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

Image and video processing: From Mars to Hollywood with a stop at the hospital (Coursera) Coursera
Duke University

Image and video processing: From Mars to Hollywood with a stop at the hospital (Coursera)

In this course, you will learn the science behind how digital images and video are made, altered, stored, and used. We will look at the vast world of digital imaging, from how computers and digital cameras form images to how digital special effects are used in Hollywood movies to how the Mars Rover was able to send photographs across millions of miles of space.

Sep 7th 2026
5-12 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
Deep Learning and Reinforcement Learning (Coursera) Coursera
IBM

Deep Learning and Reinforcement Learning (Coursera)

This course introduces you to two of the most sought-after disciplines in Machine Learning: Deep Learning and Reinforcement Learning. Deep Learning is a subset of Machine Learning that has applications in both Supervised and Unsupervised Learning, and is frequently used to power most of the AI applications that we use on a daily basis. First you will learn about the theory behind Neural Networks, which are the basis of Deep Learning, as well as several modern architectures of Deep Learning.

Aug 31st 2026
5-12 Weeks
Jugar y Aprender Matemática en aulas heterogéneas (Coursera) Coursera
Universidad Austral

Jugar y Aprender Matemática en aulas heterogéneas (Coursera)

Cuando se asume la enseñanza de la matemática con el compromiso de la participación de todos los alumnos en una comunidad de producción, en la que se resuelven problemas con distintos procedimientos, se comparan producciones, se analiza la validez de las afirmaciones que se hacen, la tarea resulta todo un desafío. En el caso del plurigrado, el desafío parece aún mayor. ¿Cómo presentar problemas que involucren en este trabajo reflexivo a niños y niñas de distintas edades y con distintos conocimientos?

Aug 31st 2026
4 Weeks
Linear Regression and Modeling (Coursera) Coursera
Duke University

Linear Regression and Modeling (Coursera)

This course introduces simple and multiple linear regression models. These models allow you to assess the relationship between variables in a data set and a continuous response variable. Is there a relationship between the physical attractiveness of a professor and their student evaluation scores? Can we predict the test score for a child based on certain characteristics of his or her mother? In this course, you will learn the fundamental theory behind linear regression and, through data examples, learn to fit, examine, and utilize regression models to examine relationships between multiple variables, using the free statistical software R and RStudio.

Aug 31st 2026
4 Weeks
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.

Aug 31st 2026
4 Weeks
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.

Aug 31st 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.

Aug 31st 2026
4 Weeks
Contenido de las matemáticas de primaria (Coursera) Coursera
Universidad de los Andes

Contenido de las matemáticas de primaria (Coursera)

En este curso de acceso gratuito*, conocerás algunos temas de las matemáticas escolares con la profundidad necesaria para que puedas ayudar a tus estudiantes a aprenderlas. En este curso, podrás conocer las matemáticas desde cuatro perspectivas: su historia, los conceptos y procedimientos que las caracterizan, las distintas formas en que se hacen presentes (p. ej., tablas, gráficas o expresiones simbólicas), y los fenómenos y situaciones que les dan sentido.

Sep 14th 2026
5-12 Weeks