˜ PAULO UNIVERSIDADE DE SAO ˆ ´ ICAS ˜ INSTITUTO DE CIENCIAS MATEMATIC AT AS E DE COMP CO MPUTAC UTAC ¸ AO ´ DEPARTAMENTO DE MATEMATICA
´ ˜ es Diferenciais Algebra Alge bra Lin Linear ear e Equac Equ ac ¸oes o
Luiz Augusto da Costa Ladeira
˜ CARLOS - SP SAO 2004
Sum´ ario 1 Noc˜ ¸co ˜es Preliminares 1.1 1.1 Espa Espa¸co c¸o Euclidiano n 1.2 Matrizes . . . . . . . 1.3 Sistemas Lineares . . 1.4 Determinante . . . . 1.5 Nu ´ meros Complexos
. . . .
5 5 12 17 24 27
. . . . . . .
37 37 40 41 46 55 57 62
. . . . . . . . .
65 65 69 72 76 80 86 89 92 95
− dimensional . . . . . . . . . . . . . . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
2 Equa¸c˜ c˜ oes de Primeira Ordem 2.1 2.1 Intr Introdu odu¸c˜ c¸a˜o . . . . . . . . . . . . . . 2.2 2.2 Defini efini¸c˜ c¸o˜es . . . . . . . . . . . . . . 2.3 2.3 Equa Equa¸c˜ c¸˜oes oes Separ´ aveis . . . . . . . . 2.4 2.4 Equa Equa¸c˜ c¸˜ao Linear ear de Pri Primeira Orde rdem 2.5 2.5 Equa Equa¸c˜ c¸˜ao de Bernoulli . . . . . . . . 2.6 2.6 Equa Equa¸c˜ c¸˜oes Diferenciais Exatas . . . 2.7 Exerc´ıcios . . . . . . . . . . . . . . 3 Espa spa¸cos Vetoriais 3.1 3.1 Defini efini¸c˜ c¸a˜o e Exemplos . . . . . . 3.2 3.2 Su Subes bespa pa¸c¸os Vetoriais . . . . . . 3.3 3.3 Co Com mbina¸ bina¸ c˜ co˜es Lineares . . . . . 3.4 Depen pendˆencia Linear . . . . . . . 3.5 3.5 Base Base e Dime Dimens˜ ns˜ ao . . . . . . . . 3.6 Dependˆencia encia Linear de Fun¸c˜ c˜oes n 3.7 3.7 Base Basess Orto Ortogon gonai aiss em R . . . . 3.8 Somas e Somas Diretas . . . . . 3.9 Exerc´ıcios . . . . . . . . . . . . 3
. . . . . . . . .
. . . . . . . . .
. . . .
. . . . . . . . . . . . . . . .
. . . .
. . . . . . . . . . . . . . . .
. . . .
. . . . . . . . . . . . . . . .
. . . .
. . . . . . . . . . . . . . . .
. . . .
. . . . . . . . . . . . . . . .
. . . .
. . . . . . . . . . . . . . . .
. . . .
. . . . . . . . . . . . . . . .
. . . .
. . . . . . . . . . . . . . . .
. . . .
. . . . . . . . . . . . . . . .
. . . .
. . . . . . . . . . . . . . . .
´ SUM ARIO
4
4 Equa¸c˜ c˜ oes Diferenciais Lineares 4.1 Fatos Gerais Gerais sobre sobre Equa Equa¸c˜ c¸˜oes Lineares . . . . . . . 4.2 M´etodo etodo de Redu¸ c˜ ca˜o da Ordem . . . . . . . . . . . 4.3 4.3 Equa Equa¸c˜ c¸˜ao ao Homog Homogˆˆenea enea com com Coeficien Coeficientes tes Consta Constante ntess 4.4 4.4 Equa Equa¸c˜ c¸˜ao ao N˜ao Homogˆenea . . . . . . . . . . . . . . 4.5 M´etodo etodo de Varia¸c˜ cao a˜o dos Parˆametros . . . . . . . . 4.6 4.6 M´etod e todoo do doss Co Coefi efici cien ente tess a Deter etermi mina narr . . . . . . . 4.7 4.7 Equa Equa¸c˜ c¸˜oes de Ordem Super perior . . . . . . . . . . . . 4.8 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . 5 Tran ransfo sforma rma¸¸c˜ co ˜es Lineares 5.1 Transform ransforma¸ a¸c˜ c˜oes . . . . . . 5.2 Transform ransforma¸ a¸c˜ c˜oes Lineares . 5.3 Nu ´ cleo e Imagem . . . . . 5.4 Autovalores e Autovetores
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
6 Sist Sistem emas as de Equa Equa¸¸c˜ co ˜es Diferenciais Lineares 6.1 6.1 Intr Introdu odu¸c˜ c¸˜ao . . . . . . . . . . . . . . . . . . . . . . 6.2 6.2 Fatos atos Gerai eraiss sobr sobree Sist Sistem emas as Line Linear ares es . . . . . . . 6.3 Sistema Sistema Homog Homogˆˆeneo eneo com Coeficien Coeficientes tes Constan Constantes tes 6.4 6.4 Sist Sistem emaa N˜ ao Homogˆeneo . . . . . . . . . . . . . . 6.5 6.5 M´etod e todoo do doss Co Coefi efici cien ente tess a Deter etermi mina narr . . . . . . . 6.6 Formula o´rmula de Varia¸c˜ ca˜o das Constantes . . . . . . . 6.7 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . .
97 97 1 00 102 1 11 1 12 117 117 1 27 1 35
. . . .
137 1 37 1 39 1 45 1 50
. . . . . . . . . . . . . . . . . . . . .
159 1 59 163 163 168 1 76 176 176 1 81 1 84
. . . . . . . . . . . .
. . . . . . . . . . . .
Cap´ıtulo 1 No¸c˜ coes o ˜es Preliminares Neste cap´ cap´ıtulo reunimos fatos b´asicos asicos sobre vetores, matrizes, sistemas de equa¸c˜ coes ˜oes lineares e n´umeros umeros complexos, que ser˜ao ao usados nos cap´ cap´ıtulos seguintes. guintes. Assumiremos Assumiremos conhecid conhecidoo o conjunto conjunto R dos n´ umeros umeros reais e suas propriedades alg´ebricas ebricas elementares: suas opera¸c˜ coes o˜es de adi¸c˜ cao ˜ao e multiplica¸c˜ cao a˜o s˜ao ao associativas, asso ciativas, comutativas, co mutativas, tˆem em elemento eleme nto neutro, neutr o, cada cad a n´umero umero tem seu oposto aditivo e cada n´umero umero n˜ao ao nulo tem seu inverso multiplicativo.
1.1
Espa¸co co Euclidiano n dimensional
−
As no¸c˜ coes o˜es de par ordenado (x, (x, y) e terna ordenada (x,y,z (x,y,z)) de n´ umeros umeros reais tˆem em uma extens˜ exten s˜ ao natural ao conceito de n-upla (x1 , . . . , xn), ao que ´e uma sucess˜ suces s˜ ao ao ordenada de n n´umeros umeros reais. reais. Denotare Denotaremos mos as n up upla lass por letra letrass em negri negrito. to. Se x = (x1 , . . . , xn ), cada um dos n´umeros umeros x1 , . . . , xn ´e chamado cham ado uma componente (ou coordenada ) de x. Duas n uplas (x (x1 , . . . , xn ) e (y1 , . . . , yn) s˜ao ao ditas iguais (indicamos (x (x1 , . . . , xn ) = (y1, . . . , yn )) se e somente se x1 = y1 , . . . , xn = yn . O conjunto de todas n uplas de n´ umeros umero s reais re ais ´e denot d enotado ado por Rn, isto ´e, e, n R = (x1 , . . . , xn ) : xk R, k = 1 , . . . , n .
−
−
−
{
∈
}
Recordemos Recor demos da Geomet Ge ometria ria Anal A nal´´ıtica que R3 pode ser identificado com o conjunto V 3 dos vetore ve toress geom´etricos etr icos (definidos pelos segmentos orientados) por p or meio me io da correspondˆencia encia que a cada v = a i + b j + c k de 3 V 3 associa a terna (a,b,c (a,b,c)) R :
∈
v = a i + b j + c k
∈ V ←→ 3
5
(a,b,c) a,b,c)
3
∈R .
(1.1)
6
Cap. 1
No¸c˜ coes ˜ Preliminares
Ao vetor i corresponde a terna e1 = (1, (1, 0, 0), ao vetor j corresponde odulo odulo (ou a terna e2 = (0, (0, 1, 0) e a k corresponde e3 = (0, (0, 0, 1). O m´ corre spondˆ ndˆencia encia comprimento) do vetor v ´e v = a2 + b2 + c2 . A correspo (1.1) ´e importante, pois permite caracterizar elementos geom´etricos, etricos, tais como reta, plano, etc, em termos de equa¸c˜ coes o˜es alg´ebrica ebr icas. s.
√
z ck
T
¨ B ¨ ¨ ¨ ¨ bj ¨ ¨ E y ) ai v
x
Figura 1.1
Por causa dessa identifica¸c˜ cao a˜o com os vetores geom´ g eom´etricos, etricos, as ternas ordena ord enadas das tamb´em em s˜ ao chamadas de vetores; por extens˜ ao ao, ao, as n uplas tamb´ ta mb´em em s˜ao ao chamadas de vetores ; neste contexto, os n´ umeros umeros reais ser˜ao ao chamados escalares. Lembremos Lembre mos tamb´em em que, q ue, se α R, temos α v = α a i + α b j + α c k, ou seja, ao vetor α v associamos a terna (α a , α b , α c). c). Da mesma maneira, se (a (a1 , b1 , c1 ) e (a2 , b2 , c2 ) forem as ternas associadas aos vetores w1 e w2 , respectivamente (ou seja, w1 = a1 i + b1 j + c1 k e w2 = a2 i + b2 j + c2 k), ent˜ao ao temos w1 + w2 = (a1 + a2 ) i +(b +( b1 + b2 ) j + (c1 + c2 ) k; assim, ao vetor w1 + w2 fica associado a terna (a (a1 + a2 , b1 + b2 , c1 + c2 ). Essas observa¸c˜ coes ˜oes mostram a impotˆancia a ncia de se definir adi¸c˜ cao a˜ o de ternas e multiplica¸c˜ c˜ao a o de ternas por n´ umeros umeros reais: reais: dadas dadas as ternas ternas (a1 , b1 , c1 ), (a2 , b2 , c2 ) e o n´ umero umero real α, definimos:
−
∈
(a1 , b1 , c1 ) + (a ( a2 , b2, c2 ) = (a1 + a2 , b1 + b2 , c1 + c2 ) α (a1 , b1 , c1 ) = (α a1, α b1 , α c1 ) Pode-se mostrar facilmente que, quaisquer que sejam u, v, w α, β R, temos:
∈
∈R
3
e
7
O espa¸co 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) α (β u) = (α β ) u M2) (α + β ) u = α u + β u M3) α (u + v) = α u + α v M4) 1 u = u.
− − −
As opera¸co˜es acima estendem-se de modo natural ao Rn. Dados u = (a1 , . . . , an) e v = (b1 , . . . , bn ) em Rn e α R, definimos a soma u + v e o produto por escalar α u por
∈
u + v = (a1 , . . . , an) + (b1 , . . . , bn) = (a1 + b1 , . . . , an + bn ) (1.2) α u = α (a1 , . . . , an ) = (α a1 , . . . , α an ) (1.3) Como no caso das ternas ordenadas, pode-se verificar que em Rn est˜ao 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 trˆes vetores u, v e w, podemos considerar as combina¸co˜es u + (v + w) e (u + v) + w. A propriedade associativa afirma que esses vetores s˜ao iguais. Por causa dessa propriedade, vamos omitir os parˆ enteses. Mais geralmente, dados n vetores u1 , u2 . . . , un e n n´umeros reais α1 , α2 . . . , αn , podemos definir o vetor α1 u1 + α2 u2 +
· ·· + α
n
un ,
que chamaremos combina¸c˜ao linear de u1 , u2 . . . , un. Por exemplo, o vetor (3, 1, 0) ´e combina¸ca˜o 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). J´a o vetor (6, 1, 0) n˜ao ´e combina¸ca˜ o linear de (6, 3, 1), (3, 2, 1) e (0, 2, 2); de fato, para que (6, 1, 0) seja combina¸c˜ao linear de (6, 3, 1),
8
Cap. 1
No¸c˜ oes Preliminares
(3, 2, 1) e (0, 2, 2) precisam existir n´ umeros x,y,z tais que x (6, 3, 1) + y (3, 2, 1) + z (0, 2, 2) = (6, 1, 0) , ou seja, (6 x+3 y, 3 x+2 y +2 z, x+y +2 z) = (6, 1, 0). Dessa igualdade vemos que x,y,z precisam satisfazer o sistema de equa¸c˜oes
6x+3y = 6 (1) 3 x + 2 y + 2 z = 1 (2) x + y + 2 z = 0 (3)
Subtraindo a equa¸ca˜o (3) da equa¸ca˜o (2), obtemos 2 x + y = 1. Dividindo a equa¸ca˜o (1) por 3, temos 2 x + y = 2. As equa¸co˜es
2 x + y = 1 (4) 2 x + y = 2 (5)
mostram que n˜ao existem tais n´ umeros x,y,z. Logo, o vetor (6, 1, 0) n˜ao ´e combina¸ca˜o 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 unico, ´ como combina¸cao ˜ linear dos vetores e1 , . . . , en . Por causa desta propriedade, diremos que os vetores e1 , e2 , . . . , en formam uma base de Rn , chamada base canˆ 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 combina¸c˜a o linear de e1 , . . . , en . Para ver que essa ´e a u ´ nica maneira de escrever x como combina¸ca˜o linear de e1 , . . . , en , suponhamos que tenhamos x = t1 e1 + + tn en . Ent˜ao
···
(x1 , . . . , xn ) = x = t1 e1 + + tn en = = t1 (1 , 0, . . . , 0) + + tn (0, 0, . . . , 1) = = (t1 , . . . , tn).
· ··
Logo, t1 = x1 , . . . , tn = xn.
·· ·
9
O espa¸co euclidiano
˜ linear de u1 , u2 e u3 , Exerc´ıcio 1.1. Determine se v ´e combina¸cao sendo: (a) v = (2, 5, 1), u1 = (1, 0, 0) , u2 = (0, 1, 1) e u3 = ( 1, 1, 1); (b) v = (2, 3, 1), u1 = (1, 0, 0) , u2 = (0, 1, 1) e u3 = ( 1, 1, 1); (c) v = ( 1, 1, 2), u1 = (1, 1, 1) , u2 = (1, 1, 0) e u3 = (0, 0, 1); (d) v = (1, 1, 4), u1 = (1, 1, 1) , u2 = (1, 1, 0) e u3 = (0, 0, 1);
− − − − − −
− −
Al´em das opera¸co˜es de adi¸ca˜o de n upla e multiplica¸ca˜o de n upla por n´ umero real, podemos definir em Rn o chamado produto interno de n uplas, que estende a no¸ca˜o de produto escalar visto nos cursos de F´ısica e Geometria Anal´ıtica. Lembremos que o produto escalar dos vetores (n˜ ao nulos) u e v, de m´odulos u e v , respectivamente, que formam entre si um ˆangulo θ ´e definido por
−
−
−
v cos θ.
·
u v= u
(1.4)
´ conveniente escrever o produto escalar em termos das componenE tes dos vetores u = (a,b,c) e v = (x,y,z). Aplicando a lei dos cossenos ao triˆangulo cujos lados s˜ ao u, v e u v (Figura 1.2), temos
− u − v = u + v − 2 uv cos θ . 2
2
2
(1.5)
0 r r r u v r r v r r θ u r r j E
−
Figura 1.2 Substituindo em (1.5): u 2 = a2 + b2 + c2 , v 2 = x2 + y2 + z 2 , u v 2 = (x a)2 +(y b)2 +(z c)2 = u 2 + v 2 2 (a x+b y +c z) e u v cos θ = u v, obtemos
−
−
·
−
−
−
u v = ax + by + cz
·
(1.6)
Uma vantagem da rela¸ca˜o (1.6) sobre (1.4) ´e que ela (a rela¸ c˜ao (1.6)) n˜ ao depende do apelo geom´etrico e portanto permite estender a Rn , com n 4, essa no¸ca˜o de produto escalar, que chamaremos produto interno.
≥
10
Cap. 1
No¸c˜ oes Preliminares
Dados u = (x1 , . . . , xn ), v = (y1 , . . . , yn) Rn, definimos o produto interno de u e v, denotado por u v (ou u, v ), como sendo
∈
·
u v = x1 y1 + . . . + xn yn
·
(1.7)
(notemos que o produto interno de dois vetores de Rn ´e um n´ umero n real). O espa¸co vetorial R , munido do produto interno, ´e chamado ´ f´acil ver que u u > 0, u = 0. Definimos a espa¸co euclidiano. E norma de um vetor u como sendo u = u u. O produto interno tem as seguintes propriedades
· √ ∀ ·
·
·
u v=v u (u + α w) v = u v + α (w v)
√
·
·
(1.8) (1.9)
·
−
− √ u · v =√3 − 3 v · w =√3(−3) + 1(−1) + 5 · 2 = 0 v = 35 w = 14
ao Exemplo 1.2. Se u = (1, 3, 0), v = (3, 1, 5), w = ( 3, 1, 2), ent˜
u u=1+3=4 u =2
·
Existe uma importante desigualdade importante relacionando norma e produto interno, conhecida como desigualdade de Cauchy-Schwarz
· ≤ u v
u
v .
(1.10)
Se v = 0, temos u, v = 0, e a desigualdade (1.10) ´e trivial. Para mostrar essa desigualdade quando v = 0, notemos que, para qualquer R, temos u + t v t 0. Usando as propriedades (1.8) e (1.9), temos
∈
0
≥
2
2
≤ u + t v = ( u + t v ) · ( u + t v ) = u · u + 2 t u · v + t v · v = = u + 2 t u · v + t v 2
2
2
donde 2 2
v
t + 2 (u v) t + u
2
≥ 0.
·
(1.11)
O primeiro membro dessa desigualdade ´e uma fun¸ ca˜o quadr´ atica em t. Para que essa fun¸c˜ao quadr´ atica seja sempre n˜ao negativa, seu discriminante n˜ ao pode ser positivo, isto ´e, 4 (u v)2
·
2
2
− 4 v u ≤ 0 .
(1.12)
11
O espa¸co euclidiano
A desigualdade (1.12) implica (1.10). Dois vetores u, v Rn s˜ao ditos ortogonais quando u v = 0. Por exemplo, os vetores u = (1, 0, 9, 6) e v = (0, 1, 2, 3) s˜ao ortogonais, pois u v = 1 0 + 0 ( 1) + 9 2 + ( 6) 3 = 0. Um conjunto de vetores u1 , . . . , um ´e dito um conjunto ortogonal se os seus vetores s˜ao dois a dois ortogonais, isto ´e, ui u j = 0, i, j com 1 i, j m e i = j; se, al´em disso, u1 = = um = 1, dizemos que esse conjunto ´e ortonormal. A base canˆonica e1 , . . . , en ´e um conjunto ortonormal em Rn .
·
{
×
}
∈ ×−
·
− ×
− − × · ∀ ··· {
Exemplo 1.3. Encontrar todos os vetores de v = (2, 1).
R2
≤
≤
}
que s˜ ao ortogonais a
−
Procuramos os vetores u = (x, y) tais que u v = 0, isto ´e, 2 x y = 0. Logo, u = (x, 2 x). Notemos que y = 2 x ´e a equa¸c˜ao da reta passa pela origem e tem v como vetor normal. (Figura 1.3).
·
Exemplo 1.4. Encontrar todos os vetores de n = (2, 1, 0).
−
R3
que s˜ ao ortogonais a
−
Procuramos os vetores u = (x,y,z) tais que u n = 0, ou seja, y = 2 x. Logo, u = (x, 2 x, z) = x (2, 1, 0) + z (0, 0, 1). Notemos que y = 2 x ´e equa¸ca˜o do plano que cont´em a origem e tem n como vetor normal (Figura 1.4).
·
z T y T
y = 2x
r r r j v
Figura 1.3
E x
y = 2x x © Figura 1.4
yE
12
Cap. 1
No¸c˜ oes Preliminares R3
Exemplo 1.5. Encontrar todos os vetores de v = (2, 1, 1) e w = (0, 1, 1).
que s˜ ao ortogonais a
−
Procuramos os vetores u = (x,y,z) tais que u v = 0 e u w = 0, ou seja, 2 x + y + z = 0 e y z = 0. Da u ´ ltima dessas igualdades, tiramos y = z; substituindo na anterior, obtemos x = y. Portanto u = ( y,y,y) = y( 1, 1, 1).
·
−
−
·
−
−
Exerc´ıcio 1.2. (a) Encontre x de modo que os vetores u = (3, 5, x) e v = ( 4, 2, 4) sejam ortogonais. (b) Encontre x e y de modo que (3, x, 2), ( 4, 2, 1), (1, 11, y) seja um conjunto ortogonal.
−
{
−
−
}
ao ortogonais: Exerc´ıcio 1.3. Determine quais dos conjuntos abaixo s˜ (a) (2, 3), (6, 4) (b) (0, 2, 3), (1, 6, 4), (1, 1, 1), (1, 3, 1) (c) (1, 1, 1, 1), (1, 1, 1, 1), (0, 0, 1, 0), (0, 0, 0, 1) (d) (2, 1, 1, 1), (1, 1, 3, 0), (1, 1, 0, 1), (2, 1, 1, 1) .
{ { { {
− } − − −
−
}
} − − } Exerc´ıcio 1.4. Prove a desigualdade triangular: u + v ≤ u + v. Exerc´ıcio 1.5. Demonstre as identidades: u + v − u − v = 4 u · v e u + v + u − v = 2(u + v ). 2
2
2
2
2
2
agoras em Rn : os vetores u, v Exerc´ıcio 1.6. Prove o Teorema de Pit´ s˜ ao ortogonais se e somente se u + v 2 = u 2 + v 2 .
Exerc´ıcio 1.7. Sejam u, v se e somente se u + v = u
∈ R . Mostre que u e v s˜ ao ortogonais − v .
1.2
n
Matrizes
Sejam m, n 1 n´umeros inteiros. Uma matriz de ordem m n ´e um arranjo de m n n´umeros distribu´ıdos em m linhas e n colunas, do seguinte modo:
≥
×
a11 a21 .. .
a12 a22 .. .
... ... .. .
a1n a2n .. .
am1 am2 . . .
amn
13
Matrizes
Denotaremos essa matriz por A = (aij ). Cada n´ umero aij chama-se um elemento (ou entrada ) da matriz: i indica a linha e j a coluna onde se localiza aij . Duas matrizes de mesma ordem A = (aij ) e B = (bij ) s˜ao ditas iguais quando seus elementos correspondentes s˜ ao iguais, isto ´e, aij = bij , i, j.
∀
Exemplo 1.6.
1 2 1 0 x 0
=
y t
2 z 1 0
−
⇐⇒
x= 1 y=1 z=1 t=0
−
Denotaremos por M m×n (R) o conjunto das matrizes de ordem m n de n´ umeros reais; quando m = n, denotaremos tal conjunto por M n(R); neste caso, cada elemento de M n (R) ´e dito uma matriz quadrada de ordem n. A matriz O M m×n cujos elementos s˜ a o 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.
×
∈
Exemplo 1.7. Sejam A =
1 2 1 3 , B=
0 3 7
e C =
1 2 9 4
.
Ent˜ ao A ´e matriz linha, B ´e matriz coluna e C ´e matriz quadrada de ordem 2. Existe uma correspondˆencia natural entre matrizes m 1 e vetores de Rm. A cada vetor x = ( x1 , . . . , xm ) de Rm associamos a matriz linha X = [ x1 xm ] e reciprocamente, a cada matriz m 1, X , associamos um vetor x como acima. Da mesma maneira, existe uma correspondˆencia natural entre matrizes colunas m 1 e vetores de Rm . Sempre que for conveniente, identificaremos vetores de Rm com matrizes linhas ou matrizes colunas, por meio das correspondˆencias
×
···
×
×
x = (x1 , . . . , xm)
←→ ←→ x1 .. .
xm
[ x1
· ··
xm ] .
(1.13)
Em uma matriz quadrada A = (aij ), os elementos a11 , . . . , ann constituem a diagonal principal de A. Uma matriz quadrada (aij ) ´e chamada matriz diagonal quando aij = 0, i = j, isto ´e, todo
∀
14
Cap. 1
No¸c˜ oes Preliminares
elemento fora da diagonal principal ´e nulo. Uma importante matriz diagonal ´e a matriz identidade de ordem n: I n =
1 0 ... 0 1 ... .. .. . . . . . 0 0 ...
0 0 .. . 1
Uma matriz quadrada A = (aij ) ´e dita triangular superior , quando aij = 0, para todo i > j , ou seja, A=
a11 a12 . . . 0 a22 . . . .. .. .. . . . 0 0 ...
a1n a2n .. . ann
De modo an´ alogo define-se matriz triangular inferior . Dada uma matriz A = (a i j )m×n , sua transposta, denotada por T A , ´e a matriz B = (b j i )n×m, em que b j i = a i j , i, j . Uma matriz quadrada ´e dita sim´etrica quando AT = A, isto ´e, a j i = a i j , i, j. etrica se AT = A, isto ´e, a j i = a i j , Uma matriz ´e dita anti-sim´ para todo i, j: em particular, como para i = j devemos ter a i i = a i i , os elementos de sua diagonal principal s˜ao nulos.
∀
∀ − −
−
Exemplo 1.8. A matriz ´e anti-sim´etrica. Dada a matriz A= as n matrizes m
× 1: v1 =
−
9 5
−
a12 a22 .. .
... ... .. .
a1n a2n .. .
am1 am2 . . .
amn
2 1 0
a11 a21 .. .
a11 a21 .. . am1
−1
0 5 3
´e sim´etrica e
, . . . , vn =
a1n a2n .. .
amn
0 1 0
−1 0 −5
0 5 0
15
Matrizes
chamam-se vetores colunas de A e as n matrizes 1
u1 = a11 a12 . . . a1n ,
×n
um = am1 am2 . . . amn
·· · ,
s˜a o os vetores linhas de A. Em muitas situa¸co˜es, ´e conveniente escrever A em termos de seus vetores linhas ou de seus vetores colunas: A=
u1 u2
.. .
um
ou A = [ v1 , v2 , . . . , vm ] .
Sejam A = (aij ), B = (bij ) M m×n (R). A soma de A com B, indicada por A + B ´e a matriz cujo termos geral ´e aij + bij , ou seja,
A+B =
∈
a11 + b11 a21 + b21 .. .
a12 + b12 a22 + b22 .. .
... ... .. .
a1n + b1n a2n + b2n .. .
am1 + bm1 am2 + bm2 . . .
amn + bmn
(1.14)
Verifique como exerc´ıcio que a adi¸ca˜o de matrizes tem as propriedades A1 a A4 (p´agina 5).
Exemplo 1.9. Sejam A = Ent˜ ao A + B =
−
− √ − − √ 1 5
4 8 4 4+ 7
3 7
,B=
3 5 1 4
1 3 2 5 3 1
, C =
.
e n˜ ao est˜ ao definidas B + C e A + C .
∈ R. O produto de A pelo n´umero
Sejam A = (aij ) M m×n(R) e α α ´e a matriz α A = (α ai j ), isto ´e,
∈
αA =
α a11 α a21 .. .
α a12 α a22 .. .
... ... .. .
α a1n α a2n .. .
α am1 α am2 . . .
α amn
(1.15)
Mostre como exerc´ıcio que valem as propriedades M1 a M4 (p´ agina 6).
Exemplo 1.10. Se α =
−3, A =
− − 1 0 3 1 2 0
, ent˜ ao α A =
− − 3 9 6
0 3 0
.
16
Cap. 1
No¸c˜ oes Preliminares
Sejam A = (aij ) M m×n (R), B = (b jk ) M n× p (R). O produto de A por B ´e a matriz C = (ci k ), de ordem m p, cujo termo geral cik ´e dado por
∈
∈
×
n
cik =
ai j b j k = ai 1 b1 k + ai 2 b2 k +
j=1
Exemplo 1.11.
2 1 0 1
−
0 2
4 4 5 0 0 0 1 0 1
· ·· + a
i n bn k
− =
8 8 2 0
.
10 2
−
A defini¸ca˜o acima permite multiplicar uma matriz A = (ai j )m×n T por uma matriz n 1, X = x1 . . . , xn e o produto ´e uma matriz m 1, Y = [ y1 . . . ym ]T . Sempre que for conveniente, usaremos a identifica¸ca˜o (1.13) e diremos que estamos multiplicando a matriz A pelo vetor x = (x1 , . . . , xn), resultando no vetor y = (y1 , . . . , ym ).
×
×
O produto de matrizes tem as seguintes propriedades: P1: A(BC ) = (AB)C,
∀A ∈ M × , B ∈ M × , C ∈ M × P2: A(B + C ) = AB + AC, ∀A ∈ M × , B, C ∈ M × P3: (A + B)C = AC + BC, ∀A, B ∈ M × , C ∈ M × m n
n p
m n
m n
p q
n p
n p
Observando a defini¸c˜ao acima, vemos que o produto de matrizes pode ser escrito em termos das colunas de B da seguinte forma: se B = [v1 , . . . , v p ], ent˜ao A B = [A v1 , . . . , A v p ] .
(1.16)
Teorema 1.1. Sejam A,B e C matrizes quadradas de ordem n, com A = diag(a1 , , an ), e B = diag(b1 , , bn ). Sejam u1 , . . . , un as linhas de C e v1 , . . . , vn as colunas de C . Ent˜ ao
···
A C =
a1 u 1 a2 u 2 .. . an un
···
e C B = [b1 v1 , . . . , b n vn ] .
(1.17)
17
1.3. SISTEMAS LINEARES
A demonstra¸c˜ao do teorema fica como exerc´ıcio. Uma matriz A tal que
∈ M (R) ´e dita invert´ıvel n
quando existe B
∈ M (R) n
A B = B A = I n . A matriz B chama-se inversa de A e ´e denotada por A−1. Por exemplo, a matriz A =
2 1 2 2
´e invert´ıvel e sua inversa ´e A−1 =
1 1
−
−1/2 1
.
Na pr´oxima se¸c˜ao apresentaremos um m´etodo para calcular a inversa de uma matriz.
Exerc´ıcio 1.8. Mostre que se A e B forem invert´ıveis, ent˜ ao AB ´e − − 1 1 −1 invert´ıvel e (AB) = B A . Exerc´ıcio 1.9. Mostre que (A + B)T = AT + B T , (A B)T = B T AT e (AT )T = A. Exerc´ıcio 1.10. Sejam A X T A Y = Y T AT X .
∈ M (R) e X , Y ∈ M × (R). Mostre que n
n 1
Exerc´ıcio 1.11. Seja A M n(R). Mostre que a matriz B = A + AT ´e sim´etrica e que a matriz C = A AT ´e anti-sim´etrica.
∈
−
Exerc´ıcio 1.12. Mostre que toda matriz A M n (R) se escreve como soma de uma matriz sim´etrica e uma matriz anti-sim´etrica. (Sugest˜ ao: 1 1 T T escreva A = 2 (A + A ) + 2 (A A )).
∈
−
1.3
Sistemas Lineares
Nesta se¸c˜ao, estudamos sistemas de equa¸c˜oes alg´ebricas lineares. Um sistema de m equa¸c˜oes lineares nas n vari´aveis x1 , . . . , xn tem a forma:
a11 x1 + a12 x2 + a21 x1 + a22 x2 + .. .
··· + a1n xn = b1 ··· + a2n xn = b2
am1 x1 + am2 x2 +
··· + amn xn = bm .
(1.18)
18
Cap. 1
No¸c˜ oes Preliminares
Os n´ umeros ai j , 1 i m, 1 j n, chamados coeficientes e os bi , 1 i m, chamados termos constantes , s˜a o dados. Quando b1 = = bm = 0, o sistema (1.18) ´e chamado homogˆeneo ; caso contr´ario ele ´e dito n˜ ao homogˆeneo. Uma solu¸c˜ ao da equa¸ca˜o (1.18) ´e uma n upla (z1 , z2 , . . . , zn ) que satisfaz todas as equa¸co˜es do sistema, isto ´e, ai 1 z1 + ai 2 z2 + . . . + ai n zn = bi , para todo i = 1, . . . , m. ao O conjunto de todas solu¸co˜es de (1.18) ´e chamado conjunto solu¸c˜ de (1.18). Por exemplo, a terna (0, 1, 1) ´e solu¸c˜ao do sistema
≤ ≤
≤ ≤ ·· · −
≤ ≤
x1
− x2 + 2x3 = 1 x2 − x3 = 0
(1.19)
Dessas equa¸co˜es, temos x2 = x3 e x1 = 1 x3 . Atribuindo valores arbitr´arios x3 = t, obtemos x1 = 1 t, x2 = t; portanto, esse sistema tem infinitas solu¸c˜oes. O conjunto solu¸ca˜o de (1.19) ´e
−
−
S =
(1
− t,t,t) : t arbitr´ario
.
Um sistema linear que admite uma u ´ nica solu¸ca˜o ´e dito poss´ıvel e determinado. Um sistema linear com mais de uma solu¸ca˜o ´e chamado indeterminado. Um sistema linear que n˜ ao admite solu¸ca˜o ´e dito imposs´ıvel. Sejam S 1 :
x+y =2 x y=0
−
S 2 :
4x +6y = 0 6x +9y = 0
S 3 :
x+y =1 2x + 2y = 1
´ f´acil ver que o sistema S 1 ´e poss´ıvel e determinado: (1, 1) ´e sua u´nica E solu¸ca˜o), o sistema S 2 ´e indeterminado: (3, 2) e ( 3, 2) s˜ao solu¸c˜oes de S 2 , e que S 3 ´e imposs´ıvel. ´ f´acil ver que, se o sistema (1.18) ´e homogˆeneo, ent˜ E ao a n upla (0, . . . , 0) ´e solu¸c˜ao desse sistema, chamada solu¸c˜ ao trivial. Assim, um sistema homogˆeneo ´e sempre poss´ıvel; pode-se mostrar que, se m < n, ele tem solu¸co˜es n˜ao triviais.
−
−
−
Definindo as matrizes A=
a11 a21 .. .
a12 a22 .. .
... ... .. .
a1n a2n .. .
am1 am2 . . .
amn
,
X =
x1 x2 .. . xn
e B=
b1 b2 .. . bm
19
Sistemas lineares
podemos escrever o sistema (1.18) na forma matricial A X = B
(1.20)
A matriz A chama-se matriz dos coeficientes do sistema (1.18). A matriz [A : B] =
a11 a21 .. .
a12 a22 .. .
... ... .. .
a1n a2n .. .
am1 am2 . . .
b1 b2 .. .
amn bm
chama-se matriz aumentada do sistema (1.18).
Uma classe especial de sistema sistemas lineares que podem ser facilmente resolvidos ´e a dos sistemas escalonados: s˜ao sistemas da forma
a1 1 x1 +
··· + a1 j
1
a2 j
1
x j + x j + 1 1
··· + a1 j ··· + a2 j
x jk + x + k jk .. . k
··· + a1 n xn ··· + a2 n xn
ak jk x jk +
= b1 = b2
(1.21)
··· + ak n xn = bk .
com a11 = 0, a2 j = 0, . . . , ak jk = 0. Consideremos, por exemplo, o sistema
1
x+y +2z = y+ z= 2z =
3 1 4.
(1.22)
−
Da terceira equa¸ca˜o, temos z = 2; substituindo esse valor na segunda equa¸c˜ao, tiramos y = 3 e, substituindo esses valores na primeira equa¸c˜ao, obtemos x = 4. Assim, sua u ´ nica solu¸c˜ao ´e (4, 3, 2). Dois sistemas lineares S 1 e S 2 s˜ao ditos equivalentes (e indicamos S 1 S 2 ) quando eles tˆem as mesmas solu¸c˜oes. Por exemplo, os sistemas
−
−
∼
x+y = 2 x y=0
−
e
x + 2y = 3 2x y = 1
−
s˜ao equivalentes, pois sua u ´nica solu¸c˜ao ´e (1, 1).
20
Cap. 1
No¸c˜ oes Preliminares
Vamos agora introduzir, por meio de exemplos, os m´etodo de elimina¸ca˜o de Gauss e de Gauss-Jordan para resolver sistemas lineares. Tais m´etodos consistem em transformar o sistema dado em um sistema equivalente na forma escalonada, efetuando as seguintes opera¸ co˜es, oes elementares : chamadas opera¸c˜ umero real k = 0. (i) multiplicar uma das equa¸c˜oes de S por um n´ (ii) substituir uma equa¸c˜ao de S pela soma daquela equa¸ca˜o com outra equa¸c˜ao de S .
Exemplo 1.12. Resolver o sistema Temos
− 1 (A) − −1 (B) ∼ 5 (C ) − x − y + z = 1 (A) y − 2z = −1 (F ) ∼ −y + z = 2 (G) x y+ z= 2x + y 4z = x 3y + 3z =
− − −
x y+ z= 2x + y 4z = x 3y + 3z =
1 1 5.
−
− y+ z= 1 3y − 6z = −3 −2y + 2z = 4 x− y+ z = 1 y − 2z = −1 −z = 1 x
(A) (D) (E )
∼
(A) (F ) (H )
Agora fica f´acil resolver o sistema. Da u ´ltima equa¸ca˜o tiramos z = 1; substituindo na segunda, obtemos y = 3 e levando esses valores na etodo de Gauss. primeira, temos x = 1. Este ´e basicamente o m´ Uma outra maneira de resolver o sistema ´e continuar com as opera¸ c˜oes elementares e eliminar z nas duas primeiras equa¸c˜oes e, em seguida, eliminar y na primeira: este ´e o m´ etodo de Gauss-Jordan.
−
−
x
−y
= y = z=
− −
2 (K ) 3 (J ) 1 (I )
∼
−
x
= y = z=
−1 −3 −1
(L) (J ) (I )
Nessa resolu¸c˜ao, efetuamos as opera¸co˜es: 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.
−
−
−
−
−
21
Sistemas lineares
x + 2y z=7 x + y + 2z = 3 2x + 3y + z = k
∼
x + 2y − z = 7 − z=7 y − 3z = 4 − 3z = 4 ∼ 0 = 10 − k − 3z = 14 − k Portanto, o sistema n˜ a o tem solu¸ca˜o, se k = 10. Se k = 10, ele ´e equivalente a x + 2y − z = 7 y − 3z = 4 cujas solu¸c˜oes s˜ao y = 4 + 3z, x = −1 − 5z, z ´e arbitr´ ario.
−
x + 2y y y
Podemos simplificar a nota¸c˜ao ao resolver sistemas lineares, omitindo as inc´ognitas e concentrando nossa aten¸ca˜o na matriz aumentada. Por exemplo, a resolu¸ca˜o do sistema linear:
− −
x + 2y z=1 2x + 4y 6z = 0 x y + 2z = 4
−
x + 2y y
−z = 1 − z = −1 z = 1/2
∼ ∼
− z= 1 4z = 2 3y − 3z = −3
x + 2y
x + 2y y
= = z=
3/2 1/2 1/2
−
∼
x= y= z=
5/2 1/2 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
2 4 1
−
1 2 0 0 1 0 0 0 1
∼ − ∼
−1 −6 2
1 0 4
3/2 1/2 1/2
1 2 0 0 0 3
−
−1 1 ∼ 4 2 −3 −3
1 0 0 0 1 0 0 0 1
1 2 0 1 0 0
5/2 1/2 1/2
−1 −1 1
− ∼ 1 1 1/2
Agora, ´e s´o observar que a primeira coluna da matriz A estava associada a` vari´avel x, a segunda coluna associada `a vari´avel y e a terceira coluna a` vari´avel z para concluir que x = 5/2, y = 1/2 e z = 1/2.
−
22
Cap. 1
No¸c˜ oes Preliminares
Por analogia com os sistemas lineares, diremos que uma matriz est´a na forma escalonada quando a quantidade inicial de zeros da primeira linha ´e menor do que a da segunda linha, que ´e menor de que a da terceira linha e assim por diante, ou seja, a matriz ´e da forma
a1 1 . . . a1 j 0 . . . a2 j .. .. .. . . . 0 ... 0
1 1
... ... .. .
a1 jm a2 jm .. .
... ... .. .
a1 n a2 n .. .
...
am jm . . . am n
.
Al´em de simplificar a nota¸ca˜o, 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 x+y =0
e
−
u+v =0 u+v =1
escrevemos
∼ ∼ − ∼ ∼ − − − −
1 1 1 1
1 1 0 1
1 0 0 1
1 0 1 2
1 2
1 1 0 2
1 0 1 1
1 0 0 1
1/2 1/2
1/2 1/2
.
Logo, x = 1/2, y = 1/2, u = 1/2, v = 1/2. Notemos que as solu¸c˜oes (x, y) = (1/2, 1/2) e (u, v) = ( 1/2, 1/2) s˜ao os elementos da inversa da matriz A =
1 1 1 1
, isto ´e,
A−1 =
1/2 1/2
1/2 1/2
.
O procedimento acima ´e v´ a lido em geral. Se A ´e uma matriz n n − 1 invert´ıvel, sua inversa, A , ´e caracterizada pela igualdade A A−1 = I . Escrevendo
×
e1 = [1, 0, . . . , 0]T , . . . , en = [0, . . . , 0, 1]T e A−1 = [X 1 , . . . , Xn ] ,
23
Sistemas lineares
a igualdade A A−1 = I ´e equivalente a A X 1 = e1 , . . . , A Xn = en . Logo, as colunas X 1 , . . . , Xn s˜ao solu¸c˜oes dos sistemas A X = e1 , . . . , A X = en . Deste modo, para encontrar a inversa de A, escalonamos a matriz
a11 a21 .. . an1
a12 . . . a22 . . . .. .. . . an2 . . .
a1n a2n .. . ann
1 0 ... 0 1 ... .. .. . . . . . 0 0 ...
0 0 .. . 1
.
1 2 3 2 5 3 1 0 8
A matriz que resultar a` direita da linha ser´ a A−1 .
Exemplo 1.14. Calcular a inversa da matriz A =
1 2 3 2 5 3 1 0 8
∼ ∼
1 2 0 1 0 0
.
− − ∼ − − − − − − − ∼ ∼ − − − − − −− −− − −− −−
1 0 0 0 1 0 0 0 1
Logo, A−1 =
∼
1 0 0
1 2 5
0 1 2
0 0 1
40 13 5
16 5 2
9 3 1
1 0 0 0 1 0 0 0 1
3 3 1
40 13 5
16 5 2
9 3 1
2 1 2
3 3 5
1 0 0 2 1 0 1 0 1
1 2 0 0 1 0 0 0 1
.
.
14 13 5
6 5 2
3 3 1
24
Cap. 1
No¸c˜ oes Preliminares
Exerc´ıcio 1.13. Resolver cada um dos sistemas abaixo: a)
c)
− − − − − − − − 2x + 3y 8z = 7 3x + y + z = 8 5x + 4y 3z = 17
x + 3y + z = 8 8x + 2y 2z = 7 3x + 5y + 4z = 17
b)
d)
− −− − − − − 3x + y + z = 8 5x 3y + 4z = 17 2x 8y + 3z = 7
x+3y + z = x + y 2z = x 5y +kz =
8 4 12
Exerc´ıcio 1.14. Calcule a inversa de cada uma das matrizes abaixo:
1.4
A=
1 3 1 1
D=
1 1 1 3 1 0 2 0 2
B=
0 1 1 1
E =
1 1 0 1 3 1 0 5 2
C =
1 1 1 1
2 1 2 2
3 3 2 3
F =
2 0 2 3 1 0 1 1 1
5 4 5 4
Determinante
Nesta se¸ca˜o definimos o determinante de uma matriz n n, A = (ai j ), que denotaremos por det(A) (ou por A , de acordo com a conveniˆencia). Lembremos que os determinantes de matrizes 2 2 e 3 3 s˜ao dados por
| |
a b c d
− − = ad
bc
1 0 1 1 6 5 0 3 4
×
×
(1.23)
a b c d e f = a e i + b f g + c d h g h i
Por exemplo,
×
=6
− g e c − h f a − i b d .(1.24)
(confira!)
25
Determinantes
Para matrizes quadradas de ordem n 3, definimos o determinante de modo recursivo, isto ´e, o determinante de uma matriz de ordem n ´e dada em termos do determinante de uma matriz de ordem n 1. Para essa defini¸ca˜o geral, precisamos da no¸ca˜o de cofator de um elemento. Dada uma matriz A de ordem n,
≥
−
A=
a11 a12 . . . a1n a21 a22 . . . a2n .. .. . . .. . . . . an1 an2 . . . ann
(1.25)
para cada i,j, 1 i, j n seja Aij a matriz de ordem n 1 obtida retirando-se a i ´esima linha e a j ´esima coluna de A. O determinante de Aij chama-se menor associado ao elemento aij . O n´ umero ( 1)i+ j det Aij chama-se cofator do elemento aij . Por exemplo, se
≤ −
≤
−
−
−
M =
−
1 1 0 0
0 6 3 1
−1
0 3 1
−1
−
3 5 7 0 8 3 2
ent˜ao: M 11 =
−
6 5 7 3 0 8 1 3 2
, M 24 =
1 0 0
−
0 3
e M 32 =
−
1 1 0
−1
3 5 7 3 2
.
O determinante da matriz A, dada em (1.25), ´e definido por n
det A =
−
( 1)1+ j a1 j det A1 j
(1.26)
j=1
Exemplo 1.15. Calcular o determinante da matriz
−
1 1 0 0
−
0 6 3 1
−1
0 5 7 0 8 3 2
26
Cap. 1
Como a11 = 1, a12 = 0, a13 =
−1, a
−
−
1 1 0 0
0 6 3 1
−
−1
0 5 7 0 8 3 2
= ( 1)1+1 1
−
=
14
No¸c˜ oes Preliminares
= 0, pela defini¸ca˜o acima temos
6 5 7 3 0 8 1 3 2
−151 + 14 = −137
+ ( 1)1+3( 1)
−
−
−
1 0 0
6 7 3 8 1 2
−
A defini¸ca˜o acima expressa o determinante em termos dos elementos da primeira linha e seus cofatores: ´e a chamada expans˜ ao do determinante ´ poss´ıvel mostrar que obtemos o mesmo valor pela primeira linha . E quando fazemos a expans˜ ao usando qualquer linha ou coluna, isto ´e n
para cada i fixado,
det A =
− −
( 1)i+ j aij det Aij
j=1 n
para cada j fixado,
det A =
( 1)i+ j aij det Aij
i=1
O pr´oximo teorema d´a algumas propriedades do determinante que decorrem diretamente de sua defini¸ca˜o. A demonstra¸c˜a o n˜ao ´e dif´ıcil, mas ´e trabalhosa e, por essa raz˜ ao, ser´a omitida.
Teorema 1.2. O determinante tem as seguintes propriedades: 1) det I n = 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,
det
α v1 + w1 v2
.. . vn
= α det
v1 v2
.. . vn
+
w1 v2
.. . vn
o mesmo valendo para as outras colunas e para as linhas . 4) det(A B) = det A det B, A, B M n(R) 5) det AT = det A , A M n(R).
∀ ∈
∀
∈
´ 1.5. N UMEROS COMPLEXOS
27
Exerc´ıcio 1.15. Calcule o determinante das matrizes: A=
3 6 1 5
B=
9 3 6 2 5 0 2 0 2
−
3 2 1 3
C =
0 2 3 4
−
0 3 0 0
0 1 2 2
Exerc´ıcio 1.16. Mostre que o determinante de uma matriz triangular ´e o produto dos elementos da diagonal principal.
1.5
N´ umeros Complexos
Denotaremos por C o conjunto dos n´ umeros complexos, isto ´e, C
= x + i y : x, y
{
2
∈ R, em que i = −1}.
Se z = x + i y, com x, y R, o n´ umero x chama-se parte real de z e y aria de z. Definimos as opera¸ chama-se parte imagin´ c˜oes alg´ebricas em C do seguinte modo: dados z1 = a + ib, z2 = c + i d C, pomos
∈
∈
z1 + z2 = (a + i b) + (c + i d) = (a + c) + i (b + d), z1 z2 = (a + i b) (c + i d) = (ac bd) + i (ad + bc).
−
As opera¸c˜oes de adi¸c˜ao e multiplica¸ca˜o em C tˆem as mesmas propriedades que as opera¸co˜es de R, ou seja, quaisquer que sejam z,w,s C: 1. (associatividade) z + (w + s) = (z + w) + s e z (w s) = (z w) s 2. (comutatividade) z + w = w + z e zw = wz 3. (elementos neutros) z + 0 = z e z 1 = z, z C 4. (elemento oposto) para cada z = a + i b C, existe um elemento w C (a saber, w = a i b) tal que z + w = 0; 5. (elemento inverso) para cada z C, z = 0, existe em C um elemento denotado por z −1 tal que z z −1 = 1 6. (distributividade) z(w + s) = z w + z s
∈
∈
− −
∈
∈
∀ ∈
A correspondˆencia x + i y (x, y) identifica cada n´ umero complexo com um vetor (ou com um ponto, se for conveniente) do plano: veja as figuras 1.5 e 1.6. Essa correspondˆencia relaciona soma de n´ umeros complexos com soma de vetores.
←→
28
Cap. 1
No¸c˜ oes Preliminares
Para cada n´ umero complexo z = x+i y, definimos o seu conjugado odulo ou valor absoluto por z = x2 + y 2 . por z¯ = x i y e o seu m´ ´ claro que z 2 = z z¯. E O inverso multiplicativo do n´ umero z = x + i y ´e dado por
−
||
z −1 =
||
z¯ x iy x = 2 = z z¯ x + y 2 x2 + y 2
−
−i x
y . 2 + y2
ao de dois n´ A divis˜ umeros z = a + i b , w = c + i d ´e z/w = z w−1 . Portanto z zw ¯ (a + i b)(c i d) = = w w2 c2 + d2
| | Exemplo 1.16. Se z = 2 − i, ent˜ ao
−
√ ||
z¯ = 2 + i , z = 5 e z −1 = (2 + i)/5. Esses n´ umeros est˜ ao representados na Figura 1.5 abaixo. ao Exemplo 1.17. Se z = 6 + 2 i e w = 4 + 3 i, ent˜ z 6+2i (6 + 2 i)(4 3 i) 30 10 i = = = =6 w 4+3i 5 16 + 9
√
−
−
Exerc´ıcio 1.17. Mostre que, quaisquer que sejam z, w (a) z + w = z¯ + w ¯ (b) z w = z¯ w ¯ (c) z + w z + w (d) z w = z w
|
|≤| | | |
z = r (cos θ + i sen θ)
y
0
r θ
B z¯ = 2 + i B z −1 = (2 + i)/5
x
−i
y
x
x Figura 1.6
Figura 1.5
Seja z = x + i y
∈ C:
| | | || |
y
jz=2
− 2 i.
∈ C. Usando coordenadas polares, x = r cos θ,
y = r sen θ,
29
N´ umeros Complexos
escrevemos a forma trigonom´ etrica (ou forma polar) de z: z = r (cos θ + i sen θ).
Nessa express˜ao, r = x2 + y2 ´e o m´odulo de z. Vamos escrever a express˜ao cos θ + i sen θ na forma abreviada cis (θ). Assim, z = x + i y = r (cos θ + i sen θ) = r cis(θ) Por exemplo, cis ( π2 ) = cos( π2 ) + i sen( π2 ) = i, cis( π3 ) = cos( π3 ) + i sen( π3 ) = 12 (1 + i 3). A forma trigonom´etrica simplifica a multiplica¸ c˜a o e a divis˜a o de n´umeros complexos: se z1 = r1 cis θ1 e z2 = r2 cis θ2 , ent˜ao
√
z1 z2 = r1 r2 cis(θ1 + θ2 )
(1.27)
z1 r1 = cis(θ1 z2 r2
(1.28)
−θ ) 2
De fato, z1 z2 = r1 r2(cos θ1 + i sen θ1 )(cos θ2 + i sen θ2 ) = r1 r2[cos θ1 cos θ2 sen θ1 sen θ2 + i (sen θ1 cos θ2 + sen θ2 cos θ1 )] = r1 r2[cos(θ1 + θ2 ) + i sen(θ1 + θ2 )] = r1 r2 cis(θ1 + θ2)
−
A verifica¸ca˜o da f´ ormula para o quociente ´e an´ aloga e fica como exerc´ıcio.
Exemplo 1.18. Se z = 6 cis (π/3), w = 3 cis (π/6), obter z w e z/w. Pela f´ormula (1.27), temos z w = 6 . 3cis(π/3 + π/6) = 18 cis (π/2) = 18 i z 6 = cis(π/3 π/6) = 2cis(π/6) = 3 + i w 3 A f´ormula (1.27) simplifica o c´ alculo de potˆencias de n´ umeros complexos; de fato, por (1.27) temos que, se z = r cis(θ), ent˜ao
−
√
z 2 = [r cis(θ)][r cis(θ)] = r 2 cis(2 θ) z 3 = z 2 z = [r2 cis(2 θ)][r cis(θ)] = r 3 cis(3 θ) Usando indu¸c˜ao, temos, mais geralmente, a f´ormula de De Moivre z n = rn [cos(n θ) + i sen(n θ)] = r n cis(n θ).
(1.29)
30
Cap. 1
No¸c˜ oes Preliminares
√
Exemplo 1.19. Calcular (1 + i)12 e (1 + i 3)20 .
√ √ Notemos que 1 + i = 2cis(π/4) e que (1 + i 3) = 2cis(π/3).
Pela f´ormula de DeMoivre, temos
√
(1 + i)12 = ( 2)12 cis (12π/4) = 26 cis(3π) = 26 = 64 √3 1 20 20 20 20 (1 + i 3) = 2 cis (20π/3) = 2 cis(2π/3) = 2 ( 2 + i 2 ) = = 219 ( 1 + i 3)
√
−
√
−
− −
Fun¸co ˜es Complexas de Vari´ avel Real Seja I
⊂ R um intervalo. Toda fun¸c˜ao f : I → C se escreve na forma f (t) = u(t) + i v(t),
R. As fun¸ com u, v : I co˜es u e v chamam-se parte real e parte imagin´ aria de f e s˜ao denotadas por Re (f ) e Im (f ), respectivamente, ou seja, u = Re (f ) e v = Im (f ). Assim, toda fun¸c˜ao complexa de vari´avel real pode ser identificada com a fun¸ca˜o vetorial F : I R2 dada por F (t) = (u(t), v(t)). Os conceitos b´ asicos do C´alculo de fun¸co˜es reais de uma vari´ avel real transportam-se de modo natural para fun¸co˜es complexas de uma vari´avel real. Uma fun¸c˜ao f = u + i v ´e ´e dita cont´ınua se as fun¸c˜oes u e v forem cont´ınuas. Do mesmo modo, f = u + i v ´e dita deriv´avel se u e v forem deriv´ aveis; neste caso, a derivada de f ´e
→
→
f (t) = u (t) + i v (t). Por exemplo, se f (t) = cos t + i sen t, temos f (t) = Dados a, b
−sen t + i cos t = i (cos t + i sen t) = i f (t).
(1.30)
∈ I com a < b, definimos a integral de f em [a, b] por
b
b
f (t) dt =
a
b
As integrais
a
a
b
u(t) dt + i
v(t) dt .
a
b
u(t) dt e
a
v(t) dt s˜ao facilmente calculadas usando o
Teorema Fundamental do C´ alculo: se U (t) e V (t) s˜ao primitivas de u(t)
31
N´ umeros Complexos
e v(t) (isto ´e, U (t) = u(t) e V (t) = v(t), ent˜ao
b
∀t ∈ [a, b]), respectivamente,
b
u(t) dt = U (b)
a
− U (a)
e
v(t) dt = V (b)
a
− V (a)
Logo, se F (t) ´e uma primitiva de f (t) em [a, b] (isto ´e, F (t) = f (t), para todo t [a, b]), temos
∈
b
f (t) dt = F (b)
a
− F (a).
(1.31)
A f´ ormula de Euler ei θ = cos θ + i sen θ.
(1.32)
Da igualdade (1.27) temos cis(θ1 + θ2 ) = cis θ1 cis θ2 o que mostra que a fun¸c˜ao f (t) = cis(t) tem a propriedade exponencial as+t = as at . Al´em disso, ´e claro que f (0) = 1. Portanto ´e razo´ avel pensar em escrever f (t) = eα t , para algum α C (notemos que ainda precisamos dar um significado para a exponencial complexa). Como f (t) = i f (t), vemos que para que esta nova exponencial satisfa¸ca a conhecida regra de deriva¸ ca˜o eα t = α eα t , a escolha apropriada para o expoente ´e α = i e definimos
∈
ei t = cos t + i sen t . Definimos agora a fun¸ca˜o exponencial mais geral e(α+i β ) t , para um expoente complexo z = α + i β qualquer como sendo: e(α+i β ) t = eα t ei β t = eα t (cos β t + i sen β t)
(1.33)
Sua derivada segue a mesma regra usada para a exponencial real: d (α+i β ) t e = (α + i β ) e(α+i β ) t dt
32
Cap. 1
No¸c˜ oes Preliminares
Usando a f´ormula de Euler, escrevemos a forma polar de um n´ umero complexo como z = r ei θ . Como ei θ ´e uma fun¸c˜ao peri´ odica de per´ıodo 2 π (pois cos θ e sen θ o s˜ao), uma igualdade do tipo r1 ei θ = r2 ei θ , 1
2
com r1 > 0 e r2 > 0,
implica r1 = r2 e θ2 = θ1 + 2 n π, para algum n
∈ Z.
A f´ormula de Euler permite expressar as fun¸c˜oes seno e cosseno em termos da exponencial complexa: ei θ + e−i θ cos θ = 2
e sen θ =
ei θ
iθ
− e−
(1.34)
2i
Essas igualdades s˜ao u ´ teis no c´ alculo de integrais como
et cos t dt
(o c´alculo convencional dessa integral ´e trabalhoso, pois envolve duas vezes a integra¸ca˜o por partes e uma transposi¸c˜ao). Vamos calcul´ a-la, usando (1.34). Como e(1+i) t = e(1+i) t 1+i
e
por (1.31) temos
−
e(1−i) t = e(1−i) t 1 i
−
1 1 et cos t dt = et (ei t + e−i t ) dt = (e(1+i) t + e(1−i) t ) dt = 2 2 (1+i) t (1−i) t 1 e e = + + C = 2 1+i 1 i 1 (1 i) e(1+i) t + (1 + i)e(1−i) t = + C 2 2
Agora, como (1
(1+i) t
− i) e
−
= (1 i) et (cos t + i sen t) = = et cos t + sen t i (cos t sen t)
−
−
−
33
N´ umeros Complexos
e
(1 + i) e(1−i) t = (1 + i) et (cos t i sen t) = = et cos t + sen t + i (cos t sen t) ,
temos
et cos t dt =
−
−
1 t e (cos t + sen t) + C. 2
Exerc´ıcio 1.18. Mostre que
ea t sen b t d t =
1 ea t (a sen b t 2 2 a +b
− b cos b t) + C.
Ra´ızes de n´ umeros complexos esima de um n´ Uma raiz n ´ umero complexo z ´e um n´ umero w n tal que w = z. A f´ormula de Euler ´e especialmente u´til para calcular ra´ızes n ´esimas de n´umeros complexos. Se z = r0 ei α , procuramos w = r ei θ tal que wn = z, ou seja, r n ei n θ = r0 ei α . Dessa igualdade, Z, ou seja r = n r0 e θ = temos rn = r0 e nθ = α + 2k π, k Z. Como cis (θ + 2 π) = cis(θ), essa rela¸ (α + 2k π)/n , k c˜ao fornece exatamente n ra´ızes distintas, que s˜ ao dadas por
−
−
∈ √ r= r n
√
∈
0
α 2k π θ= + , n n
k = 0, 1, . . . , (n
− 1).
Exemplo 1.20. Encontrar todas as solu¸c˜ oes da equa¸cao ˜ λ3 + 64 = 0. ´ conveniente usar a forma polar de n´ E umeros complexos: procuramos n´ umeros reais r, θ tais que o n´ umero complexo λ = r cos θ + iθ 3 i r sen θ = e satisfaz λ + 64 = 0. De λ = r ei θ temos λ3 = r3 ei 3 θ ; lembrando que 64 = 64 ei π , reescrevemos a equa¸ca˜o acima como r3 ei 3 θ = 64 ei π . Portanto, r = 64 = 4 e 3 θ = π + 2 n π , n Z, donde θ = θn = (2n + 1) π/3, n Z. Para n = 0, temos θ0 = π/3, portanto λ0 = 4 ei π/3 = 4 [cos (π/3) + i sen (π/3)] = 2(1 + i 3); para n = 1, temos θ1 = π, portanto λ1 = 4 ei π = 4; para n = 2, temos θ2 = 5 π/3, portanto λ2 = 4 ei 5 π/3 = 4[cos(5π/3) + i sen (5π/3)] = 2(1 i 3); A partir de n = 3 os valores se repetem: para n = 3,
−
− √
√ ∈ 3
√
−
∈
34
Cap. 1
No¸c˜ oes Preliminares
obtemos θ3 = 7 π/3 = 2 π + π/3, portanto λ3 = λ0 ; analogamente, λ4 = λ1 , λ5 = λ2 e assim por diante. Logo as solu¸c˜oes da equa¸c˜ao λ3 + 64 = 0 s˜ao λ0 = 2(1 + i 3), λ1 = 2 λ3 = 2(1 i 3). As solu¸co˜es λ0 , λ1 e λ2 tˆem uma representa¸ca˜o geom´etrica interessante no plano complexo: elas s˜ao v´ertices de um triˆangulo equil´atero, como mostra a figura 1.7 abaixo.
√
− √
−
˜ da equa¸c˜ ao λ4 + 16 = 0. Exemplo 1.21. Encontrar todas as solu¸coes Escrevendo λ = r ei θ e 16 = 16 eπ i , a equa¸ca˜o acima fica r4 e4 i θ = Z, donde 16 eπ i . Portanto, r = 16 = 2 e 4 θ = π + 2 n π , n θ = θn = (2n + 1) π/4, n Z. Para n = 0, temos θ0 = π/4, portanto λ0 = 2 eπ i/4 = 2[cos(π/4) + i sen (π/4)] = (1 + i) 2; para n = 1, temos θ1 = 3 π/4, portanto λ1 = 2 e3 π i/4 = ( 1 + i) 2; para n = 2, temos θ2 = 5 π/4, portanto λ2 = ( 1 i) 2; para n = 3, temos θ2 = 7 π/4, portanto λ2 = (1 i) 2. Como no exemplo anterior, a partir de n = 4 os valores se repetem. A representa¸c˜ao geom´etrica das solu¸co˜es no plano complexo ´e mostrada na figura 1.8 abaixo.
√− ∈ 4
− √ − − √ −
•
√
2(1 + i 3)
−
√
( 1 + i) 2
√ √
∈
•
•
√
(1 + i) 2
−4 • • 2(1 − i √3)
− − i) √2 •
• (1 − i) √2
( 1
Figura 1.7
Figura 1.8
oes: Exerc´ıcio 1.19. Efetue as opera¸c˜
− 6 i)(−5 − 4 i) 4 (iv) −3 − √−9 (i) (2
− 5 i) − 8 (v) (x + i y)(x − y i) (ii) (3
(iii) (2 5 i)(2 + 5 i) 3+ 2 (vi) i
−√
oes: i5 , i6 , i7 , i8, i9 , i10 , i98 , Exerc´ıcio 1.20. Simplifique as express˜ i105 , i4 k , i4 k+1 , i4 k+2 , i4 k+3 .
35
N´ umeros Complexos
Exerc´ıcio 1.21. Calcule as ra´ızes indicadas:
√
√ − 3−i)
(i) ( 25)1/2 (ii) 641/4 (iii) 64−1/4 (iv) ( 1+i 3)1/3 (v) (
−
−
1/3
umero abaixo na forma a + b i: Exerc´ıcio 1.22. Escreva cada n´ (i) [2 cis (15◦ )]4
√ (iv) ( 3 − i) 27
(vii) i
(ii) [3cis(5◦)]12
5
− 1/i
(v) (1 + i)100 i26 + i64 (viii) 13 i + i16
18
(iii) [2cis(π/6)]3 2 3i (vi) 5+4i (1 i)26 (ix) (1 + i)64
− −
Exerc´ıcio 1.23. Mostre que, para todo n´ umero complexo z, temos z + z¯ = 2 Re(z) e z z¯ = 2 i Im(z).
−
Exerc´ıcio 1.24. Encontre as solu¸c˜ oes da equa¸cao ˜ z 2 (4 i) z 8 i = 0.
− − −
Exerc´ıcio 1.25. Sejam z0 C e r > 0 fixados. Descreva geometricamente o conjunto dos pontos z do plano que satisfazem z z0 = r.
∈
| − |
C fixados, com z1 = z2 . Descreva Exerc´ıcio 1.26. Sejam z1 , z2 geometricamente o conjunto de todos os pontos z do plano que satisfazem z z1 = z z2 .
∈
| − | | − |
Observa¸c˜ao 1.1. Em algumas situa¸c˜ oes, vamos trabalhar indistintamente com o conjunto dos n´ umeros reais ou o dos n´ umeros complexos. Nesses casos, usaremos o s´ımbolo K para denotar R ou C. Observa¸c˜ ao 1.2. (O espa¸co Cn) Praticamente tudo o que fizemos para o espa¸co Rn, pode ser feito para o conjunto n
C
= (z1 , . . . , zn ) : z1 , . . . , zn
{
∈ C}.
As opera¸c˜ oes de adi¸c˜ ao de n uplas de n´ umeros complexos e multiplica¸c˜ ao de n uplas de n´ umeros complexos por n´ umero complexo s˜ ao definidas de modo an´ alogo ao que foi feito anteriormente. Essas opera¸ coes ˜ em Cn tamb´em satisfazem as propriedades A1 a A4 e M1 a M4.
−
−
36
Cap. 1
No¸c˜ oes Preliminares
O produto interno usual de Cn ´e definido do seguinte modo: dados u = (x1 , . . . , xn ), v = (y1 , . . . , yn ) Cn , pomos:
∈
u, v = x
1
y¯1 + . . . + xn y¯n ,
(1.35)
em que y¯ j denota o conjugado complexo de y j . Definimos a norma de um vetor u de Cn como sendo u = 0). u, u (note que u, u
≥
c˜ oes Observa¸ca ˜o 1.3. (Matrizes Complexas) Em algumas situa¸ precisaremos considerar matrizes cujos elementos s˜ ao n´ umeros complexos. Essencialmente tudo o que fizemos nas se¸c˜ oes anteriores continua v´ alido para matrizes complexas. Denotaremos o conjunto das matrizes de ordem m n complexas por M m n (C).
×
Cap´ıtulo 2 Equa¸co ˜es de Primeira Ordem 2.1
Introdu¸c˜ ao
Muitos fenˆ omenos em f´ısica, biologia e qu´ımica s˜ ao descritos por uma equa¸c˜ao envolvendo uma fun¸c˜ao inc´ognita e algumas de suas derivadas. Um exemplo simples de tal fenˆ omeno ´e a desintegra¸ca˜o radioativa: a taxa de desintegra¸ca˜o de uma substˆ ancia ´e diretamente proporcional a` quantidade do material radioativo presente. Designando por q(t) a quantidade da substˆ ancia radioativa no instante t e por k a constante de proporcionalidade, temos q (t) = k q(t)
(2.1)
Um outro exemplo b´ asico ´e dado pelo movimento em uma dimens˜ao. Um problema fundamental em Mecˆ anica ´e determinar a posi¸c˜ao x(t) de uma part´ıcula m em um instante t conhecendo-se a resultante F (t,y,y ) das for¸cas que atuam sobre ela (tais for¸cas podem depender do tempo, da posi¸ca˜o e da velocidade da part´ıcula). De acordo com a segunda lei de Newton, temos m y = F (t,y,y ) .
(2.2)
Se a fun¸ca˜o F for constante, ´e f´ a cil ver que a solu¸c˜ao ´e da forma y(t) = A + Bt + Ct2 . Vejamos um exemplo em que a for¸ca F depende de t, y e y . Consideremos um objeto de massa m na extremidade de 37
38
˜ DE PRIMEIRA ORDEM CAP ´ ITULO 2. EQUAC ¸ OES
uma mola de constante el´ astica k, como na Figura 2.1 abaixo: assim, a for¸ca restauradora da mola devida a um deslocamento y ´e F r = k y. Suponhamos ainda que o meio ofere¸ca uma resistˆencia ao movimento cuja intensidade ´e proporcional a` velocidade, F a = b y , e que uma for¸ca f (t) ´e aplicada ao objeto. Logo, a resultante das for¸ cas que atuam sobre o objeto ´e k y b y + f (t). De acordo com (2.2), o deslocamento da massa m ´e descrito pela equa¸ca˜o
−
−
−
m y + b y + k y = f (t) .
O y
(2.3)
k
m
c Figura 2.1
Consideremos um exemplo em biologia: um modelo simples de crescimento populacional, chamado modelo Malthusiano, sup˜ oe que a taxa de varia¸ca˜o y (t) de uma popula¸ca˜o em um instante t ´e proporcional a` popula¸ca˜o y(t) naquele instante, isto ´e, y(t) satisfaz uma equa¸c˜a o da forma y (t) = k y(t) . (2.4) A constante k em (2.4) designa a diferen¸ca entre a taxa de natalidade e a mortalidade. A equa¸ca˜o (2.4) descreve bem o crescimento populacional quando o n´ umero de indiv´ıduos n˜ ao ´e muito grande. Quando esse n´ umero cresce al´em de um certo ponto, a popula¸ c˜ao fica suscet´ıvel a alguns fatores que tendem a reduzir o seu crescimento, tais como ´ natural impor uma limita¸c˜ao ao falta de alimentos, epidemias, etc. E n´umero de elementos da popula¸ca˜o, digamos y(t) N . Um modelo mais real´ıstico que leva em conta esses fatores foi proposto por Verlhust
≤
˜ 2.1. INTRODUC ¸ AO
39
em 1838 e fornece uma equa¸c˜ao da forma y (t) = k y(t) [ N
− y(t) ] .
(2.5)
´ importante conConsideremos agora um exemplo em qu´ımica. E hecer seu tempo de dura¸ca˜o de uma rea¸c˜ao qu´ımica. Rea¸co˜es como as explos˜oes processam-se t˜ ao rapidamente que elas podem ser consideradas instantˆ aneas. Por outro lado, rea¸ co˜es como a decomposi¸c˜ao do pl´astico e a desintegra¸ca˜o radioativa se processam em longos intervalos de tempo, chegando a durar anos. Em algumas situa¸ c˜oes, como na decomposi¸c˜ao de lixo, cicatriza¸ca˜o de ferimentos ou no endurecimento de concreto, ´e interessante acelerar a rea¸ c˜ao. Em outras casos, ´e desej´avel que o processo seja retardado ao m´ aximo, como ´e o caso da deteriora¸c˜ao de alimentos, coagula¸c˜ao do sangue, etc. A velocidade de uma rea¸ca˜o qu´ımica (que ´e a rapidez com que ela se processa) depende da concentra¸ca˜o dos reagentes, press˜ ao, temperatura, etc. Para simplificar nosso exemplo, assumiremos que todos esses fatores, exceto a concentra¸ca˜o, permanecem constantes. Assim, a velocidade da rea¸ca˜o depende apenas da concentra¸ c˜ao dos reagentes. Um princ´ıpio fundamental no estudo da velocidade das rea¸c˜oes qu´ımicas ´e a chamada lei da a¸cao ˜ das massas, segundo a qual a taxa de varia¸ca˜o da concentra¸ca˜o (a concentra¸ c˜ao ´e dada em moles por unidade de volume) das substˆancias reagentes ´e diretamente proporcional a` concentra¸c˜ao de cada uma dessas substˆ ancias. Rea¸co˜es qu´ımicas s˜ao classificadas como unimoleculares, bimoleculares, etc de acordo com o n´ umero de mol´eculas reagentes. A dissocia¸ca˜o do bromo gasoso Br2
−→
2 Br
´e uma rea¸ca˜o unimolecular. J´a a rea¸ca˜o em que 2 mol´eculas de o´xido n´ıtrico (NO) reagem com uma mol´ecula de oxigˆenio (O2 ) para formar 2 mol´eculas de di´oxido n´ıtrico 2 NO + O2
−→
´e um exemplo de rea¸ca˜o trimolecular.
2 NO2
˜ DE PRIMEIRA ORDEM CAP ´ ITULO 2. EQUAC ¸ OES
40
A lei da a¸c˜ao das massas fornece uma equa¸ca˜o que deve estar satisfeita pela concentra¸ca˜o dos reagentes. De fato, em uma rea¸ca˜o unimolecular, se y(t) denota a concentra¸ c˜ao da substˆ ancia reagente (digamos, 3 em mol´ecula grama por cm ) no instante t, pela lei da a¸c˜ao das massas, temos y (t) = k y(t) (2.6)
−
em que k ´e a constante de proporcionalidade (como a concentra¸ c˜ao da substˆancia reagente decresce durante a rea¸ c˜ao, a taxa de varia¸c˜ao da concentra¸ca˜o ´e negativa). Quando duas substˆ ancias A e B reagem para formar uma (ou mais) substˆancias novas em uma rea¸ca˜o tal como
−
A + B
−→
C
a velocidade da rea¸c˜ao ´e diretamente proporcional ao produto das concentra¸c˜oes dos reagentes. Denotemos por a a concentra¸c˜ao inicial da substˆancia A, por b a concentra¸c˜ao inicial da substˆ ancia B (suponhamos b < a) e por y(t) a concentra¸ca˜o do produto C da rea¸ca˜ o no ´ f´acil ver que as concentra¸c˜oes de A e B no instante instante t. E t s˜ao a y(t) e b y(t) , respectivamente. Ent˜ ao
−
−
− −
y (t) = k a
y(t)
b
y(t)
(2.7)
(a constante k na equa¸c˜ao (2.7) ´e positiva pois y(t) cresce quando t cresce). Rea¸c˜oes qu´ımicas envolvendo mais reagentes d˜ ao origem a outros tipos de equa¸co˜es diferenciais. Mais detalhes podem ser encontrados em textos de F´ısico-Qu´ımica.
2.2
Defini¸co ˜es
Uma equa¸ca˜o que relaciona uma fun¸ca˜o inc´ognita e algumas de suas derivadas ´e chamada equa¸ ca ˜o diferencial. Quando a fun¸c˜ao inc´ognita depende de uma u´nica vari´avel real, ela ´e chamada equa¸ cao ˜ dife˜o inc´ognita dependa de mais de uma rencial ordin´ aria ; caso a fun¸ca
˜ SEPARAVEIS ´ 2.3. EQUAC ¸ OES
41
vari´avel real ela ´e dita uma equa¸c˜ ao diferencial parcial . Nesta texto, trataremos exclusivamente das equa¸c˜oes diferenciais ordin´ arias. A ordem de uma equa¸c˜ao diferencial ´e a mais alta ordem das derivadas da fun¸ca˜o inc´ognita que comparece na equa¸c˜ao. Assim, (2.1), (2.4) e (2.5) s˜ao equa¸c˜oes de primeira ordem e (2.3) ´e uma equa¸ ca˜o de segunda ordem. A forma geral de uma equa¸c˜ao diferencial ordin´ aria de primeira ordem ´e y (t) = f (t, y(t)), (2.8) que escreveremos abreviadamente y = f (t, y). Na equa¸ca˜o (2.8), f (t, y) ´e uma fun¸ca˜o definida em um subconjunto ao de (2.8) ´e uma fun¸c˜ao y(t) definida em um A de R2 . Uma solu¸c˜ intervalo I tal que: (t, y(t)) A, t I e y(t) satisfaz (2.8), isto ´e, y (t) = f (t, y(t)), t I . Por exemplo, a fun¸ ca˜o ϕ(t) = 8 e3 t ´e solu¸ca˜o da equa¸c˜ao y = 3 y, pois ϕ (t) = 24 e3 t = 3 ϕ(t). Para cada (t0 , y0 ) A, o problema de encontrar uma solu¸c˜ao y(t) de (2.8) tal que y(t0 ) = y0 chama-se problema de valor inicial (que escrevermos abreviadamente PVI).
∀ ∈
∈
∀ ∈
∈
Exerc´ıcio 2.1. Em cada caso verifique se a fun¸cao ˜ dada ´e uma solu¸c˜ ao da equa¸c˜ ao diferencial correspondente e determinar c de modo que a solu¸c˜ ao particular resultante satisfa¸ca a condi¸c˜ ao dada: − t a) y + y = 1; y(t) = 1 + ce ; y = 3 quando t = 0 b) ty = 3y, y(t) = ct3 ; y = 1 quando t = 2 c) y + 9y = 0; y(t) = cos 3t + c sen 3t; y = 5 quando t = π/6.
−
2.3
Equa¸c˜ oes Separ´ aveis
Uma equa¸ca˜o diferencial que pode ser escrita na forma g(y)
dy = h(t) , dt
(2.9)
42
Cap. 2
Equa¸coes ˜ de Primeira Ordem
(algumas vezes tamb´ em escrita na forma g(y) dy = h(t) dt) ´e chamada separ´ avel. As fun¸c˜oes g e h em (2.9) s˜ao cont´ınuas em convenientes intervalos. Solu¸c˜oes de tais equa¸c˜oes podem ser facilmente encontradas: se y = ϕ(t) ´e uma solu¸c˜ao de (2.9) em um intervalo I , podemos escrever g(ϕ(t)) ϕ (t) = h(t), t I.
∀∈
Integrando, temos
g(ϕ(t)) ϕ (t) dt =
h(t) dt
(2.10)
Substituindo y = ϕ(t) (portanto du = ϕ (t) dt) na integral do primeiro membro e usando a f´ ormula de integra¸ca˜o por substitui¸ca˜o para integral indefinida, podemos escrevˆe-la como g(ϕ(t)) ϕ (t) dt =
g(y) dy .
(2.11)
Se G(y) e H (t) s˜ao primitivas de g e h, respectivamente, isto ´e, G (y) = g(y) e H (t) = h(t), a igualdade (2.10) fica G(y) = H (t) + C
(2.12)
em que C designa uma constante arbitr´ aria (proveniente das integrais indefinidas). A igualdade (2.12) fornece a solu¸ c˜ao numa forma impl´ıcita . Resolvendo essa equa¸c˜ao na vari´ avel y, obtemos explicitamente y(t).
Exemplo 2.1. Resolver o PVI y = 6 t5 e−y , y(1) = 1. A equa¸c˜ao ´e separ´avel pois podemos reescrever e−y y = 6 t5 Integrando, temos
ey dy = 6
donde C = e
−
t5 dt
ey = t6 + C , ou y = ln(t6 + C ). Como y(1) = 1, temos 1. Logo, y(t) = ln(t6 + e 1).
−
43
Equa¸c˜ oes separ´ aveis
˜ da equa¸c˜ ao diferencial y = y2 . Exemplo 2.2. Encontrar as solu¸coes Dividindo os dois membros da equa¸c˜ao por y 2 e integrando, temos
ou seja
y −2 dy =
dt,
− y1 = t + C,
donde obtemos
−1
y(t) =
, (2.13) t + C uma f´ormula que fornece quase todas as solu¸co˜es da equa¸c˜ao diferencial dada. Notemos que o primeiro passo na resolu¸ca˜o da equa¸c˜ao diferencial foi dividir por y2 ; para isso precisamos ter y = 0. Sempre que efetuamos alguma opera¸c˜ao, devemos tomar algum cuidado, pois algumas solu¸co˜es podem ser ocultadas por esse processo, como ocorreu neste caso. A fun¸ca˜o y(t) 0 ´e uma solu¸c˜a o que n˜ ao ´e dada pela f´ormula (2.13).
≡
Exemplo 2.3. Resolver a equa¸c˜ ao diferencial y = k (y
em que
− a) (y − b) , k, a, b s˜ ao constantes, com a = b.
Em primeiro lugar, notemos que as fun¸co˜es constantes y(t) a e y(t) b s˜ao solu¸c˜oes da equa¸ca˜o diferencial. Para y = a e y = b, a equa¸c˜ao diferencial pode ser escrita na forma
≡
(y
−
dy a) (y
− b)
=k
≡
dt
Vamos calcular a integral do primeiro membro usando o m´etodo das fra¸c˜oes parciais: escrevendo (y
−
1 a) (y
− b)
=
A y
−a
+
B y
−b
44
Cap. 2
temos A =
Equa¸coes ˜ de Primeira Ordem
−1 . Logo, a−b a−b 1 dy 1 dy = k t + C − a−b y−a a−b y−b | y − a | = k (a − b) t + C (a − b) ln |y − b| 1
, B=
ou
Isolando y (isto ´e, resolvendo essa equa¸c˜ao para obter y como fun¸c˜ao de t), temos a b C 1 ek (a−b)t y(t) = (2.14) 1 C 1 ek (a−b)t (C 1 = eC (a−b) , o sinal + ou da solu¸ca˜o).
±
− −
− ´e escolhido dependendo do valor inicial
Observa¸c˜ao 2.1. Conforme vimos em (2.6), a equa¸c˜ ao estudada no Exemplo 2.3 descreve a velocidade de uma rea¸cao ˜ qu´ımica em que y(t) designa a concentra¸cao ˜ do produto da rea¸cao. ˜ Suponhamos que a < b na equa¸c˜ ao (2.6). A condi¸ cao ˜ inicial ´e y(0) = 0. Substituindo essa informa¸c˜ ao em (2.14), obtemos C 1 = a/b. Portanto a(1 ek (a−b) t ) y(t) = 1 a ek (a−b) t /b
−
−
0, quando t Notemos que, como k (a b) < 0, temos ek (a−b) t . Logo, y(t) a, quando t , isto ´e, a concentra¸cao ˜ do produto da rea¸c˜ ao tende `a concentra¸c˜ ao do reagente A.
→
− →∞
→
→∞
Observa¸c˜ao 2.2. Equa¸c˜ oes diferenciais da forma
z z (x) = F
x
(2.15)
n˜ ao s˜ ao separ´ aveis, mas podem ser colocadas na forma (2.9) ap´ os uma conveniente mudan¸c a de vari´ aveis. De fato, chamando y = z/x, ou z = x y, temos z = y + x y .
45
Equa¸c˜ oes separ´ aveis
Substituindo essa express˜ ao em (2.9), temos y + x y = F (y) donde
1 F (y)
−y
y =
1 . x
Exemplo 2.4. Encontrar as solu¸coes ˜ da equa¸c˜ ao (x2 + z 2 ) z = x z. Podemos reescrever a equa¸ca˜o diferencial na como z =
xz z/x = = f (z/x), x2 + z 2 1 + (z/x)2
y . Chamando z = x y e repetindo o procedimento 1 + y2 acima, podemos reescrever a equa¸ca˜o dada como em que f (y) =
1
y =
1 x
(y −3 + y−1 ) y =
1 x
y 1 + y2
−y
ou
Integrando, temos 1 2 y2
− ln |y| = ln |x| + C .
Voltando a` vari´avel z, obtemos x2 2 z2
− ln |z| = C ,
uma equa¸c˜ao que fornece z implicitamente como fun¸ca˜o de x.
46
2.4
Cap. 2
Equa¸coes ˜ de Primeira Ordem
Equa¸c˜ ao Linear de Primeira Ordem
Como um caso especial importante da equa¸ca˜o (2.8) temos a chamada equa¸c˜ ao linear de primeira ordem y + a(t) y = b(t).
(2.16)
Na equa¸ca˜o (2.16), a(t) e b(t) s˜ao fun¸c˜oes (conhecidas) cont´ınuas em um intervalo I . Se b(t) 0, a equa¸ca˜o ´e (2.16) chamada n˜ a o homogˆenea. Se b(t) 0, essa equa¸c˜ao ´e chamada homogˆenea e tem a forma y + a(t) y = 0. (2.17)
≡
≡
Nosso objetivo nesta se¸ca˜o ´e obter uma express˜ ao que forne¸ca todas as solu¸c˜oes da equa¸ca˜o (2.16): tal express˜ao ´e chamada solu¸c˜ ao geral de (2.16). Em virtude de sua simplicidade, analisaremos primeiramente a equa¸ca˜o homogˆenea.
A Equa¸c˜ ao Homogˆ enea. ´ f´acil ver que (2.17) ´e uma equa¸ca˜o separ´ E avel e que a fun¸ca˜o y(t) 0 ´e solu¸ca˜o de (2.17). Procuremos solu¸c˜oes y(t) = 0 de (2.17). Podemos reescrever (2.17) na forma
≡
y (t) = y(t)
−a(t).
(2.18)
Seja A(t) uma fun¸c˜ao cuja derivada ´e a(t), isto ´e, A (t) = a(t). Integrando (2.18), temos ln y(t) =
| | −A(t) + K
(em que K designa uma constante arbitr´ aria), ou seja, A(t)+K
|y(t)| = e−
= e−A(t) eK .
(2.19)
Agora, notando que y(t) ´e uma fun¸c˜ao cont´ınua e y(t) = 0, t, temos, ou y(t) > 0 para todo t, ou y(t) < 0 para todo t. Portanto, chamando
∀
47
Equa¸c˜ ao linear de primeira ordem
C = eK , se y(t) > 0, reescrever (2.19) como
K
∀t ou C = −e
, se y(t) < 0,
y(t) = Ce−A(t) .
∀t, podemos (2.20)
A express˜ao (2.20) tamb´em inclui a solu¸ca˜o nula se tomarmos C = 0. Assim, fazendo C variar em R, obtemos todas as poss´ıveis solu¸co˜es da equa¸c˜ao (2.17). Logo, (2.20) ´e a solu¸ ca˜o geral da equa¸c˜ao (2.17).
Exemplo 2.5. Encontrar a solu¸c˜ ao da equa¸cao ˜ y (t) = 3 y(t) tal que y(1) = e. Repetindo o procedimento acima ou usando (2.20), vemos que a solu¸ c˜ao geral da equa¸c˜ao diferencial ´e y(t) = C e 3 t . Pondo t = 1, temos y(1) = C e 3 . Como y(1) = e, segue-se que C = e−2 . Logo, y(t) = e−2 e3 t = e3 t−2.
Exemplo 2.6. (Desintegra¸c˜ao Radioativa) A meia vida de um certo is´ otopo de estrˆ oncio ´e 28 anos (isto ´e, metade da quantidade original do estrˆ oncio desintegra-se ap´ os 28 anos). Quanto tempo deve passar ap´ os uma explos˜ ao atˆ omica para que a quantidade de estrˆoncio se reduza a 10% da original? A taxa de desintegra¸ca˜o de uma substˆancia radioativa em qualquer instante ´e proporcional a` quantidade dessa substˆ ancia naquele instante. Assim, se Q(t) ´e a quantidade (n´ umero de a´tomos ou massa) de uma certa substˆ ancia radioativa no instante t, temos Q (t) =
−a Q(t).
(2.21)
Assim, a quantidade Q(t) ´e dada por Q(t) = Q0 e−a t .
(2.22)
48
Cap. 2
Equa¸coes ˜ de Primeira Ordem
Temos Q(t) = Q0 e−a t . Como a meia vida da substˆancia ´e 28 anos, temos Q(28) = Q0/2, ou seja, Q0 e−28 a =
Q0 , 2
donde obtemos
ln 2 1 = 0, 025 28 40 Portanto, a quantidade da substˆ ancia no instante t ´e a=
Q(t) = Q0 e−t/40 Queremos saber em que instante essa quantidade estar´ a reduzida a 10% da quantidade original, isto ´e Q0 e−t/40 =
Q0 . 10
Dessa igualdade, obtemos et/40 = 10,
ou seja,
t = 40 ln 10
92, 1 anos.
Observa¸c˜ ao 2.3. A partir da forma da solu¸c˜ ao de (2.17) obtemos uma rela¸c˜ ao interessante. Notemos que, a partir de (2.20) podemos escrever eA(t) y(t) = C Como a fun¸c˜ ao eA(t) y(t) ´e constante, sua derivada ´e nula. Por outro lado, d A(t) e y(t) = eA(t) y (t) + a(t) eA(t) y(t) = eA(t) y (t) + a(t) y(t) . dt
que ´e o primeiro membro de (2.17) multiplicado por eA(t) . Assim, multiplicando os dois membros da equa¸c˜ ao (2.17) por eA(t) , podemos reescrevˆe-la na forma quase integrada d A(t) e y(t) = 0. dt
(2.23)
49
Equa¸c˜ ao linear de primeira ordem
Esta observa¸c˜ao ser´ au ´ til para resolver a equa¸ca˜o (2.16) em sua forma geral. Qualquer fun¸c˜ao que, ao ser multiplicada aos dois membros de uma equa¸ca˜o, transforma-a em uma outra mais trabalh´ avel chamase fator integrante dessa equa¸c˜ao. Deste modo, a fun¸ca˜o eA(t) ´e um fator integrante de (2.17).
Exemplo 2.7. Encontrar a solu¸cao ˜ geral da equa¸cao ˜ y +(cos t ) y = 0. Multiplicando os dois membros da equa¸ca˜o diferencial pelo fator cos t dt integrante e = esen t+K = C e sen t , obtemos C e sen t y + cos t C e sen t y = 0 ou (note que a constante C pode ser cancelada)
e sen t y(t)
= 0.
Integrando essa fun¸ca˜o e isolando y(t) no primeiro membro, temos y(t) = L e−sen t .
A Equa¸c˜ ao N˜ ao Homogˆ enea. Consideremos finalmente o caso geral da equa¸ca˜o (2.16), em que a(t) e b(t) s˜ao fun¸c˜oes cont´ınuas em um intervalo I . O tratamento ´e an´alogo ao anterior. Para evitar repeti¸ c˜oes, vamos obter a express˜ao da solu¸ca˜o do problema de valor inicial y + a(t) y = b(t) y(t0 ) = y0 ,
(2.24) (2.25)
t
em que t0
∈ I e y ∈ R. Seja A(t) = 0
a(s) ds; notemos que A(t0) = 0
t0
e A (t) = a(t). Multiplicando a equa¸ca˜o (2.24) por eA(t) , temos y (t) eA(t) + a(t) y(t) eA(t) = b(t) eA(t) que podemos escrever na forma d A(t) e y(t) = eA(t) b(t), dt
50
Cap. 2
Equa¸coes ˜ de Primeira Ordem
Integrando os dois membros desde t0 at´e t, temos A(t)
e
y(t)
donde y(t) = e−A(t) y0 +e−A(t)
A(t0 )
−e
t
y(t0 ) =
t
=1
A(s)
e
eA(s) b(s) ds,
t0
=y0
b(s) ds = e−A(t) y0 +
t0
t
e−A(t) eA(s) b(s) ds
t0
s
Notando que e−A(t) eA(s) = eA(s)−A(t) = exp
s
exp
t
t
a(u) du
t0
− t0
a(u) du =
a(u) du (para simplificar a nota¸c˜ao, estamos utilizando o
s´ımbolo exp para denotar a exponencial), obtemos a express˜ ao da solu¸c˜ao geral de (2.16)
− t
y(t) = e−A(t) y0 +
s
exp
t0
a(u) du b(s) ds
t
(2.26)
Observa¸c˜ ao 2.4. (a) Notemos que a solu¸c˜ ao dada pela express˜ ao (2.26) est´ a definida para todo t I e que, se b(t) 0, temos a solu¸c˜ ao obtida no caso anterior. (b) Em (2.26), a parcela e−A(t) y0
∈
≡
´e uma solu¸cao ˜ da equa¸cao ˜ homogˆenea associada a (2.24); fazendo y0 variar em R, obtemos todas as poss´ıveis solu¸ c˜ oes dessa equa¸c˜ ao. Um c´ alculo simples mostra que a parcela
− t
z(t) =
s
exp
t0
t
a(u) du b(s) ds
´e uma solu¸c˜ ao (que chamaremos solu¸ca˜o particular) da equa¸c˜ ao n˜ ao homogˆenea (2.24) (´e a solu¸ cao ˜ de (2.24) tal que z(0) = 0. Portanto, a solu¸c˜ ao geral da equa¸c˜ ao (2.24) se escreve como a soma da solu¸c˜ ao geral da equa¸c˜ ao homogˆenea com uma solu¸c˜ ao particular da equa¸c˜ ao n˜ ao homogˆ enea (2.24).
51
Equa¸c˜ ao linear de primeira ordem
ao do problema de valor inicial Exemplo 2.8. Encontrar a solu¸c˜ y + Seja
2 y = t2 , t
t
A(t) =
1
y(1) = 6.
2 ds = 2 ln t = ln t2 . s 2
Multiplicando os dois membros da equa¸c˜a o por eA(t) = eln t = t2 , temos t2 y(t) + 2 t y(t) = t4 ou
− t2 y(t)
= t4.
Integrando os dois membros desde 1 at´e t, temos t
2
t y(t)
y(1) =
1
t5 s ds = 5 4
− 15 .
Como y(1) = 6, temos 6 t3 y(t) = 2 + t 5
1 t3 29 = + . 5 t2 5 5 t2
−
A resolu¸ca˜o dessas equa¸co˜es tamb´em pode ser feita usando integrais indefinidas, como nos outros casos.
Exemplo 2.9. Encontrar a solu¸c˜ ao geral da equa¸c˜ ao y + 5 y = t. Multiplicando a equa¸c˜ao pelo fator integrante e5 t , obtemos
Integrando, temos e5 t y(t) =
e5 t y(t)
t e5 t dt =
donde y(t) =
1 t 5
= t e5 t .
1 5t te 5
− 251 e
5t
− 251 + K e−
5t
.
+ K,
52
Cap. 2
Equa¸coes ˜ de Primeira Ordem
ao do problema de valor inicial Exemplo 2.10. Encontrar a solu¸c˜
y + (cos t) y = cos t y(0) = 6 .
−
Multiplicando a equa¸ca˜o diferencial pelo fator integrante esen t (calculado no exemplo 2.7), obtemos
Integrando, temos sen t
e
esen t y(t)
y(t) =
= cos t esen t .
esen t cos t dt = esen t + K
donde obtemos y(t) = 1 + K e −sen t Dessa igualdade, temos y(0) = 1 + K ; como queremos y(0) = obtemos K = 7.
−
−6,
Exemplo 2.11. (Dilui¸c˜ ao de Misturas) Um tanque cont´ em 5.000 litros de salmoura a uma concentra¸ c˜ ao de 10 g/l . Adiciona-se a esse tanque salmoura com uma concentra¸c˜ ao de sal de 20 g/l `a raz˜ ao de 10 l/min. A mistura do tanque ´e continuamente agitada, de modo a manter a solu¸c˜ ao homogˆenea (deste modo, a concentra¸c˜ ao ´e a mesma em todos os pontos do tanque). Ao mesmo tempo, a mistura deixa o tanque atrav´es de um buraco a` mesma raz˜ ao. Determinar a quantidade e a concentra¸c˜ 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 est´a sendo adicionado no tanque a` raz˜ ao de
·
10 (l/min) 20 (g/l) = 200g/min e est´a saindo a` raz˜ ao de 10 (l/min)
Q(t) Q(t) (g/l) = kg/min. 5000 500
53
Equa¸c˜ ao linear de primeira ordem
Portanto, a taxa de varia¸c˜ao da quantidade de sal no tanque, que ´e a diferen¸ca entre a taxa da quantidade que entra e a que sai, ´e dada por: Q = 200
Q , − 500
cuja solu¸c˜ao geral ´e Q(t) = 100.000 + Ce−t/500 . Como Q(0) = 50000 g temos que a quantidade de sal no instante t ´e: Q(t) = 100.000
t/500
− 50.000 e−
e a concentra¸c˜ao de sal no tanque no instante t ´e: Q(t) 100.000 = 5000 5.000
e− = 20 − 10e− . − 50.000 5.000 Observemos que, quando t → ∞, Q(t) → 100.000 e c(t) → 20. Portc(t) =
t/500
t/500
anto, a quantidade de sal tende a 100.000 g e a concentra¸ca˜o tende ao valor limite de 20 g/l.
Exemplo 2.12. (Um circuito el´ etrico simples) R A figura ao lado mostra um circuito el´ etrico contendo um indutor de indutˆancia L, um reE sistor de resistˆencia R e uma fonte de for¸ca eleI tromotriz E (t). E L (a) Determinar a corrente I (t) em um instante t > 0 sabendo que I (0) = 0. (b) Determinar I (t), sendo: Figura 3.1 (i) E (t) E 0 (uma constante); (ii) E (t) = E 0 sen(ω t) ( E 0 , ω constantes).
≡
A diferen¸ca de potencial entre as extremidades do resistor ´e R I e entre as extremidades do indutor ´e L I . Pela segunda Lei de Kirchoff, a soma alg´ebrica das diferen¸cas de potencial no circuito ´e nula; temos ent˜ao L I + R I E (t) = 0, ou seja,
−
I +
R E (t) I = L L
54
Cap. 2
Equa¸coes ˜ de Primeira Ordem
Como I (0) = 0, a corrente ´e dada por 1 I (t) = e−Rt/L L
t
eRs/L E (s) ds .
0
Se E (t) = E 0, temos
t
Rs/L
e
t
E (s) ds = E 0
0
eRs/L ds = E 0
0
L Rt/L (e R
− 1)
Logo, I (t) =
1 −Rt/L L Rt/L e E 0 (e L R
− 1) = E R (1 − e− 0
Rt/L
).
Se E (t) = E 0 sen(ω t), temos
t
Rs/L
e
t
E (s) ds =
0
E 0 eRs/L sen(ω s) ds =
0
=
E 0 L eRt/L R sen(ω t) 2 2 2 R +L ω
Logo, I (t) =
E 0 ω L e−Rt/L 2 2 2 R +L ω
− ω L cos(ω t)
+ωL .
− ω L cos(ω t) + R sen(ω t) . oes Observa¸c˜ao 2.5. Denotemos por S o conjunto de todas as solu¸c˜ da equa¸c˜ ao homogˆenea (2.17), isto ´e,
S = {y : I → R : y(t) + a(t) y(t) = 0}. ´e f´ acil ver se y, z ∈ S e α ∈ R, ent˜ ao y + z ∈ S e α y ∈ S . De fato, como y, z ∈ S , temos y (t) + a(t)y(t) = 0 e z (t) + a(t)z(t) = 0. Portanto,
(y(t) + z(t)) + a(t)(y(t) + z(t)) = y (t) + a(t)y(t) + z (t) + a(t)z(t) = 0 . Analogamente, verificamos que αy . Al´em disso, ´e claro que valem as propriedades A1 a A4 e M1 a M4 vistas no Cap´ıtulo 1 para vetores
∈ S
˜ DE BERNOULLI 2.5. EQUAC ¸ AO
55
de Rn . Por isso, diremos que ´e um espa¸co vetorial. Al´ em disso, a express˜ ao (2.20), que d´ a a solu¸c˜ ao geral da equa¸c˜ ao (2.17) mostra que todo elemento de ´e um m´ ultiplo da fun¸c˜ ao e−A(t) : assim, os elementos de est˜ ao em correspondˆencia biun´ıvoca com o conjunto dos n´ umeros reais. Esta situa¸ c˜ ao ´e an´ aloga ao conjunto de todos os m´ ultiplos de um vetor fixado. Por causa disso, diremos que o espa¸ co vetorial tem dimens˜ao 1.
S
S
S
S
Observa¸c˜ ao 2.6. Tudo o que fizemos no caso em que as fun¸c˜ oes a(t) e b(t) s˜ ao reais pode ser repetido se a e b forem complexos. Por exemplo, as solu¸c˜ oes da equa¸c˜ ao y = (3+ 2 i) y s˜ ao da forma y(t) = C e (3+2 i) t = C e 3 t [cos (2 t) + i sen (2 t)], em que C ´e uma constante arbitr´ aria.
2.5
Equa¸c˜ ao de Bernoulli
A equa¸c˜ao diferencial y + p(t) y = q(t) yn ,
(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 equa¸ca˜o linear de 1a¯ ordem, que j´a foi estudada anteriormente. Se n = 0 e n = 1, a equa¸c˜ao de Bernoulli n˜ao ´e linear, mas pode ser transformada em uma equa¸ ca˜o linear de 1a¯ ordem por meio de uma conveniente mudan¸ ca de vari´ avel. n Dividindo (2.27) por y , temos
∈
y −n y + p(t) y 1−n = q(t).
(2.28)
y1−n , podemos reescrever (2.28) dt 1 n como d y 1−n y 1−n + (1 n) p(t) = q(t) dt 1 n 1 n ou, chamando z = y 1−n/(1 n), temos d Agora, notando que y−n y =
−
−
−
−
z + (1
−
− n) p(t) z = q(t) ,
que ´e uma equa¸c˜ao linear de 1a. ordem.
56
Cap. 2
Equa¸coes ˜ de Primeira Ordem
ao do problema de valor inicial Exemplo 2.13. Encontrar a solu¸c˜
y 2 t y = 2 t y 2 y(0) = 1/3.
−
−
Multiplicando os dois membros da equa¸ca˜o por y −2 , temos y−2 y Como y−2 y =
1
− 2 t y − = −2 t .
1
−(y− ), a equa¸ca˜o diferencial pode ser escrita como −(y− ) − 2 t y− = −2 t 1
1
ou, chamando z = y−1 , z + 2 t z = 2 t. 2
Multiplicando essa equa¸ca˜o pelo fator integrante et , temos
2
et z
Integrando, temos 2
et z(t) =
= 2 t et
2
2
2
2 t et dt = et + C .
Portanto 2
z(t) = 1 + C e −t . A condi¸c˜ao inicial para a equa¸ca˜o na vari´ avel z ´e z(0) = 3. Portanto C = 2 e z(t) = 1 + 2 e−t . 2
Voltando a` vari´avel y, obtemos 2
1 et y(t) = = t . 1 + 2 e−t e +2 2
2
˜ DIFERENCIAIS EXATAS 2.6. EQUAC ¸ OES
2.6
57
Equa¸c˜ oes Diferenciais Exatas
Defini¸c˜ ao 2.1. Seja U R2 um conjunto aberto e sejam P, Q : U R fun¸c˜ oes cont´ınuas em U , cujas derivadas parciais tamb´em s˜ ao cont´ınuas em U . Uma equa¸c˜ ao diferencial da forma
⊂
→
P (t, y) + Q(t, y)
dy =0 dy
(2.29)
ou P (t, y) dt + Q(t, y) dy = 0
(2.30)
´e chamada exata quando existe uma fun¸c˜ ao V : U tal que ∂V (t, y) = P (t, y) e ∂t
∂V (t, y) = Q(t, y), ∂y
→ R,
V = V (t, y)
∀(t, y) ∈ U.
(2.31)
Uma raz˜ao para o nome equa¸c˜ ao diferencial exata ´e que a express˜ao P (t, y) dt + Q(t, y) dy ´e igual a dV (t, y), a diferencial da fun¸ca˜o V (t, y): lembremos que ∂V ∂V dV (t, y) = dt + dy. ∂t ∂y
Exemplo 2.14. A equa¸c˜ ao diferencial =0 − y) + (2y − t) dy dt ´e exata e a fun¸c˜ ao V (t, y) = 2 t − t y + y ´e uma integral primeira para (4t
2
2
essa equa¸cao; ˜ de fato,
∂V = 4t ∂t
−y
e
∂V = 2y ∂y
− t.
Usando a regra da cadeia para derivadas parciais, vemos que, se y(t) ´e uma solu¸ca˜o da equa¸ca˜o diferencial (2.29), temos d ∂V ∂V V (t, y(t)) = + y (t) = P (t, y(t)) + Q(t, y(t)) y (t) = 0 dt ∂t ∂y
58
Cap. 2
Equa¸coes ˜ de Primeira Ordem
Logo, a fun¸ca˜o V (t, y(t)) ´e constante e as solu¸co˜es de (2.29) satisfazem V (t, y(t)) = C , em que C denota uma constante arbitr´ aria, ou seja, as solu¸co˜es da equa¸c˜a o (2.29) s˜ ao obtidas resolvendo-se as equa¸c˜oes aria. Em virtude desV (t, y) = C , em que C ´e uma constante arbitr´ sa propriedade, a fun¸ca˜o V (t, y) ´e dita uma integral primeira da equa¸c˜ao (2.29) e as curvas de n´ıvel da fun¸c˜ao V , isto ´e, as curvas planas y = y(t) definidas pela equa¸c˜ao V (t, y) = C , (em que C ´e uma constante arbitr´ aria) s˜ao chamadas curvas integrais ou curvas solu¸c˜ oes da equa¸ca˜o (2.29). No caso da equa¸c˜ao diferencial vista no exemplo anterior, uma integral primeira ´e V (t, y) = 2 t2 t y + y 2 e as cuvas integrais s˜a o as solu¸co˜es da equa¸ca˜o 2 t2 t y +y 2 = C . Logo, as solu¸co˜es dessa equa¸c˜ao s˜ao dadas por t 7 t2 + 4 C y= . 2 Para esse exemplo, foi poss´ıvel obter a solu¸ca˜o na forma expl´ıcita y = y(t). Geralmente, a solu¸ca˜o ´e dada na forma impl´ıcita de uma equa¸c˜ao V (t, y) = C . Dada uma equa¸ca˜o na forma (2.29), a primeira tarefa que temos ´e determinar se uma equa¸c˜ao ´e exata. De acordo com a defini¸ c˜ao, para determinarmos se uma equa¸ca˜o diferencial ´e exata, devemos encontrar uma integral primeira; com isso, automaticamente encontramos suas solu¸co˜es. O problema ´e que, ao contr´ ario do que ocorreu no exemplo acima, geralmente n˜ ao ´e t˜ ao simples encontrar uma integral primeira. Deste modo, nossa primeira tarefa ´e determinar condi¸ co˜es sobre P e Q que permitam concluir quando uma equa¸ca˜o ´e exata. Notemos que, se (2.29) ´e exata, ent˜ ao existe V (t, y) tal que
−
−
√ ± −
∂V = P (t, y), ∂t
∂V = Q(t, y) . ∂y
Derivando essas igualdades e lembrando que as derivadas mistas de segunda ordem de V s˜ao iguais, obtemos
∂P ∂ ∂V = ∂y ∂y ∂t
=
∂ ∂V ∂t ∂y
=
∂Q . ∂t
59
Equa¸c˜ oes Diferenciais Exatas
Assim, uma condi¸ca˜o necess´ aria para que a equa¸c˜ao (2.29) ´e que ∂P ∂Q = . ∂y ∂t
(2.32)
Um fato importante ´e que a condi¸ c˜ao (2.32) ´e suficiente para que a equa¸c˜ao (2.29) seja exata. Pode-se mostrar que a fun¸ ca˜o V (t, y) dada por
t
V (t, y) =
y
P (s, y0 ) ds +
t0
Q(t, x) dx
y0
´e uma integral primeira da equa¸ca˜o diferencial (2.29). Na pr´ atica, ao ∂V resolvermos uma equa¸ca˜o exata, integramos a igualdade = P (t, y) ∂t mantendo y fixo: denotemos por P (t, y) dt uma antiderivada de P (t, y) e por h(y) uma fun¸ca˜o arbitr´ aria de y. Temos V (t, y) =
P (t, y) dt + h(y) .
Em seguida, usamos a igualdade
∂V = Q(t, y) para determinar h(y). ∂y
Exemplo 2.15. Encontrar as curvas integrais de t2 y3 + t3 y 2 y = 0. Em primeiro lugar, notemos que a equa¸ca˜o ´e exata, uma vez que 3 2 ∂ (t2 y 3) 2 2 ∂t y = 3t y . ∂y ∂t
∂V Portanto, existe V (t, y) tal que = t2 y 3 . Mantendo y fixo e inte∂t grando em rela¸ca˜o a t, temos t3 y 3 V (t, y) = + h(y). 3 Derivando essa igualdade, temos ∂V (t, y) = t3 y 2 + h (y). ∂y
60
Cap. 2
Equa¸coes ˜ de Primeira Ordem
∂V (t, y) = t3 y2 . Compa∂y rando essas duas igualdades, temos h (y) = 0. Podemos ent˜ ao tomar 3 3 V (t, y) = t y /3. Assim, as curvas integrais s˜ao dadas por De acordo com a defini¸c˜a o de V , temos
t3 y 3 = C ou y = 3 Uma fun¸c˜ao µ(t, x) diferencial
3
3 C . t3
≡ 0 ´e chamada um fator integrante da equa¸c˜ao P (t, y) + Q(t, y) y = 0
(2.33)
se a equa¸c˜ao diferencial µ(t, y) P (t, y) + µ(t, y) Q(t, y) y = 0 for exata. Por exemplo, a equa¸c˜ao diferencial y
−t
2
y2 + t y = 0
∂ ∂t (y t2 y 2 ) = 1 2 t2 y enquanto que = 1. ∂y ∂t Entretanto, multiplicando a equa¸ c˜a o pela fun¸ca˜o µ(t, y) = t−2 y −2 , obtemos a equa¸c˜ao diferencial
−
n˜ao ´e exata, pois
1 t2 y
−
− 1 + t 1y
2
y = 0
que ´e exata, pois ∂ ∂y
1 t2 y
−
∂ 1 = 2 2 = t y ∂t
−1
1 t y2
.
Geralmente ´e dif´ıcil encontrar um fator integrante, mas em algumas situa¸c˜oes especiais, isso ´e poss´ıvel, como veremos a seguir. Vamos procurar um fator integrante de (2.33) que n˜ ao depende de y, isto ´e, procuramos uma fun¸ca˜o µ(t) de modo que a equa¸c˜ao diferencial µ(t) P (t, y) + µ(t) Q(t, y) y = 0
61
Equa¸c˜ oes Diferenciais Exatas
seja exata. Devemos ent˜ao ter ∂ ∂y ou seja,
µ(t)
µ(t) Q(t, y) ,
∂P ∂Q(t, y) = µ (t) Q(t, y) + µ(t) ∂y ∂t
ou µ (t) = 1 ∂P Se o quociente Q ∂y fun¸c˜ao a(t) tal que
∂ ∂y
µ(t) P (t, y) =
−
∂Q ∂t
1 Q
∂P ∂y
∂P ∂y
− ∂Q ∂t Q
µ(t)
(2.34)
n˜ao depender de y, isto ´e existir uma
−
∂Q ∂t
= a(t)
ent˜ao a rela¸ca˜o (2.34) fica µ (t) = a(t)µ(t); neste caso, ´e f´ acil ver que a fun¸ca˜o µ(t) = exp
a(t) dt
´e um fator integrante de (2.33). Analogamente, se existir uma fun¸c˜ao b(y) tal que 1 P
∂P ∂y
ent˜ao a fun¸ca˜o
− ∂Q ∂t
µ(y) = exp ´e um fator integrante de (2.33).
= b(y)
b(y) dy
Exemplo 2.16. Calcular um fator integrante da equa¸cao ˜ diferencial sen y
t
− 2 t e− + (cos y) y = 0
e encontrar a solu¸c˜ ao y(t) dessa equa¸c˜ ao tal que y(0) = π/2.
62
Cap. 2
Temos P (t, y) = sen y e
∂Q = 0. Portanto, ∂t 1 Q
Equa¸coes ˜ de Primeira Ordem
= cos y − 2t e− , Q(t, y) = cos y. Ent˜ao ∂P ∂y t
∂P ∂y
−
∂t ∂t
=
cos y =1. cos y
Assim, um fator integrante ´e µ(t) = et . Multiplicando a equa¸ca˜o dada por et , obtemos a equa¸ca˜o diferencial exata (verifique!) et sen y
t
− 2 t + e (cos y) y = 0 .
Ent˜ ao, existe uma fun¸ca˜o V (t, y) tal que ∂V = et sen y ∂t
− 2t .
Portanto, V (t, y) = et sen y t2 + h(y). Derivando em rela¸ c˜ao a y, ∂V ∂V temos = et cos y + h (y). Por outro lado, como = et cos y, ∂t ∂t temos h (y) = 0. Podemos ent˜ ao tomar V (t, y) = et sen y t2 . As curvas integrais da equa¸c˜ao dada s˜ao dadas por
−
−
et sen y ou
2
−t
= K.
y(t) = arc sen e−t(K + t2 ) .
2.7
Exerc´ıcios
1. Encontre as solu¸co˜es de cada uma das equa¸co˜es diferenciais abaixo: (a) y + y2 sen t = 3 t2 y2
(b) y = t/y (c) 2y3 y = 3 t2 z2 5 x z 2 2 (d) (1 + t ) y = t y (1 + y ) (e) z = (f ) y = y2 cos t 2 x 2 x + xz (g) (1 + x2 )y = 1 + y 2 (h) z = 2 z + xz
−
63
Exerc´ıcios
2. Resolva cada um dos problemas de valor inicial abaixo: (a) y + y2 sen t = 3t2 y2 , y(0) = 1 (b) y = y2 cos t, y(0) = 1 (c) (1 + x2 )y = 1 + y2 , y(1) = 1 (d) y = y 2sen t, y(0) = 1
−
−
3. Encontre a solu¸c˜ao geral de cada uma das equa¸co˜es abaixo: (a) ty 2y = 0 (b) y cos t + y sen t = 0 (c) y + y = cos t + sen t (d) y cos t + y sen t = cos t + sen t (e) t y 2y = (t 1)et (f ) ty 2y = t3 (g) z + 2tz = t e−t (h) y + et y = 3et
− −
−
2
−
4. Resolva cada um dos problemas de valor inicial abaixo: (a) (c)
t y 2y y(1) = 0
(b)
(sen t) y + (cos t) y = cos 2t y(π/2) = 1/2
(d)
− − ln t = 0
(1 + t2 ) y ty = 1 y(0) = 5 1 y + y = 4t t 2 y(0) = 3
−
−
5. Verifique que cada uma das equa¸co˜es abaixo ´e exata e encontre suas curvas integrais: (a) (2ax + by) + (bx + 2ay) y = 0 (b) (ey + cos x) + x ey y = 0 (c) ex cos y exsen y y = 0 (d) (x + y2 )/x2 = 2(y/x) y
−
6. Para cada uma das equa¸co˜es abaixo, encontre um fator integrante e determine suas curvas integrais (a) (2ax + by) + (bx + 2ay) y = 0 (b) y2 + x = 2y x y
−
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 varia¸c˜ao da press˜ ao atmosf´erica P em rela¸ca˜o a` altura h ´e diretamente proporcional a` press˜a o. Supondo que a press˜ ao a 6000 metros seja metade de seu valor P 0 ao n´ıvel do mar, achar a f´ormula para qualquer altura. 9. Uma colˆonia de bact´erias cresce a uma raz˜ ao proporcional ao n´ umero de bact´erias presentes. Se o n´ umero de bact´erias duplica a cada 24
64
Cap. 2
Equa¸coes ˜ de Primeira Ordem
horas, quantas horas ser˜ ao necess´ arias para que o n´ umero aumente cem vezes sua quantidade original. 10. Um tanque de 200 litros de capacidade, cont´em inicialmente 40 litros de ´a gua pura. A partir do instante t = 0, adiciona-se no tanque uma solu¸ca˜o de salmoura com 250 gramas de sal por litro, a` raz˜ao de 12 litros por minuto. A mistura ´e suposta uniforme, escoa do tanque a` raz˜ a o de 8 l/min. Determinar: a) o tempo necess´ ario para que ocorra o transbordamento; b) a concentra¸c˜ao de sal na mistura presente no tanque no instante do transbordamento.
Cap´ıtulo 3 Espa¸cos Vetoriais 3.1
Defini¸c˜ ao e Exemplos
ao vazio V ´e dito um espa¸co vetorial Defini¸c˜ ao 3.1. Um conjunto n˜ real (ou simplesmente, um espa¸ co vetorial) quando est˜ ao definidas em V duas opera¸coes ˜ V V (x, y)
× −→ V → x + y ∈ V
× V −→ V (α, y) → α y ∈ V,
e
R
ao e multiplica¸ c˜ ao por escalar, respectivamente, chamadas adi¸c˜ satisfazendo as seguintes condi¸c˜ 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) α (βx) = (α β ) x, α, β R, x V ; (EV6) (α + β ) x = α x + β x, α, β R, x V ; (EV7) α (x + y) = α x + α y, α R, x,y V ; (EV8) 1 x = x, x V . Os elementos de V s˜ ao chamados vetores e os n´ umeros reais, escalares.
∈
∀ ∈ ∀ ∈ ∀
∀ ∈
∀
∈
∈
∈ ∈ ∀ ∈ ∈ ∀ ∈ ∈
O conjunto V = R, com as opera¸co˜es usuais de adi¸ca˜o e multiplica¸c˜ao, ´e um espa¸co vetorial real: as propriedades acima s˜ ao as proprie65
66
Cap. 3
Espa¸cos Vetoriais
dades associativas e comutativas da adi¸c˜ao e multiplica¸ca˜o, elemento neutro para adi¸ca˜o, elemento unidade para multiplica¸ ca˜o, elemento oposto para adi¸c˜ao e elemento inverso para multiplica¸c˜ao. Do mesmo modo, o conjunto C dos n´ umeros complexos, com as opera¸co˜es usuais de adi¸ca˜o e de multiplica¸c˜a o de n´ umero real por n´ umero complexo, ´e um espa¸co vetorial real.
Exemplo 3.1. O conjunto V 3 dos vetores geom´etricos no espa¸co (definidos por meio dos segmentos orientados), munido das opera¸c˜ oes usuais de adi¸c˜ ao de vetores e multiplica¸c˜ ao de vetor por escalar real (como indicadas na figura ao lado), ´e um espa¸co vetorial real. Exemplo 3.2. Seja R2 = (x, y) : x, y v = (s, t) em R2 e α R, definimos
{
∈
∈ R}.
v u+v I r r r r uj r r r j 3u 2 Figura 5.1 Dados u = (x, y) e
u + v = (x + s, y + t) α u = (α x , α y). Com as opera¸coes ˜ assim definidas, R2 ´e um espa¸co vetorial. Veri fiquemos, por exemplo, a condi¸ c˜ ao (EV1): dados u = (x, y), v = 2 (s, t), w = ( p,q) R , usando em cada componente, o fato que a adi¸c˜ ao de n´ umeros reais ´e associativa, temos:
∈
u + (v + w) = (x, y) + (s + p,q + t) = (x + (s + p), y + (q + t)) = ((x + s) + p, (y + q) + t) = (u + v) + w. ´ f´ E acil ver que o vetor nulo em R2 ´e o par (0, 0) e que o oposto de ao facilmente u = (x, y) ´e o vetor ( x, y). As outras propriedades s˜ verificadas. Os vetores de R2 podem ser representados geometricamente por segmentos orientados e a adi¸cao ˜ definida acima corresponde a adi¸c˜ ao de segmentos orientados, como na Figura 5.1.
− −
Exemplo 3.3. O conjunto Rn = (x1 , . . . , xn ) : x1 , . . . , xn R , com as opera¸coes ˜ definidas por (1.2) e (1.3), ´e um espa¸ co vetorial real.
{
∈ }
67
Defini¸cao ˜ e Exemplos
Exemplo 3.4. O conjunto V = M m×n (R) das matrizes m n ´e um espa¸co vetorial real com a adi¸c˜ ao definida por (1.14) e a multiplica¸c˜ ao por escalar definidas em (1.15).
×
→
Exemplo 3.5. Seja a : I R uma fun¸ cao ˜ cont´ınua no intervalo I R. Vimos no Cap´ıtulo 2 que o conjunto
⊂
V = y : I
{
→R :
y (t) + a(t) y(t) = 0
}
das solu¸c˜ oes da equa¸c˜ ao diferencial y +a(t) y = 0 ´e um espa¸co vetorial.
Exemplo 3.6. Sejam k um n´ umero inteiro positivo e I R um in(k) tervalo. Denotemos por (I, R) o conjunto das fun¸c˜ oes definidas em I com valores reais k-vezes deriv´ aveis, com a derivada de ordem k (k) cont´ınua. Dadas f, g (I, R) e α R, definimos as novas fun¸c˜ oes f + g e αf por
⊂
C
∈C
(f + g)(x) = f (x) + g(x)
∈
e (αf )(x) = αf (x),
∀x ∈ I. (3.1) Mostra-se, sem dificuldade que, munido destas opera¸coes, ˜ C (I, R) ´e (k)
um espa¸co vetorial real.
Denotaremos por (∞) (I, R) o conjunto das fun¸c˜oes de I em R que tˆem derivadas de todas as ordens. Definindo as opera¸ c˜oes como em (3.1), mostra-se facilmente que (∞) (I, R) ´e um espa¸co vetorial real. Analogamente, o conjunto (I, R) de todas as fun¸co˜es cont´ınuas f : I R, com as opera¸co˜es definidas em (3.1), ´e um espa¸co vetorial.
C
C C
→
Exemplo 3.7. Seja n um n´ umero inteiro positivo. O conjunto P n (R) formado pela fun¸ c˜ ao nula e todas as fun¸coes ˜ polinomiais com coeficientes reais de grau menor ou igual a n ´e um espa¸co vetorial, com as opera¸c˜ oes definidas do seguinte modo: dados p(x) = a0 +a1 x+ +anxn + bn xn em P n(R) e α R, ent˜ e q(x) = b0 + b1 x + ao p + q e α p s˜ ao as fun¸c˜ oes polinomiais
···
∈
· ··
( p + q)(x) = (a0 + b0 ) + (a1 + b1 )x + + (an + bn)xn (α p)(x) = (α a0 ) + (α a1 )x + + (α an )xn.
·· ·
·· ·
Do mesmo modo, o conjunto P (R) de todas as fun¸c˜ oes polinomiais com coeficientes reais ´e um espa¸co vetorial.
68
Cap. 3
Espa¸cos Vetoriais
Dados u, v V , definimos a diferen¸ca de u por v como sendo u v = u + ( v). As propriedades (EV1) a (EV8) permitem que trabalhemos em um espa¸co vetorial de modo semelhante ao que fazemos com n´ umeros reais. Por exemplo, dados a , b V e γ R, a equa¸ca˜o
−
−
∈
∈
∈
γx+a =b tem uma u ´nica solu¸c˜ao, que ´e x = γ −1 (b a a ambos os membros de (3.2) temos
−
(3.2)
− a). De fato, somando-se
(γ x + a) + ( a) = b + ( a) = b
− − a, donde, por (EV1), γ x + [a + (−a)] = b − a. Usando (EV4) e, em seguida, (EV3), essa igualdade fica γ x = b − a. Multiplicando os dois − −
lados dessa igualdade por γ 1 , temos
x = (γ −1γ ) x = γ −1 (γ x) = γ −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 γ = 1 em (3.2): a u ´nica solu¸c˜ao de z + u = u ´e z = 0. O teorema seguinte cont´em algumas propriedades que decorrem diretamente da defini¸ca˜o de espa¸co vetorial
∀ ∈
Teorema 3.1. Seja V um espa¸co vetorial. Ent˜ ao: 1) Dados a , b V e γ R, a equa¸c˜ ao γ x + a = b tem uma ´ unica solu¸c˜ ao, que ´e x = γ −1 (b a). 2) O vetor nulo ´e o unico ´ elemento neutro da adi¸c˜ ao em V , isto ´e, se z V ´e tal que z + u = u, u V , ent˜ ao z = 0. 3) α R, temos α . 0 = 0. 4) u V , temos 0 . u = 0. 5) Se α . u = 0, ent˜ ao α = 0 ou u = 0. 6) (Regra de sinais) α R, u V temos ( α) u = α ( u) = (α u). 7) α, β K, u V temos (α β ) u = α u β u 8) α K, u,v V temos α (u v) = α u α v.
∈
∈
−
∈ ∀ ∈ ∀ ∈
∀ ∈ ∀ ∈
∀ ∈
∈ ∈
∀ ∈
∈
− −
− − −
−
−
Demonstra¸c˜ ao: As propriedades 1) e 2) j´a foram mostradas acima.
69
3.2. SUBESPAC ¸ OS VETORIAIS
Para mostrar 3) notemos que, usando (EV7) e (EV3), podemos escrever α 0 + α 0 = α (0 + 0) = α 0, portanto α 0 + α 0 = α 0. Usando 2), com z = u = α 0, temos que α 0 = 0. As verifica¸c˜ coes o˜es de 4) e 5) s˜ ao ao an´ alogas alogas e ficam como exerc´ıcio. ıcio. 6) Mostremos que ( α) u = (α u). Como α + α = 0, temos, por (EV6), ( α) u + α u = ( α + α) u = 0 u = 0, ou seja, ( α) u + α u = 0, donde (somando (αu) αu) a ambos os membros) obtemos ( α) u = (α u). Deixamos Deixamos como exerc´ exerc´ıcio a verifica¸ verifica¸ c˜ cao a˜o das demais propriedades. propriedades.
−
−
− −
−
− − −
−
Observa¸c˜ ao 3.1. Em muitas situa¸c˜ coes, ˜ ´e conveniente considerar multiplica¸c˜ c˜ ao de vetores por escalar complexo. Quando, na defini¸c˜ cao ˜ acima c˜ao ao (α, x) a multiplica¸ a multiplica¸c˜ αx for definida para todo α C e as propriedades (EV5)-(EV8) forem v´ alidas para todo α C, diremos que V ´e um espa¸ co co vetorial complexo . Quando quisermos nos referir indistintamente a um espa¸co co vetorial real ou um espa¸co co vetorial complexo usaremos a express˜ ao espa¸ co co vetorial sobre K.
→
∈
∈
oes mencionadas mencionadas anteriormente, anteriormente, o Exemplo Exemplo 3.8. Pelas mesmas raz˜ conjunto C dos n´ umeros complexos, com as opera¸c˜ coes ˜ usuais de adi¸c˜ c˜ ao e multiplica¸c˜ c˜ ao, ao , ´e um espa¸ es pa¸co co vetorial complexo.
Exerc Exe rc´ ´ıcio ıc io 3.1. 3. 1. Em cada um dos itens abaixo, verifique se o conjunto V , V , com as opera¸c˜ coes ˜ indicadas, indicadas , ´e um espa¸co co vetorial real: 2 a) V = (x, y ) R : 5x 3y = 0 , op oper era¸ a¸c˜ coes ˜ usuais de R2 ; b) V = f C (R, R) : f ( f ( x) = f ( f (x), x R , com as opera¸c˜ c˜ oes usuais de fun¸c˜ c˜ oes; 2 c) V = R , com opera¸c˜ coes: ˜ (x1, y1 ) + (x ( x2 , y2 ) = (2x (2x1 2y1 , y1 x1 ), α(x, y ) = (3αx, (3αx, αx) αx) d) V = (x,y,z,w) x,y,z,w) R4 : y = x, z = w2 , opera¸c˜ coes ˜ usuais de R4
{ ∈ { ∈ {
3.2
− −
∀ ∈ }
−
− ∈
−
}
Subes bespacos ¸cos Vetoriais
Seja V um espa¸co co vetorial sobre subespa¸co co vetorial de V se: (SE1) 0
}
W ; ∈ W ;
K.
Um subco subconju njunt ntoo W ´e dito di to um
70
Cap. 3
Espa¸cos cos Vetoriais
(SE2) (SE2) dados dados u, v
W , temos u + v ∈ W ∈ W , (SE3) (SE3) dados dados u ∈ W, α ∈ K, temos α u ∈ W A propriedade SE2 significa que a opera¸c˜ cao a˜o de adi¸c˜ c˜ao a o est´a bem definida em W (a soma de elementos de W pertence a W ), W ), o mesmo com rela¸c˜ cao a˜o a` propriedade propriedade SE3. Como estas estas opera¸ c˜ coes o˜es satisfazem as condi¸c˜ c˜oes oes (EV1) a (EV8) da defini¸c˜ c˜ao a o de espa¸co co vetorial (como elas est˜ao ao satisfeitas para todos elementos de V , V , em particular, elas valem para todos elementos de W ) W ) segue-se que W ´e tamb´ ta mb´em em um espa es pa¸co c¸o vetorial (dentro de V ) V ). Se V ´e um espa¸ esp a¸co co vetorial qualquer, ent˜ ao ao os subconjuntos W = 0 e W = V s˜ao ao subespa¸cos cos vetoriais de V cos triviais). (chamados subespa¸cos
{}
su bespa¸ pa¸co co Exemplo 3.9. O conjunto W = (x, y ) : x 2 y = 0 ´e um subes 2 vetorial de R . De fato, fato, em primeir primeiroo lugar lugar ´e cla clarro que (0, (0, 0) W . W . Al´em em disso, dis so, se (x, y ), (s, t) W , W , temo temoss x = 2 y e s = 2 t, do donde nde x + s = 2 (y + t), o que significa que (x, y ) + (s, t) W . W . Analogamente mostra-se que, se α R e (x, y ) W , W , ent˜ ao α (x, y ) W . W .
{
−
}
∈
∈
∈
∈
∈
∈
Da mesma maneira, mostramos que qualquer reta passando pela origem ´e um subespa¸ sub espa¸co co de R2 . Mais geralmente, temos
Exemplo 3.10. Seja A = (a i j ) M m×n (R). O conjunto W de todas as solu¸c˜ c˜ oes X = (x1 , x2 , . . . , xn )T do sistema sis tema linear homogˆ hom ogˆeneo eneo
∈
A X = 0 . ´e um subes su bespa¸ pa¸co co vetorial de
(3.3)
Rn .
´ claro que a n upla 0 = (0, E (0, 0, . . . , 0)T ´e soluc˜ c¸ao ˜ao de (3.3), portanto pertence pertence a W . W . Se X 1 , X 2 W , W , temos A X 1 = 0 e A X 2 = 0, donde
−
∈
A (X 1 + X 2 ) = A X 1 + A X 2 = 0 + 0 = 0; portanto X 1 + X 2 W . W . Analogamente, se α R e X W (portanto A X = 0) temos, A (α X ) = α A X = α 0 = 0; portanto α X W . W .
∈
∈
∈
∈
Exemplo 3.11. O espa¸co co vetorial P n (R) ´e um subespa su bespa¸co c¸o vetorial de P ( P (R). Se m n, ent˜ ao P m (R) ´e um subes su bespa¸ pa¸co co vetorial de P n (R).
≤
71
Subespa¸cos cos
Exemplo 3.12. Em V = R3 , os seguintes subconjuntos: - a origem (0, (0, 0, 0) , - o pr´ oprio R3 , (0, 0, 0) - as retas passando pela origem (0, - os planos contendo a origem s˜ ao subespa¸cos cos vetoriais. Pode-se mostrar que esses s˜ ao os unicos ´ subespa¸cos cos de R3 .
{
}
Exemplo 3.13. Seja V = (1) (I , R); para qualquer k vetorial W = (k) (I , R) ´e um subes su bespa¸ pa¸co co vetorial de V . V .
C
C
co ≥ 1, o espa¸co
Exemplo 3.14. (Um contra-exemplo) Seja V = P 2 (R). O conj conjun unto to W de todos polinˆ omios omios de grau 2 n˜ ao ´e subespa sube spa¸co c¸o vetorial de P 2 (R). 2 2 De fato os polinˆomios omios p(t) = t t e q(t) = t + t pertencem a W , W , mas p( p(t) + q (t) = 2 t n˜ ao pertence a W . W .
−
Exerc Exe rc´ ´ıcio ıc io 3.2. 3. 2. Verifique se W ´e subesp ube spaaco c¸o vetorial de (a) W = (x,y,y,x) x,y,y,x ) : x, y R (b) W = (x,y,z,w) x,y,z,w) : w = 3 x, y = 5 x + 3 z (c) W = (x,y,z,w) x,y,z,w) : z = x w (d) W = (x,y,z,w) x,y,z,w) : x = 2 s, y = 3 s, s R .
{ { { {
∈ } }
R4 ,
sendo
} ∈ }
Exerc Exe rc´ ´ıcio ıc io 3.3. 3. 3. Verifique se W = (x,y,z,w,t) x,y,z,w,t) : w = 5 x e z = y 2 ´e um subespa¸co co vetorial de V = R5 .
{
}
Exerc Exe rc´ ´ıcio ıc io 3.4. 3. 4. Verifique se W ´e subesp ube spaaco c¸o vetorial de P n(R), sendo (a) W = p P n (R) : p(2) = p(1) (b) W = p P n(R) : p (t) 0 (c) W = p P n(R) : p(2) = p (1) (d) W = p P n(R) : p (3) = 0
{ ∈ { ∈
} }
{ ∈ { ∈
≡ } }
Exerc Exe rc´ ´ıcio ıc io 3.5. 3. 5. Verifique se W ´e subesp ube spaaco c¸o vetorial de M 2 (R), sendo (a) W =
x y
−y
x
: x, y
∈R
(b) W =
x 0 y z
: x,y,z
∈R
.
Exerc Exe rc´ ´ıcio ıc io 3.6. 3. 6. Verifique se W ´e subesp ube spaaco c¸o vetorial de M n (R), sendo T (a) W = A V : A = A (b) W = A V : AT = A
{ ∈
} { ∈ − } f (−x) = Exer Ex ercc´ıcio ıc io 3.7. 3. 7. Seja V = C (R, R). Mostre que U = {f ∈ V : f ( f ( f (x), ∀x} e W = {f ∈ V : f ( f (−x) = −f ( f (x), ∀x} s˜ ao subespa¸cos cos de V . V .
co vetorial e sejam U, W subespa¸cos cos Exerc Exe rc´ ´ıcio ıc io 3.8. 3. 8. Seja V um espa¸co vetoriais de V . V . Mostre que U W ´e subes su bespa pa¸co c¸o vetorial de V . V .
∩
72
Cap. 3
3.3
Espa¸cos Vetoriais
Combina¸co ˜es Lineares
Sejam α1 , . . . , αn
∈ K, u
1
, . . . , un
v = α1 u1
∈ V . O vetor + · ·· + α u n n
c˜ ao linear de u1 , . . . , un . Por exemplo, o polinˆ chama-se combina¸ o2 2 mio p(t) = 1+t+3 t ´e combina¸ca˜o de q1 (t) = 2 t+3 t , q2 (t) = 2 t+2 t2 e q3 (t) = 1 + 3 t + 6 t2 pois ( 1) q1 (t)+0 q2 (t)+1 q3 (t) =
− ·
·
·
2
2
−2 t−3t +1+3t+6 t
= 1+t+3 t2 = p(t) .
J´a o vetor (1, 5, 3) de R3 n˜ao ´e combina¸c˜ao 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 imposs´ıvel
x +2z = 1 3x +2y 2z = 5 6x +3y = 3.
−
O vetor (2, 3, 5) ´e combina¸c˜a o linear de (1, 1, 1), (1, 1, 0) e (1, 0, 0): procuremos α,β,γ tais que α (1, 1, 1) + β (1, 1, 0) + γ (1, 0, 0) = (2, 3, 5); ent˜ ao α,β,γ devem satisfazer o sistema de equa¸c˜oes
α + β + γ = 2 α + β =3 α = 5,
Como esse sistema tem a solu¸c˜ao, α = 5, β = 2, γ = 1, segue-se que (2, 3, 5) ´e combina¸c˜ao linear de (1, 1, 1), (1, 1, 0) e (1, 0, 0).
−
Exerc´ıcio 3.9. Mostre que todo vetor (x,y,z) linear de (1, 1, 1), (1, 1, 0) e (1, 0, 0).
∈
−
R3
´e combina¸c˜ ao
73
Combina¸coes ˜ Lineares
co vetorial e sejam u1 , . . . , un V . Teorema 3.2. Seja V um espa¸ O conjunto W de todas combina¸c˜ oes lineares de u1 , . . . , un ´e um subespa¸co vetorial de V .
∈
Demonstra¸cao: ˜ Em primeiro lugar, ´e f´ acil ver que o vetor nulo ´e combina¸ca˜o linear de u1 , . . . , un ; de fato, 0 = 0 u1 +
··· + 0 u Logo, 0 ∈ W . Al´em disso, dados v , w ∈ W v = α u + · ·· + α u w = β u 1
1
n
n
n
1
+
1
· ·· + β u n
n,
temos v + w = (α1 + β 1 ) u1 +
·· · + (α
n
+ β n ) un
que ´e uma combina¸c˜ao linear de u1 , . . . , un , ou seja, v + w W . AnaK, tem-se α v logamente, mostra-se que dados v W e α W . Logo, W ´e um subespa¸co vetorial de V .
∈
∈
∈
∈
O subespa¸co 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 s˜ao ent˜ ao chamados geradores de W . Um espa¸co vetorial V ´e dito finitamente gerado quando ´e gerado por uma quantidade finita de vetores: tamb´em 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). Ent˜ ao: [a] = (x, 0, 0) : x R = eixo x, [c] = (y,y, 0) : y R = reta passando pela origem paralela a c, R3 : x , z R ´ [a, c] = [b, c] = [a, b, c] = (x,x,z) e o plano y = x.
{
∈ }
{ {
∈ }
∈
∈ }
Exemplo 3.16. O espa¸co vetorial Rn ´e finitamente gerado: todo vetor x = (x1 , . . . , xn ) Rn ´e combina¸cao ˜ linear dos vetores
∈
e1 = (1, 0, . . . , 0), . . . , en = (0, . . . , 0, 1). De fato, temos x = x1 e1 +
· ·· + x e . n
n
74
Cap. 3
Espa¸cos Vetoriais
acil Exemplo 3.17. O espa¸co vetorial P n(R) ´e finitamente gerado: ´e f´ ver que ele ´e gerado pelos monˆomios m0 (t) = 1, m1 (t) = t, m2 (t) = t2, . . . , mn (t) = tn : todo polinˆ omio p(t) de grau menor ou igual a n se escreve como p(t) = a0 + a1 t +
n
·· · + a t n
= a0 m0 (t) + a1 m1 (t) +
··· + a m (t). n
n
omios, n˜ ao Exemplo 3.18. O espa¸co vetorial P (R), de todos os polinˆ ´e finitamente gerado. Fixado qualquer subconjunto finito p1 , . . . , pm de P (R), seja n o mais alto grau dos polinˆ omios p1 , . . . , pm : ´e claro n+1 que o polinˆomio p(t) = t n˜ ao ´e combina¸c˜ ao linear de p1 , . . . , pm .
{ { Exemplo 3.19. Os conjuntos A = {cos2 t , 1} e B = {cos
2
t, sen 2
geram o mesmo subespa¸co de C (R, R).
} } t}
Como cos2 t = cos2 t sen 2 t e 1 = cos2 t + sen 2 t, toda combina¸ca˜o linear de cos 2 t e 1 ´e uma combina¸c˜ao linear de cos2 t e sen 2 t: se f (t) = a1 cos2t + a2 1, temos f (t) = a1 cos2 t + (a2 a1)sen 2 t. Reciprocamente, como cos2 t = (1+ cos 2 t)/2 e sen 2 t = (1 cos2 t)/2, toda combina¸ca˜o linear de cos2 t e sen 2 t ´e uma combina¸c˜ao linear de cos2 t e 1 : se f (t) = b1 cos2 t + b2 sen 2 t, ent˜ao f (t) = c1 cos2 t + c2 , com c1 = (b1 b2 )/2 e c2 = (b1 + b2 )/2.
−
− −
−
Exemplo 3.20. Encontrar um conjunto de geradores para o subespa¸co U = (x,y,z,w) R4 : x + y z = 0, y z + w = 0 .
{
∈ − − } Temos (x,y,z,w) ∈ U ⇐⇒ z = x + y, w = x. Portanto
(x,y,z,w) = (x,y,x + y, x) = x (1, 0, 1, 1) + y (0, 1, 1, 0). Logo U = [(1, 0, 1, 1), (0, 1, 1, 0)]. A defini¸c˜ao de subespa¸co gerado estende-se aos seguintes casos: (1) Se S = , pomos [S ] = 0 . (2) Se S for um conjunto infinito, definimos o subespa¸co gerado [S ] do seguinte modo: [S ] ´e o conjunto de todas as combina¸ co˜es lineares de elementos de S , isto ´e, u [S ] se, e somente se, existem v1 , . . . , vr S , α1 , . . . αr K tais que u = α1v1 + + αr vr .
∅
∈
{}
∈
· ··
∈
75
Combina¸coes ˜ Lineares
Exerc´ıcio 3.10. Mostre as seguintes propriedades: (a) S [S ] (b) S 1 S 2 [S 1] [S 2 ] (c) [S ] = [ [S ] ]
⊂
⊂ ⇒
⊂
Vemos nos exemplos acima que um espa¸co vetorial ´e identificado por seus geradores. Para simplificar essa identifica¸ c˜ao, ´e conveniente que o conjunto de geradores seja o menor poss´ıvel: isto se consegue removendo do conjunto de geradores vetores que s˜ ao combina¸c˜oes lineares dos outros geradores. Este ´e o significado do pr´ oximo teorema. No exemplo 3.15 j´a observamos esse fato: vimos nesse exemplo que os conjuntos de vetores a, b, c e a, b geram o mesmo subespa¸co.
{
} { }
Teorema 3.3. Suponhamos V = [v1 , . . . , vn]. Se um desses geradores, digamos vk , ´e combina¸c˜ ao linear dos demais, ent˜ ao V = [v1 , . . . , vk−1, vk+1 , . . . , vn ]. Demonstra¸cao: ˜ Para simplificar a nota¸c˜ao, suponhamos que vn ´e combina¸ca˜o linear de v1 , . . . , vn−1. Mostremos que V [v1 , . . . , vn−1 ], ou seja, que todo x V ´e combina¸ca˜o linear de v1 , . . . , vn−1. Sabemos que x ´e combina¸c˜ao linear de v1 , . . . , vn (pois esses vetores geram V ), isto ´e, existem escalares α1 , . . . , αn tais que x = α1 v1 + + αnvn . Tamb´em sabemos que vn ´e combina¸c˜ao linear de v1 , . . . , vn−1 :
⊂
∈
···
vn = β 1 v1 +
··· + β − v − . n 1 n 1
Podemos ent˜ ao escrever: x = α1v1 + α2 v2 + + αn−1 vn−1 + αn vn = α1 v1 + α2 v2 + + αn−1 vn−1 + αn (β 1 v1 + + β n−1 vn−1 ) = (α1 + β 1 αn)v1 + (α2 + β 2 αn )v2 + + (αn−1 + β n−1 αn−1 )vn−1 .
··· ···
·· ·
·· ·
Esta rela¸c˜a o mostra que x ´e combina¸ca˜o linear de v1 , . . . , vn−1 , ou seja, x [v1 , . . . , vn−1]. Por outro lado, como temos, obviamente, [v1 , . . . , vn−1 ] V , segue-se que V = [v1 , . . . , vn−1 ].
∈
⊂
Exerc´ıcio 3.11. Sejam p(t) = t2 +t3 , q1 (t) = 2 t t3 , q2 (t) = 1+ t+t2 e q3 (t) = 3 + t + t2 t3 . a) Escreva p(t) como combina¸c˜ ao linear de q1 (t), q2 (t) e q3(t). ´ b) E poss´ıvel escrever q1 (t) como combina¸cao ˜ linear de q2 (t), q3 (t) e p(t)? E q2 (t) como combina¸cao ˜ linear de q1 (t), q3 (t) e p(t)? E q3 (t) como combina¸c˜ ao linear de q1(t), q2(t) e p(t)?
−
−
76
Cap. 3
Espa¸cos Vetoriais
ao Exerc´ıcio 3.12. a) Verificar se o vetor (1, 4, 2) R3 ´e combina¸c˜ linear de (1, 2, 0) e ( 1, 1, 1). b) Verificar se o vetor (3, 5, 7) R3 ´e combina¸c˜ ao linear de (2, 1, 3) e (3, 2, 2).
∈
−
∈
−
Exerc´ıcio 3.13. Mostre que o espa¸co vetorial P 3 (R) ´e gerado pelos polinˆomios p1 = 1; p2 = 1 + t; p3 = 1 + t + t2 ; p4 = 1 + t + t2 + t3 . Exerc´ıcio 3.14. Encontre o subespa¸co gerado por S , sendo R2 (a) S = (1, 2), (0, 1) (b) S = 1 + t, t + t2 , t2 + t3, 1 + t3 P 3 (R) 3 (c) S = (2, 2, 1), (1, 1, 0) R 2 3 (d) S = t, t t P 3 (R)
{ { { {
3.4
− }⊂ }⊂ − }⊂
}⊂
Dependˆ encia Linear
Sejam V um espa¸co vetorial e S = v1 , . . . , vn V . Dizemos que os vetores v1 , . . . , vn s˜ao linearmente dependentes , ou que S ´e um con junto linearmente dependente (escreveremos abreviadamente LD) quando existem escalares n˜ ao todos nulos α1 , . . . , αn tais que
{
α1 v1 +
··· + α
}⊂
n
vn = 0.
(3.4)
Caso contr´ ario, isto, ´e, se uma igualdade do tipo α1 v1 + + αn vn = 0 s´o for poss´ıvel quando α1 = = αn = 0, dizemos que os vetores v1 , . . . , vn s˜ao linearmente independentes , ou que S ´e um conjunto linearmente independente (abreviadamente LI).
···
· ··
Notemos que, quaisquer que sejam os vetores v1 , . . . , vn , os escalares α1 = 0, α2 = 0, . . . , αn = 0 satisfazem a igualdade (3.4). O que realmente interessa nessa defini¸ca˜o ´e saber se tamb´em ´e poss´ıvel escrever (3.4) com escalares n˜ a o todos nulos (quando dizemos que v1 , . . . , vn s˜ao LD) ou se a u ´ nica maneira poss´ıvel de escrever (3.4) ´e pondo α1 = 0, . . . , αn = 0 (neste caso, v1 , . . . , vn s˜ao LI).
Exemplo 3.21. Em R4 , os vetores (1, 1, 1, 3), (1, 1, 0, 1), (0, 0, 1, 2) s˜ ao LD, pois podemos escrever
·
− ·
− ·
1 (1, 1, 1, 3) + ( 1) (1, 1, 0, 1) + ( 1) (0, 0, 1, 2) = (0, 0, 0, 0).
77
Dependˆencia Linear
ao LI em R3 . Exemplo 3.22. Os vetores (1, 0, 0), (1, 1, 0), (1, 1, 1) s˜ De fato, se escrevermos α (1, 0, 0) + β (1, 1, 0) + γ (1, 1, 1) = (0, 0, 0), temos (α + β + γ, β + γ, γ ) = (0, 0, 0),
ou seja,
que implica α = β = γ = 0.
α + β + γ = 0 β + γ = 0 γ = 0
Exemplo 3.23. Os vetores e1 , . . . , en da base canˆonica de linearmente independentes.
Rn
s˜ ao
De fato, se os n´ umeros x1 , . . . , xn s˜ao tais que x1 e1 + + x n e n = 0, temos (x1 , . . . , xn) = (0, . . . , 0), ou seja, x1 = , = xn = 0, donde concluimos que os vetores e1 , . . . , en s˜ao linearmente independentes.
·· ·
Exemplo 3.24. u1 , . . . , un
n
∈R
s˜ ao LD
⇐⇒
···
det[ u1 . . . un ] = 0.
Os vetores u1 , . . . , un s˜ao LD se e somente se existem escalares n˜ ao todos nulos x1 , . . . , xn tais que x1 u1 + +xnun = 0. Escrevendo u1 = (a 1 1 , . . . , a n 1 )T , . . . , un = (a 1 n , . . . , a n n )T , vemos que u1 , . . . , un s˜ao LD se e somente se existe uma solu¸c˜ao n˜ao trivial (x1 , . . . , xn) do sistema a11 x1 + + a1n xn = 0 .. (3.5) . an1 x1 + + ann xn = 0 .
·· ·
· ··
· ··
Esse sistema tem solu¸ca˜o n˜ao trivial se e somente se det
a11 . . . a1n .. .. .. . . . an1 . . . ann
= 0.
Notemos que as colunas dessa matriz s˜ao as componentes dos vetores u1 , . . . , un. Indicando essa matriz por [u1 . . . un ], temos que os vetores u1 , . . . , un s˜ao LD se e somente se det[ u1 . . . un ] = 0.
78
Cap. 3
Espa¸cos Vetoriais
Exemplo 3.25. Os monˆomios m0 (t) = 1, m1(t) = t , . . . , m n (t) = tn s˜ ao LI em P (R). De fato, se os escalares α0 , α1 , . . . , αn s˜ao tais que α0 m0 + α1 m1 + + αn mn = 0, ent˜ao
· ··
α0 + α1 t +
· ·· + α
n
tn = 0,
∀ t ∈ R.
(3.6)
Pondo t = 0, obtemos α0 = 0. Derivando (3.6) e pondo t = 0, obtemos α1 = 0. De modo an´alogo, obtemos α2 = 0, . . . , αn = 0.
Exemplo 3.26. Sejam v1 , . . . , vn V . Se um desses vetores for combina¸c˜ ao linear dos outros, ent˜ ao eles s˜ ao LD.
∈
Seja vk o vetor que ´e combina¸ca˜o linear dos demais: vk = α1 v1 +
·· · + α −
k 1
vk−1 + αk+1 vk+1 + αn vn .
Podemos ent˜ ao escrever α1 v1 +
··· + α −
k 1
vk−1 + ( 1) vk + αk+1 vk+1 + αn vn = 0.
−
Como o coeficiente de vk ´e n˜ao nulo, temos que v1 , . . . , vn s˜ao LD.
Exemplo 3.27. Todo conjunto que cont´em um conjunto LD ´e LD, isto ´e, se os vetores v1, . . . , vk V s˜ ao LD e vk+1 , . . . , vn s˜ ao vetores quaisquer em V , ent˜ ao v1 , .. . , vk , vk+1 , .. . , vn s˜ ao LD.
∈
Como os vetores v1 , . . . , vk s˜ao LD, existem escalares n˜ a o todos nulos α1 , .. . , αk tais que α1 v1 + . . . + αk vk = 0. Podemos ent˜ ao escrever α1 v1 + . . . + αk vk + 0 vk+1 + + 0 vn = 0.
·· ·
em que os escalares n˜ ao s˜ao todos nulos (pelo menos um dos n´ umeros α1 , .. . , αk n˜ao ´e nulo). Logo, os vetores v1 , .. . , vk , vk+1 , . . . , vn s˜ao LD. ao vetores LD e se v1 = 0, ent˜ ao ao Teorema 3.4. Se v1 , . . . , vn V s˜ menos um desses vetores ´e combina¸ c˜ ao linear dos precedentes, isto ´e, existe k 2 tal que vk ´e combina¸c˜ ao linear de v1 , . . . , vk−1 .
∈
≥
79
Dependˆencia Linear
Demonstra¸cao: ˜ Como v1 , . . . , vn s˜ao linearmente dependentes, existem escalares n˜ ao todos nulos α1 , . . . , αn tais que α1 v1 +
··· + α
n
vn = 0.
(3.7)
Seja k o maior dentre esses ´ındices tal que αk = 0; como v1 = 0, temos k 2 (de fato, se tiv´essemos α1 = 0 e α2 = 0, . . . , αn = 0, a igualdade (3.7) ficaria α1 v1 = 0, o que ´e imposs´ıvel, pois α1 = 0 e v1 = 0). Como αk+1 = 0, . . . , αn = 0, podemos ent˜ao escrever a igualdade (3.7) na forma α1 v1 + + αk vk = 0.
≥
···
Agora, como αk = 0, dessa igualdade temos
vk =
− αα
1
k
v1
− · · · − αα−
k 1 k
vk−1 ,
o que mostra que vk ´e combina¸ca˜o linear dos vetores v1 , . . . , vk−1 .
Corol´ario 3.1. Se os vetores v1 , . . . , vn s˜ ao LI e v1 , . . . , vn , x s˜ ao LD, ent˜ ao x ´e combina¸c˜ ao linear de v1 , . . . , vn . Demonstra¸cao: ˜ Como nenhum dos v j pode ser combina¸c˜ao linear dos precedentes (pois os vetores v1 , . . . , vn s˜ao LI), segue-se que x ´e combina¸c˜ao linear de v1 , . . . , vn .
Exerc´ıcio 3.15. Sejam v1 , . . . , vk vetores LI em V e x V . Mostre que, se x / [v1 , . . . , vn ], ent˜ ao os vetores v1, . . . , vn , x s˜ ao LI.
∈
∈
Observa¸c˜ao 3.2. O conceito independˆencia linear tamb´em pode ser definido para conjuntos infinitos de vetores: um conjunto S ´e dito linearmente independente quando todo subconjunto finito de S for LI (de acordo com a defini¸c˜ ao acima). Por exemplo, no espa¸co vetorial P (R), o conjunto B = 1, t , t2, . . . , tn , . . . ´e linearmente independente: notemos que, para cada inteiro n fixado, os elementos 1, t , t2 , . . . , tn s˜ ao LI e que dado um subconjunto finito S = tk , . . . , tkp de B, se N denota o maior dos n´ umeros k1 , . . . , k p , temos S t1 , . . . , tN . Logo, B ´e LI.
{
}
{
1
⊂{
}
}
80
Cap. 3
Espa¸cos Vetoriais
Exerc´ıcio 3.16. Determine se os seguintes vetores em Rn (n = 3 ou n = 4) s˜ ao LI ou LD. (a) (1, 2, 2, 3), ( 1, 4, 2, 0) (b) (1, 2), ( 3, 1) (c) (4, 2, 6, 2), (6, 3, 9, 3) (d) (2, 3, 1), (7, 1, 5) (e) (9, 0, 7), (2, 1, 8), (2, 0, 4) (f ) (1, 0, 1), (5, 1, 2), (3, 1, 0) (g) (1, 0, 0), (2, 3, 0), (1, 7, 5) (h) ( 4, 6, 2), (2, 3, 1), (2, 0, 4, 0) (i) (1, 0, 3), (3, 1, 2), (1, 5, 7) ( j) (1, 5, 6);(2, 1, 8);(3, 1, 4);(2, 3, 11) (k) (1, 0, 1), (3, 1, 2), (2, 5, 3) (l) (1, 3, 1, 4), (3, 8, 5, 7), (2, 9, 4, 23)
− −
−
−
−
−
− −
−
−
− −
Exerc´ıcio 3.17. Determine se u e v s˜ ao LI ou LD em P 2 (R), sendo 2 2 (a) u = t t 1, v = 9t 5 t 2, (b) u = t2 3 t+2, v = t2 +2 t 3t 2
−−
− −
−
− −
Exerc´ıcio 3.18. Determine se u e v s˜ ao LI ou LD em M 2 (R), sendo (a) u =
− − − − − − −− 1 0 1 0
,v=
1 1 0 0
− − − −
, (b) u =
8 2 6 0
− − −− − 12 9
,v=
3 0
Exerc´ıcio 3.19. Determine se as matrizes M , N , P s˜ ao LI ou LD. 8 10 4 4 8 2 8 10 4 (a) M = N = P = 1 2 3 1 −1 4 1 1 4 (b) M =
3.5
1 0 1 0 1 0
1 1 1
N =
1 2 0
−
3 0 1
1 0 4
P =
0 0 0
4 6 7
1 0 1
Base e Dimens˜ ao
Uma base de um espa¸co vetorial V ´e um conjunto de vetores LI que geram V .
{
2
} R . Dado w = (a, b) ∈ R , procuramos
Exemplo 3.28. O conjunto u = (1, 1), v = (2, 1) ´e base de
2 Os vetores u e v geram R2. escalares x, y tais que x u + y v = w, ou seja (x + 2 y, x + y) = (a, b). Ent˜ ao x, y precisam ser solu¸c˜oes do sistema
x+2y = a x + y = b.
(3.8)
81
Base e Dimens˜ ao
Portanto x = 2 b a, y = a b. Logo, w = (2 b a) u + (a b) v. Os vetores u e v s˜a o LI pois, se x u + y v = 0, ent˜ao, x e y s˜ao solu¸co˜es do sistema (3.8) com a = b = 0, e portanto, x = y = 0. Logo, u e v s˜ao LI.
−
−
−
−
Exemplo 3.29. O conjunto B = (1, 0, 0) , (0, 1, 0) , (0, 0, 1) ´e base de R3 : de fato, j´ a 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 espa¸co vetorial de todos os polinˆ omios P (R).
{
}
´ claro que P (R) = [1, t , t2 , . . . , tn , . . . ], pois todo polinˆomio se escreve E como combina¸c˜ao linear dos monˆ omios 1, t , t2 , . . . , tn, . . . . Al´em disso, vimos na Se¸ca˜o 3.4 que B ´e LI.
Exemplo 3.32. Sejam U = (x,y,z,t) : x y+z = 0 e y+z t = 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 x y+z = 0 e y+z t = 0, ou seja, z = y x 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) s˜ao 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 s˜ ao 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) s˜ao LI, eles formam uma base de W .
∈
⇔
− −
−
− −
82
Cap. 3
Espa¸cos Vetoriais
Como U
∩ V = U , uma base de U ∩ V ´e {(1, 0, −1, −1), (0, 1, 1, 2)}. (x,y,z,t) ∈ V ∩ W ⇐⇒ x = 2 y, t = y e z = −y. Logo, (x,y,z,t) = (2 , y, −y, y) = y (2, 1, −1, 1), ou seja V ∩W = [(2, 1, −1, 1)]; logo, uma base de V ∩ W ´e {(2, 1, −1, 1)}. Exerc´ıcio 3.20. Verificar se o conjunto B ´e uma base para P 3(R). (a) B = 1 + t + t2 + t3 , 1 + t + t2, 1 + t, 1 (b) B = 1, 1 + t, 1 t2 , 1 t t2 t3
{ {
−
− − − }
}
Sejam V um espa¸co vetorial de dimens˜ ao n, B = e1 , . . . , en uma base de V e seja x V . Como e1 , . . . , en geram V , existem escalares α1 , . . . , αn tais que + αnen . (3.9) x = α1 e1 +
{
∈
}
·· ·
Al´em disso, como e1 , . . . , en s˜ao LI, os escalares s˜ao determinados de modo u´nico, no sentido que, se x = β 1 e1 +
·· · + β e , n n
ent˜ ao α1 = β 1 , . . . , αn = β n . Os n´ umeros α1 , . . . , αn chamam-se coordenadas de x em rela¸ca˜o a` base B. A partir deste ponto, ´e conveniente considerar base como sendo um conjunto ordenado de vetores: isto significa que ´e importante a ordem em que os vetores e1 , . . . , en s˜ao relacionados (com isto queremos dizer, por exemplo, que e1 , e2 , . . . , en e e2 , e1 , . . . , en s˜ao bases distintas de V ). Podemos ent˜ ao escrever os escalares de (3.9) como uma matriz coluna (ou como uma n upla, se for conveniente), que ser´a chamada matriz de coordenadas de x
−
[x]B =
α1 .. .
.
(3.10)
αn
Deve ficar entendido que α1 ´e o coeficiente de e1 , . . . , αn ´e o coeficiente de en em (3.9). Para simplificar a nota¸ca˜o vamos indicar a matriz em T (3.10) por α1 , . . . , αn : o s´ımbolo T indica a transposta da matriz.
83
Base e Dimens˜ ao
Exemplo 3.33. Consideremos em R4 os vetores v1 = (1, 0, 1, 0), v2 = (0, 0, 0, 1), v3 = (0, 0, 1, 2), v4 = (0, 1, 0, 1) e w = (a,b,c,d). (a) Mostrar que B = v1 , v2 , v3 , v4 ´e base de R4 ; (b) Quais s˜ ao as coordenadas de w em rela¸cao ˜ a` base canˆ onica de R4 ? (c) Encontrar as coordenadas de w em rela¸c˜ ao a` base B.
−
{
}
∈ R tais que α v + β v + γ v + δ v = 0, isto ´e, (α,δ, −α + γ, β + 2γ + δ) = (0, 0, 0, 0). Dessa igualdade temos α = 0, δ = 0, −α + γ = 0 e β + 2 γ + δ = 0. Procuremos α,β,γ,δ
1
2
3
4
Como a u ´ nica solu¸c˜ao desse sistema ´e (α,β,γ,δ) = (0, 0, 0, 0), segue-se que os vetores v1 , v2 , v3 e v4 s˜ao LI. Agora, como qualquer conjunto LI de 4 vetores em R4 ´e uma base, segue-se que B ´e uma base de R4. ´ claro que, como podemos escrever E (a,b,c,d) = a (1, 0, 0, 0) + b (0, 1, 0, 0) + c (0, 0, 1, 0) + d (0, 0, 0, 1); temos [w]C = (a,b,c,d)T . Para obter as coordenadas de w em rela¸c˜ao a` base B, procuramos x,y,z,t tais que (a,b,c,d) = x (1, 0, 1, 0) + y (0, 0, 0, 1) + z (0, 0, 1, 2) + t (0, 1, 0, 1).
−
Ent˜ao x,y,z,t devem satisfazer x = a, t = b,
−x + z = c, y + 2 z + t = d, donde x = a, y = d − 2 a − 2 c − b; z = c + a, t = b. Logo, w = a, d − 2 a − 2 c − b, c + a, b . Exerc´ıcio 3.21. Sejam B = { 1 − t , t , 1+2t , t+t } e p(t) = 1+t.
B
2
3
3
T 3
(a) Mostre que B ´e uma base de P 3 (R). (b) Calcule as coordenadas de p(t)em rela¸c˜ ao a` base B.
Exerc´ıcio 3.22. Sejam B=
− 1 1 1 1
,
0 1
1 0
,
1 1 0 0
,
1 0 0 0
e A=
(a) Mostre que B ´e base de M 2 (R). (b) Calcule as coordenadas de A em rela¸c˜ ao a essa base.
2 3 4 7
84
Cap. 3
Espa¸cos Vetoriais
omio 10 + t2 + 2 t3 Exerc´ıcio 3.23. Calcule as coordenadas do polinˆ em rela¸c˜ ao a cada uma das seguintes bases de P 3 (R): (a) 1, t , t2 , t3 (b) 1, 1 + t, 1 + t + t2 , 1 + t + t2 + t3 (c) 4 + t, 2, 2 t2 , t + t3 .
{ { {
} −
}
}
ao Teorema 3.5. Suponhamos que V tenha uma base v1, . . . , vn . Ent˜ qualquer conjunto com mais de n vetores ´e LD.
{
}
Demonstra¸c˜ ao: De acordo com o Exemplo 3.27, basta mostrar que qualquer conjunto com n+1 vetores ´e LD. Sejam x1 , . . . , xn , xn+1 V ; pelo exemplo 3.27, podemos supor que os vetores x1 , . . . , xn s˜ao LI. Como x1 ´e combina¸c˜ao linear de v1 , . . . , vn , o conjunto x1 , v1 , . . . , vn ´e LD; portanto, um dos vetores ´e combina¸ c˜ao linear dos precedentes; como tal vetor n˜ a o pode ser x1 , ele ´e um dos v j , j 2: para simplificar a nota¸ca˜o, vamos supor que vn ´e combina¸ca˜o linear de x1 , v1 , . . . , vn−1 . Pelo Teorema 3.3, temos V = [x1 , v1 , . . . , vn−1 ]. Agora repetimos esse procedimento com o vetor x2 : como o conjunto x1 , x2 , v1 , . . . , vn−1 ´e LD, um dos v j ´e combina¸c˜ao linear dos anteriores: para simplificar a nota¸ca˜o, vamos supor que esse vetor ´e vn−1 . Como no caso anterior, temos V = [x1 , x2 , v1 , . . . , vn−2 ]. Continuando este processo, chegaremos a V = [x1 , . . . , xn ]. Como xn+1 V = [x1 , . . . , xn], segue-se que xn+1 ´e combina¸c˜ao linear de x1 , . . . , xn e assim, x1 , . . . , xn , xn+1 ´e LD.
∈
≥
∈
Teorema 3.6. Seja V um espa¸co vetorial de finitamente gerado. Ent˜ ao todas as bases de V tˆem a mesma quantidade de elementos. Demonstra¸c˜ ao: Sejam e1 , . . . en e v1 , . . . v p duas bases de V . Como V = [e1 , . . . en ] e v1 , . . . v p ´e um conjunto LI em V temos, pelo Teorema 3.5, p n. Trocando os pap´ eis de e1 , . . . en e v1 , . . . v p , obtemos n p. Logo, n = p.
{
≤
} {
}
≤
Defini¸c˜ ao 3.2. Seja V um espa¸co vetorial finitamente gerado: o n´ umero de vetores de uma base qualquer de V chama-se dimens˜ ao de V . Exemplo 3.34. dim
Rn
= n e dim P n (R) = n + 1.
Apresentamos a seguir um m´etodo pr´ atico para estudar a dependˆencia n linear em R . O m´etodo baseia-se no seguinte lema.
85
Base e Dimens˜ ao
Lema 3.1. Suponhamos W = [u1 , u2 , . . . , um]
n
⊂ R . Definamos
v1 = u1 , v2 = u2 + k1 v1 , . . . , vm = um + km−1 v1 , em que k2 , . . . , km−1
∈ R. Ent˜ ao W = [v
1
(3.11)
, v2 , . . . , vm].
acil ver que Demonstra¸cao: ˜ De fato, a partir das igualdades (3.11) ´e f´ cada um dos vetores v1 , . . . , vm ´e combina¸ca˜o linear de u1 , . . . , um e que cada vetor u j , j = 1, . . . , m , ´e combina¸ca˜o linear de v1 , . . . , vm . Segue-se que W = [v1 , v2 , . . . , vm]. Uma conseq¨ uˆencia imediata do Lema 3.1 ´e um m´etodo f´ acil para decidir se um dado conjunto de vetores ´e LI ou LD. Formamos a matriz A de ordem m n cujos vetores linhas s˜ ao v1 , v2 , . . . , vm e escalonamos a matriz A. O processo de escalonamento consiste precisamente em efetuar convenientemente as opera¸ co˜es indicadas em (3.11).
×
Exemplo 3.35. Decidir se u1 = (1, 1, 1, 1), u2 = (1, 1, 2, 1), ao LI ou LD. u3 = (3, 1, 3, 2) e u4 = (1, 0, 1, 0) s˜
−
−
−
−
Formemos a matriz A cujos vetores linhas s˜ ao u1 , u2 , u3 e u4 e escalonemos A
1 1 3 1
∼
1 1 1 0 1 0 0 0
−1 −2 −3 −1 1 1 0 2
∼ − ∼ 1 1 2 0 1 0 1 0
1 0 0 0
1 1 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 s˜ a o n˜ao nulas, seus vetores linhas s˜ao LI. Pelo Lema 3.1, temos dim[u1 , u2 , u3 , u4 ] = 4. Logo, os vetores u1 , u2 , u3 e u4 s˜ao LI.
Exemplo 3.36. Decidir se os vetores u1 = (1, 3, 2, 1), u2 = (2, 4, 2, 0), ao LI ou LD. u3 = (1, 3, 1, 0), u4 = (3, 6, 3, 0) s˜
86
Cap. 3
Espa¸cos Vetoriais
Formemos a matriz A cujos vetores linhas s˜ao u1 , u2 , u3 e u4 e escalonemos A
1 2 1 3
3 4 3 6
2 2 1 3
1 0 0 0
∼
1 0 0 0
3 2 0 3
2 2 1 3
1 2 1 3
∼
1 0 0 0
3 1 0 3
2 1 1 3
1 1 1 3
∼
1 0 0 0
3 1 0 0
2 1 1 0
1 1 1 0
Como o subespa¸co gerado pelos vetores linhas da matriz escalonada tem dimens˜ao 3, os vetores u1 , u2 , u3 e u4 s˜ao LD.
ao n e sejam Teorema 3.7. Seja V um espa¸co vetorial de dimens˜ v1 , . . . , v p (com p < n) vetores LI em V . Ent˜ ao existem n p vetores v p+1 , . . . , vn V tais que v1 , . . . , vn ´e base de V .
−
∈
ao existe Demonstra¸c˜ ao: Como p < n, temos [ v1 , . . . , v p ] = V . Ent˜ v p+1 V tal que v p+1 / [ v1 , . . . , v p ]. Como v1 , . . . v p s˜a o LI e que v p+1 / [ v1 , . . . , v p ], segue-se que nenhum desses vetores pode ser combina¸ca˜o linear dos demais. Portanto, os vetores v1 , . . . , v p , v p+1 s˜ao linearmente independentes. Se p + 1 = n, ent˜ao os vetores v1 , . . . , v p , v p+1 constituem uma base de V . Se p + 1 < n, repetimos o procedimento acima. Ap´ os n p passos chegaremos a um conjunto LI v1 , . . . , v p , v p+1 , . . . vn , que ´e a base de V .
∈ ∈
∈
−
Exerc´ıcio 3.24. Verificar se o conjunto B ´e uma base para R3 . (a) B = (1, 2, 1), (0, 3, 1) (b) B = (1, 5, 6);(2, 1, 8);(3, 1, 4);(2, 3, 11) (c) B = (2, 4, 3);(0, 1, 1);(0, 1, 10 .
{ { {
− − −
}
−
− }
− }
Exerc´ıcio 3.25. Verificar se o conjunto B ´e uma base para R4 . (a) B = (1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0) (b) B = (1, 0, 1, 0), (1, 0, 0, 1), (1, 1, 0, 0), (0, 0, 1, 1) .
{ {
3.6
} }
Dependˆ encia Linear de Fun¸co ˜es
Consideremos o espa¸co vetorial V = (I, Rn) das fun¸c˜oes cont´ınuas no intervalo I com valores em Rn . Dizer que as fun¸c˜oes f 1 , . . . , f n do
C
87
Dependˆ encia linear de fun¸c˜ oes
espa¸co (I, Rn ) s˜ao LD significa dizer que existem escalares α1 , . . . , αn n˜ ao todos nulos tais que
C
α1 f 1 (t) +
·· · + α
n f n (t)
= 0,
para todo t
∈ I.
(3.12)
Por exemplo, as fun¸co˜es 1, sen 2t e cos2 t, s˜ao LD no espa¸co vetorial (R, R) pois, da trigonometria sabemos que sen 2 t+cos2 t 1 = 0, para todo t R. J´a o conjunto S = 1, sen t, cos t ´e LI pois uma igualdade do tipo α + β sen t + γ cos t = 0, t R
C
∈
{
−
}
∀∈
s´o ´e poss´ıvel se α = β = γ = 0; de fato, pondo t = 0, temos α + γ = 0, pondo t = π, temos α γ = 0 e pondo t = π/2, temos α + β = 0. Essas igualdades implicam α = β = γ = 0. Logo S ´e LI.
−
Notemos que, para cada t I, f 1 (t) , . . . , f n(t) s˜ao vetores de Rn . Logo, se as fun¸co˜es f 1 , . . . , f n s˜ao linearmente dependentes, ent˜ ao a condi¸c˜ao (3.12) afirma que, para todo t I , os vetores f 1 (t) , . . . , f n (t) s˜ao linearmente dependentes em Rn . Portanto, se, para algum t0 I , os vetores f 1 (t0 ) , . . . , f n(t0 ) s˜ao LI em Rn, ent˜ao as fun¸c˜oes f 1 , . . . , f n s˜ao LI. Combinando estes fatos com (3.12), temos:
∈
∈
Teorema 3.8. Se, para algum t0 as fun¸c˜ oes f 1 , . . . , f n s˜ ao LI.
∈
∈ I, det[f (t ) , . . . , f (t )] = 0, ent˜ ao 1
Exemplo 3.37. O conjunto S = et , e3t suponhamos que αet + βe 3t = 0 t
{
0
n
0
} ⊂ C(R, R) ´e LI; de fato,
∀ ∈ R.
(3.13)
Em particular, para t = 0, temos α+β = 0. Derivando (3.13), obtemos αet +3βe 3t = 0, t R; para t = 0, temos α+3β = 0. A unica ´ solu¸c˜ ao do sistema de equa¸c˜ oes nas inc´ ognitas α, β ´e a trivial α = β = 0. Logo, S ´e LI.
∀∈
O pr´oximo teorema d´a uma regra para independˆencia linear de fun¸c˜oes escalares.
88
Cap. 3
Espa¸cos Vetoriais
Teorema 3.9. (regra para independˆ encia linear de fun¸co ˜es). Sejam ϕ1 , . . . , ϕn fun¸c˜ oes reais n 1 vezes deriv´ aveis num intervalo J . Se existir x0 J tal que
det
−
∈
ϕ1 (x0 ) ϕ1 (x0 ) .. .
(n 1)
ϕ1
ϕ2 (x0 ) ϕ2 (x0 ) .. .
... ... .. .
ϕn (x0 ) ϕn (x0 ) .. .
− (x ) ϕ(n−1) (x ) . . . ϕ(n) (x ) n 0 0 0 2
ent˜ ao ϕ1 , . . . , ϕn s˜ ao LI.
= 0,
(3.14)
Demonstra¸c˜ ao: Suponhamos que α1 ϕ1 (x) + α2 ϕ2 (x) +
· ·· + α
n ϕn (x)
= 0,
∀x ∈ J.
Derivando sucessivamente essa igualdade e pondo x = x0 , temos
ϕ1 (x0 ) α1 + ϕ2 (x0 ) α2 + + ϕn (x0) αn = 0 ϕ1 (x0 ) α1 + ϕ2 (x0 ) α2 + + ϕn (x0) αn = 0 .......................................... (n−1) (n−1) (n−1) ϕ1 (x0 ) α1 + ϕ2 (x0 ) α2 + + ϕn (x0 ) αn = 0
·· · ·· ·
(3.15)
· ··
As igualdades (3.15) podem ser vistas como um sistema de n equa¸c˜oes nas inc´ognitas α1 , α2 , . . . , αn , cuja matriz dos coeficientes tem deteminante diferente de zero. Portanto, esse sistema tem uma unica ´ solu¸ca˜o, que ´e α1 = 0, α2 = 0, . . . , αn = 0. Logo, as fun¸c˜oes ϕ1 , . . . , ϕn s˜ao linearmente independentes. O determinante em (3.14) chama-se wronskiano de ϕ1 , . . . , ϕn e ´e denotado por W (x) (ou W (ϕ1 , . . . , ϕn )(x)).
Exemplo 3.38. Se p, q e r s˜ ao n´ umeros dois a dois distintos, ent˜ ao p t qt rt as fun¸c˜ oes e , e e e s˜ ao LI. De fato, temos
e p t eq t er t p e p t q eq t r er t p2 e p t q 2 eq t r2 er t
= (r
( p+q+r) t
− q) (r − p) (q − p) e
= 0
De modo analogo mostramos que se os n´ umeros r1 , . . . , rn forem dois r t a dois distintos, ent˜ ao as fun¸c˜ oes e , . . . , ern t s˜ ao LI. 1
3.7. BASES ORTOGONAIS EM RN
89
ao ´e verdadeira. Observa¸c˜ao 3.3. A rec´ıproca do teorema anterior n˜ 2 Por exemplo, as fun¸c˜ oes f (t) = t e g(t) = t t s˜ ao LI, mas seu wronskiano ´e nulo. No entanto, pode-se mostrar que, se duas fun¸ c˜ oes ϕ1 , ϕ2 forem LI e forem solu¸c˜ oes da equa¸c˜ ao diferencial de segunda ordem y +a(t) y +b(t) y = 0, com a(t), b(t) cont´ınuas em um intervalo J , ent˜ ao W (ϕ1 , ϕ2)(t) = 0 t J .
||
∀∈
Exerc´ıcio 3.26. Mostre que: (a) cos2t, sen 2 t, cos2 t ´e LD (b) 1, sen t, cos t ´e LI at at ct (c) e cos bt, e sen b t , e ´e LI (d) 1, et , sen t, et cos t ´e LI. (e) 1, sen t, cos t, cos2t, sen 2 t ´e LD.
{ { {
3.7
}
}
{ {
}
Bases Ortogonais em
}
}
Rn
Consideremos em Rn o seu produto interno usual: se x = (x1 , .. . , xn ) e y = (y1 , .. . , yn ), ent˜ao
x y = x1 y1 +
·· · + x y . , . . . , u } ´e um conjunto de vetores
·
n
n
Teorema 3.10. Se X = u1 , u2 m ortogonais n˜ ao nulos, ent˜ ao X ´e um conjunto LI.
{
Demonstra¸cao: ˜ Suponhamos que os n´ umeros α1 , α2 , . . . , αm s˜ao tais que + αm um = 0 (3.16) α1 u1 + α2 u2 +
···
Efetuando o produto escalar dos dois membros de (3.16) com u1 e notando que u1 u1 = u1 2 e u j u1 = 0, j = 1, obtemos α1 u1 2 = 0. Como u1 2 = 0, temos α1 = 0. Analogamente obtemos α2 = 0, α3 = 0 , . . . , αm = 0. Logo, os vetores u1 , u2 , . . . , um s˜ao LI.
·
·
∀
Uma base B = u1 , . . . , un de Rn formada por vetores 2 a 2 ortogonais ´e chamada uma base ortogonal . Se al´em disso, todos os vetores forem unit´ arios (isto ´e, u j = 1, j) dizemos que B ´e uma base ortonormal .
{
}
Exemplo 3.39. A base canˆ onica de
∀
Rn
´e ortonormal.
90
Espa¸c os Vetoriais 3
Cap. 5 1 2
Exemplo 3.40. Em R , o conjunto (1, 0, 0), (0, , ´e uma base ortonormal.
{
√
√
3 ), (0, 23 ) , 21 ) 2
−
}
O pr´oximo 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 , ent˜ ao, para todo x Rn , temos
∈
{
}
· ··· + (x · v ) v , isto ´e, se x = α v +α v +···+α v , ent˜ ao α = x·v , . . . , α ·
x = ( x v1 ) v1 + ( x v2 ) v2 + 1 1
2 2
n
n n
1
(3.17)
n
1
n
= x vn .
·
Demonstra¸c˜ ao: Como B ´e base de Rn , existem n´ umeros α1 , α2 , . . . , αn s˜ao tais que + αn vn (3.18) x = α1 v1 + α2 v2 +
···
Efetuando o produto escalar dos dois membros de (3.18) com v1 e notando que v1 v1 = 1 e v j v1 = 0, j = 1, obtemos x v1 = α1 . De modo an´ alogo, obtemos x v2 = α2 , . . . , x vn = αn .
·
·
·
∀ ·
·
Teorema 3.12. Sejam v1 , . . . , v p um conjunto ortonormal em Rn e x Rn. Mostrar que o vetor z = x (x v1 ) v1 (x v p ) v p ´e ortogonal a cada um dos vetores v1 , . . . , v p .
{
∈
}
− ·
−···− ·
De fato, como v j v j = 1 e v1 v j = 0, se i = j, temos
· · z · v = x · v − (v · v ) (v · v ) −···− (x · v )(v · v ) = x · v − x · v = 0. O vetor w = (x · v ) v + ·· · + ( x · v ) v , dado no Teorema 3.12, j
j
1
1
1
j
1
p
p
p
j
j
j
p
chama-se proje¸c˜ ao ortogonal de x sobre o subespa¸co [ v1 , . . . , v p ].
z
T
I x E v1 © v2 w (x v1 ) v1 © s
·
·
(x v2 ) v2
E
91
Bases Ortogonais
Usando o Teorema 3.12 podemos construir uma base ortonormal de um subespa¸co vetorial W de Rn a partir de uma dada base de W . Seja u1 , u2 , . . . , um uma base de W . Definamos os vetores w2 , . . . , wm e v1 , v2 , . . . , vm do seguinte modo: u1 v1 = u1 w2 w2 = u2 (v1 u2 )v1 v2 = w2
−
w3 = u3
·
− (v · u )v − (v · u )v 1
.. . wm = um
3
1
2
3
− (v · u )v − (v · w 1
2
1
2
v3 =
2
m )v2
− · · · − (v
w3 w3
− · um)vm−1
m 1
wm wm
vm =
De acordo com o Teorema 3.12, cada vetor vk ´e ortogonal a v1 , . . . , vk−1 . Al´em disso, como os vetores u1 , u2 , . . . , um s˜ao linearmente independentes, todos os v1 , v2 , . . . , vm s˜ao diferentes do vetor nulo e, portanto, formam uma base de W . Este m´etodo de obter uma base ortonormal chama-se m´ etodo de ortonormaliza¸c˜ ao de Gram-Schmidt.
Exemplo 3.41. Usando o m´etodo de Gram-Schmidt, ortonormalizar a base u1 = (1, 1, 1), u2 = (1, 1, 0), u3 = (1, 0, 0) de R3 .
√√ w = u − u , v v
Como u1 = 3, tomamos v1 = √13 u1 = √13 (1, 1, 1). Em seguida, como u2 , v1 = 2/ 3, tomamos 2
2
2
1
1
e
= (1, 1, 0)
− 23 (1, 1, 1) = 13 (1, 1, −2)
w2 1 = (1, 1, 2) w2 6
√ − √ √ Como u , v = 1/ 3 e u , v = 6, tomamos w = u − √ v − √ v = (1, 0, 0) − (1, 1, 1) − = (1, −1, 0) v2 =
3
3
3 1 2
1
3
1 3
1
1 6
2
2
1 3
1 6
−
(1, 1, 2) =
92
Cap. 3
e portanto
√
Espa¸cos Vetoriais
w3 2 v3 = = (1, 1, 0) 2 w3
−
Assim, a base procurada ´e √13 (1, 1, 1), √16 (1, 1, −2),
√
2 2
−
Exerc´ıcio 3.27. Seja u1 , u2 , . . . , un uma base ortonormal de Mostre que, se v = α1 u1 + + αn un ent˜ ao
{
}
·· ·
2 1
(1, 1, 0) . Rn .
2 1/2 n
v = (α + ··· + α )
Exerc´ıcio 3.28. Usando o m´etodo de Gram-Schmidt, ortonormalizar a base (1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0) .
{
}
Exerc´ıcio 3.29. Encontre uma base ortonormal para cada um dos seguintes subespa¸cos vetoriais de R3: (a) [(9, 0, 7), (2, 1, 8), (2, 0, 4)] (b) [(1, 0, 1), (5, 1, 2), (3, 1, 0)] (c) [(1, 0, 0), (2, 3, 0), (1, 7, 5); (d) [(1, 2, 8), ( 2, 2, 2), (3, 0, 6)] (e) (x,y,z) : 3 x y + 2 z = 0
{
−
−
}
Exerc´ıcio 3.30. Seja S Rn um subconjunto n˜ ao vazio. Mostre que ⊥ o conjunto S dos vetores ortogonais a todos os vetores de S ´e um subespa¸co vetorial de Rn.
⊂
Exerc´ıcio 3.31. Seja W um subespa¸co vetorial de Rn . (a) Mostre que W ⊥⊥ = W . (b) Mostre que todo x Rn se escreve na forma x = u + v, com u e w W ⊥ .
∈
3.8
∈
∈ W
Somas e Somas Diretas
Teorema 3.13. Sejam U , W subespa¸cos vetoriais de um espa¸co vetorial V . Ent˜ ao que o conjunto U + W = u + w : u
{
´e um subespa¸co vetorial de V .
∈ U, w ∈ W }
93
Somas e Somas Diretas
Demonstra¸cao: ˜ Em primeiro lugar, como o vetor nulo pertence a U e a W , ele pertence a U + W , pois podemos escrever 0 = 0 + 0. Agora, dados x1 = u1 + w1 e x2 = u2 + w2 em U + W , isto ´e, u1 , u2 U, w1 , w2 W , temos u1 + u2 U, w1 + w2 W , pois U e W s˜ao subespa¸cos de V . Portanto,
∈
∈
∈
x1 + x2 = u1 + u2 + w1 + w2
∈ ∈ U
∈
U + W
∈ W
Do mesmo modo, se x = u + w, com u U, w W e α K, temos α u U e α w W , pois U e W s˜ao subespa¸cos de V . Portanto,
∈
∈
∈
αx = αu + αw
∈ ∈ U
∈
∈
U + W
∈ W
Logo, U + W ´e subespa¸co vetorial de V .
Defini¸c˜ao 3.3. Sejam U e W subespa¸cos de um espa¸co vetorial V . O subespa¸co U +W dado no Teorema 3.13 chama-se soma dos subespa¸cos U e W . Quando U W = 0 , o subespa¸co U + W chama-se soma direta de U e W e ´e denotado por U W .
∩
{}
⊕
Exemplo 3.42. Sejam U = (x, y) ao U + W = R2. R2 : y = 0 . Ent˜
{
}
2
∈R
: y = 2 x e W = (x, y)
}
{
∈
´ claro que U + W R2 (pois U e W s˜ao subespa¸cos de R2 ). Para E verificar a inclus˜ao R2 U + W , notemos que que todo (x, y) R2 se escreve na forma (x, y) = (y/2, y) + (x y/2, 0): como (y/2, y) U e (x y/2, 0) W , vemos que (x, y) U + W . O pr´oximo teorema relaciona as dimens˜ oes da soma e da interse¸c˜ao de dois subespa¸cos com as dimens˜oes desses subespa¸cos.
⊂ ⊂
−
∈
∈
−
∈
∈
ao finita e sejam Teorema 3.14. Seja V um espa¸co vetorial de dimens˜ U, W subespa¸cos de V . Ent˜ ao: dim U + dim W = dim (U
(3.19) ∩ W ) + dim (U + W ). Em particular, se U ∩W = {0}, temos dim(U ⊕W ) = dim U +dim W .
94
Cap. 3
Espa¸cos Vetoriais
Demonstra¸c˜ ao: Faremos a prova para o caso U W = 0 (o caso U W = 0 fica como exerc´ıcio). Seja e1 , . . . , e p uma base de U W . Pelo Teorema 3.7, existem vetores u1 , . . . , uq U e v1 , . . . , vr W tais que e1 , . . . , e p , u1 , . . . , uq ´e uma base de U e e1 , . . . , e p , v1 , . . . , vr ´ claro que e1 , . . . , e p , u1 , . . . , uq , v1 , . . . , vr geram ´e uma base de W . E U + W . Resta mostrar que esses vetores s˜ ao LI. Suponhamos que os escalares α1 , . . . , α p , β 1 , . . . , βq , γ 1 , . . . , γr sejam tais que
∩
{}
{
{
α1 e1 +
∈
}
· ·· + α
p e p
+ β 1 u1 +
··· + β u q
q
∩ }
{} ∩ ∈
{
+ γ 1 v1 +
··· + γ v r
r
}
= 0.
Ent˜ ao α1 e1 +
··· + α
p e p
+ β 1 u1 +
· ·· + β u = −γ v − · · · − γ v q
q
1
1
r
r
.
∈ W
∈ U
Esta igualdade implica que ambos os membros pertencem a U W . Portanto, γ 1 v1 γ r vr U W . Como e1 , . . . , e p ´e base de U W , existem escalares k1 , . . . , k p tais que
∩
−
−···−
∈ ∩
−γ v − · · · − γ v 1
1
r
r
{
= k1 e1 +
}
∩
··· + k
p e p ,
donde obtemos k1 e1 +
·· · + k
p e p
+ γ 1 v1 +
··· + γ v r
r
= 0;
como e1 , . . . , e p , v1 , . . . , vr s˜ao LI (pois constituem uma base de W ), devemos ter necessariamente k1 = = k p = γ 1 = = γ p = 0. Da mesma maneira, obtemos α1 = = α p = 0. Logo, os vetores e1 , . . . , e p , u1 , . . . , uq , v1 , . . . , vr s˜ao LI e formam uma base de U + W . Contando os elementos das bases de U, W, U W e U + W , obtemos a igualdade (3.19).
·· · ·· ·
· ··
∩
Exemplo 3.43. Sejam U, V e W como no Exemplo 3.32 acima. Encontrar bases para U + W, U + V e V + W . Pelo Teorema 3.14, temos dim(U + W ) = dim U + dim W
− dim(U ∩ W ) = 2 + 2 − 0 = 4.
3.9. EXERC ´ ICIOS
95
Assim, U +W ´e um subespa¸co de dimens˜ ao 4 de R4 . Logo, U +W = R4 . Como U V , temos U +V = V . logo, os vetores (1, 0, 1, 0), (0, 1, 1, 0) e (0, 0, 0, 1) formam uma base de U + V .
⊂
−
Pelo Teorema 3.14, temos dim(V + W ) = dim V + dim W
− dim(V ∩ W ) = 3 + 2 − 1 = 4.
Assim, V +W ´e um subespa¸co de dimens˜ao 4 de R4 . Logo, V +W = R4 .
3.9
Exerc´ıcios
1. Encontrar bases para os seguintes subespa¸ cos de M 3 (R): T (a) A M 3 (R) : A = A (b) A M 3 (R) : AT = A .
{ ∈
}
{ ∈
− }
2. Encontrar bases dos subespa¸cos U, W e U W de P 3 (R), sendo: (a) U = p P 3 (R) : p(1) = 0 , W = p P 3 (R) : p (t) = 0, t (b) U = [t3 2 t2 + 4, 3 t2 1, 5 t3], W = [t3 3 t2 , t 5, 3] (c) U = [t2 + 4, 3 t2 1, 5 t3 ], W = p P 3(R) : p (t) = 0, t R .
{ ∈ −
}
∩ { ∈ − { ∈
∀} − − − ∀∈ } 3. Encontrar bases dos seguintes subespa¸cos de R : U, W, U ∩ W : (a) U = [(0, 0, 1), (1, 1, 1)], W = [(1, 0, 0), (0, 1, 0)], (b) U = {(x,y,z) ∈ R : x − 2 y = 0}, W = [(1, 5, 3), (0, 2, 3)] (c) U = {(x,y,z) ∈ R : x + 2 y = 0}, W = [(0, 0, 1), (1, 1, 1)] 3
3
3
4. Verifique se o conjunto base de M 2 (R).
1 0 1 0
,
2 0 1 0
,
0 1 1 0
,
1 0 0 2
5. Encontre uma base e a dimens˜ ao 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 M 2(R) : A X = X , em que A = . 0 1 (d) W = p P 2 (R) : p (t) = 0, t R .
{ { ∈ { ∈
−
∈
− − − }
⊂
∀∈ }
}
´e
96
Cap. 3
(e) W = [t3 + 4t2
− t + 3, t
3
Espa¸cos Vetoriais
+ 5t2 + 5, 3t3 + 10t2
− 5t + 5] ⊂ P (R). 6. Determinar uma base e a dimens˜ao de U , de W e de U ∩ W , sendo: (a) U = {(x,y,z) ∈ R : x + y + z = 0} W = {(x,y, 0) : z = 0}. (b) U = { p ∈ P (R) : p (t) = 0, ∀t ∈ R}, W = { p ∈ P (R) : p(0) = 0}. 3
3
2
2
Cap´ıtulo 4 Equa¸co ˜es Diferenciais Lineares Neste cap´ıtulo estudamos equa¸c˜oes diferenciais lineares de ordem superior a um. Inicialmente apresentaremos alguns fatos gerais sobre equa¸c˜oes lineares. Tais resultados s˜ a o v´alidos para qualquer equa¸c˜ao diferencial linear mas, para simplificar a nota¸ca˜o, vamos enunci´a-los para equa¸c˜oes de segunda ordem.
4.1
Fatos Gerais sobre Equa¸ co ˜es Lineares
ao linear de segunda ordem Consideremos a equa¸c˜ y + a(t) y + b(t) y = h(t).
(4.1)
em que as fun¸co˜es a(t), b(t), chamadas coeficientes e h(t), chamada termo for¸cante, s˜ao cont´ınuas em um intervalo J R. Se h(t) 0, ao homogˆenea. Se h(t) = 0, t, a equa¸c˜ao diferencial (4.1) ´e dita n˜ a equa¸c˜ao (4.1) fica
⊂
y + a(t) y + b(t) y = 0
≡ ∀
(4.2)
e ´e chamada homogˆ enea. Uma solu¸ca ˜o de (4.1) ´e uma fun¸ca˜o y(t) R que satisfaz (4.1), isto ´ definida em um intervalo I e, y (t) + a(t)y (t) + b(t)y(t) = h(t), t J . Nosso objetivo ´e encontrar a solu¸c˜ao geral da equa¸ca˜o (4.1), isto ´e, obter uma express˜ ao que descreva todas as solu¸c˜oes dessa equa¸ca˜o. Analogamente ao que ocorre na
⊂ ∀ ∈
97
98
Cap. 4
Equa¸c˜ c˜ oes Diferenciais Lineares
Mecˆ anica, anica, em que a posi¸c˜ cao a˜o de uma part´ıcula ıcula ´e determina dete rminada da a partir parti r de sua posi¸c˜ cao a˜o e sua velocidade no instante inicial, vamos associar as a`s equa¸c˜ coes ˜oes (4.1) e (4.2)) condi¸c˜ coes o ˜es iniciais. Dados t0 I , y0 , y˜0 R, o problema de encontrar uma solu¸c˜ cao a˜o y (t) de (4.1) tal que y(t0 ) = y0 e y (t0) = y˜0 ´e um problema de valor inicial associado a essa equa¸c˜ cao. a˜o. O problema de encontrar a solu¸c˜ cao a˜o geral de (4.1) ´e equivalente equivalente ao de encontrar a solu¸c˜ cao a˜o de qualquer problema de valor inicial associado a essa equa¸c˜ c˜ao. ao. En Enunci unciamos amos no teorema teorema a seguir seguir um fato important importantee para o estudo das equa¸c˜ coes o˜es de segunda segunda ordem: ordem: o problem problemaa de valor alor inicial para tais equa¸c˜ coes o˜es tem uma unica u ´nica solu¸c˜ cao; a˜o; a demonstra¸c˜ c˜ao ao est´a fora dos objetivos deste texto.
∈
∈
Teorema 4.1. Suponhamos que a(t), b(t) e f ( f (t) sejam fun¸c˜ c˜ oes oe s cont´ con t´ıınuas em um intervalo I . Ent˜ ao, dados t0 I , y0 , y1 R, existe uma unica ´ solu¸c˜ cao ˜ da equa¸c˜ c˜ ao
∈
∈
y + a(t) y + b(t) y = f ( f (t)
(4.3)
tal que y (t0 ) = y0 e y (t0 ) = y1 . O pr´oximo oximo teorema, conhecido como princ prin c´ıpio ıpi o de d e sup s uperp erposi osi¸¸c˜ cao a ˜o, permite obter novas solu¸c˜ coes o˜es de (4.1) e (4.2) a partir de solu¸c˜ coes o˜es conhecidas. A demonstra¸c˜ cao a˜o ´e trivia tri viall e fica como com o exerc´ exe rc´ıcio. ıcio .
Teorema 4.2. Sejam a(t), b(t), h1 (t) e h2 (t) fun¸c˜ c˜ oes oe s cont´ınua ın uass em um intervalo J R. Se y1 (t) e y2 (t) s˜ ao solu¸c˜ c˜ oes de
⊂
y + a(t) y + b(t) y = h1 (t) y + a(t) y + b(t) y = h2 (t),
(4.4) (4.5)
resp respeectivamente, ctivamente, e se c1 , c2 s˜ ao constan constantes, tes, ent˜ ao a fun¸c˜ c˜ ao z (t) = c1 y1 (t) + c2 y2 (t) ´e solu¸ lu c˜ c¸ao ˜ da equa¸c˜ c˜ ao y + a(t) y + b(t) y = c1 h1 (t) + c2 h2(t).
(4.6)
c˜ oes cont´ cont´ınuas em um intervalo interva lo Corol Co rol´ ´ ario ari o 4.1. 4. 1. Sejam a(t) e b(t) fun¸c˜ J R. O conjunto das solu¸c˜ coes ˜ da equa¸c˜ cao ˜ ho homogˆ mogˆenea en ea (4.2 (4 .2)) ´e um espa¸co co vetorial de dimens˜ ao 2.
⊂
S
99
Fatos Gerais
Demonstra¸c˜ cao: ˜ Tomando h1 (t) = h2 (t) = 0, o teorema anterior implica que qualquer combina¸c˜ cao a˜o linear de solu¸c˜ coes o˜es de (4.2) ´e uma solu¸c˜ cao a˜o de (4.2), ou seja, o conjunto ´e um u m sub s ubes espa pa¸co c¸o de (J, R), o espa¸co co vetorial de todas as fun¸c˜ coes o˜es cont´ınuas ınua s em J com valores reais. Mostremos que dim = 2. Fixemos t0 J arbitrariament arbitrariamente. e. Sejam ϕ1(t), ϕ2 (t) as solu¸c˜ coes o˜es de (4.2) tais que ϕ1 (t0 ) = 1, ϕ1 (t0 ) = 0 e encia de tais solu¸c˜ coes o˜es ´e garantida garanti da pelo pe lo ϕ2(t0 ) = 0, ϕ2 (t0) = 1 (a existˆencia Teorema 4.1). Afirmamos que ϕ1 (t), ϕ2 (t) formam uma base de . Em primeiro lugar, lugar , ´e claro c laro que essas fun¸c˜ c˜oes oes s˜ao ao LI, LI , pois p ois o seu wronsk w ronskiano iano ´e diferente dife rente de zero em t = t0 :
S S
C
∈
S
W ( W (ϕ1 , ϕ2 )(t )(t0 ) = det
ϕ1 (t0 ) ϕ2 (t0 ) ϕ1 (t0 ) ϕ2 (t0 )
= det
1 0 0 1
=1
Mostremos agora qualquer solu¸c˜ cao a˜o ϕ(t) de (4.2) ´e combina¸c˜ c˜ao ao linear de ϕ1 (t) e ϕ2 (t). Procuremos constantes C e D tais que ϕ(t) = C ϕ 1 (t) + D ϕ2 (t),
∀t ∈ J.
(4.7)
Para que (4.7) esteja satisfeita quando t = t0 , devemos ter C = ϕ(t0). Derivando (4.7) e substituindo t = t0 , obtemos D = ϕ (t0 ). Com isto, temos que (4.7) est´a verificada quando t = t0 . Mostremo Mostremoss que (4.7) (4.7) est´ a satisfeita para todo t J . Sab Sabemo emos, s, por hip´ hipotese, o´tese, que a fun¸c˜ c˜ao ao ϕ(t) ´e solu so lu¸c˜ c¸˜ao ao do PVI
∈
y + a(t) y + b(t) y = 0 y (t0 ) = C y (t0) = D
Por outro lado, a fun¸c˜ c˜ao ao C ϕ 1 (t)+D )+D ϕ2 (t) tamb´ mb´em ´e solu¸ luc˜ c¸˜ao ao desse PVI. Como, pelo Teorema 4.1, tal PVI tem uma unica u ´ nica solu¸c˜ cao, a˜o, devemos ter ϕ(t) = C ϕ 1 (t) + D ϕ2 (t), t J .
∀∈
ao fun¸c˜ c˜ oes oe s cont con t´ınua ın uass Coro Co rol´ l´ ario ar io 4.2. 4. 2. Suponhamos que a(t), b(t) e h(t) s˜ R. Se ϕ p (t) ´ no intervalo J e uma solu¸c˜ c˜ao ao particular da equa¸c˜ c˜ ao (4.1), ent˜ ao qualquer solu¸c˜ cao ˜ de (4.1) ´e da forma y (t) + ϕ p (t), em
⊂
100
Cap. 4
Equa¸c˜ c˜ oes Diferenciais Lineares
que y(t) ´e uma solu¸ so lu¸c˜ cao ˜ da equa¸c˜ c˜ ao homogˆ homogˆenea enea (4.2). Em outras palavras, a solu¸c˜ cao ˜ geral da equa¸c˜ c˜ ao n˜ ao homogˆ hom ogˆ enea enea (4.1) (4. 1) ´e a soma som a da solu¸c˜ cao ˜ geral da equa¸c˜ c˜ ao homogˆenea enea (4.2) com uma solu¸c˜ cao ˜ particular da equa¸c˜ c˜ ao n˜ ao homogˆ hom ogˆ enea enea (4.1) (4. 1) Demonstra¸c˜ c˜ ao: O resultado resu ltado ´e conseq¨ conse q¨ uˆ uˆencia encia do fato que se y1 (t) e y2(t) s˜ao ao solu¸c˜ coes o˜es da equa¸c˜ cao a˜o n˜ao ao homo ho mogˆ gˆenea en ea y + a(t) y + b(t) y = h(t) , ent˜ ao ao y2(t)
so lu¸c˜ c¸ao a˜o da equa¸c˜ cao a˜o homogˆ hom ogˆenea ene a (4.2 ( 4.2). ). − y (t) ´e solu 1
´ f´ Exemplo 4.1. E acil ver que a fun¸c˜ c˜ ao y(t) = 5 t ´e soluc˜ c¸ao ˜ da equa¸c˜ c˜ ao diferencial y + y = 5 t. Como a solu¸c˜ cao ˜ geral da equa¸c˜ c˜ ao ho homogˆ mogˆenea en ea assoc as socia iada da ´e yH (t) = a cos t + b sen t, a,b R, segue-se que a solu¸c˜ c˜ ao geral da equa¸c˜ cao ˜ y + y = 5 t ´e y (t) = a cos t + b sen t + 5 t, a,b R.
∈
∈
Exerc´ Ex erc´ıcio ıc io 4.1. 4. 1. Sabendo que a fun¸c˜ c˜ ao ψ (t) = 5 t3 + 4 t5 ´e soluc˜ c¸ao ˜ da equa¸c˜ c˜ ao n˜ ao homogˆ ho mogˆenea en ea y + p(t) y + q (t) y = g (t) e que as fun¸c˜ c˜ oes ϕ1 (t) = sen 5 t, ϕ2 (t) = cos 5 t s˜ ao solu¸c˜ coes ˜ da equa¸c˜ c˜ ao ho homogˆ mogˆenea en ea correspondente, encontre a solu¸c˜ c˜ ao geral de cada uma dessas equa¸c˜ c˜ oes. Exerc´ Ex erc´ıcio ıc io 4.2. 4. 2. Suponha que y1 (t) = e3 t + 4 e−5 t + 3 cos 2 t, y2 (t) = e−5 t + 3 cos 2 t e y3 (t) = e3 t + 3 cos 2 t s˜ ao solu¸c˜ coes ˜ da equa¸c˜ c˜ ao n˜ ao homogˆ mogˆenea y + a y + b y = f ( f (t). Enc Encontr ontree a solu solu¸c˜ c¸ao ˜ geral dessa equa¸c˜ c˜ ao. resultados ados acima permane permaneccem v´ alidos com as Observa¸c˜ c˜ ao ao 4.1. 4. 1. Os result devidas adapta¸c˜ coes ˜ para equa¸c˜ c˜ oes diferenciais lineares de ordem n y (n) + an−1 (t) y(n−1) +
4.2
···+ a
1
(t) y + a0 (t) y = g (t)
M´ etodo etodo de Redu¸ c˜ c˜ ao ao da Ord rde em
Consideremos a equa¸c˜ cao a˜o linear de segunda ordem homogˆenea enea y + p( p(t) y + q (t) y = 0 .
(4.8)
101
Redu¸cao ˜ da ordem
Suponhamos conhecida uma solu¸ca˜o y1 (t) dessa equa¸c˜a o. Sabemos que, para qualquer constante c, a fun¸ca˜o c y1(t) ´e uma solu¸ca˜ o da equa¸c˜ao (4.8): ´e claro que as fun¸c˜oes y1 (t) e c y1 (t) s˜ao linearmente dependentes. Um m´etodo para encontrar uma solu¸ c˜ao y2 (t) linearmente independente de y1 (t) consiste em procurar uma nova solu¸c˜ao de (4.8) na forma y2 (t) = u(t) y1(t), em que u(t) ´e uma fun¸ca˜o n˜ao constante (assim, o que estamos procurando ´e a fun¸ c˜ao u). Substituindo y (t) = u (t)y1 (t)+u(t)y1 (t) e y (t) = u (t)y1 (t)+2u (t)y1 (t)+u(t)y1 (t) na equa¸c˜ao (4.8), obtemos
u(t) y1 (t)+ p(t)y1 (t)+q(t)y1 (t) +y1 (t)u (t)+ 2y1 (t)+ p(t)y1 (t) u (t) = 0. Como y1 (t) + p(t) y1 (t) + q(t) y1 (t) = 0 (pois y1 (t) ´e solu¸ca˜o de (4.8)), essa equa¸ca˜o torna-se
y1 (t) u (t) + 2 y1 (t) + p(t) y1(t) u (t) = 0. Dividindo por y1 (t) e chamando v = u , obtemos a equa¸ca˜o linear de primeira ordem y1 v + 2 +a v = 0, (4.9) y1 que j´a foi estudada no Cap´ıtulo 1. Uma vez obtida uma solu¸ c˜ao v dessa equa¸c˜ao, integramos v para obter uma fun¸ca˜o u procurada e, conseq¨ uentemente, obter uma solu¸c˜ao particular y(t).
ao da Exemplo 4.2. Sabendo que y1 (t) = t2 (t > 0) ´e uma solu¸c˜ equa¸c˜ ao diferencial 2 y y=0 t2 obtenha a solu¸cao ˜ geral dessa equa¸c˜ ao.
−
Chamando y2 (t) = t2 u(t), temos y (t) = 2 t u + t2 u
e y (t) = t2 u + 4 t u + 2 u
Substituindo na equa¸c˜ao diferencial, obtemos u +
4 u = 0. t
102
Cap. 4
Equa¸coes ˜ Diferenciais Lineares
Chamando v = u , obtemos a equa¸c˜ao v +
4 v = 0, t
cuja solu¸ca˜o geral ´e v(t) = K/t4 . Assim, u(t) = K/(4t3). Portanto y2(t) = K/(4t). Logo, a solu¸ca˜o geral da equa¸c˜ao diferencial ´e
−
−
y(t) = a t2 +
b , 4t
a, b
∈ R.
Exerc´ıcio 4.3. Cada uma das equa¸c˜ oes abaixo tem uma solu¸cao ˜ da forma y1 (t) = tk . Encontre essa solu¸c˜ ao e ent˜ ao use o m´ etodo de redu¸c˜ ao da ordem para obter a solu¸ c˜ ao geral da equa¸c˜ ao dada: (a) t2 y + t y (1/4) y = 0 (b) t y (t + 1) y + 2 y = 0 (c) 4 t2 y + 4 t y y = 0 (d) (t2 ln t) y t (1 + 4 ln t)y + (2 + 6 ln t) y = 0.
−
−
−
4.3
−
Equa¸c˜ ao Homogˆ enea com Coeficientes Constantes
Nosso objetivo nesta se¸ca˜o ´e encontrar a solu¸ca˜o geral da equa¸ca˜o linear homogˆenea com coeficientes constantes: y + a y + b y = 0 .
(4.10)
A fun¸ca˜o exponencial y(t) = er t ´e uma candidata natural a solu¸c˜ao de (4.10) pois suas derivadas de primeira e segunda ordem s˜ ao y (t) = r er t
e y (t) = r 2 er t ,
que diferem de y(t) apenas por constantes multiplicativas, o que torna poss´ıvel o anulamento da combina¸c˜ao y (t) + a y (t) + b y(t). Substituindo y(t) = er t em (4.10), temos (r 2 + a r + b ) er t = 0.
103
Equa¸c˜ ao homogˆenea
Como er t = 0,
∀t, temos necessariamente r2 + a r + b = 0 .
(4.11)
ao caracter´ıstica de (4.10). Essa equa¸ca˜o ´e chamada equa¸c˜ A equa¸ca˜o caracter´ıstica (4.11) fornece os expoentes das solu¸ c˜oes da equa¸ca˜o diferencial (4.10): se r ´e uma raiz da equa¸c˜ao caracter´ıstica, ´e f´acil ver que a fun¸ca˜o er t ´e solu¸c˜ao de (4.10). Analisemos as 3 possibilidades para o discriminante da equa¸c˜ao caracter´ıstica (4.11). 2 1o 4 b > 0. A equa¸c˜ao caracter´ıstica (4.11) tem 2 ¯ caso: ∆ = a ra´ızes reais r1 , r2 dadas por
−
√ a+ a −4b − = 2
r1
2
√ a − a − 4b − = 2
e r2
2
Ent˜ao ´e f´ acil ver que as fun¸c˜oes y1 (t) = er
1
t
e y2 (t) = er
2
t
s˜ao solu¸c˜oes de (4.10). Pelo Teorema 4.2, toda combina¸ca˜o linear dessas fun¸co˜es y(t) = c1 er t + c2 er t (4.12) 1
2
tamb´em ´e solu¸c˜ao de (4.10). Mostraremos em seguida que toda solu¸ c˜ao de (4.10) ´e dessa forma, de modo que a fun¸ c˜ao dada por (4.12) ´e a solu¸ca˜o geral de (4.10). Em primeiro lugar, notemos que, como r 2 + a r + b = (r temos r1 + r2 =
−a e r
1 r2
− r )(r − r ), 1
2
= b e portanto
y + a y + b y =
d y dt
− − − r1 y
r2 y
r1 y
Chamando z = y r2 y, podemos reescrever a equa¸c˜ao diferencial (4.2) na forma z r1 z = 0. (4.13)
−
−
104
Cap. 4
Equa¸coes ˜ Diferenciais Lineares
A solu¸c˜ao geral (4.13) ´e z(t) = C 1 er t , em que C 1 ´e uma constante arbitr´aria. Portanto, a solu¸ca˜o y(t) de (4.1) que procuramos ´e solu¸ c˜ao a da equa¸c˜a o de 1¯ ordem 1
y
−r
2
y = C 1 er t .
(4.14)
1
Resolvendo (4.14), obtemos y(t) = K 1 er t + K 2 er 1
2
t
(4.15)
em que K 1 e K 2 s˜ao constantes arbitr´ arias (K 1 = C 1 /(r1 r2 )). Logo, a express˜ao (4.15) fornece a solu¸ca˜o geral da equa¸c˜ao diferencial (4.1) quando ∆ > 0.
−
Exemplo 4.3. (a) Encontrar a solu¸c˜ ao geral da equa¸c˜ ao y + 3 y
− 10 y = 0
(b) Encontrar a solu¸cao ˜ y(t) dessa equa¸cao ˜ satisfazendo as condi¸c˜ oes y(0) = 7 e y (0) = 0. A equa¸ca˜o caracter´ıstica ´e r 2 + 3 r 10 = 0. Portanto as ra´ızes s˜ao r1 = 2 e r2 = 5. Logo, a solu¸ca˜o geral da equa¸ca˜o diferencial ´e
−
−
y(t) = C 1 e2 t + C 2 e−5 t .
As condi¸c˜oes iniciais y(0) = 7 e y (0) = 0 implicam C 1 + C 2 = 7 2 C 1
− 5 C = 0 2
donde obtemos C 1 = 5 e C 2 = 2. Logo, a solu¸c˜ao ´e y(t) = 5 e2 t + 2 e−5 t . ´ interessante comparar a equa¸c˜ ao diferencial (4.10) Observa¸c˜ ao 4.2. E y + a y + b y = 0 com a correspondente equa¸c˜ ao caraster´ıstica (4.11). r 2 + a r + b = 0. Notemos que a cada derivada da fun¸c˜ ao inc´ ognita em (4.10) corresponde uma potˆencia de r em (4.11); mais especificamente, aos termos y , y e y =“derivada de ordem 0” em (4.1) correspondem, respectivamente, as potˆencias r2 , r e 1“ = r0 ”.
105
Equa¸c˜ ao homogˆenea 2 2o ¯ caso: ∆ = p
− 4 b = 0. Agora, a equa¸c˜ao caracter´ıstica r2 + a r + b = 0,
tem uma raiz dupla: (r1 = r2 =)r = a/2. Repetindo o procedimento do caso anterior, resolvemos a equa¸ ca˜o
−
w
− r w = 0,
cuja solu¸c˜ao ´e w(t) = C e r t . Em seguida, procuramos a solu¸ca˜o geral da equa¸c˜ao y
−ry = Ce
rt
.
Multiplicando pelo fator integrante e−r t , obtemos e−r t y
rt
− r e−
y = C e −r t er t = C
(e−r t y(t))
Integrando, temos e−r t y(t) = C t + D, donde obtemos a express˜ ao da solu¸ca˜o geral da equa¸ca˜o (4.1) quando a equa¸c˜ao caracter´ıstica tem uma raiz dupla y(t) = C t er t + D er t = (C t + D) er t .
(4.16)
ao geral da equa¸c˜ ao diferencial Exemplo 4.4. Encontrar a solu¸c˜ y
− 4 y + 4 y = 0. A equa¸c˜ao caracter´ıstica ´e r − 4 r + 4 = 0, que tem r = 2 como 2
raiz dupla. Portanto, a solu¸c˜ao geral da equa¸ca˜o diferencial ´e y(t) = C e 2 t + D t e2 t .
2 3o 4 b < 0. As ra´ızes da equa¸ca˜o caracter´ıstica tˆem ¯ caso: ∆ = p partes imagin´ arias diferentes de zero. Como, nos dois casos anteriores, a solu¸c˜ao geral de (4.2) ´e dada em termos da fun¸ c˜ao exponencial. A
−
106
Cap. 4
Equa¸coes ˜ Diferenciais Lineares
diferen¸ca ´e que, neste caso, a solu¸ca˜o ´e uma fun¸c˜a o complexa. Se r1 = α + i β e r2 = α i β s˜ao as ra´ızes da equa¸c˜ao caracter´ıstica (4.11), ent˜ ao toda solu¸ca˜o da equa¸ca˜o diferencial (4.10) ´e dada por
−
y(t) = C 1 er t + C 2 er t , 1
2
em que C 1 , C 2 s˜ao constantes (que podem ser complexas). Isto n˜ ao ´e plenamente satisfat´orio, pois gostar´ıamos de obter solu¸c˜oes reais da equa¸c˜ao (4.10). Para resolver esse problema, usaremos o seguinte resultado.
Teorema 4.3. Se y(t) = u(t) + i v(t) ´e uma solu¸c˜ ao complexa (com u(t) , v(t) reais) da equa¸c˜ ao diferencial y (t) + a y + b y = f (t) + i g(t),
(4.17)
em que os coeficientes a e b s˜ ao constantes reais e f (t) e g(t) s˜ ao fun¸c˜ oes reais, ent˜ ao u(t) e v(t) s˜ ao solu¸c˜ oes, respectivamente, das equa¸c˜ oes u + a u + b u = f (t) (4.18) e v + a v + b v = g(t).
(4.19)
Demonstra¸c˜ ao: Como y(t) = u(t) + i v(t) ´e uma solu¸ca˜o de (4.17), temos u (t) + i v (t) + a [u (t) + i v (t)] + b [u(t) + i v(t)] = f (t) + i g(t), Separando parte real e parte imagin´ aria, temos u (t) + a u (t) + b u(t) = f (t) v (t) + a v (t) + b v(t) = g(t) , isto ´e, u e v s˜ao solu¸c˜oes de (4.18) e (4.19), respectivamente.
107
Equa¸c˜ ao homogˆenea
Apliquemos o Teorema 4.3 a` equa¸ca˜o (4.10). Se r1 = α + i β e r2 = α i β s˜ao as ra´ızes da equa¸ca˜o caracter´ıstica (4.11), ent˜ ao qualquer uma das solu¸co˜es complexas
−
y1 (t) = e(α+i β ) t = eα t cos(β t) + i eα t sen(β t) y2 (t) = e(α−i β ) t = eα t cos(β t) i eα t sen(β t)
−
d´a origem a`s solu¸c˜oes reais z1 (t) = eα t cos β t e z2 (t) = eα t sen β t da equa¸ca˜o (4.1). Como nos casos anteriores, mostramos que a solu¸c˜ao geral da equa¸c˜ao diferencial para este caso (∆ < 0) ´e z(t) = eα t [A cos β t + B sen β t]
(4.20)
ao geral da equa¸c˜ ao y +4y +13 y = 0. Exemplo 4.5. Encontrar a solu¸c˜ A equa¸c˜ao caracter´ıstica ´e r 2 + 4 r + 13 = 0, cujas solu¸c˜o es s˜ao r1 = 2 + 3 i e r1 = 2 3 i. Portanto, as fun¸c˜oes
−
− −
y1 (t) = e−2t (cos 3 t + i sen 3 t) e y2 (t) = e−2t (cos 3 t
− i sen 3 t)
s˜ao solu¸co˜es complexas da equa¸ca˜o diferencial dada. Logo, as fun¸c˜oes z1 (t) = e−2t cos 3 t e z2(t) = e−2t sen 3 t s˜ao solu¸co˜es reais da equa¸c˜ao e sua solu¸ca˜o geral real ´e
z(t) = e−2t a cos 3 t + b sen 3 t ,
a, b
∈ R.
Exemplo 4.6. (Oscila¸c˜ oes livres n˜ ao amortecidas) Consideremos o sistema massa-mola descrito no Cap´ıtulo 2. Suponhamos que n˜ ao haja atrito e que seja nula a resultante das for¸cas externas atuando sobre a massa. Chamando ω = k/m, a equa¸c˜ ao (2.3) fica
y + ω 2 y = 0 .
(4.21)
108
Cap. 4
Equa¸coes ˜ Diferenciais Lineares
A equa¸c˜ao caracter´ıstica ´e r2 +ω 2 = 0, cujas solu¸co˜es s˜ao r = ω i. Logo, as fun¸c˜oes y1(t) = cos ω t e y2(t) = sen ω t s˜ao solu¸co˜es linearmente independentes de (4.21) e a solu¸ca˜o geral ´e
±
a b y(t) = a cos ω t + b sen ω t = A cos ω t + sen ω t . A A
√
√
em que A = a2 + b2 . Chamando cosα = a/ a2 + b2 , sen α = b a2 + b2 e usando a igualdade cos(ω t α) = cos α cos ω t+sen α sen ω t, podemos escrever y(t) = A cos(ω t α).
√
−
−
O gr´afico da solu¸c˜ao tem o aspecto mostrado na figura 4.1 abaixo. Ty
2π ω
A
E
x
Figura 4.1
Exemplo 4.7. (Oscila¸c˜ oes livres amortecidas) Suponhamos que seja nula a resultante das for¸cas externas atuando sobre a massa e que o movimento esteja sujeito a uma for¸ca de atrito propocional a` velocidade. Ent˜ ao, a equa¸c˜ ao (2.3) fica y + b y + ω2 y = 0
(4.22)
A equa¸c˜ao caracter´ıstica de (4.22) ´e r2 +b r+ω2 = 0. Seja ∆ = b2 4 ω 2 . Se ∆ > 0, a equa¸ca˜o caracter´ıstica tem duas ra´ızes reais negativas r1 = ( b + ∆)/2 e r2 = ( b ∆)/2 (notemos que b2 4 ω 2 < r). Portanto, a solu¸ca˜o geral da equa¸c˜ao (4.22) ´e
− √
− −√
√ −
−
y(t) = c1 er t + c2 er t. 1
2
Como r1 < 0 e r2 < 0, temos que y(t) 0, quando t da solu¸ca˜o ´e mostrado nas figuras 4.2 e 4.3 abaixo.
→
→ ∞. O gr´afico
109
Equa¸c˜ ao homogˆenea
Se ∆ = 0, a equa¸ca˜o caracter´ıstica tem uma raiz real dupla negativa r = r/2. Portanto, a solu¸c˜ao geral da equa¸ca˜o (4.22) ´e
−
y(t) = (c1 + c2 t) er t . Como no caso anterior, y(t) 0, quando t solu¸ca˜o ´e mostrado nas figuras 4.2 e 4.3).
→
T y
→ ∞ (o gr´afico de uma tal
T y t
Et
E
Figura 4.2
Figura 4.3
Se b2 4 ω2 < 0, as ra´ızes s˜ a o n´ umeros complexos com parte real negativa (isto implica que y(t) 0, quando t ) e partes imagin´arias n˜ao nulas. Escrevendo λ = α + i β , com α = b/2 β = 4 ω 2 b2 /2, a solu¸ca˜o geral ´e
−
√
→
→∞ −
−
αt
y(t) = e
c1 cos β t + c2 sen β t .
´ f´acil ver que uma tal solu¸ca˜o tende a zero oscilando uma infinidade E de vezes. O gr´afico da solu¸c˜ao ´e mostrado na figura 4.4 abaixo. y
T
E t
Figura 4.4
110
Cap. 4
Equa¸coes ˜ Diferenciais Lineares
Com as solu¸c˜oes da equa¸c˜ao (4.10) encontradas acima: er t e er t , se a2 > 4 b er t e t er t , (r = a/2), se a2 = 4 b eα t cos β t e t eα t sen β t, se a2 < 4 b 1
2
−
podemos resolver qualquer problema de valor inicial
y + a y + b y = 0 y(t0 ) = y0 , y (t0 ) = y˜0 .
(4.23)
Analisaremos apenas o caso a2 > 4 b : os outros s˜ao tratados de modo an´alogo e ficam como exerc´ıcio. Procuremos a solu¸ ca˜o do problema de valor inicial na forma y(t) = Cer t + De r 1
2
t
Impondo as condi¸co˜es iniciais y(t0 ) = y0 , e y (t0 ) = y˜0 , obtemos o seguinte sistema de 2 equa¸co˜es nas vari´aveis C, D:
er r1 er
1
t0
1
t0
C + er t D = y0 C + r2 er t C = y˜0 2
2
0
(4.24)
0
cuja matriz dos coeficientes
er t r1 er t 1
0
1
er t r2 er t 2
0
0
2
0
tem determinante (r1 r2 )e(r +r ) t = 0 (pois r2 = r1 ). Logo, o sistema (4.24) tem sempre uma u´nica solu¸c˜ao (C, D), que fornece a (´unica) solu¸c˜ao procurada y(t) do problema de valor inicial (4.23).
−
2
1
0
ao do problema de valor inicial Exemplo 4.8. Encontrar a solu¸c˜ y
− 2 y − 3 y = 0,
y(0) = 3 y (0) = 5
˜ N AO ˜ HOMOGENEA ˆ 4.4. EQUAC ¸ AO
111
A equa¸ca˜o caracter´ıstica ´e r 2 2 r 3 = 0, que tem as ra´ızes r1 = 3 e r2 = 1. Portanto, a solu¸ca˜o geral da equa¸ca˜o homogˆenea ´e
− −
−
y(t) = a e3 t + b e−t,
a, b
∈ R. As condi¸c˜oes iniciais implicam a + b = 3, 3 a − b = 5, donde a = 2 e b = 1. Logo, a solu¸ca˜o procurada ´e
y(t) = 2 e3 t + e−t . ao de cada PVI abaixo: Exerc´ıcio 4.4. Encontre a solu¸c˜ (a)
(c)
(e)
4.4
y 2 y = 0 y(0) = 1, y (0) =
−
−1
y 2 y + 2 y = 0 y(0) = 1, y (0) = 3
−
y + 25 y = 0 y(0) = 3, y (0) = 3
(b)
(d)
(f )
y + 4 y 2 y = 0 y(0) = 3, y (0) = 5
−
y 2 y + y = 0 y(0) = 3, y (0) = 2
−
y + 4 y + 9 y = 0 y(0) = 3, y (0) = 0
Equa¸c˜ ao N˜ ao Homogˆ enea
Analisaremos agora a equa¸c˜ao n˜ao homogˆenea y + a(t) y + b(t) y = h(t).
(4.25)
em que a(t), b(t) e h(t) s˜ao fun¸co˜es cont´ınuas em um intervalo I . Como conseq¨ uˆencia do Teorema 4.2 (Princ´ıpio de Superposi¸ ca˜o), temos o seguinte resultado.
Corol´ ario 4.3. Se z1 (t) e z2 (t) s˜ ao solu¸c˜ oes da equa¸cao ˜ n˜ ao homogˆenea y + a(t) y + b(t) y = h(t), ent˜ ao a fun¸c˜ ao w(t) = z1 (t) z2(t) ´e solu¸c˜ ao da correspondente equa¸c˜ ao homogˆenea y + a(t) y + b(t) y = 0. (4.26)
−
112
Cap. 4
Equa¸coes ˜ de Segunda Ordem
Como conseq¨ uˆencia do Corol´ario 4.26, a solu¸ca˜o geral de (4.25) ´e a soma da solu¸c˜a o geral da equa¸ca˜o homogˆenea associada com uma solu¸ca˜o particular de (4.25). Por exemplo, ´e f´ acil ver que a fun¸c˜ao z(t) = 2 ´e uma solu¸ca˜o da equa¸c˜ao
−
y + 3 y
− 10 y = 20.
(4.27)
Como a solu¸ca˜o geral da equa¸c˜ao homogˆenea associada ´e a e2 t + b e−5 t , a , b R, segue-se que a solu¸ca˜o geral da equa¸c˜ao (4.27) ´e
∈
y(t) = 2 + a e2 t + a e−5 t ,
a, b
∈ R.
Estudaremos, a seguir, dois m´ etodos para encontrar uma solu¸ c˜ao particular de (4.25): o m´etodo de varia¸ c˜ao dos parˆametros e o m´etodo dos coeficientes indeterminados. Estaremos especialmente interessados no caso em que os coeficientes a e b s˜ao constantes reais.
4.5
M´ etodo de Varia¸ c˜ ao dos Parˆ ametros
Sejam y1 (t), y2 (t) duas solu¸co˜es linearmente independentes (isto ´e, nenhuma dessas fun¸co˜es ´e m´ ultipla constante da outra) da equa¸c˜ao linear homogˆenea de segunda ordem y + a(t) y + b(t) y = 0 .
(4.28)
Vimos que, quaisquer que sejam as constantes c1 e c2 , a fun¸c˜ao z(t) = c1 y1 (t)+c2 y2 (t) ´e solu¸ca˜o de (4.28). Vamos procurar fun¸co˜es u1 (t), u2 (t) de modo que a fun¸c˜ao y p (t) = u1(t) y1 (t) + u2 (t) y2 (t)
(4.29)
seja solu¸ca˜o da equa¸c˜ao diferencial linear de segunda ordem n˜ a o homogˆenea y + a(t) y + b(t) y = h(t). (4.30) Derivando (4.29), temos y p (t) = u1 (t) y1 (t) + u2(t) y2 (t) + u1 (t) y1 (t) + u2 (t) y2 (t) .
113
Varia¸c˜ ao dos parˆ ametros
Para evitar que a express˜ ao da derivada de segunda ordem y p (t) fique excessivamente grande, vamos supor que as fun¸co˜es u1 (t), u2 (t) (que estamos procurando) satisfazem a igualdade u1 (t) y1 (t) + u2 (t) y2 (t) = 0.
(4.31)
y p (t) = u1 (t) y1 (t) + u2 (t) y2 (t).
(4.32)
Ent˜ao y (t) fica
Derivando, obtemos y p (t) = u1 (t) y1 (t) + u1 (t) y1 (t) + u2 (t) y2 (t) + u2 (t) y2 (t).
(4.33)
Substituindo (4.32) e (4.33) na equa¸ca˜o (4.30), obtemos
u1 y1 +a(t) y1 +b(t) y1 +u2 y2 +a(t) y2 +b(t) y2 +u1 y1 +u2 y2 = h(t) . Como y1 + a(t) y1 + b(t) y1 = 0 e y2 + a(t) y2 + b(t) y2 = 0, essa rela¸c˜ao fica u1 y1 + u2 y2 = h(t) . Logo, as fun¸co˜es procuradas u1 , u2 devem satisfazer
u1 y1 + u2 y2 = 0 u1 y1 + u2 y2 = h(t) .
Resolvendo esse sistema obtemos u1 , u2. Integrando essas fun¸co˜es, obtemos u1 , u2 e portanto a solu¸ca˜o y p (t). ao geral da equa¸c˜ ao diferencial Exemplo 4.9. Encontrar a solu¸c˜ 2 e2 t y − 4y +4y = .
(4.34) t3 A solu¸ca˜o geral da equa¸ca˜o homogˆenea associada ´e yh(t) = e2 t (a + b t), a , b R. Procuraremos uma solu¸ ca˜o particular da equa¸c˜ao (4.34) na 2t 2t forma y p (t) = u(t) e + v(t) t e . De acordo com a teoria vista acima, as fun¸c˜oes u e v devem satisfazer
∈
u (t) e2 t + v (t) t e2 t = 0
2 e2 t 2t 2t 2 u (t)e + v (t)(1 + 2 t) e = . t3
114
Cap. 4
Equa¸coes ˜ de Segunda Ordem
Resolvendo esse sistema, obtemos u (t) = 2/t2 e v (t) = 2/t3 . Integrando, temos u(t) = 2/t e v(t) = 1/t2. Portanto, uma solu¸ c˜ao particular da equa¸c˜ao n˜ao homogˆenea ´e
−
e2 t y p (t) = 2 t e a sua solu¸ca˜o geral ´e
−
−
e2 t e2 t = t t
1 y(t) = e a + b t + , a, b R. t Exemplo 4.10. Encontrar a solu¸c˜ ao geral da equa¸c˜ ao diferencial π π y + y = tg t,
∈
−
As fun¸co˜es y1 (t) = cos t e y2 (t) = sen t s˜ao solu¸c˜oes linearmente independentes da equa¸ca˜o homogˆenea associada. Procuraremos uma solu¸ca˜o particular da equa¸c˜ao (4.34) na forma y p (t) = u1 cos t + u2 sen t . Ent˜ ao, as fun¸c˜oes u1 e u2 devem satisfazer
−
u1 cos t + u2 sen t = 0 u1 sen t + u2 cos t = tg t .
Resolvendo esse sistema, obtemos u1 (t) = cos t
− sec t
e u2 (t) = sen t .
Integrando essas fun¸co˜es, obtemos: u1 (t) = sen t ln sec t + tg t u2 (t) = cos t .
−
− |
|
Logo, a solu¸c˜ao geral da equa¸ca˜o (4.34) ´e y(t) = a cos t + bsen t
− (cos t) ln | sec t + tg t|,
a, b
∈ R.
No pr´oximo exemplo resolvemos diversas equa¸c˜o es n˜ao homogˆeneas com o mesmo primeiro membro com o objetivo de introduzir um m´etodo mais simples de resolu¸ca˜o.
115
Varia¸c˜ ao dos parˆ ametros
ao geral de cada uma das equa¸coes ˜ Exemplo 4.11. Encontrar a solu¸c˜ n˜ ao homogˆeneas y y y y y
t
− 3 y + 2 y = 6 e− , − 3 y + 2 y = 3 e , − 3 y + 2 y = 8 e , − 3 y + 2 y = 12 t e . − 3 y + 2 y = 9 t e .
(4.36) (4.37) (4.38) (4.39) (4.40)
t
2t
2t
2 2t
A equa¸c˜ao caracter´ıstica da equa¸ca˜o homogˆenea associada ´e r2
− 3 r + 2 = (r − 1) (r − 2) = 0.
Logo, a solu¸c˜ao geral da equa¸ca˜o homogˆenea associada ´e yH (t) = a et + b e2 t , a,b
∈ R.
Vamos procurar uma solu¸ca˜o da equa¸ca˜ o n˜ao homogˆenea (4.36) na forma y p (t) = u(t)et + v(t)e2 t . Ent˜ao u(t) e v(t) devem satisfazer
u et + v e2 t = 0 u et + 2 v e2 t = 6 e−t .
Resolvendo esse sistema, obtemos u = 6 e−2 t e mos ent˜ao tomar u(t) = 3 e−t e v(t) = 2 e−3 t . particular de (4.36) ´e y p (t) = e−t e a solu¸c˜ao geral
− −
y(t) = e−t + a et + b e2 t , a,b
v = 6 e−3 t . PodeLogo, uma solu¸c˜ao de (4.36) ´e
∈ R.
Analisemos agora a equa¸ca˜o (4.37). Procuremos uma solu¸ca˜o dessa equa¸c˜ao na forma y p (t) = u(t)et + v(t)e2 t . Ent˜ao u(t) e v(t) satisfazem
u et + v e2 t = 0 u et + 2 v e2 t = 3 et
116
Cap. 4
Equa¸coes ˜ de Segunda Ordem
Resolvendo esse sistema, obtemos u = 3 e v = 3 e−t . Portanto, podemos tomar u(t) = 3 t e v(t) = 3 e−t . Portanto, uma solu¸c˜ao particular de (4.37) ´e y p (t) = 3 t et 3 et e a solu¸ca˜o geral de (4.37) ´e y(t) = 3 t et + a et + b e2 t , a , b 3 et de y p (t) R. (a parcela n˜ao comparece explicitamente na express˜ ao da solu¸c˜ao geral, pois ela ´e solu¸ca˜o da equa¸c˜ao homogˆenea). Vamos procurar uma solu¸ca˜o da equa¸ca˜o n˜ao homogˆenea (4.38) na forma y p (t) = u(t)et + v(t)e2 t. Ent˜ao u(t) e v(t) devem satisfazer
−
−
−
− − ∈
−
−
u et + v e2 t = 0 u et + 2 v e2 t = 8 e2 t
Resolvendo esse sistema, obtemos v = 8 e u = 8 et . Portanto, podemos tomar u(t) = 8 et e v(t) = 8 t. Logo, uma solu¸ca˜o particular de (4.38) ´e y p (t) = 8 e2 t + 8 t e2 t e a solu¸ca˜o geral de (4.38) ´e y(t) = 8 t e2 t + a et + b e2 t , a , b R (notemos que a parcela 8 e2 t de y p (t) ´e solu¸c˜ao da equa¸c˜ao homogˆenea; por isso, ela n˜ ao comparece explicitamente na express˜ ao da solu¸ca˜o geral). Busquemos uma solu¸ca˜o da equa¸ca˜o n˜ao homogˆenea (4.39) na forma y p (t) = u(t)et + v(t)e2 t . Ent˜ao u(t) e v(t) devem satisfazer
−
−
−
∈
−
u et + v e2 t = 0 u et + 2 v e2 t = 12 t e2 t
Resolvendo esse sistema, obtemos u = 12 t et e v = 6 t2. Portanto, podemos tomar u(t) = 12 t et + 12 et e v(t) = 6 t2. Logo, uma solu¸c˜ao particular de (4.39) ´e y p (t) = (12 12 t + 6 t2 ) e2 t e a solu¸c˜ao geral de (4.39) ´e y(t) = (b 12 t+6 t2 ) e2 t +a et , a,b R (como antes, a parcela 12 e2 t ´e absorvida pela constante b na express˜ ao da solu¸ca˜o geral). Analisemos, finalmente, a equa¸c˜ao (4.40). Procurando uma solu¸c˜ao dessa equa¸ca˜o na forma y p (t) = u(t) et + v(t) e2 t, vemos que u(t) e v(t) devem satisfazer u et + v e2 t = 0 u et + 2 v e2 t = 9 t2 e2 t
−
−
−
−
∈
Resolvendo esse sistema, obtemos v = 9 t2 e u = 9 t2 et . Portanto, podemos tomar u(t) = ( 9 t2 +18 t 18) et (para obter u(t) integramos
−
−
−
´ 4.6. M ETODO DOS COEFICIENTES A DETERMINAR
117
por partes duas vezes) e v(t) = 3 t3 . Logo, uma solu¸ca˜o particular de (4.40) ´e y p (t) = (3 t3 9 t2 + 18 t 18) e2 t e a solu¸ca˜o geral de (4.40) ´e y(t) = (3 t3 9 t2 + 18 t) e2 t + a et + b e2 t , a,b R.
−
−
−
∈
Exerc´ıcio 4.5. (I) Usando o m´etodo de varia¸ c˜ ao dos parˆ ametros, encontre uma solu¸c˜ ao particular para cada uma das equa¸ c˜ oes diferenciais: (a) y + y = sec t,
−π < t < π ;
2 3 (c) y + 3y = t − 1 (e) y + 4y = sen t
2
(b) 3y + 4y + y = e−t sen t (d) y y = t et ; (f ) y + y = sen t
−
(II) Para cada uma das equa¸coes ˜ em (I), encontre a solu¸c˜ ao tal que y(0) = 0 e y (0) = 0.
4.6
M´ etodo dos Coeficientes a Determinar
Quando o termo for¸cante da equa¸ca˜o linear de segunda ordem n˜ ao homogˆenea com coeficientes constantes y + a y + b y = h(t) ,
(4.41)
tem uma forma especial, ´e f´ acil encontrar uma solu¸c˜ao particular dessa equa¸c˜ao. Por exemplo, se h(t) ´e uma fun¸ca˜o polinomial, ´e razo´ avel procurar uma solu¸c˜ao de (4.41) na forma de um polinˆ omio, se h(t) ´e uma fun¸c˜ao exponencial, procuramos a solu¸ca˜o de (4.41) na forma exponencial e se h(t) ´e uma combina¸ca˜o de senos e cossenos, devemos buscar a solu¸ca˜o como uma combina¸ca˜o de senos e cossenos: este m´etodo ´e conhecido como m´etodo dos coeficientes indeterminados ou m´etodo dos coeficientes a determinar . Mais precisamente, consideremos a equa¸c˜ao diferencial
y + a y + b y = eα t pm (t)sen β t + qn (t) cos β t
(4.42)
em que pm(t) e qm (t) s˜ao polinˆomios de graus m e n, respectivamente. Seja o maior dos n´ umeros m e n. Se os n´umeros α i β n˜ao s˜ao ra´ızes da equa¸c˜ao caracter´ıstica, procuramos a solu¸ c˜ao na forma
±
y(t) = eα t P (t)sen β t + Q (t) cos β t .
(4.43)
118
Cap. 4
Equa¸coes ˜ de Segunda Ordem
Se os n´ umeros α i β s˜ao ra´ızes da equa¸c˜ao caracter´ıstica com multiplicidade k (notemos que, sendo (4.42) uma equa¸ca˜o de segunda ordem, podemos ter k = 1 ou k = 2), procuramos a solu¸ca˜o na forma
±
y(t) = tk eα t P (t)sen β t + Q (t) cos β t .
Exemplo 4.12. Encontrar a solu¸c˜ ao geral da equa¸c˜ ao diferencial y
− 3y + 2y = 2t + 1 .
A equa¸c˜ao caracter´ıstica da equa¸ca˜o homogˆenea associada ´e r 2 3r + 2 = 0, que tem as solu¸c˜oes r1 = 1 e r2 = 2. Logo, a solu¸c˜ao geral da equa¸c˜ao homogˆenea associada ´e yH (t) = C e t + D e2t , C, D R. Procuremos uma solu¸ca˜o particular da equa¸c˜ao n˜ao homogˆenea na forma y(t) = a t+b; ent˜ao y (t) = a, y = 0. Substituindo na equa¸c˜ao 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 solu¸ca˜o particular da equa¸c˜ao diferencial n˜ ao homogˆenea ´e y p (t) = t +2. Logo, a solu¸c˜ao geral da equa¸c˜ao n˜ao homogˆenea ´e y(t) = C e t + D e2t + t + 2,
C, D
∈ R.
ao geral da equa¸c˜ ao diferencial Exemplo 4.13. Encontrar a solu¸c˜ y
2
− 3 y = 18 t − 6 t − 8 .
A solu¸c˜ao geral da equa¸ca˜o homogˆenea ´e yH (t) = c1 +c2 e3 t , c1 , c2 R. Como o termo for¸cante ´e um polinˆomio de grau 2, somos induzidos a repetir o procedimento do Exemplo 4.12 e procurar a solu¸c˜ao como um polinˆomio de grau 2: y p (t) = a + b t + c t2 . Substituindo y p (t) = b + 2 c t e y p (t) = 2 c na equa¸ca˜o diferencial chegaremos a y 3y = 2 c 3 (b + 2 c t), um polinˆomio de grau 1, que n˜ao pode ser igual a 18 t2 6 t 8, que ´e um polinˆomio de grau 2. O problema aqui ´e que, para qualquer polinˆomio de grau m, P (t), a express˜ao P (t) 3 P (t)
∈
− − −
−
−
119
Coeficientes a determinar
´e um polinˆ omio de grau m 1 (isto est´ a relacionado com o fato que r = 0 ´e uma raiz da equa¸ c˜ao caracter´ıstica). Para compensar esse decr´escimo no grau do polinˆ omio, procuraremos nossa solu¸c˜ao na forma 2 y p (t) = t (a + b t + c t ) = a t + b t2 + c t3. Substituindo na equa¸c˜ao diferencial y p (t), y p (t) = a + 2 b t + 3 c t2 e y p (t) = 2 b + 6 c t, temos 2 b + 6 c t 3 (a + 2 b t + 3 c t2) = 18 t2 6 t 8, donde obtemos c = 2, b = 1 e a = 2. Assim, uma solu¸ca˜o particular da equa¸ca˜o n˜ao homogˆenea ´e y p (t) = 2 t3 t2 + 2 t e sua solu¸c˜ao geral ´e
−
−
− −
− −
− −
y(t) = d1 + d2 e3 t
3
2
− 2t − t
+ 2 t,
d1 , d2
∈ R.
ao geral da equa¸c˜ ao diferencial Exemplo 4.14. Encontrar a solu¸c˜ y
3t
− 3 y + 2 y = 20 e−
.
Pelo exemplo 4.12, a solu¸c˜a o geral da equa¸c˜ao homogˆenea associaR. Procuremos uma solu¸ da ´e yH (t) = a et + b e2t , a, b ca˜o par− 3t ticular da equa¸c˜a o n˜ao homogˆenea na forma y(t) = c e ; ent˜ ao y (t) = 3 c e−3t , y (t) = 9 a e−3t . Substituindo na equa¸c˜ao diferencial, obtemos 9 c e−3t 3( 3 c e−3t) + 2 c e−3t = 20 e−3t
∈
−
− −
donde c = 1. Assim, uma solu¸ca˜o particular da equa¸c˜ao dada ´e y p (t) = e−3t . Logo, a solu¸c˜ao geral da equa¸ca˜o diferencial n˜ ao homogˆenea ´e y(t) = yH (t) + y p (t) = a et + b e2t + e−3t
a, b
∈ R.
ao geral da equa¸c˜ ao linear Exemplo 4.15. Encontrar a solu¸c˜ y
2t
− 3 y + 2 y = 5 e
.
(4.44)
A solu¸ca˜o geral da equa¸c˜ao homogˆenea associada ´e yh (t) = a et + b e2t, a, b R. Notemos que o termo for¸cante da equa¸c˜ao diferencial (4.44) ´e uma solu¸c˜ao da equa¸ca˜o homogˆenea y 3 y + 2 y = 0. Assim, ser´a perda de tempo procurar uma solu¸ca˜o de (4.44) na forma y(t) = c e2t , pois essa fun¸c˜ao ´e solu¸c˜a o da equa¸ca˜o homogˆenea; de fato, se procurarmos uma solu¸ca˜o de (4.44) na forma y(t) = c e2t , chegaremos a 4 c e2t 6 c e2t + 2 c e2t = 5 e2t ou 0 c e2t = 5 e2t ,
∈
−
−
120
Cap. 4
Equa¸coes ˜ de Segunda Ordem
e portanto, n˜ a o existe tal c. O Exemplo 4.11 sugere que tentemos uma solu¸ca˜o particular da equa¸c˜a o (4.44) na forma y p (t) = c t e2 t . Substituindo y p (t) = c t e2t , y p (t) = c e2t + 2 c t e2t , y p (t) = 4 c e2t + 4 c t e2t na equa¸ca˜o (4.44), temos 4 c e2t + 4 c t e2t
− 3 (c e
2t
+ 2 c t e2t ) + 2 c t e2t = 5 e2t
donde obtemos c = 5. Assim, uma solu¸ca˜o particular ´e y p (t) = 5 t e2t e a solu¸c˜ao geral de (4.44) ´e y(t) = a et + b e2t + 5 t e2t ,
a, b
∈ R.
Exemplo 4.16. Encontrar a solu¸c˜ ao geral da equa¸cao ˜ linear n˜ ao homogˆenea y 4 y + 4 y = 16 e2t . (4.45)
−
A solu¸c˜ao geral da equa¸ca˜o homogˆenea associada ´e yh (t) = (a + b t) e2t , R. Como no Exemplo 4.15, ´ a, b e perda de tempo procurar uma solu¸ca˜o de (4.15) na forma y(t) = c e2t ou mesmo y(t) = c t e2t , pois essas fun¸c˜oes s˜ao solu¸co˜es da equa¸c˜ao homogˆenea. Procuremos ent˜ ao 2 2t uma solu¸ca˜o particular da equa¸ca˜o (4.45) da forma y p (t) = c t e . Substituindo na equa¸ca˜o (4.45): y p (t) = c t2 e2t, y p (t) = 2 c t e2t + 2c t2 e2t = c e2 t (2 t + 2 t2 ), y p (t) = 2 c e2t + 4 c t e2t + 4 c t e2t + 4 c t2 e2t = c e2 t (2 + 8 t + 4 t2 ), temos
∈
c e2 t [2 + 8 t + 4 t2
2
2
2t
− 4 (2 t + 2 t ) + 2 t ] = 16 e
donde obtemos c = 8. Assim, uma solu¸c˜ao particular ´e y p (t) = 8 t2 e2t e a solu¸c˜ao geral de (4.44) ´e y(t) = (a + b t + 8 t2 ) e2t ,
a, b
∈ R.
Exemplo 4.17. Encontrar a solu¸c˜ ao geral da equa¸c˜ ao diferencial y
− 3 y + 2 y = 10sen t .
121
Coeficientes a determinar
A solu¸ca˜o geral da equa¸c˜ao homogˆenea associada ´e yg (t) = a et + b e2t ,
a, b
∈ R.
Procuremos uma solu¸c˜ao particular da equa¸ca˜o n˜ao homogˆenea na forma y(t) = c sen t + d cos t; ent˜ao y (t) = c cos t d sen t , y (t) = na equa¸c˜ao diferencial, temos
−
−c sen t − d cos t. Substituindo
( 3 c + d) cos t + (c + 3 d)sen t = 5 sen t .
−
donde obtemos c = 1 e d = 3. Logo, uma solu¸ca˜o particular da equa¸c˜ao n˜ao homogˆenea ´e y p (t) = 3 cos t + sen t e a sua solu¸ca˜o geral ´e y(t) = a et + b e2t + 3 cos t + sen t ,
a, b
∈ R.
ao geral da equa¸c˜ ao diferencial Exemplo 4.18. Encontrar a solu¸c˜ y + 4 y = 8 cos 2 t . A equa¸ca˜o caracter´ıstica ´e r2 + 4 = 0, que tem as ra´ızes 2 i; portanto solu¸ca˜o geral da equa¸c˜ao homogˆenea associada y + 4 y = 0 ´e
±
yH (t) = c1 cos 2 t + c2 sen 2 t,
c1 , c2
∈ R.
Como o termo for¸cante ´e solu¸ca˜o da equa¸ca˜o homogˆenea, procuraremos uma solu¸ca˜o particular da equa¸c˜ao n˜ao homogˆenea na forma y(t) = t (a cos 2 t + b sen 2 t); ent˜ao y (t) = a cos 2 t+ b sen 2 t +t ( 2 a sen 2 t+ 2 b cos 2 t) , y (t) = 4 a sen 2 t + 4 b cos 2 t + t ( 4 a cos 2 t 4 b sen 2 t). Substituindo na equa¸c˜ao diferencial, obtemos a = 0 e b = 2. Assim, uma solu¸c˜ao particular da equa¸c˜a o n˜ao homogˆenea ´e y p (t) = 2 t sen 2 t. Logo, a solu¸ca˜o geral da equa¸c˜ao n˜ao homogˆenea ´e
−
−
−
−
y(t) = c1 cos 2 t + c2 sen 2 t + 2 t sen 2 t,
c1 , c2
∈ R.
122
Cap. 4
Equa¸coes ˜ de Segunda Ordem
ao geral da equa¸c˜ ao linear Exemplo 4.19. Encontrar a solu¸c˜ y
t
− 4 y + 4 y = 12 t e− .
(4.46)
Como nos exemplos anteriores, yH (t) = a et + b e2t , a , b R. Vamos procurar uma solu¸c˜ao particular da equa¸ca˜o n˜ao homogˆenea na forma
∈
y(t) = (c + d t) e−t ; ent˜ ao y (t) = d e−t (c + d t) e−t , y (t) = 2 d e−t + (c + d t) e−t . Substituindo na equa¸ca˜o diferencial e cancelando o fator comum e−t , temos
−
−
−2 d + c + d t − 3 d + 3 c + 3 d t + 2 c + 2 d t = 12 t , donde obtemos c = 5 e d = 2. Logo, uma solu¸ca˜o particular da equa¸c˜ao n˜ao homogˆenea ´e y p (t) = (5 + 6 t)e−t e a sua solu¸c˜ao geral ´e y(t) = a et + b e2t + (5 + 6 t)e−t ,
a, b
∈ R.
ao geral da equa¸c˜ ao linear Exemplo 4.20. Encontrar a solu¸c˜ y
2 2t
− 3 y + 2 y = 9 t e . , a , b ∈ R. Como e
(4.47)
2t Temos yH (t) = a et + b e2t ´e solu¸c˜ao da equa¸c˜ao homogˆenea associada, vamos procurar uma solu¸ c˜ao particular da equa¸c˜ao n˜ao homogˆenea na forma
y(t) = t (c + d t + p t2) e2 t = (c t + d t2 + p t3 ) e2 t ; ent˜ ao
y (t) = c + (2 c + 2 d) t + (2 d + 3 p) t2 + 2 p t3 e2 t y (t) = 4 c + 2 d + (4 c + 8 d + 6 p) t + (4 d + 12 p) t2 + 4 p t3 e2 t .
Substituindo na equa¸ca˜o diferencial e cancelando o fator comum e2 t , temos c + 2 d + (2 d + 6 p) t + 3 p t2 = 9 t2 , donde obtemos c = 18, d = 9 e p = 3. Logo, uma solu¸ca˜o particular da equa¸ca˜ o n˜ao homogˆenea ´e y p (t) = (18 t 9 t2 + 3 t3 ) e2 t e a sua solu¸ca˜o geral ´e
−
y(t) = a et + (b + 18 t
−
2
− 9t
+ 3 t3) e2 t ,
a, b
∈ R.
(4.48)
123
Coeficientes a determinar
Observa¸c˜ao 4.3. Como se pode notar nos exemplos acima, em algumas equa¸coes ˜ - especialmente quando o termo for¸cante cont´ em os 3 αt fatores: e , pm (t) e cos β t (ou sen β t) - o m´ etodo acima conduz a c´ alculos excessivamente longos. Em tais casos, ´e conveniente fazer a mudan¸ca de vari´ avel y(t) = eα t z(t), que transforma (4.42) na equa¸c˜ ao z + (2 α + p) z + (α2 + a α + b ) z = pm(t)sen β t + qn (t) cos β t . Vamos refazer o Exemplo 4.20 usando essa mudan¸ca de vari´ avel ao particular da equa¸cao ˜ linear Exemplo 4.21. Encontrar uma solu¸c˜ y
2 2t
(4.49) − 3 y + 2 y = 9 t e . , a , b ∈ R. Substituindo na equa¸ca˜o (4.49)
Temos yH (t) = a et + b e2t y(t) = e2 t v(t), y (t) = e2 t v (t) + 2 v(t) e y (t) = e2 t v (t) + 4 v (t) + 4 v(t) e cancelando o fator comum e2 t , temos
v (t) + v (t) = 9 t2 .
(4.50)
Vamos procurar uma solu¸c˜ao de (4.50) na forma v(t) = c t + d t2 + p t3 ; ent˜ao v (t) = c + 2 d t + 3 p t2 , v (t) = 2 d + 6 p t. Substituindo esses valores na equa¸c˜ao, temos c + 2 d + (2 d + 6 p) t + 3 p t2 = 9 t3 donde obtemos c = 18, d = 9 e p = 3. Logo, uma solu¸ca˜o particular da equa¸ca˜o n˜ao homogˆenea ´e y p (t) = (18 t 9 t2 + 3 t3 ) e2 t .
−
−
ao geral da equa¸c˜ ao Exemplo 4.22. Encontrar a solu¸c˜ y
3t
− 6 y + 9 y = t e
sen t.
Chamando y(t) = e3 t z(t), temos y (t) = 3 e3 t z(t) + e3 t z (t) e y (t) = 9 e3 t z(t) + 6 e3 t z (t) + e3 t z (t). Substituindo essas express˜oes na equa¸ca˜o diferencial, obtemos z (t) = t sen t .
124
Cap. 4
Equa¸coes ˜ de Segunda Ordem
Integrando duas vezes, temos z(t) = a + b t Logo, a solu¸c˜ao y(t) da equa¸ca˜o original ´e y(t) = (a + b t) e3 t
3t
−e
( t sen t
− t sen t − 2 cos t, a,b ∈ R.
− 2 cos t) ,
a, b
∈ R.
Para comparar o quanto os c´ alculos ficam simplificados com a mudan¸ca acima, resolva a equa¸ca˜o acima sem fazer a mudan¸ca de vari´ avel, isto ´e, substituindo diretamente na equa¸ca˜o diferencial a express˜ ao y(t) = e3 t [(A + B t) cos t + (C + D t)sen t].
Exemplo 4.23. Oscila¸co ˜es for¸cadas n˜ ao amortecidas. Consideremos novamente o sistema massa-mola (veja o Cap´ıtulo 2 e os exemplos 4.6 e 4.7). Suponhamos que seja nulo o atrito e que a resultante das for¸cas externas atuando sobre a massa seja B cos γ t ( γ > 0 ´e uma constante). Ent˜ ao, a equa¸c˜ ao (2.3) fica y + ω2 y = B cos γ t
(4.51)
A solu¸ca˜o geral da equa¸ca˜o homogˆenea associada ´e y(t) = a cos ω t+ b sen ω t . Procuremos uma solu¸ca˜o particular da equa¸c˜ao (4.51) na forma y p (t) = c cos γ t + d sen γ t. Substituindo essa fun¸ca˜o na equa¸ca˜o, temos c (ω2
2
2
Se γ = ω, obtemos
2
− γ ) cos γ t + d (ω − γ )sen γ t = B cos γ t . c=
B ω2
e uma solu¸ca˜o particular ´e y p (t) =
2
− γ
,
d=0
B ω2
2
− γ
cos γ t.
(4.52)
Logo, a solu¸c˜ao geral de (4.51) ´e y(t) = a cos ω t + b sen ω t +
B ω2
2
− γ
cos γ t .
´ claro que a solu¸ca˜o particular obtida em (4.52) ´e peri´ E odica de per´ıodo 2 2 2π/γ e amplitude B/(ω γ ). Notemos que, quando γ se aproxima de
−
125
Coeficientes a determinar
ω, a amplitude dessa solu¸c˜ cao a˜o vai tornando cada vez maior: isso indica um fenˆ omeno omeno de ressonˆ ancia. De fato, mostremos que, para γ = ω, as ancia. solu¸c˜ coes o˜es da equa¸c˜ c˜ao ao (4.51) n˜ ao permanecem limitadas quando t ao . Para γ = ω , a equa¸c˜ cao a˜o (4.51) fica
→∞
y + ω 2 y = B cos ω t
(4.53)
Como i ω ´e raiz rai z da equa¸ equ a¸c˜ cao a˜o caracter´ caracter´ıstica de (4.52), devemos procurar uma solu¸c˜ cao a˜o particular dessa equa¸c˜ cao a˜o (4.52) na forma y p (t) = t (c cos ω t + d sen ω t). Substituindo na equa¸c˜ cao ˜ao diferencial, obtemos 2 d ω cos ω t
− 2 c ω sen ω t = B cos ω t
donde obtemos c = 0, d = A/(2 A/(2ω ω). Assim, uma solu¸c˜ c˜ao ao partic par ticula ularr ´e y p (t) =
B t sen ω t , 2ω
que n˜ao ao ´e uma fun¸ func˜ c¸ao a˜o limitada, quando t
→ ∞.
Exerc Exer c´ıcio ıci o 4.6. 4 .6. (Oscila (Osc ila¸ c˜ c¸oes o ˜es for¸cadas cadas amortecidas) . Analise o movimento de um sistema massa mola for¸cado cado e amortecido y + b y + ω 2 y = A cos γ t + B sen γ t , em que a, b, A, B e γ s˜ ao constantes dadas. As considera¸c˜ coes o˜es acima aplicam-se igualmente ao movimento de um pˆendulo endulo simples, simples, como na figura 4.5 abaixo. Suponhamos que o pˆendulo endul o esteja es teja em um u m meio me io que q ue oferec o ferecee uma u ma resistˆ r esistˆencia encia ao movimento m ovimento dada por b θ e que sujeito a uma for¸ca ca externa F . F . O movimento ´e descrito pela equa¸c˜ cao a˜o θ + b θ +
g sen θ = F ( F (t) , l
(4.54)
em que l ´e o comp co mpri rime mento nto do pˆendu en dulo lo e g ´e a acel ac eler era¸ a¸c˜ c˜ao ao da gravidade.
126
Cap. 4
Equa¸c˜ coes ˜ de Segunda Ordem
A equa¸c˜ c˜ao ao (4.54) n˜ao ao ´e linear. N˜ ao ao ´e poss pos s´ıvel expressar expre ssar sua solu¸c˜ c˜ao ao em termos de fun¸c˜ coes o˜es elementares. Um procedimento pro cedimento adotado adota do ´e fazer faze r a aproxima¸c˜ cao ˜ sen θ θ e considerar a equa¸c˜ c˜ao ao linear
≈
θ + b θ +
E O
·
x
B y
θ t t
g θ = F ( F (t) . l
(4.55)
P c
L T
•
T
•
t
E y (x)
x
c mg
O Figura 4.5
•
Figura 4.6
Em alguns problemas das aplica¸c˜ c˜oes, oes, como no pr´ oximo oximo exemplo, em vez de condi¸c˜ coes o˜es iniciais, o natural ´e associar a ssociar a uma equa¸ equac˜ c¸ao a˜o diferencial as chamadas condi¸c˜ coes ˜ de fronteira .
Exemplo 4.24. (flambagem de coluna) Consideremos uma coluna de comprimento L, como na figura 4.6 acima articulada nas duas extremidades, sujeita a uma carga P . P . A deflex˜ ao lateral y (x) observada na viga satisfaz a equa¸c˜ cao ˜ diferencial y + α2 y = 0,
0
(4.56)
e as condi¸c˜ c˜ oes de fronteir fronteira a y(0) = y (L) = 0. Na equa ua¸c˜ c¸˜ ao (4.56), (4.56), 2 α = P/EI em que E e I s˜ ao constantes que dependem do material e da forma da se¸c˜ cao ˜ da coluna. A solu¸c˜ cao ˜ geral da equa¸c˜ cao ˜ (4.5 (4 .56) 6) ´e y(x) = a cos α x + b sen α x A condi¸c˜ cao ˜ de fronteira y(0) = 0 implica a = 0. Po Port rtan anto to y (x) = b sen α x. Da cond condi¸ i¸ c˜ c˜ ao y(L) = 0 temos que o problema tem solu¸c˜ c˜ ao
˜ 4.7. 4.7 . EQUAC EQ UAC ¸ OES DE ORDEM SUPERIOR
127
n˜ ao nula apenas quando α = n π/L π/L, n = 1, 2, . . . , ou seja, seja, P = 2 2 2 n π EI/L , n = 1, 2, . . . . O primeir primeiro o desses valor valores es de P ´e P ∗ = π2 EI/L2 chama-se carga carg a cr´ cr´ıtica de flambagem flambage m. Qu Quan ando do P < P ∗ , a unica ´ solu¸c˜ c˜ ao desse problema ´e a trivial y (x) = 0, x. Para P = P ∗ , surgem solu¸c˜ coes ˜ n˜ ao triviais y(x) = b sen (π (π x/L) e a coluna curva-se assumindo a forma da linha tracejada.
∀
Exerc Exe rc´ ´ıcio ıc io 4.7. 4. 7. Encontre a solu¸c˜ c˜ ao geral de cada uma das equa¸c˜ coes ˜ diferenciais abaixo: (a) y + 3y 3y = e2t (c) y + 4y 4y 2y = 8 sen sen 2t, 2t, (e) y + 25y 25y = cos 3t 3t 7t (g ) y 7y = e (i) y 4y + 8y 8y = e2t (sen 2t 2t (k) y + 25y 25y = sen 5t 5t
−
−
− −
(b) y + 2y 2y + y = 2 (d) y + 3y 3y = 9 (f ) f ) y + y = cos t + sen t (h) y + 3y 3y = cos 3 t cos 2t 2t) ( j) j ) y 7y = (1 t)2 (l) y 8y + 16y 16y = (1 t)e4t
−
− −
−
−
Exerc Exe rc´ ´ıcio ıc io 4.8. 4. 8. Resolva os seguintes problemas de valor inicial: (a) (c) (e) (g ) (i) (k )
4.7
y + 3y 3y = 3 y (0) = 1, 1, y (0) = 0 y 7y = (1 t)2 y(1) = 5, 5, y (1) = 2 y + y + 2y 2y = 0 1, y (0) = 2 y(0) = 1, 9y + 6y 6y y = 0 y (0) = 1, 1, y (0) = 0 y 6y + 9y 9y = (1 t)e3t y (1) = 1, 1, y (1) = 1 y 8 y + 16 y = (1 t) e4 t y(1) = 1, 1, y (1) = 1
−
−
−
− −
−
−
−
(b) (d) (f ) f ) (h) ( j) j ) (l)
y + 3y 3y = et y(0) = 1, 1, y (0) = 0 y 7y = e7t y (0) = 0, 0, y (0) = 0 2y + y 10y 10y = 0 5, y (1) = 2 y(1) = 5, y + 2y 2y + y = 0 y (2) = 1, 1, y (2) = 1 3y 2y + 4y 4y = 0 y (2) = 1, 1, y (2) = 1 y + 25y 25y = cos 5t 5t y(0) = 0, 0, y (0) = 1 .
−
−
−
− −
Equa¸c˜ c˜ oes de Ordem Superior oes
Os m´etodos eto dos discutidos discu tidos nas se¸c˜ coes o˜es anteriores para equa¸c˜ c˜oes oes de segunda ordem aplicam-se, com adapta¸c˜ c˜oes oes convenientes, a equa¸c˜ coes o˜es de ordem
128 n
Equa¸c˜ oes Diferenciais Lineares
≥2
y (n) + an−1 y(n−1) +
·· · + a
1
Cap. 7
y + a0 y = h(t).
(4.57)
A equa¸c˜ao caracter´ıstica da equa¸c˜ao homogˆenea associada a (4.57) ´e λn + an−1 λn−1 +
·· · + a
1
λ + a0 = 0.
(4.58)
Cada solu¸ca˜o λ da equa¸ca˜o caracter´ıstica (4.58) fornece uma solu¸ c˜ao λt e da equa¸c˜ao diferencial (4.57). O problema ´e que pode ser dif´ıcil encontrar as solu¸co˜es da equa¸ca˜o (4.58). Em vista dessas dificuldades, consideraremos aqui apenas polinˆ omios especiais, cujas ra´ızes s˜ ao determinadas de modo simples. Recordemos alguns fatos sobre polinˆ omios que facilitar˜ao o estudo da equa¸c˜ao caracter´ıstica (4.58). Lembremos que uma raiz de um polinˆ omio P (x) ´e um n´ umero complexo d tal que P (d) = 0. Um fato importante sobre polinˆ omios ´e o chamado Teorema Fundamental ´ 1 tem ao da Algebra que afirma que todo polinˆo mio de grau n menos uma raiz d. Consideremos o polinˆomio de grau n
≥
P (x) = an xn + an−1 xn−1 +
··· + a
1
x + a0
(4.59)
O quociente de P (x) por x Q(x) = bn−1 xn−1
− c ´e um polinˆomio Q(x) de grau n − 1: + b − x − + ·· · + b x + b n 2
n 2
1
0
e o resto ´e uma constante (´e claro que essa constante ´e P (c)): P (x) = (x
− c) Q(x) + P (c).
(4.60)
Se d ´e uma raiz de P (x), ent˜ao de (4.60), temos P (x) = Q(x)(x d); assim, P (x) cont´em um fator x d. Deste modo, se conhecermos uma raiz d de P (x), efetuamos a fatora¸c˜ao P (x) = (x d)P 1 (x) e tentamos encontrar as solu¸co˜es de P 1 (x), que ´e um polinˆ omio de ´ grau n 1. Pelo Teorema Fundamental da Algebra, P 1 (x) tem uma raiz d2 e, portanto, cont´em um fator x d2. Assim P (x) cont´em os fatores x d1 e x d2 : isto ´e P (x) = (x d1 )(x d2 )P 2(x). Continuando com esse procedimento, obtemos n ra´ızes d1 , d2 , . . . , dn (n˜ao necessariamente distintas) de P (x) e podemos fatorar P (x) como
−
−
−
−
−
−
−
−
−
129
Equa¸c˜ oes de Ordem Superior
P (x) = (x d1 )(x d2 ) . . . (x dn ). Se um fator x d comparece k vezes nessa fatora¸c˜ao (isto ´e, se P (x) = (x d)k Q(x), com Q(d) = 0), dizemos que d ´e uma raiz de P (x) com multiplicidade k .
−
−
−
−
−
A divis˜ao de P (x) por x c pode ser feita pela algoritmo de Euclides, imitando o algoritmo da divis˜ ao de n´ umeros. Efetuemos, por exemplo, 3 2 a divis˜ao de x + 0x 7x + 9 por x 2:
−
−
−
x3 + 0 x2 7 x + 9 x3 + 2 x2 2 x2 7 x + 9 2 x2 + 4 x 3x +9 3x 6 3
−
−
−
− −
x 2 x2 + 2 x
−
−3
−
O algoritmo de Briot-Ruffini simplifica o c´ alculo dessa divis˜ao. Ele n baseia-se no seguinte fato: se P (x) = an x + an−1 xn−1 + + a1 x + a0 e Q(x) = bn−1 xn−1 + bn−2 xn−2 + + b1 x + b0 , ent˜ao, das igualdades P (x) = (x c) Q(x) + r e
·· ·
−
(x
···
xn−1 + bn−2 xn−2 + + b1 x + b0) = n n−1 = bn−1 x + (bn−2 c bn−1 )x + + (b0 c b1 ) x
− c)(b −
n 1
−
···
···
−
− cb
0
temos as seguintes rela¸co˜es entre os coeficientes de P (x) e Q(x):
an = bn−1 an−1 = bn−2 an−2 = bn−3 .. .
− cb − − cb −
a1 = b0 c b1 a0 = c b0 + r
−
−
n 1 n 2
que implicam
bn−1 = an bn−2 = an−1 + c bn−1 bn−3 = an−2 + c bn−2 .. . b0 = a1 + c b1 r = a0 + c b0
O m´etodo de Briot-Ruffini consiste em representar as opera¸ c˜oes indicadas acima em um diagrama. Notemos que: 1) bn−1 = an :
130
Equa¸c˜ oes Diferenciais Lineares
Cap. 7
2) para obter bn−2 multiplicamos bn−1 por c e somamos an−1 . Vamos indicar essas opera¸co˜es no seguinte diagrama: + c an−1 an−2 . . . a1
an
bn−1 bn−2 c
a0
c
bn−2 = an−1 + c bn−1
T
×
Agora repetimos esse procedimento para obter bn−3 ; o correspondente diagrama ´e: + an
an−1
bn−1 bn−2
c
c an−2 . . . a1
bn−3
a0 c
bn−3 = an−2 + c bn−2
T
×
Exemplo 4.25. Encontrar todas as solu¸c˜ oes da equa¸c˜ ao λ8
− 256 = 0.
Podemos escrever λ8
4
4
2
4
− 256 = (λ − 16)(λ + 16) = (λ − 2)(λ + 2)(λ + 4)(λ + 16). Logo, as solu¸co˜es de λ √ − 256 = 0 s˜ao: λ =√−2, λ = 2, λ = √−2 i, λ = 2 i, λ √= (1 + i) 2, λ = (−1 + i) 2, λ = (−1 − i) 2 e λ = (1 − i) 2. Quando os coeficientes de P (x) = x + a − x − + · ·· + a x + a 8
4
5
1
2
6
3
7
8
n
n 1
n 1
1
0
s˜a o n´ umeros inteiros, as u ´nicas ra´ızes racionais poss´ıveis de P (x) s˜ao n´umeros inteiros e s˜ ao os divisores de a0 . De fato, se o n´ umero racional d = p/q (com p e q primos entre si) ´e uma raiz de P (x), ent˜a o da igualdade P ( p/q) = 0, temos a0 = ( pn /qn + an−1 pn−1 /q n−1 + +
−
···
131
Equa¸c˜ oes de Ordem Superior
a1 p/q) = p/q n ( pn−1 + an−1 pn−2 q + + a1 qn ). Multiplicando por qn , temos a0 q n = p( pn−1 + an−1 pn−2 q + + a1 qn ). Como p e q s˜ao primos entre si, essa igualdade implica que p divide a0 . Um argumento semelhante mostra que q precisa ser um divisor do coeficiente de xn , que ´e 1, ou seja, q = 1. Logo, d = p.
· ··
−
±
···
±
Exemplo 4.26. Calcular as ra´ızes inteiras de P (x) = x3
− 7 x + 6.
± ± ± ±
Os n´ umeros 1, 2, 3, 6 s˜ao divisores de 6, portanto s˜ao candidatos a ra´ızes de P (x). Como P ( P ( P ( P (
−1) = (−1) − 7(−1) + 6 = 12, −2) = −8 + 14 + 6 = 12, −3) = −27 + 21 + 6 = 0, −6) = −216 + 42 + 6 = 168,
P (1) = 1 7 + 6 = 0, P (2) = 8 14 + 6 = 0, P (3) = 27 21 + 6 = 12, P (6) = 216 42 + 6 = 180
vemos que as ra´ızes inteiras de P (x) s˜ao
− − − −
−3, 1 e 2.
omio P (x) = x3 +6 x2 5 Exemplo 4.27. Encontrar as ra´ızes do polinˆ
−
± 1 e ± 5. Como P (1) = 1 + 6 − 5 = 12 P (−1) = −1 + 6 − 5 = 0 P (5) = 125 + 150 − 5 = 270 P (−5) = −125 + 150 − 5 = 30, vemos que a u ´nica raiz racional ´e x = −1. Efetuemos a divis˜ a o de P (x) por x + 1 1 6 0 −5 −1 1 5 −5 0 O quociente ´e x + 5 x − 5; suas ra´ızes s˜ ao obtidas pela conhecida f´ormula de Baskhara −5 + 3 √5 −5 − 3 √5 Os candidatos a ra´ızes inteiras s˜ ao
1
2
x2 =
2
e x3 =
2
ao geral da equa¸c˜ ao linear homogˆenea Exemplo 4.28. Encontrar a solu¸c˜ de quarta ordem y (4)
(3)
− 3 y − 6 y + 28 y − 24 y = 0 .
(4.61)
132
Equa¸c˜ oes Diferenciais Lineares
Cap. 7
A equa¸c˜ao caracter´ıstica ´e p(λ) = λ4
3
− 3λ − 6λ
2
+ 28 λ
− 24 = 0. Os candidatos a ra´ızes s˜ ao os divisores de 24, ou seja, ±1, ±2, ±3, ±4, ±6, ±8, ±12 e ±24. Substituindo na equa¸ca˜o, vemos facilmente que λ = 2 ´e raiz da equa¸c˜ao p(λ) = 0. Isso significa que λ − 2 ´e um fator do polinˆ omio p(λ). Dividindo λ − 3λ − 6λ + 28λ − 24 por x +2 usando o algoritmo 1
4
3
2
de Briot-Ruffini
1 1
−3 −6 −1 −8
28 12
−24
2
0
vemos que λ4 3 λ3 6 λ2 + 28 λ 24 = (λ 2)(λ3 λ2 8 λ + 12). Os candidatos a ra´ızes de λ3 λ2 8 λ + 12 s˜ao os divisores de 12, ou seja, 1, 2, 3, 4, 6 e 12. Substituindo na equa¸ c˜ao, vemos facilmente que λ1 = 2 ´e raiz dessa equa¸ca˜o. Dividindo esse polinˆomio por λ 2, temos λ3 λ2 8 λ + 12 = (λ2 + λ 6)(λ 2). As ra´ızes da equa¸c˜ao λ2 + λ 6 = 0 s˜ao 3 e 2. Portanto
− − − − − − − − ± ± ± ± ± ± − − − − − − − λ − 3 λ − 6 λ + 28 λ − 24 = (λ − 2) (λ + 3) . 4
3
2
3
Como 2 ´e raiz da equa¸c˜ao caracter´ıstica com multiplicidade 3, as fun¸co˜es e2t , t e2t e t2 e2t s˜ao solu¸c˜oes linearmente independentes da equa¸c˜ao diferencial; a outra raiz, 3, d´a origem a` solu¸c˜ao e−3t . Logo, a solu¸ca˜o geral da equa¸ca˜o (4.61) ´e
−
y(t) = (a + b t + c t2 ) e2t + d e−3t ,
a, b, c, d
∈ R.
Exemplo 4.29. Encontrar a solu¸c˜ ao da equa¸c˜ ao diferencial de terceira ordem y (3) 7 y + 6 = 6 t2 + 22 t + 10 e2t (4.62) tal que y(0) =
−
−3, y(0) = 1, y(0) = 3.
Analisemos primeiramente a equa¸c˜ao homogˆenea y (3)
− 7 y + 6 = 0.
133
Equa¸c˜ oes de Ordem Superior
A equa¸ca˜o caracter´ıstica ´e λ3 7 λ + 6 = 0. As poss´ıveis ra´ızes inteiras s˜ao 1, 2, 3 e 6. Substituindo na equa¸ca˜o, vemos que as ra´ızes s˜ao 3, 1 e 2, que d˜ao origem a`s solu¸co˜es e−3t , et e e2t . Logo, a solu¸c˜ao geral da equa¸c˜ao homogˆenea ´e
−
± ± ± ± −
y(t) = α e−3t + β et + γ e2t ,
α, β, γ
∈ R.
Para simplificar os c´ alculos, vamos separar o termo for¸cante em duas parcelas. Analisemos a equa¸ca˜o n˜ao homogˆenea y(3)
2
− 7 y + 6 = 6t
+ 22t.
Como a equa¸c˜ao homogˆenea associada n˜ ao tem solu¸co˜es constantes n˜ ao nulas, procuramos uma solu¸ca˜o particular da equa¸ca˜o (4.62) na forma y1 (t) = a + b t + c t2 . Substituindo na equa¸ca˜o diferencial, temos (6c
2
− 6) t
+ (6b
− 14c − 22) t + 6a − 7b = 0,
donde obtemos a = 7, b = 6, c = 1. Assim, uma solu¸ca˜o particular ´e y1 (t) = 7 + 6 t + t2 . Analisemos agora a equa¸c˜ao n˜ao homogˆenea y(3)
− 7 y + 6 = 10 e
2t
.
Como a fun¸ca˜o e2t ´e solu¸ca˜o da equa¸c˜ao homogˆenea associada, vamos, procurar uma solu¸ca˜o particular da equa¸ca˜o (4.62) na forma y2 (t) = a t e2t . Substituindo y2 (t) = a e2t (1 + 2t), y2 (t) = 4 a e2t (1 + t), y2(3) (t) = 4 a e2t (3 + 2t) na equa¸c˜ao diferencial, temos (12 a + 8 a t
2t
− 7 a − 14 a t + 6 a t) e
= 10 e2t ,
donde obtemos a = 2. Assim, uma solu¸ca˜o particular ´e y2 (t) = 2 t e2t . Logo, a solu¸c˜ao geral da equa¸ca˜o (4.62) ´e y(t) = α e−3t + β et + (γ + 2 t) e2t + 7 + 6 t + t2 ,
α, β, γ
∈ R.
134
Equa¸c˜ oes Diferenciais Lineares
Impondo as condi¸c˜oes iniciais y(0) = obtemos as equa¸c˜oes
−
−3,
Cap. 7
y (0) = 1, y (0) = 3,
α + β + γ = 10 3α + β + 2γ = 9 9α + β + 4γ = 7
cuja solu¸c˜ao ´e α = 0, β = de valor inicial ´e y(t) =
t
− − −
−11, γ = 1. Logo, a solu¸ca˜o do problema 2t
−11 e + (1 + 2 t) e
+ 7 + 6 t + t2 ,
Exemplo 4.30. Encontrar a solu¸c˜ ao geral da equa¸cao ˜ linear n˜ ao homogˆenea de quarta ordem y (4)
(3)
2 2t
− 3 y − 6 y + 28 y − 24 y = 1500 t
e .
(4.63)
Vimos no exemplo 4.28 que as fun¸co˜es e2t , t e2t , t2 e2t e e−3t formam uma base de solu¸co˜es da equa¸c˜ao homogˆenea associada a (4.63). Para simplificar a nota¸ca˜o, vamos procurar uma solu¸c˜ao particular de (4.63) na forma y(t) = e2t v(t). Ent˜ao, y (t) = 2 e2t v(t) + e2t v (t) y (t) = 4 e2t v(t) + 4 e2t v (t) + e2t v (t), y (3)(t) = 8 e2t v(t) + 12 e2t v (t) + 6 e2t v (t) + e2t v (3) (t), y (4)(t) = 16 e2t v(t) + 32 e2t v (t) + 24e2t v (t) + 8 e2t v (3) (t) + e2t v (4) (t). Substituindo essas express˜ oes na equa¸ca˜o (4.63), vemos que v(t) ´e solu¸c˜ao da equa¸ca˜o diferencial v (4) + 5 v (3) = 1500 t2 .
(4.64)
´ f´acil ver que as fun¸co˜es 1, t e t2 s˜ao solu¸co˜es da equa¸ca˜o homogˆenea E v (4) + 5v (3) = 0. Vamos ent˜ ao procurar uma solu¸c˜ao particular da equa¸c˜a o n˜ao homogˆenea (4.64) na forma v p (t) = t3 (a t2 + b t + c) = a t5 + b t4 + c t2 . Substituindo na equa¸c˜ao (4.64), obtemos 300 a t2 + 120 (a + b) t + 24 b + 30 c = 1500 t2 .
4.8. EXERC ´ ICIOS
135
Portanto, a = 5, b = 5, c = 4 e a solu¸c˜ao particular procurada ´e v(t) = 5 t5 + 5 t4 + 4 t3. Logo, a solu¸c˜ao geral da equa¸ca˜o (4.63) ´e y(t) = (a + b t + c t2 + 4 t3 + 5 t4 + 5 t5 ) e2 t + d e−3 t ,
a, b, c, d
∈ R.
ao geral da equa¸c˜ ao diferencial de Exemplo 4.31. Encontrar a solu¸c˜ terceira ordem y(3) 5 y + 9 y 5 = 6 et (4.65)
−
−
A equa¸ca˜o caracter´ıstica ´e p(λ) = λ3 5 λ2 + 9 λ 5 = 0; ´e f´acil ver que λ = 1 ´e raiz dessa equa¸c˜ao. Como p(λ) = (λ 1)(λ2 4 λ +5), vemos que as outras ra´ızes s˜ a o 2 + i e 2 i; essas ra´ızes fornecem (2+i) t as solu¸co˜es complexas e e e(2−i) t , das quais obtemos as solu¸c˜oes reais e2 t cos t e e2 tsen t. Portanto, a solu¸c˜a o geral real da equa¸c˜ao homogˆenea ´e
− −
yH (t) = a et + e2 t (b cos t + c sen t),
−
−
a, b, c
−
∈ R.
Como o termo for¸cante ´e solu¸ca˜o da equa¸ca˜o homogˆenea, procuraremos uma solu¸c˜ao particular da equa¸ca˜ o n˜ao homogˆenea na forma A t et . Substituindo na equa¸ca˜o diferencial y p (t) = A t et , y p (t) = A et +A t et , (3) y p (t) = 2A et + A t et , y p (t) = 3 A et + A t et , obtemos A = 3; assim, y p (t) = 3 t et . Logo, a solu¸ca˜o geral da equa¸ca˜o n˜ao homogˆenea ´e y(t) = a et + e2 t (b cos t + c sen t) + 3 t et ,
4.8
a, b, c
∈ R.
Exerc´ıcios
Encontre a solu¸ ca˜o geral de cada uma das equa¸c˜oes diferenciais abaixo: (a) y (4) 16 y = 0 (c) y(3) 2y y + 2y = 0 (e) y(4) 4 y (3) + 4 y = 0 (g) y(4) + 16y = 0 (i) y (4) + 2 y(3) + y = e4t
− − − −
(b) y(4) 5 y (3) + 6 y + 4 y 8 y = 0 (d) y (3) + 3 y + 3 y + y = 0 (f ) y (5) + y(4) y(3) 3 y + 2y = 0 (h) y(5) + y (4) y (3) 3y + 2y = t2 + 2t ( j) y(4) 4 y (3) + y = e4t .
−
−
−
− − − −
136
Equa¸c˜ oes Diferenciais Lineares
Cap. 7
Cap´ıtulo 5 Transforma¸co ˜es Lineares 5.1
Transforma¸ co ˜es
Sejam U, V dois conjuntos n˜ a o vazios. Uma transforma¸ c˜ ao (ou fun¸c˜ ao ou aplica¸c˜ ao) de U em V ´e uma correspondˆencia F que, a cada elemento x de U , associa um u ´ nico elemento y = F (x) de V : denotamos F : U V . O elemento F (x) chama-se imagem de x por F . O conjunto U chama-se dom´ınio e V o contra-dom´ınio de F . Duas aplica¸c˜oes F : U V e G : U V s˜ao ditas iguais se e somente se F (u) = G(u), u U . O conjunto graf (F ) = (u, F (u)) : u U chama-se gr´ U , o conjunto F (A) = F (u) : afico de F . Dado A u A chama-se imagem de A por F ; se A = U , ent˜ao o conjunto F (U ) chama-se imagem de F (neste caso, tamb´em usamos a nota¸c˜ao Im (F )). Dado B V , o conjunto F −1 (B) = u U : v B chama-se imagem inversa de B por F .
→
∀ ∈
→
→ ⊂
∈ }
{
⊂
{ ∈
{
∈ }
∈ }
Exemplo 5.1. Seja U um conjunto n˜ ao vazio. A transforma¸ c˜ ao I U : U U , tal que I U (x) = x, x U , chama-se transforma¸c˜ ao identidade de U .
→
∀ ∈
Uma aplica¸c˜ao F ´e dita injetora (ou 1-1) quando, quaisquer que sejam u1 , u2 U com u1 = u2, tem-se F (u1 ) = F (u2 ), ou, equivalentemente, quando F (u1 ) = F (u2 ), com u1 , u2 U , implicar u1 = u2 . Uma aplica¸ca˜o F : U V ´e dita sobrejetora (ou sobre) quando F (U ) = V , isto ´e, quando, para todo v V , existe (ao menos um)
∈
∈
→
∈
137
138
Cap. 5
Transforma¸ coes ˜ Lineares
u U tal que F (u) = v. Uma aplica¸ca˜o injetora e sobre ´e chamada bijetora.
∈
ao F : Exemplo 5.2. A aplica¸c˜
R2
2
→ R , F (x, y) = (x, −y) ´e bijetora. A aplica¸ca˜o F ´e sobre, pois cada (v, w) ∈ R ´e imagem de (w, −v), isto ´e, (v, w) = F (w, −v). Para ver que F ´e injetora, notemos que, se F (x, y) = F (s, t), isto ´e, (x, −y) = (s, −t), ent˜ao x = s e y = t, ou 2
seja, (x, y) = (s, t). Note que n˜ao podemos tra¸car o gr´ afico de F , mas podemos visualizar como F atua em subconjuntos de U , como na Figura 5.1 abaixo (geometricamente, F atua como uma reflex˜ a o em rela¸ca˜o ao eixo Ox). A imagem do triˆangulo ABC pela transforma¸ca˜o F ´e o triˆangulo A B C . v T
y T A
T B
C
E
E
x
B
C
u
A
Figura 5.1
Exemplo 5.3. Seja θ [0, 2 π) um n´ umero fixado. A transforma¸ c˜ ao R2 definida por Rθ (x, y) = (x cos θ y sen θ, y cos θ+x sen θ) Rθ : R2 ´e bijetora; geometricamente, Rθ ´e uma rota¸c˜ ao de aˆngulo θ no sentido anti-hor´ ario.
∈
→
−
Exemplo 5.4. Seja a R2 fixado. A transla¸c˜ ao T : por T (x) = x + a ´e uma aplica¸c˜ ao bijetora.
∈
R2
2
→ R , dada
Dadas duas aplica¸c˜oes 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 aplica¸ca˜o F : A B ´e dita invert´ıvel quando existe G : B A tal que G F = I U e F G = I V . A aplica¸ca˜o G chama-se inversa de F e ´e denotada por F −1 . Como no caso de fun¸c˜oes reais de vari´avel real, vale o seguinte resultado:
◦
◦
→ →
→
◦
◦
→
→
˜ 5.2. TRANSFORMAC ¸ OES LINEARES
139
Teorema 5.1. F ´e invert´ıvel se e somente se F ´e bijetora.
5.2
Transforma¸ co ˜es Lineares
Sejam U, V espa¸cos vetoriais e T : U V uma transforma¸ca˜o. Dize˜o linear quando: mos que T ´e uma transforma¸ca (a) T (u1 + u2 ) = T (u1 ) + T (u2), u1 , u2 U (b) T (α u) = α T (u), α K, u U . Quando U = V , diremos que T ´e um operador linear .
→
∀ ∈
∀ ∈
∈
Exemplo 5.5. Sejam U, V espa¸cos vetoriais quaisquer. A transforma¸cao ˜ nula : U V , dada por (x) = 0, x U , ´e linear: de fato, dados x1 , x2 U , temos (x1 + x2 ) = 0 = 0 + 0 = (x1 ) + (x2 ) e (αx) = 0 = α0 = α (x).
O
O
∈
→
O
O
O
∀ ∈
O
O
R um Exemplo 5.6. Sejam U um espa¸co vetorial qualquer e k n´ umero fixado. A homotetia de raz˜ ao k, H : U U, H (x) = k x ´e um operador linear.
∈
→
De fato, dados x , y
∈ U e α ∈ K,
temos
H (x + y) = k (x + y) = k x + k y = H (x) + H (y), H (αx) = k (αx) = α (k x) = α H (x). Notemos que, se k = 0, ent˜ao a homotetia ´e 1-1 e sobre.
R2 definida por T (x,y,z) = ao T : R3 Exemplo 5.7. A transforma¸c˜ (2 x + y, x + 5 y z) ´e linear sobre, mas n˜ ao ´e 1-1.
→
−
De fato, dados (a,b,c), (d,e,f )
∈R
3
eα
∈ R, temos:
T [(a,b,c) + (d,e,f )] = T (a + d, b + e, c + f ) = (2 (a + d) + b + e, a + d + 5 (b + e) (c + f )) = = (2 a + b, a + 5 b c) + (2 d + e, d + 5 e f ) = = T (a,b,c) + T (d,e,f )
−
−
−
e T [α (a,b,c)] = T (αa,αb,αc) = (2 α a + α b , α a + 5 α b = α (2 a + b, a + 5 b c) = α T (a,b,c).
−
− α c)
140
Cap. 5
Transforma¸ coes ˜ Lineares
Fica como exerc´ıcio mostrar que T ´e sobre mas n˜ao ´e 1-1. Notemos que as componentes do vetor (s, t) = T (x,y,z) satisfazem a igualdade x s 2 1 0 = y . t 1 5 1 z
−
Denotando A =
2 1
1 5
−
0 1
e identificando os vetores u = (x,y,z)
e u = (s, t) = T (u) com as matrizes colunas
x y z
e
s , respectit
vamente, vamos escrever T (u) = A u . Mais geralmente, cada matriz A = aij de ordem m n determina Rm do seguinte modo: a cada uma transforma¸ca˜o linear F : Rn vetor u = (x1 , . . . , xn) Rn associamos o vetor F (u) = (y1 , .. . , ym ) tal que y1 = a1 1 x1 + + a1n xn .. (5.1) . ym = am1 x1 + + amn xn .
→
∈
×
···
· ··
´ conveniente escrever (5.1) como uma igualdade matricial: E
y1 .. .
ym
=
a11 .. .
... ...
a1n .. .
am1 . . . amn
x1 .. .
xn
Usando novamente a identifica¸c˜ao entre vetores e matrizes colunas, vamos escrever F (u) = A u . (5.2) A partir da igualdade (5.2) fica f´ acil ver que F ´e linear: a linearidade de F ´e uma conseq¨ uˆencia direta da distributividade da multiplica¸c˜ao de matrizes em rela¸ca˜o a` adi¸c˜ao.
141
Transforma¸c˜ oes Lineares
Um fato ainda mais importante nessa rela¸ca˜o entre transforma¸c˜oes lineares e matrizes ´e dada no pr´ oximo teorema, no qual mostramos Rm pode ser escrita na forma que toda transforma¸c˜ao linear T : Rn (5.2).
→
Rm uma transforma¸ c˜ ao linear. Ent˜ ao Teorema 5.2. Seja T : Rn existe uma matriz real A de ordem m n tal que T (u) = A u, para todo u Rn.
→
×
∈
Demonstra¸cao: ˜ Seja e1 , . . . , en a base canˆonica de elemento u = (x1 , . . . , xn ) de Rn se escreve como
{
}
u = x1 e1 +
··· + x
n
Rn .
Cada
en
Como T ´e linear, temos T (u) = x1 T (e1 ) +
· ·· + x
n
Notemos que T (e1 ) , . . . , T ( en) s˜ ao vetores de T (e1 ) =
T (u) = x1
a1 1 .. .
a1 1 .. .
, . . . , T (en ) =
a1 1 .. .
a1 1 .. .
am 1
,
am 1
+
am 1
=
Rn .
Escrevendo
·· · ··· ··· am 1
temos
T (en )
...
a1 1 .. .
+ xn
x1 .. .
am n
xn
· ··
...
a1 n .. .
am 1
· ··
am n
a1 1 x1 +
·· · + a
1n
am 1 x1 +
·· · + a
mn
=
am 1
a1 n .. .
A=
a1 1 .. .
.. .
xn xn
= Au
P n (R), D( p) = Exemplo 5.8. O operador deriva¸c˜ ao D : P n (R) p (que a cada polinˆ omio p associa sua derivada) ´e linear. Isto ´e conseq¨ uˆencia imediata das propriedades da derivada:
→
D(f + g) = (f + g) = f + g = D(f ) + D(g) D(αf ) = (αf ) = αf = αD(f ).
142
Cap. 5
Transforma¸ coes ˜ Lineares
Notemos que a transforma¸c˜ao linear D n˜ao ´e 1-1 (pois D(1 + t2 ) = D(3 + t2 ) = 2t) nem sobre (n˜ ao existe p(t) P n (R) tal que D( p) = tn).
∈
˜ abaixo s˜ ao lineares: Exerc´ıcio 5.1. Verifique se as transforma¸coes 3 R, F (x,y,z) = x + 5y (a) F : R z 3 R, (b) F : R F (x,y,z) = x + 5y z + 2 3 2 (c) F : R R , F (x,y,z) = ( x , y + 2z) (d) F : P n (R) P n (R), F (f ) = f + f (e) F : M n(R) M n (R), F (X ) = AX + 2 X em que A M n (R) ´e fixada.
→ → →
||
→ →
− −
∈
O pr´oximo teorema cont´em algumas propriedades que decorrem imediatamente da defini¸c˜ao de transforma¸ca˜o linear.
Teorema 5.3. Sejam U, V espa¸cos vetoriais e seja T : U aplica¸c˜ ao linear. Ent˜ ao:
→ V uma
1. T (0) = 0 (isto ´e, T leva o vetor nulo de U no vetor nulo de V ). 2. T (αx + βy) = αT (x) + βT (y). 3. Se F : U V e G : V W forem transforma¸c˜ oes lineares, ent˜ ao a composta G F : U W tamb´em ´e linear.
→
→ →
◦
Demonstra¸c˜ ao: As provas das afirma¸c˜oes 1) e 2) ficam como exerc´ıcio. Mostremos a afirma¸c˜ao 3: dados x, y U e α R, temos
∈
∈
(G F )(x + α y) = G[F (x + α y)] = G[F (x) + α F (y)] = = G[F (x)] + α G[F (y)] = (G F )(x) + α (G F )(y).
◦
◦
◦
Logo, G F ´e linear.
◦
Exerc´ıcio 5.2. Seja T : U V uma transforma¸c˜ ao linear e sejam v1 , . . . , vn V e α1 , . . . , αn K. Mostre que T (α1 v1 + + αn vn) = α1 T (v1 ) + + αn T (vn ).
∈
···
→ ∈
···
ao linear: Teorema 5.4. Seja T : U V uma transforma¸c˜ (a) Se W for um subespa¸co de U ent˜ ao T (W ) ´e subespa¸co de V . (b) Se Z for um subespa¸co de V ent˜ ao T −1 (Z ) ´e subespa¸co de U .
→
143
Transforma¸c˜ oes Lineares
Demonstra¸cao: ˜ Mostraremos apenas (b) (a verifica¸ca˜o de (a) fica como exerc´ıcio). 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 ao, temos y1 + y2 y2 = T (x2 ) Z . Ent˜ Z (pois Z ´e subespa¸co) 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 α, o vetor α x pertence a T −1 (Z ).
∈
∈
∈
∈
∈
∈
∈
O pr´oximo teorema mostra que uma transforma¸c˜ao linear fica completamente determinada quando conhecemos seus valores em uma base.
Teorema 5.5. Sejam U e V espa¸cos vetoriais, u1 , . . . , un uma base de U e S, T : U V transforma¸ c˜ oes lineares. Se S (u1) = T (u1 ), S (u2 ) = T (u2 ), . . . , S (u n ) = T (un), ent˜ ao S (x) = T (x), x U
{
→
} ∀ ∈
Demonstra¸cao: ˜ Seja x U . Como u1 , . . . , un ´e uma base de U , existem escalares α1 , . . . , αn tais que x = α1 u1 + + αn un . Como S e T s˜ao lineares e S (u1 ) = T (u1 ) , . . . , S ( un ) = T (un), temos
∈
S (x) = S (α1 u1 + = α1 T (u1) + = T (x)
{
} ···
·· · + α u ) = α S (u ) + ·· · + α S (u ) ·· · + α T (u ) = T (α u + ··· + α u ) n
n
n
1
n
1
n
1
1
n
n
n
Logo, S coincide com T .
Exemplo 5.9. Encontrar a express˜ ao F (x,y,z) do operador line3 3 ar F : R tal que F (1, 1, 1) = (1, 1, 0), F (0, 1, 1) = (1, 0, 1), R F (0, 0, 1) = (0, 1, 1).
→
Primeiramente, expressamos um vetor arbitr´ ario (x,y,z) de R3 como combina¸ca˜o linear dos vetores (1, 1, 1), (0, 1, 1), (0, 0, 1): escrevendo (x,y,z) = α (1, 1, 1) + β (0, 1, 1) + γ (0, 0, 1), temos α = x, α + β = y, α + β + γ = z, donde obtemos, α = x, β = y x, γ = 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
Transforma¸ coes ˜ Lineares
ao da transforma¸ cao ˜ linear Exemplo 5.10. Determinar a espress˜ F : P 3 (R) M 2 (R) tal que
→
F (1
− F (t −
−
2 5 t) = , 0 1 2 7 t3 ) = 5 0
F (t2
− − − 1) =
, F (t3 ) =
1 3
−
3 8 0 1 4 . 2
,
Fica como exerc´ıcio mostrar que B = 1 t, t2 1, t t3 , t3 ´e base de P 3(R). Escrevendo p(t) = a +bt+ct2 +dt3 como combina¸ca˜o linear dos elementos de B, a+bt+ct2 +dt3 = x(1 t)+y(t2 1)+z(t t3 )+wt3 = (x y)+( x+z)t+yt2 +( z+w)t3 , obtemos x y = a, x+z = b, y = c, z + w = d, donde x = a + c, y = c, z = a + b + c, w = a + b + c + d. Assim,
− −
−
{− −
−
p(t) = (a + c)(1
− − } − − − −
2
3
3
− t) + c(t − 1 ) + (a + b + c)(t − t ) + (a + b + c + d)t ,
Logo, F [ p(t)] = (a + c)
− − − 2 5 0 1
+c
3 0
8 1
+
2 7 1 + (a + b + c) + (a + b + c + d) 5 0 3 a b 2c + d 16a + 11b + 24c + 4d = 8a + 8b + 8c + 3d a 2b 2c 2d
− −
− − − −
4 2
−
˜ linear T : R2 Exerc´ıcio 5.3. Existe uma transforma¸cao R2 tal que T (1, 1) = (1, 2), T (1, 0) = (0, 0) e T (0, 1) = (2, 1)? Existe mais de uma?
→
Exerc´ıcio 5.4. Existe uma transforma¸cao R2 tal que ˜ linear T : R3 T (1, 1, 1) = (1, 2), T (0, 1, 1) = (1, 0) e T (1, 0, 0) = (0, 0)? Existe mais de uma?
→
˜ linear T : R3 Exerc´ıcio 5.5. Existe uma transforma¸cao 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. N UCLEO E IMAGEM
145
R4 tal ˜ linear T : R3 Exerc´ıcio 5.6. Determinar a transforma¸cao que T (1, 1, 1) = (0, 3, 1, 5), T (1, 1, 0) = (0, 0, 0, 1) e T (1, 0, 0) = (0, 0, 0).
→
ao linear T : R3 Exerc´ıcio 5.7. Existe uma transforma¸c˜ R4 tal que T (1, 1, 1) = (0, 3, 1, 5), T (1, 1, 0) = (0, 0, 0, 1) e T (0, 0, 1) = (0, 0, 0, 0)? Existe mais de uma?
→
5.3
N´ ucleo e Imagem
Seja T : U
→ V uma transforma¸ca˜o linear. Definimos os conjuntos ucleo de T, ker(T ) = {u ∈ U : T (u) = 0 } = T − ({0}), chamado n´ Im(T ) = T (U ) = {T (x) : x ∈ U }, chamado imagem de T. 1
Pelo Teorema 5.4, ker(T ) ´e um subespa¸co vetorial de U e Im(T ) ´e subespa¸co de V . O interesse em estudar o n´ ucleo e a imagem ´e que esses subespa¸cos d˜ao informa¸c˜oes sobre a injetividade e a sobrejetividade da transforma¸c˜ao linear: ´e claro que uma transforma¸c˜ao linear ´e sobre se e somente se Im(T ) = V ; veremos que T ´e injetora se e somente se ker(T ) = 0 .
{}
ao Exemplo 5.11. Seja T : R3 R3 , T (x,y,z) = (x,y, 0). Ent˜ ker(T ) = (0, 0, c) : c R e Im(T ) = (a,b, 0) : a, b R .
→
{
∈ } { ∈ } Exemplo 5.12. T : R → R, T (x, y) = x − 3y. Ent˜ ao ker(T ) = {(x, y) : x = 3y} e Im(T ) = R (dado w ∈ R, ´e claro que existe (x, y) ∈ R tal que T (x, y) = w: basta tomar x = w, y = 0.) Exemplo 5.13. Seja D : P (R) → P (R) o operador linear definido por D( p) = p , isto ´e, D(a + a t + a t + a t ) = a + 2 a t + 3 a t . Ent˜ ao ker(D) = { p : p(t) = a }, o conjunto dos polinˆomios constantes 2
2
3
3
0
1
2
2
3
3
1
2
3
2
0
e Im (D) = P 2 (R).
De fato, temos D( p) = 0 a1 +2 a2 t+3a3 t2 0 a1 = a2 = a3 = 0. Logo ker(D) = p : p(t) = a0 . Para ver que Im(D) = P 2 (R), notemos que, para todo polinˆ omio b 2 c 3 2 f (t) = a + bt + ct P 2 (R), temos f = D(at + 2 t + 3 t ).
⇔
{
∈
}
≡ ⇔
146
Cap. 5
Transforma¸ coes ˜ Lineares
ucleo e a imagem da transforma¸c˜ ao linear Exemplo 5.14. Achar o n´ 4 R tal que F [t] = ( 2, 1, 18, 9), F [1 F : P 2 (R) t] = (3, 2, 2, 3) 2 e F [1 + t ] = (0, 2, 4, 6).
→
− − −
−
−
− −
´ claro que a imagem de F ´e o subespa¸co vetorial de R4 gerado peE los vetores (3, 2, 2, 3), (0, 2, 4, 6) e ( 2, 1, 6, 9). Para determinar o n´ucleo de F , devemos achar a express˜ ao de F . Deixamos como exerc´ıcio 2 mostrar que B = 1 t, 1 + t , t ´e base de P 2 (R) e que cada p(t) = a+bt+ct2 P 2 (R) se escreve como combina¸c˜ao linear dos elementos da base B na seguinte forma: p(t) = (a c)(1 t) + c(1 + t2) + (a + b c)t. Logo,
∈
F [ p] = (a = (a = (a
− − { −
−
}
−
−
−
2
− c) F [1 − t] + c F [1 + t ] + (a + b − c) F [t] = − c) (3, 2, −2, −3) + c (0, 2, 4, 6) + (a + b − c) (−2, 1, 18, 9) − 2 b − c, 3 a + b − c, 4 a + 6 b, 6 a + 9 b).
O n´ucleo de F ´e o conjunto de todos os polinˆ omios p(t) = a + bt + ct2 tais que a 2b c = 0 3a + b c = 0 4a +6b =0 6a +9b = 0. cujas solu¸c˜oes s˜ao b = (7 a/3) t2 e
− − −
−2 a/3 e c = 7 a/3. Logo, p(t) = a − (2 a/3) t +
{ a3 (1 − 2 t + 7 t ) : c ∈ R} = [1 − 2 t + 7 t ]. ao linear. Ent˜ ao, T Teorema 5.6. Seja T : U → V uma transforma¸c˜ ´e injetora se e somente se ker(T ) = {0}. Demonstra¸c˜ ao: (⇒) Suponhamos T injetora. Vamos mostrar que ker(T ) = 0. Seja u ∈ ker(T ); ent˜ao 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 . Ent˜ao T (u − v) = T (u) − T (v) = 0; portanto, u − v ∈ ker(T ). Como ker(T ) = {0}, devemos ter u − v = 0, ker(F ) =
donde u = v. Logo, T ´e 1-1.
2
2
147
N´ ucleo e Imagem
ao linear F : P 2 (R) Exemplo 5.15. Encontrar uma transforma¸c˜ 2 cujo n´ ucleo seja o subespa¸co [1 t, t ].
−
→R
2
De acordo com o teorema 5.5, basta definir os valores de F nos vetores de uma base de P 2 (R). Tomemos a base B = 1, 1 t, t2 . Como queremos que ker(F ) = [1 t, t2 ], pomos F (1 t) = F (t2) = (0, 0); definimos F (1) = (1, 0). Dado p(t) = a + bt + ct2 P 2 (R), podemos escrever p(t) = (a + b) + ( b)t + ct2 . Logo, F ( p) = (a + b)(1, 0) = (a + b, 0).
{ − − ∈
− −
}
R3 ao linear T : R3 Exemplo 5.16. Encontrar uma transforma¸c˜ cuja imagem seja o subespa¸co gerado pelos vetores (2, 1, 0) e (1, 0, 1).
→ −
De acordo com o teorema 5.5, basta definir os valores de T nos vetores de uma base de R3 . Tomemos B = (1, 0, 0), (0, 1, 0), (0, 0, 1) e definamos T (1, 0, 0) = (0, 0, 0), T (0, 1, 0) = (2, 1, 0), T (0, 0, 1) = (1, 0, 1). Ent˜ao
{
}
−
T (x,y,z) = x T (1, 0, 0) + y T (0, 1, 0) + z T (0, 0, 1) = = y (2, 1, 0) + z (1, 0, 1) = = (2 y + z,y, z).
−
−
ucleo ´e Exerc´ıcio 5.8. Determinar um operador linear em R4 cujo n´ gerado pelos vetores (1, 1, 0, 0) e (0, 0, 1, 0).
Teorema 5.7. Seja T : U
→ V uma transforma¸c˜ ao linear. Ent˜ ao
dim U = dim ker(T ) + dim Im (T ).
(5.3)
Demonstra¸cao: ˜ Seja B1 = u1 , . . . , u p uma base de ker(T ) (assim, dim ker(T ) = p). Usando o Teorema 3.7, podemos estender B1 a uma base B = u1 , . . . , u p , v1 , . . . , vr de U (assim, dim U = p + r). Vamos mostrar que T (v1), . . . , T ( vr ) ´e uma base de Im (T ) (portanto, dim ker(T ) = p). Com isto ficar´ a mostrada a igualdade (5.3) acima. Afirmamos que os vetores T (v1 ), . . . , T ( vr ) geram Im (T ). De fato, dado v Im (T ), existe x U tal que T (x) = v. Como B ´e base de U , temos x = α1 u1 + + α p u p + β 1 v1 + + β r vr .
{
{
∈
}
} }
{
∈ ···
·· ·
148
Cap. 5
Como T (u1 ) =
Transforma¸ coes ˜ Lineares
· ·· = T (u ) = 0, pois u , . . . , u ∈ ker(T ), temos T (x) = α T (u ) + · ·· + α T (u ) + β T (v ) + ·· · + β T (v ) = β T (v ) + ··· + β T (v ), Logo, qualquer v ∈ Im(T ) ´e combina¸ca˜o linear de T (v ), . . . , T ( v ). p
1
1
1
p
1
1
r
p
p
1
1
r
r
r
1
r
Afirmamos que os vetores T (v1 ), . . . , T ( vr ) s˜ao LI. De fato, se γ 1 T (v1 ) +
·· · + γ T (v ) = 0 r
r
temos T (γ 1 v1 +
·· · + γ v ) = 0 r
e assim, γ 1 v1 +
r
··· + γ v ∈ ker(T ) r
r
Como ker(T ) = [ u1 , . . . , u p ], existem escalares δ1 , . . . , δ p tais que γ 1 v1 +
··· + γ v r
r
= δ1 u1 +
··· + δ
p u p
,
Como os vetores u1 , . . . , u p , v1 , . . . , vr s˜ao LI, pois formam uma base de U , essa igualdade implica γ 1 =
··· = γ = δ = ··· = δ r
1
p
= 0.
Logo, T (v1 ), . . . , T ( vr ) s˜ao LI.
Exemplo 5.17. N˜ ao existe transforma¸c˜ ao linear F : sobrejetora. De fato, pelo teorema anterior, temos
R2
→R
3
que seja
dim Im(T ) = dim R2
− dim ker(F ) = 2 − dim ker(F ) ≤ 2. ao existe transforma¸c˜ ao linear F : R → R que seja Exemplo 5.18. N˜ 4
2
injetora.
≤ 2, pelo Teorema anterior, temos dim ker(F ) = dim R − dimIm(F ) = 4 − dim Im(F ) ≥ 2.
Como dim Im(F )
4
Logo, T n˜ao pode ser injetora.
149
N´ ucleo e Imagem
ao linear bijetora entre dois espa¸cos Defini¸c˜ao 5.1. Uma transforma¸c˜ vetoriais U e V ´e chamada um isomorfismo. Dizemos, neste caso, que os espa¸cos vetoriais U e V s˜ ao isomorfos. ´ claro que, qualquer que seja o espa¸co vetorial U , o operador identiE dade I U : U U ´e um isomorfismo.
→
Exemplo 5.19. O operador linear T : (x y, x + y), ´e um isomorfismo.
R2
2
→ R , dado por T (x, y) =
−
Exemplo 5.20. A transforma¸cao R, F (x, y) = x y, ˜ linear F : R2 n˜ ao ´e um isomorfismo, pois ela n˜ ao ´e 1-1: note que F (1, 1) = F (0, 0).
→
Teorema 5.8. Se F : U tamb´em ´e.
−
1
→ V for um isomorfismo, ent˜ ao F − : V → U
Demonstra¸cao: ˜ Sendo F um isomorfismo, temos que F ´e invert´ıvel, portanto, a transforma¸c˜ao 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 bije¸ca˜o). Ent˜ ao
∈
∈
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 (α y) = α F −1 (y).
Exerc´ıcio 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 express˜ oes de F G e G F (b) Encontre bases para ker(F G), ker(G F ), Im (F G) e Im (G F ).
◦
→ − ◦
◦ ◦
◦
◦
ucleo e para a imagem Exerc´ıcio 5.10. Determine uma base para o n´ das transforma¸c˜ oes lineares abaixo: 2 2 R , F (x, y) = (2 x (a) F : R 6 y, 3 x 9 y) (b) F : R2 6 y, 3 x 9 y, 2 x 6 y) R3 , F (x, y) = (2 x 3 3 R , F (x,y,z) = (x (c) F : R y + 2 z, 3 x y 2 z, y 4 z) R2 , F (x,y,z) = (x (d) F : R3 y + 2 z, x 5 z) (e) F : P 2 (R) P 2 (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 : M 2 (R) M 2 (R), F (X ) = A X , sendo A = . 2 4
→ → → →
−
→ − →
− − − −
− −
− − − − −
−
− −
150
5.4
Cap. 5
Transforma¸ coes ˜ Lineares
Autovalores e Autovetores
Rn , queremos encontrar Para um dado um operador linear T : Rn vetores v = 0 para os quais T v ´e um m´ ultiplo de v. Esse conceito ´e de grande importˆ ancia em diversas ´areas de Matem´ a tica e nas aplica¸c˜o es. No pr´ oximo cap´ıtulo, tais vetores desempenhar˜ao um papel fundamental no estudo dos sistemas de equa¸co˜es diferenciais lineares. Seja T : Rn e um Rn um operador linear. Um autovalor de T ´ n escalar λ tal que existe um vetor v = 0 em R para o qual T (v) = λ v. Qualquer v = 0 com essa propriedade ´e chamado um autovetor de T . O conjunto V λ = v Rn : T (v) = λv
→
→
{ ∈
}
chama-se autoespa¸co de T .
Exemplo 5.21. O escalar λ = 1 ´e autovalor do operador identidade Rn e qualquer vetor v = 0 ´ I : Rn e um autovetor associado ao autovalor λ = 1.
→
Exemplo 5.22. Seja F : R3 R3 , dado por F (v) = A v, em que A = diag (c1 , c2 , c3 ). Os n´ umeros reais c1 , c2 , c3 s˜ ao autovalores F ; o vetor (1, 0, 0) ´e um autovetor de F associado a c1 , (0, 1, 0) ´e autovetor de F associado a c2 e (0, 0, 1) ´e autovetor associado a c3 .
→
Como, pelo Teorema 5.2, os operadores lineares em Rn s˜a o da forma T (u) = A u, para alguma matriz A, encontrar um vetor v = (x1 , .. . , xn) tal que T (v) = λ v ´e o mesmo que encontrar uma matriz T coluna (que por raz˜ oes tipogr´ aficas escreveremos) X = x1 , .. . , xn tal que A X = λ X . Essa equa¸ca˜o matricial pode ser escrita na forma A X = λ I X (em que I denota a matriz identidade), ou seja
(A
− λ I ) X
(5.4)
A equa¸c˜ao matricial (5.4) tem solu¸ca˜o n˜ao trivial e somente se det(A
− λI ) = 0. n
(5.5)
O determinante da matriz A λI n ´e um polinˆ omio de grau n em λ, chamado polinˆ omio caracter´ıstico da matriz A. O escalar λ ´e
−
151
Autovalores e autovetores
chamado um autovalor de A e toda matriz n 1, X = 0, tal que AX = λX ´e um autovetor de A correspondente ao autovalor λ.
×
Exemplo 5.23. Encontrar os autovalores e autovetores de A = O polinˆomio caracter´ıstico de A ´e det(A
− λI ) = det
− λ 1
1 λ
− = −1 e λ
= λ2
0 1 . 1 0
− 1 = (λ − 1)(λ + 1) .
Logo, os autovalores s˜ ao λ1 2 = 1. Autovetores associados a λ = 1: procuramos X = [ a , b ]T tais que (A I ) X = 0.
−
− 1 1
a b
1 1
−
0 0
=
⇒ −
a+b= 0 a b=0
=
⇒
=
−
b = a.
Logo, os autovetores associados ao autovalor λ = 1 s˜ao todas as matrizes X = [ a , a ]T = a [ 1 , 1 ]T , com a = 0. Autovetores associados a λ = 1: procuramos Y = [ a , b ]T tais que (A + I ) Y = 0.
−
⇒ 1 1 1 1
a b
=
0 0
=
a+b=0 a+b=0
⇒
=
Logo, os autovetores associados ao autovalor λ = matrizes Y = [ a , a ]T = a [ 1 , 1 ]T , com a = 0.
−
−
−
b=
−a .
−1 s˜ao todas as
0 1 Exemplo 5.24. A matriz A = n˜ ao tem autovalores reais: 1 0 de fato, o polinˆ omio caracter´ıstico de A, pA (λ), ´e pA (λ) = det(A
− λI ) = det
− − λ 1
1 λ
−
= λ2 + 1,
que n˜ ao tem ra´ızes reais. No entanto, A tem dois autovalores complexos: i e i.
−
152
Cap. 5
Transforma¸ coes ˜ Lineares
Calculemos os autovetores de A. Autovetores associados a λ = i: procuramos X = [ a , b ]T tais que (A i I )X = 0.
− −i
1
1 i
−
a b
0 0
=
⇒ −
ia+b = 0 a ib = 0
=
⇒
=
−
b = ia.
Logo, os autovetores associados ao autovalor λ = i s˜ao todas as matrizes X = [ a , i a ]T = a [ 1 , i ]T , com a = 0. Autovetores associados a λ = i: procuramos Y = [ c , d ]T tais que (A + i I ) Y = 0.
−
i 1 1 i
c d
⇒
0 0
ic+d = 0 c + id = 0
⇒ Logo, os autovetores associados ao autovalor λ = −i matrizes Y = [ c , −i c ] = c [ 1 , −i ] , com c = 0. =
=
T
=
d=
−i c .
s˜a o todas as
T
Observa¸c˜ao 5.1. O exemplo anterior mostra que para falar em autovalores, devemos especificar se admitimos que eles sejam complexos. Como o polinˆ omio caracter´ıstico de uma A matriz de ordem n tem n ra´ızes 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 tˆem o mesmo polinˆ omio carac− 1 ter´ıstico, isto ´e, se B = P AP , ent˜ ao pA(z) = pB (z). Al´em disso, se X for um autovetor de A correspondente ao autovalor λ, ent˜ ao P −1 X ´e autovalor de B correspondente a λ. Demonstra¸c˜ ao: De fato, usando a igualdade det (P −1 ) det (P ) = 1, temos det(B
1
1
1
− λI ) = det (P −− AP − λP − I P ) = det P − (A − λI )P = det P det(A − λI )det P = det (A − λI ). n
1
n
n
n
n
Logo, o polinˆ omio caracter´ıstico de B ´e igual ao polinˆomio caracter´ıstico de A. Para verificar a segunda parte, seja Y = P −1 X ; ent˜ao B Y = P −1 A P P −1 X = P −1 A X = P −1 λ X = λ P −1 X = λ Y .
153
Autovalores e autovetores
R3 definido por Exemplo 5.25. Seja T o operador linear T : R3 T (x,y,z) = (2 x, 10 x + 7 y 30 z, 2 x + y 4 z). Encontrar os autovalores, autovetores e autoespa¸cos de T ´ f´acil ver que T (u) = A u, em que E
−
−
−−
2 0 10 7 2 1
A=
O polinˆomio caracter´ıstico de A ´e:
− −− 2
det(A
− λI ) = det = (2
λ 0 10 7 λ 2 1
−
− λ)det
−
7
−λ 1
−
− − − − − − 0 30 4
→
.
0 30
4
λ
30
−4 − λ
= (2
− λ)(2 − λ)(1 − λ).
Portanto, os autovalores s˜ ao λ1 = λ2 = 2 e λ3 = 1. Autovetores e autoespa¸co associados a λ = 2: procuramos v = (a,b,c) tais que (A 2 I ) v = 0.
−
−−
0 0 10 5 2 1
− − 0 30 6
a b c
=
0 0 0
⇒ −
=
10 a + 5 b 30c = 0 2a + b 6c = 0
− −
−
donde obtemos b = 2 a + 6 c. Logo, os autovetores s˜ ao
v = (a, 2 a + 6 c, c) = a (1, 2, 0) + c (0, 6, 1),
a, c
∈ R.
O autoespa¸co associado a λ = 2 ´e V (λ=2) = [(1, 2, 0), (0, 6, 1)].
Autovetores associados a λ = 1: procuramos w = (a,b,c) tais que (A I ) w = 0.
−
−−
1 0 10 6 2 1
− − 0 30 5
a b c
=
0 0 0
⇒
=
−−
a=0 10 a + 6 b 30 c = 0 2a + b 5c = 0
−
−
donde obtemos a = 0, b = 5 c. Logo w = (0, 5 c, c) = c (0, 5, 1), c O autoespa¸co associado a λ = 1 ´e V (λ=1) = [(0, 5, 1)].
∈ R.
154
Cap. 5
Transforma¸ coes ˜ Lineares
ao as coordenadas Observa¸c˜ao 5.2. Seja P a matriz cujas colunas s˜ − 1 dos autovetores de T ; ent˜ ao P A P ´e uma matriz diagonal; mais precisamente, se P =
1 0 0 2 6 5 0 1 1
,
ent˜ ao
P −1 A P =
2 0 0 0 2 0 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 ao A ´e semev1 , . . . , vn associados aos autovalores λ1 , . . . , λn . Ent˜ lhante a uma matriz diagonal: mais precisamente, se P = v1 , . . . , vn , ent˜ ao P −1 A P = diag(λ1 , . . . , λn ).
Demonstra¸c˜ ao: Usando as igualdades A v1 = λ1 v1 , . . . , A vn = λn vn e o Teorema 1.1, temos
P −1 A P = P −1 A v1 , .. . , A vn = P −1 λ1 v1 , .. . , λn vn = λ1 P −1 v1 , .. . , λn P −1 vn = diag (λ1 , , λn ) .
···
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 (tamb´em dizemos que P diagonaliza A).
→
{
}
O operador do Exemplo 5.25 ´e diagonaliz´ avel. Nem todo operador ´e diagonaliz´ avel, como mostra o exemplo seguinte.
Exemplo 5.26. Encontrar os autoespa¸cos do operador T : 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 polinˆomio caracter´ıstico de B ´e
− −
− −
R3
→R
− λ −1 −1 2 2−λ 1 det(B − λI ) = det 2 2 3−λ = −λ + 5 λ − 8 λ + 4 = (2 − λ)(2 − λ)(1 − λ). 3
0
2
3
155
Autovalores e autovetores
Portanto, os autovalores s˜ ao λ1 = λ2 = 2 e λ3 = 1.
Autovetores associados a λ = 1: procuramos v = [a,b,c]T tais que (B I ) v = 0.
− −1 −1 −1
2 2
1 2
1 2
c b c
=
0 0 0
⇒
=
a+ b+ c=0 b+ c=0 2a+2b+2c = 0
2 d + e + f = 0 2d + f = 0 2 d + 2 e + f = 0
donde obtemos a = 0 e b = c. Portanto v = [0, c, c]T = c [0, 1, 1]T . O autoespa¸co associado a λ = 1 ´e V (λ=1) = [0, x, x]T : x R . Autovetores associados a λ = 2: procuramos w = [d,e,f ]T tais que (B 2 I ) w = 0.
−
− { −
− ∈ }
−
−
2 2 2
−1 −1 0 2
1 1
d e f
0 0 0
=
⇒
=
donde obtemos e = 0 e f = 2 d. Portanto w = d [ 1, 0, 2 ]T . O autoespa¸co associado a λ = 2 ´e V (λ=2) = [ x, 0, 2 x ]T : x R .
−
{
−
− ∈ }
Teorema 5.11. Sejam v1 , . . . , v p autovetores de um operador T associados aos autovalores λ1 , . . . λ p . Se os autovalores λ1 , . . . λ p forem distintos, ent˜ ao os autovetores v1 , . . . , v p s˜ ao linearmente independentes. Demostra¸c˜ ao: Vamos mostrar o teorema por indu¸c˜ao sobre n. Em primeiro lugar, notemos que o resultado ´e verdadeiro se n = 1, pois autovetores s˜ ao vetores n˜ ao nulos. Suponhamos que o resultado seja v´ alido para um n´ umero k. Vamos mostrar que ele ´e verdadeiro para k + 1. Sejam v1 , . . . , vk+1 autovetores de T . Suponhamos que os n´ umeros α1 , . . . , αk+1 sejam tais que α 1 v1 +
··· + α v
k k
+ αk+1 vk+1 = 0
(5.6)
156
Cap. 5
Transforma¸ coes ˜ Lineares
(queremos concluir que essa rela¸ca˜o implica α1 = 0, . . . , αk+1 = 0). Aplicando T aos dois membros de (5.6) e notando que v1 , . . . , vk+1 s˜ao autovetores de T , obtemos α1 λ1 v1 +
·· · + α
k
λk vk + αk+1 λk+1 vk+1 = 0.
(5.7)
Multiplicando (5.6) por λk+1 e subtraindo de (5.7), obtemos α1 (λ1
−λ
k+1 ) v1
+
·· · + α
k
(λk
−λ
k+1 ) vk
= 0.
(5.8)
Agora, como o resultado ´e verdadeiro para k autovetores, temos que v1 , . . . , vk s˜ao LI. Portanto α1 (λ1
−λ
k+1 )
= 0, . . . , αk (λk
−λ
k+1 )
=0
Como, por hip´ otese, os autovalores s˜ ao dois a dois distintos, temos α1 = = αk = 0. Substituindo em (5.6), obtemos αk+1 vk+1 = 0. Como vk+1 = 0, temos αk+1 = 0. Logo, v1 , . . . , vk+1 s˜ao LI.
···
Como conseq¨ uˆencia imediata dos Teoremas 5.10 e 5.11, temos:
Teorema 5.12. Se o operador T : tos, ent˜ ao T ´e diagonaliz´ avel.
Rn
→R
n
tem n autovalores distin-
Um resultado importante no estudo de autovalores e autovetores, cuja prova omitiremos ´e: ao: Teorema 5.13. Seja A uma matriz n n sim´etrica. Ent˜ (i) os autovalores de A s˜ ao reais; (ii) existe uma base ortonormal de Rn formada por autovetores de A.
×
Exerc´ıcio 5.11. Encontre os autovalores e autovetores das matrizes abaixo: 2 1 0 0 1 2 1 3 0 0 0 2 0 0 1 0 5 A= 0 B= 0 2 C = 0 0 1 1 0 0 2 0 1 2 0 0 2 4
−
− −
− −
−
157
Autovalores e autovetores
Exerc´ıcio 5.12. Encontre os autovalores e autovetores dos operadores lineares abaixo (em (a) e (c), k R ´e uma constante fixada): (a) T (x, y) = (k x , k y) (b) T (x, y) = (x , k y) (c) T (x, y) = (x + y, x y) (d) T (x, y) = ( x, y) (e) T (x, y) = ( x y, 3x + y) (f ) T (x,y,z) = (z,y,x). (g) T (x,y,z) = (3 x, 2 y 5 z, y 2 z) (h) T (x,y,z) = (x, x+2y, x+y) (i) T (x,y,z,w) = (3 x + y, 3 y, 4 z, 3 w) ( j) T (x,y,z,w) = (2 x + y, 2 y, z + w, 2 z + 4 w).
∈
− − − − −
−
−
−
Exerc´ıcio 5.13. Verifique se A ´e diagonaliz´ avel, sendo: 3 6 2 0 1 2 1 1 1 2 1 6 (a) A = A= 1 2 0 1 1 3
−−
−
−
−
− − − − −
avel; Exerc´ıcio 5.14. Determine quais das matrizes abaixo ´e diagonaliz´ quando for o caso, escreva a matriz que diagonaliza A. 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 0 2 0 1 0 3 1 (d) (e) (f ) 0 0 2 0 12 0 3 0 0 0 3 0 0 0 3 0 1 0 0
− − − − − − − − − − − −
1 0 0 2 1 0 Exerc´ıcio 5.15. Seja 1 0 2 a) Determine os autovalores e autovetores de A; b) Determine uma base para os correspondentes autoespa¸cos; c) Determine uma matriz P que diagonaliza A e calcule P −1A P .
4z, 3y + 5z, z): Exerc´ıcio 5.16. Seja T : R3 R3 T (x,y,z) = (3x (a) Encontre o polinˆ omio caracter´ıstico de T . (b) Para cada autovalor λ de T , encontre o autoespa¸co V (λ) e dˆe sua dimens˜ ao. (c) T ´e diagonaliz´ avel? Justifique. (d) Caso (c) seja verdadeira, ache uma matriz P que diagonaliza T .
→
−
158
Cap. 5
Transforma¸ coes ˜ Lineares
R3 , T (x,y,z) = (x, 2 x + 2 y, x + k z). Exerc´ıcio 5.17. Seja T : R3 (a) Calcular o polinˆ omio caracter´ıstico e os autovalores de T . (b) Determinar todos os valores de k para que T seja diagonaliz´ avel. (c) Para tais valores de k, ache uma matriz que diagonaliza T .
→
oes os n´ umeros a e b devem satisfazer para Exerc´ıcio 5.18. Que condi¸c˜ 3 3 R , T (x,y,z) = (x + z , b y , a x que o operador linear T : R z) seja diagonaliz´ avel?
→
−
R2 um operador linear tal que v1 = Exerc´ıcio 5.19. Seja T : R2 (1, 1) e v2 = ( 1, 0) s˜ ao autovetores de T correspondentes aos autovalores λ1 = 2 e λ2 = 3, respectivamente. Determine T (x, y).
−
−
→
−
R3 tal que Exerc´ıcio 5.20. Considere o operador linear F : R3 v = (1, 0, 0) ´e autovetor com autovalor nulo e F (0, 1, 0) = (0, 2, 1) e F (0, 1, 1) = (0, 0, 3). Determine F (x,y,z).
→
−
Cap´ıtulo 6 Sistemas de Equa¸co ˜es Diferenciais Lineares 6.1
Introdu¸c˜ ao
Consideremos um sistema mecˆ anico formado por duas part´ıculas de massas m1 e m2 ligadas a molas, como na figura abaixo. Suponhamos que as massas est˜ao imersas em meios que oferecem resistˆencias aos seus movimentos e essas resistˆencias sejam propocionais a`s correspondentes velocidades das massas. k1
Ox z1
c
Oy z2 c
m1 k2 m2
Figura 6.1 De acordo com a segunda lei de Newton, o movimento das part´ıculas ´e descrito pelo sistema de equa¸c˜oes diferenciais m1 z1 = k1 z1 k2 z1 + k2 z2 m2 z2 = k1 z2 k2 z2 b2 z2 .
−
− − − 159
−b
1 z1
(6.1)
160
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
Sistemas de equa¸c˜oes diferenciais ocorrem com freq¨ uencia em Mecˆ anica, por causa da segunda lei de Newton. A posi¸c˜ao x(t) de uma part´ıcula de massa m em um instante t, sujeita a uma for¸ca F(t, x(t), x (t)) (essa nota¸ca˜o significa que a for¸ca pode depender do instante t, da posi¸ca˜o x(t) e da velocidade x (t) naquele instante) ´e dada pela equa¸c˜ ao diferencial vetorial m x = F(t, x, x ) (6.2) Em termos das componentes x(t) = (x1 , x2 , x3 ), F = (f 1 , f 2 , f 3 ), temos m x1 = f 1 (t, x1 , x2 , x3 , x1 , x2 , x3 ) m x2 = f 2 (t, x1 , x2 , x3 , x1 , x2 , x3 ) (6.3) m x3 = f 3 (t, x1 , x2 , x3 , x1 , x2 , x3 )
A Figura 6.2 abaixo mostra uma malha com dois circuitos el´etricos contendo uma fonte de for¸ca eletromotriz E , dois resistores R1 e R2 e dois indutores L1 e L2 . Usando as Leis de Kirchoff, podemos mostrar que as correntes I 1 e I 2 satisfazem o sistema de equa¸c˜oes diferenciais
L1 I 1 + R1 I 1 + R1 I 2 = E L2 I 2 + R1 I 1 + (R1 + R2 )I 2 = E R1 R2 E
I E
L1
c I 1
E I 2
(6.4)
L2
Figura 6.2 A equa¸c˜ao diferencial linear de ordem n y(n) + an−1(t) y (n−1) +
··· + a (t)y + a (t)y = g(t) 1
0
pode ser escrita como sistemas de equa¸co˜es diferenciais de primeira ordem. De fato, pondo, z1 = y, z2 = y ,
··· , z
n
= y (n−1),
161
Introdu¸cao ˜
obtemos o sistema
z1 = z2 z2 = z3 .. . zn −1 = yn zn = g(t)
− a − (t) z − · · · − a (t) z − a (t) z n 1
n
1
2
0
1
Para os nossos objetivos, basta considerar sistemas de equa¸co˜es diferenciais de primeira ordem, pois qualquer equa¸ca˜o diferencial de ordem superior a um pode ser transformada em um sistema de equa¸c˜oes de primeira ordem. Consideremos, por exemplo, o sistema (6.3). Definindo as vari´aveis y1 = x1 , y2 = x1 , y3 = x2 , y4 = x2 , y5 = x3 , y6 = x3 , reescrevemos o sistema (6.3) como
y1 = y2 1 y2 = f 1 (t, y1 , y3 , y5 , y2 , y4 , y6 ) m y3 = y4 1 y4 = f 1 (t, y1 , y3 , y5 , y2 , y4 , y6 ) m y5 = y6 1 y6 = f 1 (t, y1 , y3 , y5 , y2 , y4 , y6 ) m
Os sistemas de equa¸co˜es diferenciais podem geralmente ser escritos na forma y1 = f 1 (t, y1 , . . . , yn ) .. (6.5) . yn = f n (t, y1 , . . . , yn )
Aqui f 1 (t, y1 , . . . , yn ), . . . , fn (t, y1 , . . . , yn ) s˜ao fun¸c˜o es definidas em um subconjunto aberto Ω de Rn+1 . ao do sistema (6.5) ´e uma fun¸c˜ao vetorial continuamenUma solu¸c˜ te diferenci´ avel y(t) = (y1 (t), . . . , yn (t)) que satisfaz cada uma das
162
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
equa¸c˜oes em (6.5). Por exemplo, a fun¸ c˜ao y(t) = ( 2 e−4t , 2 e−4t + 1) ´e solu¸ca˜o do sistema
−
y1 = y1 + 5 y2 5 y2 = 2 y1 2 y2 + 2
−
−
(6.6)
De fato, se y2 (t) = 2 e−4t e y2 (t) = 2 e−4t + 1, temos y1 (t) = 8 e−4t = = y1 (t) + 5 y2(t) 5 e y2 (t) = 8 e−4t = 2 y1 (t) 2 y2(t) + 2. Fixados um vetor v Rn e um n´ umero t0 de modo que (t0 , v) Ω, o problema de encontrar uma solu¸c˜ao y(t) de (6.5) tal que y(t0) = v chama-se problema de valor inicial para o sistema (6.5). Um fato importante sobre o sistema (6.5) ´e que sob condi¸ c˜oes razo´aveis, podemos garantir existˆencia de solu¸co˜es desse sistema.
−
−
∈
−
−
∈
oes f 1 , . . . , fn e suas derivadas Teorema 6.1. Suponhamos que as fun¸c˜ parciais de primeira ordem ∂f i /∂x j , i, j = 1, . . . , n sejam cont´ınuas no conjunto aberto Ω. Ent˜ ao, dado qualquer (t0 , y0 ) Ω, existe um n´ umero r > 0 tal que o sistema (6.5) tem uma ´ unica solu¸c˜ ao y(t), definida em um intervalo (t0 r, t0 + r), tal que y(t0 ) = y0.
∈
−
A demonstra¸ca˜o desse teorema envolve conceitos mais elaborados e, por esta raz˜ao, ser´a omitida. Como conseq¨ uˆencia do Teorema 6.1, o problema de valor inicial
x = sen (t3 y5 ) + e3y+7x y = ln(x2 + y 4 + 1) + cos(5x + 2ty) x(0) = 1, y(0) = 5
(6.7)
tem uma u ´nica solu¸ca˜o definida em algum intervalo contendo t0 = 0. N˜ao parece f´ acil descobrir uma solu¸ca˜o para tal sistema. Esse exemplo mostra que o sistema (6.5) ´e geral demais e fica dif´ıcil obter informa¸ c˜oes precisas a respeito de suas solu¸c˜oes. Por essa raz˜ ao, vamos concentrar nossa aten¸c˜ao aos sistemas lineares, que s˜ ao da forma
y1 = a11 (t) y1 + .. .
· ·· + a
yn = an1(t) y1 +
·· · + a
1n (t) yn
+ g1 (t) (6.8)
nn (t) yn
+ gn (t) ,
163
6.2. FATOS GERAIS SOBRE SISTEMAS LINEARES
com as fun¸co˜es aij (t) e gi (t), i,j = i , . . . , n, cont´ınuas em um intervalo I R. O sistema (6.6) ´e linear, mas o sistema (6.7) n˜ ao ´e linear. As express˜oes (6.8) s˜ao desajeitadas para denotar um sistema linear. Definindo as matrizes y, A(t) e g(t) por
⊂
y=
y1 y2 .. . yn
, A(t) =
a11 (t) a12 (t) a1n(t) a21 (t) a22 (t) a2n(t) .. .. .. ... . . . an1 (t) an2 (t) ann (t)
· ·· · ·· · ··
podemos ent˜ ao reescrever o sistema (6.8) na forma
y = A(t) y + g(t)
g(t) =
g1 (t) g2 (t) .. . gn(t)
(6.9)
ao homogˆ eneo . Se g(t) = 0, o sistema (6.9) ´e chamado sistema linear n˜ Se g(t) = 0, t, esse sistema fica
∀
y = A(t) y
(6.10)
e ´e chamado sistema linear homogˆeneo . Como no caso das equa¸co˜es de primeira e de segunda ordem, chamaremos solu¸c˜ ao que contenha ao geral do sistema (6.9) a uma express˜ todas as solu¸c˜oes desse sistema. Para sistemas lineares podemos afirmar um pouco mais sobre a existˆencia de solu¸co˜es: elas est˜ao definidas em todo o intervalo I , como afirma o pr´oximo teorema.
Teorema 6.2. Suponhamos que as fun¸coes ˜ A(t) e g(t) sejam cont´ınuas no intervalo I (isto ´e, as fun¸c˜ oes aij (t) e gi (t), i , j = i , . . . , n, s˜ ao n R , o sistema (6.9) cont´ınuas em I ). Ent˜ ao, dados t0 I e y0 tem uma ´ unica solu¸cao ˜ y(t), definida em todo o intervalo I , tal que y(t0 ) = y0 .
∈
6.2
∈
Fatos Gerais sobre Sistemas Lineares
Uma propriedade caracter´ıstica dos sistemas lineares ´e o chamado Princ´ıpio de Superposi¸ca˜o, dado no pr´ oximo teorema. A demonstra¸c˜ao ´e imediata e ser´ a omitida.
164
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
Teorema 6.3. Consideremos os sistemas lineares y = A(t) y + g1 (t) y = A(t) y + g2 (t) .
(6.11) (6.12)
Suponhamos que y1 (t) seja uma solu¸c˜ ao do sistema (6.11), y2 (t) uma solu¸c˜ ao do sistema (6.12) e sejam c1 , c2 duas constantes. Ent˜ ao a fun¸c˜ ao y(t) = c1 y1 (t) + c2 y2(t) ´e uma solu¸cao ˜ do sistema
y = A(t) y + c1 g1 (t) + c2 g2 (t).
(6.13)
Em particular, para sistemas homogˆeneos, temos
Corol´ ario 6.1. Suponhamos que y1 (t) e y2 (t) sejam solu¸c˜ oes do sistema linear homogˆ eneo y = A(t) y Ent˜ ao qualquer combina¸c˜ ao linear dessas solu¸c˜ oes
y(t) = c1 y1 (t) + c2 y2(t) tamb´em ´e uma solu¸cao ˜ desse sistema. Em outras palavras, o conjunto de todas solu¸coes ˜ do sistema homogˆ eneo ´e um espa¸co vetorial. Como uma conseq¨ uˆencia imediata do princ´ıpio de superposi¸ca˜o temos
Corol´ ario 6.2. Sejam x(t) uma solu¸c˜ ao do sistema linear homogˆeneo x = A(t) x e y(t) uma solu¸c˜ ao do sistema linear n˜ ao homogˆeneo
y = A(t) y + g(t).
(6.14)
Ent˜ ao x(t) + y(t) ´e uma solu¸c˜ ao do sistema n˜ ao homogˆeneo (6.14).
165
Fatos Gerais
Como nos cap´ıtulos anteriores, ´e de fundamental importˆ ancia conhecer o espa¸co vetorial das solu¸co˜es do sistema homogˆeneo. Para isso devemos encontrar uma base de solu¸co˜es desse sistema. ao matricial A(t) seja cont´ınua Teorema 6.4. Suponhamos que a fun¸c˜ no intervalo I . Ent˜ ao o espa¸co vetorial 0 das solu¸c˜ oes do sistema homogˆeneo y = A(t)y tem dimens˜ ao n.
S
Demonstra¸cao: ˜ Fixemos t0 canˆonica de Rn, isto ´e
∈ I .
Seja B = e1 , e2 , . . . , en
{
}
a base
e1 = (1, . . . , 0) , e2 = (0, 1, . . . , 0) , . . . , en = (0, . . . , 1) Pelo Teorema 6.2, para cada j = 1, 2, . . . , n, existe uma u ´nica solu¸c˜ao y j (t) do problema de valor inicial
y = A(t) y y(t0 ) = e j
Afirmamos que as solu¸co˜es y1 (t), y2 (t), . . . , yn (t) constituem uma base de 0 . Em primeiro lugar, elas s˜ao linearmente independentes, pois se os escalares α1 , α2 , . . . , α n s˜ao tais que
S
α1 y1 (t) + α2 y2 (t) +
·· · + α y (t) = 0, ∀t ∈ I, n n
ent˜ao, em particular, para t = t0 , temos α1 y1 (t0 ) + α2 y2 (t0 ) +
··· + α y (t ) = α n n
0
1
e1 + α2 e2 +
·· · + α e
n n
= 0;
como e1 , e2 , . . . , en s˜ao vetores linearmente independentes em Rn , temos α1 = α2 = = αn = 0. Logo, as fun¸c˜oes y1 (t), y2(t), . . . , yn (t) s˜ao linearmente independentes. Mostremos agora que toda solu¸ca˜o ϕ(t) do sistema y = A y ´e uma combina¸c˜ao linear das solu¸co˜es y1 (t), y2 (t), . . . , yn(t). Em primeiro lugar, como 0 ´e um espa¸co vetorial, ´e claro que qualquer combina¸c˜ao linear de y1 (t), y2 (t), . . . , yn(t) ´e uma solu¸ca˜o desse sistema. Seja v = ϕ(t0 ). Como e1 , e2 , . . . , en ´e uma base de Rn , existem n´ umeros c1 , c2 , . . . , cn tais que
···
S
{
v = c1 e1 + c2 e2 +
}
·· · + c e
n n
166
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
Consideremos a fun¸ca˜o
z(t) = c1 y1 (t) + c2 y2 (t) +
·· · + c
n
yn (t) .
Ela ´e uma solu¸c˜ao do sistema y = A y e satisfaz z(t0 ) = v. Agora, a fun¸c˜ao ϕ(t) tamb´em ´e solu¸ca˜o desse sistema e ϕ(t0 ) = v. Como as fun¸co˜es ϕ(t) e z(t) s˜ao solu¸co˜es do problema de valor inicial
y = A(t) y y(t0 ) = v
e como, pelo Teorema 6.2, esse problema de valor inicial tem uma u ´nica solu¸ca˜o, segue-se que ϕ(t) = z(t), t I , isto ´e ϕ(t) = c1 y1 (t) + c2
∀∈ y (t) + · ·· + c 2
n
yn (t) ,
∀t ∈ I.
ou seja, a solu¸ca˜o ϕ(t) ´e combina¸ca˜o linear de y1 (t) , y2(t) , . . . , yn (t). Logo y1(t), y2 (t), . . . , yn (t) ´e base do espa¸co vetorial 0 e portanto dim 0 = n.
{
}
S
S
De acordo com o Teorema 6.4, se x1 (t), . . . , xn (t) s˜ao solu¸c˜oes linearmente independentes do sistema
x = A(t) x
(6.15)
ent˜ ao toda solu¸ca˜o desse sistema ´e da forma
x(t) = c1 x1 (t) +
··· + c
n
xn (t),
c1 , . . . , cn
∈ R.
(6.16)
Como toda solu¸ca˜o do sistema (6.15) ´e dada pela f´ ormula (6.16), essa express˜ao ´e a solu¸ca˜o geral de (6.15). Combinando esse fato com o princ´ıpio de superposi¸ ca˜o e o Corol´ario 6.2 temos o seguinte resultado. ao hoCorol´ ario 6.3. Se y0 (t) ´e uma solu¸c˜ao particular do sistema n˜ mogˆeneo y = A(t) y + g(t) (6.17) e se x(t) = c1 x1(t) + + cn xn (t) ´e a solu¸c˜ ao geral do sistema homogˆeneo associado, ent˜ ao a solu¸cao ˜ geral do sistema n˜ ao homogˆeneo (6.17) ´e da forma
·· ·
y(t) = y0 (t) + c1 x1 (t) +
· ·· + c
n
xn (t),
c1 , . . . , cn
∈ R.
(6.18)
167
Fatos Gerais
ao homogˆeneo Exemplo 6.1. Consideremos o sistema n˜
x = x + 5 y + 4 t 15 y = 2 x 2 y 10 t + 8
− −
−
(6.19)
e o sistema homogˆeneo associado
x = x + 5 y y = 2 x 2 y
(6.20)
−
´ f´ E acil ver que as fun¸c˜ oes vetoriais x1 (t) = e−4 t (1, 1)T e x2 (t) = e3 t (5, 2)T s˜ ao solu¸c˜ oes do sistema homogˆeneo (6.20); ent˜ ao a solu¸c˜ ao geral desse sistema ´e
−
x(t) y(t)
C 1 e−4 t + 5 C 2 e3 t C 1 e−4 t + 2 C 2 e3 t
=
− Como y (t) = (3 t − 1, −2 t + 4)
,
C 1 , C 2
∈ R.
T
´e uma solu¸cao ˜ do sistema n˜ ao homogˆ eneo (6.20), temos que a solu¸cao ˜ geral do sistema n˜ ao homogˆeneo ´e 0
x(t) y(t)
=
−
3 t 1 + C 1 e−4 t + 5 C 2 e3 t 2 t + 4 C 1 e−4 t + 2 C 2 e3 t
−
∈ R. − e , cos 3 t − e , −e
−
,
C 1 , C 2
3t 3t 3t ), Exerc´ıcio 6.1. Sabendo que ϕ1 (t) = (et t 3t 3t 3t t 2t 2t ϕ2(t) = (e + e , cos 3 t + e , e ) e ϕ3(t) = (e + e , cos 3 t + e , 0) s˜ ao solu¸c˜ oes do sistema x = A x + g(t) , encontre a sua solu¸c˜ ao geral.
Notemos que a solu¸ca˜o geral de (6.20) acima pode ser escrita na forma
x(t) y(t)
=
e−4t 5 e3 t e−4 t 2 e3 t
−
C 1 C 2
(6.21)
e que as colunas da matriz do segundo membro de (6.21) s˜ao as solu¸c˜oes LI y1 (t) = e−4 t [ 1, 1 ]T e y2(t) = e3 t [ 5, 2 ]T dadas acima. Essa matriz desempenhar´ a um papel importante no que segue.
−
Defini¸c˜ao 6.1. Seja x1 (t), . . . , xn(t) tema x = A(t) x. A matriz n n
{
X(t) =
×
˜ do sis} uma base de solu¸coes
x1 (t) . . . xn(t)
chama-se matriz fundamental desse sistema.
(6.22)
168
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
No exemplo 6.1, uma matriz fundamental do sistema (6.20) ´e
X(t) =
e−4t 5 e3 t e−4t 2 e3 t
−
.
A solu¸ca˜o geral do sistema (6.1) pode ser escrita na forma X(t)v, em que v ´e um vetor arbitr´ a rio de R2. Essa propriedade ´e verdadeira em geral: de fato, da rela¸ ca˜o (6.16) concluimos facilmente o seguinte resultado.
Teorema 6.5. Se X(t) ´e uma matriz fundamental do sistema (6.15) e v denota um vetor arbitr´ ario de Rn , ent˜ ao a solu¸c˜ ao geral de (6.15) ´e X(t)v.
6.3
Sistema Homogˆ eneo com Coeficientes Constantes
Nesta se¸ca˜o estudamos sistemas
x = A x
(6.23)
em que A ´e uma matriz constante de ordem n. Como j´a fizemos anteriormente, procuraremos solu¸co˜es de (6.23) na forma x(t) = eλ t v. Substituindo essa express˜ ao em (6.23), temos λ eλ t v = A eλ t v
(6.24)
Portanto, Av = λv ou seja, v ´e autovetor de A com autovalor λ. Quando a matriz A tem n autovetores linearmente independentes v1 , . . . , vn, correspondentes aos autovalores reais λ1 , . . . , λn , uma matriz fundamental do sistema (6.23) ´e
X(t) = eλ t v1 , . . . , eλn t vn 1
169
Sistema homogˆeneo
oes para o Exemplo 6.2. Encontrar uma matriz fundamental de solu¸c˜ sistema x = x + 5 y y = 2 x 2 y
−
Os autovalores da matriz A = equa¸c˜ao det ou seja
1
−λ 2
5
−2 − λ
= (1
λ2 + λ
1 2
5 2
−
s˜a o as solu¸c˜o es da
− λ)(−2 − λ) − 10 = 0
− 12 = 0
Portanto, os autovalores de A s˜ao λ1 = 3 e λ2 =
−4.
Autovetores de A associados ao autovalor λ1 = 3: procuramos vetores v = [ a, b ]T = [ 0, 0 ]T tais que (A 3 I ) v = 0, ou seja
− 2 2
a b
5 5
−
−
0 0
=
5b = 2a
donde
Pondo a = 5, temos b = 2. Assim, um correspondente autovetor ´e v = [ 5, 2 ]T e uma solu¸ca˜o do sistema ´e y1 (t) = e3 t [ 5, 2 ]T . Para determinar os autovetores associados ao autovalor λ2 = 4, procuramos v = [ c, d ]T tais que (A + 4 I ) v = 0, ou seja
−
c d
5 5 2 2
0 0
=
d=
donde
−c
Portanto, um correspondente autovetor ´e v = [ 1, 1 ]T e uma solu¸c˜ao do sistema ´e y1 (t) = e−4 t [ 1, 1 ]T . Logo, uma matriz fundamental de solu¸co˜es ´e
−
−
X(t) =
5 e3 t 2 e3 t
e−4 t e−4 t
−
,
e a solu¸ca˜o geral do sistema ´e
x(t) y(t)
=
5 A e3 t + B e−4 t 2A e3 t B e−4 t
−
,
A, B
∈ R.
170
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
ao geral do sistema Exemplo 6.3. Encontrar a solu¸c˜ x = 4 x 3 y z y = x z z = 4 x + 4 y z
− − − − −
(6.25)
O polinˆomio caracter´ıstico ´e
− − 4
p(λ) =
λ
1 4
−3 −1 −λ −1 4 −1 − λ
=
−λ
3
+ 3 λ2 + λ
−3=0
Os candidatos a ra´ızes inteiras s˜ ao: 1 e 3. Como p(1) = 0, vemos que λ1 = 1 ´e raiz. Dividindo p(λ) por λ 1, temos
± ± − −3 1
−1 3 1 −1 2 3 0 O quociente de p(λ) por λ − 1 ´e q(λ) = −λ + 2 λ + 3: suas ra´ızes s˜ao: √ √ −2 + 16 = −1 e λ = −2 − 16 = 3. λ = −2 −2 Portanto, os autovalores de A s˜ao λ = −1, λ = 1 e λ = 3. Os autovetores associados a λ = −1 s˜ao os vetores v = [ a, b, c ] 2
2
3
1
2
3
1
T
1
tais que (A+I )v1 = 0 (A denota a matriz dos coeficientes do sistema), ou seja
−
5 1 4
−3 −1 1 −1 4
0
a b c
=
0 0 0
ou
−
5a 3b a+ b 4a+4b
− −c=0 −c=0 =0
donde obtemos b = a c = 2 a. Portanto, um autovetor ´e v = [ 1, 1, 2 ]T , que d´a a solu¸ca˜o x1 (t) = e−t [ 1, 1, 2 ]T . Os autovetores associados a λ2 = 1 s˜ao os vetores v2 = [ d, e, f ]T tais que (A I )v2 = 0, ou seja
−
3 1 4
−
−3 −1 −1 −1 4 −2
d e f
=
0 0 0
ou
−
− − f = 0 − − f = 0 − 2f = 0
3d 3e d e 4d + 4e
171
Sistema homogˆeneo
Dessas equa¸c˜oes, obtemos d = e, f = 0. Portanto, um autovetor ´e v2 = [ 1, 1, 0 ]T , que d´a a solu¸c˜ao x2 (t) = et [ 1, 1, 0 ]T . Os autovetores associados a λ3 = 3 s˜ao os vetores v3 = [ r, s, w ]T tais que (A 3 I )v3 = 0, ou seja
−
1 1 4
−
−3 −1 −3 −1 4 −4
− r s w
0 0 0
=
ou
− − w=0 − − w=0 − 4w = 0
r 3s r 3s 4r +4s
Resolvendo esse sistema, obtemos r = 2 w, s = w. Portanto, um autovetor ´e v = [ 2, 1, 1 ]T , que d´a a solu¸ca˜o x3 (t) = e3t [ 2, 1, 1 ]T . Logo, uma matriz fundamental para o sistema ´e
−
−
X(t) =
et e−t 2 e3t et e−t e3t 0 2 e−t e3t
−
e a solu¸ca˜o geral desse sistema ´e
x(t) y(t) z(t)
= X(t)
α β γ
=
−
α et + β e−t + 2γ e3t α et + β e−t + γ e3t 2β e−t γ e3t
−
−
,
α, β, γ
∈ R.
Autovalores Repetidos Analisemos agora o caso em que a multiplicidade do autovalor λ0 ´e 2, isto ´e, o polinˆ omio caracter´ıstico tem um fator (λ λ0 )2 , e n˜ao existem 2 autovetores linearmente independentes associados a λ0 . Uma solu¸ca˜o do sistema ´e naturalmente x1 (t) = eλ t u, em que u ´e autovetor associado a λ0 . Para obter uma solu¸ca˜o independente de x1 (t) vamos adaptar para este caso o m´etodo visto no Cap´ıtulo 4: procuraremos uma nova solu¸ca˜o na forma
−
0
x(t) = eλ t (v + t w) ; 0
(6.26)
(assim, o que procuramos s˜ao os vetores v e w). Substituindo (6.26) no sistema x = A x, temos λ0 eλ t (v + t w) + eλ t w = eλ t (A v + t A w) 0
0
0
172
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
Portanto os vetores v e w devem satisfazer
A w = λ0 w A v = λ0 v + w
Observemos que as duas igualdades acima podem ser reescritas como
(A (A
−λ −λ
I ) w = 0 0 I ) v = w 0
(6.27)
ao geral do sistema Exemplo 6.4. Encontrar a solu¸c˜ A matriz dos coeficientes do sistema ´e A = lores s˜ao dados pela equa¸c˜ao det(A
− λI ) = det
4
−λ 1 −1 6 − λ
= (4
−
x = 4 x + y y = x + 6 y
−
4 1 . Os autova1 6
− λ)(6 − λ) + 1 = 0
ou λ2
− 10 λ + 25 = 0
Portanto λ = 5 ´e autovalor de A com multiplicidade 2. Os autovetores s˜ao os vetores u = [ a b ]T tais que ( A 5 I ) u = 0, ou seja
−
− a b
1 1 1 1
−
0 0
=
ou b = a
Portanto, um autovetor de A ´e u = [ 1, 1 ]T , que d´a a solu¸ca˜o x1 (t) = e5 t [ 1, 1 ]T . Para obter uma solu¸c˜ao linearmente independente de x1(t) procuramos v = [ c d ]T de modo que ( A 5 I )v = u
−
− −
1 1 1 1
c d
1 1
=
donde d = 1 + c
Tomando c = 0, temos d = 1; assim, v = [ 0 1 ]T e outra solu¸c˜ao ´e
x2 (t) =
x2 (t) y2 (t)
= e5t
0 1
+ t e5t
1 1
= e5t
t 1+t
173
Sistema homogˆeneo
Logo, a solu¸ca˜o geral do sistema ´e x(t) = α x1 (t) + β x2 (t), α , β ou seja,
x(t) =
x(t) y(t)
5t
= e
α + βt α + β + β t
,
∈ R,
α, β
∈ R.
Autovalores Complexos Analisemos agora o caso em que um autovalor de A tem parte imagin´aria diferente de zero. Para simplificar nosso trabalho, assumiremos que a matriz A ´e real (essa hip´ otese n˜ ao foi necess´ aria nos 2 casos anteriores: o que realmente foi usado ´e que os autovalores e os autovetores eram reais). Os pr´ oximos lemas indicam como obter solu¸c˜oes reais para o sistema. Em primeiro lugar, mostramos que autovalores e autovetores complexos ocorrem aos pares.
Lema 6.1. Suponhamos que A seja uma matriz n n real. Ent˜ ao: (a) Se v ´e autovetor de A com autovalor λ, ent˜ ao v ¯ ´e autovetor com ¯ autovalor λ. (b) Se v = u + i w ( u, w Rn) ´e autovetor associado a um autovalor complexo λ = α + i β , com β = 0, ent˜ ao u e w s˜ ao linearmente n independentes em R .
×
∈
Demonstra¸cao: ˜ (a) Se A v = λ v, ent˜ao, tomando conjugado complexo nos dois membros dessa igualdade, temos A v = λ v. Como ¯v ¯v A v = A¯ v ¯ = Av ¯ e λv = λ ¯, segue-se que A v ¯=λ ¯. Logo, v ¯ ´e ¯ autovetor de A com autovalor λ. (b) Se u e w fossem linearmente dependentes, um deles seria m´ ultiplo do outro: analisaremos apenas o caso w = k u (o caso u = k w ´e an´ alogo). Ent˜ ao, como v = (1 + i k) u ´e autovetor com autovalor λ = α + i β , temos (1 + i k) Au = λ(1 + i k) u donde, cancelando 1 + i k, obtemos Au = λ u, uma igualdade imposs´ıvel, uma vez que o primeiro membro pertence a Rn e o segundo
174
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
membro ´e um vetor cujas componentes tˆem partes imagin´ arias n˜ao nulas. Logo, os vetores u e w s˜ao linearmente independentes.
Lema 6.2. Seja A uma matriz n n real, e sejam F (t) e G(t) fun¸c˜ oes vetoriais reais cont´ınuas. Se z(t) = x(t) + i y(t), em que as fun¸c˜ oes x(t), y(t) s˜ ao reais, ´e uma solu¸c˜ ao do sistema z = A z + f (t) + i g(t), ent˜ ao x e y satisfazem: x = A x + f (t) e y = A y + g(t). Em particular, para f = g = 0, temos: se z(t) ´e uma solu¸c˜ ao complexa do sistema homogˆeneo z = A z, ent˜ ao x(t) e y(t) s˜ ao solu¸c˜ oes reais desse sistema.
×
Como z(t) = x(t) + i y(t), temos
Demonstra¸c˜ ao:
z (t) = x (t) + i y (t) e z (t) = Ax(t) + i Ay(t) + f (t) + i g(t), donde
x (t) + i y (t) = Ax(t) + f (t) + i [Ay(t) + g(t)]. Igualando partes reais e partes imagin´ arias, obtemos
x (t) = A x(t) + f (t)
y (t) = A y(t) + i g(t) .
e
A afirma¸c˜ao para o sistema homogˆeneo ´e conseq¨ uˆencia direta do caso n˜ao homogˆeneo.
Lema 6.3. Seja A uma matriz n n real. Se v = u + i w ´e um autovetor de A com autovalor λ = α + i β (β = 0), ent˜ ao as fun¸coes ˜
×
eα t (u cos β t
− w sen β t)
e
eα t (u sen β t + w cos β t)
s˜ ao solu¸coes ˜ linearmente independentes do sistema x = A x. Demonstra¸c˜ ao:
Pelo Lema 6.2, a solu¸ca˜o complexa
eλ t v = eα t (u cos β t
− w sen β t) + i (u sen β t + w cos β t)
d´a origem a`s solu¸c˜oes reais eα t (u cos β t
− w sen β t)
e eα t (u sen β t + w cos β t).
175
Sistema homogˆeneo
Para mostrar que essas solu¸c˜oes s˜ao LI, notemos que, se a eα t (u cos β t
αt
− w sen β t) + b e
(u sen β t + w cos β t) = 0
ent˜ao eα t (a cos β t + b sen β t)u + ( a sen β t + b cos β t)w = 0 .
−
Como, pelo Lema 6.1, os vetores u e w s˜ao linearmente independentes, a igualdade acima implica a cos β t + b sen β t = 0 . Agora, como as fun¸c˜oes cos β t e sen β t s˜ao linearmente independentes, temos a = b = 0. Logo, as solu¸c˜oes reais eα t (u cos β t w sen β t) e eα t (u sen β t + w cos β t) s˜ao linearmente independentes.
−
Exemplo 6.5. Encontrar uma matriz fundamental para o sistema
x = y =
O polinˆomio caracter´ıstico ´e det
3
3x+4y 2x+7y.
−
−λ 4 −2 7 − λ
= λ2
− 10λ + 29 . = 5 + 2 i e λ = 5 − 2 i. Os autovetores
Portanto os autovalores s˜ ao λ1 2 associados a λ1 = 5 + 2 i s˜ao os vetores v = [ a, b ]T tais que
− − 2
2i
2
−4 2−2i
a b
=
Portanto, um autovetor ´e v = [ 1 plexa
x(t) y(t)
T
− i, 1 ]
ou seja a = (1
− i) b .
, que fornece a solu¸ca˜o com-
− − − − − −
= e(5+2 i)t
i
1
= e5 t cos2 t
1
1 1
= e5t (cos2t + i sen2t) sen2 t
1 + cos 2 t 1 cos2 t + sen 2 t + i e5 t cos2 t
+ i e5 t sen2 t = e5 t
0 0
1 0
1 1
1 0
+i
+
1 0 sen2 t cos2 t sen2 t
.
176
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
que, por sua vez, d´a origem a`s solu¸co˜es reais linearmente independentes
x1 (t) y1 (t)
5t
=e
cos2t + sen 2t cos2t
x2 (t) y2 (t)
e
5t
=e
−
sen2t cos2t sen2t
Logo, uma matriz fundamental de solu¸co˜es reais ´e
X(t) = e5 t
6.4
cos2 t + sen 2 t sen2 t cos2 t cos2 t sen2 t
−
.
Sistema N˜ ao Homogˆ eneo
Nesta se¸ca˜o estudamos sistemas n˜ ao homogˆeneos
y = A y + f (t)
(6.28)
em que A ´e uma matriz constante e f (t) ´e uma fun¸ca˜o vetorial definida em um intervalo I R com valores em Rn. De acordo com o princ´ıpio de superposi¸c˜a o, a solu¸ca˜o geral do sistema (6.28) ´e a soma de uma solu¸ca˜o particular de (6.28) com a solu¸cao geral do sistema homogˆeneo associado x = A x .
⊂
Para encontrar uma solu¸ ca˜o particular do sistema (6.28), temos o m´etodo dos coeficientes indeterminados e a f´ ormula de varia¸ca˜o dos parˆametros, que apresentamos a seguir.
6.5
M´ etodo dos Coeficientes a Determinar
As considera¸co˜es sobre o m´etodo dos coeficientes indeterminados para sistemas de equa¸co˜es diferenciais escalares s˜ao essencialmente as mesmas vistas para equa¸co˜es escalares. ao geral do sistema linear n˜ ao hoExemplo 6.6. Encontrar a solu¸c˜ mogˆeneo
y = A y + e−t B =
1 2 1 4
−
y + e−t
0 6
.
.
177
Coeficientes a determinar
Analisemos primeiro o sistema homogˆeneo associado. O polinˆ omio caracter´ıstico da matriz A ´e
− − − − − 1
λ 2 1 4 λ
= λ2
5 λ + 6 = (λ
− 2)(λ − 3) .
Portanto, os autovalores de A s˜ao 2 e 3. Os autovetores z = [ a, b ] de A associados ao autovalor 2 s˜ao dados por
−
a b
1 2 1 2
0 0
=
ou a = 2 b.
Portanto z = [ 2, 1 ]T e uma solu¸c˜ao ´e x1(t) = e2 t [ 2, 1 ]T . Os autovetores z = [ c, d ] de A associados ao autovalor 3 s˜ ao dados por 2 2 c 0 = ou d = c. 1 1 0 d
− −
Portanto z = [ 1 1 ]T e uma solu¸c˜ao ´e x2 (t) = e3 t [ 1, 1 ]T . Logo, a solu¸c˜ao geral do sistema homogˆeneo associado ´e
xH (t) =
2 a e2 t + b e3 t a e2 t + b e3 t
,
a, b
∈ R.
Como 1 n˜ao ´e autovalor de A, procuraremos uma solu¸ca˜o particular do sistema na forma y p (t) = e−t [ a b ]T . Substituindo essa express˜ ao na equa¸c˜ao, temos
−
−e−
2a +2b = 0 a+5b = 6
t
ou
Portanto
a b
= e−t
−
−
1 2 1 4
−
⇒
=
y p (t) = e−t [1
a b
+ e−t
0 6
a=1 b=
−1 .
T
−1]
.
Logo, a solu¸c˜ao geral do sistema n˜ ao homogˆeneo ´e
y(t) =
e−t + 2 a e2 t + b e3 t e−t + a e2 t + b e3 t
−
, a,b
∈ R.
178
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
ao geral do sistema linear n˜ ao hoExemplo 6.7. Encontrar a solu¸c˜ mogˆeneo y = A y + F (t), (6.29) em que A=
1 1
−1
1
e
F (t) =
2 cos t 3sen t
−
.
Analisemos primeiro o sistema homogˆeneo associado. O polinˆ omio caracter´ıstico de A ´e
1
− λ −1 1 1−λ
= (1
− λ)
2
+ 1 = [λ
− (1+ i)][λ − (1 − i)].
Os autovetores v = [ a, b ]T associados ao autovalor 1 + i s˜ao dados por 1 0 i a = = a = ib. 1 i c 0
− − −
⇒
Portanto, um autovetor ´e v = [ i, 1] e uma solu¸ca˜o complexa ´e
−
i 0 1 = et (cos t + i sen t) +i z(t) = e(1+i) t 1 1 0 t t e ( sen t + i cos t) e sen t et cos t = = +i et (cos t + i sen t) et cos t et sen t
−
.
As partes real e imagin´ aria dessa solu¸c˜ao s˜ao solu¸co˜es reais linearmente independentes desse sistema. Logo, a solu¸ c˜a o real geral do sistema homogˆeneo ´e
xH (t) = et
−
a sen t + b cos t a cos t + b sen t
,
a, b
∈ R.
Analisemos agora o sistema n˜ ao homogˆeneo. Como i e autovalores de A, procuraremos uma solu¸c˜ao na forma
y p (t) =
a cos t + b sen t c cos t + d sen t
.
−i n˜ao s˜ao
179
Coeficientes a determinar
Substituindo essa express˜ ao na equa¸c˜ao, temos
a b c = a+b d= a +c d= b+c+d =
− −
− −
−2
0 0 3.
Resolvendo esse sistema, obtemos a = 0, b = c = d = 1. Portanto, uma solu¸ca˜o particular do sistema ´e
y p (t) =
sen t cos t + sen t
.
e a solu¸ca˜o geral do sistema n˜ ao homogˆeneo ´e
y(t) =
sen t + et ( a sen t + b cos t) cos t + sen t + et (a cos t + b cos t)
−
,
a, b
∈ R.
˜ particular do Observa¸c˜ao 6.1. Outro modo de calcular uma solu¸cao sistema n˜ ao homogˆeneo ´e notar que o termo for¸cante [ 2 cos t, 3sen t ] ´e a parte real da fun¸c˜ ao complexa ei t [ 2, 3 i ]T , resolver a equa¸c˜ ao com valores complexos e tomar a parte real da solu¸cao ˜ obtida.
−
Procuremos uma solu¸c˜a o particular do sistema (6.29) na forma z p (t) = ei t [ z, w ]T (em que z e w s˜ao constantes complexas a serem determinadas. Substituindo no sistema (6.29), temos i ei t
− − − − z w
= ei t
z w z+w
2 3i
+ ei t
.
Cancelando ei t e agrupando os termos semelhantes, obtemos o sistema (1 i) z w = z + (1 i) w =
−
2 3i.
−
Resolvendo esse sistema de equa¸co˜es, obtemos z = Ent˜ao uma solu¸ca˜o complexa do sistema (6.29) ´e
z p (t) = ei t
− i
1
−i
=
− − −
= (cos t + i sen t)
sen t cos t + sen t
−i e w = 1 − i.
+i
i
1
i
=
cos t sen t cos t
−
.
180
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
Logo, a solu¸c˜ao particular procurada ´e x(t) = (sen t, sen t + cos t)T . Notemos que a fun¸c˜ao vetorial y(t) = ( cos t , sen t cos t)T , parte imagin´ aria da solu¸ca˜o z p , ´e solu¸ca˜o do sistema x (t) = Ax + [2sen t, 3 cos t ]T (este sistema ´e parte imagin´ aria do sistema x (t) = Ax + ei t(2, 3 i)T ).
−
−
Como no caso das equa¸c˜oes escalares, o m´ etodo dos coeficientes indeterminados requer uma pequena altera¸c˜ao quando o sistema homogˆeneo associado tem uma solu¸c˜ao parecida com o termo for¸cante.
Exemplo 6.8. Encontrar a solu¸c˜ ao geral do sistema linear n˜ ao homogˆeneo y = A y + t et z =
−
1 2 1 4
t
y + te
1 5
.
Vimos no exemplo anterior que a solu¸ ca˜o geral do sistema homogˆeneo associado ´e xH (t) = a e2 t(2, 1)T + b e3 t (1, 1)T , a, b R. Como o sistema homogˆeneo associado tem uma solu¸ c˜ao da forma e2 t z, procuraremos solu¸ca˜o particular desse sistema na forma
∈
y p (t) = e2 t (u + t v + t2 w).
Ent˜ ao y p (t) = e2 t (2 u + v) + t (2 v + 2 w) + t2 2 w e A y p + t et z = e2 t Au + t (Av + z) + t2 Aw . Igualando essas express˜ oes de y p (t) e A y p + t et z, vemos que u, v e u precisam satisfazer
(A (A (A
− 2 I ) w = 0 − 2 I ) v = 2 w − z − 2 I ) u = v .
(6.30) (6.31) (6.32)
De (6.30) vemos que w precisa ser um autovetor de A associado ao autovalor λ = 2, ou seja, w = [ 2 α, α ]T , para algum α; sejam v = [ a, b ]T e u = [ c, d ]T . A equa¸ca˜o (6.31) ´e
− −
1 2 1 2
a b
=
4α 2α
−1 −5
ou
− −
a +2b = 4α a +2b = 2α
−1 − 5.
´ ˜ DAS CONSTANTES 6.6. F ORMULA DE VARIAC ¸ AO
181
Para que esse sistema tenha solu¸ca˜o, devemos ter 4 α 1 = α 5, ou α = 2; portanto, w = [ 4, 2 ]T . Para α = 2, temos a = 2 b + 9; portanto v = [ 2 b + 9, b ]T . Substituindo esse valor em (6.31), temos
−
− −
−
− 1 2 1 2
−
c d
=
−
0 0
ou
−
−
c+2d = 2b+9 c +2d = b.
−
Para que esse sistema tenha solu¸c˜ao, devemos ter 2 b + 9 = b, ou seja b = 9; portanto, v = [ 9, 9 ]T . Para esse valor de b, temos c = 2 d + 9; portanto u = [ 2 d + 9, d ]T = d [ 2, 1 ]T + [ 9, 0 ]T (cada escolha de d fornece uma solu¸ca˜o particular para o sistema; essas solu¸co˜es diferir˜ao uma da outra por uma parcela da forma d e2 t [ 2, 1 ]T , que ´e uma solu¸c˜ao do sistema homogˆeneo). Escolhendo d = 4, temos u = [ 1, 4 ]T , obtemos a solu¸c˜ao particular
−
− −
−
−
y p (t) = e2 t
2
−9t−4t − −9t−2t 1 4
2
.
Logo, a solu¸c˜ao geral do sistema n˜ ao homogˆeneo ´e
y(t) =
6.6
e2 t (2 a + 1 e2 t ( a 4
2
3t
2
3t
− 9t − 4t )+ be − − 9t − 2t )+ be
,
a, b
∈ R.
F´ ormula de Varia¸c˜ ao das Constantes
De acordo com o teorema 6.5, se X(t) ´e uma matriz fundamental do sistema linear homogˆeneo x = A(t) x, ent˜ao toda solu¸ca˜o desse sistema ´e da forma X(t) v, para algum vetor (constante) v. Consideremos agora o sistema n˜ ao homogˆeneo (6.17). Vamos procurar uma solu¸ca˜o (particular) desse sistema na forma y(t) = X(t) u(t), em que u(t) ´e uma fun¸ca˜o continuamente deriv´ avel (como procuramos uma solu¸ca˜o particular, podemos supor u(t0 ) = 0, t0 I ) . Ent˜ ao y (t) = X (t) u(t) + X(t) u (t). Substituindo no sistema (6.17), temos
∈
X (t) u(t) + X(t) u (t) = A(t) X(t) u(t) + g(t) .
(6.33)
Como X(t) ´e matriz fundamental do sistema x = A(t) x, temos X (t) = A(t) X(t). Substituindo essa igualdade em (6.33), temos A(t) X(t) u(t) + X(t) u (t) = A(t) X(t) u(t) + g(t)
182
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
donde obtemos
u (t) = X−1 (t) g(t).
(6.34)
Integrando essa igualdade, temos
t
u(t) = u(t0) +
X−1(s) g(s) ds.
t0
Logo, uma solu¸c˜ao do sistema n˜ao homogˆeneo ´e
t
y(t) = X(t) u(t) = X(t) u(t0 ) + X(t)
X−1 (s) g(s) ds.
(6.35)
t0
A igualdade (6.35) fornece uma solu¸c˜ao do sistema linear n˜ao homogˆeneo a partir da matriz fundamental do sistema homogˆeneo correspondente e uma integra¸c˜ao. Combinando (6.35) com o Corol´ ario 6.3 podemos obter a solu¸c˜ao geral do sistema n˜ ao homogˆeneo. ormula de varia¸c˜ ao dos parˆ ametros, enconExemplo 6.9. Usando a f´ trar uma solu¸cao ˜ particular do sistema linear n˜ ao homogˆeneo
y =
−
1 2 1 4
y + e−t
0 6
.
Do exemplo 6.6, temos que uma matriz fundamental do sistema homogˆeneo ´e
X(t) = sua inversa ´e
X−1 (t) =
2 e2 t e3 t e2 t e3 t
;
e−2 t e−2 t e−3 t 2 e−3 t
−
−
.
Pela f´ormula de varia¸ca˜o das constantes, uma solu¸ca˜o particular do
183
Varia¸c˜ ao das constantes
sistema n˜ao homogˆeneo ´e
t
y(t) = X(t)
X −1 (s) e−s z ds =
0
=
=
=
=
− − − − − − − − − − − − t
2 e2 t e3 t e2 t e3 t
e−2 s e−2 s e−3 s 2 e−3 s
0
2 e2 t e3 t e2 t e3 t e−t e−t e−t e−t
−
2 (e−3 t 3 (e−4 t
4 e2 t 2 e2 t
1) 1)
e−s ds =
=
3 e3 t 3 e3 t
2 e2 t e2 t
2
0 6
e3 t e3 t
3
.
Consideremos uma equa¸c˜ao diferencial de segunda ordem z + p(t) z + q(t) z = f (t).
(6.36)
Definindo as vari´aveis y1 = z e y2 = z podemos escrever essa equa¸c˜ao como um sistema de equa¸c˜oes de primeira ordem
ou
y1 = y2 y2 = q(t) y1
−
− p(t) y
2
+ f (t)
y(t) = A(t) y + g(t)
(6.37)
em que
y=
y1 y2
,
A(t) =
0 q(t)
−
1 p(t)
−
g(t) =
,
0 f (t)
.
Se z1 (t) e z2(t) s˜ao duas solu¸co˜es linearmente independentes da equa¸c˜ao (6.36), uma matriz fundamental do sistema (6.36) ´e
X(t) =
z1 (t) z2 (t) z1 (t) z2 (t)
.
184
Cap. 6
Sistemas de Equa¸coes ˜ Diferenciais
Ent˜ ao
X−1(t) =
z2 (t) z1 (t)
−
−z (t) 2
z1
.
Escrevendo u(t) = (u1 (t), u2 (t))T , a condi¸ca˜o (6.34) fica
u1 (t) z1(t) + u2 (t) z2 (t) = 0 u1 (t) z1 (t) + u2 (t) z2 (t) = f (t) ,
que coincide com condi¸c˜ao vista para equa¸co˜es de segunda ordem (lembremos que a primeira dessas condi¸co˜es surgiu de modo um tanto artificial quando estud´ avamos equa¸co˜es de segunda ordem).
6.7
Exerc´ıcios
1. Para cada um dos sistemas abaixo, encontre uma matriz fundamental e a solu¸c˜ao geral: (a) x =
(c) x =
(e) x =
− − − − −
(g) x =
3 2
2 2
x
3 2 4
2 0 2
1 0 0
2 3 1 2 2 1
3 0 1 3 0 0
4 2 3
x
x
0 0 1
(b) x =
(d) x =
(f ) x =
x (h) x =
−
− −
5 0 0 0
3
1 2 1
x
1 1 2
1 2 1
2 1 1
1 0 0
3 2 1 2 2 1
1 5 0 0
−
0 0 3 0
0 0 1 3
x
x
x
2. Resolva cada um dos seguintes problemas de valor inicial: (a) x = A x, A ´e dada no exerc´ıcio 1 (h) e x(0) = (1, 2,
T
−1, 1)
(b) x = A x , A ´e dada no exerc´ıcio 1(g) e x(0) = (1, 1, 2)T