Baixe o app para aproveitar ainda mais
Prévia do material em texto
MMóódduulloo 1100 –– AAuuttoovvaalloorreess ee AAuuttoovveettoorreess 11 EEFFBB110022 -- GGeeoommeettrriiaa AAnnaallííttiiccaa ee ÁÁllggeebbrraa LLiinneeaarr MÓDULO 10 – AUTOVALORES E AUTOVETORES Até o presente momento, o grande assunto do curso tem sido a solução de Ax b e suas interpretações como um sistema linear ou como uma transformação linear. Agora, investiga-se o novo problema Ax x , restrito às matrizes quadradas de ordem n. Esta expressão leva à obtenção dos autovalores e autovetores – definidos formalmente em momento oportuno – da matriz A (ou, equivalentemente, do operador linear T tal que T A ). A etapa básica de solução do problema Ax x não mais será a aplicação de uma operação elementar (eliminação gaussiana) de linhas em A, pois isto altera seus autovalores. Os determinantes fornecem uma transição de Ax b para Ax x . Em ambos os casos, o determinante leva a uma solução formal: a Regra de Cramer para 1x A b e ao polinômio det A I , cujas raízes serão os autovalores de A. Em termos numéricos e computacionais, o determinante é empregado quando 2n ou 3. Para 3n , o cálculo dos autovalores é muito mais complexo e difícil do que a solução de Ax b . A primeira etapa deste estudo consiste em compreender como os autovalores são úteis. Uma de suas aplicações é a solução de equações diferenciais ordinárias. Como um exemplo, seja o sistema de equações lineares: 4 5 0 8 2 3 0 5 dv v w, v dt S dw v w, w dt A solução do sistema S é um típico problema de valor inicial. As incógnitas são especificadas no tempo inicial (neste caso, 0t ) e o problema é determinar v t e w t para 0t . É simples apresentar S em forma matricial: 8 4 5 0 5 2 3 v t du u t , u , A Au w t dt , com 0u u para 0t . A equação diferencial (matricial) é de primeira ordem – não há derivadas de ordem superior – é linear nas incógnitas e possui coeficientes constantes, ou seja, a matriz A é independente do tempo. Então, como determinar a solução u t ? Se houvesse apenas uma incógnita, o problema apresentaria fácil solução. De fato, a equação seria escalar, e não vetorial. Ou seja, MMóódduulloo 1100 –– AAuuttoovvaalloorreess ee AAuuttoovveettoorreess 22 EEFFBB110022 -- GGeeoommeettrriiaa AAnnaallííttiiccaa ee ÁÁllggeebbrraa LLiinneeaarr du au dt com 0u u para 0t , de solução 0atu t e u . Deve-se notar que para 0t obtém-se 0u u e que a derivada de ate possui o fator necessário a de modo que du/dt au . Assim, a condição inicial e a equação são igualmente satisfeitas. Outro ponto importante é o comportamento da solução u t . Se 0a a solução é dita neutramente estável; se 0a , a solução é instável (pois ate à medida que o tempo passa); finalmente, se 0a , a solução é estável (pois 0ate com a passagem do tempo). O sistema S admite soluções com a mesma dependência exponencial encontrada no caso escalar, ou seja: tv t e y e tw t e z , ou, em notação vetorial, tu t e x . Esta é a chave para solucionar equações diferenciais do tipo du/dt Au . Substituindo as expressões acima nas equações de S , obtém-se: 4 5 2 3 t t t t t t e y e y e z e z e y e z O fator te é comum a todos os termos e, portanto, pode ser removido. Este cancelamento é na verdade o motivo pelo qual se assume o mesmo expoente para ambas as incógnitas. Assim: 4 5 Problema dos autovalores 2 3 y z y y z z A expressão anterior é a equação dos autovalores. Em forma matricial, tem-se Ax x . Esta última expressão também é encontrada quando se utiliza tu e x . Substituindo-se em du/dt Au é possível notar que t te x Ae x . O cancelamento de te produz: Equação de autovalores Ax x Esta é a expressão fundamental deste material de apoio. Ela envolve duas incógnitas: e x. Trata-se de um problema de álgebra e, portanto, as equações diferenciais podem ser deixadas de lado. O número é um autovalor da matriz A e o vetor x é o autovetor associado. A seguir é apresentada a definição formal do conceito de autovalores e autovetores. Definição 01: Seja A uma matriz n n . Então, um vetor não nulo nx é chamado autovetor de A se o produto Ax é um múltiplo escalar de x, ou seja, se Ax x para algum escalar . O escalar é chamado um autovalor de A e diz-se que x é um autovetor associado a . MMóódduulloo 1100 –– AAuuttoovvaalloorreess ee AAuuttoovveettoorreess 33 EEFFBB110022 -- GGeeoommeettrriiaa AAnnaallííttiiccaa ee ÁÁllggeebbrraa LLiinneeaarr Mas como é possível solucionar Ax x ? Em primeiro lugar, trata-se de uma equação não linear, pois existe o produto de incógnitas. No entanto, caso seja possível determinar , a equação para o vetor x é linear. Esta estratégia leva a: 0 0 0 0Ax x , x Ax x Ax Ix A I x . A chave do problema consiste no fato de que x N A I e o escalar deve ser escolhido de forma que nul 0A I . É preciso notar que o interesse está focado nos valores particulares de para os quais haja um autovetor não nulo x. Em outras palavras, A I deve ser singular. Definição 02: O escalar é um autovalor de A se, e somente se, A I for uma matriz singular, ou seja, det 0A I . Esta é a chamada equação característica de A e detp A I é o polinômio característico de A. Todo autovalor é associado à autovetores x tais que 0A I x ou Ax x . No exemplo da equação diferencial matricial du/dt Au , tem-se: 4 5 2 3 A I e 2det 4 3 10 2A I p . As raízes de p são os autovalores de A. Assim, os autovalores são 1 e 2 . Estes valores levam à solução de Ax x ou 0A I x . Uma matriz com determinante nulo é singular, de modo que deve haver vetores não nulos x em seu espaço nulo. Logo: Para 1 1 : 5 5 0 2 2 0 y A I x z Autovetores associados: 1 1 1 1 v x . Para 2 2 : 2 5 0 2 2 5 0 y A I x z Autovetores associados: 2 2 5 2 v x . Observações: É possível notar que as colunas de 1A I resultam em 2x e as colunas de 2A I são múltiplas de 1x . Este é um fato específico (e útil) para matrizes quadradas de ordem 2. Além disso, é simples notar que se x é um autovetor, então qualquer múltiplo kx também o será. Todos os vetores de N A I , denominado autoespaço associado a x, satisfazem Ax x . Na equação diferencial adotada como exemplo, os autoespaços associados a 1x e 2x geram soluções especiais tu e x , denominadas soluções exponenciais puras para du/dt Au. Assim: MMóódduulloo 1100 –– AAuuttoovvaalloorreess ee AAuuttoovveettoorreess 44 EEFFBB110022 -- GGeeoommeettrriiaa AAnnaallííttiiccaa ee ÁÁllggeebbrraa LLiinneeaarr 1 1 1 1 t tu t e x e e 2 22 5 2 t tu t e x e . Essas duas soluções especiais fornecem a solução completa. De fato, qualquer combinação linear delas é também solução de du/dt Au . Assim, a solução completa é da forma: 1 21 1 2 2 t tu t c e x c e x (princípio da superposição ou sobreposição). Os parâmetros livres 1c e 2c devem ser escolhidos para satisfazer a condição inicial 0u u em 0t : 1 1 2 2 0c x c x u ou 1 2 1 5 8 1 2 5 c c Assim, 1 3c e 2 1c . A solução para a equação original é 2 1 5 3 1 2 t tu t e e ou 2 2 3 5 3 2 t t t t v t e e w t e e Exemplo 01: Determinar os autovalores e autovetores de 3 2 2 3 A . O primeiro passo é construir A I . Neste caso: 3 2 2 3 A I . A seguir, é preciso calcular o polinômio característico detp A I . Então: 2 3 2 det 6 5 2 3 A I . As raízes de p , ou seja, os autovalores de A, são 1 1 e 2 5 . Os autoespaços associados a cada um desses autovalores, denotados por iS , são: Para 1 1 : 2 2 0 2 2 0 x A I x y Autoespaço associado: 1 ger 1 1 TS . Para 2 5 : 2 2 0 5 2 2 0 x A I x y Autoespaço associado: 2 ger 1 1 TS . Exemplo 02: Seja 2 2T : o operador linear tal que T x Ax T x , em que A T é a matriz estudada no Exemplo 01. O fato de que A possui dois autoespaços unidimensionais a ela MMóódduulloo 1100 –– AAuuttoovvaalloorreess ee AAuuttoovveettoorreess 55 EEFFBB110022 -- GGeeoommeettrriiaa AAnnaallííttiiccaa ee ÁÁllggeebbrraa LLiinneeaarr associados implica em que o operador T possui duas direções especiais de aplicação. Quando transformados por T, qualquer vetor presente nos autoespaços 1S e 2S dá origem a uma versão em escala de si próprio. Em outras palavras, a direção dos vetores dos autoespaços é conservada pela aplicação do operador T. Esta é a interpretação geométrica do conceito de autovalores e autovetores. A figura a seguir mostra o operador aplicado ao triângulo OPQ . x y OP Q T(x) x y O R S No triângulo OPQ, tem-se: 21 1 T u OP P O S 12 2 T v OQ Q O S 1 3 T w PQ Q P A aplicação do operador linear T leva a: 3 2 1 5 5 2 3 1 5 T OP T u u OR ; 3 2 2 2 2 3 2 2 T OQ T v v OS 3 2 1 3 2 3 3 7 T PQ T w Nota-se que 5OP OR OR OP e OQ OS OQ OS , o que comprova o fato de que 2OP S e 1OQ S (ou seja, são autovetores do operador T). O mesmo não ocorre para o vetor w . De fato, T w w . Em outras palavras, T não conserva a direção do vetor w . Outro fato interessante relaciona-se às áreas dos triângulos OPQ e ORS. A área do triângulo OPQ vale 2, enquanto que a área do triângulo ORS vale 10 2 5 detOPQA A . Por que isso acontece? A seguir são apresentados diversos teoremas relacionados aos conceitos de autovalores e autovetores. Não são fornecidas provas, uma vez que o foco deste estudo é a aplicação direta dos MMóódduulloo 1100 –– AAuuttoovvaalloorreess ee AAuuttoovveettoorreess 66 EEFFBB110022 -- GGeeoommeettrriiaa AAnnaallííttiiccaa ee ÁÁllggeebbrraa LLiinneeaarr conceitos envolvidos. Demonstrações formais são encontradas na bibliografia recomendada (verifique o Plano de Ensino da disciplina). Teorema 01: Se A é uma matriz n n triangular (superior, inferior ou diagonal), então os autovalores de A são as entradas presentes na diagonal principal de A. Teorema 02: Se A é uma matriz n n , a soma de seus n autovalores é igual à soma dos n elementos presentes em sua diagonal principal, ou seja: 1 2 11 22 1 1 tr n n i n nn i i i a a a a A . Teorema 03: Se A é uma matriz n n , o produto de seus n autovalores é igual ao seu determinante, ou seja, 1 2 detn A . Teorema 04: Se k é um inteiro positivo, é um autovalor de uma matriz A e x é um autovetor associado, então k é um autovalor de kA e x é um autovetor associado. Teorema 05: Uma matriz quadrada A é inversível se, e somente se, 0 não é um autovalor de A. Teorema 06: Afirmações equivalentes – Se A é uma matriz n n e se n n AT : é a multiplicação por A, então as seguintes afirmações são equivalentes: a) A é inversível. b) 0Ax admite somente a solução trivial. c) A forma escalonada reduzida por linhas de A é nI . d) A pode ser escrita como um produto de matrizes elementares. e) Ax b é consistente para cada vetor b ( 1n ). f) Ax b tem exatamente uma solução para cada vetor b ( 1n ). g) det 0A . h) Im nT . i) AT é injetora. j) Os vetores-coluna de A são linearmente independentes. k) Os vetores-linha de A são linearmente independentes. l) Os vetores-coluna de A geram o n . m) Os vetores-linha de A geram o n . n) Os vetores-coluna de A formam uma base do n . MMóódduulloo 1100 –– AAuuttoovvaalloorreess ee AAuuttoovveettoorreess 77 EEFFBB110022 -- GGeeoommeettrriiaa AAnnaallííttiiccaa ee ÁÁllggeebbrraa LLiinneeaarr o) Os vetores-linha de A formam uma base do n . p) pos A n . q) nul 0A . r) nN A . s) 0C A . t) TA A é inversível. u) 0 não é um autovalor de A. Exercícios propostos: E1. Determine os autovalores e as respectivas bases dos autoespaços das matrizes: a) 3 0 8 1 b) 10 9 4 2 c) 0 3 4 0 d) 4 0 1 2 1 0 2 0 1 e) 3 0 0 2 7 0 4 8 1 Resposta: a) 1 3 e 2 1 ; 1 1 1 2 T B e 2 0 1 T B b) 1 2 4 1 2 3 2 T B c) 1 2 3 e 2 2 3 ; 1 3 2 3 T B e 2 3 2 3 T B d) 1 1 , 2 2 e 3 3 ; 1 0 1 0 T B , 2 1 2 2 T B e 3 1 1 1 T B e) 1 1 , 2 7 e 3 3 ; 1 0 0 1 T B , 2 0 3 4 T B e 3 2 1 8 T B E2. Encontre os autovalores de 3 4 2 0 1 2 00 0 A e 0 0 2 0 2 0 2 0 0 B . Verifique que 1 2 3 é igual ao traço e 1 2 3 é igual ao determinante. Resposta: 1 3 , 2 1 e 3 0 para a matriz A e 1 2 3 2 para a matriz B. E3. Calcule os autovalores e bases dos autoespaços de A e 2A se 1 3 2 0 A . Resposta: 1 2 e 2 3 para a matriz A e 1 4 e 2 9 para a matriz 2A . As bases dos autoespaços de A e 2A são 1 1 1 T B e 2 3 2 T B . MMóódduulloo 1100 –– AAuuttoovvaalloorreess ee AAuuttoovveettoorreess 88 EEFFBB110022 -- GGeeoommeettrriiaa AAnnaallííttiiccaa ee ÁÁllggeebbrraa LLiinneeaarr E4. Encontre os autovalores e bases dos autoespaços de 20A se 1 2 2 1 2 1 1 1 0 A . Resposta: 1 2 3 1 para a matriz 20A . As bases dos autoespaços de 20A são 1 2 3 2 1 1 , 1 1 0 , 1 0 1 T T T B . E5. Calcule os autovalores e bases dos autoespaços de A e A I se 1 4 2 3 A . Compare os autovalores e autovetores das matrizes A e A I . Veja exercício E7. Resposta: 1 1 e 2 5 para a matriz A e 1 0 e 2 6 para a matriz A I . As bases dos autoespaços de A e A I são 1 2 1 T B e 2 1 1 T B . E6. Os vetores 1 1,1u e 2 2, 1u são autovetores de um operador 2 2:T associados aos autovalores 1 5 e 2 1 , respectivamente. Determine 4,1T . Resposta: 4,1 8,11T . Desafio: Prove: a) Se a, b, c e d são números inteiros tais que a b c d , então a b A c d tem autovalores inteiros: 1 a b e 2 a c . b) Se é um autovalor de A com autovetor associado x, então 1 é um autovalor de 1A com autovetor associado x. c) Se é um autovalor de A com autovetor associado x e se s é um escalar, então s é um autovalor de A s I com autovetor associado x. d) Se é um autovalor de A com autovetor associado x, então 1 é um autovalor de A I com autovetor associado x.
Compartilhar