Escolar Documentos
Profissional Documentos
Cultura Documentos
Algebra Linear e EDO (Usp)
Algebra Linear e EDO (Usp)
UNIVERSIDADE DE SAO
INSTITUTO DE CIENCIAS
MATEMATICAS
E DE COMPUTAC
AO
DEPARTAMENTO DE MATEMATICA
es Diferenciais
Algebra
Linear e Equac
o
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
oes Diferenciais Lineares
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
(1.1)
Cap. 1
Nocoes Preliminares
v
ai
bj
-
Figura 1.1
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
= 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
(1.4)
(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)
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)
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)
(1.12)
O espaco euclidiano
11
HH
j
H
y-
v
y = 2x
x
Figura 1.3
Figura 1.4
12
Cap. 1
Nocoes Preliminares
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
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
x1
x = (x1 , . . . , xm ) ... [ x1 xm ] .
(1.13)
xm
14
Cap. 1
Nocoes Preliminares
In =
1 0 ...
0 1 ...
.. .. . .
.
. .
0 0 ...
0
0
..
.
1
a11 a12 . . .
0 a22 . . .
A=
..
..
...
.
.
0
0 ...
a1n
a2n
..
.
ann
2 1
0
0 1 0
9
5
0 5
e simetrica e 1
0
5 3
0 5 0
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
A=
u1
u2
..
.
ou A = [ v1 , v2 , . . . , vm ] .
um
a11 + b11
a21 + b21
A+B =
..
a12 + b12
a22 + b22
..
.
...
...
..
.
a1n + b1n
a2n + b2n
..
.
amn + bmn
(1.14)
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.
a11
a21
A =
...
a12
a22
..
.
...
...
..
.
am1 am2 . . .
a1n
a2n
..
(1.15)
amn
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
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 Mmn , B, C Mnp
A, B Mmn , C Mnp
(1.16)
1
a1 u
a2 u2
AC =
... e
an un
C B = [b1 v1 , . . . , bn vn ] .
(1.17)
17
a matriz A =
2 1
2 2
1 1/2
1
1
1.3
Sistemas Lineares
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
6x + 9y = 0
2x + 2y = 1
a11
a21
A=
...
a12
a22
..
.
...
...
..
.
am1 am2 . . .
a1n
a2n
,
..
.
amn
x1
x2
X=
...
xn
b1
b2
B=
...
bm
Sistemas lineares
19
(1.20)
a11
a21
[A : B] =
...
a12
a22
..
.
...
...
..
.
am1 am2 . . .
a1n
a2n
..
.
b1
b2
..
.
amn bm
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 .
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
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)
= 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 `a variavel x, a segunda coluna associada `a variavel y e a terceira
coluna `a variavel z para concluir que x = 5/2, y = 1/2 e z = 1/2.
22
Cap. 1
Nocoes Preliminares
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
1 1
1 1
, isto e,
1/2 1/2
1
A =
.
1/2
1/2
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
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
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
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
(confira!)
Determinantes
25
A=
(1.25)
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
n
X
(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
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
det A =
n
X
j=1
det A =
n
X
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
1.5. NUMEROS
COMPLEXOS
27
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
1.5
N
umeros Complexos
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
=
=
=
= 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
y = r sen ,
N
umeros Complexos
29
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
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)
Z
As integrais
Z
u(t) dt e
N
umeros Complexos
31
(1.31)
ei = cos + i sen .
(1.32)
A f
ormula de Euler
(1.33)
32
Cap. 1
Nocoes Preliminares
ei + ei
2
e sen =
ei ei
2i
(1.34)
Z
et cos t dt
= e(1+i) t
e(1i) t 0
1i
= e(1i) t
N
umeros Complexos
e
temos
33
et cos t dt =
1 t
e (cos t + sen t) + C.
2
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
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
(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
(iv) ( 3 i)5
(viii)
i26 + i64
i13 + i16
36
Cap. 1
Nocoes Preliminares
(1.35)
Captulo 2
Equac
oes de Primeira Ordem
2.1
Introduc
ao
(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)
38
DE PRIMEIRA ORDEM
CAPITULO 2. EQUAC
OES
(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 `a
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
(2.5)
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
2.3
Equaco
es Separ
aveis
dy
= h(t) ,
dt
(2.9)
42
Cap. 2
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)
e dy = 6
t5 dt
Equacoes separaveis
43
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) =
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|
a(1 ek (ab) t )
1 a ek (ab) t /b
(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
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 `a 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
(2.16)
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)
47
(2.21)
(2.22)
48
Cap. 2
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
ou seja,
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
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
50
Cap. 2
=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 +
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
51
2
y = t2 ,
t
y(1) = 6.
Seja
Z
A(t) =
1
2
ds = 2 ln t = ln t2 .
s
2
t2 y(t)
0
= t4 .
6
t3
1
t3
29
+
=
+ 2 .
2
2
t
5
5t
5
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
Z
y(t) =
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 `a 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 `a razao de
10 (l/min) 20 (g/l) = 200g/min
e esta saindo `a razao de
10 (l/min)
Q(t)
Q(t)
(g/l) =
kg/min.
5000
500
53
Q
,
500
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
R
E(t)
I=
L
L
54
Cap. 2
1 R t/L
L R t/L
E0
e
E0
(e
1) =
(1 eR t/L ) .
L
R
R
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
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.
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 `a 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)
V (t, y)
= Q(t, y),
y
(t, y) U.
(2.31)
dy
=0
dt
V
= 2y t.
y
58
Cap. 2
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
59
(2.32)
V (t, y) =
P (s, y0 ) ds +
t0
Q(t, x) dx
y0
V
= Q(t, y) para determinar h(y).
y
t3 y 3
+ h(y).
3
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
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
61
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
= 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
62
Cap. 2
P
= cos y
y
Q
= 0. Portanto,
t
1
Q
P
t
y
t
=
cos y
=1.
cos y
2.7
Exerccios
(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
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 `a altura h
e diretamente proporcional `a 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
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
v
u+v 1
HH
HH
ujH
H
j
H
3
2
Figura 5.1
Definicao e Exemplos
67
(f )(x) = f (x), x I.
(3.1)
68
Cap. 3
Espacos Vetoriais
(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
3.2
Subespacos Vetoriais
70
Cap. 3
Espacos Vetoriais
(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
y z
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
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
Combinacoes Lineares
75
76
Cap. 3
Espacos Vetoriais
3.4
Depend
encia Linear
(3.4)
Dependencia Linear
77
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.
78
Cap. 3
Espacos Vetoriais
t R.
(3.6)
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)
1
k1
v1
vk1 ,
k
k
80
Cap. 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)
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
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
[x]B = ... .
(3.10)
Base e Dimensao
83
84
Cap. 3
Espacos Vetoriais
Base e Dimensao
85
(3.11)
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
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
3.6
Depend
encia Linear de Fun
c
oes
87
para todo t I.
(3.12)
88
Cap. 3
Espacos Vetoriais
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.
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
linearmente independentes.
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.
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
90
Espacos Vetoriais
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
v3 =
w3
kw3 k
..
.
wm = um (v1 u2 )v1 (v2 wm )v2 (vm1 um )vm1
vm =
wm
kwm k
2
1
(1, 1, 1) = (1, 1, 2)
3
3
w2
1
= (1, 1, 2)
kw2 k
6
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) .
3.8
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 .
93
(3.19)
94
Cap. 3
Espacos Vetoriais
3.9. EXERCICIOS
95
3.9
Exerccios
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
Captulo 4
Equac
oes Diferenciais Lineares
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
Consideremos a equac
ao linear de segunda ordem
y 00 + a(t) y 0 + b(t) y = h(t).
(4.1)
(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
(4.3)
(4.4)
(4.5)
(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
t J.
(4.7)
100
Cap. 4
4.2
M
etodo de Redu
c
ao da Ordem
(4.8)
Reducao da ordem
101
e y 00 (t) = t2 u00 + 4 t u0 + 2 u
4 0
u = 0.
t
102
Cap. 4
4
v = 0,
t
b
,
4t
a, b R .
4.3
Equac
ao Homog
enea com Coeficientes Constantes
(4.10)
e y 00 (t) = r2 er t ,
Equacao homogenea
103
(4.11)
a + a2 4 b
a a2 4 b
r1 =
e r2 =
2
2
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
104
Cap. 4
(4.14)
(4.15)
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
(4.16)
106
Cap. 4
(4.17)
(4.19)
Equacao homogenea
107
(4.20)
a, b R.
(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 `a velocidade. Entao, a equac
ao (2.3) fica
y 00 + b y 0 + 2 y = 0
(4.22)
Equacao homogenea
109
6y
Figura 4.2
Figura 4.3
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
(4.23)
er1 t0 C + er2 t0 D = y0
r1 er1 t0 C + r2 er2 t0 C = y0
(4.24)
er1 t0
er2 t0
r1 er1 t0 r2 er2 t0
y(0) = 3 y 0 (0) = 5
NAO
HOMOGENEA
4.4. EQUAC
AO
111
a , b R.
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
(4.25)
112
Cap. 4
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)
a , b R.
4.5
M
etodo de Varia
c
ao dos Par
ametros
(4.28)
(4.29)
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)
(4.32)
Derivando, obtemos
yp00 (t) = u01 (t) y10 (t) + u1 (t) y100 (t) + u02 (t) y20 (t) + u2 (t) y200 (t).
(4.33)
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
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.
115
= 6 et ,
= 3 et ,
= 8 e2 t ,
= 12 t e2 t .
= 9 t2 e2t .
(4.36)
(4.37)
(4.38)
(4.39)
(4.40)
116
Cap. 4
4.6. METODO
DOS COEFICIENTES A DETERMINAR
117
<t< ;
2
2
(b) 3y 00 + 4y 0 + y = et sen t
(d) y 00 y = t et ;
(f ) y 00 + y = sen t
4.6
M
etodo dos Coeficientes a Determinar
(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 .
Exemplo 4.12. Encontrar a soluc
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.
Coeficientes a determinar
119
d1 , d2 R.
a, b R.
(4.44)
120
Cap. 4
a, b R.
a, b R.
Coeficientes a determinar
121
a , b R.
a, b R.
c1 , c2 R.
c1 , c2 R.
122
Cap. 4
(4.46)
a, b R.
(4.47)
a, b R.
(4.48)
Coeficientes a determinar
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)
(4.50)
124
Cap. 4
a, b R.
(4.51)
B
,
2 2
d=0
B
cos t.
2
(4.52)
B
cos t .
2
Coeficientes a determinar
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)
B
t sen t ,
2
g
sen = F (t) ,
l
(4.54)
126
Cap. 4
g
= F (t) .
l
(4.55)
P
L6
J
]J
- y(x)
? mg
O
Figura 4.5
Figura 4.6
0<x<L
(4.56)
4.7. EQUAC
OES
DE ORDEM SUPERIOR
127
4.7
Equaco
es de Ordem Superior
128
Cap. 7
n2
y (n) + an1 y (n1) + + a1 y 0 + a0 y = h(t).
(4.57)
(4.58)
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)
(4.60)
129
x2
x2 + 2 x 3
a
=
b
bn1 = an
n
n1
.
.
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
an
an1 an2 . . . a1
a0
bn1 bn2
an
an1
bn1 bn2
an2 . . . a1
bn3
a0 c
131
P (1) = 1 7 + 6 = 0,
P (2) = 8 14 + 6 = 0,
P (3) = 27 21 + 6 = 12,
P (6) = 216 42 + 6 = 180
5 + 3 5
5 3 5
x2 =
e x3 =
2
2
Exemplo 4.28. Encontrar a soluc
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 `a 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.
133
, , R.
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
+ + = 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 ,
Exemplo 4.30. Encontrar a soluc
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)
4.8. EXERCICIOS
135
a, b, c, d R.
a, b, c R.
4.8
a, b, c R.
Exerccios
136
Cap. 7
Captulo 5
Transforma
c
oes Lineares
5.1
Transforma
c
oes
138
Cap. 5
Transformacoes Lineares
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
5.2
Transforma
c
oes Lineares
140
Cap. 5
Transformacoes Lineares
a11
y1
.. ..
. = .
ym
. . . a1n
x1
.. ..
...
. .
am1 . . .
amn
xn
Transformacoes Lineares
141
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
Transformacoes Lineares
Transformacoes Lineares
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
Transformacoes Lineares
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?
Exerccio 5.4. Existe uma transformac
ao linear T : R3 R2 tal que
T (1, 1, 1) = (1, 2), T (0, 1, 1) = (1, 0) e T (1, 0, 0) = (0, 0)? Existe mais
de uma?
Exerccio 5.5. Existe uma transformac
ao linear T : R3 R2 tal que
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
5.3
N
ucleo e Imagem
146
Cap. 5
Transformacoes Lineares
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
(5.3)
148
Cap. 5
Transformacoes Lineares
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
Transformacoes Lineares
Autovalores e Autovetores
(5.4)
(5.5)
Autovalores e autovetores
151
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
Transformacoes Lineares
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 .
Autovalores e autovetores
153
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 ).
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.
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
Transformacoes Lineares
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 ).
Autovalores e autovetores
155
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
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
(5.6)
156
Cap. 5
Transformacoes Lineares
(5.7)
(5.8)
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
Autovalores e autovetores
157
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
Transformacoes Lineares
Captulo 6
Sistemas de Equa
c
oes
Diferenciais Lineares
6.1
Introduc
ao
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
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
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
163
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)
(6.10)
6.2
164
Cap. 6
(6.11)
(6.12)
(6.13)
(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,
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)
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)
168
Cap. 6
6.3
Sistema Homog
eneo com Coeficientes
Constantes
(6.23)
(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
A, B R.
170
Cap. 6
1
p() = 1
4
4 1
(6.25)
= 3 + 3 2 + 3 = 0
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
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)
172
Cap. 6
Sistema homogeneo
173
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
174
Cap. 6
e t (u sen t + w cos t)
s
ao solucoes linearmente independentes do sistema x0 = A x.
Demonstracao:
e t v = e t (u cos t w sen t) + i (u sen t + w cos t)
da origem `as solucoes reais
e t (u cos t w sen t) e e t (u sen t + w cos t).
Sistema homogeneo
175
176
Cap. 6
que, por sua vez, da origem `as 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
(6.28)
6.5
M
etodo dos Coeficientes a Determinar
Coeficientes a determinar
177
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
1 1
1
1
e
F (t) =
2 cos t
3 sen t
.
Coeficientes a determinar
179
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
(6.30)
(6.31)
(6.32)
DAS CONSTANTES
6.6. FORMULA
DE VARIAC
AO
181
6.6
a, b R.
F
ormula de Varia
c
ao das Constantes
(6.33)
182
Cap. 6
donde obtemos
u0 (t) = X1 (t) g(t).
(6.34)
u(t) = u(t0 ) +
t0
(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
.
X (t) =
e2 t e2 t
e3 t 2 e3 t
.
183
=
=
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
.
(6.36)
(6.37)
em que
y=
y1
y2
,
A(t) =
0
1
q(t) p(t)
,
g(t) =
0
f (t)
.
184
Cap. 6
Entao
1
X (t) =
.
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
Exerccios
185
3
0
(c) x = 0
0
1
3
0
1
1
1 x ; x(0) = 0
2
1
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,
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 .