Preparação Universitária – Álgebra Linear

ÁLGEBRA LINEAR – Nível U, julho de 2005

Essa lista discute alguns resultados importantes de Álgebra Linear que às vezes ficam de fora dos cursos
universitários (principalmente de engenharia):A forma canônica de Jordan, o polinômio minimal de uma
matriz, o teorema espectral e o teorema min-max sobre autovalores. Isso é apresentado na 2ª parte.
A primeira parte comenta conceitos menos sofisticados como multiplicação por blocos, autovalores e
autovetores, nilpotência, polinômio característico e diagonalização.
Vários resultados tradicionais não são apresentados aqui (como por exemplo as definições e principais
teoremas sobre núcleo e posto de uma transformação). Para um estudo introdutório de Álgebra Línear,consulte
qualquer livro universitário sobre o assunto.

1. CONCEITOS INICIAIS

1.1 Multiplicação por blocos

Desde que as dimensões das matrizes A,B,...,H estejam compatíveis (i.e, existam os produtos do lado direito),
podemos fazer o produto de duas matrizes olhando separadamente para os blocos:
 A B E F   AE  BG AF  BH 
       
 C D   G H   CE  DG CF  DH 
O caso mais simples é quando consideramos o produto AB olhando para cada uma dos vetores coluna
x1 , x 2 ,..., x n de B:
   
   
AB  A   x1 x 2 ... x n    A  x1 A  x 2 ... A  x n 
   
   
(ou seja, AB dá a imagem dos vetores colunas de B pela transformação A).

A idéia de blocos também pode ser usada para o cálculo de determinantes, mas apenas no caso em que a
matriz C é nula. Nesse caso, tem-se:
A B
| A |  | D |
0 D

Exemplo 1. (Putnam 86) Sejam A, B, C, D matrizes nxn tais que AB T e CD T são simétricas e
AD T  BC T  I . Mostre que AT D  C T B  I
Solução:
Transpondo a equação da hipótese:
DAT  CB T  I .
Como AB T  BAT e CD T  DC T , temos a seguinte identidade por blocos:
 A B   DT  BT   I 0
       I 2n
C D  C
T
AT   0 I 
Mas se XY = I, com X e Y quadradas, então X e Y são inversas uma da outra e comutam, i.e, YX = I.

 DT  BT   A B 
    I 2n
 CT
 AT   C D 
Em particular, isso dá A D  C B  I n como queríamos.
T T

Exercício 1. Sejam A, B, C, D matrizes quadradas tais que A inversível e AC  CA . Mostre que nesse caso,
A B
| AD  CB |
C D
 I 0  A B A B 
Sugestão: Olhe para o produto em blocos    
  CA
1
I   C D   0 D  CA B 
1

Lista 03 1
Preparação Universitária – Análise

1.2 Autovalores e autovetores

 complexo é chamado autovalor de uma matriz quadrada A quando existe vetor não-nulo x tal que
Ax   x .
Nesse caso, x é denominado um autovetor de A.
Observe que o sistema homogêneo equivalente ( A  I ) x  0 tem solução não-nula se e somente se
det( A  I )  0 , o que nos leva a definição do polinômio característico no item 3.
n
Exemplo 2. Seja A uma matriz real nxn com entradas não-negativas tal que a
j 1
ij  1 para todo i. Mostre que

todos os autovalores de A tem módulo menor que 1.

Solução: Seja  um autovalor de A e x  ( x1 , x 2 ,..., x n ) um autovetor correspondente. Seja
T

r  xi  max{ x k } .
1 k  n
Olhando para a i-ésima coordenada de Ax  x tem-se:
n n
x i  a
j 1
ij x j  x i   aij  x i    1
j 1

1.3. Nilpotência
Uma matriz quadrada A nxn é denominada nilpotente quando existe t natural tal que A t  0 .
Observe que uma matriz é nilpotente se e somente se todos os seus autovalores são nulos.
Demo: Seja x um autovetor associado ao autovalor  . Então, Ax  x  A n x  n x  n  0 .
A volta pode ser provada facilmente com o teorema de Cayley-Hamilton, que será discutido adiante.

Denomina-se índice de nilpotência o menor inteiro positivo k tal que A k  0 , e não é difícil provar que nesse
caso tem-se k  n (dica: prove que os vetores x, Ax, A 2 x,..., A k 1 x são LI).
O exemplo mais clássico de matriz nilpotente são as matrizes triangulares que tem zero na diagonal principal
(elas são populares por aparecerem somadas a matrizes diagonais na forma de Jordan).
0 * * *  0 0 * *  0 0 0 *
     
0 0 * *  0 0 0 *  0 0 0 0 4
Ex.: A   . Nesse caso: A   ; A  ;A  0
2 3

0 0 0 * 0 0 0 0 0 0 0 0
     
0 0 0 0  0 0 0 0  0 0 0 0
     
(os elementos * representam números não necessariamente nulos).

Exemplo 3. (BPM) Seja A uma matriz nxn tal que tr ( A k )  0 para k = 1, 2, ..., n. Mostre que A é nilpotente.
Sugestão: Suponha por absurdo que A tenha autovalores não-nulos 1 ,  2 ,...,  p com multiplicidades
m1 , m 2 ,..., m p respectivamente. Procure uma contradição no determinante da matriz associada ao sistema
p
0  tr ( A k )   m j kj , k  1,2,..., n ,
j 1

(obs: Use que a soma dos autovalores de uma matriz é igual ao seu traço. Isso será comentado em outro item)

1.4. Matriz adjunta

Dada uma matriz complexa A, definimos sua adjunta como sendo A*  AT (i.e, o conjugado da matriz
transposta). Observe que quando A tem entradas reais, A*  AT . Uma matriz A é denominada auto-adjunta (ou
hermitiana) quando A = A* (quando A é real isso significa que A é simétrica)..

1.5. Produto escalar

Lista 03 2
Preparação Universitária – Álgebra Linear

Dados dois vetores complexos (possivelmente reais), podemos definir um produto escalar
como:
 x, y  x * y
 1  i
Por exemplo, quando x   , y    temos x * y  1  ( i )  ( i )  1  2i .
i   1 
  C ,  x, y  x,  y    x, y 
2
Observe que se e  x, x  x 0

Se A for uma matriz nxn e x um vetor do  n , temos como conseqüência da definição (e da propriedade
( AB)*  B* A* ) que:

 Ax, x  x, A* x 
Obs: Uma matriz A nxn simétrica é denominada positiva definida se <Ax, x> > 0 para todo x não-nulo. Isso é
equivalente a dizer que todos os autovalores de A são positivos. Nesse caso, é possível mostrar que sempre
existe B tal que A  B T B .

Teorema: Uma matriz real simétrica tem todos os seus autovalores reais.
Demo: (o resultado vale para qualquer matriz auto-adjunta):
Seja  um autovalor de A associado ao autovetor x. Então,
  x, x  x, x  Ax, x  x, A* x  x, Ax  x, x    x, x 
2
Como  x, x  x 0, temos    .

m
Exemplo 4. Sejam A1, A2, ..., Am matrizes autoadjuntas tais que A k 1
2
k  0 . Mostre que Ak é nula para todo k.

m m m m 2
Solução: Para todo vetor x:
  A x , x     A x, A x     A x, A x   0   A x  0
k 1
2
k
k 1
*
k k
k 1
k k
k 1
k

 0 sempre, temos Ak x  0 para todo x, logo Ak = 0.

2
Como Ak x

2. DIAGONALIZAÇÃO
Uma matriz quadrada A é dita diagonalizável quando existe uma matriz inversível P tal que
D  P 1 AP é diagonal.
Nesse caso, tem-se A  PDP 1 , A 2  PDP 1 PDPP 1  PD 2 P 1 , e em geral,
A k  PD k P 1
Isso simplifica enormemente o cálculo de potências de A, pois é fácil ver que
D  diag (1 ,  2 ,...,  n )  D k  diag (1k , k2 ,..., kn )

Obs: Esse é um problema de extrema importância em álgebra linear, pois sabendo calcular A k fica fácil
calcular qualquer série formal envolvendo A, como por exemplo polinômios, e A, sen(A), etc.

É importante observar que nem toda matriz é diagonalizável, como ilustra o exemplo abaixo.
0 1
Se A     PDP 1 , então 0  A 2  PD 2 P 1  diag(12 , 22 )  0  D  0  A  0 .
 0 0 

2.1. Matrizes diagonalizáveis

Lista 03 3
Preparação Universitária – Análise

Uma matriz Anxn é diagonalizável se e somente se possui n autovetores linearmente independentes. Nesse
caso, forma-se P colocando como colunas esses n autovetores e a matriz D  P 1 AP será diagonal com os
autovalores de A na diagonal principal.

Uma condição suficiente para que isso ocorra (mas não necessária) é que A tenha todos os seus autovalores
distintos.

(para detalhes e exemplos sobre diagonalização, visite http://en.wikipedia.org/wiki/Diagonalizable_matrix)

2.2. Teorema Espectral

Seja A uma matriz real e simétrica (ou, mais geralmente, uma matriz autoadjunta). Então A é
diagonalizável, com autovalores reais, e com uma matriz de transição P ortogonal (i.e, os vetores de P são
unitários e ortogonais dois a dois. P 1  P T ).

(demo em http://en.wikipedia.org/wiki/Spectral_theorem)

n
Exercício 2. (OBM 01) Seja A = (aij) uma matriz real simétrica n x n tal que aii  1 , a j 1
ij  2 para todo i.

Mostre que 0  det A  1 .

Exercício 3. (BPM) Seja A uma matriz real, simétrica e positiva definida. Seja y   n um vetor não-nulo.
y T A n 1 y
Mostre que lim
n  y T A n y
existe e é um autovalor de A.

3. TEOREMA MIN-MAX
Seja A uma matriz real e simétrica. Sejam 1   2  ...   n seus autovalores (eles são reais pelo teorema
espectral). Então,

  Ax, x  
k  min max 
dim S nk1 xS  x, x 
 
(ou seja: Fixe um subespaço S de dimensão n – k + 1. Olhe para r(S) = máximo da expressão <Ax, x> quando x é
um vetor unitário de S. O autovalor em questão é o mínimo dentre os r quando variamos S).

Exemplo 5. (OBM 04) Seja X uma matriz real inversível de ordem n e XT sua transposta. Sejam
1   2  ...   n  0 os autovalores de XTX. Definimos a norma de X por X  1 e o fator de dilatação de
1 AB
A por d ( X )  . Mostre que, para quaisquer matrizes A e B inversíveis, d ( AB )   d ( B)
2 A  B

Solução (por Alex Abreu):

Sejam 1   2  ...   n  0;  1   2  ...   n  0;  1   2  ...   n  0 os autovalores de AB, B e A
respectivamente. A desigualdade pedida é claramente equivalente a  2   1   2 .
Como XTX é sempre simétrica e  X T Xu, u  Xu, Xu  , temos pelo teorema do min-max que:

Lista 03 4
Preparação Universitária – Álgebra Linear

  ABx, ABx   Bx,Bx  

2  min max  
dim Sn1 xS  Bx, Bx   x, x 
 
Por outro lado, como só há um subespaço de dimensão n (e ele inclui todos os vetores) temos:

 Ax, Ax 
, e   min  max
  Bx , Bx  
1  maxn
xR  x, x  2 .
dim S n1 xS
  x, x  
 Bx, Bx 
Seja S o subespaço no qual  2 é atingido, i.e,  2  max .
xS  x, x 
Temos então:

 ABx,ABx Bx,Bx  ABx,ABx Bx,Bx

2 max  max max ,

Sx  Bx,Bx   x,  Sx  Bx,Bx  Sx  x, 

 
(usamos respectivamente que o mínimo é ≤ que qualquer elemento do conjunto e max(uv)  max u  max v )
O segundo termo do produto é exatamente  2 . Fazendo x '  Bx e notando que B ( S )  R n , tem-se:

 ABx, ABx 
max   1 , e juntando tudo vem   1   2
 Ax, Ax 
2
xS

Exercício 4. (BPM) Seja A uma matriz real simétrica com entradas não-negativas. Mostre que A tem um
autovetor com entradas não-negativas.
Sugestão: Olhe para o maior autovalor de A.

4. POLINÔMIO CARACTERÍSTICO
Dada uma matriz A, o polinômio
p A ( x )  det( A  xI )  a 0 x n  a1 x n 1  ...  a n
é denominado polinômio característico de A. Suas raízes 1 ,  2 ,...,  n são exatamente os autovalores de A.
Observando o polinômio característico, é fácil provar que

Lista 03 5
Preparação Universitária – Análise

tr ( A)  1   2  ...   n
det( A)  1   2  ...   n
n 1
(basta observar que só a diagonal principal afeta a0 e a1,dando a 0  ( 1) , a1  (1) tr ( A), a n  det A
n

)
Um outro resultado interessante é que p AB ( x )  p BA ( x) , ou seja, AB e BA sempre têm o mesmo polinômio
característico.

An
Exemplo 6. (IMC 00) Para toda matriz A real, defina e  
A
. Prove ou disprove que para todo
n  0 n!

polinômio real P(x), P (e AB ) é nilpotente se e somente se P (e BA ) também for.

Solução (por Rodrigo Villard):

Lema:Se  é autovalor de V e temos uma série de potência f (t )    k t , então f ( ) é autovalor de
k

k 0
f (V )
Demo: Existe v tal que V x   x . Segue que V k x  k x para todo k e, como conseqüência,
      
   k V k   x     k k   x . Ou seja, se f (t )    k t k , então f (V ) x  f ( )  x .
 k 0   k 0  k 0

Mais geralmente, podemos provar (olhando as derivadas) que a multiplicidade desse autovalor em V é a mesma
que em f(V).

Sabemos que AB e BA tem o mesmo polinômio característico (e portanto os mesmos autovalores). Aplicando
o lema na série de potência de f (t )  e t , concluímos que e AB e e BA tem o mesmo polinômio característico
(e portanto os mesmos autovalores). Aplicando agora o lema em no polinômio p, concluímos que p (e AB ) e
p (e BA ) também têm o mesmo polinômio característico. Como uma matriz N é nilpotente se e somente se
p N ( x)  x n , o resultado está demonstrado.

4.1. Cayley-Hamilton
Toda matriz é anulada pelo seu polinômio característico. Na notação acima, isso significa dizer que
a 0 A n  a1 A n 1  ...  a n I  0 , onde I é a identidade.
Esse teorema fornece uma outra maneira de se calcular potências de A.
3 2
Exemplo 7. Seja A    . Calcule A100.
3 4
Solução: O polinômio característico de A é p A ( x)  x 2  7 x  6 . Fazendo a divisão euclidiana de polinômios:
6100  1 6  6100
x100  ( x 2  7 x  6)  q( x)  x   , sendo   ;  .
5 5
Como potências de uma mesma matriz sempre comutam, podemos escrever
A100  ( A 2  7 A  6 I )  q ( A)    A   , onde q é um polinômio.
Pelo teorema, A 2  7 A  6 I  0 e portanto A100  A   .

4.2. Polinômio Minimal

É o polinômio mônico  (x ) de menor grau que anula a matriz (sua existência está assegurada pelo teorema
anterior).
Temos os seguintes resultados muito importantes associados a esse polinômio:
I. Se um polinômio p anula a matriz A, então  (x ) divide p ( x ) . Em particular,  | p A .
II. Todo autovalor de A é raiz de  (x )
III. A é diagonalizável se e somente se  (x ) só admite raízes simples.
(I e II implicam que  (x ) divide pA sem perder raízes)

Lista 03 6
Preparação Universitária – Álgebra Linear

Exemplo 8. (BPM) Seja A uma matriz real simétrica tal que A 5  A 3  A  3I . Mostre que A = I.
Solução: Vamos encontrar o polinômio minimal de A.
Como A é real e simétrica, todos os seus autovalores são reais e portanto as raízes de  (x ) são reais.
Como o polinômio p( x)  x 5  x 3  x  3 anula a matriz, ele é múltiplo de  (x ) .
Mas a única raiz real de p é x = 1 ( p (1)  0 e p ' ( x)  5 x 2  3 x 2  1  0 x ), logo  ( x )  x  1 e como
 anula a matriz, deve-se ter A  I  0  A  I

Exercício 5. (IMC 03) Seja A uma matriz real tal que 3 A 3  A 2  A  I . Mostre que A k converge para uma
matriz idempotente (i.e, uma matriz B tal que B2 = B).

5. FORMA CANÔNICA DE JORDAN

Quando A não é diagonalizável, o ideal é conseguir uma mudança de base de tal forma que a matriz P 1 AP
seja a mais próximo possível de uma matriz diagonal. Isso é exatamente o que faremos agora.
Uma matriz Tk ( ) kxk é considerada um bloco de Jordan associado ao autovalor  quando seus únicos
elementos não-nulos estão na sua diagonal principal (e valem  ) e nos elementos imediatamente acima
(valendo 1) (i.e, t ii   , t i ,i 1  1 e os demais são nulos).
 1 0 0 
 1 0   
 1    0  1 0
Por exemplo, T1 ( )  ( ); T2 ( )   ; T3 ( )   0  1 ; T4 ( )  
0  0 0  0 0  1
   
0 0 0 
 
Chamaremos de matriz de Jordan uma matriz J (Tk1 (1 ); Tk 2 ( 2 ),..., Tk j ( j )) formada por blocos de
0 1 0


 00 0
Jordan na sua diagonal principal e 0 no resto. Por exemplo, J (T2 ( ), T1 ( ), T1 (  ))   .
0  0 0


0 0   0

Teorema: Toda matriz complexa pode ser expressa como A  PJP 1 , onde J é uma matriz de Jordan.

Não é fácil determinar os tamanhos dos blocos de Jordan da sua matriz (e na maioria das vezes você não vai
precisar disso). A dimensão do maior bloco de Jordan associado a  é a multiplicidade dessa raiz no
polinômio minimal da matriz.
Por exemplo, se p A ( x)  ( x  2) 5 ( x  3) 2 , temos que para 1 ( x)  ( x  2) 3 ( x  3) uma J possível é
 2 1 0 0 0 0 0  2 1 0 0 0 0 0
   
 0 2 1 0 0 0 0  0 2 1 0 0 0 0
 0 0 2 0 0 0 0  0 0 2 0 0 0 0
   
J 1   0 0 0 2 0 0 0  . Outra é J 2   0 0 0 2 1 0 0  .
 0 0 0 0 2 0 0  0 0 0 0 2 0 0
   
 0 0 0 0 0 3 0  0 0 0 0 0 3 0
   
 0 0 0 0 0 0 3  0 0 0 0 0 0 3

Obs: Na maior parte dos problemas você não vai precisar calcular a forma de Jordan explicitamente. Mas para alguns
exemplos e uma explicação mais detalhada você pode consultar http://www.maths.gla.ac.uk/~tl/minimal.pdf

Exemplo 9. (IMC 00) Sejam A e B matrizes quadradas de mesma dimensão tais que rank ( AB  BA)  1 .
Mostre que ( AB  BA) 2  0 .
(Solução oficial): Como o posto (rank) de X = AB – BA é um, no máximo um autovalor da matriz pode ser não-
nulo. Como Tr ( X )  Tr ( AB )  Tr ( BA)  0 é a soma dos autovalores de X, todos eles precisam ser nulos.
Colocando X na sua forma de Jordan (os autovalores entram na diagonal) temos X  PDP 1 .

Lista 03 7
Preparação Universitária – Análise

D não pode ter um bloco de tamanho maior que 2 (porque isso significaria 2 colunas independentes,
contradizendo a hipótese posto(X) = 1).
0 1 2
Como J 2 (0)     J 2  0 , temos que D2 = 0, logo X 2  PD 2 P 1  0 .
 0 0 

Exercício 6. Seja A uma matriz quadrada complexa inversível. Mostre que existe B tal que B 2  A

Exercício 7. (Vietnam 03) Seja A uma matriz quadrada tal que A 2003  0 . Mostre que
rank ( A)  rank ( A  A 2  A 3  ...  A n ) para todo n.

6. LISTA DE PROBLEMAS

1. (IMC 97) Seja M uma matriz inversível 2n x 2n, cuja representação por blocos é
A B E F 
M   , M 1    . Mostre que detM.detH = detA.
C D  G H 

2. (Putnam 85) Seja G um grupo finito de matrizes reais nxn {Mi}, 1  i  r com o produto de matrizes
r r
tradicional. Suponha que  tr ( M
i 1
i )  0 para todo i. Mostre que M
i 1
i é a matriz nula.

3. (COM 04) Sejam A, B duas matrizes n x n com entradas reais tais que para qualquer matriz X nxn se tem
det(A+X) = det(B+X). Mostre que A = B.

4. Seja A uma matriz complexa satisfazendo a equação Ar = I, r natural não-nulo. Mostre que trA  n

5. Seja T : R m  R m um operador linear de posto 1. Demonstre que T é diagonalizável ou nilpotente.

(Sugestão: Use que toda matriz A de posto 1 pode ser escrita como A  xy T , onde x e y são vetores coluna)

6. (BPM) Seja A 2x2 com coordenadas inteiras e suponha que exista n tal que A n  I . Mostre que A12  I .

7. (Romênia) Seja A uma matriz complexa de dimensão n  2 com posto r, 1  r  n  1 .

a) Mostre que existem matrizes B e C , ambas de posto r, tais que A  BC .
b) Mostre que a matriz A se anula para um polinômio de grau r + 1 com coeficientes complexos.
Solução em http://www.artofproblemsolving.com/Forum/post-8060.html

8. (Putnam 96) Dada uma matriz quadrada A, definimos senA pela série de potências

(1) n
senA   A 2 n 1 .
n0 ( 2 n  1)!
 1 1996 
Prove ou disprove: Existe matriz real A tal que senA   .
0 1 
9. (Vojtech 03) Duas matrizes quadradas reais A e B são tais que A 2002  B 2003  I e AB = BA.
Mostre que A + B + I é inversível.

10. (VJ03) Sejam A e B matrizes hermitianas 2x2 com autovalores (a1, a2) e (b1,b2) respectivamente. Determine
todos os possíveis pares (c1, c2) de autovalores da matriz A+B.

7. REFERÊNCIAS

1. Linear Algebra Problem Book, Paul Halmos (leitura recomendada para os iniciantes).
2. Berkley Problems in Mathematics, Paulo Ney e Jorge Nuno Silva.

Lista 03 8
Preparação Universitária – Álgebra Linear

3. The William Lowell Putnam Mathematical Competition 1985-2000

4. The William Lowell Putnam Mathematical Competition 1965-1984
5. http://en.wikipedia.org
6.. Vojtech Varnik Competition: http://prf.osu.cz/kma/dokumenty/vjaimc/j--list.html
7. IMC: http://www.imc-math.org.br
8.. Olimpíada Colombiana Universitária: http://olimpia.uanarino.edu.co/ocmu/ocmu.htm

Lista 03 9