Escolar Documentos
Profissional Documentos
Cultura Documentos
Bezerra
Fermn S. V. Bazn
lgebra Linear II
Florianpolis, 2008
Universidade Federal de Santa Catarina
Consrcio ReDiSul
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
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
CDU 681.31:51
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
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,
Licio H. Bezerra
Fermn S. V. Bazn
1 Produto Interno
1 Produto Interno
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 '
u1 v1
n1
n1
Exemplo 1: Seja V = . Sejam u , v , u = , v = . Va-
mos definir u , v = u1v1 + + un vn . u v
n n
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
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 '
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 defi-
nio, a funo no positiva. Como contra-exemplo, tomemos o
vetor u = (1, 1) : u , u = 1.(1) + (1).1 = 2 < 0 .
b c d b d
a
( f ( x)) 2 dx = ( f ( x)) 2 dx + ( f ( x)) 2 dx + ( f ( x)) 2 dx ( f ( x)) 2 dx m ( d c) > 0 .
a c d c
a) u , v = u1v1 + u2 v1 + u1v2 + u2 v2 ;
c) u , v = u1v1 + u2 v1 + 4u2 v2 ;
13
d) u , v = u1v2 u2 v1 ;
m +1
e) u , v = u1v1 + u2 v1 + u1v2 + u2 v2 , em que m um inteiro
m
positivo;
m +1
f) u , v = u1v1 u2 v1 u1v2 + u2 v2 , em que m um inteiro
m
positivo;
g) u , v = 2u1v1 + 4u2 v2 ;
h) u , v = 2u1v1 .
u = u, u
14
1.3 ngulo entre vetores
Para definir ngulo entre vetores de um espao vetorial real V , va-
mos demonstrar primeiro a Desigualdade de Cauchy-Schwarz.
u, v u v
u, v u, v u, v u, v
w, w = w, v w, 2
u = v, v 2
u , v v, 2
u + 2
u,
u u u u
u, v u, v u, v u, v u, v
w, w = w, v w, 2
u = v, v 2
u , v v, 2
u + 2
u, 2
u =
u u u u u
2 2 2
2 u, v u, v 2 u, v 2
= v 2 2
+ 2
= v 2
. Como w, w = w 0 ,
u u u
temos que:
2
2 u, v
v 2
0
u
Ou seja, u, v u v .
15
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 con-
juntos de vetores ortogonais, em que o ngulo entre cada dois
vetores igual a 2 .
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 .
i) w1 = v1
v2 , w1
ii) w2 = v2 2
w1
w1
v3 , w1 v3 , w2
iii) w3 = v3 2
w1 2
w2
w1 w2
...
vn , w1 vn , w2 vn , wn 1
n) wn = vn 2
w1 2
w2 2
wn 1
w1 w2 wn 1
17
v2 , w1 v2 , w1
I) w2 , w1 = v2 2
w1 , w1 = v2 , w1 2
w1 , w1 = 0
w1 w1
vk , w1 vk , w2 vk , wk 1
wk , wi = vk 2
w1 2
w2 2
wk 1 , wi =
w1 w2 wk 1
vk , w1 vk , w2 vk , wk 1
= vk , wi 2
w1 , wi 2
w2 , wi 2
wk 1 , wi =
w1 w2 wk 1
vk , wi
= vk , wi 2
wi , wi = 0
wi
w1 = (1,1, 0);
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) ;
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 .
0 = v v , wi = v a1w1 + an wn , wi = v, wi ai wi , wi = v, wi ai ,
v = v, w1 w1 + + v, wn wn .
o v
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 ve-
tor 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 vn , v1 b1 v, v1
= .
v1 , vn vn , vn bn v, vn
E n passant locuo
adverbial; ligeira e
circunstancialmente. Ex:
base no-ortonormal, temos que resolver o sistema apresentado,
o que muito trabalhoso se a matriz no for diagonal (note que a
Mencionou-lhe o nome en matriz do sistema em questo diagonal se a base ortogonal).
passant. En passant, demonstramos a seguinte proposio:
21
Observe que, se estamos trabalhando em m com o produto in-
terno usual, o referido sistema no-homogneo pode ser reescri-
to 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 co-
luna 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 .
22
(verifique). Matrizes, cujas colunas so vetores ortonormais, par-
tilham dessa propriedade. Note que, se A for uma matriz qua-
drada, AT a inversa de A . Essas matrizes so ditas ortogonais
(cuidado para no fazer confuso: matrizes ortogonais tm colu-
nas ortonormais).
a) A nn ortogonal;
b) As colunas de A nn so ortonormais;
c) As linhas de A nn so ortonormais;
nn
d) A e (x n ) Ax = x ;
e) A nn e (x, y n ) yT AT Ax = yT x .
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, bus-
ca-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 proposi-
o anterior), h duas possibilidades para Hv : ou Hv = v e1 ou
Hv = v e1 . H dito uma reflexo de Householder se o subes-
pao 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
n2 v2 v
||v||2 .e1
n1
1
v1
o
||v||2 .e1
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
n . nT n . nT
Logo, Hu = u 2 2
u = (I 2 2
) u , e assim conclumos que:
n n
n.nT
H = I 2 2
.
n
13 2 3 2
3
n1. n1T n1. n1T n1. n1T 2
H1 = I 2 2
= I 2 =I = 3 1
3 3;
2
n1 12 6 2 2 1
3 3 3
H = H T = H 1 .
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 = .
n 12 6 12 16 5 6 16
1
2 16 16 5 6
2 1 1 2
0 13 16
Logo, HA = . Agora, vamos achar uma re-
0 2
3 16
0 2
3
5
6
13 2 3 2 3
n1 n1T n1 n1T n1 n1T 2
H 1 = I 2 2
= I 2 = I 3 = 3 13 2 3 .
n1 4
3 2 2 2 1
3 3 3
1 0 0 0
0 13 2 3 2 3
Considere a matriz H1 = , ento
0 2 3 13 2 3
0 2 3 2 3 13
1 0 0 0 2 1 1 2
0 13 2 3 2 3 0 13 16
H1 HA = , ou seja,
0 2 3 13 2 3 0 2
3 16
0 2 3 2 3 13 0 2
3
5
6
2 1 1 2
0 1 1 2
H1 HA = . Finalmente, vamos achar uma re-
0 0 12
0 0 1
2
n n T n n T 2 2
H 2 = I 2 2 22 = I 4 2 2 = 2 2
.
n2 2 2 22 2
2
26
1 0 0 0
0 1 0 0
Considere a matriz H 2 = . Assim,
0 0 2
2 22
0 0 2 22
2
1 0 0 0 2 1 1 2 2 1 1 2
0 1 0 0 0 1 1 2 0 1 1 2
H 2 H1 HA = =
0 0 2
2 2 2 0 0 12 0 0 2
0 0 22
22 0 0 1
2 0 0 0
Logo,
2 1 1 2 1 2 1 2 0 2 2 2 1 1 2
1 1
0 1 2 2
1 1 0 2
0 1 2 =
A = HH1 H 2 = 2 2
0 0 2 12 12 2
2 0 0 0 2
0 0 0 2 2 2
1 1 2
0 0 0 0
12 12 0
1 2 1 1 2
2 12 0
= 0 1 2 = QR ,
1
12 12 2
2
1
0 0 2
2 12 2
2
27
Exerccio 9: Ache as duas reflexes de Householder que satisfa-
zem o que pedido em cada item a seguir:
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 .
A inversvel (demonstre).
1 1 5 1 2 1
a) A = ; b) A = ; c) A = ;
1 1 1 1 1 1
29
2 1 2 2 4 2
d) A = ; e) A = ; f) A = ;
1 1 2 1 2 1
4 1 1 0
g) A = ; h) A = .
1 0 0 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.
30
Bibliografia Comentada
31
2 Autovalores e Autovetores
de um Operador Linear
2 Autovalores e Autovetores de
um Operador Linear
35
A partir da, algumas perguntas que surgem de maneira natu-
ral 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 res-
ponder a essas e outras perguntas que aparecero no decorrer do
captulo, comeamos com a observao de que se v um auto-
vetor de T associado a , ento o mesmo acontece com v para
qualquer escalar arbitrrio no-nulo , j que
T (v) = v T ( v) = ( v).
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 autove-
tor 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 .
36
O efeito de um operador linear determinado facilmente e sim-
ples 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 trans-
formado 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 .
y y
T (v) = 2v
T
v T (u)
u
x x
37
Exemplo 2: Seja T : 2 2 , T ( x, y ) = (- y, x) . Se um au-
tovalor 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 im-
possvel em . Ou seja, como no existe real tal que T (v) = v ,
conclumos que o operador T no tem nem autovalores nem auto-
vetores. Outro operador T : 2 2 que no possui autovalores
aquele que produz rotaes no plano, veja a lista de exerccios ao
final deste captulo.
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 .
det ( A - I ) = 0
a11 - a1n
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 .
p ( ) = ( 1 - ) ( 2 - ) ( n - ) .
1 2 n = p (0) = det ( A) .
39
n n
j = a jj .
j =1 j =1
( A - I ) x = 0.
3 -2
Exemplo 4: Considerando a matriz A = , a equao carac-
1 0
terstica :
3 - -2
det ( A - I ) = = 0 (3 - ) (0 - ) - 1(-2) = 0.
1 0-
3 - 1 -2 x1 0
= .
1 0 - 1 x2 0
40
escalar no-nulo. Procedendo analogamente, podemos verificar
1
que os autovetores associados com 2 = 1 so da forma x = ,
sendo qualquer escalar no-nulo. 0
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-
x3 3
cedendo analogamente, para 2 = 3 temos que o autovetor asso-
1
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)):
A = PP -1 ,
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 .
42
Definio: Uma matriz quadrada B dita semelhante a uma ma-
triz 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.
1 0 0 1 0 0 1 1 1
= 0 2 0 = 0 3 0 , P = [ p1 , p2 , p3 ] = 2 0 -1 .
0 0 3 0 0 4 3 -1 1
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
(4 - 1 ) x1 - x2 + 6 x3 = 0
2 x1 + (1 - 1 ) x2 + 6 x3 = 0 .
2 x - x + (8 - ) x = 0
1 2 1 3
2 x1 - x2 + 6 x3 = 0 .
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 .
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 isomorfis-
mo segue que [T ] xv = (T (v)) = ( v) = xv . Da vemos
que autovalor de [T ] e xv um autovetor corresponden-
te, 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.
det ([T ] - I ) = det ( P -1 ) det ([T ] - I ) det ( P) = det ( P -1[T ] P - I ) = det ([T ] ' - I ) .
45
Vejamos agora alguns exemplos que ilustram caractersticas as-
sociadas a autovalores e autovetores de operadores lineares ainda
no observadas nos exemplos anteriores.
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 au-
tovalores 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 verifica-
se 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 .
1 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 repeti-
dos. 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 au-
tovetor 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 an-
46
terior, aqui vemos que o operador T no possui mais que um
autovetor linearmente independente.
amT m + + a1T + a0 I = 0 , 0 L (V ,V ) .
47
mnico. Dentre vrios polinmios que anulam o operador T , um
deles recebe um nome especial, conforme veremos a seguir.
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 al-
gbricas, 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 caractersti-
co 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 (ve-
rifique!), portanto o polinmio minimal da matriz B
pm ( ) = ( + 2) ( - 3) .
1) em geral, p ( ) pm ( ) ;
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
49
que os elementos de Adj ( A) so obtidos via clculo do determi-
nante 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
B = B0 + B1 + + Bn -1 n -1 ,
B ( A - I ) = det ( A - I ) I .
a0 I = B0 A
a1 I = ( B1 A - B0 )
a2 I = ( B2 A - B1 )
an -1 I = ( Bn -1 A - Bn - 2 )
an I = - Bn -1
p ( A) = a0 I + a1 A + + an -1 An -1 + an An = 0 ,
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 .
1 a
4) Sejam A = 11 1
e B= . Ache uma matriz no-singu-
1 a 1
lar P tal que P -1 AP e P -1 BP so diagonais.
5) Seja A = -53 3 T
. Mostre que A e A tm um autovetor co-
5
mum.
51
um autovetor de A . Qual o autovalor associado? Quantos
autovalores nulos podemos encontrar?
3
c) Seja v = [1 -1 1] T . Ache os autovalores da matriz
3
A = vv T e os autovetores correspondentes.
11) Seja T : 2
2 , T ( x, y ) = (-12 x - 19 y, 7 x + 11 y ) . Mostre que
T no tem autovalores em . Determine os autovalores comple-
xos de T e autovetores correspondentes.
52
2.3 Operadores diagonalizveis
O objetivo desta Seo procurar condies sob as quais a matriz
de um operador linear uma matriz diagonal. Mais especifica-
mente, 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.
1 0 0
0 2 0
[T ] = .
0 0 n
53
Outro resultado importante que descreve condies sob as quais
um operador linear diagonalizvel ocorre atravs do polinmio
minimal.
a) T diagonalizvel;
c) V = V1 V2 Vr ;
-1 -3 4
3
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 homog-
54
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} .
-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 dis-
tintos so 1 = 2 com multiplicidade 1, e 2 = 4 com multiplicida-
de 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. Resolven-
do o sistema homogneo ( A - 2 I ) x = 0 , se x = [a, b, c] T , verifica-
se 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 . As-
55
sim, como a dimenso do subespao V2 igual multiplicidade
algbrica do autovalor 2 , usando o item b da proposio con-
clumos 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
Exerccio
15) Decida se as matrizes so ou no diagonalizveis. Em caso
afirmativo, calcule uma base de autovetores
3 1 2 4
a) A = b) B =
-1 3 4 2
4 -1 0 -4
c) C = d) D =
1 2 3 7
- + 6 3( - )
16) Mostre que a matriz A= , , ,
diagonalizvel. 2 ( - ) 6 -
17) Seja A = ac b
d
, a d . Mostre que A diagonalizvel se e
somente se (a - d ) 2 - 4bc 0 .
56
2 2 1
5 6 2 -8
a) A = b) A = 0 1 2 c) A =
-2 2 0 1 -4
0 -1
a 1 0
20)
Mostre que qualquer matriz da forma 0 a 1 no
diagonalizvel. 0 0 b
a b 1
A = 0 c 0 .
0 0 1
c) Se n 0 , ento A diagonalizvel.
57
2.4 Matrizes hermitianas
O objetivo desta seo estudar matrizes com entradas comple-
xas 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 veto-
riais complexos. Lembramos que, para cada nmero complexo
z = a + ib , com a e b reais, e i = -1 (a unidade complexa imagi-
nria), 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 fa-
cilmente para o produto de matrizes complexas. Se A e B so
matrizes com dimenses apropriadas tais que o produto AB
possvel, ento AB = AB .
a) (v V ) v, v 0 e v, v = 0 v = 0 ;
b) (v, w V ) v, w = w, 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
|| v || = |1|2 + | 2 - i |2 = 1 + 5 = 6 , e
|| w || = | i |2 + |1|2 = 1 + 1 = 2 .
a) ( AH ) H = A ;
H H H
b) ( AB) = B A ;
c) ( A + B) H = AH + B H ;
Prova: A prova dos itens (a), (b) e (c) anloga prova das proprie-
dades 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 .
-3 5 + 2i
Para exemplificar, como A= satisfaz
5 - 2i 2
-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.
1 1 + i -1 + i
Exemplo 12: A matriz U = unitria. Como exer-
2 1 + i 1 - i
ccio, basta verificar a definio.
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-sin-
gular P tal que B = P -1 AP . Nesta seo consideraremos transfor-
maes de semelhana induzidas por matrizes unitrias. Lembra-
mos que, se P unitria, ento P -1 = P H . Nesse caso, B = P H AP
dita como unitariamente equivalente a A . Procuraremos matri-
zes unitrias que produzam matrizes unitariamente equivalentes
da forma mais simples possvel.
H
v1H v1H v1H AW 1
P AP = H A [v1 , W ] = H [ 1v1 , AW ] = 1 H =
W W 0 W AW 0
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
61
1 0 1 0
V HV = H 0 U = I
0 U
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 = = =
0 U 0 C 0 U 0 U CU 0
H
1
H 1 0 1 b H 1 0 1 b H U 1 b H U
( P AP) V = H = = =,
0 U 0 C 0 U 0 U CU 0
H
1
em que triangular superior. A igualdade acima pode ser es-
crita 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.
8 2 1
Exemplo 13: Considere a matriz A = 1 7 3 . O polinmio carac-
1 1 6
terstico de A det ( A - I ) = - ( - 6) ( - 5) ( - 10) . Ao autovalor
2
= 6 corresponde o autovetor normalizado v = [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 poss-
vel como, por exemplo,
2 2
0
2 2 6 1 - 2
2 2
P = - 0 , temos que A1 = P H AP = 0 9 2 2.
2 2
0
0 0 1 2 6
62
Consideremos a seguir a submatriz 2 2 de A1 definida por
9 2 2
B1 = (veja a prova da proposio). Os autovalores de
2 6
B1 so, obviamente, 10 e 5. O autovetor normalizado associado
1
ao autovalor = 10 [ 2 2 1] t . Usando esse vetor como pri-
3
meira coluna de uma matriz unitria 2 2 como, por exemplo,
2 2 1
3 3
, podemos formar uma segunda matriz unitria
1 2 2
-
3 3
1 0 0
2 2 1
3 3 definida por V = 0 . Aplicando essa matriz
3 3
1 2 2
0 -
3 3
T H = (Q H AQ) H = Q H AH Q = Q H AQ = T ,
63
Quando a matriz A real e simtrica, seus autovalores e autove-
tores so reais. Assim, a matriz diagonalizante deve ser ortogo-
nal.
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 .
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
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
| tnn | = | t2 n |2 + | t3n |2 + + | tnn |2
2
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:
2 i x1 2 x + ix2 2
x H Ax = x1 x2 = x1 x2 1 = 2 x1 + ix1 x2 - ix2 x
-i 3 x2 -ix1 + 3 x2
2 i x1 2 x + ix2 2 2
x H Ax = x1 x2 x = x1 x2 1 = 2 x1 + ix1 x2 - ix2 x1 + 3 x2 .
-i 3 2 -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 ) ,
2 -1 0
A = -1 2 -1 .
0 -1 2
2 -1 0 x1
T
x Ax = [ x1 x2 x3 ] -1 2 -1 x2
0 -1 2 x
3
2 x1 - x2
= [ 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 .
66
Matrizes definidas positivas tm as seguintes propriedades:
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.
-2 0 1 1 2 1 2 0 0
a) A = 0 -1 0 b) A = 2 1 1 c) A = 0 5 3
1 0 -2 1 1 2 0 3 5
67
29) Seja B uma matriz m n de posto n . Mostre que A = B B T
definida positiva.
31) Seja A uma matriz definida positiva. Para cada par de ve-
tores coluna x , y , defina x, y = x H Ay . Mostre que a operao ,
define um produto interno em n .
0 5
triz .
5 0
1 -4
34) Mostre que a matriz A= normal mas no si-
1 1
mtrica, anti-simtrica nem unitria. Ache os autovalores e um
conjunto ortonormal de dois autovetores de A .
4 0 0
38)
Seja A = 0 1 i . Ache uma matriz B tal que B H B = A.
0 -i 1
68
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 auto-
valor 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 combi-
nao linear de autovetores, e que a matriz [T ] torna-se diagonal
quando o operador admite uma base de autovetores, um caso im-
portante que nos levou ao conceito de diagonalizao. Na ltima
parte do captulo estudou-se a forma cannica de Schur e pro-
priedades 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.
69
NOBLE, Bem; DANIEL, James W. lgebra Linear Aplicada. 3 ed. Rio
de Janeiro: Prentice-Hall do Brasil, 1998.
70
3 Formas Multilineares
3 Formas Multilineares
f (( x1 , x2 ) , ( y1 , y2 )) = x1 y2 x2 y1 .
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 =
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 =
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 .
n
a1
f (v, w) = ab i j f (vi , w j ) = (b1 bn )[ f ] = ( w)T [ f ] (v) ,
i , j =1 a
n
74
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 .
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
0 1 x1
( y1 y2 ) = x1 y2 x2 y1 .
1 0 x2
1 1
triz dada por [ f ] can = . Observe que, nesse caso, temos
1 1
y + y2 y1 y2 x1 x1
que [( y1 y2 )] = 1 , x = x e que
2 2 2 can 2
x1 y1 + y2 y1 y2 1 1 x1
[( y1 y2 )] [ f ] can = = x1 y2 x2 y1
x2 2 2 1 1 x2
x1 y1 + y2 y1 y2 1 1 x1
[( y1 y2 )] [ f ] can = = x1 y2 x2 y1 .
x2 2 2 1 1 x2
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 .
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 .
77
3 2 x 6 3 4 0 6
3 x
q ( x, y ) = ( x y) = (x y) 3 3
3 3
=
2 2 y 3
3 6
3 0 1 3 6
y
3 3
4 0 z 2 2
= (z w) = 4z + w ,
0 1 w
z 6
3 3
3 x x
em que = = .
w 3
3
6
3 y y
y
Uma aplicao da diagonalizao
de formas quadrticas a identifica-
o de cnicas. Por exemplo, a par-
tir dos clculos anteriores, conclu- w
mos que a curva dada pela equao 4z2 + w2 = 1
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
x
vetores unitrios ( 6 3 , 3 3 ) , ( 3 3 , 6 3 ) ,
respectivamente (os vetores da base ).
z
O semi-eixo menor da elipse tem ta-
manho 1 2 e, o semi-eixo maior, 1 (ver
3x 2 2 xy + 2y = 1
figura 3.1 ao lado).
2 2
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 .
q ( x, y, z ) = 2 x 2 + 2 y 2 + 2 z 2 + 2 xy + 2 xz + 2 yz .
2 1 1 x
q ( x , y , z) = ( x y z ) 1 2 1 y . Os autovalores dessa ma-
1 1 2 z
triz so 4, 1 e 1. A forma diagonal dessa matriz :
2 1 1 3
3 0 6
3 4 0 0 33 3
3
3
3
1 2 1 = 0 1 0 0 22 .
3 2 6 2
3 2 6 2
1 1 2 3
2 6 0 0 1 63 6 6
3 2 6 6 6
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 .
79
trs equaes lineares em duas incgnitas. Foi Cauchy, no sculo
XIX, quem atribuiu o nome determinante ao conceito.
(v1 ,..., vn , v V ) ( )
(v1 ,..., vn V )
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 )
(v1 ,..., vn V )
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 )) =
Por conseguinte,
ou seja, f alternada.
81
n objetos F1 at chegarmos a uma fila F2 precisamos de um n-
mero par de transposies, ento qualquer outra forma, partindo
de F1 e chegando a F2 , precisar de um nmero par de transpo-
sies. 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.
82
n
Prova: Sejam v1 = (a11 ,..., a1n ) = a1 j e j , ... ,
j =1
n
vn = (an1 ,..., ann ) = anj e j . Note que, pela multiline-
j =1
det A = (1)
Pn
s ( )
a1 (1) . . an ( n ) .
83
Exerccio 7: Seja A uma matriz real 2 2 . Calcule det A pela defi-
nio anterior. Idem para uma matriz real A , de tamanho 3 3 .
Propriedades:
det A = (1)
Pn
s ( )
a1 (1) . . an ( n ) = a11 . . ann .
84
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)
Pn
s ( )
a1 (1) . . an ( n ) = (1)
Pn1
s ( )
a2 (2) . . an ( n ) = a11.det A
det A = (1)
Pn
s ( )
a1 (1) . . an ( n ) = (1)
Pn1
s ( )
a2 (2) . . an ( n ) = a11.det A(1,1)
det A = (1)
Pn
s ( )
a1 (1) . . an ( n ) . Notemos que uma permu-
det A = (1)
Pn
s ( )
a1 (1) . . an ( n ) = (1)
Pn
s ( )
a 1 (1),1 . . a 1
det A = (1)
Pn
s ( )
a1 (1) . . an ( n ) = (1)
Pn
s ( )
a 1 (1),1 . . a 1 ( n ),n =
= (1)
Pn
s ( )
a (1),1 . . a ( n ),n = det AT
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 for-
ma n-linear alternada, temos que:
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 ) .
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 determinan-
te, 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 + ( i j ) x n 2 +
1i n 1i < j n
det ( xI A) = ( x 1 ). . ( x n ) = x n ( i ) x n 1 + ( i j ) x n 2 + + (1) n 1 . . n .
1i n 1i < j n
87
Exerccios
8) Vamos representar as permutaes de {1,..., n} por n-uplas
ordenadas. Por exemplo: para n = 3 , (2,3,1) representa a permu-
tao tal que (1) = 2 , (2) = 3 e (3) = 1 .
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
88
12) Idem para a matriz tridiagonal simtrica 5 5 , cujos ele-
mentos da diagonal principal so todos iguais a 2 e os elementos
das outras diagonais so todos iguais a -1.
2 5 3 2
21 22 23
2 3 2 5
c) 31 32 33 d)
41 42 43 1 3 2 2
1 6 4 3
6 2 1 0 5
1 2 2 3
1 0 2 0
2 1 1 2 1
e) f) 1 1 2 2 3
3 1 1 2
3 0 2 3 1
4 3 0 2 1 1 3 4 2
1 4 1 2 3 4
c) 5 3 5 d) 0 3 7
1 2 7 0 0 5
89
cipais A (1: k ,1: k ) , ditos menores principais, so positivos. Su-
gesto: 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 de-
terminante 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 determinan-
te. 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, defi-
nimos o determinante de um operador linear em um espao veto-
rial 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.
90
LIMA, Elon L. lgebra Linear. 3 ed. Rio de Janeiro: SBM, 1998.
91