Elementos de Álgebra Linear - Plácido Andrade

ELEMENTOS DE
ALGEBRA LINEAR
Placido Andrade
UFC
Centro de Ciencias
Departamento de Matem atica
23 de agosto de 2005
i
Em memoria de
Hugo Lourinho de Andrade
ii
PREF
ACIO
Este livro foi elaborado tendo como objetivo ser um texto para o segundo curso de
Algebra Linear oferecido aos alunos do Curso de Matematica da Universidade Federal

do Cear a.
Embora n ao seja imprescindvel e conveniente que o leitor j a tenha feito um curso
basico de

Algebra Linear ou que tenha conhecimentos de Geometria Analtica com
tratamento vetorial. A apresentacao feita em quatorze captulos e auto-suciente,
exceto na parte que trata de polin omios, entretanto, a maioria absoluta das proprie-
dades utilizadas sobre polin omios e do conhecimento dos estudantes desde o Ensino
Medio.
O conte udo principal do texto e o estudo de operadores lineares em espacos ve-
toriais de dimens ao nita enfatizando as representa coes matriciais. Os t opicos foram
elaborados de modo que permitem adapta coes a qualquer curso com carga h or aria
entre 60h e 90h semestrais. Os captulos 7, 12, 13 e 14 podem ser omitidos pois s ao
captulos de referencia. Dependendo do nvel da turma e da carga horaria semestral
os captulos 1,2 e 3 cariam como captulos de revis ao e leitura complementar.
Para maior clareza, os operadores normais s ao estudados separadamente, primeiro
em espa cos Euclidianos e posteriormente em espa cos unit arios. Ao longo do texto
intercalamos dezenas de exerccios, fatos simples que serao utilizados no corpo da
demonstra cao de uma proposi cao logo a seguir, cando ao criterio do expositor apre-
senta-los ou n ao.
Desejo agradecer aos colegas do Departamento de Matem atica da Universidade
Federal do Cear a pelas sugest oes oferecidas.
Fortaleza, 17 de agosto de 2005
Placido Francisco de Assis Andrade
Sumario
1 Espa cos vetoriais 1
1.1 Espa cos vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Subespa cos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Conjunto de geradores . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5 Dimensao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.6 Coordenadas de um vetor . . . . . . . . . . . . . . . . . . . . . . . . 18
1.7 Soma direta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Transforma coes lineares 24
2.1 Transforma coes lineares . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Espa co das transformacoes lineares . . . . . . . . . . . . . . . . . . . 28
2.3 Teorema do n ucleo e da imagem . . . . . . . . . . . . . . . . . . . . . 32
2.4 Isomorsmos lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.5 Matriz de uma transformacao linear . . . . . . . . . . . . . . . . . . . 39
2.6 Representa cao matricial . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.7 Representa cao de isomorsmo . . . . . . . . . . . . . . . . . . . . . . 45
2.8 Mudanca de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.9 Subespa cos invariantes . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3 Espa co dual 54
3.1 Funcionais lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.2 Base dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.3 Adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.4 Subespa co perpendicular . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.5 Teorema do posto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
iii
iv
4 Operadores e polin omios 66
4.1 Polin omio minimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.2 Polin omio caracterstico . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.3 Teorema de Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . . 72
4.4 Fatora cao do polin omio minimal . . . . . . . . . . . . . . . . . . . . . 75
4.5 Polin omio minimal de um vetor . . . . . . . . . . . . . . . . . . . . . 78
5 Decomposi cao primaria 80
5.1 Decomposi cao prim aria . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.2 Corol arios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.3 Subespa cos cclicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.4 Espa cos cclicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.5 Decomposi cao cclica . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.6 Apendice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6 Representacao de Jordan (A) 100
6.1 Autovalores e autovetores . . . . . . . . . . . . . . . . . . . . . . . . 101
6.2 Operadores diagonaliz aveis . . . . . . . . . . . . . . . . . . . . . . . . 104
6.3 Operadores nilpotentes . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.4 Decomposi cao cclica II . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.5 Representa cao de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.6 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
7 Representacao de Jordan (B) 120
7.1 Complexica cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
7.2 Espa co A- simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7.3 Decomposi cao cclica III . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.4 Decomposi cao cclica IV . . . . . . . . . . . . . . . . . . . . . . . . . 128
8 Espa cos Euclidianos 134
8.1 Produto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.2 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
8.3

Angulos entre vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
8.4 Espa cos Euclidianos . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8.5 Representa cao de um funcional . . . . . . . . . . . . . . . . . . . . . 144
8.6 Operador transposto . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
v
9 Operadores normais 151
9.1 Operadores normais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
9.2 Decomposi cao normal . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
9.3 Operadores simetricos . . . . . . . . . . . . . . . . . . . . . . . . . . 155
9.4 Decomposi cao cclica normal . . . . . . . . . . . . . . . . . . . . . . . 158
9.5 Representa cao de operadores normais . . . . . . . . . . . . . . . . . . 162
9.6 Representa cao matricial dos complexos . . . . . . . . . . . . . . . . . 164
9.7 Operadores antisimetricos . . . . . . . . . . . . . . . . . . . . . . . . 165
9.8 Operadores ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . 166
9.9 Espectro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
9.10 Operador que preserva a estrutura . . . . . . . . . . . . . . . . . . . . 171
9.11 Comparando estruturas Euclidianas . . . . . . . . . . . . . . . . . . . 174
9.12 Decomposi cao polar . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
9.13 Isometrias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
10 Espa cos unitarios 183
10.1 Espa cos unit arios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
10.2 O operador adjunto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
10.3 Operadores normais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
10.4 Operadores autoadjuntos . . . . . . . . . . . . . . . . . . . . . . . . . 189
10.5 Operadores unit arios . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
10.6 Decomposi cao polar . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
11 Formas bilineares 194
11.1 Formas bilineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
11.2 Representa cao matricial . . . . . . . . . . . . . . . . . . . . . . . . . 196
11.3 Propriedades da representa cao . . . . . . . . . . . . . . . . . . . . . . 198
11.4 Formas bilineares simetricas . . . . . . . . . . . . . . . . . . . . . . . 200
11.5 Bases g-ortonormais . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
11.6 Teorema do ndice . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
11.7 Formas bilineares antisimetricas . . . . . . . . . . . . . . . . . . . . . 209
12 Matrizes 213
12.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
12.2 Matrizes quadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
12.3 Matrizes normais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
vi
13 Determinantes 221
13.1 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
13.2 Deni cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
13.3 Existencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
13.4 Unicidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
13.5 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
13.6 Adjunta cl assica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
13.7 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
14 Estruturas algebricas 236
14.1 Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
14.2 Grupo de permuta coes . . . . . . . . . . . . . . . . . . . . . . . . . . 237
14.3 Aneis e corpos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
Captulo 1
Espacos vetoriais
Neste texto estudaremos duas no coes matem aticas: uma estrutura algebrica chamada
de espaco vetorial e uma outra chamada de transforma cao linear, ou seja, fun coes entre
espa cos vetoriais que possuem propriedades especcas. Os dois primeiros captulos
sao dedicados ao estudo desses conceitos, servindo como revisao de um curso b asico de
Algebra Linear. Iniciaremos denindo espa co vetorial, uma das estrutura que surge
naturalmente nas varias areas do conhecimento, merecendo, por isso, uma sistema-
tiza cao mais extensa.
1.1 Espa cos vetoriais
Um exemplo bem conhecido, por que n ao dizer?, um modelo bastante simples de
espa co vetorial e 1
2
, o conjunto de todos os pares ordenados (x
1
, x
2
) com x
i
1,
equipado com uma opera cao de adi cao de dois elementos e uma opera cao de multi-
plica cao de um elemento por um n umero real ,
(x
1
, x
2
) + (y
1
, y
2
) = (x
1
+ y
1
, x
2
+ y
2
),
(x
1
, x
2
) = (x
1
, x
2
).
A denicao de espa co vetorial, essencialmente, relaciona as propriedades algebricas
dessas operacoes, propriedades que ocorrem n ao apenas neste exemplo mas tambem
em in umeros outros, como veremos.
Deni cao 1.1.1 Um espa co vetorial consiste de
1. Um conjunto V cujos elementos s ao chamados de vetores;
1
2 CAP
ITULO 1. ESPAC OS VETORIAIS

2. Um corpo K cujos elementos s ao chamados de escalares;
3. Uma opera c ao chamada de adi cao de vetores em que cada par de vetores u, v V
e associado ao vetor u + v V , chamado de soma de u e v, satisfazendo os
seguintes axiomas:
(a) a adi c ao e comutativa, u + v = v + u;
(b) a adicao e associativa, (u + v) + w = u + (v + w);
(c) existe um unico elemento 0 tal que v + o = v para todo v V ;
(d) para cada vetor v V existe um unico vetor v V tal que v +(v) = o;
4. Uma opera cao chamada de multiplica cao por escalar em que um vetor v V e
um escalar K sao associados ao vetor v V , chamado de produto de v
por , satisfazendo os seguintes axiomas:
(a) 1v = v para todo v V ;
(b) a multiplicacao por escalar e associativa,
1
(
2
v) = (
1
2
)v;
(c) a multiplicac ao por escalar e distributiva em rela c ao à adicao de vetores,
(u + v) = u + v;
(d) a multiplicac ao por escalar e distributiva em rela cao ` a adicao de escalares,
(
1
+
2
)v =
1
v +
2
v.
Em resumo, diremos que o conjunto V e um espa co vetorial sobre o corpo K se
satisfaz as condicoes da denicao acima. Quando n ao for necessario particularizar
indicaremos por K tanto o corpo dos n umeros reais 1 quanto o corpo dos n umeros
complexos C e apenas estes dois corpos ser ao considerados. Se K = 1 diremos que V
e um espa co vetorial real e quando K = C chamaremos V de espa co vetorial complexo.
In umeras vezes omitiremos o corpo com o qual estamos trabalhando mas estar a claro
que o coment ario e verdadeiro independente do corpo considerado. Um espa co vetorial
V nao e vazio pois contem pelos menos o vetor 0 chamado de vetor nulo. Se V consiste
de um unico elemento, V sera chamado de espa co trivial e pela denicao segue que
V = o.
Exemplo 1.1.1 Listaremos alguns exemplos para ilustrar a deni cao.
1) Dado um n umero inteiro n 1 denotaremos por K
n
o conjunto de todas as
n-uplas, isto e, o conjunto de todas as sequencias de n termos u = (x
1
, x
2
, ..., x
n
)
1.1. ESPAC OS VETORIAIS 3
com x
i
K. Induzimos em K
n
uma estrutura de espaco vetorial sobre o corpo K do
seguinte modo: se u = (x
1
, x
2
, ..., x
n
), v = (y
1
, y
2
, ..., y
n
) K
n
e K, denimos a
adi cao de vetores e a multiplica cao de um vetor por um escalar, respectivamente, por
u + v = (x
1
+ y
1
, x
2
+ y
2
, ..., x
n
+ y
n
),
u = (x
1
, x
2
, ..., x
n
).
E facil vericar que as duas opera coes deninem uma estrutura de espa co vetorial
sobre K no conjunto K
n
. Neste espa co o vetor nulo e o elemento o = (0, 0, ..., 0) e
u = (x
1
, x
2
, ..., x
n
). Observamos que o corpo K e naturalmente identicado
com o espa co vetorial K
1
. Nao distinguiremos a 1-upla ordenada (x) do n umero x.
2) Seja K[t] o conjunto de todos os polin omios na vari avel t com coecientes no
corpo K. As usuais adi cao de polin omios e multiplica cao de um polin omio por um
escalar induzem em K[t] uma estrutura de espaco vetorial sobre K.
3) O exemplo do item 1. pode ser generalizado. O produto direto, ou produto
cartesiano, de espacos vetoriais V
1
, V
2
, ..., V
n
sobre o mesmo corpo K e o conjunto
denotado por
V = V
1
V
2
V
n
e constitudo por todas as n-uplas ordenadas u = (u
1
, u
2
, ..., u
n
) com u
i
V
i
. Do
mesmo modo podemos denir uma estrutura de espa co vetorial sobre o corpo K.
Dados os elementos u = (u
1
, u
2
, ..., u
n
), v = (v
1
, v
2
, ..., v
n
) V e um escalar K,
denimos a adi cao de dois vetores e a multiplica cao de um vetor por um escalar,
respectivamente, por
u + v = (u
1
+ v
1
, u
2
+ v
2
, ..., u
n
+ v
n
),
u = (u
1
, u
2
, ..., u
n
).
4) Sejam um conjunto n ao vazio e V um espa co vetorial sobre K. O conjunto
C(, V ) formado por todas as fun coes f : V adquire uma estrutura de espaco
vetorial sobre K da seguinte forma. Para f, g C(, V ) e K denimos
(f + g)() = f() + g(),
(f)() = f(w),
onde . Nesta estrutura o vetor nulo e a funcao identicamente nula, f() = 0
para todo , e f (1)f. Ao escrevermos as usuais opera coes de soma de
4 CAP

funcoes e multiplica cao de uma fun cao por um escalar estaremos nos referindo ` as
duas opera coes aqui denidas.
5) Uma matriz m n com entradas em K e uma sequencia de escalares a
ij
K
organizada na forma
N =
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
.
Quando for conveniente, resumiremos a nota cao em N = [a
ij
]. O primeiro ndice de
a
ij
indica a linha na qual a entrada encontra-se e o segundo ndice indica a coluna.
Induzimos uma estrutura de espa co vetorial no conjunto das matrizes m n com
entradas emK, conjunto este denotado por M(mn, K), denido a adi cao de matrizes
e a multiplica cao de uma matriz por um escalar, respectivamente, por
N + P = [a
ij
+ b
ij
],
N = [a
ij
],
em que N = [a
ij
], P = [b
ij
] M(mn, K) e K. O vetor nulo do espa co e a matriz
identicamente nula e N = [a
ij
]. Caso o leitor deseje maiores detalhes indicamos a
leitura do Captulo 12 sobre matrizes. 2
Exerccios propostos 1.1.1
1. Demonstre as seguintes armacoes sobre um espaco vetorial V.
(a) o = o para todo escalar K.
(b) v = o para algum escalar 0 ,= K v = o.
(c) v = (1)v para todo vetor v V .
(d) nv = v +v + +v
. .
n vezes
onde n e um inteiro.
2. Procure num livro de C alculo os teoremas que garantem a existencia de uma estrutura
de espaco vetorial real nos seguintes conjuntos equipados com as opera coes descritas
no item 4 do Exemplo 1.1.1.
(a) O conjunto C
0
([a, b], 1) formado por todas as fun coes contnuas f : [a, b] 1,
onde [a, b] 1 e um intervalo.
1.2. SUBESPAC OS 5
(b) O conjunto '([a, b], 1) constitudo por todas as fun coes f : [a, b] 1 que sao
Riemann integr aveis.
(c) O conjunto o(Z, 1) de todas sequencias reais (a
1
, a
2
, a
3
, ...) cuja serie

a
n
con-
verge (convergencia simples).
(d) O conjunto
1
(1) de todas as sequencias reais (a
1
, a
2
, a
3
, ...) cuja serie

[a
n
[
converge (convergencia absoluta).
3. Seja V um espaco vetorial complexo. Podemos denir uma outra estrutura de espa co
vetorial complexo em V da seguinte forma. A soma de vetores continua a mesma e a
multiplica cao de um vetor por um escalar C e dada pela regra v = v. Mostre
que essas operacoes denem uma nova estrutura de espa co vetorial complexo sobre o
mesmo conjunto V . O novo espa co e chamado de espaco vetorial conjugado.
1.2 Subespa cos
Destacamos um tipo especial de subconjunto de um espa co vetorial V sobre um corpo
K. Um subconjunto W V e um subespa co vetorial se W e nao vazio e um espa co
vetorial sobre K com respeito às opera coes de adi cao de vetores e multiplica cao de
um vetor por um escalar, ambas opera coes induzidas de V . Por comodidade, diremos
apenas que W e um subespa co de V . Quando W _ V diremos que o subespa co e
pr oprio. Subespaco trivial e o subespa co formado apenas pelo vetor nulo.
Exemplo 1.2.1 Apresentemos alguns exemplos.
1) O subconjunto W K
n
formado por todos os vetores v = (x
1
, x
2
, ..., x
n
) tais
que x
n
= 0 e um subespaco.
2) O subconjunto K
n
[t] K[t] formado pelos polinomios p(t) com grau p(t) n
e um subespaco. Por conven cao, o polin omio identicamente nulo tem grau e um
polin omio constante n ao nulo tem grau zero. Veja item 2 do Exemplo 1.1.1.
3) Fixado um vetor v
0
V , o conjunto W
vo
= v
o
; K e um subespaco.
4) Seja C(, V ) o conjunto construdo no item 4 do Exemplo 1.1.1. Fixado
0
,
o subconjunto C
0
(, V ) = f : V ; f(
0
) = 0 e um subespaco. 2
Demonstraremos a seguir um criterio de f acil aplica cao para determinarmos quando
um subconjunto e um subespaco de um espaco vetorial.
6 CAP

Proposicao 1.2.1 Um subconjunto n ao vazio W V e um subespa co se, e somente
se, para cada par de vetores u, v W e para cada escalar K, o vetor u+v W.
Demonstra cao Assuma que W e um subespaco de V .

E claro que se u, v sao vetores
de W e K, entao u+v W. Vejamos agora a suciencia. Mostremos inicialmente
que o vetor nulo pertence a W. Para isso, escolhamos qualquer vetor v em W e
escrevamos o vetor nulo como o = (1)v + v. Da hip otese segue que o W. Por
outro lado, v + o = v, para qualquer escalar K, de onde conclu mos que W e
fechado em rela cao ` a multiplica cao de um vetor por um escalar. Logo, o subconjunto
tambem contem todos os vetores v se v W. Finalmente, se u e v sao dois elementos
de W, ent ao u +v = u +1v W, mostrando que W e fechado em relacao ` a opera cao
de adicao de vetores. Os outros axiomas s ao v alidos pois j a s ao v alidos em V . 2
Exerccio 1.2.1 Prove que a interse cao de dois subespa cos e um subespaco. 2
Dentre os v arios metodos para construrmos subespacos vejamos um que ter a des-
dobramentos nas pr oximas se coes. Para isso, precisaremos da denicao de combina cao
linear, um conceito b asico para o nosso estudo.
Deni cao 1.2.1 Seja V um espaco vetorial sobre o corpo K. Diremos que o vetor
u V e uma combina cao linear dos vetores v
1
, v
2
, ..., v
n
V se existem escalares
x
1
, x
2
, ..., x
n
K tais que u = x
1
v
1
+ x
2
v
2
+ + x
n
v
n
.
Note que uma combina cao linear envolve apenas um n umero nito de vetores!
Proposicao 1.2.2 Seja um s ubconjunto n ao vazio do espa co vetorial V . O sub-
conjunto W V formado por todas as combina c oes lineares de vetores de e um
subespa co. Alem disto, W e o menor subespa co contendo .
Demonstra cao Com efeito, se u e v sao vetores de W, por deni cao, existem vetores
u
1
, u
2
, ..., u
m
, v
1
, v
2
, ..., v
n
W e escalares x
1
, x
2
, ..., x
m
, y
1
, y
2
, ..., y
n
K tais que
u = x
1
u
1
+x
2
u
2
+ +x
m
u
m
e v = y
1
v
1
+y
2
v
2
+ +y
n
v
n
. Agora, se K, entao
u + v = x
1
u
1
+ x
2
u
2
+ + x
m
u
m
+ y
1
v
1
+ y
2
v
2
+ + y
n
v
n
.
Desde que u + v e uma combina cao linear de vetores de temos mostrado que
u +v W. Pela proposi cao anterior segue que W e um subespaco de V . Por outro
lado, se W
0
e um outro subespa co que contem o conjunto e evidente que ele contem
todas as combina coes lineares de vetores de . Portanto, W W
0
, conclundo que W
e o menor subespa co contendo o conjunto . 2
1.2. SUBESPAC OS 7
1. Prove que a interse cao de uma famlia W
i
iI
de subespa cos de V e um subespaco.
2. Sejam W
1
e W
2
subespa cos de um espaco vetorial V . Verique quais das seguintes
arma coes sao verdadeiras. Justique sua resposta.
(a) W = W
1
W
2
e um subespaco de V .
(b) W = W
1
W
2
(c) W = w
1
+w
2
; w
i
W
i
3. Quais subconjuntos s ao subespa cos do 1
3
?
(a) W = (x, y, z); x y +z = 0.
(b) W = (x, y, z); x y +z = 1.
(c) W = (x, y, z); x y +z = 0 e x +y +z = 0.
(d) W = a(1, 1, 0) +b(0, 1, 1); a, b 1.
4. O vetor v = (1, 2, 3) pertence ao subespaco das combina coes lineares do conjunto
= (i, 1, 1), (1, 2 + 3i, 4) C
3
? E o vetor v = (2 +i, 5 + 3i, 9) pertence?
5. Sejam
1
e
2
dois conjuntos n ao vazios do espaco vetorial V.
(a) Mostre que se
1

2
ent ao o espaco das combina coes lineares de
1
esta contido
no espa co das combina coes lineares de
2
.
(b) Se os espacos das combinacoes lineares dos dois conjuntos s ao iguais, necessari-
amente os conjuntos sao iguais?
6. Dados
1
= (1, 1, 0), (0, 1, 1) e
2
= (1, 2, 1), (1, 0, 1), (3, 4, 1), subconjuntos do
1
3
, mostre que os espacos das combina coes lineares dos conjuntos sao iguais.
7. Se W
1
e W
2
sao subespa cos de V tais que W
1
W
2
e um subespaco, mostre que um
dos subespa cos contem o outro.
8. Consulte algum livro de C alculo e verique quais s ao os teoremas que validam as
seguintes armacoes. Veja Exerccios propostos 1.1.1 para as deni coes dos subespacos
envolvidos.
(a) O espa co das fun coes contnuas C
0
([a, b], 1) e um subespaco do espaco das
fun coes Riemann integraveis '([a, b], 1).
8 CAP

(b) O espa co das sequencias que convergem absolutamente
1
(1) e um subespaco
do espa co das sequencias que convergem simplesmente o(Z, 1).
9. Seja W um subespa co do espaco vetorial V sobre K. Dena a seguinte rela cao entre
vetores de V : u v (mod W) u v W.
(a) Verique que e uma rela cao de equivalencia (simetrica, reexiva e transitiva).
(b) Denote por u a classe de equivalencia que contem u V e por V/W o conjunto
formado por todas as classes. Dena as operacoes em V/W:
u +v = u +v e u = u,
onde e um escalar em K. Mostre que as opera coes denem uma estrura de
espaco vetorial sobre K no conjunto V/W. Com essa estrutura, V/W e chamado
de espaco quociente.
1.3 Conjunto de geradores
Tendo em vista a Proposi cao 1.2.2 da se cao anterior na qual foi contrudo o menor
subespaco contendo todas as combina coes lineares de um conjunto de vetores, esta-
beleceremos agora um conceito baseado naquela ideia.
Diremos que um conjunto de vetores W e um conjunto de geradores de
um subespa co W V , se todo vetor de W pode ser escrito como uma combina cao
linear de vetores de . Em outras palavras, dado um vetor w W existem vetores
v
1
, v
2
, ..., v
n
e escalares x
1
, x
2
, ..., x
n
K tais que w = x
1
v
1
+ x
2
v
2
+ + x
n
v
n
.
Por simplicidade, diremos que W e gerado por ou que os vetores de geram W.
Questionar sobre a existencia de um conjunto de geradores para um espa co vetorial
nao tem consequencias das mais proveitosas pois a resposta e sim, basta considerar
= V . Uma quest ao mais relevante e examinar a existencia de um conjunto de
geradores satisfazendo determinadas propriedades, como ser nito ou n ao, enumeravel,
etc.

E nesta direcao que caminharemos.
Deni cao 1.3.1 Seja V um espaco vetorial sobre o corpo K. Diremos que o conjunto
V e linearmente dependente se existem distintos vetores v
1
, v
2
, ..., v
n
e existem
escalares n ao todos nulos x
1
, x
2
, ..., x
n
K tais que o = x
1
v
1
+ x
2
v
2
+ + x
n
v
n
.
Um subconjunto V que nao e linearmente dependente sera dito linearmente
independente. A ultima denicao merece alguns coment arios, pois o conceito nela
contido e capital para a compreens ao da estrutura de espaco vetorial.
1.3. CONJUNTO DE GERADORES 9
1. O conjunto vazio = e linearmente independente por vacuidade. Nao
podemos exibir vetores distintos de .
2. Qualquer conjunto V contendo o vetor nulo e linearmente dependente pois
e possvel formar a combina cao linear o = x
1
o com um escalar n ao nulo x
1
K.
3. O conjunto V e linearmente independente se para toda colecao de distintos
vetores v
1
, v
2
, ..., v
n
a combina cao linear o = x
1
v
1
+x
2
v
2
+ +x
n
v
n
implicar
que x
1
= x
2
= = x
n
= 0. Esta arma cao ser a bastante utilizada!
Por abuso de linguagem e comum referir-se aos elementos de um conjunto dizendo
que os seus vetores sao linearmente independentes (ou linearmente dependentes se for
o caso) em lugar de aplicar o conceito ao conjunto.
Exemplo 1.3.1 O conjunto de vetores = u, v, w, onde u = (1, 0, 0), v = (1, 1, 0)
e w = (1, 1, 1), e linearmente independente pois a combina cao linear
(0, 0, 0) = x
1
u + x
2
v + x
3
w = (x
1
+ x
2
+ x
3
, x
2
+ x
3
, x
3
),
implica que 0 = x
1
= x
2
= x
3
. 2
Exerccio 1.3.1 Mostre as seguintes arma coes sobre um espa co vetorial V .
(a) Sejam W V um subespa co e W um conjunto linearmente independente.
Se v
0
/ W entao o conjunto v
0
e linearmente independente.
(b) Seja um conjunto de geradores de V . Se v
0
e uma combina cao linear de
outros vetores de entao e linearmente dependente e o conjunto
1
obtido de por
supressao de v
0
ainda e um conjunto de geradores de V .
(c) Um subconjunto de um conjunto linearmente independente e linearmente in-
dependente.
(d) Se V admite um subconjunto linearmente dependente ent ao e linearmente
dependente. 2
Finalizaremos esta se cao com a deni cao de base de um espaco vetorial.
Deni cao 1.3.2 Uma base de um espaco vetorial V e um conjunto de geradores
linearmente independente.
10 CAP

A base can onica de K
n
e o conjunto de vetores = e
1
, e
2
, ..., e
n
em que
e
1
= (1, 0, ..., 0), e
2
= (0, 1, ..., 0), ..., e
n
= (0, 0, ..., 1).
De fato e uma base. A combina cao linear
(0, 0, 0) = x
1
e
1
+ x
2
e
2
+ + x
n
e
n
= (x
1
, x
2
, ..., x
n
),
implica que x
1
= x
2
= = x
n
= 0, mostrando a independencia linear de . Por
outro lado, um vetor v = (x
1
, x
2
, ..., x
n
) K
n
e escrito como uma combina cao linear
dos vetores da base na forma v = x
1
e
1
+ x
2
e
2
+ + x
n
e
n
. Isto signica que e um
conjunto de geradores.
Observe que um espa co trivial tem um conjunto de geradores mas n ao admite uma
base.
1. Quais subconjuntos s ao linearmente independentes?
(a) = (1, 0, 1), (0, 1, 1) 1
3
. (b) = (1, 1, 1), (i, i, i) C
3
.
(c) = (1, 0, 1) 1
3
. (d) = (1, 0, 1), (0, 1, 1), (1, 1, 2) 1
3
.
2. Seja V um espaco vetorial sobre o corpo K. Demonstre as armacoes.
(a) Se u, v V sao linearmente dependentes ent ao um e m ultiplo do outro.
(b) Se e um conjunto de geradores de V e K e um escalar nao nulo, ent ao o
conjunto = v; v e tambem um conjunto de geradores.
(c) Se W
1
e W
2
sao subespa cos de V tais que W
1
W
2
= 0 entao quaisquer dois
vetores nao nulos v
1
W
1
e v
2
W
2
sao linearmente independentes.
(d) Se V e linearmente independente ent ao e uma base para o espaco de suas
combina coes lineares.
3. O conjunto de polin omios = t
n
n0
e uma base para o espa co vetorial dos po-
lin omios K[t]. Mostre essa armacao.
4. Denote por C
1
(1, 1) o espaco vetorial de todas fun coes f : 1 1 cujas derivadas
sao contnuas. Mostre que as fun coes g
1
(t) = cos t e g
2
(t) = sent sao linearmente
independentes. Quais os resultados de An alise que garantem a existencia de uma
estrutra de espa co vetorial em C
1
(1, 1)?
5. Utilize desenvolvimento de Taylor para mostrar que = (t 1)
n
n0
e uma base do
espaco dos polin omios K[t].
1.4. BASE 11
1.4 Base
Neste ponto, a Teoria de espacos vetoriais bifurca-se em duas linhas de estudos: se o
espa co admite ou n ao admite um conjunto nito de geradores. Aqui nos restringiremos
ao exame do primeiro caso, isto e, aos chamados espa cos vetoriais de dimens ao nita.
Espa cos vetoriais de dimens ao innita merecem um estudo em separado pois, em
geral, os espa cos mais interessantes sao aqueles que tambem est ao equipados com
uma estrutura topol ogica. Para iniciarmos o estudo e conveniente introduzir alguma
terminologia apropriada.
Uma sequencia nita num espa co vetorial V e uma aplica cao s : 1, 2, ..., n V .
Como e usual, escreveremos v
i
para designar o termo s(i) e indicaremos a sequencia
por s = (v
1
, v
2
, ..., v
n
). N ao devemos confundir a sequencia com o conjunto formado
pelos vetores na imagem de s. Observe que quando uma sequencia de n vetores tem
repeticoes o conjunto imagem da sequencia possui um n umero menor de vetores.
Seja V um conjunto nito com n elementos, n > 0. Ordenar o conjunto e
escolher uma funcao injetiva (e sobrejetiva) s : 1, 2, ..., n . Observe que neste
caso o conjunto imagem de s tem n elementos. Feito isto, indicamos o conjunto por
= v
1
, v
2
, ..., v
n
chamando-o de conjunto ordenado.
Seja
i
k
i=1
uma famlia de subconjuntos nitos de V dois a dois disjuntos. Uma
uniao ordenada desses conjuntos e um conjunto ordenado construdo do seguinte
modo: primeiro ordenamos os elementos de
1
, em seguida ordenamos os elementos
de
1
2
, respeitando-se a ordem de
1
, depois ordenamos
1
3
respeitando-se
a ordem de
1

2
, etc. Denotaremos uma uni ao ordenada por =

i
.
Quando os conjuntos j a est ao ordenados a uni ao ordenada e construda com os
mesmos procedimentos e respeitando-se a ordem de cada
i
. Fixado estas nota coes,
demonstraremos uma propriedade de um conjunto linearmente dependente que ser a
utilizada no estudo de geradores de um espa co vetorial.
Lema 1.4.1 Suponha que = v
1
, v
2
, ..., v
n
e um conjunto ordenado de vetores n ao
nulos do espa co vetorial V . As seguintes arma c oes sao equivalentes.
a) O conjunto e linearmente dependente.
b) Existe um vetor v
i
que e uma combina cao linear dos vetores v
1
, v
2
, ..., v
i1
.
Demonstra cao a) b) Como os vetores v
1
, v
2
, ..., v
n
sao n ao nulos e linearmente
dependentes, existe um menor inteiro i, 2 i n, tal que v
1
, v
2
, ..., v
i
sao linearmente
12 CAP

dependentes. Considere escalares n ao todos nulos x
1
, x
2
, ..., x
i
K satisfazendo a
equa cao o = x
1
v
1
+x
2
v
2
+ +x
i
v
i
. Necessariamente teremos o coeciente x
i
,= 0, caso
contr ario os i 1 primeiros elementos seriam linearmente dependentes contrariando
a denicao de i. Sendo assim, teremos
v
i
=
x
1
x
i
v
1
+ +
x
i1
x
i
v
i1
,
conclundo a demonstra cao da implica cao.
b) a). Se algum vetor v
i
e uma combina cao linear dos i 1 primeiros vetores,
isto e, v
i
= x
1
v
1
+ + x
i1
v
i1
, obrigatoriamente existe algum coeciente x
j
,= 0
com 1 j i 1, caso contrario v
i
= o, contrariando a hip otese de n ao conter o
vetor nulo. Isto implica que o subconjunto v
1
, ..., v
i
e linearmente dependente
e por conseguinte conclumos que e linearmente dependente. 2
O pr oximo resultado sobre espa cos vetoriais admitindo um conjunto nito de ge-
radores compara numerica e conceitualmente as nocoes de conjunto linearmente in-
dependente, base e conjunto de geradores. Utilizaremos o smbolo para indicar o
n umero cardinal de um conjunto.
Teorema 1.4.1 (Teorema da troca de Steinitz) Seja V um espaco vetorial n ao
trivial sobre o corpo K. Suponha que V e um conjunto linearmente independente
e que V e um conjunto nito de geradores. Ent ao existe um subconjunto
tal que a uniao = e uma base de V . Alem disto, valem as desigualdades
.
Demonstra cao A demonstra cao ser a feita em duas etapas. Sem perda de generali-
dade, podemos assumir que o conjunto de geradores nao contem o vetor nulo pois
se o teorema e verdadeiro para o conjunto de geradores
0
obtido por supressao
do vetor nulo, ele e tambem verdadeiro para .
Antes de tudo ordenemos o conjunto de geradores = v
1
, v
2
, ..., v
n
. Por clareza,
vamos supor que contenha pelo menos um elemento, caso ele seja vazio iremos
diretamente ` a Segunda etapa da demonstra cao.
Primeira etapa. Escolhido um elemento u
1
considere a uni ao ordenada
1
= u
1
v
1
, v
2
, ..., v
n
.
O conjunto
1
e um conjunto de geradores pois contem e e tambem linearmente
dependente desde que u
1
e uma combina cao linear de outros vetores com coecientes
1.4. BASE 13
nao todos nulos. Seja w o primeiro vetor de
1
que e uma combina cao linear de seus
antecessores.

E evidente que w nao pode ser u
1
, logo, w = v
j
1
para algum j
1
. O
conjunto
1
= u
1
v
1
, v
2
, ..., v
j
1
, ...v
n
e um conjunto de geradores (o sinal indica que o vetor foi suprimido). Veriquemos

esta arma cao. Um vetor v V e uma combina cao linear de v
1
, v
2
, ..., v
n
. Como v
j
1
e uma combina cao de u
1
, v
1
, v
2
, ..., v
j
1
1
, a substituicao de v
j
1
na combina cao linear
anterior por esta ultima, expressa v como uma combina cao linear dos vetores de
1
,
mostrando a arma cao.
Suponhamos que exista um outro elemento u
2
. Considere o conjunto ordenado
2
= u
1
, u
2
v
1
, v
2
, ..., v
j
1
, ...v
n
.
Por um lado, como
2
contem o conjunto de geradores
1
ele e tambem um conjunto de
geradores e, por outro lado,
2
e linearmente dependente pois u
2
e uma combina cao
linear dos outros vetores do conjunto. Novamente, seja w o primeiro vetor de
2
que e uma combina cao linear dos seus antecessores. Como u
1
, u
2
e linearmente
independente podemos armar que w = v
j
2
. Para aliviar a nota cao vamos assumir
que j
1
< j
2
embora esta exigencia nao tenha import ancia alguma na demonstra cao.
Examinemos o conjunto ordenado
2
= u
1
, u
2
v
1
, v
2
, ..., v
j
1
, ..., v
j
2
, ..., v
n
.
Pela repeticao do argumento anterior sobre combina coes lineares, mostramos que
2
e um conjunto de geradores.
Note que o processo garante que os vetores de nao ser ao suprimidos antes que
todos os vetores de estejam na lista, pois supor que > = n implica num
absurdo, isto e, implica que existe um vetor u
n+1
que e uma combina cao linear
dos vetores de
n
= u
1
, u
2
, ..., u
n
contrariando a hip otese de independencia linear
de . Portanto, m = e na m-esima etapa temos
m
= u
1
, ..., u
m
v
1
, ..., v
j
1
, ..., v
j
2
, ..., v
jm
, ..., v
n
.
Por constru cao,
m
e um conjunto de geradores e se for linearmente independente a
demonstra cao est a terminada, basta considerar
= onde = v
1
, ..., v
j
1
, ..., v
j
2
, ..., v
jm
, ..., v
n
.
14 CAP

Segunda etapa. Suponhamos que j a tenhamos acrescentado todos os elementos
de e que
m
e linearmente dependente. Seja w o primeiro vetor de
m
que e uma
combinacao linear dos antecessores. Pelos mesmos argumentos utilizados conclumos
que w = v
j
m+1
. Eliminando este vetor obtemos o conjunto ordenado
m+1
= u
1
, ..., u
m
v
1
, ..., v
j
1
, ..., v
j
2
, ..., v
j
m+1
, ..., v
n
que ainda e um conjunto de geradores. Continuando o processo iremos eliminando

elementos de enquanto tivermos um conjunto linearmente dependente. Sendo o
n umero de etapas nito em algum momento obteremos um conjunto de geradores
linearmente independente contendo todos os elementos de . A menos de uma conta-
gem de elementos dos conjuntos envolvidos a demonstra cao est a completa. 2
Fixaremos uma ideia que est a implcita no Teorema da troca de Steinitz. Diz-se
que um conjunto V pode ser estendido a uma base de V se existe uma base V
contendo .
1.5 Dimensao
Nesta secao estudaremos espa cos vetoriais que admitem um conjunto nito de gerado-
res, chamados mais apropriadamente de espa cos vetoriais de dimens ao nita. Como
veremos na sequencia, o Teorema 1.4.1 da troca permite associar a cada espa co um
inteiro positivo chamado de dimens ao do espa co.
Deni cao 1.5.1 Um espa co vetorial V sobre o corpo K e de dimens ao nita se V
admite uma base com um n umero nito de vetores.
Um espa co vetorial trivial n ao admite uma base, portanto, n ao satisfaz as condi coes
da deni cao acima. Ressaltamos que num enunciado no qual est a explicitado a ex-
pressao dimens ao nita os espa cos vetoriais triviais estar ao excludos das hip oteses.
Feita esta ressalva passemos ` as consequencias do Teorema da troca de Steinitz.
Corolario 1.5.1 Todas as bases de um espa co vetorial de dimens ao nita V tem o
mesmo n umero de vetores.
Demonstra cao Por deni cao, existe pelo menos uma base nita
1
de V . Consi-
deremos uma outra base
2
. Como
1
e um conjunto de geradores e
2
e linearmente
1.5. DIMENS
AO 15
independente, segue do Teorema da troca de Steinitz, 1.4.1, que
2

1
, signicando
que
2
e nito. Com o mesmo argumento segue que
1

2
. 2
Deni cao 1.5.2 A dimens ao de um espaco vetorial de dimens ao nita V e o n umero
de elementos de uma de suas bases.
O Corol ario anterior garante que a dimens ao de V est a bem denida. Indicaremos
por dim V a dimens ao de um espa co vetorial de dimens ao nita. Se V e trivial
eventualmente sera conveniente indicar o escalar zero por dim V .
O produto cartesiano K
n
tem dimensao n pois sua base canonica = e
1
, e
2
, ..., e
n
possui n elementos.
O espa co das matrizes m n com entradas no corpo K tem dimensao mn pois
o conjunto = E
1
1
, ..., E
j
i
, ..., E
n
m
M(m n, K) e uma base. Nesta nota cao E
j
i
e a matriz cuja entrada ij e igual a 1 e todas as outras entradas s ao iguais a zero.
Chamaremos de base can onica de M(mn, K).
Exerccio 1.5.1 Mostre que se um espa co vetorial V admite um conjunto nito de
geradores ent ao V tem dimensao nita. 2
Exerccio 1.5.2 Utilize o Teorema da troca de Steinitz para demonstrar as arma coes
abaixo sobre um subconjunto de um espa co vetorial de dimens ao nita V .
(a) Se > dim V entao e um conjunto linearmente dependente.
(b) Se < dim V entao nao e um conjunto de geradores.
(c) Se = dim V e e linearmente independente entao e uma base de V .
(d) Se = dim V e e um conjunto de geradores ent ao e uma base de V . 2
Como outra aplica cao do Teorema da troca de Steinitz examinaremos a rela cao
entre a dimensao de V e a dimens ao de seus subespa cos.
Corolario 1.5.2 Seja W um subespa co n ao trivial de um espa co vetorial de dimens ao
nita V sobre o corpo K. Entao W tem dimens ao nita e dim W dim V . Mais
ainda, dim W = dim V W = V .
16 CAP

Demonstra cao Denote por a classe formada por todos os subconjuntos de W
que sao linearmente independentes. Como W e um subespaco n ao trivial, e possvel
escolher um vetor n ao nulo v
0
W e formar o conjunto linearmente independente
= v
0
W. Isto mostra que a classe nao e constituda apenas pelo conjunto
vazio. Observe que um conjunto W que e linearmente independente em W e
linearmente independente em V , logo, pelo Teorema da troca de Steinitz, deve ter
no m aximo n elementos em que n = dim V . Escolhido
0
um conjunto com
o m aximo n umero de vetores possvel, mostremos que ele e uma base de W. Por
denicao de base, s o precisamos vericar que
0
e um conjunto de geradores. Seja W
0
o espa co das combina coes lineares de
0
.

E claro que W
0
W. Por absurdo, vamos
supor que W
0
_ W. Sendo assim, podemos escolher um vetor n ao nulo v
0
W com
v
0
/ W
0
e contruir o conjunto linearmente independente
0
v
0
. Isto contraria
a maximalidade de
0
, logo,
0
e uma base de W com no m aximo n elementos,
demostrando a desigualdade dim W dim V . Deixaremos aos cuidados do leitor
mostrar que dim W = dim V W = V . 2
1. Para cada item encontre uma base para o espaco das combina coes lineares de e
estenda-a a uma base do espaco
(a) = (1, 0, 1), (0, 1, 1) 1
3
. (b) = (1, 0, 1), (2, 1, 3), (0, 1, 1) 1
3
.
(c) = (1, 1, 1), (i, i, i) C
3
. (d) = (1, 0, 1), (0, 1, 1), (1, 1, 2) 1
3
.
2. Calcule as dimens oes dos subespacos W C
3
e de uma base para cada um.
(a) W = (x
1
, x
2
, x
2
); x
1
x
2
= 0.
(b) W = (x
1
, x
2
, x
2
); x
1
x
2
= 0, x
2
x
3
= 0
.
(c) W = a(1, 0, 1) +b(0, 1, 1) +c(1, 1, 0); a, b, c C.
3. Mostre as armacoes abaixo sobre um espaco vetorial V de dimens ao nita.
(a) Qualquer vetor n ao nulo de V e elemento de alguma base.
(b) Se V e um conjunto nito de geradores, ent ao existe uma base .
(c) Se V pode ser estendido a uma base entao e linearmente independente.
(d) Se V e linearmente independente, ent ao esta contido numa base.
4. Denimos a soma dos subespacos V
1
, V
2
, ..., V
k
de um espaco vetorial V como sendo o
subconjunto V
1
+V
2
+ +V
k
= v
1
+v
2
+ +v
k
; v
i
V
i
.
1.5. DIMENS
AO 17
(a) Demonstre que a soma de subespacos e um subespaco.
(b) Utilize o Teorema da troca de Steinitz para provar que se V tem dimensao nita
entao dim(V
1
+V
2
+ +V
k
) dim V
1
+ dim V
2
+ + dim V
k
.
5. Seja V um espaco vetorial sobre o corpo K. Denimos a diagonal do produto cartesiano
V V V como sendo o conjunto = (v, v, ..., v), v V .
(a) Prove que a diagonal do produto cartesiano e um subespaco.
(b) Se V tem dimensao n, qual a dimens ao de ?
6. Equipando um conjunto com uma estrutura de espa co vetorial, a dimens ao do novo
espaco depende do corpo considerado. Por exemplo, mostre que com as opera coes
algebricas usuais C
2
tem dimensao dois sobre C e tem dimensao quatro sobre 1.
7. O corpo dos n umeros reais e um espaco vetorial de dimens ao um sobre ele mesmo!
Quantos subespa cos proprios de 1 existem?
8. Todos os vetores de um subespa co pr oprio W _ R
2
sao m ultiplos de um mesmo vetor.
Demonstre este fato.
9. Sejam W um subespa co pr oprio n ao trivial de um espa co vetorial de dimens ao nita
V e W uma base de W. Prove que pode ser estendido a uma base de V e que
os vetores acrescentados nao pertencem ao subespaco W.
10. Mostre que o espaco dos polin omios K[t] n ao tem dimensao nita.
11. Dois subespa cos W
1
e W
2
de um espaco vetorial V sao transversais quando V =
W
1
+W
2
. Quando V tem dimensao nita e W
1
e W
2
sao transversais, vale a igualdade
dim W
1
+ dim W
2
= dim V + dim W
1
W
2
?
12. Considere o espa co das matrizes quadradas M(n, K). Responda com justicativas.
(a) Existe uma base de M(n, K) formada s o por elementos nao invertveis?
(b) Existe uma base de M(n, K) formada s o por elementos invertveis?
13. Um espaco de dimens ao nita pode ser uma uniao nita de subespa cos proprios?
14. Mostre que se V e um espaco vetorial de dimens ao n e W V e um subespaco de
dimens ao k, ent ao o espaco quociente V/W tem dimensao n k.
18 CAP

1.6 Coordenadas de um vetor
Dada uma base de um espa co vetorial V de dimens ao n, sera sempre vantajoso
considerar uma ordem em que passar a a ser chamada de base ordenada. Com esta
providencia podemos falar em i-esimo elemento da base ou em i-esima coordenada
do vetor relativo ` a , terminologia que passaremos a explicar. Vamos assumir que
tenhamos ordenado aquela base, digamos = v
1
, v
2
, ...v
n
. Como sabemos, dado um
vetor v V existem escalares x
1
, x
2
, ..., x
n
K tais que v = x
1
v
1
+x
2
v
2
+ +x
n
v
n
.
Um fato importante e a unicidade dos coecientes desta combina cao linear. Suponha
que escrevamos o mesmo vetor como v = y
1
v
1
+y
2
v
2
+ +y
n
v
n
. Por subtra cao das
duas combina coes lineares obtemos
o = (x
1
y
1
)v
1
+ (x
2
y
2
)v
2
+ + (x
n
y
n
)v
n
.
A independencia linear da base implica nas igualdades x
1
= y
2
, x
2
= y
2
,. . .,x
n
= y
n
.
Devido a esta propriedade diremos que os unicos escalares x
1
, x
2
, ..., x
n
K tais que
v = x
1
v
1
+ x
2
v
2
+ + x
n
v
n
sao as coordenadas do vetor v na base ordenada =
v
1
, v
2
, ...v
n
. Por motivos que ser ao explicitados no pr oximo captulo e conveniente
organizar a sequencia de escalares na matriz
[v]
=
_
_
x
1
x
2
.
.
.
x
n
_
_
e referir-se a [v]
como sendo a matriz das coordenadas do vetor v na base ordenada

. Observe que a matriz depende da base e da ordem da base!
Exemplo 1.6.1 Vejamos exemplos.
1. O vetor v = (x
1
, x
2
, ..., x
n
) K
n
e escrito na base canonica = e
1
, e
2
, ..., e
n
como v = x
1
e
1
+ x
2
e
2
+ + x
n
e
n
. Por deni cao, a matriz de v na base ordenada
e a matriz n 1
[v]
=
_
_
x
1
x
2
.
.
.
x
n
_
_
.
2. O conjunto ordenado = u
1
, u
2
em que u
1
= (1, 1) e u
2
= (3, 2) e uma base
ordenada do 1
2
. Como o vetor v = (2, 8) e a combina cao linear v = 4(1, 1)+2(3, 2),
1.7. SOMA DIRETA 19
a matriz das coordenadas de v na base ordenada e
[v]
=
_
4
2
_
.
Se trocarmos a ordem da base , a matriz de v na nova base ordenada ser a uma matriz
obtida por permuta cao das estradas da matriz [v]
. 2
Ja conhecemos varios espa cos vetoriais que possuem uma base e no desdobramento
do texto tomaremos conhecimento de outros exemplos. Portanto, podemos desenvol-
ver a teoria sem o risco de estarmos falando do vazio, trabalhando com objetos que n ao
existem. Nossa situa cao e mais confort avel, todo espa co vetorial nao trivial admite
uma base. A demonstra cao deste resultado pode ser vistas em S. Lang [10].
1. De as matrizes das coordenadas dos vetores v = (1 2, 2) e e
2
= (0, 1, 0) 1
3
(a) na base can onica 1
3
;
(b) na base = (1, 0, 0), (1, 1, 0), (1, 1, 1) 1
3
;
(c) na base = (3, 4, 4), (8, 7, 8), (10, 10, 11) 1
3
.
2. Assuma que = v
1
, v
2
, ..., v
n
V e um conjunto de geradores linearmente de-
pendente que n ao contem o vetor nulo. Exiba o vetor nulo como duas combina coes
lineares distintas dos vetores de .
1.7 Soma direta
Denimos a soma dos subespa cos V
1
, V
2
, ..., V
k
de um espa co vetorial V por
V
1
+ V
2
+ + V
k
= v
1
+ v
2
+ + v
k
; v
i
V
i
.
A soma de subespa cos e um subespaco contendo cada V
i
e quando todos s ao de
dimensao nita e do Teorema da troca de Steinitz, 1.4.1, segue a desigualdade
dim(V
1
+ V
2
+ + V
k
) dim V
1
+ dim V
2
+ + dim V
k
.
Diremos que a soma W = V
1
+ V
2
+ + V
k
e uma soma direta quando cada vetor
v W e escrito de modo unico como w = v
1
+v
2
+ +v
k
com v
i
V
i
. Indicaremos
uma soma direta por W = V
1
V
2
V
k
.
20 CAP

Exemplo 1.7.1 O conceito de soma direta ser a importante no nosso estudo.
1. Para construir uma soma direta de um espa co vetorial de dimens ao nita V na
qual um dado subespa co V
1
e uma das parcelas, V = V
1
V
2
, e suciente escolher
uma base ordenada
1
= v
1
, v
2
, ..., v
k
de V
1
, estende-la à uma base ordenada =
v
1
, v
2
, ..., v
k
, v
k+1
, ..., v
n
de V e considerar o subespa co V
2
gerado pelos nk ultimos
vetores de . Desde que um vetor v V e escrito como
v = (x
1
v
1
+ + x
k
v
k
) + (x
k+1
v
k+1
+ + x
n
v
n
),
conclumos que V = V
1
+ V
2
. A soma direta segue da unicidade da combina cao.
2. Outras decomposi coes em soma direta podem ser construdas a partir da base
ordenada V . Por exemplo, V = V
1
V
n
, em que V
i
e o subespa co unidi-
mensional gerado pelo vetor v
i
.
3. Observamos que 1
3
= V
1
+ V
2
, em que V
1
= (x
1
, x
2
, x
3
); x
2
= 0 e V
2
=
(x
1
, x
2
, x
3
); x
3
= 0 pois qualquer vetor (x
1
, x
2
, x
3
) 1
3
e uma combina cao linear
da forma (x
1
, x
2
, x
3
) = (x
1
, 0, x
3
) + (0, x
2
, 0) com o primeiro vetor em V
1
e o segundo
vetor em V
2
. Entretanto esta soma n ao e direta desde que o mesmo vetor tambem
e escrito como (x
1
, x
2
, x
3
) = (0, 0, x
3
) + (x
1
, x
2
, 0) com o primeiro vetor em V
1
e o
segundo vetor em V
2
. 2
Existem varios criterios que detetam quando uma soma de subespa cos e uma
soma direta. A utiliza cao de um ou outro e mais ou menos conveniente dependendo
da circunst ancia.
Proposicao 1.7.1 Sejam V
1
, V
2
..., V
k
, k 2, subespacos de um espaco vetorial de
dimens ao nita V tais que V = V
1
+ +V
k
. As seguintes arma coes sao equivalentes.
a) V = V
1
V
2
V
k
.
b) V
i
V
1
+ + V
i1
= 0 para todo i, 2 i k.
c) Se
i
e uma base de V
i
, 1 i k, entao a uni ao =
i
e uma base de V .
d) dim V = dim V
1
+ dim V
2
+ + dim V
k
.
Demonstra cao a) b) Um vetor v na interse cao V
i
V
1
+ + V
i1
pode ser
escrito como as combina coes lineares
v = v
1
+ + v
i1
, v
j
V
j
, 1 j i 1
v = 0 + + 0 + v
..
V
i
+ + 0.
1.7. SOMA DIRETA 21
Por unicidade da expressao segue que v
1
= = v
i1
= 0, implicando que v = 0.
b) c) Seja
i
= v
i1
, v
i2
, ..., v
ik
i
uma base ordenada de V
i
.

E claro que a
uniao ordenada =

i
e um conjunto ordenado de geradores para o subespa co
V = V
1
+ V
2
+ + V
k
. Precisamos mostrar que e linearmente independente. Por
absurdo, suponha que e linearmente dependente. Sendo assim, escolha i
0
, o menor
inteiro para o qual a base
i
0
contem um vetor v
i
0
j
0
que e uma combina cao linear dos
seus antecessores em
1

i
0
. Note que o fato de
1
ser uma base de V
1
,
garante que i
0
2. Pela escolha feita, e possvel expressar uma combinacao linear
para v
i
0
j
0
na forma
v
i
0
j
0
=
j
0
1
n=1
a
i
0
n
v
i
0
n
. .
V
i
0
+ +
i
0
1
j=1
k
j
n=1
a
jn
v
jn
. .
V
i
0
1
.
Isto signica que o vetor v V ,
v = v
i
0
j
0

j
0
1
n=1
a
i
0
n
v
i
0
n
. .
V
i
0
=
k
1
n=1
a
1n
v
1n
. .
V
1
+
k
2
n=1
a
2n
v
2n
. .
V
2
+ +
k
i
0
1
n=1
a
i
0
1,n
v
i
0
1,n
. .
V
i
0
1
,
pertence à interse cao V
i
0
V
1
+ + V
i
0
1
= 0, de onde conclumos que
v
i
0
j
0
=
j
0
1
n=1
a
i
0
n
v
i
0
n
.
Logo, existe um vetor nao nulo na base
i
0
= v
i
0
1
, v
i
0
2
, ..., v
i
0
k
i
0
que e uma com-
bina cao linear dos outros vetores desta base, evidentemente uma contradi cao. Da
segue que e linearmente independente, como desejavamos demonstrar.
c) d) Seja
i
uma base de V
i
. Por hip otese a uni ao =
i
e uma base de V ,
garantindo que
i
j
= para i ,= j. Como os conjuntos s ao dois a dois disjuntos,
contando os elementos da uni ao temos
dim V = =
k
i=1
i
=
k
i=1
dim V
i
.
d) a) Se
i
e uma base de V
i
.

E claro que a uni ao =
i
e um conjunto
de geradores de V = V
1
+ V
2
+ + V
k
, Pelo Teorema 1.4.1 da troca sabemos que
22 CAP

dim V . Pela hip otese segue a desigualdade
dim V =
k
i=1
dim V
i
=
k
i=1
i
.
Potanto = dim V . Sendo um conjunto de geradores com a cardinalidade igual
a dimens ao de V , garantimos que e uma base de V . Finalmente, como cada vetor
v V e escrito de maneira unica na forma
v =
n1
a
1n
v
1n
. .
V
1
+
n1
a
2n
v
2n
. .
V
2
+ +
n1
a
kn
v
kn
. .
V
k
,
obtemos a decomposi cao em soma direta V = V
1
V
2
V
k
. 2
1. Verique que 1
2
=V
1
+V
2
e determine quais s ao uma soma direta.
(a) V
1
= (x
1
, x
2
, x
3
); x
1
+x
2
+x
3
= 0 e V
2
= (x
1
, x
2
, x
3
); x
1
= x
2
.
(b) V
1
= (x
1
, x
2
, x
3
); x
1
+x
2
= 0 e V
2
= (x
1
, x
2
, x
3
); x
1
= x
2
e x
1
= x
3
.
2. Sejam V
1
e V
2
subespa cos do espaco vetorial de dimens ao nita V .
(a) Demonstre ou de contraexemplo para a arma cao: se existem bases
1
e
2
de V
1
e V
2
, respectivamente, tais que =
1
2
e uma base de V , ent ao V = V
1
V
2
.
(b) Mostre que se V = V
1
+V
2
e V
1
V
2
= 0 ent ao V = V
1
V
2
.
(c) Assuma que V = V
1
V
2
. Prove que em cada classe do espaco quociente V/V
2
existe um unico vetor de V
1
.
3. Seja V = V
1
V
2
V
k
uma decomposi cao em soma direta do espco vetorial de
dimens ao nita V . Prove ou de contraexemplo para a arma cao: se W V e um
subespa co entao
W = (V
1
W) (V
2
W) (V
k
W).
4. Suponha que V
1
, V
2
, ..., V
k
sao subespa cos do espaco vetorial de dimens ao nita V tais
que V = V
1
V
2
V
k
. Mostre que V
i
V
2
= 0, para todo i, 1 i k. A
recproca e verdadeira?
1.7. SOMA DIRETA 23
5. Demonstre que M(n, K), o espaco das matrizes quadradas nn, decompoe-se em uma
soma direta M(n, K) = o /, na qual a primeira parcela e o subespaco das matrizes
simetricas e a outra parcela e o subespa co das matrizes anti-simetricas. Calcule a
dimens ao de cada parcela.
6. Demonstre que C
0
(1, 1), o espaco das fun coes contnuas da reta para a reta, de-
compoe-se em uma soma direta na qual uma das parcelas e o subespaco das funcoes
pares e a outra parcela e o subespaco das func oes mpares.
7. Assuma que um espaco vetorial de dimens ao nita V decompoe-se em V = W
1
W
2
e V = U
1
U
2
. Mostre que se W
i
U
i
ent ao W
1
= U
1
e W
2
= U
2
.
8. Sejam W
1
, W
2
, ..., W
r
subespa cos proprios de um espa co vetorial V de dimens ao n.
Suponha que dimW
i
= k < n para todo i = 1, 2, .., r. Prove que existe um subespa co
W de dimens ao n k tal que V = W W
i
para todo i.
Captulo 2
Transforma coes lineares
Apresentaremos nesse captulo o conceito de transforma cao linear, o outro objeto
principal de nosso estudo. Recordamos que os unicos corpos aqui considerados s ao
os corpos dos n umeros reais e o dos complexos. Os resultados e deni coes das duas
primeiras se coes desse captulo s ao v alidos para espa cos vetoriais de dimens ao nita
ou n ao.
2.1 Transformac oes lineares
Uma transforma cao linear e uma aplica cao A : V W, onde V e W sao espa cos
vetoriais sobre o mesmo corpo K, possundo as propriedades:
tl.1 A(v) = A(v),
tl.2 A(v + w) = A(v) + A(w),
para quaisquer vetores v, w V e qualquer escalar K. Ao longo deste texto
utilizaremos o termo aplica cao como sin onimo de funcao e car a subentendido
que ao dizermos que A e uma transformacao de V em W estaremos sempre supondo
que os dois conjuntos s ao espa cos vetoriais denidos sobre o mesmo corpo, isto evitar a
repeticoes enfadonhas. Uma transforma cao linear possui duas propriedades b asicas,
a saber, A(o) = o e A(v) = A(v) qualquer que seja v V . Para demonstr a-las,
basta considerar = 0 na propriedade tl.1 e w = v na propriedade tl.2. Finalmente,
uma transforma cao linear A : V V e tambem chamada de operador linear.
Exemplo 2.1.1 Apresentemos exemplos para ilustrar o conceito.
24
2.1. TRANSFORMAC

OES LINEARES 25
1) A aplicacao identidade Id : V V , Id(v) = v e uma transformacao linear.
Chamaremos de transforma cao linear identicamente nula de V em W a aplica cao
A(v) = o para todo v V .
2) N ao e difcil vericar que A : C
2
C
2
, A(x
1
, x
2
) = (x
1
, 3x
2
), e um operador
linear, isto e feito com os seguintes calculos que sao procedimentos padr oes. Considere
dois vetores v = (x
1
, x
2
) e w = (y
1
, y
2
) em C
2
e um escalar C. Calculemos
A(v + w) = A(x
1
+ y
1
, x
2
+ y
2
)
= (x
1
y
1
, 3x
2
+ 3y
2
)
= (x
1
, 3x
2
) + (y
1
, 3y
2
)
= A(v) + A(w),
A(v) = A(x
1
, x
2
)
= (x
1
, 3x
2
)
= (x
1
, 3x
2
)
= A(x
1
, x
2
).
3) Verique que A : 1
2
1
3
, A(x
1
, x
2
) = (x
1
+ x
2
, x
2
, x
1
+ x
2
), e uma trans-
forma cao linear.
4) Fixado
0
, um escalar do corpo sobre o qual o espa co vetorial V est a denido,
a aplica cao A : V V , A(v) =
0
v, e um operador linear chamado de homotetia.
5) Suponha que seja dada a decomposi cao do espa co vetorial V em uma soma
direta V = V
1
V
2
V
k
. A proje cao sobre V
i
ao longo das outras parcelas e a
aplica cao
i
: V V,
i
(v) = v
i
,
em que v = v
1
+v
2
+ +v
k
e a decomposi cao do vetor determinada pela soma direta.
A aplica cao e uma transformacao linear.
6) A derivada usual de uma fun cao diferenci avel induz um operador linear no
espa co dos polinomios D : K[t] K[t], D(p)(t) = p(t). 2
A cada transforma cao linear A : V W podemos associar dois conjuntos,
ImA = w W; A(v) = w prara algum v V ,
Nuc A = v V ; A(v) = 0.
O primeiro conjunto e chamado de imagem da transforma cao linear e o segundo de
n ucleo da transforma cao linear.
Exerccio 2.1.1 Mostre as arma coes.
26 CAP
ITULO 2. TRANSFORMAC

OES LINEARES
(a) O n ucleo e a imagem de uma transforma cao linear s ao subespa cos do domnio
e do contradomnio, respectivamente.
(b) A : V W e uma transformacao linear se, e somente se, A(v + w) =
A(v) + A(w) para quaisquer v, w V e K. 2
Registremos numa proposi cao dois fatos simples e de muita utilidade.
Proposicao 2.1.1 Seja A : V W uma transformac ao linear.
a) A e injetora Nuc A = o.
b) A e sobrejetora ImA = W.
Demonstra cao a) Suponha que A e injetora. Como A(o) = o, somente o vetor nulo,
e nenhum outro vetor, pode assumir o valor o W, mostrando que Nuc A = o.
Vamos supor que Nuc A = o. Sejam v, w V vetores tais que A(v) = A(w). Por
linearidade obtemos A(vw) = o. Como o n ucleo e trivial concluimos que vw = o,
isto e, v = w, mostrando a injetividade. A demonstra cao do item b) e trivial. 2
1. Verique quais das aplica coes sao transforma coes lineares.
(a) A : 1
2
1
2
, A(x, y) = (xy, y).
(b) A : 1
3
1,
2
A(x, y, z) = 3(x y, x + 2y +z).
(c) A : C
2
C
2
, A(z, w) = (i z +w, z 3w).
(d) A : C
3
C
2
, A(u, z, w) = (u 3z, u + 2z 3w).
2. Calcule uma base do n ucleo e uma base da imagem para cada uma das transformacoes
lineares encontradas no item anterior.
3. Determine escalares a, b, c, d tais que o operador linear A : 1
2
1
2
, A(x, y) =
(ax + by, cx + dy), tenha como imagem o subespa co W
1
= (x, y); x = y e como
n ucleo o subespa co W
2
= (x, y); 2x = y.
4. Seja A : V W uma transforma cao linear. Demonstre as seguintes armacoes.
(a) A imagem por A de um subespa co de V e um subespaco de W.
2.1. TRANSFORMAC

OES LINEARES 27
(b) Suponha que V
1
V e o espaco das combina coes lineares de V . Ent ao
o conjunto A(V
1
) = A(v); v V
1
e o espaco das combina coes lineares de
A() = A(v), v .
(c) Se W
1
W e um subespaco entao o conjunto A
1
(W
1
) = v V ; A(v) W
1
5. Assuma que V e um espaco vetorial sobre K. Mostre que toda transforma cao linear
A : K V e da forma A(x) = xv
0
, para algum v
0
V .
6. Escolhidos dois vetores distintos v
1
, v
2
V dena a aplica cao A : K
2
V , A(x
1
, x
2
) =
x
1
v
1
+x
2
v
2
.
(a) Verique que A e uma transforma cao linear.
(b) Demonstre que u e v sao linearmente independente a aplicacao e injetora.
(c) Suponha que u e v sao linearmente dependentes. De uma base para o n ucleo.
7. Considere a aplicacao : M(2 1, K) M(3 1, K), (N) = P
0
N, em que
P
0
=
_
_
2 2
1 0
0 3
_
_
.
Verique que e uma transforma cao linear. e injetora?

E sobrejetora?
8. Seja A : 1 1 um operador linear.
(a) Mostre que existe um n umero a
0
1 tal que A(x) = a
0
x para todo x 1.
(b) Suponha que A(2) = 3 e calcule A(3).
9. Dada uma transforma cao linear A : 1
2
1.
(a) Mostre que existem a, b 1 tais que A(x
1
, x
2
) = ax
1
+bx
2
.
(b) Assuma que A(1, 1) = 3 e A(1, 1) = 2. Calcule A(2, 3).
10. Prove as arma coes abaixo utilizando o Teorema da troca de Steinitz, 1.4.1.
(a) Uma transforma cao linear A : 1
2
1
3
, n ao pode ser sobrejetora.
(b) Uma transforma cao linear A : 1
3
1
2
, n ao pode ser injetora.
11. Dada uma transforma cao linear A : V W denimos o gr aco de A como sendo o
conjunto graf (A) = (v, A(v)); v V V W.
28 CAP

OES LINEARES
(a) Prove que graf (A) e um subespaco de V W.
(b) Calcule a dimens ao de graf (A) quando dimV = n.
12. Seja A : V V um operador linear. Mostre que
V = ImANuc A ImA Nuc A = 0.
13. Considere V = V
1
V
2
V
k
uma decomposi cao em soma direta do espaco vetorial
V . Seja
i
: V V a proje cao sobre V
i
ao longo dos outros fatores. Identique os
espacos Im
i
e Nuc
i
.
14. Uma involu cao em V e um operador linear o : V V tal que o
2
= Id. Mostre que
para esses operadores os conjuntos
W
+
= v V ; S(v) = v e W
= v V ; S(v) = v
sao subespa cos e que V = W
+
W
.
15. Seja W um subespa co de um espaco vetorial V . Prove que a proje cao quociente
: V V/W, (v) = v, e uma transforma cao linear sobrejetora.
16. Prove: uma aplicacao A : 1
m
1
n
tal que A(u + v) = A(u) + A(v) para todo
u, v 1
n
e uma transforma cao linear. Voce precisar a do conceito de continuidade.
2.2 Espa co das transforma c oes lineares
Tomaremos conhecimento agora de um novo espa co denotapor por L(V, W) e formado
por todas as transforma coes lineares A : V W. As usuais opera coes de soma de
funcoes e multiplica cao uma fun cao por um escalar de K, o corpo no qual as estruturas
de espacos vetoriais em V e W est ao denidas, induzem em L(V, W) uma estrutura
de espaco vetorial. Deixaremos como exerccio essa verica cao aconselhando ao leitor
rever o item 4 do Exemplo 1.1.1.
Uma outra opera cao envolvendo transforma coes lineares e a opera cao de com-
posi cao. Se A : V W e C : W Y sao duas transforma coes lineares podemos
construir uma outra transforma cao linear denotada por C A : V Y e chamada
de composta de C e A, denindo C A(v) = C(A(v)) para todo v V . Observamos
que o contradomnio de A deve ser o domnio de C e todos os espa cos envolvidos
est ao sobre o mesmo corpo K. Novamente, car a como exerccio a verica cao que a
composta e tambem uma transformacao linear.
2.2. ESPAC O DAS TRANSFORMAC

OES LINEARES 29
Exemplo 2.2.1 Considere as transforma coes lineares 1
3
A
1
2
C
1
2
denidas
por A(x
1
, x
2
, x
3
) = (x
2
, 2x
3
) e C(x
1
, x
2
) = (x
2
, x
1
x
2
). Calculemos a composta,
C A(x
1
, x
2
, x
3
) = C(A(x
1
, x
2
, x
3
)) = C(x
2
, 2x
3
) = (2x
3
, x
2
2x
3
).
Observe o domnio e o contradomnio da composta C A : 1
3
1
2
. 2
Enunciaremos varias propriedades algebricas da opera cao de composi cao.
Exerccio 2.2.1 Prove as seguintes armacoes.
(a) C (A+ B) = C A+ C B para quaisquer A, B L(V, W) e C L(W, Y ).
(b) (A+ B) C = A C + B C para quaisquer A, B L(W, Y ) e C L(V, W).
(c) A (B C) = (A B) C para quaisquer A L(Y, Z), B L(W, Y ) e C
L(V, W).
(d) A Id
V
= A para qualquer A L(V, W) em que Id
V
e a aplica cao identidade
de V . Da mesma forma Id
V
B = B para qualquer B L(W, V ). 2
Utilizamos a opera cao de composi cao para introduzir uma nova no cao. Uma trans-
forma cao linear A : V W e invertvel se existe uma aplica cao B : W V tal que
B A = Id
V
L(V, V ) e A B = Id
W
L(W, W).
Quando existe uma tal aplica cao diremos B e a inversa de A e denotaremos esta
aplica cao inversa por A
1
: W V . Da Teoria de conjuntos sabemos que uma fun cao
entre dois conjuntos e invertvel se, e somente se, a fun cao e sobrejetora e injetora.
Logo, podemos armar que uma transforma cao linear A : V W e invertvel
ImA = W e Nuc A = o, veja Proposi cao 2.1.1.
Exemplo 2.2.2 1) A aplica cao identidade de qualquer espa co e invertvel e a sua
inversa e ela pr opria.
2) A transforma cao linear A : K
2
K
2
, A(x
1
, x
2
) = (x
1
x
2
, x
2
) e invertvel e
tem como aplica cao inversa A
1
: K
2
K
2
, A
1
(u
1
, u
2
) = (u
1
+ u
2
, u
2
).
30 CAP

OES LINEARES
3) Apenas uma das condi coes exigidas na deni cao de uma transforma cao linear
invertvel n ao e suciente para garantir a invertibilidade da transforma cao. Compondo
as transforma coes
A : K
2
K
3
, A(x
1
, x
2
) = (x
1
, x
2
, 0),
B : K
3
K
2
, B(u
1
, u
2
, u
3
) = (u
1
, u
2
)
obtemos B A = Id L(K
2
, K
2
), entretanto A B ,= Id L(K
3
, K
3
). 2
Proposicao 2.2.1 Se A : V W e invertvel ent ao s o existe uma unica inversa
para A e esta inversa tambem e uma transforma cao linear.
Demonstra cao A unicidade segue da Teoria de conjuntos. Mostremos a linearidade
da inversa. Dados w
1
, w
2
W e K, como A e sobrejetora e possvel determinar
dois vetores v
1
, v
2
V tais que A(v
1
) = w
1
e A(v
2
) = w
2
. Sendo assim temos
A
1
(w
1
+ w
2
) = A
1
(A(v
1
) + A(v
2
))
= A
1
(A(v
1
+ v
2
))
= v
1
+ v
2
= A
1
(w
1
) + A
1
(w
2
).
Isso termina a demonstra cao. 2
Exerccio 2.2.2 Se A : V W e C : W Y sao duas transforma coes lineares
invertveis prove que a composta CA : V Y e uma transformacao linear invertvel
e que (C A)
1
= A
1
C
1
. 2
Exerccio 2.2.3 Considere V = V
1
V
2
V
k
uma decomposi cao em soma
direta do espa co vetorial V . Seja
i
i
ao longo das outras
parcelas. Verique as identidades funcionais:
(a)
i

i

i
;
(b)
i

j
0 se i ,= j;
(c) Id
V

1
+
2
+ +
k
.
2.2. ESPAC O DAS TRANSFORMAC

OES LINEARES 31
Reciprocamente, suponha que
i
: V V , i = 1, ..., k, e uma cole cao de trans-
forma coes lineares satisfazendo (a), (b) e (c), prove que existe uma decomposi cao de
V em soma direta com k parcelas tais que cada
i
e a proje cao sobre a parcela i ao
longo das outras parcelas. 2
Posteriormente, teremos oportunidade de utilizar o seguinte conceito envolvendo
aplica coes entre espacos vetoriais complexos.
Deni cao 2.2.1 Diremos que uma aplicacao A : V W entre espa cos vetoriais
complexos e uma transforma c ao quase linear quando satiszer as condi coes:
a) A(u) = A(u);
b) A(u + v) = A(u) + A(v), para quaisquer u, v V e C.
Estamos indicando o conjugado complexo sobrepondo uma barra ao escalar C.
Um exemplo de transformacao quase linear e a aplica cao
A : C
3
C
2
, A(z
1
, z
2
, z
3
) = (2z
3
, z
1
iz
2
).
1. Calcule, quando possvel, a composta A B e B A.
(a) A, B : 1
2
1
2
onde A(x, y) = (2x, y x) e B(x, y) = (x y, y, y).
(b) A : 1
2
1
3
, A(x, y) = (3y, y 2x, y x) e
B : 1
3
1
3
, B(x, y, z) = (x y, y, 2x).
(c) A, B : 1
2
1
2
onde A(x, y) = (2x, y x) e B(x, y) = (x y, y).
2. Suponha que uma transforma cao linear A : V W e injetora. Demonstre que se
= v
1
, v
2
, ..., v
k
V e um conjunto linearmente independente ent ao o conjunto
A() = A(v
1
), A(v
2
), ..., A(v
k
) W e linearmente independente.
3. Mostre que uma transforma cao linear A : 1
m
1
n
com m ,= n n ao e invertvel.
4. Suponha que o operador linear A : V V tenha uma inversa ` a esquerda, isto e,
suponha que exista B L(V, V ) tal que B A Id. Prove que A e invertvel.
5. Assuma que = v
1
, v
2
e uma base de V . Dena a aplica cao A : 1
2
V por
A(x, y) = xv
1
+yv
2
. Prove que A e invertvel.
32 CAP

OES LINEARES
6. Prove que o n ucleo e a imagem de uma transformacao quase linear sao subespa cos.
7. Seja A um operador linear num espa co vetorial V de dimens ao nita. Demonstre as
arma coes abaixo.
(a) V ImA ImA
2
ImA
3
.
(b) 0 Nuc A Nuc A
2
Nuc A
3

(c) Existe um inteiro r 1 tal que Nuc A
r+i
= Nuc A
r
e ImA
r+i
= ImA
r
para
todo inteiro i 0.
(d) V = ImA
r
Nuc A
r
, onde r e o inteiro determinado no item anterior.
2.3 Teorema do n ucleo e da imagem
Iniciaremos agora o estudo de transformacoes lineares entre espacos vetoriais de
dimensao nita. Antes de tudo mostraremos a existencia (e abund ancia) de tais
aplica coes. Uma propriedade relevante de uma transforma cao linear e que ela ca
determinada conhecendo-se os valores nos vetores de uma base do seu domnio. A de-
monstracao deste fato e construtiva e a tecnica de demonstra cao ser a utilizada outras
vezes. Essencialmente repetiremos o seguinte procedimento. Suponha que desejemos
construir uma transforma cao linear do 1
2
num espa co vetorial real V . Para isso,
escolhemos dois vetores v
1
, v
2
V e denimos A(x
1
, x
2
) = x
1
v
1
+ x
2
v
2
.
Proposicao 2.3.1 Sejam V e W dois espa cos vetoriais sobre o mesmo corpo K e =
v
1
, v
2
, ..., v
n
uma base ordenada de V . Dados vetores arbitr arios w
1
, w
2
, ..., w
n
W,
existe uma, e somente uma, transforma c ao linear A : V W tal que A(v
i
) = w
i
,
para todo i = 1, 2, ..., n.
Demonstra cao Primeiro, demonstremos a existencia construndo a transforma cao.
Dado um vetor v V , considere suas coordenadas na base ordenada , digamos que
estas coordenadas sejam x
1
, x
2
, ..., x
n
K. Recordamos que estas coordenadas s ao
os unicos escalares que satisfazem a combina cao linear v = x
1
v
1
+ x
2
v
2
+ + x
n
v
n
.
Escolhidos vetores w
1
, w
2
, ..., w
n
W, a aplica cao A : V W denida por
A(x
1
v
1
+ x
2
v
2
+ + x
n
v
n
) = x
1
w
1
+ x
2
w
2
+ + x
n
w
n
2.3. TEOREMA DO N
UCLEO E DA IMAGEM 33
e uma transformacao linear. Com efeito. Se u = y
1
v
1
+ y
2
v
2
+ + y
n
v
n
e K
ent ao
A(v + u) = A((x
1
+ y
1
)v
1
+ (x
2
+ y
2
)v
2
+ + (x
n
+ y
n
)v
n
)
= (x
1
+ y
1
)w
1
+ (x
2
+ y
2
)w
2
+ + (x
n
+ y
n
)w
n
= (x
1
w
1
+ x
2
w
2
+ + x
n
w
n
) + (y
1
w
1
+ y
2
w
2
+ + y
n
w
n
)
= A(v) + A(u).
Isso mostra que A e uma transformacao linear. Evidentemente, A(v
i
) = w
i
para todo
i = 1, ..., n, pois v
i
= 0v
1
+ + 1v
i
+ + 0v
n
. Feita a demonstra cao da existencia,
examinemos a unicidade. Suponha que B : V W seja uma transforma cao linear
satisfazendo a condi cao B(v
i
) = w
i
para i = 1, ..., n. Pela denicao de A e linearidade
das aplica coes temos as seguintes igualdades,
A(v) = A(x
1
v
1
+ x
2
v
2
+ + x
n
v
n
)
= x
1
w
1
+ x
2
w
2
+ + x
n
w
n
= x
1
B(v
1
) + x
2
B(v
2
) + + x
n
B(v
n
)
= B(x
1
v
1
+ x
2
v
2
+ + x
n
v
n
)
= B(v),
para todo v V . Portanto, A B. 2
Para um conhecimento mais profundo de transforma coes lineares em espa cos veto-
riais de dimensao nita precisaremos de um resultado b asico, conhecido como Teorema
do n ucleo e da imagem, do qual decorrem v arias conclusoes importantes.
Teorema 2.3.1 (Teorema do n ucleo e da imagem) Seja A : V W uma
transforma c ao linear. Se V tem dimens ao nita ent ao
dim V = dim Nuc A + dim ImA.
Demonstra cao Considere uma base ordenada = v
1
, ..., v
k
, v
k+1,
..., v
n
para V
na qual os k primeiros elementos formam uma base para o n ucleo de A. Iremos
mostrar que o conjunto de vetores = A(v
k+1
), A(v
k+2
), ..., A(v
n
) e uma base para
o subespa co ImA. Por deni cao, dado um vetor w ImA existe um vetor v V
tal que w = A(v). Escrevamos o vetor v como uma combina cao linear dos vetores da
34 CAP

OES LINEARES
base , v = x
1
v
1
+x
2
v
2
+ +x
n
v
n
. Levando-se em conta que os k primeiros vetores
de pertencem ao n ucleo de A, avaliemos,
w = A(v)
= A(x
1
v
1
+ x
2
v
2
+ + x
n
v
n
)
= x
k+1
A(v
k+1
) + x
k+2
A(v
k+2
) + + x
n
A(v
n
).
Da conclumos que e um conjunto de geradores para a imagem de A. Consideremos
agora a combina cao linear o = y
k+1
A(v
k+1
) + y
k+2
A(v
k+2
) + + y
n
A(v
n
) . Por
linearidade de A podemos reescrever esta ultima equa cao como
o = A(y
k+1
v
k+1
+ y
k+2
v
k+2
+ + y
n
v
n
).
Isto signica que o vetor y
k+1
v
k+1
+y
k+2
v
k+2
+ +y
n
v
n
Nuc A. Logo, este ultimo
vetor tambem e uma combina cao linear dos k primeiros vetores da base ordenada ,
pois tais vetores formam uma base para o n ucleo de A, isto e,
y
k+1
v
k+1
+ y
k+2
v
k+2
+ + y
n
v
n
= x
1
v
1
+ x
2
v
2
+ + x
k
v
ou equivalentemente,
x
1
v
1
+ x
2
v
2
+ + x
k
v
k
y
k+1
v
k+1
y
k+2
v
k+2
y
n
v
n
= o.
Como e linearmente independente, todos os coecientes desta combina cao linear
sao nulos, em particular, y
k+1
= y
k+2
= = y
n
= 0, mostrando que o conjunto e
linearmente independente. Sendo assim
dimV = n = k + (n k) = dimNuc A + dim ImA. 2
Exerccio 2.3.1 Seja A : V W e uma transformacao linear sobrejetora. Prove
que se V tem dimensao nita ent ao W tem dimensao nita e dimW dimV . 2
Finalizaremos esta se cao xando uma terminologia.
Deni cao 2.3.1 Seja A : V W uma transformacao linear entre espa cos vetoriais
de dimens ao nita. A dimens ao da imagem de A sera chamada de posto de A e a
dimens ao do n ucleo de A sera chamada de nulidade de A.
2.3. TEOREMA DO N
UCLEO E DA IMAGEM 35
1. Para cada item encontre a transforma cao linear A : 1
3
1
n
satisfazendo as condi coes
A(e
i
) = w
i
, onde = e
1
, e
2
, e
3
e a base canonica do 1
3
e = w
1
, w
2
, w
3
1
n
.
(a) = (1, 1), (1, 1), (2, 1) 1
2
.
(b) = (2, 3, 1), (0, 1, 0), (1, 1, 4) 1
3
.
(c) = (1, 1, 0, 1), (0, 1, 0, 1), (1, 2, 0, 2) 1
4
.
2. Encontre uma base do n ucleo e uma base da imagem para cada uma das trans-
formacoes lineares denidas no exerccio anterior e calcule o posto e a nulidade.
3. Determine uma base para o n ucleo e uma base para a imagem das transformacoes.
(a) A : 1
3
1
3
, A(x, y, z) = (6x +y 3z, z y, 2x z).
(b) A : 1
2
1
3
, A(x, y) = (x +y, 2x y, y 2x).
(c) A : C
3
C
2
, A(x, y, z) = (x +y +z, x +y +z).
4. Construa um operador linear A em 1
3
satisfazendo a condi cao pedida.
a) ImA e gerado por = (2, 1, 1), (1, 0, 1).
b) Nuc A e gerado por = (2, 1, 1), (1, 0, 1).
c) W = Nuc A +ImA e um subespaco pr oprio de 1
3
.
d) ImA Nuc A.
e) A n ao e o operador identicamente nulo e A
2
0.
5. Seja A : V W uma transforma cao linear entre espa cos vetoriais de dimensao nita.
Prove as armacoes.
(a) Se dim V < dim W ent ao A n ao e sobrejetora.
(b) Se dim V > dim W ent ao A n ao e injetora.
6. Construa um operador linear A : 1
2
1
2
com a propriedade pedida.
(a) A reete cada vetor em relacao ao subespa co W = (x, 2x), x 1.
(b) A rotaciona cada vetor no sentido antihor ario por um angulo de

3
.
7. Suponha que o operador A em 1
3
e n ao nulo e que A
2
0. Prove que posto(A) = 1.
8. Existe um operador linear A : 1
11
1
11
tal que ImA = Nuc A? Justique sua
resposta. Existe um operador linear A : 1
2
1
2
tal que A
2
= Id?
36 CAP

OES LINEARES
9. Assuma que A : V W e uma transforma cao linear sobrejetora entre dois espacos
vetoriais de dimens ao nita e que U W e um subespaco. Mostre a igualdade
dimV dimA
1
(U) = dim W dim U.
10. Seja A um operador linear no espa co vetorial V de dimens ao nita. Demonstre que
V = ImA Nuc A Nuc A = Nuc A
2
Im A = ImA
2
.
11. Demonstre que para quaisquer dois operadores lineares A e B num espa co vetorial V
de dimens ao nita valem as relacoes
[[posto(A) posto(B)[[ posto(A+B) posto(A) +posto(B).
12. Prove que se dois operadores lineares A e B num espa co vetorial V de dimens ao n
satisfazem a condicao A B 0 e A B e invertvel, ent ao posto(A) +posto(B) = n.
13. Sejam A : V W e B : W Z transforma coes lineares entre espacos de dimensao
nita. Prove que posto (BoA) maxposto(A), posto(B).
14. Seja A : M(2, 1
2
) M(2, 1
2
), A(X) = NX XN, onde N
e a matriz ao lado. Verique que A e um operador linear e
determine uma base para o n ucleo e uma base para a imagem
de A.
N =
_
1 2
1 2
_
.
2.4 Isomorsmos lineares
Uma transforma cao linear invertvel A : V W e tambem chamada de isomorsmo
linear ou somente isomorsmo quando n ao causar ambig uidades. Nesse caso, quando
existe uma tal transforma cao diremos que V e W sao espa cos isomorfos. Com o Teo-
rema do n ucleo e da imagem, 2.3.1, podemos determinar quando uma transforma cao
linear entre dois espa cos de dimensao nita e um isomorsmo. A seguir daremos
dois corolarios do Teorema do n ucleo e da imagem.

E claro que a inversa de um
isomorsmo e um isomorsmo.
Corolario 2.4.1 Dois espacos vetoriais de dimens ao nita sobre o mesmo corpo K
sao isomorfos se, e somente se, as dimens oes dos espacos sao iguais.
Demonstra cao Vamos supor que A : V W seja um isomorsmo. Como j a sa-
bemos, A e uma transformacao linear injetora e sobrejetora, ou equivalentemente,
Nuc A = o e ImA = W. Pelo Teorema 2.3.1 do n ucleo e da imagem obtemos
dimV = dimNuc A + dimImA = dimW.
2.4. ISOMORFISMOS LINEARES 37
Demonstremos a suciencia. Sejam = v
1
, v
2
, ..., v
n
e = w
1
, w
2
, ..., w
n
bases
ordenadas de V e W, respectivamente, note que por hip otese temos que = . Um
vetor v V e escrito de maneira unica como uma combina cao linear na forma
v = x
1
v
1
+ x
2
v
2
+ + x
n
v
n
, com x
i
K.
Considere a transforma cao linear A : V W, denida por
A(x
1
v
1
+ x
2
v
2
+ + x
n
v
n
) = x
1
w
1
+ x
2
w
2
+ + x
n
w
n
.
O n ucleo de A e trivial pois se v = (x
1
, x
2
, ..., x
n
) Nuc A ent ao
o = A(v)
= A(x
1
v
1
+ x
2
v
2
+ + x
n
v
n
)
= x
1
w
1
+ x
2
w
2
+ + x
n
w
n
.
Sendo uma base de W, os coecientes x
i
s sao nulos implicando que o vetor v V
e nulo. Portanto, o n ucleo de A e trivial. A transforma cao linear tambem e so-
brejetora, pois um vetor w = y
1
w
1
+ y
2
w
2
+ + y
n
w
n
W e a imagem do vetor
v = y
1
v
1
+ y
2
v
2
+ + y
n
v
n
V . Isso encerra a demonstra cao. 2
O corol ario acima mostra que todo espa co vetorial sobre o corpo K de dimens ao
n e isomorfo ao K
n
!
Corolario 2.4.2 Seja A : V W uma transformacao linear entre espa cos vetoriais.
Suponha que dimV = dimW. As seguintes arma coes sao equivalentes.
a) A e um isomorsmo linear.
b) Nuc A = 0.
c) Im A = W.
d) A imagem por A de uma base de V e uma base de W.
Demonstra cao a) b) Se A e um isomorsmo ent ao A e injetora, portanto, Nuc A
e trivial.
b) c) Se Nuc A = o, pelo Teorema 2.3.1 do n ucleo e da imagem segue
imediatamente que dimImA = dimW. Desde que ImA W e um subespaco com
a mesma dimensao de W, conclumos que ImA = W.
38 CAP

OES LINEARES
c) d) Considere uma base ordenada = v
1
, v
2
, ..., v
n
de V .

E facil mostrar
que o conjunto ordenado A() = A(v
1
), A(v
2
), ..., A(v
n
) e um conjunto de geradores
de ImA = W. Como este conjunto ordenado tem n elementos e n = dimW, pelo
Teorema da troca de Steinitz, 1.4.1, podemos armar que A() e uma base de W.
d) a) Vamos supor, por absurdo, que o n ucleo de A e nao trivial. Considere
uma base ordenada = v
1
, ..., v
k
, v
k+1
, ..., v
n
de V na qual os k primeiros vetores
formam uma base para o n ucleo de A, com k > 0. Por hip otese a transformacao
linear A aplica bases de V em bases de W, portanto, o conjunto de vetores A() =
A(v
k+1
), A(v
k+2
), ..., A(v
n
) e uma base de W de onde conclumos que dimW =
n k < dimV , uma contradicao. Logo, k = 0, signicando que o n ucleo e trivial,
em outras palavras, A e injetiva. Pelo Teorema do n ucleo e da imagem temos que
n = dimV = dimImA. Como o subespa co imagem de A tem a mesma dimensao
do contradomnio obtemos que ImA = W, isto e, A e sobrejetora. Em resumo, A e
injetora e sobrejetora, portanto, ela e um isomorsmo. 2
1. Mostre que A : 1
2
1
2
, A(x, y) = (2x, y x), e um isomorsmo e determine A
1
.
2. Seja = v
1
, v
2
uma base ordenada do espa co vetorial complexo V . Dena A : C
2
V , A(z, w) = (z w)v
1
+ (z +w)v
2
. Verique que A e um isomorsmo.
3. Prove que a inversa de um isomorsmo linear tambem e um isomorsmo.
4. Prove que a composi cao induz uma estrutura de grupo no subconjunto de L(V, V )
formado pelos operadores invertveis.
5. Mostre que o corpo dos reais considerado como espaco vetorial sobre o corpo dos
racionais nao tem dimensao nita.
6. Sejam W
1
e W
2
dois subespacos de um espaco vetorial V de dimens ao nita. Assuma
que V = W
1
+W
2
. Demonstre as armacoes.
(a) A : W
1
W
2
V , A(u, v) = u +v, e uma transforma cao linear.
(b) dimV = dimW
1
+dimW
2
dimW
1
W
2
.
(c) A e um isomorsmo W
1
W
2
= 0
7. Sejam A e B sejam operadores lineares num espaco vetorial V de dimens ao nita.
Demonstre que se Id A B e invertvel ent ao Id B A e tambem invertvel.
2.5. MATRIZ DE UMA TRANSFORMAC

AO LINEAR 39
8. Demonstre que todo operador linear A L(V, V ) onde V e um espaco vetorial de
dimens ao nita e uma soma de operadores invertveis.
9. Sejam W e U subespa cos de um espaco vetorial de dimens ao nita V . Prove que os
espacos quocientes (W +U)/U e W/(W U) sao isomorfos.
2.5 Matriz de uma transforma cao linear
Caso o leitor n ao esteja familiarizado com o conceito de matriz ou queira consultar
alguma nota cao sobre elas reservamos o Captulo 12 para tratar de tais objetos ma-
tematicos. Nesta secao descreveremos um processo pelo qual associarmos uma matriz
a uma transformacao linear.
Vamos supor que A : V W seja uma transforma cao linear entre espa cos vetoriais
sobre K e que = v
1
, v
2
, ..., v
n
e = w
1
, w
2
, ..., w
m
sejam bases ordenadas de V
e W, respectivamente. Sendo assim, para cada j, 1 j n, existem unicos escalares
a
1j
, a
2j
, ..., a
mj
K que sao as coordenadas do vetor A(v
j
) W na base ordenada
W, mais precisamente, A(v
j
) = a
1j
w
1
+ a
2j
w
2
+ + a
mj
w
m
. A matriz de A
relativa ` as bases ordenadas e e a matriz mn com entradas em K, denotada por
[A]
e organizada na forma
[A]
=
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
.
Ressaltamos que
[A]
= [[A(v
1
)]
[A(v
2
)]
... [A(v
n
)]
],
isto e, a j-esima coluna de [A]
e precisamente a matriz das coordenadas do vetor A(v

j
)
na base ordenada W. Uma tal matriz guarda quase todas as informa coes sobre
a transforma cao linear A. Dadas , e a matriz [A]
recuperamos a transforma cao

linear pela equa cao
A(v
j
) = a
1j
w
1
+ a
2j
w
j
+ + a
mj
w
j
.
Como sabemos pela Proposi cao 2.3.1, A ca determinada conhecendo-se os valores
nos vetores de uma base e, essencialmente, estes valores estao registrados nas colunas
da matriz. Diremos que a matriz [A]
e a representa c ao matricial de A nas bases

40 CAP

OES LINEARES
ordenadas e . Observamos que a representa cao matricial depende das bases e das
ordens das bases escolhidas!
Exemplo 2.5.1 Determinemos a representa cao matricial de A : K
3
K
2
nas bases
can onicas
3
e
2
de K
3
e K
2
, respectivamente, quando A(x, y, z) = (x2y, 2x+3yz).
Para isso, vejamos as avalia coes,
A(1, 0, 0) = ( 1, 2 ) = 1e
1
+ 2e
2
,
A(0, 1, 0) = (2, 3) = 2e
1
+ 3e
2
,
A(0, 0, 1) = (0, 1) = 0e
1
1e
2
.
Por deni cao, a representa cao matricial de A nas bases can onicas e a matriz
[A]
2
=
_
1 2 0
2 3 1
_
.
Para enfatizar a diferen ca, vejamos a representa cao matricial da mesma transforma cao
linear A, agora com respeito ` as bases
3
K
3
e = (1, 1), (0, 1) K
2
. Para isto,
precisaremos das avalia coes,
A(1, 0, 0) = (1, 2) = 1(1, 1) + 1(0, 1),
A(0, 1, 0) = (2, 3) = 2(1, 1) + 5(0, 1),
A(0, 0, 1) = (0, 1) = 0(1, 1) 1(0, 1).
Portanto, obtemos a representa cao
[A]
=
_
1 2 0
1 5 1
_
,
que tambem e uma matriz 2 3, mas com entradas diferentes das entradas da matriz
anterior. 2
1. Determine as representacoes matriciais da base canonica para a base canonica.
(a) A : 1
3
1
3
, A(x, y, z) = (6x +y 3z, z y, 2x z).
(b) A : 1
2
1
3
, A(x, y) = (x +y, 2x y, y 2x).
(c) A : C
3
C
2
, A(x, y, z) = (x +y +z, x +y +z).
2.6. REPRESENTAC

AO MATRICIAL 41
2. Calcule a matriz do operador deriva cao T : K
n
[t] K
n
[t] da base = 1, t, ..., t
n
para a base .
3. Considere uma permuta cao : 1, 2, 3 1, 2, 3 e dena a aplica cao A : K
3
K
3
,
A(x
1
, x
2
, x
3
) = (x
(1)
, x
(2)
, x
(3)
).
(a) Calcule a representacao matricial de A da base can onica para a base canonica
quando (1) = 3, (2) = 1 e (3) = 2.
(b) Determine uma base tal que [A]
= I, onde e a permuta cao acima.

2.6 Representa cao matricial
Retornemos ao estudo de transforma coes lineares com o auxlio de matrizes. O leitor
percebera a grande proximidade entre os dois conceitos e os lucros desta associa cao.
Teorema 2.6.1 (Teorema da representacao matricial) Suponha que V e W se-
jam dois espacos vetoriais sobre o corpo K e que e sejam bases ordenadas de V
e W, respectivamente, com = n e = m. Entao a aplica cao
: L(V, W) M(mn, K), (A) = [A]
,
e um isomorsmo linear. Em particular, dimL(V, W) = dimV dimW.
Demonstra cao Explicitemos as bases envolvidas,
= v
1
, v
2
, ..., v
n
, = w
1
, w
2
, ..., w
m
,
e demonstremos inicialmente a linearidade de . Escolhidas quaisquer duas trans-
forma coes lineares A, B L(V, W), escrevamos as combina coes lineares
A(v
j
) = a
1j
w
1
+ a
2j
w
2
+ + a
mj
w
m
,
B(v
j
) = b
1j
w
1
+ b
2j
w
2
+ + b
mj
w
m
.
Como sabemos, as representacoes matriciais s ao [A]
= [a
ij
] e [B]
= [b
ij
]. Dado um
escalar K e imediato avaliarmos A+ B no vetor v
j
,
(A + B)(v
j
) = A(v
j
) + B(v
j
)
= (a
1j
+ b
1j
)w
1
+ (a
2j
+ b
2j
)w
2
+ + (a
mj
+ b
mj
)w
m
.
42 CAP

OES LINEARES
Logo, vale a identidade matricial [A + B]
= [a
ij
+ b
ij
]. Da seguem as igualdades
[A+ B]
= [a
ij
+ b
ij
] = [a
ij
] + [b
ij
] = [A]
+ [B]
,
isto e, (A+ B) = (A) + (B), mostrando a linearidade de .
A injetividade ser a demonstrada examinando-se o n ucleo de . Armar que A
Nuc , signica armar que todas as entradas da representa cao matricial [A]
= [a
ij
]
sao nulas, a
ij
= 0. Isto implica que
A(v
j
) = a
1j
w
1
+ a
2j
w
2
+ + a
mj
w
m
= o, j = 1, ..., n.
Como a aplica cao identicamente nula tambem assume o valor nulo em todos os vetores
da base , pela Proposi cao 2.3.1, A : V W e a transforma cao identicamente nula.
Logo, Nuc e trivial, mostrando a injetividade.
Provemos a sobrejetividade de . Dada uma matriz N = [a
ij
] M(m n, K),
considere a unica transforma cao linear A : V W tal que
A(v
j
) = a
1j
w
1
+ a
2j
w
2
+ + a
mj
w
m
.
Esta construcao nos garante que (A) = N.
Finalmente, recordamos que isomorsmos lineares preservam dimens oes, por isso,
dim L(V, W) = dim M(mn, K), e como a dimens ao do espa co das matrizes mn
e igual ao produto dim V dim W, conclumos a demonstra cao. 2
Note que a representacao : L(V, W) M(mn, K), (A) = [A]
, depende das
bases ordenadas escolhidas. Outro fato importante sobre a matriz [A]
e a possibili-
dade de relacionarmos as coordenadas de um vetor v V na base ordenada V
com as coordenadas do vetor A(v) W na base ordenada W atraves de um
produto matricial. Esse e o signicado do
Lema 2.6.1 Sejam e duas bases ordenadas dos espa cos vetoriais de dimensao
nita V e W, respectivamente. Se A : V W e uma transforma c ao linear ent ao
[A(v)]
= [A]
[v]
.
Demonstra cao Escrevamos = v
1
, v
2
, ..., v
n
, = w
1
, w
2
, ..., w
m
, e assumamos
que a matriz das coordenadas do vetor v e a representa cao matricial de A sejam
[v]
=
_
_
x
1
x
2
.
.
.
x
n
_
_
e [A]
=
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
.
2.6. REPRESENTAC

AO MATRICIAL 43
Avaliando a transforma cao no vetor v = x
1
v
1
+ x
2
v
2
+ + x
n
v
n
obtemos,
A(v) = x
1
A(v
1
) + + x
n
A(v
n
)
= x
1
(a
11
w
1
+ + a
m1
w
m
) + + x
n
(a
1n
w
1
+ + + a
mn
w
m
)
= (x
1
a
11
+ + x
n
a
1n
)w
1
+ + (x
1
a
m1
+ + x
n
a
mn
)w
m
.
Pela deni cao de matriz das coordenadas de um vetor na base ordenada , podemos
escrever,
[A(v)]
=
_
_
x
1
a
11
+ x
2
a
12
+ + x
n
a
1n
x
1
a
21
+ x
2
a
22
+ + x
n
a
2n
...
x
1
a
m1
+ x
2
a
m2
+ + x
n
a
mn
_
_
.
Sem muito esfor co vericamos que a identidade matricial acima pode ser reescrita
como [A(v)]
= [A]
[v]
. 2
Exemplo 2.6.1 Consideremos a transforma cao linear
A : 1
2
1
3
, A(x, y) = (x 2y, x, y x),
e as bases ordenadas = (1, 1), (1, 1) de 1
2
e = (1, 0, 1), (1, 1, 0), (0, 1, 1) de
1
3
. Calculemos a representa cao matricial de A nestas bases,
A(1, 1) = (1, 1, 0) = 1 (1, 0, 1) + 0 (1, 1, 0) + 1 (0, 1, 1),
A(1, 1) = (3, 1, 2) = 2 (1, 0, 1) + 1 (1, 1, 0) + 0 (0, 1, 1).
Sendo assim, vale a representa cao matricial
[A]
=
_
_
1 2
0 1
1 0
_
_
.
A matriz das coordenadas do vetor v = (2, 0) 1
2
na base e
[v]
=
_
1
1
_
,
portanto, pelo lema anterior, a matriz das coordenadas do vetor A(v) 1
3
na base
e calculado pela regra
[A(v)]
= [A]
[v]
=
_
_
1 2
0 1
1 0
_
_
_
1
1
_
=
_
_
1
1
1
_
_
.
44 CAP

OES LINEARES
Da recuperamos o vetor A(v) pela combina cao linear
A(v) = 1(1, 0, 1) + 1(1, 1, 0) + 1(0, 1, 1) = (2, 2, 2).
Note que tanto o c alculo das representa coes matriciais quanto o c alculo das coorde-
nadas de um vetor s ao feitos resolvendo-se sistemas lineares. 2
Neste momento da teoria e natural indagar qual o algoritmo para acharmos a
representa cao matricial de uma composta de transforma coes lineares. Veremos no
corol ario a seguir que existe uma elegante f ormula relacionando uma composta de
transforma coes com um produto de matrizes.
Corolario 2.6.1 Sejam , e bases ordenadas dos espa cos vetoriais de dimens ao
nita sobre o mesmo corpo, V , W e Y , respectivamente. Se A L(V, W) e B
L(W, Y ) ent ao
[B A]
= [B]
[A]
.
Demonstra cao O lema anterior permite-nos escrever as igualdades matriciais
[B A(v)]
= [B A]
[v]
,
[B A(v)]
= [B(A(v))]
= [B]
[A(v)]
= [B]
[A]
[v]
,
para qualquer v V . Destas duas rela coes segue a identidade
_
[B A]
[B]
[A]
_
[v]
= [0]
para todo vetor v V . Isto implica facilmente que [B A]
= [B]
[A]
. 2
1. Calcule a representacao matricial nas bases ordenadas indicadas em cada item para a
transforma cao linear A : 1
2
1
3
, A(x, y) = (x + 2y, y, 2x 3y).
(a) Nas bases canonicas
2
e
3
.
(b) De
2
para = (1, 0, 2), (2, 1, 3), (0, 0, 1) 1
3
.
(c) De = (1, 1), (1, 1) 1
2
para a base
3
.
(d) De = (1, 1), (1, 1) 1
2
para = (1, 0, 2), (2, 1, 3), (0, 0, 1) 1
3
.
2.7. REPRESENTAC

AO DE ISOMORFISMO 45
2. Seja D : K
3
[t] K
3
[t] o operador linear obtido por deriva cao de polin omios. Deter-
mine a representacao matricial de [D]
em que = 1, t, t
2
, t
3
. Qual a representa cao
matricial nesta base para D
4
(a composta de D quatro vezes)?
3. Considere a base ordenada = v
1
, v
2
, v
3
do 1
3
, onde v
1
= (1, 1, 1), v
2
= (1, 0, 1)
e v
3
= (0, 1, 1). Seja A : 1
3
1
3
o operador linear A(v) = x
1
v
1
, se v = x
1
v
1
+
x
2
v
2
+x
3
v
3
. Calcule as representacoes matriciais [A]
3
, [A]
, [A]
e [A]
3
.
4. Sejam uma base ordenada do espa co vetorial de dimens ao nita V sobre o corpo K
e
0
um escalar em K. Calcule a representacao matricial da homotetia A : V V ,
A(v) =
0
v da base para a base .
5. Suponha que o operador linear A : K
3
K
3
e n ao nulo e
que A
2
0.
(a) Prove que posto(A) = 1.
(b) Determine uma base ordenada tal que a repre-
sentacao de A seja a matriz descrita ao lado.
[A]
=
_
_
0 0 0
0 0 0
a 0 0
_
_
.
6. Descreva a representacao matricial da aplicacao identidade de um espa co vetorial de
dimens ao nita de uma base ordenada para a mesma base com outra ordem. Qual e
a reprenta cao da identidade quando n ao trocamos a ordem?
7. Suponha que N M(mn, K) e uma matriz tal que NP = [0] para qualquer matriz
coluna n 1, P, com entradas no corpo K. Demonstre que N = [0].
2.7 Representa cao de isomorsmo
Utilizaremos o Teorema da representacao matricial, 2.6.1, para estudar isomorsmos
entre espa cos vetoriais de dimens ao nita. Como vimos, espa cos isomorfos possuem
a mesma dimensao, portanto isomorsmos s ao representados matricialmente por ma-
trizes quadradas. O resultado principal garantir a que a matriz de representa cao de
um isomorsmo e invertvel quaisquer que sejam as bases com as quais estamos tra-
balhando. Alem disso, existe uma relacao simples entre a matriz de representa cao
de um isomorsmo e a matriz de representa cao da sua inversa. Antes deixemos um
exerccio. Indicaremos por I
n
M(n, K) a matriz identidade n n.
Exerccio 2.7.1 Se A : V V e um operador linear num espa co vetorial de di-
mensao n, prove que [A]
= I
n
A = Id
V
, onde e uma base de V . 2
46 CAP

OES LINEARES
Corolario 2.7.1 Sejam A : V W uma transformacao linear entre espa cos veto-
riais de dimens ao nita e e bases ordenadas de V e W, respectivamente. Ent ao
A e um isomorsmo se, e somente se, a representa c ao [A]
e uma matriz invertvel.

Em particular, se A e um isomorsmo ent ao
_
A
1
= [A]
.
Demonstra cao ) Assuma que n = dimV . Sendo assim, podemos escrever as
identidades matriciais
I
n
= [Id
V
]
, I
n
= [Id
W
]
,
pois sendo A um isomorsmo, por hip otese, temos que dimV = dimW. Pelas pro-
priedades da representa cao de uma composta de transforma coes lineares temos que
I
n
= [Id
V
]
=
_
A
1
A
=
_
A
1
[A]
,
I
n
= [Id
W
]
=
_
A A
1
= [A]
_
A
1
.
Em particular, [A
1
]
e invertvel e sua inversa e [A]
.
) Vamos assumir que [A]
e uma matriz invertvel e que P = [b

ij
] e a sua matriz
inversa. Como uma matriz invertvel e quadrada conclumos que dimV = dimW.
Neste caso = v
1
, v
2
, ..., v
n
e = w
1
, w
2
, ..., w
n
sao bases com o mesmo n umero
de elementos. Consideremos a transforma cao B : W V cujos valores nos vetores
da base sao
B(w
j
) = b
1j
v
1
+ b
2j
v
2
+ + b
nj
v
n
.
Deste modo, necessariamente temos a representacao matricial [B]
= P. Recorrendo-
se às propriedades da representacao de uma composta de transforma coes lineares,
Corol ario 2.6.1, podemos escrever
[B A]
= [B]
[A]
= P [A]
= I
n
= [Id
V
]
,
[A B]
= [A]
[B]
= [A]
P = I
n
. = [Id
W
]
.
A unicidade de representacao implica que A B = Id
W
e B A = Id
V
. Como A e
invertvel, por deni cao, A e um isomorsmo. 2
2.8. MUDANC A DE COORDENADAS 47
Recordamos que uma matriz quadrada e invertvel se, e somente se, o seu determi-
nante e nao nulo. Caso o leitor deseje conhecer a demonstra cao deste fato, indicamos
como referencia o Captulo 13.
1. Suponha que A : K
2
K
2
, A(x, y) = (ax +cy, bx +dy) e um isomorsmo. Prove que
ad bc ,= 0 e que
_
A
1
2
=
1
ad bc
_
d b
c a
_
.
2. Verique que A : K
3
K
3
, e um isomorsmo e calcule a sua inversa quando
(a) A(x, y, z) = (x +y +z, 3x + 4y + 3z, 3x + 3y + 4z).
(b) A(x, y, z) = (2x +y +z, x + 2z, 3x +y + 2z).
3. Seja A : V W e um isomorsmo linear entre espa cos vetoriais de dimens ao nita.
Prove a seguinte arma cao. Se V = V
1
V
2
ent ao W = A(V
1
) A(V
2
).
4. Demonstre que qualquer isomorsmo entre espacos vetoriais de dimensao nita pode
ser representado pela matriz identidade.
5. Seja [A]
= [a
ij
] uma representa cao matricial de um isomorsmo linear A num espa co
vetorial V de dimens ao n. Prove que A e invertvel quando
[[a
ii
[[ >
i=j
[[a
ij
[[.
2.8 Mudan ca de coordenadas
Fixemos duas bases e de um mesmo espa co vetorial V de dimens ao n sobre
um corpo K. A matriz mudan ca de coordenadas de para e a matriz [Id]
onde
Id : V V e a aplica cao identidade. Esta terminologia e apropriada pois conhecendo-
se as coordenadas de um vetor v na base e a matriz mudan ca de coordenadas de
para determinamos as coordenadas do vetor v na base , para isso, basta utilizar
as rela coes
[v]
= [Id(v)]
= [Id]
[v]
.
Note que [Id]
e uma matriz quadrada n n em que n = dimV . Com a nota cao

acima vale a seguinte arma cao.
48 CAP

OES LINEARES
Lema 2.8.1 A matriz mudan ca de coordenadas [Id]
e invertvel e sua inversa e a

matriz mudan ca de coordenadas [Id]
.
Demonstra cao A demonstra cao segue do Corol ario 2.7.1 da se cao anterior, pois a
aplica cao Id : V V e um isomorsmo e a sua inversa e ela pr opria. 2
Exemplo 2.8.1 Os conjuntos
= (cos , sen), (sen, cos ) e = (1, 0), (0, 1)
sao bases ordenadas de 1
2
. Calculemos as matrizes mudanca de coordenadas [Id]
e
[Id]
. A primeira delas tem um calculo bastante simples pois

(cos , sen) = cos (1, 0) + sen (0, 1),
(sen, cos ) = sen (1, 0) + cos (0, 1).
Da obtemos a representa cao
[Id]
=
_
cos sen
sen cos
_
.
Pela formula [Id]
= ([Id]
)
1
e com a ajuda da adjunta cl assica obtemos
[Id]
=
_
cos sen
sen cos
_
. 2
Matrizes mudanca de coordenadas permite determinarmos todas as representa coes
matriciais de uma transformacao linear conhecendo-se apenas uma delas.
Proposicao 2.8.1 Sejam A : V W uma transformacao linear entre espa cos ve-
toriais de dimensao nita e
o
e
o
bases ordenadas de V e W respectivamente. Se
[A]
o
o
e a representa c ao matricial de A nestas bases ent ao a representa cao matricial
de A nas bases ordenadas
1
e
1
de V e W, respectivamente, e
[A]
1
= [Id
W
]
1
[A]
o
o
[Id
V
]
0
.
Demonstra cao Por tudo que j a foi visto sobre representacao matricial de uma com-
posta de transforma coes lineares, podemos escrever
[A]
1
= [Id
W
A Id
V
]
1
= [Id
W
]
1
[A Id
V
]
0
= [Id
W
]
1
[A]
o
o
[Id
V
]
0
.
2.8. MUDANC A DE COORDENADAS 49
Isso termina a demonstra cao. 2
Em captulos posteriores, estudaremos exclusivamente operadores lineares num
espa co vetorial de dimens ao nita, A : V V . Com muita frequencia utilizaremos
representa coes matriciais dos operadores, que, recordamos, s ao matrizes quadradas.
Neste caso, para aliviar a nota cao indicaremos por [A]
a representa cao matricial

do operador linear A da base ordenada para a mesma base, em lugar de utilizar a
nota cao [A]
. O resultado abaixo sobre conjuga cao de matrizes tera um bom proveito.

Em tempo, dizemos N
0
, N
1
M(n, K) sao duas matrizes conjugadas quando existe
uma matriz invertvel R M(n, K) tal que N
1
= RN
0
R
1
. A demonstra cao do
corol ario seguinte ca sob a responsabilidade do leitor.
Corolario 2.8.1 Sejam A um operador linear no espa co vetorial V de dimens ao nita
e e duas bases ordenadas de V . Entao as representa c oes matriciais [A]
e [A]
sao conjugadas, mais precisamente,

[A]
= [Id
V
]
[A]
[Id
V
]
.
Exemplo 2.8.2 O conjunto ordenado = v
1
, v
2
, v
3
e uma base ordenada de 1
3
,
onde v
1
= (1, 1, 1), v
2
= (3, 1, 0) e v
3
= (1, 0, 1). Calculemos a representa cao
matricial nas bases canonicas de A : 1
3
1
3
, denida por
A(v) = x
2
v
1
(x
1
+ x
3
)v
2
se v = x
1
v
1
+ x
2
v
2
+ x
3
v
3
.
Para isso, temos o corol ario acima.

E facil calcular a representa cao na base , pois
A(v
1
) = 0v
1
1v
2
+ 0v
3
,
A(v
2
) = 1v
1
+ 0v
2
+ 0v
3
,
A(v
3
) = 0v
1
+ 0v
2
+ 0v
3
.
Portanto, por deni cao de representa cao matricial podemos escrever
[A]
=
_
_
0 1 0
1 0 1
0 0 0
_
_
.
A representa cao matricial da identidade da base para a base can onica tambem e
facil determinar, pois
Id(v
1
) = ( 1, 1, 1) = 1e
1
+ 1e
2
+ 1e
3
,
Id(v
2
) = ( 3, 1 , 0) = 3e
1
+ 1e
2
+ 0e
3
,
Id(v
3
) = (1, 0, 1) = 1e
1
+ 0e
2
1e
3
,
50 CAP

OES LINEARES
de onde segue a representa cao matricial
[Id]
=
_
_
1 3 1
1 1 0
1 0 1
_
_
.
Sabemos tambem que [Id]
= ([Id]
)
1
. Com a ajuda da adjunta cl assica encontramos
a representa cao
[Id]
=
_
_
1 3 1
1 2 1
1 3 2
_
_
.
Retornando à f ormula [A]
= [Id
V
]
[A]
[Id
V
]
e efetuando o produto das matrizes

obtemos a representacao desejada,
[A]
=
_
_
7 20 10
3 8 4
1 2 1
_
_
.
Note que a representacao matricial do operador na base can onica,
[A]
_
_
x
y
z
_
_
=
_
_
7x 20y + 10z
3x 8y + 4z
x + 2y + z
_
_
,
nos diz imediatamente que o operador linear A : 1
3
1
3
e reescrito como A(x, y, z) =
(7x 20y + 10z, 3x 8y + 4z, x + 2y + z). 2
1. Dada a base ordenada = v
1
, v
2
, v
3
de K
3
, em que v
1
= (1, 1, 1), v
2
= (1, 0, 1) e
v
3
= (0, 1, 1). De a representacao matricial do operador na base canonica.
(a) A : K
3
K
3
, A(v) = x
1
v
1
, se v = x
1
v
1
+x
2
v
2
+x
3
v
3
.
(b) A : K
3
K
3
, A(v) = x
3
v
1
+ (x
2
x
1
)v
3
, se v = x
1
v
1
+x
2
v
2
+x
3
v
3
.
(c) A B : K
3
K
3
, onde A e B sao os operadores dados nos itens anteriores.
(d) B A : K
3
K
3
, onde A e B sao os operadores dados nos itens (a) e (b).
2. Seja U V um subespa co. Verique que ^(U) e um subespaco e calcule a dimensao,
onde ^(U) = A L(V, W); tal que A(u) = o para todo u U.
2.9. SUBESPAC OS INVARIANTES 51
2.9 Subespa cos invariantes
Um subespa co W V e um subespa co invariante por um operador linear A : V V
quando A(W) W.
Exemplos de subespa cos invariantes que o leitor verica facilmente sao Nuc A e
ImA. Diremos V = V
1
V
2
V
k
e uma soma direta invariante pelo operador A,
quando cada parcela da decomposi cao e um subespaco invariante. Um dos objetivos
principais deste texto e construir somas diretas invariantes por um operador linear
em um espa co vetorial de dimens ao nita. Isto ser a feito a partir do Captulo 4, no
momento estamos interessados em saber como a propriedade de ser um subespaco
invariante e constatada em linguagem matricial. Para isto, consideramos uma base
ordenada = v
1
, ..., v
r
, v
r+1
, ..., v
n
do espa co vetorial V na qual
1
= v
1
, v
2
, ..., v
r
e uma base ordenada para W, o subespa co invariante pelo operador A : V V .

Garantimos pela invari ancia de W que cada v
j

1
tem uma imagem A(v
j
) W,
portanto,
A(v
j
) = a
1j
v
1
+ a
2j
v
2
+ + a
rj
v
r
, 1 j r.
Sendo assim, o operador linear e representado esquematicamente como
[A]
=
_
[A
1
]
1
N
1
[0] N
2
_
,
onde [A
1
]
1
e a representa cao matricial do operador A
1
: W W induzido por
restricao de A, N
1
e N
2
sao matrizes retangulares e o smbolo [0] indica uma matriz
retangular com todas as entradas nulas. Reciprocamente quando uma representa cao
matricial de um operador A : V V numa base ordenada = v
1
, v
2
, ..., v
n
tem a
forma
[A]
=
_
R N
1
[0] N
2
_
,
em que R e uma matriz quadrada r r, esta claramente registrado que
A(v
j
) = a
1j
v
1
+ a
2j
v
2
+ + a
rj
v
r
, 1 j r,
implicando imediatamente que o subespa co W V gerado por pelo conjunto
1
=
v
1
, v
2
, ..., v
r
e um subespaco invariante por A e vale a identidade matricial
[A
1
]
1
= [R], onde A
1
: W W e o operador linear induzido por restri cao de A.
Examinemos a situa cao na qual V admite uma soma direta invariante
V = V
1
V
2
V
k
, A(V
i
) V
i
.
52 CAP

OES LINEARES
Selecionando-se para cada i, 1 i k, uma base ordenada
i
de V
i
, construmos
para V a base ordenada =

i
e pelos mesmos argumentos apresentados ante-
riormente podemos representar o operador linear A : V V na base ordenada
esquematicamente na forma
[A]
=
_
_
[A
1
]
1
[0] . [0]
[0] [A
2
]
2
. [0]
. . . .
[0] [0] . [A
k
]
k
_
_
.
Por economia de espa co, algumas vezes escrevemos esta ultima matriz em uma forma
compacta, tal como
[A]
= diag[A
1
]
1
, [A
2
]
2
, ..., [A
k
]
k
,
onde para cada i a matriz [A
i
]
i
e a representa cao matricial na base ordenada
i
do
operador linear A
i
: V
i
V
i
induzido por A. As recprocas destes fatos s ao triviais e
nao as faremos. Para nalizar, ressaltamos que o determinante daquela ultima matriz
[A]
e calculado por uma regra bastante simples, a saber,

det [A]
= det [A
1
]
1
det [A
2
]
2
det [A
k
]
k
.
Em todos os exerccios V denotar a um espaco vetorial de dimens ao nita.
1. Determine uma base para cada espa co invariante (n ao tivial) pelo operador linear
A : 1
2
1
2
quando
(a) A(x, y) = (x y, 2x 2y);
(b) A(x, y) = (x +y, y);
(c) A(x, y) = (2x +y, x +y).
2. Sejam A : V V um isomorsmo e W V um subespa co invariante.
(a) Prove que o operador obtido por restri cao A
0
: W W e um isomorsmo.
(b) Demonstre que W e tambem invariante por A
1
.
3. Se dois operadores lineares, A, B : V V , preservam um subespa co W V entao
a soma A +B e a composta A B tambem preservam este mesmo subespaco. Prove
esta armacao.
2.9. SUBESPAC OS INVARIANTES 53
4. Demonstre que se dois operadores A, B : V V comutam e A preserva um subespa co
W V , ent ao B(W) e tambem invariante por A.
5. Se um operador linear A : V V preserva os subespacos W
1
e W
2
, ent ao A preserva
os subespa cos W
1
+W
2
e W
1
W
2
. Prove essa armacao.
6. Fixado um subespa co W V . Mostre que 1(W) = A L(V, V ); A(W) W e um
subespa co de L(V, V ) e calcule a sua dimens ao em fun cao de dimV e dimW.
7. Dada uma soma direta V = V
1
V
2
V
k
. Qual a dimens ao do subespa co de
L(V, V ) formado pelos operadores que preservam cada parcela da soma direta?
8. Suponha que o operador linear A : V V preserva o subespa co W V . Mostre que
a aplicacao no espa co quociente A : V/W V/W, A(v) = A(v) esta bem denida e
e um operador linear.
Captulo 3
Espaco dual
No captulo anterior tomamos conhecimento de v arios espa cos vetoriais associados a
um espa co vetorial V . Apresentaremos a seguir o espa co dual associado a V , cujo
objetivo maior e demonstrar o Teorema do posto de uma matriz e denir a adjunta
de uma transforma cao.
3.1 Funcionais lineares
Seja V um espa co vetorial sobre K. Uma aplica cao f : V Ke chamada de funcional
linear em V se possui as propriedades
1. f(v + w) = f(v) + f(w),
2. f(v) = f(v),
para quaisquer v, w V e K.
Formalmente n ao podemos armar que um funcional linear e uma transformacao
linear pois o contradomnio e um corpo e n ao um espa co vetorial. Entretanto,
considerando-se o corpo K como um espa co unidimensional sobre si mesmo e na-
tural aquela identica cao. Na nossa nota cao, K
1
K. Com esta observa cao podemos
transpor sem diculdade varias informa coes ja demonstradas no captulo anterior para
este contexto, observando que
1
= (1) e a base canonica de K.
Antes de tudo, apresentemos uma denicao. O espa co dual de um espa co vetorial
V sobre o corpo K e o conjunto de todos os funcionais lineares f : V K, con-
junto esse que sera denotado por V

. As usuais opera coes de adi cao de fun coes e
54
3.1. FUNCIONAIS LINEARES 55
multiplica cao de uma fun cao por um escalar de K, induzem uma estrutura de espa co
vetorial em V

e com a identica cao acima mostramos imediatamente que V

e iso-
morfo ao espa co L(V, K). Logo, se V e um espaco vetorial de dimens ao nita e
= v
1
, v
2
, ..., v
n
V e uma base ordenada, a aplicacao
: V
M(1 n, K), (f) = [f]
1
e um isomorsmo linear. Portanto, dimV
= n. Recordamos que
[f]
1
=
_
f(v
1
) f(v
2
) f(v
n
)
,
pois a j-esima coluna de [f]
1
e formada pela coordenada do vetor f(v
j
) na base
1
= (1). Por economia de esfor co, a base
1
nao e explicitada na representa cao
matricial do funcional linear, simplicando a nota cao, [f]
1
= [f]
.

E facil vericar
que
f(v) = [f(v)]
1
= [f]
[v]
.
Note que estamos identicando o escalar no primeiro membro da igualdade com as
matrizes 1 1 nos outros membros.
Exemplo 3.1.1 Como sempre, vejamos exemplos do conceito introduzido.
1) A aplica cao f : K
2
K, f(x, y) = 2x3y e um funcional linear em K
2
. Como
f(x, y) = xf(e
1
) + yf(e
2
) = 2x 3y, podemos descreve-lo o na forma matricial
f(x, y) = [f]
2
[(x, y)]
2
=
_
2 3
_
x
y
_
.
2) Generalizemos o exemplo acima. Fixados n escalares a
1
, a
2
, ..., a
n
Ke possvel
contruir um funcional linear em K
n
denindo
f : K
n
K, f(x
1
, x
2
, ..., x
n
) = a
1
x
1
+ a
2
x
2
+ + a
n
x
n
.
Nesse caso a representacao matricial de f na base canonica e a matriz 1 n,
[f]
n
=
_
a
1
a
2
a
n
. 2
Exerccio 3.1.1 Prove as arma coes.
(a) Um funcional linear f : V K ou e identicamente nulo ou e sobrejetivo.
(b) Uma aplica cao f : V K e um funcional linear se, e somente se, f(v +w) =
f(v) + f(w) para quaisquer v, w V e K. 2
56 CAP
ITULO 3. ESPAC O DUAL

Reconstruiremos um exemplo importante e cl assico de um funcional linear. O
tra co de uma matriz quadrada N = [a
ij
] M(n, K) e o escalar
tr (N) = a
11
+ a
22
+ + a
nn
.
E imediato vericarmos que o tra co dene um funcional linear tr : M(n, K) K

cuja principal propriedade e transcrita pela f ormula tr (NP) = tr (PN), para quais-
quer matrizes N = [a
ij
] , P = [b
ij
] M(n, K). A demonstra cao deste fato e uma
manipula cao de ndices. Vejamos,
tr (NP) =
n
i=1
(NP)
ii
=
n
i=1
n
j=1
a
ij
b
ji
=
n
j=1
n
i=1
b
ji
a
ij
=
n
j=1
(PN)
jj
= tr (PN).
Da conclumos que o tra co e um funcional linear invariante por conjuga cao, explicando
melhor, tr (RNR
1
) = tr (N), para qualquer matriz invertvel R M(n, K). Esta
propriedade permite denir o tra co de um operador linear num espa co vetorial V de
dimensao nita sobre o corpo K. Para isso, xamos uma base ordenada V e
consideramos a aplica cao
tr : L(V, V ) K, tr (A) = tr
_
[A]
_
.
De fato, a aplica cao e um funcional linear e nao depende da base ordenada escolhida
pois qualquer outra representacao e conjugada a essa representa cao. Relembramos a
rela cao de conjuga cao envolvida,
[A]
= [Id
V
]
[A]
[Id
V
]
, onde [Id
V
]
= [Id
V
]
.
Exerccio 3.1.2 Sejam V e W dois espa cos vetoriais sobre K e = w
1
, ..., w
m
uma
base ordenada de W.
(a) Prove que se f
i
: V K
m
i=1
e uma cole cao de m funcionais lineares ent ao a
aplica cao A : V W, denida por A(v) = f
1
(v)w
1
+ f
2
(v)w
2
+ + f
m
(v)w
m
e uma transformacao linear.
9b) Enuncie e demonstre a recproca da arma cao anterior. 2
3.1. FUNCIONAIS LINEARES 57
1. Determine a representacao matricial do funcional linear f : K
3
K, f(x, y, z) =
x + 2y 3z, na base ordenada indicada.
(a) Base canonica de K
3
. (b) = (3, 0, 0), (2, 2, 0), (1, 1, 1) K
3
.
2. Construa um funcional linear f : 1
3
1 cujo n ucleo e gerado pelo conjunto de
vetores = (2, 2, 1), (0, 3, 2).
3. Qual a dimens ao do n ucleo de um funcional linear f : V K quando dimV = n?
4. Sejam V um espaco vetorial de dimens ao nita sobre K e f : V K um funcional
linear. Mostre que existe uma base ordenada V na qual a representa cao de f e
da forma [f]
=
_
a 0 ... 0

.
5. Fixada N
0
M(n, K), dena A : M(n, K) M(n, K), A(P) = N
0
P PN
0
.
(a) Mostre que A e um operador linear n ao sobrejetivo e que
(b) se A(P) = P entao P n ao e invertvel.
6. Seja V um espaco vetorial de dimens ao nita sobre K. Prove que V
separa pontos.
Isto signica que dados dois vetores distintos v, w V existe um funcional linear
f : V K tal que f(v) ,= f(w).
7. Denote por (
0
([a, b], 1) o espaco vetorial das fun coes contnuas com valores em 1
denidas no intervalo [a, b]. Verique se as seguintes aplicacoes sao funcionais lineares.
(a) : (
0
([a, b], 1) 1, (f) =
_
b
a
f(t)dt (integral de Riemann);
(b) : (
0
([a, b], 1) 1, (f) = f(a) (avalia cao em a).
8. Seja N M(mn, 1). Prove que tr(NN
t
) 0 e que tr(NN
t
) = 0 N = [0].
9. Seja N M(mn, C). Prove que tr(NN
t
) 0 e que tr(NN
t
) = 0 N = [0].
10. Verique a seguinte rela cao entre duas matrizes N, P M(2, K),
NP +PN = N tr (P) +P tr (N) + (tr (NP) tr(N) tr(P))I.
11. Fixado a decomposi cao em soma direta de um espaco vetorial de dimens ao nita,
V = V
1
v
2
W
k
, prove que qualquer operador linear A em V satisfazendo a
condi cao A(V
i
) V
1

V
i
V
k
tem traco nulo (
V
i
indica que essa parcela
foi omitida).
58 CAP

3.2 Base dual
Vamos assumir que = v
1
, v
2
, ..., v
n
seja uma base ordenada de um espa co vetorial
V sobre o corpo K. Por um lado, o Teotema da representa cao matricial, 2.6.1, garante
que dimV = n = dimV
. Por outro lado, a Proposi cao 2.3.1 garante que para cada
i, 1 i n, existe um, e somente um, funcional linear f
i
: V K satisfazendo as
condicoes f
i
(v
j
) =
ij
, onde
ij
e o delta de Kronecker,
ij
=
_
1 se i = j
0 se i ,= j
.
Estes dois fatos justicam o seguinte
Lema 3.2.1 O conjunto ordenado
= f
1
, f
2
, ..., f
n
V
e uma base ordenada,

chamada de base dual de .
Demonstra cao Vamos supor que existam escalares a
1
, a
2
, ..., a
n
K tais que a com-
bina cao linear dos elementos da base dual
com esses coecientes seja o funcional

linear identicamente nulo f
o
, ou seja, f
o
a
1
f
1
+ a
2
f
2
+ + a
n
f
n
. Avaliando essa
combinacao linear no vetor v
j
obtemos
0 = a
1
f
1
(v
j
) + a
2
f
2
(v
j
) + + a
n
f
n
(v
j
)
= a
1
1j
+ a
2
2j
+ + a
n
nj
= a
j
,
mostrando que
e um subconjunto com n vetores linearmente independente num

espa co de dimensao n. Portanto,
e uma base. 2
Exerccio 3.2.1 Demonstre que qualquer funcional linear f V
e uma combina cao

linear dos elementos de
cujos coecientes sao os escalares f(v

i
)
n
i=1
K. Compare
esses coecientes com as entradas da matriz de f na base ordenada . 2
Resumiremos os coment arios acima na
Proposicao 3.2.1 Se V e um espa co vetorial de dimens ao nita ent ao o espa co dual
V

tem dimensao nita e dimV = dimV
.
3.3. ADJUNTA 59
1. Determine a base dual das seguintes bases ordenadas.
(a) = (1, 0), (0, 1) C
2
. (b) = (1, 0, 0), (1, 1, 0), (1, 1, 1) 1
3
.
(c) = (2, 1), (1, 1) 1
2
. (d) = (1, 1), (1, 1) 1
2
.
2. Calcule as coordenadas do funcional f : 1
3
1, f(x, y, z) = 3x 2y z,
(a) na base dual da base can onica;
(b) na base dual da base ordenada = (1, 0, 0), (1, 1, 0), (1, 1, 1) 1
3
.
3. Seja V um espaco vetorial de dimens ao nita. Qual a dimens ao de (V
?
4. Mostre que todo subespa co W de dimens ao n1 de um espaco vetorial V de dimens ao
n e um n ucleo de um funcional linear f : V K.
5. Um subespaco W de um espaco vetorial V com dimW = r < n = dimV e a intersecao
de n r subespa cos de dimensao n 1. Prove essa armacao.
6. Suponha que f e g sao dois funcionais lineares num espa co vetorial V de dimens ao
nita sobre K satisfazendo a condi cao Nuc f Nuc g. Prove que g(v) = f(v) para
algum escalar K e para todo v V .
7. Dado um espa co vetorial de dimens ao nita V , considere a aplicacao / : V (V

)
,
onde /[v] : V
Ke a aplicacao avaliacao em v, mais precisamente, /[v] (f) = f(v).

Prove que / e um isomorsmo linear entre V e (V

)
.
3.3 Adjunta
Uma transforma cao linear A : V W entre espa cos vetoriais sobre o mesmo corpo K,
induz uma aplica cao entre os espa cos duais A
: W
, chamada de adjunta de A
cuja deni cao utiliza uma composi cao de aplica coes da seguinte forma: um funcional
linear f W
e associado ao funcional linear

A
[f] : V K, A
[f](v) = f(A(v)).
Esquematicamente, A
[f] e a composta V
A
W
f
K. O leitor vericar a facilmente
que A
[f] e de fato um funcional linear. Observamos que o conceito de adjunta

apresentado aqui n ao tem rela cao alguma com o conceito de adjunta cl assica utilizado
no algoritmo para inverter matrizes.
Lema 3.3.1 A adjunta A
: W
V

e uma transforma c ao linear.
60 CAP

Demonstra cao Sejam f, g W
e K. Para qualquer v V temos que

A
[f + g](v) = (f + g)(A(v))
= f(A(v)) + g(A(v))
= A
[f](v) + A
[g](v).
Isto signica que A
[f + g] = A
[f] + A
[g], como queramos demonstrar. 2

Proposicao 3.3.1 Sejam A : V W uma transformacao linear entre espa cos ve-
toriais de dimensao nita, e bases ordenadas de V e W, respectivamente. Ent ao
a representa cao matricial [A
da adjunta A
: W
V

e a matriz transposta de
[A]
. Alem disso, cada transforma cao linear A : V W dene uma unica adjunta.
Demonstra cao Antes de tudo, explicitemos as bases ordenadas envolvidas
_
= v
1,
v
2
, ..., v
n
= f
1
, f
2
, ..., f
n
,
_
= u
1
, u
2
, ..., u
m
= g
1
, g
2
, ..., g
m
,
e as representa coes matriciais [A]
= [a
ij
] e [A
= [b
ij
]. Por deni cao de repre-
senta cao matricial sabemos que valem as igualdades
A(v
i
) = a
1i
u
1
+ a
2i
u
2
+ + a
mi
u
m
,
A
[g
j
] = b
1j
f
1
+ b
2j
f
2
+ + b
nj
f
n
.
Por um lado, as deni coes de adjunta e de base dual nos permitem escrever
A
[g
j
](v
i
) = g
j
(A(v
i
)) = a
1i
g
j
(u
1
) + a
2i
g
j
(u
2
) + + a
mi
g
j
(u
m
) = a
ji
.
Por outro lado, temos que
A
[g
j
](v
i
) = b
1j
f
1
(v
i
) + b
2j
f
2
(v
i
) + + b
nj
f
n
(v
i
) = b
ij
mostrando que b
ij
= a
ji
, em outras palavras, [A
= [A]
. Finalmente, para mostrar

a unicidade da adjunta consideremos o isomorsmo linear
: L(W
, V
) M(n m, K), (B) = [B]
.
A adjunta A
e o unico elemento de L(W
, V
) representado pela matriz [A]
. 2
3.4. SUBESPAC O PERPENDICULAR 61
1. Sejam A e B transforma coes lineares de V em W e um escalar. Verique a identidade
funcional (A +B)
+B
.
2. Mostre que o tra co esta no n ucleo da adjunta do operador linear A : M(n, K)
M(n, K), A(X) = N
0
X XN
0
, onde N
0
M(n, K) e uma matriz xada.
3. Considere a aplicacao f : 1
3
[t] 1,
f(p(t)) =
_
1
0
p(t) dt.
(a) Verique que f e um funcional linear e calcule a representa cao na base dual de
= 1, t, t
2
, t
3
.
(b) Mostre que A : 1
3
[t] 1
3
[t], A(p(t)) = p
(t)p
(t1)+p
(t+1) e um operador
linear e calcule A
[f] (p(t)).
3.4 Subespa co perpendicular
Seja e um subconjunto nao vazio de um espa co vetorial V sobre o corpo K. O
perpendicular de e o subconjunto do espa co dual V
denido por
per
= f V
; f(v) = 0 para todo v .

Uma vericacao de rotina mostra que
per
e um subespaco do espa co dual. Mais inte-
ressantes e importantes sao as rela coes dimensionais que surgem quando consideramos
espa cos vetoriais de dimens ao nita.
Proposicao 3.4.1 Seja W o subespa co gerado por um conjunto n ao vazio de um
espa co vetorial de dimens ao nita V . Entao
a)
per
= W
per
;
b) dimW
per
= dimV dimW.
Demonstra cao a) Para cada vetor w W existem vetores w
1
, w
2
, ..., w
k
e
escalares x
1
, x
2
, ..., x
k
K tais que w = x
1
w
1
+ x
2
w
2
+ + x
k
w
k
, desde que e um
62 CAP

conjunto de geradores para W. Assim, dado um funcional linear f
per
seguem por
linearidade e por f(w
i
) = 0 para todo i, 1 i k, as igualdades
f(w) = x
1
f(w
1
) + x
2
f(w
2
) + + x
k
f(w
k
) = 0,
signicando que f W
per
, logo, vale a inclus ao
per
W
per
. A inclusao oposta e
trivial, pois um funcional linear anulando-se nos vetores de W necessariamente anula-
se nos vetores de .
b) Considere uma base ordenada = v
1
, ..., v
v
, ..., v
n
do espa co V , na qual os k
primeiros vetores formam uma base de W e considere a base dual correspondente
=
f
1
, ..., f
k
, ..., f
n
. Note que os elementos de
= f
k+1
, f
k+2
, ..., f
n
sao funcionais
anulando-se nos k primeiros vetores de , de onde segue imediatamente que
W
per
.
Para demonstrar que este subconjunto e uma base, e suciente vericar que todo
funcional linear de W
per
e uma combina cao linear dos vetores de
. Mas isto e
simples pois dado f W
per
temos que
f f(v
1
)f
1
+ + f(v
k
)f
k
+ f(v
k+1
)f
k+1
+ + f(v
n
)f
n
f(v
k+1
)f
k+1
+ + f(v
n
)f
n
.
Finalmente, contemos as dimens oes, dimW
per
= = n k = dimV dimW. 2
1. Mostre que o perpendicular de um conjunto V e um subespaco de V

.
2. Calcule uma base para
per
quando
(a) = (2, 1, 1) 1
3
. (b) = (2, 1, 1), (0, 1, 2) 1
3
.
(c) = (i, i, i), (1, 0, 1) C
3
. (d) = (1, 1, 1), (1, 0, 1) 1
3
.
3. Determine uma base para W
perp
quando W = (x, y, z); x = y = z 1
3
.
4. Se U W e U e W sao subespa cos de V mostre que W
per
U
per
.
5. Sejam U e W subespa cos do espaco vetorial de dimens ao nita V . Determine quais
dos seguintes subspa cos de V

sao iguais:
(U +W)
per
; U
per
+W
per
; (U W)
per
; U
per
W
per
.
3.5. TEOREMA DO POSTO 63
3.5 Teorema do posto
Essa secao e toda ela dedicada ` a demonstra cao do Teorema do posto de uma matriz.
Antes disso, devemos estabelecer a rela cao entre a imagem e o n ucleo de uma trans-
forma cao linear A : V W com o n ucleo e a imagem (nessa ordem) de sua adjunta
A
: W
V

. Essa rela cao e estabelecida utilizando-se o conceito de perpendicular
de um conjunto. Relembramos que o posto de uma transforma cao linear e a dimensao
da sua imagem.
Proposicao 3.5.1 Seja A : V W uma transformac ao linear entre dois espa cos
vetoriais de dimens ao nita. Entao
a) Nuc A
= (ImA)
per
;
b) posto (A) = posto (A
);
c) ImA
= (Nuc A)
per
.
Demonstra cao a) O primeiro item da proposi cao segue diretamente da deni cao de
adjunta e de perpendicular pois
f Nuc A
[f](v) = f(A(v)) = 0 para todo v V f (ImA)

per
.
b) O Teorema 2.3.1 do n ucleo e da imagem, o item a), a Proposi cao 3.4.1 e o
isomorsmo entre um espaco e seu dual justicam a sequencia de igualdades,
dimImA
= dimW
dimNuc A
= dimW
dim(ImA)
per
= dimW (dimW dimImA)
= dimImA.
Portanto, o posto de A e igual ao posto de sua adjunta.
c) Armar que f ImA
e equivalente a armar que existe um funcional linear

g W
tal que f(v) = g(A(v)) para qualquer vetor v pertencente ao espa co V .

Portanto, se v e um elemento do n ucleo de A ent ao f(v) = 0, em outras palavras,
f (Nuc A)
per
, mostrando a inclusao ImA
(Nuc A)
per
. Para mostrar a igualdade
dos dois espa cos basta vericar que as dimens oes sao iguais. Com efeito, pelo Teorema
do n ucleo e da imagem e o item a) temos
64 CAP

dim(Nuc A)
per
= dimV dimNuc A = dimImA = dimA
. 2
Sugerimos ao leitor rever a deni cao de posto das linhas e das colunas de uma
matriz no Captulo 12. Observe que o pr oximo resultado e uma vers ao matricial do
item b) da proposi cao acima.
Teorema 3.5.1 (Teorema do posto de uma matriz) O posto das colunas de uma
matriz N M(mn, K) e igual ao posto de suas linhas.
Demonstra cao Sejam
n
= e
1
, e
2
, .., e
n
e
m
= d
1
, d
2
, .., d
m
as bases can onicas
de K
n
e K
m
, respectivamente. Considere a unica transforma cao linear A : K
n
K
m
cuja representa cao matricial [A]
n
m
e a matriz dada N = [a
ij
] M(m n, K). Isto
signica que temos as combina coes lineares
A(e
1
) = a
11
d
1
+ a
21
d
2
+ + a
m1
d
m
,
A(e
2
) = a
12
d
1
+ a
22
d
2
+ + a
m2
d
m
,

A(e
n
) = a
1n
d
1
+ a
2n
d
2
+ + a
mn
d
m
.
Por deni cao, o posto de A e o n umero m aximo de vetores linearmente independentes
no conjunto A(
n
) = A(e
1
), A(e
2
), ..., A(e
n
) ImA. Note que o j-esimo elemento
de A(
n
) e uma combina cao linear dos vetores A(e
i
1
), A(e
i
2
), ..., A(e
ir
) se, e somente
se, a j-esima coluna N
j
e uma combina cao linear das colunas N
i
1
, N
i
2
, ..., N
ir
. Logo,
o posto da transforma cao linear A e igual ao posto das colunas de sua representa cao
matricial N!
Consideremos a adjunta A
: K
m
K
n
e as respectivas bases duais
m
e
n
.
Como sabemos, [A
n
= N
t
. Pelos mesmos motivos anteriores o posto de A
e o
posto das colunas da matriz N
t
. Como o posto de A e o posto de A
sao iguais,
Proposi cao 3.5.1, seguem as igualdades
posto das colunas de N = posto (A)
= posto (A
)
= posto das colunas de N
t
= posto das linhas de N.
Isto termina a demonstra cao do teorema. 2
3.5. TEOREMA DO POSTO 65
1. Calcule o posto das seguintes matrizes com entradas reais.
(a) N =
_
_
1 0 0
2 3 0
2 1 2
_
_
. (b) N =
_
_
1 2 1 1
1 6 2 1
3 2 0 1
_
_
.
2. Qual o posto de uma matriz n n invertvel?
3. Prove que o posto de uma matriz quadrada e invariante por conjuga cao.
4. Mostre que a nulidade de A : V W e igual a nulidade de sua adjunta se, e somente
se, dimV = dimW.
5. Seja A : V W uma transforma cao linear. Prove as arma coes.
(a) A e sobrejetora A
e injetora.
(b) A e injetora A
e sobrejetora.
Captulo 4
Operadores e polin omios
Os pr oximos sete captulos ser ao dedicados ao estudo de operadores lineares num
espa co vetorial de dimens ao nita. O objetivo do presente captulo e construir os
dois principais polin omios associados a um operador linear, polin omios minimal e
caracterstico, e estabelecer as rela coes entre eles. Posteriormente faremos largo uso
das informa coes obtidas.
4.1 Polin omio minimal
Na sequencia, mesmo que n ao esteja explicitado, A denotar a um operador linear num
espa co vetorial V de dimens ao nita sobre o corpo K. Iniciaremos apresentando uma
construcao envolvendo polin omios e operadores lineares. Para cada polin omio
p(t) = a
r
t
r
+ + a
1
t + a
0
, p(t) K[t],
podemos construir um novo operador linear p(A) : V V denindo
p(A) = a
r
A
r
+ + a
1
A+ a
0
Id.
Obviamente A
i
indica a composta do operador A um n umero i de vezes e Id indica
o operador identidade em V . A mesma constru cao pode ser repetida para matrizes
quadradas. Para N M(n, K) denimos
p(N) = a
n
N
n
+ + a
1
N + a
0
I.
Nesse caso, N
i
indica a i-esima potencia de N e I indica a matriz identidade nn. A
rela cao entre as duas constru coes e estabelecida atraves do Teorema da representa cao
matricial, 2.6.1.
66
4.1. POLIN
OMIO MINIMAL 67
Lema 4.1.1 Sejam uma base ordenada do espa co vetorial V de dimens ao n e A :
V V um operador linear. Seja R M(n, K) uma matriz invertvel. Ent ao para
cada polin omio p(t) K[t] valem as rela coes matriciais:
a) [p(A)]
= p
_
[A]
_
;
b) p
_
R[A]
R
1
_
= Rp
_
[A]
_
R
1
.
Demonstra cao a) Assumindo que p(t) = a
r
t
r
+ + a
1
t + a
0
, avaliando p(t) no
operador linear e calculando a representa cao matricial da avalia cao obtemos
[p(A)]
= [a
r
A
r
+ + a
1
A + a
0
Id]
= a
r
[A
r
]
+ + a
1
[A]
+ a
0
[Id]
= a
r
[A]
r
+ + a
1
[A]
+ a
0
I
= p
_
[A]
_
.
b) Deixaremos como exerccio, ressaltando a seguinte identidade matricial para
todo inteiro r 0, (RNR
1
)
r
= RN
r
R
1
2
O restante da se cao e dedicado ao estudo de um conjunto de polin omios associado
a um operador linear A : V V .
Deni cao 4.1.1 O ideal anulador de um operador linear A : V V e o conjunto de
polin omios
A
= p(t) K[t]; p(A) 0.
De modo similar, denimos o ideal anulador de uma matriz N M(n, K) como
sendo o conjunto de polin omios
N
= p(t) K[t]; p(N) [0].
Duas consequencias do Lema 4.1.1 s ao imediatas. Se [A]
e a representa cao ma-

tricial do operador linear na base V ent ao
A
=
[A]
pois
p(A) 0 [p(A)]
[0] p
_
[A]
_
[0] .
O item b) do mesmo lema implica que o ideal anulador de uma matriz e invariante
por conjuga cao, isto e,
N
=
RNR
1 para qualquer matriz invertvel R M(n, K).
E claro que o ideal anulador de A n ao e vazio pois contem o polinomio identicamente

nulo. Podemos armar mais.
68 CAP
ITULO 4. OPERADORES E POLIN
OMIOS
Proposicao 4.1.1 O ideal anulador
A
e n ao trivial.
Demonstra cao Vamos supor que dimV = n. O conjunto ordenado de n
2
+1 elemen-
tos, = Id, A, A
2
, ..., A
n
2
, e um conjunto linearmente dependente de L(V, V ) pois
esse espa co tem dimensao n
2
, como vimos no Teorema da representa cao matricial,
2.6.1. Portanto, existem escalares a
0
, a
1
, ..., a
n
2 K n ao todos nulos tais que
a
n
2A
n
2
+ + a
1
A+ a
0
Id 0.
Logo, o polin omio p(t) = a
n
2t
n
2
+ +a
1
t +a
0
nao e o polin omio identicamente nulo
e pertence ao ideal anulador
A
. 2
Devemos justicar o nome ideal utilizado para designar o conjunto
A
.
Proposicao 4.1.2
A
e um ideal de K[t], ou seja:
a)
A
e um grupo comutativo com a operacao de soma de polin omios;
b) Se p(t)
A
e q(t) K[t] ent ao p(t)q(t)
A
.
Demonstra cao Embora simples, faremos a demonstra cao do item b) para observar
um detalhe na nota cao utilizada. Dados p(t)
A
e q(t) K[t], o produto p(t)q(t)
quando avaliado no operador A : V V torna-se uma composta de operadores
lineares, a saber,
p(A) q(A) : V V.
Como por hip otese, p(A) 0 segue que p(t)q(t)
A
. 2
Apresentaremos a seguir um resultado b asico para o restante da teoria. Antes,
recordamos que um polin omio p(t) K[t] e dito monico quando o coeciente do
termo de maior grau tem o valor 1.
Teorema 4.1.1 (Teorema do polin omio minimal) Seja
A
o ideal anulador de
um operador linear A no espa co vetorial V de dimens ao nita sobre K. Entao existe
um unico polin omio monico m
A
(t)
A
, chamado de polin omio minimal de A, tal
que
A
= m
A
(t)K[t].
4.1. POLIN
OMIO MINIMAL 69
Demonstra cao Note que o unico polinomio constante pertencente ao ideal anulador
e o polin omio identicamente nulo. Seja m
A
(t)
A
um polin omio m onico n ao nulo
de menor grau dentre todos do ideal anulador. Pelo coment ario acima garantimos
que grau m
A
(t) 1. Como
A
e um ideal, justicamos a inclus ao m
A
(t)K[t]
A
, restando mostrar a inclusao oposta. Considere qualquer polin omio q(t)
A
,
lembramos que por escolha grau q(t) grau m
A
(t). Pelo algoritmo da divis ao de
Euclides e possvel escrever
q(t) = m
A
(t)p(t) + r(t) onde p(t), r(t) K[t]
com grau r(t) < grau m
A
(t). Novamente, como
A
e um ideal, o polin omio r(t) =
q(t) m
A
(t)p(t) pertence ao ideal. Pela minimalidade do grau de m
A
(t) conclumos
que r(t) 0, implicando que q(t) = m
A
(t)p(t) m
A
(t)K[t], como desej avamos de-
monstrar. A unicidade do polin omio minimal e trivial. 2
Esse teorema e um resultado de algebra de polin omios. Para ressaltar esse fato
deixamos um exerccio que ser a utilizado reiteradamente.
Exerccio 4.1.1 Se K[t] e um ideal n ao trivial, prove que existe um unico
polin omio m onico m(t) tal que = m(t)K[t]. Esse polinomio ser a chamado de
polin omio minimal (ou gerador do ideal) . 2
1. Dados o operador linear A : 1
2
1
2
, A(x, y) = (x + y, x 3y) e o polin omio
p(t) = t
3
2t + 1, avalie p(A).
2. Verique que o polin omio p(t) = t
2
+ 1 pertence ao ideal anulador de A : 1
2
1
2
,
A(x, y) = (y, x). Conclua que p(t) e de fato o polin omio minimal de A.
3. Mostre que o gerador do ideal anulador de A : 1
2
1
2
, A(x, y) = (2x+4y, x2y)
e o polin omio m
A
(t) = t
2
.
4. Suponha que
1
e
2
sao dois ideais de K[t] tais que
1

2
. Prove que o polin omio
minimal do segundo ideal divide o polin omio minimal do primeiro.
5. Seja A : V V um operador linear. Prove as arma coes.
(a) A comuta com p(A), para qualquer p(t) K[t].
70 CAP
OMIOS
(b) W V e um subespaco invariante por A W e invariante por p(A), para
qualquer p(t) K[t]. Em particular mostre que Nuc p(A) e invariante por A.
(c) Os operadores lineares em V que comutam com A formam um subespa co de
L(V, V ) cuja dimens ao e maior ou igual ao grau do polin omio minimal de A.
6. Qual o polin omio minimal do operador identicamente nulo em V ?
4.2 Polin omio caracterstico
O Teorema 4.1.1 do polin omio minimal n ao fornece algoritmo algum para o c alculo de
m
A
(t). Essa diculdade e parcialmente contornada construndo-se explicitamente um
polin omio p
A
(t)
A
, chamado de polin omio caracterstico, que alem de ser dividido
por m
A
(t), contem todos os fatores primos do polin omio minimal, informa cao que
facilita os c alculos em v arias situa coes.
O polin omio caracterstico de uma matriz N M(n, K) e o polin omio m onico
p
A
(t) de grau n em K[t] denido por p
A
(t) = det(tI N), onde det est a indicando
o determinante e I a matriz identidade n n. Recordamos que se R M(n, K) e
uma matriz invertvel ent ao det R ,= 0 e det R
1
= (det R)
1
. Da segue que matrizes
conjugadas tem os polin omios caractersticos iguais, pois
det
_
tI RNR
1
_
= det
_
R(tI N)R
1
_
= det (tI N) .
Essa propriedade permite estender para um operador linear A : V V , onde V e
um espa co vetorial de dimens ao nita sobre K, o conceito de polin omio caracterstico.
Denimos que p
A
(t) = p
[A]
(t), onde [A]
e a representa cao matricial de A numa base

de V . Como uma outra representacao de A difere dessa por uma conjuga cao, o
polin omio caracterstico de um operador linear est a bem denido. Os comentarios
acima justicam a nota cao p
A
(t) = det (tId A).
Exemplo 4.2.1 A representa cao matricial na base can onica do operador linear A :
1
2
1
2
, A(x, y) = (x 2y, x + 3y) e a matriz
[A]
=
_
1 2
1 3
_
.
Calculemos seu polin omio caracterstico,
p
A
(t) = p
[A]
(t) = det (tI [A]
) = det
_
t 1 2
1 t 3
_
= t
2
4t + 5.
4.2. POLIN
OMIO CARACTER
ISTICO 71
Avaliemos o polin omio caracterstico na representa cao de A,
p([A]
) =
_
1 2
1 3
_
2
4
_
1 2
1 3
_
+ 5
_
1 0
0 1
_
=
_
1 8
4 7
_
+
_
4 8
4 12
_
+
_
5 0
0 5
_
=
_
0 0
0 0
_
.
Os calculos acima mostram que p
A
(t) pertence ao ideal anulador
A
, ilustrando um
fato geral que demonstraremos na pr oxima se cao. 2
1. Calcule o polin omio caracterstico dos seguintes operadores.
(a) A : 1
3
1
3
, A(x, y, z) = (4x + 2y, x +y, y + 2z).
(b) A : 1
3
1
3
, A(x, y, z) = (x, x + 2y, 2x y + 2z).
(c) A : 1
2
1
2
, A(x, y) = (4x + 8y, 2x 4y).
2. Identique as razes do polin omio caracterstico de uma matriz triangular superior.
3. Mostre que p
N
(t) = t
2
(tr N)t +det N. e o polin omio caracterstico da matriz
N =
_
a b
c d
_
.
4. Calcule o polin omio caracterstico do operador deriva cao no espa co K
n
[t].
5. Qual o polin omio caracterstico de uma involu cao num espa co de dimens ao nita?
6. Mostre que p
N
(t) = t
3
ct
2
bt a e o polin omio caracterstico da matriz
N =
_
_
0 0 a
1 0 b
0 1 c
_
_
.
Dena um operador A : 1
3
1
3
tal que [A]
= N onde = e
2
, A(e
2
), A
2
(e
2
).
7. Sejam A e B dois operadores lineares num espa co vetorial de dimens ao nita V .
Demonstre que se A e invertvel ent ao p
AB
(t) = p
BA
(t). Esse fato e verdadeiro
quando A e B sao n ao invertveis?
72 CAP
OMIOS
8. As funcoes simetricas
i
: M(n, K) K sao denidas pela identidade polinomial
det (tI N) =
n
(N)t
n
+
n1
(N)t
n1
+ +
1
(N)t +
0
(N).
(a) Demonstre que cada
i
e invariantes por conjuga cao e que
(b)
i
(NP) =
i
(PN).
(c) Identique
n1
e
0
.
9. Descreva todas as funcoes simetricas
i
: M(2, K) K.
10. Sejam A e B dois operadores lineares no espaco vetorial V de dimens ao dois. Mostre
que (A B B A)
2
comuta com todo elemento de L(V, V ).
11. Prove por indu cao que o polin omio caracterstico de uma matriz N M(n, K) e um
polin omio monico de grau n.
4.3 Teorema de Cayley-Hamilton
Para mostrar que o polin omio caracterstico de um operador linear pertence ao seu
ideal anulador utilizaremos o conceito de matriz polinomial. Uma matriz polinomial
e uma matriz do tipo
N(t) = [a
ij
(t)] onde a
ij
(t) K[t].
Isso signica que as entradas da matriz polinomial N(t) sao polin omios e ela pode ser
reescritas na forma
N(t) = N
r
t
r
+ + N
1
t + N
0
,
onde N
i
M(n, K). O grau de uma matriz polinomial e o maior grau dentre todos
os graus das entradas.
Exemplo 4.3.1 Apresentemos alguns exemplos para xar o conceito.
1) A matriz polinomial 2 2 com entradas em K[t],
N(t) =
_
t + 1 t
2
+ t 2
t + 2 t
2
t + 3
_
,
tem grau N(t) = 2 e tambem pode ser apresentada como
N(t) =
_
0 1
0 1
_
t
2
+
_
1 1
1 1
_
t +
_
1 2
2 3
_
.
4.3. TEOREMA DE CAYLEY-HAMILTON 73
2) Seja I a matriz identidade n n. Dado o polin omio q(t) = a
r
t
r
+ +a
1
t +a
0
em K[t], reescrevamos a matriz polinomial de grau r q(t)I,
q(t)I =
_
_
q(t) 0 0
0 q(t)
q(t) 0
0 0 q(t)
_
_
= a
r
It
r
+ + a
1
It + a
0
I.
Observe que o polin omio det(q(t)I) = [q(t)]
n
tem grau rn.
3) J a tivemos a oportunidade de utilizar matrizes polinomiais quando denimos o
polin omio caracterstico de uma matriz com entradas no corpo K. Por exemplo, para
calcular o polin omio caracterstico de
N
0
=
_
1 2
1 3
_
,
consideramos a matriz polinomial N(t) = tI N
0
e denimos o polin omio carac-
terstico como sendo p
N
0
(t) = det N(t) = t
2
4t + 5.
4) Mais geralmente. Dada N
0
M(n, K). Seja N
0
(t) a matriz polinomial n n
de grau 1, N(t) = tI N
0
. A adjunta cl assica de N(t), aqui denotada por adj (N(t)),
e uma matriz polinomial n n e satisfaz a identidade matricial N(t) adj (N(t)) =
det N(t) I, ou equivalentemente, (tI N
0
) adj (tI N
0
) = p
N
0
(t)I. 2
Vejamos um lema preparat orio para o Teorema de Cayley-Hamilton.
Lema 4.3.1 Seja N
0
M(n, K). Para cada polin omio q(t) K[t] existe uma matriz
polinomial Q(t) = [q
ij
(t)], com q
ij
(t) K[t], satisfazendo a identidade matricial
q(t)I q(N
0
) = (tI N
0
) Q(t).
Demonstra cao Se q(t) = a
r
t
r
+ + a
1
t + a
0
ent ao valem as igualdades
q(t)I = a
r
t
r
I + + a
1
tI + a
0
I,
q(N
0
) = a
r
N
r
0
+ + a
1
N
0
+ a
0
I.
Por subtra cao obtemos,
q(t)I q(N
0
) = a
r
(t
r
I N
r
0
) + + a
1
(tI N
0
) .
74 CAP
OMIOS
Desde que as matrizes I e N
0
comutam, a matriz polinomial tI N
0
fatora cada
tI N
i
0
, com 1 i r, do seguinte modo,
t
i
I N
i
0
= (tI N
0
)
_
t
i1
I + t
i2
N
0
+ + tN
i2
0
+ N
i1
0
_
.
Da podemos facilmente obter a matriz polinomial Q(t). 2
Teorema 4.3.1 (Teorema de Cayley-Hamilton) O polin omio caracterstico de
uma matriz N
0
M(n, K) pertence ao ideal anulador
N
0
.
Demonstra cao Com efeito. Denote por p
N
0
(t) o polin omio caracterstico de N
0
.
Pelo lema anterior existe uma matriz polinomial Q(t) = [q
ij
(t)] tal que
p
N
0
(t)I p
N
0
(N
0
) = (tI N
0
) Q(t).
Por outro lado, considerando a adjunta cl assica de tI N
0
temos a igualdade
p
N
0
(t)I = (tI N
0
) adj (tI N
0
) .
Dessas duas equa coes conclumos por substitu cao que
p
N
0
(N
0
) = (tI N
0
)
_
adj (tI N
0
) Q(t)
_
.
Utilizaremos o fato que a matriz p
N
0
(N
0
) e uma matriz numerica para provar que
ad (tI N
0
) Q(t) [0], de onde seguira imediatamente o teorema. Suponha, por
absurdo, que adj (tI N
0
) Q(t) e uma matriz polinomial nao nula, digamos
ad (tI N
0
) Q(t) = P
r
t
r
+ + P
1
t + P
0
,
onde P
i
M(n, K), r 0 e P
r
nao e identicamente nula. Sendo assim,
(tI N
0
) [ad (tI N
0
) Q(t)] = P
r
t
r+1
+
(termo com grau r).

Logo, p
N
0
(N
0
) e uma matriz com entradas constantes e com grau 1, uma con-
tradi cao. 2
Por tudo que j a foi apresentado sobre as rela coes entre o ideal anulador de um
operador linear e o ideal anulador de uma de suas representa coes matriciais, a prova
da seguinte vers ao do Teorema de Cayley-Hamilton e imediata.
4.4. FATORAC

AO DO POLIN
OMIO MINIMAL 75
Corolario 4.3.1 O polin omio caracterstico de um operador linear num espa co veto-
rial de dimens ao nita pertence ao ideal anulador do operador.
1. Calcule o polin omio minimal do operador deriva cao no espa co dos polin omios K
n
[t].
2. Calcule o polin omio minimal de uma involu cao num espa co de dimens ao nita.
3. Demonstre que as matrizes N e P n ao sao conjugadas, onde
N =
_
1 1
0 1
_
e P =
_
a 0
0 b
_
.
4. Fixada N M(2, K), dena o operador linear A : M(2, K) M(2, K), A(X) = XN.
Calcule os polin omios minimal e caracterstico de A em fun cao de m
N
(t) e p
N
(t).
5. Mostre que os polin omios minimais (caractersticos) das matrizes quadradas N e N
t
sao iguais.
4.4 Fatora cao do polin omio minimal
Para descrever com mais precis ao a rela cao entre os polin omios minimal e carac-
terstico necessitaremos de alguns conceitos de

Algebra de polin omios. Recordamos
que os unicos corpos considerados s ao os corpos dos n umeros reais e dos complexos.
Um polin omio p(t) K[t] e redutvel quando pode ser fatorado, isto e, quando
existem polin omios q(t) e r(t) em K[t] tais que
p(t) = q(t)r(t), com grau q(t) 1 e grau r(t) 1.
Caso contr ario p(t) e dito ser um polinomio primo em K[t].
Dados os polin omios p
1
(t), p
2
(t), ..., p
k
(t) K[t], o conjunto
= p
1
(t)K[t] + p
2
(t)K[t] + + p
k
(t)K[t]
e um ideal e seu gerador e chamado de maximo divisor comum de p
1
(t), p
2
(t), ..., p
k
(t).
Essa famlia de polin omios e relativamente prima quando o gerador de e o polin omio
constante m(t) 1, em outras palavras, quando = K[t].
76 CAP
OMIOS
Uma fatora cao prim aria, ou prima, de um polin omio p(t) K[t] e uma fatoracao
da forma
p(t) = a
0
p
1
(t)
r
1
p
2
(t)
r
2
p
k
(t)
r
k
,
onde a
0
e um escalar em K, r
i
1 e p
i
(t)
k
i=1
e uma famlia de polin omios m onicos,
primos e relativamente primos. A menos da ordem dos fatores, a fatora cao prim aria
e unica.
Recordamos que o Teorema Fundamental da

Algebra arma que todo polin omio
emC[t] admite uma raiz complexa, de onde segue que e possvel fatorar primariamente
qualquer polin omio em C[t] num produto de polin omios lineares (grau 1). Por outro
lado, qualquer polin omio em 1[t] admite uma fatoracao prim aria cujos fatores sao
polin omios lineares e/ou de grau 2. Feita essa revis ao de

Algebra de polin omios,
voltemos ao estudo de operadores lineares num espa co vetorial V de dimens ao nita.
Iremos mostrar que todos os fatores primos do polin omio caracterstico sao fatores do
polin omio minimal. Registremos essa arma cao na vers ao matricial.
Proposicao 4.4.1 Se p
N
0
(t) = p
1
(t)
s
1
p
2
(t)
s
2
p
k
(t)
s
k
e a fatora cao prim aria do
polin omio caracterstico da matriz N
0
M(n, K) ent ao a fatora cao prim aria do po-
lin omio minimal de N
0
e da forma
m
N
0
(t) = p
1
(t)
r
1
p
2
(t)
r
2
p
k
(t)
r
k
com 1 r
i
s
i
.
Demonstra cao Pelo Lema 4.3.1, existe uma matriz polinomial Q(t) satisfazendo
m
N
0
(t)I m
N
0
(N
0
) = (tI N
0
) Q(t).
Levando-se em considera cao que m
N
0
(N
0
) [0], o c alculo do determinante em ambos
os membros da equa cao nos d a
[m
N
0
(t)]
n
= p
N
0
(t) det Q(t).
Da segue que p
i
(t) divide [m
N
0
(t)]
n
para i = 1, 2, ..., k, e por conseguinte p
i
(t) divide
m
N
0
(t). Logo, a fatora cao prim aria do polin omio minimal contem uma potencia
positiva de cada p
i
(t). Como o Teorema de Cayley-Hamilton garante que m
N
0
(t)
divide o polin omio caracterstico p
N
0
(t)
, podemos armar que
m
N
0
(t) = p
1
(t)
r
1
p
2
(t)
r
2
p
k
(t)
r
k
com 1 r
i
s
i
.
2
4.4. FATORAC

AO DO POLIN
OMIO MINIMAL 77
Exemplo 4.4.1 O operador linear A : 1
3
1
3
cuja representa cao na base canonica
e a matriz
[A]
=
_
_
8 4 8
47 18 39
8 2 5
_
_
tem polin omio caracterstico p
A
(t) = (t 1)(t 2)
2
. Logo, as unicas possibilidades
para polin omio minimal de A sao m
1
(t) = (t 1) (t 2) e m
2
(t) = (t 1)(t 2)
2
.
Verica-se que m
1
([A]
) = [0]. Como grau m

1
(t) < grau m
2
(t) podemos garantir que
m
A
(t) = (t 1) (t 2). 2
1. Calcule o polin omio minimal do operador A : 1
n
1
n
.
(a) A(x, y) = (9x 16y, 4x 7y).
(b) A(x, y) = (3y, x + 4y).
(c) A(x, y, z) = (3x +y 2z, 2x + 4y 4z, 2x +y z).
(d) A(x, y, z) = (4x + 2y, x +y, y + 2z).
(e) A(x, y, z) = (x, x + 2y, 2x y + 2z).
(f) A(x, y) = (4x + 8y, 2x 4y).
2. Demonstre que se z
0
= +i C e uma raiz do polin omio p(t) com coecientes reais
entao o conjugado z
0
= i tambem e uma raiz de p(t).
3. Prove que se
1
e
2
sao dois escalares distintos de K, ent ao p(t) = t
1
e q(t) = t
2
sao polin omios relativamente primos.
4. Suponha que p(t) 1[t] e um polin omio primo e que z
0
= +i e uma raiz complexa
de p(t). Mostre que p(t) = (t )
2
+
2
.
5. Calcule o gerador do ideal anulador das seguintes matrizes com entradas reais.
(a) N =
_
4 2
8 4
_
; (b) N =
_
_
2 0 0
1 1 0
0 1 1
_
_
; (c) =
_
_
2 0 0 0
1 1 0 1
1 0 2 0
1 1 0 3
_
_
.
6. Determine o polin omio caracterstico da matriz com entradas reais
R
=
_
cos sen
sen cos
_
e diga para quais valores de esse polin omio e redutvel sobre 1.
78 CAP
OMIOS
7. Sejam V = V
1
V
2
V
k
e
i
i
ao longo das outras
parcelas. Verique que m
i
(t) = t(1 t).
8. Dados os polin omios p
1
(t), p
2
(t), ..., p
k
(t) K[t], prove que e um ideal onde
= p
1
(t)K[t] + p
2
(t)K[t] + +p
k
(t)K[t].
9. Um operador linear : V V e idempotente se
2
= . Assuma que V e um espaco
vetorial de dimens ao nita e que n ao e a identidade nem o operador nulo.
(a) Calcule os polin onios minimal e caracterstico de um operador idempotente.
(b) Mostre que V = Nuc Im e que tr = dimIm.
(c) Verique que e uma proje cao sobre a imagem ao longo do n ucleo.
10. Prove que toda proje cao ao longo de parcelas e um operador idempotente.
4.5 Polin omio minimal de um vetor
O ideal anulador de um vetor v V com respeito ao operador linear A : V V e o
conjunto de polin omios
v
= p(t) K[t]; p(A)(v) = 0.
De fato, verica-se facilmente que esse conjunto e um ideal e, portanto, existe um
polin omio m onico m
v
(t)
v
tal que
v
= m
v
(t)K[t], chamado de polin omio minimal
do vetor v.

E claro que vale a inclus ao de ideais
A

v
, implicando que m
v
(t) divide
m
A
(t).
Analogamente, denimos o ideal anulador de um subespa co W de V ,
W
= p(t) K[t], p(A)(w) = 0, w W.
O gerador desse ideal e chamado de polin omio minimal do subespaco.
Exemplo 4.5.1 Com terminologia xada acima, mostre que o polin omio minimal de
um vetor relativo a um operador linear divide o polin omio minimal de um subespa co
que o contem.
4.5. POLIN
OMIO MINIMAL DE UM VETOR 79

1. Suponha que um operador linear A num espa co vetorial de dimens ao nita V preserva
um subespa co W V . Se A
0
e o operador em W obtido por restri cao de A, mostre
que p
A
0
(t) [ p
A
(t) ([ signica que o primeiro polin omio divide o segundo).
2. Seja A um operador linear n ao invertvel num espa co vetorial de dimens ao nita V
sobre K. Existe algum polin omio n ao constante p(t) K[t] para o qual o operador
p(A) : V V e invertvel?
3. Suponha que m
A
(t) = p
1
(t)
r
1
p
2
(t)
r
2
p
k
(t)
r
k
e a fatora cao prim aria do polin omio
mnimo do operador linear A : V V num espa co vetorial de dimens ao nita.
(a) Se o n ucleo de A e n ao trivial demonstre que p(t) = t divide m
A
(t).
(b) Assuma que q(t) e m
A
(t) sejam polin omios relativamente primos. Prove que o
operador q(A) : V V e um isomorsmo.
(c) Mostre que o polin omio minimal de qualquer vetor emNuc p
i
(A)
r
i
e uma potencia
do tipo p
i
(t)
s
i
, com s
i
r
i
.
(d) Conclua que se i ,= j ent ao Nuc p
i
(A)
r
i
Nuc p
j
(A)
r
j
= 0.
4. Qual o polin omio minimal do vetor nulo relativo a um operador A : V V ?
5. Assuma que V = V
1
V
2
e que V e de um espaco vetorial de dimens ao nita. Seja A :
V V a aplicacao A(v) = v
1
v
2
, onde v = v
1
+v
2
e a decomposicao correspondente
do vetor v. Calcule o polin omio minimal de um vetor qualquer v V .
6. Seja A um operador linear num espa co vetorial V de dimens ao nita. Dada uma base
ordenada = v
1
, v
2
, ..., v
n
de V , denote por m
i
(t) o polin omio minimal de v
i
. Prove
que o mnimo m ultiplo comum de m
1
(t), ..., m
n
(t) e o polin omio minimal de A.
Captulo 5
Decomposi cao primaria
Nesse captulo ser a apresentado um teorema de decomposi cao de operadores que ser a
o ponto de referencia em torno do qual o texto passar a a ser desenvolvido. Para
cada operador linear A num espa co vetorial de dimens ao nita V construiremos uma
decomposi cao de V em soma direta invariante por A associada ao polin omio mnimo,
decomposi cao essa que simplicar a em muito o estudo qualitativo do operador.
5.1 Decomposi cao primaria
Iniciemos com o teorema central do texto.
Teorema 5.1.1 (Teorema da decomposicao primaria) Seja A um operador li-
near no espa co vetorial de dimens ao nita V sobre o corpo K. Se
m
A
(t) = p
1
(t)
r
1
p
2
(t)
r
2
p
k
(t)
r
k
e a fatora c ao prim aria do polin omio minimal do operador linear ent ao
V = Nuc p
1
(A)
r
1
Nuc p
2
(A)
r
2
Nuc p
k
(A)
r
k
.
Mais ainda, essa soma direta e invariante por A.
Demonstra cao Para evitar trivialidades, assumiremos que na fatora cao do polin omio
minimal o n umero de fatores relativamente primos e k 2. Feita essa hip otese, para
cada i, 1 i k, dena o polin omio
m
i
(t) = p
1
(t)
r
1
p
i
(t)
r
i
p
k
(t)
r
k
80
5.1. DECOMPOSIC

AO PRIM
ARIA 81
(o sinal sobre o i-esimo fator indica que ele foi suprimido da express ao). Os po-
lin omios m
1
(t), m
2
(t),..., m
k
(t) sao relativamente primos, portanto, a soma dos ideais
gerados pela famlia de polin omios m
i
(t)
k
i=1
e igual ao anel K[t], ou seja,
K[t] = m
1
(t)K[t] + m
2
(t)K[t] + + m
k
(t)K[t].
Logo, existem polin omios q
1
(t),q
2
(t),...,q
k
(t) K[t] tais que
1 m
1
(t)q
1
(t) + m
2
(t)q
2
(t) + + m
k
(t)q
k
(t).
Avaliando essa identidade polinomial no operador A e calculando a avalia cao num
vetor v V obtemos
v = Id(v) = m
1
(A) q
1
(A)(v) + m
2
(A) q
2
(A)(v) + + m
k
(A) q
k
(A)(v).
Seja
i
: V V o operador linear
i
= m
i
(A) q
i
(A).
Sendo assim, todo vetor v V e uma soma de vetores do tipo v = v
1
+ v
2
+ + v
k
onde v
i
=
i
(v) Im
i
. Isso mostra que V e uma soma das imagens dos operadores
i
: V V , ou seja,
V = Im
1
+ Im
2
+ + Im
k
.
Para provar que V tambem e uma soma dos n ucleos dos operadores p
i
(A)
r
i
: V V ,
como descrito no enunciado do teorema, vericaremos as inclus oes de subespacos
Im
i
Nuc p
i
(t)
r
i
. Com efeito. Dado um vetor w Im
i
, escolhamos um vetor
v V tal que
w =
i
(v) = m
i
(A) q
i
(A)(v).
Lembrando-se da identidade polinomial m
A
(t) = p
i
(t)
r
i
m
i
(t) e de que o polin omio
minimal de A pertencer ao ideal anulador de qualquer vetor fa camos os c alculos,
p
i
(A)
r
i
(w) = p
i
(A)
r
i
m
i
(A) q
i
(A)(v) = q
i
(A) m
A
(A)(v)
. .
=0
= 0.
Portanto, ca vericado que w Nuc p
i
(A)
r
i
como pretendamos.
Agora, para provar que a soma dos n ucleos e uma soma direta e suciente vericar
a condi cao descrita na Proposi cao 1.7.1,
Nuc p
i
(A)
r
i
Nuc p
1
(A)
r
1
+ + Nuc p
i1
(A)
r
i1
= 0 para i 2.
82 CAP
ITULO 5. DECOMPOSIC

AO PRIM
ARIA
Consideremos um vetor v nessa interse cao. Isto signica que
_
v Nuc p
i
(A)
r
i
v = v
1
+ v
2
+ + v
i1
com v
j
Nuc p
j
(A)
r
j
, 1 j i 1
.
Levando em conta que polin omios em A comutam e que p
j
(A)
r
j
(v
j
) = 0, para todo j
com 1 j i 1, avaliemos o operador q(A) = p
1
(A)
r
1
p
i1
(A)
r
i1
no vetor v,
q(A)(v) =
i1
j=1
(p
1
(A)
r
1
p
j
(A)
r
j
p
i1
(A)
r
i1
) p
j
(A)
r
j
(v
j
)
. .
=0
= 0.
Por outro lado, p
i
(A)
r
i
(v) = 0 pois v Nuc p
i
(A)
r
i
, implicando que os dois po-
lin omios relativamente primos p
i
(t)
r
i
e q(t) pertencem ao ideal anulador
v
. Con-
sequentemente, o gerador do ideal
v
e o polin omio m
v
(t) 1. Sendo assim,
0 = m
v
(A)(v) = v, conclundo que V e uma soma direta dos n ucleos. Para en-
cerrar a demonstra cao observamos que A comuta com qualquer polin omio em A, da
segue que cada parcela Nuc p
i
(A)
r
i
e invariante pelo operador linear A. 2
A soma direta demonstrada no teorema acima (a menos da ordem das parcelas)
sera chamada de decomposi cao prim aria de V determinada por A. Escolhendo uma
base ordenada
i
de Nuc p
i
(A)
r
i
obtemos uma representacao matricial relativamente
simples para o operador na base ordenada =
i
,
[A]
= diag
_
[A
1
]
1
, [A
2
]
2
, ..., [A
k
]
k
_
,
onde
A
i
: Nuc p
i
(A)
r
i
Nuc p
i
(A)
r
i
e o operador induzido por restri cao de A.
Exemplo 5.1.1 Vamos assumir que a representa cao matricial na base can onica do
operador A : 1
3
1
3
e a matriz
[A]
=
_
_
1 4 3
1 10 7
1 13 9
_
_
.
Calculando o polin omio caracterstico de A obtemos p
A
(t) = t(t 1)
2
. Como a
avalia cao do polin omio p(t) = t(t 1) em [A]
a
nao e nulo pois
p ([A]
a
) = [A]
a
([A]
a
I) =
_
_
1 1 1
3 3 3
4 4 4
_
_
,
5.1. DECOMPOSIC

AO PRIM
ARIA 83
necessariamente o polinomio minimal de A e m
A
(t) = t(t 1)
2
. Sendo assim, A induz
a decomposi cao prim aria V = NucA Nuc(A Id)
2
. Calculamos uma base para
cada parcela da decomposi cao prim aria resolvendo os sistemas lineares,
[A]
_
_
x
y
z
_
_
=
_
_
1 4 3
1 10 7
1 13 9
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
,
[AId]
2
_
_
x
y
z
_
_
=
_
_
1 3 2
2 6 4
3 9 6
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
.
Uma base para a primeira parcela e
1
= (1, 2, 3) e uma base para a segunda parcela
e
2
= (2, 0, 1), (3, 1, 0). 2
Exemplo 5.1.2 Vamos supor que a representa cao matricial de A : 1
3
1
3
na base
can onica e a matriz
[A]
=
_
_
3 4 4
8 7 8
10 10 11
_
_
.
Calculando o polin omio caracterstico de A obtemos p
A
(t) = (t + 1)
2
(t 1). Neces-
sariamente o polin omio minimal e m
A
(t) = (t + 1)(t 1) pois um c alculo matricial
mostra que [A]
2
I [0]. Portanto, a decomposi cao prim aria de V ca sendo

V = Nuc (A + Id) Nuc (A Id) .
Determinemos uma base para cada parcela resolvendo os sistemas lineares
[A+ Id]
[(x, y, z)]
= [(0, 0, 0)]
,
[AId]
[(x, y, z)]
= [(0, 0, 0)]
.
Da obtemos as bases
1
= (1, 1, 0), (1, 0, 1) e
2
= (1, 0, 1). Observe a
rela cao entre a dimens ao de cada parcela e o grau do fator do polin omio caracterstico
correspondente. 2
1. Determine a decomposi cao prim aria induzida por cada operador e encontre uma base
ordenada na qual a representa cao matricial e uma diagonal de matrizes.
84 CAP
ITULO 5. DECOMPOSIC

AO PRIM
ARIA
(a) A : 1
3
1
3
, A(x, y, z) = (5x y + 3z, 6x + 4y 6z, 6x + 2y 4z).
(b) A : C
3
C
3
, A(x, y, z) = (2y +z, y, 2x y z).
(c) A : 1
3
1
3
, A(x, y, z) = (x, x + 2y, x +y 3z).
(d) A : 1
3
1
3
, A(x, y, z) = (3z, 3x, 3y).
2. Sejam A e B dois operadores no espa co vetorial V de dimens ao nita que comutam.
Mostre que B preserva cada parcela da decomposi cao prim aria determinada por A.
3. Assuma que o operador A num espa co vetorial de dimens ao nita V e uma n-esima
raiz do operador B, isto e, A
n
= B para n 1. Mostre que A preserva cada parcela
da decomposicao prim aria determinada por B.
4. Suponha que o operador linear A : V V e tal que A
3
A.
(a) Determine as possveis decomposi coes primarias determinada por A.
(b) Represente A numa base ordenada que e uma uni ao ordenada de bases ordenadas
das parcelas da decomposicao.
5. De uma base para cada parcela da decomposi cao prim aria determinada pelo operador
A : 1
4
1
4
, A(x, y, z, w) = (y, z, w, x).
6. Dados dois polin omios relativamente primos, p(t) e q(t), cujo produto p(t)q(t) e o
polin omio minimal de um operador linear A de um espaco vetorial de dimens ao nita
V . Demonstre que V = Nuc p(A) Nuc q(A).
7. Considere o operador linear A : 1
n
[t] 1
n
[t], A(p(t)) = p(1 t).
(a) Mostre que A e uma involu cao.
(b) De a decomposicao prim aria determinada pelo operador.
(c) Calcule uma base para cada parcela da decomposicao prim aria.
5.2 Corolarios
Apresentaremos algumas conseq uencias do Teorema 5.1.1 da decomposi cao prim aria.
Por hip otese, em todos corol arios dessa se cao A : V V denotar a um operador linear
num espa co vetorial de dimens ao nita V sobre o corpo K,
m
A
(t) = p
1
(t)
r
1
p
2
(t)
r
2
p
k
(t)
r
k
5.2. COROL
ARIOS 85
indicar a a fatora cao prim aria do seu polin omio minimal e
V = Nuc p
1
(A)
r
1
Nuc p
2
(A)
r
2
Nuc p
k
(A)
r
k
sera a decomposi cao prim aria de V determinada pelo operador linear A.
Corolario 5.2.1 O polin omio minimal do operador A
i
: Nuc p
i
(A)
r
i
Nuc p
i
(A)
r
i
induzido por restri cao de A e o polin omio m
A
i
(t) = p
i
(t)
r
i
.
Demonstra cao Para qualquer vetor v em Nuc p
i
(A)
r
i
valem as igualdades
p
i
(A
i
)
r
i
(v) = p
i
(A)
r
i
(v) = 0,
de onde podemos concluir que o polin omio p
i
(t)
r
i
pertence ao ideal anulador
A
i
=
m
A
i
(t)K[t]. Sendo p
i
(t)
r
i
um polin omio m onico e primo, necessariamente teremos que
m
A
i
(t) = p
i
(t)
s
i
, com 1 s
i
r
i
. Por absurdo, suponhamos que para algum i ocorra
a desigualdade s
i
< r
i
. Sendo assim, considere o polinomio
m(t) = p
1
(t)
s
1
p
2
(t)
s
2
p
k
(t)
s
k
cujo grau e estritamente menor que o grau do polin omio minimal de A. Pelo Teorema
da decomposicao prim aria um vetor v V tem uma decomposicao do tipo
v = v
1
+ v
2
+ + v
k
com v
i
Nuc p
i
(A)
r
i
.
Como p
i
(A)
s
i
(v
i
) = 0 e polin omios em A comutam, segue que
m(A)(v) =
k
i=1
m(A)(v
i
)
=
k
i=1
(p
1
(A)
s
1
p
i
(A)
s
i
p
k
(A)
s
k
) p
i
(A)
s
i
(v
i
)
. .
=0
= 0.
Logo, o polin omio m(t) anula o operador linear A e grau m(t) < grau m
A
(t). Uma
contradi cao. Portanto, m
A
i
(t) = p
i
(t)
r
i
, como queramos demonstrar. 2
O polin omio caracterstico do operador determina a dimens ao de cada parcela da
decomposi cao prim aria. Registremos este fato num corol ario.
86 CAP
ITULO 5. DECOMPOSIC

AO PRIM
ARIA
Corolario 5.2.2 Se p
A
(t) = p
1
(t)
s
1
p
2
(t)
s
2
p
k
(t)
s
k
e a fatora c ao prim aria do po-
lin omio caracterstico de A ent ao grau p
i
(t)
s
i
= dimNuc p
i
(A)
r
i
.
Demonstra cao Seja =
i
e uma base ordenada construda ap os escolha de uma
base ordenada
i
do subespa co Nuc p
i
(t)
r
i
. Sendo assim, a representa cao matricial de
A e uma diagonal de matrizes, a saber,
[A]
= diag
_
[A
1
]
1
, [A
2
]
2
, ..., [A
k
]
k
_
,
onde A
i
: Nuc p
i
(A)
r
i
Nuc p
i
(A)
r
i
e o operador obtido por restri cao de A. Calcu-
lemos o polin omio caracterstico de A em funcao dos polin omios caractersticos das
restricoes. Seja I
i
a matriz identidade com mesmo tamanho que [A
i
]
i
. Ent ao
p
A
(t) = det
_
tI [A]
_
= det
_
tI
1
[A
1
]
1
_
det
_
tI
k
[A
k
]
k
_
= p
A
1
(t) p
A
k
(t).
Pelo corolario acima, sabemos que m
A
i
(t) = p
i
(t)
r
i
. Como o polin omio minimal
m
A
i
(t) divide o polin omio caracterstico p
A
i
(t) podemos armar que p
A
i
(t) = p
i
(t)
z
i
para algum inteiro z
i
r
i
. Portanto, uma fatora cao prim aria para p
A
(t) e
p
A
(t) = p
1
(t)
z
1
p
2
(t)
z
2
p
k
(t)
z
k
.
Entretanto, a fatora cao prim aria e unica e por hip otese
p
A
(t) = p
1
(t)
s
1
p
2
(t)
s
2
p
k
(t)
s
k
.
Logo, obtemos que z
i
= s
i
, isto e, p
A
i
(t) = p
i
(t)
s
i
. Recordamos que o grau de um
polin omio caracterstico e igual ` a dimens ao do espa co, no caso aqui considerado temos
dimNuc p
i
(A)
r
i
= grau p
i
(t)
s
i
.
2
Na demonstra cao do Teorema da decomposi cao prim aria esta subjacente um fato
que deve ser ressaltado pela sua utilidade.
Corolario 5.2.3 A proje cao
i
: V V sobre Nuc p
i
(A)
r
i
ao longo das outras
parcelas e um polin omio em A. Mais ainda, Im
i
= Nuc p
i
(t)
r
i
.
5.2. COROL
ARIOS 87
Demonstra cao Na demonstra cao do Teorema da decomposi cao prim aria, 5.1.1, de-
nimos o operador linear
i
: V V ,
i
= m
i
(A) q
i
(A) e conclumos que
_
_
_
V = Im
1
+ Im
2
+ + Im
k
,
Id =
1
+
2
+ +
k
.
Observe que
i
e um polin omio em A! Alem disso, no corpo da demonstracao daquele
teorema, foi vericado a inclusao de subespa cos Im
i
Nuc p
i
(A)
r
i
. Na verdade,
nessa inclusao vale a igualdade pois supondo, por absurdo, que para algum i temos a
desigualdade dimIm
i
< dimNuc p
i
(A)
r
i
ent ao
dimV
k
i=1
dimIm
i
<
k
i=1
dimNuc p
i
(A)
r
i
= dimV.
Certamente uma contradicao. Logo, dimIm
i
= dimNuc p
i
(A)
r
i
, implicando na
igualdade Im
i
= Nuc p
i
(A)
r
i
. Pela Proposi cao 1.7.1, a decomposi cao prim aria de V
pode ser reescrita na forma V = Im
1
Im
2
Im
k
. Para provar que
i
e a
projecao de V sobre Nuc p
i
(t)
r
i
= Im
i
ao longo das outras parcelas basta mostrar
que
i

j
0 se i ,= j e que
i

i

i
. Com efeito. Se i ,= j o polin omio que
dene
i

j
e divisvel pelo polin omio minimal de A, da a nulidade da composta. A
segunda arma cao e obtida compondo
i
com a identidade Id =
1
+
2
+ +
k
.
Isto termina a demonstra cao do corol ario. 2
O Teorema da decomposi cao prim aria simplica bastante o estudo dos subespa cos
invariantes pois ele e uma soma direta de subespa cos invariantes contidos nas parcelas
da decomposicao prim aria.
Corolario 5.2.4 Se W V e um subespa co invariante pelo operador A ent ao
W = (W Nuc p
1
(A)
r
1
) (W Nuc p
2
(A)
r
2
) (W Nuc p
k
(A)
r
k
) .
Demonstra cao A inclusao
W (W Nuc p
1
(A)
r
1
) + (W Nuc p
2
(A)
r
2
) + + (W Nuc p
k
(A)
r
k
)
e independente de W ser invariante por A ou n ao. Veriquemos a inclus ao oposta.
Como vimos no carol ario anterior, qualquer vetor w W e decomposto de modo
88 CAP
ITULO 5. DECOMPOSIC

AO PRIM
ARIA
unico na soma w =
1
(w) + +
k
(w), onde
i
e a proje cao de V sobre a i-esima
parcela da decomposi cao prim aria ao longo das outras parcelas. Recordamos que
i
e um polin omio em A. Desde que W e invariante por A, e claro que W e invariante
por qualquer polin omio em A, em particular por
i
. Logo,
i
(w) W Nuc p
i
(A)
r
i
,
mostrando a inclusao desejada. Portanto,
W = (W Nuc p
1
(A)
r
1
) + (W Nuc p
2
(A)
r
2
) + + (W Nuc p
k
(A)
r
k
) .
Como a decomposi cao prim aria de V e uma soma direta, conclumos imediatamente
que essa ultima soma e tambem uma soma direta. 2
Terminaremos a se cao mostrando a existencia de um vetor especial. O pr oximo
resultado ser a utilizado reiteradamente.
Corolario 5.2.5 Existe um vetor v V cujo polin omio minimal e igual ao polin omio
minimal do operador linear A.
Demonstra cao A demonstra cao ser a feita em tres arma coes.
Arma c ao 1. Existe um vetor v
i
Nuc p
i
(A)
r
i
tal que m
v
i
(t) = p
i
(t)
r
i
.
O polin omio minimal de qualquer vetor v Nuc p
i
(A)
r
i
e uma potencia de p
i
(t)
pois o polin omio minimal da restri cao A
i
e precisamente p
i
(A)
r
i
, Corol ario 5.2.1, e
esse polinomio est a no ideal anulador de v, Exemplo 4.5.1.
Por absurdo, suponha que todo vetor v Nuc p
i
(A)
r
i
possui um polin omio mini-
mal m
v
(t) = p
i
(t)
rv
com r
v
< r
i
. Considere o polin omio p(t)
r
onde r e o m aximo do
inteiros r
v
.

E claro que r < r
i
. Dessa forma, p
i
(A)
r
(v) = 0 para todo v Nuc p
i
(A)
r
i
,
contradizendo o primeiro corol ario desta secao.
Arma cao 2. Se i ,= j o operador linear p
i
(A)
r
i
: Nuc p
j
(A)
r
j
Nuc p
j
(A)
r
j
e um
isomorsmo linear.
Se v e um vetor no n ucleo do operador p
i
(A
i
)
n
: Nuc p
j
(A)
r
j
Nuc p
j
(A)
r
j
entao
os polin omios relativamente primos p
i
(t)
n
e p
j
(t)
r
j
pertencem ao ideal anulador
v
de onde conclumos que seu polin omio minimal e m
v
(t) 0, implicando que v = 0.
Como p
i
(A
i
)
r
i
e um operador com n ucleo trivial, conclumos que ele e um isomorsmo.
Arma cao 3. O vetor v = v
1
+v
2
+ +v
k
tem polin omio minimal igual ao polin omio
minimal de A, onde v
i
Nuc p
i
(A)
r
i
e tal que m
v
i
(t) = p
i
(t)
r
i
.
Deixaremos como exerccio a prova desta arma cao. 2
5.2. COROL
ARIOS 89
O resultado enunciado no ultimo corolario pode ser demonstrado sem a utiliza cao
do Teorema da decomposi cao prim aria. Feito isso, esse teorema decorre do resultado.
Optamos pela demonstra cao do Teorema aqui apresentada, que em essencia encontra-
se em [9], devido a sua a eleg ancia e simplicidade.
Exerccio 5.2.1 Prove que a imagem do operador p
i
(A)
r
i
: V V e o subespa co
Imp
i
(A)
r
i
= Nuc p
1
(A)
r
1

Nuc p
i
(A)
r
i
Nuc p
k
(A)
r
k
.
2
3
1
3
, A(x, y, z) = (y, 2x + 3y, x + 2y).
(a) Calcule m
A
(t).
(b) Examine a identidade polinomial (t 2)
2
+ (t 1)(3 t) = 1 e explicite as
proje coes
i

s sobre as parcelas da decomposicao prim aria.
2. Encontre um vetor cujo polin omio minimal e igual ao polin omio minimal do operador.
(a) A : C
3
C
3
, A(x, y, z) = (0, 2x, x + 3y).
(b) A : 1
3
1
3
, A(x, y, z) = (2x +y +z, 2x +y + 3z, 3x +y z)
3. Seja um operador num espa co vetorial V de dimens ao nita sobre K satisfazendo a
condi cao
2
. Suponha que n ao e a identidade nem o operador nulo.
(a) Qual o polin omio minimal de ?
(b) Prove que V = Im Nuc , onde cada parcela e n ao trivial.
4. Sejam V
1
e V
2
subespa cos 1
2
gerados por v
1
= (1, 2) e v
2
= (1, 1), respectivamente.
(a) Mostre que 1
2
= V
1
V
2
.
(b) Se
1
e a proje cao de 1
2
sobre V
1
ao longo da outra parcela, de a fatora cao
prim aria de m
1
(t).
(c) Qual a decomposicao prim aria induzida por
1
?
(d) Calcule a representa cao matricial de
1
na base can onica.
5. Suponha que o polin omio minimal do operador linear n ao identicamente nulo A : V
V seja um produto de fatores lineares distintos. Demonstre que existe um operador
linear B : V V tal que P = A B e idempotente, isto e, P
2
= P.
90 CAP
ITULO 5. DECOMPOSIC

AO PRIM
ARIA
6. Determine o polin omio caracterstico do operador induzido numa parcela da decom-
posi cao prim aria denida pelo operador.
7. Assuma que A : V V e um operador linear sobre um espa co vetorial V de dimens ao
nita preservando a soma direta V = V
1
V
2
V
k
.
(a) Se A
i
: V
i
V
i
e o operador induzido por restri cao de A, prove que o polin omio
minimal m
A
(t) pertence ao ideal anulador
A
i
, para todo i.
(b) O polin omio minimal de A e o produto dos polin omios minimais m
A
i
(t)?
8. Seja A um operador linear num espa co vetorial de dimens ao nita V . Prove que se
u e v sao vetores de parcelas diferentes da decomposicao prim aria ent ao o polin omio
minimal da soma u +v e o produto dos polin omios minimal de u e de v.
9. Descreva todos os subespacos invariantes pelo operador linear.
(a) A : 1
4
1
4
, A(x, y, z, w) = (0, x w, y + 4w, z +w).
(b) A : 1
3
1
3
, A(x, y, z) = (x 6y, x + 2z, x + 2z).
5.3 Subespa cos cclicos
Quando o polin omio minimal de um operador linear A : V V e uma potencia de
um unico polinomio primo, m
A
(t) = p(t)
r
, o Teorema da decomposi cao prim aria nada
acrescenta ao nosso conhecimento sobre o operador. Um exemplo tpico dessa situacao
e o operador induzido por restri cao a uma das parcelas prim arias. Como sabemos,
o induzido tem um polin omio minimal da forma p(t)
r
. Para contornar essa e outras
diculdades consideramos o subespa co invariante de menor dimens ao que contem um
dado vetor e procuramos decompor o espa co em uma soma direta de tais subespa cos.
Precisemos os conceitos.
Seja A um operador linear num espa co vetorial de dimens ao nita V sobre o corpo
K. Um espa co invariante por A que contem um vetor v V deve conter todos os
iterados de v pelo operador A, isto e, deve conter o conjunto
= v, A(v), A
2
(v), ..., A
n
(v), ....
Como sabemos, o menor subespa co que contem o conjunto e aquele formado pe-
las combina coes lineares de seus elementos, Proposicao 1.2.2, o qual ser a chamado
de subespa co A-cclico gerado por v e denotado por Z
A
(v) ou, quando n ao causar
ambig uidades, por Z(v).

E trivial vericar que tais subespa cos sao invariantes por A.
5.3. SUBESPAC OS C
ICLICOS 91
Um modo conciso de indicar uma combina cao linear de iterados de v por A e
considerar um polin omio p(t) = a
n
t
n
+ + a
1
t + a
0
em K[t] e fazer a avalia cao
p(A)(v) = a
n
A
n
(v) + + a
1
A(v) + a
0
Id(v).
Desse modo, uma descri cao do subespa co A-cclico gerado por v ca sendo
Z
A
(v) = p(A)(v); p(t) K[t].
Relacionaremos algumas propriedades sobre subespa cos cclicos que ser ao utiliza-
das posteriormente. Observamos que o conhecimento do polin omio minimal do vetor
e a principal fonte de informa coes sobre o subespa co cclico gerado por ele, como
veremos na proposi cao a seguir.
Proposicao 5.3.1 Seja A um operador linear num espa co vetorial V de dimens ao
nita sobre o corpo K e seja v V um vetor n ao nulo. Ent ao
a) o conjunto = v, A(v), ..., A
k
0
1
(v) e uma base para Z(v), onde k
0
e o grau
do polin omio minimal de ve, em particular, dimZ(v) = grau m
v
(t);
b)
v
=
Z(v)
;
c) se A
0
: Z(v) Z(v) e o operador linear induzido por restri cao de A ent ao o
polin omio minimal de A
0
e igual ao polin omio minimal de v.
Demonstra cao a) Escolha um vetor w Z(v). Por deni cao de subespa co cclico,
existe um polin omio p(t) = a
n
t
n
+ +a
1
t +a
0
tal que w = p(A)(v). Pelo algoritmo
da divisao de Euclides temos que
p(t) = q(t)m
v
(t) + r(t) com grau r(t) < grau m
v
(t) = k
0
.
Da segue que w = r(A)(v), em outras palavras, w e uma combina cao linear de
vetores de = v, A(v), ..., A
k
0
1
(v), mostrando que e um conjunto de geradores
para Z(v). Os vetores de sao linearmente independentes pois uma combina cao
a
k
0
1
A
k
0
1
(v) + + a
1
A(v) + a
0
v = 0
dene um polinomio p(t) = a
k
0
1
t
k
0
1
+ +a
1
t+a
0
no ideal anulador
v
satisfazendo
a condi cao grau p(t) < grau m
v
(t). Logo, p(t) 0, ou equivalentemente, a
k
0
1
=
= a
1
= a
0
= 0, como desej avamos demonstrar.
92 CAP
ITULO 5. DECOMPOSIC

AO PRIM
ARIA
b) Provemos apenas a inclus ao
v

Z(v)
pois a inclusao oposta e trivial. Seja
p(t) um polin omio no ideal anulador
v
. Dado um vetor w Z(v), por deni cao de
subespaco cclico, existe um polin omio q(t) K[t] tal que w = q(A)(v). Observe que
p(A)(w) = p(A) q(A)(v) = q(A) p(A)(v)
. .
=0
= 0.
Portanto, p(A) anula qualquer vetor em Z(v), signicando que p(t)
Z(v)
.
c) Novamente, demonstraremos apenas a inclus ao
A
0

v
, a inclus ao oposta
car a como exerccio. Armar que p(t) pertence ao ideal anulador
A
0
signica ar-
mar que p(A
0
)(w) = 0 para qualquer vetor w Z(v). Em particular, como v Z(v)
temos que p(A
0
)(v) = 0. Desde que p(A)(v) = p(A
0
)(v) = 0 conclumos que p(t)
pertence ao ideal anulador
v
, mostrando a inclusao
A
0

v
. 2
1. Quantos subespa cos sao invariantes por A : 1
4
1
4
se o polin omio minimal do
operador e m
A
(t) =
_
t
2
+ 1
_ _
t
2
+t + 1
_
?
2. Sejam A um operador linear em V . Prove que Z(u) = Z(v) existe um polinomio
g(t) K[t] relativamente primo com m
u
(t) tal que g(A)(u) = v.
3. Sejam A e um operador linear no espa co vetorial V de dimens ao nita e v V um
vetor cujo polin omio minimal e m
v
(t) = t
k
+a
k1
t
k1
+ +a
1
t +a
0
. Denote por A
0
o operador em Z(v) induzido por restri cao de A. Calcule a representacao matricial
de A
0
na base ordenada = v, A(v), ..., A
k1
(v). A matriz obtida e chamada de
matriz companheira.
5.4 Espa cos cclicos
Seja A um operador linear num espa co vetorial V de dimens ao nita sobre K. Diremos
que o espa co e A-cclico quando existe um vetor v V tal que V = Z(v). Espacos
A-cclicos admitem uma caracteriza cao bastante simples atraves dos dois principais
polin omios associados ao operador. Com as hip oteses acima, temos a
Proposicao 5.4.1 O espa co V e A-cclico se, e somente se, o polin omio carac-
terstico e o polin omio minimal de A sao iguais.
5.4. ESPAC OS C
ICLICOS 93
Demonstra cao ) Suponha que V = Z(v) para algum v V . Ent ao valem as igual-
dades grau p
A
(t) = dimV = dimZ(v) = grau m
v
(t), onde a ultima igualdade segue
da Proposi cao 5.3.1. Como m
v
(t) divide m
A
(t), m
A
(t) divide p
A
(t), os polin omios s ao
m onicos e grau m
v
(t) = grau p
A
(t) conclumos que m
v
(t) = m
A
(t) = p
A
(t).
) Suponhamos que temos a igualdade de polin omios m
A
(t) = p
A
(t). Escolhamos
um vetor v V cujo polin omio minimal e igual ao polin omio minimal de A. Entao
dimV = grau p
A
(t) = grau m
A
(t) = grau m
v
(t) = dimZ(v).
Como dimZ(v) = dimV , necessariamente teremos que V = Z(v). 2
Exemplo 5.4.1 Consideremos o operador A : 1
3
1
3
, A(x, y, z) = (z, x, y). Se
= e
1
, e
2
, e
3
e a base canonica do 1
3
e facil vericar que A(e
1
) = e
2
, A(e
2
) = e
3
e A(e
3
) = e
1
. Como o conjunto formado pelos iterados do vetor e
1
contem a base
can onica, 1
3
= Z(e
1
), isto e, 1
3
e um espaco A-cclico. Examinemos com mais
detalhes o operador. O Teorema da decomposi cao prim aria arma que 1
3
decompoe-
se na soma direta A-invariante,
1
3
= Nuc (A+ Id) Nuc (A
2
+ A + Id),
pois o polin omio minimal do operador e m
A
(t) = (t +1)(t
2
+t +1). Com um pouco de
calculo determinamos as seguintes decomposi coes cclicas para as parcelas prim arias,
_
_
_
Nuc (A+ Id) = Z(v
1
) onde v
1
= (1, 1, 1),
Nuc (A
2
+ A+ Id) = Z(v
2
) onde v
2
= (1, 1, 0).
Logo, tambem e possvel decompor 1
3
em duas parcelas A-cclicas, a saber,
1
3
= Z(v
1
) Z(v
2
).
Na pr oxima se cao descreveremos as v arias possibilidades de decomposicoes em soma
direta por subespa cos A-cclicos. 2
Todos os espacos vetoriais considerados tem dimensao nita.
1. Se o polin omio caracterstico do operador A : 1
2
1
2
n ao tem razes reais, prove
que 1
2
e um espaco A-cclico.
94 CAP
ITULO 5. DECOMPOSIC

AO PRIM
ARIA
2. Verique que 1
3
e um espaco A-cclico e determine um vetor v tal que 1
3
= Z(v)
quando A : 1
3
1
3
e o operador
(a) A(x, y, z) = (x + 4y 3z, x + 10y 7z, x + 13y 9z).
(b) A(x, y, z) = (x + 2z, x +z, x +y + 2z).
3. Seja A : V V um operador linear. Suponha que V e A-cclico. Mostre que um
operador B : V V que comuta com A e um polin omio em A.
4. Prove que se V e A
n
-cclico para algum inteiro n 2 ent ao V e Acclico.
5. Demonstre que um subespa co de um espaco A-cclico e tambem A-cclico.
6. Seja A : V V um operador linear. Suponha que V = Z(v) e que m
v
(t) = p(t)
r
e a
fatora cao prim aria do polin omio minimal de v. Mostre que se s r ent ao p(A)
s
(V )
e um subespaco A-cclico gerado por p(A)
s
(v) com dimensao graup(t)
r
graup(t)
s
.
5.5 Decomposi cao cclica
Um dos nossos objetivos e construir uma decomposi cao can onica do espa co em uma
soma direta de subespa cos A-cclicos, ou seja, na forma
V = Z(v
1
) Z(v
2
) Z(v
m
).
Esse sera o assunto tratado nos pr oximos dois captulos. Como vimos no Exemplo
5.4.1, sem impor alguma restri cao e possvel construir varias decomposi coes A-cclicas
de V nao isomorfas em geral. Para deixar mais claro essa ideia, apresentaremos a se-
guir um teorema que garante um tipo de unicidade de decomposi cao cclica impondo
um minimo de restricoes sobre as parcelas da decomposi cao. Embora seja um proce-
dimento matematicamente exdr uxulo apresentar um teorema de unicidade sem antes
saber se o objeto existe, estamos convencidos da sua conveniencia. Na pr oxima de-
nicao utilizaremos a terminologia j a xada. Seja
V = Nuc p
1
(A)
r
1
Nuc p
2
(A)
r
2
Nuc p
k
(A)
r
k
a decomposi cao prim aria determinada pelo operador linear A : V V .
Deni cao 5.5.1 Uma decomposi cao A-cclica de V e uma decomposi cao em soma
direta de subespa cos A-cclicos na qual cada parcela da decomposic ao prim aria est a
5.5. DECOMPOSIC

AO C
ICLICA 95
decomposta na forma,
Nuc p
i
(A)
r
i
= Z(v
1
) Z(v
2
) Z(v
m
i
),
graup
i
(t)
r
i
= dimZ(v
1
) dimZ(v
2
) dimZ(v
m
i
).
Em tempo, uma representa cao de Jordan de um operador e obtida a partir de
uma tal decomposi cao. J a dissemos que a existencia de uma decomposi cao A-cclica
sera demonstrada posteriormente, agora nos ocuparemos da unicidade dimensional
da decomposicao A-cclica explicada no teorema abaixo. O estudo ca reduzido a
operadores para os quais o polin omio minimal e potencia de um unico polinomio
primo p(t) pois, em geral, s o precisaremos examinar o operador A
i
: Nuc p
i
(A)
r
i
Nuc p
i
(A)
r
i
, induzido por restri cao de A, cujo polin omio minimal e p
i
(t)
r
i
.
Teorema 5.5.1 (Teorema da unicidade dimensional) Seja A um operador linear
no espa co vetorial V de dimens ao nita sobre o corpo K cujo polin omio minimal e
potencia de um unico polin omio primo, m
A
(t) = p(t)
r
. Se existe uma decomposi cao
A-cclica
V = Z(v
1
) Z(v
2
) Z(v
k
),
graup(t)
r
= dimZ(v
1
) dimZ(v
2
) dimZ(v
k
),
ent ao esta decomposi c ao e dimensionalmente unica no seguinte sentido. Para qualquer
outra decomposi cao A-cclica
V = Z(u
1
) Z(u
2
) Z(u
n
),
grau p(t)
r
= dimZ(u
1
) dimZ(u
2
) dimZ(u
n
),
o n umero de parcelas nas decomposi coes sao iguais, k = n, e dimZ(v
i
) = dimZ(u
i
)
A demonstra cao do teorema e um laborioso c alculo dimensional e, certamente,
quebrar a o ritmo de leitura. Se, por um lado ,a compreens ao precisa do enunciado
e conveniente, por outro lado a tecnica de demonstra cao n ao mais se repetir a, n ao
ocorrendo perda alguma caso a leitura da demonstra cao seja omitida. No momento, o
mais importante e compreender e ilustrar o resultado solucionando alguns problemas
propostos. Em ultima analise a aspereza da demonstracao e consequencia de estarmos
demonstrando a unicidade da representacao de Jordan para um operador. De qualquer
modo, a prova est a no apendice desse captulo. Finalmente, observamos que o Teorema
da unicidade dimensional estabelec o isomorsmo entre duas quaisquer decomposi coes
cclicas denidas por um operador.
96 CAP
ITULO 5. DECOMPOSIC

AO PRIM
ARIA
Exemplo 5.5.1 Suponha que os polin omios minimal e caracterstico de um operador
linear A : 1
5
1
5
sejam, respectivamente,
m
A
(t) = (t 1)
2
(t + 3) e p
A
(t) = (t 1)
3
(t + 3)
2
.
Pelo Teorema da decomposi cao prim aria e corolarios sabemos que
1
5
= Nuc (AId)
2
Nuc (A+ 3Id),
com dimNuc (A Id)
2
= 3 e dimNuc (A + 3Id) = 2. Se existe uma decomposi cao
A-cclica de 1
5
ela deve satisfazer as seguintes condi coes dimensionais,
_
_
Nuc (A Id)
2
= Z(v
1
) Z(v
2
),
grau(t 1)
2
= dimZ(v
1
)
. .
=2
> dimZ(v
2
)
. .
=1
e
_
_
Nuc (A + 3Id) = Z(v
3
) Z(v
4
),
grau(t + 3) = dimZ(v
3
)
. .
=1
= dimZ(v
4
)
. .
=1
.
Sendo assim, a matriz [A]
na base ordenada = v
1
, A(v
1
)
v
2
v
3
v
4
e
[A]
=
_
_
0 1
1 2
1
3
3
_
_
.
A matriz ser a a mesma se escolhermos qualquer outra decomposi cao cclica res-
peitando-se, e claro, a ordem das parcelas da decomposi cao prim aria. 2
1. Descreva todas as decomposicoes A-cclicas que podem ocorrer quando A e um ope-
rador num dos seguintes espa cos.
(a) V = 1
2
. (b) V = 1
3
. (c) V = C
2
. (d) V = C
3
.
2. A representa cao matricial do operador B : 1
5
1
5
na
base ordenada = v
1
, v
2
, v
3
, v
4
, v
5
e a matriz ao lado.
(a) Mostre que 1
5
= Z
B
(v
1
) Z
B
(v
2
) e calcule a di-
mensao de cada parcela.
(b) Determine uma decomposi cao A-cclica quando
A Id +B.
[B]
=
_
_
0
1 0
1 0
1 0
0 1
_
_
.
5.6. AP
ENDICE 97
3. Descreva as possveis decomposi coes cclicas determinadas pelo operador A : 1
6
1
6
supondo que os polin omios minimal e caracterstico sao os indicados.
(a) m
A
(t) = (t
2
+ 1)(t 3) e p
A
(t) = (t
2
+ 1)
2
(t 3)
2
.
(b) m
A
(t) = (t
2
+ 1)(t 3)
2
e p
A
(t) = (t
2
+ 1)
2
(t 3)
2
.
(c) m
A
(t) = (t
2
1)(t 3)
2
e p
A
(t) = (t
2
1)
2
(t 3)
2
.
4. Sejam A um operador linear no espa co vetorial V de dimens ao nita sobre K e q(t)
K[t]. Prove as seguintes arma coes sobre espacos cclicos.
(a) Se w Z(v) ent ao Z(w) Z(v).
(b) q(A) (Z(v)) = Z (q(A)(v)).
(c) Se existe uma decomposicao V = Z(v
1
) Z(v
2
) Z(v
m
) ent ao
q(A) (V ) = Z(q(A)(v
1
)) Z(q(A)(v
2
)) Z(q(A)(v
m
)).
5.6 Apendice
Esse apendice e dedicado integralmente ` a prova do Teorema da unicidade dimensional
da decomposicao cclica, 5.5.1. A leitura da demonstra cao pode ser omitida sem
prejuzos maiores. Antes de inicia-la examine o Exerccio proposto 4 da se cao anterior.
Demonstra cao do Teorema 5.5.1 da unicidade dimensional Recordamos que,
por hip otese, a fatora cao prim aria do polin omio minimal de A e m
A
(t) = p(t)
r
,
portanto, qualquer vetor v V tem polin omio minimal do tipo m
v
(t) = p(t)
z
, por
Proposi cao 5.3.1. Logo, dimZ(v) = grau p(t)
z
.
Dada uma decomposi cao de V em subespacos A-cclicos e conveniente apresent a-la
de outra forma,
V =
_
_
Z(v
11
) Z(v
12
) Z(v
1k
1
) dimZ(v
ij
) = grau p(t)
r
1
Z(v
21
) Z(v
22
) Z(v
2k
2
) dimZ(v
ij
) = grau p(t)
r
2
.
.
.
Z(v
m1
) Z(v
m2
) Z(v
mkm
), dimZ(v
ij
) = grau p(t)
rm
onde em cada linha estao relacionados os subespa cos de dimensao grau p(t)
r
1
, indicada
ao lado, cujos expoentes satisfazem as desigualdades r = r
1
> r
2
> > r
m
1.
98 CAP
ITULO 5. DECOMPOSIC

AO PRIM
ARIA
Consideremos uma segunda decomposi cao A-cclica,
V =
_
_
Z(u
11
) Z(u
12
) Z(u
1n
1
) dimZ(u
ij
) = grau p(t)
s
1
Z(u
21
) Z(u
22
) Z(u
2n
2
) dimZ(u
ij
) = grau p(t)
s
2
.
.
.
Z(u
d1
) Z(u
d2
) Z(u
dn
d
), dimZ(u
ij
) = grau p(t)
s
d
com r = s
1
> s
2
> > s
d
1. Comparemos inicialmente os comprimentos das
primeiras linhas avaliando o operador p(A)
s
1
1
em ambas decomposi coes, lembrando
que por deni cao de decomposi cao ciclca ja temos as igualdades r = r
1
= s
1
,
p(A)
s
1
1
(V ) = Z
_
p(A)
s
1
1
(v
11
)
_
Z
_
p(A)
s
1
1
(v
1k
1
)
_
,
p(A)
s
1
1
(V ) = Z
_
p(A)
s
1
1
(u
11
)
_
Z
_
p(A)
s
1
1
(u
1n
1
)
_
,
como
dimZ
_
p(A)
s
1
1
(v
1j
)
_
= grau p(t) e dimZ
_
p(A)
s
1
1
(u
1j
)
_
= grau p(t),
podemos contar as dimens oes das parcelas e obter
dimp(A)
s
1
1
(V ) = k
1
grau p(t) = n
1
grau p(t),
portanto, k
1
= n
1
, como queramos provar.
A demonstra cao proseguir a por indu cao. Vamos supor que j a tenhamos mos-trado
que as duas decomposi coes satisfazem a unicidade dimensional ate a j-esima linha,
isto e, se 1 i j, as i-esimas linhas tem o mesmo n umero de parcelas e as parcelas
tem as mesmas dimens oes, em outras palavras,
k
i
= n
i
e dimZ(v
pi
) = dimZ(u
pi
) para 1 p k
im
e 1 i j.
Note que se numa decomposi cao existe a (j + 1)-esima linha na outra decomposi cao
necessariamente existe uma (j+1)-linha, caso contr ario, facilmente chegaramos a uma
contradi cao sobre a dimens ao do espa co V utilizando a hip otese de inducao. Vamos
supor por absurdo que vale uma desigualdade entre os (j + 1)-esimos expoentes, por
exemplo, r
j+i
> s
j+1
(para r
j+i
< s
j+1
os argumentos s ao semelhantes). Sendo assim,
avaliando o operador p(A)
s
j+1
1
nas duas decomposicoes podemos armar que:
1
o
) na primeira decomposi cao obtemos o espa co p(A)
s
j+1
1
(V ) com j + 1 linhas,
cada linha com k
i
parcelas e cada parcela na i-esima linha tem dimensao igual a
grau p(t)
r
i
(s
j+1
1)
;
5.6. AP
ENDICE 99
2
o
) na segunda obtemos o mesmo espa co p(A)
s
j+1
1
(V ) com j linhas, cada linha
com n
i
parcelas e cada parcela da i-esima linha tem dimensao
grau p(t)
s
i
(s
j+1
1)
.
Isso e uma contradicao sobre a dimens ao de p(A)
s
j+1
1
(V ). Com efeito. Por hip otese
de inducao sabemos que r
i
= s
i
e k
i
= n
i
se 1 i j, e na primeira avalia cao
obtemos uma dimensao para p(A)
s
j+1
1
(V ) maior que aquela fornecida pela segunda
avalia cao pois esta ultima possui uma linha a menos. Isto termina a demonstra cao
do Teorema da unicidade dimensional da decomposi cao cclica. 2
Captulo 6
Representacao de Jordan (A)
O Teorema da decomposi cao prim aria, 5.1.1, fornece uma macro decomposi cao de
um operador. O objetivo desse e do pr oximo captulo e mostrar como cada parcela
da decomposicao prim aria pode ser decomposta em subespa cos cclicos. Feito isso,
teremos condi coes de construir a representa cao de Jordan, o retrato de um operador
linear com seu melhor perl. A tecnica utilizada e estudar operadores diagonaliz aveis
e operadores nilpotentes. Para deixar claro as estruturas desse e do pr oximo captulo
faremos um resumo da linha de desenvolvimento. Novamente, recordamos que os
unicos corpos considerados s ao 1 ou C.
Conhecida a fatora cao prim aria do polin omio minimal de um operador linear A :
V V, m
A
(t) = p
1
(t)
r
1
p
2
(t)
r
2
p
k
(t)
r
k
, construiremos uma base especial para cada
parcela da decomposi cao prim aria correspondente a um dos quatro tipos de fatores:
I p(t) = (t );
II p(t) = (t )
r
;
III p(t) = (t )
2
+
2
;
IV p(t) = [(t )
2
+
2
]
r
.
Aqui, temos r N, r > 1, , 1 e > 0.
E claro que um polin omio do tipo p(t) = (t )

2
+
2
, > 0 s o ocorre como fator
primo de um polin omio minimal quando o espa co vetorial e real. Nesse captulo estu-
daremos os casos I e II deixando os outros para o pr oximo pois envolvem uma tecnica
complementar. Para simplicar os enunciados das proposi coes sobre a existencia de
uma decomposi cao cclica iremos assumir que a decomposi cao prim aria possui uma
100
6.1. AUTOVALORES E AUTOVETORES 101
unica parcela e nos casos com mais de uma parcela adaptamos o resultado fazendo a
restricao do operador a cada uma das parcelas da decomposi cao prim aria.
6.1 Autovalores e autovetores
Na sequencia A denotar a um operador linear no espa co vetorial V de dimens ao nita
sobre o corpo K. Nessa secao estudaremos as razes do polinomio caracterstico. Um
escalar K e um autovalor de A se, e somente se, existe um vetor nao nulo v V
tal que A(v) = v. Um vetor n ao nulo satisfazendo a condi cao A(v) = v e chamado
de autovetor associado ao autovalor . O autoespa co associado ao autovalor e o
conjunto denido por
V
= v V, A(v) = v.
Verica-se sem esforco algum que V
e um subespaco invariante pelo operador A.

Note que somente o vetor nulo em V
nao e um autovetor associado ao autovalor

. Em alguns textos autovalor e chamado de valor pr oprio ou valor caracterstico
e, acompanhando a terminologia, autovetor e chamado de vetor proprio ou vetor
caracterstico. Caracterizemos um autovalor de um operador A : V V .
Proposicao 6.1.1 S ao equivalentes as seguintes arma coes.
a) K e autovalor de A.
b) Id A : V V e um operador linear n ao invertvel.
c) K e uma raiz do polin omio caracterstico p
A
(t).
Demonstra cao a) b) Se e autovalor de A, por deni cao, existe um vetor nao
nulo tal que A(v) = v. Logo, v pertence ao n ucleo do operador Id A : V V ,
implicando que esse operador n ao e invertvel pois n ao e injetivo.
b)) a) Se Id A nao e invertvel, pelo Teorema do n ucleo e da imagem, 2.3.1,
conclumos que Nuc (Id A) n ao e trivial. Portanto, existe um vetor v n ao nulo tal
que (Id A)(v) = 0.

E imediato concluir que e autovalor e v e autovetor.
b) c) Basta utilizar um criterio j a citado anteriormente. O operador Id A
nao e invertvel 0 = det(Id A) = p
A
(). 2
102 CAP
ITULO 6. REPRESENTAC

AO DE JORDAN (A)
Alguns operadores podem n ao ter autovalores quando V e um espa co vetorial real.
Para que isso ocorra e suciente que o polinomio caracterstico nao tenha raizes reais.
Em tal caso, o espa co V deve ter dimensao par! Se m
A
(t) = (t )p
2
(t)
r
2
p
k
(t)
r
k
e
a decomposi cao prim aria do polin omio caracterstico de A, o leitor pode mostrar que
a parcela Nuc(A Id) da decomposi cao prim aria de V e o autoespa co V
.
A condi cao b) da proposi cao acima permite transferir o conceito de autovalor para
matrizes quadradas N M(n, K). Um escalar K e autovalor da matriz N se,
e somente se, a matriz I N nao e invertvel. Da mesma forma, um autovalor de
uma matriz e uma raiz do seu polinomio caracterstico. Portanto, os autovalores de
um operador A : V V sao os autovalores de uma representa cao matricial [A]
.
Exerccio 6.1.1 Qual a dimens ao do subespa co cclico gerado por um autovetor de
um operador linear?
Exemplo 6.1.1 Calculando o polin omio caracterstico do operador linear
A : 1
2
1
2
, A(x, y) = (x + y, x + y),
obtemos o polin omio p
A
(t) = t(t 2), logo, os seus autovalores s ao escalares
1
=
0 e
2
= 2. O Teorema da decomposi cao prim aria garante a decomposi cao V =
Nuc ANuc (A2Id).

E imediato concluir que cada parcela da decomposi cao e um
autoespa co associado a um autovalor, fato que permite-nos reescrever a decomposi cao
como soma direta dos autoespa cos V = V
0
V
2
. Com um c alculo simples encontramos
que u = (1, 1) e v = (1, 1) s ao autovetores associados aos autovalores
1
= 0 e
2
= 2, respectivamente. Na base ordenada = u, v a representa cao de A e a
matriz diagonal
[A]
=
_
0 0
0 2
_
. 2
Embora trivial, deixaremos registrado o primeiro resultado sobre a existencia de
uma decomposi cao cclica.
Teorema 6.1.1 (Teorema da decomposicao cclica I) Seja A um operador li-
near num espa co vetorial V de dimens ao n sobre K com polin omio minimal m
A
(t) =
t . Entao existem vetores v
1
, v
2
, ..., v
n
V tais que
_
_
_
V = Z(v
1
) Z(v
1
) Z(v
n
),
grau (t ) = dimZ(v
1
) = dimZ(v
2
) = = dimZ(v
n
).
Essa decomposi c ao A-cclica e dimensionalmente unica.
6.1. AUTOVALORES E AUTOVETORES 103
Demonstra cao

E claro que V = V
= Nuc (A Id). Portanto, ao escolhermos

qualquer base ordenada = v
1
, v
2
, ..., v
n
o espa co decompoe-se numa soma direta
dos espa cos A-cclicos Z(v
i
)
n
i=1
. Como a base e formada de autovetores, os su-
bespa cos cclicos tem dimensao 1.
Nas condi coes da proposi cao acima, a base e chamada de base de Jordan e a
representa c ao Jordan de A e a matriz diagonal n n,
[A]
= diag, , ....
Os espacos considerado a seguir tem dimensao nita.
1. Um operador num espa co vetorial complexo (ou operador num espa co vetorial real de
dimens ao mpar) tem pelo menos um autovalor. Prove as arma coes.
2. Se m
A
(t) = (t )p
2
(t)
r
2
p
k
(t)
r
k
e a decomposicao prim aria do polin omio minimal
de A : V V prove que a parcela Nuc(A Id) da decomposi cao prim aria cor-
respondente e o autoespaco V
.
3. Sejam v
1
, v
2
, ..., v
k
autovetores do operador A : V V associados aos autovalores
1
,
2
, ...,
k
, respectivamente. Se os autovalores sao dois a dois distintos mostre que
os autovetores sao linearmente independentes.
4. Se todo vetor n ao nulo v V e autovetor associado a um autovalor de um operador
linear A : V V entao A = Id.
5. Seja A um operador linear num espa co vetorial V . Se p(t) K[t] e um polin omio tal
que p(A) 0 ent ao toda raiz de p(t) e um autovalor de A?
6. Demonstre as seguintes armacoes sobre um operador linear A : V V .
(a) Se e um autovalor de A ent ao p() e um autovalor de p(A), para qualquer
polin omio p(t) K[t].
(b) A e invertvel todo autovalor de A e diferente de zero.
(c) Quando A e invertvel, o operador A
1
e um polin omio em A.
(d) Se A e invertvel ent ao o conjunto de autovetores de A e A
1
coincidem.
7. Utilize um argumento indutivo sobre a dimens ao do espa co para demonstrar que todo
operador linear A num espa co vetorial complexo V de dimens ao nita admite uma
representa cao por uma matriz triangular superior [A]
.
104 CAP

AO DE JORDAN (A)
6.2 Operadores diagonalizaveis
Um operador linear A : V V e diagonaliz avel se existe uma base V formada por
autovetores. O termo diagonaliz avel e sugestivo, pois numa base = v
1
, v
2
, ..., v
n
formada por autovetores a representa cao do operador e um matriz diagonal,

[A]
= diag
1
,
2
, ...,
n
,
desde que A(v
i
) =
i
v
i
. Observamos que os autovalores n ao s ao necessariamente
distintos. Para saber em quais condi coes podemos diagonalizar um operador, basta
examinar a fatora cao prim aria do seu polin omio minimal e vericar se ela e da forma
m
A
(t) = (t
1
)(t
2
) (t
k
) onde
i
,=
j
se i ,= j.
Proposicao 6.2.1 Seja A um operador linear num espa co vetorial de dimens ao nita
V . Entao A e diagonaliz avel se, e somente se, o polin omio minimal de A fatora-se
em um produto de polin omios lineares distintos.
Demonstra cao ) Escolha uma base ordenada = v
1
, v
2
, ..., v
n
constituda de
autovetores do operador. Reindexando podemos construir uma nova base ordenada
= v
11
, ..., v
1s
1
v
k1
, ..., v
ks
k
na qual todos os elementos de um mesmo subconjunto indicado s ao autovetores de

um unico autovalor, A(v
ij
) =
i
v
ij
, para todo j, 1 j k
i
. Feito isso, representamos
o operador A como uma matriz diagonal,
[A]
= diag
1
I
s
1
,
2
I
s
2
, ..., I
s
k
,
onde I
s
i
e a matriz identidade s
i
s
i
. Dessa representa cao matricial segue que podemos
decompor V em uma soma direta de autoespa cos V = V
1
V
2
V
k
. Logo,
dado um vetor v V podemos decomp o-lo em k parcelas,
v = v
1
+ v
2
+ + v
k
com v
i
V
i
.
Tambem pela representa cao matricial e possvel concluir que o polin omio caracterstico
do operador e da forma p
A
(t) = (t
1
)
s
1
(t
2
)
s
2
(t
k
)
s
k
. Consideremos o
polin omio
m(t) = (t
1
)(t
2
) (t
k
),
6.2. OPERADORES DIAGONALIZ
AVEIS 105
avaliemos m(t) no operador e calculemos a avalia cao num vetor v = v
1
+v
2
+ +v
k
.
Como os fatores de m(A) comutam, desde que s ao polin omios em A, e (A
i
Id)(v
i
) =
0 temos que
m(A)(v) =
k
i=1
m(A)(v
i
)
=
k
i=1
_
(A
1
Id)

(A
i
Id) (A
k
Id)
_
(A
i
Id)(v
i
)
. .
=0
= 0.
Isto e suciente para demonstrar que m(t) = m
A
(t), pois ele e aquele polin omio de
menor grau no ideal anulador de A cuja fatora cao contem todos os fatores primos do
polin omio caracterstico.
) Vamos assumir que
m
A
(t) = (t
1
)(t
2
) (t
k
), com
i
,=
j
se i ,= j.
Sendo assim, cada parcela da decomposi cao prim aria
V = Nuc (A
1
Id) Nuc (A
2
Id) Nuc (A
k
Id)
e um autoespa co. Escolhida uma base ordenada
i
de V
i
= Nuc (A
i
Id), a uni ao
ordenada =

i
e uma base ordenada de V formada por autovetores. Por deni cao,
A e diagonaliz avel. 2
Diremos que uma matriz quadrada e diagonaliz avel quando ela e conjugada a uma
matriz diagonal.
1. Verique que o operador e diagonalizavel e, em caso positivo, determine uma base
ordenada que diagonaliza o operador e de a representacao matricial nesta base. Em
alguns exemplos voce precisra do seu conhecimento de Calculo.
(a) A : 1
3
1
3
, A(x, y, z) = (x, x + 2y, x +y 3z).
(b) A : 1
3
1
3
A(x, y, z) = (x y, 2x + 2y + 2z, x +y 2z).
106 CAP

AO DE JORDAN (A)
(c) A : 1
3
1
3
, A(x, y, z) = (x 2y, 3y 4z, y + 3z).
(d) A : 1
3
1
3
, A(x, y, z) = (x, x + 2y, x +y 3z).
(e) A : C
3
C
3
, A(x, y, z) = (x, 2x +y + 2z, 2x + 2y + 3z).
(f) A : 1
2
1
2
, A(x, y) = (5x y, x + 3y).
(g) A : 1
3
1
3
, A(x, y, z) = (y, z, x y).
2. Mostre que a matriz N M(3, 1) e diagonalizavel, onde
N =
_
_
0 1 0
0 0 1
1 3 0
_
_
.
3. Prove que a matriz N M(2, K) e conjugada a uma matriz diagonal, onde
N =
_
0 1
2 3
_
.
4. Prove que o operador A : 1
2
1
2
, A(x, y) = (ax +by, bx +cy) e diagonalizavel.
5. Mostre que toda involu cao e todo operador idempotente num espa co vetorial de di-
mensao nita e diagonalizavel.
6. Calcule N
17
quando N e a matriz
N =
_
6 2
2 9
_
.
7. A restri cao de um operador diagonaliz avel a um subespaco invariante e um operador
diagonaliz avel? Justique sua resposta.
8. Suponha que A : V V e um operador linear diagonaliz avel num espa co vetorial de
dimens ao n. Prove que V e A-cclico A tem n autovalores distintos.
9. Se A : V V e um operador diagonaliz avel e V
1
V e um subespaco invariante
entao existe outro subespa co invariante W
2
V tal que V = V
1
V
2
.
10. Se p
A
(t) = (t
1
)(t
2
) (t
n
) com
i
,=
j
se i ,= j e o polin omio caracterstico
do operador linear A : V V , demonstre que tr A
r
=

n
k=1
r
k
, r 0.
6.3. OPERADORES NILPOTENTES 107
11. Suponha que A : V V e um operador diagonaliz avel tal que p
A
(t) = m
A
(t).
Quantos subespa cos invariantes existem?
12. De uma condicao sobre os valores de a, b, c, d, f necessaria
e suciente para que a matriz N descrita ao lado seja con-
jugada a uma matriz diagonal.
13. Um operador linear num espa co vetorial de dimens ao nita
que comuta com qualquer operador diagonaliz avel e uma
homotetia!
N =
_
_
1 0 0 0
a 1 0 0
b c 3 0
d e f 3
_
_
14. Prove que um operador linear num espa co vetorial de dimens ao nita e diagonalizavel
se qualquer representa cao matricial do operador e uma matriz diagonalizavel.
15. Dado um operador linear A num espa co vetorial V de di-
mensao dois prove que V = Z(v) (A-cclico) ou A e uma
homotetia. Os dois fatos n ao ocorrem simultaneamente.
16. Determine uma matriz N M(3, 1) tal que N
2
esta des-
crita ao lado.
N
2
=
_
_
3 1 1
1 3 1
2 2 2
_
_
.
17. Suponha que um operador A num espa co vetorial real V de dimens ao n tenha n
autovalores distintos. Prove que nem sempre existe um operador B tal que A = B
2
.
18. Fixado uma matriz N M(2, K), considere o operador A : M(2, K) M(2, K),
A(X) = XN. Mostre que A n ao e diagonalizavel.
19. Dada a matriz A M(2, K), dena um operador linear A : M(2, K) M(2, K) por
A(X) = NX XN. Se N e diagonalizavel ent ao A e diagonalizavel.
20. Sejam D um operador diagonaliz avel num espa co vetorial V de dimens ao n sobre o
corpo K com autovalores
j
n
j=1
(possivelmente com repeti coes) e p(t) K[t]. Prove
que p(D) e diagonalizavel e que p(
j
)
n
j=1
sao os autovalores de p(D).
6.3 Operadores nilpotentes
No Teorema da decomposi cao prim aria surge um operador linear com propriedades
especiais. As restricoes p(A) : Nuc p
i
(A)
r
i
Nuc p
i
(A)
r
i
satisfazem a identidade
p
i
(A)
r
i
0. Tais tipos de operadores recebem um nome particular. Diremos que um
operador B num espa co vetorial de dimens ao nita V e nilpotente se seu polinomio
minimal e do tipo m
B
(t) = t
r
. O inteiro r e chamado de nilpotencia de B e satisfaz
a desigualdade r dimV pois
r = grau m
B
(t) grau p
B
(t) = dimV.
Observamos tres fatos sobre um operador nilpotente B:
108 CAP

AO DE JORDAN (A)
a) o operador nilpotente dene a sequencia de n ucleos
V = Nuc B
r
Nuc B
r1
Nuc B Nuc B
0
= 0;
b) B induz por restri cao um operador sobrejetor B : Nuc B
i
Nuc B
i1
;
c) um vetor v que pertence ao subespa co Nuc B
i
mas que nao pertence ao su-
bespa co Nuc B
i1
tem polin omio minimal m
v
(t) = t
i
.
Tais fatos admitem demonstracoes simples e serao deixados como exerccios. De modo
an alogo, diremos que uma matriz N M(n, K) e nilpotente com nilpotencia r se seu
polin omio minimal e o polin omio m
N
(t) = t
r
. A rela cao entre as duas deni coes e
obvia, armar que um operador B e nilpotente e equivalente a armar que qualquer
representa cao matricial [B]
e uma matriz nilpotente.

Exerccio 6.3.1 Verique que a matriz N M(2, K) e nilpotente e calcule o traco
e o determinante, onde
N =
_
10 4
25 10
_
.
2
Exemplo 6.3.1 O operador B : K
n
K
n
, B(x
1
, x
2
, ..., x
n
) = (0, x
1
, x
2
, ..., x
n1
),
e nilpotente com polinomio minimal m
B
(t) = t
n
= p
B
(t), portanto, o espa co e B-
cclico. Nesse caso e simples vericar que 1
n
= Z(e
1
) onde e
1
e o primeiro ele-
mento da base can onica pois Z(e
1
). Logo, sua representa cao na base =
e
1
, B(e
2
), ..., B
r1
(e
1
) = e a matriz n n
[B]
=
_
_
0
1 0
1
.
.
.
.
.
. 0
1 0
_
_
.
Um dos nossos objetivos e mostrar que qualquer operador nilpotente pode ser repre-
sentado por uma diagonal de matrizes como essa. 2
Exemplo 6.3.2 Vamos assumir que A : V V e um operador linear cujo polin omio
minimal e m
A
(t) = (t )
n
onde n = dimV . Considere o operador linear B : V V ,
6.3. OPERADORES NILPOTENTES 109
B(v) = (A Id)(v). Sendo assim, e imediato concluir que o polin omio minimal de
B e o polin omio m
B
(t) = t
n
. Por deni cao, B e nilpotente com nilpotencia n, de onde
segue que o espa co vetorial e B-cclico. Escolhendo um vetor v V tal que V = Z(v)
e considerando a base cclica = v, B(v), ..., B
n1
(v) temos para representa cao
matricial de B na base a matriz n n semelhante à matriz do exemplo anterior,
6.3.1. Como [B]
= [AId]
, entao
[A]
=
_
1
1
.
.
.
.
.
.
1
_
_
.
2
Na demonstra cao do pr oximo teorema de decomposi cao necessitaremos de algumas
informa coes.
Lema 6.3.1 A sequencia de n ucleos de um operador nilpotente B com nilpotencia r
possui as seguintes propriedades.
a) As inclus oes s ao pr oprias: V _ ImB _ _ ImB
r1
_ ImB
r
= 0.
b) Se W e qualquer subespaco complementar ` a Nuc B
j
em Nuc B
j+1
, em outras
palavras, se Nuc B
j+1
= W Nuc B
j
, ent ao B(W) Nuc B
j1
= 0.
Demonstra cao a) Seja v V = Nuc B
r
um vetor cujo polinomio minimal e igual ao
polin omio minimal de B, m
v
(t) = t
r
.

E claro que o polin omio minimal de v
i
= B
i
(v) e
m
i
(t) = t
ri
, portanto, v
i
Nuc B
ri
. Suponha por absurdo que Nuc B
i
= Nuc B
i1
,
para algum i, entao B
(i1)
(v
i
) = 0, signicando que B
i1
(B
ri
(v)) = 0. Logo, o
polin omio m(t) = t
r1
est a no ideal anulador de v e tem grau menor que o grau do
seu polinomio mnimo, uma contradi cao.
b) A argumenta cao e a mesma. Se existisse um vetor n ao nulo na interse cao
B(W) Nuc B
j1
esse vetor teria polinomio minimal m
v
(t) = t
j
e o polin omio p(t) =
t
j1
perteceria ao ideal anulador
v
, evidentemente uma contradi cao. 2
1. Prove que toda matriz conjugada a uma matriz nilpotente e nilpotente.
110 CAP

AO DE JORDAN (A)
2. Determine as matrizes n n que sao simultaneamente diagonalizaveis e nilpotentes.
3. Duas matrizes nn que comutam com uma delas nilpotente, necessariamente a outra
e uma matriz nilpotente. Verique essa arma cao.
4. Uma matriz 2 2, N, e nilpotente tr N = 0 e det N = 0.
5. O operador obtido por restri cao de um operador linear nilpotente a um subespa co
invariante e um operador nilpotente?
6. A deriva cao D : K
n
[t] K
n
[t], D(p(t)) = p
(t), e nilpotente e m
D
(t) = t
n+1
.
7. Seja A um operador linear no espa co vetorial de dimens ao nita V . Prove a arma cao:
se A
s
0 para algum inteiro s > dimV entao A
r
0 para algum inteiro r dimV .
8. Mostre que o operador B : 1
4
1
4
, B(x
1
, x
2
, x
3
, x
4
) = (x
2
, x
3
, x
4
, 0) e nilpotente e
encontre uma base ordenada 1
4
tal que
[B]
=
_
_
0
1 0
1 0
1 0
_
_
.
9. Verique que as matrizes abaixo sao nilpotente calculando diretamente as potencias
J, J
2
, J
3
, etc.,
J
1
=
_
_
0
1 0
1 0
1 0
1 0
_
_
e J
2
=
_
_
0 0 0
a 0 0
c b 0
_
_
.
10. Uma matriz triangular inferior (respect. superior) com todos os elementos da diagonal
principal iguais a zero e nilpotente?
11. Seja N M(n, K). Se tr N
j
= 0 para todo j 1, ent ao N e nilpotente.
12. Se N e P M(n, K) sao matrizes tais que NP PN comuta com N entao NP PN
e nilpotente (Lema de Jacobson).
6.4. DECOMPOSIC

AO C
ICLICA II 111
6.4 Decomposi cao cclica II
Nessa secao construiremos uma decomposicao cclica para um operador cujo polin omio
minimal e potencia positiva do polin omio p(t) = (t1). A demonstra cao e construtiva
e deve ser repetida nos exemplos. Antes de enuncia-lo, colocaremos uma observa cao
como exerccio.
Exerccio 6.4.1 Dados um operador linear A : V V e um escalar K, considere
o operador linear B : V V , B(v) = (A Id) (v). Verique que para todo v V
vale a igualdade de subespa cos cclicos Z
A
(v) = Z
B
(v). 2
Teorema 6.4.1 (Teorema da decomposicao cclica II) Seja A um operador num
espa co vetorial V de dimens ao nita sobre o corpo K com polin omio minimal m
A
(t) =
(t )
r
. Entao existem vetores v
1
, v
2
, ..., v
n
V tais que
_
_
_
V = Z(v
1
) Z(v
2
) Z(v
n
),
grau m
A
(t) = dimZ(v
1
) dimZ(v
2
) dimZ(v
n
).
Essa decomposi cao e dimensionalmente unica.
Demonstra cao Pelo exerccio acima e suciente construir uma decomposicao ciclica
para o operador B : V V , B(v) = (AId) (v) que e nilpotente com m
B
(t) = t
r
.
Uma decomposi cao B cclica de V e tambem uma decomposi cao A-cclica. Conside-
remos a sequencia de n ucleos, Lema 6.3.1,
V = Nuc B
r
_ Nuc B
r1
_ Nuc B _ Nuc B
0
= 0.
Sendo assim, e possvel escolher um subespa co W
0
complementar ao subespa co Nuc B
r1
em V = Nuc B
r
, e uma base ordenada
0
de W
0
. Guardemos esses dados,
V = W
0
NucB
r1
e
0
= v
01
, v
02
, ..., v
0k
0
W
0
.
Observemos que cada vetor na base
0
tem polin omio minimal m
v
0i
(t) = m
B
(t) = t
r
,
implicando que o subespa co cclico gerado por um vetor v
0i

0
tem dimensao r.
Mostremos que o conjunto de vetores
B(
0
) = B(v
01
), B(v
02
), ..., B(v
0k
0
)
112 CAP

AO DE JORDAN (A)
e linearmente independente no espa co Nuc B
r1
. Com efeito, considere a combina cao
linear
a
1
B(v
01
) + a
2
B(v
02
) + + a
k
0
B(v
0k
0
) = 0.
Avaliando o operador B
r2
na combina cao linear temos as implica coes
a
1
B
r1
(v
01
) + a
2
B
r1
(v
02
) + + a
k
0
B
r1
(v
0k
0
) = 0
a
1
v
01
+ a
2
v
02
+ + a
k
0
v
0k
0
NucB
r1
a
1
v
01
+ a
2
v
02
+ + a
k
0
v
0k
0
NucB
r1
W
0
= 0
a
1
= a
2
= = a
k
0
= 0.
Pelo que foi demonstrado, Lemma 6.3.1, e possvel escolher um subespa co W
1

Nuc B
r1
satisfazendo as condi coes
Nuc B
r1
= W
1
Nuc B
r2
e B(W
0
) W
1
.
Escolhemos para base ordenada de W
1
um conjunto da forma
1
= B(
0
)
v
11
, v
12
, ..., v
1k
1
.
Tal constru cao decomp oe V em soma direta,
V = W
0
W
1
Nuc B
r2
e fornece uma base ordenada
1
de W
1
na qual todo elemento possue polin omio
minimal t
r1
, implicando que o espa co cclico gerado por um elemento da base
1
tem
dimensao r 1. Repetindo esse processo um n umero r de vezes, sempre recorrendo-se
ao lema, construmos uma soma direta V = W
0
W
1
W
r1
na qual cada
parcela satisfaz a condi cao
W
i
Nuc B
ri
e W
i
Nuc B
r(i+1)
= 0.
Alem disso, construmos uma base ordenada para W
i
pela regra indutiva
i
= B(
i1
)
v
i1
, v
i2
, ..., v
ik
i
6.4. DECOMPOSIC

AO C
ICLICA II 113
onde cada elemento v
ij
desta base e um vetor com polinomio mnimo t
ri
. A tabela
abaixo apresenta esquematicamente a base ordenada de V obtida no nal do processo,
W
0
v
01
.. v
0k
0
W
1
B(v
01
) .. B(v
0k
0
) v
11
.. v
1k
1
.. .. .. .. ..
W
r1
B
r1
(v
01
).. B
r1
(v
0k
0
) B
r2
(v
11
).. B
r2
(v
1k
1
) v
r1,1
.. v
r1,k
r1
Z(v
01
) .. Z(v
0k
0
) Z(v
11
) .. Z(v
1k
1
) Z(v
r1,1
).. Z(v
r1,k
r1
).
As entradas da i-esima linha e uma base ordenada para o espa co W
i
e a s entradas da
j-esima coluna e uma base ordenada para o espaco B-cclico gerado pelo vetor no alto
da mesma coluna. Como vale a soma direta V = W
0
W
1
W
r1
, a dimens ao
de V e a soma dos n umero de vetores em cada linha, Proposi cao 1.7.1. Por outro
lado, e evidente que obtemos o mesmo total ao somarmos o n umero de vetores em
cada coluna, isto e, a dimensao de V e a soma das dimensoes dos espa cos B-cclicos
indicados na base da tabela. Portanto, V e a soma direta desses espacos B-cclicos.
Finalmente, o vetor v
ij
W
i
no alto da tabela tem, por construcao, polin omio
minimal t
ri
, logo, as dimens oes dos espa cos B-cclicos indicados na base da tabela
formam uma sequencia decrescente na ordem de apresenta cao, da esquerda para a
direita, com o primeiro elemento satisfazendo a condi cao dimZ(v
01
) = grau m
B
(t).
Isto mostra a existencia da decomposi cao A-cclica. A unicidade dimensional j a foi
mostrada no Teorema da unicidade dimensional, 5.5.1. 2
Com as hipoteses e nota cao do Teorema da decomposi cao cclica II, temos que
Corolario 6.4.1 A dimens ao do n ucleo de B = AId e igual ao n umero de parcelas
da decomposi cao cclica.
Demonstra cao Examinando a tabela construda acima vericamos que W
r1
=
Nuc B. Como a dimens ao desse n ucleo e igual ao n umero de vetores na ultima
linha, o n umero de vetores nessa linha e igual ao n umero de colunas da tabela e cada
coluna corresponde a uma base de uma das parcelas da decomposi cao cclica, temos
mostrado o corol ario. 2
114 CAP

AO DE JORDAN (A)
1. Se A : V V e nilpotente com nilpotencia r = dimV 1 ent ao A admite dois
autovetores linearmente independentes.
2
1
2
, A(x, y) = (10x + 25y, 4x 10y).
(a) Prove que 1
2
= Z(v) para algum v 1
2
.
(b) Determine uma base tal que a representa cao matricial
nessa base e como descrita ao lado.
[A]
=
_
0 0
1 0
_
.
3. Prove que toda matriz nilpotente, 2 2 e nao nula e conjugada
à matriz descrita ao lado.
N =
_
0 0
1 0
_
.
4. Considere o operador B : 1
5
1
5
, B(t, x, y, z, w) = (0, t, x, 0, y).
(a) Mostre que B e nilpotente com nilpotencia 3.
(b) Verique que 1
5
= Z(e
1
) Z(e
3
).
(c) Calcule [B]
onde = e
1
, B(e
1
), B
2
(e
1
)
e
3
, B(e
3
).
(d) Represente nessa mesma base ordenada o operador A : 1
5
1
5
,
A(t, x, y, z, w) = (2t, t + 2x, x + 2y, 2z, y + 2w).
5. Suponha que N M(n, K) e nilpotente. Prove as arma coes.
(a) det (N +I) = 1.
(b) Se P M(n, K) e uma matriz que comuta com N ent ao det(N +P) = det P.
6.5 Representa cao de Jordan
Suponha que
_
_
_
V = Z(v
1
) Z(v
2
) Z(v
n
),
grau m
A
(t) = dimZ(v
1
) dimZ(v
2
) dimZ(v
n
).
e uma decomposi cao cclica determinada pelo operador A : V V com polin omio
minimal m
A
(t) = (t 1)
r
. A base ordenada =

i
, 1 i n, onde
i
= v
i
, (AId)(v
i
), ..., (AId)
k
i
(v
i
) Z(v
i
)
6.5. REPRESENTAC

AO DE JORDAN 115
e chamada de base de Jordan. Um bloco de Jordan de comprimento r e autovalor
K e a matriz denotada por J
r
() = [
ij
] M(r, K) e denida pelas regras
ij
=
_
_
_
se i j = 0
1 se i j = 1
0 se i j / 0, 1
.
Gracamente temos a seguinte forma
J
r
() =
_
1
1
.
.
.
.
.
.
1
1
_
_
.
Note que um bloco de Jordan com comprimento r e autovalor = 0 e uma matriz
nilpotente com nilpotencia r. Identicando-se o espa co das matrizes 1 1 com o
corpo das entradas, justica-se a nota cao J
1
() = . A representa cao do operador
A na base de Jordan ser a chamada de representa c ao de Jordan. Como consequencia
do Teorema 6.4.1 da decomposi cao cclica II, as representa coes de Jordan para os
operadores B = A Id e A, quando m
A
(t) = (t 1)
r
sao descritas por
_
_
_
[B]
= diagJ
r
1
(0), ..., J
rn
(0)
grau t
r
= r
1
r
n
e
_
_
_
[A]
= diagJ
r
1
(), ..., J
rn
()
grau (t )
r
= r
1
r
n
.
Em outras palavras, a representa cao matricial do operador induzido por restri cao ` a
parcela Z(v
i
) d a origem a um bloco de Jordan J
r
i
() com comprimento r
i
=
i
. Pelo
Corol ario 6.4.1, o n umero de blocos de Jordan e a dimens ao de Nuc B sao iguais.
1. Determine uma base ordenada 1
2
para a qual a representa cao do operador
A : 1
2
1
2
, A(x, y) = (y, 0), e um bloco de Jordan.
2. Mostre que um bloco de Jordan J
r
(0), r > 1, n ao admite uma raiz quadrada, isto e,
n ao existe N, uma matriz r r, tal que N
2
= J
r
(0).
3. Prove que para todo inteiro positivo n existe uma matriz P
n
M(3, K) tal que
P
n
n
= I +J
3
(0).
116 CAP

AO DE JORDAN (A)
6.6 Exemplos
Calculemos alguns exemplos de decomposi coes cclicas para ilustrar o teorema, bem
como a representa cao de Jordan obtida dessa decomposi cao.
Exemplo 6.6.1 Vamos assumir que o operador linear A : 1
4
1
4
seja representado
na base canonica pela matriz
[A]
=
_
_
2 0 0 0
1 1 0 1
1 0 2 0
1 1 0 3
_
_
.
O polin omio caracterstico e o polin omio p
A
(t) = (t2)
4
. Um simples calculo matricial
mostra que ([A]
2I)
2
= [0], signicando que m
A
(t) = (t2)
2
e o polin omio minimal
de A. Sigamos o roteiro dado na demonstra cao do Teorema da decomposi cao cclica
II para construrmos uma decomposi cao A-cclica de 1
4
.
Primeiro consideramos o operador nilpotente com nilpotencia dois, B : 1
4
1
4
,
B(v) = (A2Id) e sua sequencia de n ucleos
1
4
= Nuc B
2
_ Nuc B _ 0.
Construmos uma decomposi cao 1
4
= W
0
W
1
onde a ultima parcela e W
1
= Nuc B
e W
0
Nuc B
2
. Calculemos uma base para o n ucleo Nuc B resolvendo o sistema
linear [B]
[v]
= [0]. Vejamos, do sistema

_
_
0 0 0 0
1 1 0 1
1 0 0 0
1 1 0 1
_
_
_
_
x
y
z
w
_
_
=
_
_
0
0
0
0
_
_
obtemos que o n ucleo e gerado pelos vetores v
3
= (0, 0, 1, 0) e v
4
= (0, 1, 0, 1).
Escolhidos dois vetores linearmente independentes, por exemplo, v
1
= (1, 0, 0, 0) e
v
2
= (0, 0, 0, 1) para geradores de um espa co W
0
, obtemos a decomposi cao B-cclica
(e A-cclica)
_
_
_
1
4
= Z(v
1
) Z(v
2
),
grau (t 2)
2
= dimZ(v
1
) = dimZ(v
2
).
6.6. EXEMPLOS 117
As representa coes de B e A na base de Jordan = v
1
, B(v
1
)

v
2
, B(v
2
) sao as
matrizes
[B]
=
_
_
0
1 0
0
1 0
_
_
e [A]
=
_
_
2
1 2
2
1 2
_
_
.
Ressaltamos que as representa coes sao as mesmas independentes dos vetores v
1
e v
2
escolhidos para gerar um subespa co complementar ao n ucleo de B. 2
Exemplo 6.6.2 Dado o operador A : 1
3
1
3
, A(x, y, z) = (y, 2x + 3y, x + 2z),
e claro que a sua representa cao na base canonica e a matriz
[A]
=
_
_
0 1 0
2 3 0
1 0 2
_
_
.
O polin omio caracterstico de A tem uma fatoracao prim aria que e um produto de
fatores lineares, p
A
(t) = (t 1)(t 2)
2
e o polin omio minimal e igual ao polin omio
caracterstico. Logo, a decomposi cao prim aria determinada pelo operador e da forma
1
3
= V
1
Nuc (A2Id)
2
em que a primeira parcela V
1
e o autoespa co associado ao autovalor = 1. Obstru coes
dimensionais implicam que para cada parcela s o existe uma unica decomposicao cclica
possvel, a menos de isomorsmo, a saber,
_
_
_
V
1
= Z(v
1
)
grau(t 1) = dimZ(v
1
)
e
_
_
_
Nuc (A2Id)
2
= Z(v
2
)
grau (t 2)
2
= dimZ(v
2
)
.
Sendo assim, na base de Jordan = v
1
v
2
, (A 2Id)(v
2
) obtemos a repre-
senta cao de Jordan para o operador,
[A]
=
_
_
1
2 0
1 2
_
_
.
Determinemos explicitamente uma base para a qual a representa cao de A e a repre-
senta cao de Jordan acima. O autovetor associado ao autovalor = 1 e determinado
118 CAP

AO DE JORDAN (A)
pelas solu coes da equa cao A(x, y, z) = 1(x, y, z), em termos matriciais,
_
_
1 1 0
2 2 0
1 0 1
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
.
Resolvendo o sistema linear, escolhemos v
1
= (1, 1, 1) para autovetor associado ao
autovalor = 1. Passemos ao c alculo do vetor v
2
. Pela constru cao feita no Teorema
da decomposicao cclica II devemos escolher um vetor em Nuc (A 2Id)
2
que nao
esteja em Nuc (A2Id). Resolvendo o sistema linear [A 2Id]
[v]
= [0], isto e,
_
_
2 1 0
2 1 0
2 1 0
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
,
conclumos que Nuc (A 2Id)
2
e gerado pelo vetores u
1
= (0, 0, 1) e u
2
= (1, 2, 0).
Como o primeiro deles esta em Nuc (A2Id) devemos escolher o outro vetor u
2
para
ser o gerador da parcela Z(v
2
) da decomposi cao cclica. 2
1. Descreva a representacao de Jordan do operador conhecendo-se os polin omios carac-
terstico e mnimo. Pode ocorrer que em alguns casos existam v arias possibilidades.
Quando isso acontece so podemos saber qual delas representa o operador se conhe-
cermos explicitamente o operador linear.
(a) A : 1
3
1
3
, p
A
(t) = m
A
(t) = (t 1)(t 2)
2
;
(b) A : 1
5
1
5
, p
A
(t) = (t 1)
3
(t 2)
2
e m
A
(t) = (t 1)(t 2)
2
;
(c) A : 1
6
1
6
, p
A
(t) = (t + 3)
4
(t + 2)
2
e m
A
(t) = (t + 3)
2
(t + 2)
2
;
(d) A : 1
7
1
7
, p
A
(t) = t
4
(t + 3)
3
e m
A
(t) = t
2
(t + 3)
2
.
2. Encontre a representa cao e a base de Jordan para os seguintes operadores lineares.
(a) A : 1
3
1
3
, A(x, y, z) = (x +y, y, 2x 2y + 2z);
(b) A : 1
3
1
3
, A(x, y, z) = (x, x + 2y z, 2x + 4y 2z);
(c) A : 1
4
1
4
, A(x, y, z, w) = (0, x +w, x +w, y +z);
(d) A : 1
3
1
3
, A(x, y, z) = (7x +y + 4z, x 7y 4z, 6x + 6y).
6.6. EXEMPLOS 119
3. Seja A um operador linear no espa co vetorial de dimens ao nita V com polin omio
minimal m
A
(t) = (t )
r
. Treine sua reda cao em Matematica mostrando que duas
representa coes de Jordan de A sao sempre iguais.
4. Uma matriz de Jordan e uma matriz do tipo
J = diagJ
r
1
(), J
r
2
(), ..., J
rn
()
r
1
r
2
r
n
.
(a) Mostre que as seguintes matrizes sao conjugadas a uma matriz de Jordan.
(i) N =
_
_
1 1 1
4 10 13
3 7 9
_
_
; (ii) P =
_
_
0 1 0 0
0 0 1 0
0 0 0 1
16 32 24 8
_
_
.
(b) Mostre que uma matriz 3 3 n ao nula e nilpotente e conjugada a uma das
matrizes,
J =
_
_
0 0 0
1 0 0
0 1 0
_
_
ou J
2
.
5. Sejam D
1
e D
1
dois operadores diagonaliz aveis num espaco vetorial de dimens ao nita
V . Mostre que existe uma base que diagonaliza simultaneamente os dois operadores
se, e somente se, os operadores comutam.
6. (Decomposicao D + N) Um operador A num espa co vetorial V de dimens ao nita
sobre o corpo K com polin omio minimal m
A
(t) = (t
1
)
r
1
(t
r
)
r
k
decompoe-se
de modo unico em A = B+D onde B e nilpotente, D e diagonalizavel e BD = DB.
Captulo 7
Representacao de Jordan (B)
Numa primeira leitura este captulo pode ser dispensado sem prejuzo para a compre-
ensao posterior do texto, exceto as duas primeiras se coes.
Dando continuidade ao estudo de decomposi oes A-cclicas de um operador, exa-
minaremos os casos nos quais o espa co vetorial V e real e o polin omio minimal e uma
potencia de um polin omio primo de grau dois em 1[t],
III p(t) = (t )
2
+
2
,
IV p(t) = [(t )
2
+
2
]
r
,
onde > 0 e r > 1. Para isso necessitaremos de um novo conceito.
7.1 Complexica cao
O processo de complexica cao de um espa co vetorial real em tudo e semelhante ao
processo para construir os n umeros complexos a partir dos n umeros reais. Ilustremos
a constru cao com um exemplo tpico.
O polin omio primo m
A
(t) = (t 1)
2
+ 1 1[t] e o polin omio minimal do ope-
rador linear A : 1
2
1
2
, A(x, y) = (x y, x + y). Na constru cao que faremos, o
operador complexicado de A sera naturalmente identicado com o operador linear
A
c
: C
2
C
2
, A(z, w) = (z w, z + w). Note que o polin omio minimal de A
c
e igual ao polin omio minimal de A, mas agora podemos fator a-lo em um produto
de polin omios lineares distintos, condi cao suciente para diagonaliz a-lo. Pretendemos
utilizar essa propriedade de diagonaliza cao para construir uma decomposi cao A-cclica
para o espa co.
120
7.1. COMPLEXIFICAC

AO 121
Voltemos ` a constru cao do complexicado. Como conjunto, o complexicado V
c
de um espaco vetorial real V e o produto cartesiano V
c
= V V. Um elemento do
complexicado e um par ordenado (u, v) mas que ser a escrito como u + iv. Para
equipar o conjunto V
c
com uma estrutura de espaco vetorial complexo, denimos a
adicao de vetores e a multiplica cao de um vertor por um escalar complexo pelas regras,
respectivamente: se v = v
1
+ iv
2
e w = w
1
+ iw
2
sao elementos de V
c
e + i C
denimos
v
1
+ iv
2
+ w
1
+ iw
2
= (v
1
+ w
1
) + i(v
2
+ w
2
),
( + i)(v
1
+ iv
2
) = (v
1
v
2
) + i(v
1
+ v
2
).
O espa co vetorial complexo V
c
sera chamado de complexicado de V . Nessa contru cao
V ca canonicamente identicado com o subconjunto V = v
1
+ iv
2
V
c
; v
2
= 0,
que nao e um subespaco complexo de V
c
mas e fechado em relacao ` a adi cao de vetores!
Uma base ordenada = u
1
, u
2
, ..., u
n
de V e naturalmente identicada com um
base ordenada de V
c
pois qualquer vetor w V
c
e escrito de maneira unica como
w = z
1
u
1
+ z
2
u
2
+ + z
n
u
n
com z
i
C.
Se cada escalar z
i
e real ent ao o vetor w pertence à V . Logo, como espa co vetorial
complexo as dimensoes de V e V
c
satisfazem a relacao dim
C
V
c
= dim
R
V .
Denimos o complexicado do operador A : V V como sendo o unico operador
A
c
: V
c
V
c
que coincide com A no subconjunto V. Esse operador existe pois como
sabemos um operador e determinado pelos valores nos vetores de uma base. Portanto,
dada uma base ordenada = u
1
, u
2
, ..., u
n
do espa co vetorial V (que e tambem
uma base ordenada de V
c
) consideramos o unico operador A
c
tal que [A
c
]
= [A]
,
Proposi cao 2.3.1. Em outras palavras,
A
c
(z
1
u
1
+ z
2
u
2
+ + z
n
u
n
) = z
1
A(u
1
) + z
2
A(u
2
) + + z
n
A(u
n
).
Dessas denicoes segue que A
c
(v
1
+iv
2
) = A(v
1
) +iA(v
2
) e que V e um subconjunto
invariante por A
c
pois a restricao ao conjunto V e o operador linear A. Como o
polin omio minimal de um operador e igual ao polin omio minimal de qualquer repre-
senta cao matricial conclumos que m
A
(t) = m
Ac
(t). Conclus oes semelhantes valem
para os polin omios caractersticos de A e A
c
, bem como para os polin omios minimais
de um vetor v V V
c
relativos ao operador original e ao operador complexicado.
A igualdade dos polinomios e justicada pela inclusao natural 1[t] C[t].
Chamaremos a aplica cao
: V
c
V
c
, (v
1
+ iv
2
) = v
1
iv
2
,
122 CAP

AO DE JORDAN (B)
de conjuga cao complexa em V
c
. Tal aplica cao e quase linear, isto e, (zv) = zv,
para qualquer z C e satisfaz a identidade
2
Id
Vc
. Note que o subconjunto
V V
c
e caracterizado como sendo o subconjunto dos pontos xos de , ou seja,
V = v V
c
; (v) = v. Segue das denicoes a comutatividade A
c
= A
c
.
1. Seja A um operador num espa co vetorial real V de dimens ao nita.
(a) O complexicado de A : V V e diagonalizavel o polin omio minimal de A
e um produto de polin omios primos dois a dois distintos.
(b) Se W e um subespaco de V
c
ent ao (W) e tambem um subespa co.
(c) Se V
c
= W
1
W
2
ent ao V
c
= (W
1
) (W
2
).
(d) Z
Ac
((w)) = (Z
Ac
(w)).
7.2 Espa co A- simples
Voltemos a um dos objetivos desse captulo, estudar operadores lineares A num espaco
vetorial V de dimens ao nita sobre 1 cujo polin omio minimal e uma potencia do
polin omio primo p(t) = (t )
2
+
2
com > 0. Observamos dois fatos. Primeiro,
as razes complexas de p(t) s ao os escalares z = + i e z = i. Segundo, o
polin omio p(t) e o polin omio caracterstico da matriz 2 2 com entradas reais
R(, ) =
_

_
.
Iniciemos com o estudo do tipo mais simples de tais operadores lineares cujo polin omio
minimal e m
A
(t) = (t )
2
+
2
com > 0.
Deni cao 7.2.1 Seja A um operador linear num espa co vetorial real V . Diremos
que V e A-simples se os unicos espacos invariantes s ao os subespa cos 0 ou V .
Existe uma forte restri cao sobre a dimens ao de um espa co vetorial A-simples.
Exerccio 7.2.1 Um espa co vetorial real V de dimens ao um e A-simples para qual-
quer operador A : V V . 2
7.2. ESPAC O A- SIMPLES 123
Proposicao 7.2.1 Seja A um operador linear simples num espaco vetorial real V
com dimV 2. Se V e A-simples ent ao o espa co vetorial tem dimens ao dois e seu
polin omio mnimal e um polinomio primo de grau dois, m
A
(t) = (t )
2
+
2
com
> 0. Em particular, o operador complexicado A
c
: V
c
V
c
e diagonaliz avel.
Demonstra cao Observamos que V e um espaco cclico pois se v
0
V e um vetor
nao nulo ent ao Z(v
0
) e um subespaco n ao tivial invariante pelo operador, como V
e A-simples, necessariamente teremos V = Z(v
0
). Da conclumos que o polin omio
caracterstico do operador e igual ao seu polin omio minimal, bem como, e igual ao
polin omio minimal de qualquer vetor n ao nulo, Proposi cao 5.3.1.
A fatora cao prim aria do seu polin omio caracterstico e potencia de um unico po-
lin omio primo, isto e, p
A
(t) = p(t)
r
, de outro modo a decomposi cao prim aria de V
teria mais de uma parcela, contrariando a simplicidade. Examinemos o expoente r.
Suponhamos por absurdo que r > 1. Sendo assim, o vetor w = p(A)(v
0
) e nao nulo
e o polin omio p(t)
r1
pertence ao ideal
w
, uma contradicao. Em resumo, p
A
(t) e
um polin omio primo. Note que seu grau n ao pode ser um pois neste caso teramos
A = Id implicando que o operador admitiria innitos subespa cos invariantes contra-
riando novamente a simplicidade. A conclusao da demonstra cao agora e direta. Como
p
A
(t) 1[t] e um polin omio primo e n ao linear ent ao p
A
(t) = m
A
(t) = (t )
2
+
2
,
com > 0. Logo, dimV = grau p
A
(t) = 2 como desej avamos demonstrar. Final-
mente, o complexicado A
c
e diagonaliz avel pois p
Ac
(t) = p
A
(t) e esse polinomio
fatora-se em C[t] como um produto de dois fatores lineares distintos, veja Proposi cao
6.2.1. 2
Exerccio 7.2.2 Demonstre a recproca da proposi cao anterior. Se dimV = 2 e
m
A
(t) = (t )
2
+
2
entao V e A-simples. 2
Como sempre, vejamos uma representa cao matricial can onica para um operador
A quando espa co vetorial real e A-simples de dimensao dois. A constru cao da base
ordenada feita na demonstra cao da proposi cao abaixo deve ser repetida nos exemplos.
Proposicao 7.2.2 Seja A um operador linear num espa co vetorial real V de di-
mens ao dois com polin omio minimal m
A
(t) = (t )
2
+
2
, > 0. Entao existe
uma base ordenada V tal que
[A]
=
_

_
.
124 CAP

AO DE JORDAN (B)
Demonstra cao Como sabemos, o polinomio minimal do complexicado A
c
: V V
e o mesmo polin omio minimal de A. Fatorando-se em C[t] obtemos
m
Ac
(t) = (t )(t ) onde = + i.
Por hip otese ,= 0, logo, o operador A
c
e diagonaliz avel pois fatora-se em polinomios
lineares distintos, Proposi cao 6.2.1. Escolhamos uma base ordenada conveniente para
os nossos prop ositos.
Mostremos que a conjuga cao complexa aplica uma parcela primaria isomorca-
mente na outra,
: Nuc (A
c
Id
Vc
) Nuc (A
c
Id
Vc
)
Seja w
1
V
c
um autovetor associado ao autovalor . Recordando que os operadores
A
c
e comutam, calculemos,
A
c
((w
1
)) = (A
c
(w
1
)) = (w
1
) = (w
1
).
Portanto, (w
1
) V
= Nuc (A
c
Id
Vc
). Isso implica que = w
1
, (w
1
) e uma
base ordenada de V
c
pois sua dimensao e dois. Vamos assumir que w
1
= u
1
+ iv
1
,
O ponto principal da demonstra cao e provar que o conjunto = v
1
, u
1
(observe a
ordem) e uma base de V . Note que um outro modo de descrever esta base e utilizando
a conjuga cao complexa
v =
1
2i
(w (w)) e u =
1
2
(w + (w)).
Esses dois vetores pertencem ao conjunto V pois s ao pontos xos da conjuga cao
complexa. Utilizando-se da independencia linear de w
1
e (w
1
) em V
c
mostramos
facilmente que v
1
e u
1
sao linearmente independentes sobre 1. Resta calcular a
representa cao matricial [A]
. Pelas deni coes temos que

w
1
= A
c
(w
1
) = A(u
1
) + iA(v
1
).
De onde segue que
_
A(v
1
) = v
1
+ u
1
A(u
1
) = v
1
+ u
1
.
Com isso terminamos a demonstra cao. 2
Exemplo 7.2.1 O polin omio caracterstico do operador linear A : 1
2
1
2
, A(x, y) =
(2x + 5y, x) e o polin omio primo p
A
(t) = (t 1)
2
+ 2
2
. Portanto, seu polin omio
7.3. DECOMPOSIC

AO C
ICLICA III 125

minimal e esse mesmo polinomio. O complexicado do operador e can onicamente
identicado com o operador A
c
: C
2
C
2
, A
c
(z, w) = (2z + 5w, z). Como o
polin omio caracterstico fatora-se em C[t] num produto de fatores lineares distintos,
p
Ac
(t) = (t (1 + 2i)) (t (1 2i)) ,
podemos diagonaliza-lo. Calculemos um autovetor do complexicado associado ao
autovalor = 1 + 2i resolvendo o sistema linear A
c
(z, w) = (1 + 2i)(z, w). Isto e,
_
2z + 5w = (1 + 2i)
z = (1 + 2i)w
.
Encontramos que o vetor (1+2i, 1) C
2
e um autovetor associado ` a . Escolhendo
para base ordenada de V o conjunto = (2, 0), (1, 1) obtemos a representacao
construda na proposi cao. Vejamos,
[A]
= [Id]
[A]
[Id]
=
1
2
_
1 1
0 2
_ _
2 5
1 0
_ _
2 1
0 1
_
=
_
1 2
2 1
_
.
2
7.3 Decomposi cao cclica III
Teorema 7.3.1 (Teorema da decomposicao cclica III) Seja A um operador li-
near num espa co vetorial real V de dimens ao nita com polin omio minimal m
A
(t) =
(t )
2
+
2
, > 0. Entao existem vetores v
1
, v
2
, ..., v
n
V tais que
_
_
_
V = Z(v
1
) Z(v
2
) Z(v
n
),
grau (t )
2
+
2
= dimZ(v
1
) = dimZ(v
2
) = = dimZ(v
n
).
Essa decomposi cao A-cclica e dimensionalmente unica.
Demonstra cao Como j a vimos, o polin omio mnimo do complexicado A
c
: V
c
V
c
fatora-se em dois polon omios lineares distintos,
m
Ac
(t) = (t )(t ) onde = + i.
Sendo assim, a decomposi cao prim aria de V
c
e uma soma direta de dois autoespa cos,
V
c
= V
. Verica-se facilmente que as restricoes da conjuga cao complexa :

126 CAP

AO DE JORDAN (B)
V
e : V
est ao bem denidas, na verdade essas duas aplica coes sao

isomorsmos quase lineares. Portanto, dada uma base ordenada = w
1
, w
2
, ..., w
n
do autoespa co V
o conjunto de vetores () = (w
1
), (w
2
), ..., (w
n
) e uma base
ordenada do autoespa co V
. Tendo em m aos essas duas bases, consideremos a seguinte

base ordenada do complexicado
= w
1
, (w
1
)
w
2
, (w
2
)
w
n
, (w
n
).
E claro que V
c
= W
1
W
2
W
n
onde W
i
e o subespa co bidimensional gerado
pelo conjunto
i
= w
i
, (w
i
). Logo,
dim
C
V
c
= 2n = dim
R
V.
Recordamos que cada W
i
e um subespaco invariante por desde que (
i
) =
i
, como
tambem e invariante por A
c
pois a base
i
e formada de autovetores do complexicado.
Feito essas preliminares mostremos que existe a decomposicao A-cclica de V .
Iremos provar que V = V
1
V
2
V
n
em que V
i
= W
i
V . Inicialmente
observamos que V
i
e um espaco vetorial real pois se u, v V
i
e 1, a combina cao
linear u + v pertence ao subespa co W
i
V
c
como tambem pertence ao conjunto V
pois ele um espa co vetorial real. Note que os vetores
v
i
=
1
2i
(w
i
(w
i
)) e u
i
=
1
2
(w
i
+ (w
i
))
sao pontos xos da conjuga cao complexa e pertencem ao subespaco W
i
V
c
,
portanto, s ao vetores em V . A independencia linear do conjunto
i
= v
i
, u
i
sobre 1
e consequencia da independencia linear sobre C. Isso implica que dim
R
V
i
2. Agora,
como V
c
e uma soma direta dos W
i
s, a condi cao
W
i
_
W
1
W
2
W
i1
_
= 0
implica que vale a condi cao,
(W
i
V )
_
(W
1
V ) + (W
2
V ) + + (W
i1
V )
_
= 0.
Portanto, pela Proposi cao 1.7.1 obtemos uma soma direta V
1
V
2
V
n
V . Para
demonstrar que nessa inclusao vale a igualdade, calculemos as dimens oes lembrando
que dim
R
V 2,
2n = dim
C
V
c
= dim
R
V
n
i=1
dim
R
V
i
2n.
7.3. DECOMPOSIC

AO C
ICLICA III 127

Da seguem as arma coes: dim
R
V = 2n, o conjunto
i
= v
i
, u
i
V
i
e uma base
e V = V
1
V
2
V
n
. Por outro lado essa soma direta e invariante por A pois
ela e invariante por A
c
e o operador complexicado restrito ao subconjunto V V
c
coincide com o operador A. Finalmente, a soma direta construda e uma decomposi cao
cclica pois o polin omio minimal de v
i
e m
v
i
(t) = (t )
2
+
2
, > 0 desde que ele
divide m
A
(t). Como Z(v
i
) e um subespaco de dimensao dois de um espa co de mesma
dimensao conclumos que V
i
= Z(v
i
). A unicidade dimensional da decomposi cao
segue do Teorema 5.5.1. 2
Examinemos a quest ao da representa cao matricial de um operador linear A : V
V em que V e um espaco vetorial real de dimens ao nita e o polin omio minimal do
operador e do tipo m
A
(t) = (t )
2
+
2
, com > 0. Como vimos no teorema acima,
podemos obter vetores v
1
, v
2
, ..., v
n
V tais que
V = Z(v
1
) Z(v
2
) Z(v
n
),
grau (t )
2
+
2
= dimZ(v
1
) = dimZ(v
2
) = = dimZ(v
n
).
Os geradores dos subespa cos A-cclicos s ao elementos de uma base ordenada
i
=
v
i
, u
i
de Z(v
i
) e foram escolhidos utilizando a conjuga cao complexa,
v
i
=
1
2i
(w
i
(w
i
)) e u
i
=
1
2
(w
i
+ (w
i
)).
Para contruir uma representa cao de A, o fato principal a ser observado e que as
resticoes A
i
: Z(v
i
) Z(v
i
) denem uma estrutura de espaco A-simples em Z(v
i
),
portanto, sem acrescentar outras informacoes ` as j a utilizadas na constru cao de uma
representa cao can onica para um operador num espa co A-simples feita na secao ante-
rior, podemos armar que naquela base ordenada
i
temos a representacao matricial
[A
i
]
i
=
_

_
.
Logo, com os conhecimentos j a disponveis obtemos a seguinte representa cao na base
ordenada =

i
para o operador A,
[A]
= diagR(, ), R(, ), ..., R(, )

. .
n vezes
,
onde, recordamos, estamos utilizando a nota cao
R(, ) =
_

_
.
128 CAP

AO DE JORDAN (B)
Nas hip oteses do Teorema da decomposi cao cclica III, a base obtida pela construcao
ali descrita tambem ser a chamada de base de Jordan.
1. Para cada item, determine uma base de Jordan para o operador A : 1
3
1
3
e
represente-o nessa base.
(a) A(x, y, z) = (5x y, 2x + 3y + 10z, x y);
(b) A(x, y, z) = (x +y, x +y, 4x 2y + 2z).
2. Seja A um operador num espa co vetorial real V de dimens ao nita. Diremos que V
e A-semisimples quando V = V
1
V
2
V
k
e cada parcela e A-simples. Prove as
equivalencias.
(a) V e A-semi-simples.
(b) O polin omio minimal de A e um produto de polin omios primos sem repeticoes.
(c) O complexicado A
c
: V
c
V
c
e diagonalizavel.
7.4 Decomposi cao cclica IV
Finalizando o nosso estudo de decomposicoes cclicas apresentaremos o ultimo caso cu-
jas hipotese incluem as hip oteses de teorema anterior quando a potencia do polin omio
primo considerada foi r = 1.
Teorema 7.4.1 (Teorema da decomposicao cclica IV) Seja A um operador
linear no espa co vetorial real V com polin omio minimal m
A
(t) = [(t )
2
+
2
]
r
com
> 0. Entao existem vetores v
1
, v
2
, ..., v
n
V tais que
_
_
_
V = Z(v
1
) Z(v
2
) Z(v
n
),
grau [(t )
2
+
2
]
r
= dimZ(v
1
) dimZ(v
2
) dimZ(v
n
).
7.4. DECOMPOSIC

AO C
ICLICA IV 129
Demonstra cao

E suciente demonstrar o teorema para o operador B : V V ,
B(v) = (AId) (v) cujo polin omio minimal e m
B
(t) = (t
2
+
2
)
r
desde que uma
decomposi cao B-cclica e uma decomposi cao A-cclica.
O polin omio minimal do complexicado B
c
: V
c
V
c
fatora-se primariamente em
m
Bc
(t) = (t i)
r
(t + i)
r
. Logo,
V
c
= Nuc (B
c
Id
c
)
r
Nuc (B
c
+ Id
c
)
r
e a decomposi cao prim aria correspondente de V
c
. Pelo Teorema da decomposi cao
cclica II, 6.4.1, existem vetores w
1
, w
2
, ..., w
n
Nuc (B
c
Id
c
)
r
tais que
Nuc (B
c
Id
c
)
r
= Z
Bc
(w
1
) Z
Bc
(w
2
) Z
Bc
(w
n
),
r = dim
C
Z
Bc
(w
1
) dim
C
Z
Bc
(w
2
) dim
C
Z
Bc
(w
n
).
A pr oxima etapa e mostrar que podemos transferir essa decomposi cao para a outra
parcela via o isomorsmo quase linear e obter a decomposi cao desejada, isto e,
Nuc (B
c
+ Id
c
)
r
= Z
Bc
((w
1
)) Z
Bc
((w
2
)) Z
Bc
((w
n
)),
r = dim
C
Z
Bc
((w
1
)) dim
C
Z
Bc
((w
2
)) dim
C
Z
Bc
((w
n
)),
onde
: Nuc (B
c
Id
c
)
r
Nuc (B
c
+ Id
c
)
r
e a restri cao do operador quase linear : V
c
V
c
. De fato, a restri cao est a bem
denida. Para demonstrar essa arma cao utilizamos a comutatividade B
c
= B
c
com a nalidade de obter indutivamente a identidade funcional
(B
c
Id
c
)
s
= (B
c
+ Id
c
)
s
, 0 s r.
Feito isso, para cada vetor w Nuc (B
c
Id
c
)
s
temos as implica coes
(B
c
Id
c
)
s
(w) = 0 (B
c
Id
c
)
s
(w) = 0 (B
c
+ Id
c
)
s
(w) = 0,
mostrando que (w) Nuc (B
c
+ Id
c
)
s
. Como
2
Id
c
conclumos que aquela
restricao e um isomorsmo quase linear entre as parcelas da decomposi cao prim aria
de V
c
. Sendo assim, preserva somas diretas, e a decomposicao B
c
-cclica da segunda
parcela da decomposi cao prim aria esta construda, bastando apenas vericar que
(Z
Bc
(w
i
)) = Z
Bc
((w
i
)) .
130 CAP

AO DE JORDAN (B)
Entretanto, essa igualdade segue diretamente da comutatividade dos operadores B
c
e . Para nalizar, resta mostrar que as desigualdades dimensionais sao as mesmas.
Mas isso tambem e simples pois o polinomio minimal do vetor w
i
e m
w
i
(t) = (t i)
s
se, e somente se, o polinomio minimal de (w
i
) e m
(w
i
)
= (t + i)
s
. Essa arma cao
segue diretamente da f ormula indutiva vista acima.
Construda a decomposi cao B
c
-cclica do complexicado V
c
, passemos ` a constru cao
da decomposicao B-cclica do espa co vetorial real V . Escolhamos o conjunto de vetores
= v
1
, v
2
, ..., v
n
, onde v
i
=
1
2i
(w
i
(w
i
)) ,
para ser o conjunto de geradores das parcelas da decomposi cao B-cclica. Com efeito.
Note que o polin omio minimal de v
i
e o produto dos polin omios minimal de w
i
e de
seu conjugado complexo (w
i
),
m
v
i
(t) = (t i)
r
i
(t + i)
r
i
= (t
2
+
2
)
r
i
,
pois w
i
e (w
i
) sao vetores de parcelas diferentes da decomposi cao prim aria de V
c
.
Logo,
dim
R
Z
B
(v
i
) = dim
C
Z
Bc
(w
i
) + dim
C
Z
Bc
((w
i
)).
Como v
i
e uma combina cao linear de w
i
e (w
i
) e como o operador complexicado
B
c
restrito ao conjunto V coincide com B, temos a inclus ao
Z
B
(v
i
) Z
Bc
(w
i
) Z
Bc
((w
i
)).
Essa inclusao implica na existencia da soma direta
V Z
B
(v
1
) Z
B
(v
2
) Z
B
(v
n
).
Para mostrar que temos a igualdade e suciente um calculo dimensional,
dim
R
V
dim
R
Z
B
(v
i
)
=
(dim
C
Z
Bc
(w
i
) + dim
C
Z
Bc
((w
i
)))
= dim
C
V
c
.
A igualdade dim
R
V = dim
C
V
c
, implica que a dimensao de V e igual ` a soma das
dimensoes das parcelas Z
B
(v
i
), informa cao suciente para conclurmos que
V = Z
B
(v
1
) Z
B
(v
2
) Z
B
(v
n
).
7.4. DECOMPOSIC

AO C
ICLICA IV 131
A ordem decrescente das dimensoes e justicada pela igualdade
dim
R
Z
B
(v
i
) = dim
C
Z
Bc
(w
i
) + dim
C
Z
Bc
((w
i
)),
e pelas desigualdades dimensionais na decomposicao B
c
-cclica de V
c
. A unicidade
dimensional segue do Teorema 5.5.1. 2
Construiremos a seguir uma representacao matricial can onica para um opera-
dor A : V V satisfazendo as hip oteses do Teorema da decomposi cao cclica IV.
Seguiremos ipsis litteris a nota cao utilizada na demonstra cao.
Para n ao sobrecarregar demasiadamente o texto iremos assumir que a decom-
posi cao A-cclica (e B-cclica) obtida tem apenas uma parcela, isto e,
V = Z
B
(v),
grau m
B
(t) = dim
R
Z
B
(v).
No caso geral, os procedimentos seguidos para uma s ao os mesmos para todas parcelas.
Note que as condi coes xadas sobre o n umero de parcelas pressup oem que o operador
complexicado B
c
: V
c
V
c
determina uma decomposi cao prim aria cujas parcelas
sao B
c
-cclicas.
V
c
= Z
Bc
(w) Z
Bc
((w)).
Dito de outra forma,
Nuc (B
c
iId
c
)
r
= Z
Bc
(w),
Nuc (B
c
+ iId
c
)
r
= Z
Bc
((w)).
As restricoes dimensionais sobre as parcelas B
c
-cclicas cam sendo
r = dim
C
Z
Bc
(w) = dim
C
Z
Bc
((w)).
Feitas essas hip oteses, considere as bases de Jordan para cada parcela prim aria,
c
= w, (B
c
i)(w), ..., (B
c
i)
r1
(w) Z
Bc
(w), e
(
c
) = (w), (B
c
+ i)((w)), ..., (B
c
+ i)
r1
((w)) Z
Bc
((w)).
Para os nossos prop ositos e mais conveniente reescrever os dois conjuntos ordenados
como
c
= w
o
, w
1
, ..., w
r1
e (
c
) = (w
o
), (w
1
), ..., (w
r1
).
132 CAP

AO DE JORDAN (B)
E claro que uma igualdade entre os conjuntos ordenados signica que o primeiro
elemento w
0
= w, o segundo elemento w
1
= (B
c
iId) (w), etc. A identidade
B
c
(B
c
i)
j
= (B
c
i)
j+1
+ i(B
c
i)
j
avaliada no elemento w
0
fornece os seguintes valores nos vetores da base,
B
c
(w
j
) =
_
iw
j
+ w
j+1
se j = 1, 2, ..., r 2
iw
r1
se j = r 1
,
e, de modo semelhante, obtemos que
B((w
j
)) =
_
i(w
j
) + (w
j+1
) se j = 1, 2, ..., r 2
i(w
r1
) se j = r 1
.
Tendo em maos essas bases construmos uma base ordenada de V considerando o
conjunto ordenado
= v
0
, u
0
v
1
, u
1
v
r1
, u
r1
,
onde os vetores s ao denido por
v
i
=
1
2i
(w
i
(w
i
)) e u
i
=
1
2
(w
i
+ (w
i
)).
Os vetores v
i
e u
i
sao pontos xos da conjuga cao complexa, logo, pertencem ao con-
junto V . Por outro lado a independencia linear de sobre C garante a independencia
linear de sobre 1. Como
dim
C
V
c
= 2r = dim
R
V,
necessariamente e uma base de V . Essa base ser a chamada de base de Jordan.
Recordando que B
c
coincide com B em V , calculemos a representa cao matricial na
base ordenada . Para j = 1, ..., r 2 temos os valores
B(v
j
) =
1
2i
(B
c
(w
i
) B
c
((w
i
)))
=
1
2i
(w
j+i
+ iw
j
(w
j+1
) + i(w
j
))
= v
j+1
+ u
j
,
e B(v
r1
) = u
r1
. Em resumo,
B(v
j
) =
_
u
j
+ v
j+1
se j = 1, 2, ..., r 1
u
r1
se j = r 1
.
7.4. DECOMPOSIC

AO C
ICLICA IV 133
Do mesmo modo, calculamos que
B(u
j
) =
_
v
j
+ u
j+1
se j = 1, 2, ..., r 1
v
r1
se j = r 1
.
Da podemos escrever a representacao desejada, chamada de representa cao can onica
de Jordan,
[B
c
]
=
_
_
0
0
1 0
0 1
0
0
1 0
0 1
0
0
1 0
0 1
0
0
_
_
.
A representa cao can onica de Jordan para o operador A : V V ca sendo ent ao
[A]
= [B]
+ I.
1. Mostre que todo operador num espa co vetorial V de dimens ao nita maior ou igual a
dois, admite um subespa co invariante de dimens ao dois.
2. Utilize a representacao canonica de Jordan para mostrar que todo operador num
espaco vetorial e dimensao nita e a soma de um operador diagonalizavel com um
operador semisimples que comutam.
3. Dado um operador linear A num espa co vetorial V . Diremos que V e A-irredutvel (ou
A-indecomponvel) quando n ao admite uma decomposi cao em soma direta invariante
V = V
1
V
2
com cada parcela invariante e nao trivial. Prove que todo espa co A-
irredutvel e A-cclico.
Captulo 8
Espacos Euclidianos
Um produto interno num espa co vetorial real e uma aplica cao pela qual podemos
transportar as no coes de comprimento e angulo da Geometria Euclidiana para o espa co
vetorial. Em espa cos equipados com um produto interno existem operadores chamados
de operadores normais que s ao as origens de v arios grupos matriciais cl assicos. Os
dois pr oximos captulos est ao direcionados para o estudo de operadores normais em
um espa co vetorial real de dimens ao nita equipado com um produto interno. Neste
captulo recapitularemos a terminologia e os fatos b asicos necess arios para tal estudo.
8.1 Produto interno
Um produto interno num espa co vetorial real V e uma aplica cao , ) : V V 1
possuindo as seguintes tres propriedades para quaisquer u, v, w V e 1,
1. u, v) = v, u); (simetrica)
2. u + v, w) = u, w) + v, w); (bilinear)
3. v, v) > 0 v ,= 0. (positiva denida)
Por simplicidade, indicamos um produto interno em V pelo smbolo , ) omitindo
o domnio e o contra domnio da aplica cao. Para outras propriedades elementares
indicamos a leitura do primeiro exerccio proposto dessa se cao.
Por deni cao, produto interno can onico do 1
n
e a aplica cao que a cada par de
vetores u = (x
1
, x
2
, ..., x
n
), v = (y
1
, y
2
, ..., y
n
) 1
n
associa o n umero real u, v) =
x
1
y
1
+ x
2
y
2
+ + x
n
y
n
. A menos que seja dito explicitamente o contr ario a partir
134
8.1. PRODUTO INTERNO 135
desse momento o espa co 1
n
estara equipado com o produto interno can onico. Vejamos
outros exemplos.
Exemplo 8.1.1 Ilustremos o conceito.
1) Qualquer espa co vetorial real V de dimens ao nita admite um produto interno.
Para constru-lo, xamos uma base ordenada = v
1
, ..., v
n
de V e denimos
u, v)
= x
1
y
1
+ x
2
y
2
+ + x
n
y
n
,
onde u = x
1
v
1
+x
2
v
2
+ +x
n
v
n
e v = y
1
v
1
+y
2
v
2
+ +y
n
v
n
. Essa construcao acres-
centa um pouco mais de informa cao: todo espa co vetorial de dimens ao nita admite
v arios produtos internos. Posteriormente, essa quet ao ser a estudada comparando dois
produtos internos no mesmo espa co.
2) Um produto interno num espa co vetorial V induz, por restri cao, um produto
interno em qualquer subespa co W V .
3) Podemos denir um produto interno no espa co vetorial das fun coes contnuas
do intervalo [0, 1] com valores na reta, C
0
([0, 1], 1 ), do seguinte modo,
f, g) =
_
1
0
f(t) g(t) dt,
onde a integral considerada e a integral de Riemann. 2
1. Deduza diretamente da deni cao de produto interno num espa co vetorial real V que
para quaisquer u, v V e 1 valem as propriedades:
(a) u, w +v) = u, w) +u, v);
(b) v, v) = 0 v = 0.
2. Verique que (x
1
, x
2
), (y
1
, y
2
)) = 2x
1
y
1
+ 3x
2
y
2
e um produto interno em 1
2
.
3. Assuma que A e um isomorsmo linear num espa co vetorial real V de dimens ao nita
equipado com um produto interno , ). Verique que v, w)) = A(v), A(w)) e
outro produto interno no mesmo espa co.
4. Mostre que a aplicacao N, P) = tr(NP
t
) e um produto interno no espa co das matrizes
M(mn, 1).
136 CAP
ITULO 8. ESPAC OS EUCLIDIANOS

8.2 Norma
Uma norma num espaco vetorial real V e uma aplica cao com | | : V [0, ),
possuindo as seguintes propriedades para quaisquer u, v V e 1,
1. |v| = 0 v = 0;
2. |v| = [[ |v|;
3. |u + v| |u| +|v|. (primeira desigualdade triangular)
A nota cao [[ indica o valor absoluto do escalar real. Se 1 e considerado como
um espa co vetorial sobre si mesmo, o valor absoluto e uma norma. O valor |v| e
interpretado, geometricamente, como o comprimento do vetor v V , por isso diremos
que um vetor u V e unitario quando |u| = 1. Um produto interno , ) num espaco
vetorial real V sempre induz uma norma em V , para isso basta denir
| | : V [0, ), |v| =
_
v, v).
Essa sera sempre a norma considerada num espa co com produto interno. Entretanto
para vericar que, de fato, a aplica cao assim denida e uma norma necessitamos da
desigualdade de Schwarz.
Proposicao 8.2.1 Seja V um espaco vetorial real com um produto interno , ).
Entao a aplica c ao | | : V [0, ), |v| =
_
v, v) satisfaz a desigualdade
[u, v)[ |u| |v| . (desigualdade de Schwarz)
para quaisquer u, v V . Em consequencia, a aplicacao | | e uma norma.
Demonstra cao Por deni cao de produto interno, para qualquer t 1 temos que
0 tu v, tu v) = |u|
2
t
2
2 u, v) t +|v|
2
.
Logo, o discriminante do polin omio em t e nao positivo, = 4 u, v)4 |u|
2
|v|
2
0. Da segue a desigualdade de Schwarz. Para demonstrar que a aplica cao e uma

norma devemos vericar os tres itens da denicao. Entretanto, faremos apenas a
demonstra cao da desigualdade triangular que e uma consequencia da desigualdade de
Schwarz, deixando os outros itens como exerccios. Pela desigualdade mostrada temos
u + v, u + v) = |u|
2
+|v|
2
+ 2 u, v)
|u|
2
+|v|
2
+ 2 |u| |v| .
Portanto, |u + v|
2
(|u| +|v|)
2
, implicando que |u + v| |u| +|v|. 2
8.2. NORMA 137
Exerccio 8.2.1 Seja | | uma norma denida pelo produto interno , ) num espaco
vetorial real V .
(a) Mostre a identidade de polariza cao,
u, v) =
1
4
|u + v|
2
1
4
|u v|
2
.
(b) Prove e guarde as caracteriza coes pois elas ser ao utilizadas in umeras vezes.
a) u, v) = 0 para todo u V v = 0;
b) u, v) = u, w) para todo u V v = w. 2
As normas aqui consideradas sempre ser ao denidas por um produto interno no
espa co vetorial embora muitas vezes esse fato n ao esteja explicitado. Para deixar
claro que nem toda norma em V e dessa forma, remetemos o leitor para o primeiro
exerccio proposto dessa se cao, ali est a dado um criterio para saber quando uma norma
e induzida ou n ao por um produto interno.
1. Demonstre que uma norma | | num espa co vetorial real V induzida por um produto
interno , ) em V satisfaz a identidade
|u +v|
2
+|u v|
2
= 2
_
|u|
2
+|v|
2
_
. (lei do paralelogramo)
2. Dena a aplica cao | | : 1
n
[0, ), |v| = max[x
i
[ , 1 i n onde v =
(x
1
, x
2
, ..., x
n
) 1
n
. Prove que | | e uma norma mas que n ao e induzida por um
produto interno.
3. Prove que para quaisquer duas fun coes contnuas f, g : [0, 1] 1 vale a desigualdade
_
1
0
f(t)g(t) dt
_
1
0
f(t)
2
dt
1/2

_
1
0
g(t)
2
dt
1/2
.
4. Dados dois vetores nao nulos e distintos, u
0
e u
1
, num espa co vetorial real V equipado
com um produto interno, mostre que se um vetor v V satisfaz a igualdade
[[v u
0
[[ +[[v u
1
[[ = [[u
0
u
1
[[
entao v =
0
u
0
+
1
u
1
com
0
+
1
= 1 e
0
,
1
[0, 1].
138 CAP

5. Prove que para qualquer fun cao contnua positiva f : 1 1 vale a desigualdade
__
1
0
f(t) dt
_ __
1
0
1
f(t)
dt
_
1.
6. Seja [[ [[ uma norma num espa co vetorial V . Prove que para todo u, v, w V vale a
desigualdade
[[u v[[ [[w[[ [[u w[[ [[v[[ +[[w v[[ [[u[[.
7. Demonstre que uma norma | | num espa co vetorial real de dimens ao nita V satis-
fazendo a Lei do paralelogramo e induzida por um produto interno.
8.3

Angulos entre vetores
A desigualdade de Schwarz permite estabelecer o conceito de angulo entre dois vetores
nao nulos u e v num espa co vetorial real V equipado com um produto interno , ).
Como
1
u, v)
|u| |v|
1,
denimos o angulo entre os dois vetores nao nulos como o unico , com 0 ,
tal que
u, v) = |u| |v| cos .
Essa formula estabelece a rela cao fundamental entre os conceitos de produto interno,
norma (comprimento de vetor) e angulo entre dois vetores nao nulos que ser a explorada
ao longo dos pr oximos captulos. Por exemplo, diremos que dois vetores s ao ortogonais
quando u, v) = 0. Para vetores n ao nulos serem ortogonais signica que o angulo
entre eles e =

2
.
Exerccio 8.3.1 Se W e um subespaco do espa co vetorial real V equipado com um
produto interno , ), demonstre que o seu complemento ortogonal
W
= v V ; v, w) = 0 w W.
e tambem um subespa co e que W W
= 0. 2
1. Considere o produto interno can onico em 1
2
. Mostre as arma coes.
8.4. ESPAC OS EUCLIDIANOS 139
(a) Para cada vetor unit ario u 1
2
existe um unico [0, 2) tal que u =
(cos , sen).
(b) Se u = (cos , sen) e v = (cos , sen) ent ao u, v) = cos( ).
2. Mostre que o angulo entre dois vetores nao nulos u = (x
1
, y
1
), v = (x
2
, y
2
) 1
2
satisfaz as identidades
cos =
x
1
x
2
+y
1
y
2
[[u[[[[v[[
e sen =
x
1
y
2
x
2
y
1
[[u[[[[v[[
.
3. Seja | | a norma denida por um produto interno num espa co vetorial real V.
(a) Prove o Teorema de Pit agoras: u e v sao ortogonais [[u[[
2
+[[v[[
2
= [[u+v[[
2
.
(b) Quais as condi coes sobre os vetores u e v para que [u, v)[ = |u| |v|?
(c) Demonstre a segunda desigualdade triangular:

|u| |v|
|u v| .
4. Sejam u e v vetores nao nulos num espa co com produto interno V . Demonstre:
(a) os vetores [[v[[u +[[u[[v e [[v[[u [[u[[v sao ortogonais;
(b) o angulo entre o vetor [[v[[u [[u[[v e u e o angulo entre o vetor [[v[[u [[u[[v
e v sao iguais.
8.4 Espa cos Euclidianos
Um espa co Euclidiano e um par (V, , )) no qual V e um espaco vetorial real de
dimensao nita e , ) e um produto interno em V .
Com a nalidade de ser menos repetitivo, reservamos a nota cao (V, , )) para
designar unica e exclusivamente um espaco Euclidiano. Avisamos que em alguns
textos n ao e exigido a condi cao de dimens ao nita na deni cao, fato que n ao ocorrer a
aqui. Em tais espa cos existem bases especiais que destacaremos com uma denicao.
Uma base ordenada = v
1
, v
2
, ..., v
n
V e uma base ortogonal de (V, , )) quando
v
i
, v
j
) = 0 se i ,= j. Diremos que a base ordenada e ortonormal quando v
i
, v
j
) =
ij
(delta de Kronecker).
A base can onica do 1
n
e uma base ortonormal com respeito ao produto interno
can onico.
140 CAP

Como vimos qualquer espa co vetorial real V de dimens ao nita admite uma es-
trutura de espaco Euclidiano. Para constru-la, xamos uma base ordenada =
v
1
, v
2
, ..., v
n
V e consideramos
u, v)
= x
1
y
1
+ x
2
y
2
+ + x
n
y
n
,
onde u = x
1
v
1
+x
2
v
2
+ +x
n
v
n
e v = y
1
v
1
+y
2
v
2
+ +y
n
v
n
. Nessa contru cao,
torna-se uma base ortonormal.
Exerccio 8.4.1 Suponha que = v
1
, v
2
, ..., v
k
e um conjunto de vetores nao nulo e
dois a dois ortogonais no espa co Euclidiano V . Prove que e um conjunto linearmente
independente. Em particular, se = dimV ent ao e uma base ortogonal. 2
Bases ortonormais em espa cos Euclidianos existem e a demonstra cao desse fato e
construtiva. O metodo de constru cao utilizado para mostrar a existencia e chamado de
processo de ortogonaliza cao de Gram-Schmidt que e tao relevante quanto o resultado
em si.
Proposicao 8.4.1 Todo subespa co n ao trivial W de um espaco Euclidiano V possui
uma base ortogonal.
Demonstra cao Escolha = w
1
, w
2
, ..., w
k
uma base ordenada qualquer de W.
Denote por W
i
o subespa co de dimensao i gerado pelos i-esimos primeiros vetores dessa
base,
i
= w
1
, w
2
, ..., w
i
. Sendo assim, valem as inclusoes pr oprias de subespa cos
W
0
= 0 _ W
1
_ W
2
_ _ W
k
= W.
Feitos essas preliminares iniciemos a constru cao indutiva de uma base ortogonal pelo
processo de ortogonaliza cao de Gram-Schmidt. A base ortogonal de W
1
sera
1
= v
1
em que v
1
= w
1
. Para construir uma base ortogonal para W
2
consideramos o conjunto
ordenado
2
=
1
v
2
onde
v
2
= w
2
w
2
, v
1
)
v
1
, v
1
)
v
1
.
O vetor v
2
est a bem denido pois v
1
nao sendo nulo temos que v
1
, v
1
) > 0. Note
que tambem o vetor v
2
nao e nulo, caso contrario conclumos que w
1
e w
2
sao vetores
linearmente dependentes contrariando o fato de ser uma base de W. Por outro lado,
vericamos facilmente que v
1
, v
2
) = 0 de onde segue que
2
W
2
e um conjunto
linearmente independente num espa co vetorial de dimens ao dois, implicando que
2
=
v
2
e uma base ortogonal de W
2
. Por hip otese de inducao, vamos assumir que
ja construmos uma base ortogonal
i
= v
1
, v
2
, ..., v
i
para o subespa co W
i
. Seja
i+1
=
i
v
i+1
,
onde
v
i+1
= w
i+1
w
i+1
, v
1
)
v
1
, v
1
)
v
1
w
i+1
, v
2
)
v
2
, v
2
)
v
2

w
i+1
, v
i
)
v
i
, v
i
)
v
i
.
Novamente, v
i+1
est a bem denido e e um vetor em W
i+1
. O vetor v
i+1
nao e nulo,
caso contrario teremos w
i+1
W
i
contrariando a hip otese de ser linearmente in-
dependente, desde que cada v
i
e combina cao linear de
i
. Uma simples vericacao
mostra que
i+1
e um conjunto de vetores n ao nulos dois a dois ortogonais no su-
bespa co W
i+1
cuja dimens ao e i + 1. Segue que
i+1
e uma base ortogonal desse
espa co. Continuando o processo um n umero de vezes igual ` a dimW, obtemos uma
base ortogonal de W. 2
Corolario 8.4.1 Todo subespa co n ao trivial de um espa co Euclidiano V possui uma
base ortonormal. Em particular, V possui uma base ortonormal.
Demonstra cao Pelo processo de Gram-Schmdit podemos construir uma base or-
togonal = v
1
, v
2
, ..., v
k
de W. O conjunto ordenado = u
1
, u
2
, ..., u
n
, onde
u
i
=
1
v
i
v
i
, e formado por vetores unitarios dois a dois ortogonais, logo, e uma base
ortonormal de W. 2
Graa Quando um espaco Euclidiano V e uma soma direta de subespa cos mutua-
mente ortogonais, isto e, V = V
1
V
2
V
k
e
v
i
, v
j
) = 0 se v
i
V
i
, v
j
V
j
para i ,= j,
chamamos a decomposi cao de soma direta ortogonal e denotamos por
V = V
1
V
2
V
k
.
O smbolo e o smbolo usualmente utilizado na geometria Euclidiana para indicar
angulo reto entre duas retas.
Exerccio 8.4.2 Prove as arma cao sobre um subespa co W de (V, , )).
142 CAP

(a) Um vetor v V e ortogonal a todo vetor w W v e ortogonal aos vetores
de uma base de W.
(b) Se W e um subespaco proprio ent ao W
e nao vazio. 2
A existencia de uma base ortogonal permite uma f acil demonstra cao para
Proposicao 8.4.2 Se W e um subespa co de (V, , )) ent ao V = W W
.
Demonstra cao Ja sabemos que W W
= 0. Vamos supor por absurdo que a

soma direta ortogonal U = W W
e um subespaco proprio de V . Valendo essa

hipotese, seja v V um vetor nao nulo ortogonal ` a U. Ent ao v e ortogonal a todo
vetor de W, logo, v W
. Mas v tambem e ortogonal ` a W
, portanto, v, v) = 0,
implicando que v = 0, uma contradi cao. Isso mostra que V = W W
. 2
Exerccio 8.4.3 Seja = v
1
, v
2
, ..., v
n
uma base ortonormal de (V, , )). Prove:
(a) se v = x
1
v
1
+ x
2
v
2
+ + x
n
v
n
ent ao x
i
= v, v
i
);
(b) se w = y
1
v
1
+ y
2
v
2
+ + y
n
v
n
ent ao v, w) = x
1
y
1
+ x
2
y
2
+ + x
n
y
n
;
(c) conclua que [[v[[ = (x
2
1
+ x
2
2
+ + x
2
n
)
1/2
. 2
A utiliza cao de bases ortonormais e uma ferramenta b asica para o estudo de ope-
radores em espa cos Euclidianos. Ilustraremos a facilidade operacional quando traba-
lhamos com tais tipos de bases. Por exemplo, calculemos a representa cao [A]
= [a
ij
]
de um operador A num espa co Euclidiano V quando a base = v
1
, v
2
, ..., v
n
e
ortonormal. Por deni cao de representa cao matricial sabemos que
A(v
j
) = a
1j
v
1
+ a
2j
v
2
+ + a
nj
v
n
.
Avaliando o produto interno de v
i
em ambos membros obtemos que a
ij
= A(v
j
), v
i
)
(observe a ordem dos ndices).
1. Ortogonalize pelo processo de Gram-Schmidt as bases ordenadas.
(a) = (1, 2), (1, 3) 1
2
.
(b) = (1, 1, 1), (1, 1, 0), (0, 1, 2) 1
3
.
(c) = (1, 2, 1), (2, 0, 2), (4, 4, 4) 1
3
.
2. Seja W o subespa co do 1
4
gerado pelos vetores v
1
= (1, 1, 0, 0) e v
2
= (0, 1, 1, 1).
(a) Determine uma base para W
.
(b) Estenda a base obtida para uma base ortogonal do 1
4
.
3. Mostre que qualquer conjunto = v
1
, v
2
, ..., v
k
de vetores unit arios e dois a dois
ortogonais num espa co Euclidiano V de dimens ao n pode ser estendido a uma base
ortonormal = v
1
, v
2
, ..., v
n
.
4. Fixado um vetor v
0
n ao nulo de (V, , )) dena a aplica cao
: V V, (w) = w
w, v
0
)
v
0
, v
0
)
v
0
.
(a) Verique que e uma proje cao e identique o n ucleo e a imagem.
(b) Mostre que e uma proje cao ortogonal, isto e, V = Im Nuc .
5. Ortogonalize a base ordenada = 1, t, t
2
, t
3
de 1
3
[t] quando o produto interno
considerado e
p(t), q(t)) =
_
1
0
p(t) q(t) dt.
Determine uma base para o subespa co ortogonal ao subespa co formado pelos po-
lin omios lineares.
6. Se W
1
e W
2
sao dois subespacos do espaco Euclidiano V , prove as identidades.
(a) (W
1
)
= W
1
.
(b) (W
1
+W
2
)
= W
1
W
2
.
(c) W
1
W
2
= W
1
+W
2
.
7. Considere o conjunto ordenado = v
1
, v
2
, ..., v
n
do espa co Euclidiano (V, , )).
(a) Se e uma base ortonormal, prove a desigualdade de Bessel
n
i=1
[ w, v
i
) [
2
[[w[[
2
.
144 CAP

(b) Reciprocamente, se vale a desigualdade de Bessel para todo w V entao o
conjunto e uma base.
8. Considere o produto interno N, Q) = tr(NQ
t
) no espa co M(n, 1) Demonstre que
M(n, 1) = o / onde a primeira parcela e o subespaco das matrizes simetricas e a
segunda e o subespa cos das matrizes antisimetricas.
9. Seja A um operador linear no espa co Euclidiano V de dimens ao n. Mostre que se
= u
1
, u
2
, ..., u
k
e uma base ortonormal da imagem de A entao
A(v) = A(v), u
1
)u
1
+A(v), u
2
)u
2
+ +A(v), u
k
)u
k
.
10. Seja W um subespa co pr oprio de um espa co Euclidiano V . Demonstre as armacoes.
(a) Dado um vetor v V existe um unico w
0
W tal que v w
0
e ortogonal ` a W e
(b) para qualquer w W com w ,= w
0
vale a desigualdade [[v w
0
[[ [[v w[[.
11. Determine a aplicacao A : 1
3
1
3
que reete ortogonalmente os vetores em relacao
ao subespa co W = (x, y, z) 1
3
; x +y +z = 0
12. Uma proje cao num espa co Euclidiano e ortogonal quando V = ImNuc . Prove
que uma proje cao e ortogonal [[(v)[[ [[v[[ para qualquer v V .
8.5 Representa cao de um funcional
Faremos outra aplica cao da existencia de uma base ortonormal cujo resultado, o Teo-
rema da representacao de um funcional linear, e fundamental para o restante do texto.
O espa co dual V

de um espaco Euclidiano V admite uma descri cao muito simples
quando utilizamos o produto interno. Fixado um vetor v
0
V , segue diretamente da
denicao de produto interno que a aplica cao
f
0
: V 1, f
0
(w) = w, v
0
) ,
e um funcional linear. Diremos que o vetor v
0
V representa o funcional linear
f
0
. A recproca tambem e verdadeira, todo funcional linear num espaco Euclidiano e
representado por um vetor, registremos este fato no
Teorema 8.5.1 (Teorema da representacao de um funcional linear) Seja V
um espaco Euclidiano. A aplica cao : V V
que a cada vetor v V associa o

funcional linear
[v] : V 1 [v](w) = w, v)
8.5. REPRESENTAC

AO DE UM FUNCIONAL 145
e um isomorsmo linear. Em particular, cada funcional linear e representado por um
unico vetor.
Demonstra cao

E claro que a aplica cao : V V

, esta bem denida, isto e,
[v] : V 1 e um funcional linear. Para mostrar que e um isomorsmo linear
basta mostrar que e linear e sobrejetora pois dimV = dimV
, veja Secao 3.1.

Dados os vetores u, v V e o escalar 1 para qualquer w V temos que
[u + v](w) = u + v, w) = u, w) + v, w) = ([u] + [v]) (w).
Logo, [u + v] = [u] + [v] mostrando a linearidade de : V V
.
Escolhida uma base ortonormal = v
1
, v
2
, ..., v
n
de V sabemos que um vetor
w V e escrito de maneira unica como uma combina cao linear dos elementos dessa
base, w = x
1
v
1
+x
2
v
2
+ +x
n
v
n
. Fixado um funcional linear f : V 1 e avaliando
esse funcional no vetor w obtemos que
f(w) = x
1
f(v
1
) + x
2
f(v
2
) + + x
n
f(v
n
).
Desse modo, o vetor v
f
= f(v
1
)v
1
+ f(v
2
)v
2
+ + f(v
n
)v
n
representa o funcional
linear. Com efeito. Sendo a base ortonormal podemos escrever
[v
f
](w) = w, v
f
) = x
1
f(v
1
) + x
2
f(v
2
) + + x
n
f(v
n
) = f(w).
Isso signica que [v
f
] = f, mostrando a sobrejetivade. 2
1. Considere o funcional linear f : 1
2
1, f(x, y) = 3x 2y. Represente o funcional
utilizando os seguintes produtos internos em 1
2
.
(a) Produto interno can onico.
(b) (x, y), (z, w)) = 2xz + 3yw.
(c) (x, y), (z, w)) = 2xz xw yz + 2yw.
2. Considere o seguinte produto interno em 1
2
[t],
f, g) =
_
1
0
f(t) g(t) dt,
onde a integral considerada e a integral de Riemann. Represente o funcional linear
avalia cao em t = 0, ou seja, / : 1
2
[t] 1, /(p(t)) = p(0).
146 CAP

8.6 Operador transposto
Um operador A num espa co vetorial V sobre o corpo K induz um operador no espa co
dual A
: V
chamado de adjunta de A, veja Se cao 3.3, e denido por

A
[f] : V K, A
[f](v) = f(A(v)).
Nessa secao iremos estudar a adjunta de um operador num espa co Euclidiano. Com o
auxlio do Teorema da representa cao de um funcional linear, 8.5.1, podemos transferir
o estudo da adjunta para o estudo de um operador no espa co Euclidiano V .
Como vimos, se A e um operador linear em (V, , )) existe um unico vetor v
V representando o funcional linear f : V 1 e existe um unico vetor v
representando o funcional linear A
[f] : V 1. Pela denicao de adjunta temos que

A
[f](w) = f(A(w)) = A(w), v) .

Por outro lado, pelo Teorema da representacao de um funcional linear podemos es-
crever
A
[f](w) = w, v
)
para todo w V . Esses comentarios permitem-nos denir uma aplica cao
A
t
: V V, v v
,
satisfazendo a identidade w, A
t
(v)) = A(w), v) para quaisquer v, w V .
Proposicao 8.6.1 Seja A um operador linear no espa co Euclidiano V . Existe um
unico operador linear A
t
: V V , chamado de operador transposto de A, tal que
w, A
t
(v)) = A(w), v) para quaisquer v, w V .
Demonstra cao A existencia de uma aplica cao A
t
: V V satisfazendo a condi cao
w, A
t
(v)) = A(v), w) para quaisquer v, w V est a feita nos coment arios anteriores.
Mostremos a linearidade. Dados u, v V e 1, para qualquer w V temos as
igualdades
w, A
t
(u + v)
_
= A(w), u + v)
= A(w), u) + A(w), v)
=
w, A
t
(u)
_
+
w, A
t
(v)
_
=
w, A
t
(u) + A
t
(v)
_
.
8.6. OPERADOR TRANSPOSTO 147
Sendo a igualdade w, A
t
(u + v)) = w, A
t
(u) + A
t
(v)) verdadeira para todo w V ,
conclumos que A
t
(u + v) = A
t
(u) + A
t
(v), como queramos demonstrar.
A unicidade do operador transposto tem uma demonstra cao que, em essencia,
sera utilizada outras vezes. Se B : V V e um operador linear tal que A(v), w) =
w, B(v)) para quaisquer w, v V ent ao w, A
t
(v) B(v)) = 0 para todo w V ,
implicando que A
t
(v) = B(v) para todo v V . 2
Como j a vimos no Captulo 3, a adjunta A
depende apenas do operador A, o

mesmo nao ocorrendo com o operador transposto que depende do operador e do
produto interno que dene a estrutura de espa co Euclidiano com o qual estamos
trabalhando. Cada produto interno no espa co vetorial determina um representante
diferente para o mesmo funcional linear e, portanto, um operador transposto diferente.
Recordamos que temos uma deni cao de matriz transposta. Estabeleceremos a rela cao
entre esses conceitos utilizando representacoes em bases ortonormais.
Proposicao 8.6.2 Sejam A um operador linear no espa co Euclidiano V e uma
base ortonormal de V . Entao a representa cao matricial do operador transposto de A
e a transposta da representa c ao matricial de A. Dito de outra maneira, [A
t
]
= [A]
t
.
Demonstra cao Consideremos as representacoes matriciais [A]
= [a
ij
] e [A
t
]
= [b
ij
] ,
onde = v
1
, v
2
, ..., v
n
e uma base ortonormal de V . Como sabemos as entradas das
representa coes matriciais s ao obtidas pelas f ormulas, veja nal da Secao 8.4,
a
ij
= A(v
j
), v
i
) , b
ij
=
A
t
(v
j
), v
i
_
.
Portanto, pela deni cao de operador transposto segue que
b
ij
=
A
t
(v
j
), v
i
_
= v
j
, A(v
i
)) = A(v
i
), v
j
) = a
ji
.
2
Quando V e um espaco Euclidiano podemos denir a aplica cao
: L(V, V ) L(V, V ), (A) = A
t
.
Entre as muitas propriedades de a proposi cao abaixo mostra que ela e uma trans-
forma cao linear.
Proposicao 8.6.3 Para quaisquer operadores lineares A e B em (V, , )) e qualquer
escalar 1 valem as propriedades a seguir.
148 CAP

a) (A+ B)
t
= A
t
+ B
t
.
b) (A B)
t
= B
t
A
t
.
c) (A
t
)
t
= A.
Demonstra cao a) Por um lado, temos as igualdades,
(A + B) (u), v) = A(u), v) + B(u), v)
=
u, A
t
(v) + B
t
(v)
_
=
u,
_
A
t
+ B
t
_
(v)
_
.
Por outro lado, (A+ B) (u), v) =
u, (A+ B)
t
(v)
_
. A unicidade do operador
transposto implica que (A+ B)
t
= A
t
+ B
t
.
b) A demonstra cao e novamente uma manipula cao elementar de propriedades,
(A B) (u), v) =
B(u), A
t
(v)
_
=
u,
_
B
t
A
t
_
(v)
_
.
Tambem sabemos da identidade (A B) (u), v) =
u, (A B)
t
(v)
_
. Pela unicidade
do transposto conclumos que (A B)
t
= B
t
A
t
.
c) Deixaremos a demonstra cao aos cuidados do leitor. 2
Merece ser enfatizado por um lema duas propriedades sobre o operador transposto
de um operador, nao pela diculdade de demonstra cao, que e nenhuma, mas pelo seu
freq uente uso.
Lema 8.6.1 Seja A um operador num espa co Euclidiano V .
a) Se A preseva um subespa co W ent ao A
t
preserva W
.
b) A induz a decomposi cao em soma direta ortogonal V = ImANuc A
t
.
Demonstra cao a) Se v W
, pela invari ancia de W temos que v, A(w)) = 0 para

qualquer vetor w W, e por deni cao de transposto vale a igualdade A
t
(v), w) = 0.
Portanto, A
t
(v) W
, signicando que W
e invariante por A
t
.
8.6. OPERADOR TRANSPOSTO 149
b) Dada a soma direta ortogonal V = ImA (ImA)
, veriquemos a inclusao
(ImA)
Nuc A
t
. Se w e um vetor em (ImA)
ent ao para todo v V temos

a igualdade A(v), w) = 0 pois A(v) pertence ao subespa co imagem de A. Logo,
v, A
t
(w)) = 0 para qualquer v V . Isso signica que A
t
(w) = 0, mostrando a
inclusao desejada. A inclus ao oposta tem uma demonstra cao semelhante. 2
Recomendamos ao leitor a leitura do Exerccio proposto 2. a seguir. Ali est ao
registrados alguns fatos que serao utilizados no pr oximo captulo sem referencias.
1. Calcule o operador transposto de A : 1
2
1
2
, A(x, y) = (x 2y, 3x +y).
2. Seja A um operador em (V, , )).
(a) Prove que B : V V e o operador transposto de A [B]
= [A]
t
, onde e
uma base ortornormal de V .
(b) Demonstre que se A e invertvel ent ao A
t
e invertvel e
_
A
1
_
t
=
_
A
t
_
1
.
(c) Mostre que A A
t
0 A 0.
(d) Verique que p(A)
t
= p(A
t
) para qualquer polin omio p(t) 1[t].
(e) Os ideais anuladores de A e A
t
sao iguais, ou equivalentemente, os polin omios
minimal sao iguais. Prove essa arma cao.
3. Fixado um vetor n ao nulo v
0
em (V, , )), calcule o operador transposto de
: V V, (w) = w
w, v
0
)
v
0
, v
0
)
v
0
.
4. Como sabemos, a aplicacao N, P) = tr
_
NP
t
_
e um produto interno em M(n, 1).
Responda as perguntas abaixo considerando esse produto interno.
(a) Calcule o complemento ortogonal do subespaco das matrizes diagonais.
(b) Assuma que P
0
e uma matriz invertvel em M(n, 1). Determine o transposto
do operador A : M(n, 1) M(n, 1) quando:
(i) A(N) = P
0
N; (ii) A(N) = NP
0
; (iii) A(N) = P
1
0
NP
0
.
150 CAP

5. Dado o produto interno no espa co 1
3
[t]
p(t), q(t)) =
_
1
0
p(t) q(t) dt ,
escreva o transposto da deriva cao D : 1
3
[t] 1
3
[t], p(t) p
(t).
6. Fixados vetores u
0
e v
0
de um espaco Euclidiano V , calcule o transposto do operador
linear A : V V , A(v) = v, u
0
)v
0
.
7. Calcule uma base ortonormal para os Nuc A, ImA, Nuc A
t
e ImA
t
quando o ope-
rador e A : 1
3
1
3
, A(x, y, z) = (x +y, x +y, x +y).
8. Mostre a seguinte formula para a transposta de uma matriz quadrada constituda de
quatro submatrizes,
_
P Q
R S
_
t
=
_
P
t
R
t
Q
t
S
t
_
.
Captulo 9
Operadores normais
Iniciaremos o estudo da classe de operadores lineares num espa co Euclidiano que
comutam com o seu operador transposto, chamados de operadores normais. As re-
presenta coes matriciais can onicas desses operadores serao apresentadas tendo em vista
que alguns tipos de matrizes que surgem dessas representa coes formam subgrupos im-
portantes no espa co das matrizes quadradas. A linha de desenvolvimento dessa secao
e simples. Primeiro estudaremos a decomposi cao prim aria de um operador normal e
depois a decomposi cao cclica de cada parcela da decomposi cao prim aria.
9.1 Operadores normais
Diz-se que um operador A num espa co Euclidiano V e normal se A A
t
= A
t
A.
A terminologia utilizada e apropriada pois o conceito de normalidade estar a sempre
associado ao conceito de ortonormalidade e as boas representa coes desses operadores
serao obtidas em bases ortonormais dando origem ` as matrizes normais. Apresentemos
alguns exemplos de operadores normais em (V, , )).
Exemplo 9.1.1 1) Conhecendo-se um unico operador normal A : V V e possvel
contruir v arios outros. Por exemplo, o operador transposto A
t
bem como qualquer
potencia A
n
com n 0 s ao normais. Alem desses, podemos provar que os operadores
B = A A
t
e C = A, com 1, sao tambem operadores normais. Mostra-se por
inducao que p(A) e normal para qualquer polin omio p(t) 1[t].
2) Se A : V V e qualquer operador, a aplica cao P = A
t
A e chamada de
operador de Gram associado ao operador A.

E facil vericar que um operador de
Gram e normal.
151
152 CAP
ITULO 9. OPERADORES NORMAIS

3) A composta e a soma de dois operadores normais num espa co Euclidiano, em
geral, nao s ao operadores normais, entretanto, uma condi cao suciente para serem
normais e que os dois operadores comutem. 2
Exerccio 9.1.1 Demonstre o seguinte criterio de normalidade num espa co Euclidi-
ano. Um operador A : V V e normal se, e somente se, a representa cao [A]
e uma
matriz normal para qualquer base ortonormal de V . 2
Apresentaremos as primeiras propriedades de um operador normal estabelecendo
as rela coes entre o n ucleo e a imagem de A e de seu operador transposto.
Proposicao 9.1.1 Se A e um operador normal num espa co Euclidiano (V, , ))
ent ao |A(v)| = |A
t
(v)| para qualquer vetor v V . Em consequencia:
a) os n ucleos de A e A
t
coincidem;
b) V decomp oe-se na soma direta ortogonal V = ImA Nuc A;
c) as imagens de A e A
t
sao iguais.
Demonstra cao A comutatividade de A e de seu transposto A
t
justica as igualdades,
A(v), A(v)) =
v, A
t
A(v)
_
=
v, A A
t
(v)
_
=
A
t
(v), A
t
(v)
_
,
para qualquer vetor v V . Portanto, |A(v)|
2
= |A
t
(v)|
2
, de onde segue a arma cao.
As consequencias sao imediatas. a) Da equivalencia |A(v)| = 0 |A
t
(v)| = 0
segue a igualdade entre os n ucleos de A e A
t
. b) Sabemos que V = ImA Nuc A
t
para qualquer operador A : V V , veja Lema 8.6.1. Pelo primeiro item temos a
decomposi cao desejada. O item c) e deixado para exerccio. 2
1. Demonstre todas as armacoes feitas no Exemplo 9.1.1.
2. Verique que o operador de Gram associado a um operador A num espa co Euclidiano
V e invertvel se, e somente se, A e invertvel.
3. De um exemplo de um operador A num espa co Euclidiano tal que A A
t
,= A
t
A.
9.2. DECOMPOSIC

AO NORMAL 153
4. Demonstre que qualquer matriz normal N M(2, 1) e da forma
N = r
_
cos sen
sen cos
_
ou N =
_
a b
b c
_
,
onde r, a, b, c 1 e [0, 2].
5. Assuma que um operador normal A : V V preserva o subespa co W V .
(a) Prove que o operador A
0
: W W obtido por restri cao de A e normal.
(b) Demonstre que V = W W
e uma soma direta ortogonal invariante por A.

(c) Conclua que essa soma direta tambem e invariante por A
t
.
9.2 Decomposi cao normal
Operadores normais recebem uma vers ao particular do Teorema da decomposi cao
prim aria. Novamente veremos que toda informa cao est a concentrada no polinomio
minimal do operador.
Teorema 9.2.1 (Teorema da decomposicao normal) Seja A um operador nor-
mal num espaco Euclidiano V . Entao
a) a fatora cao prim aria do polin omio minimal de A e um produto de polin omios
monicos primos sem repeti coes, m
A
(t) = p
1
(t)p
2
(t) p
k
(t),
b) e a decomposi c ao prim aria de V e a soma direta ortogonal
V = Nuc p
1
(A) Nuc p
2
(A) Nuc p
k
(A).
Demonstra cao a) Por absurdo, vamos assumir que m
A
(t) = p
i
(t)
2
q(t) para algum
ndice i. Sendo assim, dado v V , o vetor w = p
i
(A) q(A)(v) pertence ` a interse cao
Imp
i
(A)Nuc p
i
(A). Entretanto, como p
i
(A) e um operador normal, essa intersecao e
trivial pois V = Imp
i
(A)Nuc p
i
(A), Proposi cao 9.1.1. Portanto, p
i
(A)q(A)(v) = 0
para todo v V , implicando que o polin omio p
i
(t)q(t) pertence ao ideal anulador
A
e tem grau menor que grau do gerador do ideal, evidentemente uma contradi cao. Isso
mostra que a fatora cao prim aria do polin omio minimal n ao tem fatores repetidos.
b) Como sabemos, a proje cao
i
: V V sobre a i-esima parcela da decomposi cao
prim aria ao longo das outras parcelas e um polin omio em A, Corol ario 5.2.3, portanto,
154 CAP
i
e um operador normal e por conseguinte V = Im
i
Nuc
i
. Segue do mesmo
corol ario e do Teorema da decomposi cao prim aria, 9.12.1, que para todo i temos
_
_
_
Im
i
= Nuc p
i
(A)
Nuc
i
= Nuc p
1
(A)

Nuc p
i
(A) Nuc p
k
(A)
.
Logo, as parcelas da decomposi cao prim aria sao duas a duas ortogonais. 2
A decomposi cao prim aria induzida por um operador normal ser a chamada de
decomposi c ao normal. Comparemos as decomposi coes normais de um operador e de
seu operador transposto num espa co Euclidiano V .
Corolario 9.2.1 Um operador normal e seu operador transposto induzem a mesma
decomposi cao normal no espa co.
Demonstra cao Recordamos que os polin omios minimais de um operador e de seu
operador transposto s ao iguais, fato independente da normalidade do operador. Por-
tanto, com a nota cao do ultimo teorema, a decomposi cao normal denida por A
t
ca
sendo
V = Nuc p
1
(A
t
) Nuc p
2
(A
t
) Nuc p
k
(A
t
).
Como p
i
(A
t
) = p
i
(A)
t
e p
i
(A) e normal, temos as igualdades dos n ucleos, Nuc p
i
(A
t
) =
Nuc p
i
(A)
t
= Nuc p(A), Proposi cao 9.1.1. 2
1. Seja A um operador normal no espa co Euclidiano V .
(a) Prove que autovetores de A associados a autovalores distintos sao ortogonais.
(b) Mostre que se A
k
(v) = 0 para algum k 2, ent ao A(v) = 0.
2. Descreva todos operadores num espaco Euclidiano que s ao nilpotentes e normais.
3. Assuma que A e um operador nilpotente num espa co Euclidiano V e que o espaco e
A-cclico, ou seja, V = Z(v).
(a) Determine a decomposicao normal de P = A
t
A
(b) e conclua que P e uma proje cao ortogonal.
9.3. OPERADORES SIM
ETRICOS 155
(c) Calcule a representacao matricial de P na base cclica gerada por um vetor v.
4. Com as mesmas hipoteses do item anterior, exceto que V seja A-cclico, podemos
concluir que e uma proje cao ortogonal?
5. Prove que se A e B sao operadores normais no espaco Euclidiano V que comutam
entao A comuta com B
t
.
9.3 Operadores simetricos
Iniciaremos o estudo de tipos particulares de operadores normais. Um operador A num
espa co Euclidiano V e simetrico quando A = A
t
.

E trivial vericar que um operador
simetrico e normal. O principal teorema sobre tais operadores que iremos demonstrar
e o Teorema espectral, armando que um operador simetrico e diagonaliz avel numa
base ortonormal de autovetores. Sem muito esfor co, o Teorema espectral pode ser
demonstrado para espa cos Euclidianos de dimensao dois e depois generalizado para
espa cos com dimens oes maiores utilizando o Teorema da decomposicao normal.
Exerccio 9.3.1 Deixaremos uma serie de informa coes sobre operadores simetricos
como exerccios.
(a) Um operador de Gram P = A
t
A e simetrico.
(b) Se A e simetrico entao p(A) e simetrico para todo p(t) 1[t].
(c) A e simetrico [A]
e simetrica em qualquer base ortonormal de V . 2

O lema a seguir contem quase todas as informa coes necessarias para a demons-
tra cao do Teorema espectral.
Lema 9.3.1 ?? Seja A um operador simetrico em (V, , )). Se dimV = 2 ent ao
valem as arma coes:
a) o polin omio caracterstico fatora-se num produto de polinomios lineares, p
A
(t) =
(t
1
)(t
2
), onde
1
,
2
1 sao autovalores n ao necessariamente distintos;
b) o operador e diagonaliz avel por uma base ortonormal de autovetores.
156 CAP

Demonstra cao a). Fixada uma base ortonormal = v
1
, v
2
V , a representa cao
de A nessa base e uma matriz simetrica, digamos que seja
[A]
=
_
a b
b c
_
.
Sendo assim, p
A
(t) = t
2
(a+c)t +(ac b
2
). Como o discriminante de p
A
(t) e nao
negativo, = (a c)
2
+ b
2
0, o polin omio caracterstico e fatorado em polin omios
lineares, p
A
(t) = (t
1
)(t
2
), onde
1
,
2
1 sao escalares n ao necessariamente
distintos.
b) Para demonstrar esse item e conveniente examinar dois casos.
Primeiro caso Assumamos que o discriminante seja nulo. Nesse caso, as entradas
da representacao [A]
tem os valores a = c e b = 0. Portanto, o operador A tem um

autovalor = a, todo vetor de V e um autovetor e
[A]
=
_
0
0
_
.
Isso mostra que a base ortonormal = v
1
, v
2
, ou qualquer outra base ortonormal,
e formada de autovetores. Observamos que o polin omio minimal de A e o polin omio
linear m
A
(t) = (t ) e que A e uma homotetia por .
Segundo caso Quando o discriminante e positivo as razes do polinomio carac-
terstico
1
,
2
1 sao distintas. Recordando que a decomposi cao do polin omio
minimal contem todos os fatores primos do polin omio caracterstico, Proposi cao 4.4.1,
podemos concluir que m
A
(t) = (t
1
)(t
2
) = p
A
(t) e que cada parcela da decom-
posi cao normal,
V = Nuc (A
1
Id) Nuc (A
2
Id),
e um autoespa co unidimensional V
i
. Escolhendo um vetor unit ario u
i
V
i
, a base
= u
1
, u
2
e ortonormal e formada de autovetores. 2
Teorema 9.3.1 (Teorema espectral) Seja A um operador linear num espa co Eu-
clidiano V . Se A e simetrico ent ao
lineares distintos, m
A
(t) = (t
1
)(t
2
) (t
k
),
b) e a decomposi c ao normal determinada por A e uma soma direta ortogonal de
autoespa cos,
V = V
1
V
2
V
k
.
9.3. OPERADORES SIM
ETRICOS 157
Em particular, A e diagonaliz avel por uma base ortonormal de autovetores.
Demonstra cao Pelo Teorema da decomposi cao normal, 9.2.1, sabemos que o po-
lin omio minimal de A fatora-se em um produto de polin omios m onicos, primos e dois
a dois distintos, m
A
(t) = p
1
(t)p
2
(t) p
k
(t). Por absurdo, assumamos que algum fa-
tor e um polin omio de grau dois. Seja p
i
(t) esse fator. Considere o espaco A-cclico
Z(v) Nuc p
i
(A) gerado por um vetor n ao nulo v Nuc p
i
(A), veja Proposi cao
5.3.1. Como m
v
(t) e um polin omio n ao constante que divide o polin omio primo p
i
(t),
necessariamente temos que m
v
(t) = p
i
(t) e por conseguinte,
dimZ(v) = grau m
v
(t) = 2.
O operador linear induz por restri cao um operador simetrico em (Z(v), , )), pois
esse espa co e invariante por A e A
t
= A. Aqui surge a contradi cao. Por um lado,
o polin omio minimal da restri cao e o polin omio primo p
i
(t) de grau dois,. Por outro
lado, o lema anterior arma que esse polin omio fatora-se em um produto de polin omios
lineares! Logo, cada fator da decomposi cao prim aria e um polin omio linear.
A demonstra cao de 2 e imediata. Em particular, para diagonalizar o operador
escolhemos uma base ortonormal
i
Nuc p
i
(A) e consideramos a base ortonormal
=

i
de V . 2
Corolario 9.3.1 Um operador num espa co Euclidiano e simetrico se, e somente se,
o operador e diagonaliz avel por uma base ortonormal de autovetores.
Nao roubaremos do leitor o prazer de demonstrar esse corolario.
Exerccio 9.3.2 Prove que um operador normal A em (V, , )) e simetrico se, e
somente se, todas as razes do polin omio caracterstico s ao reais. 2
1. Verique que os operadores s ao simetricos e diagonalize-os.
(a) A : 1
2
1
2
, A(x, y) = (4x + 12y, 12x 3y).
(b) A : 1
3
1
3
, A(x, y, z) = (2z, y, 2x).
(c) A : 1
3
1
3
, A(x, y, z) = (x +z, y, x +z).
158 CAP

2. Fixado um vetor n ao nulo v
0
no espa co Euclidiano V , dena a aplica cao : V V ,
(w) = w, v
0
) v
0
.
(a) Mostre que e um operador linear simetrico.
(b) Identique as parcelas da decomposi cao normal determinada por .
3. Suponha que A e um operador linear diagonaliz avel no espaco real de dimens ao nita
V . Mostre que podemos denir um produto interno em V que torna A simetrico.
4. Sejam V = V
1
V
2
uma decomposi cao em soma direta do espaco Euclidiano V e
i
:
V V a proje cao sobre a i-esima parcela ao longo da outra. Prove as equivalencias.
(a)
i
e um operador normal.
(b)
i
e um operador simetrico.
(c) A soma direta e ortogonal.
5. Suponha que um operador linear simetrico A em (V, , )) e tal que A
n
Id para
algum inteiro n 2. Demonstre que A
2
Id.
6. Prove que dois operadores simetricos em (V, , )) comutam eles sao simultanea-
mente diagonalizaveis.
7. Uma involu cao o num espa co Euclidiano V e normal o e simetrica.
8. O tra co de um operador simetrico num espaco Euclidiano e a soma das raizes do
polin omio caracterstico (contando as multiplicidades).
9.4 Decomposi cao cclica normal
Para cada operador normal A num espa co Euclidiano V iremos construir uma decom-
posi cao A-cclica cujas parcelas s ao duas a duas ortogonais. Isso permitir a fazer uma
representa cao matricial do operador que ser a utilizada para identicar os exemplos
classicos de operadores normais. Observamos que, por clareza, os teoremas sobre de-
composi coes cclicas est ao direcionados para o estudo da restri cao do operador a uma
das parcelas da decomposi cao normal. Iniciemos com uma vers ao dos teoremas das
decomposi coes cclicas para operadores normais.
9.4. DECOMPOSIC

AO C
ICLICA NORMAL 159

Teorema 9.4.1 (Teorema da decomposicao cclica normal) Seja A um ope-
rador normal no espa co Euclidiano V . Se m
A
(t) = p(t) e a fatora cao prim aria do
polin omio minimal de A ent ao existem vetores v
1
, v
2
, ..., v
n
V tais que
_
_
_
V = Z(v
1
) Z(v
2
) Z(v
n
),
grau m
A
(t) = dimZ(v
1
) = dimZ(v
2
) = = dimZ(v
n
).
Demonstra cao Dividiremos a demonstra cao em dois casos.
Primeiro caso. Assumamos que o polin omio minimal de A e o polin omio linear
m
A
(t) = (t ). Sendo assim, todo vetor e um autovetor associado ao autovalor
e escolhendo-se uma base ortonormal = v
1
, v
2
, ..., v
n
de V = V
obtemos a
decomposi cao A-cclica
_
_
_
V = Z(v
1
) Z(v
2
) Z(v
n
),
grau m
A
(t) = 1 = dimZ(v
1
) = dimZ(v
2
) = = dimZ(v
n
).
Segundo caso Vamos supor que o polin omio minimal e um polin omio primo de
grau dois, m
A
(t) = (t )
2
+
2
, com > 0. Sendo assim, considere o operador de
Gram P : V V , P(v) = A
t
A(v). Como P e um operador simetrico, pelo Teorema
espectral, 9.3.1, podemos escolher um autovetor v V associado a um autovalor
1, mais precisamente, P(v) = v. Consideremos a soma direta ortogonal, Proposi cao
8.4.2,
V = Z
A
(v) Z
A
(v)
e mostremos que ela e invariante por A e por seu operador transposto A

t
. Como
o espa co cclico Z
A
(v) e invariante por A, ent ao o complemento ortogonal Z
A
(v)
,
Lema 8.6.1, e invariante por A
t
. Logo, e suciente mostrar que a primeira parcela
e invariante tambem por A
t
pois isso implicara que a segunda ser a invariante por
A. Reduzindo ainda mais a quest ao.

E suciente demonstrar que a base ordenada
= v, A(v) de Z
A
(v) e tal que A
t
() Z
A
(v). De fato, e uma base pois todo
espa co A-cclico n ao trivial tem dimens ao dois desde que o polin omio minimal de um
vetor n ao nulo e igual ao polin omio minimal de A, Proposi cao 5.4.1. Veriquemos a
condi cao A
t
() Z
A
(v). Dado o elemento A(v) temos que
A
t
(A(v)) = P(v) = v,
160 CAP

mostrando que A
t
(A(v)) Z
A
(v). Consideremos o outro elemento v . Para
mostrar que A
t
(v) Z
A
(v) devemos levar em conta a comutatividade dos operadores
A, A
t
e P como tambem o desenvolvimento m
A
(t) = t
2
2t + (
2
+
2
). Observe
que 0 = A
t
(0) = A
t
(m
A
(A)(v)), portanto,
0 = A
t
_
A
2
(v) 2A(v) + (
2
+
2
)v
_
= P(A(v)) 2P(v) + (
2
+
2
)A
t
(v)
= A(v) 2v + (
2
+
2
)A
t
(v).
Dessas igualdades e possvel concluir que A
t
(v) e uma combina cao linear dos elementos
da base , mais precisamente,
A
t
(v) =
1
2
+
2
(2v A(v)) .
Isso demonstra que A
t
() Z
A
(v), como desej avamos mostrar.
A continua cao da demonstra cao do segundo caso e feita por indu cao sobre a di-
mensao de V . Devemos mostrar que se A e um operador simetrico no espaco Eucli-
diano V com dimV = 2n e polin omio mnimo m
A
(t) = (t )
2
+
2
ent ao existem
vetores v
1
, v
2
, ..., v
n
V tais que
_
_
_
V = Z(v
1
) Z(v
2
) Z(v
n
),
grau m
A
(t) = 2 = dimZ(v
1
) = dimZ(v
2
) = = dimZ(v
n
).
Note que para n = 1 a verica cao e trivial pois V = Z(v) para qualquer vetor n ao
nulo v V . A construcao acima e o passo de inducao que reduz a dimens ao em 2,
pois A e A
t
preservam o subespa co cclico Z(v
1
)
. Deixaremos para o leitor completar

esse nal de demonstra cao. A unicidade dimensional segue do Teorema 5.5.1. 2
Uma decomposi cao A-cclica determinada por um operador normal ser a chamada
de decomposi cao A-cclica normal.
Corolario 9.4.1 Seja A um operador normal num espa co Euclidiano V . Uma de-
composi cao A-cclica normal e tambem uma decomposi cao A
t
-cclica normal.
Demonstra cao Vamos supor que a fatora cao prim aria do polin omio minimal do
operador normal A seja m
A
(t) = p(t). Desse modo, considere uma decomposi cao
9.4. DECOMPOSIC

AO C
ICLICA NORMAL 161

A-cclica normal
_
_
_
V = Z(v
1
) Z(v
2
) Z(v
n
),
grau m
A
(t) = dimZ(v
1
) = dimZ(v
2
) = = dimZ(v
n
).
Como o operador A preserva cada parcela da soma direta ortogonal, A preserva
W
i
= Z(v
1
)

Z(v
i
) Z(v
n
),
e A
t
preserva o complemento ortogonal de W
i
que e W
i
= Z(v
i
), Proposi cao 8.6.1. A
igualdade dos polin omios minimais m
A
(t) e m
A
t (t), garante que cada parcela A-cclica
e uma parcela A
t
-cclica. 2
1. Suponha que a representa cao do operador A : 1
4
1
4
na base can onica seja amatriz
dada ao lado.
(a) Mostre que A e normal (em relacao ao produto
interno can onico).
(b) Calcule uma decomposi cao A-cclica normal
explicitando os vetores que geram as parcelas
cclicas.
[A]
4
=
_
_
1 0 0 1
0 1 1 0
0 1 1 0
1 0 0 1
_
_
.
2. Mostre que A : 1
3
1
3
, A(x, y, z) = (z, x, y) e normal e determine uma decom-
posi cao A-cclica normal.
3. Considere o operador A : 1
3
1
3
, A(x, y, z) = (y 3z, x 2z, 2x + 3y).
(a) Verique que A e um operador normal.
(b) Determine uma decomposi cao cclica normal explicitando os vetores que geram
as parcelas cclicas.
4. Demonste que toda matriz normal N M(3, 1) e conjugada a uma matriz da forma
Q =
_
0
0 P
_
onde P = r
_
cos sen
sen cos
_
ou P =
_
a b
b d
_
.
162 CAP

9.5 Representa cao de operadores normais
O Teorema da decomposi cao cclica normal, 9.4.1, permite construir uma repre-
senta cao bastante simples de um operador normal pois sabemos decompor o espa co
V em subespacos unidimensionais ou bidimensionais invariantes pelo operador. Para
isso, recordemos uma nota cao matricial
R(, ) =
_

_
,
onde , 1. Note que p(t) = (t)
2
+
2
e o polin omio caracterstico dessa matriz.
Proposicao 9.5.1 Se A e um operador normal no espa co Euclidiano V de dimens ao
dois com polin omio minimal m
A
(t) = (t )
2
+
2
, > 0, ent ao existe uma base
ortonormal tal que
[A]
=
_

_
.
Demonstra cao Seja = u
1
, u
2
uma base ortonormal de V . Digamos que a repre-
senta cao matricial de A nesta base seja a matriz
[A]
=
_
a b
c d
_
.
A irredutibilidade do polin omio minimal de A garante que c ,= 0, na verdade podemos
assumir que c > 0, caso contrario, consideramos a base ordenada = u
1
, u
2
e
essa condicao car a satisfeita. Para demonstrar a proposi cao e suciente mostrar que
b = c e a = d. As hipoteses sobre A ser normal e a base ser ortonormal implicam
que [A]
[A]
t
= [A]
t
[A]
. Efetuando-se o produto matricial obtemos quatro equa coes

das quais destacaremos duas,
_
b
2
= c
2
ac + bd = ab + cd
.
Como o polin omio minimal tem grau dois e a dimens ao de V tambem e dois, ne-
cessariamente o polin omio caracterstico de A e igual ao polin omio mnimo, p
A
(t) =
t
2
(a+d)t+(adbc). A condi cao de p
A
(t) ser um polinomio primo e equivalente a ter
discriminante negativo, = (ad)
2
+4bc < 0. Como b
2
= c
2
e c > 0 necessariamente
temos que b = c. Por outro lado, substituindo esse valor de b em ac + bd = ab + cd
9.5. REPRESENTAC

AO DE OPERADORES NORMAIS 163
determinamos a equa cao 2c(a d) = 0, de onde segue que a = d. Em resumo, a
representa cao de A na base ortonormal e a matriz
[A]
=
_
a c
c a
_
com c > 0. Calculando novamente o polin omio minimal obtemos m
A
(t) = (ta)
2
+c
2
.
Renomenado a = e c = conclumos a demonstra cao. 2
Na pr oxima proposi cao descreveremos uma represent cao can onica para um opera-
dor normal. Recordamos que os enunciados dizem respeito ` as restri coes do operador
às parcelas da decomposi cao normal.
Proposicao 9.5.2 Se m
A
(t) = p(t) e a fatora cao prim aria do polin omio minimal do
operador normal A em (V, , )) ent ao existe uma base ortonormal tal que
a) [A]
= diag, , ..., , se m
A
(t) = (t ) ou
b) [A]
= diagR(, ), R(, ), ..., R(, ), se m

A
(t) = (t )
2
+
2
, > 0.
Demonstra cao Escolha qualquer decomposi cao A-cclica normal,
_
_
_
V = Z(v
1
) Z(v
2
) Z(v
n
),
grau m
A
(t) = dimZ(v
1
) = dimZ(v
2
) = = dimZ(v
n
).
a) Se o polin omio minimal e linear, m
A
(t) = (t ), cada parcela cclica e unidi-
mensional e cada gerador v
i
e um autovetor (que pode ser assumido unit ario) associado
ao autovalor . Logo, para diagonalizar o operador escolhemos como base ortonormal
o conjunto = v
1
, v
2
, ..., v
n
.
b) Se o polin omio minimal e primo de grau dois, m
A
(t) = (t )
2
+
2
, > 0, cada
parcela cclica tem dimensao dois e e invariante por A e A
t
. Portanto, A induz por
restricao um operador normal em cada parcela Z(v
i
) com o mesmo polin omio mnimo.
Pela proposi cao anterior, existe uma base ortonormal
i
de Z(v
i
) cuja representa cao
da restricao A
i
e a matriz
[A
i
]
i
=
_

_
.
Por m, escolhemos a base ordenada =

i
obtendo a representa cao desejada. 2
164 CAP

1. Suponha que m
A
(t) = (t
2
+a
2
)(t
2
+b
2
) e o polin omio minimal de um operador normal
A : 1
4
1
4
. De a representacao matricial canonica para A.
2. Suponha que p
A
(t) = (t 2)
2
(t
2
+ 1)
2
_
(t 1)
2
+ 1
seja o polin omio caracterstico

de um operador normal A : 1
8
1
8
. Determine o polin omio minimal e uma repre-
sentacao matricial canonica para A.
3. Um operador A em (V, , )) e normal [[A(v)[[ = [[A
t
(v)[[ para qualquer v V ?
9.6 Representa cao matricial dos complexos
O conjunto de matrizes
C
M
= R(, ); , 1
equipado com as opera coes de soma e multiplica cao de matrizes tem uma estrutura de
corpo. Para deixar claro a rela cao entre os n umeros complexos e varias representa coes
matriciais aqui descritas, construiremos um isomorsmo de corpo entre os n umeros
complexos e esse subconjunto especial de matrizes 2 2. O isomorsmo e a aplica cao
: C C
M
, ( + i) =
_

_
.
Dado um n umero complexo n ao nulo z = + i existe um unico , 0 < 2,
chamado de angulo polar, tal que z = |z| (cos +isen), onde |z| =
2
+
2
. Essa
expressao e chamada de decomposi cao polar de z e o angulo satisfaz as identidades,
cos =

2
+
2
e sen =

2
+
2
.
Transportando a decomposi cao polar via isomorsmo para C
M
temos a decom-
posi cao polar da matriz correspondente,
R(, ) =
2
+
2
_
cos sen
sen cos
_
.
Denimos a matriz rota cao por como sendo a matriz ortogonal 2 2
R
=
_
cos sen
sen cos
_
.
9.7. OPERADORES ANTISIM
ETRICOS 165
No nal do captulo descreveremos uma generaliza cao dessa ideia mostrando uma
decomposi cao polar para uma matriz qualquer. Finalmente, observamos a forma
especial do produto matricial
R(, )R(, )
t
= (
2
+
2
)I
2
.
9.7 Operadores antisimetricos
Um operador normal A num espa co Euclidiano V e antisimetrico quando A
t
= A.
Um operador e antisimetrico se, e somente se, sua representacao matricial numa base
ortonormal e antisimetrica. Examinemos a decomposicao normal de um operador
antisimetrico
V = Nuc p
1
(A) Nuc p
2
(A) Nuc p
k
(A).
Cada fator p
i
(t) do polin omio minimal do operador ou e linear, p(t) = t , ou e um
polin omio primo, p(t) = (t )
2
+
2
, onde sempre assumimos que > 0.
Suponha que algum fator p
i
(t) seja linear, a parcela correspondente da decom-
posi cao normal e o autoespa co V
i
e numa base ortonormal
i
Nuc p
i
(A) o operador
A
i
obtido por restricao de A e diagonalizado. Como a base e ortonormal, a matriz
[A
i
]
i
e antisimetrica e diagonal, logo, [A
i
]
i
= [0], signicando que a restri cao e nula.
Portanto, o fator considerado e p
i
(t) = t e a parcela correspondente na decomposicao
normal e precisamente o n ucleo do operador antisimetrico A. Isso mostra que s o e
possvel existir um fator linear na decomposi cao prim aria do polin omio minimal e esse
fator linear e p(t) = t.
Assuma que p
i
(t) = (t
i
)
2
+
2
i
. Pelo Teorema 9.4.1 da decomposi cao cclica
normal existem v
1
, v
2
, ..., v
n
Nuc p
i
(A) tais que
_
_
_
Nuc p
i
(A) = Z(v
1
) Z(v
2
) Z(v
n
),
grau p
i
(t) = 2 = dimZ(v
1
) = dimZ(v
2
) = = dimZ(v
n
).
E possvel escolher uma base ortonormal

i
Z(v
i
), tal que a restricao do operador
tem como representa cao a matriz
[A
i
]
i
=
_

i

i
i

i
_
.
Entretanto, essa matriz e antisimetrica, implicando que
i
= 0. Logo, o fator e da
forma p
i
(t) = t
2
+
2
i
e a representa cao na base
i
do operador restrito ao subespa co
166 CAP

Z(v
i
) e a matriz, Proposi cao 9.5.1,
R(0,
i
) =
i
_
0 1
1 0
_
.
Observamos que as razes complexas desse polinomio s ao imagin arias.
Exerccio 9.7.1 Prove que se as razes do polinomio caracterstico de um operador
normal num espa co Euclidiano sao imagin arias ent ao o operador e antisimetrico. 2
1. Mostre que toda matriz antisimetrica N M(2, 1) e da forma
N = r
_
0 1
1 0
_
onde r 1.
2. Fixado um vetor unit ario v
0
1
3
, dena a aplica cao 1 : 1
3
1
3
, 1(v) = v
0
v,
onde indica o produto vetorial dos vetores v
0
e v.
(a) Mostre que 1 e um operador antisimetrico.
(b) Encontre a matriz de 1 na base can onica.
(c) Explicite a transposta de 1 em termos de v
0
.
3. Qual o tra co de um operador antisimetrico?
4. Prove: um operador A em (V, , )) e antisimetrico v, A(v)) = 0, v V .
9.8 Operadores ortogonais
Um operador U em (V, , )) e dito ortogonal quando U U
t
= Id = U
t
U. Da
denicao segue que operadores ortogonais s ao invertveis e sua inversa e seu operador
transposto. Por isso, para vericar quando um operador e ortogonal s o precisamos
vericar uma das duas condi coes, U U
t
= Id ou U
t
U = Id.
Exerccio 9.8.1 Um operador U num espa co Euclidiano V e ortogonal a repre-
senta cao [U]
e uma matriz ortogonal para qualquer base ortonormal V . 2

9.8. OPERADORES ORTOGONAIS 167
Examinemos em poucas linhas algumas propriedades de matrizes ortogonais. Um
dos exemplos importantes para o c alculo matricial e a matriz mudan ca de coordenadas
entre bases ortonormais, Se cao 2.8.
Proposicao 9.8.1 Se e sao duas bases ortonormais no espa co Euclidiano V
ent ao a matriz mudan ca de coordenadas [Id]
e uma matriz ortogonal.

Demonstra cao Digamos que as bases ordenadas sejam = v
1
, v
2
, ..., v
n
e =
w
1
, w
2
, ..., w
n
. Para aliviar a nota cao denotaremos por Q a matriz mudanca de
coordenadas [Id]
. Por deni cao de representa cao matricial, a i -esima coluna de Q

e formada pelos coecientes da combina cao linear v
i
= a
1i
w
1
+ a
2i
w
2
+ + a
ni
w
n
enquanto a j-esima linha de Q
t
e formada pelos coecientes da combina cao linear
v
j
= a
1j
w
1
+ a
2j
w
2
+ + a
nj
w
n
. Reescrevamos o produto interno
ij
= v
i
, v
j
)
levando em conta a ortonormalidade das bases,
ij
=
n
k,m=1
a
ki
a
mj
w
i
, w
j
) =
n
k=1
a
ki
a
kj
=
_
Q
t
Q
_
ii
(
ij
e o delta de Kronecker). Portanto, Q
t
Q = I
n
. Apenas essa condicao e suciente
para mostrar a ortogonalidade da matriz mudan ca de coordenadas Q. 2
As linhas de uma matriz ortogonal nn, Q = [a
ij
] , admitem uma leitura bastante
geometrica. Se a i-esima linha de Q e identicada com as coordenadas de um vetor
v
i
1
n
na base canonica, mais precisamente, Q
i
= [v
i
]
, entao a condi cao Q

t
Q = I
n
implica que o conjunto ordenado = v
1
, v
2
, ..., v
n
e uma base ortonormal do 1
n
relativa ao produto interno can onico. O mesmo ocorre quando a identica cao e com
a j-esima coluna de Q.
Feitas essas considera coes matriciais, voltemos ao estudo de operadores ortogonais
construndo uma representa cao matricial apropriada. Recordamos que R
e a matriz
de rotacao por .
Proposicao 9.8.2 Seja m
U
(t) = (t )
2
+
2
, com > 0, a fatora cao prim aria do
polin omio minimal de um operador normal U num espa co Euclidiano V . As seguintes
arma coes sao equivalentes.
a) O operador e ortogonal.
168 CAP

b) m
U
(t) = (t )
2
+
2
com
2
+
2
= 1.
c) Existe uma base ortonormal na qual a representa cao matricial e da forma
[U]
= diagR
, R
, ..., R
.
Demonstra cao Pelo Teorema da decomposi cao cclica normal, 9.4.1, existem v
1
, v
2
, ...,
v
n
V = Nuc m
U
(U) tais que
_
_
_
Nuc m
U
(U) = Z(v
1
) Z(v
2
) Z(v
n
),
grau m
U
(t) = 2 = dimZ(v
1
) = dimZ(v
2
) = = dimZ(v
n
).
Sendo U um operador normal, e possvel escolher uma base ortonormal
i
Z(v
i
) na
qual a restri cao do operador a cada parcela cclica tem como representa cao a matriz
[U
i
]
i
=
_

_
.
Como feito na Proposi cao 9.5.1, se considerarmos a base ortonormal =

i
, obtemos
a representa cao
[U]
= diag[U
1
]
1
, [U
2
]
2
, .., [U
n
]
n
.
Por tudo que sabemos sobre representa coes em bases ortonormais podemos escrever
_
U U
t
= diag[U
1
]
1
[U
1
]
t
1
, [U
2
]
2
[U
2
]
t
2
, ..., [U
n
]
n
[U
n
]
t
n
.
a) b) A condi cao UU
t
= Id e equivalente ` a condi cao [U
i
]
i
[U
i
]
t
i
= I
2
para todo
i que por sua vez e equivalente ` a condi cao
2
+
2
= 1, como desej avamos mostrar.
b) c) Deixaremos como exerccio. 2
Exerccio 9.8.2 Seja m
U
(t) = (t ) e a fatora cao prim aria do polin omio minimal
de um operador normal U em (V, , )). Prove que U e ortogonal [[ = 1. 2
1. Demonstre que a multiplica cao de matrizes induz uma estrutura de grupo no conjunto
das matrizes ortogonais O(n, 1).
2. Descreva todas as matrizes ortogonais Q M(2, 1).
9.8. OPERADORES ORTOGONAIS 169
3. Mostre que se um operador ortogonal em 1
2
xa um vetor n ao nulo ent ao o operador
e uma involu cao ortogonal.
4. Verique que o operador linear Ae normal e determine a decomposicao normal quando
A : 1
3
1
3
, A(x, y, z) =
1
3
(2x+2y+z, 2x+y+2z, x2y+2z). De uma representacao
matricial canonica.
5. Considere o produto interno N, P) = tr(NP
t
) em M(n, 1), Fixada uma matriz Q
0
desse espaco, prove que o operador U : M(n, 1) M(n, 1), U(N) = Q
0
N e um
operador ortogonal Q
0
e uma matriz ortogonal.
6. Dada uma decomposi cao V = W W
de um espaco Euclidiano V , seja v = u + w

a decomposi cao correspondente do vetor. Demonstre que a aplicacao U : V V ,
U(v) = u w, e ortogonal. De uma representacao matricial canonica para U.
7. Determine os operadores lineares de um espa co Euclidiano que comutam com todos
operadores ortogonais.
8. Mostre que as matrizes N e P sao conjugadas, onde
N =
_
_
0 1 1 0
1 0 0 1
1 0 0 1
0 1 1 0
_
_
e P =
_
_
cos

4
sen
4
sen
4
cos

4
cos

4
sen
4
sen
4
cos

4
_
_
.
9. Dada a decomposi cao V = W
W, onde W e um subespaco gerado pelo vetor

unit ario u, considere a aplicacao A(v) = v 2v, u)u. Demonstre as armacoes.
(a) A e uma involu cao.
(b) A e uma reexao ortogonal em torno do subespa co W
.
(c) A e ortogonal.
10. Sejam A e B dois operadores lineares em (V, , )) que comutam. Assuma que A e
simetrico e que B e antisimetrico. Prove as arma coes.
(a) A(v), B(v)) = 0 para todo v V .
(b) [[(A(v) +B(v)[[ = [[A(v) B(v)[[ para todo v V .
(c) C = (A +B) (AB) e um operador ortogonal.
11. Considere o operador linear A(x, y) = (ax +by, cx +dy) em 1
2
. Determine condi coes
necessarias e sucientes sobre a, b, c e d para que A seja um operador ortonormal em
relacao ao produto interno (x
1
, y
1
), (x
2
, y
2
)) = 2x
1
x
2
+ 3y
1
y
2
.
170 CAP

9.9 Espectro
O espectro (A) de um operador A num espa co vetorial V de dimens ao nita sobre
K e o conjunto das razes complexas do polinomio caracterstico de A. Contando as
repeticoes, o polin omio caracterstico possui um n umero de razes igual a dimV .
O objetivo dessa se cao e fazer um resumo do estudo feito sobre operadores normais
classicos examinando a distribui cao do espectro no plano complexo. Na sequencia, A
denotar a um operador normal no espa co Euclidiano V e m
A
(t) = p
1
(t)p
2
(t) p
k
(t)
denotar a a fatora cao prim aria do seu polin omio mnimo, recordamos que os fatores
sao primos e sem repeti coes. O Teorema 9.2.1 da decomposi cao normal garante que
V = Nuc p
1
(A) Nuc p
2
(A) Nuc p
k
(A).
e os teoremas de decomposi coes cclicas descreveram processos para construrmos uma
base ortonormal especial
i
para a i-esima parcela da decomposi cao normal. A saber.
O operador A
i
induzido por restri cao de A tem uma das duas representa coes,
[A
i
]
i
= diag
i
,
i
, ...,
i
. .
n
i
vezes
se p
i
(t) = (t
i
),
ou
[A
i
]
i
= diagR(
i
,
i
), R(
i
,
i
), ..., R(
i
,
i
)
. .
n
i
vezes
se p
i
(t) = (t
i
)
2
+
i
.
A representa c ao can onica do operador normal A e a representa cao
[A]
= diag[A
1
]
1
, [A
2
]
2
, .., [A
k
]
k
.
onde =

i
. Essa representacao implica que o espectro de A e a uni ao dos espectros
dos induzidos A
i
. Com efeito. Segue da representa cao matricial construda que
p
A
(t) = p
A
1
(t)p
A
2
(t) p
A
k
(t).
onde cada fator e um polin omio linear p
A
i
(t) = (t
i
) ou um polin omio primo de
grau dois p
A
i
(t) = (t
i
)
2
+
2
i
. Resumiremos esse estudo espectral na
Proposicao 9.9.1 Seja A um operador normal num espa co Euclidiano V ent ao
a) A e simetrico o espectro (A) esta contido no eixo real;
9.10. OPERADOR QUE PRESERVA A ESTRUTURA 171
b) A e antisimetrico o espectro (A) esta contido no eixo imagin ario;
c) A e ortogonal o espectro (A) esta contido no crculo unit ario.
1. Se n ao pertence ao espectro de um operador linear A : V V , onde V e um espaco
vetorial de dimens ao nita, ent ao A+Id e invertvel.
2. Se A e um operador normal num espa co Euclidiano V satisfazendo a identidade A
n
Id para algum inteiro n 1, ent ao A e um operador ortogonal.

3. De um exemplo de um operador linear A : 1
2
1
2
tal que A
3
Id.
4. De a representacao matricial canonica para um operador normal A : V V se o seu
polin omio minimal e m
A
(t) = t
4
1.
5. Se pertence ao espectro de um operador ortogonal ent ao
1
tambem pertence ao
espectro. Examine essa armacao.
6. Suponha que 1 n ao esta no espectro do operador A : V V . Prove as arma coes.
(a) Id +A e um operador invertvel.
(b) A e ortogonal B = (Id A) (Id +A)
1
e antisimetrica.
9.10 Operador que preserva a estrutura
Um operador U num espaco Euclidiano (V, , )) preserva o produto interno quando
U(v), U(w)) = v, w) para quaisquer v, w V . Tais aplica coes tambem sao cha-
madas de isometria linear. Na secao nal desse captulo examinaremos o conceito de
isometria com mais vagar e explicaremos tal terminologia. No momento destacaremos
a seguinte informa cao.
Lema 9.10.1 Seja U uma aplica cao num espa co Euclidiano. U preserva o produto
interno se, e somente se, U e ortogonal.
Demonstra cao ) Seja U : V V uma aplica cao que preserva o produto in-
terno de V . Fixemos uma base ortonormal qualquer = v
1
, v
2
, ..., v
n
V . Segue
diretamente da hip otese que
ij
= U(v
i
), U(v
j
)) = v
i
, v
j
)
172 CAP

(
ij
e o delta de Kronecker). Logo, o conjunto U() = U(v
1
), U(v
2
), ..., U(v
n
) e
formado por n vetores unit arios dois a dois ortogonais, portanto, U() e uma base
ortonormal de V , Exerccio 8.4.1. Sendo assim, a aplica cao U : V V pode ser
escrita como
U(v) = U(v), U(v
1
)) U(v
1
) +U(v), U(v
2
)) U(v
2
) + +U(v), U(v
n
)) U(v
n
)
= v, v
1
) U(v
1
) + v, v
2
) U(v
2
) + + v, v
n
) U(v
n
).
Note que cada aplica cao a
i
: V 1, a
i
(v) = v, v
i
), e um funcional linear, de onde
segue imediatamente que U e um operador linear. Observe tambem que U preserva
a norma pois para todo v V valem as igualdade,
|U(v)|
2
= U(v), U(v)) = v, v) = |v|
2
.
Logo, para quaisquer u, v V temos |U(v) U(u)| = |U(u v)| = |v u|. Agora,
por um lado podemos escrever
|U(v) U(u)|
2
= U(v) U(u), U(v) U(u))
= |U(v)|
2
2U(v), U(u)) +|U(u)|
2
= |v|
2
2U(v), U(u)) +|u|
2
.
Por outro lado, o mesmo tipo de c alculo nos da |v u|
2
= |v|
2
2v, u) + |u|
2
.
Portanto, U(v), U(u)) = v, u). Como
u, U
t
U(v)) = U(v), U(u)) = v, u)
e v alido para quaisquer u e v conclumos que U
t
U = id.
) Examine a identidade v, U
t
U(u)) = U(v), U(u)) = v, u) e conclua a
demonstra cao. 2
Existem v arias propriedades que caracterizam um operador que preserva a estru-
tura Euclidiana, entre as quais, a ortogonalidade e uma delas. Listemos algumas
numa unica proposi cao.
Proposicao 9.10.1 As seguintes arma coes sobre um operador linear U num espaco
Euclidiano V sao equivalentes.
a) O operador preserva o produto interno.
b) O operador preserva a norma, isto e, |U(v)| = |v|.
9.10. OPERADOR QUE PRESERVA A ESTRUTURA 173
c) O operador e ortogonal.
d) O operador transforma base ortonormal em base ortonormal.
Demonstra cao Demonstraremos apenas b) c) pois as demonstra coes das outras
implica coes estao contidas na demonstra cao do lema anterior com a facilidade de
estarmos assumindo que U e um operador linear. Fa ca-as como exerccio.
b) c) Se u, v V sao dois vetores quaisquer, calculemos o produto interno
u, U
t
U(v)) pela identidade de polarizacao, Exerccio 8.2.1,
u, U
t
U(v)
_
= U(u), U(v)) =
1
4
|U(u) + U(v)|
2
1
4
|U(u) U(v)|
2
.
Por hip otese, U e um operador linear que preserva a norma ent ao
u, U
t
U(v)
_
=
1
4
|U(u + v)|
2
1
4
|U(u v)|
2
=
1
4
|u + v|
2
1
4
|u v|
2
= u, v) .
Como u, U
t
U(v)) = u, v) para quaisquer u, v V ent ao U
t
U = Id, signicando
que U e ortogonal. 2
Exerccio 9.10.1 Uma aplica cao num espa co Euclidiano que preserva a norma e um
operador linear ortogonal? 2
1. Demonstre que um operador linear num espa co Euclidiano que transforma vetores
unit arios em vetores unitarios e ortogonal.
2. Uma operador A em (V, , )) e coforme se preserva o angulo entre dois vetores.
Mostre que um operador conforme e da forma A rU em que U e ortogonal e r ,= 0.
3. Um operador A em (V, , )) e isogonal se preserva ortogonalidade, isto e, se v, w) =
0 A(v), A(w)) = 0. Prove que todo operador isogonal fatora-se num composi cao
de uma homotetia com um operador ortogonal, A rU com r ,= 0.
4. Uma aplicacao A num espa co Euclidiano V que transforma vetores unit arios em ve-
tores unit arios e um operador ortogonal?
5. Dado um operador invertvel A em (V, , )) mostre que existe uma base ortonormal
= v
1
, v
2
, ..., v
n
tal que A() = A(v
1
), A(v
2
), ..., A(v
n
) e uma base ortogonal.
174 CAP

9.11 Comparando estruturas Euclidianas
Surpreendentemente, existe uma estreita relacao entre dois produtos internos no
mesmo espa co vetorial V . Conhecendo-se um deles podemos descrever todos os outros.
Para explicar com clareza tal arma cao necessitamos de um novo conceito. Diremos
que P : V V e um operador positivo num espa co Euclidiano V se
P1 P e simetrico;
P2 v, P(v)) > 0 para qualquer vetor n ao nulo v V .
Estamos interessados na recproca do seguinte resultado.
Exerccio 9.11.1 Assuma que P e um operador positivo em (V, , )). Ent ao P e
invertvel e v, w)) = v, P(w)) e um outro produto interno em V . 2
Antes de demonstrar que dois produtos internos num mesmo espa co vetorial estao
relacionados por um operador positivo como indicado no exerccio acima, vejamos,
entre outros fatos, que operadores positivos existem e que e simples constru-los. Re-
lembramos que o Teorema espectral, refte, garante que todo autovalor de um operador
positivo e real.
Proposicao 9.11.1 As seguintes arma c oes sobre um operador P num espa co Eu-
clidiano V sao equivalentes.
a) O operador e positivo.
b) O operador e simetrico e os autovalores s ao positivos.
c) P e um operador de Gram associado a um operador invertvel A : V V .
Demonstra cao a) b) Seja 1 um autovalor do operador positivo P : V V .
Escolhamos um autovetor v associado a esse autovalor e calculemos,
0 < v, P(v)) = v, v) = |v|
2
.
Como |v| > 0, conclumos que o autovalor e positivo.
b) c) Assumamos que todos os autovalores
1
,
2
, ...,
n
1 (contando as
repeticoes) do operador simetrico P sao positivos. Pelo Teorema espectral podemos
9.11. COMPARANDO ESTRUTURAS EUCLIDIANAS 175
escolher uma base ortonormal de autovetores = v
1
, v
1
, ..., v
n
que diagonaliza o
operador. Seja A : V V o unico operador cuja representa cao na base e a matriz
[A]
= diag
_
1
,
_
2
, ...,
_
n
.
O operador A e invertvel pois seu determinante e positivo e [A
t
]
= [A]
t
desde que
a base e ortonormal. Portanto,
_
A
t
A
=
_
A
t
[A]
= [A]
t
[A]
= [P]
.
Pela unicidade da representacao matricial obtemos que P = A
t
A.
c) a) Suponhamos que P = A
t
A em que A e um operador invertvel.

E claro
que P e simetrico. Para mostrar que P e positivo escolhamos qualquer vetor n ao nulo
v V e calculemos
v, P(v)) =
v, A
t
A(v)
_
= A(v), A(v)) = |A(v)|
2
.
Como A e invertvel ent ao |A(v)| > 0. Isso mostra que v, P(v)) > 0 para qualquer
vetor n ao nulo v V . 2
Demonstremos um teorema de representacao para produtos internos.
Proposicao 9.11.2 Seja (V, , )) um espaco Euclidiano. Suponha que , )) seja
um outro produto interno em V . Entao existe um unico operador positivo P : V V
tal que v, w)) = v, P(w)).
Demonstra cao Para denir uma aplica cao P : V V utilizaremos o Teorema 8.5.1
da representacao de um funcional linear. Dado um vetor w V considere o funcional
linear f : V 1, f
w
(v) = v, w)). Como sabemos, existe um unico vetor w
V
representando esse funcional linear em rela cao ao produto interno , ), ou seja,
f
w
(v) = v, w)) = v, w
) .
Deninindo P(w) = w
obtemos uma aplica cao simetrica pois

v, P(w)) = v, w)) = w, v)) = w, P(v)) = P(v), w) .
Resta mostrar que P e um operador linear. Dados u, v, w V e 1 calculemos,
u, P(v + w)) = P(u), v + w) = P(u), v) + P(u), w) .
176 CAP

Novamente, pela simetria da aplica cao P seguem as igualdades,
u, P(v + w)) = u, P(v)) + u, P(w)) = u, P(v) + P(w)) .
Como vale a igualdade u, P(v + w)) = u, P(v) + P(w)) para qualquer u V
entao P(v +w) = P(v) +P(w). Finalmente, vejamos a segunda condi cao de posi-
tividade. Se v V e um vetor n ao nulo, segue da deni cao de produto interno que
v, P(v)) = v, v)) > 0. 2
Uma matriz N M(n, 1) e positiva quando N = [a
ij
] e simetrica e
n
i,j=1
a
ij
x
i
x
j
> 0,
para toda sequencia de reais (x
1
, x
2
, ..., x
n
) n ao todos nulos. Em outras palavras, N e
positiva se for uma representacao matricial na base can onica de um operador positivo
A : 1
n
1
n
onde estamos considerando em 1
n
o produto interno can onico.
1. Seja A um operador num espa co Euclidiano V . Demonstre as armacoes.
(a) Nuc P = Nuc A, onde P e o operador de Gram associado à A.
(b) Se A e simetrico, existe um escalar c > 0 tal que A+cId e positivo.
2. Dado um operador positivo P no espa co Euclidiano V mostre que existem innitos
operadores A : V V tais que P = A
t
A.
3. O conjunto T L(V, V ) formado por todos operadores lineares positivos no espa co
Euclidiano V e convexo, isto e, dados dois operadores P
1
, P
2
T o segmento sP
1
+tP
2
esta contido em T, quando s +t = 1, s 1 e t 1.
4. Prove as seguintes arma coes sobre um operador positivo num espaco Euclidiano
(V, , )). As bases consideradas sao ortonormais.
(a) Cada entrada da diagonal da representa cao [P]
e positiva.
(b) A matriz [P]
e simetrica com todas as entradas positivas e det [P]
> 0.
(c) Existe um operador A : V V tal que P = A
2
.
5. (Problema de autovalores generalizados) Sejam A um operador simetrico e P um
operador positivo no espa co Euclidiano V . Demonstre que existe uma base ordenada
= v
1
, v
2
, ..., v
n
V tal que para todo v
i
existe 1 com A(v
i
) = P(v
i
).
9.12. DECOMPOSIC

AO POLAR 177
9.12 Decomposi cao polar
Como uma bela aplica cao da teoria j a apresentada demonstraremos a existencia de
uma decomposi cao para operadores lineares equivalente ` a decomposi cao polar para
n umeros complexos. Para prova-la ampliaremos as ideias apresentadas na se cao an-
terior. Um operador P num espa co Euclidiano V e n ao negativo se P e simetrico e
v, P(v)) 0 para todo vetor n ao nulo v V . Deixaremos indicado uma proposi cao
cuja demonstra cao em nada difere da sua similar para operadores positivos.
Proposicao 9.12.1 As seguintes arma c oes sobre um operador P num espa co Eu-
clidiano V sao equivalentes.
a) O operador e n ao negativo.
b) O operador e simetrico e os autovalores s ao n ao negativos.
c) P e um operador de Gram associado a um operador A : V V .
Exerccio 9.12.1 Prove que para cada operador A em um espa co Euclidiano V existe
um unico operador n ao negativo P tal que P
2
= A
t
A. Denotaremos esse operador
de Gram por P =
A
t
A. 2
Teorema 9.12.1 (Teorema da decomposi cao polar) Para cada operador A num
espa co Euclidiano V existe um unico operador n ao negativo P e um operador ortogonal
U tal que A = UP. Alem disso, se A e invertvel ent ao P e positivo e U e unicamente
determinado.
Demonstra cao Seja P o unico operador n ao negativo tal que P
2
= A
t
A. Antes
de tudo, observamos que da simetria de P e do Lema 8.6.1 segue a decomposi cao
em soma direta ortogonal V = ImP Nuc P. Outro fato que deve ser notado e
a coincidencia dos n ucleos Nuc P = Nuc A cuja demonstra cao e consequencia das
seguintes igualdades para todo v V ,
|P(v)|
2
= P(v), P(v)) =
P
2
(v), v
_
=
A
t
A(v), v
_
= A(v), A(v)) = |A(v)|
2
.
Entao, pelo Teorema do n ucleo e da imagem, reftni, conclumos a igualdade dimensi-
onal dimImP = dimImA e, por conseguinte, dimNuc P = dim ImA
.
178 CAP

Sendo assim, dena uma aplica cao U : ImP Nuc P ImAImA
por
U(P(v) + u) = A(v) + U
0
(u),
onde U
0
: Nuc P ImA
e qualquer operador linear entre esses subespa cos de

dimensoes iguais que preserva a norma induzida. A aplica cao U est a bem denida, o
seu valor s o depende de P(v) e n ao do vetor v. Com efeito,
P(v) = P(w) v w Nuc P = Nuc A A(v) = A(w).
Portanto, U(P(v) +u) = U(P(w) +u). Com procedimentos rotineiros verica-se que
U e linear. Mais ainda, U e ortonormal pois preserva a norma. De fato, recordando-se
das ortogonalidades dos subespa cos envolvidos e da deni cao de U
0
temos que
|U(P(v) + u)|
2
= |A(v) + U
0
(u)|
2
= |A(v)|
2
+|U
0
(u)|
2
.
Por outro lado,
|P(v) + u|
2
= |P(v)|
2
+|u|
2
= |A(v)|
2
+|U
0
(u)|
2
.
Pela construcao ca claro que se v V ent ao U(P(v)) = U(P(v) + 0) = A(v),
como pretendamos. Provemos a unicidade do operador n ao negativo. Suponha que
tenhamos a decomposi cao U
0
P
0
= A, onde U
0
e ortogonal e P
0
e nao negativo.
Entao
A
t
A = P
t
0
U
t
0
U
0
P
0
= P
0
P
0
= P
2
0
Portanto, o operador simetrico na decomposicao polar e o unico operador n ao negativo
satisfazendo a condi cao A
t
A = P
2
como tnhamos escolhido inicialmente.
Se Ae invertvel ent ao Nuc P = Nuc A = 0. Logo, P e nao negativo e invertvel,
condi coes equivalentes a ser positivo. Sendo assim, o operador ortonormal U e unico
pois necessariamente ele deve ser U = A P
1
. 2
1. Determine a decomposi cao polar dos operadores quando o produto interno considerado
e o produto interno can onico.
(a) A : 1
2
1
2
, A(x, y) = (x y, x +y).
(b) A : 1
3
1
3
, A(x, y, z) = (y, z, 0).
(c) A : 1
4
1
4
, A(x, y, z, w) = (x w, y +z, y +z, x +w).
9.13. ISOMETRIAS 179
2. Enuncie uma versao matricial para a decomposi cao polar de uma matriz quadrada.
3. De a decomposicao polar das matrizes.
(a) N =
_
0 1
0 0
_
. (b) N =
_
_
0 1 0
0 0 0
0 1 1
_
_
.
4. Se V = W W
e uma soma direta de um espaco Euclidiano V e : V V e a

proje cao ao longo da primeira parcela sobre a segunda, prove as arma coes.
(a) e n ao negativo.
(b) Existe um operador A : V V tal que A
2
= Id +.
5. Mostre que um operador A num espa co Euclidiano V e normal as parcelas da
decomposi cao polar A = P U comutam, ou seja, P U = U P.
6. Um operador A em (V, , )) e nao expansivo quando |A(v)| |v|, v V . Prove
que todo operador em V e uma composta de um nao expansivo com um simetrico.
9.13 Isometrias
Em todo espa co Euclidiano podemos denir uma funcao dist ancia utilizando a norma
induzida pelo produto interno. Estudaremos os movimentos rgidos do espa co ou
transforma coes do espa co que presevam a distancia entre pontos, tambem chamadas
de isometrias. Veremos que tais aplica coes admitem uma descri cao bastante simples.
Para apresentar a quest ao de modo preciso coloquemos uma deni cao.
Um espa co metrico e um par (/, d) no qual / e um conjunto e d : /
/ [0, +) e uma funcao n ao negativa chamada de distancia satisfazendo as
tres condicoes para quaisquer x, y, z /:
d.1 d(x, y) = 0 x = y; (n ao degenerada)
d.2 d(x, y) = d(y, x). (simetrica )
d.3 d(x, y) d(x, z) + d(z, y). (desigualdade triangular)
Nesse texto nao estamos interessados em estudar tais espa cos em toda sua genera-
lidade, caso o leitor tenha interesse maior deve procurar uma apresenta cao sistematica
180 CAP

em livros de Topologia Geral que tratam de espa cos metricos. Estamos interessados
apenas numa dist ancia particular de um espa co Euclidiano (V, , )), qual seja, a
distancia induzida pelo produto interno,
d : V V [0, +), d(u, v) = |u v| .
E muito simples vericar que essa aplica cao e uma dist ancia e somente essa distancia
sera considera num dado espa co Euclidiano. Uma isometria, ou movimento rgido,
em V e uma aplica cao que preserva a dist ancia, isto signica que F : V V e uma
aplica cao tal que d(F(u), F(v)) = d(u, v) para quaisquer vetores u, v V . O leiotr
pode facilmente vericar que toda isometria e injetiva.
Ja conhecemos exemplos de isometrias em espa cos Euclidianos. Um operador
ortogonal U : V V e uma isometria pois
d(U(u), U(v)) = |U(u) U(v)| = |U(u v)| = |u v| = d(u, v).
Um outro tipo de isometria s ao as transla coes. Uma translacao por v
0
V e a
aplica cao T : V V , T(u) = u + v
0
. De fato, transla coes sao isometrias pois
d(T(u), T(v)) = |T(u) T(v)| = |u + v
0
v v
0
| = |u v| = d(u, v).
O nosso objetivo e demonstrar que uma isometria e a composta de uma translacao
com um operador ortogonal.
Exerccio 9.13.1 Prove as arma coes sobre transla coes em espacos Euclidianos.
(a) Dados dois vetores u
1
, v
1
V existe uma unica translacao T tal que T(u
1
) = v
1
.
(b) A composta de duas transla coes S e T e uma translacao e S T = T S.
(c) Uma translacao por v
0
e invertvel e sua inversa e uma translacao por v
0
. 2
Teorema 9.13.1 (Teorema da classica cao das isometrias) Seja F : V V
uma aplica cao num espa co Euclidiano V . F e uma isometria se, e somente se, existem
um unico operador ortogonal U e uma unica translacao T tal que F = T U.
Demonstra cao ) Dada uma isometria F. Se T e a translacao por a = F(0) ent ao
T
1
e uma translacao por a. Logo, a aplica cao U = T
1
F e uma isometria pois e
uma composta de isometrias. Note que U(v) = F(v) a e que U(0) = 0.
9.13. ISOMETRIAS 181
Mostremos que U preserva o produto interno. Primeiro, para quaisquer u, v em
V temos a seq uencia de igualdades,
|U(v) U(u)| = |F(v) a F(u) + a|
= d(F(v), F(u))
= d(v, u)
= |v u|.
Como U(0) = 0 podemos concluir que |U(v)| = |v| para todo v V . Os argumentos
que seguem sao semelhantes ` aqueles empregados na demonstra cao do Lema 9.10.1.
Por um lado temos que
|U(v) U(u)|
2
= |U(v)|
2
2U(v), U(u)) +|U(u)|
2
= |v|
2
2U(v), U(u)) + |u|
2
.
Por outro lado, vale a igualdade
|v u|
2
= |v|
2
2v, u) +|u|
2
.
Logo, U(v), U(u)) = v, u), como desej avamos demonstrar. Pelo Lema 9.10.1 sabe-
mos que U e um operador ortogonal.
Provemos a unicidade da decomposi cao. Assuma que F = T
0
U
0
em que T
0
e
uma transla cao e U
0
e um operador ortogonal. Ent ao T U = T
0
U
0
implicando
que U = T
1
T
0
U
0
. Desde que U e U
0
sao operadores lineares, eles xam o vetor
nulo, e avaliando essa composta u = 0 obtemos que 0 = T
1
T(0). Entretanto, a
unica translacao que xa pontos e a identidade. Sendo assim, Id = T
1
T
0
, de onde
seguem as igualdades T T
0
e U U
0
. 2
1. Quais das seguintes aplicacoes sao isometrias. Em caso positivo determine a decom-
posi cao T U.
(a) F : 1
3
1
3
, F(x, y, z) = (x + 1, y 3, z).
(b) G : 1
3
1
3
, G(x, y, z) = (2x + 1, y 3, 5z).
(c) H : 1
3
1
3
, H(x, y, z) = (x, y, z).
2. Uma isometria T U num espa co Euclidiano V admite uma decomposicao do tipo
U
0
T
0
?
182 CAP

3. Prove que o conjunto das isometrias de um espa co Euclidiano e um grupo com a
opera cao de composicao de fun coes. Esse grupo e chamado de grupo Euclidiano.
4. Um operador linear A num espa co Euclidiano V e uma semelhan ca quando [[A(u)
A(v)[[ = r[[u v[[, para algum real r > 0. Prove que toda semelhan ca e da forma
A(v) = rU(v) +v
0
onde U e um operador ortogonal.
5. Dados o ,= v
0
em (V, , )) e 0 ,= 1. Determine uma condi cao necessaria e
suciente para que A : V V , A(v) = v +v, v
0
)v
0
seja uma isometria.
Captulo 10
Espacos unitarios
Um espa co unit ario e um espaco vetorial complexo de dimens ao nita equipado com
um produto interno. A maioria dos resultados sobre espa cos Euclidianos apresen-
tados nos captulos 8 e 9 admite uma vers ao equivalente em espa cos unit arios e as
demonstra coes podem ser transladadas utilizado-se os mesmos argumentos, por isso,
na ausencia de uma demonstra cao, se achar necess ario, o leitor pode refaze-la com a
leitura da proposi cao equivalente para o caso Euclidiano. Veremos que o estudo de
operadores normais em espa cos unit arios e bastante simplicado pelo fato do corpo
dos n umeros complexos ser algebricamente fechado.
10.1 Espa cos unitarios
Seja V um espa co vetorial complexo. Um produto interno em V e uma aplica cao
, ) : V V C possuindo as seguintes propriedades para quaisquer u, v, w V e
C:
1. u, v) = v, u);
2. u + v, w) = u, w) + v, w) ;
3. v, v) > 0 v ,= 0.
Um produto interno num espa co vetorial complexo tambem e chamado de produto
Hermitiano positivo denido. Seguem da deni cao as propriedades:
(a) u, v + w) = u, v) + u, w);
183
184 CAP
ITULO 10. ESPAC OS UNIT
ARIOS
(b) v, v) = 0 v = 0.
Entenderemos por produto interno can onico do C
n
a aplica cao que associa cada
par de vetores u = (x
1
, x
2
, ..., x
n
) e v = (y
1
, y
2
, ..., y
n
) C
n
ao n umero complexo
u, v) = x
1
y
1
+ x
2
y
2
+ + x
n
y
n
.
A menos que seja dito explicitamente o contr ario, C
n
estara sempre equipado com o
produto interno can onico.
Exemplo 10.1.1 Ilustremos o conceito.
1) Todo espa co vetorial complexo de dimens ao nita admite um produto interno.
A constru cao utilizando as coordenadas de um vetor numa base ordenada do espa co.
2) A aplica cao N, P) = tr(NP
) e um produto interno no espa co das matrizes

M(m n, C), onde a nota cao P
est a indicando a matriz adjunta de P = [a

ij
], isto
e, P
= [b
ij
] onde b
ij
= a
ji
. 2
Da mesma forma, um produto interno , ) em um espa co vetorial complexo V
induz uma norma | | : V [0, +), ao denirmos |v| =
_
v, v). Para demonstrar
que a aplica cao e de fato uma norma precisaremos da desigualdade de Schwarz. Com
as hip oteses e nota coes acima temos a
Proposicao 10.1.1 Para quaisquer u, v V vale a desigualdade [u, v)[ |u| |v|.
Em consequencia, a aplicacao | | e uma norma, isto e,
a) |v| = 0 v = 0;
b) |v| = [[ |v|;
c) |u + v| |u| +|v| . (primeira desigualdade triangular)
Demonstra cao Provaremos apenas a desigualdade de Schwarz. Dados dois escalares
s, t C, por deni cao de produto interno temos que
0 su tv, su tv) = ss |u|
2
stu, v) st u, v) + tt |v|
2
.
Para os valores s = |v|
2
e t = u, v) obtemos a desigualdade
0 |v|
4
|u|
2
|v|
2
u, v) u, v) |v|
2
u, v) u, v) +u, v) u, v) |v|
2
e simplicando a expressao obtemos 0 |v|
2
_
|v|
2
|u|
2
u, v) u, v)
_
. Agora,
podemos facilmente concluir a demonstra cao. 2
10.2. O OPERADOR ADJUNTO 185
Exerccio 10.1.1 Demonstre a identidade de poraliza cao relacionando o produto in-
terno , ) com a sua norma | | num espa co vetorial complexo V ,
u, v) =
1
4
|u + v|
2
1
4
|u v|
2
+
i
4
|u + v|
2
i
4
|u v|
2
.
2
As deni coes de ortogonalidade de vetores, complemento ortogonal de subespa cos
e bases ortonormais s ao semelhantes ` as deni coes correspondentes num espa co vetorial
real equipado com um produto interno.
Um espa co unit ario e um par (V, , )) no qual V e um espaco vetorial complexo de
dimensao nita e , ) e um produto interno de V . A existencia de bases ortonormais
num espa co unit ario e provada aplicando o processo de ortogonaliza cao de Gram-
Schmidt que em nada difere do seu similar real. Utilizaremos tambem a nota cao
V = V
1
V
2
V
k
para indicar uma soma direta de subespa cos dois a dois
ortogonais. Finalmente, recordamos que as entradas da representa cao [A]
= [a
ij
] de
um operador linear A : V V numa base ortonormal = v
1
, v
2
, ..., v
n
e obtida
pela mesma f ormula descrita no caso Euclidiano, ou seja, a
ij
= A(v
j
), v
i
) .
1. Prove as arma coes sobre a norma | | de um espaco unit ario V .
(a) |u +v| |u| +|v| . (primeira desigualdade triangular)
(b) ||u| |v|| |u v| . (segunda desigualdade triangular)
(c) |u +v|
2
+|u v|
2
= 2
_
|u|
2
+|v|
2
_
. (lei do paralelogramo)
2. Mostre que N, N
) = tr(NN
) e um produto interno em M(n, C). De uma base

ortonormal para esse espa co unit ario (se N = [a
ij
] ent ao N
= [a
ij
]
t
).
10.2 O operador adjunto
Para construir o operador adjunto precisaremos do
Teorema 10.2.1 (Teorema da representacao de um funcional linear) Seja
(V, , )) um espaco unit ario. A aplica cao : V V

que a cada vetor v V associa
o funcional linear [v] : V C, [v](w) = w, v), e um isomorsmo quase linear.
Em particular, cada funcional linear e representado por um vetor.
186 CAP
ARIOS
Demonstra cao A quase linearidade de : V V

e vericada pelas igualdades a
seguir. Fixados u, v V e C, para qualquer vetor w V temos que
[u + v](w) = w, u + v)
= w, u) + w, v)
=
_
[u] + [v]
_
(w).
Provemos a sobrejetividade. Escolhida uma base ortonormal = v
1
, v
2
, ..., v
n
,
como sabemos, para cada vetor w V existe uma unica combinacao linear tal que
w = x
1
v
1
+ x
2
v
2
+ + x
n
v
n
. Um funcional linear f : V C avaliado em w assume
o valor
f(w) = x
1
f(v
1
) + x
2
f(v
2
) + + x
n
f(v
n
).
Da podemos encontrar o vetor que representa f, o leitor pode vericar que o vetor
v
f
= f(v
1
)v
1
+ f (v
2
)v
2
+ + f (v
n
)v
n
e o representante procurado. Como dimV =
dimV

conclumos que : V V

e um isomorsmo quase linear. 2
Para dirimir confus oes notacionais, vejamos novamente a deni cao de adjunta de
um operador A : V V . A adjunta de A e a aplica cao A
: V

V

, onde
A
[f] : V C e o funcional linear A
[f](v) = f(A(v)). Como visto no Captulo 3,

xada uma base de V as representa coes de A e A
est ao relacionadas pela f ormula

[A
= [A]
t
, em que
e a base dual de .
Passaremos a denir o operador adjunto de A : V V . Dado um funcional linear
f : V C, existe um unico vetor v V que representa o funcional linear f, como
tambem existe um unico vetor v
V que representa o funcional A
[f]. Entao para

qualquer w V valem as rela coes,
A
[f](w) = f(A(w)) = A(w), v) e A
[f](w) = w, v
) .
O operador adjunto de A : V V e a aplica cao A
: V V satisfazendo a identidade
A(w), v) = w, A
(v)) para quaisquer v, w V . Embora exista a coincidencia na

nota cao, nas pr oximas se coes A
signicara sempre o operador adjunto. Recordamos

que com os mesmos procedimentos em espa cos Euclidianos contrumos o operador
transposto.

E rotina a demonstra cao da
Proposicao 10.2.1 Para cada operador A num espa co unit ario V , existe um unico
operador linear A
: V V , chamado de operador adjunto de A, tal que

A(w), v) = w, A
(v)) ,
10.2. O OPERADOR ADJUNTO 187
para quaisquer vetores v, w V. Mais ainda, a representa cao numa base ortonormal
de A
e a matriz adjunta da representa cao de A, isto e, [A
= [A]
.
Demonstra cao Provemos apenas a ultima conclusao. As entradas das representacoes
matriciais [A]
= [a
ij
] e [A
= [b
ij
] na base ortonormal = v
1
, v
2
, ..., v
n
sao
calculadas pelas f ormulas a
ij
= A(v
j
), v
i
) e b
ij
= A
(v
j
), v
i
). Ent ao
b
ij
= A
(v
j
), v
i
) = v
i
, A
(v
j
)) = A(v
i
), v
j
) = a
ji
.
2
Exerccio 10.2.1 Prove as arma coes sobre representacoes matriciais de operadores
numa base ortonormal de (V, , )).
(a) Se a representacao de B e a matriz adjunta da representacao de A ent ao B e
o operador adjunto de A.
(b) Se A e invertvel ent ao A
e invertvel, (A
1
)
= (A
)
1
e [A
1
]
= [A
]
1
. 2
Para um espa co unit ario V , a aplica cao : L(V, V ) L(V, V ), (A) = A
, e uma
aplica cao quase linear. Registremos esse e outros fatos sobre .
Proposicao 10.2.2 Valem as seguintes propriedades para quaisquer operadores A e
B no espa co unit ario V e qualquer escalar C.
a) (A+ B)
= A
+ B
.
b) (A B)
= B
.
c) (A
= A.
Demonstra cao a) Se v, w V e C, calculemos
(A+ B) (v), w) = A(v), w) + B(v), w) = v, A
(w)) + v, B
(w)) .
Como o produto interno e quase linear na segunda vari avel, podemos escrever
(A+ B) (v), w) =
v,
_
A
+ B
_
(w)
_
.
Entretanto, (A+ B) (v), w) = v, (A+ B)
(w)). Pela unicidade do operador ad-

junto conclumos a igualdade (A+ B)
= A
+ B
. Mostre os tens b) e c). 2

188 CAP
ARIOS
Exerccio 10.2.2 Mostre as arma coes sobre um operador A num espa co (V, , )).
(a) Se A preserva um subespa co W ent ao o operador adjunto A
preserva W
.
(b) V = ImANucA
. 2
Para estabelecer uma rela cao entre o ideal anulador de um operador e de seu
operador adjunto e conveniente xar uma nota cao apropriada. Se p(t) = a
n
t
n
+
+ a
1
t + a
0
e um polin omio com coecientes complexos, denotaremos por p(t) o
polin omio conjugado, mais claramente, o polin omio obtido por conjuga cao complexa
dos coecientes de p(t), ou seja, p(t) = a
n
t
n
+ + a
1
t + a
0
. Note que um escalar
C e uma raiz de p(t) se, e somente se, e uma raiz de p(t).
Exerccio 10.2.3 Mostre que para qualquer operador A no espa co unit ario V o po-
lin omio minimal de A
e o conjugado complexo do polin omio minimal de A, isto e

m
A
(t) = m
A
(t). 2
10.3 Operadores normais
Operadores normais em espa cos unit arios s ao denidos do mesmo modo que operado-
res normais em espa cos Euclidianos, eles sao aqueles que comutam com seu adjunto.
Matricialmente, tais operadores s ao identicados atraves de uma representa cao. O
operador e normal se, e somente se, sua representa cao numa base ortonormal e uma
matriz normal. Existem diversas maneiras de construrmos operadores normais, entre
as quais destacamos o operador de Gram P associado a um operador A, que por
denicao e P = A
A.
Proposicao 10.3.1 Se A e um operador normal num espa co unit ario (V, , )) ent ao
|A(v)| = |A
(v)| para qualquer vetor v V . Em consequencia:

a) os n ucleos de A e A
coincidem;;
b) V decomp oe-se na soma direta ortogonal, V = ImANuc A
c) as imagens de A e A
sao iguais.
Quase todas demonsta coes das proposi coes dessa secao s ao iguais ` aquelas apresentadas
no caso Euclidianos. A diferenca entre os resultados ca por conta do corpo dos
n umeros complexos ser algebricamente fechado, fato que surge com plena for ca na
versao do Teorema da decomposi cao prim aria em espa cos unit arios.
10.4. OPERADORES AUTOADJUNTOS 189
Teorema 10.3.1 (Teorema da decomposi cao normal) Seja A um operador num
espa co unit ario V . Se A e normal ent ao:
lineares distintos, m
A
(t) = (t
1
)(t
2
) (t
k
);
b) a decomposi cao prim aria de V e uma soma direta ortogonal de autoespa cos
V = V
1
V
2
V
k
.
Em particular, um operador normal e diagonaliz avel numa base ortonormal de auto-
vetores.
Corolario 10.3.1 Um operador normal e seu operador adjunto induzem a mesma
decomposi cao normal no espa co.
Corolario 10.3.2 Seja A um operador linear num espa co unit ario V . Entao A e
normal se, esomente se, A e diagonaliz avel numa base ortonormal de autovetores.
1. Demonstre que um operador A em (V, , )) e normal A
e um polin omio em A.
10.4 Operadores autoadjuntos
Um operador A num espa co unit ario V e autoadjunto quando A
= A, ou equivalente-
mente, quando [A
= [A]
para uma (ou qualquer) base ortonormal V .

E claro
que um operador autoadjunto e normal. Note que os autovalores de um operador
autoadjunto s ao reais pois se v V e um autovetor associado ao autovalor C,
ent ao
|v|
2
= v, v) = A(v), v) = v, A(v)) = v, v) = v, v) = |v|
2
.
Operadores autoadjuntos admitem uma caracteriza cao que n ao existe similar para
operadores simetricos em espa cos Euclidianos.
Teorema 10.4.1 (Teorema do operador autoadjunto) Um operador A num
espa co unit ario V e autoadjunto se, e somente se, v, A(v)) e real para todo v V .
190 CAP
ARIOS
Demonstra cao Provemos a necessidade. Como
v, A(v)) = A(v), v) = v, A
(v)) = v, A(v)),
necessariamente v, A(v)) e um escalar real, desde que ele e igual ao seu conjugado.
A demonstra cao da suciencia e simples porem um pouco mais elaborada. Para dois
vetores u, v V , examinemos as igualdades,
_
_
_
u + v, A(u + v)) = u, A(u)) +v, A(u)) +u, A(v)) +v, A(v)) ,
u + iv, A(u + iv)) = u, A(u)) +iv, A(u)) +u, A(iv)) +v, A(iv)) .
Note que a hip otese w, A(w)) 1 para qualquer w V implica que os fatores
v, A(u)) + u, A(v)) e i v, A(u)) i u, A(v)) sao reais, ou dito de outro modo, s ao
iguais a seus conjugados complexos,
_
_
_
v, A(u)) +u, A(v)) = A(u), v) +A(v), u)
i v, A(u)) i u, A(v)) = i A(v), u) + i A(v), u) .
Multiplicando a segunda equa cao pelo escalar imagin ario i e somando as duas equa coes,
a menos do fator 2, obtemos que u, A(v)) = A(u), v). 2
Finalmente, um operador A em (V, , )) e antiadjunto quando A
= A.
1. Seja A que um operador normal A num espa co unit ario V . Prove que A e autoadjunto
o espectro esta contido no eixo real;
2. Um operador A num espa co unit ario V e normal A = A
1
+iA
2
onde A
1
e A
2
sao
operadores autoadjuntos que comutam.
3. Seja A um operador normal em (V, , )). Diz-se que A e antiadjunto quando A =
A.Prove as arma coes.
(a) A e antiadjunto a representacao de A numa base ortonormal e uma matriz
antiadjunta.
(b) A e antiadjunto o seu espectro esta contido no eixo imagin ario.
10.5. OPERADORES UNIT
ARIOS 191
10.5 Operadores unitarios
Um operador U em (V, , )) e unitario U quando U U
= Id = U
U. Portanto,
operadores unit arios s ao normais, invertveis e sua inversa e seu operador adjunto.
Matricialmente s ao identicados atraves de uma representa cao numa base ortonormal
V . O operador U e unit ario se, e somente se, [U]
e uma matriz unit aria. O

espectro de um operador unit ario esta contido no crculo unit ario pois se v V e um
autovetor de U associado ao autovalor C temos que
|v|
2
= v, v) = v, U
U(v)) = U(v), U(v)) = |v|

2
.
Logo, [[
2
= 1. Vejamos algumas cracteriza coes de um operador unit ario.
Proposicao 10.5.1 As seguintes arma coes sobre um operador linear U num espaco
unitario V sao equivalentes
a) O operador preserva o produto interno.
b) O operador preserva a norma.
c) O operador e unitario.
d) O operador aplica base ortonormal em base ortonormal.
Demonstra cao A demonstra cao e semelhante ao caso Euclidiano. Para b) c)
utilize a identidade de polarizacao, Exerccio 10.1.1. 2
1. Mostre que a matriz mudan ca de coordenadas entre duas bases ortonormais de um
espaco unit ario e uma matriz unitaria.
2. Prove que um operador normal num espa co unit ario e um operador unit ario se, e
somente se, o espectro esta contido no crculo unit ario.
3. Demonstre que o produto usual de matrizes induz uma estrutura de grupo no espa co
das matrizes unit arias, U(n, C) = Q M(n, C); QQ
= I = Q
Q.
192 CAP
ARIOS
10.6 Decomposi cao polar
Um operador P num espaco unit ario V e um positivo se v, P(v)) > 0 para todo vetor
nao nulo v V . Pelo Teorema do operador autoadjunto, 10.4.1, podemos armar que
P autoadjunto. Num espa co Euclidiano V apenas a condi cao v, P(v)) > 0 para todo
vetor n ao nulo v V nao caracteriza um operador positivo.
Exemplo 10.6.1 O operador A : 1
2
1
2
, A(x, y) = (xy, x+y) satisfaz a condi cao
(x, y), A(x, y)) > 0 em rela cao ao produto interno can onico para todo vetor n ao nulo
pois (x, y), A(x, y)) = x
2
+ y
2
, entretanto o operador n ao e simetrico. 2
Daremos uma sequencia de fatos cujas demonstra coes sao semelhantes ` as demons-
tra coes ja feitas no caso Euclidiana.
Exerccio 10.6.1 Assuma que P e um operador positivo no espa co unit ario (V, , )).
Mostre que P e invertvel e que a aplica cao , )) : V V V denida por v, w)) =
v, P(w)) e um outro produto interno em V . 2
Proposicao 10.6.1 As seguintes arma coes sobre um operador P num espa co unit a-
rio V sao equivalentes.
a) O operador e positivo.
b) O operador e autoadjunto e os autovalores sao positivos.
c) P e um operador de Gram associado a um operador invertvel A : V V .
Proposicao 10.6.2 Suponha que , )) seja um outro produto interno no espa co
unitario (V, , )). Entao existe um unico operador positivo P : V V tal que
v, w)) = v, P(w)).
Um operador P num espa co (V, , )) e n ao negativo se v, P(v)) 0 para todo
vetor n ao nulo v V .
Proposicao 10.6.3 As seguintes arma coes sobre um operador P num espa co unit a-
rio V sao equivalentes.
a) O operador e n ao negativo.
10.6. DECOMPOSIC

AO POLAR 193
b) O operador e autoadjunto e os autovalores sao n ao negativos.
c) P e um operador de Gram associado a um operador A : V V .
Exerccio 10.6.2 Prove que para cada operador A em um espa co unit ario V existe
um unico operador n ao negativo tal que P
2
= A
A. Denotaremos esse operador de

Gram por P =
A. 2
Teorema 10.6.1 (Teorema da decomposi cao polar) Para cada operador A num
espa co unit ario V existe um unico operador n ao negativo P e um operador unit ario U
tal que A = U P. Alem disso, se A e invertvel ent ao P e positivo e U e unicamente
determinado.
1. Determine a decomposi cao polar dos operadores quando o produto interno considerado
e o produto interno can onico.
(a) A : C
2
C
2
A(x, y) = (x, x +y).
(b) A : C
3
C
3
A(x, y, z) = (y, z, x).
2. Prove que um operador A num espa co unit ario V e normal A = PU onde P e n ao
negativo, U e unit ario e PU = UP.
Captulo 11
Formas bilineares
Um produto interno num espa co Euclidiano e um exemplo de uma forma bilinear, ou
dito de outro modo, e um exemplo de uma aplica cao com duas vari aveis e linear em
cada uma delas. O objetivo desse captulo e estudar tais aplica coes bilineares mas
sem exigir a condi cao de ser positiva denida.
11.1 Formas bilineares
Seja V um espa co vetorial sobre o corpo K. Uma aplica cao g : V V K e uma
forma bilinear quando
1. g(u + v, w) = g(u, w) + g(v, w),
2. g(u, v + w) = g(u, v) + g(u, w).
para quaisquer vetores u, v, w V e para qualquer escalar K.
Essencialmente, uma forma bilinear e uma aplica cao com duas vari aveis na qual
ao xarmos uma delas obtemos um funcional linear. Um produto interno num espa co
Euclidiano e um exemplo, entretanto, o mesmo nao ocorre num espa co unit ario pois
o seu produto interno e quase linear na segunda variavel.
Exemplo 11.1.1 Vejamos exemplos.
1) Ao denirmos a aplica cao g : C
n
C
n
C, por
g ((z
1
, z
2
, ..., z
n
), (w
1
, w
2
, ..., w
n
)) = z
1
w
1
+ z
2
w
2
+ + z
n
w
n
,
194
11.1. FORMAS BILINEARES 195
obtemos uma forma bilinear em C
n
que nao e um produto interno. O produto interno
can onico e obtido pela f ormula u, v) = g(u, v).
2) Dados dois funcionais lineares f
1
, f
2
: V K num espa co vetorial V podemos
contruir uma forma bilinear chamada de produto tensorial de f
1
por f
2
, denotada por
f
1
f
2
: V V K, e denida por f
1
f
2
(u, v) f
1
(u)f
2
(v).
3) Dados dois funcionais lineares f
1
, f
2
: V K num espa co vetorial V podemos
contruir uma forma bilinear chamada de produto exterior de f
1
por f
2
, denotada por
f
1
f
2
: V V K, e denida por f
1
f
2
(u, v) f
1
(u)f
2
(v) f
1
(v)f
2
(u).
4) A aplica cao g : M(n, K) K, g(X, Y ) = tr (X
t
Q
0
Y ) e uma forma bilinear,
onde Q
0
M(n, K) e uma matriz xada a priori. 2
Exerccio 11.1.1 Denote por B(V, K) o conjunto das formas bilineares no espa co
vetorial V sobre o corpo K. Mostre que as usuais opera coes de somar duas fun coes e
mutiplicar uma fun cao por um escalar de K induzem uma estrutura de espa co vetorial
naquele conjunto B(V, K). 2
1. Verique quais formas s ao bilineares e escreva-as como soma de produtos tensoriais.
(a) g : K
3
K, g((x
1
, y
1
, z
1
), (x
2
, y
2
, z
2
)) = (x
1
+y
1
+z
1
)(x
2
+y
2
+z
2
).
(b) g : K
3
K, g((x
1
, y
1
, z
1
), (x
2
, y
2
, z
2
)) = x
1
y
2
+y
1
z
2
+z
1
x
2
.
2. Sejam f
1
e f
2
funcionais lineares num espa co vetorial V . Mostre as arma coes.
(a) Se g = f
1
f
2
+f
2
f
1
ent ao g(u, v) = g(v, u).
(b) Se g = f
1
f
2
entao g(u, v) = g(v, u).
3. Uma forma sesquilinear num espaco vetorial complexo V e uma aplicacao g : V V
C tal que para quaisquer u, v V e C quando possui as propriedades:
Sq1 g(u +v, w) = g(u, w) +g(v, w);
Sq2 g(u, v +w) = g(u, v) +g(u, w).
(a) Verique que se A e um operador linear em V e g e sesquilinear ent ao h(u, v) =
g(u, A(v)) e sesquilinear e que
(b) se A e um operador quase linear em V e g e uma forma sesquilinear ent ao
h(u, v) = g(u, A(v)) e sesquilinear.
196 CAP
ITULO 11. FORMAS BILINEARES

11.2 Representa cao matricial
Quando o espa co vetorial V tem dimensao nita e possvel identicar cada forma
bilinear g : V V K a uma matriz quadrada. Para construir a representa cao
matricial xemos uma base ordenada = v
1
, v
2
, ..., v
n
V e consideremos os
vetores u = x
1
v
1
+ +x
n
v
n
e v = y
1
v
1
+ +y
n
v
n
. Utilizando-se da bilinearidade,
a avalia cao de g no par (u, v) ca sendo
g(u, v) =
n
i,j
g(v
i
, v
j
)x
i
y
j
.
Note que g(v
i
, v
j
) sao escalares em K. A matriz da forma bilinear g na base ordenada
e a matriz n n denida por
[g]
= [g
ij
] onde g
ij
= g (v
i
, v
j
) .
Desse modo, obtemos um algoritmo que expressa g com muita clareza, a saber,
g(u, v) = [u]
t
[g]
[v]
,
ressaltando que estamos identicando o escalar do membro esquerdo da igualdade com
a matriz 1 1 do membro direito. Reciprocamente, dada uma matriz Q M(n, K) e
xada a base ordenada V , para construrmos uma forma bilinear g : V V K
cuja representa cao e Q basta denir
g(u, v) = [u]
t
Q[v]
.
A representa cao matricial do produto interno can onico do 1
n
na base canonica e
a matriz identidade, ou seja, se u = (x
1
, x
2
, ..., x
n
) e v = (y
1
, y
2
, ..., y
n
) ent ao
u, v) =
_
x
1
x
2
x
n
_
1 0 . 0
0 1 . 0
. . . .
0 0 . 1
_
_
_
_
y
1
y
2
:
y
n
_
_
,
desde que e
i
, e
j
) =
ij
. De forma compacta, u, v) = [u]
I [v]
.
Exemplo 11.2.1 A forma bilinear g : K
3
K
3
K,
g ((x
1
, x
2
, x
3
), (y
1
, y
2
, y
3
)) = x
1
y
1
2x
1
y
3
+ 5x
2
y
2
+ x
3
y
1
x
3
y
2
4x
3
y
3
,
11.2. REPRESENTAC

AO MATRICIAL 197
e transcrita matricialmente na base can onica como o produto matricial
g ((x
1
x
2
, x
3
), (y
1
, y
2
, y
3
)) =
_
x
1
x
2
x
3
_
_
1 0 2
0 5 0
1 1 4
_
_
_
_
y
1
y
2
y
3
_
_
.
As entradas da representa cao de g sao obtidas avaliando-se g
ij
= g(e
i
, e
j
). 2
Resumiremos os coment arios sobre a representa cao de uma forma bilinear numa
proposi cao cuja demonstra cao n ao ser a apresentada pois nessa altura do texto os
argumentos utilizados j a s ao bem conhecidos do leitor.
Proposicao 11.2.1 Sejam V um espaco vetorial de dimens ao n sobre o corpo K e
V uma base ordenada. Ent ao a aplica cao : B(V, K) M(n, K), (g) = [g]
,
e um isomorsmo linear. Em particular, dimB(V, K) = n
2
.
Denimos o n ucleo ` a direita e o n ucleo ` a esquerda de uma forma bilinear g num
espa co vetorial V como sendo os conjuntos, respectivamente,
d-Nuc g = u V ; g(u, w) = 0 w V ,
e-Nuc g = v V ; g(w, v) = 0 w V .
Demonstre que os dois conjuntos s ao subespa cos de V . Construa um exemplo no qual
os dois n ucleos s ao diferentes.
1. Determine a representacao matricial da forma bilinear na base can onica.
(a) g : K
3
K
3
, g((x
1
, y
1
, z
1
), (x
2
, y
2
, z
2
)) = (x
1
+y
1
+z
1
)(x
2
+y
2
+z
2
).
(b) g : K
3
K
3
, g((x
1
, y
1
, z
1
), (x
2
, y
2
, z
2
)) = x
1
y
2
+y
1
z
2
+z
1
x
2
.
2. Seja V um espaco Euclidiano.
(a) Prove que a representa cao matricial do produto interno em qualquer base orto-
normal e a matriz identidade.
(b) Se A e um operador em V mostre que g(u, v) = u, A(v)) e uma forma bilinear
e compare as representacoes matriciais de g e de A numa base ortonormal.
3. Seja = v
1
, v
2
, ..., v
n
uma base do espaco vetorial V e
= f
1
, f
2
, ..., f
n
sua base
dual. Mostre que
= f
i
f
j
e uma base para o espaco das formas bilineares
B(V, K) e qualquer forma bilinear g em V e escrita como g =

n
i,j=1
g(v
i
, v
j
)f
i
f
j
.
198 CAP

11.3 Propriedades da representa cao
Comparemos as representa coes matriciais de uma mesma forma bilinear em duas
bases ordenadas distintas. Ressaltamos que as duas matrizes construdas n ao s ao
conjugadas, necessariamente.
Proposicao 11.3.1 Sejam e duas bases ordenadas do espa co vetorial de di-
mens ao nita V . Se g : V V K e uma forma bilinear ent ao [g]
= Q
t
[g]
Q
onde Q = [id]
(matriz mudan ca de coordenadas).

Demonstra cao A demonstra cao segue diretamente das deni coes. Como sabemos,
as rela coes entre as coordenadas dos vetores u, v V nas duas bases ordenadas sao
[u]
= Q[u]
e [v]
= Q[v]
onde Q = [id]
, veja Secao 2.8. Sendo assim, avaliemos

g(u, v),
g(u, v) = [u]
t
[g]
[v]
=
_
Q[u]
_
t
[g]
_
Q[v]
_
= [u]
t
_
Q
t
[g]
Q
_
[v]
.
Pela unicidade da representacao da forma bilinear g na base ordenada conclumos
que [g]
= Q
t
[g]
Q. 2
Repetiremos uma construcao j a apresentada anteriormente ao estudarmos um pro-
duto interno num espa co Euclidiano. Fixado uma forma bilinear g num espa co vetorial
de dimens ao nita V , denimos uma aplica cao : V V

, v [v], onde [v] de-
nota o funcional linear [v] : V K, [v](w) = g(w, v).

E facil vericar que a
aplica cao : V V

e uma transformacao linear. Quando a forma bilinear e um
produto interno num espa co Euclidiano sabemos que e um isomorsmo linear. En-
tretanto, como isso n ao ocorre com qualquer forma bilinear, distinguiremos as duas
situa coes atraves de uma denicao. Diremos que g e n ao degenerada (ou n ao singu-
lar) se a transforma cao linear : V V

e um isomorsmo linear. Caso contr ario
diremos que g e degenerada (ou singular). Essa distincao pode ser estabelecida ma-
tricialmente.
Lema 11.3.1 Uma forma bilinear g e degenerada se, e somente se, a matriz de g
numa base ordenada V n ao e invertvel.
Demonstra cao Por deni cao, g e degenerada se, e somente se, existe um vetor n ao
nulo v
0
V tal que o funcional linear f
0
: V K, f
0
(w) = g(w, v
0
) e identicamente
11.3. PROPRIEDADES DA REPRESENTAC

AO 199
nulo, ou equivalentemente, existe o ,= v
0
V tal que [w]
[g]
[v
0
]
= 0 para todo
w V . Entretanto, isso ocorre se, e somente se, [g]
[v
0
]
= [0]. Logo, g e degenerada

= 0 e um autovalor de [g]
[g]
e nao invertvel. 2
A proposi cao acima mostra um pouco mais. A forma bilinear g e degenerada
[g]
e nao invertvel para qualquer base ordenada V .

Formas bilineares em espa cos Euclidianos admitem uma elegante descri cao em
termos de operadores lineares. Do mesmo modo que descrevemos qualquer produto
interno em um dado espa co Euclidiano utilizando um operador positivo, tambem e
possvel descrever qualquer forma bilinear a partir do produto interno que dene a
estrutura Euclidiana. Observe que cada operador linear A num espa co Euclidiano
(V, , )) d a origem a uma forma bilinear g : V V K, bastando para isso denir
g(u, v) = u, A(v)).
A recproca dessa arma cao tambem e verdadeira. De fato. Seja g uma forma
bilinear no espa co Euclidiano (V, , )). Para cada vetor v V considere o funcional
linear f
v
: V 1, f
v
(u) = g(u, v). Pelo Teorema da representa cao de um funcional
linear, existe um unico vetor v
V tal que g(u, v) = u, v
). Sendo assim, dena

a aplica cao A : V V , v v
.

E rotina mostrar que A e o unico operador linear
satisfazendo a condi cao g(u, v) = u, A(v)) para quaisquer vetores u, v V .
Exerccio 11.3.1 Se g e uma forma bilinear no espa co unit ario (V, , )) ent ao existe
um e somente um operador quase linear A : V V tal que g(u, v) = u, A(v)) para
quaisquer u, v V . Demonstre esse teorema de representa cao. 2
1. Para cada forma bilinear g em 1
2
determine o operador linear A : 1
2
1
2
tal que
g(u, v) = u, A(v)), onde o produto interno considerado e o canonico.
(a) g((x
1
, y
1
), (x
2
, y
2
)) = x
1
y
2
y
1
x
2
.
(b) g((x
1
, y
1
), (x
2
, y
2
)) = x
1
x
2
+x
1
y
2
x
2
y
1
2. Seja g uma forma bilinear n ao degenerada no espa co vetorial de dimens ao nita V .
Dada qualquer outra forma bilinear f : V V V , existe um unico operador linear
A : V V representando f, isto e, f(u, v) = g(u, A(v)). Mostre que se eliminarmos
a hip otese nao degenerada n ao vale a unicidade de representa cao.
200 CAP

3. Suponha que a forma bilinear g no espa co Euclidiano (V, , )) e representado pelo
operador linear A : V V , g(u, v) = u, A(v)). Prove as identidades.
(a) d-Nuc g = Nuc A
t
. (b) e-Nuc g = Nuc A.
4. Utilize o Teorema 3.5.1 do posto de uma matriz para demonstrar que os n ucleos à
direita e ` a esquerda de uma forma bilinear num espa co vetorial de dimens ao nita
tem as mesmas dimensoes.
5. Prove que uma forma bilinear g num espa co vetorial de dimens ao nita V e n ao
degenerada d-Nuc g = e-Nuc g = 0.
11.4 Formas bilineares simetricas
Uma forma bilinear g : V V Ke simetrica quando g(u, v) = g(v, u) para quaisquer
u, v V .
Alem do produto interno num espa co vetorial real, conhecemos v arias outras for-
mas bilineares simetricas, por exemplo, a aplica cao g : M(n, K) K, g(N, P) =
tr(NP). Num espa co vetorial V de dimens ao nita, a identica cao de uma forma
bilinear simetrica g e simples. Dada qualquer base ordenada = v
1
, v
2
, ..., v
n
V
seja g
ij
= g(v
i
, v
j
) as entradas da representa cao de g na base . Da hip otese de
simetria segue que g
ij
= g
ji
. Entao, a forma bilinear g e simetrica se, e somente
se, [g]
e uma matriz simetrica. Observamos que a simetria da representa cao [g]
e
independente da base considerada.
Exerccio 11.4.1 Seja g uma forma bilinear simetrica num espa co vetorial V . Prove
que d-Nuc g = e-Nuc g. Por causa dessa propriedade escreveremos simplesmente o
n ucleo de g, sem mais coment arios, quando g e simetrica. 2
Pela proximidade dos conceitos, podemos transpor v arias no coes ja denidas num
espa co com produto interno para um espa co equipado com uma forma bilinear simetrica.
Por exemplo, diremos que os vetores u, v V sao g-ortogonais quando g(u, v) = 0.
Ressaltamos que o conceito de g-ortogonalidade n ao e exatamente igual ao conceito
de ortogonalidade num espaco vetorial real equipado com produto interno pois n ao
estamos assumindo, em geral, que g e positiva denida. Por isso, e possvel existir
algum vetor n ao nulo em V que e g-ortogonal a si mesmo. Por exemplo, o vetor
v = (1, 1) 1
2
e g-ortogonal a si mesmo quando estamos considerando a forma
bilinear simetrica
g : 1
2
1
2
1, g ((x
1
, x
2
), (y
1
, y
2
)) = x
1
y
1
+ x
2
y
1
+ x
1
y
2
+ x
2
y
2
.
11.4. FORMAS BILINEARES SIM
ETRICAS 201
Do mesmo modo pode ocorrer que g(u, u) < 0. Entretanto, somente com a forma
bilinear identicamente nula podemos ter cada um dos vetores do espaco g-ortogonal
a si mesmo. Para mostrar essa arma cao precisaremos de duas deni coes.
Uma aplica cao q : V K e uma forma quadr atica quando existe uma forma
bilinear g em V tal que q(v) = g(v, v). A forma bilinear utilizada para denir uma
forma quadr atica pode ser tomada simetrica pois conhecida g consideramos a forma
bilinear simetrica
g
0
(u, v) =
1
2
(g(u, v) + g(v, u)).
E imediato concluir que tambem vale a identidade q(v) = g

0
(v, v). Levando em conta
esses comentarios, sempre que citarmos uma forma quadr atica estaremos supondo que
a forma bilinear associada g e simetrica.
Conhecendo-se a representacao matricial da forma bilinear simetrica g numa base
ordenada = v
1
, v
2
, ..., v
n
V , obtemos o valor da forma quadr atica associada q no
vetor v V exclusivamente em fun cao das coordenadas do vetor na base considerada,
q(v) = [v]
t
[g]
[v]
=
n
i,j=1
g(v
i
, v
j
)x
i
x
j
.
Reciprocamente, dada uma forma quadratica (que e um polin omio homogeneo de grau
dois em n vari aveis) em funcao das coordenadas dos vetores de uma base ordenada ,
q(v) =
n
ij=1
g(v
i
, v
j
)x
i
x
j
,
recuperamos a unica forma bilinear simetrica que dene q atraves da representa cao
matricial
[g(v
i
, v
j
)]
=
T + T
t
2
onde T e a matriz triangular superior
T = [b
ij
] com b
ij
=
_
g
ij
se i j
0 se i > j
.
A forma quadr atica associada ao produto interno can onico do 1
n
e o polin omio
homogeneo de grau dois em n vari aveis q(x
1
, x
2
, ..., x
n
) = x
2
1
+ x
2
2
+ + x
2
n
.
Exemplo 11.4.1 Veajmos alguns exemplos ilustrativos.
202 CAP

1) Considere a forma bilinear simetrica g : 1
2
1
2
1,
g ((x
1
, x
2
), (y
1
, y
2
)) =
_
x
1
x
2
_
1 1
1 1
_ _
y
1
y
2
_
.
A representa cao matricial indicada est a na base can onica. Nesse exemplo, existem
vetores n ao nulos que s ao g-ortogonais a todos os outros vetores, e o caso do vetor
v = (1, 1). A explica cao provem da matriz [g]
. Ela n ao e invertvel, isto e, g e uma

forma bilinear simetrica degenerada.
2) A forma quadr arica em 1
3
dada na base canonica por
q(v) = 2x
2
+ 4xy 6yz
onde v = (x, y, z) tem uma representa cao matricial da forma
q(v) = [x, y, z]
_
_
2 2 0
2 0 3
0 3 0
_
_
_
_
x
y
z
_
_
.
Observe a regra de constru cao para as entradas da matriz de g. 2
Exerccio 11.4.2 Seja g uma forma bilinear simetrica em V . Prove a identidade
polariza cao,
g(u, v) =
1
4
(q(u + v) q(u v)).
Conclua que duas formas bilineares simetricas, g
1
e g
2
, determinam a mesma forma
quadr atica se, e somente se, g
1
g
2
. 2
Voltemos ` a quest ao inicial sobre o conceito de g-ortogonalidade para formas bili-
neares simetricas.
Lema 11.4.1 Se todo vetor w V e g-ortogonal a si mesmo, entao g 0.
Demonstra cao Seja q a forma quadr atica associada ` a forma bilinear simetrica g.
Vamos supor que g(w, w) = 0 w V . Pela identidade de polariza cao, 11.4.2, temos
que
g(u, v) =
1
4
(g(u + v, u + v) g(u v, u v)) = 0, u, v V.
2
11.5. BASES G-ORTONORMAIS 203
1. Considere a forma bilinear em 1
3
, g ((x
1
, x
2
, x
3
), (y
1
, y
2
, y
3
)) = (x
1
2x
2
)(y
1
2y
2
).
(a) Mostre que g e simetrica e determine a representacao matricial na base canonica.
(b) Encontre uma base para o n ucleo de g.
(c) Descreva a forma quadr atica determinada por g.
2. Seja g e uma forma bilinear em V . Prove que W(v
0
)
= w V ; g(v
0
, w) = 0 e um
subespa co onde v
0
e um vetor de V .
3. Mostre que uma representacao matricial de uma forma bilinear simetrica num espaco
vetorial de dimens ao nita e uma matriz simetrica independente da base escolhida.
4. Seja (V, , )) um espaco Euclidiano. Mostre que para cada forma bilinear simetrica
g existe um e somente um operador simetrico A : V V tal que g(u, v) = u, A(v)).
5. Dados dois funcionais lineares f
1
e f
2
no espa co vetorial V de dimens ao nita, verique
que g f
1
f
2
+f
2
f
1
e uma forma bilinear simetrica. Determine a representacao
[g]
conhecendo-se as representacoes [f
1
]
e [f
2
]
.
6. Demonstre que o conjunto o(V, K) B(V, K) formado pelas formas bilineares simetri-
cas de um espaco vetorial V e um subespaco. Calcule a dimens ao de o(V, K) quando
dimV = n.
7. Assuma que a forma bilinear simetrica g em V e semipositiva denida, isto e, g(u, u)
0. Prove a desigualdade de Schwartz, g(u, v)
2
q(u)q(v), onde q e a forma quadr atica
associada à g.
8. Considere a aplicacao g : M(n, K)M(n, K) K, g(N, P) = ntr (NP)tr (N) tr(P).
(a) Verique que g e uma forma bilinear simetrica.
(b) Calcule os valores g(P, I) e conclua que g e degenerada.
11.5 Bases g-ortonormais
Por simplicidade de reda cao introduziremos uma nota cao. Um par (V, g) signicar a
um espa co vetorial V de dimens ao nita sobre K no qual est a denida uma forma
bilinear simetrica g nao identicamente nula. Em alguns textos essa nota cao e reservada
apenas para o caso em que a forma bilinear simetrica e nao degenerada, mas aqui ela
204 CAP

poder a ser ou n ao degenerada. Para ressaltar esse fato chamaremos de ndice de
nulidade de (V, g) ao inteiro i
0
denido por i
0
= dimNuc g. Reordamos que sendo
g simetrica o seu d-n ucleo e igual ao seu e-n ucleo. Note que a hip otese de g ser nao
identicamente nula implica que i
0
< dimV . Por outro lado, se g for n ao degenerada
ent ao i
0
= 0.
Uma base ordenada = v
1
, v
2
, ..., v
n
de (V, g) e uma base g-ortogonal quando
g(v
i
, v
j
) = 0 para i ,= j. O objetivo dessa secao e mostrar que bases g-ortogonais
existem. Na verdade exibiremos um processo para construir uma base g-ortonormal,
isto e, uma base ordenada = u
1
, u
2
, ..., u
n
tal que
g(u
i
, u
j
) = 0, se i ,= j e g(u
i
, u
i
) 1, 0, 1 .
Numa base g-ortonormal a representa cao [g]
e uma matriz diagonal formada por

0 ou 1.
Se v
0
um vetor do espa co vetorial V denote por W(v
0
) o subespa co gerado pelo
vetor v
0
e por W(v
0
)
o seu subespaco g-ortogonal, em outras palavras,

W(v
0
)
= w V ; g(v
0
, w) = 0.
Como vimos, existe um vetor v
0
tal que g(v
0
, v
0
) ,= 0 pois estamos sempre assumindo
que a forma bilinear simetrica nao e identicamente nula, Lema 11.4.1. A seguir o
smbolo signicara g-ortogonalidade. Com essas hip oteses,
Lema 11.5.1 Se g(v
0
, v
0
) ,= 0 ent ao V = W(v
0
)
W(v
0
) e Nuc g W(v
0
)
.
Demonstra cao A demonstra cao e uma adapta cao do processo de ortogonaliza cao de
Gram-Schmidt. Provaremos inicialmente que V = W(v
0
)
+ W(v
0
). Dado um vetor
u V considere o vetor u
denido por
u
= u
g(u, v
0
)
g(v
0
, v
0
)
v
0
.
Uma avalia cao simples mostra que u
W(v
0
)
. Logo, u = u
+ v
0
, signicando
que V e a soma dos subespacos indicados. Vamos supor que u W(v
0
)
W(v
0
).
Entao, por um lado, u = v
0
para algum K e por outro lado,
0 = g(v
0
, u) = g(v
0
, v
0
).
Como g(v
0
, v
0
) ,= 0, conclumos que = 0 e por conseguinte u = 0. Isso mostra que
a soma e uma soma direta. A demonstracao da inclus ao do n ucleo de g no ortogonal
de W(v
0
) deixaremos como exerccio. 2
11.5. BASES G-ORTONORMAIS 205
Proposicao 11.5.1 Se g e uma forma bilinear simetrica num espa co vetorial V de
dimens ao n, entao existem vetores n ao nulos v
1
, v
2
, ..., v
ni
0
V tais que
V = W(v
1
) W(v
2
) W(v
ni
0
) Nuc g,
onde a soma direta e g-ortogonal, i
0
e o ndice de nulidade e g(v
i
, v
i
) ,= 0. Em
consequencia, V admite uma base g-ortogonal.
Demonstra cao Escolha um vetor n ao nulo v
n
V talque g(v
n
, v
n
) ,= 0 e considere a
decomposi cao V = W(v
n
)
W(v
n
). Note que dimW(v
n
)
= n1 e que a restri cao

de g ao subespa co W(v
n
)
e uma forma bilinear simetrica com o mesmo ndice de

nulidade i
0
pois o Nuc g W(v
n
)
. Desse modo, utilizamos uma hip otese indutiva

para obter vetores v
1
, ..., v
n1i
0
W(v
n
)
tais que
W(v
n
)
= W(v
1
) W(v
n1i
0
) Nuc g.
Agora e facil obter a decomposi cao desejada. Portanto, se
0
= v
ni
0
+1
, ..., v
n
e
uma base ordenada de Nuc g, caso o n ucleo nao seja trivial, ent ao a uni ao ordenada
= v
1
, ..., v
ni
0

0
e uma base ortogonal de V . 2
Na proposi cao acima construmos uma base g-ortogonal de (V, g) na qual est a
contida uma base de Nuc g. Uma base para o n ucleo esta sempre presente numa base
g-ortogonal, permitindo-nos determinar o ndice de nulidade atraves qualquer uma
delas.
Corolario 11.5.1 Para qualquer base g-ortogonal de (V, g) o conjunto de vetores
0
= v , g(v, v) = 0 e uma base de Nuc g.
Demonstra cao Seja = v
1
, v
2
, ..., v
n
uma base g-ortogonal ordenada de tal modo
que o conjunto
0
= v , g(v, v) = 0 e formado pelos j
0
-esimos ultimos elementos.
Utilizando o fato que a base e g-ortogonal, torna-se trivial mostrar que
0
est a contido
no n ucleo. Para demonstrar o corol ario, resta vericar que esse conjunto gera Nuc g.
Com efeito. Dado um vetor v = x
1
v
1
+x
2
v
2
+ +x
n
v
n
no n ucleo de g, consideremos
qualquer elemento v
k
com 0 k n j
0
e fa camos a avalia cao,
0 = g(v, v
k
) = x
k
g(v
k
, v
k
).
A condi cao g(v
k
, v
k
) ,= 0 implica que x
k
= 0, de onde conclumos que qualquer vetor
do n ucleo e uma combina cao linear dos j
0
ultimos elementos de . Logo, j
0
= i
0
,
como desejavamos demonstrar. 2
206 CAP

Corolario 11.5.2 Se V e um espa co vetorial complexo, ent ao existe uma base g-
ortonormal = v
1
, v
2
, ..., v
n
de (V, g) tal que
g(v
i
, v
j
) = 0 se i ,= j e g(v
i
, v
i
) 0, 1.
Demonstra cao Seja = v
1
, v
2
, ...., v
ni
0
, v
ni
0
+1
, ..., v
n
a base g-ortogonal cons-
truda na proposi cao anterior. Dena uma base ordenada formada pelos vetores
u
i
= v
i
, se v
i
pertence ao n ucleo de g e
u
i
=
1
1
v
i
se v
i
nao pertence ao n ucleo de g,
onde
i
e uma das razes quadradas de g(v
i
, v
i
) ,= 0. A conclus ao agora e imediata. 2
1. Prove que uma forma bilinear simetrica g num espa co vetorial complexo V de di-
mensao nita admite uma representa cao do tipo
[g]
= diagI
ni
0
, [0].
2. Para qualquer matriz simetrica N M(n, C) existe uma matriz invertvel P
M(n, C) tal que P
t
NP e diagonal. Demonstre a armacao.
11.6 Teorema do ndice
Nessa secao estudaremos apenas formas bilineares simetricas num espaco vetorial
real V de dimens ao nita. Indexaremos um subespa co W de (V, g) por + ou por
quando a forma bilinear g restrita ao subespa co e positiva denida ou negativa
denida, respectivamentre. Mais claramente,
W
+
quando g(w, w) > 0 para todo vetor n ao nulo w W,
W
quando g(w, w) < 0 para todo vetor n ao nulo w W.

Teorema 11.6.1 (Teorema do ndice) Seja g uma forma bilinear no espa co veto-
rial real V de dimens ao nita. Entao existem subespa cos W
e W
+
tais que
V = W
Nuc g W
+
.
11.6. TEOREMA DO

INDICE 207
Mais ainda, o inteiro i
= dimW
, chamado de ndice de Morse de (V, g), depende

apenas da forma bilinear no seguinte sentido, para qualquer outra decomposi cao em
soma direta g-ortogonal V = U
Nuc g U
+
temos que i
= dimU
.
Demonstra cao A menos de reordena cao, uma base g-ortonormal de (V, g) de-
compoe-se como =

+
onde
0
e uma base para o n ucleo de g,
= v ; g(v, v) < 0 e
+
= v ; g(v, v) > 0.
Se denimos W
(respec. W
+
) como o subespa co gerado por
(respec.
+
) a g-
ortonormalidade da base garante a decomposi cao g-ortogonal V = W
Nuc gW
+
.
Seja V = U
Nuc g U
+
uma outra decomposi cao. Vamos supor, por absurdo,
que exista um vetor n ao nulo u
(Nuc g W
+
). Sendo assim, podemos
escrever u
= w
0
+ w
+
com w
0
Nuc g e w
+
W
+
. Fa camos a avalia cao g(u
, u
)
levando em conta que u U
,
0 > g(u
, u
) = g(w
0
+ w
+
, w
0
+ w
+
) = g(w
+
, w
+
) 0.
Evidentemente, isso e contradit orio. Como aquela interse cao e nula podemos con-
siderar o subespa co de V formado pela soma direta U
(Nuc g W
+
) e concluir
utilizando um calculo dimensional simples que dimU
dimW
. Do mesmo modo
provamos que dimU
+
dimW
+
. Novamente suponha por absurdo que pelo menos
uma dessas duas desigualdades e estrita, ent ao
dimV = dimU
+ dimNuc g + dimU
+
< dimW
+ dimNuc g + dimW
+
= dimV.
Uma contradi cao. Logo, o inteiro i
= dimW
nao depende da decomposi cao. 2

Corolario 11.6.1 Seja g e uma forma bilinear simetrica no espa co vetorial real V
de dimens ao nita. Entao existe uma base g-ortonormal
= v
1
, ..., v
i
, u
1
, ..., u
i
0
, w
1
, ..., w
i
+
tal que g(v

i
, v
j
) =
ij
, g(w
i
, w
j
) =
ij
e g(u
i
, u
j
) = 0.
Deixaremos para o leitor a responsabilidade pela demonstra cao.
Um par (V, g) e dito espa co pseudoeuclidiano quando V e um espaco vetorial real
de dimens ao nita e g e uma forma bilinear simetrica nao degenerada. Nesse caso,
temos uma decomposi cao g-ortogonal dada pelo Teorema do ndice, na forma
V = W
W
+
,
208 CAP

onde cada parcela da decomposi cao e uma soma direta de espa cos unidimensionais
dois a dois g-ortogonais.
Um espa co pseudoeuclidiano (V, g) de dimensao 4 e dito espa co de Minkowski se
o ndice de Morse de g e i
= 3.
1. Seja A um operador no espa co Euclidiano (V, , )).
(a) Verique que g(u, v) = A(u), A(v)) e uma forma bilinear simetrica.
(b) Calcule os ndices de nulidade e de Morse de g.
2. Todos os ndices associados a uma forma bilinear simetrica g podem ser detectados
por uma base g-ortonormal. Prove que para quaisquer duas bases g-ortonormais e
de V temos as igualdades i
0
=
0
=
0
e i
.
3. Mostre que toda forma bilinear simetrica g em um espaco vetorial real V de dimens ao
n admite uma representacao da forma
[g]
= diagI
i
, [0] , I
i
+
,
onde i
+
= n (i
0
+i
) e [0] e a matriz nula i

0
i
0
.
4. Seja H M(2, C) o subespa co das matrizes Hermitianas (ou autoadjuntas), N
= N.
(a) Verique que H tem uma estrutura natural de um espa co vetorial real de di-
mensao 4 e que = I, H
1
, H
2
, H
3
e uma base ordenada de H, onde os elemen-
tos de sao as matrizes de Pauli,
I =
_
1 0
0 1
_
, H
1
=
_
1 0
0 1
_
, H
2
=
_
0 1
1 0
_
, H
3
=
_
0 i
i 0
_
.
(b) Verique que g(N, P) =
1
2
(tr(NP)tr(N) tr(P)) e uma forma bilinear simetrica
n ao degenerada em H (com valores em 1).
(c) Demonstre as formulas g(N, N) = detN e g(N, I) =
1
2
tr (N).
(d) Conclua que e uma base g-ortonormal.
(e) De uma decomposicao da forma H = W
+
W
e calcule o ndice de g.
(f) Mostre que o espa co g-ortogonal ` a identidade e o conjunto da matrizes Hermi-
tianas com traco nulo.
11.7. FORMAS BILINEARES ANTISIM
ETRICAS 209
5. Seja g uma forma bilinear simetrica no espaco vetorial real V de dimens ao n.
(a) Determine uma base de V para a qual a forma quadr atica associada tem a
forma diagonal q(u) =

n
i=1
i
(x
i
)
2
.
(b) Demonstre a Lei de inercia de Silvestre: o n umero de coecientes positivos em
qualquer forma diagonal de q e o mesmo.
11.7 Formas bilineares antisimetricas
Uma forma bilinear g no espa co vetorial V e antisimetrica quando g(u, v) = g(v, u),
para quaisquer vetores u, v V .
Num espa co vetorial de dimens ao nita uma forma bilinear antisimetrica e reconhe-
cida matricialmente atraves de uma representa cao pois em qualquer base ordenada
de V a matriz [g]
e antisimetrica. A recproca dessa arma cao tambem e verdadeira.

Note que o n ucleo à direita e o n ucleo à esquerda s ao coincidentes, permitindo-nos
denir o ndice de nulidade de (V, g) como sendo o inteiro i
0
= dimNuc g.
Diremos que dois vetores u, v V sao g-ortogonais se g(u, v) = 0. Por essa de-
nicao, todo vetor de V e g-ortogonal a si mesmo pois a condi cao de antisimetria
g(v, v) = g(v, v) implica que g(v, v) = 0. Uma base ordenada = v
1
, v
2
, ..., v
n
sera dita g-ortonormal quando g(v

i
, v
j
) 1, 0, 1.
Na sequencia estaremos interessados em demonstrar que bases g-ortonormais exis-
tem em espacos vetoriais de dimens ao nita. Indicaremos por W(u
0
, v
0
) o subespa co
de V gerado por dois vetores u
0
e v
0
. O complemento ortogonal de W(u
0
, v
0
) e o
conjunto W(u
0
, v
0
)
= v V ; g(v, w) = 0 w W(u
0
, v
0
). Observe que sendo g
nao identicamente nula deve existir dois vetores satisfazendo g(u
0
, v
0
) ,= 0 e, sendo
assim, o subespaco gerado tem dimensao dois pois os vetores s ao necessariamente
linearmente independentes.
Lema 11.7.1 Se g e antisimetrica e g(u
0
, v
0
) ,= 0, ent ao
V = W(u
0
, v
0
) W(u
0
, v
0
)
e Nuc g W(u
0
, v
0
)
.
Demonstra cao Novamente repetiremos a mesma ideia do processo de ortogona-
liza cao de Gram-Schmidt. Dado um vetor u em V considere o vetor
u
= u
g(u, v
0
)
g(u
0
, v
0
)
u
0
+
g(u, u
0
)
g(u
0
, v
0
)
v
0
.
210 CAP

Com uma simples avalia cao estabelecemos as igualdades
g(u
, u
0
) = 0 = g(u
, v
0
),
mostrando que V = W(u
0
, v
0
) + W(u
0
, v
0
)
. Agora consideremos um vetor u

W(u
0
, v
0
) W(u
0
, v
0
)
. Nesse caso, u = u
0
+ v
0
, com , K, e
0 = g(u, v
0
) = g(u
0
+ v
0
, v
0
) = g(u
0
v
0
).
Da conclumos que = 0 desde que, por hip otese, g(u
0
, v
0
) ,= 0. Do mesmo modo,
fazendo a avalia cao g(u, u
0
) obtemos o valor = 0. Em resumo,
W(u
0
, v
0
) W(u
0
, v
0
)
= 0,
provando que a soma dos subespa cos e uma soma direta g-ortogonal. A inclusao
deixaremos como exerccio. 2
Proposicao 11.7.1 Seja g uma forma bilinear antisimetrica num espa co vetorial de
dimens ao nita V . Entao existem vetores u
1
, v
1
, ..., u
k
, v
k
V tais que
V = W(u
1
, v
1
) W(u
2
, v
2
) W(u
k
, v
k
) Nuc g
onde a soma direta e g-ortogonal e g(u
i
, v
i
) = 1. Em consequencia, V admite uma
base g-ortonormal.
Demonstra cao Para evitar trivialidades iremos assumir que g n ao e identicamente
nula, isso implica que dimV 2. A demonstra cao ser a feita por indu cao sobre a
dimensao de V . Se dimV = 2, escolhemos quaisquer vetores u
1
, v
1
V satisfazendo a
condicao g(u
1
, v
1
) ,= 0. A independencia linear dos vetores garante que V = W(u
1
, v
1
).
A menos de substituir o vetor u
1
pelo vetor
1
g(u
1
,v
0
)
u e de reordenar o conjunto u
1
, v
1
,
essa e a decomposi cao desejada e u
1
, v
1
e uma base g-ortonormal. Vamos supor que
a arma cao considerada seja verdadeira para qualquer espa co vetorial de dimens ao
menor ou igual ` a n. Seja g uma forma bilinear antisimetrica em um espaco V de
dimensao n +1. Considere dois vetores n ao nulos, digamos que sejam u
k
, v
k
V, tais
que g(u
k
, v
k
) ,= 0. Pelo lema anterior vale a decomposi cao g-ortogonal
V = W(u
k
, v
k
)
W(u
k
, v
k
).
Note que o subespa co W(u
k
, v
k
)
tem dimensao n1, a restri cao de g e antisimetrica

e Nuc g W(u
k
, v
k
)
. Por hip otese de inducao, podemos facilmente decompor esse

subespaco e obter a decomposi cao de V pretendida. A base ondenada
= u
1
, v
1
u
k
, v
k
,
11.7. FORMAS BILINEARES ANTISIM
ETRICAS 211
onde e uma base ordenada do n ucleo de g, caso n ao seja trivial, e uma base g-
ortonormal. 2
Exerccio 11.7.1 Com as hipotese da proposi cao acima mostre que a representa cao
de g na base e a matriz diagonal de blocos
[g]
= diagJ, J, ..., J
. .
k vezes
, [0], onde J =
_
0 1
1 0
_
e [0] e a matriz nula i
0
i
0
. 2
Um par (V, g) e chamado de espa co simpletico se V e um espaco vetorial real de
dimensao nita e g e uma forma bilinear antisimetrica nao degenerada.
1. Mostre que toda forma bilinear antisimetrica num espaco vetorial unidimensional e
identicamente nula.
2. Prove que a representa cao matricial de uma forma bilinear num espa co vetorial de
dimens ao nita e uma matriz antisimetrica se, e somente se, a forma e antisimetrica.
3. Seja g uma forma bilinear antisimetrica num espaco Euclidiano (V, , )). Construa
um operador linear antisimetrico A : V V tal que g(u, v) = u, A(v)).
4. Prove que o subconjunto /(V, K) B(V, K) formado pelas formas bilineares anti-
simetricas num espaco vetorial V e um subespaco. Qual a dimens ao de /(V, K)
quando dimV = n?
5. Demonstre que o espaco das formas bilineares B(V, K) num espa co vetorial V de-
compoe-se na soma direta B(V, K) = o(V, K) /(V, K) na qual a primeira parcela e o
subespa co das formas bilineares simetricas e a outra e o subespa co das antisimetricas.
6. Denote por o(n, 1) (respect. /(n, 1)) o subespa co de M(n, 1) formado pelas matrizes
simetricas (respec. antisimetricas). Seja g a forma bilinear simetrica em M(n, 1)
denida por g(N, P) = tr (NP). Prove as seguintes arma coes.
(a) g e positiva denida em o(n, 1).
(b) g e negativa denida em /(n, 1).
(c) g(N, P) = 0 N o(n, 1) e P /(n, 1).
212 CAP

(c) Conclua que M(n, 1) = o(n, 1) /(n, 1).
(d) Determine o ndice de g.
7. Determine o ndice da forma bilinear simetrica g(N, P) = tr (NP) tr (N)tr (P) em
M(n, 1).
8. Demonstre que um espa co vetorial real V de dimens ao n admite uma estrutura de
espaco simpletico n = 2m.
9. Fixados v
0
, w
0
1
3
, prove que q : 1
3
1, q(u) = u v
0
, u w
0
) (onde indica o
produto vetorial) e uma forma quadr atica. Determine a matriz de q na base can onica.
10. Seja g uma forma bilinear no espa co vetorial V . Um operador linear A : V V
preserva g se g(A(u), A(v)) = g(u, v).
(a) Mostre que a composta de dois operadores que preservam g e um operador que
preserva g.
(b) Assuma que g e n ao degenerada e demonstre que o conjunto O(g) formado por
todos os operadores lineares que preservam g e um grupo com a opera cao de
composicao de operadores e detA 1, 1.
11. Um operador A preserva a forma quadr atica q associada a uma forma blinear simetrica
g se q(A(v)) = q(v). Prove que A preserva a forma bilinear simetrica g A preserva
a forma quadr atica associada q.
12. Considere a forma bilinear em 1
2
denida por g((x
1
, y
1
), (x
2
, y
2
)) = x
1
y
1
x
2
y
2
.
(a) Verique que g e n ao degenerada.
(b) Calcule o grupo O(g) formado pelos operadores que preservam g.
13. A mesma questao anterior para a forma g((x
1
, y
1
), (x
2
, y
2
)) = x
1
y
2
.
Captulo 12
Matrizes
O leitor familiarizado com os conceitos envolvendo matrizes, se desejar, pode dispensar
a leitura deste captulo. Aqui foram relacionadas todas as deni coes e propriedades
que sao utilizadas no texto. Uma matriz e um objeto matem atico cuja existencia e
independente do conceito de transforma cao linear, embora possua uma rela cao estreita
com tais aplica coes, matrizes tambem sao largamente utilizadas para c alculos em
v arias areas cientcas. Aqui tambem os unicos corpos considerados s ao o corpo dos
n umeros complexos e o corpo dos n umeros reais.
12.1 Matrizes
Uma matriz mn com entradas no corpo K e uma sequencia de escalares N = (a
ij
)
com a
ij
K organizada na forma
N =
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
.
Resumiremos a apresenta cao de uma matriz em N = [a
ij
]. O ndice i de a
ij
indica
a linha na qual a entrada encontra-se e o ndice j indica a coluna. Por outro lado, a
nota cao N
i
indicar a a iesima matriz linha de N, a matriz 1 n cujas entradas s ao
as entradas da i-esima linha de N. Da mesma forma, N
j
indicar a a j-esima matriz
213
214 CAP
ITULO 12. MATRIZES

coluna de N, a matriz m1 formada pelas entradas da jesima coluna de N,
N
i
=
_
a
i1
a
i2
a
in
e N
j
=
_
_
a
1j
a
2j
:
a
mj
_
_
.
Induzimos uma estrutura de espa co vetorial no conjunto das matrizes mn com
entradas emK, conjunto este denotado por M(mn, K), denido a adi cao de matrizes
e a multiplica cao de uma matriz por um escalar, respectivamente por
N + P = [a
ij
+ b
ij
] e N = [a
ij
],
em que N = [a
ij
], P = [b
ij
] M(mn, K) e K. O vetor nulo do espa co e a matriz
identicamente nula, isto e, a matriz com todas as entradas nulas, e N = [a
ij
]. Com
esta estrutura M(mn, K) torna-se um espa co vetorial de dimens ao mn. Chamaremos
de base canonica ao conjunto = E
11
, E
12
, ..., E
mn
, onde E
ij
denota a matriz cuja
ij-esima entrada vale 1 e todas outras entradas sao nulas. A deni cao da estrutura
linear estabelece uma identicacao natural entre o corpo K como espa co vetorial sobre
si mesmo e o espaco das matrizes 1 1 com entradas em K.
Deni cao 12.1.1 Seja N = [a
ij
] M(mn, K)
a) A matriz transposta de N e a matriz N
t
=
_
a
t
ij
M(nm, K) tal que a

t
ij
= a
ji
.
b) A matriz adjunta de N e a matriz N
=
_
a
ij
M(n m, K) tal que a
ij
= a
ji
.
Note que a matriz transposta e a matriz adjunta de uma matriz mn e uma matriz
nm e quando o corpo com o qual estamos trabalhando e o corpo dos n umeros reais
e evidente que N
t
= N
.
Dadas duas matrizes
N = [a
ij
] M(mn, K) e P = [b
ij
] M(n r, K),
utilizamos o fato dos comprimentos das linhas de N ser igual ao comprimento das
colunas de P, para construir uma nova matriz NP = [c
ij
] M(m r, K), chamada
de produto de N por P, cujas entradas sao denidas pela regra
c
ij
= a
i1
b
1j
+ a
i2
b
2j
+ + a
in
b
nj
.
Observe que a matriz produto tem comprimento mr.
12.1. MATRIZES 215
Exerccio 12.1.1 Quando for possvel efetuar as opera coes, demonstre as seguintes
identidades matricias, onde N, P e Q sao matrizes com entradas no corpo K.
(a) N(P + Q) = NP + NQ.
(b) (P + Q)N = PN + QN.
(c) (NP)Q = N(PQ).
(d) (N)P = (NP) = N(P) para qualquer escalar K.
Solu cao Para ilustrar a tecnica de demonstra cao provaremos o item (a). Vamos
assumir que
N = [a
ij
] M(mn, K) e que P = [b
ij
] , Q = [c
ij
] M(n r, K).
Por deni cao de soma de matrizes sabemos que
N(P + Q) = [d
ij
] e d
ij
=
n
k=1
a
ik
(b
kj
+ c
kj
).
Desenvolvendo o ultimo somatorio temos as igualdades
d
ij
=
n
k=1
(a
ik
b
kj
+ a
ik
c
kj
) =
n
k=1
a
ik
b
kj
+
n
k=1
a
ik
c
kj
.
Neste ultimo membro da igualdade, o primeiro somat orio e a ij-esima entrada de NP
e o segundo somat orio e a ij-esima entrada de NP. Portanto, temos que N(P +Q) =
NP + NQ. 2
Exerccio 12.1.2 Demonstre a identidade matricial (NP)
t
= P
t
N
t
onde N = [a
ij
] e
P = [b
ij
] sao matrizes mn e n r, respectivamente. 2
Recordamos que estamos indicando por N
j
a j-esima matriz coluna e por N
i
a
i-esima matriz linha de N M(m n, K). O posto das colunas de N e a dimensao
do subespa co de M(m 1, K) gerado pelas matrizes N
1
, N
2
, ..., N
n
. Em outras
palavras, o posto das colunas de N e o n umero m aximo de colunas linearmente inde-
pendentes. Da mesma forma denimos o posto das linhas de N como sendo a dimensao
do subespa co de M(1n, K) gerado pelas matrizes N
1
, N
2
, ..., N
m
. Na ultima secao
do Captulo 3, existe a demonstra cao de uma propriedade, de certa forma, surpre-
endente: o posto das colunas e igual ao posto das linhas, Teorema do posto de uma
matriz, 3.5.1.
216 CAP
ITULO 12. MATRIZES

1. Verique que
_
N
t
_
t
= N e (N
= N para qualquer matriz N M(mn, K).

2.

E possvel um produto de matrizes ser igual a matriz nula sem que um dos fatores ser
a matriz nula?
3. Prove que a aplicacao : M(mn, K) M(nm, K), (N) = N
t
, e um isomorsmo
linear. Qual a sua inversa?
4. : M(mn, C) M(n m, C), (N) = N
, e um isomorsmo linear?
12.2 Matrizes quadradas
Uma matriz quadrada e uma matriz cujas linhas tem o mesmo comprimento das
colunas. Simplicaremos a nota cao indicando o espa co vetorial das matrizes n n
por M(n, K). Estes espacos vetorias s ao mais ricos em propriedades algebricas do
que os espa cos de matrizes nao quadradas, a diferen ca ca por conta do produto
de matrizes. Ao efetuarmos um produto entre dois elementos de M(n, K) obtendo
uma outra matriz neste mesmo espa co. Observamos que o produto de matrizes e nao
comutativo. Alem disso, a forma quadrada da matriz permite destacar v arios tipos
especiais de matrizes, como veremos na sequencia.
A diagonal de uma matriz N M(n, K) e a subsequencia formada pelas ii-esimas
entradas, (a
11
, a
22
, ..., a
nn
). Diremos que N e uma matriz diagonal quando uma en-
trada nao pertencente ` a diagonal tem o valor zero. Esquematicamente e concisamente
uma matriz diagonal tem as formas, respectivamente,
N =
_
_
a
11
0 0
0 a
22
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
nn
_
_
= diaga
11
, a
22
, ..., a
nn
.
Um caso particular de matriz diagonal e a matriz identidade I denida como
I =
_
_
1 0 0
0 1 0
.
.
.
0 0 1
_
_
.
12.2. MATRIZES QUADRADAS 217
Quando desejamos enfatizar o tamanho n n da matriz identidade utilizamos uma
indexa cao do tipo I
n
. Um outro modo pr atico de indicar a matriz identidade e com o
uso do delta de Kronecker,
ij
=
_
1 se i = j
0 se i ,= j
.
O delta de Kronecker permite-nos descrever a matriz identidade como I
n
= [
ij
]. A
matriz identidade I
n
tem uma propriedade especial. Para qualquer matriz quadrada
n n, N = [a
ij
], valem as identidades matriciais NI
n
= N = I
n

N. A demonstra cao
desta arma cao segue diretamente da deni cao de produto de matrizes.
Deni cao 12.2.1 Uma matriz N M(n, K) e invertvel ou nao singular, se existir
uma matriz P M(n, K) tal que PN = I
n
= NP. Quando existe, a matriz P e
chamada de inversa de N e denotada por N
1
.
Exerccio 12.2.1 Mostre as seguintes arma coes sobre matrizes quadradas invertveis.
(a) Quando uma matriz quadrada tem inversa, a inversa e unica.
(b) Se N e P sao invertveis, entao o produto NP e invertvel e (NP)
1
= P
1
N
1
.
(c) Seja N e P matrizes n n. Prove que NP = I
n
I
n
= PN. 2
As arma coes sobre determinantes contidas neste par agrafo est ao demonstradas
no Captulo 13. Faremos apenas um breve resumo dos fatos necess ario para o desen-
volvimento do texto, antecipando um algoritmo para invers ao de matrizes. Indicamos
por N
ij
a ij-esima matriz reduzida de N M(n, K), isto signica que a matriz N
ij
e
a matriz (n 1) (n 1) obtida de N por supressao da iesima linha e da j-esima
coluna. A matriz dos cofatores de N e a matriz n n denida como
C
N
= [c
ij
] em que c
ij
= (1)
i+j
det N
ij
.
A adjunta classica de N e a matriz tranposta da matriz dos cofatores, adj(N) = C
t
N
.
Um resultado bem conhecido da Teoria dos determinantes arma que
N adj(N) = (det N)I
n
= adj(N)N.
Da segue imediatamente a propriedade: N M(n, K) e invertvel se, e somente se,
det N ,= 0. Mais ainda, a inversa de N, se existe, e
N
1
=
1
det N
adj(N).
218 CAP
ITULO 12. MATRIZES

Deni cao 12.2.2 Sejam N, P M(n, K). Diremos que N e conjugada ` a P quando
existe uma matriz invertvel R M(n, K) tal que P = RNR
1
.
1. A ttulo de deni cao descreveremos varios subconjunto de M(n, K). Mostre que eles
sao subespa cos e calcule as dimensoes.
(a) Tra co nulo: oL = [a
ij
] M(n, K); a
11
+ +a
nn
= 0.
(b) Triangulares superiormente: T o = [a
ij
] M(n, K); a
ij
= 0 se i > j.
(c) Triangulares inferiormente: T 1 = [a
ij
] M(n, K); a
ij
= 0 se i < j.
2. Calcule as potencias N
i
, i = 0, 1, 2..., das matrizes.
(a) N =
_
_
0 a b
0 0 c
0 0 0
_
_
. (b) N =
_
a 0
0 b
_
. (c) N =
_
1 1
0 1
_
.
3. Prove que conjuga cao e uma relacao de equivalencia em M(n, K).
4. Se N e conjugada ` a P, demonstre que valem as armacoes.
(a) N
i
e conjugada ` a P
i
, para todo inteiro i 0.
(b) Se N e invertvel ent ao P e invertvel.
(c) Se N e invertvel ent ao N
i
e conjugada ` a P
i
, para todo inteiro i Z.
5. Calcule a adjunta cl assica da matriz
N =
_
a b
c d
_
.
6. Mostre que se N M(n, K) e invertvel ent ao N
t
e N
sao invertveis e explicite as

inversas.
7. Explique por que o produto de matrizes n ao induz uma estrutura de grupo em
M(n, K).
8. Considere a aplicacao A : M(2, K) M(2, K), A(P) = PN
0
,
onde N
0
e a matriz dada ao lado. Mostre que Ae um operador
e calcule uma base para o n ucleo e uma para a imagem.
N =
_
1 1
2 2
_
.
9. Seja N
0
uma matriz invertvel 22 com entradas no corpo K. Veriqe que a aplica cao
A : M(2, K) M(2, K), A(P) = PN
0
, e um isomorsmo linear e explicite a sua
inversa.
12.3. MATRIZES NORMAIS 219
12.3 Matrizes normais
Embora a apresenta cao de matrizes normais possa ser feita de forma unicada, sem
ressaltar o corpo com o qual estamos trabalhando, faremos a apresenta cao, primeiro
para o corpo dos n umeros reais e depois para o corpo dos n umeros complexos, deixando
mais claras as diferen cas. Alem disso, como a nomenclatura matricial que utilizamos
e classica, temos mais um motivo para separar as deni coes.
Matrizes normais com entradas reais. Uma matriz N M(n, 1) e chamada
de matriz normal quando ela comuta com a sua transposta, NN
t
= N
t
N. Dentre as
matrizes normais com entradas reais destacamos tres tipos especiais, a saber:
a) matriz simetrica, se N
t
= N;
b) matriz antisimetrica, se N
t
= N;
c) matriz ortogonal, se N
t
N = I
n
= NN
t
.
E um exerccio elementar vericar que os tres tipos de matrizes acima denidos sao
matrizes normais.
Matrizes normais com entradas complexas Uma matriz N M(n, C) e
chamada de matriz normal quando ela comuta com a sua adjunta, NN
= N
N.
Dentre as matrizes normais com entradas complexas destaca-se tres tipos:
a) matriz autoadjunta, se N
= N;
b) matriz antiadjunta, se N
= N;
c) matriz unitaria, se N
N = I
n
= NN
.
1. Verique que os seguintes conjuntos s ao subespa cos e calcule as dimensoes.
a) Simetricas: o = N M(n, 1); N
t
= N.
b) Antisimetricas: /o = N M(n, 1) N
t
= N.
c) Autoadjuntas: /
= N M(n, C); N
= N.
d) Antiadjuntas: //
= N M(n, C); N
= N.
220 CAP
ITULO 12. MATRIZES

2. O conjunto das matrizes ortogonais n n e um subespaco de M(n, K)?
3. Classique as matrizes normais com entradas complexas.
a) N =
_
0 i
i 0
_
. b) N =
_
cos sen
sen cos
_
.
c) N =
_
_
1 3 1
3 0 5
1 5 7
_
_
. d) N =
_
_
2 3 +i 1
3 i 6 5 2i
1 5 + 2i 7
_
_
.
4. Dadas duas matrizes N, P M(n, 1), verique as arma coes.
(a) NN
t
e uma matriz simetrica.
(b) NP P
t
N
t
e uma matriz antisimetrica.
(c) Se N e normal ent ao todas as potencias positivas de N sao normais.
5. Descreva todas as matrizes ortogonais Q M(2, 1).
6. Prove que o produto de matrizes induz uma estrutura de grupo nos conjuntos.
(a) O(n, 1) = Q M(n, 1); QQ
t
= I
n
= Q
t
Q.
(b) U(n, C) = U M(n, C); UU
= I
n
= U
U.
7. Demonstre que M(n, C) decompoe-se numa soma direta na qual uma das parcelas e
o espaco da matrizes autoadjuntas e a outra parcela e o espaco das matrizes antiad-
juntas. Enuncie e demonstre uma arma cao an aloga para M(n, 1).
Captulo 13
Determinantes
Esse e um captulo complementar. Novamente, se o leitor est a familiarizado com a
teoria pode dispensar a leitura. A partir desse momento, a menos que seja dito o
contr ario, indicaremos por K um anel comutativo com identidade cujos elementos
continuar ao sendo chamados de escalar. Esta escolha tem uma explica cao. Estamos
interessados em apresentar a teoria de determinates tanto para matrizes cujas entradas
sao elementos de um corpo quanto para matrizes cujas entradas s ao polin omios. A
demonstra cao da existencia do determinante e indutiva e a apresenta cao escolhida
est a baseada num elegante tratamento dado por Artin [1] e detalhado com muita
simplicidade por Lang [11].
13.1 Determinante
Deniremos determinante como uma aplica cao de um espa co de matrizes quadradas
com entradas no anel K tomando valores neste mesmo anel, det : M(n, K) K,
satisfazendo algumas propriedades que ser ao especicadas nos pr oximos par agrafos.
Com o prop osito de recordar apresentemos tres exemplos.
Exemplo 13.1.1 1) Considerando a identica cao natural entre as matrizes 1 1 e
o anel das entradas K, denimos o determinante de um escalar como sendo o pr oprio
escalar.
2) Para matrizes 2 2 denimos a aplica cao det : M(2, K) K pela regra
det
_
a
11
a
12
a
21
a
22
_
= a
11
a
22
a
12
a
21
.
Verica-se diretamente da denicao as seguintes propriedades, onde K.
221
222 CAP
ITULO 13. DETERMINANTES

a) det I
2
= 1;
b) det
_
a
11
a
12
a
21
a
22
_
= 0, se as colunas N
1
e N
2
sao iguais;
c) det
_
a
11
+ b
11
a
12
a
21
+ b
21
a
22
_
= det
_
a
11
a
12
a
21
a
22
_
+ det
_
b
11
a
12
b
21
a
22
_
;
d) det
_
a
11
a
12
+ b
12
a
21
a
22
+ b
22
_
= det
_
a
11
a
12
a
21
a
22
_
+ det
_
a
11
b
12
a
21
b
22
_
.
As identidades (c) e (d) dizem que o determinante como uma aplica cao das duas
matrizes colunas possui as propriedades de uma transforma cao linear ao xarmos uma
das colunas. Essa lista de propriedades sera utilizada para dernirmos a aplica cao
determinante num espa co vetorial de matrizes quadradas n n.
3) Recordemos a deni cao de determinante de uma matriz 3 3. A regra que
apresentaremos ser a generalizada para demonstrar indutivamente a existencia de um
determinante no espa co das matrizes n n. Dena det : M(3, K) K pela regra
conhecida como desenvolvimento de Laplace por uma linha, que no nosso caso ser a o
desenvolvimento pela primeira linha,
det
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
= a
11
det
_
a
22
a
23
a
32
a
33
_
a
12
det
_
a
21
a
23
a
31
a
33
_
+a
13
det
_
a
21
a
22
a
31
a
32
_
.
Verica-se diretamente dessa f ormula que essa det satisfaz as mesmas propriedades:
(a) o determinante da matriz identidade 3 3 tem o valor 1; (b) se duas colunas
adjacentes sao iguais ent ao do determinante da matriz e nulo; (c) e (d) o determinante
e uma aplica cao linear numa coluna quando xamos as outras colunas. 2
1. Calcule os determinantes das matrizes com entradas complexas.
(a) N =
_
2 2
4 1
_
. (b) N =
_
_
i 0 2i
1 3 1
i 2 0
_
_
. (c) N =
_
_
1 3 4
1 1 0
1 2 1
_
_
.
13.2. DEFINIC

AO 223
2. Calcule os determinates das matrizes com entradas em 1[t].
(a) N =
_
3t 1 t 1
t + 1 t 1
_
. (b) =
_
_
1 0 0
t 1 0
t t 1
_
_
.
13.2 Deni cao
Recordamos que dada uma matriz N = [a
ij
] M(n, K) estamos indicando por N
j
a j-
esima matriz coluna de N. Ao escrevermos N = (N
1
, N
2
, ..., N
n
) car a subentendido
a identica cao de N com um elemento do produto direto
M(n 1, K) M(n 1, K) M(n 1, K)
. .
n vezes
,
via o isomorsmo linear natural existente entre o espa co vetorial M(n, K) e esse
produto direto. Quando for conveniente trocaremos de nota cao sem mais explica coes.
Deni cao 13.2.1 Uma aplicacao T : M(n, K) K sera chamada de determinante
se possui as seguintes propriedades.
1. T(I
n
) = 1.
2. T(N
1
, ..., N
j
, N
j+1
, ..., N
n
) = 0 se N
j
= N
j+1
para algum j, 1 j n 1.
3. T(N
1
, ..., N
j
+ P, ..., N
n
) = T(N
1
, ..., N
j1
, N
j
, N
j+1
, ..., N
n
)+
T(N
1
, ..., N
j1
, P, N
j+1
, ..., N
n
),
para qualquer matriz coluna P M(n 1, K) e qualquer K.
Posteriormente demonstraremos que para cada espa co M(n, K) existe uma unica
aplica cao satisfazendo essas tres condicoes. Antes vejamos algumas propriedades co-
nhecidadas sobre o c alculo de determinantes que s ao conseq uencias da deni cao.
Proposicao 13.2.1 Assuma que exista uma aplica cao T : M(n, K) K satisfazendo
as condic oes da Denicao 13.2.1. Seja N M(n, K). Entao valem as arma coes.
a) Se uma coluna de N e nula ent ao T(N) = 0.
224 CAP

b) O determinante troca de sinal quando duas colunas adjacentes s ao permutadas.
c) Quando duas colunas de N sao iguais, o seu determinante e nulo.
d) Se P e uma matriz obtida somando-se a uma coluna de N uma combinacao
linear de outras colunas, ent ao T(P) = T(N).
e) Se uma coluna de N e uma combina cao linear de outras colunas ent ao T(N) =
0.
Demonstra cao a) Suponha que N = (N
1
, ..., N
j1
, [0] , N
j+1
, ..., N
n
). Seguem da
propriedade 3 as igualdades,
T(N) = T(N
1
, ..., N
j1
, [0] + [0] , N
j+1
, ..., N
n
) = 2T(N).
De onde obtemos que T(N) = 0.
b) Observamos que T(N
1
, ..., N
j
+N
j+1
, N
j
+N
j+1
, ..., N
n
) = 0 pois duas colunas
sao iguais. Utilizando-se da propriedade 2 e 3, ao desenvolvermos esse determinante
obtemos apenas duas parcelas, quais sejam
0 = T(N
1
, ..., N
j
, N
j+1
, ..., N
n
) +T(N
1
, ..., N
j+1
, N
j
, ..., N
n
),
demonstrando a arma cao 2.
c) Suponha que as as colunas N
j
1
e N
j
2
da matriz N sao iguais. Com uma
sequencia de transposi cao de colunas e possvel colocar essas duas colunas iguais
em posicoes adjacentes. Pelo item anterior, o determinante da matriz P obtida no
nal das transposi coes difere do determinante de N possivelmente por sinal. Como
T(P) = 0, ent ao T(N) = 0.
d) Fixemos a coluna N
j
0
da matriz N = (N
1
, N
2
, ..., N
n
) e escolhamos r escalares
a
j
1
, a
j
2
, ..., a
jr
K indexados por inteiros satisfazendo as condi coes 1 j
s
n e
j
s
,= j
0
. Consideremos a matriz
P =
_
N
1
, ..., N
j
0
1
, N
j
0
+
r
s=1
a
js
N
js
, N
j
0
+1
, ..., N
n
_
.
Avaliando-se o determinante de P, levando-se em consideracao a propriedade d3,
temos que
T(P) = T(N) +
r
s=1
a
js
T(N
1
, ..., N
j
0
1
, N
js
, N
j
0
+1
, ..., N
n
).
13.3. EXIST
ENCIA 225
Examinemos as parcelas do somat orio. Como a matriz coluna N
js
em cada parcela e
igual a uma outra matriz coluna, pelo item anterior, conclumos que o determinante
de cada parcela e nulo, portanto, T(P) = T(N).
e) Vamos assumir que a coluna N
j
da matriz N = (N
1
, N
2
, ..., N
n
) e uma com-
bina cao linear de outras colunas. Para anular a coluna N
j
basta somar uma com-
bina cao linear conveniente das outras colunas, obtendo uma matriz na forma P =
(N
1
, ..., [0] , ..., N
n
). Por itens anteriores segue que T(N) = T(P) = 0. 2
1. Justique o valor zero para o determinante das matrizes.
(a) N =
_
_
1 3 1
2 0 2
1 2 1
_
_
. (b) N =
_
_
2 1 3
1 3 2
1 3 4
_
_
. (c) N =
_
_
1 0 2
3 0 1
1 0 2
_
_
.
13.3 Existencia
Para construir um determinante det : M(n, K) K necessitaremos de algumas
nota coes. Indicaremos por N
ij
a matriz (n1)(n1) obtida de N = [a
ij
] M(n, K)
por supressao da i-esima linha e da j-esima coluna. Chamaremos N
ij
de ij-esima
matriz reduzida de N. Recordando a deni cao de determinante de uma matriz
N = [a
ij
] M(3, K), e possvel reescrever aquela f ormula utilizando-se as matrizes
reduzidas,
det
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
= a
11
det N
11
a
12
det N
12
+ a
13
det N
13
.
Proposicao 13.3.1 Para cada inteiro n > 0 existe uma aplica cao satisfazendo as
con-di coes da Denic ao 13.2.1.
Demonstra cao Como foi comentado anteriormente a demonstra cao da existencia de
um determinante para cada inteiro positivo n e indutiva. J a sabemos que existem
determinantes em M(1, K), M(2, K) e M(3, K). Vamos supor por indu cao que j a
tenhamos mostrado a existencia de um determinante em cada espa co vetorial M(r, K),
226 CAP

1 r n 1 Dena uma aplica cao det : M(n, K) K pela regra conhecida como
desenvolvimento de Laplace pela primeira linha,
det [N] = (1)
1+1
a
11
det N
11
+ (1)
1+2
a
12
det N
12
+ + (1)
1+n
a
1n
det N
1n
.
Mostremos que esta aplica cao satisfaz as condi coes da Deni cao 13.2.1.
1. Se I
n
= [
ij
] e a matriz identidade nn, e evidente que I
11
e a matriz identidade
(n 1) (n 1). Portanto,
det I
n
= (1)
1+1
11
det I
11
+ (1)
1+2
12
det I
12
+ + (1)
1+n
1n
det I
1n
= det I
11
= det I
n1
.
Logo, det I
n
= 1, desde que por hip otese de inducao temos que det I
n1
= 1.
2. Suponha que as coluna N
j
0
e N
j
0
+1
da matriz N = [a
ij
] M(n, K) sejam iguais.
Sendo assim, se K ,= j
0
as 1k-esimas matrizes reduzidas de N possuem duas colunas
iguais, implicando por hip otese de inducao que
det [N] = (1)
1+1
a
11
det N
11
+ (1)
1+2
a
12
det N
12
+ + (1)
1+n
a
1n
det N
1n
= (1)
1+j
0
a
1j
0
det N
1j
0
+ (1)
1+j
0
+1
a
1 j
0
+1
det N
1 j
0
+1
.
A igualdades entre as colunas N
j
0
e N
j
0
+1
implica na igualdade entre as entradas
a
1j
0
e a
1 j
0
+1
e na igualdade das matrizes reduzidas N
1j
0
e N
1 j
0
+1
. Examinado-se os
expoentes (1)
1+j
0
e (1)
1+j
0
+1
na ultima equa cao conclumos que det N = 0.
3. Mostremos a multilinearidade da aplica cao det : M(n, K) K. Dados um
escalar K, uma matriz N = [a
ij
] M(n, K) e a matriz coluna P
j
0
= [b
ij
0
]
M(n 1, K), calculemos o determinante de
Q = [c
ij
] =
_
N
1
, ..., N
j
0
+ P
j
0
, ..., N
n
_
.
Para isto, identiquemos as parcelas das matrizes reduzidas de Q utilizando a nota cao
P = ([0] , ..., [0] , P
j
0
, [0] , ..., [0]). Sendo assim, temos as matrizes
Q
1k
= N
1k
+ P
1k
se k ,= j
0
,
Q
1j
0
= N
1j
0
.
13.4. UNICIDADE 227
A hipotese de inducao sobre a multilinearidade do determinante para matrizes (n
1) (n 1) justica as igualdades
det Q =
n
k=1
(1)
1+k
c
1k
det Q
1k
=
_
k=j
0
k=1,n
(1)
1+k
a
1k
det (N
1k
+ P
1k
)
_
+ (1)
1+j
0
(a
1j
0
+ b
1j
0
) det N
1j
0
=
_
n
k=1
(1)
1+k
a
1k
det N
1k
_
+ det
_
N
1
, ..., P
j
0
, ..., N
n
_
= det N + det
_
N
1
, ..., P
j
0
, ..., N
n
_
,
como queramos demonstrar. 2
1. Calcule o determinante das matrizes.
(a) N =
_
_
1 0 0 1
2 1 1 0
0 2 0 4
1 0 2 0
_
_
. (b) N =
_
_
1 2 3
1 2 1
1 0 1
_
_
.
2. Mostre a identidade
det
_
_
1 x x
2
1 y y
2
1 z z
2
_
_
= (x y)(y z)(z x).
13.4 Unicidade
Para mostrar a unicidade da aplica cao determinante nas matrizes quadradas n n
utilizaremos o grupo das permuta coes de um conjunto com n elementos. Caso o leitor
deseje rever as propriedades deste grupo indicamos o Captulo 14.
Proposicao 13.4.1 Um determinante T : M(n, K) K satisfaz a express ao
T(N
1
, N
2
, ..., N
n
) =
sin()a
(1),1
a
(2),2
...a
(n),n
,
228 CAP

onde N = [a
ij
] e o somat orio e sobre todas as permuta coes dos inteiros 1, 2, ..., n.
Essa express ao so depende das propriedades d1, d2 e d3 da Denic ao 13.2.1. Em con-
sequencia, existe um, e somente, um determinante denido em cada espa co M(n, K).
Demonstra cao Seja E
j
a matriz coluna cuja unica entrada diferente de zero e a
j1
.
Note que as colunas da matriz N sao combina coes lineares dessas matrizes,
N
1
= a
11
E
1
+ a
21
E
2
+ + a
n1
E
n
,
N
2
= a
12
E
1
+ a
22
E
2
+ + a
n2
E
n
,

N
n
= a
1n
E
1
+ a
2n
E
2
+ + a
nn
E
n
.
Utilizando as propriedades d1 e d2 da deni cao de determinante, o valor de T(N)
pode ser escrito como
T(N
1
, N
2
, ..., N
n
) =
T
_
a
(1),1
E
(1)
, a
(2),2
E
(2)
, ..., a
(n),n
E
(n)
_
=
a
(1),1
a
(2),2
...a
(n),n
T
_
E
(1)
, E
(2)
, ..., E
(n)
_
Como a matriz E
=
_
E
(1)
, E
(2)
, ..., E
(n)
_
e obtida da identidade I
n
= (E
1
, ..., E
n
)
por uma sequencia de transposi coes de duas colunas adjacentes e cada transposicao
de duas colunas adjacentes troca apenas o sinal do determinate mas n ao o seu valor
absoluto, no nal do processo se tivermos realizado k() transposicoes teremos o valor
T
_
E
(1)
, E
(2)
, ..., E
(n)
_
= (1)
k()
T
_
E
1
, E
2
, ..., E
n
_
= (1)
k()
T(I
n
)
= sin().
Logo, um determinante T : M(n, K) K e descrito pela expressao
T(N
1
, N
2
, ..., N
n
) =
sin()a
(1),1
a
(2),2
...a
(n),n
.
Como essa express ao s o depende das propriedades de determinante, ca estabelecida
a unicidade, pois a existencia ja foi exibida na se cao anterior. 2
13.5. PROPRIEDADES 229
1. Demonstre utilizando indu cao sobre n que o determinante de uma matriz triangular
superiormente e o produto das entradas da diagonal.
2. Dena indutivamente a aplica cao

det : M(n, K) K por
det [N] = (1)

i+1
a
i1
detN
i1
+ (1)
i+2
a
i2
detN
i2
+ + (1)
i+n
a
in
detN
in
.
(desenvolvimento de Laplace pela i-esima linha). Prove que essa aplica cao e um
determinante e conclua que det N =

detN.
3. Uma aplicacao / : M(n, K) K e chamada de n-linear alternada se possui as
propriedades,
la.1 /(N
1
, ..., N
j
, N
j+1
, ..., N
n
) = 0 se N
j
= N
j+1
para algum j.
la.2 /(N
1
, ..., N
j
+P, ..., N
n
) = /(N
1
, ..., N
j1
, N
j
, N
j+1
, ..., N
n
+
. /(N
1
, ..., N
j1
, P, N
j+1
, ..., N
n
),
para quaisquer P M(n 1, K) e K. Mostre que /(N) = /(I
n
) det(N).
13.5 Propriedades
Provaremos nessa se cao algumas propriedades sobre determinantes bastante conhe-
cidas e utilizadas anteriormente ao longo do texto, inclusive em demonstra coes de
proposi coes. Iniciaremos mostrando que o determinante da transposta de uma matriz
N = [a
ij
] M(n, K) e igual ao determinante de N.
Proposicao 13.5.1 Vale a igualdade det N = det N
t
.
Demonstra cao Como sabemos, o determinante da matriz N = [a
ij
] e calculado pela
expressao
det N =
sin()a
(1),1
a
(2),2
...a
(n),n
,
onde o somat orio e feito sobre todas as permuta coes do conjunto 1, 2, ..., n. Se
1
e a permuta cao inversa de e (i) = j ent ao a
(i),i
= a
j,
1
(j)
. Portanto, valem as
igualdades dos produtos
a
(1),1
a
(2),2
...a
(n),n
= a
1,
1
(1)
a
2,
1
(2)
...a
n,
1
(n)
.
230 CAP

Desde que o sinal de uma permuta cao e igual ao sinal de sua permuta cao inversa
podemos escrever
det N =
1
sin(
1
)a
1,
1
(1)
a
2,
1
(2)
...a
n,
1
(n)
=
sin()a
1,(1)
a
2,(2)
...a
n,(n)
= det N
t
,
como desejavamos provar. 2
Proposicao 13.5.2 det NP = det N det P, para quaisquer matrizes N, P M(n, K).
Demonstra cao Utilizaremos as nota coes N = [a
ij
], P = [b
ij
] e Q = NP = [c
ij
]. A
jesima matriz coluna da matriz produto Q e uma combina cao linear das colunas de
N cujos coecientes sao as entradas de P, mais precisamente
Q
j
= b
1j
N
1
+ b
2j
N
2
+ + b
nj
N
n
.
Calculemos o determinante do produto levando em considera cao essa combina cao
linear,
det NP = det
_
Q
1
, Q
2
, ..., Q
n
_
= det
_
n
k=1
b
k1
N
k
, ...,
n
k=1
b
kn
N
k
_
=
det
_
b
(1),1
N
(1)
, b
(2),2
N
(2)
, ..., b
(n),n
N
(n)
_
=
b
(1),1
b
(2),2
...b
(n),n
det
_
N
(1)
, N
(2)
, ..., N
(n)
_
.
A matriz N =
_
N
(1)
, N
(2)
, ..., N
(n)
_
e obtida da matriz N = (N
1
, N
2
, ..., N
n
) por
uma sequencia de transposi coes de duas colunas adjacentes. Como cada transposicao
de duas colunas adjacentes troca o sinal do determinante, no nal do processo se
tivermos realizado k() transposicoes obteremos o resultado
det
_
N
(1)
, N
(2)
, ..., N
(n)
_
= (1)
k()
det
_
N
1
, N
2
, ..., N
n
_
.
Finalmente, como sin() = (1)
k()
, obtemos
det NP =
b
(1),1
b
(2),2
...b
(n),n
det
_
N
1
, N
2
, ..., N
n
_
= det N det P,
como queramos demonstrar. 2
13.6. ADJUNTA CL
ASSICA 231
1. Demonstre as seguintes armacoes sobre uma matriz N M(n, K).
(a) Se duas linhas de N sao iguais ent ao det N = 0.
(b) Se N e obtida de M adicionando-se a uma linha de M uma combina capo linear
de outras linhas ent ao det N = det M.
2. Demonstre que o determinante de uma matriz N = [a
ij
] M(n, K) tambem pode ser
calculado com o desenvolvimento de Laplace pela j-esima coluna,
det [N] = (1)
1+j
a
1j
det N
1j
+ (1)
2+j
a
2j
det N
2j
+ + (1)
n+j
a
nj
det N
nj
.
3. Sejam K um corpo e A : K
n
K
n
um operador linear. Se v
1
, v
2
, ..., v
n
e uma
colecao de n vetores em K
n
demonstre a f ormula,
det
_
[A(v
1
)]
, [A(v
2
)]
, ..., [A(v
2
)]
_
= det [A]
_
[v
1
]
, [v
2
]
, ..., [v
2
]
_
,
onde e uma base ordenada de K
n
.
13.6 Adjunta classica
Apresentaremos um algoritmo envolvendo as ij-esimas matrizes reduzidas de uma
matriz N = [a
ij
] M(n, K) cuja consequencia e uma f ormula que explicita quando
uma matriz quadrada com entradas num anel K admite uma inversa e deixa claro
como devemos construir a inversa de uma matriz, caso exista. O ij-esimo cofator da
matriz N = [a
ij
] e o elemento de K denido como
c
ij
= (1)
i+j
det N
ij
,
e a adjunta classica de N e a matriz transposta da matriz dos cofatores,
ad(N) = [c
ij
]
t
.
Exemplo 13.6.1 Calculemos a adjunta cl assica da matriz N com entradas em 1[t],
N =
_
_
1 t 0
t 1 t
2
t + 1
1 0 2
_
_
.
232 CAP

Para isso, calculemos os cofatores e formemos a matriz
ad(N) =
_
_
det N
11
det N
21
det N
31
det N
12
det N
22
det N
32
det N
13
det N
23
det N
33
_
_
=
_
_
2t
2
2t t
2
+ t
1 3t 2 t 1
t
2
t t
_
_
. 2
Exerccio 13.6.1 Verique que ad(N
t
) = ad(N)
t
. Sugest ao: N
ij
= N
t
ji
! 2
A proposi cao a seguir descreve relacoes matriciais envolvendo uma matriz, sua
adjunta classica e seu determinante, com v arias e importantes consequencias.
Proposicao 13.6.1 ad(N)N = (det N)I
n
= Nad(N).
Demonstra cao Escrevamos a jk-esima entrada do produto ad(N)N = [d
ij
] onde
N = [a
ij
] e ad(N) =
_
c
t
ij
,
d
jk
= c
t
j1
a
1k
+ c
t
j2
a
2k
+ + c
t
jn
a
nk
.
= (1)
1+j
a
1k
c
1j
+ (1)
2+j
a
2k
c
2j
+ + (1)
n+j
a
nk
c
nj
= (1)
1+j
a
1k
N
1j
+ (1)
2+j
a
2k
N
2j
+ + (1)
n+j
a
nk
N
nj
.
Da conclumos que se k = j, temos o valor d
jj
= det N pois a ultima linha e o
desenvolvimento de Laplace do determinante de N pela j-esima coluna.
Denote por P = [b
ij
] a matriz obtida de N substituindo a coluna N
j
0
pela coluna
N
k
, para j
0
,= k. Sendo assim valem as igualdades det P = 0 e P
ij
0
= N
ij
0
. Calculemos
o determinante de P com o desenvolvimento pela j
0
esima coluna,
0 = det P
= (1)
1+j
0
b
1j
0
det P
1j
0
+ (1)
2+j
0
b
2j
0
det P
2j
0
+ + (1)
n+j
0
b
nj
0
det P
nj
0
= (1)
1+j
0
a
1k
det N
1j
0
+ (1)
2+j
0
a
2k
det N
2j
0
+ + (1)
n+j
0
a
nk
det N
nj
0
= (1)
1+j
0
a
1k
c
1j
0
+ (1)
2+j
0
a
2k
c
2j
0
+ + (1)
n+j
0
a
nk
c
nj
0
= c
t
j
0
1
a
1k
+ c
t
j
0
2
a
2k
+ + c
t
j
0
n
a
nk
= d
j
0
k
,
mostrando que o produto da adjunta cl assica de N com N e da forma
ad(N)N =
_
_
det N
det N
.
.
.
det N
_
_
= (det N)I
n
.
13.6. ADJUNTA CL
ASSICA 233
Para nalizar, utilizaremos a identidade ad(N
t
) = ad(N)
t
,
Nad(N) = (ad(N)
t
N
t
)
t
= (ad(N
t
)N
t
)
t
= ((det N
t
)I
n
)
t
= (det N)I
n
,
com isso concluimos a demonstra cao da proposi cao. 2
Corolario 13.6.1 Assuma que K e um corpo. Uma matriz N M(n, K) e invertvel
det N ,= 0. Mais ainda, se N e invertvel ent ao
a) N
1
=
1
det N
ad(N);
b) detN
1
= (det N)
1
.
1. Se ad bc ,= 0 mostre que
N =
_
a b
c d
_
e invertvel e N
1
=
1
ad bc
_
d b
c a
_
.
2. Calcule a inversa da matriz N, se existir.
(a) N =
_
1 1
1 2
_
. (b) N =
_
_
2 10 3
0 1 3
0 0 2
_
_
. (c) N =
_
_
1 1 3
4 2 3
5 1 6
_
_
.
3. Determine det N, ad(N) e N
1
para
N =
_
_
2 0 5
1 2 1
3 1 3
_
_
.
4. Dada a matriz por blocos
N =
_
P Q
[0] R
_
,
onde P e R sao matrizes quadradas, demonstre a f ormula det N = (det P)(det R).
5. Prove que o determinante e invariante por conjuga cao de matrizes.
6. Sejam u = (a
1
, a
2
, a
3
), v = (b
1
, b
2
, b
3
), w = (c
1
, c
2
, c
3
) 1
3
. Demonstre que
= u, v, w e linearmente dependente se det
_
_
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
_
_
= 0.
7. Enuncie e demonstre um resultado equivalente para n vetores em 1
n
.
8. Mostre que ad(PQ) = ad(Q)ad(P) para quaisquer matrizes quadradas P e Q.
234 CAP

13.7 Regra de Cramer
Coloquemos o seguinte problema: determinar n escalares x
1
, x
2
, ..., x
n
em um corpo
K satisfazendo as condi coes,
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2

a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
,
onde os coecientes a
ij
e os valores b
k
sao escalares conhecidos. Uma expressao
como esta e chamada de sistema linear com m equa coes e n incognitas. Existe uma
apresenta cao matricial muito c omoda para um sistema linear, a saber,
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
x
1
x
2
:
x
n
_
_
=
_
_
b
1
b
2
:
b
m
_
_
.
Em resumo, escrevemos NX = P. Dessa apresenta cao matricial de sistemas obtemos
uma outra mais apropriada para os nossos objetivos,
x
1
_
_
a
11
a
21
:
a
m1
_
_
+ x
2
_
_
a
12
a
22
:
a
m2
_
_
+ + x
n
_
_
a
1n
a
2n
:
a
mn
_
_
=
_
_
b
1
b
2
:
b
m
_
_
,
ou mais compactamente,
x
1
N
1
+ x
2
N
2
+ + x
n
N
n
= P.
No que segue, iremos nos restringir ao estudo de um sistema linear de n equa coes
com n incognitas. Neste caso, a matriz N e uma matriz quadrada nn, possibilitando
utilizar a Teoria de determinantes a m encontrar os valores das inc ognitas atraves
de um metodo chamado de Regra de Cramer. Para isso, calculemos o determinante
da matriz obtida por substitui cao da i
0
-esima coluna de N pela matriz coluna P,
det
_
N
1
, ..., N
i
0
1
, P, N
i
0
+1
, ..., N
n
_
= det
_
N
1
, ..., N
i
0
1
,
j
x
j
N
j
, N
i
0
+1
, ..., N
n
_
=
j
x
j
det
_
N
1
, ..., N
i
0
1
, N
j
, N
i
0
+1
, ..., N
n
_
.
13.7. REGRA DE CRAMER 235
Quando j ,= i
0
o valor do determinante det (N
1
, ..., N
i
0
1
, N
j
, N
i
0
+1
, ..., N
n
) e nulo
pois duas colunas s ao iguais. Por outro lado, quando j = i
0
temos a igualdade,
det
_
N
1
, ..., N
i
0
1
, N
j
, N
i
0
+1
, ..., N
n
_
= det N.
Retornando com estes dados obtemos
det
_
N
1
, ..., N
i
0
1
, P, N
i
0
+1
, ..., N
n
_
= x
i
0
det N.
Os coment arios acima mostram a Regra de Cramer, registrada na seguinte proposi cao.
Proposicao 13.7.1 Suponha que NX = P e um sitema linear nn no corpo K. Se
det N ,= 0 ent ao
x
i
=
det Q
det N
, para i = 1, 2, ..., n,
onde Q e a matriz obtida por substitui cao da i-esima coluna de N pela matriz P.
1. Resolva os seguintes sistemas em 1.
(a)
_
_
_
2x + 2y +z = 5
6x y + 2z = 1
2x 4y = 0
. (b)
_
_
_
2x 6y z = 0
4x + 5y + 3z = 11
3x + 4y + 2z = 0
.
Captulo 14
Estruturas algebricas
Para comodidade do leitor, apresentaremos sem detalhes algumas estruturas algebricas
utilizadas no texto. Maiores informa coes podem ser obtidas consultando-se um livro
de

Algebra.
14.1 Grupos
Deni cao 14.1.1 Um conjunto G e dito ser um grupo se existe uma opera cao binaria
GG G, (x, y) x.y,
chamada de produto, satisfazendo os seguintes axiomas:
1. existe um elemento e G, chamado de identidade, tal que ex = x = xe para
qualquer x G;
2. a opera c ao e associativa: (x.y).z = x.(y.z) para quaisquer x, y, z G;
3. para cada x G existe um elemento x
1
G, chamado de inverso de x, tal que
x.x
1
= e = x
1
.x.
Mostra-se facilmente que num grupo so existe uma unica identidade, bem como
cada elemento s o admite um unico inverso. Um subconjunto H de um grupo G e
dito ser um subgrupo quando ele satisfaz os axiomas da estrutura de grupo em rela cao
à opera cao bin aria induzida por restri cao. Diremos que um grupo G e comutativo
236
14.2. GRUPO DE PERMUTAC

OES 237
(ou Abeliano) quando x.y = y.x para quaisquer x, y G. Neste caso, muitas vezes
a opera cao bin aria e denotada pelo sinal de +, o elemento identidade pelo dgito 0,
sendo chamado de zero, e o elemento inverso de x e indicado por x.
Diremos que uma aplica cao entre grupos, : G F, e um homomorsmo quando
(x.y) = (x).(y), para quaisquer x, y G. Um homomorismo injetor e sobrejetor
e chamado de isomorsmo. O n ucleo de um homomorsmo de grupos,
Ker = x G; (x) = e,
e um subgrupo de G e e injetor se, e somente se, o n ucleo e trivial.
Exemplo 14.1.1 1. A adi cao de vetores dene uma estrutura de grupo Abeliano
num espa co vetorial V .
2. O conjunto das matrizes ortogonais O(n, 1) equipado com a opera cao de mul-
tiplica cao de matrizes e um grupo.
3. O conjunto de dois elementos Z
2
= 1, 1 adquire uma estrutura de grupo
comutativo quando denimos a opera cao bin aria pelas regras
1.1 = 1, 1.(1) = 1 = (1).1, e (1).(1) = 1.
Esse e o grupo n ao trivial mais simples que podemos construir.
14.2 Grupo de permuta c oes
Uma permuta cao do conjunto 1, 2, ..., n e uma aplica cao injetora (e sobrejetora),
: 1, 2, ..., n 1, 2, ..., n. Denotamos por o
n
o conjunto de todas as permuta coes
desse conjunto. A composicao de fun coes induz uma estrutura de grupo em o
n
na qual
o elemento identidade e a aplica cao identidade e o inverso de e a sua fun cao inversa.
Uma transposi c ao e uma permuta cao que troca apenas dois elementos de 1, 2, ..., n
deixando os outros xos. Um resultado b asico da Teoria de grupos nos diz que toda
permuta cao e um produto de transposi coes n ao necessariamente de maneira unica.
Entretanto, uma permuta cao e um produto de um n umero par de transposi coes ou
um de n umero mpar, exclusivamente. Essa propriedade permite denir um homo-
morsmo de grupos
sin : o
n
Z
2
, sin() = (1)
k()
,
onde k() e um n umero de transposi coes utilizadas para descrever a permuta cao .
238 CAP
ITULO 14. ESTRUTURAS ALG
EBRICAS
14.3 Aneis e corpos
Deni cao 14.3.1 Um anel comutativo com identidade e um conjunto nao vazio K
no qual est ao denidas duas opera coes bin arias
K K K, (x, y) x + y,
K K K, (x, y) x.y,
chamadas de adi cao e multiplica cao, respectivamente, satisfazendo os seguintes axio-
mas para quaisquer x, y, z K:
1. K e um grupo comutativo com relacao ` a opera cao de adicao;
2. a multiplica cao satisfaz as prorpiedades:
(a) existe um elemento 1 K tal que 1.x = x;
(b) e comutativa: x.y = y.x;
(c) e associativa: x.(y.z) = (x.y).z;
3. a adi c ao e a multiplica cao sao distributivas: x.(y + z) = x.y + x.z.
Deni cao 14.3.2 Seja K um anel comutativo com identidade. Um subconjunto
K e chamado de ideal quando
1. e um subgrupo de K com rela c ao ` a opera c ao de adic ao;
2. se x e y K, ent ao x.y .
Deni cao 14.3.3 Um anel comutativo com identidade K e chamado de corpo quando
para qualquer x K distinto de zero existe um elemento x
1
K denominado de
inverso multiplicativo de x, tal que x.x
1
= 1.
Alem dos corpos dos n umeros reais e dos n umeros complexos, os unicos aneis
considerados nesse texto sao os aneis dos polin omios com coecientes em um daqueles
corpos.
14.3. AN
EIS E CORPOS 239

Deni cao 14.3.4 Sejam K e L dois corpos. Uma aplica cao : K L e um
isomorsmo de corpos se para quaisquer x, y K a aplicacao satisfaz as condi coes:
1. (x + y) = (x) + (y);
2. (x.y) = (x).(y);
3. e injetora e sobrejetora.
Referencias Bibliogracas
[1] Artin, Emil; Galois theory; Notre Dame Math. Lectures n 2, (1953).
[2] Birkho & Maclane; A survey of modern algebra; The Mcmillan Comp., 7 ed.
[3] Boldrini, Costa, Figueiredo & Wetzler;

Algebra Linear; 3
a
ed., Editora Habra
(1998).
[4] Cullen, C.; Matrices and Linear Transformations; Add-Wesley Comp. (1966).
[5] dos Santos, N. M.; Vetores e Matrizes; Ao Livro Tecnico S/A.
[6] Garcia, A. & Lequain, Y.;

Algebra um curso de introdu cao; Projeto Euclides.
[7] Greub, W.; Linear Algebra; Springer-Verlag; 4 ed (1975)
[8] Halmos, P.; Espacos vetoriais de dimens ao nita; Trad. la Penha; Ed. Cam-
pos, RJ.
[9] Homan, K. & Kunze, R.; Linear Algebra; Prentice-Hall (1967).
[10] Hirsch & Smale; Dierential Equations, Dynamical Systems and Linear Al-
gebra; Academic Press Inc, Pure and Applied Mathematics v. 60, (1974).
[11] Lang, S.; Estruturas Algebricas; Ao livro Tecnico S/A (1972).
[12] Lang, S.; Linear Algebra; Addison-Wesley Publish. Comp. (1966).
[13] Lang, S.; Algebra; Addison Wesley Publish. Comp. (1974).
[14] Latsis, D.; Exercices de Mathematiques; Belin (1986).
[15] Lima, Elon L.;

Algebra Linear (2
a
ed) IMPA; 1996.
240
REFER
ENCIAS BIBLIOGR
AFICAS 241
[16] Serfati, M.; Exercices de Mathematiques, vol 1; Belin (1980).
[17] Shilov, G.; Linear Algebra; Prentice-Hall (1971).
[18] Steinbruch, A.& Winterle, P.;

Algebra Linear; McGraw-Hill (1987).
Pl acido Francisco de Assis Andrade
Universidade Federal do Ceara
Centro de Ciencias
Departamento de Matematica
Campus do Pici Bloco 914
CEP 60.455-760 Fortaleza, CE, Brasil
Fax (85) 287.48.93
e-mail andrade@mat.ufc.br
Indice Remissivo
A
Adjunta
classica 231
de uma transforma cao linear 59
Angulo
entre dois vetores 138
polar 164
Aplica cao
deni cao 24
identidade 25
Autoespaco 101
Autovalor
de um operador 101
de uma matriz 102
Autovetor 101
B
Base
can onica de K
n
10
canonica de M(mn, K) 15
deni cao 9
de Jordan 103
dual 58
g-ortogonal 204
g-ortonormal 204
ortogonal 139
ortonormal 139
C
Cardinalidade de um conjunto 12
Combina cao linear 6
Complemento ortogonal 138
Complexicado
de um espaco vetorial real 121
de um operador 121
Composicao 28
Conjuga cao complexa 122
Conjunto
de geradores 8
ordenado 11
D
Decomposicao
cclica 94, 111, 125, 128
cclica normal 159
D +N 119
normal 154
prim aria 82
polar 193
de um complexo 164
de um operador 177, 193
Delta de Kronecker 58
Desigualdade
de Bessel 143
de Schwart 136, 184
triangular
primeira 136, 184
segunda 139, 185
Dimensao de um espaco vetorial 15
Distancia 179
E
Espa co
A-cclico 92
242
INDICE REMISSIVO 243

A-simples 122
de Minkowski 208
de um operador linear 170
dual 54
Euclidiano 139
indecomponvel 133
irredutvel 133
isomorfos 36
metrico 179
pseudoeuclidiano 207
quociente 8
semisimples 128
simpletico 211
trivial 2
Unit ario 185
vetorial
conjugado 5
das transforma coes lineares 28
de dimens ao nita 14
deni cao 1
F
Fatora cao prim aria de um polin omio 76
Forma bilinear
antisimetrica 209
deni cao 194
degenerada 198
n ao degenerada 198
n ao singular 198
semipositiva denida 203
simetrica 200
singular 198
Forma quadr atica 201
Forma sesquilinear 195
Funcional linear 54
Fun coes
pares 23
mpares 23
simetricas 72
G
Gerador de um ideal 69
Gram-Schmidt 140
Gr aco de uma transforma cao linear 27
H
Homotetia 25
I
Ideal anulador
de uma matriz 67
de um operador 67
de um subespa co 78
de um vetor 78
Identidade de polariza cao
de uma forma bilinear 202
de um produto interno complexo 185
de um produto interno real 137
Imagem de uma transforma cao linear 25
Indice de nulidade (forma bilinear) 204

Inversa de uma transforma cao linear 29
Involu cao 28
Isometria 180
Isomorsmo linear 36
L
Lei
de inercia de Silvester 209
do paralelogramo 137, 185
Lema de Jacobson 110
Linearmente
dependente 8
independente 8
M
Matriz
adjunta 214
antisimetrica 219
antiadjunta 219
autoadjunta 219
244

INDICE REMISSIVO
das coordenadas de um vetor 18
de mudan ca de coordenadas 47
de rota cao 167
diagonaliz avel 105
dos cofatores 231
nilpotente 108
normal 219
ortogonal 219
polinomial 72
positiva 176
quadrade 216
simetrica 219
transposta 214
unit aria 219
Matrizes de Pauli 208
M aximo divisor comum 75
Movimento rgido 180
N
Nilpotencia
de uma matriz 108
de um operador 107
Norma 136
N ucleo
à direita de uma forma bilinear 197
à esquerda de uma forma bilinear 197
Nulidade de uma transforma cao linear 34
O
Operador
adjunto 186
antiadjunto 190
antisimetrico 165
autoadjunto 189
conforme 173
de Gram 151
de semelhamca 182
diagonaliz avel 104
idempotente 78
isogonal 173
linear 24
nilpotente 107
normal 151
ortonormal 166
positivo 174
que preserva o produto interno 171
simetrico 155
transposto 146
unit ario 191
P
Perpendicular de um conjunto 61
Polin omio
caracterstico
de uma matriz 70
de um operador 70
conjugado 188
de um operador 68
minimal
de um ideal 69
de um operador 69
de um subespa co 78
de um vetor 78
monico 68
primo 75
redutvel 75
Polin omios relativamente primos 75
Posto
das colunas de uma matriz 215
das linhas de uma matriz 215
Produto
direto 3
exterior 195
interno
can onico do C
n
184
can onico do 1
n
134
deni cao 134, 183
INDICE REMISSIVO 245

Hermitiano 183
tensorial 195
Proje cao
deni cao 25
ortogonal 143
quociente 28
Processo de ortogonalizacao 140
R
Regra de Cramer 235
Representacao
de Jordan 103, 114, 133
matricial de uma forma bilinear 196
matricial de uma transforma cao linear
40
S
Soma
direta
de subespa cos 19
invariante 51
ortogonal 141
Subespa co 5
A-cclico 91
invariante 51
pr oprio 5
trivial 5
Subespa cos transversais 17
T
Teorema
da classica cao das isometrias 180
da decomposicao
cclica 103, 111, 125, 128
cclica normal 159
normal 153, 189
polar 177, 193
prim aria 80
da representa cao
de um funcional linear 145, 185
matricial 41
da troca de Steinitz 12
da unicidade dimensional 95
de Hadamard 47
de Pit agoras 139
do ndice 206
do n ucleo e da imagem 33
do operador autoadjunto 190
do polin omio minimal 69
do posto de uma matriz 64
espectral 157
Transforma cao linear
deni cao 24
injetora 26
invertvel 29
sobrejetora 26
Traco 56
Transforma cao quase linear 31
Transla cao 180
U
Uni ao ordenada de conjuntos 11
V
Vetor nulo 2
Vetores
g-ortogonais 200
ortogonais 138
Smbolos
A
t
146
A
1
29
A
59
/(V, K) 211
[A]
39
[A]
49
B(V, K) 195
C 2
C
0
([a, b], 1) 4
diag[A
1
]
1
, [A
2
]
2
, ..., [A
k
]
k
52
246

INDICE REMISSIVO
d-Nuc g 197
e-Nuc g 197
g(u, v) 194
A
67
N
67
v
78
W
78
i
0
204
I
n
45
ImA 25
K
n
[t] 5
K
n
2
K[t] 3
L(V, W) 28
1
(1) 5
m
A
(t) 69
m
v
(t) 78
Nuc A 25
M(mn, K) 4
N
i
215
N
j
215
N = [a
ij
] 4
O(n, 1) 168
p(t) 66
p
A
(t) 70
1 2
'([a, b], 1) 5
R(, ) 122
R
77
R(, ) 162
R
167
o(Z, 1) 5
tr N 56
V
54
(V, g) 203
(V, , )) 139
[v]
18
Z
A
(v) 91
Z(v) 91
W
per
61
W
138
W(v
0
)
204
58
per
61
25
195
| | 136
28
12
19
141
11
195
, ) 134

Elementos de Álgebra Linear - Plácido Andrade

Enviado por

Dados do documento

Descrição original:

Título original

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

Elementos de Álgebra Linear - Plácido Andrade

Enviado por

Direitos autorais:

Formatos disponíveis

ELEMENTOS DE

Algebra Linear oferecido aos alunos do Curso de Matematica da Universidade Federal

ITULO 1. ESPAC OS VETORIAIS

ITULO 1. ESPAC OS VETORIAIS

ITULO 1. ESPAC OS VETORIAIS

ITULO 1. ESPAC OS VETORIAIS

ITULO 1. ESPAC OS VETORIAIS

ITULO 1. ESPAC OS VETORIAIS

e um conjunto de geradores (o sinal indica que o vetor foi suprimido). Veriquemos

ITULO 1. ESPAC OS VETORIAIS

que ainda e um conjunto de geradores. Continuando o processo iremos eliminando

ITULO 1. ESPAC OS VETORIAIS

ITULO 1. ESPAC OS VETORIAIS

como sendo a matriz das coordenadas do vetor v na base ordenada

ITULO 1. ESPAC OS VETORIAIS

ITULO 1. ESPAC OS VETORIAIS

e precisamente a matriz das coordenadas do vetor A(v

recuperamos a transforma cao

e a representa c ao matricial de A nas bases

= I, onde e a permuta cao acima.

para todo vetor v V . Isto implica facilmente que [B A]

e uma matriz invertvel.

e invertvel e sua inversa e [A]

e uma matriz invertvel e que P = [b

e uma matriz quadrada n n em que n = dimV . Com a nota cao

e invertvel e sua inversa e a

. A primeira delas tem um calculo bastante simples pois

a representa cao matricial

. O resultado abaixo sobre conjuga cao de matrizes tera um bom proveito.

sao conjugadas, mais precisamente,

e efetuando o produto das matrizes

e uma base ordenada para W, o subespa co invariante pelo operador A : V V .

e calculado por uma regra bastante simples, a saber,

M(1 n, K), (f) = [f]

ITULO 3. ESPAC O DUAL

E imediato vericarmos que o tra co dene um funcional linear tr : M(n, K) K

ITULO 3. ESPAC O DUAL

e uma base ordenada,

com esses coecientes seja o funcional

e um subconjunto com n vetores linearmente independente num

e uma combina cao

cujos coecientes sao os escalares f(v

Ke a aplicacao avaliacao em v, mais precisamente, /[v] (f) = f(v).

e associado ao funcional linear

[f] e de fato um funcional linear. Observamos que o conceito de adjunta

ITULO 3. ESPAC O DUAL

e K. Para qualquer v V temos que

[g], como queramos demonstrar. 2

. Finalmente, para mostrar

) M(n m, K), (B) = [B]

e o unico elemento de L(W

) representado pela matriz [A]

; f(v) = 0 para todo v .

ITULO 3. ESPAC O DUAL

[f](v) = f(A(v)) = 0 para todo v V f (ImA)

e equivalente a armar que existe um funcional linear

tal que f(v) = g(A(v)) para qualquer vetor v pertencente ao espa co V .

ITULO 3. ESPAC O DUAL

e as respectivas bases duais

e a representa cao ma-

E claro que o ideal anulador de A n ao e vazio pois contem o polinomio identicamente

ITULO 4. OPERADORES E POLIN