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

Matrix Algebra for Engineers (Coursera) Coursera
The Hong Kong University of Science and Technology - HKUST

Matrix Algebra for Engineers (Coursera)

This course is all about matrices, and concisely covers the linear algebra that an engineer should know. The mathematics in this course is presented at the level of an advanced high school student, but typically students should take this course after completing a university-level single variable calculus course. There are no derivatives or integrals in this course, but students are expected to have attained a sufficient level of mathematical maturity. Nevertheless, anyone who wants to learn the basics of matrix algebra is welcome to join.

Sep 28th 2026
4 Weeks
Mathematical Foundations for Cryptography (Coursera) Coursera
University of Colorado System

Mathematical Foundations for Cryptography (Coursera)

Welcome to Course 2 of Introduction to Applied Cryptography. In this course, you will be introduced to basic mathematical principles and functions that form the foundation for cryptographic and cryptanalysis methods. These principles and functions will be helpful in understanding symmetric and asymmetric cryptographic methods examined in Course 3 and Course 4. These topics should prove especially useful to you if you are new to cybersecurity. It is recommended that you have a basic knowledge of computer science and basic math skills such as algebra and probability.

Sep 28th 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
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.

Sep 28th 2026
4 Weeks
Discrete Mathematics (Coursera) Coursera
Shanghai Jiao Tong University

Discrete Mathematics (Coursera)

Discrete mathematics forms the mathematical foundation of computer and information science. It is also a fascinating subject in itself. Learners will become familiar with a broad range of mathematical objects like sets, functions, relations, graphs, that are omnipresent in computer science. Perhaps more importantly, they will reach a certain level of mathematical maturity - being able to understand formal statements and their proofs; coming up with rigorous proofs themselves; and coming up with interesting results.

Sep 28th 2026
5-12 Weeks
Generalized Linear Models and Nonparametric Regression (Coursera) Coursera
University of Colorado Boulder

Generalized Linear Models and Nonparametric Regression (Coursera)

In the final course of the statistical modeling for data science program, learners will study a broad set of more advanced statistical modeling tools. Such tools will include generalized linear models (GLMs), which will provide an introduction to classification (through logistic regression); nonparametric modeling, including kernel estimators, smoothing splines; and semi-parametric generalized additive models (GAMs). Emphasis will be placed on a firm conceptual understanding of these tools.

Sep 28th 2026
4 Weeks
Aléatoire : une introduction aux probabilités - Partie 1 (Coursera) Coursera
École Polytechnique

Aléatoire : une introduction aux probabilités - Partie 1 (Coursera)

Ce cours d'introduction aux probabilités a la même contenu que le cours de tronc commun de première année de l'École polytechnique donné par Sylvie Méléard. Le cours introduit graduellement la notion de variable aléatoire et culmine avec la loi des grands nombres et le théorème de la limite centrale. Les notions mathématiques nécessaires sont introduites au fil du cours et de nombreux exercices corrigés sont proposés.

Oct 5th 2026
5-12 Weeks
Introduction to Calculus (Coursera) Coursera
The University of Sydney

Introduction to Calculus (Coursera)

The focus and themes of the Introduction to Calculus course address the most important foundations for applications of mathematics in science, engineering and commerce. The course emphasises the key ideas and historical motivation for calculus, while at the same time striking a balance between theory and application, leading to a mastery of key threshold concepts in foundational mathematics.

Oct 5th 2026
5-12 Weeks