Baixe o app para aproveitar ainda mais
Prévia do material em texto
PUC GOIA´S DEPARTAMENTO DE COMPUTAC¸A˜O CMP1055 Fundamentos de Computac¸a˜o III Marco A. F. Menezes AULA 2 Refereˆncias: esta aula esta´ baseada nos seguintes livros, 1. Kenneth Hardy. Linear algebra for engineers and scientists using MAT- LAB. Pearson, 2005. 2. A. C. B. Alves e M. A. F. Menezes. Introduc¸a˜o a` pesquisa operacional. Goiaˆnia: editora da PUC Goia´s, 2010. Aula anterior Unidade 1 - Matrizes e Sistemas Lineares Ideia Problema Uma rede consiste em um digrafo. Redes sa˜o usadas para formular uma variedade de problemas f´ısicos tais como fluxo de tra´fego, redes ele´tricas, redes de fluxo de fluido em redes de tubulac¸a˜o. Considere um problema de fluxo de tra´fego, a saber: suponha uma rede com ma˜o u´nica indicando o fluxo do tra´fego. O nu´mero de ve´ıculos que entram ou saem da rede, por hora, nas junc¸o˜es A, B, C, e D sa˜o mostrados na tabela abaixo. Ve´rtice Entrada Sa´ıda A 450 x1 + x4 B x1 + 250 x2 C x2 x3 + 350 D x3 + x4 350 1 Denote x1, x2, x3, e x4 o nu´mero de ve´ıculos por hora passando pelas ruas AB, BC, CD e AD, respectivamente. Assuma que a rede esta´ em equil´ıbrio, isto e´, nenhum novo ve´ıculo aparece na rede, nenhum esta´ perdido, e a en- trada e´ igual a sa´ıda em cada ve´rtice A, B, C e D. Formule a rede atrave´s de um modelo matema´tico e resolva o problema de encontrar o nu´mero de ve´ıculos por hora em cada ve´rtice, se a rua AD e´ fechada para obras da prefeitura devido ao desmatamento provocado pela construc¸a˜o de casas de luxo em a´rea de preservac¸a˜o. 1.1 Matrizes Matriz Matriz e´ uma tabela de elementos dispostos em linhas e colunas. Denotamos: A = [aij], i = 1, 2, . . . ,m e j = 1, 2, . . . , n. Tambe´m, Rm×n denota o conjunto de todas as matrizes m×n com coeficientes reais. Exemplo Considere a matriz A = 1 2 3 4 5 6 7 8 9 1 2 3 . Excluindo as linhas 1 e 3, e as colunas 1 e 2, A1 = [7 8] e´ uma submatriz de A. Definic¸a˜o 1.1 Duas matrizes A = [aij] e B = [bij], m× n, sa˜o chamadas matrizes iguais se cada par de entradas correspondentes em A e B sa˜o iguais. Denotamos A = B. Exemplo As matrizes A = [ x 2 3 4 5 y ] e B = [ 1 2 z 4 5 6 ] sa˜o, ambas, 2× 3 e A = B se, e so´ se, x = 1, y = 6 e z = 3. 2 Definic¸a˜o 1.2 Chamamos adic¸a˜o de matrizes a operac¸a˜o tal que a soma de duas matrizes A = [aij] e B = [bij], m× n, e´ a matriz A+B = [aij + bij], m× n, obtida pela adic¸a˜o de cada par de entrada correspondente em A e B. Exemplo As matrizes A = [ 2 1 0 1 ] e B = [ 1 −1 2 0 ] sa˜o, ambas, 2× 2 e A + B = [ 2 1 0 1 ] + [ 1 −1 2 0 ] = [ 2 + 1 1 + (−1) 0 + 2 1 + 0 ] = [ 3 0 2 1 ] . Definic¸a˜o 1.3 Seja A = [aij] uma matriz m× n e t um escalar (nu´mero real ou nu´mero complexo). Chamamos multiplicac¸a˜o de matriz por um es- calar a operac¸a˜o tal que um mu´ltiplo escalar de A por t e´ a matriz tA = [taij], m× n, obtida pela multiplicac¸a˜o de todas as entradas de A por t. Exemplo Considere a matriz A do exemplo anterior e t = −2. Enta˜o, tA = −2 [ 2 1 0 1 ] = [ (−2)2 (−2)1 (−2)0 (−2)1 ] = [ −4 −2 0 −2 ] . Definic¸a˜o 1.4 Chamamos multiplicac¸a˜o de matrizes a operac¸a˜o tal que o produto de duas matrizes A = [aij], m × n, e B = [bij], n × p, e´ a matriz C = [cij], m× p, obtida assim: cij = ai1b1j + ai2b2j + . . . + ainbnj. Exemplo As matrizes A = [ 1 2 5 3 0 4 ] e B = 2 1 3 6 1 7 3 sa˜o, respectivamente, 2× 3 e 3× 2 e C = AB = [ 1 2 5 3 0 4 ] 2 1 3 6 1 7 C = [ 1(2) + 2(3) + 5(1) 1(1) + 2(6) + 5(7) 3(2) + 0(3) + 4(1) 3(1) + 0(6) + 4(7) ] C = [ 13 48 10 31 ] . Note que, neste exemplo, AB 6= BA. Matriz nula Exemplo: a matriz O = [ 0 0 0 0 0 0 ] e´ a matriz nula, 2× 3. Matriz quadrada Uma matriz A = [aij], n × n, e´ chamada matriz quadrada de ordem n. Matriz diagonal Uma matriz A = [aij], n × n, e´ chamada matriz dia- gonal se todas as entradas fora da diagonal principal sa˜o iguais a zero. Matriz identidade Uma matriz A = [aij], n × n, e´ chamada matriz identidade se ela e´ uma matriz diagonal com todas as entradas na diagonal principal igual a 1. Denotamos a matriz identidade n× n por In ou I. Exemplo A matriz A = [ 1 0 0 1 ] e´ uma matriz quadrada, pois 2× 2; e´ uma matriz diagonal, pois as entradas (1, 2) e (2, 1) sa˜o iguais a zero; e´ a matriz identidade A = I2. Matriz transposta A matriz transposta de uma matriz A, m × n, e´ a matriz AT , n×m, formada escrevendo as colunas de A como as linhas de AT . Equivalentemente, AT pode ser formada escrevendo as linhas de A como as colunas de AT . 4 Exemplo Considere a matriz A = 1 2 3 4 5 6 . A sua matriz transposta e´: AT = [ 1 3 5 2 4 6 ] . Propriedades da transposta • Se A ∈ Rm×n, enta˜o (AT )T = A. • Se A e´ m× r e B e´ r × n, enta˜o (AB)T = BT AT . Definic¸a˜o 1.5 Uma matriz A, n × n, e´ chamada matriz sime´trica se AT = A. Ainda, A e´ chamada matriz anti-sime´trica se AT = −A. Exemplo A matriz 1 −2 3 −2 0 4 3 4 −7 e´ sime´trica, e a matriz 0 −2 3 2 0 −4 −3 4 0 e´ anti-sime´trica. Definic¸a˜o 1.6 Uma matriz A = [aij], m×n, e´ chamada matriz triangular superior se aij = 0 quando i > j; isto e´, todas as entradas abaixo da diagonal principal sa˜o zero. A e´ chamada matriz triangular inferior se aij = 0 quando i < j; isto e´, todas as entradas acima da diagonal principal sa˜o zero. Exemplo Considere as matrizes A = [ 2 0 1 0 3 −2 ] e B = [ 1 0 −5 1 ] . 5 Observe que A e´ uma matriz triangular superior, enquanto que B e´ uma matriz triangular inferior. Teorema 1.1 Sejam A e B matrizes quadradas triangular superior (in- ferior) de ordem n. Enta˜o o produto AB e´ uma matriz triangular superior (inferior). Demonstrac¸a˜o Definic¸a˜o 1.7Uma matriz A, n×n, e´ chamadamatriz invert´ıvel (na˜o sin- gular) se existe uma matriz X, n×n, que satisfaz as duas seguintes equac¸o˜es: AX = In e XA = In. Chamamos X a matriz inversa de A. Se na˜o existe inversa, dizemos que A e´ uma matriz na˜o invert´ıvel (singular). A matriz inversa de uma matriz A e´ denotada por A−1. Exemplo Considere as matrizes A = [ 2 1 5 3 ] e X = [ 3 −1 −5 2 ] . Verifique que AX = I2 e XA = I2. Enta˜o, X e´ uma matriz inversa de A e A e´ uma inversa de X. Ou seja, A e X sa˜o matrizes invert´ıveis. Resoluc¸a˜o Teorema 1.2 Seja X uma matriz inversa de A. Enta˜o, X e´ u´nica. Demonstrac¸a˜o Definic¸a˜o 1.8 Uma matriz quadrada P de ordem n e´ chamada matriz de permutac¸a˜o se P e´ obtida por rearranjo de linhas (colunas) na matriz identidade In. Exemplo Considere a matriz identidade I3. A matriz 0 1 0 0 0 1 1 0 0 e´ uma matriz de permutac¸a˜o, porque permutamos as linhas de I3 nessa ordem (1, 2, 3) para (2, 3, 1). 6 Teorema 1.3 Seja P , n × n, uma matriz de permutac¸a˜o. Enta˜o, P T e´ uma matriz de permutac¸a˜o. Ale´m disso, P e´ invert´ıvel e P−1 = P T . Demonstrac¸a˜o Definic¸a˜o 1.9 Uma matriz X e´ chamada matriz inversa a` direita da matriz A, n × n, se AX = In e X e´ chamada matriz inversa a` esquerda da matriz A, n× n, se XA = In. Teorema 1.4 Se A e´ uma matriz, n × n, e existe uma u´nica matriz X tal que AX = In, enta˜o XA = In. Ou seja, X = A −1. Demonstrac¸a˜o Operac¸o˜es elementares com linhas (i) Trocar a ordem de duas linhas: Li ↔ Lj. (ii) Multiplicar uma linha por uma constante na˜o nula t: tLi → Li. (iii) Subtrair uma linha a outra: Li − Lj → Li. (iv) Combinando (ii) e (iii): Li − tLj → Li. Definic¸a˜o 1.10 Duas matrizes m × n M e M ′ sa˜o chamadas matrizes linha equivalente, se existir uma sequeˆncia finita de operac¸o˜es elementares com linhas que muda uma matrizpara outra matriz. Denotamos M ∼ M ′. Definic¸a˜o 1.11 Uma matriz U esta´ na forma linha escalonada (ou forma escalonada) se duas condic¸o˜es sa˜o satisfeitas. (a) As linhas na˜o nulas em U esta˜o acima de quaisquer linhas nulas. (b) A primeira entrada (pivoˆ) na˜o nula em uma linha na˜o nula esta´ a` direita da primeira entrada (pivoˆ) na˜o nula na linha imediatamente acima dela. Exemplo A matriz 3 0 9 −4 0 2 4 6 0 0 0 2 0 0 0 0 7 esta´ na forma escalonada, e cada matriz mostrada abaixo na˜o esta´ na forma esclonada: 5 0 3 0 0 0 0 −2 5 e 5 0 3 0 0 1 0 2 0 . Por queˆ? Resoluc¸a˜o Observac¸a˜o Formas linha escalonada na˜o sa˜o u´nicas. Definic¸a˜o 1.12 Uma matriz esta´ na forma linha escalonada reduzida (ou forma reduzida) se duas condic¸o˜es sa˜o satisfeitas. (a) A matriz ja´ esta´ na forma escalonada. (b) Em toda coluna pivoˆ, o elemento pivoˆ tem valor igual a 1 e todas as outras entradas nesta coluna sa˜o iguais a zero. Teorema 1.5 Toda matriz M tem uma forma escalonada linha reduzida M∗ que e´ u´nica. Demonstrac¸a˜o Exemplo A matriz 1 0 3 0 0 1 2 0 0 0 0 1 0 0 0 0 esta´ na forma reduzida. Definic¸a˜o 1.13 Seja A uma matriz m × n. O posto de A, denotado por posto(A) ou rank(A), e´ o nu´mero de linhas na˜o nulas em uma forma escalonada para A. Escrevemos posto(A) = r, em que r e´ um inteiro na˜o negativo. Exemplo Para qualquer matriz nula O que tem todas as entradas iguais a zero, posto(A) = 0. Calculando a forma escalonada (reduzida) em cada caso, temos A = 1 2 2 4 0 0 ∼ 1 2 0 0 0 0 , 8 B = [ 1 2 3 4 ] ∼ [ 1 0 0 1 ] , que mostra que posto(A) = 1 e posto(B) = 2. 1.2 Sistemas lineares Equac¸o˜es lineares Chamamos uma equac¸a˜o com varia´veis (ou inco´gni- tas) x1, x2, . . . , xn de equac¸a˜o linear quando ela pode ser escrita na forma a1x1 + a2x2 + . . . + anxn = b. Os nu´meros a1, a2, . . . , an sa˜o chamados coeficientes para as varia´veis e o nu´mero b e´ chamado de termo constante. Exemplo A equac¸a˜o 3, 2x1 − 5, 4x2 = 7, 9 e´ linear, com coeficiente 3,2 para x1, e -5,4 para x2 e o termo constante e´ igual a 7,9. A equac¸a˜o 4x21 + 7, 2x2 = 1 na˜o e´ linear. Ela e´ uma equac¸a˜o na˜o linear. A expressa˜o 5x1 − x2 + 8x3 ≥ √ 2 na˜o e´ uma equac¸a˜o. Ela e´ uma inequac¸a˜o. Exemplo A equac¸a˜o (x1 + 2) 2 − x21 + 3x2 = 9 pode ser simplificada para 4x1 + 3x2 = 5 que e´ linear. Sistemas lineares Uma lista ordenada de m equac¸o˜es lineares com as mesmas n varia´veis x1, x2, . . . , xn e´ chamada sistema linear m× n (leˆ-se: m por n). Uma soluc¸a˜o para um sistema linear (S) com varia´veis x1, x2, . . . , xn e´ um conjunto de n nu´meros c1, c2, . . . , cn tais que a designac¸a˜o x1 = c1, x2 = c2, . . . , xn = cn 9 satisfaz toda equac¸a˜o em (S) simultaneamente. Esta soluc¸a˜o pode ser escrita com uma n-upla, a saber: (x1, x2, . . . , xn) = (c1, c2, . . . , cn). Exemplo O sistema linear (S1) { x1 + x2 + x3 = 2 x3 = 1 e´ 2× 3. Existe soluc¸a˜o? Se sim, fornec¸a uma? Resoluc¸a˜o Definic¸a˜o 1.14 Considere (S) um sistema linear. Se (S) na˜o tem soluc¸a˜o, dizemos que (S) e´ um sistema incompat´ıvel (inconsistent). Se (S) tem uma ou mais soluc¸o˜es, dizemos que (S) e´ um sistema compat´ıvel (consistent). Resolver (S) significa encontrar o conjunto soluc¸a˜o para (S) ou determinar que (S) e´ incompat´ıvel. Operac¸o˜es elementares com equac¸o˜es (i) Trocar a ordem de duas equac¸o˜es (interchange): Ei ↔ Ej. (ii) Multiplicar uma equac¸a˜o por uma constante na˜o nula t (scaling): tEi → Ei. (iii) Subtrair uma equac¸a˜o a outra: Ei − Ej → Ei. (iv) Combinando (ii) e (iii) (replacement): Ei − tEj → Ei. Exemplo Considere o sistema linear (S2) x1 + x2 + x3 = 1 x1 + x2 = 0 −x1 + 3x2 + 7x3 = 0 2x1 − 6x2 − 14x3 = 0. Realize algumas operac¸o˜es elementares com equac¸o˜es no sistema linear (S2) com o objetivo de resolveˆ-lo. 10 Resoluc¸a˜o Definic¸a˜o 1.15 Dois sistemas lineares (S) e (S)′ sa˜o chamados sistemas lineares equivalentes se (S)′ e´ o resultado de uma ou mais operac¸o˜es e- lementares sobre as equac¸o˜es de (S) e escrevemos (S) ∼ (S)′ para designar equivaleˆncia. Teorema 1.6 Se (S) e (S)′ sa˜o dois sistemas lineares equivalentes, enta˜o (S) e (S)′ teˆm exatamente o mesmo conjunto soluc¸a˜o. Demonstrac¸a˜o Exemplo Vamos desenvolver a forma matricial do sistema linear 4× 4 x2 − 2x3 + 2x4 = 2 2x1 + 3x2 + 6x3 + 3x4 = 11 −4x1 − 13x2 + 2x3 + x4 = −15 −x2 + 2x3 + x4 = 1. Resoluc¸a˜o A matriz aumentada de um sistema linear Considere um sistema linear (S). A matriz M = [A | b] e´ chamada matriz aumentada para (S), porque ela e´ formada unindo o vetor coluna b a A como uma coluna extra a` direita. Exemplo Considere o exemplo anterior. Encontre a matriz aumentada. Resoluc¸a˜o Teorema 1.7 Seja (S) um sistema linear m × n representado por sua matriz aumentada M = [A | b], m× (n + 1). Enta˜o um, e somente um, dos seguintes casos pode ocorrer. 1 Se posto(A) < posto(M), enta˜o (S) e´ incompat´ıvel. 2 Se posto(A) = posto(M) = n, enta˜o (S) e´ compat´ıvel determinado, isto e´, tem uma u´nica soluc¸a˜o. 3 Se posto(A) = posto(M) < n, enta˜o (S) e´ compat´ıvel indeterminado, isto e´, tem uma infinidade de soluc¸o˜es. 11 Demonstrac¸a˜o Exemplos Aplique o teorema e tire concluso˜es sobre o sistema (S). (i) Considere um sistema linear (S), 4 × 2, com matriz aumentada M = [A | b], tal que A = 1 1 −1 1 2 4 3 3 e b = 1 1 5 6 . (ii) Considere um sistema linear (S), 4 × 2, com matriz aumentada M = [A | b], tal que A = 1 1 −1 1 2 4 3 3 e b = 1 1 4 3 . (iii) Considere um sistema linear (S), 3 × 3, com matriz aumentada M = [A | b], tal que A = 1 −2 4 −2 5 5 5 −12 −6 e b = 1 −1 3 . Resoluc¸a˜o Teorema 1.8 Um sistema linear (S), m×n, com m < n, e´ incompat´ıvel ou e´ compat´ıvel indeterminado. Se posto(A) = m, enta˜o (S) e´ compat´ıvel indeterminado para toda coluna de termos constantes b. Demonstrac¸a˜o Teorema 1.9 Um sistema linear (S), n × n, com posto(A) = n, e´ com- pat´ıvel determinado para toda coluna de termos constantes b. Demonstrac¸a˜o Sistema linear homogeˆneoUm sistema linear e´ chamado sistema linear homogeˆneo se o termo constante em toda equac¸a˜o e´ igual a zero. 12 Exemplo O seguinte sistema (S1) e´ homogeˆneo, enquanto o sistema (S2) na˜o: (S1) x1 + 2x2 = 0 3x1 + 8x2 = 0 5x1 − 6x2 = 0, (S2) x1 + 2x2 + x3 = 0 −x1 − x2 + 2x3 = 0 2x1 + 3x2 − 7x3 = 9. Teorema 1.10 Seja (S) um sistema linear homogeˆneo m×n com matriz de coeficientes A. (a) Se posto(A) = n, enta˜o (S) tem somente a soluc¸a˜o trivial, isto e´, todas as varia´veis do sistema sa˜o iguais a zero. (b) Se m < n, enta˜o (S) tem uma infinidade de soluc¸o˜es. Demonstrac¸a˜o Submatriz quadrada Considere uma matriz quadrada A, n × n. Seja aij cada entrada para A. Excluindo a linha i e a coluna j em A, obtemos uma submatriz quadrada de A de ordem n− 1 denotada por Aij. Exemplo Considere a matriz quadrada A = 1 2 3 4 5 6 7 8 9 . Obtenha A11 e A23. Resoluc¸a˜o Definic¸a˜o 1.16 Seja Cn o conjunto de todas as matrizes quadradas de ordem n com coeficientes reais. Definimos o determinante como a func¸a˜o det : Cn → R, em que det(A) pode ser calculado de forma recursiva, da seguinte maneira: (a) n = 1, A = [a11]⇒ det(A) = a11. 13 (b) n = 2, A = [ a11 a12 a21 a22 ] ⇒ det(A) = a11a22 − a12a21. (c) n ≥ 3, det(A) = n∑ j=1 aij(−1)i+jdet(Aij), para um dado i, com i = 1, 2, . . . , n, em que(−1)i+jdet(Aij) = cij e´ denominado cofator do elemento aij. Exemplo Calcule o determinante da matriz quadrada A = 0 3 0 4 1 2 5 4 3 1 4 2 −1 2 2 3 . Resoluc¸a˜o Teorema 1.11 Sejam A e B matrizes quadradas de ordem n. (a) Se todos os elementos da i-e´sima linha (ou coluna) de A forem nulos, enta˜o det(A) = 0. (b) det(A) = det(AT ). (c) det(AB) = det(A)det(B). Demonstrac¸a˜o Definic¸a˜o 1.17 Seja A uma matriz quadrada de ordem n. Definimos a matriz adjunta de A, denotada por adjA, como adjA = A¯T , em que chamamos de matriz dos cofatores, denotada por A¯, a matriz obtida de A, em que cada elemento e´ o cofator de seu respectivo em A. 14 Exemplo Calcule a matriz adjunta da matriz A = [ 1 1 2 1 ] . Resoluc¸a˜o Teorema 1.12 Seja A uma matriz quadrada de ordem n. Enta˜o, A adjA = det(A) I. Demonstrac¸a˜o Teorema 1.13 Uma uma matriz quadrada A e´ invert´ıvel se, e somente se, det(A) 6= 0. Demonstrac¸a˜o Teorema 1.14 - Regra de Cramer Seja (S) um sistema linear n × n definido por Ax = b, em que a matriz A, n× n, e´ invert´ıvel. As n inco´gnitas em x sa˜o unicamente determinadas pelas expresso˜es xj = det(Aj) det(A) , j = 1, 2, . . . , n, em que Aj e´ a matriz n×n obtida substituindo a coluna j em A pela matriz coluna b. Demonstrac¸a˜o Eliminac¸a˜o para frente (Forward elimination) A primeira fase de re- soluc¸a˜o de um sistema linear e´ chamada eliminac¸a˜o para frente, que e´ acom- panhada das operac¸o˜es elementares com equac¸o˜es. Substituic¸a˜o retroativa (Back-Substitution) Uma segunda fase. Este procedimento resolve um ’sistema triangular superior’ por substituic¸a˜o. Exemplo Resolva usando forward elimination e, quando necessa´rio, back- substitution. 15 1 O sistema linear x1 + x2 + x3 = 1 2x1 − 2x2 − x3 = 0 −x1 + 3x2 + 7x3 = 0 tem uma u´nica soluc¸a˜o. 2 O sistema linear { x1 + x2 = 2 2x1 + 2x2 = 4 tem uma infinidade de soluc¸o˜es. 3 O sistema linear { x1 + x2 = 1 x1 + x2 = −1 na˜o tem soluc¸a˜o. Resoluc¸a˜o Eliminac¸a˜o para tra´s (Backward elimination) Uma outra segunda fase. Este procedimento resolve um ’sistema triangular superior’ por eliminac¸a˜o para tra´s fazendo os coeficientes das varia´veis pivoˆ iguais a 1. Exemplo Considere o exemplo anterior. Resolva cada problema usando forward elimination e, quando necessa´rio, backward elimination. Resoluc¸a˜o Eliminac¸a˜o de Gauss Utiliza-se forward elimination com back-substitu- tion quando necessa´rio. Eliminac¸a˜o de Gauss-Jordan Utiliza-se forward elimination com back- ward elimination quando necessa´rio. Teorema 1.15 Uma matriz A, n×n, e´ invert´ıvel se, e so´ se, posto(A) = n. Demonstrac¸a˜o Ca´lculo de A−1 (Me´todo de Gauss-Jordan) Dada uma matriz A, n× n, tal que posto(A) = n, [A | In] ∼ [In | A−1]. 16 Definic¸a˜o 1.18 Uma matriz E, m×m, e´ chamada matriz elementar se ela e´ o resultado da realizac¸a˜o de uma u´nica operac¸a˜o elementar com linha sobre a matriz identidade Im. Exemplo Considere a matriz I2 = [ 1 0 0 1 ] . Tomando a operac¸a˜o elementar L1 ↔ L2, E1 = [ 0 1 1 0 ] e´ uma matriz elementar. Por outro lado, a matriz[ 0 1 0 0 ] na˜o e´ uma matriz elementar, porque se realizarmos uma (u´nica) operac¸a˜o elementar com linhas sobre I2 na˜o conseguimos obteˆ-la. Teorema 1.16 Suponha que uma u´nica operac¸a˜o elementar com linhas e´ realizada sobre uma matriz A, m × n, resultando em uma matriz B. Se E e´ a matriz elementar obtida pela realizac¸a˜o da mesma operac¸a˜o elementar com linhas sobre Im, enta˜o EA = B. Demonstrac¸a˜o Exemplo Considere a matriz A = [ 4 5 6 1 2 3 ] . Tomando a operac¸a˜o elementar L1 ↔ L2, obtemos a matriz elementar E1 = [ 0 1 1 0 ] 17 e E1A = [ 1 2 3 4 5 6 ] = B. Teorema 1.17 Para toda matriz elementar E existe uma matriz elemen- tar correspondente F tal que FE = EF = I. Da´ı, F = E−1. Demonstrac¸a˜o Exemplo Considere c 6= 0 e t 6= 0. Inicialmente, apresentaremos uma operac¸a˜o elementar e sua matriz elementar. Em seguida, apresentaremos sua operac¸a˜o elementar inversa e a matriz elementar inversa. • Operac¸a˜o elementar, L1 ↔ L2; matriz elementar, E = [ 0 1 1 0 ] ; Operac¸a˜o elementar inversa, L1 ↔ L2; matriz elementar inversa, F = [ 0 1 1 0 ] . • Operac¸a˜o elementar, cL2 → L2; matriz elementar, E = [ 1 0 0 c ] ; Operac¸a˜o elementar inversa, 1 c L2 → L2; matriz elementar inversa, F = [ 1 0 0 1 c ] . • Operac¸a˜o elementar, L1 − tL2 → L1; matriz elementar, E = [ 1 −t 0 1 ] ; 18 Operac¸a˜o elementar inversa, L1 + tL2 → L1; matriz elementar inversa, F = [ 1 t 0 1 ] . Teorema 1.18 Sejam A e B matrizes n× n. 1 Se A e´ invert´ıvel, enta˜o A−1 e´ invert´ıvel e (A−1)−1 = A. 2 Se A e B sa˜o invert´ıveis, enta˜o AB e´ invert´ıvel e (AB)−1 = B−1A−1. 3 Se A e´ invert´ıvel, enta˜o cA e´ invert´ıvel para qualquer escalar c 6= 0 e (cA)−1 = 1 c A−1. 4 A e´ invert´ıvel se, e somente se, AT e´ invert´ıvel e (AT )−1 = (A−1)T . Demonstrac¸a˜o Teorema 1.19 Sejam A uma matriz n × n e I a matriz identidade de ordem n. As seguintes afirmac¸o˜es sa˜o equivalentes: (a) A e´ invert´ıvel. (b) Existe uma matriz X tal que XA = I. (c) A equac¸a˜o Ax = b tem uma u´nica soluc¸a˜o x para todo b. (d) A equac¸a˜o Ax = 0 tem apenas a soluc¸a˜o x = 0. (e) posto(A) = n. (f) A forma escalonada reduzida para A e´ I. 19 (g) A e´ um produto de matrizes elementares. (h) Existe uma matriz X tal que AX = I. Demonstrac¸a˜o Observac¸a˜o Dizemos matriz triangular unita´ria a` matriz quadrada tri- angular inferior ou superior, cujos elementos na diagonal principal sa˜o iguais a um. Fatorac¸a˜o Chamamos A = LU uma fatorac¸a˜o LU de A, em que L e´ uma matriz triangular inferior unita´ria de multiplicadores e U e´ uma matriz triangular superior. Por exemplo, considere A = [ 4 5 1 2 ] . Tome a operac¸a˜o elementar com linhas L2 − (14)L1 → L2, com multiplicador m21 = 1 4 . Com esta operac¸a˜o elementar, segue-se que a matriz elementar obtida de I2 e´ E = [ 1 0 −1 4 1 ] . Da´ı, EA = [ 4 5 0 3 4 ] = U. Logo, A = E−1U ⇒ L = E−1. Note que L = [ 1 0 m21 1 ] e´ uma matriz triangular inferior unita´ria com o multiplicador m21 na respec- tiva posic¸a˜o (2, 1) de L. Teorema 1.20 Seja A, n× n, uma matriz invert´ıvel. Se o procedimento de eliminac¸a˜o para frente sobre A (forward reduction) pode ser executado u- sando somente a operac¸a˜o elementar com linhas, combinando a multiplicac¸a˜o de uma linha por uma constante na˜o nula com subtrair uma linha a outra (replacement), enta˜o A pode ser fatorada na forma A = LU , onde L e´ uma matriz triangular inferior unita´ria de multiplicadores e U e´ uma matriz tri- angular superior. 20 Demonstrac¸a˜o Exemplo Considere a matriz A = 0 −3 5 4 19 17 2 8 9 . Observe que necessitamos de uma troca de linhas para que a fatorac¸a˜o LU funcione, porque a entrada na posic¸a˜o (1, 1) e´ igual a zero. Resoluc¸a˜o Teorema 1.21 Seja A, n × n, uma matriz invert´ıvel. As linhas de A podem ser reordenadas usando uma matriz de permutac¸a˜o, n × n, tal que PA = LU , onde L e´ uma matriz triangular inferior unita´ria de multipli- cadores e U e´ uma matriz triangular superior. Ale´m disso, A = P T LU . Demonstrac¸a˜o Resolvendo sistemas lineares com n equac¸o˜es e n inco´gnitas Suponha que na˜o seja necessa´ria a troca de linhas. O problema e´ dadas uma matriz A, n × n, e uma matriz coluna b, n × 1, encontrar uma matriz coluna x, n × 1, tal que Ax = b. A ideia aqui e´ realizar uma fatorac¸a˜o LU sobre A, em seguida encontrar y tal que Ly = b e, finalmente, encontrar x tal queUx = y. Ou seja, usando associatividade de matrizes, Ax = b ⇒ (LU)x = L(Ux) = b ⇒ Ly = b, para y = Ux. Observac¸a˜o (Soluc¸a˜o de Ax = b atrave´s da decomposic¸a˜o LU) A seguir, enunciamos o algoritmo de fatorac¸a˜o (decomposic¸a˜o) LU considerando um sistema compat´ıvel determinado, para o caso em que a troca de linhas na˜o e´ necessa´ria. 21 Algoritmo 1.1 Decomposic¸a˜o LU . Dados: n, uma matriz quadrada A, n× n, e um vetor de termos inde- pendentes b. L := I. Para k = 1, . . . , n− 1 Para i = k + 1, . . . , n m := aik akk . aik := 0. lik := m. Para j = k + 1, . . . , n aij := aij −makj. y1 := b1. Para i = 2, . . . , n soma := 0. Para j = 1, . . . , i− 1 soma := soma + lijyj. yi := bi − soma. xn := yn ann . Para i = n− 1, . . . , 1 soma := 0. Para j = i + 1, . . . , n soma := soma + aijxj. xi := (yi−soma) aii . Observac¸a˜o Ao te´rmino dos passos deste algoritmo, os elementos da matriz U estara˜o armazenados nas posic¸o˜es originalmente reservadas a` matriz A, portanto, perderemos os elementos de A. Flop Aqui, assumimos um flop como a unidade de operac¸a˜o de ponto flutuante que corresponde a um produto acompanhado de uma adic¸a˜o envol- vendo nu´meros reais. Nota computacional O nu´mero aproximado de flops requeridos para a soluc¸a˜o de um sistema Ax = b, sendo A uma matriz n × n, pelo me´todo de fatorac¸a˜o (decomposic¸a˜o) LU e´: supondo a primeira linha da matriz inalte- rada, na obtenc¸a˜o dos zeros na primeira coluna, realizamos n(n− 1) flops e, na segunda coluna, (n− 1)(n− 2) flops e, na terceira coluna, (n− 2)(n− 3) 22 flops e, assim por diante, resultando no seguinte somato´rio, n−1∑ k=1 (n− k + 1)(n− k) = (n 2 − 1)n 3 = n3 − n 3 . Resumindo: • Decomposic¸a˜o - n3−n 3 ; • Substituic¸o˜es - 2(n− 1)2; • Total - n3+6n2−13n+6 3 . Complexidade do algoritmo 2.1, O(n3). Resoluc¸a˜o do problema do in´ıcio desta aula Exerc´ıcios para casa Lista 1. Pro´xima aula Unidade 1 - Matrizes e Sistemas Lineares: resoluc¸a˜o da Lista 1. 23
Compartilhar