Formas quadraticas
-
Upload
ole-peter-smith -
Category
Documents
-
view
508 -
download
0
Transcript of Formas quadraticas
Autovalor, Autovetor e Formas Quadráticas
Ole Peter Smith, IME, UFG
28 de julho de 2011
1 PermutaçõesPor uma permutação dos números (1, 2, . . . , n), entendemos estes números colocadosnuma ordem diferente, (j1, j2, . . . , jn), ondem nemhum ji se repete. Podemos repre-sentar isso em forma de matriz:
p =
(1 2 · · · nj1 j2 · · · jn
)Lemos isto: 1 vai em j1, 2 vai em j2, e assim por diante. Denotamos por Pn o con-junto de todas as n! permutações de ordem n. Introduzindo a composição de duaspermutações
p1 ◦ p2 =
(1 2 · · · ni1 i2 · · · in
)◦(
1 2 · · · nj1 j2 · · · jn
)=(
1 2 · · · ni1 i2 · · · in
)◦(i1 i2 · · · inj′1 j′2 · · · j′n
)=(
1 2 · · · nj′1 j′2 · · · j′n
)Lemos isto: 1 vai em i1 que vai em j′1, 2 vai em i2 que vai em j′2, etc. É claro que:e ◦ e = e, e e ◦ p = p ◦ e = p, ∀p ∈ Pn.A permutação:
e =
(1 2 · · · n1 2 · · · n
)deixa os números em ordem inalterado, assim asociamos esta com o elemento neutro.As transposições:
tij =
(· · · i · · · j · · ·· · · j · · · i · · ·
)troca as posições de i e j. Trocando as posições de i e j duas vezes, claro, deixa aordem inalterado:
tij ◦ tij = t2ij = e
1
1.1 Exemplo: P2 1 PERMUTAÇÕES
1.1 Exemplo: P2
Em P2 temos 2! = 2 permutações:
e =
(1 21 2
)p =
(1 22 1
)Formamos o quadro de composição:
◦ e p
e e pp p e
1.2 Exemplo: P3
Nesse caso mais simples, temos 3! = 6 permutações:
e =
(1 2 31 2 3
)= (1)(2)(3)
t1 =
(1 2 31 3 2
)= (1)(2 3)
t2 =
(1 2 33 2 1
)= (2)(1 3)
t3 =
(1 2 32 1 3
)= (3)(1 2)
p =
(1 2 33 1 2
)= (1 2 3)
p2 =
(1 2 32 3 1
)= (1 2 3)2
Temos: t21 = t22 = t23 = p3 = e. Mais:
t1 ◦ p =
(1 2 31 3 2
)◦(
1 2 33 1 2
)=
(1 2 33 2 1
)= t2
t2 ◦ p =
(1 2 33 2 1
)◦(
1 2 33 1 2
)=
(1 2 32 1 3
)= t3
t3 ◦ p =
(1 2 32 1 3
)◦(
1 2 33 1 2
)=
(1 2 31 3 2
)= t1
Similarmente:
p ◦ t1 = t3
p ◦ t2 = t1
p ◦ t3 = t2
2
2 APLICAÇÕES LINEARES
Mais:
t1 ◦ p2 = (t1 ◦ p) ◦ p = t2 ◦ p = t3
t2 ◦ p2 = (t2 ◦ p) ◦ p = t3 ◦ p = t1
t3 ◦ p2 = (t3 ◦ p) ◦ p = t1 ◦ p = t2
p2 ◦ t1 = p ◦ (p ◦ t1) = p ◦ t3 = t2
p2 ◦ t2 = p ◦ (p ◦ t2) = p ◦ t3 = t3
p2 ◦ t3 = p ◦ (p ◦ t3) = p ◦ t2 = t1
Completando:
t1 ◦ t2 = t3 ◦ t1 = p
t1 ◦ t3 = t2 ◦ t1 = p2
Formamos o quadro de composição:
◦ e p p3 t1 t2 t3e e p p3 t1 t2 t3p p p2 e t3 t1 t2p2 p2 e p t2 t3 t1t1 t1 t2 t3 e p p2
t2 t2 t3 t1 p2 e pt3 t3 t1 t2 p p2 e
2 Aplicações Lineares: Autovetor e AutovalorSeja A = (aij) um matriz quadrática de ordem n, definindo uma aplicação linear,f : Rn 7→ Rn:
f(x) = A x, x ∈ Rn (1)
A linearidade da aplicação, f , expressamos em:
f(x+ y) = f(x) + f(y) (2)
E:
f(αx) = αf(x) (3)
Dizemos que v ∈ Rn é um autovetor de autovalor λ ∈ R, se:
f(v) = λv (4)
ou seja, se a imagem do v é paralela com v, reescrevendo a definição:
A v = λv = λI v
3
2 APLICAÇÕES LINEARES
Equivalentemente: (A− λI
)v = 0 (5)
Fixando um λ ∈ R, isto é um sistema linear homogêneo. Denotamos por Sλ ⊆ Rna solução completa deste sistema: o autoespaço do A do autovalor λ. Primeiramenteobservamos que os autoespaços formam um espaço vetorial, ou seja tem uma estruturalinear, pois:
x,y ∈ Sλ ⇒ x+ y ∈ Sλ (6)
E:
x ∈ Sλ, α ∈ R⇒ αx ∈ Sλ (7)
É claro, que por qualquer λ ∈ R, Sλ é não-vasil: pois 0 ∈ Sλ. Isto é, os autoespaçoscontém no mínimo a solução trivial, 0. Interessante então, é se temos autoespaços quecontém algo mais do que somente a solução trivial. Podemos escrever: {0} ⊆ Sλ ⊆Rn. Por outro lado, é claro que os autoespaços são disjuntos:
Sλ1∩ Sλ2
= ∅, λ1 6= λ2 (8)
E: ⋃λ∈R
Sλ ⊆ Rn (9)
Pela teoria de matrizes e sistemas lineares, sabemos que a dimensão dos autoespaçosdo (5) é igual o posto, ρλ, do matriz A − λI. De fato, a equação (5) tem soluçõesnão-triviais, se e somente se ρλ < n, ou seja:
det(A− λI
)= 0 (10)
O determinante aparecendo aqui é um polinômio de grau n em λ:
P (λ) = det(A− λI
)=
∣∣∣∣∣∣∣∣∣a11 − λ a12 · · · a1na21 a22 − λ · · · a2n
......
...an1 an2 · · · ann − λ
∣∣∣∣∣∣∣∣∣ (11)
Chamamos este o polinômio caraterístico do A. Seus raízes reais, no máximo n, deno-tamos o espectro do A, sendo os autovalores cuja seu autoespaço é não-trivial, ou sejacontém vetores não-trivias. Podemos calcular os coeficientes desse polinômio. Pondo:
P (λ) = anλn + an−1λ
n−1 + . . .+ a1λ+ a0 (12)
4
2.1 Exemplo: Caso n = 2 2 APLICAÇÕES LINEARES
2.1 Exemplo: Caso n = 2
Neste caso, calculamos o polinômio caraterístico:
P (λ) = det(A− λI
)=
∣∣∣∣ a11 − λ a12a21 a22 − λ
∣∣∣∣ =
(a11 − λ)(a22 − λ) − a12a21 =
λ2 − (a11 + a22)λ+ (a11a22 − a12a21)
O polinômio tem raízes reais, se e somente se o discriminante:
∆ = (−(a11 + a22))2 − 4(a11a22 − a12a21) = (a11 − a22)2 + 4a12a21
é não-zero. No caso importantíssimo que A é uma matriz simétrica: a12 = a21, vemos:
∆ = (a11 − a22)2 + 4a212 ≥ 0
Assim mostramos, o que vale por qualquer ordem n, que uma matriz simétrica tem n autovaloresreais. �
2.2 Exemplo: Caso n = 3
Como no exemplo anterior, calculamos o polinômio caraterístico:
P (λ) = det(A− λI
)=
∣∣∣∣∣∣a11 − λ a12 a13a21 a22 − λ a23a31 a32 − λ a33 − λ
∣∣∣∣∣∣ =
(a11 − λ)
∣∣∣∣ a22 − λ a23a32 − λ a33 − λ
∣∣∣∣− a12
∣∣∣∣ a21 a23a31 a33 − λ
∣∣∣∣ + a13
∣∣∣∣ a21 a22 − λa31 a32 − λ
∣∣∣∣ =
(a11 − λ) (a22 − λ) (a33 − λ)
−a23a32 (a11 − λ)
−a12 (a21 (a33 − λ) − a31a23)
+a13 (a21a32 − a31 (a22 − λ)) =
(a11 − λ) (a22 − λ) (a33 − λ)
+ (a23a32 + a12a21 + a13a31)λ
−a23a32a11 − a12a21a33 − a13a31a22
+a12a31a23 + a13a21a32 =
−λ3 + λ2 (a11 + a22 + a33)
−λ (a23a32 + a12a21 + a13a31 − a11a22 − a22a33 − a33a11)
−a23a32a11 − a12a21a33 − a13a31a22
+a12a31a23 + a13a21a32 + a11a22a33
Reconhecemos aqui o traço do A, TA (o coeficiente de λ2) e o determinante do A (o termoconstante). Encontramos também a quantidade:
5
2.2 Exemplo: Caso n = 3 2 APLICAÇÕES LINEARES
ΣA = a23a32 + a12a21 + a13a31 − a11a22 − a22a33 − a33a11
Assim, podemos escrever:
P (λ) = −λ3 + TAλ2 + ΣAλ+ detA
Por ser de grau ímpar, sabemos apriori que P (λ) tem no mínimo uma raíz real, λ0. Casonecessário, podiamos estimar este raíz numericalmente. Escrevemos:
P (λ) = (λ0 − λ)(λ2 + aλ+ b
)= −λ3 + (λ0 − a)λ2 + (aλ0 − b)λ+ bλ0
Comparando coeficientes, vemos:
λ0 − a = TA
aλ0 − b = ΣA
bλ0 = detA
Assim, usando as primeiras duas equações:
a = λ0 − TA
b = aλ0 − ΣA
Usando a última equação, verificamos:
detA = bλ0 =(aλ0 − ΣA
)λ0 =
((λ0 − TA
)λ0 − ΣA
)λ0 = λ3
0 − TAλ20 − ΣAλ0
Ou seja:
λ30 + TAλ
20 + ΣAλ0 + detA = 0
O que se diz: λ0 é raíz no polinômio caraterístico. Temos três raízes reais, caso:
a2 − 4b =(λ0 − TA
)2
− 4(aλ0 − ΣA
)=(
λ0 − TA
)2
− 4((λ0 − TA
)λ0 − ΣA
)=
λ20 − 2TAλ0 + T 2
A − 4λ20 + 4TAλ0 + 4ΣA =
−3λ20 + 2TAλ0 + T 2
A + 4ΣA ≥ 0
�
Da mesma maneira, obtemos no caso geral:
an = (−1)n
an−1 = (−1)n−1 (a11 + a22 + . . .+ ann) = (−1)n−1TA
a0 = P (0) = detA
6
2.3 Exemplo: Núcleo de uma Aplicação Linear 2 APLICAÇÕES LINEARES
2.3 Exemplo: Núcleo de uma Aplicação LinearO núcleo de uma aplicação linear, NA, é definido como os vetores cuja imagem é o vetor trivial,0: A x = 0. Este já apareceu no teoria de sistemas lineares, onde o chamamos a soluçãocompleta do sistema homogêneo. Também apareceu nacima, onde nos o chamamos o autoespaçodo autovalor λ = 0: NA = S0.O autoespaço S + 0, ou seja o núcleo, contém vetores não triviais, se e somente se, λ = 0 é raízno polinômio caraterística, isto é, se e somente se o matriz é singular: detA = 0. �
7