Aula13-Autovalores, Autovetores & Diagonaliza Cao

Geometria Analı́tica e Álgebra Linear - 2020/1
Autovalores, autovetores & diagonalização.
6 de junho de 2022
autovalor, autovetor, prá quê?
A equação
(♥) AX = λX
é considerada por muitos uma das mais importantes na
Matemática.
Nela, A denota uma matrix n × n, X um vetor-coluna e λ um
número. As incógnitas são X e λ.
A equação
(♥) AX = λX
Matemática.
Evidentemente, desprezamos a solução irrelevante X = 0.
Conhecido λ, temos um sistema linear homogêneo (A − λI )X = 0.
Como exigimos existência de X 6= 0, necessariamente
det(A − λI ) = 0.
A equação
(♥) AX = λX
Matemática.
Evidentemente, desprezamos a solução irrelevante X = 0.
Conhecido λ, temos um sistema linear homogêneo (A − λI )X = 0.
Como exigimos existência de X 6= 0, necessariamente
det(A − λI ) = 0.
Resulta um polinômio de grau n, chamado de polinômio
caracterı́stico da matriz A, cujas raı́zes são os autovalores de A.
Acompanhe o exemplo:
A := ( 12 23 ) ; polinômio caracterı́stico
pA (λ) = 1−λ 2

2 3−λ
pA (λ) = 1−λ 2
2
2 3−λ = λ − 4λ − 1;
pA (λ) = 1−λ 2
2
2 3−λ = λ − 4λ − 1; ⇒
√
autovalores: 2 ± 5.
Fixado um autovalor, as soluções de (♥)
Fixado um autovalor, as soluções de (♥) AX = λX
Fixado um autovalor, as soluções de (♥) AX = λX formam um
espaço vetorial V (λ), de dimensão≥ 1, também chamado de
autoespaço associado ao dado autovalor.

Fixado um autovalor, as soluções de (♥) AX = λX formam um
espaço vetorial V (λ), de dimensão≥ 1, também chamado de
autoespaço associado ao dado autovalor.
Cada solução de (♥) é dita um autovetor associado ao autovalor λ.
Acompanhe mais um exemplo...

A = ( 12 24 )
A = ( 12 24 ) ; det(A − λI ) = λ2 − 5λ, ; autovalores 0 & 5.

−2 −2

Temos V (0) = h 1 i. Faça as contas: A 1 = 0.
−2 −2

1−5 2

Analogamente, V (5) = {X | 2 4−5 X = 0} = h( 12 )i.
−2 −2

1−5 2

Note que os autoespaços V (02), V (5) são mutuamente ortogonais.

−2 −2

1−5 2

Note que os autoespaços V (02), V (5) são mutuamente ortogonais.
Não é coincidência:
Se A é uma matriz real simétrica n × n então
I A admite n autovalores reais (contando com multiplicidades),
ou seja, as raı́zes de seu polinômio caracterı́stico são todas
reais;
reais;
I autovetores associados a autovalores distintos são
mutuamente ortogonais;
reais;
I autovetores associados a autovalores distintos são
mutuamente ortogonais;
I existe uma base ortonormal de Rn formada por autovetores
de A.
n=2
a b

Seja A = b c matriz real simétrica 2×2.
Temos pA (x) = x 2 − (a + c)x + ac − b 2 ;

n=2
a b

raı́zes:
p p
a+c ± (a + c)2 − 4ac + 4b 2 a + c ± (a − c)2 + 4b 2
λ± = =
2 2
n=2
a b

raı́zes:
p p
a+c ± (a + c)2 − 4ac + 4b 2 a + c ± (a − c)2 + 4b 2
λ± = = ;
2 2
duas raı́zes distintas, a menos que a = c, b = 0, caso em que
A = aI matriz escalar,
n=2
a b

raı́zes:
p p
a+c ± (a + c)2 − 4ac + 4b 2 a + c ± (a − c)2 + 4b 2
λ± = = ;
2 2
A = aI matriz escalar, todo vetor é autovetor.
Havendo 2 raı́zes distintas,λ± , cada

autoespaço V (λ± ) tem
−b
dimensão um, gerado por a−λ± .
n=2
a b

raı́zes:
p p
a+c ± (a + c)2 − 4ac + 4b 2 a + c ± (a − c)2 + 4b 2
λ± = = ;
2 2
A = aI matriz escalar, todo vetor é autovetor.
Havendo 2 raı́zes distintas,λ± , cada

autoespaço V (λ± ) tem
−b
dimensão um, gerado por a−λ± . Confira nos exemplos
anteriores.
diagonalização
Em geral, a matriz A é dita diagonalizável se existir uma base de
Rn formada por autovetores de A.
diagonalização
Na página anterior, aprendemos que toda matriz real simétrica é
diagonalizável, e mais, a base de autovetores pode ser escolhida
ortonormal.
diagonalização
ortonormal.
Se A é diagonalizável, podemos definir uma matriz M cujas
colunas são autovetores de A, l.i.
Escrevendo Mj a j-ésima coluna de M, autovetor associado a um
autovalor λj , temos
A · Mj = λj Mj .
diagonalização
ortonormal.
A · Mj = λj Mj .
Segue da definição de produto de matrizes a igualdade
A · M = A · (M1 , . . . , Mn ) = (λ1 M1 , . . . , λn Mn )
diagonalização
ortonormal.
A · Mj = λj Mj .
!
λ1 0 ... 0
A · M = A · (M1 , . . . , Mn ) = (λ1 M1 , . . . , λn Mn ) = M · ...
..
. ...
0 0 ... λn
diagonalização
ortonormal.
A · Mj = λj Mj .
!
λ1 0 ... 0
A · M = A · (M1 , . . . , Mn ) = (λ1 M1 , . . . , λn Mn ) = M · ...
..
. ...
0 0 ... λn
!
λ1 0 ... 0
ou ainda M−1 · A · M = ...
..
. ...
.
0 0 ... λn
1 2 3
Mais um exemplo: diagonalizar, se possı́vel, A = 045 .
006
1 2 3
006
A “possibilidade” já é garantida pois há 3 autovalores distintos,

1, 4, 6.
1 2 3
006

1, 4, 6. Usamos o fato de que, em geral, autovetores associados a
autovalores distintos são l.i.
1 2 3
006

V (1) : resolver (A − 1 · I )X = 0.
1 2 3
006

V
0(1) :resolver (A − 1 ·
I )X = 0. A forma escada de A − I é
10 1
0 0 1 ; V (1) = h 0 i.
000 0
−3 2 3
V (4) : A − 4I = 0 05
0 02
1 2 3
006

V
0(1) :resolver (A − 1 ·
10 1
0 0 1 ; V (1) = h 0 i.
000 0
−3 2 3 −3 2 0 2
V (4) : A − 4I = 0 05 ; 0 00 ; V (4) = h 3 i
0 02 0 01 0
−52 3

V (6) : A − 6I = 0 −2 5
0 0 0
1 2 3
006

V
0(1) :resolver (A − 1 ·
10 1
0 0 1 ; V (1) = h 0 i.
000 0
−3 2 3 −3 2 0 2
V (4) : A − 4I = 0 05 ; 0 00 ; V (4) = h 3 i
0 02 0 01 0
−52 3
−50 8
16
V (6) : A − 6I = 0 −2 5 ; 0 −2 5 ; V (6) = h 5 i
0 0 0 0 0 0 10
1 2 16 1 8 96
1 0 0
M= 03 5 ;A·M = 0 12 30 =M· 040
0 0 10 0 0 60 006
1 2 3
006

V
0(1) :resolver (A − 1 ·
10 1
0 0 1 ; V (1) = h 0 i.
000 0
−3 2 3 −3 2 0 2
V (4) : A − 4I = 0 05 ; 0 00 ; V (4) = h 3 i
0 02 0 01 0
−52 3
−50 8
16
V (6) : A − 6I = 0 −2 5 ; 0 −2 5 ; V (6) = h 5 i
0 0 0 0 0 0 10
1 2 16 1 8 96
1 0 0
M= 03 5 ;A·M = 0 12 30 =M· 040
0 0 10 0 0 60 006
A última igualdade pode ser reescrita M−1 · A · M = diag(1, 4, 6).

prá quê?
Há mais aplicações de autovalores e autovetores entre o céu e a

terra do que permite discernir nossa vã filosofia.(?!)
prá quê?

Vamos nos ater às três menções seguintes, antecipando que o resto
do curso será dedicado ao 3o e último item.
prá quê?

Vamos nos ater às três menções seguintes, antecipando que o resto
do curso será dedicado ao 3o e último item.
1. evolução de populações com duas espécies;
2. sistemas autônomos lineares (desacoplamento);
3. identificação de cônicas
evolução de populações com duas espécies
Tubarões e Sardinhas “convivem” numa dinâmica populacional que
obedece à seguinte heuı́stica: se a população T crescer demais,
rareia a população S (que se alimenta de plânctons. . . ).
Um modelo de evolução simplificado leva às relações

T1 = aT0 + bS0

T1 = aT0 + bS0
S1 = cT0 + dS0
onde S0 , T0 denotam populações iniciais e S1 , T1 as do próximo

recenseamento.

T1 = aT0 + bS0
S1 = cT0 + dS0

recenseamento. Escreve-se analogamente

Tn+1 = aTn + bSn
Sn+1 = cTn + dSn .

T1 = aT0 + bS0
S1 = cT0 + dS0


Tn+1 = aTn + bSn
Sn+1 = cTn + dSn .
Usando matrizes,
Tn
Tn+1 a b
Sn+1 = c d Sn

T1 = aT0 + bS0
S1 = cT0 + dS0


Tn+1 = aTn + bSn
Sn+1 = cTn + dSn .
Usando matrizes,
Tn
Tn+1 a b n T0
a b

Sn+1 = c d Sn = c d S0 .
Tn
Tn+1 a b
Sn+1 = c d Sn
| {z }
A
Tn
Tn+1 a b n T0
a b

Sn+1 = c d Sn = c d S0
| {z }
A
Tn
Tn+1 a b n T0
a b

Sn+1 = c d Sn = c d S0 ∆
| {z }
A
Quando a matriz A é diagonal, o cálculo de An = an 0

0 dn é
tremendamente simplificado.
Tn
Tn+1 a b n T0
a b

Sn+1 = c d Sn = c d S0 ∆
| {z }
A
n
Quando a matriz A é diagonal, o cálculo de An = a0 d0n é

Uma troca de variáveis permite chegar a esse caso favorável.
Tn
Tn+1 a b n T0
a b

Sn+1 = c d Sn = c d S0 ∆
| {z }
A
n

Uma troca de variáveis permite chegar a esse caso
favorável.

Precisamente, suponha A = PDP , onde D = λ01 λ02 .
−1
Tn
Tn+1 a b n T0
a b

Sn+1 = c d Sn = c d S0 ∆
| {z }
A
n

favorável.

Precisamente, suponha A = PDP , onde D = λ01 λ02 . Perceba
−1
A2 = PDP−1 PDP−1
Tn
Tn+1 a b n T0
a b

Sn+1 = c d Sn = c d S0 ∆
| {z }
A
n

favorável.

−1
A2 = PDP−1 PDP−1 = PD 2 P−1

Tn
Tn+1 a b n T0
a b

Sn+1 = c d Sn = c d S0 ∆
| {z }
A
n

favorável.

−1
A2 = PDP−1 PDP−1 = PD 2 P−1 , . . . , An = PD n P−1 .

Tn
Tn+1 a b n T0
a b

Sn+1 = c d Sn = c d S0 ∆
| {z }
A
n

favorável.

−1
A2 = PDP−1 PDP−1 = PD 2 P−1 , . . . , An = PD n P−1 .
As colunas de P são formadas por autovetores independentes.

sistema autônomo
Quantidades x(t), y (t) evoluem segundo o sistema de e.d.o.s

ẋ = ax + by
ẏ = cx + dy .
sistema autônomo

ẋ = ax + by
ẏ = cx + dy .
Se b = 0 podemos desacoplar: ẋ = ax
sistema autônomo

ẋ = ax + by
ẏ = cx + dy .
Se b = 0 podemos desacoplar: ẋ = ax ⇒ x(t) = e at x(0).

sistema autônomo

ẋ = ax + by
ẏ = cx + dy .

O melhor dos mundos é quando b = c = 0, de forma que x, y se
resolvem separadamente...
sistema autônomo

ẋ = ax + by
ẏ = cx + dy .

O melhor dos mundos é quando b = c = 0, de forma que x, y se
resolvem separadamente...
Maisuma vez, pode-se (“em geral”) chegar a tal caso, trocando
a b
c d por sua forma diagonal (se existir).
identificar cônicas
Leia no livro texto as definições e formas normais de cônicas:

2 2
I elipse: xa2 + yb2 = 1

2 2
I hipérbole: x2 y2
a2
− b2
=1
I parábola: y = x2
a .

2 2
I hipérbole: x2 y2
a2
− b2
=1
I parábola: y = x2
a .
(wiki)
Uma aplicação interessante do ferramental de autov’s é o
algoritmo de redução de uma equação geral
ax 2 + bxy + cy 2 + dx + ey + k = 0
a uma das formas normais (possivelmente degeneradas).

ax 2 + bxy + cy 2 + dx + ey + k = 0

Acompanhe no exemplo: x 2 + 4xy + 5y 2 = 1. Deduziremos uma
rotação√de eixos coordenados
√ resultando na nova equação
(3 + 2 2)(x 0 )2 + (3 − 2 2)(y 0 )2 = 1.
ax 2 + bxy + cy 2 + dx + ey + k = 0

Acompanhe no exemplo: x 2 + 4xy + 5y 2 = 1. Deduziremos uma
rotação√de eixos coordenados
√ resultando na nova equação
(3 + 2 2)(x 0 )2 + (3 − 2 2)(y 0 )2 = 1. (Onde já vimos esses
números?)
x 2 + 4xy + 5y 2 = 1 ↔ (x, y ) ( 12 25 ) ( yx ) = 1
| {z }
||
A
x 2 + 4xy + 5y 2 = 1 ↔ (x, y ) ( 12 25 ) ( yx ) = 1
| {z }
||
A
A = MDM−1 ,
x 2 + 4xy + 5y 2 = 1 ↔ (x, y ) ( 12 25 ) ( yx ) = 1
| {z }
||
A
√
−1 3+2 2 0√
A = MDM , D = 0 3−2 2
,
x 2 + 4xy + 5y 2 = 1 ↔ (x, y ) ( 12 25 ) ( yx ) = 1
| {z }
||
A
√ √
−1 3+2 2 0√ 1 1√ −1− 2
A = MDM , D = 0 3−2 2
,M=√ √
1+ 2 1
(4+2 2)
x 2 + 4xy + 5y 2 = 1 ↔ (x, y ) ( 12 25 ) ( yx ) = 1
| {z }
||
A
√ √
−1 3+2 2 0√ 1 1√ −1− 2
A = MDM , D = 0 3−2 2
,M=√ √
1+ 2 1
(4+2 2)

x0
Note que M−1 = M t , transposta. Agora fazemos y0 = M t ( yx ).
x 2 + 4xy + 5y 2 = 1 ↔ (x, y ) ( 12 25 ) ( yx ) = 1
| {z }
||
A
√ √
−1 3+2 2 0√ 1 1√ −1− 2
A = MDM , D = 0 3−2 2
,M=√ √
1+ 2 1
(4+2 2)

x0

x0
Assim, (x, y )A ( yx ) = (x, y )MDM t ( yx ) = (x 0 , y 0 )D y0 =
x 2 + 4xy + 5y 2 = 1 ↔ (x, y ) ( 12 25 ) ( yx ) = 1
| {z }
||
A
√ √
−1 3+2 2 0√ 1 1√ −1− 2
A = MDM , D = 0 3−2 2
,M=√ √
1+ 2 1
(4+2 2)

x0

x0
√ √
(3 + 2 2)(x 0 )2 + (3 − 2 2)(y 0 )2 = 1.
x 2 + 4xy + 5y 2 = 1 ↔ (x, y ) ( 12 25 ) ( yx ) = 1
| {z }
||
A
√ √
−1 3+2 2 0√ 1 1√ −1− 2
A = MDM , D = 0 3−2 2
,M=√ √
1+ 2 1
(4+2 2)

x0

x0
√ √
(3 + 2 2)(x 0 )2 + (3 − 2 2)(y 0 )2 = 1. Como ambos os autovalores
são positivos, trata-se de uma elipse...As direções dos eixos são as
dos autovetores, os quais figuram nas colunas de M.

mais exemplos
Se você ficou triste com as
√ soluções em que apareceram “números
complicados” (tipo 3 + 2 2?) vou lhe ensinar como garantir
números tão simples quanto se deseje.
mais exemplos
Quero uma matriz simétrica 2×2, digamos, com autovalores
1 e -3, e respectivos autovetores (3, 4), ??.
mais exemplos
Note que não posso estipular ambos autovetores para matriz
simétrica: já foi mencionada a ortogonalidade obrigatória...Logo, o
2o. autovetor tem que ser (múltiplo de) (−4, 3).
mais exemplos
Se você ficou triste com as√ soluções em que apareceram “números
Note que não posso estipular ambos autovetores para matriz
simétrica: já foi mencionada a ortogonalidade obrigatória...Logo, o
2o. autovetor tem que ser (múltiplo de) (−4, 3).
3 −4
Faço M = 4 3 (colunas = autovetores) e resolvo a equação
1 0 3 12 ;A= 3 12 M−1 = 1 −39 48

AM = M 0 −3 = 4 −9 4 −9 25 48 −11 .
PCA?
bom divertimento!:-)

Aula13-Autovalores, Autovetores & Diagonaliza Cao

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula13-Autovalores, Autovetores & Diagonaliza Cao

Enviado por

Direitos autorais:

Formatos disponíveis

Geometria Analı́tica e Álgebra Linear - 2020/1

Autovalores, autovetores & diagonalização.

espaço vetorial V (λ), de dimensão≥ 1, também chamado de

autoespaço associado ao dado autovalor.

espaço vetorial V (λ), de dimensão≥ 1, também chamado de

autoespaço associado ao dado autovalor.

Cada solução de (♥) é dita um autovetor associado ao autovalor λ.

Acompanhe mais um exemplo...

A = ( 12 24 ) ; det(A − λI ) = λ2 − 5λ, ; autovalores 0 & 5.

A = ( 12 24 ) ; det(A − λI ) = λ2 − 5λ, ; autovalores 0 & 5.

A = ( 12 24 ) ; det(A − λI ) = λ2 − 5λ, ; autovalores 0 & 5.

A = ( 12 24 ) ; det(A − λI ) = λ2 − 5λ, ; autovalores 0 & 5.

Note que os autoespaços V (02), V (5) são mutuamente ortogonais.

A = ( 12 24 ) ; det(A − λI ) = λ2 − 5λ, ; autovalores 0 & 5.

Note que os autoespaços V (02), V (5) são mutuamente ortogonais.

I A admite n autovalores reais (contando com multiplicidades),

ou seja, as raı́zes de seu polinômio caracterı́stico são todas

I A admite n autovalores reais (contando com multiplicidades),

ou seja, as raı́zes de seu polinômio caracterı́stico são todas

I autovetores associados a autovalores distintos são

I A admite n autovalores reais (contando com multiplicidades),

ou seja, as raı́zes de seu polinômio caracterı́stico são todas

I autovetores associados a autovalores distintos são

I existe uma base ortonormal de Rn formada por autovetores

Temos pA (x) = x 2 − (a + c)x + ac − b 2 ;

Temos pA (x) = x 2 − (a + c)x + ac − b 2 ;

Temos pA (x) = x 2 − (a + c)x + ac − b 2 ;

Temos pA (x) = x 2 − (a + c)x + ac − b 2 ;

Havendo 2 raı́zes distintas,λ± , cada

Temos pA (x) = x 2 − (a + c)x + ac − b 2 ;

Havendo 2 raı́zes distintas,λ± , cada

A “possibilidade” já é garantida pois há 3 autovalores distintos,

A “possibilidade” já é garantida pois há 3 autovalores distintos,

A “possibilidade” já é garantida pois há 3 autovalores distintos,

A “possibilidade” já é garantida pois há 3 autovalores distintos,

A “possibilidade” já é garantida pois há 3 autovalores distintos,

A “possibilidade” já é garantida pois há 3 autovalores distintos,

A “possibilidade” já é garantida pois há 3 autovalores distintos,

A última igualdade pode ser reescrita M−1 · A · M = diag(1, 4, 6).

Há mais aplicações de autovalores e autovetores entre o céu e a

Há mais aplicações de autovalores e autovetores entre o céu e a

Há mais aplicações de autovalores e autovetores entre o céu e a

onde S0 , T0 denotam populações iniciais e S1 , T1 as do próximo

onde S0 , T0 denotam populações iniciais e S1 , T1 as do próximo

onde S0 , T0 denotam populações iniciais e S1 , T1 as do próximo

onde S0 , T0 denotam populações iniciais e S1 , T1 as do próximo

Quando a matriz A é diagonal, o cálculo de An = an 0

A2 = PDP−1 PDP−1 = PD 2 P−1

A2 = PDP−1 PDP−1 = PD 2 P−1 , . . . , An = PD n P−1 .

A2 = PDP−1 PDP−1 = PD 2 P−1 , . . . , An = PD n P−1 .

As colunas de P são formadas por autovetores independentes.

Quantidades x(t), y (t) evoluem segundo o sistema de e.d.o.s

Quantidades x(t), y (t) evoluem segundo o sistema de e.d.o.s

Quantidades x(t), y (t) evoluem segundo o sistema de e.d.o.s

Se b = 0 podemos desacoplar: ẋ = ax ⇒ x(t) = e at x(0).

Quantidades x(t), y (t) evoluem segundo o sistema de e.d.o.s

Se b = 0 podemos desacoplar: ẋ = ax ⇒ x(t) = e at x(0).

Quantidades x(t), y (t) evoluem segundo o sistema de e.d.o.s

Se b = 0 podemos desacoplar: ẋ = ax ⇒ x(t) = e at x(0).

Leia no livro texto as definições e formas normais de cônicas:

Leia no livro texto as definições e formas normais de cônicas:

Leia no livro texto as definições e formas normais de cônicas:

Havendo 2 raı́zes distintas,λ± , cada

Havendo 2 raı́zes distintas,λ± , cada