(2.5 Pontos) Método de Euler.
a) Defina: i) Autovalor, ii) Autovetor e iii) Polinômio caractrístico (0.5). Utilizando estes conceitos descreva, explicando o porquê das principais passagens (0.5), como o método de Euler converte o problema de determinar a soluçāo de um sistema de equações diferenciais de primeira ordem no problema de se obter autovalores e autovetores de uma matriz ( 0.5 ), considerando um sitema de equações diferènciais ordinárias, lineares, com coeficientes constantes e de primeira ordem, dado por
X^{\prime}=A X,
onde A é uma matriz n \times n e X \in \mathbb{R}^{\mathrm{n}}.
b) Descreva, explicando o porquê ( 0.5 ) das principais passagens como determinar os autovalores e autovetores e, consequentemente, a soluçāo do sistema (0.5).

Passo 1

Vou deixar muito claro o que o enunciado pede e quais dados temos.
  • O enunciado tem duas partes:
    (a) pede: i) definir o que é um autovalor, ii) definir o que é um autovetor e iii) definir o polinômio característico (cada definição breve). Em seguida, usando esses conceitos, descrever (com justificativas das passagens principais) como o “método de Euler” transforma o problema de achar a solução do sistema em o problema de obter autovalores e autovetores.
    (b) pede: descrever (explicando as principais passagens) como determinar os autovalores e autovetores e, consequentemente, obter a solução do sistema.
  • O sistema dado é
X' = A X,
onde A é uma matriz n\times n e X(t)\in\mathbb{R}^n.
  • Não há outros dados numéricos: trata‑se de explicação teórica e procedimento algorítmico.

Passo 2

Definições pedidas (cada uma bem explícita).
  • Autovalor: um número \lambda\in\mathbb{C} é chamado autovalor da matriz A se existe um vetor não nulo v tal que
A v = \lambda v.
Aqui \lambda é a escala (possível complexa) que a matriz aplica ao vetor v.
  • Autovetor: um vetor v\in\mathbb{C}^n, v\neq 0, satisfazendo A v = \lambda v para algum \lambda é chamado autovetor associado ao autovalor \lambda.
  • Polinômio característico: o polinômio de variável \lambda definido por
p_A(\lambda)=\det(A-\lambda I),
onde I é a matriz identidade n\times n. Os autovalores são exatamente as raízes de p_A(\lambda).
Explicação dos termos: \det(A-\lambda I) é um polinômio de grau n em \lambda. Se \lambda é raiz, então A-\lambda I é singular, o que permite existência de vetores não‑nulos na solução de (A-\lambda I)v=0.

Passo 3

Motivação do “método de Euler” (a ideia do ensaio exponencial). Vou mostrar por que assumir soluções exponenciais reduz o problema à procura de autovalores/autovetores.
  • Ideia principal: procurar soluções de forma simples que transformem derivada em multiplicação. A função exponencial tem exatamente essa propriedade: se x(t)=e^{\lambda t} então x'(t)=\lambda e^{\lambda t}. Para sistemas vetoriais, tenta‑se a forma
X(t)=e^{\lambda t}v,
onde \lambda é um escalar (possivelmente complexo) e v é um vetor constante (possivelmente complexo).
  • Substituição na equação: colocar X(t)=e^{\lambda t}v em X'=AX. A derivada é X'(t)=\lambda e^{\lambda t}v. Então
\lambda e^{\lambda t} v = A (e^{\lambda t} v).
Como e^{\lambda t} nunca é zero, pode ser cancelado, restando
\lambda v = A v,
ou seja
(A-\lambda I)v=0.
  • Interpretação: essa equação é exatamente a condição de v ser autovetor de A associado ao autovalor \lambda. Portanto, cada par (\lambda,v) com v\neq 0 que satisfaz A v=\lambda v fornece uma solução do sistema dada por X(t)=e^{\lambda t}v.
  • Por que isso reduz o problema: em vez de resolver um sistema de n equações diferenciais acopladas, resolvemos o problema algébrico de achar raízes do polinômio característico p_A(\lambda) (para obter \lambda) e depois resolver (A-\lambda I)v=0 (para obter v). É por isso que o método “converte” a questão diferencial numa questão de autovalores/autovetores.

Passo 4

Justificando por que todas as soluções do sistema linear podem ser obtidas por combinações dessas soluções exponenciais (caso diagonalizável).
  • Linearidade e princípio da superposição: o sistema X'=AX é linear homogêneo. Assim, qualquer combinação linear de soluções também é solução. Portanto, se encontrarmos n soluções linearmente independentes X^{(1)}(t),\dots,X^{(n)}(t), a combinação linear geral delas gera todas as soluções.
  • Se A tem n autovalores (contados com multiplicidade algébrica) e existe uma base de \mathbb{C}^n formada por autovetores v_1,\dots,v_n (isto é, A é diagonalizável), então as soluções
X^{(i)}(t)=e^{\lambda_i t} v_i,\qquad i=1,\dots,n,
são n soluções linearmente independentes. Portanto a solução geral é
X(t)=\sum_{i=1}^n c_i e^{\lambda_i t} v_i,
onde c_i são constantes determinadas pela condição inicial X(0).
  • No caso em que A não é diagonalizável (falta de vetores suficientes), a teoria de Jordan entra: existem vetores generalizados que geram soluções do tipo t^k e^{\lambda t}w. A ideia permanece a mesma: reduzir o problema a estudo dos blocos de Jordan (autovalores e suas cadeias) e montar soluções polinomiais em t multiplicadas por e^{\lambda t}.

Passo 5

Como achar autovalores na prática (passo a passo e por que funciona).
  • Passo prático 1: formar o polinômio característico
p_A(\lambda)=\det(A-\lambda I).
Aqui \lambda é a variável do polinômio; a notação I é a identidade n\times n. O cálculo do determinante gera um polinômio de grau n.
  • Por que isso funciona: \det(A-\lambda I)=0 é a condição necessária e suficiente para existir v\neq0 tal que (A-\lambda I)v=0. Quando o determinante é zero, a matriz A-\lambda I é singular e o sistema homogêneo tem soluções não triviais.
  • Passo prático 2: resolver a equação escalar
p_A(\lambda)=0
para obter as raízes \lambda_1,\dots,\lambda_m (muitas vezes complexas). Essas raízes são os autovalores, com multiplicidade algébrica.

Passo 6

Como achar autovetores na prática (passo a passo e por que funciona).
  • Para cada autovalor \lambda encontrado, calcular o espaço nulo de A-\lambda I; isto é, resolver o sistema linear homogêneo
(A-\lambda I)v=0
para v. Em termos práticos, faz‑se eliminação de Gauss (redução por linhas) na matriz A-\lambda I para encontrar uma base do espaço nulo. Qualquer vetor não nulo dessa base é um autovetor associado a \lambda.
  • Por que isso funciona: a solução do sistema homogêneo é exatamente o autovetor; o fato de \det(A-\lambda I)=0 garante que existam soluções não nulas.

Passo 7

Montar a solução geral quando os autovetores formam uma base (caso diagonalizável).
  • Seja \lambda_1,\dots,\lambda_n autovalores (não necessariamente distintos) e v_1,\dots,v_n autovetores linearmente independentes. Definir a matriz S cujas colunas são v_1,\dots,v_n e a matriz diagonal D=\operatorname{diag}(\lambda_1,\dots,\lambda_n). Então
A = S D S^{-1}.
  • A solução geral do sistema com condição inicial X(0)=X_0 é
X(t)=e^{At}X_0,
e como A=SDS^{-1},
e^{At}=S e^{Dt} S^{-1}.
Aqui e^{Dt} é diagonal com entradas e^{\lambda_i t} na diagonal, pois exponencial de matriz diagonal é exponencial dos elementos. Logo
X(t)=S \bigl(e^{Dt}\bigr) S^{-1} X_0 = \sum_{i=1}^n c_i e^{\lambda_i t} v_i,
onde os coeficientes c_i são obtidos resolvendo S c = X_0 (isto é, c = S^{-1} X_0).
  • Explicação das variáveis: S é a matriz de autovetores, D contém autovalores, c é o vetor dos coeficientes c_i.

Passo 8

E se A não for diagonalizável — resumo didático e como proceder.
  • Se não houver n autovetores independentes, diagonalização falha. A forma canônica que substitui a diagonalização é a forma de Jordan: A = S J S^{-1}, onde J é bloco‑diagonal com blocos de Jordan. Para cada bloco de Jordan associado a \lambda de tamanho k surge uma família de soluções que envolvem e^{\lambda t}, t e^{\lambda t}, \dots, t^{k-1} e^{\lambda t} multiplicadas por vetores da cadeia de Jordan (autovetores generalizados).
  • Procedimento prático: encontrar cadeias de vetores generalizados resolvendo (A-\lambda I)^j v = 0 para j=1,2,\dots até construir a cadeia. A solução geral é combinação linear dessas funções t^m e^{\lambda t} w.
  • Importante: apesar de parecer mais complicado, o objetivo continua sendo reduzir a operação e^{At} a uma forma onde se possa calcular explicitamente (usando Jordan).

Passo 9

Como aplicar no exercício/prova passo a passo (procedimento que você pode seguir na hora).
  1. Escrever p_A(\lambda)=\det(A-\lambda I). Calcular determinante e achar raízes (autovalores). Se n pequeno, faça expansão por cofatores ou operações elementares para simplificar; se n maior, use propriedades estruturais da matriz se existirem (triangular, simétrica, etc.).
  2. Para cada autovalor \lambda, resolver linearmente (A-\lambda I)v=0 por eliminação de Gauss para encontrar base do espaço próprio (autovetores).
  3. Verificar se obteve n autovetores linearmente independentes:
    • Se sim, montar S e escrever solução geral como X(t)=\sum c_i e^{\lambda_i t} v_i. Determinar c_i a partir de X(0)=X_0 resolvendo S c = X_0.
    • Se não, construir cadeias de Jordan e montar soluções com fatores polinomiais em t.
  4. Checar consistência e, se necessário, simplificar usando parte real/imaginar caso haja autovalores complexos (para obter soluções reais, combinar pares conjugados em funções seno/cosseno multiplicadas por exponenciais).
    Dica prática: sempre anotar claramente \lambda (autovalor), v (autovetor), e verificar independência linear dos autovetores antes de afirmar a forma da solução.

Passo 10

Pequena demonstração adicional — por que soluções da forma e^{\lambda t}v e sua combinação geram todas as soluções no caso diagonalizável.
  • Suponha A diagonalizável com A=SDS^{-1}. Seja Y(t)=S^{-1}X(t). A equação original transforma‑se em
Y'(t) = D Y(t),
porque
Y'=S^{-1}X'=S^{-1} A X = S^{-1} A S Y = D Y.
Mas D é diagonal, então o sistema se separa em n equações escalares simples y_i'(t)=\lambda_i y_i(t), cuja solução é y_i(t)=c_i e^{\lambda_i t}. Voltando para X,
X(t)=S Y(t) = \sum_{i=1}^n c_i e^{\lambda_i t} v_i.
Isto explica rigorosamente por que a estratégia funciona: diagonalizar separa o sistema em equações independentes de primeira ordem.

Resposta

(a) i) Autovalor: \lambda\in\mathbb{C} tal que existe v\neq0 com (A-\lambda I)v=0.
(a) ii) Autovetor: vetor não nulo v que satisfaz A v=\lambda v para algum \lambda.
(a) iii) Polinômio característico: p_A(\lambda)=\det(A-\lambda I); suas raízes são os autovalores.
(a) Como o “método de Euler”: assume‑se solução da forma X(t)=e^{\lambda t}v; ao substituir obtém‑se (A-\lambda I)v=0, que é exactamente o problema de autovalores/autovetores; assim achar \lambda (raízes de p_A) e v reduz o problema diferencial ao algébrico, e cada e^{\lambda t}v é uma solução.
(b) Procedimento para determinar autovalores/autovetores e a solução: calcular p_A(\lambda)=\det(A-\lambda I) e resolver p_A(\lambda)=0 para obter \lambda_i; para cada \lambda_i resolver (A-\lambda_i I)v=0 por eliminação para obter autovetores v_i; se obter n autovetores independentes, a solução geral é X(t)=\sum_{i=1}^n c_i e^{\lambda_i t} v_i com c=S^{-1}X(0) onde S=[v_1\\ \cdots\\ v_n]; se não for diagonalizável, usar cadeias de Jordan e soluções da forma t^k e^{\lambda t}w.

Exercícios relacionados