Baixe o app para aproveitar ainda mais
Prévia do material em texto
Licenciatura em Matema´tica – EAD – UFMG A´lgebra Linear II – Matrizes Ortogonais Definic¸a˜o 1 Uma matriz ortogonal e´ uma matriz quadrada A tal que a inversa de A e´ a matriz transposta de A, isto e´ A−1 = At Observac¸a˜o 2 Uma matriz quadrada e´ ortogonal se e somente se AAt = AtA = I, onde I e´ matriz identidade. Teorema 3 Seja A uma matriz quadrada de tamanho n × n, as seguintes afirmac¸o˜es sa˜o equivalentes: a) A e´ ortogonal b) Os vetores-linhas de A formam um conjunto ortonormal de Rn em relac¸a˜o ao produto interno euclidiano. Prova: Considere a matriz AAt, observe que a entrada na i-e´sima linha e j-e´sima coluna desta matriz e´ o produto escalar do i-e´simo vetor-linha de A com o j-e´simo vetor-coluna de At. Assim se r1, r2, · · · , rn sa˜o os vetores linhas de A, enta˜o o produto AAt pode-se escrever como AAt = r1 · r1 r1 · r2 · · · r2 · rn r2 · r1 r2 · r2 · · · r2 · rn ... ... ... rn · r1 rn · r2 · · · rn · rn . Assim AAt = I se e somente se, r1 · r1 = r2 · r2 = · = rn · rn = 1 e ri · rj = 0 para i 6= j. E esto e´ va´lido se e somente se {r1, r2, · · · rn} e´ um conjunto ortonormal. Observac¸a˜o 4 Se A e´ ortogonal, enta˜o det(A) = 1 ou det(A) = −1. Autovalores e Autovetores Definic¸a˜o 5 Se A e´ uma matriz n × n, enta˜o um vetor na˜o nulos x em Rn e´ chamado um autovetor de A se x e´ um mu´ltiplo escalar de x., ou seja, Ax = λx para algum escalar λ. O escalar λ e´ chamado um autovalor de A e dizemos que x e´ um autovetor associado a λ. Para encontrar os autovalores de uma matriz A de tamanho n×n reescrevemos Ax = λx como (A− λI)x = O. Para λ ser um autovalor, precisa haver uma soluc¸a˜o na˜o nula desta equac¸a˜o. E esta soluc¸a˜o tem soluc¸a˜o se, e somente se det(λI − A) = O. Os escalares que satisfazem esta equac¸a˜o sa˜o os autovalores de A. det(λI − A) e´ um polinoˆmio em λ chamado polinoˆmio caracter´ıstico de A. Se A e´ uma matriz n× n, o polinoˆmio caracter´ıstico de A tem grau n e e´ da forma p(λ) = λn + cn−1λn−1 + cn−2λn−2 + · · ·+ c0 e pelo Teorema Fundamental del A´lgebra tem no ma´ximo n ra´ızes distintas. Exemplo 6 Encontre os autovalores de A = 0 1 00 0 1 4 −17 8 . O polinoˆmio caracter´ıstico de A e´ det(λI − A) = det λ −1 00 λ −1 −4 17 λ− 8 = λ3 − 8λ2 + 17λ− 4. Os autovalores de A satisfazem a equac¸a˜o λ3 − 8λ2 + 17λ− 4 = 0. Para resolver esta equac¸a˜o cu´bica, comec¸amos buscando soluc¸o˜es inteiras. Para isto lem- bremos que todas as soluc¸o˜es inteiras (se houver) de uma equac¸a˜o polinomial λn + cn−1λn−1 + cn−2λn−2 + · · ·+ c0 = 0 com coeficientes inteiros, sa˜o divisores do termos constante c0. Assim as poss´ıveis soluc¸o˜es sa˜o os divisores de -4, ou seja ±1,±2,±4. Com isso podemos ver que λ = 4 e´ soluc¸a˜o inteira e portanto λ− 4 dever ser um fator deste p(λ) e com isto temos que p(λ) = (λ− 4)(λ2 − 4λ+ 1) Assim os autovalores de A sa˜o λ = 4, λ = 2 + √ 3 e λ = 2−√3. Encontrando bases para o Auto-espac¸o Os autovetores de A associados a um autovalor λ sa˜o os vetores na˜o nulos x que satisfazem a equac¸a˜o Ax = λx. Equivalentemente, os autovetores associados a λ sa˜o os vetores na˜o nulos no espac¸o soluc¸a˜o de (λI − A)x = 0. Este espac¸o e´ chamado de autoespac¸o. Ilustremos com um exemplo: 2 Exemplo 7 Consideremos A = 0 0 −21 2 1 1 0 3 . Observe que os autovalores de A sa˜o as ra´ızes do polinoˆmio definido por det(A − λI. Encontremos enta˜o este polinoˆmio: det(A− λI) = det 0− λ 0 −21 2− λ 1 1 0 3− λ = det(2− λ) · det( −λ −2 1 3− λ ) Assim det(A− λI) = (2− λ)[(−λ)(3− λ) + 2] = (2− λ)[λ2 − 3λ+ 2] = −(λ− 2)2(λ− 1)] (Observe que para encontrar o determinante eu usei a coluna 2 que tem 2 zeros como entrada.) Assim o polinoˆmio caracter´ıstico e´ p(λ) = −(λ− 2)2(λ− 1) E as ra´ızes sa˜o λ = 1 e λ = 2. Agora vamos encontrar os autovetores. Para isto, temos que encontrar o ma´ximo nu´mero de vetores L.I que esta˜o associados a cada autovalor, enta˜o encontremos primeiro todos os autovetores associados a λ = 1 Sabemos que x = x1x2 x3 . e´ um autovetor de A associado a λ se, e somente se x e´ uma soluc¸a˜o na˜o trivial de (λI − A)x = 0, ou seja se λ 0 2−1 λ− 2 −1 −1 0 λ− 3 xx2 x3 = 00 0 Para λ = 2 temos enta˜o 2 0 2−1 0 −1 −1 0 −1 x1x2 x3 = 00 0 Resolvendo o sistema temos x1 = −α, x2 = β e x3 = α. Assim os autovetores na˜o nulos de A associados a λ = 2 sa˜o da forma x = −αβ α = −α0 α + 0β 0 = α −10 1 + β 01 0 3 Como −10 1 e 01 0 sa˜o linearmente independentes, estes vetores formam uma base do auto-espac¸o associado a λ = 2. Assim ao autovalor lambda = 2 esta˜o associados os vetores L.I −10 1 e 01 0 e eles sera˜o colunas da matriz P no processo de diagonalizac¸a˜o de A. Se λ = 1 temos 1 0 2−1 −1 −1 −1 0 −2 x1x2 x3 = 00 0 Resolvendo o sistema temos x1 = −2α, x2 = α e x3 = α. Assim os autovetores na˜o nulos de A associados a λ = 2 sa˜o da forma x = −2αα α = α −21 1 e por tanto −21 1 e´ uma base para o autoespac¸o associado a λ = 1. Diagonalizac¸a˜o A pergunta natural agora e´: Dada uma matriz A de tamanho n× n, existe uma base de Rn consistindo do autovetores de A?. Estas bases podem ser usadas para estudar propriedade geome´tricas de A e para simplificar muitas contas envolvendo A. Definic¸a˜o 8 Uma matriz quadrada e´ dita diagonaliza´vel se existe uma matriz invert´ıvel P tal que P−1AP e´ uma matriz diagonal. Teorema 9 Se A e´ uma matriz n× n, enta˜o sa˜o equivalentes as seguintes afirmac¸o˜es: a) A e´ diagonaliza´vel b) A tem n autovetores linearmente independentes. O teorema anterior nos diz que uma matriz An×n com n autovetores L.I e´ diagonalizac¸a˜o. Que procedimento usamos para diagonalizar uma matriz? isso vemos a seguir: Passo1 Encontre n autovetores L.I de A digamos v1, v2, · · · vn Passo2 Forme a matriz P com os vetores-colunas v1, v2, · · · vn Passo3 A matriz P−1AP sera´ uma matriz diagonal com entradas λ1, λ2, · · ·λn na diagonal principal onde λi e´ o autovalor associado a vi, para i = 1, 2, · · ·n. 4 No exemplo anterior encontramos a seguintes bases para os autoespac¸os: Para λ = 2 v1 = (−1, 0, 1) e v2 = (0, 1, 0) Para λ = 1 v3 = (−2, 1, 1). Encontramos 3 vetores de base no total, portanto A e´ diagonaliza´vel e P = −1 0 −20 1 1 1 0 1 diagonaliza A. De fato, P−1AP = 1 0 21 1 1 −1 0 −1 0 0 −21 2 1 1 0 3 −1 0 −20 1 1 1 0 1 = 2 0 00 2 0 0 0 1 Observac¸a˜o 10 Na˜o existe uma ordem determinada para as colunas de P. Como a i-e´sima entrada diagonal de P−1AP e´ um autovalor para o i-e´simo vetor-coluna de P, mudando a ordem das colunas de P so´ muda a ordem dos autovalores na diagonal P−1AP. Teorema 11 Sev1, v2, · · · vk sa˜o autovetores de A associados a autovalores distinto λ1, λ2, · · ·λk, enta˜o {v1, v2, · · · vk} e´ um conjunto linearmente independente. Teorema 12 Se A e´ uma matriz de tamanho n× n tem n autovalores distintos, enta˜o A e´ diagonaliza´vel. Prova: Se v1, v2, · · · vk sa˜o autovetores associados a autovalores distintos λ1, λ2, · · ·λk enta˜o pelo teorema anterior estes vetores sa˜o L.I. Portanto A e´ diagonaliza´vel Diagonalizac¸a˜o de matrizes sime´tricas Queremos agora identificar uma coˆnica (curva no plano descrita por uma equac¸a˜o de segundo grau em x e y). Exemplo 13 Considere o problema de identificar uma coˆnica representada pela equac¸a˜o 3x2 + 2xy + 3y2 = 4 Usando matrizes esta equac¸a˜o pode ser escrita como ( 3x+ y x+ 3y )( x y ) = 4 Ou ( x y )( 3 1 1 3 )( x y ) = 4 5 Ou ainda X tAX = 4 onde A= ( 3 1 1 3 ) e X = ( x y ) . Observe que A e´ diagonaliza´vel e podemos escrever A = PDP t com P = ( 1√ 2 1√ 2 − 1√ 2 1√ 2 ) e D = ( 2 0 0 4 ) Assim substituindo A na equac¸a˜o acima temos que (X tP )D(P tX) = (P tX)tD(P tX) = 4 e fazendo mudanc¸a de coordenadas X = PX ′, enta˜o como P tP = I a equac¸a˜o se transforma em X ′tDX ′ = ou ( x′ y′ )( 2 0 0 4 )( x′ y′ ) = 4 que pode ser escrita como 2x′2 + 4y′2 = 4, e dividindo por 4 temos x′2 2 + y′2 1 = 21 que representa uma elipse. Observe que o fato de A ser diagonaliza´vel atrave´s de uma matriz ortogonal P facilitou a identificac¸a˜o da coˆnica. E´ bom lembrar que nem toda matriz e´ diagonaliza´vel, mas se ele for sime´trica enta˜o ela e´ diagonaliza´vel, como vemos a seguir: Teorema 14 Para uma matriz A sime´trica, os autovalores associados a autovetores diferen- tes sa˜o ortogonais. Prova: Sejam v1 e v2 autovetores associados a autovalores λ1 e λ2, respectivamente. com λ1 6= λ2. Enta˜o Av1 = λ1v1 e Av2 = λ2v2. Observe que se escrevemos os vetores como matrizes colunas, o produto escalar e´ simples- mente o produto matricial da transposta da primeira matriz pela segunda. Assim Av1 · v2 = (Av1)tv2 = vt1Atv2 = v1 · Atv2. Com A e´ simetriza At = A e como v1 e v2 sa˜o autovetores de A, temos λ1v2 · A2 = λ2v1 · v2. ou (λ1 − λ2)v1 · v2 = 0, e como λ1 6= λ2, temos que v1 · v2 = 0, ou seja v1 e v2 sa˜o ortogonais. 6 Exemplo 15 Considere a matriz do exemplo anterior A = ( 3 1 1 3 ) Seu polinoˆmio caracter´ıstico e´ p(λ) = det(A− λI) = λ2 − 6λ+ 8 = (λ− 2)(λ− 4). Assim os autovalores de A sa˜o λ1 = 2 e λ2 = 4. Os autovetores associados a estes autovalores sa˜o respectivamente as soluc¸o˜es de (A− λ1I)X = 0 e (A− λ2I)X = 0. A soluc¸a˜o do primeiro sistema e´ o autoespac¸o W1 = {(α,−α)α ∈ R}. Como (α,−α) = α(1,−1), temos que v1 = (1,−1) gera W1 e como um vetor na˜o bulo e´ L.I. este vetor determina una base para W1. Assim u1 = 1 | v1 |(1,−1) = ( 1√ 2 ,− 1√ 2 ) e´ uma base ortonormal para W1. A soluc¸a˜o geral do segundo sistema e´ W2 = {(β, β)β ∈ R} Como (β, β) = α(β), temos que v2 = (1, 1) gera W2 e como um vetor na˜o bulo e´ L.I. este vetor determina una base para W2. Assim u2 = 1 | v1 |(1, 1) = ( 1√ 2 , 1√ 2 ) e´ uma base ortonormal para W2. Como a matriz A e´ sime´trica, autovetores associados a autovalores diferentes sa˜o orto- gonais. Portanto P = ( 1√ 2 1√ 2 − 1√ 2 1√ 2 ) e D = ( 2 0 0 4 ) sa˜o tais que D = P tAP. Teorema 16 Se A e´ sime´triza, enta˜o existe uma matriz P ortogonal e uma matriz diagonal D tal que D = P tAP. Assim se A e´ sime´trica, enta˜o ela e´ diagonaliza´vel Exerc´ıcios Resolvidos 1. Sabendo-se que V1 = (−1, 0, 1), V2 = (0, 1, 0) e V3 = (−2, 1, 1) sa˜o autovetores da matriz A = 0 0 −21 2 1 1 0 3 7 (a) Sem obter o polinoˆmio caracter´ıstico determine os autovalores correspondentes a estes autovetores. Sabemos que se λ e um autovalor associado a V enta˜o AV = λV Portanto para V1 = (−1, 0, 1) temos: 0 0 −21 2 1 1 0 3 · −10 1 = λ −10 1 Fazendo as operac¸o˜es matriciais temos: −2−1 + 1 −1 + 3 = −λ0 λ De onde conclu´ımos que o autovalor ao qual esta´ associado V1 e´ λ = 2. Para V2 = (0, 1, 0) temos: 0 0 −21 2 1 1 0 3 · 01 0 = λ 01 0 Fazendo as operac¸o˜es matriciais temos: 02 0 = 0λ 0 De onde conclu´ımos que o autovalor ao qual esta´ associado V2 e´ λ = 2. Para V3 = (−2, 1, 1) temos: 0 0 −21 2 1 1 0 3 · −21 1 = λ −21 1 Fazendo as operac¸o˜es matriciais temos: −21 1 = −2λλ λ De onde conclu´ımos que o autovalor ao qual esta´ associado V3 e´ λ = 1. (b) A matriz A e´ diagonaliza´vel? Justifique. Sim e´ diagonaliza´vel, pelo teorema dado na atividade 3, temos que como A tem 3 autovetores L.I enta˜o ela e´ diagonaliza´vel. Observe que de fato, V1 V2 e V3 sa˜o L.I pois o determinante de matriz de colunas estes 3 vetores e´ diferente de zero, o que nos leva a afirmar V1, V2 e V3 sa˜o L.I. 8 De fato, Det −1 0 −20 1 1 1 0 1 = 1 2. Prove que se b 6= 0, enta˜o A = [ a b 0 a ] na˜o e´ diagonaliza´vel. O Polinoˆmio caracter´ıstico de A e´ p(λ) = Det ( a− λ b 0 a− λ ) = (a − λ)2 assim os autovalores de A sa˜o λ = a Para λ = a temos que os autovetores sa˜o os vetores na˜o nulos soluc¸a˜o do sistema (A− λI)X = 0, assim para λ = a temos( 0 b 0 0 )( x y ) = ( 0 0 ) Resolvendo o sistema temos que a soluc¸a˜o geral do sistema e´ by = 0 e como b 6= 0, temos que y = 0, ale´m disso x e´ uma varia´vel livre, assim {(x, 0) | x ∈ R} e´ o conjunto de todos os autovetores associados a λ = a acrescentando o vetor nulo. Mas precisamos sa˜o os autovetores L.I, para isso observe que (x, 0) = x(1, 0) ou seja, o vetor (1, 0) gera o autoespac¸o, e sendo so´ um vetor, ele e´ L.I. Encontramos enta˜o so´ um vetor L.I, e como a matriz e´ de tamanho 2× 2 ter´ıamos que ter 2 autovetores L.I para ela ser diagonaliza´vel. 3. Considere a coˆnica C descrita pela seguinte equac¸a˜o: X tAX +KX − 36 = 0, com X = [ x y ] , A = [ 5 6 6 0 ] e K = [ −12√13 0 ]. (a) Calcule os autovalores e autovetores da matriz A. (b) Diagonalize a matriz A. (c) Fac¸a uma mudanc¸a de coordenadas conveniente e identifique a coˆnica C. Observe que A e´ diagonaliza´vel (pois ela e´ sime´trica e toda matriz sime´trica e´ diago- naliza´vel) e podemos escrever A = PDP t (onde P e´ uma matriz ortognal, ou seja, a inversa de P e´ sua transposta.) Vamos encontrar enta˜o as matrizes P e D que a diagonalizam e para isso vamos en- contrar os autovalores e autovetores de A. O Polinoˆmio caracter´ıstico de A e´ p(λ) = Det ( 5− λ 6 6 λ ) = (5 − λ) · (−λ) − 36 = λ2 − 5λ− 36 assim os autovalores de A sa˜o λ = 9 e λ = −4 9 Para λ = −4 temos que os autovetores sa˜o os vetores na˜o nulos soluc¸a˜o do sistema (A− λI)X = 0, assim para λ = −4 temos( 9 6 6 4 )( x y ) = ( 0 0 ) Resolvendo o sistema temos que a soluc¸a˜o geral do sistema e´ {(x,−3 2 x) | x ∈ R} e´ o conjunto de todos os autovetores associados a λ = −4 acrescentando o vetor nulo. Como o vetor (x,−3 2 x) = x 2 (2,−3) temos que o vetor v1 = (2,−3) gera o autoespac¸o e sendo so´ um vetor ele e´ L.I. Para λ = 9 temos que os autovetores sa˜o os vetores na˜o nulos soluc¸a˜o do sistema (A− λI)X = 0, assim para λ = 9 temos( −4 6 6 −9 )( x y ) = ( 0 0 ) Resolvendo o sistema temos que a soluc¸a˜o geral do sistema e´ {(x, 2 3 x) | x ∈ R} e´ o conjunto de todos os autovetores associados a λ = 9 acrescentando o vetor nulo. Como o vetor (x, 2 3 x) = x 3 (3, 2) temos que os vetores v2 = (3, 2) gera o e sendo so´ um vetor ele e´ L.I. Observe que os vetores v1 e v2 sa˜o ortogonais pois seu produto interno e´ zero, mas na˜o tem norma 1, vamos enta˜o ortonormalizar eles, para isto basta dividir cada um pela norma u1 = ( 2√ 13 ,− 3√ 13 ) e u2 = ( 3√ 13 , 2√ 13 ) Assim a matriz P e´ dada por P = ( 2√ 13 3√ 13−3√ 13 2√ 13 ) D = ( −4 0 0 9 ) e podemos escrever A = PDP t Assim substituindo A na equac¸a˜o acima temos que (X tP )D(P tX) +KX − 36 = 0 ou seja (P tX)tD(P tX) +KX = 36 e fazendo mudanc¸a de coordenadas X = PX ′, enta˜o como P tP = I a equac¸a˜o se transforma em X ′tDX ′ +KPX ′ = 36 ou ( x′ y′ )( −4 0 0 9 )( x′ y′ ) + ( −12√13 0 )( 2√13 3√13− 3√ 13 2√ 13 )( x′ y′ ) = 36 10 que pode ser escrita como −4x′2 + 9y′2 − 24x′ − 36y′ = 36 Completando quadrados temos 9(y′2− 4y′+ 4)− 4(x′2− 6x′+ 9) = 36− 36 + 36, isto e´, 9(y′ − 2)2 − 4(x′− 3)2 = 36 que representa uma hipe´rbole. 4. Diga se cada afirmac¸a˜o abaixo e´ verdadeira ou falsa, justificando sua resposta. (a) Se A e´ uma matriz 2× 2 com 2 autovalores diferentes, enta˜o A e´ diagonaliza´vel VERDADEIRA. Se V1 e V2 sa˜o autovetores associados aos autovalores distintos λ1 e λ2 temos que temos que estos vetores sa˜o L.I, e se A tem 2 vetores L.I enta˜o ela e´ diagonaliza´vel. b) A matriz A = [ cos θ − sin θ sin θ cos θ ] na˜o possui autovalores. Esta afirmativa e´ VERDADEIRA, de fato, observe que o polinoˆmio caracter´ıstico de A e´ p(λ) = Det ( cos θ − λ − sin θ sin θ cos θ − λ ) = (cos θ−λ)2+sin2 θ = λ2−2λ cos θ+ cos2 θ + sin2 θ assim os autovalores de A sa˜o soluc¸o˜es da equac¸a˜o quadra´tica λ2 − 2λ cos θ + 1 = 0 Cuja soluc¸a˜o e´ λ = 2 cos θ ±√4 cos2 θ − 4 2 = 2 cos θ ±√4(cos2 θ − 1) 2 = 2 cos θ ± 2 √ − sin2 θ 2 Observe que − sin2 θ e´ menor ou igual que zero, sendo assim, a raiz so´ teria sentido se sin θ = 0 so´ que se isto acontece teremos que λ = cos θ onde θ e´ um aˆngulo tal que sin θ e´ zero e portanto na˜o tem como o cos θ ser zero, logo a polinoˆmio caracter´ıstico de A na˜o tem ra´ızes e por tanto a matriz na˜o tem autovalores. 5. Considere a matriz A = −2/3 −1/3 1/3−1/3 −2/3 −1/3 1/3 −1/3 −2/3 . • a) A matriz A e´ diagonaliza´vel? Explique por que. Sim, A e´ diagonaliza´vel. A matriz A e´ sime´trica e toda matriz sime´trica e´ diago- naliza´vel. b) Obtenha uma matriz ortogonal P e uma matriz diagonal D tais que A = PDP t. O polinoˆmio caracter´ıstico de A esta´ dado por p(λ) = Det(λI − A) = Det λ+ 2/3 1/3 −1/31/3 λ+ 2/3 1/3 −1/3 1/3 λ+ 2/3 = 11 = ( λ+ 2 3 )[ (λ+ 2 3 )2 − 1 9 ] − 1 3 [ 1 3 (λ+ 2 3 ) + 1 9 ] − 1 3 [ 1 3 (λ+ 2 3 ) + 1 9 ] = = ( λ+ 2 3 )[ (λ+ 2 3 )− 1 3 ] [ λ+ 2 3 ) + 1 3 ] − 2 3 [ 1 3 (λ+ 2 3 ) + 1 9 ] = = ( λ+ 2 3 )[ (λ+ 2 3 )− 1 3 ] [ λ+ 2 3 ) + 1 3 ] − 2 9 [ (λ+ 2 3 ) + 1 3 ] = = ( λ+ 2 3 )( λ+ 1 3 ) (λ+ 1)− 2 9 (λ+ 1) = = (λ+ 1) [( λ+ 2 3 )( λ+ 1 3 ) − 2 9 ] = (λ+ 1) ( λ2 + λ ) Assim os autovalores de A sa˜o λ = 0 e λ = −1. Vamos encontrar agora os autovetores associados a λ = 0 2/3 1/3 −1/31/3 2/3 1/3 −1/3 1/3 2/3 · x1x2 x3 = 00 0 Observe que esse sistema e´ equivalente ao sistema 2x1 + x2 − x3 = 0 x1 + 2x2 + x3 = 0 −x1 + x2 + 2x3 = 0 Resolvendo o sistema temos x2 = −x1 3 x3 = x1, chamando x1 = a temos que a soluc¸a˜o do sistema sa˜o os vetores da forma (a,−a, a) assim podemos associar ao autovalor λ = 0 o autovetor (1,−1, 1). Para λ = −1 −1/3 1/3 −1/31/3 −1/3 1/3 −1/3 1/3 −1/3 · x1x2 x3 = 00 0 Observe que esse sistema se reduz a` uma equac¸a˜o x1 − x2 + x3 = 0 Assim chamando x2 = a e x3 = b temos que a soluc¸a˜o do sistema sa˜o os vetores da forma (a−b, a, b). Por outro lado, note que (a−b, a, b) = a(1, 1, 0)+b(−1, 0, 1). As- sim podemos associar ao autovalor λ = −1 os autovetores L.I (1, 1, 0) e (−1, 0, 1) Assim 12 D = 0 0 00 −1 0 0 0 −1 e P = 1 1 −1−1 1 0 1 0 1 Estas matrizes de fato diagonalizam A. De fato, A = PDP−1 pois −2/3 −1/3 1/3−1/3 −2/3 −1/3 1/3 −1/3 −2/3 = 1 1 −1−1 1 0 1 0 1 0 0 00 −1 0 0 0 −1 1/3 −1/3 1/31/3 2/3 1/3 −1/3 1/3 2/3 c) Calcule A100. A100 = (PDP−1)100 = PD100P−1 = 1 1 −1−1 1 0 1 0 1 0 0 00 1 0 0 0 1 1/3 −1/3 1/31/3 2/3 1/3 −1/3 1/3 2/3 A100 = (PDP−1)100 = PD100P−1 = 1 1 −1−1 1 0 1 0 1 0 0 01/3 2/3 1/3 −1/3 1/3 2/3 Ou seja, A100 = 2/3 1/3 −1/31/3 2/3 1/3 −1/3 1/3 2/3 6. Descreva a coˆnica C cuja equac¸a˜o e´: a) 2x2 − 4xy − y2 − 4x− 8y = −14 Observe que a coˆnica esta´ descrita pela seguinte equac¸a˜o: X tAX +KX = −14, com X = [ x y ] , A = [ 2 −2 −2 −1 ] e K = [ −4 −8 ]. Observe que A e´ diagonaliza´vel (pois ela e´ sime´trica e toda matriz sime´trica e´ diagonaliza´vel) e podemos escrever A = PDP t (onde P e´ uma matriz ortognal, ou seja, a inversa de P e´ sua transposta.) 13 Vamos encontrar enta˜o as matrizes P e D que a diagonalizam e para isso vamos encontrar os autovalores e autovetores de A. O Polinoˆmio caracter´ıstico de A e´ p(λ) = Det ( 2− λ −2 −2 −1− λ ) = (2 − λ) · (−1− λ)− 4 = λ2 − λ− 6 assim os autovalores de A sa˜o λ = 3 e λ = −2 Para λ = −2 temos que os autovetores sa˜o os vetores na˜o nulos soluc¸a˜o do sistema (A− λI)X = 0, assim para λ = −2 temos( 4 −2 −2 1 )( x y ) = ( 0 0 ) Resolvendo o sistema temos que a soluc¸a˜o geral do sistema e´ {(x, 2x) | x ∈ R} e´ o conjunto de todos os autovetores associados a λ = −2 acrescentando o vetor nulo. Como o vetor (x, 2x) = x(1, 2) temos que o vetor v1 = (1, 2) gera o autoespac¸o e sendo so´ um vetor ele e´ L.I. Para λ = 3 temos que os autovetores sa˜o os vetores na˜o nulos soluc¸a˜o do sistema (A− λI)X = 0, assim para λ = 3 temos( −1 −2 −2 −4 )( x y ) = ( 0 0 ) Resolvendo o sistema temos que a soluc¸a˜o geral do sistema e´ {(−2y, y) | x ∈ R} e´ o conjunto de todos os autovetores associados a λ = 3 acrescentando o vetor nulo. Como o vetor (−2y, y) = y(−2, 1) temos que os vetores v2 = (−2, 1) gera o e sendo so´ um vetor ele e´ L.I. Observe que os vetores v1 e v2 sa˜o ortogonais pois seu produto interno e´ zero, mas na˜o tem norma 1, vamos enta˜o ortonormalizar eles, para isto basta dividir cada um pela norma u1 = ( 1√ 5 , 2√ 5 ) e u2 = ( −2√ 5 , 1√ 5 ) Assim a matriz P e´ dada por P = ( 1√ 5 −2√ 5 2√ 5 1√ 5 ) D = ( −2 0 0 3 ) e podemos escrever A = PDP t Assim substituindo A na equac¸a˜o acima temos que (X tP )D(P tX) +KX = −14 ou seja (P tX)tD(P tX) +KX = −14 e fazendo mudanc¸a de coordenadas X = PX ′, enta˜o como P tP = I a equac¸a˜o se transforma em X ′tDX ′ +KPX ′ = −14 ou ( x′ y′ )( −2 0 0 3 )( x′ y′ ) + ( −4 −8 )( 1√5 −2√52√ 5 1√ 5 )( x′ y′ ) = −14 14 que pode ser escrita como −2x′2 + 3y′2 − 20√ 5 x′ = −14 Completando quadrados temos −2(x′2 + 10√ 5 x′ + 5) + 3y′2 = −14− 10, isto e´, −2(x′ + 5√ 5 )2 + 3y′2 = −24 que representa uma hipe´rbole. b) y2 − 8x− 14y + 49 = 0 Observe que a coˆnica esta´ descrita pela seguinte equac¸a˜o: X tAX +KX = −49, com X = [ x y ] , A = [ 0 0 0 1 ] e K = [ −8 −14 ]. Observe que A e´ diagonaliza´vel (pois ela e´ sime´trica e toda matriz sime´trica e´ diagonaliza´vel) e podemos escrever A = PDP t (onde P e´ uma matriz ortogonal, ou seja, a inversa de P e´ sua transposta.) Vamos encontrar enta˜o as matrizes P e D que a diagonalizam e para isso vamos encontrar os autovalores e autovetores de A. O Polinoˆmio caracter´ıstico de A e´ p(λ) = Det ( −λ 0 0 1− λ ) = (−λ) · (1 − λ) assim os autovalores de A sa˜o λ = 0 e λ = 1 Para λ = 0 temos que os autovetores sa˜o os vetores na˜o nulos soluc¸a˜o do sistema (A− λI)X = 0, assim para λ = 0 temos( 0 0 0 1 )( x y ) = ( 0 0 ) Resolvendo o sistema temos que a soluc¸a˜o geral do sistema e´ {(x, 0) | x ∈ R} e´ o conjunto de todos os autovetores associados a λ = 0 acrescentando o vetor nulo. Como o vetor (x, 0) = x(1, 0) temos que o vetor v1 = (1, 0) gera o autoespac¸o e sendo so´ um vetor ele e´ L.I. Para λ = 1 temos que os autovetores sa˜o os vetores na˜o nulos soluc¸a˜o do sistema (A− λI)X = 0, assim para λ = 1 temos( −1 0 0 0 )( x y ) = ( 0 0 ) Resolvendo o sistema temos que a soluc¸a˜o geral do sistema e´ {(0, y) | x ∈ R} e´ o conjunto de todos osautovetores associados a λ = 1 acrescentando o vetor nulo. Como o vetor (0, y) = y(0, 1) temos que os vetores v2 = (0, 1) gera o e sendo so´ um vetor ele e´ L.I. Observe que os vetores v1 e v2 sa˜o ortogonais pois seu produto interno e´ zero, e tem norma 1, Assim a matriz P e´ dada por P = ( 1 0 0 1 ) D = ( 0 0 0 1 ) 15 e podemos escrever A = PDP t Assim substituindo A na equac¸a˜o acima temos que (X tP )D(P tX) +KX = −49 ou seja (P tX)tD(P tX) +KX = −49 e fazendo mudanc¸a de coordenadas X = PX ′, enta˜o como P tP = I a equac¸a˜o se transforma em X ′tDX ′ +KPX ′ = −49 ou ( x′ y′ )( 0 0 0 1 )( x′ y′ ) + ( −8 −14 )( 1 0 0 1 )( x′ y′ ) = −49 que pode ser escrita como y′2 − 8x′ − 14y′ = −49 Completando quadrados temos (y′2 − 14y′ + 49) = 8x′ − 49 + 49, isto e´, (y′ − 7)2 = 8x′ que representa uma para´bola. 16
Compartilhar