Calculadora de Autovalor e Autovetor: Guia Passo a Passo
Uma calculadora de autovalor e autovetor encontra os escalares λ e vetores não nulos v que satisfazem Av = λv para uma matriz quadrada A, usando a equação característica det(A - λI) = 0 para resolver autovalores e depois fazendo substituição reversa para encontrar cada autovetor. Autovalores e autovetores revelam como uma transformação linear estica, encolhe ou reflete o espaço em direções específicas, e eles sustentam técnicas desde análise de componentes principais até análise de vibração estrutural e o algoritmo PageRank do Google. Este guia percorre o método completo passo a passo com aritmética real, cobrindo tanto uma matriz 2×2 geral quanto o atalho diagonal/triangular, depois trabalha problemas práticos com soluções completas.
Conteúdo
- 01O que são Autovalores e Autovetores?
- 02Como uma Calculadora de Autovalor e Autovetor os Encontra Passo a Passo?
- 03Exemplo Trabalhado: Encontrando Autovalores e Autovetores de uma Matriz 2×2
- 04Como Você Encontra Autovalores de uma Matriz Diagonal ou Triangular?
- 05O que Autovalores e Autovetores Significam Geometricamente?
- 06Onde Autovalores e Autovetores Aparecem em Aplicações Reais?
- 07Erros Comuns ao Computar Autovalores e Autovetores
- 08Problemas Práticos: Teste Sua Compreensão de Autovalores e Autovetores
- 09Por Que Usar uma Calculadora de Autovalor e Autovetor para Prática Passo a Passo?
O que são Autovalores e Autovetores?
Uma calculadora de autovalor e autovetor é construída em torno de uma equação central: para uma matriz n×n quadrada A, um vetor não nulo v é chamado de autovetor se multiplicar A por v produz um vetor que aponta na mesma direção que v, apenas dimensionado por uma constante. Essa constante, escrita λ (lambda), é o autovalor. Em forma de equação, Av = λv, onde v ≠ 0. Reorganizando obtemos (A - λI)v = 0, onde I é a matriz identidade do mesmo tamanho que A. Este é um sistema linear homogêneo, e ele só tem solução não nula v quando a matriz (A - λI) é singular — significando que seu determinante é zero. Esse requisito único, det(A - λI) = 0, é chamado de equação característica, e resolvê-lo é o primeiro passo para encontrar todo autovalor de A. Quando uma matriz A tem n autovetores linearmente independentes, esses autovetores podem ser montados como as colunas de uma matriz P, e A pode ser reescrita como A = PDP⁻¹, onde D é a matriz diagonal contendo os autovalores correspondentes. Este processo é chamado diagonalização, e é a razão principal pela qual autovalores e autovetores são estudados juntos em vez de separadamente — uma 'autodecomposição' de A só é possível uma vez que você tem ambas as peças.
Av = λv: um autovetor v mantém sua direção sob a transformação A — ele é apenas esticado, encolhido ou invertido pelo escalar autovalor λ.
Como uma Calculadora de Autovalor e Autovetor os Encontra Passo a Passo?
Uma calculadora de autovalor e autovetor passo a passo sempre segue o mesmo processo de quatro estágios, seja a matriz 2×2 ou 6×6. A única coisa que muda com o tamanho é quanto aritmética cada estágio requer. Nem toda matriz se comporta assim de forma limpa. Um autovalor repetido pode vir com um conjunto completo de autovetores independentes ou menos do que o esperado — uma situação chamada de matriz defectiva — e uma matriz real não simétrica pode produzir um par de autovalores complexos conjugados com autovetores complexos. Uma calculadora de autovalor e autovetor lida com todos os três casos com o mesmo método de equação característica; apenas a interpretação do resultado muda uma vez que você atinge o Passo 2.
1. Passo 1 — Construir a equação característica
Subtraia λ de cada entrada diagonal de A para formar (A - λI), depois defina seu determinante igual a zero: det(A - λI) = 0. Expandir este determinante produz um polinômio em λ chamado de polinômio característico.
2. Passo 2 — Resolver o polinômio característico para λ
Fatore ou use a fórmula quadrática (para matrizes 2×2) ou técnicas de fatoração polinomial (para matrizes maiores) para encontrar toda raiz. Cada raiz é um autovalor de A; uma matriz n×n tem exatamente n autovalores, contados com multiplicidade, possivelmente incluindo repetições ou números complexos.
3. Passo 3 — Substitua cada autovalor de volta para encontrar seu autovetor
Para cada autovalor λ, coloque-o em (A - λI)v = 0 e resolva o sistema linear resultante para v. Porque det(A - λI) = 0 por construção, este sistema sempre tem infinitas soluções — escolha o vetor não nulo mais simples que a satisfaz.
4. Passo 4 — Verificar com Av = λv
Multiplique a matriz original A pelo autovetor v que você encontrou e confirme que o resultado é igual a λ vezes v. Esta verificação detecta erros aritméticos antes que eles se propaguem para uma resposta final incorreta.
5. Passo 5 — Lidar com matrizes maiores com expansão de cofator
Para matrizes 3×3 e maiores, det(A - λI) é expandido usando expansão de cofator (menor) ao longo de uma linha ou coluna, o que transforma o determinante em uma soma de determinantes menores sinalizados que cada um contém λ. O resultado é um polinômio de grau n em λ. Quando nenhum atalho diagonal ou triangular se aplica, procure raízes racionais primeiro usando o termo constante do polinômio expandido, depois fatore cada raiz que você encontrar antes de resolver qualquer fator quadrático ou linear que reste.
Todo problema de autovalor se reduz a dois passos: resolver det(A - λI) = 0 para λ, depois resolver (A - λI)v = 0 para v.
Exemplo Trabalhado: Encontrando Autovalores e Autovetores de uma Matriz 2×2
Considere A = [[4, 1], [2, 3]]. Esta é uma matriz 2×2 padrão com dois autovalores reais distintos, tornando-a um exemplo limpo do método completo.
1. Passo 1 — Configurar e expandir a equação característica
(A - λI) = [[4-λ, 1], [2, 3-λ]] det(A - λI) = (4-λ)(3-λ) - (1)(2) = λ² - 7λ + 12 - 2 = λ² - 7λ + 10
2. Passo 2 — Fatorar e resolver para os autovalores
λ² - 7λ + 10 = (λ - 5)(λ - 2) = 0, então λ₁ = 5 e λ₂ = 2.
3. Passo 3 — Encontrar o autovetor para λ₁ = 5
(A - 5I) = [[-1, 1], [2, -2]] A linha 1 dá -x + y = 0, então y = x. Escolhendo x = 1 dá autovetor v₁ = (1, 1).
4. Passo 4 — Encontrar o autovetor para λ₂ = 2
(A - 2I) = [[2, 1], [2, 1]] A linha 1 dá 2x + y = 0, então y = -2x. Escolhendo x = 1 dá autovetor v₂ = (1, -2).
5. Passo 5 — Verificar ambos os resultados
Av₁ = [4(1)+1(1), 2(1)+3(1)] = [5, 5] = 5(1, 1) ✓ Av₂ = [4(1)+1(-2), 2(1)+3(-2)] = [2, -4] = 2(1, -2) ✓ Ambos os pares próprios verificam.
6. Passo 6 — Confirmar que a matriz é diagonalizável
Como ambos os autovalores são reais e distintos, A é diagonalizável: montando v₁ e v₂ como as colunas de P = [[1, 1], [1, -2]] e D = [[5, 0], [0, 2]] recupera a matriz original através de A = PDP⁻¹. Toda matriz 2×2 com dois autovalores distintos é garantida de ser diagonalizável desta forma.
7. Passo 7 — Verificação cruzada usando traço e determinante
Duas verificações de sanidade rápidas funcionam para qualquer matriz quadrada: a soma dos autovalores sempre é igual ao traço de A (a soma de suas entradas diagonais), e o produto dos autovalores sempre é igual a det(A). Aqui, 5 + 2 = 7 corresponde a traço(A) = 4 + 3 = 7, e 5 × 2 = 10 corresponde a det(A) = (4)(3) - (1)(2) = 10 — confirmando que ambos os autovalores estão corretos sem re-derivá-los.
Resultado: A = [[4,1],[2,3]] tem autovalores λ₁ = 5 com autovetor (1, 1), e λ₂ = 2 com autovetor (1, -2).
Como Você Encontra Autovalores de uma Matriz Diagonal ou Triangular?
Matrizes diagonais e triangulares oferecem um atalho que pula toda a aritmética de equação característica: seus autovalores são simplesmente as entradas sentadas na diagonal principal. Isto funciona porque subtrair λ da diagonal de uma matriz triangular a mantém triangular, e o determinante de qualquer matriz triangular é apenas o produto de suas entradas diagonais.
1. Passo 1 — Ler autovalores diretamente de uma matriz diagonal
Para D = [[3, 0, 0], [0, -1, 0], [0, 0, 5]], det(D - λI) = (3-λ)(-1-λ)(5-λ), então os autovalores são simplesmente λ = 3, λ = -1, e λ = 5 — nenhuma eliminação necessária. Seus autovetores são os vetores da base padrão (1,0,0), (0,1,0), e (0,0,1).
2. Passo 2 — Aplicar o mesmo atalho a uma matriz triangular superior
Para T = [[2, 4, 1], [0, 5, 3], [0, 0, -3]], det(T - λI) = (2-λ)(5-λ)(-3-λ) porque a matriz permanece triangular superior depois de subtrair λ. Os autovalores são as entradas diagonais: λ = 2, λ = 5, e λ = -3.
3. Passo 3 — Encontrar um autovetor para uma matriz triangular usando substituição reversa
Para λ = 5 em T: (T - 5I) = [[-3, 4, 1], [0, 0, 3], [0, 0, -8]]. A linha 2 dá 3z = 0, então z = 0. A linha 1 dá -3x + 4y + z = 0, então -3x + 4y = 0. Escolhendo y = 3 dá x = 4, então v = (4, 3, 0).
4. Passo 4 — Verificar o autovetor triangular
Tv = [2(4)+4(3)+1(0), 5(3), -3(0)] = [20, 15, 0] = 5(4, 3, 0) ✓, confirmando que λ = 5 emparelha corretamente com autovetor (4, 3, 0).
5. Passo 5 — Entender por que o atalho importa além da velocidade
Este atalho é mais do que uma conveniência — é também a razão pela qual a diagonalização é útil em primeiro lugar. Se você pode encontrar uma matriz P que converte A em uma matriz triangular ou diagonal D, computar grandes potências de A (necessário para resolver relações de recorrência e sistemas de equações diferenciais) colapsa em computar potências de D, o que apenas significa elevar cada entrada diagonal àquela potência.
Atalho: para qualquer matriz diagonal ou triangular, os autovalores são exatamente as entradas diagonais — det(A - λI) fatora automaticamente em (d₁-λ)(d₂-λ)⋯(dₙ-λ).
O que Autovalores e Autovetores Significam Geometricamente?
Imagine uma matriz A como uma transformação que move cada ponto no espaço. A maioria dos vetores é empurrada em uma nova direção quando você aplica A, mas autovetores são as direções especiais que A deixa sem rotação — um vetor ao longo de uma direção de autovetor é apenas esticado, comprimido ou invertido, nunca virado. O autovalor λ diz a você exatamente quanto: |λ| > 1 estica a direção do autovetor, 0 < |λ| < 1 a comprime em direção à origem, e um λ negativo a inverte para apontar na direção oposta enquanto ainda está na mesma linha. No exemplo 2×2 acima, todo vetor ao longo da linha através da origem e (1, 1) é esticado por um fator de 5 sob A, enquanto todo vetor ao longo da linha através de (1, -2) é esticado por um fator de 2. Qualquer outro vetor no plano é uma combinação dessas duas direções, então seu caminho sob aplicação repetida de A é dominado cada vez mais pelo autovalor maior — a mesma ideia que alimenta convergência de cadeias de Markov e algoritmos iterativos como PageRank. Nem toda matriz tem direções de autovetor independentes suficientes para abranger todo o espaço. Quando não tem, nenhuma matriz diagonal D pode representá-la exatamente, e os matemáticos trabalham com uma estrutura relacionada chamada de forma de Jordan. Esta é a razão geométrica pela qual autovalores repetidos às vezes causam problemas: duas direções podem desabar em um único eixo, deixando menos de n direções independentes para uma matriz n×n diagonalizar ao longo.
1. Exemplo rápido — uma matriz de reflexão
Para A = [[0, 1], [1, 0]], resolver det(A - λI) = λ² - 1 = 0 dá λ = 1 e λ = -1. O autovetor para λ = 1 é (1, 1) — a linha y = x, que A deixa completamente intacta — enquanto o autovetor para λ = -1 é (1, -1), a linha que A inverte de ponta a ponta. Isto é exatamente como a matriz ganha seu nome geométrico: ela reflete o plano através da linha y = x, e os dois autovalores (1 e -1) capturam as direções 'manter' e 'inverter' precisamente.
Geometricamente, autovetores são os eixos que uma transformação respeita; autovalores são quanto ela estica, encolhe ou inverte ao longo de cada eixo.
Onde Autovalores e Autovetores Aparecem em Aplicações Reais?
Autovalores e autovetores não são apenas um exercício de álgebra linear — eles são a espinha dorsal matemática de várias ferramentas usadas diariamente em engenharia, ciência de dados e física. Em cada caso abaixo, o mesmo método de equação característica das seções acima é o ponto de partida; apenas a matriz sendo analisada muda.
1. Análise de Componentes Principais (PCA)
Os cientistas de dados computam os autovetores da matriz de covariância de um conjunto de dados para encontrar as direções de variância máxima, depois usam os maiores autovalores para decidir quais direções (componentes principais) capturam a maior quantidade de informação para redução de dimensionalidade.
2. Análise de vibração estrutural e mecânica
Os engenheiros modelam as frequências naturais de vibração de uma estrutura como os autovalores de um sistema de rigidez/massa, e os autovetores descrevem as formas de modo correspondentes — como a estrutura se dobra fisicamente em cada frequência.
3. Algoritmos de classificação de pesquisa
O algoritmo original PageRank do Google classifica páginas da web usando o autovetor dominante de uma matriz construída a partir da estrutura de links da web, já que esse autovetor representa a distribuição de estado estacionário de longo prazo de um navegador aleatório.
4. Estabilidade de sistemas dinâmicos
Em equações diferenciais e teoria de controle, o sinal e a magnitude dos autovalores de um sistema determinam se um sistema retorna ao equilíbrio, oscila ou cresce sem limite ao longo do tempo.
Cada uma dessas aplicações se reduz à mesma pergunta que este guia responde: quais direções uma matriz respeita, e quanto ela as dimensiona?
Erros Comuns ao Computar Autovalores e Autovetores
Um punhado de erros representa a maioria dos cálculos incorretos de autovalor e autovetor feitos à mão. Observe esses cinco em particular antes de confiar em uma resposta final.
1. Erro 1 — Subtrair λ de cada entrada em vez de apenas da diagonal
Apenas as entradas diagonais de A mudam quando se forma A - λI; as entradas fora da diagonal permanecem exatamente como estão na matriz original.
2. Erro 2 — Tratar um autovetor como único
Autovetores são definidos apenas até um múltiplo escalar não nulo — (1, 1), (2, 2), e (-3, -3) são todos autovetores válidos para o mesmo autovalor. Não há um único autovetor 'correto', apenas uma direção correta.
3. Erro 3 — Erros de sinal ao expandir determinantes maiores
Para matrizes 3×3 e maiores, a expansão de cofator envolve sinais alternados; descartar ou deslocar um sinal de menos é a fonte mais comum de um polinômio característico errado.
4. Erro 4 — Aplicar o atalho diagonal a uma matriz não triangular
O atalho 'autovalores iguais às entradas diagonais' só se aplica a matrizes diagonais e triangulares. Para uma matriz geral como [[4,1],[2,3]], as entradas diagonais 4 e 3 não são os autovalores — você ainda precisa da equação característica completa.
5. Erro 5 — Assumir que autovalores devem ser reais
Uma matriz não simétrica pode ter autovalores complexos conjugados com autovetores de entrada complexa, mesmo quando cada entrada da matriz original é um número real. Isto aparece mais frequentemente com matrizes semelhantes à rotação, então não descarte um resultado apenas porque o polinômio característico não tem raízes reais — resolva-o sobre os números complexos em vez disso.
A forma mais rápida de detectar um erro de autovetor é recomputar Av e verificar se ele verdadeiramente é igual a λv antes de prosseguir.
Problemas Práticos: Teste Sua Compreensão de Autovalores e Autovetores
Trabalhe através destes três problemas, depois compare seus passos com as respostas abaixo.
1. Problema 1 — Encontre os autovalores e autovetores de A = [[1, 2], [2, 1]]
Resposta: det(A-λI) = (1-λ)² - 4 = λ² - 2λ - 3 = (λ-3)(λ+1) = 0, então λ₁ = 3 e λ₂ = -1. Para λ₁ = 3: (A-3I) = [[-2,2],[2,-2]] dá x = y, então v₁ = (1,1). Para λ₂ = -1: (A+I) = [[2,2],[2,2]] dá x = -y, então v₂ = (1,-1).
2. Problema 2 — Encontre os autovalores da matriz triangular superior U = [[6, 2], [0, -2]]
Resposta: U é triangular, então seus autovalores são lidos diretamente da diagonal: λ₁ = 6 e λ₂ = -2. Nenhuma aritmética de equação característica necessária.
3. Problema 3 — v = (2, 1) é um autovetor de A = [[3, 4], [0, 1]]?
Resposta: Av = [3(2)+4(1), 0(2)+1(1)] = (10, 1). Para v ser um autovetor, (10, 1) precisaria ser um múltiplo escalar de (2, 1), mas 10/2 = 5 enquanto 1/1 = 1 — as proporções não correspondem, então v = (2, 1) não é um autovetor de A.
4. Problema 4 — Encontre os autovalores da matriz triangular superior M = [[2, 1, 0], [0, 2, 5], [0, 0, 7]]
Resposta: M é triangular superior, então seus autovalores são as entradas diagonais: λ = 2, aparecendo com multiplicidade 2 já que ocupa duas posições diagonais, e λ = 7. Um autovalor repetido como este é exatamente o caso onde você precisaria verificar separadamente se dois autovetores independentes existem para λ = 2 ou apenas um — uma distinção que determina se M é diagonalizável.
Verificar se um vetor dado é um autovetor é simples: compute Av e veja se cada componente dimensiona pela mesma constante.
Por Que Usar uma Calculadora de Autovalor e Autovetor para Prática Passo a Passo?
Computar autovalores à mão é rápido para uma matriz 2×2 mas a aritmética cresce rápida para sistemas 3×3 e maiores, onde um único erro de sinal no polinômio característico joga fora todo autovalor e autovetor que se segue. Uma calculadora de autovalor e autovetor que mostra cada estágio — a equação característica, o polinômio fatorado, e a substituição reversa para cada autovetor — permite que você verifique seu próprio trabalho linha por linha em vez de apenas ver se a resposta final corresponde. O solucionador passo a passo da Solvify e o tutor matemático de IA percorrem equações características, determinantes, e substituição reversa de autovetor da mesma forma que este guia faz, então você pode verificar tarefas de casa, se preparar para provas, ou ficar preso em uma matriz específica sem perder o raciocínio por trás de cada passo. Isto é especialmente útil durante um curso de álgebra linear, onde problemas de autovalor se constroem diretamente nas operações de matriz, determinantes, e redução de linha cobertas nos guias relacionados abaixo.
Artigos relacionados
Calculadora de Rank de Matriz: Como Encontrar Rank com Forma Echelon de Linha
Rank e autovalores vêm ambos da mesma matriz, e uma singular (A - λI) sempre tem rank menor que n — veja o método de redução de linha em detalhe completo.
Calculadora de Eliminação Gaussiana: Resolver Sistemas Lineares Passo a Passo
A substituição reversa de autovetor é realmente apenas resolver o sistema homogêneo (A - λI)v = 0 — este guia cobre o método de eliminação por trás de cada passo.
Calculadora de Matriz Passo a Passo: Operações, Determinantes e Inversas
Determinantes são a ferramenta central por trás da equação característica det(A - λI) = 0 — este guia cobre determinantes ao lado do resto das operações de matriz do núcleo.
Solucionadores matemáticos
Soluções Passo a Passo
Obtenha explicações detalhadas para cada passo, não apenas a resposta final.
Solucionador de Varredura Inteligente
Tire uma foto de qualquer problema de matemática e obtenha uma solução passo a passo instantânea.
Tutor de Matemática IA
Faça perguntas de acompanhamento e obtenha explicações personalizadas 24/7.