FundamentosMatematicos 2019 2

Universidade Federal da Bahia
Escola Politécnica - Departamento de Engenharia Elétrica
ENG574 - Otimização
Semestre: 2019.2
Professora: Luciana Martinez
2019.2 ENG574 - Otimização
1 FUNDAMENTOS MATEMÁTICOS
Corpo: Um corpo F é um conjunto de elementos escalares e operações

binárias, adição e multiplicação definidas sobre F tal que:
α, β ∈ F ⇒ α + β ∈ F
α, β ∈ F ⇒ αβ ∈ F
sendo satisfeitas as seguintes propriedades:
DEE-UFBA lucianam@ufba.br 2/41

Adição:
1. Comutatividade: para todos α, β ∈ F:

α+β =β+α
2. Associatividade: para todos α, β, γ ∈ F:

(α + β) + γ = α + (β + γ)
3. Elemento Neutro: ∃ 0 ∈ F tal que para todo α ∈ F:

α+0=α
4. Existência de Oposto: para todo α ∈ F, ∃ −α ∈ F tal que:

α + (−α) = 0
5. Multiplicação distributiva: α(β + γ) = αβ + αγ

Multiplicação:
1. Comutatividade: para todos α, β ∈ F:

αβ = βα
2. Associatividade: para todos α, β, γ ∈ F:

(α β) γ = α (β γ)
3. Elemento Neutro: ∃ 1 ∈ F tal que para todo α ∈ F:

α1 = α
4. Existência de Oposto: para todo α ∈ F, ∃ α−1 ∈ F tal que:

α α−1 = 1

Espaço linear sobre um corpo: Um espaço linear X sobre um

corpo F consiste de um conjunto de elementos sobre os quais são
definidas duas operações binárias, adição e multiplicação:
Adição:
para todo x, y ∈ X ⇒ (x + y) ∈ X
Multiplicação por escalar:
para todo x ∈ X ⇒ (αx) ∈ X, ∀α ∈ <

Leis axiomáticas: Para todo x, y, z ∈ X e α, β ∈ <:
1. Comutatividade: x+y =y+x

2. Associatividade: (x + y) + z = x + (y + z)
(α β)x = α(β x)
3. Distributiva: α(x + y) = αx + αy
(α + β)x = αx + βx
4. Elemento Neutro: x+0=x

1x = x
5. Elemento Oposto: x0 = 0
x + (−x) = 0

Subespaço linear: Seja S um subconjunto não vazio de um espaço

linear X. Diz-se que S é um subespaço de X se:
∀x, y ∈ S ⇒ (αx + βy) ∈ S para ∀α, β ∈ <
ou seja, S é um subespaço de X se sobre as mesmas operações de

X, S forma um espaço vetorial.

Exercı́cios: Mostrar que se S e T são subespaços de X, então:
T
•S T é subespaço de X;
• S + T é subespaço de X.

Definição: Seja S = {x1, x2, . . . xn} um subconjunto de um

espaço linear X. Combinações lineares de elementos de S são ve-
tores dados por:
n
X
α1x1 + α2x2 + . . . αnxn = αixi com αi reais
i=1
Definição: O conjunto de todas as combinações lineares de S é

chamado subespaço gerado por S, representado por G[S].
Definição: Dizemos que um espaço vetorial V é finitamente gerado

se ∃ S ⊂ V , S finito, de maneira que V = G[S].

Definição: O conjunto de vetores {x1, x2, . . . xn} é Linearmente

n
X
Independente (L.I.) se αixi = 0 implica em α1, α2, . . . αn = 0.
i=1
Definição: O conjunto de vetores {x1, x2, . . . xn} é Linearmente

Dependente (L.D.) se existem α1, α2, . . . αn não todos nulos tais que
Xn
αixi = 0.
i=1
Definição: O número máximo de vetores L.I. em um espaço é

chamado de dimensão do espaço linear.

Base: Um conjunto V de vetores L.I. forma uma base do espaço X

se G(V ) = X.
ou seja,
• Qualquer vetor x ∈ X pode ser representado por uma combinação

linear dos elementos de uma base de X,
• Qualquer base contém o mesmo número de elementos,
• O número de elementos de uma base de X é chamado de di-

mensão de X.

Norma:
Definição: Uma função que associa a cada elementos x ∈ X um

número real, representado por ||x||, será denominada norma de x se
satisfizer os seguintes axiomas:
||x|| ≥ 0 ∀x ∈ X; ||x|| = 0 ⇔ x = 0
||x + y|| ≤ ||x|| + ||y|| ∀x, y ∈ X
||αx|| = |α| ||x|| ∀x ∈ X, ∀α ∈ <
Uma norma define uma métrica para o espaço X. Por exemplo, a

distância entre dois vetores: d = ||x − y||.

Alguns exemplos:
√
Norma Euclidiana: ||x||2 = xT x
Pn
Norma1: ||x||1 = i=1 |xi |
Norma∞: ||x||∞ = maxi |xi|

Uma forma de se definir norma é através do produto interno:
Definição: Sejam x, y ∈ X ⊂ <n. O produto interno de x por y

é um número real representado por < x, y > que satisfaz as proprie-
dades:
< x, x >≥ 0 ∀x ∈ X; < x, x > = 0 ⇔ x = 0;
< x, y >=< y, x > ∀x, y ∈ X;
< αx1+βx2, y >= α < x1, y > +β < x2, y > ∀ x, y ∈ X, ∀ α, β ∈ <
n
X
No <n : < x, y >= xi y i = xT y
i=1

Proposição (Desigualdade de Cauchy-Schwarz): Se X é

um espaço linear:
| < x, y > | ≤ kxk kyk ∀ x, y ∈ X
Definição: Os vetores x, y ∈ X são ortogonais se < x, y >= 0.

Matrizes:
A toda matriz A ∈ <m×n são associados os seguintes subespaços:
• Imagem de A: Im(A) = {y ∈ <m : y = Ax, x ∈ <n}

• Núcleo (ou espaço nulo) de A: N (A) = {x ∈ <n : Ax = 0}
A partir destes subespaços são definidos os seguintes valores:
• Posto de A = dim(A): número de linhas ou colunas L.I. de A

• Nulidade de A: dim(N (A)) = nul(A)

Seja A matriz m × n, então:

P osto(A) + nul(A) = n
Corolário: Seja a matriz Am×n. O número de elementos L.I. de

Ax = 0 é igual a n − posto(A), onde n é o número de colunas de A
e posto de A é o número de colunas L.I. de A.
Posto Completo: Diz-se que a matriz Am×n tem posto completo

se posto(A) = min{m, n}. Pode-se demonstrar que A tem posto
completo se e somente se todas as linhas ou colunas de A são L.I.
Pode-se mostrar ainda que:

Im(AT ) é ortogonal ao N (A)

Matrizes Quadradas
Uma matriz Am×n é quadrada se m = n.
Matriz Identidade:

ai j = 1 se i = j
I = [ai j ] =
ai j = 0 se i 6= j
Matriz Inversa: A−1 tal que: AA−1 = I

−1
A−1 = A; (AB)−1 = B −1A−1
• Se A não possui inversa então é dita singular ou não inversı́vel

• A é dita não singular se possue todas as colunas L.I.

Matriz Transposta: dado A = [ai j ], tem-se AT = [aj i].
E ainda: (AB)T = B T AT
Matriz Simétrica: A = AT
Matriz Anti-Simétrica: A = −AT
Matriz Ortogonal: A−1 = −AT

Matriz Diagonal: D = [di j ] em que di j = 0 se i 6= j.
Matriz Triangular Superior:

U = [ui j ] em que ui j = 0 se i > j.
Matriz Triangular Inferior:

L = [li j ] em que li j = 0 se i < j.

Autovalores e Autovetores: Seja matriz Am×n, com m = n.
Definição: Um escalar λ ∈ C é um autovalor de A se ∃ um vetor

x ∈ C n não nulo tal que:
Ax = λx
Definição: Qualquer vetor x ∈ C n não-nulo que satifaz

(A − λI)x = 0
é chamado de autovetor de A associado ao autovalor λ.
Desta forma, tem-se que um sistema de n equações lineares com n
6 0) se (A − λI) for
incognitas apresenta solução não trivial (x =
singular, ou seja:
∆(λ) = det(A − λI) = 0
sendo ∆(λ) o Polinômio Caracterı́stico de A.

Os autovalores e autovetores de uma matriz A simétrica possuem

algumas propriedades importantes:
• Os autovetores de uma matriz simétrica são ortogonais entre si.
• Se os autovetores xi da matriz simétrica A são normalizados de

modo a se ter ||xi||2 = 1, i = 1, . . . , n então:
n
X T
A= λixixi
i=1

Formas Quadráticas - Matrizes Simétricas
Uma matriz simétrica An×n é dita:
• A é definida positiva se xT Ax > 0, ∀x 6= 0
• A é definida semi-positiva se xT Ax ≥ 0, ∀x 6= 0
• A é definida negativa se xT Ax < 0, ∀x 6= 0
• A é definida semi-negativa se xT Ax ≤ 0, ∀x 6= 0

Pode-se mostrar que:
• Uma matriz simétrica é definida positiva ⇔ seus autovalores são

positivos.
• Uma matriz simétrica é semi-definida positiva ⇔ seus autovalores

são positivos ou nulos.
• Uma matriz simétrica é definida negativa ⇔ seus autovalores são

negativos.
• Uma matriz simétrica é semi-definida negativa ⇔ seus autovalores

são negativos ou nulos.

Definição: Uma matriz simétrica An×n é definida negativa se −A

é definida positiva.
Definição: Uma matriz simétrica An×n é semi-definida negativa se

−A é semi-definida positiva. Uma matriz que não é semi-definida
negativa nem semi-definida positiva é uma matriz indefinida.

Definição: Seja a matriz quadrada A = (ai,j ), com i = 1, . . . , n,

j = 1, . . . , n. Os determinantes da forma:

ai ,i ai ,i · · · ai ,i
1 1 1 2 1 k
ai ,i ai ,i · · · ai ,i
2 1 2 2 . 2 k

.

ai ,i ai ,i · · · ai ,i
k 1 k 2 k k
com 1 ≤ i1, i2, . . . , ik ≤ n e k ∈ {1, 2, . . . , n} são chamados

menores principais da matriz A.
Os determinantes da forma:

a1,1 a1,2
· · · a1,k
a2,1 a2,2 · · · a2,k

..

ak,1 ak,2 · · · ak,k
com k ∈ {1, 2, . . . , n} são chamados menores principais sucessivos
(ou menores principais lı́deres) da matriz A.

Definição: Uma matriz An×n é definida positiva se todos os me-

nores principais lı́deres de A são positivos.
Definição: Uma matriz An×n é semi-definida positiva se todos os

menores principais lı́deres de A são não negativos.
Definição: Dada uma matriz A simétrica, a forma quadrática é

difinida como Q(x) = xT Ax, para todo x ∈ <n

Alguns conceitos de topologia:
Conjuntos
Definição: Seja P ⊂ X, sendo X espaço linear. Um ponto (vetor)

p ∈ P é um ponto interior de P se ∃ ε > 0 tal que para todos
vetores x, os vetores ||x − p|| < ε estão também contidos em P .
Um ponto P é dito aberto se todos seus pontos são pontos interiores.
O conjunto de todos os pontos interiores de P é chamado interior de
P , (int(P )).
Definição: O conjunto {x : ||x − p|| < ε} é denominado esfera

aberta aberta em p e de raio ε. O conjunto {x : ||x − p|| ≤ ε} é
denominado esfera fechada, centrada em p e de raio ε.

Ponto de Fronteira: Um ponto p que não é ponto interior de

P é um ponto de fronteira de P , ou seja, para todo r > 0, a bola
B(p; r) = {||x − p|| < r} contém algum ponto de X e também
algum ponto de X − P .
Fecho: Seja o conjunto P ∈ X. Um ponto p ∈ X é um ponto de

fecho de P se ∀ε > 0 existe um ponto x ∈ P tal que ||x − p|| < ε.
Conjunto fechado: Um conjunto P é dito fechado se sua fronteira

está contida em P . Ou seja, um conjunto P é dito fechado se todos
os seus pontos de fecho são também pontos de P .

Conjunto limitado: Um conjunto P é dito limitado se ∃ cons-

tante c > 0 tal que ||x|| ≤ c para todo x ∈ P , ou seja, P está
contido em uma esfera de raio finito.
Conjunto compacto: Seja X um espaço linear de dimensão fi-

nita. Um conjunto P é compacto se é fechado e limitado.

Funções:
Continuidade
Definição: Seja f (·) : Ω ⊂ X → < uma função de valor real

definida no conjunto Ω ⊂ X. Diz-se que f (·) é contı́nua em um
ponto xo ∈ Ω se limy→xo f (y) = f (xo),
ou seja, ∃δ > 0 tal que:
y ∈ Ω, |y − xo| < ω ⇒ |f (y) − f (xo)| < ε
OBS: Nesta caso exige-se que:

• xo ∈ Ω,
• ∃ limy→x f (y),
• ∃ limy→x f (y) = f (x).

Diz-se que f (·) é contı́nua em Ω se f (·) é contı́nua em todo xo ∈ Ω.

Se f (·) é contı́nua em Ω diz-se simplesmente que f (·) é contı́nua.
Proposição: Seja h : <n → < uma função contı́nua, então:
• A = {x ∈ <n|0 < h(x)} é aberto em <n,

• F = {x ∈ <n|0 ≤ h(x)} é fechado em <n,
• f ront(A) = {x ∈ <n|0 = h(x)}.

Derivadas: A derivada direcional de f (·) : <n → < no ponto

x ∈ <n é o escalar representado por f 0(x, d) definido por:
0 f (x + α d) − f (x)
f (x, d) = lim
α→0 α
• Se o limite ∃, diz-se que f (·) é diferenciável em x na direção d.
• Se o limite ∃ em x e em todas as direções d, diz-se que f (·) é

diferenciável em x.

Notações:
• Se f (·) é contı́nua, escreve-se f (·) ∈ C.
• Se f (·) é diferenciável e sua primeira derivada é contı́nua, escreve-

se f (·) ∈ C 1.
• Se f (·) é 2 vezes diferenciável e sua segunda derivada é contı́nua,

escreve-se f (·) ∈ C 2.
• Se f (·) é p vezes diferenciável e sua derivada de ordem p é

contı́nua, escreve-se f (·) ∈ C p.

Gradiente: Seja f (·) : <n → < ∈ C 1. O gradiente de de f (·) é

o vetor dado por:
 
∂ f (x)
 ∂ x1 
∂ f (x)
 
 
 ∂ x2 
∇f = 
 ..


 
 
 ∂ f (x) 
∂ xn
∂ f (x)
Note-se que: ∂ xi = f 0(x, ei), onde ei = [0, 0, . . . , 1, 0, 0]T .
Pode-se mostrar ainda que, se f (·) ∈ C 1 então f 0(x, d) = ∇f (x)T d.

Hessiana: Seja f (·) : <n → < ∈ C 2, a derivada direcional de

segunda ordem é dada por f 00(x, d) = dT F (x)d, em que:
∂ 2 f (x) ∂ 2 f (x) ∂ 2 f (x) ∂ 2 f (x)

 
∂ x21 ∂ x1 ∂ x 2 ∂ x1 ∂ x 3 ··· ∂ x1 ∂ x n
 
∂ 2 f (x) ∂ 2 f (x) ∂ 2 f (x) ∂ 2 f (x)
 

 ∂ x2 ∂ x1 ∂ x22 ∂ x 2 ∂ xn ··· ∂ x2 ∂ xn


F (x) = 
 .. .. ..


 
 
∂ 2 f (x) ∂ 2 f (x) ∂ 2 f (x) ∂ 2 f (x)
···
 
∂ xn ∂ x1 ∂ xn ∂ x2 ∂ xn ∂ x3 ∂ x2n
F (x) é denominada Matriz Hessiana de f (·) em x.

 
f1
Seja f (·) : <n → <m ∈ C 1 vetor de funções tal que f =  .. ,
fn
a matriz gradiente de f é a matriz cujas colunas são os vetores gra-
dientes de ∇fi:
∇f (x) = [∇f1(x) ∇f2(x) . . . ∇fm(x)] ∈ <n×m
Matriz Jacobiano de f (·):

 
∂ f1 (x) ∂ f1 (x) ∂ f1 (x)
∂ x1 ∂ x2 ··· ∂ xn
 
∂ f2 (x) ∂ f2 (x) ∂ f2 (x)
 

∂ x1 ∂ x2 ··· ∂ xn

T
 
J(x) = ∇ f (x) = 
 .. .. 

 
 
∂ fm (x) ∂ fm (x) ∂ fm (x) 
···

∂ x1 ∂ x2 ∂ xn

Teorema do Valor Médio

Se f é uma função contı́nua em [a, b] e derivável em ]a, b[ então
existe c pertencente a ]a, b[ tal que a reta tangente ao gráfico de f
traçada no ponto (c, f (c)) é paralela à reta que passa por (a, f (a))
e (b, f (b)), isto é,
f (b) − f (a)
f 0(c) =
b−a
Dem: Seja a reta que passa pelos pontos (a, f (a)) e (b, f (b)), isto é:
f (b) − f (a)
y − f (a) = (x − a)
b−a
Essa reta é o gráfico da função:
f (b) − f (a)
T (x) = (x − a) + f (a)
b−a
Seja g(x) a função diferença entre f (x) e T (x)

f (b) − f (a)
g(x) = f (x) − T (x) = f (x) − (x − a) + f (a)
b−a

E ainda,
(x = a) ⇒ g(a) = 0
(x = b), ⇒ g(b) = 0
Como g(x) é a diferença entre duas funções contı́nuas em [a, b] e deriváveis em
]a, b[, ela própria é contı́nua em [a, b] e derivável em ]a, b[. Logo, usando o Teorema
de Rolle para g(x), conclui-se que existe um número c no intervalo ]a, b[, tal que
g 0(x) = 0.
f (b) − f (a)
g 0(x) = f 0(x) −
b−a
f (b) − f (a)
g 0(c) = f 0(c) − =0
b−a
E portanto,
f (b) − f (a)
f 0(c) =
b−a
c.q.d.

Desenvolvimento de Taylor
Seja f (x) uma função n vezes diferenciável em um domı́nio D.

Chama-se polinômio de Taylor de grau n da função f (x) no ponto
a ∈ D ao único polinômio:
0 f 00(a) f n(a)
Pan(x) = f (a) + f (a)(x − a) + 2
(x − a) + . . . + (x − a)n
2! n!
cujas derivadas no ponto a coincidem com as derivadas de f (x) até

ordem n:
k
[Pan(x)]

d
= f (k)(a) k = 0, 1, . . . n
dxk x=a

Chama-se resto de Taylor de ordem n da função f (x) no ponto a o

erro:
R(x) = f (x) − Pan(x)
Sendo que as derivadas da função erro no ponto a se anulam até

ordem n:
R(k)(a) = f (k)(a) − (Pan)(k)(a) = 0 k = 0, 1, . . . n

FundamentosMatematicos 2019 2

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

FundamentosMatematicos 2019 2

Caricato da

Copyright:

Formati disponibili

Universidade Federal da Bahia

Escola Politécnica - Departamento de Engenharia Elétrica

Corpo: Um corpo F é um conjunto de elementos escalares e operações

DEE-UFBA lucianam@ufba.br 2/41

1. Comutatividade: para todos α, β ∈ F:

2. Associatividade: para todos α, β, γ ∈ F:

3. Elemento Neutro: ∃ 0 ∈ F tal que para todo α ∈ F:

4. Existência de Oposto: para todo α ∈ F, ∃ −α ∈ F tal que:

5. Multiplicação distributiva: α(β + γ) = αβ + αγ

DEE-UFBA lucianam@ufba.br 3/41

1. Comutatividade: para todos α, β ∈ F:

2. Associatividade: para todos α, β, γ ∈ F:

3. Elemento Neutro: ∃ 1 ∈ F tal que para todo α ∈ F:

4. Existência de Oposto: para todo α ∈ F, ∃ α−1 ∈ F tal que:

DEE-UFBA lucianam@ufba.br 4/41

Espaço linear sobre um corpo: Um espaço linear X sobre um

Multiplicação por escalar:

para todo x ∈ X ⇒ (αx) ∈ X, ∀α ∈ <

DEE-UFBA lucianam@ufba.br 5/41

Leis axiomáticas: Para todo x, y, z ∈ X e α, β ∈ <:

1. Comutatividade: x+y =y+x

4. Elemento Neutro: x+0=x

DEE-UFBA lucianam@ufba.br 6/41

Subespaço linear: Seja S um subconjunto não vazio de um espaço

∀x, y ∈ S ⇒ (αx + βy) ∈ S para ∀α, β ∈ <

ou seja, S é um subespaço de X se sobre as mesmas operações de

DEE-UFBA lucianam@ufba.br 7/41

Exercı́cios: Mostrar que se S e T são subespaços de X, então:

DEE-UFBA lucianam@ufba.br 8/41

Definição: Seja S = {x1, x2, . . . xn} um subconjunto de um

Definição: O conjunto de todas as combinações lineares de S é

Definição: Dizemos que um espaço vetorial V é finitamente gerado

DEE-UFBA lucianam@ufba.br 9/41

Definição: O conjunto de vetores {x1, x2, . . . xn} é Linearmente

Definição: O conjunto de vetores {x1, x2, . . . xn} é Linearmente

Definição: O número máximo de vetores L.I. em um espaço é

DEE-UFBA lucianam@ufba.br 10/41

Base: Um conjunto V de vetores L.I. forma uma base do espaço X

• Qualquer vetor x ∈ X pode ser representado por uma combinação

• Qualquer base contém o mesmo número de elementos,

• O número de elementos de uma base de X é chamado de di-

DEE-UFBA lucianam@ufba.br 11/41

Definição: Uma função que associa a cada elementos x ∈ X um

||x + y|| ≤ ||x|| + ||y|| ∀x, y ∈ X

||αx|| = |α| ||x|| ∀x ∈ X, ∀α ∈ <

Uma norma define uma métrica para o espaço X. Por exemplo, a

DEE-UFBA lucianam@ufba.br 12/41

Norma∞: ||x||∞ = maxi |xi|

DEE-UFBA lucianam@ufba.br 13/41

Uma forma de se definir norma é através do produto interno:

Definição: Sejam x, y ∈ X ⊂ <n. O produto interno de x por y

< x, y >=< y, x > ∀x, y ∈ X;

DEE-UFBA lucianam@ufba.br 14/41

Proposição (Desigualdade de Cauchy-Schwarz): Se X é

Definição: Os vetores x, y ∈ X são ortogonais se < x, y >= 0.

DEE-UFBA lucianam@ufba.br 15/41

A toda matriz A ∈ <m×n são associados os seguintes subespaços:

• Imagem de A: Im(A) = {y ∈ <m : y = Ax, x ∈ <n}

A partir destes subespaços são definidos os seguintes valores:

• Posto de A = dim(A): número de linhas ou colunas L.I. de A

DEE-UFBA lucianam@ufba.br 16/41

Seja A matriz m × n, então:

Corolário: Seja a matriz Am×n. O número de elementos L.I. de