Alberto Carlos Matsinhe

António Adamo Garrine

Celso Dino Simião Chiponde

Júlio Eugénio Manjate

Nilton Carlos Manhiça

Autovalores e Autovetores

Licenciatura em Ensino de Física com Habilitações à Matemática

Universidade Save

Chongoene

2022
 Alberto Carlos Matsinhe

António Adamo Garrine

Celso Dino Simão Chiponde

Júlio Eugénio Manjate

Nilton Carlos Manhiça

Auto valores e Autovetores

Trabalho de pesquisa a ser apresentado

na Faculdade de Ciências Naturais e
Exatas no âmbito de avaliação na
Cadeira de Álgebra Linear II,
Licenciatura Ensino de Física com
Habilitações à Matemática, sob
orientação do MSc. César Hoguane

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

1.1.1. Objetivo Geral

Estudar Autovalores e Autovetores

1.1.2. Objetivos Específicos

Interpretar geometricamente os autovetores e autovalores
Determinar o autovalor de uma matriz diagonal
Determinar autovalor de uma matriz singular
Explicar a Multiplicidade

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

escalar λ é denominado de autovalor de A (ou de T A ), e dizemos que x é um autovetor

associado a λ.

Definição 2

Seja T :V →V um operador linear. Se existirem , , v ≠0 , e λ ∈ IR tais que Tv=λv , λ é um

autovalor de T e v um autovetor de T associado a λ.

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

Neste caso, 2 é um autovalor de T e qualquer ( x , y )≠( 0,0 ) é um autovetor de T associado ao

autovalor 2.

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:

i. α < 0 , T inverte o sentido do vetor.

ii. |α|>1 , T dilata o vetor.

iii. |α|<1 , T contrai o vetor.
iv. α=1 , T é a identidade.
 5

2.2. Autovalores e Autovetores de uma Matriz

Dada uma matriz quadrada, A, de ordem n, estaremos entendendo por autovalor e autovetor
n n
de A autovalor e autovetor da transformação linear T A : IR → IR , associado à matriz A em
relação à base canónica, isto é, TA (v) = A . v (na forma coluna). Assim, um autovalor λ ∈ IR
n
de A, e um autovetor v ∈ IR , são soluções da equação A . v = λv, v≠0 .

Exemplo: Dada a matriz diagonal

[ ]
a11 0 ⋯ 0
0 a22 ⋯ 0
⋮ ⋮ ⋮
0 0 ⋯ amn
A=

e dados os vetores e 1=( 1,0 , …,0 ) , e 2 =( 0,1,0 , …, 0 ) , …, en =( 0,0 , …, 0 , 1 ) , temos

[]
a11
e 1= 0 =a 11 e 1
⋮
A.
0 e em geral,

A . ei =a ii ei . Então, estes vetores da base canónica de IRn são autovetores para A, e o

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 .

2.2.1 Polinómio Característico

Vamos procurar um método pratico para encontrar autovalores e autovetores de uma matriz
real A de ordem n. Faremos um exemplo para o caso em que n = 3, e em seguida
generalizaremos para n qualquer.

[ ]
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

Temos então a seguinte equação matricial:

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

Se escrevermos explicitamente o sistema de equações lineares equivalente a esta equação

matricial, iremos obter um sistema de três equações e três incógnitas. Se o determinante da
matriz dos coeficientes for diferente de zero, saberemos que este sistema tem uma única
solução, que é a solução nula, ou seja x = y = z = 0. Mas estamos interessados em calcular os
autovetores de A, isto é, vetores v ≠0 , tais que (A – λI)v = 0. Neste caso det (A - λI) deve ser
zero, ou seja

[ ]
4−λ 2 0
−1 1−λ 0 =0
0 1 2−λ
3 2
E portanto −λ +7 λ −16 λ+ 12=0 .

Vemos que det (A – λI) é um polinómio em λ. Este polinómio é chamado o polinómio

2
característico de A. Continuamente a resolução, temos ( λ−2 ) ( λ−3 )=0 .

Logo λ = 2 e λ = 3 são as raízes do polinómio característico de A, e, portanto, os autovalores

da matriz A são 2 e 3. Conhecendo os autovalores podemos encontrar os autovetores
correspondentes. Resolvendo a equação Av = λv, para os casos:

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

Resolvendo a equação Av = 3v, temos

{
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

solução. Ora como

x 1=x 2 =…=x n (ou v = 0) sempre é solução de um sistema homogéneo,
então esta única solução seria nula. Assim, única maneira de encontrarmos autovetores v
(soluções não nulas da equação acima) é termos det B = 0, ou seja, det (A – λI) = 0.

Impondo esta condição determinamos primeiramente os autovalores λ que satisfazem a

equação e depois os autovetores a eles associados. Observamos que
 8

[ ]
a11−λ ⋯ a 1n
P ( λ )=det ( A−λI )=det ⋮ ⋮
a n1 ⋯ ann− λ
é um polinómio em λ de grau n.

P ( λ )=( a11−λ ) … ( ann− λ ) +

termos de grau < n, e os autovalores procurados são as raízes
deste polinómio. P(λ) é chamado polinómio característico da matriz A.

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

Então os autovalores de A são 1 e -2. Procuramos agora os autovetores associados.

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

Os autovetores correspondentes ao autovalor são da fora

( 4 x )) .
(
v =( 4 y , y ) , y≠0 ( ou v= x ,
1

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

nem vetor. T A ( v )≠λv , v≠0 .

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

Autovalores de uma matriz triangular superior

Encontre os Auto valores da matriz triangular superior

[ ]
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

=( λ−a11 )( λ−a22 )( λ−a33 )( λ−a 44 )

Assim, a equação característica é

( λ−a11 )( λ−a 22 )( λ−a33 )( λ−a 44 )=0

E os autovalores são

λ=a11 , λ=a22 , λ=a 33 , λ=a 44

que são precisamente as entradas na diagonal principal de A

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

Autovalores de uma matriz triangular inferior

Por inspeção, os Auto valores de uma matriz triangular inferior

[ ]
1
0 0
2
2
A= −1 0
2
1
5 −8 −
4

1 2 1
λ= , λ= , λ=−
são 2 3 4

Teorema: Se A for uma matriz n×n , são equivalentes as afirmações seguintes .

(a) λ é um autovalor de A

(b) O sistema ( λI− A )x=0 de equações tem soluções não triviais

(c) Existe algum vetor não nulo x tal que Ax= λx

(d) λ é uma solução da equação característica ( λI − A )x=0

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.

Podemos definir o polinómio característicos de uma matriz, ou seja, da transformação linear

T : IR n → IR n a ela associada. Podemos estender este conceito para qualquer transformação

linear T :V →V , partindo do seguinte argumento.

Seja β uma base de V, então temos as equivalências:

 12

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.

Neste caso P ( λ ) também será chamado polinómio característico da transformação T e suas

raízes serão os autovalores de T. O factor fundamental nesta definição é sua independência da
base β escolhida.

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
.

O polinómio característico é P ( λ )=( 1−λ ) (−2−λ ) e os autovalores serão, portanto, λ1 =1 e

λ2 =−2 . Calculemos os autovetores associados:

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

Assim, os autovetores associados a λ1 =1 são da forma

v =aw1 +3 aw 2 =13a +4 ax , ∀ a
 13

Ainda, os autovetores associados a λ2 =−2 são da forma

v =0 w1 +bw 2 =4 b+b x .

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

DIAS, M. Álgebra Linear, Lisboa, Portugal, 2012

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