Álgebra Linear e Geometria Analı́tica

Autovalores e Autovetores
Biblio: Avritzer Tomo II Sec. 6.2

Isabel S. Labouriau

13 de novembro de 2023
Autovalores e autovetores

Como encontrar os autovalores

Polinômio caracterı́stico

Diagonalização de matrizes
Direções especiais para um operador linear

Exemplo:  
−1 0
T : R2 −→ R2 representada pela matriz M =
4 9
T (0, 1) = (0, 9) = 9(0, 1) ⇒ T transforma
a reta pela origem de vetor diretor (0, 1)
na mesma reta.
T (5, −2) = (−5, 2) = −(5, −2) ⇒ T transforma
a reta pela origem de vetor diretor (5, −2)
na mesma reta.

Em outras palavras
T transforma o subespaço vetorial V9 = h(0, 1)i em si mesmo
o subespaço vetorial V−1 = h(5, −2)i em si mesmo
(0, 1) é um autovetor de T correspondendo ao autovalor 9 com autoespaço V9
(5, −2) é um autovetor de T correspondendo ao autovalor -1
com autoespaço V−1
Autovalores e autovetores
T : Rn −→ Rn operador linear λ ∈ R é autovalor de T
⇔ T (u) = λu.
representado pela matriz M u 6= 0 ∈ Rn é autovetor de T
 
−1 0
Exemplo: T : R2 −→ R2 representada pela matriz M =
4 9
Quais são os autovalores λ e os autovetores u = (x, y ) de T ?
T (x, y )= λ(x, y ) ⇔ 
−x = λx (−1 − λ)x = 0
⇔ ⇔
4x + 9y = λy 4x + (9 − λ)y = 0
Autovalor Autovetor
ou λ = −1 e 5y = −2x
Soluções não triviais: λ = −1 u = (5, −2)
ou x = 0 e (9 − λ)y = 0
λ=9 u = (0, 1)
{(0, t) t ∈ R} = h(0, 1)i é o autoespaço associado a λ = 9
{(5t, −2t) t ∈ R} = h(5, −2)i é o autoespaço associado a λ = −1

Outra maneira de achar os autovalores

T (u) = λu tem solução u não trivial
⇔ T (u) − λu = 0 tem solução u não trivial
⇔ det(M − λI) = 0
det(M − λI) = (−1 − λ)(9 − λ) = pM (λ)
pM (λ) é o polinômio caracterı́stico de M pM (λ) = 0 ⇔ λ = −1 ou λ = 9.
Autovalores e autovetores

λ ∈ R é autovalor de T
T : Rn −→ Rn operador linear u 6= 0 ∈ Rn é autovetor de T
⇔ T (u) = λu.
Para encontrar os autovalores
T (u) = λu tem solução u não trivial (u 6= 0)
⇔ T (u) − λu = 0 tem solução u não trivial
Em coordenadas: T representada pela matriz M
u = (x1 , x2 , . . . , xn ) é solução de T (u) − λu = 0
         
x1 x1 0 x1 0
x2  x2  0 x2  0
⇔ M ·  .  − λ  .  =  .  ⇔ (M − λI) ·  .  =  . 
         
 ..   ..   ..   ..   .. 
xn xn 0 xn 0
Este sistema tem solução não trivial ⇔ det(M − λI) = 0
det(M − λI) = pM (λ) é o polinômio caracterı́stico de M
pM (λ) é um polinômio1 de grau n na variável λ
pM (λ) = 0 ⇔ λ é autovalor de M (ou de T ).

1
prova no fim da aula
Autovalores
n
e autovetores
n
T : R −→ R operador linear λ ∈ R é autovalor de T
⇔ T (u) = λu.
representado pela matriz M u 6= 0 ∈ Rn é autovetor de T
det(M − λI) = pM (λ) é o polinômio caracterı́stico de M
pM (λ) = 0 ⇔ λ é autovalor de M (ou de T ).
 
2 π
Exemplo: T : R2 −→ R2 representada pela matriz M =
π+2 0
     
2 π λ 0 2−λ π
pM (λ) = det − = det =
π+2 0 0 λ π + 2 −λ
= −λ(2 − λ) − π(π + 2) = λ2 − 2λ − π(π + 2)
√
pM (λ) = 0 ⇔
λ = (2 ± ∆)/2
com ∆ = 4 + 4π(π + 2) = 4(π 2 + 2π + 1) = 4(π + 1)2
pM (λ) = 0 ⇔ λ = 1 ± (π + 1) autovalores λ = π + 2 e λ = −π.
Autovetor associado a λ = −π: Autovetor associado a λ = π + 2:
 (x, y ) = −π(x, y ) ⇔
T T (x, y ) = (π + 2)(x, y ) ⇔

2x + πy = −πx 2x + πy = (π + 2)x
(π + 2)x = −πy (π + 2)x = (π + 2)y
Autovetor 2 u = (−π, π + 2) Autovetor u = (1, 1)
Também são autovetores Também são autovetores
u = (−πt, (π + 2)t) t 6= 0 ∈ R u = (t, t) t 6= 0 ∈ R.
autoespaço associado a λ = −π: autoespaço associado a λ = π + 2:
{(−πt, (π + 2)t) t ∈ R} {(t, t) t ∈ R}
2
detalhes nas próximas páginas
Autovalores e autovetores — detalhes

Autovetor associado a λ = −π:

Qualquer solução (x, y ) deste sistema
 (x, y ) = −π(x, y ) ⇔
T
é um autovetor,
2x + πy = −πx
exceto (x, y ) = (0, 0).
(π + 2)x = −πy
O sistema é linearmente dependente porque sabemos que det(M − (−π)I) = 0
(olhe para o polinômio caracterı́sitico, na página anterior).
Por isso, uma das equações está “a mais”. Basta resolver uma equação, por
exemplo a segunda, que é mais simples.
(π + 2)x
A solução da segunda equação é y = .
−π
Posso escolher x = −π para cancelar o denominador
e fico com o autovetor u = (−π, π + 2).

Também são autovetores (escolhendo x = −πt)

u = (−πt, (π + 2)t) t 6= 0 ∈ R
Autoespaço associado a λ = −π: {(−πt, (π + 2)t) t ∈ R}
Todos os elementos deste subespaço, exceto a origem, são autovetores.
Autovalores e autovetores — detalhes

Autovetor associado a λ = π + 2:
Qualquer solução (x, y ) deste sistema
 (x, y ) = (π + 2)(x, y ) ⇔
T
é um autovetor,
2x + πy = (π + 2)x
exceto (x, y ) = (0, 0).
(π + 2)x = (π + 2)y
O sistema é linearmente dependente porque sabemos que
det(M − (π + 2)I) = 0.
Por isso, uma das equações está “a mais”. Basta resolver uma equação, por
exemplo a segunda, que é mais simples.
A solução da segunda equação é y = x.
Posso escolher x = 1 e fico com o autovetor u = (1, 1).

Também são autovetores (escolhendo x = t 6= 0) u = (t, t) t 6= 0 ∈ R.

Autoespaço associado a λ = π + 2: {(t, t) t ∈ R}
Todos os elementos deste subespaço, exceto a origem, são autovetores.
Autovalores e autovetores

T : Rn −→ Rn operador linear λ ∈ R é autovalor de T

⇔ T (u) = λu.
representado pela matriz M u 6= 0 ∈ Rn é autovetor de T
det(M − λI) = pM (λ) é o polinômio caracterı́stico de M
pM (λ) = 0 ⇔ λ é autovalor de M (ou de T ).
Outro exemplo √ 
3/2 √ −1/2
T : R2 −→ R2 representada pela matriz M =
1/2 3/2
√ 
3/2 − λ √ −1/2
pM (λ) = det =
1/2 3/2 − λ
√ √
= ( 3/2 − λ)2 + 1/4 = λ2 − 3λ + 1
√ √
3± ∆
pM (λ) = 0 ⇔ λ = com ∆ = 3 − 4 = −1 < 0
2
pM (λ) = 0 não tem solução λ ∈ R
⇒ nenhuma reta pela origem é transformada em si mesma por T
T é a rotação de π/6 em torno da origem.
* Polinômio caracterı́stico

Teorema
Se M for uma matriz n × n então pM (λ) = det(M − λI) é um polinômio de
grau n na variável λ com coeficiente principal (−1)n ,
A prova usa:
Definição
 equivalente de 
determinante:
a11 a12 . . . a1n
a21 a22 . . . a2n 
A= .
 
.. .. 
 .. . . 
an1 an2 . . . ann
Pj1 j2 ···jn = a1j1 a2j2 · · · anjn com todos os j` diferentes
sinal (Pj1 j2 ···jn ) = ±1
quantas vezes troquei posição de 1 2 · · · n para chegar em j1 j2 · · · jn
+ número par de vezes − número ı́mpar de vezes
P
det(A) = sinal (Pj1 j2 ···jn ) Pj1 j2 ···jn
HORRÍVEL!
* Polinômio caracterı́stico
Teorema
Se M for uma matriz n × n então pM (λ) = det(M − λI) é um polinômio de
grau n na variável λ com coeficiente principal (−1)n ,

Notação para a prova:

Escrevo
 
m11 m12 . . . m1n
m21 m22 . . . m2n 
M= . ⇒
 
.. .. 
 .. . . 
mn1 mn2 . . . mnn
m11 − λ
 
m12 ... m1n
 m21 m22 − λ ... m2n 
M − λI =  =
 
.. .. ..
 . . . 
mn1 mn2 ... mnn − λ
 
a11 a12 ... a1n
a21 a22 ... a2n 
= . ..  = A
 
..
 .. . . 
an1 an2 ... ann

continua
* Polinômio caracterı́stico — prova do terorema

Calculamos det(A) pela definição horrı́vel.

Então a parcela com (j1 , j2 , · · · , jn ) = (1, 2, · · · , n) é
P12···n = a11 a22 · · · ann = (m11 − λ)(m22 − λ) · · · (mnn − λ) =
= (−1)n λn + (−1)n−1 (m11 + m22 + · · · + mnn )λn−1 + · · · + m11 m22 · · · mnn
que é um polinômio de grau n com coeficiente principal (−1)n .
O sinal desta parcela é +1 (não é preciso trocar as posições).

Para as outras parcelas, (j1 , j2 , · · · , jn ) 6= (1, 2, · · · , n)

quer dizer que algum j` 6= `.
Se j` 6= ` então a`j` = m`j` não está na diagonal ⇒ este fator não tem λ.
Então Pj1 j2 ···jn = a1j1 a2j2 · · · anjn é um polinômio3 de grau ≤ n − 1 na variável λ.
P
Como det(A) = det(M − λI) = sinal (Pj1 j2 ···jn ) Pj1 j2 ···jn
então det(M − λI) é a soma de um polinômio de grau n com vários polinômios
de grau < n
⇒ o resultado é um polinômio de grau n

3
Exercı́cio: na verdade é um polinômio de grau ≤ n − 2. Porque?
Polinômio caracterı́stico

T : Rn −→ Rn operador linear λ ∈ R é autovalor de T

representado pela matriz A u 6= 0 ∈ Rn é autovetor de T
na base canônica de Rn T (u) = λu
pA (λ) = det(A − λI) polinômio caracterı́stico de A
pA (λ) = 0 ⇔ λ é autovalor de M (ou de T ).
β outra base de Rn B matriz de T na base β ⇒ B = P · A · P −1
Teorema
A e P matrizes n × n e P inversı́vel.
Se B = P · A · P −1 então pB (λ) = pA (λ).

Prova
Lema
Se P matriz n × n inversı́vel, λ ∈ R então (λI) · P −1 = λP −1 e
P · (λI) · P −1 = λP · P −1 = λI.