Algebra Linear
Algebra Linear
Algebra Linear
Então
f 0 (λ1 ) f (n−1) (λ1 )
f (Â) = f (λ1 )I + (Â − λ 1 I) + · · · + (Â − λ 1 I)n−1 + · · ·
1! (n − 1)!
Como sabemos que (Â − λ 1 I)k = 0 para k ≥ n, a série infinita pode ser truncada...
Eg, considere um único bloco de Jordan de ordem 4, então f (Â) reduz-se a:
2 3
0 00 (3)
f (λ1 ) f (λ1 )/1! f (λ1 )/2! f (λ1 )/3!
6 7
0 00
6 0 f (λ1 ) f (λ1 )/1! f (λ1 )/2! 7
f (Â) = 6
6 7
0
7
6
4 0 0 f (λ1 ) f (λ1 )/1! 7 5
0 0 0 f (λ1 )
Note que eAt pode ser descrita via a série de Taylor por:
λ2 t2 λn tn
eλt = 1 + λt + + ··· + + ···
2! n!
I Note que pode-se usar a descrição por série como método numérico para
computar exponenciais de matrizes...
Propriedades de eAt
∞
t2 tn X 1
eAt = I + At + A2 + · · · + An + · · · = tk A k
2! n! k=0
k!
e0 = I
eA(t1 +t2 ) = eAt1 eAt2
⇓
£ At ¤−1
e = e−At
∞
d At
X 1
e = tk−1 Ak
dt k=1
(k − 1)!
à ∞
! Ã ∞
!
X 1 k k
X 1
= A t A = tk A k A
k=0
k! k=0
k!
Portanto,
d At
dt
e = AeAt = eAt A
Portanto
∞
X ∞
X ∞
X
£ At ¤ −(k+1) k −1 −k k −1
¡ −1 ¢k
L e = s A =s s A =s s A
k=0 k=0 k=0
£ At ¤
∴ L e = (sI − A)−1
I Embora se tenha usado o fato de que os autovalores de s−1 A têm que ter
£ At ¤
módulo menor do que 1, L e = (sI − A)−1 vale para todo ‘s’ exceto ‘s’
igual a um autovalor de A...
d At
I Pode-se obter o mesmo resultado aplicando-se Laplace em dt
e = AeAt :
· ¸
d At £ At ¤
L e = L Ae
dt
£ At ¤ 0 £ At ¤
sL e −e = AL e
ou
£ At ¤ £ At ¤ −1
(sI − A)L e =I ⇒ L e = (sI − A)
AM + M B = C
I Defini-se: S(M ) , AM + M B
2 32 3 2 3
a11 + b11 a12 a13 b21 0 0 m11 c11
6 76 7 6 7
6 a21 a22 + b11 a23 0 b21 0 76 m21 7 6 c21 7
6 76 7 6 7
6 a31 a32 a33 + b11 0 0 b21 76 7
m31 7 6 c 7
6 76 6 31 7
6 76 7=6 7
6
6 b12 0 0 a11 + b22 a12 a13 76
76 m12 7
7
6 c12
6
7
7
6 76 7 6 7
4 0 b12 0 a21 a22 + b22 a23 54 m22 5 4 c22 5
0 0 b12 a31 a32 a33 + b22 m32 c32
| {z }
Quadrada n × m!!
S(M ) = ηM
ηk = λi + µj , i = 1, 2, . . . , n ; j = 1, 2, . . . , m
Au = λi u ; vB = vµj
n X
X n
mij x̄i xj = x∗ M1 x ∈ R , mij ∈ C
i=1 j=1
2 3 1−j
Exemplo M = , considerando x =
3 4 2 + 2j
∗
h i 2 3 1−j
x Mx = 1+j 2 − 2j = 36
3 4 2 + 2j
1 −1
Exemplo M = , x ∈ R2
−1 2
2 0 0
Pn
Exemplos kBxk = x B Bx; i=2 (xi+1 − xi )2 ; kF xk2 − kGxk2
n
X
≤ λ1 (qi0 x)2 = λ1 kxk2
i=1
λmin x0 x ≤ x0 Ax ≤ λmax x0 x
I Autovalores reais
I Toda matriz Hermitiana M pode ser transformada por uma matriz unitária
P (isto é, P −1 = P ∗ ) em uma matriz diagonal com elementos reais:
M̂ = P M P ∗
x∗ M x = x∗ N ∗ N x = (N x)∗ (N x) = kN xk22 ≥ 0
I N pode ser obtida por fatoração de Cholesky (de fato, Cholesky é aplicável a
matrizes definidas positivas...)
m 11 , m 22 , m 33
02 31 02 31 02 31
m 11 m 12 m 11 m 13 m 22 m 23
det @4 5A , det @4 5A , det @4 5A
m 21 m 22 m 31 m 33 m 32 m 33
e
det(M )
m11 m12
m11 , det , det(M )
m21 m22
0 0 1
Exemplo Considere M =
0 0 0
1 0 2
Veja
0 0
m11 = 0 , det =0 , det(M ) = 0
0 0
No entanto
0 1 0 0
m22 = 0, m33 = 2, det = −1, det =0
1 2 0 2
1 −1
Exemplo M = é definida positiva, pois
−1 2
0 1 −1
M =N N ; N = chol(M ) = ; det(N ) = 1 6= 0
0 1
B λ2i , i = 1, 2, . . . , n : autovalores de H 0 H
B λi , i = 1, 2, . . . , n̄ : valores singulares de H
sendo n̄ , min{n, m}
2 −2 1
−1 1 0
Exemplo H = e M = H 0 H = −2 2 −1
1 −1 1
1 −1 1
MATLAB [R,S,Q]=svd(H)
kAxkr
# kAkr , sup = sup kAxkr
x6=0 kxkr kxkr =1
m
X
1. kAk1 = max |aij | ⇔ A maior soma absoluta das colunas
j
i=1
1
0
2. kAk2 = (λmax (A A)) 2
⇔ Valor singular máximo de A
m
X
3. kAk∞ = max |aij | ⇔ A maior soma absoluta das linhas
i
j=1
3 2
Exemplo Normas 1, 2 e ∞ de A = ?
−1 0
portanto 2 32 3 2 3 2 32 3 2 3
3 2 1 3 3 2 0 2
y1 = Ax = 4 54 5 = 4 5, y2 = Ax = 4 54 5 = 4 5
−1 0 0 −1 −1 0 1 0
2 32 3 2 3 2 32 3 2 3
3 2 −1 −3 3 2 0 −2
y3 = Ax = 4 54 5=4 5, y4 = Ax = 4 54 5=4 5
−1 0 0 1 −1 0 −1 0
1.5
1 kxk1 = 1
0.5
−0.5
−1
−1.5
kAk1 = 3 + 1 = 4
−2
−4 −3 −2 −1 0 1 2 3 4