UNIVERSIDADE FEDERAL DA PARAÍBA

CCEN – Departamento de Matemática

Prof. Dr: José Gomes de Assis

Unidade 3

Vetores Próprios e Valores Próprios de um Operador Linear

1 Situando a Temática

Sabemos que dado um Operador Linear T, está associado a ele uma matriz quadrada.
Vamos a busca de uma matriz que o represente e que seja a mais simples possível. Para tanto
estudaremos os vetores que são levados em um múltiplo de si mesmo, isto é, os vetores
próprios. Em seguida, encontraremos uma base do espaço vetorial na qual a matriz de um
determinado operador linear seja a mais simples possível, uma matriz Diagonal.

2 Problematizando a Temática

Consideremos um foguete subindo verticalmente a partir do solo, sob a ação da força

gravitacional, de uma força constante para cima e de um impulso f também para cima,
proporcional ao tempo t decorrido depois do lançamento Se h é a altura, pela segunda lei de
2
Newton temos: m d 2h = f + bt − mg.
dt

Na resolução desta Equação Diferencial utilizam-se os conceitos de espaço vetorial, base,

valores e vetores próprios. O leitor interessado em mais detalhes veja Álgebra Linear, José Luiz

Boldrini.
 3 Conhecendo a Temática

3.1 Auto valores e auto vetores (valores e vetores próprios)

3.1.1. - Introduç ão

Definição 3.1 Seja T : V → V um operador linear. Um vetor v V , v  0 , é um auto

vetor (vetor próprio) de T se existe   ℝ tal que
T (v ) =  v .

Neste caso, o número real  é denominado auto valor ( valor próprio) de T associado ao
vetor próprio v.  e v são chamados também de autovalor e autovetor de T,
respectivamente, ou ainda, valor e vetor característico de T.

Ampliando seu Conhecimento

As noções de vetores e valores próprios de um operador linear são fundamentais por exemplo em
Física Atômica porque os níveis de energia dos átomos e moléculas são dados por valores próprios
de determinadas matrizes.

3.1.1. – Observações

Como se vê pela Definição 3.1, um vetor v  0 é vetor próprio se a imagem T (v) for um

múltiplo escalar de v. No ℝ2 e no ℝ3 diríamos que v e T (v) têm a mesma direção. Assim,

dependendo do valor de  , o operador T dilata v (se λ > 1), contrai v (se 0 < λ < 1), inverte o
sentido de v (se λ < 0) ou o anula no caso de  = 0 , vejam figura 8.1.
Observem que na figura 8.2, v não é um vetor próprio de um operador linear T pois v
e T (v) não têm mesma direção.
3.1.2. - Exemplos

1. O vetor v = (5,2) é vetor próprio do operador linear,

T: ℝ2 → ℝ2, dado por T ( x, y) = (4x + 5 y,2x + y),

associado ao valor próprio  = 6 , pois:

T (v ) = T (5,2) = (30,12) = 6(5,2) = 6v .

Já o vetor v = (2,1) não é vetor próprio deste operador T , pois:

T (2,1) = (13,5)   (2,1)

para todo   ℝ.

2. Na simetria definida no ℝ3 por T (v ) = −v , qualquer vetor v  0 é vetor próprio associado

ao valor próprio  = −1.

3. Seja T: ℝ3 → ℝ3 o operador linear definido por T ( x, y, z) = (2 x + y, y − z, 2 y + 4 z), .

Observem que o vetor v = (1,1,-2) é um vetor próprio do operador linear T associado ao valor
próprio λ = 3, pois
T (v) = T (1,1, −2) = (2(1) + 1,1 − (−2), 2(1) + 4(−2)) = (3,3, −6) .

e
 v = 3(1,1, −2) = (3,3, −6).
Ou seja, T(v) = λv, com v ≠ (0,0,0);
Primeira questão que podemos levar em consideração: será que o vetor v = (1, 1, -2) é
o único vetor próprio de T, definido no Exemplo 3.1.2 (3)? Para isto, buscaremos uma maneira
de determinar os vetores e valores próprios de um operador linear.
Tendo em vista aplicações em questões de Geometria Analítica, serão estudados, neste
Capítulo, somente vetores próprios e valores próprios de operadores lineares definidos em ℝ3
e em ℝ2.
Definição 3.2 O conjunto 𝑉𝜆 = {𝑣 ∈ 𝑉; 𝑇(𝑣) = 𝞴𝒗} formado pelos autovetores
associados ao auto valor 𝞴 é chamado de auto espaço associado ao autovalor 𝞴.
 Ampliando seu Conhecimento

Mostre que 𝑉𝜆 = {𝑣 ∈ 𝑉; 𝑇(𝑣) = 𝞴𝒗} é um subespaço vetorial de V.

3.1.3. - Determinaç ão dos val ores e vetores próprios

3.1.3.1 – Polinômio C aracterístico de um Oper ador Linear

Vamos procurar um método prático para encontrar autovalores e autovetores de um

Operador. Sabemos que associado a um operador existe uma matriz quadrada que representa
o operador daí vamos utilizar esta matriz para definir o Polinômio Característico de um
Operador Linear.
Dada uma matriz quadrada A de ordem n, os autovalores e autovetores correspondentes
de A são exatamente aqueles que satisfazem a equação
𝐴𝑣 = 𝞴𝒗 𝒐𝒖 𝑨𝒗 = (𝞴𝑰)𝒗 𝒐𝒖 (𝑨 − 𝞴𝑰)𝒗 = 𝟎
Escrevendo explicitamente, temos
𝑎11 − 𝜆 𝑎12 … 𝑎1𝑛 𝑥1 0
𝑎21 𝑎22 − 𝜆 … 𝑎2𝑛 𝑥2 0
⋮ .. [ ⋮ ] = [ ⋮ ]
⋮.
[ 𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛 − 𝜆] 𝑥𝑛 0

Veja que o sistema acima tem solução única e trivial 𝑥1 = 𝑥2 = ⋯ = 𝑥𝑛 = 0 𝑜𝑢 (𝑣 = 0) se o

𝑎11 − 𝜆 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 − 𝜆 … 𝑎2𝑛
determinante da matriz B= ⋮ .. for não nulo (detB≠ 0). O
⋮.
[ 𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛 − 𝜆]
caso que nos interessa é que 𝑣 ≠ 0 ou seja det B= 0 ou seja :
det(𝐴 − 𝞴𝑰) = 𝟎
Impondo esta condição determinaremos primeiramente os autovalores 𝞴 que satisfazem a
equação e depois os autovetores a eles associados.

Faremos uma situação particular do que foi exposto anteriormente.

1. Determinação dos valores próprios de um operador linear T.

 Seja T: ℝ3 → ℝ3 o operador linear, cuja matriz canônica é,:
 a11 a12 a13 
 
[T ] =  a21 a22 a23  ,
 a31 a32 a33 


a qual será denotada por A =  , com α é a base canônica do ℝ 3

.
[T ] = [T ]

Se v e  são, respectivamente, vetor próprio e o correspondente valor próprio do

operador T , tem-se:
T (v) = A.v = v

v é matriz coluna 3x1, ou ainda,

A.v − v = 0 .
Tendo em vista que v = I (v) ( I é a matriz-identidade), podemos escrever a última

igualdade vetorial da forma:

A.v − Iv = 0
ou seja,
( A − I )v = 0 . (1)

Para que este sistema homogêneo admita soluções não-nulas, isto é:

 x  0 
v =  y   0
 x  0

devemos ter:
det( A − I ) = 0

isto é,

  a11 a12 a13   0 0  

 
det  a 21 a 22 a 23  −  0  0   = 0
 a a33   0 0   
  31 a32
ou ainda,

a11 −  a12 a13 

det  a 21 a 22 −  a 23  = 0 (2)
 a31 a32 a33 −  

A equação det( A − I ) = 0 é denominada equação característica do operador T ou da

matriz A, e suas raízes são os valores próprios do operador T ou, equivalentemente, da matriz
A. O determinante det( A − I ) é um polinômio em  denominado polinômio característico.
3.1.4. - Exercícios Resolvidos

1. Seja T: ℝ3 → ℝ3 o operador linear, definido no Exemplo 3.1.2 (3), ou seja,

T ( x, y, z) = (2 x + y, y − z, 2 y + 4 z). Vimos que o vetor v = (1,1,-2) é um vetor próprio de T.

Passaremos a determinar os demais vetores próprios de T.

Solução (i) Primeiro encontraremos a matriz que representa T onde α = {u1,u2,u3}, u1 =

(1,0,0), u2 = (0,1,0) e u3 = (0,0,1) é a base canônica do ℝ3. Encontrando os vetores T(u1), T(u2) e
T(u3),

T(u1) = T(1,0,0) = (2,0,0)

T(u2) = T(0,1,0) = (1,1,2)
T(u3) = T(0,0,1) = (0,-1,4)

e, escrevendo-os como combinação linear dos vetores da base α, temos

T(u1) = (2,0,0) = 2(1,0,0) + 0(0,1,0) + 0(0,0,1)

T(u2) = (1,1,2) = 1(1,0,0) + 1(0,1,0) + 2(0,0,1)
T(u3) = (0,-1,4) = 0(1,0,0) +(-1)(0,1,0) + 4(0,0,1),
e, a matriz [T]α é obtida colocando as coordenadas de T(ui) na i-ésima coluna, i = 1,2,3, ou seja,

2 1 0 
[T ] = A =  0 1 −1 .
 0 2 4 

(ii) Passamos a estudar o polinômio característico de T, definido anteriormente,

det[ A −  I ] = 0,

ou seja, substituindo as matrizes A e I, I a identidade, temos:

2 1 0  1 0 0  
 
det[ A −  I ] = 0  det 0 1 −1 −  0 1 0  = 0,

0 2 4  0 0 1  
  
 2 −  1 0 

det  0 1 −  −1  = 0  (2 −  )[(1 −  )(4 −  ) + 2] = 0 
 0 2 4 −  

(2 − )[(1− )(4 − ) + 2] = 0  (2 − )( 2 − 5 + 6) = 0  (2 − )( − 2)( − 3) = 0

(2 −  )( − 2)( − 3) = 0  −(( − 2)( − 2)( − 3)) = 0

( − 2)2 ( − 3) = 0  1 = 2 ou 2 = 3.

Assim, λ1 = 2 e λ2 = 3 são as raízes do polinômio característico de T, isto é, são os valores

próprios de T. Observem que a λ1 é uma raiz repetida, tem multiplicidade 2.

(iii) Agora determinaremos os vetores próprios de T.

Para isto, consideremos o vetor v = (x,y,z) do ℝ3 representado por uma matriz coluna,
 x
 
v =  y  , e a equação (1), definida anteriormente,
 z 

( A − I )v = 0

será da forma:
2 −  1 0   x
 
 0 1 −  −1   y  = 0. (3)
 0
 2 4 −    z 

Agora, substituindo λ1 = 2 na equação (3), temos:

0 1 0   x  0 y = 0
 
0 −1 −1  y  = 0 ou − y − z = 0,
0 2 2   z  0 2 y + 2 z = 0
 

e o sistema tem solução y = z = 0, onde x é uma variável independente, x ≠ 0, pois um vetor

próprio é um vetor não nulo. Assim, os vetores próprios de T correspondentes ao valor próprio
λ1 = 2 são da forma (x,0,0), x ≠ 0.
Se escolhermos, por exemplo, x = 2, um vetor próprio de T é da forma (2,0,0).
Substituindo λ2 = 3 na equação (3), encontraremos os vetores próprios correspondentes,
isto é,
 −1 1 0   x  0 − x + y = 0
    
0 −2 −1  y  = 0 ou −2 y − z = 0,
0 2 1   z  0 2 y + z = 0
 

e a solução deste sistema é da forma x = y e z = –2y, onde y é a variável livre não nula, pois um
vetor próprio é um vetor não nulo. Assim, os vetores próprios de T associados ao valor próprio
λ2 = 3 são da forma:
(y,y,-2y), y  ℝ.
Observem que, se y = 1, um vetor próprio de T correspondente ao valor próprio λ2 = 3,
será (1,1,-2). Como já tínhamos observado no Exemplo 2 acima.

2. Seja T: P1 → P1 o operador linear, definido por T (ax + b) = 2ax − b . Vamos determinar os

valores e vetores próprios de T.

Solução (i) Primeiro encontraremos a matriz T mudança de base de α para α, onde α = {x,1} é
a base canônica de P1. Encontrando os vetores T(x) e T(1),
T(x) = 2x
T(1) = -1
e, escrevendo-os como combinação linear dos vetores da base α, temos
T(x) = 2x = 2(x) + 0(1)
T(1) = -1 = 0(x) + (-1)(1)
e, a matriz [T]α é obtida colocando as coordenadas de T(ui) na i-ésima coluna, i = 1,2, ou seja,

2 0 
[T ] = A =  .
0 − 1
(ii) Valores próprios de T:

2 0 𝜆 0 2−𝜆 0
𝑑𝑒𝑡[ 𝐴 − 𝜆[𝐼]] = 𝑑𝑒𝑡 [[ ]−[ ]] = det [ ] = (2 − 𝜆)(−1 − 𝜆) = 0
0 −1 0 𝜆 0 −1 − 𝜆
e, as soluções  = 2 e  = -1 são os valores próprios de T.

(iii) Vetores próprios de T.

Para isto, consideremos o vetor v = ax+b de P1 representado por uma matriz coluna,

a 
v =   , e a equação (1), da seção 3.2.3,
b 
( A − I )v = 0

e:

2 −  0   a  0 
[ A − I ]v =  =
− 1 −   b  0
. (1)
 0
Para  = 2, na equação matricial acima,
0 0  a  0  0  0
[ A − 2 I ]v =  .  =      =    b = 0, a  ℝ.
0 − 3 b  0 − 3b 0
Onde, b = 0, para todo a real. E, portanto, os vetores próprios de T, v = ax + b, associados ao
valor próprio de  = 2, serão do tipo: v = a(x), ou seja, múltiplos do vetor x de P1, gerado por x,
polinômio de grau 1.

Para  = -1,
3 0 a  0 3a  0
[ A − (1) I ]v =  .  =      =    a = 0, b  ℝ.
0 0 b  0  0  0
Assim, os vetores próprios de T, v = ax+b, correspondentes ao valor próprio  = -1, serão da
forma: v = 0x+b = b(1), isto é, gerados pelo vetor 1 (polinômio constante 1).

3. Determinar os valores próprios e os vetores próprios da matriz

−16 10
A = [T ] =  .
−16 8  .
Solução: A matriz é a matriz mudança de base de α para α, onde α é a base canônica do ℝ2. A
equação característica de T é:
 −16 10  0     −16 −  10   −16 −  10
det( A −  I ) = det    −   = det   = =0
 −16 8   0   
 
  −16
 8 −    −16 8 − 

isto é:

−16 −  10
= 0  (−16 −  )(8 −  ) +160 = 0  −128 +16 − 8 +  2 + 160 = 0
−16 8 − 
ou ainda,

 2 + 4 + 32 = 0,
e as raízes dessa equação são complexas, pois o discriminante   0 . Por conseguinte, a matriz
A, ou o operador T, não possui valores próprios nem vetores próprios.

Observação Se na definição de valor próprio de um operador linear T admitíssemos 

qualquer, real ou complexo, poder-se-ia dizer que a matriz A possui valores próprios complexos
e, em consequência, vetores próprios de componentes complexos. Neste texto consideraremos
apenas valores próprios reais, pois os espaços vetoriais estudados são espaços vetoriais sobre ℝ.

1. Analogamente à questão anterior, determinar os valores próprios e os vetores próprios

da matriz
  4 5
A = [T ] =  
 2 1
Solução: (i) Temos que o polinômio característico de A é:

  4 5  0    4 −  5 
det( A −  I ) = det    −   = det     = 0  (4 −  )(1 −  ) −10 = 0,
  2 1  0     2 1 −  
  
isto é,
p(𝞴) =  2 − 5 − 6 = 0,

e, as raízes desta equação, 1 = 6, 2 = −1, são os valores próprios da matriz A.

(ii) Vimos que o sistema homogêneo de equações lineares que permite a determinação dos
vetores próprios associados é definido por:

( A − I )v = 0 .

Lembrando que T: ℝ2 → ℝ2 e v ℝ2, denotamos v por

 x
v= 
 y
e a última equação é equivalente ao seguinte sistema

4 −  5   x  0
    =   , (1)
 2 1 −    y  0

i) Substituindo  por 1 = 6, no sistema (1), obtêm-se os vetores próprios associados ao valor

próprio 1 :

− 2 5   x  0
 2 − 5. y  = 0
    
ou seja,
 −2 x + 5 y = 0

2 x − 5 y = 0

O sistema admite uma infinidade de soluções próprias:

 2
y= x
5

ou v1 = x1, 2  ,
2
Assim, os vetores do tipo 𝑣1 = (𝑥, 5
𝑥) x0 , são vetores próprios associados
 5

ao valor próprio 1 = 6

ii) Analogamente, substituindo  por 2 = −1, no sistema (1), obtêm-se os vetores próprios

associados ao valor próprio 2 ,

5 5  x  0
2 2. y  = 0
    
isto é:

5x + 5 y = 0

2 x + 2 y = 0

E o sistema admite uma infinidade de soluções da forma: y = − x .

Assim, os vetores do tipo v2 = (x,− x ) ou v2 = x (1, −1) , x  0 , são vetores próprios

associados ao valor próprio 2 = −1 .

No Moodle

Alô alunos! Devemos tentar

resolver os exercícios, só
assim assimilaremos os
conceitos e resultados.
3.1.5. - Propriedades dos vetores e val ores próprios

Se v é vetor próprio associado ao valor próprio  de um operador linear T , o vetor,

αv para qualquer α real , é também vetor próprio de T associado ao mesmo .
De fato:

T (v ) =  v

e:
T (v) = T (v) =  (v) =  (v).

Aliás, os Exercícios Resolvidos 3.1.4 ilustram esta propriedade.

3.1.6. - Observação

Tendo em vista que αv é vetor próprio associado ao valor próprio  , fazendo

1
=
v
pode-se obter sempre um vetor próprio unitário associado ao valor próprio .

Outra propriedade dos vetores próprios: Se  é um valor próprio de um operador linear

T : V → V , o conjunto S  = v  V / T (v) = v constituído de todos os vetores próprios
correspondentes ao valor próprio λ, é um subespaço vetorial de V.
De fato. S   , pois 0  Sλ (T(0) = 0 = λ0).

Se v1 , v2  S 
T (v1 + v2 ) = T (v1 ) + T (v2 ) = v1 + v2 =  (v1 + v2 )

e, portanto, v1 + v2  S  .

Analogamente, se verifica que v  S  ,para todo   ℝ.

O subespaço Sλ é denominado subespaço associado ao valor próprio  ou espaço
característico de T correspondente a  ou auto-espaço associado a  .
Por exemplo, no Exercício Resolvido 3.1.4. (3) vimos que ao valor próprio  = 6
correspondem os vetores próprios do tipo v = x(5,2) . Assim, o auto-espaço associado a 6 é:
 S 6 = {x(5,2) / x  ℝ} = [(5,2)],

que representa uma reta que passa pela origem.

Matrizes Quadradas; Duas matrizes quadradas A e B são semelhantes se existir uma matriz
invertível P tal que B = P-1AP.

Afirmação : Matrizes semelhantes têm o mesmo polinômio característico e, por isso, os mesmos
valores próprios.
De fato:
Sejam T : V → V um operador linear e A e B bases de V. Sabe-se que a relação entre matrizes

semelhantes é T B = M −1 T A M, sendo M a matriz-mudança de base de B para A. Então:

( ) (
det (T B − I ) = det M −1 T A M − I = det M −1 T A M − M −1 IM )
(
det (T B − I ) = det M −1 (T  − I )M ) = det M
A
−1
det (T A − I ) det M

( )
det (T B − I ) = det M −1 det M det (T A − I ) = det M −1 M det (T A − I )

det (T B − I ) = det (T A − I )

3.2. - Diagonalização de operador es

Sabe-se que, dado um operador linear T : V → V , a cada base β de V corresponde uma

matriz [T ] que representa T na base β. Nosso propósito é obter uma base do espaço V de modo

que a matriz de T nessa base seja a mais simples representante de T.

3.2.1. - Outra pr opriedade dos v alores e vetores próprios

Vetores próprios associados a valores próprios distintos de um operador linear T : V → V são

linearmente independentes.

Faremos a demonstração para o caso de dois valores próprios, 1 e  2 , distintos. A

prova para o caso de n valores próprios distintos é análoga.

Sejam T (v1 ) = 1v1 e T (v2 ) = 2 v2 , com 1  2 .

Consideremos a igualdade:
 a1v1 + a2 v2 = 0 . (1)

Pela linearidade de T, temos

a1T (v1 ) + a2T (v2 ) = 0

ou:
a11v1 + a2 2 v2 = 0 . (2)

Multiplicando ambos os membros da igualdade de (1) por 1 , vem:

a11v1 + a2 1v2 = 0 . (3)

Subtraindo (3) de (2):

a2 (2 − 1 )v2 = 0 ,

mas, 2 − 1  0 e v2  0 logo a2 = 0 .

Substituindo a 2 na equação (1), e, tendo em vista que v1  0 , temos que a1 = 0 .

Portanto, ao considerarmos a combinação linear (1), a única solução é a nula, a1 = a2 = 0 . Daí,

o conjunto v1 , v2  é LI.

3.2.2. – Corolári o Sejam 1 e 2 com 1  2 , valores próprios do operado r

linear T : R2 → R2 associados ao vetores próprios v1 e v2. O conjunto v1 , v2  é

uma base do R2 . Este fato vale em geral, isto é, se T : V → V é linear, dim V = n

e T possui n valores próprios distintos, o conjunto v1 , v2 ,, vn  , formado pelo s

correspondentes veto res próprios, é uma base de V.
Exemplo Seja o operador linear T: ℝ2 → ℝ2, definido por T ( x, y ) = (−3x − 5 y,2 y ) .

 −3 −5
A matriz canônica de T é definida por, A = [T ] =   , onde α é a base canônica
0 2
do ℝ2, e o polinômio característico de T é dada por

−3− −5
det( A − I ) = = 0,
0 2−
ou ainda,
p(𝞴) = (−3 −  )( 2 −  ) = 0

Daí, 1 = 2 e 2 = −3 são os valores próprios de T, pois são as raízes da última equação.

Como 1  2 , os correspondentes vetores próprios formam uma base de ℝ2.

 Calculando os vetores próprios por meio do sistema homogêneo

 − 3 −  − 5   x  0 
 0 =
 2 −    y  0
obteremos:
Para 1 = 2 os vetores v1 = x(1,−1) ;

Para 2 = −3 os vetores v2 = x(−1,0) .

Logo, o conjunto β = (1,−1), (−1,0) é uma base do ℝ2, constituída de vetores próprios

do operador linear T , e, a matriz de T em relação a β é da forma

[T]β = 2 0 
0 − 3 ,


Ou seja, uma matriz diagonal cujos elementos são os valores próprios de T, λ1 = 2 e λ2 = – 3.

Por outro lado, sempre que tivermos uma base de um espaço formada por vetores
próprios e conhecermos os valores próprios associados, poderemos determinar o respectivo
operador nesse espaço. É o que faremos no próximo problema.

No Moodle

Observe os problemas
resolvidos a seguir. Eles o
ajudarão a compreender os
exercícios propostos na
plataforma moodle.

3.2.3. - Exercícios Resolvidos

1. Os valores próprios de um operador linear T: ℝ2 → ℝ2 são 1 = 2 e 2 = −3 , sendo

v1 = (1,−1) e v2 = (−1,0) os respectivos vetores associados. Determinar T ( x, y ) .

Solução: Expressemos, inicialmente, ( x, y ) em relação à base (1,−1), (−1,0):

( x, y ) = a(1,−1) + b(−1,0)

ou seja,

a − b = x

 −a = y
de onde, a = − y e b = − x − y .

Logo, ( x, y ) = − y (1,−1) + (− x − y )( −1,0)

e, aplicando o operador T e usando sua linearidade, temos

T ( x, y ) = − yT (1,−1) + (− x − y )T (−1,0)

Por outro lado, T (1,−1) = 2(1,−1) = (2,−2) e T (−1,0) = −3(−1,0) = (3,0) ,

logo,
T ( x, y ) = − y (2,−2) + (− x − y )(3,0)

ou seja,
T ( x, y ) = (−3x − 5 y,2 y ) .

Observação: Chamando de P a base acima, isto é, P = (1,−1), (−1,0) e observando que:

T (1,−1) = 2(1,−1) = 2(1,−1) + 0(−1,0)

T (−1,0) = −3(−1,0) = 0(1,−1) − 3(−1,0)

concluímos que a matriz

2 0 
T P =
0 − 3

representa o operador T na base dos vetores próprios e é uma matriz diagonal cujos elementos
da diagonal principal são 1 e  2 .

2. Seja T: ℝ2 → ℝ2 um operador linear definido por T(x,y) = (-3x + 4y, -x + 2y), cuja matriz em

 − 3 4
relação à base canônica é A =  .
 − 1 2

Encontraremos uma base γ constituída de vetores próprios de T.

O polinômio característico de T é

−3− 4
det( A − I ) = = 0,
−1 2−

ou

(-3 – λ) (2 – λ) + 4 = 0,

ou ainda, p(𝞴) = λ2+ λ – 2 = 0, daí λ1 = 1 e λ2 = – 2 são os valores próprios de T.

Sendo estes valores próprios distintos, os vetores próprios correspondentes constituem
uma base do ℝ2.
De fato. Através do sistema homogêneo

− 3 −  4   x  0 
 −1 =
 2 −    y  0
obteremos os vetores próprios:
Para λ1 = 1 os vetores v1 = x(1,1);
Para λ2 = – 2 os vetores v2 = y(4,1).
Logo, o conjunto β = {(1,1),(4,1)} é uma base do ℝ2,
Calculando [T]β.
T(1,1) = (1,1) = 1(1,1) + 0(4,1) e T(4,1) = (-8,-2) = -2(4,1), daí,
1 0 
[T ]  = 
− 2
.
0

Observação

Observem que a matriz de T

em relação à base de vetores
próprios é uma matriz
diagonal.

É claro que a matriz diagonal [T]β obtida neste exercício não foi por acaso.

Observação
 Dada uma aplicação linear T:V→V, se conseguirmos uma base  ={v1,v2,...,vn}
formada por formada por vetores próprios de T, então a matriz [T ]  será uma matriz
diagonal.

De fato, como
T (v1 ) = 1v1 + 0v 2 +  + 0v n
T (v 2 ) = 0v1 +  2 v 2 +  + 0v n ,

T (v n ) = 0v1 + 0v 2 +  +  n v n

a matriz [T ]  será uma matriz diagonal onde os elementos da diagonal principal são os valores

próprios i , isto é,
1 0  0 
0   0 
[T ]  =  2 .
  
 
 0 0  n 

Não precisamos ter necessariamente os i distintos. Na verdade, um valor próprio aparecerá

na diagonal tantas vezes quantos forem os vetores próprios LI a ele associados.

3.2.4. – Definição Seja T: V→V um operador linear. Di zemos que T é um

operador diagonali záv el se existe uma base de V cujos elementos são vetores
próprios de T.

No Moodle

Caro aluno, você deve

visitar a plataforma moodle
para verificar se os
operadores lineares são
diagonalizáveis ou não.
3.2.5. - Exercício Resolvido

1. Seja T: ℝ3 → ℝ3 o operador linear cuja matriz em relação à base canônica é

3 0 − 4
A = [T ]  = 0 3 5 .
0 0 − 1

Logo o polinômio característico é da forma: det ( A -  I) = det ( [T ]  -  I) = (3 -  )2(-1 -  ).

Os valores próprios são 1 = 3 e 2 = −1 . E os vetores próprios associados são soluções do

seguinte sistema homogêneo

3−𝜆 0 −4 𝑥 0
[ 0 3−𝜆 5 ] [𝑦] = [0].
0 0 −1 − 𝜆 𝑧 0

Para λ1 = 3, temos os vetores 𝑉3 = {(𝑥, 𝑦, 0), 𝑥, 𝑦 𝑟𝑒𝑎𝑖𝑠} = [(1,0,0), (0,1,0)}]

Para λ2 = -1 teremos os vetores v2 = x(1,-5/4,1).
Neste caso, temos apenas dois vetores próprios LI para T sendo um com multiplicidade 2. Assim,
𝛽 = {(1,0,0), (0,1,0), (1,-5/4,1)} formam uma base de autovetores para V. Logo T é
3 0 0
diagonalizável. [𝑇] = (0 3 0)
0 0 −1

2. Consideremos o operador linear T(x,y) = (2x+2y,y). Vamos verificar se T é dialogalizável,

para tanto
buscaremos os valores e vetores próprios de T.

Determinando a matriz A:
T(1,0) = (2,0) = 2(1,0) + 0(0,1)
T(0,1) =(2,1) = 2(1,0) + 1(0,1)
E, a matriz A será:
  2 2
A= .
0 1 

De onde,

2 −  2 
A − I = 
1 −  
.
 0

Logo o polinômio característico será det (A -  I) = (2 -  )(1 -  ) = 0. E, os valores próprios

de T serão 1 = 2 e 2 = 1.

 x
Vetores próprios de T correspondentes são do tipo v = ( x, y )    onde:
 y

2 −  2   x  0 
[ A − I ]v =  =
1 −    y  0
.
 0

Para 1 = 2

2 − 2 2   x  0 2   x   2 y  0 
[ A − 2 I ]v =  = = =
 0 1 − 2  y  0 − 1  y  − y  0

E, y = 0, qualquer que seja x  0 , e v = (x,y) = (x,0) = x(1,0), múltiplos do vetor v1 = (1,0).

De maneira análoga, para 2 = 1,

2 − 1 2   x  1 2  x   x + 2 y  0
[ A − I ]v =    =    =  = 
 0 1 − 1  y  0 0  y   0  0

E, x+2y = 0, ou seja, x = -2y, qualquer que seja y  0 , e v = (x,y) = (-2y,y) = y(-2,1), múltiplos do

vetor
v2 = (-2,1).
Notem que os vetores próprios de T, v1 e v2, são LI e, constituem uma base para o ℝ2, portanto,
o operador T é diagonalizável.
Segue, da última observação, que  = {v1 , v2 } = {(1,0), (−2,1)} , base de vetores próprios de T

correspondentes aos valores próprios 1 = 2 e 2 = 1, respectivamente, que a matriz [T ] , é

diagonal
  2 0
[T ] =  .
0 1 

3.3 Polinômio Minimal de um Operador Linear

Existe uma outra maneira de verificar se um operador é diagonalizável usando o chamado

polinômio Minimal de T. Para encontra-lo precisamos de algumas informações como teoremas
e definições.
Definição 3.3.1 Sejam 𝑝(𝑥) = 𝑎𝑛 𝑥 𝑛 + ⋯ 𝑎1 𝑥 + 𝑎0 um polinômio e A uma matriz
quadrada.
Então p( A ) é a matriz 𝑝(𝐴) = 𝑎𝑛 𝐴𝑛 + ⋯ 𝑎1 𝐴 + 𝑎0 𝐼.
Quando p (A) = 0, dizemos que o polinômio p( x ) anula a matriz A. Isto é p(x) É UM
ANULADOR.
−1 4
Exemplo. Se A = ( ) e 𝑝(𝑥) = 𝑥 2 − 9. Então.
2 1
−1 4 2 9 0 9 0 9 0 0 0
𝑝(𝐴) = 𝐴2 − 9𝐼 = ( ) −( )=( )−( )=( )
2 1 0 9 0 9 0 9 0 0
Assim, 𝑝(𝑥) = 𝑥 2 − 9 é um anulador para A.

Definição 3.3.2 Seja A uma matriz quadrada. O polinômio minimal de A é um polinômio

mônico de menor grau que anula A. Isto é:
1. É um polinômio do tipo 𝑚(𝑥) = 𝑥 𝑘 + 𝑎𝑘−1 𝑥 𝑘−1 + ⋯ 𝑎0
2. m(x ) é o de menor grau entre aqueles que anulam A, m( A ) = 0

A seguir apresentaremos alguns resultados que nos levaram a encontrar o polinômio

minimal.

Teorema 3.3.1: Teorema de Cayley-Hamilton: Seja 𝑇: 𝑉 → 𝑉 um operador linear, 𝛼 uma

base de V. Então o polinômio característico de T é um anulador para a matriz que representa T
com relação a qualquer base de V. Isto é:
𝑝([𝑇]𝛼𝛼 ) = 0
Isto significa que o polinômio característico é um candidato a minimal resta saber quem é o de
menor grau que anula.
Vejamos a demonstração para o caso de dimV = 2.
 𝑎 𝑏
Seja [𝑇]𝛼∝ = [ ]. Então o polinômio característico de T é
𝑐 𝑑
𝑎 𝑏 𝟏 𝟎
𝑝(𝞴) = 𝒅𝒆𝒕(𝑇 − 𝞴𝑰) = 𝑑𝑒𝑡 ([ ]− 𝞴[ ]) = (𝑎 − 𝞴)(𝒅 − 𝞴) − 𝒃𝒄, daí
𝑐 𝑑 𝟎 𝟏
1 0 𝑎 𝑏 1 0 𝑎 𝑏 1 0 0 0
𝑝([𝑇]𝛼∝ ) = (𝑎 [ ]−[ ]) (𝑑 [ ]−[ ]) − 𝑏𝑐 [ ]=[ ].
0 1 𝑐 𝑑 0 1 𝑐 𝑑 0 1 0 0

Um outro resultado que encera a nossa busca pelo minimal e o teorema a seguir.

Teorema 3.3.2: As raízes do polinômio minimal são as mesmas raízes(distintas) do polinômio

característico de T.
Isto significa que o polinômio minimal divide o polinômio característico, pois ter as mesmas
raízes não significa que tem o mesmo grau.

Exemplo: Seja 𝑇: 𝑉 → 𝑉 um operador linear e 𝛼 uma base para V. Suponha que o polinômio
característico de T seja 𝑝(𝞴) = (𝞴 − 𝟑)𝟐 (𝞴 − 𝟏)𝟑 (𝞴 + 𝟓)
Os possíveis minimais são:
𝑚1 = (𝑥 − 3)(𝑥 − 1)(𝑥 + 5)
𝑚2 = (𝑥 − 3)2 (𝑥 − 1)(𝑥 + 5)
𝑚3 = (𝑥 − 3)(𝑥 − 1)2 (𝑥 + 5)
𝑚4 = (𝑥 − 3)(𝑥 − 1)3 (𝑥 + 5)
𝑚5 = (𝑥 − 3)2 (𝑥 − 1)2 (𝑥 + 5)
𝑚6 = (𝑥 − 3)2 (𝑥 − 1)3 (𝑥 + 5)
Como o minimal é o de menor grau que anula [𝑇]𝛼𝛼 verificasse primeiramente na
sequencia quem primeiro anula, ele será o minimal. Veja que os polinômios acima tem grau
menor que o grau do característico.
Fizemos este estudo para chegarmos ao resultado que classifica se um operador T é
diagonalizável usando o polinômio minimal.

Teorema 3.3.3: Sejam 𝑇: 𝑉 → 𝑉 um operador linear e 𝛼 uma base qualquer para V cuja
dimensão é n. Então T é diagonalizável se, e somente se o polinômio minimal de [𝑇]𝛼𝛼 é da
forma
𝑚(𝑥) = (𝑥 − 𝞴𝟏 )(𝒙 − 𝞴𝟐 ) … . (𝒙 − 𝞴𝒓 )
Com todos os lambdas distintos.
Teorema 3.3.4: Sejam 𝞴𝟏 , 𝞴𝟐 , … . . , 𝞴𝒓 os autovalores distintos de um operador linear T. então
T será diagonalizável se, e somente se o polinômio
(𝑥 − 𝞴𝟏 )(𝒙 − 𝞴𝟐 ) … . (𝒙 − 𝞴𝒓 )
Anula a matriz de T.

Exemplo: Considere o operador linear 𝑇: ℝ4 → ℝ4 dado por :

𝑇(𝑥, 𝑦, 𝑧, 𝑡) = (3𝑥 − 4𝑧, 3𝑦 + 5𝑧, −𝑧, −𝑡)
Considerando a base canônica do ℝ4 a matriz que representa T é

3 0 −4 0
[𝑇]𝛼𝛼 = [0 3 5 0] .
0 0 −1 0
[0 0 0 -1]
Veja que p( 𝜆) = det(𝑇 − 𝞴𝑰) = (𝟑 − 𝜆)𝟐 (−𝟏 − 𝜆)𝟐 .
Assim os outovalores de T são 𝜆 = 3 𝑒 𝜆 = −1 ambos com multiplicidade 2. Os possíveis
minimais são: 𝑚1 (𝑥) = (𝑥 − 3)(𝑥 + 1)
𝑚2 (𝑥) = (𝑥 − 3)2 (𝑥 + 1)
𝑚3 (𝑥) = (𝑥 − 3)(𝑥 + 1)2
𝑚4 (𝑥) = (𝑥 − 3)2 (𝑥 + 1)2 = p(x)
Notemos que 𝑚1 ([𝑇]𝛼𝛼 ) = 0 dentre os candidatos é o de menor grau e que é um polinômio
produto de fatores de 1º grau logo T é diagonalizável. Portanto existe uma base 𝛽 de
autovetores de T para o ℝ4 e nesta base
3 0 0 0
𝛽
[𝑇]𝛽 = [0 3 0 0 ]
0 0 −1 0
0 0 0 -1

4 Avaliando o que foi construído

Nesta unidade, apresentamos um problema típico de Álgebra Linear, encontrar um escalar

 e um vetor v, tais que T(v) =  v. É claro que v = 0 satisfaz à equação vetorial T(v) =  v,
 qualquer que seja o escalar  , porém o vetor procurado mais “interessante” é não nulo. O
escalar  é o valor próprio de T e o vetor v é o vetor próprio de T, associado ao escalar  .
A equação vetorial T(v) =  v, exige que as aplicações lineares abordadas nessa unidade,
devem ser definidas de V em V, as quais denominamos de operador linear.

Resumo da Unidade 3

Pontos que eu considero importantes:

✓ _________________________________________________________________________________________
_________________________________________________________________________________________

✓ _________________________________________________________________________________________
_________________________________________________________________________________________

✓ _________________________________________________________________________________________
_________________________________________________________________________________________

Ideias que posso aplicar nos meus estudos O que eu não posso esquecer!!

•
Ideias que posso aplicar no meu trabalho

•
 •

Minha Agenda

Atividades no Moodle Data de encerramento