Anda di halaman 1dari 34

Álgebra Linear 2

Autovalores e Autovetores
Diagonalização de Operadores

Fabricio Alves Oliveira


fabricio.oliveira@ifmg.edu.br
INTRODUÇÃO
Sejam 𝑉 um espaço vetorial real de dimensão 𝑛 e 𝑇: V → V um operador linear.
Dada uma base ordenada 𝛽 para 𝑉, vimos que podemos construir a matriz de 𝑇 em relação
à base 𝛽, denotada por 𝑇 𝛽 .
É claro que a matriz 𝑇 𝛽 depende da base 𝛽, isto é, trocando a base, a matriz se altera.
Quanto mais dispersa for essa matriz, mais simples será a descrição do operador 𝑇.
A melhor situação ocorre quando 𝑇 𝛽 é uma matriz diagonal. Então, queremos saber:
(a) Será que, para todo 𝑇: V → V, existe uma base 𝛽 tal que 𝑇 𝛽 é diagonal?
(b) Se sim, que base é essa?
(c) Se não, para quais 𝑇 isso é verdade?
(d) Para as transformações 𝑇 em que isso é verdade, como obter essa base?

2
Suponha que 𝛽 = {𝑣1 , … , 𝑣𝑛 } seja uma base para 𝑉 tal que 𝑇 𝛽 seja uma matriz diagonal.
Digamos,

𝜆1 0 ⋯ 0
0 𝜆2 ⋯ 0
𝑇 𝛽 = .
⋮ ⋮ ⋱ ⋮
0 0 ⋯ 𝜆𝑛

Isso significa que, aplicando 𝑇 aos vetores da base 𝛽, obtemos:

𝑇(𝑣1 ) = 𝜆1 𝑣1
𝑇(𝑣2 ) = 𝜆2 𝑣2

𝑇(𝑣𝑛 ) = 𝜆𝑛 𝑣𝑛

Ou seja, 𝑇(𝑣𝑖 ) = 𝜆𝑖 𝑣𝑖 , para todo 𝑖 = 1, … , 𝑛.


Assim, um bom caminho é procurar vetores 𝑣 tais que 𝑇(𝑣) seja um múltiplo de 𝑣.
3
Autovalores e Autovetores
Definição: Seja 𝑇: 𝑉 → 𝑉 um operador linear. Quando existirem 𝑣 ∈ 𝑉, 𝑣 ≠ 0, e 𝜆 ∈ ℝ tais
que 𝑇 𝑣 = 𝜆𝑣, dizemos que 𝜆 é um autovalor de 𝑻 e 𝑣 é um autovetor de 𝑻 associado
a 𝝀.
Observação: Veja que um autovetor 𝑣 não pode ser o vetor nulo.

Proposição: Seja 𝑇: 𝑉 → 𝑉 linear e 𝜆 um autovalor de 𝑇. Então, o conjunto


𝑉𝜆 = 𝑣 ∈ 𝑉: 𝑇 𝑣 = 𝜆𝑣
é um subespaço vetorial de 𝑉, chamado de subespaço de 𝑻 associado ao autovalor 𝝀.

4
Como calcular os Autovalores e Autovetores?
Seja 𝑇: 𝑉 → 𝑉 um operador linear e seja 𝐴 = 𝑇 𝛼 a matriz canônica de 𝑇.
Se 𝜆 é um autovalor de 𝑇 e 𝑣 é um autovetor de 𝑇 associado à 𝜆, então 𝑇 𝑣 = 𝜆𝑣, ou seja,
𝐴𝑣 = 𝜆𝑣 ⇒ 𝐴𝑣 − 𝜆𝑣 = 0.
Como 𝑣 = 𝐼𝑣 (𝐼 é a matriz identidade), então
𝐴𝑣 − 𝜆𝐼𝑣 = 0 ⇒ (𝐴 − 𝜆𝐼)𝑣 = 0
Para que esse sistema homogêneo tenha solução não-trivial, devemos ter
𝑑𝑒𝑡(𝐴 − 𝜆𝐼) = 0.
O determinante 𝑑𝑒𝑡(𝐴 − 𝜆𝐼) é um polinômio na variável 𝜆, chamado de polinômio
característico do operador 𝑇 (ou da matriz A). Suas raízes são os autovalores de 𝑇 (ou da
matriz A). Assim, para determinar os autovalores, basta encontrar as raízes do
polinômio característico.
Para determinar os autovetores associados a cada um dos autovalores 𝜆 , devemos
substituir os valores de 𝝀 no sistema (𝑨 − 𝝀𝑰)𝒗 = 𝟎 e resolvê-lo.
5
Exemplo: Determine os autovalores e autovetores do operador linear 𝑇: ℝ3 → ℝ3 , dado por
𝑇 𝑥, 𝑦, 𝑧 = (3𝑥 − 𝑦 + 𝑧, −𝑥 + 5𝑦 − 𝑧, 𝑥 − 𝑦 + 3𝑧).

6
Observações:
(1) Definimos polinômio característico de um operador linear 𝑇: 𝑉 → 𝑉, utilizando a matriz da
transformação 𝑇 em relação à base canônica, 𝐴 = 𝑇 𝛼 . Um fator fundamental é que esta
definição não depende da base escolhida para o espaço 𝑉.

De fato: seja 𝛽 uma outra base para 𝑉 e seja 𝐵 = 𝑇 𝛽 . Já vimos que 𝐴 e 𝐵 são matrizes
semelhantes, ou seja, 𝐵 = 𝑀𝐴𝑀−1 (sendo 𝑀 = 𝐼 𝛼𝛽 ).
Temos que:

det 𝐵 − 𝜆𝐼 = det 𝑀𝐴𝑀−1 − 𝜆𝐼


= det 𝑀𝐴𝑀−1 − 𝜆𝑀𝐼𝑀−1
= det 𝑀(𝐴 − 𝜆𝐼)𝑀−1
= det 𝑀) ∙ 𝑑𝑒𝑡(𝐴 − 𝜆𝐼) ∙ det(𝑀−1
= 𝑑𝑒𝑡(𝐴 − 𝜆𝐼)
= 𝑝(𝜆)
7
(2) Para auxiliar no cálculo das raízes do polinômio característico, podemos utilizar o Teorema
das Raízes Racionais:
Teorema das Raízes Racionais: Seja 𝑝 𝑥 = 𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−1 + ⋯ + 𝑎0 um polinômio de
grau 𝑛 com coeficientes inteiros. Se o número racional 𝑝/𝑞 𝑝, 𝑞 ∈ ℤ, 𝑞 ≠ 0 e 𝑚𝑑𝑐 𝑝, 𝑞 = 1 é
uma raiz desse polinômio, então 𝑝 é divisor de 𝑎0 e 𝑞 é divisor de 𝑎𝑛 .

(3) As noções de autovalor de autovetor de uma transformação linear (ou matriz) são
fundamentais por exemplo na Física Atômica. Os níveis de energia dos átomos e moléculas são
dados por autovalores e autovetores de determinadas matrizes. Também, o estudo dos
fenômenos de vibração, análise de estabilidade de um avião e muitos outros problemas de Física
levam à procura de autovalores e autovetores.
Além disso, as noções de espaços vetoriais, autovalores e autovetores são utilizadas na resolução
de sistemas de equações diferenciais.

8
Exercícios:
(1) Determine os autovalores e autovetores de 𝑇: ℝ2 → ℝ2 , definida por 𝑇 𝑥, 𝑦 = (2𝑦, 𝑥).

(2) Calcule os autovalores e autovetores das matrizes:

4 2 0
−3 4 3 −1
(a) 𝐴 = (b) 𝐴 = −1 1 0 (c) 𝐴 =
−1 2 1 3
0 1 2

9
Observação:
No item (c) do exercício anterior, vimos que 𝑝 𝜆 = 𝜆2 − 2 3 𝜆 + 4 não admite raiz real (pois,
∆= −4).
Logo, a matriz 𝐴 não possui autovalores (nem autovetores) reais.
No entanto, se estivéssemos trabalhando com um espaço vetorial complexo (isto é,
considerando os escalares números complexos), o polinômio característico 𝑝 𝜆 = 𝜆2 − 2 3 𝜆 + 4
teria raízes.
Assim, toda transformação linear sobre espaços vetoriais complexos sempre admite autovalores,
uma vez que seu polinômio característico sempre admite raiz.

Exercício: Refaça o item (c) do exercício anterior, considerando a matriz definida em um


espaço vetorial complexo e mostre que:
• os autovalores são 𝜆1 = 3 + 𝑖 e 𝜆2 = 3 − 𝑖.
• os autovetores associados a 𝜆1 e 𝜆2 são, respectivamente, do tipo (𝑥, −𝑖𝑥) e 𝑥, 𝑖𝑥 , 𝑥 ∈ ℝ.

10
Exercícios:
(1) Considere a matriz
−1 −2 0
𝐴= 0 −1 1
1 0 0

Determine quais são os autovalores e autovetores de 𝐴, considerando essa matriz definida em


um espaço vetorial:
(a) real
(b) complexo.

11
(2) Calcule os autovalores e autovetores das matrizes abaixo e verifique que elas possuem o
mesmo polinômio característico (logo, os mesmos autovalores), mas possuem autovetores
distintos.
3 0 −4 3 −3 −4
𝐴= 0 3 5 e 𝐵= 0 3 5 .
0 0 −1 0 0 −1

12
Diagonalização de Operadores
Definição: Um operador linear 𝑇: 𝑉 → 𝑉, com 𝑉 de dimensão finita, é diagonalizável quando
existe uma base 𝛽 de 𝑉 tal que 𝑇 𝛽 é uma matriz diagonal.
Proposição: Autovetores associados a autovalores distintos são linearmente independentes.
Demonstração: Vamos fazer a demonstração para o caso de dois autovalores distintos. A
demonstração para o caso geral é feita de maneira análoga.
Sejam 𝜆1 e 𝜆2 autovalores, 𝜆1 ≠ 𝜆2 , e 𝑣1 , 𝑣2 autovetores associados aos autovalores 𝜆1 e 𝜆2 ,
respectivamente. Vamos mostrar que 𝑣1 , 𝑣2 é l.i.
Suponha que 𝑎1 𝑣1 + 𝑎2 𝑣2 = 0.
Aplicando a transformação 𝑇 − 𝜆2 𝐼 à equação acima, temos que
𝑇 − 𝜆2 𝐼 𝑎1 𝑣1 + 𝑎2 𝑣2 = 0
⇒ 𝑇 𝑎1 𝑣1 + 𝑎2 𝑣2 − 𝜆2 𝐼 𝑎1 𝑣1 + 𝑎2 𝑣2 = 0
⇒ 𝑎1 𝑇 𝑣1 + 𝑎2 𝑇(𝑣2 ) − 𝜆2 (𝑎1 𝑣1 + 𝑎2 𝑣2 ) = 0
⇒ 𝑎1 𝜆1 𝑣1 + 𝑎2 𝜆2 𝑣2 − 𝜆2 𝑎1 𝑣1 − 𝜆2 𝑎2 𝑣2 = 0
⇒ 𝑎1 𝑣1 𝜆1 − 𝜆2 = 0
Como 𝑣1 ≠ 0 e 𝜆1 ≠ 𝜆2 , então devemos ter 𝑎1 = 0. 13
Por outro lado, aplicando 𝑇 − 𝜆1 𝐼 à equação, obtemos que 𝑎2 𝑣2 𝜆2 − 𝜆1 = 0.
Como antes, 𝑣2 ≠ 0 e 𝜆1 ≠ 𝜆2 , então devemos ter 𝑎2 = 0.
Portanto, o conjunto 𝑣1 , 𝑣2 é linearmente independente.

Observação:
Como consequência desta proposição temos que se 𝑉 é um espaço vetorial de dimensão 𝑛 e
𝑇: 𝑉 → 𝑉 é um operador linear que possui 𝑛 autovalores distintos, então 𝑉 possui uma base cujos
vetores são todos autovetores de 𝑇.
Em outras palavras, se conseguirmos encontrar tantos autovalores distintos quanto for a
dimensão do espaço, podemos garantir a existência de uma base para 𝑉 formada por
autovetores.

O próximo teorema responde nossa pergunta inicial, ou seja, nos dá uma condição necessária e
suficiente para que um operador linear seja diagonalizável.

14
Teorema: Seja 𝑉 um espaço vetorial de dimensão finita e 𝑇: 𝑉 → 𝑉 linear. Então, 𝑇 é
diagonalizável se, e somente se, existe uma base de 𝑉 formada por autovetores de 𝑇.
Demonstração: (⇒) Por hipótese, 𝑇 é diagonalizável. Então, existe uma base 𝛽 = {𝑣1 , … , 𝑣𝑛 }
para 𝑉 tal que 𝑇 𝛽 é uma matriz diagonal. Digamos,

𝜆1 0 ⋯ 0
0 𝜆2 ⋯ 0
𝑇 𝛽 = .
⋮ ⋮ ⋱ ⋮
0 0 ⋯ 𝜆𝑛

Isso significa que, aplicando 𝑇 aos vetores da base 𝛽, obtemos:

𝑇(𝑣1 ) = 𝜆1 𝑣1
𝑇(𝑣2 ) = 𝜆2 𝑣2

𝑇(𝑣𝑛 ) = 𝜆𝑛 𝑣𝑛

Ou seja, 𝑇(𝑣𝑖 ) = 𝜆𝑖 𝑣𝑖 , para todo 𝑖 = 1, … , 𝑛. Então 𝑣1 , … , 𝑣𝑛 são autovetores de 𝑇.


Portanto, 𝛽 = {𝑣1 , … , 𝑣𝑛 } é uma base de 𝑉 formada por autovetores de 𝑇.
15
(⇐) Agora, por hipótese, existe uma base 𝛽 = {𝑣1 , … , 𝑣𝑛 } para 𝑉 tal que cada 𝑣𝑖 é um autovetor
de 𝑇.
Sejam 𝜆1 , 𝜆2 , … , 𝜆𝑛 os autovalores associados a 𝑣1 , … , 𝑣𝑛 , respectivamente. (Observe que esses
autovalores não são necessariamente distintos.)
Então, temos que
𝑇(𝑣1 ) = 𝜆1 𝑣1 = 𝜆1 𝑣1 + 0𝑣2 + ⋯ + 0𝑣𝑛 ⇒ 𝑇 𝑣1 𝛽 = 𝜆1 , 0, … , 0
𝑇(𝑣2 ) = 𝜆2 𝑣2 = 0𝑣1 + 𝜆2 𝑣2 + ⋯ + 0𝑣𝑛 ⇒ 𝑇 𝑣2 𝛽 = 0, 𝜆2 , … , 0

𝑇(𝑣𝑛 ) = 𝜆𝑛 𝑣𝑛 = 0𝑣1 + 0𝑣2 + ⋯ + 𝜆𝑛 𝑣𝑛 ⇒ 𝑇 𝑣𝑛 𝛽 = 0, 0, … , 𝜆𝑛

Logo,
𝜆1 0 ⋯ 0
0 𝜆2 ⋯ 0
𝑇 𝛽 = , que é uma matriz diagonal.
⋮ ⋮ ⋱ ⋮
0 0 ⋯ 𝜆𝑛

Portanto, 𝑇 é diagonalizável.
16
Exemplos: Verifique quais dos operadores abaixo são diagonalizáveis:
(a) 𝑇: ℝ2 → ℝ2 , 𝑇 𝑥, 𝑦 = (−𝑦, 𝑥)

(b) 𝑇: ℝ2 → ℝ2 , 𝑇 𝑥, 𝑦 = (−3𝑥 + 4𝑦, −𝑥 + 2𝑦)

3 1 −1
(c) 𝑇: ℝ3 → ℝ3 , tal que 𝑇 = 2 2 −1
2 2 0

(d) 𝑇: ℝ3 → ℝ3 , 𝑇 𝑥, 𝑦, 𝑧 = 𝑥 − 3𝑦 + 3𝑧, 3𝑥 − 5𝑦 + 3𝑧, 6𝑥 − 6𝑦 + 4𝑧

17
Multiplicidade Algébrica e Multiplicidade Geométrica
Definição: Seja 𝜆 um autovalor do operador linear 𝑇: 𝑉 → 𝑉. Definimos:
(a) A multiplicidade algébrica de 𝝀 como a multiplicidade de 𝜆 como raiz do polinômio
característico de 𝑇, isto é:
𝑛 𝑛+1
𝑛 =multiplicidade algébrica de 𝜆 ⇔ 𝑥 − 𝜆 divide 𝑓 e 𝑥 − 𝜆 não divide 𝑓.

(b) A multiplicidade geométrica de 𝝀 é a dimensão do autoespaço 𝑉𝜆 associado a 𝜆.

3 1 −1
Exemplo: Considere 𝑇: ℝ3 → ℝ3 , tal que 𝑇 = 2 2 −1 .
2 2 0

Vimos que o polinômio característico de 𝑇 é 𝑝 𝜆 = 𝜆 − 2 2 𝜆 − 1 . Logo,


• 𝜆1 = 2 é autovalor de multiplicidade algébrica 2.
• 𝜆2 = 1 é autovalor de multiplicidade algébrica 1.

Vimos também que dim 𝑉𝜆1 = dim 𝑉𝜆2 = 1, logo, a multiplicidade geométrica de 𝜆1 = 1, e a
multiplicidade geométrica de 𝜆2 = 1.
18
Teorema: Seja 𝑇: 𝑉 → 𝑉 linear e sejam 𝜆1 , 𝜆2 , … , 𝜆𝑛 os autovalores distintos de 𝑇. As seguintes
afirmações são equivalentes:
(a) 𝑇 é diagonalizável
𝑑1 . ⋯ . 𝑑𝑛 ,
(b) O polinômio característico de 𝑇 tem a forma 𝑝 𝜆 = 𝜆 − 𝜆1 𝜆 − 𝜆𝑛 onde 𝑑𝑖 é a
dimensão do autoespaço 𝑉𝜆𝑖 , isto é, 𝑑𝑖 = dim 𝑉𝜆𝑖 , 𝑖 = 1, … , 𝑛.
(c) dim 𝑉 = dim 𝑉𝜆1 + ⋯ + dim 𝑉𝜆𝑛

Exercício: Determine se o operador 𝑇: ℝ3 → ℝ3 , dado por


𝑇 𝑥, 𝑦, 𝑧 = −3𝑥 − 7𝑦 − 6𝑧, 𝑥 + 5𝑦 + 6𝑧, −𝑥 − 𝑦 − 2𝑧
é diagonalizável.

19
Polinômio Minimal
Nos exemplos anteriores, para mostrar que um operador linear era ou não diagonalizável,
exibimos uma base de autovetores, ou mostramos a sua inexistência.

Se os espaços vetoriais tiverem dimensão alta, esse procedimento não é o mais adequado, pois os
cálculos dos autovetores são longos.

Assim, estamos interessados em saber se um operador linear é diagonalizável, sem calcular os


autovetores. Já sabemos a resposta para este problema na seguinte situação: se dim 𝑉 = 𝑛 e o
operador 𝑇 tem 𝑛 autovalores distintos, então ele é diagonalizável.

No caso geral, a resposta está ligada ao aspecto de um polinômio, que chamaremos de polinômio
minimal.

20
Definição: Seja 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 anula a matriz 𝐴.

−1 4
Exemplo: Sejam 𝑝 𝑥 = 𝑥 2 − 9 e 𝑞 𝑥 = 2𝑥 + 3. Se 𝐴 = , então
2 1
2
−1 4 1 0 0 0
𝑝 𝐴 = −9 =
2 1 0 1 0 0
e

−1 4 1 0 1 8
𝑞 𝐴 =2 +3 =
2 1 0 1 4 5

Então, segue que 𝑝(𝑥) anula 𝐴 e 𝑞(𝑥) não anula 𝐴.

21
Definição: Seja 𝐴 uma matriz quadrada. O polinômio minimal 𝒎 da matriz 𝐴 é
caracterizado pelas seguintes condições:
(𝒊) 𝑚 é unitário (ou seja, o coeficiente líder de 𝑚 é igual a 1);
(𝒊𝒊) 𝑚 𝐴 = 0, isto é, 𝑚(𝑥) anula a matriz 𝐴;
(𝒊𝒊𝒊) 𝑚(𝑥) é o polinômio de menor grau entre aqueles que anulam 𝐴.

Definimos também o polinômio minimal de um operador linear 𝑻, como sendo o polinômio


minimal associado à matriz de 𝑇 em uma determinada base.

O próximo resultado vai nos ajudar a descobrir um procedimento que nos possibilite determinar
se um operador linear é diagonalizável ou não, sem calcular os autovetores.

Teorema: Sejam 𝑇: 𝑉 → 𝑉 um operador linear, 𝑉 de dimensão finita e 𝛼 uma base para 𝑉.


Então 𝑇 é diagonalizável se, e somente se, o polinômio minimal de 𝑇 𝛼 é da forma

𝑚 𝑥 = 𝑥 − 𝜆1 𝑥 − 𝜆2 … 𝑥 − 𝜆𝑟 ,

com 𝜆1 , 𝜆2 , … , 𝜆𝑟 distintos.
22
Pelo teorema anterior, nosso problema em determinar se um operador linear 𝑇 é diagonalizável
ou não, se reduz a encontrar o polinômio minimal de 𝑇.

Mas, como encontrar o polinômio minimal de 𝑇?

Os dois teoremas a seguir vão nos ajudar nessa tarefa!

Teorema de Cayley-Hamilton: Seja 𝑉 de dimensão finita e 𝑇: 𝑉 → 𝑉 um operador linear.


Então, o polinômio característico de 𝑇 anula 𝑇.

Isto significa que o polinômio característico é um candidato a polinômio minimal.


Mais ainda, temos que:

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


característico.

Estes dois teoremas juntos nos dizem como achar o polinômio minimal 𝑚 de um operador linear:
𝑚 deve ter grau menor ou igual ao do polinômio característico, deve ter as mesmas raízes e
anula a transformação. 23
Por exemplo, seja 𝑇: 𝑉 → 𝑉 um operador linear e 𝛼 uma base de 𝑉. Suponhamos que o polinômio
característico de 𝑇 seja 𝑝 𝜆 = 𝜆 − 3 2 𝜆 − 1 3 (𝜆 + 5).
Então, o polinômio minimal de 𝑇 será um dos polinômios:
𝑚1 𝑥 = 𝑥 − 3 𝑥 − 1 𝑥 + 5
𝑚2 𝑥 = 𝑥 − 3 2 𝑥 − 1 𝑥 + 5
𝑚3 𝑥 = 𝑥 − 3 𝑥 − 1 2 𝑥 + 5
𝑚4 𝑥 = 𝑥 − 3 𝑥 − 1 3 𝑥 + 5
𝑚5 𝑥 = 𝑥 − 3 2 𝑥 − 1 2 𝑥 + 5
𝑚6 𝑥 = 𝑥 − 3 2 𝑥 − 1 3 𝑥 + 5

Como o polinômio minimal é o de menor grau que anula 𝑇 𝛼 , verificamos primeiramente se


𝑚1 𝑇 𝛼 = 0. Em caso afirmativo, 𝑚1 será o polinômio minimal. Se 𝑚1 𝑇 𝛼 ≠ 0, testamos
𝑚2 𝑇 𝛼 e assim sucessivamente.
Na pior das hipóteses o polinômio minimal será o polinômio característico de 𝑇.

Observe que, pelos teoremas anteriores, o operador acima só será diagonalizável se o seu
polinômio minimal for igual a 𝑚1 . 24
Observação: Pelos resultados anteriores, concluímos que: se 𝜆1 , 𝜆2 , … , 𝜆𝑟 são os autovalores
distintos de um operador linear 𝑇, então 𝑇 é diagonalizável se, e somente se, o polinômio
𝑚 𝑥 = 𝑥 − 𝜆1 𝑥 − 𝜆2 … 𝑥 − 𝜆𝑟 ,
anular a matriz de 𝑇. (Neste caso, 𝑚 é o polinômio minimal de 𝑇.)

Exercícios:
(1) Seja 𝑇: ℝ3 → ℝ3 , dado por 𝑇 𝑥, 𝑦, 𝑧 = 2𝑥 + 𝑦, 2𝑦 + 𝑧, 2𝑧 .
(a) Determine o polinômio minimal de 𝑇.
(b) 𝑇 é diagonalizável ?

(2) O operador linear 𝑇: ℝ4 → ℝ4 , definido por 𝑇 𝑥, 𝑦, 𝑧, 𝑡 = 3𝑥 − 4𝑧, 3𝑦 + 5𝑧, −𝑧, −𝑡 é


diagonalizável?

25
Observação: É claro que para decidir se um operador linear é diagonalizável, o conjunto dos
escalares no qual trabalhamos desempenha um papel importante.

No entanto, mesmo trabalhando com espaços complexos, nem todo operador linear é
diagonalizável.

Exemplo: Seja 𝑇: 𝑉 → 𝑉 um operador linear e seja 𝑉 um espaço vetorial complexo de dimensão


4. Seja 𝛼 uma base de 𝑉 e suponha que

0 1 0 0
𝑇 = −1 0 0 0 .
𝛼
0 0 1 1
0 0 0 1

(a) Mostre que o polinômio característico de 𝑇 é dado por 𝑝 𝜆 = 𝜆 − 𝑖 𝜆 + 𝑖 𝜆 − 1 2 .


(b) Determine os autovalores e autovetores de 𝑇.
(c) Mostre que 𝑇 não é diagonalizável.

26
Forma de Jordan
Vimos vários exemplos de operadores que não são diagonalizáveis. No entanto, quando 𝑇: 𝑉 → 𝑉
for um operador linear cujo polinômio minimal é da forma

𝑚1 𝑚2 𝑚𝑘 ,
𝑚 𝑥 = 𝑥 − 𝜆1 𝑥 − 𝜆2 ⋯ 𝑥 − 𝜆𝑘

com 𝜆1 , 𝜆2 , … , 𝜆𝑘 escalares distintos, podemos sempre encontrar uma base 𝛽 para 𝑉, tal que 𝑇 𝛽
tem uma forma especial, chamada forma de Jordan. (Note que se o espaço vetorial for complexo,
isso sempre será possível!)

Definição:
(a) Um bloco de Jordan é uma matriz quadrada triangular, cujos elementos da diagonal
principal são todos iguais, a diagonal abaixo da diagonal principal é toda formada por 1’s e todos
os demais elementos são nulos.
• Bloco de Jordan de ordem 1: 𝜆 • Bloco de Jordan de ordem 3:
𝜆 0 0
𝜆 0 1 𝜆 0
• Bloco de Jordan de ordem 2:
1 𝜆 0 1 𝜆 27
(b) Seja 𝑇: 𝑉 → 𝑉 linear e 𝛽 uma base para 𝑉. Dizemos que 𝑇 𝛽 está na forma de Jordan
quando tem blocos de Jordan na “diagonal principal” e zeros no resto.

Por exemplo, as seguintes matrizes estão na forma de Jordan:

−3 0 0
0 2 0
0 1 2

2 0 0 0 0 0 0 0
1 2 0 0 0 0 0 0
0 0 2 0 0 0 0 0
0 0 0 2 0 0 0 0
0 0 0 0 4 0 0 0
0 0 0 0 0 3 0 0
0 0 0 0 0 1 3 0
0 0 0 0 0 0 1 3

28
Teorema (forma de Jordan): Seja 𝑇: 𝑉 → 𝑉 linear tal que
polinômio característico de 𝑇 = 𝑥 − 𝜆1 𝑛1 𝑥 − 𝜆2 𝑛2 ⋯ 𝑥 − 𝜆𝑘 𝑛𝑘
polinômio minimal de 𝑇 = 𝑥 − 𝜆1 𝑚1 𝑥 − 𝜆2 𝑚2 ⋯ 𝑥 − 𝜆𝑘 𝑚𝑘
em que 𝜆1 , 𝜆2 , … , 𝜆𝑘 são os autovalores distintos de 𝑇 , e 𝑛1 , … , 𝑛𝑘 , 𝑚1 , … , 𝑚𝑘 ∈ ℕ com
𝑚1 ≤ 𝑛1 , … , 𝑚𝑘 ≤ 𝑛𝑘 . Então, existe uma base 𝛽 para 𝑉 tal que 𝑇 𝛽 está na forma de Jordan.
Os blocos de Jordan que compõem a diagonal principal de 𝑇 𝛽 têm a forma:

𝜆𝑖
1 𝜆𝑖 0
𝐽𝑖𝑗 =
⋱ ⋱
0 1 𝜆𝑖

com 𝑖 = 1, … , 𝑘. Mais ainda, os blocos 𝐽𝑖𝑗 correspondentes a 𝜆𝑖 , satisfazem:

• O tamanho do primeiro bloco 𝐽𝑖𝑗 é 𝑚𝑖 × 𝑚𝑖 , todos os demais blocos 𝐽𝑖𝑗 são de ordem menor ou
igual a 𝑚𝑖 .
• A soma das ordens dos blocos 𝐽𝑖𝑗 é igual a 𝑛𝑖 .
• O número de blocos 𝐽𝑖𝑗 é igual à multiplicidade geométrica de 𝜆𝑖 = dim 𝑉𝜆𝑖 .
29
Exemplo: Seja 𝑇: 𝑉 → 𝑉 um operador linear cujos polinômios característico e minimal são dados
por
𝑝 𝑥 = 𝑥 − 2 3 𝑥 + 7 2 e 𝑚 𝑥 = 𝑥 − 2 2 (𝑥 + 7).
Determine a forma de Jordan de 𝑇.

30
Exercício: Quais são as formas de Jordan possíveis para 𝑇, se seu polinômio característico é
4 2
𝑝 𝑥 = 𝑥+2 𝑥−1 ?

31
Aplicação da Diagonalização: Potências de uma matriz
Definição: Seja 𝐴 uma matriz de ordem 𝑛 . Dizemos que 𝐴 é diagonalizável quando o
operador linear associado a 𝐴 for diagonalizável.

O teorema a seguir nos dá uma definição equivalente:

Teorema: Seja 𝐴 uma matriz de ordem 𝑛. Então, 𝐴 é diagonalizável se, e somente se, existem
matrizes
𝜆1 0 0 0
0 𝜆2 0 0
𝑃 = 𝑣1 𝑣2 ⋯ 𝑣𝑛 e 𝐷 =
0 0 ⋱ 0
0 0 0 𝜆𝑛
tais que
𝐷 = 𝑃−1 𝐴𝑃,

sendo 𝑣1 , 𝑣2 , … , 𝑣𝑛 autovetores l.i. de 𝐴 associados aos autovalores 𝜆1 , 𝜆2 , … , 𝜆𝑛 , respectivamente.

32
Potências de uma matriz
Definição: Seja 𝐴 uma matriz de ordem 𝑛. Definimos as potências de 𝐴 por
𝐴2 = 𝐴𝐴, 𝐴3 = 𝐴𝐴𝐴, … , 𝐴𝑘 = 𝐴𝑘−1 𝐴.
Em geral, o cálculo de 𝐴𝑘 é trabalhoso, principalmente se 𝑘 for um número grande.
Vejamos que, se 𝐴 for uma matriz diagonalizável, então o cálculo de 𝐴𝑘 se torna mais fácil.
De fato:
Se 𝐴 é diagonalizável, então existe uma matriz invertível 𝑃 tal que 𝑃−1 𝐴𝑃 = 𝐷, sendo
𝜆1 0 0 0
0 𝜆2 0 0
𝐷=
0 0 ⋱ 0
0 0 0 𝜆𝑛
a matriz diagonal dos autovalores de 𝐴.
𝜆12 0 0 0 𝜆1𝑘 0 0 0
Para a matriz 𝐷, temos que: 𝐷2 = 0 𝜆22 0 0 , … , 𝐷𝑘 = 0 𝜆𝑘2 0 0 .
0 0 ⋱ 0 0 0 ⋱ 0
0 0 0 𝜆2𝑛 0 0 0 𝜆𝑘𝑛
33
Como 𝑃−1 𝐴𝑃 = 𝐷, então a matriz 𝐴 é dada por 𝐴 = 𝑃𝐷𝑃−1 .
Nessas condições, pode-se mostrar que

𝐴𝑘 = 𝑃𝐷𝑘 𝑃−1 .

1 −1
Exemplo: Seja 𝐴 = . Determine:
−4 1

(a) Matrizes 𝑃 e 𝐷 tais que 𝐴 = 𝑃𝐷𝑃−1 .


(b) 𝐴𝑘

34