Valores e vectores próprios

Considere-se a aplicação linear f : R2 −→ R2 definida por

f (v1 , v2 ) = (3v1 , v1 + 2v2 ).

 
3 0
Tem-se f (1, 0) = (3, 1), f (0, 1) = (0, 2), logo M(f ) = .
1 2
Observe-se que f não é uma homotetia; no entanto, para alguns
vectores não nulos, f tem um comportamento semelhante ao das
homotetias:
Por exemplo, f (1, 1) = (3, 3), isto é, f (1, 1) = 3(1, 1). Dizemos
que (1, 1) é vector próprio de f associado ao valor próprio 3.
Como f (2, 2) = (6, 6) = 3(2, 2), também (2, 2) é vector próprio de
f associado ao valor próprio 3.
Tem-se também f (0, 1) = (0, 2) = 2(0, 1), logo (0, 1) é vector
próprio de f associado ao valor próprio 2.
  
3 0
Considere-se agora A = M(f ) = . Tem-se:
1 2
        
1 3 0 1 3 1
A = = =3
1 1 2 1 3 1
        
2 3 0 2 6 2
A = = =3
2 1 2 2 6 2

Dizemos que (1, 1) e (2, 2) são vectores próprios da matriz A

associados ao valor próprio 3.
        
0 3 0 0 0 0
A = = =2
1 1 2 1 2 1

Dizemos que (0, 1) é vector próprio da matriz A associado ao valor

próprio 2.
Definição Seja f : Rn −→ Rn aplicação linear. Seja
v = (v1 , . . . , vn ) ∈ Rn .
Dizemos que v é vector próprio de f se v 6= 0n e existe um número
real λ tal que f (v ) = λv .
Dizemos que um número real λ é valor próprio de f se existe
v ∈ Rn tal que v 6= 0n e f (v ) = λv .

Nota: Se v 6= 0n e λv = αv , então λ = α.
Assim, se v é vector próprio de f , existe um único número real λ
tal que f (v ) = λv .
Nestas condições, dizemos que:

λ é o valor próprio de f associado ao vector próprio v

v é um vector próprio de f associado ao valor próprio λ.

Definição Seja A ∈ Mn .
Dizemos que v = (v1 , . . . , vn ) ∈ Rn é vector próprio de A, se
(v1 , . . . , vn ) 6= 0n e existe λ ∈ R tal que
   
v1 v1
A  ...  = λ  ...  .
   

vn vn

Dizemos que λ ∈ R é valor próprio de A, se existe

(v1 , . . . , vn ) ∈ Rn tal que (v1 , . . . , vn ) 6= 0n e
   
v1 v1
A  ...  = λ  ...  .
   

vn vn

Nota: Nestas condições, dizemos que:

I λ é o valor próprio de A associado ao vector próprio
(v1 , . . . , vn )
I (v1 , . . . , vn ) é um vector próprio de A associado ao valor
próprio λ.
Proposição Sejam f : Rn −→ Rn aplicação linear e A = M(f ).
Tem-se:
I (v1 , . . . , vn ) é vector próprio de f se e só se (v1 , . . . , vn ) é
vector próprio de A.
I λ é valor próprio de f se e só se λ é valor próprio de A.

Como determinar os valores próprios de uma matriz?

Proposição Seja A ∈ Mn .
λ é valor próprio de A se e só se det(A − λIn ) = 0.

Proposição 0 é valor próprio de A se e só se A não é invertı́vel

Definição Seja A ∈ Mn .
Chamamos polinómio caracterı́stico de A ao polinómio, na
incógnita x, det(A − xIn ).
Chamamos equação caracterı́stica de A à equação
det(A − xIn ) = 0.
Os valores próprios de A são as soluções da equação caracterı́stica
det(A − xIn ) = 0.
 
3 0
Exemplo Quais os valores próprios da matriz A = ?
1 2
     
3 0 x 0 3−x 0
det(A−x I2 ) = det − = det
1 2 0 x 1 2−x

Logo:
I o polinómio caracterı́stico de A é
(3 − x)(2 − x) = x 2 − 5x + 6;
I a equação caracterı́stica de A é (3 − x)(2 − x) = 0, ou seja,
x 2 − 5x + 6 = 0;
I 2 e 3 são as soluções da equação caracterı́stica de A, portanto
2 e 3 são os valores próprios de A.
Nota: O polinómio caracterı́stico de uma matriz de ordem n tem
grau n.
Uma matriz de ordem n tem, no máximo, n valores próprios
distintos.
Exemplo Considere-se a matriz triangular superior
 
5 1 3
T =  0 −1 9 .
0 0 −1

O polinómio caracterı́stico de T é:

det(T − x I3 ) = (5 − x) (−1 − x) (−1 − x).

Logo, os valores próprios da matriz T são 5 e −1.

Observe-se que 5 e −1 são as entradas da diagonal principal de T .

Proposição Se A é uma matriz triangular (superior ou inferior), os

valores próprios de A são as entradas da diagonal principal de A.
Como determinar os vectores próprios de uma matriz?

Suponhamos que λ é um valor próprio da matriz A ∈ Mn .

Proposição Os vectores próprios de A associados a λ são as

soluções não nulas do sistema homogéneo (A − λIn )X = 0.
Assim:
Os vectores próprios de A associados a λ são os vectores não nulos
de N(A − λIn ).

Definição Se λ é valor próprio de A:

I a N(A − λIn ) chamamos subespaço próprio de A associado a
λ. Denotamos este subespaço por Eλ .
I à dimensão de Eλ chamamos multiplicidade geométrica de λ e
denotamos mg (λ).
  
3 0
Exemplo Seja A = .
1 2

Sabemos que 2 e 3 são os únicos valores próprios de A.

Assim, para determinar todos os vectores próprios de A, basta

calcular os vectores próprios de A associados a 2 e os associados a
3.

Os vectores próprios de A associados a 2 são os vectores não nulos

de N(A − 2 I2 ).

Os vectores próprios de A associados a 3 são os vectores não nulos

de N(A − 3 I2 ).
Vamos determinar N(A − 2 I2 ):
Tem-se
     
3 0 2 0 1 0
A − 2I2 = − = .
1 2 0 2 1 0
De      
1 0  0 −−−−→ 1 0  0
L2 − L1 
1 0  0 0 0  0
temos
N(A − 2 I2 ) = { (v1 , v2 ) ∈ R2 : v1 = 0 } = < (0, 1) > .

Como (0, 1) é linearmente independente (porque (0, 1) 6= (0, 0)),

concluı́mos que ((0, 1)) é base de N(A − 2 I2 ). Assim:
I < (0, 1) > é o subespaço próprio de A associado a 2.
I mg (2) = dim(N(A − 2 I2 )) = 1.
I Os vectores próprios de A associados a 2 são todos os vectores
da forma (0, v2 ), com v2 ∈ R \ {0}.
Vamos determinar N(A − 3 I2 ):
Tem-se:
     
3 0 3 0 0 0
A − 3I2 = − = .
1 2 0 3 1 −1
Logo
 
0 0
N(A − 3 I2 ) = N = { (v1 , v2 ) ∈ R2 : v1 − v2 = 0 }
1 −1

= { (v1 , v2 ) ∈ R2 : v1 = v2 } = { (v2 , v2 ) : v2 ∈ R } = < (1, 1) > .

Como ((1, 1)) é linearmente independente (porque (1, 1) 6= (0, 0)),

concluı́mos que ((1, 1)) é base de N(A − 3 I2 ). Assim:
I < (1, 1) > é o subespaço próprio de A associado a 3.
I mg (3) = dim(N(A − 3 I2 )) = 1.
I Os vectores próprios de A associados a 3 são todos os vectores
da forma (v2 , v2 ), com v2 ∈ R \ {0}.
Proposição Seja A ∈ Mn . Se v1 , v2 , . . . , vr são vectores próprios de
A associados a valores próprios distintos, então v1 , v2 , . . . , vr são
vectores linearmente independentes.

Exemplo Suponhamos que B é uma matriz tal que -1, 0 e 2 são

valores próprios de B. Se
I v1 é um vector próprio de B associado ao valor próprio −1,
I v2 é um vector próprio de B associado ao valor próprio 0,
I v3 é um vector próprio de B associado ao valor próprio 2,
então v1 , v2 , v3 são linearmente independentes.
 
3 0
Exemplo Seja A = .
1 2
Provámos anteriormente que:
I (1, 1) é vector próprio de A associado ao valor próprio 3,
I (0, 1) é vector próprio de A associado ao valor próprio 2.
Pela proposição anterior, (1, 1) e (0, 1) são vectores l. i.
Diagonalização  
d11 0 0
Recorde-se que a matriz D =  0 d22 0 é uma matriz
0 0 d33
diagonal, porque D é uma matriz quadrada e dij = 0, para i 6= j.

Definição Seja A ∈ Mn . A matriz A é diagonalizável se existe uma

matriz invertı́vel P ∈ Mn tal que P −1 AP é uma matriz diagonal.
Nestas condições dizemos que P é uma matriz diagonalizante de A.
   
3 0 1 0
Exemplo Seja A = . Seja P = . Como
1 2 1 1
 
1 0
det (P) = 1 6= 0, a matriz P é invertı́vel e P −1 = .
−1 1
Tem-se
     
1 0 3 0 1 0 3 0
P −1 AP = =
−1 1 1 2 1 1 0 2

A matriz A é diagonalizável e P é uma matriz diagonalizante de A.

Recorde-se que:
I (1, 1) é vector próprio de A associado ao valor próprio 3
I (0, 1) é vector próprio de A associado ao valor próprio 2.
Observe-se:      
−1 1 0 3 0 1 0 1 0 3 0
P AP = =
−1 1 1 2 1 1 −1 1 3 2
 
3 0
= .
0 2
I A matriz P é uma matriz diagonalizante de A,
I as colunas de P são vectores próprios de A, linearmente
independentes,
I as entradas principais da matriz diagonal são os valores
próprios de A.

Proposição Sejam A, P ∈ Mn .
A matriz P é uma matriz diagonalizante de A se e só se as colunas
de P são vectores próprios de A e são linearmente independentes .
Proposição A matriz A ∈ Mn é diagonalizável se e só se tiver n
vectores próprios linearmente independentes .
Corolário Seja A ∈ Mn . Se A tem n valores próprios distintos,
então A é diagonalizável.

Exemplo Se A é uma matriz de ordem 3 e -1, 0 e 2 são valores

próprios de A, então A é diagonalizável.

Proposição Seja A ∈ Mn e suponhamos que λ1 , λ2 , . . . , λr são

todos os seus valores próprios, considerados sem repetições. Então
A é diagonalizável se e só se
mg (λ1 ) + mg (λ2 ) + · · · + mg (λr ) = n.

 
5 1 3
Exemplo Considere-se a matriz T =  0 −1 9  . Os valores
0 0 −1
próprios da matriz T são 5 e −1.

Pela proposição anterior,

T é diagonalizável se e só se mg (5) + mg (−1) = 3.

Como diagonalizar uma matriz A diagonalizável?

Seja A uma matriz diagonalizável.

Para determinar uma matriz P diagonalizante de A procedemos da
seguinte forma:

1. Para cada valor próprio λ da matriz A determinamos uma

base do subespaço próprio Eλ .
2. Consideramos o conjunto {z1 , . . . , zn } formado por todos os
vectores das bases encontradas em 1.
3. Constrói-se uma matriz P tendo z1 , . . . , zn como colunas.

A matriz P construı́da pelo processo anterior é uma matriz

diagonalizante de A.
A entrada (i, i) de P −1 AP é o valor próprio de A associado à
coluna i de P.