Baixe o app para aproveitar ainda mais
Prévia do material em texto
MA-141 GEOMETRIA ANALÍTICA, TURMA G - 1o PERÍODO DE 2007 Matrizes Ortogonais, Método de Gran-Schmidt e Auto Valores 1 Matrizes Ortogonais De�nição: Dizemos que uma matriz n× n A é ortogonal se At = A−1. Vamos escrever uma matriz n× n A com uma matriz 1× n onde cada entrada é uma coluna de A. Isto é, seja A = a11 a12 . . . a1n a21 a22 . . . a2n. . . . . . . . . . . . . . . . . . . . . an1 an2 . . . ann e A(1) = a11 a21 ... an1 , A(2) = a12 a22 ... an2 , . . . , A(n) = a1n a2n ... ann as colunas de A. A transposta de A, escrita como uma matrix n× 1 onde cada entrada é uma linha de At, tem a forma At = a11 a21 . . . an1 a12 a22 . . . an2. . . . . . . . . . . . . . . . . . . . . a1n a2n . . . ann = At(1) At(2) ... At(n) , i.e., as linhas de At são as transpostas das colunas de A. Usando essa representação em blocos, de At �em linhas� e A �em colunas,� podemos expressar o produto AtA na forma AtA = At(1) At(2) ... At(n) [ A(1) A(2) · · · A(n) ] = At(1)A(1) A t (1)A(2) · · · A t (1)A(n) At(2)A(1) A t (2)A(2) · · · A t (2)A(n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . At(n)A(1) A t (n)A(2) · · · A t (n)A(n) . Observemos agora que para todo par 1 ≤ i, j ≤ n temos que At(i)A(j) = a1ia1j + a2ia2j + · · · + anianj = 〈A(i), A(j)〉. Portanto AtA = 〈A(1), A(1)〉 〈A(1), A(2)〉 · · · 〈A(1), A(n)〉 〈A(2), A(1)〉 〈A(2), A(2)〉 · · · 〈A(2), A(n)〉 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 〈A(n), A(1)〉 〈A(n), A(2)〉 · · · 〈A(n), A(n)〉 No caso de A ser ortogonal, teremos que AtA = In = matriz identidade n× n. Resulta então que se A é ortogonal as colunas de A satisfazem às seguintes condições: 〈A(i), A(j)〉 = δij = { 0 se i 6= j 1 caso contrário Claramente a a�rmação inversa também é verdadeira: se 〈A(i), A(j)〉 = δij , para todo para 1 ≤ i, j ≤ n, então A é ortogonal. Temos assim um critério para identi�car se uma matriz é ou não ortogonal. Questão 1. Veri�car quais das matrizes abaixo são ortogonais. A = 1 2 −1 2 1 2 1 2 1 2 1 2 1 2 −1 2 −1 2 1 2 1 2 1 2 1 2 1 2 −1 2 1 2 , B = 1 0 0 1√ 6 0 23 1√ 2 1√ 6 0 −23 1√ 2 −1√ 6 0 13 0 1√ 2 , C = 1 2 3 1 1 2 0 1 2 , D = 1 12 −2 3 1 −12 2 3 0 1 23 . Questão 2. Seja A uma matriz ortogonal. Mostre que as seguintes a�rmações são verdadeiras: a) A−1 também é ortogonal. b) detA = ±1. c) Se λ é um autovalor de A, então |λ| = 1 (Observe que λ = a + b √ −1 pode ser um número complexo e assim |λ| = √ a2 + b2). d) Se B for outra matriz ortogonal, então AB também é ortogonal. Questão 3. Resolva o sistema AX = 3 −1 4 0 , onde A está descrita na questão 1. 2 Método de Gran-Schmidt O método de Gran-Schmidt consiste em um algorítimo que permite construir a partir de uma família de m de vetores linearmente independentes v1, . . . ,vn do Rn 1 uma nova família de m vetores, e1, . . . ,em com a propriedade 〈ei, ej〉 = δij (lembrar que δij vale 0 se i 6= j e vale 1 caso contrário). De�nição: Uma família de vetores e1, . . . ,em satisfazendo a condição 〈ei, ej〉 = δij é chamada de ortonormal. O método: Num primeiro passo usamos um processo recursivo para construir, para cada 1 ≤ s ≤ m, um vetor fs como combinação linear dos vetores f1, . . . ,fs−1 construídos anteriormente. Num segundo passo, obtemos os vetores e1, . . . ,em procurados, normalizando-se os vetores f1, . . . ,fm, i.e., ei = 1 ‖f i‖ f i. Ver descrição abaixo: f1 = v1 f2 = v2 − 〈v2,f 1〉 〈f 1,f 1〉 f1 f3 = v3 − 〈v3,f 1〉 〈f 1,f 1〉 f1 − 〈v3,f 2〉 〈f 2,f 2〉 f2 ... ... fm = vm − 〈vm,f 1〉 〈f 1,f 1〉 f1 − 〈vm,f 2〉 〈f 2,f 2〉 f2 − · · · − 〈vm,fm−1〉 〈fm−1,fm−1〉 fm−1. e1 = 1 ‖f1‖ f1, e2 = 1 ‖f2‖ f2, . . . , em = 1 ‖fm‖ fm. Quando aplicamos o método de Gran-Schmidt às colunas de uma matriz A, n×n e de posto n, e colocamos os novos vetores obtidos e1, . . . ,en como colunas de uma nova matriz E, obtemos que E é uma matriz ortogonal, conforme vimos na seção anterior. Questão 4. Construa uma família ortonormal e1, e2, . . . ,em aplicando o método de Gran-Schmidt aos vetores dos dois casos abaixo. a) v1 = 1 1 1 , v2 = 0 2 1 , v3 = 0 1 1 , b) v1 = 1 1 0 0 , v2 = 1 0 1 0 , v3 = 1 0 0 1 , v4 = 0 1 1 0 . Questão 5. Encontre uma família ortonormal e1, e2, e3 de forma que e1 = 0 3 5 0 4 5 . Dica! Tome dois vetores v2 e 1Claro que m ≤ n, pois os vetores são linearmente independentes. 2 v3 de forma que v1 = 0 3 5 0 4 5 , v2, v3 sejam linearmente independentes e aplique o método de Gran-Schmidt a eles. Questão 6. Dados três vetores v1, v2, v3 onde v3 é combinação linear de v1 e v2. Mostre que a construção acima de f1,f2,f3 produz f3 = 0. Dica! Veri�que que 〈f2,f2〉 = 〈v2,f2〉; substitua na fórmula do f3 v2 por sua representação como combinação linear de v1 e v2. Observação: A questão acima mostra que não vale a pena usar o método em famílias linearmente dependentes. 3 Auto-valores e Auto-vetores de uma Matriz De�nição: Dada uma matriz n× n A dizemos que um número complexo λ é um auto valor de A se existir vetor não nulo a ∈ Cn tal que Aa = λa (Cn é o conjunto das matrizes n× 1 com coe�cientes complexos). Colocando a de�nição acima em equações temos: a11 a12 . . . a1n a21 a22 . . . a2n. . . . . . . . . . . . . . . . . . . . . an1 an2 . . . ann a1 a2 ... an = λ a1 a2 ... an e assim a11 − λ a12 · · · a1n a21 a22 − λ · · · a2n. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . an1 an2 · · · ann − λ a1 a2 ... an = 0. Vemos que a matriz do lado direito é igual a A− λIn. De fato a11 − λ a12 · · · a1n a21 a22 − λ · · · a2n. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . an1 an2 · · · ann − λ = a11 a12 . . . a1n a21 a22 . . . a2n. . . . . . . . . . . . . . . . . . . . . an1 an2 . . . ann − λ 1 0 · · · 0 0 1 · · · 0 . . . . . . . . . . . . . . . 0 0 · · · 1 Obtemos assim o sistema homogêneo (A − λIn)a = 0. Sabemos que é necessário e su�ciente que det(A − λIn) = 0 para que o sistema tenha solução não nula a 6= 0. Calculando-se o determinante vamos obter uma equação polinomial em λ. I.e., det(A− λIn) = (−1)nλn + c1λn−1 + · · ·+ cn. Concluímos assim que λ é uma raiz do polinômio (−1)nxn + c1xn−1 + · · ·+ cn que é chamado de polinômio característico da matriz A. Conclusão, para obtermos os auto valores de uma matriz A calculamos seu polinômio característico det(A−xIn) = (−1)nxn + c1xn−1 + · · ·+ cn e em seguida encontramos suas raízes. As raízes λ1, λ2, . . . , λn do polinômio característico são os auto valores da matriz. Para obter os auto vetores da matriz A resolvemos em seguida os sistemas homogêneos (A− λ1In) x1 x2 ... xn = 0, (A− λ2In) x1 x2 ... xn = 0, · · · , (A− λnIn) x1 x2 ... xn = 0. Como pode ocorrer de uma raiz aparacer repetida temos no máximo n sistemas para resolver. Questão 7. Encontre os auto valores e os auto vetores das matrizes abaixo. ( 1 4 1 1 ) , 1 3 −3 0 4 0 −3 3 1 , 1 2 1 0 −1 1 0 0 −1 , −1 −4 14 2 −7 14 2 −4 11 , Procurar as raízes entre os divisores do termo independente. No segundo e no terceiro problema, um exame da matriz já revela uma das raízes. 3
Compartilhar