n 1 13 12 11 TM
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
,
X
M
X
)
X
(
Q
L
M
O
M
M
M
L
L
L
Quantidades abaixo todas Positivas (Alternem Sinal com M11<0 )
M
,
...
,
M
M
M
M
M
M
M
M
M
,
M
M
M
M
,
M
33 32 31 23 22 21 13 12 11 22 21 12 11 110
X
M
Y
Y
M
X
T=
T=
Vetores Ortogonais e Conjugados Definição 2.2
real
n
x
n
,
PD
,
Simétrica
M
0
Y
,
0
X
,
1
x
n
Vetores
Y
,
X
≠
≠
(
0
,
0
)
0
>
>
=
=
Y
Y
X
X
X
Y
Y
X
T T T T X , Y São OrtogonaisX , Y São Conjugados por M
(
X
TM
X
>
0
,
Y
TM
Y
>
0
)
U1 , U2 , ..., Un São n Vetores Mutuamente Ortogonais,
Então Eles São L.I. Teorema 2.9
Demonstração
≠
≠
=
⇒
⊥
⊥
⊥
⊥
0
U
U
)
j
i
(
0
U
U
U
U
U
U
i T i j T i n 3 2 1L
.]
I
.
L
são
Vetores
,
Absurdo
[
0
n
..
1
k
para
petindo
Re
0
0
U
U
0
U
U
U
.
emult
Pr
0
com
0
U
.
e
.
i
.;
D
.
L
e
U
,
,
U
Admita
0
para
só
0
U
.
I
.
L
Serem
Para
k k T k k n 1 i i T k i T k n 1 i i i n 1 n 1 i i i=
⇒
=
=
⇒
=
⇒
=
⇒
≠
=
⊥
=
=
∑
∑
∑
= = =α
α
α
α
α
α
α
α
L
U1 , U2 , ..., Un São n Vetores Mutuamente Conjugados por M Simétrica e P.D. n x n. Então Eles São L.I. Teorema 2.10 Demonstração
>
≠
=
⇒
0
U
M
U
)
j
i
(
0
U
M
U
M
por
Conjugados
U
,
U
,
U
i T i j T i n 2 1L
.]
I
.
L
são
Vetores
,
Absurdo
[
0
n
..
1
k
para
petindo
Re
0
0
U
M
U
0
U
M
U
M
U
.
emult
Pr
0
com
0
U
.
e
.
i
.;
D
.
L
U
,
,
U
Admita
0
para
só
0
U
.
I
.
L
Serem
Para
k k T k k n 1 i i T k i T k n 1 i i i n 1 n 1 i i i=
⇒
=
=
⇒
=
⇒
=
⇒
≠
=
=
=
∑
∑
∑
= = =α
α
α
α
α
α
α
α
L
Construção de Base Ortogonal P1 , P2 , ..., Pn de Vetores via
Ortogonalização Schmidt Teorema 2.11
Demonstração 1 n 1 nn 2 2 n 1 1 n n n 2 32 1 31 3 3 1 21 2 2 1 1 n 2 1 n 2 1
P
...
P
P
W
P
P
P
W
P
P
W
P
W
P
:
com
Ortogonais
P
,
P
,
P
oduzir
Pr
.,
I
.
L
W
,
W
,
W
Com
− −+
+
+
=
+
+
=
+
=
=
α
α
α
α
α
α
O
M
M
M
M
L
L
Construção de Base Ortogonal P1 , P2 , ..., Pn de Vetores via
Ortogonalização Schmidt Teorema 2.11
Demonstração 1 n 1 nn 2 2 n 1 1 n n n 2 32 1 31 3 3 1 21 2 2 1 1 n 2 1 n 2 1
P
...
P
P
W
P
P
P
W
P
P
W
P
W
P
:
com
Ortogonais
P
,
P
,
P
oduzir
Pr
.,
I
.
L
W
,
W
,
W
Com
− −+
+
+
=
+
+
=
+
=
=
α
α
α
α
α
α
O
M
M
M
M
L
L
Constantes
αααα
21,αααα
31, ...αααα
nn-1 calculadas de modo queConstrução de Base Ortogonal P1 , P2 , ..., Pn de Vetores via
Ortogonalização Schmidt Teorema 2.11
Demonstração 1 n T 1 n n T 1 n 1 nn n T 1 n 1 T 1 n T 1 1 n n T 1 2 T 2 4 T 2 42 4 T 2 1 T 1 4 T 1 41 4 T 1 2 T 2 3 T 2 32 3 T 2 1 T 1 3 T 1 31 3 T 1 1 T 1 2 T 1 21 2 T 1 P P W P 0 P P , ... , P P W P 0 P P ... P P W P 0 P P , P P W P 0 P P P P W P 0 P P , P P W P 0 P P P P W P 0 P P − − − − − = ⇒ = − − = ⇒ = − = ⇒ = − = ⇒ = − = ⇒ = − = ⇒ = − = ⇒ = α α α α α α α M M M M
Construção de Base Ortogonal P1 , P2 , ..., Pn de Vetores via
Ortogonalização Schmidt Teorema 2.11
Demonstração End P W P Calc End P P W P Calc k i For n k For W P Fazer W W W Entrar Schmidt ocesso do sumo k i i ki k k i T i k T i ki n
∑
− = + = − = − = = = 1 1 1 1 2 1 . . 1 ... 1 ... 2 ; ..., , , : Pr Re α αConstrução de Base Ortogonal P1 , P2 , ..., Pn de Vetores via
Ortogonalização Schmidt Teorema 2.11
Ao Final, os Vetores da Base Ortogonal podem ser Normalizados
End
P
P
P
n
...
1
k
For
k k k=
=
Construção de Base Conjugada P1 , P2 , ..., Pn por Matriz
Simétrica e Definida, via Processo Schmidt Teorema 2.11b Demonstração 1 n 1 nn 2 2 n 1 1 n n n 2 32 1 31 3 3 1 21 2 2 1 1 n 2 1 n 2 1 P ... P P W P P P W P P W P W P : com M por Conjugados P , P , P oduzir Pr ., I . L W , W , W Com ; Definida , n x n Simétrica M Com − − + + + = + + = + = =
α
α
α
α
α
α
O M M M M L LConstrução de Base Conjugada P1 , P2 , ..., Pn por Matriz
Simétrica e Definida, via Processo Schmidt Teorema 2.11b Demonstração 1 n 1 nn 2 2 n 1 1 n n n 2 32 1 31 3 3 1 21 2 2 1 1 n 2 1 n 2 1 P ... P P W P P P W P P W P W P : com M por Conjugados P , P , P oduzir Pr ., I . L W , W , W Com ; Definida , n x n Simétrica M Com − − + + + = + + = + = =
α
α
α
α
α
α
O M M M M L L Constantesαααα
21,αααα
31, ...αααα
nn-1calculadas de modo que
P1 , P2 , ..., Pn Sejam
Demonstração 1 n T 1 n n T 1 n 1 nn n T 1 n 1 T 1 n T 1 1 n n T 1 2 T 2 3 T 2 32 3 T 2 1 T 1 3 T 1 31 3 T 1 1 T 1 2 T 1 21 2 T 1 P M P W M P 0 P M P , ... , P M P W M P 0 P M P P M P W M P 0 P M P , P M P W M P 0 P M P P M P W M P 0 P M P − − − − − = ⇒ = − − = ⇒ = − = ⇒ = − = ⇒ = − = ⇒ = α α α α α M M M M
Construção de Base Conjugada P1 , P2 , ..., Pn por Matriz
Demonstração End P W P Calc End P M P W M P Calc k i For n k For W P Fazer W W W M Entrar Conjugada Base para Schmidt ocesso do sumo k i i ki k k i T i k T i ki n
∑
− = + = − = − = = = 1 1 1 1 2 1 . . 1 ... 1 ... 2 ; ..., , , , : Pr Re α αConstrução de Base Conjugada P1 , P2 , ..., Pn por Matriz
Construção de Base Conjugada P1 , P2 , ..., Pn por Matriz
Simétrica e Definida, via Processo Schmidt Teorema 2.11b
Ao Final, os Vetores da Base Conjugada podem ser Normalizados
End
P
P
P
n
...
1
k
For
k k k=
=
Diagonalização de Forma Quadrática com Transformação de
Congruência Teorema 2.12
A Transformação de uma Forma Quadrática Geral do tipo
∑∑
= = = = n 1 i n 1 j j i ij T X X M X M X ) X ( QEm uma FQ Diagonal de Mesmo Valor, do tipo
{
Y
(
X
)
Y
D
Y
D
Y
)
X
(
Q
n 1 i 2 i ii T∑
==
=
É uma Maneira Rápida de Determinar o Caracter de uma FQ, Pois :
PD ) X ( Q 0 X para 0 ) X ( Q ) n ... 1 i ( 0 Dii > = ⇒ > ∀ ≠ ⇒ 1 ) k um lg a para 0 D ( PSD ) X ( Q 0 X para 0 ) X ( Q ) n ... 1 i ( 0 D kk ii = ⇒ ≠ ∀ ≥ ⇒ = ≥ 2 ND ) X ( Q 0 X para 0 ) X ( Q ) n ... 1 i ( 0 Dii < = ⇒ < ∀ ≠ ⇒ 3 4 Indefinida ) X ( Q 0 X para 0 0 0 ) X ( Q 0 D ) ns ( um lg A 0 D ) ns ( um lg A 0 D ) ns ( um lg A ii ii ii ⇒ ≠ ∀ < = > ⇒ = < > 5
Diagonalização de Forma Quadrática com Transformação de
Congruência Teorema 2.12 ) k um lg a para 0 D ( NSD ) X ( Q 0 X para 0 ) X ( Q ) n ... 1 i ( 0 D kk ii = ⇒ ≠ ∀ ≤ ⇒ = ≤
Diagonalização de Forma Quadrática com Transformação de Congruência Teorema 2.12
[
]
∑
==
=
=
=
=
≠
≠
=
n 1 i 2 i ii T n 2 1 i T i j T i n 2 1Y
D
))
Y
(
X
(
Q
:
Y
em
Diagonal
FQ
Em
X
M
X
)
X
(
Q
Converte
Y
U
X
ção
Transforma
a
Então
U
U
U
U
Matriz
a
Seja
)
j
i
(
0
U
M
U
),
j
i
(
0
U
M
U
M
por
Conjugados
1
x
n
Vetores
U
...,
,
U
,
U
Sejam
n
x
n
Simétrica
M
Seja
L
Diagonalização de Forma Quadrática com Transformação de Congruência Teorema 2.12
[
]
[
]
: Dando ) j i ( 0 U M U : Conjugados São Vetores os Como U M U U M U U M U U M U U M U U M U U M U U M U U M U U U U M U U U U M U Y U M U Y Y U M U Y X M X ) X ( Q X U Y Y U X : Inversível é ção Transforma a . I . L São U ..., , U , U Como j T i n T n 2 T n 1 T n n T 2 2 T 2 1 T 2 n T 1 2 T 1 1 T 1 n 2 1 T n T 2 T 1 T T T T T T 1 n 2 1 ≠ = = = = = = ⇒ = ∴ = − L M O M M L L L M DemonstraçãoDiagonalização de Forma Quadrática com Transformação de Congruência Teorema 2.12
(
)
{
∑
==
=
=
=
=
n 1 i 2 i i T i n T n 2 T 2 1 T 1 T T T Tada
Diagonaliz
FQ
Y
U
M
U
)
X
(
Q
Y
U
M
U
0
0
0
U
M
U
0
0
0
U
M
U
Y
)
X
(
Q
Y
U
M
U
Y
X
M
X
)
X
(
Q
L
M
O
M
M
L
L
DemonstraçãoDiagonalização de Forma Quadrática com Transformação de Congruência Teorema 2.12
[
]
1 n 1 nn 2 2 n 1 1 n n n i T i k T i ki 2 32 1 31 3 3 1 T 1 3 T 1 31 1 T 1 2 T 1 21 1 21 2 2 1 1 n 2 1 U U U I U etc U M U I M U U U I U U M U I M U , U M U I M U U I U I U I I I I cos Canôni Vetores Com Conjugada Base para Schmidt ocesso Pr via U de Cálculo − − + + + + = − = + + = − = − = → + = = = α α α α α α α α α L O M M M M LDiagonalização de Forma Quadrática com Transformação de Congruência Teorema 2.12 1 n 1 nn 2 2 n 1 1 n n n 2 32 1 31 3 3 1 21 2 2 1 1 U U U I U U U I U U I U I U − − + + + + = + + = + = = α α α α α α L O M M M M
[
]
[
]
+ = − 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 U U U I U U U 1 nn 3 n 43 2 n 42 32 1 n 41 31 21 n 2 1 n 2 1 L L M O O M M M L L L L L α α α α α α α α α αDiagonalização de Forma Quadrática com Transformação de Congruência Teorema 2.12
I
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
I
U
1 nn 3 n 43 2 n 42 32 1 n 41 31 21=
−
−L
L
M
O
O
M
M
M
L
L
L
α
α
α
α
α
α
α
α
α
α
Diagonalização de Forma Quadrática com Transformação de Congruência Teorema 2.12 1 1 3 43 2 42 32 1 41 31 21
1
0
0
0
0
1
0
0
0
1
0
0
1
0
1
− −
−
−
−
−
−
−
−
−
−
−
=
L
L
M
O
O
M
M
M
L
L
L
nn n n nU
α
α
α
α
α
α
α
α
α
α
Diagonalização de Forma Quadrática com Transformação de Congruência Exemplo . ) ( ) ( , , 8 6 3 1 6 7 4 2 3 4 5 3 1 2 3 4 4 3 2 1 a Congruênci de ção Transforma com X Q ar Diagonaliz X M X X Q X X X X X M = T = =
Diagonalização de Forma Quadrática com Transformação de Congruência Exemplo 3 43 2 42 1 41 4 4 2 32 1 31 3 3 1 21 2 2 1 1 4 3 2 1 1 0 0 0 , 0 1 0 0 , 0 0 1 0 , 0 0 0 1 : Pr . . : Re U U U I U U U I U U I U I U I I I I Canônica Base Schmidt ocesso para I L Vetores solução
α
α
α
α
α
α
+ + + = + + = + = = = = = =Diagonalização de Forma Quadrática com Transformação de Congruência Exemplo − − − = − = − = = − = − = − = − = − = − = − = − = − = − = − = − = 1 926829 . 818181 . 25 . , 0 1 909091 . 181818 . , 0 0 1 75 . , 0 0 0 1 926829 . , 818181 . , 25 . 909091 . , 5 . 75 . 4 3 2 1 3 3 4 3 43 2 2 4 2 42 1 1 4 1 41 2 2 3 2 32 1 1 3 1 31 1 1 2 1 21 U U U U U M U I M U U M U I M U U M U I M U U M U I M U U M U I M U U M U I M U T T T T T T T T T T T T α α α α α α
Diagonalização de Forma Quadrática com Transformação de Congruência Exemplo = = − − − − − = 7073171 . 2 0 0 0 0 727273 . 3 0 0 0 0 75 . 2 0 0 0 0 4 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 926829 . 1 0 0 818181 . 909091 . 1 0 25 . 181818 . 75 . 1 4 4 3 3 2 2 1 1 U M U U M U U M U U M U D U T T T T
.
)
(
7073171
.
2
727273
.
3
75
.
2
4
)
(
12 22 32 42 4 1 2Definida
Positiva
é
X
Q
Y
Y
Y
Y
Y
D
X
Q
i i ii−
+
+
+
=
=
∑
=Considere a Matriz Quadrada Abaixo e o Vetor X
)
1
x
n
(
X
),
n
x
n
(
A
É Razoável Questionar sob que Casos a Multiplicação da Matriz por X Produz Vetor Paralelo a X :
(
A
I
)
X
0
X
X
A
=
λ
⇔
−
λ
=
Em geral, Interessa Obter as Condições de Validade de (1) em Termos de X e de
λλλλ
. Ora, a condição X=0 é Solução Trivial de (1), de modo que apenas buscamos Soluções X≠≠≠≠
0. O Sistema(1) é um SQH, que Terá Sols. Não Triviais Se e Somente Se:
1
(
A
I
)
0
Esta Equação – Conhecida como Equação Característica – é um Polinômio de Grau n na Variável
λλλλ
cujas n Raízes (pelo Teor. Fundamental da Álgebra) sempre existirão, sendo expressas comoλλλλ
1 ,λλλλ
2 , ... ,λλλλ
n . Esta Lista de Raízes Poderá ConterNúmeros Reais (distintos ou repetidos, parcialmente ou não) e Números Complexos em Pares Conjugados (também com
Repetição ou Não). Desta Forma a Eq. (2) Escreve-se:
(
A I)
0 DET − λ = 2(
)
). 2 ( ) 1 ( 0 ) )...( )( )( ( 0 1 2 3 em diagonais termos aos devido K onde K I A DET n n − = = − − − − ⇔ = − λ λ λ λ λ λ λ λ λ 3Fazendo as Multiplicações dos Fatores na Eq. (3), Resulta a Forma Polinomial em
λλλλ
:3
(
)
(
)
{
}
∏
∑ ∑ ∑
∑ ∑
∑
= − = − + = = + − = = + = − − − − = = = = = − + − + + + − − = − = − − − − − = − n i i n n i n i j n j k k j i n i n i j j i n i i n n n n n n n n n I A DET I A DET 1 2 1 1 1 1 3 1 1 1 2 1 1 1 1 2 2 1 1 3 2 1 , .... , , , 0 ) 1 ( ) 1 ( ... ) 1 ( 0 ) )...( )( )( ( ) 1 ( λ β λ λ λ β λ λ β λ β β λ β λ β λ β λ λ λ λ λ λ λ λ λ λ λ 4As n Raízes
λλλλ
1 ,λλλλ
2 , ... ,λλλλ
n são os Valores Característicos ouAutovalores da Matriz A. Para
λλλλ
igual a cadaλλλλ
i destes, o SQH Terá Solução Não Trivial Xi pois o Determinante DA será Nulo. Estas Soluções são os chamados Autovetores ou VetoresCaracterísticos da Matriz A . Com
λλλλ
=0 na Eq. (4), Vem :( )
= − n n ⇒ A DET ( 1)2 β A é Singular (DA=0) se ao menos um dos Autovalores é Nulo. ) ( 1 A DET n i i =∏
= λCálculo de Autovetores e Autovalores Exemplo = = 3 2 1 3 2 1 , , , , 3 3 1 2 1 0 1 2 1 1 X X X s Autovetore s Autovalore n A
λ
λ
λ
Cálculo de Autovetores e Autovalores Exemplo = 3 1 2 1 0 1 2 1 1 A
Resolução : Equação Característica e Busca de Autovalores ⇒ = − − ⇒ = − − = + + − − − − − − = − + − − − − − = − − − ⇒ = − 0 ) 3 4 ( 0 3 4 0 ) 2 1 ( 2 ) 2 3 ( ) 1 3 )( 1 ( 0 1 2 1 2 3 2 1 1 1 3 1 1 ) 1 ( 0 3 1 2 1 1 2 1 1 0 ) ( 2 2 3 2
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
λ
I A DET 7 2 7 2 0 3 2 1 − = + = =λ
λ
λ
Cálculo de Autovetores e Autovalores Exemplo = 3 1 2 1 0 1 2 1 1 A
Resolução : Busca de Autovetores no SQH
0 3 1 2 1 0 1 2 1 1 0 3 1 2 1 1 2 1 1 1 1 1 1 1 = ⇒ = − − − X X λ λ λ 1 1 = 0 ⇒ X
λ
− = ⇒ 1 2 0 1 3 2 1 1 3 1 1 0 1 X − − = 1 1 1 1 XCálculo de Autovetores e Autovalores Exemplo = 3 1 2 1 0 1 2 1 1 A 0 7 1 1 2 1 7 2 1 2 1 7 1 0 3 1 2 1 1 2 1 1 2 2 2 2 2 = − − − − − ⇒ = − − − X X λ λ λ 2 2 = 2 + 7 ⇒ X
λ
− − − − − − − 1 2 7 2 1 7 1 2 1 1 7 1 1 1 7 2 + + + = 7 2 5 7 1 7 4 2 X=
2X
Cálculo de Autovetores e Autovalores Exemplo = 3 1 2 1 0 1 2 1 1 A 0 7 1 1 2 1 7 2 1 2 1 7 1 0 3 1 2 1 1 2 1 1 3 3 3 3 3 = + + − + − ⇒ = − − − X X λ λ λ 3 3 = 2 − 7 ⇒ X
λ
+ − + − + + − 1 2 7 2 1 7 1 2 1 1 7 1 1 1 7 2 − − − = 7 2 5 7 1 7 4 3 X=
3X
Cálculo de Autovetores e Autovalores Exemplo = 3 1 2 1 0 1 2 1 1 A
Correspondência de Autovalores e Autovetores
7 2 7 2 0 2 3 1 =
λ
= +λ
= −λ
− − = 1 1 1 1 X + + + = 7 2 5 7 1 7 4 2 X − − − = 7 2 5 7 1 7 4 3 XA é matriz (n x n), então A e AT têm a mesma Equação
Característica Teorema 2.13a
) I A ( DET ) I A ( DET Logo ) I A ( DET ) ) I A (( DET ) I A ( DET 0 ) I A ( DET : A para . Carac . Eq T T T λ λ λ λ λ λ − = − − = − = − = − Demonstração
A é matriz (n x n), então A e AT têm a mesma Equação
Característica Teorema 2.13a
) I A ( DET ) I A ( DET Logo ) I A ( DET ) ) I A (( DET ) I A ( DET 0 ) I A ( DET : A para . Carac . Eq T T T λ λ λ λ λ λ − = − − = − = − = − Demonstração
A é matriz (n x n), então A e AT têm os mesmos Autovalores.
Corolário 2.13a.1 Demonstração . iguais ) ,..., . e . i ( raízes com polinômios ) I A ( DET ) I A ( DET −λ = T −λ ⇒ λ1 λn
A é matriz (n x n), então os Autovetores de A são Ortogonais aos
de AT que correspondem a Autovalores Distintos. Teorema 2.13b
j j j T i i i T j j j i i i T j i j i T j i T Y Y A , Y Y A , X X A , X X A : é isto ; A de e A de s autovetore s respectivo os são Y , Y , X , X A e A de os int dist s autovalore ésimo j e ésimo i são . s autovalore mesmos têm A e A , a 13 . 2 . Teor Pelo λ λ λ λ λ λ = = = = − − ≠ Demonstração
A é matriz (n x n), então os Autovetores de A são Ortogonais aos
de AT que correspondem a Autovalores Distintos. Teorema 2.13b
j j j T i i i T j j j i i i T j i j i T j i T Y Y A , Y Y A , X X A , X X A : é isto ; A de e A de s autovetore s respectivo os são Y , Y , X , X A e A de os int dist s autovalore ésimo j e ésimo i são . s autovalore mesmos têm A e A , a 13 . 2 . Teor Pelo λ λ λ λ λ λ = = = = − − ≠ Demonstração 0 Y X ) ( Y X Y X Y X Y A X Y X Y A X X A X X X A j T i i j j T i i j T i j j T i i j T T i j T i i j T T i Y . mult pós T i i T T i . Transp i i i j = − ⇒ = ⇒ = = → = → = − λ λ λ λ λ λ λ λ ) j i ( 0 Y X 0 Y X ) (λj −λi Ti j = λ →j≠λi Ti j = ≠ X i ⊥ Y j (i ≠ j )