Autovalores e autovectores

Definição 1 (Transformação linear): Sejam V e W espaços vectoriais. Uma função (ou

transformação) T : V  W é dita transformação linear (TL) se:
 T ku  kT u  (preserva o produto) e
 T u  v   T u   T v  (preserva a soma); para todo u, v  V e k um escalar.
Isto é equivalente a preservar combinações lineares, isto é: T ku  v   kT u   T v 

Exemplo 1: Determine se T : IR 3   IR 3 é uma transformação linear.

a) T x, y, z   z, x 
Resolução:
Sejam u  x1 , y1 , z1  e v  x2 , y 2 , z 2  , então u  v  x1  x2 , y1  y2 , z1  z 2 
1°: T ku  kT u ? T u   z1 , x1 
T ku  kz1 ,kx1   k z1 , x1   kT u 

2°: T u  v   T u   T v ?
T u  v   z1  z 2 , x1  x2   z1 , x1   z 2 , x2   T u   T v  , concluímos que a
transformação é linear.

b) T x, y, z   z, xy 
Resolução:
Sejam u  1,1,1 e k  2
T ku  kT u ? T u   1,1  1  1,1

T 2u   2,2  2   2,4 ; 2T u   21,1  2,2   T ku  kT u  , logo a trnsformação não é linear.

Definição 2 (autovalor, autovector e espectro): Seja T : V  V uma transformação linear.

Dizemos que v  V não nulo é autovector de T se Tv  v,   IR.
  chama-se autovalor de T . v é um autovector de T associado ao autovalor  .
 O conjunto de autovalores de T é chamado de espectro de T .

Observação:
a)  pode ser igual a zero, mas v não.
b) O autovector associado a um autovalor não é único. De fato, se v é autovector e k  0,
então w  kv também é autovector pois T w  T kv  kT v   kv   kv  w, isto é v é
paralelo w .

Definição 3 (polinómio característico): Dada a transformação linear T : IR n 

 IR n , definimos
o polinómio característico de T por p   det T  I  .

Definição 4 (Autoespaço): O autoespaço de T associado ao autovalor  é o subconjunto definido

por W  v  IR n : T  I v  0

1
Apontamentos de ALGA – Autovalores, Autovectores e Diagonalização
 Como calcular autovalores e autovectores de T : IR n   IR n ?
- Determinamos autovalores calculando os zeros do polinómio característico p   det T  I .
- Determinamos os autovetores resolvendo o sistema T  I v  0 para cada autovalor.

Exemplo 1: Calcule os autovalores e os autovectores de:

 1  1
a) T   
1 1 
Resolução:
1° calcular os autovalores
1  1
Polinómio característico T  I   1     1  2  2
2

1 1 
Equação característica T  I  0  2  2  0     2  0  1  0  2  2
Os autovalores de T são: 1  0  2  2
O espectro de T  0;2

2° calcular os autovectores
- Autovector associado a 1  0
T  1 I v  0  T  0I v  0  Tv  0
 1  1 x   0   x y 0
         x  y; seja y    sol : x, y    ,  ;  IR
  1 1  y   0   x  y  0
O autoespaço associado a 1 é W1  W0   ,   :   IR, assim os autovectores associados
a 1  0 ’ são v   ,     1,1,   IR , isto é, são múltiplos de v  1,1.
- Autovector associado a 2  2
1  2  1  x   0 
T  2 I v  0  T  2 I v  0        
  1 1  2  y   0 
 x  y  0
  x   y; seja y  t  sol : x, y    t , t ; t  IR
 x  y  0
O autoespaço associado a  2 é W2  W2   t , t  : t  IR, assim os autovectores associados a
2  2 ’ são u   t , t   t  1,1, t  IR , isto é, são múltiplos de u   1,1.
3 1 0 
 
b) T   1 1 0
 1 0  1
 
Resolução:
1° calcular os autovalores
3   1 0
Polinómio característico T  I  1 1    1     2
2
0
1 0 1 
Equação característica T  I  0   1     2  0  1  1  2  2
2

Os autovalores de T são: 1  1  2  2
O espectro de T   1;2

2° calcular os autovectores

2
Apontamentos de ALGA – Autovalores, Autovectores e Diagonalização
 - Autovector associado a 1  1
T  1 I v  0  T  I v  0
3 1 1 0  x   0   4  1 0  x   0  4 x  y  0 x  0
           
 1 11 0  y    0    1 2 0  y    0    x  2 y  0   y  0
 1  1  1 z   0   1 0 0  z   0   x0 z t
 0       
sol : x, y, z   0,0, t , t  IR
O autoespaço associado a 1 é W1  W1  0,0, t  : t  IR, assim os autovectores associados
a 1  1 ’ são v  0,0, t   t 0,0,1, t  IR , isto é, são múltiplos de v  0,0,1.
- Autovector associado a 2  2
T  2 I v  0  T  2I v  0
3  2 1 0  x   0  1  1 0  x   0  x y 0  x  3t
           
 1 1 2 0  y    0   1  1 0  y    0    x  y  0   y  3t
 1  1  2  z   0  1 0  3  z   0   x  3z  0  z t
 0       
sol : x, y, z   3t ,3t , t , t  IR

O autoespaço associado a  2 é W2  W2  3t ,3t , t  : t  IR, assim os autovectores associados

a 2  2 ’ são v  3t ,3t , t   t 3,3,1, t  IR , isto é, são múltiplos de v  3,3,1.

Exemplo 2: Calcule os autovalores e os autovectores da transformação linear em IR 2 , T x, y, z   x  y, y 

 1 1
Resolução: A matriz associada a transformação é A   
 0 1
1° calcular os autovalores
1  1
Polinómio característico A  I   1   
2

0 1 
Equação característica T  I  0  1     0    1
2

O autovalor de T é:   1
O espectro de T  1
2° calcular os autovectores
- Autovector associado a   1
T  I v  0  T  I v  0
1  1 1  x   0   0 1  x   0  y  0
                sol : x, y   t ,0; t  IR
 0 1  1 y   0   0 0  y   0  x  t
O autoespaço associado a  é W  W1  t ,0 : t  IR, assim os autovectores associados a
  1 ’ são v  t ,0  t 1,0, t  IR , isto é, são múltiplos de v  1,0.

1. Diagonalização
Definição 5 (matriz diagonalizável): Dizemos que uma matriz quadrada A é diagonalizável se existe
uma matriz P invertível tal que P 1 AP  D  A  PDP 1 , com D diagonal.

Definição 6 (decomposição espectral) Se A é diagonalizável chamamos de decomposição espectral

de A uma fatoração A  PDP 1 , com D diagonal e P invertível.

3
Apontamentos de ALGA – Autovalores, Autovectores e Diagonalização
Teorema: Seja A uma matriz n  n que tem n autovectores linearmente independentes v1 , v2 ,..., vn
associados a 1 , 2 ,..., n respectivamente. Então as matrizes
1 00 
0 2 0 
P  v1 v 2 .... v n  e D
     são matrizes tais que:
 
0 0  n 
D  P 1 AP, ou seja A é diagonalizável. Reciprocamente:
- Se A é diagonalizável, então ela possui n autovectores linearmente independentes.

Corolário (condição suficiente para que uma matriz seja diagonalizável): Se uma matriz A
de dimensões n  n possui n autovalores distintos, então A é diagonalizável.

Algoritmo para diagonalizar uma matriz A de dimensão n.

 Calcule os autovalores (raízes do polinômio característico);
 Encontre bases para autoespaços (resolver sistemas homogêneos);
 Junte os autovectores das bases dos autoespaços: se tivermos n autovectores linearmente
independentes A é diagonalizável, caso contrário não é diagonalizável.

Exemplo 3: Verifique se cada matriz é diagonalizável, caso seja determine a decomposição espectral:

 1  1
a) A   
 1 1 
Resolução:
1° calcular os autovalores
T  I  0  1  0  2  2
Os autovalores de A são 1  0  2  2 , já calculados no exemplo 1(a)
O autovector associado a 1  0 é v1  1,1.
O autovector associado a 2  2 é v2   1,1.
1  1 0 0
Assim: P  v1 v2     e D   
1 1   0 2
Portanto temos dois autovectores linearmente independentes, pelo Corolário a matriz é
diagonalizável.

Decomposição espectral A  PDP 1 , temos que determinar a matriz inversa de P:

1  1
P 1  ?; P  v1 v 2    
1 1 
 1 1  1 1
1  1 1 0  1 0   
   2 2  P   2 2
1
1 1 0 1  ~  ~  0 1 1 1   1 1 
    
 2 2  2 2
 1 1
1  1  0 0   2 
2    1  1
Assim A  PDP 1        
1 1   0 2    1 1    1 1 
 2 2

4
Apontamentos de ALGA – Autovalores, Autovectores e Diagonalização
 3 1 0 
 
b) A   1 1 0
 1 0  1
 
Resolução:
1° calcular os autovalores
A  I  0   1     2  0  1  1  2  2
2

Os autovalores de A são 1  1  2  2 , já calculados no exemplo 1(b)

O autovector associado a 1  1 é v1  0,0,1.
O autovector associado a 2  2 é v2  3,3,1.
Portanto a matriz A não é diagonalizável, pois temos somente dois autovectores linearmente
independentes, pelo teorema dois vectores não formam base em IR 3 .

1.1 Aplicações
Como calcular potências de uma matriz?

1 0  0  1k 0  0 
0   0   
   0 k2  0 
Como D  2
é diagonalizável, então D 
k
, k  IN
       
   k
 0 0  n   0 0  n 
Se A é diagonalizável, então existe uma matriz P invertível e D diagonal com A  PDP 1 ,
Assim:
    
A 2  PDP 1 PDP 1  PD P 1 P DP 1  PDDP 1  PD 2 P 1
A 3
 PDP PDP PDP   PD P P DP P DP
1 1 1 1 1 1
 PDDDP1  PD 3 P 1
De forma geral Ak  PD k P 1 , k  IN

 1  1
Exemplo 4: Calcule A 5 sendo A   
 1 1 
Resolução:
Vimos no exemplo 3(a) que a matriz A é diagonalizável, isto é:
 1 1
1  1 0 0  
P  v1 v2    , D    e P 1   2 2
, então:
1 1   0 2   1 1 
 2 2
k 1
A  PD P
k

 1 1  1 1  1 1
     1  1  0 0     
  2    0  32 
5
1 1 0 0
A5  PD 5 P 1       2 2        2  2 2
 1 1  0 2 5
   1 1   1 1  0 32    1 1   0 32    1 1
 
 2 2  2 2  2 2

 16  16 
A5  PD 5 P 1   
  16 16 

5
Apontamentos de ALGA – Autovalores, Autovectores e Diagonalização
 Exercícios
3 2
1. É verdade que   2 é autovalor para  ? Sol:Sim
3 8 
7 3
2. É verdade que   2 é autovalor para  ?
3 1
 3 0  1
3. É verdade que   4 é autovalor para  2 3 1  ? Caso seja determine um autovector
 
 3 4 5 
1
associado. Sol:Sim,  1 
 
  1
1 2 2
4. É verdade que   3 é autovalor para 3  2 1  ? Caso seja determine um autovector
 
0 1 1 
associado.
1   3 1
5. É verdade que   é autovector para   ? Caso seja determine o autovalor. Sol:Não
4  3 8
 1  2  2 1 
6. É verdade que   é autovector para 1 4 ? Caso seja determine o autovalor.
 1   
4  3 7 9
7. É verdade que  3 é autovector para  4  5 1 ? Caso seja determine o autovalor.
   
 1   2 4 4
Sol:Sim,   0

 1  3 6 7 
8. É verdade que  2 é autovector para 3 3 7  ? Caso seja determine o autovalor.
 
   
 1  5 6 5
9. Para cada matriz , calcule os autovalores e os autovectores.
 2 2
a) A    sol : 1  1, u  2,1; 2  4, v  1,1
 1 3
 4 2
b) B    sol : 1  1, u  2,3; 2  6, v  1,1
 3 3
 5  1
c) C    sol : 1  4, u  1,1
1 3 
 3 1 1
 
d) D   2 4 1  sol : 1  2, u  1,1,0, v  1,0,1; 2  4, w  1,2,1
 1 1 3
 
6
Apontamentos de ALGA – Autovalores, Autovectores e Diagonalização
 1 0 0 
 
e) E    1 3 0  sol : 1  2, u  0,0,1; 2  1, v  6,3,8; 3  3, w  0,5,2
 3 2  2
 
2  2 3 
 
f) F   0 3  2  sol : 1  1, u   1,1,1; 2  2, v  1,0,0; 3  4, w  7,4,2
0 1 2 
 
10. Calcule os autovalores e os autovectores associados a cada transformação linear.
a) T x, y   3x  3 y, x  5 y  sol : 1  2, u  3,1; 2  6, v  1,1

b) T x, y, z    x  2 y  2 z, y, z  sol : 1  1, u  1,0,0; 2  1, v  1,0,1, w  0,1,1

c) T x, y, z   x  y  z,2 y  z,2 y  3z  sol : 1  1, u  1,0,0; 2  4, v  1,1,2

11. Verifique se cada matriz é diagonalizável, caso seja determine decomposição espectral.
 3 1  2 1 2 3
1 0   1 0    
a) A    b) B    c) C    2 0 4  d ) D   0  1 2 
 6  1   2 1  0 0 2   0 0 2
   
 1 0  1 0 
12. Calcule A10 sendo A   . sol : A10   
 1 2   1023 1024 
5 7  2 0
13. Calcule A8 , sabendo que P   , D   . e A  PDP 1 .
 2 3  0 1
 2  3 1 0 
14. Calcule A 4 , sabendo que P   , D   1 . e A  PDP 1 .
 3 5   0 
 2
  6  30   0  6
15. Calcule A sendo A   . sol : A   
 5 19  1 5 

7
Apontamentos de ALGA – Autovalores, Autovectores e Diagonalização