Escolar Documentos
Profissional Documentos
Cultura Documentos
ALGEBRA
LINEAR
2� EDIÇÃO
KENNETH HOFFMAN
RAY KUNZE
Tradução de
RENATE WATANABE
RIO DE JANEIRO
SÃO PAULO
CIP-Brasil. Catalogação-na-fonte
Sindicato Nacional dos Editores de Livros, RJ.
Hoffman, Kenneth.
H647a Álgebra linear / Kenneth Hoffman [e) Ray Kunze; tra-
dução de Renate Watanabe. - 2. ed. - Rio de Janeiro:
Livros Técnicos e Científicos, 1979.
CDD - 512.5
79-0363 CDU - 512.8
· . ·
ISBN 85-216-0062�3 ·
K.M.H. / R.A.K.
SUMÁRIO
APÊNDICE................................................ 491
A.l. Conjuntos ..... ... .. . ............. .. .. . . ........ .. .......... 492
A.2. Funções.................................................... 49 3
A.3. Relações de Equivalência....... ...... .. ..... . ...... .......... 498
A.4. Espaços Quocientes.......................... ... .. .. . . .. .. . . . 501
SUMÁRIO - XIII
EQUAÇÕES LINEARES
1. A adição é comutativa,
para todos x e y em F.
2. A adição é associativa,
x + (y + z) = (x + y) + z
para todos x, y e z em F.
3. Existe um único elemento O (zero) em F tal que x +O= x,
para todo x em F.
4. A cada x em F corresponde um único elemento ( - )
x em
F tal que x + ( - x) = O .
5. A multiplicação é comutativa,
xy = yx
para todos x e y em F.
6. A multiplicação é associativa,
x(yz) = (xy) z
para todos x, y e z em F.
2 - ALGEBRA LINEAR
1+1+... +1 =o.
faz a cada uma das equações em (1-1) é dita uma solução do sis
tema. Se y 1 y2 = =
Ym O dizemos que o sistema é homo
. . .
= =
,
2x 1 - x2 + x3 = Ü
x 1 + 3x2 + 4x3 =
O .
equação, obtemos
então x 1 x2 =
- x3. Reciprocamente, pode-se verificar pronta-
=
ÉQUAÇÔES LINEARES - 5
mente que toda terna deste tipo é uma solução. Assim, o conjunto
de soluções consiste de todas as ternas (-a, -a, a) ..
Determinamos as soluções deste sistema de equações "elimi
nando incógnitas", isto é, multiplicando equações por escalares e
daí somando-as para obter equações em que alguns dos xj não
estejam presentes. Queremos formalizar ligeiramente este processo
para que possamos compreender por que ele funciona e para que
possamos efetuar os cálculos necessários para resolvermos um
sistema de uma maneira organizada.
Para o sistema arbitrário (1-1), suponhamos selecionar m esca
lares, multiplicar a j-ésima equação por c.1 e daí somar. Obtemos
a equação
Tal equa.ção será por nós denominada uma combinação linear das.
equações em (1-1). Evidentemente, toda solução do sistema de
equações (1-1) também será uma solução desta nova equação.
Esta é a idéia fundamental do processo de eliminação. Se temos
outro sistema de equações lineares
(1-2)
Exercícios
X1 - X2 = 0 3x1 + X2 = 0
2x1 + X2 = 0 X1 + X2 = 0
-X1 + X2 + 4x3 = 0
x1 + 3x2 + 8x3 =O
!x' + X2 + !x3 =O
+ o
�
o o 1 o o
1 1 o o 1 .
8. Demonstrar que todo corpo de característica zero contém uma cópia do corpo
dos números racionais.
EQUAÇÔES LINEARES - 7
AX = Y
onde
e(A),i = A,r
-1
4
6
-1
4
6 -1
� - �
5
] -8 r�
l2
-9
4
6 -1
3
o
10 - ALGEBRA LINEAR
[! - �] [! i]m
-9 3 -9 3
Ql
4 o 4 o
l
-2 -1 1 2
=
[! '
-9
o
1
i] m [! 1
-2
3
!.
2
o
o
..Ll.
2
2
!.
2 -,{"] Ql
-3
1 7 (2
3 --)
[! 1 -;�] [! -
o 1 o 1
'i m
o o
"]
�
o -2
!. 1 !. ]_
2 2 2
l! 3
o 1
o o !.1
5
1 o -3
2x - x2
x11 + 4x2 x4
+ 3x.i + 2x4 O
-
= O
- x3 + = O
X3 - \1 X4
e
X1 + \7 X4
= Ü
X2 - � x4
= Ü
= Ü
e a x4,
são exatamente as mesmas. No segundo sistema é evidente que
1 ] i
À=[- -i 3 .
.. 1 2
EOUAÇÔES LINEARES - 11
[.-�1
-z
- X1 + ix2 = Ü
-ix1 + 3x2 = O
ix1 + 2x2 O =
{1, se i=j
Iii
ôii
O, se i # j.
=
=
[1. - � �] [� � �] .
o
o
1 -
o o 1 o o o o
Exercícios
2x1 + (l -
(1 - i)X1 - ix2 = 0
i)x2 =O.
2. Se
3. Se
A= [ : -4 º]
-1
-2
o
o
3
�]·
-(1 + i)
-2
2i -1
[� ! �] [-� � -!]
·-
6. Seja
A= [: �]
uma 2 x 2 matriz com elementos complexos. Suponhamos que A seja linha
reduzida e também que a + b + e + d=O. Demonstrar que existem exata
mente três destas matrizes.
14 - ALGEBRA LINEAR
7. Demonstrar que a transposição de duas linhas de uma matriz pode ser conse
guida por uma seqüência finita de operações elementares sobre linhas dos
outros dois tipos.
8. Consideremos o sistema de equações AX =O onde
(a) Se todo elemento de A é nulo, então todo par (x,, x2) é uma solução
de AX =O.
(b) Se ad - bc � O, o sistema AX =O possui apenas a solução trivial
X1 = X2 = Ü.
(e) Se ad - bc =O e algum elemento de A é diferente de O, então existe uma
solução (x�, x�) tal que (x 1' x2) é uma· solução se, e somente se, existe um
escalar y tal que x1 = yx�, x2 yxg.
=
(a) R é linha-reduzida;
(b) toda linha de R cujos elementos são todos nulos ocorre
abaixo de todas as linhas que possuem um elemento não-nulo;
'
( c) se as linhas 1, . , r são as linhas não-nulas de R e se o pri
. .
[
ríamos de dar mais um exemplo não-trivial:
o 1
o
o
o
o
-� � �]· .
o o o
(1-3)
n-r
x2 - 3x 3 + !x5 = O ou Xz = 3x 3 - !xs
x4 + 2x5 = O ou X4 = 2x5•
A;1 = AiJ' se j � n
A;<n+1> =
Y;
Suponhamos que efetuemos uma seqüência de operações elemen
tares sobre as linhas de A, obtendo uma matriz R linha-reduzida
à forma em escada. Se efetuarmos esta mesma seqüência de opera
ções sobre a matriz completa A', obteremos uma matriz R' cujas n
primeiras colunas são as colurias de R e cuja última coluna contém
certos escalares z 1, ... , zm. Os escalares z; são os elementos da
m x 1 matriz
-2
1
5
] [ ]
da matriz completa A' que torne A linha-reduzida:
-2 Y, -2
rn
1 1 1 y,
1 1 Y2 _@ O 5 -1 (Y2 - 2y1) _@
]
5 -1 y3 O 5 -1 Y3
-2 Y,
[�
1
5 -1 (Y2 - 2y1) Ql
o o (y3 - Y2 + 2y1).
[8
-2
]
1
1
1
HY2 - 2yl) Ql
-õ
[
(Y3 - Y2
]
o + 2y1)
y,
d_
1 o 5 t(y, + 2y,).
1
o 1 -5 i( Y2 - 2y1) .
o o o (y 3 - Y2 + 2y1)
A condição para que o sistema AX = Y tenha uma solução é por
tanto
X1 = te + t(y1 + 2y2)
Xz = te + HY2 - 2y1).
EQUAÇÔES LINEARES - 19
ros reais.
.
Exercicios
[1 ] - i
A= 2 2 ·
i 1 + i
X1 - X2 + 2x3 = 1
2x1 + 2x3 = 1
x1 - 3xi + 4x3 = 2.
x1 - 2x2 + x3 + 2x4 = l
X1 + X2 - X3 + x4 = 2
x1 + 7x2 - 5x3 - x4 = 3
8. Seja
[ 3 -6 2 -1]
-2 4 l 3 .
A=
o o l l
l - 2 l o
Para que (yl' y,, y3, y4) o sistema de equações AX = Y admite solução?
( 1-4)
EQUAÇÔES LINEARES - 21
li
cij = L A;,.B,r
r=1
cij == I A;,B,r
r= 1
Neste caso
(b)
[ � _:] [-� �J [�
1
6
12
62
8
-3
-2
6
8 _;J
Neste caso
(c)
22 - ALGEBRA LINEAR
(d)
Neste caso
1'2 = (6 12) = 3 (2 4)
(e) [2 4]
[-;J =
[10]
rn �] D 1] rn �]
1 -5 3
(f) o 3 o
o -1 o
[� �][g g] rn �]
-5 1 1
(g) 3 o 2
-1 o 9
Exemplo 11.
(a) Se 1 é a m X m matriz unidade e A é uma m X n matriz,
IA=A.
(b) Se I é a n x n matriz unidade e A é uma m x n matriz,
AI= A.
(c) Se <f·m é a k x m matriz nula, 01'·11 =<f·m A. Analogamente,
AO"·P =om·P.
Exemplo 12. Seja A uma m X n matriz sobre F. Nossa notação
taquigráfica anterior, AX = Y, para sistemas de equações lineares,
é coerente com nossa definição de produtos de matrizes. De fato, se
EQUAÇÔES LINEARES - 23
X=
Y=
Y,,.
B = [Bl' ... ,B ].
P
O elemento i, j da matriz produto AB é formado a partir da
i-ésima linha de A e a j-ésima coluna de B. O leitor deve verificar
que a j-ésima coluna de AB é ABJ:
AB = [ABl' ..., AB ].
P
A despeito do fato de que um produto de matrizes depende da
ordem em que os fatores são escritos, ele é independente da maneira
pela qual elas são associadas, como o próximo teorema mostra.
24 - ÁLGEBRA LINEAR
[A (BC)];j =
L A;.(BC),.,
r
r S
=
L L A i,BrsC.rj
s r
=
� (� Ai,Brs) Csi
=
L (AB)isCsj
s
= [(AB) C];r
e
[1O 1] [1 º] ' e 1
[� �l O, [� �l e# e # O.
e(A) = EA.
E -
ik -
{ ô
ik• i # r
ô,k + cô,.k• i = r.
Portanto,
26 - ALGEBRA LINEAR
(EA) . =
·
'1
k=l
f EikAkJ. =
{ A'k' i =1=· r
ATJ. + cA J.' i = r.
S
Exercicios
1. Sejam
e= [1 -1].
5. Sejam
-1]
2 , B = [ 3
-4
1].
4
o
EQUAÇÔES LINEARES - 27
Y; = I B ,,11.
. ,.
r=l
/,\?' .
il.6 Matrizes Inversíveis
F.
Definição. Seja A uma n x n matriz (quadrada) sobre o corpo
Uma n x n matriz B tal que BA I é dita uma inversa à esquerda
=
B = BI = B(AC)= (BA)C = IC = C.
AB AB (AB)-1 B -1 A
( i ) Se é inversível, também o é e (A- )- = .
1
A A
(ii) Se e são inversíveis, também o é e = - .
Demonstração. primeira afirmação é evidente pela simetria
da definição. segunda decorre da verificação das relações
1 1
de e (Teorema 2) e E =e (J), então
E1 E = e1(E)= e1(e(I))= 1
1
de modo que E é inversível e E1=E - •
Exemplo 14.
(a)
[� �rl [� �J
(b)
[� �rl [� -�J
[1e º -l º
] [ -e 1 ]
1
(c)
1
A
são equivalentes:
(i) é inversível.
EQUAÇÔES LINEARES - 29
R = Ek ... E2E1A
Deve ser evidente agora que \i), (ii) e (iii) são afirmações equiva
lentes sobre A.
o
o
E=
o
1
r
[
2
A-
- 1
-
�l
Então
3
-1
Y2
Y1
] [ (2l
___,
1
O
3
-7
Y2
2
y1- y2 J
(ll
�[i !] A
!_
2
1
1
3
1
4
'] [ 1
[i � [� 1 �]º]
!_
2
1
3
1
4
'
o
[� "] 1
2
1
1
ii
1
ii ' 45
3
_L.
12. '
1
-t
-1
o
o
o
1
[� i]q[ 1H -1 �]
!_ o
2
..L
12
o 180
[� 1 2
1
!_
-6
30 - 12
180
1
180º]
'
o
o
9 60 - 60
o
1 -36
[� gl [- 30 -180
1
2
192 -180
180]
- 36 30
o 1
[� 1o
o g
1 l [ - 3:
30 192
-180 ·- 180
180 ] .
tramas nossa atenção sobre as linhas porque isto pareceu mais na
tural do ponto de vista de equações lineares. Como não existe evi
dentemente nada sagrado sobre linhas, a discussão das últimas
seções poderia muito bem ter sido feita usando-se colunas em vez de
linhas. Se se define· uma operação elementar sobre colunas e uma
coluna equivalência de maneira análoga à operação elementar
sobre linhas e à linha-equivalência é evidente que cada m x n matriz
será coluna equivalente a uma matriz "coluna-reduzida à forma
em escada". Além disso, cada operação elementar sobre colunas
será da forma A � AE, onde E é uma n x n matriz elementar e
assim por diante.
Exercícios
1. Seja
A = [ 1
-1
1
� !
-2 1
�].
1
[! -�l
o
A -3
=
1
[2 5
4
6
-1
4 -�] [�
1 o - �
1 -2 ;]
usar operações elementares sobre linhas para descobrir se é inversível e, em
caso afirmativo, determinar a inversa.
4. Seja
A= l5 ºJ
1
o
o
5
1
O
5
·
5. Descobrir se
2 3 4
A=
[1 ]
O
o
o
2
o
o
3
3
o
4
4
4
é inversível e determinar A -
1 caso exista.
6. Suponhamos que A seja uma 2 x 1 matriz e que B seja uma 1 x 2 matriz.
Demonstrar que C = AB não é inversível.
7. Seja A uma n x n matriz (quadrada). Demonstrar as duas afirmações se
guintes:
(a) Se A é inversível e AB = O para alguma n x n matriz B, então B = O.
(b) Se A não é inversível, então existe uma n x n matriz B tal que AB = O
mas B "#O.
8. Seja
A=
[� �l
Demonstrar, usando operações elementares sobre linhas, que A é inversível
se, e somente se, (ad bc) "# O.
-
n x n matriz inversível.
.! .l.
2
.l. 1 1
2 3 ;;+1
A=
.l. 1 1
n n+l rn=-r
ESPAÇOS VETORIAIS
de a e f3 é definida por
(2-2)
(2-3)
(2-4)
1 F".
Observar que F
X n =
(2-8) cO =O.
ESPAÇOS VETORIAIS' - 39
1
c - 1 (c ex) = (c- c)oc = lex = oc
= L cioci.
i= 1
n n n
e L C;ct; = L (cc)ct;.
i= 1 1
i=
Figura 1
Exercícios
V, com estas operações, é um espaço vetorial sobre o corpo dos números reais?
5. Em R" definamos duas operações
ix(f){J=a-{3
C' IX=-CIX.
f(-t) =lifJ.
2.2 Subespaços
Nesta seção introduziremos alguns conceitos básicos no estudo
dos espaços vetoriais.
Aik = Aki
[ X-
Z .
zy
X+
W
iy ]
onde x, y, z e w são números reais. O conjunto de todas as matrizes
hermitianas não é um subespaço do espaço de todas as n x n ma
trizes sobre C. De fato, se A é hermitiana, todos os elementos A11'
A22, • • • , de sua diagonal são números reais mas os elementos dia
gonais de iA em geral não são reais. Por outro lado, verifica-se
facilmente que o conjunto das n x n matrizes hermitianas complexas
é um espaço vetorial sobre o corpo R dos números reais (com as
operações usuais).
m n
ou por
a1 = (1, 2, O, 3, O)
a2 =
(O O, 1, 4,0)
,
a3 = (O, O, O, O, 1).
X2 = 2x1
x4 =
3x1 + 4x3.
pois
b
[a ] [ª ] [ ] b + º º
e d e O O d
2
[1 1 ] o 3 º
A= O O 4 O
o o o o 1
1J
2 º
l�
o i 4 o
B= O o o o
-4 - 8 1 -8 o.
3
Exercícios
1. Quais dos seguintes conjuntos de vetores a =(a1, ... , a.) em R" são subespaços
de R"'? (n � 3)
4. Seja W o conjunto de todos os (xi' x2, x3, x4, x5) em R que satisfazem
2x1 x2 + !x3 - x4 = O
X1 + 1x3 X5 =Q
'9x1 - 3x2 + 6x3 - 3x4 - 3x5 =O.
1
6. (a) Demonstrar que os únicos subespaços de R são R1 e o subespaço nulo.
(b) Demonstrar que um subespaço de R2 ou é R2, ou é o subespaço nulo ou
então consiste de todos os múltiplos escalares de um certo vetor fixo em ·R 2.
(O último tipo de subespaço é (intuitivamente) uma reta pela origem.)
(c) Você é capaz de descrever os subespaços de R3?
50 - ALGEBRA LINEAR
f(- x) = f(x).
-
ª1 = ( 3, o, - 3)
ª2 = ( - 1, 1, 2)
Ct3 = ( 4, 2, - 2)
Ct4 = ( 2, 1, 1)
Os vetores
81 = (1, O, O)
82 = (O, 1, O)
83 =(O, O, 1)
n
Exemplo 13. Seja F ·um corpo e, em F , seja S o subconjunto
constituído dos vetores 81, 82, ... , 8n definidos por
81 = (1, O, O, ... , O)
82 =(O, 1, O, ... , O)
(2-12)
Isto mostra que 81' ... , 8n geram Fn. Como et =O se, e somente se,
x1 = x2= ... = x. =O, os vetores s1' ... , 8" são linearmente indepen-
52 - ALGEBRA LINEAR
PX = x1P1 + . .
onde os cii são certos escalares. Todas as soluções são obtidas atri
buindo valores (arbitrários) aos xi com j em J e calculando os
valores correspondentes de xk,, . .., xkr" Para cada j em J seja Ei
ESPAÇOS VETORIAIS - 53
()(.J =
' L Aijf3i.
i= 1
Para n escalares arbitrários x1 , x2' ... , x11 temos
n
�1°'1 + + x.°'. =
I xpj
j=l
· · ·
ESPAÇOS VETORIAIS - 55
n m
z:· xi L Auf3;
j=l i=l
n m
= L L (Aiix) /3;
j=l i=l
n
L1 Aiixi =
O, 1 ::;; i ::;; m.
j=
BA =l.
Então
e como
Assim,
dim wl + dim w2 = (k + m) + (k + n)
= k + (m + k + n)
= dim (W1 n Wj + dim ( W1 + W2).
Encerremos esta seção com uma observação a respeito de
dependência e independência linear. Esses conceitos foram defi
nidos para conjuntos de vetores. É útil defini-los para seqüências
finitas ·(n-uplas ordenadas) de vetores: a1, ... , ªn· Dizemos que os
vetores a,, , a,. são linearmente dependentes se existir�m esca
. . _.
lares cl'. . ., cn, não todos nulos, tais que c1a1 + ... .+ cnan =O. Isso
tudo é tão natural que o leitor talvez descubra já ter usado esta
terminologia. Qual é a diferença entre uma seqüência finita
al' . ..,a.. e um conjunto {al' ...,a..}? Existem duas diferenças,
identidade e ordem.
Ao discutirmos o conjunto {a1, ,a,.} normalmente admi
• • .
timos que os vetores a1, ... , a.. sejam distintos dois a dois. Em
uma seqüência al' ... ,a.. todos os a; podem �er o m�smo_ vetor.
Se ai = ai para algum i i=], então a seqüência a1, ... ,a.. é linear
mente dependente:
ai. + ( - 1) a.J = O.
Assim, se al' . . . , ª" forem linearmente ind�pel!dentes_,_ele� são dis_ �
tintos e podemos falar a respeito do conjunto {ai> . :. ; ·an} e saber
que ele possui n vetores. Logo é claro que não surgirá nenhuma
confusão ao discutirmos bases e dimensão. A dimensão de um
espaço V de dimensão finita é o maior n tal que alguma n-upla de
vetores em V seja linearmente independente - e :issim por diante.
60 - ALGEBRA LINEAR
O leitor que achar que esse parágrafo faz muito alarde a respeito
de nada, poderá perguntar· a si mesmo se os vetores
ª1 = (e"12, 1)
ª2 =
(Jfiü, 1)
'são linearmente independentes em R 2•
Os elementos de uma seqüência são enumerados em uma
ordem específica. Um conjunto é uma coleção de objetos sem
nenhum arranjo especial ou ordem. Naturalmente, para descre
vermos o conjunto podemos enumerar seus elementos e isso requoc
a escolha de uma ordem. Mas, a ordem não faz parte do conjunto.
Os conjuntos {1, 2, 3, 4} e {4, 3, 2, 1} são idênticos, enquanto que
a seqüência 1, 2, 3, 4 é bem diferente da seqüência 4, 3, 2, 1. O
aspecto de ordem da seqüência não tem efeito sobre questões de
independência, dependência �te., porque dependência (como defi
nida) não é afetada pela ordem. A seqüência ª"' ... , a 1 é dependente
Exercícios
formam uma base de R3. Exprimir cada um dos vetores da base canônica
como combinações lineares de à1, a2' a3•
(a) Mostrar que V é um espaço vetorial sobre o corpo dos números reais,
com as operações usuais de adição de matrizes e multiplicação de uma matriz
por um escalar.
(b) Determinar uma base desse espaço vetorial.
(c) Seja )li. o conjunto de todas as matrizes A em V tais que A21 -A12 =
2.4 Coordenadas
Uma das características úteis de uma base rJ6 de um espaço
n-dimensional V é essencialmente que ela nos permite introduzir
coordenadas em V análogas às "coordenadas naturais" xi de um
vetor r:t. = (x1, ... , xn) do espaço F". Deste modo, as coordenadas
de um vetor r:t. de V em relação à base rJ6 serão os escalares que
62 - ALGEBRA LINEAR
a. = I xia.i.
i= 1
a. = I zia.i
i= 1
então
n
L (xi - z) a.i = O
i= 1
e a independência linear dos a.i nos diria que xi-zi =O para cada i.
Denominaremos xi a i-ésima coordenada de a. em relação à base
ordenada
Se
/3 = L Yiªi
i= 1
então
a. + /3 = L (xi + Y) a.i
i=l
em vez da n-upla (x1, ..., x.) das coordenadas. Para indicar que
esta matriz de coordenadas depende da base, usaremos o símbolo
[a]"
para a matriz das coordenadas do vetor a em relação à base orde
nada f!J. Esta notação será particularmente útil ao passarmos
agora a descrever o que acontece com as coordenadas de um vetor
a quando passamos de uma base ordenada a outra.
Suponhamos então que V seja n-dimensional e que
n n
= L xj L P;p;
j=l i=l
n n
= L L (P,ixj) ai
j=l i=l
(2-14)
(2-16) X=PX'.
j = 1, ... , n.
ª� = I 1pijª;·
i= 1
ESPAÇOS VETORIAIS - 67
L Qjk(J.J =
L Qjk L Pipi
j j
=II Pijºjk ai
j i
contém f!l, logo é igual a V. Assim, f!l' é uma base e, de sua defi
nição e do Teorema 7, é evidente que (i) é válida, logo (ii) também o é.
[a]ii
p =
[ cos ()
sen ()
- sen ()
cos ()
]
68 - ÁLGEBRA LINEAR
p- 1 = [ cos
- sen
8
8
sen
cos
8
8
] .
[a]@= [. cos
- sen
8
8
sen
cos
8
8
] [x2x1]
ou
x� x1 cos 8 + x2 sen ()
+ x2 COS 8.
=
X� = - X1 sen 8
[-1 4
�
2
p = o
8
1
o
Portanto, os vetores
=
(I(� (-1, o, O)
=
(I(� ( 4, 2, O)
5,
=
(I(� ( -3, 8)
Em particular,
(3, 2, -8)
Exercidos
x/ y/ + y/ 1.
x/ + = =
2
Demonstrar que f!J {ex. p} é uma base de R . Determinar as coordenadas do
=
vetor (a, b) em relação à base ordenada f!J {rx, f3}. (As condições sobre ex
=
i=l
(2-19)
= :L cJ5ij
i= 1
(2-21) f3 = L: bkipi.
i= 1
Assim, todo vetor f3 está determinado se se conhecem as coorde
nadas bki' i = 1, . . . , r. Por exemplo, Ps é o único vetor em W cuja
k-ésima coordenada é 1 e cuja ki-ésima é O para i =F s.
Suponhamos que f3 esteja em W e f3 =F O. Afirmamos que a
primeira coordenada não-nula de f3 ocorre em uma das colunas k•.
Como
r
f3 L: bkpi
i 1
=
e f3 =F O, podemos escrever
ª
;
= (A;p ... 'A;J
Efetuemos uma seqüência de operações elementares sobre linhas,
começando com A e terminando com uma matriz R linha-reduzida
à forma em escada. Já explicamos anteriormente como fazer isto.
Neste ponto, a dimensão de W (o espaço-linha de A) é evidente,
pois esta dimensão é simplesmente o número de vetores-linhas
não-nulos de R. Se p1, ... , p, são os vetores-linhas não-nulos de R,
então :11 = {pl' ..
. , p,} é uma base de W. Se a primeira coorde
nada não-nula de P; é ª·· krésima, então temos, para i::;; r,
(b) R(i, k) =
ôii
(c) kl < ... < k,.
(2-23) bi = L c;R;r
i= 1
(2-24) f3 =
t
i= 1
bk;P;·
(2-25) bj = I bkjRij' j = 1, . . . , n.
i= 1
m
Pi= Il Pipj
j=
/3 = I bkpi
i=1
e portanto
r
xj I bklij
i= 1
=
m
I Aijxi bi, j = 1, ... , n
i= 1
=
Ct1 = (1, 2, 2, 1)
et2 = (O, 2, O, 1)
et3 = (-2, O, -4, 3).
(a) Demonstrar que etl' et2' et3 formam uma base de W, isto é,
que estes vetores são linearmente independentes.
(b) Seja /3 (bl' b2, b3, h_.) um vetor em W. Quais são as coor
=
et'1 = (1, O, 2, O)
et� = (O, 2, O, 1)
et� = (O, O, O, 3).
íl � º]
dade para obter a matriz inversível Q tal que R= QA:
2 o 2
[j
2 1
2 o 1 ->R= O 1 o o
o -4 3 o o o 1
[� �J H -n
o -6
1 5
o
� º �� -4
. (a) É claro que R possui posto 3 e portanto etl' et2 e et3 são
mdependentes. .
(b) Quais vetores /3 (bp b2, b3, b4) estão em W? Temos a
=
p = b1 P1 + h2P2 + b4p4
= [b1 ,b2 , b4] R
= [b1, b2' b4] QA
= X11X1 + X21X2 + X31X3
onde X;= [bl' b2' b4] Q;:
X1 = b1 - tb2 + �b4
(2-26)
X 2 = -bl + %b2 - �b4
X3 = - ib2 + tb4
(c) Os vetores IX'p IX�, IX� são todos da forma (ypy2, y3, y 4)
com h= 2y1 e, portanto, estão em W. Pode-se ver facilmente que
eles são independentes.
(d) A matriz P tem para colunas
p. = [IX'.]
J J �
onde f!,I = {1X1, 1X2, 1X3}. As equações (2-26) nos dizem como deter
minar as matrizes das coordenadas de IX'P IX�, IX�. Por exemplo
com P=IX� temos b1 = 1, b2 =O, b3=2, b4 O e =
X1 = 1 - t(O) + �(O) 1 =
X2 = -1 + %(0) - �(0) = -1
X3 = - i(O) + t(O) = o.
[
- 21X2 + IX3. Logo
1 o
p= -1 1
o o
-�].
-4
3
ESPAÇOS VETORIAIS - 79
-2 -2
l [� J fr,]
Y
[�
o o
2 o Y2 -+
2 4 Y2- 2y1 -+
o -4 Y3 o o Y3 - 2y 1
1 Y4, 1 5 Y 4-
y, Y1
l[
Y; - tY, +
[�
o -2 3 o o
o -6 Y2-, 2y4 O o 1 6(2y4- Y2)
-+
5 2
1 5 Y4 - Y1 O 1 o - 1+6Y2-3Y4
y
o o Y3- 2y1 O o o Y3- 2y1
(xl' x2, x3, x4) na base ordenada {a:l' a:2, a:3} podem ser obtidas da
última matriz acima. Para essas coordenadas, obtemos novamente
as fórmulas (2-26).
As questões (c) e (d) permanecem com a resolução anterior .
º]
-1 -1 o
1 4
3 o
1 10 1
o o .1
"] [
Para resolver estes problemas, formamos a matriz completa
A' do sistema AX Y e aplicamos uma seqüência apropriada de
=
r l
2 o 3 o 1 2 o 3 o y
2 -1 -1 O y2 O O -1 -4 o -y1 ,+ Y2
o o 1 4 O y3 - O O 1 4 o Y3 -
2 4 1 10 1 y4 O O 1 4 1 -2y1 + Y4
o o o o 1 y5 O O o o 1 Ys
l
1 2 o 3 o Y
,
o o 1 4 o Y1 - Y2
o o o o o -y1 + Y2 + Y3. -
o o o o 1 -3y1 + Y2 + Y4
o o o o 1 Ys
[� l
2 o 3 o y
,
o 1 4 o Y1 - Y2
[
o o o 1 Ys
o o o o -Y1 + Y2 + Y3
o o o o -3y1 + Y2 + Y4 - Ys
(a) Se
l
Y
,
Y1 - Y2
py =
Ys
-y1 + Y2 + Y3
-3 y1 + Y2 +_y4 Ys '--
P�[ i
para todo Y, então
º]
o o o
�1 o o o
o o o 1
-1 1 1 o o
-3 1 o 1 ·-1
ESPAÇOS VETORIAIS - 81
1 2 o 3 o
o o 1 4 o
R= o o o o 1
o o o o o
o o o o o
P1 = (1 2 O 3 O)
P2 =(O O 1 4 O)
P3=(O o o o 1)
de R.
onde cl' c2' c3 são escalares arbitrários. Assim, (bp b2, b3, b4, b5)
está em W se, e somente se,
b2= 2b1
b4 = 3b1 + 4b3.
!]
o o o
-1 o o
o o o A
1 1 o . .
1 o 1 -1
[
Em particular, com f3 = ( - 5, -10, 1, -11, 20), temos
-� -i �1
1 2
1 2
f3 = ( - 4, -1, o, o, 20) o o 1 4 o
2 4 1 10 1
o o o o 1
x1 + 2x2 + 3x4 =O
x; + 4x4 =O
X5 = O.
(g) As colunas
- Y1 + Y2 + Y3 = O
- 3y 1 + y2 + y4 - y 5 = o.
Exercícios
2. Sejam
1X1 = (1, 1, -2, 1), 1X2 = (3, O, 4, -1), 1X3 = (-1, 2, 5, 2).
Sejam
(a) Quais dos vetores ex, p, y estão no subespaço de R4 gerado pelos 1X,?
(b) Quais dos vetores 1X, p, y estão no subespaço de C4 gerado pelos 1X,?
(e) Isto sugere algum teorema?
1X1 = (-1, O, 1, 2), 1X2 = (3, 4, -2, 5), 1X3 = (1, 4, O, 9).
84 - ALGEBRA LINEAR
-
6. Seja V o espaço vetorial real gerado pelas linhas da matriz
["'
o
n
1 7 -1 -2
A
= 2 14 o 6
6 42 -1 13
TRANSFORMAÇÕES. LINEARES
;u Transformações Lineares
transformação linear de V em V.
Seja
{3 =
Y1ª1 + · · · + Ynªn
em V e e um escalar arbitrário. Ora,
88 - ALGEBRA LINEAR
n n
L (ex; + Y)f3i
i= 1
e assim
= I x;(Urx)
i= 1
Exemplo 6. Os vetores
. rx1 = (1, 2)
e
rx2 = (3, 4)
TRANSFORMAÇÓES LINEARES - 89
Tal = (3, 2, 1)
e
Tcx2 = (6, 5, 4)
Exemplo 7. Seja T pm
uma transformação linear do espaço
das m-uplas no espaço F" das n-uplas. O Teorema 1 nos diz que T
é determinado de modo único pela seqüência de vetores /31' ..., /3 m,
onde
Tcx = cxB.
- .
base da ima�cm de T. Os vetores Toe1, • • • , Ta,, certamente geram a
imagem de T e, como Ta. O, para J. < k, vemos que Ta11+ 1, . . , Toeli
=
J
geram a imagem. Para ver que esses vetores são independentes,
suponhamos que existam escalares c; tais que
n
L ci(Toe;) = O.
i=k+l
T (f )
i=k+ 1
cioei = O
k
oe =
i
I biai.
== 1
Assim
-
k li
I1 bi oei I
k l
cpi =O
i= j= +
-
Se r é o posto de T, o fato de Tock + 1, • • • , Toe" formarem uma
base da imagem de T nos diz que r = n k. Como k é a nulidade
de T e n é a dimensão de V, está completa a demonstração.
Exercícios
2 2
1. Quais das seguintes funções T de R em R são transformações lineares?
5. Se
ª1 = (!, - 1 ), p1 =
(1, O)
ª2 = (2, -1), P2 =
(O IJ
,
T(A) = AB - BA
12. Seja V um espaço vetorial 11-dimensional sobre o corpo F e seja T uma trans
formação linear de V em V tal que a imagem e o núcleo de T sejam idênticos.
Demonstrar que n é par. (Dar um exemplo de uma tal transformação linear.)
cd(Ta) + c(T/3)
=
= d[c(fo)] + c(T/3)
Demonstração. Sejam
Ep,q(a) = {º'
/3p,
se
se
i =f.
i =
q
q
=
(jiqf3p.
De acordo com o Teorema 1, existe uma u111ca transformação
linear de V em W que satisfaz estas condições. Afirmamos que as
mn transformações EP· <J formam uma base de L(V, W).
96 - ALGEBRA LINEAR
T= L " A qEp,q
m
(3-2) p
p=l q=l
L..
Seja U a transformação linear no segundo membro de (3-2).
Então para cada j
Uaj = L L ApqEM(a.)
'
P q
=Ta.J
Demonstração
Definimos Tº = I se T#O.
(a) IU = UI= U;
(b) U(T1 + T2)= UT1 + UT2; (T1 + T2)U = T1U + 1�U;
(c) c(UT1)= (cU)T1 = U(cT1).
= U(T1a) + U(T2a)
= (UT1)(a) + (UT2)(a)
de modo que (T1 + T2)U = T1U + T2U. (O leitor pode notar que
para as demonstrações destas duas leis distributivas não foi usado
o fato de T1 e T2 serem lineares , e que para a demonstração da
segunda não foi usado tampouco o fato de U ser linear.)
(c ) Deixamos a demonstração da parte (c) a cargo do leitor.
Este lema e uma parte do Teorema 5 nos dizem que o espaço
vetorial L(V, V), munido da operação de composição , é o que se
conhece por uma álgebra linear com elemento unidade. Discuti
remos isto no Capítulo 4.
= (BA)X.
= Ô isE1" '1(o:,)
=
f>;/'"Pv·
Portanto,
então L, L,
Se
r s
=
LI L L ApqB,.EME'··.
p q r s
100 - ALGEBRA LINEAR
TU = L L <L: Ap,B,.)EP··
p s r
= L L (AB)psEP·•.
p s
Seja ai= 11pi, i= 1, 2, isto ·é, seja ai o único vetor em V tal que
Tai =pi. Como T é linear,
1
e T-1 é linear.
Suponhamos que T seja uma transformação linear inversível
de V sobre W e que V seja uma transformação linear inversível
de W sobre Z. Então UT é inversível e (UT)-1 = T-1u-1. Esta
conclusão não requer a linearidade, nem a verificação em separado
de que UT seja injetora e sobrejetora. Ela somente requer a veri
ficação de que r-1 U-1 seja ao mesmo tempo uma inversa à es
querda e à direita de UT.
Se T for linear, então T(oc - p) = Toc - Tp; logo, Toc = TP se,
e somente e, T(oc - p) =O. Isto simplifica imensamente a verifi
cação de que T é injetora. Diremos que uma transformação linear
T é não-singular se Ty =O implicar y =O, isto é_, se o núcleo de T
for {O}. Evidentemente, T é injetora se, e somente se, T for não
singular. A importância desta observação é que transformações
lineares não-singulares são aquelas que preservam a indepen4'
dência linear.
então
e como T é não-singular
102 -'--- .Á.LGEBRA LINEAR
X1 + X2 = Ü
x, =o
/3 = c1(Ta1) + . . . + cn(Tan)
= T(c1ª1 + ... + cnan)
ou
c1(T�1) + .. . + c.(Tan) =O
e como os Ta; são independentes, cada e; =O e assim a O. =
Exercícios
1
1. Sejam T e U os operadores lineares sobre R2 definidos p,or 1
T é inversível?
3. Seja T o operador linear sobre R3 definido por
(T2 - /) (T - 3/)= O.
B= [ - ! - !J
e seja T o operador linear sobre C2 • 2 definido por T (A) =
B A. Qual é o
posto de T? Descrever T2.
6. Seja T uma transformação linear de R3 em R2 e seja U uma transformação
linear de R2 em R3. Demonstrar que a transformação linear UT não é
inversível. Generalizar o teorema.
7. Determinar dois operadores lineares T e U sobre R2 tais que TU =O mas
UT#O.
· 8. Seja V um espaço vetorial sobre o corpo F e T um operador linear sobre V.
Se T2 = O, o que se pode dizer sobre a relação entre a imagem de T e o
núcleo de T? Dar um exemplo de um operador linear T sobre R2 tal que
T2 = O mas T#O.
9. Seja T um operador linear sobre o espaço vetorial V de dimensão finita.
Suponhamos que exista um operador linear U sobre V tal que TU= 1.
Demonstrar que T é inversível e U= T-1• Dar um exemplo que mostre
que isto é falso quando V não é de dimensão finita. (Sugestão: Seja T = D,
o operador derivação sobre o espaço das funções polinomiais.)
10. Seja A uma
. m x n matriz com elementos em F e seja T a transformação
3.3. Isomorfismo
[]
-à.. saber,
(x., .. . , x,) �
Exercícios
(x, y, z, t) -+
[t-+X yt-x
y
+ ]
.
IZ
iz
é um isomorfismo de R4 em W.
4. Mostrar que pm •" é isomorfo a Fm''.
5. Seja V o conjunto dos números complexos considerado como um espaço
vetorial sobre o corpo dos números reais (Exercício 1). Definamos uma
função T de V no espaço das
com x e y números reais, então
2 x 2 matrizes reais, como segue. Se z =x + y
i
7'(z) = [X-lOy 5y J
+ 7y x-7y
(a) Verificar que 1' é uma transformação linear (real) injetora de V no espaço
das 2 x 2 matrizes.
(b) Verificar que 7'(z1z2) = 1' (z 1 ) T(z2).
(c) Como você descreveria a imagem de 7'?
6. Sejam V e 11 espaços vetoriais de dimensão finita sobre o corpo F. Demons
trar que V e 11 são isomorfo s se, e somente se, dim V = dim W.
7. Sejam V e 11 espaços vetoriais sobre o corpo F e seja U um isomorfismo de
V em 11 . Demonstrar que T-+ UTu- • é um isomorfismo de L(V, V) em
L(W, W).
I x/Ta)
j =l
n m
L ci L A;A
j= 1 i= 1
L A;ixi
j =I
(3-4)
cA +
i
Bj =.c[Tc.:J31.+ [UaJ!M·
= [cTc.:j + Uc.:J IM'
= [( T + U)c.:.J , .
c
J ,91
[T]iv
para a matriz do operador linearT em relação à base ordenada f!8.
A maneira como esta matriz e a base ordenada descrevem T é que,
para cada a em V,
[T]91= [� �]·
Exemplo 15. Seja V o espaço das funções polinomiais de R
em R da forma
f (x) c0 c1x c2 x2 3
= + + + c3 x
isto é; o espaço das funções polinomiais de grau menor ou igual
a 3. O operador derivação D do Exemplo 2 leva V em V, pois D
diminui o grau. Seja f!J a base ordenada de V formada pelas quatro
funções f1,f2,f3,f� definidas por �(x) = xi-1• Então.
[OOlOOJ
D
[ J.91
OO =
o o 2 o
3 · .
o o o o
arbitrário em V
114 -'-'-- ALGEBRA LINEAR
[To:] a' =
A [o: la
U
[ (fo)J,a = B[T�j,a.
e então
L AkiUf3k)
k=l
=
matriz produto C =
BA.
TRANSFORMAÇÔES LINEARES - 115
UT = TU = 1
é equivalente a
[ T].1VP[rx.]a1= P[Trx.]a•
ou
(3-10)
Uai= rx.'i' j= 1, .. . , n.
Este operador U é inversível uma vez que leva uma base de V sobre
uma base de V. A matriz P (acima) é exatamente a matriz do ope
rador V em relação à base ordenada f!J. De fato, P é definida por
rx.j = L P;p;
i=i
Uai = L PJi·;·
i=l
[T]111 = [� �] ·
e'1 = e1 + e2
e� = 2e1 + e2
1
p- - - [ -
1
1
Assim
[1oo o1 1 3t 1
t t2
2t
t3
3t2
p =
oo o 1
é inversível com
1o 21tt2 -3t3t2t
-t 3
1
-
o o 1 .
TRANSFORMAÇÔES LINEARES - 119
portanto decorre que ffl' {g1, g2' g3, g4} é uma base ordenada
=
-
de V. No Exemplo 15 ficamos sabendo que a matriz de D em
A matriz de D
[ 'j[
em relação à base ordenada f!B' é portanto
'l
mi
-t t2 1 o l t
2
lJ J
o o o o o 1
l�
-t t2 2t1 3t'
�
l -2t 3t'2' oº o 2 6t
o 1 -3t o o o .3
-r� ü
o o 1 o o o o
1 o
o 2
- o o o
o o o
Assim D é representado pela mesma matriz em relação às bases
ordenadas ffl e r!B'. Evidentemente, isto pode ser visto um pouco
mais diretamente pois
Dg1 =
O
Dg2 =
gi
Dg3 = 2g2
Dg4 = 3g3.
aj = L Pipi.
i= 1
Então, a matriz de T em relação à base ordenada f!J' será B.
Assim, a afirmação de que B é semelhante a A significa que
em cada espaço n-dimensionaf sobre F as matrizes A e B represen
tam a mesma transformação linear em relação a duas bases orde
nadas (possivelmente) distintas.
Notemos que toda n
x n matriz A é semelhante a si mesma,
Exercícios
2
1. Seja To operador linear sobre C definido por Tx ( " x2) = x( " O). Seja !Ã
2
a base ordenada canônica de C e seja !,l' = {a" a 2} a base ordenada definida
por a1 = (1, i), a2 = (-i, 2).
(a) Qual é a matriz de T em relação ao par a, !,l'?
(b) Qual é a matriz de T em relação ao par a', a?
(e) Qual é a matriz de T em relação à base ordenada a'?
(d) Qual é a matriz de T em relação à base ordenada {a2' a1}?
TRANSFORMAÇÔES LINEARES - 121
(a) Se f!I é a base ordenada canônica de /�-' e' 111 é a base ordenada canônica
2
de R , qual é a matriz de T em relação ao par 1!4, !!4'?
(b) Se lJ4 = {a" a2, a3} e f!I' = {P,, P2 }, sendo
[T]f!I= [� �]
2
demonstrar que 1' - (a + d) 1' + (ad - bc) 1 = O.
5. Seja T o operador linear sobre R-', cuja matriz em relação ú base ordenada
canônica é
[ 1 2 1 )
A= O 1 l_ ·
-1 3 4
2
(a) Qual é a matriz de T em relação à base ordenada canônica de R ?
(b) Qual é a matriz de 1' em relação à base ordenada f!J = {a1, a2} sendo
a1 = (l, 2) e a2 = (!, 1)? -
(c) Demonstrar qile para todo número real e o operador (1' - cl) é inversível.
2
(d) Demonstrar que se lJ4 é uma base ordenada qualquer de R e [T],., = A,
então A12A21 #-O.
3
7. Seja 1' o operador linear sobre R definido por
8. Seja O um número real. Demonstrar que as duas matrizes seguintes são seme
lhantes sobre o corpo dos números complexos:
[cos O
sen O
-sen
coso
º]
.
(Sugestão: Seja T o operador linear sobre C2 que é representado pela pri
meira matriz em relação à base ordenada canônica. Determinar então vetores
IX1 e ct2 tais que Tct1 = é61XP Tct2= e-i6ct2' e {ctl' ct2} seja uma base.)
10. Vimos que o operador linear 1' sobre R2 definido por T(xp x,) = (xp O) é
representado em relação à base ordenada canônica pela matriz
A= [� �J
2
Este operador satisfaz T = T. Demonstrar que se S é um operador linear
2
sobre R2 tal que S = S, então S = O ou S = l ou então existe uma base
ordenada rM de R2 tal que [S]f!J= A (acima).
12. Seja V um espaço vetorial n-dimensional sobre o corpo F e seja f!J = {ct , ..., ctn}
1
uma base ordenada de V.
(a) De acordo com o Teorema 1, existe um único operador linear T sobre
V tal que
TRANSFORMAÇÔES LINEAR.ES - 123
T = I I A,,,,Ep,q
p= 1 q= 1
ai = f (e), j = 1, ... , n.
=L,x)(€)
=
L ª XJ .J •
n n
= e L A;; + L B;;
i=l i= 1
= e tr A+ tr B.
L,(p) = p(t)
então L1 será um funcional linear sobre V. Geralmente descreve-se
isto dizendo que, para cada t, o cálculo do valor em t é um fun
cional linear sobre o espaço das funções polinomiais. Talvez de
vamos observar que o fato de as funções serem polinomiais, não
desempenha nenhum papel neste exemplo. O cálculo do valor
em t é um funcional linear no espaço de todas as funções de F em F.
TRANSFORMAÇÔES LINEARES - 125
L(g) = rg(t)dt
define um funcional linear L sobre C([a, b]).
Se V é um espaço vetorial, a coleção de todos os funcionais
lineares sobre V constitui um espaço vetorial de uma maneira
natural. Trata-se do espaço L(V, F). Representamos este espaço
por V* e o denominamos espaço dual de V:
Seja 36= { cv:l' ... , cv:"} uma base de V. De acordo com o Teorema 1,
existe (para cada i) um único funcional linear J; sobre V tal que
(3-11)
li
(3-12) J = L C;);
i= 1
Então
n
I (cv:) = I cJ,(cv:)
i=l
= I cJ>ij
i= 1
126 -'-- ALGEBRA LINEAR
(3-13) r L: r(ocJr;
i=
=
Demonstração. tj
D monstraremos acima que existe uma única
base que é "dual" a PÃ. Se f é um funcional linear sobre V então
f é alguma combinação linear (3-12) dos J; e, como observamos
por (3-12), os escalares cj são dados necessariamente por cj=f(oc).
Analogamente, se
n
oc = L xioci
i= 1
é um vetor em V, então
Jj(oc) = I xfiocJ
i= 1 .
= x.J
de modo que a única expressão de oc como combinação linear dos
O(i é
n
oc = I J;(oc) oci.
i= 1
TRANSFORMAÇÕES LINEARES - 127
temos
(3-15)
L;(P) =
p(t;).
2
L às "funções" polinomiais particulares 1, x, x , obtemos
c1 + c2 + c3 = O
t1c1 + t2c2 + t3c3 = 0
ti c1 + t; c2 + t; c3 =
O .
[;1 t 3.
t� t� 1�
� / ]
e inversível quando tl' t2 e t3 são distintos. Portanto, os L; são.
independentes e como V tem dimensão 3, estes funcionais formam
uma báse de V*. Qual é a base de V cuja dual é esta? ·Tal base
{ptt' P2, p3} de V precisa satisfazer
Li(P) = ô1i
ou
seja uma base de V. Seja {!1' ..., fn} a base de V* que é a dual
desta base de V. Afirmamos que {fk + 1, ..., fn } é uma base do
anulador Wº. Certamente fi pertence a Wº- para i ;;:::: k + 1, porque
f,(ex) = ôii
dim wº = n - k.
À11X1 + . . . + Alnxn =
O
fJix) = O, i = 1, . ., m.
.
L A;fi = O, i = 1, . ., m
.
j=l
isto é, que (c1, ..., e,,) seja uma solução .do sistema AX = O . Sob
este ponto de vista, a linha-redução nos dá um método sistemático
para determinar o anulador do subespaço gerado por um dado
conjunto f inito de vetores em F".
A= [�; 2 1
o 1 .
]
-2 o -4 3
/'
Um rápido cálculo ou um exame do Exemplo 21 do Capítulo 2,
mostra que
]
� �o 1�
o
4
geram o mesmo subespaço de (R )* e anulam o mesmo subespaço
de R4 que fl ' f2, f3. O subespaço anulado é constituído dos veto-
res com
X1 =
-2x3
X2 =
X4 =
Ü
oc1 =
(2 -2, 3, 4, -1),
, oc3 =
(O O, -1, -2, 3),
,
0(2 =
( -1, 1, 2, 5, 2), OC4 =
(1, -1, 2, 3, O).
1 [
triz A com vetores-linhas ocl' oc2' oc3, oc4 e determinemos a matriz R
[-i
linha-reduzida à forma em escada que é linha-equivalente a A;
ºl.
-2 3 4 -1 1 -1 o 1
1 2 5 o 1 -2 o
A
= O
1
o
-1
-1
2
2
-3 i �
R
� � o
o
o
o
o
o
1
o
5
f(x1, ..., Xs) =
L1 eh
j=
TRANSFORMAÇÔES LINEARES - 133
Isto é equivalente a
5
L Riici = O, 1 ::;; i ::;; 3
j= l
ou
c1 - c2 - c4 Ü =
C3 + 2c4 0 =
C5 =O.
f1(Xp . . •
, X5) = Xl + Xz
f2(Xp • • •
, X5) = X1 - 2x3 + X4.
Um f arbitrário em Wº é f =
af 1 + bf2•
Exercícios
1. Em R3, sejam oc1 = (1, O, 1), oc2 =(O, l, -2), oc3 = (-1, -1, O).
f. 1 f. 2
- ·
f1(p) =
0 p(x) dx f 2(p) = 0 p(x) dx f3(p) =
10 p(x) dx.
Mostrar que T é uma transformação linear de F" em Fm. Mostrar então que
toda transformação linear de F" em � é da forma acima, para certos
Ít> ... , Ím·
estão no anulador de W?
e= [� �]-
Determinar f (B).
16. Mostrar que o funcional traço sobre n x n matrizes é o único no seguinte sen
tido: se W é o espaço das n x n matrizes sobre o corpo F e se f é um
funcional linear sobre W tal que f (AB) = f (BA) para todas as A e B em W,
então f é um múltiplo escalar da função traço. Se, além disso, f (1) = n, então
f é a função traço.
3.6 O Bidual
Uma das perguntas a respeito de bases duais que não foi res
pondida na última seção é se cada base de V* é a dual de alguma
base de V. Uma maneira de responder esta questão é considerar
V**, o espaço dual de V*.
Se a é um vetor de V, ele induz um funcional linear Lª sobre
V*, definido por
Lª(f)=f(a) f , em V*.
cf(a)+ g(a)
=
cLª(f)+ Lª(g).
=
Lif) = f(y)
f(ca + {J)
=
cf (a) + f ({J)
=
= c Lª( f) + L1i(f),
portanto,
4,f) = f(a)
Usando o corolário acima, para cada i existe um vetor rxi em V tal que
para todaf em V*, isto é, tal que Li= L(1.,· Decorre imediatamente
que {rxl' ... , rx.} é uma base de V e que B* é a dual desta base.
Em vista do Teorema 17, geralmente identificamos rx com La.
e dizemos que V "é" o espaço dual de V* ou que os espaços V e
V* são duais um do outro de uma maneira natural. Cada um é o
espaço dual do outro. No último corolário vimos um exemplo de
como este fato pode ser usado. Aqui está mais um exemplo:
Se E é um subconjunto de V*, o anulador Eº é (tecnicamente)
um subconjunto de V**. Se decidirmos identificar V e V**, como
no Teorema 17, então Eº é um subespaço de V, a saber, o con
junto de todos os rx em V tais que f (rx)=O para todo f em E. Num
dos corolários do Teorema 16 observamos que cada subespaço W
é determinado pelo seu anulador Wº. Determinado de que ma
neira? A resposta é que W é o subespaço anulado por todos os f
em Wº, isto é, W é a interseção dos núcleos de todos os f em Wº.
Como nossa atual notação para anuladores, a resposta pode ser
formulada de uma maneira muito simples: W= (Wº)º.
y + ca y em N 1 , e em F.
({3)
e =f
f(a)
o que faz sentido pois f (a) =I= O. Então todo vetor y = {3 - ca está
em N 1, pois
f3 = y + ca y em N, c em F.
'
fJ = y' + c'a y em N, c' em F,
então
'
(c' - c ) a = y - y.
'
Se c' - c =f. O, a estaria em N; logo c'·= c e y = y. Uma outra
maneira de formular nossa conclusão é esta: Se f3 está em V, existe
um único escalar c tal que fJ - ca está em N. Chamemos esse
escalar de g(/3). É fácil ver que g é um funcional linear sobre V e
que N é o núcleo de g.
e sejam f1, ,fk funcionais lineares com núcleos N1' ..., Nk tais
. • .
,
g = c1 j''1 + · · · +
c
k 1 f'k-1 ·
Seja
k -1
(3-16) h = g -
I cJ,·:
i= 1
n = I cJ;·
i=-1
Exercícios
f(xl' . . , x.)
. =e L x/
1
j=
W= n N., .
i= 1
para todos g em W* e a em V.
TRANSFORMAÇÔES LINEARES - 143
(T1g)(rx) = g(Trx)
Demonstração. Sejam
fJI {oc 1
= ocn } ,
' . • • ' !JI' = {/31' Pm}, · · ·,
= .
[JI* if1, .. JJ , ,
!JI'* = {gl, ... g m } . ,
Por definição,
Toei L Aiif3i' j = 1, . . , . n
i= 1
=
Pgj = L BiJi' j = 1, .
.. , m.
t= 1
Por outro lado,
m
= Ll Akigif3k)
k=
m
t = I t (oc)f;·
i= 1
T'gj L. Aj,ff
i= 1
=
onde
n
yi L Aiixi"
j= 1
=
Taj = L A;p;;
j= 1
A ii = f;(T!X).
i = 1, ... , n. Portanto,
=f;(U-1TUrx.).
O que significa isto? Bem, f;(u-1 TUrx) é o el.emento i, j da matriz
de u- 1 TU em relação à base ordenada PÃ. Nossos c álculos acima
mostram que este escalar é também o elemento i, j da matriz de T
em relação à base ordenada t,I'. Em outras palavras,
= [u-1]a[T]a[U]a
= [V]; 1 [T]a [U] a
Exercícios
2
1. Seja F um corpo e seja j o funcional linear sobre F definido por f (x" x2) =
2. Seja V o espaço vetorial das funções polinomiais sobre o corpo dos números
reais. Sejam a e b números reais fixos e seja f o funcional linear sobre V defi
nido por
f( )
p =
r )d .
p(x x
corpo dos números reais, de grau menor ou igual a n, isto é, funções da forma
POLINÔMIOS
4.1 Álgebras
a(f3y) = (a.f3)y
0 ,
g =(g , g1 g2 , ...), com g; em F e a, b são escalares em F, af + bg
é a seqüência infinita dada por
(4-1) af + bg =
(af0 + bg0, af1 + bg1' af2 + bg2, .•. ) .
Assim
e como
n n
. (gf )n =
L gJn-i L Jign-i = ( fg )n
i=O i=O
150 - ALGEBRA LINEAR
n
[{fg)h]n = L ·(fg);hn-i
i=O
i tCt fg h
)
o j i-j n-i
n u-j
=
L Íj L Y;hn-i-j
j=O i=O
=
j=O
I .fj(gh)n-j = [f (gh)]n
para n = O, 1, 2, ... , segue que a multiplicação é comutativa, isto é,
x2 =
(O, O, 1, O, ...), x3 = (O, O, O, 1, O, ...)
(4;-4)
m+n+k
Jg)m+n+k =
L Ji gm+n+k-i"
i=O
Assim,
(4-6)
m 11
I = L J>i e g = L gjxi.
i=O j=O
(4-8)
(s )m+11
(4-9)
(4-10) L.f;gjxixi
1,j
f(a) =
L J;a'.
i=O
2, em particular
f(2) 6 .s#
(a) Se
= e
= C e z pertence a C, f(z) z2
= +
B= [ -11 2º]
então
f(B) 2 [O º] [ º]2
= 2
1[ 33 º]6 .
1 + -1
1
=
é (c) Se
o elemento de
.s# é .s#
a álgebra dos operadores lineares sobre C3 e
dado por
T
(d) Se
então f(g) é.s# é
a álgebra dos polinômios sobre C e
o polinômio em .s# dado por
g x4 3i,
= +
m n
(fg)(cx) =
I
i
f;gi+j
,j
= ( .t r;ai) ( .t )
,1-0 J-0
gpi
=
f (ex) g(cx).
Exercicios
A
= [ 2 1]-.
- 1 3
"
3. Seja A uma n x n matriz diagonal sobre o corpo F, isto é, uma matriz que
satisfaz A1i = O para i � j. Seja f o polinômio sobre F definido por
f = (x - A1 ,) . • • (x - A ).
••
LJJ) = f (t;), Os is n.
(4-11)
Os polinômios
P.'
(x - t0) (x - t;_1) (x - ti+t) ... (x - t")
(4-12)
• • .
• . • .
n (X - t.)
=j.,,.i M
são de grau n, logo pertencem a Ve, pelo Teorema 2, satisfazem (4-10).
Se f = L c;P;, então, para cada j,
i
n
xj = L CtYP,.
i=O
lo t2o t"o
1-1 tl t21 tn1
l;
(4-15)
12n n
tn tn
(4-16) tem F.
U{Jnt) =f-(1)g-(1)
(a)
(b)
n
f I C;Xi
i=O
=
n
f(U) I cpi
i=O
=
[f(U)]!ll L c;[Ui] 11 •
i=O
=
2:::;; i:::;; n.
160 - .ALGEBRA LINEAR
(4-17)
Exercícios
3a + 6{3 - y - Só = O.
-
A-[� o
o
POLINÓMIOS - 161
e
p = (x - 2)(x - 3) (x - 1).
E1 + E2 + E3 = 1, E,E; =O se i "# j,
L(/) =f(t).
Tais funcionais não são apenas lineares, mas também têm a propriedade de
que L(jg) = L(f) L(g). Demonstrar que, se L é um funcional linear qualquer
sobre F[x] tal que
m -1
f = a xm + L aixi,
m
i=O
e que
n-1
d = b xn + i
L bix ,
n
i=O
Então m;;::; n e
é o polinômio
f' = cl + 2c 2x + . .. + ncnxn-I
Usaremos também a notação Df=f'. Derivação é linear, isto é,
D é um operador linear sobre F [ x]. Existem as derivadas formais
de maior ordem f" = D2f, f (3l D 3f, e assim por diante.
=
164 - ALGEBRA LINEAR
f =
I=O
k k.
{
(Dk )
(c) (x - ct
onde
( k) m =
k ! (m
m!
-
k) !
= m(m - 1) ..
1 ·
.
2 ..
(m - k + 1)
. k
xm = [c + (x - c)]"'
I []
k=O k
m
e"' -k(x - c)k
L amxm
n
J =
m=O
m
e
}::Dkf(e) - c k
k=O k!
(x ) =
(Dkx"')
L L a,,, --,- (e) (x
k m k •
- c)k
POLINÔMIOS - 165
m
- "a
- L., mx
m
=f
O=s;k=s:r-1
(Drf) (e) i= O.
[n-r� (Dm )
� (e) (X
f = (X - e)'
m -
J
cr
n-r
m O
(Dmg)
= L __ (x - cy+m
m=O m!
Como só existe uma maneira de escrever f como combinação linear
das potências (x - c)k (Osks n), segue-se que
(D"f) (e)
--- =
{O se
Dk _ 'g (c)
O ::;;
. ks r - 1
k! se r s k ::;; n
(k r) !
_
Portanto, D"f (e)= O para Osksr - 1 e D'f (c) = g (c) #-O. Reci
procamente, se estas condições estiverem satisfeitas, decorre imedia
tamente da fórmula de Taylor, que existe um polinômio g tal
f = (x - c)'g e g (c) #-O. Suponhamos agora que r não seja o maior
inteiro positivo tal que (x e)' dividaf. Então existe um polinômio
-
c (df) - dg = d (cf - g)
pertence a M, portanto M é um subespaço. Finalmente, M também
contém (df)g = d(fg). O ideal M é denominado o ideal principal
gerado por d.
n
Então existem polinômios fp .. .,fn em F[x] tais que p = d/1 +
+... +d" f · Se g é um polinômio arbitrário sobre F, então
POLINÔMIOS - 167
x2 + 8x + 16 - x(x + 2)= 6x + 16
Assim, d= dpq e
Assim
De fato, o ideal
contém
Então M contém
e como
(x + 2)2 = (x - 3) (x + 7) - 17
(x - 1) (x + 2)2, (x + 2)2 (x - 3) e (x - 3)
Exercícios
1. Seja Q o corpo dos números racionais. Determinar quais dos seguintes sub
conjuntos de Q[x] são ideais. Quando o conjunto for um ideal determinar
seu gerador unitário.
(a) Todos f de grau par;
(b) Todos f de grau � 5;
(c) Todos f tais que f(O) =O;
(d) Todos f tais que f(2) f(4) = O;
=
A - 1
-
o
[ -
�l
Determinar o gerador unitário do ideal dos polinômios f em F[x] tais que
f(A) =O.
fp ...,f •
.
x2 + 1 = (x + i) (x - i)
g =
.fofg + PoP9
=
(.fg)fo + p(pog).
onde p1' . . ., Pm e q1' ..., q" são primos unitários em F[x]. Então
Pm divide o produto q1, .. ., q11• Pelo corolário acima, Pm divide algum
qi. Como qi e Pm são ambos primos e unitários isto significa que
(4-18)
m n
gr(f) = L gr(p;) = L gr(q).
i = 1. j= 1
Neste caso nada resta a demonstrar, portanto podemos supor
m> 1 e n> 1. Reordenando os q podemos supor que P m = qn e que
POLINÔMIOS - 173
Como o polinômio p1' ... , Pm- l tem grau menor que n, nossa hipó
tese de indução se aplica e mostra que a seqüência q 1' ... , qn _ 1 é no
máximo uma reordenação da seqüência Pp ... , p,,,_ 1. Isto, junto
com (4-18), mostra que a decomposição de f num produto de pri
mos unitários é única a menos da ordem dos fatores.
Na decomposição acima de um polinômio f não-constante e
unitário, alguns dos fatores primos e unitários podem repetir-se.
Se p i ' p2, • • • , p,. são os primos unitários distintos que ocorrem
nesta decomposição de f, então
(4-19) f =
P�'p;2, · · · , P�',
(4-20)
tanto P; divide p;. Isto não é possível, pois o grau de p; é uma uni
dade menor que o grau de P;- Concluímos que nenhum primo
divide f e f', ou seja, f e f' são relativamente primos.
f = c (x - c1)''1 • • • (x - ckr
onde e é um escalar, cl' ... , ck são elementos distintos de F e
nl' ... , nk são inteiros positivos. Ainda uma outra formulação é
que, se f é um polinômio não-constante sobre F, então existe um
elemento e em F tal que f (e)= O.
O corpo R dos números reais não é algebricamente fechado
porque o polinômio (x2 + 1) é irredutível sobre R mas não tem
grau 1, ou porque não existe um número real e tal que c2 + 1 = O .
P; == (x - e;) (x - cJ
Exercícios
f = g mod p.
DETERMINANTES
i e consideramos D como
Se fixamos todas as linhas exceto a linha
uma função da i-ésima linha, em geral é conveniente indicarD(A)
por D(a;). Assim, podemos abreviar (5-1) para
( 5 2)
- D(A) = aA(l, k1) ... A(n, kJ
(5-3)
D= D1 + D2
Di(A) = A11A22
Dz(A) = - A12A21·
Pelo Lema acima, D é uma função bilinear. O leitor que tenha tido
alguma experiência com determinantes não achará este fato surpre
endente, pois reconhecerá (5-3) como a definição usual do deter-
DETERMINANTES - 183
D(A) =
A 11A 22 - A 12A 21
184 -'-- ALGEBRA LINEAR
Se D é alternada, então
.e
[X Ü - �2 ]
A= O 1
3
1 o x
3 2 3
D(A) = xD(81 , 82 , 81 + x e3) - x D(83, e2' e1 + x i;3)
2
= xD(81 '82 ,81 ) + x4D(81 'e2'83) - x D(e3,e2 ,e1) - x5 D(e3,82'83).
D(r:t. + [3, r:t. + /3 ) = D(r:t., r:t.) + D(r:t., /3 ) + D(f3, r:t.) + D( /3, [3).
Por nossa hipótese, D(r:t. + [3, r:t. + [3) = D(r:t., r:t.) = D(/3, [3) =O. Por
tanto,
[X -1 x2 :x;3
.
A= O x-2 1
o o x-3
]
188 -ALGEBRA LINEAR
Então
E1(A) = (x - 1)
1
X-
0 2
x
1
_ 3 1 = (x - l)(x - 2) (x - 3)
Ez(A) =
- x2 ÜO 1 ,
1 3. + (x - 2)
x- 1 X- 1
O
x3
x-3 1
= (x - 1) (x - 2) (x-3) ·
3
E3(A) = x ÜO 1 X -0
2
, ,
_
X - 1 X2
0
O
+ (x-3)
·
I 1 X
- 1
O
x2
x- 2 1
= (x - 1) (x - 2) (x - 3).
(b) Seja K =R e
Então
E1(A) =
/� �/ = 1
E2(A) = -
/� b/ = 1
E3(A) = -1 � bl = l
·
Exercícios
1. Cada uma das expressões seguintes, define uma função D sobre o conjunto
das 3 x 3 matrizes sobre o corpo dos números reais. Em quais destes casos Dé
uma função trilinear?
(e) D(A) O;
=
. (f) D(A) 1.
=
=
DETERMINANTES - 189
2. Verificar diretamente que as três funções E" E2, E3 definidas por (5-6), (5-7)
e (5-8) são idênticas.
adj A = [ A22
-À21
Demonstrar que D é 11-linear se, e somente se, os inteiros j1, • • • , j,, são distintos.
(a) D(A) =
O se uma das linhas de A é O.
,
(b) D(B) =
D(A) se B é obtida a partir de A somando-se um múltiplo escalar
de uma linha de A a outra.
10. Seja F um corpo, A uma 2 x 3 matriz sobre F e (e,, e,, c3) o vetor em F3
definido por
190 - ALGEBRA t.INEAR
Mostrar que
(a) posto (A)= 2 se, e somente se, (e" c2, c3) #O;
(b) se A tem posto 2, então (cl' c2, c3) é uma base do espaço-solução do
sistema de equações AX =
O.
11. Seja K um anel comutativo com elemento unidade e seja D uma função bilinear
alternada sobre as 2 x 2 matrizes sobre K. Mostrar que D(A)=(det A) D(J)
para qualquer A. Utilizar agora este resultado (não são permitidos cálculos
com os elementos) para mostrar que det(AB) = det(A) det(B) para quaisquer
2 x 2 matrizes A e B sobre K.
12. Seja F um corpo e D uma função sobre as n x n matrizes sobre F (com valores
em F). Suponhamos que D ( ÁB) = D(A) D(B) para quaisquer A, B. Mostrar
que ou D(A) = O para qualquer A ou D(J) = l. No último caso mostrar que
D(A) #O sempre que A é inversível.
13. Seja R o corpo dos números reais e seja D uma função sobre as 2 x 2 matrizes
sobre R, com valores em R, tal que D(AB) =D(A) D(B) para quaisquer A, B.
Suponhamos também que
Demonstrar o seguinte:
(a) D(O) =O;
(b) D(A) =O se A2 =O;
(c) D(B) = -D(A) se, B é obtida transpondo-se duas linhas (ou colunas de A);
(d) D(A) =O se uma linha (ou coluna) de A é O;
(e) D(A) =O sempre que A é singular.
14. Seja A uma 2 x 2 matriz sobre um corpo F. Então o conjunto das matrizes
da forma f(A), onde f é um polinômio sobre F, é um anel comutativo K com
elemento unidade. Se B é urna 2 x 2 matriz sobre K, o determinante de B é
então urna 2 x2 matriz sobre F, da forma f(A). Suponhamos que J seja a
2 x 2 matriz unidade sobre F e que B seja a 2 x 2 matriz sobre K
n
(5-9) ct; = L 1
A(i, j)i:., :::;; i:::;; n.
j= 1 .1
Logo
= L A(l,j)D(Bp rx2, • . • , )
rx,, .
j
Assim
(5-10) D(A) =
soma finita de funções do tipo descrito por (5-2). Deve-se notar que
(�-10) é uma conseqüência apenas da hipótese de que D é n-linear e
também que um caso particular de (5-10) foi obtido no Exemplo 2.
Como .D é alternada,
sempre que dois dos ÍJ!dices k; são iguais. Uma seqüência (k1, k2, • • • ,
(5-13)
à seqüência (al, á2, ..., an) por meio de uma série de transposições
de pares e isto pode ser feito de diversas maneiras; contudo, qual
quer que seja a .maneira pela qual isto é feito, o número de trans
posições usadas é sempre par ou sempre ímpar. A permutação é
então denominada par ou ímpar, respectivamente. Define-se o sinal
de uma permutação por
e usando (5-11)
= 1 2
· ... 11 permutações de grau n, pois se u é uma tal permu
tação, existem 11 escolhas possíveis para ul; uma vez feita, existem
(n - 1) possibilidades para u2', depois (n - 2) possibilidades para
u".> e assim por diante. Logo, existem
n(n - 1) (n - 2) ... 2 1 · = n!
Exercícios
A= [ O O �] -a
-b -e
a
]
2. Demonstrar que o determinante da matriz de Vandermonde
2
a ª
[� b
e
bl
c
2
é (b - a) (e - a) (e - b).
13. Demonstrar que a função sinal sobre permutaçõesé única no seguinte sentido:
fé uma função qualquer que associa a cada permutação de grau n um
se
f(cr-r:) =f(u)f(-r:), então fé identicamente nula, ou f é identica
inteiro e se
mente 1 ou fé a função sinal.
1
A(o-1, 1) ... A(o-n, n) =A(l, 0--11) ... A(n, o-- n).
"
= det A,
(5 1 2)
- det .[� �] = (det A)(det C).
D(A, B, C) = det [� �] ·
Exemplo 6.
<acionais O que dese �� [� r r 1j
Suponhamos que K seja o corpo dos números
OS cal � O ter inante de 4 X 4 mat'iz
- 4 1 -1 -1
1 2 3 o
DETERMINANTES - 201
]
2
-4 -4
-9 -13
1 -3
-J
-1 2
4 -4
o -4 -8
o 4
�
o
det A = L A;Fii
i= 1
202 - ALGEBRA LINEAR
j
onde o cofator Cu é ( - l)i+ vezes o determinante da (n - 1) x
x (n - 1) matriz obtida de A retirando-se a i-ésima linha e aj-ésima
coluna de A.
Se j =!= k, então
L Aikcij =o.
i= 1
De fato, substituamos a j-ésima coluna de A por sua k-ésima coluna
e chamemos a matriz resultante de B. Então B possui duas colunas
iguais, logo det B=O. Como B (i lj) A(i lj) temos =
O= det B
n
j
= L ( -1);+ Bij det B(il/)
i= 1
n
i j
= I (-l) + A ik detA(i l/)
i=l
n
= I Aikcir
i= 1
Estas propriedades dos cofatores podem ser resumidas por
I A kc j ôjk detA.
i= 1 i i
(5-21) =
Desejamos também ver que A(adj A)=(det A)J. Como A 1(i lj) =
=A (jli)1 temos
DETERMINANTES - 203
e transpondo
A [xX2 + X ]
B= 2 [
x2 - 1
1
= X+ 1
- 1 ' . X - 2x- 3
adj A= [ - X1+ 1 -2
x-
X +X
1] ' adJ. B= [ -X2. +x2x - 3
-x - 2
x2 - 1
]
e (adj A)A (x + l)J, (adj B)B=-61. É claro que
=
=
A [ � �l
Então det A= -2 e
adj A=
[ _1 -n ·
Assim, A não é inversível como uma matriz sobre o anel dos intei
ros; no entanto, podemos também considerar A como uma matriz
DETERMINANTES - 205
l. [ 4 - 2 ] [-2 1].
2 -3 1 1 -t
Com relação a matrizes inversíveis, gostaríamos de mencionar
mais um fato elementar. Matrizes semelhantes têm o mesmo deter
minante, isto é, se P é inversível sobre K e B = p-1 AP, então
det B = det A. Istü é evidente, pois
1
det (P- AP) = ( det P 1 ) (det A) (det P) = det A.
e, portanto,
Assim
li
(det A) x
i = L (adj A)iy i
i= 1
= L ( -1);+ iy; [
det A(i j).
i= 1
det B.
j 1, ., n
xi= det A'
= . .
Exercícios
[-� � �]
4 1 -1
(a) X + y + Z = 11
2x - 6y - z = O
3x + 4y + 2z O =
(b) 3x - 2y = 7
3y - 2z = 6
3z - 2x = -1
'
A= �
[ �' :]
O O A•
10. Seja A uma 11 x n matriz sobre o corpo F. Demonstrar que existem no mil
ximo n escalares e distintos em F tais que det(cl - A)= O.
13. Seja V o espaço vetorial das n x n matrizes sobre o corpo dos números com
plexos e seja B uma n x n matriz sobre C, fixa. Definamos um operador linear
M B sobre V por M B(A) � BAlf' onde Jf'
, Bí. Mostrar que
=
é det(AD - BC).
5.5 Módulos
Se K é um anel comutativo com elemento unidade, um módulo
sobre K é um sistema algébrico que se comporta como um espaço
vetorial, K fazendo o papel do corpo dos escalares. Para sermos
precisos, diremos que V é um módulo sobre K (ou um K-módulo) se
la= oc.
Para nós, os K-módulos de maior importância serão os mó
dulos K", das n-uplas. Os módulos K"' , das matrizes, também
'"
seja uma combinação linear dos demais. Isto torna mais difícil
determinar bases em módulos.
Uma base do módulo V é um conjunto linearmente indepen
dente que gera o módulo. Esta definição é igu al à que foi d ada
para espaços vetoriais; e a propriedade import ante de uma base �,
é que todo elemento de V pode ser escrito, de modo único, como
uma combinação linear de ( algum número finito de} elementos de
f!J. Se admitirmos na matemática o Axioma da Escolha (veja o
Apêndice), poderemos mostrar que todo espaço vetorial possui uma
base. O leitor está bem ciente que existe uma base em qu alquer
espaço vetorial que seja gerado por um número finito de vetores.
Isto não acontece em módulos. Por isso precis amos de denomi
n ações especiais para módulos que possu am bases e para módulos
gerados por um número finito de elementos.
PA = !,
PÃ = I.
(L + M) ( a 1, ... , a,) =
L(a 1, ... , a,) + M (a1' . . , a,)
.
L(X, Y) = Y1 AX
1
define u ma forma bilinear sobre o módulo K" x . Analogamente
det A = D (IX ,
1 ... , IX.)
então D é uma forma n-linear sobre K".
=
f, f,
j=l k=l
A1iA2k L(ei, ek, IX3, ... , IX,)
=
L A1i A2kL(ei, ek, 1X3, . • . , IXJ
j,k= 1
Se, por sua vez, substituirmos 1Xp • • • , IX, pelas suas expressões como
combinações lineares dos vetores da base canônica, e escrevermos
A(i,j) no lugar de Aii' obteremos o seguinte:
(5-26) L(1X1, • • • , IX,) = L A(l, j1) • . • 4(r, j,) L(ei,. ... ei).
ji, ... ,j,""1
DETERMINANTES - 213
Em (5-26) existe um termo para cada r-upla J = U1, ..., j,) de intei
ros positivos entre 1 e n. Existem n' r-uplas deste tipo. Logo, L é
completamente determinada por (5-26) e os valores particulares
'
atribuídos aos n elementos ( e.)1 , 1r). É também fácil ver que
... , e.
(L ® M)(a,[J)' = L(a)M([J).
Demonstração. Exercício.
O produto tensorial é associativo, isto é, se L, M e N são
formas (respectivamente) r-, s- e t-lineares sobre V, então
L = L1 ® . .. <8> Lk
L =
fl <8> · · · ®f..
é dado por
Em outras palavras,
(5-29) L= L L(ªf-'.,
J1
. )f.J1 ® ... ®f1·r
..., pJr •
ji,. ,j,
. .
(5-30) E1 =
f.J1 ® ... ® fJr.
DETERMINANTES - 215
(5-31)
{o 1-=11
Eif3i1' ... ,f3i)= :
1 l=J.
(5-32)
L = L(el' ... , e )D .
n
Em outras palavras, N(Kn) é um K-módulo livre de posto 1. Em
(5-15) desenvolvemos uma fórmula explícita para D. Com a no
tação que estamos usando agora, esta fórmula pode ser escrita
216 - ALGEBRA LINEAR
(5-34)
a
onde
a
Lema. n, é uma transformação linear de M'(V) em N(V). Se
L está em N(V) então /n,L � r ! L.
Demonstração. Seja1 r unia-p ermutação arbitrária de { 1, ... , r }.
Então
(n, L) (a.,1' ...'arr)= L (sinal a) L(aro-1' ...,arar)
a
= (sinal r) L (sinal w) L(aro-1' ..., ara,).
a
DETERMINANTES - 217
(5-37)
sempre que dois dos índices ji forem iguais. Se r > n, em cada r-upla
J, algum inteiro é necessariamente repetido. Portanto, N(V) = {O}
se r > n.
Suponhamos agora 1::; r::; n. Se L está em N(V), a soma em
(5-37), precisa ser efetuada apenas para as r-uplas J para as quais
218 - ALGEBRA LINEAR
J 1' ... , j, são distintos, uma vez que todos os outrós termos são
nulos. Cada l'-upla de inteiros distintos entre 1 e n é uma permu
tação de uma, r-upla J = U1, . .. ,j,) tal que j1 < ... <j,. Este tipo
especial de r-upla é denominado r-upla crescente de elementos de
{l, . .. , n }. Existem
(n )r
=
n!
r! (n - r) !
tais r-uplas.
Assim,
(5-38)
onde
(5-39)
,�-_}Ji = � (sinal a) fj"1 <8> . .. ®fJur
J
D.
,J.
constituem uma
.
base de N(V). Vimos que elas geram N(V).
E fácil ver que elas são indypendentes, da seguinte maneira: se
I = (il' .. . , i,) e J= U1,. .. ,j,) são r-uplas crescentes, então
(5-41) DJ(/3
f3 '
) =
{ 1, I = J
; , , • • ·, ;,/ o, J =f. J ·
DETERMINANTES - 219
Em particular, se L =
O c1
,
=
O para cada r-upla crescente 1.
LT =(AM)y
=aMT
=a(cM)
=c(aM)
=
cL.
É claro que o elemento e, neste último corolário, é denomi
nado o determinante de T. De (5-39), para o caso r =
n (quando
existe somente uma r-upla crescente J = (1, .. , n), vemos que o
.
Aij =f/T/3;)
220 - ALGEBRA LINEAR ·
de modo que
Di(T/31, ., TP.)
. • = L (sinal o) A( l, lTl) ... A(n, lTn)
= det A.
Por outro lado,
determinada r x r matriz. Se
isto é, se
(5-42)
[ A(l j1)
: • . . �
A'( ,j,) l
-
- det . .
. .
colunas j1, ... ,j, da r x n matriz, que tem para linhas (as· n-uplas
coordenadas de) ct1, . ,ex.,. Uma outra notação, algumas vezes
. .
(5-45) L M · =
nr+s(L ® M)
deveria ser a multiplicação "natural" de formas alternadas. Mas
será que é?
Tomemos um exemplo específico. Suponhamos que V seja o
módulo Kn e f1, ... ,fn as funções coordenadas canônicas sobre K".
Se i # j,
é a função (determinante)
Dii-jk =
n3[(f; ®� - � ®J) ®fk]
=
nif; ®� ®fk) - 1t3� ®J; ®fk).
Assim, em geral
ª•'
1 = .Dsinal a) (sinal r) n.+.(Lª ® M.)
a,<
Portanto,
(5 -46)
D1 = n.(E1)
DJ n,(EJ)
=
D1 DJ = nr+s[n,(E1) ® n,(EJ)]
·
= r!s!n.+,(E1 ® EJ).
1
(5-47) L /\ M = -
1 -1 n +,(
. L ® M ).
r. s.
224 '--- ALGEBRA LINEAR
Temos então
D /\ D = D
1 1 1u1
para as funções determinantes sobre Kn, e se existir alguma justiça
neste mundo, deveríamos ter encontrado uma boa multiplicação
para formas multilineares alternadas. Infelizmente, (5-47) não tem
sentido para o caso mais geral sob consideração, pois talvez não
seja possível dividir por r!s! no anel K. Se K for um corpo de
característica zero, então (5-47) tem sentido e pode-se rapidamente
demonstrar que o produto exterior é associativo.
(L /\ M) /\ N = L /\ (M /\ N).
(L /\ M) /\ N = L /\ (M /\ N).
DETERMINANTES - 225
s
Sr+s � Mr+ (V)
definida por
l/J(y) = L®M
226 - ALGEBRA LINEAR
Isto mostra que a aplicação 1/1 é constante sobre cada classe lateral
(à esquerda) rG do subgrupo G. Se r1 e r2 estão em S,+s' as classes
laterais r 1 G e r2 G são idênticas ou disjuntas conforme r � 1r1 esteja
ou não em G. Cada classe lateral contém r!s! elementos; logo,
existem
(r + s) !
r!s!
(L /\ M) /\ N = L /\ (M /\ N).
Mas
(r + s + t)! (r + s)!
-(r + s)!t! r!s!
s + r) i
(r +
r!s!t!
classes laterais à esquerda de G(r, s, t) segue-se que (L A M) A N=E.
Por um argumento análogo, também L A (M A N) =E.
DETERMINANTES - 229
Se s =
n - r e M é a forma s-linear alternada
: :
. A�<r+ lJ. A.,,
então L /\ M =
D , a função determinante sobre K". Isto decorre
imediatamente do fato de que L /\ M é uma forma n-linear alter
nada e (como pode ser visto)
sinal
Em outras palavras,
det A=
ii< ... <ir
Ajr,r Akr,r+ 1
posto A(V) =
t (�)
r
DETERMINANTES - 231
L /\ M = ( - l}"M /\ L.
6.1 Introdução
Mencionamos anteriormente que nossa meta principal é estudar
transformações lineares sobre espaços vetoriais de dimensão finita.
Até este ponto já vimos muitos exemplos particulares de transfor
mações lineares e demonstramos alguns teoremas sobre trans
formações lineares arbitrárias. No caso de dimensão finita utili
zamos bases ordenadas para representar essas transformações por
meio de matrizes e essa representação nos ajuda a perceber o seu
comportamento. Pesquisamos o espaço vetorial L(V, W) das trans
formações lineares de um espaço em outro e também a álgebra
'
linear L(V, V) das transformações lineares de um espaço í em si
mesmo.
Nos próximos dois capítulos, estaremos preocupados com ope
radores lineares. Nosso programa é tornar um operador linear T
sobre um espaço vetorial V de dimensão finita e "desmontá-lo para
ver como ele 'funciona". De início, será mais fácil exprimir nosso
objetivo em linguagem matricial: Dado um operador linear i,
determinar uma base ordenada para V, em relação à qual a matriz
de T as�uma uma forma especialmente simples.
Eis uma ilustração do que temos em mente. Com exceção dos
múltiplos escalares da matriz unidade, as matrizes mais simples
talvez sejam as matrizes diagonais:
FORMAS CANÔNICAS ELEMENTARES - 233
(6-2) k = 1, ... , n
-
A=
[� �l
O polinômio característico de T(ou de A) é
Como este polinômio não possui raízes reais, Tnão possui valores
característicos. Se U é o operador linear sobre C2 que é repre
sutil.
-
sentado por A em relação à base ordenada canônica, então U
possui dois valores característicos, i e i. Vemos aqui um ponto
Ao discutirmos os valores característicos de uma matriz A,
precisamos tomar o cuidado de estipular o corpo envolvido. A
O polinômio característico de A é
X - 3 - 1 1
-2 X - 2 1 = x3 - 5x2 + 8x - 4 = (x - 1) (x - 2)2.
-2 - 2 X
-1
-1 .
] 2. Ora,
-1
Obviamente, o posto de A - l é 2 (e portanto a nulidade de
T l é 1). Assim, o espaço dos vetores característicos associados
-
[ ]
-
1 1 -1
A - 21 = 2 O -1 .
2 2 -2
o . . O
.O
o . e
n
FORMAS CANÔNICAS ELEMENTARES - 237
(6-3) [T]êíl =
o o
d1
I = (x - c1 ) ... (x - ck r.
Se o corpo F dos escalares for algebricamente fechado, como por
exemplo o corpo dos números complexos, todo polinômio sobre F
poderá ser fatorado dessa maneira (ver Seção 4.5); no entanto,
238 - ALGEBRA LINEAR
De fato, se f!4; é uma base ordenada de W u então f!4 =(í!41' ... , í!4k)
é uma base ordenada de W.
Demonstração. O espaço W = W1 + ... + W,, é o subespaço ge
rado por todos os vetores característicos de T. Normalmente,
quando formamos a soma W de subespaços W,, esperamos que
dim w < dim wl + ... + dim w,, por causa das relações lineares que
possam existir entre os vetores nos diversos espaços. Esse lema
afirma que os espaços característicos associados a valores caracte
rísticos distintos, são independentes um do outro.
Suponhamos que (para cada i) /3; seja um vetor em W; e que
/31 + ... + /3k =O. Mostraremos que /3; =O para cada i. Seja f um
polinômio arbitrário. Como T/3; = c;/3;, o lema anterior nos diz
que
i =j
{1
f;(c) = ôii = o'' 1. f= ]..
Então
o = /;(T)O = I óJ3j
j
f= (x - c1)d' . . . (x - ck)dk
e seja i!J; uma base ordenada de W;. As bases f!l 1' .. ; f!lk
. podem
ser reunidas para formar a seqüência de colunas de uma matriz P:
-� - � ] .
-6 -4
x-5 6 6 x-5 o 6
1 x- 4 -2 1 x-2 -2
-3 6 x+4 -3 2-x x+4
x-5 o 6
= (x-2) 1 1 -2
-3 -1 x+4
x-5 o 6
(x 2) 1 1 -2
= ·-
-2 ÜX+ 2
.= (X - 2) IX -5
2
-
X 1 6
+2
-6
A-I� - [ ! �] -6
3
-
-
5
A - 21 [-l 2 2] .
�
-6
-6
-6
-6
IX2 =
IX3 =
((22,, 1, O)
O, 1).
1 o
[ º]2
D= O 2 O ·
o o
p-1AP =D.
Exercícios
A= [� � ] A=
D �]
2. Seja V um espaço vetorial n-dimensional sobre F. Qual é o polinômio carac
terístico do operador idêntico sobre V? Qual é o polinômio característico do
operador nulo?
[-
- 8
-16
9
3
8
4 ]
7
4 .
4
Demonstrar que T é diagonalizável mostrando uma base de R3, formada por
vetores característicos de T.
5. Seja
A= [� -3
-1
-2
-2
]
10 -5 -3
10. Suponhamos que A seja uma 2 x 2 matriz com elementos. reais que seja simé
trica (A' =A). Demonstrar que A é semelhante sobre R a uma matriz
diagonal.
11. Seja N uma 2 x 2 matriz complexa tal que N2 =O. D�monstrar que ou
N =O ou N é semelhante sobre C a
sendo c > .. ., c
t k
distintos. Seja V o espaço. das n x n matrizes B tais que
AB = BA. Demonstrar que a dimensão de V é df + ... + tfi.
15. Seja V o espaço das n x n matrizes sobre F. Seja A uma n x n matriz fixa
sobre F. Seja T o operador linear "multiplicação à esquerda por A" sobre V.
É verdade que A e T possuem os mesmos valores característicos?
244 - ALGEBRA LINEAR
p(T)' = O,
para escalares e;, não todos nulos. Portanto, o ideal dos poli
nômios que anulam T contém um polinômio
.
não-nulo de grau
menor ou igual a n2•
De acordo com o Teorema 5 do Capítulo 4, todo ideal de
polinômios consiste de todos os múltíplos de algum polinômio uni
tário fixo, o gerador do ideal. Portanto, podemos associar ao ope
rador T um polinômio unitário p com essa propriedade: Se fé um
polinômio sobre F, então f(T) =O se, e somente se, f = pg, onde g
é algum polinômio sobre F.
FORMAS CANÓNICAS ELEMENTARES - 245
k-l
k
(6-4) f = x + L aixi
j=O
f(A)= O apenas afirma que existe uma relação linear entre as po
tências de A:
fim da Seção 1.4.) Deveria estar claro agora que os dois polinômios
minimais são iguais.
p =(x-c)q
O= p(T)/3
= (T - cl)q (T)/3
= (T - c1)1X
(T - cJ) . . . (T - ci)IX=O
para todo vetor caracte'rístico IX. Existe uma base para o espaço
subjacente constituída de vetores característicos de T; logo
p(T )= (T - c1J)... (T - ckl)=O.
f = (x - 1) (x - 2)2.
248 - ALGEBRA LINEAR
(A - J) (A - 21)= O.
(A - l)(A - 21)
rn i =!] [� � =!] -1 2 2 -2
�[H =!J.
�
-2
A= [� -�J
O seu polinômio característico é x2 + 1 e não possui raízes reais.
Para determinar o polinômio minimal, esqueçamos Te concentre
mo-nos em A. Como uma 2 x 2 matriz complexa, A tem valores
característicos i e - i. Ambas as raízes são necessariamente raízes
do polinômio minimal. Portanto, o polinômio minimal é divisível
por x2 x 1. É trivial verificar que A2 + I=O. Portanto, o poli
nômio minimal é x2 + 1.
FORMAS CANÔNICAS ELEMENTARES - 249
n
I1 (ôljT - AjiJ)o:j =o, 1 si sn.
j=
Quando n =2
e
det B = (T - AllJ) (T - À22n - À12À21I
I
2
= T - (A11 + A22)T + (A11A22 - A12A21)I
=f(T)
2
f = x - (traço A)x + det A.
250 - ALGEBRA LINEAR-
det B f( T )
a1_� a
Queremos mostrar que f(T) O Para que f(T) seja o ope
= .
= =
equações
n =
(6-6) L
j=l
Bipj O , 1 :::;;; i :::;;; n.
- [T 22
1121
- A 1
B =
-�
[
J
- det·B O
BB = .
O dêt B
Assim, temos
(det B)
-. [ª1]
ª2
=
(BB) [ªª21]
=
B(B:[:J)
[�].
_
=
FORMAS CANÓNICAS ELEMENTARES - 251
L jjki BJ1·j = o
j=l
n n
o L L jjki Bi/Xi
i=l j=l
=
t ( t1 Bk;Bu)
i 1 ªr
L BkiBii = . B.
ôki det
i= 1
Portanto,
n
O = L ôkidet B)cxi
F=f
c , ... , c
1 k
distintos, d; 2 1
então
(6-8)
[ ºJ
fácil calcular as potências de A:
2 o 2
J
4 o 4
O 2 O 2 . o 4 o
A2
2 o 2 o 4 o 4·
=
o 2 o 2 o 4 o
Exercícios
[
A = --
-
�
2
1
-1
-2
o
o
2
º]
o
1
1 1 -1 o
5. �
Seja V um espaço vetorial n-dimensional e seja T um o erador linear sobre V.
Suponhamos que exista um inteiro positivo k tal que 'i"' �\O. Demonstrar
que T" =O.
8. Seja P o operador sobre R2 que projeta cada vetor sobre o eixo-x, paralela
mente ao eixo-y: P(x, y) (x, O). Mostrar que Pé linear. Qual é o polinômio
=
·
minimal de P?
Demonstrar que
10. Seja V o espaço vetorial das n x n matrizes sobre o corpo F. Seja A uma
n x n matriz fixa. Seja T o operador linear definido por
254 - ALGEBRA LINEAR
T(B) = AB.
A-[º
- 1
�l -
uma base ordenada de W(r= dim W). Seja A= [T] :M. Então
TIXj= L A;p;·
i= 1
(6-10) A= [� �]
256 - ALGEBRA LINEAR
Demonstração. Temos
A= [� �]
onde A= [TJ 91 e B = [Tw] . Por causa da forma em blocos dessa
.
matriz
.
Isso demonstra a �firmação quanto aos polinômios característicos,
Observemos que o símbolo I foi usado para representar matrizes
unidades de três tipos diferentes.
A k-ésima potência da matriz A é da forma em blocos
Seja fl,I'= { 1Xp , , IX,} tal que os primeiros IX formam a base !!41' os
• .
i = 1, . .. , r
onde (tp ... , t,)= (cp cl' ... , cl' .. . , ck, ck, ... , ck) com� e; repetido
dim W, vezes.
Ora, W é invariante sob T, pois para cada IX em W temos
B=
o o t,
( fg)(T) =
f(T)g(T)
g = (x - c)h.
(T - c/)r:x. = (T - c/)h(T)fl
= g(T)f3
está em W.
o o o Qnn
são as relações ele tipo triangular (6-12) para j:::;: 1, .. , i, que garan .
tem que o subespàço gerado por a1, ... , ix; é invariante sob T.
Se T é triangulável, é evidente que o polinômio característico
de T tenha a forma ·
/3. == (T � c/)o:
q - q(c) = (x - c)h.
Temos
Exercícios
1. Seja T o operador linear sobre R2, cuja matriz em relação à base ordenada
canônica é
A
=D -�J
(a) Demonstrar que os únicos subespaços de R2, que são invariantes sob T,
são R2 e o subespaço nulo.
(b) Se U é o operador linear sobre C2, cuja matriz em relação à base orde
nada canônica é A, mostrar que U possui subespaços invariantes unidi
mensionais.
4. Seja
. [º
A= 2
·2
distintas.
f:
"
\
(Tf)(x)= f(t )dt
sobre o espaço das funções contínuas sobre o intervalo [O, 1]. O espaço das
funções polinomiais é invariante sob T? O espaço das funções diferenciáveis?
O espaço das funções que se anulam em x=t?
10. Seja A µma 3 x 3 matriz com elementos reais. Demonstrar que se A não for
semelhante sobre R a uma matriz triangular, então A será semelhante sobre
C a uma matriz diagonal.
12. Seja T um operador linear sobre um espaço vetorial de dimensão finita sobre
um corpo F algebricamente fechado. Seja f um. polinômio sobre F. Demons
trar que e é um valor característico de f(T) se� e somente se, c=f()
t , onde t
é um valor característico de T.
13. Seja V o espaço das n x n matrizes sobre F. Seja A uma n x n matriz fixa
sobre F. Sejam T e U operàdores lineares sob.re V definidos por
T(B) = AB
U (B) = AB - BA.
264 - ALGEBRA LiNEAR
Então existe uma base ordenada de V tal que todo operador em !!!'
seja representado, em relação àquela base, por uma matriz diagonal.
l)emonstração. Poderíamos demonstrar esse teorema adaptando
o lema que precede o Teorema 7 ao caso diagonalizável, exatamente
como adaptamos o lema que preéede o Teorema 5 ao caso diago
nalizável para demonstrar o 1Teorema 6. No entanto, nesse ponto,
é mais fácil procedermos por indução sobre a dimensão de V.
Se dim V= 1, não há i:J.ada a demonstrar. Admitamos o teo
rema para espaços vetoriais de dimensão menor que n, e seja V um
espaço n-dimensional. Escolhamos um' T arbitrário em!!!' que não
seja múltiplo escalar do operador idêntico. Sejam c ' ... , c
1 k
os
valores característicos distintos de T, e. (para cada i) seja W; o
núcleo de T - J.
c Fixemos um índice i. Então W; será invariante
sob cada operador que comute com T. Seja ff; a família de opera
dores lineares sobre JV;, obtida pela restrição dos operadores em!!!'
ao subespaço (invariante) JV;. Cada operador em ffi é diagonali
zável porque o seu polinômio minimal divide o polinômio minimal
do operador correspondente em!!!'. Como dim W; < dim V, os ope
radores em ff; podem ser diagonalizados simultaneamente. Em
outras palavras, W; possui uma base r!J; que consiste de vetores que
são, simultaneamente, vetores característicos de todos os opera
dores em !!!';.
Como T é diagonalizável, o lema que precede o Teorema 2,
nos diz que f?l = (f?l 1, . .. , f?l,J é uma base de V. Esta é a base que
procuramos.
Exercícios
1. Determinar uma matriz real inversível P tal que p-1AP e p-1 BP sejam ambas
diagonalizáveis, onde A e B são as matrizes reais
(a) A -[1
- o
(b) A=
D B
= [!
2. Seja ff uma família comutativa· de 3 x 3 matrizes complexas. Quantas ma
trizes linearmente independentes existem em ff? E no caso n x n?
3. Seja T um operador linear sobre um espaço n-dimensional, e suponhamos que
T possua n valores característicos distintos. Demonstrar que qualquer ope
rador linear que comuta com T é um polinômio em T.
FORMAS CANÔNICAS ELEMENTARES - 267
E= [� �l
Demonstrar que det E= det(AD - BC).
°'; em JV;.
268 - ALGEBRA LINEAR
então O= (r:t.1 - fJ1) + ... + ( r:t.k - fJk)i logo, r:t.;..,... /3; =O, i = 1, . . . , k.
Assim, quando �, . . . , � são independentes, podemos operar com
os vetores de W como k-upl.as (r:t.1,
: , r:t.k), r:t. em W;,. da mesma ma
; • •
(e) Se fJI; é uma base ordenada de Wi, 1::::;; i::::;; k, então a se
quência fJ6 = (fJl1, ... , fJlk) é uma base ordenada de W.
Demonstração. Suponhamos (a). Seja r:t. um vetor na inter
seção W j n (W 1 + . . . + W _1). Então existem vetores r:t.1' , r:t.j-1'
j
• • .
com r:t.; em W;, tais que r:t. = r:t.1 + ... + r:t.j_1. Como
Logo, r:t.i = -r:t.1 - ... -et.i-l é um vetor não nulo em Vlj n.(W1 +
+ ... + Wí-1).
/3 1 + ... + /3k = o
W= W1 EB ... EB Jt;,.
Na literatura, o leitor poderá encontrar essa soma direta sob os
nomes de soma independente ou soma interna de W1, ... , Jt;,.
A== A1 + A2
2
A1 - 1-(A +A'' )
A2 = k(A - Á1).
[E].íB = [� �]
onde I é a r x r matriz unidade. Isso deveria esclarecer parte da
terminologia ligada a projeções. O leitor deverá examinar vários
casos no plano R2 (ou no espaço tri-dimensional R3) para se con
v,encer de que a projeção sobre R segundo N leva cada vetor para
R, projetando-o paralelamente a N.
Projeções podem ser usadas para descrever decomposições do
espaço V em somas diretas. De fato, suponhamos V= W1 EB ...
... EB liv,,. Para cada j definiremos um operador Ei sobre V. Seja
IX em V, digamos IX=IX1 + ... + IXk com IX; em JV;. Definamos
Ep=1Xr Então, Ei é uma regra bem definida. É fácil ver que Ei
é linear, que a imagem de Ei é ttj e que EJ= Er O núcleo de Ei
é o subespaço
(W1 + · · ·
+ tt-J-1 + tt-}+1 + · · · + liv,,)
(6-13)
FORMAS CANÔNICAS ELEMENTARES - 271
V = W1 + ... + W,.;
=
EJPj
=
E/3i
r:x.j"
=
Exercít:iOs
,9, Sejam E1, ..., Ek operadores lineares sobre o espaço V tais que E1 + .
. .. +
+ Ek. = 1.
(a) ·Demonstrar que se E;E;=O para i # j, então Ef =E; para todo i.
(b) No caso k 2, demonstrar a recíproca de (a). Isto é, se E1 + E2=1 e
=
10. S.eja F um subcorpo do corpo dos· números complexos (ou, um corpo de carac
terística zero). Seja V um espaço vetorial de dimensaci finita sobre F. Supo
nhamos que E" . . . , Ek sejam projeções sobre V e que E1 + ... + Ek = J . . De
monstrar que E1E; = O para i # j. (Sugestão: Usar a função traço e descobrir
o que é o traço de uma projeção.)
FORMAS CANÔNICAS ELEMENTARES __: 273
11. Seja V um espáço vetorial, sejam W1, ... , Wk subespaços 'de V e seja
e então
Ta= T(Ep)
=E/Ta)
Como E;a está em J.V;, que é invariante sob T, devemos ter T(Eia)=
=EJ3; para a,lgum vetor pi. Então
FORMAS CANÔNICAS ELEMENTARES - 275
se i -/= j
se i = j.
Assim,
logo
portanto, se (T- cl)rx =O, devemos ter. (e; - c)E;rx. =O. Se rx não
é o vetor nulo então E;rx # O para algum i, de modo que para este
i temos ci - e =O.
T é certamente diagonalizável, pois mostramos que todo vetor
não-nulo na imagem de E; é um vetor característico de T e o fato
de que I =E1 + ... + Ek mostra que esses vetores característicos
geram V. Tudo o que resta a ser demonstrado é que o núcleo de
(T - cJ) é exatamente a imagem de E;· Mas isto é evidente,
porque se Trx = c;rx, então
k
L (ci - c;)Ep = O
j= 1
FORMAS CANÔNICAS ELEMENTARES - 277
logo
e então
Ep = O, j =I= i.
rr (x e;) .
P·1 =
-
i</=i (ci -
e;)
278 .- ALGEBRA LINEAR
k
p/T ) =
L ôijEi
i=l
= Er
Assim, as projeções Ei não apenas comutam com T, mas são poli
nômios em T.
Cálculos como este, com polinômios em T, podem ser usados
para dar uma outra demonstração do Teorema 6 que caracterizou
operadores diagonalizáveis em termos de seus polinômios minimais.
A demonstração é inteiramente independente da nossa demons
tração anterior.
Se T é diagonalizável, T = c1E1 + ... + ckEk , então
(x - e) .
P1· = fl (c e
ief:i i- )
Recordemos do Capítulo 4 que p/c;) ôii e, para todo polinômio =
(6-15)
1 =
P1 + · · ·
+ Pk
X = C1P1 + · · · + ckpk.
FORMAS CANÔNICAS ELEMENTARES - 279
(O leitor astuto terá notado que a aplicação a x pode não ser válida
porque k pode ser igual a l. Mas se k 1, Té um múltiplo escalar
=
I =
E1 + ... + Ek
(6-16)
T =
c1E1 + . . + ckEk.
.
(6-17)
Exercícios
2. Seja T o operador linear sobre R2, cuja matriz em relação à base ordenada
canônica é
(b) Demonstrar que não existe nenhum subespaço W, que seja invariante sob
T e que seja complementar de W,,:
R1 = w; E0 J.Vi.
7. Nos Exercícios 5 e 6 observar que (para cada i) o espaço dos vetores caracte
rísticos associado ao valor característico e, é gerado pelos vetores-coluna das
várias matrizes Ei com j '# i. Isso é uma coincidência?
9. Seja V o espaço vetorial das funções contínuas reais definidas sobre o inter
valo [ - 1, 1] da reta real. Seja W,, o subespaço das funções pares, f( -x) f (x) =
(Tf)(x)= I:f(t)dt
[
corpo arbitrário) representado em relação à base canônica por
2 o
O polinômio característico de A
A=
.
1
o
2
o -1
é(x - 2)2 (x + 1) e este é obvia
�]·
mente o polinômio minimal de A (ou de T). Assim, T não é diago
nalizável. Vê-se que isto ocorre porque o núcleo de (T- 2/) tem
dimensão 1 apenas. Por outro lado, o núcleo de (T + /) e o núcleo
de (T- 2/)2 juntos geram V, sendo o primeiro o subespaço gerado
por 8 3 e o segundo o subespaço gerado por 81 e 8 2 •
p = (x - c1}'1 . . . (x - cSk
P = P/1 • • • P?
282 - ALGEBRA LINEAR
Então
(i) V =W1 EB ... EB Wk;
(ii) cada Wi é invariante sob T;
(iii) se Ti é o operador induzido sobre Wi por T, então o poli
nômio minimal de Ti é p:i.
I fg; =
i.
i= 1
E1 + . . . + Ek = I
E;Ei = O, se i =1= j .
portanto,
e que, em geral,
D+ N = D1 + N'
ou
D - D'= N' - N
e todos estes quatro operadores comutam entre si. Como D e D'
são ambos diagonalizáveis e comutam, eles são simultaneamente
diagonalizáveis e D - D' é diagonalizável. Como N e N' são ambos
FORMAS CANÔNICAS ELEMENTARES - 285
(6-18)
Esta redução foi conseguida por meio dos métodos gerais de álge
bra linear, isto é, pelo teorema da decomposição primária.
Para descrever o espaço das soluções de (6-19), é necessário
saber alguma coisa sobre equações diferenciais, isto é, é necessário
saber alguma coisa a respeito de D além do fato de que D é um
operador linear. No entanto, não se precisa saber muito. É bem
fácil demonstrar por indução sobre r que, se f está em C,, então
(D - cJ)'f =ectD'(e-c'f)
isto é,
df
- cf(t) =e<•� (e-c'f)' etc.
dt dt
Assim, (D - cl)'f =O se, e somente se, D'(e-c'f) =O. Uma função g
tal que D'g =O, isto é, d'g/dt' O, deve ser uma função polinomiãl
=
p(D)f =O
p = (x - c1 )'1 ... (x - c )'k
k
vemos que as n funções tmecit, Os m s ri - 1, 1 sj s k, formam
uma base do espaço das soluções de (6-18). Em particular, o es
paço das soluções tem dimensão finita igual ao grau do polinômio p.
Exercicios
1. Seja 1' um operador linear sobre R3 que é representado em relação à base
ordenada canônica pela matriz
.
288 - ALGEBRA LINEAR
1
-3 -2
-1 -2 .
[1! -5 -3
[; ;
2 2
=n
oj
em relação à base ordenada canônica. Mostrar que existe um operador diago
nalizável D sobre R3 e um operador nilpotente N sobre R3 tais que T= D+ N
e DN = N D. Determinar as matrizes de D e N em relação à base canônica.
(Basta repetir a demonstração do Teorema 12 para este caso particular.)
p = (x - c1)" ... (x - )
e, ''.
S. Seja V um espaço vetorial de dimensão finita sobre o corpo dos números com
plexos. Seja T um operador linear sobre J! e seja D a parte diagonalizável
de T. Demonstrar que se g é um polinômio qualquer com coeficientes com
plexos, então a parte diagonalizável de g(T) é g (D).
W =
(W n W1) Ee (W n W2) E9 ... E9 (W n W.).
Evidentemente N é nilpotente.
12. Se você pensou sobre o Exercício 11, pense novamente, após observar o que
.
o Teorema 7 afirma sobre as partes diagonalizável e nilpotente de T.
13. Seja T um operador linear sobre V com polinômio minimal da forma p", sendo
p irredutível sobre o corpo dos escalares. M ostrar que existe um vetor. ex em V
.
tal que o T-anulador de ex seja p".
[� �].
Neste caso o vetor cíclico (um vetor cíclico) é e1; de fato , se
f3 = ( a, b), então, para g =a+ bx, temos f3 = g(T)e1• Para este
mesnio operador T, o subespaço cíclico gerado por a2 é o espaço
unidimensional gerado por e2, porque 82 é um vetor caracte
rístico de T.
Para quaisquer T e oc, estaremos interessados em relações
lineares
g = Pa.q + r
�= {IX1 , : • •
, rxk} é
(7-1) l'
Urxk = -corx1 - C11X2 - ... - ck-1rxk
k k
onde Pa=c0+c1x+ ...+ck_1x -1+x . A expressão de Urxk de
corre do fato de que pª(U)rx=O, isto é,
o o o
1 o o
o 1 o
(7-2)
o o o
Exercícios
1. Seja T um operador linear sobre F2. Demonstrar que todo vetor não-nulo
que não seja um vetor característico de T é um vetor cíclico de T. Depois,
demonstrar que ou T possui um vetor cíclico ou então T é um múltiplo escalar
do operador idêntico.
[2o o2
o o '�].
-1
Demonstrar que T não possui vetores cíclicos. Qual é o subespaço T-cíclico
gerado pelo vetor (1, -1, 3)?
[-i i !J -
,;k1,; i
(7-4) ri = O ou gr r; < gr f.
Além do mais
k-1
(7-6) ÍI' = f3o + L rif3i.
1
j
(7-7) fy =/30 + L r;/3;, ri =I O e gr r i < gr f.
(7-10)
300 - ALGEBRA LINEAR
(7-11)
(7-12)
• . •
V= W0 EB Z(y1; T) EB . EB Z(y.; T) . .
(7-13)
gk divide gk_1, k 2, .. ., s. =
e, assim,
s
Fizemos uso dos fatos (1) e (2) acima e também do fato de que
p2o: ; = O, i � 2. Como sabemos que p1 91' o fato (3) acima nos
=
i � 2.
(7-16) p = Fi.1 . . . �k
i
e n é o polinômio minimal do operador r;, obtido pela restrição
de T ao subespaço (invariante) v;. Apliquemos a .parte (ii) deste
teorema ao operador r;. Como seu polinômio minimal é uma
potência do polinômio primo J;, o polinômio característico de r;
tem a forma fti , com d;� ri. Obviamente
dim v;
d.=
' gr (!;)
i
e (quase por definição) dim Vi= nulidade fi(T)' . Como T é a soma
direta dos operadores T1, , Yic, o polinômio característico f é o
. . •
produto
A1 o o
o A2 o
(7 1 9 )
-
A=
o o A,
P1 = P2 = x - e.
Para matrizes, esta análise diz que toda 2 x 2 matriz sobre o corpo
F é semelhante sobre F a exatamente uma matriz dos tipos
-6
- � -�]
-4
[� º]
lhante- à matriz
-2
B = 3 o
o o 2
Te1 = (5, - 1, 3)
é a matriz B acima.
(7-20)
(7-21 ) n (x - cJ
/JitO
i
Seja !!li= {/3 l' . '. . , f3�J uma base ordenada de v;. Seja
r = máx. di.
i
(7-23) Pj = TI (x - cJ
d(?:j
Temos
pois cada f3J pertence a um, e somente um, dos subespaços Z(a1; T),
.. . , Z(a1; T) e ffi=(ffll' . . . , PJk) é uma base de V. Por (7-23), Pj+i
divide Pr
Exercícios
Seja lX1 = (0, 1). Mostrar que F2 # Z(tX1; T) e que não existe nenhum vetor
não-nulo tX2 em F2 tal que Z(tX2; T) seja disjunto de Z(tX1; T).
oo -lioo , [ -li
seguintes matrizes reais:
-1
O
e O
e 1 ,
[ cose
- sene
senº]
cose
-1 1 e
[-i 2
-�
-4
-
-3
�] ·
rema 3.
3
A= [; -3 -3 -5
;] .
Determinar uma 3 x 3 matriz real inversível P tal que p - 1 A P esteja sob a
forma racional.
13. Seja A uma n x n matriz com elementos complexos. Demonstrar que se todo
valor característico de A é real, então A é semelhante a uma matriz com
elementos reais.
16. Seja A uma n x n matriz com elementos reais tal que A2+1 =O. Demonstrar
que n é par e que, se n = 2k, então A é semelhante sobre o corpo dos números
reais a uma matriz da forma em blocos
[� -�J
onde 1 é a k x k matriz unidade.
21. Seja A uma n x n matriz com elementos reais. Seja T o operador linear sobre
R" que é representado por A em relação à base ordenada canônica e seja U
o operador linear sobre e• que é representado por A em relação à base orde
nada canônica. Usar o resultado do Exercício 20 para demonstrar o seguinte:
"
Se os únicos subespaços invariantes sob T são R" e o subespaço nulo, então
U é diagonalizável.
e P; + 1 divide P; para i = 1, . . , r
. 1. Como N é nilpotente, o poli
-
o o o o
1 o o o
o 1 o o
(7-24) A. =
.1
o o 1 o
(7-25)
O= N(f;rx.)
= Nf;(N)rx.;
= (xJJ rx.;.
Assim, xf; é divisível por xk; e como gr ( f;) > k; isto significa que
j'. = c.xk1-1
1 '
o que nos mostra que os vetores (7-25) formam uma base do núcleo
de N. O leitor deverá notar que este fato também é evidente do
ponto de vista de matrizes.
O que desejamos fazer agora é combinar nossas conclusões a
respeito de operadores ou matrizes nilpotentes com o teorema da
decomposição primária do Capítulo 6. A situação é a seguinte:
Suponhamos que T seja um operador linear sobre Ve que o poli
nômio característico de T se decomponha sobre F como segue:
e O O O
1 e O O
(7-26)
O O 1 e
(7-27) A=
o o
li)
Jl o o
li)
o J2 o
A.=
"
o o
onde cada JYl é uma matriz elementar de Jordan com valor caracte
rístico ci. Além disso, dentro· de cada Ai' as dimensões das ma
trizes JYl diminuem à medida que j aumenta. Diremos que uma
n x n matriz A que satisfaz todas as condições descritas até agora
neste parágrafo (para certos escalares distintos e 1, .. . , ck) está sob
a forma de Jordan.
AS FORMAS RACIONAL E DE JORDAN - 315
[� � �].
b
(x - 2)2 (x + 1). Ou
este polinômio é o polinômio minimal e A é semelhante a
semelhante a
[� � �]·
o o -1
21) [ ]
Ora,
o o
(A - (A + J) = 3a O O
º-
ac O O
Exemplo 7. Seja
A=
r2000]
2 1
o o
O O .
2 o
O O a 2
d "f d"-1f df
dx" + ª11-1 dxn-1 + ... + ª1 dx + a J = O .
(D - cJ)'i f =O.
(D - cl)'f =O.
AS FORMAS RACIONAL E DE JORDAN - 319
Df = cf
Isso nos dá
N'-1g = (r - 1)! h
O parágrafo anterior nos mostra que a forma de Jordan de
D (sobre o espaço V) é a soma direta de k matrizes elementares
de Jordan, uma para cada raiz e;.
Exercícios
polinômio característico
o o o o
H �]
2 o o o
o 2 o o
1 o 2 o
1 1 1 2
o o o -1
qual é o traço de A?
10. Seja n um inteiro pos1t1vo, n ;::::: 2 e seja N uma n x n matriz sobre o corpo F
tal que N" =O mas N"- 1 =F O. Demonstrar que N não possui nenhuma raiz
quadrada, isto é, que não existe nenhuma n x n matriz A tal que A2 = N.
13. Se N é uma k x k matriz nilpotente elementar, isto é, Nk=O mas Nk- i °"'O,
mostrar que N' é semelhante a N. Usar a forma de Jordan para demonstrar
que toda n x n matriz complexa é semelhante à sua transposta.
mial (1 + t)112 para obter uma fórmula semelhante para a raiz quadrada de
J + N, onde N é uma n x n matriz nilpotente arbitrária sobre C.
X o o o Co
-1 X o o c1
o -1 X o Cz
'
xi= A
o o o X c,,_2
o o o - 1 X+ C11_1
322 - ALGEBRA LINEAR
2
o o o o x + cn-lx + c,,-2
o o o -1 X+ Cn-1
o o o o o
o o o -1 o
o o o 1
É claro, então, que p = det(xJ - A).
Mostraremos que para uma nxn matriz arbitrária, existe uma
seqüência de operações sobre linhas e colunas que transformará
AS FORMAS RACIONAL E DE JORDAN - 323
e(M)=e(I)M.
N=PM
p
o
Definamos
l(M 1 ) = min gr(f;)
fi f' o
(7-29)
cada J; por�:
-
M'1 -
cesso bem definido para associar a cada matriz M uma matriz M'
·
M'1
não podem continuar por muito tempo. Após não mais que 1(M1)
iterações do processo, deveremos chegar a uma matriz M<kl que
possui as propriedades que procuramos.
remos o ciclo
(i) � (ii)
T t
(iv) � (iii).
1 a
ª1 m
o
(7-32) Q= B
R=
o o 1
N=PM,
cada uma sendo uma operação elementar sobre linhas ou uma ope
ração elementar sobre colunas.
N =PMQ,
Al o o
o Az o
PAP-1 =
o o A,
1
(7-33) P(xl - A)P- =xi - PAP-1
é equivalente a xi - A. Ora,
xi - A O o
1
O xI - A2 o
(7-34) ·xl-PAP-1
o o xI - A,
Pi O O
o 1 o
o o 1
f1 o o
o
(7-35) M'= R
g o o
o
(7-36) s
o
AS FORMAS RACIONAL E DE JORDAN - 331
p a b
O e d
(7-37)
O e f
Se os elementos a, ... , b forem todos nulos, ótimo. Se não forem,
usaremos o análogo de PL6 para a primeira linha, um processo
que indicaremos por PL6'. O resultado será a matriz
q o o
' ' '
a e e
(7-38)
forma (7-36) porque em cada passagem sucessiva temos l(M<k+ ii) <
[
e olhamos para a matriz formada, usando aquelas linhas e colunas
de M. Estamos interessados nos determinantes
M'1..Jt
Se r estiver entre os índices il' ... , ik, então teremos, nos dois casos,
= cD1jM);
<\(M)
fk -
- . 1 ::;; k ::;; min(in, n)
ôk-1(M)'
antes de M.
Suponhamos que A seja uma n x n matriz com elementos
em F e sejam p1, . • . , p, os fatores invariantes de A. Vemos agora
que a forma normal da matriz xl -A possui elementos diagonais
1, 1, . . . , 1, p,, . . . , p1. O último corolário nos diz o que são pl' .. . , p,,
em termos das submatrizes de xl A. O número n - r é o maior
-
Exercicios
3. Seja A uma n x n matriz com elementos no corpo F e sejam fl' ... ,f. os
elementos diagonais da forma normal de xl A. Pàra que matrizes A -
tem-se f1 oi !?
AS FORMAS RACIONAL E DE JORDAN - 335
l l l l l 1 1
o o o o o o o
o o o o o o o -1
o 1 1 o o o o 1
A=
o o o o o o
o 1 1 1 1 o
o -1 -1 -1 -1 o l -1
o o o o o o o o
/3 = g(T) f(T)/3
= g(T)(f(T)/3)
o corpo F de escalares.
Demonstração. Suponhamos que T seja semi-simples. Mostra
remos que nenhum polinômio irredutível se repete na decompo
sição do polinômio minimal p em fatores primos. Suponhamos o
contrário. Então existe um polinômio unitário não-constante, g tal
que g2 divide p. Seja W o núcleo do operador g(T). Então W é
invariante sob T. Ora, p = g2h para algum polinômio h. Como g
AS FORMAS RACIONAL E DE JORDAN - 339
V =W1 EB ... EB Wk ,
=(W n W1) EB V 1 EB ... EB (W n Wk ) EB Vk
=(W n W1) + ... + (W n Wk) EB V 1 EB ... EB Vk.
r<2>(h) rn>(h)
f{g) = f{h) + fC1l(h) {g - h) + ll {g - h)2 + .. . + lll {g - h)n.
gk = [h + (g - h)]k.
k
f' =
I1 P�fj
j=
de T e então
f(T)' = O .
tais que
n
seja divisível por j +i, n = O, 1, 2, Tomando g0 O temos
0 . . . =
n-1
h=x- I gJi
j=O
Agora temos uma seqüência g0, g1' ... tal que fn+i divide
Seja
r-1 r-1
N = L giT)f(T)i = L giT)f(T)i.
j= 1 j= o
n
Como .L: gJ i é divisível por f, vemos que N' = O e N é nilpotente .
=
. j 1
Seja S T N. Então f(S) =f(T- N) = O. Como f possui fatores
= -
[ T J� =
[SJ"' + [NJ�
Exercícios
em R3 é o número real
____..--'
(exl/3) = L xiyr
j
2
Como (1X l 1X) = (x1 - x2) + 3x�, decorre que (ai IX)> O se IX =F O. As
condições (a), (b) e (c) da definição são facilmente verificadas.
(A I B) = L A jkBjk
j,k
mir este produto interno sobre F" x" em termos da função traço
(XI Y) = Y*Q*QX.
Pr(rx,/3) =
(Trxl T/3)
define um produto interno Pr sobre V. O produto interno do
Exemplo 4 é um caso particular desta situação. Os que seguem
também são casos particulares.
(a) Seja V um espaço vetorial de dimensão finita e seja .
----
Assim, o produto interno é completamente determinado por sua
"parte real" de acordo com
(8-2)
função que associa a cada vetor IX o escalar lllX 112. Decorre das
propriedades do produto interno que
1 1
(8-3) (ixlfi) = 4 lllX + fi 112 - 4 lllX - fi112.
1 1
(8-4) (1Xlfi ) = 4 lllX + fi 112 - 4 lllX - fi 112
(1Xlfi) = !I n=l
i" lllX + i"/3112•
.
As propriedades obtidas acima valem para qualquer produto
interno sobre um espaço vetorial real ou complexo, não impor
tando sua dimensão. Voltamos agora ao caso em que V é de dimen
são finita. Como se pode imaginar, um produto interno sobre um
espaço de dimensão finita sempre pode ser descrito em termos de
uma base ordenada por meio de uma matriz.
Suponhamos então que V seja de dimensão finita, que
(8-5)
ESPAÇOS COM PRODUTO INTERNO - 351
então
= L xk L Ji/ockjoc)
k j
G
= L yi ikxk
j,k
= Y*GX
(o:IP) = Y*GX
Exercícios
1
3. Descrever explicitamente todos os produtos internos sobre R e sobre C1.
7. Seja ( 1) o produto interno canônico sobre C2. Demonstrar que não existe
nenhum operador linear não-nulo sobre C2 tal que (ai Toe)=O para todo oe em
C2. Generalizar.
fA(X, Y) = Y'AX.
10. Seja ( 1) o produto interno sobre R2 definido no Exemplo 2 e seja íiJ a base
ordenada canônica de R2• Determinar a matriz deste produto interno em
relação a íil.
define um produto interno sobre o espaço R [x] dos polinômios sobre o corpo
R. Seja W o subespaço dos polinômios de grau menor ou igual a n. Restringir
o produto interno acima a W e determinar a matriz deste produto interno
sobre "f'. em relação à base ordenada {1, x, x2, •.• , x"}. (Sugestão: Para mostrar
que a fórmula define um produto interno, observar que
Ulg) = f f(t)g(t)dt
e trabalhar com a integral.)
12. Seja lv um espaço vetorial de dimensão finita e seja íiJ = { ai' . . . , ex.} uma base
de V. Seja ( 1 ) um produto interno sobre V. Se e 1, , e. são n escalares arbi
. • .
trários, mostrar que existe exatamente um vetor ex em V tal que (cxicx) = cí'
j = 1, ... , n.
= J(cx) + J(p), J(ccx) = cJ(cx) e J(J(cx)) =ex, para todos os escalares e e todos
ex, p em V. Se J é uma conjugação, mostrar que
V tal que Jcx =ex se, e somente se, ex pertence a W e mostrar também que J
é a única conjugação sobre V com esta propriedade.
(a) existe um único produto interno g sobre V tal que g(rx, {3) = f (rx, PJ para
todos rx, f3 em W,
O que a parte (a) diz acerca da relação entre os produtos internos ·canônicos
sobre R' e C1 ou sobre R" e C"?
Então (y i a ) = O e
ESPAÇOS COM PRODUTO INTERNO - 355
- (/3iex) (exl/3)
(/31/3)
=
llex 112
l<exlPW .
= 11/3112 _
llex 112
Logo, l(exl/3}12 � llexll2 11/3112. Usando agora (iii) concluímos que
( c) l tr(AB*)I � (tr(AA*))112(tr(BB*))112
((x,y)l(-y,x)) = -xy + yx = O .
ifM = I f (x)g(x) dx
n =
±1, ±2, ...
/J = C
10:1 + C21X2 + · · · + CmO:m.
Então
(/Jlak) =
Ite,ajlo:k)
j
=
I c/o:jio:k)
j
=
ck(o:kiak).
Como (o:kio:k) =F O, decorre que
1 ::5: k :::;; m.
Assim, quando f3 =
O cada
,
ck =
O ; logo S é um conjunto indepen
dente.
·-
(8-8)
k 1, 2, . , n, o conjunto
= . .
l � k � m,
(8-9)
Então ocm+t #-O pois, caso contrário, Pm+r seria uma combinação
linear de ocl' ... , ocm e, portanto, uma combinação linear de {3 ' . . , {Jm.
1 .
ESPAÇOS COM PRODUTO INTERNO - 359
(ctm+ 1 la) =
(f3m+1la) - k l � ([3�;j�k) (akla)
=
(f3m+1la) - (f3m+1la)
= O .
ª1 =
f31
a2 [32 _ (/Jzlai) a
llct1 112 .
=
1
(8-10)
/31 =
(3, O, 4)
/32 = (-1, o, 7)
�3 =
(2, 9, 11)
ª1 =
(3, Q, 4)
((-1, O, 7)1(3, O, 4))
ª2 - (' -l ' O ' 7)
_ _
2.5 (3
''
O
'
4)
=
(-1, 7) - (3, O, 4)
O,
= (-4, O, 3)
ESPAÇOS COM PRODUTO INTERNO - 361
=
(2, 9, 11) - 2(3, O, 4) - (-4, O, 3)
=(O, 9, O).
Esses vetores são obviamente não nulos e mutuamente ortogonais.
3
Logo, {a1, a2, a3} é uma base ortogonal de R . Para exprimir um
3
vetor arbitrário (x1, x2, x3) de R , como uma combinação linear
de oc1' oc2, a3 não é necessário resolver nenhuma equação linear.
Basta usar (8-8). Assim,
a1 =
(a, b)
((e, d)jia. b))
(e, d) a b)
_
ª2
lal2 lbl2 ( ,
=
. (cã + db)
= (e, d) - (a b)
lal2 + IW ,
=
(cbb - dba dãa - cãb )
lal2 + lbl2' l a l2 + lbl2
det A
2 2 ba
lbl (- , ).
- _
= lal +
Ora, a teoria geral nos diz que a #O se, e somente se, /31 e /32
forem linearmente independentes.
2Por outro lado, a fórmula para
a2 mostra que isso acontece se, e somente se, det A #O.
Em essência, o processo de Gram-Schmidt consiste de apli
cações repetidas de uma operação geométrica fundamental, deno-.
minada projeção ortogonal, e o processo é melhor compreendido
sob este ponto de vista. O método da projeção ortogonal também
surge, de um modo natural, na solução de problemas importantes
de aproximação.
Suponhamos que W seja um subespaço de um espaço com pro
duto interno V e /3 um vetor arbitrário de V. O problema consiste
em determinar uma melhor aproximação possível de f3 por vetores
de W. Isso significa que devemos determinar um vetor a para o
qual 11/3 - a li seja tão pequeno quanto possível e sujeito à res
trição de que a seja um elemento de W. Precisemos nossa lin
guagem.
11/3 - (X li � 11/3 - y li
para todo vetor y em W.
ESPAÇOS COM PRODUTO INTERNO - 363
11{3 - 1' 112 = 11{3 - a 112 + 2 Re({3 - aia - y) + lla - 1' 112.
(/3 ' - y)
- - (oc y.
- °' °'
Essa expressão é válida se, e somente se, (/3 - txloc - y) =O. Por
tanto, f3 - oc é ortogonal a todo vetor de W. Isso completa a
demonstração da equivalência das duas condições sobre oc, dadas
em (i). A condição ,de ortogonalidade é evidentemente satisfeita
por, no máximo, um' vetor de W, o que demonstra (ii).
Suponhamos agora que W seja um subespaço de dimensão
finita de V. Então, como corolário do Teorema 3, sabemos que W
possui uma base ortogonal. Seja { °'1' . . . , ocn} uma base ortogonal
arbitrária de W e definamos oc por (8-11). Então, em vista do cálculo
feito na demonstração do Teorema 3, f3 - oc é ortogonal a cada um
dos vetores ock(/3 - oc é o vetor obtido na última passagem, quando
o processo de ortogonalização é aplicado a oc1, ... , °'n• /3). Assim,
f3 - oc é ortogonal a toda combinação linear de °'1' ... , °'n' isto é,
a todo vetor de W. Se y está em W e y i= oc, segue-se que
11/3 - ')'li > 11/J - oc li. Portanto, oc é a melhor aproximação de f3
contida em W.
/3 - /3 - E/3
-14
= (3, 12, -1).
154
366 - ALGEBRA LINEAR
( )
=
3x1 + 12x2 - x3
(Xp X2, X3) - - (3, 121 -1)
�
154
3
vemos que a projeção ortogonal de R sobre W .L é a transfor
mação linear 1 E que leva o vetor (xp x2' x ) no vetor
3
-
fJ = EfJ + fJ - EfJ
(/ - E) (/ - E) = I - E - E + E2
= 1 - E.
f3
f3 = L- ( 1 a�; ak.
k llak li
Demonstração. Seja y = L [(f31ak)/ llak 112] ak. Então f3 = y + 8,
onde (ylc5) =O. Logo, k
f1 = I (fJlak) ak .
k
(a)
2
(b) Í11 k t é e2nikt
k , dt =
Jo = -n .
Exercícios
2. Aplicar o processo de Gram-Schmidt aos vetores /31 = (1, O, 1), /32 = (!, O, -1),
{33=(0, 3, 4), para obter uma base ortonormal de R3 com o produto interno
canônico.
Mostrar que
trizes diagonais.
11. Seja V um espaço de dimensão finita com produto interno e seja {1X1, . . . , IX"}
uma base ortonormal de V. Mostrar que para quaisquer vetores IX, f3 em V
(ixl /3) = I
k=l
(ixl IXk) (/31ixk).
14. Seja V um espaço de dimensão finita com produto interno e seja rJB ={IX"... , IX"}
uma base ortonormal de V. Seja T um operador linear sobre V e A a matriz
de T em relação à base ordenada !JB. Demonstrar que
ESPAÇOS COM PRODUTO INTERNO Br
(i) W2 = W/';
(ii) f (IX, /3) = fk(rt., /3), quando IX, f3 estão em W,,, k = 1, 2.
17. Seja V o espaço real com produto interno que consiste do espaço das fu11�1\u•
contínuas, definidas no intervalo 1 :::; t :::; !, tomando valores reais. com 11
-
produto interno
fp(a) = (a 1 fJ).
372"� ÁLGEBRA LINEAR
(8-13)
fp�.) =
(o:fp)
Então
fp(ock) = (o:kfL f(oc)oc) = f(ock).
j
Como isto é válido para todo ock, decorre que f = ff" Suponhamos
agora que y seja um vetor em V tal que (ocfp) = (oc1y) para todo o:.
Então (p - yJp- y) =O e P = y. Assim, existe exatamente um vetor p
que determina o funcional linear f da maneira afirmada.
A demonstração deste teorema pode ser ligeiramente reformu
lada, em termos da representação de funcionais lineares em relação
a uma base. Se tomarmos uma base ortonormal { o: 1, , �"} de V, . • .
será
(oc j p) = X1Y1 + · · · + XnYn·
Se fé um funcional linear arbitrário sobre V, então f é da forma
é o vetor desejado.
ESPAÇOS COM PRODUTO INTERNO - 373
f(a) =f(Pa)
1 f (y)
f (a) = (a y) tt ·
L(f) =
f (z ) .
374 - ÁLGEBRA LINEAR
1 (z) = I 1 (t)g(t) dt
º = I h(t)f(t)(gt)dt
e então hg =O. Como h #-O, devemos ter que g =O. Mas L não
é o funcional nulo; logo, nenhum tal g existe.
Pode-se, num certo sentido, generalizar o exemplo, para o caso
em que L é uma combinação linear de funcionais do tipo acima.
Suponhamos que tomemos números complexos fixos z 1, ... , z" e
escalares c1' ..., c" e seja
L(f) =
cif(z1) + ... + cJ(zn ).
/3' = T*f3.
To:j =
L Akpk
k=l
e como
n
To:i =
L (To:iiak)ak
k=l
A ki =
(Taiiak)
Bki =
(T*ailak).
Bki (T*ailak)
=
= (akl T*a)
= (T\la)
= A,k.
J
= (EalE/3)
(Ea + (1 E)aiE/3)
= -
= (alE/3).
36 -3
A=
1
154
[9 36 144 -1 �
-3 -12
]
é a matriz de E em relação à base ortonormal canônica. Como
E= E*, A é também a matriz de E* e, porque A= A*, isso não
contradiz o corolário anterior. Por outro lado, suponhamos
a1 = (154, O, O)
ª2 = (145, - 36, 3)
IX3 = ( - 36, 10, 12).
ESPAÇOS COM PRODUTO INTERNO - 377
]
relação à base {<X 1, a2, a3} é definida pela equação
[-1 o º
B = -1 O O ·
o o o
oc e p em V.
O Teorema 7 afirma que todo operador linear sobre um es
paço V de dimensão finita com produto interno possui um adjunto
sobre V. No caso de dimensão infinita isso nem sempre é verdade.
Mas, em qualquer caso, existe no máximo um tal operador T*;
quando existir, denominamo-lo o adjunto de T.
Dois comentários devem ser feitos acerca do caso de dimensão
finita.
(LM(A) i B) = tr(B*(MA))
= tr(MAB*)
·" = tr(AB* M)
= tr (A (M*B)*)
l
= (A 4t*(B)).
Ulg) = f f(t)g(t)dt.
Se j é Urp. polinômio, f
1: akxk, seja f= 1: ãkxk. Isto é, fé o poli
=
·
(M /g)ih) = ifgih)
= f f(t)g(t)h{i)dt
= fo1 g(t)[f(t)h(t)]dt
ESPAÇOS COM PRODUTO INTERNO - 379
=(glfh)
= (gl M:r(h) )
e, portanto, (M:r)* =Mr
(Df g
l ) =f (l)g(l) --,.
f (O)g(O) - UIDg).
(8-15)
1
U1 = l (T + T*)
U2 = �i (T - T*).
Um operador linear T tal que T = T* é dito auto-adjunto
(ou hermitiano). Se !!J é uma base ortonormal de V, então
[T*],\ij = [TJ*r;i
Exercícios
2. Seja T o operador linear sobre C2 definido por Ti;1 = (1 + i, 2), Ts2 = (i, i).
Usando o produto interno canônico, determinar a matriz de T" em relação
à base ordenada canônica. T comuta com T"?
iflo) = f J(t)g(t)dt.
Se t é um número real, determinar o polinômio g1 em V tal que (f 1g,) =f (t)
para todo f em V.
10. Seja V o espaço das n x n matrizes sobre o corpo dos números complexos,
com o produto interno (A 1 B) = tr (AB* ). Seja P uma matriz inversível fixa em
V e seja Tp o operador linear sobre V definido por Tp(A) = p- i AP. Deter
minar o adfunto de Tr
11. Seja V um espaço de dimensão finita com produto interno e seja E um ope
rador linear idempotente sobre V, isto é, E2 =E. Demonstrar que E é auto
adjunto se, e somente se, EE* = E* E.
12. Seja V um espaço complexo de dimensão finita com produto interno e seja T
um operador linear sobre V. Demonstrar que T é auto-adjunto se, e somente
se, (Tcxicx) é real para todo ex em V.
n
(ocifi) = Ll xiyi
j=
(Toei Tfi) = (L xiTioc lL ykTock)
j k
= L L xiyk(Tocil Tock)
j k
O isomorfismo é
O( -t [O(]gi
ESPAÇOS COM PRODUTO INTERNO - 385
B = [ �
y
-y2
temos
tr(AB1) =
X3Y3 + X2Y2 + X3Y3 + X1Y1 + X2Y2 + X1Y1
= 2(X1Y1 + X2Y2 + X3Y3).
Assim, (°'J/3) = (T°'I T/3) e T é um isomorfismo de espaço vetorial.
Notemos que T leva a base canônica {e1, e2, e3} na base orto
normal formada pelas três matrizes
(TXITY) = (PXIPY)
= (PY)*(PX)
= Y*P*PX
= Y*GX
=[XIY].
Logo, T é um isomorfismo.
[( fig)] = J: f(t)g(t)t2dt.
Seja W o mesmo espaço vetorial com o produto interno
Ulg) = J: f(t)g(t)dt.
Seja T a transformação linear de V em W dada por
ou
n
L ÃrjArk =
Ôjk"
r= 1
A
=
[� �l
Então A é ortogonal se, e somente se,
A '= A-1 =
ad - bc
1 [ -e
d -b
a
] .
A=
[ a b ]
-b a.
ou
A= [ ª
b
b
-a
]
onde a2 + b2= 1. Os dois casos são distinguidos pelo valor de
det A.
(c) As bem conhecidas relações entre as funções trigonomé
tricas mostram que a matriz
A -
[cos 8 -sen º ]
,O sene cose
(d) Seja
A=
[: �l
Então A é unitária se, e somente se,
[ã ê] = 1 [ d -b ]
b d ad - bc -c a ·
se,
A-1 =A*. Assim, se A é unitária, temos (A-1)-1 =A=(A*r1 =
=(A -1 )*. Se A e B são n x n matrizes unitárias, então' (AB)-1 =
de C". Sejam al' . .. , ª" vetores obtidos de /31' ... , Pn pelo processo
de Gram-Schmidt. Então, para 1 � k � n, { a 1, , ak } é uma base
• • .
L. liaJ.11 J
J<k
Logo, para cada k existem escalares Cki' determinados de modo
único, tais que
ªk = /3k - I: ckj/3r
j<k
Seja U a . matriz unitária com linhas
1
ckj se j < k
- llak11 · '
M ki -- 1
=
se J. = k
llak li'
O, se j > k.
1 s;; k s;; n.
U =
MB.
Para demonstrar a unicidade de M, indiquemos por T+(n) o
conjunto de todas as n x n matrizes complexas triangular inferiores
com elementos positivos na diagonal principal. Suponhamos que
M1 e M2 sejam elementos de r+(n) tais que M;B esteja em U(n)
para i =
1, 2. Como U (n) é um grupo,
392 - ALGEBRA LINEAR
está em U(n). Por outro lado, apesar de não ser inteiramente óbvio,
r+(n) também é um grupo em relação à multiplicação de matrizes.
Uma das maneiras de se ver isso é a de considerar as propriedades
geométricas das transformações lineares
B=N·U.
IX1 = (
x1, x2' O)
IX2 = (O, 1, O) - X
(
2 X1' X2, O)
= x1 ( -x2, x1' O)
IX3 = (O, o, 1).
Seja U a matriz cujas linhas são IX 1, ( / )
a2 x 1 , IX3• Então, U é
unitária e
r
Multiplicando agora pela inversa de
�J
o
M� - :
x
,
1
X1
1
o o
vemos que
[g x X
1
o
2
�] [� º][
� X1
o
o
O
1
-
X
x2
o
,
X2
o
1
�l
1
a�= L piklXr
j= 1
394 - ALGEBRA LINEAR
Exercícios
1. Determinar uma matriz unitária que não seja ortogonal e determinar uma
matriz ortogonal que não seja unitária.
cos O
[
sen fl
-sen
cos IJ
l:JJ ou
[ cose
sene
sen
-cose
º]
para algum li. O s; li < 2n. Seja U 0 o operador linear correspondente à pri
meira matriz, isto é, U0 é uma rotação de um ângulo li. Agora é possível
convencer se de que todo operador unitário sobre V é uma rotação ou uma
reflexão em relação ao eixo e1 seguida de uma rotação.
(a) O que é U0Uq,?
u = (J - iT) (/ + iT)- 1
[
J
cos IJ -sen {J
sen IJ cos {J ,
10. Seja V um espaço de dimensão finita com produto interno. Para cada par
ex, P em V, seja T..P o operador linear sobre V definido por T..l>') = (y 1 Pl oi.
Mostrar que
11. Seja V um espaço n dimensional c.om produto interno sobre o corpo F e seja
L(V, V) o espaço dos operadores lineares sobre V. Mostrar que existe um único
produto interno sobre L(V, V) com a propriedade que li T.,p 112 = lloi 112 llP 112
para todos oi, p em V. (1� P é o operador definido no Exercício 10.) Encontrar
.
um isomorfismo entre L(V, V) com este produto interno e o espaço das n x n
matrizes sobre F, com o produto interno (A 1 B) tr (AB* ). =
13. Sejam V e W espaços de mesma dimensão finita com produto interno. Seja U
um isomorfismo de V em W. Mostrar que
r;,(rx) = rx +y
(b) Usar o resultado da parte (a) para demonstrar que todo movimento
rígido de R2 é composto de uma translação, seguida de um operador unitário.
isto é, um operador linear U tal que li Urx 112= llrx 112 para todo rx em R4. Numa
certa parte da teoria da. relatividade, é de interesse determinar os operadores
lineares T que conservam a forma
2
ll(x, y, z, t)lli = t2 - x 2 - y -
z2.
[t +X y + iz]
U(x,y,z,t)= .
y !Z
- t - X
(c) Suponhamos que T seja um operador linear (real) sobre o espaço H das
2 x 2 matrizes auto-adjuntas. Mostrar que L= u-1 T U é um operador linear
sobre R4.
(e) Se M é uma 2 x 2 matriz tal que l det MI= 1, mostrar que LM= u-1 TMU
é uma transformação de Lorentz sobre R4.
(f) Encontrar uma transformação de Lorentz que não seja uma LM.
398 - ALGEBRA LINEAR
(8-16)
c( rxlrx) = (crxlrx)
= (Tx!o:)
= (rx 1 Trx)
= (o:ico:)
= c(rxirx).
c ( er:l/3) = (Ter:l/3)
=(er:IT/3)
=(/3ld/3)
= d(o: /3)
l
= d (a (3).
Se c #d, então (er:ifJ)=O.
·oeve-se salientar que o Teorema 15 nada diz a respeito da exis
tência de valores característicos ou de vetores característicos.
como cl
X.
- -
6ll(T � d)a li =
'll('f* � cl)IX li
de modo que (T�d) ix = O; se; :e somente sé; (T* --' êl)iX ::::;, O.
. . ··- ·. -.
. .
. '
·.
.
.•_.. ·: ·:..-' ,- ";.. _ ·-_:.
;. ·;.
i . .. . •
Dem�nstÍ'aÇãó.' Como PJ é uma ba.se ortonormal, A� é a' matriz
. .
·•· . . . .·
· . .
. . . ·• . . . ..· .
P()J:t�ntp, A.1L7 O p,�ra t9�0 f> .t :�P.1 :i:mrtic;11l<;tr,_ A12 ;;=. Q;,e, ç0mo
A é triangular superior, , �eg11e�se gu�
T*a = ca.
Exercícios
1. Para cada uma das seguintes matrizes simétricas reais A, encontrar uma matriz
ortogonal real P tal que P' AP seja diagonal.
ESPAÇOS COM PRODUTO INTERNO - 405
[
cos O
sen O
sen
-coso
º]
2. Uma matriz simétrica complexa é auto-adjunta? É normal'?
3. Para
2
3
A= [1 ]
2
3
3
4
4
5
existe uma matriz ortogonal real P tal que P'AP = J; seja diagonal. Deter
minar esta matriz diagonal D.
Â=D �l
Mostrar que T é normal e determinar uma base ortonormal de Jt, constituída
de vetores característicos de T.
8. Demonstrar que uma matriz simétrica real possui uma raiz cúbica simétrica
real, isto é, se A é simétrica real, existe uma B simétrica real tal que B·' = A .
12. Se dois operadores normais comutam, demonstrar que o seu produto é normal.
Capítulo 9
9.1 Introdução
Consideramos os tópicos tratados no Capítulo 8 como funda�
mentais, fatos que todos deveriam conhecer. O presente capítulo
se destina ao estudante mais avançado ou ao leitor ansioso de
ampliar seus conhecimentos a respeito de operadores sobre espaços
com produto interno. Com exceção do teorema do Eixo Principal,
que é em essência apt?nas uma outra formulação do Teorema 18
sobre a diagonalização ortogonal de operadores auto-adjuntos, e
dos outros resultados sobre formas na Seção 9.2, o material aqui
apresentado é mais sofisticado e, em geral, mais envolvido tecnica
mente. Também exigiremos mais do leitor, como já o fizemos nas
últimas partes dos Capítulos 5 e 7. Os argumentos e demonstrações
são escritos em· um estilo mais condensado e não há quase àem
plos que suavizem o caminho; tomamos a precaução, no entanto,
de suprir o leitor com amplos conjuntos de exercícios.
As primeiras três seções se destinam a resultados ligados a
formas sobre espaços com produto interno e relações entre formas
e operadores lineares. A seção seguinte trata da teoria espectral,
isto é, das implicações dos Teoremas 18 e 22 do Capítulo 9 concer
nentes à diagonalização de operadores auto-adjuntos e normais.
Na seção final, prosseguimos o estudo de operadores normais tra
tando, em partieular, o caso real e assirn fazendo, examinamos o
que o teorema da decomposição primária do Capítulo 6 diz a res
peito de operadores normais.
f (a, /J) =
(Ta i /J)
define uma forma tal que T1= T, e T1=O se, e somente se, f = O.
Logo, f � T1 é um isomorfismo.
OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO - 409
Corolário. A equação
(fJg) = tr(Tr-r;')
(9-1)
r,s
-1
para todos os escalares ·:.x. e y,{1 :d- r; ·s::; n). Em outras palavras,
a. ll)\!Jri� .4 p9ssui... a IWOP�i,�d-�cJe ,d,e1,que. ,, ,, ,.,._ ., ,,
f(rx,{3) = Y*AX
onde X e Y são as ,respectivas m�trizes ,cias coordenadas de ·
rx e f3
em relação à base ordenada g{ -
A matriz de f em relação a uma outra ��se
n
: ; -
-
·. :·o. � ,·, . -· • .. i'�
. --
•<,,i;x5,=
i�;pij!Xi!
- .- 1 : • �-. "1_,) ;
•• ·,
..
. J _{l.::;j�
- �)_ '·
,_. J .v ··-· •• •• � '· .i. .'
De fato,
.·· /")
s r
··= l..J
�P:A'P
r1 rs sk
'
= (P*Â'P)_,.}.k.
Como para matrizes unitárias P* = decorre de (9-2) que no p-1,
estudo de formas, ppdem·ser apHçacios os çesultados concernentes
à equivalência unitáriã . . . .· . · .
dimensão finita cbm' •priiduti:Y. ·int-errío.· ·'Então· ·existe- úmá" base· orto
normal ·de V em relação à qual q matriz de f é triangular superior.
Demonstração. Seja f' o ôpérador linear sobre V tal que
f (rx, m =(Trxif3) para todo� rx. e {3. Pelo Teorema 21, existe uma
base· orfoiiêlriíial {&'!; .'..;'&J'éin''rélaçaó
_ _
â.1'qtii:fl \à ·matriz tle' T é
s
t���i:igµl!l<r . µperjqr.-,,I.iogQ,: · ,,.,, .. 1 . ,, ,,,
; . ; .'. ';.--
J .'
' . ,.·
.�-> .
., '
.
.� . ,. ' :· . ' . . .r
f(a, p) = f({J, a)
para todos ·a e· f3 em V.
Se T. é um operador' 'linear sobre' um espaço V de dimensão
finita com produto interno e f é a forma
Como f (a+ [3, a+ {3),f (a,.a) ef ({3, {3) são reais, o número f (a, {3)+
+ f ({3, a) é real. Examinando o mesmo argumento com a+ if3 no
lugàr de a + {3, vemos que - if(a, {3) + if(f3, a) é real. Tendo con
cluído que dois números são reais, podemos igualá-los aos seus
complexos conjugados e obter
para 1 �j � n. En tã o,
Exercidos
1. Quais das seguintes funções f, definidas sobre vetores ix =(xi' x2) e f:i =(yl' y2)
de C2, são formas (sesquilineares) sobre C2?
(a ) f (ix, f:i)1. =
{(l, O), (O, l)}, {(l, -1), (1, l)}, {(l, 2), (3, 4)}.
OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO - 413
3. Seja
=[· 1 i]
A
-1 2
A= A*
e
(9-3) l: l: Akixixk 2 o
j k
para todos os escalares xl' ... , xn. A fim de que f seja positiva, a
desigualdade (9-3) terá que ser estrita para todo (xp ... , xn) =F O.
As co�ões que deduzimos afirmam que f é uma forma positiva
sobre V se, e somente se, a função
g(X, Y) = Y*AX
g( X, X)= X*P*PX
= (PX)*PX
;;:: O.
Mas isso apenas diz que se Q for a matriz com colunas Ql' .. ., Q"
então Q*AQ=I. Como {Ql' ... , Q.} é uma base, Q é inversível.
Façamos P= Q -
1 e teremos A= P*P.
Na prática não é fácil verificar se uma dada matriz A satisfaz
o critério de positividade estabelecido acima. Uma conseqüência do
último teorema é que se g é positiva então det A> ü, porque
detA= det(P*P)= detP* detP= JdetP 2. J O fato de que detA>O
não é de modo algum suficiente para garantir que g seja positiva;
no entanto existem n determinantes associados com A que pos
suem a seguinte propriedade: Se A= A* e se cada um desses deter
minantes for positivo, então g será uma· forma positiva.
L\k(A)= det
[ l
A11
:
A.·1k '
1 ::::; k ::::; n.
Ak1 Akk
k-1
k-1
(9-5) L Ajrprk = Akk• lsjsk-1
r= 1
-
2 ::;; k s n.
Ak(A) = Ak(B)
(9-6) = B11 B22, • • •
, B kk' k = 1, .. ,
. n.
Para verificar (9-6), sejam Al' ... ,A" e B1 , ... , B", respectivamente,
as colunas de A e de B. Então
OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO - 417
(9-7)
r-1
da matriz
e: :::i
é obtida, adicionando-se à r-ésima coluna de
dk(D) = dk(P*B)
--
.. - , .. =,dk(B), - '. �.::
= L\(A).
Como D é diagonal, seus menores principais são
a; = I Pija,.
·i= 1 .
[
-
A11
• >
• .�
. '
� .· .
;. ;·
�·
.
. ..... ; ·;·,,. . A1<1,.,
Já observamos, como cÓtiseqüélleíâ <lb- Teoterrta:·5� 'qué ci raiô· de
que üma• fdi"ínà'é 'positiva :iril.'pliea qüe o deterí:Üinaritê·de'quâ:lquer
matriz que a tepreserifa' -é" positivo. - '-" ·· '
·
•
é uma forma sobre um espaço vetorial complexo e A é a matriz
de f em relação a alguma base ordenada, então f será positiva se,
e somente se, A= A* e
n x 1 matrizes reais.
(8) Em relação ao produto interno canônico (XI Y)= Y1X
sobre n x 1 matrizes reais, o operador linear X - AX é positivo.
(9) Existe uma n x n matriz inversível P, com elementos reais,
tal que A= P1P.
Exercícios
1. Seja V igual a C2, com o produto interno canônico. Para que vetores IX em
V existe um operador linear positivo T tal que IX= Te1?
5. Seja
[i t t]
-1
[l 2]
3 4 '
l + i]
3
' ...,.1
-1
8. Verificar se ((x1, x2 )j(yJ> y2)) = x1y1 + 2x2y1 + 2x1y2 + x2y2 define um pro
duto interno sobre C2.
2 3 n
2 3 4 n+ 1
A=
n n+l n+2 2n - 1
16. Seja T um operador linear sobre o espaço V de dimensão finita com produto
interno e suponhamos que T seja positivo e unitário. Demonstrar que T J. =
17. Demonstrar que toda matriz positiva é o quadrado de uma matriz positiva.
Segue daí que W 11 W'-=/- {O} se, e somente se, o sistema homogêneo
r
I yjMjk =o,
j= 1
Então
g/c/3 + y) =
I AiJ(exk, cf3 + y)
k
424 - ALGEBRA LINEAR
= e
L AiJ(rxk, /3) + L AiJ(rxk, y)
k k
=
cgi(/3) + g/y).
E/3 =
L g/f3)rxr
j= 1
Como
=
[Jjn
f(rx., E/3) =
1( ª '
• t gi(/3)rxi)
= L giJ/3)f(rx., rx)
J
Isso implica que f(rx, E/3) = f(rx, /3) para todo rx em W. Logo,
f(rx, /3 - E/3) = O
OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO - 425
'
V = WEB W .
P*AP
v = wk EB w�.
Seja Ek a projeção de V sobre Wk determinada por essa decompo
sição e façamos E0 = O. Seja
k -1
k
E -1°' k L pjk°'F
j= 1
=
-
k
Pk 'L Pjk°'j =
j=l
Bki =
f(/3;, f3k)
de modo que Bki = O para k > i. Portanto, B é triangular superior.
Por outro lado,
B = P*AP.
k-1
(9-11)
para todo i, de modo que V é a soma direta de W1, ... , Wk. Por
tanto, E 1 + . . . + Ek = I e
T = TE 1 + ... + TEk
= c1E1 + ... + ckEk.
A decomposição (9-11) é denominada a resolução espectral
de T. Essa terminologia surgiu parcialmente de aplicações físicas
que fizeram com que o espectro de um operador linear sobre um
espaço vetorial de dimensão finita fosse definido como o conjunto
de valores característicos do operador. É importante observar que
as projeções ortogonais E 1, ... , Ek são canonicamente associadas
a T; na verdade elas são polinômios em T.
ci
Corolário. Se e.
J
=
fl
i'fj
(x - )
ci-ci ,
então E.= e.(T) para 1 �j �k.
J J
temos
r
f(T) = L a.T"
n=O
r
k
= L ª• L cjEj
n=O j=l
OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO - 429
T= L ciEi
j=l
f{T') = Uf{T)u-1.
f(T)* = L, f(c)Er
j
f(T)a = f(c)a.
Assim, o conjuntof(S) de todos osf(c) com c em S está contido no
espectro de f (T). Reciprocamente, suponhamos a# O e que
f(T)a = ba.
Então a = L E1a e
j
f(T)a = 'L, f(T)Ep
j
= 'L,f(c)Ep
j
Logo,
Portanto, f(c) = b ou Ep = O
. Por hipótese, llC # O, de modo que
existe um índice i tal que E;a # O. Segue-se que f(c;) = b e por
tanto, que f(S) é o espectro de f(T). Suponhamos, de fato, que
f(S) =
{bl' ... , b,}
OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO - 431
m=
1
é f(T).
a resolução espectral de
Suponhamos, agora, que U seja uma transformação unitária
de V sobre V' e que T' = uw-1• Então a equação
Ta= ca
T'Ua= cUa.
E'.=
J
UE.u-1
J
f(T1)= Li(cj)E;
j
= IJ(c)UEju-1
j
= U("I,f(c)E)U-1
j
= Uf(T)u-1.
cx
; =
L Pipi
i
para todo i, e
·
L(DP)ip;
=
i
L(DP)ij L p;;;let�
.
=
k
= L(P-1DP)kp�.
k
matriz diagonal D', então J pode ser aplicada aos elementos dia
gonais de D1 e
I = E1 + ... + Ek.
em particular,
= L ci llEp 112•
j
Usamos o fato de que (E;ct 1 E;ct) =O para i =1- j. Fica claro então
que a condição (Tctlct)?: O é satisfeita se, e somente se, c i?: O para
cada j. Para distinguir os operadores unitários, observemos que
Ei = iclEr
P=d1F1 + . . . + drFr
Assim,
U U* = m-1N-1T*
= T(N-1)2T*
= T(N2)-1T*
= T(T*T)-1T*
= TT-1(T*)-1T*
= 1
e U é unitário.
Se T é não inversível, teremos de realizar um pouco mais de
trabalho para definir U. Definamos primeiro U sobre a imagem
de N. oe um vetor na imagem de N, digamos, oe N/3. Defi
Seja =
namos U oe
T/3, motivados pelo fato de que queremos UN/3 T/3 .
= =
vemos que N(/3 - /3') =O se, e somente se, T(/3 - /3') =O. Portanto,
U está bem definida sobre a imagem de N e é evidentemente linear
onde definida. Se W é a imagem de N, vamos agora definir U sobre
W J.. Para fazer isto precisamos da seguinte observação: Como T
e N possuem o mesmo núcleo, suas imagens têm a mesma dimen
são. Assim, W .L possui mesma dimensão que o suplementar orto
gonal da imagem de T. Portanto, existe um isomorfismo (de es
paço com produto interno) U0 de W .L em T (V) i. Agora já de
finimos U sobre W e vamos definir U sobre W .L como sendo U o-
Repitamos a definição de. U. Como V = W E9 W .L, cada oe em
V pode ser expresso de um único modo sob a forma oe = N[J + y,
onde Nf3 está na imagem W de N e y está em W .L. Definamos
U oe = T/3 + U0y.
OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO - 437
Ta = r (T) a
(9�13) a=
I Elj, E2h ... E mimª·
Ji, .. jm
. .
/Ji = ( n En.1n) a.
n"fi
1 s i s m.
Assim,
T/3 = L b/I;/3
= (L b;c)f3.
i
(9-14)
aT + V = I (ac + d)P
i
j
e
i,j
=
UT.
Sejam r1, ..., rk todas as raízes de ff. Então para cada par
de índices (i, n ), com i # n, existe um operador 1';" em ff, tal que
r;(T;n) # rn(Tin). Sejam ain r;(T;n)- rn(T;n) e b in
= rn(T;n). Então O =
operador linear
Q; =
TI ª;� 1CI';. b ;.J)
njd
-
OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO - 441
T;/t. = r}T;j)a.
= h;p.
de modo que
tam, segue-se que Q;!X
(T;j - bJ)!X O C9mo todos os fatores de Qi comu
= .
Assim, Qia.
portanto, Qi =
=a e
Pi para i .
Q; e P; atuam da mesma maneira sobre
1, . . , k. Decorre disso que d = R..
=
V(r);
j= 1
para n = 1, 2, . . .
. Se
segue-se que
Jl Ctl antj)
k
pj
I f(t)Pr
j=l
442 - ALGEBRA LINEAR
U =
L ciPi
j;l
Exercícios
demonstrar que uma tal matriz possui uma única raiz quadrada não-negativa.
2. Seja A uma n x n matriz com elementos complexos tal que A* = -A, e seja
B=eÂ. Mostrar que
( f) Existe uma base ortonormal i!A tal que [T] fA seja diagonal.
(g) Existe um polinômio g com coeficientes complexos tal que T* = g(T).
(h) Todo subespaço que é invariante sob T também é invariante sob T*.
(i) T =NU, onde N é não-negativo, V é unitário e N comuta com V.
( j) T = c1E1 + ... + ckEk, onde 1 =E,+ ... + Ek, EiEJ O para i
= #}, e
EJ = EJ = 11'5.
. (1 + z)
f(z) = 1 z � 1
(l_ z),
Mostrar que
(a) f(U) = i(J + U) (/ - U)-1;
(b) f ( U) é auto-adjunto;
(c) para todo operador auto-adjunto T sobre y, o operador
(AjB) = tr(AB").
Mostrar que
(a) C8 é um operador unitário sobre .V;
(b) Cn,n, Cn,Cs,i
=
para todo B em G.
r(TU) = r(T)r(U)
r(cT + U) = cr(T) + r(U)
T = I cjPj
j=2
(i) w é ortogonal a wj se i # j;
j
(ii) V W 1 EB , ... , EB Wt;
=
então N*cx O e =
(N*ixl/J) = (ixlN/J) =O
para todo f3 em W.
f (T)* =
ã01 + ã1 T* + ... + ãn(T*)".
Como T*T =:=' TT*, segue-se que f (T) comuta com f (T)*.
a(T)f(T) + b(T)g( T) = I
e rx = g(T)b(T)rx. Segue-se que
p/T)g(T)rx = O
p.=x-c.
J J
pi = (x - e) (x - e)
Façamos, agora, fi=P!Pr Então, como _f1' ... ,fk são relati
vamente primos, existem polinômios gi com coeficientes no corpo
de escalares, tais que
(9-16)
x-c x-c
g.=--+-
J
- -
s s
(s + s)x - (c s + cs)
gj
ss
=
de modo que gi é um polinômio com coeficientes reais. Se o grau
de p é n, então
j
e como p/T)�(T)=O, segue-se que fiT)g/T)ex está em Wi para
todo j. Pelo Lema 4, Wi é ortogonal a W;, sempre que i # j. Por
tanto, V é a soma direta ortogonal de W1, • • • , Wk. Se [J é um vetor
arbitrário em itj,
p/T)T[J = Tp/T)[J =O;
448 - ALGEBRA LINEAR
a=l:Ep.
j
Assim, a - Eia= I Ep; como Hij é ortogonal a W; quando j =!= i,
i'f i
isso implica que a.:... Eia está em W,l.. Decorre agora, do Teore-
ma 4 do Capítulo 8, que E; é a projeção ortogonal de V sobre W;.
[ cos 8 - sen fJ
J
.
A= r
sen e cose
p = det(xJ - A)
= (x � r cos 8)2 + r2 sen2 e
=x - 2r cosex + r2•
[: �J
=
A= -
p = (x - a)2 + b2
(i) v é ortogonal a vi se i =F j i
i
(ii) V=V1$ ... Ef>Vs;
450 - ALGEBRA LINEAR
Ta. = aa. +
J J
b{J.
J
T{Ji = - bai + a{Ji"
S*a= -P
(9-17)
S*{J =a
lia112 =(S*fJia) =
(fJISa) = 11/J112.
OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO - 461
aconteça. Então W L -:/= {O}. Além disso, como (iií) e (9-18) impli
cam que W é invariante sob T e T*, segue-se que W1 é invari
ante sobT* e T= T**. Seja S=b-1(T-al) Então S*=b-1(T*-al),
S* S = SS* e W J. é invariante sob S e S*. Como ( 7-a/)2 + b2l =O.
segue-se que S2 + I = O. Seja cx um vetor arbitrário de norma 1
em W 1. e façamos fJ = Scx. Então fJ está em W .i e SfJ =-cx.
Como T =al + bS, isso implica
[X
-a b
det
-b x-a J = (x -a)2 + b2
Demonstração. Como
UT*aJ. = T*UaJ.
OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO - 453
UT*rx = T*Urx
U: V� V1
UTU-1 = T1•
[TJ91 = [T']91 •
Toei= L Akpk
k=l
vemos que
T1oc'.J = UToc.J
•
= L Akp°'k
k
L Akp�
k
=
l
OPERADOR S SOBRE ESPAÇOS COM PRODUTO INTERNO - 455
Logo, [T]g,j = A = [T')g,j.
Reciprocamente, suponhamos que exista uma base ortonormal
86 de V e uma base ortonormal 861 de V' tal que
[T]g,j = [T'].'ll
u w-1a; = u raj
u I Ak/Xk
k
=
I A kp�.
k
Portanto, UTU-1a; = T'a�(l s j s n),e isso implica que uru-1 = T'.
Decorre imediatamente desse lema, que operadores unitaria
mente equivalentes sobre espaços de dimensão finita possuem o
mesmo polinômio característico. Para operadores normais vale a
recíproca.
det(xl
j
- T) = (x - c)'j
onde s j é a dimensão de W
r
Por outro lado, se p j (x a +b = - )2 J
com a1 e b j reais e b j :f. O, então decorre do Teorema 18 que
j
det(xi.
J
- T.) J
= p�
)
456 - ALGEBRA LINEAR
FORMAS BILINEARES
formas bilineares.
A primeira seção trata do espaço das formas bilineares sobre
um espaço _vetorial de dimensão n. A matriz de uma forma bilinear
em relação a uma base ordenada é introduzida e é estabelecido o
isomorfismo entre o espaço das formas e o espaço das n x n ma
trizes. Define-se o posto de uma forma bilinear e são introduzidas
as formas bilineares não degeneradas. A segunda seção discute as
formas bilineares simétricas e sua diagonalização. A terceira seção
estuda as formas bilineares anti-simétricas. A quarta seção discute
o grupo que conserva uma forma bilinear não-degenerada, com
atenção especial prestada aos grupos ortogonais, os grupos pseudo
ortogonais e um grupo pseudo-ortogonal particular - o grupo de
Lorentz.
Definição. Seja V um espaço vetorial sobre o corpo F. Uma
forma bilinear sobre V é uma função L que associa a cada par orde
nado de vetores tX, fJ em V um escalar f(tX, /J) em F, e que satisfaz
f(rx, /3) =
Â11X1Y1 + Â12X1Y2 + Â21X2Y1 + Â22X2Y2
A;iX;Yr
=
iL
,j
= L xJ(a;, fJ)
i
= Li xJ(a;, L Yp)
i
= L L X;YJ(a;, a).
i j
=X'AY
(10-3)
então
f(a, /3) =
L A;ixtyi
i,j
f =
L Aijfij.
i,j
462 - ALGEBRA LINEAR
n
a;= L P;p;·
i= 1
Para vetores arbitrários a, f3 em V
Ora,
1J = {t:l' i;2} é
[f]M=[� �]·
Seja 14' =
{ s � , s ;} a base ordenada definida por i;'1 = (1, - 1),
e�= (1, 1). Neste caso, a matriz P que transforma as coorde
nadas de 141 para 14 é
[ l]. p
=
-1
1
1
[fJM = [fJ�P
Assim,
pt
[� �l
=
então
vemos que
f (a, {3) = X1AY. Ora, R!({3) =O significa que f (a, {3) =O para todo
<1. em V, isto é, que X1A y =o para toda n X 1 matriz X. A última
f(X, Y) = xiy
Exercícios
1. Quais das seguintes funções f, definidas sobre vetores lX = (x" x2) e /3 = (y 1 y2)
em R1, são formas bilineares?
(a) f (lX, /3) = 1 ;,
(b) f(ll,/J)=(x1 -y1)2+X2Y2>
(e) j(lX, /3) =(x1+y1)2 -(x1 -y1)\
(d) f(lX, /J)= X1)'2 -X2Yi·
{(l, O), (0, 1)}, {(l, - 1), (1, 1)}, {(l, 2), (3, 4)}.
5. Descrever· as formas bilineares sobre R3 que satisfazem f (O'., /3) = -f (/3, rx) para
todos O'., {3.
6. Seja n um inteiro positivo e seja V o espaço das n x n matrizes sobre o corpo
dos números complexos. Mostrar que a equação
define uma forma bilinear f sobre _V É verdade que f(A, B) =f (B, A) para
todas A, B?
10. Seja f uma forma bilinear sobre um espaço vetorial V de dimensão finita.
Seja W o subespaço formado pelos f3 tais que j(rt, /3) = O para todo rt.
Mostrar que
posto (f ) = dim V - dim W.
11. Seja f uma forma bilinear sobre um espaço vetorial .v de dimensão finita.
Suponhamos que V1 seja um subespaço de _V com a propriedade de que a
restrição de f a V1 seja não-degenerada. Mostrar que posto if) � dim _V,.
14. Seja f uma forma bilinear sobre um espaço vetorial V de dimensão finita.
Mostrar que f pode ser expresso como um produto de dois funcionais lineares
(isto é,f(rx /3) L1(rx) L2(/3) para LH L2 em V") se, e somente se,f tem posto 1.
=
a, f3 em V.
Se V é de dimensão finita, a forma bilinear f é simétrica se,
e somente se, sua matriz A em relação a alguma ou (toda) base
ordenada é simétrica, isto é, A' = A. Para ver isto, perguntamos
quando é que a forma bilinear
f(X Y)
, = X'AY
qA(X) = X1 AX = L Aijxixj"
i,j
Uma classe importante de formas bilineares simétricas consiste
dos produtos internos sobre espaços vetoriais reais, discutidos no
Capítulo 8. Se V é um espaço vetorial real, um produto interno
sobre V é uma forma bilinear simétrica f sobre V que satisfaz
f( ,a)
f3=y- y a
f(a,a) ·
Entiio
f(y, a)
f(a, /3) =f(a,y) -
f(a,a /
(a, a)
1' f( ,a)
= y a+ f3
f(a, a)
f (a;, a) = O , i =F j (i � 2, .i � 2).
FORMAS BILINEARES - 471
Colocando a1 =a, obtemos uma base {a1, ... , an} de V tal que
f(a;, a)=O para i #- j.
. . J J
=
O, J > r.
Demonstração. Pelo Teorema 3, existe uma base ordenada
{ap ... , a"} de V tal que
f(ai, a) #- O, j = 1, ... , r.
ªi' j > r
a base {/31, ..., /3"} satisfará as condições (i) e (ii).
472 - ALGEBRA LINEAR
1
/3j = lf(IX.j, 1X.)1- 121X.j,
/3
i
= IX.i' j >r
logo f(ex, ex)= f (/3, /3). Como f (ex, ex)� O e f (/3, /3)::;;; O, segue que
Como
V= v+ EB v- EB V'-
e W, v-, VJ_ são independente�, vemos que dim W::;;; dim v+.
Isto é, se W é um subespaço arbitrário de V sobre o qual f é posi
tiva definida, a dimensão de W não pode exceder a dimensão de
V+. Se 86 1 é uma outra base ordenada de V que satisfaz as con
dições do teorema, teremos subespaços correspondentes v7, V� e
Vf; o argumento acima mostra que dim v7::;;; dim v+. Invertendo
o argumento, obtemos dim v+ ::;;; dim v7 e, conseqüentemente,
portanto, todo vetor a tal que f (a, {3) = O para todo fJ deve estar
em V.L. Assim, o subespaço V"- é único. Os subespaços v+ e v
não são únicos; contudo, suas dimensões são únicas. A demons
tração do Teorema 5 nos mostra que dim v+ é a máxima dimen
são possível para qualquer subespaço sobre o qual f seja positiva
definida. Analogamente, dim v- é a máxima dimensão de qualquer
subespaço sobre o qual f seja negativa definida. É claro que
Exercícios
1. As seguintes expressões definem formas quadráticas q sobre R1. Determinar
a forma bilinear simétrica f correspondente a cada q,
(a) axi.
(b) bx1x2.
(e) exª.
(d) 2xi - �X 1X2.
le) xi+9x;.
( f) 3x,x2 - x�.
(g) 4xi + 6x1x2 - 3x;.
3. Seja q (x 1, x2) = axi +bx 1 x2 +ex; a forma quadrática associada a uma forma
bilinear simétrica f sobre R2. Mostrar que f é não-degenerada se, e somente
2
se, b - 4ac # O.
(U + q) (X1' X2 )
b2
2+ C-a
= QX 1
( ) .2
X,-
r75 - ALGEBRA LINEAR
onde e, é 1, -1 ou O, i = 1, . . . , n.
9. Seja f uma forma bilinear simétrica sobre Rn. Usar o resultado do Exercício 8
para demonstrar a existência de uma base ordenada fJB tal que [f ]aJ seja
diagonal.
11. Seja V um espaço vetorial de dimensão finita e f uma forma bilinear simé
trica não-degenerada sobre V. Mostrar que para cada operador linear T
FORMAS BILINEARES - 477
sobre .v existe um único operador T' sobre V tal que f(Ta, Pl = f(a., T' PJ para
todos a, p em V Mostrar também que
(T1T2)' = T� T'1
(c1T1 + c2 T2)' = c1T'1 + c2T2
(T')' = T.
13. Seja V um espaço vetorial de dimensão finita e f uma forma bilinear simé
trica não degenerada sobre V. Associado a f existe um isomorfismo "natural" .
de V no espaço dual V", sendo este isomorfismo a transformação L1 da
Seção LQ.1. Usando L1, mostrar que para cada base !JIJ=(a1 ,a..} de V . • •
existe uma única base !JIJ' = {rx.'1' ... ,a.:} de V tal que f(a,, rx.j) = ô,r Mostrar
então que para todo vetor a. em V temos
14. Sejam V, f, rJIJ e !JIJ' como no Exercício 13. Suponhamos que T seja um ope
rador linear sobre V e que 7" seja o operador que f associa a r; como no
Exercício 11. Mostrar que
(a) [T']!JIJ'= [T]' rJIJ
(b) traço (T) = traço (T') � IJ(T a,, 11.J
15. Sejam .V, f, rJIJ e !JIJ' como no Exercício 13. Suponhamos que [f]!JIJ0= A.
Mostrar que
de _V em Fm.)
t f) a restrição de f a W é não-degenerada se, e somente se,
W n W.. = { O} .
-'-
(g) V _ = Wffi w se, e somente se, a restrição de f a W é não-degenerada.
18. Seja V um espaço vetorial de dimensão finita sobre C e f uma forma bilinear
simétrica não-degenerada sobre _V. Demonstrar que existe uma base rJIJ de V
tal que rJIJ' = !!i. (Ver o Exercício 13 para uma definição de rJIJ'.)
o conjunto dos vetores ô em V tais que f (ô, a)= f (o, /3) =O, isto é, o
conjunto dos ô tais que f (ô, y) para todo y no subespaço W. Afir
mamos que V= W Ef> W De fato, seja Bum vetor arbitrário em V e
... .
V=WEBW'EBW0
continuar.
No caso de dimensão finita, deveria estar evidente que obte
mos uma seqüência finita de pares de vetores.
[-� �l
Demonstração. Sejam al' {31, ... , ak, {3k vetores que satisfaçam
as condições (a), (b) e (c) acima. Seja {yl' ... , y.} uma base orde
nada arbitrária do subespaço Wo- Então
(10-8)
[_� �J
1:
Além disso, é evidente que o posto desta matriz, e, portanto, o
posto de f, é 2k.
Uma conseqüência disto acima é que se fé uma forma bilinear
anti-simétrica não-degenerada sobre V, então a dimensão de V deve
ser par. Se dim V= 2k, existe uma base ordenada {0:1' /31, ... , o:k, /3J
de V tal que
{O, i #- j
f(o:
;, /3)
=
1, i = j
f(o:i' o:) =
f(/3;, /3) = O.
onde J é a k x k matriz
o o 1
o 1 o
1 o o
482 - ALGEBRA LINEAR
Exercícios
3. Determinar uma base do espaço das formas bilineares anti simétricas sobre R".
4. Seja f uma forma bilinear simétrica sobre C" e g uma forma bilinear anti
simétrica sobre C". Suponhamos que f + g =O. Mostrar que f=g =O.
(a) A equação (PJ) (o:, {3) = !f(o:, {3) - !f({J, o:) define um operador linear P
sobre L( V, V, F).
n(n - 1) . n(n + 1)
(c) posto (PJ= --2-; nulidade (P) = - --2 ·
11. Seja f uma forma bilinear anti-simétrica arbitrária sobre R3. Demonstrar que
existem funcionais lineares L1, L2 tais que
= g(ci:, /3) para todos rx, f3 se, e somente se, f e g têm o mesmo posto.
q(IX) =f(a., a)
f (rx, p) =
L xiyi
j=l
T � [T]IM
é um isomorfismo de G em O (n, C).
Teorema 9. Seja V um espaço vetorial n-dimensional sobre o
corpo dos números reais e seja f uma forma bilinear simétrica não
degenerada sobre V. Então , o grupo que conserva f é isomorfo a um
n x n grupo pseudo-ortogonal.
Demonstração. Repetir a demonstração do Teorema 8, usando
o Teorema 5 em vez do Teorema 4.
q (x, y, z, t) = t2 - x2 - y2 - z2•
mações de Lorentz.
Seja H o espaço vetorial real das 2 x 2 matrizes complexas A
que sejam hermitianas, A= A*. É fácil verificar que
<D(x, y, z, t) =
[ t +X
- lZ
.
y + iz
t X
]
y -
q(x; y, z, t) = det
[ t +X
.
y + iz ]
y -iz t-x
ou
u M(A) = MAM*.
TM = <I>-1uM<1>. .
comentários devem ser feitos neste ponto; eles não são difíceis de
serem verificados.
(1) Se M 1 e M2 são 2
x 2 matrizes inversíveis com_ elementos
Exercícios
3. Seja
"
Y; = L M;•x•
k=l
LYI = Z:xJ-
i j
6. Determinar uma matriz em 0(3, C) cuja primeira linha seja (2� 2i, 3).
8. Seja X uma n x l matriz sobre C tal que X;X l e seja l; a j-ésima coluna
=
da matriz unidade. Mostrar que existe uma matriz M em O(n, C) tal que
MX = lr Se X tem elementos reais mostrar que existe uma M em O(n, R)
com a propriedade de que M X =Ir
FORMAS BILINEARES - 489
13. Seja g uma forma bilinear não-singular sobre um espaço vetoriàl .V de dimen
são finita. Suponhamos que T seja um operador linear inversível sobre .V e
que f seja a forma bilinear sobre .V dada por f(a., PJ= g(cx, Tp). Se U é um
operador, linear sobre _V, determinar condições necessárias e suficientes para
que U conserve f.
M=
2
1
l .lj
c+.l c-
e--
e
1 1
c+-
.
e
.
c e
2
15. Seja f a forma bilinear sobre C definida por
490 - ALGEBRA LINEAR
Mostrar que
(a) Se T é um operador linear sobre C2, então f(Ta, T/3)
·
= (det T)f(a, /I) para
· ·
todos a, fJ em C2.
(b) T conserva J se, e somente se, det T = + 1.
(c) O que é que (b) diz acerca do grupo das 2 x 2 matrizes M tais que
M'AM=A onde
J
=
[ JJ.
o
-/ o
M = [� �]
onde À, B, C, D são n x n matrizes sobre C. Determinar condições necessárias
e suficientes sobre A, B, C, D para que M'JM J. =
17. Determinar todas as formas bilineares sobre o espaço das n x 1 matrizes sobre
R que sejam invariantes sob O(n, R).
18. Determinar todas as formas bilineares sobre o espaço das n x 1 matrizes sobre
C que sejam invariantes sob O(n, C).
APÊNDICE
A.1 Conjuntos
Usaremos as palavras 'conjunto', 'classe', ,'coleção"' e 'família'
indiferentemente, apesar de darmos preferência a 'conjunto'. Se S
é um conjunto e xé um objeto do conjunto S, diremos que xé
um elemento de S, que x pertence a S ou simplesmente que x está
em S. Se S possui apenas um número finito de elementos, xl' ... , xn,
freqüentemente descrevemos S exibindo seus elementos dentro de
chaves:
S = {xl' ..
. , x.}.
s = {1, 2, 3, 4, 5}.
Se S e T são conjuntos, dizemos que Sé um subconjunto de T,
ou que S está contido em T, se cada elemento de Sé um elemento
de T. Cada conjunto Sé um subcon}unto de si mesmo. Se Sé um
subconjunto de T mas S e T não são idênticos, denominamos S
um subconjunto próprio de T. Em outras palavras, S é um sub
conjunto próprio de T se S está contido em T mas T não está
contido em S.
Se S e T são conjuntos, a reunião de S com T é o conjunto
S u T, constituído de todos os objetos x que são elementos de S
ou de T. A interseção de S com Té o conjunto S n T, formado por
todos os x que são elementos de S e de T. Para dois conjuntos
arbitrários, S e T, a interseção S n Té um subconjunto da reunião
S u T. Isto deve auxiliar a esclarecer o uso da palavra 'ou' que
prevalecerá neste livro: Quando dizemos que x está em S ou em
T, não excluímos a possibilidade de x estar em ambos S e T.
Para que a interseção de S e T seja sempre um conjunto, é
necessário introduzir o conjunto vazio, isto é, o conjunto sem
elementos. Então S n Té o conjunto vazio se, e somente se, S e T
não têm elementos em comum.
Freqüentemente precisaremos discutir a -reunião ou a inter
seção de diversos conjuntos. Se S1, ... , Sn são conjuntos, sua
n
A.2 Funções
'rotação de 270°'.
(c) Se X é o plano, Y o eixo dos x1 ef((xl' x 2 ))= (xl' O), então
f não é inversível. De fato, apesar de ser sobrejetora, f não
é injetora.
(d) Se X é o conjunto dos números reais, Y o conjunto dos
números reais positivos e f (x) = eX, então f é inversível. A função
f-1 é a função logarítmica natural da parte (e): log e' = x, e10gy = y.
(e) A inversa desta função logarítmica natural é a função
exponencial da parte (d).
Sejaf uma função de X em Y e sejaf0 uma função de X0 em Y0.
Dizemos que fo é uma restrição de f (ou uma restrição de f a Xo ) se
(1) X0 é um subconjunto de X,
(2) f 0(x)=f (x), para cada x em x0•
Evidentemente, quando f0 é uma restrição de f, decorre que Y0
é um subconjunto de Y. O nome 'restrição' vem do fato de que
f e f0 têm a mesma regra e diferem principalmente porque restrin
gimos o domínio de definição da regra ao subconjunto X0 de X.
Se nos é dada uma função f e um subconjunto arbitrário X 0
de X, existe uma maneira óbvia de construir uma restrição de f a
X0. Definamos uma função f0 de X0 em Y por f0(x)=f(x) para
cada x em X0. Poder-se-ia perguntar por que não denominamos
esta f0 a restrição de f a X0. A razão é que, ao discutirmos res
trições de f, queremos a liberdade de mudar o contradomínio Y,
bem como o domínio de X.
E1 = { . . . , 1 - 2n, 1 - n, 1, 1 + n, 1 + 2n, . . .}
+ (/3 - y) está em W.
As classes de equivalência desta relação de equivalência são
conhecidas como as classes laterais de W. Qual é a classe de equi
valência (classe lateral) de um vetor a? Ela consiste dos vetores f3
em V tais que (/3 a) está em W, isto é, os vetores da forma
-
W pelo vetor oc. Para visualizar estas classes laterais, o leitor pode
pensar no seguinte caso particular: Seja V o espaço R2 e seja W
um subespaço unidimensional de V. Se imaginarmos V como sendo
o plano euclidiano, W será uma reta passando pela origem. Se
Se IX= (x1, x2) é um vetor em V, a classe lateral IX+ W é a reta
que passa pelo ponto (x1, x2) e é paralela a W.
A coleção de todas as classes laterais de W será indicada por
V/W. Definamos, agora, uma adição de vetores e uma multipli
cação escalar sobre V/W como segue:
(IX + W) + (p + W) = (IX + p) + w
c(IX + W) = (c1X) + W.
está em W.
Agora é fácil verificar que V/W, com a adição de vetores e a
multiplicação escalar acima definidas, é um espaço vetorial sobre
o corpo F. Deve-se verificar diretamente cada um dos axiomas
para um espaço vetorial. Cada uma das propriedades da adição
de vetores e da multiplicação escalar decorre da propriedade corres
pondente das operações em V. Um comentário deve ser feito. O
vetor nulo em V/W será a classe lateral do vetor nulo em V. Em
outras palavras, W é o vetor nulo em V/W.
O espaço vetorial V/ W ::: denominado o quociente (ou dife
rença) de V por W. Existe uma transformação linear natural Q
504 - ALGEBRA LINEAR
Isto significa que a = ')' + y' para algum vetor ')' em W Portanto,
V= W + W'. Para ver que W e W' são disjuntos, suponhamos que
')'esteja em W e em W'. Como')' está em W, temos Qy=O. Mas Q
é injetora em W', logo devemos ter que ')' =O. Assim, temos que
V= WEB W'.
O que este teorema realmente diz é que W' é um suplementar
de W se, e somente se, W' é um subespaço que contém exatamente
um elemento de cada classe l.ateral de W. Ele mostra que, quando
V= W $ W', a aplicação quociente Q 'identifica' W' com V/W.
Abreviadamente, ( W $ W')/W é isomorfo a W' de uma maneira
'natural'.
Um fato bastante óbvio· deve ser notado. Se W é um subes
paço do espaço vetorial V de dimensão finita, então
Pode-se ver isto a partir do teorema acima. Talvez seja mais fácil
observar que esta fórmula sobre dimensões diz:
Isto mostra não só que U está bem definida, mas também que U é
injetora.
Agora é fácil verificar que U é linear e leva V/W sobre Z, pois
T é uma transformação linear de V sobre Z.
(a) gr(f) = 3.
(b) p divide f,
tal que !(IX) esteja em S,, para cada IX. Esse princípio é aceito pela
maioria dos matemáticos, apesar de surgirem muitas situações onde
não é nada evidente como qualquer função explícita f possa ser
encontrada.
O Axioma da Escolha tem algumas conseqüências surpreen
dentes. A maioria delas não tem relação com o assunto tratado
nesse livro; no entanto, uma conseqüência merece ser mencionada:
Todo espaço vetorial possui uma base. Por exemplo, o corpo dos
números reais possui uma base como espaço vetorial sobre o corpo
dos números racionais. Em outras palavras, existe um subcon
junto S de R, que é linearmente independente sobre o corpo dos
508 - ALGEBRA LINEAR
van der Waerden, B. L., Modem Algebra (dois volumes), Rev. Ed., ·
A c
simétrica, 468
de Jordan de uma matriz, 290, 311,
E 314,316
hermitiana, 411
Elemento: multilinear, 211
de conjunto, 492 não-degenerada, 413 (exerc. 6)
de matriz, 7 não-negativa, 413
unidade, 148, 178 não-singular (ver: Forma não-degene
Equações: rada)
diferenciais, 286 (Ex.14),318(Ex.8) normal, 330, 332
lineares (ver: Sistema de equações li positiva, 413,417
neares) quadrática, 349,468
Equivalência: r-linear, 211
de matrizes ortogonais, 394 racional, 290
unitária de matrizes, 394 racional de matriz, 304
de transformações lineares, 454 sesquilinear, 407
Escalar, 2 Formas canônicas elementares, 232
Espaço, 40 Fórmula:
característico, 233 da dimensão, 55-56
com produto interno, de interpolação de Lagrange, 158
. 345
dual, 125 de Taylor, 164,340
euclidiano, 354 FunçãB, 493
linha, 48 determinante, 179-180, 183
quociente, 501 idêntica, 495
solução, 44 inversível, 495
unitário, 354 linear, 86,123, 371,
vetorial, 35 multilinear, 210-211·
de dimensão finita, 5 1 n-linear, 180
de funções·polinomiais, 38 alternada, 183, 186
de n-uplas, 36 polinomial, 38
512 - (NO/CE ALFAB!:T/CO
Funcional linear,123 M
G Matriz(es), 7
Grau,118 anti-simétrica,206 (Ex. 8),269
de forma multilinear, 211 associada,293
de polinômio, 151 auto-adjunta,44,401
Grupo, 104 completa, 17
comu tativo, 105 das coordenadas,ó4
de Lorentz, 486 de forma,411
linear geral, 392 de forma bilinear,.463
ortogonal,485 de transformação linear,112,113
pseudo-ortogonal, 485 em relação a uma base ortonormal,
que conserva formas bilineares, 483 376-377
simétric9,195 de Vandermonde, 158
do produto interno, 351
H dos coeficientes,7
dos cofatores,201
Hiperplano,129, 139 elementar,25,323
de Jordan,314
hermitiana (ver: Matriz auto-adjunta)
Ideal,166 inversível, 27,203
principal,166 linha-reduzida, 11
Identidades de polarização,350,468 à forma em escada, 14, 70
Imagem, 90 nilpotente,312
de função,494 normal, �03
de transformação linear, 90 nula, 13
Independência linear,50,59 ortogonal,207 (Ex. 8), 485
Inteiros, 3 positiva,419
positivos,3 semelhantes, 120
Interpolação,157 simétrica,44,269
Interseção,492 triangular, 197 (Ex. 5)
de subespaços,43 superior, 34
Inversa: unidade,11
de função, 495 unitária,207 (Ex. 8), 389
de matriz,27,203 Máximo divisor comum,169
Inverso: Menores principais de matriz, 415
à direita, 27 Módulo,208
à esquerda, 27 dual, 210
Isomorfismo, 107 finitamente gerado, 209
de espaços com produto interno, 384 livre, 209
de espaços vetoriais,107 Movimento rígido, 396 (exerc. 14)
Mudança de base,115
L Multiplicidade,165
Linearmente:
dependente,50, 59 N
independente, 50, 59
Linha-equivalência,9 n-upla,36
Linha-equivalente, s : 10, 323 Norma,349
{ND/CE ALFABtTICO - 513
exerc. 9)
p Relação, 498
de equivalência, 498, 506
Parte diagonalizável de operador linear, Relativamente primos, 169
283 Resolução:
Permutação, 192 do operador idêntico, 429, 435
de grau, 192 espectral, 428, 435
par, Ímpar, 193 Restriçã(), 496
Polinômio, 148, 151 de função, 496
característico, 234 de operador, 256
constante, 151 Reunião, 492
irredutível (primo), 171 Rotação, 68, 395 (Ex. 28 - exerc. 4)
minimal, 245
de matriz, 245 s
de operador linear, 245
primo, 171 Semelhança de matrizes, 120
redutível, 171 Seqüência de vetores, 56-57
unitário, 151 Série formal de potência, 150-151
Polinômios anuladores, 244 Símbolo de Kronecker, 11
Posto, 90, 145 Sinal de permutação, 193
coluna, 91,145 Sistemas de equações lineares, 4
de determinante, 207 (Ex. 8) homogêneas, 4
de forma bilinear, 465 Sistem,as equivalentes de equações, 5
5.14 - (Noit:E ALFABtTICO .
T
u
T-admissível, 296
Unicidade dos determinantes, 190
T-anulador, 258,291
T-condutor, 258, 259, 299
Tensor, 211 V
Teorema:
da decomposição cíclica, 297 Valor. i:araçterístico,233, 234
da decomposição primária, 280, 28l Vetor(es), 36 /