Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
AUTOVALORES E AUTOVETORES Introdução Autovalores e Autovetores tem suas aplicações em quase todas as áreas onde vetores são utilizados. Matemática, Mecânica, Processamento digital de imagens, robótica, estatística, entre outras, Onde existem vetores e transformações, estão lá os autovalores e autovetores. Exemplo Geométrico Observe o par de vetores abaixo: Depois da transformação, o vetor tem direção diferente V2 Isso quer dizer que v’2 não pode ser representado por v2 multiplicado por um escalar. O vetor v1’ no entanto tem a mesma direção de v1 . Isso quer dizer que v1’ pode ser descrito como o produto de v1 por um escalar. v1 é chamado de vetor próprio (autovetor da transformação). E o escalar que transforma v1 em v’1é o valor próprio (autovalor ) associado à transformação. Seja T uma transformação linear e V em EV qualquer: T: V V Um vetor não nulo v no EV V é dito autovetor da transformação acima se existe um número real λ de forma que: T(v) = λv Se λ existe, então λ é o autovalor associado à transformação: v e T(v) são vetores paralelos. Obs.: 1. Os vetores próprios são também denominados vetores característicos ou autovetores. 2. Os valores próprios são também denominados valores característicos ou autovalores. Exemplo: O vetor v = (5,2) é vetor próprio do operador linear T:R2 R2, T(x,y) = (4x+ 5y, 2x +y) associado ao valor próprio λ= 6. T(v) = T(5,2) = (30,12) = 6(5,2) = 6v Já o vetor v = (2,1) não é vetor próprio deste operador T, pois: T(2,1) = (13,5) ≠ λ(2,1). Determinação dos valores e vetores próprios I – Determinação dos valores próprios Seja o operador linear T: R3R3, cuja matriz canônica é: Isto é, A = [T] Se v e λ são vetor próprio e valor próprio respectivamente: A= A.v = λ.v Ou Av - λ.v = 0 Se v = Iv (I é a matriz identidade), podemos escrever: Av - λ.Iv = 0 (A - λ.I)v = 0 Para que este sistema homogêneo admita soluções não nulas, isto é: v = ≠ Devemos ter: det(A – λI) = 0 equação característica do operador T. Ou Ou ainda, As raízes são valores próprios do operador T ou da matriz A. O determinante det(A – λI) é um polinômio em λ denominado polinômio característico. II – Determinação dos vetores próprios A substituição de λ pelos seus valores no sistema homogêneo da equação linear (A – λI)v =0 permite determinar os vetores próprios associados. Exemplo: 1. Determinar os valores próprios e os vetores próprios do operador linear: T: R3R3 T(x,y,z) = (3x-y+z, -x+5y-z, x-y+3z) 2. Determinar os valores próprios e os vetores próprios da matriz Propriedades I – Se v é o vetor próprio associado ao valor próprio λ de um operador linear T, o vetor αv, para qualquer real α ≠ 0 é também vetor próprio de T associado ao mesmo λ. T(v) = λv T(αv) = αT(v)= α (λv) Ou T(αv) = λ (αv) II- Se λ é um valor próprio de um operador linear T:VV, o conjunto Sλ de todos os vetores v∈V, inclusive o vetor nulo, associado ao valor próprio λ, é um subespaço vetorial de V. Se v1 e v2 ∈ Sλ T(v1 + v2 ) = T(v1) + T(v2 ) = λv1 + λ v2 = λ ( v1 + v2 ) E, portanto v1 + v2 ∈ Sλ Analogamente, se verifica que α∈ Sλ para todo α∈ R. O subespaço Sλ = {v∈V/T(v) = λv} É denominado subespaço associado ao valor próprio ou espaço característico de T correspondente a λ ou auto-espaço associado a λ Exemplo: No exemplo 1, vimos que o valor próprio λ= 6 correspondem os vetores próprios do tipo v = x(5,2). Assim, o auto-espaço associado a 6 é: S6 ={x(5,2)/ x∈R} = [(5,2)] que representa uma reta que passa pela origem. III – Matrizes semelhantes tem o mesmo polinômio característico, por isso os mesmos valores próprios.
Compartilhar