Autovalores e autovetores: diferenças entre revisões
m Foram revertidas as edições de Tigre200, com o conteúdo passando a estar como na última edição de Kaktus Kid. Na verdade é o mais usado Etiquetas: Redirecionamento removido Reversão |
Atualmente "autovalor" e "autovetor" é bem mais comum do que "valor próprio" e "vetor próprio"; Inclusão de mais referências (e não se deve COPIAR o conteúdo para outras páginas sem dar crédito aos autores) Etiqueta: Redirecionamento removido |
||
(Há uma revisão intermédia de outro utilizador que não está a ser apresentada) | |||
Linha 1: | Linha 1: | ||
⚫ | |||
⚫ | |||
[[Ficheiro:Mona Lisa with eigenvector.png|thumb|direita|300px|Fig.1.Observe que neste [[mapeamento]] de cisalhamento da [[Mona Lisa]], a imagem foi deformada de tal modo que o seu eixo central vertical (vector vermelho) não mudou de direção, mas o vector diagonal (azul) mudou de direção. Isso ocorre porque o vetor vermelho é um autovetor da transformação e o vetor azul não é. Caso o vetor vermelho não tenha seu módulo alterado - não seja esticado nem encolhido, o seu valor próprio (autovalor) é igual a 1. Todos os vectores com a mesma direção vertical, isto é, paralelos a este vetor, também são próprios, com o mesmo autovalor. Juntamente com o zero-vetor, eles formam o autoespaço para este autovalor.]] |
[[Ficheiro:Mona Lisa with eigenvector.png|thumb|direita|300px|Fig.1.Observe que neste [[mapeamento]] de cisalhamento da [[Mona Lisa]], a imagem foi deformada de tal modo que o seu eixo central vertical (vector vermelho) não mudou de direção, mas o vector diagonal (azul) mudou de direção. Isso ocorre porque o vetor vermelho é um autovetor da transformação e o vetor azul não é. Caso o vetor vermelho não tenha seu módulo alterado - não seja esticado nem encolhido, o seu valor próprio (autovalor) é igual a 1. Todos os vectores com a mesma direção vertical, isto é, paralelos a este vetor, também são próprios, com o mesmo autovalor. Juntamente com o zero-vetor, eles formam o autoespaço para este autovalor.]] |
||
Em [[álgebra linear]], um [[escalar]] λ é '''valor próprio''' (ou '''autovalor''') de um [[operador linear]] <math>A: V\rightarrow V</math> se existir um [[vector]] '''''x''''' diferente de [[zero]] tal que <math>A\bold{x}=\lambda \bold{x}</math>. O vector '''''x''''' é chamado [[vector próprio]] (ou '''autovetor'''). |
Em [[álgebra linear]], um [[escalar]] λ é '''valor próprio'''<ref name="callioli">Callioli, Domingues & Costa, p. 258</ref> (ou '''autovalor'''<ref name="callioli" /><ref name="leon">Leon, p. 212</ref><ref>Abramo & Fernandez, p. 204</ref> ou '''valor característico'''<ref name="callioli" /><ref name="leon"/><ref>Hoffman & Kunze, p. 177</ref>) de um [[operador linear]] <math>A: V\rightarrow V</math> se existir um [[vector]] '''''x''''' diferente de [[zero]] tal que <math>A\bold{x}=\lambda \bold{x}</math>. O vector '''''x''''' é chamado [[vector próprio]] (ou '''autovetor''' ou '''vetor característico'''). |
||
Os autovalores de uma dada [[matriz quadrada]] A de dimensão <math>n \times n</math> são os ''n'' números que resumem as propriedades essenciais daquela [[matriz]]. O autovalor de A é um [[número]] λ tal que, se for subtraído de cada entrada na diagonal de A, converte A numa [[matriz singular]](ou não-invertível). Subtrair um [[escalar]] λ de cada entrada na diagonal de A é o mesmo que subtrair λ vezes a [[matriz identidade]] I de A. Portanto, λ é um autovalor se, e somente se, a matriz <math>(A - \lambda I)</math> for singular.<ref name="simon">SIMON, Carl P., e BLUME, Lawrence. ''matemática para Economistas''.Porto Alegre: Bookman, 2004, reimpressão 2008. ISBN 978-85-363-0307-9. Capítulo 23, página 583 a 585.</ref> |
Os autovalores de uma dada [[matriz quadrada]] A de dimensão <math>n \times n</math> são os ''n'' números que resumem as propriedades essenciais daquela [[matriz]]. O autovalor de A é um [[número]] λ tal que, se for subtraído de cada entrada na diagonal de A, converte A numa [[matriz singular]](ou não-invertível). Subtrair um [[escalar]] λ de cada entrada na diagonal de A é o mesmo que subtrair λ vezes a [[matriz identidade]] I de A. Portanto, λ é um autovalor se, e somente se, a matriz <math>(A - \lambda I)</math> for singular.<ref name="simon">SIMON, Carl P., e BLUME, Lawrence. ''matemática para Economistas''.Porto Alegre: Bookman, 2004, reimpressão 2008. ISBN 978-85-363-0307-9. Capítulo 23, página 583 a 585.</ref> |
||
Linha 54: | Linha 53: | ||
{{Referências}} |
{{Referências}} |
||
* {{Citar livro|nome=Steven J.|sobrenome=Leon |título=Álgebra Linear Com Aplicações |edição=4 |local=Rio de Janeiro |editora=LTC |ano=1998 |páginas= 390 |id=ISBN 8521611501 }} |
|||
* {{Citar livro|nome=Abramo|sobrenome=Hefez|nome2=Cecília S. |sobrenome2=Fernandez |título=Introdução à Álgebra Linear |edição=2 |local=Rio de Janeiro |editora=SBM |ano=2016 |páginas= 271 |id=ISBN 9788583370871 }} |
|||
* {{Citar livro|nome=Kenneth|sobrenome=Hoffman|nome2=Ray |sobrenome2=Kunze |título=Álgebra Linear |edição=1 |local=Rio de Janeiro |editora=LTC |ano=1976 |páginas= 356 }} |
|||
* {{Citar livro|nome=Carlos A.|sobrenome=Callioli|nome2=Hygino H. |sobrenome2=Domingues|nome3=Roberto C. F. |sobrenome3=Costa |título=Álgebra Linear e Aplicações |edição=4 |local=São Paulo |editora=Atual |ano=1983 |páginas= 332 }} |
|||
==Ver também== |
==Ver também== |
||
*[[Vector próprio]] |
*[[Vector próprio]] |
Revisão das 20h30min de 15 de dezembro de 2017
Em álgebra linear, um escalar λ é valor próprio[1] (ou autovalor[1][2][3] ou valor característico[1][2][4]) de um operador linear se existir um vector x diferente de zero tal que . O vector x é chamado vector próprio (ou autovetor ou vetor característico).
Os autovalores de uma dada matriz quadrada A de dimensão são os n números que resumem as propriedades essenciais daquela matriz. O autovalor de A é um número λ tal que, se for subtraído de cada entrada na diagonal de A, converte A numa matriz singular(ou não-invertível). Subtrair um escalar λ de cada entrada na diagonal de A é o mesmo que subtrair λ vezes a matriz identidade I de A. Portanto, λ é um autovalor se, e somente se, a matriz for singular.[5]
Multiplicidade
Caso o espaço vectorial no qual A esteja definido tenha dimensão finita, a multiplicidade algébrica (ou apenas multiplicidade) de um valor próprio λ de A é o número de factores do polinómio característico de A.
Autovalor de matriz diagonal
As entradas na diagonal de uma matriz diagonal D são autovalores de D.[5] Por exemplo, o elemento d11 é um autovalor da matriz abaixo:
Autovalor de matriz singular
Uma matriz quadrada A é singular se, e somente se, 0 é um autovalor de A. Esta é, aliás, a principal técnica para descobrir se uma matriz é singular: . para uma matriz de dimensão nXn, o lado esquerdo desta equação é um polinômio de grau n na variável λ, denominado polinômio característico de A.[5]
Traço e determinante
Suponhamos que os valores próprios (autovalores) de uma matriz A são λ1, λ2, ..., λn. Então, o traço de A é λ1 + λ2 + ... + λn e o determinante de A é λ1λ2...λn. Estes são dois conceitos importantes em teoria matricial.
Interpretação geométrica
Geometricamente (Fig. 2), a equação do valor próprio (autovalor) implica que numa transformação A, autovetores sofrem apenas mudança na sua magnitude e sinal — a direção de Ax é a mesma direção de x. O autovalor λ indica apenas o quanto o vetor irá "encolher" ou "esticar" ao sofrer a transformação A. Se λ = 1, o vetor permanece inalterado (não é afetado pela transformação). Se λ = −1 o vetor passa a ter a direção oposta (muda de sentido apenas) e a transformação é chamada reflexão. A transformação I sob a qual um vetor x permanece inalterado, Ix = x é definida como transformação identidade.
Exemplo
Às vezes é possível descobrir um ou mais autovalores de uma matriz por inspeção.[5] Seja, por exemplo, a matriz .[6] Subtraindo 2 de cada entrada da diagonal principal, transformamos A em uma matriz singular: . Portanto, 2 é um autovalor da matriz A. Também subtraindo 4 de cada entrada da diagonal principal, transformamos A em uma matriz singular: . Portanto, 4 é o segundo autovalor da matriz A.
Referências
- ↑ a b c Callioli, Domingues & Costa, p. 258
- ↑ a b Leon, p. 212
- ↑ Abramo & Fernandez, p. 204
- ↑ Hoffman & Kunze, p. 177
- ↑ a b c d SIMON, Carl P., e BLUME, Lawrence. matemática para Economistas.Porto Alegre: Bookman, 2004, reimpressão 2008. ISBN 978-85-363-0307-9. Capítulo 23, página 583 a 585.
- ↑ «O Monitor - Resolve, confere e ilustra». omonitor.io. Consultado em 19 de março de 2016
- Leon, Steven J. (1998). Álgebra Linear Com Aplicações 4 ed. Rio de Janeiro: LTC. 390 páginas. ISBN 8521611501
- Hefez, Abramo; Fernandez, Cecília S. (2016). Introdução à Álgebra Linear 2 ed. Rio de Janeiro: SBM. 271 páginas. ISBN 9788583370871
- Hoffman, Kenneth; Kunze, Ray (1976). Álgebra Linear 1 ed. Rio de Janeiro: LTC. 356 páginas
- Callioli, Carlos A.; Domingues, Hygino H.; Costa, Roberto C. F. (1983). Álgebra Linear e Aplicações 4 ed. São Paulo: Atual. 332 páginas
Ver também
- Vector próprio
- Decomposição em Valores Singulares - valor singular e vetor singular (ideias semelhantes para matrizes retangulares)
- Forma canônica de Jordan
- wikibooks:Linear Algebra/Eigenvalues and eigenvectors