ALGA1 ALGA 2021 22 AulasTeo Slides Aula27 ValoresVectPropriosDiag Impressao

Álgebra Linear e Geometria Analítica
Álgebra Linear e Geometria Analítica I

2021/22
Valores e vectores próprios de matrizes

Diagonalização
Aula 27
FCUL 13/12/2021
Val. e vect. próprios e diagonalização ALGA / ALGA1, 2021/22 Aula 27, 13/12/2021 1 / 27
Proposição
Os valores próprios de uma matriz triangular (superior ou inferior) são as
entradas da diagonal principal da matriz.
Suponhamos que A = aij ∈ Mn (R) e que A é triangular superior.

Dem.:
Então  
a11 a12 ··· a1n
 0 a22 ··· a2n 
A=  . . . 
 
..
 .. .
. . . 
.
0 0 ··· ann
A − xIn também é triangular superior, logo
det(A − xIn ) = (a11 − x)(a22 − x) · · · (ann − x)
Portanto, os valores próprios de A são a11 , a22 , . . . , ann .

Analogamente para matrizes triangulares inferiores.
Denição
Sejam A, B ∈ Mn (K).
Diz-se que A é semelhante a B se existir uma matriz P ∈ Mn (K) invertível
tal que
P −1 AP = B.
Observação:
Se P −1 AP = B , então P ·P −1 AP ·P −1 = P ·B ·P −1 , logo
A = PBP −1 = (P −1 )−1 BP −1 = Q −1 BQ , onde Q = P −1 .
Assim, se A for semelhante a B , então B também é semelhante a A. Por
isso, podemos dizer que A e B são semelhantes.
A proposição seguinte dá exemplos de matrizes semelhantes.
Proposição
Seja V um espaço vectorial sobre K e seja f : V → V uma aplicação linear.
Sejam B e B0 bases de V .
As matrizes A = M(f ; B, B) e B = M(f ; B0 , B0 ) são semelhantes.
Dem.:
Consideremos a aplicação identidade idV : V → V , idV (v ) = v .
Tomemos a matriz de mudança de base P = M(B 0 , B) = M(idV ; B 0 , B).
Vid f idV
V −−−−−→ V −−−−−→ V −−−−−→ V
B0 B B B0
Temos f = idV ◦ f ◦ idV .
Então B = M(f ; B 0 , B 0 )
= M(idV ◦ f ◦ idV ; B 0 , B 0 )
= M(idV ; B, B 0 ) M(f ; B, B) M(idV ; B 0 , B)
= P −1 AP
Proposição
Matrizes semelhantes têm o mesmo polinómio característico e, logo, os
mesmos valores próprios.
Dem.:
Sejam A, B ∈ Mn (K) matrizes semelhantes.
Existe P ∈ Mn (K) invertível tal que P −1 AP = B . Então
pB (x) = det(B − xIn )

= det P −1 AP − xIn

= det P −1 AP − xP −1 In P

= det P −1 AP − P −1 xIn P

= det P −1 (A − xIn )P

= det P −1 det(A − xIn ) det(P)

= det P −1 det(P) det(A − xIn )

= det P −1 P det(A − xIn )

= det(A − xIn )
= pA (x)
Multiplicidade algébrica
Seja p(x) um polinómio de coecientes em K e seja α ∈ K.

Por denição, α é raiz de p(x) se p(α) = 0.
Tem-se:
α é raiz de p(x) ⇐⇒ p(x) = (x − α)q(x), para algum polinómio q(x).
Denição
Diz-se que uma raiz α de um polinómio p(x) tem multiplicidade algébrica
igual a k (k ∈ N) se p(x) = (x − α)k q(x), para algum polinómio q(x) tal
que q(α) 6= 0. Representa-se por ma(α) a multiplicidade algébrica de α.
Exemplos:
p(x) = (x − 1)5 2x 4 − 5x 3 + x 2 + x − 3

1 é raiz de p(x) e 1 não é raiz de 2x 4 − 5x 3 + x 2 + x − 3.

Logo 1 é raiz de p(x) de multiplicidade algébrica 5.
p(x) = (x − 2)3 (x + 1) x 2 + 3 (x − 2)

| {z }
não tem raízes reais
2 é raiz de p(x) e ma(2) = 4.
−1 é raiz de p(x) e ma(−1) = 1.
Dada A ∈ Mn (K) e um valor próprio λ de A, temos que λ é raiz do
polinómio característico de A, pA (x). Quando nos referirmos à
multiplicidade algébrica de λ, subentendemos que é relativa a este
polinómio.
Denição
Seja A ∈ Mn (K) e λ um valor próprio de A.
Chama-se multiplicidade geométrica de λ à dimensão do subespaço próprio
de A associado a λ. Representa-se por mg (λ) a multiplicidade geométrica
de λ.
Assim, mg(λ) = n − r(A − λIn )
Proposição
Seja A ∈ Mn (R). Para qualquer valor próprio λ de A, tem-se
1 6 mg(λ) 6 ma(λ).
Dem.: na página seguinte.
Dem.:
Seja λ um valor próprio de A e seja k = dim (Eλ (A)) = mg(λ).

Seja v1 , . . . , vk uma base de Eλ (A).

Existe uma base de Kn que contém v1 , . . . , vk , digamos

v1 , . . . , vk , vk+1 , . . . , vn .
Seja P ∈ Mn (K) a matriz cujas colunas são v1 , . . . , vk , vk+1 , . . . , vn .

Como v1 , . . . , vk , vk+1 , . . . , vn é linearmente independente, temos que r (P) = n
e, logo, P é invertível.
Tem-se
In = P −1 P P −1 v 1

= ··· vk vk+1 · · · vn
−1
P −1 vk P −1 vk+1 . . . P −1 vn

= P v1 ···
Logo    
1 0
0 1
   
−1 −1
P v1 = 0 , P v2 = 0 , etc.
   
 ..   .. 
. .
0 0
Dem. (cont.): Então
P −1 AP P −1 A v1 · · · vk vk+1 . . . vn

=
P −1 Av1 · · · Avk Avk+1 . . . Avn

=
P −1 λv1 · · · λvk Avk+1 . . . Avn

=
−1
P (λv1 ) · · · P −1 (λvk ) P −1 Avk+1 . . . P −1 Avn

=
−1
λP v1 · · · λP −1 vk P −1 Avk+1 . . . P −1 Avn

=
 
λ 0 ··· 0 b1,k+1 ··· b1n
0 λ · · · 0 b2,k+1 ··· b2n 
 .. .. . . . . . 
 
. . . . . . 
 . . . 
=  0 0 · · · λ bk,k+1 ··· bkn 
 
 0 0 · · · 0 bk+1,k+1 · · · bk+1,n 
 .. .. . . . 
 
. . . . .
. . . 
0 0 ··· 0 bn,k+1 ··· bnn
Sendo B = P −1 AP , tem-se, como vimos, pA (x) = pB (x) e calculando

det B − xIn usando o desenvolvimento de Laplace pela 1a

coluna de B, depois
pela 1a coluna de B(1|1), etc., obtemos
Dem. (cont.):
Sendo B = P −1 AP , tem-se, como vimos, pA (x) = pB (x) e calculando
det B − xIn usando o desenvolvimento de Laplace pela 1a coluna de B, depois
pela 1a coluna de B(1|1), etc., obtemos
pA (x) = (x − λ)k q(x),
onde q(x) é o polinómio

 
bk+1,k+1 − x ··· bk+1,n
. .
q(x) = det  . .
 
. . 
bn,k+1 ··· bnn − x
Logo
ma(λ) > k = mg(λ).
Exemplo:
Se o polinómio característico de uma matriz A ∈ M5 (R) for
pA (x) = −(x + 1)2 (x − 2)(x 2 + 1) ,
então os valores próprios (reais) de A são −1 e 2 (note-se que x 2 + 1 não

tem raízes reais) e podemos imediatamente concluir que
mg(−1) 6 2 e mg(2) = 1 .
Proposição
Seja A ∈ Mn (K). Sejam λ1 , . . . , λ k valores próprios de A distintos entre si .
1 Se v1 , . . . , vk forem vectores próprios de A associados aos valores próprios
λ1 , . . . , λk , respectivamente, então o sistema de vectores (v1 , . . . , vk ) é
linearmente independente.
2 Se L1 , . . . , Lk forem sistemas de vectores próprios de A linearmente
independentes e
os vectores de L1 estiverem associados ao valor próprio λ1 ,

os vectores de L2 estiverem associados ao valor próprio λ2 ,
.
.
.
os vectores de Lk estiverem associados ao valor próprio λk ,

então um sistema de vectores formado pelos vectores de L1 , . . . , Lk é
linearmente independente.
3 Se B1 , . . . , Bk forem bases de Eλ1 (A), . . . , Eλk (A), respectivamente, então o
sistema de vectores formado pelos vectores de B1 , . . . , Bk é uma base de

Eλ1 (A) + · · · + Eλk (A).
Dem.: nas páginas seguintes.
Dem.:
1
Suponhamos que v1 , . . . , vk são vectores próprios de A associados aos valores
próprios λ1 , . . . , λk , respectivamente.
Então Av1 = λ1 v1 , . . . , Avk = λk vk .
Queremos ver que (v1 , . . . , vk ) é linearmente independente.
Com vista a um absurdo, suponhamos que (v1 , . . . , vk ) é linearmente dependente.
Temos v1 6= 0, uma vez que v1 é vector próprio. Logo o sistema de vectores (v1 )
é linearmente independente. Tomemos o maior r ∈ {1, . . . , k} tal que
(v1 , . . . , vr ) é linearmente independente.
Então r < k e (v1 , . . . , vr , vr +1 ) é linearmente dependente. Consequentemente
vr +1 é combinação linear de (v1 , . . . , vr ):
α1 v1 + · · · + αr vr = vr +1 ,
para certos escalares α1 , . . . , αr .
Multipliquemos ambos os membros por λr +1 e por A:
(
λr +1 (α1 v1 + · · · + αr vr ) = λr +1 vr +1
A(α1 v1 + · · · + αr vr ) = Avr +1
Dem. (cont.): Logo
(
α1 λr +1 v1 + α2 λr +1 v2 + · · · + αr λr +1 vr = λr +1 vr +1
α1 λ1 v1 + α2 λ2 v2 + · · · + αr λr vr = λr +1 vr +1
Subtraindo à 1a equação a 2a equação membro a membro, obtemos
α1 (λr +1 − λ1 )v1 + α2 (λr +1 − λ2 )v2 + · · · + αr (λr +1 − λr )vr = 0.

Como (v1 , . . . , vr ) é linearmente independente e
λr +1 − λ1 , λr +1 − λ2 , . . . , λr +1 − λr ∈ K\{0}, temos que
α1 = 0, α2 = 0, . . . , αr = 0 .
Então obtemos
vr +1 = α1 v1 + · · · + αr vr = 0 ,
o que contradiz o facto de vr +1 ser um vector próprio.
Portanto (v1 , . . . , vk ) é linearmente independente.
2 , 3 : TPC
Diagonalização
Produto de matrizes diagonais:
··· ··· ···

    
λ1 0 0 α1 0 0 λ1 α1 0 0
0 λ2 ··· 0  0 α2 ··· 0   0 λ2 α2 ··· 0 
. . .. .  . . .. . =  . . .. . 
 .. .
. . .
.
  .. .
. . .
.
  .
.
.
. . .
.

0 0 ··· λn 0 0 ··· αn 0 0 ··· λn αn
··· λk1 ···

   
λ1 0 0 0 0
0 λ2 ··· 0 0 λk2 ··· 0
Logo, se A =  , então Ak =  . .
 
 ... .
.
.
..
.
.
.
.
  .. .
.
.
..
.
.
.
.

0 0 ··· λn 0 0 ··· λkn
Assim, é fácil calcular uma potência de uma matriz diagonal.

E uma potência de uma matriz qualquer? Nalguns casos também é fácil,
como vamos ver.
Denição
Uma matriz A ∈ Mn (K) diz-se diagonalizável (em K) se A for semelhante a
uma matriz diagonal, isto é se existir uma matriz P ∈ Mn (K) invertível tal
que P −1 AP é uma matriz diagonal. A uma tal matriz P chama-se matriz
diagonalizadora de A (em K).
Atenção:
A matriz diagonalizadora de A é a que ca à direita de A.
Veremos que as colunas de uma tal matriz P são necessariamente vectores
próprios de A.
Sendo v1 , v2 , . . . , vn as colunas de P , temos

P = v1 v2 · · · vn
e
AP = Av1 Av2 · · · Avn
Exemplos:
Todas as matrizes diagonais de ordem n são diagonalizáveis:

basta tomar P = In .
−19 −14 21
" #
A= 0 −5 0 é diagonalizável:
−14 −14 16
1 1 1
" #
sendo P = −1 0 −4 , tem-se que
0 1 −2
−5 0 0
" #
P é invertível e P −1 AP = 0 2 0 . (TPC)
0 0 −5
Seja A ∈ Mn (K) uma matriz diagonalizável e seja P uma matriz
diagonalizadora de A. Então a matriz D = P −1 AP é diagonal e tem-se:
D = P −1 AP ⇐⇒ PDP −1 = PP −1 A PP −1
In In
⇐⇒ PDP −1 = A
⇐⇒ A = PDP −1
↑
matriz diagonal
Agora é fácil calcular as potências de A:
A2 = AA = PD P −1 · P DP −1 = PD 2 P −1
In
−1
A3 = AAA = PD P · P D P −1 · P DP −1 = PD 3 P −1
In In
Tem-se
Ak = PD k P −1 , para todo o k ∈ N.
↑
D k é fácil de calcular Portanto, é fácil calcular as potências das
porque D é diagonal
matrizes diagonalizáveis.
Observação:
Como matrizes semelhantes têm os mesmos valores próprios, se
λ1 0 · · · 0
 
 0 λ2 · · · 0 
P −1 AP =  . .. . . . ,
 
 .. . . .. 
0 0 · · · λn
então λ1 , λ2 , . . . , λn são os valores próprios de A (não são necessariamente

distintos entre si).
Proposição
Sejam A, P ∈ Mn (K).
1As armações seguintes são equivalentes:
(i) P é diagonalizadora de A.
(ii) As colunas de P são vectores próprios de A e P é invertível.
(iii) As colunas de P são vectores próprios de A e formam um sistema de
vectores linearmente independente.
2 Se P for diagonalizadora de A e v1 , v2 , . . . , vn forem as colunas de P

de modo que P = v1 v2 · · · vn , então

 
λ1 0 ··· 0
0 λ2 ··· 0 
P −1 AP =  . ,
 
. . .
 .. .
.
.
.
.
. 
0 0 ··· λn
onde λ1 , λ2 , . . . , λn são valores próprios de A tais que
v1 é vector próprio de A associado ao valor próprio λ1 ;
v2 é vector próprio de A associado ao valor próprio λ2 ;
.
.
.
vn é vector próprio de A associado ao valor próprio λn .

Corolário
Seja A ∈ Mn (K). As armações seguintes são equivalentes:
(i) A é diagonalizável em K.
(ii) Existe uma base de Kn formada por vectores próprios de A associados
a valores próprios em K.
(iii) A tem valores próprios em K e a soma das multiplicidades geométricas
dos seus valores próprios em K é igual a n.
Corolário
Seja A ∈ Mn (K). Se A for diagonalizável, então
1 ma(λ) = mg(λ) para todo o valor próprio λ de A.
2 tanto a soma das multiplicidades geométricas, como a soma das
multiplicidades algébricas, dos valores próprios de A é igual a n.
Dem.: na página seguinte.
Dem.:
Suponhamos que A é diagonalizável.
Então existe uma matriz P ∈ Mn (K) invertível tal que
 
λ1 0 · · · 0
 0 λ2 · · · 0 
P −1 AP =  . . . .
 
..
 .. .
. . . 
.
0 0 · · · λn
Então
pA (x) = det(A − xIn ) = (λ1 − x)(λ2 − x) · · · (λn − x).
Considerando os valores próprios sem repetição, temos
pA (x) = (α1 − x)m1 (α2 − x)m2 · · · (αk − x)mk ,

onde {α1 , α2 , . . . , αk } = {λ1 , λ2 , . . . , λn } e α1 , α2 , . . . , αk são distintos entre si.
Então 1 6 mg(αi ) 6 ma(αi ) = mi , para todo o i ∈ {1, . . . , k}. Logo
n = mg(α1 ) + mg(α2 ) + · · · + mg(αk ) 6 ma(α1 ) + ma(α2 ) + · · · + ma(αk ) =

= m1 + m2 + · · · + mk = grau(pA (x)) = n,
pelo que mg(αi ) = ma(αi ) para todo o i ∈ {1, . . . , k}.
Observação: Seja A ∈ Mn (K).
1Se A tiver algum valor próprio λ tal que mg(λ) 6= ma(λ), então, pelo
corolário anterior, podemos concluir que A não é diagonalizável.
2Se A ∈ Mn (R) e a soma das multiplicidades algébricas dos valores
próprios reais de A for diferente de n, então, pelo corolário anterior,
podemos concluir que A não é diagonalizável em R.
Exemplo:
Seja  
0 −1 4 0 0
 1
 0 −9 0 0

A=
 0 0 2 0 0
.
 3 −1 6 −7 8
−1 2 9 0 2
Então pA (x) = det(A − xI5 ) = −(x − 2)2 (x + 7)(x 2 + 1) (TPC).

Como x 2 + 1 não tem raízes em R, os valores próprios reais de A são 2 e −7,
tendo-se ma(2) + ma(−7) = 2 + 1 = 3 < 5.
Logo A não é diagonalizável em R.

Exemplo (cont.):
Em C,
pA (x) = det(A − xI5 ) = −(x − 2)2 (x + 7)(x − i)(x + i).
Logo os valores próprios de A em C são 2, −7, i, −i .
Como mg(−7) 6 ma(−7) = 1, temos mg(−7) = 1.

Analogamente, mg(i) = mg(−i) = 1.
mg(2) =? mg(2) = 5 − r(A − 2I5 )
 
−2 −1 4 0 0
 1 −2 −9 0 0
 
A − 2I5 = 
 0 0 0 0 0

 3 −1 6 −9 8
−1 2 9 0 0
r(A − 2I5 ) = 3 (TPC), logo mg(2) = 5 − 3 = 2.

Então
mg(2) + mg(−7) + mg(i) + mg(−i) = 2+1+1+1 = 5 = ordem de A,
pelo que A é diagonalizável em C.
Corolário
Seja A ∈ Mn (K).
Se A tiver n valores próprios em K distintos entre si, então A é
diagonalizável em K.
Como encontrar uma matriz diagonalizadora de uma matriz A∈ Mn (K), se
existir?
1o Determinar os valores próprios de A : λ1 , λ2 , . . . , λk distintos entre si.
Se ma(λ1 ) + · · · + ma(λk ) 6= n, então A não é diagonalizável.
2o λi −−−−→ resolver o sistema de equações lineares (Si ) com a forma ma-

tricial (A − λi In )X = 0.
Sendo m i o grau de indeterminação deste sistema (mi = mg(λi )),
o conjunto-solução da equação (A − λi In )X = 0 é da forma
Eλi (A) = h v1 , v2 , . . . , v i.mi

| {z }
base de Eλi (A)
Se mg(λi ) < ma(λi ) para algum i , então A não é diagonalizável.
3o A matriz cujas colunas são estes vectores geradores de cada subespaço pró-
prio é uma matriz diagonalizadora de A, se A for diagonalizável.

ALGA1 ALGA 2021 22 AulasTeo Slides Aula27 ValoresVectPropriosDiag Impressao

Enviado por

Dados do documento

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

ALGA1 ALGA 2021 22 AulasTeo Slides Aula27 ValoresVectPropriosDiag Impressao

Enviado por

Direitos autorais:

Formatos disponíveis

Álgebra Linear e Geometria Analítica

Álgebra Linear e Geometria Analítica I

Valores e vectores próprios de matrizes

det(A − xIn ) = (a11 − x)(a22 − x) · · · (ann − x)

Portanto, os valores próprios de A são a11 , a22 , . . . , ann .

pB (x) = det(B − xIn )

= det P −1 det(A − xIn ) det(P)

= det P −1 det(P) det(A − xIn )

= det P −1 P det(A − xIn )

Seja p(x) um polinómio de coecientes em K e seja α ∈ K.

α é raiz de p(x) ⇐⇒ p(x) = (x − α)q(x), para algum polinómio q(x).

1 é raiz de p(x) e 1 não é raiz de 2x 4 − 5x 3 + x 2 + x − 3.

Assim, mg(λ) = n − r(A − λIn )

Dem.: na página seguinte.

Sendo B = P −1 AP , tem-se, como vimos, pA (x) = pB (x) e calculando

pA (x) = (x − λ)k q(x),

onde q(x) é o polinómio

Se o polinómio característico de uma matriz A ∈ M5 (R) for

pA (x) = −(x + 1)2 (x − 2)(x 2 + 1) ,

então os valores próprios (reais) de A são −1 e 2 (note-se que x 2 + 1 não

1 Se v1 , . . . , vk forem vectores próprios de A associados aos valores próprios

λ1 , . . . , λk , respectivamente, então o sistema de vectores (v1 , . . . , vk ) é

2 Se L1 , . . . , Lk forem sistemas de vectores próprios de A linearmente

os vectores de L1 estiverem associados ao valor próprio λ1 ,

os vectores de Lk estiverem associados ao valor próprio λk ,

3 Se B1 , . . . , Bk forem bases de Eλ1 (A), . . . , Eλk (A), respectivamente, então o

sistema de vectores formado pelos vectores de B1 , . . . , Bk é uma base de

Dem.: nas páginas seguintes.

Subtraindo à 1a equação a 2a equação membro a membro, obtemos

α1 (λr +1 − λ1 )v1 + α2 (λr +1 − λ2 )v2 + · · · + αr (λr +1 − λr )vr = 0.

Portanto (v1 , . . . , vk ) é linearmente independente.

Produto de matrizes diagonais:

··· ··· ···

··· λk1 ···

Assim, é fácil calcular uma potência de uma matriz diagonal.

Todas as matrizes diagonais de ordem n são diagonalizáveis:

Como matrizes semelhantes têm os mesmos valores próprios, se

então λ1 , λ2 , . . . , λn são os valores próprios de A (não são necessariamente

(iii) As colunas de P são vectores próprios de A e formam um sistema de

vectores linearmente independente.

2 Se P for diagonalizadora de A e v1 , v2 , . . . , vn forem as colunas de P

vn é vector próprio de A associado ao valor próprio λn .

pA (x) = (α1 − x)m1 (α2 − x)m2 · · · (αk − x)mk ,

n = mg(α1 ) + mg(α2 ) + · · · + mg(αk ) 6 ma(α1 ) + ma(α2 ) + · · · + ma(αk ) =

Então pA (x) = det(A − xI5 ) = −(x − 2)2 (x + 7)(x 2 + 1) (TPC).

Logo A não é diagonalizável em R.

Como mg(−7) 6 ma(−7) = 1, temos mg(−7) = 1.

r(A − 2I5 ) = 3 (TPC), logo mg(2) = 5 − 3 = 2.

mg(2) + mg(−7) + mg(i) + mg(−i) = 2+1+1+1 = 5 = ordem de A,

pelo que A é diagonalizável em C.

1o Determinar os valores próprios de A : λ1 , λ2 , . . . , λk distintos entre si.

Se ma(λ1 ) + · · · + ma(λk ) 6= n, então A não é diagonalizável.

2o λi −−−−→ resolver o sistema de equações lineares (Si ) com a forma ma-

Eλi (A) = h v1 , v2 , . . . , v i.mi

Você também pode gostar

Seja p(x) um polinómio de coecientes em K e seja α ∈ K.