Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
det(B) = det(P-1).det(A).det(P)
1
det(B) = det( P).det(A).det(P)
1
det(B) = det(P) .det (A).det(P)
det(B) = det(A)
Teorema 2 : Duas matrizes são semelhantes se tiverem o mesmo autovalor.
1 1
PB (𝛾) = det(P) . det(P). det(A– I.𝛾) = det(P) . det(P). det(A– I.𝛾)
PB (𝛾) = PA (𝛾).
A única ressalva é que os autovectores sejam linearmente independentes (LI), pois P deve ser
inversível. Portanto, se os autovectores forem LI e a quantidade de autovectores for igual a
ordem da matriz A, então dizemos que A e diagonalizável.
Isto é : Uma matriz A é diagonizável (sob semelhança) se existe uma matriz não-singular P tal
que B = P-1.A. P é uma matriz diagonal, isto é se A é semelhnte a uma matriz diagonal B.
Teorema 3: Uma matriz quadrada A de ordem n é semelhnte a uma matriz diagonal B, se e
somente se A tem autovalores linearmente independentes.
1 0 0
Exemplos 1: Encontre a matriz que diagonaliza A = [2 0 0]
0 0 1
Resolução:
1a condição: Encontrar os autovectores mais para tal primeiro encontrar os autovalores.
Autovalores: det(A –K.I) = 0
1 0 0 1 0 0
Det[[2 0 0] – 𝐾. [0 1 0]] =0
0 0 1 0 0 1 0 0 0
1−𝑘 0 0 1−𝑘 0 0 1−𝑘 0
Det[ 2 −𝑘 0 ]= 0 logo det[ 2 −𝑘 0 2 −𝑘] = 0
0 0 1−𝑘 0 0 1−𝑘 0 0
-k(1-k)2 0 0
Logo –k(1-k)2 =0 ↔ k1 =0 ou k2 = 1 ou k3 = 1
Autovectores : (A-KI)v = 0
Caso 1 e 2 : k = 1
1−1 0 0 𝑥 0 0 0 0 𝑥 0 𝟎=𝟎 𝒛=𝒛
[ 2 −1 0 ] [ 𝑦 ] = [ 0] ↔ [ 2 −1 0] [𝑦 ] = [ 0 ] ↔ {𝟐𝒙 − 𝒚 = 𝟎 ↔ { 𝟐𝒙 = 𝒚
0 0 1−1 𝑧 0 0 0 0 𝑧 0 𝟎=𝟎 𝟎=𝟎
v = (x;2x;z) ↔v = x(1;2;0) + z(0;0;1) ↔v1 = x(1;2;0) e v2 = z(0;0;1)
Caso 3: k= 0
1−0 0 0 𝑥 0 1 0 0 𝑥 0 𝒙=𝟎 𝒙=𝟎
[ 2 −1 0 ] [𝑦]=[0] ↔ [2 0 0] [𝑦]=[0] ↔ { 𝟐𝒙 = 𝟎 ↔ { 𝟎 = 𝟎 ↔
0 0 1−0 𝑧 0 0 0 1 𝑧 0 𝒛=𝟎 𝒛=𝟎
v3= y(0;1;0)
2a condição: verificar se os autovectores são linearmente independentes.
𝜶𝟏 . 𝒗𝟏 + 𝜶𝟐 . 𝒗𝟐 + 𝜶𝟑 . 𝒗𝟑 = 𝟎 ↔ 𝜶𝟏 . (𝟏; 𝟐; 𝟎) + 𝜶𝟐 . (𝟎; 𝟎; 𝟏) + 𝜶𝟑 . (𝟎; 𝟏; 𝟎) = 𝟎
𝜶𝟏 = 𝟎 𝜶𝟏 = 𝟎
↔{ 𝟐. 𝜶𝟏 + 𝜶𝟑 = 𝟎 ↔ { 𝜶𝟑 = 𝟎 ↔N.B: como todas as constantes são iguais a zero então
𝜶𝟐 = 𝟎 𝜶𝟐 = 𝟎
os autovectores são linearmente independentes (LI), Contudo podemos montar a matriz.
1 0 0 1 0 0 1 0 0
𝑷 = [⟨𝒗𝟏 |𝒗𝟐 |𝒗𝟑 ⟩]. ↔ p = [2 0 1] ↔ p-1 =[2 0 1 0 1 0] ↔
0 1 0 0 1 0 0 0 1
1 0 0 1 0 0 1 0 0 1 0 0
[2 0 1 0 1 0] 𝑙2 = 𝑙2 − 2 𝑙1 [0 0 1 −2 1 0] 𝑙2 = 𝑙2 ↔ 𝑙3
0 1 0 0 0 1 0 1 0 0 0 1
1 0 0 1 0 0 1 0 0
[0 1 0 0 0 1] ↔ p = [ 0 0 1] -1
0 0 1 −2 1 0 −2 1 0
Verificação
1 0 0 1 0 0 1 0 0 1 0 0 1 0 0
B = P-1.A. P ↔ 𝑩 = [ 0 0 1]. [2 0 0] . [2 0 1] ↔ 𝑩 = [0 0 1] . [2 0 1]
−2 1 0 0 0 1 0 1 0 0 0 0 0 1 0
1 0 0
↔ B = [0 1 0] ↔ 𝑩 é 𝒎𝒂𝒕𝒊𝒛 𝒅𝒊𝒂𝒈𝒐𝒏𝒂𝒍 formada por autovalores de A
0 0 0
𝟏 𝟐
Exemplo 2: Seja A= [ ], Encontre a matriz que diagonaliza A.
𝟑 𝟐
Potencialização de Matrizes
A diagonalizacao de matrizes permite-nos calcular potências de matrizes. Sabendo que
B = P–1AP, ao multiplicarmos a matriz diagonal por ela mesma, teremos:
B・B= (P–1AP)・(P–1AP)
𝟎 𝟎
Exemplo 1: Calcule a matriz, A15 onde A= [ ]
𝟏 𝟏
Resolução
Ak = PBkP–1
A15 = PB15P–1 , então deve-se encontrar B e P.
Encontrando os autovalores:
Det(A-k.I) =0
𝟎 𝟎 𝟏 𝟎 −𝒌 𝟎
Det[[ ] −k. [ ]]=0 ↔ det[[ ]= 0 ↔ como é uma matriz triangular o
𝟏 𝟏 𝟎 𝟏 𝟏 𝟏−𝒌
determinante é igual ao produto dos valores da diagonal pricimpal ↔ -k(1-k)=0 ↔
𝒌𝟏 = 𝟎
{
𝒌𝟐 = 𝟏
Caso 1 : k1 = 1
(A-kI)v = 0
−𝒌 𝟎 𝒙 𝟎 −𝟏 𝟎 𝒙 𝟎 −𝒙 = 𝟎 𝒙=𝟎 𝒙=𝟎
[ ] [𝒚] = [ ] ↔ [ ] [𝒚] = [ ] ↔ { ↔{ ↔{ ↔ 𝒗𝟏 = (0;y)
𝟏 𝟏−𝒌 𝟎 𝟏 𝟎 𝟎 𝟎=𝟎 𝟎=𝟎 𝒚=𝒚
↔ 𝒗𝟏 = y(0;1)
Caso 1 : k2 = 0
−𝒌 𝟎 𝒙 𝟎 𝟎 𝟎 𝒙 𝟎 𝟎=𝟎 𝒙=𝒙
[ ] [𝒚] = [ ] ↔ [ ] [ 𝒚] = [ ] ↔ { ↔ {𝒚 = −𝒙 ↔ 𝒗𝟐 = (x;-x)
𝟏 𝟏−𝒌 𝟎 𝟏 𝟏 𝟎 𝒙+𝒚=𝟎
↔ 𝒗𝟐 = 𝒙(𝟏; −𝟏)
3o Verficar-se são LI: Como não são multiplos um do outro logo são LI.
4o Detrminar a matriz que diagonaliza A.
𝟎 𝟏 𝟏 𝟏
𝑷 = [⟨𝒗𝟏 |𝒗𝟐 |𝒗𝟑 |𝒗𝒏 ⟩]. ↔ P = [ ] ↔ p-1 = [ ]
𝟏 −𝟏 𝟏 𝟎
Neste subtema, vamos ver que se uma matriz A é simétrica, então ela é diagonalizavel, isto é,
existe uma matriz diagonal B e uma matriz invertível P tal que B= P-1AP. Alem disso, para
matrizes simetricas, existe uma matriz P tal que B= PtAP. Isto porque existe uma ortogonal P que
faz a diagonalização, ou seja, que tem a propriedade P-1=Pt (uma matriz que satisfaz essa
propriedade é chamada matiz ortogonal).
𝒛 = −𝒙
↔ { 𝒚 = 𝒚 ↔ 𝒗 = (−𝒛; 𝒚; 𝒛) ↔ 𝒗 = 𝒛(−𝟏; 𝟎; 𝟏) + 𝒚(𝟎; 𝟏; 𝟎) ↔ 𝒗𝟐 = 𝒛(−𝟏; 𝟎; 𝟏) 𝒆
𝒙 = −𝒛
𝒗𝟑 = 𝒚(𝟎; 𝟏; 𝟎)
Não será necessário utilizar o processo de ortogonalizaçãoo de Gram-Schmidt, pois os vectores já são
ortogonais, é necessário então apenas normalizá-los:
4o. Determinar as normas dos vectores.
1
𝑣 (1;0;1) (1;0;1) √2
𝑣1= ‖𝑣1 ‖ ↔ 𝑣1= ↔ 𝑣1= ↔ 𝑣1= ( 0 )
1 √12 +02 +12 √2 1
√2
−1
𝑣 (–1;0;1) (−1;0;1) √2
𝑣2= ‖𝑣2 ‖ ↔ 𝑣2= ↔ 𝑣2= ↔ 𝑣2= ( 0 )
2 √(−1)2 +02 +12 √2 1
√2
𝑣 (0;1;0) (0;1;0) 0
𝑣3= ‖𝑣3 ‖ ↔ 𝑣3= ↔ 𝑣2= ↔ 𝑣2= (1)
3 √02 +12 +02 √1 0
Definição
Demonstração
Se um operador linear T : 𝑅 𝑛 → 𝑅 𝑛 é diagonizável , então existe uma base C de 𝑅 𝑛 tal que
𝐶 𝐶 𝐵 𝐵
[T] é diagonal. Então existe uma matriz P tal que [T] = 𝑃 −1[T] 𝑃, ou seja, a matriz A=[T] é
𝐶 𝐶 𝐵 𝐵
diagonizável.
𝐵
Do mesmo modo, se a matriz A=[T] é diagonizável, em que B = {E1 , . . . , En }, então existe
𝐵
−1
uma matriz P tal que D=𝑃 A𝑃 é uma matriz diagonal.
Visto que nem todo operador T : 𝑅 𝑛 → 𝑅 𝑛 é diagonalizável, ou seja, nem sempre existe uma
𝐶
base C de 𝑅 𝑛 tal que a matriz [T] é diagonal. Entretanto, para várias aplicações é suficiente que
𝐶
𝐶
exista uma base C tal que a matriz [T] tenha uma forma bastante próxima de forma diagonal
𝐶
chamada forma canónica.
𝐽𝜆1 𝑂̅ … 𝑂̅
̅ … 𝑂̅
J= 𝑂 𝐽𝜆2
⋮ ⋮ ⋱ ⋮
[ 𝑂̅ 𝑂̅ … 𝐽𝜆𝑚 ]
Em que:
𝜆𝑗 0 … 0 0
1 𝜆𝑗 … 0 0
𝐽𝜆𝑗= ⋮ ⋮ ⋱ ⋮ ⋮
0 0 … 𝜆𝑗 0
[0 0 … 1 𝜆𝑗 ]
As matrizes
2 0 0 0 5 0 0 0 −4 0 0 0 7 0 0 0
1 2 0 0 1 5 0 0 1 −4 0 0 0 7 0 0
[ ], [ ], [ ]e[ ]
0 1 2 0 0 1 −3 0 0 1 −4 0 0 0 7 0
0 0 0 2 0 0 1 −3 0 0 1 −4 0 0 0 7
As matrizes estão na forma canónica de Jordan. A primeira é formada de dois blocos de Jordan,
o primeiro sendo 3 ×3 e o segundo 1 ×1. A segunda matriz é formada de dois blocos de Jordan 2
×2. A terceira, por somente um bloco e a última por 4 blocos 1 ´ ×1. A matriz
2 0 0 0
1 2 0 0
[ ]
0 1 2 0
0 0 1 −1
não está na forma canónica de Jordan. Pois como os elementos da diagonal não são iguais, ela
teria que ser formada por pelo menos dois blocos de Jordan e [−1]deveria ser um bloco de Jordan
1 ×1. Entretanto, a entrada imediatamente acima de −1 não é igual a 0.
Autoespaco Generalizado
𝜆𝑗 0 … 0 0
𝐽𝜆1 𝑂̅ … 𝑂̅ 1 𝜆𝑗 … 0 0
𝐶 ̅ … 𝑂̅ em que𝐽
[T] =𝐽 = 𝑂 𝐽𝜆2
𝜆𝑗= ⋮ ⋮ ⋱ ⋮ ⋮ 𝑚𝑗 𝑥 𝑚𝑗
𝐶 ⋮ ⋮ ⋱ ⋮ 0 0 … 𝜆𝑗 0
[ 𝑂̅ 𝑂̅ … 𝐽𝜆𝑘 ]
[0 0 … 1 𝜆𝑗 ]
Definição
Definição
O seguinte resultado é muito útil na determinação das possíveis formas canónicas de Jordan de
um operador.
Teorema
5 1 0
A= [−4 1 0]
−2 −1 3
O polinómio característico de T é dado por p(λ) = det(A −𝜆𝐼3 ) = −(𝜆 − 3)3.
Portanto, 𝑊3 = N(𝐴 − 3𝐼3 )2= 𝑅 3 . Assim existe uma matriz P invertível tal que
3 0 0
−1
𝑃 𝐴𝑃 = [1 3 0]
0 0 3
que está na forma canónica de Jordan, ou seja, a menos de ordenação dos blocos esta é a unica
forma canónica de jordan do operador T.
−1 −1 0 1 1 0 0 −1
0 0 −1 0 0 1 0 0
𝐴 − 3𝐼4 = [ ]é[ ],
0 1 −2 0 0 0 1 0
0 −1 0 0 0 0 0 0
0 −1 0 1 0 1 0 −1
0 1 −1 0 0 0 1 −1
𝐴 − 2𝐼4 = [ ]é[ ],
0 1 −1 0 0 0 0 0
0 −1 0 1 0 0 0 0
−1 −1
0 −2 1 1 0 1 2 2
0 0 0 0
(𝐴 − 2𝐼4 )2 = [ ]é 0 0 0 0
0 0 1 0 0 0 0 0
0 −2 1 1 [0 0 0 0]
Assim, 𝑊2 = N(𝑇 − 2𝐼 )2 = {(γ, α + β, 2β, 2α) | α, β, γ ∈ R}. Assim existe uma matriz P
tal que
3 0 0 0
0 2 0 0
𝑃−1 𝐴𝑃 = [ ],
0 1 2 0
0 0 0 2
que está na forma canónica de Jordan. E a menos da ordem dos blocos esta
é a única forma canónica de Jordan possível do operador T.
Polinómio Minimal
Visto que para saber se uma matriz de um operador é diagonizável é preciso achar uma base
que é um conjunto de autovectores LI, mais torna-se complicado achar essa base cada vez mais
que a dimensão do operador for maior dai iremos falar do polinómio minimal que irá nos ajudar
a dizer se a matriz de um operador é diagonalizável.
𝑝(𝐴) = 𝑎𝑛 𝐴𝑛 + ⋯ + 𝑎1 𝐴 + 𝑎0 𝐼
1 4
Exemplo: Sejam 𝑝(𝑥) = 𝑥 2 − 9 e A = [ ]. Calcule 𝑝(𝐴).
2 1
1 4 1 4 1 0 0 0
Solução:𝑝(𝐴) = 𝐴2 − 9𝐼 = [ ]× [ ]–9×[ ]= [ ]
2 1 2 1 0 1 0 0
m(x) = ( 𝑥 − 𝜆1 ) × ( 𝑥 − 𝜆2 ) … . ( 𝑥 − 𝜆𝑛 )
Assim podemos dizer que encontrar o polinómio minimal significa encontrar o polinómio
ᵦ
característico de menor grau que anula [𝑇]ᵦ onde ᵦ é uma base qualquer de V.
( 𝑥 − 𝜆1 ) × ( 𝑥 − 𝜆2 ) … . ( 𝑥 − 𝜆𝑛 ) anula a matriz de T.
Solucão:
3 0 −4 0
ᵦ
[𝑇]ᵦ = [0 3 5 0
]
0 0 −1 0
0 0 0 −1
ᵦ
Seu polinómio característico é 𝑝(𝜆) = det ([𝑇]ᵦ − 𝜆𝐼) = (3 − 𝜆)2 × (−1 − 𝜆)2.
𝑝4 (𝑥)= (x-3)(x+1)
Anexo
Referências Bibliográficas
ANTON, Howard; RORRES, Chris. Álgebra linear com aplicações. Porto Alegre: Bookman,
2001.
Howard Anton e Chris Rorres. Álgebra Linear com Aplicações. Bookman, São Paulo, 8a.
edição, 2000.
José L. Boldrini, Sueli I. R. Costa, Vera L. Figueiredo, e Henry G. Wetzler. .Álgebra Linear. Ed.
LAY, David. Algebra linear e suas aplicações. 2. ed. Rio de Janeiro: LTC, 2007.