UNIVERSIDADE FEDERAL DO DELTA DO PARNAÍBA

CAMPUS MINISTRO REIS VELOSO

CURSO DE LICENCIATURA EM MATEMÁTICA

FRANCISCA MAFIZA MACHADO DE ARAUJO SILVA

DIAGONALIZAÇÃO DE OPERADORES LINEARES.

PARNAÍBA - PI
ANO 2024
FRANCISCA MAFIZA MACHADO DE ARAUJO SILVA

DIAGONALIZAÇÃO DE OPERADORES LINEARES.

Trabalho de Conclusão de Curso

apresentado ao curso de Licenciatura
Plena em Matemática da Universidade
Federal do Delta do Parnaíba como requisito
parcial à obtenção do grau de Licenciado em
Matemática.

Orientador:
Prof. Dr. Haroldo Rodrigues Clark.

PARNAÍBA - PI
ANO 2024
 FICHA CATALOGRÁFICA
Universidade Federal do Delta do Parnaíba
Biblioteca Central Prof. Cândido Athayde
Serviço de Processamento Técnico

S586d Silva, Francisca Mafiza Machado de Araújo

Diagonalização de operadores lineares [recurso eletrônico] / Francisca
Mafiza Machado de Araújo Silva. – 2023.

1 Arquivo em PDF.

TCC (Licenciatura em Matemática) – Universidade Federal do Delta

do Parnaíba, 2023.

Orientação: Prof. Dr. Haroldo Rodrigues Clark

1. Álgebra Linear. 2. Diagonalização de Operadores Lineares. 3.

Formas de Jordan. 4. Aplicações. I. Título.

CDD: 512.5
 Este trabalho é dedicado à minha família (especialmente - de modo amoroso e grato - aos
meus pais e à minha irmã), aos meus professores, aos meus amigos e a todos os outros seres
humanos que se aventuram no caminho do saber matemático.
 Agradecimentos

"Gratidão é a virtude das almas nobres", já dizia Esopo. Em primeiro lugar, com todo o
meu coração, AGRADEÇO ao meu Deus e à Nossa Senhora por todas as cruzes e desafios que
puseram em meu caminho, assim como todas as alegrias, bênçãos e conquistas, pois tudo isso
me fez ter a certeza de que estou no caminho certo.
Em seguida, o meu MUITÍSSIMO OBRIGADA aos meus progenitores, Bernardo Lima de
Araujo Silva (in memorian) e Terezinha de Araujo Machado. Agradeço - lhes pela vida, por
todo zelo, amor, proteção, entrega, esforço, investimento, incentivo que depositaram em mim e,
sobretudo, por não duvidarem que conseguiria chegar até aqui. Se estou hoje onde estou é fruto
de tudo o que plantaram em favor de minha formação. Eu os amo.
Além disso, sou GRATA a você, minha irmã, Francisca Eulila Machado de Araujo Silva, por
ser esse elo inquebrantável, essa minha companhia sanguínea e amigável, essa metade infinita
em meu caminho. A você, externalizo que a amo e sem sua presença em todo o meu existir
teria se tornado muito mais complexo e mais árduo.
Além disso, destaco o meu OBRIGADA a toda a minha família, em especial, aos meus tios
por parte da família paterna, Miguel Lima e Silva, José Lima e Silva (ambos in memorian),
Maria do Socorro Silva e, ao meu padrinho, Bernardo Tobias Lima (in memorian); e por parte
de família materna, agradeço aos meus tios, em especial, Rosa Maria e Marcos Freitas. Todos
vocês são um suporte fundamental para a minha continuação nessa trajetória.
Outrossim, o meu AGRADECIMENTO a todos os meus professores, desde o de ensino
fundamental (em especial, prof. Gerson Souza, que é o responsável pelo amor que tenho pela
matemática) até os de ensino superior, que foram um pilar para o aprendizado que internalizei até
agora. Assim como ponho meu OBRIGADA aos professores que compõem a banca examinadora
da minha defesa de TCC, Prof. Dr. Cleyton Natanael Lopes de Carvalho Cunha, Prof. Me.
Jeferson Nascimento Silva e a suplente Prof. Dra. Sissy da Silva Souza, que contribuíram
na avaliação e aprovação desse trabalho. Ademais, o meu OBRIGADÃO ao meu Orientador,
Prof. Dr. Haroldo Rodrigues Clark, que pela sua maestria, delicadeza e por seu jeito único de
ensinar, contribuiu na minha formação acadêmica e na realização desse trabalho; além de que
sou completamente grata pela amizade maravilhosa que criamos como professor e aluna.
Dando seguimento, expresso meu OBRIGADA aos meus amigos que permeneceram até o
fim comigo, pois sem vocês tudo teria sido mais laborioso. Assim, encontrei êxito nesse processo,
porque estava dividindo as lamúrias e o contentamento com cada um de vocês.
Termino com um pensamento de minha autoria que caminhou comigo desde o princípio:
"Tudo concorre para aqueles que lutam COM AMOR e POR AMOR".
"A Matemática é a criação mais bonita e poderosa do espírito humano."
(Stefan Banach)
 Resumo
Os operadores lineares são transformações lineares de um espaço vetorial nele mesmo. No caso de
espaços com dimensões finitas, usando bases do referido espaço, pode-se representar o operador,
de modo equivalente, por produtos de matrizes. Assim, o interesse principal é a Diagonalização
de Operadores. Caso haja essa referida base de autovetores, o operador é diagonalizável e,
assim, uma matriz diagonal é sua forma matricial simples de representá-lo. Contudo, quando
o operador não é diagonalizável, as Formas Canônicas de Jordan surgem como uma maneira
matricial simples de caracterizar tais operadores. Para tal abordagem, primeiramente, será feita
a construção de todo o raciocínio que embasa tal fundamento, a citar: Autovalores e Autovetores,
Multiplicidades Algébrica e Geométrica e Base de Autovetores. Para as Formas de Jordan, a
discussão com 3 Lemas e 1 Teorema será posta, assim como o passo a passo de todo o cálculo
que envolve a construção das Formas Canônicas de Jordan. As aplicações, por sua vez, mostram
a importância do processo de diagonalização para algumas situações.

Palavras-chaves: Diagonalização de Operadores Lineares. Formas de Jordan. Aplicações.

 Abstract
Linear operators are linear transformations of a vector space into itself. In the case of spaces
with finite dimensions, using bases of said space, the operator can be represented in an equivalent
way by matrix products. Thus, the main interest is the Diagonalization of Operators. If there is
such a base of eigenvectors, the operator is diagonalizable and, thus, a diagonal matrix is its
simple matrix form to represent it. However, when the operator is not diagonalizable, Jordan’s
canonical forms emerge as a simple matrix way to characterize such operators. For such an
approach, first, the construction of all the reasoning that supports this foundation will be
made, namely: Eigenvalues and Autovectors, Algebraic and Geometric Multiplicities, Basis of
Autovectors. For the Jordan Forms, the discussion with 3 Lemas and 1 Theorem will be posed,
as well as the step-by-step of all the calculation that involves the construction of the Jordan
Canonical Forms. The applications, in turn, show the importance of the diagonalization process
for some situations.

Key-words: Diagonalization of Linear Operators. Jordan shapes. Applications.

Introdução 12

aplicabilidade do tema desse trabalho.

É bom ressaltar, destarte, que não há o desejo de se externalizar todos os tópicos que
envolvem a temática em questão, mas que sirva de fonte bibliográfica ou suporte para estudos
acerca do tema em si ou que o tema se torna primordial para o entendimento de um assunto
correlato. Espera-se, portanto, que seja uma fonte de inspiração e curiosidade, com o objetivo
de que surja o ímpeto para aprofundar sobre o assunto.
Capítulo 1. Operadores Lineares 16

com i = 1, 2, 3, · · · , n. A primeira matriz é composta pelos coeficientes do operador na referida

base, já a segunda matriz, a matriz - coluna, é composta pelos vetores de ordem igual à dimensão
do espaço vetorial no qual o operador linear está definido. O outro lado da igualdade, tem-se o
que o operador realiza: leva o vetor em um múltiplo de si próprio.
De posse do conceito de polinômio característico, a seguinte proposição é enunciada, para a
validação de uma outra definição.

Proposição 2 Sejam A e B matrizes quadradas. Se elas são semelhantes então seus polinômios
característicos são iguais.

Demonstração: Se B e A são matrizes semelhantes então B pode ser reescrita como: B =

N AN . Daí, segue que:
−1

PB (λ) = det(B−λIn ) = det(N −1 AN −λIn ) = det(N −1 AN −λN −1 In N ) = det(N −1 N (A−λIn ))

Utilizando o fato de que determinante do produto é o produto dos determinantes, tem-se:

det(N −1 ) det(N )det(A − λIn )

Usando o fato de que o det(N −1 ) det(N ) = 1, tem-se:

det(N −1 ) det(N ) det(A − λIn ) = 1. det(A − λIn ) = PA (λ)

Então, concluí-se que B ∼ A ⇒ PB (λ) = PA (λ). □

Definição 5 Seja V um espaço vetorial de dimensão finita e T : V → V um operador. Chama-

se polinômio característico de T o polinômio da matriz de T em relação a qualquer base de
V.

Assim, matrizes referentes a um mesmo operador são necessariamente semelhantes. Logo,

possuem o mesmo polinômio característico, independentemente da base.
Relacionado ao polinômio característico, tem-se o polinômio minimal do mesmo operador.
Assim, a definição que segue se refere ao polinômio minimal.

Definição 6 Considere o polinômio mônico m(x) = xk + ak−1 xk−1 + . . . + a0 . Chama-se

polinômio minimal de um operador linear T : V → V , o polinômio mônico mT (x) de menor
grau tal que mT (T ) = 0, ∀v ∈ V.

Assim, em resumo, o polinômio minimal é o polinômio de menor grau que anula a matriz
do operador, sendo o coeficiente do termo xk igual a 1, por isso chama-se mônico. Isto é, o
polinômio minimal possui grau menor ou no máximo o mesmo grau do polinômio característico.
Relacionado ao polinômio minimal, tem-se um teorema importantíssimo, pois diz que o operador
é um zero do polinômio característico. O teorema será posto a seguir:

Teorema 1 Sejam T : V → V um operador linear, α a base de V e p(x) o polinômio caracte-

rístico do operador T . Então
p([T ]αα ) = 0
Capítulo 1. Operadores Lineares 18

Agora, usando a Definição 6, calcula-se o polinômio minimal do operador linear T desse

Exemplo 3. Sabe-se que o polinômio característico é (1 − λ)4 . Os candidatos a polinômio
minimal são:
m1 (x) = (x − 1)
m2 (x) = (x − 1)2
m3 (x) = (x − 1)3
m4 (x) = (x − 1)4
Fazendo tais cálculos, chega-se a m4 (x) = (x − 1)4 = 0, ou seja, o próprio polinômio
característico é o polinômio minimal, quer dizer que o polinômio mônico de menor grau que
anula o operador é o polinômio característico, nesse caso. Esse exemplo também corrobora o
Teorema 1, o qual afirma que o polinômio característico é um candidato a polinômio minimal.
As multiplicidades algébrica e geométrica serão discutidas no próximo tópico.

Definição 7 Multiplicidade Algébrica é a quantidade de vezes que um autovalor aparece como

raiz do polinômio característico. Multiplicidade Geométrica é a dimensão do subespaço Vλ de
autovetores associados a λ.

Tomando como referência o Exemplo 3, concluí-se que o autovalor 1 possui multiplicidade

algébrica igual a 4, por ser uma raiz múltipla de multiplicidade 4, enquanto a multiplicidade
geométrica de seu autovetor associado (0, 0, 0, w) é igual a 1, por formar um subespaço de apenas
1 dimensão.
Em geral, tem-se que o valor da multiplicidade geométrica é no máximo o da multiplicidade
algébrica. O Exemplo a seguir será usado como suporte para a abordagem da próxima seção e
do próximo capítulo desse Trabalho.

Exemplo 4 Considere o operador linear T : R4 → R4 tal que sua matriz em relação à base
canônica α é dada por:  

4 1 0 0 
 2 3 0 0
 

 
 −1 1 2 −3
 

 
1 −1 0 5
Encontre seus valores e vetores característicos.

Resolução:
i) Achar os autovalores de T.
4−λ 1 0 0
2 3−λ 0 0
Pλ = = (λ − 2)2 · (λ − 5)2
−1 1 2 − λ −3
1 −1 0 5−λ
 20

O enfoque principal é escrever um operador linear T de forma simples. Para tal fim, é preciso
que se encontre a base de autovetores do operador. Assim, o objetivo é que [T ]ββ seja uma matriz
diagonal. Segue abaixo a Definição de um operador diagonalizável.

Definição 9 Seja T: V → V um operador linear. Dizemos que T é diagonalizável se, e somente

se, existe um base de autovetores de V.

Desse modo, o operador do Exemplo 4 é diagonalizável. Juntando a Definição de base e a

Definição apresentada acima, há o seguinte teorema:

Teorema 2 Sejam V um espaço vetorial de dimensão finita sobre um espaço vetorial K (K =

R ou C) e T um operador linear sobre V . Então, T é diagonalizável se, e somente se:

i) o polinômio característico de T possui todas as suas raízes em K;

ii) a multiplicidade algébrica de cada autovalor de T é igual a sua multiplicidade geométrica.

Demonstração: (⇒): Se T é um operador diagonalizável, pela Definição 9, então V possui

uma base formada por autovetores de T. Considere B = {v11 , . . . , v1r , . . . , vk1 , . . . , vkr } essa
base, de modo que em cada {vi1 , . . . , vir } estão todos os autovetores associados ao autovalor λi ,
para i = 1, . . . , k. A matriz que representa T em relação à base B é:
 
λ1 ⃝
...
 
 
 
 
 
 λ1 
..
 
[T ]B = .
 
 
 
 

 λk 

...
 
 
 
 
⃝ λk
O polinômio característico é P (λ) = det([T ]B − λI) = (λ1 − λ)r . . . (λk − λ)r cujas raízes
estão todas no espaço vetorial K.
É preciso mostrar que Sλ = Ui . Para isso, é preciso mostrar as duas inclusões, ou seja,
Ui ⊂ Sλ e Sλ ⊂ Ui .
Note que para cada i, tem-se o espaço Ui , que é o subespaço gerado por {vi1 , vi2 , . . . , vir }.
Tomando um vetor u ∈ Ui , ele será combinação linear de todos os elementos de Ui (pela
definição de espaço gerador). Daí, u é um autovetor associado ao autovalor λi . Dessa forma,
u ∈ Sλ ⇒ Ui ⊂ Sλ . Tome u ∈ Sλ como combinação dos elementos de B. Assim,

u = α11 v11 + α12 v12 + . . . + α1r v1r + . . . + αk1 vk1 + . . . + αkr vkr
Capítulo 2. Diagonalização de Operadores Lineares 23

     

1
3
− 13 0 0   4 1 0 0   1 0 1 0 
1
− 13 1 1  2 3 0 0   −2 0 1 0 
     
D = P −1 AP = 3
 
 · · 
2 1
0 0  −1 1 2 −3   0 1 0 −1 
     
3 3
 
     
1
3
−3 0 1
1
1 −1 0 5 −1 0 0 1
 

2 0 0 0 
0 2 0 0
 
=
 
 
0 0 5 0
 
 
 
0 0 0 5

Note que, de fato, a matriz encontrada é a matriz diagonal do operador. Assim, pode-se
concluir que A é semelhante a D, isto é, o operador T pode ser representado por meio de uma
matriz diagonal, em que sua diagonal principal é composta por seus autovalores, de acordo com
a multiplicidade algébrica de cada um deles. Portanto, o operador T é diagonalizável. É muito
importante observar que a ordem dos vetores da base de autovetores {v1 , v2 , . . . , vn } determina
a ordem das colunas da matriz P e a ordem dos elementos da diagonal da matriz D.
O exemplo a seguir virá como suporte para a próxima seção.

Exemplo 5 Considere o operador T: R4 → R4 tal que T(x,y,z,w) = (x-y,-y+z,z,w). Tome

como base a canônica, por simplicidade dos cálculos. O operador é diagonalizável?

Resolução:
i) Achar os autovalores de T.

1−λ −1 0 0
0 −1 − λ 1 0
Pλ = = (1 − λ)3 · (−1 − λ)
0 0 1−λ 0
0 0 0 1−λ

Daí, segue que: (1 − λ)3 · (−1 − λ) = 0 ⇔ (1 − λ)3 ou (−1 − λ) = 0. Assim, os autovalores

do operador T são 1 e -1. Os autovalores possuem multiplicidade algébrica igual a 3 e 1,
respectivamente.
ii) Achar os autovetores de T.
      

1 −1 0 0   x  
x 




x−y =x
0 −1 1 0  y+z =y

y y
      

∗ λ1 = λ2 = λ3 = 1 = 1. 
    
⇒ .   ⇔
0 0 1 0  z z z=z
     
     

      
0 0 0 1 w=w

w w



Com isso, a solução do sistema é dada por: x, w ∈ R. O autovetor associado ao autovalor 1 é:

(x, 0, 0, w). Observando os vetores formados tem-se: x(1, 0, 0, 0) + w(0, 0, 0, 1). A multiplicidade
geométrica do autovalor 1 é igual a 2.
Capítulo 2. Diagonalização de Operadores Lineares 25

em que cada Ji é um Bloco de Jordan, semelhante à matriz dada.

 
2 0 0 0 0 0 
  
−2 0 0 0   0 −2 0 0 0 0 
 
  
1 −2 0 0 
,  0 0 7 0 0 0
   
Alguns exemplos de Matrizes de Jordan são:
  
 .
0 0 −2 0   0 0 1 7 0 0
   
 
   
0 0 0 5  0 0 0 1 7 0
 

 
0 0 0 0 1 7
Perceba que a primeira matriz de Jordan (quadrada de ordem 4) possui 3 Blocos de Jordan,
onde o primeiro está associado a λ = −2 e é de ordem 2, o segundo e o terceiro blocos estão
associados a λ = −2 e λ = 5, respectivamente, e ambos de ordem 1. Enquanto a segunda matriz
de Jordan (quadrada de ordem 6) possui 3 Blocos de Jordan, onde o primeiro e o segundo têm
ordem 1 e estão associados a λ = 2 e λ = −2, respectivamente; e o terceiro bloco, de ordem 4,
está associado a λ = 7.
Serão colocados 3 Lemas e 1 Teorema para a construção de todo o raciocínio necessário para
se chegar às Formas Canônicas de Jordan.

Lema 1 Seja T um operador linear sobre o corpo dos complexos, ou seja, T: Cn → Cn . Existe
uma matriz triangular cujos termos da diagonal principal são os autovalores de T e que é a
matriz de T em relação à base de Cn conveniente.

Demonstração: Para demonstrá-lo, será usada a indução matemática sobre n.

(n = 1) Como toda matriz de ordem 1 é triangular, tem-se que a afirmação é válida para
esse caso.
Considere n > 1 e tome como verdadeiro o lema para (n-1). De acordo com o enunciado,
tome o operador T: Cn → Cn e B a base canônica de Cn sobre C. Daí, o polinômio característico
complexo (por estar nesse corpo) é pT (t). Assim, T admite um valor próprio λ1 ∈ C. Dessa forma,
u1 é o vetor próprio associado a λ1 . A partir de u1 , é construída uma base C = {u1 , u2 , . . . , un }.
Então,

T (u1 ) = λ1 u1
T (u2 ) = α12 u1 + α22 u2 + . . . αn2 un
T (u3 ) = α13 u1 + α23 u2 + . . . αn3 un
..
.
T (un ) = α1n u1 + α2n u2 + . . . αnn un
Assim, a matriz de T em relação à base C é:
 
λ1 A 
[T ]C =  ,
0 B
 
a a22 . . . an2
 12
.. 
onde A é a matriz 1 × (n − 1), 0 é a matriz (n − 1) × 1 e B é matriz  . .


 
a1n a2n . . . ann
Capítulo 3. Aplicações 34

−3 − λ 4
Assim: det(A − λI) = = λ2 + λ − 2.
−1 2−λ
Se λ2 + λ − 2 é o polinômio característico então λ1 = −2 ou λ2 = 1. Tem-se ainda que:
      
−3 4   x  x −3x + 4y = −2x 
∗ λ1 = −2 ⇒ . = (−2).   ⇔  ⇔ x = 4y, y ∈ R
−1 2 y y −x + 2y = −2y
      
−3 4   x  x  −3x + 4y = x
∗ λ2 = 1 ⇒ . = 1.   ⇔ ⇔ x = y, y ∈ R
−1 2 y y  −x + 2y = y

Se a matriz é de ordem 2 e como foi encontrado 

2 autovetores
 associados
 a
esses autovalores,
−2 0  4 1 
então A é diagonalizável. Pela Observação 1, D =  eP =
0 1 1 1
     
4 1   −2 0   31 − 31 
Ou seja, A = P DP −1 =  · ·
1 1 0 1 − 13 4
3

A questão pede, por sua vez, Ak . Entretanto, sabe-se que Ak = P Dk P −1 . Daí,

     
4 1   (−2)k 0   31 − 13 
Ak = P DP −1 = · ·
1 1 0 1k − 31 4
3

4(−2)k − 1 −4(−2)k + 4
 

3 3
 
 
=
 

(−2) − 1 (−2) + 4
 
 k k 
3 3
 
4(−2)k − 1 −4(−2)k + 4
1  
= · 
3 


(−2)k − 1 (−2)k + 4

O resultado encontrado é o que foi solicitado: a k-ésima potência da matriz A.

Estendendo a aplicação do processo de diagonalização para série de matrizes, tem-se que ex
∞  n
x
pode ser reescrito como e = . Baseado nisso, considerando A uma matriz quadrada
X
x

n=0 n!
de ordem n e tomando uma série exponencial

∞
Ap Ak
!
A A2 A3 A4
1+ + + + + ... + + ... =
X
,
1! 2! 3! 4! p! k=0 k!
obtém-se que essa série converge. E, além disso, essa soma é eA . É sabido que esse cálculo de eA
é sobretudo trabalhoso. Por isso, se a matriz A for diagonalizável, então esse cálculo se torna
muito mais simplificado. Assim Ap = M · Dp · M −1 , sendo D a matriz diagonal.
Capítulo 3. Aplicações 35

Daí, tem-se que:

∞ ∞ ∞
Ak M · Dk · M −1 Dk
! ! !
e = = =M· · M −1 = M · eD · M −1
X X X
A

k=0 k! k=0 k! k=0 k!

 
eλ1
 

eλ2 
=M  · M −1
 
· ..
.
 
 
 
e λn

Um exemplo será posto, para que se perceba a aplicabilidade da diagonalização de matrizes

no processo de série de matrizes.
 
2 4 
Exemplo 8 Considerando a matriz A =  , calcule eA .
3 13

Calculando o polinômio característico, os valores e a matriz associada a esses valores, a fim de

saber se A é ou não diagonalizável.
2−λ 4
det(A − λI) = = λ2 − 15λ + 14
3 13 − λ

Se λ2 − 15λ + 14 é o polinômio característico então λ1 = 14 ou λ2 = 1. Tem-se ainda que:

      
2 4   x  x  2x + 4y = 14x
∗ λ1 = 14 ⇒ . = 14 ·   ⇔  ⇔ y = 3x, x ∈ R
3 13 y y 3x + 13y = 14y
      
2 4   x  x  2x + 4y = x
∗ λ2 = 1 ⇒ . = 1.   ⇔ ⇔ x = −4y, y ∈ R
3 13 y y  3x + 13y = y

Se a matriz é de ordem 2 e como foi encontrado 

2 autovetores
 associados
 a esses
 autovalores,
14 0  1 −4 
então A é diagonalizável. Pela Observação 1, D =  eM = .
0 1 3 1
     
1 −4   14 0   13
1 4
Ou seja, A = M DM −1 =  · · 13 
3 1 0 1 3
− 13 1
13

     
1 −4   e14 0   13
1 4
Daí, eA = M · eA · M −1 = · · 13 
3 1 0 e 3
− 13 1
13

 
e14 + 12e 4e14 − 4e
1  
= ·

13 


3e14 − 3e 12e14 + e

Eis o resultado pedido. Essas são algumas das muitas aplicações que o processo de diagonali-
zação se aplica e vem como meio eficaz para cálculos complexos. Outra aplicação importantíssima
está na resolução de Sistemas de Equações Diferenciais Lineares com Coeficientes Constantes.
Capítulo 4. APÊNDICES 39

Figura 3 – Fonte: Site da UNICAMP

Além dessa Transformação Especial, há também outras; como, por exemplo, a Expansão ou
a Contração Uniforme, a Reflexão na Origem, a Rotação do ângulo (no sentido anti-horário), a
Reflexão em torno do plano xy e congêneres. Perceba que as nomenclaturas já fornecem uma
noção gráfica do que, realmente, está ocorrendo como resultado da aplicação linear.

Figura 4 – Expansão Uniforme e Rotação do ângulo (no sentido anti - horário), respect.
FONTE: Site da UEL e livro do (BOLDRINI et al., 1980), respectivamente.
 40

Referências

ALMEIDA, A. F. A forma canônica de Jordan e algumas aplicações. [S.l.], 2000. Citado

na página 11.

BOLDRINI, J. L.; COSTA, S. I.; FIGUEREDO, V.; WETZLER, H. G. Álgebra linear. [S.l.]:
Harper & Row, 1980. Citado 2 vezes nas páginas 11 e 39.

CALLIOLI, C. A.; DOMINGUES, H. H.; COSTA, R. C. F. Álgebra linear e aplicações.

[S.l.]: Atual, 2007. Citado 2 vezes nas páginas 11 e 26.

CAMELIE, R.; BEDOYA, H. Álgebra Linear II. [S.l.]: 2015, 2015. Citado na página 11.

OLIVEIRA, V. H. M. et al. Algumas aplicações da forma canônica de jordan. Universidade

Federal de Uberlândia, 2020. Citado na página 11.

PROF. RICARDO, Supermatemática. Exemplos encontrando a Forma Canônica

de Jordan de matrizes de ordens grandes. 2022. Disponível em: <https:
//youtu.be/RMibO3aGHLI?si=8xlRl8AxlcTtlyRH>. Acesso em: 05 fevereiro 2024. Citado na
página 11.

SOUZA, Thyago. Álgebra Linear (Mestrado) - Aula 15: Formas Racional e de Jordan.
2022. Disponível em: <https://www.youtube.com/watch?v=polOEitxJ-0&t=1800s>. Acesso
em: 11 setembro 2023. Citado na página 11.