Académique Documents
Professionnel Documents
Culture Documents
semidefinidas, etc.
Amit Bhaya,
Programa de Engenharia Eletrica
COPPE/UFRJ
Universidade Federal do Rio de Janeiro
amit@nacad.ufrj.br
http://www.nacad.ufrj.br/amit
c Amit Bhaya
COE 745,
Func
oes quadr
aticas positivas definidas
Uma funcao quadratica f (x, y) = ax2 + 2bxy + cy 2
e chamada positiva definida (p.d.) se x, y
R, (x, y) 6= (0, 0), f (x, y) > 0.
Condic
oes necessarias e suficientes para que uma
funcao seja p.d. Completamos o quadrado:
b
f =a x+ y
a
+ c
b
a
y2
2
2
2F
2F
F
.
(0,0)
(0,0) >
(0,0)
2
2
x
y
xy
1
c Amit Bhaya
COE 745,
Formas quadr
aticas positivas definidas
Dada uma matriz A simetrica (hermitiana, resp.), a
forma quadr
atica e definida como QA(x) := xT Ax,
para x Rn (resp. Cn). Se x 6= 0, QA(x) > 0,
entao a forma quadratica e chamada positiva definida
(p.d.).
Pn Pn
Para A = (aij ), QA(x) = i=1 j=1 aij xixj . Isto e,
a forma por extenso mostra explicitamente que a forma
quadratica contem somente termos de grau 2 (do tipo
x2i ou xixj ), justificando o nome forma quadratica.
Sendo H = (hij ) a hessiana (matriz de segundas
derivadas parciais de uma funcao F , i.e., hij :=
2F/xixj ), podemos dizer que F possui um mnimo
quando a forma quadratica QH)(x) = xT Hx e p.d.
A expansao de Taylor da funcao F em torno de 0 e:
1
F (x) = F (0)+xT grad F + xT Hx+termos de ordem > 3,
2
onde gradF := (F/x1 , . . . , F/xn ), (o gradiente de F) se anula no mnimo.
c Amit Bhaya
COE 745,
c Amit Bhaya
COE 745,
c Amit Bhaya
COE 745,
Matrizes semidefinidas
Uma matriz e chamada positiva semi-definida
(p.s.d.)
se a forma quadratica associada a A,
QA(x) 0, x 6= 0.
Testes para A p.s.d.: Os seguintes testes sao
condicoes necessarias e suficientes equivalentes para
que uma matriz A = AT seja positiva semi-definida.
1. xT Ax 0, x 6= 0.
2. Todos os autovalores de A sao nao-negativos ( 0).
3. Todas as submatrizes principais2
determinantes nao-negativos.
possuem
c Amit Bhaya
COE 745,
Congru
encias e In
ercia
Operacao de mudanca de variaveis em forma
quadratica leva a ideia de congruencia.
Seja
QA(x) = xT Ax, e x = Cy (mudanca de variaveis).
Entao definimos uma forma quadratica no vetor
y, yT CT ACy =: QB(y), onde B := CT AC.
A matriz B e chamada congruente a A, e
a transformacao A CT AC, C nao-singular e
denominada transformac
ao de congru
encia.
Lei de in
ercia de Sylvester: A matriz CT AC possui
o mesmo n
umero de autovalores positivos, negativos e
zero que A. Ou seja, congruencias conservam os sinais
dos autovalores, nao as localizacoes.
c Amit Bhaya
COE 745,
c Amit Bhaya
COE 745,
Aplicac
ao da lei de in
ercia
Para qualquer matriz simetrica, os sinais dos pivos
coincidem com os sinais dos autovalores. A matriz
dos autovalores e a matriz dos pivos possui o mesmo
n
umero de elementos positivos, negativos e zero.
Prova. A = LDLT !
Localizacao
Exemplo:
3
A= 3
0
3 0
10 7 ,
7 8
1 3 0
A 2I = 3 8 7 .
0 7 6
c Amit Bhaya
COE 745,
m1
x1(0) = 1
m2
x2(0) = 1
m1
0
x
1
2
1
x
=
0
m2
x
2
1
2
= Ax (familiar).
Se as massas forem iguais, chegaramos a x
= Ax. O problema do AV generalizado
Agora, tem-se Mx
surge quando procuramos solucoes oscilatorias, i.e., eit:
M
x = Ax M(i)2eitx = Aeitx.
9
c Amit Bhaya
COE 745,
Ax = Mx,
ou
2 1
1 2
x=
m1 0
0 m2
x.
10
c Amit Bhaya
COE 745,
c Amit Bhaya
COE 745,
x
b atinge seu mnimo no ponto onde
2
Ax = b. Neste ponto, o valor mnimo atingido e
Pmin = 12 bT A1b.
Aplicacao desta observacao: metodos de mnimo
para resolver Ax = b (gradiente conjugado, etc.),
porque surgem As em aplicacoes que sao simetricas,
p.d., de dimensao elevada, porem esparsas (= poucos
elementos nao-nulos).
12
c Amit Bhaya
COE 745,