Universidade Federal do Rio Grande do Norte

Centro de Ensino Superior do Seridó

DCEA - Departamento de Ciências Exatas e Aplicadas
Disciplina: LMC0011 - Álgebra linear II Semestre: 2020.2
Docente: Dr. Flaviana moreira de Souza Amorim
Discente: Jeano Carlos Alves de Medeiros

Autovetores e Autovalores

2021

1
 Resumo

Dada uma transformação linear de um espaço vetorial T : V → V, caso estejamos interessados

em saber quais vetores são levados em múltiplo de si mesmo, isto é, procuramos um vetor v ∈ V
e um escalar λ ∈ R tais que
T (v) = λv.
Como v = 0 satisfaz a equação para todo λ, estaremos interessado em determinar vetores v 6= 0
satisfazendo a condição acima.Sendo assim dispomos da seguinte definição.
Definição 1.1 Seja T : V → V um operador linear. Se existirem v ∈ V , v 6= 0, e λ ∈ R tais
que T (v) = λv, λ é dito autovalor de T e v um autovetor de T associado a λ.
Observe que λ pode ser o numero 0, embora v não possa ser o vetor nulo como argumentado
anteriormente.
Exemplo 1.2 Dado o operador linear

T : R2 → R2

v 7−→ 2v
Dessa forma temos
         
x 2 0 x 2x x
7−→ · = =2
y 0 2 y 2y y

Neste caso, 2 é um auto valor de T e qualquer (x, y) 6= 0 é um autovetor de T associado ao

autovalor 2.
Observação 1.3 Dada uma transformação T : V → V e um autovalor λ, qualquer vetor
u = kv com k 6= 0 também é autovetor de T associado a λ.
Com efeito,
T (u) = T (kv) = kT (v),
onde a ultima igualdade se da pelo fato de T ser uma transformação. Veja que pela definição
1.1
T (v) = λv,
de onde segue que
T (u) = k(λv) = λ(kv)
como querı́amos. È possı́vel verificar que o conjunto formado pelos autovetores associado a um
autovalor λ e o vetor nulo é um subespaço vetorial de V, isto é

{v ∈ V |T (v) = λv}

é subespaço de V. De fato, pela definição 1.1

T (v) = λv,

que equivale a
(T − λI)v = 0v
onde I, é a matriz identidade. Note que

(T − λI)v = 0v ⇔ v ∈ Ker(T − λI)

isso significa que o conjunto descrito acima coincide com Ker(T − λI), tendo em vista que o
núcleo é um subespaço vetorial, segue o resultado.

2
 Autovalores e Autovetores de uma matriz

Seja uma matriz quadrada A, de ordem n estaremos entendendo por autovalor e autovetor de A
autovalor e autovetor da transformação linear TA : Rn → Rn , associada a matriz A em relação
à base canônica, isto é, TA (v) = A · v, com v na forma coluna. Assim, um autovalor λ ∈ R de
A, e um autovetor v ∈ Rn , são soluções da equação A · v = λv, v 6= 0.
Diante disso, daremos a seguir um método para encontrar autovalores e autovetores de uma
matriz A de ordem n.
Determinar Autovalores
Seja o operador linear T : Rn → Rn , cuja matriz canônica é
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A =  ..
 
. . .. 
 . ... . . 
an1 an2 . . . ann

Se v e λ são, respectivamente, autovetor e autovalor do operador, tem-se

A · v = λv

dessa forma
A · v − λv = 0
Tendo em vista que v = Iv, onde I é a matriz identidade de ordem n, assim podemos reescrever
como
A · v − λIv = 0
ou ainda
(A − λI) · v = 0 (1)
Se det(A − λI) 6= 0 o sistema de equações lineares homogêneo tem uma única solução,
uma vez que o posto da matriz (A − λI) é n. Sendo assim, para que este sistema admita solução
não nula, isto é, v 6= 0 deve-se ter
det(A − λI) = 0
isto é  
 a11 − λ a12 ... a1n 
 
22 − λ
 a21 a ... a2n 
det(A − λI) = det  =0
 
.. ... ..

 . ... . 

 an1 an2 . . . ann − λ 
A equação det(A − λI) = 0 é denominada equação caracterı́stica do operador T ou da matriz
A. O determinante det(A − λI) é um polinômio em λ de grau n, denominado polinômio carac-
terı́stico, e os autovalores procurados são as raı́zes deste polinômio. Denotaremos o mesmo por
P (λ).
Determinar Autovetores
A substituição de λ pelos seus valores no sistema homogêneo de equação lineares (1) per-
mite determinar os autovetores a eles associados.

Exemplo 1.4 Seja T : R2 → R2 tal que T (x, y) = (x + y, 2x + y).

Determine o autovalores e autovetores da transformação linear.
Solução:
i) Autovalores:

3
 veja que  
1−λ 1
A − λI =
2 1−λ
A equação caracterı́stica do operador T é
 
 1−λ 1 
det(A − λI) =  =0
2 1−λ 
Portanto, o polinômio caracterı́stico será dado por
P (λ) = (1 − λ)2 − 2 = 0
dai
(1 − λ)2 = 2
isto é √
1−λ=± 2
√ √
Desse modo os autovalores da matriz A é λ1 = 2 + 1 e λ2 = − 2 + 1.
ii)Autovetores
Para isso basta resolver o sistema
(A − λI) · v = 0
√
Para λ1 = 2 + 1 temos
 √    
1 − ( 2 + 1) √1 x 0
=
2 1 − ( 2 + 1) y 0
assim  √
(1 − 2 −√1)x + y = 0
2x + (1 − 2 − 1)y = 0
Da primeira equação, obtemos √
x− 2x − x + y = 0
dai √
2x y=
√
Portanto v = (x,√ 2x), com x 6= 0.
Para λ2 = − 2 + 1 temos
 √    
1 − (− 2 + 1) 1
√ x 0
=
2 1 − (− 2 + 1) y 0
assim  √
(1 + 2 −√1)x + y = 0
2x + (1 + 2 − 1)y = 0
Da primeira equação, obtemos √
x+ 2x − x + y = 0
dai √
y = − 2x
√
Portanto v = (x, − 2x), com x 6= 0.

Observação 1.5 Se V é um espaço sobre R nem sempre P (λ) admite raiz, logo a matriz A
não admite autovalores(nem autovetores), isso significa que a transformação dada pela matriz
A não preserva a direção de nenhum vetor.TA (v) 6= λv, v 6= 0.
No entanto se V é um espaço sobre C toda aplicação sempre admite autovalores, uma vez
que seu polinômio caracterı́stico sempre admite raiz, onde o numero n de raiz é n = dimV.

4
 Exemplo 1.6 Vamos apresentar agora duas matrizes que têm o mesmo polinômio carac-
terı́stico e, portanto, os mesmos autovalores, porem com autovetores diferentes.
Sejam    
1 2 1 1 3 1
A =  0 −1 1  e B =  0 2 0 
0 0 −1 0 0 3
sendo assim    
1 7 4 1 −1 3
AB =  0 −2 3  e BA =  0 −2 2 
0 0 −3 0 0 −3
isto é AB 6= BA. No entanto, calculando seus autovalores, obtemos
i) Autovalores de AB
Veja que  
1−λ 7 4
AB − λI =  0 −2 − λ 3 
0 0 −3 − λ
como a matriz é triangular superior, o P (λ) é dado pelo produto da diagonal principal, desse
modo
P (λ) = (1 − λ)(−2 − λ)(−3 − λ) =
= (λ − 1)(−λ2 − 5λ − 6) = 0
Obtemos λ1 = 1 ou λ2 = −2 ou λ3 = −3.
Desse modo, os autovalores da matriz AB são 1, −2, −3
ii) Autovalores de BA
Veja que  
1−λ −1 3
BA − λI =  0 −2 − λ 2 
0 0 −3 − λ
como a matriz é triangular superior, o P (λ) é dado pelo produto da diagonal principal, desse
modo
P (λ) = (1 − λ)(−2 − λ)(−3 − λ) =
= (λ − 1)(−λ2 − 5λ − 6) = 0
Obtemos λ1 = 1 ou λ2 = −2 ou λ3 = −3.
Desse modo, os autovalores da matriz BA são 1, −2, −3
iii) Autovetores de AB
Para isso basta resolver a equação
Av = λv
Para λ2 = −2 temos      
1 7 4 x x
 0 −2 3  ·  y  = −2  y 
0 0 −3 z z
Assim 
 x +7y +4z = −2x
0 −2y +3z = −2y
0 0 −3z = −2z


5
A matriz associada ao sistema é
1 37 43 0 1 73 0 0
     
3 7 4 0
 0 0 3 0 ∼ 0 0 1 0 ∼ 0 0 1 0 
0 0 −1 0 0 0 −1 0 0 0 0 0
Dessa forma, obtemos
x = − 73 y


z =0
Portanto, os autovetores associado a λ2 = −2 são do tipo v = (− 73 y, y, 0) com y 6= 0.
Realizando procedimentos semelhantes aos realizados acima para λ1 = 1 e λ3 = −3
obtemos, respectivamente, os autovetores associados do tipo v = (x, 0, 0) com x 6= 0 e
v = ( 17
4
, −3z, z) com z 6= 0.
iiii) Autovetores de BA
Para isso basta resolver a equação
Av = λv
Para λ2 = −2 temos      
1 −1 3 x x
 0 −2 2  ·  y  = −2  y 
0 0 −3 z z
Assim 
 x −y + 3z = −2x
0 −2y + 2z = −2y
0 0 −3z = −2z


A matriz associada ao sistema é

1 − 31 1 0 1 − 13 0 0
     
3 −1 3 0
 0 0 2 0 ∼ 0 0 1 0 ∼ 0 0 1 0 
0 0 −1 0 0 0 −1 0 0 0 0 0
Dessa forma, obtemos
x = 13 y


z =0
Portanto, os autovetores associado a λ2 = −2 são do tipo v = ( 31 y, y, 0) com y 6= 0.
Novamente, realizando procedimentos semelhantes aos realizados acima para λ3 = −3 e
λ1 = 1 obtemos, respectivamente, os autovetores associados do tipo v = (− 54 , −2z, z) com
z 6= 0 e v = (x, 0, 0) com x 6= 0.

Observação 1.7 Matrizes semelhantes têm mesmo polinômio caracterı́stico.

De fato, se B e A são semelhantes, existe uma matriz inversı́vel M tal que B = M −1 AM.
Dessa forma, por propriedades de matrizes e determinantes obtemos as igualdades abaixo
PB (λ) = det(B − λI) = det(M −1 AM − λI) = det(M −1 AM − λM −1 IM ) =
= det(M −1 (A − λI)M ) = det(M −1 ) · det(A − λI) · det(M ) =
= det(M −1 ) · det(M ) · det(A − λI) = det(A − λI) = PA (λ),
como querı́amos.
Observação 1.8 É possı́vel verificar que a autovalores diferentes do mesmo operador cor-
respondem a autovetores linearmente independentes.
Em consequência desse resultado decorre que um operador linear de dimensão n admite no
máximo n autovalores distintos.O caso onde ocorre a igualdade é mencionada na observação
1.5.

6
Referências
[1] Callioli, Carlos A. et al .: Álgebra Linear e Aplicaçõesl - 6ª ed. Atual, 1990

[2]Boldrini, José Luiz et al .: Álgebra Linear. 3ª ed. Harbra, 1986

[3]Steinbruch, A. Winterle, P..:Álgebra Linear. 2ª ed. São Paulo: Editora Makron Books,
1987