Baixe o app para aproveitar ainda mais
Prévia do material em texto
n. 35 – AUTOVALORES e AUTOVETORES ou VALORES e VETORES PRÓPRIOS ou VALORES CARACTERÍSTICOS e VETORES CARACTERÍSTICOS Aplicações: estudo de vibrações, dinâmica populacional, estudos referentes à Genética, Mecânica Quântica, Economia e Geometria. Fonte: Disponível em: <https://www.youtube.com/watch?v=esWX5oYm_rA> Acesso em: 20 nov./ 2016. Genética: a quantidade de genótipos AA, Aa, aa resultante das combinações, conforme forem passando as gerações é calculada como sendo os autovalores e os autovetores de certa matriz. Pedaço de viga de uma ponte: ao analisarmos um pedaço de viga, observamos que ele está sujeito a diversas tensões. A maior e a menor tensão que este objeto sofre é calculada encontrando os autovalores de certa matriz. Sistema massa x mola: dada uma mola e colando-se nessa mola uma massa a estabilidade desse sistema pode ser obtida calculando-se os autovalores e os autovetores de certa matriz. Pesquisa de algum tema na Internet: ao digitar uma palavra no Google aparece no buscador os sites que podemos consultar. O Google sabe quais são os sites “mais importantes”, devido a certa matriz, que faz a relação entre os diversos sites, procurando autovetores e autovalores e aplicando um algoritmo de busca desenvolvido por eles (PageRank), eles estabelecem o critério de qual site é mais importantes que outros. Toda a transformação linear possui uma matriz associada, fixando- se as bases. Dada uma transformação linear de um espaço vetorial T: V⟶ V (um operador linear), estamos interessados em saber quais vetores são levados em um múltiplo de si mesmo. Procuramos um vetor �⃗� ∈ V e um escalar α ∈ℝ tais que T(�⃗�) = α �⃗�. O escalar α será chamado de autovalor de T e o vetor �⃗� é um autovetor de T. Definição: Seja T: V⟶V um operador linear. Se existem �⃗� ∈ V, �⃗� ≠ 0, e α∈ℝ tais que T(�⃗�) = α �⃗�, α é um autovalor de T e �⃗� é um autovetor de T associado a α. Obs.: α pode ser o número zero (0), mas �⃗� não pode ser o vetor nulo. Um vetor, �⃗� ≠ 0 é autovetor se a imagem T(�⃗�) for um múltiplo escalar de �⃗�. No R2 e R3 diríamos que �⃗� e T (�⃗�) têm a mesma direção. Logo, dependendo do valor de α, o operador T dilata �⃗�, contrai �⃗�, inverte o sentido ou anula no caso de α = 0. α �⃗⃗⃗� �⃗⃗⃗� V T ( �⃗⃗⃗�) V a) Na primeira figura abaixo, o vetor �⃗� ∈ R2 é um vetor próprio que dilata �⃗�, porque α > 1. b) Na segunda figura observamos que �⃗� não é um autovetor de T, pois T(�⃗�) ≠ α �⃗� . Para encontrar os autovalores e autovetores de TA, devemos resolver a equação: TA (�⃗�) = α �⃗� Exemplos: 1. Verifique se os vetores �⃗�1 e �⃗�2 são autovetores do operador linear T: ℝ2⟶ℝ2, tal que T (x, y) = (4 x + 5 y, 2 x + y) a) �⃗�1 = (5, 2) Resolução: (4 . 5 + 5 . 2, 2 . 5 + 2) = (30, 12) Logo, 6. (5, 2) = 6 . v = (30, 12), portanto, o autovalor é α = 6 b) �⃗�2 = (2, 1) Resolução: (4 . 2 + 5 . 1, 2 . 2 + 1) = (13, 5) Logo, ∄ α.(2, 1) = (13, 5), portanto, v2 = (2, 1) não é autovetor deste operador linear. 2. Determine os autovalores e os autovetores associados à transformação T: ℝ2⟶ℝ2, tal que T (x, y) = (2x , 2y) Resolução: Abrindo o vetor nas variáveis livres: (2x, 2y) x (2, 0) + y (0, 2) (2x, 0y) + (0x , 2y) Coordenadas de x: (2, 0) Coordenadas de y: (0, 2) T(x, y) = [ 2 0 0 2 ] . [ 𝑥 𝑦] = [ 2 𝑥 2 𝑦 ] = 2. [ 𝑥 𝑦] Neste caso, 2 é um autovalor de T e qualquer vetor (x, y) ≠ (0, 0) é um autovetor associado ao autovalor 2. Observe geometricamente: T 3. Considere a matriz A = [ 2 2 0 1 ]. Determine os autovalores e os autovetores associados à transformação TA (x, y). Resolução: só para lembrar, a regra da transformação é: (2x + 2y, 0x + 1y) = (2x + 2y, y) T(x, y) = [ 2 2 0 1 ] . [ 𝑥 𝑦] = [ 2 𝑥 + 2 𝑦 𝑦 ] = (2x + 2y, y) Lembrando que, para encontrar os autovalores e autovetores de TA, devemos resolver a equação: TA (�⃗�) = α �⃗� Ou [ 2 𝑥 + 2 𝑦 𝑦 ] = α [ 𝑥 𝑦] [ 2 𝑥 + 2 𝑦 𝑦 ] = [ 𝛼 𝑥 𝛼 𝑦] O que resulta no sistema: { 2 𝑥 + 2 𝑦 = 𝛼 𝑥 𝑦 = 𝛼 𝑦 Logo, podemos ter: (i) y ≠ 0 e (ii) y = 0 (i) y ≠ 0 da segunda equação α = 1 Logo, 2 𝑥 + 2 𝑦 = 𝑥 𝑦 = − 1 2 𝑥. Assim, para o autovalor α = 1, o autovetor é (𝑥, − 1 2 𝑥) com x ≠ 0 (ii) y = 0 { 2 𝑥 + 2 𝑦 = 𝛼 𝑥 𝑦 = 𝛼 𝑦 { 2 𝑥 + 2 (0) = 𝛼 𝑥 0 = 𝛼 0 { 2 𝑥 = 𝛼 𝑥 0 = 0 { 2 = 𝛼 0 = 0 Logo, então o x tem que ser diferente de zero, pois caso contrário o autovalor (x, y) seria o vetor nulo (0, 0), o que contraria a definição de autovetor. Assim, o autovetor associado ao autovalor 𝛼 = 2 é (x, 0), ou x (1, 0) com x ≠ 0. Assim, para essa transformação temos: os autovetores (𝑥, − 1 2 𝑥), com x ≠ 0 associado ao autovalor 1 os autovetores (𝑥, 0) , com x ≠ 0 associados ao autovalor 2. AUTOVALOR E AUTOVETOR DE UMA MATRIZ Seja o operador linear T: ℝ3⟶ℝ3, cuja matriz canônica é: 𝐴 = [ 𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 𝑎31 𝑎32 𝑎33 ] → 𝐴 = [𝑇𝐴] (em relação à base canônica) Logo, A é a transformação. Assim pela definição temos que T(�⃗�) = α �⃗�, no caso das matrizes a relação fica: A . �⃗� = α �⃗� Se �⃗� e α são respectivamente autovetor e autovalor do operador T temos: A . �⃗� = α �⃗� A . �⃗� – α �⃗� = 0 Tendo em vista que �⃗� pode ser escrito como I.�⃗� (onde I é a matriz identidade), podemos escrever a equação acima como: A . �⃗� – α (I. �⃗�) = 0 A . �⃗� – α I �⃗� = 0 �⃗� (A – α I) = 0 Lembrando que, para que o sistema admita soluções não nulas, �⃗� ≠ 0, então, (A – α I) = 0 Como: �⃗� = (𝑥, 𝑦, 𝑧) ≠ (0, 0, 0) 𝑒 𝑛𝑜 𝑐𝑎𝑠𝑜 𝑑𝑎𝑠 𝑚𝑎𝑡𝑟𝑖𝑧𝑒𝑠: �⃗� = [ 𝑥 𝑦 𝑧 ] ≠ [ 0 0 0 ] Deve-se ter então: det (A - α I) = 0 𝑑𝑒𝑡 ([ 𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 𝑎31 𝑎32 𝑎33 ] − 𝛼 [ 1 0 0 0 1 0 0 0 1 ]) = 0 𝑑𝑒𝑡 ([ 𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 𝑎31 𝑎32 𝑎33 ] − [ 𝛼 0 0 0 𝛼 0 0 0 𝛼 ]) = 0 𝑑𝑒𝑡 ([ 𝑎11 − 𝛼 𝑎12 𝑎13 𝑎21 𝑎22 − 𝛼 𝑎23 𝑎31 𝑎32 𝑎33 − 𝛼 ] = 0 A equação det (A - α I) = 0 é denominada equação característica do operador T ou da matriz A, e suas raízes são os autovalores do operador T ou da matriz A. O determinante det (A - α I) é um polinômio em α, denominado polinômio característico. PROPRIEDADES DOS AUTOVALORES E AUTOVETORES i) Se �⃗� é autovetor associado ao autovalor α de um operador linear T, o vetor α �⃗�, para qualquer real α ≠ 0, é também autovetor de T associado ao mesmo α. T (�⃗�) = α �⃗� ii) Matrizes semelhantes têm o mesmo polinômio característico e, portanto, os mesmos autovalores. Definição: Duas matrizes quadradas A e B são semelhantes se existe uma matriz inversível P, tal que B = P-1 AP. Um conjunto de autovetores obtidos quando α1 ≠ α2 constitui uma base. P é a matriz formada por essa base. Teorema: Duas matrizes quadradas A e B são semelhantes se, e somente se, possuem o mesmo determinante. Matrizes semelhantes têm os mesmos autovalores. Exercícios: 1. Determine os autovalores e autovetores da matriz 𝐴 = [ 4 5 2 1 ] Resolução: a) A equação característica de A é: det (A - α I) = 0 det [ 4 5 2 1 ] − [ 𝛼 0 0 𝛼 ] = 0 det [ 4 − 𝛼 5 2 1 − 𝛼 ] = 0 (4 – α) . (1 – α) – 5 . 2 = 0 4 – 4 α – α + α2 – 10 = 0 α2 – 5 α – 6 = 0 Logo, (α +1) . (α – 6) = 0 Logo, as raízes são: α1 = - 1 e α2 = 6 Logo, as raízes são os autovalores da matriz A. b) Para determinarmos os autovetores fazemos: [(A - α I)] . �⃗� = 0 Como queremos descobrir �⃗�, fazemos �⃗� = (x, y) [ 4 5 2 1 ] − [ 𝛼 0 0 𝛼 ] . [ 𝑥 𝑦] = [ 0 0 ] [ 4 − 𝛼 5 2 1 − 𝛼 ] . [ 𝑥 𝑦] = [ 0 0 ] Agora usamos os autovalores encontrados anteriormente: α1 = - 1 e α2 = 6 b1) Para α1 = - 1 [ 4 − (−1) 5 2 1 − (−1) ] [ 𝑥 𝑦] = [ 0 0 ] [ 5 5 2 2 ] [ 𝑥 𝑦] = [ 0 0 ] { 5𝑥 + 5𝑦 = 0 2𝑥 + 2𝑦 = 0 Logo, y = - x portanto, o sistema admite infinitas soluções. Assim, v1 = (x, - x) v1=x(1,- 1) com x≠0 são autovetores associados ao autovalor α = - 1 b2) Para α2 = 6 [ 4 − (6) 5 2 1 − (6) ] [ 𝑥 𝑦] = [ 0 0 ] [ −2 5 2 −5 ] [ 𝑥 𝑦] = [ 0 0 ] { −2𝑥 + 5𝑦 = 0 2𝑥 − 5𝑦 = 0 Logo, 𝑦 = 2 5 𝑥 portanto, o sistema admite infinitas soluções. Assim, v2 = (𝑥, 2 5 𝑥 ) v2 = x (1, 2 5 ) com x ≠ 0 ou um múltiplo: (5,2) são autovetores associados ao autovalor α = 6 2. Determine os autovalores e autovetores da matriz 𝐴 = [ − 3 4 −1 2 ] Resposta: Autovalor α1 = - 2 e autovetor (4 y, y) = y (4, 1) = (4, 1) com y ≠ 0 Autovalor α2 = 1 e autovetor (y, y) = y (1, 1) = (1,1) com y ≠ 0 Resolução: a) A equação característica de A é: det (A - α I) = 0 det [ − 3 4 − 1 2 ] − [ 𝛼 0 0 𝛼 ] = 0 det [ −3 − 𝛼 4 −1 2 − 𝛼 ] = 0 (- 3 – α) . (2 – α) – 4 . (-1) = 0 - 6 + 3 α – 2 α + α2 +4 = 0 α2 + α – 2 = 0 Logo, (α +1) . (α + 2) = 0 Logo, as raízes são: α1 = - 2 e α2 = 1 Logo, as raízes são os autovalores da matriz A. b) Para determinarmos os autovetores fazemos: (A - α I) . v = 0 Como queremos descobrir v, fazemos v = (x, y) [ − 3 4 −1 2 ] − [ 𝛼 0 0 𝛼 ] [ 𝑥 𝑦] = [ 0 0 ] [ −3 − ( 𝛼) 4 −1 2 − (𝛼) ] [ 𝑥 𝑦] = [ 0 0 ] Agora usamos os autovalores encontrados anteriormente: α1 = - 2 e α2 = 1 b1) Para α1 = - 2 [ −3 − (−2) 4 −1 2 − (−2) ] [ 𝑥 𝑦] = [ 0 0 ] [ − 3 + 2 4 −1 2 + 2 ] [ 𝑥 𝑦] = [ 0 0 ] [ −1 4 −1 4 ] [ 𝑥 𝑦] = [ 0 0 ] { −𝑥 + 4𝑦 = 0 −𝑥 + 4𝑦 = 0 Logo, x = 4y Assim, v1 = (4 y, y) = y (4, 1) = (4, 1) v1=(4, 1) com y ≠ 0 são autovetores associados ao autovalor α1 = - 2 b2) Para α2 = 1 [ − 3 − 1 4 − 1 2 − 1 ] [ 𝑥 𝑦] = [ 0 0 ] [ −4 4 − 1 1 ] [ 𝑥 𝑦] = [ 0 0 ] { −4𝑥 + 4𝑦 = 0 −𝑥 + 𝑦 = 0 Logo, y = x Assim, v2 = (𝑦, 𝑦 ) v2 = y (1, 1 ) v2 = (1, 1) com y ≠ 0 é um autovetor associado ao autovalor α = 1 Exercícios: 1. Ache os valores e os vetores próprios do operador T do ℝ2 dado por: a. T(𝑥, 𝑦) = (−𝑥, −𝑦) R: − 1 e qualquer vetor não nulo. b. T(1, 0) = ( 0, −1) e T(0, 1) = (1, 0) R: Não há valores próprios reais. 2. Calcule o polinômio característico e os valores próprios das seguintes matrizes: a. [ 2 0 1 1 ] R: α2 – 3 α + 2 = 0 é o polinômio característico e os valores próprios são: α1 = 2 e α2 = 1. b. [ −1 −1 −3 1 ] R: α2 – 4 = 0 é o polinômio característico e os valores próprios são: α1 = 2 e α2 = - 2. c. [ 2 1 0 1 ] R: α2 – 3 α +1 = 0 é o polinômio característico e os valores próprios são: α1 = 3+√5 2 e α2 = 3−√5 2 d. [ −1 −3 −1 1 ] R: α2 – 4 = 0 é o polinômio característico e os valores próprios são: α1 = 2 e α2 = - 2. e. [ 1 2 3 0 1 2 0 0 1 ] R: −𝛼3 + 3𝛼2 − 3𝛼 + 1 = 0 é o polinômio característico, para o autovalor α1 = 1 o autovetor é 𝑥 (1, 0, 0), com 𝑥 ≠ 0 . f. [ 1 2 1 0 2 3 0 0 4 ] R: 𝛼3 + 7𝛼2 − 14𝛼 + 8 = 0 é o polinômio característico, para o autovalor α1 = 1 o autovetor é 𝑥 (1, 0, 0), com 𝑥 ≠ 0, para α2 = 2 o autovetor é 𝑦 (2,1, 0), com y ≠ 0 e para α3 = 4 o autovetor é 𝑧 (8, 9, 6), com 𝑥 ≠ 0 . 3. Encontre o polinômio característico das seguintes matrizes: a. [ 4 2 0 −1 1 0 0 1 2 ] R: – α3 + 7 α2 – 16 α + 12 = 0 é o polinômio característico. b. [ −1 −4 14 2 −7 14 2 −4 11 ] R: −𝛼3 + 3𝛼2 + 45𝛼 + 81 = 0 é o polinômio característico 4. Mostre que 2 é autovalor de: [ 3 −1 1 −1 5 1 1 −1 3 ] Resolução das questões: 1. Ache os valores e os vetores próprios do operador T do ℝ2 dado por: a. T(𝑥, 𝑦) = (−𝑥, −𝑦) Para encontrar os autovalores e autovetores de TA, devemos resolver a equação: TA (�⃗�) = α �⃗� Ou [ −𝑥 −𝑦] = α [ 𝑥 𝑦] [ −𝑥 −𝑦] = [ 𝛼 𝑥 𝛼 𝑦] O que resulta no sistema: { −𝑥 = 𝛼 𝑥 → 𝛼 = −1 −𝑦 = 𝛼 𝑦 → 𝛼 = −1 Logo, para o autovalor 𝛼 = −1 o autovetor associado é qualquer vetor 𝑛ã𝑜 𝑛𝑢𝑙𝑜. b. T(1, 0) = ( 0, −1) e T(0, 1) = (1, 0) Primeiro temos que achar a transformação linear: Seja 𝑇(1, 0) = ( 0, −1) 𝑒 𝑇(0, 1) = (1, 0) encontre T (x, y). Resolução: (x, y) = 𝛼 (v1 ) + 𝛽 (v2 ) (x, y) = 𝛼 (1, 0) + 𝛽 (0, 1) { 𝑥 = 𝛼 𝑦 = 𝛽 F(u1) = (0, -1) F(u2) = (1, 0) Assim, T(x, y) = 𝛼 F(u1) + 𝛽 F(u2) T(x, y) = x . (0, -1) + y . (1, 0) T(x, y) = (0 , - x)+ (y, 0) T(x, y) = (y , - x) Para encontrar os autovalores e autovetores de TA, devemos resolver a equação: TA (�⃗�) = α �⃗� Ou [ 𝑦 −𝑥 ] = α [ 𝑥 𝑦] [ 𝑦 −𝑥 ] = [ 𝛼 𝑥 𝛼 𝑦] O que resulta no sistema: { 𝑦 = 𝛼 𝑥 → 𝛼 = 𝑦 𝑥 −𝑥 = 𝛼 𝑦 → 𝛼 = − 𝑥 𝑦 R: Como y x ≠ − x y , não há valores próprios reais. 2. Calcule o polinômio característico e os valores próprios das seguintes matrizes: a. [ 2 0 1 1 ] Resolução: A equação característica de A é: det (A - α I) = 0 det [ 2 0 1 1 ] − [ 𝛼 0 0 𝛼 ] = 0 det [ 2 − 𝛼 0 1 1 − 𝛼 ] = 0 (2 – α) . (1 – α) – 0 . (1) = 0 2 – 2 α – α + α2 = 0 α2 – 3 α + 2 = 0 esse é o polinômio característico. Encontrando as raízes da equação: −𝑏 ± √𝑏2 − 4𝑎𝑐 2𝑎 = −(−3) ± √(−3)2 − 4(1)(2) 2(1) = 3 ± √9 − 8 2 = 3 ± √1 2 = 3 ± 1 2 𝛼′ = 2 𝑒 𝛼′′ = 1 Assim, as raízes da equação são: α1 = 2 e α2 = 1 Logo, as raízessão os autovalores da matriz A. α2 – 3 α + 2 = 0 é o polinômio característico e os valores próprios são: α1 = 2 e α2 = 1. b. [ −1 −1 −3 1 ] Resolução: A equação característica de A é: det (A - α I) = 0 det [ −1 −1 −3 1 ] − [ 𝛼 0 0 𝛼 ] = 0 det [ −1 − 𝛼 −1 − 0 −3 − 0 1 − 𝛼 ] = 0 (-1 – α) . (1 – α) – (-1) . (-3) = 0 - 1+ α – α + α2 - 3 = 0 α2 – 4 = 0 esse é o polinômio característico. Encontrando as raízes da equação: −𝑏 ± √𝑏2 − 4𝑎𝑐 2𝑎 = −(0) ± √(0)2 − 4(1)(−4) 2(1) = ±√16 2 = ±4 2 𝛼′ = 2 𝑒 𝛼′′ = −2 Assim, as raízes da equação são: α1 = 2 e α2 = - 2 Logo, as raízes são os autovalores da matriz A. R: α2 – 4 = 0 é o polinômio característico e os valores próprios são: α1 = 2 e α2 = - 2. c. [ 2 1 0 1 ] Resolução: A equação característica de A é: det (A - α I) = 0 det [ 2 1 0 1 ] − [ 𝛼 0 0 𝛼 ] = 0 det [ 2 − 𝛼 1 − 0 0 − 0 1 − 𝛼 ] = 0 (2 – α) . (1 – α) – (1) = 0 2 - 2α – α + α2 - 1 = 0 α2 – 3 α +1 = 0 esse é o polinômio característico. Encontrando as raízes da equação: −𝑏 ± √𝑏2 − 4𝑎𝑐 2𝑎 = −(−3) ± √(−3)2 − 4(1)(1) 2(1) = 3 ± √9 − 4 2 = 3 ± √5 2 𝛼′ = 3 + √5 2 𝑒 𝛼′′ = 3 − √5 2 Assim, as raízes da equação são: α1 = 3+√5 2 e α2 = 3−√5 2 Logo, as raízes são os autovalores da matriz A. R: α2 – 3 α +1 = 0 é o polinômio característico e os valores próprios são: α1 = 3+√5 2 e α2 = 3−√5 2 d. [ −1 −3 −1 1 ] Resolução: A equação característica de A é: det (A - α I) = 0 det [ −1 −3 −1 1 ] − [ 𝛼 0 0 𝛼 ] = 0 det [ −1 − 𝛼 −3 − 0 −1 − 0 1 − 𝛼 ] = 0 (-1 – α) . (1 – α) – (-3) . (-1) = 0 - 1+ α – α + α2 - 3 = 0 α2 – 4 = 0 esse é o polinômio característico. Encontrando as raízes da equação: −𝑏 ± √𝑏2 − 4𝑎𝑐 2𝑎 = −(0) ± √(0)2 − 4(1)(−4) 2(1) = ±√16 2 = ±4 2 𝛼′ = 2 𝑒 𝛼′′ = −2 Assim, as raízes da equação são: α1 = 2 e α2 = - 2 Logo, as raízes são os autovalores da matriz A. R: α2 – 4 = 0 é o polinômio característico e os valores próprios são: α1 = 2 e α2 = - 2. e. [ 1 2 3 0 1 2 0 0 1 ] A equação característica de A é: det (A - α I) = 0 𝑑𝑒𝑡: [ 1 − 𝛼 2 3 0 1 − 𝛼 2 0 0 1 − 𝛼 ] = 0 [ 1 − 𝛼 2 3 | 1 − 𝛼 2 0 1 − 𝛼 2 | 0 1 − 𝛼 0 0 1 − 𝛼 | 0 0 ] = 0 (1 − 𝛼)(1 − 𝛼)(1 − 𝛼) = 0 (1 − 𝛼 − 𝛼 + 𝛼2)(1 − 𝛼) = 0 (1 − 𝛼 − 𝛼 + 𝛼2 − 𝛼 + 𝛼2 + 𝛼2 − 𝛼3) = 0 −𝛼3 + 3𝛼2 − 3𝛼 + 1 = 0 Para o autovalor 𝛼 = 1 temos: [ 1 − 𝛼 2 3 0 1 − 𝛼 2 0 0 1 − 𝛼 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ 1 − 1 2 3 0 1 − 1 2 0 0 1 − 1 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ 0 2 3 0 0 2 0 0 0 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] { 2𝑦 + 3𝑧 = 0 2𝑧 = 0 0 = 0 → { 𝑦 = 0 𝑧 = 0 0 = 0 Como, 𝑦 = 0 𝑒 𝑧 = 0, temos que ter que 𝑥 ≠ 0, logo: Com 𝑥 ≠ 0 temos o autovetor: (𝑥, 0, 0) = 𝑥 (1, 0, 0) R: −𝛼3 + 3𝛼2 − 3𝛼 + 1 = 0 é o polinômio característico, para o autovalor α1 = 1 o autovetor é 𝑥 (1, 0, 0), com 𝑥 ≠ 0 . (Boldrini, p. 195) f. [ 1 2 1 0 2 3 0 0 4 ] A equação característica de A é: det (A - α I) = 0 𝑑𝑒𝑡: [ 1 − 𝛼 2 1 0 2 − 𝛼 3 0 0 4 − 𝛼 ] = 0 𝑀𝑎𝑡𝑟𝑖𝑧 𝑡𝑟𝑖𝑎𝑛𝑔𝑢𝑙𝑎𝑟, 𝑝𝑜𝑟𝑡𝑎𝑛𝑡𝑜 𝑜 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 é 𝑜 𝑝𝑟𝑜𝑑𝑢𝑡𝑜 𝑑𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙. (1 − 𝛼)(2 − 𝛼)(4 − 𝛼) = 0 (2 − 𝛼 − 2𝛼 + 𝛼2)(4 − 𝛼) = 0 (2 − 3𝛼 + 𝛼2)(4 − 𝛼) = 0 (8 − 12𝛼 + 4𝛼2 − 2𝛼 + 3𝛼2 − 𝛼3) = 0 𝛼3 + 7𝛼2 − 14𝛼 + 8 = 0 Autovalores: 𝛼1 = 1 , 𝛼2 = 2 𝑒 𝛼3 = 4 Para o autovalor 𝛼1 = 1 temos: [ 1 − 𝛼 2 1 0 2 − 𝛼 3 0 0 4 − 𝛼 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ 1 − 1 2 1 0 2 − 1 3 0 0 4 − 1 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ 0 2 1 0 1 3 0 0 3 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] { 2𝑦 + 𝑧 = 0 𝑦 + 3𝑧 = 0 3𝑧 = 0 → { 0 = 0 𝑦 = 0 𝑧 = 0 (𝑥, 0, 0) = 𝑥 (1, 0, 0) 𝑐𝑜𝑚 𝑥 ≠ 0 Para o autovalor 𝛼2 = 2 temos: [ 1 − 𝛼 2 1 0 2 − 𝛼 3 0 0 4 − 𝛼 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ 1 − 2 2 1 0 2 − 2 3 0 0 4 − 2 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ −1 2 1 0 0 3 0 0 2 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] { −𝑥 + 2𝑦 + 𝑧 = 0 3𝑧 = 0 2𝑧 = 0 → { −𝑥 = −2𝑦 𝑧 = 0 𝑧 = 0 → { 𝑥 = 2𝑦 𝑧 = 0 𝑧 = 0 (2𝑦, 𝑦, 0) = 𝑦 (2, 1, 0) 𝑐𝑜𝑚 𝑦 ≠ 0 Para o autovalor 𝛼3 = 4 temos: [ 1 − 𝛼 2 1 0 2 − 𝛼 3 0 0 4 − 𝛼 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ 1 − 4 2 1 0 2 − 4 3 0 0 4 − 4 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] [ −3 2 1 0 −2 3 0 0 0 ] . [ 𝑥 𝑦 𝑧 ] = [ 0 0 0 ] { −3𝑥 + 2𝑦 + 𝑧 = 0 −2𝑦 + 3𝑧 = 0 0 = 0 → { −3𝑥 = −2𝑦 − 𝑧 𝑦 = −3𝑧 −2 → { −3𝑥 = −2 ( 3𝑧 2 ) − 𝑧 𝑦 = 3𝑧 2 { −3𝑥 = −3𝑧 − 𝑧 𝑦 = 3𝑧 2 → { −3𝑥 = −4𝑧 𝑦 = 3𝑧 2 → { 𝑥 = −4𝑧 −3 𝑦 = 3𝑧 2 → { 𝑥 = 4𝑧 3 𝑦 = 3𝑧 2 ( 4𝑧 3 , 3𝑧 2 , 𝑧) = 𝑧 ( 4 3 , 3 2 , 1) 𝑐𝑜𝑚 𝑧 ≠ 0 𝑒 𝑝𝑎𝑟𝑎 𝑧 = 6 𝑡𝑒𝑚𝑜𝑠 6 ( 4 3 , 3 2 , 1) = (8, 9,6) 𝑐𝑜𝑚 𝑧 ≠ 0 R: 𝛼3 + 7𝛼2 − 14𝛼 + 8 = 0 é o polinômio característico, para o autovalor α1 = 1 o autovetor é 𝑥 (1, 0, 0), com 𝑥 ≠ 0, para α2 = 2 o autovetor é 𝑦 (2,1, 0), com y ≠ 0 e para α3 = 4 o autovetor é 𝑧 (8, 9, 6), com 𝑥 ≠ 0 . 3. Encontre o polinômio característico das seguintes matrizes: a. [ 4 2 0 −1 1 0 0 1 2 ] A equação característica de A é: det (A - α I) = 0 𝑑𝑒𝑡: [ 4 − 𝛼 2 0 −1 1 − 𝛼 0 0 1 2 − 𝛼 ] = 0 [ 4 − 𝛼 2 0 | 4 − 𝛼 2 −1 1 − 𝛼 0 | −1 1 − 𝛼 0 1 2 − 𝛼 | 0 1 ] = 0 (4 − 𝛼)(1 − 𝛼)(2 − 𝛼) + 2 (2 − 𝛼) = 0 −𝛼3 + 7𝛼2 − 16 𝛼 + 12 = 0 R: – α3 + 7 α2 – 16 α + 12 = 0 é o polinômio característico (Boldrini, p. 185) b. [ −1 −4 14 2 −7 14 2 −4 11 ] A equação característica de A é: det (A - α I) = 0 𝑑𝑒𝑡: [ −1 − 𝛼 −4 14 2 −7 − 𝛼 14 2 −4 11 − 𝛼 ] = 0 [ −1 − 𝛼 −4 14 | −1 − 𝛼 −4 2 −7 − 𝛼 14 | 2 −7 − 𝛼 2 −4 11 − 𝛼 | 2 −4 ] = 0 (−1 − 𝛼)(−7 − 𝛼)(11 − 𝛼) − 112 − 112 − 28(−7 − 𝛼) + 56(−1 − 𝛼) + 8(11 − 𝛼) = 0 (−1 − 𝛼)(−7 − 𝛼)(11 − 𝛼) − 224 + 196 + 28𝛼 − 56 − 56𝛼 + 88 − 8𝛼 = 0 (+7 + 𝛼 + 7𝛼 + 𝛼2)(11 − 𝛼) − 224 + 196 + 28𝛼 − 56 − 56𝛼 + 88 − 8𝛼 = 0 (7 + 8𝛼 + 𝛼2)(11 − 𝛼) − 224 + 196 + 28𝛼 − 56 − 56𝛼 + 88 − 8𝛼 = 0 +77 + 88𝛼 + 11𝛼2 − 7𝛼 − 8𝛼2 − 𝛼3 − 224 + 196 + 28𝛼 − 56 − 56𝛼 + 88 − 8𝛼 = 0 −𝛼3 + 11𝛼2 − 8𝛼2 + 28𝛼 + 88𝛼 − 56𝛼 − 8𝛼 − 7𝛼 − 56 + 88 − 224 + 196 + 77 = 0 −𝛼3 + 3𝛼2 + 45𝛼 + 81 = 0 R: −𝛼3 + 3𝛼2 + 45𝛼 + 81 = 0 é o polinômio característico (Boldrini, p. 195) 4. Mostre que 2 é autovalor de: [ 3 −1 1 −1 5 1 1 −1 3 ] Da equação característicatemos: det( [ 3 −1 1 −1 5 1 1 −1 3 ] − 𝛼𝐼) = 0 [ 3 − 𝛼 −1 1 −1 5 − 𝛼 1 1 −1 3 − 𝛼 ] = 0 Para 𝛼 = 2 temos: [ 3 − 2 −1 1 −1 5 − 2 1 1 −1 3 − 2 ] = 0 [ 1 −1 1 −1 3 1 1 −1 1 ] = 0 [ 1 −1 1 | 1 −1 −1 3 1 | −1 3 1 −1 1 | 1 −1 ] = 0 3 − 1 + 1 − 3 + 1 − 1 = 0 Logo, 2 é autovalor de [ 3 −1 1 −1 5 1 1 −1 3 ] . Referências Bibliográficas BOLDRINI, J. L. et al. Álgebra linear. São Paulo: Harper & Row, 1980. BORGES, A. J. Notas de aula. Curitiba. Set. 2010. Universidade Tecnológica Federal do Paraná – UTFPR. CALLIOLI, C. A. et al. Álgebra linear e aplicações. São Paulo: Atual, 1990. ANTON, H.; BUSBY, R. C. Álgebra linear contemporânea. São Paulo: Bookman, 2008. KOLMAN, B.; HILL, R. Introdução à álgebra linear com aplicações. 6ª ed. Rio de Janeiro: Prentice-Hall, 1998. LIPSCHUTZ, S. Álgebra linear. São Paulo: McGraw-Hill do Brasil, 1972. NUNES, Luiz Fernando. Notas de aula: Matemática 1. Professor do Departamento de Matemática da Universidade Tecnológica Federal do Paraná – UTFPR. STEINBRUCH, A. e WINTERLE, P. Álgebra linear. São Paulo: Pearson-Makron Books, 2010. VENTURI, J. J. Álgebra Vetorial e Geometria Analítica. 9 ed. Curitiba. 1949. AUTOVETORES E AUTOVALOES. Disponível em: <https://www.youtube.com/watch?v=esWX5oYm_rA> Acesso em: 20 nov./ 2016.
Compartilhar