Você está na página 1de 17

TEORIA ESPECTRAL PARA OPERADORES AUTO-ADJUNTOS EM ESPA«OS NORMADOS DE DIMENS O FINITA

Roberto A. Prado, SuetÙnio A. Meira

Departamento de Matem·tica, EstatÌstica e ComputaÁ„o, FCT, UNESP 19.060-900, Presidente Prudente, SP robertoprado@fct.unesp.br, smeira@fct.unesp.br.

VanderlÈa R. Baz„o

Departamento de Matem·tica, EstatÌstica e ComputaÁ„o, FCT, UNESP 19.060-900, Presidente Prudente, SP

vanderlea88@hotmail.com

Resumo: O objetivo principal deste mini-curso È estudarmos alguns resultados da teoria es- pectral de operadores auto-adjuntos em espaÁos normados de dimens„o Önita. Intuitivamente, podemos dizer que o espectro de um operador linear constitui ìnos valores em C (corpo dos n˙meros complexos) que esse operador assumeî. Iniciaremos nossa apresentaÁ„o com alguns conceitos b·sicos da £lgebra Linear que ser„o importantes para os estudos posteriores, como as deÖniÁıes de espaÁo vetorial, espaÁo vetorial normado, operadores lineares, matrizes asso- ciadas a esses operadores em espaÁos de dimens„o Önita, e tambÈm alguns exemplos ‡ respeito dessas deÖniÁıes. Em seguida, faremos um estudo sobre autovalores e autovetores associados ‡ operadores lineares em espaÁos de dimens„o Önita, e com isso deÖniremos o espectro de um operador linear como sendo o conjunto dos seus autovalores. Veremos tambÈm a deÖniÁ„o de operadores auto-adjuntos e que esses operadores possuem propriedades especiais, dentre as quais destaca-se que o espectro de um operador auto-adjunto È real e que sua matriz associada È hermitiana. EnÖm, estudaremos um dos resultados mais relevantes da £lgebra Linear, co- nhecido como "Teorema Espectral para Operadores Auto-Adjuntos", que garante a existÍncia de uma base ortonormal formada por autovetores. Como aplicaÁ„o do Teorema Espectral estudaremos o Teorema dos Valores Singulares.

Palavras-Chave: EspaÁos Normados, Operadores Auto-Adjuntos, Teorema Espectral.

1 EspaÁo vetorial

Primeiramente vamos revisar alguns conceitos b·sicos da £lgebra Linear, que ir„o facilitar a compreens„o do estudo espectral para operadores auto-adjuntos em espaÁos normados de dimens„o Önita.

DeÖniÁ„o 1.1 Sejam V um conjunto e F um corpo. Dizemos que V È um espaÁo vetorial sobre o corpo F se estiverem deÖnidas duas operaÁıes em V :

adiÁ„o:

(x; y ) 2 V V ! x + y 2 V

e

multiplicaÁ„o por escalar:

( ; x ) 2 F V ! x 2 V

e essas operaÁıes devem satisfazer as seguintes condiÁıes:

A 1) (x + y ) + z = x + (y + z ); 8x; y; z 2 V ; A 2) x + y = y + x; 8x; y 2 V ; A 3) Existe 0 2 V; tal que x + 0 = x; 8x 2 V ;

A 4) Para todo x 2 V; existe x 2 V; tal que x + ( x ) = 0; M 1) (x + y ) = x + y; 8 2 F; 8x; y 2 V ;

M 2) ( + )x = x + x; 8 ; M 3) ( )x = ( x ); 8 ; 2 F;

M 4) 1 x = x; 8x 2 V:

2 F; 8x; y 2 V ; 8x 2 V ;

Os elementos de um espaÁo vetorial s„o chamados de vetores.

Exemplo 1.1 O espaÁo R n È um espaÁo vetorial formado por todas as n-uplas (sequÍncias) (x 1 ; :::; x n ) onde cada x i 2 R :

Exemplo 1.2 O espaÁo C n È um espaÁo vetorial formado por todas as n-uplas (x 1 ; :::; x n ) de n˙meros complexos, tal que x j = a j + ib j onde a j e b j s„o valores reais.

Exemplo 1.3 O espaÁo M m n (F ) das matrizes de ordem m n com os escalares em F:

Exemplo 1.4 EspaÁo de FunÁıes: Sejam F um corpo e X um conjunto n„o-vazio. DeÖnimos sobre o conjunto F X = f f : X ! F : f È funÁ„og as seguintes operaÁıes de soma e multipli- caÁ„o por escalar:

(f + g ) ( t) = f (t) + g (t) ;

f; g 2

F X ;

t 2 X

( f ) ( t) = f

(t) ;

f 2 F X ;

2 F;

t 2 X

Considere X o intervalo [a; b] em R . O conjunto

C ([a; b] ; F ) = ff : [a; b] ! R : f È uma funÁ„o contÌnuag

È denominado o espaÁo das funÁıes contÌnuas em um intervalo fechado [ a; b] :

Exemplo 1.5 EspaÁo l p ; 1 p < 1 ; È um conjunto formado por todas as sequÍncias x =

(x j ) j 2 N , tais que as sequÍncias

s n = jx 1 j p + jx 2 j p + ::: + jx n j p convirjam, isto È,

l p = ( x = ( x j ) j 2 N :

1

X

j =1

jx j j p < 1 ) :

DeÖniÁ„o 1.2 Seja V um espaÁo vetorial sobre F . Um subespaÁo vetorial de V È um subcon- junto W V; tal que:

a) 0 2 W ;

b) 8 2 F; 8u; v 2 W; u + v 2 W .

Exemplo 1.6 W = f (x; y; z ) 2 R 3 : x + y = 0g È um subespaÁo do R 3

DeÖniÁ„o 1.3 Seja V um espaÁo vetorial sobre F e B um subconjunto de V: Dizemos que B

È um conjunto gerador de V (ou que B gera V ) se todo elemento de V for uma combinaÁ„o linear de um n˙mero Önito de elementos de B:

DeÖniÁ„o 1.4 Seja V um espaÁo vetorial sobre um corpo F . Dizemos que o conjunto B = f v 1 ; v 2 ; :::v k g V È linearmente independente se

1 v 1 + 2 v 2 + ::: + k v k = 0

implica que 1 = ::: = k = 0; com os

Dizemos que B = f v 1 ; v 2 ; :::v k g V È linearmente dependente se, e somente se, B n„o È linearmente independente.

i 2 F:

DeÖniÁ„o 1.5 Seja V um espaÁo vetorial sobre um corpo F: Dizemos que um subconjunto B de V È uma base de V se B for um conjunto gerador de V e se B for linearmente independente.

DeÖniÁ„o 1.6 Um espaÁo vetorial V sobre um corpo F; tem dimens„o Önita n quando adimite uma base B = f v 1 ; :::; v n g com um n˙mero Önito n de elementos. Dizemos que o espaÁo vetorial V tem dimens„o inÖnita quando ele n„o tem dimens„o Önita, isto È, quando nenhum subconjunto Önito de V È uma base.

Exemplo 1.7 Os vetores e 1 = (1; 0; :::; 0) ; :::; e n = (0; :::; 0; 1) constituem uma base fe 1 ; :::; e n g de R n ; chamada base canÙnica. Logo, R n È um espaÁo vetorial de dimens„o n:

O espaÁo l p tem dimens„o inÖnita, pois n„o existe um subconjunto Önito e linearmente independente que gera o espaÁo l p :

2 EspaÁo Vetorial Normado

DeÖniÁ„o 2.1 Seja F o corpo dos n˙meros reais R ou o corpo dos n˙meros complexos C e

seja V um espaÁo vetorial sobre F . Uma norma sobre V È uma funÁ„o que associa a cada vetor u de V um escalar jju jj em R ; que satisfaz:

a) jju jj 0; 8u 2 V ;

b) j j u j j = j j jj u jj ;

c)jju + v jj jju jj + jjv jj ; 8u; v 2 V:

jju jj = 0 somente quando u = 0.

8u 2 V; 8 2 F ;

Um espaÁo vetorial normado È um espaÁo vetorial real ou complexo, munido de uma norma deÖnida sobre esse espaÁo.

Exemplo 2.1 V = R n ou C n

sendo u um vetor em R n ou C n :

Exemplo 2.2 V = l p

sendo u 2 l p :

Exemplo 2.3

V = C [ a; b]

onde f 2 C [ a; b] :

jju jj =

jju jj =

n

X

j

=1

1

X

j

=1

ju j j 2 ! 1 = 2

ju j j p ! 1 =p

jjf jj = Z b f (t) 2 dt 1 = 2

a

3

EspaÁo Vetorial com Produto Interno

DeÖniÁ„o 3.1 Seja F o corpo dos n˙meros reais ou corpo dos n˙meros complexos e seja V um espaÁo vetorial sobre F . Um produto interno sobre V È uma funÁ„o que associa a cada par ordenado de vetores u , v em V um escalar < u; v > em F de maneira que:

a) < u + v; w > = < u; w > + < v; w > ;

b) < u; v > = < u; v > ;

c) < v; u > = < u; v > , onde a barra indica conjugaÁ„o complexa;

d) < u; u > > 0 , se u 6= 0.

Um espaÁo vetorial com produto interno È um espaÁo vetorial real ou complexo, munido de

um produto especiÖcado sobre esse espaÁo.

Exemplo 3.1 V = R n

v 1 = ( a 1 ; a 2 ; :::; a n )

v 2 = ( b 1 ; b 2 ; :::; b n )

hv 1 ; v 2 i = a 1 b 1 + a 2 b 2 + ::: + a n b n

Exemplo 3.2 V = C n

v 1 = ( a 1 ; a 2 ; :::; a n )

v 2 = ( b 1 ; b 2 ; :::; b n )

hv 1 ; v 2 i = a 1 b 1 + a 2 b 2 + ::: + a n b n

Exemplo 3.3 V = l 2

sendo u; v 2 l 2 :

Exemplo 3.4

V = C [a; b ]

onde f; g 2 C [ a; b] :

hu; v i =

1

X

j =1

u j v j

hf; g i = Z b f (t) g (t)dt

a

ProposiÁ„o 3.1 (Regra do Paralelogramo). Seja V um espaÁo vetorial com produto interno. Para todo u; v 2 V , tem-se

jju + v jj 2 + ku v k 2 = 2 k u k 2 + 2 kv k 2

Um produto interno sobre V deÖne uma norma sobre V dada por:

k u k = p hu; u i

onde u 2 V:

Logo, todo espaÁo com produto interno È um espaÁo normado. Mas, nem todo espaÁo normado È um espaÁo com produto interno.

Notemos que para V = l p ; com p 6= 2; n„o È um espaÁo com produto interno, pois, a norma para l p ; com p 6= 2; n„o satisfaz a Regra do Paralelogramo. De fato, seja u = (1; 1; 0; 0; :::) 2 l p

e v =

(1; 1; 0; 0; :::) 2 l p ; temos

jju jj =

jjv jj =

jju + v jj =

jju v jj =

 

1

ju j j p ! 1 =p

X

j

=1

1

jv j j p ! 1 =p

X

j

=1

1

X

ju j +

j =1

1

X

j =1

= 2 1 =p

=

2

1 =p

v j j p ! 1 =p

= 2

ju j v j j p ! 1 =p = 2

Logo,

jju + v jj 2 + k u v k 2 = 2 2 + 2 2 6= 2 2+ p

p

+ 2 2+ p

p

= 2 ku k 2 + 2 k v k 2

para p 6= 2:

ObservaÁ„o: Um espaÁo real com produto interno e de dimens„o Önita È denominado um espaÁo euclidiano.

DeÖniÁ„o 3.2 Seja V um espaÁo vetorial com produto interno. Dados dois vetores u ,v 2 V , dizemos que u È ortogonal a v , denota-se u ?v , se e somente se < u; v >= 0:

O complemento ortogonal de um conjunto n„o-vazio X V È o conjunto X ? formado pelos vetores v 2 V que s„o ortogonais a todos os vetores x 2 X: Ou seja,

v 2 X ? () h v; x i = 0

para todo

x 2 X

DeÖniÁ„o 3.3 Se S È um conjunto de vetores em V; dizemos que S È um conjunto ortogonal se dois quaisquer vetores distintos em S s„o ortogonais. Um conjunto ortonormal È um conjunto ortogonal S , com a propriedade adicional de que ku k = 1; para todo u em S:

Exemplo 3.5 A base canÙnica do R n È um conjunto ortonormal.

4 Operadores Lineares

DeÖniÁ„o 4.1 Seja V um espaÁo vetorial sobre um corpo F: Um operador linear T : V ! V È uma aplicaÁ„o que associa cada vetor v 2 V um vetor T (v ) 2 V; tal que

T (cv + u ) = cT (v ) + T (u )

para todo u; v 2 V e

c 2 F:

ObservaÁ„o: L (V ) denota o espaÁo vetorial dos operadores lineares T : V ! V .

Exemplo 4.1 Operador Identidade: I : V ! V; deÖnido por I (u ) = u ; para todo u 2 V:

Exemplo 4.2 Operador Nulo: 0 : V ! V; deÖnido por O (u ) = 0; para todo u 2 V:

Exemplo 4.3 T : R 3 ! R 3 ; T (x; y; z ) = ( 2x; 6y + z; y + 6z ):

Exemplo 4.4

Operador IntegraÁ„o: Seja T : C [a; b ] ! C [ a; b] ; deÖnido por

T u (t) = Z t u (x ) dx; t 2 [ a; b]

a

para todo u 2 C [a; b] :

DeÖniÁ„o 4.2 Seja V um espaÁo vetorial sobre o corpo F e T 2 L (V ) :

a) O conjunto fu 2 V : T (u ) = 0g È chamado n˙cleo de T e ser· denotado por Nuc (T ) :

b) O conjunto f v 2 V : 9u 2 V com T (u ) = v g È chamado de imagem de T e ser· denotado

por Im (T ) :

ProposiÁ„o 4.1 Seja V um espaÁo vetorial sobre o corpo F e T 2 L (V ) : Ent„o Nuc (T ) e Im (T ) s„o subespaÁos vetoriais de V:

Seja V um espaÁo vetorial de dimens„o n sobre o corpo F e consideremos um operador linear T : V ! V: Dadas as bases B = fu 1 ; :::; u n g e B 0 = f v 1 ; :::; v n g de V; cada um dos vetores T (u j ) ; j = 1; :::; n est„o em V e, consequentemente, podem ser escritos como combinaÁ„o linear dos vetores da base B 0 :

T (u j ) =

n

X

i=1

a ij v i ;

(j = 1; :::; n )

onde os a ij est„o univocamente determinados.

DeÖniÁ„o 4.3 A matriz de ordem n sobre F

T

B

B 0 =

0

B

B

@

a

a

::: ::: ::: :::

a n1 a n2 ::: a nn

a 12 ::: a 1 n a 22 ::: a 2 n

11

21

1

C

C

A

que se obÈm da consideraÁ„o anterior È chamada matriz do operador T em relaÁ„o ‡s bases B e B 0 :

B

Exemplo 4.5 Determine as matrizes T

B

0

B

e T 0 do operador

B

T : R 2 ! R 2 ; T (x; y ) = (3x 4y; x + 5y )

nas bases B = f (1; 0) ; (0; 1)g e B 0 = f (1; 2) ; (2; 3)g

5 Autovalores e Autovetores

Considere um operador linear T : V ! V , sendo V um espaÁo vetorial n-dimensional sobre um corpo F .

DeÖniÁ„o 5.1 Um autovalor ou valor caracterÌstico de T È um escalar em F tal que existe um vetor n„o-nulo v em V com T (v ) = v . Se È um autovalor de T , ent„o todo v tal que T (v ) = v È denominado um autovetor ou vetor caracteristico de T associado ao autovalor .

ObservaÁ„o: O escalar È univocamente determinado por T e v pois

T (v ) = v = 0 v ) ( 0 ) v = 0 ) = 0

Fixando ; o conjunto f v 2 V=T (v ) = v g È um subespaÁo vetorial de V; de modo que

T (v ) = v () (T I ) ( v ) = 0 () v 2 Nuc (T I ) ;

o que signiÖca que o subconjunto que acabamos de deÖnir coincide com o Nuc (T I ) :

DeÖniÁ„o 5.2 O subespaÁo introduzido nas consideraÁıes acima chama-se subespaÁo prÛprio de e ser· indicado por V ( ) :

V ( ) = fv 2 V=T (v ) = v g = Nuc (T I ) :

DeÖniÁ„o 5.3 Seja V um espaÁo vetorial de dimens„o n e seja T 2 L (V ) : O conjunto (T ) de todos os autovalores de T È chamado espectro de T:

DeÖniÁ„o 5.4 Dada uma matriz A = ( a ij ) de ordem n (real ou complexa), chama-se polinÙmio caracterÌstico de A o seguinte polinÙmio de grau n :

B

B

@

P A (t) = det 0

a 11 t a 12 ::: a 1 n

a 21 a 22 t ::: a 2 n :::

:::

:::

:::

a n1

a n2 ::: a nn t

1

C

C

A = det (A tI n ) :

DeÖniÁ„o 5.5 Dadas as matrizes A e B; ambas quadradas de ordem n; dizemos que B È semelhante a A; se e somente se, existe uma mariz inversÌvel M; tambÈm de ordem n; tal que:

B = M 1 AM:

ProposiÁ„o 5.1 Matrizes semelhantes tÍm o mesmo polinÙmio caracterÌstico.

DemonstraÁ„o: Se as matrizes A e B s„o semelhantes, existe uma matriz inversÌvel M tal que B = M 1 AM: DaÌ

P B (t) = det ( B tI n ) = det M 1 AM tI n

= det M 1 AM tM 1 I n M = det M 1 (A tI n ) M

= det M 1 det (A tI n ) det (M ) = det (A tI n ) = P A (t) :

Esta proposiÁ„o que acabamos de provar torna v·lida a seguinte deÖniÁ„o:

DeÖniÁ„o 5.6 Seja V um espaÁo vetorial de dimens„o n e seja T 2 L (V ) : Chama-se polinÙmio caracterÌstico de T o polinÙmio caracterÌstico da matriz de T em relaÁ„o a qualquer base de V:

NotaÁ„o: P T (t) :

Tal deÖniÁ„o È v·lida porque matrizes do mesmo operador s„o necessariamente matrizes semelhantes.

ProposiÁ„o 5.2 Seja V um espaÁo vetorial de dimens„o n e T 2 L (V ) : Ent„o os autovalores de T s„o as raÌzes de P T (t) em F:

Exemplo 5.1 Determine os autovalores e autovetores da matriz:

SoluÁ„o: Temos que

4

A = 5 1 2

P A ( ) = det (A I ) = det 5 a 2 4 = ( 1) ( 6)

1

Logo os autovalores s„o 1 = 1 e 2 = 6:

Para 1 = 1; temos:

4

1

4

1

x = 0

y

0

4x + 4y = 0 x + y = 0

Resolvendo o sistema linear acima, temos a auto espaÁo

V (1) = f( y; y ) : y 2 R g = [( 1; 1)]

Agora, para 2 = 6; temos:

1 4 1 4

x = 0

y

0

x + 4y = 0

x 4y = 0

Resolvendo o sistema linear acima, temos o auto espaÁo

V (6) = f(4y; y ) : y 2 R g = [(4; 1)]

Portanto, os autovetores associados ao autovalores 1 = 1 e 2 = 6 s„o respectivamente ( 1; 1)

e (4; 1) :

ExercÌcio: Determine os autovalores e autovetores das seguintes matrizes:

@

B = 0

9 4 4

3 4

16 8 7

8

1

A

C = 0 1

1

0

6 DiagonalizaÁ„o de Operadores

a matriz associada ao

operador T na base B = f v 1 ; :::; v n g : Queremos encontrar a matriz diagonal A = (a ij ), isto È, a ij = 0 se i 6= j; tal que

Seja V um espaÁo vetorial de dimens„o n e T 2 L (V ) ; sendo A = T

B

B

A =

0

B

B

@

1 0 ::: 0

2 ::: 0

0

::: ::: ::: :::

0

0 ::: n

1

C

C

A ;

ou seja, estamos procurando v i 6= 0; i = 1; :::; n; que satisfazem

T

T

T

(v 1 ) = 1 v 1 (v 2 ) = 2 v 2

:

(v n ) = n v n :

Teorema 6.1 A autovalores diferentes do mesmo operador correspondem autovetores linear- mente independentes.

Para demonstraÁ„o veja [7] p·gina 154.

Corol·rio 6.1 Seja V um espaÁo vetorial de dimens„o n . Se um operador linear T : V ! V possui n autovalores diferentes ent„o existe uma base f v 1 ; :::; v n g V em relaÁ„o ‡ qual a matriz de T È diagonal.

DemonstraÁ„o: Se T (v 1 ) = 1 v 1 ; :::; T (v n ) = n v n com os v i n„o nulos e os i dois a dois distintos ent„o fv 1 ; :::; v n g È, em virtude do Teorema acima, uma base de V . A matriz de T nesta base È

0

B

B

@

1 0 ::: 0

2 ::: 0

0

::: ::: ::: :::

0

0 ::: n

1

C

C

A :

DeÖniÁ„o 6.1 Seja V um espaÁo vetorial de dimens„o n e T 2 L (V ) : O operador T È dito diagonaliz·vel se existe uma base de V formada por autovetores de T:

Se B = f v 1 ; :::; v n g for uma base de autovetores de T ent„o:

T

B

B =

0

B

B

@

1 0 ::: 0

2 ::: 0

0

::: ::: ::: :::

0

0 ::: n

1

C

C

A

onde 1 ; 2 ; :::; n s„o os valores prÛprios de T: Segue daÌ que

B

B

@

P T (t) = det 0

1 t

0

:::

0

0

:::

:::

2 t :::

:::

0

0

:::

0

::: n t

1

C

C

A = ( 1 t) ( 2 t) ::: ( n t)

e assim P T (t) se decompıe em fatores lineares. ObservaÁ„o: Os escalares 1 ; 2 ; :::; n n„o s„o necessariamente distintos dois a dois. Pode acontecer do polinÙmio caracterÌstico de um operador linear T se decompor em fatores lineares da forma t; sem que T seja diagonaliz·vel.

Exemplo 6.1 Determine se o operador È diagonaliz·vel:

T : R 3 ! R 3 ; T (x; y; z ) = ( 2x; 6y + z; y

+ 6z ) :

@

SoluÁ„o: Seja A = 0

temos que:

2 0 0

0

0

1

6 1 A a matriz do operador T em relaÁ„o a base canÙnica do R 3 ;

1 6

P A ( ) = det (A

@

I ) = det 0

2

0

0

0

6

1

0

1

6

1 A = ( 2 ) (5 a ) (7 )

Os autovalores de T s„o 1 = 2; 2 = 5 e 3 = 7: Como os autovalores s„o todos distintos, segue pelo Corol·rio 6.1 que o operador T È diagonaliz·vel.

ExercÌcio: Determine se os operadores s„o diagonaliz·veis:

T

: R 2 ! R 2 ; T (x; y ) = (x + y; y )

T

: R 3 ! R 3 ; T (x; y; z ) = (x; y; 0)

7 Operadores Auto-Adjuntos

DeÖniÁ„o 7.1 Seja V espaÁo vetorial com produto interno e T 2 L (V ). O operador linear T : V ! V deÖnido por

< u; T (v ) > = < T (u ); v >

onde u; v 2 V , È chamado adjunto de T .

Exemplo 7.1 Verifque se os operadores abaixo tem adjunto:

T : R 2 ! R 2 ; T (x; y ) = (x; x + y )

T : R 1 ! R 1 ; T (x 1 ; x 2 ; :::) = (0; x 1 ; x 2 ; :::)

produto interno usual.

ObservaÁ„o: 1)(T ) = T , pois para todo u; v 2 V

< T (u ); v >= < v; T (u ) > = < T (v ); u > =< u; T (v ) >

2) Se V tem dimens„o Önita, T existe e È ˙nico. 3) Quando T existe, ele È ˙nico mesmo que dimV = 1 .

Sejam T 2 L (V ), V espaÁo com produto interno de dimens„o n e B = f v 1 ; :::; v n g uma base ortonormal de V . VeriÖcaremos a seguir que a matriz de (T ) B B È igual a transposta conjugada de T B :

B

B

T

B

= ( a ij )

T

(v 1 ) = a 11 v 1 + ::: + a n1 v n

.

.

.

T

(v n ) = a 1 n v 1 + ::: + a nn v n

Logo,

 

hT (v 1 ) ; v 1 i = ha 11 v 1 + ::: +

a n1 v n ; v 1 i = a 11

.

.

.

hT (v 1 ) ; v n i = ha 11 v 1 + ::: +

a n1 v n ; v n i = a n1

daÌ,

Agora se (T ) B B = b ij ; ent„o

hT (v j ) ; v i i = a ij ;

i; j = 1; :::; n

b ij

) ; v i i = a i j ; i ; j = 1 ;

= hT (v j ) ; v i i = hv i ; T (v j )i = hT (v i ) ; v j i = a ji

Logo,

(T ) B B = (T t ) B B :

Exemplo 7.2 Seja T : R 2 ! R 2 ; T (x; y ) = (x + y; 4y ). Determine (T ) B B , onde B È a base canÙnica de R 2 .

DeÖniÁ„o 7.2 Seja T 2 L (V ), V espaÁo com produto interno sobre o corpo F (real ou com- plexo). Dizemos que T È auto-adjunto (simÈtrico ou hermitiano) se T = T e anti-adjunto (anti-simÈtrico ou anti-hermitiano) se T = T .

Teorema 7.1 Sejam T 2 L (V ), V espaÁo com produto interno de dimens„o n e B = ( v 1 ; v 2 ; :::; v n )

base ortonormal de V . O operador T È auto-adjunto se, e somente se, T mitiana (no caso real, simÈtrica).

B

B

È uma matriz her-

B

DemonstraÁ„o: Seja T adjunto, ent„o:

B

= (a ij ) ; sendo a ij = hT (v j ) ; v i i. Como por hipÛtese T È auto-

( v j ) ; v i i . Como por hipÛtese T È auto- a

a ij = hT (v j ) ; v i i = hT (v i ) ; v j i = a ji :

Logo, T = (T ) t ; e portanto T È uma matriz hermitiana. Agora, supondo que T È hermi-

B

B

B

B

B

B

B

B

B

tiana, ou seja, T

B

= (T ) t ; temos que:

B

B

B B B tiana, ou seja, T B = ( T ) t ; temos que:

hT (v j ) ; v i i = a ij = a ji = hT (v i ) ; v j i = hv j ; T (v i )i ;

ou seja, T È auto-adjunto.

Exemplo 7.3 VeriÖque se os operadores abaixo s„o auto-adjuntos:

T : R 2 ! R 2 ;

T (x; y ) = (x + y; x 2y )

T : C 2 ! C 2 ; T (x; y ) = (x + (1 + i ) y; (1 i ) x 3y )

Teorema 7.2 Sejam V espaÁo com produto interno de dimens„o n e T 2 L (V ) auto-adjunto. Ent„o todo autovalor de T È real. AlÈm disso, autovetores associados a autovalores distintos s„o dois a dois ortogonais.

DemonstraÁ„o: Suponha que 2 F seja um autovalor associado ao ope-rador T , tal que T (v ) = v , v 2 V f0g : Como T È auto-adjunto, temos que:

hv; v i = h v; v i = hT (v ) ; v i = hv; T (v )i = hv; v i = hv; v i

Ent„o

( ) hv; v i = 0 ) =

Portanto È real. Mostremos que agora que autovetores associados a autovalores distintos s„o ortogonais, suponha que para 2 F; w 2 V f 0g ; tal que T (w ) = w; 6= ; v 6= w; e como T È auto-adjunto, temos:

hv; w i = h v; w i = hT (v ) ; w i = hv; T (w )i = hv; w i = hv; w i

ent„o

( ) hv; w i = 0 ) hv; w i = 0

Portanto v ,w s„o ortogonais.

8 Teorema Espectral

Um problema importante sobre operadores lineares num espaÁo vetorial de dimens„o Önita È o de encontrar uma base em relaÁ„o ‡ qual a matriz desse operador seja a mais simples possÌvel. Estudaremos nessa seÁ„o que se, T 2 L (V ) È um operador auto-adjunto num espaÁo vetorial V de dimens„o Önita com produto interno, ent„o existe uma base ortonormal em V; relativamente ‡ qual a matriz de T È uma matriz diagonal. Este È o conte˙do do Teorema Espectral para Operadores Auto-Adjuntos. ComeÁamos com o caso particular do Teorema Espectral em que o espaÁo tem dimens„o 2.

Teorema 8.1 Seja T 2 L (V ) auto-adjunto, sendo V espaÁo com produto interno de dimens„o 2. Ent„o existe uma base ortonormal fu 1 ; u 2 g V formada por autovetores de T .

DemonstraÁ„o: Seja fv; w g V uma base ortonormal arbitr·ria. Como T È auto-adjunto, ent„o pelo Teorema 7.1, temos que

T (v ) = av + bw T (w ) = bv + cw:

Temos que os autovalores de T s„o as raÌzes reais do polinÙmio caracterÌstico

P ( ) = 2 (a + c ) + ac b 2 :

O discriminate desse trinÙmio È = (a + c ) 2 4 ( ac b 2 ) = (a c ) 2 + 4b 2 0:

Se = 0 ent„o b = 0 e a = c; o que implica que T (v ) = av e T (w ) = aw; logo fv; w g È uma base formada por autovetores de T . Se > 0 ent„o o trinÙmio p ( ) possui 2 raÌzes reais distintas 1 e 2 : Isto quer dizer que os operadores T 1 I e T 2 I s„o ambos n„o- inversÌveis, logo existem vetores n„o nulos (que podemos supor unit·rios) u 1 ; u 2 2 V tais que (T 1 I ) u 1 = 0 e (T 2 I ) u 2 = 0; ou seja, T u 1 = 1 u 1 e T u 2 = 2 u 2 : Pelo Teorema 7.2; temos que f u 1 ; u 2 g V È uma base ortonormal de autovetores de T:

Corol·rio 8.1 Todo operador auto-adjunto T : V ! V , num espaÁo vetorial com produto interno de dimens„o Önita, possui um autovetor.

Para a demonstraÁ„o veja [7] - p·gina 167.

ObservaÁ„o: Em espaÁos de dimens„o inÖnita, o resultado acima pode n„o valer. Por exemplo:

T : C ([0; 1] ; R ) ! C ([0; 1] ; R )

T (f (x )) = xf (x )

1

sendo < f; g >= R f (x ) g (x ) dx; temos que T È auto-adjunto e T n„o tem autovetores.

0

DeÖniÁ„o 8.1 Seja V um espaÁo vetorial. Dizemos que um subespaÁo X V È invariante pelo operador linear T : V ! V quando T (X ) X; isto È, quando a imagem T (v ) de qualquer vetor v 2 X È ainda um vetor em X:

Teorema 8.2 Seja T : V ! V um operador auto-adjunto. Se o subespaÁo X V È invariante por T; seu complemento ortogonal X ? tambÈm È.

DemonstraÁ„o: Se o subespaÁo X V È invariante por T; ent„o seu complemento ortogonal X ? È invariante pelo operador adjunto T : V ! V , pois

u 2 X; v 2 X ? ) T (u ) 2 X ) hu; T (v )i = hT (u ) ; v i = 0 =) T (v ) 2 X ?

logo X ? È invariante por T : Como o operador T È auto-adjunto, concluÌmos que X ? È invariante por T:

Teorema 8.3 (Teorema Espectral) Para todo operador auto-adjunto T : V ! V , num espaÁo vetorial com produto interno de dimens„o Önita, existe uma base ortonormal f u 1 ; :::; u n g V formada por autovetores de T .

DemonstraÁ„o: Usaremos induÁ„o na dimens„o de V: Se a dimens„o de V È 1, o resultado segue diretamente do Corol·rio 8.1. Suponhamos que o Teorema seja verdadeiro em dimens„o n 1; e mostremos que esse resultado È v·lido em dimens„o n: Pelo Corol·rio 8.1, existe um au- tovetor unit·rio u n ; portanto um subespaÁo X = f u n : 2 F g V; de dimens„o 1; invariante por T: Pelo Teorema 8.2, o complemento ortogonal X ? tambÈm È invariante por T . Como a di- mens„o de X ? È n 1; pois dimens„o de V = dimens„o de X + dimens„o de X ? (veja [7] pag. 143), a hipÛtese de induÁ„o assegura a existÍncia de uma base ortonormal f u 1 ; :::; u n 1 g X ? formada por autovetores da restriÁ„o T : X ? ! X ? : Segue-se que f u 1 ; :::; u n 1 ; u n g V È uma base ortonormal formada por autovetores de T:

ObservaÁ„o: Vale a recÌproca do Teorema Espectral: De fato, se existe uma base ortonormal fu 1 ; :::; u n g V formada por autovetores do operador T : V ! V ent„o este operador È auto-adjunto. Com efeito, para quaisquer i; j = 1; :::; n; tem-se

hT (u i ) ; u j i = h i u i ; u j i = i ij = j ij = hu i ; j u j i = hu i ; T (u j )i

e daÌ resulta que hT (u ) ; v i = hu; T (v )i para quaisquer u; v 2 V:

Corol·rio 8.2 Seja A uma matriz n n matriz hermitiana (auto-adjunta). Ent„o existe uma matriz unit·ria P (P = P 1 ) tal que P AP seja diagonal. Se A È uma matriz simÈtrica real, existe uma mariz ortogonal real P tal que, P t AP seja diagonal.

Exemplo 8.1 Determine uma base ortonormal para o operador:

T : R 3 ! R 3 ; T (x; y; z ) = ( 2x; 6y + z; y + 6z ) :

@

SoluÁ„o: Seja A = 0

temos que:

2 0 0

0

0

1

6 1 A a matriz do operador T em relaÁ„o a base canÙnica do R 3 ;

1 6

@

P A ( ) = det (A I ) = det 0

2

0

0 6

0 1

0

1

6

1 A = ( 2 ) (5 a ) (7 )

Os autovalores de T s„o 1 = 2; 2 = 5 e 3 = 7:

Para 1 = 2; temos:

0

@

0

0

0

0 0

8 1

1 8

1

A @ 0

x

y A = 0 0

0

z

1

1

@ A

0

8y + z

y + 8z = 0

= 0

Resolvendo o sistema linear acima, temos o auto espaÁo

V ( 2) = f(x; 0; 0) : x 2 R g = [(1; 0; 0)]