Instituto Superior Politécnico de Songo

Departamento de Engenharia Civil

Licenciatura em Engenharia Hidráulica

Cálculo Numérico
Valores e Vectores Próprios

Discentes:
✓ Hélio Cerveja
✓ Remane Júnior
✓ Vinildo Mondlane
✓ Luís Roque

Docente:
▪ Pedro J. Cantiole

Songo, junho de 2026

 Instituto Superior Politécnico de Songo

Departamento de Engenharia Civil

Licenciatura em Engenharia Hidráulica

Cálculo Numérico
Tema: Valores e Vectores Próprios
Nível: II Semestre: I0

Discentes:
● Hélio Cerveja
● Remane Júnior Trabalho de carácter Avaliativo elaborado em equipe
(grupo de 3 elementos) dos cursos de Engenharia de
● Vinildo Mondlane
construção civil e Engenharia Hidráulica a ser entregue
• Luís Roque ao docente lecionador da Unidade de Competência
Cálculo Numérico, Docente Pedro Joaquim Cantiole.
Este trabalho que será posteriormente defendido tanto
na perspectiva de avaliação quanto na perspectiva
metodológica de uma partilha recíproca de
conhecimento de modo a concluir com o último capítulo
(CAP: 8) da U.C. enquadrado no plano analítico.

Songo, junho de 2026

ÍNDICE

1 Introdução.................................................................................................................. 1

1.1 Objectivos .......................................................................................................... 1

1.1.1 Objectivo Geral........................................................................................... 1

1.1.2 Objectivos específicos ................................................................................ 1

1.2 Metodologias ..................................................................................................... 1

2 Valores e Vectores Próprios ...................................................................................... 2

2.1 Multiplicidade algébrica .................................................................................... 6

2.2 Multiplicidade Geométrica ................................................................................ 8

2.3 Diagonalização de Matrizes ............................................................................... 9

2.3.1 Procedimento para diagonalizar uma matriz ............................................ 10

2.4 Cálculo de potência de matrizes usando autovetores e autovalores ................ 13

2.5 Cálculo de equações diferenciais usando autovetores e autovalores ............... 15

2.6 Aplicaçao de valores e vectores Próprios na engenharia civil ......................... 18

3 Conclusão ................................................................................................................ 20

4 Bibliografia.............................................................................................................. 21
 1

1 Introdução

Neste Trabalho, abordamos as classes de escalares e vetores conhecidas como

“autovalores” (Valores próprios) e “autovetores”(Vetores Próprios), que são especiais por
suas características peculiares. A ideia subjacente surgiu no estudo do movimento
rotacional e, mais tarde, foi usada para classificar vários tipos de superfícies e para
descrever soluções de certas equações diferenciais. No início do século XX, foi aplicada
a matrizes e transformações matriciais e hoje tem aplicações a áreas tão diversas como
computação gráfica, vibrações mecânicas, fluxo do calor, dinâmica populacional,
mecânica quântica e até economia.

Este trabalho propõe-se a explorar, com profundidade e rigor, a teoria dos autovalores e
autovetores, com especial atenção aos temas da multiplicidade algébrica e geométrica,
diagonalização de matrizes, e ao cálculo de potências de matrizes e equações diferenciais.
todos tratados sob uma ótica que integra teoria e prática.

1.1 Objectivos
1.1.1 Objectivo Geral
➢ Desenvolver o vasto cohecimento de valores e vectores próprios

1.1.2 Objectivos específicos

➢ Demonstrar os procedimentos de cálculo em cada secçao temática;
➢ Identificar uma equação característica e analisar as multiplicidades
geométrica e algébrica da uma matriz ;
➢ Aplicar os valores e vetores próprios na resolução de equações
diferenciais, potência de matrizes e diagonalização.
➢ Desbruçar da aplicação dos conhecimentos do tema em questão ao curso
por nós frequentado

1.2 Metodologias
Para a compilação do presente trablho recoreu-se à consultas bibliográficas, usada como
base de aquisição de conhecimento e informação.

AUTOVALORES E AUTOVECTORES EH
 2

2 Valores e Vectores Próprios

Definição 1.

Dada uma matriz A quadrada, n × n, um vector não nulo x ∈ (ℝ ou ℂ) diz se um

vector próprio de A se 𝐴𝑥 = 𝜆𝑥 , para algum λ ∈ (ℝ ou ℂ). O escalar λ é
denominado valor

próprio de A e dizemos que x é um autovetor associado a λ

O conjunto dos valores próprios de A é denotado por Б(A) e é chamado de espectro

de A.

Em geral, a imagem de um vetor x pela multiplicação com uma matriz quadrada A defere
de x tanto em magnitude quanto em direção e sentido. No entanto, no caso especial em
que x for um autovetor de A, a multiplicação por A deixa a direção inalterada. Por
exemplo, em (ℝ2 ou ℝ3 ) , a multiplicação por A aplica cada autovetor x de A (se houver)
sobre a mesma reta pela origem determinada por x. Dependendo do sinal e da magnitude
do autovalor λ associado a x, a operação 𝐴𝑥 = λx comprime ou expande x pelo fator λ,

invertendo o sentido no caso em que λ for negativo (Figura 1.1).

Fig. 1.1

AUTOVALORES E AUTOVECTORES EH
 3

Exemplo 1: Autovector de uma matriz 2x2

1
O vector 𝒙 = [ ] é um autovector de
2

3 0
A=[ ]
8 −1

Associado ao autovalor λ = 3, pois

Fig. 1.2
3 0 1 3
A𝐱 = [ ] [ ] = [ ] = 3𝐱
8 −1 2 6

Geometricamente, a multiplicação por A expandiu o vetor x pelo fator 3 (Figura 1.2).

Nosso próximo objetivo é elaborar um procedimento geral para encontrar autovalores e

autovetores de uma matriz A de tamanho nxn. Começamos com um procedimento para
encontrar os autovalores de A. Inicialmente, observe que a equação 𝐴𝑥 = 𝜆𝑥 pode ser
reescrita como 𝐴𝑥 = 𝜆𝐼𝑥, ou, equivalentemente, como

(𝜆𝐼 − 𝐴)𝑥 = 0

Teorema 1.1 : Se A for uma matriz nxn, então 𝜆 é um autovalor de A se, e só se, 𝜆
satisfaz a equação:

𝑑𝑒𝑡(𝜆𝐼 − 𝐴) = 0 eq.(1)

Essa equação é a equação característica de A.

Exemplo 2. Encontrando autovalores

3 0
No Exemplo 1, observamos que λ = 3 é um autovalor da matriz 𝐀 = [ ]
8 −1

mas não explicamos como foi encontrado. Usamos a equação característica para encontrar
todos os autovalores dessa matriz.

AUTOVALORES E AUTOVECTORES EH
 4

Resolução: Segue da eq. (1) que os autovalores de A são as soluções da equação

𝑑𝑒𝑡(𝜆𝐼 − 𝐴) = 0, que pode ser escrita como

λ−3 0
| |=0
−8 λ + 1

Da qual obtemos (𝜆 − 3)(𝜆 + 1) = 0

Isso mostra que os autovalores de A são 𝜆 = 3 e 𝜆 = −1 Assim, além do autovalor 𝜆 = 3

usado no Exemplo 1, descobrimos o segundo autovalor 𝜆 = −1

Quando o determinante 𝑑𝑒𝑡(𝜆𝐼 − 𝐴) = 0 do lado esquerdo de (1) é expandido, resulta

um polinómio 𝑝(𝜆) de grau n denominado polinómio característico de A. Por exemplo,
segue de (2) o valor que o polinómio característico da matriz A é

𝑝(𝜆) = (𝜆 − 3)(𝜆 + 1) = 𝜆2 − 2𝜆 − 3

que é um polinômio de grau 2. Em geral, o polinômio característico de uma matriz nxn é

da forma

λ − a11 a12 … a1n

a λ − a22 … a2n
P(λ) = det(λI − A) = | 21 |
⋮ ⋮ ⋮ ⋮
an1 an2 … λ − ann

𝑝(𝜆) = 𝜆𝑛 + 𝐶1 𝜆𝑛−1 + ⋯ + 𝐶𝑛

em que 1 é o coeficiente de 𝜆𝑛 . Como um polinômio de grau n tem, no máximo, n raízes

distintas, segue que a equação
𝜆𝑛 + 𝐶1 𝜆𝑛−1 + ⋯ + 𝐶𝑛 = 0

tem, no máximo, n soluções distintas e, consequentemente, que uma matriz nxn tem, no
máximo, n autovalores distintos. Como algumas dessas soluções podem ser números
complexos, é possível que uma matriz tenha autovalores complexos, mesmo se a própria
matriz tiver entradas reais.

AUTOVALORES E AUTOVECTORES EH
 5

Exemolo 3. Autovetores e autovalores de uma matriz 3x3

Para a demosntração desse exemplo, resolvamos o exercicio 1.g) CAP:8 da ficha,

Determinar os valores próprios e vetores próprios da matriz

1 6 0
A = [0 2 1]
0 1 2

Resolução:

Primeiro determinamos o polinómio característico da matriz

λ−1 6 0
P(λ) = det(λI − A) = | 0 λ−2 1 |
0 1 λ−2

P(λ) = (λ − 1)(𝜆 − 1)2 − (λ − 1) = 𝜆3 − 5𝜆2 + 7λ − 3

Em seguida, resolvamos o plinómio P(λ) = 0 para obtermos os autovalores

𝜆3 − 5𝜆2 + 7λ − 3 = 0 ⟹ (λ − 1)(𝜆2 − 4λ + 3) = 0 ⟹ λ1 = 1, 𝜆2 = 3

Já obtidos os autovalores, λ1 = 1, 𝜆2 = 3, procedemos no cálculo dos autovectores

associados a cada um dos autovalores. Como temos dois autovalores λ1 e 𝜆2 , também
obteremos dois autovetores 𝐱 λ1 e 𝐱𝜆2 .

𝑥1
𝑥
Um autovector é definido sendo 𝐱 = [ 2 ], usando a equação 𝐴𝑥 = 𝜆𝑥 obtemos
𝑥3

Para λ1 = 1

1 6 0 𝑥1 𝑥1
6x = 0
[0 2 1] [𝑥2 ] = (1) [𝑥2 ] ⟹{x +2x = 0 ⟹ 𝑥2 = 0, 𝑥3 = 0 então obtemos
2 3
0 1 2 𝑥3 𝑥3

AUTOVALORES E AUTOVECTORES EH
 6

𝑥1 1
𝐱 λ1 = [𝑥2 ] = [0]
𝑥3 0

Para 𝜆2 = 3

1 6 0 𝑥1 𝑥1
−2𝑥 + 6𝑥 = 0 ⟹ x = 3x
[0 2 1] [ 2 ] = (3) [ 2 ] ⟹ { −𝑥1 + 𝑥 2 = 0 ⟹ x 1 = x 2
𝑥 𝑥
2 3 3 2
0 1 2 𝑥3 𝑥3

Como é sabido o 𝑥1 será sempre o valor do autovalor associado, nesse caso x1 = 3.

Obtemos

3
𝐱𝜆2 = [1]
1

Teorema 1.2 : Os valores próprios de uma matriz triangular (inferior ou superior) são
os seus elementos diagonais.
.

Exemplo 3.1

5 1 0
A matriz A = (0 5 1), triangular superior, tem um único valor próprio, com λ = 5
o 0 5
a multiplicidade algébrica 3.

2.1 Multiplicidade algébrica

No estudo dos autovalores de uma matriz, a multiplicidade algébrica surge como uma
característica fundamental para entender a estrutura espectral de uma matriz. Mais do que
um mero número, ela influencia diretamente na estabilidade de métodos numéricos e na
possibilidade de diagonalização de matrizes.

AUTOVALORES E AUTOVECTORES EH
 7

Definição 2.

Dado um autovalor λ de uma matriz quadrada A, dizemos que:

A multiplicidade algébrica de λ é o número de vezes que ele aparece como raiz do

polinômio característico de A.

Se o polinômio característico de A é: P(λ) = det(λI − A)

E se, ao fatorar esse polinômio, encontramos algo como: (𝜆1 − 𝜆)2 (𝜆2 − 𝜆)

Então dizemos que 𝜆1 tem multiplicidade algébrica 2, enquanto 𝜆2 tem multiplicidade 1.

Essa multiplicidade indica quantas vezes o autovalor se repete matematicamente mas não
necessariamente quantos autovetores independentes ele possui, o que é função da
multiplicidade geométrica.

Exemplo 4. Analisemos a matriz do exemplo (3).

1 6 0
A = [0 2 1]
0 1 2

O poinómio que achamos é

P(λ) = 𝜆3 − 5𝜆2 + 7λ − 3

Ao factorar esse polinómio obtemos:

P(λ) = (𝜆 − 1)2 (λ − 3)

Isso nos diz que:

• λ=1 tem multiplicidade algébrica 2.

• λ=3 tem multiplicidade algébrica 1.

Na prática, isso significa que o autovalor λ=1 está "repetido" duas vezes na estrutura
espectral da matriz.

AUTOVALORES E AUTOVECTORES EH
 8

2.2 Multiplicidade Geométrica

Definição 3:

Chama-se multiplicidade geométrica de um valor próprio λ ao grau de indeterminação

do sistema (𝜆𝐼 − 𝐴)𝑥 = 0 ou seja, a dimensão do núcleo da matriz λI − A.

Como é sabido, o grau de indeterminação dum sistema é o número de variáveis livres

na solução geral do sistema e, a multiplicidade geométrica de um valor próprio λ é o
número de parâmetros livres na expressão geral dos vectores próprios associados a λ.

A Multiplicidade geométrica é sempre menor ou igual a Multiplicidade algébrica.

Exemplo 5: Determinar a multiplicidade geométrica de

5 1 0
A = (0 5 1)
o 0 5

5 1 0
A matriz A = (0 5 1), triangular superior, tem um único valor próprio, com λ = 5
o 0 5
a multiplicidade algébrica 3.

Para Determinar a sua multiplicidade geométrica teremos

0 1 0
(𝜆𝐼 − 𝐴)𝑥 = (0 0 1)
o 0 0
Como esta matriz tem característica 2, o grau de indeterminação do sistema é 1 e,
portanto, λ = 5 tem multiplicidade geométrica 1.

Corolário: Se um valor próprio tem multiplicidade algébrica 1, a sua multiplicidade

geométrica é também 1.

AUTOVALORES E AUTOVECTORES EH
 9

2.3 Diagonalização de Matrizes

Definição 4:
Uma matriz quadrada A é dita diagonalizável se for semelhante a alguma
matriz diagonal, ou seja, se existir alguma matriz invertível P tal que 𝑝−1 𝐴𝑝 é
diagonal. Nesse caso, dizemos que a matriz P diagonaliza A.

Teorema 1.3: Se A for uma matriz nxn, são equivalentes as afirmações seguintes:
(a) A é diagonalizável.

. (b) A tem n autovetores linearmente independentes

Prova (a) ⇒ (b) Como estamos supondo que A é diagonalizável, existem uma matriz
invertível P e uma matriz diagonal D tais que 𝒑−𝟏 𝑨𝒑 ou, equivalentemente,

AP=PD eq(1)

Denotando os vetores coluna de P por p1, p2, . . . , pn e supondo que as entradas diagonais
de D sejam 𝜆1 , 𝜆2 , … , 𝜆𝑛 segue, pela Fórmula que o lado esquerdo de eq(1) pode ser
expresso por
AP =A[p1 p2 · · · pn] = [Ap1 Ap2 · · · Apn]

E o lado direito de (1) pode ser expresso por

PD = [ 𝜆1 𝑃1 𝜆2 𝑃2 … 𝜆𝑛 𝑃𝑛 ]

Assim, segue de (1) que:

𝐴𝑃1 = 𝜆1 𝑃1 , 𝐴𝑃2 = 𝜆2 𝑃2 , … 𝐴𝑃𝑛 = 𝜆𝑛 𝑃𝑛

Como P é invertível, sabemos que seus vetores coluna p1, p2, . . . , pn são linearmente
independentes (e, portanto, não nulos). Assim, segue de (2) que esses n vetores coluna
são autovetores de A.

AUTOVALORES E AUTOVECTORES EH
 10

Prova (b) ⇒ (a) Suponhamos que A tenha n autovetores linearmente independentes

p1, p2,. . . , pn com autovalores associados 𝜆1 , 𝜆2 , … , 𝜆𝑛 Escrevendo

P = [p1 p2 · · · pn ]

e denotando por D a matriz diagonal de entradas diagonais sucessivas 𝜆1 , 𝜆2 , … , 𝜆𝑛

obtemos

𝐴𝑃 = 𝐴[𝑃1 𝑃2 … 𝑃𝑛 ] = [𝐴𝑃1 𝐴𝑃2 … 𝐴𝑃𝑛 ] = [ 𝜆1 𝑃1 𝜆2 𝑃2 … 𝜆𝑛 𝑃𝑛 ] = 𝑃𝐷

O teorema precedente garante que uma matriz A de tamanho nxn com n autovetores
linearmente independentes é diagonalizável, e a prova sugere o método seguinte para
diagonalizar A.

2.3.1 Procedimento para diagonalizar uma matriz

Passo 1. Confirmar que a matriz é realmente diagonalizável encontrando n autovetores

linearmente independentes. Uma maneira de fazer isso é encontrar uma base
de cada autoespaço e juntar todos esses vetores num único conjunto S. Se esse
conjunto tiver menos do que n elementos, a matriz não é diagonalizável.

Passo 2. Forme a matriz P = [p1 p2 · · · pn] que tem os vetores de S como vetores
coluna.

Passo 3. A matriz 𝑷−𝟏 𝑨𝑷 será diagonal com os autovalores 𝜆1 , 𝜆2 , … , 𝜆𝑛 correspondentes

aos autovetores p1, p2, . . . , pn como entradas diagonais sucessivas.

AUTOVALORES E AUTOVECTORES EH
 11

Exmplo 5: Encontrando uma matriz P que diagonaliza uma matriz A

Encontre uma matriz P que diagonalize

0 0 −2
A = [1 2 1 ]
1 0 3

Para matriz P que diagonalize A é necessários passar pela determinação das bases de
autoespaços.

A equação característica de A é λ3 − 5λ2 + 8λ − 4 = 0 ou, fatorada, (λ − 1)(λ − 2)2 =

0. Assim, os autovalores distintos de A são λ = 1 e λ = 2 , e existem dois autoespaços
de A.

Por definição,

𝑥1
𝐱 = [𝑥2 ]
𝑥3

é um autovetor de A associado a λ se, e só se, x é uma solução não trivial de

(𝜆𝐼 − 𝐴)𝑥 = 0
ou, em forma matricial,
λ 0 2 x1 0
[−1 λ − 2 −1 ] [x2 ] = [0]
−1 0 λ − 3 x3 0

No caso λ = 2 , a Fórmula se torna

2 0 2 x1 0
[−1 0 x
−1] [ 2 ] = [0]
−1 0 −1 x3 0

Resolvendo esse sistema por eliminação gaussiana, obtemos x1 = −s , x2 = t, x3 = s

−s −s 0 −1 0
x = [ t ] = [ 0 ] + [ t ] = 𝑠 [ 0 ] + 𝑡 [1]
s s 0 1 0

−1 0
como [ 0 ] e [1] são linearmente independentes, esses vetores formam uma base do
1 0
autoespaço associado a λ = 2.

AUTOVALORES E AUTOVECTORES EH
 12

Para λ = 1 temos

1 0 2 x1 0
[−1 −1 −1] [x2 ] = [0]
−1 0 −2 x3 0

Resolvendo esse sistema, obtemos x1 = −2s , x2 = s, x3 = s

−2s −2 −2
[ s ] = 𝑠 [ 1 ] de modo que [ 1 ] é uma base do autoespaço associado a λ = 1
s 1 1

e encontramos as seguintes bases dos autoespaços,

−1 0 −2
λ = 2: 𝑷𝟏 = [ 0 ] 𝑷𝟐 = [1] λ = 1: 𝑷𝟑 = [ 1 ]
1 0 1

Há um total de três vetores de base, portanto, a matriz

−1 0 −2
𝑃=[ 0 1 1]
1 0 1

P diagonaliza A. Para conferir, vamos verificar que

1 0 2 0 0 −2 −1 0 −2 2 0 0
𝑷−𝟏 𝑨𝑷 = [ 1 1 1 ] [1 2 1 ] [ 0 1 1 ] = [0 2 0]
−1 0 −1 1 0 3 1 0 1 0 0 1

Em geral, não existe uma ordem preferencial para as colunas de P. Como a i-ésima
entrada diagonal de 𝑷−𝟏 𝑨𝑷 é um autovalor do i-ésimo vetor coluna de P, mudar a ordem
das colunas de P só muda a ordem dos autovalores na diagonal de 𝑷−𝟏 𝑨𝑷. Assim, se
tivéssemos
escrito

−1 −2 0 2 0 0
𝑃=[ 0 1 1] no exemplo precedente teríamos obtido 𝑷−𝟏 𝑨𝑷 = [0 1 0]
1 1 0 0 0 2

AUTOVALORES E AUTOVECTORES EH
 13

Exemplo 5.1 Uma matriz que não é diagonalizável

Encontre uma matriz P que diagonalize A

1 0 0
A = [ 1 2 0]
−3 5 2

Resolução:

O polinômio característico de A é

λ−1 0 0
det(λI − A) = | 1 λ−2 0 | = (λ − 1)(λ − 2)2
−3 5 λ−2

de modo que a equação característica é (λ − 1)(λ − 2)2 = 0

1
8 0
λ = 1: 𝑷𝟏 = [ − ] 1 λ = 2: 𝑷𝟐 = [0]
8 1
1

Como A é 3x3 e só há um total de dois vetores de base, A não é diagonalizável.

2.4 Cálculo de potência de matrizes usando autovetores e autovalores

Em muitas aplicações, é necessário calcular potências elevadas de uma matriz quadrada.

Para começar, digamos que A seja uma matriz diagonalizável de tamanho n _ n, que P
diagonaliza A e que:

𝜆1 𝟎 … 𝟎
𝟎 𝜆2 … 𝟎
. . .
𝑷−𝟏 𝑨𝑷 = =𝐷
. . .
. . .
[𝟎 𝟎 … 𝜆𝑛 ]

AUTOVALORES E AUTOVECTORES EH
 14

No geral, se k for a potência, um inteiro positivo, então uma conta análoga mostra que

𝝀𝒌𝟏 𝟎 … 𝟎
𝒌
𝟎 𝝀𝟐 … 𝟎
𝑷−𝟏 𝑨𝒌 𝑷 = 𝐷𝑘 = . . .
. . .
. . .
[𝟎 𝟎 … 𝝀𝒌𝒏 ]

𝝀𝒌𝟏 𝟎 … 𝟎
𝒌
𝟎 𝝀𝟐 … 𝟎
Logo, 𝑨𝒌 = 𝑷𝑫𝒌 𝑷−𝟏 =𝑷 . . . 𝑷−𝟏
. . .
. . .
[𝟎 𝟎 … 𝝀𝒌𝒏 ]

0 0 −2
Exemplo 6: Calculemos a potência A(13) da matriz A = [1 2 1]
1 0 3

Resolução:

−1 0 −2
Mostramos no Exemplo 5 que a matriz A é diagonalizada por 𝑃 = [ 0 1 1 ] e que
1 0 1

2 0 0
𝑷−𝟏 𝑨𝑷 = 𝑫 = [0 2 0]
0 0 1

Assim teremos,

−1 0 −2 2(13) 0 0 1 0 2
𝟏𝟑 𝟏𝟑 −𝟏 (13)
𝑨 = 𝑷𝑫 𝑷 = [ 0 1 1 ][ 0 2 0 ] [ 1 1 1]
1 0 1 (13) −1 0 −1
0 0 1

−8,190 0 −16,382
𝑨𝟏𝟑 = [ 8,191 8,192 8,191 ]
8,191 0 16,383

AUTOVALORES E AUTOVECTORES EH
 15

2.5 Cálculo de equações diferenciais usando autovetores e autovalores

Os autovalores e autovetores são ferramentas fundamentais na resolução de sistemas de

equações diferenciais lineares. Ao transformar o sistema em uma forma matricial, é
possível obter soluções analíticas por meio da decomposição espectral da matriz dos
coeficientes. Este método é especialmente útil quando se deseja compreender o
comportamento dinâmico de sistemas lineares.

Definição 5:

Consideremos um sistema linear de equações diferenciais da forma:

dx
= Ax
dt

onde:

• ⃗x(t) é um vetor de funções desconhecidas,

• A é uma matriz de coeficientes constantes,

A solução geral deste sistema pode ser obtida determinando os autovalores (λ) e
autovetores (𝑣) da matriz A, resolvendo:

(λI - A)𝑣 = 0

Nestes casos, procuramos soluções do tipo:

⃗x(t) = 𝑣 𝑒 λ𝑡

Se os autovalores forem reais e distintos, a solução geral do sistema será uma combinação
linear dos autovetores multiplicados por exponenciais baseadas nos autovalores.

Se os autovalores forem complexos, a solução envolverá funções seno e cosseno

multiplicadas por exponenciais reais.

AUTOVALORES E AUTOVECTORES EH
 16

Exemplo 6:

Calculemos a equação diferencial 13.a) CAP:8 da ficha de Calculo Numérico

dx
= x + 2y
{ dt
dy
= 4x + 3y
dt

Resolução:

Primeiro representamos o sistema na forma matricial

ⅆ 𝑥 1 2 𝑥 1 2
[𝑦] = [ ][ ] onde, 𝐴=[ ]
ⅆt 4 3 𝑦 4 3

Em seguida, calculamos os autovalores de A

𝜆−1 2
det(λI − A) = | | = λ2 − 4λ − 5 ⟹ λ = 5, e λ = −1
4 𝜆−3

para λ = 5

1 2 𝑥 𝑥 1
[ ] [𝑦] = (5) [𝑦] resolvendo o sistema teremos autovetor (1) 𝑣 = [ ]
4 3 2

para λ = −1

1 2 𝑥 𝑥 1
[ ] [𝑦] = (−1) [𝑦] resolvendo o sistema teremos autovetor (2) 𝑣= [ ]
4 3 −1

Deste modo, obtemos a solução geral:

1 1 −𝑡
𝑥(𝑡) = 𝐶1 [ ] 𝑒 5𝑡 + 𝐶2 [ ]𝑒
2 −1

AUTOVALORES E AUTOVECTORES EH
 17

Exemplo 6.1: Caso de autovalores complexos

Calculemos a equação diferencial 13.b) CAP:8 da ficha de Calculo Numérico

dx
= 6x − y
{ dt
dy
= 5x + 4y
dt

Resolução:

Primeiro, como já é sabido, representamos o sistema na forma matricial

ⅆ 𝑥 6 −1 𝑥 6 −1
[𝑦] = [ ][ ] onde, 𝐴=[ ]
ⅆt 5 4 𝑦 5 4

Autovalores

𝜆−6 2
det(λI − A) = | | = λ2 − 10λ + 29
4 𝜆−4

nota: Δ = b2 − 4ac = (−10)2 − 4(1)(29) = −16 < 0

então teremos autovalores complexos

⟹ λ = 5 + 2𝑖, e λ = 5 − 2𝑖

Autovector Para λ = 5 + 2𝑖

6 −1 𝑥 𝑥
[ ] [𝑦] = (5 + 2𝑖 ) [𝑦]
5 4

1
resolvendo o sistema teremos autovetor (1) 𝑣 = [ ]
1 − 2𝑖

se λ = α + 𝑖β e 𝑣 = 𝑎 + 𝑖𝑏, a solução geral é

𝑥(𝑡) = 𝑒 α𝑡 [C1 (𝑎 cos(𝛽𝑡) − 𝑏⃗𝑠𝑒𝑛(𝛽𝑡)) + C2 (𝑎𝑠𝑒𝑛(𝛽𝑡) + 𝑏⃗ cos(𝛽𝑡))]

N nosso caso α = 5, β = 2,

cos(2𝑡) 𝑠𝑒𝑛(2𝑡)
𝑥(𝑡) = 𝑒 5𝑡 [C1 ([ ]) + C2 [ ]]
cos(2𝑡) + 2𝑠𝑒𝑛(2𝑡) (𝑠𝑒𝑛(2𝑡) − 2cos(2𝑡))

AUTOVALORES E AUTOVECTORES EH
 18

2.6 Aplicaçao de valores e vectores Próprios na engenharia civil

Em Engenharia Civil, autovalores e autovetores são ferramentas matemáticas essenciais
para a análise de estruturas, permitindo entender a sua resposta dinâmica e estabilidade
em face de diferentes cargas. Eles são particularmente úteis na análise de vibrações e no
cálculo de frequências naturais, que são informações críticas para garantir a segurança e
o desempenho de pontes, edifícios e outros projetos.

Análise Estrutural e Vibrações:

• Vibrações de estruturas:

Os autovalores, nesse contexto, representam as frequências naturais da estrutura,

enquanto os autovetores descrevem os modos de vibração. Compreender esses modos é
fundamental para evitar ressonâncias perigosas e projetar estruturas que resistam a forças
sísmicas e outras cargas dinâmicas.

• Análise de Estabilidade:

Autovalores e autovetores também são utilizados para analisar a estabilidade de

estruturas, determinando a capacidade de suportar cargas sem colapsar.

Cálculo de Frequências Naturais:

Através da análise de autovalores, é possível determinar as frequências naturais de uma

estrutura, ou seja, as frequências nas quais ela vibra livremente. Essa informação é crucial
para projetar estruturas que evitem ressonância com forças externas.

Modos de Vibração:

Os autovetores, por sua vez, fornecem informações sobre os modos de vibração da

estrutura, mostrando como diferentes partes da estrutura se movem em relação uma à
outra durante a vibração.

AUTOVALORES E AUTOVECTORES EH
 19

Exemplos Práticos:

• Pontes:

A análise de autovalores e autovetores é essencial para garantir que uma ponte não entre
em ressonância com as ondas de um rio ou do vento, evitando danos e colapsos.

• Edifícios:

A segurança de edifícios contra terremotos depende da compreensão dos modos de

vibração do edifício, permitindo que sejam projetados para resistir aos movimentos
sísmicos.

• Estruturas de Grande Escala:

Em grandes estruturas, como barragens e torres, a análise de autovalores e autovetores é

fundamental para garantir a sua estabilidade e segurança.

AUTOVALORES E AUTOVECTORES EH
 20

3 Conclusão

O presente trabalho consolidou a compreensão dos autovalores e autovetores no campo

do Cálculo Numérico, destacando sua aplicabilidade em problemas complexos da
Engenharia Civil. A análise aprofundada das multiplicidades algébrica e geométrica
permitiu compreender a estrutura intrínseca das matrizes e suas consequências para a
diagonalização e simplificação dos sistemas lineares.

Por meio da diagonalização e do cálculo de potências de matrizes, tornou-se possível

resolver sistemas de equações diferenciais lineares com maior precisão e eficiência,
elementos fundamentais para a modelagem e previsão do comportamento estrutural.
Assim, comprovou-se que essas ferramentas matemáticas são indispensáveis não só para
o desenvolvimento teórico, mas também para a inovação prática na engenharia,
promovendo soluções robustas e otimizadas.

Portanto, o domínio dessas técnicas representa um diferencial para engenheiros civis,

capacitando-os a enfrentar desafios estruturais com rigor científico e segurança técnica,
consolidando o Cálculo Numérico como uma disciplina fundamental para o avanço
tecnológico e a excelência na área.

AUTOVALORES E AUTOVECTORES EH
 21

4 Bibliografia

• ANTON, Howard; RORRES, Chris. Álgebra linear com aplicações. 10ed. Porto
Alegre : Bookman, 2012.
• Workbook 22. Eigenvalues and Eigenvectors. [S.L]. 2008
• CAMPOS, Frederico Ferreira. Algorítmos Numéricos. 2ed. [Sl.]: LTC.
• GILBERT, Strang. Linear Algebra and its Applications. 4ed.[Sl].

AUTOVALORES E AUTOVECTORES EH