Escolar Documentos
Profissional Documentos
Cultura Documentos
42
Mais exerccios de eliminao de Gauss-Jordan
Resolve o sistema abaixo usando a eliminao de Gauss-Jordan
= + +
= + +
= + +
15 6 5
27 6 9 2
8 4 3
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
3 1
2 1
2
R R
R R
+
+
(
(
(
15
27
8
6 5 1
6 9 2
4 3 1
=
3
2
2
1
3
1
R
R
(
(
(
7
11
8
2 2 0
2 3 0
4 3 1
=
3 2
R R +
(
(
(
2 / 7
3 / 11
8
1 1 0
3 / 2 1 0
4 3 1
=
3
5
3
R
(
(
(
6 / 1
3 / 11
8
3 / 5 0 0
3 / 2 1 0
4 3 1
=
(
(
(
10 / 1
3 / 11
8
1 0 0
3 / 2 1 0
4 3 1
3
11
10
1
3
2
2
= |
\
|
x
5
18
15
54
15
1 55
15
1
3
11
2
= =
= = x
8
10
1
4
5
18
3
3
= |
\
|
+ |
\
|
+ x
5
12
3
= x
MNA Matrizes- Autovalor e autovetor
43
1.2.6. AUTOVALORES E AUTOVETORES
O estado de um sistema fsico, especialmente sistema atmico ou molecular, pode ser caracterizado
pela energia do sistema. Algebricamente, esta caracterizao muitas vezes alcanada por meio dos
autovalores e autovetores de uma matriz associada.
Para uma matriz A, nn, no-singular, o problema algbrico de autovalores e autovetores achar um
conjunto de constantes
1
,
2
, ...,
n
que corresponda ao conjunto no-nulo de vetores v
1
, v
2
, ..., v
n
que satisfaa a equao
n i n
v Av = , n = 1, 2, ..., n, v
n
0 (1.2.6.1),
onde
A Matriz nn no-singular;
V
n
Autovetores de A;
i
Autovalores de A
i
(constantes).
Podemos reescrever (1.54) como
( ) 0 =
n i
v I A (1.2.6.2),
onde I uma matriz unitria. Como v
n
0, necessariamente teremos
0 = l A
i
(1.2.6.3).
(2.6.3) denominada equao caracterstica e equivalente a um polinmio de grau n em
i
, de
modo que A tem exatamente n autovalores, que podem ser reais ou complexos.
Pode-se utilizar a eliminao de Gauss-Jordan para achar os autovetores de uma matriz quadrada.
Os autovalores e os autovetores so tambm chamados valores caractersticos e vetores
caractersticos, respectivamente.
Aplicao da definio.
Verifique que
(
(
(
=
1
1
1
v um autovetor da matriz
(
(
(
=
1 1 2
3 3 2
3 1 0
A
( ) ) 1 3 ( 3 3
coluna linha
A
v
Soluo. Efetuando a multiplicao A.v, vemos que.
A.v=
(
(
(
1 1 2
3 3 2
3 1 0
(
(
(
1
1
1
=
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) (
(
(
+ +
+ +
+ +
1 1 1 1 1 2
1 3 1 3 1 2
1 3 1 1 1 0
(
(
(
=
2
2
2
.v ( ) = 2
(
(
(
1
1
1
(
(
(
=
2
2
2
=(-2)
Da linha precedente e da Definio (), decorre que =-2 um autovalor de A
autovalor
Vlter Dantas
44
Aplicando propriedades da lgebra das matrizes, podemos escrever (1.2.6.2) na forma alternativa.
( ) 0 v I A =
(1.2.6.2)
Onde I a identidade multiplicativa. Fazendo
(
(
(
(
=
n
v
v
v
v
2
1
.
Ento (1.13.2) o mesmo que
( )
( ) 0 .......
...... .......... .......... .......... .......... .......... .......... ..........
0 .....
0 ...... ) (
2 2 1 1
2 2 22 1 21
1 2 12 1 11
= + + +
= + + +
= + + +
n nn n n
n n
n n
v a v a v a
v a v a v a
v a v a v a
(1.2.6.4)
Embora uma soluo bvia de (1.2.6.4) seja
n
v v v .......
2 1
= = 0 = , estamos procurando apenas
solues no-triviais. Mas sabemos que um sistema homogneo linear em n incgnitas (isto , b
i
=0,
i=1, 2,......n em (1.1)) tem soluo no-trivial se e somente se o determinante da matriz dos
coeficientes igual a zero. Assim, para achar uma soluo no-zero v para (1.2.6.2), devemos ter.
( ) 0 det = I A (1.2.6.5)
Observando (1.2.6.4), vemos que o desenvolvimento de ( ) I A det por co-fatores resulta em um
polinmio de grau n em . A equao (1.2.6.5) chamada equao caracterstica de A. Assim, os
autovalores de A so as razes da equao caracterstica. Para achar um autovetor correspondente a
um autovalor , basta resolver o sistema de equao ( ) 0 det = I A aplicando a eliminao de
Gauss-jordan matriz aumentada ( ) 0 | I A
Exemplo 1.2.6.1
Ache os autovalores e os autovetores de
(
(
(
=
1 2 1
0 1 6
1 2 1
A
Soluo: Para resolver o determinante na equao caracterstica
( ) I A det =
(
(
(
1 2 1
0 1 6
1 2 1
=0
logo teremos 0 12
2 3
= + ou ( )( ) 3 4 + =0,
MNA Matrizes- Autovalor e autovetor
45
logo os autovalores so 3 , 4 , 0
3 2 1
= = = . Para achar os autovetores, devemos reduzir
( ) 0 | I A trs vezes, correspondente aos trs autovalores distintos.
Para 0
1
= , teremos
( ) 0 | I A =
(
(
(
0
0
0
1 2 1
0 1 6
1 2 1
=
+
+
3 1
2 1
6
R R
R R
(
(
(
0
0
0
0 0 0
6 13 0
1 2 1
=
2
13
1
R
(
(
(
0
0
0
0 0 0
13
6
1 0
1 2 1
=
-2R
2
+R
1
(
(
(
0
0
0
0 0 0
13
6
1 0
1 2 1
=
(
(
(
(
(
(
0
0
0
0 0 0
13
6
1 0
13
1
0 1
Vemos que.
3 2
13
6
x x = e que
3 1
13
1
x x = , Escolhendo 13
3
= x , teremos os autovetores
(
(
(
=
13
6
1
1
v
Para 4
2
=
( ) 0 | 4I A+ =
(
(
(
+
+
+
0
0
0
4 1 2 1
0 4 1 6
1 2 4 1
=
(
(
(
0
0
0
3 2 1
0 3 6
1 2 5
=
1
3
R
R
(
(
(
0
0
0
3 2 1
0 3 6
1 2 5
=
(
(
(
0
0
0
1 2 5
0 3 6
3 2 1
=
+
+
3 1
2 1
5
6
R R
R R
(
(
(
0
0
0
1 2 5
0 3 6
3 2 1
=
(
(
(
0
0
0
16 8 0
18 9 0
3 2 1
=
3
2
8
1
9
1
R
R
(
(
(
0
0
0
16 8 0
18 9 0
3 2 1
=
(
(
(
0
0
0
2 1 0
2 1 0
3 2 1
3 2
1 2
2
R R
R R
+
+
(
(
(
0
0
0
2 1 0
2 1 0
3 2 1
=
(
(
(
0
0
0
0 0 0
2 1 0
1 0 1
implica
3 1
x x = ,
3 2
2x x = . Atribuindo 1
3
= x teremos o segundo autovetor
Vlter Dantas
46
(
(
(
=
1
2
1
2
v ou [ ]
T
1 2 1 =
1
v
Finalmente, para 3
3
= a eliminao de Gauss-Jordan d
( ) 0 | 3I A =
(
(
(
0
0
0
3 1 2 1
0 3 1 6
1 2 3 1
(
(
(
0
0
0
0 0 0
2 3 1 0
1 0 1
e assim,
3 1
x x = ,
3 2
2 3 x x = a escolha 2
3
= x conduz ao terceiro autovetor:
(
(
(
=
2
3
2
3
v
Quando uma matriz A
nxn
possui n autovalores distintos
n
,......... ,
2 1
, pode-se provar que existe
um conjunto de n autovetores lineares independentes
v
1
, v
2
,......v
n
. Entretanto, quando a equao
caracterstica tem razes repetidas, nem sempre possvel achar n autovetores linearmente
independentes para A.
Exemplo 1.2.6.2
Ache os autovalores e autovalores de.
(
=
7 1
4 3
A
Soluo. Pela equao caracterstica
( ) = I A det
(
7 1
4 3
= 0 25 10
2
= + . Logo 5 5
2 1
= = e que um autovalor de
multiplicidade dois. No caso de uma matriz 2 x 2, no preciso utilizar a eliminao de Gauss-
Jordan. Para achar o(s) autovetor(es) correspondente(s) a 5
1
= , recorremos ao sistema ( ) 0 | 5I A
em sua forma equivalente
0 2
0 4 2
2 1
2 1
= +
= +
v v
v v
logo
2 1
2v v = . Assim, escolhendo 1
2
= v , teremos o nico autovetor
(
=
1
2
1
v
Exemplo 2.6.3:
Dada a matriz
(
=
2 1
4 3
:
a) Calcule seus autovalores;
b) Calcule seus autovetores normalizados;
Define-se a independncia linear de vetores colunas exatamente da mesma maneira como no caso de funes.
Operaes
com linhas
MNA Matrizes- Autovalor e autovetor
47
c) Mostre que os autovetores de A no so ortonormais.
Soluo:
a)
i
= ? A equao caracterstica
0 =
i
A ,
que implica em 0
2 1
4 3
=
i
i
( )( ) 0 4 2 3 =
i i
0 2 5
2
= +
i i
.
Este polinmio caracterstico tem como soluo
2
8 25 5
=
i
{ } { } 44 . 0 , 56 . 4 ,
2 1
= .
b)
(
=
i
i
i
y
x
v = ? A equao dos autovetores
( ) 0 =
i i
v I A ,
que implica em 0
2 1
4 3
=
(
i
i
i
i
y
x
( )
( )
= +
= +
0 2
0 4 3
i i i
i i i
y x
y x
( ) ( ) 0 6 4 = +
i i i i
y x
i
i
i
i
x y
|
|
\
|
=
6
4
Impondo a condio de normalizao
1 =
i
T
i
v v 1
2 2
= +
i i
y x :
1
6
4 2
2
2
=
+
i
i
i
i
x x
2
6
4
1
i
i
i
x
=
Escolhendo o valor positivo para x
i
:
|
|
\
|
=
=
i
i
i
i
i
i
i
x y
x
6
4
6
4
1
2
i) Para
1
= 4.56:
\
|
=
i
x y
x
56 . 4 6
56 . 4 4
56 . 4 6
56 . 4 4
1
1
2
1
\
|
=
i
x y
x
56 . 4 6
56 . 4 4
56 . 4 6
56 . 4 4
1
1
2
1
1.2.7 AUTOVALORES COMPLEXOS
Se + = i
1
e = i
2
1
2
= i
Vlter Dantas
48
So autovalores complexos da matriz A de coeficiente, podemos sem dvida esperar que seus
autovetores correspondentes tambm tenham elementos complexos
2
.
Por exemplo.
y x
y x
4 5
6
+
( )
(
=
4 5
1 6
det I A = 0 29 10
2
= +
Pela formula quadrtica, obtemos.
2
4 10
2
29 1 4 100 10 i
=
= logo i 2 5
1
+ = e i 2 5
2
= ,
Para i 2 5
1
+ =
( ) 0 2 1 5
0 ) 2 1 (
2 1
2 1
= +
=
k i k
k k i
Como ( )
1 2
2 1 k i k =
3
decorre, aps escolhermos 1
1
= k , que um
autovetor
|
|
\
|
=
i 2 1
1
1
K
Analogamente, para i 2 5
2
= , achamos o outro autovetor.
|
|
\
|
+
=
i 2 1
1
2
K
Nesta seo ns listamos quatro teoremas bsicos a respeito de aos autovalores e autovetores de uma
matriz com que o leitor devia estar familiarizado.
As provas de trs delas so partidas para um problema
Teorema 1
Se
n
,......... ,
2 1
so os autovalores de A, ento os autovalores de A
k
so
n
k k k .... , ,
2 1
Mais geral,
se ( ) x p um polinmio, os autovalores de ( ) A p so ( ) ( ). ....... ,.........
1 n
p p
Teorema 2
Se A real e simtrica, todos os autovalores e autovetores so reais. Alm disso, autovetores
correspondentes para autovalores distintos so ortogonal e os autovetores deixados correspondendo
ao autovetor
T
i
x x
i
Teorema 3
Se v um autovetor associado ao autovalor de um operador linear , o vetor v, para qualquer
real 0, autovetor de associado a
2
Quando a equao caracterstica tem coeficientes reais, os autovalores complexos sempre aparecem em pares
conjugados.
3
Note que a segunda equao simplesmente ( ) i 2 1+ vezes a primeira.
MNA Matrizes- Autovalor e autovetor
49
De foto
(v) =v e (v) =(v) = (v)
ou (v) = (v).
O que se prova que o vetor v autovetor associado de tendo em vista que v autovetor de
v
1
= pode-se obter sempre um autovetor de .
Teorema 4
Se autovetor o campo S de todos os vetores v V, inclusive o vetor nulo, associado ao
autovalor (), um subespao vetorial de V . De fato
Se v
1
e v
2
S
T(v
1
+v
2
) = T(v
1
)+T(v
2
)= (v
1
) +(v
2
)= (v
1
+v
2
) v
1
+v
2
S
Analogamente, se verifica que v S para todo R
O subespao.
S ( ) } { v v T V v /
denominado subespao associado ao autovetor ou espao caracterstico T correspondente a de
auto-espao associado a
Ex.
P/ =6 e v =x(5, 2)
(
=
1 2
5 4
A ( )
(
=
6 1 2
5 6 4
I A
(
=
5 2
5 2
Teorema 5.
Qualquer transformao de similaridade
1
PAP aplicada para A deixa os autovalores da matriz
inalterada
Exerccios
Construa A matriz com os autovalores (2, 1, -1) e os correspondentes autovetores.
1
1
2
3
2
1
=
=
=
(
(
(
(
(
(
(
(
(
2
0
1
,
3
1
1
,
1
2
1
Usando o teorema 3 A PBP =
1
Onde B so os autovalores
P os autovetores de A
P
-1
a matriz inversa de P
Vlter Dantas
50
Clculo de P
-1
=
(
(
(
2 3 1
0 1 2
1 1 1
det P -1
2
2 3
0 1
) 1 (
1 1
11
1
11
=
(
= =
+
C A 1
2 3
1 1
) 1 (
1 2
21
1
12
=
(
= =
+
C A 1
0 1
1 1
) 1 (
1 3
31
1
13
=
(
= =
+
C A
4
2 1
0 2
) 1 (
2 1
12
1
21
=
(
= =
+
C A 3
2 1
1 1
) 1 (
2 2
22
1
22
=
(
=
+
C A 2
0 2
1 1
) 1 (
2 3
32
1
23
=
(
= =
+
C A
5
3 1
1 2
) 1 (
1 3
13
1
31
=
(
=
+
C A
4
3 1
1 1
) 1 (
3 2
23
1
32
=
(
= =
+
C A
3
1 2
1 1
) 1 (
3 3
33
1
33
=
(
= =
+
C A
(
(
(
3 4 5
2 3 4
1 1 2
1
1
P
(
(
(
3 4 5
2 3 4
1 1 2
1
P
(
(
(
(
(
(
1 0 0
0 1 0
0 0 2
2 3 1
0 1 2
1 1 1
(
(
(
3 4 5
2 3 4
1 1 2
(
(
(
=
10 15 18
2 1 4
7 9 13
Exerccios
1.17(49 pag 48 Zill)
Seja a matriz.
(
1 5
2 1
Determine os autovetores e os autovalores.
a) Clculo dos autovalores
( )
(
=
1 5
2 1
det I A =0 0 9
2
= +
1
=3i
2
=-3i
b) Clculo dos autovetores
Para
1
=3i
( )
( )
= +
= +
0 3 1 5
0 2 3 1
2 1
2 1
v i v
v v i
( )
1
2
5
3 1
v
v i
=
Atribuindo v
2
=5, teremos v
1
=(1-3i)
Diagonalizao de Matrizes Simtricas
MNA Matrizes- Autovalor e autovetor
51
Agora, vamos ver que se uma matriz A simtrica, ento ela diagonalizvel, isto , existe uma
matriz diagonal D e uma matriz invertvel P tal que D = P
-1
AP. Mais que isso, para matrizes
simtricas, existe uma matriz P tal que D = P
t
AP. Isto porque existe uma matriz P que faz a
diagonalizao que tem a propriedade P
-1
= P
t
. Em algumas aplicaes a diagonalizao com uma
tal matriz necessria, como por exemplo, na identificao de cnicas. Vamos em primeiro lugar,
caracterizar as matrizes que satisfazem a propriedade.
P
-1
= P
t
.
Proposio. Uma matriz P tal que P
-1
= P
t
se, e somente se, as suas colunas formam um conjunto
ortonormal de vetores.
Demonstrao. Vamos escrever P = [U
1
... U
n
]. Ou seja, U
1
,..., U
n
so as colunas de P. A inversa
de P P
t
se, e somente se, P
t
P = I
n
. Mas,
P
t
P = [U
1
... U
n
] =
Logo, P
t
P = I
n
se, e somente se, U
i
t
U
j
= U
i
.
U
j
= 0 para i j e U
i
t
U
i
= U
i
.
U
i
= 1 para i = 1,...n. Ou
seja, P
t
P = I
n
se, e somente se, U
1
,..., U
n
so ortonormais.
Esta proposio, ``motiva'' a definio seguinte.
Definio. Uma matriz P tal que
P
-1
= P
t
chamada de matriz ortogonal.
Como a matriz P que faz a diagonalizao uma matriz cujas colunas so autovetores de A,
deduzimos da proposio anterior que se a matriz P ortogonal, ento a matriz A possui um
conjunto ortonormal de autovetores.
Proposio. Para uma matriz A simtrica, os autovetores associados a autovalores diferentes
so ortogonais.
Demonstrao. Sejam V
1
, V
2
autovetores de A associados aos autovalores
1
,
2
respectivamente.
Ento, AV
1
=
1
V
1
e AV
2
=
2
V
2
. Agora, se escrevemos os vetores como matrizes colunas, o
produto escalar simplesmente o produto matricial da transposta da primeira matriz pela segunda.
Assim,
AV
1
.
V
2
= (AV
1
)
t
V
2
= V
1
t
A
t
V
2
= V
1
.
A
t
V
2
. (6.16)
Vlter Dantas
52
Como A simtrica A
t
= A e como V
1
eV
2
so autovetores de A, temos de (5.16) que
1
V
1
.
V
2
=
2
V
1
.
V
2
ou
(
1
-
2
)V
1
.
V
2
= 0 .
Como
1
2
, conclumos que V
1
.
V
2
= 0, ou seja, V
1
, V
2
so ortogonais.
Portanto, para diagonalizamos uma matriz simtrica A com uma matriz P ortogonal, precisamos para
cada autovalor encontrar autovetores ortogonais associados a eles, j que autovetores associados a
autovalores diferentes j so ortogonais.
Vamos, agora enunciar sem demonstrar o resultado principal desta seo, que garante que para uma
matriz simtrica o procedimento acima sempre funciona.
Teorema. Se A uma matriz simtrica, ento existe uma matriz P ortogonal e uma matriz diagonal D tal que
D = P
t
AP .
Assim, se A simtrica, ento ela diagonalizvel.
Exemplo. Considere a matriz
A =
Para esta matriz o polinmio caracterstico
p( ) = det(A - I
n
) = ( - 2)
2
(8 - )
Portanto os autovalores de A (razes reais do polinmio caracterstico) so
1
= 2 e = 8. Os
autovetores associados aos autovalores
1
e
2
so as solues de (A -
1
I
3
)X = 0 e (A -
1
I
3
)X =0
respectivamente. A forma reduzida escalonada de
A - 2I
3
=
.
Portanto o conjunto dos autovetores associados a
1
= 2
V
2
= {(- -,, ) | , } ,
Agora, (- -, , ) = (- 1, 0, 1) + (- 1, 1, 0). Assim, os vetores V
1
= (- 1, 0, 1) e V
2
= (- 1, 1, 0)
geram V
2
. Como alm disso, eles so L.I. (um no mltiplo escalar do outro), ento eles formam
uma base para V
2
. Para encontrar dois autovetores ortonormais associados a = 2 vamos usar o
processo de ortogonalizao de Gram-Schmidt aos vetores V
1
e V
2
.
W
1
= V
1
= (- 1, 0, 1); W
2
= V
2
- proj
W1
V
2
= (- 1/2, 1, - 1/2)
MNA Matrizes- Autovalor e autovetor
53
U
1
= W
1
= (- 1/ 2 , 0, 1/ 2 )
U
2
= W
2
= (- 1/ , 2/ , - 1/ )
Com relao ao autovalor = 8, temos que a forma reduzida escalonada da matriz
A - 8I
3
=
.
Assim, o conjunto dos autovetores associados a
2
= 8
8
= {( , , ) | }.
O conjunto {V
3
= (1, 1, 1)} uma base para
8
, pois como ( , , ) = (1, 1, 1), V
3
gera
8
e um
vetor no nulo L.I. Assim, o vetor
U
3
= V
3
= (1/ , 1/ , 1/ )
forma uma base ortonormal para
8
. Como a matriz A simtrica, autovetores associados a
autovalores diferentes so ortogonais. Portanto, U
1
, U
2
e U
3
so ortogonais e assim a matriz
P = [U
1
U
2
U
3
] =
satisfaz D = P
t
AP, onde
D =