Você está na página 1de 91

Licio H.

Bezerra
Fermn S. V. Bazn

lgebra Linear II

Florianpolis, 2008

Universidade Federal de Santa Catarina


Consrcio ReDiSul
Campus Universitrio Trindade
Caixa Postal 476
CEP 88040-900 Florianpolis SC

Reitor: Alvaro Toubes Prata


Vice-Reitor: Carlos Alberto Justo da Silva
Secretrio de Educao a Distncia: Ccero Barbosa
Pr-Reitora de Ensino de Graduao: Yara Maria Rauh Muller
Departamento de Educao Distncia: Araci Hack Catapan
Pr-Reitora de Pesquisa e Extenso: Dbora Peres Menezes
Pr-Reitor de Ps-Graduao: Jos Roberto OShea
Pr-Reitor de Desenvolvimento Humano e Social: Luiz Henrique Vieira Silva
Pr-Reitor de Infra-Estrutura: Joo Batista Furtuoso
Pr-Reitor de Assuntos Estudantis: Cludio Jos Amante
Centro de Cincias da Educao: Carlos Alberto Marques
Centro de Cincias Fsicas e Matemticas: Mricles Thadeu Moretti
Centro de Filosofia e Cincias Humanas: Maria Juracy Filgueiras Toneli

Cursos de Licenciaturas na Modalidade Distncia


Coordenao Acadmica Matemtica: Neri Terezinha Both Carvalho
Coordenao de Ambientes Virtuais: Nereu Estanislau Burin
Coordenao de Infra-Estrutura e Plos: Vladimir Arthur Fey

Comisso Editorial
Antnio Carlos Gardel Leito
Albertina Zatelli
Elisa Zunko Toma
Igor Mozolevski
Luiz Augusto Saeger
Roberto Corra da Silva
Ruy Coimbra Charo

Coordenao Pedaggica das Licenciaturas Distncia UFSC/CED/CFM


Coordenao: Roseli Zen Cerny
Ncleo de Formao
Responsvel: Nilza Godoy Gomes
Ncleo de Criao e Desenvolvimento de Material
Responsvel: Isabella Benfica Barbosa
Design Grfico e Editorial: Carlos A. Ramirez Righi, Diogo Henrique Ropelato,
Mariana da Silva.

Adaptao Design Grfico: Diogo Henrique Ropelato,


Marta Cristina Goulart Braga, Natal Anacleto Chicca Junior.

Produo Grfica e Hipermdia: Thiago Rocha Oliveira


Design Instrucional: Hellen da Silva Zago
Reviso Ortogrfica: Tony Roberson de Mello Rodrigues
Preparao de Grficos: Laura Martins Rodrigues
Editorao Eletrnica: Laura Martins Rodrigues
Ncleo de Pesquisa e Avaliao
Responsvel: Claudia Regina Flores
Copyright 2008, Universidade Federal de Santa Catarina / Consrcio RediSul
Nenhuma parte deste material poder ser reproduzida, transmitida e gravada, por qualquer
meio eletrnico, por fotocpia e outros, sem a prvia autorizao, por escrito, da Coordenao
Acadmica do Curso de Licenciatura em Matemtica na Modalidade Distncia.

Ficha Catalogrfica
B574a

Bezerra, Licio Hernanes


lgebra Linear II / Licio Hernanes Bezerra, Fermn S. Viloche
Bazn . - Florianpolis : UFSC/EAD/CED/CFM, 2005.
91p.
ISBN 978-85-99379-54-7
1.lgebra linear I. Bazn, Fermn S. Viloche. II. Ttulo.

CDU 681.31:51

Elaborada pela Bibliotecria Eleonora M. F. Vieira CRB 14/786

Sumrio
1 Produto Interno 9
1.1 Definio e exemplos 11
1.2 Norma definida a partir de um produto interno14
1.3 ngulo entre vetores 15
1.4 Ortogonalidade 16
1.4.1 Mtodo de Gram-Schmidt 17
1.5 Projeo ortogonal de um vetor sobre
um subespao vetorial 20
1.6 Matrizes ortogonais 22
1.7 Reflexes de Householder 24
1.8 Matriz de um produto interno em relao a uma base 28

2 Autovalores e Autovetores de um Operador Linear 33


2.1 Autovalores e autovetores 35
2.2 Polinmio caracterstico e Polinmio minimal 45
2.3 Operadores diagonalizveis 53
2.4 Matrizes hermitianas 58
2.5 Transformaes unitrias e forma cannica de Schur61

3 Formas Multilineares 71
3.1 Formas bilineares 73
3.1.1 Forma bilinear simtrica: forma
quadrtica associada  76
3.2 Diagonalizao de formas quadrticas 77
3.3 A funo determinante 79

Apresentao
Caro aluno,
A lgebra Linear desenvolve-se dentro de espaos vetoriais, os quais
so estruturas muito simples, que contm apenas soma e produto por
escalar, e impressionante como a teoria desenvolve-se com to pouco. instigante descobrir como problemas associados ao cotidiano das
pessoas so descritos elegantemente pela lgebra Linear. Problemas
como distribuio de energia eltrica, ou de logstica para instalao
de telefones em grandes cidades, envolvem resoluo de sistemas lineares cujas matrizes so enormes; problemas de compresso de dados,
derivados tanto de udio como de imagem, tm o clculo de autovalores como ferramenta bsica para sua resoluo. A substituio do
analgico pelo digital embute a real substituio da realidade fsicoqumica pela simulao matemtica.
Pode-se perguntar por que um licenciado aprende lgebra Linear se
ele pretende principalmente atuar em escolas de ensino fundamental
e mdio. Respondemos a essa questo assim: com a lgebra Linear,
voc, licenciando, deixa as portas abertas para o futuro do conhecimento tecnolgico, ao mesmo tempo em que solidifica seu conhecimento do presente para atender s demandas dos vrios alunos que
lhe encontram, que esto a cada dia mais imersos nesse mundo veloz.
Cremos ser possvel viver em um mundo natural, com florestas, animais e pessoas tentando viver em harmonia, lendo livros (estes nunca sero substitudos por imagens digitais, assim como cinema no
incompatvel com teatro), com tempo para o cio e o prazer, com a
lgebra Linear resolvendo problemas de poluio ambiental, logstica
de policulturas agrcolas etc.
A disciplina lgebra Linear II a continuao natural da disciplina
lgebra Linear I, que lhe introduziu na teoria de matrizes e no desenvolvimento da estrutura algbrica dos espaos vetoriais sobre um
corpo. Desta vez, munimos os espaos vetoriais de um produto interno para que se configure neles uma geometria e possamos, dessa
maneira, falar de ngulo entre vetores, de tamanho de vetor etc. Na
seqncia, apresentamos mais um problema que a lgebra Linear tipicamente estuda: o problema dos autovalores de operadores lineares.

Finalmente, definimos a noo de formas multilineares para formalizar rigorosamente o estudo de determinantes.
Dividimos, assim, este livro em trs Captulos: produto interno, autovalores e formas multilineares. Esperamos que voc utilize este livro
como um mapa para descobrir um pouco da lgebra Linear.

Licio H. Bezerra
Fermn S. V. Bazn

Produto Interno

Produto Interno

Neste captulo, iremos munir um espao vetorial, que


uma estrutura puramente algbrica, de uma geometria,
que nos permite falar de ngulo entre vetores, projetar um
vetor ortogonalmente sobre outro, comparar vetores por
tamanho etc.

1.1 Definio e exemplos


Quando estudamos vetores no espao, em Geometria Analtica,
somos apresentados ao produto interno de dois vetores u e v ,
denotado por u , v , o qual definido por u , v = || u || || v || cos ,
em que o menor ngulo entre os vetores, 0 . A partir
dessa definio, demonstram-se algumas propriedades do produto interno: simetria ( u , v = v, u ), positividade ( u , u 0 e

u , u = 0 u = 0 ) e bilinearidade ( ku + u ', v = k u , v + u ', v e


u , kv + v ' = k u , v + u , v ' ). Uma conseqncia dessas proprieda
des que, dada { i , j , k } uma base ortonormal do espao, se os

vetores u e v escrevem-se, nessa base, como u = x1 i + y1 j + z1 k e

v = x2 i + y2 j + z2 k , temos que

u , v = x1 x2 + y1 y2 + z1 z2 .

Por conseguinte, se w = x i + y j + z k , || w || = x 2 + y 2 + z 2 .
O conceito de produto interno generalizado para um espao vetorial qualquer de um modo usual em Matemtica: a partir da
abstrao de algumas propriedades de um modelo (no caso, o
produto interno de vetores do espao euclidiano).
Definio: Seja V um espao vetorial real. Se , :V V
uma funo tal que
1) (v V ) v, v 0 e v, v = 0 v = 0 ;
2) (v, w V ) v, w = w, v ;
11

3) (v, w, w ' V )(k ) v, kw + w ' = k v, w + v, w '


ento , dito um produto interno em V .
Observe que uma conseqncia direta do item 3 dessa definio
que o produto interno de um vetor v qualquer com o vetor nulo

resulta em zero, pois v, 0 = v, 0.v = 0. v, v = 0 .


u1
v1


Exemplo 1: Seja V = . Sejam u , v , u = , v = . Vau
v
mos definir u , v = u1v1 + + un vn .
n
n
n1

n1

fcil ver que essa funo um produto interno em V , chamado


de produto interno usual. Note que u1v1 + + un vv a nica entrada da matriz vT u , que uma matriz 11 . Usando o fato de que os
espaos vetoriais 11 e so isomorfos, assim como n1 e n,
podemos escrever que vT u o produto interno usual dos vetores
u e v , em n .
Exemplo 2: Sejam u = (u1 , u2 ) e v = (v1 , v2 ) dois vetores do 2 . Seja
u , v = u1v1 + u2 v1 + u1v2 + 4u2 v2 . Afirmamos que essa funo um
produto interno em 2 . Para provar isso, temos que verificar se
essa funo satisfaz os trs itens da definio:
i) u , u = u1u1 + u2u1 + u1u2 + 4u2u2 = u12 + 2u1u2 + 4u2 2 = u12 + 2u1u2 + u2 2 + 3u2 2 =

+ 4u2 2 = u12 + 2u1u2 + u2 2 + 3u2 2 = (u1 + u2 ) 2 + 3u2 2 0 . Alm disso, temos que
u , u = 0 (u1 + u2 ) 2 + 3u2 2 = 0 u1 + u2 = 0, u2 = 0 u1 = 0, u2 = 0 u = 0

u1 + u2 = 0, u2 = 0 u1 = 0, u2 = 0 u = 0
ii) u , v = u1v1 + u2 v1 + u1v2 + 4u2 v2 = v1u1 + v2u1 + v1u2 + 4v2u2 = v, u
iii) u , kv + v ' = u1 (kv1 + v '1 ) + u2 (kv1 + v '1 ) + u1 (kv2 + v '2 ) + 4u2 (kv2 + v '2 ) =
= ku1v1 + u1v '1 + ku2 v1 + u2 v '1 + ku1v2 + u1v '2 + k 4u2 v2 + 4u2 v '2 =
= k (u1v1 + u2 v1 + u1v2 + 4u2 v2 ) + u1v '1 + u2 v '1 + u1v '2 + 4u2 v '2 =
= k u, v + u, v '
Logo, a funo definida anteriormente um produto interno em
2.
12

Exemplo 3: Sejam u = (u1 , u2 ) e v = (v1 , v2 ) dois vetores do 2 . Seja


u , v = u1v2 + u2 v1 . Afirmamos que essa funo no um produto
interno em 2 , pois, apesar de satisfazer os itens ii e iii da definio, a funo no positiva. Como contra-exemplo, tomemos o
vetor u = (1, 1) : u , u = 1.(1) + (1).1 = 2 < 0 .
Exemplo 4: Seja V = C [a, b] o espao vetorial das funes reais
contnuas em [a, b] , a < b . Sejam f e g duas funes de V . Vamos definir a seguinte funo de V V em :
b

f , g = f ( x) g ( x) dx .
a

Note que, como f e g so funes contnuas em [a, b] , o seu


produto tambm contnuo em [a, b] e, logo, integrvel nesse intervalo. Verificamos, facilmente, que as propriedades (ii) e (iii) so
satisfeitas por essa funo. Para mostrar que (i) verdadeira, precisamos de um pouco de Anlise. A primeira parte de (i) satisfeita porque, para toda funo contnua f ,

( f ( x)) 2 dx m (b a ) ,

em que m o valor mnimo de f 2 no intervalo [a, b] . Para mostrar que f , f = 0 f = 0 (a recproca bvia), vamos supor
que f 0 . Assim, como f contnua, existe um intervalo [c, d ] ,
c < d , contido em [a, b] , tal que f ( x) 0 para todo x [c, d ] .
Logo, f 2 ( x) > 0 para todo x [c, d ] e, como f 2 tambm contnua, pelo Teorema do Valor Intermedirio, existem m, M > 0 tais
que m f 2 ( x) M para todo x [c, d ] . Assim,

( f ( x)) 2 dx = ( f ( x)) 2 dx + ( f ( x)) 2 dx + ( f ( x)) 2 dx ( f ( x)) 2 dx m (

( f ( x)) 2 dx = ( f ( x)) 2 dx + ( f ( x)) 2 dx + ( f ( x)) 2 dx ( f ( x)) 2 dx m ( d c) > 0 .


Ou seja, f , f 0 . Esse produto interno chamado de produto
interno usual em C [a, b] .
Exerccio 1: Verifique se as seguintes funes definidas em 2
so produto interno ou no.
a) u , v = u1v1 + u2 v1 + u1v2 + u2 v2 ;
b) u , v = u1v1 u2 v1 u1v2 + 4u2 v2 ;
c) u , v = u1v1 + u2 v1 + 4u2 v2 ;

13

d) u , v = u1v2 u2 v1 ;
m +1
u1v1 + u2 v1 + u1v2 + u2 v2 , em que m um inteiro
m
positivo;

e) u , v =

m +1
u1v1 u2 v1 u1v2 + u2 v2 , em que m um inteiro
m
positivo;

f) u , v =

g) u , v = 2u1v1 + 4u2 v2 ;
h) u , v = 2u1v1 .

1.2 Norma definida a partir de um


produto interno
No produto interno definido no espao euclidiano, vimos que a
norma de um vetor u satisfaz equao u = u , u . Na generalizao do conceito de produto interno, definiremos norma, dado
um produto interno, utilizando essa equao.
Definio: Seja V um espao vetorial real. Seja , :V V
um produto interno. A norma induzida por esse produto interno
definida pela equao seguinte:
u =

u, u

Exemplo 5:
Seja V = 2 . Considere o produto interno entre dois vetores u = (u1 , u2 ) e v = (v1 , v2 ) definido por
u , v = u1v1 + u2 v1 + u1v2 + 4u2 v2 . A norma induzida por esse produto interno u = u12 + 2u1u 2 +4u2 2 .
Exemplo 6: Seja V = C [a, b] o espao das funes reais contnuas em [a, b] , a < b . Considere o produto interno usual de duas
b
funes de V , f e g (que dado por f , g = f ( x) g ( x) dx ). A
a
norma induzida por esse produto interno
f =

14

( f ( x)) 2 dx

1.3 ngulo entre vetores


Para definir ngulo entre vetores de um espao vetorial real V , vamos demonstrar primeiro a Desigualdade de Cauchy-Schwarz.
Proposio (Desigualdade de Cauchy-Schwarz): Seja V um espao vetorial real munido de um produto interno , :V V .
Assim, para todos os vetores u e v de V , temos
u, v u v
Prova: A desigualdade verdadeira se um dos vetores o vetor
u, v
nulo. Vamos supor, ento, que u 0 e v 0 . Seja w = v
u,
2
u
logo:
w, w = w, v w,

w, w = w, v w,

u, v
u

u = v, v

u, v
u

= v 2

u , v v,
u, v
u

u, v
u

u, v
u

u, v

u, v

u +

= v

u, v
u

u,

u, v

temos que:

Ou seja,

u, v

u = v, v

u, v
u

u , v v,

u, v
2

u +

u =

. Como w, w = w 0 ,

u, v u v .

Vamos definir, agora, ngulo entre dois vetores.


Definio: Seja V um espao vetorial real munido de um produto interno , :V V . Assim, dados vetores u e v de V ,
ambos no-nulos, o ngulo entre esses vetores o que satisfaz
as seguintes condies:
u, v
, 0 .
cos =
u v
Se um dos vetores for nulo, dizemos que o ngulo entre eles
zero.

15

u, v
u

u,

Note que, por Cauchy-Schwarz, essa definio faz sentido, uma


vez que
u, v
1
1.
u v

1.4 Ortogonalidade
A definio de ngulo entre vetores permite-nos falar em conjuntos de vetores ortogonais, em que o ngulo entre cada dois
vetores igual a 2 .
Definio: Seja V um espao vetorial real munido de um produto interno , :V V . Sejam v1 ,..., vn vetores de V . Dizemos
que v1 ,..., vn so ortogonais se, para todos i e j tais que i j ,
vi , v j = 0 .
importante notar que a ortogonalidade depende do produto interno: dois vetores no-nulos podem ser ortogonais em relao a
um produto interno, mas o ngulo entre eles pode ser diferente
de 2 em relao a outro produto interno. Uma observao interessante que o vetor nulo o nico vetor ortogonal a todos os
vetores de um espao vetorial com produto interno. Um resultado
interessante o seguinte:
Proposio: Sejam v1 ,..., vn vetores no-nulos de V , um espao
vetorial real munido de um produto interno , :V V . Se
v1 ,..., vn so ortogonais (em relao a esse produto interno) ento
so linearmente independentes.
Prova:
Suponha
que
existam
a1 ,..., an
tais
que a1v1 + + an vn = 0 . Logo, para todo ndice i ,
a1v1 + + an vn , vi = 0, vi = 0 . No entanto,
2

a1v1 + + an vn , vi = a1 v1 , vi + ... + an vn , vi = ai vi , vi = ai vi ,
pois os vetores so ortogonais dois a dois. Assim, como os vetores so no-nulos, para todo ndice i , ai = 0 , isto , escreve-se o
vetor zero de uma nica maneira como combinao linear dos vetores v1 ,..., vn , que a combinao trivial. Dessa maneira, v1 ,..., vn
so linearmente independentes.

16

Corolrio (Teorema de Pitgoras Generalizado): Sejam u e v


dois vetores ortogonais em um espao vetorial real V munido de
2
2
2
um produto interno. Assim: u + v = u + v .
Prova: deixada para voc, leitor, como exerccio.
Em geral, falamos em conjunto ortogonal de vetores para dizer
que os vetores do conjunto so ortogonais. Por exemplo: dizemos
que uma base de um espao vetorial ortogonal, significando que
os vetores da base so ortogonais. Uma pergunta que emerge naturalmente se sempre existem bases ortogonais para qualquer
espao vetorial real. Vamos responder a essa pergunta feita no
caso do espao ser finitamente gerado de uma forma concreta:
vamos construir uma base ortogonal a partir de uma base qualquer. Um mtodo prtico para isso o mtodo de Gram-Schmidt,
descrito a seguir.

1.4.1 Mtodo de Gram-Schmidt


Sejam v1 ,..., vn de V , um espao vetorial real munido de um
produto interno , :V V . Vamos definir, a partir desses vetores, um conjunto ortogonal de vetores w1 ,..., wn tais que
[v1 ,..., vn ] = [ w1 ,..., wn ] .
i) w1 = v1
ii) w2 = v2

iii) w3 = v3

v2 , w1
w1

v3 , w1
w1

w1

w1

v3 , w2
w2

w2

...
n) wn = vn

vn , w1
w1

w1

vn , w2
w2

w2

vn , wn 1
wn 1

wn 1

Note que, para todo i , wi 0 , pois os vetores v1 ,..., vn so linearmente independentes. A prova de que esses vetores so ortogonais feita por induo:

17

I) w2 , w1 = v2

v2 , w1
2

w1

w1 , w1 = v2 , w1

v2 , w1
w1

w1 , w1 = 0

II) Seja k > 2 . Suponha que para todos os ndices i e j , i j ,


tais que 1 i, j < k , temos wi , w j = 0 . Assim, para todo i ,
percebe-se que:
wk , wi = vk

= vk , wi

= vk , wi

vk , w1
w1

vk , w1
w1

vk , wi
wi

w1

w1 , wi

vk , w2
w2

vk , w2
w2

w2

vk , wk 1
wk 1

w2 , wi

wk 1 , wi =

vk , wk 1
wk 1

wk 1 , wi =

wi , wi = 0

Observe que, por construo, [v1 ,..., vi ] = [ w1 ,..., wi ] para todo i


(mostre isso, por induo). Assim, no ensimo passo, chegamos a
uma base ortogonal.
Corolrio: Todo espao vetorial de dimenso finita com produto
interno admite uma base ortogonal.
Exemplo 7: Considere V = 3 , munido do produto interno usual,
v1 = (1,1, 0) , v2 = (1, 0,1) , v3 = (0,1,1) . Aplicando o mtodo de GramSchmidt a esses vetores, temos:
w1 = (1,1, 0);
w2 = (1, 0,1)

1.1 + 0.1 + 1.0


(1,1, 0) = ( 1 2 , 1 2 ,1) ;
12 + 12 + 02

w3 = (0,1,1)

0.1 + 1.1 + 1.0


0. 1 2 + 1.( 1 2 ) + 1.1 1
(1,1,
0)

( 2 , 1 2 ,1) = ( 2 3 , 2 3 , 2 3 )
12 + 12 + 02
( 1 2 ) 2 + ( 1 2 ) 2 + 12

0.1 + 1.1 + 1.0


0. 1 + 1.( 1 2 ) + 1.1 1
(1,1, 0) 2 2
( 2 , 1 2 ,1) = ( 2 3 , 2 3 , 2 3 ) .
2
2
2
1 +1 + 0
( 1 2 ) + ( 1 2 ) 2 + 12
Voc pode verificar, calculando os produtos internos , que o conjunto {w1 , w2 , w3 } ortogonal.
Exerccio 2: Ache, pelo mtodo de Gram-Schmidt, uma base ortogonal para V , munido do produto interno explicitado, a partir
das bases dadas a seguir:
18

a) V = 2 , munido do produto interno usual, v1 = (1,1) ,


v2 = (1, 2) ;
3

b) V = , munido do produto interno usual, v1 = (1,1,1) ,


v2 = (1, 2,1) , v3 = (1, 2, 2) ;
c) V = 4 , munido do produto interno usual, v1 = (1,1,1,1) ,
v2 = (1, 0, 0,1) , v3 = (1, 2, 0, 2) , v4 = (3, 2, 0, 2) ;
d) V = C [1,1] , munido do produto interno usual, f1 ( x) = 1 ,
f 2 ( x) = x , f3 ( x) = x 2 .
A seguir, apresentamos algumas definies.
Definio: Seja V um espao vetorial real munido de um produto interno , :V V . Seja W um subespao vetorial de V .
Seja v um vetor de V tal que v W . Dizemos que v ortogonal
a W se v ortogonal a todo vetor de W .
Exerccio 3: Sejam v1 ,..., vn vetores de V , um espao vetorial real
munido de um produto interno , :V V . Seja W = [v1 ,..., vn ] .
Seja v um vetor de V tal que v W . Mostre que v ortogonal a
W se, e somente se, para todo i , v ortogonal a vi .
Definio: Seja V um espao vetorial real munido de um produto interno , :V V . Sejam W1 e W2 subespaos vetoriais de
V . Dizemos que W1 ortogonal a W2 se, para todo vetor w1 de
W1 e todo vetor w2 de W2 , w1 , w2 = 0 . Se, alm disso, W1 + W2 = V ,
ento dizemos que W2 o complemento ortogonal de W1 e
denotamo-lo por W1 . Observe que, como W1 ortogonal a W2 ,
W1 W2 = {0} e, logo, W1 W2 = V .
Definio: Dizemos que um conjunto de vetores ortonormal
se os vetores do conjunto so ortogonais (dois a dois) e unitrios
(isto , de norma igual a 1).
Exerccio 4: Transforme as bases encontradas nos exerccios anteriores em bases ortonormais.

19

1.5 Projeo ortogonal de um vetor


sobre um subespao vetorial
Definio: Seja V um espao vetorial real no-nulo munido de
um produto interno. Seja W um subespao vetorial de V , W V .
Seja v V . Um vetor w W dito uma projeo ortogonal de v
sobre W se (v w) for ortogonal a todo vetor de W .
Proposio: Se existe uma projeo ortogonal de v sobre W ,
ento ela nica.
Prova: Sejam w e w dois vetores de W tais que (v w) e
(v w) so ortogonais a todo vetor de W . Em particular, como
( w w) W , 0 = v w, w w = v w, w w . Desenvolvendo os clculos, conclumos que w, w w = w, w w e, logo,
w w, w w = 0 . Ou seja, w = w .
Vamos mostrar que, se W um subespao de dimenso finita de
um espao vetorial real V com produto interno, ento a projeo
ortogonal de qualquer vetor de V sobre W existe e, logo, nica.
Seja {v1 ,..., vn } uma base de um subespao W de um espao vetorial real V , com produto interno , . Seja v V . A projeo ortogonal de v sobre [v1 ,..., vn ] um vetor v [v1 ,..., vn ] tal que v v
ortogonal a [v1 ,..., vn ] . Vamos mostrar que esse vetor v existe.
Para isso, seja {w1 ,..., wn } uma base ortonormal de [v1 ,..., vn ] , obtida a partir do mtodo de Gram-Schmidt. Procuramos por um
vetor v = a1w1 + + an wn tal que v v seja ortogonal a [ w1 ,..., wn ] ,
que igual a [v1 ,..., vn ] , isto , tal que v v seja ortogonal a todo
vetor da base {w1 ,..., wn } . Assim, para todo i , temos:
0 = v v , wi = v a1w1 + an wn , wi = v, wi ai wi , wi = v, wi ai ,
ou seja, ai = v, wi . Assim, a projeo ortogonal de v sobre
[v1 ,..., vn ] existe e o vetor

v = v, w1 w1 + + v, wn wn .
o

Figura 1.1 - Projeo ortogonal de um vetor sobre um subespao.

20

Operar com uma base ortonormal muito conveniente. Para


justificar esse adjetivo, vamos ver como ficaria o clculo com a
base {v1 ,..., vn } , que qualquer. Uma vez que sabemos que o vetor v existe e nico, como v [v1 ,..., vn ] , existe um nico vetor
(b1 , , bn ) n tal que v = b1v1 + bn vn . Como v v ortogonal a
[v1 ,..., vn ] , v v , vi = 0 , i = 1: n . Assim, obtemos:
v, v1 b1 v1 , v1 + + bn vn , v1 = 0

, ou seja, na forma matricial,



v, v b v , v + + b v , v = 0
n
1
1 n
n
n
n

v1 , v1

v1 , vn

n passant locuo
adverbial; ligeira e
circunstancialmente. Ex:
Mencionou-lhe o nome en
passant.

vn , v1

b1 v, v1

=


vn , vn bn v, vn

Como esse sistema tem nica soluo (pois a projeo ortogonal existe e nica), essa matriz inversvel para qualquer base
= {v1 ,..., vn } (lembre-se que um sistema de n equaes lineares
a n variveis possvel e determinado se, e somente se, a matriz
de coeficientes inversvel). Essa matriz dita matriz de Gram
(note que a matriz de Gram definida em espaos vetoriais reais
uma matriz real e simtrica). Para achar v utilizando-se de uma
base no-ortonormal, temos que resolver o sistema apresentado,
o que muito trabalhoso se a matriz no for diagonal (note que a
matriz do sistema em questo diagonal se a base ortogonal).
En passant, demonstramos a seguinte proposio:
Proposio: Uma matriz de Gram uma matriz inversvel.
Outro modo de se provar essa proposio verificar que o sistema homogneo associado matriz G apresentada anteriormente
s admite a soluo zero. Realmente, Gx = 0 xT Gx = 0 . Note que
2
xT Gx = w , em que w = b1v1 + + bn vn e x = ( w) . Logo, w = 0 , ou
seja, b1v1 + + bn vn = 0 . No entanto, {v1 ,..., vn } uma base. Assim,
a nica soluo possvel b1 = = bn = 0 , isto , a nica soluo
possvel da equao matricial Gx = 0 a soluo trivial x = 0 . Por
conseguinte, G inversvel.

21

Observe que, se estamos trabalhando em m com o produto interno usual, o referido sistema no-homogneo pode ser reescrito como AT Ax = AT v , em que A a matriz cujas colunas so as
coordenadas cannicas dos vetores da base {v1 ,..., vn } e x a coluna formada por b1 , , bn . A soluo desse sistema dada por
x = ( AT A) 1 AT v . Logo, a projeo ortogonal de um vetor v sobre
um subespao [v1 ,..., vn ] dada por:
v = A ( AT A) 1 AT v .
Observe que, se v [v1 , , vn ] , v = v .
Exerccio 5: Em cada item a seguir so dados v1 ,..., vn e v , vetores
de V , um espao vetorial real munido de um produto interno
, :V V . Seja W = [v1 ,..., vn ] . Ache a projeo ortogonal de
v sobre W .
i) V = 2 , munido do produto interno usual, v1 = (1,1); v = (1, 2) ;
ii) V = 3 , munido do produto interno usual, v1 = (1,1,1) ;
v = (1, 2, 2) ;
iii) V = 3 , munido do produto interno usual, v1 = (1,1,1) ,
v2 = (1, 2,1) ; v = (1, 2, 2) ;
iv) V = 4 , munido do produto interno usual; v1 = (1,1,1,1) ,
v2 = (1, 0, 0,1) ; v = (3, 2, 0, 2) ;
v) V = 4 , munido do produto interno usual; v1 = (1,1,1,1) ,
v2 = (1, 0, 0,1) , v3 = (1, 2, 0, 2) ; v = (3, 2, 0, 2) ;
vi) V = C [1,1] , munido do produto interno usual, v1 ( x) = 1 ,
v2 ( x) = x ; v( x) = x 2 ;
vii) V = C [1,1] , munido do produto interno usual, v1 ( x) = 1 ,
v2 ( x) = x , v3 ( x) = x 2 ; v( x) = x 3 .

1.6 Matrizes ortogonais


Seja V = m . Vimos que a projeo ortogonal de um vetor v sobre
o subespao gerado por uma base {v1 ,..., vn } dada pela frmula
v = A ( AT A) 1 AT v . Se os vetores da base forem ortonormais, essa
frmula se reduz a v = A AT v , pois AT A = I , a matriz identidade

22

(verifique). Matrizes, cujas colunas so vetores ortonormais, partilham dessa propriedade. Note que, se A for uma matriz quadrada, AT a inversa de A . Essas matrizes so ditas ortogonais
(cuidado para no fazer confuso: matrizes ortogonais tm colunas ortonormais).
Definio: Uma matriz A nn ortogonal se AT . A = I .
Proposio: As seguintes sentenas so equivalentes:
a) A nn ortogonal;
b) As colunas de A nn so ortonormais;
c) As linhas de A nn so ortonormais;
d) A

nn

e (x n ) Ax = x ;

e) A nn e (x, y n ) yT AT Ax = yT x .
A prova dessa proposio pode ser vista, por exemplo, em
Hoffman e Kunze (1970). Note que a sentena (d) caracteriza uma
matriz ortogonal como sendo uma matriz que preserva a norma
de um vetor quando multiplicada por ele; a sentena (e) descreve
uma matriz ortogonal como uma matriz que preserva o produto interno de dois vetores (e, de quebra, preserva o ngulo entre
cada dois vetores).
Exerccio 6: Mostre que o produto de matrizes ortogonais uma
matriz ortogonal.
Exerccio 7: Mostre que a inversa de uma matriz ortogonal , tambm, ortogonal.
Exerccio 8: Mostre que, se Q nn uma matriz ortogonal, a
1 0

0 q11
matriz

0 qn1

q1n
, pertencente a ( n +1) ( n +1) , uma matriz

qnn

ortogonal.

23

1.7 Reflexes de Householder


As matrizes de reflexo em relao a um subespao de n so
exemplos de matrizes ortogonais. As reflexes de Householder
so as reflexes em relao a um subespao de co-dimenso 1 (ou
seja, de dimenso n 1 ). Elas surgiram na construo de um novo
processo de ortonormalizao de vetores, diferente do mtodo de
Gram-Schmidt: o mtodo de Householder. Nesse processo, busca-se uma reflexo H que leva um vetor v dado a um vetor na
direo do vetor cannico e1 = (1, 0, , 0) . claro que, como uma
reflexo preserva a norma dos vetores (ver o item d da proposio anterior), h duas possibilidades para Hv : ou Hv = v e1 ou
Hv = v e1 . H dito uma reflexo de Householder se o subespao em relao ao qual a reflexo age o hiperplano bissetor de
um dos dois ngulos que v faz com a reta gerada por e1 , isto :
ou o hiperplano 1 cuja normal o vetor n1 = v v e1 , ou o
hiperplano 2 cuja normal n2 = v + v e1 .
2
||v||2 .e1

n2

v2

v
n1

v1

||v||2 .e1

Figura 1.2 - Reflexes de Householder

Vamos achar uma frmula para essas reflexes. Seja n uma das
normais descritas anteriormente, associada ao hiperplano .
Note que = [n] . Logo, n = [n] . Assim, dado um vetor u
qualquer, u pode ser escrito de uma nica forma como soma de
um vetor de com um vetor de [n] : u = u + u [ n ] . Dessa maneira,
Hu = u u [ n ] = u 2 u [ n ] , entretanto u [ n ] a projeo ortogonal de
u sobre [n] . Ou seja,
nnT
u [ n ] = n .(nT . n) 1 nT u = 2 u .
n
24

Logo, Hu = u 2

n . nT
n

u = (I 2

n . nT
n

H = I 2

) u , e assim conclumos que:

n.nT
n

Note que, por essa frmula, obtemos as duas reflexes de


Householder que transformam o vetor dado em um vetor
na direo do vetor cannico e1 . Por exemplo: suponha que
V = 3 , com o produto interno usual. Seja v = (1, 2, 2) , ento
n1 = v v e1 = (1.2.2) 3(1, 0, 0) = (2, 2, 2) corresponde reflexo:
H1 = I 2

n1. n1T
n1

2
13 2 3
3
n1. n1T
n1. n1T 2

1
2
= I 2
=I
= 3
3;
3
12
6
2 2
1
3
3
3

enquanto n2 = v + v e1 = (1, 2, 2) + 3 (1, 0, 0) = (4, 2, 2) est associado


reflexo:
13 2 3 2 3
T
T
T
n .n
n .n
n .n

H 2 = I 2 2 22 = I 2 2 2 = I 2 2 = 2 3 2 3 1 3 .
24
12
n2
2 1
2
3
3
3
Note que essas matrizes so ortogonais (verifique) e simtricas,
caractersticas das reflexes de Householder. Assim, se H uma
reflexo de Householder,
H = H T = H 1 .
Como j dissemos antes, uma aplicao das reflexes de Householder ortonormalizar bases. Por exemplo, vamos achar uma
base ortonormal para o subespao [ (1,1,1,1) , (0, 0,1,1) , (0, 0, 0,1) ]
do 4 . Para isso, primeiro construmos a matriz A , cujas co1

1
lunas so os vetores da base dada: A =
1

0
0
1
1

0
. Agora, va0

mos achar uma reflexo de Householder que reflita o primeiro


vetor da base dada na direo do primeiro vetor cannico do
4 . Vamos escolher, entre as duas normais possveis, a normal
n = (1,1,1,1) + (1,1,1,1) (1, 0, 0, 0) = (3,1,1,1) . A reflexo de Householder correspondente a essa normal a seguinte:
25

12 12 12 12

n nT
n nT
n nT 1 2 5 6 1 6 1 6
.
H = I 2 2 = I 2
=I
=
12 16 5 6 16
12
6
n
1

2 16 16 5 6
2 1 1 2

0 13 16
Logo, HA =
. Agora, vamos achar uma re2
0
16
3

5
2
3
6
0
flexo de Householder que reflita o vetor ( 1 3 , 2 3 , 2 3 ) na direo do primeiro vetor cannico do 3 . Vamos escolher
n1 = ( 1 3 , 2 3 , 2 3 ) + ( 1 3 , 2 3 , 2 3 ) (1, 0, 0) = ( 2 3 , 2 3 , 2 3 ) . A reflexo de
Householder correspondente a essa normal dada por:
H 1 = I 2

n1 n1T
n1

= I 2

n1 n1T
4

13 2 3 2 3
n1 n1T 2

= I 3
= 3 13 2 3 .
2
2 2
1
3
3
3

0
0
1 0

0 13 2 3 2 3

Considere a matriz H1 =
, ento
0 2 3 13 2 3

0 2 3 2 3 13
0
0 2 1 1 2
1 0

0 13 2 3 2 3 0 13 16
H1 HA =
, ou seja,
2
0 2 3 13 2 3 0
16
3

5
2
3
6
0 2 3 2 3 13 0
2 1 1 2

0 1 1 2

H1 HA =
. Finalmente, vamos achar uma re 0 0 12

1
2
0 0
flexo de Householder que reflita o vetor ( 1 2 , 1 2 ) na direo do primeiro vetor cannico do 2 . Vamos tomar
n2 = ( 1 2 , 1 2 ) + ( 1 2 , 1 2 ) (1, 0) = ( 2 2 1 2 , 1 2 ) . A reflexo de Householder correspondente a essa normal dada por:
n n T
n n T 2
H 2 = I 2 2 22 = I 4 2 2 = 2
2 2 22
n2

26

2
2

.
2
2

0
Considere a matriz H 2 =
0

0
1

0
H 2 H1 HA =
0

0
0
1
0
2
0
2
2
0 2

0
0
1
0
2
0
2
2
0 2

0
. Assim,
22

22

0 2 1 1 2 2 1 1 2



0 0 1 1 2 0 1 1 2
=
2 2 0 0 12 0 0 2



1
22 0 0
0
2
0 0

Logo,

2 1 1 2 1 2 1 2
0

1
1
1
0 1 2 2
0
2
=
A = HH1 H 2
2
0 0 2 12 12
2


2
1
1
0 2 2 2
0 0
0
12 12
1

2 12
0

=
2
12 12
2
1

2
2 12 2

2
2
0

0
2

2 1 1 2

1
0 1 2 =
0 0 2

0
0 0

2 1 1 2

1
0 1 2 = QR ,

0 0 2

e, assim, as colunas de Q , que so ortonormais e geram o mesmo


espao que as colunas de A , formam uma base ortonormal para
[ (1,1,1,1), (0, 0,1,1), (0, 0, 0,1) ] .

sse mtodo mtodo de Householder


muito eficiente para calcular, computacionalmente, uma base ortonormal para um
subespao vetorial do , no sentido em que
o mtodo gera vetores quase ortogonais em
aritmtica de ponto flutuante, ao contrrio do
mtodo de Gram-Schmidt, cujo resultado
um conjunto de vetores no ortogonais. Quem
conhece sistemas interativos como OCTAVE,
SCILAB e MATLAB (os dois primeiros so de
domnio pblico) pode verificar isso fazendo
testes com matrizes, por exemplo, da galeria de
matrizes incorporadas a esses sistemas.

27

Exerccio 9: Ache as duas reflexes de Householder que satisfazem o que pedido em cada item a seguir:
i) Que transformem o vetor (2,1, 2) em um vetor na direo do
vetor (1, 0, 0) ;
ii) Que transformem o vetor (2,1, 2) em um vetor na direo do
vetor (1,1,1) ;
iii) Que transformem o vetor (2,1, 2) em um vetor na direo
do vetor (1, 2, 2) ;
iv) Que transformem o vetor (2,1, 2) em um vetor na direo
do vetor (0, 0,1) .

1.8 Matriz de um produto interno


em relao a uma base
Seja V um espao vetorial real de dimenso finita n , munido de
um produto interno , :V V . Seja = {v1 ,..., vn } uma base
de V . Considere v e w , dois vetores de V : v = a1v1 + + an vn ,
w = b1v1 + + bn vn .

Assim,

v, w =

ab

i , j =1

vi , v j = bT G a ,

em

que G a matriz de Gram, definida por Gij = vi , v j = v j , vi ,


bT = (b1 bn ) = ( w) e aT = (a1 an ) = (v) .
Definio: A matriz G a matriz do produto interno em relao
base .
Exerccio 10: Achar a matriz de cada produto interno listado a
seguir, em relao base dada:
i) V = 2 , munido do produto interno usual, = {v1 , v2 } , em
que v1 = (1,1) , v2 = (1, 2) ;
ii) V = 2 , munido do produto interno
u , v = x1 y1 + x2 y1 + x1 y2 + 4 x2 y2 , em que u = ( x1 , x2 ) ,
v = ( y1 , y2 ) , = {v1 , v2 } , onde v1 = (1,1) , v2 = (1, 2) ;
iii) V = 3 , munido do produto interno usual, = {v1 , v2 , v3 } ,
em que v1 = (1,1,1) , v2 = (1, 2,1) , v3 = (1, 2, 2) ;
iv) V = 4, munido do produto interno usual, = {v1 , v2 , v3 , v4 },
em que v1 = (1,1,1,1), v2 = (1, 0, 0,1), v3 = (1, 2, 0, 2) , v4 = (3, 2, 0, 2) ;
28

v) V o espao das funes polinomiais de grau menor ou igual


a trs, munido do produto interno usual, = {v1 , v2 , v3 , v4 } ,
em que v1 ( x) = 1 , v2 ( x) = x , v3 ( x) = x 2 , v4 ( x) = x 3 .
Fechamos este captulo fazendo-nos a seguinte pergunta: se,
dada uma base, um produto interno fica determinado a partir de
uma matriz, que propriedades essa matriz deve satisfazer? Uma
resposta parcial : a matriz deve ser simtrica e inversvel. No en 12 1
tanto s isso no basta, porque a matriz A =
simtrica,
1 12
inversvel e no matriz de nenhum produto interno, no importa
que base ns tomamos. Por exemplo: digamos que V = 2 e que
1
tomamos uma base = {v1 , v2 } . Seja v = v1 v2 . Assim, (v) =
1
12 1 1
e, logo, v, v = (1 1)
= 1 . Pela definio de pro 1 1 2 1
duto interno, porm, v, v 0 . Dessa maneira, a resposta completa : uma matriz A matriz de um produto interno em relao
a uma base se, e somente se, a matriz A simtrica e satisfaz a
desigualdade xT Ax > 0 para todo vetor coluna x , x 0 .
Se A uma matriz simtrica tal que, para todo vetor coluna x , x 0 ,
xT Ax > 0 , ento A dita uma matriz simtrica definida positiva.
Note que, pela definio, uma matriz A simtrica definida positiva tem as seguintes propriedades:
As entradas diagonais de A so estritamente positivas pois,
se o vetor coluna ek = (0 0 1 0 0)T tal que a ksima entrada 1, akk = ek T Aek > 0 ;
As submatrizes principais A (1: k ,1: k ) , formadas pelas entradas pertencentes simultaneamente s k primeiras linhas
e colunas de A , so tambm matrizes simtricas definidas
positivas (demonstre);
A inversvel (demonstre).
Exerccio 11: Verifique se as matrizes abaixo so simtricas definidas positivas.
1 1
a) A =
;
1 1

5 1
b) A =
;
1 1

2 1
c) A =
;
1 1
29

2 1
d) A =
;
1 1

2 2
e) A =
;
2 1

4 1
g) A =
;
1 0

1 0
h) A =
.
0 1

4 2
f) A =
;
2 1

Resumo
Neste captulo vimos a definio de produto interno em um espao
vetorial real V. Conclumos que, dados um produto interno , em
V e uma base , existe uma nica matriz simtrica real A tal que,
quaisquer que sejam os vetores v e w de V, v, w = ( w) T A (v) .
Essa matriz inversvel e dita uma matriz de Gram. Definimos,
ainda, o ngulo entre dois vetores e vimos que dois vetores so
ortogonais em relao a um produto interno se o produto interno
entre eles zero.
Em seguida, apresentamos um procedimento que ortogonaliza
uma base de um espao vetorial real de dimenso finita, ou seja,
que resulta em um conjunto l. i. de geradores do espao que sejam ortogonais dois a dois. Definimos, depois, um conjunto de
matrizes ditas ortogonais, que so matrizes associadas a operadores lineares, definidos em espaos vetoriais reais com produto
interno, que preservam ngulos entre vetores (ex.: as reflexes de
Householder).
Por fim, terminamos o captulo dando uma caracterizao s matrizes de um produto interno em relao a uma base matrizes
simtricas definidas positivas.

30

Bibliografia Comentada
HOFFMAN, Kenneth; KUNZE, Ray. lgebra Linear. So Paulo:
Polgono, 1970.
Lcio H. Bezerra: esse livro um dos meus livros prediletos de
lgebra Linear. Infelizmente, ele est esgotado. Foi lanada uma
segunda edio desse livro no Brasil, com muitas alteraes, mas
prefiro a primeira edio. Procure-no em sebos e compre-o. O
tratamento rigoroso e as provas so elaboradas. Contm muitos
exerccios, alguns no muito fceis de resolver.
LIMA, Elon L. lgebra Linear. 3 ed. Rio de Janeiro: SBM, 1998.
H edies mais recentes desse livro, que apresenta a lgebra
Linear de forma clssica, como o livro de Hoffman e Kunze (1970).
Recomendo esse livro para uma biblioteca de Matemtica. Tem
muitos exerccios.
ANTON, Howard; RORRES, Chris. lgebra Linear com Aplicaes. 8
ed. Porto Alegre: Bookman, 2001.
Esse um livro moderno com tratamento clssico. um livro
muito bom para voc, leitor que deseja se inserir no mundo
tecnolgico, pois apresenta vrias aplicaes interessantes da
lgebra Linear: digitalizao de imagens, programao linear etc.

31

Autovalores e Autovetores
de um Operador Linear

Autovalores e Autovetores de
um Operador Linear

Lembramos que um operador linear uma transformao


linear T : V V , em que V um espao vetorial sobre
um corpo K . Se V de dimenso n e uma base de
V , ento existe uma matriz [T ] associada a T com a
propriedade de que todas as informaes sobre T podem
ser obtidas a partir de clculos sobre [T ] . Neste captulo
introduziremos o conceito de autovalores e autovetores de
operadores lineares, mostrando que a extrao de informaes de T pode ser simplificada significativamente desde que T admita uma base de autovetores, em cujo caso a
matriz associada [T ] diagonal. No decorrer do captulo
assumiremos que V um espao vetorial real, a menos
quando explicitamente dito em contrrio.

2.1 Autovalores e autovetores


Em muitas situaes prticas de cincias puras e aplicadas, dado
um operador linear T : V V , deparamo-nos com o problema de
encontrar vetores no-nulos v tais que o vetor transformado T (v)
seja mltiplo de v . Esse o problema de autovalores, um tpico muito importante da lgebra Linear. O termo autovalor provm do
adjetivo germnico eigen, que significa prprio ou caracterstico
de. Do ponto de vista terico, autovalores e autovetores concentram informaes sobre a natureza do operador e tornam-se importantes porque nos mostram como o operador funciona.
Definio: Um nmero real um autovalor ou valor prprio do
operador linear T : V V se existe um vetor no-nulo v V tal
que T (v) = v . O vetor v chamado de autovetor ou vetor prprio
de T associado a . O conjunto V formado por todos os autovetores de T associados a um autovalor e pelo vetor nulo um
subespao vetorial de V chamado subespao prprio ou autoespao
associado a .
35

A partir da, algumas perguntas que surgem de maneira natural so: quantos autovetores podemos associar a um autovalor?
Quantos autovalores podemos encontrar? O que podemos fazer
para encontrar autovalores e autovetores? Com o intuito de responder a essas e outras perguntas que aparecero no decorrer do
captulo, comeamos com a observao de que se v um autovetor de T associado a , ento o mesmo acontece com v para
qualquer escalar arbitrrio no-nulo , j que
T (v) = v T ( v) = ( v).
Ou seja, qualquer mltiplo escalar de v tambm V um autovetor de T associado a .
Para ilustrarmos como achar autovalores e autovetores correspondentes apresentamos alguns exemplos a seguir.
Exemplo 1: Seja T : 2 2 , T ( x, y ) = (2 x , x + 3 y ) . Para procurar autovalores e autovetores de T resolvemos a equao
T ( x, y ) = ( x, y ) ou (pela definio de T ) (2 x , x + 3 y ) = ( x, y ) .
Igualando componentes obtemos o sistema de equaes:
2 x = x

x + 3 y = y
Note que y no pode ser zero, caso contrrio obteramos x = 0 e
da (x,y) = (0,0) (ou seja, o vetor nulo v = (0, 0) ), o que no pode
acontecer pela definio de autovetor. Agora podemos considerar
dois casos: x 0 e x = 0 . Se x 0 , da primeira equao obtemos
= 2 , e, com esse valor na segunda equao, x = - y . Assim, = 2
um autovalor de T e v = ( x, - x) = x (1, -1) , x 0 , um autovetor correspondente. Nesse caso, o subespao prprio associado a
= 2 V =2 = {x (1, -1) / x } = [(1, -1)] ou, em palavras, V =2 o
subespao de 2 gerado pelo autovetor v = (1, -1) que a reta no
plano que contm v .
Se x = 0 , da segunda equao segue que = 3 e y pode ser
arbitrrio (no-nulo). Portanto, = 3 outro autovalor de T ,
v = (0, y ) = y (0,1) um autovetor associado, e V=3 = [(0,1)] , que
a reta que passa pela origem e perpendicular ao eixo Y , o
subespao prprio associado.

36

O efeito de um operador linear determinado facilmente e simples de se interpretar geometricamente em 2 . Como ilustrao,
considere o operador T do exemplo 1 e os vetores v = (-1,1) , e
u = (1, 0) . Dessa forma, T (v) = (-2, 2) = 2 (-1,1) , isto , v transformado em um mltiplo de si mesmo, pois v um autovetor de
T associado ao autovalor = 2 (ver figura 3 a seguir). O efeito do
operador sobre u T (u ) = (2,1) . Obviamente, u no autovetor
do operador, pois T (u ) no mltiplo de u .

T (v) = 2v
T

v
u
x

T (u)

Figura 2.1 - Efeito de um operador linear

Observao: Embora o efeito de um operador em 2 seja simples


de se calcular, a situao pode ser bem diferente quando a dimenso do espao elevada. No entanto, se v uma combinao
de autovetores v1 , , v p de T , por exemplo, v = 1v1 + + p v p , e
se ambos j e v j so disponveis, o efeito de T sobre v pode
ser calculado facilmente. De fato, como T linear, segue que
T (v) = 1T (v1 ) + + pT (v p ) e, assim, o efeito do operador pode
ser calculado como T (v) = 1 1 v1 + + p p v p , um fato muito
explorado em aplicaes da lgebra linear na resoluo de problemas prticos.
Um ponto importante a ser enfatizado que no raro encontrar
operadores lineares que no possuam autovalores. Ilustramos
isso com o exemplo 2 a seguir:

37

Exemplo 2: Seja T : 2 2 , T ( x, y ) = (- y, x) . Se um autovalor de T e v = (a, b) um autovetor correspondente, ento


T (v) = v (-b, a ) = (a, b) . Da segue que 2 + 1 = 0 , o que impossvel em . Ou seja, como no existe real tal que T (v) = v ,
conclumos que o operador T no tem nem autovalores nem autovetores. Outro operador T : 2 2 que no possui autovalores
aquele que produz rotaes no plano, veja a lista de exerccios ao
final deste captulo.
A existncia de autovalores de um operador linear no depende
da dimenso do espao. Veja o exemplo a seguir.
Exemplo 3: Seja V = C () o espao das funes contnuas em .
Sabemos que V um espao vetorial real de dimenso infinita.
t

Seja T : V V o operador linear definido por T ( f )|t = f ( x) dx .


0

Afirmamos que o operador T no possui nenhum autovalor. De


fato, vamos supor que um autovalor de T . Ento exist

te f 0 tal que Tf = f . Isto , f (t ) = f ( x) dx . Agora, j que


0

pelo primeiro teorema fundamental do clculo temos f ' = f ,


segue que 0 , pois f 0 . Por outro lado, note que a equao
diferencial f ' = 1 f tem soluo f (t ) = ect com c = 1/ . Substituindo essa soluo na equao autovalor-autovetor segue que
t

ect = ecx dx = ect - , e assim = 0 , o que contradiz o fato de


0

ser 0 . Logo, fica demonstrado que o operador T no tem autovalores.


Sabemos que toda matriz real A n n define um operador linear
TA : nx1 nx1 dado por TA (v) = Av . Note que aqui v denota um
vetor coluna em nx1 e que a imagem do operador calculada via
produto matriz vetor. Assim, os autovalores e autovetores de A
so, por definio, os autovalores e autovetores do operador TA .
Logo, um autovalor de A se existe um vetor no-nulo v em
nx1 tal que Av = v . Portanto, podemos concluir que:
um autovalor de A a equao (A - I) x = 0
em soluo no-trivial.

38

Observe que, nessa equao, I denota a matriz identidade n n .


No entanto, j que o sistema homogneo ( A - I ) x = 0 tem soluo no-trivial se e somente se A - I uma matriz singular, ou
equivalentemente, se e somente se det ( A - I ) = 0 , temos que:
a) Os autovalores da matriz so as razes da equao
det ( A - I ) = 0
chamada equao caracterstica, e p ( ) = det ( A - I ) um polinmio em de grau n chamado polinmio caracterstico de
A . Para ver que p ( ) um polinmio de grau n , basta observar que avaliando o determinante
a1n
a11 -

p ( ) = det ( A - I ) = det

a
ann -
n1
obtemos p ( ) = (a11 - ) (ann - ) + termos de grau menor
que n. Isso mostra que o polinmio caracterstico de A
de grau n .
importante observar que, se A uma matriz real n n ,
ento p ( ) tem coeficientes reais e, portanto, todas as suas
razes complexas vm em pares conjugados. Assim, se
= a + ib raiz de p ( ) , seu complexo conjugado = a - ib
( i = -1 ) tambm raiz de p ( ) . Formalmente, as razes
complexas de p ( ) so autovalores complexos da matriz
A interpretada como operador TA : n1 n1 , dado por
TA ( x) = Ax , x n1 . Dessa forma, se 1 , 2 , , n so os autovalores de A (reais ou complexos), ento o polinmio caracterstico p ( ) pode ser escrito como
p ( ) = ( 1 - ) ( 2 - ) ( n - ) .
Considerando agora que p ( ) = det ( A - I ) e tomando = 0
nessa equao, segue que
1 2 n = p (0) = det ( A) .
Outra concluso imediata, que provm de comparar o coeficiente de ( - n -1) da expresso, que resulta de avaliar o determinante det ( A - I ) , com o coeficiente de (- n -1) que aparece
aps desenvolver os produtos ( 1 - ) ( 2 - ) ( n - ) , que
39

j =1

j =1

j = a jj .
A soma dos elementos da diagonal principal de uma matriz quadrada A chamada de trao de A e denotada por
tr ( A) .
b) Para cada autovalor , os autovetores associados so solues no-triviais do sistema homogneo
( A - I ) x = 0.
Observao: Uma dificuldade de ordem prtica no clculo de autovalores para matrizes n n , n > 4 , que equaes polinomiais
de grau maior que 4 no so solveis por radicais, ou seja, essas
equaes no podem ser solucionadas usando frmulas anlogas
quelas usadas para equaes de segundo ou terceiro graus. Por
isso, na prtica, o clculo de autovalores feito computacionalmente atravs de mtodos iterativos. Mtodos iterativos que usam
transformaes ortogonais so implementados em muitos sistemas interativos como MATLAB, SCILAB, OCTAVE, MAPLE etc.
Os exemplos a seguir ilustram o procedimento para encontrar autovalores e autovetores associados.
3 -2
Exemplo 4: Considerando a matriz A =
, a equao carac1 0

terstica :
det ( A - I ) =

3 - -2
= 0 (3 - ) (0 - ) - 1(-2) = 0.
1
0-

Da vemos que os autovalores da matriz A so razes da equao 2 - 3 + 2 = 0 : 1 = 2 , e 2 = 1. Para encontrar os autovetores


associados a 1 = 2 , devemos encontrar solues no-triviais do
sistema homogneo ( A - 1 I ) x = 0 :
3 - 1
-2

0 - 1
1

x1 0
= .
x2 0

Esse sistema reduz-se expresso x1 - 2 x2 = 0 , da qual vemos que


todas as solues no-triviais desse sistema, ou seus autovetores
2
associados a 1 = 2 , so da forma x = , em que qualquer
1
40

escalar no-nulo. Procedendo analogamente, podemos verificar


1
que os autovetores associados com 2 = 1 so da forma x = ,
0
sendo qualquer escalar no-nulo.
Exemplo 5: Neste exemplo consideramos a matriz
3 -1 0

A = -1 2 -1 .
0 -1 3
Para esta matriz, a equao caracterstica :
3 - -1
0
det ( A - I ) = -1 2 - -1 = 0 - 3 + 8 2 - 19 + 12 = 0 .
0
-1 3 -
As razes da equao caracterstica fornecem os autovalores 1 = 1,
2 = 3 , 3 = 4 . Para encontrar o autovetor associado a 1 = 1 , resolvemos o sistema homogneo ( A - 1 I ) x = 0 , que nesse caso tem
a forma
(3 - 1 ) x1 - x2 = 0

- x1 + (2 - 1 ) x2 - x3 = 0
- x + (3 - ) x = 0
2
1
3

Escalonando, obtemos o sistema equivalente


x1 - x2 + x3 = 0

x2 - 2 x3 = 0
que possui grau de liberdade 1 (ou seja, h uma varivel livre).
Tomando x 3 como varivel livre, o autovetor associado a 1 = 1
x3
1


tem a forma x = 2 x3 = x3 2 , para x 3 no-nulo e arbitrrio. Pro
3
x3
cedendo analogamente, para 2 = 3 temos que o autovetor asso1

ciado x = 0 , sendo no-nulo, enquanto que para 3 = 4


-1
1
o autovetor x = -1 , para no-nulo arbitrrio.
1

41

Para cada matriz A n n , as seguintes propriedades podem ser


provadas (consulte Noble e Daniel (1998)):
1) Existe pelo menos um autovetor associado com cada autovalor de A .
2) Se { 1 , , s } um conjunto de autovalores distintos e se
{ p1 , , ps } um conjunto de autovetores associados, ento
{ p1 , , ps } linearmente independente. Conseqentemente,
se A tem n autovalores distintos, ento existe um conjunto
linearmente independente de n autovetores e a matriz A
pode ser decomposta como
A = PP -1 ,
em que P = [ p1 , , pn ] uma matriz n n cujas colunas pi
so autovetores de A associados aos autovalores i , e
uma matriz diagonal com os autovalores i na diagonal
principal. Diferentes maneiras de ordenar os autovetores na
matriz P levam a diferentes decomposies da matriz A
e, assim, a decomposio acima no pode ser nica. Reciprocamente, se existe alguma matriz P , no-singular, e a
decomposio acima vale com diagonal, ento as colunas
de P so autovetores de A associados respectivamente aos
autovalores i , em que i a i-sima entrada da diagonal
principal de .
Se existe uma matriz P no-singular tal que B = P -1 AP , ento
B 2 = P -1 APP -1 AP = P -1 A2 P ,
B 3 = BB 2 = P -1 APP -1 A2 P = P -1 A3 P ,

B k = BB k -1 = P -1 Ak P , k 1 .
Quando A no-singular, o mesmo ocorre com B , e a propriedade acima vale para qualquer inteiro negativo k . Se, em particular, B diagonal (ex.: B = ), ento Ak = P k P -1 , e o clculo da
k -sima potncia de A requer apenas o clculo das k -simas
potncias dos elementos diagonais de .

42

Definio: Uma matriz quadrada B dita semelhante a uma matriz A se existe uma matriz no-singular P tal que B = P -1 AP .
Se B semelhante a A , dito que B obtida de A por meio de
uma transformao de semelhana.
imediato observar que matrizes semelhantes tm o mesmo polinmio caracterstico, e que a noo de semelhana define uma
relao de equivalncia no conjunto das matrizes quadradas no sentido em que:
a) A semelhante consigo mesma;
b) Se B semelhante a A , ento A semelhante a B ; e
c) Se C semelhante a B e B semelhante a A , ento C semelhante a A .
A primeira parte da afirmao ser vista no contexto geral de
operadores lineares; a segunda parte simples de se demonstrar
e fica como um exerccio para voc, leitor.
Se observarmos os autovalores e autovetores correspondentes do
exemplo 5, na notao do item 2, a matriz A pode ser decomposta como A = PP -1 , com:
1

= 0
0

0
2
0

0 1 0 0
1 1 1

0 = 0 3 0 , P = [ p1 , p2 , p3 ] = 2 0 -1 .
3 -1 1
3 0 0 4

Tambm, como A2 = P 2 P -1 , A3 = P 3 P -1 etc, obviamente a matriz Ak semelhante a k .


O exemplo 6 a seguir mostra que, no caso de aparecerem autovalores repetidos, podem existir autovetores linearmente independentes associados ao mesmo autovalor.
Exemplo 6: Considere agora a matriz
4 -1 6
A = 2 1 6 .
2 -1 8

43

Procedendo como antes podemos ver que a equao caracterstica


para essa matriz
3 - 13 2 + 40 - 36 = 0
e que os autovalores so 1 = 2 = 2 e 3 = 9 . Agora procuraremos
o(s) autovetor(es) associados ao autovalor repetido. A equao homognea tem a forma
(4 - 1 ) x1 - x2 + 6 x3 = 0

2 x1 + (1 - 1 ) x2 + 6 x3 = 0 .
2 x - x + (8 - ) x = 0
1
3
1 2
Aps escalonamento, o sistema reduz-se expresso
2 x1 - x2 + 6 x3 = 0 .
Da decorre que o sistema tem dois graus de liberdade (duas variveis livres). Sendo assim, o conjunto de solues no-triviais
pode ser escrito como
x1
1/ 2
-3

x = x2 = x2 1 + x3 0 ,
x3
0
1
sendo x2 e x3 arbitrrios, e ao menos um deles no-nulo. Assim,
para o autovalor repetido (duas vezes) = 2 podemos associar
um autovetor x que resulta de uma combinao linear de dois
vetores linearmente independentes:
v1 = [1/ 2 1 0 ] T , v2 = [ - 3 0 1] T .
Esses por sua vez tambm so autovetores associados ao mesmo
autovalor. possvel explicar tal afirmao devido ao fato de que,
para o autovalor repetido = 2 , podemos associar dois autovetores linearmente independentes.
Como j sabemos achar os autovalores e autovetores de uma matriz, vamos estudar agora como encontrar os autovalores de um
operador linear qualquer definido num espao vetorial real de
dimenso finita. A chave do assunto vem na proposio a seguir.
Proposio: Seja = {v1 , , vn } uma base de um espao vetorial
real V e T : V V um operador linear, ento T e a matriz de T
na base , [T ] , tm os mesmos autovalores.
44

Prova: Sabemos que para cada v V existem nmeros reais x j tais


que v = x1v1 + + xn vn . Sabemos tambm que, se xv = [ x1 xn ] T ,
ento existe um isomorfismo : V nx1 definido por (v) = xv
e que (T (v)) = [T ] xv . Logo, se um autovalor de T e v
um autovetor associado, usando a notao acima e o isomorfismo segue que [T ] xv = (T (v)) = ( v) = xv . Da vemos
que autovalor de [T ] e xv um autovetor correspondente, pois xv no-nulo. Reciprocamente, se um autovalor
de [T ] e x nx1 um autovetor associado, via isomorfismo
podemos encontrar um nico v V tal que (v) = x . Logo,
(T (v)) = [T ] x = x = (v) = ( v) . Isto , (T (v)) = ( v),
e assim T (v) = v , pois um isomorfismo.

2.2 Polinmio caracterstico e


Polinmio minimal
Embora da proposio anterior fique claro que autovalor de
T uma raiz do polinmio caracterstico p ( ) da matriz
[T ] , poderamos nos perguntar se p ( ) depende da base escolhida. O aspecto fundamental em relao a esse ponto que o
polinmio em questo independe da escolha da base. Para ver
isto, vamos considerar duas bases e ' e lembrar que existe
uma matriz inversvel P tal que [T ] = P -1 [T ] ' P (ou seja, [T ]
semelhante a [T ] ' ). Logo, usando o fato de que det ( P) det ( P -1 ) = 1
(esse resultado ser mostrado no captulo seguinte), obtemos
det ([T ] - I ) = det ( P -1 ) det ([T ] - I ) det ( P) = det ( P -1[T ] P - I ) =
det ([T ] - I ) = det ( P -1 ) det ([T ] - I ) det ( P) = det ( P -1[T ] P - I ) = det ([T ] ' - I ) .
Isso mostra que as matrizes [T ] e T ' tm o mesmo polinmio
caracterstico. No que diz respeito aos autovetores, temos a equivalncia
Tv = v [T ] xv = xv ,
em que xv nx1 o vetor de coordenadas do autovetor v de T na
base . A discusso acima justifica a definio a seguir.
Definio: Seja uma base de um espao vetorial V de dimenso finita. O polinmio caracterstico de um operador linear
T : V V o polinmio caracterstico da matriz [T ] .
45

Vejamos agora alguns exemplos que ilustram caractersticas associadas a autovalores e autovetores de operadores lineares ainda
no observadas nos exemplos anteriores.
Exemplo 7: Seja V o espao das funes polinomiais de grau menor ou igual a 1 e considere a base = {v1 , v2 } = {1 + x, 4 + x} . Seja
o operador linear definido por T (v1 ) = 5 + 2 x , e T (v2 ) = -2 (4 + x) .
Assim, j que T (v1 ) = v1 + v2 e T (v2 ) = -2v2 (verifique!), segue que
1 0
a matriz de T na base [T ] =
, portanto o polinmio
1 -2
caracterstico de T p ( ) = det ([T ] - I ) = (1 - ) (-2 - ) e os autovalores so 1 = 1 e 2 = -2 . A partir da observamos facilmente
que o autovetor de [T ] associado a 1 = 1 x = [3b b] T , com b
real no-nulo e arbitrrio. Usando o fato de que as componentes
do autovetor x so os coeficientes do autovetor de T expresso
como combinao linear dos vetores da base , o autovetor de T
associado a 1 = 1 v = 3bv1 + bv2 = b (3(1 + x) + (4 + x)) = b (7 + 4 x) ,
com b no-nulo e arbitrrio. Procedendo analogamente verificase que o autovetor de [T ] associado a 2 = -2 Ax = [0 b] t , com
b real no-nulo e arbitrrio. Assim, o autovetor de T associado a
2 = -2 x = 0v1 + bv2 = bv2 , b no-nulo, ou seja, o vetor v2 um
autovetor do operador associado ao autovalor 2 = -2 .
Exemplo 8: Suponha no exemplo anterior que, em lugar de
T (v2 ) = -2 (4 + x) , o operador T satisfaz T (v2 ) = (4 + x) . Proceden1 0
do da maneira usual, a matriz de T na base [T ] =
.
1 1
Logo, o polinmio caracterstico p ( ) = ( - 1) 2 e os autovalores
so 1 = 2 = 1 . Ou seja, o operador tem dois autovalores repetidos. Busquemos agora os autovetores associados. Seja x = [a b] T
o autovetor procurado. Logo,
(1 - 1 ) a + 0b = 0
([T ] - 1 ) x = 0
1a + (1 - 1 ) b = 0
e esse sistema se reduz expresso a = 0 . Dessa forma, o autovetor associado a 1 = 2 = 1 x = [0 b] T , em que b real e
no-nulo, e assim o autovetor de T associado a 1 = 2 = 1
v = 0v1 + bv2 = b (4 + x) . Note que, diferentemente do exemplo an46

terior, aqui vemos que o operador T no possui mais que um


autovetor linearmente independente.
A concluso que podemos tirar do exemplo acima que o nmero de autovetores linearmente independentes associados a um
autovalor repetido nem sempre coincide com a multiplicidade do
autovalor como raiz da equao caracterstica. Esses fatos motivam as definies a seguir.
Definio: A multiplicidade algbrica de um autovalor o
nmero de vezes que ele aparece como raiz do polinmio caracterstico; se aparece somente uma vez, ou seja, se sua multiplicidade algbrica for um, ento dizemos que um autovalor
simples. A multiplicidade geomtrica de a dimenso de V ,
o subespao prprio associado.
Baseados nessa definio podemos concluir que a multiplicidade
algbrica e a multiplicidade geomtrica de = 1 no exemplo 7 so
iguais a 1. No entanto, se considerarmos o exemplo 8, enquanto a
multiplicidade algbrica de = 1 2, a sua multiplicidade geomtrica 1, pois a dimenso do subespao prprio V=1 associado 1.
Como uma constatao do que foi visto no exemplo anterior, importante observar que a multiplicidade geomtrica de um autovalor no pode exceder sua multiplicidade algbrica (ver Boldrini et
al, 1996).
Seja V um espao vetorial real de dimenso n e T L (V , V ) .
Sabemos que L (V , V ) um espao vetorial de dimenso m = n 2 .
Uma conseqncia desse fato que o conjunto de m + 1 vetores
( I , T , T 2 , , T m ) linearmente dependente em L (V , V ) porque
nesse espao no podem existir mais que m vetores linearmente
independentes (lembrar que T 2 = T T , T 3 = T T 2 etc). Assim,
existem constantes reais a0 , a1 , , am no todas nulas tais que
amT m + + a1T + a0 I = 0 , 0 L (V ,V ) .
Isto , o operador T satisfaz
p (T ) = 0 , em que
m
p ( x) = am x + + a1 x + a0 , e nesse caso dizemos que o polinmio
p anula o operador. Lembramos que um polinmio p ( x) , cujo
coeficiente da maior potncia em x 1, chamado de polinmio
47

mnico. Dentre vrios polinmios que anulam o operador T , um


deles recebe um nome especial, conforme veremos a seguir.
Definio: Seja V um espao vetorial real de dimenso finita. O
polinmio minimal de um operador T L (V , V ) , denotado por
pm ( ) , o polinmio mnico de menor grau que anula T .
1 1
Exemplo 9: Vamos considerar a matriz A =
e achar o polin 0 1
mio minimal associado. Com efeito, o polinmio caracterstico de
A det ( A - I ) = 2 - 2 + 1 = ( - 1) 2 . Aps algumas operaes algbricas, observamos que o polinmio caracterstico de A anula a
matriz A , isto , a matriz A satisfaz A2 - 2 A + I = ( A - I ) ( A - I ) = 0
0 1
(verifique!). Como A - I =
0 , porm, conclumos que o
0 0
polinmio minimal pm ( ) = 2 - 2 + 1 .
48 -10 -10

Exemplo 10: Considere agora a matriz B = 90 -17 -20 .


135 -30 -27

Nesse caso, pode-se ver que o polinmio caracterstico p ( ) = - ( + 2) ( - 3) 2 . Pode-se ver tambm que
( B + 2 I ) ( B - 3I ) = 0 , e que ( B + 2 I ) 0 , e ( B - 3I ) 0 (verifique!), portanto o polinmio minimal da matriz B
pm ( ) = ( + 2) ( - 3) .
Os exemplos acima sugerem dois fatos:
1) em geral, p ( ) pm ( ) ;
2) ambos os polinmios tm as mesmas razes.
Uma prova formal do item 2 dada na proposio a seguir.
Proposio: Seja V um espao vetorial de dimenso n 1 e
T L (V , V ) , ento p ( ) e pm ( ) tm as mesmas razes a menos
de multiplicidades.
Prova: Sem perda de generalidade, vamos supor que todas as
razes do polinmio caracterstico p ( ) so reais. Logo, se
48

raiz de p ( ) , precisamos provar que p ( ) = 0 pm ( ) = 0 .


Com efeito, se raiz de p ( ) , ento um autovalor de
T e, para algum vetor no-nulo v V , temos T (v) = v . Da
decorre que T k (v) = k v para cada k 1 . Agora, assuma que
pm ( x) = b0 + b1 x + + x s . Como pm (T ) = 0 (lembrar a definio
de polinmio minimal), segue que
0 = pm (T ) v = (b0 I + b1T + + T s ) v
= b0 v + b1 v + + s v
= (b0 + b1 + + s ) v = pm ( ) v
e por conseguinte pm ( ) = 0 , pois v 0 . Logo, uma raiz
de pm ( ) . Reciprocamente, se raiz de pm ( x) , pela condio de minimalidade no grau do polinmio pm ( x) segue que
pm ( x) = ( x - ) q ( x) com q (T ) 0 e, portanto, existe u V tal
que v = q (T ) u 0 . Usando novamente o fato de que pm (T ) = 0 ,
temos
0 = pm (T ) v = (T - I ) q (T ) u = (T - I ) v ,
e, portanto, Tv = v . Isto , um autovalor de T e, assim,
p ( ) = 0 , como queramos provar.
Anlogo ao exemplo 8, em que o polinmio caracterstico da matriz A anula a matriz A , pode-se verificar no exemplo 9 que o
polinmio caracterstico de B anula B . Esses no so resultados
devido ao acaso. Eles so conseqncias de um resultado geral
conhecido como teorema de Cayley-Hamilton.
Proposio (Teorema de Cayley-Hamilton): Seja V um espao
vetorial de dimenso finita e T L (V , V ) . Se p ( ) o polinmio
caracterstico de T , ento p (T ) = 0 .
Prova: Seja uma base de V de dimenso n . Para simplificar
a notao, escrevemos A = [T ] . A prova est baseada na propriedade
Adj ( A) A = det ( A) I
em que Adj ( A) a adjunta clssica da matriz A . O conceito em
questo ser apresentado mais adiante. No momento, basta saber
49

que os elementos de Adj ( A) so obtidos via clculo do determinante de certas submatrizes de A de ordem n - 1 . Continuando a
prova, seja B = Adj ( A - I ) . Da observao acima, segue que os
elementos bij de B so polinmios em de grau no mximo n - 1 ,
isto , para cada par i, j , temos
bij = bij(0) + bij(1) + + bij( n -1) n -1 .
Com essa notao a matriz B pode ser escrita como
B = B0 + B1 + + Bn -1 n -1 ,
em que ( Bk )i , j = bij( k ) , 0 k n - 1 . Usando a propriedade da adjunta clssica descrita acima, obtemos que
B ( A - I ) = det ( A - I ) I .
Agora, note que, enquanto o lado esquerdo dessa igualdade pode
ser escrito como
B0 A + ( B1 A - B0 ) + + ( Bn -1 A - Bn - 2 ) n -1 - Bn -1 n ,
o lado direito o polinmio caracterstico do operador T vezes
a matriz identidade: p ( ) I = a0 I + a1 I + + an -1 I n -1 + an I n .
Comparando os coeficientes de ambos os polinmios obtemos o
seguinte conjunto de igualdades:
a0 I

a1 I
a2 I

an -1 I

an I

=
=
=

B0 A
( B1 A - B0 )
( B2 A - B1 )

= ( Bn -1 A - Bn - 2 )
=
- Bn -1

Multiplicando essas equaes por I , A, A2 , , An , respectivamente, e somando, obtemos


p ( A) = a0 I + a1 A + + an -1 An -1 + an An = 0 ,
como queramos provar.
Note que, devido ao teorema de Cayley-Hamilton, o polinmio
caracterstico um candidato ao polinmio minimal. Mais adiante veremos que o polinmio minimal importante, pois a partir
da multiplicidade das razes dele pode-se determinar se o operador linear possui uma base de autovetores.
50

Exerccios
1) Mostre que o conjunto formado pelos autovetores de um ope-

rador linear T : V V associados a um autovalor e o vetor nulo


um subespao vetorial de V .

2)

Para cada , seja R : 2 2 o operador definido por


R ( x, y ) = ( x cos - y sen , y cos + x sen ) . Mostre que o operador R no tem nem autovalores nem autovetores.

3) Mostre que a matriz A = 13

4) Sejam A = 11

2
semelhante a
2

4 0

.
0 -1

1
1 a
e B=
. Ache uma matriz no-singu1
a 1

lar P tal que P -1 AP e P -1 BP so diagonais.

5) Seja A = -53
mum.

3
T
. Mostre que A e A tm um autovetor co5

6) Seja

A uma matriz inversvel e seja um autovalor de A .


Mostre que 1/ um autovalor de A-1 .

7) No exemplo 7 vimos que os autovalores de uma matriz triangular inferior 2 2 eram os elementos da diagonal principal. Generalize esse resultado para uma matriz triangular inferior L
n n , isto , prove que os autovalores da matriz L so os elementos L jj da diagonal principal. Idem para matrizes triangulares
superiores.

8) Uma matriz A

n n dita idempotente se A2 = A .

a) Mostre que, se um autovalor de uma matriz idempotente, ento tem que ser igual a 0 ou 1.
b) Seja v um vetor unitrio em n1 (usando a norma euclideana) e A = vv T . Mostre que A idempotente e que v
51

um autovetor de A . Qual o autovalor associado? Quantos


autovalores nulos podemos encontrar?
3
[1 -1 1] T . Ache os autovalores da matriz
3
A = vv T e os autovetores correspondentes.

c) Seja v =

9) Seja

A uma matriz quadrada e seja B = A + I , em que I a


matriz identidade e um escalar. Qual a relao entre os autovalores de A e de B ? Explique.

10) Seja

A uma matriz quadrada. Mostre que A e A T tm o


mesmo polinmio caracterstico e, logo, os mesmos autovalores.
Podemos concluir que A e A T tm os mesmos subespaos prprios?

11) Seja T :

2 , T ( x, y ) = (-12 x - 19 y, 7 x + 11 y ) . Mostre que


T no tem autovalores em . Determine os autovalores complexos de T e autovetores correspondentes.

12) Ache a transformao linear T :

2 , tal que T tenha


autovalores -2 e 3 respectivamente associados aos autovetores
(3 y, y ) e (-2 y, y ) .

13) Seja T : V V

um operador linear. Assim: a) Se = 0 autovalor de T , mostre que T no injetora; b) A recproca verdadeira?

14) Seja S o subespao das funes reais gerado pelas funes


e 2 x sen ( x) , e 2 x cos ( x) , e 2 x , e considere o operador linear D : S S
definido por D ( f ) = f . Determine:
a) A matriz de D em relao base
= {e 2 x sen ( x) , e 2 x cos ( x) , e 2 x } de S .
b) Os autovalores de D e as funes de S que so autovetores
de D .

52

2.3 Operadores diagonalizveis


O objetivo desta Seo procurar condies sob as quais a matriz
de um operador linear uma matriz diagonal. Mais especificamente, se T : V V um operador linear, procuramos condies
sobre T para que exista uma base de V tal que a matriz [T ]
seja diagonal.
Definio: Seja V um espao vetorial real de dimenso finita e
T : V V um operador linear. Dizemos que T um operador
diagonalizvel se existe uma base de V tal que a matriz [T ]
diagonal.
Observe que, se conseguirmos uma base de autovetores de T ,
= {v1 , , vn } , ento a partir do conjunto de equaes
T (v1 ) = 1v1 + 0v2 + + 0vn
T (v2 ) = 0v1 + 2 v2 + + 0vn

T (vn ) = 0v1 + 0v2 + + n vn


temos que a matriz [T ] uma matriz diagonal com os autovalores j na diagonal principal:
1

0
[T ] =

0 0

2 0
.

0 n

Note que, independentemente dos autovalores serem distintos


ou no, a nica exigncia imposta para que [T ] seja diagonal
a de que os autovetores do operador formem um base de V .
Dito de outra forma, para cada autovalor com multiplicidade
algbrica s (ou seja, ( x - ) s um fator do polinmio caracterstico p ( x) ), deve existir um conjunto de s autovetores linearmente
independentes a ele associados. Reciprocamente, se a matriz [T ]
diagonal e uma base formada por vetores u1 , , un , ento
fcil ver que esses vetores so necessariamente autovetores de
T . Deixamos os detalhes da prova dessa afirmao como um
exerccio para voc, leitor.

53

Outro resultado importante que descreve condies sob as quais


um operador linear diagonalizvel ocorre atravs do polinmio
minimal.
Proposio: Seja uma base de um espao vetorial de V de
dimenso finita e T L (V , V ) . Dessa maneira T ser diagonalizvel se e somente se o polinmio minimal pm ( ) no tiver razes
repetidas.
A prova dessa proposio precisa da decomposio de um espao vetorial em soma direta de subespaos. Detalhes dessa prova
podem ser vistos em Hoffman e Kunze (1970). Outro resultado
que caracteriza um operador linear diagonalizvel a proposio a seguir.
Proposio: Considerando 1 , 2, , r os autovalores distintos
de um operador linear T L (V , V ) , e V1 , V2 , Vr os espaos prprios correspondentes, as seguintes sentenas so equivalentes:
a) T diagonalizvel;
b) Se o polinmio caracterstico de T , p ( x) , satisfaz
m
p ( x) = ( x - j ) j q ( x) , com q ( j ) 0 , ento dim (V j ) = m j ;
c) V = V1 V2 Vr ;
d) dim (V1 ) + + dim (Vr ) .
Uma conseqncia importante do item b que se a multiplicidade algbrica de um autovalor difere da dimenso do subespao
prprio correspondente, ento o operador linear no diagonalizvel. Para ilustrarmos esse ponto, assuma que a matriz na base
-1 -3 4

cannica de um operador linear T em : A = -4 0 4 ,


3 -4 0

ento o polinmio caracterstico de A p ( x) = - ( x - 3) ( x + 2) 2 e,


assim, os autovalores da matriz so 1 = 3 com multiplicidade 1, e
2 = -2 com multiplicidade 2 (verifique!). Para aplicarmos o item
b, devemos calcular as dimenses dos espaos prprios V1 e V2 .
Para tanto, vale a pena observar que se um autovalor de A ,
ento V o subespao gerado pelas solues do sistema homog54

neo de equaes lineares ( A - I ) x = 0 , ou equivalentemente, V


o subespao nulo de A - I . Isto :
V = N ( A - I ) = {x n / ( A - I ) x = 0} .
Feita essa observao, temos:
Voc saberia
responder por que esta
afirmao vlida?

1) V1 = N ( A - 3I ) e dim (V1 ) = dim ( N ( A - 3I )) = 1 , pois 1 tem


multiplicidade 1.
1 -3 4

2) V2 = N ( A + 2 I ) com A + 2 I = -4 2 4 . Como A + 2 I
3 -4 2

tem posto 2 (existem duas colunas LI), segue que


dim (V2 ) = dim ( N ( A + 2 I )) = 3 - 2 = 1 . Logo, como a multiplicidade do autovalor 2 2 e a dimenso do subespao prprio V2 1, baseado no item b conclumos que o operador
linear no diagonalizvel (observe que a mesma concluso
pode ser feita a partir do item (d)).
Exemplo 11: Seja T : 3 3 o operador linear cuja matriz em re -14 72 -60

lao base cannica A = -9 40 -30 . Procedendo na ma -6 24 -16

neira usual podemos ver que o polinmio caracterstico da matriz


A p ( x) = - ( x - 2) ( x - 4) 2 (verifique!), e que os autovalores distintos so 1 = 2 com multiplicidade 1, e 2 = 4 com multiplicidade 2. Com relao a V1 no h nada a ser analisado, pois 1 um
autovalor simples. Analisemos ento V2 . Com efeito, nesse caso
-18 72 -60

temos que A - 2 I = -9 36 -30 . Como a segunda linha des -6 24 -20

sa matriz 1/2 vezes a primeira e a terceira linha 1/3 vezes a


primeira, o posto de A - 2 I 1, portanto N ( A - 2 I ) = 3 - 1 = 2 e
V2 , o espao prprio associado a 2 , tem dimenso 2. Resolvendo o sistema homogneo ( A - 2 I ) x = 0 , se x = [a, b, c] T , verificase facilmente que V2 = {x 3 x1 / x = bv2 + cv3 } , em que b e c so
reais arbitrrios, com pelo menos um deles no-nulo, v2 = [4,1, 0] T ,
e v3 = [-10 / 3, 0,1] T . Isto , V2 gerado pelos vetores v2 e v3 . As55

sim, como a dimenso do subespao V2 igual multiplicidade


algbrica do autovalor 2 , usando o item b da proposio conclumos que o operador T diagonalizvel. Observe que, se v1
denota o autovetor associado ao autovalor 1 , ento = {v1 , v2 , v3 }
uma base do espao 3 (verifique!), e a matriz do operador T
nessa base a matriz diagonal
2 0 0

[T ] = 0 4 0 .
0 0 4

Observao: Como os autovalores e autovetores de uma matriz


real A n n so, por definio, os autovalores e autovetores do
operador linear TA : n n , TA ( x) = Ax , dizemos que a matriz
A diagonalizvel se o operador TA for diagonalizvel.

Exerccio
15) Decida se as matrizes so ou no diagonalizveis. Em caso
afirmativo, calcule uma base de autovetores
3 1
a) A =

-1 3

2 4
b) B =

4 2

4 -1
c) C =

1 2

0 -4
d) D =

3 7

16) Mostre que a matriz


diagonalizvel.

- + 6 3( - )
A=
, , ,
2 ( - ) 6 -

17) Seja A = ac

b
, a d . Mostre que A diagonalizvel se e
d

somente se (a - d ) 2 - 4bc 0 .

18) Em cada uma das seguintes matrizes a seguir, use a fatorao A = PP -1 para calcular A6 :

56

b) A = 0
0

5 6
a) A =

-2 2

2 1

1 2
0 -1

2 -8
c) A =

1 -4

19) Seja A uma matriz diagonalizvel cujos autovalores so 1


ou -1 . Mostre que A-1 = A .

a 1 0

Mostre que qualquer matriz da forma 0 a 1 no


0 0 b
diagonalizvel.

20)

21) Determine todos os valores de a , b , e c para os quais a


matriz a seguir seja diagonalizvel:

a b 1

A = 0 c 0 .
0 0 1

22) Seja {u ,, u } uma base ortonormal para

n1 e sejam
1 , , n escalares. Defina A = 1 u1 u1T + + 1 un unT . Mostre que
A uma matriz simtrica com autovalores 1 , , n e que u j
um autovetor associado a j para cada j . Podemos concluir que
A diagonalizvel?
1

23) Seja T : V V

um operador linear. Assuma que V de


dimenso finita e que o operador satisfaz T 2 = T . Prove que T
diagonalizvel.

24) Sejam

x e y vetores no-nulos em n1 , n 2 , e seja


A = xy T . Mostre que:
a) Zero um autovalor de A com n - 1 autovetores linearmente independentes e, portanto, tem multiplicidade algbrica
pelo menos igual a n - 1 ;
b) O outro autovalor de A n = tr ( A) = xT y e x um autovetor associado a n ;
c) Se n 0 , ento A diagonalizvel.

57

2.4 Matrizes hermitianas


O objetivo desta seo estudar matrizes com entradas complexas e considerar os anlogos complexos de matrizes simtricas
e ortogonais. Para tanto, a noo de produto interno dada no
captulo anterior deve ser estendida para incluir espaos vetoriais complexos. Lembramos que, para cada nmero complexo
z = a + ib , com a e b reais, e i = -1 (a unidade complexa imaginria), tem-se o conjugado complexo z = a - ib , e que o mdulo
de z | z |= a 2 + b 2 . Uma notao anloga pode ser usada para
matrizes. Se A uma matriz com entradas complexas, ento A
a matriz formada tomando-se o complexo conjugado de cada
elemento de A . Nesse sentido, a propriedade do conjugado do
produto de dois nmeros complexos, z1 z2 = z1 z2 , estende-se facilmente para o produto de matrizes complexas. Se A e B so
matrizes com dimenses apropriadas tais que o produto AB
possvel, ento AB = AB .
Definio: Seja V um espao vetorial complexo. Um produto interno em V uma funo , :V V que satisfaa:
a) (v V ) v, v 0 e v, v = 0 v = 0 ;
b) (v, w V ) v, w = w, v ;
c) (v, w, w ' V ) (k ) v, kw + w ' = k v, w + v, w ' .
Note que, diferentemente de um produto interno em espaos vetoriais reais, o produto interno complexo no simtrico (itens
(b) e (c)). Levando em conta essa observao, as propriedades
descritas no captulo anterior, vlidas para o produto interno em
espaos vetoriais reais, sero vlidas tambm para produtos internos complexos. Em particular, se V = n1 , o produto interno
usual de dois vetores v = [v1 , , vn ] T , w = [ w1 , , wn ] T em n1 ,
definido por
v, w = v1 w1 + + vn wn = wH v
e a norma induzida
|| v || =

| v1 |2 + + | vn |2 = v H v .

1
i
Como um exemplo, sejam v =
e w = . Assim:

2 - i
1
58

v, w = 1 i + (2 - i ) 1 = - i + (2 - i ) = 2 - 2i , v, w = 2 + 2i
(veja o item 2 da definio de produto interno),
|| v || =

|1|2 + | 2 - i |2 = 1 + 5 = 6 , e

|| w || =

| i |2 + |1|2 = 1 + 1 = 2 .

Baseado no conceito de produto interno, as noes de ngulo, ortogonalidade, base ortogonal etc, podem ser generalizados sem
dificuldades para o caso complexo.
Lembramos que, se A uma matriz complexa, AH , chamada de
hermitiana de A , a transposta da conjugada complexa de A ,
T
isto , AH = A .
Proposio: A transposta hermitiana de uma matriz tem as seguintes propriedades:
a) ( AH ) H = A ;
H
H H
b) ( AB) = B A ;

c) ( A + B) H = AH + B H ;
d) u , Av = AH u , v , em que , produto interno usual em n1.
Prova: A prova dos itens (a), (b) e (c) anloga prova das propriedades da transposta de uma matriz real e fica como um exerccio
para voc, leitor. Vejamos a prova do item (d). Usando a definio
do produto interno complexo usual e os itens (a) e (b) temos:
Av, u = u H ( Av) = (u H A) v = ( AH u ) H v = v, AH u .
Definio: Uma matriz complexa A dita hermitiana se AH = A.
Para

exemplificar,

como

-3 5 + 2i
A=

2
5 - 2i

satisfaz

-3
(5 - 2i )
AH =
= A , ento A hermitiana. Note que a
(5 + 2i )
2

2 -1
mesma concluso vale para B =
, pois B real e simtri -1 5
ca e, nesse caso, vale trivialmente B H = B . Esse exemplo mostra
59

que podemos considerar matrizes hermitianas como o anlogo


complexo de matrizes simtricas.
Proposio: Os autovalores de uma matriz hermitiana so reais e
os autovetores associados a autovalores distintos so ortogonais.
Prova: Seja um autovalor de A e v um autovetor associado.
Multiplicando previamente Av = v por v H temos v H Av = v H v .
Pela proposio anterior e o fato de que v autovetor de A temos
v H Av = ( AH v) H v = ( Av) H v = ( v) H v = v H v . Logo, v H v = v H v .
Como v H v > 0 , = e deve ser real. Isso prova a primeira parte
da proposio. Se v1 e v2 so autovetores associados a autovalores
distintos 1 e 2 , respectivamente, ento
2 v1H v2 = v1H Av2 = ( AH v1 ) H v2 = ( Av1 ) H v2 = ( 1v1 ) H v2 = 1v1H v2 ,
e, assim, ( 1 - 2 ) v1H v2 = 0 . Como 1 e 2 so distintos, temos
que v1H v2 = 0 , como queramos provar.
Definio: Uma matriz complexa U n n dita unitria se
U H U = UU H = I . Note que, a partir da definio, decorre que as
colunas de uma matriz unitria formam uma base ortonormal
para o espao n1 . A prova fica como exerccio para voc, leitor.
1 1 + i -1 + i
Exemplo 12: A matriz U =
unitria. Como exer2 1 + i 1 - i
ccio, basta verificar a definio.
Exerccio: Se U unitria, mostre que U inversvel e que a inversa de U satisfaz U -1 = U H .
Proposio: As seguintes sentenas so verdadeiras:
a) Se P e Q so unitrias, o mesmo acontece com o produto PQ;
b) Se um autovalor de uma matriz unitria U , ento | |= 1;
c) Se U unitria, ento para todos os vetores u e v em n1
temos Uu , Uv = u , v , || Uu || = || u || .
A prova dos itens (a), (b) e (c) decorre imediatamente da definio
e fica como exerccio para voc, leitor.
60

2.5 Transformaes unitrias e forma


cannica de Schur
Vimos que uma matriz quadrada B obtida de A por meio de
uma transformao de semelhana, se existe uma matriz no-singular P tal que B = P -1 AP . Nesta seo consideraremos transformaes de semelhana induzidas por matrizes unitrias. Lembramos que, se P unitria, ento P -1 = P H . Nesse caso, B = P H AP
dita como unitariamente equivalente a A . Procuraremos matrizes unitrias que produzam matrizes unitariamente equivalentes
da forma mais simples possvel.
Proposio (Decomposio de Schur): Qualquer matriz quadrada A n n pode ser reduzida por uma transformao unitria
Q a uma matriz triangular superior com os autovalores de A
sobre a diagonal de . A matriz chamada forma cannica de
Schur e a decomposio A = Q Q H chamada uma decomposio
de Schur de A .
Prova: Seja 1 um autovalor de A com autovetor correspondente
v1 normalizado, de modo que v1 , v1 = 1 , em que , o produto
interno usual em n . Usando teoremas bem conhecidos, podemos encontrar vetores w2 , , wn tais que os vetores v1 , w2 , , wn
formem uma base ortonormal em n , ou seja, tais que a matriz
P = [v1 , w2 , , wn ] = [v1 ,W ] unitria. Logo, levando em conta
que W H v1 = 0 , 0 n-1 , e que Av1 = 1v1 , temos (desenvolvendo
multiplicao matricial em blocos) que
v1H
v1H
v1H AW 1
P AP = H A [v1 , W ] = H [ 1v1 , AW ] = 1
=
H
0 W AW 0
W
W
H

v H
v H
v1H AW 1 b H
P H AP = 1 H A [v1 , W ] = 1 H [ 1v1 , AW ] = 1
=
.
H
W
W
0 W AW 0 C
Se n = 2 a proposio verdadeira, pois, tomando Q = P , Q H AQ
j est sob a forma exigida. Prosseguiremos a prova por induo.
Suponha, agora, que a proposio verdadeira para n - 1 . Assim,
existe uma matriz unitria U de ordem n - 1 tal que U H CU = 1
1 0
triangular superior. Note agora que a matriz V =
satis0 U

faz a propriedade
61

1 0
V HV =
H
0 U

1 0
0 U = I

e, portanto, V tambm unitria. Usando essa matriz vemos que


1 0 1 b H 1 0 1 b H U 1 b H U
V H ( P H AP) V =
=

=
=
H
H
1
0 U 0 C 0 U 0 U CU 0

1 0
( P AP) V =
H
0 U
H

1 b H 1 0 1 b H U 1 b H U
=,

=
=
H
1
0 C 0 U 0 U CU 0

em que triangular superior. A igualdade acima pode ser escrita como Q H AQ = T com Q = PV , e a prova da proposio,
no que diz respeito triangularizao, decorre do fato de que Q
unitria porque P e V so unitrias. Finalmente, como A e
tm os mesmos autovalores ( A e so semelhantes), e como
os elementos da diagonal principal de so seus autovalores, a
proposio est provada.
Na prtica, pode ser difcil achar a decomposio de Schur, pois
ela exige o conhecimento de autovalores e autovetores da matriz.
Mesmo assim, ela pode ser determinada seguindo o procedimento descrito na prova da proposio.
8 2 1

Exemplo 13: Considere a matriz A = 1 7 3 . O polinmio carac1 1 6

terstico de A det ( A - I ) = - ( - 6) ( - 5) ( - 10) . Ao autovalor


2
[1 -1 0] T .
2
Usando o vetor v como primeira coluna de uma matriz unitria
P e considerando as outras colunas na forma mais simples possvel como, por exemplo,
= 6 corresponde o autovetor normalizado v =

2
P = 2
0

62

2
2
2
2
0

0 , temos que

A1 = P H AP = 0

1
9
2

- 2

2 2.

Consideremos a seguir a submatriz 2 2 de A1 definida por


9
B1 =
2

2 2
(veja a prova da proposio). Os autovalores de
6

B1 so, obviamente, 10 e 5. O autovetor normalizado associado


1
ao autovalor = 10 [ 2 2 1] t . Usando esse vetor como pri3
meira coluna de uma matriz unitria 2 2 como, por exemplo,
2 2

3
1

3
, podemos formar uma segunda matriz unitria
2 2

3
1
0
0

2 2
1

. Aplicando essa matriz


3 3 definida por V = 0
3
3

1
2 2

3
3

a A1 obtemos
desejada.

, que a forma de Schur

Note que, se tivssemos iniciado a construo da forma de Schur


com um autovetor associado a outro autovalor, teramos obtido
outra forma de Schur. Disso conclui-se que no existe uma nica
forma de Schur para uma matriz.
Proposio (Teorema Espectral): Se A hermitiana, ento existe
uma matriz unitria Q que diagonaliza A .
Prova: Pela decomposio de Schur, existe uma matriz unitria Q
tal que Q H AQ = T , com T triangular superior. Usando as propriedades da transposio seguida de conjugao complexa e o fato de
que a matriz A hermitiana, temos que
T H = (Q H AQ) H = Q H AH Q = Q H AQ = T ,
isto , T hermitiana, mas, como T triangular superior, ela tem
que ser diagonal (prove este fato: se T triangular superior e T
hermitiana, ento T diagonal).
63

Quando a matriz A real e simtrica, seus autovalores e autovetores so reais. Assim, a matriz diagonalizante deve ser ortogonal.
Corolrio: Se A real e simtrica, ento existe uma matriz ortogonal Q tal que QT AQ = .
Pelo teorema espectral , toda matriz hermitiana A pode ser fatorada na forma A = Q H Q , com diagonal, os elementos diagonais em como os autovalores de A e as colunas de Q como os
autovetores de A . Por conseguinte, A diagonalizvel e tem um
conjunto de autovetores que formam uma base ortonormal para
n1 . Existem, entretanto, matrizes no-hermitianas que tambm
possuem uma base de autovetores ortonormais. Elas pertencem
classe especial de matrizes conhecidas como matrizes normais.
Definio: Uma matriz quadrada dita normal se AAH = AH A .
obvio que toda matriz hermitiana normal, pois, certamente, se
A normal, ento AAH = AA = AH A . Na verdade, alm das matrizes hermitianas, as matrizes normais tambm incluem as matrizes reais simtricas e as matrizes anti-simtricas, entre outras.
Proposio: Uma matriz A n n normal (por exemplo: real
simtrica, anti-simtrica, hermitiana, unitria) se e somente se A
tem um conjunto de n autovetores ortonormais.
Prova: Suponha que existe uma matriz de autovetores ortonormais
Q = [q1 , , qn ] , em que Q diagonaliza A , isto , A = Q H Q , e
AH A = (Q H H Q) (Q H Q) = Q H H Q ,
AAH = (Q H Q) (Q H H Q) = Q H H Q .
Como H = H , pois matrizes diagonais comutam, segue que
AAH = AH A e, portanto, A normal. Reciprocamente, suponha
que A normal. Pelo teorema de Schur, existe uma matriz unitria
Q e uma matriz triangular superior tais que = Q H AQ . Vamos
mostrar que normal. Com efeito, temos
T H T = Q H AH QQ H AQ = Q H AH AQ , e
TT H = Q H AQQ H AH Q = Q H AAH Q .
64

x H Ax = x1

Como AAH = AH A , pois A normal, segue que T H T = TT H .


Comparando os elementos diagonais de T H T e TT H , vemos que
| t11 |2 + | t12 |2 + | t13 |2 + + | t1n |2 = | t11 |2
| t22 |2 + | t23 |2 + + | t2 n |2 = | t12 |2 + | t22 |2

| tnn | = | t2 n |2 + | t3n |2 + + | tnn |2


Da decorre que tij = 0 sempre que i j e, assim, diagonal.
Logo, os elementos diagonais de so autovalores de A e as
colunas de Q so os autovetores correspondentes. Com isso, a
proposio est provada.
Antes de encerrar o captulo, lembremos o pargrafo final do captulo anterior. Nesse pargrafo vimos que, como condio necessria e suficiente para que uma matriz A seja matriz de um produto
interno em relao a uma base, a matriz A deve ser simtrica
e satisfazer a desigualdade xT Ax > 0 para todo vetor coluna x ,
x 0 . Foi antecipado que essas matrizes so ditas definidas positivas. Encerraremos o captulo descrevendo a definio formal
dessas matrizes bem como um resumo das propriedades mais
importantes sobre o assunto.
Definio: Uma matriz hermitiana A dita definida positiva se
e somente se x H Ax > 0 para todo vetor coluna x , x 0 .
2 i
Como um exemplo, considere a matriz A =
. Vamos pro -i 3
var que A definida positiva. De fato, seja x = [ x1 x2 ] T um vetor
coluna em 21 , ento:
x H Ax = x1
2 i
x2

-i 3

x1
x = x1
2

2 i x1
x2
= x1
-i 3 x2

2 x + ix2
2
x2 1
= 2 x1 + ix1 x2 - ix2 x

-ix1 + 3 x2

2 x + ix2
2
2
x2 1
= 2 x1 + ix1 x2 - ix2 x1 + 3 x2 .

-ix1 + 3 x2
Para continuar nossa prova, precisamos lembrar que, para todo
complexo z = a + ib = Re ( z ) + i Im ( z ) , vale:
a) z - z = i 2 Im ( z ) , e
b) Im ( z ) | z | .
65

Usando a expresso do item (a) temos que


ix1 x2 - ix2 x1 = i ( x1 x2 - x1 x2 ) = - 2 Im ( x1 x2 ) ,
e, pelo item (b):
ix1 x2 - ix2 x1 -2 | x1 | | x2 | .
Usando essa desigualdade junto expresso encontrada acima
para x H Ax , temos que:
2

x H Ax = 2 x1 + ix1 x2 - ix2 x1 + 3 x2
2

2 x1 - 2 x1 x2 + 3 x2
2

= x1 - 2 x1 x2 + x2 + x1 + 2 x2
2

= ( x1 - x2 ) 2 + x1 + 2 x2 > 0.
Isso prova que a matriz A definida positiva.
Obviamente, quando A simtrica real, na definio de matrizes
definidas positivas a transposta hermitiana deve ser substituda
pela transposta usual.
Exemplo 14: Mostre que a matriz a seguir definida positiva:
2 -1 0

A = -1 2 -1 .
0 -1 2

Demonstrao: Para todo vetor coluna x em 31 temos:


T

x Ax = [ x1

= [ x1

x2

x2

2 -1 0 x1

x3 ] -1 2 -1 x2
0 -1 2 x

3
2 x1 - x2
x3 ] - x1 + 2 x2 - x3
- x2 + 2 x3

= 2 x12 - 2 x1 x2 - 2 x2 x3 + 2 x22 + 2 x32


= ( x1 - x2 ) 2 + ( x2 - x3 ) 2 + x12 + x32 .

Como essa expresso nunca igual a zero se x no-nulo, conclumos que a matriz A definida positiva.

66

Matrizes definidas positivas tm as seguintes propriedades:


a) Os autovalores de uma matriz definida positiva so positivos;
b) As entradas da diagonal principal de uma matriz definida
positiva so positivas;
c) Todas as submatrizes principais A1 , , An tm determinante
positivo (lembre que a submatriz principal Ak a matriz
k k obtida tomando-se os elementos da matriz A da linha
1 at a linha k e da coluna 1 at a coluna k ).
Essas propriedades so simples de se provar. As provas ficam
como exerccio para voc, leitor.

Exerccios
25) Seja A uma matriz unitria. Mostre que:
a) A normal
b) Se um autovalor de A , ento | |= 1 .

26) Seja A = 1i

1
. Mostre que A uma matriz normal e
3 + 2i
encontre uma matriz P tal que P H AP seja diagonal.

27) Quais das matrizes a seguir so hermitianas? Quais so


normais?

2-i
1 - i 2
1
a) A =
b) B =

2 + i -1
2 3

c) C =

1
2
1
2

1
2
1

28)

Uma matriz hermitiana A dita definida negativa se


x Ax < 0 para todo vetor coluna x , x 0 . Se x H Ax muda de sinal,
A dita indefinida. Quais das matrizes a seguir so definidas
positivas? Quais so definidas negativas? Quais so indefinidas?
H

-2 0 1

a) A = 0 -1 0
1 0 -2

1 2 1

b) A = 2 1 1
1 1 2

2 0 0

c) A = 0 5 3
0 3 5

67

29) Seja B uma matriz m n de posto n . Mostre que A = B B


T

definida positiva.

30) Se

A inversvel e simtrica, mostre que A2 definida

positiva.

31) Seja A uma matriz definida positiva. Para cada par de vetores coluna x , y , defina x, y = x H Ay . Mostre que a operao ,
define um produto interno em n .

32)

Seja A uma matriz n n hermitiana com autovalores 1 , , n e autovetores ortonormais q1 ,.qn . Mostre que
A = 1 q1 q1H + 2 q2 q2H + + n qn qnH . Aplique esse resultado ma0 5
triz
.
5 0

33) Mostre que os elementos diagonais de uma matriz hermitiana so reais.

1 -4
A=
normal mas no si1 1
mtrica, anti-simtrica nem unitria. Ache os autovalores e um
conjunto ortonormal de dois autovetores de A .

34) Mostre que a matriz

35) Se

A , B so matrizes hermitianas, mostre que AB hermitiana se e somente se AB = BA .

36) Uma matriz quadrada complexa

A dita anti-hermitiana
se A = - A . Mostre que matrizes anti-hermitianas so normais.
H

37) Mostre que

C = A + iB (com A e B como matrizes reais)


anti-hermitiana se e somente A anti-simtrica e B simtrica.

38)
68

4 0 0

Seja A = 0 1 i . Ache uma matriz B tal que B H B = A.


0 -i 1

Resumo
Neste captulo, dado um operador linear em um espao vetorial
real V , T : V V , estudamos o problema de encontrar escalares
e vetores no-nulos v em V tais que Tv = v , o problema de
autovalores. O escalar em questo, quando existe, dito autovalor de T , e o vetor v chamado de autovetor de T associado
a . Vimos que se V de dimenso finita e uma base de V ,
ento o problema de autovalores se reduz a a) achar as razes de
uma equao polinomial associada matriz [T ] , e b) resolver
um sistema homogneo do tipo ([T ] - I ) v = 0 . Do ponto de
vista operacional, mostramos que o efeito do operador sobre um
vetor v determinado mais facilmente quando v uma combinao linear de autovetores, e que a matriz [T ] torna-se diagonal
quando o operador admite uma base de autovetores, um caso importante que nos levou ao conceito de diagonalizao. Na ltima
parte do captulo estudou-se a forma cannica de Schur e propriedades de autovalores e autovetores de matrizes que aparecem
em aplicaes prticas tais como matrizes hermitianas, normais,
unitrias, definidas positivas etc.

Bibliografia Comentada
BOLDRINI, Jos L.; COSTA, Sueli I. Rodrigues; FIGUEIREDO, Vera L.;
WETZLER, Henry G. lgebra Linear. 3 ed. So Paulo: HARBRA, 1996.
Livro bem escrito, com enfoque didtico, com muitos exerccios
resolvidos e uma boa quantidade de exerccios propostos. um
livro que serve bem como apoio no estudo da lgebra Linear.
COELHO, Flvio U.; LOURENO, Mary L. Um Curso de lgebra
Linear. So Paulo: USP, 2005.
Excelente fonte de consulta, com tratamento clssico. Ele
apresenta demonstraes rigorosas de quase todos os tpicos
abordados. A maioria dos exerccios no fcil. Esse um livro
que pode servir como fonte de consulta permanente e que fica
bem em uma biblioteca particular de Matemtica.

69

NOBLE, Bem; DANIEL, James W. lgebra Linear Aplicada. 3 ed. Rio


de Janeiro: Prentice-Hall do Brasil, 1998.
Esse um livro que aborda a lgebra Linear visando aplicaes,
e interessante para voc, leitor que deseja se inserir no mundo
tecnolgico. Muitas aplicaes envolvendo autovalores bem como
a anlise das dificuldades de ordem prtica encontradas nessas
aplicaes so abordadas a.

70

Formas Multilineares

Formas Multilineares

Neste captulo iremos identificar cnicas, cuja equao cartesiana geral ax 2 + bxy + cy 2 + dx + ey + f = 0 ,
via autovalores da matriz associada forma quadrtica q ( x, y ) = ax 2 + bxy + cy 2 . Tambm, introduziremos, de
modo rigoroso, o conceito de determinante de uma matriz
e o estenderemos a fim de se definir o determinante de um
operador em um espao vetorial de dimenso finita.
Apresentaremos o conceito introdutrio de formas multilineares, as quais so funes de V n em (em que V
um espao vetorial real) e possuem a propriedade de ser
funcionais lineares em relao a qualquer entrada do produto cartesiano, quando fixadas as outras n 1 entradas.
As propriedades dessas funes podem ser bem compreendidas estudando-se o caso n = 2 : as formas bilineares.

3.1 Formas bilineares


Definio: Seja V um espao vetorial real. Seja f : V 2 uma
funo que satisfaz as seguintes propriedades:
a) (u , v, w V ) ( ) f (( u + w, v)) = f ((u, v)) + f (( w, v))
b) (u , v, w V ) ( ) f ((u, v + w)) = f ((u, v)) + f ((u, w))
Nesse caso, f dita uma forma bilinear real em V .
Exemplo 1: Seja V = 2. Seja f : 2 2 a funo definida por
f (( x1 , x2 ) , ( y1 , y2 )) = x1 y2 x2 y1 .
Afirmamos que f uma forma bilinear em 2 , pois:
a) f (( ( x1 , x2 ) + ( z1 , z2 ) , ( y1 , y2 )) = f (( x1 + z1 , x2 + z2 ) , ( y1 , y2 )) =
= ( x1 + z1 ) y2 ( x2 + z2 ) y1 = ( x1 y2 x2 y1 ) + z1 y2 z2 y1 =
= f ((( x1 , x2 ) , ( y1 , y2 ))) + f ((( z1 , z2 ) , ( y1 , y2 ))) ;
73

b) f ((( x1 , x2 ) , ( y1 , y2 ) + ( z1 , z2 ))) = f ((( x1 , x2 ) , ( y1 + z1 , y2 + z2 ))) =


= x1 ( y2 + z2 ) x2 ( y1 + z1 ) = ( x1 y2 x2 y1 ) + x1 z2 x2 z1 =
= f ((( x1 , x2 ) , ( y1 , y2 ))) + f ((( x1 , x2 ) , ( z1 , z2 ))) .
Exemplo 2: Seja V um espao vetorial real. Seja , :V 2 um
produto interno. Assim, , uma forma bilinear real.
Note que, no exemplo 2, a forma bilinear satisfaz a seguinte propriedade: ( v, w V ) v, w = w, v . Dizemos que uma forma bilinear real que satisfaz essa propriedade dita uma forma bilinear
simtrica em V .
Exerccio 1: Verificar se as funes a seguir so formas bilineares:
2
2
a) f : dada por f (( x1 , x2 ) , ( y1 , y2 )) = x12 + y12 ;

b) f : 2 2 dada por f (( x1 , x2 ) , ( y1 , y2 )) = x1 + y1 ;
2
2
c) f : dada por f (( x1 , x2 ) , ( y1 , y2 )) = x1 x2 + y1 y2 ;
2
2
d) f : dada por f (( x1 , x2 ) , ( y1 , y2 )) = x1 + x1 y2 ;
2
2
e) f : dada por f (( x1 , x2 ) , ( y1 , y2 )) = 4 x1 y1 + x1 y2 ;

f) f : 2 2 dada por
f (( x1 , x2 ) , ( y1 , y2 )) = x1 y2 + 4 x2 y1 + 2 x2 y2 ;
g) f : 2 2 dada por
f (( x1 , x2 ) , ( y1 , y2 )) = 3 x1 y1 x1 y2 + 4 x2 y1 + 2 x2 y2 .
Seja V um espao vetorial real de dimenso finita. Sejam = {v1 , , vn } e = {w1 , , wn } duas bases de V . Seja
f : V 2 uma forma bilinear. Considere dois vetores v
e w de V : v = a1v1 + + an vn e w = b1w1 + + bn wn , ento
f (v, w) =

a b

i , j =1

f (vi , w j ) . Por definio, a matriz da forma bili-

near f em relao s bases e , denotada por [ f ] , a matriz


tal que ([ f ] ) i , j = f (v j , wi ) , para todos i, j = 1,..., n . Assim:
f (v, w) =

ab

i , j =1

74

f (vi , w j ) = (b1

a1

bn )[ f ] = ( w)T [ f ] (v) ,
a
n

em que (v) e ( w) so respectivamente as coordenadas de v em


relao base e as de w em relao base . Quando = ,
escrevemos simplesmente [ f ] para representar a matriz de f
em relao base .
Exerccio 2: Mostre que [ f ] = [ I ] [ f ] , em que [ I ] a matriz
de transformao de base, da base para a base . Sugesto:
suponha que, para todo i = 1: n , wi = ai1v1 + + ain vn . Substitua
essas expresses em f (v j , wi ) e desenvolva os clculos.
Exemplo 3: A matriz da forma bilinear f definida no Exemplo 1, em relao base cannica do 2 ( can = {(1, 0) , (0,1)} ),
0 1
a matriz dada por [ f ] can =
, pois f (e1 , e1 ) = f (e2 , e2 ) = 0 ,
1 0
f (e1 , e2 ) = 1 e f (e2 , e1 ) = 1 . Realmente, voc pode observar que
( y1

0 1 x1
y2 )
= x1 y2 x2 y1 .
1 0 x2

Agora, se tomarmos = {(1,1) , (1, 1)} , temos que a matriz da forma bilinear f em relao s bases can e , nessa ordem, a ma 1 1
=
triz dada por [ f ] can

. Observe que, nesse caso, temos


1 1
x1
y + y2 y1 y2 x1
que [( y1 y2 )] = 1
, x = x e que
2 2 can 2
2
[( y1
[( y1

x1
y1 + y2
y2 )] [ f ] can
=

x2 2

x1
y1 + y2 y1 y2 1 1 x1
y2 )] [ f ] can
=

= x1 y2 x2 y1

2 1 1 x2
x2 2
y1 y2 1 1 x1
= x1 y2 x2 y1 .

2 1 1 x2

Exerccio 3: Achar a matriz das formas bilineares a seguir em


relao s bases e indicadas.
a) f : 2 2 tal que f (( x1 , x2 ) , ( y1 , y2 )) = 4 x1 y1 + x1 y2 ,
= = cannica ;
b) f : 2 2 definida por
f (( x1 , x2 ) , ( y1 , y2 )) = x1 y2 + 4 x2 y1 + 2 x2 y2 ,
= = {(1,1) , (1, 1)} ;
75

c) f : 2 2 definida por
f (( x1 , x2 ) , ( y1 , y2 )) = 3 x1 y1 x1 y2 + 4 x2 y1 + 2 x2 y2 ,
= = {(1, 2) , (1, 1)} ;
d) f : 3 3 dada por
f (( x1 , x2 , x3 ) , ( y1 , y2 , y3 )) = x1 y1 + x1 y2 2 x2 y1 x2 y3 ,
= = cannica .

3.1.1 Forma bilinear simtrica: forma quadrtica associada


Seja V um espao vetorial real. Seja f : V 2 uma forma bilinear. J mencionamos que uma forma bilinear simtrica se, para
todos os vetores v e w de V , f (v , w) = f ( w , v) . Por exemplo: um
produto interno uma forma bilinear simtrica (j vimos que a
recproca no verdadeira, observe os comentrios feitos no final
do Captulo 1).
Exerccio 4: Seja V um espao vetorial real de dimenso finita.
Seja = {v1 , , vn } uma base de V . Seja f : V 2 uma forma
bilinear. Mostre que f simtrica se e somente se [ f ] uma
matriz simtrica.
Consideremos, ento, que f : V 2 uma forma bilinear simtrica. Definimos a forma quadrtica associada a f como sendo a
funo q : V tal que, para todo vetor v , q (v) = f (v, v) .
Exemplo 4: Seja f : 2 2 a forma bilinear simtrica definida por f (( x1 , x2 ) , ( y1 , y2 )) = 3 x1 y1 x1 y2 x2 y1 + 2 x2 y2 . Dessa
maneira, a forma quadrtica associada a essa forma bilinear
q ( x, y ) = 3 x 2 2 xy + 2 y 2 .
Note que uma forma bilinear simtrica f : V 2 um produto
interno real se e somente se a forma quadrtica associada a f
definida positiva, isto , se, para todo vetor no-nulo v , q (v) > 0
(calcule e mostre).
Exerccio 5: Achar as formas quadrticas associadas s seguintes
formas bilineares:
a) f : 2 2 tal que f (( x1 , x2 ) , ( y1 , y2 )) = 4 x1 y1 + x2 y2 ;

76

b) f : 2 2 tal que
f (( x1 , x2 ) , ( y1 , y2 )) = 4 x1 y2 + 4 x2 y1 + 2 x2 y2 ;
c) f : 2 2 tal que
f (( x1 , x2 ) , ( y1 , y2 )) = x1 y1 3 x1 y2 3 x2 y1 + 2 x2 y2 ;
d) f : 3 3 , tal que
f (( x1 , x2 , x3 ) , ( y1 , y2 , y3 )) = x1 y1 + x1 y2 + x2 y1 + x2 y3 + x3 y2 x3 y3 ;
e) f : 3 3 , tal que
f (( x1 , x2 , x3 ) , ( y1 , y2 , y3 )) = x1 y1 2 x1 y2 2 x2 y1 + 3 x2 y3 + 3 x3 y2 .

3.2 Diagonalizao de formas quadrticas


Seja V um espao vetorial real de dimenso finita. Seja
= {v1 , , vn } uma base de V . Seja f : V 2 uma forma bilinear simtrica, e q : V a sua forma quadrtica associada. Dessa forma, dado um vetor v qualquer de V , q (v) = (v) T [ f ] (v) ,
em que [ f ] uma matriz real simtrica. Pelo Teorema Espectral existem, ento, uma matriz ortogonal Q e uma matriz diagonal D tais que [ f ] = QDQT . Por substituio na descrio
matricial de q , temos q (v) = (v)T QDQT (v) = (QT (v) )T DQT (v) .
Denotando QT (v) por w ,
wT = ( w1 wn ) , obtemos que
n

q (v) = wT Dw = dii wi 2 . Esta a forma diagonal de q . Note que


i =1

as colunas de Q formam um conjunto ortonormal de autovetores


de [ f ] : para cada i = 1: n , Qei associado ao autovalor dii .
Exemplo 5: Considere f : 2 2 , a forma bilinear simtrica
definida por f (( x1 , x2 ) , ( y1 , y2 )) = 3 x1 y1 2 x1 y2 2 x2 y1 + 2 x2 y2 .
A forma quadrtica associada q ( x, y ) = 3 x 2 2 2 xy + 2 y 2 .
Na forma matricial, em relao base cannica do 2 ,
q ( x, y ) = ( x

3
y)
2

2 x
. Os autovalores dessa matriz
2 y

so 4 e 1. Um conjunto ortonormal de autovetores associados a


eles = {( 6 3 , 3 3 ) , ( 3 3 , 6 3 )} . Em relao a essa base, a forma
quadrtica se escreve como
q ( x, y ) = ( x

3
y)
2

2 x
= (x
2 y

4 0

6
1
3 0

6
y) 3
3
3

77

q ( x, y ) = ( x

3
y)
2

2 x
= (x
2 y
= (z

z
em que =
w

6
3

3
6

6
y) 3
3
3

4 0

6
1
3 0
3

6
3

3
6

x
=
y

4 0 z
2
2
w)
= 4z + w ,
0 1 w
x x
= .
y y

Proposio: Seja V um espao vetorial real de dimenso finita n .


Seja f : V 2 uma forma bilinear simtrica. Seja uma base
de V . Assim, f um produto interno real se e somente se [ f ]
uma matriz simtrica definida positiva.
Prova: Seja q a forma quadrtica associada a f . Suponha que a
n

forma diagonal de q escreve-se como q (v) = wT Dw = dii wi 2 ,


T

i =1

em que w = Q (v) e [ f ] = QDQ . Assim, para todo vetor


no-nulo v , q (v) > 0 se e somente se, para toda matriz coluna
n

no-nula w , dii wi 2 > 0 . Isso, porm, verdadeiro se e somente


i =1

se dii > 0 para todo i = 1, ... , n (como exerccio, prove). Ou seja,


[ f ] uma matriz simtrica definida positiva.
Uma aplicao da diagonalizao
de formas quadrticas a identificao de cnicas. Por exemplo, a partir dos clculos anteriores, conclumos que a curva dada pela equao
3 x 2 2 2 xy + 2 y 2 = 1 uma elipse,
cujos eixos de simetria so Oz e Ow ,
eixos orientados definidos a partir dos
vetores unitrios ( 6 3 , 3 3 ) , ( 3 3 , 6 3 ) ,
respectivamente (os vetores da base ).
O semi-eixo menor da elipse tem tamanho 1 2 e, o semi-eixo maior, 1 (ver
figura 3.1 ao lado).

w
4z2 + w2 = 1

x
z
3x 2 2 xy + 2y = 1

Figura 3.1 - A elipse 3 x 2 2 xy + 2 y = 1 .

78

Exemplo 6: Considere f : 3 3 , a forma bilinear simtrica


definida por

f (( x1 , x2 , x3 ) , ( y1 , y2 , y3 )) = 2 x1 y1 + 2 x2 y2 + 2 x3 y3 + x1 y2 + x2 y1 + x1 y3 + x3 y1 + x2
f (( x1 , x2 , x3 ) , ( y1 , y2 , y3 )) = 2 x1 y1 + 2 x2 y2 + 2 x3 y3 + x1 y2 + x2 y1 + x1 y3 + x3 y1 + x2 y3 + x3 y2 .
A forma quadrtica associada
q ( x, y, z ) = 2 x 2 + 2 y 2 + 2 z 2 + 2 xy + 2 xz + 2 yz .
Na forma matricial, em relao base cannica do 2 ,
q ( x , y , z) = ( x

2 1 1 x


z ) 1 2 1 y . Os autovalores dessa ma1 1 2 z

triz so 4, 1 e 1. A forma diagonal dessa matriz :


2 1 1


1 2 1 =
1 1 2

3
3
3

3
3

2
2

6
6

4 0 0 33

0 1 0 0
0 0 1 63

3
2
6

3
2
6

22 .
6

6
3

Note que a base = {( 3 3 , 3 3 , 3 3 ) , (0, 2 2 , 2 2 ) , ( 6 3 , 6 6 , 6 6 )}


ortonormal e positiva, considerando-se que o terceiro vetor tem
o sentido do produto vetorial dos dois primeiros. Nessa base, a
forma quadrtica se reduz a q ( w1 , w2 , w3 ) = 4 w12 + w2 2 + w32 .
Exerccio 6: Identifique as seguintes cnicas e quadrticas:
a) xy = 2 ;
b) 3 x 2 + 2 xy + 3 y 2 = 4 ;
c) 3 x 2 + 2 xy + 2 xz + 4 yz = 1 ;
d) x 2 + y 2 + 3 z 2 + 4 xy = 3 ;
e) 2 x 2 + 2 y 2 + 2 z 2 + 2 xy + 2 xz + 2 yz = 3 .

3.3 A funo determinante


Historicamente, a criao formal do determinante surgiu na Europa no final do sculo XVII. O conceito de determinante creditado a Leibniz e aparece numa carta dele ao marqus de lHospital,
datada de 1693, na qual se discute a resoluo de um sistema de
79

trs equaes lineares em duas incgnitas. Foi Cauchy, no sculo


XIX, quem atribuiu o nome determinante ao conceito.
H vrias formas de se introduzir o conceito de determinante,
como, por exemplo, definir primeiro o determinante de uma matriz 11 , depois o de uma matriz 2 2 e, ento, generalizar para
matrizes n n , n > 2 , definindo o determinante de uma matriz
n n a partir dos menores de ordem n 1 , pela regra de Laplace; outra forma mostrar que o determinante a nica forma
n-linear alternada que resulta em 1 quando calculada na n-upla
(e1 , , en ) , em que {e1 , , en } a base cannica do n , que corresponde matriz identidade. Neste livro, vamos optar por esse
modo, para ilustrar o conceito de forma multilinear apresentado
neste captulo.
Definio: Seja V um espao vetorial real. Uma funo f : V n
uma forma n-linear se, para i = 1: n ,
(v1 ,..., vn , v V ) ( )
f ((v1 ,..., vi + v ,..., vn )) = f ((v1 ,..., vi ,..., vn )) + f ((v1 ,..., v ,..., vn )) .
A proposio a seguir diz que basta conhecermos como uma
forma n-linear aplicada em n-uplas de vetores de uma base para
conhecermos a forma em qualquer n-upla de vetores. A sua demonstrao deixamos para voc, leitor.
Proposio: Seja V um espao vetorial real de dimenso finita. Seja = {v1 , , vn } uma base de V . Uma forma n-linear
f : V n fica bem definida se conhecemos f ((vi1 ,..., vin )) qualquer que seja a permutao {i1 ,..., in } de {1,..., n} .
Definio: Seja V um espao vetorial real. Seja f : V n uma
forma n-linear. f dita alternada se, para 1 i < j n ,
(v1 ,..., vn V )
f ((v1 ,..., vi ,..., v j ,..., vn )) = f ((v1 ,..., v j ,..., vi ,..., vn )) .
Exemplo 7: Seja V = 2 . Vamos considerar a funo f : V V
definida por f (( x1 , x2 ) , ( y1 , y2 )) = 3 x1 y2 3 x2 y1 . fcil verificar que
f bilinear alternada (verifique).
80

Lema: Seja V um espao vetorial real. f : V n uma forma


n-linear alternada se e somente se, para 1 i < j n ,
(v1 ,..., vn V )
vi = v j = v f ((v1 ,..., v,..., v,..., vn )) = 0 .
Prova: Se f uma forma n-linear alternada, ento
(v1 ,..., vn V )
vi = v j = v f ((v1 ,..., v,..., v,..., vn )) = f ((v1 ,..., v,..., v,..., vn )) .
Logo, f ((v1 ,..., v,..., v,..., vn )) = 0 .
Para provar a recproca, observemos que, como f uma forma
n-linear, (v1 ,..., vn V )
0 = f ((v1 ,..., vi + v j ,..., v j + vi ,..., vn )) = f ((v1 ,..., vi ,..., vi ,..., vn )) +

f ((v1 ,..., v j ,..., v j ,..., vn )) + f ((v1 ,..., vi ,..., v j ,..., vn )) + f ((v1 ,..., v j ,.
f ((v1 ,..., v j ,..., v j ,..., vn )) + f ((v1 ,..., vi ,..., v j ,..., vn )) + f ((v1 ,..., v j ,..., vi ,..., vn )) =
= f ((v1 ,..., vi ,..., v j ,..., vn )) + f (v1 ,..., v j ,..., vi ,..., vn )) .
Por conseguinte,
= f ((v1 ,..., vi ,..., v j ,..., vn )) = f ((v1 ,..., v j ,..., vi ,..., vn )) ,
ou seja, f alternada.
Por esse lema, no caso de formas n-lineares alternadas a proposio reescrita da seguinte forma:
Proposio: Seja V um espao vetorial real de dimenso finita.
Seja = {v1 , , vn } uma base de V . Uma forma n-linear alternada f : V n fica bem definida se conhecemos f ((v1 , , vn )) ,
pois, dada uma permutao = (i1 , , in ) de {1,..., n} ,
f ((vi1 ,..., vin )) = (1) s ( ) f ((v1 ,..., vn )) , em que s ( ) o sinal da permutao : s ( ) = 1 , se a permutao for par e s ( ) = 1 se a
permutao for mpar.
Observao: Quando trocamos a posio de dois objetos numa
fila (a1 ,..., ai ,..., a j ,..., an ) , por exemplo, (a1 ,..., a j ,..., ai ,..., an ) , chamamos essa permutao de transposio. Um teorema interessante de combinatria o seguinte: se, para permutar uma fila de
81

n objetos F1 at chegarmos a uma fila F2 precisamos de um nmero par de transposies, ento qualquer outra forma, partindo
de F1 e chegando a F2 , precisar de um nmero par de transposies. Assim, classificamos as permutaes em pares e mpares.
Dessa maneira, como uma forma n-linear alternada troca de sinal
para cada transposio da n-upla, uma permutao par preserva
o sinal, enquanto uma permutao mpar faz trocar o sinal do
valor da forma.
Exemplo 8: Considere a permutao = (1, 4, 2,3) , isto , a funo de {1, 2,3, 4} em {1, 2,3, 4} tal que (1) = 1 , (2) = 4 , (3) = 2 ,
(4) = 3 . Verifique que a composta das transposies t 2,3 e
t 3,4 , nessa ordem.
Isto , = t 2,4 t 3,4 , em que t 3,4 a transposio que troca o 3 pelo
4 e t 2,4 a que troca o 2 pelo 4. Logo, par. Agora, a permutao (4,1, 2,3) impar ( s compor a transposio t1,4 com a
funo acima, nessa ordem).
Proposio: Seja V um espao vetorial real. Seja f : V n
uma forma n-linear alternada. Se {v1 ,..., vn } um conjunto l.d. de
V , ento f ((v1 ,..., vn )) = 0 .
n

Prova: Suponha, sem perda de generalidade, que v1 = ai vi . Asi =2


n
n

sim, f ((v1 ,..., vn )) = f ( ai vi ,..., vn ) = ai f (v1 , v2 ,..., vn ) = 0 ,


i =2
i =2

pois a n-upla que aparece em cada parcela tem dois vetores


iguais.
Corolrio: Seja V um espao vetorial real de dimenso r . Seja
f : V n uma forma n-linear alternada. Se r < n ento f
identicamente nula.
De agora em diante, vamos considerar formas n-lineares
f : V n , em que V = n . Vamos enunciar, a seguir, o teorema
que vai resultar na definio de determinante de uma matriz.
Teorema de Representao de uma Forma n-Linear Alternada: Seja V = n . Para cada nmero real existe uma nica forma n-linear alternada f : V n tal que f (e1 ,..., en ) = , em que
{e1 ,..., en } a base cannica de n .
82

Prova: Sejam v1 = (a11 ,..., a1n ) = a1 j e j , ... ,


j =1

vn = (an1 ,..., ann ) = anj e j .

Note

que,

pela

multiline-

j =1

aridade, f (v1 ,..., vn ) uma soma de parcelas do tipo


a1i1 . . anin f ((ei1 ,..., ein )) , em que i1 ,..., in so distintos dois a dois
(como f alternada, se dois daqueles ndices fossem iguais, o
valor de f anular-se-ia). Assim, (i1 ,..., in ) uma permutao dos
nmeros de 1 a n . Seja Pn o conjunto de todas as permutaes
dos nmeros de 1 a n (lembre-se que Pn tem n ! elementos). Para
cada elemento de Pn - (1) = i1 , ... , (n) = in - temos que
f ((ei1 ,..., ein )) = (1) s ( ) f (e1 ,..., en ) , em que s ( ) o sinal da
permutao . Assim,
f (v1 ,..., vn ) =

(1)

Pn

s ( )

a1 (1) . . an ( n ) f ((e1 ,..., en )) .

Logo, uma forma n-linear fica completamente determinada a


partir do valor atribudo a f (e1 ,..., en ) . Ou seja, dado , a
f (v1 ,..., vn ) = (1) s ( ) a1 (1) . . an ( n ) , em que

forma n-linear

Pn

v1 = (a11 ,..., a1n ) , ... , vn = (an1 ,..., ann ) , a forma n-linear que satisfaz
f (e1 ,..., en ) = .
Definio: Seja V = n . Seja {e1 ,..., en } a base cannica de n .
Considere a forma n-linear alternada det : V n definida por
det (v1 ,..., vn ) =

(1)

s ( )

Pn

a1 (1) . . an ( n ) . Essa forma n-linear alter-

nada, que toma o valor 1 em (e1 ,..., en ) , chamada de determinante.


Definio: Seja V = n . Considere a forma n-linear alternada
det : V n definida por det (v1 ,..., vn ) =

(1)

s ( )

Pn

a1 (1) . . an ( n ) .

Seja A a matriz tal que, para i = 1: n , a linha i formada pelas


coordenadas cannicas do vetor vi . A partir da, o determinante
da matriz A (a qual uma matriz quadrada), que denotamos por
det A ou por A , igual a det (v1 ,..., vn ) , isto ,
det A =

(1)

Pn

s ( )

a1 (1) . . an ( n ) .

83

Exerccio 7: Seja A uma matriz real 2 2 . Calcule det A pela definio anterior. Idem para uma matriz real A , de tamanho 3 3 .
Vamos listar, a seguir, algumas propriedades do determinante de
uma matriz quadrada A de ordem n .
Propriedades:
1) det kA = k n det A . Isso resulta do fato do determinante ser
uma forma n-linear. Em particular, det ( A) = (1) n det A .
2) Se B uma matriz obtida de A , substituindo-se alguma
linha de A pela soma dessa linha com um mltiplo de outra
linha, ento det B = det A . Isso decorre do fato de o determinante ser uma forma n-linear.
3) Se A singular, ento det A = 0 . s lembrar que uma matriz quadrada A singular se e somente se as linhas de A
so linearmente dependentes.
4) Se A uma matriz triangular ento det A = a11 . . ann .
Suponha, sem perda de generalidade, que A uma matriz
triangular inferior. Basta, ento, observar que, se uma
permutao diferente da identidade, existe i tal que (i ) > i
e, logo, ai (i ) = 0 . Por conseguinte,
det A =

(1)

s ( )

Pn

a1 (1) . . an ( n ) = a11 . . ann .

Definio: Sejam 1 i , j n . Denota-se por A(i , j ) a submatriz de


A , (n 1) (n 1) , obtida retirando-se de A a i-sima linha e a jsima coluna.

5) Se A uma matriz
a22

det A = a11 det


a
n2

84

a11

a
do tipo 21

an1
a2 n

.
ann

0 0

a22 a2 n
, ento

an 2 ann

Note que as nicas permutaes que resultariam em parcelas


no-nulas seriam aquelas que levam 1 em 1, sendo bijetoras de
{2,..., n} em {2,..., n} . Assim,
det A =

(1)

s ( )

Pn

det A =

(1)

Pn

s ( )

a1 (1) . . an ( n ) =

(1)

a1 (1) . . an ( n ) =

s ( )

Pn1

(1)

Pn1

s ( )

a2 (2) . . an ( n ) = a11.det A

a2 (2) . . an ( n ) = a11.det A(1,1)

6) Se A uma matriz inversvel, ento det A 0 . Se A uma


matriz inversvel, o mtodo de escalonamento (por linhas)
reduz A a uma matriz triangular superior, cujas entradas
diagonais so os pivs u11 ,..., unn os quais so, todos,
no-nulos. Como esse mtodo envolve apenas transposio
de linhas e substituio de uma linha por uma soma desta
com um mltiplo de outra, det A = u11 . . unn , que diferente de zero.
7) det A = det AT . Por definio,
det A =

(1)

Pn

s ( )

a1 (1) . . an ( n ) . Notemos que uma permu-

tao Pn uma funo bijetora de {1,..., n} em {1,..., n} .


Logo, a inversa de , 1 , tambm uma permutao que
pertence a Pn . Alm disso, s ( ) = s ( 1 ) , pois cada transposio utilizada para se chegar de (1,..., n) a ( 1 (1) ,..., 1 (n))
corresponde a uma transposio para se chegar de
( (1) ,..., (n)) a (1,..., n) . Assim,
det A =

(1)

s ( )

Pn

det A =

(1)

Pn

s ( )

a1 (1) . . an ( n ) =
=

(1)

s ( )

Pn

(1)

Pn

a1 (1) . . an ( n ) =

(1)

Pn

s ( )

a 1 (1),1 . . a 1

a 1 (1),1 . . a 1 ( n ),n =

s ( )

a (1),1 . . a ( n ),n = det AT

Antes de enunciarmos a oitava propriedade, apresentaremos a seguir a seguinte definio:


Definio: Sejam 1 i , j n . O determinante de A(i , j ) , A(i , j ) ,
chamado de (i , j ) -menor de A ; (1)i + j A(i , j ) dito o (i , j ) - cofator de A .
85

8) det A = a11 A(1,1) a12 A(1,2) + + (1)1+ n a1n A(1,n ) . (Teorema


de Expanso de Laplace). Como o determinante uma forma n-linear alternada, temos que:
a11
a21

an1

a12
a22

an 2

a1n
a11
a2 n
a
= 21

ann
an1
a11
a21

an1

0
a22

an 2

0
0
a2 n
a
+ 21

ann
an1

0 0
a12
a22 a2 n
a
22

an 2 ann
an 2

a12
a22

an 2

0
a2 n
++

ann

0 0
a21 a2 n
+ + (1) n 1

an1 ann

a1n
a2 n

ann

0
a21

an1

0
a22

an 2

a1n
a2 n
=

ann

0
0
a21 a2,n 1
.

an1 an ,n 1

Observe que, para obter a ltima parcela, fizemos (n 1)


transposies. O sinal associado a essa permutao
(1) n 1 = (1) n +1 . Assim, a expresso acima, pela propriedade
4, igual a
det A = a11 A(1,1) a12 A(1,2) + + (1)1+ n a1n A(1,n ) .
9) det AB = det A .det B . Se A singular, ento AB singular e,
logo, a propriedade vlida. Vamos supor, ento, que A no
singular. Seja B uma matriz cujas linhas so v1 ,..., vn , respectivamente. Consideremos a funo D : (n ) n dada
por D (v1 ,..., vn ) = det AB . Essa funo n-linear, pois
D (v1 ,..., vi + w ,..., vn ) = det ( Av1 ,..., A(vi + .w) ,..., Avn ) = det ( Av1 ,..., Avi + . Aw ,..., Avn ) =

, A(vi + .w) ,..., Avn ) = det ( Av1 ,..., Avi + . Aw ,..., Avn ) = det ( Av1 ,..., Avi ,..., Avn ) + det ( Av1 ,..., Aw ,..., Avn ) = D (v1 ,..., vi ,...
= det ( Av1 ,..., Avi ,..., Avn ) + det ( Av1 ,..., Aw ,..., Avn ) = D (v1 ,..., vi ,..., vn ) + .D (v1 ,..., w,..., vn )
( Av1 ,..., Aw ,..., Avn ) = D (v1 ,..., vi ,..., vn ) + .D (v1 ,..., w,..., vn ) .
fcil ver que essa funo tambm alternada. Ou seja, D
uma forma linear alternada. Logo, pelo Teorema de Representao de uma Forma n-Linear Alternada existe um nmero
real tal que, para toda matriz B (cujas linhas so v1 ,..., vn ),
D (v1 ,..., vn ) = .det (v1 ,..., vn ) , ou seja, det AB = .det B . Consideremos agora que B = I , ento det A = .det I = . Assim,
para toda matriz B , det AB = det A .det B .
86

10) det ( xI A) = x n (tr A) x n 1 + pn 2 ( x) , em que pn 2 ( x) um


polinmio de grau menor ou igual a (n 2) em x , e tr A
a funo trao de A . Aplicando a definio de determinante, det ( xI A) = ( x a11 )..( x ann ) + qn 2 ( x) , em que qn 2 ( x)
um polinmio de grau menor ou igual a (n 2) em x ,
pois qualquer permutao Pn , diferente da identidade,
vai resultar em uma parcela ( xI A) 1 (1) . . ( xI A) n ( n ) que
conter, no mximo, (n 2) elementos da diagonal entre
seus fatores.
11) det ( xI A) = ( x 1 ). . ( x n ) = x n ( i ) x n 1 + (
det ( xI A) = ( x 1 ). . ( x n ) = x n ( i ) x n 1 + (
1i n

1i < j n

1i n

1i < j n

i j ) x n 2 +

i j ) x n 2 + + (1) n 1 . . n .

A primeira igualdade decorre do Teorema Fundamental da


lgebra. A segunda igualdade pode ser demonstrada por
induo (prove). Note que, atribuindo-se o valor zero varivel x , obtemos que det A = 1 . . n . Ou seja, o determinante de uma matriz o produto de seus autovalores complexos, considerando-se suas multiplicidades algbricas.
12) Vamos definir primeiramente a matriz cofatora de uma
matriz A , denotada por Cof A : (Cof A)ij = (1)i + j A(i , j ) .
Dessa forma, a adjunta clssica de uma matriz A , denotada por Adj A , a transposta da matriz cofatora. Deixamos
para voc, leitor, provar que
A . Adj A = (det A). I
13) Seja V um espao vetorial real de dimenso finita. Sejam = {v1 ,..., vn } e = {w1 ,..., wn } duas bases de V . Seja
T : V V um operador linear. Como (T ) = ( I ) (T ) ( I ) e
( I ) = [( I ) ] 1 , conclumos que det (T ) = det (T ) . Assim,
definimos o determinante do operador T como sendo o determinante de (T ) , em que uma base qualquer de V .

87

Exerccios
8) Vamos representar as permutaes de {1,..., n} por n-uplas

ordenadas. Por exemplo: para n = 3 , (2,3,1) representa a permutao tal que (1) = 2 , (2) = 3 e (3) = 1 .
a) Nessa notao, liste os elementos de P3 , o conjunto de todas
as permutaes de {1, 2,3} (ou seja, todas as funes bijetoras de {1, 2,3} em {1, 2,3} ). Ache o sinal de cada uma das
permutaes, contando quantas transposies so necessrias para ir de (1, 2,3) at a tripla que a representa. Representando os elementos de uma matriz A por aij ( i , j = 1, 2,3 ),
calcule o determinante de A pela definio.
b) Idem para P4 (so 24 parcelas! Sugerimos utilizar rvores
para representar as parcelas).

9)

Seja A a matriz 4 4 cujos elementos so todos iguais a 1.


Seja B = 2 I A . Calcule det B de dois modos: pela definio e pela
Regra de Laplace.

10)

Seja A a matriz 4 4 cujos elementos so todos iguais a 1.


Seja X = xI A . Calcule det X por Laplace.
Um modo de se calcular determinantes como os sistemas interativos (como o Matlab, o Octave, o Scilab etc) fazem: escalonando a matriz dada, por operaes elementares, at resultar em
uma matriz triangular superior, cujo determinante fcil de se
calcular. Isso ilustrado a seguir em uma matriz de ordem 3.
1 2 3 1 2 3
1 2 3
1 2 3
4 5 6 = 0 3 6 = (1). 0 1 1 = (1). 0 1 1 = (1).1.1.(9) = 9
2 5 5 0 1 1
0 3 6
0 0 9

1 2 3
1 2 3
6 = (1). 0 1 1 = (1). 0 1 1 = (1).1.1.(9) = 9
1
0 3 6
0 0 9

11)

Calcule o determinante da matriz B do exerccio 2 pelo


procedimento do exerccio 3 acima.
88

12)

Idem para a matriz tridiagonal simtrica 5 5 , cujos elementos da diagonal principal so todos iguais a 2 e os elementos
das outras diagonais so todos iguais a -1.

13) Calcule os determinantes das seguintes matrizes:


1 2 2

2 3 4
a)
0 2 5

1 2 0

1

3

1
b)
2

7
2
0
1

7
0
1
0

1
2

21 22 23

c) 31 32 33
41 42 43

2 5 3 2

2 3 2 5
d)
1
3 2 2

1 6 4 3

1 2 2 3

1 0 2 0

e)

3 1 1 2

4 3 0 2

6 2 1 0 5

2 1 1 2 1
f) 1 1 2 2 3

3 0 2 3 1
1 1 3 4 2

14) Ache a cofatora das seguintes matrizes:


2 4 3

a) 1 7 2

3 8 2

1 1 6

b) 3 2 1
3 2 5

1 4 1

c) 5 3 5
1 2 7

2 3 4

d) 0 3 7
0 0 5

15) Ache a adjunta clssica de cada matriz do exerccio anterior.


Verifique, em cada matriz, a propriedade A . Adj A = (det A). I .

16)

Mostre que uma matriz simtrica definida positiva se e


somente se, para todo k , os determinantes das submatrizes prin89

cipais A (1: k ,1: k ) , ditos menores principais, so positivos. Sugesto: para mostrar implicao no sentido direto, use o fato de
que as submatrizes principais de uma matriz simtrica definida
positiva so tambm simtricas definidas positivas e que o determinante de uma matriz o produto de seus autovalores; para
mostrar a recproca, use o fato de que uma matriz simtrica tem
decomposio LDLT se os seus menores principais so no-nulos,
no caso em que as entradas de D , diferentes de d11 , so razes
entre menores principais consecutivos.

Resumo
Neste captulo introduzimos funes multilineares, das quais so
exemplos notveis os produtos internos e a funo determinante. Aqui, invertemos o processo de definio de determinante em
relao a alguns livros, como por exemplo o livro de Lima (1998).
Primeiro, definimos o determinante de uma matriz. Depois, definimos o determinante de um operador linear em um espao vetorial de dimenso finita, como sendo o determinante da matriz do
operador em relao a uma base qualquer, pois o determinante
invariante em relao a uma mudana de base: ele o produto
dos autovalores, com suas multiplicidades algbricas.

Bibliografia Comentada
STRANG, Gilbert. Linear Algebra and its Applications. 3rd ed. Orlando:
Harcourt Brace Jovanovich, 1988.
Esse livro tem exerccios muito bons sobre determinante de matriz.
A demonstrao das propriedades de determinante primorosa.
HOFFMAN, Kenneth; KUNZE, Ray. lgebra Linear. So Paulo:
Polgono, 1970.
Excelente fonte de estudo de funes multilineares, tudo rigoroso,
bem apresentado, com exerccios que so proposies sobre
determinantes.

90

LIMA, Elon L. lgebra Linear. 3 ed. Rio de Janeiro: SBM, 1998.


Licio H. Bezerra: Como falei anteriormente, este autor primeiro
define determinante de um operador para, depois, definir
determinante de matriz. Acho desnecessariamente complicado,
mas gosto assim mesmo. Para quem conhece determinante
interessante a abordagem; para quem nunca ouviu falar ou
conhece pouco de determinante pode ser desafiante acompanhar
a apresentao do assunto.

91