Baixe o app para aproveitar ainda mais
Prévia do material em texto
n. 36 – DIAGONALIZAÇÃO DE OPERADORES Dado um operador linear T: V ⟶ V, a cada base B de V corresponde uma matriz [𝑇]𝐵 (matriz da transformação linear na base B) que representa T na base B, assim, queremos obter uma base do espaço de modo que a matriz de T nessa base seja a mais simples representante de T. Assim, observaremos que essa matriz é uma matriz diagonal. Propriedade: Autovetores associados a autovalores distintos de um operador linear T: V ⟶ V são linearmente independentes (α1 ≠ α2). Corolário: Sempre que tivermos um operador linear T: ℝ2 ⟶ ℝ2 com α1 ≠ α2, o conjunto {v1, v2} formados pelos autovetores associados, será uma base do ℝ2. Se T: V ⟶ V é linear, a dim V = n, T possui n autovalores, o conjunto {v1, v2, ..., vn}, formado pelos correspondentes autovetores, é uma base de V. Exemplo: Seja o operador linear T: ℝ2 ⟶ ℝ2 , T (x, y) = (– 3 x – 5 y , 2 y). A matriz canônica de T é: 𝐴 = [ − 3 − 5 0 2 ] A equação característica de T é: det (A – α I) = 0 [ − 3 − 𝛼 − 5 0 2 − 𝛼 ] = 0 (– 3 – α) (2 – α) – (– 5) . 0 = 0 essa é a equação característica – 6 + 3 α – 2 α + α2 = 0 α2 + α – 6 = 0 esse é o polinômio característico α1 = 2 e α2 = – 3 essas são as raízes do polinômio Logo, α1 = 2 e α2 = – 3 as são as raízes do polinômio são os autovalores de T. Como α1 ≠ α2 os correspondentes autovetores formam uma base de ℝ2. α1 ≠ α2 com autovalores diferentes, os autovetores correspondentes formam uma base de ℝ2. Calculando os autovetores: [ − 3 − 𝛼 − 5 0 2 − 𝛼 ] . [ 𝑥 𝑦] = [ 0 0 ] a) para α1 = 2 [ − 3 − 2 − 5 0 2 − 2 ] . [ 𝑥 𝑦] = [ 0 0 ] [ − 5 − 5 0 0 ] . [ 𝑥 𝑦] = [ 0 0 ] {−5𝑥 − 5𝑦 = 0 → 𝑦 = −𝑥 Logo, v1 = (x, – x) v1 = x (1, – 1) (1, - 1) é o autovetor associado ao autovalor α1 = 2 b) para α2 = – 3 [ − 3 − (−3) − 5 0 2 − ( −3) ] . [ 𝑥 𝑦] = [ 0 0 ] [ 0 − 5 0 5 ] . [ 𝑥 𝑦] = [ 0 0 ] - 5 y = 0 5 y = 0 y = 0 Logo, v2 = (x, 0) v2 = x (1, 0) (1, 0) é o autovetor associado ao autovalor α1 = - 3 Resposta: O conjunto {(1, - 1), (1, 0)} é uma base de ℝ2. MATRIZES DIAGONALIZÁVEIS Uma matriz quadrada A é diagonalizável se existe uma matriz invertível P, tal que P-1AP seja matriz diagonal. Diz-se, nesse caso, que a matriz P diagonaliza A ou que P é a matriz diagonalizadora. A matriz diagonal é obtida da seguinte forma: D = P-1 AP A matriz P, é formada pelos autovetores obtidos quando temos autovalores distintos. Cada autovetor constituirá uma coluna da matriz P. Exemplo: Obtenha a matriz P que diagonaliza a matriz A e encontre a matriz diagonal D, sendo 𝐴 = [ 3 −1 −3 0 2 −3 0 0 −1 ]. Resolução: a. Equação característica: 𝑑𝑒𝑡 [ 3 − 𝛼 −1 −3 0 2 − 𝛼 −3 0 0 −1 − 𝛼 ] = 0 Calculando o determinante: (3 − 𝛼). (2 − 𝛼). (−1 − 𝛼) = 0 Logo, 𝛼1 = 3 , 𝛼2 = 2 𝑒 𝛼3 = −1 b. Calculando os autovetores: Para 𝛼1 = 3 [ 3 − 3 −1 −3 0 2 − 3 −3 0 0 −1 − 3 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ 0 −1 −3 0 −1 −3 0 0 −4 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] { − 𝑦 − 3 𝑧 = 0 − 𝑦 − 3 𝑧 = 0 − 4 𝑧 = 0 Portanto, z = 0 e, consequentemente, y = 0 Para o autovalor 𝛼1 = 3 o autovetor é (x, 0, 0) = x (1, 0, 0) com x ≠ 0 Para 𝛼2 = 2 [ 3 − 2 −1 −3 0 2 − 2 −3 0 0 −1 − 2 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ 1 −1 −3 0 0 −3 0 0 −3 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] { 𝑥 − 𝑦 − 3 𝑧 = 0 −3 𝑧 = 0 − 3 𝑧 = 0 Portanto, z = 0 e consequentemente x = y Para o autovalor 𝛼2 = 2 o autovetor é (x, x, 0) = x (1, 1, 0) com x ≠ 0 Para 𝛼3 = −1 [ 3 − (−1) −1 −3 0 2 − (−1) −3 0 0 −1 − (−1) ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ 4 −1 −3 0 3 −3 0 0 0 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] { 4𝑥 − 𝑦 − 3 𝑧 = 0 3𝑦 − 3 𝑧 = 0 0 = 0 Portanto, y = z e consequentemente x = z Para o autovalor 𝛼3 = −1 o autovetor é ( z, z, z) = z (1, 1, 1) com z ≠ 0 Assim, a matriz P que diagonaliza A é: 𝑷 = [ 1 1 1 0 1 1 0 0 1 ] Observe que, cada autovetor constitui uma coluna da matriz P. Encontrando a P-1 : Det P = 1 , como determinante é ≠ 0 portanto, admite inversa. Calculando a inversa de P: Relembrando: Calculando a matriz inversa pela matriz adjunta: �̅� 𝑀−1 = 1 𝑑𝑒𝑡 𝑀 . �̅� Matriz Adjunta: �̅� É a matriz transposta da matriz dos cofatores. Matriz transposta: trocamos as linhas pelas colunas. Encontrando a matriz cofator: M’ Seja M a matriz original, tal que: M = [ 𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 𝑎31 𝑎32 𝑎33 ] Para encontrar a matriz dos cofatores M’ tal que: M’ = [ 𝐴11 𝐴12 𝐴13 𝐴21 𝐴22 𝐴23 𝐴31 𝐴32 𝐴33 ] Fazemos: A11 = (-1)2 | 𝑎22 𝑎23 𝑎32 𝑎33 | A12 = (-1)3 | 𝑎21 𝑎23 𝑎31 𝑎33 | A13 = (-1)4 | 𝑎21 𝑎22 𝑎31 𝑎32 | A21 = (-1)3 | 𝑎12 𝑎13 𝑎32 𝑎33 | A22 = (-1)4 | 𝑎11 𝑎13 𝑎31 𝑎33 | A23 = (-1)5 | 𝑎11 𝑎12 𝑎31 𝑎32 | A31 = (-1)4 | 𝑎12 𝑎13 𝑎22 𝑎23 | A32 = (-1)5 | 𝑎11 𝑎13 𝑎21 𝑎23 | A33 = (-1)6 | 𝑎11 𝑎12 𝑎21 𝑎22 | Determinante Determinante Determinante Determinante Determinante Determinante Determinante Determinante Determinante Sobre a matriz cofator: M’ = [ 𝐴11 𝐴12 𝐴13 𝐴21 𝐴22 𝐴23 𝐴31 𝐴32 𝐴33 ] Aplicamos a transposta a essa matriz e obtemos a matriz adjunta: �̅� Para encontrarmos a inversa fazemos: 𝑴−𝟏 = 𝟏 𝒅𝒆𝒕𝑴 . �̅� Voltando ao exercício matriz cofator: P’ = [ 𝐴11 𝐴12 𝐴13 𝐴21 𝐴22 𝐴23 𝐴31 𝐴32 𝐴33 ] 𝑃 = [ 1 1 1 0 1 1 0 0 1 ] [ 𝐴11 = (−1) 2(1) 𝐴12 = (−1) 3(0) 𝐴13 = (−1) 4(0) 𝐴21 = (−1) 3(1) 𝐴22 = (−1) 4(1) 𝐴23 = (−1) 5(0) 𝐴31 = (−1) 4(0) 𝐴32 = (−1) 5(1) 𝐴33 = (−1) 6(1)] matriz cofator: P’ = [ 1 0 0 −1 1 0 0 −1 1 ] matriz adjunta: �̅� = [ 1 −1 0 0 1 −1 0 0 1 ] determinante de 𝑃 = [ 1 1 1 0 1 1 0 0 1 ] det = 1 matriz inversa: 𝑷−𝟏 = 𝟏 𝒅𝒆𝒕𝑷 . �̅� 𝑷−𝟏 = [ 1 −1 0 0 1 −1 0 0 1 ] Calculando a inversa por escalonamento 𝑷 = [ 1 1 1 0 1 1 0 0 1 ] 𝑀𝑎𝑡𝑟𝑖𝑧 𝑎𝑢𝑚𝑒𝑛𝑡𝑎𝑑𝑎: [ 1 1 1 | 1 0 0 0 1 1 | 0 1 0 0 0 1 | 0 0 1 ] [ 1 1 1 | 1 0 0 0 1 1 | 0 1 0 0 0 1 | 0 0 1 ] 𝐿1 = 𝐿2 − 𝐿1 [ −1 0 0 | −1 1 0 0 1 1 | 0 1 0 0 0 1 | 0 0 1 ] [ −1 0 0 | 1 0 0 0 1 1 | 0 1 0 0 0 1 | 0 0 1 ] 𝐿2 = 𝐿2 − 𝐿3 [ −1 0 0 | −1 1 0 0 1 0 | 0 1 −1 0 0 1 | 0 0 1 ] [ −1 0 0 | −1 1 0 0 1 0 | 0 1 −1 0 0 1 | 0 0 1 ] 𝐿1 = −𝐿1 [ 1 0 0 | 1 −1 0 0 1 0 | 0 1 −1 0 0 1 | 0 0 1 ] Portanto, a inversa de P é: 𝑷−𝟏 = [ 1 −1 0 0 1 −1 0 0 1 ] Calculando 𝑫 = 𝑷−𝟏. 𝑨. 𝑷 𝑫 = [ 1 −1 0 0 1 −1 0 0 1 ] . [ 3 −1 −3 0 2 −3 0 0 −1 ] . [ 1 1 1 0 1 1 0 0 1 ] 𝑫 = [ 1(3) 1(−1) + (−1)(2) 1(−3) + (−1)(−3) + 0(−1) 0 (3) 0(−1) + 1(2) 0(−3) + 1(−3) + (−1)(−1) 0 (3) 0 0(−3) + 0(−3) + 1(−1) ] . [1 1 1 0 1 1 0 0 1 ] 𝐷 = [ 3 −3 0 0 2 −2 0 0 −1 ] . [ 1 1 1 0 1 1 0 0 1 ] 𝐷 = [ 3(1) 3 + (−3) 3(1) + (−3)(1) + (0)(1) 0 2 2 − 2 0 0 −1 ] 𝐷 = [ 3 0 0 0 2 0 0 0 −1 ] Como D é a matriz diagonal, e seus valores são os autovalores, então, A é diagonalizável. Exercícios: 1. Verifique se os operadores lineares T são diagonalizáveis: a. 𝐴 = [ 4 5 2 1 ] b. 𝐶 = [ 0 2 1 1 ] c. 𝐸 = [ 1 2 3 2 ] d. 𝐾 = [ 4 0 0 1 4 0 0 1 4 ] Exercícios resolvidos: 1. Verifique se os operadores T são diagonalizáveis: a. 𝐴 = [ 4 5 2 1 ] A equação característica de T é: det (A – α I) = 0 Det= [ 4 − 𝛼 5 2 1 − 𝛼 ] = 0 Polinômio característico: (4 – α) (1 – α) – (5)(2) = 4 – 4 α – α + α2 – 10 = α2 – 5 α – 6 = 0 Logo, α1 = 6 e α2 = -1 são os autovalores de T. Como α1 ≠ α2 os correspondentes autovetores formam uma base Encontrando os autovetores: Para α1 = 6 [ 4 − 6 5 2 1 − 6 ] . [ 𝑥 𝑦 ] = [ 0 0 ] [ −2 5 2 −5 ] . [ 𝑥 𝑦 ] = [ 0 0 ] [ −2𝑥 + 5𝑦 2𝑥 − 5𝑦 ] = [ 0 0 ] { −2𝑥 + 5𝑦 = 0 (1) 2𝑥 − 5𝑦 = 0 (2) De (2): 5 y = 2x logo, 𝑦 = 2 5 𝑥 Portanto, o autovetor associado ao autovalor α1 = 6 é (𝑥, 2 5 𝑥) Assim, o autovetor 𝑥 (1, 2 5 ) com x ≠ 0 é (1, 2 5 ) associado ao autovalor α1 = 6 Observação, podemos escolher um múltiplo dele para não trabalhar com a fração, logo podemos multiplicar o vetor por 5 e usar o autovetor: (5, 2) associado ao autovalor α1 = 6 Para α2 = - 1 [ 4 − (−1) 5 2 1 − (−1) ] . [ 𝑥 𝑦 ] = [ 0 0 ] [ 5 5 2 2 ] . [ 𝑥 𝑦 ] = [ 0 0 ] [ 5𝑥 + 5𝑦 2𝑥 + 2𝑦 ] = [ 0 0 ] { 5𝑥 + 5𝑦 = 0 (1) 2𝑥 + 2𝑦 = 0 (2) De (2): y = - x logo, o autovetor associado ao autovalor α2 = -1 é (𝑥 , −𝑥), com x≠0, assim temos: (1, - 1) Os correspondentes autovetores são: v1 = x (1, -1) e v2 = x (5, 2) Como α1 ≠ α2 , os autovetores v1 e v2 constituem a base em relação a qual, a matriz A é diagonal, portanto, P = { v1 = (1, -1), v2 =(5, 2)} P = [ 1 5 − 1 2 ] diagonaliza A. Calculando: D = P-1 AP 1º calcular o determinante de P: det = 1 . 2 – 5 (-1) = 2 + 5 = 7 2º calculando a inversa de P: P-1 = [ 2 7 − 5 7 1 7 1 7 ] 3º verificando se a matriz é diagonalizável: D = P-1 AP 𝐷 = [ 2 7 − 5 7 1 7 1 7 ] . [ 4 5 2 1 ] . [ 1 5 − 1 2 ] D = [ 2 7 − 5 7 1 7 1 7 ] . [ 4. 1 + 5 (−1) 4. 5 + 5 . 2 2. 1 + 1 (−1) 2. 5 + 1 . 2 ] 𝐷 = [ 2 7 − 5 7 1 7 1 7 ] . [ 4 − 5 20 + 10 2 − 1 10 + 2 ] 𝐷 = [ 2 7 − 5 7 1 7 1 7 ] . [ −1 30 1 12 ] D = [ 2 7 (−1) + (− 5 7 ) . 1 2 7 (30) + (− 5 7 ) . 12 1 7 (−1) + 1 7 (1) 1 7 (30) + 1 7 (12) ] D = [ − 2 7 − 5 7 60 7 − 60 7 − 1 7 + 1 7 30 7 + 12 7 ] D = [ − 7 7 0 0 42 7 ] D =[ −1 0 0 6 ] Logo, o operador linear é diagonalizável. b. 𝐶 = [ 0 2 1 1 ] A equação característica de T é: det (A – α I) = 0 [ 0 − 𝛼 2 1 1 − 𝛼 ] = 0 (– α).(1– α) – ( 2) . 1 = 0 α2 – α – 2 = 0 α1 = 2 e α2 = – 1 Logo, α1 = 2 e α2 = – 1 são os autovalores de T. Como α1 ≠ α2 os correspondentes autovetores formam uma base de ℝ2. Calculando os autovetores: [ 0 − 𝛼 2 1 1 − 𝛼 ] [ 𝑥 𝑦] = [ 0 0 ] Assim: a) para α1 = 2 [ 0 − 2 2 1 1 − 2 ] [ 𝑥 𝑦] = [ 0 0 ] [ − 2 2 1 −1 ] [ 𝑥 𝑦] = [ 0 0 ] { −2𝑥 + 2𝑦 = 0 (1) 𝑥 − 𝑦 = 0 (2) De (1): - 2 x = - 2y x = y Logo, v1 = (x, x) v1 = x (1, 1) (1, 1) é o autovetor associado ao autovalor α1 = 2 b) para α2 = – 1 [ 0 − (−1) 2 1 1 − (−1) ] [ 𝑥 𝑦] = [ 0 0 ] [ 1 2 1 2 ] [ 𝑥 𝑦] = [ 0 0 ] { 𝑥 + 2𝑦 = 0 (1) 𝑥 + 2𝑦 = 0 (2) De (1): x = - 2y v2 = (- 2 y, y) v2 = y (-2, 1) (-2, 1) é o autovetor associado ao autovalor α2 = - 1 Como α1 ≠ α2 O conjunto {(1, 1), (-2, 1)} é uma base de ℝ2. Logo, P = [ 1 −2 1 1 ] diagonaliza A. Para encontrar a matriz diagonalizável fazemos: D= P-1 AP Primeiro temos que descobrir a inversa de P Para tanto, 1º calcular o determinante de P: det = 1 . 1 – 1 (-2) = 1 + 2 = 3 2º calculando a inversa de P: P = [ 1 −2 1 1 ] então P-1 = [ 1 3 2 3 − 1 3 1 3 ] 3º calculando a matriz diagonalizável: D = P-1 AP 𝐷 = [ 1 3 2 3 − 1 3 1 3] . [ 0 2 1 1 ] . [ 1 −2 1 1 ] 𝐷 = [ 1 3 2 3 − 1 3 1 3] . [ 0. (1) + (2)(1) 0 (−2) + (2)(1) 1(1) + 1(1) 1(−2) + 1(1) ] 𝐷 = [ 1 3 2 3 − 1 3 1 3] . [ 2 2 2 −1 ] 𝐷 = [ 1 3 (2) + ( 2 3 )(2) 1 3 (2) + ( 2 3 )(−1) − 1 3 (2) + 1 3 (2) − 1 3 (2) + ( 1 3 )(−1)] 𝐷 = [ 2 3 + 4 3 2 3 − 2 3 − 2 3 + 2 3 − 2 3 − 1 3] 𝐷 = [ 6 3 0 0 − 3 3] → 𝐷 = [ 2 0 0 −1] Portanto, o operador linear é diagonalizável. c. 𝐸 = [ 1 2 3 2 ] A equação característica de T é: det (A – α I) = 0 [ 1 − 𝛼 2 3 2 − 𝛼 ] = 0 (1– α).(2– α) – 6 = 0 α2 – 2 α – α – 4 = 0 α2 – 3 α - 4 = 0 α1 = 4 e α2 = – 1 Logo, α1 = 4 e α2 = -1 são os autovalores de T. Como α1 ≠ α2 os correspondentes autovetores formam uma base de ℝ2. Calculando os autovetores: [ 1 − 𝛼 2 3 2 − 𝛼 ] [ 𝑥 𝑦] = [ 0 0 ] Assim: a) para α1 = 4 [ 1 − 4 2 3 2 − 4 ] [ 𝑥 𝑦] = [ 0 0 ] [ − 3 2 3 −2 ] [ 𝑥 𝑦] = [ 0 0 ] – 3 x +2 y = 0 3 x - 2y = 0 x = 2 3 𝑦 Logo, v1 = ( 2 3 y, y) v1 = y ( 2 3 , 1) ou se y = 3 v1 = (2, 3) com y ≠ 0 (2, 3) é o autovetor associado ao autovalor α1 = 4 b) para α2 = -1 [ 1 − (−1) 2 3 2 − (−1) ] [ 𝑥 𝑦] = [ 0 0 ] [ 2 2 3 3 ] [ 𝑥 𝑦] = [ 0 0 ] [ 2𝑥 + 2𝑦 3𝑥 + 3𝑦 ] = [ 0 0 ] x = - y Como v não pode ser o vetor nulo, fazemos: v2 = (- y, y) v2 = y (-1, 1) (-1, 1) é o autovetor associado ao autovalor α2 = -1 O conjunto {(2, 3), (-1, 1)} é uma base de ℝ2. Logo, P = [ 2 −1 3 1 ] diagonaliza A. Para encontrar a matriz diagonalizável fazemos: D= P-1 AP Primeiro temos que descobrir a inversa de P Para tanto, 1º calcular o determinante de P: det = 5 2º calculando a inversa de P: P-1 = [ 1 5 1 5 − 35 2 5 ] 3º calculando a matriz diagonalizável: D = P-1 AP 𝐷 = [ 1 5 1 5 − 3 5 2 5 ] . [ 1 2 3 2 ] . [ 2 −1 3 1 ] 𝐷 = [ 1 5 (1) + 1 5 (3) 1 5 (2) + 1 5 (2) − 3 5 (1) + 2 5 (3) 2 5 (2) + 2 5 (2) ] . [ 2 −1 3 1 ] 𝐷 = [ 1 5 + 3 5 2 5 + 2 5 − 3 5 + 6 5 4 5 + 4 5 ] . [ 2 −1 3 1 ] 𝐷 = [ 4 5 4 5 3 5 8 5 ] . [ 2 −1 3 1 ] 𝐷 = [ 4 5 (2) + 4 5 (3) 4 5 (−1) + 4 5 (1) 3 5 (2) + 8 5 (3) 3 5 (−1) + 8 5 (1) ] 𝐷 = [ 8 5 + 12 5 − 4 5 + 4 5 6 5 + 24 5 − 3 5 + 8 5 ] 𝐷 = [ 20 5 0 30 5 5 5 ] 𝐷 = [ 4 0 6 1 ] Como D não é a matriz diagonal, então P não diagonaliza A, ou, o operador não é diagonalizável. d. 𝐾 = [ 4 0 0 1 4 0 0 1 4 ] 𝑑𝑒𝑡 [ 4 − 𝛼 0 0 1 4 − 𝛼 0 0 1 4 − 𝛼 ] = [ 0 0 ] (4 − 𝛼)(4 − 𝛼)(4 − 𝛼) = 0 𝛼′ = 4 , 𝛼′′ = 4 , 𝛼′′′ = 4 Como 𝛼′ = 𝛼′′ = 𝛼′′′ = 4, o operador não é diagonalizável. Referências Bibliográficas BOLDRINI, J. L. et al. Álgebra linear. São Paulo: Harper & Row, 1980. BORGES, A. J. Notas de aula. Curitiba. Set. 2010. Universidade Tecnológica Federal do Paraná – UTFPR. CALLIOLI, C. A. et al. Álgebra linear e aplicações. São Paulo: Atual, 1990. ANTON, H.; BUSBY, R. C. Álgebra linear contemporânea. São Paulo: Bookman, 2008. KOLMAN, B.; HILL, R. Introdução à álgebra linear com aplicações. 6ª ed. Rio de Janeiro: Prentice- Hall, 1998. LIPSCHUTZ, S. Álgebra linear. São Paulo: McGraw-Hill do Brasil, 1972. NUNES, Luiz Fernando. Notas de aula: Matemática 1. Professor do Departamento de Matemática da Universidade Tecnológica Federal do Paraná – UTFPR. STEINBRUCH, A. e WINTERLE, P. Álgebra linear. São Paulo: Pearson-Makron Books, 2010. VENTURI, J. J. Álgebra Vetorial e Geometria Analítica. 9 ed. Curitiba. 1949.
Compartilhar