Provas. As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor.

Transcrição

1 Provas As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor. Terceira prova. Sábado, 15/junho, 10:00-12:00 horas, ICEx.

2 Diagonalização Definição: Um matriz quadrada A é diagonalizável se existir uma matriz invertível P e se existir uma matriz diagonal D tais que P 1 AP = D

3 Diagonalização Definição: Um matriz quadrada A é diagonalizável se existir uma matriz invertível P e se existir uma matriz diagonal D tais que P 1 AP = D Para P 1 AP = D devemos ter AP = PD com P invertível.

4 Diagonalização Definição: Um matriz quadrada A é diagonalizável se existir uma matriz invertível P e se existir uma matriz diagonal D tais que P 1 AP = D Para P 1 AP = D devemos ter AP = PD com P invertível. De modo geral, a igualdade AP = PD não implica que A é diagonalizável, pois esta igualdade pode ser verdadeira com P não invertível.

5 Diagonalização Definição: Um matriz quadrada A é diagonalizável se existir uma matriz invertível P e se existir uma matriz diagonal D tais que P 1 AP = D Para P 1 AP = D devemos ter AP = PD com P invertível. De modo geral, a igualdade AP = PD não implica que A é diagonalizável, pois esta igualdade pode ser verdadeira com P não invertível. Então podemos dizer que A é diagonalizável se AP = PD com P invertível e D diagonal.

6 Diagonalização Mostramos que a igualdade AP = PD significa que:

7 Diagonalização Mostramos que a igualdade AP = PD significa que: As colunas de P são autovetores de A. Na diagonal principal de D aparecem os respectivos autovalores de A.

8 Diagonalização Mostramos que a igualdade AP = PD significa que: As colunas de P são autovetores de A. Na diagonal principal de D aparecem os respectivos autovalores de A. Se A é uma matriz n n, para P ser invertível, P deve ser formada por n autovetores LI.

9 Diagonalização Mostramos que a igualdade AP = PD significa que: As colunas de P são autovetores de A. Na diagonal principal de D aparecem os respectivos autovalores de A. Se A é uma matriz n n, para P ser invertível, P deve ser formada por n autovetores LI. Teorema: uma matriz quadrada A n n é diagonalizável se A possui n autovetores LI.

10 Autovalores e Autovetores Definição: Seja A uma matriz quadrada. Um número real λ é um autovalor de A se existir um vetor V 0 tal que AV = λv.

11 Autovalores e Autovetores Definição: Seja A uma matriz quadrada. Um número real λ é um autovalor de A se existir um vetor V 0 tal que AV = λv. Neste caso V é um autovetor associado ao autovalor λ.

12 Autovalores e Autovetores Definição: Seja A uma matriz quadrada. Um número real λ é um autovalor de A se existir um vetor V 0 tal que AV = λv. Neste caso V é um autovetor associado ao autovalor λ. Cálculo de autovalores e autovetores: AV = λv.

13 Autovalores e Autovetores Definição: Seja A uma matriz quadrada. Um número real λ é um autovalor de A se existir um vetor V 0 tal que AV = λv. Neste caso V é um autovetor associado ao autovalor λ. Cálculo de autovalores e autovetores: AV = λv. AV λv = 0

14 Autovalores e Autovetores Definição: Seja A uma matriz quadrada. Um número real λ é um autovalor de A se existir um vetor V 0 tal que AV = λv. Neste caso V é um autovetor associado ao autovalor λ. Cálculo de autovalores e autovetores: AV = λv. AV λv = 0 AV λi n V = 0

15 Autovalores e Autovetores Definição: Seja A uma matriz quadrada. Um número real λ é um autovalor de A se existir um vetor V 0 tal que AV = λv. Neste caso V é um autovetor associado ao autovalor λ. Cálculo de autovalores e autovetores: AV = λv. AV λv = 0 AV λi n V = 0 (A λi n )V = 0

16 Autovalores e Autovetores Definição: Seja A uma matriz quadrada. Um número real λ é um autovalor de A se existir um vetor V 0 tal que AV = λv. Neste caso V é um autovetor associado ao autovalor λ. Cálculo de autovalores e autovetores: AV = λv. AV λv = 0 AV λi n V = 0 (A λi n )V = 0 Como V não é o vetor nulo, concluímos que V é uma solução não trivial do sistema linear homogêneo (A λi n )X = 0.

17 Autovalores e autovetores Um autovetor V é uma solução não nula do sistema linear homogêneo (A λi n )X = 0.

18 Autovalores e autovetores Um autovetor V é uma solução não nula do sistema linear homogêneo (A λi n )X = 0. Um sistema homogêneo possui solução não trivial quando a matriz dos coeficientes tem determinante igual a zero.

19 Autovalores e autovetores Um autovetor V é uma solução não nula do sistema linear homogêneo (A λi n )X = 0. Um sistema homogêneo possui solução não trivial quando a matriz dos coeficientes tem determinante igual a zero. Portanto para existir solução não trivial, devemos ter det(a λi n ) = 0.

20 Autovalores e autovetores Um autovetor V é uma solução não nula do sistema linear homogêneo (A λi n )X = 0. Um sistema homogêneo possui solução não trivial quando a matriz dos coeficientes tem determinante igual a zero. Portanto para existir solução não trivial, devemos ter det(a λi n ) = 0. autovalores: são raízes do polinômio característico p(λ) = det(a λi n ) = 0.

21 Autovalores e autovetores Um autovetor V é uma solução não nula do sistema linear homogêneo (A λi n )X = 0. Um sistema homogêneo possui solução não trivial quando a matriz dos coeficientes tem determinante igual a zero. Portanto para existir solução não trivial, devemos ter det(a λi n ) = 0. autovalores: são raízes do polinômio característico p(λ) = det(a λi n ) = 0. autovetores: são soluções do sistema linear homogêneo (A λi n )X = 0.

22 Exemplos Verifique se cada uma das seguintes matrizes A é diagonalizável ou não. Quando for, determine uma matriz invertível P e determine uma matiz diagonal D tais que P 1 AP = D. (a) A = (b) A = (c) A = [ 7 ]

23 Diagonalização Teorema: uma matriz quadrada A n n é diagonalizável se A possui n autovetores LI.

24 Diagonalização Teorema: uma matriz quadrada A n n é diagonalizável se A possui n autovetores LI. Para A não ser diagonalizável tem que faltar autovetores LI.

25 Diagonalização Teorema: uma matriz quadrada A n n é diagonalizável se A possui n autovetores LI. Para A não ser diagonalizável tem que faltar autovetores LI. Teorema: autovetores associados a autovalores diferentes são LI.

26 Diagonalização Teorema: uma matriz quadrada A n n é diagonalizável se A possui n autovetores LI. Para A não ser diagonalizável tem que faltar autovetores LI. Teorema: autovetores associados a autovalores diferentes são LI. Deste teorema vemos que na tentativa de construir a matriz P de autovetores para diagonalizar A: não precisamos nos preocupar com colunas associadas a autovalores diferentes. Elas já nascem LI. precisamos somente pensar nos blocos de autovetores associados a um mesmo autovetor. para este bloco ser LI, se o autovetor é uma raíz de multiplicidade k de p(λ), então o autoespaço associado a λ deve ter dimensão k. Caso contrário A não é diagonalizável.

27 Diagonalização de matrizes simétricas

28 Diagonalização de matrizes simétricas Vimos que existem matrizes que não são diagonalizáveis.

29 Diagonalização de matrizes simétricas Vimos que existem matrizes que não são diagonalizáveis. Vamos ver agora que no caso particular de matrizes simétricas isto não ocorre. Isto é, vamos ver que todas as matrizes simétricas são diagonalizáveis.

30 Diagonalização de matrizes simétricas Vimos que existem matrizes que não são diagonalizáveis. Vamos ver agora que no caso particular de matrizes simétricas isto não ocorre. Isto é, vamos ver que todas as matrizes simétricas são diagonalizáveis. Definição: Uma matriz quadrada A é simétrica se A = A t. Neste caso existe uma simetria em relação a diagonal principal

31 Diagonalização de matrizes simétricas Vimos que existem matrizes que não são diagonalizáveis. Vamos ver agora que no caso particular de matrizes simétricas isto não ocorre. Isto é, vamos ver que todas as matrizes simétricas são diagonalizáveis. Definição: Uma matriz quadrada A é simétrica se A = A t. Neste caso existe uma simetria em relação a diagonal principal Teorema: Para uma matriz simétrica A, autovetores associados a autovalores diferentes são ortogonais.

32 Diagonalização de matrizes simétricas Se A n n é uma matriz simétrica, então autoespaços associados a autovalores diferentes são subespaços ortogonais de R n.

33 Diagonalização de matrizes simétricas Se A n n é uma matriz simétrica, então autoespaços associados a autovalores diferentes são subespaços ortogonais de R n. Considerando bases ortonormais para cada um destes autoespaços, é possível construir uma matriz P para diagonalizar A tal que as colunas de P são vetores ortonormais de R n.

34 Diagonalização de matrizes simétricas Se A n n é uma matriz simétrica, então autoespaços associados a autovalores diferentes são subespaços ortogonais de R n. Considerando bases ortonormais para cada um destes autoespaços, é possível construir uma matriz P para diagonalizar A tal que as colunas de P são vetores ortonormais de R n. Como vetores ortogonais são LI, segue que P é invertível.

35 Diagonalização de matrizes simétricas Se A n n é uma matriz simétrica, então autoespaços associados a autovalores diferentes são subespaços ortogonais de R n. Considerando bases ortonormais para cada um destes autoespaços, é possível construir uma matriz P para diagonalizar A tal que as colunas de P são vetores ortonormais de R n. Como vetores ortogonais são LI, segue que P é invertível. Teorema: Toda matriz simétrica A é diagonalizável. Mais ainda, existe uma matriz P cujas colunas são autovetores ortonormais e existe uma matriz diagonal D tais que P 1 AP = D.

36 Diagonalização de matrizes simétricas Se A n n é uma matriz simétrica, então autoespaços associados a autovalores diferentes são subespaços ortogonais de R n. Considerando bases ortonormais para cada um destes autoespaços, é possível construir uma matriz P para diagonalizar A tal que as colunas de P são vetores ortonormais de R n. Como vetores ortogonais são LI, segue que P é invertível. Teorema: Toda matriz simétrica A é diagonalizável. Mais ainda, existe uma matriz P cujas colunas são autovetores ortonormais e existe uma matriz diagonal D tais que P 1 AP = D. Passamos longe da demonstração deste teorema...para mais detalhes, leia a apostila.

37 Diagonalização de matrizes simétricas Teorema: Toda matriz simétrica A é diagonalizável. Mais ainda, existe uma matriz P cujas colunas são autovetores ortonormais e existe uma matriz diagonal D tais que P 1 AP = D.

38 Diagonalização de matrizes simétricas Teorema: Toda matriz simétrica A é diagonalizável. Mais ainda, existe uma matriz P cujas colunas são autovetores ortonormais e existe uma matriz diagonal D tais que P 1 AP = D. Exemplos: Para cada uma das matrizes simétricas a seguir, determine matrizes P e D como no teorema anterior. [ ] 2 1 (a) A = (b) A =