Diagsistedf

Diagonalização de Matrizes 2 × 2 e
Sistemas de Equações Diferenciais Lineares

Reginaldo J. Santos
Departamento de Matemática-ICEx
Universidade Federal de Minas Gerais
http://www.mat.ufmg.br/~regi
30 de setembro de 2002
1 Diagonalização de Matrizes 2 × 2
1.1 Motivação
Vamos considerar o problema de encontrar as funções que dão a evolução das po-
pulações de duas espécies, S1 e S2 , convivendo em um mesmo ecossistema no tempo
t > 0. Vamos denotar as populações das espécies S1 e S2 em um instante t por x1 (t) e
x2 (t), respectivamente.
Inicialmente vamos supor que a taxa de crescimento da população de uma espécie não
depende do que ocorre com a outra espécie e que esta taxa é proporcional a sua população
existente (ou equivalentemente que a taxa de crescimento relativa é constante). Ou seja,
vamos supor que
x01 (t) = ax1 (t)

x02 (t) = dx2 (t)
em que a, d ∈ R. Temos aqui um sistema de equações diferenciais, ou seja, um sistema

de equações que envolvem derivadas das funções que são incógnitas. Neste caso as duas
equações são desacopladas, isto é, podem ser resolvidas independentemente. A solução
do sistema é
x1 (t) = c1 eat e x2 (t) = c2 edt .
1
2 1 DIAGONALIZAÇÃO DE MATRIZES 2 × 2
Vamos supor, agora, que as duas populações interagem de forma que a taxa de cresci-
mento da população de uma espécie depende de forma linear não somente da sua população
existente, mas também da população existente da outra espécie. Ou seja, vamos supor
que
x01 (t) = ax1 (t) + bx2 (t)

x02 (t) = cx1 (t) + dx2 (t)
Por exemplo, se os indivı́duos de uma espécie competem com os da outra por alimento
(a, d > 0 e b, c < 0), ou os indivı́duos da espécie S1 são predadores dos da outra (a, b, d > 0
e c < 0). Neste caso a solução de uma equação depende da outra. Podemos escrever este
sistema na forma de uma equação diferencial matricial
X 0 (t) = AX(t), (1)
em que · ¸ · ¸ · ¸
0 x01 (t) a b x1 (t)
X (t) = , A= e X(t) = .
x02 (t) c d x2 (t)
Vamos supor que existam matrizes P e D tais que
A = P DP −1 , (2)
· ¸
λ1 0
em que D = . Substituindo-se (2) em (1) obtemos
0 λ2
X 0 (t) = P DP −1 X(t).
Multiplicando-se à esquerda por P −1 , obtemos
P −1 X 0 (t) = DP −1 X(t). (3)
Fazendo a mudança de variável
Y (t) = P −1 X(t), (4)
a equação (3) pode ser escrita como
Y 0 (t) = DY (t),
que pode ser escrita na forma de um sistema de equações desacopladas
y10 (t) = λ1 y1 (t)

y20 (t) = λ2 y2 (t)
Diagonalização de Matrizes e Sistemas de Equações Diferenciais 30 de setembro de 2002

1.1 Motivação 3
que tem solução dada por
y1 (t) = c1 eλ1 t e y2 (t) = c2 eλ2 t .
Assim, da mudança de variáveis (4), a solução da equação (1) é
c1 e λ1 t
· ¸
X(t) = P Y (t) = P .
c2 e λ2 t
· ¸ · ¸
v 1 w1 v1
Se P = , ou seja, se as colunas da matriz P são os vetores V = e
· v 2 w2
¸ v2
w1
W = , então a solução do sistema pode ser escrita como
w2
· ¸ · ¸ · ¸
x1 (t) λ1 t v1 λ2 t w1
= c1 e + c2 e
x2 (t) v2 w2
ou
x1 (t) = c1 v1 eλ1 t + c2 w1 eλ2 t e x2 (t) = c1 v2 eλ1 t + c2 w2 eλ2 t
Vamos descobrir como podemos determinar matrizes P e D, quando elas existem, tais
que A = P DP −1 , ou multiplicando à esquerda por P −1 e à direita por P , D = P −1 AP ,
com D sendo uma matriz diagonal. Chamamos diagonalização ao processo de encontrar
as matrizes P e D.
Definição 1. Dizemos que uma matriz A, é diagonalizável, se existem matrizes P e

D tais que D = P −1 AP , ou equivalentemente, A = P DP −1 , em que D é uma matriz
diagonal.
Exemplo 1. Toda matriz diagonal

· ¸
λ1 0
A=
0 λ2
é diagonalizável, pois
A = (I2 )−1 AI2 ,
· ¸
1 0
em que I2 = é a matriz identidade 2 × 2.
0 1
30 de setembro de 2002 Reginaldo J. Santos

1.2 Autovalores e Autovetores
Vamos supor inicialmente que a matriz A seja diagonalizável. Então existe uma matriz
P tal que
P −1 AP = D , (5)
em que D é uma matriz diagonal.
Vamos procurar tirar conclusões sobre as matrizes P e D. Multiplicando à esquerda
por P ambos os membros da equação anterior, obtemos
AP = P D . (6)
Sejam · ¸ · ¸
λ1 0 v 1 w1 £ ¤
D= e P = = V W ,
0 λ2 v 2 w2
· ¸ · ¸
v1 w1
em que V = eW = são as colunas de P . Por um lado
v2 w2
AP = A [ V W ] = [ AV AW ]
e por outro lado · ¸· ¸
v 1 w1 λ1 0
PD = = [ λ 1 V λ2 W ]
v 2 w2 0 λ2
Assim, (6) pode ser reescrita como
£ ¤ £ ¤
AV AW = λ1 V λ2 W .
Logo,
AV = λ1 V e AW = λ2 W.
Ou seja, as colunas de P , V e W , e os elementos da diagonal de D, λ1 e λ2 , satisfazem a
equação
AX = λX,
em que λ e X são incógnitas. Isto motiva a seguinte definição.
Definição 2. Um número
· ¸ real λ é chamado autovalor de uma matriz A, se existe um
x
vetor não nulo X = tal que
y
AX = λX . (7)
Um vetor não nulo que satisfaça (7), é chamado de autovetor de A.

1.2 Autovalores e Autovetores 5
*
© *
© ©©
*X
X ©© AX = λX AX = λX ©© X q©
*©
©
© *©
©
© ©
AX = λX ©©O
©
q q© ¼©
©
O O
λ>1 0<λ<1 λ<0

Observe que a equação (7) pode ser escrita como
AX = λI2 X
ou
(A − λI2 )X = 0̄ . (8)
Como os autovetores são vetores não nulos, os autovalores são os valores de λ, para os
quais o sistema (A − λI2 )X = 0̄ tem solução não trivial. Mas, este sistema homogêneo
tem solução não trivial se, e somente se, det(A − λI2 ) = 0. Assim temos um método para
encontrar os autovalores e os autovetores de uma matriz A.
Proposição 1. Seja A uma matriz 2 × 2.

(a) Os autovalores de A são as raı́zes do polinômio
p(t) = det(A − t I2 ) (9)
(b) Para cada autovalor λ, os autovetores associados a λ são os vetores não nulos da
solução do sistema
(A − λI2 )X = 0̄ . (10)
Definição 3. Seja A uma matriz 2 × 2. O polinômio

p(t) = det(A − t I2 ) (11)
é chamado polinômio caracterı́stico de A.
Assim, para determinarmos os autovalores de uma matriz A precisamos determinar as

raı́zes do seu polinômio caracterı́stico, que tem a forma p(t) = t2 + at + b.

Exemplo 2. Vamos determinar os autovalores e autovetores da matriz

· ¸
1 −1
A=
−4 1
Para esta matriz o polinômio caracterı́stico é

· ¸
1 − t −1
p(t) = det(A − tI2 ) = det = (1 − t)2 − 4 = t2 − 2t − 3 .
−4 1 − t
Como os autovalores de A são as raı́zes de p(t), temos que os autovalores de A são λ1 = 3

e λ2 = −1.
Agora, vamos determinar os autovetores associados aos autovalores λ1 = 3 e λ2 = −1.
Para isto vamos resolver os sistemas (A − λ1 I2 )X = 0̄ e (A − λ2 I2 )X = 0̄. Como
· ¸
−2 −1
A − λ 1 I2 = ,
−4 −2
então
(A − λ1 I2 )X = 0̄
é · ¸· ¸ · ¸
−2 −1 x 0
=
−4 −2 y 0
ou ½
−2x − y = 0
−4x − 2y = 0
cuja solução geral é
W1 = {(α, −2α) | α ∈ R}.
que é o conjunto de todos os autovetores associados a λ1 = 3 acrescentado o vetor nulo.
Agora,
(A − λ2 I2 )X = 0̄
é · ¸· ¸ · ¸
2 −1 x 0
=
−4 2 y 0
W2 = {(α, 2α) | α ∈ R},
que é o conjunto de todos os autovetores associados a λ2 = −1 acrescentado o vetor nulo.

1.3 Diagonalização 7
6 6
y y
W2
4 4
2 2 W = (1, 2)
0 0
x x
−2 −2 V = (1, −2)
AW
−4 −4
W1
AV
−6 −6
−6 −4 −2 0 2 4 6 −6 −4 −2 0 2 4 6
Figura 1: Autovetores associados a λ1 = 3 e a λ2 = −1 da matriz do Exemplo 2
Um resultado interessante e que iremos usar mais adiante é o seguinte.
Proposição 2. Sejam V e W autovetores de uma matriz A associados a λ 1 e λ2 , respec-

tivamente. Se V = αW , para algum escalar α, então λ1 = λ2 .
Demonstração. Se V = αW , então multiplicando-se à esquerda por A e usando o fato

de que AV = λ1 V e AW = λ2 W , temos que
λ1 V = A(αW ) = αAW = αλ2 W = λ2 αW = λ2 V.
Isto implica que

(λ1 − λ2 )V = 0̄.
Como V é um vetor não nulo, então λ1 = λ2 .
1.3 Diagonalização
Vamos enunciar e demonstrar o resultado principal. Já vimos que se uma matriz A é
diagonalizável, então as colunas da matriz P , que faz a diagonalização, são autovetores
associados a autovalores, que por sua vez são elementos da matriz diagonal D. Como a
matriz P é invertı́vel, estes 2 autovetores são L.I. (um vetor não é múltiplo escalar do
outro).

Teorema 3. Seja A uma matriz 2 × 2 que tem 2 autovalores λ1 6= λ2 . Sejam V = (v1 , v2 )

e W = (w1 , w2 )· autovetores
¸ associados
· a λ¸1 e λ2 , respectivamente. Então, as matrizes
v 1 w1 λ1 0
P =[V W ]= eD= são tais que
v 2 w2 0 λ2
D = P −1 AP,
ou seja, a matriz A é diagonalizável.
Demonstração. Pela Proposição 2, V = (v1 , v2 ) e W = (w1 , w2 ) são L.I. são 2 autove-

tores L.I. (um não é múltiplo escalar do outro). Vamos definir as matrizes
· ¸ · ¸
v 1 w1 λ1 0
P = =[V W ] e D= .
v 2 w2 0 λ2
Como AV = λ1 V e AW = λ2 W , então
· ¸· ¸
v 1 w1 λ1 0
AP = A [ V W ] = [ AV AW ] = [ λ1 V λ2 W ] = = PD . (12)
v 2 w2 0 λ2
Como V e W são L.I., a matriz P é invertı́vel. Assim, multiplicando por P −1 à esquerda

em (12) obtemos
D = P −1 AP.
Ou seja, A matriz A é diagonalizável.
Assim, se uma matriz A é diagonalizável e D = P −1 AP , então os autovalores de A

formam a diagonal de D e os 2 autovetores linearmente independentes associados aos
autovalores formam as colunas de P .
Exemplo 3. Considere a matriz · ¸
1 1
A=
4 1
Já vimos no Exemplo 2 na página 6 que o seu polinômio caracterı́stico é p(t) =
det(A − t I2 ) = t2 − 2t − 3, que os seus autovalores são λ1 = 3 e λ2 = −1 e que os
autoespaços correspondentes são W1 = {(α, 2α) | α ∈ R} e W2 = {(α, −2α) | α ∈ R},
respectivamante.

1.3 Diagonalização 9
Para λ1 = 3, temos que V = (1, 2) é um autovetor de A associado a λ1 . De forma

análoga para λ2 = −1, W = (1, −2) é um autovetor associado a λ2 . Como um vetor não
é múltiplo escalar do outro, a matriz A é diagonalizável e as matrizes
· ¸ · ¸ · ¸
1 1 λ1 0 3 0
P =[V W ]= e D= =
2 −2 0 λ2 0 −1
são tais que

D = P −1 AP.
Exemplo 4. Considere a matriz

· ¸
0 1
A=
0 0
O seu polinômio caracterı́stico é p(t) = det(A − tI2 ) = t2 , assim A possui um único

autovalor: λ1 = 0. Agora, vamos determinar os autovetores associados ao autovalor
λ1 = 0. Para isto vamos resolver o sistema (A − λ1 I2 )X = 0̄. Como
· ¸
0 1
A − λ 1 I2 = A = ,
0 0
então
(A − λ1 I2 )X = 0̄
é · ¸· ¸ · ¸
0 1 x 0
=
0 0 y 0
ou ½
y = 0
0 = 0

W1 = {(α, 0) | α ∈ R} .
que é o conjunto de todos os autovetores associados a λ1 = 0 acrescentado o vetor nulo.

Portanto, não podemos ter 2 autovetores L.I. associados a λ1 = 0 e como só temos um
autovalor não podemos ter mais autovetores L.I. Portanto, pelo Teorema 3 na página 8, a
matriz A não é diagonalizável, ou seja, não existem matrizes P e D tais que D = P −1 AP .

1.4 Autovalores complexos

Tudo que fizemos até agora é válido para matrizes com entradas que são números reais
ou complexos e para autovalores reais ou complexos.
Um vetor de C2 pode ser escrito como
Z = (z1 , z2 ) = (v1 + iw1 , v2 + iw2 ) = (v1 , v2 ) + i(w1 , w2 ) = V + iW,
em que V e W são vetores de R2 .

O próximo resultado é válido exclusivamente para matrizes com entradas que são
números reais.
Proposição 4. Seja A uma matriz 2 × 2 com entradas que são números reais. Se um
vetor Z = V + iW ∈ C2 é um autovetor de A associado ao autovalor λ = α + iβ, então
Z = V − iW também é um autovetor de A, mas associado a λ = α − iβ. Além disso, se
β 6= 0 então Z e Z são L.I.
Demonstração. Substituindo-se Z = V + iW e λ = α + iβ em AZ = λZ obtemos que
AV + iAW = α(V + iW ) + iβ(V + iW ) = (αV − βW ) + i(αW + βV ).
Isto implica que

AV = αV − βW e AW = αW + βV.
Agora, usando os valores de AV e AW obtidos temos que
AZ = A(V − iW ) = AV − iAW = αV − βW − i(αW + βV )

= (α − iβ)V − (β + iα)W = (α − iβ)V − i(α − iβ)W
= (α − iβ)(V − iW ) = λ Z.
Se β 6= 0, então λ e λ são diferentes. Logo, pela Proposição 2 na página 7, Z e Z são

L.I.
Assim, se uma matriz A, 2 × 2, com entradas reais tem autovalores complexos, então
ela é diagonalizável.

· ¸
−3 2
A=
−4 1

1.5 Se a matriz A não é diagonalizável 11
O seu polinômio caracterı́stico é p(t) = det(A − t I2 ) = (−3 − t)(1 − t)2 + 8 = t2 + 2t + 5

cujas raı́zes são λ1 = −1+2i e λ2 = λ1 = −1−2i. Agora, vamos determinar os autovetores
associados ao autovalor λ1 = −1+2i. Para isto vamos resolver o sistema (A−λ1 I2 )X = 0̄.
Como · ¸
−2 − 2i 2
A − λ 1 I2 = ,
−4 2 − 2i
então
(A − λ1 I2 )X = 0̄
é · ¸· ¸ · ¸
−2 − 2i 2 x 0
=
−4 2 − 2i y 0
ou ½
(−2 − 2i)x + 2y = 0
−4x + (2 − 2i)y = 0
W1 = {(α, (1 + i)α) | α ∈ C} .
que é o conjunto de todos os autovetores associados a λ1 = −1 + 2i acrescentado o vetor
nulo. Assim, Z = (1, 1 + i) é um autovetor associado a λ1 = −1 + 2i. Pela Proposição 4,
Z = (1, 1 − i) é um autovetor associado a λ2 = λ1 = −1 − 2i e além disso Z e Z são L.I.
Assim, a matriz A é diagonalizável e as matrizes
· ¸ · ¸ · ¸
1 1 λ1 0 −1 + 2i 0
P =[ZZ]= e D= =
1+i 1−i 0 λ1 0 −1 − 2i
são tais que

D = P −1 AP.
1.5 Se a matriz A não é diagonalizável

Se uma matriz A com entradas que são números reais, 2 × 2, não é diagonalizável
é por que ela tem somente um autovalor real λ. Neste caso apesar de não podermos
diagonalizá-la é válido o seguinte resultado.

Teorema 5. Seja A uma matriz não diagonal 2 × 2 com entradas que são números reais
e que possui um único autovalor λ. Sejam W = (w1 , w2 ) um vetor que não é autovetor
de A (AW· 6= λW ¸ ) (Por exemplo, E1 = (1, 0) ou E2 = (0, 1) satisfaz esta
· condição)
¸
v1 v 1 w1
e V = = (A − λI2 )W . Então, as matrizes P = [ V W ] = e
· ¸v2 v 2 w2
λ 1
J= são tais que
0 λ
J = P −1 AP.
· ¸
a b
Demonstração. Vamos escrever A = . Neste caso, o polinômio caracterı́stico
c d
de A é p(t) = det(A − t I2 ) = (a − t)(d − t) − bc = t2 − (a + d)t + (ad − bc). Como estamos
supondo que A tem somente um autovalor, então
∆ = (a + d)2 − 4(ad − bc) = a2 − 2ad + d2 + 4bc = 0 (13)
e o autovalor de A que é a única raiz de p(t) é
a+d
λ= .
2
Assim, para este valor λ e usando (13) obtemos que
· 2
a + bc − 2λa + λ2
¸ · ¸
2 2 2 ab + bd − 2λb 0 0
(A − λI2 ) = A − 2λA + λ I2 = = .
ac + dc − 2λc bc + d2 − 2λd + λ2 0 0
Seja W = (w1 , w2 ) um vetor que não é autovetor de A. Portanto, ele não pertence ao
espaço solução de (A − λI2 )X = 0̄. Seja V = (v1 , v2 ) = (A − λI2 )W . Então
(A − λI2 )V = (A − λI2 )2 W = 0̄
Logo, V é um autovetor de A, ou seja,
AV = λV.
Da definição de V segue que

AW = V + λW.

1.6 Resumo 13
· ¸ · ¸
v 1 w1 λ 1
Assim P = [ V W ] = eJ= são tais que
v 2 w2 0 λ
· ¸
λv1 v1 + λw1
AP = A[ V W ] = [ AV AW ] = [ λV V + λW ] = = P J. (14)
λv2 v2 + λw2
Como V é autovetor de A, se W fosse um múltiplo escalar de V , então W também seria
um autovetor de A. Mas isto não ocorre pela definição do vetor W . Assim a matriz P é
invertı́vel e multiplicando-se a equação (14) à esquerda por P −1 obtemos o resultado.
· ¸
−1 1
A=
−1 −3
O seu polinômio caracterı́stico é p(t) = det(A − t I2 ) = (−1 − t)(−3 − t) + 1 = t2 + 4t + 4

cujas raı́zes são λ1 = λ2 = λ = −2. O vetor E1 = (1, 0) é tal que
· ¸· ¸ · ¸
1 1 1 1
(A − λI2 )E1 = = 6= 0̄
−1 −1 0 −1
Sejam W = E1 = (1, 0) e V = (A − λI2 )W = (1, −1). Pelo Teorema 5, as matrizes

· ¸ · ¸ · ¸
1 1 λ 1 −2 1
P =[V W ]= e J= =
−1 0 0 λ 0 −2
são tais que
J = P −1 AP.
1.6 Resumo
Para diagonalizar uma matriz 2 × 2 não diagonal siga os seguintes passos:
(a) Determine o polinômio caracterı́stico p(t) = det(A − t I2 ).
(b) Se p(t) tem duas raı́zes reais (distintas) λ1 6= λ2 , então determine um autovetor
V = (v1 , v2 ) associado a λ1 , isto é, uma solução não trivial de (A − λ1 I2 )X = 0̄
e um autovetor W = (w1 , w2 ) associado a λ2 , isto é, uma solução não trivial de
(A − λ2 I2 )X = 0̄. Então
· ¸ · ¸
v 1 w1 λ1 0
P =[V W ]= e D=
v 2 w2 0 λ2
são tais que A = P DP −1 .

(c) Se p(t) tem duas raı́zes complexas λ1 = α + iβ e λ2 = λ¯1 = α − iβ. Encontre um

autovetor complexo V + iW = (v1 + iw1 , v2 + iw2 ), isto é, uma solução não trivial
de (A − (α + iβ)I2 )X = 0̄. Então
· ¸ · ¸
v1 + iw1 v1 − iw1 α + iβ 0
P = [ V + iW V − iW ] = e D=
v2 + iw2 v2 − iw2 0 α − iβ
são tais que A = P DP −1 .
(d) Se p(t) tem somente uma raiz real λ. Seja W = (w1 , w2 ) um vetor não nulo que não
seja autovetor de· A (AW
¸ 6= λW ). Por exemplo, W = E1 = (1, 0) ou W = E2 =
v1
(0, 1). Seja V = = (A − λI2 )W . Então
v2
· ¸ · ¸
v 1 w1 λ 1
P =[V W ]= e J=
v 2 w2 0 λ
são tais que A = P JP −1 .
1.7 Exercı́cios (respostas na página 28)

Ache para cada matriz A, se possı́vel, uma matriz não-singular P· tal que¸ P −1 AP seja
λ 1
diagonal. Se não for possı́vel, ache uma matriz P tal que P −1 AP = , para λ ∈ R.
0 λ
· ¸ · ¸
1 1 1 −1
1.1. 1.2.
1 1 2 4
· ¸ · ¸
3 −4 1 −1
1.3. 1.4.
1 −1 5 3
· ¸ · ¸
4 −2 −1 −4
1.5. 1.6.
8 −4 1 −1
· ¸ · ¸
a 2 0 a
1.7. 1.8.
−2 0 −2 −2
· ¸ · ¸
2a 1 1 1
1.9. 1.10.
1 4a a 1

15
2 Sistemas de Equações Diferenciais Lineares

Considere o sistema de equações diferenciais lineares.
½ 0
x1 (t) = ax1 (t)
x02 (t) = dx2 (t)
em que a, d ∈ R. Temos aqui um sistema de equações diferenciais, ou seja, um sistema

de equações que envolvem derivadas das funções que são incógnitas. Neste caso as duas
equações são desacopladas, isto é, podem ser resolvidas independentemente. A solução
do sistema é
x1 (t) = c1 eat
x2 (t) = c2 edt .
Considere, agora, o sistema de equações diferenciais lineares

½ 0
x1 (t) = ax1 (t) + bx2 (t)
x02 (t) = cx1 (t) + dx2 (t)
em que a, b, c, d ∈ R com b ou c não nulos. Neste caso a solução de uma equação depende
da outra. Podemos escrever este sistema na forma de uma equação diferencial matricial
X 0 (t) = AX(t), (15)

· 0 ¸ · ¸ · ¸
0 x1 (t) a b x1 (t)
em que X (t) = ,A= e X(t) = .
x02 (t) c d x2 (t)
2.1 A Matriz A é diagonalizável em R

· ¸ · ¸
v 1 w1 λ1 0
Vamos supor que existam matrizes P = eD= , com λ1 , λ2 ∈ R,
v 2 w2 0 λ2
tais que
A = P DP −1 . (16)
Substituindo-se (16) em (15) obtemos
X 0 (t) = P DP −1 X(t).
P −1 X 0 (t) = DP −1 X(t). (17)

16 2 SISTEMAS DE EQUAÇÕES DIFERENCIAIS LINEARES
Fazendo a mudança de variável

Y (t) = P −1 X(t), (18)
a equação (17) pode ser escrita como
Y 0 (t) = DY (t),
que pode ser escrita na forma de um sistema de equações desacopladas
y10 (t) = λ1 y1 (t)
y20 (t) = λ2 y2 (t)
que tem solução dada por
y1 (t) = c1 eλ1 t e y2 (t) = c2 eλ2 t .
Assim, da mudança de variáveis (18), a solução da equação (15) é
c1 e λ1 t
· ¸
X(t) = P Y (t) = P .
c2 e λ2 t
· ¸ · ¸
v 1 w1 v1
Como P = , então as colunas da matriz P são os vetores V = e
· ¸ v 2 w2 v2
w1
W = , assim a solução do sistema pode ser escrita como
w2
· ¸ · ¸ · ¸
x1 (t) λ1 t v1 λ2 t w1
= c1 e + c2 e .
x2 (t) v2 w2
(0) (0)
Se são dadas as condições iniciais x1 (0) = x1 e x2 (0) = x2 , então para determinarmos
c1 e c2 substituimos t = 0 na solução, ou seja,
· ¸ · ¸ · ¸ " (0) #
x1 (0) v1 w1 x1
= c1 + c2 = (0) .
x2 (0) v2 w2 x2
que é equivalente ao sistema linear

(
(0)
v1 c1 + w 1 c2 = x 1
(0)
v2 c1 + w 2 c2 = x 2
Exemplo 7. Considere o sistema

½ 0
x1 (t) = x1 (t) − x2 (t)
x02 (t) = −4x1 (t) + x2 (t)

2.1 A Matriz A é diagonalizável em R 17
4
y
0
x
−1
−2
−3
−4
−4 −3 −2 −1 0 1 2 3 4
Figura 2: Trajetórias do sistema do Exemplo 7
Já vimos no Exemplo 3 na página 6 que a matriz

· ¸
1 −1
A=
−4 1
é diagonalizável e as matrizes
· ¸ · ¸ · ¸
1 1 λ1 0 3 0
P =[V W ]= e D= =
−2 2 0 λ2 0 −1
são tais que
D = P −1 AP.
Assim, a solução do sistema é dada por
· ¸ · ¸ · ¸
x1 (t) 3t 1 −t 1
= c1 e + c2 e .
x2 (t) −2 2
Os gráficos de diversas soluções aparecem na Figura 2. A disposição das trajetórias é
tı́pica de um sistema linear X 0 = AX, em que os autovalores de A são reais não nulos
com sinais contrários. Neste caso, dizemos que a origem é um ponto de sela.

½ 0
x1 (t) = 3x1 (t) − x2 (t)
x02 (t) = −2x1 (t) + 2x2 (t)

4
y
0
x
−1
−2
−3
−4
−4 −3 −2 −1 0 1 2 3 4
Vamos determinar os autovalores e autovetores da matriz

· ¸
3 −1
A=
−2 2
Para esta matriz o polinômio caracterı́stico é
· ¸
3 − t −1
p(t) = det(A − t I2 ) = det = (3 − t)(2 − t) − 2 = t2 − 5t + 4 .
−2 2 − t
Como os autovalores de A são as raı́zes de p(t), temos que os autovalores de A são λ1 = 1
e λ2 = 4.
Agora, vamos determinar os autovetores associados aos autovalores λ1 = 1 e λ2 = 4.
Para isto vamos resolver os sistemas (A − λ1 I2 )X = 0̄ e (A − λ2 I2 )X = 0̄. Como
· ¸
2 −1
A − λ 1 I2 = ,
−2 1
então
(A − λ1 I2 )X = 0̄
é · ¸· ¸ · ¸
2 −1 x 0
=
−2 1 y 0
ou ½
2x − y = 0
−2x + y = 0

2.2 A Matriz A é diagonalizável em C 19
W1 = {(α, 2α) | α ∈ R} = {α(1, 2) | α ∈ R} = {αV | α ∈ R}, em que V = (1, 2).
Este é o conjunto de todos os autovetores associados a λ1 = 1 acrescentado o vetor nulo.

Agora,
(A − λ2 I2 )X = 0̄
é · ¸· ¸ · ¸
−1 −1 x 0
=
−2 −2 y 0
W2 = {(−α, α) | α ∈ R} = {α(−1, 1) | α ∈ R} = {αW | α ∈ R}, em que W = (−1, 1).
Este é o conjunto de todos os autovetores associados a λ2 = 4 acrescentado o vetor nulo.

Assim, a matriz A é diagonalizável e as matrizes
· ¸ · ¸ · ¸
1 −1 λ1 0 1 0
P =[V W ]= e D= =
2 1 0 λ2 0 4
são tais que

D = P −1 AP.
Assim, a solução do sistema é dada por
· ¸ · ¸ · ¸
x1 (t) t 1 4t −1
= c1 e + c2 e .
x2 (t) 2 1
Os gráficos de diversas soluções aparecem na Figura 3. A disposição das trajetórias é tı́pica

de um sistema linear X 0 = AX, em que os autovalores de A são reais e positivos. Neste
caso, dizemos que a origem é um nó instável ou fonte. No caso em que os autovalores
de A reais e negativos as trajetórias são semelhantes, mas percorridas no sentido contrário
às da Figura 3. Neste caso, dizemos que a origem é um nó atrator ou sumidouro.
2.2 A Matriz A é diagonalizável em C

· ¸ · ¸
v1 + iw1 v1 − iw1 λ 0
Vamos supor que existam matrizes P = eD= , com
v2 + iw2 v2 − iw2 0 λ
λ1 , λ2 ∈ C, tais que
A = P DP −1 . (19)

X 0 (t) = P DP −1 X(t).
P −1 X 0 (t) = DP −1 X(t).
Fazendo novamente a mudança de variável Y (t) = P −1 X(t), obtemos
Y 0 (t) = DY (t),
que pode ser escrito na forma
y10 (t) = λ y1 (t)

y20 (t) = λ y2 (t)
Estas equações estão desacopladas e têm soluções dadas por
y1 (t) = C1 eλt
y2 (t) = C2 eλt .
Assim a solução da equação (15) é
C1 eλt
· ¸
X(t) = P Y (t) = P .
C2 eλt
· ¸
v1 + iw1 v1 − iw1
Como P = , então as colunas da matriz P são os vetores V + iW =
· ¸ v 2 + iw2 v2 − iw2
· ¸
v1 + iw1 v1 − iw1
e V − iW = . Assim a solução geral nos complexos é dada por
v2 + iw2 v2 − iw2
· ¸ · ¸
λt v1 + iw1 λt v1 − iw1
X(t) = C1 e + C2 e (20)
v2 + iw2 v2 − iw2
As constantes C1 e C2 são complexas. Estamos interessados em uma solução real. Para

isso, fazendo C2 = C1 , a segunda parcela em (20) se torna o conjugado da primeira e
assim obtemos.
½ · ¸¾
λt v1 + iw1
X(t) = 2Re C1 e
v2 + iw2

c1 c2
Escrevendo a constante complexa em termos de constantes reais na forma C1 = −i
2 2
e escrevendo λ = α + iβ, obtemos
· ¸ ½ · ¸¾ ½ · ¸¾
x1 (t) (α+iβ)t v1 + iw1 (α+iβ)t v1 + iw1
= Re(C1 ) Re e − Im(C1 ) Im e
x2 (t) v2 + iw2 v2 + iw2
½ · ¸¾ ½ · ¸¾
v1 + iw1 v1 + iw1
= c1 Re e(α+iβ)t + c2 Im e(α+iβ)t
v2 + iw2 v2 + iw2
µ · ¸ · ¸¶ µ · ¸ · ¸¶
αt v1 w1 αt w1 v1
= c1 e cos βt − sen βt + c2 e cos βt + sen βt
v2 w2 w2 v2
(0) (0)
· ¸ · ¸ · ¸ " (0) #
x1 (0) v1 w1 x1
= c1 + c2 = (0) .
x2 (0) v2 w2 x2

(
(0)
v1 c1 + w 1 c2 = x 1
(0)
v2 c1 + w 2 c2 = x 2
y
3
0
x
−1
−2
−3
−3 −2 −1 0 1 2 3


½ 0
x1 (t) = −3x1 (t) + 2x2 (t)
x02 (t) = −4x1 (t) + x2 (t)
Já vimos no Exemplo 5 na página 10 que a matriz

· ¸
−3 2
A=
−4 1
· ¸ · ¸ · ¸
1 1 λ1 0 −1 + 2i 0
P =[ZZ]= e D= =
1+i 1−i 0 λ1 0 −1 − 2i
são tais que

D = P −1 AP.
Assim a solução do sistema é dada por
· ¸ ½ · ¸¾ ½ · ¸¾
x1 (t) (−1+2i)t 1 (−1+2i)t 1
= c1 Re e + c2 Im e
x2 (t) 1+i 1+i
µ · ¸ · ¸¶ µ · ¸ · ¸¶
−t 1 0 −t 0 1
= c1 e cos 2t − sen 2t + c2 e cos 2t + sen 2t
1 1 1 1

tı́pica de um sistema linear X 0 = AX, em que os autovalores de A são complexos com a
parte real negativa. Neste caso, dizemos que a origem é um foco atrator ou sumidoro
espiral. No caso em que os autovalores de A são complexos com a parte real positiva as
trajetórias são semelhantes, mas percorridas no sentido contrário às da Figura 4. Neste
caso, dizemos que a origem é um foco instável ou fonte espiral.

½ 0
x1 (t) = −x1 (t) + 2x2 (t)
x02 (t) = −x1 (t) + x2 (t)
Este sistema pode ser escrito na forma X 0 (t) = AX(t), em que

· ¸
−1 2
A=
−1 1

2.5 y
1.5
0.5
0
x
−0.5
−1
−1.5
−2
−2.5
−2.5 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5
O polinômio caracterı́stico da matriz A é p(t) = det(A−t I2 ) = (−1−t)(1−t)2 +2 = t2 +1

cujas raı́zes são λ1 = i e λ2 = λ1 = −i. Agora, vamos determinar os autovetores associados
ao autovalor λ1 = i. Para isto vamos resolver o sistema (A − λ1 I2 )X = 0̄. Como
· ¸
−1 − i 2
A − λ 1 I2 = ,
−1 1 − i
então
(A − λ1 I2 )X = 0̄
é · ¸· ¸ · ¸
−1 − i 2 x 0
=
−1 1 − i y 0
ou ½
(−1 − i)x + 2y = 0
−x + (1 − i)y = 0
W1 = {((1 − i)α, α) | α ∈ C} = {α(1 − i, 1) | α ∈ C}.
Este é o conjunto de todos os autovetores associados a λ1 = i acrescentado o vetor nulo.
Assim, Z = (1 − i, 1) é um autovetor associado a λ1 = i. Pela Proposição 4 na página
10, Z = (1 + i, 1) é um autovetor associado a λ2 = λ1 = −i e além disso Z e Z são L.I.
Assim, a matriz · ¸
−1 2
A=
−1 1

· ¸ · ¸ · ¸
1−i 1+i λ1 0 i 0
P =[ZZ]= e D= =
1 1 0 λ1 0 −i
são tais que

D = P −1 AP.
· ¸ ½ · ¸¾ ½ · ¸¾
x1 (t) it 1−i it 1−i
= c1 Re e + c2 Im e
x2 (t) 1 1
µ · ¸ · ¸¶ µ · ¸ · ¸¶
1 −1 −1 1
= c1 cos t − sen t + c2 cos t + sen t
1 0 0 1

tı́pica de um sistema linear X 0 = AX, em que os autovalores de A são complexos com a
parte real igual a zero. Neste caso, dizemos que a origem é um centro.
2.3 A Matriz A não é diagonalizável em C

· ¸ · ¸
v 1 w1 λ 1
Sejam P = eJ= matrizes tais que
v 2 w2 0 λ
A = P JP −1 . (21)
X 0 (t) = P JP −1 X(t).
P −1 X 0 (t) = JP −1 X(t).
Fazendo a mudança de variável Y (t) = P −1 X(t), obtemos
Y 0 (t) = JY (t),
que pode ser escrito na forma
y10 (t) = λ y1 (t) + y2 (t)

y20 (t) = λ y2 (t)

2.3 A Matriz A não é diagonalizável em C 25
A segunda equação tem solução

y2 (t) = c2 eλt .
Substituindo y2 (t) na primeira equação obtemos a equação
y10 (t) = λ y1 (t) + c2 eλt
que tem solução

y1 (t) = (c1 + c2 t)eλt .
Assim a solução da equação (1) é
(c1 + c2 t)eλt
· ¸
X(t) = P Y (t) = P .
c2 eλt
· ¸ · ¸
v 1 w1 v1
Se P = , ou seja, se as colunas da matriz P são os vetores V = e
· v 2 w2
¸ v2
w1
W = , então
w2
· ¸ · ¸ · ¸
x1 (t) λt v1 λt w1
= (c1 + c2 t)e + c2 e .
x2 (t) v2 w2
(0) (0)
· ¸ · ¸ · ¸ " (0) #
x1 (0) v1 w1 x1
= c1 + c2 = (0) .
x2 (0) v2 w2 x2

(
(0)
v1 c1 + w 1 c2 = x 1
(0)
v2 c1 + w 2 c2 = x 2

½ 0
x1 (t) = −x1 (t) + x2 (t)
x02 (t) = −x1 (t) − 3x2 (t)
Vimos no Exemplo 6 na página 13 que a matriz

· ¸
−1 1
A=
−1 −3

não é diagonalizável, mas que as matrizes

· ¸ · ¸ · ¸
1 1 λ 1 −2 1
P =[V W ]= e J= =
−1 0 0 λ 0 −2
são tais que

J = P −1 AP.
· ¸ · ¸ · ¸
x1 (t) −2t 1 −2t 1
= (c1 + c2 t)e + c2 e .
x2 (t) −1 0
Os gráficos de diversas soluções aparecem na Figura 6. A disposição das trajetórias

é tı́pica de um sistema linear X 0 = AX, em que a matriz A não é diagonalizável em C
e o único autovalor é negativo. Neste caso, dizemos que a origem é um nó impróprio.
No caso em que o único autovalor de A é positivo as trajetórias são semelhantes, mas
percorridas no sentido contrário às da Figura 6. Neste caso, dizemos também que a
origem é um nó impróprio.
y
4
0
x
−1
−2
−3
−4
−4 −3 −2 −1 0 1 2 3 4

2.4 Exercı́cios (respostas na página 31) 27
2.4 Exercı́cios (respostas na página 31)

Ache a solução geral do sistema de equações dado.
½ ½
x0 (t) = x(t) + y(t) x0 (t) = x(t) − y(t)
2.1. 2.2.
½ y 0 (t) = x(t) + y(t) ½ y 0 (t) = 2x(t) + 4y(t)
x0 (t) = 3x(t) − 4y(t) x0 (t) = x(t) − y(t)
2.3. 2.4.
½ y 0 (t) = x(t) − y(t) ½ y 0 (t) = 5x(t) + 3y(t)
x0 (t) = 4x(t) − 2y(t) x0 (t) = −x(t) − 4y(t)
2.5. 2.6.
½ y 0 (t) = 8x(t) − 4y(t) ½ y 0 (t) = x(t)− y(t)
x0 (t) = ax(t) + 2y(t) x0 (t) = ay(t)
2.7. 2.8.
½ y 0 (t) = −2x(t) ½ y 0 (t) = −2x(t) − 2y(t)
x0 (t) = 2ax(t) + y(t) x0 (t) = x(t) + y(t)
2.9. 2.10.
y 0 (t) = x(t) + 4ay(t) y 0 (t) = ax(t) + y(t)
Faça um esboço das soluções de X 0 (t) = AX(t) e diga se a origem define uma sela,
um nó instável, um nó atrator, um foco instável, um foco atrator, um centro ou um
nó impróprio.
· ¸ · ¸
2 1 −1 8
2.11. A= 2.12. A =
· 3 4 ¸ · 1 1 ¸
1 1 5 3
2.13. A= 2.14. A =
· −3 −2¸ · −3 1 ¸
3 −4 0 2
2.15. A= 2.16. A =
· 1 −1 ¸ · −2 0 ¸
2 −3 −1 −2
2.17. A= 2.18. A =
1 −2 0 −2
Comandos do MATLAB:
>>[P,D]=eig(sym(A)) determina simbólicamente, se possı́vel, matrizes P e D tais que

D = P −1 AP , sendo D uma matriz diagonal.
>>[P,J]=jordan(sym(A)) · determina
¸ simbólicamente, se possı́vel, matrizes P e J tais que
λ 1
J = P −1 AP , sendo J = .
0 λ
Comando do pacote GAAL:
>>fluxlin(A) desenha algumas trajetórias que são soluções do sistema de equações dife-
renciais X 0 (t) = AX(t).

28 3 RESPOSTAS DOS EXERCÍCIOS
3 Respostas dos Exercı́cios

1. Diagonalização de Matrizes 2 × 2
(página 14)
1.1. À A=sym([1,1;1,1]);
À [P,D]=eig(A)
P =[ 1, -1]
[ 1, 1]
D =[ 2, 0]
[ 0, 0]
1.2. À A=sym([1,-1;2,4]);
À [P,D]=eig(A)
P =[ -1, 1]
[ 1, -2]
D =[ 2, 0]
[ 0, 3]
1.3. À A=sym([3,-4;1,-1]);
À [P,J]=jordan(A)
P =[ 2, 1]
[ 1, 0]
J =[ 1, 1]
[ 0, 1]
1.4. À A=sym([1,-1;5,3]);
À [P,D]=eig(A)
P =[ -1/5+2/5*i, -1/5-2/5*i]
[ 1, 1]
D =[ 2+2*i, 0]
[ 0, 2-2*i]
1.5. À A=sym([4,-2;8,-4]);
À [P,J]=jordan(A)
P =[ 4, 1]
[ 8, 0]
J =[ 0, 1]
[ 0, 0]
1.6. À A=sym([-1,-4;1,-1]);
À [P,D]=eig(A)

29
P =[ 2*i, -2*i]
[ 1, 1]
D =[ -1+2*i, 0]
[ 0, -1-2*i]
1.7. Se |a| > 4:
À [P,D]=eig(A)
· ¸
P = √4 √4
2 − a2 − 16
" −a√+ a − 16 −a #
a+ a2 −16
2
0
D= √
a− a2 −16
0 2
Se |a|· < 4: ¸
4
√ 4
√
P = 2 −a − i 16 − a2
−a + i 16 − a
" √ #
a+i 16−a2
2
0
D= √
a−i 16−a2
0 2
Se a = 4:
À [P,J]=jordan(subs(A,a,4))
P =[ 2, 1]
[ -2, 0]
J =[ 2, 1]
[ 0, 2]
Se a = −4:
À [P,J]=jordan(subs(A,a,-4))
P =[ -2, 1]
[ -2, 0]
J =[ -2, 1]
[ 0, -2]
1.8. Se a < 1/2:
À [P,D]=eig(A)

· √ √ ¸
−1 + 1 − 2a −1 − 1 − 2a
P =
2 2
· √ ¸
−1 + 1 − 2a 0
√
D=
0 −1 − 1 − 2a
Se a ·
> 1/2: √ √ ¸
−1 + i 2a − 1 −1 − i 2a − 1
P =
2 2
· √ ¸
−1 + i 2a − 1 0
√
D=
0 −1 − i 2a − 1
Se a = 1/2:
À [P,J]=jordan(subs(A,a,1/2))
P =[ 1, 1]
[ -2, 0]
J =[ -1, 1]
[ 0, -1]
1.9. À [P,D]=eig(A)
· √ √ ¸
−a + a2 + 1 −a − a2 + 1
P =
1 1
· √ ¸
2
3a + a + 1 0
D= √
0 3 a − a2 + 1
1.10. Se a > 0:
À [P,D]=eig(A)
√1
− √1a
· ¸
a
P =
· 1 √1 ¸
1+ a 0√
D=
0 1− a
Se a ·
< 0:
i √i
¸
− √−a −a
P =
1 1
· √ ¸
1 + i −a 0√
D=
0 1 − i −a
Se a = 0:

31
À A=subs(A,a,0)
À [P,J]=jordan(A)
P =[ 1, 0]
[ 0, 1]
J =[ 1, 1]
[ 0, 1]
2. Sistemas de Equações Diferenciais Lineares (página 27)

· ¸ · ¸ · ¸
x(t) 2t 1 −1
2.1. = c1 e + c2 .
y(t) 1 1
· ¸ · ¸ · ¸
x(t) −1 1
2.2. = c1 e2t + c2 e3t .
y(t) 1 −2
· ¸ · ¸ · ¸
x(t) t 2 t 1
2.3. = (c1 + c2 t)e + c2 e
y(t) 1 0
· ¸ µ · ¸ · ¸¶
x(t) 2t −1 2
2.4. = c1 e cos 2t − sen 2t +
y(t)µ · ¸ ·5 ¸¶ 0
2t 2 −1
c2 e cos 2t + sen 2t
0 5
· ¸ · ¸ · ¸
x(t) 4 1
2.5. = (c1 + c2 t) + c2
y(t) 8 0
· ¸ µ · ¸ · ¸¶
x(t) −t 0 2
2.6. = c1 e cos 2t − sen 2t +
y(t)µ · ¸ 1· ¸¶ 0
2 0
c2 e−t cos 2t + sen 2t
0 1
2.7. Se
· |a| >¸ 4: √ · ¸
x(t) 2
( a+ a2 −16 )t √ 4
= c1 e +
y(t) −a + a2 − 16
√ · ¸
2
( a− a2 −16 )t √ 4
c2 e .
−a − a2 − 16
Se
· |a| <¸ 4: µ · ¸ · ¸¶
√ √ 0
x(t) at 16−a 2 4 16−a 2
√
= c1 e 2 cos( 2 t) − sen( 2 t) +
y(t) −a 16 − a2
√ √
µ · ¸ · ¸¶
at 0 4
c2 e 2 cos( 16 − a2 t) √ + sen( 16 − a2 t)
16 − a2 −a

Se
· a = ¸±4: · ¸ · ¸
x(t) ±2t ±2 ±2t 1
= (c1 + c2 t)e + c2 e
y(t) −2 0
2.8. Se
· a < ¸1/2: · √ ¸
x(t) √
(−1+ 1−2a)t −1 + 1 − 2a
= c1 e +
y(t) 2
· √ ¸
√
(−1− 1−2a)t −1 − 1 − 2a
c2 e .
2
Se
· a > ¸1/2: · √
√ √
µ · ¸ ¸¶
x(t) −1 2a − 1
= c1 e−t cos( 2a − 1t) − sen( 2a − 1t) +
y(t) 2 0
· √
√ √
µ ¸ · ¸¶
2a − 1 −1
c2 e−t cos( 2a − 1t) + sen( 2a − 1t)
0 2
Se
· a = ¸1/2: · ¸ · ¸
x(t) −t 1 −t 1
= (c1 + c2 t)e + c2 e
y(t) −2 0
· ¸ √
· √ ¸ √
· √ ¸
x(t) (3a+ a2 +1)t −a + a2 + 1 (3a− a2 +1)t −a − a2 + 1
2.9. = c1 e + c2 e .
y(t) 1 1
2.10. Se
· a > ¸0: · 1 ¸
√1
· ¸
x(t) √ √ √ −
= c1 e(1+ a)t a
+ c2 e(1− a)t a
.
y(t) 1 1
Se
· a < ¸0:
√ √ − √1−a
µ · ¸ · ¸¶
x(t) t 0 t
= c1 e cos( −at) − e sen( −at) +
y(t) 1 0
√ − √1−a √
µ · ¸ · ¸¶
t t 0
c2 e cos( −at) + e sen( −at) .
0 1
Se
· a = ¸0: · ¸ · ¸
x(t) t 1 t 0
= (c1 + c2 t)e + c2 e
y(t) 0 1

33
2.11. A origem é um nó instável.
4 y
0
x
−1
−2
−3
−4
−4 −3 −2 −1 0 1 2 3 4
2.12. A origem é uma sela.
y
4
0
x
−1
−2
−3
−4
−4 −3 −2 −1 0 1 2 3 4
2.13. A origem é um foco atrator.
0
x
−1
−2
−3
−3 −2 −1 0 1 2 3

2.14. A origem é um foco instável.
3 y
0
x
−1
−2
−3
−3 −2 −1 0 1 2 3
2.15. A origem é um nó impróprio.
y
8
0
x
−2
−4
−6
−8
−8 −6 −4 −2 0 2 4 6 8
2.16. A origem é um centro.
3 y
0
x
−1
−2
−3
−3 −2 −1 0 1 2 3

35
2.17. A origem é uma sela.
4 y
0
x
−1
−2
−3
−4
−4 −3 −2 −1 0 1 2 3 4
2.18. A origem é um nó atrator.
y
4
0
x
−1
−2
−3
−4
−4 −3 −2 −1 0 1 2 3 4

36 REFERÊNCIAS
Referências
[1] Howard Anton and Chris Rorres. Álgebra Linear com Aplicações. Bookman, São
Paulo, 8a. edição, 2000.
[2] William E. Boyce and Richard C. DiPrima. Equações Diferenciais Elementares e

Problemas de Valores de Contorno. Livros Técnicos e Cientı́ficos Editora S.A., Rio de
Janeiro, 6a. edição, 1999.
[3] Morris W. Hirsch and Stephen Smale. Differential Equations, Dynamical Systems and
Linear Algebra. Academic Press, Inc., New York, 1974.
[4] Bernard Kolman. Introdução à Álgebra Linear com Aplicações. Prentice Hall do
Brasil, Rio de Janeiro, 6a. edição, 1998.
[5] Erwin Kreiszig. Matemática Superior. Livros Técnicos e Cientı́ficos Editora S.A., Rio
de Janeiro, 2a. edição, 1985.
[6] Steven J. Leon. Álgebra Linear com Aplicações. Livros Técnicos e Cientı́ficos Editora
S.A., Rio de Janeiro, 5a. edição, 1998.
[7] Reginaldo J. Santos. Um Curso de Geometria Analı́tica e Álgebra Linear. Imprensa

Universitária da UFMG, Belo Horizonte, 2002.
[8] Jorge Sotomayor. Lições de Equações Diferenciais Ordinárias. IMPA, Rio de Janeiro,
1979.

Diagsistedf

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Diagsistedf

Uploaded by

Copyright:

Available Formats

Diagonalização de Matrizes 2 × 2 e

Sistemas de Equações Diferenciais Lineares

x01 (t) = ax1 (t)

em que a, d ∈ R. Temos aqui um sistema de equações diferenciais, ou seja, um sistema

x01 (t) = ax1 (t) + bx2 (t)

X 0 (t) = AX(t), (1)

Multiplicando-se à esquerda por P −1 , obtemos

P −1 X 0 (t) = DP −1 X(t). (3)

Fazendo a mudança de variável

Y (t) = P −1 X(t), (4)

a equação (3) pode ser escrita como

que pode ser escrita na forma de um sistema de equações desacopladas

y10 (t) = λ1 y1 (t)

Diagonalização de Matrizes e Sistemas de Equações Diferenciais 30 de setembro de 2002

que tem solução dada por

y1 (t) = c1 eλ1 t e y2 (t) = c2 eλ2 t .

Assim, da mudança de variáveis (4), a solução da equação (1) é

Definição 1. Dizemos que uma matriz A, é diagonalizável, se existem matrizes P e

Exemplo 1. Toda matriz diagonal

30 de setembro de 2002 Reginaldo J. Santos

1.2 Autovalores e Autovetores

Diagonalização de Matrizes e Sistemas de Equações Diferenciais 30 de setembro de 2002

λ>1 0<λ<1 λ<0

Proposição 1. Seja A uma matriz 2 × 2.

Definição 3. Seja A uma matriz 2 × 2. O polinômio

Assim, para determinarmos os autovalores de uma matriz A precisamos determinar as

30 de setembro de 2002 Reginaldo J. Santos

Exemplo 2. Vamos determinar os autovalores e autovetores da matriz

Para esta matriz o polinômio caracterı́stico é

Como os autovalores de A são as raı́zes de p(t), temos que os autovalores de A são λ1 = 3

Diagonalização de Matrizes e Sistemas de Equações Diferenciais 30 de setembro de 2002

Figura 1: Autovetores associados a λ1 = 3 e a λ2 = −1 da matriz do Exemplo 2

Um resultado interessante e que iremos usar mais adiante é o seguinte.

Proposição 2. Sejam V e W autovetores de uma matriz A associados a λ 1 e λ2 , respec-

Demonstração. Se V = αW , então multiplicando-se à esquerda por A e usando o fato

λ1 V = A(αW ) = αAW = αλ2 W = λ2 αW = λ2 V.

Isto implica que

30 de setembro de 2002 Reginaldo J. Santos

Teorema 3. Seja A uma matriz 2 × 2 que tem 2 autovalores λ1 6= λ2 . Sejam V = (v1 , v2 )

ou seja, a matriz A é diagonalizável.

Demonstração. Pela Proposição 2, V = (v1 , v2 ) e W = (w1 , w2 ) são L.I. são 2 autove-

Como V e W são L.I., a matriz P é invertı́vel. Assim, multiplicando por P −1 à esquerda

Assim, se uma matriz A é diagonalizável e D = P −1 AP , então os autovalores de A

Diagonalização de Matrizes e Sistemas de Equações Diferenciais 30 de setembro de 2002

Para λ1 = 3, temos que V = (1, 2) é um autovetor de A associado a λ1 . De forma

são tais que

Exemplo 4. Considere a matriz

O seu polinômio caracterı́stico é p(t) = det(A − tI2 ) = t2 , assim A possui um único

cuja solução geral é

que é o conjunto de todos os autovetores associados a λ1 = 0 acrescentado o vetor nulo.

30 de setembro de 2002 Reginaldo J. Santos

1.4 Autovalores complexos

Z = (z1 , z2 ) = (v1 + iw1 , v2 + iw2 ) = (v1 , v2 ) + i(w1 , w2 ) = V + iW,

em que V e W são vetores de R2 .

Demonstração. Substituindo-se Z = V + iW e λ = α + iβ em AZ = λZ obtemos que

AV + iAW = α(V + iW ) + iβ(V + iW ) = (αV − βW ) + i(αW + βV ).

Isto implica que

AZ = A(V − iW ) = AV − iAW = αV − βW − i(αW + βV )

Se β 6= 0, então λ e λ são diferentes. Logo, pela Proposição 2 na página 7, Z e Z são

Exemplo 5. Considere a matriz

Diagonalização de Matrizes e Sistemas de Equações Diferenciais 30 de setembro de 2002

O seu polinômio caracterı́stico é p(t) = det(A − t I2 ) = (−3 − t)(1 − t)2 + 8 = t2 + 2t + 5

são tais que