Você está na página 1de 28

n.

35 – AUTOVALORES e AUTOVETORES ou
VALORES e VETORES PRÓPRIOS ou
VALORES CARACTERÍSTICOS e VETORES CARACTERÍSTICOS

Aplicações: estudo de vibrações, dinâmica populacional,


estudos referentes à Genética, Mecânica Quântica, Economia
e Geometria.
Genética: a quantidade de genótipos AA, Aa, Pedaço de viga de uma ponte: ao analisarmos
aa resultante das combinações, conforme um pedaço de viga, observamos que ele está
forem passando as gerações é calculada sujeito a diversas tensões. A maior e a menor
como sendo os autovalores e os autovetores tensão que este objeto sofre é calculada
de certa matriz. encontrando os autovalores de certa matriz.

Pesquisa de algum tema na Internet: ao digitar uma


palavra no Google aparece no buscador os sites que
podemos consultar. O Google sabe quais são os sites
Sistema massa x mola: dada uma mola “mais importantes”, devido a certa matriz, que faz a
e colando-se nessa mola uma massa a relação entre os diversos sites, procurando autovetores e
estabilidade desse sistema pode ser autovalores e aplicando um algoritmo de busca
obtida calculando-se os autovalores e desenvolvido por eles (PageRank), eles estabelecem o
os autovetores de certa matriz. critério de qual site é mais importantes que outros.

Fonte: Disponível em: <https://www.youtube.com/watch?v=esWX5oYm_rA> Acesso em: 20 nov./ 2016.


Toda a transformação linear possui uma matriz associada, fixando-
se as bases.
Dada uma transformação linear de um espaço vetorial
T: V⟶ V (um operador linear), estamos interessados em saber
quais vetores são levados em um múltiplo de si mesmo.

V T(𝒗
⃗⃗) V

⃗⃗
𝒗 ⃗⃗
α𝒗

Procuramos um vetor 𝑣⃗ ∈ V e um escalar α ∈ℝ tais que T(𝑣⃗) = α 𝑣⃗.


O escalar α será chamado de autovalor de T
e o vetor 𝑣⃗ é um autovetor de T.

Definição: Seja T: V⟶V um operador linear. Se existem 𝑣⃗ ∈ V, 𝑣⃗ ≠


0, e α∈ℝ tais que T(𝑣⃗) = α 𝑣⃗, α é um autovalor de T e 𝑣⃗ é um
autovetor de T associado a α.
Obs.: α pode ser o número zero (0), mas 𝑣⃗ não pode ser o vetor
nulo.
 Um vetor, 𝑣⃗ ≠ 0 é autovetor se a imagem T(𝑣⃗) for um múltiplo
escalar de 𝑣⃗. No R2 e R3 diríamos que 𝑣⃗ e T (𝑣⃗) têm a mesma
direção. Logo, dependendo do valor de α, o operador T dilata 𝑣⃗,
contrai 𝑣⃗, inverte o sentido ou anula no caso de α = 0.
a) Na primeira figura abaixo, o vetor 𝑣⃗ ∈ R2 é um vetor próprio
que dilata 𝑣⃗, porque α > 1.
b) Na segunda figura observamos que 𝑣⃗ não é um autovetor de T,
pois T(𝑣⃗) ≠ α 𝑣⃗ .

Para encontrar os autovalores e autovetores de TA, devemos


resolver a equação:
TA (𝑣⃗) = α 𝑣⃗

Exemplos:
1. Verifique se os vetores 𝑣⃗1 e 𝑣⃗2 são autovetores do operador
linear T: ℝ2⟶ℝ2, tal que T (x, y) = (4 x + 5 y, 2 x + y)

a) 𝑣⃗1 = (5, 2)
Resolução: (4 . 5 + 5 . 2, 2 . 5 + 2) = (30, 12)
Logo, 6. (5, 2) = 6 . v = (30, 12), portanto, o autovalor é α = 6

b) 𝑣⃗2 = (2, 1)
Resolução: (4 . 2 + 5 . 1, 2 . 2 + 1) = (13, 5)
Logo, ∄ α.(2, 1) = (13, 5), portanto, v2 = (2, 1) não é autovetor
deste operador linear.
2. Determine os autovalores e os autovetores associados à
transformação T: ℝ2⟶ℝ2, tal que T (x, y) = (2x , 2y)
Resolução:
Abrindo o vetor nas variáveis livres: (2x, 2y)
x (2, 0) + y (0, 2)
(2x, 0y) + (0x , 2y)
Coordenadas de x: (2, 0)
Coordenadas de y: (0, 2)
2 0 𝑥 2𝑥 𝑥
T(x, y) = [ ] . [𝑦] = [ ] = 2. [𝑦]
0 2 2𝑦
Neste caso, 2 é um autovalor de T e qualquer vetor
(x, y) ≠ (0, 0) é um autovetor associado ao autovalor 2.
Observe geometricamente:

2 2
3. Considere a matriz A = [ ]. Determine os autovalores e os
0 1
autovetores associados à transformação TA (x, y).
Resolução: só para lembrar, a regra da transformação é:
(2x + 2y, 0x + 1y) = (2x + 2y, y)
2 2 𝑥 2𝑥+2𝑦
T(x, y) = [ ] . [𝑦 ] = [ ] = (2x + 2y, y)
0 1 𝑦

Lembrando que, para encontrar os autovalores e autovetores de TA,


devemos resolver a equação: TA (𝑣⃗) = α 𝑣⃗
2𝑥+2𝑦 𝑥
Ou [ ] = α [𝑦 ]
𝑦
2𝑥+2𝑦 𝛼𝑥
[ ] = [𝛼 𝑦]
𝑦
O que resulta no sistema:
2𝑥+2𝑦 = 𝛼𝑥
{
𝑦= 𝛼𝑦
Logo, podemos ter: (i) y ≠ 0 e (ii) y = 0
(i) y≠0
da segunda equação α=1
1
Logo, 2𝑥+2𝑦 = 𝑥  𝑦=− 𝑥.
2
1
Assim, para o autovalor α = 1, o autovetor é (𝑥, − 𝑥) com x ≠ 0
2

2𝑥+2𝑦= 𝛼𝑥
(ii) y=0 {
𝑦= 𝛼𝑦
2 𝑥 + 2 (0) = 𝛼 𝑥
{
0= 𝛼0
2𝑥 = 𝛼𝑥
{
0= 0
2 = 𝛼
{
0= 0
Logo, então o x tem que ser diferente de zero, pois caso contrário o
autovalor (x, y) seria o vetor nulo (0, 0), o que contraria a definição
de autovetor.
Assim, o autovetor associado ao autovalor 𝛼 = 2 é (x, 0), ou
x (1, 0) com x ≠ 0.
Assim, para essa transformação temos:
1
 os autovetores (𝑥, − 2
𝑥), com x ≠ 0 associado ao autovalor 1
 os autovetores (𝑥, 0) , com x ≠ 0 associados ao autovalor 2.

AUTOVALOR E AUTOVETOR DE UMA MATRIZ

Seja o operador linear T: ℝ3⟶ℝ3, cuja matriz canônica é:


𝑎11 𝑎12 𝑎13
𝐴 = [𝑎21 𝑎22 𝑎23 ] → 𝐴 = [𝑇𝐴 ] (em relação à base canônica)
𝑎31 𝑎32 𝑎33
Logo, A é a transformação.
Assim pela definição temos que T(𝑣⃗) = α 𝑣⃗, no caso das matrizes a
relação fica: A . 𝑣⃗ = α 𝑣⃗
Se 𝑣⃗ e α são respectivamente autovetor e autovalor do operador T
temos:
A . 𝑣⃗ = α 𝑣⃗
A . 𝑣⃗ – α 𝑣⃗ = 0
Tendo em vista que 𝑣⃗ pode ser escrito como I.𝑣⃗ (onde I é a matriz
identidade), podemos escrever a equação acima como:
A . 𝑣⃗ – α (I. 𝑣⃗) = 0
A . 𝑣⃗ – α I 𝑣⃗ = 0
𝑣⃗ (A – α I) = 0

Lembrando que, para que o sistema admita soluções não nulas,


𝑣⃗ ≠ 0, então, (A – α I) = 0
Como:
𝑥 0
𝑣⃗ = (𝑥, 𝑦, 𝑧) ≠ (0, 0, 0) 𝑒 𝑛𝑜 𝑐𝑎𝑠𝑜 𝑑𝑎𝑠 𝑚𝑎𝑡𝑟𝑖𝑧𝑒𝑠: 𝑣⃗ = [𝑦] ≠ [0]
𝑧 0
Deve-se ter então: det (A - α I) = 0

𝑎11 𝑎12 𝑎13 1 0 0


𝑑𝑒𝑡 ([𝑎21 𝑎22 𝑎23 ] − 𝛼 [0 1 0]) =0
𝑎31 𝑎32 𝑎33 0 0 1
𝑎11 𝑎12 𝑎13 𝛼 0 0
𝑑𝑒𝑡 ([𝑎21 𝑎22 𝑎23 ] − [ 0 𝛼 0 ]) = 0
𝑎31 𝑎32 𝑎33 0 0 𝛼
𝑎11 − 𝛼 𝑎12 𝑎13
𝑑𝑒𝑡 ([ 𝑎21 𝑎22 − 𝛼 𝑎23 ] = 0
𝑎31 𝑎32 𝑎33 − 𝛼

 A equação det (A - α I) = 0 é denominada equação característica


do operador T ou da matriz A, e suas raízes são os autovalores
do operador T ou da matriz A.
 O determinante det (A - α I) é um polinômio em α, denominado
polinômio característico.

PROPRIEDADES DOS AUTOVALORES E AUTOVETORES


i) Se 𝑣⃗ é autovetor associado ao autovalor α de um operador linear
T, o vetor α 𝑣⃗, para qualquer real α ≠ 0, é também autovetor de T
associado ao mesmo α.
T (𝑣⃗) = α 𝑣⃗

ii) Matrizes semelhantes têm o mesmo polinômio característico e,


portanto, os mesmos autovalores.

Definição:
 Duas matrizes quadradas A e B são semelhantes se existe uma
matriz inversível P, tal que B = P-1 AP.
 Um conjunto de autovetores obtidos quando α1 ≠ α2 constitui
uma base.
 P é a matriz formada por essa base.

Teorema:
 Duas matrizes quadradas A e B são semelhantes se, e somente
se, possuem o mesmo determinante.
 Matrizes semelhantes têm os mesmos autovalores.

Exercícios:
4 5
1. Determine os autovalores e autovetores da matriz 𝐴 = [ ]
2 1
Resolução:
a) A equação característica de A é:
det (A - α I) = 0

4 5 𝛼 0
det [ ]− [ ]=0
2 1 0 𝛼
4− 𝛼 5
det [ ]=0
2 1− 𝛼

(4 – α) . (1 – α) – 5 . 2 = 0
4 – 4 α – α + α2 – 10 = 0
α2 – 5 α – 6 = 0
Logo, (α +1) . (α – 6) = 0
Logo, as raízes são: α1 = - 1 e α2 = 6
Logo, as raízes são os autovalores da matriz A.

b) Para determinarmos os autovetores fazemos:


[(A - α I)] . 𝑣⃗ = 0
Como queremos descobrir 𝑣⃗, fazemos 𝑣⃗ = (x, y)

4 5 𝛼 0 𝑥 0
[ ]− [ ] . [𝑦 ] = [ ]
2 1 0 𝛼 0

4− 𝛼 5 𝑥 0
[ ] . [𝑦 ] = [ ]
2 1− 𝛼 0

Agora usamos os autovalores encontrados anteriormente: α1 = - 1


e α2 = 6

b1) Para α1 = - 1

4 − (−1) 5 𝑥 0
[ ] [𝑦 ] = [ ]
2 1 − (−1) 0

5 5 𝑥 0
[ ] [𝑦] = [ ]
2 2 0
5𝑥 + 5𝑦 = 0
{
2𝑥 + 2𝑦 = 0

Logo, y = - x portanto, o sistema admite infinitas soluções.


Assim, v1 = (x, - x)
v1=x(1,- 1) com x≠0 são autovetores associados ao autovalor α = - 1

b2) Para α2 = 6
4 − (6 ) 5 𝑥 0
[ ] [𝑦 ] = [ ]
2 1 − (6 ) 0

−2 5 𝑥 0
[ ] [𝑦] = [ ]
2 −5 0

−2𝑥 + 5𝑦 = 0
{
2𝑥 − 5𝑦 = 0

2
Logo, 𝑦 = 5 𝑥 portanto, o sistema admite infinitas soluções.
2
Assim, v2 = (𝑥, 5
𝑥)
2
v2 = x (1, 5
) com x ≠ 0

ou um múltiplo: (5,2) são autovetores associados ao autovalor α = 6

−3 4
2. Determine os autovalores e autovetores da matriz 𝐴 = [ ]
−1 2
Resposta:
Autovalor α1 = - 2 e autovetor (4 y, y) = y (4, 1) = (4, 1) com y ≠ 0
Autovalor α2 = 1 e autovetor (y, y) = y (1, 1) = (1,1) com y ≠ 0

Resolução:
a) A equação característica de A é:
det (A - α I) = 0
−3 4 𝛼 0
det [ ]− [ ]=0
−1 2 0 𝛼
−3 − 𝛼 4
det [ ]=0
−1 2− 𝛼
(- 3 – α) . (2 – α) – 4 . (-1) = 0
- 6 + 3 α – 2 α + α2 +4 = 0
α2 + α – 2 = 0

Logo, (α +1) . (α + 2) = 0
Logo, as raízes são: α1 = - 2 e α2 = 1
Logo, as raízes são os autovalores da matriz A.

b) Para determinarmos os autovetores fazemos:


(A - α I) . v = 0

Como queremos descobrir v, fazemos v = (x, y)

−3 4 𝛼 0 𝑥 0
[ ]− [ ] [𝑦 ] = [ ]
−1 2 0 𝛼 0
−3 − ( 𝛼) 4 𝑥 0
[ ] [𝑦 ] = [ ]
−1 2 − (𝛼) 0

Agora usamos os autovalores encontrados anteriormente:


α1 = - 2 e α2 = 1
b1) Para α1 = - 2

−3 − (−2) 4 𝑥 0
[ ] [𝑦 ] = [ ]
−1 2 − (−2) 0
−3+2 4 𝑥 0
[ ] [𝑦 ] = [ ]
−1 2+2 0
−1 4 𝑥 0
[ ] [𝑦 ] = [ ]
−1 4 0

−𝑥 + 4𝑦 = 0
{
−𝑥 + 4𝑦 = 0
Logo, x = 4y
Assim, v1 = (4 y, y) = y (4, 1) = (4, 1)
v1=(4, 1) com y ≠ 0 são autovetores associados ao autovalor α1 = - 2

b2) Para α2 = 1

−3−1 4 𝑥 0
[ ] [𝑦 ] = [ ]
−1 2−1 0
−4 4 𝑥 0
[ ] [𝑦] = [ ]
−1 1 0
−4𝑥 + 4𝑦 = 0
{
−𝑥 + 𝑦 = 0
Logo, y = x
Assim, v2 = (𝑦, 𝑦 )
v2 = y (1, 1 )
v2 = (1, 1) com y ≠ 0 é um autovetor associado ao autovalor α = 1

Exercícios:

1. Ache os valores e os vetores próprios do operador T do ℝ2 dado


por:

a. T(𝑥, 𝑦) = (−𝑥, −𝑦) R: − 1 e qualquer vetor não nulo.

b. T(1, 0) = ( 0, −1) e T(0, 1) = (1, 0)


R: Não há valores próprios reais.

2. Calcule o polinômio característico e os valores próprios das


seguintes matrizes:

2 0
a. [ ] R: α2 – 3 α + 2 = 0 é o polinômio característico e os
1 1
valores próprios são: α1 = 2 e α2 = 1.
−1 −1
b. [ ] R: α2 – 4 = 0 é o polinômio característico e os
−3 1
valores próprios são: α1 = 2 e α2 = - 2.
2 1
c. [ ] R: α2 – 3 α +1 = 0 é o polinômio característico
0 1
e os valores próprios são: α1 = 3+2√5 e α2 = 3−2√5
−1 −3
d. [ ] R: α2 – 4 = 0 é o polinômio característico e os
−1 1
valores próprios são: α1 = 2 e α2 = - 2.

1 2 3
e. [0 1 2] R: −𝛼 3 + 3𝛼 2 − 3𝛼 + 1 = 0 é o polinômio
0 0 1
característico, para o autovalor α1 = 1 o autovetor é 𝑥 (1, 0, 0),
com 𝑥 ≠ 0 .

1 2 1
f. [0 2 3] R: 𝛼 3 + 7𝛼 2 − 14𝛼 + 8 = 0 é o polinômio
0 0 4
característico, para o autovalor α1 = 1 o autovetor é 𝑥 (1, 0, 0),
com 𝑥 ≠ 0, para α2 = 2 o autovetor é 𝑦 (2,1, 0), com y ≠ 0 e para
α3 = 4 o autovetor é 𝑧 (8, 9, 6), com 𝑥 ≠ 0 .

3. Encontre o polinômio característico das seguintes matrizes:

4 2 0
a. [−1 1 0]
0 1 2
R: – α3 + 7 α2 – 16 α + 12 = 0 é o polinômio característico.

−1 −4 14
b. [ 2 −7 14]
2 −4 11
R: −𝛼 3 + 3𝛼 2 + 45𝛼 + 81 = 0 é o polinômio característico
3 −1 1
4. Mostre que 2 é autovalor de: [−1 5 1]
1 −1 3

Resolução das questões:


1. Ache os valores e os vetores próprios do operador T do ℝ2 dado
por:

a. T(𝑥, 𝑦) = (−𝑥, −𝑦)

Para encontrar os autovalores e autovetores de TA, devemos


resolver a equação: TA (𝑣⃗) = α 𝑣⃗
−𝑥 𝑥
Ou [−𝑦] = α [𝑦]

−𝑥 𝛼𝑥
[−𝑦] = [𝛼 𝑦]

O que resulta no sistema:


−𝑥 = 𝛼 𝑥 → 𝛼 = −1
{
−𝑦 = 𝛼 𝑦 → 𝛼 = −1

Logo, para o autovalor 𝛼 = −1 o autovetor associado é qualquer


vetor 𝑛ã𝑜 𝑛𝑢𝑙𝑜.

b. T(1, 0) = ( 0, −1) e T(0, 1) = (1, 0)

Primeiro temos que achar a transformação linear:

Seja 𝑇(1, 0) = ( 0, −1) 𝑒 𝑇(0, 1) = (1, 0) encontre T (x, y).

Resolução:

(x, y) = 𝛼 (v1 ) + 𝛽 (v2 )

(x, y) = 𝛼 (1, 0) + 𝛽 (0, 1)


𝑥=𝛼
{𝑦 = 𝛽

F(u1) = (0, -1)


F(u2) = (1, 0)

Assim, T(x, y) = 𝛼 F(u1) + 𝛽 F(u2)


T(x, y) = x . (0, -1) + y . (1, 0)
T(x, y) = (0 , - x)+ (y, 0)
T(x, y) = (y , - x)
Para encontrar os autovalores e autovetores de TA, devemos
resolver a equação: TA (𝑣⃗) = α 𝑣⃗
𝑦 𝑥
Ou [ ] = α [𝑦 ]
−𝑥

𝑦 𝛼𝑥
[ ] = [𝛼 𝑦 ]
−𝑥
O que resulta no sistema:
𝑦
𝑦= 𝛼𝑥 → 𝛼=
𝑥
{ 𝑥
−𝑥 = 𝛼 𝑦 → 𝛼=−
𝑦
y x
R: Como ≠− , não há valores próprios reais.
x y

2. Calcule o polinômio característico e os valores próprios das


seguintes matrizes:
2 0
a. [ ]
1 1

Resolução:
 A equação característica de A é:
det (A - α I) = 0
2 0 𝛼 0
det [ ]− [ ]=0
1 1 0 𝛼
2− 𝛼 0
det [ ]=0
1 1− 𝛼
(2 – α) . (1 – α) – 0 . (1) = 0
2 – 2 α – α + α2 = 0
α2 – 3 α + 2 = 0 esse é o polinômio característico.

 Encontrando as raízes da equação:

−𝑏 ± √𝑏 2 − 4𝑎𝑐 −(−3) ± √(−3)2 − 4(1)(2) 3 ± √9 − 8 3 ± √1 3 ± 1


= = = =
2𝑎 2(1) 2 2 2

𝛼′ = 2 𝑒 𝛼 ′′ = 1
Assim, as raízes da equação são: α1 = 2 e α2 = 1
Logo, as raízes são os autovalores da matriz A.

α2 – 3 α + 2 = 0 é o polinômio característico e os valores próprios


são: α1 = 2 e α2 = 1.
−1 −1
b. [ ]
−3 1

Resolução:
 A equação característica de A é:
det (A - α I) = 0
−1 −1 𝛼 0
det [ ]− [ ]=0
−3 1 0 𝛼
−1 − 𝛼 −1 − 0
det [ ]=0
−3 − 0 1− 𝛼
(-1 – α) . (1 – α) – (-1) . (-3) = 0
- 1+ α – α + α2 - 3 = 0
α2 – 4 = 0 esse é o polinômio característico.

 Encontrando as raízes da equação:

−𝑏 ± √𝑏 2 − 4𝑎𝑐 −(0) ± √(0)2 − 4(1)(−4) ±√16 ±4


= = =
2𝑎 2(1) 2 2

𝛼′ = 2 𝑒 𝛼 ′′ = −2
Assim, as raízes da equação são: α1 = 2 e α2 = - 2
Logo, as raízes são os autovalores da matriz A.

R: α2 – 4 = 0 é o polinômio característico e os valores próprios


são: α1 = 2 e α2 = - 2.
2 1
c. [ ]
0 1
Resolução:
 A equação característica de A é:
det (A - α I) = 0
2 1 𝛼 0
det [ ]− [ ]=0
0 1 0 𝛼
2− 𝛼 1−0
det [ ]=0
0−0 1− 𝛼
(2 – α) . (1 – α) – (1) = 0
2 - 2α – α + α2 - 1 = 0
α2 – 3 α +1 = 0 esse é o polinômio característico.

 Encontrando as raízes da equação:

−𝑏 ± √𝑏 2 − 4𝑎𝑐 −(−3) ± √(−3)2 − 4(1)(1) 3 ± √9 − 4 3 ± √5


= = =
2𝑎 2(1) 2 2

3 + √5 3 − √5
𝛼′ = 𝑒 𝛼 ′′ =
2 2

Assim, as raízes da equação são: α1 = 3+√5


2
e α2 = 3−2√5

Logo, as raízes são os autovalores da matriz A.

R: α2 – 3 α +1 = 0 é o polinômio característico e os valores


próprios são: α1 = 3+√5
2
e α2 = 3−2√5

−1 −3
d. [ ]
−1 1
Resolução:
 A equação característica de A é:
det (A - α I) = 0
−1 −3 𝛼 0
det [ ]− [ ]=0
−1 1 0 𝛼
−1 − 𝛼 −3 − 0
det [ ]=0
−1 − 0 1− 𝛼
(-1 – α) . (1 – α) – (-3) . (-1) = 0
- 1+ α – α + α2 - 3 = 0
α2 – 4 = 0 esse é o polinômio característico.

 Encontrando as raízes da equação:

−𝑏 ± √𝑏 2 − 4𝑎𝑐 −(0) ± √(0)2 − 4(1)(−4) ±√16 ±4


= = =
2𝑎 2(1) 2 2

𝛼′ = 2 𝑒 𝛼 ′′ = −2
Assim, as raízes da equação são: α1 = 2 e α2 = - 2
Logo, as raízes são os autovalores da matriz A.

R: α2 – 4 = 0 é o polinômio característico e os valores próprios


são: α1 = 2 e α2 = - 2.

1 2 3
e. [0 1 2]
0 0 1
 A equação característica de A é: det (A - α I) = 0

1−𝛼 2 3
𝑑𝑒𝑡: [ 0 1−𝛼 2 ]=0
0 0 1−𝛼

1−𝛼 2 3 | 1−𝛼 2
[ 0 1−𝛼 2 | 0 1 − 𝛼] = 0
0 0 1−𝛼 | 0 0

(1 − 𝛼)(1 − 𝛼)(1 − 𝛼) = 0
(1 − 𝛼 − 𝛼 + 𝛼 2 )(1 − 𝛼) = 0
(1 − 𝛼 − 𝛼 + 𝛼 2 − 𝛼 + 𝛼 2 + 𝛼 2 − 𝛼 3 ) = 0
−𝛼 3 + 3𝛼 2 − 3𝛼 + 1 = 0

 Para o autovalor 𝛼 = 1 temos:


1−𝛼 2 3 𝑥 0
[ 0 1−𝛼 2 ] . [𝑦] = [0]
0 0 1−𝛼 𝑧 0

1−1 2 3 𝑥 0
[ 0 1−1 2 ] . [𝑦] = [0]
0 0 1−1 𝑧 0

0 2 3 𝑥 0
[0 0 2] . [𝑦] = [0]
0 0 0 𝑧 0

2𝑦 + 3𝑧 = 0 𝑦=0
{ 2𝑧 = 0 → {𝑧 = 0
0=0 0=0
Como, 𝑦 = 0 𝑒 𝑧 = 0, temos que ter que 𝑥 ≠ 0, logo:

Com 𝑥 ≠ 0 temos o autovetor: (𝑥, 0, 0) = 𝑥 (1, 0, 0)

R: −𝛼 3 + 3𝛼 2 − 3𝛼 + 1 = 0 é o polinômio característico, para o


autovalor α1 = 1 o autovetor é 𝑥 (1, 0, 0), com 𝑥 ≠ 0 . (Boldrini,
p. 195)

1 2 1
f. [0 2 3]
0 0 4

 A equação característica de A é: det (A - α I) = 0

1−𝛼 2 1
𝑑𝑒𝑡: [ 0 2−𝛼 3 ]=0
0 0 4−𝛼

𝑀𝑎𝑡𝑟𝑖𝑧 𝑡𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑟, 𝑝𝑜𝑟𝑡𝑎𝑛𝑡𝑜 𝑜 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 é 𝑜 𝑝𝑟𝑜𝑑𝑢𝑡𝑜


𝑑𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙.

(1 − 𝛼)(2 − 𝛼)(4 − 𝛼) = 0
(2 − 𝛼 − 2𝛼 + 𝛼 2 )(4 − 𝛼) = 0
(2 − 3𝛼 + 𝛼 2 )(4 − 𝛼) = 0
(8 − 12𝛼 + 4𝛼 2 − 2𝛼 + 3𝛼 2 − 𝛼 3 ) = 0
𝛼 3 + 7𝛼 2 − 14𝛼 + 8 = 0
Autovalores: 𝛼1 = 1 , 𝛼2 = 2 𝑒 𝛼3 = 4
 Para o autovalor 𝛼1 = 1 temos:
1−𝛼 2 1 𝑥 0
[ 0 2−𝛼 3 ] . [𝑦] = [0]
0 0 4−𝛼 𝑧 0

1−1 2 1 𝑥 0
[ 0 2−1 3 ] . [𝑦] = [0]
0 0 4−1 𝑧 0

0 2 1 𝑥 0
[0 1 3] . [𝑦] = [0]
0 0 3 𝑧 0

2𝑦 + 𝑧 = 0 0=0
{𝑦 + 3𝑧 = 0 → {𝑦 = 0
3𝑧 = 0 𝑧=0

(𝑥, 0, 0) = 𝑥 (1, 0, 0) 𝑐𝑜𝑚 𝑥 ≠ 0

 Para o autovalor 𝛼2 = 2 temos:


1−𝛼 2 1 𝑥 0
[ 0 2−𝛼 3 ] . [𝑦] = [0]
0 0 4−𝛼 𝑧 0

1−2 2 1 𝑥 0
[ 0 2−2 3 ] . [𝑦] = [0]
0 0 4−2 𝑧 0

−1 2 1 𝑥 0
[0 0 3] . [𝑦] = [0]
0 0 2 𝑧 0
−𝑥 + 2𝑦 + 𝑧 = 0 −𝑥 = −2𝑦 𝑥 = 2𝑦
{ 3𝑧 = 0 → { 𝑧=0 → {𝑧=0
2𝑧 = 0 𝑧=0 𝑧=0

(2𝑦, 𝑦, 0) = 𝑦 (2, 1, 0) 𝑐𝑜𝑚 𝑦 ≠ 0

 Para o autovalor 𝛼3 = 4 temos:

1−𝛼 2 1 𝑥 0
[ 0 2−𝛼 3 ] . [𝑦] = [0]
0 0 4−𝛼 𝑧 0

1−4 2 1 𝑥 0
[ 0 2−4 3 ] . [𝑦] = [0]
0 0 4−4 𝑧 0

−3 2 1 𝑥 0
[ 0 −2 3] . [𝑦] = [0]
0 0 0 𝑧 0

3𝑧
−3𝑥 + 2𝑦 + 𝑧 = 0 −3𝑥 = −2𝑦 − 𝑧 −3𝑥 = −2 ( ) − 𝑧
{ −2𝑦 + 3𝑧 = 0 → { −3𝑧 → { 2
𝑦= 3𝑧
0=0 −2 𝑦=
2
−4𝑧 4𝑧
−3𝑥 = −3𝑧 − 𝑧 −3𝑥 = −4𝑧 𝑥= 𝑥=
{ 3𝑧 → { 3𝑧 → { −3 → { 3
𝑦= 𝑦= 3𝑧 3𝑧
2 2 𝑦= 𝑦=
2 2

4𝑧 3𝑧 4 3
( , , 𝑧) = 𝑧 ( , , 1) 𝑐𝑜𝑚 𝑧 ≠ 0 𝑒 𝑝𝑎𝑟𝑎 𝑧 = 6 𝑡𝑒𝑚𝑜𝑠
3 2 3 2
4 3
6 ( , , 1) = (8, 9,6) 𝑐𝑜𝑚 𝑧 ≠ 0
3 2

R: 𝛼 3 + 7𝛼 2 − 14𝛼 + 8 = 0 é o polinômio característico, para o


autovalor α1 = 1 o autovetor é 𝑥 (1, 0, 0), com 𝑥 ≠ 0, para α2 = 2
o autovetor é 𝑦 (2,1, 0), com y ≠ 0 e para α3 = 4 o autovetor é
𝑧 (8, 9, 6), com 𝑥 ≠ 0 .

3. Encontre o polinômio característico das seguintes matrizes:

4 2 0
a. [−1 1 0]
0 1 2

 A equação característica de A é: det (A - α I) = 0

4−𝛼 2 0
𝑑𝑒𝑡: [ −1 1−𝛼 0 ]=0
0 1 2−𝛼

4−𝛼 2 0 | 4−𝛼 2
[ −1 1−𝛼 0 | −1 1 − 𝛼] = 0
0 1 2−𝛼 | 0 1

(4 − 𝛼)(1 − 𝛼)(2 − 𝛼) + 2 (2 − 𝛼) = 0

−𝛼 3 + 7𝛼 2 − 16 𝛼 + 12 = 0

R: – α3 + 7 α2 – 16 α + 12 = 0 é o polinômio característico
(Boldrini, p. 185)
−1 −4 14
b. [ 2 −7 14]
2 −4 11

 A equação característica de A é: det (A - α I) = 0

−1 − 𝛼 −4 14
𝑑𝑒𝑡: [ 2 −7 − 𝛼 14 ] = 0
2 −4 11 − 𝛼

−1 − 𝛼 −4 14 | −1 − 𝛼 −4
[ 2 −7 − 𝛼 14 | 2 −7 − 𝛼] = 0
2 −4 11 − 𝛼 | 2 −4

(−1 − 𝛼)(−7 − 𝛼)(11 − 𝛼) − 112 − 112 − 28(−7 − 𝛼) + 56(−1 − 𝛼) + 8(11 − 𝛼) = 0


(−1 − 𝛼)(−7 − 𝛼)(11 − 𝛼) − 224 + 196 + 28𝛼 − 56 − 56𝛼 + 88 − 8𝛼 = 0
(+7 + 𝛼 + 7𝛼 + 𝛼 2 )(11 − 𝛼) − 224 + 196 + 28𝛼 − 56 − 56𝛼 + 88 − 8𝛼 = 0
(7 + 8𝛼 + 𝛼 2 )(11 − 𝛼) − 224 + 196 + 28𝛼 − 56 − 56𝛼 + 88 − 8𝛼 = 0
+77 + 88𝛼 + 11𝛼 2 − 7𝛼 − 8𝛼 2 − 𝛼 3 − 224 + 196 + 28𝛼 − 56 − 56𝛼 + 88 − 8𝛼 = 0
−𝛼 3 + 11𝛼 2 − 8𝛼 2 + 28𝛼 + 88𝛼 − 56𝛼 − 8𝛼 − 7𝛼 − 56 + 88 − 224 + 196 + 77 = 0
−𝛼 3 + 3𝛼 2 + 45𝛼 + 81 = 0

R: −𝛼 3 + 3𝛼 2 + 45𝛼 + 81 = 0 é o polinômio característico


(Boldrini, p. 195)
3 −1 1
4. Mostre que 2 é autovalor de: [−1 5 1]
1 −1 3

Da equação característica temos:

3 −1 1
det( [−1 5 1] − 𝛼𝐼) = 0
1 −1 3
3−𝛼 −1 1
[ −1 5−𝛼 1 ]=0
1 −1 3−𝛼

Para 𝛼 = 2 temos:

3 − 2 −1 1
[ −1 5 − 2 1 ]=0
1 −1 3 − 2

1 −1 1
[−1 3 1] = 0
1 −1 1

1 −1 1 | 1 −1
[−1 3 1 | −1 3 ] = 0
1 −1 1 | 1 −1

3−1+1−3+1−1=0

3 −1 1
Logo, 2 é autovalor de [−1 5 1] .
1 −1 3

Referências Bibliográficas

BOLDRINI, J. L. et al. Álgebra linear. São Paulo: Harper & Row, 1980.

BORGES, A. J. Notas de aula. Curitiba. Set. 2010. Universidade Tecnológica Federal do Paraná –
UTFPR.

CALLIOLI, C. A. et al. Álgebra linear e aplicações. São Paulo: Atual, 1990.

ANTON, H.; BUSBY, R. C. Álgebra linear contemporânea. São Paulo: Bookman, 2008.

KOLMAN, B.; HILL, R. Introdução à álgebra linear com aplicações. 6ª ed. Rio de Janeiro:
Prentice-Hall, 1998.
LIPSCHUTZ, S. Álgebra linear. São Paulo: McGraw-Hill do Brasil, 1972.

NUNES, Luiz Fernando. Notas de aula: Matemática 1. Professor do Departamento de


Matemática da Universidade Tecnológica Federal do Paraná – UTFPR.

STEINBRUCH, A. e WINTERLE, P. Álgebra linear. São Paulo: Pearson-Makron Books, 2010.

VENTURI, J. J. Álgebra Vetorial e Geometria Analítica. 9 ed. Curitiba. 1949.

AUTOVETORES E AUTOVALOES. Disponível em:


<https://www.youtube.com/watch?v=esWX5oYm_rA> Acesso em: 20 nov./ 2016.

Você também pode gostar