Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
x
1
2
x
2
...
r
x
r
0
n
implica
1
2
...
r
0.
Por absurdo admita que o resultado falhava para r 1, isto que existiriam numeros
1
,
2
, ...,
r
,
r1
, no todos nulos, tais que
1
x
1
2
x
2
...
r
x
r
r1
x
r1
0
n
. Claro
que teremos obrigatriamente
r1
0 pois de outro modo estariamos a violar a hiptese
de induo. Calculemos agora o efeito da transformao linear T sobre a igualdade anterior.
Vir
1
T(x
1
)
2
T(x
2
) ...
r
T(x
r
)
r1
T(x
r1
) 0
n
e, como x
1
, x
2
, ..., x
r
, x
r1
so
vectores prprios de T associados aos valores prprios
1
,
2
, ...,
r
,
r1
, teremos
1
x
1
2
2
x
2
...
r
r
x
r
r1
r1
x
r1
0
n
. Usando agora a expresso de
r1
x
r1
tirada da primeira igualdade,
r1
x
r1
1
x
1
2
x
2
...
r
x
r
, e substituindo-a na
igualdade anterior viria
1
(
1
r1
)x
1
2
(
2
r1
)x
2
...
r
(
r
r1
)x
r
0
n
igualdade que, dada a
independncia linear de x
1
, x
2
, ..., x
r
, implicaria
1
(
1
r1
)
2
(
2
r1
) ...
r
(
r
r1
) 0. Note agora que, como os valores
prprios
1
,
2
, ...,
r
,
r1
so supostos ser todos distintos, estas ltimas igualdades
implicariam
1
2
...
r
0, o que em conjunto com
1
x
1
2
x
2
...
r
x
r
r1
x
r1
0
n
teria como consequncia
r1
0, uma
contradio. M
J vimos, na seco anterior, que uma transformao linear T :
n
n
1
x
1
na base x
1
, x
2
, ..., x
n
so |
1
, 0, ..., 0]
T
. Um raciocinio semelhante para T(x
2
), ..., T(x
n
)
mostraria que se tem
1
0 0
0
2
0
. . ` .
0 0
n
ou seja, que a matriz que representa T na base x
1
, x
2
, ..., x
n
uma matriz diagonal
cujos elementos diagonais so precisamente os valores prprios
1
,
2
, ...,
n
a que os n
vectores prprios independentes x
1
, x
2
, ..., x
n
esto associados.
Para provar a reciproca admita que existe uma base de
n
, formada pelos vectores
x
1
, x
2
, ..., x
n
, na qual T se representa por uma matriz diagonal . Reparando na configurao
da primeira coluna de concuir que, nesta base, T(x
1
) tem por coordenadas |
1
, 0, ..., 0]
T
,
ou seja que T(x
1
)
1
x
1
implicando isto que x
1
um vector prprio de T associado ao
valor prprio
1
. Um raciocinio semelhante para as outras colunas de concui a prova. M
O teorema anterior levanta a questo de saber em que condies uma transformao
linear T :
n
n
tem n vectores prprios linearmente independentes, ou seja, em que
condies existe uma base em que T representada por uma matriz diagonal. Antes de
avanarmos para esta questo vamos introduzir algum vocabulrio que ser til no que se
segue.
Definio 6.2.3- Uma matriz A, (n n), diz-se diagonalizvel se existe uma base de
n
na qual a transformao linear T :
n
n
que representada por A na base
cannica nessa outra base representada por uma matriz diagonal.
Definio 6.2.4- Chama-se multiplicidade algbrica de um valor prprio, , de uma
transformao linear T :
n
n
multiplicidade de como raiz do polinmio
caracteristico de T .
Este novo vocabulrio vai facilitar a resposta questo que introduzimos atrs:
Teorema 6.2.5- Seja A, (n n), uma matriz que representa a transformao linear
T :
n
n
na base cannica. A matriz A diagonalizvel se e s se a multiplicidade
algbrica de cada valor prprio de T igual sua multiplicidade geomtrica. Nestas
condies teremos a igualdade B
1
AB onde a matriz diagonal dos valores
prprios de T e B uma matriz cujas colunas so constituidas por n vectores prprios
independentes de T expressos na base cannica.
Prova: Sabemos que a valores prprios distintos correspondem vectores pprios
linearmente independentes. Se, para alm disso, os valores prprios de T tiverem
multiplicidades algbricas e geomtricas iguais ser sempre possvel arranjar uma base de
n
formada por vectores prprios de T. A equao de diagonalizao B
1
AB
simplesmente a traduo da modificao da matriz que representa T quando passamos da
base cannica para a base formada pelos n vectores prprios independentes de T. M
Terminamos esta seco com dois exemplos que ilustram um caso em que uma matriz
diagonalizvel e outro caso em que tal no ocorre.
Considere ento a matriz A
0 0 2
0 1 0
0 0 2
que representa uma transformao linear
T :
3
3
. Ser esta matriz diagonalizvel? Comeamos por calcular os valores
prprios de T utilizando a matriz A. O polinmio caracteristico
|A I
3
| det
0 2
0 1 0
0 0 2
(1 )(2 ) 0 cujas raizes so
1
0,
2
1,
3
2. Claro que, como estes valores prprios so todos distintos, temos a
garantia (pelo Teorema 6.2.1) que existem 3 vectores prprios independentes que formam
uma base de
3
. Vamos calcul-los com o intuito de verificar a equao de
diagonalizao B
1
AB.
Para
1
0 o sistema homognio vir:
0 0 2
0 1 0
0 0 2
x
y
z
0
0
0
cuja soluo y z 0, ou seja os vectores
associados so da forma
a
0
0
com a real arbitrrio.
Para
2
1 o sistema homognio vir:
1 0 2
0 0 0
0 0 1
x
y
z
0
0
0
cuja soluo x z 0, ou seja os vectores
associados so da forma
0
b
0
com b real arbitrrio.
Para
3
2 o sistema homognio vir:
2 0 2
0 1 0
0 0 0
x
y
z
0
0
0
cuja soluo y 0 e x z, ou seja os
vectores associados so da forma
c
0
c
com c real arbitrrio.
Uma matiz B cujas colunas formam uma base de vectores prprios ser, tomando por
exemplo a b c 1, B
1 0 1
0 1 0
0 0 1
e teremos B
1
1 0 1
0 1 0
0 0 1
.
Pode ento verificar que B
1
AB
1 0 1
0 1 0
0 0 1
0 0 2
0 1 0
0 0 2
1 0 1
0 1 0
0 0 1
0 0 0
0 1 0
0 0 2
a matriz diagonal dos valores prprios
1
0,
2
1,
3
2.
Vejamos agora outro exemplo em que as coisas no correm to bem.
Considere ento a matriz A
0 1 0
0 0 2
0 0 0
que representa uma transformao linear
T :
3
3
. Ser esta matriz diagonalizvel? Comeamos por calcular os valores
prprios de T utilizando a matriz A. O polinmio caracteristico
|A I
3
| det
1 0
0 2
0 0
()
3
0. Este polinmio tem uma raiz tripla
(multiplicidade algbrica igual a 3) em 0. Para que A fosse diagonalizvel o Teorema
6.2.5 diz-nos que a este valor prprio 0 deveria corresponder um sub-espao prprio
de dimenso (a multiplicidade geomtrica) igual tambm a 3.
Para ver se assim calculemos os vectores prprios que lhe esto associados.
Para 0 o sistema homognio vir:
0 1 0
0 0 2
0 0 0
x
y
z
0
0
0
cuja soluo y z 0, ou seja os vectores
associados so da forma
a
0
0
com a real arbitrrio. Isto corresponde ao eixo dos xx, um
sub-espao de dimenso 1! Portanto neste caso impossvel encontrar 3 vectores prprios
independentes que formem uma base de
3
e a matriz A no diagonalizvel.
Mais tarde estudaremos uma classe especial de matrizes para a qual isto no pode
ocorrer. Por agora vamos ver alguns factos importantes sobre valores prprios.
6.3 Factos sobre valores prprios
A partir de agora, por simplificao de linguagem, dada uma matriz A, (n n), vamos
falar dos valores prprios de A. Claro que o que queremos verdadeiramentete referir so os
valores prprios de uma transformao linear T :
n
n
que numa certa base
representada pela matriz A. Aqui a base em questo irrelevante pois sabemos que os
valores prprios de uma tranasformao linear no dependem da base escolhida para a
representar (Teorema 6.1.3). Vamos ento estudar alguns factos relevantes sobre os valores
prprios de uma matriz A, (n n).
Teorema 6.3.1- Se
1
,
2
, ...,
n
forem os valores prprios da matriz A, (n n), ento
teremos a igualdade |A|
1
2
...
n
,isto , o determinante de A o produto dos
seus valores prprios.
Prova: Os valores prprios de A so as raizes do polinmio caracteristico. sabido que
um polinmio de grau n em pode ser escrito (
1
) (
2
) .... (
n
) 0
onde
1
,
2
, ...,
n
so as suas raizes. Teremos ento a igualdade
|A I
n
| (
1
) (
2
) .... (
n
) 0. Fazendo 0 na primeira das
igualdades anteriores vem |A|
1
2
...
n
, o resultado pretendido. M
Teorema 6.3.2- Se um valor prprio da matriz A, (n n), ento
k
, para k
inteiro, um valor prprio de A
k
sempre que A
k
exista.
Prova: Se um valor prprio de A sabemos que Ax x. Multiplicando, esquerda,
ambos os membros desta igualdade por A vem A
2
x Ax
2
x o que mostra que
2
valor prprio de A
2
. Para k inteiro positivo a prova segue por induo. Com efeito se
k1
for valor prprio de A
k1
teremos A
k1
x
k1
x. Multiplicando agora, esquerda, agora
ambos os membros desta igualdade por A vem A
k
x
k1
Ax
k
x o que mostra que
k
valor prprio de A
k
. Para k inteiro negativo sabemos que se A
1
existe ento |A| 0 e que,
portanto (Teorema 6.3.1), nenhum dos valores prprios de A nulo. Este facto permite
deduzir de Ax x que A
1
x
1
x o que mostra que
1
valor prprio de A
1
. A prova,
para os outros valores de k negativos, segue por induo como anteriormente. M
Teorema 6.3.3- As matizes A e A
T
, ambas (n n), tm os mesmos valores prprios.
Prova: Basta notar que |A I
n
| |(A I
n
)
T
| |A
T
I
n
|. M
Teorema 6.3.4- Dadas duas matizes A e C, ambas (n n), os produtos AC e CA tm
os mesmos valores prprios.
Prova: .Suponha ento que valor prprio de AC. Isto significa que ACx x.
Multiplicando, esquerda, ambos os membros desta igualdade por C vem CACx Cx.
Chamando agora y Cx a igualdade anterior escreve-se CAy y o que mostra que
um valor prprio de CA como pretendiamos. Repare ainda que AC e CA no tm
(necessriamente) os mesmos vectores prprios. Com efeito se x vector prprio de AC
ento, do raciocinio anterior, inferimos que y Cx vector prprio de CA. M
6.4 Matrizes reais e simtricas
Vamos agora estudar o caso particular, que ser til no derradeiro captulo deste curso
elementar, dos valores e vectores prprios de matrizes reais e simtricas. Comeamos por
recordar os exemplos dados em 6.1: neles os vectores prprios associados a valores
prprios diferentes vinham mais do que linearmente independentes vinham mesmo
perpendiculares. Isto no uma coincidncia. Com efeito vale o seguinte
Teorema 6.4.1- Se a matriz A, (n n), for real e simtrica ento a valores prprios
distintos correspondem vectores prprios ortogonais.
Prova: Tomemos ento
1
2
dois valores prprios distintos e sejam u
1
um vector
prprio associado a
1
e u
2
outro vector prprio associado a
2
. Teremos ento Au
1
1
u
1
e Au
2
2
u
2
. Multiplicando, esquerda, a primeira igualdade por u
2
T
e a segunda por u
1
T
obteremos u
2
T
Au
1
1
u
2
T
u
1
e u
1
T
Au
2
2
u
1
T
u
2
. Repare primeiro que que tanto u
2
T
u
1
como
u
1
T
u
2
so o produto interno de u
1
por u
2
, ou seja que u
1
, u
2
u
2
T
u
1
u
1
T
u
2
. Sendo
assim as duas igualdades anteriores podem escrever-se u
2
T
Au
1
1
u
1
, u
2
e u
1
T
Au
2
2
u
1
, u
2
. Note agora que o primeiro membro da primeira igualdade (tal como o da
segunda!) uma matriz (1 1) e que, portanto, no se altera por transposio. Teremos
ento u
2
T
Au
1
(u
2
T
Au
1
)
T
u
1
T
A
T
u
2
u
1
T
Au
2
onde a ltima igualdade decorre da simetria
de A, ou seja, de se ter A
T
A. Fica assim estabelecido que as igualdades u
2
T
Au
1
1
u
1
, u
2
e u
1
T
Au
2
2
u
1
, u
2
tm os primeiros membros iguais e que, portanto, se
as subtrairmos membro a membro obteremos 0 (
1
2
) u
1
, u
2
. Ora, como
1
2
, esta igualdade implica 0 u
1
, u
2
, ou seja que u
1
e u
2
so ortogonais. M
Repare agora num facto que (por neste curso elementar estarmos sempre a trabalhar
com nmeros reais) se calhar lhe tinha passado despercebido at agora. Considere um
exemplo que j vimos no captulo anterior:
Seja uma transformao T de
2
em si prprio, T : x
2
T(x)
2
, em que o
transformado do vector x obtido rodando-o de 90
o
no sentido contrrio ao dos ponteiros
do relgio. Trata-se evidentemente de uma transformao linear que ilustrada na figura
abaixo onde os vectores e
1
e e
2
(a azul) representam a base cannica de
2
.
90
o
T(x)
x
e
1
e
2
-e
1
x
1
x
2
-x
2
x
1
Repare que T(e
1
) e
2
|0, 1]
T
e T(e
2
) e
1
|1, 0]
T
o que significa que a matriz
que reprenta T :
A T(e
1
) T(e
2
)
0 1
1 0
e portanto
T(
x
1
x
2
)
0 1
1 0
x
1
x
2
x
2
x
1
como se deprende da figura.
Se agora for calcular os seus valores prprios teremos o seguinte polinmio
caracteristico:
|A I
2
| det
1
1
2
1 0 de raizes complexas i.
Se em seguida calcular os vectores prprios associados vir:
Para i o sistema homognio :
i 1
1 i
x
1
x
2
0
0
cuja soluo x
2
ix
1
logo os vectores prprios
sero da forma
a
ia
com a real arbitrrio.
Para i o sistema homognio :
i 1
1 i
x
1
x
2
0
0
cuja soluo x
2
ix
1
logo os vectores prprios
sero da forma
a
ia
com a real arbitrrio.
Obtivemos assim valores e vectores prprios complexos! O que querer isto dizer?
Recorde que os vectores prprios de uma transformao linear so vectores que no se
alteram (a menos de uma multiplicao por uma constante) quando a transformao actua.
Mas a nossa transformao T : x
2
T(x)
2
tal que o transformado do vector x
obtido rodando-o de 90
o
e , portanto, em
2
nenhum vector (excepto a origem) fica
inalterado! Com efeito preciso passar para C
2
para obter os vectores prprios que
encontrmos atrs. Note ainda que a matriz desta transformao linear no simtrica. O
resultado seguinte mostra-nos que este fenmeno (a obteno de valores e vectores
prprios complexos) no possvel para as matrizes reais e simtricas que estamos a
estudar nesta seco.
Teorema 6.4.2- Se a matriz A, (n n), for real e simtrica ento todos os seus
valores prprios so reais.
Prova: Recorde que o conjugado de um nmero complexo a bi (a bi)
a bi.
Uma estratgia bvia para mostrar que um nmero complexo real provar que ele
coincide com o seu conjugado. esse o caminho que vamos seguir. O raciocnio muito
semelhante ao da prova do teorema anterior.
Considere ento um valor prprio de A, ou seja Au u, e tome os conjugados de
ambos oa membros obtendo Au
)
T
e a igualdade Au
por u
T
. Obteria as igualdades (u
)
T
Au (u
)
T
u e u
T
Au
u
T
u
. Repare primeiro
que que tanto (u
)
T
u como u
T
u
, ou seja que
u, u
(u
)
T
u u
T
u
)
T
Au u, u
e u
T
Au
u, u
(u
T
Au
)
T
(u
)
T
A
T
u (u
)
T
Au onde a ltima igualdade decorre da simetria de
A, ou seja, de se ter A
T
A. Fica assim estabelecido que as igualdades (u
)
T
Au
u, u
e u
T
Au
u, u
) u, u
j1
jn
u
j
u
j
j1
jn
(a
j
b
j
i)(a
j
b
j
i)
j1
jn
(a
j
2
b
j
2
) 0 ,a menos que u
fosse o vector nulo. Ento a igualdade 0 (
) u, u
implica que
, ou seja
implica que real. M
Para alm destas duas propriedades elementares as matrizes reais e simtricas, ao
contrrio do caso geral, so sempre diagonalizveis. Para conseguirmos compreender que
assim necessitamos de mais algumas ferramentas de trabalho. Comecemos com uma
definio.
Definio 6.4.3- Uma matriz Q, (n n), diz-se ortogonal se Q
1
Q
T
, isto se a
inversa igual transposta.
Vamos ver em mais detalhe o que esta definio significa. Uma primeira observao
mostra que se Q ortogonal Q
T
tambm o . Com efeito o teorema 2.2.9 diz-nos que
(Q
T
)
1
(Q
1
)
T
. Se Q ortogonal (Q
1
Q
T
) teremos as igualdades
(Q
T
)
1
(Q
1
)
T
(Q
T
)
T
o que mostra que a inversa de (Q
T
) igual sua transposta.
Vejamos agora uma segunda observao. Comece por reparar que Q
1
Q
T
1
y
1
2
y
2
...
k
y
k
0
n
tem uma soluo diferente de
1
2
...
k
0.
Usando o facto de se ter y
1
Qx
1
, y
2
Qx
2
, ..., y
k
Qx
k
a equao anterior poderia
escrever-se
1
Qx
1
2
Qx
2
...
k
Qx
k
0
n
e multiplicando, esquerda, esta igualdade
por Q
1
Q
T
viria
1
x
1
2
x
2
...
k
x
k
0
n
o que implicaria a dependncia linear dos
vectores x
1
, x
2
, ..., x
k
, um absurdo. M
Estamos agora equipados para ver que as matrizes reais e simtricas so sempre
diagonalizveis.
Teorema 6.4.5- Se A for uma matriz (n n) real e simtrica todos os seus valores
prprios tm as multiplicidades algbrica e geomtrica iguais, isto , as matrizes reais
e simtricas so sempre diagonalizveis.
Prova: A prova consiste em mostrar que uma matriz A, (n n), real e simtrica tem
sempre n vectores prprios independentes e que, portanto, sempre diagonalizvel. A
prova feita por induo em n. Para n 1 o resultado trivial. Admita ento que o
resultado verdadeiro para matrizes (n 1) (n 1).
Tomemos ento uma matriz A, (n n), real e simtrica e seja um valor prprio e u um
vector prprio a ele associado. Vamos tomar u com norma 1 o que sempre possvel.
Teremos ento Au u com ||u|| 1. Considere agora uma base ortonormada de
n
de
que u faa parte u, v
1
, ..., v
n1
e forme uma matriz Q que tem os vectores desta base por
colunas Q u | v
1
v
n1
. A matriz Q claramente ortogonal. Repare agora
que AQ Au | Av
1
Av
n1
u | Av
1
Av
n1
pois u um vector
prprio de A associado ao valor prprio . Forme agora a matriz Q
T
AQ . Vir:
Q
T
AQ
u
T
v
1
T
.
v
n1
T
u | Av
1
Av
n1
u
T
u | u
T
Av
1
u
T
Av
n1
|
v
1
T
u |
. | v
i
T
Av
j
v
n1
T
u |
Observe a primeira coluna desta matriz. O primeiro elemento u
T
u uma vez que
u
T
u ||u||
2
1. Os outros elementos desta coluna so todos nulos pois os vectores
u, v
1
, ..., v
n1
fazem parte de uma base ortonormada.
Os elementos do resto da primeira linha, u
T
Av
i
para i 1, ..., n 1, so tambm nulos.
Com efeito u
T
Av
i
uma matriz (1 1) que no se altera por transposio. Assim teremos
que u
T
Av
i
(u
T
Av
i )
T
v
i
T
A
T
u v
i
T
Au v
i
T
u 0 onde a terceira igualdade decorre da
simetria de A, a quarta de u ser um vector prprio de A associado a e a ltima do facto de
u e v
i
fazerem parte de uma base ortonormada.
Vamos agora ver que as outras linhas e colunas de contm uma matriz
(n 1) (n 1) real e simtrica. Esta matriz claramente real. Para verificar a semetria
repare que v
i
T
Av
j
uma matriz (1 1) que no se altera por transposio. Assim fcil
verificar que o elemento da linha i e coluna j que v
i
T
Av
j
(v
i
T
Av
j )
T
v
j
T
A
T
v
i
v
j
T
Av
i
(a
ltima igualdade decorre da simetria de A) vem igual ao elemento da linha j e coluna i.
Assim a matriz Q
T
AQ vir:
Q
T
AQ
| 0 0
|
0 |
. | B
0 |
onde B uma matriz (n 1) (n 1) real e simtrica que, por hiptese de induo,
tem n 1 vectores prprios w
1
, ..., w
n1
linearmente independentes associados a valores
prprios
1
, ...,
n1
.
Repare agora que os n 1 vectores de
n
0
w
1
, ...,
0
w
n1
, que so
claramente linearmente independentes, so vectores prprios de associados aos valores
prprios
1
, ...,
n1
. Com efeito temos, por exemplo,
w
1
Bw
1
1
w
1
1
0
w
1
.
Tome agora o vector de
n
1
0
n1
. Este vector, que claramente linearmente
independente dos n 1 vectores
0
w
1
, ...,
0
w
n1
, um vector prprio de
associado ao valor prprio . Com efeito temos
0
n1
B0
n1
1
0
n1
.
Ento concluimos que a matriz Q
T
AQ, com Q ortogonal, tem n vectores prprios
linearmente independentes. O teorema 6.4.4 assegura que o mesmo se passa com a matriz
A. M
Vamos agora especificar um procedimento que efectua a diagonalizao de uma matriz
A, (n n), real e simtrica.
Algoritmo 6.4.6- Diagonalizao de uma matriz A, (n n), real e simtrica.
(1) Calcule os valores prprios distintos de A,
1
, ...,
k
, de multiplicidades
algbricas
1
, ...,
k
. Temos
1
...
k
n.
(2) Determine para cada
i
, i 1, ..., k,
i
vectores prprios ortonormados u
1
i
, ..., u
i
i
,
ou seja, uma base ortonormada para o sub-espao prprio associado a
i
. Se
necessrio utilize o algoritmo de ortogonalizao de Gram-Schmidt (teorema 1.5.1).
(3) Forme a matriz ortogonal B que tem por colunas os vectores das bases
ortonormadas encontradas anteriormente, isto ,
B u
1
1
u
1
1
, , u
1
k
u
k
k
. Teremos ento a diagonalizao
B
1
AB, ou seja, dado que a matriz B ortogonal:
B
T
AB
onde a matriz diagonal dos valores prprios associados s colunas de B.
Terminamos esta seco com um exemplo ilustrando a aplicao deste procedimento.
Seja ento a matriz A
1 0 1
0 2 0
1 0 1
real e simtrica. Vamos diagonaliz-la.
Comeamos por calcular os valores prprios. O polinmio caracteristico
|A I
3
| det
1 0 1
0 2 0
1 0 1
0. Fazendo o desenvolvimento de Laplace do
determinante pela primeira linha da matriz vem
|A I
3
| (1 )
2
(2 ) (2 ) (2 )|(1 )
2
1] 0. Este polinmio tem uma
raiz simples (
1
1) em
1
0 e uma raiz dupla (
2
2) em
2
2. Portanto, na
linguagem do algoritmo 6.4.6, temos k 2 valores prprios distintos.
Em seguida vamos calcular os vectores prprios.
Para
1
0 o sistema homognio vem:
1 0 1
0 2 0
1 0 1
x
y
z
0
0
0
cuja soluo x z e y 0. Os vectores prprios
associados tm o formato
a
0
a
com a real arbitrrio. Trata-se de um sub-espao de
dimenso
1
1.
Para
2
2 o sistema homognio vem:
1 0 1
0 0 0
1 0 1
x
y
z
0
0
0
cuja soluo x z e y arbitrrio. Os vectores
prprios associados tm o formato
b
c
b
com b e c reais arbitrrios. Trata-se de um
sub-espao de dimenso
2
2 como previsto.
Repare que, como previsto pelo teorema 6.4.1, os vectores prprios associados a
1
0
so ortogonais ao vectores prprios associados a
2
2 .
Vamos agora encontrar bases ortonormadas para estes sub-espaos.
Para
1
0 a dimenso
1
1 e uma base ortonormada constituida pelo vector
u
1
1
1/ 2
0
1/ 2
.
Para
2
2 a dimenso
2
2 e uma base ortonormada constituida pelos vectores
u
1
2
0
1
0
e u
2
2
1/ 2
0
1/ 2
.
Note que aqui foi evidente encontrar uma base ortonormada. Se no fosse esse o caso a
partir de uma base qualquer construiriamos uma base ortonormada usando o algoritmo de
ortogonalizao de Gram-Schmidt.
Ento os 3 vectores u
1
1
1/ 2
0
1/ 2
, u
1
2
0
1
0
e u
2
2
1/ 2
0
1/ 2
formam
uma base ortonormada de
3
e podemos arrum-los numa matriz ortogonal
B u
1
1
u
1
2
u
2
2
1/ 2 0 1/ 2
0 1 0
1/ 2 0 1/ 2
. Sabemos agora que a matriz diagonal
dos valores prprios dada por B
T
AB ou seja:
B
T
AB
1/ 2 0 1/ 2
0 1 0
1/ 2 0 1/ 2
1 0 1
0 2 0
1 0 1
1/ 2 0 1/ 2
0 1 0
1/ 2 0 1/ 2
0 0 0
0 2 0
0 0 2