Escolar Documentos
Profissional Documentos
Cultura Documentos
3 UNIDADE - Auto Valores e Autovetores
3 UNIDADE - Auto Valores e Autovetores
Unidade 3
1 Situando a Temática
Sabemos que dado um Operador Linear T, está associado a ele uma matriz quadrada.
Vamos a busca de uma matriz que o represente e que seja a mais simples possível. Para tanto
estudaremos os vetores que são levados em um múltiplo de si mesmo, isto é, os vetores
próprios. Em seguida, encontraremos uma base do espaço vetorial na qual a matriz de um
determinado operador linear seja a mais simples possível, uma matriz Diagonal.
2 Problematizando a Temática
valores e vetores próprios. O leitor interessado em mais detalhes veja Álgebra Linear, José Luiz
Boldrini.
3 Conhecendo a Temática
3.1.1. - Introduç ão
Neste caso, o número real é denominado auto valor ( valor próprio) de T associado ao
vetor próprio v. e v são chamados também de autovalor e autovetor de T,
respectivamente, ou ainda, valor e vetor característico de T.
As noções de vetores e valores próprios de um operador linear são fundamentais por exemplo em
Física Atômica porque os níveis de energia dos átomos e moléculas são dados por valores próprios
de determinadas matrizes.
3.1.1. – Observações
Como se vê pela Definição 3.1, um vetor v 0 é vetor próprio se a imagem T (v) for um
dependendo do valor de , o operador T dilata v (se λ > 1), contrai v (se 0 < λ < 1), inverte o
sentido de v (se λ < 0) ou o anula no caso de = 0 , vejam figura 8.1.
Observem que na figura 8.2, v não é um vetor próprio de um operador linear T pois v
e T (v) não têm mesma direção.
3.1.2. - Exemplos
para todo ℝ.
Observem que o vetor v = (1,1,-2) é um vetor próprio do operador linear T associado ao valor
próprio λ = 3, pois
T (v) = T (1,1, −2) = (2(1) + 1,1 − (−2), 2(1) + 4(−2)) = (3,3, −6) .
e
v = 3(1,1, −2) = (3,3, −6).
Ou seja, T(v) = λv, com v ≠ (0,0,0);
Primeira questão que podemos levar em consideração: será que o vetor v = (1, 1, -2) é
o único vetor próprio de T, definido no Exemplo 3.1.2 (3)? Para isto, buscaremos uma maneira
de determinar os vetores e valores próprios de um operador linear.
Tendo em vista aplicações em questões de Geometria Analítica, serão estudados, neste
Capítulo, somente vetores próprios e valores próprios de operadores lineares definidos em ℝ3
e em ℝ2.
Definição 3.2 O conjunto 𝑉𝜆 = {𝑣 ∈ 𝑉; 𝑇(𝑣) = 𝞴𝒗} formado pelos autovetores
associados ao auto valor 𝞴 é chamado de auto espaço associado ao autovalor 𝞴.
Ampliando seu Conhecimento
x 0
v = y 0
x 0
devemos ter:
det( A − I ) = 0
isto é,
matriz A, e suas raízes são os valores próprios do operador T ou, equivalentemente, da matriz
A. O determinante det( A − I ) é um polinômio em denominado polinômio característico.
3.1.4. - Exercícios Resolvidos
2 1 0
[T ] = A = 0 1 −1 .
0 2 4
det[ A − I ] = 0,
2 1 0 1 0 0
det[ A − I ] = 0 det 0 1 −1 − 0 1 0 = 0,
0 2 4 0 0 1
2 − 1 0
det 0 1 − −1 = 0 (2 − )[(1 − )(4 − ) + 2] = 0
0 2 4 −
( − 2)2 ( − 3) = 0 1 = 2 ou 2 = 3.
( A − I )v = 0
será da forma:
2 − 1 0 x
0 1 − −1 y = 0. (3)
0
2 4 − z
e a solução deste sistema é da forma x = y e z = –2y, onde y é a variável livre não nula, pois um
vetor próprio é um vetor não nulo. Assim, os vetores próprios de T associados ao valor próprio
λ2 = 3 são da forma:
(y,y,-2y), y ℝ.
Observem que, se y = 1, um vetor próprio de T correspondente ao valor próprio λ2 = 3,
será (1,1,-2). Como já tínhamos observado no Exemplo 2 acima.
2 0
[T ] = A = .
0 − 1
(ii) Valores próprios de T:
2 0 𝜆 0 2−𝜆 0
𝑑𝑒𝑡[ 𝐴 − 𝜆[𝐼]] = 𝑑𝑒𝑡 [[ ]−[ ]] = det [ ] = (2 − 𝜆)(−1 − 𝜆) = 0
0 −1 0 𝜆 0 −1 − 𝜆
e, as soluções = 2 e = -1 são os valores próprios de T.
a
v = , e a equação (1), da seção 3.2.3,
b
( A − I )v = 0
e:
2 − 0 a 0
[ A − I ]v = =
− 1 − b 0
. (1)
0
Para = 2, na equação matricial acima,
0 0 a 0 0 0
[ A − 2 I ]v = . = = b = 0, a ℝ.
0 − 3 b 0 − 3b 0
Onde, b = 0, para todo a real. E, portanto, os vetores próprios de T, v = ax + b, associados ao
valor próprio de = 2, serão do tipo: v = a(x), ou seja, múltiplos do vetor x de P1, gerado por x,
polinômio de grau 1.
Para = -1,
3 0 a 0 3a 0
[ A − (1) I ]v = . = = a = 0, b ℝ.
0 0 b 0 0 0
Assim, os vetores próprios de T, v = ax+b, correspondentes ao valor próprio = -1, serão da
forma: v = 0x+b = b(1), isto é, gerados pelo vetor 1 (polinômio constante 1).
isto é:
−16 − 10
= 0 (−16 − )(8 − ) +160 = 0 −128 +16 − 8 + 2 + 160 = 0
−16 8 −
ou ainda,
2 + 4 + 32 = 0,
e as raízes dessa equação são complexas, pois o discriminante 0 . Por conseguinte, a matriz
A, ou o operador T, não possui valores próprios nem vetores próprios.
4 5 0 4 − 5
det( A − I ) = det − = det = 0 (4 − )(1 − ) −10 = 0,
2 1 0 2 1 −
isto é,
p(𝞴) = 2 − 5 − 6 = 0,
(ii) Vimos que o sistema homogêneo de equações lineares que permite a determinação dos
vetores próprios associados é definido por:
( A − I )v = 0 .
x
v=
y
e a última equação é equivalente ao seguinte sistema
4 − 5 x 0
= , (1)
2 1 − y 0
próprio 1 :
− 2 5 x 0
2 − 5. y = 0
ou seja,
−2 x + 5 y = 0
2 x − 5 y = 0
ou v1 = x1, 2 ,
2
Assim, os vetores do tipo 𝑣1 = (𝑥, 5
𝑥) x0 , são vetores próprios associados
5
ao valor próprio 1 = 6
ii) Analogamente, substituindo por 2 = −1, no sistema (1), obtêm-se os vetores próprios
5 5 x 0
2 2. y = 0
isto é:
5x + 5 y = 0
2 x + 2 y = 0
No Moodle
T (v ) = v
e:
T (v) = T (v) = (v) = (v).
3.1.6. - Observação
Se v1 , v2 S
T (v1 + v2 ) = T (v1 ) + T (v2 ) = v1 + v2 = (v1 + v2 )
e, portanto, v1 + v2 S .
Matrizes Quadradas; Duas matrizes quadradas A e B são semelhantes se existir uma matriz
invertível P tal que B = P-1AP.
Afirmação : Matrizes semelhantes têm o mesmo polinômio característico e, por isso, os mesmos
valores próprios.
De fato:
Sejam T : V → V um operador linear e A e B bases de V. Sabe-se que a relação entre matrizes
( ) (
det (T B − I ) = det M −1 T A M − I = det M −1 T A M − M −1 IM )
(
det (T B − I ) = det M −1 (T − I )M ) = det M
A
−1
det (T A − I ) det M
( )
det (T B − I ) = det M −1 det M det (T A − I ) = det M −1 M det (T A − I )
Consideremos a igualdade:
a1v1 + a2 v2 = 0 . (1)
ou:
a11v1 + a2 2 v2 = 0 . (2)
mas, 2 − 1 0 e v2 0 logo a2 = 0 .
−3 −5
A matriz canônica de T é definida por, A = [T ] = , onde α é a base canônica
0 2
do ℝ2, e o polinômio característico de T é dada por
−3− −5
det( A − I ) = = 0,
0 2−
ou ainda,
p(𝞴) = (−3 − )( 2 − ) = 0
− 3 − − 5 x 0
0 =
2 − y 0
obteremos:
Para 1 = 2 os vetores v1 = x(1,−1) ;
Logo, o conjunto β = (1,−1), (−1,0) é uma base do ℝ2, constituída de vetores próprios
[T]β = 2 0
0 − 3 ,
Por outro lado, sempre que tivermos uma base de um espaço formada por vetores
próprios e conhecermos os valores próprios associados, poderemos determinar o respectivo
operador nesse espaço. É o que faremos no próximo problema.
No Moodle
Observe os problemas
resolvidos a seguir. Eles o
ajudarão a compreender os
exercícios propostos na
plataforma moodle.
( x, y ) = a(1,−1) + b(−1,0)
ou seja,
a − b = x
−a = y
de onde, a = − y e b = − x − y .
T ( x, y ) = − yT (1,−1) + (− x − y )T (−1,0)
logo,
T ( x, y ) = − y (2,−2) + (− x − y )(3,0)
ou seja,
T ( x, y ) = (−3x − 5 y,2 y ) .
representa o operador T na base dos vetores próprios e é uma matriz diagonal cujos elementos
da diagonal principal são 1 e 2 .
2. Seja T: ℝ2 → ℝ2 um operador linear definido por T(x,y) = (-3x + 4y, -x + 2y), cuja matriz em
− 3 4
relação à base canônica é A = .
− 1 2
−3− 4
det( A − I ) = = 0,
−1 2−
ou
(-3 – λ) (2 – λ) + 4 = 0,
− 3 − 4 x 0
−1 =
2 − y 0
obteremos os vetores próprios:
Para λ1 = 1 os vetores v1 = x(1,1);
Para λ2 = – 2 os vetores v2 = y(4,1).
Logo, o conjunto β = {(1,1),(4,1)} é uma base do ℝ2,
Calculando [T]β.
T(1,1) = (1,1) = 1(1,1) + 0(4,1) e T(4,1) = (-8,-2) = -2(4,1), daí,
1 0
[T ] =
− 2
.
0
Observação
É claro que a matriz diagonal [T]β obtida neste exercício não foi por acaso.
Observação
Dada uma aplicação linear T:V→V, se conseguirmos uma base ={v1,v2,...,vn}
formada por formada por vetores próprios de T, então a matriz [T ] será uma matriz
diagonal.
De fato, como
T (v1 ) = 1v1 + 0v 2 + + 0v n
T (v 2 ) = 0v1 + 2 v 2 + + 0v n ,
T (v n ) = 0v1 + 0v 2 + + n v n
a matriz [T ] será uma matriz diagonal onde os elementos da diagonal principal são os valores
próprios i , isto é,
1 0 0
0 0
[T ] = 2 .
0 0 n
No Moodle
3 0 − 4
A = [T ] = 0 3 5 .
0 0 − 1
Determinando a matriz A:
T(1,0) = (2,0) = 2(1,0) + 0(0,1)
T(0,1) =(2,1) = 2(1,0) + 1(0,1)
E, a matriz A será:
2 2
A= .
0 1
De onde,
2 − 2
A − I =
1 −
.
0
x
Vetores próprios de T correspondentes são do tipo v = ( x, y ) onde:
y
2 − 2 x 0
[ A − I ]v = =
1 − y 0
.
0
Para 1 = 2
2 − 2 2 x 0 2 x 2 y 0
[ A − 2 I ]v = = = =
0 1 − 2 y 0 − 1 y − y 0
2 − 1 2 x 1 2 x x + 2 y 0
[ A − I ]v = = = =
0 1 − 1 y 0 0 y 0 0
E, x+2y = 0, ou seja, x = -2y, qualquer que seja y 0 , e v = (x,y) = (-2y,y) = y(-2,1), múltiplos do
vetor
v2 = (-2,1).
Notem que os vetores próprios de T, v1 e v2, são LI e, constituem uma base para o ℝ2, portanto,
o operador T é diagonalizável.
Segue, da última observação, que = {v1 , v2 } = {(1,0), (−2,1)} , base de vetores próprios de T
Um outro resultado que encera a nossa busca pelo minimal e o teorema a seguir.
Exemplo: Seja 𝑇: 𝑉 → 𝑉 um operador linear e 𝛼 uma base para V. Suponha que o polinômio
característico de T seja 𝑝(𝞴) = (𝞴 − 𝟑)𝟐 (𝞴 − 𝟏)𝟑 (𝞴 + 𝟓)
Os possíveis minimais são:
𝑚1 = (𝑥 − 3)(𝑥 − 1)(𝑥 + 5)
𝑚2 = (𝑥 − 3)2 (𝑥 − 1)(𝑥 + 5)
𝑚3 = (𝑥 − 3)(𝑥 − 1)2 (𝑥 + 5)
𝑚4 = (𝑥 − 3)(𝑥 − 1)3 (𝑥 + 5)
𝑚5 = (𝑥 − 3)2 (𝑥 − 1)2 (𝑥 + 5)
𝑚6 = (𝑥 − 3)2 (𝑥 − 1)3 (𝑥 + 5)
Como o minimal é o de menor grau que anula [𝑇]𝛼𝛼 verificasse primeiramente na
sequencia quem primeiro anula, ele será o minimal. Veja que os polinômios acima tem grau
menor que o grau do característico.
Fizemos este estudo para chegarmos ao resultado que classifica se um operador T é
diagonalizável usando o polinômio minimal.
Teorema 3.3.3: Sejam 𝑇: 𝑉 → 𝑉 um operador linear e 𝛼 uma base qualquer para V cuja
dimensão é n. Então T é diagonalizável se, e somente se o polinômio minimal de [𝑇]𝛼𝛼 é da
forma
𝑚(𝑥) = (𝑥 − 𝞴𝟏 )(𝒙 − 𝞴𝟐 ) … . (𝒙 − 𝞴𝒓 )
Com todos os lambdas distintos.
Teorema 3.3.4: Sejam 𝞴𝟏 , 𝞴𝟐 , … . . , 𝞴𝒓 os autovalores distintos de um operador linear T. então
T será diagonalizável se, e somente se o polinômio
(𝑥 − 𝞴𝟏 )(𝒙 − 𝞴𝟐 ) … . (𝒙 − 𝞴𝒓 )
Anula a matriz de T.
3 0 −4 0
[𝑇]𝛼𝛼 = [0 3 5 0] .
0 0 −1 0
[0 0 0 -1]
Veja que p( 𝜆) = det(𝑇 − 𝞴𝑰) = (𝟑 − 𝜆)𝟐 (−𝟏 − 𝜆)𝟐 .
Assim os outovalores de T são 𝜆 = 3 𝑒 𝜆 = −1 ambos com multiplicidade 2. Os possíveis
minimais são: 𝑚1 (𝑥) = (𝑥 − 3)(𝑥 + 1)
𝑚2 (𝑥) = (𝑥 − 3)2 (𝑥 + 1)
𝑚3 (𝑥) = (𝑥 − 3)(𝑥 + 1)2
𝑚4 (𝑥) = (𝑥 − 3)2 (𝑥 + 1)2 = p(x)
Notemos que 𝑚1 ([𝑇]𝛼𝛼 ) = 0 dentre os candidatos é o de menor grau e que é um polinômio
produto de fatores de 1º grau logo T é diagonalizável. Portanto existe uma base 𝛽 de
autovetores de T para o ℝ4 e nesta base
3 0 0 0
𝛽
[𝑇]𝛽 = [0 3 0 0 ]
0 0 −1 0
0 0 0 -1
Resumo da Unidade 3
✓ _________________________________________________________________________________________
_________________________________________________________________________________________
✓ _________________________________________________________________________________________
_________________________________________________________________________________________
✓ _________________________________________________________________________________________
_________________________________________________________________________________________
Ideias que posso aplicar nos meus estudos O que eu não posso esquecer!!
•
Ideias que posso aplicar no meu trabalho
•
•
Minha Agenda