Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Diagonalização de operadores Índice Definição Autovalor e Autovetor Matrizes e polinômios característicos Propriedades de um polinômio característico Diagonalização de operadores Teorema Espectral para operadores simétricos Reconhecimento de cônicas Aplicações Autovalor e autovetor Seja T: V → V um operador linear. Um vetor v V, sendo v≠0 – ou seja, v não é um vetor nulo – é denominado autovetor de operador T se existe λ tal que: T(v) = λv O λ presente na equação acima é denominado autovalor de T associado ao próprio v. Como visto, um vetor v ≠ 0 é um autovetor se a imagem T(v) for um múltiplo escalar de v. É importante reforçar que no R2 e no R3, v e T(v) possuem a mesma direção. Assim, concluímos que, dependendo do valor que λ assumir, o vetor T(v) pode contrair, dilatar, inverter o sinal ou se anular. λ > 1 0 < λ < 1 λ < 0 Exercício 1º - Verifique se v1 = (5,2) e v2 = (2,1) são vetores próprios para o operador seguinte: RESPOSTA: T(5,2) = (4.5 + 5.2, 2.5 + 2) T(2,1) = (4.2 + 5.1, 2.2 + 1) T(5,2) = (20 + 10, 10 + 2) T(2,1) = (8 + 5, 4 + 1) T(5,2) = (30,12) T(2,1) = (13,5) Pela definição de autovetor T(5,2) = λ (5,2). Pela definição, T(2,1) = λ(2,1). Temos que (30,12) é 6.(5,2) e, portanto λ = 6 Porém, nenhum λ satisfaz a e (5,2) é autovetor do operador. essa equação. Logo, (2,1) não é autovetor do operador acima. Determinação de autovalores e autovetores Sabe-se que toda transformação linear de Rn em Rm pode ser representada por uma matriz m X n (No caso de um operador linear, m = n) Seja A uma matriz n X n, Definimos: T: Rn Rn v Av Onde v é tomado como vetor coluna, v = T(v) = Av = (1) Se v ≠ 0 é um vetor próprio de T e λ o correspondente valor próprio, isto é: T(v) = λv (2) Substituindo (1) em (2), temos que Av = λv. Observe que se I for a matriz identidade de ordem n, então a equação acima pode ser escrita na forma Av = (λI)v, ou ainda, (A - λI)v = 0. Escrevendo esta equação explicitamente, temos: (3) A igualdade (3) representa um sistema homogêneo de n equações e n variáveis (x1, x2, ..., xn). Se o determinante da matriz dos coeficientes (det (A - λI)) for diferente de zero, a única solução do sistema é a trivial, isto é, x1 = x2 = ... = xn = 0 (ou seja, v = 0). Como se deseja vetores v ≠ 0, deve-se obrigatoriamente ter: det(A - λI) = 0 (4) A equação (4) é denominada equação característica do operador T ou da matriz A e suas raízes são os autovalores do operador T ou da matriz A. O det(A - λI), que é um polinômio em λ, é denominado polinômio característico de T ou de A. Os autovetores correspondentes aos autovalores encontrados serão obtidos substituindo cada valor de λ na igualdade (3) e resolvendo o respectivo sistema homogêneo de equações lineares. Exercício Verifique se v1 = (5,2) e v2 = (2,1) são vetores próprios para o operador seguinte: RESPOSTA: A matriz canônica do operador T é A = e, portanto, a equação característica de T é: det (A - λ I) = 0 (4 – λ)(1 – λ) – 10 = 0 λ² - 5λ - 6 = 0 λ1 = 6 e λ2 = -1 O sistema homogêneo que permite a determinação dos vetores próprios é (A - λ I)v=0. Considerando v = , o sistema fica: (*) Substituindo, em (*), λ por 6, obtém-se o sistema linear homogêneo cuja solução é constituída por todos os vetores próprios associados ao valor próprio λ1 = 6: Este sistema admite uma infinidade de soluções próprias: y = 2x/5 e, portanto, os vetores do tipo v1 = (x,2x/5), x ≠ 0, são os autovetores associados ao autovalor λ1 = 6. Substituindo, em (*), λ por -1, obtém-se o sistema homogêneo cuja solução é constituída por todos os vetores próprios associados ao valor próprio λ2 = -1: Este sistema admite uma infinidade de soluções próprias: y = -x e, portanto, os vetores do tipo v2 = (x,-x), x ≠ 0, são os autovetores associados ao autovalor λ2 = -1. Propriedades do Polinômio Característico Se v é um autovetor associado ao autovalor λ de um operador linear T, o vetor αV também é autovetor de T associado ao mesmo λ, ∀ α ∈ R*. T(v) = λv Pela propriedade de multiplicação por escalar, T(αv) = αT(v) = α(λv), ∴, T(αv) = λ(αv), o que prova que αv é autovetor associado a λ. Se λ é autovalor de T: V → V, o conjunto Sλ que contém todos os vetores v ∈ V associados a λ (com a inclusão do vetor nulo) é um subespaço vetorial de V. Utilizando as propriedades dos subespaços vetoriais e das transformações lineares, sabemos que, se v1,v2 ∈ Sλ e se α ∈ R: No entanto, I pode ser escrita como I = M-1IM. Portanto: det(M-1 [T]A M - λI) = det(M-1 [T]A M - λM-1IM) Evidenciando [T]A - λI: det(M-1 [T]A M - λM-1IM) = det[M-1 ([T]A - λI)M] Separando a operação determinante: det[M-1 ([T]A - λI)M] = det(M-1) det([T]A - λI) det(M) Agora, podemos aplicar as propriedades comutativa e associativa do cálculo da determinante: det(M-1) det([T]A - λI) det(M) = det(M) det(M-1) det([T]A - λI) = det(M M-1) det([T]A - λI) = det(I) det([T]A - λI) = 1*det([T]A - λI) Portanto, det([T]B - λI) = det([T]A - λI) Matriz diagonalizável Uma matriz Anxn é diagonalizável se, e somente se, a soma das dimensões dos autoespaços associados a cada autovalor de A é n. A matriz A é diagonalizável se, e somente se, A tem n autovetores linearmente independentes (LI). Em particular, se A tem n autovalores distintos. Exercício Confira se a matriz abaixo é diagonalizável: RESPOSTA: Matriz diagonalizável Uma matriz quadrada A é diagonalizável quando é semelhante a uma matriz diagonal. Ou seja, se existe uma matriz D diagonal, tal que A = PDP^(-1) com P invertível. Analogamente, seja V um espaço vetorial de dimensão finita, então um operador linear T : V -> V é diagonalizável se existe uma base de V para a qual T é representado por uma matriz diagonal. A diagonalização é o processo para transformar uma matriz ou operador diagonalizável em uma matriz diagonal. Vamos ver um exemplo deste processo: Exercício A matriz a seguir é diagonalizável? RESPOSTA: Teorema espectral Nos slides anteriores podemos ver se uma matriz A é diagonalizável ou não. Sabemos que se A é diagonalizável, existe alguma matriz T, que representa a matriz A, em outra base. Porém existe um caso particular mais fácil de descobrirmos se é diagonalizável. O Teorema espectral Exercício Verifique se a matriz a seguir é diagonalizável: RESPOSTA: Vemos que a matriz A é simétrica, logo, seguindo o teorema espectral temos que ela é diagonalizável. Além disso, notamos que seus autovetores λ= {(1,1),(1,-1)}, são ortogonais, porém não estão normalizados. É possível normalizar os autovetores, assim, podemos coloca-los na coluna da matriz X, originando uma matriz ortogonal(*formada por colunas ortonormais). Isso é feito porque além da matriz simétrica sempre ser diagonalizável. Ela sempre pode ser diagonalizada através de uma matriz ortogonal. RESUMINDO: A matriz A(simétrica) é diagonalizável. Podemos ( não é necessário) ortonormalizar os autovetores. A matriz X (matriz ortogonal) pode diagonalizar a matriz A. Identificando superfícies cônicas pelo Teorema Espectral para Operadores Simétricos Definição de Superfícies Cônicas Uma cônica no IR² é o conjunto de pontos P = (x,y) cujas coordenadas satisfazem a equação quadrática : ax² + bxy + cy² + dx + ey + f = 0 Forma quadrática matricial de uma cônica: Matriz Quadrática Exercício Escreva a equação da elipse abaixo em termos de formas quadráticas e formas lineares. RESPOSTA: Sendo a matriz quadrática temos que se: - A equação é de uma parábola ou de sua forma degenerada (uma reta ou duas retas paralelas). - a equação é de uma elipse ou de sua forma degenerada (um ponto ou o vazio) - a equação é de uma hipérbole ou de sua forma degenerada (duas retas concorrentes) Note que no exemplo anterior a diagonal secundária da matriz quadrática é nula. Quando isso não ocorrer, o nosso problema será escrever a forma quadrática, que determina o tipo de cônica, em forma diagonalizada. Neste caso, deveremos fazer 5 passos em nossa resolução. Escrevemos a equação na forma matricial. Diagonalizamos a forma quadrática para eliminar os termos mistos. Para isto, precisamos encontrar os autovalores e os autovetores ortonormais da matriz quadrática. Obtemos um novo sistema de coordenadas ortogonal cujas retas suportes estão nas direções dos autovetores que formam a base canônica . Substituindo na equação da forma matricial da cônica e obtemos a equação da cônica no novo sistema de coordenadas. Eliminamos os termos lineares das coordenadas cujos autovalores são não nulos. Exemplo Determinar o lugar geométrico dado pela equação RESPOSTA: Passo 1: Forma matricial da equação. Passo 2: Diagonalizando a forma quadrática. Como a matriz quadrática é simétrica, pelo Teorema Espectral para Operadores Simétricos, tal matriz quadrática é diagonalizável. Seu autovalores são t’ = 3 e t’’ = 1 e os auto vetores unitários são: Passo 3: novo sistema de coordenadas ortogonal cujas retas suportes estão nas direções dos autovetores. Autovetores Autovalores Passo 4: Substituindo na equação da forma matricial da cônica. Passo 5: Eliminamos os termos lineares das coordenadas cujos autovalores são não nulos. Ou seja, TEMOS UMA ELIPSE! Aplicações O método de diagonalização pode ser aplicado em Processos de Markov, Estudo de Cônicas, Equações Diferenciais Ordinárias e Parciais, Equações Integrais, entre outros. Exemplo: Em processos de Markov é usual o calculo de potências de uma matriz. Se uma Matriz for Diagonal, o cálculo das potencias é muito mais simples: p p p p
Compartilhar