Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Inês Nicau
17 de Dezembro de 2006
Conteúdo
Conteúdo i
Agradecimentos v
Notação vi
Resumo x
Abstract xii
Introdução xiii
i
ii
1.2 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.7 Determinantes . . . . . . . . . . . . . . . . . . . . . . . 27
1.3 Grafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2 Matrizes
Estudo complementar 42
Noções introdutórias . . . . . . . . . . . . . . . . . . . . . . . 81
nas 100
Bibliogra…a 162
Agradecimentos
-Ao júri da minha dissertação, que se dispôs a ler e corrigir o meu trabalho
v
Notação
car - característica;
h i - produto interno;
p(t) - polinómio;
j j - módulo;
vi
vii
no corpo F ;
Pm n - padrão do tipo m n;
A1 !
c A2 - padrão A1 compatível ao padrão A2 ;
#X -cardinalidade do conjunto X;
designa uma entrada não nula. Dizemos que a matriz A = [aij ], com elemen-
tos num corpo arbitrário, tem padrão P, se é do mesmo tipo que P e aij 6= 0
uma matriz real, se as suas entradas positivas estão nas posições +, as suas
entradas negativas estão nas posições , e as suas entradas nulas estão nas
do seu padrão ou padrão de sinais, estudando com maior pormenor a não sin-
nas no conhecimento da posição das suas entradas não nulas (ou, no caso de
x
xi
longo do trabalho.
matrix A = [aij ] belongs to the pattern P if its dimensions agree with those
0
of P and the nonzero entries of A appear precisely in the positions of s in
belong to the set f+; ; 0g. A matrix A belongs to the sign pattern A, if the
positive entries appear in the + positions, the negative entries appear in the
ties that are either required or allowed, based just upon knowledge of the
nonzero entries (or, when we talk about sign patterns, the entries signs) of a
Some of these concepts are very usefull for the rest of the work.
xii
Introdução
cada de 60. No entanto, tem sofrido, nos últimos tempos, um grande desen-
entre outras.
Este tema suscita bastante interesse: por um lado, por não estar ainda com-
outras; por outro lado, por tentar estabelecer conexões entre a Teoria Ma-
novo tipo de matrizes, que apenas nos dão as características qualitativas das
xiii
xiv
sinais.
ter como base matrizes não numéricas, e por isso com poucas características
- Uma primeira parte, composta por dois capítulos, onde estão apresen-
Nos três últimos capítulos fazemos uma análise de algumas publicações cuja
numéricas, já que muitos dos cálculos com estas admitem generalizações qua-
litativas.
matrizes e grafos, alguns dos quais vão ser utilizados posteriormente ao longo
sistemático.
1
2
bitualmente por soma e produto) em que ambas têm que ser comutativas
da adição, têm que ter inversos no conjunto; …nalmente o produto tem que
nado por vector nulo e representado por 0) e para a qual todos os elementos
a(u + v) = au + av;
(a + b)u = au + bu;
a(bu) = (ab)u;
1u = u:
3
F n = f(x1 ; x2 ; : : : ; xn ) : x1 ; x2 ; : : : ; xn 2 F g
com a soma
(x1 ; x2 ; : : : ; xn ) = ( x1 ; x2 ; : : : ; xn )
escalar.
4
a1 v1 + a2 v2 + :::: + ak vk ; com a1 ; a2 ; : : : ; ak 2 F:
tais que
a1 v1 + a2 v2 + :::: + ak vk = 0:
mente independente;
outros.
5
família de vectores:
e vice-versa;
vice-versa;
car(X) < k:
Uma família de vectores pode ser manipulada de forma a que a sua carac-
Teorema 1.1.4 Seja X = fv1 ; :::; vk g uma família de vectores num espaço
Entre as aplicações que podem ser de…nidas entre dois espaços vectoriais, têm
interesse especial as que são, por assim dizer, compatíveis com as operações
1. 8 u; v 2 U; T (u + v) = T (u) + T (v);
2. 8 u 2 U; 2 F; T ( u) = T (u):
U e V , respectivamente:
Núcleo de T : N uc (T ) = fu 2 U : T (u) = 0g ;
espaços vectoriais. Quando uma aplicação linear entre dois espaços é bijec-
que estes são isomorfos. Prova-se que dois espaços vectoriais de dimensão
Produto Interno
hi:V V !C
hv + u; zi = hv; zi + hu; zi ;
hcv; ui = c hv; ui ; 8c 2 C;
hv; vi 0;
hv; vi = 0 se e só se v = 0:
hv; ui = hu; vi ;
hv + u; zi = hv; zi + hu; zi ;
9
hcv; ui = c hv; ui ; 8c 2 R;
hv; vi 0;
hv; vi = 0 se e só se v = 0:
y = (y1 ; : : : ; yn ), por
hx; yi = x1 y1 + x2 y2 + + xn yn
hx; yi = x1 y1 + x2 y2 + + xn yn :
Nota: A partir deste ponto, todas as de…nições e teoremas desta secção vão
interno de…nido.
Ortogonalidade
Norma
normalizado ou unitário.
normas:
jhu; vij
= arccos ; 06 6 :
kvk kuk 2
Uma base de V pode ser substituída por uma base ortonormal (base or-
u1 = v1;
u1
z1 = é um vector normalizado;
ku1 k
u2 = v2 hv2 ; z1 i z1 (u2 é ortogonal a z1 );
u2
z2 = :
ku2 k
O processo continua iterativamente. Para k 2 f3; : : : ; ng ; de…ne-se:
z1 ; :::; zk 1 ):
uk
zk = (zk é normalizado e ortogonal a z1 ; :::; zk 1 ):
kuk k
Complemento Ortogonal
S ? = fv 2 V : hv; ui = 0; 8u 2 Sg :
temos ainda:
?
1. S ? = S 0 , onde S 0 é o menor (relativamente à relação de inclusão)
?
2. S ? = S (se e só se S for subespaço).
12
Norma Vectorial
1. kvk 0 e kvk = 0 se e só se v = 0;
3. kv + uk kvk + kuk :
Exemplos 1.1.9
em V:
2. Norma Euclidiana ou l2 em Cn ou Rn :
1
kvk2 = jv1 j2 + ::: + jvn j2 2
:
3. Norma Soma ou l1 em Cn ou Rn :
4. Norma do Máximo ou l1 em Cn ou Rn
5. Norma lp em Cn ou Rn
X
n
1
kvkp = (jvi jp ) p ; p 1:
i=1
Nota 1.1.10 A de…nição de norma vectorial não exige que o espaço vectorial
V seja de dimensão …nita; o espaço V pode ser, por exemplo, C [a; b], o es-
paço vectorial de todas as funções reais contínuas no intervalo real [a; b] : Por
para Cn :
14
1
Rb 2
2
kf k2 = jf (t)j dt ;
a
Rb
kf k1 = jf (t)j dt;
a
1
Rb p
p
kf kp = jf (t)j dt ,p 1;
a
kf k1 = max fjf (v)j : v 2 [a; b]g.
Para qualquer norma ou normas dadas, podem ser construídas novas normas
de várias maneiras; por exemplo, é fácil mostrar que a soma de duas normas
n o
kvk = max kvk ; kvk
próximo teorema:
vectorial em V:
15
1.2 Matrizes
e com valores em F .
2 3
a11 a12 ::::: a1n
6 7
6a a2n 7
6 21 a22 :::: 7
A=6 7;
6 :::: :::: :::: :::: 7
4 5
am1 am2 :::: amn
A = [aij ]i=1;:::;m
j=1;:::;n
ou
A = [aij ]m n :
X
n
tr (A) = aii :
i=1
AT = [bij ]n m
(AT )T = A
e que
tr(AT ) = tr (A) :
de ordem n:
Há algumas matrizes quadradas de tipo especial, quer pela posição dos zeros
i 6= j;
4. Simétrica, se AT = A;
5. Hemi-simétrica, se AT = A;
arbitrário F:
18
Soma
propriedades:
(A + B) + C = A + (B + C);
A + B = B + A;
A + 0m n = 0m n + A = A;
A + ( A) = ( A) + A = 0;
(A + B)T = AT + B T :
Produto escalar
por A é a matriz
seguintes propriedades:
19
(A + B) = A + B;
( + )A = A + A;
1:A = A;
( )A = ( A);
tr( A) = tr(A);
0m n = 0m n;
( A)T = AT :
veri…ca-se que:
Produto de matrizes
matrizes do mesmo tipo, mas sim para pares de matrizes em que o número
matriz.
20
de matrizes quadradas:
1. Idempotente, se A2 = A;
(AB)C = A(BC);
AI = IA = A;
(A + B)C = AC + BC;
A(B + C) = AB + AC;
(AB)T = B T AT ;
A0 = 0:
21
Matrizes invertíveis
AX = XA = In
para uma matriz ter inversa, é esta ser quadrada, mas esta condição não é,
1 1
A é invertível e (A 1 ) = A;
1
AB é invertível e (AB) = B 1A 1;
1 T
AT é invertível e AT = (A 1 ) ;
1 1
Para 6= 0; A é invertível e ( A) = A 1;
1 k
Ak = (A 1 ) :
22
1. Conjugada de A: A = [aij ]m n;
T
2. Transconjugada de A: A = A :
A = A;
A + B = A + B;
AB = AB;
(A ) = A;
(A + B) = A + B ;
(AB) = B A :
Submatrizes
Por exemplo, se 2 3
61 2 37
6 7
A = 64 5 67 ;
4 5
7 8 9
23
A.
car(A) = car(AT )
e, portanto, esta de…nição pode ser escrita usando as colunas em vez de usar
para as matrizes:
matriz.
Desigualdades da característica:
Se A 2 Mm k (F ) e B 2 Mk n (F );
(Desigualdade de Frobenius) Se A 2 Mm k (F ); B 2 Mk p (F ) e
Igualdades da característica:
A = xuT (x 2 F m ; u 2 F n ):
alc = 0.
1. O pivot é a identidade;
vBV = AuBU :
Por outro lado, cada matriz A 2 Mm n (F ) de…ne uma uma aplicação linear
1.2.7 Determinantes
um arranjo dos n inteiros nalguma ordem, sem haver repetição ou omissão dos
f1; 2; :::; ng e vemos que a sua cardinalidade é n!. Considerando como uma
menor precede um que lhe é superior. Uma permutação tem sinal posi-
isto é:
X X Y
n
det(A) = sgn( )a1 (1) a2 (2) : : : an (n) = sgn( ) ai (i) :
2Sn 2Sn i=1
de A.
det(B) = det(A);
Propriedades do determinante
det(A) = det(AT );
n
det( A) = det(A);
29
1
Se A é invertível, det(A 1 ) = (det(A)) :
Teorema de Laplace
P
n
1. Se l 2 f1; 2; :::; ng ; det(A) = alj A^lj .
j=1
P
n
2. Se c 2 f1; 2; :::; ng ; det(A) = aic A^ic :
i=1
de A a
h i
A = A^ij
^
30
Adj(A) = A^T :
1 1 1
2. Se A é invertível, A = (det A) Adj(A) = Adj(A):
det(A)
equivalentes:
1. A é invertível;
2. A é não singular;
3. car(A) = n;
5. det(A) 6= 0;
6. dim (Im(A)) = n;
7. dim (N uc(A)) = 0;
31
Matrizes de Permutação
cação de P por uma matriz A realiza uma permutação nas linhas ou colunas
como
pA ( ) = det(A In )
det(A In ) = 0:
do sistema de equações (A In )x = 0:
entradas são 1:
n n 1
O polinómio característico de Jn é pJn ( ) = n ; pelo que os valores
zero.
34
de A.
1. det(A) = 1 2 ::::: n ;
2. tr(A) = 1 + 2 + ::: + n:
k
1. Se é valor próprio de A, é valor próprio de Ak :
1
2. Se A é não singular, então é valor próprio de A se e só se é valor
próprio de A 1 :
res próprios.
Semelhança de Matrizes
próprios.
têm ambas como valor próprio apenas o zero, com multiplicidade algébrica
2, mas é óbvio que não são semelhantes, pois a única matriz semelhante à
1 1
Demonstração. Se B = S AS e se Bx = x, então (S AS) x = x, isto
é,
associado a :
car(B) = car(A):
A+C B + D:
1. A é semelhante a AT ;
2. A A é semelhante a AA ;
3. AA é semelhante a AA .
Q 1 AQ = B:
37
Então A é
matriz nilpotente: Ak = 0;
matriz de involução: A2 = In :
mos que:
2. tr(A) = car(A):
38
matriz diagonal é o número das suas entradas diagonais não nulas, a carac-
de A.
é diagonalizável.
1.3 Grafos
de V V:
neste caso cada aresta pode ser identi…cada com um conjunto fa; bg em
que a; b 2 V:
seguinte:
v1 v2
HH
H
HH
H
HH
H
? HH
j ?
v3 v4
40
vértices associados.
Grafo Simples - Grafo que não tem laços nem arestas múltiplas.
Vértices Adjacentes - Vértices que estão unidos por uma aresta (pelo
menos).
Grafo Regular - Grafo não orientado em que todos os vértices têm o mesmo
grau.
Grafo Completo - Grafo no qual há sempre uma aresta que une dois vér-
Kn :
mesmo subconjunto.
Grafo Bipartido Completo (Kn;m ) - Grafo simples bipartido tal que to-
41
conjunto.
tem cardinal 1 e o único vértice desse conjunto está unido a todos os outros.
Matrizes
Estudo complementar
AT A = AAT = In :
U U = U U = In :
Nota 2.1.1 As matrizes ortogonais são unitárias, pelo que, o que se segue
42
43
1. U T é unitária;
2. U V é unitária;
3. jdet U j = 1;
5. j j = 1; 8 valor próprio de U ;
1
8. adj(U ) = (det U )U = (det U )U :
volução.
seguintes:
1. S 2 = U ;
2. S é unitária;
3. S é simétrica;
Isto quer dizer que toda a matriz simétrica unitária tem uma raíz quadrada
simétrica unitária que comuta com qualquer matriz que comute com a primeira.
unitária U , então existe uma matriz real ortogonal Q tal que A = QBQT :
Isto quer dizer que se duas matrizes reais são unitariamente semelhantes,
1 T T
Além disso, U = U ; U = U ; e U = U T : Temos que
U BU = A ()
() U BU =A
() U BU T = A:
Mas,
U BU = U BU T
) U T U B = BU T U:
1 T
QT Q = U S US 1
= SU T U S 1
= In :
Q é real porque
QT = Q 1
= Q =) Q = Q:
S e B comutam;
S é unitária;
46
Q é real e ortogonal;
Então
1 1
A = U BU = U S (SB) U = Q(BS)U = QB(S )U
Quando uma matriz em blocos A tem todos os blocos não diagonais (os blocos
Aij ; com i 6= j) nulos diz-se que A é soma directa de A11 ; A22 ; : : : ; Ann :
Particionar matrizes em blocos pode ser útil, como se pode ver nos exemplos
seguintes:
Exemplos 2.2.1
2 3
A11 A12
1. Seja A uma matriz em blocos, quadrada e complexa: A = 4 5,
A21 A22
onde A11 e A22 são matrizes quadradas da mesma ordem. Então:
47
Se A11 for invertível, det(A) = det(A11 )(det(A22 A21 A111 A12 ));
8x 2 Cn :
cipal de A é positivo;
lentes:
1. A é semide…nida positiva;
Sabemos que qualquer número não negativo tem uma raíz quadrada não
positivas:
A A; 8A;
A B^B A =) A = B;
A B^B C =) A C:
A B () x Ax x Bx; 8x 2 Cn :
eB 0. Então:
A+B B;
1 1
A 2 BA 2 0;
tr(AB) tr(A)tr(B);
se AB = BA.
Produto de Kronecker
A B(ms) (nt) :
2 3
a11 B a12 B ::: a1n B
6 7
6a B ::: ::: ::: 7
6 21 7
A B=6 7
6 ::: ::: ::: ::: 7
4 5
am1 B am2 B ::: amn B
tem-se:
h i
u v= u1 v1 : : : u1 vn : : : un v1 : : : un vn :
Para matrizes A; B; C; D :
1 1 1
2. (A B) =A B (se A e B forem não singulares);
Produto de Hadamard
A B = [aij bij ]m n :
h i
Exemplo 2.4.5 u v = u1 v1 u2 v2 : : : un vn :
A 0,B 0 =) A B 0;
A 0,B 0 =) A B 0:
A2 B 2 (A B)2 ;
1 1
A B (A B) 1 , (se A e B forem não singulares);
1
A A In ; (se A for não singular).
52
próprios reais.
mos, então, designar cada valor próprio da matriz hermítica A por i (A) ;
1. A é hermítica;
2. x Ax 2 R; 8x 2 Cn ;
3. A2 = A A;
duas matrizes hermíticas é sempre real, apesar do produto poder ser ou não
hermítico:
tr(AB)2 tr(A2 B 2 ):
se A é semelhante a A :
com valores singulares não nulos 1 ; :::; r. Então existem matrizes unitárias
transconjugada: AA = A A:
1. A é normal;
55
ortonormal para Cn ;
X
n
2
X
n
7. tr(A A) = jaij j = j i j2 ;
i=1;j=1 i=1
8. tr(AA )2 = tr((A )2 A2 );
11. kAxk = kA xk ; 8x 2 Cn ;
12. A = AU (U unitária) ;
13. A = V A (V unitária) ;
matrizes (0,1).
AAT = tIn + Jn
AB = Jn In :
Então AB = BA:
X
n
2
X
n
j ij jaij j2 :
i=1 i=1;j=1
1. kAk 0;
2. kAk = 0 se e só se A = 0;
4. kA + Bk kAk + kBk ;
Nota 2.8.1 Como kA2 k = kAAk kAk kAk = kAk2 para qualquer norma
matricial, temos kAk 1 para qualquer matriz não nula A para a qual
espaço vectorial Mn , mas outras não o são. Vamos ver alguns exemplos,
Exemplos 2.8.2
X
n
1. A norma l1 de…nida para A 2 Mn por kAk1 = jaij j ; é uma norma
i;j=1
matricial:
kABk1 =
X
n X
n X
n
= aik bkj jaik bkj j
i;j=1 k=1 i;j;k=1
Xn
jaik bmj j
i;j;k;m=1
! !
X
n X
n
= jaik j jbmj j
i;k=1 j;m=1
= kAk1 kBk1 :
! 12
X
n
2. A norma Euclidiana de…nida para A 2 Mn por kAk2 = jaij j2
i;j=1
é uma norma matricial:
(kABk2 )2 =
2
X
n X
n
= aik bkj
i;j=1 k=1
" ! !#
X
n X
n
2
X
n
2
jaik j jbmj j
i;j=1 k=1 m=1
! !
X
n X
n
= jaik j2 jbmj j2
i;k=1 m;j=1
2 2
= (kAk2 ) (kBk2 ) :
59
se que
J22 1
= k2J2 k1 = 2 kJ2 k1 = 2
norma matricial.
X
n
kABk = n max aik bkj
1 i;j n
k=1
X
n
n max jaik bkj j
1 i;j n
k=1
Xn
n max kAk1 kBk1 :
1 i;j n
k=1
Teorema 2.8.3
3. kIn k = 1:
2. Ax = 0; 8x;quando A = 0;
3. kcAk = max kcAxk = max jcj kAxk = jcj max kAxk = jcj kAk ;
4.kA + Bk = max k(A + B)xk = max kAx + Bxk max (kAxk + kBxk)
Ax
kAk ;
kxk
Finalmente,
Vamos agora estudar alguns exemplos de normas matriciais que são induzidas
A = [aij ] 2 Mn :
Exemplos 2.8.4
h iT
Se x = x 1 : : : xn ; então:
X
n
kAxk1 = kx1 c1 + ::: + xn cn k1 kxi ci k1
i=1
X
n X
n
= jxi j kci k1 jxi j max kck k1 =
1 k n
i=1 i=1
X
n
= jxi j kAkc = kxk1 kAkc :
i=1
Portanto,
e então,
lamos:
X
n
kAxk1 = max aij xj
1 i n
j=1
X
n
max jaij xj j
1 i n
j=1
Xn
max jaij j kxk1 = kAkl kxk1 :
1 i n
j=1
assumir que A 6= 0 :
e
X
n
max kAxk1 kAzk1 = max aij zj
kxk1 =1 1 i n
j=1
X
n X
n
aij zj = jakj j = kAkl :
j=1 j=1
matricial.
64
do seguinte modo:
1 1 1
kABkS = S ABS = (S AS)(S BS)
1 1
S AS S BS = kAkS kBkS :
(A) kAk :
j j (A):
j j = (A):
e por isso
Embora a função raio espectral não seja por si uma norma vectorial ou ma-
Matrizes convergentes
Teorema 2.8.8 Seja A 2 Mn uma dada matriz. Se existe uma norma ma-
((=) Por outro lado, se (A) < 1; então, pelo teorema 2.8.8, existe uma
1
(A) = lim Ak k
:
k !1
X
1
A 1
= (In A)k :
k=0
X
n
jaii j > jaij j ; 8i = 1; :::; n
j=1
j6=i
Nesta secção são estudadas matrizes não negativas, sendo referidas pro-
seguinte modo:
(m+1) (m)
pi = ai1 p1 + ::: + ain p(m)
n
(m)
onde ai1 p1 é a parte da população que vai da cidade 1 para a cidade i e
(m)
ain pn é a parte da população que vai da cidade n para a cidade i, i = 1; :::; n
e m = 0; 1; :::
X
n
0 aij 1e aij = 1, para cada j = 1; :::; n:
i=1
Antes de fazer planos a longo prazo para os serviços da cidade, o governo quer
68
saber como é que a população total estará distribuída num futuro longínquo,
Consideremos
X
n
(0)
p= pi
i=1
tótico da matriz Am :
Logo,
A fracção total inicial na cidade 1(a que é da cidade 1 e vai lá …car: a11 , e a
que vai migrar para a cidade 2: a21 ) é igual à fracção total inicial da cidade
2 (a que é da cidade 2 e vai lá …car: a22 ; e a que vai migrar para a cidade 1:
a12 ).
Então temos:
a11 + = 1 () a11 = 1 ;
a22 + = 1 () a22 = 1 :
det (A I2 ) = ( 1) ( + + 1)
0 ; 1, temos
j1 j = j 2j 1:
j 1j j 2 j =) 1 = 1 = (A):
próprio simples de A.
70
cálculos directos): 2 3
Para 1 = 1 temos X = k 4 5 ; k 2 R:
2 3
1
Para 2 =1 temos X = k 4
5 ; k 2 R:
1
Daqui concluímos que A é diagonalizável e podemos considerar a matriz
diagonalizante 2 3
1
S=4 5;
1
1
tal que A = SDS ; em que
2 3
1 0
D=4 5
0 1
m
lim 2 = 0:
m !1
lim Am =
m !1
2 3m
1 0
= lim S 4 5 S 1
=
m !1 1 !0
0 1
2 3
1 0
=S4 5S 1
=
0 0
71
2 32 3 2 3T
1 1 0 1 1
= 4 54 5 4 5 =
1 0 0 ( + ) 1
2 3 2 3
0 1 1 1
= 4 5 4 5=
0 +
2 3
1 4 5:
=
+
2 3
(0) (0)
1 4 (p1 + p2 ) 5
= :
+ (0)
(p + p )
(0)
1 2
2 3
(0) (0) 1 4 5 que é inteira-
Mas p1 + p2 = 1, logo, a última expressão …ca
+
mente independente da distribuição inicial.
Casos excepção:
1) = =
20 3
1 0
A = I2 = 4 5 =) lim Am = I2m = I2 =) lim p(m) = I2 p(0) = p(0) e
m !1 m !1
0 1
aí a distribuição em equilíbrio é dependente da população inicial;
2) 2= = 13
0 1
A=4 5, o que quer dizer que as duas cidades trocam as suas popu-
1 0
lações totais em dias sucessivos.
72
De…nições:
1. A B se A B 0;
2. A > B se A B > 0;
Proposições:
3. jA + Bj jAj + jBj ;
4. Se A 0; B 0 e a; b 0, então aA + bB 0;
5. Se A BeC D, então A + C B + D;
6. Se A BeB C, então A C.
73
9. kAk2 = k(jAj)k2 :
norma. Para m 2 N temos jAm j jAjm e sabemos que jAj B por hipótese.
Então, para m 2 N,
jAm j jAjm Bm )
=) kAm k2 kjAjm k2 kB m k2
1 1 1
=) kAm k2m kjAjm k2m kB m k2m :
74
com valor próprio kAk1 e por isso (A) = kAk1 : Analogamente obtemos a
a AT :
X
n X
n
min aij (A) max aij
1 i n 1 i n
j=1 j=1
X
n X
n
min aij (A) max aij
1 j n 1 j n
i=1 i=1
75
P
n
Demonstração. Seja = min aij e vamos construir uma nova matriz
1 j n i=1
P
n
B tal que 0 B Ae bij = ; 8i (isto é, a soma dos elementos de cada
j=1
linha de B é constante e igual a ). Se, por
! 1exemplo, = 0 então B = 0:
Pn
Se > 0; podemos ter bij = aij aij : Sabemos, pelo teorema ante-
j=1
rior, que (A) = e sabemos que se 0 B A; então
de aplicar a A).
76
qualquer matriz irredutível de ordem maior que 1 não pode ter uma linha ou
coluna nula.
(In + A)n 1
> 0:
z = In y + Ay = y + Ay e Ay 0;
propriedades:
Uma matriz positiva é um caso especial de uma matriz irredutível não nega-
forma cíclica:
2 3
0 A12 0 ::: 0
6 7
6 0 0 A23 ::: 0 7
6 7
6 7
A 6 ::: ::: ::: ::: ::: 7:
6 7
6 7
6 0 ::: ::: ::: Ah 7
4 1h 5
Ah1 0 ::: ::: 0
As propriedades espectrais de matrizes irredutíveis não negativas já estu-
dadas, não são preservadas quando passamos para matrizes redutíveis. Mas,
como todas as matrizes não negativas podem ser representadas como o limite
quer dizer que algumas das propriedades se mantêm, de uma forma mais
um valor próprio não negativo ; tal que o módulo de todos os outros valores
Ay = y (y 0; y 6= 0):
Para terminar esta secção vamos apenas dar mais uma de…nição, que só é
Matriz Primitiva
de A é positiva:
Ap > 0; p 0:
Capítulo 3
padrões
Noções introdutórias
81
82
Classe de um padrão
matrizes A, que têm padrão P, isto é, todas as matrizes do mesmo tipo que
P, e onde 8
< a = 0, se p = 0
ij ij
:
: aij 6= 0; se pij =
2 3
6 0 0 7
6 7
6 0 7
4 5
2 3
6 2 0 0 7
6 7
A=6 0 1 3 7 2 Q(P)
4 5
1
2
4 5
ou ainda, 2 3
6 8 0 0 7
6 7
B=6 0 2 5 7 2 Q(P):
4 p p 5
3 2 1
83
Padrão Subordinado
P = [pij ]m n se
pij = 0 =) p^ij = 0:
é subordinado ao padrão
2 3
6 0 0 7
6 7
P =6 0 7:
4 5
Padrão Completo
2 3
6 7
6 7
P =6 7 , é o padrão completo de ordem 3.
4 5
por exemplo: 2 3
6 1 2 3 7
6 7
A=6 4 5 6 7 2 Q(P):
4 5
7 8 9
84
Exemplo 3.1.3
2 3
6 0 7
6 7
P =6 0 7 é um padrão combinatoriamente simétrico.
4 5
0
do mesmo tipo que A, e onde, sendo sgn (bij ) o sinal do elemento bij ;
8
< b = 0, se a = 0
ij ij
:
: sgn (bij ) = aij , se aij 6= 0
85
A:
2 3
2 1
B=4 5 2 Q(A)
0 3
ou ainda, 2 p 3
2
5
C=4 3 5 2 Q(A).
0 4
Padrões de sinais completos
São padrões de sinais sem entradas nulas. Entre estes distinguimos o padrão
2 3
+ + ::: +
6 7
6 + + ::: + 7
6 7
A+ = 6 7;
6 ::: ::: ::: ::: 7
4 5
+ + ::: +
2 3
:::
6 7
6 ::: 7
6 7
A = 6 7:
6 ::: ::: ::: ::: 7
4 5
:::
86
Exemplos 3.1.5
2 3
2 1
A = 4 5 2 Q(A+
2 2 );
3 4
2 3
1 1
B = 4 5 2 Q(A2 2 ):
2 2
De…ne-se ainda:
3 valores distintos:
8
>
>
< +; se det A > 0
>
sgn(det A) = ; se det A < 0 :
>
>
>
: 0; se det A = 0
Através dos seguintes exemplos, vamos ver as possibilidades de valor que pode
Exemplos 3.1.6
Calculemos det(A1 )
Calculemos det(A2 ) :
3. O padrão de sinais 2 3
+ +
A3 = 4 5
0 0
tem, claramente, determinante nulo, o que quer dizer que qualquer ma-
Neste caso
que não permite concluir sobre o sinal dos determinantes das matrizes
det(A4 ) = #:
2 3 2 3 2 3
1 2 8 1 8 6
A=4 5 B=4 5 C=4 5
3 4 4 2 4 3
Apercebemo-nos que
bíguo.
dado padrão e uma propriedade que apenas algumas matrizes dessa classe
veri…cam.
o que quer dizer, como vimos atrás, que qualquer matriz pertencente à
classe deste padrão de sinais tem sempre determinante com sinal ne-
90
um exemplo: A matriz
2 3
6 1 2 0 7
6 7
B=6 2 4 0 7 2 Q (A)
4 5
0 0 9
e
BT = B
priedade: 2 3
+ 0
A =4 5:
+ 0
Se considerarmos a matriz A 2 Q (A) ;
2 3
1 0
A=4 5;
2 0
91
temos que 2 32 3 2 3
3 0 3 0 9 0
B2 = 4 54 5=4 5
2 0 2 0 6 0
e, portanto, B 2 6= B:
um padrão:
já que
Se 2 3 2 3
1 2 4 0
A=4 5 2 Q(Pc ) e B = 4
5 2 Q(Pd );
2 1 0 4
2 32 3 2 3 2 32 3
1 2 4 0 4 8 4 0 1 2
AB = 4 54 5=4 5=4 54 5 = BA;
2 1 0 4 8 4 0 4 2 1
de onde se conclui que Pc e Pd admitem a propriedade da comutatividade. No
por uma matriz de permutação ou por uma matriz diagonal, soma directa,
ou padrões de sinais, de uma forma não ambígua, pelo que serão utilizados
Uma vez que a maior parte do nosso estudo vai abranger algumas pro-
superpadrão de A1 .
2 3 2 3
6+ 07 60 07
6 7 6 7
A = 6+ + 7 e A1 = 6 0 0 7;
4 5 4 5
+ 0 + 0
Notamos, a partir da observação das entradas em cada padrão, que A1 é
subpadrão de A:
padrão de sinais A:
94
A matriz A 2 Q(A)
2 3
61 2 37
6 7
A = 62 4 37 tem característica igual a 3;
4 5
1 1 1
A matriz B 2 Q(A)
2 3
61 2 37
6 7
B = 62 4 67 , tem característica igual a 2;
4 5
4 5 6
forma
P
m
onde i é um ciclo simples de comprimento li , li = k, e nenhum índice
i=1
aparece ao mesmo tempo em i e j, 1 i<j m.
e o ciclo
não singulares. É claro que um padrão de sinais pode não ser não singular
uma matriz na classe desse padrão que é não singular, apesar de outras na
Exemplos 3.2.4
Vemos que det(A2 ) = 0, o que quer dizer que este padrão tem determi-
que qualquer padrão com uma linha ou coluna totalmente nula requer
temos que
det(A) = 3 6= 0 e det(B) = 0;
o que quer dizer que a matriz A é não singular, enquanto que a matriz
B é singular.
para A = [aij ]n n, A é:
dois vértices;
D(A):
Capítulo 4
colunas
(Johnson, Charles R. e Stanford, David P.: "Patterns that allow given row
Iniciamos, com esta primeira análise, uma abordagem aos padrões genera-
P, cujo vector soma das linhas (vector cujas componentes são o somatório
100
101
^ subor-
2. Problema de Admissão Fraca - Neste caso é um padrão P,
de colunas c.
O estudo deste problema tem várias aplicações, ligadas por exemplo à comu-
soma das …las (linhas e colunas) é igual, então P comuta com o padrão com-
pleto (da ordem respectiva, de modo a que seja possível fazer o produto entre
dos elementos em cada linha é igual à soma dos elementos em cada coluna,
e 2 3
1 1
J2 = 4 5:
1 1
Temos 2 32 3 2 3
a b 1 1 a+b a+b
AJ2 = 4 54 5=4 5
c d 1 1 c+d c+d
e 2 32 3 2 3
1 1 a b a+c b+d
J2 A = 4 54 5=4 5:
1 1 c d a+c b+d
Mas como a soma dos elementos das linhas (a + b = c + d) é igual à soma
forma: 2 3
nP2
1 1 1 1 1
61 2 4 8
::: 2n 2 2k 7
6 k=1 7
6 1 1 1 1 1 7
60 2 4 8
::: 2n 2 2n 2 7
6 7
60 0 1 1
::: ::: ::: 7
6 2 4 7
6 7
6::: 0 0 1
::: ::: ::: 7:
6 2 7
6 7
6::: 0 0 0 ::: ::: ::: 7
6 7
6 7
60 ::: 0 ::: ::: 1 1 7
4 2 2 5
0 0 0 0 ::: 0 1
Apercebemo-nos, olhando para as linhas e colunas da matriz, que a soma dos
elementos em cada linha é igual à soma dos elementos em cada coluna e igual
103
X
m X
n
rj = cj :
j=1 j=1
^ subordinado a P,
Nesta secção vamos estudar o caso em que um padrão P,
a P os seguintes objectos:
1. Padrão de Variáveis de P
É um grafo G com vértices v1 ; v2; :::; vm ; vm+1 ; :::; vm+n , que representam
é o índice da variável.
Para construir G e C :
2 3
6x1 7
6 7
6x5 7 ,! …la 5 (coluna 2);
4 5
0
2 3
607
6 7
6 0 7 ,! …la 6 (coluna 3);
4 5
x7
2 3
6x2 7
6 7
6 0 7 ,! …la 7 (coluna 4);
4 5
x8
2 3
6x3 7
6 7
6x6 7 ,! …la 8 (coluna 5).
4 5
0
Vamos agora construir o grafo G. Como temos 8 …las, vamos ter 8 vértices
vértices
V1 = fv1 ; v2 ; v3 g
V2 = fv4 ; v5 ; v6 ; v7 ; v8 g :
As arestas de G são:
v1 v2 v3
P
HP HH
HP
HPP H
HHPP H
H PPPHH
HH PPHH
H PPH
? HH
j ? PPHH
j
q
P
v4 v5 v6 v7 v8
variáveis x1 ; x2 ; x3 :
variáveis x4 ; x5 ; x6 :
Na linha 3 temos 1’s nas posições 7 e 8, porque temos, nesta …la, as variáveis
x 7 ; x8 :
Na linha 5 temos 1’s nas posições 1 e 5, porque temos, nesta …la, as variáveis
x 1 ; x5 :
Na linha 7 temos 1’s nas posições 2 e 8, porque temos, nesta …la, as variáveis
x 2 ; x8 :
108
Finalmente, na linha 8 temos 1’s nas posições 3 e 6, porque temos, nesta …la,
as variáveis x3 ; x6 :
2 3
1 1 1 0 0 0 0 0
6 7
60 0 0 1 1 1 0 07
6 7
6 7
60 0 0 0 0 0 1 17
6 7
6 7
60 0 0 1 0 0 0 07
6 7
C=6 7:
61 0 0 0 1 0 0 07
6 7
6 7
60 0 0 0 0 0 1 07
6 7
6 7
60 1 0 0 0 0 0 17
4 5
0 0 1 0 0 1 0 0
sistema: 8
>
> x 1 + x 2 + x 3 = b1
>
>
>
>
>
> x 4 + x 5 + x 6 = b2
>
>
>
>
>
> x 7 + x 8 = b3
>
>
>
< x 4 = b4
:
>
> x 1 + x 5 = b5
>
>
>
>
>
> x 7 = b6
>
>
>
>
>
> x 2 + x 8 = b7
>
>
>
: x 3 + x 6 = b8
Mas, este sistema não é mais do que o sistema de equações Cx = b; com
x = (x1 ; : : : ; x8 ) :
Se a solução for totalmente não nula, a matriz resultante vai mesmo ter
^
padrão P e não P:
Padrão Conexo
dos subpadrões de P:
independentes.
^ a matriz
Proposição 4.1.3 Seja (de acordo com a proposição 4.1.2) C;
^ = ^b:
então, para x 2 Rk , Cx = b se e só se Cx
^ = ^b é trivial, já que para passarmos da
Demonstração. ()) Cx = b ) Cx
primeira equação para a segunda, só temos que retirar uma linha (a última,
A soma das entradas de A nas linhas que passam pelo bloco A11 é a
soma das entradas de A11 com uma única entrada não nula do bloco B
(o );
A soma das entradas de A nas colunas que passam pelo bloco A11
Destas duas observações, concluímos que estas somas têm valores diferentes.
é zero.
ei 2 RS(A) se e só se Au = 0 ) ui = 0:
ei 2 RS(A) , i 2 " , Ru = 0 ) ui = 0 , Au = 0 ) ui = 0:
Além disso, as variáveis não pivot em u podem ter valores atribuídos de modo
são equivalentes:
113
2. Para 1 i n; ei 2
= RS(A);
3. Cada linha não nula de A em forma de escada reduzida tem pelo menos
car(B) = car(A);
(2 ) 3) Trivial, por de…nição dos vectores ei (têm só uma entrada não nula
de escada tem pelo menos 2 entradas não nulas, e que B é a matriz obtida
Se a coluna j de R for coluna pivot, então escolhemos i de forma a que rij seja
1 i n; Axi = 0 ) xi = 0:
2. Para cada 1 i n + 1; ei 2
= RS ([Ajb]) ;
3. Cada linha não nula de [Ajb] em forma de escada reduzida tem pelo
car(B) = car([Ajb]);
Demonstração.
2 3 Basta observarmos que y é solução da equação Ax = b se
y
e só se 4 5 é solução da equação [Ajb] x = 0:
1
Usando este facto, vemos que a condição 1. é equivalente a dizermos que
anterior.
2 3
6 0 x1 0 x2 x3 7
6 7
X = 6x4 x5 0 0 x6 7 ; que tem 3 linhas e 5 colunas, pelo que
4 5
0 0 x7 x8 0
M = f1; 2; 3g e N = f1; 2; 3; 4; 5g :
Então
c
X[ ; ] = X [f3g ; f1; 2; 4; 5g]
h i
= 0 0 x8 0 (só contém uma variável : x8 )
X [ c ; ] = X [f1; 2g ; f3g]
2 3
0
= 4 5 (não contém variáveis).
0
Então
c
X[ ; ] = X [f1; 2g ; f3; 4g]
2 3
0 x2
= 4 5 (só contém uma variável : x2 )
0 0
Então
c
X[ ; ] = X [f1; 2; 3g ; f3g]
2 3
6 0 7
6 7
= 6 0 7 (só contém uma variável : x7 )
4 5
x7
Então
c
X[ ; ] = X [f1; 2; 3g ; f1g]
2 3
607
6 7
= 6x4 7 (só contém uma variável : x4 )
4 5
0
colunas);
que é fácil ver que não possui estrelas únicas. Analisemos agora o padrão
triangular completo 2 2.
P2 2 =4 5:
0
triangular 2 3
1 1
A= 42 25
0 1
pertence à classe de P.
Logo, concluímos que x2 é estrela única para = f2g e = f2g : Este facto
o padrão completo.
grafo G é:
v1 v2
H
HH
H
HH
H
HH
? H ?
j
H
v3 v4
e(2) = (v1 ; v4 ) é uma aresta de corte neste grafo, já que, se for removida,
torna o grafo desconexo, isto é, cria dois subgrafos que têm pelo menos uma
conexão.
Capítulo 5
(Eschenbach, Carolyn A.; Hall, Frank e Li, Zhongshan : "Some signs Pat-
1
terns that Allow a Real Inverse Pair B and B ", 1997)
mitem, na sua classe, uma matriz real e a sua inversa. A propriedade em es-
121
122
Propriedade IP
propriedade do par inverso, já que o conjunto dos padrões que requer esta
5.1 Introdução
Notação
junto é fechado para a semelhança por uma matriz diagonal com entradas
A
8 classe do padrão de sinais generalizado A é o conjunto Q(A); de…nido
9 por
< B = [b ] 2 M (R) : b é arbitrário se a = #, b = 0 se a = 0 =
ij n ij ij ij ij
:
: e sgn(bij ) = aij se aij 2 f+; g ;
Padrões Compatíveis
2 3 2 3
# + + +
Exemplo 5.1.2 A1 = 4 5 e A2 = 4 5 são compatíveis.
# # 0
2 3
1 2
De facto, existe B = 4 5 2 Q(A1 ) \ Q(A2 ):
1 0
2. A2 !
c In+ ;
3. adj(A) !
c A e det A !
c +, ou adj(A) !
c c .
A e det A !
a condição de compatibilidade
A2 !
c In+ :
Então
(adjA)ij
(A 1 )ij = :
det A
A 2 J P apenas se adj(A) !
c A e det A !
c +, ou adj(A) !
c A e det A !
c :
126
Calculando
2 32 3 2 3
0 0 + 0 0 + # # # #
6 76 7 6 7
60 0 + 760 0 + 7 6# # # #7
6 76 7 6 7
A2 = 6 76 7=6 7 = #J4
6+ + 7 6+ + 7 6# # # #7
4 54 5 4 5
+ + + + # # # #
a condição 3.
127
Mas 2 32 3 2 3
6+ + +7 6+ + +7 6+ + +7
6 76 7 6 7
A2 = 6+ + +7 6+ + +7 = 6+ + +7 :
4 54 5 4 5
+ + + + + + + + +
Concluímos que A2 não tem padrão compatível com In+ , logo não satisfaz a
condição 2 e A 2
= J P:
exemplo seguinte:
Então
2 32 3 2 3
+ + + + + + + + + # # #
6 76 7 6 7
6 0 + + +7 6 0 + + +7 6 0 # # #7
6 76 7 6 7
A2 = 6 76 7=6 7;
60 + 760 + 7 60 # # #7
4 54 5 4 5
0 + + 0 + + 0 # # #
o que implica
A2 !
c I4+ :
Calculamos 2 3
6 + + + 7
6 7
det A = (+) det 6+ 7=#
4 5
+ +
128
e 2 3
# # # #
6 7
60 # # #7
6 7
adjA = 6 7 ; logo adjA !
c A.
60 # + +7
4 5
0 #
A satisfaz todas as condições necessárias do teorema, mas não podemos con-
cluir já que A 2 J P:
A2
= JP
Como 2 3
6 1 1 1 7
6 7
(adjB)44 = + det 6 0 1 f 7= i f < 0:
4 5
0 1 i
1
Se B 2 Q(A); então, det B < 0 e, por isso, sgn(adjB) = A, o que nos
6 1 f g 7
6 7
1. (adjB)11 = det 6 1 i j 7 = im + gl + f j ig + lj mf:
4 5
1 l m
Então, temos a inequação
im + gl + f j ig + lj mf < 0
() im + ig + f m > f j + gl + jl:
2 3
6 1 1 1 7
6 7
2. (adjB)12 = det 6 1 i j 7= ( im + l + j i + lj m)
4 5
1 l m
130
im l j+i lj < 0
() jl + j + l > im + m + i:
2 3
6 1 1 1 7
6 7
9. (adjB)42 = det 6 0 1 i 7=l i:
4 5
0 1 l
Obtemos a desigualdade
l i > 0
() l > i:
a) 1 : + 2 : + 3 : =) 4 :
=) ig + j + g > f j + i + f:
b) 5 : 7 : =) 6 .
c) 5 : 9 : =) 8 :
d) 2 : + 5 :
jl + j + l + im > im + m + i + jl
=) j + l > m + i
e) 3 : + 6 :
gl + m + g + f m > f m + l + f + gl
=) m + g > l + f : (11:)
obtemos:
f) 10 : 11 :
lm + gl im ig > ml + f m jl jf
=) im + ig + f m < f j + gl + jl :
A2
= J P:
1. A 2 J P;
2. A2 !
c In+ ;
a1k ak1 = :
todos os padrões de sinais que ocorrem nas adjuntas das matrizes reais de
Q(A) :
Adjunta #-independente
jS(A)j = 3k ;
133
Se k = 0, então é claro que a adjA não tem entradas # e por isso podemos
considerá-la #-independente.
2 3
+ + 0 0
6 7
6+ 0 07
6 7
adjA = 6 7:
6+ # +7
4 5
0 0 0 +
Vamos agora considerar a matriz
2 3
a b 0 0
6 7
6 c d 0 0 7
6 7
B=6 7 ; com a; b; :::; i > 0;
6 e f g h 7
4 5
0 0 0 i
6a b 07
6 7
(adjB)32 = ( 1)3+2 det 6e f h7 = (af i ebi) = i( af + eb):
4 5
0 0 i
Então, 8
>
> , se af > eb
>
<
(adjB)32 = +, se af < eb :
>
>
>
: 0, se af = eb
Observamos que a entrada (adjB)32 pode ter 3 valores possíveis, o que implica
jS(A)j = 3k = 31 = 3;
3, observamos que este tipo de padrões tem sempre determinante com sinal
adj(A) !
c A e det A !
c :
det A !
c + : Suponhamos que det A = + e A 2 J P: Se
1
A 2 J P =) 9B; B 2 Q(A):
Então
sgn(adjB)
sgn(B 1 ) = = sgn (adjB) = A.
| {z } sgn(det B)
=A | {z }
+
Concluímos que
c A e det A !
adjA ! c +:
A 2 S(A) =) sgn(adjB) = A;
sgn(adjB)
Então sgn(B 1 ) = = sgn (adjB) = A.
sgn(det B)
| {z }
+
Concluímos que
1
B 2 Q(A) =) A 2 J P:
136
segunda condição.
2 3
+ + 0 0
6 7
6+ 0 07
6 7
adjA = 6 7:
6+ # +7
4 5
0 0 0 +
Observamos que adjA !
c A e que a adjA é #-independente, logo o teorema
sinais: 2 3
1 1 0 0
6 7
6 1 1 0 0 7
6 7
B=6 7 2 Q(A):
6 2 1 1 1 7
4 5
0 0 0 1
137
servemos o exemplo seguinte, que mostra que há padrões de sinais que não
2 3
+ 0 +
6 7
60 + 07
6 7
A=6 7:
60 + 07
4 5
0 +
Vamos calcular adjA e veri…car se tem entradas #:
2 3
6 + 0 7
6 7
(adjA)11 = ( 1)1+1 det 6+ 0 7 = (+) (+) = #:
4 5
+
2 3
6 0 0 7
6 7
(adjA)21 = ( 1)2+1 det 60 07 = (0) = 0:
4 5
0
138
E assim por diante, até obtermos todas as entradas de adjA. Obtemos então:
2 3 2 3
# # # # + 0 +
6 7 6 7
60 + 0 7 60 + 0 7
6 7 6 7
adjA = 6 7!c 6 7:
60 + 0 7 60 + 0 7
4 5 4 5
0 # # # 0 +
obtemos:
2 3
6+ 07
6 7
det A = ( 1)1+1 det 6+ 0 7 = (+) (+) = #:
4 5
+
O determinante de A deveria ser +, para estar nas condições do teorema
5.2.8.
da seguinte forma:
2 3
a 0 c d
6 7
60 e f 0 7
6 7
B=6 7 2 Q(A); com a; b; c; d; e; f; g; h; i; j; k 2 R+ :
60 g h 0 7
4 5
0 i j k
Calculemos, por exemplo:
2 3
6a 0 c 7
6 7
(adjB)44 = ( 1)4+4 det 60 e f7
4 5
0 g h
= aeh + agf = a(f g eh):
139
2 3
6e f 0 7
1+1 6 7
(adjB)11 = ( 1) det 6g h 0 7
4 5
i j k
= ehk kf g = k(eh f g)
= k(f g eh):
ou imaginários puros
valores próprios não reais. É claro que aqui surge logo uma questão: "Serão
alguns destes valores próprios não reais, imaginários puros?". Por isso, va-
140
141
6.1 Introdução
próprios não reais, porque os valores próprios não reais vêm aos pares,
entrada diagonal não nula requer todos os valores próprios não reais;
todos os valores próprios não reais, e forma uma classe mais pequena;
positivos);
Vamos agora entrar no tema em estudo; antes porém, vamos fazer algumas
B (0) tem k valores próprios distintos não reais que estão longe do eixo
distintos uns dos outros e dos valores próprios não nulos de todas as
eixo real para formar um par complexo conjugado. Podemos por isso
1. É bipartida;
3. É não singular.
pB (x) = xn + E2 (B)xn 2
+ E4 (B)xn 4
+ ::: + En (B);
com cada coe…ciente não nulo, não negativo e En (B) > 0: Então, como
p(x) > 0 para x real, é claro que este polinómio não tem raízes reais.
com p ímpar, então cada produto elementar A [fi1 ; i2 ; :::; ip g] é nulo;e daqui
146
Ep (B) = 0; 8p < n; ímpar. Se p for par, então, o único produto elementar não
sgn( ) 0: Então,
Ep (B) 0; 8p n; par.
Ei (B) 0; 8i n; par:
(=)) Suponhamos agora que A requer todos os valores próprios não reais,
e vamos assumir, por absurdo, que A não satisfaz uma das 3 condições pro-
postas.
tem um ciclo simples ímpar, ou, não satisfazendo a 2a condição, tem um ciclo
é uma matriz de Q(A) e tem pelo menos 1 valor próprio real, o que é uma
contradição.
o teorema 6.2.1. Isto porque não consegue, nestas condições, satisfazer si-
contém pelo menos 1 ciclo ímpar não nulo de comprimento n, logo A não
pode ser bipartido. Por outro lado, se A é bipartido, todos os ciclos ímpares
bipartido.
1 3 5
H
Y
I
@
6
@HH 6
@ HH
@
@
@ H
@ HH
@ H
? @
R ?
@ HH
j ?
2 4 6
Calculando
2 3
+ 0 + 0
6 7
60 + 0 0 07
6 7
6 7
det A = a61 det 66 0 + 0 07 7=
6 7
60 0 07
4 5
0 0 0 0 +
2 3
+ 0 + 0
6 7
60 + 0 07
6 7
= a61 :( a56 ) det 6 7=
6 0 + 0 7
4 5
0 0
2 3
6+ 0 +7
6 7
= a61 :a56 :( a45 ) det 6 0 + 0 7 =
4 5
0 +
= (a12 a23 a34 a45 :a56 :a61 ) + (a14 a45 a56 a61 a23 a32 ) =
= ( )( ) + ( )( ) = +:
condições do teorema, e por isso requer todos os valores próprios não reais.
149
Então podemos assumir, sem perder a generalidade, que A pode ser parti-
cionada
2 3
0 A1
A=4 5 ; A1 de tipo #V1 #V2 e A2 de tipo #V2 #V1 .
A2 0
é:
n 2 n 2
i(B) = ( ; ; k);
k k
são valores próprios de B: Daqui concluímos que os valores próprios não reais
No entanto, como n 2(mod 4), então, B; n n; tem que ter 1 par de valores
próprios imaginários puros. Então, B tem pelo menos 2 valores próprios com
n 2 n 2
i(B) = ( ; ; k);
k k
puros.
151
Logo, através deste corolário, podemos concluir que A requer 1 par de valores
então a inércia de B é
n n
i(B) = ( ; ; 0):
2 2
pB (x) = xn + E4 (B)xn 4
+ E8 (B)xn 8
+ ::: + En (B):
4
= c 4 i4 = c 4 > 0
o polinómio característico é:
pB ( ) = cn + E4 (B)cn 4
+ E8 (B)cn 8
+ ::: + En (B) > 0;
o que é uma contradição, já que é valor próprio de B e por isso teria que ser
logo nenhum B 2 Q(A) tem valor próprio 0. Também, pelo teorema 6.2.4,
sabemos que o número de valores próprios com parte real positiva é igual ao
grafo dirigido de A é:
1 3 5 7
iP
P *
PP @
PP @
P PP
P PP @
PP @
? ? ? PP@ R ?
@
P
2 4 6 8
Calculemos det A :
2 3
+ 0 0 0 0 0 0
6 7
60 0 + 0 0 07
6 7
6 7
60 0 + 0 0 0 07
6 7
6 7
det A = a81 det 6
60 0 0 0 0 077=
6 7
60 0 0 0 + 0 7
6 7
6 7
60 0 0 0 0 07
4 5
0 0 0 0 0 0 +
154
2 3
+ 0 0 0 0 0
6 7
60 0 + 0 07
6 7
6 7
60 0 + 0 0 07
6 7
= a81 ( a78 ) det 6 7=
60 0 0 0 07
6 7
6 7
60 0 0 0 + 07
4 5
0 0 0 0 0
2 3
+ 0 0 0 0
6 7
60 0 + 07
6 7
6 7
= a81 ( a78 )( a67 ) det 6
60 0 + 0 07
7=
6 7
60 0 0 07
4 5
0 0 0 0 +
2 3
+ 0 0 0
6 7
60 0 +7
6 7
= a81 a78 a67 a56 det 6 7=
60 0 + 07
4 5
0 0 0
2 3
6+ 0 07
6 7
= a81 a78 a67 a56 a45 det 6 0 07 =
4 5
0 0 +
2 3
+ 0
= a34 a45 a56 a67 a78 a81 det 4 5=
0
= (a12 a23 a34 a45 a56 a67 a78 a81 ) = ( ) = +:
Então A é não singular. Além disso, A contém apenas ciclos pares e nega-
tivos, e por isso satisfaz as condições do teorema 6.2.1, logo requer todos os
não reais, A não admite um valor próprio imaginário puro não nulo.
lhante a uma matriz anti-simétrica (B T = B), e que por isso só tem valores
negativo, estas entradas têm sinal oposto, e porque as entradas diagonais são
zero, D 1 BD é anti-simétrica.
puros, mas, por absurdo, não satisfaz uma das condições estabelecidas. En-
tão:
156
Vamos considerar a primeira hipótese e supor que A tem uma entrada dia-
gonal não nula. Então, se = aii para algum i = f1; 2; :::; ng, então B ( ),
todos os valores próprios imaginários puros, o que quer dizer que não pode
res próprios imaginários puros. Logo não pode ser um ciclo simples de
comprimento 2 positivo.
ou mais, valores próprios não são imaginários puros. Então, para > 0
su…cientemente pequeno, B ( ) tem pelo menos 1 valor próprio não nulo que
grafo não dirigido é uma árvore. Então A é uma árvore padrão de sinais que
irredutível:
a uma matriz simétrica, já que se o for, tem espectro real. Temos por hipótese
A ser uma árvore padrão de sinais onde cada ciclo simples de comprimento
((=) Suponhamos agora que A requer todos os valores próprios reais mas
Se, por outro lado, l 3, então B ( ) tem l 2 valores próprios não reais
teorema.
igual a 3.
159
2 3
# + 0 0 0 0
6 7
6+ # + 7
6 7
6 7
60 # 0 0 07
6 7
Exemplo 6.2.12 Seja A = 6 7:
60 0 # 0 0 7
6 7
6 7
60 + 0 0 # 07
4 5
0 0 0 0 #
de comprimento 2 positivos, já que aij e aji têm o mesmo sinal. Então, pelo
não ter essa mesma propriedade. Logo, este teorema vem directamente do
teorema 6.2.1.
não positivos e/ou valores próprios não reais se e só se A não tem ciclos
simples positivos.
próprio real positivo. Do teorema 6.2.16 tiramos que A tem um ciclo (par
admite um valor próprio real negativo. Como A admite um valor próprio real
que o único valor próprio real não abrangido pelas 2 primeiras condições do
Então 2 3
+ 0 0
6 7
6 07
6 7
A=6 7:
6 0 7
4 5
+ 0 +
A tem um ciclo positivo ímpar: a12 a23 a31 . Logo A satisfaz o teorema 6.2.16.
de sinais que admitem um valor próprio real, ou a classe dos padrões de sinais
que admitem um valor próprio não real, são muito grandes. Por exemplo,
qualquer padrão de sinais com uma entrada diagonal não nula ou com um
3 admite um valor próprio não real. Qualquer matriz com um ciclo simples
2 3
0 0 0
6 7
6 0 + 07
6 7
A=6 7:
6+ 0 0 +7
4 5
0 0 + 0
Logo, pelo teorema 6.2.13, A admite um valor próprio real, e, pelo teorema
[1] Bauldry, William C.; Evans, Benny e Johnson, Jerry: "Linear Algebra
[4] Gantmacher, F. R.: "The Theory of Matrices (vol II)", Chelsea Pub-
[5] Gross, Jonathan e Yellen, Jay: "Graph Theory and its applications",
162
163
[8] Horn, Roger A.e Johnson, Charles R.: "Matrix Analysis", Cambridge
[13] Noble, Ben e Daniel, James W.: "Applied Linear Algebra", Prentice-
[17] Eschenbach, Carolyn A.; Hall, Frank; Johnson, Charles R.e Li, Zhong-
[18] Eschenbach, Carolyn A.; Hall, Frank e Li, Zhongshan : "Some signs
[21] Johnson, Charles R. e Stanford, David P.: "Patterns that allow given
Matrices", 1997;
Outra documentação