Você está na página 1de 227

UM CURSO DE

ALGEBRA LINEAR
UFC
Centro de Ciencias
Departamento de Matematica
Placido Andrade
July 27, 2003
i
em mem oria de
Hugo Lourinho de Andrade
ii
PREF

ACIO
Est a bastante disseminado nas Universidades brasileiras um segundo curso de

Algebra Linear, oferecido n ao apenas aos estudantes dos cursos de Matem atica,
mas muitas vezes tambem para os de Fsica, Economia, Engenharias e outros, seja
na gradua c ao ou p os-gradua c ao.
Esse livro foi elaborado como um texto para aquele segundo curso. Emb-
ora n ao seja imprescindvel e conveniente que o aluno j a tenha feito um curso
b asico de

Algebra Linear ou que tenha conhecimentos de Geometria Analtica com
tratamento vetorial. A apresenta c ao feita em quatorze captulos e auto-suciente,
exceto na parte que trata de polin omios, entretanto, a maioria absoluta das pro-
priedades utilizadas sobre polin omios e do conhecimento dos estudantes desde o
Ensino Medio.
O principal objetivo desse texto e estudar operadores lineares em espa cos ve-
toriais de dimensao nita com enfase nas representa c oes matriciais. Os t opicos
foram elaborados de modo que permitem adapta c oes a qualquer curso com carga
h oraria entre 60h e 90h semestrais. Os captulos 11, 12 e 13 devem ser omitidos
pois s ao captulos de referencia. Dependendo do nvel da turma e da carga hor aria
semestral os captulos 1,2 e 3 podem ser considerados captulos de revis ao.
Para maior clareza, os operadores normais s ao estudados separadamente, pri-
meiro em espa cos Euclidianos e posteriormente em espa cos unit arios. Ao longo
do texto intercalamos dezenas de exerccios, fatos simples que ser ao utilizados no
corpo da demonstra c ao de uma proposi c ao logo a seguir, cando ao criterio do ex-
positor apresenta-los ou n ao. Como exerccios propostos segue uma lista de mais
de 700 tens.
Desejo agradecer aos colegas do Departamento de Matem atica da Universi-
dade Federal do Cear a pela receptividade com a qual fui recebido como seu novo
membro. Em particular, registro o meu agradecimento ao Professor Celso Ant onio
Barbosa pela orienta c ao datilogr aca dada ao longo da elabora c ao desse texto.
Fortaleza, 26 de julho de 2003
Pl acido Francisco de Assis Andrade

Indice
1 Espa cos vetoriais 1
1.1 Espa cos vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Subespa cos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Conjunto de geradores . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Teorema da troca de Stainitz . . . . . . . . . . . . . . . . . . . . . 10
1.5 Dimens ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6 Coordenadas de um vetor . . . . . . . . . . . . . . . . . . . . . . . 16
1.7 Soma direta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 Transforma c oes lineares 22
2.1 Transforma c oes lineares . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2 O espa co das transforma c oes lineares . . . . . . . . . . . . . . . . . 26
2.3 Teorema do n ucleo e da imagem . . . . . . . . . . . . . . . . . . . 30
2.4 Isomorsmos lineares . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.5 Matriz de uma transforma c ao linear . . . . . . . . . . . . . . . . . 35
2.6 Teorema da representa c ao matricial . . . . . . . . . . . . . . . . . . 37
2.7 Representa c ao de isomorsmo . . . . . . . . . . . . . . . . . . . . . 41
2.8 Matriz mudan ca de coordenadas . . . . . . . . . . . . . . . . . . . 43
2.9 Subespa cos invariantes . . . . . . . . . . . . . . . . . . . . . . . . . 46
3 Espa co dual 48
3.1 Funcionais lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.2 Base dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3 A adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.4 Perpendicular de um conjunto . . . . . . . . . . . . . . . . . . . . . 54
3.5 Teorema do posto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4 Operadores e polin omios 58
4.1 Polin omio minimal . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.2 Polin omio caracterstico . . . . . . . . . . . . . . . . . . . . . . . . 61
iii
iv
4.3 Teorema de Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . 63
4.4 Sobre a fatora c ao do polin omio minimal . . . . . . . . . . . . . . . 66
4.5 Polin omio minimal de um vetor . . . . . . . . . . . . . . . . . . . . 68
5 Decomposi cao primaria 70
5.1 Teorema da decomposi c ao prim aria . . . . . . . . . . . . . . . . . . 70
5.2 Corol arios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.3 Subespa cos cclicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.4 Espa cos cclicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.5 Sobre a decomposi c ao cclica . . . . . . . . . . . . . . . . . . . . . 82
5.6 Apendice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6 Representa cao can onica (I) 88
6.1 Autovalores e autovetores . . . . . . . . . . . . . . . . . . . . . . . 89
6.2 Operadores diagonaliz aveis . . . . . . . . . . . . . . . . . . . . . . 91
6.3 Operadores nilpotentes . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.4 Decomposi c ao cclica II . . . . . . . . . . . . . . . . . . . . . . . . 98
6.5 Representa c ao de Jordan . . . . . . . . . . . . . . . . . . . . . . . . 101
6.6 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.7 Aplica c ao: decomposi c ao 1 + . . . . . . . . . . . . . . . . . . . 105
7 Espa cos Euclidianos 109
7.1 Produto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.2 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
7.3 Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.4 Espa cos Euclidianos . . . . . . . . . . . . . . . . . . . . . . . . . . 114
7.5 Representa c ao de um funcional linear . . . . . . . . . . . . . . . . . 118
7.6 Operador transposto . . . . . . . . . . . . . . . . . . . . . . . . . . 120
8 Operadores normais 124
8.1 Operadores normais . . . . . . . . . . . . . . . . . . . . . . . . . . 124
8.2 Decomposi c ao normal . . . . . . . . . . . . . . . . . . . . . . . . . 126
8.3 Operadores simetricos . . . . . . . . . . . . . . . . . . . . . . . . . 127
8.4 Decomposi c ao cclica normal . . . . . . . . . . . . . . . . . . . . . 130
8.5 Representa c ao de operadores normais . . . . . . . . . . . . . . . . 133
8.6 Operadores anti-simetricos . . . . . . . . . . . . . . . . . . . . . . . 136
8.7 Operadores ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . 137
8.8 Espectro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
8.9 Operadores que preservam a estrutura . . . . . . . . . . . . . . . . 142
8.10 Comparando estruturas Euclidianas . . . . . . . . . . . . . . . . . 144
8.11 Decomposi c ao polar . . . . . . . . . . . . . . . . . . . . . . . . . . 147
v
8.12 Isometrias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
9 Espa cos unitarios 152
9.1 Espa cos unit arios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
9.2 O operador adjunto . . . . . . . . . . . . . . . . . . . . . . . . . . 154
9.3 Operadores normais . . . . . . . . . . . . . . . . . . . . . . . . . . 157
9.4 Operadores autoadjuntos . . . . . . . . . . . . . . . . . . . . . . . 158
9.5 Operadores unit arios . . . . . . . . . . . . . . . . . . . . . . . . . . 159
9.6 Decomposi c ao polar . . . . . . . . . . . . . . . . . . . . . . . . . . 160
10 Formas bilineares 162
10.1 Formas bilineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
10.2 Representa c ao matricial . . . . . . . . . . . . . . . . . . . . . . . . 163
10.3 Propriedades da representa c ao . . . . . . . . . . . . . . . . . . . . 165
10.4 Formas bilineares simetricas . . . . . . . . . . . . . . . . . . . . . . 167
10.5 Bases g-ortonormais . . . . . . . . . . . . . . . . . . . . . . . . . . 170
10.6 Teorema do ndice . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
10.7 Formas bilineares antisimetricas . . . . . . . . . . . . . . . . . . . . 175
11 Representa cao can onica (II) 179
11.1 Complexica c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
11.2 Espa co A- simples . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
11.3 Decomposi c ao cclica III . . . . . . . . . . . . . . . . . . . . . . . . 184
11.4 Decomposi c ao cclica IV . . . . . . . . . . . . . . . . . . . . . . . . 186
12 Matrizes 192
12.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
12.2 Matrizes quadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
12.3 Matrizes normais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
12.4 Apendice: Grupos, aneis e corpos . . . . . . . . . . . . . . . . . . . 200
13 Determinantes 202
13.1 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
13.2 Deni c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
13.3 Existencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
13.4 Unicidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
13.5 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
13.6 Adjunta classica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
13.7 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
vi
Captulo 1
Espacos vetoriais
Estudaremos duas no c oes matem aticas: uma estrutura algebrica chamada espa co
vetorial e uma outra denominada transforma c ao linear, ou seja, fun c oes entre
espa cos vetoriais que possuem propriedades especcas. Os dois primeiros captulos
s ao dedicados ao estudo desses conceitos. Iniciaremos denindo espa co vetorial,
uma das estrutura mais uteis e que surge naturalmente nas v arias areas do con-
hecimento, merecendo por isto uma sistematiza c ao mais extensa.
1.1 Espacos vetoriais
Um exemplo muito conhecido de espa co vetorial e 1
2
, o conjunto dos pares ordena-
dos (r
1
, r
2
) com r
i
1, equipado com uma opera c ao de adi c ao de dois elementos
e uma opera c ao de multiplica c ao de um elemento por um n umero real ,
(r
1
, r
2
) + (j
1
, j
2
) = (r
1
+j
1
, r
2
+j
2
),
(r
1
, r
2
) = (r
1
, r
2
).
A deni c ao de espa co vetorial relaciona as propriedades algebricas dessas opera c oes,
propriedades que ocorrem n ao apenas nesse exemplo mas tambem em in umeros
outros, como veremos.
Deni cao 1.1.1 Um espa co vetorial consiste de
1. Um conjunto \ cujos elementos s ao chamados de vetores;
2. Um corpo K cujos elementos s ao chamados de escalares;
3. Uma operac ao chamada de adic ao de vetores na qual cada par de vetores
n, \ e associado ao vetor n + \ , chamado de soma de n e ,
satisfazendo aos seguintes axiomas:
a) a adi c ao e comutativa, n + = +n;
1
2 CAP

ITULO 1. ESPAC OS VETORIAIS


b) a adi c ao e associativa, (n +) +n = n + ( +n);
c) existe um unico vetor o tal que +o = para todo \ ;
d) para cada \ existe um unico vetor \ tal que + () = o;
4. Uma operac ao chamada de multiplicac ao por escalar em que um vetor \
e um escalar K s ao associados ao vetor \ , chamado de produto de
por , satisfazendo aos seguintes axiomas:
a) 1 = para todo \ ;
b) a multiplicac ao por escalar e associativa,
1
(
2
) = (
1

2
);
c) a multiplicac ao por escalar e distributiva em relac ao ` a adic ao de vetores,
(n +) = n +;
d) a multiplicac ao por escalar e distributiva em relac ao ` a adic ao de es-
calares, (
1
+
2
) =
1
+
2
;
Em resumo, um conjunto \ e um espaco vetorial sobre o corpo K se satisfaz
as condi c oes da deni c ao acima. Quando n ao for necessario particularizar indi-
caremos por K tanto o corpo dos n umeros reais 1 quanto o corpo dos n umeros
complexos C e apenas estes dois corpos ser ao considerados. Se K = 1 diremos que
\ e um espa co vetorial real e quando K = C chamaremos \ de espaco vetorial
complexo. In umeras vezes omitiremos o corpo com o qual estamos trabalhando
mas estar a claro que o coment ario e verdadeiro independente do corpo consider-
ado. Um espa co vetorial \ n ao e vazio pois contem pelos menos o vetor o chamado
de vetor nulo. Se \ consiste de um unico elemento ser a chamado de espa co trivial
e pela deni c ao segue que \ = o.
Exemplo 1.1.1 1) Dado um n umero inteiro n 1 denotaremos por K
n
o conjunto
de todas as n-uplas, isto e, o conjunto de todas as sequencias de n termos n =
(r
1
, r
2
, ..., r
n
) com r
i
K. Induzimos em K
n
uma estrutura de espa co vetorial
sobre o corpo K do seguinte modo: se n = (r
1
, r
2
, ..., r
n
), = (j
1
, j
2
, ..., j
n
) K
n
e K, denimos a adi c ao de vetores e a multiplica c ao de um vetor por um
escalar, respectivamente por
n + = (r
1
+j
1
, r
2
+j
2
, ..., r
n
+j
n
),
n = (r
1
, r
2
, ..., r
n
).
N ao e difcil vericar que as duas opera c oes induzem em K
n
uma estrutura de
espa co vetorial sobre K.Neste espa co o vetor nulo e o elemento o = (0, 0, ..., 0) e
n = (r
1
, r
2
, ..., r
n
). Finalmente observamos que o corpo K e naturalmente
identicado com o espa co vetorial K
1
. N ao distinguiremos uma 1- upla ordenada
(r
1
) de um n umero r
1
.
1.1. ESPAC OS VETORIAIS 3
2) Seja K[t] o conjunto de todos os polin omios na vari avel t com coecientes
no corpo K. As usuais adi c ao de polin omios e multiplica c ao de um polin omio por
um escalar induzem em K[t] uma estrutura de espa co vetorial sobre K.
3) O primeiro exemplo pode ser generalizado. O produto direto, ou produto
Cartesiano, de espa cos vetoriais \
1
, \
2
, ..., \
n
sobre o mesmo corpo K e o conjunto
denotado por
\ = \
1
\
2
\
n
e constitudo por todas as n-uplas ordenadas n = (n
1
, n
2
, ..., n
n
) com n
i
\
i
. Do
mesmo modo, induz-se uma estrutura de espa co vetorial sobre o corpo K: dados
os elementos n = (n
1
, n
2
, ..., n
n
), = (
1
,
2
, ...,
n
) \ e um escalar K,
denimos a adi c ao de dois vetores e a multiplica c ao de um vetor por um escalar,
respectivamente, por
n + = (n
1
+
1
, n
2
+
2
, ..., n
n
+
n
),
n = (n
1
, n
2
, ..., n
n
).
4) Sejam um conjunto n ao vazio e \ um espa co vetorial sobre o corpo
K. O conjunto C(, \ ) formado por todas as fun c oes ) : \ adquire uma
estrutura de espa co vetorial sobre K considerando as seguintes opera c oes: para
), p C(, \ ) e K dene-se a fun c ao soma ) + p e a fun c ao ) multiplicada
pelo escalar ), respectivamente, por
() +p)() = )() +p(),
())() = )(n),
em que . O vetor nulo e a fun c ao identicamente nula, )() = 0 para todo
, e ) (1)). Quando escrevermos as usuais opera c oes de soma de
fun c oes e multiplica c ao de uma fun c ao por um escalar estaremos nos referindo ` as
duas opera c oes aqui denidas.
5) Uma matriz :n com entradas emKe uma sequencia de escalares = [o
ij
]
com o
ij
K organizada em : linhas e n colunas,
=
_

_
o
11
o
12
o
1n
o
21
o
22
o
2n
.
.
.
.
.
.
.
.
.
o
m1
o
m2
o
mn
_

_
.
O primeiro ndice de o
ij
indica a linha na qual a entrada encontra-se e o segundo
ndice indica a coluna. Induzimos uma estrutura de espa co vetorial no conjunto
das matrizes :n com entradas em K, conjunto esse denotado por `(:n, K),
denindo a adi c ao de matrizes e a multiplica c ao de uma matriz por um escalar,
respectivamente, por
4 CAP

ITULO 1. ESPAC OS VETORIAIS


+1 = [o
ij
+/
ij
],
= [o
ij
],
em que = [o
ij
], 1 = [/
ij
] `(: n, K) e K. O vetor nulo do espa co e
a matriz identicamente nula (todas as entradas s ao iguais a zero) e = [o
ij
].
Caso o leitor deseje maiores detalhes indicamos o captulo sobre matrizes. 2
Exerccios propostos 1.1.1
1. Demonstre as seguintes arma coes sobre um espa co vetorial V.
a) o = o para todo escalar K.
b) = o para algum escalar 0 ,= K = 0.
c) = (1) para todo vetor \ .
d) n = + + +
. .
n vezes
onde n e um inteiro.
2. Procure num livro de Calculo os teoremas que garantem a existencia de uma estru-
tura de espa co vetorial real nos seguintes conjuntos equipados com as opera coes de
soma de fun c oes e multiplica cao de uma fun cao por um escalar.
a) O conjunto C
0
([o, /], 1) formado por todas as fun coes contnuas ) : [o, /] 1,
em que [o, /] 1 e um intervalo.
b) O conjunto '([o, /], 1) constitudo por todas as fun coes ) : [o, /] 1 que sao
Riemann integraveis.
c) O conjunto o(Z, 1) de todas sequencias reais (o
1
, o
2
, o
3
, ...) cuja serie

o
n
converge (convergencia simples).
d) O conjunto /
1
(1) de todas as sequencias reais (o
1
, o
2
, o
3
, ...) cuja serie

[o
n
[
converge (convergencia absoluta).
3. Seja \ um espa co vetorial complexo. Podemos denir uma outra estrutura de espa co
vetorial complexo em \ da seguinte forma. A soma de vetores continua a mesma
e a multiplica c ao de um vetor por um escalar C e dada pela regra = .
Mostre que de fato as opera coes induzem uma nova estrutura de espa co vetorial
complexo sobre o mesmo conjunto \ , chamada de espaco vetorial conjugado.
1.2 Subespacos
Destacamos um tipo especial de subconjunto de um espa co vetorial \ sobre um
corpo K. Um subconjunto \ \ e um subespaco vetorial se \ e n ao vazio
e um espa co vetorial sobre K com respeito ` as opera c oes de adi c ao de vetores e
multiplica c ao de um vetor por um escalar, ambas opera c oes induzidas de \ . Por
comodidade, diremos apenas que \ e um subespaco de \ .
1.2. SUBESPAC OS 5
Exemplo 1.2.1 1) O subconjunto \ K
n
formado por todos os vetores =
(r
1
, r
2
, ..., r
n
) tais que r
n
= 0 e um subespa co.
2) O subconjunto K
n
[t] K[t] formado pelos polin omios j(t) com p:onj(t) n
e um subespa co. Por conven c ao, o polin omio identicamente nulo tem grau e
um polin omio constante n ao nulo tem grau zero.
3) Fixado um vetor de um espa co vetorial \ , o conjunto \
v
= ; K e
um subespa co. Chamaremos de subespa co trivial ao subconjunto formado apenas
pelo vetor nulo.
4) Seja C(, \ ) espa co de todas as fun c oes de um conjunto no espa co vetorial
\ . Fixado
0
, o subconjunto C

0
(, \ ) = ) : \ ; )(
0
) = 0 e um
subespa co. 2
Apresentaremos a seguir um criterio de f acil aplica c ao para determinarmos
quando um subconjunto \ e um subespa co de um espa co vetorial \ .
Proposi cao 1.2.1 Um subconjunto n ao vazio \ \ e um subespaco se, e so-
mente se, para cada par de vetores n, \ e para cada escalar K, o vetor
n + \.
Demonstra cao Assuma que \ e um subespa co de \ .

E claro que se n, s ao
vetores de \ e K, ent ao n+ \. Vejamos agora a suciencia. Mostremos
inicialmente que o vetor nulo pertence a \. Para isso, escolhamos qualquer vetor
em \ e escrevamos o vetor nulo como o = (1)+. Da hip otese segue que o \.
Por outro lado, + o = , para qualquer escalar K, de onde concluimos
que \ e fechado em rela c ao ` a multiplica c ao de um vetor por um escalar. Logo, o
subconjunto tambem contem todos os vetores se \. Finalmente, se n e
s ao dois elementos de \, ent ao n + = n +1 \, mostrando que \ e fechado
em rela c ao `a opera c ao de adi c ao de vetores. Os outros axiomas s ao v alidos pois j a
s ao validos em \ . 2
Exerccio 1.2.1 Prove: a interse c ao de dois subespa cos de \ e um subespa co. 2
Dentre os varios metodos para construrmos subespa cos vejamos um que ter a
desdobramentos nas pr oximas se c oes. Para isso, precisaremos da deni c ao de
combina c ao linear, um conceito b asico para o nosso estudo.
Deni cao 1.2.1 Seja \ um espaco vetorial sobre o corpo K. Diremos que o vetor
n \ e uma combinac ao linear dos vetores
1
,
2
, ...,
n
\ se existem escalares
r
1
, r
2
, ..., r
n
K tais que n = r
1

1
+r
2

2
+ +r
n

n
.
6 CAP

ITULO 1. ESPAC OS VETORIAIS


Note que uma combina c ao linear envolve apenas um n umero nito de vetores!
Proposi cao 1.2.2 Seja um subconjunto n ao vazio do espaco vetorial \ . O
subconjunto \ \ formado por todos os vetores que s ao combinac oes lineares de
vetores de e um subespaco. Alem disso, \ e o menor subespaco contendo .
Demonstra cao Com efeito, se n, \, por deni c ao desse subespa co, existem
vetores n
1
, ..., n
m
,
1
, ...,
n
e escalares r
1
, ..., r
m
, j
1
, ..., j
n
K tais que n =
r
1
n
1
+ +r
m
n
m
e = j
1

1
+ +j
n

n
. Agora, se K, ent ao
n + = r
1
n
1
+r
2
n
2
+ +r
m
n
m
+j
1

1
+j
2

2
+ +j
n

n
.
Desde que n + e uma combina c ao linear de vetores de temos mostrado que
n + \. Pela proposi c ao anterior segue que \ e um subespa co de \ . Por
outro lado, se \
0
e um outro subespa co que contem o conjunto e evidente que
ele contem todas as combina c oes lineares de vetores de . Portanto \ \
0
,
conclundo que \ e o menor subespa co contendo o conjunto . 2
Exerccios propostos 1.2.1
1. Prove que a interse cao de uma famlia \
i

iI
de subespa cos de \ e um subespa co.
2. Sejam \
1
e \
2
subespa cos de um espa co vetorial \ sobre o corpo K. Verique
quais dos conjuntos sao subespa cos de \ .
a) \ = \
1
\
2
. b) \ = \
1
\
2
. c) \ = n
1
+n
2
; n
i
\
i
.
3. Quais subconjuntos sao subespa cos do 1
3
?
a) \ = (r, j, .) 1
3
; r j +. = 0.
b) \ = (r, j, .) 1
3
; r j +. = 1.
c) \ = (r, j, .)1
3
; r j +. = 0 e r +j +. = 0.
d) \ = o(1, 1, 0) +/(0, 1, 1); o, / 1.
4. O vetor = (1, 2, 3) pertence ao subespa co das combina coes lineares do conjunto
= (i, 1, 1), (1, 2 + 3i, 4) C
3
? E o vetor = (2 +i, 5 + 3i, 9)?
5. Sejam
1
e
2
dois conjuntos nao vazios do espa co vetorial V.
a) Mostre que se
1

2
entao o espa co das combina coes lineares de
1
est a
contido no espa co das combina coes lineares de
2
.
b) Se os espa cos das combina coes lineares dos dois conjuntos sao iguais, neces-
sariamente os conjuntos sao iguais?
6. Dados
1
= (1, 1, 0), (0, 1, 1) e
2
= (1, 2, 1), (1, 0, 1), (3, 4, 1), subconjuntos do
1
3
, mostre que os espa cos das combina coes lineares dos conjuntos sao iguais.
1.3. CONJUNTO DE GERADORES 7
7. Se \
1
e \
2
sao subespa cos de \ tais que \
1
\
2
e um subespa co, mostre que um
dos subespa cos contem o outro.
8. Consulte algum livro de Calculo e verique quais sao os teoremas que validam as
seguintes arma c oes.
a) O espa co das fun coes contnuas, C
0
([o, /], 1), e um subespa co do espa co das
fun c oes Riemann integraveis, '([o, /], 1).
b) O espa co das sequencias que convergem absolutamente /
1
(1) e um subespa co
do espa co das sequencias que convergem simplesmente o(Z, 1).
9. Seja \ um subespa co do espa co vetorial \ sobre K. Dena uma rela cao entre os
vetores de \ por: n (:od \) n \.
a) Verique que e uma relac ao de equivalencia (simetrica, reexiva e transi-
tiva).
b) Denote por n a classe de equivalencia que contem n \ e por \,\ o conjunto
formado por todas as classes. Dena as opera coes em \,\:
n + = n + e n = n,
onde e um escalar em K. Mostre que as opera coes denem uma estrura
de espa co vetorial sobre K no conjunto \,\. Com essa estrutura \,\ sera
chamado de espaco quociente.
1.3 Conjunto de geradores
Tendo em vista a Proposi c ao 2.5 da se c ao anterior na qual foi contrudo o menor
subespa co contendo todas as combina c oes lineares de um conjunto de vetores,
estabeleceremos agora um conceito baseado naquela ideia.
Diremos que um conjunto de vetores \ e um conjunto de geradores de
um subespa co \ \ , se todo vetor de \ e uma combina c ao linear de vetores de
. Em outras palavras, dado um vetor n \ existem vetores
1
,
2
, ...,
n
e
escalares r
1
, r
2
, ..., r
n
K tais que n = r
1

1
+r
2

2
+ +r
n

n
. Por simplicidade,
diremos que \ e gerado por ou que os vetores de geram \.
Questionar sobre a existencia de um conjunto de geradores para um espa co
vetorial n ao tem consequencias das mais proveitosas pois a resposta e sim, basta
considerar = \ . Uma quest ao mais relevante e examinar a existencia de um
conjunto de geradores possuindo determinadas propriedades, como ser nito ou
n ao, enumer avel, ortogonal, etc.

E nesta dire c ao que caminharemos.
Deni cao 1.3.1 Seja \ um espaco vetorial sobre o corpo K. Diremos que o con-
junto \ e linearmente dependente se existem distintos vetores
1
,
2
, ...,
n

e existem escalares n ao todos nulos r
1
, r
2
, ..., r
n
K tais que
8 CAP

ITULO 1. ESPAC OS VETORIAIS


o = r
1

1
+r
2

2
+ +r
n

n
.
Um subconjunto \ que n ao e linearmente dependente ser a dito linearmente
independente. A ultima deni c ao merece alguns coment arios, pois o conceito nela
contido e capital para a compreens ao da estrutura de espa co vetorial.
1. O conjunto vazio = e linearmente independente por vacuidade. N ao
podemos exibir vetores distintos de .
2. Qualquer conjunto \ contendo o vetor nulo e linearmente dependente
pois e possvel formar a combina c ao linear o = r
1
o com um escalar n ao nulo
r
1
K.
3. O conjunto \ e linearmente independente se para toda cole c ao de dis-
tintos vetores
1
,
2
, ...,
n
a combina c ao linear
o = r
1

1
+r
2

2
+ +r
n

n
implica que r
1
= r
2
= = r
n
= 0. Esta arma c ao ser a bastante utilizada!
4. Um subconjunto de um conjunto linearmente independente e linearmente
independente.
5. Se \ admite um subconjunto linearmente dependente ent ao e linear-
mente dependente.
Por abuso de linguagem e comum referir-se aos elementos de um conjunto
dizendo que os seus vetores s ao linearmente independentes (ou linearmente depen-
dentes se for o caso) em lugar de aplicar o conceito ao conjunto.
Exemplo 1.3.1 O subconjunto = n, , n K
3
em que n = (1, 0, 0), =
(1, 1, 0) e n = (1, 1, 1), e linearmente independente pois a combina c ao linear
(0, 0, 0) = r
1
n +r
2
+r
3
n
= (r
1
+r
2
+r
3
, r
2
+r
3
, r
3
),
implica que 0 = r
1
= r
2
= r
3
. 2
Exerccio 1.3.1 Demonstre as arma c oes sobre um espa co vetorial \ .
1. Sejam \ \ um subespa co e \ um conjunto linearmente indepen-
dente. Se
0
, \ ent ao o conjunto
0
e linearmente independente.
1.3. CONJUNTO DE GERADORES 9
2. Seja \ um conjunto de geradores de \ . Assuma que
0
e uma
combina c ao linear de outros vetores de . Ent ao e linearmente dependente
e o conjunto
1
obtido de por supress ao de
0
ainda e um conjunto de
geradores de \ . 2
Finalizaremos esta se c ao com a deni c ao de base de um espa co vetorial.
Deni cao 1.3.2 Uma base de um espaco vetorial \ e um conjunto de geradores
linearmente independente.
Exemplo 1.3.2 1) Chamaremos de base can onica de K
n
ao conjunto de vetores
= c
1
, c
2
, ..., c
n
em que
c
1
= (1, 0, ..., 0), c
2
= (0, 1, ..., 0), ... , c
n
= (0, 0, ..., 1).
De fato, e uma base. A combina c ao linear
(0, 0, 0) = r
1
c
1
+r
2
c
2
+ +r
n
c
n
= (r
1
, r
2
, ..., r
n
),
implica que r
1
= r
2
= = r
n
= 0, mostrando a independencia linear de . Por
outro lado, dado o vetor = (r
1
, r
2
, ..., r
n
) K
n
podemos express a-lo como uma
combina c ao linear dos vetores da base na forma = r
1
c
1
+r
2
c
2
+ +r
n
c
n
. Isto
signica que e um conjunto de geradores.
2) O conjunto de polin omios = t
n

n0
e uma base para o espa co vetorial
dos polin omios K[t].
3) Um espa co trivial tem conjunto de geradores mas n ao admite uma base. 2
Exerccios propostos 1.3.1
1. Quais subconjuntos sao linearmente independentes?
a) = (1, 0, 1), (0, 1, 1) 1
3
. b) = (1, 1, 1), (i, i, i) C
3
.
c) = (1, 0, 1) 1
3
. d) = (1, 0, 1), (0, 1, 1), (1, 1, 2) 1
3
.
2. Seja \ um espa co vetorial sobre o corpo K. Demonstre as arma coes.
a) Se n, \ sao linearmente dependentes entao um deles e m ultiplo do outro.
b) Se e um conjunto de geradores de \ e K e um escalar nao nulo, ent ao
o conjunto = ; e tambem um conjunto de geradores.
c) Se \
1
e \
2
sao subespa cos de \ tais que \
1
\
2
= 0. Entao quaisquer
dois vetores nao nulos
1
\
1
e
2
\
2
sao linearmente independentes.
d) Se \ e linearmente independente, entao e uma base para o espa co de
suas combina coes lineares.
10 CAP

ITULO 1. ESPAC OS VETORIAIS


3. Denote por C
1
(1, 1) o espa co vetorial de todas fun coes ) : 1 1 cujas derivadas
sao contnuas. Mostre que as fun coes p
1
(t) = cos t e p
2
(t) = :cnt sao linearmente
independentes. Quais os resultados de Analise que garantem a existencia de uma
estrutra de espa co vetorial em C
1
(1, 1)?
4. Utilize desenvolvimento de Taylor para mostrar que = (t 1)
n

n0
e uma base
do espa co dos polinomios K[t].
1.4 Teorema da troca de Stainitz
Neste ponto, a Teoria de espa cos vetoriais bifurca-se em duas linhas de estudos: se
o espa co admite ou n ao admite um conjunto nito de geradores. Nos restringire-
mos ao exame do primeiro caso, isto e, aos chamados espacos vetoriais de di-
mens ao nita. Espa cos vetoriais de dimens ao innita merecem um estudo em sep-
arado pois, em geral, os espa cos mais interessantes s ao aqueles que tambem est ao
equipados com uma estrutura topol ogica. Para iniciarmos o estudo e conveniente
introduzir terminologia apropriada.
Uma sequencia nita num espa co vetorial \ e uma aplica c ao : : 1, 2, ..., n
\ . Como e usual, escreveremos
i
para designar o termo :(i) e indicaremos a
sequencia por : = (
1
,
2
, ...,
n
). N ao devemos confundir a sequencia com o con-
junto formado pelos vetores na imagem de :. Observe que quando uma sequencia
de n vetores tem repeti c oes o conjunto imagem da sequencia possui um n umero
menor de vetores.
Seja \ um conjunto nito com n elementos, n 0. Ordenar o conjunto
e escolher uma fun c ao injetiva (e sobrejetiva) : : 1, 2, ..., n . Nesse caso
o conjunto imagem de : tem n elementos. Feito isto, indicamos o conjunto por
=
1
,
2
, ...,
n
chamando-o de conjunto ordenado.
Seja
i

k
i=1
uma famlia de subconjuntos nitos de \ dois a dois disjuntos.
Uma uni ao ordenada desses conjuntos e um conjunto ordenado construdo do
seguinte modo: primeiro ordenamos os elementos de
1
, em seguida ordenamos os
elementos de
1

2
, respeitando-se a ordem de
1
, depois ordenamos
1

2

3
respeitando-se a ordem de
1

2
, etc.. Denotaremos uma uni ao ordenada por
=


i
.
Quando os conjuntos j a est ao ordenados a uni ao ordenada e construda com
os mesmos procedimentos e respeitando-se a ordem de cada
i
. Demonstraremos
uma propriedade de um conjunto linearmente dependente que ser a utilizada no
estudo de geradores de um espa co vetorial.
Lema 1.4.1 Suponha que =
1
,
2
, ...,
n
e um conjunto ordenado de vetores
n ao nulos do espa co vetorial \ . As seguintes armac oes s ao equivalentes.
1.4. TEOREMA DA TROCA DE STAINITZ 11
a) O conjunto e linearmente dependente.
b) Existe um vetor
i
que e uma combinac ao linear dos vetores
1
,
2
, ...,
i1
.
Demonstra cao o) /) Como os vetores
1
,
2
, ...,
n
s ao n ao nulos e linear-
mente dependentes, existe um menor inteiro i, 2 i n, tal que
1
,
2
, ...,
i
s ao
linearmente dependentes. Considere escalares n ao todos nulos r
1
, r
2
, ..., r
i
K
satisfazendo a equa c ao o = r
1

1
+ r
2

2
+ + r
i

i
. Necessariamente teremos o
coeciente r
i
,= 0, caso contr ario os i 1 primeiros elementos seriam linearmente
dependentes contrariando a deni c ao de i. Sendo assim, temos

i
=
x
1
x
i

1
+ +
x
i1
x
i

i1
,
conclundo a demonstra c ao da implica c ao.
/) o). Se algum vetor
i
e uma combina c ao linear dos i1 primeiros vetores,
isto e,
i
= r
1

1
+ +r
i1

i1
, obrigatoriamente existe algum coeciente r
j
,= 0
com 1 , i 1, caso contr ario
i
= o, contrariando a hip otese de n ao
conter o vetor nulo. Isto implica que o subconjunto
1
, ...,
i
e linearmente
dependente e por conseguinte concluimos que e linearmente dependente. 2
O pr oximo resultado sobre espa cos vetoriais admitindo um conjunto nito de
geradores compara numerica e conceitualmente as no c oes de conjunto linearmente
independente, base e conjunto de geradores. Utilizaremos o smbolo ; para indicar
o n umero cardinal de um conjunto.
Teorema 1.4.1 (Teorema da troca de Steinitz) Seja \ um espaco vetorial
n ao trivial sobre o corpo K. Suponha que \ e um conjunto linearmente
independente e que \ e um conjunto nito de geradores. Ent ao existe um
subconjunto tal que a uni ao = e uma base de \ . Alem disto valem
as desigualdades ; ; ;.
Demonstra cao A demonstra c ao ser a feita em duas etapas. Sem perda de gener-
alidade podemos assumir que o conjunto de geradores n ao contem o vetor nulo
pois se o teorema e verdadeiro para o conjunto de geradores
0
obtido por
supress ao do vetor nulo, ele e tambem verdadeiro para .
Antes de tudo ordenemos o conjunto de geradores =
1
,
2
, ...,
n
. Por
clareza vamos supor que contenha pelo menos um elemento, caso ele seja vazio
iremos diretamente `a Segunda etapa da demonstra c ao.
Primeira etapa. Escolhido um elementos n
1
considere a uni ao ordenada

1
= n
1


1
,
2
, ...,
n
.
12 CAP

ITULO 1. ESPAC OS VETORIAIS


O conjunto
1
e um conjunto de geradores pois contem e e tambem linearmente
dependente desde que n
1
e uma combina c ao linear de outros vetores com coe-
cientes n ao todos nulos. Seja n o primeiro vetor de
1
que e uma combina c ao
linear de seus antecessores.

E evidente que n n ao pode ser n
1
, logo n =
j
1
para
algum ,
1
. O conjunto

1
= n
1


1
,
2
, ...,
j
1
, ...
n

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


mos esta arma c ao. Um vetor \ e uma combina c ao linear de
1
,
2
, ...,
n
.
Como
j
1
e uma combina c ao de n
1
,
1
,
2
, ...,
j
1
1
, a substitui c ao de
j
1
na com-
bina c ao linear anterior por esta ultima expressa como uma combina c ao linear
dos vetores de
1
, mostrando a arma c ao.
Suponhamos que exista um outro elemento n
2
. Considere o conjunto
ordenado

2
= n
1
, n
2


1
,
2
, ...,
j
1
, ...
n
.
Por um lado, como
2
contem o conjunto de geradores
1
ele e tambem um con-
junto de geradores e, por outro lado,
2
e linearmente dependente pois n
2
e uma
combina c ao linear dos outros vetores do conjunto. Novamente, seja n o primeiro
vetor de
2
que e uma combina c ao linear dos seus antecessores. Como n
1
, n
2
e
linearmente independente podemos armar que n =
j
2
. Para aliviar a nota c ao
vamos assumir que ,
1
< ,
2
embora esta exigencia n ao tenha import ancia alguma
na demonstra c ao. Examinemos o conjunto ordenado

2
= n
1
, n
2


1
,
2
, ...,
j
1
, ...,
j
2
, ...,
n
.
Pela repeti c ao do argumento anterior sobre combina c oes lineares, mostramos que

2
e um conjunto de geradores.
Note que o processo garante que os vetores de n ao ser ao suprimidos antes
que todos os vetores de estejam na lista, pois supor que ; ; = n implica
num absurdo, isto e, implica que existe um vetor n
n+1
que e uma combina c ao
linear dos vetores de
n
= n
1
, n
2
, ..., n
n
contrariando a hip otese de independencia
linear de . Portanto, : = ; ; e na :-esima etapa temos

m
= n
1
, ..., n
m


1
, ...,
j
1
, ...,
j
2
, ...,
j
m
, ...,
n
.
Por constru c ao
m
e um conjunto de geradores e se for linearmente independente
a demonstra c ao est a terminada, basta considerar
= onde =
1
, ...,
j
1
, ...,
j
2
, ...,
j
m
, ...,
n
.
Segunda etapa. Suponhamos que j a acrescentamos todos os elementos de e que

m
e linearmente dependente. Seja n o primeiro vetor de
m
que e uma combina c ao
linear dos antecessores. Pelos mesmos argumentos utilizados concluimos que n =
1.5. DIMENS

AO 13

j
m+1
. Eliminando este vetor obtemos o conjunto ordenado

m+1
= n
1
, ..., n
m


1
, ...,
j
1
, ...,
j
2
, ...,
j
m+1
, ...,
n

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


elementos de enquanto tivermos um conjunto linearmente dependente. Sendo o
n umero de etapas nito em algum momento obteremos um conjunto de geradores
linearmente independente contendo todos os elementos de . A menos de uma
contagem de n umeros de elementos dos conjuntos envolvidos a demonstra c ao est a
completa. 2
Fixaremos uma ideia que est a implcita no Teorema da troca. Diz-se que um
conjunto \ pode ser estendido a uma base de \ , se existe uma base \
contendo .
1.5 Dimensao
Nesta se c ao estudaremos espa cos vetoriais que admitem um conjunto nito de
geradores, chamados mais apropriadamente de espa cos vetoriais de dimensao nita.
Como veremos na sequencia, o Teorema da troca permite que associemos a cada
um deles um inteiro positivo chamado de dimens ao do espa co.
Deni cao 1.5.1 Um espaco vetorial \ sobre o corpo K e de dimens ao nita se
\ admite uma base com um n umero nito de vetores.
Um espa co vetorial trivial n ao admite uma base, portanto n ao satisfaz as
condi c oes exigidas na deni c ao. Ressaltamos que num enunciado no qual est a
explicitado a express ao dimens ao nita os espa cos vetoriais triviais estar ao ex-
cludos das hip oteses. Feita esta ressalva passemos ` as consequencias do Teorema
da troca.
Corolario 1.5.1 Todas as bases de um espaco vetorial de dimens ao nita \ tem
o mesmo n umero de vetores.
Demonstra cao Por deni c ao, existe pelo menos uma base nita
1
de \ . Consi-
deremos uma outra base
2
. Como
1
e um conjunto de geradores e
2
e linear-
mente independente, segue do Teorema da troca que ;
2
;
1
, signicando que

2
e nito. Com o mesmo argumento segue que ;
1
;
2
. 2
Deni cao 1.5.2 A dimens ao de um espaco vetorial de dimens ao nita \ e o
n umero de elementos de uma de suas bases.
14 CAP

ITULO 1. ESPAC OS VETORIAIS


O Corol ario anterior garante que a dimens ao de \ est a bem denida. Indi-
caremos por dim \ a dimens ao de um espa co vetorial de dimens ao nita. Se \ e
trivial eventualmente ser a conveniente indicar o escalar zero por dim \ .
Exemplo 1.5.1 1) O produto cartesiano K
n
tem dimens ao n desde que a base
can onica = c
1
, c
2
, ..., c
n
K
n
possui n elementos.
2) O espa co das matrizes : n com entradas no corpo K tem dimens ao :n
pois o conjunto = 1
1
1
, ..., 1
j
i
, ..., 1
n
m
`(:n, K) e uma base. Nesta nota c ao
1
j
i
e a matriz cuja entrada i, e igual a 1 e todas as outras entradas s ao iguais a
zero. Chamaremos de base can onica de `(:n, K). 2
Exerccio 1.5.1 Utilize o Teorema da troca para demonstrar as seguintes arma c oes
sobre um subconjunto de um espa co vetorial \ de dimens ao nita.
a) Se ; dim \ ent ao e um conjunto linearmente dependente.
b) Se ; < dim \ ent ao n ao e um conjunto de geradores.
c) Se ; = dim \ e e linearmente independente ent ao e uma base de \ .
d) Se ; = dim \ e e um conjunto de geradores ent ao e uma base de \ . 2
Como outra aplica c ao do Teorema da troca examinaremos a rela c ao entre a
dimensao de \ e a dimens ao de seus subespa cos.
Corolario 1.5.2 Seja \ um subespaco n ao trivial de um espaco vetorial de di-
mens ao nita \ . Ent ao \ tem dimens ao nita e dim \ dim \ . Mais ainda,
dim \ = dim \ se, e somente se, \ = \ .
Demonstra cao Denote por a classe formada por todos os subconjuntos de \
que s ao linearmente independentes. Como \ e um subespa co n ao trivial, e possvel
escolher um vetor n ao nulo
0
\ e formar o conjunto linearmente independente
=
0
\. Isso mostra que a classe n ao e constituda apenas pelo conjunto
vazio. Observe que um conjunto \ que e linearmente independente em \ e
linearmente independente em \ . Pelo Teorema da troca, deve ter no m aximo
n elementos em que n = dim \ . Escolhido
0
um conjunto com o m aximo
n umero de vetores, mostremos que ele e uma base de \. Por deni c ao de base,
s o precisamos vericar que
0
e um conjunto de geradores. Seja \
0
o espa co das
combina c oes lineares de
0
.

E claro que \
0
\. Por absurdo, vamos supor que
\
0
_ \. Sendo assim, podemos escolher um vetor n ao nulo
0
\ com
0
, \
0
1.5. DIMENS

AO 15
e contruir o conjunto linearmente independente
0

0
. Isso contraria a
maximalidade de
0
, logo,
0
e uma base de \ com no m aximo n elementos,
demostrando a desigualdade dim \ dim \ . Deixaremos aos cuidados do leitor
mostrar que dim \ = dim \ se, e somente se, \ = \ . 2
Exerccios propostos 1.5.1
1. Para cada item encontre uma base para o espa co das combina coes lineares de e
estenda-a a uma base do espa co
a) = (1, 0, 1), (0, 1, 1) 1
3
. b) = (1, 0, 1), (2, 1, 3), (0, 1, 1) 1
3
.
c) = (1, 1, 1), (i, i, i) C
3
. d) = (1, 0, 1), (0, 1, 1), (1, 1, 2) 1
3
.
2. Calcule as dimensoes dos subespa cos complexos e de uma base para cada um.
a) \ = (r
1
, r
2
, r
2
) C
3
; r
1
r
2
= 0.
b) \ = (r
1
, r
2
, r
2
) C
3
; r
1
r
2
= 0, r
2
r
3
= 0

.
c) \ = o(1, 0, 1) +/(0, 1, 1) +c(1, 1, 0); o, /, c C.
3. Mostre as arma coes abaixo sobre um espa co vetorial \ de dimensao nita.
a) Qualquer vetor nao nulo de \ e elemento de alguma base.
b) Se \ e um conjunto nito de geradores, entao existe uma base .
c) Se \ pode ser estendido a uma base entao e linearmente independente.
d) Se \ e linearmente independente, entao esta contido numa base.
4. Denimos a soma dos subespacos \
1
, \
2
, ..., \
k
de um espa co vetorial \ como sendo
o subconjunto \
1
+\
2
+ +\
k
=
1
+
2
+ +
k
;
i
\
i
.
a) Demonstre que a soma de subespa cos e um subespa co.
b) Utilize o Teorema da troca para provar que se \ tem dimensao nita ent ao
dim(\
1
+\
2
+ +\
k
) dim \
1
+ dim \
2
+ + dim \
k
.
5. Seja \ um espa co vetorial sobre o corpo K. Denimos a diagonal do produto carte-
siano \ \ \ como sendo o conjunto = (, , ..., ), \ .
a) Prove que a diagonal do produto cartesiano e um subespa co.
b) Se \ tem dimensao n, qual a dimensao de ?
6. Equipando um conjunto com uma estrutura de espa co vetorial, a dimensao do novo
espa co depende do corpo considerado. Por exemplo, mostre que com as opera c oes
algebricas usuais C
2
tem dimensao dois sobre C e tem dimensao quatro sobre 1.
7. O corpo dos n umeros reais e um espa co vetorial de dimensao um sobre ele mesmo!
Quantos subespa cos proprios de 1 existem?
16 CAP

ITULO 1. ESPAC OS VETORIAIS


8. Todos os vetores de um subespa co proprio \ _ 1
2
sao m ultiplos de um mesmo
vetor. Demonstre este fato.
9. Sejam \ um subespa co proprio nao trivial de um espa co vetorial de dimens ao nita
\ e \ uma base de \. Prove que pode ser estendido a uma base de \ e que
os vetores acrescentados nao pertencem ao subespa co \.
10. O espa co dos polinomios K[t] nao tem dimensao nita! Caso esta arma cao seja
verdadeira, demonstre-a.
11. Dois subespa cos \
1
e \
2
de um espa co vetorial \ sao transversais quando \ =
\
1
+ \
2
. Quando \ tem dimensao nita e \
1
e \
2
sao transversais, vale a
igualdade dim \
1
+ dim \
2
= dim \ + dim \
1
\
2
?
12. Considere o espa co das matrizes quadradas `(n, K). Responda as seguintes per-
guntas justicando as respostas.
a) Existe uma base de `(n, K) formada so por elementos nao invertveis?
b) Existe uma base de `(n, K) formada so por elementos invertveis?
13. Prove que um espa co vetorial de dimensao nita \ nao e uma uniao nita de sube-
spa cos proprios.
14. Mostre que se \ e um espa co vetorial de dimensao n e \ \ e um subespa co de
dimensao /, entao o espa co quociente \,\ tem dimensao n /.
1.6 Coordenadas de um vetor
Dada uma base de um espa co vetorial \ de dimens ao n, ser a sempre vantajoso
ordena-la e escolhida uma ordem, ser a chamada de base ordenada. Com isso,
podemos falar em i -esimo elemento da base ou em i-esima coordenada do vetor rel-
ativo `a , terminologia que passaremos a explicar. Digamos que =
1
,
2
, ...
n
.
Como sabemos, dado um vetor \ existem escalares r
1
, r
2
, ..., r
n
K tais
que = r
1

1
+ r
2

2
+ + r
n

n
. Um fato importante e a unicidade dos coe-
cientes desta combina c ao linear. Suponha que expressemos o mesmo vetor como
= j
1

1
+j
2

2
+ +j
n

n
. Por subtra c ao das duas combina c oes lineares obtemos
0 = (r
1
j
1
)
1
+ (r
2
j
2
)
2
+ + (r
n
j
n
)
n
.
A independencia linear da base implica nas igualdades r
1
= j
2
, r
2
= j
2
,. . .,r
n
=
j
n
. Devido a esta propriedade diremos que os unicos escalares r
1
, r
2
, ..., r
n
K
tais que = r
1

1
+ r
2

2
+ + r
n

n
s ao as coordenadas do vetor na base
ordenada =
1
,
2
, ...
n
. Por motivos que ser ao explicitados nas pr oximas
se c oes e conveniente organizar a sequencia de escalares numa matriz, a saber,
1.6. COORDENADAS DE UM VETOR 17
[]

=
_

_
r
1
r
2
.
.
.
r
n
_

_
e referir-se `a []

como sendo a matriz das coordenadas do vetor na base ordenada


. Observe que a matriz depende da base e da ordem da base.
Exemplo 1.6.1 1) O vetor = (r
1
, r
2
, ..., r
3
) K
n
e escrito na base can onica
= c
1
, c
2
, ..., c
n
como = r
1
c
1
+ r
2
c
2
+ + r
n
c
n
. Pordeni c ao, a matriz de
na base ordenada e a matriz n 1
[]

=
_

_
r
1
r
2
.
.
.
r
n
_

_
.
2) O conjunto ordenado = n
1
, n
2
em que n
1
= (1, 1) e n
2
= (3, 2) e uma
base ordenada do 1
2
. Como o vetor = (2, 8) e expresso epla combina c ao linear
= 4(1, 1) + 2(3, 2), a matriz das coordenadas de na base ordenada e
[]

=
_
4
2
_
.
Se trocarmos a ordem da base , a matriz de na nova base ordenada ser a uma
matriz obtida por permuta c ao das estradas da matriz []

. 2
Tomamos conhecimento de v arios espa cos vetoriais que possuem uma base e no
desdobramento do texto tomaremos conhecimento de outros exemplos. Portanto
podemos desenvolver a teoria sem o risco de estarmos falando do vazio, trabalhando
com objetos que n ao existem. Nossa situa c ao e mais confort avel, todo espa co
vetorial n ao trivial admite uma base. A demonstra c ao deste resultado pode ser
vistas em S. Lang [10].
Exerccios propostos 1.6.1
1. De as matrizes das coordenadas dos vetores = (1 2, 2) e c
2
= (0, 1, 0) 1
3
a) na base canonica 1
3
;
b) na base = (1, 0, 0), (1, 1, 0), (1, 1, 1) 1
3
;
c) na base = (3, 4, 4), (8, 7, 8), (10, 10, 11) 1
3
.
2. Assuma que =
1
,
2
, ...,
n
\ e um conjunto de geradores linearmente de-
pendente que nao contem o vetor nulo. Exiba o vetor nulo como duas combina c oes
lineares distintas.
18 CAP

ITULO 1. ESPAC OS VETORIAIS


1.7 Soma direta
Denimos a soma dos subespacos \
1
, \
2
, ..., \
k
de um espa co vetorial \ por
\
1
+\
2
+ +\
k
=
1
+
2
+ +
k
;
i
\
i
.
A soma de subespa cos e um subespa co contendo cada \
i
e no caso de cada um
deles ser de dimensao nita, segue do Teorema da troca a desigualdade
dim(\
1
+\
2
+ +\
k
) dim \
1
+ dim \
2
+ + dim \
k
.
Diremos que a soma \ = \
1
+ \
2
+ + \
k
e uma soma direta quando cada
vetor \ e expresso de modo unico como n =
1
+
2
+ +
k
com
i
\
i
.
Indicaremos uma soma direta por \ = \
1
\
2
\
k
.
Exemplo 1.7.1 1) Para construir uma soma direta para um espa co vetorial de
dimensao nita \ na qual um dado subespa co \
1
e uma das parcelas, \ = \
1
\
2
,
e suciente escolher uma base ordenada
1
=
1
, ...,
k
de \
1
, estende-la ` a uma
base ordenada =
1
, ...,
k
,
k+1
, ...,
n
de \ e considerar o subespa co \
2
gerado
pelos n / ultimos vetores de . Desde que um vetor \ e expresso por
= (r
1

1
+ +r
k

k
) + (r
k+1

k+1
+ +r
n

n
),
conclumos que \ = \
1
+\
2
. A soma direta segue da unicidade da express ao.
2) Outras decomposi c oes em soma direta podem ser construdas a partir da
base ordenada \ . Por exemplo, \ = \
1
\
n
, em que \
i
e o subespa co
unidimensional gerado pelo vetor
i
.
3) Observamos que 1
3
= \
1
+ \
2
, em que \
1
= (r
1
, r
2
, r
3
); r
2
= 0 e \
2
=
(r
1
, r
2
, r
3
); r
3
= 0 pois qualquer vetor (r
1
, r
2
, r
3
) 1
3
e uma combina c ao
linear da forma (r
1
, r
2
, r
3
) = (r
1
, 0, r
3
) +(0, r
2
, 0) com o primeiro vetor em \
1
e o
segundo vetor em \
2
. Entretanto, a soma n ao e direta pois o mesmo vetor tambem
e expresso por (r
1
, r
2
, r
3
) = (0, 0, r
3
) +(r
1
, r
2
, 0) com o primeiro vetor em \
1
e o
segundo vetor em \
2
. 2
Existem varios criterios para detetar quando uma soma de subespa cos e uma
soma direta. A utiliza c ao de um ou outro e mais ou menos conveniente dependendo
da circunstancia.
Proposi cao 1.7.1 Sejam \
1
, \
2
..., \
k
, / 2, subespacos de um espaco vetorial
de dimens ao nita \ tais que \ = \
1
+ + \
k
. As seguintes armac oes s ao
equivalentes.
a) \ = \
1
\
2
\
k
.
1.7. SOMA DIRETA 19
b) \
i
\
1
+ +\
i1
= o para todo 2 i /.
c) Se
i
e uma base de \
i
, 1 i /, ent ao a uni ao =
i
e uma base de \ .
d) dim \ = dim \
1
+ dim \
2
+ + dim \
k
.
Demonstra cao o) /) Um vetor v na interse c ao \
i
\
1
+ +\
i1
pode ser
expresso por duas combina c oes lineares
=
1
+ +
i1
,
= o + + o +
..
V
i
+ + o.
Por unicidade da express ao segue que
1
= =
i1
= o, implicando que = o.
/) c) Seja
i
=
i1
,
i2
, ...,
ik
i
uma base ordenada de \
i
.

E claro que a
uni ao ordenada =


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




i
0
. Note que o fato de
1
ser
uma base de \
1
, garante que i
0
2. Pela escolha feita, e possvel expressar uma
combina c ao linear para
i
0
j
0
na forma

i
0
j
0
=
j
0
1

n=1
o
i
0
n

i
0
n
. .
V
i
0
+
i
0
1

j=1
k
j

n=1
o
jn

jn
. .
V
i
0
1
.
Isto signica que o vetor \ ,
=
i
0
j
0

j
0
1

n=1
o
i
0
n

i
0
n
. .
V
i
0
=
k
1

n=1
o
1n

1n
. .
V
1
+
k
2

n=1
o
2n

2n
. .
V
2
+ +
k
i
0
1

n=1
o
i
0
1,n

i
0
1,n
. .
V
i
0
1
,
pertence `a interse c ao \
i
0
\
1
+ +\
i
0
1
= o, de onde conclumos que

i
0
j
0
=
j
0
1

n=1
o
i
0
n

i
0
n
.
Logo, existe um vetor n ao nulo na base
i
0
=
i
0
1
,
i
0
2
, ...,
i
0
k
i
0
que e uma
combina c ao linear dos outros vetores desta base, evidentemente uma contradi c ao.
Da segue que e linearmente independente, como desej avamos demonstrar.
20 CAP

ITULO 1. ESPAC OS VETORIAIS


c) d) Seja
i
uma base de \
i
. Por hip otese a uni ao =
i
e uma base de
\ , garantindo que
i

j
= para i ,= ,. Como os conjuntos s ao dois a dois
disjuntos, contando os elementos da uni ao temos
dim \ = ; =
k

i=1
;
i
=
k

i=1
dim \
i
.
d) o) Se
i
e uma base de \
i
.

E claro que a uni ao =
i
e um conjunto
de geradores de \ = \
1
+ \
2
+ + \
k
, Pelo Teorema da troca sabemos que
; dim \ . Pela hip otese segue a desigualdade
dim \ =
k

i=1
dim \
i
=
k

i=1
;
i
;.
Potanto, ; = dim \ . Sendo um conjunto de geradores com a cardinalidade
igual a dimensao de \ , garantimos que e uma base de \ . Finalmente, como
cada vetor \ e expresso de maneira unica na forma
=

n1
o
1n

1n
. .
V
1
+

n1
o
2n

2n
. .
V
2
+ +

n1
o
kn

kn
. .
V
k
,
obtemos a decomposi c ao em soma direta \ = \
1
\
2
\
k
. 2
Exerccios propostos 1.7.1
1. Verique que 1
3
= \
1
+\
2
e determine quais das somas sao soma direta.
a) \
1
= (r
1
, r
2
, r
3
); r
1
+r
2
+r
3
= 0 e \
2
= (r
1
, r
2
, r
3
); r
1
= r
2
.
b) \
1
= (r
1
, r
2
, r
3
); r
1
+r
2
= 0 e \
2
= (r
1
, r
2
, r
3
); r
1
= r
2
e r
1
= r
3
.
2. Sejam \
1
e \
2
subespa cos do espa co vetorial de dimensao nita \ .
a) Demonstre ou de contra-exemplo para a arma cao: se existem bases
1
e
2
de \
1
e \
2
, respectivamente, tais que =
1

2
e uma base de \ , ent ao
\ = \
1
\
2
.
b) Mostre que se \ = \
1
+\
2
e \
1
\
2
= 0, entao \ = \
1
\
2
.
c) Assuma que \ = \
1
\
2
. Prove que em cada classe do espa co quociente
\,\
2
pode ser representado por um unico vetor de \
1
.
3. Sejam \
1
, \
2
, ..., \
k
subespa cos do espa co vetorial de dimensao nita \ tais que
\ = \
1
\
2
\
k
.
1.7. SOMA DIRETA 21
a) Prove ou de contra-exemplo para a arma cao: se \ \ e um subespa co
entao \ = (\
1
\) (\
2
\) (\
k
\).
b) Mostre que \
1
\
i
= o, para todo 2 i /. A recproca e verdadeira?
4. Demonstre que `(n, K), o espa co das matrizes quadradas n n, decompoe-se em
uma soma direta `(n, K) = o /, na qual a primeira parcela e o subespa co das
matrizes simetricas e a outra parcela e o subespa co das matrizes anti-simetricas.
Calcule a dimensao de cada parcela.
5. Demonstre que C
0
(1, 1), o espa co das fun coes contnuas da reta para a reta, de-
comp oe-se em uma soma direta na qual uma das parcelas e o subespa co das func oes
pares e a outra parcela e o subespa co das func oes mpares.
6. Assuma que um espa co vetorial de dimensao nita \ decompoe-se em \ = \
1
\
2
e \ = l
1
l
2
. Mostre que se \
i
l
i
entao \
1
= l
1
e \
2
= l
2
.
7. Sejam \
1
, \
2
, ..., \
r
subespa cos proprios de um espa co vetorial \ de dimesao n.
Suponha que di:\
i
= / < n para todo i = 1, 2, .., :. Prove que existe um subespa co
\ de dimensao n / tal que \ = \ \
i
para qualquer i.
Captulo 2
Transformacoes lineares
Apresentaremos nesse captulo o conceito de transforma c ao linear, o outro objeto
principal de nosso estudo. Recordamos que os unicos corpos aqui considerados
s ao os corpos dos n umeros reais e o dos complexos. Os resultados e deni c oes das
duas primeiras se c oes desse captulo s ao v alidos para espa cos vetoriais de dimens ao
nita ou n ao.
2.1 Transformacoes lineares
Chamaremos de transformac ao linear a uma aplica c ao : \ \, em que \ e
\ s ao espa cos vetoriais sobre o mesmo corpo K, possuindo as propriedades:
_
_
_
tl 1) () = (),
tl 2) ( +n) = () +(n),
para quaisquer vetores , n \ e qualquer escalar K. Ao longo deste texto
utilizaremos o termo aplica c ao como sin onimo de fun c ao e car a subentendido
que ao dizermos que e uma transforma c ao de \ em \ estaremos sempre supondo
que os espa cos vetoriais est aodenidos sobre o mesmo corpo, isto evitar a repeti c oes
enfadonhas.
Uma transforma c ao linear possui duas propriedades b asicas, a saber, (o) = o
e () = () qualquer que seja \ . Para demonstr a-las basta considerar
= 0 na propriedade tl.1 e n = na propriedade tl.2. Finalmente, uma trans-
forma c ao linear : \ \ e tambem chamada de operador linear. Apresentemos
exemplos para ilustrar o conceito.
Exemplo 2.1.1 1) A aplica c ao 1d
V
: \ \ , 1d() = , chamada de aplica c ao
identidade, e uma transforma c ao linear do espa co vetorial \ em \ . Chamaremos
22
2.1. TRANSFORMAC

OES LINEARES 23
de transforma c ao linear identicamente nula de \ em \ a aplica c ao () = 0 para
todo \ .
2) N ao e difcil vericar que a aplica c ao : C
2
C
2
, (r
1
, r
2
) = (r
1
, 3r
2
),
e um operador linear, isto e feito com os seguintes c alculos que s ao procedimentos
padr oes. Considere dois vetores = (r
1
, r
2
) e n = (j
1
, j
2
) em C
2
e um escalar
C. Calculemos
( +n) = (r
1
+j
1
, r
2
+j
2
)
= (r
1
j
1
, 3r
2
+ 3j
2
)
= (r
1
, 3r
2
) + (j
1
, 3j
2
)
= () +(n),
() = (r
1
, r
2
)
= (r
1
, 3r
2
)
= (r
1
, 3r
2
)
= (r
1
, r
2
).
3) A aplica c ao : 1
2
1
3
, (r
1
, r
2
) = (r
1
+ r
2
, r
2
, r
1
+ r
2
), e uma trans-
forma c ao linear. Verique!
4) Fixado
0
K, um escalar do corpo sobre o qual o espa co vetorial \ est a
denido, a aplica c ao : \ \ , () =
0
, e um operador linear chamado de
homotetia.
5) Suponha que seja dada uma decomposi c ao do espa co vetorial \ em uma
soma direta, digamos \ = \
1
\
2
\
k
. A projec ao sobre \
i
ao longo das
outras parcelas e a aplica c ao

i
: \ \,
i
() =
i
,
em que =
1
+
2
+ +
k
e a decomposi c ao do vetor determinada pela soma
direta. A aplica c ao e uma transforma c ao linear.
6) A derivada usual de uma fun c ao diferenci avel induz um operador linear no
espa co dos polin omios 1 : K[t] K[t], 1(j)(t) = j

(t). 2
A cada transforma c ao linear : \ \ podemos associar dois conjuntos,
1: = () \; \ ,
nc = \ ; () = o.
O primeiro conjunto e chamado de imagem da transforma c ao linear e o segundo
de n ucleo.
Exerccio 2.1.1 1) Prove que o n ucleo e a imagem de uma transforma c ao linear
s ao subespa cos do domnio e do contradomnio, respectivamente.
2) Demonstre a equivalencia: : \ \ e uma transforma c ao linear se, e
somente se, ( +n) = () +(n) para quaisquer , n \ e K. 2
24 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
Registremos numa proposi c ao dois fatos simples mas de bastante utilidade.
Proposi cao 2.1.1 Seja : \ \ uma transformac ao.
a) e injetiva nc = o.
b) e sobrejetiva 1: = \.
Demonstra cao o) Suponha que e injetiva. Como (o) = o, somente o vetor
nulo, e nenhum outro vetor, pode assumir o valor o \, mostrando que nc =
o. Vamos supor que nc = o. Sejam, n \ vetores tais que () = (n).
Por linearidade obtemos ( n) = o. Como o n ucleo e trivial concluimos que
n = o, isto e, = n, mostrando a injetividade. A demonstra c ao do item /) e
trivial. 2
Exerccios propostos 2.1.1
1. Verique quais das aplica coes sao transforma coes lineares.
a) : 1
2
1
2
, (r, j) = (rj, j).
b) : 1
3
1
2
, (r, j, .) = 3(r j, r + 2j +.).
c) : C
2
C
2
, (., n) = (i . +n, . 3n).
d) : C
3
C
2
, (n, ., n) = (n 3., n + 2. 3n).
2. Calcule uma base do n ucleo e uma base da imagem para cada uma das trans-
forma c oes lineares encontradas no item anterior.
3. Determine escalares a, b, c, d tais que o operador linear : 1
2
1
2
, (r, j) =
(or + /j, cr + dj), tenha como imagem o subespa co \
1
= (r, j) 1
2
; r = j e
como n ucleo o subespa co \
2
= (r, j) 1
2
; 2r = j.
4. Seja : \ \ uma transforma cao linear. Demonstre as seguintes arma c oes.
a) A imagem por de um subespa co de \ e um subespa co de \.
b) Suponha que \
1
\ e o espa co das combina coes lineares de \ . Ent ao
o conjunto (\
1
) = (); \
1
e o espa co das combina coes lineares de
() = (), .
c) Se \
1
\ e um subespa co entao o conjunto
1
(\
1
) = \ ; () \
1

e um subespa co de \ .
5. Assuma que \ e um espa co vetorial sobre K. Mostre que toda transforma c ao linear
: K \ e da forma (r) = r
0
, para algum
0
\ .
6. Escolhidos dois vetores
1
,
2
\ dena a aplica cao : K
2
\ , (r
1
, r
2
) =
r
1

1
+r
2

2
.
2.1. TRANSFORMAC

OES LINEARES 25
a) Verique que e uma transforma cao linear.
b) Demonstre que n e sao linearmente independente a aplica cao e injetiva.
c) Suponha que n e sao linearmente dependentes. De uma base para o n ucleo.
7. Considere a aplica cao : `(2 1, K) `(3 1, K),
() = 1
0
, em que [1
0
] e a matriz dada ao lado. Veri-
que que e uma transforma cao linear. e injetiva?

E
sobrejetiva?
1
0
=
_
_
2 2
1 0
0 3
_
_
.
8. Seja : 1 1 um operador linear.
a) Mostre que existe um n umero o
0
1 tal que (r) = o
0
r para todo r 1.
b) Suponha que (2) = 3 e calcule (3).
9. Dada uma transforma cao linear : 1
2
1.
a) Mostre que existem o, / 1 tais que (r
1
, r
2
) = or
1
+/r
2
.
b) Assuma que (1, 1) = 3 e (1, 1) = 2. Calcule (2, 3).
10. Prove as arma c oes abaixo utilizando o Teorema da troca.
a) Uma transforma cao linear : 1
2
1
3
nao pode ser sobrejetiva.
b) Uma transforma cao linear : 1
3
1
2
, nao pode ser injetiva.
11. Dada uma transforma cao linear : \ \ denimos o gr aco de como sendo o
conjunto p:o) () = (, ()); \ \ \.
a) Prove que p:o) () e um subespa co de \ \.
b) Calcule a dimensao de p:o) () quando dim\ = n.
12. Seja : \ \ um operador linear. Mostre que
\ = 1:nc 1: nc = o.
13. Considere \ = \
1
\
2
\
k
uma decomposi cao em soma direta do espa co
vetorial \ . Seja
i
: \ \ a proje cao sobre \
i
ao longo dos outros fatores.
Identique os espa cos 1:
i
e nc
i
.
14. Uma involuc ao em \ e um operador linear o : \ \ tal que o
2
= 1d
V
. Mostre
que para esses operadores os conjuntos
\
+
= \ ; o() = e \

= \ ; o() =
sao subespa cos e que \ = \
+
\

.
15. Seja \ um subespa co de um espa co vetorial \ . Prove que a projec ao quociente
: \ \,\, () = , e uma transforma cao linear sobrejetiva.
16. Prove: uma aplica cao : 1
m
1
n
tal que (n + ) = (n) + () para todo
n, 1
n
e uma transforma cao linear. Voce precisara do conceito de continuidade.
26 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
2.2 O espaco das transformacoes lineares
Tomaremos conhecimento agora de um novo espa co. Denotamos por L(\, \) o
conjunto de todas as transforma c oes lineares : \ \. As usuais opera c oes
de soma duas fun c oes e multiplicac ao uma fun c ao por um escalar de K, o corpo
sobre o qual as estruturas de espa cos vetoriais em \ e \ est ao denidas, induzem
no conjunto L(\, \) uma estrutura de espa co vetorial. Com efeito, sejam , 1
L(\, \) e , n \ . Calculemos
(+1)( +n) ( +n) +1( +n)
= () +(n) +1() +1(n)
= (+1)() + (+1)(n).
De modo semelhante mostramos que ( + 1)() = ( + 1)(). Isto signica
que + 1 L(\, \). Tambem sem diculdade alguma e possvel mostrar que
j L(\, \) para todo j K.

E rotina vericar que essas opera c oes satisfazem
aos axiomas da deni c ao de espa co vetorial. O vetor nulo ser a a tranforma c ao
linear identicamente nula e = ().
Exemplo 2.2.1 Dadas as transforma c oes lineares , 1 : 1
3
1
2
denidas por
(r, j, .) = (2j, . r) e 1(r, j, .) = (r ., .),
calculemos 21 : 1
3
1
2
. Pela denic ao, obtemos
(21)(r, j, .) = (2j, . r) 2(r ., .) = (2j 2r + 2., . r).
O leitor pode vericar que de fato 21 e uma transforma c ao linear. 2
Uma outra opera c ao envolvendo transforma c oes lineares e a opera c ao de com-
posic ao. Se : \ \ e C : \ Y s ao duas transforma c oes lineares podemos
construir uma outra transforma c ao linear denotada por C : \ Y e chamada
de composta de C e , denindo C () = C(()) para todo \ . Ob-
servamos que o contradomnio de deve ser o domnio de C e todos os espa cos
envolvidos est ao sobre o mesmo corpo K. De fato, a composta e tambem uma
transforma c ao linear pois se n, \ e K, as igualdades abaixo s ao justi-
cadas pelas deni c oes j a apresentadas,
C (n +) = C((n +))
= C((n) +())
= C((n)) +C(())
= C (n) +C ().
2.2. O ESPAC O DAS TRANSFORMAC

OES LINEARES 27
Exemplo 2.2.2 Considere as transforma c oes lineares 1
3
A
1
2
C
1
2
denidas
por (r
1
, r
2
, r
3
) = (r
2
, 2r
3
) e C(r
1
, r
2
) = (r
2
, r
1
r
2
). Calculemos a composta,
C (r
1
, r
2
, r
3
) = C((r
1
, r
2
, r
3
)) = C(r
2
, 2r
3
) = (2r
3
, r
2
2r
3
).
Observe o domnio e o contradomnio da composta C : 1
3
1
2
. 2
Exerccio 2.2.1 Deixaremos como exerccios as demonstra c oes de v arias pro-
priedades algebricas sobre a opera c ao de composi c ao. Prove as seguintes arma c oes.
1. C (+1) = C +C 1 para quaisquer , 1 L(\, \) e C L(\, Y ).
2. (+1) C = C +1 C para quaisquer , 1 L(\, Y ) e C L(\, \).
3. (1 C) = ( 1) C para quaisquer L(Y, 7), 1 L(\, Y ) e
C L(\, \).
4. 1d
V
= para qualquer L(\, \) em que 1d
V
e a aplica c ao identidade
de \ . Da mesma forma 1d
V
1 = 1 para qualquer 1 L(\, \ ). 2
Utilizamos a opera c ao de composi c ao para apresentar uma nova no c ao. Uma
transforma c ao linear : \ \ e invertvel se existe uma aplica c ao 1 : \ \
tal que
1 = 1d
V
L(\, \ ) e 1 = 1d
W
L(\, \).
Quando existe uma tal aplica c ao diremos 1 e a inversa de e denotaremos esta
aplica c ao inversa por
1
: \ \ . Da Teoria de conjuntos sabemos que uma
fun c ao entre dois conjuntos e invertvel se, e somente se, a fun c ao e sobrejetiva e
injetiva. Em particular, isto e v alido para transforma c oes lineares, logo podemos
armar que
Proposi cao 2.2.1 Uma transformac ao linear : \ \ e invertvel se, e so-
mente se, 1: = \ e nc = o.
Exemplo 2.2.3 1) A aplica c ao identidade de qualquer espa co e invertvel e a sua
inversa e ela pr opria.
2) A transforma c ao linear : K
2
K
2
, (r
1
, r
2
) = (r
1
r
2
, r
2
) e invertvel
e tem como aplica c ao inversa

1
: K
2
K
2
,
1
(n
1
, n
2
) = (n
1
+n
2
, n
2
).
3) Apenas uma das condi c oes exigidas na deni c ao de uma transforma c ao lin-
ear invertvel n ao e suciente para garantir a invertibilidade da transforma c ao.
28 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
Compondo as transforma c oes
: K
2
K
3
, (r
1
, r
2
) = (r
1
, r
2
, 0),
1 : K
3
K
2
, 1(n
1
, n
2
, n
3
) = (n
1
, n
2
)
obtemos 1 = 1d L(K
2
, K
2
), entretanto 1 ,= 1d L(K
3
, K
3
). 2
Proposi cao 2.2.2 Se : \ \ e invertvel, ent ao s o existe uma inversa para
e essa inversa tambem e uma transformac ao linear.
Demonstra cao Iniciemos com a prova da unicidade. Assuma que C : \ \ e
uma aplica c ao tal que
C = 1d
V
L(\, \ ) e C = 1d
W
L(\, \).
Entao
C = 1d
V
C = (
1
) C =
1
( C) =
1
1d
W
=
1
.
Vejamos a linearidade da inversa. Dados n
1
, n
2
\ e K, como e
sobrejetiva e possvel determinar dois vetores
1
,
2
\ tais que (
1
) = n
1
e
(
2
) = n
2
. Sendo assim temos

1
(n
1
+n
2
) =
1
((
1
) +(
2
))
=
1
((
1
+
2
))
=
1
+
2
=
1
(n
1
) +
1
(n
2
).
Isso termina a demonstra c ao. 2
Exerccio 2.2.2 Se : \ \ e C : \ Y s ao duas transforma c oes lineares
invertveis, prove que a composta C : \ Y e uma transforma c ao linear
invertvel e que (C )
1
=
1
C
1
. 2
Exerccio 2.2.3 Considere \ = \
1
\
2
\
k
uma decomposi c ao em soma
direta do espa co vetorial \ . Seja
i
: \ \ a proje c ao sobre \
i
ao longo das
outras parcelas. Verique as identidades funcionais,
a)
i

i

i
, b)
i

j
0 se i ,= ,, c) 1d
V

1
+
2
+ +
k
.
Reciprocamente, suponha que
i
: \ \ , i = 1, ..., /, e uma cole c ao de
transforma c oes lineares satisfazendo o), /) e c), prove que existe uma decomposi c ao
de \ em soma direta com / parcelas tais que cada
i
e a proje c ao sobre a parcela
i ao longo das outras parcelas. 2
2.2. O ESPAC O DAS TRANSFORMAC

OES LINEARES 29
Posteriormente, teremos oportunidade de utilizar a seguinte deni c ao envol-
vendo aplica c oes entre espa cos vetoriais complexos.
Deni cao 2.2.1 Diremos que uma aplicac ao : \ \ entre espacos vetoriais
complexos e uma transformac ao quase linear quando possuir as propriedades:
1. (n) = (n),
2. (n +) = (n) +(), para quaisquer n, \ e C.
Estamos indicando o conjugado complexo sobrepondo uma barra ao escalar
C. Um exemplo de transforma c ao quase linear e a aplica c ao
: C
3
C
2
, (.
1
, .
2
, .
3
) = (2.
3
, .
1
i.
2
).
Exerccios propostos 2.2.1
1. Calcule, quando possvel, a composta 1 e 1 em que e 1 sao as trans-
forma c oes lineares dadas.
a) : 1
2
1
2
, (r, j) = (2r, j r),
1 : 1
2
1
2
, 1(r, j) = (r j, j, j).
b) : 1
2
1
3
, (r, j) = (3j, j 2r, j r)
1 : 1
3
1
3
, 1(r, j, .) = (r j, j, 2r).
c) : 1
2
1
2
, (r, j) = (2r, j r)
1 : 1
2
1
2
, 1(r, j) = (r j, j).
2. Suponha que uma transforma cao linear : \ \ e injetiva. Demonstre que se
=
1
,
2
, ...,
k
\ e um conjunto linearmente independente, entao o conjunto
() = (
1
), (
2
), ..., (
k
) \ e linearmente independente.
3. Utilize-se do Teorema da troca e do exerccio anterior para mostrar que uma trans-
forma c ao linear : 1
m
1
n
, com : ,= n, nao pode ser invertvel.
4. Suponha que o operador linear : \ \ tenha uma inversa `a esquerda, isto e,
suponha que exista 1 L(\, \ ) tal que 1 1d. Prove que e invertvel.
5. Assuma que =
1
,
2
e uma base de \ . Dena a aplica cao : 1
2
\ por
(r, j) = r
1
+j
2
. Prove que e invertvel.
6. Prove que o n ucleo e a imagem de uma transforma cao quase linear sao subespa cos.
7. Seja um operador linear num espa co vetorial \ de dimensao nita. Demonstre
as arma c oes abaixo.
a) \ 1: 1:
2
1:
3
.
b) o nc nc
2
nc
3

30 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
c) Existe um inteiro : 1 tal que nc
r+i
= nc
r
e 1:
r+i
= 1:
r
para
todo inteiro i 0.
d) \ = 1:
r
nc
r
2.3 Teorema do n ucleo e da imagem
Iniciaremos agora o estudo de transforma c oes lineares entre espa cos vetoriais de
dimensao nita. Antes de tudo mostraremos a existencia (e abund ancia) destas
aplica c oes. Uma propriedade relevante de uma transforma c ao linear e que ela ca
determinada conhecendo-se os valores nos vetores de uma base do seu domnio. A
demonstra c ao deste fato e construtiva e a tecnica de demonstra c ao ser a utilizada
outras vezes. Essencialmente repetiremos o seguinte procedimento. Suponha que
desejemos construir uma transforma c ao linear do 1
2
num espa co vetorial real \ .
Para isso, escolhemos dois vetores
1
,
2
\ e denimos (r
1
, r
2
) = r
1

1
+r
2

2
.
Proposi cao 2.3.1 Sejam \ e \ dois espacos vetoriais sobre o mesmo corpo
K e =
1
,
2
, ...,
n
uma base ordenada de \ . Dados vetores arbitr arios
n
1
, n
2
, ..., n
n
\, existe uma, e somente uma, transformac ao linear : \ \
tal que (
i
) = n
i
, para todo i = 1, 2, ..., n.
Demonstra cao Primeiro, demonstremos a existencia construindo a transforma c ao.
Dado um vetor \ , considere suas coordenadas na base ordenada , digamos que
estas coordenadas sejam r
1
, r
2
, ..., r
n
K. Recordamos que estas coordenadas s ao
os unicos escalares que satisfazem a combina c ao linear = r
1

1
+r
2

2
+ +r
n

n
.
Escolhidos vetores n
1
, n
2
, ..., n
n
\, a aplica c ao : \ \ denida por
(r
1

1
+r
2

2
+ +r
n

n
) = r
1
n
1
+r
2
n
2
+ +r
n
n
n
e uma transforma c ao linear. Com efeito. Se n = j
1

1
+j
2

2
+ +j
n

n
e K
entao
( +n) = ((r
1
+j
1
)
1
+ (r
2
+j
2
)
2
+ + (r
n
+j
n
)
n
)
= (r
1
+j
1
)n
1
+ (r
2
+j
2
)n
2
+ + (r
n
+j
n
)n
n
= (r
1
n
1
+r
2
n
2
+ +r
n
n
n
) +(j
1
n
1
+j
2
n
2
+ +j
n
n
n
)
= () +(n).
Isto mostra que e uma transforma c ao linear, e evidentemente, (
i
) = n
i
para
todo i = 1, ..., n, pois
i
= 0
1
+ + 1
i
+ + 0
n
. Feita a demonstra c ao
da existencia, examinemos a unicidade. Suponha que 1 : \ \ seja uma
transforma c ao linear satisfazendo a condi c ao 1(
i
) = n
i
para i = 1, ..., n. Pela
2.3. TEOREMA DO N

UCLEO E DA IMAGEM 31
deni c ao de e linearidade das aplica c oes temos as seguintes igualdades,
() = (r
1

1
+r
2

2
+ +r
n

n
)
= r
1
n
1
+r
2
n
2
+ +r
n
n
n
= r
1
1(
1
) +r
2
1(
2
) + +r
n
1(
n
)
= 1(r
1

1
+r
2

2
+ +r
n

n
)
= 1(),
para todo \. Portanto 1, concluindo a demonstra c ao da proposi c ao. 2
Para um conhecimento maior de transforma c oes lineares em espa cos vetoriais
de dimensao nita precisaremos de um resultado b asico, conhecido como Teorema
do n ucleo e da imagem, do qual decorrem v arias conclus oes importantes.
Teorema 2.3.1 (Teorema do n ucleo e da imagem) Seja : \ \ uma
transforma c ao linear. Se \ tem dimens ao nita ent ao
dim \ = dim nc + dim 1:.
A dimensao da imagem e a dimens ao do n ucleo s ao chamados de posto e nulidade
de , respectivamente.
Demonstra cao Considere uma base ordenada =
1
, ...,
k
,
k+1,
...,
n
para \
na qual os / primeiros elementos formam uma base para o n ucleo de . Iremos
mostrar que o conjunto de vetores = (
k+1
), (
k+2
), ..., (
n
) e uma base
para o subespa co 1:. Por deni c ao, dado um vetor n 1: existe um vetor
\ tal que n = (). Escrevamos o vetor como uma combina c ao linear dos
vetores da base , = r
1

1
+ r
2

2
+ + r
n

n
. Levando-se em conta que os /
primeiros vetores de pertencem ao n ucleo de , avaliemos,
n = ()
= (r
1

1
+r
2

2
+ +r
n

n
)
= r
k+1
(
k+1
) +r
k+2
(
k+2
) + +r
n
(
n
).
Da conclumos que e um conjunto de geradores para a imagem de . Consider-
emos agora a combina c ao linear o = j
k+1
(
k+1
) +j
k+2
(
k+2
) + +j
n
(
n
) .
Por linearidadede podemos reescrever esta ultima equa c ao como
o = (j
k+1

k+1
+j
k+2

k+2
+ +j
n

n
).
Isto signica que o vetor j
k+1

k+1
+j
k+2

k+2
+ +j
n

n
nc . Logo, este
ultimo vetor tambem e uma combina c ao linear dos / primeiros vetores da base
ordenada , pois tais vetores formam uma base para o n ucleo de , isto e,
32 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
j
k+1

k+1
+j
k+2

k+2
+ +j
n

n
= r
1

1
+r
2

2
+ +r
k

ou equivalentemente,
r
1

1
+r
2

2
+ +r
k

k
j
k+1

k+1
j
k+2

k+2
j
n

n
= 0.
Como e linearmente independente, todos os coecientes desta combina c ao
linear s ao nulos, em particular, j
k+1
= j
k+2
= = j
n
= 0, mostrando que o
conjunto e linearmente independente. Sendo assim,
dim\ = n = / + (n /) = dimnc + dim 1:. 2
Exerccio 2.3.1 Seja : \ \ e uma transforma c ao linear sobrejetiva. Prove
que se \ tem dimens ao nita ent ao \ tem dimens ao nita e dim\ dim\ . 2
Exerccios propostos 2.3.1
1. Construa uma transforma cao linear : 1
3
1
n
satisfazendo as condi coes (c
i
) =
n
i
, em que = c
1
, c
2
, c
3
e a base canonica do 1
3
e = n
1
, n
2
, n
3
1
n
.
a) = (1, 1), (1, 1), (2, 1) 1
2
.
b) = (2, 3, 1), (0, 1, 0), (1, 1, 4) 1
3
.
c) = (1, 1, 0, 1), (0, 1, 0, 1), (1, 2, 0, 2) 1
4
.
2. Encontre uma base para o n ucleo e uma base para a imagem para cada uma das
transforma c oes lineares do exerccio anterior e diga qual o posto e a nulidade.
3. Determine uma base para o n ucleo e uma base para a imagem das transforma c oes.
a) : 1
3
1
3
, (r, j, .) = (6r +j 3., . j, 2r .).
b) : 1
2
1
3
, (r, j) = (r +j, 2r j, j 2r).
c) : C
3
C
2
, (r, j, .) = (r +j +., r +j +.).
4. Construa um operador linear em 1
3
satisfazendo a condi cao pedida.
a) 1: e gerado por = (2, 1, 1), (1, 0, 1).
b) nc e gerado por = (2, 1, 1), (1, 0, 1).
c) \ = nc +1: e um subespa co proprio de 1
3
.
d) 1: nc .
e) nao e o operador identicamente nulo e
2
0.
5. Seja : \ \ uma transforma cao linear entre espa cos vetoriais de dimens ao
nita. Prove as arma coes.
a) Se dim \ < dim \ entao nao e sobrejetiva.
b) Se dim \ dim \ entao nao e injetiva.
6. Construa um operador linear : 1
2
1
2
com a propriedade pedida.
2.4. ISOMORFISMOS LINEARES 33
a) reete cada vetor em relacao ao subespa co \ = (r, 2r), r 1.
b) rotaciona cada vetor no sentido anti-horario por um angulo de

3
.
7. Se um operador linear : 1
3
1
3
e nao nulo e
2
0, prove que jo:to() = 1.
8. Existe um operador linear : 1
11
1
11
tal que 1: = nc ? Justique sua
resposta. E existe um operador linear : 1
2
1
2
tal que
2
= 1d?
9. Assuma que : \ \ e uma transforma cao linear sobrejetiva entre dois espa cos
vetoriais de dimens ao nita e que l \ e um subespa co. Mostre a igualdade
dim\ dim
1
(l) = dim \ dim l.
10. Seja um operador linear no espa co vetorial \ de dimensao nita. Demonstre que
\ = 1:nc nc = nc
2
1: = 1:
2
.
11. Demonstre que para quaisquer dois operadores lineares e 1 num espa co vetorial
\ de dimensao nita valem as rela coes
|jo:to() jo:to(1)| jo:to(+1) jo:to() +jo:to(1).
12. Prove que se dois operadores lineares e 1 num espa co vetorial \ de dimens ao n
satisfazem a condi cao 1 0 e 1 e invertvel, entao jo:to() +jo:to(1) = n.
13. Sejam : \ \ e 1 : \ 7 transforma coes lineares entre espa cos de dimensao
nita. Prove que jo:to (1o) :orjo:to(), jo:to(1).
14. Considere a aplica cao : `(2, 1
2
) `(2, 1
2
), denida
por (A) =
0
AA
0
, onde
0
e a matriz dada ao lado.
Verique que e um operador linear e determine uma base
para o n ucleo e uma base para a imagem do operador.

0
=
_
1 2
1 2
_
.
2.4 Isomorsmos lineares
Uma transforma c ao linear invertvel : \ \ e tambem chamada de isomor-
smo linear, ou simplesmente isomorsmo quando n ao causar ambig uidades, e
nesse caso, quando existe uma tal transforma c ao diremos que \ e \ s ao espa cos
isomorfos. Podemos facilmente determinar quando uma transforma c ao linear en-
tre dois espa cos vetoriais de dimens ao nita e um isomorsmo. A seguir daremos
dois corol arios do Teorema do n ucleo e da imagem.
Corolario 2.4.1 Dois espacos vetoriais de dimens ao nita sobre o mesmo corpo
K s ao isomorfos se, e somente se, as dimens oes dos espacos s ao iguais. Em
particular, todo espa co vetorial \ de dimens ao n sobre o corpo K e isomorfo ao
K
n
.
Demonstra cao Vamos supor que : \ \ seja um isomorsmo. Como j a
sabemos, e uma transforma c ao linear injetiva e sobrejetiva, ou equivalentemente,
34 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
nc = o e 1: = \. Pelo Teorema do n ucleo e da imagem obtemos as
igualdades,
dim\ = dimnc + dim1: = dim\.
Provemos a suciencia construindo o isomorsmo. Sejam =
1
,
2
, ...,
n

e = n
1
, n
2
, ..., n
n
bases ordenadas de \ e \, respectivamente. Por hip otese
temos que ; = ;. Um vetor \ e escrito de maneira unica como uma
combina c ao linear na forma
= r
1

1
+r
2

2
+ +r
n

n
, com r
i
K.
Considere a transforma c ao linear : \ \, denida por
(r
1

1
+r
2

2
+ +r
n

n
) = r
1
n
1
+r
2
n
2
+ +r
n
n
n
.
O n ucleo de e trivial, pois se nc , ent ao
o = ()
= (r
1

1
+r
2

2
+ +r
n

n
)
= r
1
n
1
+r
2
n
2
+ +r
n
n
n
.
Sendo uma base de \, os coecientes r
i
s s ao nulos implicando que o vetor
\ e nulo. A transforma c ao tambem e sobrejetiva, pois um vetor n = j
1
n
1
+
j
2
n
2
+ +j
n
n
n
\ e a imagem do vetor = j
1

1
+j
2

2
+ +j
n

n
\ . 2
Corolario 2.4.2 Seja : \ \ uma transformac ao linear entre espa cos ve-
toriais de dimens ao nita. Suponha que dim\ = dim\. Ent ao as seguintes
armac oes s ao eq uivalentes.
a) e um isomorsmo linear.
b) nc = o.
c) 1: = \
d) A imagem por de uma base de \ e uma base de \.
Demonstra cao As implica c oes o) /) e /) c) cam como exerccios.
c) d) Seja =
1
,
2
, ...,
n
uma base ordenada de \ .

E f acil mostrar que
o conjunto ordenado () = (
1
), (
2
), ..., (
n
) e um conjunto ordenado de
geradores de 1: = \ com n vetores e n = dim\, pelo Teorema da troca segue
que () e uma base de \.
d) o) Vamos supor, por absurdo, que o n ucleo de e n ao trivial. Considere
uma base ordenada =
1
, ...,
k
,
k+1
, ...,
n
de \ na qual os / 1 primeiros
2.5. MATRIZ DE UMA TRANSFORMAC

AO LINEAR 35
vetores formam uma base para o n ucleo de . Por hip otese, o conjunto de vetores
() = (
k+1
), (
k+2
), ..., (
n
) e uma base de \, de onde conclumos que
dim\ = n / < dim\ , uma contradi c ao. Logo / = 0, signicando que o n ucleo
e trivial, em outras palavras, e injetiva. Pelo Teorema do n ucleo e da imagem
temos que n = dim\ = dim1:. Como o subespa co imagem de tem a mesma
dimensao do contradomnio, conclumos que 1: = \, isto e, e sobrejetiva.
Em resumo, e injetiva e sobrejetiva, portanto, e um isomorsmo. 2
Exerccios propostos 2.4.1
1. Mostre que : 1
2
1
2
, (r, j) = (2r, j r), e um isomorsmo e determine a sua
inversa.
2. Seja =
1
,
2
uma base ordenada do espa co vetorial complexo \ . Dena :
C
2
\ , (., n) = (. n)
1
+ (. +n)
2
. Verique que e um isomorsmo.
3. Prove que a inversa de um isomorsmo linear tambem e um isomorsmo.
4. Prove que a composi cao induz uma estrutura de grupo no subconjunto de L(\, \ )
formado pelos operadores invertveis.
5. Mostre que o corpo dos reais considerado como espa co vetorial sobre o corpo dos
racionais nao tem dimensao nita.
6. Sejam \
1
e \
2
dois subespa cos de um espa co vetorial \ de dimensao nita. Assuma
que \ = \
1
+\
2
. Demonstre as arma coes.
a) : \
1
\
2
\ , (n, ) = n +, e uma transforma cao linear.
b) di:\ = di:\
1
+di:\
2
di:\
1
\
2
.
c) e um isomorsmo \
1
\
2
= o
7. Sejam e 1 sejam operadores lineares num espa co vetorial \ de dimensao nita.
Demonstre que se 1d 1 e invertvel entao 1d 1 e tambem invertvel.
8. Demonstre que todo operador linear L(\, \ ) em que \ e um espa co vetorial
de dimensao nita e uma soma de operadores invertveis.
9. Sejam \ e l subespa cos de um espa co vetorial de dimensao nita \ . Prove que os
espa cos quocientes (\ +l),l e \,(\ l) sao isomorfos.
2.5 Matriz de uma transformacao linear
Caso o leitor queira consultar alguma nota c ao sobre matrizes reservamos o Captulo
12 para tratar de tais objetos. Nessa se c ao descreveremos um processo pelo qual
associamos uma matriz a uma transforma c ao linear entre espa cos vetoriais de
dimensao nita.
36 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
Vamos supor que : \ \ seja uma transforma c ao linear entre espa cos
vetoriais sobre K e que =
1
,
2
, ...,
n
e = n
1
, n
2
, ..., n
m
sejam bases
ordenadas de \ e \, respectivamente. Sendo assim, para cada ,, 1 , n,
existem unicos escalares o
1j
, o
2j
, ..., o
mj
K que formam as coordenadas do vetor
(
j
) \ na base ordenada \, mais precisamente,
(
j
) = o
1j
n
1
+o
2j
n
2
+ +o
mj
n
m
.
A matriz de relativa ` as bases ordenadas e e a matriz :n com entradas
em K denotada por []

e organizada na forma
[]

=
_

_
o
11
o
12
o
1n
o
21
o
22
o
2n
.
.
.
.
.
.
.
.
.
o
m1
o
m2
o
mn
_

_
.
Ressaltamos que a ,esima matriz coluna de []

e precisamente a matriz das


coordenadas do vetor (
j
) na base ordenada \. Uma tal matriz guarda
muitas informa c oes sobre a transforma c ao linear . Dadas , e a matriz []

recuperamos a transforma c ao pela identidade


(
j
) = o
1j
n
1
+o
2j
n
2
+ +o
mj
n
m
.
Como sabemos, ca determinada conhecendo-se os valores nos vetores de
uma base e, essencialmente, estes valores est ao registrados nas colunas da matriz.
Diremos que a matriz []

e a representac ao matricial de nas bases ordenadas


e . Observamos que a representa c ao depende das bases e das ordens das bases.
Exemplo 2.5.1 Seja : K
3
K
2
,
(r, j, .) = (r 2j, 2r + 3j .).
Determinemos a representa c ao matricial de nas bases can onicas
3
e
2
,
respectivamente. Para isso, necessitamos das avalia c oes,
(1, 0, 0) = ( 1, 2 ) = 1c
1
+ 2c
2
,
(0, 1, 0) = (2, 3) = 2c
1
+ 3c
2
,
(0, 0, 1) = (0, 1) = 0c
1
1c
2
.
Por deni c ao, a representa c ao matricial de nas bases can onicas e a matriz
[]

2
=
_
1 2 0
2 3 1
_
.
Para enfatizar a diferen ca, vejamos a representa c ao matricial da mesma trans-
forma c ao linear , agora com respeito ` as bases
3
K
3
e = (1, 1), (0, 1) K
2
.
Para isto, precisaremos das avalia c oes,
2.6. TEOREMA DA REPRESENTAC

AO MATRICIAL 37
(1, 0, 0) =( 1, 2 ) = 1(1, 1) + 2(0, 1),
(0, 1, 0) =(2, 3) = 2(1, 1) + 5(0, 1),
(0, 0, 1) =(0, 1) = 0(1, 1) 1(0, 1).
= []

=
_
1 2 0
1 5 1
_
,
que tambem e uma matriz 2 3, mas com entradas diferentes das entradas da
matriz anterior. 2
Exerccios propostos 2.5.1
1. Determine as representa coes matriciais da base canonica para a base canonica.
a) : 1
3
1
3
, (r, j, .) = (6r +j 3., . j, 2r .) .
b) : 1
2
1
3
, (r, j) = (r +j, 2r j, j 2r).
c) : C
3
C
2
, (r, j, .) = (r +j +., r +j +.).
2. Calcule a matriz do operador deriva cao T : K
n
[t] K
n
[t] da base = 1, t, ..., t
n

para a base .
3. Fixada uma permuta cao : 1, 2, 3 1, 2, 3, dena a aplica cao : K
3
K
3
,
(r
1
, r
2
, r
3
) = (r
(1)
, r
(2)
, r
(3)
).
a) Calcule a representa cao matricial de da base canonica para a base can onica
quando (1) = 3, (2) = 1 e (3) = 2.
b) Determine uma base tal que []

= [1], onde e a permuta cao acima.


2.6 Teorema da representacao matricial
Retornemos ao estudo de transforma c oes com o auxlio de matrizes. O leitor
perceber a a grande proximidade entre os dois conceitos e os lucros desta associa c ao.
Teorema 2.6.1 (Teorema da representa cao matricial) Suponha que \ e \
sejam dois espa cos vetoriais sobre o corpo K e que e sejam bases ordenadas
de \ e \, respectivamente, com ; = n e ; = :. Ent ao a aplicac ao
: L(\, \) `(:n, K), () = []

,
e um isomorsmo linear. Em particular, dimL(\, \) = dim\ dim\.
Demonstra cao Explicitemos as bases envolvidas,
=
1
,
2
, ...,
n
, = n
1
, n
2
, ..., n
m

e demonstremos inicialmente a linearidade de . Escolhidas quaisquer duas trans-


forma c oes lineares , 1 L(\, \), escrevamos as combina c oes lineares
(
j
) = o
1j
n
1
+o
2j
n
2
+ +o
mj
n
m
,
1(
j
) = /
1j
n
1
+/
2j
n
2
+ + /
mj
n
m
.
38 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
Como sabemos, as representa c oes matriciais s ao []

= [o
ij
] e [1]

= [/
ij
]. Dado
um escalar K e imediato avaliarmos +1 no vetor
j
,
(+1)(
j
) = (o
1j
+/
1j
)n
1
+ (o
2j
+/
2j
)n
2
+ + (o
mj
+/
mj
)n
m
.
Logo, vale a identidade matricial [+1]

= [o
ij
+/
ij
]. Da seguem as igualdades
[+1]

= [o
ij
+/
ij
] = [o
ij
] +[/
ij
] = []

+[1]

,
isto e, (+1) = () +(1), mostrando a linearidade de .
A injetividade ser a demonstrada examinando-se o n ucleo de . Armar que
nc , signica armar que todas as entradas da representa c ao matricial
[]

= [o
ij
] s ao iguais a zero, o
ij
= 0. Isto implica que
(
j
) = o
1j
n
1
+o
2j
n
2
+ +o
mj
n
m
= 0, , = 1, ..., n.
Como a aplica c ao identicamente nula tambem assume o valor nulo em todos os
vetores da base , pela primeira proposi c ao da se c ao anterior, : \ \ deve ser
a transforma c ao identicamente nula. Logo nc = o, mostrando a injetividade.
Provemos a sobrejetividade de . Dada uma matriz = [o
ij
] `(:n, K),
considere a unica transforma c ao linear : \ \ tal que
(
j
) = o
1j
n
1
+o
2j
n
2
+ +o
mj
n
m
.
Esta constru c ao nos garante que () = .
Finalmente, recordamos que isomorsmos lineares preservam dimensoes, por
isso, dim L(\, \) = dim `(:n, K), e como a dimens ao do espa co das matrizes
:n e igual ao produto dim \ dim \, conclumos a demonstra c ao. 2
Note que a representa c ao : L(\, \) `(:n, K), () = []

, depende
das bases ordenadas escolhidas. Outro fato importante sobre a matriz []

e a
possibilidade de relacionarmos as coordenadas de um vetor \ na base ordenada
\ com as coordenadas do vetor () \ na base ordenada \ atraves
de um produto matricial. Esse e o signicado do
Lema 2.6.1 Sejam e duas bases ordenadas dos espacos vetoriais de dimens ao
nita \ e \, respectivamente. Se : \ \ e uma transformac ao linear ent ao
[()]

= []

[]

.
Demonstra cao Escrevamos =
1
,
2
, ...,
n
, = n
1
, n
2
, ..., n
m
, e assuma-
mos que a matriz das coordenadas do vetor e a representa c ao matricial de
sejam
[]

=
_

_
r
1
.
.
.
r
n
_

_
e []

=
_

_
o
11
o
12
o
1n
.
.
.
.
.
.
.
.
.
o
m1
o
m2
o
mn
_

_
.
2.6. TEOREMA DA REPRESENTAC

AO MATRICIAL 39
Avaliando a transforma c ao no vetor = r
1

1
+r
2

2
+ +r
n

n
obtemos,
() = r
1
(
1
) +r
2
(
2
) + +r
n
(
n
)
= r
1
(o
11
n
1
+o
21
n
2
+ +o
m1
n
m
) + +
r
n
(o
1n
n
1
+o
2n
n
2
+ +o
mn
n
m
)
= (r
1
o
11
+r
2
o
12
+ +r
n
o
1n
)n
1
+ +
(r
1
o
m1
+r
2
o
m2
+ +r
n
o
mn
)n
m
.
Pela deni c ao de matriz das coordenadas de um vetor na base , podemos escrever,
[()]

=
_

_
r
1
o
11
+r
2
o
12
+ +r
n
o
1n
r
1
o
21
+r
2
o
22
+ +r
n
o
2n
...
r
1
o
m1
+r
2
o
m2
+ +r
n
o
mn
_

_
.
Sem muito esfor co vericamos que a identidade matricial acima pode ser reescrita
como [()]

= []

[]

. 2
Exemplo 2.6.1 Consideremos a transforma c ao linear
: 1
2
1
3
, (r, j) = (r 2j, r, j r),
e as bases ordenadas = (1, 1), (1, 1) de 1
2
e = (1, 0, 1), (1, 1, 0), (0, 1, 1)
de 1
3
. Calculemos a representa c ao matricial de nessas bases,
( 1, 1) = (1, 1, 0) = 1 (1, 0, 1) + 0 (1, 1, 0) + 1 (0, 1, 1),
(1, 1) = (3, 1, 2) = 2 (1, 0, 1) + 1 (1, 1, 0) + 0 (0, 1, 1).
Sendo assim, vale a representa c ao matricial
[]

=
_
_
1 2
0 1
1 0
_
_
.
A matriz das coordenadas do vetor = (2, 0) 1
2
na base e
[]

=
_
1
1
_
,
portanto, pelo lema anterior, a matriz das coordenadas do vetor () 1
3
na
base e calculado pela f ormula
[()]

= []

[]

=
_
_
1 2
0 1
1 0
_
_
_
1
1
_
=
_
_
1
1
1
_
_
.
De onde recuperamos o vetor () pela combina c ao linear
() = 1(1, 0, 1) + 1(1, 1, 0) + 1(0, 1, 1) = (2, 2, 2).
40 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
Note que tanto o c alculo das representa c oes matriciais quanto o c alculo das
coordenadas de um vetor s ao feitos resolvendo-se sistemas lineares. 2
Neste momento da teoria e natural indagar qual o algoritmo para acharmos a
representa c ao matricial de uma composta de transforma c oes lineares. Veremos no
corol ario a seguir que existe uma elegante f ormula relacionando uma composta de
transforma c oes com um produto de matrizes.
Corolario 2.6.1 Sejam , e bases ordenadas dos espacos vetoriais de di-
mens ao nita sobre o mesmo corpo, \, \ e Y , respectivamente. Se L(\, \)
e 1 L(\, Y ) ent ao
[1 ]

= [1]

[]

.
Demonstra cao O lema anterior permite-nos escrever as igualdades matriciais
[1 ()]

= [1 ]

[]

,
[1 ()]

= [1(())]

= [1]

[()]

= [1]

[]

[]

,
para qualquer \ . Destas duas rela c oes segue a identidade
_
[1 ]

[1]

[]

_
[]

= [0]

para todo vetor \ . Isto implica facilmente que [1 ]

= [1]

[]

. 2
Exerccios propostos 2.6.1
1. Calcule a representa cao matricial nas bases ordenadas indicadas em cada item para
a transforma c ao linear : 1
2
1
3
, (r, j) = (r + 2j, j, 2r 3j).
a) Nas bases canonicas
2
e
3
.
b) De
2
para = (1, 0, 2), (2, 1, 3), (0, 0, 1) 1
3
.
c) De = (1, 1), (1, 1) 1
2
para a base
3
.
d) De = (1, 1), (1, 1) 1
2
para = (1, 0, 2), (2, 1, 3), (0, 0, 1) 1
3
.
2. Seja 1 : K
3
[t] K
3
[t] o operador linear obtido por deriva cao de polinomios. De-
termine a representa cao matricial de [1]

em que = 1, t, t
2
, t
3
. Qual a repre-
senta c ao matricial nessa base para 1
4
(a composta de 1 quatro vezes)?
3. Considere a base ordenada =
1
,
2
,
3
do 1
3
, onde
1
= (1, 1, 1),
2
= (1, 0, 1)
e
3
= (0, 1, 1). Seja : 1
3
1
3
o operador linear () = r
1

1
, se =
r
1

1
+r
2

2
+r
3

3
. Calcule as representa coes matriciais []

3
, []

, []

e []

3
.
2.7. REPRESENTAC

AO DE ISOMORFISMO 41
4. Sejam uma base ordenada do espa co vetorial de dimensao nita \ sobre o corpo K
e
0
um escalar em K. Calcule a representa cao matricial da homotetia : \ \ ,
() =
0
da base para a base .
5. Suponha que o operador linear : K
3
K
3
e nao nulo e que
2
0.
a) Prove que jo:to() = 1.
b) Determine uma base ordenada tal que a repre-
senta c ao de nessa base seja a matriz indicada
ao lado.
[]

=
_
_
0 0 0
0 0 0
o 0 0
_
_
.
6. Descreva a representa cao matricial da aplica cao identidade de um espa co vetorial de
dimensao nita de uma base ordenada para a mesma base com outra ordem. Qual
e a reprenta c ao da identidade quando nao trocamos a ordem?
7. Suponha que `(: n, K) e uma matriz tal que 1 = [0] para qualquer
matriz coluna n 1, 1, com entradas no corpo K. Demonstre que = [0].
2.7 Representacao de isomorsmo
Utilizaremos o Teorema da representa c ao matricial para estudar isomorsmos.
Como vimos, espa cos isomorfos possuem a mesma dimens ao, portanto eles s ao
representados por matrizes quadradas. O resultado principal dessa se c ao garante
que a matriz de representa c ao de um isomorsmo e sempre invertvel quaisquer que
sejam as bases com as quais estamos trabalhando e existe uma rela c ao simples entre
a matriz de representa c ao de um isomorsmo e a matriz de representa c ao da inversa
do isomorsmo. Antes, deixemos um exerccio. Indicaremos por 1
n
`(n, K) a
matriz identidade n n.
Exerccio 2.7.1 Se : \ \ e um operador linear num espa co vetorial de
dimensao n, prove que []

= 1
n
= 1d
V
, em que e uma base de \ . 2
Corolario 2.7.1 Sejam : \ \ uma transformac ao linear entre espa cos
vetoriais de dimens ao nita e e bases ordenadas de \ e \, respectivamente.
Ent ao e um isomorsmo se, e somente se, a representac ao []

e uma matriz
invertvel. Em particular, se e um isomorsmo ent ao
[
1
]

= []

.
Demonstra cao ) Assuma que n = dim\ . Sendo assim, podemos escrever as
identidades matriciais
1
n
= [1d
V
]

, 1
n
= [1d
W
]

,
42 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
pois sendo um isomorsmo, temos que dim\ = dim\. Pelas propriedades da
representa c ao de uma composta de transforma c oes temos as igualdades
1
n
= [1d
V
]

= [
1
]

= [
1
]

[]

,
1
n
= [1d
W
]

= [
1
]

= []

[
1
]

.
Em particular,
_

e invertvel e sua inversa e ([]

).
) Vamos assumir que []

e uma matriz invertvel e que 1 = [/


ij
] e a sua
matriz inversa. Como uma matriz invertvel e quadrada conclumos que dim\ =
dim\. Neste caso =
1
,
2
, ...,
n
e = n
1
, n
2
, ..., n
n
s ao bases com o
mesmo n umero de elementos. Consideremos a transforma c ao 1 : \ \ cujos
valores nos vetores da base s ao
1(n
j
) = /
1j

1
+/
2j

2
+ +/
nj

n
.
Deste modo, necessariamente temos a representa c ao matricial [1]

= [1]. Recor-
rendo-se `as propriedades da representa c ao de uma composta de transforma c oes
lineares podemos escrever
[1 ]

= [1]

[]

= 1 []

= [1]
n
= [1d
V
]

,
[ 1]

= []

[1]

= []

1 = 1
n
= [1d
W
]

.
A unicidade de representa c ao implica que 1 = 1d
W
e 1 = 1d
V
. Como
e invertvel, por deni c ao, e um isomorsmo. 2
Recordamos que uma matriz quadrada e invertvel se, e somente se, o seu
determinante e n ao nulo. Caso o leitor deseje conhecer a demonstra c ao deste fato,
indicamos como referencia o captuo sobre matrizes.
Exerccios propostos 2.7.1
1. Suponha que : K
2
K
2
, (r, j) = (or + cj, /r + dj) e um isomorsmo. Prove
que od /c ,= 0 e que
_

2
=
1
adbc
_
d /
c o
_
.
2. Verique que : K
3
K
3
, e um isomorsmo e calcule a sua inversa quando
a) (r, j, .) = (r +j +., 3r + 4j + 3., 3r + 3j + 4.).
b) (r, j, .) = (2r +j +., r + 2., 3r +j + 2.).
2.8. MATRIZ MUDANC A DE COORDENADAS 43
3. Seja : \ \ e um isomorsmo linear entre espa cos vetoriais de dimens ao nita.
Prove: se \ = \
1
\
2
entao \ = (\
1
) (\
2
).
4. Demonstre que qualquer isomorsmo entre espa cos vetoriais de dimensao nita pode
ser representado pela matriz identidade.
5. Seja []

= [o
ij
] uma representa cao matricial de um isomorsmo linear num
espa co vetorial \ de dimens cao n. Prove que se
|o
ii
|

i=j
|o
ij
|,
entao e invertvel (Teorema de Hadamard).
2.8 Matriz mudanca de coordenadas
Fixemos duas bases e de um mesmo espa co vetorial \ de dimens ao n. A
matriz mudanca de coordenadas de para e a matriz [1d]

onde 1d : \ \
e a aplica c ao identidade. Esta terminologia e apropriada pois conhecendo-se as
coordenadas de um vetor na base e a matriz mudan ca de coordenadas de
para e possvel determinar as coordenadas do vetor na base , para isso, basta
utilizar as rela c oes
[]

= [1d()]

= [1d]

[]

.
Note que [1d]

e uma matriz quadrada n n em que n = dim\ .


Lema 2.8.1 A matriz [1d]

e invertvel e [1d]

= [1d]

.
Demonstra cao A demonstra c ao segue do corol ario da se c ao anterior, pois a
aplica c ao 1d : \ \ e um isomorsmo e a sua inversa e ela pr opria. 2
Exemplo 2.8.1 Os conjuntos
= (cos , :cn), (:cn, cos ) e = (1, 0), (0, 1)
s ao bases ordenadas de 1
2
. Calculemos as matrizes mudan ca de coordenadas [1d]

e [1d]

. A primeira delas tem um c alculo bastante simples pois


( cos , :cn) = cos (1, 0) +:cn (0, 1),
(:cn, cos ) = :cn (1, 0) + cos (0, 1).
Da obtemos a representa c ao
[1d]

=
_
cos :cn
:cn cos
_
.
Pela rela c ao [1d]

= ([1d]

)
1
e com a ajuda da adjunta cl assica obtemos
44 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
[1d]

=
_
cos :cn
:cn cos
_
. 2
Aa matrizes de mudan ca de coordenadas permite determinarmos todas as rep-
resenta c oes matriciais de uma transforma c ao conhecendo-se apenas uma delas.
Proposi cao 2.8.1 Sejam : \ \ uma transformac ao linear entre espa cos
vetoriais de dimens ao nita e
o
e
o
bases ordenadas de \ e \ respectivamente.
Se []

o
e a representac ao matricial de nessas bases ent ao a representa c ao
matricial de nas bases ordenadas
1
e
1
de \ e \, respectivamente, e
[]

1
= [1d
W
]

1
[]

o
[1d
V
]

0
.
Demonstra cao Por tudo que j a foi visto sobre representa c ao matricial de uma
composta de transforma c oes lineares, podemos escrever,
[]

1
= [1d
W
1d
V
]

1
= [1d
W
]

1
[ 1d
V
]

0
= [1d
W
]

1
[]

o
[1d
V
]

0
.
Isto termina a demonstra c ao da proposi c ao. 2
Em captulos posteriores, estudaremos exclusivamente operadores lineares num
espa co vetorial de dimens ao nita, : \ \ . Com muita freq uencia uti-
lizaremos representa c oes matriciais dos operadores, que, recordamos, s ao matrizes
quadradas. Neste caso, para aliviar a nota c ao indicaremos por []

a representa c ao
matricial do operador linear da base ordenada para a mesma base, em lugar
de utilizar a nota c ao []

. O resultado abaixo sobre conjugac ao de matrizes ter a


um bom proveito.
Em tempo, diz-se que
0
,
1
`(n, K) s ao duas matrizes conjugadas quando
existe uma matriz invertvel 1 `(n, K) tal que
1
= 1
0
1
1
. A demonstra c ao
do corol ario seguinte ca sob a responsabilidade do leitor.
Corolario 2.8.1 Sejam um operador linear no espaco vetorial \ de dimens ao
nita e e duas bases ordenadas de \ . Ent ao as representac oes matriciais []

e []

s ao conjugadas, mais precisamente,


[]

= [1d
V
]

[]

[1d
V
]

.
Exemplo 2.8.2 O conjunto ordenado =
1
,
2
,
3
e uma base ordenada de
1
3
, onde
1
= (1, 1, 1),
2
= (3, 1, 0) e
3
= (1, 0, 1). Calculemos a representa c ao
matricial nas bases can onicas de : 1
3
1
3
,
() = r
2

1
(r
1
+r
3
)
2
em que = r
1

1
+r
2

2
+r
3

3
.
Para isso, temos o corol ario acima.

E f acil calcular a representa c ao na base pois
2.8. MATRIZ MUDANC A DE COORDENADAS 45
(
1
) = 0
1
1
2
+ 0
3
,
(
2
) = 1
1
+ 0
2
+ 0
3
,
(
3
) = 0
1
+ 0
2
+ 0
3
.
= []

=
_
_
0 1 0
1 0 1
0 0 0
_
_
.
A representa c ao matricial da identidade da base para a base can onica
tambem e facil determinar, pois
1d(
1
) = ( 1, 1, 1) = 1c
1
+ 1c
2
+ 1c
3
,
1d(
2
) = ( 3, 1 , 0) = 3c
1
+ 1c
2
+ 0c
3
,
1d(
3
) = (1, 0, 1) = 1c
1
+ 0c
2
1c
3
,
= [1d]

=
_
_
1 3 1
1 1 0
1 0 1
_
_
.
Sabemos tambem que [1d]

= ([1d]

)
1
. Com a ajuda da adjunta cl assica
encontramos a representa c ao
[1d]

=
_
_
1 3 1
1 2 1
1 3 2
_
_
.
Retornando `a rela c ao []

= [1d
V
]

[]

[1d
V
]

e efetuando o produto das ma-


trizes obtemos a representa c ao desejada,
[]

=
_
_
7 20 10
3 8 4
1 2 1
_
_
.
Note que a representa c ao matricial do operador na base can onica,
[]

_
_
r
j
.
_
_
=
_
_
7r 20j + 10.
3r 8j + 4.
r + 2j +.
_
_
,
nos diz imediatamente que o operador linear : 1
3
1
3
e expresso como
(r, j, .) = (7r 20j + 10., 3r 8j + 4., r + 2j +.). 2
Exerccios propostos 2.8.1
1. Dada a base ordenada =
1
,
2
,
3
de K
3
, em que
1
= (1, 1, 1),
2
= (1, 0, 1)
e
3
= (0, 1, 1). De a representa cao matricial do operador na base canonica.
a) : K
3
K
3
, () = r
1

1
, em que = r
1

1
+r
2

2
+r
3

3
.
b) : K
3
K
3
, () = r
3

1
+ (r
2
r
1
)
3
, em que = r
1

1
+r
2

2
+r
3

3
.
c) 1 : K
3
K
3
, em que e 1 sao os operadores dos itens anteriores.
d) 1 : K
3
K
3
, em que e 1 sao os operadores dos itens a) e b).
2. Fixado um subespa co l \ , verique que o subconjunto a seguir e um subespa co e
calcule sua dimensao, ^(l) = L(\, \); tal que (n) = 0 para todo n l.
46 CAP

ITULO 2. TRANSFORMAC

OES LINEARES
2.9 Subespacos invariantes
Diz-se que um subespa co \ \ e um subespaco invariante por um operador
linear : \ \ quando (\) \.
Exemplos de subespa cos invariantes que o leitor verica facilmente s ao nc
e 1:. Diremos \ = \
1
\
2
\
k
e uma soma direta invariante pelo
operador , quando cada parcela da decomposi c ao e um subespa co invariante. Um
dos objetivos principais deste texto e construir somas diretas invariantes por um
operador linear em um espa co vetorial de dimens ao nita. Isto ser a feito a partir
do Captulo 4, no momento estamos interessados em saber como a propriedade
de ser um subespa co invariante e constatada em linguagem matricial. Para isto,
consideramos uma base ordenada =
1
, ...,
r
,
r+1
, ...,
n
do espa co vetorial \
na qual
1
=
1
,
2
, ...,
r
e uma base ordenada para \, o subespa co invariante
pelo operador : \ \ . Garantimos pela invari ancia de \ que cada
j

1
tem uma imagem (
j
) \, portanto
(
j
) = o
1j

1
+o
2j

2
+ +o
rj

r
, 1 , :.
Sendo assim, o operador linear e representado esquematicamente como
[]

=
_
[
1
]

1
[0]
2
_
,
onde [
1
]

1
e a representa c ao matricial do operador
1
: \ \ induzido por
restri c ao de , enquanto
1
e
2
s ao matrizes retangulares. O smbolo [0] indica
uma matriz retangular com todas as entradas nulas. Reciprocamente, quando
uma representa c ao matricial de um operador : \ \ numa base ordenada
=
1
,
2
, ...,
n
tem a forma
[]

=
_
1
1
[0]
2
_
,
em que 1 e uma matriz quadrada : :, est a claramente registrado que
(
j
) = o
1j

1
+o
2j

2
+ +o
rj

r
, 1 , :,
implicando imediatamente que o subespa co \ \ gerado por
1
=
1
,
2
, ...,
r

e um subespa co invariante por e vale a identidade matricial [
1
]

1
= [1], onde

1
: \ \ e o operador linear induzido por restri c ao de .
Examinemos a situa c ao na qual \ admite uma soma direta invariante,
\ = \
1
\
2
\
k
, (\
i
) \
i
.
Selecionando-se para cada i, 1 i /, uma base ordenada
i
do subespa co
\
i
, construimos para \ a base ordenada =


i
e pelos mesmos argumentos
apresentados anteriormente podemos representar o operador linear : \ \ na
2.9. SUBESPAC OS INVARIANTES 47
base ordenada esquematicamente como
[]

=
_

_
[
1
]

1
[0] . [0]
[0] [
2
]

2
. [0]
. . . .
[0] [0] . [
k
]

k
_

_
.
Por economia de espa co, algumas vezes escrevemos esta ultima matriz em uma
forma compacta, tal como
[]

= diop[
1
]

1
, [
2
]

2
, ..., [
k
]

k
,
onde para cada i a matriz [
i
]

i
e a representa c ao matricial na base ordenada
i
do operador linear
i
: \
i
\
i
induzido por . As recprocas destes fatos s ao
triviais e n ao as faremos. Para nalizar, ressaltamos que o determinante daquela
ultima matriz []

e calculado por uma regra bastante simples, a saber,


det[]

= det [
1
]

1
det [
2
]

2
det [
k
]

k
.
Exerccios propostos 2.9.1
Em todos os exerccios \ denotara um espa co vetorial de dimensao nita.
1. Determine uma base para cada espa co invariante (nao tivial) pelo operador linear
: 1
2
1
2
quando
a) (r, j) = (r j, 2r 2j);
b) (r, j) = (r +j, j);
c) (r, j) = (2r +j, r +j).
2. Sejam : \ \ um isomorsmo e \ \ um subespa co invariante.
a) Prove que o operador obtido por restri cao
0
: \ \ e um isomorsmo.
b) Demonstre que \ e tambem invariante por
1
.
3. Prove: se dois operadores lineares, , 1 : \ \ , preservam um subespa co \ \
entao a soma +1 e a composta 1 tambem preservam este mesmo subespa co.
4. Demonstre que se dois operadores , 1 : \ \ comutam e preserva um sube-
spa co \ \ , entao 1(\) e tambem invariante por .
5. Se um operador linear : \ \ preserva os subespa cos \
1
e \
2
, entao preserva
os subespa cos \
1
+\
2
e \
1
\
2
. Prove essa arma cao.
6. Fixado um subespa co \ \ . Mostre que 1(\) = L(\, \ ); (\) \ e
um subespa co de L(\, \ ) e calcule a sua dimensao em fun cao de dim\ e dim\.
7. Dada uma soma direta \ = \
1
\
2
\
k
. Qual a dimensao do subespa co de
L(\, \ ) formado pelos operadores que preservam a soma direta?
8. Suponha que o operador linear : \ \ preserva o subespa co \ \ . Mostre
que a aplica c ao no espa co quociente denida por : \,\ \,\, () = ()
esta bem denida e e um operador linear.
Captulo 3
Espaco dual
No captulo anterior contrumos v arios espa cos vetoriais associados a um espa co
vetorial \ , por exemplo, L(\, \) onde \ e um outro espa co. Apresentaremos a
seguir o espa co dual associado ` a \ , cujo objetivo maior e demonstrar o Teorema
do posto de uma matriz.
3.1 Funcionais lineares
Seja \ um espa co vetorial sobre K. Diz-se que uma aplica c ao ) : \ K e
chamada de funcional linear em \ se possui as propriedades:
1 )( +n) = )() +)(n),
2 )() = )(),
para quaisquer , n \ e K.
Formalmente n ao podemos armar que um funcional linear e uma transforma c ao
linear pois o contradomnio e um corpo e n ao um espa co vetorial. Entretanto,
considerando-se o corpo K como um espa co unidimensional sobre si mesmo e natu-
ral aquela identica c ao. Na nossa nota c ao, K
1
K. Com esta observa c ao podemos
transpor sem diculdade v arias informa c oes j a demonstradas no captulo anterior
para este contexto, observando que
1
= (1) e a base can onica de K.
O espa co dual de um espa co vetorial \ sobre o corpo Ke o conjunto de todos os
funcionais lineares ) : \ K, conjunto esse que ser a denotado por \

. As usuais
opera c oes de adi c ao de fun c oes e multiplica c ao de uma fun c ao por um escalar de
K, induzem uma estrutura de espa co vetorial em \

e com a identica c ao acima


mostramos imediatamente que \

e isomorfo ao espa co L(\, K). Logo, se \ e um


espa co vetorial de dimens ao nita e =
1
,
2
, ...,
n
\ e uma base ordenada,
a aplica c ao
48
3.1. FUNCIONAIS LINEARES 49
: \

`(1 n, K), ()) = [)]

1
e um isomorsmo linear. Portanto, dim\

= n. Recordamos que
[)]

1
=
_
)(
1
) )(
2
) )(
n
)

,
pois a ,-esima coluna de [)]

1
e formada pela coordenada do vetor )(
j
) na base

1
= (1). Por conven c ao, a base
1
n ao e explicitada na representa c ao matricial
do funcional linear, simplicando a nota c ao, [)]

1
= [)]

.

E f acil vericar que
)() = [)()]

1
= [)]

[]

.
Note que estamos identicando o escalar no primeiro membro da igualdade com
as matrizes 1 1 nos outros membros.
Exemplo 3.1.1 1) A aplica c ao ) : K
2
K, )(r, j) = 2r 3j e um funcional
linear em K
2
. Como
)(r, j) = r)(c
1
) +j)(c
2
) = 2r 3j,
podemos descrever o funcional na forma matricial
)(r, j) = [)]

2
[(r, j)]

2
=
_
2 3

_
r
j
_
.
2) O exemplo acima e facilmente generalizado. Fixados n escalares o
1
, o
2
, ..., o
n

K e possvel contruir um funcional linear em K
n
denindo
) : K
n
K, )(r
1
, r
2
, ..., r
n
) = o
1
r
1
+o
2
r
2
+ +o
n
r
n
.
Nesse caso a representa c ao matricial de ) na base can onica e a matriz 1 n,
[)]

n
=
_
o
1
o
2
o
n

. 2
Exerccio 3.1.1 Prove as arma c oes.
1. Uma aplica c ao ) : \ Ke um funcional linear se, e somente se, )(+n) =
)() +)(n) para quaisquer , n \ e K.
2. Um funcional linear ) : \ K ou e a aplica c ao identicamente nula ou e
uma aplica c ao sobrejetora. 2
Exemplo 3.1.2 Reconstruiremos um exemplo importante e cl assico de um fun-
cional linear. O tra co de uma matriz quadrada = [o
ij
] `(n, K) e o escalar
t: () = o
11
+o
22
+ +o
nn
.

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


cuja principal propriedade e transcrita pela f ormula t: ( 1) = t: (1 ), para
50 CAP

ITULO 3. ESPAC O DUAL


quaisquer matrizes = [o
ij
] , 1 = [/
ij
] `(n, K). A demonstra c ao deste fato e
uma manipula c ao de ndices. Vejamos,
t: ( 1) =
n

i=1
( 1)
ii
=
n

i=1
n

j=1
o
ij
/
ji
=
n

j=1
n

i=1
/
ji
o
ij
= t: (1 ).
Da conclumos que o tra co e um funcional linear invariante por conjuga c ao,
explicando melhor, t: (1 1
1
) = t: (), para qualquer matriz invertvel
1 `(n, K). Esta propriedade permite denir o tra co de um operador linear
num espa co vetorial \ de dimens ao nita sobre o corpo K. Para isso, xamos uma
base ordenada \ e consideramos a aplica c ao
t: : L(\, \ ) K, t: () = t: ([]

) .
De fato, a aplica c ao e um funcional linear e n ao depende da base ordenada escolhida
pois qualquer outra representa c ao e conjugada a essa representa c ao. Relembramos
a rela c ao de conjuga c ao envolvida,
[]

= [1d
V
]

[]

[1d
V
]

, em que [1d
V
]

= [1d
V
]

. 2
Exerccio 3.1.2 Sejam \ e \ dois espa cos vetoriais sobre K e = n
1
, ..., n
m

\ uma base ordenada.
1. Prove que se )
i
: \ K
m
i=1
e uma cole c ao de : funcionais lineares ent ao a
aplica c ao : \ \, denida por () = )
1
()n
1
+)
2
()n
2
+ +)
m
()n
m
e uma transforma c ao linear.
2. Enuncie e demonstre a recproca da arma c ao anterior. 2
Exerccios propostos 3.1.1
1. Determine a representa cao matricial do funcional linear ) : K
3
K, )(r, j, .) =
r + 2j 3., na base ordenada indicada.
o) Base canonica de K
3
. /) = (3, 0, 0), (2, 2, 0), (1, 1, 1) K
3
.
2. Construa um funcional linear ) : 1
3
1 cujo n ucleo e gerado pelo conjunto de
vetores = (2, 2, 1), (0, 3, 2).
3. Qual a dimensao do n ucleo de um funcional linear ) : \ K quando dim\ = n?
4. Sejam \ um espa co vetorial de dimensao nita sobre K e ) : \ K um funcional
linear. Mostre que existe uma base ordenada \ na qual a representa c ao de ) e
da forma [)]

=
_
o 0 ... 0

.
5. Fixada uma matriz
0
`(n, K), considere o operador linear
: `(n, K) `(n, K), (1) =
0
1 1
0
.
3.2. BASE DUAL 51
a) Demonstre que nao e sobrejivo e que
b) se (1) = 1, entao 1 nao e invertvel.
6. Seja \ um espa co vetorial de dimensao nita sobre K. Prove que \

separa pontos.
Isto signica que dados dois vetores distintos , n \ existe um funcional linear
) : \ K tal que )() ,= )(n).
7. Denote por (
0
([o, /], 1) o espa co vetorial das fun coes contnuas com valores em 1
denidas no intervalo [o, /]. Verique quais das aplica coes sao funcionais lineares.
a) : (
0
([o, /], 1) 1, ()) =
_
b
a
)(t)dt (integral de Riemann);
b) : (
0
([o, /], 1) 1, ()) = )(o) (avalia cao em a).
8. Seja `(:n, 1). Prove que t:(
t
) 0 e que t:(
t
) = 0 = [0].
9. Seja `(:n, C). Prove que t:([]
t
) 0 e que t:(
t
) = 0 = [0].
10. Verique a seguinte rela cao entre duas matrizes , 1 `(2, K),
1 +1 = t: (1) +1 t: () + (t: ( 1) t:() t:(1)) 1.
11. Fixado uma decomposi cao em soma direta de um espa co vetorial de dimens ao nita,
\ = \
1
\
2
\
k
, prove que qualquer operador linear em \ satisfazendo
a condi c ao (\
i
) \
1


\
i
\
k
tem tra co nulo (

\
i
indica que essa
parcela foi omitida).
3.2 Base dual
Vamos assumir que =
1
,
2
, ...,
n
seja uma base ordenada de um espa co
vetorial \ sobre o corpo K. Por um lado, o isomorsmo entre L(\, K) e \

,
garante que dim\ = n = dim\

e por outro lado, a Proposi c ao 3.1 do Captulo


2 arma que para cada i, 1 i n, existe um, e somente um, funcional linear
)
i
: \ K satisfazendo as condi c oes )
i
(
j
) =
ij
, onde
ij
e o delta de Kronecker,

ij
=
_
1 :c i = ,
0 :c i ,= ,
.
Estes dois fatos justicam o
Lema 3.2.1 O conjunto ordenado

= )
1
, )
2
, ..., )
n
\

e uma base ordenada,


chamada de base dual de .
Demonstra cao Vamos supor que existam escalares o
1
, o
2
, ..., o
n
K tais que a
combina c ao linear dos elementos da base dual

com esses coecientes seja o


funcional linear identicamente nulo,
0 o
1
)
1
+o
2
)
2
+ +o
n
)
n
.
52 CAP

ITULO 3. ESPAC O DUAL


Avaliando esta combina c ao linear no vetor
j
obtemos
0 = o
1
)
1
(
j
) +o
2
)
2
(
j
) + +o
n
)
n
(
j
)
= o
1

1j
+o
2

2j
+ +o
n

nj
= o
j
,
mostrando que

e um subconjunto com n vetores linearmente independente num


espa co de dimensao n. Portanto,

e uma base. 2
Exerccio 3.2.1 Demonstre que qualquer funcional linear ) \

e uma com-
bina c ao linear dos elementos de

cujos coecientes s ao os escalares )(


i
)
n
i=1

K, isto e,
) )(
1
))
1
+)(
2
))
2
+ +)(
n
))
n
.
Compare os coecientes com as entradas da matriz de ) na base ordenada . 2
Resumiremos os coment arios acima na
Proposi cao 3.2.1 Se \ e um espaco vetorial de dimens ao nita, ent ao o espa co
dual \

tem dimens ao nita e di:\ = di:\

.
Exerccios propostos 3.2.1
1. Determine a base dual das seguintes bases ordenadas.
o) = (1, 0), (0, 1) C
2
. /) = (1, 0, 0), (1, 1, 0), (1, 1, 1) 1
3
.
c) = (2, 1), (1, 1) 1
2
. d) = (1, 1), (1, 1) 1
2
.
2. Calcule as coordenadas do funcional ) : 1
3
1, )(r, j, .) = 3r 2j .,
a) na base dual da base canonica;
b) na base dual da base ordenada = (1, 0, 0), (1, 1, 0), (1, 1, 1) 1
3
.
3. Seja \ um espa co vetorial de dimensao nita. Qual a dimensao de (\

?
4. Mostre que todo subespa co \ de dimensao n 1 de um espa co vetorial \ de
dimensao n e um n ucleo de um funcional linear ) : \ K.
5. Um subespa co \ de um espa co vetorial \ com di:\ = : < n = di:\ e a
interse c ao de n : subespa cos de dimensao n 1. Prove essa arma cao.
6. Suponha que ) e p sao dois funcionais lineares num espa co vetorial \ de dimensao
nita sobre K satisfazendo a condi cao nc ) nc p. Prove que p() = )(),
para algum escalar K e para todo \ .
7. Dado um espa co vetorial de dimensao nita \ , considere a aplica cao / : \ (\

,
onde /[] : \

K e a aplica cao avalia cao em , mais precisamente, /[] ()) =


)(). Prove que / e um isomorsmo linear entre \ e (\

.
3.3. A ADJUNTA 53
3.3 A adjunta
Uma transforma c ao linear : \ \ entre espa cos vetoriais sobre o mesmo
corpo K, induz uma aplica c ao entre os espa cos duais

: \

, chamada
de adjunta de cuja deni c ao utiliza uma composi c ao de aplica c oes da seguinte
forma: um funcional linear ) \

e associado ao funcional linear

[)] : \ K,

[)]() = )(()).
Esquematicamente,

[)] e a composta \
A
\
f
K. O leitor vericar a
facilmente que

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


de adjunta apresentado aqui n ao tem rela c ao alguma com o conceito de adjunta
classica utilizado no algoritmo para inverter matrizes.
Lema 3.3.1 A adjunta

: \

e uma transformac ao linear.


Demonstra cao Com efeito. Sejam ), p \

e K. Para qualquer vetor \


temos que

[) +p]() = () +p)(())
= )(()) +p(())
=

[)]() +

[p]().
Isto signica que

[) +p] =

[)] +

[p], como queramos demonstrar. 2


Proposi cao 3.3.1 Sejam : \ \ uma transformac ao linear entre espa cos
vetoriais de dimens ao nita, e bases ordenadas de \ e \, respectivamente.
Ent ao a representa c ao matricial [

da adjunta

: \

e a matriz
transposta de []

. Alem disso, cada transformac ao linear : \ \ dene uma


unica adjunta.
Demonstra cao Antes de tudo, explicitemos as bases ordenadas envolvidas
_
=
1,

2
, ...,
n

= )
1
, )
2
, ..., )
n

,
_
= n
1
, n
2
, ..., n
m

= p
1
, p
2
, ..., p
m

, e as representa c oes matriciais []

= [o
ij
] e [

= [/
ij
]. Por deni c ao de
representa c ao matricial sabemos que valem as igualdades
(
i
) = o
1i
n
1
+o
2i
n
2
+ +o
mi
n
m
,

[p
j
] = /
1j
)
1
+/
2j
)
2
+ +/
nj
)
n
.
54 CAP

ITULO 3. ESPAC O DUAL


Por um lado, a deni c ao de adjunta e de base dual permite escrever

[p
j
](
i
) = p
j
((
i
)) = o
1i
p
j
(n
1
) +o
2i
p
j
(n
2
) + +o
mi
p
j
(n
m
) = o
ji
.
Por outro lado, temos que

[p
j
](
i
) = /
1j
)
1
(
i
) +/
2j
)
2
(
i
) + +/
nj
)
n
(
i
) = /
ij
.
Isto mostra que /
ij
= o
ji
, em outras palavras, [

= []

. Finalmente, para
mostrar a unicidade da adjunta consideremos o isomorsmo linear de representa c ao
: L(\

, \

) `(n :, K), (1) = [1]

.
A adjunta

e o unico elemento de L(\

, \

) representado pela matriz []

. 2
Exerccios propostos 3.3.1
1. Sejam e 1 transforma coes lineares de \ em \ e um escalar. Mostre que
(+1)

+1

.
2. Mostre que o tra co esta no n ucleo da adjunta do operador linear : `(n, K)
`(n, K), (A) =
0
A A
0
, em que
0
`(n, K) e uma matriz xada.
3. Considere a aplica cao ) : 1
3
[t] 1,
)(j(t)) =
_
1
0
j(t) dt.
a) Verique que ) e um funcional linear e calcule a representa cao na base dual
de = 1, t, t
2
, t
3
.
b) Mostre que : 1
3
[t] 1
3
[t], (j(t)) = j

(t) j

(t 1) + j

(t + 1) e um
operador linear e calcule

[)] (j(t)).
3.4 Perpendicular de um conjunto
Se e um subconjunto n ao vazio de um espa co vetorial \ sobre o corpo K, o
perpendicular de e o subconjunto do espa co dual \

denido por

per
= ) \

; )() = 0 para todo .


Uma verica c ao de rotina mostra que o perpendicular de um conjunto n ao
vazio e um subespa co do espa co dual. Mais interessantes e importantes s ao as
rela c oes dimensionais que surgem quando consideramos espa cos vetoriais de di-
mensao nita.
Proposi cao 3.4.1 Seja \ o subespaco gerado por um conjunto n ao vazio de
um espa co vetorial de dimens ao nita \ . Ent ao
a)
per
= \
per
;
3.5. TEOREMA DO POSTO 55
b) dim\
per
= dim\ dim\.
Demonstra cao o) Para cada vetor n \ existem vetores n
1
, n
2
, ..., n
k
e
escalares r
1
, r
2
, ..., r
k
K tais que n = r
1
n
1
+ r
2
n
2
+ + r
k
n
k
, desde que
e um conjunto de geradores para \. Assim, dado um funcional linear )
per
seguem por linearidade e por )(n
i
) = 0 para todo i, 1 i /, as igualdades
)(n) = r
1
)(n
1
) +r
2
)(n
2
) + +r
k
)(n
k
) = 0,
signicando que ) \
per
, logo vale a inclus ao
per
\
per
. A inclus ao oposta
e trivial, pois um funcional linear anulando-se nos vetores de \ necessariamente
anula-se nos vetores de .
/) Considere uma base ordenada =
1
,
2
, ...,
n
do espa co \ , na qual os /
primeiros vetores formam uma base de \ e considere a base dual correspondente

= )
1
, )
2
, ..., )
n
. Note que os elementos de

= )
k+1
, )
k+2
, ..., )
n
s ao fun-
cionais anulando-se nos / primeiros vetores de , de onde segue imediatamente que

\
per
. Para demonstrar que este subconjunto e uma base s o precisaremos
vericar que todo funcional linear de \
per
e uma combina c ao linear dos vetores
de

. Mas isto e simples de ser vericado, pois dado ) \


per
temos que
) )(
1
))
1
+ +)(
k
))
k
+)(
k+1
))
k+1
+ +)(
n
))
n
)(
k+1
))
k+1
+ +)(
n
))
n
.
Finalmente, contemos as dimens oes, dim\
per
= ; = n / = dim\ dim\. 2
Exerccios propostos 3.4.1
1. Mostre que o perpendicular de um conjunto \ e um subespa co do dual \

.
2. Calcule uma base para
per
quando
o) = (2, 1, 1) 1
3
. /) = (2, 1, 1), (0, 1, 2) 1
3
.
c) = (i, i, i), (1, 0, 1) C
3
. d) = (1, 1, 1), (1, 0, 1) 1
3
.
3. Determine uma base para o perp do subespa co \ = (r, j, .); r = j = . 1
3
.
4. Se l \ sao subespa cos de \ , mostre que \
per
l
per
.
5. Sejam l e \ subespa cos do espa co vetorial de dimensao nita \ . Quais dos
seguintes subspa cos de \

sao iguais?
(l +\)
per
, l
per
+\
per
, (l \)
per
e l
per
\
per
.
3.5 Teorema do posto
Essa se c ao e toda ela dedicada ` a demonstra c ao do Teorema do posto de uma
matriz. Antes disso, devemos estabelecer a rela c ao entre a imagem e o n ucleo de
56 CAP

ITULO 3. ESPAC O DUAL


uma transforma c ao linear : \ \ com o n ucleo e a imagem (nessa ordem) de
sua adjunta

: \

. Essa rela c ao e estabelecida precisamente utilizando-


se o conceito de perpendicular de um conjunto. Lembramos que o posto de uma
transforma c ao linear e a dimens ao da sua imagem.
Proposi cao 3.5.1 Seja : \ \ uma transformac ao linear entre dois espa cos
vetoriais de dimens ao nita. Ent ao
a) nc

= (1:)
per
;
b) jo:to() = jo:to(

);
c) 1:

= (nc )
per
.
Demonstra cao o) O primeiro tem da proposi c ao segue diretamente da deni c ao
de adjunta e de perpendicular pois
) nc

[)]() = )(()) = 0 para todo \ ) (1:)


per
.
/) O Teorema do n ucleo e da imagem, o tem o), a Proposi c ao 4.1 e o isomor-
smo entre um espa co e seu dual justicam a sequencia de igualdades,
dim1:

= dim\

dimnc

= dim\

dim(1:)
per
= dim\ (dim\ dim1:)
= dim1:.
Portanto, o posto de e igual ao posto de sua adjunta.
c) Armar que ) 1:

e equivalente a armar que existe um funcional linear


p \

tal que )() = p(()) para qualquer vetor pertencente ao espa co \ .


Portanto, se e um elemento do n ucleo de ent ao )() = 0, em outras palavras,
) (nc )
per
, mostrando a inclus ao 1:

(nc )
per
. Para mostrar a
igualdade dos dois espa cos basta vericar que as dimens oes s ao iguais. Com efeito,
pelo Teorema do n ucleo e da imagem e o tem o) temos
dim(nc )
per
= dim \ dimnc = dim1: = dim

. 2
Sugerimos ao leitor rever a deni c ao de posto das linhas e das colunas de uma
matriz no Captulo 12. Observe que o pr oximo resultado e uma vers ao matricial
do tem /) da proposi c ao acima.
Teorema 3.5.1 (Teorema do posto de uma matriz) O posto das colunas de
uma matriz `(:n, K) e igual ao posto de suas linhas.
3.5. TEOREMA DO POSTO 57
Demonstra cao Sejam
n
= c
1
, c
2
, .., c
n
e
m
= d
1
, d
2
, .., d
m
as bases can onicas
de K
n
e K
m
, respectivamente. Considere a unica transforma c ao linear : K
n

K
m
cuja representa c ao matricial []

m
e a matriz dada = [o
ij
] `(:n, K).
Isto signica que temos as combina c oes lineares
(c
1
) = o
11
d
1
+o
21
d
2
+ +o
m1
d
m
,
(c
2
) = o
12
d
1
+o
22
d
2
+ +o
m2
d
m
,

(c
n
) = o
1n
d
1
+o
2n
d
2
+ +o
mn
d
m
.
Note que o posto de e o n umero m aximo de vetores linearmente independentes no
conjunto (
n
) = (c
1
), (c
2
), ..., (c
n
) 1:. Note tambem que o ,-esimo
elemento de (
n
) e uma combina c ao linear dos vetores (c
i
1
), (c
i
2
), ..., (c
i
r
)
se, e somente se, a ,-esima coluna
j
e uma combina c ao linear das colunas

i
1
,
i
2
, ...,
i
r
. Logo, o posto da transforma c ao linear e igual ao posto das
colunas de sua representa c ao matricial !
Consideremos a adjunta

: K
m

K
n

e as respectivas bases duais

m
e

n
.
Como sabemos, [

n
=
t
. Pelos mesmos motivos anteriores o posto de

e o
posto das colunas da matriz
t
. Como o posto de e o posto de

s ao iguais
seguem as igualdades
jo:to do: co|nno: dc = jo:to()
= jo:to(

)
= jo:to do: co|nno: dc
t
= jo:to do: |in/o: dc .
Isto termina a demonstra c ao do teorema. 2
Exerccios propostos 3.5.1
1. Calcule o posto das seguintes matrizes com entradas reais.
o) =
_
_
1 0 0
2 3 0
2 1 2
_
_
. /) =
_
_
1 2 1 1
1 6 2 1
3 2 0 1
_
_
.
2. Qual o posto de uma matriz n n invertvel?
3. Prove que o posto de uma matriz quadrada e invariante por conjuga cao.
4. Mostre que a nulidade de : \ \ e igual a nulidade de sua adjunta se, e somente
se, dim\ = dim\.
5. Seja : \ \ uma transforma cao linear. Prove as arma coes.
o) e sobrejetora
t
e injetora. /) e injetora
t
e sobrejetora.
Captulo 4
Operadores e polinomios
Os pr oximos sete captulos ser ao dedicados ao estudo de operadores lineares num
espa co vetorial de dimens ao nita. O objetivo do presente captulo e construir os
dois principais polin omios associados a um operador linear, polin omios minimal e
caracterstico, e estabelecer as rela c oes entre eles. Posteriormente faremos largo
uso das informa c oes obtidas.
4.1 Polinomio minimal
Na seq uencia, denotar a um operador linear num espa co vetorial \ de dimens ao
nita sobre o corpo K. Iniciaremos apresentando uma constru c ao envolvendo
polin omios e operadores lineares. Para cada polin omio
j(t) = o
r
t
r
+ +o
1
t +o
0
, j(t) K[t],
podemos construir um novo operador linear denindo
j() : \ \, j() = o
r

r
+ +o
1
+o
0
1d.
Obviamente
i
indica a composta do operador um n umero i de vezes e 1d indica
o operador identidade em \ . A mesma constru c ao pode ser repetida para matrizes
quadradas. Para `(n, K) denimos
j() = o
n

n
+ +o
1
+o
0
1.
Nesse caso,
i
indica a i-esima potencia de e 1 indica a matriz identidade
n n. A rela c ao entre as duas constru c oes e estabelecida atraves do Teorema da
representa c ao matricial.
Lema 4.1.1 Sejam uma base ordenada do espaco vetorial \ de dimens ao n e
: \ \ um operador linear. Seja 1 `(n, K) uma matriz invertvel. Ent ao
para cada polin omio j(t) K[t] valem as relac oes matriciais:
58
4.1. POLIN

OMIO MINIMAL 59
a) [j()]

= j ([]

);
b) j
_
1[]

1
1
_
= 1j ([]

) 1
1
.
Demonstra cao o) Assumindo que j(t) = o
r
t
r
+ +o
1
t +o
0
, avaliando j(t) no
operador linear e calculando a representa c ao matricial da avalia c ao, obtemos
[j()]

= [o
r

r
+ +o
1
+o
0
1d]

= o
r
[
r
]

+ +o
1
[]

+o
0
[1d]

= o
r
[]
r

+ +o
1
[]

+o
0
[1]
= j ([]

) .
/) Deixaremos como exerccio sugerindo a utiliza c ao da identidade matricial
_
11
1
_
r
= 1
r
1
1
para todo inteiro : 0. 2
O restante da se c ao e dedicado ao estudo de um conjunto de polin omios asso-
ciado a um operador linear.
Deni cao 4.1.1 Sejam \ um espaco vetorial sobre o corpo K e : \ \ um
operador linear. O ideal anulador de e o conjunto de polin omios

A
= j(t) K[t]; j() 0.
O ideal anulador de uma matriz `(n, K) e o conjunto de polin omios

N
= j(t) K[t]; j() [0].
Duas consequencias do lema anterior s ao imediatas. Se []

e a representa c ao
matricial do operador linear na base \ ent ao
A
=
[A]

pois
j() 0 [j()]

[0] j ([]

) [0].
O tem /) do mesmo lema implica que o ideal anulador de uma matriz e in-
variante por conjuga c ao, isto e,
N
=
RNR
1 para qualquer matriz invertvel
1 `(n, K).

E claro que o ideal anulador de n ao e vazio pois contem o
polin omio identicamente nulo. Podemos armar mais,
Proposi cao 4.1.1 O ideal anulador
A
e n ao trivial.
Demonstra cao Vamos supor que dim\ = n. O conjunto = 1d, ,
2
, ...,
n
2

e um conjunto linearmente dependente de L(\, \ ) pois esse espa co tem dimensao


n
2
. Portanto, existem escalares o
0
, o
1
, ..., o
n
2 K n ao todos nulos tais que
o
n
2
n
2
+ +o
1
+o
0
1d 0.
60 CAP

ITULO 4. OPERADORES E POLIN

OMIOS
Logo, o polin omio j(t) = o
n
2t
n
2
+ + o
1
t + o
0
n ao e o polin omio identicamente
nulo e pertence ao ideal anulador
A
. 2
Devemos justicar o nome ideal utilizado para designar o conjunto
A
.
Proposi cao 4.1.2
A
e um ideal de K[t], isto e,
a)
A
e um grupo comutativo com a operac ao de soma de polin omios;
b) Se j(t)
A
e (t) K[t], ent ao o produto de polin omios j(t)(t)
A
.
Demonstra cao Embora simples, faremos a demonstra c ao do item/) para observar
um detalhe na nota c ao utilizada. Dados j(t)
A
e (t) K[t], o produto j(t)(t)
quando avaliado no operador : \ \ torna-se uma composta de operadores
lineares, a saber,
j() () : \ \.
Como por hip otese, j() 0 segue que j(t)(t)
A
. 2
Apresentaremos a seguir um resultado b asico para o restante da Teoria. Antes
recordamos que um polin omio j(t) K[t] e dito m onico quando o coeciente do
termo de maior grau tem o valor 1.
Teorema 4.1.1 (Teorema do polin omio minimal) Seja
A
o ideal anulador
de um operador linear no espaco vetorial \ de dimens ao nita sobre K. Ent ao
existe um unico polin omio m onico :
A
(t)
A
, chamado de polin omio minimal
de , tal que
A
= :
A
(t)K[t].
Demonstra cao Note que o unico polin omio constante pertencente ao ideal anu-
lador e o polin omio identicamente nulo. Seja :
A
(t)
A
um polin omio m onico
n ao nulo de menor grau dentre todos do ideal anulador. Pelo coment ario acima
garantimos que p:on:
A
(t) 1. Como
A
e um ideal, justicamos a inclusao
:
A
(t)K[t]
A
, restando mostrar a inclus ao oposta. Considere qualquer poli-
n omio (t)
A
, lembramos que por escolha p:on(t) p:on:
A
(t). Pelo algo-
ritmo da divisao de Euclides e possvel escrever
(t) = :
A
(t)j(t) +:(t) em que j(t), :(t) K[t]
com p:on:(t) < p:on:
A
(t). Novamente, como
A
e um ideal, o polin omio :(t) =
(t):
A
(t)j(t) pertence ao ideal. Pela minimalidade do grau de :
A
(t) conclumos
que :(t) 0, implicando que (t) = :
A
(t)j(t) :
A
(t)K[t], como desej avamos
demonstrar. A demonstra c ao da unicidade do polin omio minimal e trivial. 2
Esse teorema e um resultado de algebra de polin omios. Para ressaltar esse fato
deixamos um exerccio que ser a utilizado outras vezes.
4.2. POLIN

OMIO CARACTER

ISTICO 61
Exerccio 4.1.1 Se K[t] e um ideal n ao trivial, prove que existe um unico
polin omio monico :(t) tal que = :(t)K[t]. Esse polin omio ser a chamado
de polin omio minimal (ou gerador) do ideal . 2
Exerccios propostos 4.1.1
1. Dados o operador linear : 1
2
1
2
, (r, j) = (r + j, r 3j) e o polin omio
j(t) = t
3
2t + 1, avalie j().
2. Verique que o polinomio j(t) = t
2
+1 pertence ao ideal anulador de : 1
2
1
2
,
(r, j) = (j, r). Conclua que j(t) e de fato o polinomio minimal de .
3. Mostre que o gerador do ideal anulador de : 1
2
1
2
, (r, j) = (2r+4j, r2j)
e o polinomio :
A
(t) = t
2
.
4. Suponha que
1
e
2
sao dois ideais de K[t] tais que
1

2
. Prove que o polinomio
minimal do segundo ideal divide o polinomio minimal do primeiro.
5. Seja : \ \ um operador linear. Prove as arma coes.
a) comuta com j(), para qualquer j(t) K[t].
b) \ \ e um subespa co invariante por \ e invariante por j(), para
qualquer j(t) K[t]. Em particular mostre que nc j() e invariante por .
c) O conjunto dos operadores lineares em \ que comutam com formam um
subespa co de L(\, \ ) cuja dimensao e maior ou igual ao grau do polin omio
minimal de .
6. Qual o polinomio minimal do operador identicamente nulo em \ ?
4.2 Polinomio caracterstico
O Teorema do polin omio minimal n ao fornece algoritmo algum para o c alculo de
:
A
(t). Essa diculdade e parcialmente contornada construindo-se explicitamente
um polin omio j
A
(t)
A
, chamado de polin omio caracterstico, que alem de
ser dividido por :
A
(t), contem todos os fatores primos do polin omio minimal,
facilitando os c alculos em v arias situa c oes.
O polin omio caracterstico de uma matriz `(n, K) e o polin omio m onico
de grau n denido por j
N
(t) = det(t1 ), onde det est a indicando o determi-
nante e ] a matriz identidade n n. Recordamos que se 1 `(n, K) e uma
matriz invertvel entao det 1 ,= 0 e det 1
1
= (det 1)
1
. Da segue que matrizes
conjugadas tem os polin omios caractersticos iguais, pois
det
_
t1 11
1
_
= det
_
1(t1 )1
1
_
= det (t1 ) .
62 CAP

ITULO 4. OPERADORES E POLIN

OMIOS
Essa propriedade permite estender para um operador linear : \ \ , onde \
e um espa co vetorial de dimens ao nita sobre K, o conceito de polin omio carac-
terstico. Denimos que j
A
(t) = j
[A]

(t), onde []

e a representa c ao matricial de
numa base de \ . Como uma outra representa c ao de difere dessa por uma
conjuga c ao, o polin omio caracterstico est a bem denido. Os coment arios acima
justicam a nota c ao j
A
(t) = det (t1d ).
Exemplo 4.2.1 A representa c ao matricial na base can onica do operador linear
: 1
2
1
2
, (r, j) = (r 2j, r + 3j) e a matriz
[]

=
_
1 2
1 3
_
.
Calculemos o polin omio caracterstico de ,
j
A
(t) = j
[A]

(t) = det (t1 []

) = det
_
t 1 2
1 t 3
_
= t
2
4t + 5.
Avaliemos o polin omio na representa c ao de ,
j([]

) =
_
1 2
1 3
_
2
4
_
1 2
1 3
_
+ 5
_
1 0
0 1
_
=
_
1 8
4 7
_
+
_
4 8
4 12
_
+
_
5 0
0 5
_
=
_
0 0
0 0
_
.
Os c alculos acima mostram que o polin omio caracterstico j
A
(t) pertence ao ideal
anulador
A
, ilustrando um fato geral que demonstraremos na pr oxima se c ao. 2
Exerccios propostos 4.2.1
1. Calcule o polinomio caracterstico dos seguintes operadores.
a) : 1
3
1
3
, (r, j, .) = (4r + 2j, r +j, j + 2.).
b) : 1
3
1
3
, (r, j, .) = (r, r + 2j, 2r j + 2.).
c) : 1
2
1
2
, (r, j) = (4r + 8j, 2r 4j).
2. Identique as razes do polinomio caracterstico de uma matriz triangular superior.
3. Mostre que j
N
(t) = t
2
(t: )t+dct e o polinomio
caracterstico da matriz 2 2 descrita ao lado.
=
_
o /
c d
_
.
4. Calcule o polinomio caracterstico do operador deriva cao no espa co K
n
[t].
4.3. TEOREMA DE CAYLEY-HAMILTON 63
5. Qual o polinomio caracterstico de uma involu cao num espa co de dimensao nita?
6. Mostre que j
N
(t) = t
3
ct
2
/t o e o polinomio
caracterstico da matriz descrita ao lado. Dena um
operador : 1
3
1
3
tal que []

= onde =
c
2
, (c
2
),
2
(c
2
).
=
_
_
0 0 o
1 0 /
0 1 c
_
_
.
7. Sejam e 1 dois operadores lineares num espa co vetorial de dimensao nita \ .
Demonstre que se e invertvel entao j
AB
(t) = j
BA
(t). Esse fato e verdadeiro
quando e 1 sao nao invertveis?
8. As aplica c oes
i
: `(n, K) K denidas pela identidade polinomial
dct (t1 ) =
n
()t
n
+
n1
()t
n1
+ +
1
()t +
0
(),
sao chamadas de func oes simetricas.
a) Demonstre que

i
: sao invariantes por conjuga cao e que
b)
i
(1) =
i
(1).
c) Identique
n1
e
0
.
d) Descreva todas as fun coes simetricas
i
: `(3, K) K.
9. Sejam e 1 dois operadores lineares no espa co vetorial \ de dimensao dois. Mostre
que ( 1 1 )
2
comuta com todo elemento de L(\, \ ).
10. Prove por indu c ao que o polinomio caracterstico de um operador num espa co ve-
torial de dimensao n e um polinomio monico de grau n. Sugestao: utilize o desen-
volvimento de Laplace por linhas para o calculo de determinantes.
4.3 Teorema de Cayley-Hamilton
Para mostrar que o polin omio caracterstico de um operador linear pertence ao
seu ideal anulador utilizaremos o conceito de matriz polinomial. Uma matriz poli-
nomial e uma matriz do tipo
(t) = [o
ij
(t)] em que o
ij
(t) K[t].
Isso signica que as entradas da matriz polinomial (t) s ao polin omios e podem
ser reescritas na forma
(t) =
r
t
r
+ +
1
t +
0
,
onde
i
s ao matrizes quadradas com entradas no corpo K. O grau de uma matriz
polinomial e o maior grau dentre todos graus das entradas.
Exemplo 4.3.1 1) A matriz polinomial 2 2 com entradas em K[t],
(t) =
_
t + 1 t
2
+t 2
t + 2 t
2
t + 3
_
,
pode ser apresentada tambem na forma
64 CAP

ITULO 4. OPERADORES E POLIN

OMIOS
(t) =
_
0 1
0 1
_
t
2
+
_
1 1
1 1
_
t +
_
1 2
2 3
_
.
Nesse caso, p:on(t) = 2.
2) Seja 1 a matriz identidade nn. Dado o polin omio (t) = o
r
t
r
+ +o
1
t+o
0
em K[t]. Reescrevemos a matriz polinomial (t)1, cujo grau e :,
(t)1 =
_

_
(t) 0 0
0 (t)
(t) 0
0 0 (t)
_

_
= o
r
1t
r
+ +o
1
1t +o
0
1.
Observe que o polin omio det((t)1) = [(t)]
n
tem grau :n.
3) J a tivemos a oportunidade de utilizar matrizes polinomiais quando denimos
o polin omio caracterstico de uma matriz com entradas no corpo K. Por exemplo,
para calcular o polin omio caracterstico de

0
=
_
1 2
1 3
_
,
consideramos a matriz polinomial (t) = t1
0
e denimos o polin omio carac-
terstico como sendo j
N
0
(t) = det (t) = t
2
4t + 5.
4) Mais geralmente. Dada a matriz
0
`(n, K), consideramos a matriz
polinomial n n de grau 1, denida por (t) = t1
0
. A adjunta cl assica de
(t), aqui denotada por od, ((t)), tambem e uma matriz polinomial n n e
satisfaz a identidade matricial (t) od, ((t)) = det (t) 1, ou equivalentemente,
(t1
0
) od, (t1
0
) = j
N
0
(t)1. 2
Vejamos um lema preparat orio para o Teorema de Cayley-Hamilton cuja prova
est a baseada na apresenta c ao de Birkho e MacLane [02].
Lema 4.3.1 Seja
0
`(n, K). Para cada polin omio (t) K[t] existe uma
matriz polinomial Q(t) = [
ij
(t)], satisfazendo a identidade matricial
(t)1 (
0
) = (t1
0
) Q(t).
Demonstra cao Se (t) = o
r
t
r
+ +o
1
t +o
0
, ent ao valem as igualdades
(t)1 = o
r
t
r
1 + +o
1
t 1 +o
0
1,
(
0
) = o
r

r
0
+ +o
1

0
+o
0
1.
Por subtra c ao obtemos,
(t)1 (
0
) = o
r
(t
r
1
r
0
) + +o
1
(t1
0
) .
4.3. TEOREMA DE CAYLEY-HAMILTON 65
Desde que as matrizes 1 e
0
comutam, a matriz polinomial t1
0
fatora
cada t1
i
0
, com 1 i :, do seguinte modo,
t
i
1
i
0
= (t1
0
)
_
t
i1
1 +t
i2

0
+ +t
i2
0
+
i1
0
_
.
Da podemos facilmente construir a matriz polinomial Q(t). 2
Teorema 4.3.1 (Teorema de Cayley-Hamilton) O polin omio caracterstico de
uma matriz
0
`(n, K) pertence ao ideal anulador
N
0
.
Demonstra cao Com efeito, denote por j
N
0
(t) o polin omio caracterstico de
0
.
Pelo lema anterior existe uma matriz polinomial Q(t) = [
ij
(t)] tal que
j
N
0
(t)1 j
N
0
(
0
) = (t1
0
) Q(t).
Por outro lado, considerando a adjunta cl assica de t1
0
temos a igualdade
j
N
0
(t)1 = (t1
0
) od, (t1
0
) .
Dessas duas equa c oes conclumos por substitu c ao que
j
N
0
(
0
) = (t1
0
) (od, (t1
0
) Q(t)) .
Utilizaremos o fato que a matriz j
N
0
(
0
) e uma matriz numerica para provar
que od, (t1
0
)Q(t) [0], de onde seguir a imediatamente o teorema. Suponha
por absurdo que od, (t1
0
) Q(t) e uma matriz polinomial n ao nula, digamos
od, (t1
0
) Q(t) = 1
r
t
r
+ +1
1
t +1
0
,
em que 1
i
`(n, K), : 0 e 1
r
n ao e identicamente nula. Sendo assim,
(t1
0
) [od, (t1
0
) Q(t)] = 1
r
t
r+1
+

(tc::o co: p:on :).


Logo, j
N
0
(
0
) e uma matriz polinomial com p:on 1, uma contradi c ao. 2
Por tudo que ja foi apresentado sobre as rela c oes entre o ideal anulador de
um operador linear e o ideal anulador de uma de suas representa c oes matriciais, a
prova da seguinte vers ao do Teorema de Cayley-Hamilton e imediata.
Corolario 4.3.1 O polin omio caracterstico de um operador linear num espa co
vetorial de dimens ao nita pertence ao ideal anulador do operador.
Exerccios propostos 4.3.1
1. Calcule o polinomio minimal do operador deriva cao no espa co dos polinomios K
n
[t].
2. Calcule o polinomio minimal de uma involu cao num espa co de dimensao nita.
3. Demonstre que as matrizes e 1 nao sao conjugadas, onde
=
_
1 1
0 1
_
c 1 =
_
o 0
0 /
_
.
66 CAP

ITULO 4. OPERADORES E POLIN

OMIOS
4. Fixado uma matriz `(2, K), considere o operador linear : `(2, K)
`(2, K), (A) = A. Calcule os polinomios minimal e caracterstico de em
fun c ao de :
N
(t) e j
N
(t).
5. Mostre que os polinomios mnimais e os polinomios caractersticos das matrizes
quadradas e
t
sao iguais.
4.4 Sobre a fatoracao do polinomio minimal
Para descrever com mais precis ao a rela c ao entre os polin omios minimal e carac-
terstico necessitaremos de alguns conceitos de

Algebra de polin omios. Recordamos
que os unicos corpos considerados s ao os corpos dos n umeros reais e dos complexos.
Um polin omio j(t) K[t] e redutvel sobre K quando admite uma fatora c ao
j(t) = (t):(t)
na qual (t), :(t) K[t], p:on(t) 1 e p:on:(t) 1. Caso contr ario j(t) e dito
ser um polin omio primo .
Dados os polin omios j
1
(t), j
2
(t), ..., j
k
(t) K[t], o conjunto
= j
1
(t)K[t] + j
2
(t)K[t] + +j
k
(t)K[t]
e um ideal e seu polin omio minimal e chamado de m aximo divisor comum de j
1
(t),
j
2
(t), ..., j
k
(t). Essa famlia de polin omios e relativamente prima quando o gerador
de e o polin omio constante :(t) 1, em outras palavras, quando = K[t].
Uma fatora c ao prim aria, ou prima, de um polin omio j(t) K[t] e uma fa-
tora c ao da forma
j(t) = o
0
j
1
(t)
r
1
j
2
(t)
r
2
j
k
(t)
r
k
,
onde o
0
e um escalar em K, :
i
1 s ao inteiros e j
1
(t), j
2
(t), ..., j
k
(t) e uma
cole c ao de polin omios m onicos, primos e relativamente primos. A menos da ordem
dos fatores a fatora c ao prim aria e unica.
O Teorema Fundamental da

Algebra arma que todo polin omio em C[t] ad-
mite uma raiz complexa, de onde segue o fato de que e possvel fatorar qualquer
polin omio em C[t] num produto de polin omios lineares (grau 1). Por outro lado,
qualquer polin omio em 1[t] admite uma fatora c ao em um produto de polin omios
lineares e/ou de grau 2.
Feita essa revis ao de

Algebra de polin omios, voltemos ao estudo de oper-
adores lineares num espa co vetorial \ de dimens ao nita. Todos os fatores primos
do polin omio caracterstico s ao fatores do polin omio minimal. Registremos essa
arma c ao na vers ao matricial.
4.4. SOBRE A FATORAC

AO DO POLIN

OMIO MINIMAL 67
Proposi cao 4.4.1 Se j
N
(t) = j
1
(t)
s
1
j
2
(t)
s
2
j
k
(t)
s
k
e a fatorac ao prim aria do
polin omio caracterstico da matriz `(n, K), ent ao a fatorac ao prim aria do
polin omio minimal de e da forma
:
N
(t) = j
1
(t)
r
1
j
2
(t)
r
2
j
k
(t)
r
k
com 1 :
i
:
i
.
Demonstra cao Como sabemos existe uma matriz polinomial Q(t) satisfazendo
:
N
(t)1 :
N
() = (t1 ) Q(t).
Levando-se em considera c ao que :
N
() [0], o c alculo do determinante em
ambos os membros da equa c ao nos d a
[:
N
(t)]
n
= j
N
(t) det Q(t).
Da segue que j
i
(t) divide [:
N
(t)]
n
para i = 1, 2, ..., /, e por conseguinte j
i
(t) di-
vide :
N
(t). Logo a fatora c ao prim aria do polin omio minimal contem uma potencia
positiva de cada j
i
(t). Como o Teorema de Cayley-Hamilton garante que :
N
(t)
divide o polin omio caracterstico j
N
(t), podemos armar que
:
N
(t) = j
1
(t)
r
1
j
2
(t)
r
2
j
k
(t)
r
k
com 1 :
i
:
i
. 2
Exemplo 4.4.1 O operador linear : 1
3
1
3
cuja representa c ao na base
can onica e a matriz
[]

=
_
_
8 4 8
47 18 39
8 2 5
_
_
tem polin omio caracterstico j
A
(t) = (t 1)(t 2)
2
. Logo, as unicas possibilidades
para polin omio minimal de s ao :
1
(t) = (t 1) (t 2) e :
2
(t) = (t 1)(t 2)
2
.
Verica-se que :
1
([]

) = [0]. Como p:on:


1
(t) < p:on:
2
(t) podemos garantir
que :
A
(t) = (t 1) (t 2). 2
Exerccios propostos 4.4.1
1. Calcule o polinomio minimal do operador : 1
n
1
n
quando
a) (r, j) = (9r 16j, 4r 7j).
b) (r, j) = (3j, r + 4j).
c) (r, j) = (4r + 8j, 2r 4j).
d) (r, j, .) = (3r +j 2., 2r + 4j 4., 2r +j .).
e) (r, j, .) = (4r + 2j, r +j, j + 2.).
f) (r, j, .) = (r, r + 2j, 2r j + 2.).
2. Demonste que se .
0
= + i C e uma raiz do polinomio j(t) com coecientes
reais, entao o conjugado .
0
= i tambem e uma raiz de j(t).
68 CAP

ITULO 4. OPERADORES E POLIN

OMIOS
3. Prove que se
1
e
2
sao dois escalares distintos de K, entao j(t) = t
1
e
(t) = t
2
sao polinomios relativamente primos.
4. Suponha que j(t) 1[t] e um polinomio primo e que .
0
= +i e uma raiz complexa
de j(t). Mostre que j(t) = (t )
2
+
2
.
5. Calcule o gerador do ideal anulador das seguintes matrizes com entradas reais.
o) =
_
4 2
8 4
_
; /) =
_
_
2 0 0
1 1 0
0 1 1
_
_
; c) =
_

_
2 0 0 0
1 1 0 1
1 0 2 0
1 1 0 3
_

_
.
6. Determine o polinomio caracterstico da matriz com
entradas reais descrita ao lado e diga para quais val-
ores de o polinomio e redutvel sobre 1.
1

=
_
cos :cn
:cn cos
_
7. Sejam \ = \
1
\
2
\
k
e
i
: \ \ a proje cao sobre \
i
ao longo das outras
parcelas. Verique que :

i
(t) = t(1 t).
8. Dados os polinomios j
1
(t), j
2
(t), ..., j
k
(t) K[t], prove e um ideal, onde
= j
1
(t)K[t] + j
2
(t)K[t] + +j
k
(t)K[t].
9. Um operador linear : \ \ e idempotente se
2
= . Assuma que \ tem
dimensao nita e que nao e a identidade nem o operador identicamente nulo.
a) Calcule os polinonios minimal e caracterstico de um operador idempotente.
b) Mostre que \ = nc 1: e que t: = di:1:.
c) Verique que e uma proje cao sobre a imagem ao longo do n ucleo.
10. Prove que toda proje cao ao longo de parcelas e um operador idempotente.
4.5 Polinomio minimal de um vetor
O ideal anulador com respeito ao operador linear : \ \ de um vetor \ e
o conjunto de polin omios

v
= j(t) K[t], j()() = 0.
De fato, verica-se facilmente que esse conjunto e um ideal e, portanto, existe
um polin omio monico :
v
(t)
v
tal que
v
= :
v
(t)K[t], chamado de polin omio
minimal do vetor .

E claro que ocorre a inclus ao de ideais
A

v
, implicando
que :
v
(t) divide :
A
(t).
Da mesma forma denimos o ideal anulador de um subespa co \ de \ ,

W
= j(t) K[t], j()(n) = 0, para todo n \.
O gerador desse ideal e chamado de polin omio minimal do subespa co \.
Exerccios propostos 4.5.1
4.5. POLIN

OMIO MINIMAL DE UM VETOR 69


1. Com a nota c ao dada acima, mostre que o polinomio minimal de um vetor relativo
a um operador linear divide o polinomio minimal de um subespa co que o contem.
2. Suponha que um operador linear num espa co vetorial de dimensao nita \
preserva um subespa co \ \ . Se
0
e o operador em \ obtido por restri cao
de , mostre que j
A
0
(t) [ j
A
(t) ([ signica que o primeiro polinomio divide o se-
gundo).
3. Seja um operador linear nao invertvel num espa co vetorial de dimensao nita \
sobre K. Existe algum polinomio nao constante j(t) K[t] para o qual o operador
j() : \ \ e invertvel?
4. Suponha que :
A
(t) = j
1
(t)
r
1
j
2
(t)
r
2
j
k
(t)
r
k
e a fatora cao primaria do polin omio
mnimo do operador linear : \ \ num espa co vetorial de dimensao nita.
a) Se o n ucleo de e nao trivial demonstre que j(t) = t divide o polin omio
minimal :
A
(t).
b) Assuma que (t) e :
A
(t) sejam polinomios relativamente primos. Prove que
o operador () : \ \ e um isomorsmo.
c) Mostre que o polinomio minimal de qualquer vetor em nc j
i
()
r
i
e uma
potencia do tipo j
i
(t)
s
i
, com :
i
:
i
.
d) Conclua que se i ,= , entao nc j
i
()
r
i
nc j
j
()
r
j
= 0.
5. Qual o polinomio minimal do vetor nulo relativo a um operador : \ \ ?
6. Assuma que \ = \
1
\
2
e uma decomposi cao em soma direta de um espa co
vetorial de dimensao nita \ . Seja : \ \ a aplica cao () =
1

2
, onde
=
1
+
2
e a decomposi cao correspondente do vetor . Calcule o polin omio
minimal de um vetor qualquer \ .
7. Seja um operador linear num espa co vetorial \ de dimensao nita. Dado uma
base ordenada =
1
,
2
, ...,
n
de \ , denote por :
i
(t) o polinomio minimal de

i
. Prove que o minimal m ultiplo comum de :
1
(t), :
2
(t), ..., :
n
(t) e precisamente
o polinomio minimal de .
Captulo 5
Decomposicao primaria
Nesse captulo e demonstrado o Teorema da decomposi c ao prim aria para oper-
adores que e o ponto de referencia em torno do qual o texto ser a desenvolvido.
Construiremos para cada operador linear num espa co vetorial de dimens ao nita
\ uma decomposi c ao de \ em soma direta invariante por associada ao polin omio
minimal, decomposi c ao essa que simplica em muito o estudo qualitativo do ope-
rador. A demonstra c ao do Teorema da decomposi c ao primaria segue, em essencia,
a ideia apresentada em [?].
5.1 Teorema da decomposicao primaria
Teorema 5.1.1 (Teorema da decomposi cao primaria) Seja um operador
linear no espa co vetorial de dimens ao nita \ sobre o corpo K. Se :
A
(t) =
j
1
(t)
r
1
j
2
(t)
r
2
j
k
(t)
r
k
e a fatorac ao prim aria do polin omio minimal do oper-
ador linear, ent ao \ decomp oe-se numa soma direta invariante por na forma
\ = nc j
1
()
r
1
nc j
2
()
r
2
nc j
k
()
r
k
.
Demonstra cao Para evitar trivialidades assumiremos que na fatora c ao prim aria
do polin omio minimal, o n umero de fatores relativamente primos e / 2. Feita
essa hip otese, para cada i, 1 i /, dena o polin omio
:

i
(t) = j
1
(t)
r
1
j
i
(t)
r
i
j
k
(t)
r
k
(o sinal sobre o i-esimo fator indica que ele foi suprimido). Os polin omios :

1
(t),
:

2
(t),...,:

k
(t) s ao relativamente primos, portanto, a soma dos ideais gerados pela
famlia de polin omios
_
:

i
(t)
_
k
i=1
igual ao anel K[t], em outras palavras,
K[t] = :

1
(t)K[t] +:

2
(t)K[t] + +:

k
(t)K[t].
70
5.1. TEOREMA DA DECOMPOSIC

AO PRIM

ARIA 71
Sendo assim, existem polin omios
1
(t),
2
(t),...,
k
(t) K[t] satisfazendo a identi-
dade polinomial
1 :

1
(t)
1
(t) +:

2
(t)
2
(t) + +:

k
(t)
k
(t).
Avaliando a identidade em e calculando a avalia c ao no vetor \ obtemos
= 1d() = :

1
()
1
()() +:

2
()
2
()() + +:

k
()
k
()().
Portanto, se
i
: \ \ e o operador linear
i
= :

i
()
i
(), podemos armar
que qualquer vetor \ e uma soma de vetores do tipo
=
1
+
2
+ +
k
em que
i
=
i
() 1:
i
,
Isso mostra que \ e a soma das imagens dos operadores
i
: \ \ ,
\ = 1:
1
+1:
2
+ +1:
k
.
Para provar que \ e a soma dos n ucleos dos operadores j
i
()
r
i
: \ \ , isto e,
\ = nc j
1
()
r
1
+nc j
2
()
r
2
+ +nc j
k
()
r
k
,
e suciente provar que valem as inclus oes de subespa cos 1:
i
nc j
i
(t)
r
i
. Com
efeito, dado um vetor n 1:
i
, escolhamos um vetor \ tal que
n =
i
() = :

i
()
i
()().
Lembrando-se da identidade polinomial :
A
(t) = j
i
(t)
r
i
:

i
(t) e de que o polin omio
minimal de pertencer ao ideal anulador de qualquer vetor fa camos os c alculos,
j
i
()
r
i
(n) = j
i
()
r
i
:

i
()
i
()()
=
i
() :
A
()()
. .
=o
= o.
Portanto, ca vericado que n nc j
i
()
r
i
como pretendamos. Agora, para
provar que a soma dos n ucleos e uma soma direta e suciente vericar a condi c ao
nc j
i
()
r
i
nc j
1
()
r
1
+ +nc j
i1
()
r
i1
= o para i 2.
Seja um vetor nessa interse c ao. Isto signica que
_
_
_
nc j
i
()
r
i
c
=
1
+
2
+ +
i1
com
j
nc j
j
()
r
j
, 1 , i 1.
Levando em conta que polin omios em comutam e que j
j
()
r
j
(
j
) = o, para todo
, com 1 , i 1, avaliemos o polin omio (t) = j
1
(t)
r
1
j
i1
(t)
r
i1
no vetor ,
()() =
i1

j=1
(j
1
()
r
1
j
j
()
r
j
j
i1
()
r
i1
) j
j
()
r
j
(
j
)
. .
=0
= 0.
72 CAP

ITULO 5. DECOMPOSIC

AO PRIM

ARIA
Por outro lado, j
i
()
r
i
() = 0 pois nc j
i
()
r
i
, implicando que os dois
polin omios relativamente primos j
i
(t)
r
i
e (t) pertencem ao ideal anulador
v
.
Consequentemente, o gerador do ideal e o polin omio :
v
(t) 1. Sendo assim,
o = :
v
()() = , conclundo que \ e uma soma direta dos n ucleos. Para
encerrar a demonstra c ao observamos que comuta com qualquer polin omio em
, da segue que cada parcela nc j
i
()
r
i
e invariante pelo operador. 2
A soma direta demonstrada no teorema acima (a menos da ordem das parce-
las) ser a chamada de decomposic ao prim aria de \ determinada por . Escolhendo
uma base ordenada
i
de nc j
i
()
r
i
obtemos uma representa c ao matricial rela-
tivamente simples para o operador na base ordenada =

i
,
[]

= diop [
1
]

1
, [
2
]

2
, ..., [
k
]

k
,
em que
i
: nc j
i
()
r
i
nc j
i
()
r
i
e o operador induzido por restri c ao de .
Exemplo 5.1.1 Vamos assumir que a representa c ao matricial na base can onica
do operador : 1
3
1
3
e a matriz
[]

=
_
_
1 4 3
1 10 7
1 13 9
_
_
.
Calculando o polin omio caracterstico de obtemos o polin omio
j
A
(t) = det (t1 []

) = t(t 1)
2
.
Como a avalia c ao do polin omio j(t) = t(t 1) em []

n ao e nulo pois
j ([]
a
) = []

([]

1) =
_
_
1 1 1
3 3 3
4 4 4
_
_
,
necessariamente o polin omio minimal de e :
A
(t) = t(t 1)
2
. Sendo assim,
induz a decomposi c ao prim aria \ = nc nc ( 1d)
2
. Calculamos uma
base para cada parcela da decomposi c ao prim aria resolvendo os sistemas lineares,
[]

_
_
r
j
.
_
_
=
_
_
1 4 3
1 10 7
1 13 9
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
,
[1d]
2

_
_
r
j
.
_
_
=
_
_
1 3 2
2 6 4
3 9 6
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
.
Uma base para a primeira parcela da decomposi c ao prim aria pode ser
1
=
(1, 2, 3) e uma base para a outra pode ser
2
= (2, 0, 1), (3, 1, 0). 2
5.1. TEOREMA DA DECOMPOSIC

AO PRIM

ARIA 73
Exemplo 5.1.2 Vamos supor que a representa c ao matricial de : 1
3
1
3
na
base can onica e a matriz
[]

=
_
_
3 4 4
8 7 8
10 10 11
_
_
.
Calculando o polin omio caracterstico de obtemos o polin omio
j
A
(t) = det (t1 []
a
) = (t + 1)
2
(t 1).
Necessariamente o polin omio minimal e :
A
(t) = (t + 1)(t 1) pois um c alculo
matricial mostra que []
2

1 [0]. Portanto, a decomposi c ao prim aria de \


ca sendo \ = nc (+1d) nc (1d). Determinemos uma base para cada
parcela resolvendo os sistemas lineares
[+1d]

[(r, j, .)]

= [(0, 0, 0)]

,
[1d]

[(r, j, .)]

= [(0, 0, 0)]

.
Da obtemos as bases
1
= (1, 1, 0), (1, 0, 1) e
2
= (1, 0, 1). Observe
a rela c ao entre a dimens ao de cada parcela e o grau do fator correspondente na
decomposi c ao primaria do polin omio caractertico, rela c ao que ser a estabelecida
posteriormente. 2
Exerccios propostos 5.1.1
1. Determine a decomposi cao primaria induzida por cada operador e encontre uma
base ordenada na qual a representa cao matricial e uma diagonal de matrizes.
a) : 1
3
1
3
, (r, j, .) = (5r j + 3., 6r + 4j 6., 6r + 2j 4.).
b) : C
3
C
3
, (r, j, .) = (2j +., j, 2r j .).
c) : 1
3
1
3
, (r, j, .) = (r, r + 2j, r +j 3.).
d) : 1
3
1
3
, (r, j, .) = (3., 3r, 3j).
e) : 1
4
1
4
, (r, j, ., n) = (j, ., n, r).
2. Sejam e 1 dois operadores no espa co vetorial \ de dimensao nita. Mostre que
se os operadores comutam entao 1 preserva cada parcela da decomposi cao prim aria
determinada por .
3. Assuma que o operador num espa co vetorial de dimensao nita \ e uma n-esima
raiz do operador 1, isto e,
n
= 1 para n 1. Mostre que preserva cada parcela
da decomposi c ao primaria determinada por 1.
4. Suponha que o operador linear : \ \ e tal que
3
.
a) Determine as possveis decomposi coes primarias determinada por .
74 CAP

ITULO 5. DECOMPOSIC

AO PRIM

ARIA
b) Represente numa base ordenada que e uma uniao ordenada de bases orde-
nadas das parcelas da decomposi cao.
5. Dados dois polinomios relativamente primos, j(t) e (t), cujo produto j(t)(t) e o
polinomio minimal de um operador linear de um espa co vetorial de dimens ao
nita \ . Demonstre que \ = nc j() nc ().
6. Considere o operador linear : 1
n
[t] 1
n
[t], (j(t)) = j(1 t).
a) Mostre que e uma involu cao.
b) De a decomposi cao primaria determinada pelo operador.
c) Calcule uma base para cada parcela da decomposi cao primaria.
5.2 Corolarios
Apresentaremos algumas conseq uencias do Teorema da decomposi c ao prim aria.
Por hip otese, em todos corol arios dessa se c ao : \ \ denotar a um operador
linear num espa co vetorial de dimens ao nita \ sobre o corpo K,
:
A
(t) = j
1
(t)
r
1
j
2
(t)
r
2
j
k
(t)
r
k
indicara a fatora c ao prim aria do seu polin omio minimal, enquanto a decomposi c ao
primaria induzida por ser a registrada como
\ = nc j
1
()
r
1
nc j
2
()
r
2
nc j
k
()
r
k
.
Corolario 5.2.1 O polin omio minimal de
i
: nc j
i
()
r
i
nc j
i
()
r
i
, o
operador induzido por restric ao de , e o polin omio :
A
i
(t) = j
i
(t)
r
i
.
Demonstra cao Para qualquer vetor em nc j
i
()
r
i
valem as igualdades
j
i
(
i
)
r
i
() = j
i
()
r
i
() = o,
de onde conclumos que o polin omio j
i
(t)
r
i
pertence ao ideal anulador
A
i
=
:
A
i
(t)K[t]. Sendo j
i
(t)
r
i
um polin omio m onico e primo, necessariamente teremos
que :
A
i
(t) = j
i
(t)
s
i
, com 1 :
i
:
i
. Por absurdo, suponhamos que para algum
i ocorra a desigualdade :
i
< :
i
. Sendo assim, considere o polin omio
:(t) = j
1
(t)
s
1
j
2
(t)
s
2
j
k
(t)
s
k
cujo grau e estritamente menor que o grau do polin omio minimal de . Pelo
Teorema da decomposi c ao prim aria um vetor \ e expresso como
=
1
+
2
+ +
k
com
i
nc j
i
()
r
i
.
Como j
i
()
s
i
(
i
) = o e polin omios em comutam, segue as igualdades,
:()() =
k

i=1
:()(
i
)
5.2. COROL

ARIOS 75
=
k

i=1
(j
1
()
s
1
j
i
()
s
i
j
k
()
s
k
) j
i
()
s
i
(
i
)
. .
=o
= o.
Logo, o polin omio :(t) anula o operador linear e p:on:(t) < p:on:
A
(t). Uma
contradi c ao. Portanto, :
A
i
(t) = j
i
(t)
r
i
, como queramos demonstrar. 2
O polin omio caracterstico do operador determina a dimens ao de cada parcela
da decomposi c ao prim aria. Registremos este fato num corol ario.
Corolario 5.2.2 Se j
A
(t) = j
1
(t)
s
1
j
2
(t)
s
2
j
k
(t)
s
k
e a fatorac ao prim aria do
polin omio caracterstico de , ent ao p:onj
i
(t)
s
i
= dimnc j
i
()
r
i
.
Demonstra cao Se =

i
e uma base ordenada construda ap os escolha de uma
base ordenada
i
do subespa co nc j
i
(t)
r
i
, a representa c ao matricial de e uma
diagonal de matrizes, a saber,
[]

= diop [
1
]

1
, [
2
]

2
, ..., [
k
]

k
,
em que
i
: nc j
i
()
r
i
nc j
i
()
r
i
e o operador obtido por restri c ao de
. Calculemos o polin omio caracterstico de em fun c ao dos polin omios carac-
tersticos das restri c oes. Seja 1
i
a matriz identidade de mesma dimens ao que [
i
]

i
.
Entao
j
A
(t) = det
_
t1 []

_
= det
_
t1
1
[
1
]

1
_
det
_
t1
k
[
k
]

k
_
= j
A
1
(t) j
A
k
(t).
Pelo corol ario acima, sabemos que :
A
i
(t) = j
i
(t)
r
i
. Como o polin omio mini-
mal :
A
i
(t) divide o polin omio caracterstico j
A
i
(t) podemos armar que j
A
i
(t) =
j
i
(t)
z
i
para algum inteiro .
i
:
i
. Portanto, uma fatora c ao prim aria para j
A
(t) e
j
A
(t) = j
1
(t)
z
1
j
2
(t)
z
2
j
k
(t)
z
k
.
Entretanto, a fatora c ao prim aria e unica e por hip otese
j
A
(t) = j
1
(t)
s
1
j
2
(t)
s
2
j
k
(t)
s
k
.
Logo, .
i
= :
i
, isto e, j
A
i
(t) = j
i
(t)
s
i
. Recordamos que o grau de um polin omio
caracterstico e igual ` a dimens ao do espa co, no caso aqu considerado temos,
dimnc j
i
()
r
i
= p:onj
i
(t)
s
i
. 2
Na demonstra c ao do Teorema da decomposi c ao prim aria est a subjacente um
fato que deve ser ressaltado pela sua utilidade.
76 CAP

ITULO 5. DECOMPOSIC

AO PRIM

ARIA
Corolario 5.2.3 A projec ao
i
: \ \ sobre nc j
i
()
r
i
ao longo das outras
parcelas e um polin omio em .
Demonstra cao Revisemos a demonstra c ao do Teorema da decomposi c ao prim aria.
Al, denimos a famlia de polin omios relativamente primos
_
:

i
(t)
_
k
i=1
, onde
:

i
(t) = j
1
(t)
r
1
j
i
(t)
r
i
j
k
(t)
r
k
.
Como
K[t] = :

1
(t)K[t] +:

2
(t)K[t] + +:

k
(t)K[t],
escolhemos polin omios
1
(t),
2
(t),...,
k
(t) K[t] satisfazendo a identidade
1 :

1
(t)
1
(t) +:

2
(t)
2
(t) + +:

k
(t)
k
(t).
Denimos o operador
i
: \ \ por
i
= :

i
()
i
() e conclumos que
_
_
_
\ = 1:
1
+1:
2
+ +1:
k
,
1d =
1
+
2
+ +
k
.
Observe que
i
e um polin omio em ! Alem disso, provamos a inclus ao de
subespa cos 1:
i
nc j
i
()
r
i
. Na verdade, nessa inclus ao vale a igualdade
pois, por absurdo, suponha que para algum i ocorra a desigualdade dimensional
dim1:
i
< dimnc j
i
()
r
i
, ent ao
dim\

k
i=1
dim1:
i
<

k
i=1
dimnc j
i
()
r
i
= dim\,
evidentemente uma contradi c ao. Logo, a decomposi c ao prim aria de \ e tambem
expressa por
\ = 1:
1
1:
2
1:
k
.
Para provar que
i
e a proje c ao de \ sobre nc j
i
(t)
r
i
= 1:
i
ao longo das
outras parcelas basta mostrar que
i

j
0 se i ,= , e que
i

i

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

j
e divisvel pelo polin omio minimal
de , da a nulidade da composta. A segunda arma c ao e obtida compondo
i
com a identidade
1d =
1
+
2
+ +
k
.
Isto termina a demonstra c ao do corol ario. 2
O Teorema da decomposi c ao prim aria simplica bastante o estudo dos sube-
spa cos invariantes pois ele e uma soma direta de subespa cos invariantes contidos
nas parcelas da decomposi c ao prim aria.
Corolario 5.2.4 Se \ \ e um subespaco invariante pelo operador ent ao
\ = (\ nc j
1
()
r
1
) (\ nc j
2
()
r
2
) (\ nc j
k
()
r
k
) .
5.2. COROL

ARIOS 77
Demonstra cao A inclus ao
\ (\ nc j
1
()
r
1
) + (\ nc j
2
()
r
2
) + + (\ nc j
k
()
r
k
)
e independente de \ ser invariante por ou n ao. Veriquemos a inclus ao oposta.
Qualquer vetor n \ e decomposto de modo unico como
n =
1
(n) +
2
(n) + +
k
(n),
onde
i
e a proje c ao de \ sobre a i-esima parcela da decomposi c ao primaria ao
longo das outras parcelas. Como vimos,
i
e um polin omio em . Desde que \
e invariante por , e claro que \ e invariante por qualquer polin omio em , em
particular por
i
. Logo
i
(n) \ nc j
i
()
r
i
, mostrando a inclus ao desejada.
Portanto
\ = (\ nc j
1
()
r
1
) + (\ nc j
2
()
r
2
) + + (\ nc j
k
()
r
k
) .
Como a decomposi c ao prim aria e uma soma direta, conclumos imediatamente que
essa ultima soma e tambem uma soma direta. 2
Terminaremos a se c ao mostrando a existencia de um vetor especial. O pr oximo
resultado ser a utilizado repetidas vezes.
Corolario 5.2.5 Existe um vetor \ cujo polin omio minimal e igual ao polin omio
minimal do operador linear .
Demonstra cao A demonstra c ao ser a feita em tres arma c oes.
Armac ao 1. Existe um vetor
i
nc j
i
()
r
i
cujo polin omio minimal :
v
i
(t)
e precisamente j
i
(t)
r
i
.
O polin omio minimal de qualquer vetor em nc j
i
()
r
i
e uma potencia de
j
i
(t). Por absurdo, suponha que todo vetor nc j
i
()
r
i
possui um polin omio
minimal :
v
(t) = j
i
(t)
r
v
satisfazendo :
v
< :
i
. Considere o polin omio j(t)
r
onde :
e o maximo do inteiros :
v
. Dessa forma, j
i
()
r
() = 0 para todo nc j
i
()
r
i
,
contradizendo o primeiro corol ario desta se c ao.
Armac ao 2. Se i ,= , o operador linear j
i
()
n
: nc j
j
()
r
j
nc j
j
()
r
j
e um isomorsmo linear para todo inteiro n 0.
Se e um vetor no n ucleo do operador j
i
()
n
: nc j
j
()
r
j
nc j
j
()
r
j
,
entao os polin omios j
i
(t)
n
e j
j
(t)
r
j
pertencem ao ideal anulador
v
de onde con-
clumos que seu polin omio minimal :
v
(t) divide dois polin omios relativamente
primos. Logo, :
v
(t) 1, implicando que = o.
Armac ao 3. O vetor =
1
+
2
+ +
k
tem polin omio mnimo igual ao
polin omio minimal de , onde
i
e o vetor obtido na Arma c ao 1.
Deixaremos como exerccio a prova desta arma c ao. 2
78 CAP

ITULO 5. DECOMPOSIC

AO PRIM

ARIA
Exerccio 5.2.1 Utilize as arma c oes 1 e 2 do corol ario acima para provar que a
imagem do operador linear j
i
()
r
i
: \ \ e o subespa co
1:j
i
()
r
i
= nc j
1
()
r
1


nc j
i
()
r
i
nc j
k
()
r
k
.
2
Exerccios propostos 5.2.1
1. Considere o operador linear : 1
3
1
3
, (r, j, .) = (j, 2r + 3j, r + 2j).
a) Calcule :
A
(t).
b) Examine a identidade polinomial (t 2)
2
+ (t 1)(3 t) = 1 e explicite as
proje c oes
i

s sobre as parcelas da decomposi cao primaria.


2. Encontre um vetor cujo polinomio minimal e igual ao polinomio minimal do oper-
ador.
a) : C
3
C
3
, (r, j, .) = (0, 2r, r + 3j).
b) : 1
3
1
3
, (r, j, .) = (2r +j +., 2r +j + 3., 3r +j .)
3. Seja : \ \ um operador linear num espa co vetorial \ de dimensao nita sobre
K satisfazendo a condi cao
2
.
a) Qual o polinomio minimal de ?
b) Se nao e a identidade e nem o operador nulo, prove que \ = 1: nc ,
com cada parcela nao trivial.
4. Denote por \
1
e \
2
os subespa cos unidimensionais de 1
2
gerados pelos vetores

1
= (1, 2) e
2
= (1, 1), respectivamente.
a) Mostre que 1
2
= \
1
\
2
.
b) Se
1
e a proje cao de 1
2
sobre \
1
ao longo da outra parcela, de a fatora c ao
primaria de :

1
(t).
c) Qual a decomposi cao primaria induzida por
1
?
d) Calcule a representa cao matricial de
1
na base canonica.
5. Suponha que o polinomio minimal do operador linear nao identicamente nulo :
\ \ seja um produto de fatores lineares distintos. Demonstre que existe um
operador linear 1 : \ \ tal que 1 = 1 e idempotente, isto e, 1
2
= 1.
6. Determine o polinomio caracterstico do operador induzido numa parcela da decom-
posi c ao primaria denida pelo operador.
7. Assuma que : \ \ e um operador linear sobre um espa co vetorial \ de
dimensao nita sobre K preservando a soma direta \ = \
1
\
2
\
k
.
a) Se
i
: \
i
\
i
e o operador induzido por restri cao de , prove que o polin omio
minimal :
A
(t) pertence ao ideal anulador
A
i
, para todo i.
b) O polinomio minimal de e o produto dos polinomios mnimos :
A
i
(t)?
5.3. SUBESPAC OS C

ICLICOS 79
8. Seja um operador linear num espa co vetorial de dimensao nita \ . Prove que se n
e sao vetores de parcelas diferentes da decomposi cao primaria, entao o polinomio
minimal da soma n + e o produto dos polinomios mnimo de n e de .
9. Descreva todos os subespa cos invariantes pelo operador linear.
a) : 1
4
1
4
, (r, j, ., n) = (0, r n, j + 4n, . +n).
b) : 1
3
1
3
, (r, j, .) = (r 6j, r + 2., r + 2.).
5.3 Subespacos cclicos
Quando o polin omio minimal de um operador linear : \ \ e uma potencia de
um unico polin omio primo, :
A
(t) = j(t)
r
, o Teorema da decomposi c ao primaria
praticamente nada acrescenta ao nosso conhecimento sobre o operador. Um exem-
plo tpico dessa situa c ao e o operador induzido por restri c ao a uma das parcelas
primarias. Como sabemos, o induzido tem um polin omio minimal da forma j(t)
r
.
Para contornar essa e outras diculdades consideramos o subespa co invariante de
menor dimensao que contem um dado vetor e procuramos decompor o espa co \
em uma soma direta de tais subespa cos. Precisemos os conceitos.
Seja um operador linear num espa co vetorial de dimens ao nita \ sobre o
corpo K. Um espa co invariante por que contem um vetor \ deve conter
todos os iterados de pelo operador , isto e, deve conter o conjunto
= , (),
2
(), ...,
n
(), ....
Como sabemos, o menor subespa co que contem o conjunto e aquele formado
pelas combina c oes lineares de seus elementos, o qual sera chamado de subespa co
-cclico gerado por e denotado por (
A
() ou, quando n ao causar ambig uidades,
por ((). Verica-se que tal subespa co e invariante por . Um modo conciso de
denir uma combina c ao linear de iterados de por e considerar um polin omio
j(t) = o
n
t
n
+ +o
1
t +o
0
em K[t] e fazer a avalia c ao
j()() = o
n

n
() + +o
1
() +o
0
1d().
Desse modo, temos a seguinte descri c ao do subespa co -cclico gerado por ,
(
A
() = j()(); j(t) K[t].
Relacionaremos algumas propriedades sobre subespa cos cclicos que ser ao uti-
lizadas posteriormente sem nenhuma referencia. Observamos que o conhecimento
do polin omio minimal do vetor e a principal fonte de informa c oes sobre o subespa co
cclico gerado por ele, como veremos na proposi c ao a seguir.
80 CAP

ITULO 5. DECOMPOSIC

AO PRIM

ARIA
Proposi cao 5.3.1 Seja um operador linear num espaco vetorial \ de dimens ao
nita sobre o corpo K e seja \ um vetor n ao nulo. Ent ao
a) o conjunto = , (), ...,
k
0
1
() e uma base para ((), onde /
0
e o
grau do polin omio minimal de . Em particular, dim(() = p:on:
v
(t);
b) vale a igualdade dos ideais anuladores:
v
=
C(v)
;
c) se
0
: (() (() e o operador linear induzido por restric ao de , ent ao
o polin omio minimal de
0
e igual ao polin omio minimal de .
Demonstra cao o) Escolha um vetor n ((). Por deni c ao de subespa co cclico,
existe um polin omio
j(t) = o
n
t
n
+ +o
1
t +o
0
, tal que n = j()().
Pelo algoritmo da divis ao de Euclides temos que
j(t) = (t):
v
(t) +:(t) com p:on:(t) < p:on:
v
(t) = /
0
.
Da segue que n = :()(), em outras palavras, n e uma combina c ao linear
de vetores de = , (), ...,
k
0
1
(), mostrando que e um conjunto de
geradores para ((). Os vetores de s ao linearmente independentes pois uma
combina c ao linear
o
k
0
1

k
0
1
() + +o
1
() +o
0
= o
dene um polin omio j(t) = o
k
0
1
t
k
0
1
+ +o
1
t +o
0
no ideal anulador
v
satis-
fazendo a condi c ao p:onj(t) < p:on:
v
(t). Logo, j(t) 0, ou equivalentemente,
o
k
0
1
= = o
1
= o
0
= 0, como desej avamos demonstrar.
/) Provemos apenas a inclus ao
v

C(v)
. Seja j(t) um polin omio no ideal
anulador
v
. Dado um vetor n ((), por deni c ao de subespa co cclico, existe
um polin omio (t) K[t] tal que n = ()(). Observe que
j()(n) = j() ()() = () j()()
. .
=o
= o.
Portanto, j() e um operador que anula qualquer vetor em ((), signicando que
j(t)
C(v)
.
c) Novamente, demonstraremos apenas a inclus ao
A
0

v
, a inclus ao oposta
car a como exerccio. Armar que j(t) pertence ao ideal anulador
A
0
signica
armar que j(
0
)(n) = o para qualquer vetor n ((). Em particular, como
(() temos que j(
0
)() = o. Desde que j()() = j(
0
)() = o conclumos
que j(t) pertence ao ideal anulador
v
, mostrando a inclus ao
A
0

v
como
pretendamos. 2
5.4. ESPAC OS C

ICLICOS 81
Exerccios propostos 5.3.1
1. Quantos subespa cos sao invariantes por : 1
4
1
4
se o polinomio minimal do
operador e :
A
(t) =
_
t
2
+ 1
_ _
t
2
+t + 1
_
?
2. Sejam um operador linear em \ . Prove que ((n) = (() existe um polinomio
p(t) K[t] relativamente primo com :
u
(t) tal que p()(n) = .
3. Dado um operador linear no espa co vetorial \ de dimensao nita sobre K, seja
\ um vetor cujo polinomio minimal e :
v
(t) = t
k
+o
k1
t
k1
+ +o
1
t+o
0
. Denote
por
0
o operador em (() induzido por restri cao de . Calcule a representa c ao
de
0
na base ordenada = , (), ...,
k1
(). A matriz obtida e chamada de
matriz companheira.
5.4 Espacos cclicos
Seja um operador linear num espa co vetorial \ de dimens ao nita sobre K.
Diremos que o espa co e -cclico quando existe um vetor \ tal que \ = (().
Espa cos -cclicos admitem uma caracteriza c ao bastante simples atraves dos dois
principais polin omios associados ao operador. Com as hip oteses acima, temos a
Proposi cao 5.4.1 O espaco \ e -cclico se, e somente se, o polin omio carac-
terstico e o polin omio mnimo de s ao iguais.
Demonstra cao ) Suponha que exista um vetor \ tal que \ = ((). Ent ao
valem as igualdades
p:onj
A
(t) = dim\ = dim(() = p:on:
v
(t).
Como :
v
(t) divide :
A
(t) e :
A
(t) divide j
A
(t), como os polin omios s ao m onicos
e como p:on:
v
(t) = p:onj
A
(t) conclumos que :
v
(t) = :
A
(t) = j
A
(t).
) Vamos supor a igualdade de polin omios :
A
(t) = j
A
(t). Escolhamos um
vetor \ cujo polin omio minimal e igual ao polin omio minimal de . Ent ao
dim\ = p:onj
A
(t) = p:on:
A
(t) = p:on:
v
(t) = dim(().
A igualdade dimensional implica imediatamente que \ = ((). 2
Exemplo 5.4.1 Consideremos o operador : 1
3
1
3
, (r, j, .) = (., r, j). Se
= c
1
, c
2
, c
3
e a base can onica do 1
3
e f acil vericar que (c
1
) = c
2
, (c
2
) = c
3
e (c
3
) = c
1
. Como os iterados do vetor c
1
contem a base can onica, 1
3
e um
espa co -cclico, mais precisamente, 1
3
= ((c
1
). Examinemos com mais detalhes
o operador. O Teorema da decomposi c ao prim aria arma que 1
3
decomp oe-se na
soma direta -invariante,
82 CAP

ITULO 5. DECOMPOSIC

AO PRIM

ARIA
1
3
= nc (+1d) nc (
2
++1d),
pois o polin omio minimal e :
A
(t) = (t +1)(t
2
+t +1). Com um pouco de c alculo
determinamos as seguintes decomposi c oes cclicas para as parcelas prim arias,
_
_
_
nc (+1d) = ((
1
) com
1
= (1, 1, 1),
nc (
2
++1d) = ((
2
) com
2
= (1, 1, 0).
Logo, tambem e possvel decompor o espa co 1
3
em duas parcelas -cclicas, a
saber, 1
3
= ((
1
) ((
2
). Na pr oxima se c ao descreveremos melhor as v arias
possibilidades de decomposi c oes em soma direta por subespa cos -cclicos. 2
Exerccios propostos 5.4.1
1. Se o polinomio caracterstico do operador : 1
2
1
2
nao tem razes reais, prove
que 1
2
e um espa co -cclico.
2. Verique que 1
3
e um espa co -cclico e determine um vetor tal que 1
3
= (()
quando : 1
3
1
3
e o operador
a) (r, j, .) = (r + 4j 3., r + 10j 7., r + 13j 9.).
b) (r, j, .) = (r + 2., r +., r +j + 2.).
3. Seja : \ \ um operador linear num espa co vetorial de dimens ao nita.
Suponha que \ e -cclico. Mostre que um operador 1 : \ \ que comuta
com e um polinomio em .
4. Prove que se um espa co vetorial de dimensao nita \ e
n
cclico para algum
inteiro n 2, entao \ e cclico.
5. Demonstre que um subespa co de um espa co -cclico e tambem -cclico.
6. Seja um operador linear num espa co vetorial \ de dimensao nita. Suponha que
\ = (() e que :
v
(t) = j(t)
r
e a fatora cao primaria do polinomio minimal de .
Mostre que se : : entao j()
s
(\ ) e um subespa co -cclico gerado por j()
s
()
com dimensao p:onj(t)
r
p:onj(t)
s
.
5.5 Sobre a decomposicao cclica
Um dos nossos objetivos e construir uma decomposi c ao can onica do espa co em
uma soma direta de subespa cos -cclicos,
\ = ((
1
) ((
2
) ((
m
).
Esse ser a o topico tratado nos pr oximos dois captulos. Como vimos no ultimo
exemplo, sem impor alguma restri c ao e possvel construir v arias decomposi c oes
5.5. SOBRE A DECOMPOSIC

AO C

ICLICA 83
-cclicas de \ n ao isomorfas em geral. Para deixar mais claro essa ideia, apre-
sentaremos a seguir um teorema que garante um tipo de unicidade de decomposi c ao
cclica impondo um mnimo de restri c oes sobre as parcelas da decomposi c ao. Em-
bora seja um procedimento matematicamente exdr uxulo apresentar um teorema
de unicidade sem antes saber se o objeto existe, estamos convencidos da sua con-
veniencia. Na pr oxima deni c ao utilizaremos a terminologia usual. Seja
\ = nc j
1
()
r
1
nc j
2
()
r
2
nc j
k
()
r
k
a decomposi c ao prim aria determinada pelo operador linear : \ \ .
Deni cao 5.5.1 Uma decomposic ao -cclica de \ e uma decomposic ao em soma
direta de subespa cos -cclicos na qual cada parcela da decomposic ao prim aria est a
decomposta na forma,
nc j
i
()
r
i
= ((
1
) ((
2
) ((
m
i
),
p:onj
i
(t)
r
i
= dim((
1
) dim((
2
) dim((
m
i
).
Em tempo, uma representa c ao de Jordan de um operador e obtida a partir
de uma tal decomposi c ao. J a dissemos que a existencia de uma decomposi c ao
-cclica ser a demonstrada posteriormente. Aqui nos ocuparemos da unicidade
dimensional da decomposi c ao -cclica explicada no teorema abaixo. O estudo
ca reduzido a operadores para os quais o polin omio minimal e potencia de um
unico polin omio primo j(t) pois, em geral, s o precisaremos examinar o operador

i
: nc j
i
()
r
i
nc j
i
()
r
i
, induzido por restri c ao de , cujo polin omio
minimal e j
i
(t)
r
i
.
Teorema 5.5.1 (Teorema da unicidade dimensional cclica) Seja um op-
erador linear no espa co vetorial \ de dimens ao nita sobre o corpo K cujo polin omio
minimal e potencia de um unico polin omio primo, :
A
(t) = j(t)
r
. Se existe uma
decomposic ao -cclica
\ = ((
1
) ((
2
) ((
k
),
p:onj(t)
r
= dim((
1
) dim((
2
) dim((
k
),
ent ao esta decomposic ao e dimensionalmente unica no seguinte sentido. Para qual-
quer outra decomposic ao -cclica
\ = ((n
1
) ((n
2
) ((n
n
),
p:onj(t)
r
= dim((n
1
) dim((n
2
) dim((n
n
),
o n umero de parcelas s ao iguais e dim((
i
) = dim((n
i
)
84 CAP

ITULO 5. DECOMPOSIC

AO PRIM

ARIA
A demonstra c ao do teorema e um laborioso c alculo dimensional e, certamente,
quebrara o ritmo de leitura. Se por um lado a compreens ao do enunciado e impor-
tante, por outro lado a tecnica de demonstra c ao n ao mais se repetir a, n ao ocor-
rendo perda alguma caso a leitura da demonstra c ao seja omitida. No momento, o
mais importante e compreender e ilustrar o resultado solucionando alguns proble-
mas propostos. Em ultima an alise a aspereza da demonstra c ao e consequencia de
estarmos demonstrando a unicidade da representa c ao de Jordan para um operador.
De qualquer modo, a prova est a na pr oxima se c ao. Finalmente, observamos que
o Teorema da unicidade dimensional cclica est a mostrando o isomorsmo entre
todas as decomposi c oes cclicas denidas por um operador.
Exemplo 5.5.1 Suponha que os polin omios mnimo e caracterstico de um oper-
ador linear : 1
5
1
5
sejam, respectivamente,
:
A
(t) = (t 1)
2
(t + 3) e j
A
(t) = (t 1)
3
(t + 3)
2
.
Pelo Teorema da decomposi c ao prim aria e corol arios sabemos que
1
5
= nc (1d)
2
nc (+ 31d),
com dimnc (1d)
2
= 3 e dimnc (+31d) = 2. Se existe uma decomposi c ao
-cclica de 1
5
ela deve satisfazer as seguintes condi c oes dimensionais,
_

_
nc (1d)
2
= ((
1
) ((
2
),
p:on(t 1)
2
= dim((
1
)
. .
=2
dim((
2
)
. .
=1
_

_
nc (+ 31d) = ((
3
) ((
4
),
p:on(t + 3) = dim((
3
)
. .
=1
= dim((
4
)
. .
=1
.
A representa c ao matricial do operador na base
ordenada =
1
, (
1
)


2

4
, ca sendo a matriz ao lado. A matriz ser a
a mesma se escolhermos qualquer outra decom-
posi c ao cclica respeitando-se, e claro, a ordem
das parcelas da decomposi c ao prim aria. 2
[]

=
_

_
0 1
1 2
1
3
3
_

_
Exerccios propostos 5.5.1
1. Descreva todas as decomposi coes -cclicas que podem ocorrer quando e um
operador linear num dos seguintes espa cos.
a) \ = 1
2
. b) \ = 1
3
. c) \ = C
2
. d) \ = C
3
.
5.6. AP

ENDICE 85
2. A representa c ao matricial na base ordenada =

1
,
2
,
3
,
4
,
5
do operador linear 1 : 1
5
1
5
e a matriz ao lado.
a) Mostre que 1
5
= (
B
(
1
) (
B
(
2
) e calcule
a dimensao de cada parcela.
b) Determine uma decomposi cao -cclica
quando 1d +1.
[1]

=
_

_
0
1 0
1 0
1 0
0 1
_

_
.
3. Descreva as possveis decomposi coes cclicas determinadas pelo operador : 1
6

1
6
supondo que os polinomios mnimo e caracterstico sao os indicados.
a) :
A
(t) = (t
2
+ 1)(t 3) e j
A
(t) = (t
2
+ 1)
2
(t 3)
2
.
b) :
A
(t) = (t
2
+ 1)(t 3)
2
e j
A
(t) = (t
2
+ 1)
2
(t 3)
2
.
c) :
A
(t) = (t
2
1)(t 3)
2
e j
A
(t) = (t
2
1)
2
(t 3)
2
.
4. Seja um operador linear no espa co vetorial \ de dimensao nita sobre K. Prove
as seguintes arma coes sobre espa cos cclicos.
a) Se n (() entao ((n) (().
b) () ((()) = ( (()()) para qualquer polinomio (t) K[t].
c) Se existe uma decomposi cao \ = ((
1
) ((
2
) ((
m
), entao
j() (\ ) = ((j()(
1
)) ((j()(
2
)) ((j()(
m
)),
para qualquer polinomio j(t) K[t]. (Sugestao: para o item 2 compare os
conjuntos
_
() ((()) = () j()() K[t] ,
( (()()) = j() ()() K[t] .
No item 3 utilize os anteriores e um criterio para identicar uma soma direta.)
5.6 Apendice
Esse apendice e dedicado ` a prova do Teorema da unicidade dimensional da de-
composi c ao cclica. Antes de inici a-la examine o Exerccio Proposto 4 da se c ao
anterior.
Demonstra cao do Teorema da unicidade dimensional Recordamos que por
hip otese a fatora c ao prim aria do polin omio mnimo de e :
A
(t) = j(t)
r
, portanto
qualquer vetor tem polin omio minimal do tipo :
v
(t) = j(t)
z
e por conseguinte
temos que dim(() = p:onj(t)
z
.
Dada uma decomposi c ao de \ em subespa cos -cclicos e conveniente apre-
86 CAP

ITULO 5. DECOMPOSIC

AO PRIM

ARIA
senta-la de outra forma,
\ =
_

_
((
11
) ((
12
) ((
1k
1
) dim((
ij
) = p:onj(t)
r
1
((
21
) ((
22
) ((
2k
2
) dim((
ij
) = p:onj(t)
r
2
.
.
.
((
m1
) ((
m2
) ((
mk
m
), dim((
ij
) = p:onj(t)
r
m
onde est ao relacionados por lionha os subespa cos de dimens ao p:onj(t)
r
1
, indicada
ao lado, cujos expoentes est ao ordenados como : = :
1
:
2
:
m
1.
Consideremos uma segunda decomposi c ao -cclica,
\ =
_

_
((n
11
) ((n
12
) ((n
1n
1
) dim((n
ij
) = p:onj(t)
s
1
((n
21
) ((n
22
) ((n
2n
2
) dim((n
ij
) = p:onj(t)
s
2
.
.
.
((n
d1
) ((n
d2
) ((n
dn
d
), dim((n
ij
) = p:onj(t)
s
d
com : = :
1
:
d
1. Comparemos inicialmente os comprimentos das
primeiras linhas avaliando o operador j()
s
1
1
em ambas decomposi c oes, lem-
brando que por deni c ao de decomposi c ao ciclca temos as igualdades : = :
1
= :
1
,
j()
s
1
1
(\ ) = (
_
j()
s
1
1
(
11
)
_
(
_
j()
s
1
1
(
1k
1
)
_
,
j()
s
1
1
(\ ) = (
_
j()
s
1
1
(n
11
)
_
(
_
j()
s
1
1
(n
1n
1
)
_
,
como
dim(
_
j()
s
1
1
(
1j
)
_
= p:onj(t) = dim(
_
j()
s
1
1
(n
1j
)
_
,
podemos contar as dimens oes das parcelas e obter
dimj()
s
1
1
(\ ) = /
1
p:onj(t) = n
1
p:onj(t).
Portanto, /
1
= n
1
, como queramos provar.
A demonstra c ao seguir a por indu c ao. Vamos supor que j a tenhamos mos-
trado que as duas decomposi c oes satisfazem a unicidade dimensional ate a ,-esima
linha, isto e, se 1 i ,, as i-esimas linhas tem o mesmo n umero de parcelas e
as parcelas tem as mesmas dimens oes, em outras palavras,
/
i
= n
i
e dim((
pi
) = dim((n
pi
) para 1 j /
im
c 1 i ,.
Note que se numa decomposi c ao existe a (, + 1)-esima linha na outra de-
composi c ao necessariamente existe uma (, + 1)-linha, caso contr ario, facilmente
chegaramos a uma contradi c ao sobre a dimens ao do espaco \ utilizando a hip otese
5.6. AP

ENDICE 87
de indu c ao. Vamos supor por absurdo que vale uma desigualdade entre os (, +1)-
esimos expoentes, por exemplo, :
j+i
:
j+1
(para :
j+i
< :
j+1
os argumentos
s ao semelhantes). Sendo assim, avaliando o operador j()
s
j+1
1
nas duas decom-
posi c oes podemos armar que
1. Na primeira decomposi c ao obtemos o espa co j()
s
j+1
1
(\ ) com , +1 linhas,
cada linha com /
i
parcelas e cada parcela na i-esima linha tem dimens ao igual
ao p:onj(t)
r
i
(s
j+1
1)
;
2. Na segunda decomposi c ao obtemos o mesmo espa co j()
s
j+1
1
(\ ) com ,
linhas, cada linha com n
i
parcelas e cada parcela da i-esima linha tem di-
mensao p:onj(t)
s
i
(s
j+1
1)
.
Isso e uma contradi c ao sobre a dimens ao de j()
s
j+1
1
(\ ). Com efeito. Por
hip otese de indu c ao sabemos que :
i
= :
i
e /
i
= n
i
se 1 i ,, e na primeira
avalia c ao obtemos uma dimens ao para j()
s
j+1
1
(\ ) maior que aquela fornecida
pela segunda avalia c ao pois esta ultima possui uma linha a menos. Isto termina a
demonstra c ao do Teorema da unicidade dimensional da decomposi c ao cclica. 2
Captulo 6
Representacao canonica (I)
O Teorema da decomposi c ao prim aria fornece uma macro decomposi c ao de um
operador. O objetivo desse (e do captulo Representa c ao can onica (II)) e mostrar
como cada parcela da decomposi c ao prim aria pode ser decomposta em subespa cos
cclicos. Feito isso teremos condi c oes de construir a representa c ao de Jordan, o
retrato de um operador linear com seu melhor perl. A tecnica utilizada e estudar
operadores diagonaliz aveis e operadores nilpotentes. Para deixar claro a estru-
tura desse captulo faremos um resumo da linha de desenvolvimento. Novamente,
recordamos que os unicos corpos considerados s ao 1 ou C.
Examinando a fatora c ao prim aria do polin omio minimal de um operador :
\ \ , :
A
(t) = j
1
(t)
r
1
j
2
(t)
r
2
j
k
(t)
r
k
, iremos construir uma base especial para
cada parcela da decomposi c ao prim aria correspondente a um dos quatro tipos de
fatores:
I j(t) = (t ),
II j(t) = (t )
r
,
III j(t) = (t )
2
+
2
,
IV j(t) =
_
(t )
2
+
2

r
,
onde : N, : 1, 1 e 0.

E claro que um polin omio do tipo j(t) = (t )


2
+
2
, 0 s o ocorre como fa-
tor primo de um polin omio minimal quando o espa co vetorial e real. Nesse captulo
estudaremos o caso I e II deixando os outros para um apendice, pois envolve uma
tecnica complementar. Para simplicar os enunciados das proposi c oes sobre a ex-
istencia de uma decomposi c ao cclica iremos assumir que a decomposi c ao prim aria
possui uma unica parcela e nos casos com mais de uma parcela adaptamos o re-
sultado fazendo a restri c ao do operador a cada uma das parcelas da decomposi c ao
primaria.
88
6.1. AUTOVALORES E AUTOVETORES 89
6.1 Autovalores e autovetores
Na sequencia denotar a um operador linear no espa co vetorial \ de dimens ao
nita sobre o corpo K. Nessa se c ao estudaremos as razes do polin omio carac-
terstico. Um escalar K e um autovalor de se, e somente se, existe um vetor
n ao nulo \ tal que () = . Um vetor n ao nulo satisfazendo a condi c ao
() = e chamado de autovetor associado ao autovalor . O autoespaco asso-
ciado ao autovalor e o conjunto denido por
\

= \, () = .
Verica-se sem esfor co algum que \

e um subespa co invariante pelo operador .


Note que somente o vetor nulo em \

n ao e um autovetor associado ao autovalor


. Em alguns textos autovalor e chamado de valor pr oprio ou valor caracterstico
e, acompanhando a terminologia, autovetor e chamado de vetor pr oprio ou vetor
caracterstico. Caracterizemos um autovalor de um operador : \ \ .
Proposi cao 6.1.1 S ao equivalentes as seguintes armac oes.
a) K e autovalor de .
b) 1d : \ \ e um operador linear n ao invertvel.
c) K e uma raiz do polin omio caracterstico j
A
(t).
Demonstra cao o) /) Se e autovalor de , por deni c ao existe um vetor n ao
nulo tal que () = . Logo pertence ao n ucleo do operador 1d : \ \ ,
signicando que esse operador e n ao invertvel.
/) o) Se 1d n ao e invertvel, pelo Teorema do n ucleo e da imagem
conclumos que nc (1d ) n ao e trivial. Logo existe um vetor n ao nulo
tal que (1d )() = 0.

E imediato concluir que e autovalor e e autovetor
associado, mostrando o).
/) c) Basta utilizar um criterio j a demonstrado anteriormente. O operador
1d n ao e invertvel 0 = det(1d ) = j
A
(). 2
Quando \ e um espa co vetorial real, alguns operadores podem n ao ter au-
tovalores, para que isso ocorra e suciente que o polin omio caracterstico n ao
tenha raizes reais. Em tal caso, o espa co \ deve ter dimens ao par. Se :
A
(t) =
(t )j
2
(t)
r
2
j
k
(t)
r
k
e a decomposi c ao prim aria do polin omio caracterstico de
, o leitor pode mostrar que a parcela nc( 1d) da decomposi c ao prim aria
de \ e o autoespa co \

.
A condi c ao /) da proposi c ao acima permite transferir o conceito de autovalor
para matrizes quadradas `(n, K). Um escalar K e autovalor da matriz
90 CAP

ITULO 6. REPRESENTAC

AO CAN

ONICA (I)
se, e somente se, a matriz 1 n ao e invertvel. Da mesma forma, um
autovalor de uma matriz e uma raiz do seu polin omio caracterstico. Portanto, os
autovalores de um operador : \ \ s ao os autovalores de uma representa c ao
matricial []

.
Exerccio 6.1.1 Qual a dimens ao do subespa co cclico gerado por um autovetor
de um operador linear? 2
Exemplo 6.1.1 Calculando o polin omio caracterstico do operador linear
: 1
2
1
2
, (r, j) = (r +j, r +j),
obtemos o polin omio j
A
(t) = t(t 2), logo os seus autovalores s ao escalares
1
= 0
e
2
= 2. O Teorema da decomposi c ao prim aria garante a decomposi c ao \ =
nc nc ( 21d).

E imediato concluir que cada parcela da decomposi c ao
e um autoespa co associado a um autovalor, fato que permite-nos reescrever a
decomposi c ao como soma direta dos autoespa cos \ = \

1
\

2
. Com um c alculo
simples encontramos que n = (1, 1) e = (1, 1) s ao autovetores associados aos
autovalores
1
= 0 e
2
= 2, respectivamente. Na base ordenada = n, a
representa c ao de e a matriz diagonal
[]

=
_
0 0
0 2
_
. 2
Embora trivial, deixaremos registrado o primeiro resultado sobre a existencia
de uma decomposi c ao cclica.
Teorema 6.1.1 (Teorema da decomposi cao cclica I) Seja um operador
linear num espa co vetorial \ de dimens ao n sobre K com polin omio minimal
:
A
(t) = t . Ent ao existem vetores
1
,
2
, ...,
n
\ tais que
_
_
_
\ = Z(
1
) Z(
1
) Z(
n
),
p:on(t ) = dimZ(
1
) = dimZ(
2
) = = dimZ(
n
).
Essa decomposic ao -cclica e dimensionalmente unica.
Demonstra cao

E claro que \ = \

= nc ( 1d). Portanto, se escolhemos


uma base ordenada qualquer =
1
,
2
, ...,
n
, o espa co decomp oe-se numa soma
direta dos espa cos -cclicos ((
i
)
n
i=1
. Como a base e formada de autovetores,
os subespa cos cclicos tem dimens ao 1. 2
6.2. OPERADORES DIAGONALIZ

AVEIS 91
Nas condi c oes da proposi c ao acima, a base
construda e chamada de base de Jordan
e a representa c ao Jordan de e a matriz
diagonal n n, []

= , , ..., .
[]

=
_

.
.
.

_
.
Exerccios propostos 6.1.1
Todos os espa cos considerado a seguir tem dimensao nita.
1. Qualquer operador num espa co vetorial complexo ou num espa co vetorial real de
dimensao mpar tem pelo menos um autovalor. Prove a arma cao.
2. Se :
A
(t) = (t)j
2
(t)
r
2
j
k
(t)
r
k
e a decomposi cao primaria do polinomio minimal
de : \ \ , prove que a parcela nc( 1d) da decomposi cao prim aria
correspondente e o autoespa co \

.
3. Sejam
1
,
2
, ...,
k
autovetores do operador : \ \ associados aos autovalores

1
,
2
, ...,
k
, respectivamente. Se os autovalores sao dois a dois distintos, mostre
que os autovetores sao linearmente independentes.
4. Se todo vetor nao nulo \ e autovetor associado a um autovalor de um operador
linear : \ \ , entao = 1d.
5. Seja um operador linear num espa co vetorial \ de dimensao nita sobre o corpo
K. Se j(t) K[t] e um polinomio tal que j() 0, entao toda raiz de j(t) e um
autovalor de ?
6. Demonstre as seguintes arma coes sobre um operador linear : \ \ .
a) Se e um autovalor de entao j() e um autovalor de j(), para qualquer
polinomio j(t) K[t].
b) e invertvel todo autovalor de e diferente de zero.
c) Quando e invertvel, o operador
1
e um polinomio em .
d) Se e invertvel entao o conjunto de autovetores de e
1
coincidem.
7. Utilizando um argumento indutivo sobre a dimensao demonstre que todo operador
linear num espa co vetorial complexo \ de dimensao nita admite uma repre-
senta c ao por uma matriz triangular superior []

.
6.2 Operadores diagonalizaveis
Um operador linear : \ \ e diagonaliz avel se existe uma base \
formada por autovetores. O termo diagonaliz avel e sugestivo, pois numa base
92 CAP

ITULO 6. REPRESENTAC

AO CAN

ONICA (I)
=
1
,
2
, ...,
n
formada por autovetores a representa c ao do operador e um
matriz diagonal,
[]

= diop
1
,
2
, ...,
n
,
desde que (
i
) =
i

i
. Observamos que os autovalores n ao s ao necessariamente
distintos. Para saber sob quais condi c oes podemos diagonalizar um operador,
basta examinar a fatora c ao prim aria do seu polin omio minimal e vericar se ela e
da forma :
A
(t) = (t
1
)(t
2
) (t
k
) onde
i
,=
j
se i ,= ,.
Proposi cao 6.2.1 Seja um operador linear num espaco vetorial de dimens ao
nita \ . Ent ao e diagonaliz avel o polin omio minimal de fatora-se em um
produto de polin omios lineares distintos.
Demonstra cao ) Escolha uma base ordenada =
1
,
2
, ...,
n
constituda
de autovetores do operador. Reindexando podemos construir uma nova base
ordenada
=
11
, ...,
1s
1


k1
, ...,
ks
k

na qual todos os elementos de um mesmo subconjunto indicado s ao autovetores


de um unico autovalor, (
ij
) =
i

ij
, para todo ,, 1 , /
i
. Feito isso,
representamos o operador como uma matriz diagonal,
[]

= diop
1
1
s
1
,
2
1
s
2
, ..., 1
s
k
,
em que 1
s
i
e a matriz identidade :
i
:
i
. Dessa representa c ao matricial segue que
podemos decompor \ em uma soma direta de autoespa cos
\ = \

1
\

2
\

k
.
Logo, dado um vetor \ podemos decomp o-lo em / parcelas,
=
1
+
2
+ +
k
com
i
\

i
.
Tambem pela representa c ao matricial e possvel concluir que o polin omio carac-
terstico do operador e da forma
j
A
(t) = (t
1
)
s
1
(t
2
)
s
2
(t
k
)
s
k
.
Consideremos o polin omio
:(t) = (t
1
)(t
2
) (t
k
),
avaliemos :(t) no operador e calculemos a avalia c ao num vetor =
1
+
2
+
+
k
. Como os fatores de :() comutam, desde que s ao polin omios em , e
(
i
1d)(
i
) = 0 temos que
:()() =
k

i=1
:()(
i
)
6.2. OPERADORES DIAGONALIZ

AVEIS 93
=
k

i=1
_
(
1
1d)

(
i
1d) (
k
1d)
_
(
i
1d)(
i
)
. .
=o
= o.
Isto e suciente para demonstrar que :(t) = :
A
(t), pois ele e aquele polin omio de
menor grau no ideal anulador de cuja fatora c ao contem todos os fatores primos
do polin omio caracterstico.
) Vamos assumir que
:
A
(t) = (t
1
)(t
2
) (t
k
), com
i
,=
j
se i ,= ,.
Sendo assim, cada parcela da decomposi c ao prim aria
\ = nc (
1
1d) nc (
2
1d) nc (
k
1d)
e um autoespa co. Escolhida uma base ordenada
i
de \

i
= nc (
i
1d), a
uni ao ordenada =


i
e uma base ordenada de \ formada por autovetores. Por
deni c ao, e diagonaliz avel. 2
Diremos que uma matriz quadrada e diagonaliz avel quando ela e conjugada a
uma matriz diagonal.
Exerccios propostos 6.2.1
1. Verique se o operador e diagonalizavel e, em caso positivo, determine uma base
ordenada que diagonaliza o operador e de a representa cao matricial nesta base.
a) : 1
3
1
3
, (r, j, .) = (r, r + 2j, r +j 3.).
b) : 1
3
1
3
, (r, j, .) = (r j, 2r + 2j + 2., r +j 2.).
c) : 1
3
1
3
, (r, j, .) = (r 2j, 3j 4., j + 3.).
d) : 1
3
1
3
, (r, j, .) = (r, r + 2j, r +j 3.).
e) : C
3
C
3
, (r, j, .) = (r, 2r +j + 2., 2r + 2j + 3.).
f) : 1
2
1
2
, (r, j) = (5r j, r + 3j).
g) : 1
3
1
3
, (r, j, .) = (j, ., r j).
2. Mostre que a matriz `(3, 1),
descrita abaixo, e diagonalizavel.
=
_
_
0 1 0
0 0 1
1 3 0
_
_
.
3. Mostre que a matriz `(n, K),
descrita abaixo e conjugada a uma
matriz diagonal.
=
_
0 1
2 3
_
.
4. Demonstre que todo operador : 1
2
1
2
do tipo (r, j) = (or + /j, /r + cj) e
diagonalizavel.
94 CAP

ITULO 6. REPRESENTAC

AO CAN

ONICA (I)
5. Mostre que toda involu cao e todo operador idempotente num espa co vetorial de
dimensao nita e diagonalizavel.
6. A restri c ao de um operador diagonalizavel a um subespa co invariante e um operador
diagonalizavel? Justique sua resposta.
7. Suponha que : \ \ e um operador linear diagonalizavel num espa co vetorial
de dimensao n. Prove que \ e -cclico tem n autovalores distintos.
8. Se : \ \ e um operador diagonalizavel e \
1
\ e um subespa co invariante,
entao existe outro subespa co invariante \
2
\ tal que \ = \
1
\
2
.
9. Se j
A
(t) = (t
1
)(t
2
) (t
n
) com
i
,=
j
se i ,= , e o polinomio caracterstico
do operador linear : \ \ , demonstre que t:
r
=

n
k=1

r
k
.
10. Suponha que : \ \ e um operador diagonalizavel tal que j
A
(t) = :
A
(t).
Quantos subespa cos invariantes existem?
11. Encontre uma condi cao sobre os valores de
o, /, c, d, ) necessaria e suciente para que a
matriz , descrita ao lado, seja conjugada a
uma matriz diagonal.
=
_

_
1 0 0 0
o 1 0 0
/ c 3 0
d c ) 3
_

_
.
12. Prove que um operador linear e diagonalizavel se, e somente se, qualquer repre-
senta c ao matricial do operador e uma matriz diagonalizavel.
13. Um operador que comuta com qualquer operador diagonalizavel e uma homotetia!
Prove essa arma cao.
14. Determine `(3, 1) tal que

2
=
_
_
3 1 1
1 3 1
2 2 2
_
_
.
15. Calcule
17
quando e a matriz des-
crita abaixo.
=
_
6 2
2 9
_
.
16. Dado um operador linear num espa co vetorial \ de dimensao dois prove que \ =
(() (-cclico) ou e uma homotetia. Os dois fatos nao ocorrem simultaneamente.
17. Suponha que um operador linear num espa co vetorial real \ de dimensao n tenha
n autovalores distintos. Demonstre que nem sempre existe um operador linear 1
tal que = 1
2
.
18. Fixado uma matriz `(2, K), considere o operador linear : `(2, K)
`(2, K), (A) = A. Mostre que nao e diagonalizavel.
19. Dada a matriz `(2, K), dena um operador linear : `(2, K) `(2, K) por
(A) = A A. Se e diagonalizavel entao e diagonalizavel.
20. Sejam 1 um operador diagonalizavel num espa co vetorial \ de dimensao n sobre
o corpo K com autovalores
j

n
j=1
(possivelmente com repeti coes) e j(t) K[t].
Prove que j(1) e diagonalizavel e que j(
j
)
n
j=1
sao os autovalores de j(1).
6.3. OPERADORES NILPOTENTES 95
6.3 Operadores nilpotentes
No Teorema da decomposi c ao prim aria surge um operador linear com propriedades
especiais. As restri c oes j() : nc j
i
()
r
i
nc j
i
()
r
i
satisfazem a identidade
j
i
()
r
i
0. Tais tipos de operadores recebem um nome particular.
Diz-se que um operador 1 num espa co vetorial de dimens ao nita \ e nilpo-
tente se seu polin omio minimal e do tipo :
B
(t) = t
r
. O inteiro : e chamado de
nilpotencia de 1 e satisfaz a desigualdade : dim\ pois
: = p:on:
B
(t) p:onj
B
(t) = dim\.
Exerccio 6.3.1 Mostre os tres fatos sobre um operador nilpotente 1 : \ \ .
a) O operador nilpotente dene uma sequencia de n ucleos do tipo
\ = nc 1
r
nc 1
r1
nc 1 nc 1
0
= o.
b) 1 induz por restri c ao um operador 1 : nc 1
i
nc 1
i1
.
c) Um vetor que pertence ao subespa co nc 1
i
mas n ao pertence ao sube-
spa co nc 1
i1
tem polin omio minimal :
v
(t) = t
i
.
De modo an alogo, diremos que uma matriz `(n, K) e nilpotente com
nilpotencia : se seu polin omio minimal e o polin omio :
N
(t) = t
r
. A rela c ao entre
as duas deni c oes e obvia, armar que um operador 1 e nilpotente e equivalente
a armar que qualquer representa c ao matricial [1]

e uma matriz nilpotente.


Exerccio 6.3.2 Verique que a matriz `(2, K) e nilpotente e calcule o
tra co e o determinante,
=
_
10 4
25 10
_
. 2
Exemplo 6.3.1 Seja K
n
[t] o anel dos polin omios com grau menor ou igual ` a n.
A deriva c ao 1 : K
n
[t] K
n
[t], 1(j(t)) = j

(t), e nilpotente e :
D
(t) = t
n+1
. 2
Exemplo 6.3.2 O operador linear
1 : K
n
K
n
, 1(r
1
, r
2
, ..., r
n
) = (0, r
1
, r
2
, ..., r
n1
),
e nilpotente com polin omio minimal :
B
(t) = t
n
= j
B
(t). Portanto, o espa co e
1-cclico. Nesse caso, e simples vericar que 1
n
= ((c
1
) em que c
1
e o primeiro
96 CAP

ITULO 6. REPRESENTAC

AO CAN

ONICA (I)
elemento da base can onica pois ((c
1
).
Logo, sua representa c ao na base =
c
1
, 1(c
2
), ..., 1
r1
(c
1
) = e a matriz
n n descrita ao lado. Um dos nossos
objetivos e mostrar que qualquer operador
nilpotente pode ser representado por uma
diagonal de matrizes como essa. 2
[1]

=
_

_
0 0
1 0
1
.
.
.
.
.
.
0 0
1 0
_

_
.
Exemplo 6.3.3 Vamos supor que : \ \ e um operador linear tal que
:
A
(t) = (t )
n
no qual n = dim\ . Considere o operador linear
1 : \ \, 1() = (1d)().
Sendo assim, e imediato concluir que o polin omio minimal de 1 e o polin omio
:
B
(t) = t
n
. Por deni c ao, o operador 1 e nilpotente com nilpotencia n, de
onde segue que o espa co vetorial e 1-cclico. Escolhendo um vetor \ tal
que \ = (() e considerando a base cclica = , 1(), ..., 1
n1
() temos para
representa c ao matricial de 1 na base a matriz n n semelhante ` a matriz do
exemplo anterior. Como [1]

= [1d]

, podemos escrever
[1]

=
_

_
0 0
1 0
1
.
.
.
.
.
.
0 0
1 0
_

_
, []

=
_

_
0
1
1
.
.
.
.
.
.
0
1
_

_
. 2
Na demonstra c ao do pr oximo teorema de decomposi c ao necessitaremos de al-
gumas informa c oes.
Lema 6.3.1 A sequencia de n ucleos de um operador nilpotente 1 com nilpotencia
: satisfaz as seguintes propriedades.
a) Todas as inclus oes s ao pr oprias,
\ = nc 1
r
_ nc 1
r1
_ _ nc 1 _ nc 1
0
= o.
b) Se \ e qualquer subespaco complementar ` a nc 1
j
em nc 1
j+1
, em outras
palavras, se nc 1
j+1
= \ nc 1
j
, ent ao 1(\) nc 1
j1
= o.
Demonstra cao o) Seja \ = nc 1
r
um vetor cujo polin omio minimal e
igual ao polin omio minimal de 1, isto e, :
v
(t) = t
r
.

E claro que o polin omio
minimal de
i
= 1
i
() e :
i
(t) = t
ri
, portanto
i
nc 1
ri
. Suponha por
6.3. OPERADORES NILPOTENTES 97
absurdo que nc 1
i
= nc 1
i1
, para algum i, ent ao 1
(i1)
(
i
) = o, signicando
que 1
i1
_
1
ri
()
_
= o. Logo o polin omio :(t) = t
r1
est a no ideal anulador de
e tem grau menor que o grau do seu polin omio minimal, uma contradi c ao. Isso
mostra que todas as inclus oes s ao pr oprias.
/) A argumenta c ao e a mesma. Se existisse um vetor n ao nulo na interse c ao
1(\) nc 1
j1
esse vetor teria polin omio mnimo :
v
(t) = t
j
e o polin omio
j(t) = t
j1
perteceria ao ideal anulador
v
, evidentemente uma contradi c ao. 2
Exerccios propostos 6.3.1
1. Prove que toda matriz conjugada a uma matriz nilpotente e nilpotente.
2. Descreva uma matriz n n que e simultaneamente diagonalizavel e nilpotente.
3. O produto de duas matrizes n n que comutam com uma delas nilpotente, implica
que a outra e uma matriz nilpotente. Verique essa arma cao.
4. Uma matriz 2 2, , e nilpotente t: = 0 e dct = 0.
5. O operador obtido por restri cao de um operador linear nilpotente a um subespa co
invariante e um operador nilpotente?
6. Demonstre que um operador nilpotente 1 com nilpotencia : num espa co vetorial de
dimensao nita \ determina a sequencia de subespa co
\ _ 1:1 _ 1:1
2
_ _ 1:1
r1
_ 1:1
r
= o.
7. Seja um operador linear no espa co vetorial de dimensao nita \ . Prove a
arma c ao: se
s
0 para algum inteiro : di:\ entao
r
0 para algum
inteiro : di:\ .
8. Mostre que o operador linear 1 : 1
4
1
4
,
1(r
1
, r
2
, r
3
, r
4
) = (r
2
, r
3
, r
4
, 0), e nilpotente
e encontre uma base ordenada 1
4
tal que
a representa c ao matricial de 1 e uma matriz
como descrita ao lado.
[1]

=
_

_
0
1 0
1 0
1 0
_

_
.
9. Verique que as matrizes
ao lado sao nilpotente
calculando diretamente as
potencias J, J
2
, J
3
, etc.
J
1
=
_

_
0
1 0
1 0
1 0
_

_
, J
2
=
_
_
0 0 0
o 0 0
c / 0
_
_
.
10. Uma matriz triangular inferior (respect. superior) com todos os elementos da diag-
onal principal iguais a zero e nilpotente?
11. Seja `(n, K). Se t:
j
= 0 para todo , 1, entao e nilpotente.
12. Se e 1 `(n, K) sao matrizes tais que 1 1 comuta com entao 1 1
e nilpotente (Lema de Jacobson).
98 CAP

ITULO 6. REPRESENTAC

AO CAN

ONICA (I)
6.4 Decomposicao cclica II
Nessa se c ao construiremos uma decomposi c ao cclica para um operador linear cujo
polin omio minimal e potencia positiva do polin omio j(t) = (t1). A demonstra c ao
e construtiva e deve ser repetida nos exemplos. Antes de enunci a-lo, colocaremos
uma observa c ao como exerccio.
Exerccio 6.4.1 Dados um operador linear : \ \ e um escalar K,
considere o operador linear 1 : \ \ , 1() = (1d) (). Mostre que para
todo \ vale a igualdade de subespa cos cclicos (
A
() = (
B
(). Sugest ao:
utilize o desenvolvimento de Taylor de um polin omio em torno de t = 1. 2
Teorema 6.4.1 (Teorema da decomposi cao cclica II) Seja um operador
num espa co vetorial \ de dimens ao nita sobre o corpo K com polin omio minimal
:
A
(t) = (t )
r
. Ent ao existem vetores
1
,
2
, ...,
n
\ tais que
_
_
_
\ = ((
1
) ((
2
) ((
n
),
p:on:
A
(t) = dim((
1
) dim((
2
) dim((
n
).
Essa decomposic ao e dimensionalmente unica.
Demonstra cao Pelo exerccio acima e suciente construir uma decomposi c ao ci-
clica para o operador 1 : \ \ , 1() = (1d) () que e nilpotente com
:
B
(t) = t
r
. Uma decomposi c ao cclica para 1 e tambem uma decomposi c ao
cclica para . Consideremos a sequencia de n ucleos
\ = nc 1
r
_ nc 1
r1
_ _ nc 1 _ nc 1
0
= o.
Sendo as inclus oes pr oprias, e possvel escolher um subespa co \
0
complementar ao
subespa co nc 1
r1
em \ = nc 1
r
, e uma base ordenada
0
de \
0
. Guardemos
esses dados,
\ = \
0
1c:1
r1
e
0
=
01
,
02
, ...,
0k
0
\
0
.
Observemos que cada vetor na base
0
tem polin omio minimal :
v
0i
(t) = :
B
(t) =
t
r
. Isso implica que o subespa co cclico gerado por um vetor
0i

0
tem dimensao
:. Mostremos que o conjunto de vetores
1(
0
) = 1(
01
), 1(
02
), ..., 1(
0k
0
)
e linearmente independente no espa co nc 1
r1
. Com efeito, considere a com-
bina c ao linear
o
1
1(
01
) +o
2
1(
02
) + +o
k
0
1(
0k
0
) = o.
6.4. DECOMPOSIC

AO C

ICLICA II 99
Avaliando o operador 1
r2
na combina c ao linear temos as implica c oes
o
1
1
r1
(
01
) +o
2
1
r1
(
02
) + +o
k
0
1
r1
(
0k
0
) = o
o
1

01
+o
2

02
+ +o
k
0

0k
0
1c:1
r1

o
1

01
+o
2

02
+ +o
k
0

0k
0
1c:1
r1
\
0
= o
o
1
= o
2
= = o
k
0
= 0.
Pelo que foi demonstrado no lema anterior e possvel escolher um subespa co \
1

nc 1
r1
satisfazendo as condi c oes
nc 1
r1
= \
1
nc 1
r2
e 1(\
0
) \
1
.
Escolhemos para base ordenada de \
1
um conjunto da forma

1
= 1(
0
)


11
,
12
, ...,
1k
1
.
Tal constru c ao decomp oe \ em soma direta,
\ = \
0
\
1
nc 1
r2
e fornece uma base ordenada
1
de \
1
na qual todo elemento possue polin omio
minimal t
r1
, implicando que o espa co cclico gerado por um elemento da base

1
tem dimensao : 1. Repetindo esse processo um n umero : de vezes, sempre
recorrendo-se ao lema, construmos uma soma direta \ = \
0
\
1
\
r1
na qual cada parcela satisfaz a condi c ao
\
i
nc 1
ri
e \
i
nc 1
r(i+1)
= 0.
Alem disso, construimos uma base ordenada para \
i
pela regra indutiva

i
= 1(
i1
)


i1
,
i2
, ...,
ik
i

onde cada elemento


ij
desta base e um vetor com polin omio mnimo t
ri
. A
tabela abaixo apresenta esquematicamente a base ordenada de \ obtida no nal
do processo,
\
0

o1
..
ok
0
\
1
1(
o1
) .. 1(
ok
0
)
11
..
1k
1
.. .. .. .. ..
\
r1
1
r1
(
o1
).. 1
r1
(
ok
0
) 1
r2
(
11
).. 1
r2
(
1k
1
)
r1,1
..
r1,k
r1
((
o1
) .. ((
ok
0
) ((
11
) .. ((
1k
1
) ((
r1,1
).. ((
r1,k
r1
).
100 CAP

ITULO 6. REPRESENTAC

AO CAN

ONICA (I)
A i-esima linha descreve a base ordenada para o espa co \
i
e a ,-esima coluna
contem a base ordenada para o espa co 1-cclico gerado pelo vetor no alto da
mesma coluna. Como vale a soma direta \ = \
0
\
1
\
r1
, a dimens ao
de \ e a soma dos n umero de vetores em cada linha. Por outro lado, e evidente
que obtemos o mesmo total ao somarmos o n umero de vetores em cada coluna,
isto e, a dimensao de \ e a soma das dimens oes dos espa cos 1-cclicos indicados
na base da tabela. Portanto, \ e a soma direta desses espa cos 1-cclicos.
Finalmente, o vetor
ij
\
i
no alto da tabela tem, por constru c ao, polin omio
minimal t
ri
, logo as dimens oes dos espa cos 1-cclicos indicados na base da tabela
formam uma sequencia decrescente na ordem de apresenta cao, da esquerda para a
direita, com o primeiro elemento satisfazendo a condi c ao dim((
01
) = p:on:
B
(t).
Isto mostra a existencia da decomposi c ao -cclica. A unicidade dimensional j a
foi mostrada no captulo anterior. 2
Com as hip oteses e nota c ao do Teorema da decomposi c ao cclica II, temos que
Corolario 6.4.1 A dimens ao do n ucleo de 1 = 1d e igual ao n umero de
parcelas da decomposic ao cclica.
Demonstra cao Examinando a tabela construda na demonstra c ao, vericamos
que \
r1
= nc 1. Como a dimens ao desse n ucleo e igual ao n umero de vetores
na ultima linha, o n umero de vetores nessa linha e igual ao n umero de colunas da
tabela e cada coluna corresponde a uma base de uma das parcelas da decomposi c ao
cclica, temos mostrado o corol ario. 2
Exerccios propostos 6.4.1
1. Se : \ \ e nilpotente com nilpotencia : = dim\ 1 entao admite dois
autovetores linearmente independentes.
2. Considere o operador linear : 1
2
1
2
, (r, j) = (10r + 25j, 4r 10j).
a) Prove que 1
2
= (() para algum 1
2
.
b) Determine uma base tal que a representa cao
matricial seja a matriz dada ao lado.
[]

=
_
0 0
1 0
_
.
3. Demonstre que toda matriz nilpotente, 2 2 e nao
nula e conjugada `a matriz descrita ao lado.
=
_
0 0
1 0
_
.
4. Considere o operador 1 : 1
5
1
5
, 1(t, r, j, ., n) = (0, t, r, 0, j).
a) Mostre que 1 e nilpotente com nilpotencia 3.
b) Verique que 1
5
= ((c
1
) ((c
3
).
c) Calcule [1]

onde = c
1
, 1(c
1
), 1
2
(c
1
)

c
3
, 1(c
3
).
6.5. REPRESENTAC

AO DE JORDAN 101
d) Represente nessa mesma base ordenada o operador : 1
5
1
5
,
(t, r, j, ., n) = (2t, t + 2r, r + 2j, 2., j + 2n).
5. Suponha que `(n, K) e nilpotente. Prove as arma coes.
a) dct ( +1) = 1.
b) Se 1 `(n, K) e uma matriz que comuta com entao dct( +1) = dct 1.
6.5 Representacao de Jordan
Suponha que
_
_
_
\ = ((
1
) ((
2
) ((
n
)
p:on:
A
(t) = dim((
1
) dim((
2
) dim((
n
)
,
e uma decomposi c ao cclica determinada pelo operador : \ \ com polin omio
minimal :
A
(t) = (t 1)
r
. A base ordenada =


i
, 1 i n, em que

i
=
i
, (1d)(
i
), ..., (1d)
k
i
(
i
) ((
i
)
e chamada de base de Jordan. Um bloco de Jordan de comprimento : e autovalor
K e uma matriz denotada por J
r
() = [
ij
] `(:, K) n qual as entradas s ao
denidas por

ij
=
_
_
_
:c i , = 0
1 :c i , = 1
0 :c i , , 0, 1
.
Gracamente, temos a forma descrita ao
lado. Note que um bloco de Jordan
com comprimento : e autovalor = 0 e
uma matriz nilpotente com nilpotencia :.
Identicando-se o espa co das matrizes 11
com o corpo das entradas, justica-se a
nota c ao J
1
() = .
J
r
() =
_

1
1
.
.
.
.
.
.
1
1
_

_
.
A representa c ao do operador na base de Jordan ser a chamada de repre-
sentac ao de Jordan. Como consequencia do Teorema da decomposi c ao cclica II
temos as representa c oes de Jordan para os operadores 1 = 1d e , quando
:
A
(t) = (t 1)
r
descritas por
_
_
_
[1]

= diopJ
r
1
(0), J
r
2
(0), ..., J
r
n
(0)
p:ont
r
= :
1
:
2
:
n
,
e
102 CAP

ITULO 6. REPRESENTAC

AO CAN

ONICA (I)
_
_
_
[]

= diopJ
r
1
(), J
r
2
(), ..., J
r
n
()
p:on(t )
r
= :
1
:
2
:
n
.
Em outras palavras, a representa c ao matricial do operador induzido por restri c ao
`a parcela ((
i
) d a origem a um bloco de Jordan J
r
i
() com comprimento :
i
= ;
i
.
Note que pelo corol ario do mesmo teorema, o n umero de blocos de Jordan e a
dimensao de nc 1 s ao iguais.
Exerccios propostos 6.5.1
1. Determine uma base ordenada 1
2
para a qual a representa cao do operador
: 1
2
1
2
, (r, j) = (j, 0), e um bloco de Jordan.
2. Mostre que um bloco de Jordan J
r
(0), nao admite uma raiz quadrada, isto e, n ao
existe uma matriz tal que
2
= J
r
(0).
3. Prove que para todo inteiro n 0 existe uma matriz 1
n
`(3, K) tal que 1
n
n
=
1 +J
3
(0).
6.6 Exemplos
Ilustraremos com alguns exemplos as decomposi c oes cclicas para ilustrar, bem
como a representa c ao de Jordan obtida da decomposi c ao.
Exemplo 6.6.1 Vamos assumir que o operador linear : 1
4
1
4
seja represen-
tado na base can onica pela matriz ao lado.
O polin omio caracterstico e o polin omio j
A
(t) =
(t 2)
4
. Um simples c alculo matricial mostra
que ([]

21)
2
= [0], signicando que :
A
(t) =
(t 2)
2
e o polin omio minimal de . Sigamos o
roteiro dado na demonstra c ao do Teorema da
[]

=
_

_
2 0 0 0
1 1 0 1
1 0 2 0
1 1 0 3
_

_
.
da decomposi c ao cclica II para construrmos uma decomposi c ao -cclica de 1
4
.
Primeiro, consideramos o operador nilpotente com nilpotencia dois, 1 : 1
4
1
4
,
1() = (21d) e sua sequencia de n ucleos
1
4
= nc 1
2
_ nc 1 _ 0.
Construmos uma decomposi c ao 1
4
= \
0
\
1
onde a ultima parcela e \
1
=
nc 1 enquanto \
0
nc 1
2
. Calculemos uma base para o n ucleo nc 1 resol-
6.6. EXEMPLOS 103
vendo o sistema linear [1]

[]

= [0]. Vejamos, do sistema


_

_
0 0 0 0
1 1 0 1
1 0 0 0
1 1 0 1
_

_
_

_
r
j
.
n
_

_
=
_

_
0
0
0
0
_

_
obtemos que o n ucleo e gerado pelos vetores
3
= (0, 0, 1, 0) e
4
= (0, 1, 0, 1).
Escolhidos dois vetores linearmente independentes, por exemplo,
1
= (1, 0, 0, 0) e

2
= (0, 0, 0, 1) para geradores de um espa co \
0
, obtemos a decomposi c ao 1-cclica
(e -cclica)
_
_
_
1
4
= ((
1
) ((
2
),
p:on(t 2)
2
= dim((
1
) = dim((
2
).
As representa c oes de 1 e na base de Jordan =
1
, 1(
1
)


2
, 1(
2
) s ao
as matrizes
[1]

=
_

_
0
1 0
0
1 0
_

_
e []

=
_

_
2
1 2
2
1 2
_

_
.
Ressaltamos que as representa c oes s ao as mesmas independentes dos vetores
1
e

2
escolhidos para gerar um subespa co complementar ao n ucleo de 1. 2
Exemplo 6.6.2 Dado o operador : 1
3
1
3
, (r, j, .) = (j, 2r+3j, r+2.),
e claro que a sua representa c ao na base can onica
e a matriz ao lado. O polin omio caracterstico de
tem uma fatora c ao prim aria que e um produto
de fatores lineares, j
A
(t) = (t 1)(t 2)
2
e o
polin omio minimal e igual ao polin omio caracte-
[]

=
_
_
0 1 0
2 3 0
1 0 2
_
_
.
rstico. Logo, a decomposi c ao prim aria determinada pelo operador e da forma
1
3
= \
1
nc (21d)
2
em que a primeira parcela \
1
e o autoespa co associado ao autovalor = 1. Ob-
stru c oes dimensionais implicam que para cada parcela s o existe uma unica decom-
posi c ao cclica possvel, a menos de isomorsmo, a saber,
_
_
_
\
1
= ((
1
)
p:on(t 1) = dim((
1
)
e
_
_
_
nc (21d)
2
= ((
2
)
p:on(t 2)
2
= dim((
2
)
.
104 CAP

ITULO 6. REPRESENTAC

AO CAN

ONICA (I)
Sendo assim, na base de Jordan =
1


2
, ( 21d)(
2
) obtemos a repre-
senta c ao de Jordan para o operador, Determinemos
explicitamente uma base para a qual a representa c ao
de e a representa c ao de Jordan acima. O autovetor
associado ao autovalor = 1 e determinado pelas so-
[]

=
_
_
1
2 0
1 2
_
_
.
lu c oes da equa c ao (r, j, .) = 1(r, j, .), em termos matriciais, temos
_
_
1 1 0
2 2 0
1 0 1
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
.
Resolvendo o sistema, escolhemos
1
= (1, 1, 1) para autovetor associado a = 1.
Passemos ao c alculo do vetor
2
. Pela constru c ao feita no Teorema da decom-
posi c ao cclica II devemos escolher um vetor em nc (21d)
2
que n ao esteja em
nc (21d). Resolvendo o sistema [21d]

[]

= [0], isto e,
_
_
2 1 0
2 1 0
2 1 0
_
_
_
_
r
j
.
_
_
=
_
_
0
0
0
_
_
,
conclumos que nc (21d)
2
e gerado pelo vetores n
1
= (0, 0, 1) e n
2
= (1, 2, 0).
Como o primeiro deles est a em nc ( 21d) devemos escolher o outro vetor n
2
para ser o gerador da parcela ((
2
) da decomposi c ao cclica. 2
Exerccios propostos 6.6.1
1. Descreva a representa cao de Jordan do operador conhecendo-se os polinomios carac-
terstico e mnimo. Pode ocorrer que existam varias possibilidades. Sendo assim, s o
podemos determinar exatamente qual delas representa o operador se conhecermos
explicitamente o operador linear.
a) : 1
3
1
3
, j
A
(t) = :
A
(t) = (t 1)(t 2)
2
.
b) : 1
5
1
5
, j
A
(t) = (t 1)
3
(t 2)
2
e :
A
(t) = (t 1)(t 2)
2
.
c) : 1
6
1
6
, j
A
(t) = (t + 3)
4
(t + 2)
2
e :
A
(t) = (t + 3)
2
(t + 2)
2
.
d) : 1
7
1
7
, j
A
(t) = t
4
(t + 3)
3
e :
A
(t) = t
2
(t + 3)
2
.
2. Encontre a representa cao e a base de Jordan para os seguintes operadores lineares.
a) : 1
3
1
3
, (r, j, .) = (r +j, j, 2r 2j + 2.).
b) : 1
3
1
3
, (r, j, .) = (r, r + 2j ., 2r + 4j 2.).
c) : 1
4
1
4
, (r, j, ., n) = (0, r +n, r +n, j +.).
d) : 1
3
1
3
, (r, j, .) = (7r +j + 4., r 7j 4., 6r + 6j).
6.7. APLICAC

AO: DECOMPOSIC

AO 1 + 105
3. Seja um operador linear no espa co vetorial de dimensao nita \ com polin omio
minimal :
A
(t) = (t )
r
. Treine sua reda cao em Matematica mostrando que duas
representa c oes de Jordan de sao sempre iguais.
4. Uma matriz de Jordan e uma matriz do tipo
_
J = diopJ
r
1
(), J
r
2
(), ..., J
r
n
()
:
1
:
2
:
n
.
a) Mostre que as seguintes matrizes sao conjugadas a uma matriz de Jordan.
i) =
_
_
1 1 1
4 10 13
3 7 9
_
_
. ii) 1 =
_

_
0 1 0 0
0 0 1 0
0 0 0 1
16 32 24 8
_

_
.
b) Mostre que toda matriz 3 3 nao nula e nilpotente e conjugada a uma das
duas matrizes,
J =
_
_
0 0 0
1 0 0
0 1 0
_
_
ou J
2
.
6.7 Aplicacao: decomposicao D +N
J a vimos que um operador linear num espa co vetorial de dimens ao nita e diag-
onaliz avel quando o seu polin omio minimal e um produto de fatores lineares sem
repeti c oes. De certa forma esse resultado admite uma gereraliza c ao. Mostraremos
que se o polin omio mnimo do operador e um produto de fatores lineares com
repeti c oes entao ele e uma soma de um operador diagonaliz avel com um nilpo-
tente que comutam entre si, resultado bastante utilizado nas aplica c oes de

Algebra
Linear. Para isso necessitaremos do
Lema 6.7.1 Sejam 1
1
e 1
1
dois operadores diagonaliz aveis num espaco vetorial
de dimens ao nita \ . Ent ao existe uma base que diagonaliza simultaneamente os
dois operadores se, e somente se, os operadores comutam.
Demonstra cao ) Antes de tudo, recordamos que quaisquer duas matrizes di-
agonais comutam, portanto, xado uma base ordenada de \ que diagonaliza
simultaneamente os operadores, pelas propriedades de representa c ao matricial de
uma composta temos as implica c oes,
[1
1
]

[1
2
]

= [1
2
]

[1
1
]

[1
1
1
2
]

= [1
2
1
1
]

.
Pelo Teorema da representa c ao matricial conclumos que 1
1
1
2
= 1
2
1
1
.
) Consideremos a fatora c ao prim aria do polin omio mnimo de 1
1
,
:
D
1
(t) = (t
1
)(t
2
) . . . (t
k
),
i
,=
j
se i ,= ,.
106 CAP

ITULO 6. REPRESENTAC

AO CAN

ONICA (I)
Como sabemos, as parcelas da decomposi c ao prim aria de \ determinada por 1
1
s ao os autoespa cos, \ = \

1
\

k
. A hip otese de comutatividade implica
que o operador 1
2
preserva cada um dos autoespa cos. De fato, se \

i
, ent ao
1
1
(1
2
()) = 1
2
(1
1
()) = 1
2
(
i
) =
i
1
2
().
Isso signica que 1
2
() e um autovetor associado ao mesmo autovalor
i
. Do
mesmo modo, a fatora c ao prim aria do polin omio minimal de 1
2
fatora-se em um
produto de polin omios lineares sem repeti c oes,
:
D
2
(t) = (t
1
)(t
2
) . . . (t
k
),
i
,=
j
sc i ,= ,,
e 1
1
preserva cada parcela da decomposi c ao prim aria determinada por 1
2
, \ =
\

1
\

2
\

l
. Ent ao, por um dos corol arios do Teorema da decomposi c ao
primaria vale a decomposi c ao
\

j
=
_
\

j
\

1
_

_
\

j
\

2
_

_
\

j
\

k
_
para todo ,. Logo, escolhendo uma base ordenada
ji
para \

j
\

i
, a uni ao
ordenada =


ji
_
e uma base ordenada de \ formada por autovetores de
1
1
e 1
2
. Portanto, os operadores s ao simultaneamente diagonaliz aveis. 2
Operadores diagonaliz aveis e operadores nilpotentes descrevem todos oper-
adores num espa co vetorial complexo e muitos outros em espa cos vetoriais reais.
Teorema 6.7.1 (Teorema da decomposi cao 1 +) Seja : \ \ um
operador linear num espaco vetorial de dimens ao nita sobre o corpo K. Se
:
A
(t) = (t
1
)
r
1
(t
2
)
r
2
(t
k
)
r
k
e a fatorac ao prim aria do polin omio
minimal ent ao existem um unico operador nilpotente 1 e um unico diagonaliz avel
1 satisfazendo as condic oes = 1 +1 e 1 1 = 1 1.
Demonstra cao Vamos assumir por um momento que :
A
(t) = (t )
r
. Dena
1 = 1d e 1 = 1d.

E claro que = 1+1 e que 11 = 11. Tambem e claro que 1 e diagonaliz avel
e que 1 e nilpotente com nilpotencia :. Veriquemos a unicidade. Suponha que
1
1
e nilpotente e que 1
1
e diagonaliz avel satisfazendo as condi c oes = 1
1
+ 1
1
e 1
1
1
1
= 1
1
1
1
.

E imediato concluirmos que
1
1
= 1
1
e 1
1
= 1
1
.
Logo, esses dois operadores comutam com1 e 1 pois os dois ultimos s ao polin omios
em . Recordamos que a nilpotencia de qualquer operador nilpotente e menor
que n = dim\ . Levando-se em conta que os operadores comutam calculemos pelo
6.7. APLICAC

AO: DECOMPOSIC

AO 1 + 107
bin omio de Newton
(1 1
1
)
2n
= (1
1
1)
2n
=
2n

j=0
(1)
j
2n!
,! (2n ,)!
1
j
1
1
2nj
= 0,
pois ou , ou 2n , s ao maiores que n. Como o unico operador diagonalizavel e
nilpotente e o operador identicamente nulo, segue que 1
1
= 1 e por conseguinte
1
1
= 1.
No caso do polin omio minimal ter mais de um fator consideramos as proje c oes
sobre cada parcela da decomposi c ao prim aria ao longo das outras,
i
: \ \ , e
denimos
1 =
1

1
+
2

2
+ +
k

k
,
1 = (
1
1d)
1
+ (
2
1d)
2
+ + (
k
1d)
k
.
A demonstra c ao segue an aloga desde que polin omios em comutam com qualquer
operador que comuta com . 2
Exemplo 6.7.1 O polin omio j
A
(t) = (t 1)
2
e o polin omio caracterstico do
operador linear : 1
2
1
2
, (r, j) = (3rj, 4rj) e seu polin omio minimal e
:
A
(t) = j
A
(t). Logo, pela constru c ao feita na proposi c ao acima devemos denir
os operadores 1 = 1d e 1 = 1d. De fato, vericamos que 1 e nilpotente com
nilpotencia dois pois,
[1d]

=
_
2 1
4 2
_
. 2
Exerccios propostos 6.7.1
1. Determine a decomposi cao 1 + dos operadores.
a) : 1
3
1
3
, (r, j, .) = (r, r +j, r +j + 2.).
b) : 1
2
1
2
, (r, j) = (5r + 9j, r j).
c) : 1
3
1
3
, (r, j, .) = (8r j 5., 2r + 3j +., 4r j .).
2. Prove que se 1 e C sao dois operadores lineares num espa co vetorial \ de dimens ao
nita que comutam e 1 e nilpotente, entao os operadores C e 1 + C tem os
mesmos autovalores.
108 CAP

ITULO 6. REPRESENTAC

AO CAN

ONICA (I)
3. A representa c ao matricial do operador : 1
3
1
3
, (r, j, .) = (r, r+j, r+j+2.)
na base canonica e da forma
[]

=
_
_
1 0 0
1 1 0
1 1 2
_
_
=
_
_
1 0 0
0 1 0
0 0 2
_
_
. .
[D]

+
_
_
0 0 0
1 0 0
1 1 0
_
_
. .
[B]

O operador diagonal 1 e o operador nilpotente 1 denidos pelas representa c oes


indicadas correspondem `a decomposi cao 1+ para o operador ! Essa arma c ao
e falsa ou verdadeira?
4. Mostre que toda matriz quadrada com entradas complexas e a soma de uma matriz
diagonal com uma matriz nilpotente que comutam. Esse fato e verdadeiro para
matrizes quadradas com entradas reais?
Captulo 7
Espacos Euclidianos
Um produto interno num espa co vetorial real e uma aplica c ao pela qual podemos
realizar as no c oes de comprimento e angulo da Geometria Euclidiana. Em espa cos
equipados com um produto interno existem operadores chamados de operadores
normais que s ao as origens de v arios grupos matriciais cl assicos. Os dois pr oximos
captulos est ao direcionados para o estudo de operadores normais em um espa co
vetorial real de dimens ao nita equipado com um produto interno. Nesse captulo
recapitularemos a terminologia e os fatos b asicos necessarios para estud a-los. A
maior parte dos topicos aqui estudados e normalmente apresentado nos cursos
introdut orios de

Algebra Linear.
7.1 Produto interno
Um produto interno num espa co vetorial real \ e uma aplica c ao , ) : \ \ 1
possuindo tres propriedades, a saber. Para quaisquer n, , n \ e 1, temos
que
1. n, ) = , n); (simetrica)
2. n +, n) = n, n) +, n); (bilinear)
3. , ) 0 ,= 0. (positiva denida)
Por simplicidade, indicamos um produto interno em \ pelo smbolo , )
omitin-do o domnio e o contra domnio da aplica c ao. Para outras propriedades
elementares indicamos o o primeiro exerccio proposto dessa se c ao.
Exemplo 7.1.1 1) Chamaremos de produto interno can onico do 1
n
a aplica c ao
que a cada par de vetores n = (r
1
, r
2
, ..., r
n
), = (j
1
, j
2
, ..., j
n
) 1
n
associa o
n umero real
109
110 CAP

ITULO 7. ESPAC OS EUCLIDIANOS


n, ) = r
1
j
1
+r
2
j
2
+ +r
n
j
n
.
A menos que seja dito explicitamente o contr ario a partir desse momento o espa co
1
n
estar a equipado com o produto interno can onico.
2) Qualquer espa co vetorial real \ de dimens ao nita admite um produto
interno. Para constru-lo, xamos uma base ordenada =
1
,
2
, ...,
n
\ e
denimos
n, )

= r
1
j
1
+r
2
j
2
+ +r
n
j
n
,
em que n = r
1

1
+r
2

2
+ +r
n

n
e = j
1

1
+j
2

2
+ +j
n

n
. Essa constru c ao
acrescenta um pouco mais de informa c ao: todo espa co vetorial de dimensao nita
admite varios produtos internos. Posteriormente, essa quet ao ser a estudada com-
parando dois produtos internos no mesmo espa co.
3) Um produto interno num espa co vetorial \ induz, por restri c ao, um produto
interno em qualquer subespa co \ \ .
4) Podemos denir um produto interno no espa co vetorial das fun c oes contnuas
do intervalo [0, 1] com valores na reta, C
0
([0, 1], 1 ), do seguinte modo,
), p) =
_
1
0
)(t) p(t) dt.
A integral considerada e a integral de Riemann. 2
Exerccios propostos 7.1.1
1. Deduza diretamente da deni cao de produto interno num espa co vetorial real \ que
para quaisquer n, \ e 1 valem as propriedades
a) n, n +) = n, n) +n, );
b) , ) = 0 = 0.
2. Verique que (r
1
, r
2
), (j
1
, j
2
)) = 2r
1
j
1
+ 3r
2
j
2
e um produto interno em 1
2
.
3. Assuma que e um isomorsmo linear num espa co vetorial real \ de dimens ao nita
equipado com um produto interno , ). Verique que , n)) = (), (n)) e
outro produto interno no mesmo espa co.
4. Mostre que a aplica cao , 1) = t:(1
t
) e um produto interno no espa co das
matrizes `(:n, 1).
7.2 Norma
Uma norma num espa co vetorial real \ e uma aplica c ao com valores n ao negativos,
| | : \ [0, ), possuindo as seguintes propriedades para quaisquer n, \ e
1,
7.2. NORMA 111
1. || = 0 = 0;
2. || = [[ ||;
3. |n +| |n| +||. (primeira desigualdade triangular)
A nota c ao [[ indica o valor absoluto do escalar real. Se 1 e considerado como
um espa co vetorial sobre si mesmo, o valor absoluto e de fato uma norma. O valor
|| e interpretado, geometricamente, como o comprimento do vetor \ , por
isso diremos que um vetor n \ e unit ario quando |n| = 1. Um produto interno
, ) num espa co vetorial real \ sempre induz uma norma em \ , para isso, basta
denir
| | : \ [0, ), || =
_
, ).
Essa ser a sempre a norma considerada num espa co com produto interno. Entre-
tanto para vericar que, de fato, a aplica c ao assim denida e uma norma necessi-
tamos da Desigualdade de Schwarz.
Teorema 7.2.1 (Desigualdade de Schwarz) Seja \ um espaco vetorial real
com um produto interno , ). Ent ao a aplicac ao | | : \ [0, ), || =
_
, )
satisfaz a desigualdade
[n, )[ |n|||.
para quaisquer n, \ . Em consequencia, a aplicac ao | | e uma norma.
Demonstra cao Por deni c ao de produto interno, para qualquer escalar t 1
temos a desigualdade,
0 tn , tn ) = |n|
2
t
2
2n, )t +||
2
.
Logo, o discriminante do polin omio em t e n ao positivo,
= 4n, ) 4|n|
2
||
2
0.
Da segue a desigualdade de Schwarz. Para demonstrar que a aplica c ao e uma
norma devemos vericar os tres itens da deni c ao. Entretanto faremos apenas a
demonstra c ao da desigualdade triangular que e uma consequencia da desigualdade
de Schwarz, deixando os outros itens como exerccios. Pela desigualdade mostrada
temos
n +, n +) = |n|
2
+||
2
+ 2n, ) |n|
2
+||
2
+ 2|n|||.
Portanto, |n +|
2
(|n| +||)
2
, implicando que |n +| |n| +||. 2
Exerccio 7.2.1 Seja | | uma norma denida pelo produto interno , ) num
espa co vetorial real \ .
112 CAP

ITULO 7. ESPAC OS EUCLIDIANOS


1. Mostre a identidade de polarizac ao,
n, ) =
1
4
|n +|
2

1
4
|n |
2
.
Sugestao: desenvolva o segundo membro da identidade.
2. Prove e guarde as caracteriza c oes pois elas ser ao utilizadas in umeras vezes.
a) n, ) = 0 para todo n \ = 0;
b) n, ) = n, n) para todo n \ = n. 2
As normas aqui consideradas sempre ser ao denidas por um produto interno no
espa co vetorial, embora muitas vezes esse fato n ao esteja explicitado. Para deixar
claro que nem toda norma em \ e dessa forma, remetemos o leitor para o primeiro
exerccio proposto dessa se c ao, al est a dado um criterio para saber quando uma
norma e induzida ou n ao por um produto interno.
Exerccios propostos 7.2.1
1. Demonstre que uma norma | | num espa co vetorial real \ induzida por um produto
interno , ) em \ satisfaz a lei do paralelogramo, isto e,
|n +|
2
+|n |
2
= 2
_
|n|
2
+||
2
_
.
2. Se = (r
1
, r
2
, ..., r
n
) 1
n
, dena a aplica cao
| | : 1
n
[0, ), || = max[r
i
[ , 1 i n..
Prove que | | e uma norma mas que nao e induzida por um produto interno.
3. Prove que para quaisquer duas fun coes contnuas ), p : [0, 1] 1 vale a desigualdade

_
1
0
)(t)p(t) dt

_
1
0
)(t)
2
dt

1/2

_
1
0
p(t)
2
dt

1/2
.
4. Dados dois vetores nao nulos e distintos, n
0
e n
1
, num espa co vetorial real \ equipado
com um produto interno, mostre que se um vetor \ satisfaz a igualdade
| n
0
| +| n
1
| = |n
0
n
1
|,
entao existem
0
,
1
[0, 1] tais que =
0
n
0
+
1
n
1
e
0
+
1
= 1.
5. Prove que para qualquer fun cao contnua positiva ) : 1 1 vale a desigualdade
__
1
0
)(t) dt
_ __
1
0
1
)(t)
dt
_
1.
6. Seja | | uma norma em \ . Prove que para quaisquer n, , n \ vale a desigualdade
|n | |n| |n n| || +|n | |n|.
7. Demonstre que uma norma | | num espa co vetorial real de dimensao nita \
satisfazendo a Lei do paralelogramo e induzida por um produto interno (voce ir a
precisar do conceito de continuidade).
7.3. ORTOGONALIDADE 113
7.3 Ortogonalidade
A desigualdade de Schwarz permite denir o angulo entre dois vetores n ao nulos
n e num espa co vetorial real \ equipado com um produto interno , ). Como
1
n, )
|n|||
1,
denimos que o angulo entre os dois vetores n ao nulos e o unico [0, ] tal que
n, ) = |n||| cos .
Essa deni c ao estabelece a rela c ao fundamental entre os conceitos de produto
interno, norma (comprimento de vetor) e angulo entre dois vetores n ao nulos que
ser a explorada ao longo dos pr oximos captulos. Por exemplo, diremos que dois
vetores s ao ortogonais quando n, ) = 0. Para vetores n ao nulos serem ortogonais
signica que o angulo entre eles e =

2
.
Exerccio 7.3.1 Se \ e um subespa co do espa co vetorial real \ equipado com
um produto interno , ), demonstre que o complemento ortogonal \

e tambem
um subespa co e que \ \

= o. Por deni c ao, o complemento ortogonal de


\ e o conjunto
\

= \ ; , n) = 0 para todo n \. 2
Exerccios propostos 7.3.1
1. Considere o produto interno canonico em 1
2
.
a) Mostre que para cada vetor unitario n 1
2
existe um unico [0, 2) tal
que n = (cos , :cn).
b) Dados os vetores unitarios n = (cos , :cn) e = (cos , :cn), verique a
identidade, n, ) = co:( ).
c) Mostre que para o angulo entre dois vetores nao nulos n = (r
1
, j
1
) e =
(r
2
, j
2
) vale
co: =
x
1
x
2
+y
1
y
2
uv
e :cn =
x
1
y
2
x
2
y
1
uv
.
2. Verique que a base canonica de `(: n, 1) e uma base ortonormal em rela c ao
ao produto interno , Q) = t:(Q
t
).
3. Seja | | a norma denida por um produto interno num espa co vetorial real \ .
a) Prove o Teorema de Pit agoras: n e sao ortogonais |n|
2
+||
2
= |n+|
2
.
b) Quais as condi coes sobre os vetores n e para que [n, )[ = |n|||?
c) Demonstre a segunda desigualdade triangular, [|n| ||[ |n |.
114 CAP

ITULO 7. ESPAC OS EUCLIDIANOS


4. Sejam n e vetores nao nulos num espa co com produto interno \ . Demonstre:
a) os vetores ||n +|n| e ||n |n| sao ortogonais;
b) o angulo entre o vetor ||n |n| e n e o angulo entre o vetor ||n |n|
e sao iguais.
7.4 Espacos Euclidianos
Um espa co Euclidiano e um par (\, , )) no qual \ e um espa co vetorial real de
dimensao nita e , ) e um produto interno em \ .
Com a nalidade de ser menos repetitivo, reservamos a nota c ao (\, , )) para
designar unica e exclusivamente um espa co Euclidiano. Avisamos que em alguns
textos n ao e exigido a condi c ao de dimens ao nita na deni c ao, fato que n ao
ocorrer a aqui. Em tais espa cos existem bases especiais que destacaremos com uma
deni c ao. Uma base ordenada =
1
,
2
, ...,
n
\ e uma base ortogonal de
(\, , )) quando
i
,
j
) = 0 se i ,= ,. Diremos que a base ordenada e ortonormal
quando
i
,
j
) =
ij
(delta de Kronecker).
Exemplo 7.4.1 1) A base can onica do 1
n
e uma base ortonormal com respeito
ao produto interno can onico.
2) Como vimos qualquer espa co vetorial real \ de dimens ao nita admite uma
estrutura de espa co Euclidiano. Para constru-la, xamos uma base ordenada
=
1
,
2
, ...,
n
\ e consideramos
n, )

= r
1
j
1
+r
2
j
2
+ +r
n
j
n
,
em que n = r
1

1
+r
2

2
+ +r
n

n
e = j
1

1
+j
2

2
+ +j
n

n
. Nessa contru c ao
torna-se uma base ortonormal. 2
Exerccio 7.4.1 Suponha que =
1
,
2
, ...,
k
e um conjunto de vetores n ao
nulo e dois a dois ortogonais no espa co Euclidiano \ . Prove que e um conjunto
linearmente independente. Em particular, se ; = dim\ ent ao e uma base
ortogonal. 2
Bases ortonormais em espa cos Euclidianos existem e a demonstra c ao desse
fato e construtiva. O metodo de constru c ao utilizado para mostrar a existencia
e chamado de processo de ortogonalizac ao de Gram-Schmidt que e t ao relevante
quanto o resultado em si.
Proposi cao 7.4.1 Todo subespaco n ao trivial \ de um espaco Euclidiano \ pos-
sui uma base ortogonal.
7.4. ESPAC OS EUCLIDIANOS 115
Demonstra cao Escolha = n
1
, n
2
, ..., n
k
uma base ordenada qualquer de \.
Denote por \
i
o subespa co de dimens ao i gerado pelos i-esimos primeiros vetores
dessa base,
i
= n
1
, n
2
, ..., n
i
. Sendo assim, valem as inclus oes pr oprias de
subespa cos
\
0
= o _ \
1
_ \
2
_ _ \
k
= \.
Feitos essas preliminares iniciemos a constru c ao indutiva de uma base ortogo-
nal pelo processo de ortogonaliza c ao de Gram-Schmidt. A base ortogonal de \
1
ser a
1
=
1
em que
1
= n
1
. Para construir uma base ortogonal para \
2
consideramos o conjunto ordenado
2
=
1


2
onde

2
= n
2

n
2
,
1
)

1
,
1
)

1
.
O vetor
2
est a bem denido pois
1
n ao sendo nulo temos que
1
,
1
) 0. Note
que tambem o vetor
2
n ao e nulo, caso contr ario conclumos que n
1
e n
2
s ao
vetores linearmente dependentes contrariando o fato de ser uma base de \. Por
outro lado vericamos facilmente que
1
,
2
) = 0 de onde segue que
2
\
2
e um conjunto linearmente independente num espa co vetorial de dimens ao dois,
implicando que
2
=
1


2
e uma base ortogonal de \
2
. Por hip otese de
indu c ao, vamos assumir que j a construmos uma base ortogonal
i
=
1
,
2
, ...,
i

para o subespa co \
i
. Seja

i+1
=
i


i+1
,
em que

i+1
= n
i+1

n
i+1
,
1
)

1
,
1
)

1

n
i+1
,
2
)

2
,
2
)

2

n
i+1
,
i
)

i
,
i
)

i
.
Novamente,
i+1
est a bem denido e e um vetor em \
i+1
. O vetor
i+1
n ao e nulo,
caso contrario teremos n
i+1
\
i
contrariando a hip otese de ser linearmente
independente, desde que cada
i
e combina c ao linear de
i
. Uma simples verica c ao
mostra que
i+1
e um conjunto de vetores n ao nulos dois a dois ortogonais no
subespa co \
i+1
cuja dimens ao e i +1. Segue que
i+1
e uma base ortogonal desse
espa co. Continuando o processo um n umero de vezes igual ` a dim\, obtemos uma
base ortogonal de \. 2
Corolario 7.4.1 Todo subespaco n ao trivial de um espaco Euclidiano \ , possui
uma base ortonormal. Em particular, \ possui uma base ortonormal.
Demonstra cao Pelo processo de Gram-Schmdit podemos construir uma base
ortogonal =
1
,
2
, ...,
k
de \. O conjunto ordenado = n
1
, n
2
, ..., n
n
,
116 CAP

ITULO 7. ESPAC OS EUCLIDIANOS


onde n
i
=
1
v
i

i
, e formado por vetores unit arios dois a dois ortogonais, logo e
uma base ortonormal de \. 2
Quando um espa co Euclidiano \ e uma soma direta de subespa cos mutuamente
ortogonais, isto e, \ = \
1
\
2
\
k
e

i
,
j
) = 0 quando
i
\
i
,
j
\
j
para i ,= ,,
chamamos a decomposi c ao de soma direta ortogonal e esse fato ser a registrado
gracamente por
\ = \
1
\
2
\
k
.
O smbolo e o mesmo smbolo usualmente utilizado na Geometria Euclidiana
para indicar o angulo reto entre duas retas.
Exerccio 7.4.2 Prove as arma c ao sobre um subespa co \ de (\, , )).
1. Um vetor \ e ortogonal a todo elemento n \ se, e somente se, e
ortogonal aos vetores de uma base de \.
2. Se \ e um subespa co pr oprio ent ao o complemento ortogonal \

e n ao
vazio. 2
A existencia de uma base ortogonal permite uma f acil demonstra c ao para a
Proposi cao 7.4.2 Se \ e um subespaco do espaco Euclidiano \ ent ao
\ = \ \

.
Demonstra cao J a sabemos que \ \

= 0. Vamos supor por absurdo que a


soma direta ortogonal l = \ \

e um subespa co pr oprio de \ . Valendo essa


hip otese, seja \ um vetor n ao nulo ortogonal ` a l. Ent ao e ortogonal a todo
vetor de \ , logo \

. Mas tambem e ortogonal ` a \

, portanto , ) = 0,
implicando que = 0, uma contradi c ao. Isso mostra que \ = \ \

. 2
Exerccio 7.4.3 Seja =
1
,
2
, ...,
n
uma base ortonormal de (\, , )).
1. Mostre que os coecientes da combina c ao linear = r
1

1
+r
2

2
+ +r
n

n
s ao os escalares r
i
= ,
i
).
2. Se n = j
1

1
+j
2

2
+ +j
n

n
ent ao , n) = r
1
j
1
+r
2
j
2
+ +r
n
j
n
.
3. Conclua que || = (r
2
1
+r
2
2
+ +r
2
n
)
1/2
. 2
7.4. ESPAC OS EUCLIDIANOS 117
A utiliza c ao de bases ortonormais e uma ferramenta b asica para o estudo de
operadores em espa cos Euclidianos. Ilustraremos a facilidade operacional quando
trabalhamos com tais tipos de bases. Por exemplo, calculemos a representa c ao
[]

= [o
ij
] de um operador num espa co Euclidiano \ quando a base =

1
,
2
, ...,
n
e ortonormal. Por deni c ao de representa c ao matricial sabemos que
(
j
) = o
1j

1
+o
2j

2
+ +o
nj

n
.
Avaliando o produto interno em ambos membros da equa c ao com o vetor
i
obte-
mos que (observe a ordem dos ndices)
o
ij
= (
j
),
i
).
Exerccios propostos 7.4.1
1. Ortogonalize pelo processo de Gram-Schmidt as bases ordenadas.
a) = (1, 2), (1, 3) 1
2
.
b) = (1, 1, 1), (1, 1, 0), (0, 1, 2) 1
3
.
c) = (1, 2, 1), (2, 0, 2), (4, 4, 4) 1
3
.
2. Seja \ o subespa co do 1
4
gerado pelos vetores
1
= (1, 1, 0, 0) e
2
= (0, 1, 1, 1).
a) Determine uma base para \

.
b) Estenda a base obtida para uma base ortogonal do 1
4
.
3. Mostre que qualquer conjunto =
1
,
2
, ...,
k
de vetores unitarios e dois a dois
ortogonais num espa co Euclidiano \ de dimensao n pode ser estendido a uma base
ortonormal =
1
,
2
, ...,
n
.
4. Fixado um vetor
0
nao nulo de (\, , )) dena a aplica cao
: \ \, (n) = n
w,v
0

v
0
,v
0

0
.
a) Verique que e uma proje cao e identique o n ucleo e a imagem.
b) Mostre que e uma projec ao ortogonal, isto e, \ = 1: nc .
5. Ortogonalize a base ordenada = 1, t, t
2
, t
3
de 1
3
[t] quando o produto interno
considerado e
j(t), (t)) =
_
1
0
j(t) (t) dt.
Determine uma base para o subespa co ortogonal ao subespa co formado pelos poli-
nomios de grau no maximo 1.
6. Se \
1
e \
2
sao dois subespa cos do espa co Euclidiano \ , prove as identidades.
a) (\

1
)

= \
1
.
b) (\
1
+\
2
)

= \

1
\

2
.
118 CAP

ITULO 7. ESPAC OS EUCLIDIANOS


c) \

1
\

2
= \

1
+\

2
.
7. Considere o conjunto ordenado =
1
,
2
, ...,
n
do espa co Euclidiano (\, , )).
(a) Se e uma base ortonormal, prove a desigualdade de Bessel,
n

i=1
n,
i
)
2
|n|
2
.
(b) Reciprocamente, se vale a desigualdade de Bessel para todo n \ , ent ao o
conjunto e uma base.
8. Considere no espa co `(n, 1) o produto interno , Q) = t:(Q
t
). Demonstre que
`(n, 1) = o / onde a primeira parcela e o subespa co das matrizes simetricas e
a segunda e o subespa cos das matrizes anti-simetricas.
9. Seja um operador linear no espa co Euclidiano \ de dimensao n. Mostre que se
= n
1
, n
2
, ..., n
k
e uma base ortonormal da imagem de , entao
() = (), n
1
)n
1
+(), n
2
)n
2
+ +(), n
k
)n
k
.
10. Seja \ um espa co Euclidiano e \ \ um subespa co proprio. Demonstre:
a) dado um vetor \ existe um unico vetor n
0
\ tal que n
0
e ortogonal
`a \ e
b) para qualquer outro vetor n \ com n ,= n
0
vale a desigualdade | n
0
|
| n|.
11. Determine a aplica cao : 1
3
1
3
que reete ortogonalmente os vetores em rela c ao
ao subespa co \ = (r, j, .) 1
3
; r +j +. = 0.
12. Uma proje c ao num espa co Euclidiano e ortogonal quando \ = 1: nc .
Prove que uma proje cao e ortogonal |()| || para qualquer \ .
7.5 Representacao de um funcional linear
Faremos outra aplica c ao da existencia de uma base ortonormal cujo resultado, o
Teorema da representa c ao de um funcional linear, e fundamental para o restante
do texto. O espa co dual \

de um espa co Euclidiano \ admite uma descri c ao


muito simples quando utilizamos o produto interno. Fixado um vetor
0
\ ,
segue diretamente da deni c ao de produto interno que a aplica c ao
)
0
: \ 1, )
0
(n) = n,
0
),
e um funcional linear. Diremos que o vetor
0
\ representa o funcional linear
)
0
. A recproca tambem e verdadeira, todo funcional linear num espa co Euclidiano
e representado por um vetor, registremos este fato no
7.5. REPRESENTAC

AO DE UM FUNCIONAL LINEAR 119
Teorema 7.5.1 (Teorema da representa cao de um funcional linear) Se-
jam (\, , )) um espa co Euclidiano e : \ \

a aplicac ao que a cada vetor


\ associa ao funcional linear
[] : \ 1, [](n) = n, ).
Ent ao : \ \

e um isomorsmo linear. Em particular, cada funcional linear


e representado por um unico vetor.
Demonstra cao

E claro que a aplica c ao : \ \

, est a bem denida, isto e,


[] : \ 1 e um funcional linear. Para mostrar que e um isomorsmo linear
basta mostrar que e linear e sobrejetiva pois dim\ = dim\

.
A linearidade: dados os vetores n, \ e o escalar 1, para qualquer
n \ temos que
[n +](n) = n +, n) = n, n) +, n) = ([n] +[]) (n).
Logo, [n +] = [n] +[] mostrando a linearidade de : \ \

.
A sobrejetividade: escolhida uma base ortonormal =
1
,
2
, ...,
n
de \
sabemos que um vetor n \ e escrito de maneira unica como uma combina c ao
linear dos elementos dessa base, n = r
1

1
+r
2

2
+ +r
n

n
. Fixado um funcional
linear ) : \ 1, e avaliando esse funcional no vetor n obtemos que
)(n) = r
1
)(
1
) +r
2
)(
2
) + +r
n
)(
n
).
Desse modo, o vetor

f
= )(
1
)
1
+)(
2
)
2
+ +)(
n
)
n
representa o funcional linear. Com efeito. Sendo a base ortonormal calculemos,
[
f
](n) = n,
f
) = r
1
)(
1
) +r
2
)(
2
) + +r
n
)(
n
) = )(n).
Isso signica que [
f
] = ), conclundo a demonstra c ao. 2
Exerccios propostos 7.5.1
1. Considere o funcional linear ) : 1
2
1
2
, )(r, j) = 3r2j. Represente o funcional
utilizando os seguintes produtos internos em 1
2
.
a) Produto interno canonico.
b) (r, j), (., n)) = 2r. + 3jn.
c) (r, j), (., n)) = 2r. rn j. + 2jn.
2. Considere o seguinte produto interno no espa co vetorial dos polinomios 1
2
[t] =
j(t) 1[t]; tal que p:onj(t) 2,
), p) =
_
1
0
)(t) p(t) dt,
120 CAP

ITULO 7. ESPAC OS EUCLIDIANOS


onde a integral considerada e a integral de Riemann. Represente o funcional linear
avalia c ao em t = 0, ou seja, / : 1
2
[t] 1, /(j(t)) = j(0).
7.6 Operador transposto
Um operador linear num espa co vetorial \ sobre o corpo 1 induz um operador
linear no espa co dual

: \

, chamado de adjunta de e denido por

[)] : \ 1,

[)]() = )(()).
Nessa se c ao iremos estudar a adjunta de um operador num espa co Euclidiano.
Com o auxlio do Teorema da representa c ao de um funcional linear transferimos o
estudo da adjunta para o estudo de um operador no espa co Euclidiano \ .
Se e um operador linear em (\, , )), pelo Teorema da representa c ao existe
um unico vetor \ representando o funcional linear ) : \ 1 e existe um unico
vetor

representando o funcional linear

[)] : \ 1. Pela deni c ao de


adjunta temos que

[)](n) = )((n)) = (n), ),


por outro lado, pelo Teorema da representa c ao de um funcional podemos escrever

[)](n) = n,

)
para todo n \ . Esses coment arios permitem-nos denir uma aplica c ao

t
: \ \,

,
satisfazendo a identidade n,
t
()) = (n), ) para quaisquer , n \ .
Proposi cao 7.6.1 Seja um operador linear no espaco Euclidiano \ . Ent ao
existe um unico operador linear
t
: \ \ , chamado de transposto de , tal que
n,
t
()) = (n), ) para quaisquer , n \ .
Demonstra cao A existencia de uma aplica c ao
t
: \ \ satisfazendo a
condi c ao n,
t
()) = (), n) para quaisquer , n \ est a feita nos coment arios
anteriores. Mostremos a linearidade. Dados n, \ e 1, para qualquer n \
temos as igualdades
n,
t
(n +)) = (n), n +)
= (n), n) +(n), )
= n,
t
(n)) +n,
t
())
= n,
t
(n) +
t
()).
7.6. OPERADOR TRANSPOSTO 121
Sendo a igualdade n,
t
(n + )) = n,
t
(n) +
t
()) verdadeira para todo
n \ , conclumos que
t
(n+) =
t
(n) +
t
(), como queramos demonstrar.
A unicidade do operador transposto tem uma demonstra c ao que, em essencia,
ser a utilizada outras vezes. Se 1 : \ \ e um operador linear tal que (), n) =
n, 1()) para quaisquer n, \ , ent ao n,
t
() 1()) = 0 para todo n \ ,
implicando que
t
() = 1() para todo \ . 2
Como ja vimos, a adjunta

depende apenas do operador , o mesmo n ao


ocorrendo com o tranposto que depende do operador e do produto interno que
dene a estrutura de espa co Euclidiano com o qual estamos trabalhando. Cada
produto interno no espa co vetorial determina um representante diferente para o
mesmo funcional linear e, portanto, um operador transposto diferente. Recor-
damos que temos uma deni c ao de matriz transposta. Estabeleceremos a rela c ao
entre esses conceitos utilizando representa c oes em bases ortonormais.
Proposi cao 7.6.2 Sejam um operador linear no espaco Euclidiano \ e uma
base ortonormal de \ . Ent ao a representac ao matricial do operador transposto de
e a transposta da representac ao matricial de . De outra maneira,
_

= []
t

.
Demonstra cao Consideremos as representa c oes matriciais []

= [o
ij
] e
_

=
[/
ij
], onde =
1
,
2
, ...,
n
e uma base ortonormal de \ . Como sabemos as
entradas das representa c oes matriciais s ao obtidas pelas f ormulas
o
ij
= (
j
),
i
), /
ij
=
t
(
j
),
i
).
Portanto, pela deni c ao de operador transposto segue que
/
ij
=
t
(
j
),
i
) =
j
, (
i
)) = (
i
),
j
) = o
ji
,
como pretendamos provar. 2
Quando \ e um espa co Euclidiano podemos denir a aplica c ao
: L(\, \ ) L(\, \ ), () =
t
.
Entre as muitas propriedades de a proposi c ao abaixo mostra que ela e uma
transforma c ao linear.
Proposi cao 7.6.3 Valem as seguintes propriedades para quaisquer operadores lin-
eares e 1 em (\, , )) e qualquer escalar 1.
a) (+1)
t
=
t
+1
t
.
b) ( 1)
t
= 1
t

t
.
c)
_

t
_
t
= .
122 CAP

ITULO 7. ESPAC OS EUCLIDIANOS


Demonstra cao 1. Por um lado, temos as igualdades,
(+1) (n), ) = (n), ) +1(n), )
= n,
t
() +1
t
())
= n,
_

t
+1
t
_
()),
por outro lado, (+1) (n), ) = n, (+1)
t
()). A unicidade do transposto
implica que (+1)
t
=
t
+1
t
.
2. A demonstra c ao e novamente uma manipula c ao elementar de propriedades,
( 1) (n), ) = 1(n),
t
()) = n,
_
1
t

t
_
()).
Tambem sabemos da identidade ( 1) (n), ) = n, ( 1)
t
()). Pela unicidade
do transposto conclumos que ( 1)
t
= 1
t

t
.
3. Deixaremos a demonstra c ao aos cuidados do leitor. 2
Merece ser enfatizado por um lema duas propriedades sobre o transposto de
um operador linear, n ao pela diculdade de demonstra c ao que e nenhuma, mas
pelo seu frequente uso.
Lema 7.6.1 Um operador linear num espaco Euclidiano \ , possui as seguintes
propriedades.
a) Se preseva um subespaco W, ent ao
t
preserva \

.
b) O operador induz uma decomposic ao em soma direta ortogonal
\ = 1:nc
t
.
Demonstra cao 1) Se \

, pela invari ancia de \ temos que , (n)) =


0 para qualquer vetor n \, e por deni c ao de transposto vale a igualdade

t
(), n) = 0. Portanto
t
() \

, signicando que \

e invariante por
t
.
2. Considere a decomposi c ao em soma direta ortogonal \ = 1:(1:)

.
Veriquemos a inclus ao (1:)

nc
t
. Se n e um vetor em (1:)

, ent ao
para todo \ temos a igualdade (), n) = 0, pois () pertence ao sube-
spa co imagem de . Logo, ,
t
(n)) = 0 para qualquer \ . Isso signica
que
t
(n) = 0, mostrando a inclus ao desejada. A inclus ao oposta admite uma
demonstra c ao semelhante. 2
Recomendamos ao leitor a leitura do Exerccio proposto n umero 2, al est ao
registrados alguns fatos que ser ao utilizados no pr oximo captulo.
Exerccios propostos 7.6.1
7.6. OPERADOR TRANSPOSTO 123
1. Calcule o operador transposto de : 1
2
1
2
, (r, j) = (r 2j, 3r +j).
2. Seja um operador em (\, , )).
a) Prove que 1 : \ \ e o operador transposto de [1]

= []
t

, em que
e uma base ortornormal de \ .
b) Demonstre que se e invertvel entao
t
e invertvel e
_

1
_
t
= (
t
)
1
.
c) Mostre que
t
0 0.
d) Verique que j()
t
= j(
t
) para qualquer polinomio j(t) 1[t].
e) Os ideais anuladores de e
t
sao iguais, ou equivalentemente, os polin omios
mnimo sao iguais. Prove essa arma cao.
3. Fixado um vetor nao nulo
0
em um espa co Euclidiano \ , calcule o operador trans-
posto de
: \ \, (n) = n
n,
0
)

0
,
0
)

0
.
4. Mostre que a aplica cao , 1) = t: (1
t
) e um produto interno no espa co das ma-
trizes `(n, 1). Responda as perguntas abaixo considerando esse produto interno.
a) Calcule o complemento ortogonal do subespa co das matrizes diagonais.
b) Assuma que 1
0
e uma matriz invertvel em `(n, 1). Determine o transposto
do operador : `(n, 1) `(n, 1), quando
i) () = 1
0
,
ii) () = 1
0
,
iii) () = 1
1
0
1
0
.
5. Dado o produto interno no espa co 1
3
[t] = j(t) 1[t]; p:onj(t) 3 denido por
j(t), (t)) =
_
1
0
j(t) (t) dt
Descreva o transposto da deriva cao 1 : 1
3
[t] 1
3
[t], j(t) j

(t).
6. Fixados vetores n
0
e
0
de um espa co Euclidiano \ , calcule o transposto do operador
linear : \ \ , () = , n
0
)
0
.
7. Calcule uma base ortonormal para os nc , 1:, nc
t
e 1:
t
quando o
operador e : 1
3
1
3
, (r, j, .) = (r +j, r +j, r +j).
8. Mostre a seguinte formula para a transposta de uma matriz quadrada constituda
de quatro submatrizes,
_
1 Q
1 o
_
t
=
_
1
t
1
t
Q
t
o
t
_
.
Captulo 8
Operadores normais
Iniciaremos o estudo da classe de operadores lineares num espa co Euclidiano que
comutam com o seu transposto, chamados de operadores normais. As repre-
senta c oes matriciais can onicas desses operadores serao apresentadas tendo em vista
que alguns tipos de matrizes que surgem dessas representa c oes formam subgrupos
importantes no espa co das matrizes quadradas. A linha de desenvolvimento dessa
se c ao e simples. Primeiro estudaremos a decomposi c ao prim aria de um operador
normal e depois a decomposi c ao cclica de cada parcela da decomposi c ao prim aria.
8.1 Operadores normais
Diz-se que um operador num espa co Euclidiano \ e normal se
t
=
t
.
A terminologia utilizada e apropriada pois o conceito de normalidade estar a
sempre associado ao conceito de ortonormalidade e as boas representa c oes desses
operadores ser ao obtidas em bases ortonormais dando origem ` as matrizes normais.
Apresentemos alguns exemplos de operadores normais em (\, , )).
Exemplo 8.1.1 1) Conhecendo-se um unico operador normal : \ \ e
possvel contruir varios outros. Por exemplo, o operador transposto
t
bem como
qualquer potencia
n
com n 0 s ao normais. Alem desse, podemos provar que os
operadores 1 =
t
e C = , com 1, s ao tambem operadores normais.
Mostra-se por indu c ao que j() e normal para qualquer polin omio j(t) 1[t].
2) Se : \ \ e qualquer operador, o operador 1 =
t
e chamado de
operador de Gram associado ao operador . Ele e um operador normal.
3) A composta e a soma de dois operadores normais num espa co Euclidiano,
em geral, n ao s ao operadores normais, entretanto, uma condi c ao suciente para
serem normais e que os dois operadores comutem. 2
124
8.1. OPERADORES NORMAIS 125
Exerccio 8.1.1 Demonstre o seguinte criterio de normalidade num espa co Eu-
clidiano. Um operador : \ \ e normal a representa c ao []

e uma matriz
normal para qualquer base ortonormal de \ . 2
Apresentaremos as primeiras propriedades de um operador normal estabele-
cendo as rela c oes entre o n ucleo e a imagem de e de seu transposto.
Proposi cao 8.1.1 Se e um operador normal num espaco Euclidiano (\, , )),
ent ao |()| = |
t
()| para qualquer vetor \ . Em consequencia,
a) os n ucleos de e
t
s ao iguais;
b) \ decomp oe-se numa soma direta ortogonal, \ = 1:nc ;
c) as imagens de e
t
s ao iguais.
Demonstra cao A comutatividade de e de seu transposto
t
justica as igual-
dades,
(), ()) =

,
t
()
_
=

,
t
()
_
=

t
(),
t
()
_
,
para qualquer vetor \ . Portanto, |()|
2
= |
t
()|
2
, de onde segue a
arma c ao.
As consequencias s ao imediatas. o) Da equivalencia |()| = 0 se, e somente
se, |
t
()| = 0 segue a igualdade entre os n ucleos de e
t
. /) Sabemos que
\ = 1:nc
t
para qualquer operador : \ \ . Pelo primeiro tem temos
a decomposi c ao desejada. O tem c) e deixado para exerccio. 2
Exerccios propostos 8.1.1
1. Verique que o operador de Gram associado a um operador num espa co Euclidiano
\ e invertvel se, e somente se, e invertvel.
2. De um exemplo de um operador num espa co Euclidiano \ tal que
t
,=
t
.
3. Demonstre que qualquer matriz normal `(2, 1) e da forma
= :
_
co: :cn
:cn co:
_
on =
_
o /
/ c
_
,
onde :, o, /, c 1 e [0, 2).
4. Assuma que um operador normal : \ \ preserva o subespa co \ \ .
a) Prove que o operador
0
: \ \ obtido por restri cao de e normal.
b) Demonstre que \ = \ \

e uma soma direta ortogonal invariante por .


c) Conclua que essa soma direta tambem e invariante por
t
.
126 CAP

ITULO 8. OPERADORES NORMAIS


8.2 Decomposicao normal
Operadores normais recebem uma vers ao particular do Teorema da decomposi c ao
primaria. Novamente, veremos que toda informa c ao est a concentrada no polin omio
minimal do operador.
Teorema 8.2.1 (Teo. da decomposi cao normal) Seja um operador normal
num espa co Euclidiano \ . Ent ao
a) a fatorac ao prim aria do polin omio minimal de e um produto de polin omios
m onicos primos sem repetic oes, :
A
(t) = j
1
(t)j
2
(t) j
k
(t);
b) a decomposic ao prim aria de \ e uma soma direta ortogonal,
\ = nc j
1
() nc j
2
() nc j
k
().
Demonstra cao o) Por absurdo, vamos assumir que :
A
(t) = j
i
(t)
2
(t) para algum
ndice i. Essa hip otese implica que para qualquer \ o vetor n = j
i
()()()
pertence `a interse c ao 1:j
i
() nc j
i
(). Entretanto, essa interse c ao e trivial
pois \ = 1:j
i
() nc j
i
() desde que j
i
() e um operador normal. Isso
signica que j
i
() ()() = o para todo \ . Sendo assim, o polin omio
j
i
(t)(t) pertence ao ideal anulador
A
e tem grau menor que grau do gerador do
ideal, evidentemente uma contradi c ao. Isso mostra que a fatora c ao prim aria do
polin omio minimal n ao tem fatores repetidos.
/) Como sabemos, a proje c ao
i
: \ \ sobre a i-esima parcela da decom-
posi c ao primaria ao longo das outras parcelas e um polin omio em , portanto,
i
e um operador normal e por conseguinte \ = 1:
i
nc
i
. Como para todo i
temos que
_
_
_
1:
i
= nc j
i
(),
nc
i
= nc j
1
()

nc j
i
() nc j
k
(),
segue que as parcelas da decomposi c ao prim aria s ao duas a duas ortogonais. 2
A decomposi c ao prim aria induzida por um operador normal ser a chamada de
decomposic ao normal. Comparemos as decomposi c oes normais de um operador e
do seu transposto num espa co Euclidiano \ .
Corolario 8.2.1 Um operador normal e seu transposto induzem a mesma decom-
posic ao normal.
Demonstra cao Recordamos que os polin omios minimais de um operador e de
seu transposto
t
s ao iguais, fato geral que independe da normalidade. Portanto,
a decomposi c ao normal denida por
t
ca sendo
8.3. OPERADORES SIM

ETRICOS 127
\ = nc j
1
(
t
) nc j
2
(
t
) nc j
k
(
t
).
Como j
i
(
t
) = j
i
()
t
e j
i
() e tambem normal, temos as igualdades dos n ucleos,
nc j
i
(
t
) = nc j
i
()
t
= nc j(). 2
Exerccios propostos 8.2.1
1. Seja um operador normal no espa co Euclidiano \ .
a) Prove que autovetores de associados a autovalores distintos sao ortogonais.
b) Mostre que se
k
() = 0 para algum / 2, entao () = 0.
2. Descreva todos operadores num espa co Euclidiano que sao nilpotentes e normais.
3. Assuma que e um operador nilpotente num espa co Euclidiano \ e que o espa co
e cclico, \ = (().
a) Determine a decomposi cao normal do operador de Gram 1 =
t

b) e conclua que 1 e uma proje cao ortogonal.
c) Calcule a representa cao matricial de 1 na base cclica gerada por .
4. Com as mesmas hipoteses do item anterior, exceto que \ seja cclico, podemos
concluir que 1 e uma proje cao ortogonal?
5. Prove que se e 1 sao operadores normais no espa co Euclidiano \ que comutam
entao comuta com 1
t
.
8.3 Operadores simetricos
Iniciamos o estudo de tipos particulares de operadores normais.
Um operador num espa co Euclidiano \ e simetrico quando =
t
.

E trivial vericar que um operador simetrico e normal. O principal teorema


sobre tais operadores que iremos demonstrar e o Teorema espectral, garantindo
que um operador simetrico e diagonaliz avel numa base ortonormal de autovetores.
Sem muito esfor co esse resultado pode ser demonstrado para espa cos Euclidianos
de dimensao dois e depois generalizado para espa cos com dimens oes maiores uti-
lizando o Teorema da decomposi c ao normal. Deixaremos uma serie de informa c oes
sobre operadores simetricos em um espa co Euclidiano \ como exerccios.
Exerccio 8.3.1 1) Um operador de Gram e simetrico.
2) Se : \ \ e simetrico ent ao j() e simetrico para todo j(t) 1[t].
3) : \ \ e simetrico a representa c ao []

em qualquer base ortonormal


de \ e uma matriz simetrica. 2
128 CAP

ITULO 8. OPERADORES NORMAIS


Demonstremos um lema auxiliar que contem quase todas as informa c oes necess a-
rias para a demonstra c ao do Teorema espectral.
Lema 8.3.1 Seja um operador simetrico em (\, , )). Se dim\ = 2 ent ao
valem as armac oes:
a) o polin omio caracterstico fatora-se num produto de dois polin omios lineares,
j
A
(t) = (t
1
)(t
2
), em que
1
,
2
1 s ao autovalores n ao necessari-
amente distintos;
b) o operador e diagonaliz avel por uma base ortonormal de autovetores.
Demonstra cao o). Fixado uma base ortonormal =
1
,
2
\ , a repre-
senta c ao de nessa base e uma matriz simetrica, digamos que seja
[]

=
_
o /
/ c
_
.
O discriminante do polin omio caracterstico j
A
(t) = t
2
(o + c)t + (oc /
2
)
e n ao negativo, = (o c)
2
+ /
2
0. Portanto, j
A
(t) pode ser fatorado em
polin omios lineares, j
A
(t) = (t
1
)(t
2
), em que
1
,
2
1 s ao escalares
n ao necessariamente distintos.
/) Para demonstrar esse item e conveniente examinar dois casos.
Primeiro caso Assumamos que o discriminante seja nulo. Nesse caso, as en-
tradas da representa c ao []

tem os valores o = c e / = 0. Portanto, o operador


tem um autovalor = o, todo vetor de \ e um autovetor e
[]

=
_
0
0
_
.
Isso mostra que a base ortonormal =
1
,
2
, ou qualquer outra base ortonormal,
e formada de autovetores. Observamos que o polin omio minimal de e o polin omio
linear :
A
(t) = (t ) e que e uma homotetia por .
Segundo caso Quando o discriminante e positivo as razes do polin omio carac-
terstico
1
,
2
1 s ao distintas, implicando que o polin omio minimal e igual ao
polin omio caracterstico, :
A
(t) = (t
1
)(t
2
), e cada parcela da decomposi c ao
normal
\ = nc (
1
1d) nc (
2
1d)
e um autoespa co unidimensional \

i
. Escolhendo um vetor unit ario n
i
\

i
, a
base = n
1
, n
2
e ortonormal e formada de autovetores. 2
Teorema 8.3.1 (Teorema espectral) Seja um operador linear num espa co
Euclidiano \ . Se e simetrico, ent ao
8.3. OPERADORES SIM

ETRICOS 129
a) a fatora c ao prim aria do polin omio minimal de e um produto de polin omios
lineares distintos, :
A
(t) = (t
1
)(t
2
) (t
k
);
b) a decomposic ao normal determinada por e uma soma direta ortogonal de
autoespa cos, \ = \

1
\

2
\

k
.
Em particular, e diagonaliz avel por uma base ortonormal de autovetores.
Demonstra cao Pelo Teorema da decomposi c ao normal sabemos que o polin omio
minimal de fatora-se em um produto de polin omios m onicos, primos e dois a
dois distintos, :
A
(t) = j
1
(t)j
2
(t) j
k
(t). Por absurdo, assumamos que algum
fator j
i
(t) seja um polin omio de grau dois. Considere o espa co -cclico (()
nc j
i
() gerado por um vetor n ao nulo nc j
i
(). Como :
v
(t) e um
polin omio n ao constante que divide o polin omio primo j
i
(t), necessariamente temos
que :
v
(t) = j
i
(t) e por conseguinte,
dim(() = p:on:
v
(t) = 2.
O operador linear induz por restri c ao um operador simetrico em (((), , )), pois
esse espa co e invariante por e
t
= . Aqui surge a contradi c ao. Por um
lado, o polin omio minimal da restri c ao e o polin omio primo de grau dois j
i
(t), por
outro lado, o lema anterior arma que esse polin omio fatora-se em um produto de
polin omios lineares! Logo, cada fator da decomposi c ao prim aria e um polin omio
linear.
A demonstra c ao de 2 e imediata. Em particular, para diagonalizar o operador
escolhemos uma base ortonormal
i
nc j
i
() e construmos a base ortonormal
=


i
de \ . 2
Corolario 8.3.1 Um operador num espaco Euclidiano e simetrico se, e somente
se, o operador e diagonaliz avel por uma base ortonormal de autovetores.
N ao roubaremos do leitor o prazer de demonstrar esse corol ario.
Exerccio 8.3.2 Prove que um operador normal em (\, , )) e simetrico se, e
somente se, todas as razes do polin omio caracterstico s ao reais. 2
Exerccios propostos 8.3.1
1. Verique que os operadores sao simetricos e diagonalize-os.
a) : 1
2
1
2
, (r, j) = (4r + 12j, 12r 3j).
130 CAP

ITULO 8. OPERADORES NORMAIS


b) : 1
3
1
3
, (r, j, .) = (2., j, 2r).
c) : 1
3
1
3
, (r, j, .) = (r +., j, r +.).
2. Fixado um vetor nao nulo
0
no espa co Euclidiano \ , dena a aplica cao : \ \ ,
(n) = n,
0
)
0
.
a) Mostre que e um operador linear simetrico.
b) Identique as parcelas da decomposi cao normal determinada por .
3. Suponha que e um operador linear diagonalizavel no espa co real de dimensao
nita \ . Mostre que podemos denir um produto interno em \ que torna um
operador simetrico.
4. Sejam \ = \
1
\
2
uma decomposi cao em soma direta do espa co Euclidiano \
e
i
: \ \ a proje cao sobre a i-esima parcela ao longo da outra. Prove as
equivalencias.
a)
i
e um operador normal.
b)
i
e um operador simetrico.
c) A soma direta e ortogonal.
5. Suponha que um operador linear simetrico em (\, , )) e tal que
n
1d para
algum inteiro n 2. Demonstre que
2
1d.
6. Prove que dois operadores simetricos em (\, , )) comutam se, e somente se, eles
sao simultaneamente diagonalizaveis.
7. Uma involu c ao o num espa co Euclidiano \ e normal se, e somente se, o e simetrica.
8. Prove que o tra co de um operador simetrico num espa co Euclidiano e a soma das
raizes do polinomio caracterstico (contando as multiplicidades).
8.4 Decomposicao cclica normal
Para cada operador num espa co Euclidiano \ iremos construir uma decom-
posi c ao -cclica cujas parcelas s ao duas a duas ortogonais. Isso permitir a fazer
uma representa c ao matricial do operador, utilizada para identicar os exemplos
classicos de operadores normais. Por clareza, os teoremas sobre decomposi c oes
cclicas est ao direcionados para o estudo da restri c ao do operador a uma das
parcelas da decomposi c ao normal. Iniciemos com uma versao dos teoremas das
decomposi c oes cclicas para operadores normais.
Teorema 8.4.1 (Teorema da decomposi cao cclica normal) Seja um o-
perador normal no espa co Euclidiano \ . Se :
A
(t) = j(t) e a fatorac ao prim aria
do polin omio minimal de ent ao existem vetores
1
,
2
, ...,
n
\ tais que
8.4. DECOMPOSIC

AO C

ICLICA NORMAL 131


_
_
_
\ = ((
1
) ((
2
) ((
n
),
p:on:
A
(t) = dim((
1
) = dim((
2
) = = dim((
n
).
Essa decomposic ao -cclica e dimensionalmente unica.
Demonstra cao Dividiremos a demonstra c ao em dois casos.
Primeiro caso. Assumamos que o polin omio minimal de e o polin omio linear
:
A
(t) = (t ). Sendo assim, todo vetor e um autovetor associado ao autovalor
e escolhendo-se uma base ortonormal =
1
,
2
, ...,
n
de \ = \

obtemos a
decomposi c ao -cclica
_
_
_
\ = ((
1
) ((
2
) ((
n
),
p:on:
A
(t) = 1 = dim((
1
) = dim((
2
) = = dim((
n
).
Segundo caso Vamos supor que o polin omio minimal e um polin omio primo de
grau dois, :
A
(t) = (t )
2
+
2
, com 0. Nesse caso considere o operador de
Gram 1 : \ \ , 1() =
t
(). Sendo 1 um operador simetrico, pelo Teorema
espectral podemos escolher um autovetor \ associado a um autovalor j 1,
mais precisamente, 1() = j. Demonstraremos que a soma direta ortogonal
\ = (
A
() (
A
()

e invariante por e
t
. Como (
A
() e invariante por , ent ao o complemento
ortogonal (
A
()

e invariante por
t
. Logo, e suciente mostrar que a primeira
parcela e invariante tambem por
t
pois isso implicar a que a segunda ser a in-
variante por . Reduzindo ainda mais a quest ao.

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

t
(()) = 1() = j,
mostrando que
t
(()) (
A
(). Consideremos o outro elemento . Para
mostrar que
t
() (
A
() devemos levar em conta a comutatividade dos oper-
adores ,
t
e 1 como tambem o desenvolvimento :
A
(t) = t
2
2t + (
2
+
2
).
Observe que o =
t
(o) =
t
(:
A
()()), portanto,
o =
t
_

2
() 2() + (
2
+
2
)
_
= 1(()) 21() + (
2
+
2
)
t
()
= j() 2j + (
2
+
2
)
t
().
132 CAP

ITULO 8. OPERADORES NORMAIS


Dessas igualdades e possvel concluir que
t
() e uma combina c ao linear dos ele-
mentos da base , mais precisamente,

t
() =
1

2
+
2
(2j j()) .
Isso demonstra que
t
() (
A
(), como desej avamos.
A continua c ao da demonstra c ao do segundo caso e feita por indu c ao sobre a
dimensao de \ . Devemos mostrar que se e um operador simetrico no espa co
Euclidiano \ com dim\ = 2n e polin omio mnimo :
A
(t) = (t )
2
+
2
, ent ao
existem vetores
1
,
2
, ...,
n
\ tais que
_
_
_
\ = ((
1
) ((
2
) ((
n
),
p:on:
A
(t) = 2 = dim((
1
) = dim((
2
) = = dim((
n
).
Note que para n = 1 a verica c ao e trivial pois \ = (() para qualquer vetor n ao
nulo \ . A constru c ao acima e o passo de indu c ao que reduz a dimens ao em
2, pois e
t
preservam o subespa co cclico ((
1
)

. Deixaremos para o leitor


completar esse nal de demonstra c ao. 2
Uma decomposi c ao -cclica determinada por um operador normal ser a cha-
mada de decomposic ao -cclica normal.
Corolario 8.4.1 Uma decomposic ao -cclica normal e tambem uma decomposi c ao

t
-cclica normal.
Demonstra cao Vamos supor que a fatora c ao prim aria do polin omio minimal do
operador normal seja :
A
(t) = j(t). Desse modo, considere uma decomposi c ao
-cclica normal
_
_
_
\ = ((
1
) ((
2
) ((
n
),
p:on:
A
(t) = dim((
1
) = dim((
2
) = = dim((
n
).
Como o operador prerserva a soma direta ortogonal
\
i
= ((
1
)

((
i
) ((
n
),
entao
t
preserva o complemento ortogonal de \
i
que e \

i
= ((
i
). A igualdade
dos polin omios mnimos :
A
(t) e :
A
t (t), garante que cada parcela -cclica e uma
parcela
t
-cclica. 2
Exerccios propostos 8.4.1
8.5. REPRESENTAC

AO DE OPERADORES NORMAIS 133
1. Suponha que a representa cao do operador :
1
4
1
4
na base canonica seja a matriz ao lado.
a) Mostre que e normal (em rela cao ao pro-
duto interno canonico).
b) De uma decomposi cao -cclica normal ex-
plicitando os vetores que geram as parcelas.
[]

4
=
_

_
1 0 0 1
0 1 1 0
0 1 1 0
1 0 0 1
_

_
.
2. Mostre que : 1
3
1
3
, (r, j, .) = (., r, j) e normal e determine uma decom-
posi c ao cclica.
3. Considere o operador : 1
3
1
3
, (r, j, .) = (j 3., r 2., 2r + 3j).
a) Verique que e um operador normal.
b) Determine uma decomposi cao cclica normal explicitando os vetores que geram
as parcelas cclicas.
4. Demonste que toda matriz normal `(3, 1) e conjugada a uma matriz da forma
Q =
_
j 0
0 1
_
onde 1 = :
_
co: :cn
:cn co:
_
ou 1 =
_
o /
/ d
_
.
8.5 Representacao de operadores normais
O Teorema da decomposi c ao cclica permite-nos construir uma representa c ao bas-
tante simples de um operador normal pois sabemos decompor o espa co \ em
subespa cos unidimensionais ou bidimensionais invariantes pelo operador. Para
isso, recordemos uma nota c ao matricial. Denotamos por 1(, ) a matriz 2 2
1(, ) =
_


_
, em que , 1.
Note que j(t) = (t )
2
+
2
e o polin omio caracterstico de 1(, ).
Proposi cao 8.5.1 Se e um operador normal no espaco Euclidiano \ de di-
mens ao dois com polin omio minimal :
A
(t) = (t )
2
+
2
, 0, ent ao existe
uma base ortonormal tal que
[]

=
_


_
.
Demonstra cao Seja = n
1
, n
2
uma base ortonormal de \ . Digamos que a
representa c ao matricial de nesta base seja a matriz
[]

=
_
o /
c d
_
.
134 CAP

ITULO 8. OPERADORES NORMAIS


A irredutibilidade do polin omio minimal de garante que c ,= 0, na ver-
dade podemos assumir que c 0, caso contr ario consideramos a base ordenada
= n
1
, n
2
e essa condi c ao car a satisfeita. Para demonstrar a proposi c ao e
suciente mostrar que / = c e o = d. As hip oteses de ser um operador normal e
a base ser ortonormal implicam que []

[]
t

= []
t

[]

. Efetuando-se o produto
matricial obtemos quatro equa c oes das quais destacaremos duas,
_
/
2
= c
2
oc +/d = o/ +cd
.
Como o polin omio minimal tem grau dois e a dimens ao de \ tambem e dois,
necessariamente o polin omio caracterstico de e igual ao polin omio mnimo,
j
A
(t) = t
2
(o +d)t + (od /c). A condi c ao de j
A
(t) ser um polin omio primo, e
equivalente a ter discriminante negativo, = (o d)
2
+ 4/c < 0. Como /
2
= c
2
e
c 0 necessariamente temos que / = c. Por outro lado, substituindo esse valor
de / em oc + /d = o/ + cd determinamos a equa c ao 2c(o d) = 0, de onde segue
que o = d. Em resumo, a representa c ao de na base ortonormal e amatriz
[]

=
_
o c
c o
_
com c 0. Calculando novamente o polin omio minimal obtemos :
A
(t) = (t
o)
2
+c
2
. Sendo assim, = o e = c, como desej avamos demonstrar. 2
Na pr oxima proposi c ao descreveremos uma represent c ao can onica para um
operador normal. Recordamos que os enunciados dizem respeito ` as restri c oes do
operador `as parcelas da decomposi c ao normal.
Proposi cao 8.5.2 Se :
A
(t) = j(t) e a fatorac ao prim aria do polin omio minimal
do operador normal num espaco Euclidiano \ , ent ao existe uma base ortonormal
de \ tal que
a) []

= diop, , ..., se :
A
(t) = (t ), ou
b) []

= diop1(, ), 1(, ), ..., 1(, ), se :


A
(t) = (t )
2
+
2
, 0.
Demonstra cao Escolha qualquer decomposi c ao -cclica normal,
_
_
_
\ = ((
1
) ((
2
) ((
n
),
p:on:
A
(t) = dim((
1
) = dim((
2
) = = dim((
n
).
o) Se o polin omio minimal e linear, :
A
(t) = (t ), cada parcela cclica e
unidimensional e cada gerador
i
e um autovetor (que pode ser assumido unit ario)
associado ao autovalor . Logo, para diagonalizar o operador escolhemos como
base ortonormal o conjunto =
1
,
2
, ...,
n
.
8.5. REPRESENTAC

AO DE OPERADORES NORMAIS 135
/) Se o polin omio minimal e primo de grau dois, :
A
(t) = (t )
2
+
2
, 0,
cada parcela cclica tem dimens ao dois e e invariante por e
t
. Portanto induz
por restri c ao um operador normal em cada parcela ((
i
) com o mesmo polin omio
mnimo. Pela proposi c ao anterior, existe uma base ortonormal
i
de ((
i
) cuja
representa c ao da restri c ao
i
e a matriz
[
i
]

i
=
_


_
.
Finalizando a demonstra c ao, escolhemos a base ordenada =


i
para obter a
representa c ao desejada. 2
O conjunto de matrizes
C
M
= 1(, ); , 1
equipado com as opera c oes de soma e multiplica c ao de matrizes tem uma estrutura
de corpo. Para deixar claro a rela c ao entre os n umeros complexos e v arias repre-
senta c oes matriciais aqui descritas, construiremos um isomorsmo de corpo entre
os n umeros complexos e esse subconjunto especial de matrizes 22. O isomorsmo
e a aplica c ao
: C C
M
, ( +i) =
_


_
.
Dado um n umero complexo n ao nulo . = +i existe um unico , 0 < 2,
chamado de angulo polar, tal que . = |.|(cos + i:cn), onde |.| =

2
+
2
.
Essa express ao e chamada de decomposic ao polar de . e o angulo satisfaz as
identidades,
cos =

2
+
2
e :cn =

2
+
2
.
Transportando a decomposi c ao polar via isomorsmo para C
M
temos a decom-
posi c ao polar da matriz correspondente,
1(, ) =

2
+
2
_
cos :cn
:cn cos
_
.
Denimos a matriz rota c ao por como sendo a matriz ortogonal 2 2
1

=
_
cos :cn
:cn cos
_
.
No nal do captulo descreveremos uma generaliza c ao dessa ideia mostrando
uma decomposi c ao polar para uma matriz qualquer. Finalmente, observamos a
forma especial do produto matricial
1(, )1(, )
t
= (
2
+
2
)1
2
.
Exerccios propostos 8.5.1
136 CAP

ITULO 8. OPERADORES NORMAIS


1. Suponha que :
A
(t) = (t
2
+ o
2
)(t
2
+ /
2
) e o polinomio minimal de um operador
normal : 1
4
1
4
. De a representa cao matricial canonica para .
2. Suponha que j
A
(t) = (t 2)
2
(t
2
+ 1)
2
_
(t 1)
2
+ 1

seja o polinomio caracterstico


de um operador normal : 1
8
1
8
. Determine o polinomio minimal e uma
representa c ao matricial canonica para .
3. Um operador no espa co Euclidiano \ e normal |()| = |
t
()| para qualquer
\ ?
8.6 Operadores anti-simetricos
Um operador normal num espa co Euclidiano \ e anti-simetrico se
t
= .
Matricialmente um operador anti-simetrico e identicado pela representa- c ao
numa base ortonormal, ela e uma matriz antisimetrica. A recproca dessa arma-
c ao tambem e verdadeira. Examinemos a decomposi c ao normal de um operador
anti-simetrico,
\ = nc j
1
() nc j
2
() nc j
k
().
Cada fator j
i
(t) do polin omio minimal do operador ou e linear, j(t) = t , ou e
um polin omio primo, j(t) = (t )
2
+
2
, em que sempre assumimos que 0.
Suponha que algum fator j
i
(t) seja linear, ent ao a parcela correspondente da
decomposi c ao normal e o autoespa co \

i
e numa base ortonormal
i
nc j
i
()
o operador
i
obtido por restri c ao de e diagonalizado. Como a base e ortonor-
mal, a matriz [
i
]

i
e antisimetrica e diagonal, logo [
i
]

i
= [0], signicando que
a restri c ao e nula. Portanto, o fator considerado e j
i
(t) = t e a parcela correspon-
dente na decomposi c ao normal e precisamente o n ucleo do operador anti-simetrico
. Isso mostra que s o e possvel existir um fator linear na decomposi c ao prim aria
do polin omio minimal e esse fator linear e j(t) = t.
Assuma que j
i
(t) = (t
i
)
2
+
2
i
. Pelo Teorema da decomposi c ao cclica
normal existem
1
,
2
, ...,
n
nc j
i
() tais que
_
_
_
nc j
i
() = ((
1
) ((
2
) ((
n
),
p:onj
i
(t) = 2 = dim((
1
) = dim((
2
) = = dim((
n
).

E possvel escolher uma base ortonormal


i
((
i
), tal que a restri c ao do operador
tem como representa c ao a matriz
[
i
]

i
=
_

i

i

i

i
_
.
Entretanto essa matriz e antisimetrica, implicando que
i
= 0. Logo o fator e
da forma j
i
(t) = t
2
+
2
i
e a representa c ao na base
i
do operador restrito ao
8.7. OPERADORES ORTOGONAIS 137
subespa co ((
i
) e a matriz
1(0,
i
) =
i
_
0 1
1 0
_
.
Observamos que as razes complexas desse polin omio s ao imagin arias.
Exerccio 8.6.1 Prove que se todas as razes do polin omio caracterstico de um
operador normal num espaco Euclidiano s ao imagin arias, ent ao o operador e anti-
simetrico. 2
Exerccios propostos 8.6.1
1. Mostre que toda matriz antisimetrica `(2, 1) e da forma
= :
_
0 1
1 0
_
onde : 1.
2. Fixado um vetor unitario
0
1
3
, dena a aplica cao 1 : 1
3
1
3
, 1() =
0
,
onde indica o produto vetorial dos vetores
0
e .
a) Mostre que 1 e um operador anti-simetrico.
b) Encontre a matriz de 1 na base canonica.
c) Explicite a transposta de 1 em termos de
0
.
3. Qual o tra co de um operador anti-simetrico?
4. Prove: um operador em (\, , )) e anti-simetrico , ()) = 0 para todo
\ .
8.7 Operadores ortogonais
Um operador l num espa co Euclidiano \ e dito ortogonal se ll
t
= 1d = l
t
l.
Da deni c ao segue que operadores ortogonais s ao invertveis. Por isso, para
vericar quando um operador e ortogonal s o precisamos vericar uma das duas
condi c oes, l l
t
= 1d ou l
t
l = 1d.
Exerccio 8.7.1

E possvel identicar matricialmente um operador ortogonal.
Um operador l num espa co Euclidiano \ e ortogonal a representa c ao [l]

e uma matriz ortogonal para qualquer base ortonormal \ . 2


Examinemos em poucas linhas algumas propriedades de matrizes ortogonais.
Um dos exemplos importantes para o c alculo matricial e a matriz mudan ca de
coordenadas entre bases ortonormais.
138 CAP

ITULO 8. OPERADORES NORMAIS


Proposi cao 8.7.1 Se e s ao duas bases ortonormais no espaco Euclidiano \ ,
ent ao a matriz mudanca de coordenadas [1d]

e uma matriz ortogonal.


Demonstra cao Digamos que =
1
,
2
, ...,
n
e = n
1
, n
2
, ..., n
n
. Para
aliviar a nota c ao denotaremos por Q a matriz mudan ca de coordenadas [1d]

.
Por deni c ao de representa c ao matricial, a i-esima coluna de Q e formada pelos
coecientes da combina c ao linear
i
= o
1i
n
1
+ o
2i
n
2
+ + o
ni
n
n
enquanto a ,-
esima linha de Q
t
e formada pelos coecientes da combina c ao linear
j
= o
1j
n
1
+
o
2j
n
2
+ + o
nj
n
n
. Reescrevamos o produto interno
ij
=
i
,
j
) levando em
conta a ortonormalidade das bases,

ij
=
n

k,m=1
o
ki
o
mj
n
i
, n
j
) =
n

k=1
o
ki
o
kj
=
_
Q
t
Q
_
ii
(recordamos que
ij
e o delta de Kronecker). Portanto, Q
t
Q = 1
n
. Apenas essa
condi c ao e suciente para mostrar a ortogonalidade da matriz mudan ca de coor-
denadas Q. 2
As linhas de uma matriz ortogonal n n, Q = [o
ij
], admitem uma leitura
bastante geometrica. Se a i-esima linha de Q e identicada com as coordenadas
de um vetor
i
1
n
na base can onica, mais precisamente, Q
i
= [
i
]

, ent ao a
condi c ao Q
t
Q = 1
n
implica que o conjunto ordenado =
1
,
2
, ...,
n
e uma
base ortonormal do 1
n
relativa ao produto interno can onico. O mesmo ocorre
quando a identica c ao e com a ,-esima coluna de Q.
Feitas essas considera c oes matriciais, voltemos ao estudo de operadores ortog-
onais construindo uma representa c ao matricial apropriada. Recordamos que 1

e
a matriz de rota c ao por .
Proposi cao 8.7.2 Se :
A
(t) = (t )
2
+
2
, com 0, e a fatorac ao prim aria
do polin omio minimal de um operador normal num espaco Euclidiano \ . Ent ao
a) o operador e ortogonal
b) :
A
(t) = (t )
2
+
2
com
2
+
2
= 1
c) existe uma base ortonormal na qual a representac ao matricial e da forma
[]

= diop1

, 1

, ..., 1

.
Demonstra cao Pelo Teorema da decomposi c ao cclica normal existem
1
,
2
,
...,
n
\ = nc :
A
() tais que
8.7. OPERADORES ORTOGONAIS 139
_
_
_
nc :
A
() = ((
1
) ((
2
) ((
n
),
p:on:
A
(t) = 2 = dim((
1
) = dim((
2
) = = dim((
n
).
Sendo um operador normal, e possvel escolher uma base ortonormal
i
((
i
)
na qual a restri c ao do operador a cada parcela cclica tem como representa c ao
[
i
]

i
=
_


_
.
Portanto, se considerarmos a base ortonormal =


i
, obtemos a representa c ao
[]

= diop[
1
]

1
, [
2
]

2
, ..., [
n
]

n
.
Por tudo que ja foi visto sobre representa c oes em bases ortonormais podemos
escrever
[
t
]

= diop[
1
]

1
[
1
]
t

1
, [
2
]

2
[
2
]
t

2
, ..., [
n
]

n
[
n
]
t

n
.
o) /) A condi c ao
t
= 1d e equivalente ` a condi c ao [
i
]

i
[
i
]
t

i
= 1
2
para
todo i que por sua vez e equivalente ` a condi c ao
2
+
2
= 1.
/) c) Deixaremos como exerccio. 2
Exerccio 8.7.2 Se :
A
(t) = (t ) e a fatora c ao prim aria do polin omio minimal
de um operador normal num espa co Euclidiano \ ent ao e ortogonal [[ = 1.
Prove essa arma c ao. 2
Exerccios propostos 8.7.1
1. Demonstre que a multiplica cao de matrizes induz uma estrutura de grupo no con-
junto das matrizes ortogonais O(n, 1).
2. Descreva todas as matrizes ortogonais Q `(2, 1).
3. Mostre que se um operador ortogonal em1
2
xa um vetor nao nulo entao o operador
e uma involu c ao ortogonal.
4. Verique que o operador linear e normal e determine a decomposi cao normal
quando : 1
3
1
3
, (r, j, .) =
1
3
(2r + 2j + ., 2r + j + 2., r 2j + 2.). De
uma representa c ao matricial canonica.
5. No espa co das matrizes `(n, 1), considere o produto interno dado por , 1) =
t:(1
t
). Fixado Q
0
, uma matriz n n com entradas reais, prove que o operador
linear l : `(n, 1) `(n, 1), l() = Q
0
e um operador ortogonal Q
0
e uma
matriz ortogonal.
6. Suponha que seja dada uma decomposi cao em soma direta \ = \ \

de um
espa co Euclidiano \ . Seja = n + n a decomposi cao correspondente do vetor.
Demonstre que a aplica cao l : \ \ , l() = n n, e ortogonal. De uma
representa c ao matricial canonica para l.
140 CAP

ITULO 8. OPERADORES NORMAIS


7. Determine os operadores lineares de um espa co Euclidiano que comutam com todos
operadores ortogonais.
8. Mostre que as matrizes e 1 sao conjugadas, onde
=
_

_
0 1 1 0
1 0 0 1
1 0 0 1
0 1 1 0
_

_
e 1 =
_

_
cos

4
:cn

4
:cn

4
cos

4
cos

4
:cn

4
:cn

4
cos

4
_

_
.
9. Denote por \ um subespa co unidimensional gerado pelo vetor unitario n de um
espa co Euclidiano \ . Considere a decomposi cao em soma direta \ = \

\ e a
aplica c ao () = 2, n)n. Demonstre as arma coes.
a) e uma involu cao.
b) e uma reexao ortogonal em torno do subespa co \

.
c) e ortogonal.
10. Sejam e 1 dois operadores lineares em (\, , )) que comutam. Assuma que e
simetrico e que 1 e anti-simetrico. Prove as arma coes.
a) (), 1()) = 0 para todo \ .
b) |(() +1()| = |() 1()| para todo \ .
c) C = (+1) (1) e um operador ortogonal.
11. Considere o operador linear (r, j) = (or+/j, cr+dj) em 1
2
. Determine condi c oes
necessarias e sucientes sobre o, /, c e d para que seja um operador ortonormal
em rela c ao ao produto interno (r
1
, j
1
), (r
2
, j
2
)) = 2r
1
r
2
+ 3j
1
j
2
.
8.8 Espectro
O espectro () de um operador num espa co vetorial \ de dimens ao nita sobre
1 (1 ou C) e o conjunto das razes complexas do polin omio caracterstico de .
Contando as repeti c oes, o polin omio caracterstico possui um n umero de razes
igual `a dim\ .
O objetivo dessa se c ao e fazer um resumo do estudo feito sobre operadores
normais classicos examinando a distribui c ao do espectro no plano complexo. Na
sequencia, denotar a um operador normal no espa co Euclidiano \ e :
A
(t) =
j
1
(t)j
2
(t) j
k
(t) denotar a a fatora c ao prim aria do seu polin omio mnimo, recor-
damos que os fatores s ao primos e sem repeti c oes. O Teorema da decomposi c ao
normal garante que
\ = nc j
1
() nc j
2
() nc j
k
().
8.8. ESPECTRO 141
e os teoremas de decomposi c oes cclicas descreveram processos para construrmos
uma base ortonormal especial
i
para a i-esima parcela da decomposi c ao normal. A
saber. O operador
i
induzido por restri c ao de tem uma das duas representa c oes,
[
i
]

i
= diop
i
,
i
, ...,
i
. .
n
i
vezes
se j
i
(t) = (t
i
),
ou
[
i
]

i
= diop1(
i
,
i
), 1(
i
,
i
), ..., 1(
i
,
i
)
. .
n
i
vezes
se j
i
(t) = (t
i
)
2
+
i
.
A representa c ao can onica do operador normal e a representa c ao na base ortonor-
mal =


i
,
[]

= diop[
1
]

1
, [
2
]

2
, ..., [
k
]

k
.
Essa representa c ao permite armar que o espectro de e a uni ao dos espectros
dos induzidos
i
. Com efeito. Segue da representa c ao matricial construda que
j
A
(t) = j
A
1
(t)j
A
2
(t) j
A
k
(t).
em que cada fator e um polin omio linear j
A
i
(t) = (t
i
) ou um polin omio primo
de grau dois j
A
i
(t) = (t
i
)
2
+
2
i
. O estudo espectral feito anteriormente ca
resumido na
Proposi cao 8.8.1 Seja um operador normal num espaco Euclidiano \ . Ent ao
a) e simetrico o espectro () est a contido no eixo real;
b) e anti-simetrico o espectro () est a contido no eixo imagin ario;
c) e ortogonal o espectro () est a contido no crculo unit ario.
Exerccios propostos 8.8.1
1. Se nao pertence ao espectro de um operador linear : \ \ onde \ e um
espa co vetorial de dimensao nita, entao +1d e invertvel.
2. Se e um operador normal num espa co Euclidiano \ satisfazendo a identidade

n
1d para algum inteiro n 1, entao e um operador ortogonal.
3. De um exemplo de um operador linear : 1
2
1
2
tal que
3
1d.
4. De a representa c ao matricial canonica para um operador normal : \ \ se o
seu polinomio minimal e :
A
(t) = t
4
1.
142 CAP

ITULO 8. OPERADORES NORMAIS


5. Se pertence ao espectro de um operador ortogonal entao
1

tambem pertence ao
espectro. Examine essa arma cao.
6. Suponha que 1 nao esta no espectro do operador : \ \ . Prove as arma coes
a) 1d + e um operador invertvel.
b) Se e ortogonal entao 1 = (1d ) (1d +)
1
e antisimetrica.
c) Se e antisimetrica entao e 1 = (1d ) (1d +)
1
e ortogonal.
8.9 Operadores que preservam a estrutura
Diz-se que um operador l num espa co Euclidiano (\, , )) preserva o produto
interno quando l(), l(n)) = , n) para quaisquer , n \ .
Tais aplica c oes tambem s ao chamadas de isometrias lineares. Na se c ao nal
desse captulo examinaremos o conceito de isometria com mais vagar.
Lema 8.9.1 Toda aplicac ao num espaco Euclidiano que preserva o produto in-
terno e um operador linear invertvel.
Demonstra cao Seja l uma aplica c ao em (\, , )) que preserva o produto in-
terno. Fixemos uma base ortonormal qualquer =
1
,
2
, ...,
n
\ . Segue
diretamente da hip otese as igualdades,

ij
= l(
i
), l(
j
)) =
i
,
j
) .
Logo, o conjunto l() = l(
1
), l(
2
), ..., l(
n
) e formado por n vetores unit arios
dois a dois ortogonais. Portanto l() e uma base ortonormal de \ . Sendo assim,
a aplica c ao l : \ \ pode ser escrita como
l() = l(), l(
1
)) l(
1
) +l(), l(
2
)) l(
2
) + +l(), l(
n
)) l(
n
).
Note que cada aplica c ao o
i
: \ 1 denida por o
i
() = l(), l(
i
)) e um
funcional linear pois, como l preserva o produto interno concluimos que o
i
() =
,
i
). Agora e imediato vericar que l e um operador linear.
Agora, se nc l ent ao
0 = l(), l()) = , ) = ||
2
.
Isso mostra que o n ucleo e trivial, portanto, l e um operador linear invertvel. 2
Existem varias propriedades que caracterizam um operador que preserva a
estrutura Euclidiana, entre as quais, a ortogonalidade e uma delas. Listemos
algumas numa unica proposi c ao.
8.9. OPERADORES QUE PRESERVAM A ESTRUTURA 143
Proposi cao 8.9.1 As seguintes armac oes sobre um operador linear l num espa-
co Euclidiano \ s ao equivalentes.
a) O operador preserva o produto interno;
b) O operador preserva a norma;
c) O operador e ortogonal;
d) O operador transforma base ortonormal em base ortonormal.
Demonstra cao o) /) Se l preserva o produto interno temos que
|l()|
2
= l(), l()) = , ) = ||
2
.
Isso mostra que l preserva a norma induzida pelo produto interno.
/) c) Se n, \ s ao dois vetores quaisquer, calculemos o produto interno

n, l
t
l()
_
pela identidade de polariza c ao,

n, l
t
l()
_
= l(n), l()) =
1
4
|l(n) +l()|
2

1
4
|l(n) l()|
2
.
Por hip otese, l e um operador linear que preserva a norma, ent ao

n, l
t
l()
_
=
1
4
|l(n +)|
2

1
4
|l(n )|
2
=
1
4
|n +|
2

1
4
|n |
2
= n, ) .
Como

n, l
t
l()
_
= n, ) para quaisquer n, \ ent ao l
t
l = 1d, signi-
cando que l e ortorgonal.
c) d) Suponha que l e um operador ortogonal e que =
1
,
2
, ...,
n
e
uma base ortonormal do espa co Euclidiano \ . Calculemos,
l(
i
), l(
j
)) =

i
, l
t
l(
j
)
_
=
i
,
j
) =
ij
.
Esse c alculo mostra que l() = l(
1
), l(
2
), ..., l(
n
) e um conjunto de n
vetores unit arios dois a dois ortogonais num espa co de dimens ao n. Como sabemos,
sob essas condi c oes l() e uma base ortonormal de \ .
d) o) Suponhamos que l aplica base ortonormal em base ortonormal. Sejam
=
1
,
2
, ...,
n
uma base ortonormal de \ , = o
1

1
+ o
2

2
+ + o
n

n
e n = /
1

1
+ /
2

2
+ + /
n

n
. Considerando a ortonormalidade de e l()
obtemos, por um lado, a igualdade
l(), l(n)) =
n

i,j=1
o
i
/
j
l(
i
), l(
j
)) =
n

i=1
o
i
/
i
,
144 CAP

ITULO 8. OPERADORES NORMAIS


e, por outro lado,
, n) =
n

i,j=1
o
i
/
j

i
,
j
) =
n

i,j=1
o
i
/
i
.
Desses c alculos conclumos que l(), l(n)) = , n). 2
Exerccios propostos 8.9.1
1. Demonstre que um operador linear num espa co Euclidiano que transforma vetores
unit arios em vetores unitarios e ortogonal.
2. Uma aplica c ao num espa co Euclidiano \ que preserva a norma e um operador
linear, portanto e ortogonal. Prove essa arma cao.
3. Uma operador linear em (\, , )) e dito coforme se preserva o angulo entre
dois vetores. Mostre que um operador conforme e da forma :l em que l e
ortogonal e : ,= 0.
4. Um operador em (\, , )) e isogonal se preserva ortogonalidade, isto e, se , n) =
0 (), (n)) = 0. Prove que todo operador isogonal fatora-se num composi c ao
de uma homotetia com um operador ortogonal, :l com : ,= 0.
5. Demonstre as recprocas das arma coes feitas nos itens acima
6. Uma aplica c ao num espa co Euclidiano \ que transforma vetores unit arios em
vetores unit arios e um operador ortogonal?
7. Dado um operador invertvel num espa co Euclidiano (\, , )) mostre que existe
uma base ortonormal =
1
,
2
, ...,
n
tal que () = (
1
), (
2
), ..., (
n
) e
uma base ortogonal.
8.10 Comparando estruturas Euclidianas
Surpreendentemente, existe uma estreita rela c ao entre dois produtos internos no
mesmo espa co vetorial \ . Conhecendo-se um deles podemos descrever facilmente
todos os outros. Para explicar com precis ao essa arma c ao necessitamos de um
novo conceito.
Diz-se que 1 : \ \ e um operador positivo num espa co Euclidiano \ se
j
1
1 e simetrico;
j
2
, 1()) 0 para qualquer vetor n ao nulo \ .
Estamos interessados na recproca do seguinte resultado.
8.10. COMPARANDO ESTRUTURAS EUCLIDIANAS 145
Exerccio 8.10.1 Assuma que 1 e um operador positivo em (\, , )). Ent ao 1
e invertvel e a aplica c ao , )) : \ \ \ denida por , n)) = , 1(n)) e
um outro produto interno em \ . 2
Antes de demonstrar que dois produtos internos num mesmo espa co vetorial
est ao relacionados por um operador positivo como indicado no exerccio acima,
vejamos, entre outros fatos, que operadores positivos existem e que e simples con-
stru-los. Relembramos que o Teorema espectral garante que todo autovalor de
um operador positivo e real.
Proposi cao 8.10.1 As seguintes armac oes sobre um operador 1 num espa co
Euclidiano \ s ao equivalentes.
a) O operador e positivo.
b) O operador e simetrico e os autovalores s ao positivos.
c) 1 e um operador de Gram associado a um operador invertvel : \ \ .
Demonstra cao o) /) Seja 1 um autovalor do operador positivo 1 : \
\ . Escolhamos um autovetor associado a esse autovalor e calculemos,
0 < , 1()) = , ) = ||
2
.
Como || 0, conclumos que o autovalor e positivo.
/) c) Assumamos que todos os autovalores
1
,
2
, ...,
n
1 (contando as
repeti c oes) do operador simetrico 1 s ao positivos. Pelo Teorema espectral podemos
escolher uma base ortonormal de autovetores =
1
,
1
, ...,
n
que diagonaliza
o operador. Seja : \ \ o unico operador linear cuja representa c ao na base
e a matriz
[]

= diop

1
,

2
, ...,

n
.
O operador e invertvel pois seu determinante e positivo e [
t
]

= []
t

desde
que a base e ortonormal. Portanto,
[
t
]

= [
t
]

[]

= []
t

[]

= [1]

.
Pela unicidade da representa c ao matricial obtemos que 1 =
t
.
c) o) Suponhamos que 1 =
t
em que e um operador invertvel.

E
claro que 1 e simetrico. Para mostrar que 1 e positivo escolhamos qualquer vetor
n ao nulo \ e calculemos
, 1()) =

,
t
()
_
= (), ()) = |()|
2
.
146 CAP

ITULO 8. OPERADORES NORMAIS


Como e invertvel ent ao |()| 0. Isso mostra que , 1()) 0 para qualquer
vetor n ao nulo \ . 2
Proposi cao 8.10.2 Seja (\, , )) um espaco Euclidiano. Suponha que , )) seja
um outro produto interno em \ . Ent ao existe um unico operador positivo 1 : \
\ tal que , n)) = , 1(n)).
Demonstra cao Para denir uma aplica c ao 1 : \ \ utilizaremos o Teorema da
representa c ao de um funcional linear. Dado um vetor n \ considere o funcional
linear ) : \ 1, )
w
() = , n)). Considere o unico vetor n

\ representando
esse funcional linear com rela c ao ao produto interno , ), em outras palavras,
)
w
() = , n)) = , n

) .
Dena a aplica c ao 1 : \ \ por 1(n) = n

. Observe que 1 e uma aplica c ao


simetrica , pois
, 1(n)) = , n)) = n, )) = n, 1()) = 1(), n) .
Portanto, se 1 for um operador linear, ele e simetrico. Mostremos a linearidade
de 1. Dados n, , n \ e 1, calculemos,
n, 1( +n)) = 1(n), +n) = 1(n), ) +1(n), n) .
Novamente, pela simetria da aplica c ao 1 seguem as igualdades,
n, 1( +n)) = n, 1()) +n, 1(n)) = n, 1() +1(n)) .
Como vale a igualdade n, 1( +n)) = n, 1() +1(n)) para qualquer n \
entao 1( + n) = 1() + 1(n). Feito isso, resta mostrar a segunda condi c ao
de positividade. Mas isso tambem e simples, pois se \ e um vetor n ao nulo,
segue da deni c ao de produto interno que , 1()) = , )) 0. Isso termina a
demonstra c ao da proposi c ao. 2
Uma matriz `(n, 1) e positiva quando = [o
ij
] e simetrica e
n

i,j=1
o
ij
r
i
r
j
0,
para toda sequencia de reais (r
1
, r
2
, ..., r
n
) n ao todos nulos. Em outras palavras,
e positiva se for uma representa c ao matricial na base can onica de um oper-
ador positivo : 1
n
1
n
onde estamos considerando em 1
n
o produto interno
can onico.
Exerccios propostos 8.10.1
8.11. DECOMPOSIC

AO POLAR 147
1. Seja um operador num espa co Euclidiano \ . Demonstre as arma coes.
a) nc 1 = nc , onde 1 e o operador de Gram associado `a .
b) Se e simetrico, existe um escalar c 0 tal que +c1d e positivo.
2. Dado um operador positivo 1 no espa co Euclidiano \ mostre que existem innitos
operadores : \ \ tais que 1 =
t
.
3. O conjunto T L(\, \ ) formado por todos operadores lineares positivos no espa co
Euclidiano \ e convexo, isto e, dados dois operadores 1
1
, 1
2
T o segmento :1
1
+
t1
2
esta contido em T, quando : +t = 1, : 1 e t 1.
4. Prove as seguintes arma coes sobre um operador positivo num espa co Euclidiano
(\, , )). As bases consideradas sao ortonormais.
a) Cada entrada da diagonal da representa cao [1]

e positiva.
b) A matriz [1]

e simetrica com todas as entradas positivas e det [1]

0.
c) Existe um operador : \ \ tal que 1 =
2
.
5. (Problema de autovalores generalizados) Sejam um operador simetrico e 1 um
operador positivo no espa co Euclidiano \ . Demonstre que existe uma base ordenada
=
1
,
2
, ...,
n
\ tal que para todo
i
existe 1 com (
i
) = 1(
i
).
8.11 Decomposicao polar
Como uma bela aplica c ao da teoria j a apresentada demonstraremos a existencia
de uma decomposi c ao para operadores lineares equivalente ` a decomposi c ao polar
para n umeros complexos. Para prov a-la ampliaremos as ideias apresentadas na
se c ao anterior.
Um operador 1 num espa co Euclidiano \ e n ao negativo se 1 e simetrico e
, 1()) 0 para todo vetor n ao nulo \ . Registraremos uma proposi c ao cuja
demonstra c ao em nada difere da sua similar para operadores positivos.
Proposi cao 8.11.1 As seguintes armac oes sobre um operador 1 num espa co
Euclidiano \ s ao equivalentes.
a) O operador e n ao negativo.
b) O operador e simetrico e os autovalores s ao n ao negativos.
c) 1 e um operador de Gram associado a um operador : \ \ .
Exerccio 8.11.1 Prove que para cada operador em um espa co Euclidiano \
existe um unico operador n ao negativo 1 tal que 1
2
=
t
. Denotaremos esse
operador de Gram por 1 =

t
. 2
148 CAP

ITULO 8. OPERADORES NORMAIS


Teorema 8.11.1 (Teorema da decomposi cao polar) Para cada operador
num espa co Euclidiano \ existe um unico operador n ao negativo 1 e um operador
ortogonal l tal que = l 1. Alem disso, se e invertvel ent ao 1 e positivo e
l e unicamente determinado.
Demonstra cao Seja 1 o unico operador n ao negativo tal que 1
2
=
t
.
Antes de tudo, observamos que da simetria de 1 segue a soma direta ortogonal
\ = 1:1 nc 1. Outro fato que deve ser notado e a coincidencia dos n ucleos
nc 1 = nc cuja demonstra c ao e consequencia das seguintes igualdades para
todo \ ,
|1()|
2
= 1(), 1()) =

1
2
(),
_
=

t
(),
_
= (), ()) = |()|
2
.
Entao, pelo Teorema do n ucleo e da imagem conclumos que dim1:1 = dim1:
e, por conseguinte, dimnc 1 = dim 1:

.
Dena uma aplica c ao l : 1:1 nc 1 1:1:

do modo seguinte,
l(1() +n) = () +l
0
(n),
onde l
0
: nc 1 1:

e qualquer operador linear entre esses subespa cos de


dimensoes iguais que preserva a norma induzida. A aplica c ao l est a bem denida,
o seu valor s o depende de 1() e n ao do vetor . Com efeito,
1() = 1(n) n nc 1 = nc () = (n).
Portanto, l(1() +n) = l(1(n) +n). Com um procedimento de rotina verica-
se que l e linear. Mais ainda, l e ortonormal pois preserva a norma. De fato.
Recordando-se das ortogonalidades dos subespa cos envolvidos e da deni c ao de l
0
temos que
|l(1() +n)|
2
= |() +l
0
(n)|
2
= |()|
2
+|l
0
(n)|
2
.
Por outro lado,
|1() +n|
2
= |1()|
2
+|n|
2
= |()|
2
+|l
0
(n)|
2
.
Pela constru c ao e claro que se \ ent ao l(1()) = l(1() + 0) = (), como
pretendamos. Provemos a unicidade do operador n ao negativo. Suponha que
tenhamos a decomposi c ao l
0
1
0
= , onde l
0
e ortogonal e 1
0
e n ao negativo.
Entao

t
= 1
t
0
l
t
0
l
0
1
0
= 1
0
1
0
= 1
2
0
Portanto, o operador simetrico na decomposi c ao polar e o unico operador n ao neg-
ativo satisfazendo a condi c ao
t
= 1
2
como tnhamos escolhido inicialmente.
Se e invertvel ent ao nc 1 = nc = 0. Logo, 1 e n ao negativo e in-
vertvel, condi c oes equivalentes a ser positivo. Sendo assim, o operador ortonormal
8.12. ISOMETRIAS 149
l e unico pois necessariamente ele de ser l = 1
1
. 2
Exerccios propostos 8.11.1
1. Determine a decomposi cao polar dos operadores quando o produto interno consid-
erado e o produto interno canonico.
a) : 1
2
1
2
, (r, j) = (r j, r +j).
b) : 1
3
1
3
, (r, j, .) = (j, ., 0).
c) : 1
4
1
4
, (r, j, ., n) = (r n, j +., j +., r +n).
2. Enuncie uma versao matricial para a decomposi cao polar de uma matriz quadrada.
3. De a decomposi c ao polar das matrizes.
a) =
_
0 1
0 0
_
. b) =
_
_
0 1 0
0 0 0
0 1 1
_
_
.
4. Se \ = \ \

e uma soma direta de um espa co Euclidiano \ e : \ \ e a


proje c ao ao longo da primeira parcela sobre a segunda, prove as arma coes.
a) e nao negativo.
b) Existe um operador : \ \ tal que
2
= 1d +.
5. Mostre que um operador linear num espa co Euclidiano \ e normal as parcelas
da decomposi c ao polar = 1l satisfazem a condi cao de comutatividade 1l = l1.
6. Um operador num espa co Euclidiano \ e n ao expansivo quando |()| ||
para qualquer \ . Prove que todo operador em \ e uma composta de um n ao
expansivo com um simetrico.
8.12 Isometrias
Num espa co Euclidiano podemos denir uma dist ancia utilizando a norma in-
duzida pelo produto interno. Estudaremos os movimentos rgidos (transforma c oes
do espa co) que presevam a dist ancia entre pontos, tambem chamadas de isome-
trias. Veremos que tais aplica c oes admitem uma descri cao bastante simples. Para
apresentar a questao de modo preciso coloquemos uma deni c ao.
Um espa co metrico e um par (o, d) no qual o e um conjunto e d : o o
[0, +) e uma fun c ao n ao negativa chamada de dist ancia, ou metrica, satisfazendo
tres condi c oes. Para quaisquer r, j, . o valem:
d.1 d(r, j) = 0 r = j; (n ao degenerada)
d.2 d(r, j) = d(j, r); (simetrica)
150 CAP

ITULO 8. OPERADORES NORMAIS


d.3 d(r, j) d(r, .) +d(., j). (desigualdade triangular)
Nesse texto n ao estamos interessados em estudar tais espacos em toda sua
generalidade, caso o leitor tenha interesse maior deve procurar uma apresenta c ao
sistem atica em livros de Topologia Geral que tratam de espa cos metricos. Estamos
interessados apenas numa metrica particular de um espa co Euclidiano.
Num espa co Euclidiano (\, , )) a norma dene uma metrica, a saber,
d : \ \ [0, +), d(n, ) = |n |.

E simples vericar que essa aplica c ao e uma metrica e somente essa metrica ser a
considera num dado espa co Euclidiano.
Uma isometria, 1, ou movimento rgido, em \ e uma aplica c ao que preserva
a metrica, isto signica que 1 : \ \ e uma aplica c ao tal que d(1(n), 1()) =
d(n, ) para quaisquer vetores n, \ .
Exemplo 8.12.1 1) Um operador ortogonal l num espa co Euclidiano e uma
isometria pois preserva a norma,
d(l(n), l()) = |l(n) l()| = |l(n )| = |n | = d(n, ).
2) Uma transla c ao por
0
\ e a aplica c ao T : \ \ , T(n) = n +
0
.
Transla c oes s ao isometrias pois para quisquer n, \ temos que
d(T(n), T()) = |T(n) T()| = |n +
0

0
| = |n | = d(n, ).
O nosso objetivo e demonstrar que qualquer isometria e uma composta de uma
transla c ao com um operador ortogonal. 2
Exerccio 8.12.1 Prove as arma c oes sobre transla c oes em espa cos Euclidianos.
1. Dados n
1
,
1
\ existe uma unica transla c ao T tal que T(n
1
) =
1
.
2. A composta de duas transla c oes o e T e uma transla c ao e o T = T o.
3. Se T e uma transla c ao por
0
ent ao T e invertvel e T
1
e uma transla c ao
por
0
. 2
Lema 8.12.1 Seja l uma isometria num espaco Euclidiano \ . Ent ao l xa o
vetor nulo se, e somente se, l e um operador ortogonal.
Demonstra cao Uma isometria l de (\, , )) que xa o vetor nulo preserva a
norma pois
|| = d(, 0) = d(l(), l(0)) = |l() l(0)| = |l()|.
8.12. ISOMETRIAS 151
Como sabemos, l deve ser um operador ortogonal. A recproca j a foi comentada
anteriormente. 2
Provemos o principal resultado dessa se c ao.
Teorema 8.12.1 (Teorema da classica cao das isometrias) Para cada iso-
metria 1 num espa co Euclidiano \ existem um unico operador ortogonal l e uma
unica transla c ao T tal que 1 = T l.
Demonstra cao Se T e a transla c ao por 1(0) ent ao T
1
e uma transla c ao por
1(0). Logo a aplica c ao l = T
1
1 e uma isometria pois e uma composta de
isometrias e preserva a origem. Com efeito,
l(0) = T
1
1(0) = 1(0) 1(0) = 0.
Portanto, l e um operador ortogonal e 1 = T l. Provemos a unicidade dessa
decomposi c ao. Assuma que 1 = T
0
l
0
em que T
0
e uma transla c ao e l
0
e um
operador ortogonal. Ent ao T l = T
0
l
0
implicando que l = T
1
T
0
l
0
.
Desde que l e l
0
s ao operadores lineares, eles xam o vetor nulo, e avaliando
essa composta n = 0 obtemos que 0 = T
1
T(0). Entretanto, a unica transla c ao
que xa pontos e a identidade. Sendo assim, 1d = T
1
T
0
, de onde seguem as
igualdades T T
0
e l l
0
, como queramos provar. 2
Exerccios propostos 8.12.1
1. Determine a decomposi cao polar quando a aplica cao for uma isometria.
a) 1 : 1
3
1
3
, 1(r, j, .) = (r + 1, j 3, .).
b) G : 1
3
1
3
, G(r, j, .) = (2r + 1, j 3, 5.).
c) H : 1
3
1
3
, H(r, j, .) = (r, j, .).
2. Uma isometria num espa co Euclidiano \ admite uma decomposi cao do tipo l
0
T
0
?
3. Prove que o conjunto das isometrias de um espa co Euclidiano e um grupo com a
opera c ao de composi cao de fun coes. Esse grupo e chamado de grupo Euclidiano.
4. Um operador linear num espa co Euclidiano \ e uma semelhanca quando
|(n) ()| = :|n |, para algum real : 0.
Prove que uma semelhan ca e da forma () = :l() +
0
onde l e ortogonal.
5. Dados um vetor nao nulo
0
em (\, , )) e um escalar nao nulo 1, determine
uma condi c ao necessaria e suciente para que : \ \ , () = + ,
0
)
0
seja uma isometria.
Captulo 9
Espacos unitarios
Um espa co unit ario e um espa co vetorial complexo de dimens ao nita equipado
com um produto interno. A maioria dos resultados sobre espa cos Euclidianos ap-
resentados admite uma vers ao equivalente em espa cos unit arios e as demonstra c oes
podem ser transladadas utilizado-se os mesmos argumentos, por isso, na ausencia
de uma demonstra c ao, se achar necess ario, o leitor pode refaze-la com a leitura
da proposi c ao equivalente para o caso Euclidiano. Veremos que o estudo de op-
eradores normais em espa cos unit arios e bastante simplicado pelo fato do corpo
dos n umeros complexos ser algebricamente fechado.
9.1 Espacos unitarios
Seja \ um espa co vetorial complexo. Um produto interno em \ e uma aplica c ao
, ) : \ \ C satisfazendo as seguintes condi c oes para quaisquer n, , n \
e C:
1. n, ) = , n);
2. n +, n) = n, n) +, n);
3. , ) 0 ,= o.
Um produto interno num espa co vetorial complexo tambem e chamado de
produto Hermitiano positivo denido. Seguem da deni c ao as propriedades:
a) n, +n) = n, ) +n, n);
b) , ) = 0 = o.
Exemplo 9.1.1 1) Entenderemos por produto interno can onico do C
n
a aplica c ao
que cada par de vetores n = (r
1
, r
2
, ..., r
n
), = (j
1
, j
2
, ..., j
n
) C
n
e associado ao
n umero complexo
152
9.1. ESPAC OS UNIT

ARIOS 153
n, ) = r
1
j
1
+r
2
j
2
+ +r
n
j
n
.
A menos que seja dito explicitamente o contr ario, C
n
estar a sempre equipado com
o produto interno can onico.
2) Todo espa co vetorial complexo de dimens ao nita admite um produto in-
terno. A constru c ao utilizando as coordenadas de um vetor numa base ordenada
do espa co e semelhante a aquela feita para espa cos Euclidianos.
3) A aplica c ao , 1) = t:(1

) e um produto interno no espa co das matrizes


`(: n, C), onde a nota c ao 1

est a indicando a matriz adjunta de 1 = [o


ij
],
isto e, 1

= [/
ij
] onde /
ij
= o
ji
. 2
Da mesma forma, um produto interno , ) em um espa co vetorial complexo
\ induz uma norma | | : \ [0, +), ao denirmos || =
_
, ). Para
demonstrar que a aplica c ao e de fato uma norma precisaremos da desigualdade de
Schwarz. Com as hip oteses e nota c oes acima temos a
Proposi cao 9.1.1 Para quaisquer n, \ vale a desigualdade | n, ) | |n|||.
Em consequencia, a aplicac ao | | e uma norma, isto e,
a) || = 0 = 0;
b) || = ||||;
c) |n +| |n| +|| . (primeira desigualdade triangular)
Demonstra cao Provaremos apenas a desigualdade de Schwarz, ressaltando que a
demonstra c ao apresentada pode ser integralmente adaptada para espa cos vetoriais
reais. Dados dois escalares :, t C, por deni c ao de produto interno temos que
0 :n t, :n t) = ::|n|
2
:tn, ) :t n, ) +tt||
2
.
Para os valores : = ||
2
e t = n, ) obtemos a desigualdade
0 ||
4
|n|
2
||
2
n, ) n, ) ||
2
n, ) n, ) +n, ) n, )||
2
.
Simplicando a express ao obtemos a desigualdade
0 ||
2
_
||
2
|n|
2
n, ) n, )
_
.
Como n, ) n, ) = [n, )[
2
podemos concluir a demonstra c ao. 2
Exerccio 9.1.1 Demonstre a identidade de poralizac ao que relaciona o produto
interno , ) com a sua norma | | num espa co vetorial complexo \ ,
n, ) =
1
4
|n +|
2

1
4
|n |
2
+
i
4
|n +|
2

i
4
|n |
2
.
154 CAP

ITULO 9. ESPAC OS UNIT

ARIOS
Sugestao: desenvolva o segundo membro da equa c ao. 2
As deni c oes de ortogonalidade de vetores, complemento ortogonal de sub-
espa cos e bases ortonormais s ao semelhantes ` as deni coes correspondentes num
espa co Euclidiano.
Um espa co unit ario e um par (\, , )) no qual \ e um espa co vetorial com-
plexo de dimensao nita e , ) e um produto interno de \ . A existencia de
bases ortonormais num espa co unit ario e provada aplicando o processo de ortog-
onaliza c ao de Gram-Schmidt que em nada difere do seu similar real.Utilizaremos
tambem a nota c ao
\ = \
1
\
2
\
k
para indicar uma soma direta de subespa cos dois a dois ortogonais. Finalmente,
recordamos que as entradas da representa c ao []

= [o
ij
] de um operador linear
: \ \ numa base ortonormal =
1
,
2
, ...,
n
e obtida pela mesma f ormula
descrita no caso Euclidiano, ou seja, o
ij
= (
j
),
i
).
Exerccios propostos 9.1.1
1. Prove as arma c oes sobre a norma | | de um espa co unitario \ .
a) |n +| |n| +||. (primeira desigualdade triangular)
b) ||n| ||| |n |. (segunda desigualdade triangular)
c) |n +|
2
+|n |
2
= 2
_
|n|
2
+||
2
_
. (lei do paralelogramo)
2. Mostre que ,

) = t:(

) e um produto interno em `(n, C). De uma base


ortonormal para esse espa co unitario.
9.2 O operador adjunto
Para construir o operador adjunto precisaremos do
Teorema 9.2.1 (Teorema da representa cao de um funcional linear) Seja
(\, , )) um espa co unit ario. A aplicac ao : \ \

, que a cada vetor \


associa o funcional linear
[] : \ C [](n) = n, ) ,
e um isomorsmo quase linear. Em particular, cada funcional linear e representado
por um vetor.
Demonstra cao A quase linearidade de : \ \

e vericada pelas igualdades


a seguir. Fixados n, \ e C, para qualquer vetor n \ temos que
9.2. O OPERADOR ADJUNTO 155
[n +](n) = n, n +) = n, n) +n, ) =
_
[n] +[]
_
(n).
Provemos a sobrejetividade. Escolhida uma base ortonormal =
1
,
2
, ...,
n

do espa co unit ario, para cada vetor n \ existe uma unica combina c ao linear tal
que n = r
1

1
+r
2

2
+ +r
n

n
. Um funcional linear ) : \ C avaliado em n
assume o valor
)(n) = r
1
)(
1
) +r
2
)(
2
) + +r
n
)(
n
).
Da podemos encontrar o vetor que representa ), o leitor pode vericar que
f
=
)(
1
)
1
+ ) (
2
)
2
+ + ) (
n
)
n
e o representante procurado. Como dim\ =
dim\

, conclumos que : \ \

e um isomorsmo quase linear. 2


Para dirimir confus oes notacionais, vejamos novamente a deni c ao de adjunta
de um operador : \ \ . A adjunta de e a aplica c ao

: \

, onde

[)] : \ C e o funcional linear

[)]() = )(()). Como visto no Captulo


3, xada uma base de \ as representa c oes de e

est ao relacionadas pela


formula [

= []
t

, em que

e a base dual de .
Passaremos a denir o operador adjunto de : \ \ . Dado um funcional
linear ) : \ C, existe um unico vetor \ que o representa, como tambem e-
xiste um unico vetor

\ que representa o funcional

[)]. Ent ao para qualquer


n \ valem as rela c oes,

[)](n) = )((n)) = (n), ) e

[)](n) = n,

) .
O operador adjunto de : \ \ e a aplica c ao

: \ \ satisfazendo
a identidade (n), ) = n,

()) para quaisquer , n \ . Embora exista a


coincidencia na nota c ao, nas pr oximas se c oes

signicar a sempre o operador


adjunto. Observamos que com os mesmos procedimentos em espa cos Euclidianos
contrumos o operador transposto.
Proposi cao 9.2.1 Para cada operador num espaco unit ario \ existe um unico
operador linear

: \ \ , chamado de operador adjunto de , tal que


(n), ) = n,

()) ,
para quaisquer vetores , n \ . Mais ainda, a representac ao numa base ortonor-
mal de

e a matriz adjunta da representac ao de , isto e, [

= []

.
Demonstra cao Provemos apenas a ultima conclus ao. As entradas das repre-
senta c oes matriciais []

= [o
ij
] e [

= [/
ij
] na base ortonormal =
1
, ...,
n

s ao calculadas pelas f ormulas o


ij
= (
j
),
i
) e /
ij
=

(
j
),
i
). Ent ao
/
ij
=

(
j
),
i
) =
i
,

(
j
)) = (
i
),
j
) = o
ji
. 2
Exerccio 9.2.1 Prove as arma c oes sobre representa c oes matriciais de oper-
156 CAP

ITULO 9. ESPAC OS UNIT

ARIOS
adores numa base ortonormal de (\, , )).
1. Se a representa c ao de 1 e a matriz adjunta da representa c ao de ent ao 1
e o operador adjunto de .
2. Se e invertvel ent ao o operador

tambem e invertvel,
_

1
_

= (

)
1
e
_

= [

]
1

. 2
Para um espa co unit ario \ , a aplica c ao : L(\, \ ) L(\, \ ), () =

, e
uma aplica c ao quase linear. Registremos esse e outros fatos sobre .
Proposi cao 9.2.2 Valem as seguintes propriedades para quaisquer operadores
e 1 no espa co unit ario \ e qualquer escalar C.
a) (+1)

+1

.
b) ( 1)

= 1

.
c) (

= .
Demonstra cao o) Se , n \ e C, calculemos
(+1) (), n) = (), n) +1(), n) = ,

(n)) +, 1

(n)) .
Como o produto interno e quase linear na segunda vari avel, podemos escrever
(+1) (), n) =

,
_

+1

_
(n)
_
.
Entretanto, (+1) (), n) = , (+1)

(n)). Pela unicidade do operador


adjunto conclumos a igualdade (+1)

+1

. Fa ca os itens /) e c). 2
Exerccio 9.2.2 Mostre as armac oes sobre um operador num espaco (\, , )).
1. Se preserva um subespaco \ ent ao o operador adjunto

preserva \

.
2. \ = 1:nc

. 2
Para estabelecer uma rela c ao entre o ideal anulador de um operador e de seu
operador adjunto e conveniente xar uma nota c ao. Se j(t) = o
n
t
n
+ +o
1
t +o
0
e um polin omio com coecientes complexos, denotaremos por j(t) o polin omio
conjugado, mais claramente, j(t) = o
n
t
n
+ + o
1
t + o
0
. Note que um escalar
C e uma raiz de j(t) se, e somente se, e uma raiz de j(t).
Exerccio 9.2.3 Mostre que para qualquer operador no espa co unit ario \ o
polin omio minimal de

e o conjugado complexo do polin omio minimal de , isto


e :
A
(t) = :
A
(t). 2
9.3. OPERADORES NORMAIS 157
9.3 Operadores normais
Operadores normais em espa cos unit arios s ao denidos do mesmo modo que op-
eradores normais em espa cos Euclidianos. S ao aqueles que comutam com seu
adjunto. Matricialmente identicamo-os atraves de uma representa c ao. O oper-
ador e normal se, e somente se, sua representa c ao numa base ortonormal e uma
matriz normal. Existem diversas maneiras de construrmos operadores normais,
entre as quais destacamos o operador de Gram 1 associado a um operador , que
por deni c ao e 1 =

.
Proposi cao 9.3.1 Se e um operador normal num espaco unit ario (\, , ))
ent ao |()| = |

()| para qualquer vetor \ . Em consequencia,


a) os n ucleos de e

coincidem;
b) \ decomp oe-se na soma direta ortogonal, \ = 1:nc ;
c) as imagens de e

s ao iguais.
Quase todas demonsta c oes das proposi c oes dessa se c ao s ao iguais ` as demon-
stra c oes apresentadas no caso Euclidianos. A diferen ca entre os resultados ca por
conta do corpo dos n umeros complexos ser algebricamente fechado, fato que surge
com plena for ca na vers ao do Teorema da decomposi c ao prim aria para operadores
normais em espa cos unit arios.
Teorema 9.3.1 (Teorema da decomposi cao normal) Seja um operador
num espa co unit ario \ . Se e normal ent ao
a) a fatorac ao prim aria do polin omio minimal de e um produto de polin omios
lineares distintos, :
A
(t) = (t
1
)(t
2
) (t
k
),
b) e a decomposic ao prim aria de \ e uma soma direta ortogonal de autoespa cos
\ = \

1
\

2
\

k
.
Em particular, um operador normal e diagonaliz avel numa base ortonormal de
autovetores.
Com as mesmas hip oteses do Teorema da decomposi c ao normal, temos o
Corolario 9.3.1 O polin omio minimal de

e o conjugado complexo de :
A
(t) e
as parcelas das decomposic oes normais de e

s ao iguais, \

i
= \

i
.
158 CAP

ITULO 9. ESPAC OS UNIT

ARIOS
Demonstra cao A rela c ao entre os polin omios mnimos e independente da nor-
malidade. Agora, como e normal ent ao
i
1d e tambem normal. Como os
n ucleos de um operador normal e de seu adjunto coincidem, temos que
nc (

i
1d) = nc (
i
1d)

= nc (
i
1d)
e a demonstra c ao do corol ario est a completa. 2
Corolario 9.3.2 Seja um operador linear num espaco unit ario \ . Ent ao e
normal se, e somente se, e diagonaliz avel numa base ortonormal de autovetores.
Exerccio 9.3.1 Demonstre que um operador em (\, , )) e normal

e
um polin omio em .
9.4 Operadores autoadjuntos
Um operador num espa co unit ario \ e autoadjunto quando

= , ou equiva-
lentemente, quando [

= []

para uma (e portanto qualquer) base ortonormal


\ .

E claro que um operador autoadjunto e normal. Note que os autovalores
de um operador autoadjunto s ao reais pois se \ e um autovetor associado ao
autovalor C, entao
||
2
= , ) = (), ) = , ()) = , ) = , ) = ||
2
.
Operadores autoadjuntos admitem uma caracteriza c ao que n ao existe similar
para operadores simetricos em espa cos Euclidianos.
Teorema 9.4.1 (Teorema do operador autoadjunto) Um operador num
espa co unit ario \ e autoadjunto se, e somente se, , ()) e real para todo \ .
Demonstra cao Provemos a necessidade. Como
, ()) = (), ) = ,

()) = , ()),
necessariamente , ()) e um escalar real, desde que ele e igual ao seu conjugado.
A demonstra c ao da suciencia e simples porem um pouco mais elaborada. Para
dois vetores n, \ , examinemos as igualdades,
_
_
_
n +, (n +)) = n, (n)) +, (n)) +n, ()) +, ()) ,
n +i, (n +i)) = n, (n)) +i, (n)) +n, (i)) +, (i)) .
Note que a hip otese n, (n)) 1 para qualquer n \ implica que os fatores
, (n)) + n, ()) e i , (n)) i n, ()) s ao reais, ou dito de outro modo,
s ao iguais a seus conjugados complexos,
9.5. OPERADORES UNIT

ARIOS 159
_
_
_
, (n)) +n, ()) = (n), ) +(), n)
i , (n)) i n, ()) = i (), n) +i (), n) .
Multiplicando a segunda equa c ao pelo escalar imagin ario i e somando as duas
equa c oes, a menos do fator 2, obtemos que n, ()) = (n), ). 2
Finalmente, um operador em (\, , )) e antiadjunto quando

= .
Exerccios propostos 9.4.1
1. Seja que um operador normal num espa co unitario \ . Prove que e autoad-
junto se, e somente se, o seu espectro esta contido no eixo real.
2. Um operador num espa co unitario \ e normal se, e somente se, =
1
+ i
2
onde
1
e
2
sao operadore autoadjuntos que comutam.
3. Seja um operador normal em (\, , )). Prove as arma coes.
a) e antiadjunto a representa cao de numa base ortonormal e uma matriz
anti-adjunta.
b) e antiadjunto o seu espectro esta contido no eixo imaginario.
9.5 Operadores unitarios
Diz-se que um operador l em (\, , )) e unit ario quando l l

= 1d = l

l.
Portanto, operadores unit arios s ao normais, invertveis e sua inversa e seu
operador adjunto. Matricialmente s ao identicados atraves de uma representa c ao
numa base ortonormal \ . O operador l e unit ario se, e somente se, [l]

e
uma matriz unit aria. O espectro de um operador unit ario est a contido no crculo
unit ario pois se \ e um autovetor associado ao autovalor C temos que
||
2
= , ) = , l

l()) = l(), l()) = ||


2
.
Logo [[
2
= 1.
Toda aplica c ao num espa co unit ario que preserva o produto interno e um op-
erador linear. Vejamos algumas cracteriza c oes de um operador unit ario.
Proposi cao 9.5.1 As seguintes armac oes sobre um operador linear l num espa co
unit ario \ s ao equivalentes.
a) O operador preserva o produto interno.
b) O operador preserva a norma.
160 CAP

ITULO 9. ESPAC OS UNIT

ARIOS
c) O operador e unit ario.
d) O operador aplica base ortonormal em base ortonormal.
Exerccios propostos 9.5.1
1. Mostre que a matriz mudan ca de coordenadas entre duas bases ortonormais de um
espa co unit ario e uma matriz unitaria.
2. Prove que um operador normal num espa co unitario e um operador unit ario se, e
somente se, o espectro esta contido no crculo unitario.
3. Demonstre que o produto usual de matrizes induz uma estrutura de grupo no espa co
das matrizes unit arias, l(n, C) = Q `(n, C); QQ

= 1 = Q

Q.
9.6 Decomposicao polar
Um operador 1 num espa co unit ario \ e um operador positivo se , 1()) 0
para todo vetor n ao nulo \ . Pelo Teorema do operador autoadjunto pode-
mos armar que 1 autoadjunto. Num espa co Euclidiano \ apenas a condi c ao
, 1()) 0 para todo vetor n ao nulo n ao caracteriza um operador positivo.
Exemplo 9.6.1 O operador : 1
2
1
2
, (r, j) = (r j, r + j) satisfaz a
condi c ao (r, j), (r, j)) 0 em rela c ao ao produto interno can onico para todo
vetor n ao nulo pois (r, j), (r, j)) = r
2
+j
2
e o operador n ao e simetrico. 2
Daremos uma sequencia de fatos cujas demonstra c oes s ao semelhantes `as demon-
stra c oes ja feitas no caso Euclidiana.
Exerccio 9.6.1 Assuma que 1 e um operador positivo no espa co unit ario (\, , )).
Mostre que 1 e invertvel e que a aplica c ao , )) : \ \ \ denida por
, n)) = , 1(n)) e um outro produto interno em \ . 2
Proposi cao 9.6.1 As seguintes armac oes sobre um operador 1 num espa co
unit a-rio \ s ao equivalentes.
a) O operador e positivo.
b) O operador e autoadjunto e os autovalores s ao positivos.
c) 1 e um operador de Gram associado a um operador invertvel : \ \ .
9.6. DECOMPOSIC

AO POLAR 161
Proposi cao 9.6.2 Suponha que , )) seja um outro produto interno no espa co
unit ario (\, , )). Ent ao existe um unico operador positivo 1 : \ \ tal que
, n)) = , 1(n)).
Um operador 1 num espa co (\, , )) e n ao negativo se , 1()) 0 para todo
vetor n ao nulo \ .
Proposi cao 9.6.3 As seguintes armac oes sobre um operador 1 num espa co
unit a-rio \ s ao equivalentes.
a) O operador e n ao negativo.
b) O operador e autoadjunto e os autovalores s ao n ao negativos.
c) 1 e um operador de Gram associado a um operador : \ \ .
Exerccio 9.6.2 Prove que para cada operador em um espa co unit ario \ existe
um unico operador n ao negativo tal que 1
2
=

. Denotaremos esse operador


de Gram por 1 =

. 2
Teorema 9.6.1 (Teo. da decomposi cao polar) Para cada operador linear
num espa co unit ario \ , existe um unico operador n ao negativo 1 e um operador
unit ario l tal que = l 1. Alem disso, se e invertvel ent ao 1 e positivo e
l e unicamente determinado.
Exerccios propostos 9.6.1
1. Determine a decomposi cao polar dos operadores quando o produto interno consi-
derado e o produto interno canonico.
a) : C
2
C
2
(r, j) = (r, r +j).
b) : C
3
C
3
(r, j, .) = (j, ., r).
2. Prove que um operador num espa co unitario \ e normal = 1l onde 1 e
nao negativo, l e unitario e 1l = l1.
Captulo 10
Formas bilineares
Um produto interno num espa co Euclidiano e um exemplo de uma forma bilinear,
ou dito de outro modo, e um exemplo de uma aplica c ao com duas vari aveis e linear
em cada uma delas. O objetivo desse captulo e estudar tais aplica c oes bilineares
mas agora sem exigir a condi c ao de ser positiva denida.
10.1 Formas bilineares
Seja \ um espa co vetorial sobre o corpo K. Uma aplica c ao p : \ \ K e uma
forma bilinear quando para quaisquer vetores n, , n \ e para qualquer escalar
K valem as igualdades
1. p(n +, n) = p(n, n) +p(, n),
2. p(n, +n) = p(n, ) +p(n, n),
Essencialmente, uma forma bilinear e uma aplica c ao com duas vari aveis na
qual ao xarmos uma delas obtemos um funcional linear. Um produto interno
num espa co Euclidiano e um exemplo, entretanto, o mesmo n ao ocorre num espa co
unit ario pois o seu produto interno e quase linear na segunda vari avel.
Exemplo 10.1.1 1) Ao denirmos a aplica c ao p : C
n
C
n
C, por
p ((.
1
, .
2
, ..., .
n
), (n
1
, n
2
, ..., n
n
)) = .
1
n
1
+.
2
n
2
+ +.
n
n
n
,
obtemos uma forma bilinear em C
n
que n ao e um produto interno. O produto
interno can onico e obtido pela f ormula n, ) = p(n, ).
2) Dados dois funcionais lineares )
1
, )
2
: \ K num espa co vetorial \ pode-
mos contruir uma forma bilinear chamada de produto tensorial de )
1
por )
2
, de-
notada por )
1
)
2
: \ \ K, e denida por )
1
)
2
(n, ) )
1
(n))
2
().
162
10.2. REPRESENTAC

AO MATRICIAL 163
3) Dados dois funcionais lineares )
1
, )
2
: \ K num espa co vetorial \ pode-
mos contruir uma forma bilinear chamada de produto exterior de )
1
por )
2
, deno-
tada por )
1
)
2
: \ \ K, e denida por )
1
)
2
(n, ) )
1
(n))
2
())
1
())
2
(n).
4) A aplica c ao p : `(n, K) K, p(A, Y ) = t:
_
A
t
Q
0
Y
_
e uma forma bilinear,
onde Q
0
`(n, K) e uma matriz xada a priori. 2
Exerccio 10.1.1 Denote por B(\, K) o conjunto de todas formas bilineares no
espa co vetorial \ sobre o corpo K. Mostre que as usuais opera c oes de somar duas
fun c oes e mutiplicar uma fun c ao por um escalar de K, induzem uma estrutura de
espa co vetorial no conjunto B(\, K). 2
Exerccios propostos 10.1.1
1. Verique que as formas abaixo sao bilineares e escreva-as como uma soma de produto
tensoriais.
a) p : K
3
K, p((r
1
, j
1
, .
1
), (r
2
, j
2
, .
2
)) = (r
1
+j
1
+.
1
)(r
2
+j
2
+.
2
).
b) p : K
3
K, p((r
1
, j
1
, .
1
), (r
2
, j
2
, .
2
)) = r
1
j
2
+j
1
.
2
+.
1
r
2
.
2. Sejam )
1
e )
2
dois funcionais lineares num espa co vetorial \ . Prove:
a) Se p = )
1
)
2
+)
2
)
1
, entao p(n, ) = p(, n) para quaisquer n, \ .
b) Se p = )
1
)
2
, entao p(n, ) = p(, n) para quaisquer n, \ .
3. Uma forma sesqui-linear num espa co vetorial complexo \ e uma aplica cao p : \
\ C tal que para quaisquer n, \ e C satisfaz
Sql1. p(n +, n) = p(n, n) +p(, n);
Sql2. p(n, +n) = p(n, ) +p(n, n).
a) Verique que se e um operador linear em \ e p e sesqui-linear entao /(n, ) =
p(n, /() e sesqui-linear e que
b) se e um operador quase linear em \ e p e uma forma bilinear, entao /(n, ) =
p(n, ()) e sesqui-linear.
10.2 Representacao matricial
Quando o espa co vetorial \ tem dimens ao nita e possvel identicar cada forma
bilinear p : \ \ K a uma matriz quadrada. Para construir a representa c ao
xemos uma base ordenada =
1
,
2
, ...,
n
\ e consideremos os vetores
n = r
1

1
+r
2

2
+ +r
n

n
e = j
1

1
+j
2

2
+ +j
n

n
.
164 CAP

ITULO 10. FORMAS BILINEARES


Utilizando-se da bilinearidade, a avalia c ao de p no par (n, ) ca sendo
p(n, ) =

n
i,j
p(
i
,
j
)r
i
j
j
.
Note que p(
i
,
j
) s ao escalares em K. A matriz da forma bilinear p na base
ordenada e a matriz nn denida por [p]

= [p
ij
] em que p
ij
= p (
i
,
j
). Desse
modo, obtemos um algoritmo que expressa p com muita clareza, a saber,
p(n, ) = [n]
t

[p]

[]

,
ressaltando que estamos identicando o escalar do membro esquerdo da igualdade
com a matriz 11 do membro direito. Reciprocamente, dada uma matriz quadrada
Q `(n, K) e xada a base ordenada \ , para construrmos uma forma
bilinear p : \ \ K cuja representa c ao e Q basta denir
p(n, ) = [n]
t

Q[]

.
Exemplo 10.2.1 1) A representa c ao matricial do produto interno can onico do
1
n
na base can onica e a matriz identidade, pois se n = (r
1
, r
2
, ..., r
n
) e =
(j
1
, j
2
, ..., j
n
), entao
n, ) = r
1
j
1
+r
2
j
2
+ +r
n
j
n
=
_
r
1
r
2
r
n

_
1 0 . 0
0 1 . 0
. . . .
0 0 . 1
_

_
_

_
j
1
j
2
:
j
n
_

_
,
pois c
i
, c
j
) =
ij
. De forma compacta, n, ) = [n]

1 []

.
2) A forma bilinear p : K
3
K
3
K,
p ((r
1
, r
2
, r
3
), (j
1
, j
2
, j
3
)) = r
1
j
1
2r
1
j
3
+ 5r
2
j
2
+r
3
j
1
r
3
j
2
4r
3
j
3
,
e transcrita matricialmente na base can onica como o produto matricial
p ((r
1
r
2
, r
3
), (j
1
, j
2
, j
3
)) =
_
r
1
r
2
r
3

_
_
1 0 2
0 5 0
1 1 4
_
_
_
_
j
1
j
2
j
3
_
_
.
As entradas da representa c ao de p s ao obtidas avaliando-se p
ij
= p(c
i
, c
j
). 2
Resumiremos os coment arios sobre a representa c ao de uma forma bilinear numa
proposi c ao cuja demonstra c ao n ao ser a apresentada pois nessa altura do texto os
argumentos utilizados j a s ao bem conhecidos do leitor.
Proposi cao 10.2.1 Sejam \ um espaco vetorial de dimens ao n sobre o corpo K
e \ uma base ordenada. Ent ao a aplicac ao
10.3. PROPRIEDADES DA REPRESENTAC

AO 165
: B(\, K) `(n, K), (p) = [p]

,
e um isomorsmo linear. Em particular, di:B(\, K) = n
2
.
Exerccio 10.2.1 Denimos o n ucleo ` a direita e o n ucleo ` a esquerda de uma forma
bilinear p num espa co vetorial \ como sendo os conjuntos, respectivamente,
dnc p = n \ ; p(n, n) = 0 n \ ,
cnc p = \ ; p(n, ) = 0 n \ .
Demonstre que os dois conjuntos s ao subespa cos de \ . Construa um exemplo no
qual os dois n ucleos s ao diferentes. 2
Exerccios propostos 10.2.1
1. Determine a representa cao matricial da forma bilinear na base canonica.
a) p : K
3
K
3
, p((r
1
, j
1
, .
1
), (r
2
, j
2
, .
2
)) = (r
1
+j
1
+.
1
)(r
2
+j
2
+.
2
).
b) p : K
3
K
3
, p((r
1
, j
1
, .
1
), (r
2
, j
2
, .
2
)) = r
1
j
2
+j
1
.
2
+.
1
r
2
.
2. Seja \ um espa co Euclidiano.
a) Prove que a representa cao matricial do produto interno em qualquer base
ortonormal e a matriz identidade.
b) Se e um operador linear em \ , mostre que p(n, ) = n, ()) e uma forma
bilinear. De as representa coes matriciais de p e de numa base ortonormal.
3. Seja =
1
,
2
, ...,
n
uma base do espa co vetorial \ e

= )
1
, )
2
, ..., )
n
sua
base dual. Mostre que

= )
i
)
j
e uma base para o espa co das formas bilineares
B(\, K) e qualquer forma bilinear p em \ e escrita como p =

n
i,j=1
p(
i
,
j
))
i
)
j
.
10.3 Propriedades da representacao
Comparemos as representa c oes matriciais de uma mesma forma bilinear em duas
bases ordenadas distintas de um espa co vetorial de dimensao nita. Ressaltamos
que as duas matrizes construdas n ao s ao conjugadas, necessariamente.
Proposi cao 10.3.1 Sejam e duas bases ordenadas do espaco vetorial de di-
mens ao nita \ . Se p : \ \ K e uma forma bilinear ent ao [p]

= Q
t
[p]

Q
em que Q = [id]

.
Demonstra cao Como sabemos, as rela c oes entre as coordenadas dos vetores
n, \ nas duas bases ordenadas s ao [n]

= Q[n]

e []

= Q[]

onde Q = [id]

.
Sendo assim, avaliemos p(n, ),
166 CAP

ITULO 10. FORMAS BILINEARES


p(n, ) = [n]
t

[p]

[]

= (Q[n]

)
t
[p]

(Q[]

) = [n]
t

_
Q
t
[p]

Q
_
[]

.
Pela unicidade da representa c ao da forma bilinear p na base ordenada conclumos
que [p]

= Q
t
[p]

Q. 2
Repetiremos uma constru c ao j a apresentada anteriormente ao estudarmos um
produto interno num espa co Euclidiano. Fixado uma forma bilinear p num espa co
vetorial \ , temos uma aplica c ao : \ \

, [], onde [] denota o


funcional linear
[] : \ K, [](n) = p(n, ).

E rotina vericar que a aplica c ao : \ \

e uma transforma c ao linear.


Quando a forma bilinear e um produto interno num espa co Euclidiano sabemos
que e um isomorsmo linear. Entretanto, como isso n ao ocorre com qualquer
forma bilinear, disting uiremos as duas situa c oes atraves de uma deni c ao.
Diremos que p e n ao degenerada (ou n ao singular) se a transforma c ao linear
: \ \

e um isomorsmo linear. Caso contr ario diremos que p e degenerada


(ou singular). Essa distin c ao pode ser estabelecida matricialmente.
Lema 10.3.1 Uma forma bilinear p e degenerada se, e somente se, a matriz de p
numa base ordenada \ n ao e invertvel.
Demonstra cao Por deni c ao p e degenerada se, e somente se, existe um vetor n ao
nulo
0
\ tal que o funcional linear )
0
: \ K, )
0
(n) = p(n,
0
) e identicamente
nulo, ou equivalentemente, existe um vetor
0
\ tal que [n]

[p]

[
0
]

= 0 para
todo n \ . Entretanto, isso ocorre se, e somente se, [p]

[
0
]

= [0]. Portanto, p e
degenerada se, e somente se, = 0 e um autovalor de [p]

[p]

e n ao invertvel.
2
Como duas representa c oes de p s ao conjugadas, a proposi c ao acima arma um
pouco mais. A forma bilinear p e degenerada se, e somente se, [p]

e n ao invertvel
para qualquer base ordenada \ .
Formas bilineares em espa cos Euclidianos admitem uma elegante descri c ao em
termos de operadores lineares. Do mesmo modo que descrevemos qualquer produto
interno em um dado espa co Euclidiano utilizando um operador positivo, tambem
e possvel descrever qualquer forma bilinear a partir do produto interno que dene
a estrutura Euclidiana.
Exemplo 10.3.1 Um operador linear num espa co Euclidiano (\, , )) d a origem
a uma forma bilinear p : \ \ K, bastando para isso denir p(n, ) = n, ()).
A recproca dessa arma c ao tambem e verdadeira. Se n ao vejamos.
10.4. FORMAS BILINEARES SIM

ETRICAS 167
Seja p uma forma bilinear no espa co Euclidiano (\, , )). Para cada vetor
\ considere o funcional linear )
v
: \ 1, )
v
(n) = p(n, ). Pelo Teorema
da representa c ao de um funcional linear, existe um unico vetor

\ tal que
p(n, ) = n,

). Sendo assim, dena a aplica c ao : \ \ ,

. Mostra-se
que e o unico operador linear satisfazendo a condi c ao p(n, ) = n, ()) para
quaisquer vetores n, \ . 2
Exerccio 10.3.1 Se p e uma forma bilinear no espa co unit ario (\, , )), ent ao
existe um e somente um operador quase linear : \ \ tal que p(n, ) =
n, ()) para quaisquer n, \ . Demonstre esse teorema de representa c ao. 2
Exerccios propostos 10.3.1
1. Para cada forma bilinear p em 1
2
determine o operador linear : 1
2
1
2
tal que
p(n, ) = n, ()), onde o produto interno considerado e o canonico.
a) p((r
1
, j
1
), (r
2
, j
2
)) = r
1
j
2
j
1
r
2
.
b) p((r
1
, j
1
), (r
2
, j
2
)) = r
1
r
2
+r
1
j
2
r
2
j
1
2. Seja p uma forma bilinear nao degenerada no espa co vetorial de dimensao nita \ .
Dada qualquer outra forma bilinear ) : \ \ \ , existe um unico operador linear
: \ \ representando ), isto e, )(n, ) = p(n, ()).
3. Mostre que no exerccio acima se eliminarmos a hipotese nao degenerada o resul-
tado deixa de ser verdadeiro.
4. Suponha que a forma bilinear p no espa co Euclidiano (\, , )) e representado pelo
operador linear : \ \ , p(n, ) = n, ()). Prove as igualdades.
a) dnc p = nc
t
.
b) cnc p = nc .
5. Demonstre que os n ucleos `a direita e `a esquerda de uma forma bilinear num espa co
vetorial de dimensao nita tem as mesmas dimensoes (utilize o teorema do Posto).
6. Prove que uma forma bilinear p num espa co vetorial de dimensao nita \ e n ao
degenerada dnc p = cnc p = o.
10.4 Formas bilineares simetricas
Uma forma bilinear p : \ \ K e simetrica quando p(n, ) = p(, n) para
quaisquer n, \ .
Alem do produto interno num espa co vetorial real, j a conhecemos v arias outras
formas bilineares simetricas, por exemplo, a aplica c ao p : `(n, K) K denida
168 CAP

ITULO 10. FORMAS BILINEARES


por p(, 1) = t:(1). Num espa co vetorial \ de dimens ao nita, a identica c ao
de uma forma bilinear simetrica p e bastante simples. Dada qualquer base ordenada
=
1
,
2
, ...,
n
\ seja p
ij
= p(
i
,
j
) as entradas da representa c ao de p na
base . Da hip otese de simetria segue que p
ij
= p
ji
. Ent ao, a forma bilinear p e
simetrica se, e somente se, [p]

e uma matriz simetrica. Observamos que a simetria


da representa c ao [p]

e independente da base considerada.


Exerccio 10.4.1 Seja p uma forma bilinear simetrica num espa co vetorial \ .
Prove que dnc p = cnc p. Por causa dessa propriedade escreveremos simples-
mente o n ucleo de p, sem mais coment arios. 2
Pela proximidade entre os conceitos, podemos transpor v arias no c oes denidas
num espa co com produto interno para um espa co equipado com uma forma bilinear
simetrica. Por exemplo, diremos que os vetores n, \ s ao p-ortogonais quando
p(n, ) = 0. Ressaltamos que o conceito de p-ortogonalidade n ao e exatamente
igual ao conceito de ortogonalidade num espa co vetorial real equipado com produto
interno pois n ao estamos assumindo que p seja positiva denida. Por isso, e possvel
existir algum vetor n ao nulo em \ que e p-ortogonal a si mesmo. Por exemplo, o
vetor = (1, 1) 1
2
e p-ortogonal a si mesmo quando estamos considerando a
forma bilinear simetrica
p : 1
2
1
2
1, p ((r
1
, r
2
), (j
1
, j
2
)) = r
1
j
1
+r
2
j
1
+r
1
j
2
+r
2
j
2
.
Do mesmo modo pode ocorrer que p(n, n) < 0, entretanto, somente com a forma
bilinear identicamente nula podemos ter cada um dos vetores do espa co p-ortogonal
a si mesmo. Para mostrar essa arma c ao precisaremos de duas deni c oes.
Uma aplica c ao : \ K e uma forma quadr atica quando existe uma forma
bilinear p em \ tal que () = p(, ). A forma bilinear utilizada para denir uma
forma quadr atica pode ser substituda por uma forma bilinear simetrica, a saber,
p
0
(n, ) =
1
2
(p(n, ) +p(, n)).

E imediato concluir que tambem vale a identidade () = p


0
(, ). Levando em
conta esses comentarios, sempre que citarmos uma forma quadr atica estaremos
supondo que a forma bilinear associada p e simetrica.
Conhecendo-se a representa c ao matricial da forma bilinear simetrica p numa
base ordenada =
1
,
2
, ...,
n
\ , obtemos os valores da forma quadr atica
associada no vetor \ exclusivamente em fun c ao das coordenadas do vetor
na base considerada,
() = []
t

[p]

[]

n
i,j=1
p(
i
,
j
)r
i
r
j
.
Reciprocamente, dada uma forma quadr atica (que e um polin omio homogeneo
10.4. FORMAS BILINEARES SIM

ETRICAS 169
de grau dois em n vari aveis) em fun c ao das coordenadas dos vetores de uma base
ordenada ,
() =

n
ij=1
p(
i
,
j
)r
i
r
j
,
recuperamos a unica forma bilinear simetrica que dene atraves da representa c ao
matricial
[p(
i
,
j
)]

=
T+T
t
2
em que T e a matriz triangular superior
T = [/
ij
] com /
ij
=
_
p
ij
se i ,
0 se i ,
.
Exemplo 10.4.1 1) A forma quadr atica associada ao produto interno can onico
do 1
n
e o polin omio homogeneo de grau dois em n vari aveis (r
1
, r
2
, ..., r
n
) =
r
2
1
+r
2
2
+ +r
2
n
.
2) Considere a forma bilinear simetrica p : 1
2
1
2
1,
p ((r
1
, r
2
), (j
1
, j
2
)) =
_
r
1
r
2

_
1 1
1 1
_ _
j
1
j
2
_
.
A representa c ao matricial indicada est a na base can onica. Nesse exemplo, existem
vetores n ao nulos que s ao p-ortogonais a todos os outros vetores, e o caso do vetor
= (1, 1). A explica c ao provem da matriz [p]

. Ela n ao e invertvel, isto e, p e


uma forma bilinear simetrica degenerada.
3) A forma quadr arica em 1
3
dada na base can onica por () = 2r
2
+4rj
6j. onde = (r, j, .) tem uma representa c ao matricial da forma
() = [r, j, .]
_
_
2 2 0
2 0 3
0 3 0
_
_
_
_
r
j
.
_
_
. 2
Exerccio 10.4.2 Seja p uma forma bilinear simetrica em \ . Prove a identidade
de polarizac ao,
p(n, ) =
1
4
((n +) (n )).
Conclua que duas formas bilineares simetricas, p
1
e p
2
, determinam a mesma forma
quadr atica se, e somente se, p
1
p
2
. 2
Voltemos `a quest ao inicial sobre o conceito de p-ortogonalidade.
Lema 10.4.1 Se todo vetor n \ e p-ortogonal a si mesmo, ent ao p 0.
170 CAP

ITULO 10. FORMAS BILINEARES


Demonstra cao Seja a forma quadr atica associada ` a p. Vamos supor que
p(n, n) = 0 para todo n \ . Pela identidade de polariza c ao temos que
p(n, ) =
1
4
(p(n +, n +) p(n , n )) = 0, para todo n, \. 2
Exerccios propostos 10.4.1
1. Considere a forma bilinear em 1
3
, p ((r
1
, r
2
, r
3
), (j
1
, j
2
, j
3
)) = (r
1
2r
2
)(j
1
2j
2
).
a) Mostre que p e simetrica e determine a representa cao matricial na base can onica.
b) Encontre uma base para o n ucleo de p.
c) Descreva a forma quadratica determinada por p.
2. Se p e uma forma bilinear em \ e
0
e um vetor, prove que o conjunto \(
0
)

=
n \ ; p(
0
, n) = 0 e um subespa co.
3. Prove que uma representa cao matricial de uma forma bilinear simetrica num espa co
vetorial de dimensao nita e uma matriz simetrica, independente da base escolhida.
4. Seja (\, , )) um espa co Euclidiano. Mostre que para cada forma bilinear simetrica p
existe um, e somente um, operador simetrico : \ \ tal que p(n, ) = n, ()).
5. Dados dois funcionais lineares )
1
e )
2
no espa co vetorial \ de dimensao nita,
verique que p )
1
)
2
+ )
2
)
1
e uma forma bilinear simetrica. Determine a
representa c ao [p]

conhecendo-se as representa coes [)


1
]

e [)
2
]

.
6. Demonstre que o conjunto o(\, K) B(\, K) formado pelas formas bilineares
simetricas num espa co vetorial \ e um subespa co. Calcule a dimensao de o(\, K)
sabendo-se que di:\ = n.
7. Assuma que a forma bilinear simetrica p em \ e semi-positiva denida , isto e,
p(n, n) 0. Prove a desigualdade de Schwartz, p(n, )
2
(n)(), onde e a
forma quadratica associada `a p.
8. Dada a aplica c ao p : `(n, K) `(n, K) K, p(, 1) = nt: (1) t: () t:(1).
a) Verique que p e uma forma bilinear simetrica.
b) Calcule os valores p(1, 1) e conclua que p e degenerada.
10.5 Bases g-ortonormais
Por simplicidade de reda c ao introduziremos uma nota c ao. Um par (\, p) signicar a
um espa co vetorial \ de dimens ao nita sobre K no qual est a denida uma forma
bilinear simetrica n ao identicamente nula p. Em alguns textos essa nota c ao e
reservada apenas para o caso em que a forma bilinear simetrica e n ao degenerada,
mas aqui ela poder a ser ou n ao degenerada. Para ressaltar esse fato chamaremos
10.5. BASES G-ORTONORMAIS 171
de ndice de nulidade de (\, p) ao inteiro i
0
denido por i
0
= dimnc p. Note
que a hip otese de p ser n ao identicamente nula implica que i
0
< dim\ . Por outro
lado, se p for n ao degenerada, ent ao i
0
= 0.
Uma base ordenada =
1
,
2
, ...,
n
de (\, p) e uma base p-ortogonal
quando p(
i
,
j
) = 0 para i ,= ,. O objetivo dessa se c ao e mostrar que bases
p-ortogonais existem. Na verdade exibiremos um processo para construir uma
base p-ortonormal, isto e, uma base ordenada = n
1
, n
2
, ..., n
n
tal que
p(n
i
, n
j
) = 0, se i ,= , e p(n
i
, n
i
) 1, 0, 1 .
Numa tal base, a representa c ao [p]

e uma matriz diagonal formada por 0 ou 1.


Seja
0
um vetor do espa co vetorial \ . Denote por \(
0
) o subespa co gerado
pelo vetor
0
e por \(
0
)

o seu subespa co p-ortogonal, em outras palavras,


\(
0
)

= n \ ; p(
0
, n) = 0.
Como vimos, existe um vetor
0
tal que p(
0
,
0
) ,= 0 pois estamos sempre assu-
mindo que a forma bilinear simetrica n ao e identicamente nula.
Lema 10.5.1 Se p(
0
,
0
) ,= 0 ent ao \ = \(
0
)

\(
0
) e nc p \(
0
)

.
Demonstra cao A demonstra c ao e uma adapta c ao do processo de ortogonaliza c ao
de Gram-Schmidt. Provaremos inicialmente que \ = \(
0
)

+\(
0
). Dado um
vetor n \ considere o vetor n

denido por
n

= n
p(n,
0
)
p(
0
,
0
)

0
.
Uma avalia c ao simples mostra que n

\(
0
)

. Logo n = n

+
0
, signicando
que \ e a soma dos subespa cos indicados. Vamos supor que n \(
0
)

\(
0
).
Entao, por um lado n =
0
para algum K e por outro lado,
0 = p(
0
, n) = p(
0
,
0
).
Como p(
0
,
0
) ,= 0, conclumos que = 0 e por conseguinte n = 0. Isso mostra
que a soma e uma soma direta. A demonstra c ao da inclus ao do n ucleo de p no
ortogonal de \(
0
) deixaremos como exerccio. 2
Proposi cao 10.5.1 Se p e uma forma bilinear simetrica num espaco vetorial \
de dimens ao n, ent ao existem vetores n ao nulos
1
,
2
, ...,
ni
0
\ tais que
\ = \(
1
) \(
2
) \(
ni
0
) nc p,
em que a soma direta e p-ortogonal, i
0
e o ndice de nulidade e p(
i
,
i
) ,= 0. Em
consequencia, \ admite uma base p-ortogonal.
172 CAP

ITULO 10. FORMAS BILINEARES


Demonstra cao Escolha um vetor n ao nulo
n
\ talque p(
n
,
n
) ,= 0 e con-
sidere a decomposi c ao \ = \(
n
)

\(
n
). Note que dim\(
n
)

= n 1 e
que a restri c ao de p ao subespa co \(
n
)

e uma forma bilinear simetrica com o


mesmo ndice de nulidade i
0
pois o nc p \(
n
)

. Desse modo, utilizamos uma


hip otese indutiva para obter vetores
1
, ...,
n1i
0
\(
n
)

tais que
\(
n
)

= \(
1
) \(
n1i
0
) nc p.
Agora e facil obter a decomposi c ao desejada. Portanto, se
0
=
ni
0
+1
, ...,
n
e
uma base ordenada de nc p, caso o n ucleo n ao seja trivial, ent ao a uni ao ordenada
=
1
, ...,
ni
0


0
e uma base ortogonal de \ . 2
Na proposi c ao acima construmos uma base p-ortogonal de (\, p) na qual
est a contida uma base de nc p. Uma base para o n ucleo est a sempre presente
numa base p-ortogonal, permitindo-nos determinar o ndice de nulidade atraves de
qualquer uma delas.
Corolario 10.5.1 Para qualquer base p-ortogonal de (\, p) o conjunto de ve-
tores
0
= , p(, ) = 0 e uma base de nc p.
Demonstra cao Seja =
1
,
2
, ...,
n
uma base p-ortogonal ordenada de tal
modo que o conjunto
0
= , p(, ) = 0 e formado pelos ,
0
-esimos ultimos
elementos. Como a base e p-ortogonal, segue que
0
est a contido no n ucleo. Resta
vericar que esse conjunto gera nc p. Com efeito. Dado um vetor = r
1

1
+
r
2

2
+ + r
n

n
no n ucleo de p, consideremos qualquer elemento
k
com
0 / n ,
0
e fa camos a avalia c ao,
0 = p(,
k
) = r
k
p(
k
,
k
).
A condi c ao p(
k
,
k
) ,= 0 implica que r
k
= 0, de onde conclumos que qualquer
vetor do n ucleo e uma combina c ao linear dos ,
0
ultimos elementos de . Logo
,
0
= i
0
, como desej avamos demonstrar. 2
Corolario 10.5.2 Se \ e um espaco vetorial complexo, ent ao existe uma base
p-ortonormal =
1
,
2
, ...,
n
de (\, p) tal que
p(
i
,
j
) = 0 se i ,= , e p(
i
,
i
) 0, 1.
Demonstra cao Seja =
1
, ....,
ni
0
,
ni
0
+1
, ...,
n
uma base p-ortogonal con-
struda como na proposi c ao anterior. Dena uma base ordenada formada pelos
vetores
_
_
_
n
i
=
i
, se
i
pertence ao n ucleo de p e
n
i
=
1

i
se
i
n ao pertence ao n ucleo de p,
10.6. TEOREMA DO

INDICE 173
em que
i
e uma das razes quadradas de p(
i
,
i
) ,= 0. 2
Exerccios propostos 10.5.1
1. Prove que uma forma bilinear simetrica p num espa co vetorial complexo \ de di-
mensao nita admite uma representa cao do tipo
[p]

= diop1
ni
0
, [0].
2. Para qualquer matriz simetrica `(n, C) existe uma matriz invertvel 1
`(n, C) tal que 1
t
1 e diagonal. Demonstre a arma cao.
10.6 Teorema do ndice
Nessa se c ao estudaremos apenas formas bilineares simetricas num espa co vetorial
real \ de dimensao nita. Indexaremos um subespa co \ de (\, p) por + ou por
quando a forma bilinear p restrita ao subespa co e positiva denida ou negativa
denida, respectivamentre. Mais claramente,
_
_
_
\
+
quando p(n, n) 0 para todo vetor n ao nulo n \,
\

quando p(n, n) < 0 para todo vetor n ao nulo n \.


Como o subespa co trivial cumpre as duas exigencias, simultaneamente, ele sera
indexado conforme a conveniencia do momento.
Teorema 10.6.1 (Teorema do ndice) Seja p uma forma bilinear no espa co
vetorial real \ de dimens ao nita. Ent ao existem subespacos \

e \
+
tais que
\ = \

nc p \
+
.
Mais ainda, o inteiro i

= dim\

, chamado de ndice de Morse de (\, p), depende


apenas da forma bilinear no seguinte sentido, para qualquer outra decomposic ao
em soma direta p-ortogonal \ = l

nc p l
+
temos que i

= diml

.
Demonstra cao A menos de reordena c ao, uma base p-ortonormal de (\, p)
decompoe-se como =


+
onde
0
e uma base para o n ucleo de p,

= ; p(, ) < 0 e
+
= ; p(, ) 0.
Se denimos \

(respec. \
+
) como o subespa co gerado por

(respec.
+
) a
p-ortonormalidade da base garante a decomposi c ao \ = \

nc p \
+
.
Suponha que tenhamos uma outra decomposi c ao p-ortogonal para o espa co,
digamos que seja \ = l

nc p l
+
. Vamos supor por absurdo que exista
um vetor n ao nulo n

(nc p \
+
). Sendo assim, podemos escrever
174 CAP

ITULO 10. FORMAS BILINEARES


n

= n
0
+ n
+
com n
0
nc p e n
+
\
+
. Fa camos a avalia c ao p(n

, n

)
levando em conta que n l

,
0 p(n

, n

) = p(n
0
+n
+
, n
0
+n
+
) = p(n
+
, n
+
) 0.
Evidentemente, isso e contradit orio. Como aquela interse c ao e nula podemos con-
siderar o subespa co de \ formado pela soma direta l

(nc p \
+
) e concluir
utilizando um c alculo dimensional simples que diml

dim\

. Do mesmo
modo provamos que diml
+
dim\
+
. Novamente suponha por absurdo que
pelo menos uma dessas duas desigualdades e estrita, ent ao
dim\ = diml

+dimnc p +diml
+
< dim\

+dimnc p +dim\
+
= dim\.
Uma contradi c ao. Logo, o inteiro i

= dim\

n ao depende da decomposi c ao. 2


Corolario 10.6.1 Seja p e uma forma bilinear simetrica no espaco vetorial real
\ de dimens ao nita. Ent ao existe uma base p-ortonormal
=
1
, ...,
i

, n
1
, ..., n
i
0
, n
1
, ..., n
i
+

tal que p(
i
,
j
) =
ij
, p(n
i
, n
j
) =
ij
e p(n
i
, n
j
) = 0.
Deixaremos para o leitor a responsabilidade pela demonstra c ao. Um par (\, p)
e dito espa co pseudo Euclidiano quando \ e um espa co vetorial real de dimensao
nita e p e uma forma bilinear simetrica n ao degenerada. Nesse caso, temos uma
decomposi c ao p-ortogonal dada pelo Teorema do ndice, na forma
\ = \

\
+
,
em que cada parcela da decomposi c ao e uma soma direta de espa cos unidimen-
sionais dois a dois p-ortogonais. Um espa co pseudo Euclidiano (\, p) de dimens ao
4 e dito espa co de Minkowski se o ndice de Morse de p e i

= 3.
Exerccios propostos 10.6.1
1. Seja um operador no espa co Euclidiano (\, , )).
a) Verique que p(n, ) = (n), ()) e uma forma bilinear simetrica.
b) Calcule os ndices de nulidade e de Morse de p.
2. Todos os ndices associados a uma forma bilinear simetrica p podem ser detectados
por uma base p-ortonormal. Prove que para quaisquer duas bases p-ortonormais
e de \ temos as igualdades i
0
= ;
0
= ;
0
e i

= ;

= ;

.
3. Mostre que toda forma bilinear simetrica p em um espa co vetorial real \ de dimens ao
n admite uma representa cao da forma
[p]

= diop1
i

, [0] , 1
i
+
,
em que i
+
= n (i
0
+i

) e [0] e a matriz nula i


0
i
0
.
10.7. FORMAS BILINEARES ANTISIM

ETRICAS 175
4. Seja H `(2, C) o subespa co formado pelas matrizes Hermitianas (ou autoadjun-
tas),

= .
a) Verique que H tem uma estrutura natural de um espa co vetorial real de
dimensao 4 e que = 1, H
1
, H
2
, H
3
e uma base ordenada de H, onde os
elementos de sao as matrizes de Pauli,
1 =
_
1 0
0 1
_
, H
1
=
_
1 0
0 1
_
, H
2
=
_
0 1
1 0
_
, H
3
=
_
0 i
i 0
_
.
b) Prove que p(, 1) =
1
2
(t:(1) t:() t:(1)) e uma forma bilinear simetrica
nao degenerada em H (com valores em 1).
c) Demonstre as formulas p(, ) = dct e p(, 1) =
1
2
t: ().
d) Conclua que e uma base p-ortonormal.
e) De uma decomposi cao da forma H = \
+
\

e calcule o ndice de p.
f) Mostre que o espa co p-ortogonal `a identidade e o conjunto da matrizes Her-
mitianas com tra co nulo.
5. Seja p uma forma bilinear simetrica no espa co vetorial real \ de dimensao n.
a) Determine uma base de \ para a qual a forma quadratica associada tem a
forma diagonal (n) =

n
i=1

i
(r
i
)
2
.
b) Demonstre a Lei de inercia de Silvestre: o n umero de coecientes positivos em
qualquer forma diagonal de e o mesmo.
10.7 Formas bilineares antisimetricas
Diz-se que uma forma bilinear p no espa co vetorial \ e antisimetrica quando
p(n, ) = p(, n), para quaisquer vetores n, \ .
Num espa co vetorial de dimens ao nita uma forma bilinear antisimetrica e
reconhecida matricialmente atraves de uma representa cao pois em qualquer base
ordenada de \ a matriz [p]

e antisimetrica. A recproca dessa arma c ao tambem


e verdadeira. Note que o n ucleo ` a direita e o n ucleo ` a esquerda s ao coincidentes,
permitindo-nos denir o ndice de nulidade de (\, p) como sendo o inteiro i
0
=
dimnc p.
Diremos que dois vetores n, \ s ao p-ortogonais se p(n, ) = 0. Por essa
deni c ao, todo vetor de \ e p-ortogonal a si mesmo pois a condi c ao de anti-simetria
p(, ) = p(, ) implica que p(, ) = 0. Uma base ordenada =
1
,
2
, ...,
n

ser a dita p-ortonormal quando p(


i
,
j
) 1, 0, 1.
Na sequencia estaremos interessados em demonstrar que bases p -ortonormais
existem em espa cos vetoriais de dimens ao nita. Indicaremos por \(n
0
,
0
) o
176 CAP

ITULO 10. FORMAS BILINEARES


subespa co de \ gerado por dois vetores n
0
e
0
. O complemento ortogonal de
\(n
0
,
0
) e o conjunto \(n
0
,
0
)

= \ ; p(, n) = 0 n \(n
0
,
0
).
Observe que sendo p n ao identicamente nula deve existir dois vetores satisfazendo
p(n
0
,
0
) ,= 0 e, sendo assim, o subespa co gerado tem dimens ao dois pois os vetores
s ao necessariamente linearmente independentes.
Lema 10.7.1 Se p e antisimetrica e p(n
0
,
0
) ,= 0, ent ao
\ = \(n
0
,
0
) \(n
0
,
0
)

e nc p \(n
0
,
0
)

.
Demonstra cao Utilizaremos a mesma ideia do processo de ortogonaliza cao de
Gram-Schmidt. Dado um vetor n em \ considere o vetor
n

= n
g(u,v
0
)
g(u
0
,v
0
)
n
0
+
g(u,u
0
)
g(u
0
,v
0
)

0
.
Com uma simples avalia c ao estabelecemos as igualdades
p(n

, n
0
) = 0 = p(n

,
0
),
mostrando que \ = \(n
0
,
0
) + \(n
0
,
0
)

. Agora consideremos um vetor n


\(n
0
,
0
) \(n
0
,
0
)

. Nesse caso, n = n
0
+j
0
, com , j K, e
0 = p(n,
0
) = p(n
0
+j
0
,
0
) = p(n
0

0
).
Da conclumos que = 0 desde que, por hip otese, p(n
0
,
0
) ,= 0. Do mesmo modo,
fazendo a avaliz c ao p(n, n
0
) obtemos o valor j = 0. Em resumo,
\(n
0
,
0
) \(n
0
,
0
)

= o,
provando que a soma dos subespa cos e uma soma direta p-ortogonal. A inclusao
deixaremos como exerccio. 2
Proposi cao 10.7.1 Seja p uma forma bilinear antisimetrica num espaco vetorial
de dimens ao nita \ . Ent ao existem vetores n
1
,
1
, ..., n
k
,
k
\ tais que
\ = \(n
1
,
1
) \(n
2
,
2
) \(n
k
,
k
) nc p
em que a soma direta e p-ortogonal e p(n
i
,
i
) = 1. Em consequencia, \ admite
uma base p-ortonormal.
Demonstra cao Para evitar trivialidades iremos assumir que p n ao e identica-
mente nula, isso implica que dim\ 2. A demonstra c ao ser a feita por indu c ao
sobre a dimensao de \ . Se dim\ = 2, escolhemos quaisquer vetores n
1
,
1
\
satisfazendo a condi c ao p(n
1
,
1
) ,= 0. A independencia linear dos vetores garante
que \ = \(n
1
,
1
). A menos de substituir o vetor n
1
pelo vetor
1
g(u
1
,v
0
)
n e de
reordenar o conjunto n
1
,
1
, essa e a decomposi c ao desejada e n
1
,
1
e uma
base p-ortonormal. Vamos supor que a arma c ao considerada seja verdadeira para
10.7. FORMAS BILINEARES ANTISIM

ETRICAS 177
qualquer espa co vetorial de dimens ao menor ou igual ` a n. Seja p uma forma bilin-
ear antisimetrica em um espa co \ de dimens ao n + 1. Considere dois vetores n ao
nulos, digamos que sejam n
k
,
k
\, tais que p(n
k
,
k
) ,= 0. Pelo lema anterior
vale a decomposi c ao p-ortogonal
\ = \(n
k
,
k
)

\(n
k
,
k
).
Note que o subespa co \(n
k
,
k
)

tem dimens ao n 1, a restri c ao de p e an-


tisimetrica e nc p \(n
k
,
k
)

. Por hip otese de indu c ao, decompomos esse


subespa co e obter a decomposi c ao de \ pretendida. A base ondenada
= n
1
,
1

n
k
,
k

,
em que e uma base ordenada do n ucleo de p, caso n ao seja trivial, e uma base
p-ortonormal. 2
Exerccio 10.7.1 Com as hip otese da proposi c ao acima mostre que a repre-
senta c ao de p na base e a matriz diagonal de blocos
[p]

= diopJ, J, ..., J
. .
k vezes
, [0], onde J =
_
0 1
1 0
_
e [0] e a matriz nula i
0
i
0
. 2
Um par (\, p) e chamado de espaco simpletico se \ e um espa co vetorial real
de dimensao nita e p e uma forma bilinear antisimetrica n ao degenerada.
Exerccios propostos 10.7.1
1. Mostre que toda forma bilinear antisimetrica num espa co vetorial unidimensional e
identicamente nula.
2. Prove que a representa cao matricial de uma forma bilinear num espa co vetorial de
dimensao nita e uma matriz antisimetrica se, e somente se, a forma e antisimetrica.
3. Seja p uma forma bilinear antisimetrica num espa co Euclidiano (\, , )). Construa
um operador linear anti-simetrico : \ \ tal que p(n, ) = n, ()).
4. Prove que o subconjunto /(\, K) B(\, K) formado pelas formas bilineares anti-
simetricas num espa co vetorial \ e um subespa co. Qual a dimensao de /(\, K)
quando di:\ = n?
5. Demonstre que o espa co das formas bilineares B(\, K) num espa co vetorial \ de-
comp oe-se na soma direta B(\, K) = o(\, K) /(\, K) na qual a primeira parcela
e o subespa co das formas bilineares simetricas e a outra e o subespa co das anti-
simetricas.
178 CAP

ITULO 10. FORMAS BILINEARES


6. Denote por o(n, 1) (respectivamente /(n, 1)) o subespa co de `(n, 1) formado
pelas matrizes simetricas (respectivamente antisimetricas). Seja p a forma bilinear
simetrica em `(n, 1) denida por p(, 1) = t: (1). Prove as arma coes.
a) p e positiva denida em o(n, 1).
b) p e negativa denida em /(n, 1).
c) p(, 1) = 0 o(n, 1) e 1 /(n, 1).
d) Conclua que `(n, 1) = o(n, 1) /(n, 1).
e) Determine o ndice de p.
7. Determine o ndice da forma bilinear simetrica p(, 1) = t: (1) t: ()t: (1)
em `(n, 1).
8. Demonstre que um espa co vetorial real \ de dimensao n admite uma estrutura de
espa co simpletico n = 2:.
9. Fixados os vetores
0
, n
0
1
3
, prove que : 1
3
1, (n) = n
0
, n n
0
) (onde
indica o produto vetorial) e uma forma quadratica. Determine a matriz de na
base canonica.
10. Seja p uma forma bilinear no espa co vetorial \ . Um operador linear : \ \
preserva p se p((n), ()) = p(n, ).
a) Mostre que a composta de dois operadores que preservam p e um operador
que preserva p.
b) Assuma que p e nao degenerada e demonstre que o conjunto O(p) formado
por todos os operadores lineares que preservam p e um grupo com a opera cao
de composi cao de operadores e dct 1, 1.
11. Um operador preserva a forma quadratica associada a uma forma blinear
simetrica p se (()) = (). Prove que preserva a forma bilinear simetrica
p preserva a forma quadratica associada .
12. Considere a forma bilinear em 1
2
denida por p((r
1
, j
1
), (r
2
, j
2
)) = r
1
j
1
r
2
j
2
.
a) Verique que p e nao degenerada.
b) Calcule o grupo O(p) formado pelos operadores que preservam p.
13. A mesma questao anterior para a forma p((r
1
, j
1
), (r
2
, j
2
)) = r
1
j
2
.
Captulo 11
Representacao canonica (II)
Numa primeira leitura esse captulo pode ser dispensado sem prejuzo para a com-
preens ao posterior do texto.
Dando continuidade ao estudo de decomposi oes -cclicas de um operador,
examinaremos os casos nos quais o espa co vetorial \ e real e o polin omio minimal
e uma potencia de um polin omio primo de grau dois em 1[t],
III j(t) = (t )
2
+
2
,
IV j(t) =
_
(t )
2
+
2

r
,
em que 0 e : 1. Para isso necessitaremos de um novo conceito.
11.1 Complexicacao
O processo de complexica c ao de um espa co vetorial real em tudo e semelhante
ao processo para construir os n umeros complexos a partir dos n umeros reais. Ilus-
tremos a constru c ao com um modelo.
Exemplo 11.1.1 O polin omio primo :
A
(t) = (t 1)
2
+ 1 1[t] e o polin omio
minimal do operador linear : 1
2
1
2
, (r, j) = (r j, r +j). Na constru c ao
que faremos, o operador complexicado de ser a naturalmente identicado com
o operador linear
c
: C
2
C
2
, (., n) = (. n, . + n). Note que o polin omio
minimal de
c
e igual ao polin omio minimal de , mas agora podemos fator a-lo em
um produto de polin omios lineares distintos, condi c ao suciente para diagonaliz a-
lo. Pretendemos utilizar essa propriedade de diagonaliza c ao para construir uma
decomposi c ao -cclica para o espa co. 2
Como conjunto, o complexicado \
c
de um espa co vetorial real \ e o produto
cartesiano \
c
= \ \ . Um elemento do complexicado e um par ordenado (n, )
179
180 CAP

ITULO 11. REPRESENTAC



AO CAN

ONICA (II)
mas que ser a escrito como n +i. Para equipar o conjunto \
c
com uma estrutura
de espa co vetorial complexo, denimos a adi c ao de vetores e a multiplica c ao de
um vertor por um escalar complexo pelas regras, respectivamente: se =
1
+i
2
e n = n
1
+in
2
s ao elementos de \
c
e +i C denimos

1
+i
2
+n
1
+in
2
= (
1
+n
1
) +i(
2
+n
2
),
( +i)(
1
+i
2
) = (
1

2
) +i(
1
+
2
).
O espa co vetorial complexo \
c
ser a chamado de complexicado de \ . Nessa con-
tru c ao \ ca canonicamente identicado com o subconjunto
\ =
1
+i
2
\
c
;
2
= 0,
que n ao e um subespa co complexo de \
c
mas e fechado em rela c ao ` a adi c ao de
vetores. Uma base ordenada = n
1
, n
2
, ..., n
n
de \ e naturalmente identicada
com um base ordenada de \
c
pois qualquer vetor n \
c
e escrito de maneira unica
como
n = .
1
n
1
+.
2
n
2
+ +.
n
n
n
com .
i
C.
Se cada escalar .
i
e real ent ao o vetor n pertence ` a \ . Logo, como espa co vetorial
complexo as dimensoes de \ e \
c
satisfazem a rela c ao
dim
C
\
c
= dim
R
\.
Denimos o complexicado do operador : \ \ como sendo o unico ope-
rador
c
: \
c
\
c
que coincide com no subconjunto \. Esse operador existe
pois como sabemos um operador e determinado pelos valores nos vetores de uma
base do espa co. Portanto, dada uma base ordenada = n
1
, n
2
, ..., n
n
do espa co
\ (que e tambem uma base de \
c
) consideramos o unico operador
c
tal que
[
c
]

= []

.
Em outras palavras,

c
(.
1
n
1
+.
2
n
2
+ +.
n
n
n
) = .
1
(n
1
) +.
2
(n
2
) + +.
n
(n
n
).
Dessas deni c oes segue que

c
(
1
+i
2
) = (
1
) +i(
2
)
e que \ e um subconjunto invariante por
c
pois a restri c ao ao conjunto \ e o
operador linear . Como o polin omio minimal de um operador e igual ao polin omio
minimal de qualquer representa c ao matricial conclumos que :
A
(t) = :
A
c
(t).
Conclusoes semelhantes valem para os polin omios caractersticos de e
c
, bem
como para os polin omios mnimos de um vetor \ \
c
relativos ao operador
original e ao operador complexicado. A igualdade dos polin omios e justicada
pela inclus ao natural 1[t] C[t].
Chamaremos a aplica c ao
11.2. ESPAC O A- SIMPLES 181
: \
c
\
c
, (
1
+i
2
) =
1
i
2
,
de conjuga c ao complexa em \
c
. Tal aplica c ao e quase linear, isto e,
(.) = ., para qualquer . C
e satisfaz a identidade
2
1d
V
c
. Note que o subconjunto \ \
c
e caracterizado
como sendo o subconjunto dos pontos xos de , isto e \ = \
c
; () = .
Segue das deni c oes a comutatividade
c
=
c
.
Exerccios propostos 11.1.1
1. Seja um operador num espa co vetorial real \ de dimensao nita.
a) O complexicado de
c
: \
c
\
c
e diagonalizavel o polinomio minimal de
e um produto de polinomios primos dois a dois distintos.
b) Se \ e um subespa co de \
c
entao (\) e tambem um subespa co.
c) Se \
c
= \
1
\
2
entao \
c
= (\
1
) (\
2
).
d) (
A
c
((n)) = ((
A
c
(n)).
11.2 Espaco A- simples
Voltemos a um dos objetivos desse captulo, estudar operadores lineares num
espa co vetorial \ de dimens ao nita sobre 1 cujo polin omio minimal e uma
potencia do polin omio primo j(t) = (t)
2
+
2
com 0. Observamos dois fatos.
Primeiro. As razes complexas desse polin omio primo s ao os escalares . = + i
e . = i. Segundo. O polin omio j(t) e o polin omio caracterstico da matriz
2 2 com entradas reais
1(, ) =
_


_
.
Iniciemos com o estudo do tipo mais simples de tais operadores lineares cujo
polin omio minimal e :
A
(t) = (t )
2
+
2
com 0.
Deni cao 11.2.1 Seja um operador linear num espaco vetorial real \ . Dire-
mos que \ e -simples se os unicos espacos invariantes s ao os subespacos o ou
\ .
Exerccio 11.2.1 Um espa co vetorial real \ de dimens ao 1 e -simples para
qualquer operador : \ \ . Prove essa arma c ao. 2
Existe uma forte restri c ao sobre a dimens ao de um espa co vetorial -simples.
182 CAP

ITULO 11. REPRESENTAC



AO CAN

ONICA (II)
Proposi cao 11.2.1 Seja um operador linear simples num espaco vetorial real
\ com dim\ 2. Se \ e -simples ent ao o espaco vetorial tem dimens ao dois e
seu polin omio minimal e um polin omio primo de grau dois,
:
A
(t) = (t )
2
+
2
com 0.
Em particular, o operador complexicado
c
: \
c
\
c
e diagonaliz avel.
Demonstra cao Observamos que \ e um espa co cclico pois se
0
\ e um vetor
n ao nulo entao ((
0
) e um subespa co n ao tivial invariante pelo operador, como \
e -simples, necessariamente teremos \ = ((
0
). Da conclumos que o polin omio
caracterstico do operador e igual ao seu polin omio minimal bem como e igual ao
polin omio minimal de qualquer vetor n ao nulo.
A fatora c ao prim aria do seu polin omio caracterstico e potencia de um unico
polin omio primo, isto e, j
A
(t) = j(t)
r
, de outro modo a decomposi c ao primaria de
\ teria mais de uma parcela contrariando a simplicidade. Examinemos o expoente
:. Suponhamos por absurdo que : 1. Sendo assim, o vetor n = j()(
0
) e n ao
nulo e o polin omio j(t)
r1
pertence ao ideal
w
, uma contradi c ao. Em resumo,
j
A
(t) e um polin omio primo. Note que seu grau n ao pode ser um pois neste
caso teramos = 1d implicando que o operador admitiria innitos subespa cos
invariantes contrariando novamente a simplicidade. A conclus ao da demonstra c ao
agora e direta. Como j
A
(t) 1[t] e um polin omio primo e n ao linear ent ao
j
A
(t) = :
A
(t) = (t )
2
+
2
, com 0. Logo, dim\ = p:onj
A
(t) = 2 como
desej avamos demonstrar. Finalmente, o complexicado
c
e diagonalizavel pois
j
A
c
(t) = j
A
(t) e esse polin omio fatora-se em C[t] como um produto de dois fatores
lineares distintos. 2
Exerccio 11.2.2 Demonstre a recproca da proposi c ao anterior. Se dim\ = 2 e
:
A
(t) = (t )
2
+
2
, ent ao \ e -simples. 2
Como sempre, vejamos uma representa c ao matricial can onica para um op-
erador quando espa co vetorial real e -simples de dimens ao dois. A constru c ao
da base ordenada feita na demonstra c ao da proposi c ao abaixo deve ser repetida
nos exemplos.
Proposi cao 11.2.2 Seja um operador linear num espaco vetorial real \ de
dimens ao dois com polin omio minimal :
A
(t) = (t )
2
+
2
, 0. Ent ao existe
uma base ordenada \ tal que
[]

=
_


_
.
11.2. ESPAC O A- SIMPLES 183
Demonstra cao Como sabemos, o polin omio minimal do complexicado
c
: \
\ e igual ao polin omio minimal de . Fatorando-se em C[t] obtemos
:
A
c
(t) = (t j)(t j) em que j = +i.
Por hip otese ,= 0, logo o operador
c
e diagonaliz avel. Escolhamos uma base
ordenada conveniente para os nossos prop ositos.
Primeiro, veriquemos que a conjuga c ao complexa aplica uma parcela prim aria
isomorcamente na outra,
: nc (
c
j1d
V
c
) nc (
c
j1d
V
c
)
Seja n
1
\
c
um autovetor associado ao autovalor j. Recordando que os oper-
adores
c
e comutam, calculemos,

c
((n
1
)) = (
c
(n
1
)) = (jn
1
) = j(n
1
).
Portanto, (n
1
) \

= nc (
c
j1d
V
c
). Isso implica que = n
1
, (n
1
) e uma
base ordenada de \
c
pois sua dimens ao e dois. Vamos assumir que n
1
= n
1
+i
1
,
O ponto principal da demonstra c ao e provar que o conjunto =
1
, n
1
(observe
a ordem) e uma base de \ . Note que um outro modo de descrever esta base e
utilizando a conjuga c ao complexa
=
1
2i
(n (n)) e n =
1
2
(n +(n)).
Esses dois vetores pertencem ao conjunto \ pois s ao pontos xos da conjuga c ao
complexa. Utilizando-se da independencia linear de n
1
e (n
1
) em \
c
mostramos
facilmente que
1
e n
1
s ao linearmente independentes sobre 1. Resta calcular a
representa c ao matricial []

. Pelas deni c oes temos que


jn
1
=
c
(n
1
) = (n
1
) +i(
1
).
De onde segue que
_
(
1
) =
1
+n
1
(n
1
) =
1
+n
1
.
Com isso, terminamos a demonstra c ao. 2
Exemplo 11.2.1 O polin omio caracterstico do operador linear : 1
2
1
2
,
(r, j) = (2r + 5j, r) e o polin omio primo j
A
(t) = (t 1)
2
+ 2
2
. Portanto,
seu polin omio minimal e esse mesmo polin omio. O complexicado do operador
e can onicamente identicado com o operador
c
: C
2
C
2
,
c
(., n) = (2. +
5n, .). Como o polin omio caracterstico fatora-se emC[t] num produto de fatores
lineares distintos,
j
A
c
(t) = (t (1 + 2i)) (t (1 2i)) ,
podemos diagonaliza-lo. Calculemos um autovetor do complexicado associado ao
184 CAP

ITULO 11. REPRESENTAC



AO CAN

ONICA (II)
autovalor j = 1 + 2i resolvendo o sistema linear
c
(., n) = (1 + 2i)(., n). Isto e,
_
2. + 5n = (1 + 2i)
. = (1 + 2i)n
.
Encontramos que o vetor (1 + 2i, 1) C
2
e um autovetor associado ` a j. Es-
colhendo para base ordenada de \ o conjunto = (2, 0), (1, 1) obtemos a
representa c ao construda na proposi c ao. Vejamos,
[]

= [1d]

[]

[1d]

=
1
2
_
1 1
0 2
_ _
2 5
1 0
_ _
2 1
0 1
_
=
_
1 2
2 1
_
. 2
11.3 Decomposicao cclica III
Teorema 11.3.1 (Teorema da decomposi cao cclica III) Seja um operador
linear num espa co vetorial real \ de dimens ao nita com polin omio mnimo :
A
(t) =
(t )
2
+
2
, 0. Ent ao existem vetores
1
,
2
, ...,
n
\ tais que
_
_
_
\ = ((
1
) ((
2
) ((
n
),
p:on(t )
2
+
2
= dim((
1
) = dim((
2
) = = dim((
n
).
Essa decomposic ao -cclica e dimensionalmente unica.
Demonstra cao Como j a vimos, o polin omio minimal do complexicado
c
: \
c

\
c
fatora-se em dois polon omios lineares distintos,
:
A
c
(t) = (t j)(t j) em que j = +i.
Sendo assim, a decomposi c ao prim aria de \
c
e uma soma direta de dois au-
toespa cos, \
c
= \

. Uma simples verica c ao, mostra que as restri c oes da


conjuga c ao complexa : \

e : \

est ao bem denidas. Na


verdade, essas duas aplica c oes s ao isomorsmos quase lineares. Portanto, dada
uma base ordenada = n
1
, n
2
, ..., n
n
do autoespa co \

, o conjunto de vetores
() = (n
1
), (n
2
), ..., (n
n
) e uma base ordenada do autoespa co \

. Tendo
em maos essas duas bases, consideremos a seguinte base ordenada de \
c
,
= n
1
, (n
1
)

n
2
, (n
2
)

n
n
, (n
n
).

E claro que \
c
= \
1
\
2
\
n
onde \
i
e o subespa co bidimensional gerado
pelo conjunto
i
= n
i
, (n
i
). Logo
dim
C
\
c
= 2n = dim
R
\.
Recordamos que cada \
i
e um subespa co invariante por pois (
i
) =
i
, como
tambem e invariante por
c
pois a base
i
e formada de autovetores do complexi-
cado. Finalmente, provemos que existe a decomposi c ao -cclica de \ .
11.3. DECOMPOSIC

AO C

ICLICA III 185


Iremos provar que \ = \
1
\
2
\
n
em que \
i
= \
i
\ . Inicialmente
observamos que \
i
e um espa co vetorial real pois se n, \
i
e 1, a combina c ao
linear n + pertence ao subespa co \
i
\
c
como tambem pertence ao conjunto
\ pois ele um espa co vetorial real. Note que os vetores

i
=
1
2i
(n
i
(n
i
)) e n
i
=
1
2
(n
i
+(n
i
))
s ao pontos xos da conjuga c ao complexa e pertencem ao subespa co \
i
\
c
,
portanto s ao vetores em \ . A independencia linear do conjunto
i
=
i
, n
i
sobre
1 e consequencia da indpendencia linear sobre C. Isso implica que dim
R
\
i
2.
Agora, como \
c
e uma soma direta dos \
i
s, a condi c ao
\
i
(\
1
\
2
\
i1
) = o
implica que vale a condi c ao
(\
i
\ ) ((\
1
\ ) + (\
2
\ ) + + (\
i1
\ )) = o.
Portanto temos uma soma direta \
1
\
2
\
n
\ . Para demonstrar que nessa
inclus ao vale a igualdade, calculemos as dimens oes lembrando que dim
R
\ 2,
2n = dim
C
\
c
= dim
R
\
n

i=1
dim
R
\
i
2n.
Da seguem as arma c oes: dim
R
\ = 2, o conjunto
i
=
i
, n
i
\
i
e uma base
e \ = \
1
\
2
\
n
. Por outro lado essa soma direta e invariante por
pois ela e invariante por
c
e o operador complexicado restrito ao subconjunto
\ \
c
coincide com o operador . Finalmente, a soma direta construda e uma
decomposi c ao cclica pois o polin omio mnimo de
i
e :
v
i
(t) = (t )
2
+
2
, 0
desde que ele divide :
A
(t). Como ((
i
) e um subespa co de dimens ao dois de um
espa co de mesma dimens ao, obtemos que \
i
= ((
i
). 2
Examinemos a quest ao da representa c ao matricial de um operador linear :
\ \ em que \ e um espa co vetorial real de dimens ao nita e o polin omio
minimal do operador e do tipo :
A
(t) = (t )
2
+
2
, com 0. Como vimos no
teorema acima, podemos obter vetores
1
,
2
, ...,
n
\ tais que
_
_
_
\ = ((
1
) ((
2
) ((
n
),
p:on(t )
2
+
2
= dim((
1
) = dim((
2
) = = dim((
n
).
Os geradores dos subespa cos -cclicos s ao elementos de uma base ordenada
i
=

i
, n
i
de ((
i
) e foram escolhidos utilizando a conjuga c ao complexa,

i
=
1
2i
(n
i
(n
i
)) e n
i
=
1
2
(n
i
+(n
i
)).
Para contruir uma representa c ao de , o fato principal a ser observado e que as
resti c oes
i
: ((
i
) ((
i
) denem uma estrutura de espa co -simples em ((
i
),
186 CAP

ITULO 11. REPRESENTAC



AO CAN

ONICA (II)
portanto, sem acrescentar outras informa c oes ` as j a utilizadas na constru c ao de uma
representa c ao can onica para um operador num espa co -simples feita na se c ao
anterior, podemos armar que naquela base ordenada
i
temos a representa c ao
matricial
[
i
]

i
=
_


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


i
para o operador ,
[]

= diop1(, ), 1(, ), ..., 1(, )


. .
n vezes
,
onde, recordamos, estamos utilizando a nota c ao
1(, ) =
_


_
.
Nas hip oteses do Teorema da decomposi c ao cclica III, a base obtida pela con-
stru c ao al descrita tambem ser a chamada de base de Jordan.
Exerccios propostos 11.3.1
1. Para cada item, determine uma base de Jordan para o operador : 1
3
1
3
e
represente-o nessa base.
a) (r, j, .) = (5r j, 2r + 3j + 10., r j);
b) (r, j, .) = (r +j, r +j, 4r 2j + 2.).
2. Seja um operador num espa co vetorial real \ de dimensao nita. Diremos que \
e -semi-simples quando \ = \
1
\
2
\
k
e cada parcela e -simples. Prove
as equivalencias.
a) \ e -semi-simples.
b) O polinomio minimal de e um produto de polinomios primos sem repeti c oes.
c) O complexicado
c
: \
c
\
c
e diagonalizavel.
11.4 Decomposicao cclica IV
Finalizando o nosso estudo de decomposi c oes cclicas apresentaremos o ultimo
caso cujas hip otese incluem as hip oteses de teorema anterior quando a potencia
do polin omio primo considerada foi : = 1.
11.4. DECOMPOSIC

AO C

ICLICA IV 187
Teorema 11.4.1 (Teorema da decomposi cao cclica IV) Seja um operador
linear no espa co vetorial real \ com polin omio minimal :
A
(t) =
_
(t )
2
+
2

r
com 0. Ent ao existem vetores
1
,
2
, ...,
n
\ tais que
_
_
_
\ = ((
1
) ((
2
) ((
n
),
p:on
_
(t )
2
+
2

r
= dim((
1
) dim((
2
) dim((
n
).
Essa decomposic ao -cclica e dimensionalmente unica.
Demonstra cao

E suciente demonstrar o teorema para o operador 1 : \ \ ,
1() = (1d) () cujo polin omio minimal e :
B
(t) = (t
2
+
2
)
r
desde que uma
decomposi c ao 1-cclica e uma decomposi c ao -cclica.
O polin omio minimal do complexicado 1
c
: \
c
\
c
fatora-se primariamente
em :
B
c
(t) = (t i)
r
(t +i)
r
. Logo,
\
c
= nc (1
c
1d
c
)
r
nc (1
c
+1d
c
)
r
e a decomposi c ao prim aria correspondente de \
c
. Pelo Teorema da decomposi c ao
cclica II podemos determinar vetores n
1
, n
2
, ..., n
n
nc (1
c
1d
c
)
r
tais que
_
_
_
nc (1
c
1d
c
)
r
= (
B
c
(n
1
) (
B
c
(n
2
) (
B
c
(n
n
),
: = dim
C
(
B
c
(n
1
) dim
C
(
B
c
(n
2
) dim
C
(
B
c
(n
n
).
A pr oxima etapa e mostrar que podemos transferir essa decomposi c ao para a
outra parcela via o isomorsmo quase linear , e obter a decomposi c ao
_
_
_
nc (1
c
+1d
c
)
r
= (
B
c
((n
1
)) (
B
c
((n
2
)) (
B
c
((n
n
)),
: = dim
C
(
B
c
((n
1
)) dim
C
(
B
c
((n
2
)) dim
C
(
B
c
((n
n
)),
em que
: nc (1
c
1d
c
)
r
nc (1
c
+1d
c
)
r
e a restri c ao do operador quase linear de conjuga c ao complexa : \
c
\
c
. De
fato, a restri c ao est a bem denida. Para demonstrar essa arma c ao utilizamos
a comutatividade 1
c
= 1
c
com a nalidade de obter indutivamente a
identidade funcional
(1
c
1d
c
)
s
= (1
c
+1d
c
)
s
, 0 : :.
Feito isso, para cada vetor n nc (1
c
1d
c
)
s
temos as implica c oes
(1
c
1d
c
)
s
(n) = 0 (1
c
1d
c
)
s
(n) = 0 (1
c
+1d
c
)
s
(n) = 0,
188 CAP

ITULO 11. REPRESENTAC



AO CAN

ONICA (II)
mostrando que (n) nc (1
c
+ 1d
c
)
s
. Como
2
1d
c
segue que aquela res-
tri c ao e um isomorsmo quase linear entre as parcelas da decomposi c ao prim aria de
\
c
. Sendo assim, preserva somas diretas e a decomposi c ao 1
c
-cclica da segunda
parcela da decomposi c ao prim aria est a construda, bastando apenas vericar que
((
B
c
(n
i
)) = (
B
c
((n
i
)) .
Mas, essa igualdade e conseq uencia da comutatividade dos operadores 1
c
e .
Para nalizar, resta mostrar que as desigualdades dimensionais s ao as mesmas.
Isso tambem e simples, pois o polin omio minimal do vetor n
i
e :
w
i
(t) = (t i)
s
se, e somente se, o polin omio minimal de (n
i
) e :
(w
i
)
= (t+i)
s
. Essa arma c ao
segue diretamente da f ormula indutiva vista acima.
Construda a decomposi c ao 1
c
-cclica do complexicado \
c
, passemos ` a con-
stru c ao da decomposi c ao 1-cclica do espa co vetorial real \ . Escolhamos o con-
junto de vetores
=
1
,
2
, ...,
n
, em que
i
=
1
2i
(n
i
(n
i
)) ,
para ser o conjunto de geradores das parcelas da decomposi c ao 1-cclica. Com
efeito. Note que o polin omio minimal de
i
e o produto dos polin omios mnimos
de n
i
e de seu conjugado complexo (n
i
),
:
v
i
(t) = (t i)
r
i
(t +i)
r
i
= (t
2
+
2
)
r
i
,
pois n
i
e (n
i
) s ao vetores de parcelas diferentes da decomposi c ao prim aria de \
c
.
Logo,
dim
R
(
B
(
i
) = dim
C
(
Bc
(n
i
) + dim
C
(
B
c
((n
i
)).
Como
i
e uma combina c ao linear de n
i
e (n
i
) e como o operador complexicado
1
c
restrito ao conjunto \ coincide com 1, temos a inclus ao
(
B
(
i
) (
B
c
(n
i
) (
B
c
((n
i
)).
Essa inclus ao implica na existencia da soma direta
\ (
B
(
1
) (
B
(
2
) (
B
(
n
).
Para mostrar que temos a igualdade e suciente um c alculo dimensional,
dim
R
\

dim
R
(
B
(
i
)
=

(dim
C
(
B
c
(n
i
) + dim
C
(
B
c
((n
i
)))
= dim
C
\
c
.
A igualdade dim
R
\ = dim
C
\
c
, implica que a dimens ao de \ e igual ` a soma das
dimensoes das parcelas (
B
(
i
), informa c ao suciente para conclurmos que
\ = (
B
(
1
) (
B
(
2
) (
B
(
n
).
11.4. DECOMPOSIC

AO C

ICLICA IV 189
A ordem decrescente das dimens oes e justicada pela igualdade
dim
R
(
B
(
i
) = dim
C
(
B
c
(n
i
) + dim
C
(
B
c
((n
i
)),
e pelas desigualdades dimensionais na decomposi c ao 1
c
-cclica de \
c
. A unicidade
dimensional segue do teorema correspondente. Isso encerra a demonstra c ao do
teorema. 2
Construiremos a seguir uma representa c ao matricial can onica para um op-
erador : \ \ satisfazendo as hip oteses do Teorema da decomposi c ao cclica
IV. Seguiremos ipsis litteris a nota c ao utilizada na demonstra c ao.
Para n ao sobrecarregar demasiadamente o texto iremos assumir que a decom-
posi c ao -cclica (e 1-cclica) obtida tem apenas uma parcela, isto e,
_
\ = (
B
(),
p:on:
B
(t) = dim
R
(
B
().
No caso geral os procedimentos seguidos para uma s ao os mesmos para todas
parcelas. Note que as condi c oes xadas sobre o n umero de parcelas pressup oem
que o operador complexicado 1
c
: \
c
\
c
determina uma decomposi c ao prim aria
cujas parcelas s ao 1
c
-cclicas.
\
c
= (
B
c
(n) (
B
c
((n)).
Dito de outra forma,
nc (1
c
i1d
c
)
r
= (
B
c
(n),
nc (1
c
+i1d
c
)
r
= (
B
c
((n)).
As restri c oes dimensionais sobre as parcelas 1
c
-cclicas cam sendo
: = dim
C
(
B
c
(n) = dim
C
(
B
c
((n)).
Feitas essas hip oteses, considere as bases de Jordan para cada parcela prim aria,

c
= n, (1
c
i)(n), ..., (1
c
i)
r1
(n) (
B
c
(n),
(
c
) = (n), (1
c
+i)((n)), ..., (1
c
+i)
r1
((n)) (
B
c
((n)).
Para os nossos prop ositos e mais conveniente reescrever os dois conjuntos ordenados
como

c
= n
o
, n
1
, ..., n
r1
e (
c
) = (n
o
), (n
1
), ..., (n
r1
).

E claro que uma igualdade entre os conjuntos ordenados signica que o primeiro
elemento n
0
= n, o segundo elemento n
1
= (1
c
i1d) (n), etc. A identidade
1
c
(1
c
i)
j
= (1
c
i)
j+1
+i(1
c
i)
j
190 CAP

ITULO 11. REPRESENTAC



AO CAN

ONICA (II)
avaliada no elemento n
0
fornece os seguintes valores nos vetores da base,
1
c
(n
j
) =
_
in
j
+n
j+1
se , = 1, 2, ..., : 2
in
r1
se , = : 1
,
e, de modo semelhante, obtemos que
1((n
j
)) =
_
i(n
j
) +(n
j+1
) se , = 1, 2, ..., : 2
i(n
r1
) se , = : 1
.
Tendo em maos essas bases construmos uma base ordenada de \ considerando o
conjunto ordenado
=
0
, n
0


1
, n
1


r1
, n
r1
,
onde os vetores s ao denido por

i
=
1
2i
(n
i
(n
i
)) e n
i
=
1
2
(n
i
+(n
i
)).
Os vetores
i
e n
i
s ao pontos xos da conjuga c ao complexa, logo pertencem ao
conjunto \ . Por outro lado a independencia linear de sobre C garante a inde-
pendencia linear de sobre 1. Como
dim
C
\
c
= 2: = dim
R
\,
necessariamente e uma base de \ . Essa base ser a chamada de base de Jordan.
Recordando que 1
c
coincide com 1 em \ , calculemos a representa c ao matricial
na base ordenada . Para , = 1, ..., : 2 temos os valores
1(
j
) =
1
2i
(1
c
(n
i
) 1
c
((n
i
)))
=
1
2i
(n
j+i
+in
j
(n
j+1
) +i(n
j
))
=
j+1
+n
j
,
e 1(
r1
) = n
r1
. Em resumo,
1(
j
) =
_
n
j
+
j+1
se , = 1, 2, ..., : 1
n
r1
se , = : 1
.
Do mesmo modo, calculamos que
1(n
j
) =
_

j
+n
j+1
se , = 1, 2, ..., : 1

r1
se , = : 1
.
Sendo assim, a representa c ao can onica de Jordan para o operador : \ \
ca sendo
[]

= [1]

+1,
mais explicitamente,
11.4. DECOMPOSIC

AO C

ICLICA IV 191
[1
c
]

=
_

_
0
0
1 0
0 1
0
0
1 0
0 1
0
0
1 0
0 1
0
0
_

_
.
Exerccios propostos 11.4.1
1. Mostre que todo operador num espa co vetorial \ de dimensao nita com dim\ 2,
admite um subespa co invariante de dimensao dois.
2. Mostre que todo operador num espa co vetorial e dimensao nita e a soma de um
operador diagonalizavel com um operador semi-simples que comutam.
3. Dado um operador linear num espa co vetorial \ . Diremos que \ e -irredutivel
(ou -indecomponvel) quando nao admite uma decomposi cao em soma direta in-
variante \ = \
1
\
2
com cada parcela invariante e nao trivial. Prove que todo
espa co -irredutvel e -cclico.
Captulo 12
Matrizes
O leitor familiarizado com os conceitos envolvendo matrizes, se desejar, pode dis-
pensar a leitura deste captulo. Aqu foram relacionadas todas as deni c oes e
propriedades que s ao utilizadas no texto. Uma matriz e um objeto matem atico
cuja existencia e independente do conceito de transforma c ao linear, embora pos-
sua uma rela c ao estreita com tais aplica c oes, matrizes tambem s ao largamente
utilizadas para c alculos em v arias areas Cientcas. Aqutambem os unicos corpos
considerados s ao o corpo dos n umeros complexos e o corpo dos n umeros reais.
12.1 Matrizes
Uma matriz : n com entradas no corpo 1
e uma sequencia de escalares = (o
ij
) com
o
ij
1 organizada na forma ao lado. Re-
sumiremos a apresenta c ao de uma matriz em
= [o
ij
]. O ndice i de o
ij
indica a linha na
qual a entrada encontra-se e o ndice , indica
a coluna.
=
_

_
o
11
o
12
o
1n
o
21
o
22
o
2n
.
.
.
.
.
.
.
.
.
o
m1
o
m2
o
mn
_

_
.
A nota c ao
i
indicar a a iesima matriz linha de , a matriz 1 n cujas
entradas s ao as entradas da i-esima linha de . Da mesma forma,
j
indicara a
,-esima matriz coluna de , a matriz : 1 formada pelas entradas da ,esima
coluna de . Mais claramente,

i
=
_
o
i1
o
i2
o
in

e
j
=
_

_
o
1j
o
2j
:
o
mj
_

_
.
Induzimos uma estrutura de espa co vetorial no conjunto das matrizes : n
com entradas em 1, conjunto este denotado por `(:n, 1), denido a adi c ao
192
12.1. MATRIZES 193
de matrizes e a multiplica c ao de uma matriz por um escalar, respectivamente por
+1 = [o
ij
+/
ij
],
= [o
ij
],
em que = [o
ij
], 1 = [/
ij
] `(: n, 1) e 1. O vetor nulo do espa co
e a matriz identicamente nula, isto e, a matriz com todas as entradas nulas, e
= [o
ij
]. Com esta estrutura `(: n, 1) torna-se um espa co vetorial de
dimensao :n. Chamaremos de base can onica ao conjunto = 1
11
, 1
12
, ..., 1
mn
,
onde 1
ij
denota a matriz cuja i,-esima entrada vale 1 e todas outras entradas s ao
nulas. A deni c ao da estrutura linear estabelece uma identica c ao natural entre o
corpo 1 como espa co vetorial sobre si mesmo e o espa co das matrizes 1 1 com
entradas em 1.
Deni cao 12.1.1 Seja = [o
ij
] `(:n, 1).
a) A transposta de e a matriz
t
= [o
t
ij
] `(n :, 1) em que o
t
ij
= o
ji
.
b) A adjunta de e a matriz

= [o

ij
] `(n :, 1) tal que o

ij
= o
ji
.
Note que a matriz transposta e a matriz adjunta de uma matriz :n e uma
matriz n : e quando o corpo com o qual estamos trabalhando e o corpo dos
n umeros reais e evidente que
t
=

.
Exemplo 12.1.1 Ilustraremos as ultimas deni c oes com alguns c alculos e nenhum
comentario. Considere as matrizes 2 3 com entradas complexas
=
_
0 1 1 +i
1 i 3 +i
_
e 1 =
_
2 i 0 4
3i 1 2
_
.
Seguindo as deni c oes temos
+1 =
_
2 i 1 5 +i
1 + 3i 1 +i 5 +i
_
, 2 =
_
0 2 2 + 2i
2 2i 6 + 2i
_
,

t
=
_
_
0 1
1 i
1 +i 3 +i
_
_
e

=
_
_
0 1
1 i
1 i 3 i
_
_
. 2
Dadas duas matrizes
= [o
ij
] `(:n, 1) e 1 = [/
ij
] `(n :, 1),
utilizamos o fato dos comprimentos das linhas de ser igual ao comprimento das
colunas de 1, para construir uma nova matriz 1 = [c
ij
] `(::, 1), chamada
de produto de por 1, uma matriz :: cujas entradas s ao denidas pela regra
194 CAP

ITULO 12. MATRIZES


c
ij
= o
i1
/
1j
+o
i2
/
2j
+ +o
in
/
nj
.
Exemplo 12.1.2 Efetuando o produto das seguintes matrizes 3 2 e 2 2
=
_
_
1 2
0 1
3 0
_
_
e 1 =
_
1 1
2 0
_
obtemos a matriz
1 =
_
_
1 1 + 2 2 1 1 + 2 0
0 1 1 2 0 1 1 0
3 1 + 0 2 3 1 + 0 0
_
_
=
_
_
5 1
2 0
3 3
_
_
.
Ressaltamos que n ao podemos efetuar o produto na ordem 1 e . 2
Exerccio 12.1.1 Quando for possvel efetuar as opera c oes, demonstre as seguintes
identidades matricias, onde , 1 e Q s ao matrizes com entradas no corpo 1.
a) (1 +Q) = 1 +Q.
b) (1 +Q) = 1 +Q.
c) (1)Q = (1Q).
d) ()1 = (1) = (1) para qualquer escalar 1.
Solu cao Ilustrando a tecnica de demonstra c ao provaremos o). Assumamos que
= [o
ij
] `(:n, 1) e que 1 = [/
ij
] , Q = [c
ij
] `(n :, 1).
Por deni c ao de soma de matrizes sabemos que
(1 +Q) = [d
ij
] e d
ij
=

n
k=1
o
ik
(/
kj
+c
kj
).
Desenvolvendo o ultimo somat orio temos as igualdades
d
ij
=

n
k=1
(o
ik
/
kj
+o
ik
c
kj
) =

n
k=1
o
ik
/
kj
+

n
k=1
o
ik
c
kj
.
Neste ultimo membro da igualdade, o primeiro somat orio e a i,-esima entrada
de 1 e o segundo somat orio e a i,-esima entrada de 1. Portanto temos que
(1 +Q) = 1 +Q. 2
Exemplo 12.1.3 Demonstremos a identidade matricial (1)
t
= 1
t

t
, em que
= [o
ij
] e 1 = [/
ij
] s ao matrizes : n e n :, respectivamente. Inicialmente
escrevamos o produto por 1,
1 = [c
ij
] com c
ij
= o
i1
/
1j
+o
i2
/
2j
+ +o
in
/
nj
.
12.2. MATRIZES QUADRADAS 195
Por deni c ao de transposta, valem as rela c oes
(1)
t
=
_
c
t
ij
_
onde c
t
ij
= c
ji
e c
ji
= o
j1
/
1i
+o
j2
/
2i
+ +o
jn
/
ni
.
Por outro lado, calculemos as entradas de 1
t

t
= [d
ij
],
d
ij
= /
t
i1
o
t
1j
+/
t
i2
o
t
2j
+ +/
t
in
o
t
nj
= /
1i
o
j1
+/
2i
o
j2
+ +/
ni
o
jn
= o
j1
/
1i
+o
j2
/
2i
+ +o
jn
/
ni
.
Portanto, c
t
ij
= d
ij
, como queramos demonstrar. 2
Recordamos que estamos indicando por
j
a ,-esima matriz coluna e por

i
a i-esima matriz linha de `(: n, K). O posto das colunas de e
denido como sendo a dimens ao do subespa co de `(:1, K) gerado pelas matrizes

1
,
2
, ...,
n
. Em outras palavras, o posto das colunas de e o n umero
maximo de colunas linearmente independentes. Da mesma forma denimos o posto
das linhas de como sendo a dimens ao do subespa co de `(1n, K) gerado pelas
matrizes
1
,
2
, ...,
m
. Na ultima se c ao do Captulo 3, existe a demonstra c ao
de uma propriedade, de certa forma, surpreendente: o posto das colunas e igual
ao posto das linhas.
Exerccios propostos 12.1.1
1. Verique que (
t
)
t
= e (

= para qualquer matriz `(:n, K).


2.

E possvel um produto de matrizes ser igual a matriz nula sem que um dos fatores
ser a matriz nula?
3. Prove que a aplica c ao : `(:n, K) `(n :, K), () =
t
, e um isomor-
smo linear. Qual a sua inversa?
4. Aplica c ao : `(:n, C) `(n :, C), () =

e um isomorsmo linear?
12.2 Matrizes quadradas
Uma matriz quadrada e uma matriz cujas linhas tem o mesmo comprimento das
colunas. Simplicaremos a nota c ao indicando o espa co vetorial das matrizes nn
por `(n, K). Estes espa cos vetorias s ao mais ricos em propriedades algebricas do
que os espa cos de matrizes n ao quadradas, a diferen ca ca por conta do produto
de matrizes. Ao efetuarmos um produto entre dois elementos de `(n, K) obtendo
uma outra matriz neste mesmo espa co. Observamos que o produto de matrizes e
196 CAP

ITULO 12. MATRIZES


n ao comutativo. Alem disso a forma quadrada da matriz permite destacar v arios
tipos especiais de matrizes, como veremos na sequencia.
A diagonal de uma matriz `(n, K) e
a subsequencia formada pelas ii-esimas en-
tradas, (o
11
, o
22
, ..., o
nn
). Diremos que e
uma matriz diagonal quando toda entrada
n ao pertencente `a diagonal principal tem o
valor zero. Esquematicamente uma matriz
diagonal tem a forma indicada ao lado.
=
_

_
o
11
0 0
0 o
22
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 o
nn
_

_
.
Algumas vezes indicaremos uma matriz diagonal de modo mais conciso,
= diopo
11
, o
22
, ..., o
nn
.
Um caso particular de matriz diagonal e a matriz identidade denotada por 1 e
denida como
1 =
_

_
1 0 0
0 1 0
.
.
.
0 0 1
_

_
.
Quando desejamos enfatizar o tamanho nn da matriz identidade utilizamos uma
indexa c ao do tipo 1
n
. Um outro modo pr atico de indicar a matriz identidade e
com o uso do delta de Kronecker,

ij
=
_
1 :c i = ,
0 :c i ,= ,
.
O delta de Kronecker permite-nos escrever a matriz identidade como 1
n
= [
ij
].
Exemplo 12.2.1 A matriz identidade 1
n
possui uma propriedade especial. Para
qualquer matriz quadrada n n, = [o
ij
], valem as identidades matriciais
1
n
= = 1
n

. A demonstra c ao desta arma c ao segue diretamente da deni c ao
de produto de matrizes. Provaremos apenas a igualdade 1
n
= , a segunda
igualdade e feita de modo an alogo. Escrevamos
1
n
= [c
ij
] em que c
ij
= o
i1

1j
+o
i2

2j
+ +o
in

nj
.
Observe que unica parcela n ao nula da soma que descreve c
ij
e exatamente quando
i = ,. Sendo assim, obtemos c
ij
= o
ij
, signicando que 1
n
= . 2
Deni cao 12.2.1 Uma matriz `(n, K) e invertvel, ou n ao singular, se
existir uma matriz 1 `(n, K) tal que 1 = 1
n
= 1. Quando existe, a matriz
1 e chamada de inversa de e denotada por
1
.
Exerccio 12.2.1 Mostre as arma c oes sobre matrizes quadradas invertveis.
12.2. MATRIZES QUADRADAS 197
a) Quando uma matriz quadrada tem inversa, a inversa e unica.
b) Se e 1 s ao invertveis, ent ao 1 e invertvel e (1)
1
= 1
1

1
.
c) Sejam e 1 duas matrizes n n. Prove que 1 = 1
n
1
n
= 1. 2
As arma c oes sobre determinantes contidas nesse par agrafo est ao demonstradas
no captulo seguinte. Faremos apenas um breve resumo dos fatos necessario para
o desenvolvimento do texto, antecipando um algoritmo para invers ao de matrizes.
Indicamos por

ij
a i,-esima matriz reduzida de `(n, K), isto signica que
a matriz

ij
e a matriz (n 1) (n 1) obtida de por supress ao da iesima
linha e da ,-esima coluna. A matriz dos cofatores de e a matriz n n denida
como
C
N
= [c
ij
] em que c
ij
= (1)
i+j
det

ij
.
A adjunta cl assica de a matriz tranposta da matriz dos cofatores, od,() = C
t
N
.
Um resultado bem conhecido da Teoria dos determinantes arma que
od,() = (det )1
n
= od,().
Da segue imediatamente a arma c ao
`(n, K) e invertvel se, e somente se, det ,= 0.
Mais ainda, a inversa de , se existe, e

1
=
1
det N
od, ().
Exerccio 12.2.2 Calcule a adjunta cl assica da matriz
=
_
o /
c d
_
. 2
Deni cao 12.2.2 Sejam , 1 `(n, K). Diremos que e conjugada ` a 1
quando existe uma matriz invertvel 1 `(n, K) tal que 1 = 1 1
1
.
Exerccios propostos 12.2.1
1. A ttulo de apresenta cao denimos varios subconjunto de `(n, K) que sao sub-
espa cos vetoriais, cujas verica coes carao aos cuidados do leitor. Calcule tambem
as dimensoes. Matrizes de traco nulo; Matrizes triangulares superiormente; Matrizes
triangulares inferiormente.
2. Calcule as potencias
i
, i = 0, 1, 2..., das matrizes.
o) =
_
_
0 o /
0 0 c
0 0 0
_
_
. /) =
_
o 0
0 /
_
. c) =
_
1 1
0 1
_
.
198 CAP

ITULO 12. MATRIZES


3. Prove que conjuga cao e uma rela cao de equivalencia em `(n, K).
4. Se e conjugada `a 1, demonstre que valem as arma coes.
a)
i
e conjugada `a 1
i
, para todo inteiro i 0.
b) Se e invertvel entao 1 e invertvel.
c) Se e invertvel entao
i
e conjugada `a 1
i
, para todo inteiro i Z.
5. Se `(n, K) e invertvel entao
t
e

sao invertveis. Explicite as inversas.


6. Por que o produto de matrizes nao induz uma estrutura de grupo em `(n, K)?
7. Considere a aplica cao : `(2, K) `(2, K), (1) = 1
0
,
onde
0
e a matriz ao lado. Mostre que e um operador linear
e calcule uma base para o n ucleo e uma para a imagem.
=
_
1 1
2 2
_
.
8. Seja
0
`(2, K) uma matriz invertvel. Verique que : `(2, K) `(2, K),
(1) = 1
0
, e um isomorsmo linear e explicite a sua inversa.
12.3 Matrizes normais
Embora a apresenta c ao de matrizes normais possa ser feita de forma unicada,
sem ressaltar o corpo com o qual estamos trabalhando, faremos a apresenta c ao,
primeiro para o corpo dos n umeros reais e depois para o corpo dos n umeros com-
plexos, deixando mais claras as diferen cas. Alem disso, como a nomenclatura ma-
tricial que utilizamos e cl assica, temos mais um motivo para separar as deni c oes.
Matrizes normais com entradas reais. Diz-se que uma matriz
`(n, 1) e chamada de matriz normal quando ela comuta com a sua transposta,

t
=
t
. Dentre as matrizes normais com entradas reais destacamos tres
tipos especiais, a saber:
a) matriz simetrica, se
t
= ;
b) matriz antisimetrica, se
t
= ;
c) matriz ortogonal, se
t
= 1
n
=
t
.
De fato e um exerccio elementar vericar que os tres tipos de matrizes acima
denidos s ao matrizes normais.
Matrizes normais com entradas complexas Uma matriz `(n, C) e
chamada de matriz normal quando ela comuta com a sua adjunta,

.
Dentre as matrizes normais com entradas complexas destacamos tres tipos:
a) matriz autoadjunta, se

= ;
12.3. MATRIZES NORMAIS 199
b) matriz antiadjunta, se

= ;
c) matriz unit aria, se

= 1
n
=

.
Exerccios propostos 12.3.1
1. Verique que os seguintes conjuntos sao subespa cos e calcule as dimensoes.
a) Matrizes simetricas: o = `(n, 1);
t
= ;
b) Matrizes antisimetricas: /o = `(n, 1);
t
= ;
c) Matrizes autoadjuntas: /

= `(n, C);

= ;
d) Matrizes antiadjuntas: //

= `(n, C);

= .
2. O conjunto das matrizes ortogonais n n e um subespa co de `(n, K)?
3. Descreva todas as matrizes ortogonais Q `(2, 1).
4. Classique as matrizes normais com entradas complexas.
o) =
_
0 i
i 0
_
. /) =
_
cos :cn
:cn cos
_
.
c) =
_
_
1 3 1
3 0 5
1 5 7
_
_
. d) =
_
_
2 3 +i 1
3 i 6 5 2i
1 5 + 2i 7
_
_
.
5. Dadas duas matrizes , 1 `(n, 1), verique as arma coes.
a)
t
e uma matriz simetrica.
b) 1 1
t

t
e uma matriz anti-simetrica.
c) Se e normal entao todas as potencias positivas de sao normais.
6. Prove que o produto de matrizes induz uma estrutura de grupo nos conjuntos.
a) O(n, 1) = Q `(n, 1); QQ
t
= 1
n
= Q
t
Q.
b) l(n, C) = l `(n, C); ll

= 1
n
= l

l.
7. Demonstre que `(n, C) decompoe-se numa soma direta na qual uma das parcelas
e o espa co da matrizes auto-adjuntas e a outra parcela e o espa co das matrizes
anti-adjuntas. Enuncie e demonstre uma arma cao analoga para `(n, 1).
200 CAP

ITULO 12. MATRIZES


12.4 Apendice: Grupos, aneis e corpos
Para comodidade do leitor, apresentaremos sem detalhes algumas estruturas alge-
bricas utilizadas no texto. Maiores informa c oes podem ser obtidas consultando-se
um livro de

Algebra.
Deni cao 12.4.1 Um conjunto G e dito ser um grupo se existe uma opera c ao
bin aria GG G, (r, j) r.j, chamada de produto, satisfazendo os axiomas:
1. existe um elemento c G, chamado de identidade, tal que cr = r = rc para
qualquer r G;
2. a operac ao e associativa: (r.j).. = r.(j..) para quaisquer r, j, . G;
3. para cada r G existe um elemento r
1
G, chamado de inverso de r, tal
que r.r
1
= c = r
1
.r.
Num grupo s o existe uma unica identidade, bem como cada elemento s o admite
um unico inverso. Um subconjunto H de um grupo G e dito ser um subgrupo
quando ele satisfaz os axiomas da estrutura de grupo em rela c ao ` a opera c ao bin aria
induzida por restri c ao. Diremos que um grupo G e comutativo (ou Abeliano)
quando r.j = j.r para quaisquer r, j G. Neste caso, muitas vezes a opera c ao
bin aria e denotada pelo sinal de +, o elemento identidade pelo dgito 0, sendo
chamado de zero, e o elemento inverso de r e indicado por r.
Diremos que uma aplica c ao entre grupos, : G 1, e um homomorsmo
quando (r.j) = (r).(j), para quaisquer r, j G. Um homomorismo injetor e
sobrejetor e chamado de isomorsmo. O n ucleo de um homomorsmo de grupos,
nc = r G; (r) = c, e um subgrupo de G e e injetor se, e somente se, o
n ucleo e trivial.
Uma permutac ao do conjunto 1, 2, ..., n e uma aplica c ao injetora (e sobreje-
tora), : 1, 2, ..., n 1, 2, ..., n. Denotamos por o
n
o conjunto de todas as
permuta c oes desse conjunto. A composi c ao de fun c oes induz uma estrutura de
grupo em o
n
na qual o elemento identidade e a aplica c ao identidade e o inverso de
e a sua fun c ao inversa. Uma transposic ao e uma permuta c ao que troca apenas
dois elementos de 1, 2, ..., n deixando os outros xos. Um resultado b asico da
Teoria de grupos nos diz que toda permuta c ao e um produto de transposi c oes n ao
necessariamente de maneira unica. Entretanto, uma permuta c ao e um produto de
um n umero par de transposi c oes ou um de n umero mpar, exclusivamente. Essa
propriedade permite denir um homomorsmo de grupos
sin : o
n
Z
2
, sin() = (1)
k()
,
onde /() e um n umero de transposi c oes utilizadas para descrever .
12.4. AP

ENDICE: GRUPOS, AN

EIS E CORPOS 201


Deni cao 12.4.2 Um anel comutativo com identidade e um conjunto n ao vazio
K no qual est ao denidas duas operac oes bin arias
KK K, (r, j) r +j,
KK K, (r, j) r.j,
chamadas de adi c ao e multiplicac ao, respectivamente, satisfazendo os seguintes
axiomas para quaisquer r, j, . K:
1. K e um grupo comutativo com relac ao ` a operac ao de adic ao;
2. a multiplicac ao satisfaz as prorpiedades:
a) existe um elemento 1 K tal que 1.r = r;
b) e comutativa: r.j = j.r;
c) e associativa: r.(j..) = (r.j)..;
3. a adi c ao e a multiplicac ao s ao distributivas: r.(j +.) = r.j +r...
Deni cao 12.4.3 Seja K um anel comutativo com identidade. Um subconjunto
K e chamado de ideal quando
1. e um subgrupo de K com relac ao ` a operac ao de adic ao;
2. se r e j K, ent ao r.j .
Deni cao 12.4.4 Um anel comutativo com identidade K e chamado de corpo
quando para qualquer r K distinto de zero existe um elemento r
1
K denom-
inado de inverso multiplicativo de r, tal que r.r
1
= 1.
Alem dos corpos dos n umeros reais e dos n umeros complexos, os unicos aneis
considerados nesse texto s ao os aneis dos polin omios com coecientes em um daque-
les corpos.
Deni cao 12.4.5 Sejam K e ' dois corpos. Uma aplicac ao : K ' e um
isomorsmo de corpos se para quaisquer r, j K a aplicac ao satisfaz as condic oes:
1. (r +j) = (r) + (j);
2. (r.j) = (r).(j);
3. e injetora e sobrejetora.
Captulo 13
Determinantes
Esse e um captulo complementar. Novamente, se o leitor est a familiarizado com
a teoria pode dispensar a leitura. A partir desse momento, a menos que seja dito
o contrario, indicaremos por K um anel comutativo com identidade. Esta escolha
tem uma explica c ao. Estamos interessados em apresentar a teoria de determinates
tanto para matrizes cujas entradas s ao elementos de um corpo quanto para matrizes
cujas entradas s ao polin omios. A demonstra c ao da existencia do determinante e
indutiva e a apresenta c ao escolhida est a baseada num elegante tratamento dado
por Artin [1] e detalhado com muita simplicidade por Lang [11].
13.1 Determinante
Deniremos determinante como uma aplica c ao de um espa co de matrizes quadradas
com entradas no anel K tomando valores neste mesmo anel, det : `(n, K) K,
possuindo algumas propriedades que ser ao especicadas nos pr oximos par agrafos.
Com o prop osito de recordar apresentemos tres exemplos.
Exemplo 13.1.1 1) Considerando a identica c ao natural entre as matrizes 1 1
e o anel das entradas K, denimos o determinante de um escalar como sendo o
pr oprio escalar.
2) Para matrizes 2 2 denimos a aplica c ao det : `(2, K) K pela regra
det
_
o
11
o
12
o
21
o
22
_
= o
11
o
22
o
12
o
21
.
Verica-se diretamente da deni c ao as seguintes propriedades, onde K.
a) det 1
2
= 1;
b) det
_
o
11
o
12
o
21
o
22
_
= 0, se as colunas
1
e
2
s ao iguais;
202
13.1. DETERMINANTE 203
c) det
_
o
11
+/
11
o
12
o
21
+/
21
o
22
_
= det
_
o
11
o
12
o
21
o
22
_
+det
_
/
11
o
12
/
21
o
22
_
;
d) det
_
o
11
o
12
+/
12
o
21
o
22
+/
22
_
= det
_
o
11
o
12
o
21
o
22
_
+det
_
o
11
/
12
o
21
/
22
_
.
As identidades c) e d) dizem que o determinante como uma aplica c ao das duas
matrizes colunas possui as propriedades de uma transforma c ao linear ao xarmos
uma das colunas. Essa lista de propriedades ser a utilizada para dernirmos a
aplica c ao determinante num espa co vetorial de matrizes quadradas n n.
3) Recordemos a deni c ao de determinante de uma matriz 3 3. A regra que
apresentaremos ser a generalizada para demonstrar indutivamente a existencia de
um determinante no espa co das matrizes n n. Dena det : `(3, K) K pela
regra conhecida como desenvolvimento de Laplace por uma linha, que no nosso
caso ser a o desenvolvimento pela primeira linha,
det
_
_
o
11
o
12
o
13
o
21
o
22
o
23
o
31
o
32
o
33
_
_
= o
11
det
_
o
22
o
23
o
32
o
33
_
o
12
det
_
o
21
o
23
o
31
o
33
_
+o
13
det
_
o
21
o
22
o
31
o
32
_
.
Verica-se diretamente que essa aplica c ao possui as mesmas propriedades: a) o
determinante da matriz identidade 3 3 tem o valor 1; b) quando duas colunas
adjacentes s ao iguais, o determinante da matriz e nulo; c) e d) o determinante e
uma aplica c ao linear numa coluna quando xamos as outras colunas. 2
Exerccios propostos 13.1.1
1. Calcule os determinantes das matrizes com entradas complexas.
o) =
_
2 2
4 1
_
. /) =
_
_
i 0 2i
1 3 1
i 2 0
_
_
. c) =
_
_
1 3 4
1 1 0
1 2 1
_
_
.
2. Calcule os determinates das matrizes com entradas em 1[t].
o) =
_
3t 1 t 1
t + 1 t 1
_
. /) =
_
_
1 0 0
t 1 0
t t 1
_
_
.
204 CAP

ITULO 13. DETERMINANTES


13.2 Denicao
Recordamos que dada uma matriz = [o
ij
] `(n, K) estamos indicando por

j
a ,-esima matriz coluna de . Ao escrevermos =
_

1
,
2
, ...,
n
_
car a
subentendido a identica c ao de com um elemento do produto direto
`(n 1, K) `(n 1, K) `(n 1, K)
. .
n vezes
,
via o isomorsmo linear natural existente entre o espa co `(n, K) e esse produto
direto. Quando for conveniente trocaremos de nota c ao sem mais explica c oes.
Deni cao 13.2.1 Diz-se que uma aplicac ao T : `(n, K) K e um determinante
se possuir as seguintes propriedades:
1. T(1
n
) = 1;
2. T(
1
, ...,
j
,
j+1
, ...,
n
) = 0 se
j
=
j+1
para algum ,.
3. T(
1
, ...,
j
+1, ...,
n
) = T(
1
, ...,
j1
,
j
,
j+1
, ...,
n
)+
. T(
1
, ...,
j1
, 1,
j+1
, ...,
n
),
para qualquer matriz coluna 1 `(n 1, K) e qualquer K.
Posteriormente demonstraremos que para cada espa co `(n, K) existe uma unica
aplica c ao satisfazendo essas tres condi c oes. Antes vejamos algumas propriedades
conhecidadas sobre o c alculo de determinantes que s ao consequencias da deni c ao.
Proposi cao 13.2.1 Suponha que exista uma aplicac ao T : `(n, K) K seja um
determinante. Seja `(n, K). Ent ao valem as armac oes.
1. Se uma coluna de e nula ent ao T() = 0.
2. O determinante troca de sinal quando duas colunas adjacentes s ao permu-
tadas.
3. Quando duas colunas de s ao iguais, o seu determinante e nulo.
4. Se 1 e uma matriz obtida somando-se a uma coluna de uma combina c ao
linear de outras colunas, ent ao T(1) = T().
5. Se uma coluna de e uma combinac ao linear de outras colunas ent ao
T() = 0.
13.2. DEFINIC

AO 205
Demonstra cao 1. Suponha que = (
1
, ...,
j1
, [0] ,
j+1
, ...,
n
). Seguem
da deni c ao as igualdades,
T() = T(
1
, ...,
j1
, [0] + [0] ,
j+1
, ...,
n
) = 2T().
De onde obtemos que T() = 0.
2. Observamos que T(
1
, ...,
j
+
j+1
,
j
+
j+1
, ...,
n
) = 0 pois duas
colunas s ao iguais. Ao desenvolvermos esse determinante obtemos apenas duas
parcelas, quais sejam
0 = T(
1
, ...,
j
,
j+1
, ...,
n
) +T(
1
, ...,
j+1
,
j
, ...,
n
),
demonstrando a arma c ao 2.
3. Suponha que as as colunas
j
1
e
j
2
da matriz s ao iguais. Com uma
sequencia de transposi c ao de colunas e possvel colocar essas duas colunas iguais
em posi c oes adjacentes. Pelo item anterior, o determinante da matriz 1 obtida
no nal das transposi c oes difere do determinante de possivelmente por sinal.
Como T(1) = 0, ent ao T() = 0.
4. Fixemos a coluna
j
0
da matriz =
_

1
,
2
, ...,
n
_
e escolhamos :
escalares o
j
1
, o
j
2
, ..., o
j
r
K indexados por inteiros satisfazendo as condi c oes 1
,
s
n e ,
s
,= ,
0
. Consideremos a matriz
1 =
_

1
, ...,
j
0
1
,
j
0
+

r
s=1
o
j
s

j
s
,
j
0
+1
, ...,
n
_
.
Avaliando-se o determinante de 1, levando-se em considera c ao a propriedade d3,
temos que
T(1) = T() +

r
s=1
o
j
s
T(
1
, ...,
j
0
1
,
j
s
,
j
0
+1
, ...,
n
).
Examinemos as parcelas do somat orio. Como a matriz coluna
j
s
em cada parcela
e igual a uma outra matriz coluna, pelo item anterior, conclumos que o determi-
nante de cada parcela e nulo, portanto T(1) = T().
5. Vamos assumir que a coluna
j
da matriz =
_

1
,
2
, ...,
n
_
e uma
combina c ao linear de outras colunas. Para anular a coluna
j
basta somar uma
combina c ao linear conveniente das outras colunas, obtendo uma matriz na forma
1 =
_

1
, ..., [0] , ...,
n
_
. Por itens anteriores segue que T() = T(1) = 0. 2
Exerccios propostos 13.2.1
1. Justique o valor zero para o determinante das matrizes.
o) =
_
_
1 3 1
2 0 2
1 2 1
_
_
. /) =
_
_
2 1 3
1 3 2
1 3 4
_
_
. c) =
_
_
1 0 2
3 0 1
1 0 2
_
_
.
206 CAP

ITULO 13. DETERMINANTES


13.3 Existencia
Para construir um determinante det : `(n, K) K necessitaremos de algumas
nota c oes. Denotaremos por

ij
a matriz (n 1) (n 1) obtida de = [o
ij
]
`(n, K) por supress ao da i-esima linha e da ,-esima coluna. Chamaremos

ij
de
i,-esima matriz reduzida de . Recordando a deni c ao de determinante de uma
matriz = [o
ij
] `(3, K), e possvel reescrever aquela f ormula utilizando-se as
matrizes reduzidas,
det
_
_
o
11
o
12
o
13
o
21
o
22
o
23
o
31
o
32
o
33
_
_
= o
11
det

11
o
12
det

12
+o
13
det

13
.
Proposi cao 13.3.1 Para cada inteiro n 0 existe um determinente no espa co
das matrizes n n.
Demonstra cao Como foi comentado anteriormente a demonstra c ao da existencia
de um determinante para cada inteiro positivo n e indutiva. J a sabemos que
existem determinantes em `(1, K), `(2, K) e `(3, K). Vamos supor por indu c ao
que ja tenhamos mostrado a existencia de um determinante em cada espa co vetorial
`(:, K), 1 : n 1 Dena uma aplica c ao det : `(n, K) K pela regra
conhecida como desenvolvimento de Laplace pela primeira linha,
det [] = (1)
1+1
o
11
det

11
+ (1)
1+2
o
12
det

12
+ + (1)
1+n
o
1n
det

1n
.
Mostremos que esta aplica c ao e um determinante.
1. Se 1
n
= [
ij
] e a matriz identidade n n, e evidente que 1

11
e a matriz
identidade (n 1) (n 1). Portanto,
det 1
n
= (1)
1+1

11
det 1

11
+ (1)
1+2

12
det 1

12
+ + (1)
1+n

1n
det 1

1n
= det 1

11
= det 1
n1
.
Logo, det 1
n
= 1, desde que por hip otese de indu c ao temos que det 1
n1
= 1.
2. Suponha que as coluna
j
0
e
j
0
+1
da matriz = [o
ij
] `(n, K) sejam
iguais. Sendo assim, se K ,= ,
0
as 1/-esimas matrizes reduzidas de possuem
duas colunas iguais, implicando por hip otese de indu c ao que
det = (1)
1+1
o
11
det

11
+ (1)
1+2
o
12
det

12
+ + (1)
1+n
o
1n
det

1n
= (1)
1+j
0
o
1j
0
det

1j
0
+ (1)
1+j
0
+1
o
1 j
0
+1
det

1 j
0
+1
.
A igualdades entre as colunas
j
0
e
j
0
+1
implica na igualdade entre as entradas
o
1j
0
e o
1 j
0
+1
e na igualdade das matrizes reduzidas

1j
0
e

1 j
0
+1
. Examinado-se
os expoentes (1)
1+j
0
e (1)
1+j
0
+1
na ultima equa c ao conclumos que det = 0.
13.4. UNICIDADE 207
3. Mostremos a multilinearidade da aplica c ao det : `(n, K) K. Dados um
escalar K, uma matriz = [o
ij
] `(n, K) e a matriz coluna 1
j
0
= [/
ij
0
]
`(n 1, K), calculemos o determinante de
Q = [c
ij
] =
_

1
, ...,
j
0
+1
j
0
, ...,
n
_
.
Para isto, identiquemos as parcelas das matrizes reduzidas de Q utilizando a
nota c ao 1 =
_
[0], ..., [0], 1
j
0
, [0], ..., [0]
_
. Sendo assim, temos as matrizes
Q

1k
=

1k
+1

1k
se / ,= ,
0
,
Q

1j
0
=

1j
0
.
A hip otese de indu c ao sobre a multilinearidade do determinante para matrizes
(n 1) (n 1) justica as igualdades
det Q =
n

k=1
(1)
1+k
c
1k
det Q

1k
=
_
_
_
k=j
0

k=1,n
(1)
1+k
o
1k
det
_

1k
+1

1k
_
_
_
_
+ (1)
1+j
0
(o
1j
0
+/
1j
0
) det

1j
0
=
_
n

k=1
(1)
1+k
o
1k
det

1k
_
+det
_

1
, ..., 1
j
0
, ...,
n
_
= det +det
_

1
, ..., 1
j
0
, ...,
n
_
,
como queramos demonstrar. 2
Exerccios propostos 13.3.1
1. Calcule o determinante das matrizes.
o) =
_

_
1 0 0 1
2 1 1 0
0 2 0 4
1 0 2 0
_

_
. /) =
_
_
1 2 3
1 2 1
1 0 1
_
_
.
2. Mostre a identidade
det
_
_
1 r r
2
1 j j
2
1 . .
2
_
_
= (r j)(j .)(. r).
13.4 Unicidade
Para mostrar a unicidade do determinante nas matrizes quadradas nn utilizare-
mos o grupo das permuta c oes de um conjunto com n elementos. Caso o leitor
deseje rever as propriedades deste grupo indicamos o Apendice no nal do texto.
208 CAP

ITULO 13. DETERMINANTES


Proposi cao 13.4.1 Um determinante T : `(n, K) K pode ser descrito por
T(
1
,
2
, ...,
n
) =

sin()o
(1),1
o
(2),2
...o
(n),n
,
em que = [o
ij
], o somat orio e feito sobre todas as permutac oes dos inteiros
1, 2, ..., n e :in() e o sinal da permutac ao. Essa express ao s o depende das
propriedades listadas na Denic ao de determinante. Em consequencia, existe um,
e somente um, determinante denido em cada espaco `(n, K).
Demonstra cao Fixemos a seguinte nota c ao matricial,
1
j
=
_

_
0
.
1
.
0
_

_
i-esima linha.
Note que as colunas da matriz s ao combina c oes lineares dessas matrizes,

1
= o
11
1
1
+o
21
1
2
+ +o
n1
1
n
,

2
= o
12
1
1
+o
22
1
2
+ +o
n2
1
n
,

n
= o
1n
1
1
+o
2n
1
2
+ +o
nn
1
n
.
Utilizando as propriedades listadas na deni c ao de determinante, o valor de T()
pode ser escrito como
T(
1
,
2
, ...,
n
) =

T
_
o
(1),1
1
(1)
, o
(2),2
1
(2)
, ..., o
(n),n
1
(n)
_
=

o
(1),1
o
(2),2
...o
(n),n
T
_
1
(1)
, 1
(2)
, ..., 1
(n)
_
Como a matriz 1

=
_
1
(1)
, 1
(2)
, ..., 1
(n)
_
e obtida da matriz identidade, 1
n
=
_
1
1
, 1
2
, ..., 1
n
_
, por uma sequencia de transposi c oes de duas colunas adjacentes e
cada transposi c ao de duas colunas adjacentes troca apenas o sinal do determinate
mas n ao o seu valor absoluto, no nal do processo se tivermos realizado /()
transposi c oes teremos o valor
T
_
1
(1)
, 1
(2)
, ..., 1
(n)
_
= (1)
k()
T
_
1
1
, 1
2
, ..., 1
n
_
= (1)
k()
T(1
n
)
= sin().
Logo, um determinante T : `(n, K) K e descrito pela express ao
13.5. PROPRIEDADES 209
T(
1
,
2
, ...,
n
) =

sin()o
(1),1
o
(2),2
...o
(n),n
.
Como essa express ao s o depende das propiedades de determinante, ca estabelecida
a unicidade, pois a existencia j a foi exibida na se c ao anterior. 2
Exerccios propostos 13.4.1
1. Demonstre utilizando indu cao sobre n que o determinante de uma matriz triangular
superiormente e o produto das entradas da diagonal.
2. Dena indutivamente a aplica cao

det : `(n, K) K por

det [] = (1)
i+1
o
i1

det

i1
+ (1)
i+2
o
i2

det

i2
+ + (1)
i+n
o
in

det

in
.
(desenvolvimento de Laplace pela i-esima linha). Prove que essa aplica c ao e um
determinante e conclua que det =

det.
3. Uma aplica c ao / : `(n, K) K e chamada de n-linear alternada se possue as
propriedades,
|o.1 /(
1
, ...,
j
,
j+1
, ...,
n
) = 0, se
j
=
j+1
para algum ,.
|o.2 /(
1
, ...,
j
+1, ...,
n
) = /(
1
, ...,
j1
,
j
,
j+1
, ...,
n
)
. +/(
1
, ...,
j1
, 1,
j+1
, ...,
n
),
para qualquer matriz coluna 1 `(n 1, K) e qualquer K.
Mostre que /() = /(1
n
) det().
13.5 Propriedades
Veremos agora algumas propriedades sobre determinantes que s ao muito conheci-
das. Iniciaremos mostrando que o determinante da transposta de uma matriz
= [o
ij
] `(n, K) e igual ao determinante de .
Proposi cao 13.5.1 Vale a igualdade det = det
t
.
Demonstra cao Como sabemos, o determinante da matriz = [o
ij
] e calculado
pela somatorio
det =

sin()o
(1),1
o
(2),2
...o
(n),n
,
somatorio e feito sobre todas as permuta c oes do conjunto 1, 2, ..., n. Se
1
e a
permuta c ao inversa de e (i) = , ent ao o
(i),i
= o
j,
1
(j)
. Portanto, valem as
igualdades dos produtos
o
(1),1
o
(2),2
...o
(n),n
= o
1,
1
(1)
o
2,
1
(2)
...o
n,
1
(n)
.
210 CAP

ITULO 13. DETERMINANTES


Desde que o sinal de uma permuta c ao e igual ao sinal de sua permuta c ao inversa
podemos escrever
det =

1
sin(
1
)o
1,
1
(1)
o
2,
1
(2)
...o
n,
1
(n)
=

sin()o
1,(1)
o
2,(2)
...o
n,(n)
= det
t
,
como desej avamos provar. 2
O determinante do produto e o produto dos determinantes. Sejam , 1
`(n, K).
Proposi cao 13.5.2 det 1 = det det 1.
Demonstra cao Utilizaremos as nota c oes = [o
ij
], 1 = [/
ij
] e Q = 1 = [c
ij
]. A
,esima matriz coluna da matriz produto Q e uma combina c ao linear das colunas
de cujos coecientes s ao as entradas de 1, mais precisamente
Q
j
= /
1j

1
+/
2j

2
+ +/
nj

n
.
Avaliemos o determinante do produto levando em considera c ao essa combina c ao
linear,
det 1 = det
_
Q
1
, Q
2
, ..., Q
n
_
= det
_
n

k=1
/
k1

k
, ...,
n

k=1
/
kn

k
_
=

det
_
/
(1),1

(1)
, /
(2),2

(2)
, ..., /
(n),n

(n)
_
=

/
(1),1
/
(2),2
.../
(n),n
det
_

(1)
,
(2)
, ...,
(n)
_
.
A matriz =
_

(1)
,
(2)
, ...,
(n)
_
e obtida da matriz =
_

1
,
2
, ...,
n
_
por uma sequencia de transposi c oes de duas colunas adjacentes. Como cada trans-
posi c ao de duas colunas adjacentes troca o sinal do determinante, no nal do
processo se tivermos realizado /() transposi c oes obteremos o resultado
det
_

(1)
,
(2)
, ...,
(n)
_
= (1)
k()
det
_

1
,
2
, ...,
n
_
.
Finalmente, como sin() = (1)
k()
, obtemos
det 1 =

/
(1),1
/
(2),2
.../
(n),n
det
_

1
,
2
, ...,
n
_
= det det 1. 2
13.6. ADJUNTA CL

ASSICA 211
Exerccios propostos 13.5.1
1. Mostre que o determinante de uma matriz 3 3, = [o
ij
], tem a forma:
det = o
11
o
22
o
33
+o
21
o
32
o
13
+o
12
o
23
o
31
o
13
o
21
o
32
o
12
o
23
o
31
o
13
o
22
o
31
.
2. Demonstre as seguintes arma coes sobre uma matriz `(n, K).
a) Se duas linhas de sao iguais entao det = 0.
b) Se 1 e obtida de adicionando-se a uma linha de uma combina capo linear
de outras linhas entao det 1 = det .
3. Demonstre que o determinante de uma matriz = [o
ij
] `(n, K) tambem pode
ser calculado com o desenvolvimento de Laplace pela ,-esima coluna,
det [] = (1)
1+j
o
1j
det

1j
+ (1)
2+j
o
2j
det

2j
+ + (1)
n+j
o
nj
det

nj
.
4. Sejam K um corpo e : K
n
K
n
um operador linear. Se
1
,
2
, ...,
n
e uma
cole c ao de n vetores em K
n
demonstre a formula a seguir, em que e uma base
ordenada de K
n
,
det ([(
1
)]

, [(
2
)]

, ..., [(
2
)]

) = det[]

([
1
]

, [
2
]

, ..., [
2
]

) .
13.6 Adjunta classica
Apresentaremos um algoritmo envolvendo as i,-esimas matrizes reduzidas de uma
matriz = [o
ij
] `(n, K) cuja consequencia e uma f ormula que explicita quando
uma matriz quadrada com entradas num anel K admite uma inversa e deixa claro
como devemos construir a inversa de uma matriz, caso exista.
O i,-esimo cofator da matriz = [o
ij
] e o elemento de K denido como
c
ij
= (1)
i+j
det

ij
,
e a adjunta cl assica de e a matriz transposta da matriz dos cofatores,
od,() = [c
ij
]
t
.
Exemplo 13.6.1 Calculemos a adjunta cl assica da matriz com entradas em
1[t],
=
_
_
1 t 0
t 1 t
2
t + 1
1 0 2
_
_
.
Para isso, calculemos os cofatores e formemos a matriz
od,() =
_
_
det

11
det

21
det

31
det

12
det

22
det

32
det

13
det

23
det

33
_
_
=
_
_
2t
2
2t t
2
+t
1 3t 2 t 1
t
2
t t
_
_
.2
212 CAP

ITULO 13. DETERMINANTES


Exerccio 13.6.1 Verique que od,(
t
) = od,()
t
. (Mostre

ij
=
t

ji
). 2
A proposi c ao a seguir descreve rela c oes matriciais envolvendo uma matriz, sua
adjunta classica e seu determinante, com v arias e importantes conseq uencias.
Proposi cao 13.6.1 od,() = (det )1
n
= od,().
Demonstra cao Escrevamos a ,/-esima entrada do produto od,() = [d
ij
] onde
= [o
ij
] e od,() = [c
t
ij
],
d
jk
= c
t
j1
o
1k
+c
t
j2
o
2k
+ +c
t
jn
o
nk
.
= (1)
1+j
o
1k
c
1j
+ (1)
2+j
o
2k
c
2j
+ + (1)
n+j
o
nk
c
nj
= (1)
1+j
o
1k

1j
+ (1)
2+j
o
2k

2j
+ + (1)
n+j
o
nk

nj
.
Da conclumos que se / = ,, temos o valor d
jj
= det pois a ultima linha e o
desenvolvimento de Laplace do determinante de pela ,-esima coluna.
Denote por 1 = [/
ij
] a matriz obtida de substituindo a coluna
j
0
pela
coluna
k
, para ,
0
,= /. Sendo assim valem as igualdades det 1 = 0 e 1

ij
0
=

ij
0
.
Calculemos o determinante de 1 com o desenvolvimento pela ,
0
esima coluna,
0 = det 1
= (1)
1+j
0
/
1j
0
det 1

1j
0
+ (1)
2+j
0
/
2j
0
det 1

2j
0
+ + (1)
n+j
0
/
nj
0
det 1

nj
0
= (1)
1+j
0
o
1k
det

1j
0
+ (1)
2+j
0
o
2k
det

2j
0
+ + (1)
n+j
0
o
nk
det

nj
0
= (1)
1+j
0
o
1k
c
1j
0
+ (1)
2+j
0
o
2k
c
2j
0
+ + (1)
n+j
0
o
nk
c
nj
0
= c
t
j
0
1
o
1k
+c
t
j
0
2
o
2k
+ +c
t
j
0
n
o
nk
= d
j
0
k
,
mostrando que o produto da adjunta cl assica de com e da forma
od,() =
_

_
det
.
.
.
det
_

_
= (det )1
n
.
Para nalizar, utilizaremos a identidade od,(
t
) = od,()
t
,
od,() = (od,()
t

t
)
t
= (od,(
t
)
t
)
t
= ((det
t
)1
n
)
t
= (det )1
n
. 2
Corolario 13.6.1 Assuma que K e um corpo. Uma matriz `(n, K) e in-
vertvel det ,= 0. Mais ainda, se e invertvel ent ao

1
=
1
det
od,() e dct
1
= (det )
1
.
13.7. REGRA DE CRAMER 213
Exerccios propostos 13.6.1
1. Se od /c ,= 0 mostre que
=
_
o /
c d
_
e invertvel e
1
=
1
od /c
_
d /
c o
_
.
2. Calcule a inversa, se existir, da matriz com entradas reais.
o) =
_
1 1
1 2
_
. /) =
_
_
2 10 3
0 1 3
0 0 2
_
_
. c) =
_
_
1 1 3
4 2 3
5 1 6
_
_
.
3. Calcule det , od,() e
1
quando
=
_
_
2 0 5
1 2 1
3 1 3
_
_
.
4. Dada a matriz por blocos abaixo, onde 1
e 1 sao matrizes quadradas, demonstre
que det = (det 1) (det 1).
=
_
1 Q
[0] 1
_
.
3. Prove que o determinante e invariante por conjuga cao de matrizes.
4. Sejam n = (o
1
, o
2
, o
3
), = (/
1
, /
2
, /
3
), n = (c
1
, c
2
, c
3
) 1
3
. Demonstre que =
n, , n e linearmente dependente o determinante da matriz 3 3 cujas colunas
sao os vetores n, e n e igual a zero.
5. Enuncie e demonstre um resultado equivalente para n vetores em 1
n
.
6. Mostre que od,(1Q) = od,(Q)od,(1) para quaisquer matrizes quadradas 1 e Q.
13.7 Regra de Cramer
Coloquemos o seguinte problema: determinar n escalares r
1
, r
2
, ..., r
n
em um corpo
K satisfazendo as condi c oes,
_

_
o
11
r
1
+o
12
r
2
+ +o
1n
r
n
= /
1
o
21
r
1
+o
22
r
2
+ +o
2n
r
n
= /
2

o
m1
r
1
+o
m2
r
2
+ +o
mn
r
n
= /
m
,
onde os coecientes o
ij
e os valores /
k
s ao escalares conhecidos. Uma express ao
como esta e chamada de sistema linear com : equa c oes e n inc ognitas. Existe
uma apresenta c ao matricial muito c omoda para um sistema linear, a saber,
_

_
o
11
o
12
... o
1n
o
21
o
22
... o
2n
... ... ... ...
o
m1
o
m2
... o
mn
_

_
_

_
r
1
r
2
:
r
n
_

_
=
_

_
/
1
/
2
:
/
m
_

_
.
Em resumo, escrevemos A = 1. Dessa apresenta c ao matricial de sistemas obte-
mos uma outra mais apropriada para os nossos objetivos,
214 CAP

ITULO 13. DETERMINANTES


r
1
_

_
o
11
o
21
:
o
m1
_

_
+r
2
_

_
o
12
o
22
:
o
m2
_

_
+ +r
n
_

_
o
1n
o
2n
:
o
mn
_

_
=
_

_
/
1
/
2
:
/
m
_

_
,
ou mais compactamente, r
1

1
+r
2

2
+ +r
n

n
= 1.
No que segue, iremos nos restringir ao estudo de um sistema linear de n
equa c oes com n inc ognitas. Neste caso, a matriz e uma matriz quadrada nn,
possibilitando utilizar a Teoria de determinantes a m encontrar os valores das
inc ognitas, atraves de um metodo chamado de Regra de Cramer. Para isso, cal-
culemos o determinante da matriz obtida por substitui c ao da i
0
-esima coluna de
pela matriz coluna 1,
det
_

1
, ...,
i
0
1
, 1,
i
0
+1
, ...,
n
_
= det
_
_

1
, ...,
i
0
1
,

j
r
j

j
,
i
0
+1
, ...,
n
_
_
=

j
r
j
det
_

1
, ...,
i
0
1
,
j
,
i
0
+1
, ...,
n
_
.
Quando , ,= i
0
o valor do determinante det
_

1
, ...,
i
0
1
,
j
,
i
0
+1
, ...,
n
_
e
nulo pois duas colunas s ao iguais. Por outro lado, quando , = i
0
temos a igualdade,
det
_

1
, ...,
i
0
1
,
j
,
i
0
+1
, ...,
n
_
= det .
Retornando com estes dados obtemos
det
_

1
, ...,
i
0
1
, 1,
i
0
+1
, ...,
n
_
= r
i
0
det .
Os comentarios acima mostram a Regra de Cramer, registrada na seguinte
proposi c ao.
Proposi cao 13.7.1 Suponha que A = 1 e um sitema linear nn no corpo K.
Se det ,= 0 ent ao
r
i
=
det Q
det N
, para i = 1, 2, ..., n,
em que Q e a matriz obtida pela substituic ao da i-esima coluna de pela matriz
coluna 1.
Exerccio 13.7.1 Resolva os seguintes sistemas em 1.
o)
_
_
_
2r + 2j +. = 5
6r j + 2. = 1
2r 4j = 0
. /)
_
_
_
2r 6j . = 0
4r + 5j + 3. = 11
3r + 4j + 2. = 0
. 2
Bibliography
[01] Artin, Emil; Galois theory; Notre Dame Math. Lectures n 2, (1953).
[02] Birkho, G. & Mac Lane, S.: A Survey of Modern Algebra; The Macmillan
Comp., New York (1958).
[03] Boldrini, Costa, Figueiredo & Wetzler;

Algebra Linear; (3
a
Ed.), Editora
Habra.
[04] Cullen, C.; Matrices and Linear Transformations; Add-Wesley Comp.
(1966).
[05] dos Santos, N. M.; Vetores e Matrizes; Ao Livro Tecnico S/A (1982)
[06] Garcia, A. & Lequain, Y.;

Algebra um curso de introduc ao; Projeto Eu-
clides.
[08] Halmos; Espacos vetoriais de dimens ao nita; Trad. laPenha; Editora
Campos, RJ.
[09] Homan, K. & Kunze, R.; Linear Algebra; Prentice-Hall (1967).
[12] Lang, S.; Linear Algebra; Addison-Wesley Publish. Comp. (1966).
[15] Lima, Elon Lages;

Algebra Linear (2
a
Ed.) IMPA; 1996.
[16] Serfati, M.; Exercices de Matheematiques, vol 1; Ed. Belin (1980).
[17] Shilov, Georgi E.; Linear

Algebra; 1
a
Prentice-Hall, Inc. (1971) New Jer-
sey.
[18] Steinbruch, A.& Winterle,P.;

Algebra Linear; 2
a
Ed. S ao Paulo, McGraw-
Hill (1987).
215

Indice analtico
A
Adjunta
classica 197,211
de uma transforma cao linear 53
Anel, deni c ao 200

Angulo
entre dois vetores 113
polar 135
Aplica c ao
identidade 22
n-linear alternada 209
signicado 22
Autoespa co 22
Autovalor
de uma matriz 89
de um operador 89
Autovetor 89
B
Base
canonica de K
n
9
de Jordan 91
deni c ao 9
dual 51
p-ortogonal 171
ordenada 16
ortogonal 114
ortonormal 114
C
Cofator de uma matriz 211
Combina c ao linear 5
Complemento ortogonal 111
Complexicado
de um espa co vetorial real 179
de um operador 180
ortogonal de um subespa co 113
Composi cao de transforma coes lineares26
Conjuga cao complexa 181
Conjunto
de geradores 7
linearmente dependente 7
linearmente independente 8
ordenado 10
Coordenadas de um vetor numa base 16
Corpo, deni cao 201
D
Decomposi cao
cclica 82
cclica normal 130
normal 126
polar
de um complexo 135
de um operador 148
primaria 72
Delta de Kronecker 51
Desenvolvimento de Laplace
pela primeira linha 206
Desigualdade
de Bessel 118
de Schwarz 111,153
triangular
primeira 111,153
segunda 114,154
Determinante
deni cao 204
de uma matriz 2 2 202
de uma matriz 3 3 203
Dimensao de um espa co vetorial 13
Distancia 149
216

INDICE ANAL

ITICO 217
E
Espa co
-cclico 81
-simples 181
das transforma c oes lineares 26
de dimensao nita 13
de Minkowski 174
dual 48
Euclidiano 114
indecomponvel 191
irredutvel 191
pseudo Euclidiano 174
quociente 7
simpletico 177
trivial 2
unit ario 154
vetorial
conjugado 4
deni c ao 1
Espa cos isomorfos 33
Espectro de um operador 140
F
Fatora c ao primaria de um polinomio 66
Forma bilinear
antisimetrica 175
deni c ao 162
degenerada 166
nao degenerada 166
nao singular 166
semi-positiva denida 170
sesqui-linear 163
simetrica 167
singular 166
Forma quadratica 168
Fun c oes
pares 21
mpares 21
simetricas 63
Funcional linear 48
G
Geradores
de um espa co vetorial 7
de um ideal 61
Graco de uma transf. linear 25
Grupo
Abeliano, comutativo 200
das permuta coes 200
deni cao 200
Euclidiano 151
H
Homotetia 23
I
Ideal
deni cao 201
anulador
de um operador 59
de um subespa co 68
de um vetor 68
de uma matriz 59
Identidade
de polariza cao 111,153
Imagem de uma transforma cao linear 23

Indice
de nulidadede uma forma 171
Involu cao 25
Isometria 150
Isomorsmo
de grupos 200
linear 33
L
Lei
de inercia de Silvester 175
do paralelogramo 112,154
Lema de Jacobson 97
Linearmente
dependente 7
independente 8
M
Matriz
adjunta 193
antiadjunta 199
antisimetrica 198
autoadjunta 198
coluna 192
218

INDICE ANAL

ITICO
de Pauli 175
de uma transforma cao linear 35
diagonalizavel 93
dos cofatores 211
linha 192
mudan ca de coordenadas 43
nilpotente 95
normal 198
ortogonal 198
polinomial 63
positiva 146
quadrada 195
reduzida 197
simetrica 198
transposta 193
unit aria 199
Matrizes conjugadas 44
Maximo divisor comum 66
Metrica 149
Movimento rgido 150
N
n-esima raiz de um operador 73
Nilpotencia
de uma matriz 95
deni c ao 95
Norma 110
N ucleo
`a dieita de uma forma bilinear 165
`a esquerda de uma forma bilinear165
de uma transforma cao linear 23
Nulidade de uma transforma cao linear31
O
Operador linear
adjunto 155
antiadjunto 159
antisimetrico 136
autoadjunto 158
conforme 144
de Gram 124
de semelham ca 151
deni c ao 22
diagonalizavel 91
idempotente 68
isogonal 144
nao negativo 147
nilpotente 95
normal 124,157
ortogonal 137
positivo 144
que preserva o produto interno 142
simetrico 127
transposto 120
unitario 159
P
Permuta cao 200
Perpendicular de um conjunto 54
Polinomio
caracterstico 61
conjugado 156
de uma matriz 61
de uma transforma cao 61
minimal
de um ideal 61
de um operador 62
de um subespa co 68
de um vetor 68
monico 60
primo 66
redutvel 66
Polinomios relativamente primos 66
Posto de uma transforma cao linear 31
Processo ortog. de Gram-Schmidt114,154
Proje cao
ortogonal 117
quociente 25
sobre um subespa co 23
Produto
Cartesiano 3
de matrizes 193
direto 3
exterior 163
Hermitiano 152
interno
em espa co vetorial complexo 152
em espa co vetorial real 109
canonico do C
n
152
canonico do 1
n
109

INDICE ANAL

ITICO 219
tensorial 162
R
Representa c ao
matricial
de uma forma bilinear 163
de Jordan 91,101,190
de uma transforma cao linear 36
vetorial
de um funcional linear 119,154
S
Soma
de subespa cos 18
de transforma c oes lineares 26
direta 18
direta ortogonal 116
Subespa co
-cclico 79
deni c ao 4
invariante 46
Subgrupo 200
T
Teorema
da classica c ao das isometrias 151
da decomposi c ao
cclica I 90
cclica II 98
cclica III 184
cclica IV 187
cclica normal 130
1 + 106
normal 126,157
polar 148,161
primaria 70
da representa c ao
de um funcional linear 119,154
matricial 37
da troca de Steinitz 11
da unicidade dimensional cclica 83
de Cayley-Hamilton 63
de Hadamard 43
de Pitagoras 113
do ndice de Morse 173
do n ucleo e da imagem 31
do operador autoadjunto 158
do posto de uma matriz 56
espectral 128
Tra co de uma matriz 49
Transforma cao linear
deni cao 22
identicamente nula 23
invertvel 27
Transforma cao quase linear 29
Transla cao 150
Transposi cao 200
U
Uniao ordenada de conjuntos 10
Vetor
nulo 2
unitario 111
Vetores
p-ortogonais 168
ortogonais 113
Smbolos
[]

17
1 2
C 2
K
n
2
K[t] 3
`(:n, K) 3
o(Z, 1) 4
/
1
(1) 4
K
n
[t] 5
; 11
1: 23
nc 23
26
L(\, \) 26

1
27
[]

36
[]

36
diop 1, ...,
r
47
j(t) 58

A
59

N
59
:
A
(t) 60
220

INDICE ANAL

ITICO
j
A
(t) 62

v
68

W
68
, ) 109
| | 110
[ [ 111
\

113
116
1(, ) 133
1

135
162
163
B(\, K) 163
/(\, K) 177

t
193

193
`(:n, 1) 193
`(n, 1) 196
1
n
196
od, () 197

ij
197

ij
206
Letras gregas
alfa
beta
, gama
, delta
c, epsilon
zeta
eta
, , teta
iota
capa
, lambda
j mu
ni
, qui
o
, , c pi
, ro
, , sigma
tau
, upsilon
j/i, ,
, psi
, omega