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
> poly(A) ans = 1 1 -6Ou seja,
> 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
> 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