A maior rede de estudos do Brasil

Grátis
8 pág.
03_autovalores

Pré-visualização | Página 1 de 2

Autovalores e Autovetores
Americo Cunha
De´bora Mondaini
Ricardo Sa´ Earp
Departamento de Matema´tica
Pontif´ıcia Universidade Cato´lica do Rio de Janeiro
1 Autovalores e Autovetores
Seja A uma matriz real n× n. Dizemos que um nu´mero λ e´ autovalor de A, se
existe v 6= 0 tal que
Av = λv.
Nesse caso v e´ dito um autovetor de A, associado ao autovalor λ.
Exemplo 1.1 Considere a matriz
A =
[
2 1
1 2
]
.
O vetor v =
[
1
−1
]
e´ um autovetor de A com autovalor λ = 1, pois
Av =
[
2 1
1 2
][
1
−1
]
=
[
1
−1
]
= 1
[
1
−1
]
.
Ja´ o vetor v =
[
1
0
]
na˜o e´ autovetor de A, pois
Av =
[
2 1
1 2
][
1
0
]
=
[
2
1
]
6= λ
[
1
0
]
.
Agora vamos apresentar um me´todo sistema´tico para calcular os autovalores de
uma matriz. Pela definic¸a˜o de autovalor sabemos que
Av = λv⇔
Av − λv = 0⇔
(A− λI) v = 0.
1
Como v 6= 0, a u´ltima equac¸a˜o e´ satisfeita se e somente se det (A− λI) = 0.
Esse determinante e´ um polinoˆmio de grau n na varia´vel λ. Assim vemos que os
autovalores de A sa˜o as ra´ızes da func¸a˜o p(λ) = det (A− λI), denominada polinoˆmio
caracter´ıstico de A. O polinoˆmio caracter´ıstico possui sempre n ra´ızes complexas
(possivelmente com multiplicidade) da forma a+ ib, onde a, b ∈ R e i = √−1. Ja´ os
autovetores de A, associados ao autovalores λ, sa˜o as soluc¸o˜es na˜o nulas do sistema
linear homogeˆneo (A− λI) v = 0.
Exemplo 1.2 Considere a matriz
A =
[
0 1
1 0
]
.
O polinoˆmio caracter´ıstico e´ dado por
p(λ) = det (A− λI)
= det
[ 0 1
1 0
]
− λ
[
1 0
0 1
]
= det
[
−λ 1
1 −λ
]
= λ2 − 1.
Logo, seus autovalores sa˜o λ1 = 1 e λ2 = −1.
Para λ = 1 temos que (A− λI) v = 0 equivale a
[
1 −2
−2 4
][
vx
vy
]
=
[
0
0
]
,
donde concluimos que vx = 2vy.
Um poss´ıvel autovetor associado a λ = 1 e´ v1 =
[
2
1
]
.
Para λ = −1 temos que (A− λI) v = 0 equivale a
[
−4 −2
−2 −1
][
vx
vy
]
=
[
0
0
]
,
donde concluimos que vx = vy/2.
Um poss´ıvel autovetor associado a λ = −1 e´ v2 =
[
−1
2
]
.
2
Exemplo 1.3 Considere a matriz
B =
 4 2 22 4 2
2 2 4
 .
O polinoˆmio caracter´ıstico e´ dado por
p(λ) = det (B − λI)
= det

 4 2 22 4 2
2 2 4
− λ
 1 0 00 1 0
0 0 1


= det
 4− λ 2 22 4− λ 2
2 2 4− λ

= λ3 − 12λ2 + 36λ− 32.
Logo, seus autovalores sa˜o λ1 = λ2 = 2 e λ3 = 8.
Para λ = 2 temos que (A− λI) v = 0 equivale a
 2 2 22 2 2
2 2 2

 vxvy
vz
 =
 00
0
 ,
donde concluimos que vx + vy + vz = 0.
Nesse caso temos um plano de autovetores. Dois poss´ıveis autovetores ortogonais,
associado a λ = 2, sa˜o dados por v1 =
 −11
0
 e v2 =
 −1−1
2
.
Para λ = 8 temos que (A− λI) v = 0 equivale a
 −4 2 22 −4 2
2 2 −4

 vxvy
vz
 =
 00
0
 ,
donde concluimos que 2vx − vy − vz = 0 e vx − 2vy + vz = 0.
Um poss´ıvel autovetor associado a λ = 4 e´ v3 =
 11
1
.
Observe que os vetores v1, v2 e v3 formam uma base ortogonal de autovetores.
3
Exerc´ıcio 1.1 Mostre que o polinoˆmio caracter´ıtico de uma matriz 2×2 e´ da forma
p(λ) = λ2 − tr(A)λ+ det(A),
onde tr(A) e det(A) denotam o trac¸o e o determinante de A respectivamente.
Lembre-se que o trac¸o de uma matriz e´ a soma dos elementos da diagonal principal.
Exerc´ıcio 1.2 Encontre matrizes reais 2× 2 e 3× 3, que na˜o possuam autovalores
reais. Calcule os autovetores associados a esses autovalores complexos.
2 Teorema Espectral
Seja A uma matriz real n× n. Se A e´ sime´trica, i.e., A = AT , enta˜o existe uma
base ortonormal de Rn formada por autovetores de A. Uma consequeˆncia disso e´
que a matriz A admite uma decomposic¸a˜o da forma A = V ΛV T , onde Λ e´ uma
matriz real diagonal e V e´ uma matriz real ortogonal, i.e., V V T = V TV = I.
Vejamos agora uma maneira de construir as matrizes dessa decomposic¸a˜o. Vamos
fixar as ideias no caso 2× 2.
Primeiro olhemos para o produto
AV = A
 | |v1 v2
| |

=
 | |Av1 Av2
| |
 ,
e em seguida para o produto
V Λ =
 | |v1 v2
| |
[ λ1 0
0 λ2
]
=
 | |λ1v1 λ2v2
| |
 .
O teorema da decomposic¸a˜o espectral nos diz que se A e´ real e sime´trica, enta˜o
A = V ΛV T ⇔ AV = V Λ, uma vez que V e´ ortogonal.
Comparando as equac¸o˜es acima para AV e V Λ podemos notar que Avi = λiAvi,
ou seja a matriz Λ tem os autovalores de A (que sempre sa˜o nu´meros reais, vide
exerc´ıcio abaixo) na diagonal principal e a matriz V tem autovetores unita´rios de A
em suas colunas, dispostos de maneira compat´ıvel com a ordenac¸a˜o dos autovalores
em Λ.
Exerc´ıcio 2.1 Mostre que os autovalores de uma matriz n×n real sime´trica sempre
sa˜o nu´meros reais.
4
3 Identificac¸a˜o de Coˆnicas via Autovalores
Considere a coˆnica representada pela equac¸a˜o
9x2 − 4xy + 6y2 + 30x− 40y = 5.
Na equac¸a˜o acima os termos lineares x e y esta˜o associados a translac¸a˜o da coˆnica
com relac¸a˜o a` origem do sistema de coordenadas. Ja´ o termo cruzado xy indica que
essa coˆnica esta´ rotacionada com relac¸a˜o aos eixos coordenados.
Observe que a equac¸a˜o acima pode ser escrita na forma
[
x y
] [ 9 −2
−2 6
][
x
y
]
+
[
30− 40
] [ x
y
]
= 5,
donde percebemos que toda coˆnica esta´ associada a uma matriz real sime´trica Q.
Neste caso temos
Q =
[
9 −2
−2 6
]
,
cujos autovalores sa˜o λ1 = 10 e λ2 = 5, com autovetores unita´rios associados,
respectivamente, iguais a v1 =
1√
5
[
2
−1
]
e v2 =
1√
5
[
1
2
]
.
Pelo teorema da decomposic¸a˜o espectral sabemos que
[
9 −2
−2 6
]
=
[
2/
√
5 1/
√
5
−1/
√
5 2/
√
5
][
10 0
0 5
][
2/
√
5 −1/
√
5
1/
√
5 2/
√
5
]
,
e que
[
2/
√
5 1/
√
5
−1/
√
5 2/
√
5
][
2/
√
5 −1/
√
5
1/
√
5 2/
√
5
]
=
[
1 0
0 1
]
.
Assim, definindo
[
x′
y′
]
=
[
2/
√
5 −1/
√
5
1/
√
5 2/
√
5
][
x
y
]
,
podemos escrever a equac¸a˜o da coˆnica como
[
x′ y′
] [ 10 0
0 5
][
x′
y′
]
+
[
30− 40
] [ 2/√5 1/√5
−1/
√
5 2/
√
5
][
x′
y′
]
= 5,
que equivale a
5
10x′2 + 5y′2 + 20
√
5x′ − 10
√
5y′ = 5.
Completando quadrado em x′ e y′ chegamos a equac¸a˜o
10(x′ +
√
5)2 + 5(y′ −
√
5)2 = 80,
que pode ser simplificada
(x′ +
√
5)2
(2
√
2)2
+
(y′ −√5)2
(4)2
= 1.
No sistema de coordenadas x′y′ reconhecemos que a equac¸a˜o da coˆnica e´ uma
elipse, com semi-eixos a = 2
√
2 e b = 4 e centrada em x′ = −
√
5 e y′ =
√
5, que
corresponde ao ponto com coordenadas x = −1 e y = 3 no sistema cartesiano usual.
Veja a Figura 1.
C
x
y
x′
y′
Figura 1: Elipse fora da origem rotacionada.
Exerc´ıcio 3.1 Identifique e desenhe as seguintes coˆnicas:
• 2x2 − 4xy − y2 − 4x− 8y = −14
• 21x2 + 6xy + 13y2 − 114x+ 34y + 73 = 0
• 4x2 − 20xy + 25y2 − 15x− 6y = 0
No caso de uma elipse, indique o centro e os semi-eixos. Caso seja uma hipe´rbole,
o centro e as ass´ıntotas. Numa para´bola o ve´rtice.
6
4 Identificac¸a˜o de Qua´dricas via Autovalores
Considere a coˆnica representada pela equac¸a˜o
4x2 + 4y2 + 4z2 + 4xy + 4xz + 4yz − x = 3.
Na equac¸a˜o acima o termo linear x esta´ associado a translac¸a˜o da qua´drica com
relac¸a˜o a` origem do sistema de coordenadas. Ja´ os termos cruzados xy, xz e yz
indicam que esta qua´drica esta´ rotacionada com relac¸a˜o aos eixos coordenados.
Observe que a equac¸a˜o acima pode ser escrita na forma
[
x y z
] 4 2 22 4 2
2 2 4

 xy
z
+ [ −1 0 0 ]
 xy
z
 = 3,
donde percebemos que toda coˆnica esta´ associada a uma matriz real sime´trica Q.
Neste caso temos
Q =
 4 2 22 4 2
2 2 4
 ,
cujos autovalores (calculados acima) sa˜o λ1 = λ2 = 2 e λ3 = 8, com autovetores
unita´rios associados, respectivamente, iguais a v1 =
1√
2
 −11
0
, v2 = 1√
6
 −1−1
2

e v3 =
1√
3
 11
1
.
Pelo teorema da decomposic¸a˜o espectral sabemos que
 4 2 22 4 2
2 2 4
 =
 −1/
√
2 −1/
√
6 1/
√
3
1/
√
2 −1/
√
6 1/
√
3
0 2/
√
6 1/
√
3

 2 0 00 2 0
0 0 8

 −1/
√
2 1/
√
2 0
−1/
√
6 −1/
√
6 2/
√
6
1/
√
3 1/
√
3 1/
√
3
 ,
e que
 −1/
√
2 −1/
√
6 1/
√
3
1/
√
2 −1/
√
6 1/
√
3
0 2/
√
6 1/
√
3

 −1/
√
2 1/
√
2 0
−1/
√
6 −1/
√
6 2/
√
6
1/
√
3 1/
√
3 1/
√
3
 =
 1 0 00