Valores e Vectores Pr oprios

Neste cap tulo, a n ao ser que se diga algo em contr ario, consideremos A uma matriz (real ou complexa) quadrada de ordem n e Mn (IF) o conjunto das matrizes quadradas de ordem n denidas em IF {IR,C I }.

Valores e Vectores Pr oprios

Deni c ao 1.1 Seja A uma matriz de ordem n. Sejam x IFn um vector n ao nulo e um escalar, tal que Ax = x, ent ao diz-se que x e vector pr oprio de A associado ao valor pr oprio . Exemplo 1.2 Sejam A = Ent ao, A= 1 2 1/2 3 2 1 = 4 2 =2 2 1 = x. 1 2 1/2 3 , x= 2 1 e = 2.

Teorema 1.3 Seja A uma matriz quadrada de ordem n. Ent ao, e valor pr oprio de A se e s o se det(A In ) = 0. Demonstra c ao: e valor pr oprio de A x = 0 e Ax = x x = 0 e (A In )x = 0 (A In )x = 0 e um sistema poss vel indeterminado det(A In ) = 0. 2 3 1 1 Exemplo 1.4 Seja A = 7 5 1 . Ent ao 6 6 2 3 1 1 7 5 1 6 6 2

det(A I3 ) = 0

=0

( + 2)2 ( 4) = 0 = 2 ou = 4. Ent ao = 2 e = 4 s ao valores pr oprios de A.

Deni c ao 1.5 Seja A uma matriz quadrada de ordem n. Chama-se equa c ao caracter stica de A a equa ` c ao det(A In ) = 0. Chama-se polin omio caracter stico de A ao polin omio det(A In ). Observa c ao 1.6 Se A e uma matrix de ordem n, o polin omio caracter stico e de grau n. Os valores pr oprios s ao os zeros de polin omio caracter stico, pelo que a matriz real A tem, no m aximo, n valores pr oprios e a matriz complexa A tem exactamente n valores pr oprios. Exemplo 1.7 Seja A = 0 1 . Ent ao 1 0 det(A I2 ) = 1 1 = 2 + 1,

pelo que a matriz real n ao admite valores pr oprios, mas = i s ao valores pr oprios de matriz complexa A. Dado um valor pr oprio de uma matriz quadrada A de ordem n, determinar os vectores pr oprios de A associados a e resolver o sistema linear (A In )x = 0,

x = 0.

3 1 1 oprios associados a Exemplo 1.8 Seja A = 7 5 1 . Para determinar os vectores pr 6 6 2 = 2, resolvemos o sistema x1 0 x1 0 2 0 0 3 1 1 0 ) x2 = 0 e x2 = 0 . ( 7 5 1 0 2 0 0 x3 0 0 2 x3 6 6 2 Assim, como

1 1 1 1 1 1 1 1 1 6 0 0 6 , 7 7 1 0 0 6 6 0 0 0 6 0 0 0 conclu mos que x3 = 0, e x1 = x2 , com x2 = 0. Logo, x = (x2 , x2 , 0), com x2 = 0, e vector pr oprio de A associado a = 2.

1.1

Propriedades elementares

Propriedade 1.9 Duas matrizes semelhantes t em o mesmo polin omio caracter stico. Demonstra c ao: Se A e B s ao matrizes semelhantes, ent ao existe S invert vel, tal que B = S 1 AS . Logo det(B I ) =det(S 1 AS I ) = det(S 1 AS S 1 IS ) = det[S 1 (A I )S ] 1 = detS 1 det(A I )detS = det(A I )detS = det(A I ). detS 2 2

Propriedade 1.10 A soma dos valores pr oprios de uma matriz e igual ao tra co dessa matriz. Demonstra c ao: (para n=2) a11 a12 Seja A = . Assim, a21 a22 det(A I ) = det a11 a12 a21 a22 = 2 (a11 + a22 ) + (a11 a22 a12 a21 ).

Por deni c ao e valor pr oprio de A se e s o se e solu c ao da equa c ao 2 (a11 + a22 ) + (a11 a22 a12 a21 ) = 0. Ora se 1 e 2 s ao ra zes da equa c ao anterior ent ao 1 + 2 = a11 + a22 e 1 2 = a11 a22 a12 a21 . 2 Propriedade 1.11 O produto dos valores pr oprios de uma matriz e igual ao seu determinante. Demonstra c ao: Note-se que, se p() = det(A I ) = (1)n ( 1 )( 2 ) ( n ), ent ao p(0) = detA = (1)n (1)n 1 2 n . Propriedade 1.12 Uma matriz e singular se e s o se tem um valor pr oprio nulo. Demonstra c ao: = 0 e valor pr oprio de A det(A 0I ) = 0 detA = 0 A singular. Propriedade 1.13 Os valores pr oprios de uma matriz triangular s ao os elementos da diagonal principal. Demonstra c ao: exerc cio. Propriedade 1.14 Seja A uma matriz invert vel. Se e valor pr oprio de A, ent ao 1 e valor 1 pr oprio de A . Demonstra c ao: exerc cio. Propriedade 1.15 Seja A uma matriz quadrada de ordem n. Se e valor pr oprio de A, ent ao e valor pr oprio de A. Demonstra c ao: exerc cio. Propriedade 1.16 Seja A uma matriz quadrada de ordem n. Se e valor pr oprio de A, ent ao e valor pr oprio de AT . Demonstra c ao: exerc cio. 3

1.2

Multiplicidade de uma valor pr oprio de uma matriz.

Deni c ao 1.17 Seja A uma matriz quadrada de ordem n e e valor pr oprio de A. Se ocorre k vezes como ra z do polin omio caracter stico, diz-se que e um valor pr oprio de multiplicidade alg ebrica k . No caso particular de k = 1, diz-se que e um valor pr oprio simples. 3 1 1 Exemplo 1.18 Seja A = 7 5 1 . Ent ao, = 2 e um valor pr oprio de multiplicidade 6 6 2 alg ebrica 2, e = 4 e um valor pr oprio simples. Relativamente aos vectores pr oprios de uma matriz, podemos fazer as duas seguintes observa c oes. Observa c ao 1.19 Um vector pr oprio de A est a associado a um u nico valor pr oprio de A. De facto, se x = 0 e Ax = x e Ax = x x = x = 0 = 0 = . Observa c ao 1.20 A um valor pr oprio de uma matriz A est a associado um n umero innito de vectores pr oprios. De facto, se e valor pr oprio de uma matriz A, ent ao, o conjunto V = { x Mn1 (IF) | Ax = x } e o conjunto de todos vectores pr oprios de A associados a juntamente com o vector nulo. Teorema 1.21 Seja um valor pr oprio de uma matriz A. Ent ao, V e um subespa co vectorial de Mn1 (IF). Demonstra c ao: Sejam A Mn (IF) e IF um valor pr oprio de A. Ent ao: 1. V = , pois, o vector nulo e um seu elemento. 2. Dados x, y V , Ax = x e Ay = y , pelo que A(x + y ) = Ax + Ay = x + y = (x + y ) e, portanto, x + y V . 3. Dados x V e IF, pelo que A(x) = Ax = (x) = (x) e, portanto, x V . Logo, V e subespa co vectorial de Mn1 (IF). 2 Deni c ao 1.22 Sejam A Mn (IF) e IF um valor pr oprio de A. Chama-se subespa co pr oprio dimens de A associado a ao subespa co V . A ao de V chama-se multiplicidade geom etrica de . Observa c ao 1.23 Determinar o subespa co pr oprio de A associado a valor pr oprio da matriz A e determinar o conjunto solu c ao do sistema homog eneo (A In )x = 0. Assim, a dimens ao destes subespa co e igual ao grau de indetermina c ao deste sistema, i.e., a multiplicidade geom etrica de e n car(A In ), onde n e ordem de matriz e car(A In ) e caracter stica da matriz (A In ). Observa c ao 1.24 Dada uma matriz A, as multiplicidades alg ebrica e geom etrica de um valor pr oprio n ao s ao necessariamente iguais. 4

1 Exemplo 1.25 1. A matriz A = 0 1 valores pr oprios distintos, 0 e 2, dado

0 1 2 0 , embora seja de ordem 3, tem, apenas, dois 0 1 que

det(A In ) = 0 ()(2 )2 = 0 = 0, = 2, = 2. Por outro lado vericamos que os vectores oprios de A, associados ao valor pr oprio 1 = 0, pr 1 s ao vectores n ao nulos da forma 0 , sendo IR; os vectores pr oprios associados ao 1 1 0 valor pr oprio 2 = 2, s ao vectores n ao nulos da forma 0 + 1 , com , IR. 1 0 Note-se que 2 e ra z dupla da equa c ao det(A In ) = 0. 1 0 0 2. A matriz B = 4 3 2 tamb em e de ordem 3; no entanto, tem 3 valores pr oprios 4 2 3 distintos. Note-se que det(B In ) = 0 (1 )(1 )(7 ) = 0 = 1, = 1, = 7. 3 1 0 3. Seja C = 0 3 1 . Atendendo a que 0 0 3 det(C In ) = 0 (3 )3 = 0 = 3 (raiz tripla), vericamos que matriz C tem u nico valor pr oprio 3. Neste caso os vectores pr oprios, asso 1 ciados a = 3, s ao vectores n ao nulo dados por 0 , sendo IR. 0 Teorema 1.26 Seja A uma matriz quadrada de ordem n e um valor pr oprio de A. Ent ao, a multiplicidade geom etrica de e menor ou igual ` a multiplicidade alg ebrica de . Este resultado permite-nos concluir imediatamente que se um valor pr oprio tem multiplicidade alg ebrica 1, ent ao, a sua multiplicidade geom etrica tamb em e 1. Teorema 1.27 Vectores pr oprios associados a valor pr oprio distintos de uma matriz A, constituem um conjunto linearmente independente. Demonstra c ao: Seja A uma matriz quadrada de ordem n e x1 e x2 vectores pr oprios de A associados, respectivamente, aos valores pr oprios 1 e 2 . Se 1 = 2 , queremos provar que o conjunto {x1 , x2 } e linearmente independente. Sejam 1 , 2 IF tais que 1 x1 + 2 x2 = 0. Ent ao A(1 x1 + 2 x2 ) = 0, 5 (1)

i.e., A(1 x1 ) + A(2 x2 ) = 0, i.e., 1 (Ax1 ) + 2 (Ax2 ) = 0. Como Ax1 = 1 x1 e Ax2 = 2 x2 , temos que 1 (1 x1 ) + 2 (2 x2 ) = 0, i.e., 1 (1 x1 ) + 2 (2 x2 ) = 0. Por outro lado, multiplicando (1) por 2 , conclu mos que 2 (1 x1 ) + 2 (2 x2 ) = 0. Subtraindo (3) a (2), membro a membro, obtemos a equa c ao 1 (1 x1 ) 2 (1 x1 ) = 0, i.e., (1 2 )(1 x1 ) = 0. Como 1 = 2 , temos que 1 = 0, pelo que substituindo em (1), conclu mos que 2 = 0. Assim, provamos que 1 x1 + 2 x2 = 0 1 = 2 = 0, pelo que {x1 , x2 } e um conjunto linearmente independente. Aplicando indu c ao, temos o resultado nal. 2 Dos resultados anteriormente apresentados, podemos concluir que, se 1 , 2 , ..., n s ao os vale directa. ores pr oprios de uma matriz, ent ao, a soma V1 + V2 + ... + Vn (3) (2)

1.3

Diagonaliza c ao de uma matriz

Deni c ao 1.28 Uma matriz A diz-se diagonaliz avel se e semelhante a uma matriz diagonal. Por outra palavras, se existe uma matriz invert vel P , tal que P 1 AP e uma matriz diagonal. Teorema 1.29 Uma matriz A e diagonaliz avel se e s o se admite n vectores pr oprios que constituem um conjunto linearmente independente. Demonstra c ao: Seja P uma matriz invert vel tal que P 1 AP e diagonal. Seja P = [C1 C2 ... Cn ] e P
1

AP =

1 2 .. . n

Ent ao,
AP = P

1 2 .. . n

ou A[C1 C2 ... Cn ] = [C1 C2

1 2 .. . n

... Cn ]

i.e., para cada i = 1, 2, ..., n, ACi = i Ci , i.e., Ci e vector pr oprio de A associado a i . Por outro lado, como P e invert vel, temos o conjunto {C1 C2 ... Cn } e linearmente independente. Reciprocamente, sejam {x1 , x2 , ..., xn } um conjunto linearmente independente de vectores pr oprios da matriz A, associados aos valores pr oprios 1 , 2 , ..., n . Ent ao, para cada i = 1, 2, ..., n, temos que Axi = i xi . Seja P = [x1 , x2 , ...xi , ..., xn ]. Ent ao, AP = [1 x1 , 2 x2 , ..., i xi , ..., n xn ].
=

Seja P 1

y1 y2 . . .

ao, a matriz inversa de P . Ent yj . . .

yn [yj ][xi ] = Logo,

1 P AP =

0 se i = j 1 se i = j

y1 y2 . . .

1 [1 x1 , 2 x2 , ..., i xi , ..., n xn ] = yj . . .

2 .. . n

yn 2 Corol ario 1.30 Uma matriz A e diagonaliz avel se admite n valores pr oprios distintos. Demonstra c ao: Imediata. Corol ario 1.31 Uma matriz A e diagonaliz avel se as multiplicidades alg ebricas e multiplicidades geom etricas de cada valor pr oprio s ao iguais e a sua soma e igual a n. 7

Demonstra c ao: O resultado e imediato tendo em conta que se 1 , 2 , ..., k s ao k valores pr oprios de A distintos, ent ao, o n umero m aximo de vectores pr oprios de A que constituem um sistema linearmente independente e
n

dimVi ,
i=1

i.e., a soma das multiplicidades geom etricas dos diferentes valores pr oprios, que e menor que a soma das multiplicidades alg ebricas desses mesmos valores pr oprios. Por outro lado, sabendo que a soma das multiplicidades alg ebricas destes valores pr oprios e n temos que o n umero m aximo de vectores pr oprios de A que constituem um sistema linearmente independente s o ser a n se, para cada valor pr oprio de A, as multiplicidades geom etrica e alg ebrica forem iguais. 2 Exemplo 1.32 1 0 0 1. A matriz B = 4 3 2 tem 3 valores pr oprios distintos. Note-se que 4 2 3

det(B In ) = 0 (1 )(1 )(7 ) = 0 = 1, = 1, = 7. Ent ao, a matriz e diagonaliz avel, pois e semelhante, ` a matriz

1 0 0 0 1 0 0 0 7 3 1 0 2. Seja C = 0 3 1 . Atendendo a que 0 0 3 det(C In ) = 0 (3 )3 = 0 = 3 (multiplicidade alg e brica 3), vericamos que matriz C tem um u nico valor pr oprio caso os vectores pr oprios, as3. Neste 1 sociados a = 3, s ao vectores n ao nulos dados por 0 , sendo IR ou a multiplicidade 0 geom etrica de valor pr oprio 3 e 1. Ent ao, C n ao e diagonaliz avel. 1 0 2 0 , tem dois valores pr oprios distintos, 0 (de multiplicidade 3. A matriz A = 0 0 2 0 4 alg ebrica 2) e 5 (de multiplicidade alg ebrica 1). Como 1 0 2 0 A 0I = 0 0 2 0 4 tem caracter stica 1, temos que a multiplicidade geom etrica de valor pr oprio 0 e 2, pelo que as multiplicidades geom etrica e alg ebrica de cada valor pr oprio s ao iguais. Al em disso, a sua soma e 3. Logo, a matriz A e diagonaliz avel.

Por outro lado vericamos que os vectores oprios oprio 1 = 0, pr A, associados ao valor pr de 2 0 s ao vectores n ao nulos da forma 0 + 1 , sendo , IR; os vectores pr oprios 1 0 1 associados ao valor pr oprio 2 = 5, s ao vectores n ao nulos da forma 0 , com IR. 2 2 0 1 0 , Ent ao, P = 0 1 e uma matriz diagonalizante de A. De facto 1 0 2 0 0 0 P 1 AP = D = 0 0 0 . 0 0 5