Introduo

Autovalores e autovetores so conceitos importantes de matemtica, com aplicaes prticas em reas diversificadas como mecnica quntica, processamento de imagens, anlise de vibraes, mecnica dos slidos, estatstica, etc (na lngua inglesa, os termos usuais so eigenvalue e eigenvectos. Nesses nomes, h uma combinao de idiomas, pois o prefixo eigen alemo, significado prprio, caracterstico). Os autovalores so s vezes denominados valores prprios. Autovalores e autovetores so tambm chamados por alguns autores de valores caractersticos e vetores caractersticos. Graficamente a idia bsica pode ser vista de uma forma bastante simples. Seja uma imagem formada por um retngulo com 2 vetores. Os autovetores so vetores que, sob a ao de um operador linear, resultam num vetor de mesma direo. Os autovetores esto sempre ligados ao operador linear, ou seja, cada operador linear admite um conjunto especifico de autovetores. Para cada autovetor , podem existir vrios autovetores v tais que T(v)= v. Dizemos que esses so autovetores associados ao autovetor . Haver infinitos autovetores associados a cada autovalor, exceto no caso do corpo K ser um corpo finito.

Definio

Seja T: V -> V um operador linear. Um vetor v V, v 0v, dito autovetor, vetor prpriio ou vetor caracterstico do operador T, se existir R tal que T (v) = . v. O escalar denomnado autovetor, valor prprio ou valor caracterstico do operador linear T associado ao autovetor v. Se v um autovetor de T associado ao autovetor , e a K um escalar no-nulo ento av um autovetor associado a . O conjunto um subespao vetorial de V ( ele chamdo de autoespao). Note que V o conjunto de todos os autovetores associados a unido ao vetor nulo. Os autovalores e autovetores tm uma interpretao geomtrica simples. Suponha que seja um autovalor da matriz A associada ao autovetor v de modo que Av = v. Ento o mdulo | Av| do vetor Av |v|, dependendo do sinal de . Portanto se > 0, a multiplicao da matriz pelo vetor v expande ou contrai o vetor v preservando a sua direo, mas se <0, essa multiplicao inverte o sentido de v. Observao 1. Se v = 0, ento a equao Av = v se verifica para todo escalar , e, portanto, no tem significncia. por isso que somente vetores no-nulos so qualificados como autovetores na definio. Observao 2. Sejam e v um autovalor e um autovetor associado da matriz A. Se k um escalar no-nulo qualquer e u = kv, ento, Au = A(kv) = k (Av) = k(v) = (kv) = u, Portanto, u = kv tambm um autovetor associado a . Assim, qualquer mltiplo escalar nonulo de um autovetor tambm um autovetor associado ao mesmo autovalor.

Exemplos

1) A=*

Considerando +

matriz

2x2

Se v = (2, 1 ), ento Av = * + * + = * + = 2v

Assim v = ( 2, 1 ) um autovetor de A associado ao autovalor = 2. Se v= (3, 2), ento Av = = * + * + = * + = 1v,

E ento v = (3, 2) um autovetor de A, associado ao autovalor = 1. Resumindo, vemos que ambos os escalares 1 = 2 e 2=1 so autovalores da matriz A; eles correspondem aos autovalores v1 = ( 2, 1) e v2 = (3, 2), respectivamente.

2) Rx: R -> R ( reflexo no eixo-x) (x, y) -> (x, -y) * +->* + * +.

Os vetores da forma [ ] so tais que

+[ ] = [

] = -1 [ ] .

Assim, todo vetor (0,y), y 0, autovetor de rx com autovalor = -1. Como j vimos, os vetores ( x, 0) so fixos por esta tansformao, rx (x, 0) = 1 (x, 0), ou seja, (x, 0) so autovetores correspondentes ao autovalor 1.

3) Seja A = * Ento A. * +->*

+ + * + =[ ]

E TA (x, y) = (2x + 2y, y). Para procurar os autovetores e autovalores de T A resolvemos a equao TA (v) = v ou [ ] = * + = [ ]

Assim, temos o sistema de equaes {

Consideramos os casos quando 1) y 1) Se y

0 e 2)y = 0.

0, ento da segunda equao = 1.

Logo 2x + 2y = x e y = -1/2x. Obtemos assim, para o autovalor = 1, os autovetores do tipo (x, -1/2x), x 0. 2) se y = 0, x deve ser diferente de 0, pois se no o autovalor (x, y) seria nulo, o que no pode acontecer pela definio de autovetor. Da primeira equao 2x + 0 = x ou = 2. Portanto, outro autovalor 2 qualquer vetor no nulo (x, 0) um autovetor correspondente. Ento, todos os vetores sobre o eixo-x so levados em vetores de mesma direo: T(x, 0) = (2x, 0) ou T(v) = 2v. Temos, para essa transormao T, autovetores (x, -1/2x), x 0, associados ao autovalor 2. Todos os outros vetores do plano so levados por T em vetores de direes diferentes. 4) Seja um autovalor do operador linear T. O conjunto V = {v V | T (v)= v} de todos os autovetores associados a juntamente com o vetor nulo 0 v , denominado autoespao correspondente ao autovalor . Por exemplo: Considerando o operador T ( x, y) = ( 3x, 8x y). O autoespao V3 = { (x,y) R| T ( x,y) = 3 (x,y)} = {(x, 2x), x R} corresponde ao autovalor = 3.

5) Seja uma transformao que faz uma reflexo em relao ao eixo horizontal em um espao bidimensional real. Em termos de coordenadas essa transformao escrita na forma: T(x, y) = (x, y)

na a= b= c=

(2, (0, (-2,

figura: 0) 1) 1)

Assim a um autovetor de autovalor 1 porque T (a) = (2, 0) = a tambm b um autovetor de autovalor -1 porque T 9b) = ( o, -1) = -b. Mas c no autovetor porque T (c) = ( -2, -1) no paralelo a c. Observa-se que 1 e 1 so os autovalores da transformao e so associados a quaisquer vetores nas formas ( x, 0) e ( 0,y) respectivamente. Sendo assim uma transformao que gira de 90 para esquerda. t(x,y) = (-y, x)

Essa transformao no admite autovetores nem autovalores reais. Qualquer T (a) perpendicular a a e, portanto, no pode existir um nmero real que, multiplicado por a, resulte em T (a).

Teorema

Dada uma transformao T: V -> V e um autovetor v associado a um autovalor , qualquer vetor w = v ( 0) tambm autovetor de T associado a . Definio: o subespao V = {v V : T(v)= v} chamado o subespao associado ao autoalor .

A equao caracterstica

Esclarecendo a dvida de como achar autovalores e autovetores de uma matriz quadrada n X nA. De acordo com a definio, o vetor no-nulo v um autovetor de A associado ao autovalor exatamente quando: Av = v = Iv; Isto , quando (A I)v = 0. (1) Para um valor fixo de , a equao (1) um sistema linear homogneo de n equaes nas n componentes de v. Pelo Teorema este sistema tem uma soluo no- trivial v 0 se e somente se o determinante Det(A- I) = |A- I| De sua matriz dos coeficientes for igual a zero. A equao |A I| = 0 chama-se equao caracterstica da matriz quadrada A, e ja provamos que existe um autovetor v associado a se e somente se satisfaz esta equao.

Teorema 1: Equao caracterstica

O nmero real um autovalor da matriz n X nA se e somente se satisfez a equao caracterstica | A- I|= 0. Aplicando: Observe a matriz A I= [ obtida subtraindo-se de cada elemento da diagonal principal de A. Pensando no desenvolvimento do determinante por menores, vamos que | A I| um polinmio na varivel , e a potncia mais elevada de vem do produto dos elementos da diagonal principal da matriz. Assim a eqao caracterstica da matriz n X nA toma a forma (- 1) + cn - 1
n n n-1

+ ......+ c1 + c0 = 0

Uma equao polinomial de grau n em . De acordo com o teorema fundamental da lgebra, toda equao de grau n em uma varivel tem n solues (incluindo solues mltiplas), algumas delas ou todas podendo ser complexas.

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 transformao linear TA :R -> R , associada matriz A em, relao base cannica, isto , T A(v) = A. V (na forma coluna). Assim, um autovalor R de n A,e um autovetor v R , so solues da equao A .v = v, v 0.

Exemplo.

Dada a matriz diagonal: A= [ ]

E dados os vetores e1 = ( 1, 0, ...., 0), e2 = (0, 1, 0, ..., 0), ....., en = ( 0, 0, ..., 0, 1), temos

A .e1 [

] = a11e1 e em geral,

A . e1= aiiei. Ento, estes vetores da base cannica de R so autovetores para A, e o autovetor ei associado ao autovalor aii.

Polinmio Caracterstico

Observamos nos exemplos anteriores da seo que se nos basearmos nas definies de autovalor e autovetor, para efetuar os clculos que determinam seus valores, vamos adotar um procedimento muito complicado. Sendo assim adotaremos um mtodo mais fcil e prtico para encontrar autovalores e autovetores de uma matriz real A de onrde n.

Exemplo.

A= (

Procuramos vetores v R e escalares R tais que A . v= v. Observe que se I for a matriz identidade de ordem 3, ento a equao acima pode ser escrita na forma Av= ( I)v, ou ainda, ( A- I)v = 0. ( ) - ( Temos ento a seguinte equao matricial: ( ) * +=[ ] )* +=[ ]

Se escrevermos explicitamente o sistema de equaes lineares equivalente a esta equao matricial, iremos obter um sistema de trs equaes e trs incgnitas. Se o determinante da matriz dos coeficientes for diferente de zero, saberemos que este sistema

tem uma nica soluo, que a soluo nula, ou seja x = y = z = 0.. cAlculando os autovetores de A, isto , v 0, tais que ( A- I)v = 0. Neste caso det(A- I) deve ser zero, ou seja: ( )=0

E portanto = 7 - 16 + 12= 0. Percebemos que det(A- um polinmio em . Este polinmio caracterstico de A, e portanto os autovalores da matriz A so 2 e 3. Conhecendo os autovalores podemos encontrar os autovetores correspondentes. Resolvendo Av = , para os casos: 1) ( =2 ) * + = 2* + {

A terceira equao implica que y = 0 e por isso vemos na segunda que x = 0. Como nenhuma equao impe uma restrio em z, os autovetores associados a = 2 so do tipo ( 0, 0, z), ou seja, pertencem ao subespao [(0, 0, 1)]. 2) = 3 Resolvendo a equao Av = 3v, temos {

Tanto na primeira equao quanto da segunda vemos que x = -2y e da terceira vem z = y. Os autovetores associados ao autovalor = 3 so do tipo ( -2y, y, y) ou seja, pertencem ao subespao [( -2, 1, 1)].

Aplicaes Envolvendo Potncias de Matrizes

Aplicaes que dependem da habilidade para calcular a matriz A para valores de k, k dada a matriz n X nA. Se diaginalizvel, ento A pode ser encontrada diretamente 4 atravs de um mtodo que evita o trabalho de calcular as potncias A, A, A , ...... por sucessivas multiplicaes de matrizes. Percebemos que a matriz nX nA tiver n autovetores linearmente independentes v 1, v2, ....., vn associados aos autovalores 1, 2...., n, no sendo necessariamente distintos, ento -1 A = PDP Onde,

P= [

] e D= (

Assim a equao conduz a -1 -1 -1 -1 -1 A = (PDP ) (PDP ) = PD(P P)DP = PDP Porque P P= I. de uma maneira mais geral, para cada nmero inteiro k, k -1 k A = (PDP ) -1 -1 -1 -1 = (PDP ) (PDP ) (PDP ) (PDP ) -1 -1 -1 = PD( P P)D (P P)DP ; K= K -1. A PD P
-1

) Conseguentemente a frmula apresentada mostra um modo mais rpido e eficiente para o clculo de qualquer potncia da matriz diagonalizvel A, uma vez que seus autovalores e autovetores associados, portanto as matrizes P e D, tenham sido encontrados.

Exemplo A se

A= (
-1

A= PDP com

P= (

)e

D= (

Primeiro calculamos P =(
-1

)e

D (

Colocando na frmula mostrada anteriormente, fornece-nos A = (

5

)(

)(

=(

)(

=(

).

Matrizes de Transio

Aplicar um mtodo de calcular A nalise de umc erto tipo de sistema fsico que pode ser descrito travs do seguinte tipo de modelo matemtico. Suponha que a sequncia seja Xo, x1, x2, ...,xk, ... De vetores n-dimensionais seja definida por seu vetor inicial x 0 euma matriz transio n X nA da seguinte maneira: Xk+1 = Axk para cada K 0. Imagine um sistema fsico- como uma populao com n subpopulaes especficas- que se desenvolve a partir de uma sequncia de estados sucessivos descritos pelos vetores, sendo assim precisamos calcular o k-simo vetor de estado xk. Ultilizando a formula apresentada vemos que, X1 = Ax0, E que no geral Xk = A X0. Portanto, deve-se calcular a k-sima potncia A da matriz de transio A.
k k

X2 = Ax1 = A x0,

x3= Ax2= Ax0,

Exemplo:

Analisemos novamente a populao da rea metropolitana que discutimos no exemplo anterior. A populao total constante de 1 milho de pessoas dividida entre uma cidade e seus subrbios. Sejam Ck a populao da cidade e Sk a populao suburbana aps k anos. Suponhamos que a cada amo 15% das pessoas da cidade se mudem para os subrbios, enquanto 10% das pessoas dos subrbios mudem para a cidade. Ck+1 = ( 0,85)Ck + ( 0,10)Sk Sk+1 = (0,15)Ck + ( 0,90)Sk Para cada k 0. Portanto, para tal k, Xk+1 = Axk e portanto Xk = A x0, Onde Xk = * +e A=[ ].
k

A equao caracterstica da matriz de transio A ( )( ) - ( )( ) ( ; (

4-7 + 3 = 0 ( 1) (4 3 ) = 0.

Portanto, os autovalores de A so 1 = 1 3 2 = 0,75. Para 1 =1, o sistema ( A- I)v = 0 [ ] * + = * +,

Logo, um autovetor associado v1 = (2, 3). Para 2 = 0,75, o sistema ( A I)v = 0 * + * + = * +,

-1

Com um autovetor associado v2 = ( -1, 1). Segue-se, portanto, que A = PDP , onde P= * +, D[ ],

P = *

-1

+.

Suponha que o objetivo agora seja determinar a distribuio a longo prazo da populao k entre a cidade e os subrbios. Primeiro note que (3/4) desprezvel, quando k for 40 suficientemente grande; por exemplo , (3/4) 0,00001. Segue-se que k 40, ento a k k -1 frmula A = PD P conduz a A =* ( =( * *
k

+* +* +*

( ) +*

+(

* + * +.

+= (

Portanto, se k for suficientemente grande, ento Xk = A x0 ( = (C0 + S0) *

k

* +=)*

+* +,

Pois C0 + P0 = 1 (milho), a populao total constante da rea metropolitana. Ento, nossa anlise mostra que, independentemente da distribuio inicial e 60% nos subrbios.

Exemplo 2.

Considerando uma populao de predadores e presas que consiste em raposas e coelhos que vivem numa certa floresta. H, inicialmente, F0 raposas e R0 coelhos, e depois de k meses h Fk raposas e Rk coelhos. Assumindo que a transio de cada ms ao prximo descrita pelas equaes: Fk+1 = (0,4) Fk + (0,3) Rk Rk+1 = -r Fk + (1,2) Rk, Onde a constante r > 0 a taxa de captura, que representa o nmero mdios de coelhos consumidores mensalmente por cada raposa. Logo, Xk+1 =Axk e portanto xk = A xO Onde Xk = * + e A= * +
K

Queremos investigar o comportamente a longo prazo das populaes de raposas e de coelhos para diferentes valores da taxa da captura r. A equao caracterstica da matriz de transmio A nas matrizes apresentadas so (0,4 )(1,2- ) + (0,3)r = 0; (4 - 10 )(12- 10 ) + 30r = 0; 100 - 160 +( 48+ 30r) =0 Ento, a frmula quadrtica conduz equao = = (8 [160 ( ( ( ]

Que fornece os autovalores de A em termos da taxa de captura r, que podem ocorrer s populaes de raposas e coelhos com o aumento de k:

Fk e Rk podem se aproximar de valores no-nulos constantes. Este o caso de populao limitadas estveis que coexistem em equilbrio uma com a outra. Fk e Rk podem ambas se aproximar de zero. Este o caso de extino mtua das duas espcies. Fk e Rk podem ambas crescer sem limites. Este o caso de uma exploso populacional.

Exemplo 3. (populao limitada Estvel)

Se r= 0,4 fornece os autovalores 1 = 1 e 2 = 0,6. Para 1 = 1, o sistema ( A- I)v = 0 * + * += * +

Logo, um autovetor associado a v1 = (1, 2). Para 2 = 0,6, o sistema ( A- I)v = 0 * + * += * +

-1

Logo um autovetor associado v2 = (3, 2). Segue-se que A = PDP , onde P= * +, D= *

k

+, e

P =- *

-1

+.
k 25

Calculando A , se k for suficientemente grande tal que (0,6) 0 (por exemplo, (0,6) k k -1 0,000003), ento a fmula A = PD P fornece A =* ( =( = * * * +.
k

+[ +* +*

( +*

](

* +

Portanto, segue-se que se k for suficientemente grande, X k= A x 0 = * Ou seja * += * + onde = (3R0 2F0).
k

+*

+= *

Lembrando que as populaes iniciais so tais que > 0 ( ou seja, 3R0 > 2F0), implica que, com o aumento de k, as populaes de raposa e de coelho se aproximam de uma situao estvel na qual h duas vezes mais coelhos que raposas. Sendo assim, se F 0=R0=100, ento quando k for suficientemente grande, haver 25 raposas e 50 coelhos.

Exemplo 4. (Extino Mtua)

Se r= 0,5 d os autovalores 1= 0,9 e 2= 0,7. Para 1= 0,9, o sistema (A- I)v=0 [ ] * += * +

Logo, um autovetor associado v1 = (3, 5). Para 2 = o,7, o sistema (a- I)v = 0 * + * += * +
-1

E um autovetor associado v2 =(1, 1). Segue-se que A= PDP , com P=* +, D*

k

+,

eP =- *
k

-1

+ +).

Agora, tanto (0,9) como (0,7) se aproximam de 0 quando k tende a infinito (k k k -1 Portanto, se k for suficientemente grande, a frmula A = PD P fornece A =* *
k

+[

( ( +*

]( +=*

* +

+*

Logo, * +=A *
k

+*

+*

* +

Ento, Fk e Rk se aproximam de zero quando k + e tanto as raposas como os coelhos se extinguem- ocorre uma extiano mtua.

Exemplo 5. (exploso populacional)

Se r = 0,3255, os autovalores 1= 1,05 e 2= 1,05, o sistema (A I)v = 0 [ ]* + = * +

Cada equao um multiplo de -13x +6y = 0, dai um autovetor associado v1 = 6,13. Para 2 = 0,55, o sistema ( A- I)v = 0 [ ]* + = * +
-1

E um autovetor associado a v2 = 2,1. Segue que A= PDP com P=* +, D= [ ], e P = -1

+.

Note que (0,55) se aproxima de zero, mas que (1,05) cresce sem limites quando k +. k k -1 Segue-se que se k for suficientemente grande, a frmula A = PD P fornece A =* -- * ( ( =- - [ ( ( Portanto A - (1,05) *
k k k

+[

( ( +* ]*

] (-

* +

( +*

+,

+.

E se k for suficientemente grande, Xk = A x0 - - (1,05) * = - - (1,05) * E dai, * + (1,05) y*

k k k k

+* +,

+ onde y =

(2Ro F0).
k

Se y>0 ( ou seja , se 2R0> F0) ento o fator (1,05) implica que ambas as populaes de raposas e coelhos crescem em uma taxa de 5% por ms, e portanto cada uma delas cresce sem limites quando k +. Alm disso, quando k for suficientemente grande, as duas populaes mantero uma relao constante de 6 raposas para cada 13 coelhos. tambm de insteresse notar que o multiplicados populacional mensal o autovetor maior 1 = 1,05 e que a razo limitante das populaes determinada pelo autovetor associado v 1= 6,13.

Matrizes Simtricas e Autovetores Ortogonais

Vimos que uma matriz n X n diagonalizvel se e somente se tem n autovalores linearmente independentes. Uma importante classa de matrizes que satisfaz este critrio T a das matrizessimtricas (a matriz quadrada A = [aij] simtrica se A = A - em outras palavra, aij = aij para 1 i n e 1 j ). Toda matriz simtrica n X n possui n autovetores que no s so linearmente independentes como tambm so mutuamente ortogonais com relao ao produto interno (escalar) euclidiano. De acordo com op teorema apresentado anteriomente, quaisquer dois autovetores v 1 e v2 associados a autovalores distintos 1 e 2 de uma matriz n X nA so linearmente independesntes. Mas, se a matriz A simtrica, podemos mostrar que v 1 e v2 so ortogonais e no meramente lineares independentes.

TEOREMA: autovetores e autovalores de Matrizes Simtricas.

Os autoveres associados a autovalores distintos de uma matriz simtrica so ortogonais.

Prova: supona que v1 e v2 sejam autovetores associados aos autovalores distintos 1 e 2 da T T matriz simtrica A. O objetivo mostrar que v1 . v2 = v1 v2 = 0. Observe, a matriz 1 X 1 v1 Av2 obviamente simtrica, o que implica que v1 Av2 = (v1 Av2 )
T T T T=

v2 A v1 = v2 A v1

Pois A = A. mas, v1 Av2 = v1 2 v2 = 2 v1 v2 e v2 A v1 = v2 1v1 = 1v1 v2 Pois v2 v1 = v1 . v2 = v1 v2, ento (1 - 2) v1 v2 = 0. Como 1 2, segue agora que v1 v2 = 0, e, portanto, que os autovetores v1 e v2 so ortogonais.
T T T T T T T T T T

Exemplo 1. A equao caracterstica da matriz simtrica

A=(

- 13 + 36 = ( -4) ( 9) =0 Assim, a matriz 3 X 3 A possui os trs autovalores distintos 1 = 9, 2 = 4 e 3 = 0. Com 1 = 9, a matriz

A- 91= (

Tema forma escalonada

),

E assim, um autovetor associado v1 =( 1, 2,2). Com 2 = 4, a matriz A- 4I = ( )

Forma escalonada ( ),

E, assim um autovetor associado v2 = ( 0, 1, -1). Com 3 = 0, a matriz A- OI= ( )

Na forma escalonada temos ( ),

E, assim, um autovetor associado v3 = (4, -1, -1). Finalmente obtemos V1 . v2= v1 . v3 = v2 . v3 = 0. Confirmando o teorema. Os autovetores v1 = (1, 2,2), v2 = (0, 1, -1) 3 v3 = (4, -1, -1) no exemplo anterior formam uma base ortogonal do R. se dividirmos cada um destes vetores por seu mdulo, obtemos os vetores unitrios U1 = ( ), u2 ( ),

U3 = (

Que formamos uma base ortonormal do R, que consiste em autovetores da matriz A. Se P = [u1 u2 u3] e D a matriz diagonal determinada pelos correspondentes autovalores de A,

P [ ] Ento a equao ficar: -1 -1 A= PDP , ento P AP = D

e D= (

O fato de que os vetores- coluna da matriz diagonalizadora P so ortonormais tem consequencias importantes. Observe: T P P = I, T T Pois o elemento da casa ij de P P o produto escalar da i-sima linha de P pela jsima coluna de P e, portanto, o produto escalar da i-sima coluna pela j-sima -1 T coluna de P. Ento, a matriz P inversvel com P =P , sua matriz inversa simplismente a sua transposta. Portanto, a matriz P um exemplo de matriz ortogonal.

Definio: Matriz Ortogonal

Uma matriz ortogonal uma matriz A, quandrada, inversvel, tal que -1 T A =A .

TEOREMA: Propriedades das Matrizes Ortogonais

As seguintes propriedades de uma matriz n X n A so equivalentes. (a) A ortogonal. T (b) A ortogonal. (c) Os vetores-coluna de A so ortonormais. (d) Os vetores-linha de A so ortonormais. O fato de que os vetores-coluna de uma matriz quadrada A so ortogonais se e somente se os seus vetores-linhas tambm forem ortogonais interessantge e no totalmente bvio. Por causa de (c) e (d), parece ser mais perspicaz chamar A de uma matriz ortogonal, mas a terminologia aceita matriz ortogonal. Lembre-se que a matriz quadrada A diagonalizvel se existe uma matriz inversvel P tal que -1 P AP uma matriz diagonal D. A amtriz quadrada A chamada ortogonalmente diagonalizvel -1 se existe uma matriz ortogonal P tal que P AP=D seja uma matriz diagonal, e nesse caso P AP=D e
-1 T T

A= PDP

Pois P = P . Por exemplo, a matriz A do exemplo anterior ortononalmente diagonalizvel, pois diagonalizada pela matriz ortogonal P. DE acordo com o Teorema passado, uma matriz n X n diagonalizvel se e somento se possui n autovetores lineares independentes. O seguinte teorema demosntra a relao anloga entre diagonalizabilidade ortogonal e autovetores ortogonais.

TEOREMA: Critrio para Diagonalizabilidade Ortogonal

A matriz n X n A ortogonalmente diagonalizvel se e somente se ela tem n autovetores mutuamente ortogonais. Prova. Suponha primeiro que A seja ortogonalmente diagonalizvel, de modo que existe uma -1 matriz ortogonal P tal que P AP= D uma matriz diagonal. Ento, assim como na prova do primeiro teorema apresentado o fato de que AP=PD implica que cada um dos n vetores-coluna de P um autovetor de A. Mas ento, estes n autovetores de A so ortogonais pelo segundo teorema apresentado, e portanto so mutuamente ortogonais.

De outro modo, suponha que A tenha n autovetores mutuamente ortogonais v 1, v2, ..., vn associados aos autovalores 1, 2, ..., n, respectivamente. Seja ui = vi / |vi| para cada i, 1 i n. Ento, os n autovetores u1, u2, ..., un de A so ortogonais. Se P = [u1 u2 ... un]

E D a matriz diagonal com elementos diagonais 1, 2, ..., n, ento segue-se exatamente -1 como nas equaes apresentadas anteriormente, que P AP=D. Mas a matriz P (pelo segundo teorema) ortogonal, pois seus vetores-coluna so ortogonais. Assim, demonstramos que A ortogonalmente diagonalizvel. Sobre as condies apresentadas podemos ento, aplicar o terceiro teorema apresentado para diagonalizar ortogonalmente uma dada matriz n X n. Por exemplo, que A seja uma matriz como a do primeiro exemplo- simtrica e tem n autovalores distintos 1, 2, ..., n correspondentes aos autovetores v1, v2, ..., vn. Ento o primeiro teorema implica que estes n autovetores so mutualmente ortogonais, e assim A ortogonalmente diagonalizvel pelo terceiro teorema. Em particular, a prova do terceiro teorema implica que : se P= [u1 u2 ... un],

Onde ui = vi / |vi|, para cada i, e se D uma matriz diagonal com elementos diagonais 1, 2, ..., n, e ento P ortogonal e P AP = D uma diagonalizao ortogonal especfica de A. Se a matriz n X nA tem k < n autovalores distintos 1, 2, ..., k, ento podemos tentar encontrar uma diagonalizao ortogonal de A pela execuo do seguinte procedimento. 1* : Ache uma base do auto- espao associado a casa autovetor i de A. 2* :Aplique o algoritmo de Gram-schimidt para converter esta base n uma base ortogonal Si do auto- espao associado a i. 3* : Efetua a reunio S das bases ortogonais S1, S2, ..., Sk. Se a matriz A simtrica, ento, pelo primeiro teorema, temos que os vetores de S so mutuamente ortogonais. 4* : Se S contm n autovetores mutuamente ortogonais v1, v2, ..., vn, ento a matriz P= [ u1 u2 ... un], onde ui = vi / |vi, diagonaliza ortogonalmente a matriz A, como nas equaes apresentadas anteriormente. H duas maneiras em que este processo pode deixar de levar a uma diagonalizao ortogonal de A. Primeiramente, se A no simtrica, os autovetores pertencentes a auto-espaos diferentes podem no ser ortogonais. Em segundo lugar, mesmo que os vetores de S sejam ortogonais, pode ser que haja menos do que n deles.
-1

Exemplo2.

Considere a matriz simtrica 4 X 4.

A= [ | | | | ]

Utilizando os muitos zeros em A, encontramos seu polinmio caracterstico: ( 2) ( 4) =0. Portanto, A tem os autovalores distintos 1 = 2 e 2 = 4, este com multiplicidade 3. Com 1 = 2 encontramos que

A-21 = [ | | | | ],

Ento claro que v1 = (0, 1, 0, -1) um autovetor associado. Com 2 = 4 encontramos

A- 4I = [ |

|| |

],

Assim, o sistema ( A-4I)v = 0 tem varivel lder x2 e variveis livres x1, x2, x3 e x4. Portanto o procedimento usual leva os autovetores independentes v2 = (1, 0, 0, 0), v3 = ( 0, 1, 0, 1) e v4 = (0, 0, 1, 0) associados ao autovalor 2 = 4. Os valores v1, v2, v3 e v4, j so mutuamente ortogonais, e ento no necessrio o processo de ortogonalizao e as matrizes diagonais

P= [

| || | ] e | |

D=[ | | | | ]

Portanto, P uma matriz ortogonal que diagonaliza as matrizes dadas a: P AP = D. Um dos resultados mais surpreendentes em lgebra linear o fato de que o mtodo esboado nos passos anteriores, para a resoluo de alguns exemplos, se verifica se e somente se a matriz A simtrica. Esta ima conseqncia do nosso prximo teorema.

-1

TEOREMA 4: Simetria e diagonalizabilidade Ortogonal

Uma matriz quadrada ortogonalmente diagonalizvel se e somente se ela simtrica.

Para provar o teorema muito simples. Suponha que A seja ortogonalmente diagonalizvel; T portanto, h uma matriz ortogonal P e uma matriz diagonal D tais que A= PDP . Ento A = (PDP )
T T T T T T T

= (P ) D P = PDP = A, E segue-se que A simtrica. A prova da suficincia mais complexa. Para ver oq ue to iportante no quarto teorema, considere o fato de que a simetria to transparente que pode-se dizer nem relance se uma dada matriz ou no simtrica. Por outro lado, diagonabilidadeortogonal uma propriedade de matrizes bastante complicada que envolve uma mistura delicada dos conceitos sobre mulotiplicao de matrizes, ortogonalidade, inversas de matriz, e implicitamente autovalores e autovetores. O quarto teorema diz que uma matriz A tem esta propriedade complicada se e somente se ela tiver a propriedade de simetria. Uma outra propriedade importante de matrizes simtricas envolve suas equaes caractersticas. Em geral, a equao caracterstica de uma matriz n X nA uma equao polinomial de grau n, o que tambm pode ter algumas solues complexas. Mas isto no ocorrer se a matriz A for simtrica.

TEOREMA 5: Razes Caractersticas de Matrizes Simtricas

A equao caracterstica de uma matriz simtrica tem somente solues real. Discutimos a confirmao do quinto teorema. Ocorre que se i um autovalor da matriz simtrica n X n A, ento a dimenso do auto-espao associado igual multiplicidade de i como uma raiz do polinmio caracterstico |A I|. Consequentemente obtemos um conjunto completo de n autovetores quando reunimos bases ortogonais para todos os auto-espaos de A, e o primeiro teorema implica que estes m autovetores so mutuamente ortogonais.

Exemplo.

A equao caracterstica da matriz simtrica

A= [

| || || | | || || | ]

[(4 ) - 1] (5 ) [(4 ) - 1] = -( 3)( -5) = 0.

Portanto, A tem o autovalor 1= 3 de multiplicidade 2 e o autovalor 2 = 5, de multiplicidade 3. Consequentemente, A tem um auto-espao bidimensional associado ao autovalor 1= 3 e um auto-espao tridimensional associado ao autovalor 2 = 5.

Clculo de Autovalores, Autovetores

Seja o operador linear T :V V Por definio, T (v) = v , com v V , v 0 e R . Considere o operador identidade Iv: V Iv ( v) = v. Assim, T (v) Iv (v).

tal

que

dimV

n.

Ento, T (v) Iv (v) = 0v Pela definio de multiplicao por escalar em transformaes lineares, T (v) (I v)(v) = 0v . Pela definio de adio de transformaes, (T Iv )(v) = 0v.

Ento, o vetor v V , v 0v, deve pertencer ao ncleo do ooperador ( T - Iv) , isto , v Ker ( T - Iv), com v 0v. Portanto, o operador linear ( T - Iv), no injetivo, consequentemente, no bijetivo, nem invertvel. O fato do operador linear no ser invertvel equivalente ao do determinante de sua matriz associada, dada uma certa base, ser zero. A equao det([ T]a In) = 0, In a matriz identidade de ordem n, denominada de equao caracterstica. O polinmio det([ T]a In) denominado polinmio caracterstico de T, e suas razes em R so os autovalores do operador linear T.

Polinmio caracterstico

Definio: Seja A uma matriz quadrada de ordem n. O polinmio f() = det(In A) chamdo de polinmio caracterstico de A. Sendo assim: Seja = {v1....., vn} uma base de V, e v um autovetor de T associado ao autovalor . Ento [v] um vetor da matriz [T] associado ao autovalor de [T] .

Se e so duas bases quaisquer de V, ento o polinmio caracterstico de [T] igual ao polinmio caracterstico de [T] .

Exemplos

1)

Matriz 3x3 A, para a qual se deseja calcular os autovalores. I, que o produto do escalar pela matriz unitria I 3x3.

A matriz da diferena I A

seu

determinante

calculado

pelas

relaes

seguir.

det ( I A) = ( 2) [ ( 3) ( + 2) (1) (4) ] (1) [ (2) ( + 2) (1) (4) ] + (1) [ (2) (1) (1) ( 3) ]. det ( I A) = [ ( 2) ( 3) ( + 2) + 4 8 ] + [2 ] [ 1]. det det ( ( I I I A) A) A) = = ( ( 3) 2) ( 3) [
2

[ 4

3) (

+ 2)

2) (

+ + 3)

3 2) [

( +
2

3). ].

det (

= (

+ 3

] = (

1 ].

expandindo o ltimo termo e igualando a zero, obtemos: det ( I A) = ( 3) ( + As solues dessa equao do terceiro grau so claramente: = 1 = 1 = 3 Aplica-se agora a igualdade para o valor de = 1. 1) ( 1) = 0.

Essa relao matricial pode ser transformada em um sistema de equaes lineares atravs do desenvolvimento do produto das matrizes e posterior simplificao.

Somando a primeira com a terceira equao, v3 = 0. Substituindo nas demais, chegase ao resultado v1 + Ou v1 = v2 H infinitas solues e pode-se dizer que o vetor dado por v = (1, 1, 0) onde um escalar no nulo qualquer. Portanto, para o autovalor = 1, os autovetores so da forma: (1, 1, 0) com 0. v2 = 0

Procedimento idntico pode ser usado para os demais valores de .

Referencias http://www.mspc.eng.br/matm/al_auto_val_vet_01.shtml http://www.sorocaba.unesp.br/professor/luiza/AL/aula07_autoValorVetor.pdf http://www2.dem.inpe.br/mcr/Inpe/CMC-203-0/pdf/Tavares.pdf http://pt.wikibooks.org/wiki/%C3%81lgebra_linear/Autovetores http://www.ime.uerj.br/~alglin/AlgLInII/Capitulo2_Aut08.pdf

http://www.google.com.br/#q=autovetores+e+autovalores&hl=ptPT&prmd=imvns&ei=fimKTt7cLubt0gHJsujGDw&start=20&sa=N&bav=on.2,or.r_gc.r_pw.,cf .osb&fp=6e14558fa922d1f7&biw=1366&bih=667