Sei sulla pagina 1di 17

Jorge Orestes Cerdeira, Inst. Sup.

Agronomia, 2005
Valores e vectores proprios
Def. A
nn
= [a
ij
].
Um vector v nao nulo de R
n
e vector proprio de A se existir um
n umero : Av = v.
O n umero chama-se valor proprio associado ao vector proprio v.
Ex. A =

1 2
0 3

1 2
0 3

1
1


v
=

3
3

= 3

1
1


v
.
.
. v = (1, 1) e vector proprio
= 3 e o valor proprio associado a v.
Lema Cada vector proprio esta associado a um unico valor proprio,
i.e., valores proprios distintos estao associados a vectores proprios
distintos.
Seja v vector proprio de A, i.e., v =

0 e : Av = v.
Se Av = v
=

0 = ( )v.
Como v =

0, = .
1
Lema A e singular sse zero e valor proprio.
. Se A e singular ^(A) =

0, i.e.,
v =

0 : Av =

0
Av = 0v .
.
. 0 e valor proprio.
. Se 0 e valor proprio e v e o vector proprio associado,
v =

0 e Av = 0v
Av =

0 .
.
. v(=

0) ^(A) A e singular.
Determinacao dos vectores proprios associados ao valor proprio
Os vectores proprios associados a sao os vectores v: v =

0 e
Av = v Av = Iv (A I)v =

0, i.e. os vectores de
^(A I) `

0.
Teor.
. e valor proprio de A sse ^(A I) =

0.
. Se e valor proprio de A, os vectores proprios associados a sao
os vectores nao nulos do espaco nulo de A I.
Def. Se e valor proprio de A, o espaco nulo de AI chama-se
subespaco proprio de e representa-se por E().
2
Ex. A =

2 5 5
0 3 1
0 1 3

a) Verique que 2 e valor proprio de A.


A 2I =

2 5 5
0 3 1
0 1 3

2 0 0
0 2 0
0 0 2

0 5 5
0 1 1
0 1 1

.
Como o conj. das colunas de A2I e linear/ dependente tem-se
^(A 2I) =

0 2 e valor proprio de A.
b) Quais sao os vectores proprios associados ao valor proprio 2?
A 2I =

0 5 5
0 1 1
0 1 1

0 5 5
0 0 0
0 0 0

0 1 1
0 0 0
0 0 0

E(2) = ^(A2I) = x R
3
: (A2I)x =

0 = (x
1
, x
2
, x
3
) :
x
1
= , x
2
= x
3
, x
3
= , =< (1, 0, 0), (0, 1, 1) >.
.
.
. Os vectores proprios associados a 2 sao os vectores nao nulos
do tipo (a, b, b).
3
De facto, A

a
b
b

2 5 5
0 3 1
0 1 3

a
b
b

2a
2b
2b

= 2

a
b
b

.
Determinacao dos valores proprios
e valor proprio de A sse ^(A I) =

0 A I e singular
det(A I) = 0.
Lema e valor proprio de A sse det(A I) = 0.
.
.
. os valores proprios de A sao os valores de que anulam a funcao
p() = det(A I).
. Se A e de ordem 2, A =

a
11
a
12
a
21
a
22

.
A I =

a
11
a
12
a
21
a
22

0
0

a
11
a
12
a
21
a
22

.
p() = det(AI) = (a
11
)(a
22
) a
12
a
21
=
2
(a
11

a
22
) a
12
a
21
.
p() e um polinomio de grau 2.
4
. Se A e de ordem 3, A =

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

.
A I =

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

.
p() = det(A I) = (a
11
) det

a
22
a
23
a
32
a
33


a
12
det

a
21
a
23
a
31
a
33

+ a
13
det

a
21
a
22

a
31
a
32

.
O 1
o
termo e um polinomio de grau 3. Os 2
o
e 3
o
termos sao
polinomios de grau 1.
.
.
. p() e um polinomio de grau 3.
Lema Se A e de ordem n, a func ao p() = det(A I) e um
polinomio de grau n, chamado polinomio caracterstico da matriz
A.
Def. A equacao p() = 0 chama-se equac ao caracterstica de A.
Teor. Os valores proprios de A sao os zeros da equac ao carac-
5
terstica.
Ex. Determinar os valores proprios de A =

1 0 1
0 1 0
1 2 1

.
p() = det(A I) = det

1 0 1
0 1 0
1 2 1

= (1 )(1
)
2
(1 ) = (1 )((1 )
2
1) = (1 )()(2 ).
Os valores proprios de A sao as solucoes da equacao caracterstica
(1 )()(2 ) = 0 = 0, 1, 2.
Existem n valores proprios de A
nn
(reais e/ou complexos) dis-
tintos ou nao. O n
o
de vezes que aparece como zero do polinomio
caracterstico e a multiplicidade algebrica de .
Ex. Os zeros de p() = (2)
2
(1+) sao: 2 com mult. algebrica
2 e 0 e -1 com mult. algebricas 1.
Props. dos valores proprios de A
nn
.
. Se A e
lar
, os valores proprios sao os elementos da diagonal prin-
cipal.
6
. Se
1
,
2
, . . . ,
n
sao os valores proprios de A,

1
+
2
+ +
n
= a
11
+ a
22
+ + a
nn
(traco da matriz)

2
. . .
n
= det A.
. A e invertvel sse det A =
1

2
. . .
n
= 0
1
= 0,
2
=
0, . . . ,
n
= 0.
. Matrizes semelhantes tem os mesmos valores proprios.
A e B sao semelhantes se P invertvel : B = P
1
AP.
det(B I) = det(P
1
AP I) = det(P
1
AP P
1
P) =
det(P
1
(AP P)) = det(P
1
(A I)P) = det P
1
det(A
I) det P = det(A I),
i.e., matrizes semelhantes tem o mesmo polinonimo caracterstico
e .
.
. os mesmos valores proprios.
Def. A e diagonalizavel se e semelhante a uma matriz diagonal,
i.e., P invertvel : D = P
1
AP e uma matriz diagonal.
`
A matriz
P chama-se matriz de diagonalizac ao.
Obs. Se A e semelhante `a matriz diagonal D,
. Os val. proprios de A sao os elementos da diag. principal de D.
. Como D = P
1
AP A = PDP
1
, tem-se
7
k Z
+
, A
k
= (PDP
1
)(PDP
1
)...(PDP
1
)

k vezes
= PD
k
P
1
.
Teor. A e diagonalizavel sse existem n vectores proprios de A que
formam um conj. linearmente independente.
(i) Se A e diagonalizavel, P invertvel : D = P
1
AP e diagonal.
D = P
1
AP PD = AP.
Sejam P =

w
1
w
2
. . . w
n
[ [ [

, D =

1
0
.
.
.
0
n

.
AP =

Aw
1
Aw
2
. . . Aw
n
[ [ [

,
PD =

1
w
1

2
w
2
. . .
n
w
n
[ [ [

.
Como AP = PD tem-se Aw
1
=
1
w
1
, Aw
2
=
2
w
2
, . . . , Aw
n
=

n
w
n
.
.
.
.
. as colunas de P (w
1
, . . . , w
n
) sao vectores proprios de A;
. os elementos da diagonal principal de D (
1
, . . . ,
n
) sao os
valores proprios de A;
8
. w
1
, . . . , w
n
e linearmente independente.
(ii) Se v
1
, v
2
, . . . , v
n
e um conj. de vec. proprios linear. indepen-
dente e
1
,
2
, . . . ,
n
os valores proprios associados, denam-se
P :=

v
1
v
2
. . . v
n
[ [ [

, D :=

1
0
.
.
.
0
n

invertvel diagonal
Av
1
=
1
v
1
, Av
2
=
2
v
2
, . . . , Av
n
=
n
v
n

Av
1
Av
2
. . . Av
n
[ [ [

1
v
1

2
v
2
. . .
n
v
n
[ [ [

[[ [[
AP = PD

P
1
AP = D
i.e., A e diagonalizavel.
Obs.
. Se P e uma matriz de diagonalizac ao, as n colunas de P sao vec-
tores proprios de A que formam um conj. linearmente indepen-
9
dente.
. O valor proprio associado `a coluna i de P e o elemento (i, i) da
matriz diagonal D = P
1
AP.
Teor. Um conj. de vectores proprios associados a valores proprios
distintos e linearmente independente. (.
.
. Se os n valores proprios
de A
nn
sao distintos, i.e., cada valor proprio com multiplicidade
algebrica igual a 1, a matriz A e diagonalizavel.)
. Sejam
1
=
2
valores proprios de A e v
1
, v
2
vectores proprios
correspondentes.

1
v
1
+
2
v
2
=

0
A(
1
v
1
) + A(
2
v
2
) = A

1
(Av
1
) +
2
(Av
2
) =

1
v
1
+
2

2
v
2
=

0 (como
2
v
2
=
1
v
1
)

1
v
1
+
2
(
1
v
1
) =

1
(
1

2
)v
1
=

0 (como v
1
=

0)

1
(
1

2
) = 0 (como
1
=
2
)

1
= 0
2
= 0 e .
.
. v
1
, v
2
e linearmente independente.
. Sejam
1
,
2
,
3
valores proprios distintos de A e v
1
, v
2
, v
3
vectores
10
proprios correspondentes.

1
v
1
+
2
v
2
+
3
v
3
=

0 (A)

1
v
1
+
2

2
v
2
+
3

3
v
3
=

1
v
1
+
2

2
v
2
+
3
(
1
v
1

2
v
2
) =

1
(
1

3
)

[[
v
1
+
2
(
2

3
)

[[
v
2
=

0 (v
1
, v
2
lin. ind.)
0 0
(
1
=
3
) (
2
=
3
)

1
= 0
2
= 0

3
= 0 e .
.
. v
1
, v
2
, v
3
e linearmente independente.
.
.
. Se A
nn
tem n valores proprios distintos, e diagonalizavel. E se
A tem algum valor proprio com multiplicidade algebrica maior do
que 1?
Def. Chama-se multiplicidade geometrica do valor proprio de A
`a dimensao do subespaco proprio E() = ^(A I).
Lema A multiplicidade geometrica do valor proprio multipli-
cidade algebrica de .
Teor. Uma matriz e diagonalizavel sse as multiplicidades geometrica
11
e algebrica de cada valor proprio sao iguais.
Ex. Veja se a matriz A =

1 1 0
0 5 0
4 2 5

e diagonalizavel.
p() = det(AI) = det

1 1 0
0 5 0
4 2 5

= (5)(1
)(5 ).
p() = 0 = 1 (mult. alg. 1) ou = 5 (mult. alg. 2).
E(5) = ^(A 5I) = ^

6 1 0
0 0 0
4 2 0


car=2
.
Mult. geometrica de 5 = dimE(5) = 3car(A5I) = 1 < mult.
algebrica de 5 = 2 .
.
. A nao e diagonalizavel.
Teor. Se a matriz A e simetrica (A = A

)
. os valores proprios sao reais;
. a matriz e diagonalizavel;
. vectores proprios associados a valores proprios distintos sao ortog-
12
onais.
Sejam
1
=
2
valores proprios da matriz simetrica A e v
1
, v
2
vectores proprios correspondentes.

1
v
1
[v
2
= (Av
1
)[v
2
= (Av
1
)

v
2
= v

1
A

v
2
= v

1
Av
2
= v

1

2
v
2
=

2
v
1
[v
2
.
Tem-se pois
1
v
1
[v
2
=
2
v
1
[v
2
(
1

2
)v
1
[v
2
= 0

1
=
2
v
1
[v
2
=
0, i.e., v
1
v
2
.
Ex. A matriz A =

3 0 1
0 2 0
1 0 3

e simetrica.
p() = det(AI) = det

3 0 1
0 2 0
1 0 3

= (2)((3
)
2
1) = (2 )(2 )(4 ).
Os valores proprios sao 2 (m. alg = 2) e 4 (m. alg = 1).
. E(2) = ^(A 2I) = ^

1 0 1
0 0 0
1 0 1

= ^

1 0 1
0 0 0
0 0 0

13
E(2) = ^(A 2I) =

x
1
= x
3
x
2
=
x
3
=

b
a
b

.
. E(4) = ^(A4I) = ^

1 0 1
0 2 0
1 0 1

= = ^

1 0 1
0 1 0
0 0 0

E(4) = ^(A 4I) =

x
1
= x
3
x
2
= 0
x
3
=

c
0
c

.
Conrma-se que (b, a, b)[(c, 0, c) = bc + 0 + bc = 0, i.e, E(2)
E(4).
Teor. Uma matriz simetrica A
nn
tem n vectores proprios ortog-
onais.
Dena-se uma base ortogonal do subespaco proprio de cada valor
proprio de A. Como A e diagonalizavel (e portanto o n umero de
vectores da base e igual `a multiplicidade algebrica do correspondente
valor proprio), a reuniao destas bases e constituda por n vectores.
Se dois destes vectores estao associados ao mesmo valor proprio, sao
14
ortogonais por construc ao. Se estao associados a valores proprios
distintos, o teorema anterior estabelece que sao ortogonais.
.
.
. Se A
nn
e simetrica tem n vectores proprios ortonormais. Sejam
v
1
, v
2
, . . . , v
n
vectores proprios ortonormais.
Se P =

v
1
v
2
. . . v
n
[ [ [

D = P
1
AP =

1
0
.
.
.
0
n

.
Como P

= P
1
, i.e., P e matriz ortogonal , tem-se D = P
1
AP =
P

AP. Diz-se que A e ortogonalmente diagonalizavel , i.e., admite


matrizes de diagonalizacao ortogonais. Tem-se pois o seguinte re-
sultado
Teor. Matrizes simetricas sao ortogonalmente diagonalizaveis
Sejam A
nn
uma matriz simetrica, v
1
, v
2
, . . . , v
n
vectores proprios
ortonormais e
1
,
2
, . . . ,
n
os valores proprios associados. Tem-se
A = PDP
1
, com
P =

v
1
v
2
. . . v
n
[ [ [

, D =

1
0
.
.
.
0
n

, P
1
=

v
1
v
2
.
.
.
v
n

.
15
Para x R
n
, tem-se
Ax = (PD)(P
1
x) =

1
v
1

2
v
2
. . .
n
v
n
[ [ [

v
1
[x
.
.
.
v
n
[x

1
v
1
v
1
[x+ +
n
v
n
v
n
[x =
1
v
1
v

1
x+ +
n
v
n
v

n
x = (
1
v
1
v

1
+
+
n
v
n
v

n
)x.
Tem-se assim o seguinte teorema da decomposicao espectral para
matrizes simetricas.
Teor. Sejam A
nn
uma matriz simetrica, v
1
, v
2
, . . . , v
n
vectores
proprios ortonormais e
1
,
2
, . . . ,
n
os correspondentes valores pro-
prios. A matriz A pode ser decomposta na forma:
A =
1
v
1
v

1
+
2
v
2
v

2
+
n
v
n
v

n
Obs. Uma matriz simetrica e uma combinac ao linear das matrizes
de projeccao sobre cada um dos vectores proprios ortonormais. Os
coecientes sao os correspondentes valores proprios.
Ex. Como se viu anteriormente a matriz simetrica A =

3 0 1
0 2 0
1 0 3

16
admite os vectores proprios (b, a, b), correspondentes ao valor pro-
prio 2 e (c, 0, c), associados ao valor proprio 4. Fazendo cada uma
das vari aveis livres igual a 1 e as restantes iguais a 0, obtem-se o conj.
(0, 1, 0), (1, 0, 1), (1, 0, 1) de tres vectores proprios linearmente
independente. Como o conj. e ortogonal, para obter 3 vectores
proprios ortonormais basta tomar o versor de cada um deles, i.e.,
v
1
= (0, 1, 0), v
2
= (
1

2
, 0,
1

2
), v
3
= (
1

2
, 0,
1

2
).
v
1
v

1
=

0 0 0
0 1 0
0 0 0

, v
2
v

2
=

1
2
0
1
2
0 0 0

1
2
0
1
2

, v
3
v

3
=

1
2
0
1
2
0 0 0
1
2
0
1
2

.
A combinac ao linear destas matrizes, com coecientes iguais aos
correspondentes valores proprios, e a matriz
2

0 0 0
0 1 0
0 0 0

+2

1
2
0
1
2
0 0 0

1
2
0
1
2

+4

1
2
0
1
2
0 0 0
1
2
0
1
2

3 0 1
0 2 0
1 0 3

= A.
17