íflfa ›' ^ ,Í . I
B
5 § E ..,. “-19- . .,›â›-:im ~' ~~~››-.,, Qt..- _ ,«_, J. _ `._\xu`u_\1
*~4
I nf,UFSC
-
UNIVERSIDADE
FEDERAL DE
SANTA
CATARINA
UAB-
UNIYERSIDADE
ABERTA DO
BRASIL
POLO
DE FOZ
DO
IGUAÇU
AUTOVALORES
E
AUTOVETORES
E
APLICAÇÕES
GILDERLÉIA
BEZERRA
COLARES
u\
' ›. _ ,ly ¿ _ ¢\\\\'L\\ '~ 'f/I/_. ___0,,_. .c _ .¡.. .ul ' Iv.
UFSC
-
UNIVERSIDADE
FEDERAL DE
SANTA
CATARINA
UAB
-
UNIVERSIDADE
ABERTA
DO
BRASIL
POLO
DE
FOZ
DO
IGUAÇU
AUTOVALORES
E
AUTOVETORES
E
APLICAÇÕES
GILDERLÉIA
BEZERRA
COLARES
Monografia
submetida
àComissão
de
avaliação
do Curso de
Especilizaçãoem
Matemática-Formação
de
Professores,em
cumprimento
parcial para aobtenção
do
titulode
Especialistaem
Matemática.fi»
.Í?§¿~‹,
-¬ fi»
UNIVERSIDADE
FEDERAL DE SANTA CATARINA
CENTRO DE
CIÊNCIAS
FÍSICAS
E
MATEMÁTICAS
Departamento
de MatemáticaCurso de Especialização
em
Matemática-Formação de Professor na modalidade a distância“Autova|or'es
e Autovetores e
Aplicações" 5Monografia submetida à Comissão de
avaliação do Curso de Especialização
em
Matemática-Formação
do professorem
cumprimento
parcial para aobtenção do título de Especialista
em
Matemática.
u
1
, ~
,
APROVADA
PELA COMISSAO
EXAMINADORA
em
01/03/2011Í
. 1 .
E Dra. Maria Inez Cardoso Gonçalves
(CFM/UFSC -
Onentadora) *'AQIW
~ D1”. Silvia Martini de Holanda Janesch(CFM/UFÉC
- Examinadora) fiüfá'-'Dr”. Melissa
Weber Mendonça
(CFM-UFSC
Examfinadora) 9/' /‹ 6/Í
.
1 /
Dra.
I¶~h
Carvalho _Coordenadora do Curso de Especialização
em
Matemática-Fonnação de Professor1'
À
meus
pais, Gentil e Olivia, eem
especial àminha
orientadora,Professora Doutora Maria Inez
Gonçalves, pela paciência e
AGRADECIMENTOS
Considerando
esta monografiacomo
resultadode
uma
caminhada que não
começou
numa
universidade, agradecerpode não
ser tarefa fácil,nem
justa. Paranão
correr o riscoda
injustiça,agradeço de
antemão
a todosque
de alguma
formapassaram
pelaminha
vida e contribuíram para a construçãode
quem
sou hoje.E
agradeço, particularmente, aalgumas pessoas
pela contribuição direta naconstrução deste trabalho: .
0
A
Deus, oque
seriade
mim sem
a féque eu
tenho nele.0
À
professora Maria InezGonçalves
pela paciênciana
orientação e incentivoque
tornaram possivel a conclusão desta monografia.0
Aos
meus
pais, irmãos,meu
esposo Eduardo
e a todaminha
família que,com
muito carinho e apoio,
não
mediram
esforços paraque
eu chegasse
até estaetapa
de minha
vida.0
Ao
tutordo
pólode Foz do
Iguaçu, GilbertoNunes,
pelo incentivo e pelopuxoes
de
orelhanos
momentos
necessários.0
Ao
coordenador do
pólode Foz do
Iguaçu, Edilson C. Balzzan, pelo apoioquando sempre que
requisitado.0
À
todos os professoresque
passaram
pelaminha
vida, eformaram
oque
souhoje,
em
especialaos
professoresde matemática
que
me
fizeramtomar
um
gosto especial por esta disciplina.
0
Aos
colegasde
curso, pelo incentivo, união ededicação
nosmomentos
de
angústia e
desânimo.
Enfim,
agradeço
a todosque
tiveram participação diretaou
indireta naminha
jornada.De
que
me
ireiÓöupar
“no ceu,durante toda
a
eternidade,se
não
me
derem
uma
mn-mdade de
problemas
de
matemática
pararesolver?
suMÁR|o
INTRODUÇÃO
... ..8CAPÍTULO
I-
CONSIDERAÇÕES
INICIAIS ... ..91.1.
NOTAÇAO
... ..91.2.
ESPAÇOS
VETORIAS
... ..1O 1.2.1.SUBESPAÇO
VETORIAL
... ..121.2.2.
COMBINAÇÃO
LINEAR
... ..121.2.3.
DEPENDÊNCIA
E
INDEPENDÊNCIA
LINEAR
... ..131.2.4.
SUBESPAÇO
GERADO
... ..131.2.5.
BASE
... ..13A 1.2.6.
DIMENSÃO
... ..14CAPÍTULO
II-
AUTOVALORES
E
AUTOVETORES
DE
UMA
MATRIZ
... ..152.1
CÁLCULO DE
AUTOVETORES
E
AUTOVALORES
... ..162.2.
MULTIPLICIDADES
... ..18 2.3.PROPRIEDADES
... ..2O 2.4.TEOREMA
DE
GERSCHGORIN
... ..22 2.5.SIMILARIDADE
... ..23 2.6.DIAGONALIZAÇAO
DE
MATRIZES
... ..25 2.6.1.TEOREMA
DA
D|AGoNAL|zAÇAo
... ..292.7.
MÉTODO
DAS
PoTÊNc|As
... ..3oCAPÍTULO
III-
APLICAÇÕES DE
AUTOVALORES
E
AUTOVETORES
... ..343.1.
SEQUÊNCIA DE
FIBONACCI
... ..343.2.
MATRIZES DE
LESLIE E
CRESCIMENTO POPULACIONAL
... ..363.3.
CONSIDERAÇÕES
FINAIS
... ..4OREFERÊNCIAS
B|BL|oeRÁ|=|cAs
... ..41INTRODUÇÃO
Autovalores e autovetores
são
muito utilizadosem
álgebra linear ecomputação
científica, pois estão relacionadoscom
propriedades intrínsecasda
matriz. Por exemplo, se
uma
matriz possuium
autovalor nulo, implicaque
elanão
einversível. Assim, autovalores
nos fornecem
informações sobre a inversibilidadeda
matriz.
lnformalmente falando,
dada
uma
matrizquadrada
A
,um
autovetorde
A
éum
vetorque não
muda
asua
direção,quando
multiplicado porA
, e seu autovalorA é o
tamanho
da sua
expansão
ou
contração neste processo.As
palavras autovalor e autovetortem
origem alemã, e,em
alguns livrossão
chamados
de
valores próprios
ou
valores característicos, e os autovetoresde
vetores própriosou
vetores característicos. ~
O
objetivo deste trabalhoé
fazerum
estudoda
utilizaçãode
autovalores eautovetores
na
resoluçãode
problemas,bem
como
suas
principais propriedades ealgumas de suas
aplicações,complementando
oque
foiestudado
durante o cursode
especialização.O
trabalho está organizadoda
seguinte maneira:no
primeiro capítulo,há
uma
breve revisão
de
alguns conceitos básicosde
Álgebra Linear,que
serão utilizadosno decorrer
do
trabalho.No
capítulo 2,apresentamos
os conceitosde
autovalores eautovetores,
bem
como
algumas de suas
propriedades e resultados clássicos. Nestecapítulo é feita ainda
uma
breve discussãode
um
método
numérico usado
paracalcular autovalores, a saber o
método
das
potências. Finalizando este trabalho,apresentamos no
capítulo 3algumas
aplicaçõesde
autovaloresde
matrizes: ocálculo
do
n-ésimotermo da
sequênciade
Fibonacci, crescimento populacional eum
breve esclarecimento à respeito
da
formação das
matrizes utilizadas pelo siteCAPÍTULO
I-
CONSIDERAÇÕES
INICIAISEste capítulo inicial 'destina-se
a
fazeruma
breve revisãode
alguns conceitosde
álgebra linearusados no
decorrer desta monografia. Inicialmente, seráapresentada
uma
descriçãodas
principaisnotações
que
serão utilizadas.Em
seguida, serão expostas
algumas
definiçõescomo:
espaço
vetorial,combinação
linear,
dependência e
independência linear,subespaço
gerado,base
e
dimensão.1 _ 1 .
NOTAÇAO
-Inicialmente,
é
descritaa
notaçãodos
conjuntosde
numéricos, vetorese
matrizes.
O
conjuntodos números
reaisé denotado
por IR,e o
conjuntodos
números
complexos
porC
.Para
o espaço
de
todosos
vetores coluna,com
n
componentes
reais,é
usada
a notação IR" ,e no
caso das
n componentes serem
complexas,é usado
C"
_O
conjuntode
todasas
matrizesmxn
,onde
todasas
componentes
são
reais,é
escritocomo
-lR"'””,quando
todasas
componentes
são
complexas,é
escritocomo
CHM! _
Em
todoo
texto,usam-se
letrasminúsculas
do
alfabetoromano
parasimbolizar vetores
e
maiúsculas para matrizes,além
de
letrasgregas
minúsculaspara escalares. *
O
elemento
de
uma
matrizA
,que
se
encontrana
linha ie
na
colunaj
, édenotado
por ay..A
matriz nula,o
vetor nuloe o
escalar zerosão
denotados
por 0.A
matriz identidadeé
escritacomo
I
ou
1,,se
for necessário especificara sua
ordem.A
transpostada
matrizA
,é
denotada
porAT
,sua conjugada
transposta porAH
, isto é,AH
=(Ã)T.
A
inversadenotada
porA"
,a
inversada
transposta porA`T
, e a inversa
da
conjugada
transposta porAE”
_O
determinantede
A
será escritocomo
detA
,e o
traçocomo
trA
_Seja {x1 , xz, x,,}
um
conjuntode
vetores,o
espaço gerado
por estesvetores
é denotado
porspan{x¡,
x,,} _1.2.
ESPAÇOS
VETORIAS
Considere
um
conjuntoV
não
vazio,de
vetores, e,um
corpoK
cujoselementos são
escalares.Neste
conjuntosão
definidasduas
operações:1) Adição, simbolizada por +:
VXV-›
V;
2) Multiplicação por escalar, simbolizada por * :
K
X
V
-› V.Em
geral,o
corpoK
é o
corpodos
números
reaisou
dos
números
complexos.
DEFINIÇÃO
1:Se
o
conjuntoV
munido das
operações +
e
*, satisfizeros 8
axiomas
à seguir, ele seráum
espaço
vetorialsobre
K
;Aiiçä
1) Comutatividade: para
cada
u
, vE
V,
u
+
v=
v+
u
;2) Associatividade: para
cada
u, v,w
GV,
(u+v)+w=u+(v
+w);
3)
Elemento
neutro aditivo: existeum
vetor nulo,designado por
0, talque
para
cada
u
E
V,
0
+
u
=
u
;4) inverso aditivo: para
cada
uê
V,
existe-ueV
talque u
+(-u)=()
.Multiplicação por escalar:
1) Distributividade: para
cada
um
dos
‹x€K
ecada
u,vGV,
o‹(u+v)=o‹u+o‹v;
2) Distributividade:
para
cada ‹x,B€£K
ecada
ue
V,
(o‹+3)u=o‹u+Bu;
4)
Elemento
neutro multiplicativo:para
cada
ue
V,
existeum
elemento
neutromultíplicativo, fa/
que
1u
=
u
.Exemplo
1:IR2={(x,
y)/
x,yGIR}
é
um
espaço
vetorial sobre IRcom
asoperações de
soma
e
multiplicação por escalar definidasa
seguir:(X1›y1)+(x2,.V2)=(x1+x2,J'1+.V2)zP3"3Í°d°
(xnyl)
e
(fz)/z)€¡R2e
À(x1
,y,)=(ÃxLÃy1)
, para todo }\€lRe
(x¡,y,)ElR2
De
fato:Sejam u=(x¡,y¡), v=(x2,y2)
ew=(x3,y3)
ElR2
eo‹,BElR.
Temos
que:
fflfã
1) Comutatividade:u+V=(x1›y1)+(x2›y2)=(x1+x2›}'1+y2)=(x2+x¡›}'2+y1)=V+u
2) Associatividadez[u+v]+w
= l(x1.y1)+(xz.yz)]+(xz.yz)=(xz+Xz,yl+yz)+(xz,yz)
=
= ([x1+xz]+Xz.ly1+yzl+y3) = (x1+lxz+xz].;v1+[yz+yz]) =
= (x1,y1)+(x2+x3›y2+y3) = (x1›y1)+[(x2›y2)+(x3›ya” =
=
u+(v+w)
3)
Elemento
neutro aditivo:0+”
=(O›O)+(x1›.V1):(0+x1›0+}'1)
=(-x1›y1)=
U
4) Inverso aditivo: -
u+('"u)=(x1-y1)+(-x1›"y1)=(x1_x1,y1"y1)=(0›0)=
O 'iMultiplicação por escalar:
H
1) Distributividadez
z
‹‹›‹i›z.+xzi,‹×i››,+yzi›z
‹‹×›z,+‹›‹zz,‹›z,z,+‹×y,,›z
~3
(°(x1›°U'1)+(°(x2›(Xy2) =°f(x1›y1)+4×(xz›}'2)= 0‹u+o‹v
2) Disiributividadei
l‹×+Blu
=
l‹×+Bllx1.y1)
=
ll‹›‹+Blx1,l‹>‹+.Blyi)=
=(<××1+BX1.0<y1+By1) =(‹×x1,‹×y,)+(Bx1,By1)=
=
0f(x1›y1)+B(x1›}'1)
=
0fu+fiu
3) Associatividade:
l‹×B]u
=
l‹×Bl<×1,yi)=
(l‹xB]x1.l‹›‹B]yi)=
l‹›‹lBxil,‹×lByil)=
=
04(Bx1›By1)=
0f[B(x1›y1)1=
“[5
ll]4)
Elemento
neutro multiplicativo:lu
=1(x1›y1)=(x1›y1)
= U
Portanto IRZ é
um
espaço
vetorial sobre lR.Exemplo
2:O
conjuntode
todasas
matrizes reaisde ordem n
,com
as operações
usuaisde
soma
de
matrizese
multiplicaçãode
matriz por escalar,é
um
espaço
vetorial sobrelR.
1.2.1.
Subespaço
vetorialSeja
V um
espaço
vetorial sobreum
corpo
K
.Um
subespaço
vetorialde
V
será
um
subconjuntoW
de
V,
não
vazio,que
também
é
um
espaço
vetorial sobreK
,com
as
mesmas
operações
de
V
(adiçãoe
multiplicaçãopor
escalar).Seja
V
um
espaço
vetorialsobre
um
corpo
K.
Um
vetorué
V
é
ditocombinação
lineardos
vetores vl, ...,v,,€Vse
existirem escalares A1 ,À,,EK
tais
que
À,v,+...+z\,,v,,=u.Note
que,por
definição,nem
os
Ã,nem
os
vi,precisam
ser, necessariamente, distintos.1.2.3.
Dependência
e
independência linearSejam
vl, v2, , vn vetoresde
um
espaço
vetorialV.
Dizemos que
vl, vz, , vn
são
linearmentedependentes
(ousimplesmente
LD),se
existiremescalares À¡,...,À,,EK,
nem
todos nulos, taisque
À1v1+...+À,,v,,=O,caso
contrário,
dizemos
que
v, , vz, , vnsão
linearmenteindependentes
(Ll). Isto é,vl , v2, , v,,
são
Llquando a
únicacombinação
linearde
v1,v2, vnque
resultano
vetor nuloé
a
trivial,ou
seja,Ã,=
Ã2=...=A,,=0
_ _1.2.4.
Subespaço
gerado
Seja
S um
subconjuntode
um
espaço
vetorialV.
O
conjuntode
todasas
combinações
lineares finitas,de
elementos
de
S,
é
um
subespaço de
V,chamado
subespaço
gerado por
S
e
denotado por [S
Quando
S
é
um
conjunto finito, S={V1,--‹›V,z}.denotamos
estesubespaço
gerado por
[vl,...,v,,}por
span{v1,
...,v,,}.1.2.5.
Base
Seja
V um
espaço
vetorial sobreum
corpo
K,
uma
base de
V
é
um
subconjunto
Bc
V
parao
qualas
seguintescondições
se
verificam:a)
[B]=
V;
1.2.6.
Dimensão
Seja
V
um
espaço
vetorialsobre
um
corpoK.
Se
V
admiteuma
base
finita então
dizemos
que a dimensão de
V
(notação:dim V)
é o número de
vetores desta base.
Caso
contrárioa dimensão de
V
é
infinita.Exemplo
4:a)
z1zmiR2=2
b)
dz'mIR"=n
CAPÍTULO
Il-
AUTOVALORES
E
AUTOVETORES
DE
UMA
MATRIZ
Os
conceitosde
autovalore
autovetorde
uma
matrizA,
de ordem n
,são
muito
estudados
porpossuírem inúmeras
aplicações:na
Matemática,na
Fisica,nas
Engenharias: Civil
e
Elétrica, entre outras. Iniciaremos este capítuloapresentando
os
conceitosde
autovalore
autovetore algumas
das suas
propriedades básicas.A
seguir,
demonstraremos algumas
propriedadese
teoremas
importantes, paraque
possamos
analisaras
definiçõese os
resultados consideráveisa
respeitode
similaridade, diagonalização
de
matrizese
método
das
potências.DEFINIÇÃO
2.Se
A
é
uma
matrizde
ordem
n
, realou
complexa, entãoum
vetornão-nulo v
em
03"é
chamado
um
autovetorde
A
se
Av
é
um
múltiplo escalarde
v,ou
seja,Av=Ãv
para
algum
escalarÀ.
Este escalar seráchamado
de
autovalor
de
A
e
vé
um
autovetorassociado
a
À.
É
importante notar que,mesmo
que
a
matriz sejacomposta
pornúmeros
reais,
seus
autovalorese
autovetorespodem
ser complexos.O
vetorv
pode
ser qualquer, excetoo
vetor nulo, poisa
partirda equação
acima, teríamos:
A.0=À.0
e,assim
não
poderiamos
definir nada.a
respeitoda
matriz
A
e
nem
do
valorÀ
. Portanto, necessitaremos impora
condição:v¢0
_
Do
pontode
vista algébrico,um
autovetorde
uma
matrizA
éum
vetor cujamultiplicação por
A
pode
ser feitade
fomia
muito simples: basta multiplicar este vetor porum
escalar.Em
termosde
aplicações,o
cálculodos
autovetorese
autovaloresde
uma
matriz, frequentemente
pode
nos
conduzira
soluçõesde equações
diferenciaisque
são
de
interesse fisico,como,
por exemplo, frequências naturaisde
vibraçãode
um
2.1
CÁLCULO DE
AUTOVETORES
E
AUTOVALORES
A
Paffifda
eqUaÇã0
ÁV=Àv,
obtemos:Av-Àv=0,
colocando
-o vetor vem
evidência,encontraremos
(A-ÀI
)v=0
,como
v
não pode
serum
vetor nulo,esta
equação
implicaque
A-
À
Ié
uma
matriz singular,o
que
ocorre se,e
somente
se
det(A-ÀI)=0.
A
equação
det(A-Al
)=O
é denominada
“Equação
característicade
A
e
suas
raizesÀ
são os
autovaloresde
A,
sendo
que, paracada
autovalor A,podemos
encontrarmais
de
um
autovetor respectivo vi,se
o sistemade
equações
lineares (A-?\,.I)v,.=0 for possivel eindeterminado.
Aexpressão
det(A-AI
)é
chamada
de
polinômio característico.Para
encontraros
autovaloresde
uma
matrizA
geralmentesão usadas
técnicas
que
consistemem
transforma-lanuma
outra matriz equivalentecom
os
mesmos
autovalores,de
forma
que
estanova
matriz permita cálculosmais
fáceis.Computacionalmente
falando,não é
viável encontrar autovalores atravésdo
polinômio característico, por ter
um
alto custo computacional,a
menos
que
sejaum
caso
trivial, poisse
o
polinômio característico tiver graun>4
sua
resolução serádificil, por
não
existirem fórmulas diretas para cálculode
polinômios destamagnitude.
A
seguir,apresentamos
algunsexemplos
de
cálculode
autovalorese
autovetores
usando
o
polinômio característico.Exemplo
5
Dada
uma
matrizAm
, calcularos
autovalorese
autovetores correspondentes:,
2
1 1
A=
2
34
2-A
1 1A
matriz resultante desta diferença será:A-AI
=
2
3_
A
4
-
1-1
-2
-Ã
igualando
o
determinante desta matriza
zero:(2-à)(3-À)(-2-À)-4
-2-[_(3-›t)+4‹z-zi)+2(_-2-
zt)1=0e
desenvolvendo
esta equação,encontraremos
a
igualdadeÀ3~
3A2-À
+
3=0
cujas soluções
são
Ã1=-1
, ?\2=1e
A3=3
. Aplicadoa
igualdade Av=.-A v, para2
1 1 V1 V12
34
- V2=1.
vz-1 -1
-2
v3 V3após
transformarmos estaequação
matricialnum
sistemade
equações
linearesÀ2=1
obtemos:
através
do
desenvolvimentodo
produto acima, simplificando-aobtemos:
+1v1+
1v2+1 v3=0
+2
v1+2v2+4v3=O
_
-lvl-1v2-3v3=O
através
da
qualpodemos
chegar
ao
resultado:v1+v2=O
que
equivale a:v ,
=-vz.
Portanto
o
sistema possui infinitas soluçõese
todas elassão
da
seguinte forma:v=vz(1,~1,0l
onde
vz éum
escalar qualquernão
nulo.Assim,
o
autovetor(l,-
1,0) está associadoao
autovalorÀ2=l
_ E,de
maneira análoga
podemos
encontraros
autovetores associadosaos
autovaloresA1:-"'_1
e
À3=3
.DEFINIÇÃO
3.Sejam
A
uma
matrizquadrada
de ordem
n
e
À
um
autovalorde
A.
Então,a
coleçãode
todosos
autovetores correspondentesa
À, acrescidado
Exemplo
6
lã šl
sua
equação
caracteristica será:(À-1)(À-3)-(4.2)=0
cujas raízes serão
os
autovalores2\1=-1
e
À2=5
.Dada
a
matriz:A
partirdo
autovalor 5obteremos a
equação
matricial(Ã
Ê)-(Z;)=f‹(í;
-4v¡+2v2=0
4v,-2v2=0
utilizando
o
método da
substituição neste sistema linear,obteremos
a soluçãoque
nos
levaráao
sistema:v
(-ÍÃV2), ou
ainda%(l,2),
portantoo
autoespaço
associadoa
z\2=5é
1:A2={z(â)/zêiR}
.O
número de
vezes
que
um
autovalor ocorrecomo
fatordo
polinômiocaracterístico
é
chamado
multiplicidade (algébrica),assim oomo, a
dimensão do
auto
espaço
relacionadoa
um
determinado
autovalortambém
é
denominada
multiplicidade (geométrica),
como
veremos na
sequência.2.2.
MULTIPLICIDADES
DEFINIÇÃO
4. SejaA
uma
matrizde ordem n e
Ãkum
autovalorde
A
, então:o Multiplicidade geométrica
de
Àké a dimensão do
autoespaço
associado ao Multiplicidade aIgébn'ca
de
À,,é a
multiplicidadede
z\,,como
raizdo
polinômio característico
de
A
.Exemplo
7O
polinômio característicoda
matrizO
"2
"I
'dez(A-À1)=(1-À)(2-À)(-1-À)+2(1-À):-À(À2-2À+1),
ponanm
os
1
2
3ç
A=o
2
19
autovalores
de
A
são
z\¡=O, z\2=Ie
z\3=I ,dizemos
entãoque o
autovalor 1tem
multiplicidade algébrica2
.E×emplo8
4
2
1Á=
O 30)
Calcular
os
autovalorese
autovetoresde
1 24
.A
equação
caracteristicaé
(4-Ã)(3-Ã)(4-À)-(3
-Ã)=0,
desenvolvendo
obtém-se
a
equação
equivalente-(3-;\)2()\-5)=0 que
possuias
raízes: 3 (demultiplicidade
2
)e
5 _Os
autovetores associadosao
autovalor 3são
as
soluções4
-
32
1 ViO
0
3-3
0
vz=
O
1
2
4-3
VO
do
sistema: 3 .Na
resolução deste sistemade equações
encontra-sev,=-2v2-v3,
e, isto indicaque
a soluçãoé
da forma
{(-2v2-v3,v2,v3)lv2,v3€lR},
portanto autovetoresserão
(-2,
1,0)e
(-1, O
1) ,sendo
assim, este autovalor,que
tem
multiplicidadeA
seguiro
ieitorpoderá
contemplaralgumas
propriedades relevantesao
nosso
estudo,assim
como
as suas
demonstrações.2.3.
PROPRIEDADES
Nas
propriedades abaixoconsideraremos
A
uma
matriznxn,
com
autovalor
À
e
autovetor correspondente v.P1.
A
é
inversível se,e somente
se,0
não é
um
autovalorde
A.
Demonstração:
A
é
inversível se,e
somente
se,detA¢0,
ou
seja, se,e
somente
se,det(A-ÀI)¢0,
ou
ainda,A
não é
inversível se,e somente
se,O não
éum
autovalor
de
A
.nP2.
Se
A
é
inversívele
à é
um
autovalorde
A
associado
ao
autovetor v , entãoš
é
um
autovalorde
A*
correspondenteao
autovetorv
.Demonstração:
Seja
A
uma
matriz inversívele
À
um
autovalorde
A
associadoao
autovetor v.Como
A
é
inversível,À¢0.
Assim, muitipiicandoambos
os
ladosda
equação
Av
=
À
v
, porA"
, obteremos:A`lAv=A`1Àv
donde
vem
que:v=ÀA4v.
dividindo
ambos
os
ladosda
equação
porA
, obteremos:v
-1-=A
vÃ
reescrevendo esta equação, encontraremos:
I . _ _
o
que
mostra
que
-Ãe
um
autovalorde
A
'associado
ao
autovetor v .nP3.
A soma
dos
autovaloresda
matrizA
é
igualao
traço desta matriz.P4.
O
determinantede
uma
matrizA
é
o
produtodos
seus
autova/ores.A
demonstração das
propriedadesP3
e
P4
podem
ser encontradasem
Meyer.P5.
Se
v¡, , v,,são
autovetoresda
matrizA
associados
a
autovalores distintosÃ, , An.
Então
{v, , , v,,}são
vetores linearmente independentes.Demonstração:
Se
{v,,...,v,,}é
lineannente dependente, então,sem
perda
de
generalidadepodemos
dizerque
existeum
menor
índicep
talque
v
p +1é
umacombinação
linear
dos
vetores Llque o
precedem,
e, existem escalares cl , ,cp
tais que:Ç¡v¡+...+cpvp=vp+¡
(1) multiplicandoos
dois ladosdessa
equação
porA,
e,usando o
fatode que
Avk=Ã,,
v,, paracada
k. obteremos:"
c¡Av,+...+c¡,Av¡,=Av¡,+¡
clz\1v¡+...+cpi\¡,vp=Ãp+¡vp+l
multiplicando
os
dois ladosda equação
(1) porAW,
e, subtraindoo
resultadoda
equação
acima, teremos:t
C1(A1"À¡›+1)Vx+---+Cp(¡›"'Àp+1)Vp=0
(2)Como
{v, p}é
linearmente independente,os
coeficientesem
(2)são
todosiguais
a
zero.Mas,
nenhum
dos
fatoresÃ,-ÀPH
é
iguala
zero,porque os
autovalores
são
distintos. Portanto,c¡=0
para í=1,...,p.
Porém, a
equação
(1)nos
dizque
vp+¡=0,
o que
é
impossível. Assim, {v,,...,v,,}não pode
serP6.
Os
autovaloresde
uma
matriz triangularA
(superiorou
inferior)são os
elementos
da
diagonaf principal.Demonstração:
u u ' .
au
a12am
. . . _
_
O
az, a, .Dada
a matriz tnngutar inferiorA-
_ _ _ _" ,usando
propriedadesde
0
0
am
determinantes,
as
quaispodem
ser encontradasem
Boldrini,temos que
det
A=
an
. a22.am.
A
equação
caracteristica será então(À-au)(À-a22)...(Ã-a,,,,)=0,
sendo
assim,os
autovaloresda
matrizA
serãoÀ¡=0¡1,
À2=a22,
À,,=a,,,,,que
são exatamente os elementos
da
diagonalprincipais
Um
resultado importante,que
permite desenvolver técnicasde determinação
de
autovalorese
autovetores paraum
tipo específico dematriz, seráenunciado na
sequência.2.4.
TEOREMA
DE
GERSCHGORIN
Seja
A
uma
matnz de ordem n
(realou
complexa),e
c,=1,
2,... ,n
os
círculos cujoscentros
são
os
elementos!afi
e
cujos raios r,.são
dados
por:11 . . .
rizzjzltaüt ,onde
1-1,2,...,n.aIém
de que
l=#J-Seja
D
a
uniãode
todosos
círculos c,-. Então, todosos
autovaloresde
A
encontram-se
contidosem
D.
Demonstração:
Seja
À
um
autovalorde
A
e
x=x,,
...,x,,um
autovetor correspondente. Então,11 , .
de
z\x=Ax,
temos que (À-añ)x¡=2j=U_¢¡a¡¡x¡. SUPOUÚU que
xrz9
3
ma'°fn Hx n
l?\"%t|<Z¡_.=¡¡,,,.|ay|Í;ä<2:¡=,¡,é,|ai;¡|=7`:z
ou
seja, o autovalorÀ
está contidoem
ck,como Ã
é
arbitrário, então todos os autovaloresde
A
devem
estar contidosna
uniãode
todosos
círculosD
_2.5.
SIMILARIDADE
Iniciamos esta
seção apresentando o
conceitode
similaridadede
matrizes.Veremos
que
similaridadeé
uma
relaçãode
equivalência,e
que
matrizes similarespossuem
os
mesmos
autovaloresalém
de
outras propriedadesem
comum.
DEFlNlÇÃO
5.Se
A
e
B
são
matrizesnxn
,então
A
é
similara
B
se
existiruma
matriz inversíve!P
talque 12"
AP:
B,
de
modo
equivalente,A=PBP"1
_Se
A
é
simi/araB
,escrevemos
A~B.
Multiplicando
P
pela esquerda,e
P"
pela direitana equação
P"1AP= B
,teremos
A=
PBP*
, portanto,B
também
é
similara
A,
e
dizemos simplesmente
que
A
e
B
são
similares.Aaplicação
que
levaA
em
P`1AP= B
échamada
transformação
de
similaridade.Observações:
1)
Se
A~B,
podemos
escrevertambém
A=PBP"
ou
AP:
PB.
2)
A
matrizP
depende de
A
e
de
B.
Elanão é
única paraum
parde
matrizessemelhantes
A
e
B.
Para comprovar
isto bastatomar
A=B=I
, pois 1~1
jáque P`1
I
P
=
I
para qualquer matriz inversívelP
_Teorema
1Sejam
A,
B
e
C
matrizesnxn.
,(a)
A~A
(b)
Se
A~B,
entãoB~A.
(c)
Se
A~B
e
B~C,
entãoA~C
Demonstração:
(a) Esta
demonstração
é
evidente, basta considerarque
A=
I'I
A
1_(b)
Se
A~B,
então paraalguma
matriz inversívelP,
B=P'lAP.
Multiplicandonesta
equação, a
matrizP
pela esquerda,e
sua
inversa,P'1,
pela direita,obteremos
PBP`*=
A.
Considere
uma
matrizQ
talque
Q=P'1,
teremos
Q`1BQ==(P"')`1=PBP"
=A
_ Portanto, pela definição,B~
A
_(c)
Por
hipóteseA~B,
ou
seja, existeuma
matriz inversívelP,
talque
P* AP:
B.
Como
B~C,
existeuma
matriz inversívelQ,
talque
Q*
BQ=C.
Assim
C=Q`1BQ=Q"P"APQ=(PQ)`IAPQ_
Logo,A~C.
n
O
teorema
abaixomostra
que
matrizes similarespossuem
os
mesmos
autovalores.Teorema
2
Sejam A,
BGM
mm.Se
B
é
semelhante
a
A
,então
o
polinômio característicode
B
éomesmode
A.
Demonstração;
Seja
P
B(A) o
polinômio característicode
B;
como
B~A,
existeuma
matrizinversível
P
talque
PAP"1=
B
_ Assim,temos
que
PB(A)=det(B-AI)
=
dez(PAP“*-A1)
=
dez(PAP-1-ÀPP"*)
=
der(P)dez(A-ÀI)der(P'1)
zz1zP.âzA-À1._l-_
ee(
)det(P)
= def
(Á_ÃI)=PA(À)
_¡Corolário 1:
Se
A
e
BGMM,
são
semelhantes então
elaspossuem
os
mesmos
autovalores,
oom
as
mesmas
multíp/ícidades.Além
dos
autovalores, matrizessemelhantes
possuem
outras propriedadesem
comum,
como
veremos no
próximo teorema.Teorema
3
Sejam
A
e
B
matrizesnxn
com
A~B.
Então:a.
detA=detB
b.
A
e
B
tem os
mesmos
autovalores.c.
A
é
ínversível se,e somente
se,B
for ínversível.Demonstração:
Inicialmente,
lembre
que:se
A~B,
entãoP"1AP=B
paraalguma
matrizinversível
P
_(a) Esta
demonstração é
imediata,a
partirdo teorema
1.(b) Este
teorema
já foidemonstrado
no
corolário 1.(c) Pelo item (b),
A
e
B
possuem
os
mesmos
autovalores, portanto0§EÀ(A)
see
somente
se09EÀ(B)
.Ou
seja,A
é
ínversível see somente
seB
é
ínversível. n2.6.
DIAGONALIZAÇAO
DE
MATRIZES
Um
problema
muitocomum em
matemática
aplicadaé a necessidade de
matriz diagonal, esta tarefa
é
trivialmente executada.Se
a matriznão
for diagonal,mas
se
for possível fatorá-lada
forma
A=
PDP”
,onde
D
éuma
matriz diagonal,então
é
possivel calcular facilmente potênciasde
A.
Este tipode
fatoraçäoé
chamado
de
diagonalizaçãoe
seráapresentado
a
seguir.DEFINIÇÃO
6.Uma
matrizmm
é
diagona/izávelse
existiruma
matriz diagonalD
ta/que
A
sejasemelhante
a
D
,ou
seja,se
existeuma
matrizP,
nxn
,inversívelta/
que
P`1A
P=D.
Teorema 4
Se
A
é
uma
matrizmm
,então
são
equivalentesas
seguintesafirmações.
a)
A
é
diagonalizável.b)
A
tem n
autovetores Lt.Demonstração:
(a)=›(b)
Como
estamos supondo que
A
é
diagonalizável, existeuma
matrizP11 P12
Pm
P=
PÉ* PÉ" _ inversível talque
P`1AP=D,
Oflde,› › ›
z z u
I
pnl pm?pm
A1
0
0
=
2% '_"segue da
fórmulaP”1AP=D
que
AP=PD,
ou
sela.
. z z z
ú ‹ ' I
O O
Àn)pg, 1922
ph
0
A2O
=À¡p2¡
Àzpzz
Ãnpzn
(1) . . _ ‹ z u _ a ‹ U z ' 1 . u ¢ › . ¢ . Q 1 o 1 z ‹ , , ' . . z ¢ u u 0(1711 Piz Piz Ai
0
O
Àipn
À2P12
Anpin
pn, png
pm
0
0
À”
À¡p,,¡Ãzpnz
Ànpm
Se
denotarmos os
vetores-colunade
P
por pj. P2, ...,P,
eflfãfl, atravésde
(1)obteremos as
colunasde
AP
por A1 pl,Àzpz,
,Ãnp", ou
seja,`
Apz=^zPz.
A1›z=×\zPz.
AP,.=^zp,.
(2)Como
P
é
inversível,seus
vetores-colunasão
todos não-nulos: assim, por (2)segue que
2\1,A2,...,A,,são
autovaloresde
A
e que
p¡,p2,...,p,,são
autovetores associados.
Como
P
é
inversível,segue que
pj, P2,P"
SãO
linearmente independentes. Assim,
A
tem
n
autovetores LI.(b)=›(a)
Suponha que
A
tem n
autovetores Ll p¡,p2,...,p,,com
os*Pim P12 P111
autovalores associados 2\,,Ã2,...,À,,
e
sejaP=
21 22; `_" 2" a matrizpu] P112 "'
pm
cujos vetores-coluna
são
pl, p2,..., p,,.Os
vetores-colunade
AP
são
Apl,
Ap2,...,Ap,,.Mas
Ap¡=z\¡p¡,
Ap2=A2
p2,
Ap,,=À,,p,,de
modo
que
Àipn
Àzpiz
À»P¡n\
Pn
Piz P1n\ À10
0
Ap='\1p21
À21722›zP2zi1=P21
P22 P2nl_O
À20
z z , u z z . ú z _ z ‹ ‹ Q ‹ Q ‹ Q ¢ ‹ u n ø n ° o ‹ ‹ Q à a ' ú Flip",Àzpnz
Ànpm,
pnz pnzpm,
0 0
Â.. =PD
(3)onde
D
é
a matriz diagonalcom
os
autovalores á,z\2,...,À,,na
diagonal principal.Como
os
vetores-colunade
P
são
linearmente independentes,P
éinversível; assim, (3)
pode
ser reescritacomo
P*
A
P=
D,
ou
seja,A
éExemplo 8
5
O
OEncontrar
a
matrizP
que
diagonalizaA=(1 -4
6)
.
2
0
2
Sua
equação
caracteristica será(5-Ã)(-4-2\)(2-À)=(),
cujos autovaloressão
9
5,
-4
e
2; Para
À,=5
obteremos
P1=[5},
paraA2:-4
encontramos
6
O
0
Pz=[1}
e
paraÀ3=2teremos P3=l1¶.
Três
vetores LIformam
uma
base,O
19 0 0
portanto
a
matrizA
é
diagonalizávele
P=(5
11) diagonaliza a matriz
A
.6 0
1 Pois /____._.._._.__ \Oo`\Ol-*\0›-^O
›-dO
i--I hdÇ
-_.___________________....z 'E.'›"._".T,.`O
O
IQO
"5×`""l?5`O
O
P*O
'<'5"""G.`O
O
l\>O
P"1AP=.-
-
-4ó511=o-40.
Para
escreveras
colunasde
P
não
existenenhuma
ordem
preferencial.A
¡-ésima
entrada diagonalde
P*
AP
é
um
autovalor parao
i-ésimo vetor-colunade
P
,mudando
a
ordem
das
colunasde
P
só
muda
a ordem
dos
autovaloresna
diagonal
de
P`1AP.
Antes
de
demonstrarmos
o
teorema a
seguir valos enunciarum
lema
cujademonstração
pode
ser encontradaem
Poole.Lema
1:Se
A
é
uma
matrizde ordem
n
, entãoa
multiplicidade geométricade
2.6.1.
Teorema
da
DiagonalizaçãoSejam
A
uma
matrizde
ordem
n
com
autovalores distintos À, , A2, Ãk.Os
enunciados a
seguirsão
equivalentes.a)
A
é
digona/izável.b)
A
união ,Bda
bases
dos
autoespaços
de
A
contém n
vetores.c)
A
multiplicidade algébricade cada
autovaloré
igualà
sua
multiplicidadegeométrica. '
Demonstração:
(a)=>(b)
Se
a
matrizA
é
diagonalizável, então elatem
n
autovetoresIinearmente independentes.
Se
ri,desses
autovetorescorrespondem
ao
autovalorÃ, então B, (a
base
do
autoespaço
E
,Í )contém
pelomenos
n,- vetores,os
quaissão
Iinearmente independentes.Assim
,6contém
pelomenos n
vetores.Como,
,Bé
um
subconjuntodo
IR” Iineamiente independente, elecontém
exatamente
n
vetores.
(b)=›(c) Seja -d,=dz`mE,¡,,,)
a
multiplicidade geométricade
A,e
seja rn,sua
multiplicidade algebrica. Pelo
lema
anteriortemos que
d,<m,
para i=1,...,k.Assuma
que
vale a propriedade (b), entãon=d¡+d2+...¬l-d,,<m¡+m2-l-...+m,,_
Mas
ml+m2+...+m,,=n,
poisa
soma
das
multiplicidades algébricasdos
autovalores
de
A
é exatamente
o
graudo
polinõmio característicode
A,
a
saber,n.
A
partir disso,obtemos
d¡+d2-l-...-l~d,,=m¡-l-m2+...+m,,e
isso implicaique(ml-dl)+(m2-d2)+...~l-(m,,-d,,)=0
_ Pelolema
anteriortemos
que
m,=d,>0,
para z`= 1, ,
n
, assim,cada
parcelada
equação
acima deve
ser zero.A
(c)=>(a)
Se
a
multiplicidade algébricami
e a
multiplicidade geométrica d,são
iguais para
cada
autovalor Ã,de
A,
então5
tem
dl+d2+...+d,,=m,+m2+...+m,,=n
vetores,que
são
Iinearmenteindependentes. Assim,
temos
n
autovetoresde
A
Iinearmente independentes e,Exemplo 9
0
10
A
TTIGÍFÍZÂ=(0
O
1) possui dois autovalores distintos, pois,
À,=Ã2=l
e2
-5
4
À3=2.
Dessa
forma,os
autovalores À,e
A2são
ambos
iguaisa
1 , poressa
razão diz-seque tem
multiplicidade algébrica 2 , e,como
z\3=2 ,sua
multiplicidade geométrica é 1 ,A
não
é
diagonalizável,de
acordo
com
o
teorema
da
diagonalização.Exemplo
10-I
3 1A
matrizA=
0
0
0)
tem
dois autovalores distintos,Ã,=À2=0
e
1
-3
-1
À3=-2
_O
autovalor0
tem
multiplicidade algébricae
geométrica iguais a2
,e o
autovalor
-2
as
tem
iguaisa
1 .Assim
essa
matrizé
diagonalizável,de
acordocom
oTeorema da
Diagonalização. -2.7.
MÉToDo
DAS
PoTÊNc|As
Richard Edler
von Mises (1883
-
1953), cientista, nascidona
Áustria-Hungria(atual Ucrânia), introduziu
o
.métododas
potências,em
1929,como
uma
forma de
maximizar ou
minimizaros
autovalorese
os
autovetoresde
uma
matriz reale
simétrica.
Antes
do
estudode
Mises,o método
utilizado para encontrar os autovaloresde
uma
matriz consistiaem
solucionara
equação
característica. Contudo,quando
aequação é do
quarto grauou
superior,esse
método
se
toma
muito trabalhoso, poiso
cálculodo
determinantede
matrizesnessa
ordem
passa
porum
processo muitodemorado,
bem
como,
não
há
fórmulas para determinaras
soluçõesde equações
polinomiais
de
grau maiorque 4
_Por causa
disso, paraa
maioriados problemas
O
método
das
potênciasê
utilizadoem
matrizes quadradas,desde
que
um
de
seus
autovalorespossua
respectivo vaior absolutomaior
que
todosos
outros,este autovalor
é
denominado
autovalor dominante,e
serádenotado
por AI .Como
exemplo,
se
osnúmeros
-4
, 1e
3são
os
autovaloresde
uma
matriz, entãoo
Sl Si C) (I) :J 5? (D 92. as
autovalor
dominante é
À,=-4
, pois considera-seo
maior valorabs
Por
outro lado,uma
matrizcom
autovalores-4,
-3,
O e
4
não
tem
valordominante.
Após
algumas
iteraçõeso método
das
potências irá produziruma
sequência
de
escalaresque
convergirá para Ã,e
uma
sequência de
vetoresque
convergirápara
o
autovetor correspondente V1 ,o
autovetor dominante.Daqui
para frente,suponha que
A
é
uma
matriz diagonalizável.Teorema
5Seja
A
uma
matriznxn
diagonalizável,com
autovalordominante
A1. Então,existe
um
vetorxo
não
nulo,com
uma
componente
clna
direçãodo
autovetordominante
vl , ta/que a
sequência
de
vetoresxk
definida por:x1=Axo› x2=Ax1› x3=Ax2›
› x1z=Ax(1z-1).tende
ao
autovetordominante
v, .Demonstração:
Como
Alé o
autovalor dominante,podemos
considerarque
todosos
autovaloressão
indexadosda
seguintemaneira
|À,|>|À2|>¶Ã3|>...>|À,,| _Sejam
vl, vz, vnos autovetores correspondentes,
como
A
é
diagonalizável {v¡,v2,...,v,,}são
linearmente independentes,
e
portantoformam
uma
base
de
IR".Consequentemente,
xopode
ser escritocomo
uma
combinação
lineardesses
autovetores,
da
forma
x(,=c¡v¡+c2v2+...+c,,v,,_Mas,
x]=_/1x0,xz=A-*1=Â(Ax0)=A2X0,
x3=Ax2=A(A2x0)=A3x0,
e,de forma
geral,A
rzÃ
fzAk
x0=
clAÍ
vl+c2
Ã:
v2+...+cn
AI;vn=Àf
(Q
vl+c2
1 v2 +...+c,, I vnonde
utilizamoso
fatode
que
À1¢
0.O
fatode
A, serum
valordominante
significaA2 A3
À
que
cada
uma
das
fraçoesem
valor absoluto,é
menor que
1.1 l 1 rz rz rz
Assim
A2 A3 À” ' ^ ' td
,Ã:
,Xl- ,..., Xl-
e
uma
sequencia
que
en
e
a
zeroquando
k-mo
.Daíobteremos xk=Akx0-›?\fclv,
quando k-›‹›o.Como
2\¡¢0e
v,¢0,
xk seaproxima
de
um
múltiplonão
nulode
v, ,se
c¡¢0.
nPodemos
resumiro
método
das
potênciasda
seguinte forma:Seja
A
como
matrizde ordem n
diagonalizávelcom
um
autovalordominante
À, . E, sejax0=y0
um
vetor inicialdo
lR" cuja maiorcomponente
é
1 _o Repita os seguintes
passos
parak=l,
2,... :a) Calcule x,,=Ax¡,,_,).
b) Seja
mk
acomponente de
xk
com
maior valor absoluto._ . 1
C) Sêja yk=(Tn"')x;¡.
li
Para
a maioriadas
escolhasde
xo,mk
converge
parao
autovalordominante
A1 ,e
y
kconverge
parao
autovetor dominante.Observações:
i)
Se
acomponente do
vetor inicialxo na
direçãodo
autovetordominante
vifor nula então
o
método da
potêncianão
irá convergir paraum
autovetor dominante.No
entanto,ao
longodas
iterações,os
cálculos, frequentemente, produzirãoum
x
kcom
componente não
nulana
direçãode
v, .A
partir dai,o
método
convergirá paraii)
O
método da
potência funcionamesmo
quando
se
tem
autovalordominante
repetido,
ou
atémesmo
sea
matriznão
for diagonalizável.iii)
O
método da
potênciaoonverge rapidamente
paraum
autovetor dominante,em
algumas
matrizes especificas; porém, para outras,a
convergênciapode
serÃ
A3 Ã" A2bastante vagarosa.
De
fato,como
l-
->...>-
,se
-
forum
valorÀ,
\
À, À,À
k k
. . .
A
A
. .proximo
de
zero, entãoa
sequencia
T"
iráse
aproximarde
zeroI 1
rapidamente. E, pelo
teorema
demonstrado
acima,xk=Ak
.xotambém
irá seaproximar
rapidamente
de
Ãfc¡ vl .Maiores
detalhes sobreo
método das
potênciase suas
variaçõespodem
serCAPÍTULO
III-
APLICAÇÕES DE
AUTOVALORES
E
AUTOVETORES
Como
mencionado
anteriormente, autovalorese
autovetoressão
muitoutilizados
em
matemática
aplicada, porexemplo
em:
Acústica, teoriade
controle,mecânica dos
fluídos, cadeiasde
Markov,equações
diferenciais parciais, ecologia,economia
e etc.Neste
capítulofaremos
uma
breveapresentação
de
algumas
aplicações
de
autovalores,as
quaisnão
requerem conhecimento
profundode
outrasáreas. lniciamos
o
capítulo falandoda
sequência
de
Fibonacci,em
seguida,faremos
algumas
considerações referentesao
estudodo
crescimento populacional atravésdas
matrizesde
Leslie, porfim, observaremos as
influênciasdos
autovalorese dos
autovetores
no
sitede
busca
Google.3.1.
sEQuÊNciA DE
FiBoNAcc|
A
sequência
de números:
1,1,2,3,5,8,13,21,34,55,89,...
é conhecida
como
sequência
de
Fibonacci.Os
dois primeirosnúmeros
nestasequência são
iguaisa
1,e
os demais são
obtidos atravésda
soma
dos
doisnúmeros
anteriores. Assim, considereu0=1
e
u,=I
, então,u2=l
+1=2
,u3=2+l=3
,u,,=2+3=5
,u5=3+5=8,
e assim
segue
a
sequência.Para
encontrar
a
fórmula geral para estasequência
observamos
que,a
partirdo
terceiroelemento
u,,=u,,_,+u,,_2. Portanto, esta fórmula vale para todosos
valoresn>2
,desde que
neN
e,como
se
pode
notar u,,_ , =u,,_ , ,das duas
equações,pode-se
montar a
equação
matricial:u,,
:I
1 u,,_,Agora definamos:
_
ll 1 1W
__ 16'!-1=
\
\ _
¡z[uk
}e
A
ílOJ
talque0<k<n
1,de
modo
que: ,“~›=lí;l=líl» »-=lí1:l=l%l›
W~~2=lz'í::;lG
W~=lzzíí;l
portantoa
equação
(1)pode
ser escritacomo:
Wu-1=AW»-2
- logo:wl
=Aw0
w2=Aw,=A(Aw,,)=A2w0
w3=Aw,=A
(A2w0)=A3w0
(2)Wu-1=An_lWo
sendo
assim, para encontrar u,, basta calcularA”`1.
O
exponencialde
uma
matrizé
um
cálculo muito trabalhosoa medida que
n
aumenta,
para evitaressa
dificuldade,
encontraremos
uma
matriz diagonalD
semelhante a
A
_A
equação
característica
de
A
é:-1
A
isto significa
que
os
autovaloresde
A
são:1+\/Ê
1-\/Ê
À,=TeÀ2=T
demodoque
É
‹›D=
2
_ 1 ~/šO
21+\/š
E1-Jš
x,=
2
ex2=
2
. 1 1 Assim, `1+\/É 1-×/Ê
P=
2
2
, 1 1 _ ___-1+×/'§-
äaäi*-'P'1=
2
×/š1+×/Ê
`2
1/šlogo,
Ak
=PDk
P`1
, poisD
é
um
matriz diagonal, então para calcularDk
, bastaelevar
os elementos
da
diagonal principalà
k-ésima potência,sendo
assim,de
(2)temos:
_
n-l_
n-l -l __w"_¡-A
wo-PD
P
wo-
1+×/_5_1\/Ê
Lin-
“L
5 1
...___
_;(
2
)O
\/'š2
2
,l
O
(
2
) ×/Ê2\/Ê
esta
equação
nos
fomece a
fórmula:u
”:L
(l+\/š)›z+1_(1_\/š)›z+1
\/š
2
2
que
permiteo
cálculo diretode
u,, .3.2.
MATRIZES
DE
LESLIE
E
CRESCIMENTO POPULACIONAL
As
matrizesde
Leslieoontém
informações sobreas
taxasde
natalidadee
mortalidade