Escolar Documentos
Profissional Documentos
Cultura Documentos
Autovalores e Autovetores
Universidade Save
Chongoene
2022
Alberto Carlos Matsinhe
Universidade Save
Chongoene
2022
Índice
1. Introdução..........................................................................................................................................2
1.1. Objetivos.........................................................................................................................................2
1.1.1. Objetivo Geral..............................................................................................................................2
1.1.2. Objetivos Específicos...................................................................................................................2
1.2. Metodologia....................................................................................................................................2
2.2. Definições.......................................................................................................................................3
2.2. Autovalores e Autovetores de uma Matriz......................................................................................4
2.2.1 Polinómio Característico...............................................................................................................4
3. Conclusões.......................................................................................................................................11
4. Referências Bibliográficas................................................................................................................12
2
1. Introdução
Neste trabalho, abordamos as classes de escalares e vetores conhecidas como “autovalores” e
“autovetores”, que são especiais por suas características peculiares. A ideia subjacente surgiu
no estudo do movimento rotacional e, mais tarde, foi usada para classificar vários tipos de
superfícies e para descrever soluções de certas equações diferenciais. No inicio do seculo XX,
foi aplicada a matrizes e transformações matriciais e hoje tem aplicações a áreas tão diversas
como computação gráfica, vibrações mecânicas, fluxo de calor, dinâmica populacional,
mecânica quântica e até economia.
3
1.1. Objetivos
1.2. Metodologia
Pesquisa Bibliográfica
4
2.2. Definições
Definição 1
n
Se A for uma matriz n×n , então um vetor não nulo x em IR é denominado autovetor de A
(ou do operador matricial T A ) se Ax for um múltiplo escalar de x, isto é, Ax= λx, com algum
Definição 2
Observe que λ pode ser o número 0, embora v não possa ser o vetor nulo. Daremos a seguir
exemplos de como calcular autovalores e autovetores, usando a definição.
Exemplo
T : IR 2 →IR 2
v =2 v
[ ] [ ][ ] [ ] [ ]
x
y
↦
2 0 x 2x
=
0 2 y 2y
=2
x
y
T : IR 2 →IR 2
De um modo geral toda transformação v ↦αv , α≠0 tem α como autovalor e qualquer
( x , y )≠( 0,0 ) como autovetor correspondente. Observe que T(v) é sempre um vetor de mesma
direção que v. Ainda mais, se:
[ ]
a11 0 ⋯ 0
0 a22 ⋯ 0
⋮ ⋮ ⋮
0 0 ⋯ amn
A=
[]
a11
e 1= 0 =a 11 e 1
⋮
A.
0 e em geral,
autovetor
e i é associado ao autovalor aii .
Veremos na próxima secção que dada uma transformação linear T : V →V e fixada uma base
β podemos reduzir o problema de encontrar autovalores e autovetores para T à determinação
β
de autovalores para matriz [ T ] β .
[ ]
4 −2 0
−1 1 0
Exemplo: A = 0 1 2
6
3
Procuramos vetores v ∈ IR e escalares λ ∈ IR tais que A . v = λv. Observe que se I for a
matriz identidade de ordem 3, então a equação acima pode ser escrita na forma Av = (λI)v, ou
ainda, (A – λI)v = 0.
Escrevendo explicitamente
([ ] [ ])[ ] [ ]
4 2 0 λ 0 0 x 0
−1 1 0 − 0 λ 0 y =0
0 1 2 0 0 λ z 0
([ ]) [ ] [ ]
4−λ 2 0 x 0
−1 1−λ 0 y =0
0 1 2− λ z 0
[ ]
4−λ 2 0
−1 1−λ 0 =0
0 1 2−λ
3 2
E portanto −λ +7 λ −16 λ+ 12=0 .
i. λ=2
7
[ ][ ] [ ] {
4 2 0 x x 4x + 2 y ¿ 2x
−1 1 0 y =2 y ⇒ −x + y ¿ 2y
0 1 2 z z y + 2 z ¿ 2z
A terceira equação implica que y = 0 e por isso vemos na segunda que x = 0. Como nenhuma
equação impõe uma restrição em z, os autovetores associados a λ = 2 são do tipo (0, 0, z), ou
seja, pertencem ao subespaço [(0, 0, 1)].
ii. λ=3
{
4x + 2y ¿ 3x
−x + y ¿ 3y
y + 2z ¿ 3z
Tanto da primeira equação quanto da segunda vemos que x = -2y e da terceira vem z = y. Os
autovetores associados ao autovalor λ = 3 são do tipo (-2y, y, y), ou seja, pertencem ao
subespaço [(-2, 1, 1)].
O que fizemos neste exemplo com a matriz A de ordem 3, pode ser generalizado. Seja A uma
matriz de ordem n. Quais são os autovalores e autovetores correspondentes de A? São
exatamente aqueles que satisfazem a equação Av = λv ou Av = (λI)v ou ainda A – λI)v = 0.
Escrevendo esta equação explicitamente temos
[ ][ ] [ ]
a11−λ a12 ⋯ a 1n x1 0
a21 a22−λ ⋯ a 2n x2 0
=
⋮ ⋮ ⋮ ⋮ ⋮
an 1 an 2 ⋯ ann− λ x n 0
Chamemos de B a matriz acima. Então B . v = 0. Se det B≠0 , sabemos que o posto da matriz
B é n e portanto o sistema de equações lineares homogéneo indicado acima tem uma única
[ ]
a11−λ ⋯ a 1n
P ( λ )=det ( A−λI )=det ⋮ ⋮
a n1 ⋯ ann− λ
é um polinómio em λ de grau n.
Exemplos
Exemplo 1:
A= −3 4
−1 2 [ ]
det( A−λI )=det [ −3− λ 4
−1 2− λ ]
=(−3−λ )( 2− λ ) +4= λ2 +λ−2
P ( λ )= λ2 +λ−2
p ( λ )=0 ⇒ ( λ−1 )( λ+2 )=0 ⇒ λ=1 ou λ=−2
i. λ=1
Temos
[ −1 2 y ][ ] [ ]
−3 4 x =1 x −3 x +4 y x
y Logo −x+2 y
= ⇒
y [
−4 x +4 y=0
−x+ y=0 ][] {
Então, temos que x = y. Portanto os autovetores associados a λ=1 são os vetores v = (x, y),
x≠0 .
ii. λ=−2
[ −3 4 x
−1 2 y
=−2][ ] [ ] [
x −3 x +4 y x −2 x
=
y ou −x+2 y y −2 y ][ ] [ ]
Então
{−x+4 y=0
−x +4 y=0 ou x = 4y.
9
Exemplo 2:
A= [√3 −1
1 √3 ]
P ( λ )=det ( A−λI )=det
[ 1 √3−λ ]
√3−λ −1 =( √3−λ )2 +1= λ2 −2 √3 λ+4
P ( λ )= λ2 −2 √3 λ+4
P(λ) = 0 não admite raiz real ( Δ=−4 ) , logo a matriz A não admite autovalores (nem
autovetores). Isto significa que a transformação dada pela matriz A não preserva a direção de
Geometricamente, como
[ ][
√ 3 −1
[ ][ ] ][ ]
o
√3 −1 = 2 0 2 2 2 0 cos 30 −sen o
A= =
1 √3 0 2 1 √3 0 2 sen 30o cos 30o
2 2 , a transformação TA dada
pela matriz A é uma rotação de 300 composta com uma dilatação.
T A ( x , y )=( √ 3 x− y , x+ √ 3 y )
T A ( 1,0 )=( √ 3,1 ) e T A ( 0,1 )=(−1 , √ 3 )
10
[ ]
a11 a12 a 13 a14
0 a22 a 23 a24
A=
0 0 a 33 a34
0 0 0 a44
Solução: Lembrando que o determinante de uma matriz triangular é o produto das entradas na
diagonal principal, obtemos:
[ ]
λ−a11 −a12 −a 13 −a14
0 λ−a22 −a 23 −a24
det( λI − A )=det
0 0 λ−a33 −a34
0 0 0 λ−a 44
E os autovalores são
Teorema: Se A for uma matriz n×n triangular (superior, inferior ou diagonal), então os
autovalores de A são as entradas na diagonal principal de A
11
[ ]
1
0 0
2
2
A= −1 0
2
1
5 −8 −
4
1 2 1
λ= , λ= , λ=−
são 2 3 4
(a) λ é um autovalor de A
Agora que sabemos como encontrar autovetores de uma matriz, passamos agora ao problema
de encontrar os autovetores associados. Como os auto
Observação
Se estivermos trabalhando com espaço vetorial complexo (isto é, os escalares são números
2
complexos), o polinómio característico P ( λ )= λ −2 √3 λ+4 do exemplo anterior teria as
raízes λ=√ 3+i e λ=√ 3−i . Os autovalores encontrados, da mesma maneira que no caso
real, são do tipo ( x,−ix ) e ( x , ix ) respetivamente. Assim toda aplicação linear sobre espaços
vetoriais complexos sempre admite autovalores, uma vez que seu polinómio característico
sempre admite raiz. Neste caso não tem a visão geométrica de autovetor como vetor que tem a
sua direção preservada pelo operador.
Tv=λv ⇔ [ T ] ββ [ v ] β =λ [ v ] β
[ ]
⇔ [ T ββ ] −λI [ v ] β =0⇔
⇔det ([ T ββ ] −λI )=0
Observamos que a ultima condição é dada por P ( λ )=0 onde P ( λ ) é o polinómio
β
característico da transformação [ T ] β conforme os conceitos anteriores.
α
De fato, seja α uma outra base de V e A= [ T ] α . Então
α β
[
det ( [ T ] α − λI )=det ( A [ T ] β A−1− λΛIΛ−1 )=det A ( [ T ] β −λI )⋅A−1
β
]
¿ det ( A )⋅det ( [ T ] )⋅det ( A ) =det ( [ T ] )=P ( λ )
β −1 β
β −λI β −λI
Exemplo
Seja P1 o espaço vetorial dos polinómios reais de grau menor ou igual a um e seja T : P1 → P1
a transformação linear que leva o polinómio 1 + x em 5 + 2x e o polinómio 4 + x em -2 (4 +
x). Note que w 1=1+x e w 2=4+ x são vetores LI, e portanto formam uma base α de P1 e
T ( w1 ) =w 1 + w2 T ( w2 )=−2 w 2
portanto T está bem definida. Observe ainda que e .
Portanto
[1 2 ]
[ T ]αα = 1 0
.
i.
α
[T ] [ ]
α⋅ v α =1 [ v ]α o que implica que [a]
[ v ] α = 3 a , a ∈ IR
[ v ] =[ 0 ] , a ∈ IR
α
ii. [ T ]αα⋅[ v ] α =−2 [ v ] α o que implica b
3. Conclusões
Terminado o trabalho, tomam-se as seguintes conclusões:
Os Auto valores de uma matriz quadrada A de dimensão n×n são os n números que
resumem as propriedades essenciais daquela matriz. O Auto valor de A é um número
λ tal que, se for substituído de cada entrada na diagonal de A, converte A numa matriz
singular (não invertível);
Caso o espaço vetorial na qual A esteja definido, tenha dimensão finita, a
multiplicidade algébrica (ou apenas a multiplicidade) de um valor próprio λ de A é o
número de fatores t−λ do polinómio característico de A;
As entradas de uma matriz diagonal, D são autovalores de D;
Uma matriz quadrada A é singular se, e somente se 0 é autovalor de A. Esta é a
principal técnica para descobrir se uma matriz é singular det( A−λI )=0 . Para uma
matriz de dimensão n×n , o lado esquerdo desta equação é um polinómio de grau n na
variável λ , denominado polinómio característico de A.
A transformação A em ( Ax= λx ) aumenta ou diminui a magnitude do vector x mas
não muda a sua direção. Logo x é um autovetor de A e λ é um autovetor de A.
14
4. Referências Bibliográficas
COSTA, B. & WETZLER, F., Álgebra Linear, 3a ed.. São Paulo, Brazil, HARBRA Ltd, 1980
HOEARD, A. & RORRES, C., Álgebra Linear com Aplicações, 10a ed.. São Paulo, Brazil,
Bookman, 2012
LIPSCHUTZ, S. & LIPSON, M. Álgebra linear. Mais de 600 problemas resolvidos, 4a ed..
Porto Alegre, Brazil, Bookman, 2011g