Aula 2 - Autovalores e Autovetores

ALCV
Autovalores e
Autovetores
MAURICIO Guimares da Silva, Pesq
UNIVERSIDADE DE SO PAULO
Escola de Engenharia de Lorena EEL
ROTEIRO
Eigenvalue
Autovalores e Autovetores
Conceito
Ax x
Equao Caracterstica
Eigenvector
Dependncia e Independncia Linear
Geometrical Interpretation
Propriedades dos Autovalores e Autovetores

Exerccios
Ref: Shifrin, T & Adams, M.R, lgebra Linear, LTC
lgebra Linear
2012
ROTEIRO
Eigenvalue
Conceito
Ax x
Equao Caracterstica
Eigenvector

Exerccios
lgebra Linear
2012
Modelo Matemtico
A resoluo de um problema REAL de engenharia envolve a
necessidade da formulao de um MODELO (matemtico, digital, ... .)
a partir do qual podero ser estimados os diferentes comportamentos
do problema REAL quando excitados por diferentes configuraes de
entrada. Cita-se como exemplo de modelo matemtico o sistema de
INEQUAES lineares abaixo:
lgebra Linear
2012
Modelo Matemtico
De forma geral, um modelo linear pode ser representado por um
SISTEMA DE EQUAES LINEARES conforme segue:
Ax b
sendo x um vetor (matriz coluna), A uma matriz QUADRADA e b uma
matriz COLUNA.
A matriz A contm todas as informaes associadas ao problema em

que se pretende modelar. A matriz b representa as entradas que
excitam os MODOS de funcionamento do sistema em estudo.
5
lgebra Linear
2012
Modelo Matemtico
A matriz coluna x denominada de MATRIZ DE ESTADOS. Ou seja,
esta matriz contm todas as VARIVEIS que o modelo pretende
capturar;
Neste tpico so apresentadas algumas tcnicas desenvolvidas no

contexto da lgebra Linear que permitem o estudo do sistema
modelado a partir do conhecimento de algumas CARACTERSTICAS
da matriz A.
lgebra Linear
2012
ROTEIRO
Eigenvalue
Conceito
Ax x
Equao Caracterstica
Eigenvector

Exerccios
lgebra Linear
2012
Equao Caracterstica
Considere a matriz quadrada A e um vetor v desconhecido. Seja a
equao:
Av v
Sendo
um escalar. Manipulando-se algebricamente, tem-se:
Av Iv 0
A I v 0
Aplicando-se o operador determinante:
lgebra Linear
A I v 0
2012
Equao Caracterstica
Se
v 0
A I v 0
, tem-se:
A I 0
A equao acima denominada de EQUAO CARACTERSTICA. Se
A for uma matriz (n x n), tem-se:
a11
a21
...
an1
9
lgebra Linear
a12
a22
...
an 2
...
a1n
...
a2 n
0
...
...
... ann
2012
Equao Caracterstica
Este determinante equivale EQUAO ALGBRICA de grau n:
n 1n 1 2 n 2 ... n 0
Para que a equao
Ax b
relao ao vetor V, o escalar
tenha solues NO TRIVIAIS em

deve satisfazer a equao acima. As
solues da equao acima so chamadas de AUTOVALORES da

matriz A;
Note tambm que a equao
A I v 0
HOMOGNEO com n equaes e n incgnitas

10
lgebra Linear
vi
um sistema
2012
Equao Caracterstica
As solues v da equao
A I v 0
so chamadas de
AUTOVETORES da matriz A. Ressalta-se que, por definio, um

autovetor NO PODE SER NULO.
Neste curso ser dada nfase ao estudo de autovalores REAIS, ou

seja, no trabalharemos com autovalores COMPLEXOS.
11
lgebra Linear
2012
Exemplo 1-1
Determinar os autovalores e autovetores da matriz A:
Soluo: O primeiro passo determinar os autovalores associados

matriz. Para tanto, faz-se uso da equao:
A I 0
12
lgebra Linear
2012
Exemplo 1-2
A I 0
Ou seja:
Logo, os autovalores da matriz A so:
1 2
2 3
. Note tambm
que a matriz A apresenta um autovalor com MULTIPLICIDADE 2.
13
lgebra Linear
2012
Exemplo 1-3
Os autovetores so calculados com base no valor obtido para cada
autovalor, quais sejam:
1 2
2 3 .
Para
Av v
Logo o autovetor associado :
14
lgebra Linear
0

v1 0
a

, sendo
aR
2012
Exemplo 1-4
Para
Av v
O autovetor associado a 3 dado por:

2
15
lgebra Linear
2a
v2 a
a
2012
Exemplo 2-1
Determinar os autovalores e autovetores da matriz A:
Autovalores associados matriz A:
16
lgebra Linear
A I 0
2012
Exemplo 2-2
Autovetor associado: 1
1
Av v
Autovetores associados a 1 1 :
17
lgebra Linear
a
v1 , a 0
a
2012
Exemplo 2-2
Autovetor associado: 2
2
Av v
Autovetores associados a 2 2 :
18
lgebra Linear
CUIDADO !
O valor de a no
necessariamente
o mesmo a ser
adotado no
autovetor
associado ao
autovalor 1.
4a
v2
,a 0
a
2012
Comentrios
As caractersticas (AUTOVALORES E AUTOVETORES) da matriz A
representam QUANTIDADES FSICAS associadas ao problema sendo
modelado. Neste tpico no ser dada nfase ao significado destas
caractersticas. Estas informaes sero passadas em um outro
contexto do curso;
Contudo, vale ressaltar que identificar os autovalores e autovetores da

matriz A constitui uma importante etapa na resoluo do problema
desde que o conhecimento destes parmetros permite avaliar a
VIABILIDADE DE SOLUO do problema considerado.
19
lgebra Linear
MAURICIO Guimares da Silva,
Pesq
2012
ROTEIRO
Eigenvalue
Conceito
Ax x
Equao Caracterstica
Eigenvector

Exerccios
20
lgebra Linear
2012
Dependncia Linear
At o presente tpico foram discutidas vrias propriedades de matrizes,
determinantes e sistemas lineares. Por exemplo, considere o
PRODUTO das matrizes A e B, quais sejam:
2 0
A
1 1
1
B
2
Aplicando o mtodo aprendido em sala (linha x coluna):
2 0 1 2.1 0.2 2

AB

1 3 2 1.1 3.2 7
21
lgebra Linear
2012
Dependncia Linear
Observe que este produto tambm poderia ser realizado da seguinte
forma:
2 0 1
2
0 2
1. 2.
AB
1 3 2
1
3 7
Considerando cada coluna da matriz A como sendo um vetor, pode-se
dizer que o resultado obtido a partir do produto das matrizes A e B
uma COMBINAO LINEAR do vetores associados s colunas de A.
22
lgebra Linear
2012
Dependncia Linear
Considere que o vetor v assuma os valores x e y, ou seja:
x
v
y
Com base no conceito apresentado anteriormente, pode-se dizer que o
vetor b, associado ao lado direito do sistema de equaes lineares
abaixo um dos VETORES que podem ser obtidos a partir da
combinao linear entre os vetores coluna da matriz A.
Av b
23
lgebra Linear
2012
Dependncia Linear
Dentro deste contexto, pode-se dizer que quando o sistema de
equaes lineares NO APRESENTA SOLUO, no existe um vetor v
que satisfaa a equao
Av b ;
Quando um vetor puder ser escrito com sendo a combinao linear de

um conjunto de outros vetores, este conjunto de vetores chamado de
LINEARMENTE DEPENDENTE (LD). Caso contrrio, os vetores so
denominados de LINEARMENTE INDEPENDENTES (LI).
24
lgebra Linear
2012
Exemplo 3-1
Verifique se os vetores abaixo so LD:
1

v1 0
0

0

v2 1
0

0

v3 0
1

Soluo: Basta verificar se o sistema abaixo apresenta soluo NO

TRIVIAL:
25
lgebra Linear
2012
Exemplo 3-2
Claramente a soluo do sistema dada por:
Desde que somente a soluo TRIVIAL admitida, os vetores so

LINEARMENTE INDEPENDENTES. Em outras palavras, no
possvel escrever um vetor como uma combinao linear dos outros
vetores pertencentes ao conjunto.
26
lgebra Linear
2012
Exemplo 4-1
v2 4
7
0

v1 3
5

1

v3 2
3

Soluo: Aplicando os conceitos apresentados, tem-se:
a.
27
0
1
1 0

3 b. 4 c. 2 0
7
3 0
5
lgebra Linear
2012
Exemplo 4-2
Colocando-se na forma matricial: 0 1 1 a
3
5
4
7
2
3
b
c

0

0
0

0 1 1
Note que : 3 4 2 0 , logo o sistema INDETERMINADO, ou seja,
5 7 3
o sistema possui mais de uma soluo para o vetor (a,b,c). Portanto, os
vetores so LD. (Aluno, fornea exemplos de combinao linear entre estes
vetores)
28
lgebra Linear
2012
Exemplo 5-1
0
v2
1
1
v1
0
2
v3
1
Soluo: Aplicando os conceitos apresentados, tem-se:
a.
29
b.
0
lgebra Linear
1.
1
0

1 0
2012
Exemplo 5-2
2
0
1
b
Colocando na forma matricial: 1 0 a
Note que : 1 0 1 0, logo o sistema POSSVEL E DETERMINADO.
0 1
possvel encontrar solues NO TRIVIAIS.
Portanto, os vetores so LD.
30
lgebra Linear
2012
Comentrios
Em sntese, a avaliao da DEPENDNCIA LINEAR de um conjunto de
vetores requer a DISCUSSO do sistema linear formado;
Outro aspecto que deve ser ressaltado que, quando um conjunto de

vetores LINEARMENTE INDEPENDENTE possvel gerar atravs
destes, qualquer vetor no espao considerado, como sendo uma
combinao linear dos vetores pertencentes ao referido conjunto;
Este mesmo conceito pode ser aplicado ao espao de FUNES.

31
lgebra Linear
2012
Exerccios de Fixao
1-) Determine os autovalores e autovetores da matriz A:
32
lgebra Linear
2012
Exerccios de Fixao
A=
v1 0
a
1
a a. 1
a
1
33
a
1

v2 1 0 a. 0
a
1

lgebra Linear
2012
Exerccios de Fixao
34
lgebra Linear
2012
Exerccios de Fixao
35
lgebra Linear
2012
ROTEIRO
Eigenvalue
Conceito
Ax x
Equao Caracterstica
Eigenvector

Exerccios
36
lgebra Linear
2012
Propriedades: 1-1
Autovetores e Dependncia Linear
Quando os Autovalores de uma matriz A so repetidos os
autovetores so linearmente dependentes (LD).
Considere
vi
como sendo um autovetor da matriz A. Este autovetor
associado ao autovalor
da referida matriz. Portanto, pode-se
escrever:
Avi i vi
37
lgebra Linear
2012
Propriedades: 1-2
Se
for um escalar, vale a relao:
Avi ivi . Fazendo:
vi' vi
Tem-se:
38
Av v
'
i
'
i i
lgebra Linear
2012
Propriedades: 1-3
Portanto
como
'
i
'
i
tambm satisfaz
Avi i vi
. Tendo em vista a forma
foi definido, pode-se afirmar tambm que
'
i
v e vi
so
LINEARMENTE DEPENDENTES, desde que um vetor pode ser escrito

em funo do outro;
Outra observao importante que
vi' e vi
apresentam os MESMOS
AUTOVALORES. Dentro deste enfoque, conclui-se que quando a

matriz
A apresentar
autovalores
REPETIDOS,
os
associados sero LD.

39
lgebra Linear
autovetores
Avi' i vi'
Avi i vi
2012
Propriedades: 2
Matrizes Triangulares
Os autovalores de uma MATRIZ TRIANGULAR so dados
pelos elementos da diagonal principal.
40
lgebra Linear
2012
Propriedades: 3
Soma dos Autovalores de A
A SOMA dos autovalores de A igual ao TRAO da matriz A.
Sendo um polinmio de grau n, vlido afirmar tambm que:
41
lgebra Linear
2012
Propriedades: 4
Produto dos Autovalores de A
O PRODUTO dos autovalores de A igual ao DETERMINANTE
da matriz A.
A demonstrao desta propriedade obtida de forma direta a partir da

deduo apresentada na propriedade 4.
Aluno: Teste as propriedades 4 e 5 para uma matriz (2 x 2)

42
lgebra Linear
2012
Propriedades: 5-1
Diagonalizao de A (primeira abordagem)
Considere a matriz S formada a partir dos autovetores de A e
que os autovetores de A so LI, ento:
Note que:
43
lgebra Linear
2012
Propriedades: 5-2
Diagonalizao de A (primeira abordagem)
Pr multiplicando a expresso acima pela inversa da matriz S, tem-se:
Note, tem que EXISTIR a INVERSA

de S para que seja possvel a
DIAGONALIZAO de A
44
lgebra Linear
2012
Propriedades: 6-1
Matrizes Simtricas (Autovetores)
Os AUTOVETORES de matrizes SIMTRICAS so ORTOGONAIS.
j
aos autovetores v
i
Sejam
duas razes caractersticas distintas, associadas
vj
. Deseja-se provar que:
viT v j 0
para matrizes SIMTRICAS.
45
lgebra Linear
2012
Propriedades: 6-2
Para
, vale a relao:
Avi i vi
Aplicando o operador TRANSPOSTA:
v Av
T
i
Ps multiplicando pelo vetor
T
i i
vj
, tem-se:
viT Av j i viT v j
46
lgebra Linear
2012
Propriedades: 6-3
Da definio de
vj
Av j j v j
Pr multiplicando por
viT
viT Av j j viT v j
47
lgebra Linear
2012
Propriedades: 6-4
Logo, temos o sistema:
viT Av j i viT v j
T
T
v
Av
v
i
j
j i vj
Subtraindo estas equaes:
Logo:
48
v vj 0
T
i
C.Q.D
lgebra Linear
v v
i
T
i
Desde que os
autovalores so
DISTINTOS
2012
Propriedades: 7
Matrizes Simtricas (Autovalores)
Os AUTOVALORES de matrizes SIMTRICAS so NMEROS
REAIS.
Pesquisa para o aluno !
Matrizes SIMTRICAS constituem um grande campo de aplicao da

matemtica. Neste contexto, prioritrio entender o novo conceito
adquirido, qual seja:
49
viT v j 0
lgebra Linear
i R
2012
ROTEIRO
Eigenvalue
Conceito
Ax x
Equao Caracterstica
Eigenvector

Exerccios
50
lgebra Linear
2012
Exemplo Clssico
7- Tpico de prova!) Considere a matriz A:
2 1
A
1 2
Determine:
i ;
b) Autovetores de A: v ;
i
a) Autovalores de A:
c) Verifique se os autovetores de A so LI;

d) Verifique se os autovetores de A so ORTOGONAIS;
e) Determine a matriz que DIAGONALIZA A.
51
lgebra Linear
2012
Soluo 1
2 1
1 2
Autovalores da matriz A:
Equao Caracterstica:
A I 0
2
1
1
0
2
2 4 3 0
1 3 0
1 1
2 3
52
lgebra Linear
2012
Soluo 2.1
Autovetores da matriz A:
Equao Homognea:
2 1
1 2
vi
A i I vi 0
2
1
1
0
2
Para: 1
1
1 1 v1
0
1 1 v2
2 1 1
v1 0
2 1
1
1
v1 a
1
53
lgebra Linear
2012
Soluo 2.2
Autovetores da matriz A:
Equao Caracterstica:
2 1
1 2
vi
A i I vi 0
2
1
1
0
2
Para: 3
2
1 1
1 1
1
23
v2 0
2 3
1
v1
0
v2
1
v2 b
1
54
lgebra Linear
2012
Soluo 3
1
Os Autovetores de A so LI ?
v1 a
1
v2 b
1
Para que os autovetores de A sejam LI, o sistema abaixo deve

apresentar apenas SOLUO TRIVIAL.
1
1
a
b 0
1
1
a.v1 b.v2 0
1 1
0
1 1
55
1 1 a
0
1 1 b
O sistema admite
APENAS a soluo
TRIVIAL.
Logo os vetores so LI.
lgebra Linear
2012
Soluo 4
1
Os Autovetores de A so ORTOGONAIS ?
v1 a
1
v2 b
1
Para que os autovetores de A sejam ortogonais, o produto escalar

entre estes deve ser zero, ou seja:
vT1 v2 0
1
1 1 0
1
Ok !
1 1 0
Os autovetores de A
so ORTOGONAIS.
56
lgebra Linear
2012
Soluo 5.1
1
Determine a matriz que DIAGONALIZA A.
v1 a
1
v2 b
1
Desde
que
os
AUTOVETORES
de
so
LINEARMENTE
INDEPENDENTES, a matriz que DIAGONALIZA A aquela formada

pelos autovetores de A.
v1
v2
1 1

1 1
Pergunta-se: Para que valores de a e b, a matriz A diagonalizvel ?
57
lgebra Linear
2012
Soluo 5.2
1
De acordo com a propriedade 5:
v1 a
1 0
A D
0 1
1
Observe que:
1 1
1 1
Foi adotado
a=b= 1
1 1
A
1 1
1
58
1
v2 b
1
lgebra Linear
2 1 1 1
1 2 1 1
2012
Soluo 5.3
Inversa da matriz dos autovetores:
Cof T
1 1

1 1
1
1 1 1

2 1 1
1 1
2 3
Logo:
Ok !
1 1 1 2 1 1 1 1 0

A
2 1 1 1 2 1 1 0 3
1
59
lgebra Linear
2012
Exerccio de Fixao
8-) Considere a matriz A:
Determine:
i ;
b) Autovetores de A: v ;
i
a) Autovalores de A:
c) Verifique se os autovetores de A so LI;

d) Verifique se os autovetores de A so ORTOGONAIS;
e) Determine a matriz que DIAGONALIZA A (mostrar a verificao!).
60
lgebra Linear
2012
Exerccios de Fixao
Respostas-) Determine a matriz P que DIAGONALIZA a matriz A:
61
lgebra Linear
2012

Aula 2 - Autovalores e Autovetores

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Aula 2 - Autovalores e Autovetores

Transféré par

Droits d'auteur :

Formats disponibles

ALCV

MAURICIO Guimares da Silva, Pesq

Dependncia e Independncia Linear

Propriedades dos Autovalores e Autovetores

Ref: Shifrin, T & Adams, M.R, lgebra Linear, LTC

MAURICIO Guimares da Silva, Pesq

Dependncia e Independncia Linear

Propriedades dos Autovalores e Autovetores

Ref: Shifrin, T & Adams, M.R, lgebra Linear, LTC

MAURICIO Guimares da Silva, Pesq

MAURICIO Guimares da Silva, Pesq

A matriz A contm todas as informaes associadas ao problema em

MAURICIO Guimares da Silva, Pesq

Neste tpico so apresentadas algumas tcnicas desenvolvidas no

MAURICIO Guimares da Silva, Pesq

Dependncia e Independncia Linear

Propriedades dos Autovalores e Autovetores

Ref: Shifrin, T & Adams, M.R, lgebra Linear, LTC

MAURICIO Guimares da Silva, Pesq

um escalar. Manipulando-se algebricamente, tem-se:

MAURICIO Guimares da Silva, Pesq

relao ao vetor V, o escalar

tenha solues NO TRIVIAIS em

solues da equao acima so chamadas de AUTOVALORES da

HOMOGNEO com n equaes e n incgnitas

MAURICIO Guimares da Silva, Pesq

AUTOVETORES da matriz A. Ressalta-se que, por definio, um

Neste curso ser dada nfase ao estudo de autovalores REAIS, ou

MAURICIO Guimares da Silva, Pesq

Soluo: O primeiro passo determinar os autovalores associados

MAURICIO Guimares da Silva, Pesq

Logo, os autovalores da matriz A so:

que a matriz A apresenta um autovalor com MULTIPLICIDADE 2.

MAURICIO Guimares da Silva, Pesq

Logo o autovetor associado :

MAURICIO Guimares da Silva, Pesq

O autovetor associado a 3 dado por:

MAURICIO Guimares da Silva, Pesq

Autovalores associados matriz A:

MAURICIO Guimares da Silva, Pesq

Contudo, vale ressaltar que identificar os autovalores e autovetores da

Dependncia e Independncia Linear

Propriedades dos Autovalores e Autovetores

Ref: Shifrin, T & Adams, M.R, lgebra Linear, LTC

MAURICIO Guimares da Silva, Pesq

Aplicando o mtodo aprendido em sala (linha x coluna):

MAURICIO Guimares da Silva, Pesq

MAURICIO Guimares da Silva, Pesq

MAURICIO Guimares da Silva, Pesq

Quando um vetor puder ser escrito com sendo a combinao linear de

MAURICIO Guimares da Silva, Pesq

Soluo: Basta verificar se o sistema abaixo apresenta soluo NO

MAURICIO Guimares da Silva, Pesq

Desde que somente a soluo TRIVIAL admitida, os vetores so

MAURICIO Guimares da Silva, Pesq

Soluo: Aplicando os conceitos apresentados, tem-se:

MAURICIO Guimares da Silva, Pesq

MAURICIO Guimares da Silva, Pesq

Soluo: Aplicando os conceitos apresentados, tem-se:

Colocando na forma matricial: 1 0 a

Note que : 1 0 1 0, logo o sistema POSSVEL E DETERMINADO.

possvel encontrar solues NO TRIVIAIS.

Portanto, os vetores so LD.