Algebra Linear e EDO (Usp)

PAULO
UNIVERSIDADE DE SAO
INSTITUTO DE CIENCIAS
MATEMATICAS
E DE COMPUTAC
AO
DEPARTAMENTO DE MATEMATICA
es Diferenciais
Algebra
Linear e Equac
o
Luiz Augusto da Costa Ladeira
CARLOS - SP
SAO
2004
Sum
ario
1 Noc
oes Preliminares
1.1 Espaco Euclidiano n dimensional .
1.2 Matrizes . . . . . . . . . . . . . . .
1.3 Sistemas Lineares . . . . . . . . . .
1.4 Determinante . . . . . . . . . . . .
1.5 N
umeros Complexos . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5
5
12
17
24
27
2 Equac
oes de Primeira Ordem
2.1 Introducao . . . . . . . . . . . . . .
2.2 Definicoes . . . . . . . . . . . . . .
2.3 Equacoes Separaveis . . . . . . . .
2.4 Equacao Linear de Primeira Ordem
2.5 Equacao de Bernoulli . . . . . . . .
2.6 Equacoes Diferenciais Exatas . . .
2.7 Exerccios . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
37
37
40
41
46
55
57
62
3 Espacos Vetoriais
3.1 Definicao e Exemplos . . . . . .
3.2 Subespacos Vetoriais . . . . . .
3.3 Combinacoes Lineares . . . . .
3.4 Dependencia Linear . . . . . . .
3.5 Base e Dimensao . . . . . . . .
3.6 Dependencia Linear de Funcoes
3.7 Bases Ortogonais em Rn . . . .
3.8 Somas e Somas Diretas . . . . .
3.9 Exerccios . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
65
65
69
72
76
80
86
89
92
95
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

SUMARIO
4 Equac
oes Diferenciais Lineares
4.1 Fatos Gerais sobre Equacoes Lineares . . . . . . .
4.2 Metodo de Reducao da Ordem . . . . . . . . . . .
4.3 Equacao Homogenea com Coeficientes Constantes
4.4 Equacao Nao Homogenea . . . . . . . . . . . . . .
4.5 Metodo de Variacao dos Parametros . . . . . . . .
4.6 Metodo dos Coeficientes a Determinar . . . . . . .
4.7 Equacoes de Ordem Superior . . . . . . . . . . . .
4.8 Exerccios . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
97
97
100
102
111
112
117
127
135
5 Transformac
oes Lineares
5.1 Transformacoes . . . . . .
5.2 Transformacoes Lineares .
5.3 N
ucleo e Imagem . . . . .
5.4 Autovalores e Autovetores
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
137
137
139
145
150
6 Sistemas de Equac
6.1 Introducao . . . . . . . . . . . . . . . . . . . . . .
6.2 Fatos Gerais sobre Sistemas Lineares . . . . . . .
6.3 Sistema Homogeneo com Coeficientes Constantes
6.4 Sistema Nao Homogeneo . . . . . . . . . . . . . .
6.5 Metodo dos Coeficientes a Determinar . . . . . . .
6.6 Formula de Variacao das Constantes . . . . . . .
6.7 Exerccios . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
159
159
163
168
176
176
181
184
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Captulo 1
Noc
oes Preliminares
Neste captulo reunimos fatos basicos sobre vetores, matrizes, sistemas de
equacoes lineares e n
umeros complexos, que serao usados nos captulos seguintes. Assumiremos conhecido o conjunto R dos n
umeros reais e suas
propriedades algebricas elementares: suas operacoes de adicao e multiplicacao sao associativas, comutativas, tem elemento neutro, cada n
umero tem
seu oposto aditivo e cada n
umero nao nulo tem seu inverso multiplicativo.
1.1
Espaco Euclidiano n dimensional
As nocoes de par ordenado (x, y) e terna ordenada (x, y, z) de n

umeros
reais tem uma extensao natural ao conceito de n-upla (x1 , . . . , xn ),
que e uma sucessao ordenada de n n
umeros reais. Denotaremos as
nuplas por letras em negrito. Se x = (x1 , . . . , xn ), cada um dos
n
umeros x1 , . . . , xn e chamado uma componente (ou coordenada)
de x. Duas nuplas (x1 , . . . , xn ) e (y1 , . . . , yn ) sao ditas iguais (indicamos (x1 , . . . , xn ) = (y1 , . . . , yn )) se e somente se x1 = y1 , . . . , xn = yn .
O conjunto de todas nuplas de n
umeros reais e denotado por Rn , isto
e,
Rn = {(x1 , . . . , xn ) : xk R, k = 1 , . . . , n}.
Recordemos da Geometria Analtica que R3 pode ser identificado com
o conjunto V3 dos vetores geometricos (definidos pelos segmentos orientados) por meio da correspondencia que a cada v = a i + b j + c k de
V3 associa a terna (a, b, c) R3 :
v = a i + b j + c k V3 (a, b, c) R3 .
5
(1.1)
Cap. 1
Nocoes Preliminares
Ao vetor i corresponde a terna e1 = (1, 0, 0), ao vetor j corresponde

a terna e2 = (0, 1, 0) e a k corresponde
odulo (ou
e3 = (0, 0, 1). O m
2
2
2
comprimento) do vetor v e kvk = a + b + c . A correspondencia
(1.1) e importante, pois permite caracterizar elementos geometricos,
tais como reta, plano, etc, em termos de equacoes algebricas.
z
ck
6
*

v

ai
bj
-
Figura 1.1
Por causa dessa identificacao com os vetores geometricos, as ternas

ordenadas tambem sao chamadas de vetores; por extensao, as nuplas
tambem sao chamadas de vetores; neste contexto, os n
umeros reais
serao chamados escalares. Lembremos tambem que, se R, temos
v = a i + b j + c k, ou seja, ao vetor v associamos a terna
( a, b, c). Da mesma maneira, se (a1 , b1 , c1 ) e (a2 , b2 , c2 ) forem
as ternas associadas aos vetores w1 e w2 , respectivamente (ou seja,
w1 = a1 i + b1 j + c1 k e w2 = a2 i + b2 j + c2 k), entao temos w1 + w2 =
(a1 +a2 ) i+(b1 +b2 ) j+(c1 +c2 ) k; assim, ao vetor w1 +w2 fica associado
a terna (a1 + a2 , b1 + b2 , c1 + c2 ).
Essas observacoes mostram a impotancia de se definir adicao de
ternas e multiplicacao de ternas por n
umeros reais: dadas as ternas
(a1 , b1 , c1 ), (a2 , b2 , c2 ) e o n
umero real , definimos:
(a1 , b1 , c1 ) + (a2 , b2 , c2 ) = (a1 + a2 , b1 + b2 , c1 + c2 )
(a1 , b1 , c1 ) = ( a1 , b1 , c1 )
Pode-se mostrar facilmente que, quaisquer que sejam u, v, w R3 e
, R, temos:
O espaco euclidiano
A1) (u + v) + w = u + (v + w)
A2) u + v = v + u
A3) qualquer que seja a terna u, temos u + 0 = u, em que 0 designa a
terna (0, 0, 0)
A4) para qualquer terna u = (a, b, c), a terna v = (a, b, c) satisfaz
u+v =0
M1) ( u) = ( ) u
M2) ( + ) u = u + u
M3) (u + v) = u + v
M4) 1 u = u.
As operacoes acima estendem-se de modo natural ao Rn . Dados
u = (a1 , . . . , an ) e v = (b1 , . . . , bn ) em Rn e R, definimos a soma
u + v e o produto por escalar u por
u + v = (a1 , . . . , an ) + (b1 , . . . , bn ) = (a1 + b1 , . . . , an + bn ) (1.2)
u = (a1 , . . . , an ) = ( a1 , . . . , an )
(1.3)
Como no caso das ternas ordenadas, pode-se verificar que em Rn
estao satisfeitas as propriedades A1) a A4) e M1) a M4). Por estarem
satisfeitas essas propriedades, dizemos que Rn e um espa
co vetorial.
A igualdade (1.2) define a soma de dois vetores. Para somar tres
vetores u, v e w, podemos considerar as combinacoes u + (v + w)
e (u + v) + w. A propriedade associativa afirma que esses vetores
sao iguais. Por causa dessa propriedade, vamos omitir os parenteses.
Mais geralmente, dados n vetores u1 , u2 . . . , un e n n
umeros reais
1 , 2 . . . , n , podemos definir o vetor
1 u1 + 2 u2 + + n un ,
que chamaremos combina
c
ao linear de u1 , u2 . . . , un . Por exemplo,
o vetor (3, 1, 0) e combinacao linear de (6, 3, 1), (3, 2, 1) e (0, 2, 2) pois
1 (6, 3, 1) + (1) (3, 2, 1) + 0 (0, 2, 2) = (3, 1, 0).
Ja o vetor (6, 1, 0) nao e combinacao linear de (6, 3, 1), (3, 2, 1) e
(0, 2, 2); de fato, para que (6, 1, 0) seja combinacao linear de (6, 3, 1),
Cap. 1
Nocoes Preliminares
(3, 2, 1) e (0, 2, 2) precisam existir n

umeros x, y, z tais que
x (6, 3, 1) + y (3, 2, 1) + z (0, 2, 2) = (6, 1, 0) ,
ou seja, (6 x+3 y, 3 x+2 y +2 z, x+y +2 z) = (6, 1, 0). Dessa igualdade
vemos que x, y, z precisam satisfazer o sistema de equacoes
= 6 (1)
6x + 3y
3 x + 2 y + 2 z = 1 (2)
x + y + 2 z = 0 (3)
Subtraindo a equacao (3) da equacao (2), obtemos 2 x + y = 1. Dividindo a equacao (1) por 3, temos 2 x + y = 2. As equacoes

2 x + y = 1 (4)
2 x + y = 2 (5)
mostram que nao existem tais n
umeros x, y, z. Logo, o vetor (6, 1, 0)
nao e combinacao linear de (6, 3, 1), (3, 2, 1) e (0, 2, 2).
Exemplo 1.1. Consideremos em Rn os vetores
e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1)
Mostrar que todo vetor x = (x1 , . . . , xn ) se escreve, de modo u
nico,
como combinacao linear dos vetores e1 , . . . , en . Por causa desta propriedade, diremos que os vetores e1 , e2 , . . . , en formam uma base de
Rn , chamada base can
onica de Rn .
Podemos escrever
(x1 , . . . , xn ) = (x1 , 0, . . . , 0) + + (0 , . . . , xn ) =
= x1 (1 , 0, . . . , 0) + + xn (0, 0, . . . , 1) =
= x1 e1 + + xn en .
Logo, x e combinacao linear de e1 , . . . , en . Para ver que essa e a
u
nica maneira de escrever x como combinacao linear de e1 , . . . , en ,
suponhamos que tenhamos x = t1 e1 + + tn en . Entao
(x1 , . . . , xn ) = x = t1 e1 + + tn en =
= t1 (1 , 0, . . . , 0) + + tn (0, 0, . . . , 1) =
= (t1 , . . . , tn ).
Logo, t1 = x1 , . . . , tn = xn .
O espaco euclidiano
Exerccio 1.1. Determine se v e combinac

ao linear de u1 , u2 e u3 ,
sendo:
(a) v = (2, 5, 1), u1 = (1, 0, 0) , u2 = (0, 1, 1) e u3 = (1, 1, 1);
(b) v = (2, 3, 1), u1 = (1, 0, 0) , u2 = (0, 1, 1) e u3 = (1, 1, 1);
(c) v = (1, 1, 2), u1 = (1, 1, 1) , u2 = (1, 1, 0) e u3 = (0, 0, 1);
(d) v = (1, 1, 4), u1 = (1, 1, 1) , u2 = (1, 1, 0) e u3 = (0, 0, 1);
Alem das operacoes de adicao de nupla e multiplicacao de nupla
por n
umero real, podemos definir em Rn o chamado produto interno de
nuplas, que estende a nocao de produto escalar visto nos cursos de
Fsica e Geometria Analtica. Lembremos que o produto escalar dos
vetores (nao nulos) u e v, de modulos kuk e kvk, respectivamente, que
formam entre si um angulo e definido por
u v = kuk kvk cos .
(1.4)
conveniente escrever o produto escalar em termos das componenE

tes dos vetores u = (a, b, c) e v = (x, y, z). Aplicando a lei dos cossenos
ao triangulo cujos lados sao u, v e u v (Figura 1.2), temos
ku vk2 = kuk2 + kvk2 2 kuk kvk cos .
(1.5)
HH
H uv
HH
HH
u
H
j
H
-
Figura 1.2
Substituindo em (1.5): kuk2 = a2 + b2 + c2 , kvk2 = x2 + y 2 + z 2 ,
kuvk2 = (xa)2 +(y b)2 +(z c)2 = kuk2 +kvk2 2 (a x+b y +c z)
e kuk kvk cos = u v, obtemos
u v = ax + by + cz
(1.6)
Uma vantagem da relacao (1.6) sobre (1.4) e que ela (a relacao

(1.6)) nao depende do apelo geometrico e portanto permite estender
a Rn , com n 4, essa nocao de produto escalar, que chamaremos
produto interno.
10
Cap. 1
Nocoes Preliminares
Dados u = (x1 , . . . , xn ), v = (y1 , . . . , yn ) Rn , definimos o produto interno de u e v, denotado por u v (ou hu, vi), como sendo
u v = x1 y1 + . . . + xn yn
(1.7)
(notemos que o produto interno de dois vetores de Rn e um n

umero
n
real). O espaco vetorial R , munido do produto interno, e chamado
facil ver que u u > 0, u 6= 0. Definimos a
espa
co euclidiano. E
norma de um vetor u como sendo kuk = u u. O produto interno

tem as seguintes propriedades
uv =vu
(1.8)
(u + w) v = u v + (w v)
(1.9)
ao
Exemplo 1.2. Se u = (1, 3, 0), v = (3, 1, 5), w = (3, 1, 2), ent
u u = 1 + 3 = 4 u v =3 3 v w =
3(3) + 1(1) + 5 2 = 0
kuk = 2
kvk = 35
kwk = 14
Existe uma importante desigualdade importante relacionando norma e produto interno, conhecida como desigualdade de Cauchy-Schwarz

u v kuk kvk .
(1.10)
Se v = 0, temos h u, vi = 0, e a desigualdade (1.10) e trivial. Para
mostrar essa desigualdade quando v 6= 0, notemos que, para qualquer
t R, temos ku + t vk 0. Usando as propriedades (1.8) e (1.9),
temos
0 ku + t vk2 = (u + t v) (u + t v) = u u + 2 t u v + t2 v v =
= kuk2 + 2 t u v + t2 kvk2
donde
kvk2 t2 + 2 (u v) t + kuk2 0 .
(1.11)
O primeiro membro dessa desigualdade e uma funcao quadratica em t.

Para que essa funcao quadratica seja sempre nao negativa, seu discriminante nao pode ser positivo, isto e,
4 (u v)2 4 kvk2 kuk2 0 .
(1.12)
O espaco euclidiano
11
A desigualdade (1.12) implica (1.10).

Dois vetores u, v Rn sao ditos ortogonais quando uv = 0. Por
exemplo, os vetores u = (1, 0, 9, 6) e v = (0, 1, 2, 3) sao ortogonais,
pois u v = 1 0 + 0 (1) + 9 2 + (6) 3 = 0. Um conjunto de
vetores {u1 , . . . , um } e dito um conjunto ortogonal se os seus vetores
sao dois a dois ortogonais, isto e, ui uj = 0, i, j com 1 i, j m
e i 6= j; se, alem disso, ku1 k = = kum k = 1, dizemos que esse
conjunto e ortonormal. A base canonica {e1 , . . . , en } e um conjunto
ortonormal em Rn .
Exemplo 1.3. Encontrar todos os vetores de R2 que s
ao ortogonais a
v = (2, 1).
Procuramos os vetores u = (x, y) tais que u v = 0, isto e, 2 x y = 0.
Logo, u = (x, 2 x). Notemos que y = 2 x e a equacao da reta passa
pela origem e tem v como vetor normal. (Figura 1.3).
ao ortogonais a
n = (2, 1, 0).
Procuramos os vetores u = (x, y, z) tais que u n = 0, ou seja,
y = 2 x. Logo, u = (x, 2 x, z) = x (2, 1, 0) + z (0, 0, 1). Notemos que
y = 2 x e equacao do plano que contem a origem e tem n como vetor
normal (Figura 1.4).
z 6
y 6
y = 2x
HH
j
H
y-
v
y = 2x
x

Figura 1.3
Figura 1.4
12
Cap. 1
Nocoes Preliminares

ao ortogonais a
v = (2, 1, 1) e w = (0, 1, 1).
Procuramos os vetores u = (x, y, z) tais que u v = 0 e u w = 0,
ou seja, 2 x + y + z = 0 e y z = 0. Da u
ltima dessas igualdades,
tiramos y = z; substituindo na anterior, obtemos x = y. Portanto
u = (y, y, y) = y(1, 1, 1).
Exerccio 1.2. (a) Encontre x de modo que os vetores u = (3, 5, x) e
v = (4, 2, 4) sejam ortogonais.
(b) Encontre x e y de modo que {(3, x, 2), (4, 2, 1), (1, 11, y)} seja
um conjunto ortogonal.
Exerccio 1.3. Determine quais dos conjuntos abaixo s
ao ortogonais:
(a) {(2, 3), (6, 4)}
(b) {(0, 2, 3), (1, 6, 4), (1, 1, 1), (1, 3, 1)}
(c) {(1, 1, 1, 1), (1, 1, 1, 1), (0, 0, 1, 0), (0, 0, 0, 1)}
(d) {(2, 1, 1, 1), (1, 1, 3, 0), (1, 1, 0, 1), (2, 1, 1, 1)}.
Exerccio 1.4. Prove a desigualdade triangular: ku+vk kuk+kvk.
Exerccio 1.5. Demonstre as identidades: ku+vk2 kuvk2 = 4 uv
e ku + vk2 + ku vk2 = 2(kuk2 + kvk2 ).
Exerccio 1.6. Prove o Teorema de Pit
agoras em Rn : os vetores u, v
2
s
ao ortogonais se e somente se ku + vk = kuk2 + kvk2 .
Exerccio 1.7. Sejam u, v Rn . Mostre que u e v s
ao ortogonais
se e somente se ku + vk = ku vk.
1.2
Matrizes
Sejam m, n 1 n
umeros inteiros. Uma matriz de ordem m n e
um arranjo de m n n
umeros distribudos em m linhas e n colunas, do
seguinte modo:
a11
a21
.
..
a12
a22
..
.
...
...
..
.
am1 am2 . . .
a1n
a2n
..
.
amn
Matrizes
13
Denotaremos essa matriz por A = (aij ). Cada n

umero aij chama-se um
elemento (ou entrada) da matriz: i indica a linha e j a coluna onde
se localiza aij . Duas matrizes de mesma ordem A = (aij ) e B = (bij )
sao ditas iguais quando seus elementos correspondentes sao iguais, isto
e, aij = bij , i, j.

1 2 1
y 2 z
x = 1 y = 1
Exemplo 1.6.
=
0 x 0
t 1 0
z=1
t=0
Denotaremos por Mmn (R) o conjunto das matrizes de ordem mn
de n
umeros reais; quando m = n, denotaremos tal conjunto por Mn (R);
neste caso, cada elemento de Mn (R) e dito uma matriz quadrada de
ordem n. A matriz O Mmn cujos elementos sao todos iguais a
zero e chamada matriz nula. Uma matriz com m linhas e 1 coluna
e chamada matriz coluna e uma matriz com 1 linha e n colunas e
chamada matriz linha.

0

1
2
Exemplo 1.7. Sejam A = 1 2 1 3 , B = 3 e C =
.
7
9 4
Entao A e matriz linha, B e matriz coluna e C e matriz quadrada de

ordem 2.
Existe uma correspondencia natural entre matrizes m 1 e vetores
de Rm . A cada vetor x = ( x1 , . . . , xm ) de Rm associamos a matriz
linha X = [ x1 xm ] e reciprocamente, a cada matriz m 1, X,
associamos um vetor x como acima. Da mesma maneira, existe uma
correspondencia natural entre matrizes colunas m 1 e vetores de
Rm . Sempre que for conveniente, identificaremos vetores de Rm com
matrizes linhas ou matrizes colunas, por meio das correspondencias
x1
x = (x1 , . . . , xm ) ... [ x1 xm ] .
(1.13)
xm
Em uma matriz quadrada A = (aij ), os elementos a11 , . . . , ann

constituem a diagonal principal de A. Uma matriz quadrada (aij )
e chamada matriz diagonal quando aij = 0, i 6= j, isto e, todo
14
Cap. 1
Nocoes Preliminares
elemento fora da diagonal principal e nulo. Uma importante matriz

diagonal e a matriz identidade de ordem n:
In =
1 0 ...
0 1 ...
.. .. . .
.
. .
0 0 ...
0
0
..
.
1
Uma matriz quadrada A = (aij ) e dita triangular superior, quando

aij = 0, para todo i > j , ou seja,
a11 a12 . . .
0 a22 . . .
A=
..
..
...
.
.
0
0 ...
a1n
a2n
..
.
ann
De modo analogo define-se matriz triangular inferior.

Dada uma matriz A = (a i j )mn , sua transposta, denotada por
T
A , e a matriz B = (b j i )nm , em que b j i = a i j , i, j . Uma matriz
quadrada e dita sim
etrica quando AT = A, isto e, a j i = a i j , i, j.
Uma matriz e dita anti-sim
etrica se AT = A, isto e, a j i = a i j ,
para todo i, j: em particular, como para i = j devemos ter a i i = a i i ,
os elementos de sua diagonal principal sao nulos.
2 1
0
0 1 0
9
5
0 5
e simetrica e 1
0
5 3
0 5 0
Exemplo 1.8. A matriz 1

e anti-simetrica.
Dada a matriz
a11
a21
A=
...
a12
a22
..
.
...
...
..
.
am1 am2 . . .
a1n
a2n
..
.
amn
as n matrizes m 1:
a1n
a11
a2n
a21
v1 =
... , . . . , vn = ...
amn
am1
Matrizes
15
chamam-se vetores colunas de A e as n matrizes 1 n

u1 = a11 a12 . . . a1n , , um = am1 am2 . . . amn
sao os vetores linhas de A. Em muitas situacoes, e conveniente
escrever A em termos de seus vetores linhas ou de seus vetores colunas:
A=
u1
u2
..
.
ou A = [ v1 , v2 , . . . , vm ] .
um
Sejam A = (aij ), B = (bij ) Mmn (R). A soma de A com B,

indicada por A + B e a matriz cujo termos geral e aij + bij , ou seja,
a11 + b11
a21 + b21
A+B =
..
a12 + b12
a22 + b22
..
.
...
...
..
.
a1n + b1n
a2n + b2n
..
.
am1 + bm1 am2 + bm2 . . .
amn + bmn
(1.14)
Verifique como exerccio que a adicao de matrizes tem as propriedades

A1 a A4 (pagina 5).

1 3
1 3
3 5
,B=
, C = 2 5 .
Exemplo 1.9. Sejam A =
5

Entao A + B =
4
8
4 4+ 7
1 4
3 1

e n
ao est
ao definidas B + C e A + C.
Sejam A = (aij ) Mmn (R) e R. O produto de A pelo n

umero
e a matriz A = ( ai j ), isto e,
a11
a21
A =
...
a12
a22
..
.
...
...
..
.
am1 am2 . . .
a1n
a2n
..
(1.15)
amn
Mostre como exerccio que valem as propriedades M1 a M4 (pagina 6).
Exemplo 1.10. Se = 3, A =
1 0
3
0
3 1 , ent
ao A = 9 3 .
2 0
6
0
16
Cap. 1
Nocoes Preliminares
Sejam A = (aij ) Mmn (R), B = (bjk ) Mnp (R). O produto

de A por B e a matriz C = (ci k ), de ordem m p, cujo termo geral
cik e dado por
cik =
n
X
ai j b j k = ai 1 b 1 k + ai 2 b 2 k + + ai n b n k .
j=1

Exemplo 1.11.
2 1
0
0 1 2

4 4 5
8
8
10
0 0 0 =
2 0 2
1 0 1
A definicao acima permite multiplicar uma matriz A = (ai j )mn

T
por uma matriz n 1, X = x1 . . . , xn
e o produto e uma matriz
T
m 1, Y = [ y1 . . . ym ] . Sempre que for conveniente, usaremos a
identificacao (1.13) e diremos que estamos multiplicando a matriz A
pelo vetor x = (x1 , . . . , xn ), resultando no vetor y = (y1 , . . . , ym ).
O produto de matrizes tem as seguintes propriedades:
P1: A(BC) = (AB)C,
A Mmn , B Mnp , C Mpq
P2: A(B + C) = AB + AC,
A Mmn , B, C Mnp
P3: (A + B)C = AC + BC,
A, B Mmn , C Mnp
Observando a definicao acima, vemos que o produto de matrizes

pode ser escrito em termos das colunas de B da seguinte forma: se
B = [v1 , . . . , vp ], entao
A B = [A v1 , . . . , A vp ] .
(1.16)
Teorema 1.1. Sejam A,B e C matrizes quadradas de ordem n, com

A = diag (a1 , , an ), e B = diag (b1 , , bn ). Sejam u1 , . . . , un
as linhas de C e v1 , . . . , vn as colunas de C. Ent
ao
1
a1 u
a2 u2
AC =
... e
an un
C B = [b1 v1 , . . . , bn vn ] .
(1.17)
1.3. SISTEMAS LINEARES
17
A demonstracao do teorema fica como exerccio.

Uma matriz A Mn (R) e dita invertvel quando existe B Mn (R)
tal que
A B = B A = In .
1
A matriz B chama-se

inversa de A e e denotada por A . Por exemplo,

a matriz A =
2 1
2 2
e invertvel e sua inversa e A1 =
1 1/2
1
1
Na proxima secao apresentaremos um metodo para calcular a inversa

de uma matriz.
Exerccio 1.8. Mostre que se A e B forem invertveis, ent
ao AB e
1
1 1
invertvel e (AB) = B A .
Exerccio 1.9. Mostre que (A + B)T = AT + B T , (A B)T = B T AT e
(AT )T = A.
Exerccio 1.10. Sejam A Mn (R) e X , Y Mn1 (R). Mostre que
X T A Y = Y T AT X.
Exerccio 1.11. Seja A Mn (R). Mostre que a matriz B = A + AT
e simetrica e que a matriz C = A AT e anti-simetrica.
Exerccio 1.12. Mostre que toda matriz A Mn (R) se escreve como
soma de uma matriz simetrica e uma matriz anti-simetrica. (Sugest
ao:
escreva A = 21 (A + AT ) + 12 (A AT )).
1.3
Sistemas Lineares
Nesta secao, estudamos sistemas de equacoes algebricas lineares. Um

sistema de m equacoes lineares nas n variaveis x1 , . . . , xn tem a forma:
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2

(1.18)
..
am1 x1 + am2 x2 + + amn xn = bm .
18
Cap. 1
Nocoes Preliminares
Os n
umeros ai j , 1 i m, 1 j n, chamados coeficientes e os
bi , 1 i m, chamados termos constantes, sao dados. Quando
b1 = = bm = 0, o sistema (1.18) e chamado homog
eneo; caso contrario ele e dito n
ao homog
eneo. Uma solu
c
ao da equacao (1.18) e
uma nupla (z1 , z2 , . . . , zn ) que satisfaz todas as equacoes do sistema,
isto e, ai 1 z1 + ai 2 z2 + . . . + ai n zn = bi , para todo i = 1, . . . , m.
O conjunto de todas solucoes de (1.18) e chamado conjunto solu
c
ao
de (1.18). Por exemplo, a terna (0, 1, 1) e solucao do sistema

x1 x2 + 2x3 = 1
(1.19)
x2 x3 = 0
Dessas equacoes, temos x2 = x3 e x1 = 1 x3 . Atribuindo valores

arbitrarios x3 = t, obtemos x1 = 1 t, x2 = t; portanto, esse sistema
tem infinitas solucoes. O conjunto solucao de (1.19) e

S = (1 t, t, t) : t arbitrario .
Um sistema linear que admite uma u
nica solucao e dito possvel e
determinado. Um sistema linear com mais de uma solucao e chamado
indeterminado. Um sistema linear que nao admite solucao e dito
impossvel. Sejam

x+y =2
4x + 6y = 0
x+y =1
S1 :
S2 :
S3 :
xy =0
6x + 9y = 0
2x + 2y = 1
facil ver que o sistema S1 e possvel e determinado: (1, 1) e sua u

E
nica
solucao), o sistema S2 e indeterminado: (3, 2) e (3, 2) sao solucoes
de S2 , e que S3 e impossvel.
facil ver que, se o sistema (1.18) e homogeneo, entao a nupla
E
(0, . . . , 0) e solucao desse sistema, chamada solu
c
ao trivial. Assim,
um sistema homogeneo e sempre possvel; pode-se mostrar que, se
m < n, ele tem solucoes nao triviais.
Definindo as matrizes
a11
a21
A=
...
a12
a22
..
.
...
...
..
.
am1 am2 . . .
a1n
a2n
,
..
.
amn
x1
x2
X=
...
xn
b1
b2
B=
...
bm
Sistemas lineares
19
podemos escrever o sistema (1.18) na forma matricial

AX = B
(1.20)
A matriz A chama-se matriz dos coeficientes do sistema (1.18). A

matriz
a11
a21
[A : B] =
...
a12
a22
..
.
...
...
..
.
am1 am2 . . .
a1n
a2n
..
.
b1
b2
..
.
amn bm
chama-se matriz aumentada do sistema (1.18).

Uma classe especial de sistema sistemas lineares que podem ser
facilmente resolvidos e a dos sistemas escalonados: sao sistemas da
forma
a1 1 x1 + + a1 j1 xj1 + + a1 jk xjk + + a1 n xn = b1
a2 j1 xj1 + + a2 jk xjk + + a2 n xn = b2
(1.21)
..
ak jk xjk + + ak n xn = bk .
com a11 6= 0, a2 j1 6= 0, . . . , ak jk 6= 0. Consideremos, por exemplo, o

sistema
x + y + 2z = 3
y+ z= 1
(1.22)
2 z = 4.
Da terceira equacao, temos z = 2; substituindo esse valor na segunda equacao, tiramos y = 3 e, substituindo esses valores na primeira
equacao, obtemos x = 4. Assim, sua u
nica solucao e (4, 3, 2).
Dois sistemas lineares S1 e S2 sao ditos equivalentes (e indicamos S1 S2 ) quando eles tem as mesmas solucoes. Por exemplo, os
sistemas

x+y =2
xy =0
x + 2y = 3
2x y = 1
sao equivalentes, pois sua u

nica solucao e (1, 1).
20
Cap. 1
Nocoes Preliminares
Vamos agora introduzir, por meio de exemplos, os metodo de eliminacao de Gauss e de Gauss-Jordan para resolver sistemas lineares.
Tais metodos consistem em transformar o sistema dado em um sistema equivalente na forma escalonada, efetuando as seguintes operacoes,
chamadas operac
oes elementares:
(i) multiplicar uma das equacoes de S por um n
umero real k 6= 0.
(ii) substituir uma equacao de S pela soma daquela equacao com
outra equacao de S.
x y+ z = 1
2x + y 4z = 1
Exemplo 1.12. Resolver o sistema
x 3y + 3z = 5.
Temos
x y + z = 1 (A)
2x + y 4z = 1 (B)
x 3y + 3z = 5 (C)
x y + z = 1 (A)
3y 6z = 3 (D)
2y + 2z = 4 (E)
x y + z = 1 (A)
y 2z = 1 (F )
y + z = 2 (G)
x y + z = 1 (A)
y 2z = 1 (F )
z = 1 (H)
Agora fica facil resolver o sistema. Da u

ltima equacao tiramos z = 1;
substituindo na segunda, obtemos y = 3 e levando esses valores na
primeira, temos x = 1. Este e basicamente o m
etodo de Gauss.
Uma outra maneira de resolver o sistema e continuar com as operacoes
elementares e eliminar z nas duas primeiras equacoes e, em seguida,
eliminar y na primeira: este e o m
etodo de Gauss-Jordan.
= 2 (K)
= 1 (L)
xy
x
y
= 3 (J)
y
= 3 (J)
z = 1 (I)
z = 1 (I)
Nessa resolucao, efetuamos as operacoes: D = (2) A+B, E = C A,
F = D/3, G = E/2, H = F +G, I = (1)H, J = F 2H, K = A+H
e L = J + K.
x + 2y z = 7
Exemplo 1.13. Analisar o sistema x + y + 2z = 3 para diversos
2x + 3y + z = k
valores de k.
Sistemas lineares
21
x + 2y z = 7
x + 2y z = 7
x + 2y z = 7
y 3z = 4
y 3z = 4
x + y + 2z = 3
2x + 3y + z = k
y 3z = 14 k
0 = 10 k
Portanto, o sistema nao tem solucao, se k 6= 10. Se k = 10, ele e
equivalente a

x + 2y z = 7
y 3z = 4
cujas solucoes sao y = 4 + 3z, x = 1 5z, z e arbitrario.
Podemos simplificar a notacao ao resolver sistemas lineares, omitindo as incognitas e concentrando nossa atencao na matriz aumentada.
Por exemplo, a resolucao do sistema linear:
x + 2y z = 1
2x + 4y 6z = 0
x y + 2z = 4
x + 2y z = 1
4z = 2
3y 3z = 3
x + 2y z = 1
y z = 1
z = 1/2
x + 2y
y
= 3/2
= 1/2
z = 1/2
x = 5/2
y = 1/2
z = 1/2
pode ser escrita de maneira resumida do seguinte modo (a barra vertical em cada uma das matrizes abaixo tem como u
nica finalidade separar
os coeficientes dos termos constantes):
1
2 1 1
1 2 1

2
4 6 0
0 0
4
1 1
2 4
0 3 3

1
1 2 1
1

2 0 1 1 1

3
0 0
1 1/2
1 0 0
1 2 0
3/2
0 1 0 1/2 0 1 0

0 0 1
0 0 1
1/2

5/2

1/2

1/2
Agora, e so observar que a primeira coluna da matriz A estava associada à variavel x, a segunda coluna associada à variavel y e a terceira
coluna à variavel z para concluir que x = 5/2, y = 1/2 e z = 1/2.
22
Cap. 1
Nocoes Preliminares
Por analogia com os sistemas lineares, diremos que uma matriz

esta na forma escalonada quando a quantidade inicial de zeros da
primeira linha e menor do que a da segunda linha, que e menor de que
a da terceira linha e assim por diante, ou seja, a matriz e da forma
a1 1 . . . a1 j1 . . . a1 jm . . . a1 n
0 . . . a2 j . . . a 2 j
. . . a2 n
m
1
..
..
..
.. .
..
..
..
.
.
.
.
.
.
.
0 ...
0 . . . am jm . . . am n
Alem de simplificar a notacao, o procedimento acima permite resolver simultameamente diversos sistemas lineares que tenham a mesma
matriz dos coeficientes. Por exemplo, para resolver os sistemas

x+y =1
u+v =0
e
x + y = 0
u + v = 1
escrevemos

1 1 1 0
1 1

1 1 0 1
0 2

1 0
1 1 1 0
0 1
0 1 21 12

1 0

1 1

1/2 1/2

.
1/2
1/2
Logo, x = 1/2, y = 1/2, u = 1/2, v = 1/2. Notemos que as solucoes

(x, y) = (1/2, 1/2)
e (u, v) = (1/2, 1/2) sao os elementos da inversa
da matriz A =
1 1
1 1
, isto e,

1/2 1/2
1
A =
.
1/2
1/2
O procedimento acima e valido em geral. Se A e uma matriz n n

invertvel, sua inversa, A1 , e caracterizada pela igualdade A A1 = I.
Escrevendo
e1 = [1, 0, . . . , 0]T , . . . , en = [0, . . . , 0, 1]T e A1 = [X1 , . . . , Xn ] ,
Sistemas lineares
23
a igualdade A A1 = I e equivalente a A X1 = e1 , . . . , A Xn = en .
Logo, as colunas X1 , . . . , Xn sao solucoes dos sistemas
A X = e1 , . . . , A X = en .
Deste modo, para encontrar a inversa de A, escalonamos a matriz
a11
a21
.
..
a12
a22
..
.
...
...
..
.
a1n
a2n
..
.
an1 an2 . . .
ann
1 0 ...
0 1 ...
.. .. . .
.
. .
0 0 ...
0
0
.
..
.
1
A matriz que resultar à direita da linha sera A1 .
1 2 3
Exemplo 1.14. Calcular a inversa da matriz A = 2 5 3 .
1 0 8
1 0 0
1
2
3
1 2 3 1 0 0

2 5 3 0 1 0 0
1 3 2 1 0

0 2
5 1 0 1
1 0 8 0 0 1
6
3
1 2 0 14
1
0
0
1 2
3

13 5 3
1
0 0 1 0
0 1 3 2
5 2 1
0 0 1
5 2 1
0 0
1
1 0 0 40 16 9
0 1 0 13 5 3 .
0 0 1 5
2 1
Logo, A1
40 16
9
= 13 5 3 .
5 2 1
24
Cap. 1
Nocoes Preliminares
Exerccio 1.13. Resolver cada um dos sistemas abaixo:
2x + 3y 8z = 7
3x + y + z = 8
3x + y + z = 8 b)
5x 3y + 4z = 17
a)
5x + 4y 3z = 17
2x 8y + 3z = 7
x + 3y + z = 8
8x + 2y 2z = 7
c)
3x + 5y + 4z = 17
d)
x + 3y + z =
8
x + y 2z =
4
x 5 y + k z = 12
Exerccio 1.14. Calcule a inversa de cada uma das
1

1
0 1
1 3
A=
B=
C=
1
1 1
1 1
1
matrizes abaixo:
2 3 5
1 3 4
2 2 5
2 3 4
1 1 1
1 1 0
2 0 2
D= 3 1 0 E= 1 3 1 F = 3 1 0
2 0 2
0 5 2
1 1 1
1.4
Determinante
Nesta secao definimos o determinante de uma matriz n n, A = (ai j ),

que denotaremos por det(A) (ou por |A|, de acordo com a conveniencia). Lembremos que os determinantes de matrizes 2 2 e 3 3
sao dados por

a b

(1.23)
c d = ad bc

a b c

d e f = a e i + b f g + c d h g e c h f a i b d.(1.24)

g h i
Por exemplo,

1 0 1

1 6 5 = 6

0 3 4
(confira!)
Determinantes
25
Para matrizes quadradas de ordem n 3, definimos o determinante

de modo recursivo, isto e, o determinante de uma matriz de ordem n e
dada em termos do determinante de uma matriz de ordem n 1. Para
essa definicao geral, precisamos da nocao de cofator de um elemento.
Dada uma matriz A de ordem n,
A=
a11 a12 . . . a1n

a21 a22 . . . a2n
..
..
..
..
.
.
.
.
an1 an2 . . . ann
(1.25)
para cada i, j, 1 i, j n seja Aij a matriz de ordem n 1 obtida

retirando-se a iesima linha e a jesima coluna de A. O determinante de Aij chama-se menor associado ao elemento aij . O n
umero
(1)i+j det Aij chama-se cofator do elemento aij . Por exemplo, se
1
0 1 3
6
5 7
1
M =
0
3
0 8
0 1
3 2
entao:
M11
6 5 7
1
0 1
1 1 3
3 0 8 , M24 = 0
3
0
5 7 .
e M32 = 1
=
1 3 2
0 1
3
0
3 2
O determinante da matriz A, dada em (1.25), e definido por

det A =
n
X
(1)1+j a1j det A1j
(1.26)
j=1
1
0 1 0
6
5 7
1
Exemplo 1.15. Calcular o determinante da matriz
0
3
0 8
0 1
3 2
26
Cap. 1
Nocoes Preliminares
Como a11 = 1, a12 = 0, a13 = 1, a14 = 0, pela definicao acima temos

1

0
1
0

1
6
5 7

= (1)1+1 1
0
3
0 8

0 1
3 2

6 5 7
1
6 7

3 0 8 + (1)1+3 (1) 0
3 8

1 3 2
0 1 2
= 151 + 14 = 137
A definicao acima expressa o determinante em termos dos elementos da

primeira linha e seus cofatores: e a chamada expans
ao do determinante
pela primeira linha. E possvel mostrar que obtemos o mesmo valor

quando fazemos a expansao usando qualquer linha ou coluna, isto e
para cada i fixado,
det A =
n
X
(1)i+j aij det Aij
j=1
para cada j fixado,
det A =
n
X
(1)i+j aij det Aij
i=1
O proximo teorema da algumas propriedades do determinante que decorrem diretamente de sua definicao. A demonstracao nao e difcil,
mas e trabalhosa e, por essa razao, sera omitida.
Teorema 1.2. O determinante tem as seguintes propriedades:
1) det In = 1.
2) Se A tem duas linhas ou duas colunas iguais, ent
ao det A = 0.
3) O determinante e linear em cada linha e cada coluna, isto e,
v1 + w1
v1
w1
v v
v2
= det .2 + .2
det
..
.. ..
.
vn
vn
vn
o mesmo valendo para as outras colunas e para as linhas .

4) det(A B) = det A det B, A, B Mn (R)
5) det AT = det A , A Mn (R).

1.5. NUMEROS
COMPLEXOS
27
Exerccio 1.15. Calcule o determinante das matrizes:
3
0 0 0

9 3 6
3 6
2 2 3 1
B= 2 5 0 C=
A=
1 5
1
3 0 2
2 0 2
0 2
Exerccio 1.16. Mostre que o determinante de uma matriz triangular

e o produto dos elementos da diagonal principal.
1.5
N
umeros Complexos
Denotaremos por C o conjunto dos n

umeros complexos, isto e,
C = {x + i y : x, y R, em que i2 = 1}.
Se z = x + i y, com x, y R, o n
umero x chama-se parte real de z e y
chama-se parte imagin
aria de z. Definimos as operacoes algebricas
em C do seguinte modo: dados z1 = a + i b, z2 = c + i d C, pomos
z1 + z2 = (a + i b) + (c + i d) = (a + c) + i (b + d),
z1 z2 = (a + i b) (c + i d) = (ac bd) + i (ad + bc).
As operacoes de adicao e multiplicacao em C tem as mesmas propriedades que as operacoes de R, ou seja, quaisquer que sejam z, w, s C:
1. (associatividade) z + (w + s) = (z + w) + s e z (w s) = (z w) s
2. (comutatividade) z + w = w + z e zw = wz
3. (elementos neutros) z + 0 = z e z 1 = z, z C
4. (elemento oposto) para cada z = a + i b C, existe um elemento
w C (a saber, w = a i b) tal que z + w = 0;
5. (elemento inverso) para cada z C, z 6= 0, existe em C um elemento denotado por z 1 tal que z z 1 = 1
6. (distributividade) z(w + s) = z w + z s
A correspondencia x + i y (x, y) identifica cada n
umero
complexo com um vetor (ou com um ponto, se for conveniente) do
plano: veja as figuras 1.5 e 1.6. Essa correspondencia relaciona soma
de n
umeros complexos com soma de vetores.
28
Cap. 1
Nocoes Preliminares
Para cada n
umero complexo z = x+i y, definimos o seu conjugado
p
por z = xi y e o seu m
odulo ou valor absoluto por |z| = x2 + y 2 .
claro que |z|2 = z z.
E
O inverso multiplicativo do n
umero z = x + i y e dado por
z 1 =
z
x
y
x iy
= 2
= 2
i 2
.
2
2
z z x + y
x +y
x + y2
A divis
ao de dois n
umeros z = a + i b, w = c + i d e z/w = z w1 .
Portanto
z w
(a + i b)(c i d)
z
=
=
2
w
| w|
c2 + d2
Exemplo 1.16. Se z = 2 i, ent

ao z = 2 + i , |z| = 5 e z 1 =
(2 + i)/5. Esses n
umeros estao representados na Figura 1.5 abaixo.
Exemplo 1.17. Se z = 6 + 2 i e w = 4 + 3 i, ent
ao
z
6 + 2i
(6 + 2 i)(4 3 i)
30 10 i
=
=
=
= 6 2 i.
w
4 + 3i
5
16 + 9
Exerccio 1.17. Mostre que, quaisquer que sejam z, w C:
(a) z + w = z + w
(b) z w = z w
(c) |z + w| |z| + |w| (d) |z w| = |z| |w|
z = r (cos + i sen )
* z = 2 + i
* z 1 = (2 + i)/5
j z =2i
Figura 1.6
Figura 1.5
Seja z = x + i y C. Usando coordenadas polares,

x = r cos ,
y = r sen ,
N
umeros Complexos
29
escrevemos a forma trigonom

etrica (ou forma polar) de z:
z = r (cos + i sen ).
p
Nessa expressao, r = x2 + y 2 e o modulo de z. Vamos escrever a
expressao cos + i sen na forma abreviada cis (). Assim,
z = x + i y = r (cos + i sen ) = r cis ()
Por exemplo, cis ( 2 ) = cos( 2 ) + i sen ( 2 ) = i, cis ( 3 ) = cos( 3 ) +
i sen ( 3 ) = 12 (1 + i 3).
A forma trigonometrica simplifica a multiplicacao e a divisao de
n
umeros complexos: se z1 = r1 cis 1 e z2 = r2 cis 2 , entao
z1 z2 = r1 r2 cis (1 + 2 )
(1.27)
z1
r1
=
cis (1 2 )
z2
r2
(1.28)
De fato,
z1 z2 = r1 r2 (cos 1 + i sen 1 )(cos 2 + i sen 2 )
= r1 r2 [cos 1 cos 2 sen 1 sen 2 + i (sen 1 cos 2 + sen 2 cos 1 )]
= r1 r2 [cos(1 + 2 ) + i sen (1 + 2 )] = r1 r2 cis (1 + 2 )
A verificacao da formula para o quociente e analoga e fica como exerccio.
Exemplo 1.18. Se z = 6 cis (/3), w = 3 cis (/6), obter z w e z/w.
Pela formula (1.27), temos
z w = 6 . 3 cis (/3 + /6) = 18 cis (/2) = 18 i
z
6
= cis (/3 /6) = 2 cis (/6) = 3 + i
w
3
A formula (1.27) simplifica o calculo de potencias de n
umeros complexos; de fato, por (1.27) temos que, se z = r cis (), entao
z 2 = [r cis ()][r cis ()] = r2 cis (2 )
z 3 = z 2 z = [r2 cis (2 )][r cis ()] = r3 cis (3 )
Usando inducao, temos, mais geralmente, a formula de De Moivre
z n = rn [cos(n ) + i sen (n )] = rn cis (n ).
(1.29)
30
Cap. 1
Nocoes Preliminares
Exemplo 1.19. Calcular (1 + i)12 e (1 + i 3)20 .
Notemos que 1 + i = 2 cis (/4) e que (1 + i 3) = 2 cis (/3).

Pela formula de DeMoivre, temos
(1 + i)12 = ( 2)12 cis (12/4) = 26 cis (3) = 26 = 64
3
1
20
20
(1 + i 3)20 = 220 cis (20/3)
=
2
cis
(2/3)
=
2
(
+
i
)=
2
2
19
= 2 (1 + i 3)
Fun
c
oes Complexas de Vari
avel Real
Seja I R um intervalo. Toda funcao f : I C se escreve na forma
f (t) = u(t) + i v(t),
com u, v : I R. As funcoes u e v chamam-se parte real e parte
imagin
aria de f e sao denotadas por Re (f ) e Im (f ), respectivamente, ou seja, u = Re (f ) e v = Im (f ). Assim, toda funcao complexa
de variavel real pode ser identificada com a funcao vetorial F : I R2
dada por F (t) = (u(t), v(t)).
Os conceitos basicos do Calculo de funcoes reais de uma variavel
real transportam-se de modo natural para funcoes complexas de uma
variavel real. Uma funcao f = u + i v e e dita contnua se as funcoes
u e v forem contnuas. Do mesmo modo, f = u + i v e dita deriv
avel
se u e v forem derivaveis; neste caso, a derivada de f e
f 0 (t) = u0 (t) + i v 0 (t).
Por exemplo, se f (t) = cos t + i sen t, temos
f 0 (t) = sen t + i cos t = i (cos t + i sen t) = i f (t).
(1.30)
Dados a, b I com a < b, definimos a integral de f em [a, b] por

Z b
Z b
Z b
f (t) dt =
u(t) dt + i
v(t) dt .
a
Z
As integrais
Z
u(t) dt e
v(t) dt sao facilmente calculadas usando o

a
Teorema Fundamental do Calculo: se U (t) e V (t) sao primitivas de u(t)
N
umeros Complexos
31
e v(t) (isto e, U 0 (t) = u(t) e V 0 (t) = v(t), t [a, b]), respectivamente,

entao
Z b
Z b
u(t) dt = U (b) U (a) e
v(t) dt = V (b) V (a)
a
Logo, se F (t) e uma primitiva de f (t) em [a, b] (isto e, F 0 (t) = f (t),

para todo t [a, b]), temos
Z
f (t) dt = F (b) F (a).
(1.31)
ei = cos + i sen .
(1.32)
A f
ormula de Euler
Da igualdade (1.27) temos

cis (1 + 2 ) = cis 1 cis 2
o que mostra que a funcao f (t) = cis (t) tem a propriedade exponencial as+t = as at . Alem disso, e claro que f (0) = 1. Portanto e razoavel
pensar em escrever f (t) = e t , para algum C (notemos que ainda
precisamos dar um significado para a exponencial complexa). Como
f 0 (t) = i f (t), vemos que para que
exponencial satisfaca a
esta nova
t
t 0
= e , a escolha apropriada para
conhecida regra de derivacao e
o expoente e = i e definimos
ei t = cos t + i sen t .
Definimos agora a funcao exponencial mais geral e(+i ) t , para um
expoente complexo z = + i qualquer como sendo:
e(+i ) t = e t ei t = e t (cos t + i sen t)
(1.33)
Sua derivada segue a mesma regra usada para a exponencial real:

d (+i ) t
e
= ( + i ) e(+i ) t
dt
32
Cap. 1
Nocoes Preliminares
Usando a formula de Euler, escrevemos a forma polar de um n

umero
complexo como
z = r ei .
Como ei e uma funcao periodica de perodo 2 (pois cos e sen o
sao), uma igualdade do tipo
r1 ei 1 = r2 ei 2 ,
com r1 > 0 e r2 > 0,
implica r1 = r2 e 2 = 1 + 2 n , para algum n Z.

A formula de Euler permite expressar as funcoes seno e cosseno em
termos da exponencial complexa:
cos =
ei + ei
2
e sen =
ei ei
2i
(1.34)
Z
Essas igualdades sao u

teis no calculo de integrais como
et cos t dt
(o calculo convencional dessa integral e trabalhoso, pois envolve duas

vezes a integracao por partes e uma transposicao). Vamos calcula-la,
usando (1.34). Como
e(1+i) t 0
1+i
= e(1+i) t
e(1i) t 0
1i
= e(1i) t
por (1.31) temos

Z
Z
Z
1
1
t
t
it
i t
e cos t dt =
e (e + e ) dt =
(e(1+i) t + e(1i) t ) dt =
2
2
1 h e(1+i) t e(1i) t i
=
+
+C =
2 1+i
1i
1 h (1 i) e(1+i) t + (1 + i)e(1i) t i
=
+C
2
2
Agora, como
(1 i) e(1+i) t = (1 i) et (cos t + i sen t) =

= et cos t + sen t i (cos t sen t)
N
umeros Complexos
e
temos
33
(1 + i) e(1i) t = (1 + i) et (cos t i sen t) =

= et cos t + sen t + i (cos t sen t) ,
Z
et cos t dt =
1 t
e (cos t + sen t) + C.
2
Exerccio 1.18. Mostre que

Z
1
ea t sen b t dt = 2
ea t (a sen b t b cos b t) + C.
2
a +b
Razes de n
umeros complexos
Uma raiz n
esima de um n
umero complexo z e um n
umero w
tal que wn = z. A formula de Euler e especialmente u
til para calcular
razes n esimas de n
umeros complexos. Se z = r0 ei , procuramos
i
n
w = r e tal que w = z, ou seja, rn ei n = r0 ei . Dessa igualdade,
temos rn = r0 e n = + 2k , k Z, ou seja r = n r0 e =
( + 2k )/n , k Z. Como cis ( + 2 ) = cis (), essa relacao
fornece exatamente n razes distintas, que sao dadas por
r = n r0
2k
= +
, k = 0, 1, . . . , (n 1).
n
n
Exemplo 1.20. Encontrar todas as soluc
oes da equac
ao 3 + 64 = 0.
conveniente usar a forma polar de n
E
umeros complexos: procuramos n
umeros reais r, tais que o n
umero complexo = r cos +
i r sen = ei satisfaz 3 + 64 = 0. De = r ei temos 3 = r3 ei 3 ;
lembrando que 64 = 64 ei , reescrevemos
a equacao acima como
r3 ei 3 = 64 ei . Portanto, r = 3 64 = 4 e 3 = + 2 n , n Z,
donde = n = (2n + 1) /3, n Z. Para n = 0, temos
0 = /3,
i /3
portanto 0 = 4 e
= 4 [cos (/3) + i sen (/3)] = 2(1 + i 3); para
n = 1, temos 1 = , portanto 1 = 4 ei = 4; para n = 2, temos
i 5 /3
2 = 5 /3,
= 4 [cos (5/3) + i sen (5/3)] =
portanto 2 = 4 e
2(1 i 3); A partir de n = 3 os valores se repetem: para n = 3,
34
Cap. 1
Nocoes Preliminares
obtemos 3 = 7 /3 = 2 + /3, portanto 3 = 0 ; analogamente,

4 = 1 , 5 = 2 e assim pordiante. Logo as solucoes daequacao
3 + 64 = 0 sao 0 = 2(1 + i 3), 1 = 2 3 = 2(1 i 3). As
solucoes 0 , 1 e 2 tem uma representacao geometrica interessante
no plano complexo: elas sao vertices de um triangulo equilatero, como
mostra a figura 1.7 abaixo.
oes da equac
ao 4 + 16 = 0.
Escrevendo = r ei
e 16 = 16 e i , a equacao acima fica r4 e4 i =
16 e i . Portanto, r = 4 16 = 2 e 4 = + 2 n , n Z, donde
= n = (2n + 1) /4, n Z. Para n = 0, temos 0= /4, portanto
0 = 2 e i/4 = 2 [cos (/4) + i sen (/4)] = (1 + i) 2; para n = 1,
temos 1 = 3 /4, portanto 1 = 2 e3 i/4 = (1
+ i) 2; para n = 2,
temos 2 = 5 /4, portanto 2 =(1 i) 2; para n = 3, temos
2 = 7 /4, portanto 2 = (1 i) 2. Como no exemplo anterior, a
partir de n = 4 os valores se repetem. A representacao geometrica das
solucoes no plano complexo e mostrada na figura 1.8 abaixo.
2(1 + i 3)
(1 + i) 2
2(1 i 3)

(1 i) 2
(1 + i) 2
Figura 1.7
(1 i) 2
Figura 1.8
Exerccio 1.19. Efetue as operac

oes:
(i) (2 6 i)(5 4 i) (ii) (3 5 i) 8
(iii) (2 5 i)(2 + 5 i)
4
3+ 2
(iv)
(v) (x + i y)(x y i) (vi)
i
3 9
Exerccio 1.20. Simplifique as express
oes: i5 , i6 , i7 , i8 , i9 , i10 , i98 ,
i105 , i4 k , i4 k+1 , i4 k+2 , i4 k+3 .
N
umeros Complexos
35
Exerccio 1.21. Calcule as razes indicadas:

(i) (25)1/2 (ii) 641/4 (iii) 641/4 (iv) (1+i
3)1/3 (v) ( 3i)1/3
Exerccio 1.22. Escreva cada n

umero abaixo na forma a + b i:
(i) [2 cis (15 )]4
(iv) ( 3 i)5
(ii) [3 cis (5 )]12

(v) (1 + i)100
(vii) i27 1/i18
(viii)
i26 + i64
i13 + i16
(iii) [2 cis (/6)]3

2 3i
(vi)
5 + 4i
(1 i)26
(ix)
(1 + i)64
Exerccio 1.23. Mostre que, para todo n

umero complexo z, temos
z + z = 2 Re(z) e z z = 2 i Im(z).
Exerccio 1.24. Encontre as soluc
oes da equac
ao z 2 (4i) z8 i = 0.
Exerccio 1.25. Sejam z0 C e r > 0 fixados. Descreva geometricamente o conjunto dos pontos z do plano que satisfazem |z z0 | = r.
Exerccio 1.26. Sejam z1 , z2 C fixados, com z1 6= z2 . Descreva
geometricamente o conjunto de todos os pontos z do plano que satisfazem |z z1 | = |z z2 |.
Observac
ao 1.1. Em algumas situac
oes, vamos trabalhar indistintamente com o conjunto dos n
umeros reais ou o dos n
umeros complexos.
Nesses casos, usaremos o smbolo K para denotar R ou C.
Observac
ao 1.2. (O espa
co Cn ) Praticamente tudo o que fizemos
n
para o espaco R , pode ser feito para o conjunto
Cn = {(z1 , . . . , zn ) : z1 , . . . , zn C}.
As operacoes de adicao de nuplas de n
umeros complexos e multiplicacao de nuplas de n
umeros complexos por n
umero complexo s
ao
definidas de modo analogo ao que foi feito anteriormente. Essas operacoes em Cn tambem satisfazem as propriedades A1 a A4 e M1 a
M4.
36
Cap. 1
Nocoes Preliminares
O produto interno usual de Cn e definido do seguinte modo:

dados u = (x1 , . . . , xn ), v = (y1 , . . . , yn ) Cn , pomos:
hu, vi = x1 y1 + . . . + xn yn ,
(1.35)
em que yj denota o conjugado complexo

pde yj . Definimos a norma de
n
um vetor u de C como sendo kuk = hu, ui (note que hu, ui 0).
Observac
ao 1.3. (Matrizes Complexas) Em algumas situac
oes
precisaremos considerar matrizes cujos elementos s
ao n
umeros complexos. Essencialmente tudo o que fizemos nas sec
oes anteriores continua
v
alido para matrizes complexas. Denotaremos o conjunto das matrizes
de ordem m n complexas por Mm n (C).
Captulo 2
Equac
oes de Primeira Ordem
2.1
Introduc
ao
Muitos fenomenos em fsica, biologia e qumica sao descritos por

uma equacao envolvendo uma funcao incognita e algumas de suas derivadas. Um exemplo simples de tal fenomeno e a desintegracao radioativa: a taxa de desintegracao de uma substancia e diretamente
proporcional à quantidade do material radioativo presente. Designando por q(t) a quantidade da substancia radioativa no instante t e por
k a constante de proporcionalidade, temos
q 0 (t) = k q(t)
(2.1)
Um outro exemplo basico e dado pelo movimento em uma dimensao. Um problema fundamental em Mecanica e determinar a posicao x(t) de uma partcula m em um instante t conhecendo-se a resultante F (t, y, y 0 ) das forcas que atuam sobre ela (tais forcas podem
depender do tempo, da posicao e da velocidade da partcula). De acordo com a segunda lei de Newton, temos
m y 00 = F (t, y, y 0 ) .
(2.2)
Se a funcao F for constante, e facil ver que a solucao e da forma

y(t) = A + Bt + Ct2 . Vejamos um exemplo em que a forca F depende
de t, y e y 0 . Consideremos um objeto de massa m na extremidade de
37
38
DE PRIMEIRA ORDEM
CAPITULO 2. EQUAC
OES
uma mola de constante elastica k, como na Figura 2.1 abaixo: assim, a

forca restauradora da mola devida a um deslocamento y e Fr = k y.
Suponhamos ainda que o meio ofereca uma resistencia ao movimento
cuja intensidade e proporcional à velocidade, Fa = b y 0 , e que uma
forca f (t) e aplicada ao objeto. Logo, a resultante das forcas que atuam
sobre o objeto e k y b y 0 + f (t). De acordo com (2.2), o deslocamento
da massa m e descrito pela equacao
m y 00 + b y 0 + k y = f (t) .
(2.3)
O
y
m
?
Figura 2.1
Consideremos um exemplo em biologia: um modelo simples de crescimento populacional, chamado modelo Malthusiano, supoe que a taxa
de variacao y 0 (t) de uma populacao em um instante t e proporcional à
populacao y(t) naquele instante, isto e, y(t) satisfaz uma equacao da
forma
y 0 (t) = k y(t) .
(2.4)
A constante k em (2.4) designa a diferenca entre a taxa de natalidade
e a mortalidade. A equacao (2.4) descreve bem o crescimento populacional quando o n
umero de indivduos nao e muito grande. Quando
esse n
umero cresce alem de um certo ponto, a populacao fica suscetvel
a alguns fatores que tendem a reduzir o seu crescimento, tais como
natural impor uma limitacao ao
falta de alimentos, epidemias, etc. E
n
umero de elementos da populacao, digamos y(t) N . Um modelo
mais realstico que leva em conta esses fatores foi proposto por Verlhust

2.1. INTRODUC
AO
39
em 1838 e fornece uma equacao da forma

y 0 (t) = k y(t) [ N y(t) ] .
(2.5)
importante conConsideremos agora um exemplo em qumica. E

hecer seu tempo de duracao de uma reacao qumica. Reacoes como
as explosoes processam-se tao rapidamente que elas podem ser consideradas instantaneas. Por outro lado, reacoes como a decomposicao
do plastico e a desintegracao radioativa se processam em longos intervalos de tempo, chegando a durar anos. Em algumas situacoes, como
na decomposicao de lixo, cicatrizacao de ferimentos ou no endurecimento de concreto, e interessante acelerar a reacao. Em outras casos,
e desejavel que o processo seja retardado ao maximo, como e o caso
da deterioracao de alimentos, coagulacao do sangue, etc. A velocidade
de uma reacao qumica (que e a rapidez com que ela se processa) depende da concentracao dos reagentes, pressao, temperatura, etc. Para
simplificar nosso exemplo, assumiremos que todos esses fatores, exceto a concentracao, permanecem constantes. Assim, a velocidade da
reacao depende apenas da concentracao dos reagentes. Um princpio
fundamental no estudo da velocidade das reacoes qumicas e a chamada lei da acao das massas, segundo a qual a taxa de variacao da
concentracao (a concentracao e dada em moles por unidade de volume)
das substancias reagentes e diretamente proporcional à concentracao
de cada uma dessas substancias.
Reacoes qumicas sao classificadas como unimoleculares, bimoleculares, etc de acordo com o n
umero de moleculas reagentes. A dissociacao do bromo gasoso
Br2 2 Br
e uma reacao unimolecular. Ja a reacao em que 2 moleculas de oxido
ntrico (NO) reagem com uma molecula de oxigenio (O2 ) para formar
2 moleculas de dioxido ntrico
2 NO + O2 2 NO2
e um exemplo de reacao trimolecular.
40
DE PRIMEIRA ORDEM
CAPITULO 2. EQUAC
OES
A lei da acao das massas fornece uma equacao que deve estar satisfeita pela concentracao dos reagentes. De fato, em uma reacao unimolecular, se y(t) denota a concentracao da substancia reagente (digamos,
em molecula grama por cm3 ) no instante t, pela lei da acao das massas,
temos
y 0 (t) = k y(t)
(2.6)
em que k e a constante de proporcionalidade (como a concentracao
da substancia reagente decresce durante a reacao, a taxa de variacao
da concentracao e negativa).
Quando duas substancias A e B reagem para formar uma (ou mais)
substancias novas em uma reacao tal como
A + B C
a velocidade da reacao e diretamente proporcional ao produto das concentracoes dos reagentes. Denotemos por a a concentracao inicial da
substancia A, por b a concentracao inicial da substancia B (suponhamos b < a) e por y(t) a concentracao do produto C da reacao no
facil ver que as concentracoes de A e B no instante
instante t. E
t sao a y(t) e b y(t) , respectivamente. Entao

y 0 (t) = k a y(t) b y(t)
(2.7)
(a constante k na equacao (2.7) e positiva pois y(t) cresce quando t
cresce).
Reacoes qumicas envolvendo mais reagentes dao origem a outros
tipos de equacoes diferenciais. Mais detalhes podem ser encontrados
em textos de Fsico-Qumica.
2.2
Definic
oes
Uma equacao que relaciona uma funcao incognita e algumas de suas derivadas e chamada equa
c
ao diferencial. Quando a funcao incognita
depende de uma u
nica variavel real, ela e chamada equa
c
ao diferencial ordin
aria; caso a funcao incognita dependa de mais de uma
2.3. EQUAC
OES
SEPARAVEIS
41
variavel real ela e dita uma equa

c
ao diferencial parcial. Nesta texto, trataremos exclusivamente das equacoes diferenciais ordinarias. A
ordem de uma equacao diferencial e a mais alta ordem das derivadas
da funcao incognita que comparece na equacao. Assim, (2.1), (2.4) e
(2.5) sao equacoes de primeira ordem e (2.3) e uma equacao de segunda
ordem.
A forma geral de uma equacao diferencial ordinaria de primeira
ordem e
y 0 (t) = f (t, y(t)),
(2.8)
que escreveremos abreviadamente
y 0 = f (t, y).
Na equacao (2.8), f (t, y) e uma funcao definida em um subconjunto
A de R2 . Uma soluc
ao de (2.8) e uma funcao y(t) definida em um
intervalo I tal que: (t, y(t)) A, t I e y(t) satisfaz (2.8), isto
e, y 0 (t) = f (t, y(t)), t I. Por exemplo, a funcao (t) = 8 e3 t e
solucao da equacao y 0 = 3 y, pois 0 (t) = 24 e3 t = 3 (t). Para cada
(t0 , y0 ) A, o problema de encontrar uma solucao y(t) de (2.8) tal
que y(t0 ) = y0 chama-se problema de valor inicial (que escrevermos
abreviadamente PVI).
Exerccio 2.1. Em cada caso verifique se a func
ao dada e uma soluc
ao
da equacao diferencial correspondente e determinar c de modo que a
solucao particular resultante satisfaca a condic
ao dada:
0
t
a) y + y = 1; y(t) = 1 + ce ; y = 3 quando t = 0
b) ty 0 = 3y, y(t) = ct3 ; y = 1 quando t = 2
c) y 00 + 9y = 0; y(t) = cos 3t + c sen 3t; y = 5 quando t = /6.
2.3
Equaco
es Separ
aveis
Uma equacao diferencial que pode ser escrita na forma

g(y)
dy
= h(t) ,
dt
(2.9)
42
Cap. 2
Equacoes de Primeira Ordem
(algumas vezes tambem escrita na forma g(y) dy = h(t) dt) e chamada

separ
avel. As funcoes g e h em (2.9) sao contnuas em convenientes
intervalos. Solucoes de tais equacoes podem ser facilmente encontradas: se y = (t) e uma solucao de (2.9) em um intervalo I, podemos
escrever
g((t)) 0 (t) = h(t),
t I .
Integrando, temos
Z
g((t)) (t) dt =
h(t) dt
(2.10)
Substituindo y = (t) (portanto du = 0 (t) dt) na integral do primeiro membro e usando a formula de integracao por substituicao para
integral indefinida, podemos escreve-la como
Z
Z
0
g((t)) (t) dt = g(y) dy .
(2.11)
Se G(y) e H(t) sao primitivas de g e h, respectivamente, isto e, G0 (y) =
g(y) e H 0 (t) = h(t), a igualdade (2.10) fica
G(y) = H(t) + C
(2.12)
em que C designa uma constante arbitraria (proveniente das integrais

indefinidas). A igualdade (2.12) fornece a solucao numa forma implcita. Resolvendo essa equacao na variavel y, obtemos explicitamente
y(t).
Exemplo 2.1. Resolver o PVI y 0 = 6 t5 ey , y(1) = 1.
A equacao e separavel pois podemos reescrever
ey y 0 = 6 t5
Integrando, temos
Z
e dy = 6
t5 dt
donde ey = t6 + C, ou y = ln(t6 + C). Como y(1) = 1, temos

C = e 1. Logo,
y(t) = ln(t6 + e 1).
Equacoes separaveis
43
Exemplo 2.2. Encontrar as soluc

oes da equac
ao diferencial y 0 = y 2 .
Dividindo os dois membros da equacao por y 2 e integrando, temos
Z
Z
2
y dy =
dt,
ou seja
1
= t + C,
y
donde obtemos
1
,
(2.13)
t+C
uma formula que fornece quase todas as solucoes da equacao diferencial
dada. Notemos que o primeiro passo na resolucao da equacao diferencial foi dividir por y 2 ; para isso precisamos ter y 6= 0. Sempre que
efetuamos alguma operacao, devemos tomar algum cuidado, pois algumas solucoes podem ser ocultadas por esse processo, como ocorreu
neste caso. A funcao y(t) 0 e uma solucao que nao e dada pela
formula (2.13).
y(t) =
Exemplo 2.3. Resolver a equac

ao diferencial
y 0 = k (y a) (y b) ,
em que k, a, b sao constantes, com a 6= b.
Em primeiro lugar, notemos que as funcoes constantes y(t) a e
y(t) b sao solucoes da equacao diferencial. Para y 6= a e y =
6 b, a
equacao diferencial pode ser escrita na forma
Z
Z
dy
=k
dt
(y a) (y b)
Vamos calcular a integral do primeiro membro usando o metodo das
fracoes parciais: escrevendo
1
A
B
=
+
(y a) (y b)
ya yb
44
temos A =
Cap. 2
1
1
, B=
. Logo,
ab
ab
Z
Z
1
dy
1
dy
= kt+C
ab
ya
ab
yb
ou
ln
|y a|
= k (a b) t + C (a b)
|y b|
Isolando y (isto e, resolvendo essa equacao para obter y como funcao

de t), temos
a b C1 ek (ab)t
y(t) =
(2.14)
1 C1 ek (ab)t
(C1 = eC(ab) , o sinal + ou e escolhido dependendo do valor inicial
da solucao).
Observac
ao 2.1. Conforme vimos em (2.6), a equac
ao estudada no
Exemplo 2.3 descreve a velocidade de uma reac
ao qumica em que y(t)
designa a concentracao do produto da reac
ao. Suponhamos que a < b
na equacao (2.6). A condicao inicial e y(0) = 0. Substituindo essa
informacao em (2.14), obtemos C1 = a/b. Portanto
y(t) =
a(1 ek (ab) t )
1 a ek (ab) t /b
Notemos que, como k (a b) < 0, temos ek (ab) t 0, quando t .

Logo, y(t) a, quando t , isto e, a concentrac
ao do produto da
reac
ao tende à concentracao do reagente A.
Observac
ao 2.2. Equacoes diferenciais da forma
z
z 0 (x) = F
x
(2.15)
n
ao s
ao separaveis, mas podem ser colocadas na forma (2.9) ap
os uma
conveniente mudanca de variaveis. De fato, chamando y = z/x, ou
z = x y, temos
z0 = y + x y0 .
Equacoes separaveis
45
Substituindo essa express

ao em (2.9), temos
y + x y 0 = F (y)
donde
1
1
y0 = .
F (y) y
x
Exemplo 2.4. Encontrar as soluc
oes da equac
ao (x2 + z 2 ) z 0 = x z.
Podemos reescrever a equacao diferencial na como
z0 =
x2
xz
z/x
=
= f (z/x),
2
+z
1 + (z/x)2
y
. Chamando z = x y e repetindo o procedimento
1 + y2
acima, podemos reescrever a equacao dada como
em que f (y) =
1
1
y0 =
y
x
y
1 + y2
ou
(y 3 + y 1 ) y 0 =
1
x
Integrando, temos
1
ln |y| = ln |x| + C .
2 y2
Voltando à variavel z, obtemos
x2
ln |z| = C ,
2 z2
uma equacao que fornece z implicitamente como funcao de x.
46
2.4
Cap. 2
Equac
ao Linear de Primeira Ordem
Como um caso especial importante da equacao (2.8) temos a chamada

equa
c
ao linear de primeira ordem
y 0 + a(t) y = b(t).
(2.16)
Na equacao (2.16), a(t) e b(t) sao funcoes (conhecidas) contnuas em

um intervalo I. Se b(t) 6 0, a equacao e (2.16) chamada n
ao homog
enea. Se b(t) 0, essa equacao e chamada homog
enea e tem a
forma
y 0 + a(t) y = 0.
(2.17)
Nosso objetivo nesta secao e obter uma expressao que forneca todas
as solucoes da equacao (2.16): tal expressao e chamada solu
c
ao geral
de (2.16). Em virtude de sua simplicidade, analisaremos primeiramente a equacao homogenea.
A Equa
c
ao Homog
enea.
facil ver que (2.17) e uma equacao separavel e que a funcao y(t) 0
E
e solucao de (2.17). Procuremos solucoes y(t) 6= 0 de (2.17). Podemos
reescrever (2.17) na forma
y 0 (t)
= a(t).
y(t)
(2.18)
Seja A(t) uma funcao cuja derivada e a(t), isto e, A0 (t) = a(t). Integrando (2.18), temos
ln |y(t)| = A(t) + K
(em que K designa uma constante arbitraria), ou seja,
|y(t)| = eA(t)+K = eA(t) eK .
(2.19)
Agora, notando que y(t) e uma funcao contnua e y(t) 6= 0, t, temos,

ou y(t) > 0 para todo t, ou y(t) < 0 para todo t. Portanto, chamando
Equacao linear de primeira ordem
47
C = eK , se y(t) > 0, t ou C = eK , se y(t) < 0, t, podemos

reescrever (2.19) como
y(t) = CeA(t) .
(2.20)
A expressao (2.20) tambem inclui a solucao nula se tomarmos C = 0.
Assim, fazendo C variar em R, obtemos todas as possveis solucoes da
equacao (2.17). Logo, (2.20) e a solucao geral da equacao (2.17).
Exemplo 2.5. Encontrar a soluc
ao da equac
ao y 0 (t) = 3 y(t) tal que
y(1) = e.
Repetindo o procedimento acima ou usando (2.20), vemos que a solucao

geral da equacao diferencial e
y(t) = C e3 t .
Pondo t = 1, temos y(1) = C e3 . Como y(1) = e, segue-se que
C = e2 . Logo,
y(t) = e2 e3 t = e3 t2 .
Exemplo 2.6. (Desintegra
c
ao Radioativa)
A meia vida de um certo is
otopo de estr
oncio e 28 anos (isto e, metade da quantidade original do estr
oncio desintegra-se ap
os 28 anos).
Quanto tempo deve passar ap
os uma explos
ao at
omica para que a quantidade de estroncio se reduza a 10% da original?
A taxa de desintegracao de uma substancia radioativa em qualquer
instante e proporcional à quantidade dessa substancia naquele instante.
Assim, se Q(t) e a quantidade (n
umero de atomos ou massa) de uma
certa substancia radioativa no instante t, temos
Q0 (t) = a Q(t).
(2.21)
Assim, a quantidade Q(t) e dada por

Q(t) = Q0 ea t .
(2.22)
48
Cap. 2
Temos Q(t) = Q0 ea t . Como a meia vida da substancia e 28 anos,

temos Q(28) = Q0 /2, ou seja,
Q0 e28 a =
Q0
,
2
donde obtemos
1
ln 2
'
= 0, 025
28
40
Portanto, a quantidade da substancia no instante t e
a=
Q(t) = Q0 et/40
Queremos saber em que instante essa quantidade estara reduzida a
10% da quantidade original, isto e
Q0 et/40 =
Q0
.
10
Dessa igualdade, obtemos

et/40 = 10,
ou seja,
t = 40 ln 10 ' 92, 1 anos.
Observac
ao 2.3. A partir da forma da soluc
ao de (2.17) obtemos
uma relacao interessante. Notemos que, a partir de (2.20) podemos
escrever
eA(t) y(t) = C
Como a funcao eA(t) y(t) e constante, sua derivada e nula. Por outro
lado,

d A(t)
e
y(t) = eA(t) y 0 (t) + a(t) eA(t) y(t) = eA(t) y 0 (t) + a(t) y(t) .
dt
que e o primeiro membro de (2.17) multiplicado por eA(t) . Assim,
multiplicando os dois membros da equac
ao (2.17) por eA(t) , podemos
reescreve-la na forma quase integrada

d A(t)
e
y(t) = 0.
dt
(2.23)
49
Esta observacao sera u

til para resolver a equacao (2.16) em sua forma geral. Qualquer funcao que, ao ser multiplicada aos dois membros
de uma equacao, transforma-a em uma outra mais trabalh
avel chamase fator integrante dessa equacao. Deste modo, a funcao eA(t) e um
fator integrante de (2.17).
ao geral da equac
ao y 0 +( cos t ) y = 0.
Multiplicando
os dois membros da equacao diferencial pelo fator
R
integrante e cos t dt = esen t+K = C esen t , obtemos
C esen t y 0 + cos t C esen t y = 0
ou (note que a constante C pode ser cancelada)
sen t
0
e
y(t) = 0 .
Integrando essa funcao e isolando y(t) no primeiro membro, temos
y(t) = L esen t .
A Equa
c
ao N
ao Homog
enea.
Consideremos finalmente o caso geral da equacao (2.16), em que
a(t) e b(t) sao funcoes contnuas em um intervalo I. O tratamento e
analogo ao anterior. Para evitar repeticoes, vamos obter a expressao
da solucao do problema de valor inicial
y 0 + a(t) y = b(t)
(2.24)
y(t0 ) = y0 ,
(2.25)
Z t
em que t0 I e y0 R. Seja A(t) =
a(s) ds; notemos que A(t0 ) = 0
t0
e A0 (t) = a(t). Multiplicando a equacao (2.24) por eA(t) , temos

y 0 (t) eA(t) + a(t) y(t) eA(t) = b(t) eA(t)
que podemos escrever na forma

d A(t)
e
y(t) = eA(t) b(t),
dt
50
Cap. 2
Integrando os dois membros desde t0 ate t, temos

Z t
A(t)
A(t0 )
e
y(t) e| {z } y(t0 ) =
eA(s) b(s) ds,
| {z }
t0
=1
=y0
donde
A(t)
y(t) = e
A(t)
t
A(s)
y0 +e
A(t)
b(s) ds = e
t0
A(t) A(s)
y0 +
eA(t) eA(s) b(s) ds
t0
hZ
A(s)A(t)
Z t
i
a(u) du a(u) du =
Notando que e
e
=e
= exp
t0
t0
hZ s
i
exp
a(u) du (para simplificar a notacao, estamos utilizando o
t
smbolo exp para denotar a exponencial), obtemos a expressao da solucao geral de (2.16)
Z t
h Z s
i
A(t)
y(t) = e
y0 +
exp
a(u) du b(s) ds
(2.26)
t0
Observac
ao 2.4. (a) Notemos que a soluc
ao dada pela express
ao
(2.26) esta definida para todo t I e que, se b(t) 0, temos a soluc
ao
obtida no caso anterior.
(b) Em (2.26), a parcela
eA(t) y0
e uma solucao da equacao homogenea associada a (2.24); fazendo y0
variar em R, obtemos todas as possveis soluc
oes dessa equac
ao. Um
c
alculo simples mostra que a parcela
Z t

Z s
z(t) =
exp
a(u) du b(s) ds
t0
e uma solucao (que chamaremos solucao particular) da equac

ao n
ao
homogenea (2.24) (e a solucao de (2.24) tal que z(0) = 0. Portanto,
a soluc
ao geral da equacao (2.24) se escreve como a soma da soluc
ao
geral da equacao homogenea com uma soluc
ao particular da equac
ao
n
ao homogenea (2.24).
51

ao do problema de valor inicial
y0 +
2
y = t2 ,
t
y(1) = 6.
Seja
Z
A(t) =
1
2
ds = 2 ln t = ln t2 .
s
2
Multiplicando os dois membros da equacao por eA(t) = eln t = t2 ,

temos
t2 y(t) + 2 t y(t) = t4
ou
t2 y(t)
0
= t4 .
Integrando os dois membros desde 1 ate t, temos

Z t
t5 1
2
t y(t) y(1) =
s4 ds = .
5
5
1
Como y(1) = 6, temos
y(t) =
6
t3
1
t3
29
+
=
+ 2 .
2
2
t
5
5t
5
5t
A resolucao dessas equacoes tambem pode ser feita usando integrais

indefinidas, como nos outros casos.
ao geral da equac
ao y 0 + 5 y = t.
Multiplicando a equacao pelo fator integrante e5 t , obtemos
5t
0
e y(t) = t e5 t .
Integrando, temos
5t
e y(t) =
t e5 t dt =
donde
y(t) =
1 5t
1 5t
te
e + K,
5
25
1
1
t
+ K e5 t .
5
25
52
Cap. 2

0
y + (cos t) y = cos t
y(0) = 6 .
Multiplicando a equacao diferencial pelo fator integrante esen t (calculado no exemplo 2.7), obtemos
sen t
0
e
y(t) = cos t esen t .
Integrando, temos
sen t
Z
y(t) =
esen t cos t dt = esen t + K
donde obtemos
y(t) = 1 + K esen t
Dessa igualdade, temos y(0) = 1 + K; como queremos y(0) = 6,
obtemos K = 7.
Exemplo 2.11. (Diluic
ao de Misturas)
Um tanque contem 5.000 litros de salmoura a uma concentrac
ao de
10 g/l . Adiciona-se a esse tanque salmoura com uma concentrac
ao de
sal de 20 g/l à razao de 10 l/min. A mistura do tanque e continuamente agitada, de modo a manter a soluc
ao homogenea (deste modo,
a concentracao e a mesma em todos os pontos do tanque). Ao mesmo
tempo, a mistura deixa o tanque atraves de um buraco `
a mesma raz
ao.
Determinar a quantidade e a concentrac
ao num instante t.
Indiquemos por Q(t) a quantidade (em gramas) de sal no tanque
no instante t. O enunciado do problema informa que a quantidade de
sal no instante t = 0 e Q(0) = 50.000 g, que o sal esta sendo adicionado
no tanque à razao de
10 (l/min) 20 (g/l) = 200g/min
e esta saindo à razao de
10 (l/min)
Q(t)
Q(t)
(g/l) =
kg/min.
5000
500
53
Portanto, a taxa de variacao da quantidade de sal no tanque, que e a

diferenca entre a taxa da quantidade que entra e a que sai, e dada por:
Q0 = 200
Q
,
500
cuja solucao geral e

Q(t) = 100.000 + Cet/500 .
Como Q(0) = 50000 g temos que a quantidade de sal no instante t e:
Q(t) = 100.000 50.000 et/500
e a concentracao de sal no tanque no instante t e:
c(t) =
100.000 50.000 t/500

Q(t)
=
e
= 20 10et/500 .
5000
5.000
5.000
Observemos que, quando t , Q(t) 100.000 e c(t) 20. Portanto, a quantidade de sal tende a 100.000 g e a concentracao tende ao
valor limite de 20 g/l.
Exemplo 2.12. (Um circuito el
etrico simples)
A figura ao lado mostra um circuito eletrico
contendo um indutor de indut
ancia L, um resistor de resistencia R e uma fonte de forca eletromotriz E(t).
E
(a) Determinar a corrente I(t) em um instante
t > 0 sabendo que I(0) = 0.
(b) Determinar I(t), sendo:
(i) E(t) E0 (uma constante);
(ii) E(t) = E0 sen ( t) (E0 , constantes).
R
-
I
L
Figura 3.1
A diferenca de potencial entre as extremidades do resistor e R I e

entre as extremidades do indutor e L I 0 . Pela segunda Lei de Kirchoff,
a soma algebrica das diferencas de potencial no circuito e nula; temos
entao L I 0 + R I E(t) = 0, ou seja,
I0 +
R
E(t)
I=
L
L
54
Cap. 2
Como I(0) = 0, a corrente e dada por

Z
1 R t/L t R s/L
I(t) = e
e
E(s) ds .
L
0
Se E(t) = E0 , temos
Z t
Z t
L R t/L
R s/L
(e
1)
e
E(s) ds = E0
eR s/L ds = E0
R
0
0
Logo,
I(t) =
1 R t/L
L R t/L
E0
e
E0
(e
1) =
(1 eR t/L ) .
L
R
R
Se E(t) = E0 sen ( t), temos

Z t
Z t
R s/L
e
E(s) ds =
E0 eR s/L sen ( s) ds =
0
R2
R t/L

E0 L
e
R sen ( t) L cos( t) + L .
2
2
+L
Logo,
I(t) =

E0
R t/L
L
e
L
cos(
t)
+
R
sen
(
t)
.
R 2 + L2 2
Observac
ao 2.5. Denotemos por S o conjunto de todas as soluc
oes
da equacao homogenea (2.17), isto e,
S = {y : I R : y 0 (t) + a(t) y(t) = 0}.
e f
acil ver se y, z S e R, ent
ao y + z S e y S. De
0
fato, como y, z S, temos y (t) + a(t)y(t) = 0 e z 0 (t) + a(t)z(t) = 0.
Portanto,
(y(t) + z(t))0 + a(t)(y(t) + z(t)) = y 0 (t) + a(t)y(t) + z 0 (t) + a(t)z(t) = 0 .
Analogamente, verificamos que y S. Alem disso, e claro que valem
as propriedades A1 a A4 e M1 a M4 vistas no Captulo 1 para vetores
DE BERNOULLI
2.5. EQUAC
AO
55
de Rn . Por isso, diremos que S e um espaco vetorial. Alem disso,

a expressao (2.20), que d
a a soluc
ao geral da equac
ao (2.17) mostra
que todo elemento de S e um m
ultiplo da func
ao eA(t) : assim, os
elementos de S estao em correspondencia biunvoca com o conjunto
dos n
umeros reais. Esta situac
ao e an
aloga ao conjunto de todos os
m
ultiplos de um vetor fixado. Por causa disso, diremos que o espaco
vetorial S tem dimensao 1.
Observac
ao 2.6. Tudo o que fizemos no caso em que as func
oes a(t) e
b(t) sao reais pode ser repetido se a e b forem complexos. Por exemplo,
as solucoes da equacao y 0 = (3+2 i) y s
ao da forma y(t) = C e(3+2 i) t =
C e3 t [cos (2 t) + i sen (2 t)], em que C e uma constante arbitr
aria.
2.5
Equac
ao de Bernoulli
A equacao diferencial
y 0 + p(t) y = q(t) y n ,
(2.27)
em que n R e um n
umero dado, chama-se equa
c
ao de Bernoulli.
Se n = 0 ou n = 1, temos uma equacao linear de 1a ordem, que ja
foi estudada anteriormente. Se n 6= 0 e n 6= 1, a equacao de Bernoulli
nao e linear, mas pode ser transformada em uma equacao linear de 1a
ordem por meio de uma conveniente mudanca de variavel.
Dividindo (2.27) por y n , temos
y n y 0 + p(t) y 1n = q(t).
(2.28)
d y 1n
Agora, notando que y y =
, podemos reescrever (2.28)
dt 1 n
como
d y 1n
y 1n
+ (1 n) p(t)
= q(t)
dt 1 n
1n
ou, chamando z = y 1n /(1 n), temos
n
z 0 + (1 n) p(t) z = q(t) ,
que e uma equacao linear de 1a. ordem.
56
Cap. 2


y 0 2 t y = 2 t y 2
y(0) = 1/3.
Multiplicando os dois membros da equacao por y 2 , temos

y 2 y 0 2 t y 1 = 2 t .
Como y 2 y 0 = (y 1 )0 , a equacao diferencial pode ser escrita como
(y 1 )0 2 t y 1 = 2 t
ou, chamando z = y 1 ,
z 0 + 2 t z = 2 t.
2
Multiplicando essa equacao pelo fator integrante et , temos

et z
0
= 2 t et
Integrando, temos
t2
e z(t) =
2 t et dt = et + C .
Portanto
2
z(t) = 1 + C et .
A condicao inicial para a equacao na variavel z e z(0) = 3. Portanto
C=2e
2
z(t) = 1 + 2 et .
Voltando à variavel y, obtemos
2
et
1
=
.
y(t) =
1 + 2 et2
et2 + 2

2.6. EQUAC
OES
DIFERENCIAIS EXATAS
2.6
57
Equaco
es Diferenciais Exatas
Definic
ao 2.1. Seja U R2 um conjunto aberto e sejam P, Q : U R
funcoes contnuas em U , cujas derivadas parciais tambem s
ao contnuas
em U . Uma equacao diferencial da forma
P (t, y) + Q(t, y)
dy
=0
dy
(2.29)
ou
P (t, y) dt + Q(t, y) dy = 0
(2.30)
e chamada exata quando existe uma func

ao V : U R, V = V (t, y)
tal que
V (t, y)
= P (t, y) e
t
V (t, y)
= Q(t, y),
y
(t, y) U.
(2.31)
Uma razao para o nome equac

ao diferencial exata e que a expressao
P (t, y) dt + Q(t, y) dy e igual a dV (t, y), a diferencial da funcao V (t, y):
lembremos que
V
V
dt +
dy.
dV (t, y) =
t
y
Exemplo 2.14. A equac
ao diferencial
(4t y) + (2y t)
dy
=0
dt
e exata e a funcao V (t, y) = 2 t2 t y + y 2 e uma integral primeira para

essa equacao; de fato,
V
= 4t y
t
V
= 2y t.
y
Usando a regra da cadeia para derivadas parciais, vemos que, se

y(t) e uma solucao da equacao diferencial (2.29), temos
d
V
V 0
V (t, y(t)) =
+
y (t) = P (t, y(t)) + Q(t, y(t)) y 0 (t) = 0
dt
t
y
58
Cap. 2
Logo, a funcao V (t, y(t)) e constante e as solucoes de (2.29) satisfazem

V (t, y(t)) = C, em que C denota uma constante arbitraria, ou seja,
as solucoes da equacao (2.29) sao obtidas resolvendo-se as equacoes
V (t, y) = C, em que C e uma constante arbitraria. Em virtude dessa propriedade, a funcao V (t, y) e dita uma integral primeira da
equacao (2.29) e as curvas de nvel da funcao V , isto e, as curvas planas y = y(t) definidas pela equacao V (t, y) = C, (em que C e uma
constante arbitraria) sao chamadas curvas integrais ou curvas solu
c
oes da equacao (2.29).
No caso da equacao diferencial vista no exemplo anterior, uma integral primeira e V (t, y) = 2 t2 t y + y 2 e as cuvas integrais sao as
solucoes da equacao 2 t2 t y +y 2 = C. Logo, as solucoes dessa equacao
sao dadas por
t 7 t2 + 4 C
y=
.
2
Para esse exemplo, foi possvel obter a solucao na forma explcita y =
y(t). Geralmente, a solucao e dada na forma implcita de uma equacao
V (t, y) = C.
Dada uma equacao na forma (2.29), a primeira tarefa que temos e
determinar se uma equacao e exata. De acordo com a definicao, para
determinarmos se uma equacao diferencial e exata, devemos encontrar
uma integral primeira; com isso, automaticamente encontramos suas
solucoes. O problema e que, ao contrario do que ocorreu no exemplo
acima, geralmente nao e tao simples encontrar uma integral primeira.
Deste modo, nossa primeira tarefa e determinar condicoes sobre P e Q
que permitam concluir quando uma equacao e exata. Notemos que, se
(2.29) e exata, entao existe V (t, y) tal que
V
= P (t, y),
t
V
= Q(t, y) .
y
Derivando essas igualdades e lembrando que as derivadas mistas de

segunda ordem de V sao iguais, obtemos
P
V
V Q
=
=
=
.
y
y t
t y
t
Equacoes Diferenciais Exatas
59
Assim, uma condicao necessaria para que a equacao (2.29) e que

P
Q
=
.
y
t
(2.32)
Um fato importante e que a condicao (2.32) e suficiente para que a

equacao (2.29) seja exata. Pode-se mostrar que a funcao V (t, y) dada
por
Z
Z
t
V (t, y) =
P (s, y0 ) ds +
t0
Q(t, x) dx
y0
e uma integral primeira da equacao diferencial (2.29). Na pratica, ao

V
resolvermos uma equacao exata, integramos a igualdade
= P (t, y)
t
R
mantendo y fixo: denotemos por P (t, y) dt uma antiderivada de
P (t, y) e por h(y) uma funcao arbitraria de y. Temos
Z
V (t, y) = P (t, y) dt + h(y) .
Em seguida, usamos a igualdade
V
= Q(t, y) para determinar h(y).
y
Exemplo 2.15. Encontrar as curvas integrais de t2 y 3 + t3 y 2 y 0 = 0.

Em primeiro lugar, notemos que a equacao e exata, uma vez que
(t2 y 3 )
t3 y 2
= 3 t2 y 2
.
y
t
V
Portanto, existe V (t, y) tal que
= t2 y 3 . Mantendo y fixo e intet
grando em relacao a t, temos
V (t, y) =
t3 y 3
+ h(y).
3
Derivando essa igualdade, temos

V (t, y)
= t3 y 2 + h0 (y).
y
60
Cap. 2
V (t, y)
= t3 y 2 . Compay
rando essas duas igualdades, temos h0 (y) = 0. Podemos entao tomar
V (t, y) = t3 y 3 /3. Assim, as curvas integrais sao dadas por
r
t3 y 3
3 3C
= C ou y =
.
3
t3
De acordo com a definicao de V , temos
Uma funcao (t, x) 6 0 e chamada um fator integrante da equacao

diferencial
P (t, y) + Q(t, y) y 0 = 0
(2.33)
se a equacao diferencial
(t, y) P (t, y) + (t, y) Q(t, y) y 0 = 0
for exata. Por exemplo, a equacao diferencial
y t2 y 2 + t y 0 = 0
t
(y t2 y 2 ) = 1 2 t2 y enquanto que
= 1.
y
t
Entretanto, multiplicando a equacao pela funcao (t, y) = t2 y 2 ,
obtemos a equacao diferencial
nao e exata, pois
1
1
1 + 2 y0 = 0
y
ty
t2
que e exata, pois

1
1
1
1 = 2 2 =
.
y t2 y
t y
t t y 2
Geralmente e difcil encontrar um fator integrante, mas em algumas
situacoes especiais, isso e possvel, como veremos a seguir.
Vamos procurar um fator integrante de (2.33) que nao depende de y,
isto e, procuramos uma funcao (t) de modo que a equacao diferencial
(t) P (t, y) + (t) Q(t, y) y 0 = 0
Equacoes Diferenciais Exatas
61
seja exata. Devemos entao ter

(t) P (t, y) =
(t) Q(t, y) ,
y
y
ou seja,
(t)
P
Q(t, y)
= 0 (t) Q(t, y) + (t)
y
t
ou
P
Q
y
t
0 (t) =
(t)
(2.34)
Q
Q
1 P
Se o quociente
nao depender de y, isto e existir uma

Q y
t
funcao a(t) tal que

1 P
Q
= a(t)
Q y
t
entao a relacao (2.34) fica 0 (t) = a(t)(t); neste caso, e facil ver que
a funcao
Z

(t) = exp
a(t) dt
e um fator integrante de (2.33).
Analogamente, se existir uma funcao b(y) tal que

1 P
Q
= b(y)
P y
t
entao a funcao
(y) = exp
Z
b(y) dy
e um fator integrante de (2.33).

Exemplo 2.16. Calcular um fator integrante da equac
ao diferencial
sen y 2 t et + (cos y) y 0 = 0
e encontrar a solucao y(t) dessa equac
ao tal que y(0) = /2.
62
Cap. 2
Temos P (t, y) = sen y 2t et , Q(t, y) = cos y. Entao

e
P
= cos y
y
Q
= 0. Portanto,
t
1
Q
P
t
y
t

=
cos y
=1.
cos y
Assim, um fator integrante e (t) = et . Multiplicando a equacao dada

por et , obtemos a equacao diferencial exata (verifique!)
et sen y 2 t + et (cos y) y 0 = 0 .
Entao, existe uma funcao V (t, y) tal que
V
= et sen y 2 t .
t
Portanto, V (t, y) = et sen y t2 + h(y). Derivando em relacao a y,
V
V
temos
= et cos y + h0 (y). Por outro lado, como
= et cos y,
t
t
temos h0 (y) = 0. Podemos entao tomar V (t, y) = et sen y t2 . As
curvas integrais da equacao dada sao dadas por
et sen y t2 = K .
ou

y(t) = arc sen et (K + t2 ) .
2.7
Exerccios
1. Encontre as solucoes de cada uma das equacoes diferenciais abaixo:

(a) y 0 + y 2 sen t = 3 t2 y 2
(b) y 0 = t/y
(c) 2y 3 y 0 = 3 t2
2
z 5xz
(d) (1 + t2 ) y 0 = t y (1 + y 2 ) (e) z 0 =
(f ) y 0 = y 2 cos t
2
x
x2 + x z
(g) (1 + x2 )y 0 = 1 + y 2
(h) z 0 = 2
z + xz
Exerccios
63
2. Resolva cada um dos problemas de valor inicial abaixo:

(a) y 0 + y 2 sen t = 3t2 y 2 , y(0) = 1
(b) y 0 = y 2 cos t, y(0) = 1
2 0
2
(c) (1 + x )y = 1 + y , y(1) = 1 (d) y 0 = y 2 sen t, y(0) = 1
3. Encontre a solucao geral de cada uma das equacoes abaixo:
(a) ty 0 2y = 0
(b) y 0 cos t + y sen t = 0
(c) y 0 + y = cos t + sen t (d) y 0 cos t + y sen t = cos t + sen t
(e) t y 0 2y = (t 1)et (f ) ty 0 2y = t3
2
(g) z 0 + 2tz = t et
(h) y 0 + et y = 3et
4. Resolva cada um dos problemas de valor inicial abaixo:
0

t y 2y ln t = 0
(1 + t2 ) y 0 ty = 1
(a)
(b)
y(1) = 0
y(0) = 5
(

1
(sen t) y 0 + (cos t) y = cos 2t
y0 +
y = 4t
(c)
(d)
t
2
y(/2) = 1/2
y(0) = 3
5. Verifique que cada uma das equacoes abaixo e exata e encontre
suas curvas integrais:
(a) (2ax + by) + (bx + 2ay) y 0 = 0 (b) (ey + cos x) + x ey y 0 = 0
(c) ex cos y ex sen y y 0 = 0
(d) (x + y 2 )/x2 = 2(y/x) y 0
6. Para cada uma das equacoes abaixo, encontre um fator integrante
e determine suas curvas integrais
(a) (2ax + by) + (bx + 2ay) y 0 = 0 (b) y 2 + x = 2y x y 0
7. Achar uma curva que passa pelo ponto (0, 2) de modo que o
coeficiente angular da reta tangente em qualquer um dos seus pontos
seja igual ao triplo da ordenada do mesmo ponto.
8. A taxa de variacao da pressao atmosferica P em relacao à altura h
e diretamente proporcional à pressao. Supondo que a pressao a
6000 metros seja metade de seu valor P0 ao nvel do mar, achar a
formula para qualquer altura.
9. Uma colonia de bacterias cresce a uma razao proporcional ao n
umero
de bacterias presentes. Se o n
umero de bacterias duplica a cada 24
64
Cap. 2
horas, quantas horas serao necessarias para que o n

umero aumente
cem vezes sua quantidade original.
10. Um tanque de 200 litros de capacidade, contem inicialmente 40
litros de agua pura. A partir do instante t = 0, adiciona-se no
tanque uma solucao de salmoura com 250 gramas de sal por litro, à
razao de 12 litros por minuto. A mistura e suposta uniforme, escoa
do tanque à razao de 8 l/min. Determinar:
a) o tempo necessario para que ocorra o transbordamento;
b) a concentracao de sal na mistura presente no tanque no instante
do transbordamento.
Captulo 3
Espa
cos Vetoriais
3.1
Definic
ao e Exemplos
Definic
ao 3.1. Um conjunto n
ao vazio V e dito um espa
co vetorial
real (ou simplesmente, um espa
co vetorial) quando est
ao definidas
em V duas operacoes
V V V
(x, y) 7 x + y V
R V V
(, y) 7 y V,
chamadas adic
ao e multiplica
c
ao por escalar, respectivamente,
satisfazendo as seguintes condic
oes:
(EV1) x + (y + z) = (x + y) + z, x, y, z V ;
(EV2) x + y = y + x, x, y V ;
(EV3) existe um elemento, chamado vetor nulo e denotado por 0, tal
que x + 0 = x, x V ;
(EV4) para cada x V , existe y V (chamado oposto de x) tal que
x + y = 0;
(EV5) (x) = ( ) x, , R, x V ;
(EV6) ( + ) x = x + x, , R, x V ;
(EV7) (x + y) = x + y, R, x, y V ;
(EV8) 1 x = x, x V .
Os elementos de V sao chamados vetores e os n
umeros reais, escalares.
O conjunto V = R, com as operacoes usuais de adicao e multiplicacao, e um espaco vetorial real: as propriedades acima sao as proprie65
66
Cap. 3
Espacos Vetoriais
dades associativas e comutativas da adicao e multiplicacao, elemento

neutro para adicao, elemento unidade para multiplicacao, elemento
oposto para adicao e elemento inverso para multiplicacao. Do mesmo
modo, o conjunto C dos n
umeros complexos, com as operacoes usuais
de adicao e de multiplicacao de n
umero real por n
umero complexo, e
um espaco vetorial real.
Exemplo 3.1. O conjunto V 3 dos vetores
geometricos no espaco (definidos por meio dos
segmentos orientados), munido das operac
oes
usuais de adicao de vetores e multiplicac
ao de
vetor por escalar real (como indicadas na figura ao lado), e um espaco vetorial real.
v
u+v 1
HH
HH
ujH
H
j
H
3
2
Figura 5.1
Exemplo 3.2. Seja R2 = {(x, y) : x, y R}. Dados u = (x, y) e

v = (s, t) em R2 e R, definimos
u + v = (x + s, y + t)
u = ( x, y).
Com as operacoes assim definidas, R2 e um espaco vetorial. Verifiquemos, por exemplo, a condic
ao (EV1): dados u = (x, y), v =
(s, t), w = (p, q) R2 , usando em cada componente, o fato que a
adic
ao de n
umeros reais e associativa, temos:
u + (v + w) = (x, y) + (s + p, q + t) = (x + (s + p), y + (q + t))
= ((x + s) + p, (y + q) + t) = (u + v) + w.
f
E
acil ver que o vetor nulo em R2 e o par (0, 0) e que o oposto de
u = (x, y) e o vetor (x, y). As outras propriedades s
ao facilmente
2
verificadas. Os vetores de R podem ser representados geometricamente por segmentos orientados e a adic
ao definida acima corresponde a
adic
ao de segmentos orientados, como na Figura 5.1.
Exemplo 3.3. O conjunto Rn = {(x1 , . . . , xn ) : x1 , . . . , xn R}, com
as operacoes definidas por (1.2) e (1.3), e um espaco vetorial real.
Definicao e Exemplos
67
Exemplo 3.4. O conjunto V = Mmn (R) das matrizes m n e um

espaco vetorial real com a adic
ao definida por (1.14) e a multiplicac
ao
por escalar definidas em (1.15).
Exemplo 3.5. Seja a : I R uma func
ao contnua no intervalo
I R. Vimos no Captulo 2 que o conjunto
V = {y : I R : y 0 (t) + a(t) y(t) = 0}
das solucoes da equacao diferencial y 0 +a(t) y = 0 e um espaco vetorial.
Exemplo 3.6. Sejam k um n
umero inteiro positivo e I R um in(k)
tervalo. Denotemos por C (I, R) o conjunto das func
oes definidas
em I com valores reais k-vezes deriv
aveis, com a derivada de ordem k
contnua. Dadas f, g C (k) (I, R) e R, definimos as novas func
oes
f + g e f por
(f + g)(x) = f (x) + g(x)
(f )(x) = f (x), x I.
(3.1)
Mostra-se, sem dificuldade que, munido destas operac

oes, C (k) (I, R) e
um espaco vetorial real.
Denotaremos por C () (I, R) o conjunto das funcoes de I em R que
tem derivadas de todas as ordens. Definindo as operacoes como em
(3.1), mostra-se facilmente que C () (I, R) e um espaco vetorial real.
Analogamente, o conjunto C(I, R) de todas as funcoes contnuas
f : I R, com as operacoes definidas em (3.1), e um espaco vetorial.
Exemplo 3.7. Seja n um n
umero inteiro positivo. O conjunto Pn (R)
formado pela funcao nula e todas as func
oes polinomiais com coeficientes reais de grau menor ou igual a n e um espaco vetorial, com as
operacoes definidas do seguinte modo: dados p(x) = a0 +a1 x+ +an xn
e q(x) = b0 + b1 x + + bn xn em Pn (R) e R, ent
ao p + q e p
sao as funcoes polinomiais
(p + q)(x) = (a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn
( p)(x) = ( a0 ) + ( a1 )x + + ( an )xn .
Do mesmo modo, o conjunto P (R) de todas as func
oes polinomiais
com coeficientes reais e um espaco vetorial.
68
Cap. 3
Espacos Vetoriais
Dados u, v V , definimos a diferen

ca de u por v como sendo
u v = u + (v). As propriedades (EV1) a (EV8) permitem que trabalhemos em um espaco vetorial de modo semelhante ao que fazemos
com n
umeros reais. Por exemplo, dados a , b V e R, a equacao
x+a=b
(3.2)
tem uma u
nica solucao, que e x = 1 (b a). De fato, somando-se
a a ambos os membros de (3.2) temos
( x + a) + (a) = b + (a) = b a,
donde, por (EV1), x + [a + (a)] = b a. Usando (EV4) e, em
seguida, (EV3), essa igualdade fica x = b a. Multiplicando os dois
lados dessa igualdade por 1 , temos
x = ( 1 ) x = 1 ( x) = 1 (b a).
Como caso particular dessa propriedade, temos que o vetor nulo e o
u
nico elemento z de V tal que z + u = u, u V ; basta tomar
a = b = u e = 1 em (3.2): a u
nica solucao de z + u = u e z = 0.
O teorema seguinte contem algumas propriedades que decorrem
diretamente da definicao de espaco vetorial
Teorema 3.1. Seja V um espaco vetorial. Ent
ao:
1) Dados a , b V e R, a equac
ao x + a = b tem uma u
nica
1
solucao, que e x = (b a).
2) O vetor nulo e o u
nico elemento neutro da adic
ao em V , isto e, se
z V e tal que z + u = u, u V , ent
ao z = 0.
3) R, temos . 0 = 0.
4) u V , temos 0 . u = 0.
5) Se . u = 0, entao = 0 ou u = 0.
6) (Regra de sinais) R, u V temos () u = (u) = ( u).
7) , K, u V temos ( ) u = u u
8) K, u, v V temos (u v) = u v.
Demonstracao: As propriedades 1) e 2) ja foram mostradas acima.
3.2. SUBESPAC
OS VETORIAIS
69
Para mostrar 3) notemos que, usando (EV7) e (EV3), podemos escrever

0 + 0 = (0 + 0) = 0, portanto 0 + 0 = 0. Usando 2), com
z = u = 0, temos que 0 = 0. As verificacoes de 4) e 5) sao analogas
e ficam como exerccio.
6) Mostremos que () u = ( u). Como + = 0, temos, por (EV6), () u + u = ( + ) u = 0 u = 0, ou seja,
() u + u = 0, donde (somando (u) a ambos os membros) obtemos () u = ( u). Deixamos como exerccio a verificacao das
demais propriedades.
Observac
ao 3.1. Em muitas situac
oes, e conveniente considerar multiplicacao de vetores por escalar complexo. Quando, na definic
ao acima
a multiplicacao (, x) 7 x for definida para todo C e as propriedades (EV5)-(EV8) forem v
alidas para todo C, diremos que V e
um espaco vetorial complexo. Quando quisermos nos referir indistintamente a um espaco vetorial real ou um espaco vetorial complexo
usaremos a expressao espa
co vetorial sobre K.
Exemplo 3.8. Pelas mesmas raz
oes mencionadas anteriormente, o
conjunto C dos n
umeros complexos, com as operac
oes usuais de adic
ao
e multiplicacao, e um espaco vetorial complexo.
Exerccio 3.1. Em cada um dos itens abaixo, verifique se o conjunto
V , com as operacoes indicadas, e um espaco vetorial real:
a) V = {(x, y) R2 : 5x 3y = 0}, operac
oes usuais de R2 ;
b) V = {f C(R, R) : f (x) = f (x), x R}, com as operac
oes
usuais de funcoes;
c) V = R2 , com operacoes: (x1 , y1 ) + (x2 , y2 ) = (2x1 2y1 , y1 x1 ),
(x, y) = (3x, x)
d) V = {(x, y, z, w) R4 : y = x, z = w2 }, operacoes usuais de R4
3.2
Subespacos Vetoriais
Seja V um espaco vetorial sobre K. Um subconjunto W e dito um

subespaco vetorial de V se:
(SE1) 0 W ;
70
Cap. 3
Espacos Vetoriais
(SE2) dados u, v W , temos u + v W

(SE3) dados u W, K, temos u W
A propriedade SE2 significa que a operacao de adicao esta bem
definida em W (a soma de elementos de W pertence a W ), o mesmo
com relacao à propriedade SE3. Como estas operacoes satisfazem as
condicoes (EV1) a (EV8) da definicao de espaco vetorial (como elas
estao satisfeitas para todos elementos de V , em particular, elas valem
para todos elementos de W ) segue-se que W e tambem um espaco
vetorial (dentro de V ). Se V e um espaco vetorial qualquer, entao
os subconjuntos W = {0} e W = V sao subespacos vetoriais de V
(chamados subespacos triviais).
Exemplo 3.9. O conjunto W = {(x, y) : x 2 y = 0} e um subespaco
vetorial de R2 . De fato, em primeiro lugar e claro que (0, 0) W .
Alem disso, se (x, y), (s, t) W , temos x = 2 y e s = 2 t, donde
x + s = 2 (y + t), o que significa que (x, y) + (s, t) W . Analogamente
mostra-se que, se R e (x, y) W , ent
ao (x, y) W .
Da mesma maneira, mostramos que qualquer reta passando pela origem e um subespaco de R2 . Mais geralmente, temos
Exemplo 3.10. Seja A = (a i j ) Mmn (R). O conjunto W de todas
as soluc
oes X = (x1 , x2 , . . . , xn )T do sistema linear homogeneo
AX = 0.
(3.3)
e um subespaco vetorial de Rn .
claro que a nupla 0 = (0, 0, . . . , 0)T e solucao de (3.3), portanto
E
pertence a W . Se X1 , X2 W , temos A X1 = 0 e A X2 = 0, donde
A (X1 + X2 ) = A X1 + A X2 = 0 + 0 = 0;
portanto X1 + X2 W . Analogamente, se R e X W (portanto
A X = 0) temos, A ( X) = A X = 0 = 0; portanto X W .
Exemplo 3.11. O espaco vetorial Pn (R) e um subespaco vetorial de
P (R). Se m n, entao Pm (R) e um subespaco vetorial de Pn (R).
Subespacos
71
Exemplo 3.12. Em V = R3 , os seguintes subconjuntos:

- a origem {(0, 0, 0)},
- o proprio R3 ,
- as retas passando pela origem (0, 0, 0)
- os planos contendo a origem
sao subespacos vetoriais. Pode-se mostrar que esses s
ao os u
nicos sub3
espacos de R .
Exemplo 3.13. Seja V = C (1) (I, R); para qualquer k 1, o espaco
vetorial W = C (k) (I, R) e um subespaco vetorial de V .
Exemplo 3.14. (Um contra-exemplo) Seja V = P2 (R). O conjunto
W de todos polinomios de grau 2 n
ao e subespaco vetorial de P2 (R).
De fato os polinomios p(t) = t t2 e q(t) = t + t2 pertencem a W , mas
p(t) + q(t) = 2 t nao pertence a W .
Exerccio 3.2. Verifique se W e subespaco vetorial de R4 , sendo
(a) W = {(x, y, y, x) : x, y R}
(b) W = {(x, y, z, w) : w = 3 x, y = 5 x + 3 z}
(c) W = {(x, y, z, w) : z = x w}
(d) W = {(x, y, z, w) : x = 2 s, y = 3 s, s R}.
Exerccio 3.3. Verifique se W = {(x, y, z, w, t) : w = 5 x e z = y 2 } e
um subespaco vetorial de V = R5 .
Exerccio 3.4. Verifique se W e subespaco vetorial de Pn (R), sendo
(a) W = {p Pn (R) : p(2) = p(1)} (b) W = {p Pn (R) : p00 (t) 0 }
(c) W = {p Pn (R) : p(2) = p00 (1)} (d) W = {p Pn (R) : p00 (3) = 0}
Exerccio 3.5. Verifique
se W e subespaco vetorial
de

M2 (R), sendo
n
o
n
o
x y
x 0
(a) W =
: x, y R
(b) W =
: x, y, z R .
y
y z
Exerccio 3.6. Verifique se W e subespaco vetorial de Mn (R), sendo

(a) W = {A V : AT = A}
(b) W = {A V : AT = A}
Exerccio 3.7. Seja V = C(R, R). Mostre que U = {f V : f (x) =
f (x), x} e W = {f V : f (x) = f (x), x} sao subespacos de V .
Exerccio 3.8. Seja V um espaco vetorial e sejam U, W subespacos
vetoriais de V . Mostre que U W e subespaco vetorial de V .
72
3.3
Cap. 3
Espacos Vetoriais
Combinac
oes Lineares
Sejam 1 , . . . , n K, u1 , . . . , un V . O vetor
v = 1 u1 + + n un
chama-se combinac
ao linear de u1 , . . . , un . Por exemplo, o polinomio p(t) = 1+t+3 t2 e combinacao de q1 (t) = 2 t+3 t2 , q2 (t) = 2 t+2 t2
e q3 (t) = 1 + 3 t + 6 t2 pois
(1)q1 (t)+0q2 (t)+1q3 (t) = 2 t3t2 +1+3t+6 t2 = 1+t+3 t2 = p(t) .
Ja o vetor (1, 5, 3) de R3 nao e combinacao linear de (1, 3, 6), (0, 2, 3)
e (2, 2, 0) pois uma igualdade da forma
(1, 5, 3) = x (1, 3, 6) + y (0, 2, 3) + z (2, 2, 0) ,
com x, y, z R, e equivalente ao sistema impossvel
+ 2z = 1
x
3x + 2y 2z = 5
6x + 3y
= 3.
O vetor (2, 3, 5) e combinacao linear de (1, 1, 1), (1, 1, 0) e (1, 0, 0):
procuremos , , tais que
(1, 1, 1) + (1, 1, 0) + (1, 0, 0) = (2, 3, 5);
entao , , devem satisfazer o sistema de equacoes
++ =2
+
=3
= 5,
Como esse sistema tem a solucao, = 5, = 2, = 1, segue-se
que (2, 3, 5) e combinacao linear de (1, 1, 1), (1, 1, 0) e (1, 0, 0).
Exerccio 3.9. Mostre que todo vetor (x, y, z) R3 e combinac
ao
linear de (1, 1, 1), (1, 1, 0) e (1, 0, 0).
Combinacoes Lineares
73
Teorema 3.2. Seja V um espaco vetorial e sejam u1 , . . . , un V .

O conjunto W de todas combinac
oes lineares de u1 , . . . , un e um subespaco vetorial de V .
Demonstracao: Em primeiro lugar, e facil ver que o vetor nulo e combinacao linear de u1 , . . . , un ; de fato,
0 = 0 u1 + + 0 un
Logo, 0 W . Alem disso, dados v , w W
v = 1 u1 + + n un
w = 1 u1 + + n un ,
temos
v + w = (1 + 1 ) u1 + + (n + n ) un
que e uma combinacao linear de u1 , . . . , un , ou seja, v + w W . Analogamente, mostra-se que dados v W e K, tem-se v W .
Logo, W e um subespaco vetorial de V .
O subespaco vetorial W dado no teorema 3.2 chama-se subespa
co gerado por u1 , . . . , un e e denotado por [u1 , . . . , un ]; os vetores u1 , . . . , un
sao entao chamados geradores de W . Um espaco vetorial V e dito
finitamente gerado quando e gerado por uma quantidade finita de
vetores: tambem dizemos que V tem dimens
ao finita.
Exemplo 3.15. Considere em R3 os vetores a = (1, 0, 0), b = (0, 1, 0)
e c = (1, 1, 0). Entao: [a] = {(x, 0, 0) : x R} = eixo x,
[c] = {(y, y, 0) : y R} = reta passando pela origem paralela a c,
[a, c] = [b, c] = [a, b, c] = {(x, x, z) R3 : x , z R} e o plano
y = x.
Exemplo 3.16. O espaco vetorial Rn e finitamente gerado: todo vetor
x = (x1 , . . . , xn ) Rn e combinac
ao linear dos vetores
e1 = (1, 0, . . . , 0), . . . , en = (0, . . . , 0, 1).
De fato, temos x = x1 e1 + + xn en .
74
Cap. 3
Espacos Vetoriais
Exemplo 3.17. O espaco vetorial Pn (R) e finitamente gerado: e f

acil
ver que ele e gerado pelos monomios
m0 (t) = 1, m1 (t) = t, m2 (t) = t2 , . . . , mn (t) = tn :
todo polinomio p(t) de grau menor ou igual a n se escreve como
p(t) = a0 + a1 t + + an tn = a0 m0 (t) + a1 m1 (t) + + an mn (t).
Exemplo 3.18. O espaco vetorial P (R), de todos os polin
omios, n
ao
e finitamente gerado. Fixado qualquer subconjunto finito {p1 , . . . , pm }
de P (R), seja n o mais alto grau dos polin
omios p1 , . . . , pm : e claro
que o polinomio p(t) = tn+1 nao e combinac
ao linear de {p1 , . . . , pm }.
Exemplo 3.19. Os conjuntos A = {cos 2 t , 1} e B = {cos2 t, sen 2 t}
geram o mesmo subespaco de C(R, R).
Como cos 2 t = cos2 t sen 2 t e 1 = cos2 t + sen 2 t, toda combinacao linear de cos 2 t e 1 e uma combinacao linear de cos2 t e sen 2 t:
se f (t) = a1 cos 2t + a2 1, temos f (t) = a1 cos2 t + (a2 a1 ) sen 2 t.
Reciprocamente, como cos2 t = (1 + cos 2 t)/2 e sen 2 t = (1 cos 2 t)/2,
toda combinacao linear de cos2 t e sen 2 t e uma combinacao linear de
cos 2 t e 1 : se f (t) = b1 cos2 t + b2 sen 2 t, entao f (t) = c1 cos 2 t + c2 ,
com c1 = (b1 b2 )/2 e c2 = (b1 + b2 )/2.
Exemplo 3.20. Encontrar um conjunto de geradores para o subespaco
U = {(x, y, z, w) R4 : x + y z = 0, y z + w = 0}.
Temos (x, y, z, w) U z = x + y, w = x. Portanto
(x, y, z, w) = (x, y, x + y, x) = x (1, 0, 1, 1) + y (0, 1, 1, 0).
Logo U = [(1, 0, 1, 1), (0, 1, 1, 0)].
A definicao de subespaco gerado estende-se aos seguintes casos:
(1) Se S = , pomos [S] = {0}.
(2) Se S for um conjunto infinito, definimos o subespaco gerado [S] do
seguinte modo: [S] e o conjunto de todas as combinacoes lineares de
elementos de S, isto e, u [S] se, e somente se, existem v1 , . . . , vr S,
1 , . . . r K tais que u = 1 v1 + + r vr .
Combinacoes Lineares
75
Exerccio 3.10. Mostre as seguintes propriedades:

(a) S [S]
(b) S1 S2 [S1 ] [S2 ]
(c) [S] = [ [S] ]
Vemos nos exemplos acima que um espaco vetorial e identificado
por seus geradores. Para simplificar essa identificacao, e conveniente
que o conjunto de geradores seja o menor possvel: isto se consegue
removendo do conjunto de geradores vetores que sao combinacoes lineares dos outros geradores. Este e o significado do proximo teorema.
No exemplo 3.15 ja observamos esse fato: vimos nesse exemplo que os
conjuntos de vetores {a, b, c} e {a, b} geram o mesmo subespaco.
Teorema 3.3. Suponhamos V = [v1 , . . . , vn ]. Se um desses geradores,
digamos vk , e combinac
ao linear dos demais, ent
ao
V = [v1 , . . . , vk1 , vk+1 , . . . , vn ].
Demonstracao: Para simplificar a notacao, suponhamos que vn e combinacao linear de v1 , . . . , vn1 . Mostremos que V [v1 , . . . , vn1 ], ou
seja, que todo x V e combinacao linear de v1 , . . . , vn1 . Sabemos
que x e combinacao linear de v1 , . . . , vn (pois esses vetores geram V ),
isto e, existem escalares 1 , . . . , n tais que x = 1 v1 + + n vn .
Tambem sabemos que vn e combinacao linear de v1 , . . . , vn1 :
vn = 1 v1 + + n1 vn1 .
Podemos entao escrever:
x = 1 v1 + 2 v2 + + n1 vn1 + n vn
= 1 v1 + 2 v2 + + n1 vn1 + n (1 v1 + + n1 vn1 )
= (1 + 1 n )v1 + (2 + 2 n )v2 + + (n1 + n1 n1 )vn1 .
Esta relacao mostra que x e combinacao linear de v1 , . . . , vn1 , ou
seja, x [v1 , . . . , vn1 ]. Por outro lado, como temos, obviamente,
[v1 , . . . , vn1 ] V , segue-se que V = [v1 , . . . , vn1 ].
Exerccio 3.11. Sejam p(t) = t2 +t3 , q1 (t) = 2 tt3 , q2 (t) = 1+t+t2
e q3 (t) = 3 + t + t2 t3 .
a) Escreva p(t) como combinac
ao linear de q1 (t), q2 (t) e q3 (t).
possvel escrever q1 (t) como combinac
b) E
ao linear de q2 (t), q3 (t) e
p(t)? E q2 (t) como combinac
ao linear de q1 (t), q3 (t) e p(t)? E q3 (t)
como combinacao linear de q1 (t), q2 (t) e p(t)?
76
Cap. 3
Espacos Vetoriais
Exerccio 3.12. a) Verificar se o vetor (1, 4, 2) R3 e combinac

ao
linear de (1, 2, 0) e (1, 1, 1).
b) Verificar se o vetor (3, 5, 7) R3 e combinac
ao linear de (2, 1, 3) e
(3, 2, 2).
Exerccio 3.13. Mostre que o espaco vetorial P3 (R) e gerado pelos
polin
omios p1 = 1; p2 = 1 + t; p3 = 1 + t + t2 ; p4 = 1 + t + t2 + t3 .
Exerccio 3.14. Encontre o subespaco gerado por S, sendo
(a) S = {(1, 2), (0, 1)} R2
(b) S = {1 + t, t + t2 , t2 + t3 , 1 + t3 } P3 (R)
(c) S = {(2, 2, 1), (1, 1, 0)} R3
(d) S = {t, t2 t3 } P3 (R)
3.4
Depend
encia Linear
Sejam V um espaco vetorial e S = {v1 , . . . , vn } V . Dizemos que os

vetores v1 , . . . , vn sao linearmente dependentes, ou que S e um conjunto linearmente dependente (escreveremos abreviadamente LD)
quando existem escalares nao todos nulos 1 , . . . , n tais que
1 v1 + + n vn = 0.
(3.4)
Caso contrario, isto, e, se uma igualdade do tipo 1 v1 + + n vn = 0

so for possvel quando 1 = = n = 0, dizemos que os vetores
v1 , . . . , vn sao linearmente independentes, ou que S e um conjunto
linearmente independente (abreviadamente LI).
Notemos que, quaisquer que sejam os vetores v1 , . . . , vn , os escalares 1 = 0, 2 = 0, . . . , n = 0 satisfazem a igualdade (3.4). O
que realmente interessa nessa definicao e saber se tambem e possvel
escrever (3.4) com escalares nao todos nulos (quando dizemos que
v1 , . . . , vn sao LD) ou se a u
nica maneira possvel de escrever (3.4) e
pondo 1 = 0, . . . , n = 0 (neste caso, v1 , . . . , vn sao LI).
Exemplo 3.21. Em R4 , os vetores (1, 1, 1, 3), (1, 1, 0, 1), (0, 0, 1, 2)
s
ao LD, pois podemos escrever
1 (1, 1, 1, 3) + (1) (1, 1, 0, 1) + (1) (0, 0, 1, 2) = (0, 0, 0, 0).
Dependencia Linear
77
Exemplo 3.22. Os vetores (1, 0, 0), (1, 1, 0), (1, 1, 1) s

ao LI em R3 .
De fato, se escrevermos
(1, 0, 0) + (1, 1, 0) + (1, 1, 1) = (0, 0, 0),
temos
( + + , + , ) = (0, 0, 0),
ou seja,
++ =0
+ =0
=0
que implica = = = 0.
Exemplo 3.23. Os vetores e1 , . . . , en da base can
onica de Rn s
ao
linearmente independentes.
De fato, se os n
umeros x1 , . . . , xn sao tais que x1 e1 + + xn en = 0,
temos (x1 , . . . , xn ) = (0, . . . , 0), ou seja, x1 = , = xn = 0, donde
concluimos que os vetores e1 , . . . , en sao linearmente independentes.
Exemplo 3.24. u1 , . . . , un Rn s
ao LD det[ u1 . . . un ] = 0.
Os vetores u1 , . . . , un sao LD se e somente se existem escalares nao
todos nulos x1 , . . . , xn tais que x1 u1 + +xn un = 0. Escrevendo u1 =
(a 1 1 , . . . , a n 1 )T , . . . , un = (a 1 n , . . . , a n n )T , vemos que u1 , . . . , un
sao LD se e somente se existe uma solucao nao trivial (x1 , . . . , xn ) do
sistema
a11 x1 + + a1n xn = 0
..
(3.5)
.
a x + + a x = 0.
n1 1
nn n
Esse sistema tem solucao nao trivial se e
a11 . . . a1n
..
..
...
det .
.
an1 . . . ann
somente se
= 0.
Notemos que as colunas dessa matriz sao as componentes dos vetores

u1 , . . . , un . Indicando essa matriz por [u1 . . . un ], temos que os
vetores u1 , . . . , un sao LD se e somente se det[ u1 . . . un ] = 0.
78
Cap. 3
Espacos Vetoriais
Exemplo 3.25. Os monomios m0 (t) = 1, m1 (t) = t, . . . , mn (t) = tn

s
ao LI em P (R).
De fato, se os escalares 0 , 1 , . . . , n sao tais que 0 m0 + 1 m1 +
+ n mn = 0, entao
0 + 1 t + + n tn = 0,
t R.
(3.6)
Pondo t = 0, obtemos 0 = 0. Derivando (3.6) e pondo t = 0, obtemos

1 = 0. De modo analogo, obtemos 2 = 0, . . . , n = 0.
Exemplo 3.26. Sejam v1 , . . . , vn V . Se um desses vetores for combinac
ao linear dos outros, entao eles s
ao LD.
Seja vk o vetor que e combinacao linear dos demais:
vk = 1 v1 + + k1 vk1 + k+1 vk+1 + n vn .
Podemos entao escrever
1 v1 + + k1 vk1 + (1) vk + k+1 vk+1 + n vn = 0.
Como o coeficiente de vk e nao nulo, temos que v1 , . . . , vn sao LD.
Exemplo 3.27. Todo conjunto que contem um conjunto LD e LD, isto
e, se os vetores v1 , . . . , vk V s
ao LD e vk+1 , . . . , vn s
ao vetores
quaisquer em V , entao v1 , . . . , vk , vk+1 , . . . , vn s
ao LD.
Como os vetores v1 , . . . , vk sao LD, existem escalares nao todos
nulos 1 , . . . , k tais que 1 v1 + . . . + k vk = 0. Podemos entao
escrever
1 v1 + . . . + k vk + 0 vk+1 + + 0 vn = 0.
em que os escalares nao sao todos nulos (pelo menos um dos n
umeros
1 , . . . , k nao e nulo). Logo, os vetores v1 , . . . , vk , vk+1 , . . . , vn
sao LD.
Teorema 3.4. Se v1 , . . . , vn V s
ao vetores LD e se v1 6= 0, ent
ao ao
menos um desses vetores e combinac
ao linear dos precedentes, isto e,
existe k 2 tal que vk e combinac
ao linear de v1 , . . . , vk1 .
Dependencia Linear
79
Demonstracao: Como v1 , . . . , vn sao linearmente dependentes, existem escalares nao todos nulos 1 , . . . , n tais que
1 v1 + + n vn = 0.
(3.7)
Seja k o maior dentre esses ndices tal que k 6= 0; como v1 6= 0, temos

k 2 (de fato, se tivessemos 1 6= 0 e 2 = 0, . . . , n = 0, a igualdade
(3.7) ficaria 1 v1 = 0, o que e impossvel, pois 1 6= 0 e v1 6= 0). Como
k+1 = 0, . . . , n = 0, podemos entao escrever a igualdade (3.7) na
forma
1 v1 + + k vk = 0.
Agora, como k 6= 0, dessa igualdade temos
vk =
1
k1
v1
vk1 ,
k
k
o que mostra que vk e combinacao linear dos vetores v1 , . . . , vk1 .

Corol
ario 3.1. Se os vetores v1 , . . . , vn s
ao LI e v1 , . . . , vn , x s
ao
LD, entao x e combinac
ao linear de v1 , . . . , vn .
Demonstracao: Como nenhum dos vj pode ser combinacao linear dos
precedentes (pois os vetores v1 , . . . , vn sao LI), segue-se que x e
combinacao linear de v1 , . . . , vn .
Exerccio 3.15. Sejam v1 , . . . , vk vetores LI em V e x V . Mostre
que, se x
/ [v1 , . . . , vn ], ent
ao os vetores v1 , . . . , vn , x s
ao LI.
Observac
ao 3.2. O conceito independencia linear tambem pode ser
definido para conjuntos infinitos de vetores: um conjunto S e dito linearmente independente quando todo subconjunto finito de S for
LI (de acordo com a definic
ao acima). Por exemplo, no espaco vetorial
P (R), o conjunto B = {1, t, t2 , . . . , tn , . . . } e linearmente independente: notemos que, para cada inteiro n fixado, os elementos 1, t, t2 , . . . , tn
sao LI e que dado um subconjunto finito S = {tk1 , . . . , tkp } de B, se
N denota o maior dos n
umeros k1 , . . . , kp , temos S {t1 , . . . , tN }.
Logo, B e LI.
80
Cap. 3
Exerccio 3.16. Determine

n = 4) sao LI ou LD.
(a) (1, 2, 2, 3), (1, 4, 2, 0)
(c) (4, 2, 6, 2), (6, 3, 9, 3)
(e) (9, 0, 7), (2, 1, 8), (2, 0, 4)
(g) (1, 0, 0), (2, 3, 0), (1, 7, 5)
(i) (1, 0, 3), (3, 1, 2), (1, 5, 7)
(k) (1, 0, 1), (3, 1, 2), (2, 5, 3)
Espacos Vetoriais
se os seguintes vetores em Rn (n = 3 ou
(b) (1, 2), (3, 1)
(d) (2, 3, 1), (7, 1, 5)
(f ) (1, 0, 1), (5, 1, 2), (3, 1, 0)
(h) (4, 6, 2), (2, 3, 1), (2, 0, 4, 0)
(j) (1, 5, 6); (2, 1, 8); (3, 1, 4); (2, 3, 11)
(l) (1, 3, 1, 4), (3, 8, 5, 7), (2, 9, 4, 23)
Exerccio 3.17. Determine se u e v s

ao LI ou LD em P2 (R), sendo
2
2
(a) u = t t1, v = 9t 5 t2, (b) u = t2 3 t+2, v = t2 +2 t3t2
Exerccio
se u e v s
ao LI ou LD em M2 (R), sendo
3.18.Determine

1 0
1 1
8 2
12 3
(a) u =
,v=
, (b) u =
,v=
1 0
0 0
6 0
Exerccio
se as matrizes M, N,
P s
ao LI ou LD.
3.19. Determine

8 10 4
4
8 2
8 10 4
(a) M =
N=
P =
1 2
3
1 1
4
1 1
4
0 4 1
1 0 1
1
3 1
0
0 P = 0
6
0
(b) M = 1 0 1 N = 2
1 0 1
0 1
4
0
7
1
3.5
Base e Dimens
ao
Uma base de um espaco vetorial V e um conjunto de vetores LI que

geram V .
Exemplo 3.28. O conjunto {u = (1, 1), v = (2, 1)} e base de R2 .
Os vetores u e v geram R2 . Dado w = (a, b) R2 , procuramos
escalares x, y tais que x u + y v = w, ou seja (x + 2 y, x + y) = (a, b).
Entao x, y precisam ser solucoes do sistema

x + 2y = a
(3.8)
x + y = b.
Base e Dimensao
81
Portanto x = 2 b a, y = a b. Logo, w = (2 b a) u + (a b) v.
Os vetores u e v sao LI pois, se x u + y v = 0, entao, x e y sao
solucoes do sistema (3.8) com a = b = 0, e portanto, x = y = 0. Logo,
u e v sao LI.
Exemplo 3.29. O conjunto B = {(1, 0, 0) , (0, 1, 0) , (0, 0, 1)} e base
de R3 : de fato, ja vimos que [B] = R3 e B e LI.
Exemplo 3.30. Mais geralmente, o conjunto B = {e1 , e2 , . . . , en },
em que e1 = (1, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, . . . , 1), e
base de Rn .
Exemplo 3.31. O conjunto B = {1, t, t2 , . . . , tn , . . . } e base do espaco
vetorial de todos os polin
omios P (R).
claro que P (R) = [1, t, t2 , . . . , tn , . . . ], pois todo polinomio se escreve
E
como combinacao linear dos monomios 1, t, t2 , . . . , tn , . . . . Alem disso,
vimos na Secao 3.4 que B e LI.
Exemplo 3.32. Sejam U = {(x, y, z, t) : xy+z = 0 e y+zt = 0 },
V = {(x, y, z, t) : x y + z = 0 } e W = {(x, y, z, t) : y t = 0 e
y + z = 0 }. Encontrar bases para U, V, W, U V e V W .
Temos (x, y, z, t) U xy+z = 0 e y+zt = 0, ou seja, z = yx
e t = y + z = 2 y x. Portanto, (x, y, z, t) = (x, y, y x, 2y x) =
x(1, 0, 1, 1) + y(0, 1, 1, 2), ou seja U = [(1, 0, 1, 1), (0, 1, 1, 2)];
como os vetores (1, 0, 1, 1) e (0, 1, 1, 2) sao LI, eles formam uma
base de U .
(x, y, z, t) V x y + z = 0, donde obtemos z = y x.
Portanto, (x, y, z, t) = (x, y, y x, t) = x (1, 0, 1, 0) + y (0, 1, 1, 0) +
t (0, 0, 0, 1), ou seja V = [(1, 0, 1, 0), (0, 1, 1, 0), (0, 0, 0, 1)]. Como esses geradores sao LI, eles constituem uma base de V .
(x, y, z, t) W t = y e z = y. Logo, (x, y, z, t) = (x, y, y, y) =
= x (1, 0, 0, 0) + y (0, 1, 1, 1), donde W = [(1, 0, 0, 0), (0, 1, 1, 1)] .
Como (1, 0, 0, 0) e (0, 1, 1, 1) sao LI, eles formam uma base de W .
82
Cap. 3
Espacos Vetoriais
Como U V = U , uma base de U V e {(1, 0, 1, 1), (0, 1, 1, 2)}.

(x, y, z, t) V W x = 2 y, t = y e z = y. Logo,
(x, y, z, t) = (2 , y, y, y) = y (2, 1, 1, 1), ou seja V W = [(2, 1, 1, 1)];
logo, uma base de V W e {(2, 1, 1, 1)}.
Exerccio 3.20. Verificar se o conjunto B e uma base para P3 (R).
(a) B = {1 + t + t2 + t3 , 1 + t + t2 , 1 + t, 1}
(b) B = {1, 1 + t, 1 t2 , 1 t t2 t3 }
Sejam V um espaco vetorial de dimensao n, B = {e1 , . . . , en } uma
base de V e seja x V . Como e1 , . . . , en geram V , existem escalares
1 , . . . , n tais que
x = 1 e1 + + n en .
(3.9)
Alem disso, como e1 , . . . , en sao LI, os escalares sao determinados de
modo u
nico, no sentido que, se
x = 1 e1 + + n en ,
entao
1 = 1 , . . . , n = n .
Os n
umeros 1 , . . . , n chamam-se coordenadas de x em relacao à
base B. A partir deste ponto, e conveniente considerar base como sendo um conjunto ordenado de vetores: isto significa que e importante a
ordem em que os vetores e1 , . . . , en sao relacionados (com isto queremos dizer, por exemplo, que e1 , e2 , . . . , en e e2 , e1 , . . . , en sao bases
distintas de V ). Podemos entao escrever os escalares de (3.9) como
uma matriz coluna (ou como uma nupla, se for conveniente), que
sera chamada matriz de coordenadas de x
[x]B = ... .
(3.10)
Deve ficar entendido que 1 e o coeficiente de e1 , . . . , n e o coeficiente

de en em (3.9). Para simplificar a notacao vamos indicar a matriz em

T
(3.10) por 1 , . . . , n : o smbolo T indica a transposta da matriz.
Base e Dimensao
83
Exemplo 3.33. Consideremos em R4 os vetores v1 = (1, 0, 1, 0),

v2 = (0, 0, 0, 1), v3 = (0, 0, 1, 2), v4 = (0, 1, 0, 1) e w = (a, b, c, d).
(a) Mostrar que B = {v1 , v2 , v3 , v4 } e base de R4 ;
(b) Quais sao as coordenadas de w em relac
ao `
a base can
onica de R4 ?
(c) Encontrar as coordenadas de w em relac
ao `
a base B.
Procuremos , , , R tais que v1 + v2 + v3 + v4 = 0, isto e,
(, , + , + 2 + ) = (0, 0, 0, 0).
Dessa igualdade temos = 0, = 0, + = 0 e + 2 + = 0.
Como a u
nica solucao desse sistema e (, , , ) = (0, 0, 0, 0), segue-se
que os vetores v1 , v2 , v3 e v4 sao LI. Agora, como qualquer conjunto
LI de 4 vetores em R4 e uma base, segue-se que B e uma base de R4 .
claro que, como podemos escrever
E
(a, b, c, d) = a (1, 0, 0, 0) + b (0, 1, 0, 0) + c (0, 0, 1, 0) + d (0, 0, 0, 1);
temos [w]C = (a, b, c, d)T .
Para obter as coordenadas de w em relacao à base B, procuramos
x, y, z, t tais que
(a, b, c, d) = x (1, 0, 1, 0) + y (0, 0, 0, 1) + z (0, 0, 1, 2) + t (0, 1, 0, 1).
Entao x, y, z, t devem satisfazer
x = a, t = b, x + z = c, y + 2 z + t = d,
donde x = a, y = d 2 a 2 c b; z = c + a, t = b. Logo,

T
w B = a, d 2 a 2 c b, c + a, b .
Exerccio 3.21. Sejam B = { 1t2 , t3 , 1+2t3 , t+t3 } e p(t) = 1+t.
(a) Mostre que B e uma base de P3 (R).
(b) Calcule as coordenadas de p(t)em relac
ao `
a base B.
Exerccio 3.22. Sejam

2 3
1 1
0 1
1 1
1 0
B=
,
,
,
e A=
1 1
1 0
0 0
0 0
4 7
(a) Mostre que B e base de M2 (R).
(b) Calcule as coordenadas de A em relac
ao a essa base.
84
Cap. 3
Espacos Vetoriais
Exerccio 3.23. Calcule as coordenadas do polin

omio 10 + t2 + 2 t3
em relacao a cada uma das seguintes bases de P3 (R):
(a) {1, t, t2 , t3 }
(b) {1, 1 + t, 1 + t + t2 , 1 + t + t2 + t3 }
(c) {4 + t, 2, 2 t2 , t + t3 }.
Teorema 3.5. Suponhamos que V tenha uma base {v1 , . . . , vn }. Ent
ao
qualquer conjunto com mais de n vetores e LD.
Demonstracao: De acordo com o Exemplo 3.27, basta mostrar que
qualquer conjunto com n+1 vetores e LD. Sejam x1 , . . . , xn , xn+1 V ;
pelo exemplo 3.27, podemos supor que os vetores x1 , . . . , xn sao LI. Como x1 e combinacao linear de v1 , . . . , vn , o conjunto x1 , v1 , . . . , vn e LD;
portanto, um dos vetores e combinacao linear dos precedentes; como
tal vetor nao pode ser x1 , ele e um dos vj , j 2: para simplificar a
notacao, vamos supor que vn e combinacao linear de x1 , v1 , . . . , vn1 .
Pelo Teorema 3.3, temos V = [x1 , v1 , . . . , vn1 ]. Agora repetimos esse
procedimento com o vetor x2 : como o conjunto x1 , x2 , v1 , . . . , vn1 e
LD, um dos vj e combinacao linear dos anteriores: para simplificar a
notacao, vamos supor que esse vetor e vn1 . Como no caso anterior,
temos V = [x1 , x2 , v1 , . . . , vn2 ]. Continuando este processo, chegaremos a V = [x1 , . . . , xn ]. Como xn+1 V = [x1 , . . . , xn ], segue-se que
xn+1 e combinacao linear de x1 , . . . , xn e assim, x1 , . . . , xn , xn+1 e LD.
Teorema 3.6. Seja V um espaco vetorial de finitamente gerado. Ent
ao
todas as bases de V tem a mesma quantidade de elementos.
Demonstracao: Sejam {e1 , . . . en } e {v1 , . . . vp } duas bases de V . Como V = [e1 , . . . en ] e v1 , . . . vp e um conjunto LI em V temos, pelo
Teorema 3.5, p n. Trocando os papeis de e1 , . . . en e v1 , . . . vp ,
obtemos n p. Logo, n = p.
Defini
c
ao 3.2. Seja V um espaco vetorial finitamente gerado: o n
umero
de vetores de uma base qualquer de V chama-se dimens
ao de V .
Exemplo 3.34. dim Rn = n e dim Pn (R) = n + 1.
Apresentamos a seguir um metodo pratico para estudar a dependencia
linear em Rn . O metodo baseia-se no seguinte lema.
Base e Dimensao
85
Lema 3.1. Suponhamos W = [u1 , u2 , . . . , um ] Rn . Definamos

v1 = u1 , v2 = u2 + k1 v1 , . . . , vm = um + km1 v1 ,
(3.11)
em que k2 , . . . , km1 R. Ent

ao W = [v1 , v2 , . . . , vm ].
Demonstracao: De fato, a partir das igualdades (3.11) e facil ver que
cada um dos vetores v1 , . . . , vm e combinacao linear de u1 , . . . , um e
que cada vetor uj , j = 1, . . . , m , e combinacao linear de v1 , . . . , vm .
Segue-se que W = [v1 , v2 , . . . , vm ].
Uma conseq
uencia imediata do Lema 3.1 e um metodo facil para
decidir se um dado conjunto de vetores e LI ou LD. Formamos a matriz
A de ordem mn cujos vetores linhas sao v1 , v2 , . . . , vm e escalonamos
a matriz A. O processo de escalonamento consiste precisamente em
efetuar convenientemente as operacoes indicadas em (3.11).
Exemplo 3.35. Decidir se u1 = (1, 1, 1, 1), u2 = (1, 1, 2, 1),
u3 = (3, 1, 3, 2) e u4 = (1, 0, 1, 0) s
ao LI ou LD.
Formemos a matriz A cujos vetores linhas sao u1 , u2 , u3 e u4 e
escalonemos A
1 1
1 1
3 1
1 0
1
0

0
0
1
2
3
1
1
1
0
2
1
1
1
0

0
2
0
0

1 1
0 1
1 0
0 1
1
0
2
1
1
0
0
0
1 1
1 0
0 1
0 1
1 1
1
0
0
1
0
0
1
1
0
1
Como todas linhas da matriz escalonada sao nao nulas, seus vetores
linhas sao LI. Pelo Lema 3.1, temos dim[u1 , u2 , u3 , u4 ] = 4. Logo, os
vetores u1 , u2 , u3 e u4 sao LI.
Exemplo 3.36. Decidir se os vetores u1 = (1, 3, 2, 1), u2 = (2, 4, 2, 0),
u3 = (1, 3, 1, 0), u4 = (3, 6, 3, 0) s
ao LI ou LD.
86
Cap. 3
Espacos Vetoriais
Formemos a matriz A cujos vetores linhas sao u1 , u2 , u3 e u4 e

escalonemos A

1
2
1
3
3
4
3
6
2
2
1
3
1
1 3
0 0 2
0 0 0
0 3
0
2
2
1
3
1 3
1
2 0 1
1 0 0
0 3
3
2
1
1
3
1
1 3
1 0 1
1 0 0
0 0
3
2
1
1
0
1
1
1
0
Como o subespaco gerado pelos vetores linhas da matriz escalonada

tem dimensao 3, os vetores u1 , u2 , u3 e u4 sao LD.
Teorema 3.7. Seja V um espaco vetorial de dimens
ao n e sejam
v1 , . . . , vp (com p < n) vetores LI em V . Ent
ao existem n p vetores vp+1 , . . . , vn V tais que v1 , . . . , vn e base de V .
Demonstracao: Como p < n, temos [ v1 , . . . , vp ] 6= V . Entao existe
vp+1 V tal que vp+1
/ [ v1 , . . . , vp ]. Como v1 , . . . vp sao LI e que
vp+1
/ [ v1 , . . . , vp ], segue-se que nenhum desses vetores pode ser combinacao linear dos demais. Portanto, os vetores v1 , . . . , vp , vp+1 sao
Se p + 1 = n, entao os vetores v1 , . . . , vp , vp+1 constituem uma
base de V . Se p + 1 < n, repetimos o procedimento acima. Apos n p
passos chegaremos a um conjunto LI v1 , . . . , vp , vp+1 , . . . vn , que e
a base de V .
Exerccio 3.24. Verificar se o conjunto B e uma base para R3 .
(a) B = {(1, 2, 1), (0, 3, 1)}
(b) B = {(1, 5, 6); (2, 1, 8); (3, 1, 4); (2, 3, 11)}
(c) B = {(2, 4, 3); (0, 1, 1); (0, 1, 10}.
Exerccio 3.25. Verificar se o conjunto B e uma base para R4 .
(a) B = {(1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0)}
(b) B = {(1, 0, 1, 0), (1, 0, 0, 1), (1, 1, 0, 0), (0, 0, 1, 1)}.
3.6
Depend
encia Linear de Fun
c
oes
Consideremos o espaco vetorial V = C(I, Rn ) das funcoes contnuas

no intervalo I com valores em Rn . Dizer que as funcoes f1 , . . . , fn do
Dependencia linear de funcoes
87
espaco C(I, Rn ) sao LD significa dizer que existem escalares 1 , . . . , n

nao todos nulos tais que
1 f1 (t) + + n fn (t) = 0 ,
para todo t I.
(3.12)
Por exemplo, as funcoes 1, sen 2 t e cos2 t, sao LD no espaco vetorial

C(R, R) pois, da trigonometria sabemos que sen 2 t+cos2 t1 = 0, para
todo t R. Ja o conjunto S = {1, sen t, cos t} e LI pois uma igualdade
do tipo
+ sen t + cos t = 0, t R
so e possvel se = = = 0; de fato, pondo t = 0, temos + = 0,
pondo t = , temos = 0 e pondo t = /2, temos + = 0.
Essas igualdades implicam = = = 0. Logo S e LI.
Notemos que, para cada t I, f1 (t) , . . . , fn (t) sao vetores de Rn .
Logo, se as funcoes f1 , . . . , fn sao linearmente dependentes, entao a
condicao (3.12) afirma que, para todo t I, os vetores f1 (t) , . . . , fn (t)
sao linearmente dependentes em Rn . Portanto, se, para algum t0 I,
os vetores f1 (t0 ) , . . . , fn (t0 ) sao LI em Rn , entao as funcoes f1 , . . . , fn
sao LI. Combinando estes fatos com (3.12), temos:
Teorema 3.8. Se, para algum t0 I, det[f1 (t0 ) , . . . , fn (t0 )] 6= 0, ent
ao
as funcoes f1 , . . . , fn sao LI.
Exemplo 3.37. O conjunto S = {et , e3t } C(R, R) e LI; de fato,
suponhamos que
et + e3t = 0 t R.
(3.13)
Em particular, para t = 0, temos + = 0. Derivando (3.13), obtemos
et +3e3t = 0, t R; para t = 0, temos +3 = 0. A u
nica soluc
ao
do sistema de equacoes nas inc
ognitas , e a trivial = = 0. Logo,
S e LI.
O proximo teorema da uma regra para independencia linear de
funcoes escalares.
88
Cap. 3
Espacos Vetoriais
Teorema 3.9. (regra para independ

encia linear de fun
c
oes).
Sejam 1 , . . . , n funcoes reais n 1 vezes deriv
aveis num intervalo
J. Se existir x0 J tal que
det
1 (x0 )
01 (x0 )
..
.
2 (x0 )
02 (x0 )
..
.
(n1)
(n1)
(x0 ) 2
...
...
..
.
(x0 ) . . .
n (x0 )
0n (x0 )
=
..
6 0,
.
(3.14)
(n)
n (x0 )
ent
ao 1 , . . . , n sao LI.
Demonstracao: Suponhamos que
1 1 (x) + 2 2 (x) + + n n (x) = 0,
x J.
Derivando sucessivamente essa igualdade e pondo x = x0 , temos
1 (x0 ) 1 + 2 (x0 ) 2 + + n (x0 ) n = 0
0 (x ) + 0 (x ) + + 0 (x ) = 0
1
2
n
1 0
2 0
n 0
(3.15)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
....
(n1)
(n1)
(n1)
1
(x0 ) 1 + 2
(x0 ) 2 + + n (x0 ) n = 0
As igualdades (3.15) podem ser vistas como um sistema de n equacoes
nas incognitas 1 , 2 , . . . , n , cuja matriz dos coeficientes tem deteminante diferente de zero. Portanto, esse sistema tem uma u
nica solucao,
que e 1 = 0, 2 = 0, . . . , n = 0. Logo, as funcoes 1 , . . . , n sao
O determinante em (3.14) chama-se wronskiano de 1 , . . . , n e e
denotado por W (x) (ou W (1 , . . . , n )(x)).
Exemplo 3.38. Se p, q e r sao n
umeros dois a dois distintos, ent
ao
as func
oes ep t , eq t e er t sao LI. De fato, temos

pt
qt
rt
e
e
e

p ep t q eq t r er t = (r q) (r p) (q p) e(p+q+r) t 6= 0
2 pt 2 qt 2 rt
p e
q e
r e
De modo analogo mostramos que se os n
umeros r1 , . . . , rn forem dois
a dois distintos, entao as funcoes er1 t , . . . , ern t s
ao LI.
3.7. BASES ORTOGONAIS EM RN
89
Observac
ao 3.3. A recproca do teorema anterior n
ao e verdadeira.
2
Por exemplo, as funcoes f (t) = t e g(t) = t |t| s
ao LI, mas seu
wronskiano e nulo. No entanto, pode-se mostrar que, se duas func
oes
1 , 2 forem LI e forem soluc
oes da equac
ao diferencial de segunda
ordem y 00 +a(t) y 0 +b(t) y = 0, com a(t), b(t) contnuas em um intervalo
J, entao W (1 , 2 )(t) 6= 0 t J.
Exerccio 3.26. Mostre que:
(a) {cos 2t, sen 2 t, cos2 t} e LD
(b) {1, sen t, cos t} e LI
at
at
ct
(c) {e cos b t, e sen b t, e } e LI
(d) {1, et , sen t, et cos t} e LI.
2
(e) {1, sen t, cos t, cos 2t, sen t} e LD.
3.7
Bases Ortogonais em Rn
Consideremos em Rn o seu produto interno usual: se x = (x1 , . . . , xn )

e y = (y1 , . . . , yn ), entao
x y = x1 y1 + + xn yn .
Teorema 3.10. Se X = {u1 , u2 , . . . , um } e um conjunto de vetores
ortogonais nao nulos, ent
ao X e um conjunto LI.
Demonstracao: Suponhamos que os n
umeros 1 , 2 , . . . , m sao tais
que
1 u1 + 2 u2 + + m um = 0
(3.16)
Efetuando o produto escalar dos dois membros de (3.16) com u1 e
notando que u1 u1 = ku1 k2 e uj u1 = 0, j 6= 1, obtemos 1 ku1 k2 = 0.
Como ku1 k2 6= 0, temos 1 = 0. Analogamente obtemos 2 = 0,
3 = 0 , . . . , m = 0. Logo, os vetores u1 , u2 , . . . , um sao LI.
Uma base B = {u1 , . . . , un } de Rn formada por vetores 2 a 2
ortogonais e chamada uma base ortogonal. Se alem disso, todos os
vetores forem unitarios (isto e, kuj k = 1, j) dizemos que B e uma
base ortonormal.
Exemplo 3.39. A base can
onica de Rn e ortonormal.
90
Espacos Vetoriais
Exemplo 3.40. Em R3 , o conjunto {(1, 0, 0), (0, 12 ,

e uma base ortonormal.
Cap. 5
3
), (0, 23 ) , 1
)}
2
2
O proximo teorema mostra que fica mais simples obter as coordenadas de um vetor quando trabalhamos com uma base ortonormal.
Teorema 3.11. Se B = {v1 , v2 , . . . , vn } e uma base ortonormal de
Rn , entao, para todo x Rn , temos
x = (x v1 ) v1 + (x v2 ) v2 + + (x vn ) vn ,
(3.17)
isto e, se x = 1 v1 +2 v2 + +n vn , ent
ao 1 = xv1 , . . . , n = xvn .
Demonstracao: Como B e base de Rn , existem n
umeros 1 , 2 , . . . , n
sao tais que
x = 1 v1 + 2 v2 + + n vn
(3.18)
Efetuando o produto escalar dos dois membros de (3.18) com v1 e
notando que v1 v1 = 1 e vj v1 = 0, j 6= 1, obtemos x v1 = 1 . De
modo analogo, obtemos x v2 = 2 , . . . , x vn = n .
Teorema 3.12. Sejam {v1 , . . . , vp } um conjunto ortonormal em Rn
e x Rn . Mostrar que o vetor z = x (x v1 ) v1 (x vp ) vp e
ortogonal a cada um dos vetores v1 , . . . , vp .
De fato, como vj vj = 1 e v1 vj = 0, se i 6= j, temos
zvj = xvj (v v1 ) (v1 vj ) (xvp )(vp vj ) = xvj xvj = 0.
O vetor w = (x v1 ) v1 + + (x vp ) vp , dado no Teorema 3.12,
chama-se projec
ao ortogonal de x sobre o subespaco [ v1 , . . . , vp ].
z 6
x
1

(x v1 ) v1

v1 QQ v2
Q
Q
wQQ

s
(x v2 ) v2
-
Bases Ortogonais
91
Usando o Teorema 3.12 podemos construir uma base ortonormal de

um subespaco vetorial W de Rn a partir de uma dada base de W . Seja
u1 , u2 , . . . , um uma base de W . Definamos os vetores w2 , . . . , wm e
v1 , v2 , . . . , vm do seguinte modo:
u1
v1 =
ku1 k
w2
w2 = u2 (v1 u2 )v1
v2 =
kw2 k
w3 = u3 (v1 u3 )v1 (v2 u3 )v2
v3 =
w3
kw3 k
..
.
wm = um (v1 u2 )v1 (v2 wm )v2 (vm1 um )vm1
vm =
wm
kwm k
De acordo com o Teorema 3.12, cada vetor vk e ortogonal a v1 , . . . , vk1 .

Alem disso, como os vetores u1 , u2 , . . . , um sao linearmente independentes, todos os v1 , v2 , . . . , vm sao diferentes do vetor nulo e, portanto,
formam uma base de W . Este metodo de obter uma base ortonormal
chama-se m
etodo de ortonormaliza
c
ao de Gram-Schmidt.
Exemplo 3.41. Usando o metodo de Gram-Schmidt, ortonormalizar
a base u1 = (1, 1, 1), u2 = (1, 1, 0), u3 = (1, 0, 0) de R3 .
Como ku1 k = 3, tomamos v1 = 13 u1 = 13 (1, 1, 1). Em seguida,
como hu2 , v1 i = 2/ 3, tomamos

w2 = u2 hu2 , v1 iv1 = (1, 1, 0)
2
1
(1, 1, 1) = (1, 1, 2)
3
3
w2
1
= (1, 1, 2)
kw2 k
6
Como hu3 , v1 i = 1/ 3 e hu3 , v2 i = 6, tomamos

v2 =
w3 = u3 13 v1
= 12 (1, 1, 0)
1 v2
6
= (1, 0, 0)
1
3
(1, 1, 1)
1
6
(1, 1, 2) =
92
Cap. 3
Espacos Vetoriais
e portanto
w3
2
v3 =
=
(1, 1, 0)
kw3 k
2

Assim, a base procurada e 13 (1, 1, 1), 16 (1, 1, 2),
2
2

(1, 1, 0) .
Exerccio 3.27. Seja {u1 , u2 , . . . , un } uma base ortonormal de Rn .

Mostre que, se v = 1 u1 + + n un ent
ao
kvk = (12 + + n2 )1/2
Exerccio 3.28. Usando o metodo de Gram-Schmidt, ortonormalizar
a base {(1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0)}.
Exerccio 3.29. Encontre uma base ortonormal para cada um dos
seguintes subespacos vetoriais de R3 :
(a) [(9, 0, 7), (2, 1, 8), (2, 0, 4)]
(b) [(1, 0, 1), (5, 1, 2), (3, 1, 0)]
(c) [(1, 0, 0), (2, 3, 0), (1, 7, 5);
(d) [(1, 2, 8), (2, 2, 2), (3, 0, 6)]
(e) {(x, y, z) : 3 x y + 2 z = 0}
Exerccio 3.30. Seja S Rn um subconjunto n
ao vazio. Mostre que
o conjunto S dos vetores ortogonais a todos os vetores de S e um

subespaco vetorial de Rn .
Exerccio 3.31. Seja W um subespaco vetorial de Rn .
(a) Mostre que W = W .
(b) Mostre que todo x Rn se escreve na forma x = u+v, com u W
e w W .
3.8
Somas e Somas Diretas
Teorema 3.13. Sejam U , W subespacos vetoriais de um espaco vetorial V . Entao que o conjunto
U + W = {u + w : u U, w W }
e um subespaco vetorial de V .
Somas e Somas Diretas
93
Demonstracao: Em primeiro lugar, como o vetor nulo pertence a U e

a W , ele pertence a U + W , pois podemos escrever 0 = 0 + 0.
Agora, dados x1 = u1 + w1 e x2 = u2 + w2 em U + W , isto e,
u1 , u2 U, w1 , w2 W , temos u1 + u2 U, w1 + w2 W , pois U e
W sao subespacos de V . Portanto,
x1 + x2 = u1 + u2 + w1 + w2 U + W
| {z } | {z }
U
Do mesmo modo, se x = u + w, com u U, w W e K, temos

u U e w W , pois U e W sao subespacos de V . Portanto,
x = |{z}
u + |{z}
w U +W
U
Logo, U + W e subespaco vetorial de V .

Definic
ao 3.3. Sejam U e W subespacos de um espaco vetorial V . O
subespaco U +W dado no Teorema 3.13 chama-se soma dos subespacos
U e W . Quando U W = {0}, o subespaco U + W chama-se soma
direta de U e W e e denotado por U W .
Exemplo 3.42. Sejam U = {(x, y) R2 : y = 2 x} e W = {(x, y)
R2 : y = 0}. Entao U + W = R2 .
claro que U + W R2 (pois U e W sao subespacos de R2 ). Para
E
verificar a inclusao R2 U + W , notemos que que todo (x, y) R2 se
escreve na forma (x, y) = (y/2, y) + (x y/2, 0): como (y/2, y) U e
(x y/2, 0) W , vemos que (x, y) U + W .
O proximo teorema relaciona as dimensoes da soma e da intersecao
de dois subespacos com as dimensoes desses subespacos.
Teorema 3.14. Seja V um espaco vetorial de dimens
ao finita e sejam
U, W subespacos de V . Ent
ao:
dim U + dim W = dim (U W ) + dim (U + W ).
(3.19)
Em particular, se U W = {0}, temos dim (U W ) = dim U +dim W .
94
Cap. 3
Espacos Vetoriais
Demonstracao: Faremos a prova para o caso U W 6= {0} (o caso

U W = {0} fica como exerccio). Seja {e1 , . . . , ep } uma base de U W .
Pelo Teorema 3.7, existem vetores u1 , . . . , uq U e v1 , . . . , vr W tais
que {e1 , . . . , ep , u1 , . . . , uq } e uma base de U e {e1 , . . . , ep , v1 , . . . , vr }
claro que e1 , . . . , ep , u1 , . . . , uq , v1 , . . . , vr geram
e uma base de W . E
U + W . Resta mostrar que esses vetores sao LI. Suponhamos que os
escalares 1 , . . . , p , 1 , . . . , q , 1 , . . . , r sejam tais que
1 e1 + + p ep + 1 u1 + + q uq + 1 v1 + + r vr = 0.
Entao
e + + p ep + 1 u1 + + q uq = 1 v1 r vr .
{z
}
|1 1
{z
} |
U
Esta igualdade implica que ambos os membros pertencem a U W .

Portanto, 1 v1 r vr U W . Como {e1 , . . . , ep } e base de
U W , existem escalares k1 , . . . , kp tais que
1 v1 r vr = k1 e1 + + kp ep ,
donde obtemos
k1 e1 + + kp ep + 1 v1 + + r vr = 0;
como e1 , . . . , ep , v1 , . . . , vr sao LI (pois constituem uma base de W ),
devemos ter necessariamente k1 = = kp = 1 = = p = 0.
Da mesma maneira, obtemos 1 = = p = 0. Logo, os vetores
e1 , . . . , ep , u1 , . . . , uq , v1 , . . . , vr sao LI e formam uma base de U + W .
Contando os elementos das bases de U, W, U W e U + W , obtemos
a igualdade (3.19).
Exemplo 3.43. Sejam U, V e W como no Exemplo 3.32 acima. Encontrar bases para U + W, U + V e V + W .
Pelo Teorema 3.14, temos
dim(U + W ) = dim U + dim W dim(U W ) = 2 + 2 0 = 4.
3.9. EXERCICIOS
95
Assim, U +W e um subespaco de dimensao 4 de R4 . Logo, U +W = R4 .

Como U V , temos U +V = V . logo, os vetores (1, 0, 1, 0), (0, 1, 1, 0)
e (0, 0, 0, 1) formam uma base de U + V .
Pelo Teorema 3.14, temos
dim(V + W ) = dim V + dim W dim(V W ) = 3 + 2 1 = 4.
Assim, V +W e um subespaco de dimensao 4 de R4 . Logo, V +W = R4 .
3.9
Exerccios
1. Encontrar bases para os seguintes subespacos de M3 (R):

(a) {A M3 (R) : AT = A}
(b) {A M3 (R) : AT = A} .
2. Encontrar bases dos subespacos U, W e U W de P3 (R), sendo:
(a) U = {p P3 (R) : p(1) = 0}, W = {p P3 (R) : p00 (t) = 0, t}
(b) U = [t3 2 t2 + 4, 3 t2 1, 5 t3 ], W = [t3 3 t2 , t 5, 3]
(c) U = [t2 + 4, 3 t2 1, 5 t3 ], W = {p P3 (R) : p0 (t) = 0, t R}.
3. Encontrar bases dos seguintes subespacos de R3 : U, W, U W :
(a) U = [(0, 0, 1), (1, 1, 1)], W = [(1, 0, 0), (0, 1, 0)],
(b) U = {(x, y, z) R3 : x 2 y = 0}, W = [(1, 5, 3), (0, 2, 3)]
(c) U = {(x, y, z) R3 : x+ 2 y =
0, 1),(1,1, 1)] o
0},
W = [(0,
n
1 0
0 1
2 0
1 0
e
,
4. Verifique se o conjunto
,
,
1 0
1 0
1 0
0 2
base de M2 (R).
5. Encontre uma base e a dimensao de W , sendo:
(a) W = [(1, 4, 1, 3), (2, 1, 3, 1), (0, 1, 1, 1)] R4 .
(b) W = {(x, y, z, t) R4 : x y = 0e x + 2 y + t =
0}
1 2
.
(c) W = {X M2 (R) : A X = X}, em que A =
0 1
(d) W = {p P2 (R) : p00 (t) = 0, t R}.
96
Cap. 3
Espacos Vetoriais
(e) W = [t3 + 4t2 t + 3, t3 + 5t2 + 5, 3t3 + 10t2 5t + 5] P3 (R).

6. Determinar uma base e a dimensao de U , de W e de U W , sendo:
(a) U = {(x, y, z) R3 : x + y + z = 0} W = {(x, y, 0) : z = 0}.
(b) U = {p P2 (R) : p0 (t) = 0, t R}, W = {p P2 (R) : p(0) = 0}.
Captulo 4
Equac
Neste captulo estudamos equacoes diferenciais lineares de ordem superior a um. Inicialmente apresentaremos alguns fatos gerais sobre
equacoes lineares. Tais resultados sao validos para qualquer equacao
diferencial linear mas, para simplificar a notacao, vamos enuncia-los
para equacoes de segunda ordem.
4.1
Fatos Gerais sobre Equa

co
es Lineares
Consideremos a equac
ao linear de segunda ordem
y 00 + a(t) y 0 + b(t) y = h(t).
(4.1)
em que as funcoes a(t), b(t), chamadas coeficientes e h(t), chamada

termo forcante, sao contnuas em um intervalo J R. Se h(t) 6 0,
a equacao diferencial (4.1) e dita n
ao homog
enea. Se h(t) = 0, t,
a equacao (4.1) fica
y 00 + a(t) y 0 + b(t) y = 0
(4.2)
e e chamada homog
enea. Uma solu
c
ao de (4.1) e uma funcao y(t)
definida em um intervalo I R que satisfaz (4.1), isto e, y 00 (t) +
a(t)y 0 (t) + b(t)y(t) = h(t), t J. Nosso objetivo e encontrar a
soluc
ao geral da equacao (4.1), isto e, obter uma expressao que descreva todas as solucoes dessa equacao. Analogamente ao que ocorre na
97
98
Cap. 4
Equacoes Diferenciais Lineares
Mecanica, em que a posicao de uma partcula e determinada a partir

de sua posicao e sua velocidade no instante inicial, vamos associar às
equacoes (4.1) e (4.2)) condic
oes iniciais. Dados t0 I, y0 , y0 R,
o problema de encontrar uma solucao y(t) de (4.1) tal que y(t0 ) = y0 e
y 0 (t0 ) = y0 e um problema de valor inicial associado a essa equacao.
O problema de encontrar a solucao geral de (4.1) e equivalente ao de
encontrar a solucao de qualquer problema de valor inicial associado a
essa equacao. Enunciamos no teorema a seguir um fato importante
para o estudo das equacoes de segunda ordem: o problema de valor
inicial para tais equacoes tem uma u
nica solucao; a demonstracao esta
fora dos objetivos deste texto.
Teorema 4.1. Suponhamos que a(t), b(t) e f (t) sejam func
oes contnuas em um intervalo I. Entao, dados t0 I, y0 , y1 R, existe uma
u
nica solucao da equacao
y 00 + a(t) y 0 + b(t) y = f (t)
(4.3)
tal que y(t0 ) = y0 e y 0 (t0 ) = y1 .

O proximo teorema, conhecido como princpio de superposi
c
ao,
permite obter novas solucoes de (4.1) e (4.2) a partir de solucoes conhecidas. A demonstracao e trivial e fica como exerccio.
Teorema 4.2. Sejam a(t), b(t), h1 (t) e h2 (t) func
oes contnuas em
um intervalo J R. Se y1 (t) e y2 (t) s
ao soluc
oes de
y 00 + a(t) y 0 + b(t) y = h1 (t)
y 00 + a(t) y 0 + b(t) y = h2 (t),
(4.4)
(4.5)
respectivamente, e se c1 , c2 sao constantes, ent

ao a func
ao z(t) =
c1 y1 (t) + c2 y2 (t) e solucao da equac
ao
y 00 + a(t) y 0 + b(t) y = c1 h1 (t) + c2 h2 (t).
(4.6)
Corol
ario 4.1. Sejam a(t) e b(t) func
oes contnuas em um intervalo
J R. O conjunto S das solucoes da equac
ao homogenea (4.2) e um
espaco vetorial de dimensao 2.
Fatos Gerais
99
Demonstracao: Tomando h1 (t) = h2 (t) = 0, o teorema anterior implica

que qualquer combinacao linear de solucoes de (4.2) e uma solucao de
(4.2), ou seja, o conjunto S e um subespaco de C(J, R), o espaco vetorial
de todas as funcoes contnuas em J com valores reais.
Mostremos que dim S = 2. Fixemos t0 J arbitrariamente. Sejam
1 (t), 2 (t) as solucoes de (4.2) tais que 1 (t0 ) = 1, 01 (t0 ) = 0 e
2 (t0 ) = 0, 02 (t0 ) = 1 (a existencia de tais solucoes e garantida pelo
Teorema 4.1).
Afirmamos que 1 (t), 2 (t) formam uma base de S. Em primeiro
lugar, e claro que essas funcoes sao LI, pois o seu wronskiano e diferente
de zero em t = t0 :

1 (t0 ) 2 (t0 )
1 0
W (1 , 2 )(t0 ) = det
= det
=1
01 (t0 ) 02 (t0 )
0 1
Mostremos agora qualquer solucao (t) de (4.2) e combinacao linear
de 1 (t) e 2 (t). Procuremos constantes C e D tais que
(t) = C 1 (t) + D 2 (t),
t J.
(4.7)
Para que (4.7) esteja satisfeita quando t = t0 , devemos ter C = (t0 ).

Derivando (4.7) e substituindo t = t0 , obtemos D = 0 (t0 ). Com isto,
temos que (4.7) esta verificada quando t = t0 . Mostremos que (4.7)
esta satisfeita para todo t J. Sabemos, por hipotese, que a funcao
(t) e solucao do PVI
00
y + a(t) y 0 + b(t) y = 0
y(t0 ) = C
0
y (t0 ) = D
Por outro lado, a funcao C 1 (t)+D 2 (t) tambem e solucao desse PVI.
Como, pelo Teorema 4.1, tal PVI tem uma u
nica solucao, devemos ter
(t) = C 1 (t) + D 2 (t), t J.
Corol
ario 4.2. Suponhamos que a(t), b(t) e h(t) s
ao func
oes contnuas
no intervalo J R. Se p (t) e uma solucao particular da equac
ao
(4.1), entao qualquer soluc
ao de (4.1) e da forma y(t) + p (t), em
100
Cap. 4
que y(t) e uma solucao da equac

ao homogenea (4.2). Em outras palavras, a solucao geral da equac
ao n
ao homogenea (4.1) e a soma da
soluc
ao geral da equacao homogenea (4.2) com uma soluc
ao particular
da equacao nao homogenea (4.1)
Demonstracao: O resultado e conseq
uencia do fato que se y1 (t) e y2 (t)
sao solucoes da equacao nao homogenea
y 00 + a(t) y 0 + b(t) y = h(t) ,
entao y2 (t) y1 (t) e solucao da equacao homogenea (4.2).
facil ver que a func
Exemplo 4.1. E
ao y(t) = 5 t e soluc
ao da equac
ao
00
diferencial y + y = 5 t. Como a soluc
ao geral da equac
ao homogenea
associada e yH (t) = a cos t + b sen t, a, b R, segue-se que a soluc
ao
00
geral da equacao y + y = 5 t e y(t) = a cos t + b sen t + 5 t, a, b R.
Exerccio 4.1. Sabendo que a func
ao (t) = 5 t3 + 4 t5 e soluc
ao da
00
0
equac
ao nao homogenea y + p(t) y + q(t) y = g(t) e que as func
oes
1 (t) = sen 5 t, 2 (t) = cos 5 t s
ao soluc
oes da equac
ao homogenea
correspondente, encontre a soluc
ao geral de cada uma dessas equac
oes.
Exerccio 4.2. Suponha que y1 (t) = e3 t + 4 e5 t + 3 cos 2 t, y2 (t) =
e5 t + 3 cos 2 t e y3 (t) = e3 t + 3 cos 2 t s
ao soluc
oes da equac
ao n
ao
homogenea y 00 + a y 0 + b y = f (t). Encontre a soluc
ao geral dessa
equac
ao.
Observac
ao 4.1. Os resultados acima permanecem v
alidos com as
devidas adaptacoes para equacoes diferenciais lineares de ordem n
y (n) + an1 (t) y (n1) + + a1 (t) y 0 + a0 (t) y = g(t)
4.2
M
etodo de Redu
c
ao da Ordem
Consideremos a equacao linear de segunda ordem homogenea

y 00 + p(t) y 0 + q(t) y = 0 .
(4.8)
Reducao da ordem
101
Suponhamos conhecida uma solucao y1 (t) dessa equacao. Sabemos

que, para qualquer constante c, a funcao c y1 (t) e uma solucao da
equacao (4.8): e claro que as funcoes y1 (t) e c y1 (t) sao linearmente dependentes. Um metodo para encontrar uma solucao y2 (t) linearmente
independente de y1 (t) consiste em procurar uma nova solucao de (4.8)
na forma y2 (t) = u(t) y1 (t), em que u(t) e uma funcao nao constante
(assim, o que estamos procurando e a funcao u). Substituindo
y 0 (t) = u0 (t)y1 (t)+u(t)y10 (t) e y 00 (t) = u00 (t)y1 (t)+2u0 (t)y10 (t)+u(t)y100 (t)
na equacao (4.8), obtemos

u(t) y100 (t)+p(t)y10 (t)+q(t)y1 (t) +y1 (t)u00 (t)+ 2y10 (t)+p(t)y1 (t) u0 (t) = 0.
Como y100 (t) + p(t) y10 (t) + q(t) y1 (t) = 0 (pois y1 (t) e solucao de (4.8)),
essa equacao torna-se

y1 (t) u00 (t) + 2 y10 (t) + p(t) y1 (t) u0 (t) = 0.
Dividindo por y1 (t) e chamando v = u0 , obtemos a equacao linear de
primeira ordem
y0

v0 + 2 1 + a v = 0 ,
(4.9)
y1
que ja foi estudada no Captulo 1. Uma vez obtida uma solucao v
dessa equacao, integramos v para obter uma funcao u procurada e,
conseq
uentemente, obter uma solucao particular y(t).
Exemplo 4.2. Sabendo que y1 (t) = t2 (t > 0) e uma soluc
ao da
equacao diferencial
2
y 00 2 y = 0
t
obtenha a solucao geral dessa equac
ao.
Chamando y2 (t) = t2 u(t), temos
y 0 (t) = 2 t u + t2 u0
e y 00 (t) = t2 u00 + 4 t u0 + 2 u
Substituindo na equacao diferencial, obtemos

u00 +
4 0
u = 0.
t
102
Cap. 4
Chamando v = u0 , obtemos a equacao

v0 +
4
v = 0,
t
cuja solucao geral e v(t) = K/t4 . Assim, u(t) = K/(4t3 ). Portanto

y2 (t) = K/(4t). Logo, a solucao geral da equacao diferencial e
y(t) = a t2 +
b
,
4t
a, b R .
Exerccio 4.3. Cada uma das equac

oes abaixo tem uma soluc
ao da
k
forma y1 (t) = t . Encontre essa soluc
ao e ent
ao use o metodo de
reduc
ao da ordem para obter a soluc
ao geral da equac
ao dada:
2 00
0
(a) t y + t y (1/4) y = 0
(b) t y 00 (t + 1) y 0 + 2 y = 0
(c) 4 t2 y 00 + 4 t y 0 y = 0
(d) (t2 ln t) y 00 t (1 + 4 ln t)y 0 + (2 + 6 ln t) y = 0.
4.3
Equac
ao Homog
enea com Coeficientes Constantes
Nosso objetivo nesta secao e encontrar a solucao geral da equacao linear

homogenea com coeficientes constantes:
y 00 + a y 0 + b y = 0 .
(4.10)
A funcao exponencial y(t) = er t e uma candidata natural a solucao de

(4.10) pois suas derivadas de primeira e segunda ordem sao
y 0 (t) = r er t
e y 00 (t) = r2 er t ,
que diferem de y(t) apenas por constantes multiplicativas, o que torna

possvel o anulamento da combinacao y 00 (t) + a y 0 (t) + b y(t). Substituindo y(t) = er t em (4.10), temos
(r2 + a r + b ) er t = 0.
Equacao homogenea
103
Como er t 6= 0, t, temos necessariamente

r2 + a r + b = 0 .
(4.11)
Essa equacao e chamada equa

c
ao caracterstica de (4.10).
A equacao caracterstica (4.11) fornece os expoentes das solucoes
da equacao diferencial (4.10): se r e uma raiz da equacao caracterstica,
e facil ver que a funcao er t e solucao de (4.10). Analisemos as 3 possibilidades para o discriminante da equacao caracterstica (4.11).
2
1o
caso: = a 4 b > 0. A equacao caracterstica (4.11) tem 2
razes reais r1 , r2 dadas por
a + a2 4 b
a a2 4 b
r1 =
e r2 =
2
2
Entao e facil ver que as funcoes

y1 (t) = er1 t
e y2 (t) = er2 t
sao solucoes de (4.10). Pelo Teorema 4.2, toda combinacao linear dessas funcoes
y(t) = c1 er1 t + c2 er2 t
(4.12)
tambem e solucao de (4.10). Mostraremos em seguida que toda solucao
de (4.10) e dessa forma, de modo que a funcao dada por (4.12) e a
solucao geral de (4.10). Em primeiro lugar, notemos que, como
r2 + a r + b = (r r1 )(r r2 ),
temos r1 + r2 = a e r1 r2 = b e portanto
y 00 + a y 0 + b y =

d 0
y r1 y r2 y 0 r1 y
dt
Chamando z = y 0 r2 y, podemos reescrever a equacao diferencial (4.2)

na forma
z 0 r1 z = 0.
(4.13)
104
Cap. 4
A solucao geral (4.13) e z(t) = C1 er1 t , em que C1 e uma constante

arbitraria. Portanto, a solucao y(t) de (4.1) que procuramos e solucao
da equacao de 1a ordem
y 0 r2 y = C1 er1 t .
(4.14)
Resolvendo (4.14), obtemos

y(t) = K1 er1 t + K2 er2 t
(4.15)
em que K1 e K2 sao constantes arbitrarias (K1 = C1 /(r1 r2 )).

Logo, a expressao (4.15) fornece a solucao geral da equacao diferencial (4.1) quando > 0.
Exemplo 4.3. (a) Encontrar a soluc
ao geral da equac
ao
y 00 + 3 y 0 10 y = 0
(b) Encontrar a solucao y(t) dessa equac
ao satisfazendo as condic
oes
0
y(0) = 7 e y (0) = 0.
A equacao caracterstica e r2 + 3 r 10 = 0. Portanto as razes
sao r1 = 2 e r2 = 5. Logo, a solucao geral da equacao diferencial e
y(t) = C1 e2 t + C2 e5 t .
As condicoes iniciais y(0) = 7 e y 0 (0) = 0 implicam
C1 + C2 = 7 2 C1 5 C2 = 0
donde obtemos C1 = 5 e C2 = 2. Logo, a solucao e
y(t) = 5 e2 t + 2 e5 t .
interessante comparar a equac
Observac
ao 4.2. E
ao diferencial (4.10)
y 00 + a y 0 + b y = 0
com a correspondente equacao carasterstica (4.11).
r2 + a r + b = 0.
Notemos que a cada derivada da func
ao inc
ognita em (4.10) corresponde uma potencia de r em (4.11); mais especificamente, aos termos
y 00 , y 0 e y =derivada de ordem 0 em (4.1) correspondem, respectivamente, as potencias r2 , r e 1= r0 .
Equacao homogenea
105
2
2o
caso: = p 4 b = 0. Agora, a equacao caracterstica
r2 + a r + b = 0,
tem uma raiz dupla: (r1 = r2 =)r = a/2.
Repetindo o procedimento do caso anterior, resolvemos a equacao
w0 r w = 0,
cuja solucao e
w(t) = C er t .
Em seguida, procuramos a solucao geral da equacao
y 0 r y = C er t .
Multiplicando pelo fator integrante er t , obtemos
er t y 0 r er t y = C er t er t = C
|
{z
}
(er t y(t))0
Integrando, temos er t y(t) = C t + D, donde obtemos a expressao da

solucao geral da equacao (4.1) quando a equacao caracterstica tem
uma raiz dupla
y(t) = C t er t + D er t = (C t + D) er t .
(4.16)

ao geral da equac
ao diferencial
y 00 4 y 0 + 4 y = 0.
A equacao caracterstica e r2 4 r + 4 = 0, que tem r = 2 como
raiz dupla. Portanto, a solucao geral da equacao diferencial e
y(t) = C e2 t + D t e2 t .
2
3o
caso: = p 4 b < 0. As razes da equacao caracterstica tem
partes imaginarias diferentes de zero. Como, nos dois casos anteriores,
a solucao geral de (4.2) e dada em termos da funcao exponencial. A
106
Cap. 4
diferenca e que, neste caso, a solucao e uma funcao complexa. Se

r1 = + i e r2 = i sao as razes da equacao caracterstica
(4.11), entao toda solucao da equacao diferencial (4.10) e dada por
y(t) = C1 er1 t + C2 er2 t ,
em que C1 , C2 sao constantes (que podem ser complexas). Isto nao
e plenamente satisfatorio, pois gostaramos de obter solucoes reais da
equacao (4.10). Para resolver esse problema, usaremos o seguinte resultado.
Teorema 4.3. Se y(t) = u(t) + i v(t) e uma soluc
ao complexa (com
u(t) , v(t) reais) da equacao diferencial
y 00 (t) + a y 0 + b y = f (t) + i g(t),
(4.17)
em que os coeficientes a e b sao constantes reais e f (t) e g(t) s

ao
func
oes reais, entao u(t) e v(t) s
ao soluc
oes, respectivamente, das
equac
oes
u00 + a u0 + b u = f (t)
(4.18)
e
v 00 + a v 0 + b v = g(t).
(4.19)
Demonstracao: Como y(t) = u(t) + i v(t) e uma solucao de (4.17),

temos
u00 (t) + i v 00 (t) + a [u0 (t) + i v 0 (t)] + b [u(t) + i v(t)] = f (t) + i g(t),
Separando parte real e parte imaginaria, temos
u00 (t) + a u0 (t) + b u(t) = f (t)
v 00 (t) + a v 0 (t) + b v(t) = g(t) ,
isto e, u e v sao solucoes de (4.18) e (4.19), respectivamente.
Equacao homogenea
107
Apliquemos o Teorema 4.3 à equacao (4.10). Se r1 = + i e r2 =

i sao as razes da equacao caracterstica (4.11), entao qualquer
uma das solucoes complexas
y1 (t) = e(+i ) t = e t cos( t) + i e t sen ( t)
y2 (t) = e(i ) t = e t cos( t) i e t sen ( t)
da origem às solucoes reais
z1 (t) = e t cos t e z2 (t) = e t sen t
da equacao (4.1). Como nos casos anteriores, mostramos que a solucao
geral da equacao diferencial para este caso ( < 0) e
z(t) = e t [A cos t + B sen t]
(4.20)

ao geral da equacao y 00 +4y 0 +13 y = 0.
A equacao caracterstica e r2 + 4 r + 13 = 0, cujas solucoes sao
r1 = 2 + 3 i e r1 = 2 3 i. Portanto, as funcoes
y1 (t) = e2t (cos 3 t + i sen 3 t) e y2 (t) = e2t (cos 3 t i sen 3 t)
sao solucoes complexas da equacao diferencial dada. Logo, as funcoes
z1 (t) = e2t cos 3 t e z2 (t) = e2t sen 3 t sao solucoes reais da equacao
e sua solucao geral real e

z(t) = e2t a cos 3 t + b sen 3 t ,
a, b R.
Exemplo 4.6. (Oscila

c
oes livres n
ao amortecidas)
Consideremos o sistema massa-mola descrito no Captulo 2. Suponhamos que nao haja atrito e que seja nula a p
resultante das forcas externas
ao (2.3) fica
atuando sobre a massa. Chamando = k/m, a equac
y 00 + 2 y = 0 .
(4.21)
108
Cap. 4
A equacao caracterstica e r2 + 2 = 0, cujas solucoes sao r = i. Logo, as funcoes y1 (t) = cos t e y2 (t) = sen t sao solucoes linearmente
independentes de (4.21) e a solucao geral e
ha
i
b
y(t) = a cos t + b sen t = A
cos t + sen t .
A
A
2
2
2
2
em
que A = a + b . Chamando cos = a/ a + b , sen =
2
2
b a + b e usando a igualdade cos( t) = cos cos t+sen sen t,
podemos escrever
y(t) = A cos ( t ).
O grafico da solucao tem o aspecto mostrado na figura 4.1 abaixo.
6y
Figura 4.1
Exemplo 4.7. (Oscilac
oes livres amortecidas)
Suponhamos que seja nula a resultante das forcas externas atuando
sobre a massa e que o movimento esteja sujeito a uma forca de atrito
propocional à velocidade. Entao, a equac
ao (2.3) fica
y 00 + b y 0 + 2 y = 0
(4.22)
A equacao caracterstica de (4.22) e r2 +b r+ 2 = 0. Seja = b2 4 2 .

Se > 0,a equacao caracterstica
tem duas razesreais negativas
r1 = (b + )/2 e r2 = (b )/2 (notemos que b2 4 2 < r).

Portanto, a solucao geral da equacao (4.22) e
y(t) = c1 er1 t + c2 er2 t .
Como r1 < 0 e r2 < 0, temos que y(t) 0, quando t . O grafico
da solucao e mostrado nas figuras 4.2 e 4.3 abaixo.
Equacao homogenea
109
Se = 0, a equacao caracterstica tem uma raiz real dupla negativa

r = r/2. Portanto, a solucao geral da equacao (4.22) e
y(t) = (c1 + c2 t) er t .
Como no caso anterior, y(t) 0, quando t (o grafico de uma tal
solucao e mostrado nas figuras 4.2 e 4.3).
6y
6y
Figura 4.2
Figura 4.3
Se b2 4 2 < 0, as razes sao n

umeros complexos com parte
real negativa (isto implica que y(t) 0, quando t ) e partes
imagin
arias nao nulas. Escrevendo = + i , com = b/2 =
2
4 b2 /2, a solucao geral e

y(t) = e t c1 cos t + c2 sen t .
facil ver que uma tal solucao tende a zero oscilando uma infinidade
E
de vezes. O grafico da solucao e mostrado na figura 4.4 abaixo.
y
6
- t
Figura 4.4
110
Cap. 4
Com as solucoes da equacao (4.10) encontradas acima:

er1 t e er2 t ,
se a2 > 4 b
er t e t er t , (r = a/2), se a2 = 4 b
e t cos t e t e t sen t, se a2 < 4 b
podemos resolver qualquer problema de valor inicial
00
y + a y0 + b y = 0
y(t0 ) = y0 ,
0
y (t0 ) = y0 .
(4.23)
Analisaremos apenas o caso a2 > 4 b : os outros sao tratados de modo

analogo e ficam como exerccio. Procuremos a solucao do problema de
valor inicial na forma
y(t) = Cer1 t + Der2 t
Impondo as condicoes iniciais y(t0 ) = y0 , e y 0 (t0 ) = y0 , obtemos o
seguinte sistema de 2 equacoes nas variaveis C, D:

er1 t0 C + er2 t0 D = y0
r1 er1 t0 C + r2 er2 t0 C = y0
(4.24)
cuja matriz dos coeficientes

er1 t0
er2 t0
r1 er1 t0 r2 er2 t0
tem determinante (r1 r2 )e(r2 +r1 ) t0 6= 0 (pois r2 6= r1 ). Logo, o

sistema (4.24) tem sempre uma u
nica solucao (C, D), que fornece a
(
unica) solucao procurada y(t) do problema de valor inicial (4.23).
y 00 2 y 0 3 y = 0,
y(0) = 3 y 0 (0) = 5
NAO
HOMOGENEA
4.4. EQUAC
AO
111
A equacao caracterstica e r2 2 r 3 = 0, que tem as razes r1 = 3

e r2 = 1. Portanto, a solucao geral da equacao homogenea e
y(t) = a e3 t + b et ,
a , b R.
As condicoes iniciais implicam a + b = 3, 3 a b = 5, donde a = 2 e

b = 1. Logo, a solucao procurada e
y(t) = 2 e3 t + et .
Exerccio 4.4. Encontre a soluc
ao de cada PVI abaixo:
00
00
y 2 y0 = 0
y + 4 y0 2 y = 0
(a)
(b)
y(0) = 1, y 0 (0) = 1
y(0) = 3, y 0 (0) = 5

(c)

(e)
4.4
y 00 2 y 0 + 2 y = 0
y(0) = 1, y 0 (0) = 3
y 00 + 25 y = 0
y(0) = 3, y 0 (0) = 3
y 00 2 y 0 + y = 0
y(0) = 3, y 0 (0) = 2
y 00 + 4 y 0 + 9 y = 0
y(0) = 3, y 0 (0) = 0
(d)
(f )
Equac
ao N
ao Homog
enea
Analisaremos agora a equacao nao homogenea

y 00 + a(t) y 0 + b(t) y = h(t).
(4.25)
em que a(t), b(t) e h(t) sao funcoes contnuas em um intervalo I. Como

conseq
uencia do Teorema 4.2 (Princpio de Superposicao), temos o
seguinte resultado.
Corol
ario 4.3. Se z1 (t) e z2 (t) s
ao soluc
oes da equac
ao n
ao homogenea
y 00 + a(t) y 0 + b(t) y = h(t),
entao a funcao w(t) = z1 (t)z2 (t) e soluc
ao da correspondente equac
ao
homogenea
y 00 + a(t) y 0 + b(t) y = 0.
(4.26)
112
Cap. 4
Equacoes de Segunda Ordem
Como conseq
uencia do Corolario 4.26, a solucao geral de (4.25) e
a soma da solucao geral da equacao homogenea associada com uma
solucao particular de (4.25). Por exemplo, e facil ver que a funcao
z(t) = 2 e uma solucao da equacao
y 00 + 3 y 0 10 y = 20.
(4.27)
Como a solucao geral da equacao homogenea associada e a e2 t + b e5 t ,

a , b R, segue-se que a solucao geral da equacao (4.27) e
y(t) = 2 + a e2 t + a e5 t ,
a , b R.
Estudaremos, a seguir, dois metodos para encontrar uma solucao

particular de (4.25): o metodo de variacao dos parametros e o metodo
dos coeficientes indeterminados. Estaremos especialmente interessados
no caso em que os coeficientes a e b sao constantes reais.
4.5
M
etodo de Varia
c
ao dos Par
ametros
Sejam y1 (t), y2 (t) duas solucoes linearmente independentes (isto e,

nenhuma dessas funcoes e m
ultipla constante da outra) da equacao
linear homogenea de segunda ordem
y 00 + a(t) y 0 + b(t) y = 0 .
(4.28)
Vimos que, quaisquer que sejam as constantes c1 e c2 , a funcao z(t) =

c1 y1 (t)+c2 y2 (t) e solucao de (4.28). Vamos procurar funcoes u1 (t), u2 (t)
de modo que a funcao
yp (t) = u1 (t) y1 (t) + u2 (t) y2 (t)
(4.29)
seja solucao da equacao diferencial linear de segunda ordem nao homogenea

y 00 + a(t) y 0 + b(t) y = h(t).
(4.30)
Derivando (4.29), temos
yp0 (t) = u01 (t) y1 (t) + u02 (t) y2 (t) + u1 (t) y10 (t) + u2 (t) y20 (t) .
Variacao dos parametros
113
Para evitar que a expressao da derivada de segunda ordem yp00 (t) fique
excessivamente grande, vamos supor que as funcoes u1 (t), u2 (t) (que
estamos procurando) satisfazem a igualdade
u01 (t) y1 (t) + u02 (t) y2 (t) = 0.
(4.31)
yp0 (t) = u1 (t) y10 (t) + u2 (t) y20 (t).
(4.32)
Entao y 0 (t) fica
Derivando, obtemos
yp00 (t) = u01 (t) y10 (t) + u1 (t) y100 (t) + u02 (t) y20 (t) + u2 (t) y200 (t).
(4.33)
Substituindo (4.32) e (4.33) na equacao (4.30), obtemos

u1 y100 +a(t) y10 +b(t) y1 +u2 y200 +a(t) y20 +b(t) y2 +u1 y10 +u2 y20 = h(t) .
Como y100 + a(t) y10 + b(t) y1 = 0 e y200 + a(t) y20 + b(t) y2 = 0, essa relacao
fica
u01 y10 + u02 y20 = h(t) .
Logo, as funcoes procuradas u1 , u2 devem satisfazer
0
u1 y1 + u02 y2 = 0
u01 y10 + u02 y20 = h(t) .
Resolvendo esse sistema obtemos u01 , u02 . Integrando essas funcoes,
obtemos u1 , u2 e portanto a solucao yp (t).
ao geral da equac
ao diferencial
2 e2 t
.
(4.34)
t3
A solucao geral da equacao homogenea associada e yh (t) = e2 t (a + b t),
a , b R. Procuraremos uma solucao particular da equacao (4.34) na
forma yp (t) = u(t) e2 t + v(t) t e2 t . De acordo com a teoria vista acima,
as funcoes u e v devem satisfazer
u0 (t) e2 t + v 0 (t) t e2 t = 0
2 e2 t
2 u0 (t)e2 t + v 0 (t)(1 + 2 t) e2 t =
.
t3
y 00 4 y 0 + 4 y =
114
Cap. 4
Resolvendo esse sistema, obtemos u0 (t) = 2/t2 e v 0 (t) = 2/t3 . Integrando, temos u(t) = 2/t e v(t) = 1/t2 . Portanto, uma solucao
particular da equacao nao homogenea e
yp (t) = 2
e2 t
e2 t
e2 t
=
t
t
t
e a sua solucao geral e

1
,
a, b R.
y(t) = e2 t a + b t +
t
ao geral da equac
ao diferencial
y 00 + y = tg t,
<t<
.
(4.35)
2
2
As funcoes y1 (t) = cos t e y2 (t) = sen t sao solucoes linearmente
independentes da equacao homogenea associada. Procuraremos uma
solucao particular da equacao (4.34) na forma
yp (t) = u1 cos t + u2 sen t .
Entao, as funcoes u1 e u2 devem satisfazer

u01 cos t + u02 sen t = 0
u01 sen t + u02 cos t = tg t .
Resolvendo esse sistema, obtemos
u01 (t) = cos t sec t e u02 (t) = sen t .
Integrando essas funcoes, obtemos:
u1 (t) = sen t ln | sec t + tg t|
u2 (t) = cos t .
Logo, a solucao geral da equacao (4.34) e
y(t) = a cos t + bsen t (cos t) ln | sec t + tg t|,
a, b R.
No proximo exemplo resolvemos diversas equacoes nao homogeneas

com o mesmo primeiro membro com o objetivo de introduzir um metodo
mais simples de resolucao.
Variacao dos parametros
115

ao geral de cada uma das equac
oes
nao homogeneas
y 00 3 y 0 + 2 y
y 00 3 y 0 + 2 y
y 00 3 y 0 + 2 y
y 00 3 y 0 + 2 y
y 00 3 y 0 + 2 y
= 6 et ,
= 3 et ,
= 8 e2 t ,
= 12 t e2 t .
= 9 t2 e2t .
(4.36)
(4.37)
(4.38)
(4.39)
(4.40)
A equacao caracterstica da equacao homogenea associada e

r2 3 r + 2 = (r 1) (r 2) = 0.
Logo, a solucao geral da equacao homogenea associada e
yH (t) = a et + b e2 t , a, b R.
Vamos procurar uma solucao da equacao nao homogenea (4.36) na
forma
yp (t) = u(t)et + v(t)e2 t .
Entao u(t) e v(t) devem satisfazer
0 t
u e + v 0 e2 t = 0
u0 et + 2 v 0 e2 t = 6 et .
Resolvendo esse sistema, obtemos u0 = 6 e2 t e v 0 = 6 e3 t . Podemos entao tomar u(t) = 3 et e v(t) = 2 e3 t . Logo, uma solucao
particular de (4.36) e yp (t) = et e a solucao geral de (4.36) e
y(t) = et + a et + b e2 t , a, b R.
Analisemos agora a equacao (4.37). Procuremos uma solucao dessa
equacao na forma yp (t) = u(t)et + v(t)e2 t . Entao u(t) e v(t) satisfazem
0 t
u e + v 0 e2 t = 0
u0 et + 2 v 0 e2 t = 3 et
116
Cap. 4
Resolvendo esse sistema, obtemos u0 = 3 e v 0 = 3 et . Portanto,

podemos tomar u(t) = 3 t e v(t) = 3 et . Portanto, uma solucao
particular de (4.37) e yp (t) = 3 t et 3 et e a solucao geral de (4.37)
e y(t) = 3 t et + a et + b e2 t , a, b R. (a parcela 3 et de yp (t)
nao comparece explicitamente na expressao da solucao geral, pois ela
e solucao da equacao homogenea).
Vamos procurar uma solucao da equacao nao homogenea (4.38) na
forma yp (t) = u(t)et + v(t)e2 t . Entao u(t) e v(t) devem satisfazer
0 t
u e + v 0 e2 t = 0
u0 et + 2 v 0 e2 t = 8 e2 t
Resolvendo esse sistema, obtemos v 0 = 8 e u0 = 8 et . Portanto,
podemos tomar u(t) = 8 et e v(t) = 8 t. Logo, uma solucao particular de (4.38) e yp (t) = 8 e2 t + 8 t e2 t e a solucao geral de (4.38)
e y(t) = 8 t e2 t + a et + b e2 t , a, b R (notemos que a parcela 8 e2 t
de yp (t) e solucao da equacao homogenea; por isso, ela nao comparece
explicitamente na expressao da solucao geral).
Busquemos uma solucao da equacao nao homogenea (4.39) na forma yp (t) = u(t)et + v(t)e2 t . Entao u(t) e v(t) devem satisfazer
0 t
u e + v 0 e2 t = 0
u0 et + 2 v 0 e2 t = 12 t e2 t
Resolvendo esse sistema, obtemos u0 = 12 t et e v 0 = 6 t2 . Portanto,
podemos tomar u(t) = 12 t et + 12 et e v(t) = 6 t2 . Logo, uma solucao
particular de (4.39) e yp (t) = (12 12 t + 6 t2 ) e2 t e a solucao geral de
(4.39) e y(t) = (b12 t+6 t2 ) e2 t +a et , a, b R (como antes, a parcela
12 e2 t e absorvida pela constante b na expressao da solucao geral).
Analisemos, finalmente, a equacao (4.40). Procurando uma solucao
dessa equacao na forma yp (t) = u(t) et + v(t) e2 t , vemos que u(t) e v(t)
devem satisfazer
0 t
u e + v 0 e2 t = 0
u0 et + 2 v 0 e2 t = 9 t2 e2 t
Resolvendo esse sistema, obtemos v 0 = 9 t2 e u0 = 9 t2 et . Portanto,
podemos tomar u(t) = (9 t2 +18 t18) et (para obter u(t) integramos

4.6. METODO
DOS COEFICIENTES A DETERMINAR
117
por partes duas vezes) e v(t) = 3 t3 . Logo, uma solucao particular de

(4.40) e yp (t) = (3 t3 9 t2 + 18 t 18) e2 t e a solucao geral de (4.40)
e y(t) = (3 t3 9 t2 + 18 t) e2 t + a et + b e2 t , a, b R.
Exerccio 4.5. (I) Usando o metodo de variac
ao dos par
ametros, encontre uma solucao particular para cada uma das equac
oes diferenciais:
(a) y 00 + y = sec t,
(c) y 00 + 3y = t3 1
(e) y 00 + 4y = sen t
<t< ;
2
2
(b) 3y 00 + 4y 0 + y = et sen t
(d) y 00 y = t et ;
(f ) y 00 + y = sen t
(II) Para cada uma das equac

oes em (I), encontre a soluc
ao tal que
0
y(0) = 0 e y (0) = 0.
4.6
M
etodo dos Coeficientes a Determinar
Quando o termo forcante da equacao linear de segunda ordem nao

homogenea com coeficientes constantes
y 00 + a y 0 + b y = h(t) ,
(4.41)
tem uma forma especial, e facil encontrar uma solucao particular dessa
equacao. Por exemplo, se h(t) e uma funcao polinomial, e razoavel procurar uma solucao de (4.41) na forma de um polinomio, se h(t) e uma
funcao exponencial, procuramos a solucao de (4.41) na forma exponencial e se h(t) e uma combinacao de senos e cossenos, devemos buscar
a solucao como uma combinacao de senos e cossenos: este metodo e
conhecido como metodo dos coeficientes indeterminados ou metodo dos
coeficientes a determinar. Mais precisamente, consideremos a equacao
diferencial

y 00 + a y 0 + b y = e t pm (t) sen t + qn (t) cos t
(4.42)
em que pm (t) e qm (t) sao polinomios de graus m e n, respectivamente.
Seja ` o maior dos n
umeros m e n. Se os n
umeros i nao sao razes
da equacao caracterstica, procuramos a solucao na forma

y(t) = e t P` (t) sen t + Q` (t) cos t .
(4.43)
118
Cap. 4
Se os n
umeros i sao razes da equacao caracterstica com
multiplicidade k (notemos que, sendo (4.42) uma equacao de segunda
ordem, podemos ter k = 1 ou k = 2), procuramos a solucao na forma

y(t) = tk e t P` (t) sen t + Q` (t) cos t .
ao geral da equac
ao diferencial
y 00 3y 0 + 2y = 2t + 1 .
A equacao caracterstica da equacao homogenea associada e r2 3r +
2 = 0, que tem as solucoes r1 = 1 e r2 = 2. Logo, a solucao geral da
equacao homogenea associada e yH (t) = C et + D e2t , C, D R.
Procuremos uma solucao particular da equacao nao homogenea na
forma y(t) = a t+b; entao y 0 (t) = a, y 00 = 0. Substituindo na equacao
diferencial, obtemos
3 a + 2 (at + b) = 2 t + 1 ou 2 a t + 2 b 3 a = 2 t + 1
donde a = 1 e 2 b 3a = 1, ou b = 2 . Assim, uma solucao particular
da equacao diferencial nao homogenea e yp (t) = t + 2. Logo, a solucao
geral da equacao nao homogenea e
y(t) = C et + D e2t + t + 2,
C, D R.

ao geral da equac
ao diferencial
y 00 3 y 0 = 18 t2 6 t 8 .
A solucao geral da equacao homogenea e yH (t) = c1 +c2 e3 t , c1 , c2 R.
Como o termo forcante e um polinomio de grau 2, somos induzidos a
repetir o procedimento do Exemplo 4.12 e procurar a solucao como
um polinomio de grau 2: yp (t) = a + b t + c t2 . Substituindo yp0 (t) =
b + 2 c t e yp00 (t) = 2 c na equacao diferencial chegaremos a y 00 3y 0 =
2 c 3 (b + 2 c t), um polinomio de grau 1, que nao pode ser igual a
18 t2 6 t 8, que e um polinomio de grau 2. O problema aqui e que,
para qualquer polinomio de grau m, P (t), a expressao P 00 (t) 3 P 0 (t)
Coeficientes a determinar
119
e um polinomio de grau m 1 (isto esta relacionado com o fato que

r = 0 e uma raiz da equacao caracterstica). Para compensar esse
decrescimo no grau do polinomio, procuraremos nossa solucao na forma
yp (t) = t (a + b t + c t2 ) = a t + b t2 + c t3 . Substituindo na equacao
diferencial yp (t), yp0 (t) = a + 2 b t + 3 c t2 e yp00 (t) = 2 b + 6 c t, temos
2 b + 6 c t 3 (a + 2 b t + 3 c t2 ) = 18 t2 6 t 8, donde obtemos c =
2, b = 1 e a = 2. Assim, uma solucao particular da equacao nao
homogenea e yp (t) = 2 t3 t2 + 2 t e sua solucao geral e
y(t) = d1 + d2 e3 t 2 t3 t2 + 2 t,
d1 , d2 R.

ao geral da equac
ao diferencial
y 00 3 y 0 + 2 y = 20 e3t .
Pelo exemplo 4.12, a solucao geral da equacao homogenea associada e yH (t) = a et + b e2t , a, b R. Procuremos uma solucao particular da equacao nao homogenea na forma y(t) = c e3t ; entao
y 0 (t) = 3 c e3t , y 00 (t) = 9 a e3t . Substituindo na equacao diferencial,
obtemos
9 c e3t 3(3 c e3t ) + 2 c e3t = 20 e3t
donde c = 1. Assim, uma solucao particular da equacao dada e yp (t) =
e3t . Logo, a solucao geral da equacao diferencial nao homogenea e
y(t) = yH (t) + yp (t) = a et + b e2t + e3t
a, b R.

ao geral da equac
ao linear
y 00 3 y 0 + 2 y = 5 e2t .
(4.44)
A solucao geral da equacao homogenea associada e yh (t) = a et +

b e2t , a, b R. Notemos que o termo forcante da equacao diferencial
(4.44) e uma solucao da equacao homogenea y 00 3 y 0 + 2 y = 0. Assim,
sera perda de tempo procurar uma solucao de (4.44) na forma y(t) =
c e2t , pois essa funcao e solucao da equacao homogenea; de fato, se
procurarmos uma solucao de (4.44) na forma y(t) = c e2t , chegaremos
a
4 c e2t 6 c e2t + 2 c e2t = 5 e2t ou 0 c e2t = 5 e2t ,
120
Cap. 4
e portanto, nao existe tal c. O Exemplo 4.11 sugere que tentemos

uma solucao particular da equacao (4.44) na forma yp (t) = c t e2 t .
Substituindo yp (t) = c t e2t , yp0 (t) = c e2t + 2 c t e2t , yp00 (t) = 4 c e2t +
4 c t e2t na equacao (4.44), temos
4 c e2t + 4 c t e2t 3 (c e2t + 2 c t e2t ) + 2 c t e2t = 5 e2t
donde obtemos c = 5. Assim, uma solucao particular e yp (t) = 5 t e2t
e a solucao geral de (4.44) e
y(t) = a et + b e2t + 5 t e2t ,
a, b R.

ao geral da equac
ao linear n
ao homogenea
y 00 4 y 0 + 4 y = 16 e2t .
(4.45)
A solucao geral da equacao homogenea associada e yh (t) = (a + b t) e2t ,
a, b R. Como no Exemplo 4.15, e perda de tempo procurar uma
solucao de (4.15) na forma y(t) = c e2t ou mesmo y(t) = c t e2t , pois
essas funcoes sao solucoes da equacao homogenea. Procuremos entao
uma solucao particular da equacao (4.45) da forma yp (t) = c t2 e2 t .
Substituindo na equacao (4.45): yp (t) = c t2 e2t , yp0 (t) = 2 c t e2t +
2c t2 e2t = c e2 t (2 t + 2 t2 ), yp00 (t) = 2 c e2t + 4 c t e2t + 4 c t e2t + 4 c t2 e2t =
c e2 t (2 + 8 t + 4 t2 ), temos
c e2 t [2 + 8 t + 4 t2 4 (2 t + 2 t2 ) + 2 t2 ] = 16 e2 t
donde obtemos c = 8. Assim, uma solucao particular e yp (t) = 8 t2 e2t
e a solucao geral de (4.44) e
y(t) = (a + b t + 8 t2 ) e2t ,
a, b R.

ao geral da equac
ao diferencial
y 00 3 y 0 + 2 y = 10 sen t .
121
A solucao geral da equacao homogenea associada e

yg (t) = a et + b e2t ,
a , b R.
Procuremos uma solucao particular da equacao nao homogenea na forma

y(t) = c sen t + d cos t;
entao y 0 (t) = c cos td sen t , y 00 (t) = c sen td cos t. Substituindo
na equacao diferencial, temos
(3 c + d) cos t + (c + 3 d) sen t = 5 sen t .
donde obtemos c = 1 e d = 3. Logo, uma solucao particular da equacao
nao homogenea e yp (t) = 3 cos t + sen t e a sua solucao geral e
y(t) = a et + b e2t + 3 cos t + sen t ,
a, b R.

ao geral da equac
ao diferencial
y 00 + 4 y = 8 cos 2 t .
A equacao caracterstica e r2 + 4 = 0, que tem as razes 2 i; portanto
solucao geral da equacao homogenea associada y 00 + 4 y = 0 e
yH (t) = c1 cos 2 t + c2 sen 2 t,
c1 , c2 R.
Como o termo forcante e solucao da equacao homogenea, procuraremos

uma solucao particular da equacao nao homogenea na forma
y(t) = t (a cos 2 t + b sen 2 t);
entao y 0 (t) = a cos 2 t + b sen 2 t + t (2 a sen 2 t + 2 b cos 2 t) , y 00 (t) =
4 a sen 2 t + 4 b cos 2 t + t (4 a cos 2 t 4 b sen 2 t). Substituindo na
equacao diferencial, obtemos a = 0 e b = 2. Assim, uma solucao
particular da equacao nao homogenea e yp (t) = 2 t sen 2 t. Logo, a
solucao geral da equacao nao homogenea e
y(t) = c1 cos 2 t + c2 sen 2 t + 2 t sen 2 t,
c1 , c2 R.
122
Cap. 4

ao geral da equac
ao linear
y 00 4 y 0 + 4 y = 12 t et .
(4.46)
Como nos exemplos anteriores, yH (t) = a et + b e2t , a , b R. Vamos

procurar uma solucao particular da equacao nao homogenea na forma
y(t) = (c + d t) et ;
entao y 0 (t) = d et (c + d t) et , y 00 (t) = 2 d et + (c + d t) et .
Substituindo na equacao diferencial e cancelando o fator comum et ,
temos
2 d + c + d t 3 d + 3 c + 3 d t + 2 c + 2 d t = 12 t ,
donde obtemos c = 5 e d = 2. Logo, uma solucao particular da equacao
nao homogenea e yp (t) = (5 + 6 t)et e a sua solucao geral e
y(t) = a et + b e2t + (5 + 6 t)et ,
a, b R.

ao geral da equac
ao linear
y 00 3 y 0 + 2 y = 9 t2 e2t .
(4.47)
Temos yH (t) = a et + b e2t , a , b R. Como e2 t e solucao da equacao

homogenea associada, vamos procurar uma solucao particular da equacao
nao homogenea na forma
y(t) = t (c + d t + p t2 ) e2 t = (c t + d t2 + p t3 ) e2 t ;
entao

y 0 (t) = c + (2 c + 2 d) t + (2 d + 3 p) t2 + 2 p t3 e2 t

y 00 (t) = 4 c + 2 d + (4 c + 8 d + 6 p) t + (4 d + 12 p) t2 + 4 p t3 e2 t .
Substituindo na equacao diferencial e cancelando o fator comum e2 t ,
temos
c + 2 d + (2 d + 6 p) t + 3 p t2 = 9 t2 ,
donde obtemos c = 18, d = 9 e p = 3. Logo, uma solucao particular
da equacao nao homogenea e yp (t) = (18 t 9 t2 + 3 t3 ) e2 t e a sua
solucao geral e
y(t) = a et + (b + 18 t 9 t2 + 3 t3 ) e2 t ,
a, b R.
(4.48)
123
Observac
ao 4.3. Como se pode notar nos exemplos acima, em algumas equacoes - especialmente quando o termo forcante contem os 3
fatores: e t , pm (t) e cos t (ou sen t) - o metodo acima conduz a
calculos excessivamente longos. Em tais casos, e conveniente fazer a
mudanca de variavel y(t) = e t z(t), que transforma (4.42) na equac
ao
z 00 + (2 + p) z 0 + (2 + a + b ) z = pm (t) sen t + qn (t) cos t .
Vamos refazer o Exemplo 4.20 usando essa mudanca de variavel
Exemplo 4.21. Encontrar uma soluc
ao particular da equac
ao linear
y 00 3 y 0 + 2 y = 9 t2 e2t .
(4.49)
Temos yH (t) = a et + b e2t , a , b R. Substituindo

na equacao (4.49)

y(t) = e2 t v(t), y 0 (t) = e2 t v 0 (t) + 2 v(t) e y 00 (t) = e2 t v 00 (t) + 4 v 0 (t) +
4 v(t) e cancelando o fator comum e2 t , temos
v 00 (t) + v 0 (t) = 9 t2 .
(4.50)
Vamos procurar uma solucao de (4.50) na forma v(t) = c t + d t2 + p t3 ;

entao v 0 (t) = c + 2 d t + 3 p t2 , v 00 (t) = 2 d + 6 p t. Substituindo esses
valores na equacao, temos
c + 2 d + (2 d + 6 p) t + 3 p t2 = 9 t3
donde obtemos c = 18, d = 9 e p = 3. Logo, uma solucao particular
da equacao nao homogenea e yp (t) = (18 t 9 t2 + 3 t3 ) e2 t .
ao geral da equac
ao
y 00 6 y 00 + 9 y = t e3 t sen t.
Chamando y(t) = e3 t z(t), temos y 0 (t) = 3 e3 t z(t) + e3 t z 0 (t) e
y 00 (t) = 9 e3 t z(t) + 6 e3 t z 0 (t) + e3 t z 00 (t). Substituindo essas expressoes
na equacao diferencial, obtemos
z 00 (t) = t sen t .
124
Cap. 4
Integrando duas vezes, temos z(t) = a + b t t sen t 2 cos t, a, b R.

Logo, a solucao y(t) da equacao original e
y(t) = (a + b t) e3 t e3 t ( t sen t 2 cos t) ,
a, b R.
Para comparar o quanto os calculos ficam simplificados com a mudanca

acima, resolva a equacao acima sem fazer a mudanca de variavel, isto
e, substituindo diretamente na equacao diferencial a expressao y(t) =
e3 t [(A + B t) cos t + (C + D t) sen t].
Exemplo 4.23. Oscilac
oes for
cadas n
ao amortecidas.
Consideremos novamente o sistema massa-mola (veja o Captulo 2 e
os exemplos 4.6 e 4.7). Suponhamos que seja nulo o atrito e que a
resultante das forcas externas atuando sobre a massa seja B cos t
( > 0 e uma constante). Entao, a equac
ao (2.3) fica
y 00 + 2 y = B cos t
(4.51)
A solucao geral da equacao homogenea associada e y(t) = a cos t+

b sen t . Procuremos uma solucao particular da equacao (4.51) na forma yp (t) = c cos t + d sen t. Substituindo essa funcao na equacao,
temos
c ( 2 2 ) cos t + d ( 2 2 ) sen t = B cos t .
Se 6= , obtemos
c=
B
,
2 2
d=0
e uma solucao particular e

yp (t) =
B
cos t.
2
(4.52)
Logo, a solucao geral de (4.51) e

y(t) = a cos t + b sen t +
B
cos t .
2
claro que a solucao particular obtida em (4.52) e periodica de perodo

E
2/ e amplitude B/( 2 2 ). Notemos que, quando se aproxima de
125
, a amplitude dessa solucao vai tornando cada vez maior: isso indica
um fenomeno de ressonancia. De fato, mostremos que, para = , as
solucoes da equacao (4.51) nao permanecem limitadas quando t .
Para = , a equacao (4.51) fica
y 00 + 2 y = B cos t
(4.53)
Como i e raiz da equacao caracterstica de (4.52), devemos procurar

uma solucao particular dessa equacao (4.52) na forma
yp (t) = t (c cos t + d sen t).
Substituindo na equacao diferencial, obtemos
2 d cos t 2 c sen t = B cos t
donde obtemos c = 0, d = A/(2). Assim, uma solucao particular e
yp (t) =
B
t sen t ,
2
que nao e uma funcao limitada, quando t .

Exerccio 4.6. (Oscila
c
oes for
cadas amortecidas). Analise o movimento de um sistema massa mola forcado e amortecido
y 00 + b y 0 + 2 y = A cos t + B sen t ,
em que a, b, A, B e sao constantes dadas.
As consideracoes acima aplicam-se igualmente ao movimento de
um pendulo simples, como na figura 4.5 abaixo. Suponhamos que o
pendulo esteja em um meio que oferece uma resistencia ao movimento
dada por b 0 e que sujeito a uma forca externa F . O movimento e
descrito pela equacao
00 + b 0 +
g
sen = F (t) ,
l
(4.54)
em que l e o comprimento do pendulo e g e a aceleracao da gravidade.
126
Cap. 4
A equacao (4.54) nao e linear. Nao e possvel expressar sua solucao

em termos de funcoes elementares. Um procedimento adotado e fazer
a aproximacao sen e considerar a equacao linear
00 + b 0 +
g
= F (t) .
l
(4.55)
P
L6
J
]J
- y(x)
? mg
O
Figura 4.5
Figura 4.6
Em alguns problemas das aplicacoes, como no proximo exemplo, em

vez de condicoes iniciais, o natural e associar a uma equacao diferencial
as chamadas condicoes de fronteira.
Exemplo 4.24. (flambagem de coluna) Consideremos uma coluna
de comprimento L, como na figura 4.6 acima articulada nas duas extremidades, sujeita a uma carga P . A deflex
ao lateral y(x) observada
na viga satisfaz a equacao diferencial
y 00 + 2 y = 0,
0<x<L
(4.56)
e as condicoes de fronteira y(0) = y(L) = 0. Na equac

ao (4.56),
2
= P/EI em que E e I sao constantes que dependem do material e
da forma da secao da coluna. A soluc
ao geral da equac
ao (4.56) e
y(x) = a cos x + b sen x
A condicao de fronteira y(0) = 0 implica a = 0. Portanto y(x) =
b sen x. Da condicao y(L) = 0 temos que o problema tem soluca
o

4.7. EQUAC
OES
DE ORDEM SUPERIOR
127
nao nula apenas quando = n /L, n = 1, 2, . . . , ou seja, P =

n2 2 EI/L2 , n = 1, 2, . . . . O primeiro desses valores de P e P =
2 EI/L2 chama-se carga crtica de flambagem. Quando P < P , a
u
nica solucao desse problema e a trivial y(x) = 0, x. Para P = P ,
surgem solucoes nao triviais y(x) = b sen ( x/L) e a coluna curva-se
assumindo a forma da linha tracejada.
Exerccio 4.7. Encontre a soluc
ao geral de cada uma das equac
oes
diferenciais abaixo:
(a) y 00 + 3y 0 = e2t
(b) y 00 + 2y 0 + y = 2
(c) y 00 + 4y 0 2y = 8 sen 2t,
(d) y 00 + 3y 0 = 9
00
(e) y + 25y = cos 3t
(f ) y 00 + y = cos t + sen t
(g) y 00 7y 0 = e7t
(h) y 00 + 3y 0 = cos 3 t
(i) y 00 4y 0 + 8y = e2t (sen 2t cos 2t) (j) y 00 7y 0 = (1 t)2
(k) y 00 + 25y = sen 5t
(l) y 00 8y 0 + 16y = (1 t)e4t
Exerccio 4.8. Resolva os seguintes problemas de valor inicial:
00
00
y + 3y 0 = 3
y + 3y 0 = et
(a)
(b)
0
y(0) = 1, y 0 (0) = 0
= 1, y (0) = 0
y(0)

y 00 7y 0 = (1 t)2
y 00 7y 0 = e7t
(c)
(d)
= 5, y 0 (1) = 2
= 0, y 0 (0) = 0
y(1)
y(0)
00
0
00
y + y + 2y = 0
2y + y 0 10y = 0
(e)
(f
)
= 1, y 0 (0) = 2
= 5, y 0 (1) = 2
y(0)
y(1)
00
0
00
9y + 6y y = 0
y + 2y 0 + y = 0
(g)
(h)
= 1, y 0 (0) = 0
y(2) = 1, y 0 (2) = 1

y(0)
3y 00 2y 0 + 4y = 0
y 00 6y 0 + 9y = (1 t)e3t
(j)
(i)
0
= 1, y (1) = 1
y(2) = 1, y 0 (2) = 1

y(1)
y 00 8 y 0 + 16 y = (1 t) e4 t
y 00 + 25y = cos 5t
(k)
(l)
0
y(1) = 1, y (1) = 1
y(0) = 0, y 0 (0) = 1 .
4.7
Equaco
es de Ordem Superior
Os metodos discutidos nas secoes anteriores para equacoes de segunda

ordem aplicam-se, com adaptacoes convenientes, a equacoes de ordem
128
Cap. 7
n2
y (n) + an1 y (n1) + + a1 y 0 + a0 y = h(t).
(4.57)
A equacao caracterstica da equacao homogenea associada a (4.57) e

n + an1 n1 + + a1 + a0 = 0.
(4.58)
Cada solucao da equacao caracterstica (4.58) fornece uma solucao

e t da equacao diferencial (4.57). O problema e que pode ser difcil
encontrar as solucoes da equacao (4.58). Em vista dessas dificuldades, consideraremos aqui apenas polinomios especiais, cujas razes sao
determinadas de modo simples.
Recordemos alguns fatos sobre polinomios que facilitarao o estudo
da equacao caracterstica (4.58). Lembremos que uma raiz de um
polinomio P (x) e um n
umero complexo d tal que P (d) = 0. Um fato
importante sobre polinomios e o chamado Teorema Fundamental
da Algebra
que afirma que todo polinomio de grau n 1 tem ao
menos uma raiz d. Consideremos o polinomio de grau n
P (x) = an xn + an1 xn1 + + a1 x + a0
(4.59)
O quociente de P (x) por x c e um polinomio Q(x) de grau n 1:

Q(x) = bn1 xn1 + bn2 xn2 + + b1 x + b0
e o resto e uma constante (e claro que essa constante e P (c)):
P (x) = (x c) Q(x) + P (c).
(4.60)
Se d e uma raiz de P (x), entao de (4.60), temos P (x) = Q(x)(xd);

assim, P (x) contem um fator x d. Deste modo, se conhecermos
uma raiz d de P (x), efetuamos a fatoracao P (x) = (x d)P1 (x)
e tentamos encontrar as solucoes de P1 (x), que e um polinomio de
grau n 1. Pelo Teorema Fundamental da Algebra,

P1 (x) tem uma
raiz d2 e, portanto, contem um fator x d2 . Assim P (x) contem
os fatores x d1 e x d2 : isto e P (x) = (x d1 )(x d2 )P2 (x).
Continuando com esse procedimento, obtemos n razes d1 , d2 , . . . , dn
(nao necessariamente distintas) de P (x) e podemos fatorar P (x) como
Equacoes de Ordem Superior
129
P (x) = (x d1 )(x d2 ) . . . (x dn ). Se um fator x d comparece k

vezes nessa fatoracao (isto e, se P (x) = (x d)k Q(x), com Q(d) 6= 0),
dizemos que d e uma raiz de P (x) com multiplicidade k .
A divisao de P (x) por xc pode ser feita pela algoritmo de Euclides,
imitando o algoritmo da divisao de n
umeros. Efetuemos, por exemplo,
a divisao de x3 + 0x2 7x + 9 por x 2:
x3 + 0 x2 7 x + 9
x3 + 2 x2
2 x2 7 x + 9
2 x2 + 4 x
3x + 9
3x 6
3
x2
x2 + 2 x 3
O algoritmo de Briot-Ruffini simplifica o calculo dessa divisao. Ele

baseia-se no seguinte fato: se P (x) = an xn + an1 xn1 + + a1 x + a0
e Q(x) = bn1 xn1 + bn2 xn2 + + b1 x + b0 , entao, das igualdades
P (x) = (x c) Q(x) + r e
(x c)(bn1 xn1 + bn2 xn2 + + b1 x + b0 ) =
= bn1 xn + (bn2 c bn1 )xn1 + + (b0 c b1 ) x c b0
temos as seguintes relacoes entre os coeficientes de P (x) e Q(x):
a
=
b
bn1 = an
n
n1
an1 = bn2 c bn1

bn2 = an1 + c bn1
an2 = bn3 c bn2

bn3 = an2 + c bn2
que implicam
..
..
.
.
a1 = b0 c b1
b 0 = a1 + c b 1
a = c b + r
r = a + cb
0
0
0
0
O metodo de Briot-Ruffini consiste em representar as operacoes indicadas acima em um diagrama. Notemos que:
1) bn1 = an :
130
Cap. 7
2) para obter bn2 multiplicamos bn1 por c e somamos an1 .

Vamos indicar essas operacoes no seguinte diagrama:
+
?
an
an1 an2 . . . a1
a0
bn1 bn2
bn2 = an1 + c bn1
Agora repetimos esse procedimento para obter bn3 ; o correspondente diagrama e:

+
?
an
an1
bn1 bn2
an2 . . . a1
bn3
a0 c
bn3 = an2 + c bn2

oes da equac
ao 8 256 = 0.
Podemos escrever
8 256 = (4 16)(4 + 16) = ( 2)( + 2)(2 + 4)(4 + 16).
Logo, as solucoes de 8
256 = 0 sao: 1 =2, 2 = 2, 3 =
2 i,
4 = 2 i, 5= (1 + i) 2, 6 = (1 + i) 2, 7 = (1 i) 2 e
8 = (1 i) 2.
Quando os coeficientes de P (x) = xn + an1 xn1 + + a1 x + a0
sao n
umeros inteiros, as u
nicas razes racionais possveis de P (x) sao
n
umeros inteiros e sao os divisores de a0 . De fato, se o n
umero racional
d = p/q (com p e q primos entre si) e uma raiz de P (x), entao da
igualdade P (p/q) = 0, temos a0 = (pn /q n + an1 pn1 /q n1 + +
131
a1 p/q) = p/q n (pn1 + an1 pn2 q + + a1 q n ). Multiplicando por q n ,

temos a0 q n = p(pn1 + an1 pn2 q + + a1 q n ). Como p e q sao
primos entre si, essa igualdade implica que p divide a0 . Um argumento
semelhante mostra que q precisa ser um divisor do coeficiente de xn ,
que e 1, ou seja, q = 1. Logo, d = p.
Exemplo 4.26. Calcular as razes inteiras de P (x) = x3 7 x + 6.
Os n
umeros 1, 2, 3, 6 sao divisores de 6, portanto sao candidatos a razes de P (x). Como
P (1) = (1) 7(1) + 6 = 12,
P (2) = 8 + 14 + 6 = 12,
P (3) = 27 + 21 + 6 = 0,
P (6) = 216 + 42 + 6 = 168,
P (1) = 1 7 + 6 = 0,
P (2) = 8 14 + 6 = 0,
P (3) = 27 21 + 6 = 12,
P (6) = 216 42 + 6 = 180
vemos que as razes inteiras de P (x) sao 3, 1 e 2.

Exemplo 4.27. Encontrar as razes do polin
omio P (x) = x3 + 6 x2 5
Os candidatos a razes inteiras sao 1 e 5. Como
P (1) = 1 + 6 5 = 12
P (1) = 1 + 6 5 = 0
P (5) = 125 + 150 5 = 270 P (5) = 125 + 150 5 = 30,
vemos que a u
nica raiz racional e x1 = 1. Efetuemos a divisao de
P (x) por x + 1
1 6
0 5 1
1 5 5
0
O quociente e x2 + 5 x 5; suas razes sao obtidas pela conhecida
formula de Baskhara
5 + 3 5
5 3 5
x2 =
e x3 =
2
2
ao geral da equac
ao linear homogenea
de quarta ordem
y (4) 3 y (3) 6 y 00 + 28 y 0 24 y = 0 .
(4.61)
132
Cap. 7
A equacao caracterstica e
p() = 4 3 3 6 2 + 28 24 = 0.
Os candidatos a razes sao os divisores de 24, ou seja, 1, 2, 3, 4,
6, 8, 12 e 24.
Substituindo na equacao, vemos facilmente que 1 = 2 e raiz da
equacao p() = 0. Isso significa que 2 e um fator do polinomio
p(). Dividindo 4 33 62 + 28 24 por x + 2 usando o algoritmo
de Briot-Ruffini
1 3 6 28 24 2
1 1 8 12
0
vemos que 4 3 3 6 2 + 28 24 = ( 2)(3 2 8 + 12).
Os candidatos a razes de 3 2 8 + 12 sao os divisores de 12,
ou seja, 1, 2, 3, 4, 6 e 12. Substituindo na equacao, vemos
facilmente que 1 = 2 e raiz dessa equacao. Dividindo esse polinomio
por 2, temos 3 2 8 + 12 = (2 + 6)( 2). As razes
da equacao 2 + 6 = 0 sao 3 e 2. Portanto
4 3 3 6 2 + 28 24 = ( 2)3 ( + 3) .
Como 2 e raiz da equacao caracterstica com multiplicidade 3, as
funcoes e2t , t e2t e t2 e2t sao solucoes linearmente independentes da
equacao diferencial; a outra raiz, 3, da origem à solucao e3t . Logo,
a solucao geral da equacao (4.61) e
y(t) = (a + b t + c t2 ) e2t + d e3t ,
a, b, c, d R.

ao da equac
ao diferencial de terceira
ordem
y (3) 7 y 0 + 6 = 6 t2 + 22 t + 10 e2t
(4.62)
tal que y(0) = 3, y 0 (0) = 1, y 00 (0) = 3.
Analisemos primeiramente a equacao homogenea
y (3) 7 y 0 + 6 = 0.
133
A equacao caracterstica e 3 7 + 6 = 0. As possveis razes inteiras

sao 1, 2, 3 e 6. Substituindo na equacao, vemos que as razes
sao 3, 1 e 2, que dao origem às solucoes e3t , et e e2t . Logo, a solucao
geral da equacao homogenea e
y(t) = e3t + et + e2t ,
, , R.
Para simplificar os calculos, vamos separar o termo forcante em duas

parcelas. Analisemos a equacao nao homogenea
y (3) 7 y 0 + 6 = 6t2 + 22t.
Como a equacao homogenea associada nao tem solucoes constantes nao
nulas, procuramos uma solucao particular da equacao (4.62) na forma
y1 (t) = a + b t + c t2 . Substituindo na equacao diferencial, temos
(6c 6) t2 + (6b 14c 22) t + 6a 7b = 0,
donde obtemos a = 7, b = 6, c = 1. Assim, uma solucao particular e
y1 (t) = 7 + 6 t + t2 .
Analisemos agora a equacao nao homogenea
y (3) 7 y 0 + 6 = 10 e2t .
Como a funcao e2t e solucao da equacao homogenea associada, vamos,
procurar uma solucao particular da equacao (4.62) na forma
y2 (t) = a t e2t .
(3)
Substituindo y20 (t) = a e2t (1 + 2t), y200 (t) = 4 a e2t (1 + t), y2 (t) =
4 a e2t (3 + 2t) na equacao diferencial, temos
(12 a + 8 a t 7 a 14 a t + 6 a t) e2t = 10 e2t ,
donde obtemos a = 2. Assim, uma solucao particular e y2 (t) = 2 t e2t .
Logo, a solucao geral da equacao (4.62) e
y(t) = e3t + et + ( + 2 t) e2t + 7 + 6 t + t2 ,
, , R.
134
Cap. 7
Impondo as condicoes iniciais y(0) = 3, y 0 (0) = 1, y 00 (0) = 3,

obtemos as equacoes
+ + = 10
3 + + 2 = 9
9 + + 4 = 7
cuja solucao e = 0, = 11, = 1. Logo, a solucao do problema
de valor inicial e
y(t) = 11 et + (1 + 2 t) e2t + 7 + 6 t + t2 ,
ao geral da equac
ao linear n
ao homogenea de quarta ordem
y (4) 3 y (3) 6 y 00 + 28 y 0 24 y = 1500 t2 e2t .
(4.63)
Vimos no exemplo 4.28 que as funcoes e2t , t e2t , t2 e2t e e3t formam
uma base de solucoes da equacao homogenea associada a (4.63). Para
simplificar a notacao, vamos procurar uma solucao particular de (4.63)
na forma y(t) = e2t v(t). Entao,
y 0 (t) = 2 e2t v(t) + e2t v 0 (t)
y 00 (t) = 4 e2t v(t) + 4 e2t v 0 (t) + e2t v 00 (t),
y (3) (t) = 8 e2t v(t) + 12 e2t v 0 (t) + 6 e2t v 00 (t) + e2t v (3) (t),
y (4) (t) = 16 e2t v(t) + 32 e2t v 0 (t) + 24e2t v 00 (t) + 8 e2t v (3) (t) + e2t v (4) (t).
Substituindo essas expressoes na equacao (4.63), vemos que v(t) e solucao da equacao diferencial
v (4) + 5 v (3) = 1500 t2 .
(4.64)
facil ver que as funcoes 1, t e t2 sao solucoes da equacao homogenea

E
v (4) + 5v (3) = 0. Vamos entao procurar uma solucao particular da
equacao nao homogenea (4.64) na forma vp (t) = t3 (a t2 + b t + c) =
a t5 + b t4 + c t2 . Substituindo na equacao (4.64), obtemos
300 a t2 + 120 (a + b) t + 24 b + 30 c = 1500 t2 .
4.8. EXERCICIOS
135
Portanto, a = 5, b = 5, c = 4 e a solucao particular procurada e

v(t) = 5 t5 + 5 t4 + 4 t3 . Logo, a solucao geral da equacao (4.63) e
y(t) = (a + b t + c t2 + 4 t3 + 5 t4 + 5 t5 ) e2 t + d e3 t ,
a, b, c, d R.

ao geral da equac
ao diferencial de
terceira ordem
y (3) 5 y 00 + 9 y 0 5 = 6 et
(4.65)
A equacao caracterstica e p() = 3 5 2 + 9 5 = 0; e facil
ver que = 1 e raiz dessa equacao. Como p() = ( 1)(2 4 + 5),
vemos que as outras razes sao 2 + i e 2 i; essas razes fornecem
as solucoes complexas e(2+i) t e e(2i) t , das quais obtemos as solucoes
reais e2 t cos t e e2 t sen t. Portanto, a solucao geral real da equacao
homogenea e
yH (t) = a et + e2 t (b cos t + c sen t),
a, b, c R.
Como o termo forcante e solucao da equacao homogenea, procuraremos

uma solucao particular da equacao nao homogenea na forma A t et .
Substituindo na equacao diferencial yp (t) = A t et , yp0 (t) = A et +A t et ,
(3)
yp00 (t) = 2A et + A t et , yp (t) = 3 A et + A t et , obtemos A = 3; assim,
yp (t) = 3 t et . Logo, a solucao geral da equacao nao homogenea e
y(t) = a et + e2 t (b cos t + c sen t) + 3 t et ,
4.8
a, b, c R.
Exerccios
Encontre a solucao geral de cada uma das equacoes diferenciais abaixo:

(a) y (4) 16 y = 0
(c) y (3) 2y 00 y 0 + 2y = 0
(e) y (4) 4 y (3) + 4 y 00 = 0
(g) y (4) + 16y = 0
(i) y (4) + 2 y (3) + y 00 = e4t
(b) y (4) 5 y (3) + 6 y 00 + 4 y 0 8 y = 0

(d) y (3) + 3 y 00 + 3 y 0 + y = 0
(f ) y (5) + y (4) y (3) 3 y 00 + 2y = 0
(h) y (5) + y (4) y (3) 3y 00 + 2y = t2 + 2t
(j) y (4) 4 y (3) + y 00 = e4t .
136
Cap. 7
Captulo 5
Transforma
c
oes Lineares
5.1
Transforma
c
oes
Sejam U, V dois conjuntos nao vazios. Uma transforma

c
ao (ou
func
ao ou aplicac
ao) de U em V e uma correspondencia F que, a
cada elemento x de U , associa um u
nico elemento y = F (x) de V :
denotamos F : U V . O elemento F (x) chama-se imagem de x por
F . O conjunto U chama-se domnio e V o contra-domnio de F .
Duas aplicacoes F : U V e G : U V sao ditas iguais se e somente
se F (u) = G(u), u U . O conjunto graf (F ) = {(u, F (u)) : u U }
chama-se gr
afico de F . Dado A U , o conjunto F (A) = {F (u) :
u A} chama-se imagem de A por F ; se A = U , entao o conjunto
F (U ) chama-se imagem de F (neste caso, tambem usamos a notacao
Im (F )). Dado B V , o conjunto F 1 (B) = {u U : v B}
chama-se imagem inversa de B por F .
Exemplo 5.1. Seja U um conjunto n
ao vazio. A transformac
ao
IU : U U , tal que IU (x) = x, x U , chama-se transformaca
o
identidade de U .
Uma aplicacao F e dita injetora (ou 1-1) quando, quaisquer que
sejam u1 , u2 U com u1 6= u2 , tem-se F (u1 ) 6= F (u2 ), ou, equivalentemente, quando F (u1 ) = F (u2 ), com u1 , u2 U , implicar u1 = u2 .
Uma aplicacao F : U V e dita sobrejetora (ou sobre) quando
F (U ) = V , isto e, quando, para todo v V , existe (ao menos um)
137
138
Cap. 5
Transformacoes Lineares
u U tal que F (u) = v. Uma aplicacao injetora e sobre e chamada

bijetora.
Exemplo 5.2. A aplicacao F : R2 R2 , F (x, y) = (x, y) e bijetora.
A aplicacao F e sobre, pois cada (v, w) R2 e imagem de (w, v),
isto e, (v, w) = F (w, v). Para ver que F e injetora, notemos que, se
F (x, y) = F (s, t), isto e, (x, y) = (s, t), entao x = s e y = t, ou
seja, (x, y) = (s, t).
Note que nao podemos tracar o grafico de F , mas podemos visualizar como F atua em subconjuntos de U , como na Figura 5.1 abaixo (geometricamente, F atua como uma reflexao em relacao ao eixo
Ox). A imagem do triangulo ABC pela transformacao F e o triangulo
A0 B 0 C 0 .
v
y 6
A
B
C0
R
-
B0
A0
Figura 5.1
Exemplo 5.3. Seja [0, 2 ) um n
umero fixado. A transformac
ao
2
2
R : R R definida por R (x, y) = (x cos y sen , y cos +x sen )
e bijetora; geometricamente, R e uma rotac
ao de
angulo no sentido
anti-hor
ario.
Exemplo 5.4. Seja a R2 fixado. A transla
c
ao T : R2 R2 , dada
por T (x) = x + a e uma aplicacao bijetora.
Dadas duas aplicacoes F : A B e G : B C, a composta de
F e G, G F : A C, e definida por: (G F )(u) = G(F (u)). Uma
aplicacao F : A B e dita invertvel quando existe G : B A tal
que G F = IU e F G = IV . A aplicacao G chama-se inversa de F
e e denotada por F 1 . Como no caso de funcoes reais de variavel real,
vale o seguinte resultado:

5.2. TRANSFORMAC
OES
LINEARES
139
Teorema 5.1. F e invertvel se e somente se F e bijetora.
5.2
Transforma
c
oes Lineares
Sejam U, V espacos vetoriais e T : U V uma transformacao. Dizemos que T e uma transforma

c
ao linear quando:
(a) T (u1 + u2 ) = T (u1 ) + T (u2 ), u1 , u2 U
(b) T ( u) = T (u), K, u U .
Quando U = V , diremos que T e um operador linear.
Exemplo 5.5. Sejam U, V espacos vetoriais quaisquer. A transformacao nula O : U V , dada por O(x) = 0, x U , e linear: de fato,
dados x1 , x2 U , temos O(x1 + x2 ) = 0 = 0 + 0 = O(x1 ) + O(x2 ) e
O(x) = 0 = 0 = O(x).
Exemplo 5.6. Sejam U um espaco vetorial qualquer e k R um
n
umero fixado. A homotetia de raz
ao k, H : U U, H(x) = k x e
um operador linear.
De fato, dados x , y U e K, temos
H(x + y) = k (x + y) = k x + k y = H(x) + H(y),
H(x) = k (x) = (k x) = H(x).
Notemos que, se k 6= 0, entao a homotetia e 1-1 e sobre.
Exemplo 5.7. A transformac
ao T : R3 R2 definida por T (x, y, z) =
(2 x + y, x + 5 y z) e linear sobre, mas n
ao e 1-1.
De fato, dados (a, b, c), (d, e, f ) R3 e R, temos:
T [(a, b, c) + (d, e, f )] = T (a + d, b + e, c + f )
= (2 (a + d) + b + e, a + d + 5 (b + e) (c + f )) =
= (2 a + b, a + 5 b c) + (2 d + e, d + 5 e f ) =
= T (a, b, c) + T (d, e, f )
e
T [ (a, b, c)] = T ( a, b, c) = (2 a + b, a + 5 b c)
= (2 a + b, a + 5 b c) = T (a, b, c).
140
Cap. 5
Fica como exerccio mostrar que T e sobre mas nao e 1-1.

Notemos que as componentes do vetor (s, t) = T (x, y, z) satisfazem
a igualdade

x
s
2 1
0
y .
=
t
1 5 1
z

2
1
0
Denotando A =
e identificando os vetores u = (x, y, z)
1
5 1

x
s
e u = (s, t) = T (u) com as matrizes colunas y e
, respectit
z
vamente, vamos escrever T (u) = A u .

Mais geralmente, cada matriz A = aij de ordem m n determina
uma transformacao linear F : Rn Rm do seguinte modo: a cada
vetor u = (x1 , . . . , xn ) Rn associamos o vetor F (u) = (y1 , . . . , ym )
tal que
y1 = a1 1 x1 + + a1n xn
..
(5.1)
.
ym = am1 x1 + + amn xn .
conveniente escrever (5.1) como
E

a11
y1
.. ..
. = .
ym
uma igualdade matricial:
. . . a1n
x1
.. ..
...
. .
am1 . . .
amn
xn
Usando novamente a identificacao entre vetores e matrizes colunas,

vamos escrever
F (u) = A u .
(5.2)
A partir da igualdade (5.2) fica facil ver que F e linear: a linearidade de F e uma conseq
uencia direta da distributividade da multiplicacao
de matrizes em relacao à adicao.
141
Um fato ainda mais importante nessa relacao entre transformacoes

lineares e matrizes e dada no proximo teorema, no qual mostramos
que toda transformacao linear T : Rn Rm pode ser escrita na forma
(5.2).
Teorema 5.2. Seja T : Rn Rm uma transformac
ao linear. Ent
ao
existe uma matriz real A de ordem m n tal que T (u) = A u, para
todo u Rn .
Demonstracao: Seja {e1 , . . . , en } a base canonica de Rn . Cada
elemento u = (x1 , . . . , xn ) de Rn se escreve como
u = x 1 e 1 + + x n en
Como T e linear, temos
T (u) = x1 T (e1 ) + + xn T (en )
Notemos que T (e1 ) , . . . , T (en ) sao vetores de Rn . Escrevendo
a1 1
a1 1
a1 1 a1 n
..
..
T (e1 ) = ... , . . . , T (en ) = ... , A = ...
.
.
am 1
am 1
am 1 am n
temos
a1 1
a1 1
a1 1 x 1 + + a1 n x n
..
T (u) = x1 ... + + xn ... =
.
am 1
am 1 x1 + + am n xn
am
1
a1 1 a1 n
x1
..
.
.
..
.. ...
= .
= Au
am 1 am n
xn
Exemplo 5.8. O operador deriva
c
ao D : Pn (R) Pn (R), D(p) =
p0 (que a cada polinomio p associa sua derivada) e linear. Isto e conseq
uencia imediata das propriedades da derivada:
D(f + g) = (f + g)0 = f 0 + g 0 = D(f ) + D(g)
D(f ) = (f )0 = f 0 = D(f ).
142
Cap. 5
Notemos que a transformacao linear D nao e 1-1 (pois D(1 + t2 ) =

D(3 + t2 ) = 2t) nem sobre (nao existe p(t) Pn (R) tal que D(p) = tn ).
Exerccio 5.1. Verifique se as transformac
oes abaixo s
ao lineares:
3
(a) F : R R, F (x, y, z) = x + 5y z
(b) F : R3 R, F (x, y, z) = x + 5y z + 2
(c) F : R3 R2 , F (x, y, z) = (|x|, y + 2z)
(d) F : Pn (R) Pn (R), F (f ) = f 0 + f 00
(e) F : Mn (R) Mn (R), F (X) = AX + 2 X em que A Mn (R) e
fixada.
O proximo teorema contem algumas propriedades que decorrem
imediatamente da definicao de transformacao linear.
Teorema 5.3. Sejam U, V espacos vetoriais e seja T : U V uma
aplicac
ao linear. Entao:
1. T (0) = 0 (isto e, T leva o vetor nulo de U no vetor nulo de V ).
2. T (x + y) = T (x) + T (y).
3. Se F : U V e G : V W forem transformac
oes lineares,
entao a composta G F : U W tambem e linear.
Demonstracao: As provas das afirmacoes 1) e 2) ficam como exerccio.
Mostremos a afirmacao 3: dados x, y U e R, temos
(G F )(x + y) = G[F (x + y)] = G[F (x) + F (y)] =
= G[F (x)] + G[F (y)] = (G F )(x) + (G F )(y).
Logo, G F e linear.
Exerccio 5.2. Seja T : U V uma transformac
ao linear e sejam
v1 , . . . , vn V e 1 , . . . , n K. Mostre que
T (1 v1 + + n vn ) = 1 T (v1 ) + + n T (vn ).
Teorema 5.4. Seja T : U V uma transformac
ao linear:
(a) Se W for um subespaco de U ent
ao T (W ) e subespaco de V .
(b) Se Z for um subespaco de V ent
ao T 1 (Z) e subespaco de U .
143
Demonstracao: Mostraremos apenas (b) (a verificacao de (a) fica como exerccio). Observemos, em primeiro lugar, que 0 T 1 (Z), uma
vez que T (0) = 0. Dados, x1 , x2 T 1 (Z), temos y1 = T (x1 ) Z e
y2 = T (x2 ) Z. Entao, temos y1 + y2 Z (pois Z e subespaco) e
y1 + y2 = T (x1 ) + T (x2 ) = T (x1 + x2 ), donde x1 + x2 = T 1 (y1 + y2 ),
que implica que x1 + x2 T 1 (Z). Da mesma maneira, verificamos
que, para todo x T 1 (Z) e todo escalar , o vetor x pertence a
T 1 (Z).
O proximo teorema mostra que uma transformacao linear fica completamente determinada quando conhecemos seus valores em uma base.
Teorema 5.5. Sejam U e V espacos vetoriais, {u1 , . . . , un } uma base
de U e S, T : U V transformac
oes lineares. Se S(u1 ) = T (u1 ),
S(u2 ) = T (u2 ), . . . , S(un ) = T (un ), ent
ao S(x) = T (x), x U
Demonstracao: Seja x U . Como {u1 , . . . , un } e uma base de U ,
existem escalares 1 , . . . , n tais que x = 1 u1 + + n un . Como S
e T sao lineares e S(u1 ) = T (u1 ) , . . . , S(un ) = T (un ), temos
S(x) = S(1 u1 + + n un ) = 1 S(u1 ) + + n S(un )
= 1 T (u1 ) + + n T (un ) = T (1 u1 + + n un )
= T (x)
Logo, S coincide com T .
Exemplo 5.9. Encontrar a express
ao F (x, y, z) do operador line3
3
ar F : R R tal que F (1, 1, 1) = (1, 1, 0), F (0, 1, 1) = (1, 0, 1),
F (0, 0, 1) = (0, 1, 1).
Primeiramente, expressamos um vetor arbitrario (x, y, z) de R3 como combinacao linear dos vetores (1, 1, 1), (0, 1, 1), (0, 0, 1): escrevendo
(x, y, z) = (1, 1, 1) + (0, 1, 1) + (0, 0, 1), temos = x, + =
y, + + = z, donde obtemos, = x, = y x, = z y. Logo,
F (x, y, z) = x F (1, 1, 1) + (y x) F (0, 1, 1) + (z y) F (0, 0, 1)
= x (1, 1, 0) + (y x) (1, 0, 1) + (z y) (0, 1, 1)
= (y, x y + z, z x).
144
Cap. 5
Exemplo 5.10. Determinar a espress

ao da transformac
ao linear
F : P3 (R) M2 (R) tal que

2 5
3
8
2
F (1 t) =
,
F (t 1) =
,
0 1
0 1

2 7
1
4
F (t t3 ) =
, F (t3 ) =
.
5 0
3 2
Fica como exerccio mostrar que B = {1 t, t2 1, t t3 , t3 } e base de
P3 (R). Escrevendo p(t) = a+bt+ct2 +dt3 como combinacao linear dos
elementos de B, a+bt+ct2 +dt3 = x(1t)+y(t2 1)+z(tt3 )+wt3 =
(xy)+(x+z)t+yt2 +(z+w)t3 , obtemos xy = a, x+z = b, y =
c, z + w = d, donde x = a + c, y = c, z = a + b + c, w = a + b + c + d.
Assim,
p(t) = (a + c)(1 t) + c(t2 1) + (a + b + c)(t t3 ) + (a + b + c + d)t3 ,
Logo,

2 5
3
8
F [p(t)] = (a + c)
+c
+
0 1
0 1

2 7
1
4
+ (a + b + c)
+ (a + b + c + d)
5 0
3 2

a b 2c + d
16a + 11b + 24c + 4d
=
8a + 8b + 8c + 3d a 2b 2c 2d
Exerccio 5.3. Existe uma transformac
ao linear T : R2 R2 tal que
T (1, 1) = (1, 2), T (1, 0) = (0, 0) e T (0, 1) = (2, 1)? Existe mais de
uma?
T (1, 1, 1) = (1, 2), T (0, 1, 1) = (1, 0) e T (1, 0, 0) = (0, 0)? Existe mais
de uma?
T (1, 1, 1) = (1, 2), T (0, 1, 1) = (1, 0) e T (1, 0, 0) = (0, 2)? Existe mais
de uma?

5.3. NUCLEO
E IMAGEM
145
Exerccio 5.6. Determinar a transformac

ao linear T : R3 R4 tal
que T (1, 1, 1) = (0, 3, 1, 5), T (1, 1, 0) = (0, 0, 0, 1) e T (1, 0, 0) = (0, 0, 0).
T (1, 1, 1) = (0, 3, 1, 5), T (1, 1, 0) = (0, 0, 0, 1) e T (0, 0, 1) = (0, 0, 0, 0)?
Existe mais de uma?
5.3
N
ucleo e Imagem
Seja T : U V uma transformacao linear. Definimos os conjuntos

ker(T ) = {u U : T (u) = 0 } = T 1 ({0}), chamado n
ucleo de T,
Im(T ) = T (U ) = {T (x) : x U },
chamado imagem de T.
Pelo Teorema 5.4, ker(T ) e um subespaco vetorial de U e Im(T ) e
subespaco de V . O interesse em estudar o n
ucleo e a imagem e que esses
subespacos dao informacoes sobre a injetividade e a sobrejetividade da
transformacao linear: e claro que uma transformacao linear e sobre se
e somente se Im(T ) = V ; veremos que T e injetora se e somente se
ker(T ) = {0}.
Exemplo 5.11. Seja T : R3 R3 , T (x, y, z) = (x, y, 0). Ent
ao
ker(T ) = {(0, 0, c) : c R} e Im(T ) = {(a, b, 0) : a, b R}.
Exemplo 5.12. T : R2 R, T (x, y) = x 3y. Ent
ao ker(T ) =
{(x, y) : x = 3y} e Im(T ) = R (dado w R, e claro que existe
(x, y) R2 tal que T (x, y) = w: basta tomar x = w, y = 0.)
Exemplo 5.13. Seja D : P3 (R) P3 (R) o operador linear definido
por D(p) = p0 , isto e, D(a0 + a1 t + a2 t2 + a3 t3 ) = a1 + 2 a2 t + 3 a3 t2 .
Entao ker(D) = {p : p(t) = a0 }, o conjunto dos polin
omios constantes
e Im(D) = P2 (R).
De fato, temos D(p) = 0 a1 +2 a2 t+3a3 t2 0 a1 = a2 = a3 = 0.
Logo ker(D) = {p : p(t) = a0 }.
Para ver que Im(D) = P2 (R), notemos que, para todo polinomio
f (t) = a + bt + ct2 P2 (R), temos f = D(at + 2b t2 + 3c t3 ).
146
Cap. 5
Exemplo 5.14. Achar o n

ucleo e a imagem da transformac
ao linear
4
F : P2 (R) R tal que F [t] = (2, 1, 18, 9), F [1 t] = (3, 2, 2, 3)
e F [1 + t2 ] = (0, 2, 4, 6).
claro que a imagem de F e o subespaco vetorial de R4 gerado peE
los vetores (3, 2, 2, 3), (0, 2, 4, 6) e (2, 1, 6, 9). Para determinar o
n
ucleo de F , devemos achar a expressao de F . Deixamos como exerccio
mostrar que B = {1 t, 1 + t2 , t} e base de P2 (R) e que cada p(t) =
a+bt+ct2 P2 (R) se escreve como combinacao linear dos elementos da
base B na seguinte forma: p(t) = (a c)(1 t) + c(1 + t2 ) + (a + b c)t.
Logo,
F [p] = (a c) F [1 t] + c F [1 + t2 ] + (a + b c) F [t] =
= (a c) (3, 2, 2, 3) + c (0, 2, 4, 6) + (a + b c) (2, 1, 18, 9)
= (a 2 b c, 3 a + b c, 4 a + 6 b, 6 a + 9 b).
O n
ucleo de F e o conjunto de todos os polinomios p(t) = a + bt + ct2
tais que
a 2b c = 0
3a + b c = 0
4a + 6b
=0
6a + 9b
= 0.
cujas solucoes sao b = 2 a/3 e c = 7 a/3. Logo, p(t) = a (2 a/3) t +
(7 a/3) t2 e
a
ker(F ) = { (1 2 t + 7 t2 ) : c R} = [1 2 t + 7 t2 ].
3
Teorema 5.6. Seja T : U V uma transformac
ao linear. Ent
ao, T
e injetora se e somente se ker(T ) = {0}.
Demonstracao: () Suponhamos T injetora. Vamos mostrar que
ker(T ) = 0. Seja u ker(T ); entao T (u) = 0. Como T (0) = 0 e T
e injetora, devemos ter u = 0. Portanto ker(T ) {0}; como sempre
temos {0} ker(T ), segue-se que ker(T ) = {0}.
() Suponhamos ker(T ) = {0}. Vamos mostrar que T e 1-1. Suponhamos T (u) = T (v), com u, v U . Entao T (u v) = T (u) T (v) = 0;
portanto, u v ker(T ). Como ker(T ) = {0}, devemos ter u v = 0,
donde u = v. Logo, T e 1-1.
N
ucleo e Imagem
147
Exemplo 5.15. Encontrar uma transformac

ao linear F : P2 (R) R2
cujo n
ucleo seja o subespaco [1 t, t2 ].
De acordo com o teorema 5.5, basta definir os valores de F nos vetores
de uma base de P2 (R). Tomemos a base B = {1, 1 t, t2 }. Como
queremos que ker(F ) = [1 t, t2 ], pomos F (1 t) = F (t2 ) = (0, 0);
definimos F (1) = (1, 0). Dado p(t) = a + bt + ct2 P2 (R), podemos
escrever p(t) = (a + b) + (b)t + ct2 . Logo, F (p) = (a + b)(1, 0) =
(a + b, 0).
Exemplo 5.16. Encontrar uma transformac
ao linear T : R3 R3
cuja imagem seja o subespaco gerado pelos vetores (2, 1, 0) e (1, 0, 1).
De acordo com o teorema 5.5, basta definir os valores de T nos vetores
de uma base de R3 . Tomemos B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}e definamos T (1, 0, 0) = (0, 0, 0), T (0, 1, 0) = (2, 1, 0), T (0, 0, 1) = (1, 0, 1).
Entao
T (x, y, z) = x T (1, 0, 0) + y T (0, 1, 0) + z T (0, 0, 1) =
= y (2, 1, 0) + z (1, 0, 1) =
= (2 y + z, y, z).
Exerccio 5.8. Determinar um operador linear em R4 cujo n
ucleo e
gerado pelos vetores (1, 1, 0, 0) e (0, 0, 1, 0).
Teorema 5.7. Seja T : U V uma transformacao linear. Ent
ao
dim U = dim ker(T ) + dim Im (T ).
(5.3)
Demonstracao: Seja B1 = {u1 , . . . , up } uma base de ker(T ) (assim,

dim ker(T ) = p). Usando o Teorema 3.7, podemos estender B1 a
uma base B = {u1 , . . . , up , v1 , . . . , vr } de U (assim, dim U = p + r).
Vamos mostrar que {T (v1 ), . . . , T (vr )} e uma base de Im (T ) (portanto,
dim ker(T ) = p). Com isto ficara mostrada a igualdade (5.3) acima.
Afirmamos que os vetores T (v1 ), . . . , T (vr ) geram Im (T ). De fato,
dado v Im (T ), existe x U tal que T (x) = v. Como B e base de U ,
temos
x = 1 u1 + + p up + 1 v1 + + r vr .
148
Cap. 5
Como T (u1 ) = = T (up ) = 0, pois u1 , . . . , up ker(T ), temos

T (x) = 1 T (u1 ) + + p T (up ) + 1 T (v1 ) + + r T (vr )
= 1 T (v1 ) + + r T (vr ),
Logo, qualquer v Im(T ) e combinacao linear de T (v1 ), . . . , T (vr ).
Afirmamos que os vetores T (v1 ), . . . , T (vr ) sao LI. De fato, se
1 T (v1 ) + + r T (vr ) = 0
temos
T (1 v1 + + r vr ) = 0
e assim,
1 v1 + + r vr ker(T )
Como ker(T ) = [ u1 , . . . , up ], existem escalares 1 , . . . , p tais que
1 v1 + + r vr = 1 u1 + + p up ,
Como os vetores u1 , . . . , up , v1 , . . . , vr sao LI, pois formam uma base
de U , essa igualdade implica
1 = = r = 1 = = p = 0 .
Logo, T (v1 ), . . . , T (vr ) sao LI.
Exemplo 5.17. Nao existe transformac
ao linear F : R2 R3 que seja
sobrejetora.
De fato, pelo teorema anterior, temos
dim Im (T ) = dim R2 dim ker(F ) = 2 dim ker(F ) 2.
Exemplo 5.18. Nao existe transformac
ao linear F : R4 R2 que seja
injetora.
Como dim Im(F ) 2, pelo Teorema anterior, temos
dim ker(F ) = dim R4 dim Im (F ) = 4 dim Im(F ) 2.
Logo, T nao pode ser injetora.
N
ucleo e Imagem
149
Definic
ao 5.1. Uma transformac
ao linear bijetora entre dois espacos
vetoriais U e V e chamada um isomorfismo. Dizemos, neste caso,
que os espacos vetoriais U e V s
ao isomorfos.
claro que, qualquer que seja o espaco vetorial U , o operador identiE
dade IU : U U e um isomorfismo.
Exemplo 5.19. O operador linear T : R2 R2 , dado por T (x, y) =
(x y, x + y), e um isomorfismo.
Exemplo 5.20. A transformac
ao linear F : R2 R, F (x, y) = x y,
nao e um isomorfismo, pois ela n
ao e 1-1: note que F (1, 1) = F (0, 0).
Teorema 5.8. Se F : U V for um isomorfismo, ent
ao F 1 : V U
tambem e.
Demonstracao: Sendo F um isomorfismo, temos que F e invertvel,
portanto, a transformacao inversa F 1 e bijetora. Resta mostrar que
F 1 e linear. Dados y1 , y2 V , sejam x1 , x2 U tais que F (x1 ) = y1
e F (x2 ) = y2 (existem tais x1 , x2 pois F e bijecao). Entao
F 1 (y1 + y2 ) = F 1 [F (x1 ) + F (x2 )] = F 1 [F (x1 + x2 )] = x1 + x2
= F 1 (y1 ) + F 1 (y2 ).
Analogamente verifica-se que F 1 ( y) = F 1 (y).
Exerccio 5.9. Sejam F, G : R3 R3 dados por F (x, y, z) = (x + y,
z + y, z), G(x, y, z) = (x + 2y, y z, x + 2z).
(a) Encontre as expressoes de F G e G F
(b) Encontre bases para ker(F G), ker(GF ), Im(F G) e Im(GF ).
Exerccio 5.10. Determine uma base para o n
ucleo e para a imagem
das transformacoes lineares abaixo:
(a) F : R2 R2 , F (x, y) = (2 x 6 y, 3 x 9 y)
(b) F : R2 R3 , F (x, y) = (2 x 6 y, 3 x 9 y, 2 x 6 y)
(c) F : R3 R3 , F (x, y, z) = (x y + 2 z, 3 x y 2 z, y 4 z)
(d) F : R3 R2 , F (x, y, z) = (x y + 2 z, x 5 z)
(e) F : P2 (R) P2 (R), F (a + b t + c t2 ) = a b + 2 c + (3 a b
2 c) t + (b 4 c) t2

1 2
(f ) F : M2 (R) M2 (R), F (X) = A X, sendo A =
.
2 4
150
5.4
Cap. 5
Autovalores e Autovetores
Para um dado um operador linear T : Rn Rn , queremos encontrar

vetores v 6= 0 para os quais T v e um m
ultiplo de v. Esse conceito
e de grande importancia em diversas areas de Matematica e nas aplicacoes. No proximo captulo, tais vetores desempenharao um papel
fundamental no estudo dos sistemas de equacoes diferenciais lineares.
Seja T : Rn Rn um operador linear. Um autovalor de T e um
escalar tal que existe um vetor v 6= 0 em Rn para o qual T (v) = v.
Qualquer v 6= 0 com essa propriedade e chamado um autovetor de T .
O conjunto
V = {v Rn : T (v) = v}
chama-se autoespaco de T .
Exemplo 5.21. O escalar = 1 e autovalor do operador identidade
I : Rn Rn e qualquer vetor v 6= 0 e um autovetor associado ao
autovalor = 1.
Exemplo 5.22. Seja F : R3 R3 , dado por F (v) = A v, em que
A = diag (c1 , c2 , c3 ). Os n
umeros reais c1 , c2 , c3 s
ao autovalores F ; o
vetor (1, 0, 0) e um autovetor de F associado a c1 , (0, 1, 0) e autovetor
de F associado a c2 e (0, 0, 1) e autovetor associado a c3 .
Como, pelo Teorema 5.2, os operadores lineares em Rn sao da
forma T (u) = A u, para alguma matriz A, encontrar um vetor v =
(x1 , . . . , xn ) tal que T (v) = v e o mesmo que encontrar uma matriz

T
coluna (que por razoes tipograficas escreveremos) X = x1 , . . . , xn
tal que A X = X. Essa equacao matricial pode ser escrita na forma
A X = I X (em que I denota a matriz identidade), ou seja
(A I) X
(5.4)
A equacao matricial (5.4) tem solucao nao trivial e somente se

det (A In ) = 0.
(5.5)
O determinante da matriz A In e um polinomio de grau n em ,

chamado polin
omio caracterstico da matriz A. O escalar e
Autovalores e autovetores
151
chamado um autovalor de A e toda matriz n 1, X 6= 0, tal que

AX = X e um autovetor de A correspondente ao autovalor .

0 1
Exemplo 5.23. Encontrar os autovalores e autovetores de A =
.
1 0
O polinomio caracterstico de A e

1
det(A I) = det
= 2 1 = ( 1)( + 1) .
1
Logo, os autovalores sao 1 = 1 e 2 = 1.
Autovetores associados a = 1: procuramos X = [ a , b ]T tais que
(A I) X = 0.

1
1
a
0
a + b = 0
=
=
= b = a .
1 1
b
0
ab=0
Logo, os autovetores associados ao autovalor = 1 sao todas as matrizes X = [ a , a ]T = a [ 1 , 1 ]T , com a 6= 0.
Autovetores associados a = 1: procuramos Y = [ a , b ]T tais
que (A + I) Y = 0.

1 1
a
0
a+b=0
=
=
= b = a .
1 1
b
0
a+b=0
Logo, os autovetores associados ao autovalor = 1 sao todas as
matrizes Y = [ a , a ]T = a [ 1 , 1 ]T , com a 6= 0.

0 1
Exemplo 5.24. A matriz A =
n
ao tem autovalores reais:
1
0
de fato, o polinomio caracterstico de A, pA (), e

1
pA () = det(A I) = det
= 2 + 1,
1
que nao tem razes reais. No entanto, A tem dois autovalores complexos: i e i.
152
Cap. 5
Calculemos os autovetores de A.
Autovetores associados a = i: procuramos X = [ a , b ]T tais que
(A i I)X = 0.

i 1
a
0
i a + b = 0
=
=
= b = i a .
1 i
b
0
a ib = 0
Logo, os autovetores associados ao autovalor = i sao todas as matrizes X = [ a , i a ]T = a [ 1 , i ]T , com a 6= 0.
Autovetores associados a = i: procuramos Y = [ c , d ]T tais
que (A + i I) Y = 0.

i 1
c
0
ic + d = 0
=
=
= d = i c .
1 i
d
0
c + id = 0
Logo, os autovetores associados ao autovalor = i sao todas as
matrizes Y = [ c , i c ]T = c [ 1 , i ]T , com c 6= 0.
Observac
ao 5.1. O exemplo anterior mostra que para falar em autovalores, devemos especificar se admitimos que eles sejam complexos.
Como o polinomio caracterstico de uma A matriz de ordem n tem n
razes complexas (contando multiplicidade; isto e, uma raiz de multiplicidade k e contada k vezes), segue-se que A tem n autovalores.
Teorema 5.9. Matrizes semelhantes tem o mesmo polin
omio carac1
terstico, isto e, se B = P AP , ent
ao pA (z) = pB (z). Alem disso, se
X for um autovetor de A correspondente ao autovalor , ent
ao P 1 X
e autovalor de B correspondente a .
Demonstracao: De fato, usando a igualdade det (P 1 ) det (P ) = 1,
temos
det (B In ) = det (P 1 AP P 1 In P ) = det P 1 (A In )P
= det P 1 det (A In ) det P = det (A In ).
Logo, o polinomio caracterstico de B e igual ao polinomio caracterstico de A.
Para verificar a segunda parte, seja Y = P 1 X; entao
B Y = P 1 A P P 1 X = P 1 A X = P 1 X = P 1 X = Y .
153
Exemplo 5.25. Seja T o operador linear T : R3 R3 definido por

T (x, y, z) = (2 x, 10 x + 7 y 30 z, 2 x + y 4 z). Encontrar os
autovalores, autovetores e autoespacos de T
facil ver que T (u) = A u, em que
E
2 0
0
A = 10 7 30 .
2 1 4
O polinomio caracterstico de A e:
2
0
0
det(A I) = det 10 7 30
2
1
4

= (2 ) det
7 30
1
4

= (2 )(2 )(1 ).
Portanto, os autovalores sao 1 = 2 = 2 e 3 = 1.

Autovetores e autoespa
co associados a = 2: procuramos v =
(a, b, c) tais que (A 2 I) v = 0.

0 0
0
a
0
10 a + 5 b 30c = 0
10 5 30 b = 0 =
2 a + b 6 c = 0
2 1 6
c
0
donde obtemos b = 2 a + 6 c. Logo, os autovetores sao
v = (a, 2 a + 6 c, c) = a (1, 2, 0) + c (0, 6, 1),
a, c R.
O autoespaco associado a = 2 e V(=2) = [(1, 2, 0), (0, 6, 1)].

Autovetores associados a = 1: procuramos w = (a, b, c) tais que
(A I) w = 0.

1 0
0
a
0
a=0
10 6 30 b = 0 =
10 a + 6 b 30 c = 0
2 1 5
c
0
2 a + b 5 c = 0
donde obtemos a = 0, b = 5 c. Logo w = (0, 5 c, c) = c (0, 5, 1), c R.
O autoespaco associado a = 1 e V(=1) = [(0, 5, 1)].
154
Cap. 5
Observac
ao 5.2. Seja P a matriz cujas colunas s
ao
1
dos autovetores de T ; entao P A P e uma matriz
precisamente,
1 0 0
2
1
ao P A P = 0
se P = 2 6 5 , ent
0 1 1
0
as coordenadas
diagonal; mais
0 0
2 0 .
0 1
O pr
oximo teorema mostra que esse fato e verdadeiro em geral.
Teorema 5.10. Suponhamos que a matriz A tenha n autovetores LI
v1 , . . . , vn associados aos autovalores 1 , . . . , n . Ent
ao A e seme-
lhante a uma matriz diagonal: mais precisamente, se P = v1 , . . . , vn ,
ent
ao P 1 A P = diag (1 , . . . , n ).
Demonstracao: Usando as igualdades A v1 = 1 v1 , . . . , A vn = n vn
e o Teorema 1.1, temos

P 1 A P = P 1 A v1 , . . . , A vn = P 1 1 v1 , . . . , n vn
= 1 P 1 v1 , . . . , n P 1 vn
= diag (1 , , n ) .
Defini
c
ao 5.2. Um operador linear T : Rn Rn , T (v) = A v e dito
diagonaliz
avel quando existe uma base B = {v1 , . . . , vn } de Rn
formada por autovetores de T . Dizemos neste caso que a matriz P =
[v1 , . . . , vn ] diagonaliza T (tambem dizemos que P diagonaliza A).
O operador do Exemplo 5.25 e diagonalizavel. Nem todo operador
e diagonalizavel, como mostra o exemplo seguinte.
Exemplo 5.26. Encontrar os autoespacos do operador T : R3 R3
dado por T (x, y, z) = (y z, 2 x+ 2 y + z, 2 x +
2 y + 3 z).
0 1 1
2
1 .
Temos T (x) = B x em que B = 2
2
2
3
O polinomio caracterstico de B e
0 1
1
2
1
det(B I) = det 2
2
2
3
= 3 + 5 2 8 + 4 = (2 )(2 )(1 ).
155
Portanto, os autovalores sao 1 = 2 = 2 e 3 = 1.

Autovetores associados a = 1: procuramos v = [a, b, c]T tais que
(B I) v = 0.

1 1 1
0
c
2
1
1
b = 0
2
2
2
c
0
a+ b+ c=0
b+ c=0
2a + 2b + 2c = 0
donde obtemos a = 0 e b = c. Portanto v = [0, c, c]T = c [0, 1, 1]T .

O autoespaco associado a = 1 e V(=1) = { [0, x, x]T : x R}.
Autovetores associados a = 2: procuramos w = [d, e, f ]T tais
que (B 2 I) w = 0.

2 1 1
d
0
2
0
1
e = 0
2
2
1
f
0
2d + e + f = 0
2d
+f =0
2d + 2e + f = 0
donde obtemos e = 0 e f = 2 d. Portanto w = d [ 1, 0, 2 ]T . O

autoespaco associado a = 2 e V(=2) = { [ x, 0, 2 x ]T : x R}.
Teorema 5.11. Sejam v1 , . . . , vp autovetores de um operador T associados aos autovalores 1 , . . . p . Se os autovalores 1 , . . . p forem
distintos, entao os autovetores v1 , . . . , vp s
ao linearmente independentes.
Demostrac
ao: Vamos mostrar o teorema por inducao sobre n. Em
primeiro lugar, notemos que o resultado e verdadeiro se n = 1, pois
autovetores sao vetores nao nulos.
Suponhamos que o resultado seja valido para um n
umero k. Vamos
mostrar que ele e verdadeiro para k + 1.
Sejam v1 , . . . , vk+1 autovetores de T . Suponhamos que os n
umeros
1 , . . . , k+1 sejam tais que
1 v1 + + k vk + k+1 vk+1 = 0
(5.6)
156
Cap. 5
(queremos concluir que essa relacao implica 1 = 0, . . . , k+1 = 0).

Aplicando T aos dois membros de (5.6) e notando que v1 , . . . , vk+1
sao autovetores de T , obtemos
1 1 v1 + + k k vk + k+1 k+1 vk+1 = 0.
(5.7)
Multiplicando (5.6) por k+1 e subtraindo de (5.7), obtemos

1 (1 k+1 ) v1 + + k (k k+1 ) vk = 0.
(5.8)
Agora, como o resultado e verdadeiro para k autovetores, temos que

v1 , . . . , vk sao LI. Portanto
1 (1 k+1 ) = 0, . . . , k (k k+1 ) = 0
Como, por hipotese, os autovalores sao dois a dois distintos, temos
1 = = k = 0. Substituindo em (5.6), obtemos k+1 vk+1 = 0.
Como vk+1 6= 0, temos k+1 = 0. Logo, v1 , . . . , vk+1 sao LI.
Como conseq
uencia imediata dos Teoremas 5.10 e 5.11, temos:
Teorema 5.12. Se o operador T : Rn Rn tem n autovalores distintos, entao T e diagonalizavel.
Um resultado importante no estudo de autovalores e autovetores,
cuja prova omitiremos e:
Teorema 5.13. Seja A uma matriz n n simetrica. Ent
ao:
(i) os autovalores de A sao reais;
(ii) existe uma base ortonormal de Rn formada por autovetores de A.
Exerccio 5.11. Encontre os autovalores e autovetores das matrizes
abaixo:
2 1
0 0
1
2 1
3 0
0
0 2
0 0
0
A = 0 1
B = 0 2 5 C =
0 0
1 1
0
0 2
0 1 2
0 0 2 4
157
Exerccio 5.12. Encontre os autovalores e autovetores dos operadores

lineares abaixo (em (a) e (c), k R e uma constante fixada):
(a) T (x, y) = (k x, k y)
(b) T (x, y) = (x, k y)
(c) T (x, y) = (x + y, x y)
(d) T (x, y) = (x, y)
(e) T (x, y) = (x y, 3x + y)
(f ) T (x, y, z) = (z, y, x).
(g) T (x, y, z) = (3 x, 2 y5 z, y2 z) (h) T (x, y, z) = (x, x+2y, x+y)
(i) T (x, y, z, w) = (3 x + y, 3 y, 4 z, 3 w)
(j) T (x, y, z, w) = (2 x + y, 2 y, z + w, 2 z + 4 w).
Exerccio 5.13.
Verifiquese A e diagonaliz
avel, sendo:
3 6 2
0
1
2
1 1 A= 2
1 6
(a) A = 1
1
2 0
1 1
3
Exerccio 5.14. Determine quais das matrizes abaixo e diagonaliz
avel;
quando
A.
for o caso,
escreva
a matriz que diagonaliza
3 0
0
1 4 14
1 2 0
(a) 0 2 5 (b) 2 7 14 (c) 0 1 1
0 1 2
2 4 11
1
0 0
2 1 0 0
2
0 1 0
2 0 1
0 2 0 0
2 0 1
(f ) 0
0 3 1 (e)
(d)
0 0 2 0
12
0 3 0
0 0 3
0 0 0 3
0 1 0 0
1
0
0
0
Exerccio 5.15. Seja 2 1
1
0 2
a) Determine os autovalores e autovetores de A;
b) Determine uma base para os correspondentes autoespacos;
c) Determine uma matriz P que diagonaliza A e calcule P 1 A P .
Exerccio 5.16. Seja T : R3 R3 T (x, y, z) = (3x 4z, 3y + 5z, z):
(a) Encontre o polinomio caracterstico de T .
(b) Para cada autovalor de T , encontre o autoespaco V () e de sua
dimensao.
(c) T e diagonalizavel? Justifique.
(d) Caso (c) seja verdadeira, ache uma matriz P que diagonaliza T .
158
Cap. 5
Exerccio 5.17. Seja T : R3 R3 , T (x, y, z) = (x, 2 x + 2 y, x + k z).

(a) Calcular o polinomio caracterstico e os autovalores de T .
(b) Determinar todos os valores de k para que T seja diagonaliz
avel.
(c) Para tais valores de k, ache uma matriz que diagonaliza T .
Exerccio 5.18. Que condicoes os n
umeros a e b devem satisfazer para
3
3
que o operador linear T : R R , T (x, y, z) = (x + z, b y, a x z)
seja diagonalizavel?
Exerccio 5.19. Seja T : R2 R2 um operador linear tal que v1 =
(1, 1) e v2 = (1, 0) sao autovetores de T correspondentes aos autovalores 1 = 2 e 2 = 3, respectivamente. Determine T (x, y).
Exerccio 5.20. Considere o operador linear F : R3 R3 tal que
v = (1, 0, 0) e autovetor com autovalor nulo e F (0, 1, 0) = (0, 2, 1) e
F (0, 1, 1) = (0, 0, 3). Determine F (x, y, z).
Captulo 6
Sistemas de Equa
c
oes
Diferenciais Lineares
6.1
Introduc
ao
Consideremos um sistema mecanico formado por duas partculas de

massas m1 e m2 ligadas a molas, como na figura abaixo. Suponhamos
que as massas estao imersas em meios que oferecem resistencias aos seus
movimentos e essas resistencias sejam propocionais às correspondentes
velocidades das massas.
k1
Ox
z1
m1
?
Oy
z2 ?
k2
m2
Figura 6.1
De acordo com a segunda lei de Newton, o movimento das partculas
e descrito pelo sistema de equacoes diferenciais
m1 z100 = k1 z1 k2 z1 + k2 z2 b1 z10
m2 z200 = k1 z2 k2 z2 b2 z20 .
159
(6.1)
160
Cap. 6
Sistemas de Equacoes Diferenciais
Sistemas de equacoes diferenciais ocorrem com freq

uencia em Mecanica,
por causa da segunda lei de Newton. A posicao x(t) de uma partcula
de massa m em um instante t, sujeita a uma forca F(t, x(t), x 0 (t))
(essa notacao significa que a forca pode depender do instante t, da posicao x(t) e da velocidade x 0 (t) naquele instante) e dada pela equac
ao
diferencial vetorial
m x 00 = F(t, x, x 0 )
(6.2)
Em termos das componentes x(t) = (x1 , x2 , x3 ), F = (f1 , f2 , f3 ),
temos
m x001 = f1 (t, x1 , x2 , x3 , x01 , x02 , x03 )

m x002 = f2 (t, x1 , x2 , x3 , x01 , x02 , x03 )
(6.3)
00
0
0
0
m x3 = f3 (t, x1 , x2 , x3 , x1 , x2 , x3 )
A Figura 6.2 abaixo mostra uma malha com dois circuitos eletricos
contendo uma fonte de forca eletromotriz E, dois resistores R1 e R2 e
dois indutores L1 e L2 . Usando as Leis de Kirchoff, podemos mostrar
que as correntes I1 e I2 satisfazem o sistema de equacoes diferenciais

L1 I10 + R1 I1 + R1 I2 = E
(6.4)
L2 I20 + R1 I1 + (R1 + R2 )I2 = E
R1
R2
-
I
E
L1
I2
?
I1
L2
Figura 6.2
A equacao diferencial linear de ordem n
y (n) + an1 (t) y (n1) + + a1 (t)y 0 + a0 (t)y = g(t)
pode ser escrita como sistemas de equacoes diferenciais de primeira
ordem. De fato, pondo,
z1 = y, z2 = y 0 , , zn = y (n1) ,
Introducao
161
obtemos o sistema
z10 = z2
z2 = z3
..
.
z
= yn
zn1
0
=
g(t) an1 (t) zn a1 (t) z2 a0 (t) z1
n
Para os nossos objetivos, basta considerar sistemas de equacoes diferenciais de primeira ordem, pois qualquer equacao diferencial de ordem superior a um pode ser transformada em um sistema de equacoes
de primeira ordem. Consideremos, por exemplo, o sistema (6.3). Definindo as variaveis
y1 = x1 , y2 = x01 , y3 = x2 , y4 = x02 , y5 = x3 , y6 = x03 ,
reescrevemos o sistema (6.3) como
0
y1 = y2
y
=
f1 (t, y1 , y3 , y5 , y2 , y4 , y6 )
y30 = y4
1
f1 (t, y1 , y3 , y5 , y2 , y4 , y6 )
y40 =
y5 = y6
y60 = 1 f1 (t, y1 , y3 , y5 , y2 , y4 , y6 )
m
Os sistemas de equacoes diferenciais podem geralmente ser escritos
na forma
y1 = f1 (t, y1 , . . . , yn )
..
(6.5)
.
y 0 = f (t, y , . . . , y )
n
1
n
n
Aqui f1 (t, y1 , . . . , yn ), . . . , fn (t, y1 , . . . , yn ) sao funcoes definidas em
um subconjunto aberto de Rn+1 .
Uma soluc
ao do sistema (6.5) e uma funcao vetorial continuamente diferenciavel y(t) = (y1 (t), . . . , yn (t)) que satisfaz cada uma das
162
Cap. 6
equacoes em (6.5). Por exemplo, a funcao y(t) = (2 e4t , 2 e4t + 1)

e solucao do sistema
0
y1 = y1 + 5 y2 5
(6.6)
y20 = 2 y1 2 y2 + 2
De fato, se y2 (t) = 2 e4t e y2 (t) = 2 e4t + 1, temos y10 (t) = 8 e4t =
= y1 (t) + 5 y2 (t) 5 e y20 (t) = 8 e4t = 2 y1 (t) 2 y2 (t) + 2.
Fixados um vetor v Rn e um n
umero t0 de modo que (t0 , v) ,
o problema de encontrar uma solucao y(t) de (6.5) tal que y(t0 ) = v
chama-se problema de valor inicial para o sistema (6.5).
Um fato importante sobre o sistema (6.5) e que sob condicoes razoaveis, podemos garantir existencia de solucoes desse sistema.
Teorema 6.1. Suponhamos que as func
oes f1 , . . . , fn e suas derivadas
parciais de primeira ordem fi /xj , i, j = 1, . . . , n sejam contnuas
no conjunto aberto . Entao, dado qualquer (t0 , y0 ) , existe um
n
umero r > 0 tal que o sistema (6.5) tem uma u
nica soluc
ao y(t),
definida em um intervalo (t0 r, t0 + r), tal que y(t0 ) = y0 .
A demonstracao desse teorema envolve conceitos mais elaborados
e, por esta razao, sera omitida.
Como conseq
uencia do Teorema 6.1, o problema de valor inicial
0
x = sen (t3 y 5 ) + e3y+7x
y 0 = ln(x2 + y 4 + 1) + cos(5x + 2ty)
(6.7)
x(0) = 1, y(0) = 5
tem uma u
nica solucao definida em algum intervalo contendo t0 = 0.
Nao parece facil descobrir uma solucao para tal sistema. Esse exemplo
mostra que o sistema (6.5) e geral demais e fica difcil obter informacoes
precisas a respeito de suas solucoes. Por essa razao, vamos concentrar
nossa atencao aos sistemas lineares, que sao da forma
y1 = a11 (t) y1 + + a1n (t) yn + g1 (t)

..
(6.8)
.
y 0 = a (t) y + + a (t) y + g (t) ,

n1
1
nn
n
n
n
6.2. FATOS GERAIS SOBRE SISTEMAS LINEARES
163
com as funcoes aij (t) e gi (t), i, j = i, . . . , n, contnuas em um intervalo

I R. O sistema (6.6) e linear, mas o sistema (6.7) nao e linear.
As expressoes (6.8) sao desajeitadas para denotar um sistema linear. Definindo as matrizes y, A(t) e g(t) por
y1
a11 (t) a12 (t) a1n (t)
g1 (t)
y2
a21 (t) a22 (t) a2n (t)
g2 (t)
y = .. , A(t) =
g(t)
=
..
..
.
.
.
..
..
.
..
.
.
yn
an1 (t) an2 (t) ann (t)
gn (t)
podemos entao reescrever o sistema (6.8) na forma
y0 = A(t) y + g(t)
(6.9)
Se g(t) 6= 0, o sistema (6.9) e chamado sistema linear n

ao homog
eneo.
Se g(t) = 0, t, esse sistema fica
y0 = A(t) y
(6.10)
e e chamado sistema linear homog

eneo.
Como no caso das equacoes de primeira e de segunda ordem, chamaremos soluc
ao geral do sistema (6.9) a uma expressao que contenha
todas as solucoes desse sistema.
Para sistemas lineares podemos afirmar um pouco mais sobre a
existencia de solucoes: elas estao definidas em todo o intervalo I, como
afirma o proximo teorema.
Teorema 6.2. Suponhamos que as func
oes A(t) e g(t) sejam contnuas
no intervalo I (isto e, as func
oes aij (t) e gi (t), i, j = i, . . . , n, s
ao
n
contnuas em I). Entao, dados t0 I e y0 R , o sistema (6.9)
tem uma u
nica solucao y(t), definida em todo o intervalo I, tal que
y(t0 ) = y0 .
6.2
Fatos Gerais sobre Sistemas Lineares
Uma propriedade caracterstica dos sistemas lineares e o chamado

Princpio de Superposicao, dado no proximo teorema. A demonstracao
e imediata e sera omitida.
164
Cap. 6
Teorema 6.3. Consideremos os sistemas lineares

y0 = A(t) y + g1 (t)
y0 = A(t) y + g2 (t) .
(6.11)
(6.12)
Suponhamos que y1 (t) seja uma soluc

ao do sistema (6.11), y2 (t) uma
soluc
ao do sistema (6.12) e sejam c1 , c2 duas constantes. Ent
ao a
func
ao
y(t) = c1 y1 (t) + c2 y2 (t)
e uma solucao do sistema
y0 = A(t) y + c1 g1 (t) + c2 g2 (t).
(6.13)
Em particular, para sistemas homogeneos, temos

Corol
ario 6.1. Suponhamos que y1 (t) e y2 (t) sejam soluc
oes do
sistema linear homogeneo
y0 = A(t) y
Ent
ao qualquer combinacao linear dessas soluc
oes
y(t) = c1 y1 (t) + c2 y2 (t)
tambem e uma solucao desse sistema. Em outras palavras, o conjunto
de todas solucoes do sistema homogeneo e um espaco vetorial.
Como uma conseq
uencia imediata do princpio de superposicao temos
Corol
ario 6.2. Sejam x(t) uma soluc
ao do sistema linear homogeneo
x0 = A(t) x
e y(t) uma solucao do sistema linear n
ao homogeneo
y0 = A(t) y + g(t).
(6.14)
Ent
ao x(t) + y(t) e uma solucao do sistema n
ao homogeneo (6.14).
Fatos Gerais
165
Como nos captulos anteriores, e de fundamental importancia conhecer o espaco vetorial das solucoes do sistema homogeneo. Para isso
devemos encontrar uma base de solucoes desse sistema.
Teorema 6.4. Suponhamos que a func
ao matricial A(t) seja contnua
no intervalo I. Entao o espaco vetorial S0 das soluc
oes do sistema
homogeneo y0 = A(t)y tem dimens
ao n.
Demonstracao: Fixemos t0 I. Seja B = {e1 , e2 , . . . , en } a base
canonica de Rn , isto e
e1 = (1, . . . , 0) , e2 = (0, 1, . . . , 0) , . . . , en = (0, . . . , 1)
Pelo Teorema 6.2, para cada j = 1, 2, . . . , n, existe uma u
nica solucao
yj (t) do problema de valor inicial
0
y = A(t) y
y(t0 ) = ej
Afirmamos que as solucoes y1 (t), y2 (t), . . . , yn (t) constituem uma base
de S0 . Em primeiro lugar, elas sao linearmente independentes, pois se
os escalares 1 , 2 , . . . , n sao tais que
1 y1 (t) + 2 y2 (t) + + n yn (t) = 0,
t I,
entao, em particular, para t = t0 , temos

1 y1 (t0 ) + 2 y2 (t0 ) + + n yn (t0 ) = 1 e1 + 2 e2 + + n en = 0;
como e1 , e2 , . . . , en sao vetores linearmente independentes em Rn , temos 1 = 2 = = n = 0. Logo, as funcoes y1 (t), y2 (t), . . . , yn (t)
sao linearmente independentes.
Mostremos agora que toda solucao (t) do sistema y0 = A y e uma
combinacao linear das solucoes y1 (t), y2 (t), . . . , yn (t). Em primeiro
lugar, como S0 e um espaco vetorial, e claro que qualquer combinacao
linear de y1 (t), y2 (t), . . . , yn (t) e uma solucao desse sistema.
Seja v = (t0 ). Como {e1 , e2 , . . . , en } e uma base de Rn ,
existem n
umeros c1 , c2 , . . . , cn tais que
v = c 1 e 1 + c 2 e 2 + + c n en
166
Cap. 6
Consideremos a funcao
z(t) = c1 y1 (t) + c2 y2 (t) + + cn yn (t) .
Ela e uma solucao do sistema y0 = A y e satisfaz z(t0 ) = v. Agora,
a funcao (t) tambem e solucao desse sistema e (t0 ) = v. Como as
funcoes (t) e z(t) sao solucoes do problema de valor inicial
0
y = A(t) y
y(t0 ) = v
e como, pelo Teorema 6.2, esse problema de valor inicial tem uma u
nica
solucao, segue-se que (t) = z(t), t I, isto e
(t) = c1 y1 (t) + c2 y2 (t) + + cn yn (t) , t I.
ou seja, a solucao (t) e combinacao linear de y1 (t) , y2 (t) , . . . , yn (t).
Logo { y1 (t), y2 (t), . . . , yn (t) } e base do espaco vetorial S0 e portanto dim S0 = n.
De acordo com o Teorema 6.4, se x1 (t), . . . , xn (t) sao solucoes
linearmente independentes do sistema
x0 = A(t) x
(6.15)
entao toda solucao desse sistema e da forma

x(t) = c1 x1 (t) + + cn xn (t),
c1 , . . . , cn R.
(6.16)
Como toda solucao do sistema (6.15) e dada pela formula (6.16), essa
expressao e a solucao geral de (6.15).
Combinando esse fato com o princpio de superposicao e o Corolario
6.2 temos o seguinte resultado.
Corol
ario 6.3. Se y0 (t) e uma solucao particular do sistema n
ao homogeneo
y0 = A(t) y + g(t)
(6.17)
e se x(t) = c1 x1 (t) + + cn xn (t) e a soluc
ao geral do sistema homogeneo associado, entao a soluc
ao geral do sistema n
ao homogeneo
(6.17) e da forma
y(t) = y0 (t) + c1 x1 (t) + + cn xn (t),
c1 , . . . , cn R.
(6.18)
Fatos Gerais
Exemplo 6.1. Consideremos o sistema n
ao homogeneo
0
x = x + 5 y + 4 t 15
y 0 = 2 x 2 y 10 t + 8
e o sistema homogeneo associado
0
x = x + 5y
y0 = 2 x 2 y
167
(6.19)
(6.20)
facil ver que as funcoes vetoriais x1 (t) = e4 t (1, 1)T e x2 (t) =

E
e3 t (5, 2)T sao solucoes do sistema homogeneo (6.20); ent
ao a soluc
ao
geral desse sistema e

x(t)
C1 e4 t + 5 C2 e3 t
=
, C1 , C2 R.
y(t)
C1 e4 t + 2 C2 e3 t
Como y0 (t) = (3 t 1, 2 t + 4)T e uma soluc
ao do sistema n
ao homogeneo (6.20), temos que a soluc
ao geral do sistema n
ao homogeneo
e

x(t)
3 t 1 + C1 e4 t + 5 C2 e3 t
, C1 , C2 R.
=
2 t + 4 C1 e4 t + 2 C2 e3 t
y(t)
Exerccio 6.1. Sabendo que 1 (t) = (et e3 t , cos 3 t e3 t , e3 t ),
2 (t) = (et + e3 t , cos 3 t + e3 t , e3 t ) e 3 (t) = (et + e2 t , cos 3 t + e2 t , 0)
sao solucoes do sistema x0 = A x + g(t) , encontre a sua soluc
ao geral.
Notemos que a solucao geral de (6.20) acima pode ser escrita na forma

C1
x(t)
e4t 5 e3 t
(6.21)
=
e4 t 2 e3 t
C2
y(t)
e que as colunas da matriz do segundo membro de (6.21) sao as solucoes
LI y1 (t) = e4 t [ 1, 1 ]T e y2 (t) = e3 t [ 5, 2 ]T dadas acima. Essa
matriz desempenhara um papel importante no que segue.
Definic
ao 6.1. Seja { x1 (t), . . . , xn (t) } uma base de soluc
oes do sistema x0 = A(t) x. A matriz n n

X(t) = x1 (t) . . . xn (t)
(6.22)
chama-se matriz fundamental desse sistema.
168
Cap. 6
No exemplo 6.1, uma matriz fundamental do sistema (6.20) e

4t

e
5 e3 t
X(t) =
.
e4t 2 e3 t
A solucao geral do sistema (6.1) pode ser escrita na forma X(t)v, em
que v e um vetor arbitrario de R2 . Essa propriedade e verdadeira
em geral: de fato, da relacao (6.16) concluimos facilmente o seguinte
resultado.
Teorema 6.5. Se X(t) e uma matriz fundamental do sistema (6.15)
e v denota um vetor arbitrario de Rn , ent
ao a soluc
ao geral de (6.15)
e X(t)v.
6.3
Sistema Homog
eneo com Coeficientes
Constantes
Nesta secao estudamos sistemas

x0 = A x
(6.23)
em que A e uma matriz constante de ordem n.

Como ja fizemos anteriormente, procuraremos solucoes de (6.23) na
forma x(t) = e t v. Substituindo essa expressao em (6.23), temos
e t v = A e t v
(6.24)
Portanto,
Av = v
ou seja, v e autovetor de A com autovalor .
Quando a matriz A tem n autovetores linearmente independentes v1 , . . . , vn , correspondentes aos autovalores reais 1 , . . . , n , uma
matriz fundamental do sistema (6.23) e

X(t) = e1 t v1 , . . . , en t vn
Sistema homogeneo
169
Exemplo 6.2. Encontrar uma matriz fundamental de soluc

oes para o
sistema
0
x = x + 5y
y0 = 2 x 2 y

1
5
Os autovalores da matriz A =
sao as solucoes da
2 2
equacao

1
5
det
= (1 )(2 ) 10 = 0
2
2
ou seja
2 + 12 = 0
Portanto, os autovalores de A sao 1 = 3 e 2 = 4.
Autovetores de A associados ao autovalor 1 = 3: procuramos vetores v = [ a, b ]T 6= [ 0, 0 ]T tais que (A 3 I) v = 0, ou seja

2
5
a
0
=
donde
5b = 2a
2 5
b
0
Pondo a = 5, temos b = 2. Assim, um correspondente autovetor e
v = [ 5, 2 ]T e uma solucao do sistema e y1 (t) = e3 t [ 5, 2 ]T .
Para determinar os autovetores associados ao autovalor 2 = 4,
procuramos v = [ c, d ]T tais que (A + 4 I) v = 0, ou seja

5 5
c
0
=
donde
d = c
2 2
d
0
Portanto, um correspondente autovetor e v = [ 1, 1 ]T e uma solucao
do sistema e y1 (t) = e4 t [ 1, 1 ]T .
Logo, uma matriz fundamental de solucoes e

5 e3 t
e4 t
X(t) =
,
2 e3 t e4 t
e a solucao geral do sistema e

x(t)
5 A e3 t + B e4 t
,
=
2A e3 t B e4 t
y(t)
A, B R.
170
Cap. 6

ao geral do sistema
x0 = 4 x 3 y z
y0 = x z
z 0 = 4 x + 4 y z
O polinomio caracterstico e

4 3
1

1
p() = 1
4
4 1
(6.25)

= 3 + 3 2 + 3 = 0

Os candidatos a razes inteiras sao: 1 e 3. Como p(1) = 0, vemos

que 1 = 1 e raiz. Dividindo p() por 1, temos
1 3 1 3 1
1 2 3 0
O quociente de p() por 1 e q() = 2 + 2 + 3: suas razes sao:
2 + 16
2 16
2 =
= 1 e 3 =
= 3.
2
2
Portanto, os autovalores de A sao 1 = 1, 2 = 1 e 3 = 3.
Os autovetores associados a 1 = 1 sao os vetores v1 = [ a, b, c ]T
tais que (A+I)v1 = 0 (A denota a matriz dos coeficientes do sistema),
ou seja

5 3 1
a
0
5a 3b c = 0
1
b = 0
1 1
a+ bc=0
ou
4
4
0
c
0
4 a + 4 b
=0
donde obtemos b = a c = 2 a. Portanto, um autovetor e v = [ 1, 1, 2 ]T ,
que da a solucao x1 (t) = et [ 1, 1, 2 ]T .
Os autovetores associados a 2 = 1 sao os vetores v2 = [ d, e, f ]T
tais que (A I)v2 = 0, ou seja

3 3 1
d
0
3d 3e f = 0
1 1 1 e = 0 ou
d e f =0
4d + 4e 2f = 0
4 4 2
f
0
Sistema homogeneo
171
Dessas equacoes, obtemos d = e, f = 0. Portanto, um autovetor e

v2 = [ 1, 1, 0 ]T , que da a solucao x2 (t) = et [ 1, 1, 0 ]T .
Os autovetores associados a 3 = 3 sao os vetores v3 = [ r, s, w ]T
tais que (A 3 I)v3 = 0, ou seja

1 3 1
r
0
r 3s w = 0
1 3 1 s = 0 ou
r 3s w = 0
4
4 4
w
0
4 r + 4 s 4 w = 0
Resolvendo esse sistema, obtemos r = 2 w, s = w. Portanto, um
autovetor e v = [ 2, 1, 1 ]T , que da a solucao x3 (t) = e3t [ 2, 1, 1 ]T .
Logo, uma matriz fundamental para o sistema e
t
e
et 2 e3t
et
e3t
X(t) = et
t
0 2e
e3t
e a solucao geral desse sistema e
x(t)
et + et + 2 e3t
y(t) = X(t) = et + et + e3t ,
z(t)
2 et e3t
, , R.
Autovalores Repetidos
Analisemos agora o caso em que a multiplicidade do autovalor 0
e 2, isto e, o polinomio caracterstico tem um fator ( 0 )2 , e nao
existem 2 autovetores linearmente independentes associados a 0 . Uma
solucao do sistema e naturalmente x1 (t) = e0 t u, em que u e autovetor
associado a 0 . Para obter uma solucao independente de x1 (t) vamos
adaptar para este caso o metodo visto no Captulo 4: procuraremos
uma nova solucao na forma
x(t) = e0 t (v + t w) ;
(6.26)
(assim, o que procuramos sao os vetores v e w). Substituindo (6.26)

no sistema x0 = A x, temos
0 e0 t (v + t w) + e0 t w = e0 t (A v + t A w)
172
Cap. 6
Portanto os vetores v e w devem satisfazer

A w = 0 w
A v = 0 v + w
Observemos que as duas igualdades acima podem ser reescritas como

( A 0 I ) w = 0
(6.27)
( A 0 I ) v = w
0
x = 4x + y
ao geral do sistema
y 0 = x + 6 y

4 1
A matriz dos coeficientes do sistema e A =
. Os autova1 6
lores sao dados pela equacao

4
1
det(A I) = det
= (4 )(6 ) + 1 = 0
1 6
ou
2 10 + 25 = 0
Portanto = 5 e autovalor de A com multiplicidade 2. Os autovetores
sao os vetores u = [ a b ]T tais que ( A 5 I ) u = 0, ou seja

1 1
a
0
=
ou b = a
1 1
b
0
Portanto, um autovetor de A e u = [ 1, 1 ]T , que da a solucao x1 (t) =
e5 t [ 1, 1 ]T . Para obter uma solucao linearmente independente de x1 (t)
procuramos v = [ c d ]T de modo que ( A 5 I )v = u

1 1
c
1
=
donde d = 1 + c
1 1
d
1
Tomando c = 0, temos d = 1; assim, v = [ 0 1 ]T e outra solucao e

t
1
0
x2 (t)
5t
5t
5t
=e
+ te
x2 (t) =
=e
1+t
1
1
y2 (t)
Sistema homogeneo
173
Logo, a solucao geral do sistema e x(t) = x1 (t) + x2 (t), , R,

ou seja,

x(t)
+ t
5t
x(t) =
= e
, , R.
y(t)
++t
Autovalores Complexos
Analisemos agora o caso em que um autovalor de A tem parte imaginaria diferente de zero. Para simplificar nosso trabalho, assumiremos
que a matriz A e real (essa hipotese nao foi necessaria nos 2 casos anteriores: o que realmente foi usado e que os autovalores e os autovetores
eram reais). Os proximos lemas indicam como obter solucoes reais
para o sistema.
Em primeiro lugar, mostramos que autovalores e autovetores complexos ocorrem aos pares.
Lema 6.1. Suponhamos que A seja uma matriz n n real. Ent
ao:
(a) Se v e autovetor de A com autovalor , ent
ao v
e autovetor com
autovalor .
(b) Se v = u + i w (u, w Rn ) e autovetor associado a um autovalor
complexo = + i , com 6= 0, ent
ao u e w s
ao linearmente
n
independentes em R .
Demonstracao: (a) Se A v = v, entao, tomando conjugado complexo nos dois membros dessa igualdade, temos A v = v. Como
v
v
A v = A v
= Av
e v =
, segue-se que A v
=
. Logo, v
e
autovetor de A com autovalor .

(b) Se u e w fossem linearmente dependentes, um deles seria m
ultiplo
do outro: analisaremos apenas o caso w = k u (o caso u = k w
e analogo). Entao, como v = (1 + i k) u e autovetor com autovalor
= + i , temos
(1 + i k) Au = (1 + i k) u
donde, cancelando 1 + i k, obtemos Au = u, uma igualdade impossvel, uma vez que o primeiro membro pertence a Rn e o segundo
174
Cap. 6
membro e um vetor cujas componentes tem partes imaginarias nao

nulas. Logo, os vetores u e w sao linearmente independentes.
Lema 6.2. Seja A uma matriz n n real, e sejam F (t) e G(t) func
oes
vetoriais reais contnuas. Se z(t) = x(t) + i y(t), em que as func
oes
x(t), y(t) sao reais, e uma soluc
ao do sistema z0 = A z + f (t) + i g(t),
ent
ao x e y satisfazem: x0 = A x + f (t) e y0 = A y + g(t). Em
particular, para f = g = 0, temos: se z(t) e uma soluc
ao complexa do
sistema homogeneo z0 = A z, ent
ao x(t) e y(t) s
ao soluc
oes reais desse
sistema.
Demonstracao:
Como z(t) = x(t) + i y(t), temos
z0 (t) = x0 (t) + i y0 (t) e z0 (t) = Ax(t) + i Ay(t) + f (t) + i g(t),

donde
x0 (t) + i y0 (t) = Ax(t) + f (t) + i [Ay(t) + g(t)].
Igualando partes reais e partes imaginarias, obtemos
x0 (t) = A x(t) + f (t)
y0 (t) = A y(t) + i g(t) .
A afirmacao para o sistema homogeneo e conseq

uencia direta do caso
nao homogeneo.
Lema 6.3. Seja A uma matriz n n real. Se v = u + i w e um
autovetor de A com autovalor = + i ( 6= 0), ent
ao as func
oes
e t (u cos t w sen t)
e t (u sen t + w cos t)
s
ao solucoes linearmente independentes do sistema x0 = A x.
Demonstracao:
Pelo Lema 6.2, a solucao complexa

e t v = e t (u cos t w sen t) + i (u sen t + w cos t)
da origem às solucoes reais
e t (u cos t w sen t) e e t (u sen t + w cos t).
Sistema homogeneo
175
Para mostrar que essas solucoes sao LI, notemos que, se

a e t (u cos t w sen t) + b e t (u sen t + w cos t) = 0
entao
e t (a cos t + b sen t)u + (a sen t + b cos t)w = 0 .
Como, pelo Lema 6.1, os vetores u e w sao linearmente independentes,
a igualdade acima implica
a cos t + b sen t = 0 .
Agora, como as funcoes cos t e sen t sao linearmente independentes,
temos a = b = 0. Logo, as solucoes reais e t (u cos t w sen t) e
e t (u sen t + w cos t) sao linearmente independentes.
Exemplo 6.5. Encontrar uma matriz fundamental para o sistema
0
x = 3x + 4y
y 0 = 2 x + 7 y .
O polinomio caracterstico e

3
4
det
= 2 10 + 29 .
2 7
Portanto os autovalores sao 1 = 5 + 2 i e 2 = 5 2 i. Os autovetores
associados a 1 = 5 + 2 i sao os vetores v = [ a, b ]T tais que

2 2 i
4
a
0
=
ou seja a = (1 i) b .
2
2 2i
b
0
Portanto, um autovetor e v = [ 1 i, 1 ]T , que fornece a solucao complexa

1
x(t)
1
(5+2 i)t 1 i
5t
=e
= e (cos 2t + i sen 2t)
+i
y(t)
1
1
0

1
1
= e5 t cos 2 t
sen 2 t
+
1

0

1
1
+ i e5 t sen 2 t
+ cos 2 t
1
0

sen 2 t cos 2 t
cos
2
t
+
sen
2
t
5t
5t
.
+ ie
=e
sen 2 t
cos 2 t
176
Cap. 6
que, por sua vez, da origem às solucoes reais linearmente independentes

x1 (t)
cos 2t + sen 2t
x2 (t)
sen 2t cos 2t
5t
5t
=e
e
=e
.
y1 (t)
cos 2t
y2 (t)
sen 2t
Logo, uma matriz fundamental de solucoes reais e

cos 2 t + sen 2 t sen 2 t cos 2 t
5t
.
X(t) = e
cos 2 t
sen 2 t
6.4
Sistema N
ao Homog
eneo
Nesta secao estudamos sistemas nao homogeneos

y0 = A y + f (t)
(6.28)
em que A e uma matriz constante e f (t) e uma funcao vetorial definida

em um intervalo I R com valores em Rn . De acordo com o princpio
de superposicao, a solucao geral do sistema (6.28) e a soma de uma
solucao particular de (6.28) com a solucao geral do sistema homogeneo
associado
x0 = A x .
Para encontrar uma solucao particular do sistema (6.28), temos o
metodo dos coeficientes indeterminados e a formula de variacao dos
parametros, que apresentamos a seguir.
6.5
M
etodo dos Coeficientes a Determinar
As consideracoes sobre o metodo dos coeficientes indeterminados para

sistemas de equacoes diferenciais escalares sao essencialmente as mesmas vistas para equacoes escalares.
ao geral do sistema linear n
ao homogeneo

1 2
0
t
0
t
y+e
.
y = Ay + e B =
1 4
6
177
Analisemos primeiro o sistema homogeneo associado. O polinomio

caracterstico da matriz A e

1
2
2

1 4 = 5 + 6 = ( 2)( 3) .
Portanto, os autovalores de A sao 2 e 3. Os autovetores z = [ a, b ] de
A associados ao autovalor 2 sao dados por

1 2
a
0
=
ou a = 2 b.
1 2
b
0
Portanto z = [ 2, 1 ]T e uma solucao e x1 (t) = e2 t [ 2, 1 ]T .
Os autovetores z = [ c, d ] de A associados ao autovalor 3 sao dados
por

2 2
c
0
=
ou d = c.
1 1
d
0
Portanto z = [ 1 1 ]T e uma solucao e x2 (t) = e3 t [ 1, 1 ]T .
Logo, a solucao geral do sistema homogeneo associado e

2 a e2 t + b e3 t
, a, b R.
xH (t) =
a e2 t + b e3 t
Como 1 nao e autovalor de A, procuraremos uma solucao particular
do sistema na forma yp (t) = et [ a b ]T . Substituindo essa expressao
na equacao, temos

a
1 2
a
0
t
t
t
e
=e
+e
b
1 4
b
6
ou
2a + 2b = 0
a + 5 b = 6
a = 1 b = 1 .
Portanto
yp (t) = et [1 1 ]T .
Logo, a solucao geral do sistema nao homogeneo e
t

e + 2 a e2 t + b e3 t
y(t) =
, a, b R.
et + a e2 t + b e3 t
178
Cap. 6

ao homogeneo
y0 = A y + F (t),
(6.29)
em que

A=
1 1
1
1

e
F (t) =
2 cos t
3 sen t

.
Analisemos primeiro o sistema homogeneo associado. O polinomio

caracterstico de A e

1 1

= (1 )2 + 1 = [ ( 1 + i ) ] [ ( 1 i ) ] .
1
1
Os autovetores v = [ a, b ]T associados ao autovalor 1 + i sao dados
por

0
i 1
a
=
= a = i b .
1 i
c
0
Portanto, um autovetor e v = [ i, 1 ] e uma solucao complexa e

0
i
1
(1+i) t
t
z(t) = e
= e (cos t + i sen t)
+i
1
0
t 1

e (sen t + i cos t)
et sen t
et cos t
=
=
+i
.
et (cos t + i sen t)
et cos t
et sen t
As partes real e imaginaria dessa solucao sao solucoes reais linearmente
independentes desse sistema. Logo, a solucao real geral do sistema
homogeneo e

a sen t + b cos t
t
xH (t) = e
, a, b R.
a cos t + b sen t
Analisemos agora o sistema nao homogeneo. Como i e i nao sao
autovalores de A, procuraremos uma solucao na forma

a cos t + b sen t
yp (t) =
.
c cos t + d sen t
179
Substituindo essa expressao na equacao, temos
abc
= 2
a+b
d= 0
a
+cd= 0
b + c + d = 3.
Resolvendo esse sistema, obtemos a = 0, b = c = d = 1. Portanto,
uma solucao particular do sistema e

sen t
yp (t) =
.
cos t + sen t
e a solucao geral do sistema nao homogeneo e

sen t + et (a sen t + b cos t)
y(t) =
,
cos t + sen t + et (a cos t + b cos t)
a, b R.
Observac
ao 6.1. Outro modo de calcular uma soluc
ao particular do
sistema nao homogeneo e notar que o termo forcante [ 2 cos t, 3 sen t ]
e a parte real da funcao complexa ei t [ 2, 3 i ]T , resolver a equac
ao com
valores complexos e tomar a parte real da soluc
ao obtida.
Procuremos uma solucao particular do sistema (6.29) na forma
zp (t) = ei t [ z, w ]T (em que z e w sao constantes complexas a serem
determinadas. Substituindo no sistema (6.29), temos

z
zw
2
it
it
it
ie
=e
+e
.
w
z+w
3i
Cancelando ei t e agrupando os termos semelhantes, obtemos o sistema

(1 i) z w = 2
z + (1 i) w = 3 i .
Resolvendo esse sistema de equacoes, obtemos z = i e w = 1 i.
Entao uma solucao complexa do sistema (6.29) e

i
i
it
zp (t) = e
= (cos t + i sen t)
=
1i

1 i

sen t
cos t
=
+i
.
cos t + sen t
sen t cos t
180
Cap. 6
Logo, a solucao particular procurada e x(t) = (sen t, sen t + cos t)T .

Notemos que a funcao vetorial y(t) = ( cos t , sen t cos t)T ,
parte imaginaria da solucao zp , e solucao do sistema x0 (t) = Ax +
[ 2 sen t, 3 cos t ]T (este sistema e parte imagin
aria do sistema x0 (t) =
Ax + ei t (2, 3 i)T ).
Como no caso das equacoes escalares, o metodo dos coeficientes
indeterminados requer uma pequena alteracao quando o sistema homogeneo associado tem uma solucao parecida com o termo forcante.
ao homogeneo

1 2
1
0
t
t
y = Ay + te z =
y + te
.
1 4
5
Vimos no exemplo anterior que a solucao geral do sistema homogeneo associado e xH (t) = a e2 t (2, 1)T + b e3 t (1, 1)T , a, b R. Como
o sistema homogeneo associado tem uma solucao da forma e2 t z, procuraremos solucao particular desse sistema na forma
yp (t) = e2 t (u + t v + t2 w).

Entao yp0 (t) = e2 t (2 u + v) + t (2 v + 2 w) + t2 2 w e A yp + t et z =

e2 t Au + t (Av + z) + t2 Aw . Igualando essas expressoes de yp0 (t) e
A yp + t et z, vemos que u, v e u precisam satisfazer
(A 2I )w = 0
(A 2I )v = 2w z
(A 2I )u = v.
(6.30)
(6.31)
(6.32)
De (6.30) vemos que w precisa ser um autovetor de A associado

ao autovalor = 2, ou seja, w = [ 2 , ]T , para algum ; sejam
v = [ a, b ]T e u = [ c, d ]T . A equacao (6.31) e

1 2
a
4 1
a + 2 b = 4 1
=
ou
1 2
b
2 5
a + 2 b = 2 5 .

DAS CONSTANTES
6.6. FORMULA
DE VARIAC
AO
181
Para que esse sistema tenha solucao, devemos ter 4 1 = 5, ou

= 2; portanto, w = [ 4, 2 ]T . Para = 2, temos a = 2 b + 9;
portanto v = [ 2 b + 9, b ]T . Substituindo esse valor em (6.31), temos

1 2
c
0
c + 2 d = 2 b + 9
=
ou
0
c + 2 d = b .
1 2
d
Para que esse sistema tenha solucao, devemos ter 2 b + 9 = b, ou seja
b = 9; portanto, v = [ 9, 9 ]T . Para esse valor de b, temos
c = 2 d + 9; portanto u = [ 2 d + 9, d ]T = d [ 2, 1 ]T + [ 9, 0 ]T
(cada escolha de d fornece uma solucao particular para o sistema; essas
solucoes diferirao uma da outra por uma parcela da forma d e2 t [ 2, 1 ]T ,
que e uma solucao do sistema homogeneo). Escolhendo d = 4, temos
u = [ 1, 4 ]T , obtemos a solucao particular

1 9 t 4 t2
2t
yp (t) = e
.
4 9 t 2 t2
Logo, a solucao geral do sistema nao homogeneo e

2t
e (2 a + 1 9 t 4 t2 ) + b e3 t
,
y(t) =
e2 t ( a 4 9 t 2 t2 ) + b e3 t
6.6
a, b R.
F
ormula de Varia
c
ao das Constantes
De acordo com o teorema 6.5, se X(t) e uma matriz fundamental do

sistema linear homogeneo x0 = A(t) x, entao toda solucao desse sistema
e da forma X(t) v, para algum vetor (constante) v.
Consideremos agora o sistema nao homogeneo (6.17). Vamos procurar uma solucao (particular) desse sistema na forma y(t) = X(t) u(t),
em que u(t) e uma funcao continuamente derivavel (como procuramos
uma solucao particular, podemos supor u(t0 ) = 0, t0 I). Entao
y0 (t) = X0 (t) u(t) + X(t) u0 (t). Substituindo no sistema (6.17), temos
X0 (t) u(t) + X(t) u0 (t) = A(t) X(t) u(t) + g(t) .
(6.33)
Como X(t) e matriz fundamental do sistema x0 = A(t) x, temos X0 (t) =

A(t) X(t). Substituindo essa igualdade em (6.33), temos
A(t) X(t) u(t) + X(t) u0 (t) = A(t) X(t) u(t) + g(t)
182
Cap. 6
donde obtemos
u0 (t) = X1 (t) g(t).
(6.34)
Integrando essa igualdade, temos

Z
X1 (s) g(s) ds.
u(t) = u(t0 ) +
t0
Logo, uma solucao do sistema nao homogeneo e

Z
X1 (s) g(s) ds.
y(t) = X(t) u(t) = X(t) u(t0 ) + X(t)
(6.35)
t0
A igualdade (6.35) fornece uma solucao do sistema linear nao homogeneo a partir da matriz fundamental do sistema homogeneo correspondente e uma integracao. Combinando (6.35) com o Corolario 6.3
podemos obter a solucao geral do sistema nao homogeneo.
Exemplo 6.9. Usando a formula de variac
ao dos par
ametros, encontrar uma solucao particular do sistema linear n
ao homogeneo

y =
1 2
1 4
y+e
0
6

.
Do exemplo 6.6, temos que uma matriz fundamental do sistema

homogeneo e

2 e2 t e3 t
X(t) =
;
e2 t e3 t
sua inversa e
1
X (t) =
e2 t e2 t
e3 t 2 e3 t

.
Pela formula de variacao das constantes, uma solucao particular do
Variacao das constantes
183
sistema nao homogeneo e

Z t
y(t) = X(t)
X 1 (s) es z ds =
0

=

=
2 e2 t e3 t
e2 t e3 t
Z t
2 e2 t e3 t
e2 t e3 t

e2 s e2 s
e3 s 2 e3 s
2 (e3 t 1)
3 (e4 t 1)
et 4 e2 t 3 e3 t
et 2 e2 t 3 e3 t
et
et

2
2 e2 t
e2 t

0
6
es ds =

=

3
e3 t
e3 t

.
Consideremos uma equacao diferencial de segunda ordem

z 00 + p(t) z 0 + q(t) z = f (t).
(6.36)
Definindo as variaveis y1 = z e y2 = z 0 podemos escrever essa equacao

como um sistema de equacoes de primeira ordem
0
y1 = y2
y20 = q(t) y1 p(t) y2 + f (t)
ou
y(t) = A(t) y + g(t)
(6.37)
em que

y=
y1
y2

,
A(t) =
0
1
q(t) p(t)

,
g(t) =
0
f (t)

.
Se z1 (t) e z2 (t) sao duas solucoes linearmente independentes da equacao

(6.36), uma matriz fundamental do sistema (6.36) e

z1 (t) z2 (t)
X(t) =
.
z10 (t) z20 (t)
184
Cap. 6
Entao
1
X (t) =
z20 (t) z2 (t)

z10 (t)
z1

.
Escrevendo u(t) = (u1 (t), u2 (t))T , a condicao (6.34) fica

0
u1 (t) z1 (t) + u02 (t) z2 (t) = 0
u01 (t) z10 (t) + u02 (t) z20 (t) = f (t) ,
que coincide com condicao vista para equacoes de segunda ordem (lembremos que a primeira dessas condicoes surgiu de modo um tanto artificial quando estudavamos equacoes de segunda ordem).
6.7
Exerccios
1. Para cada um dos sistemas abaixo, encontre uma matriz fundamental e a solucao geral:

3
2
3 1
0
0
(a) x =
x
(b) x =
x
2 2
2 1
3
0
(c) x = 2
4
2
0
2
4
2 x
3
1
2 3
1 2 x
(e) x0 = 0
0 2 1
1
0
(d) x = 1
2
1
2
1
2
1 x
1
1
3 2
1 2 x
(f ) x0 = 0
0 2 1
5
1 0 0
3 0
0
0 5 0 0
x
0 x (h) x0 =
(g) x0 = 1 3
0
0 3 1
0 0 1
0
0 0 3
2. Resolva cada um dos seguintes problemas de valor inicial:

(a) x0 = A x, A e dada no exerccio 1 (h) e x(0) = (1, 2, 1, 1)T
(b) x0 = A x , A e dada no exerccio 1(g) e x(0) = (1, 1, 2)T
Exerccios
185
3
0
(c) x = 0
0
1
3
0

1
1
1 x ; x(0) = 0
2
1
3. Resolva os seguintes problemas de valor inicial:

0
0
x = x + y,
x = x y,
0
(a) y = 4 x + y,
(b) y 0 = 5 x 3 y,
x(0) = 2, y(0) = 3
x(0) = 1, y(0) = 2
0
x = 3 x + 8 y,
(c) y 0 = x 3 y,
x(0) = 6, y(0) = 2
0
x = y,
(d) y 0 = x,
x(0) = 1, y(0) = 1
0
x = 4 x 5 y,
(e) y 0 = x,
x(0) = 0, y(0) = 1
0
x = x + y + t,
(f ) y 0 = x 2 y + 2 t,
x(0) = 7/9, y(0) = 5/9
0
x =y+z
y0 = x + z
(g) z 0 = y + z
x(0) = z(0) = 0,
y(0) = 1
0
x =y+z
y0 = 3 x + z
(h) z 0 = 3 x + y
x(0) = y(0) = 1
z(0) = 0 .

Algebra Linear e EDO (Usp)

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Algebra Linear e EDO (Usp)

Enviado por

Direitos autorais:

Formatos disponíveis

PAULO

Luiz Augusto da Costa Ladeira

Espaco Euclidiano n dimensional

As nocoes de par ordenado (x, y) e terna ordenada (x, y, z) de n

Ao vetor i corresponde a terna e1 = (1, 0, 0), ao vetor j corresponde

Por causa dessa identificacao com os vetores geometricos, as ternas

(3, 2, 1) e (0, 2, 2) precisam existir n

Exerccio 1.1. Determine se v e combinac

conveniente escrever o produto escalar em termos das componenE

Uma vantagem da relacao (1.6) sobre (1.4) e que ela (a relacao

(notemos que o produto interno de dois vetores de Rn e um n

norma de um vetor u como sendo kuk = u u. O produto interno

O primeiro membro dessa desigualdade e uma funcao quadratica em t.

A desigualdade (1.12) implica (1.10).

Exemplo 1.5. Encontrar todos os vetores de R3 que s

Denotaremos essa matriz por A = (aij ). Cada n

Entao A e matriz linha, B e matriz coluna e C e matriz quadrada de

Em uma matriz quadrada A = (aij ), os elementos a11 , . . . , ann

elemento fora da diagonal principal e nulo. Uma importante matriz

Uma matriz quadrada A = (aij ) e dita triangular superior, quando

De modo analogo define-se matriz triangular inferior.

Exemplo 1.8. A matriz 1

chamam-se vetores colunas de A e as n matrizes 1 n

Sejam A = (aij ), B = (bij ) Mmn (R). A soma de A com B,

am1 + bm1 am2 + bm2 . . .

Verifique como exerccio que a adicao de matrizes tem as propriedades

Sejam A = (aij ) Mmn (R) e R. O produto de A pelo n

Mostre como exerccio que valem as propriedades M1 a M4 (pagina 6).

Sejam A = (aij ) Mmn (R), B = (bjk ) Mnp (R). O produto

A definicao acima permite multiplicar uma matriz A = (ai j )mn

A Mmn , B Mnp , C Mpq

P2: A(B + C) = AB + AC,

P3: (A + B)C = AC + BC,

Observando a definicao acima, vemos que o produto de matrizes

Teorema 1.1. Sejam A,B e C matrizes quadradas de ordem n, com

1.3. SISTEMAS LINEARES

A demonstracao do teorema fica como exerccio.

e invertvel e sua inversa e A1 =

Na proxima secao apresentaremos um metodo para calcular a inversa

Nesta secao, estudamos sistemas de equacoes algebricas lineares. Um

a11 x1 + a12 x2 + + a1n xn = b1

a21 x1 + a22 x2 + + a2n xn = b2

am1 x1 + am2 x2 + + amn xn = bm .

Dessas equacoes, temos x2 = x3 e x1 = 1 x3 . Atribuindo valores

facil ver que o sistema S1 e possvel e determinado: (1, 1) e sua u

podemos escrever o sistema (1.18) na forma matricial

A matriz A chama-se matriz dos coeficientes do sistema (1.18). A

chama-se matriz aumentada do sistema (1.18).

com a11 6= 0, a2 j1 6= 0, . . . , ak jk 6= 0. Consideremos, por exemplo, o

sao equivalentes, pois sua u

Agora fica facil resolver o sistema. Da u

Por analogia com os sistemas lineares, diremos que uma matriz

Logo, x = 1/2, y = 1/2, u = 1/2, v = 1/2. Notemos que as solucoes

O procedimento acima e valido em geral. Se A e uma matriz n n

A matriz que resultar `a direita da linha sera A1 .

Exerccio 1.13. Resolver cada um dos sistemas abaixo:

Exerccio 1.14. Calcule a inversa de cada uma das

Nesta secao definimos o determinante de uma matriz n n, A = (ai j ),

Para matrizes quadradas de ordem n 3, definimos o determinante

a11 a12 . . . a1n

para cada i, j, 1 i, j n seja Aij a matriz de ordem n 1 obtida

O determinante da matriz A, dada em (1.25), e definido por

(1)1+j a1j det A1j