Autovalores e Autovetores PDF

Algebra Linear e suas Aplicacoes
Notas de Aula
Petronio Pulino

1 3 4 4
t
3 1 0 = Q 1 Q

4 0 1 6

1

Qt Q = 1
1
PULINUS sq
Algebra Linear e suas Aplicacoes
Notas de Aula
Petronio Pulino
Departamento de Matematica Aplicada
Instituto de Matematica, Estatstica e Computacao Cientfica
Universidade Estadual de Campinas
Email: pulino@ime.unicamp.br
www.ime.unicamp.br/pulino/ALESA/
Janeiro de 2012
Conteudo
1 Estruturas Algebricas 1
1.1 Operacao Binaria. Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Corpo Comutativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Corpo com Valor Absoluto . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Corpo Ordenado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Valor Absoluto num Corpo Ordenado . . . . . . . . . . . . . . . . . . . . . 15
1.6 Numeros Reais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.7 Numeros Complexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.8 Caracterstica do Corpo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.9 Metricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2 Matrizes e Sistemas Lineares 29

2.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2 Tipos Especiais de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.3 Inversa de uma Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.4 Matrizes em Blocos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.5 Operacoes Elementares. Equivalencia . . . . . . . . . . . . . . . . . . . . . 76
2.6 Forma Escalonada. Forma Escada . . . . . . . . . . . . . . . . . . . . . . . 81
2.7 Matrizes Elementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.8 Matrizes Congruentes. Lei da Inercia . . . . . . . . . . . . . . . . . . . . . 101
2.9 Sistemas de Equacoes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . 107
3 Espacos Vetoriais 139

3.1 Espaco Vetorial. Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . 140
3.2 Subespaco Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
3.3 Combinacao Linear. Subespaco Gerado . . . . . . . . . . . . . . . . . . . . 154
3.4 Soma e Interseccao. Soma Direta . . . . . . . . . . . . . . . . . . . . . . . 158
3.5 Dependencia e Independencia Linear . . . . . . . . . . . . . . . . . . . . . 167
3.6 Bases e Dimensao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
3.7 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
3.8 Mudanca de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
i
ii CONTEUDO
4 Transformacoes Lineares 219

4.1 Transformacoes do Plano no Plano . . . . . . . . . . . . . . . . . . . . . . 220
4.2 Transformacao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
4.3 Nucleo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
4.4 Posto e Nulidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
4.5 Espacos Vetoriais Isomorfos . . . . . . . . . . . . . . . . . . . . . . . . . . 244
4.6 Algebra das Transformacoes Lineares . . . . . . . . . . . . . . . . . . . . . 249
4.7 Transformacao Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
4.8 Representacao Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
5 Produto Interno 283

5.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
5.2 Definicao de Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . . 284
5.3 Desigualdade de CauchySchwarz . . . . . . . . . . . . . . . . . . . . . . . 297
5.4 Definicao de Norma. Norma Euclidiana . . . . . . . . . . . . . . . . . . . . 299
5.5 Definicao de Angulo. Ortogonalidade . . . . . . . . . . . . . . . . . . . . . 303
5.6 Base Ortogonal. Coeficientes de Fourier . . . . . . . . . . . . . . . . . . . . 311
5.7 Processo de GramSchmidt . . . . . . . . . . . . . . . . . . . . . . . . . . 316
5.8 Complemento Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
5.9 Decomposicao Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
5.10 Identidade de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
5.11 Desigualdade de Bessel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339
5.12 Operadores Simetricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
5.13 Operadores Hermitianos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
5.14 Operadores Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
5.15 Projecao Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
5.16 Reflexao sobre um Subespaco . . . . . . . . . . . . . . . . . . . . . . . . . 361
5.17 Melhor Aproximacao em Subespacos . . . . . . . . . . . . . . . . . . . . . 365
6 Autovalores e Autovetores 369

6.1 Autovalor e Autovetor de um Operador Linear . . . . . . . . . . . . . . . . 370
6.2 Autovalor e Autovetor de uma Matriz . . . . . . . . . . . . . . . . . . . . . 379
6.3 Multiplicidade Algebrica e Geometrica . . . . . . . . . . . . . . . . . . . . 394
6.4 Matrizes Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399
6.5 Aplicacao. Classificacao de Pontos Crticos . . . . . . . . . . . . . . . . . . 411
6.6 Diagonalizacao de Operadores Lineares . . . . . . . . . . . . . . . . . . . . 416
6.7 Diagonalizacao de Operadores Hermitianos . . . . . . . . . . . . . . . . . . 438
CONTEUDO iii
7 Funcionais Lineares e Espaco Dual 463

7.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 464
7.2 Funcionais Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465
7.3 Espaco Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 471
7.4 Teorema de Representacao de Riesz . . . . . . . . . . . . . . . . . . . . . . 488
8 Algebra Linear Computacional 493

8.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 494
8.2 Decomposicao de Schur. Teorema Espectral . . . . . . . . . . . . . . . . . 495
8.3 Normas Consistentes em Espacos de Matrizes . . . . . . . . . . . . . . . . 501
8.4 Analise de Sensibilidade de Sistemas Lineares . . . . . . . . . . . . . . . . 514
8.5 Sistema Linear PositivoDefinido . . . . . . . . . . . . . . . . . . . . . . . 532
8.6 Metodos dos Gradientes Conjugados . . . . . . . . . . . . . . . . . . . . . 537
8.7 Fatoracao de Cholesky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 555
8.8 Metodos Iterativos para Sistemas Lineares . . . . . . . . . . . . . . . . . . 566
8.9 Sistema Linear Sobredeterminado . . . . . . . . . . . . . . . . . . . . . . . 591
8.10 Subespacos Fundamentais de uma Matriz . . . . . . . . . . . . . . . . . . . 597
8.11 Projecoes Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 615
8.12 Matriz de Projecao Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . 621
8.13 Fatoracao QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 629
8.14 Modelos de Regressao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 647
8.15 Solucao de norma2 Mnima . . . . . . . . . . . . . . . . . . . . . . . . . . 684
8.16 Problemas de Ponto Sela . . . . . . . . . . . . . . . . . . . . . . . . . . . . 695
8.17 Decomposicao em Valores Singulares . . . . . . . . . . . . . . . . . . . . . 711
Bibliografia 735
iv CONTEUDO
c
Petronio Pulino, 2011 DMA IMECC UNICAMP
Autovalores e Autovetores
6
Conteudo
6.1 Autovalor e Autovetor de um Operador Linear . . . . . . . . 370
6.2 Autovalor e Autovetor de uma Matriz . . . . . . . . . . . . . . 379
6.3 Multiplicidade Algebrica e Geometrica . . . . . . . . . . . . . 394
6.4 Matrizes Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . 399
6.5 Aplicacao. Classificacao de Pontos Crticos . . . . . . . . . . . 411
6.6 Diagonalizacao de Operadores Lineares . . . . . . . . . . . . . 416
6.7 Diagonalizacao de Operadores Hermitianos . . . . . . . . . . . 438
369
370 Algebra Linear e suas Aplicacoes: Notas de Aula
6.1 Autovalor e Autovetor de um Operador Linear

Sejam V um espaco vetorial real e T um operador linear sobre V . Podemos fazer a
colocacao do seguinte problema:
Quais sao os elementos v V tais que T (v) = v ?
Exemplo 6.1.1 Considere o espaco vetorial real IR2 . O operador linear

T : IR2 IR2
(x, y) T (x, y) = (x , y)
e a reflexao em torno da origem, isto e, uma rotacao de 180o no sentido antihorario.
Podemos verificar facilmente que
T (x, y) = (x , y) = 1(x , y) .
Portanto, todo elemento v = (x, y) IR2 satisfaz a condicao acima.
Exemplo 6.1.2 Considere o espaco vetorial real IR2 e o operador linear

T : IR2 IR2
(x, y) T (x, y) = (x + 2y , y)
Podemos verificar facilmente que
T (x, x) = (x , x) = 1(x , x) .
Portanto, todo elemento v = (x, x) IR2 satisfaz a condicao acima.
Sejam V um espaco vetorial real e T um operador linear sobre V . Podemos tambem

fazer a colocacao do seguinte problema:
Quais sao os elementos v V , naonulos, que sao levados pelo operador T em um

multiplo de si mesmo, isto e, estamos procurando elementos v V , naonulos, e escalares
IR tais que T (v) = v ?
Definicao 6.1.1 Sejam V um espaco vetorial sobre o corpo IF e T : V V um

operador linear. Se existirem v V , diferentes do elemento neutro, e IF tais que
T (v) = v, entao o escalar IF e um autovalor de T e o elemento v e um
autovetor de T associado ao autovalor .
Petronio Pulino 371

T : IR2 IR2
(x, y) T (x, y) = (y , x)
e a reflexao em torno da reta r dada pela equacao y = x
Assim, para qualquer elemento v = (x, y) r , nao nulo, temos que
T (x, y) = T (x, x) = 1 (x , x) .
Portanto, qualquer elemento v = (x, y) r naonulo e um autovetor de T associado
ao autovalor = 1.
De modo analogo, qualquer elemento v = (x, y) s , nao nulo, onde s e a reta dada
pela equacao y = x, e um autovetor de T associado ao autovalor = 1. De fato,
T (x, y) = T (x, x) = (x , x) = 1 (x , y) .
Teorema 6.1.1 Sejam V um espaco vetorial sobre o corpo IF , T um operador linear

sobre V e v um autovetor associado ao autovalor . Entao, qualquer elemento
w = v, com IF naonulo, tambem e um autovetor de T associado a .
Demonstracao Considerando que (v , ) e um autopar do operador linear T , isto e,
T (v) = v, e que w = v, temos que
T (w) = T (v) = T (v) = (v) = (v) = w .
Logo, o elemento w = v, com IF naonulo, e um autovetor de T associado ao
autovalor .
Podemos observar que o autovalor e unicamente determinado pelo operador T e pelo

autovetor v. De fato, considere que e sao autovalores do operador T associados
ao autovetor v, isto e,
T (v) = v e T (v) = v .
Assim, temos que
v v = 0V = ( ) v = 0V = ( ) = 0 = = ,
pois v 6= 0V . Assim, temos somente um autovalor associado ao autovetor v.
Nos casos em que o autovalor IR, podemos dar uma interpretacao geometrica para os
autovetores associados como sendo os elementos de V que tem suas direcoes preservadas
pelo operador T .
Definicao 6.1.2 Sejam V um espaco vetorial sobre o corpo IF e T : V V um

operador linear. Fixando um autovalor do operador T , o subconjunto
V = { v V / T (v) = v }
e denominado subespaco associado ao autovalor .
Podemos observar facilmente que o subconjunto V e igual ao subespaco Ker(T IV ).

De fato, tomando um elemento v V temos que
T (v) = v ( T IV )(v) = 0V v Ker(T IV ) .
Logo, temos que V = Ker(T IV ). Assim, provamos que V e um subespaco de

V , pois sabemos que o nucleo de um operador linear e um subespaco de V .
Exemplo 6.1.4 Sejam V um espaco vetorial sobre o corpo IF , T um operador linear

sobre V , 1 e 2 autovalores distintos do operador T . Podemos verificar facilmente
que V1 V2 = { 0V }.
De fato, tomando um elemento v V1 V2 temos que
T (v) = 1 v e T (v) = 2 v .
Assim, obtemos
1 v 2 v = 0V = ( 1 2 )v = 0V .
Como 1 6= 2 , temos que v = 0V . Portanto, mostramos que V1 V2 = { 0V }.
Exemplo 6.1.5 Sejam V um espaco vetorial sobre o corpo IF , T um operador linear

sobre V e um autovalor do operador T . Podemos verificar facilmente que o subespaco
V e invariante sob T , isto e T (v) V para todo v V .
Petronio Pulino 373
T : IR2 IR2
(x, y) T (x, y) = (x , y)
e a reflexao em torno do eixoox.
Assim, podemos observar que para os elementos do tipo v = (0, y) IR2 temos que
T (0, y) = (0 , y) = 1(0 , y) .
Portanto, os elementos v = (0, y) IR2 sao autovetores de T com autovalor = 1.
De modo analogo, temos que os elementos v = (x, 0) IR2 sao autovetores de T

associados ao autovalor = 1. De fato,
T (x, 0) = (x , 0) = 1(x , 0) .
T : IR2 IR2
(x, y) T (x, y) = (x , y)
e a reflexao em torno da origem.
Assim, para qualquer elemento v = (x, y) IR2 , nao nulo, temos que
T (x, y) = (x , y) = 1(x , y) .
Portanto, qualquer elemento v = (x, y) IR2 , naonulo, e um autovetor de T associado

ao unico autovalor = 1.
T : IR2 IR2
(x, y) T (x, y) = (x , 0)
e a projecao no eixoox, isto e, um operador de projecao de coordenadas.
Podemos verificar facilmente que qualquer elemento v = (x, 0) IR2 , naonulo, e

um autovetor de T associado ao autovalor = 1. Alem disso, qualquer elemento
v = (0, y) IR2 , naonulo, e um autovetor de T associado ao autovalor = 0.
Exemplo 6.1.9 De um modo geral todo operador linear
T : IR2 IR2
(x, y) T (x, y) = (x , y)
com 6= 0 , tem como unico autovalor e qualquer elemento v = (x, y) IR2 , nao
nulo, como autovetor associado.
T : IR2 IR2
(x, y) T (x, y) = (y , x)

e uma rotacao de um angulo = no sentido antihorario.
2
Note que nenhum vetor v IR2 naonulo e levado por T em um multiplo de si mesmo.
Logo, T nao tem nem autovalores e nem autovetores. Este e um exemplo de que nem
todo operador linear sobre um espaco vetorial real possui autovalores e autovetores. Mais
a frente vamos fazer uma melhor colocacao desse fato.
Exemplo 6.1.11 Considere o espaco vetorial real IR3 e P o operador linear sobre IR3
definido da seguinte forma: P (x, y, z) = (x, y, 0) para (x, y, z) IR3 , que representa a
projecao sobre o plano xy.
Neste exemplo, temos que todo elemento v = (0, 0, z) IR3 , elementos sobre o eixooz,
e um autovetor de P associado ao autovalor 1 = 0. De fato, P (0, 0, z) = (0, 0, 0).
Todo elemento v = (x, y, 0) IR3 , elementos do plano xy, e um autovetor de P
associado ao autovalor 2 = 1. De fato, P (x, y, 0) = (x, y, 0).
Exemplo 6.1.12 Seja V o espaco vetorial real das funcoes contnuas f , definidas em
(a, b), que possuem derivadas contnuas de todas as ordens, que denotamos por C ((a, b)).
Considere o operador linear D sobre V definido da seguinte forma: D(f ) = f . Os
autovetores do operador D sao todas as funcoes contnuas nao nulas f satisfazendo a
equacao da forma: f = f para algum IR. Assim, os autovetores sao as funcoes
f (x) = c exp( x), onde c IR e uma constante nao nula, associados aos autovalores
IR. Note que para = 0, os autovetores associados sao as funcoes constantes nao
nulas, isto e, f (x) = c, para c IR nao nula.
Petronio Pulino 375
Exemplo 6.1.13 Considere o espaco vetorial real IR3 munido do produto interno usual
h , i e o subespaco S = [(1, 1, 2)]. Seja P o operador linear sobre IR3 onde
w = P (u), para u IR3 , e a projecao ortogonal do elemento u sobre o subespaco S.
Vamos determinar os autovalores e autovetores de P .

1

Fazendo v = 1 , temos que w = P (u) = v S com
2
hu, vi vt u
= = t
hv, vi v v
Assim, temos que w pode ser escrito da seguinte forma:
vt u v vt
w = P (u) = v = u
vt v vt v
Considerando o IR3 com a base canonica , temos que

1 1 2
v vt 1

[P ] = t = 1 1 2
v v 6
2 2 4
Sabemos que, para todo z S temos P (z) = z. Portanto, 1 = 1 e um autovalor
de P com v1 = (1, 1, 2) o autovetor associado. Logo, o subespaco S e o subespaco
associado ao autovalor 1 = 1.
O complemento ortogonal, S , do subespaco S em IR3 e o hiperplano dado por:
S = H = { u IR3 / h u , v i = 0 }
Note que S e um plano em IR3 dado pela equacao x y + 2z = 0. Temos tambem

que, P (u) = (0, 0, 0) para todo u S . Observamos tambem que Ker(P ) = S .
Desse modo, como P (u) = 0 u para todo u S , podemos concluir que 2 = 0 e

um autovalor de P e S e o subespaco associado ao autovalor 2 . Assim, quaisquer
dois vetores v2 e v3 linearmente independentes em S sao autovetores associados ao
autovalor 2 = 0.
Finalmente, escolhemos v2 = (1, 1, 0) e v3 = (0, 2, 1) como sendo os autovetores do

operador P associados ao autovalor 2 = 0.
Exemplo 6.1.14 Considere o espaco vetorial real IR3 munido do produto interno usual
h , i e o subespaco S = [(1, 1, 2)]. Seja R o operador linear sobre IR3 onde
w = R(u), para u IR3 , e a reflexao do elemento u em torno do subespaco S .
Vamos determinar os autovalores e autovetores de R.
Do Exemplo 6.1.13, sabemos que o operador P de projecao ortogonal sobre o subespaco

S e dado por:
vt u v vt
P (u) = v = u para todo u IR3
vt v vt v
Desse modo, o operador T de projecao ortogonal sobre o subespaco S e dado por:

vt u v vt
T (u) = u P (u) = u t v = I t u
v v v v
Temos que o operador R de reflexao em torno do subespaco S e dado por:

v vt
R(u) = T (u) P (u) = u 2 P (u) = = I 2 t u
v v
Desse modo, temos que R(u) = u para todo u S , concluindo que 1 = 1 e

um autovalor de R e S e o subespaco associado ao autovalor 1 . Assim, quaisquer
dois vetores v1 e v2 linearmente independentes em S sao autovetores associados ao
autovalor 1 = 1.
Portanto, podemos escolher v1 = (1, 1, 0) e v2 = (0, 2, 1) como sendo os autovetores

de R associados ao autovalor 1 = 1.
Sabemos que, para todo w S temos R(w) = w. Portanto, 2 = 1 e um

autovalor de R com v3 = (1, 1, 2) o autovetor associado. Logo, o subespaco S e o
subespaco associado ao autovalor 2 = 1.
Note que podemos generalizar os dois ultimos exemplos para o caso em que S = [v],
com v IRn naonulo.
Petronio Pulino 377
Exerccios
Exerccio 6.1 Sejam V um espaco vetorial sobre o corpo IF , T um operador linear
sobre V , v um autovetor de T associado a um autovalor e um escalar naonulo.
Mostre que e um autovalor do operador linear T com v o autovetor associado.
Exerccio 6.2 Sejam V um espaco vetorial sobre o corpo IF e T um operador linear

sobre V . Mostre que = 0 e um autovalor de T se, e somente se, T nao e um
operador injetor.
Exerccio 6.3 Sejam V um espaco vetorial real e T um operador linear sobre V tal
que T 2 = T , isto e, T (T (v)) = T (v) para todo v V (operador idempotente).
Mostre que os autovalores de T sao 1 = 0 e 2 = 1.
Exerccio 6.4 Sejam V um espaco vetorial real e T um operador linear sobre V tal
que T 2 = IV , isto e, T (T (v)) = v para todo v V (operador autoreflexivo).
Mostre que os autovalores de T sao 1 = 1 e 2 = 1.

sobre V e e um autovalor de T com v o autovetor associado. Mostre que a + b
e um autovalor do operador aT + bIV , para a, b IF , com v o autovetor associado.
Exerccio 6.6 Determine o operador linear T sobre o IR2 satisfazendo as seguintes

propriedades simultaneamente:
(a) 1 = 1 e um autovalor de T com os autovetores associados do tipo v1 = (y , y)
para y IR naonulo.
(b) 2 = 3 e um autovalor de T com os autovetores associados do tipo v2 = (0 , y)

para y IR nao nulo.
Exerccio 6.7 Considere o espaco vetorial IR4 munido do produto interno usual e W
o subespaco vetorial gerado pelos elementos w1 = (1, 1, 0, 1) e w2 = (1, 0, 1, 1).
Sejam P o operador de projecao ortogonal sobre o subespaco W e R o operador de
reflexao sobre o subespaco W . Pedese:
(a) Determine os autovalores e os autovetores do operador P .
(b) Determine os autovalores e os autovetores do operador R.


sobre V e v um autovetor de T associado a um autovalor . Mostre que v e um
autovetor do operador T n associado ao autovalor n para qualquer n IN .
Exerccio 6.9 Sejam V um espaco vetorial real e T um operador linear sobre V de

modo que existe um numero inteiro n tal que T n = 0, isto e, T n (v) = 0V para todo
v V (operador nilpotente). Mostre que o unico autovalor de T e = 0.
Exerccio 6.10 Sejam V um espaco vetorial sobre o corpo IF , T um isomorfismo de

V e v um autovetor de T associado a um autovalor . Mostre que v e um autovetor
1
do isomorfismo inverso T 1 associado ao autovalor .

Exerccio 6.11 Seja T um operador linear sobre o espaco vetorial real IMn (IR) definido
por: T (A) = At . Mostre que os autovalores de T sao 1 = 1 e 2 = 1,
descrevendo os subespacos associados a cada um dos autovalores.

sobre V e um autovalor de T . Mostre que o subconjunto definido por:
V = { v V / T (v) = v }
e um subespaco vetorial de V .
Exerccio 6.13 Sejam V um espaco vetorial complexo e T um operador linear sobre

V tal que T 2 = IV , isto e, T (T (v)) = v para todo v V . Mostre que T e um
automorfismo de V e que os autovalores de T sao 1 = i e 2 = i.
Exerccio 6.14 Considere o espaco vetorial real IR4 e o operador T sobre o IR4
definido da seguinte forma: T (x, y, z, t) = (y , x , t , z). Mostre que T satisfaz
T 2 (v) = v para todo v = (x, y, z, t) IR4 . Determine a matriz [T ] , onde e a
base canonica de IR4 . O operador linear T possui autovalores e autovetores ?
Exerccio 6.15 Considere o espaco vetorial complexo C4 e o operador T sobre o C4

definido da seguinte forma: T (x, y, z, t) = (t , z , y , x). Mostre que T satisfaz
T 2 (v) = v para todo v = (x, y, z, t) C4 . Determine a matriz [T ] , onde
e a base canonica de C4 , como espaco vetorial complexo. O operador linear T possui
autovalores e autovetores ?
Petronio Pulino 379
6.2 Autovalor e Autovetor de uma Matriz

Sejam V um espaco vetorial de dimensao finita sobre um corpo IF , digamos que
dim(V ) = n, e T um operador linear sobre V . O problema de encontrar os autovalores
do operador T sera resolvido atraves do calculo de determinantes. Queremos encontrar
escalares IF de modo que a equacao T (v) = v tenha solucao v V , nao nula.
A equacao T (v) = v pode ser escrita na forma: (T IV ) (v) = 0V .
A equacao acima tera solucao v nao nula se, e somente se, Ker(T IV ) 6= { 0V }.
Assim, se A = [T ] e a representacao matricial do operador T , com relacao a alguma
base ordenada de V , entao a matriz A In e a representacao matricial para o operador
T IV . Desse modo, a matriz A In deve ser singular, isto e, det( A In ) = 0.
Portanto, IF e um autovalor do operador T se, e somente se, satisfaz a equacao

det( A In ) = 0 .
Desse modo, dada uma matriz A de ordem n sobre um corpo IF , vamos definir um
autovalor de A como sendo um autovalor do operador linear TA sobre IF n associado
a matriz A, isto e, A = [TA ] , onde e a base canonica de IF n . Portanto, os
autovetores da matriz A, associados ao autovalor , sao solucoes nao nulas da equacao
TA (v) = v, representadas como matriz coluna. Assim, se u = (x1 , , xn ) IF n e
um autovetor de TA associado ao autovalor IF , isto e, TA (u) = u, temos que

x1
..
AX = X , onde X = . IMn1 (IF ) ,
xn
isto e, ( , X) e um autopar da matriz A. Note que [u] = X.
Definicao 6.2.1 Seja A uma matriz de ordem n sobre um corpo IF . Um autovalor

da matriz A e um escalar IF tal que a matriz (A In ) seja singular.
Equivalentemente, e um autovalor de A se, e somente se, det( A In ) = 0.
Evidentemente, os autovalores de A sao exatamente os escalares IF que sao razes
do polinomio p() = det( A In ). O polinomio p() e denominado polinomio
caracterstico da matriz A, que e um polinomio de grau n.
Definicao 6.2.2 Sejam A, B IMn (IF ). Dizemos que a matriz B e similar ou

semelhante a matriz A, se existe uma matriz invertvel P IMn (IF ) de maneira que
B = P 1 AP .
Note que matrizes similares possuem a seguinte propriedade:
det(B) = det(P 1 AP ) = det(P 1 ) det(A) det(P ) = det(A) .
Esta propriedade nos leva ao seguinte resultado, que e muito importante no estudo de
autovalores.
Teorema 6.2.1 Matrizes similares possuem o mesmo polinomio caracterstico.
Demonstracao Considerando que a matriz B e similar a matriz A, isto e, existe

uma matriz P invertvel tal que B = P 1 AP . Consideramos inicialmente o polinomio
caracterstico da matriz B, obtemos
p() = det( B In )
= det( P 1 AP P 1 P )
= det( P 1 ( A In )P )
= det(P 1 ) det( A In ) det(P )
= det( A In ) ,
o que completa a demonstracao.
O Teorema 6.2.1 nos permite definir o polinomio caracterstico do operador linear T como
sendo o polinomio caracterstico da matriz A = [T ] , que e a representacao matricial do
operador T em relacao a qualquer base ordenada de V . Para isso, vamos precisar
do seguinte resultado.
Teorema 6.2.2 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF , T

um operador linear sobre V , e bases ordenadas de V . Entao,
[T ] = [I] [T ] [I] .
Demonstracao Seja P = [I] a matriz mudanca da base para a base , e

lembrando que [I] = P 1 . Inicialmente, vamos calcular
[T (u)] = [T ] [u] = [T ] [I] [u] para todo u V.
Assim, podemos escrever [T (u)] da seguinte forma:
[T (u)] = [I] [T (u)] = [I] [T ] [I] [u] = [T ] = [I] [T ] [I] .
Portanto, mostramos que [T ] = P 1 [T ] P , isto e, as matrizes [T ] e [T ] sao

similares, o que completa a demonstracao.
Petronio Pulino 381
Corolario 6.2.1 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF , T

um operador linear sobre V , e bases ordenadas de V . Entao,
det( [T ] ) = det( [T ] ) .
Demonstracao A prova e feita utilizando o resultado do Teorema 6.2.2.
Definicao 6.2.3 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF , T

um operador linear sobre V e uma base ordenada de V . Definimos o determinante
do operador T da seguinte forma: det( T ) = det( [T ] ).
Teorema 6.2.3 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF e T

um operador linear sobre V . Entao, T e invertvel se, e somente se, det( T ) 6= 0.
Demonstracao A prova segue da definicao de determinante e do Corolario 4.8.2.
Exemplo 6.2.1 Considere o espaco vetorial P2 (IR) e o operador T sobre P2 (IR)

definido por: T (p(x)) = p(x) + xp (x). Considerando a base canonica = { 1, x, x2 },
temos que
1 0 0

[T ] = 0 2 0 .
0 0 3
Assim, det( T ) = det( [T ] ) = 6. Logo, o operador T e invertvel, pois det( T ) 6= 0.
Podemos observar facilmente que o determinante de um operador linear, assim definido,
fica bem estabelecido devido ao Corolario 6.2.1.
Definicao 6.2.4 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF e

T um operador linear sobre V . Definimos o polinomio caracterstico do operador
T como sendo o polinomio caracterstico da matriz [T ] em relacao a qualquer base
ordenada de V .
Considerando o Exemplo 6.2.1, temos que o polinomio caracterstico do operador T e

dado por:
p() = det( A I ) = (1 )(2 )(3 ) ,
com A = [T ] , onde e a base canonica de P2 (IR).
Proposicao 6.2.1 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF ,

digamos dim(v) = n, e T um operador linear sobre V . Entao, os autovalores do
operador linear T sao os escalares IF que sao razes do polinomio caracterstico
da matriz A = [T ] em relacao a qualquer base ordenada de V .
Demonstracao Por definicao, um escalar IF e um autovalor do operador T , se

a equacao T (v) = v tem solucao nao nula. A equacao T (v) = v pode ser escrita
na forma: (T IV ) (v) = 0V .
Assim, a equacao acima tera solucao nao nula se, e somente se, Ker(T IV ) 6= { 0V }.
Desse modo, se A = [T ] e a representacao matricial do operador linear T , com relacao
a alguma base ordenada de V , entao A In e a matriz do operador T IV .
Desse modo, a matriz A In deve ser singular, isto e, det( A In ) = 0.
Portanto, um escalar IF e um autovalor do operador T se, e somente se, satisfaz

a equacao det( A In ) = 0 , o que completa a demonstracao.
Finalmente, para determinar os autovetores do operador T associados ao autovalor ,

temos que encontrar os elementos naonulos do nucleo do operador T IV , isto e,
temos que encontrar as solucoes nao nulas da equacao T (v) = v.
De uma maneira geral, podemos simplificar os calculos para determinar os autovetores do

operador T associados ao autovalor , fazendo a seguinte observacao.
Considerando que u V e um autovetor do operador linear T associado ao autovalor

, isto e, T (u) = u, obtemos
[T (u)] = [u] = [T ] [u] = [u] .
Portanto, podemos observar facilmente que [u] = X , onde X IMn1 (IF ) e um

autovetor da matriz A = [T ] associado ao autovalor .
Sabemos que os autovalores do operador T sao os escalares IF que sao razes do

polinomio caracterstico da matriz A = [T ] em relacao a qualquer base ordenada de
V . Desse modo, podemos tambem simplificar os calculos para encontrar os autovalores
de T , escolhendo a base canonica de V para determinar a representacao matricial do
operador linear T .
Petronio Pulino 383
Exemplo 6.2.2 Considere o operador linear T sobre P2 (IR) definido por:
T (p(x)) = (1 + x)p (x) + p (x) .
Determine os autovalores do operador linear T .
Temos que A = [T ] , onde = { 1, x, x2 } e a base canonica de P2 (IR) , e dada por:

0 1 2

[T ] = 0 1 2 .
0 0 2
Desse modo, o polinomio caracterstico do operador T e dado por:
p() = det(A I) = (1 )(2 )
Portanto, os autovalores de T sao 1 = 0 , 2 = 1 e 3 = 2.
Como 1 = 0 e um autovalor do operador linear T , podemos observar que
V1 = Ker(T ) .
Assim, o operador linear T nao e um operador injetor.
Exemplo 6.2.3 Considere o espaco vetorial real IR2 com a base canonica e T o
operador linear definido por:
T : IR2 IR2
(x, y) T (x, y) = (2x + 2y , y)
Determine o polinomio caracterstico do operador T .
Temos que a matriz A = [T ] e dada por:

2 2
A = .
0 1
Portanto, o polinomio caracterstico do operador T e dado por:
p() = det( A I ) = (2 ) (1 ) = 2 3 + 2 .
Desse modo, temos que 1 = 2 e 2 = 1 sao os autovalores do operador T .

Exemplo 6.2.4 No Exemplo 6.2.3 considere o espaco vetorial real IR2 com a base
ordenada = { (1, 1), (1, 1) } .
Temos que a matriz A = [T ] e dada por:

1 5 1
A = .
2 3 1

5 1 3
p() = det( A I ) = + = 2 3 + 2 .
2 2 4
Assim, obtemos o resultado esperado, de acordo com o Teorema 6.2.2.
Para determinar os autovetores associados ao autovalor 1 = 2, temos que determinar

os elementos naonulos (x, y) IR2 tais que T (x, y) = 2(x, y). Equivalentemente,
temos que encontrar os elementos nao nulos do nucleo do operador (T 2I). Desse
modo, temos que obter a solucao do seguinte sistema linear

2 2 x 2x 0x + 2y = 0
= =
0 1 y 2y y = 0
Portanto, os autovetores associados a 1 = 2 sao do tipo v1 = (x, 0), com x 6= 0.

Desse modo, podemos escolher v1 = (1, 0) o autovetor associado ao autovalor 1 = 2.
Para determinar os autovetores associados ao autovalor 2 = 1, temos que determinar

os elementos naonulos (x, y) IR2 tais que T (x, y) = (x, y). Equivalentemente, temos
que encontrar os elementos naonulos do nucleo do operador (T I). Desse modo, temos
que obter a solucao do seguinte sistema linear

2 2 x x
= = x + 2y = 0
0 1 y y
Portanto, os autovetores associados ao autovalor 2 = 1 sao do tipo v2 = t (2, 1),

para t IR naonulo. Assim, podemos escolher v2 = (2, 1) o autovetor associado ao
autovalor 2 = 1.
Petronio Pulino 385
Exemplo 6.2.5 Considere a matriz A IM3 (IR) dada por:

2 1 1

A = 2 3 4
1 1 2
Determine os autovalores e os autovetores da matriz A.
Seja TA o operador linear sobre IR3 associado a matriz A, isto e,
TA (x, y, z) = ( 2x + y + z , 2x + 3y + 4z , x y 2z )
Assim, A = [TA ] , onde e a base canonica do IR3 . Desse modo, os autovalores da

matriz A sao os autovalores do operador linear TA , e os autovetores sao os autovetores
do operador TA , representados como matriz coluna.
Temos que o polinomio caracterstico da matriz A = [TA ] e dado por:

2 1 1

p() = det(A I) = 2 3 4 = ( 1) ( + 1) ( 3)

1 1 2
Os autovalores da matriz A sao 1 = 1 , 2 = 1 e 3 = 3.
Para determinar os autovetores associados ao autovalor 1 = 1, temos que encontrar os

elementos naonulos do nucleo do operador (TA I). Assim, temos que obter a solucao
do seguinte sistema linear

2 1 1 x x
x + y + z = 0

2 3 4 y = y = 2x + 2y + 4z = 0

1 1 2 z z x y 3z = 0
Adicionando a primeira equacao e a terceira equacao encontramos z = 0, as duas

primeiras equacao ficam reduzidas a equacao x + y = 0.
Portanto, os autovetores associados a 1 = 1 sao do tipo v1 = (x, x, 0), com x 6= 0.

Assim, podemos escolher v1 = (1, 1, 0) o autovetor associado ao autovalor 1 = 1.
De modo analogo, obtemos os autovetores associados ao autovalor 2 = 1 que sao do
tipo v2 = t (0, 1, 1), e os autovetores associados ao autovalor 3 = 3 que sao do tipo
v3 = t (2, 3, 1), para t IR naonulo.
Finalmente, os autovetores da matriz A sao representados da seguinte forma:

x

X1 = x
0
para x IR naonulo, sao os autovetores associados ao autovalor 1 = 1. Desse

modo, temos que AX1 = 1 X1 .

0

X2 = y
y
para y IR naonulo, sao os autovetores associados ao autovalor 2 = 1. Desse


2z

X3 = 3z
z
para z IR naonulo, sao os autovetores associados ao autovalor 3 = 3. Desse

Portanto, podemos escolher os seguintes autovetores para a matriz A

1 0 2

X1 = 1 , X2 = 1 e X3 = 3
0 1 1
associados aos autovalores 1 = 1 , 2 = 1 e 3 = 3, respectivamente.
E importante observar que como A e uma matriz quadrada de ordem 3, seus autovetores
sao matrizes coluna de ordem 3 1.
Petronio Pulino 387
Sejam V e um espaco vetorial complexo de dimensao finita, digamos dim(V ) = n, e

T um operador linear sobre V . Entao, o polinomio caracterstico do operador linear T
e um polinomio complexo que possui n razes em C, levando em conta a multiplicidade,
veja Teorema Fundamental da Algebra. Neste caso, um operador linear T tem n
autovalores. Entretanto, se V e um espaco vetorial real o numero de autovalores do
operador T e menor ou igual a dimensao de V . Para ilustrar este fato vamos considerar
os seguintes exemplos.
Exemplo 6.2.6 Seja C2 um espaco vetorial complexo com a base = { (1, 0), (0, 1) }.
O operador linear
T : C2 C2
(x, y) T (x, y) = ( y , x )

e uma rotacao de um angulo = no sentido antihorario.
2
Temos que o polinomio caracterstico da matriz [T ] e dado por p() = 2 + 1 para
C. Assim, o operador T possui os autovalores 1 = i e 2 = i.
Desse modo, o autovetor v1 C2 associado ao autovalor 1 = i e a solucao do

seguinte sistema linear homogeneo

ix y = 0
i x y = 0 = y = i x
x + iy = 0
Portanto, todo elemento v1 = (a, i a) C2 , para a C naonulo, e um autovetor

do operador T associado ao autovalor 1 = i. Assim, podemos escolher v1 = (1, i)
o autovetor associado ao autovalor 1 = i.
De modo analogo, o autovetor v2 C2 associado ao autovalor 2 = i e a solucao do

seguinte sistema linear homogeneo

i x y = 0
i x + y = 0 = y = i x
x iy = 0

do operador T associado ao autovalor 2 = i. Assim, podemos escolher v2 = (1, i)
o autovetor associado ao autovalor 2 = i.
E importante observar que, neste caso, nao temos a interpretacao geometrica para o
autovetor como sendo o elemento que tem sua direcao preservada pelo operador T .
Exemplo 6.2.7 Considere o operador linear T sobre o IR3 definido por:
T : IR3 IR3
(x, y, z) T (x, y, z) = ( x , z , y )

que representa uma rotacao de um angulo = no sentido antihorario no plano yz.
2
A matriz A = [T ] , onde e a base canonica do IR3 e dada por:

1 0 0

A = [T ] = 0 0 1 .
0 1 0
Assim, o polinomio caracterstico do operador T e dado por:
p() = det( A I ) = (1 )(1 + 2 ) ,
que possui as seguintes razes 1 = 1 , 2 = i e 3 = i.
Desse modo, como estamos considerando o operador linear T sobre o espaco vetorial
real IR3 , temos que 1 = 1 e o unico autovalor de T .
Podemos verificar facilmente que os autovetores associados ao autovalor 1 = 1 sao

do tipo v = (x, 0, 0) para x IR naonulo. Assim, podemos escolher o autovetor
v1 = (1, 0, 0) associado ao autovalor 1 = 1.
Entretanto, considerando o operador linear T sobre o espaco vetorial complexo C3 ,

temos que 1 = 1 , 2 = i e 3 = i sao os autovalores de T .
Neste caso, podemos verificar facilmente que v2 = (0, 1, i) e um autovetor associado ao

autovalor 2 = i. De modo analogo, temos que v3 = (0, 1, i) e um autovetor associado
ao autovalor 2 = i.
Petronio Pulino 389
T (p(x)) = p(0) + p(1)(x + x2 ) .
Determine os autovalores e os autovetores do operador T .
Vamos determinar a matriz [T ] , onde = { 1, x, x2 } e a base canonica de P2 (IR).

Desse modo, temos que
T (1) = 1 + x + x2 , T (x) = x + x2 e T (x2 ) = x + x2 .
Logo, a matriz A = [T ] e dada por:

1 0 0

A = 1 1 1 .
1 1 1
Assim, o polinomio caracterstico do operador linear T e dado por:
p() = det( A I ) = ( 1)( 2) .
Portanto, os autovalores do operador linear T sao 1 = 2 , 2 = 1 e 3 = 0 , que

sao os autovalores da matriz A.
Podemos verificar facilmente que os autovetores da matriz A sao

0 1 0

X1 = 1 , X2 = 1 e X3 = 1
1 1 1
associados aos autovalores 1 = 2 , 2 = 1 e 3 = 0 , respectivamente.
Portanto, sabemos que
[p1 (x)] = X1 , [p2 (x)] = X2 e [p3 (x)] = X3 ,
onde p1 (x) , p2 (x) e p3 (x) sao os autovetores do operador linear T associados aos
autovalores 1 = 2 , 2 = 1 e 3 = 0 , respectivamente. Logo, obtemos
p1 (x) = x + x2 , p2 (x) = 1 x x2 e p3 (x) = x x2 .
Podemos observar facilmente que
V1 = [x + x2 ] , V2 = [1 x x2 ] e V3 = [x x2 ] .
Exerccios
Exerccio 6.16 Considere o operador linear T sobre P2 (IR) definido por:
T (p(x)) = p(x) + (x + 1)p (x) .

T (p(x)) = xp (x) + p (x) .

T (p(x)) = p(x) + xp (x) .

T (p(x)) = p(x) + xp (x) .
Determine os autovalores e os autovetores do operador T . O operador linear T e um
automorfismo de P3 (IR) ?
Exerccio 6.20 Considere o operador T sobre IR3 definido por:

T (x, y, z) = (x + 2y z , 3y + z , 4z) .
Exerccio 6.21 Considere o operador linear T sobre IR3 definido por:

T (x, y, z) = (x + y , x y + 2z , 2x + y z) .
Exerccio 6.22 Considere o operador linear T sobre IM2 (IR) definido por:
" #! " #
a b 2a + b 2b
T = .
c d 2c 3d
Petronio Pulino 391
Exerccio 6.23 Sejam V um espaco vetorial real de dimensao finita e T um operador

linear sobre V definido em uma base ordenada = { v1 , v2 , , vn } de V da
seguinte forma: T (vi ) = i vi , i IR. Determine o polinomio caracterstico e os
autovalores do operador linear T .
Exerccio 6.24 Seja D IMn (IR) uma matriz Diagonal. Mostre que D possui um
conjunto de n autovetores linearmente independentes.
Exerccio 6.25 Seja A IMn (IR). Mostre que as matrizes A e At possuem os

mesmos autovalores. Sugestao: utilize o polinomio caracterstico.
Exerccio 6.26 Considere o operador linear T sobre o IR4 cuja matriz em relacao a
base canonica de IR4 e dada por:

3 1 0 0
0 3 0 0

[T ] =
0 0 4 0
0 0 0 1
Determine os autovalores e os autovetores do operador linear T . O operador linear T e
um automorfismo de IR4 ?
Exerccio 6.27 Sejam A IMn (IR) uma matriz invertvel e um autovalor de A.

1
Mostre que e um autovalor de A1 . Sugestao: utilize o polinomio caracterstico.

Exerccio 6.28 Determine os autovalores da matriz A dada por:

0 1 0

A = 0 0 1 .
1 0 0
Exerccio 6.29 Sejam T um operador linear sobre IR3 , = { v1 , v2 , v3 } uma base

ordenada para o espaco vetorial real IR3 e o subespaco S = [v1 , v3 ]. Sabendo que
T (v) = v para todo v S e T (v2 ) = v1 + 2v2 + 3v3 . Determine os autovalores e
os autovetores do operador linear T .
Exerccio 6.30 Mostre que se e um autovalor de uma matriz A com X o autovetor

associado, entao + e um autovalor da matriz A + In com X o autovetor
associado.
Exerccio 6.31 Seja V o subespaco vetorial de IM2 (IR) das matrizes triangulares
superiores. Pedese:
(a) Exiba uma base ordenada para V .
(b) Seja T : V V o operador linear definido por:

" #! " #
a b a+b b
T = .
0 c 0 cab
Mostre que T e um automorfismo de V .
(c) Determine os autovalores e os autovetores de T .

T (p(x)) = p(x) + p (x) + x2 p (x) .
Determine os autovalores e os autovetores do operador linear T , descrevendo para cada
autovalor o subespaco associado.

T (a + bx + cx2 ) = (2b + c) + (2b c)x + 2cx2 .
Determine os autovalores e os autovetores do operador linear T , descrevendo para cada
autovalor o subespaco associado.
Exerccio 6.34 Seja A uma matriz de ordem n triangular superior (inferior) ou uma
matriz diagonal. Mostre que os autovalores de A sao os elementos da diagonal principal
da matriz A.
Exerccio 6.35 Seja um autovalor de A com X o autovetor associado. Mostre

que n e um autovalor de An com X o autovetor associado, para n IN .
Exerccio 6.36 Sejam A uma matriz invertvel e um autovalor de A com X o

1
autovetor associado. Mostre que e um autovalor da matriz A1 com X o autovetor

associado.
Exerccio 6.37 Determine os autovalores e autovetores das matrizes A e A1 , onde

" #
0 2
A = .
1 1
Petronio Pulino 393
Exerccio 6.38 Considere a matriz diagonal em blocos T IM4 (IR) dada por:
" #
U 02
T = ,
02 D
onde U IM2 (IR) e uma matriz triangular superior e D IM2 (IR) e uma matriz
diagonal, representadas por:
" # " #
a b d 0
U = e D = ,
0 c 0 e
com a, b, c, d, e R. Mostre que
1 = a , 2 = c , 3 = d e 4 = e
sao os autovalores da matriz T , com autovetores associados

b
1 c a 0 0
0 0 0

X1 = , X2 = 1 , X3 = e X4 = ,
0 0 1 0

0 0 0 1
respectivamente, para c 6= a. Considerando a = c, determine os autovalores e os

autovetores da matriz T .
Exerccio 6.39 Determine os autovalores e os autovetores da matriz T dada por:

1 2 0 0
0 3 0 0

T = .
0 0 4 0
0 0 0 5
Exerccio 6.40 Determine os autovalores e os autovetores da matriz T dada por:

6 2 0 0
0 6 0 0

T = .
0 0 4 0
0 0 0 5
Exerccio 6.41 Sejam A, B IMn (IR) matrizes similares, isto e, existe uma matriz
invertvel P IMn (IR) tal que B = P 1 AP . Mostre que se A e invertvel, entao B
e invertvel e as matrizes A1 e B 1 sao similares.
6.3 Multiplicidade Algebrica e Geometrica

Definicao 6.3.1 Definimos a multiplicidade algebrica de um autovalor como
sendo a quantidade de vezes que ele aparece como raiz do polinomio caracterstico.
Definicao 6.3.2 Definimos a multiplicidade geometrica de um autovalor como

sendo a dimensao do subespaco V associado ao autovalor .

2 1 1

A = 0 3 1 .
2 1 3
Seja TA o operador linear sobre IR3 associado a matriz A, isto e, , isto e,
TA (x, y, z) = ( 2x y + z , 3y z , 2x + y + 3z ) .


2 1 1

p() = det(A I) = 0 3 1 = ( 2) ( 2) ( 4)

2 1 3
Os autovalores do operador TA sao 1 = 2 com multiplicidade algebrica igual a 2, e

2 = 4 com multiplicidade algebrica igual a 1.

elementos naonulos do nucleo do operador (TA 2I). Desse modo, temos que obter a
solucao do seguinte sistema linear

2 1 1 x 2x
y + z = 0

0 3 1 y = 2y = y z = 0

2 1 3 z 2z 2x + y + z = 0
Petronio Pulino 395
Assim, obtemos a solucao z = y = x. Portanto, os autovetores associados ao

autovalor 1 = 2 sao do tipo v1 = (x, x, x), com x 6= 0. Desse modo, o
autovalor 1 = 2 tem multiplicidade geometrica igual a 1. De modo analogo, obtemos
que os autovetores associados ao autovalor 2 = 4 sao do tipo v2 = (x, x, x), com
x 6= 0. Note que o autovalor 2 tem multiplicidade geometrica igual a 1.

x

X1 = x
x
para x IR naonulo, sao os autovetores associados ao autovalor 1 = 2, que possui

multiplicidade algebrica igual a 2 e multiplicidade geometrica igual a 1. Desse modo,
temos que AX1 = 1 X1 .
x

X2 = x
x

1 1

X1 = 1 e X2 = 1
1 1
associados aos autovalores 1 = 2 e 2 = 4, respectivamente.


2 1 1

A = 2 3 2 .
3 3 4
Seja TA o operador linear sobre IR3 associado a matriz A, isto e, , isto e,
TA (x, y, z) = ( 2x + y + z , 2x + 3y + 2z , 3x + 3y + 4z ) .


2 1 1

p() = det(A I) = 2 3 2 = ( 1) ( 1) ( 7)

3 3 4
Os autovalores do operador TA sao 1 = 7 com multiplicidade algebrica igual a 1, e

2 = 1 com multiplicidade algebrica igual a 2.


2 1 1 x 7x
5x y z = 0

2 3 2 y = 7y = 2x + 4y 2z = 0

3 3 4 z 7z 3x 3y + 3z = 0
Assim, obtemos a solucao y = 2x e z = 3x. Portanto, os autovetores associados ao

autovalor 1 = 7 sao do tipo v1 = t (1, 2, 3), com t 6= 0. Desse modo, o autovalor
1 = 7 tem multiplicidade geometrica igual a 1. De maneira analoga, obtemos que os
autovetores associados ao autovalor 2 = 1 sao do tipo v2 = a (1, 0, 1) + b (0, 1, 1),
com a, b 6= 0. Note que o autovalor 2 tem multiplicidade geometrica igual a 2.
Petronio Pulino 397

x

X1 = 2x
3x

x 0

X2 = 0 + y
x y
para x , y IR naonulos, sao os autovetores associados ao autovalor 2 = 1, que
possui multiplicidade algebrica igual a 2 e multiplicidade geometrica igual a 2. Desse

1 1 0

X1 = 2 , X2 = 0 e X3 = 1
3 1 1
onde X1 e o autovetor associado ao autovalor 1 = 7, X2 e X3 sao os autovetores

associados ao autovalor 2 = 1.
Exerccios
Exerccio 6.42 Considere a matriz A dada por:

1 1 1

A = 0 2 1 .
0 0 1
Determine a multiplicidade algebrica e a multiplicidade geometrica dos autovalores da
matriz A.
Exerccio 6.43 Sejam A, B IMn (IR) matrizes similares, isto e, existe uma matriz
invertvel P IMn (IR) tal que A = P 1 B P . Estabeleca a relacao entre os autovalores
e autovetores das matrizes A e B.
Exerccio 6.44 Sejam A e B matrizes invertveis de mesma ordem. Mostre que as

matrizes AB 1 e B 1 A possuem os mesmos autovalores.
Exerccio 6.45 Sejam A e B matrizes invertveis de mesma ordem. Pedese:

(a) Mostre que as matrizes AB e BA possuem os mesmos autovalores.
(b) Mostre que se e um autovalor da matriz AB com X o autovetor associado,

entao e um autovalor da matriz BA com BX autovetor associado.
(c) Mostre que se e um autovalor da matriz BA com Y o autovetor associado,

entao e um autovalor da matriz BA com AY o autovetor associado.
Exerccio 6.46 Seja A uma matriz de ordem n. Mostre que a transformacao de

similaridade preserva tanto a multiplicidade algebrica quanto a multiplicidade geometrica
dos autovalores da matriz A.
Exerccio 6.47 Sejam A, B, C matrizes quadradas de mesma ordem. Mostre que a

transformacao de similaridade e uma relacao de equivalencia, isto e,
(a) A e similar a A.
(b) Se A e similar a B, entao B e similar a A.
(c) Se A e similar a B e B e similar a C, entao A e similar a C.

Petronio Pulino 399
6.4 Matrizes Especiais

Com o objetivo de simplificar a notacao e facilitar as demonstracoes que apresentamos
nesta secao, sempre que necessario, vamos considerar os elementos do espaco vetorial
real IRn representados na forma de matriz coluna, elementos do espaco vetorial real
IMn1 (IR), tendo em vista que os espacos vetoriais reais IRn e IMn1 (IR) sao isomorfos.
Sabemos tambem que os espacos vetoriais complexos Cn e IMn1 (C) sao isomorfos.
Um conceito que utilizaremos com muita frequencia e o de transposta Hermitiana de uma

matriz A = [aij ] IMn (C), que denotamos por A , que e definido da forma: A = [aji ].
Como ilustracao, considere a matriz A IM2 (C) e sua respectiva transposta Hermitiana
A IM2 (C) , dadas por:
" # " #
2 3i 1 + i 2 + 3i 4i
A = e A = .
4i 1 + 2i 1 i 1 2i
De mesmo modo, esse conceito e aplicado aos elementos de IMn1 (C), resultando em um
elemento de IM1n (C).
Considere o espaco vetorial IRn com a base canonica = { e1 , , en } . Sabemos que

todo elemento x = (x1 , , xn ) IRn e escrito de modo unico da forma:
X n
x = xi e i ,
i=1
que vamos representar pela matriz coluna

x1
..
X = . IMn1 (IR) .
xn
Assim, o produto interno usual do IRn , que denotamos por h , i , pode ser escrito como:
Xn
hx, yi = xi yi = Y t X
i=1
n
para todos x, y IR .
De modo analogo, considere o espaco vetorial complexo Cn com a base canonica. Desse
modo, podemos escrever o produto interno usual da seguinte forma:
Xn
hx, yi = xi y i = Y X
i=1
n
para todos x, y C .
Teorema 6.4.1 Seja A IMn (IR). Entao, para todos x, y IRn temos que
h Ax , y i = h x , At y i .
Demonstracao Para x, y IRn , representados na forma de matriz coluna, temse
h Ax , y i = y t Ax = (At y)t x = h x , At y i ,
Corolario 6.4.1 Seja A IMn (IR) simetrica. Entao, para todos x, y IRn temse
h Ax , y i = h x , Ay i .
Demonstracao A prova e imediata utilizando o resultado do Teorema 6.4.1.
Teorema 6.4.2 Seja A IMn (C). Entao, para todos x, y Cn temos que
h Ax , y i = h x , A y i .
Demonstracao Para x, y Cn , representados na forma de matriz coluna, temse
h Ax , y i = y Ax = (A y) x = h x , A y i ,
Corolario 6.4.2 Seja A IMn (C) Hermitiana. Entao, para todos x, y Cn temse
h Ax , y i = h x , Ay i .
Demonstracao A prova e imediata utilizando o resultado do Teorema 6.4.2.
Os resultados do Teorema 6.4.1 e do Teorema 6.4.2, e os respectivos corolarios, serao

muito utilizados nas demonstracoes que se seguem.
Petronio Pulino 401
Teorema 6.4.3 Seja A IMn (C) uma matriz Hermitiana. Entao, seus autovalores
sao todos reais. Alem disso, autovetores associados a autovalores distintos sao ortogonais.
Demonstracao Considere o espaco vetorial complexo Cn munido do produto interno

usual h , i . Seja T o operador linear sobre Cn associado a matriz A, isto e,
TA (v) = Av
para todo v Cn , representado na forma de matriz coluna.
Como a matriz A = [TA ] , onde e a base canonica do Cn , temos que um autovalor

de A e um autovalor do operador TA .
Como, por hipotese, a matriz A = [TA ] e Hermitiana, sabemos que o operador TA e

Hermitiano.
Tomando um autovalor de TA e v o autovetor associado, isto e, TA (v) = v,

obtemos
h v , v i = h TA (v) , v i = h v , TA (v) i = h v , v i = h v , v i .
Desse modo, obtemos a equacao
( )h v , v i = 0 .
Como v e naonulo, temos que = 0. Portanto, o autovalor e real, completando

a demonstracao da primeira parte.
Para a prova da segunda parte, sejam 1 e 2 autovalores distintos de TA , com v1

e v2 os autovetores associados, respectivamente. Desse modo, temos que
1 h v1 , v2 i = h TA (v1 ) , v2 i = h v1 , TA (v2 ) i = h v1 , 2 v2 i = 2 h v1 , v2 i .
(1 2 )h v1 , v2 i = 0 .
Portanto, temse
h v1 , v2 i = 0 ,
pois os autovalores 1 e 2 sao distintos, o que completa a demonstracao.
Corolario 6.4.3 Seja A IMn (C) uma matriz simetrica. Entao, seus autovalores sao
todos reais. Alem disso, autovetores associados a autovalores distintos sao ortogonais.
Demonstracao A prova segue do Teorema 6.4.3, considerando que a matriz simetrica

real e um caso particular de uma matriz Hermitiana.
Exemplo 6.4.1 Considere a matriz simetrica A dada por:

" #
1 2
A = .
2 1
Determine os autovalores e os autovetores de A.
Seja TA o operador linear sobre IR2 associado a matriz A. Sabemos que A = [TA ] ,
onde e a base canonica do IR2 . Desse modo, os autovalores da matriz A sao os
autovalores do operador linear TA , e os autovetores sao os autovetores do operador TA ,
representados na forma de matriz coluna.
O polinomio caracterstico da matriz A = [TA ] e dado por:
p() = det( A I ) = (1 )2 4 = 2 2 3 .
Portanto, os autovalores do operador TA sao 1 = 3 e 2 = 1.


1 2 x 3x
= x + y = 0 .
2 1 y 3y
Portanto, os autovetores associados a 1 = 3 sao do tipo v1 = (x, x), com x 6= 0.

Desse modo, podemos escolher v1 = (1, 1) o autovetor associado ao autovalor 1 = 3,
do operador linear TA .
Assim, podemos escolher " #

1
X1 =
1
um autovetor da matriz A associado ao autovalor 1 = 3, isto e, AX1 = 1 X1 .
Petronio Pulino 403
De modo analogo, para determinar os autovetores associados ao autovalor 2 = 1,

temos que encontrar os elementos naonulos do nucleo do operador (TA + I). Desse
modo, temos que obter a solucao do seguinte sistema linear

1 2 x x
= x + y = 0.
2 1 y y
Portanto, os autovetores associados ao autovalor 2 = 1 sao do tipo v2 = (x, x),

para x IR nao nulo. Assim, podemos escolher v2 = (1, 1) o autovetor associado ao
autovalor 2 = 1, do operador linear TA .
Assim, podemos escolher " #

1
X2 =
1
um autovetor da matriz A associado ao autovalor 2 = 1, isto e, AX2 = 2 X2 .
Note que os autovetores X1 e X2 sao ortogonais.
Definicao 6.4.1 Seja A IMn (IR) uma matriz simetrica. Dizemos que A e uma
matriz positivadefinida se
n X
X n
aij xj xi = xt Ax = h Ax , x i > 0
j=1 i=1
para todo x IRn naonulo, representado na forma de matriz coluna.
No caso em que existe um elemento naonulo x IRn tal que xt Ax = 0, dizemos que
A e uma matriz semipositivadefinida.
Exemplo 6.4.2 Considere a matriz simetrica A IM2 (IR) dada por:

" #
2 1
A = .
1 2
Mostre que a matriz A e positivadefinida.
Fazendo uso da Definicao 6.4.1, temos que
h Ax , x i = xt Ax = 2x21 + 2x22 + 2x1 x2 = x21 + x22 + (x1 + x2 )2 > 0
para todo x = (x1 , x2 ) IR2 naonulo, representado na forma de matriz coluna. Desse
modo, mostramos que a matriz A e positivadefinida.
Definicao 6.4.2 Seja A IMn (C) uma matriz Hermitiana. Dizemos que A e uma
matriz positivadefinida se
Xn Xn
aij xj xi = x Ax = h Ax , x i > 0
j=1 i=1
para todo x Cn naonulo, representado na forma de matriz coluna.

No caso em que existe um elemento naonulo x Cn tal que x Ax = 0, dizemos que
A e uma matriz semipositivadefinida.
Teorema 6.4.4 Seja A IMn (C) positivadefinida. Entao, seus autovalores sao todos
positivos. Alem disso, autovetores associados a autovalores distintos sao ortogonais.
Demonstracao Como A e uma matriz Hermitiana, do Teorema 6.4.3, sabemos
que seus autovalores sao reais. Tomando uma autovalor da matriz A com v o
autovetor associado, isto e, Av = v, e utilizando a hipotese que U e uma matriz
positivadefinida, temos que
h Av , v i = h v , v i > 0 .
Como h v , v i > 0, pois v e nao-nulo, provamos que o autovalor > 0.
Como A e uma matriz Hermitiana, do Teorema 6.4.3, sabemos que autovetores associados
a autovalores distintos sao ortogonais, o que completa a demonstracao.
Corolario 6.4.4 Seja A IMn (IR) positivadefinida. Entao, seus autovalores sao todos
positivos. Alem disso, autovetores associados a autovalores distintos sao ortogonais.
Demonstracao A prova segue do Teorema 6.4.4, e do fato que a matriz simetrica real
e um caso particular de uma matriz Hermitiana.
Exemplo 6.4.3 Considere a matriz positivadefinida A dada por:

" #
2 1
A = .
1 2
Determine os autovalores e os autovetores de A.
Seja TA o operador linear sobre IR2 associado a matriz A. Sabemos que A = [TA ] ,
onde e a base canonica do IR2 . Desse modo, os autovalores da matriz A sao os
autovalores do operador linear TA , e os autovetores sao os autovetores do operador TA ,
representados na forma de matriz coluna.
Petronio Pulino 405
O polinomio caracterstico da matriz A = [TA ] e dado por:
p() = det( A I ) = (2 )2 1 = 2 4 + 3 .
Portanto, os autovalores do operador TA sao 1 = 3 e 2 = 1.


2 1 x 3x
= x + y = 0 .
1 2 y 3y
Portanto, os autovetores associados a 1 = 3 sao do tipo v1 = (x, x), com x 6= 0.

Desse modo, podemos escolher v1 = (1, 1) o autovetor associado ao autovalor 1 = 3,
do operador linear TA .
De modo analogo, para determinar os autovetores associados ao autovalor 2 = 1, temos

que encontrar os elementos naonulos do nucleo do operador (TA I). Desse modo,
temos que obter a solucao do seguinte sistema linear

2 1 x x
= x + y = 0.
1 2 y y
Portanto, os autovetores associados ao autovalor 2 = 1 sao do tipo v2 = (x, x),

para x IR nao nulo. Assim, podemos escolher v2 = (1, 1) o autovetor associado ao
autovalor 2 = 1, do operador linear TA .
Desse modo, temos que os autovetores da matriz A sao dados por:

" # " #
1 1
X1 = e X2 =
1 1
associados aos autovalores 1 = 3 e 2 = 1, respectivamente. Note que os autovetores

X1 e X2 sao ortogonais.
Na secao 6.7 vamos provar o resultado abaixo, que e muito importante na teoria de
autovalores e autovetores, e nas suas aplicacoes, que e a caracterizacao de uma matriz
positivadefinida.
Teorema 6.4.5 Seja A IMn (C) uma matriz Hermitiana. Entao, A e uma matriz
positivadefinida se, e somente se, seus autovalores sao todos positivos.
Corolario 6.4.5 Seja A IMn (IR) uma matriz simetrica. Entao, A e uma matriz
Exemplo 6.4.4 Fazendo uso do Corolario 6.4.5, podemos verificar que a matriz simetrica
do Exemplo 6.4.1 nao e positivadefinida, pois seus autovalores sao 1 = 3 e 2 = 1.
Definicao 6.4.3 Dizemos que U IMn (C) e uma matriz unitaria se U U = I.

Assim, temos que U U = I. Desse modo, temse que U 1 = U .
Teorema 6.4.6 Seja Q IMn (IR) uma matriz ortogonal. Entao, det(Q) = 1 .
Demonstracao A prova segue da utilizacao da definicao de matriz ortogonal e das

propriedades de determinante de uma matriz. Como Q e ortogonal, temse que
det(Qt Q) = det(I) = 1 .
Desse modo, obtemos
det(Qt Q) = det(Qt ) det(Q) = ( det(Q) )2 = 1 .
Portanto, mostramos que det(Q) = 1.
Teorema 6.4.7 Seja Q IMn (IR) ortogonal. Entao, para todos x, y IRn temos que
1. h Q x , Q y i = h x , y i .
2. k Q x k2 = k x k2 .
Demonstracao A prova do primeiro item segue do Teorema 6.4.1 e da definicao de

matriz ortogonal. De fato,
h Q x , Q y i = h x , Qt Q y i = h x , y i .
A prova do segundo item segue de imediato do primeiro item a da definicao de norma

Euclidiana, o que completa a demonstracao.
Petronio Pulino 407
Teorema 6.4.8 Sejam U IMn (C) unitaria e um autovalor. Entao, | | = 1.
Demonstracao Considere o espaco vetorial complexo Cn munido do produto interno

usual h , i . Seja T o operador linear sobre Cn associado a matriz U , isto e,
TU (v) = U v para v Cn , na forma de matriz coluna. Como U = [TU ] , onde e a
base canonica do Cn , temos que um autovalor de U e um autovalor do operador TU .
Como A = [TU ] e unitaria, temos que o operador TU e unitario.
Assim, tomando um autovalor de TU e v o autovetor associado, isto e, TU (v) = v,

obtemos
| | h v , v i = h v , v i = h TU (v) , TU (v) i = h U v , U v i = h v , v i .
Portanto, temos que ( 1 | | )h v , v i = 0. Como v Cn e naonulo, obtemos

| | = 1, o que completa a demonstracao.
Corolario 6.4.6 Sejam Q IMn (IR) ortogonal e um autovalor. Entao, | | = 1.
Demonstracao A prova segue do Teorema 6.4.8, considerando que a matriz ortogonal

e um caso particular de uma matriz unitaria.
Exemplo 6.4.5 A matriz Q IM2 (IR) que representa uma rotacao de um angulo
no sentido antihorario " #
cos() sin()
Q =
sin() cos()
e uma matriz ortogonal. Determine os autovalores da matriz Q, em funcao do angulo .
Podemos verificar facilmente que o polinomio caracterstico da matriz Q e dado por:
p() = 2 2 cos() + 1 .
Portanto, os autovalores da matriz Q, em funcao do angulo , sao dados por:

p p
() = cos() cos () 1 = cos()
2 | cos () 1 | i .
2
Note que | () | = 1, para todo IR.

Definicao 6.4.4 As matrizes A, B IMn (IR) sao ortogonalmente similares se

existe uma matriz ortogonal Q IMn (IR) tal que B = Qt AQ.
Exemplo 6.4.6 A matriz U IM2 (C) dada por:

" #
2 1 i
U = .
2 i 1
e uma matriz unitaria.
Definicao 6.4.5 As matrizes A, B IMn (C) sao unitariamente similares se existe

uma matriz unitaria U IMn (C) tal que B = U AU .
Teorema 6.4.9 Seja U IMn (C) e uma matriz unitaria. Entao, | det(U ) | = 1.
Demonstracao A prova pode ficar a cargo do leitor.
Teorema 6.4.10 Seja U IMn (C) uma matriz unitaria. Entao, autovetores associados
a autovalores distintos sao ortogonais.
Demonstracao Sejam 1 e 2 autovalores distintos de U com v1 e v2 os

autovetores associados, respectivamente. Tomando a hipotese que U e uma matriz
unitaria, temos que
1 2 h v 1 , v 2 i = h 1 v 1 , 2 v 2 i = h U v 1 , U v 2 i = h v 1 , v 2 i .
(1 1 2 )h v1 , v2 i = 0 .
Como os autovalores 1 e 2 sao distintos, temos que 1 1 2 6= 0.
Portanto, obtemos
h v1 , v2 i = 0 ,
mostrando que v1 e v2 sao ortogonais, o que completa a demonstracao.
Petronio Pulino 409
Exemplo 6.4.7 Considere a matriz unitaria U IM2 (C) dada por:

" #
2 1 i
U = .
2 i 1
Determine os autovalores e autovetores da matriz U .
O polinomio caracterstico da matriz U e dado por: p() = 2 2 + 2. Assim, os

autovalores da matriz U sao dados por:

2 2 2 2
1 = + i e 2 = i.
2 2 2 2
Temos que os autovetores associados aos autovalores 1 e 2 sao dados por:
" # " #
2 1 2 1
v1 = e v2 = ,
2 1 2 1
respectivamente.
Recordamos que A IMn (IR) e uma matriz idempotente se A2 = A, isto e,
A(Ax) = Ax
para todo x IRn , representado na forma de matriz coluna.
Teorema 6.4.11 Seja A IMn (IR) uma matriz idempotente. Entao, seus autovalores
sao 1 = 1 e 2 = 0.
Demonstracao Tomando um autovalor de A e v o autovetor associado, isto e,

Av = v, temos que
A(Av) = A(v) v = 2 v (1 )v = 0 .
Como v e naonulo, obtemos a equacao
(1 ) = 0 ,
que tem como solucoes 1 = 1 e 2 = 0, o que completa a demonstracao.
Recordamos que A IMn (IR) e uma matriz autoreflexiva se A2 = I, isto e,
A(Ax) = x
para todo x IRn , representado na forma de matriz coluna.

Teorema 6.4.12 Seja A IMn (IR) uma matriz autoreflexiva. Entao, seus autovalores
sao 1 = 1 e 2 = 1.
Demonstracao Tomando um autovalor de A e v o autovetor associado, isto e,

Av = v, temos que
A(Av) = A(v) v = 2 v (1 2 )v = 0 .
Como v e naonulo, obtemos a equacao
1 2 = 0 ,
que tem como solucoes 1 = 1 e 2 = 1, o que completa a demonstracao.
Exemplo 6.4.8 Considere a matriz autoreflexiva A IM2 (IR) dada por:

" #
0 1
A = .
1 0
Determine os autovalores da matriz A.
O polinomio caracterstico da matriz A e dado por:
p() = 2 1 ,
que possui como razes 1 = 1 e 2 = 1, que sao os autovalores da matriz A.
Exemplo 6.4.9 Considere a matriz idempotente A IM2 (IR) dada por:

" #
1 1 1
A = .
2 1 1
Determine os autovalores da matriz A.
O polinomio caracterstico da matriz A e dado por:

2
1 1
p() = = 2 = (1 ) ,
2 4
que possui como razes 1 = 1 e 2 = 0, que sao os autovalores da matriz A.
Petronio Pulino 411
6.5 Aplicacao. Classificacao de Pontos Crticos

Exemplo 6.5.1 Considere a funcao F : IR2 IR, com derivadas contnuas de segunda
ordem, definida da seguinte forma:
F (x, y) = 6 x 4 y x2 2 y 2 , (x, y) IR2 .
Pedese:
1. Determinar os pontos crticos da funcao F .
2. Classificar os pontos crticos.
3. Fazer um esboco do grafico da funcao F .
Por simplicidade, dado um elemento (x, y) IR2 , vamos representalo na forma de vetor
coluna " #
x
X = .
y
Sabemos que os pontos crticos de F sao os ponto (x, y) que satisfazem a equacao
F (x, y) = 0
Para fazer a classificacao dos pontos crticos, vamos fazer uso da Formula de Taylor de
SegundaOrdem da funcao F numa vizinhanca do ponto crtico X dada por:
1 t
F (X) = F (X) + Y t F (X) + Y H(X) Y
2
1
= F (X) + h F (X) , Y i + h H(X) Y , Y i
2
1
= F (X) + h H(X) Y , Y i
2
para todo X Br (X) , onde Y = X X , F (X) e o gradiente da funcao F e

H(X) e a matriz Hessiana da funcao F .
Portanto, se a matriz Hessiana H(x, y) for positivadefinida, isto e, seus autovalores

sao positivos, temos que o ponto crtico (x, y) e um ponto de mnimo relativo. No caso
em que a matriz H(x, y) for negativadefinida, isto e, seus autovalores sao negativos,
temos que o ponto crtico (x, y) e um ponto de maximo relativo. No caso em que a
matriz Hessiana H(x, y) possuir autovalores negativo e positivo, isto e, H(x, y) e uma
matriz indefinida, temos que o ponto crtico (x, y) e um ponto de sela.
Voltando ao exemplo, temos que

6 2x 0
F (x, y) = =
4 4 y 0
Temos um ponto crtico (x, y) = (3, 1). Vamos calcular a matriz Hessiana H(x, y)

2 0
H(x, y) =
0 4
que nao depende do ponto crtico (x, y) , e possui os autovalores 1 = 2 e 2 = 4.

Logo, o ponto crtico (x, y) = (3, 1) e um ponto de maximo global da funcao F .
F (x, y) = y 2 x2 , (x, y) IR2 .
Pedese:
Neste caso, temos que

0
2 x
F (x, y) = =
2y 0
Temos um ponto crtico (x, y) = (0, 0). Vamos calcular a matriz Hessiana H(x, y)

2 0
H(x, y) =
0 2
que nao depende do ponto crtico (x, y) , e possui os autovalores 1 = 2 e 2 = 2.
Temos que os autovetores associados ao autovalor 2 = 2 sao do tipo v2 = (0, y)

com y 6= 0. Assim, temse que
h H(x, y) v2 , v2 i = 2 k v2 k22 > 0 para todo v2 6= 0 .

Petronio Pulino 413
Temos que os autovetores associados ao autovalor 1 = 2 sao do tipo v1 = (x, 0)

com x 6= 0. Assim, temse que
h H(x, y) v1 , v1 i = 1 k v1 k22 < 0 para todo v1 6= 0 .
Logo, o ponto crtico (x, y) = (0, 0) e um ponto de sela da funcao F .
F (x, y) = 2 x4 + y 2 x2 2 y , (x, y) IR2 .
Pedese:
Neste caso, temos que

8 x3 2 x 0
F (x, y) = =
2y 2 0
Temos os seguintes pontos crticos (0, 1) , (0.5, 1) e (0.5, 1). Vamos calcular a matriz
Hessiana H(x, y) para o ponto crtico (x, y) = (0, 1)

2 + 24 x2 0 2 0
H(x, y) = = H(x, y) =
0 2 0 2
que possui os autovalores 1 = 2 e 2 = 2. Logo, o ponto crtico (x, y) = (0, 1)

e um ponto de sela da funcao F .
Agora, vamos calcular a matriz Hessiana H(x, y) para o ponto crtico (x, y) = (0.5, 1)

4 0
H(x, y) =
0 2
que possui os autovalores 1 = 4 e 2 = 2. Logo, o ponto crtico (x, y) = (0.5, 1)

e um ponto de mnimo relativo da funcao F . De modo analogo, temos que o ponto
crtico (x, y) = (0.5, 1), tambem e um ponto de mnimo relativo da funcao F .
Exerccios
Exerccio 6.48 Determine quais das seguintes classes de matrizes sao matrizes normais:
(a) Matrizes Hermitianas.
(b) Matrizes antisimetricas.
(c) Matrizes antiHermitianas.
(d) Matrizes unitarias.
(e) Matrizes simetricas.
(f ) Matrizes ortogonais.
Exerccio 6.49 Mostre que toda matriz ortogonal em IM2 (IR) pode ser escrita na forma:
" # " #
a b a b
Q = ou Q =
b a b a
com a2 + b2 = 1 para a, b IR.
Exerccio 6.50 Mostre que toda matriz unitaria no espaco vetorial complexo IM2 (C)
pode ser escrita da seguinte forma:
" # " #" #
a b 1 0 a b
U = =
ei b ei a 0 ei b a
onde IR e | a |2 + | b |2 = 1 para a, b C.
Exerccio 6.51 Sejam Q IMn (IR) ortogonal e um autovalor real. Entao, = 1

ou = 1.
Exerccio 6.52 Sejam Q IMn (IR) uma matriz ortogonal e um autovalor complexo
de Q. Entao, e tambem um autovalor de Q.
Exerccio 6.53 Seja Q IMn (IR) uma matriz ortogonal com n mpar. Entao, Q
possui pelo menos um autovalor real.
Exerccio 6.54 Seja A IMn (IR) idempotente. Se B IMn (IR) e similar a matriz
A, entao B e uma matriz idempotente.
Petronio Pulino 415
Exerccio 6.55 Seja A IMn (IR) autoreflexiva. Se B IMn (IR) e similar a matriz
A, entao B e uma matriz autoreflexiva.
Exerccio 6.56 Seja A IMn (IR) simetrica. Se B IMn (IR) e ortogonalmente

similar a matriz A, entao B e simetrica.
Exerccio 6.57 Seja A IMn (C) Hermitiana. Se B IMn (IR) e unitariamente

similar a matriz A, entao B e Hermitiana.
Exerccio 6.58 Sejam A IMn (C) antiHermitiana e B IMn (IR) unitariamente

similar a matriz A. Entao, B e antiHermitiana.
Exerccio 6.59 Sejam A IMn (IR) positivadefinida e B IMn (IR) ortogonalmente

similar a A. Entao, B e positivadefinida.
Exerccio 6.60 Mostre que se A e positivadefinida, entao A e uma matriz invertvel

e A1 tambem e uma matriz positivadefinida.
Exerccio 6.61 Mostre que se A e semipositivadefinida, entao A e uma matriz

singular e = 0 e um autovalor de A.
Exerccio 6.62 Classifique os pontos crticos da funcao F : IR2 IR dada por:
F (x, y) = 2x2 xy 3y 2 3x + 7y .
Exerccio 6.63 Determine todos os valores extremos, absoluto e relativo, e os pontos de

sela da funcao F (x, y) = xy( 1 x2 y 2 ) no quadrado definido por:
Q = { (x, y) IR2 / 0 x 1 e 0 y 1}.
Exerccio 6.64 Classifique os pontos crticos da funcao F : IR2 IR dada por:
F (x, y) = x3 + y 3 3xy .
6.6 Diagonalizacao de Operadores Lineares

Sejam V um espaco vetorial de dimensao finita sobre o corpo IF e T um operador
linear sobre V . Nosso objetivo e determinar sob que condicoes V possui uma base
ordenada com relacao a qual a matriz do operador T seja uma matriz diagonal, que e
a forma mais simples de se representar um operador linear. A solucao para o problema
de diagonalizacao de operadores lineares tambem nos leva naturalmente ao conceito de
autovalores e autovetores do operador T .
Teorema 6.6.1 Sejam A IMn (IF ) , uma base ordenada para o espaco vetorial IF n
e TA o operador linear sobre IF n associado a matriz A. Entao,
[TA ] = P 1 A P ,
onde P e a matriz de mudanca da base para a base canonica de IF n .
Demonstracao Como e a base canonica para IF n , temos que A = [TA ] .
Como P = [I] , pelo Teorema 6.2.2, temos que
[TA ] = ( [I] )1 [TA ] [I] = P 1 A P ,
Exemplo 6.6.1 Sejam = { (1, 2), (1, 1) } uma base ordenada para IR2 e a matriz
A IM2 (IR) dada por: " #
3 1
A = ,
0 1
para uma ilustracao do Teorema 6.6.1.
Assim, temos que

" # " #
1 1 1 1
P = [I] = e P 1 = .
2 1 2 1
Desse modo, obtemos

" #" #" # " #
1 1 3 1 1 1 3 3
[TA ] = P 1 A P = = ,
2 1 0 1 2 1 8 7
o que completa a ilustracao do Teorema 6.6.1.

Petronio Pulino 417
Teorema 6.6.2 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF ,

uma base ordenada para V , T um operador linear sobre V e B uma matriz similar
a matriz [T ] . Entao, existe uma base ordenada para V tal que B = [T ] .
Demonstracao Considerando que a matriz B e similar a matriz [T ] . Entao, existe
uma matriz P = [pij ] invertvel tal que B = P 1 [T ] P .
Seja = { v1 , , vn } , e definimos
n
X
wj = pij vi para j = 1, , n .
i=1
Entao, = { w1 , , wn } e uma base ordenada para V tal que P e a matriz de

mudanca da base para a base , isto e, P = [I] (Exerccio 3.71).
Portanto, temos que

[T ] = P 1 [T ] P = [I] [T ] [I]
de acordo com o Teorema 6.2.2, o que completa a demonstracao.
O conceito de matrizes similares e muito importante para o estudo de diagonalizacao de

operadores lineares, tendo em vista que este problema pode ser reformulado no contexto
de matrizes.
Definicao 6.6.1 Sejam V um espaco vetorial de dimensao finita sobre IF e T um

operador linear sobre V . Dizemos que T e um operador diagonalizavel se existe uma
base ordenada para V tal que [T ] e uma matriz diagonal.
Definicao 6.6.2 Seja A IMn (IF ). Dizemos que A e uma matriz diagonalizavel se
A e similar a uma matriz diagonal.

" #
1 2
A = .
2 1
Pelo Exemplo 6.4.1, sabemos que seus autovalores sao 1 = 3 e 2 = 1 com os
autovetores associados
" # " #
1 1
X1 = e X2 = ,
1 1
respectivamente.
Tomamos a matriz P e a matriz diagonal D dadas por:

" # " #
1 1 3 0
P = e D = .
1 1 0 1
Note que a matriz P foi construda a partir dos autovetores da matriz A e a matriz
diagonal D foi construda com os autovalores da matriz A.
Assim, temos que a matriz A e similar a matriz diagonal D, onde P e a matriz que
realiza a transformacao de similaridade, isto e, A = P DP 1 ou D = P 1 AP .
De fato, podemos verificar facilmente que

" #" # " #!
1 1 3 0 1 1 1
A = .
1 1 0 1 2 1 1
Portanto, a matriz A e diagonalizavel.
Teorema 6.6.3 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF ,

uma base ordenada para V e T um operador linear sobre V . Entao, T e um operador
diagonalizavel se, e somente se, [T ] e uma matriz diagonalizavel.
Demonstracao Considerando que T e um operador diagonalizavel. Entao, existe
uma base ordenada para V tal que [T ] e uma matriz diagonal. Portanto, pelo
Teorema 6.2.2, temos que a matriz [T ] e similar a matriz [T ] . Logo, [T ] e uma
matriz diagonalizavel.
Considerando agora que [T ] e uma matriz diagonalizavel. Entao, a matriz [T ] e

similar a uma matriz diagonal B. Pelo Teorema 6.6.2, existe uma base ordenada para
V tal que B = [T ] . Logo, T e um operador diagonalizavel.
Corolario 6.6.1 Sejam A IMn (IF ) e TA o operador linear sobre IF n associado a

matriz A. Entao, A e uma matriz diagonalizavel se, e somente se, TA e um operador
diagonalizavel.
Definicao 6.6.3 Seja A IMn (IF ). Dizemos que A e uma matriz simples se possui
um conjunto de n autovetores linearmente independentes.
Teorema 6.6.4 Seja A IMn (IF ). Entao, A e uma matriz simples se, e somente se,
A e uma matriz diagonalizavel.
Demonstracao A prova pode ficar a cargo do leitor.
Petronio Pulino 419
Exemplo 6.6.3 Considere o espaco vetorial real IR3 . O operador linear T sobre o IR3
definido por: T (x, y, z) = (3x 4z, 3y + 5z, z) e um operador diagonalizavel.
Temos que a matriz A = [T ] , onde e a base canonica do IR3 , e dada por:

3 0 4

A = 0 3 5
0 0 1
Assim, o polinomio caracterstico do operador T e dado por:
p() = det( A I ) = (3 )2 (1 + ) .
Portanto, os autovalores de T sao 1 = 3, com multiplicidade algebrica igual a 2, e

2 = 1, com multiplicidade algebrica igual a 1.
Podemos verificar facilmente que os autovetores associados ao autovalor 1 = 3 sao do

tipo v = (x, y, 0) para x, y IR naonulos. Assim, podemos escolher os autovetores
v1 = (1, 0, 0) e v2 = (0, 1, 0) associados ao autovalor 1 = 3. Logo, o autovalor
1 = 3 tem multiplicidade geometrica igual a 2.
Os autovetores associados ao autovalor 2 = 1 sao do tipo v = (4y, 5y, 4y) para

y IR naonulo. Assim, podemos escolher o autovetor v3 = (4, 5, 4) associado ao
autovalor 2 = 1.
Portanto, temos que a matriz A = [T ] e diagonalizavel. Podemos verificar que

1
1 0 4 3 0 0 1 0 4

A = 0 1 5 0 3 0 0 1 5 .
0 0 4 0 0 1 0 0 4
Assim, mostramos que T e um operador diagonalizavel.
De modo analogo, sabemos que T e um operador diagonalizavel, pois = { v1 , v2 , v3 }

e uma base para IR3 de modo que [T ] e uma matriz diagonal. De fato, podemos
verificar facilmente que
3 0 0

[T ] = 0 3 0 .
0 0 1
Teorema 6.6.5 Sejam V um espaco vetorial sobre o corpo IF e T um operador linear

sobre V que possui autovalores distintos 1 , , k com v1 , , vk os autovetores
associados, respectivamente. Entao, { v1 , , vk } e linearmente independente em V .
Demonstracao A prova e feita por inducao matematica sobre k. Para k = 1 o

resultado e obtido trivialmente. De fato, como v1 6= 0V , pois v1 e um autovetor, temos
que { v1 } e linearmente independente.
Agora supomos que o resultado seja valido para k 1 autovalores distintos, onde
k 1 1. Finalmente, vamos mostrar que o resultado e valido para k autovalores
distintos. Para isso, consideramos a combinacao linear nula
k
X
c i v i = 0V .
i=1
Aplicando o operador T na equacao acima e usando o fato T (vi ) = vi , obtemos

k
X
c i i v i = 0V .
i=1
Subtraindo da segunda equacao o resultado da multiplicando a primeira equacao por k ,

temse a seguinte equacao
k1
X
ci (i k ) vi = 0V .
i=1
Pela hipotese de inducao, temos que v1 , , vk1 sao linearmente independentes, o
que devemos ter ci (i k ) = 0 para i = 1, , k 1. Como os autovalores sao
distintos, isto e, i 6= k para i 6= k, temos que ci = 0 para i = 1, , k 1.
Assim da primeira equacao, temos tambem que ck = 0, provando que os autovetores
v1 , , vk sao linearmente independentes em V .
Corolario 6.6.2 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF ,

digamos que dim(V ) = n, e T um operador linear sobre V que possui n autovalores
distintos. Entao, T e um operador diagonalizavel.
Demonstracao Considerando que T possui n autovalores distintos 1 , , n .

Sejam v1 , , vn os respectivos autovetores associados. Pelo Teorema 6.6.5, temos que
= { v1 , , vn } e linearmente independente em V . Como dim(V ) = n, temos que
o conjunto de autovetores e uma base para V . Como T (vi ) = i vi , temos que a
matriz do operador T com relacao a base ordenada de autovetores e a matriz diagonal
D = diag(1 , , n ), o que completa a demonstracao.
Petronio Pulino 421
Note que o operador linear T pode possuir n autovetores linearmente independentes

que nao estao associados a autovalores distintos, isto e, algum autovalor pode possuir
multiplicidade algebrica r maior do que 1, mas possui uma multiplicidade geometrica
igual a r, como ja vimos em exemplos anteriores. Desse modo, podemos introduzir o
conceito de diagonalizacao para operadores lineares.
Teorema 6.6.6 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF e T

um operador linear sobre V . Entao, T e um operador diagonalizavel se, e somente
se, existe uma base ordenada para V cujos elementos sao autovetores de T .
Demonstracao Inicialmente, supomos que T seja diagonalizavel. Entao, existe uma

base ordenada = { v1 , , vn } para V tal que [T ] e uma matriz diagonal
= diag( 1 , , n ), onde os escalares 1 , , n nao necessariamente sao distintos
dois a dois. Assim, temos que
n
X
T (vj ) = dij vi = j vj para j = 1, , n .
i=1
Portanto, mostramos que cada elemento vj da base ordenada e um autovetor do

operador T associado ao autovalor j , isto e,
T (vj ) = j vj para j = 1, , n .
Desse modo, temos que = { v1 , , vn } e uma base de autovetores para V .
Finalmente, considerando que = { v1 , , vn } seja uma base ordenada para V

formada de autovetores do operador T , isto e,
T (vi ) = i vi para i = 1, n ,
onde 1 , , n sao os respectivos autovalores do operador T .
Podemos verificar facilmente que a matriz [T ] e dada por:

1 0 0

0 2 0
[T ] =
.. .. ..
,
. . .
0 0 n

Exemplo 6.6.4 Considere o operador linear T sobre IR2 definido por:

T (x, y) = (x + 3y , 4x + 2y) .
Mostre que T e um operador diagonalizavel.
Temos que a matriz A = [T ] , com relacao a base canonica do IR2 , e dada por:
" #
1 3
[T ] =
4 2
p() = det( A I ) = (1 )(2 ) 12 = 2 3 10 .
Desse modo, temos que 1 = 5 e 2 = 2 sao os autovalores de T . Podemos
verificar facilmente que v1 = (3, 4) e v2 = (1, 1) sao os autovetores associados,
respectivamente. Evidentemente, = { v1 , v2 } e uma base de autovetores para IR2 .
Logo, temos que T e um operador diagonalizavel.
Exemplo 6.6.5 Considere o operador linear T sobre IR3 definido por:

T (x, y, z) = (2y, 2x, 2z) .
Mostre que T e um operador diagonalizavel.
Temos que a matriz A = [T ] , com relacao a base canonica do IR3 , e dada por:

0 2 0

[T ] = 2 0 0
0 0 2
p() = det( A I ) = (2 )(2 4) = (2 )2 ( + 2) .
Desse modo, temos que 1 = 2 e um autovalor com multiplicidade algebrica igual 2 e
2 = 2 e um autovalor com multiplicidade algebrica igual a 1.
Podemos verificar facilmente que os autovalores associados ao autovalor 1 sao do tipo

v = (x, x, z) para x, z IR naonulos. Assim, podemos escolher v1 = (1, 1, 0) e
v2 = (0, 0, 1) os autovetores associados ao autovalor 1 = 2, que tem multiplicidade
geometrica igual a 2. Para o autovalor 2 = 2 temos que os autovetores associados sao
do tipo v = (0, 0, z) para z IR naonulo. Assim, podemos escolher v3 = (1, 1, 0)
o autovetor associado ao autovalor 2 = 2, que tem multiplicidade geometrica igual a
1. Evidentemente, = { v1 , v2 , v3 } e uma base de autovetores para IR3 . Logo, temos
que T e um operador diagonalizavel.
Petronio Pulino 423
Exemplo 6.6.6 Considere o espaco vetorial real IR2 e T o operador linear dado por
T : IR2 IR2
(x, y) T (x, y) = (3x + 4y, x + 2y)
Mostre que T e um operador linear diagonalizavel.
Seja a base canonica do IR2 . Temos que a matriz A = [T ] e dada por:

3 4
A = .
1 2
p() = det( A I ) = (3 ) (2 ) + 4 = 2 + 2 .
Assim, 1 = 1 e 2 = 2 sao os autovalores do operador T . Como os autovalores

sao distintos, podemos garantir que existe uma base de autovetores para IR2 de modo
que a matriz [T ] = = diag(1 , 2 ).
Os autovetores associados a 1 e 2 sao v1 = (1, 1) e v2 = (4, 1), respectivamente.

Assim, temos que = { v1 , v2 } e uma base de autovetores para IR2 . Sabemos que
" # " #
1 4
X1 = e X2 =
1 1
sao os autovetores da matriz A associados aos autovalores 1 = 1 e 2 = 2,

respectivamente. Podemos observar facilmente que A P = P , onde

1 4 1 0 1 1 4
P = , = e P 1 = .
1 1 0 2 3 1 1
Desse modo, a matriz A = [T ] pode ser representada da seguinte forma:
A = P P 1 ou = P 1 A P ,
com a matriz P realizando a diagonalizacao da matriz A = [T ] .

T (p(x)) = (1 + x)p (x) + p (x) .
Determine uma base ordenada para P2 (IR) tal que [T ] seja uma matriz diagonal.
Temos que A = [T ] , onde = { 1, x, x2 } e a base canonica de P2 (IR) , e dada por:

0 1 2

[T ] = 0 1 2 .
0 0 2
Desse modo, o polinomio caracterstico do operador T e dado por:
p() = det(A I) = (1 )(2 ) .
Portanto, os autovalores de T sao 1 = 0 , 2 = 1 e 3 = 2. Como o operador

T possui tres autovalores distintos, pelo Corolario 6.6.2, sabemos que T e um operador
linear diagonalizavel e que a base ordenada = { p1 (x) , p2 (x) , p3 (x) } , formada pelos
autovetores de T , e tal que [T ] = = diag(1 , 2 , 3 ).

1 1 2

X1 = 0 , X2 = 1 e X3 = 2
0 0 1
associados aos autovalores 1 = 0 , 2 = 1 e 3 = 2 , respectivamente. Portanto,

sabemos que
[p1 (x)] = X1 , [p2 (x)] = X2 e [p3 (x)] = X3 ,
onde p1 (x) , p2 (x) e p3 (x) sao os autovetores do operador linear T associados aos
autovalores 1 = 0 , 2 = 1 e 3 = 2 , respectivamente. Logo, obtemos
p1 (x) = 1 , p2 (x) = 1 + x e p3 (x) = 2 + 2x + x2 .
E importante observar que A = P P 1 ou = P 1 A P , onde

1 1 2 1 1 0 0 0 0

P = 0 1 2 , P 1 = 0 1 2 e = 0 1 0 .
0 0 1 0 0 1 0 0 2
Petronio Pulino 425
T : IR2 IR2
(x, y) T (x, y) = (2x + 2y, 2x + 5y)
Seja a base canonica do IR2 . Temos que a matriz A = [T ] e dada por

2 2
A = .
2 5
p() = det( A I ) = (2 ) (5 ) 4 = 2 7 + 6 .
Assim, 1 = 1 e 2 = 6 sao os autovalores do operador T . Como os autovalores

sao distintos, podemos garantir que existe uma base de autovetores para IR2 de modo
que a matriz [T ] = = diag(1 , 2 ).
Os autovetores associados aos autovalores 1 e 2 sao v1 = (2, 1) e v2 = (1, 2),

respectivamente. Assim, temos que = { v1 , v2 } e uma base ortogonal de autovetores
para o espaco vetorial IR2 . Podemos obter tambem uma base ortonormal de autovetores
= { q1 , q2 } para IR2 , obtida a partir da base ortogonal . Sabemos que
" # " #
1 2 1 1
X1 = e X2 =
5 1 5 2
sao os autovetores da matriz A associados aos autovalores 1 = 1 e 2 = 6,

respectivamente. Podemos observar facilmente que A Q = Q , onde

1 2 1 1 0
Q = e = .
5 1 2 0 6
A = Q Qt ou = Qt A Q .
Note que a matriz Q e uma matriz ortogonal, isto e, Q Qt = Qt Q = I, e realiza a

diagonalizacao da matriz A = [T ] .
T : IR3 IR3
(x, y, z) T (x, y, z) = (y + z, x + z, x + y)
Seja a base canonica do IR3 . Temos que a matriz A = [T ] e dada por

0 1 1

A = 1 0 1 .
1 1 0
p() = det( A I ) = 3 + 3 + 2 = ( + 1)2 ( 2) .
Os autovalores do operador T sao 1 = 2 , com multiplicidade algebrica igual a 1, e

2 = 1 , com multiplicidade algebrica igual a 2.
Para determinar os autovetores associados ao autovalor 1 = 2, temos que obter a


0 1 1 x 2x 2x + y + z = 0

1 0 1 y = 2y
3y 3z = 0
1 1 0 z 2z
que tem como solucao z = y = x. Portanto, os autovetores associados ao autovalor

1 = 2 sao do tipo v1 = (x, x, x), com x 6= 0. Desse modo, podemos escolher
v1 = (1, 1, 1) o autovetor associado ao autovalor 1 = 2. Assim, temos que o autovalor
1 tem multiplicidade geometrica igual a 1.
Para determinar os autovetores associados ao autovalor 2 = 1, temos que obter a


0 1 1 x x

1 0 1 y = y x + y + z = 0
1 1 0 z z
que tem como solucao z = y x.

Petronio Pulino 427
Os autovetores associados ao autovalor 2 = 1 sao do tipo v = (x, y, x y), com

x, y 6= 0. Desse modo, podemos escolher v2 = (0, 1, 1) e v3 = (1, 0, 1) os
autovetores associados ao autovalor 2 = 1. Assim, temos que o autovalor 2 tem
multiplicidade geometrica igual a 2.
Desse modo, temos que = { v1 , v2 , v3 } e uma base de autovetores para o espaco

vetorial real IR3 que realiza a diagonalizacao do operador T , isto e, a representacao
matricial [T ] = = diag(1 , 2 , 3 ).
A partir da base de autovetores podemos obter uma base de autovetores ortonormais

= { q1 , q2 , q3 } dada por:

3 2 6
q1 = (1, 1, 1) , q2 = (0, 1, 1) e q3 = (2, 1, 1) .
3 2 6
Assim, temos que

3 0 6
3 3

3 2 6
X1 =

, X2 = e X3 =

3 2 6

3 2 6

3 2 6
sao os autovetores da matriz A associados aos autovalores 1 = 2 , 2 = 1 e
3 = 1, respectivamente. Podemos observar facilmente que A Q = Q , onde

3 6
3 0
3
2 0 0
3 2 6
Q =
e = 0 1 0 .
3 2 6
0 0 1

3 2 6

3 2 6
A = Q Qt ou = Qt A Q .
Note que a matriz Q e uma matriz ortogonal, isto e, Q Qt = Qt Q = I, e realiza a

Exemplo 6.6.10 Seja A uma matriz de ordem n diagonalizavel, isto e, existe uma
matriz P invertvel tal que = P 1 A P ou A = P P 1 , onde e uma matriz
diagonal dada por:
1 0 0

0 2 0
=
.. .. ..
,
. . .
0 0 n
com 1 , , n os autovalores da matriz A, nao necessariamente distintos dois a dois.
Podemos verificar facilmente que Am = P m P 1 , onde m e dada por:

(1 )m 0 0

0 (2 )m 0
=
m
.. .. .. ,
. . .
0 0 (n )m
para todo m IN . Desse modo, quando A e uma matriz diagonalizavel, podemos
calcular com uma certa eficiencia qualquer potencia de A.
Exemplo 6.6.11 Seja A uma matriz de ordem n. Sabemos que a serie

A2 Am
In + A + + + +
2! m!
converge para a matriz exp(A), isto e,
X
Ak
exp(A) = .
k=0
k!
Considerando que A e uma matriz diagonalizavel, temos que

!
X P k P 1 X k
exp(A) = = P P 1 = P exp() P 1 ,
k=0
k! k=0
k!
onde P e a matriz que realiza a diagonalizacao de A e a matriz exp() e dada por:

e 1 0 0

0 e 2 0
exp() = .. .. ..
.
. . .
0 0 e n
Desse modo, quando A e uma matriz diagonalizavel, podemos calcular com uma certa
eficiencia a matriz exp(A).
Petronio Pulino 429
Exemplo 6.6.12 Como uma aplicacao direta do Exemplo 6.6.11, vamos considerar o
seguinte Problema de Valor Inicial representado pelo sistema dinamico

X (t) = A X(t)
X(0) = X
0
onde A e uma matriz de ordem n, e os vetores coluna de ordem n 1, X(t) e X0

sao dados por:
x1 (t) x1 (0)
. .
.. ..

X(t) = xi (t) e X0 = xi (0) .
. .
.. ..

xn (t) xn (0)
Estamos considerando que cada componente da funcao vetorial X(t), isto e, xi (t), e uma
funcao continuamente diferenciavel para todo t 0. O vetor coluna X0 e a condicao
inicial do sistema dinamico. Os vetores X(t) e X0 sao geralmente denominados vetor
de estado e vetor de estado inicial, respectivamente.
Vamos apresentar o desenvolvimento para obtencao da solucao do sistema dinamico acima,

considerando que a matriz A seja diagonalizavel. Desse modo, sabemos que existe uma
matriz invertvel P de ordem n tal que A = P P 1 , onde = diag(1 , , n ).
Assim, substituindo A = P P 1 no sistema dinamico e fazendo a mudanca de variavel

Y (t) = P 1 X(t) e Y (0) = P 1 X(0), obtemos o sistema dinamico equivalente

Y (t) = Y (t)
Y (0) = Y
0
Note que como e uma matriz diagonal, ficamos com n Problemas de Valor Inicial de
primeira ordem sem acoplamentos, isto e,

yi (t) = i yi (t)
y (0) = c
i i
onde ci e a condicao inicial de cada um dos problemas, para i = 1, , n.

Sabemos que a solucao de cada um dos Problemas de Valor Inicial, sem acoplamentos, e
yi (t) = ci exp(i t) e i = 1, , n .
Podemos verificar facilmente que as n solucoes podem ser escritas da seguinte forma:

y1 (0)
e 1 t 0 0 .
..
0 e 2 t 0

Y (t) = .. .. y
.. i
(0) = exp(t)Y (0) .
. . . .
..
0 0 e n t
yn (0)
Utilizando novamente a mudanca de variavel, obtemos a solucao do sistema dinamico

original que e dada por:
X(t) = P exp(t)P 1 X(0) para todo t 0.
Assim, pelo Exemplo 6.6.11, temos que X(t) = exp(At) X0 para todo t 0.
Para exemplificar, vamos considerar o seguinte sistema dinamico

x (t) = 2x(t) + y(t) + z(t)

y (t) = x(t) 2y(t) + z(t)

z (t) = x(t) + y(t) 2z(t)
com a condicao inicial

x(0) 1

y(0) = 2 .
z(0) 6
Neste caso, a matriz do sistema dinamico e dada por:

2 1 1

A = 1 2 1 .
1 1 2
Vamos determinar os autovalores e os autovetores da matriz A. O polinomio caracterstico

da matriz A e dada por:
p() = det( A I ) = ( + 3)2
Assim, os autovalores da matriz A sao 1 = 0 , 2 = 3 e 3 = 3.

Petronio Pulino 431

1 1 1

X1 = 1 , X2 = 1 e X3 = 0
1 0 1
associados aos autovalores 1 = 0 , 2 = 3 e 3 = 3, respectivamente. Podemos

observar facilmente que os autovetores X1 , X2 e X3 sao linearmente independentes.
Logo, a matriz A e diagonalizavel.
Portanto, a matriz P que realiza a diagonalizacao da matriz A, sua respectiva inversa

e a matriz diagonal sao dadas por:

1 1 1 1 1 1 0 0 0
1
P = 1 1 0 , P 1 = 1 2 1 e = 0 3 0 .
3
1 0 1 1 1 2 0 0 3
Finalmente, sabemos que a solucao do sistema dinamico e dada por:
Portanto, obtemos

x(t) 3 + e3t 3e3t

X(t) = y(t) = 3 3e3t para todo t 0.
3t
z(t) 3 + 3e
Na Figura 6.1 temos os graficos das solucoes do sistema dinamico do Exemplo 6.6.12. A
curva azul representa o grafico da solucao x(t), a curva verde representa o grafico da
solucao y(t) e a curva vermelha representa o grafico da solucao z(t), para 0 t 2.
Exemplo 6.6.13 Determine a solucao do seguinte sistema dinamico

x (t) = x(t) 2y(t)
y (t) = 3x(t) 4y(t)
com a condicao inicial " # " #

x(0) 2
= .
y(0) 4
Neste caso, a matriz do sistema dinamico e dada por:

" #
1 2
A = .
3 4
Vamos determinar os autovalores e os autovetores da matriz A. O polinomio caracterstico

da matriz A e dada por:
p() = det( A I ) = 2 + 3 + 2
Assim, os autovalores da matriz A sao 1 = 1 e 2 = 2. Portando, a matriz A

e diagonalizavel.

" # " #
1 2
X1 = e X2 =
1 3
associados aos autovalores 1 = 1 e 2 = 2, respectivamente.
Portanto, a matriz P que realiza a diagonalizacao da matriz A, sua respectiva inversa

e a matriz diagonal sao dadas por:
" # " # " #
1 2 3 2 1 0
P = , P 1 = e = .
1 3 1 1 0 2
Finalmente, sabemos que a solucao do sistema dinamico e dada por:
Portanto, obtemos
" # " #
x(t) 2et + 4e2t
X(t) = = para todo t 0.
y(t) 2et + 6e2t
Na Figura 6.2 temos os graficos das solucoes do sistema dinamico do Exemplo 6.6.13. A
curva azul representa o grafico da solucao x(t) e a curva verde representa o grafico da
solucao y(t), para 0 t 6.
Petronio Pulino 433
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Figura 6.1: Graficos dos solucoes do sistema dinamico do Exemplo 6.6.12. A curva azul
representa o grafico da solucao x(t), a curva verde representa o grafico da solucao y(t)
e a curva vermelha representa o grafico da solucao z(t), para 0 t 2 .
3.5
2.5
1.5
0.5
0.5
0 1 2 3 4 5 6
Figura 6.2: Graficos das solucoes do sistema dinamico do Exemplo 6.6.13. A curva azul
representa o grafico da solucao x(t), a curva verde representa o grafico da solucao y(t),
para 0 t 6.
Exerccios
Exerccio 6.65 Seja T o operador linear sobre IR3 definido por:
T (x, y, z) = (3x 4y, 2x + 3y, z) .
Encontre os autovalores e os autovetores do operador linear T . O operador linear T e
diagonalizavel ? Justifique sua resposta.
Exerccio 6.66 Considere o espaco vetorial real P2 (IR) e o operador linear T sobre
P2 (IR) definido por: T (p(x)) = p(x) + xp (x). Determine uma base ordenada para
P2 (IR) de modo que [T ] seja uma matriz diagonal.
P3 (IR) definido por: T (p(x)) = p (x) + p (x). Verifique se T e um operador linear
diagonalizavel. Em caso afirmativo, determine uma base ordenada para P3 (IR) de
modo que [T ] seja uma matriz diagonal.
P2 (IR) definido por: T (p(x)) = p(x) + (x + 1)p (x). Determine uma base ordenada
para P2 (IR) de modo que [T ] seja uma matriz diagonal.
Exerccio 6.69 Seja T : P2 (IR) P2 (IR) o operador linear dado por:

T (a + bx + cx2 ) = (2b + c) + (2b c)x + 2cx2 .
Verifique se T e um operador diagonalizavel. Justifique sua resposta.
Exerccio 6.70 Considere o espaco vetorial real IM3 (IR) e o operador linear T sobre
IM3 (IR) definido por: T (A) = At . Determine uma base ordenada para IM3 (IR) tal que
[T ] seja uma matriz diagonal.
Exerccio 6.71 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF ,

digamos que dim(V ) = n, T um operador linear sobre V que possui somente dois
autovalores distintos 1 e 2 com dim(V1 ) = n 1. Prove que T e um operador
diagonalizavel.
Exerccio 6.72 De um exemplo de um operador linear diagonalizavel T sobre IR3 cujo

nucleo e gerado pelo elemento u = (1, 0, 1).
Petronio Pulino 435
Exerccio 6.73 De um exemplo de um operador linear diagonalizavel T sobre IR3 cujo

imagem e gerada pelos elementos u1 = (1, 1, 0) e u2 = (1, 0, 1).
Exerccio 6.74 Considere o espaco vetorial complexo C2 e o operador linear T sobre

C2 definido por: T (x, y) = (x + iy , ix + y). Verifique se T e um operador linear
diagonalizavel. Em caso afirmativo, determine uma base ordenada para C2 de modo
que [T ] seja uma matriz diagonal.
Exerccio 6.75 De um exemplo de um operador linear diagonalizavel T sobre P2 (IR)

satisfazendo simultaneamente as seguintes propriedades:
1. 1 = 3 e um autovalor de T .
2. Ker(T ) = [1 x].
3. T (p(x)) 6= p(x) para todo p(x) naonulo.

0 1 5 9
2 1 6 8

A = .
0 0 0 3
0 0 1 2
Determine se possvel uma matriz P IM4 (IR) invertvel de modo que P 1 AP seja
uma matriz diagonal.

" #
3 5
A = .
1 3
Calcule de maneira eficiente An para n IN .

1 0 0

A = a 2 0 .
0 b 2
Determine todos os valores dos parametros a e b de modo que a matriz A seja
diagonalizavel. Para estes valores de a e b , determine uma matriz invertvel P e a
matriz diagonal D de modo que P 1 AP = D.
Exerccio 6.79 Sejam V um espaco vetorial de dimensao finita sobre o corpo IF ,

digamos que dim(V ) = n, e c IF . Pedese:
(a) Para qualquer base ordenada de V mostre que [cIV ] = cIn , onde IV e o
operador identidade sobre V e In e a matriz identidade de ordem n.
(b) Determine o polinomio caracterstico do operador cIV .
(c) Mostre que o operador cIV possui um unico autovalor.
(d) Mostre que o operador cIV e um operador diagonalizavel.
Exerccio 6.80 Considere o espaco vetorial complexo C2 e o operador linear T sobre

C2 definido por: T (x, y) = (ix + y , 2x iy). Verifique se T e um operador linear
diagonalizavel. Em caso afirmativo, determine uma base ordenada para C2 de modo
que [T ] seja uma matriz diagonal.
Exerccio 6.81 Determine o operador linear T sobre o IR4 , diagonalizavel, que satisfaz
simultaneamente as seguintes condicoes:
(a) Ker(T ) = { (x, y, z, t) IR4 / x + y z + t = 0 e z t = 0 }.
(b) T (0, 0, 1, 0) = (0, 0, 2, 0).
(c) (0, 1, 0, 0) Im(T ).
(d) = 3 e um autovalor do operador T .
Exerccio 6.82 Considerando o operador linear diagonalizavel T do Exemplo 6.6.6,

determine explicitamente a expressao do operador linear T 16 sobre o IR2 .
Exerccio 6.83 Considere o operador linear diagonalizavel T do Exemplo 6.6.7. Dado

o polinomio p(x) = 2 x + 3x2 , determine o polinomio q(x) = T 16 (p(x)).
Exerccio 6.84 Determine o operador linear T sobre o IR4 , diagonalizavel, que satisfaz
simultaneamente as seguintes condicoes:
(a) Ker(T ) = { (x, y, z, t) IR4 / x + y z + t = 0 e z t = 0 }.
(b) Im(T ) = [(1, 0, 0, 0) , (0, 1, 1, 0)].
(c) = 2 e um autovalor de T com multiplicidade algebrica igual a 2.

Petronio Pulino 437
Exerccio 6.85 Considere o operador linear T : P1 (IR) P1 (IR) dado por:
T (p(x)) = p (x) + (x + 1)p(1) .
Sejam = { 1, 7 4x } e = { q(x), 2x 1 } bases para P1 (IR) tais que

3 s
[T ] = .
1 1
(a) Determine o polinomio q(x) e o parametro s IR.
(b) T e um automorfismo? Em caso afirmativo, determine o automorfismo inverso.
(c) O operador linear T e diagonalizavel? Justifique sua resposta.
Exerccio 6.86 Considere o espaco vetorial real IRn munido do produto interno usual,
que denotamos por h , i, e o elemento u IRn naonulo. Definimos as aplicacoes
P e Q de IRn em IRn da seguinte forma:
hu, vi
P (v) = u e Q(v) = v 2P (v)
hu, ui
para todo v IRn .
(a) Mostre que P e Q sao operadores lineares sobre IRn .
(b) Mostre que P (w) = w, com w = u para todo IR.
(c) Mostre que P (w) = 0IRn para h u , w i = 0.
(d) Mostre que Q(w) = w, com w = u para todo IR.
(e) Mostre que Q(w) = w para h u , w i = 0.
(f ) De uma interpretacao geometrica para os operadores lineares P e Q.
(g) O operador linear P e diagonalizavel? Justifique sua resposta.
(h) O operador linear Q e diagonalizavel? Justifique sua resposta.
Exerccio 6.87 Considere o operador linear T : IM2 (IR) IM2 (IR) definido por:
" #! " #
a b 2a + b 2b
T = .
c d 2c 3d
o operador linear T e diagonalizavel? Justifique sua resposta.
6.7 Diagonalizacao de Operadores Hermitianos

Considere V um espaco vetorial complexo de dimensao finita munido do produto interno
h , i . Seja T um operador Hermitiano sobre V , isto e,
h T (u) , v i = h u , T (v) i ; u, v V .
Pelo Teorema 5.13.1, sabemos que a matriz A = [T ] e uma matriz Hermitiana, onde
e uma base ortonormal de V . Assim, O problema de diagonalizacao de uma matriz
Hermitiana e equivalente ao problema de diagonalizacao de um operador Hermitiano.
Teorema 6.7.1 Sejam V um espaco vetorial complexo de dimensao finita munido do

produto interno h , i e T um operador Hermitiano sobre V . Entao, todo autovalor
de T e real. Alem disso, autovetores associados a autovalores distintos sao ortogonais.
Demonstracao Seja um autovalor de T com v o autovetor associado. Usando a

hipotese que T e Hermitiano, obtemos
h v , v i = h v , v i = h T (v) , v i = h v , T (v) i = h v , v i = h v , v i .
Logo, ( )h v , v i = 0. Como v e naonulo, temos que = . Portanto, os

autovalores do operador T sao reais.
Sejam 1 e 2 autovalores distintos do operador T , com v1 e v2 os autovetores

associados, respectivamente. Desse modo, temos que
1 h v1 , v2 i = h T (v1 ) , v2 i = h v1 , T (v2 ) i = h v1 , 2 v2 i = 2 h v1 , v2 i .
Portanto, temse que (1 2 )h v1 , v2 i = 0. Logo, h v1 , v2 i = 0, pois 1 e 2 sao

distintos. Assim, completamos a demonstracao.
Teorema 6.7.2 Sejam V um espaco vetorial complexo munido do produto interno h , i ,

T um operador Hermitiano sobre V e S um subespaco de V invariante sob T , isto
e, T (v) S para todo v S. Entao, o subespaco S e tambem invariante sob T .
Demonstracao Seja u S , para todo v S temos que
h T (u) , v i = h u , T (v) i = 0 .
Assim, provamos que T (u) S para todo u S .

Petronio Pulino 439
Teorema 6.7.3 Sejam V um espaco vetorial sobre o corpo IF com o produto interno
h , i , com dim(V ) = n, e S o subespaco de V gerado pelo elemento unitario u V .
Entao, o subespaco S tem dimensao (n 1).
Demonstracao Seja = { u, v2 , , vn } uma base ortonormal para V . Dado

um elemento v S V temos que
v = c1 u + c2 v2 + + cn vn ; cj IF
Note que c1 = h u , v i = 0. Portanto, todo elemento do subespaco S pode ser

escrito como uma combinacao linear dos elemento v2 , , vn da base ortonormal de V .
Assim, provamos que dim(S ) = (n 1).

produto interno h , i , com dim(V ) = n, e T um operador Hermitiano sobre V .
Entao, existe uma base ortonormal para V formada de autovetores de T .
Demonstracao A prova e feita por inducao sobre a dimensao do espaco V . Se n = 1,

T possui exatamente um autovalor 1 com v1 o autovetor associado. Assim, podemos
considerar k v1 k2 = 1. Agora consideramos que o resultado seja valido para um espaco
de dimensao n 1, com n > 2, e vamos mostrar que o resultado e valido para um
espaco de dimensao n.
Seja (1 , v1 ) um autopar de T , isto e, T (v1 ) = 1 v1 . Vamos considerar o subespaco

S = [v1 ]. Temos que S e invariante sob T . Pelo Teorema 6.7.2, temos que S
e invariante sob T . Desse modo, T e um operador Hermitiano sobre S . Como
dim(S ) = n 1 e pela hipotese de inducao, existem autovetores v2 , , vn de T
os quais formam uma base ortonormal para o subespaco S .
Como V = S S , os autovetores v1 , v2 , , vn formam uma base ortonormal para

o espaco V , o que completa a demonstracao.
Tomando = { v1 , , vn } a base ortonormal de autovetores para o espaco V .

Sabemos que a matriz do operador T com relacao a base ortonormal de autovetores
e a matriz diagonal [T ] = diag(1 , , n ), onde vk e o autovetor associado ao
autovalor k para k = 1, , n. Portanto, o operador T e diagonalizavel.

produto interno h , i e T um operador Hermitiano sobre V . Entao, T e um
operador diagonalizavel.
Demonstracao A prova segue do Teorema 6.6.6 e do Teorema 6.7.4.
Proposicao 6.7.1 Seja A IMn (C) uma matriz Hermitiana. Entao, A e uma matriz
diagonalizavel, isto e, A e unitariamente similar a uma matriz diagonal.
Demonstracao A prova segue do Corolario 6.6.1 e do Teorema 6.7.5.
Proposicao 6.7.2 Seja A IMn (IR) um matriz simetrica. Entao, A e uma matriz
diagonalizavel, isto e, A e ortogonalmente similar a uma matriz diagonal.
Demonstracao A prova segue da Proposicao 6.7.1 e do fato que uma matriz simetrica
Proposicao 6.7.3 Considere o espaco vetorial complexo Cn munido do produto interno

usual. Sejam A IMn (C) uma matriz Hermitiana e TA o operador linear sobre
Cn associado a matriz A. Entao, o espaco vetorial complexo Cn possui uma base
ortonormal de autovetores do operador linear TA .
Demonstracao A prova segue aplicando o Teorema 6.7.4 no operador linear TA que

e um operador Hermitiano sobre Cn .
Proposicao 6.7.4 Considere o espaco vetorial real IRn com o produto interno usual.
Sejam A IMn (IR) uma matriz simetrica e TA o operador linear sobre IRn associado
a matriz A. o espaco vetorial real IRn possui uma base ortonormal de autovetores do
operador linear TA .
Demonstracao A prova segue da Proposicao 6.7.3 e do fato que uma matriz simetrica
Petronio Pulino 441

1 0 2

A = 0 1 0
2 0 1
para fazer uma ilustracao da Proposicao 6.7.4.
Seja TA o operador linear sobre IR3 associado a matriz A, isto e,
TA = (x + 2z , y , 2x + z) .
Assim, A = [T ] , onde e a base canonica do IR3 . Desse modo, os autovalores

da matriz a sao os autovalores do operador TA , e os autovetores sao os autovetores do
operador TA , representados como vetor coluna.
Temos que o polinomio caracterstico da matriz A = [T ] e dado por:
p() = det(A I) = (1 )(2 2 3) .
Assim, os autovalores da matriz A sao 1 = 1 , 2 = 1 e 3 = 3.
Os autovetores de TA associados ao autovalor 1 = 1 sao do tipo v = (x, 0, x)

para x IR naonulo.
Os autovetores de TA associados ao autovalor 2 = 1 sao do tipo v = (0, y, 0) para

y IR naonulo.
Os autovetores de TA associados ao autovalor 3 = 3 sao do tipo v = (x, 0, x) para

x IR naonulo.
Assim, temos a seguinte base ortonormal = { q1 , q2 , q3 } para IR3 , onde

2 2
q1 = (1, 0, 1) , q2 = (0, 1, 0) e q3 = (1, 0, 1) ,
2 2
formada por autovetores do operador linear TA . Podemos observar facilmente que

1 0 1
2 2
X1 = 0 , X2 = 1 e X3 = 0 ,
2 2
1 0 1
sao os autovetores da matriz A associados aos autovalores 1 = 1 , 2 = 1 e
3 = 3, respectivamente.
Exemplo 6.7.2 Considere o operador linear T sobre C2 definido por:
T (x, y) = (4x + 2iy , 2ix + 4y) para todo (x, y) C2 .
Mostre que T e um operador Hermitiano sobre C2 e determine seus autovalores e

autovetores.
Seja = { e1 , e2 } a base canonica de C2 , a matriz A = [T ] e dada por:

" #
4 2i
A = .
2i 4
Podemos observar facilmente que A e uma matriz Hermitiana, isto e, A = A. Logo,

pelo Teorema 5.13.1, temos que T e um operador Hermitiano.
O polinomio caracterstico do operador linear T e dado por:
p() = det( A I) = 2 8 + 12 .
Portanto, 1 = 2 e 2 = 6 sao os autovalores do operador linear T .
Para determinar os autovalores de T associados ao autovalor 1 = 2, temos que

encontrar os elementos naonulos de Ker(T 2I). Assim, temos que obter as solucoes
nao nulas do sistema linear homogeneo
(
2x + 2iy = 0
2ix + 2y = 0 = y = ix
2ix + 2y = 0

do operador T associado ao autovalor 1 = 2. Assim, podemos escolher v1 = (1, i)
o autovetor associado ao autovalor 1 = 2.
Para determinar os autovalores de T associados ao autovalor 2 = 6, temos que

encontrar os elementos naonulos de Ker(T 6I). Assim, temos que obter as solucoes
nao nulas do sistema linear homogeneo
(
2x + 2iy = 0
2ix 2y = 0 = y = ix
2ix 2y = 0

do operador T associado ao autovalor 2 = 6. Assim, podemos escolher v1 = (1, i)
o autovetor associado ao autovalor 2 = 6.
Petronio Pulino 443
Temos que = { v1 , v2 } e uma base ortogonal de autovetores para o espaco vetorial

complexo C2 . Alem disso, sabemos que a matriz = [T ] e dada por:
" #
2 0
= .
0 6
Desse modo, temos que = { q1 , q2 } , onde

2 2
q1 = (1 , i) e q2 = (1 , i) ,
2 2
e uma base ortonormal de autovetores para C2 .
Assim, temos que

" # " #
2 1 2 1
X1 = e X2 =
2 i 2 i
sao os autovetores da matriz A associados aos autovetores 1 = 2 e 2 = 6,
respectivamente. Podemos observar que A U = U , onde
" #
2 1 1
U = .
2 i i
A = U U ou = U A U .
Note que a matriz U e uma matriz unitaria, isto e, U U = U U = I, e realiza a

Definicao 6.7.1 Sejam V um espaco vetorial complexo munido do produto interno

h , i e T um operador Hermitiano sobre V . Dizemos que T e um operador
positivo sobre V se
h T (u) , u i > 0 para todo u V naonulo.
Desse modo, temos que a aplicacao
p: V V C
(u, v) p(u, v) = h T (u) , v i
define um produto interno no espaco vetorial complexo V .

produto interno h , i , = { q1 , , qn } uma base ortonormal ordenada para V ,
T um operador Hermitiano sobre V e A = [T ] a matriz do operador T com
relacao a base . Entao, T e um operador positivo se, e somente se, A e uma matriz
positivadefinida.
Demonstracao Seja A = [aij ] a representacao matricial do operador T com relacao

a base ortonormal , isto e, aij = h T (qj ) , qi i. Para todo u V temos que
n
X n
X
u = h u , qj i qj = bj qj .
j=1 j=1
Podemos escrever h T (u) , u i da seguinte forma:

n X
X n
h T (u) , u i = bj bi h T (qj ) , qi i
j=1 i=1
n X
X n
= bj bi aij
j=1 i=1
= ([u] ) A [u]
Portanto, para todo u V , naonulo, obtemos
h T (u) , u i > 0 ([u] ) A [u] > 0 ,

Petronio Pulino 445
Teorema 6.7.7 Seja A IMn (C) uma matriz Hermitiana. Entao, a matriz A e
Demonstracao
(=) Tomando A positivadefinida, do Teorema 6.4.4, temos que seus autovalores sao
todos positivos.
(=) Considerando A uma matriz Hermitiana e seus autovalores todos positivos.
Seja TA o operador linear sobre Cn associado a matriz A. Da Proposicao 6.7.3, temos

que existe uma base ortonormal para o espaco vetorial complexo Cn de autovetores do
operador TA . Sejam 1 , , n os autovalores do operador TA , que sao tambem os
autovalores da matriz A, com v1 , , vn os autovetores associados.
Tomando um elemento naonulo u Cn , que nao seja um autovetor de TA , sabemos

que pode ser escrito de modo unico da seguinte forma:
n
X
u = ci vi .
i=i

n
X n
X n
X n
X
h TA (u) , u i = h ci TA (vi ) , cj vj i = h c i i v i , cj vj i .
i=i j=i i=i j=i
Logo, temos que

n X
X n
h TA (u) , u i = c i c j i h v i , v j i .
i=1 j=1
Como v1 , , vn sao mutuamente ortonormais, obtemos

n
X
h TA (u) , u i = | c i | 2 i > 0 .
i=1
Logo, TA e um operador positivo. Assim, mostramos que a matriz A e positivadefinida,

pois A = [T ] , onde e a base canonica de Cn .
Corolario 6.7.1 Seja A IMn (IR) uma matriz simetrica. Entao, a matriz A e
Demonstracao A prova segue do Teorema 6.7.7 e do fato que uma matriz simetrica
Exemplo 6.7.3 Considere a matriz Hermitiana A dada por:

" #
3 i
A =
i 3
para fazer uma ilustracao do Teorema 6.7.7.
Podemos verificar facilmente que o polinomio caracterstico da matriz A e dado por:
p() = det(A I) = 2 6 + 8 .
Assim, temos que os autovalores da matriz A sao 1 = 2 e 2 = 4. Logo, pelo

Teorema 6.7.7, temos que A e uma matriz positivadefinida.
Exemplo 6.7.4 Considere a matriz simetrica A dada por:

2 0 1

A = 0 2 1
1 1 3
para fazer uma ilustracao do Corolario 6.7.1.
p() = det(A I) = (2 ) { (2 )(3 ) 2 } = (2 )(2 5 + 4) .
Assim, temos que os autovalores da matriz A sao 1 = 1 , 2 = 2 e 3 = 4. Logo,

pelo Corolario 6.7.1, temos que A e uma matriz positivadefinida.
A seguir, enunciamos um resultado geometrico para uma matriz positivadefinida, que

sera muito importante na analise de convergencia do Metodo dos Gradientes Conjugados.
Petronio Pulino 447
Teorema 6.7.8 Seja A IMn (IR) uma matriz positivadefinida. Entao, a equacao
xt Ax = 1 (6.1)
representa um hiperelipsoide em IRn com centro na origem e cujos semieixos tem

comprimentos
1 1
, ,
1 n
nas direcoes dos autovetores q1 , , qn associados aos autovalores
0 < 1 . . . n .
Demonstracao Como A e positivadefinida, vamos utilizar a sua diagonalizacao
A = Q Qt ,
onde
= diag(1 , . . . , j , . . . n )
e uma matriz diagonal e
Q = [q1 qj qn ]
e uma matriz ortogonal. Note que (j , qj ) e um autopar da matriz A.
Desse modo, podemos escrever a equacao (6.1) da seguinte forma:
xt A x = ( Qt x ) t ( Qt x ) = 1 .
Fazendo a mudanca de variavel y = Qt x , obtemos a seguinte equacao

n
X Xn
t
yj2
y y = j yj2 = = 1,
j=1 j=1
a2j
onde
1
aj = p
j
e o comprimento do semieixo na direcao do autovetor qj .
Portanto, o maior eixo esta na direcao do autovetor associado ao menor autovalor e o

menor eixo esta na direcao do autovetor associado ao maior autovalor, o que completa a
demonstracao.
Lei de Inercia de Sylvester
Definicao 6.7.2 Seja A IMn (C) uma matriz Hermitiana. A inercia da matriz A,
que indicamos por i(A), e o terno ordenado
i(A) = ( i+ (A) , i (A) , i0 (A) ) ,
onde i+ (A) e o numero de autovalores positivos de A, i (A) e o numero de autovalores

negativos de A, e i0 (A) e o numero de autovalores iguais a zero de A, considerando a
multiplicidade de cada um dos autovalores.
Definicao 6.7.3 Sejam A, B IMn (C). Dizemos que a matriz B e congruente com
a matriz A se existe uma matriz invertvel P IMn (C) tal que B = P AP .
Exemplo 6.7.5 Seja A IMm (C) uma matriz Hermitiana. Entao, A = U U , onde
= diag(1 , . . . , j , . . . , m )
e uma matriz diagonal real e
U = [u1 uj um ]
e uma matriz unitaria, com (j , uj ) um autopar da matriz A. Vamos mostrar que toda
matriz Hermitiana A e congruente com a matriz diagonal b IMm (IR) dada por:
b = diag(1 , . . . , 1 , 1 , . . . , 1 , 0 , . . . , 0) ,
(6.2)
denominada matriz de inercia da matriz A, onde o numero de 1 e igual a i+ (A), o

numero de 1 e igual a i (A), e o numero de 0 e igual a i0 (A).
De fato, para simplificar a prova, vamos organizar os autovalores de A em tres grupos.

Os autovalores positivos que vamos denotar por + +
1 , , p , os autovalores negativos que
vamos denotar por 0
1 , , n , e os autovalores nulos que vamos denotar por 1 , , r ,
0
com p + n + r = m. Assim, representamos a matriz diagonal da seguinte forma:

= diag(+ + 0 0
1 , . . . , p , 1 , . . . , n , 1 , . . . , r ) .
Vamos definir uma matriz diagonal D IMm (IR) da seguinte forma:

q q q
+
p
D = diag 1 , . . . , p ,
+ 1 , . . . ,
n , 1 , . . . , 1 ,
com a qual podemos escrever a matriz diagonal IMm (IR) da seguinte forma:
bD .
= D
Petronio Pulino 449
Portanto, a matriz Hermitiana A pode ser escrita da forma:
b D U = (U D)
A = U U = U D b (U D) = P
b P , (6.3)
onde a matriz invertvel P = U D realiza a relacao de congruencia. Assim, mostramos

que toda matriz Hermitiana A e congruente com a matriz diagonal , b em uma forma
mais simples. Logo, conhecida a matriz diagonal b sabemos a inercia da matriz A.
Reciprocamente, sabendo a inercia da matriz A conhecemos a matriz diagonal . b
Proposicao 6.7.5 Sejam A, B IMn (C) matrizes congruentes. Entao,
posto(A) = posto(B) .
Demonstracao A prova segue imediata do Exerccio 4.50.
Teorema 6.7.9 (Lei de Inercia de Sylvester) Sejam A, B IMn (C) matrizes

Hermitianas. Entao, existe uma matriz invertvel P IMn (C) tal que A = P BP se,
e somente se, A e B tem a mesma inercia.
Demonstracao
(=) Tomando a hipotese que as matrizes A e B sao congruentes, isto e, A = P BP ,

para alguma matriz invertvel P IMn (C). Como matrizes congruentes tem o mesmo
posto, posto(A) = posto(B), temos que i0 (A) = i0 (B). Assim, precisamos mostrar
somente que i+ (A) = i+ (B).
Sejam u1 , , up autovetores ortonormais da matriz Hermitiana A associados aos

autovalores positivos + +
1 , , p . E denotamos por E+ (A) o subespaco gerado por
esse conjunto de autovetores ortonormais, isto e,
E+ (A) = [u1 , , up ] .
Note que dim( E+ (A) ) = i+ (A).
Agora consideramos um elemento w E+ (A) naonulo, isto e,
w = 1 u1 + + 1 up 6= 0Cn .
Assim, temos que

2 2
w Aw = + +
1 | 1 | + + p | p | > 0 .
Portanto, obtemos
x ( P BP )x = ( P x ) B( P x ) = z Bz > 0 ,
para todo elemento z naonulo no subespaco gerado pelo conjunto
{ P u1 , , P up }
linearmente independente, desde que P e uma matriz invertvel. Desse modo, podemos
concluir que i+ (B) i+ (A).
Trocando as posicoes das matrizes A e B, e fazendo as mesmas argumentacoes, temos

que i+ (A) i+ (B). Portanto, provamos que i+ (A) = i+ (A).
(=) Tomando como hipotese que as matrizes Hermitianas A e B tem a mesma

inercia, sabemos que podem ser representadas como em (6.3), possuindo a mesma matriz
b isto e,
de inercia ,
A = P b P e B = S b S ,
onde P, S IMn (C) sao matrizes invertveis.
Pela propriedade transitiva da relacao de congruencia, veja Exemplo 2.8.3, e pelo fato que
as matrizes A e B sao congruentes a mesma matriz , b temos que as matrizes A e
B sao congruentes. De fato, podemos escrever a matriz b da seguinte forma:
b = Q B Q
= A = (SQ)B(SQ) ,
onde Q = S 1 , com SQ uma matriz invertvel, desde que S e Q sao matrizes

invertveis, o que completa a demonstracao.
Corolario 6.7.2 Sejam A, B IMn (IR) matrizes simetricas. Entao, existe uma matriz
invertvel P IMn (IR) tal que A = P BP t se, e somente se, A e B tem a mesma
inercia.
Demonstracao A prova segue do resultado do Teorema 6.7.9, e do fato que uma matriz
simetrica real e um caso particular de uma matriz Hermitiana.
Corolario 6.7.3 Seja A IMn (IR) uma matriz simetrica. Entao, existe uma matriz
P IMn (IR) invertvel tal que D = P AP t e uma matriz diagonal. Alem disso, o
numero de elementos na diagonal de D que sao positivos, negativos e nulos e sempre o
mesmo, independente da matriz P que realiza a relacao de congruencia.
Petronio Pulino 451
Definicao 6.7.4 Seja A IMn (IR) uma matriz simetrica. Dizemos que A e uma
matriz indefinida quando possui autovalores de ambos os sinais.
Exemplo 6.7.6 Seja B IMn (IR) uma matriz invertvel. Mostre que a matriz
simetrica H, de ordem 2n, dada por:
" #
In B t
H =
B 0n
e uma matriz indefinida.
Inicialmente vamos mostrar que H e uma matriz invertvel. De fato, considere o sistema
linear homogeneo
" #" # " #
In B t
u 0IRn u + B t w = 0IRn
=
B 0n w 0IRn Bu = 0IRn
Portanto, como B e uma matriz invertvel, obtemos
u = 0IRn e w = 0IRn .
Assim, mostramos que o sistema linear homogeneo possui somente a solucao trivial.
Finalmente, vamos determinar os autovalores da matriz simetrica H, isto e, determinar

os escalares IR tais que
" #" # " #
In B t u u
HX = X = ,
B 0n w w
para u , w IRn naonulos.
Desse modo, obtemos as seguintes equacoes

u + Btw = u
Bu = w
Da segunda equacao, obtemos
1
w = Bu ,

com = 6 0, pois H e uma matriz invertvel. Substituindo w na primeira equacao,
obtemos
B t Bu = (2 )u .
Como B e uma matriz invertvel, sabemos que B t B e uma matriz positivadefinida.

Logo, seus autovalores sao todos positivos, que vamos denotar por 1 , , n .
Desse modo, considerando (i , vi ) um autopar da matriz B t B, obtemos
2i i = i
para i = 1, n.
Assim, para cada autovalor i de B t B, temos dois autovalores associados para H

dados por:

+ 1 + 1 + 4i 1 1 + 4i
i = > 0 e i = < 0.
2 2
para i = 1, n.
Portanto, mostramos que H e uma matriz indefinida, e determinamos seus autovalores.
Exemplo 6.7.7 Seja B IMmn (IR), com m n e posto(B) = m. Mostre que a

matriz simetrica H, de ordem n + m, dada por:
" #
In B t
H =
B 0m
Inicialmente vamos mostrar que H e uma matriz invertvel. De fato, considere o sistema
linear homogeneo
" #" # " #
In B t
u 0IRn u + B t w = 0IRn
=
B 0m w 0IRm Bu = 0IRm
Multiplicando a primeira equacao por B, obtemos a equacao
BB t w = 0IRm
Como posto(B) = m, sabemos que BB t , de ordem m, e uma matriz positivadefinida.

Logo, BB t e uma matriz invertvel. Desse modo, obtemos
w = 0IRm e u = 0IRn .
Assim, mostramos que o sistema linear homogeneo possui somente a solucao trivial.
Petronio Pulino 453
Finalmente, vamos determinar os autovalores da matriz simetrica H, isto e, determinar

os escalares IR tais que
" #" # " #
In B t u u
HX = X = ,
B 0m w w
para u IRn e w IRm naonulos.
Desse modo, obtemos as seguintes equacoes

u + Btw = u
Bu = w
Da segunda equacao, obtemos
1
w = Bu ,

com = 6 0, pois H e uma matriz invertvel. Substituindo w na primeira equacao,
obtemos
B t Bu = (2 )u .
Como posto(B) = m e m n, sabemos que a matriz B t B, de ordem n, e uma matriz
semipositivadefinida e tem posto(B t B) = m.
Logo, a matriz B t B possui m autovalores positivos, que vamos denotar por 1 , , m ,

e um autovalor = 0 com multiplicidade algebrica p = n m.
Desse modo, considerando (i , ui ) um autopar da matriz B t B, obtemos
2i i = i
para i = 1, m.
Assim, para cada autovalor i de B t B, temos dois autovalores associados para H

dados por:

+ 1 + 1 + 4i 1 1 + 4i
i = > 0 e i = < 0.
2 2
para i = 1, m.
b = 1 com multiplicidade algebrica

Para o autovalor = 0, obtemos um autovalor
p = n m da matriz H.
Portanto, mostramos que H e uma matriz indefinida, e determinamos seus autovalores.

Exemplo 6.7.8 Sejam A IMn (IR) uma matriz positivadefinida e B IMmn (IR),
com m n e posto(B) = m. Mostre que a matriz simetrica H, de ordem n + m,
dada por: " #
A Bt
H =
B 0m
Como A IMn (IR) e uma matriz positivadefinida, sabemos que A = QQt , onde
= diag(1 , . . . , j , . . . , n )
e uma matriz diagonal real, onde os autovalores 1 , . . . , j , . . . , n sao todos positivos,

e Q IMn (IR) e uma matriz ortogonal. Desse modo, pelo Exemplo 6.7.5, sabemos que
a matriz positivadefinida A e congruente com a matriz identidade, isto e,
b
A = (QD) (QD) t b t = P In P t ,
= P P
onde a matriz invertvel P = QD realiza a relacao de congruencia, e as matrizes D e

b sao dadas por:
p p
D = diag 1 , . . . , n e b = diag(1 , , 1) = In .


In = P 1 A P t ,
onde P 1 = D1 Qt e P t = Q D1 .
Considere a matriz invertvel S, de ordem n + m, definida da seguinte forma:

P 1 0tmn

S = .
0mn Im
Podemos verificar facilmente que a matriz simetrica Hb = SHS t , onde

P 1 A P t P 1 B t In P 1 B t
b = SHS t =
H

=

,
t t
BP 0m BP 0m
e uma matriz indefinida, pelo resultado do Exemplo 6.7.7.
b tem a mesma inercia.

Desse modo, pelo Corolario 6.7.2, as matrizes simetricas H e H
Portanto, mostramos que a matriz simetrica H e uma matriz indefinida.
Petronio Pulino 455
Diagonalizacao de Operadores antiHermitianos
Considere V um espaco vetorial complexo de dimensao finita munido do produto interno

h , i . Seja T um operador antiHermitiano sobre V , isto e,
h T (u) , v i = h u , T (v) i ; u, v V .
Pelo Teorema 5.13.3, sabemos que a matriz A = [T ] e uma matriz antiHermitiana,

onde e uma base ortonormal de V . Assim, O problema de diagonalizacao de uma
matriz antiHermitiana e equivalente ao problema de diagonalizacao de um operador
antiHermitiano.

produto interno h , i , T um operador antiHermitiano sobre V e um autovalor
de T . Entao, e imaginario puro, isto e, = . Alem disso, autovetores associados
a autovalores distintos sao ortogonais.
Demonstracao Seja um autovalor de T com v o autovetor associado. Usando a

hipotese que T e antiHermitiano, obtemos
h v , v i = h v , v i = h T (v) , v i = h v , T (v) i = h v , v i = h v , v i .
Logo, ( + )h v , v i = 0. Como v e naonulo, temos que + = 0, isto e, = .

Portanto, mostramos que o autovalor e imaginario puro.
Sejam 1 e 2 autovalores distintos do operador T , com v1 e v2 os autovetores

associados, respectivamente. Desse modo, temos que
1 h v1 , v2 i = h T (v1 ) , v2 i = h v1 , T (v2 ) i = h v1 , 2 v2 i = 2 h v1 , v2 i .
Portanto, temse que (1 2 )h v1 , v2 i = 0. Logo, h v1 , v2 i = 0, pois 1 e 2 sao

distintos. Assim, completamos a demonstracao.
Teorema 6.7.11 Sejam V um espaco vetorial complexo munido do produto interno

h , i , T um operador antiHermitiano sobre V e S um subespaco de V inva-
riante sob T , isto e, T (v) S para todo v S. Entao, o subespaco S e tambem
invariante sob T .
Demonstracao Seja u S , para todo v S temos que
h T (u) , v i = h u , T (v) i = 0 .
Assim, provamos que T (u) S para todo u S .


produto interno h , i , com dim(V ) = n, e T um operador antiHermitiano sobre V .
Entao, existe uma base ortonormal para V formada de autovetores de T .
Demonstracao A prova e feita de modo analogo ao Teorema 6.7.4.
Tomando = { v1 , , vn } a base ortonormal de autovetores para o espaco V .

Sabemos que a matriz do operador T com relacao a base ortonormal de autovetores
e a matriz diagonal [T ] = diag(1 , , n ), onde vk e o autovetor associado ao
autovalor k para k = 1, , n. Portanto, o operador T e diagonalizavel.

produto interno h , i e T um operador antiHermitiano sobre V . Entao, T e um
operador diagonalizavel.
Demonstracao A prova segue do Teorema 6.6.6 e do Teorema 6.7.12.
Proposicao 6.7.6 Seja A IMn (C) uma matriz antiHermitiana. Entao, A e uma
matriz diagonalizavel, isto e, A e unitariamente similar a uma matriz diagonal.
Demonstracao A prova segue do Corolario 6.6.1 e do Teorema 6.7.13.
Proposicao 6.7.7 Considere o espaco vetorial complexo Cn munido do produto interno

usual. Sejam A IMn (C) uma matriz antiHermitiana e TA o operador linear sobre
Cn associado a matriz A. Entao, o espaco vetorial complexo Cn possui uma base
ortonormal de autovetores do operador linear TA .
Demonstracao A prova segue aplicando o Teorema 6.7.12 no operador linear TA que

e um operador antiHermitiano sobre Cn .
Petronio Pulino 457
Exemplo 6.7.9 Considere a matriz antiHermitiana A dada por:

" #
i 1i
A =
1 i 0
para fazer uma ilustracao da Proposicao 6.7.6.
p() = det(A I) = 2 i + 2 .
Podemos verificar que os autovalores da matriz A sao 1 = 2i e 2 = i.
Os autovetores da matriz A sao do tipo

" # " #
(1 + i)y x
X1 = e X2 =
y (1 i)x
associados aos autovalores 1 = 2i e 2 = i, respectivamente.

" # " #
1+i 1
X1 = e X2 =
1 1i
associados aos autovalores 1 = 2i e 2 = i, respectivamente.
Desse modo, podemos representar a matriz A da seguinte forma:
A = U U ou = U A U ,
onde " # " #

3 1+i 1 2i 0
U = e = .
3 1 1 i 0 i
Note que a matriz U e uma matriz unitaria, isto e, U U = U U = I, e realiza a
diagonalizacao da matriz A.
Exerccios
Exerccio 6.88 Seja A IMn (C) uma matriz Hermitiana. Mostre que x Ax IR
para todo elemento x Cn .
Exerccio 6.89 Seja A IMn (C) uma matriz Hermitiana. Mostre que SAS e uma
matriz Hermitiana para toda matriz S IMn (C).
Exerccio 6.90 Seja A IMn (C) uma matriz Hermitiana. Mostre que existe um escalar
IR de modo que a matriz I + A seja positivadefinida.
Exerccio 6.91 Sejam V um espaco vetorial complexo munido do produto interno h , i

e T um operador antiHermitiano sobre V . Mostre que h T (u) , u i e imaginario puro
para todo u V .
Exerccio 6.92 Seja A IMn (IF ) uma matriz diagonalizavel. Pedese:

(a) Mostre que o det(A) e igual ao produto de seus autovalores.
(b) Mostre que o tr(A) e igual a soma de seus autovalores.
Exerccio 6.93 Sejam V um espaco vetorial complexo munido do produto interno

h , i e T um operador positivo sobre V . Mostre que a aplicacao
p: V V C
(u, v) p(u, v) = h T (u) , v i

define um produto interno no espaco vetorial complexo V .
Exerccio 6.94 Considere a matriz simetrica A IM3 (IR) dada por:

0 1 1

A = 1 0 1 .
1 1 0
Determine uma matriz ortogonal Q IM3 (IR) que realiza a diagonalizacao da matriz
A, isto e, = Qt AQ e uma matriz diagonal.
Exerccio 6.95 Seja A IMn (IR) positivadefinida. Mostre que det(A) e positivo.
Petronio Pulino 459
Exerccio 6.96 Considere a matriz simetrica B dada por:

2 4 4

B = 4 2 4 .
4 4 2
Determine os autovalores e os autovetores da matriz B utilizando os resultados do
Exerccio 6.5 e do Exerccio 6.94.
Exerccio 6.97 Determine a solucao do seguinte sistema dinamico

x (t) = 3x(t) + y(t)
y (t) = x(t) 3y(t)
com a condicao inicial " # " #
x(0) 2
= .
y(0) 3
Exerccio 6.98 Determine a solucao do seguinte sistema dinamico

x (t) = 5x(t)

y (t) = 4y(t) + 3z(t)

z (t) = + 3y(t) 4z(t)
com a condicao inicial
x(0) 4

y(0) = 5 .
z(0) 6
Exerccio 6.99 Considere a seguinte matriz simetrica

4 1 2

A = 1 1 1 .
2 1 4
Exerccio 6.100 Seja A IMn (IR) antisimetrica. Mostre que as matriz I A e

I + A sao invertveis e que a matriz (I A)(I + A)1 e uma matriz ortogonal.
Exerccio 6.101 Considere a seguinte matriz simetrica

5 1 2

A = 1 8 1 .
2 1 5
Verifique se A e uma matriz positivadefinida. Determine o det(A) e o tr(A),

utilizando os resultados do Exerccio 6.92.
Exerccio 6.102 Considere a matriz diagonal em blocos T IM4 (IR) dada por:
" #
A 02
T = ,
02 U
onde A IM2 (IR) e uma matriz simetrica e U IM2 (IR) e uma matriz triangular
superior, representadas por:
" # " #
a b d e
A = e U = ,
b c 0 f
com a, b, c, d, e R naonulos. Determine as condicoes para que a matriz T seja

diagonalizavel. Justifique sua resposta.
Exerccio 6.103 Considere a matriz diagonal em blocos T dada por:

2 2 0 0
2 5 0 0

.
0 0 1 2
0 0 0 3
Encontre os autovalores e os autovetores da matriz T . A matriz T e diagonalizavel ?

1 0 2

A = 0 1 0 .
2 0 1
Determine uma matriz ortogonal Q IM3 (IR) e uma matriz diagonal IM3 (IR)
tais que A = QQt . A matriz A e positivadefinida?
Petronio Pulino 461

2 0 1

A = 0 2 1 .
1 1 3
Determine uma matriz ortogonal Q IM3 (IR) e uma matriz diagonal IM3 (IR)
tais que A = QQt . A matriz A e positivadefinida?
Exerccio 6.106 Sejam A IMn (IR) uma matriz positivadefinida e C IMn (IR)
uma matriz invertvel. Mostre que a matriz B = CAC t e positivadefinida.
Exerccio 6.107 Sejam A IMn (IR) uma matriz positivadefinida e Q IMn (IR)
uma matriz ortogonal. Mostre que a matriz C = QAQt e uma matriz positivadefinida.
Exerccio 6.108 Seja A IMn (IR) uma matriz simetrica. Mostre que A e congruente
com a matriz identidade se, e somente se, todos os autovalores de A sao positivos.
Exerccio 6.109 Seja B IMn (IR) uma matriz invertvel. Mostre que a matriz
simetrica H, de ordem 2n, definida da seguinte forma:

0n B t
H =
B 0n
Exerccio 6.110 Seja B IMmn (IR), com m n e posto(B) = m. Mostre que

a matriz simetrica H, de ordem n + m, definida da seguinte forma:

t
0n B
H =
B 0m

Bibliografia
[1] Tom M. Apostol, Analisis Matematico, Segunda Edicion, Editorial Reverte, 1977.
[2] Tom M. Apostol, Calculus, Volume I, Second Edition, John Wiley & Sons, 1976.
[3] Tom M. Apostol, Calculus, Volume II, Second Edition, John Wiley & Sons, 1976.
[4] Tom M. Apostol, Linear AlgebraA First Course with Applications to Differential
Equations, John Wiley & Sons, 1997.
[5] Alexander Basilevsky, Applied Matrix Algebra in the Statistical Sciences, Dover, 1983.
[6] J. L. Boldrini, S. I. R. Costa, V. L. Figueiredo e H. G. Wetzler, Algebra Linear ,

Terceira Edicao, Editora Harbra Ltda, 1986.
[7] C. A. Callioli, H. H. Domingues e R. C. F. Costa, Algebra Linear e Aplicacoes, Sexta

Edicao, Atual Editora, 2003.
[8] R. Charnet, C. A. L. Freire, E. M. R. Charnet e H. Bonvino, Analise de Modelos de

Regressao Linear com Aplicacoes, Editora da Unicamp, Segunda Edicao, 2008.
[9] F. U. Coelho e M. L. Lourenco, Um Curso de Algebra Linear , edusp, 2001.
[10] S. H. Friedberg, A. J. Insel and L. E. Spence, Linear Algebra, Prentice Hall, Third
Edition, 1997.
[11] Gene H. Golub & Charles F. Van Loan, Matrix Computations, Third Edition, John
Hopkins, 1996.
[12] K. Hoffman e R. Kunze, Algebra Linear , Editora da USP, 1971.
[13] Roger A. Horn and Charles R. Johnson, Matrix Analysis, Cambridge University
Press, 1996.
[14] Bernard Kolman e David R. Hill, Introducao a Algebra Lienar com Aplicacoes, LTC,
Oitava Edicao, 2006.
[15] Serge Lang, Introduction to Linear Algebra, Second Edition, Springer, 1986.
[16] Elon L. Lima, Algebra Linear , Colecao Matematica Universitaria, IMPA, 1996.
[17] Elon L. Lima, Curso de Analise, Projeto Euclides, IMPA, 1996.
735
[18] Seymour Lipschutz, Algebra Linear , Terceira Edicao, Makron Books, 1994.
[19] Luenberger, D. D. (1973), Introduction to Linear and Nonlinear Programming,

AddisonWesley.
[20] Patricia R. de Pelaez, Rosa F. Arbelaez y Luz E. M. Sierra, Algebra Lineal con
Aplicaciones, Universidad Nacional de Colombia, 1997.
[21] Gilbert Strang, Linear Algebra and its Applications, Third Edition, Harcourt Brace
Jovanovich Publishers, 1988.
[22] David S. Watkins, Fundamentals of Matrix Computations, John Wiley & Sons, 1991.

Autovalores e Autovetores PDF

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Autovalores e Autovetores PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Algebra Linear e suas Aplicacoes

2 Matrizes e Sistemas Lineares 29

3 Espacos Vetoriais 139

4 Transformacoes Lineares 219

5 Produto Interno 283

6 Autovalores e Autovetores 369

7 Funcionais Lineares e Espaco Dual 463

8 Algebra Linear Computacional 493

6.1 Autovalor e Autovetor de um Operador Linear

Quais sao os elementos v V tais que T (v) = v ?

Exemplo 6.1.1 Considere o espaco vetorial real IR2 . O operador linear

Podemos verificar facilmente que

Portanto, todo elemento v = (x, y) IR2 satisfaz a condicao acima.

Exemplo 6.1.2 Considere o espaco vetorial real IR2 e o operador linear

Portanto, todo elemento v = (x, x) IR2 satisfaz a condicao acima.

Sejam V um espaco vetorial real e T um operador linear sobre V . Podemos tambem

Quais sao os elementos v V , naonulos, que sao levados pelo operador T em um

Definicao 6.1.1 Sejam V um espaco vetorial sobre o corpo IF e T : V V um

Exemplo 6.1.3 Considere o espaco vetorial real IR2 . O operador linear

Teorema 6.1.1 Sejam V um espaco vetorial sobre o corpo IF , T um operador linear

Podemos observar que o autovalor e unicamente determinado pelo operador T e pelo

Definicao 6.1.2 Sejam V um espaco vetorial sobre o corpo IF e T : V V um

e denominado subespaco associado ao autovalor .

Podemos observar facilmente que o subconjunto V e igual ao subespaco Ker(T IV ).

T (v) = v ( T IV )(v) = 0V v Ker(T IV ) .

Logo, temos que V = Ker(T IV ). Assim, provamos que V e um subespaco de

Exemplo 6.1.4 Sejam V um espaco vetorial sobre o corpo IF , T um operador linear

De fato, tomando um elemento v V1 V2 temos que

Como 1 6= 2 , temos que v = 0V . Portanto, mostramos que V1 V2 = { 0V }.

Exemplo 6.1.5 Sejam V um espaco vetorial sobre o corpo IF , T um operador linear

Exemplo 6.1.6 Considere o espaco vetorial real IR2 . O operador linear

e a reflexao em torno do eixoox.

Portanto, os elementos v = (0, y) IR2 sao autovetores de T com autovalor = 1.

De modo analogo, temos que os elementos v = (x, 0) IR2 sao autovetores de T

Exemplo 6.1.7 Considere o espaco vetorial real IR2 . O operador linear

e a reflexao em torno da origem.

Portanto, qualquer elemento v = (x, y) IR2 , naonulo, e um autovetor de T associado

Exemplo 6.1.8 Considere o espaco vetorial real IR2 . O operador linear

e a projecao no eixoox, isto e, um operador de projecao de coordenadas.

Podemos verificar facilmente que qualquer elemento v = (x, 0) IR2 , naonulo, e

Exemplo 6.1.9 De um modo geral todo operador linear

Exemplo 6.1.10 Considere o espaco vetorial real IR2 . O operador linear

O complemento ortogonal, S , do subespaco S em IR3 e o hiperplano dado por:

Note que S e um plano em IR3 dado pela equacao x y + 2z = 0. Temos tambem

Desse modo, como P (u) = 0 u para todo u S , podemos concluir que 2 = 0 e

Finalmente, escolhemos v2 = (1, 1, 0) e v3 = (0, 2, 1) como sendo os autovetores do

Do Exemplo 6.1.13, sabemos que o operador P de projecao ortogonal sobre o subespaco

Temos que o operador R de reflexao em torno do subespaco S e dado por:

Desse modo, temos que R(u) = u para todo u S , concluindo que 1 = 1 e

Portanto, podemos escolher v1 = (1, 1, 0) e v2 = (0, 2, 1) como sendo os autovetores

Sabemos que, para todo w S temos R(w) = w. Portanto, 2 = 1 e um

Exerccio 6.2 Sejam V um espaco vetorial sobre o corpo IF e T um operador linear

Exerccio 6.5 Sejam V um espaco vetorial sobre o corpo IF , T um operador linear

Exerccio 6.6 Determine o operador linear T sobre o IR2 satisfazendo as seguintes

(b) 2 = 3 e um autovalor de T com os autovetores associados do tipo v2 = (0 , y)

(b) Determine os autovalores e os autovetores do operador R.

Exerccio 6.8 Sejam V um espaco vetorial sobre o corpo IF , T um operador linear

Exerccio 6.9 Sejam V um espaco vetorial real e T um operador linear sobre V de

Exerccio 6.10 Sejam V um espaco vetorial sobre o corpo IF , T um isomorfismo de

Exerccio 6.12 Sejam V um espaco vetorial sobre o corpo IF , T um operador linear

Exerccio 6.13 Sejam V um espaco vetorial complexo e T um operador linear sobre

Exerccio 6.15 Considere o espaco vetorial complexo C4 e o operador T sobre o C4