Professional Documents
Culture Documents
C
alculo Num
erico
Valores e Vectores Pr
oprios
DISCENTE: DOCENTE:
Guifte Samuel Ngalo Dr. Pedro Cantiole
Delio Amos Bahule .
2
Fichas de Exerccios
Calculo Numerico ISPSongo
12 de Maio de 2017
Conteudo
1 Introduc
ao 2
2 Valores e Vectores 3
2.1 Sistemas Dinamicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Definicao de valores vectores proprios . . . . . . . . . . . . . . . . . . . 5
2.3 Multiplicidade Algebrica e Geometrica . . . . . . . . . . . . . . . . . . 5
2.4 Representacao Geometrica . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5 Determinacao de valores e vectores . . . . . . . . . . . . . . . . . . . . 8
2.5.1 Valores proprios de uma matriz . . . . . . . . . . . . . . . . . . 8
2.5.2 Vectores proprios de uma matriz . . . . . . . . . . . . . . . . . 9
2.6 Exemplo de Aplicacao a` Engenharia . . . . . . . . . . . . . . . . . . . . 10
2.7 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.8 Diagonalizacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1
1
Introducao
2
Valores e Vectores
2
Em 1990, a coruja malhada do Norte se tornou o centro de uma controversia na-
cional nos EUA em torno do uso indevido das majestosas florestas do Noroeste do
Pacifico. Os ambientalistas convenceram o governo federal de que essas corujas esta-
riam em risco de extincao caso continuasse a exploracao de madeira em certa parte da
floresta (com arvores com mais de 200 anos de idade), onde as corujas preferiam habi-
tar. A industria madeireira, antecipando uma perda de 30.000 a 100.000 empregos em
decorrencia das novas restricoes governamentais `a extraccao de madeira, argumentou
que a coruja nao deveria ser considerada uma especie em risco de extincao e citou
uma serie de publicacoes cientficas para apoiar sua tese.
Em meio ao fogo cruzado dos dois grupos lobistas, os ecologistas matematicos in-
tensificaram seus esforcos para compreender a dinamica populacional da coruja malha.
O ciclo de vida de uma coruja malhada se divide naturalmente em tres fases: a juvenil
(ate 1 ano de idade), a subadulta (1 a 2 anos) e a adulta acima (acima de 2 anos).
A coruja busca em parceiro de vida durante as fases subadulta e adulta, comeca a
3
procriar na fase adulta e pode viver ate 20 anos. Cada casal de precisa de cerca de
1.000 hectares (10 quilometros quadrados) para seu territorio. Um momento crtico do
ciclo de vida e quando as corujas jovens deixam o ninho.
xi = Axk
Esta equacao e muitas vezes chamada de um sistema dinamico (ou sistema dinamico
discreto) porque descreve a variacao de um sistema de funcao do tempo. A taxa de
sobrevivencia de 18% das corujas jovens, no modelo da matriz de fase de Lamberson,
e a mais afectada pela quantidade disponvel de floresta com arvores antigas. Na
verdade, 60% das corujas jovens conseguem deixar seus ninhos, mas na regiao de Willow
Creek, estudada por Labember-son e seus colegas, apenas 30% dessas corujas jovens
que conseguiram deixar seus ninhos foram capazes de encontrar novos territorios para
habitar. O restante nao sobreviveu durante esse processo.
O motivo principal do fracasso das corujas jovens em encontrar novos territorios e a
fragmentacao crescente das florestas antigas devido a` actividade madeireira na regiao.
Quando uma coruja sai da floresta protectora e cruza uma regiao recem-cortada, o
risco de que sofram ataques de predadores aumenta drasticamente. As principais
aplicacoes descritas aqui sao para sistemas dinamicos discretos. No entanto, os con-
ceitos basicos valores e vectores sao u
teis em toda a matematica pura aplicada e
aparecem em situacoes muito mais gerais do que as consideradas aqui. Os autovalores
4
(valores proprios) tambem sao usados ao estudo das equacoes diferenciais e em sistemas
dinamicos contnuos: eles fornecem informacao crtica em projectos de engenharia e
surgem de modo natural em areas como a fsica e a qumica.
2.2 Definic
ao de valores vectores pr
oprios
Seja E um espaco vectorial sobre um corpo K (R ou C) e T : E E uma
transformacao linear (endomorfismo de E).
Definic
ao 2.2.0.1 Um vector nao nulo ~x de E designa-se por vector proprio de T se
existe um escalar K tal que T (~x) = ~x diz-se o valor proprio de T associado ao
vector proprio ~x. Diz-se tambem que ~x e uma vector proprio de T associado ao valor
proprio .
A11 A12
Demostrac
ao 2.2.0.1 Seja a matriz de dimensao 22, A = e o vector
A21 A22
x11
~x =
x21
A11 A12 x x x
Se 11 = 11 pelo que 11 e vector proprio de
A21 A22 x21 x21 x21
A A12
11 associado ao valor proprio .
A21 A22
5
Definic
ao 2.3.0.3 Chama-se multiplicidade geometrica do valor proprio de A `a
dimensao do subespaco proprio E() = N (A I).
Resoluc
ao:
p() = det(A I)
1 1 0
= det 5
0 0
4 2 5
= (5 )(1 )(5 )
E(5) = N (A 5I)
6 1 0
=N 0
0 0
4 2 0
2. A matriz e diagonalizavel; e
6
2.4 Representac
ao Geom
etrica
O conjunto dos valores proprios de T e designado por espectro de T .
Exemplo 2.4.0.2 (Significado geometrico de valor e vector proprio)
7
Figura 2.2: Reflexao
2.5 Determinac
ao de valores e vectores
2.5.1 Valores pr
oprios de uma matriz
sa-
Pretende-se determinar R para o qual exita x 6= 0n1 tal que Ax = x. E
bido que um sistema homogeneo e indeterminado se e so se a caracterstica da matriz
do sistema e menor que n ou, ainda, se o determinante da matriz e nulo. Assim, os
valores proprios da matriz sao os valores tais que car(A In ) < n, ou tais que
det(A In ) = 0.
8
1 2
Exemplo 2.5.1.1 Seja A = . A matriz caracterstica de A e:
2 1
1 2
A I2 =
2 1
2.5.2 Vectores pr
oprios de uma matriz
= 1
(A (1)I2 )x = 031
1+1 2 1 2
A (1)I2 = =
2 1+1 2 1
9
1
e que tem por solucao geral x = y ,y R
1
1
Os vectores proprios associados a 1 sao da forma y , y R\{0}.
1
=3
10
Resoluc
ao 2.6.0.1 Para os dados fornecidos
2 2.5 3
A= x0 =
10 2 3
O metodo de autovalores
complexos produz o autovalor = 2 + 5i e o autovector
i
associado v1 =
2
11
ou
iL (t) 1.5 sin 5t + 3 cos 5t
= e2t
vC (t) 2 cos 5t + 6 sin 5t
2.7 Propriedades
Vejamos agora algumas propriedades dos valores e vectores proprios.
Proposic
ao 2.7.0.1 Os valores proprios de uma matriz triangular sao os elementos
da diagonal principal.
Proposic
ao 2.7.0.2 Seja A = [aij ] uma matriz de ordem n e 1 , 2 , ..., n os seus
valores proprios Entao:
detA = 1 2 ...n
Proposic
ao 2.7.0.3 Duas matrizes semelhantes tem o mesmo polinomio caracterstico.
Proposic
ao 2.7.0.4 Se uma matriz A tem k valores proprios distintos, 1 , 2 , ..., k ,
entao os vectores proprios correspondentes, x~1 , x~2 , ..., x~k , sao linearmente independen-
tes.
Proposic
ao 2.7.0.5 Se A e uma matriz de ordem n e tem n valores proprios distintos,
entao A e diagonalizavel.
Proposic
ao 2.7.0.6 Seja A uma matriz de ordem n. Entao A e diagonalizavel se
e so se e possvel encontrar n vectores proprios linearmente independentes. Nestas
condicoes, tem-se que
P 1 AP = D P DP 1
12
2.8 Diagonalizac
ao
Uma matriz A diz-se semelhante a uma matriz B se existir uma matriz P , invertvel,
tal que
B = P 1 AP
B = P 1 AP = P BP 1 = A
Proposic
ao 2.8.0.7 Se uma matriz A e semelhante a um matriz B, entao A e B tem
o mesmo polinomio caracterstico e, portanto, os mesmos valores proprios.
Uma matriz A diz-se diagonalizavel se e semelhante a uma matriz diagonal, isto e,
` matriz P
se existirem matrizes D, diagonal, e P, invertvel, tais que D = P 1 AP . A
chama-se matriz diagonalizante.
Em geral,
k
5 0
Dk = para k 1.
0 3k
Se A = P DP 1 para alguma matriz inversvel P e matriz diagonal D, entao Ak
tambem fica facil de calcular, como mostra o proximo exemplo.
13
Solu
cao: A formula padrao para a inversa de uma matriz 2 2 nos da
2 1
P 1 =
1 1
Entao, pela propriedade associativa da multiplicacao de matrizes,
A2 = (P DP 1 )(P DP 1 )
= P D(P 1 P )DP 1
= P DDP 1
= P D2 P 1
2
1 1 5 0 2 1
=
1 2 0 32 1 1
Novamente,
A3 = (P DP 1 )A2
= (P DP 1 )P D2 P 1
= P DD2 P 1
= P D3 P 1
Em geral, para k 1
Ak = P Dk P 1
1 1 5k 0 2 1
=
k
1 2 0 3 1 1
14
A = P DP 1 , onde D e uma matriz diagonal se e somente se as colunas de P sao n
autovectores de A linearmente independentes. Nesse caso, os elementos da diagonal
principal de D sao os autovalores da diagonal principal de D sao os vectores de A
associados, respectivamente, aos autovectores em P .
enquanto
0 0
1
0 2
0 h i
PD = P
= v v
1 1 2 2 n vn (2.3)
... ... ...
0 0 n
h i h i
Av1 Av2 Avn = 1 v1 2 vn n vn (2.4)
15
Exemplo 2.8.0.4 (Diagonalizando Matrizes) Diagonalize a seguinte matriz, se possvel
1 3 3
A = 3 5 3
3 3 1
Isto e, determine uma matriz inversvel P e uma matriz diagonal D tal que A =
P DP 1 .
Solu
cao: Existem quatro passos para implementar a descricao do teorema da dia-
gonalizacao.
0 = det(A I)
= 3 32 + 4
= ( 1)( + 2)2
Os autovalores sao = 1 e = 2.
2. Determine tr
es autovectores para A linearmente independentes. Sao
necessarios tres autovectores porque A e matriz 3 3. Esse e o passo crtico. Se
falhar, entao o teorema da diagonalizacao diz que A nao pode ser diagonalizada.
O metodo de autovectores e autovalores produz uma base para cada auto-espaco:
1
Base para = 1 v1 = 1
1
1 1
Base para = 2 v2 = 1 e v3 = 0
0 1
16
3. Monte P a partir dos valores do passo 2. Nao importa a ordem dos
vectores. Usando a ordem escolhida no passo 2, temos
1 1 1
h i
P = = 1
v1 v2 v3 1 0
1 0 1
1 0 0
D = 0 2 0
0 0 2
uma boa ideia verificar que P e D realmente funcionam. Para evitar calcular
E
P 1 , verifique simplesmente que AP = P D. Isso e equivalente a A = P DP 1
quando e inversvel. (No entanto, certifique-se de que P e inversvel !) obtemos
1 3 3 1 1 1 1 2 2
AP = 3 5 3 1 0 = 1 2 0
1
3 3 1 1 0 1 1 0 2
1 1 1 1 0 0 1 2 2
P D = 1 1 0 0 2 0 = 1 2 0
1 0 1 0 0 2 1 0 2
17
Bibliografia
[1] David C. Lay. Algebra Linear e suas aplicacoes. LTC. 2a edicao
[2] Cabral Isabel; Perdigao Cecilia. Algebra Linear. Escolar editora. 2a edicao
18