Algebra Linear Teoria de Matrizes

1. Sistemas Lineares 1.1. Coordenadas em espaos lineares: independncia linear, base, c e dimenso, singularidade, combinao linear a ca 1.2. 1.3. 2. 3. 4. 5. 6. 7. Espao imagem (colunas) - Espao linhas. Posto c c Espao nulo (ncleo). Nulidade c u

Autovalores e autovetores Trao de matriz c Forma quadrtica e sinais de matrizes a Valores singulares Norma vetorial Norma matricial
pag.1 Introduo ao Controle Robusto Aula 4 ca

c Reinaldo M. Palhares

Sistemas Lineares

Considere o conjunto de equaoes algbricas lineares c e y1 . . . ym = . . . = a11 x1 + a12 x2 + + a1n xn . . . am1 x1 + am2 x2 + + amn xn

y = Ax

x1 , . . . , xn denotam entradas do sistema linear y1 , . . . , ym denotam sa das do sistema linear aij denotam parmetros que caracterizam o mapeamento entrada-sa a da A Rmn , y Rm e x Rn
c Reinaldo M. Palhares pag.2 Introduo ao Controle Robusto Aula 4 ca

Subespaos Fundamentais c

Questes fundamentais o Caracterizar os conjuntos de sa das y1 , . . . , ym que podem ser obtidos da) dadas as entradas x1 , . . . , xn (controlabilidade da sa Dadas as sa das y1 , . . . , ym identicar, se poss vel, o conjunto de entradas x1 , . . . , xn que as geram (observabilidade da entrada) Em outras palavras... Como caracterizar uma soluo para Ax = y ? Veja que ca tem-se um conjunto com m equaoes e n incgnitas c o Pode-se denir subespaos fundamentais de tal forma a obter condioes de c c existncia e uma forma geral de soluoes para Ax = y e c

c Reinaldo M. Palhares

pag.3

Introduo ao Controle Robusto Aula 4 ca

Coordenadas em Espaos Lineares c

Nota Antes de responder a ultima questo, introduze-se conceitos sobre a coordenadas em espaos lineares... c Dependncia Linear Um conjunto de vetores {x1 , x2 , . . . , xk }, xi Rn , e i = 1, . . . , k, linearmente dependente se existem escalares 1 , 2 , . . . , k , e no todos nulos tais que a
k

i=1

i xi = 1 x1 + 2 x2 + + k xk = 0

e Caso contrrio, o conjunto {x1 , x2 , . . . , xk } linearmente independente LI a Veja que sendo X

k i=1

i xi = X x2 xk ] Rnk ,
pag.4

[ x1

[ 1

k ]T R k

c Reinaldo M. Palhares

Introduo ao Controle Robusto Aula 4 ca

Coordenadas em Espaos Lineares c

Proposio Qualquer conjunto de n vetores LI qualica uma base em um ca a espao linear ndimensional (ie um espao de dimenso n) c c Lema Considere Q Rnn . O sistema de equaoes c
T

Qx = 0,

x1

x2

xn

possui uma soluo no-nula (x = 0) se e somente se Q singular ca a e a e a Considere Q = q1 q2 qn . Ento Q no-singular se e e somente se o conjunto de vetores {q1 , q2 , . . . , qn } LI (em outras palavras, Q1 ) Teorema

c Reinaldo M. Palhares

pag.5

Introduo ao Controle Robusto Aula 4 ca

Coordenadas em Espaos Lineares c

Representao de vetores ca Considere um conjunto de vetores {q1 , q2 , . . . , qn }, base no Rn . Ento todo a ca vetor y Rn pode ser escrito como combinao linear:
n

y=
i=1

i qi = Q

Como Q no-singular: e a = Q1 y representao unica de y na base {q1 , q2 , . . . , qn } ca = P 1 y = P 1 Q !!!

Para outra base qualquer P , y = P ,

c Reinaldo M. Palhares

pag.6

Introduo ao Controle Robusto Aula 4 ca

Subespaos Fundamentais c
Denio ca
O espao colunas de A o espao gerado pelas colunas de A, e c e c e denominado espao imagem de A (A) . Por outro lado, o espao linhas de A o c c e espao gerado pelas linhas de A (AT ) c
T

Exemplo

y= 1

est no espao imagem de a c

A=

1 10

3 0

Em outras palavras, y = Ax, para algum x? Sim, pois as colunas de A geram todo o espao 2-dimensional c posto de colunas de A Rmn a dimenso de e a nmero de colunas LI de A u posto de linhas de A Rmn a dimenso de e a dim (A) = dim (AT ) = r = posto(A)
pag.7

(A), ie equivalente ao e

(AT )

posto(A) min {m, n}

Introduo ao Controle Robusto Aula 4 ca

c Reinaldo M. Palhares

Subespaos Fundamentais c
Denio ca
O espao nulo ` direita (ou ncleo) de A o espao gerado por todos os c a u e c vetores x satisfazendo Ax = 0 N (A). Por outro lado, o espao nulo ` esquerda c a de A o espao gerado por todos os vetores y satisfazendo y T A = 0 N (AT ) e c

Exemplo

x= 1

10

est no espao N (A): a c 1

A=

1 10

3 0

Em outras palavras, Ax = 0? Como 1

1 10

3 0

10 0

9 100

portanto, a resposta negativa e

c Reinaldo M. Palhares pag.8 Introduo ao Controle Robusto Aula 4 ca

Subespaos Fundamentais c

Considere A de ordem m n Dimenso dos quatro subespaos fundamentais: a c N (AT )? r n r + dim N (A) = n r colunas de A dim N (A) = n r m r + dim N (AT ) = m linhas de A dim N (AT ) = m r (Nulidade) (A), (AT ), N (A) e

posto(A) = dim (A)

posto(AT ) = dim (AT )

c Reinaldo M. Palhares

pag.9

Introduo ao Controle Robusto Aula 4 ca

Subespaos Fundamentais c
O espao n-dimensional de entrada X = c O espao m-dimensional de sa Y = c da (AT ) N (A) (A) N (AT )

MATLAB orth(A) base ortonormal para (A)

null(A) base ortonormal para N (A) rank(A) posto de A 0

1 2 0

1 3 2

Exemplo

Posto de A =

1 2

4 0

= a1

a2

a3

a4

a1 e a2 so LI. a3 = a1 + a2 . a4 = 2a2 . A tem duas colunas LI posto(A) = 2 a

c Reinaldo M. Palhares

pag.10

Introduo ao Controle Robusto Aula 4 ca

Subespaos Fundamentais c

Teorema Dado A Rmn , existe uma soluo x para Ax = y, para ca qualquer y, sse posto(A) = m (posto completo de linhas) Teorema Dado A Rnn . Se A1 , ento Ax = y tem uma unica soluo a ca ca e para todo y, ie x = A1 y. Em particular, a unica soluo para Ax = 0 x=0

c Reinaldo M. Palhares

pag.11

Introduo ao Controle Robusto Aula 4 ca

Autovalores e Autovetores
Denio Um escalar denominado um autovalor de A Rnn se ca e
x Rn , x = 0, satisfazendo Ax = x

Tal x denominado um autovetor de A associado ao autovalor e

Como calcular autovalor ? Basta escrever Ax = x = Ix da forma

(A I) x = 0 Se (A I) no singular, ento a unica soluo x = 0 !! e a a ca e Porm x = 0, ento (A I) deve ser necessariamente singular, ou de forma e a equivalente, det(A I) = 0 ... Toda ra de p() = det (A I) uma autovalor de A z e
c Reinaldo M. Palhares pag.12 Introduo ao Controle Robusto Aula 4 ca

Teoria de Matrizes
Trao c
Para A Rnn , o trao de A, denotado por Tr{A} ou Trao{A}, c c e denido como sendo:
n

Tr {A} =

aii
i=1

ie, a soma dos elementos da diagonal principal e

Propriedades
n

1. Tr{A} =
i=1

2. Tr{A + B} = Tr{B + A} = Tr{A} + Tr{B} 3. Tr{AB} = Tr B T AT = Tr{BA}= Tr AT B T

n

(se existirem multiplicaoes) c

4. Tr AT A =

a2 ij
i=1 i=1

c Reinaldo M. Palhares

pag.13

Introduo ao Controle Robusto Aula 4 ca

Forma quadrtica e Sinais de Matrizes a

Simetria P Rnn dita ser simtrica se P = P T e e Nota Todos os autovalores de uma matriz simtrica so reais e a Nota Toda matriz simtrica pode ser diagonalizada, mesmo para autovalores repetidos e
(MATLAB: jordan) E uma classe de funoes escalares na forma c P11 . . . Pn1

Forma Quadrtica a

V (x) = xT P x = x1

xn

.. .

P1n . . . Pnn

x1 . . . xn

c Reinaldo M. Palhares

pag.14

Introduo ao Controle Robusto Aula 4 ca

P = PT

Forma quadrtica e Sinais de Matrizes a

Funo escalar denida positiva Dado P = P T , se a funo escalar xT P x > 0, ca ca

para todo x = 0, ento P dita ser denida positiva, sendo denotado por P a e 0

Funo escalar denida negativa Dado P = P T , se a funo escalar ca ca

xT P x < 0, para todo x = 0, ento P dita ser denida negativa, sendo denotado a e por P 0

Funo escalar semidenida positiva (negativa) Dado P = P T , se a funo ca ca

escalar xT P x 0 (xT P x 0), para todo x = 0, ento P dita ser semidenida a e positiva (semidenida negativa), sendo denotado por P 0 (P 0)

Nota Se P semiden ento x = 0 tal que xT P x = 0 e da, a

c Reinaldo M. Palhares

pag.15

Introduo ao Controle Robusto Aula 4 ca

Forma quadrtica e Sinais de Matrizes a

Teorema P = P T Rnn denida positiva (semidenida positiva) sse e
(P ) > 0 ((P ) 0) (P ) < 0 ((P ) 0)

Teorema P = P T Rnn denida negativa (semidenida negativa) sse e Exerc cio Moste que V (x) denida positiva e
V (x) = xT P x = 10x2 + 4x2 + x2 + 2x1 x2 2x2 x3 4x1 x3 1 2 3

Fato Dado H Rmn ento a

1. H T H ou HH T simtrica e e 2. H T H 3. H T H 4. HH T 0 ou HH T 0

0 se posto(H) = n (posto completo de colunas) 0 se posto(H) = m (posto completo de linhas)

pag.16 Introduo ao Controle Robusto Aula 4 ca

c Reinaldo M. Palhares

Valores Singulares
Dado H Rmn Dene-se M HT H M = MT 0, M Rnn Portanto todos os autovalores de M so reais e no negativos a a r indica o nmero de autovalores positivos de M u Ento os autovalores de M = H T H podem ser ordenados da forma a 2 2 r > 0 = r+1 = = n 1 2 Denote por n = min(m, n). Ento o conjunto a 1 2 r > 0 = r+1 n denominado de valores singulares de H. Em outras palavras, os valores singulares de e H (denotado por ) so obtidos de: a = (H T H), MATLAB: sigma

c Reinaldo M. Palhares

pag.17

Introduo ao Controle Robusto Aula 4 ca

Produto Interno

A funo x, y : R R R um produto interno se satisfaz os seguintes axiomas ca e 1. x, y = y, x , x, y = y, x

2. (x + y), z = x, z + y, z 3. x, x 0 e x, x = 0 x=0

Representao usual para vetores do Rn ca

n

x, y =
i=1

xi y i

Vetores ortogonais x y
x, y = xT y = 0

c Reinaldo M. Palhares

pag.18

Introduo ao Controle Robusto Aula 4 ca

Norma Vetorial

A funo x : R R uma norma se satisfaz os seguintes axiomas ca e 1. 2. 3. x+y x + y x = || x x 0e x =0 x=0

Normas usuais para vetores no Rn

n
1 r

Norma-r

r i=1

|xi |r

1r<

Norma-

1in

max |xi |

c Reinaldo M. Palhares

pag.19

Introduo ao Controle Robusto Aula 4 ca

Norma Vetorial

Norma-2 ou Norma Euclidiana

xT x =

1 2

x, x =
i=1

|xi |2

Nota Interpretao grca ? A norma-2 o comprimento do vetor a partir da origem ca a e MATLAB

norm(x,1) norma-1 norm(x,2) ou norm(x) norma-2 norm(x,inf) norma-

c Reinaldo M. Palhares

pag.20

Introduo ao Controle Robusto Aula 4 ca

Norma Matricial
O conceito de norma vetorial pode ser estendido para matrizes, no sentido de se poder mensurar matrizes. Considere X o espao de entradas R n e Y o espao de c c sa das Rm

Denio ca

Considere A : X Y. O operador limitado se e c < , c R : Ax < c x , x X

Denio ca

Considere A : X Y. A norma de A a menor constante c e

Portanto a norma de um operador linear pode ser caracterizada por Ax r = x r

sup
x=0

sup
x r =1

Ax

denominada norma matricial induzida por uma norma vetorial r e

pag.21 Introduo ao Controle Robusto Aula 4 ca

c Reinaldo M. Palhares

Norma Matricial

Para diferentes x , tem-se diferentes A

m

1.

= max
j i=1

|aij |
1 2

A maior soma absoluta das colunas

2.

= max (A A)
m

Valor singular mximo de A a

3.

= max
i

j=1

|aij |

A maior soma absoluta das linhas

c Reinaldo M. Palhares

pag.22

Introduo ao Controle Robusto Aula 4 ca

Norma Matricial

Exemplo

Normas 1, 2 e de A = A
1

3 1

2 0

= max {3 + | 1|; 2 + 0} = 4 A = 3.7

= max {3 + 2; | 1| + 0} = 5

c Reinaldo M. Palhares

pag.23

Introduo ao Controle Robusto Aula 4 ca

Norma Matricial

Interpretao grca ? Considere por exemplo a norma A ca a

n

1.

Note que y = Ax e

x portanto y1 = Ax = 3

=1

=
i=1

|xi |

1 3

0 2

0 1 0

y2 = Ax =

1 3

y3 = Ax =

3 1

y4 = Ax =

2 0

c Reinaldo M. Palhares

pag.24

Introduo ao Controle Robusto Aula 4 ca

Norma Matricial
2

1.5

=1

0.5

0.5

PSfrag replacements
1.5

A
3 2 1 0 1

=3+1=4
2 3 4

2 4

MATLAB

norm(A,r), r = 1, 2 ou r =inf

c Reinaldo M. Palhares

pag.25

Introduo ao Controle Robusto Aula 4 ca

Exerc cios
0


1 2 0

1 3 2

2 4 0

1


1. Calcule o posto de A =

1 2

1 2


2. Calcule as normas induzidas 1,2 e para A =

3. Encontre os valores singulares de A =

  

 

1


0.5 0.7 0

2


0 0.9

0.3 0.1


  

 

4


1 0.5

2 1
 

2


0


1 0 0 0 0

1 1 0 0 0

1 1 1 0 0

1


0 0 0 0

1 1 1 0


 

 

4.

Encontre uma forma diagonal para A =

c Reinaldo M. Palhares

pag.26

     

Introduo ao Controle Robusto Aula 4 ca