Escolar Documentos
Profissional Documentos
Cultura Documentos
V
V.1. Valores e vectores próprios
0 ... ... 0 λn
Exemplos V.1.2. (1). Para cada espaço vetorial V de dimensão finita, a função nula é
diagonalizável: a matriz da função nula relativamente a qualquer base B de V é a
matriz nula.
(2). Para cada espaço vetorial V de dimensão finita, a função identidade idV : V → V é
diagonalizável: a matriz da função identidade relativamente a qualquer base B de V é
a matriz identidade.
(3). Agora consideramos a transformação linear
Relembra-se que as colunas da matriz M (f, B, B) na base B = (v1 , . . . , vn ) são dadas por
Portanto, tendo em conta que os vetores de uma base não podem ser nulos, define-se:
f : R2 −→ R2 , (x, y) 7−→ (x + y, x + y)
Admitimos que até este momento o nosso método de resolver a questão da diagonalização é
“adivinhar e ter sorte”: no exemplo acima, os valores próprios 2 e 0 caı́ram do céu. No entanto,
o facto de termos descoberto vetores próprios linearmente independentes não foi apenas sorte:
• pelo Lema V.1.5, a sequência (v1 , . . . , vn ) destes vetores próprios é linearmente inde-
pendente;
• como dim V = n, B = (v1 , . . . , vn ) é uma base de V .
Uma outra consequência do Lema V.1.5 é que em espaços vetoriais de dimensão finita não
pode haver um excesso de valores próprios: o número de valores próprios de um endomorfismo
f : V → V com dim V = n ∈ N é limitado por n (ver Teorema II.5.19).
Resumindo, para uma transformação linear f : V → V com dim V = n ∈ N, ou temos
exatamente n valores próprios e neste caso f é diagonalizável, ou temos menos do que n valores
próprios, e neste caso . . . não sabemos. Tudo depende se conseguimos arranjar suficientes vetores
próprios linearmente independentes. Por exemplo, a função nula
tem um único valor próprio, λ = 0; mas todo o (x, y) ∈ R2 é um vetor próprio associado a 0.
Nos seguintes exemplos temos menos sorte.
pois λ2 + 1 6= 0. Logo, não existe um vetor (x, y) diferente de zero tal que f (x, y) =
λ(x, y), ou seja, f não tem nenhum valor próprio λ ∈ R. Em particular, f não é
diagonalizável.
(2). Consideremos agora o endomorfismo f : R2 → R2 , (x, y) 7→ (y, 0). Neste caso, f (x, y) =
λ(x, y) ⇔ (y, 0) = (λx, λy). Se λ 6= 0, obtemos que (x, y) = (0, 0) é a única solução
desta equação. Se λ = 0 as soluções da equação são os vetores da forma (x, 0), com
x ∈ R. Assim, o único valor próprio de f é λ = 0 e os vetores próprios associados a
0 são os vetores da forma (x, 0), com x ∈ R. Logo, não existem dois vetores próprios
linearmente independentes; portanto, f não é diagonalizável.
0 −3 4
Isto é, os valores próprios de A são −2 e 1. Para calcular o subespaço próprio U−2 vamos reduzir
a matriz aumentada do sistema (A − (−2)I)X = 0 a uma matriz em escada:
3 −3 3 1 −1 1
A − (−2)I | 0 = 0 −3 6 0 1 −2
0 −3 6 0 0 0
Obtemos assim U−2 = {(z, 2z, z) | z ∈ R}. Da mesma forma, vamos calcular o subespaço
próprio de A associado a 1. A matriz em escada obtida a partir da matriz aumentada do
sistema (A − I)X = 0,
0 −3 3 0 1 −1
A − I | 0 = 0 −6 6 0 0 0 ,
0 −3 3 0 0 0
onde vi é um vetor próprio de f (e, portanto, também de A) associado ao valor próprio λi . Como
A é a matriz de f na base canónica de Rn , Bc , temos que D = P −1 AP , onde P é a matriz de
mudança de base de B para Bc , i.e., as colunas de P são v1 , . . . , vn . Portanto, A é diagonalizável
se e somente se A tem n vetores próprios linearmente independentes.
94 V.3. Diagonalização de matrizes
Exemplo V.3.3. Vamos agora verificar se a matriz do Exemplo V.3.2 é diagonalizável. Como
U−2 = h(1, 2, 1)i e U1 = h(1, 0, 0), (0, 1, 1)i e (1, 2, 1), (1, 0, 0), (0, 1, 1) são linearmente indepen-
dentes, obtivemos três vetores
próprios
de A linearmente independentes e portanto A é diago-
1 1 0
nalizável. A matriz P = 2 0 1 é invertı́vel e é tal que
1 0 1
−2 0 0
P −1 AP = 0 1 0 .
0 0 1