Valores Próprios (IST)

Valores Próprios (IST)

Curso sobre valores próprios e vetores próprios que assenta na análise deste conceito de Álgebra Linear no contexto de transformações lineares, sistemas dinâmicos e outros modelos. No curso serão ainda bordados valores singulares. Neste curso sobre valores próprios (va.p) e vetores próprios (ve.p.) damos especial atenção às várias aplicações deste conceito fundamental de Álgebra Linear na ciência e engenharia.

Começamos por analisar o seu papel nas transformações geométricas, para depois os vermos a explicar a evolução de sistemas dinâmicos que incluem modelos predador-presa e modelos de sobrevivência de uma espécie. Também abordamos alguns modelos simples de mecânica clássica e quântica que usam a linguagem dos va.p. e ve.p. A descrição de uma aplicação moderna do processamento de imagens digitais vai permitir abordar o tópico recente dos valores singulares. A decomposição em valores singulares é um tópico, que apesar de não ser geralmente contemplado nos programas curriculares de uma primeira disciplina de Álgebra Linear, tem muito interesse nas aplicações e revela propriedades algébricas e geométricas fundamentais das matrizes e respetivas transformações lineares.

Do ponto de vista matemático, a abordagem dos va.p. e ve.p. neste curso inclui, para além da descrição do procedimento clássico para os calcular, as questões da diagonalização e diagonalização ortogonal de matrizes e a análise do teorema espetral. Mostramos, ainda, alguns resultados sobre aproximações para va.p. e ve.p. quando as matrizes são de grandes dimensões. No caso de matrizes retangulares, introduzimos o conceito de valores singulares que são uma extensão natural das boas propriedades das matrizes simétricas definidas positivas, chamando a atenção para o seu interesse para qualquer matriz diagonalizável, ou não diagonalizável.
No final deste curso, os participantes deverão estar aptos a:

  • calcular manualmente va.p. e ve.p. próprios para matrizes 2x2 e 3x3;
  • calcular, com recurso a software, va.p. e ve.p. próprios para matrizes mais complicadas;
  • interpretar o significado dos va.p e ve.p. no contexto de transformações lineares, sistemas dinâmicos e formas quadráticas;
  • diagonalizar matrizes, classificar formas quadráticas e usar a decomposição espetral em algumas aplicações;
  • aplicar o método numérico da potência para o cálculo aproximado de va.p. e ve.p. dominantes.

Recommended Readings:
D.C. Lay, S.R. Lay & J.J. McDonald (2016). Linear Algebra and Its Applications (4th Edition). Global Edition. Pearson

Pré-requisitos
Ao nível de conhecimentos em matemática:

  • familiaridade com alguns conceitos básicos de Álgebra Linear: operações matriciais, determinantes, independência linear e bases ortonormais;
  • saber encontrar raízes de polinómios e soluções de equações diferenciais simples;
  • manipular algebricamente números complexos.

Ao nível de software de cálculo numérico e simbólico:

  • saber usar um software adequado, como por exemplo o Mathematica, MATLAB ou Maple.
Go to Class
MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Related Courses

Advanced Linear Models for Data Science 2: Statistical Linear Models (Coursera) Coursera
Johns Hopkins University

Advanced Linear Models for Data Science 2: Statistical Linear Models (Coursera)

Welcome to the Advanced Linear Models for Data Science Class 2: Statistical Linear Models. This class is an introduction to least squares from a linear algebraic and mathematical perspective. Before beginning the class make sure that you have the following: a basic understanding of linear algebra and multivariate calculus; a basic understanding of statistics and regression models; at least a little familiarity with proof based mathematics; basic knowledge of the R programming language.

Nov 23rd 2026
4 Weeks
Matrizes de Markov (IST) MOOC Técnico
Instituto Superior Técnico, Universidade de Lisboa

Matrizes de Markov (IST)

Curso sobre a probabilidade de estar sol ou nuvens num determinado dia, a distribuição da população entre a cidade e os arredores ou como funciona o algoritmo de ordenação de páginas web do Google. Neste curso sobre matrizes de Markov o ênfase principal vai ser dado aos modelos de aplicação das cadeias de Markov, em que as matrizes são um dos principais protagonistas. Nota: Esta edição do curso em modo self paced terminará no dia 28 de fevereiro de 2022.

Self Paced
Self-Paced
Calculus: Single Variable Part 4 - Applications (Coursera) Coursera
University of Pennsylvania

Calculus: Single Variable Part 4 - Applications (Coursera)

Calculus is one of the grandest achievements of human thought, explaining everything from planetary orbits to the optimal size of a city to the periodicity of a heartbeat. This brisk course covers the core ideas of single-variable Calculus with emphases on conceptual understanding and applications. The course is ideal for students beginning in the engineering, physical, and social sciences.

Nov 23rd 2026
5-12 Weeks
Single Variable Calculus (Coursera) Coursera
University of Pennsylvania

Single Variable Calculus (Coursera)

Calculus is one of the grandest achievements of human thought, explaining everything from planetary orbits to the optimal size of a city to the periodicity of a heartbeat. This brisk course covers the core ideas of single-variable Calculus with emphases on conceptual understanding and applications. The course is ideal for students beginning in the engineering, physical, and social sciences. Distinguishing features of the course include: 1) the introduction and use of Taylor series and approximations from the beginning; 2) a novel synthesis of discrete and continuous forms of Calculus; 3) an emphasis on the conceptual over the computational; and 4) a clear, dynamic, unified approach.

Nov 23rd 2026
5-12 Weeks
Estadística y probabilidad (Coursera) Coursera
Universidad Nacional Autónoma de México

Estadística y probabilidad (Coursera)

En este curso podrás apoyar tu formación en temas de estadística y probabilidad I. Más allá de que encuentres aquí un apoyo para lograr una calificación, el curso busca ayudarte a que adquieras los aprendizajes que comprenden temas de estadística descriptiva, datos bivariados y probabilidad, los cuales te serán de utilidad en tu paso por la licenciatura y en tu vida profesional.

Nov 23rd 2026
4 Weeks
Algebra: Elementary to Advanced - Equations & Inequalities (Coursera) Coursera
Johns Hopkins University

Algebra: Elementary to Advanced - Equations & Inequalities (Coursera)

This course is intended for students looking to create a solid algebraic foundation of fundamental mathematical concepts from which to take more advanced courses that use concepts from precalculus, calculus, probability, and statistics. This course will help solidify your computational methods, review algebraic formulas and properties, and apply these concepts model real world situations.

Nov 9th 2026
4 Weeks
Advanced Linear Models for Data Science 1: Least Squares (Coursera) Coursera
Johns Hopkins University

Advanced Linear Models for Data Science 1: Least Squares (Coursera)

Welcome to the Advanced Linear Models for Data Science Class 1: Least Squares. This class is an introduction to least squares from a linear algebraic and mathematical perspective. Before beginning the class make sure that you have the following: a basic understanding of linear algebra and multivariate calculus; a basic understanding of statistics and regression models; at least a little familiarity with proof based mathematics; basic knowledge of the R programming language.

Nov 16th 2026
5-12 Weeks
Fibonacci Numbers and the Golden Ratio (Coursera) Coursera
The Hong Kong University of Science and Technology - HKUST

Fibonacci Numbers and the Golden Ratio (Coursera)

Learn the mathematics behind the Fibonacci numbers, the golden ratio, and how they are related. These topics are not usually taught in a typical math curriculum, yet contain many fascinating results that are still accessible to an advanced high school student. The course culminates in an explanation of why the Fibonacci numbers appear unexpectedly in nature, such as the number of spirals in the head of a sunflower.

Nov 23rd 2026
3 Weeks
Calculus through Data & Modelling: Integration Applications (Coursera) Coursera
Johns Hopkins University

Calculus through Data & Modelling: Integration Applications (Coursera)

This course continues your study of calculus by focusing on the applications of integration. The applications in this section have many common features. First, each is an example of a quantity that is computed by evaluating a definite integral. Second, the formula for that application is derived from Riemann sums. Rather than measure rates of change as we did with differential calculus, the definite integral allows us to measure the accumulation of a quantity over some interval of input values.

Nov 9th 2026
4 Weeks