Dada uma matriz complexa quadrada, , um vector não nulo diz-se um vector próprio de se , para algum . O complexo é denominado valor próprio, e dizemos que é vector próprio associado a . O conjunto dos valores próprios de é denotado por e é chamado de espectro de .
No exemplo apresentado atrás, temos que e que é vector próprio associado ao valor próprio 2.
Uma questão que colocamos desde já é:
Ora, sendo uma matriz complexa e se é valor próprio de então existe para o qual . Ou seja, , o que equivale a . Como , tal significa que a equação é consistente e que tem solução não nula. Isto é, a matriz quadrada tem característica estritamente inferior ao número de colunas, o que acontece se e só se não é invertível, ou de forma equivalente, o seu determinante é nulo. Os valores próprios de são os escalares que tornam uma matriz singular, ou seja, que satisfazem . Ora é um polinómio em , usando o teorema de Laplace, denominado polinómio característico de , e denotado por . Os valores próprios de são as raizes do polinómio característico , ou seja, as soluções da equação . Esta equação é chamada a equação característica de .
Determinar os valores próprios de uma matriz equivalente a determinar as raizes do seu polinómio característico. Usando o teorema de Laplace, este polinómio tem grau igual à ordem da matriz , que assumimos , e é mónico: o coeficiente de de é . Pelo Teorema Fundamental da Álgebra, sendo o grau de igual a este tem raizes (contando as suas multiplicidades) sobre . Ou seja, a matriz do tipo tem então valores próprios (contando com as suas multiplicidades). Sabendo que se é raiz de então o conjugado de é raiz de , segue que se então . Em particular, se tem um número ímpar de valores próprios (contado as suas multiplicidades) então tem pelo menos um valor próprio real. Isto é, . A multiplicidade algébrica de um valor próprio é a multiplicidade da raiz de .
Vimos no que se discutiu acima uma forma de determinar os valores próprios de uma matriz. Dado um valor próprio ,
Recorde que os vectores próprios associados a são as soluções não-nulas de , ou seja, as soluções não nulas de . Isto é, os vectores próprios de associados a são os elementos não nulos de . Recorde que o núcleo de qualquer matriz é um espaço vectorial, e portanto é o espaço vectorial dos vectores próprios de associados a juntamente com o vector nulo, e denomina-se espaço próprio de associado a . A multiplicidade geométrica de é a dimensão do espaço próprio associado a , isto é, .
O resultado seguinte resume o que foi afirmado na discussão anterior.
Para a matriz considerada acima, , o seu polinómio característico é , cujas raizes são . Portanto, , e cada valor próprio de tem multiplicidade algébrica igual a 1.
Octave
Defina a matriz no Octave:
> A=[1 2; 2 -2] A = 1 2 2 -2Os coeficientes do polinómio característico de , por ordem decrescente do expoente de , são obtidos assim:
> poly(A) ans = 1 1 -6Ou seja, . As raizes de são os elementos de :
> roots (poly(A)) ans = -3 2A multiplicidade algbébrica de cada um deles é 1.
Os valores próprios de uma matriz dada são calculados de forma directa fazendo uso de
> eig(A) ans = -3 2Resta-nos determinar vectores próprios associados a cada um destes valores próprios. Recorde que os vectores próprios associados a [resp. 2] são os elementos não nulos de [resp. ], pelo que nos basta pedir uma base para cada espaço próprio:
> null(-3*eye(2)-A) ans = 0.44721 -0.89443 > null(2*eye(2)-A) ans = 0.89443 0.44721Ora a dimensão de cada um desses espaços vectoriais é 1, pelo que, neste caso, as multiplicidades algébrica e geométrica de cada um dos valores próprios são iguais. Mais adiante mostraremos uma forma mais expedita de obtermos estas informações.
Seguinte: Propriedades
Acima: Valores e vectores próprios
Anterior: Valores e vectores próprios
  Conteúdo
Pedro Patricio
2008-01-08